数字金融对地方财政收入的影响研究

摘 要：2020年在新冠疫情的冲击下，地方财政收入总体出现下滑趋势，而数字金融依旧保持正增长态势。为了破解财政收支困境，本文把研究对象的范围设定在长江经济带的11个省份，基于2011—2020年长江经济带的面板数据，构建双向固定效应模型，进行实证研究，检验数字金融对地方财政收入的影响，并进行剔除2020年数据、增加控制变量、替换被解释变量等一系列稳健性检验，以保证结果的准确性。由回归结果可以得出，数字金融发展有利于地方财政收入的增加。因此，本文提出要增强财税体系数字化，提高数字金融基础性建设投资，使其更好地服务地方财政收入。

关键词：数字金融；财政收入；长江经济带；稳健性检验；实证研究

本文索引：周莉萍.<变量 2>[J].中国商论，2023（11）：-126.

中图分类号：F812.7 文献标识码：A 文章编号：2096-0298（2023）06（a）--04

1 引言

近年来，新冠疫情对世界经济造成了巨大冲击。最新数据显示，2021年江苏GDP迈上11万亿元新台阶，达到11.63万亿元，增长8.6%。从产业发展来看，江苏“制造业霸主”地位進一步巩固，制造业增加值突破4万亿元，占GDP的比重达35.8%，全年工业战略性新兴产业、高新技术产业产值分别比2020年提高3个百分点、1个百分点。根据最新的北京大学数字普惠金融指数，2019—2021年，我国数字普惠金融依旧保持着正增长的态势，总指数的平均值由323.73增长至 341.22。在新冠疫情的影响下，数字金融保持着正增长的态势，江苏的GDP也依旧为上涨趋势，数字金融能否促进地方政府财政收入增加，两者之间如何传导的？这正是本文欲探究并解决的问题。本文以长江经济带为研究对象，以数字金融为解释变量，以地方财政收入为被解释变量，基于面板数据，构建双向固定效应模型，探讨数字金融对地方财政收入的传导机制。

2 文献综述与研究假设

近年来，学术界有关数字金融的实证研究有很多，主要集中在创业创新、居民消费、收入差距、居民就业等方面，不难得出，数字金融显著促进了企业的创新活动（李春风等，2022）、有效提高家庭的平均消费 （张驰等，2022）、有利于缓解农户收入差距（田红宇等，2022）、能显著改善与促进城镇居民就业结构与就业收入（王倩，2021）。关于财政收入和数字金融传导机制的研究，宋宝琳等（2022）基于 2011—2019 年我国 282 个地级市的面板数据，构建固定效应模型，得出数字金融发展能够显著增加地方财政收入。综上，目前，国内外对数字金融的研究涉及许多方面，但数字金融对财政收入影响方面的实证研究较少，且面板数据主要基于国家层面。鉴于此，本文以 2011—2020年我国长江经济带的面板数据为研究对象，运用双向固定效应模型，从区域的角度探讨数字金融发展对地方财政收入的传导机制。数字金融对地方财政收入的影响是多方面的，主要体现在税收收入、转移性收入、债务收入、征管水平等方面。雷泽（2021）通过包络分析得出转移性收入对减少贫困发生的作用是有效的。此外，涂咏梅等（2022）得出数字金融简化了授信程序，有效缓解了融资约束。基于此，本文提出以下假设：

H1：数字金融对地方财政收入有正向促进作用。

3 研究方法与样本数据

3.1 样本数据来源

本文的研究对象是我国长江经济带的11个省份，基于2011—2020年的面板数据，构建双向固定效应模型，研究数字金融对地方财政收入的影响。解释变量是数字金融（DF），采用北京大学测量的数字普惠金融指数衡量。其余指标数据来自国家统计局，部分缺失值则手动输入历年《中国城市统计年鉴》《云南省统计年鉴》等数据，并用Stata（16.0）进行回归分析。

3.2 变量说明

3.2.1 被解释变量

地方财政收入（LR）。财政收入是指政府在一定时期内取得的货币收入。借鉴宋宝琳等（2022）的做法，本文采用地方政府一般性财政收入衡量地方财政收入。

3.2.2 解释变量

数字普惠金融（DF）。本文采用北京大学测量的数字普惠金融指数衡量解释变量。该指数有三个维度：覆盖广度、使用深度和数字化程度。其中，覆盖范围主要包括支付宝账户数、支付宝绑定卡用户比例和支付宝绑定卡数量三个指标；使用深度涵盖支付业务、货币基金业务等六个指标；数字支持服务程度主要包括移动化、物联化等四个指标，集中体现了互联网技术化。该数据基于“层级分析法”，分三个层级编制数据，其中涵盖中国大陆31个省（直辖市和自治区称为 “省”）、337个地级及以上城市的DPI。在时间跨度上，省和市的数字普惠金融指数跨越2011—2020年，县的数字金融普惠指数跨越2014—2020年。此外，在总体指标的基础上，除了有三个维度外，还有支付、保险、货币基金、信贷服务、投资和信贷等业务分类指标。同一地区，数字金融指数越高，说明该地的经济产出越高，相应的地方财政收入越高。

3.2.3 控制变量

参考梁晓琴（2020）的做法，本文选择失业水平、产业结构、财政支出、收入差距、城市化水平和技术创新能力作为控制变量。（1）失业水平（UN）。失业水平是用来衡量国民经济发展状况的一个重要指标，本文选用城市失业人口数量衡量。（2）产业结构（IS）。产业结构是指一国或一个地区三大产业的比例与联系。国家统计局的最新数据显示，2022 年，第一产业对GDP的贡献率仅为9.9% 。本文采用第二产业增加值加总第三产业增加值的和占地区生产总值的比重来反映产业结构的方法。（3）财政支出（GF）。财政支出是政府对公共社会的财政资金支出。本文用地方政府一般公共预算支出来表示。（4）收入差距（UR）。收入差距越小，越有利于提高中产阶级收入比重，从而促进财政收入增加。本文收入差距用城镇居民人均可支配收入与农村居民人均可支配收入的比例来反映。（5）技术创新能力（IN）。本文的技术创新能力用各省的专利申请授权数量来反映。一般来说，一个地区的技术创新能力与该地区的财政收入是呈正相关的（见表1）。

3.3 模型构建

参考宋宝琳等（2022）的做法，本文通过构建省级面板计量模型检验数字金融对地方财政收入的影响作用，基准回归模型设定如下：

其中， 和分别为不同的地区和年份；表示地方财政收入；表示数字金融；为控制变量集合；表示地区固定；表示年份固定；为随机扰动项。

4 实证分析与结果

4.1 描述性统计分析

由表2可知，核心解释变量数字普惠金融（DF）的方差为100.566，说明长江经济带的数字普惠金融发展水平差距较大；被解释变量地方财政收入（LR）的方差为2039.519，说明长江经济带的地方财政收入水平差距较大；失业水平（UN）的方差是11.739，说明长江经济带的失业水平差距不大；产业结构（IS）的方差是0.041，说明长江经济带的产业结构差距不大；财政支出（GF）的最小值是2249.4，最大值是13681.55，均值是5970.932，方差是2336.811，说明长江经济带的财政支出水平差距较大且十分高；收入差距（UR）方差是0.39，说明长江经济带的收入差距较小；技术创新能力（IN）的最大值是499167，最小值是3386，均值是80662.809，方差是92524.132，说明长江经济带的技术创新水平差距较大且水平较高。

4.2 相关性分析

表3计算了各变量之间的相关系数，结果显示，地方财政收入与数字普惠金融的相关系数为0.527，且在 1% 的水平上高度显著，初步验证了假设H1。控制变量方面，产业结构、财政支出水平、技术创新能力均与数字金融正相关，而城乡收入差距与数字金融负相关，且在 1% 的水平上高度显著，说明长江经济带的城乡收入差距缩小，不一定地方财政收入增加。由表3可知，变量之间的相关系数大都小于0.8，可见变量之间不存在多重共线性问题。

4.3 基准回归结果与分析

回归结果如表4所示。模型（1）～（6）是控制了时间效应和省份效应的估计结果，表明数字金融对地方财政收入的影响为正，验证了假设H1。具体可见模型（1）～（6）中数字金融和地方财政收入的相关系数，表明数字金融指数每增加一个单位，地方财政收入将增长23.219～41.338个单位。政府支出的系数均为正，且在1%的水平上高度显著，说明政府支出每增加1亿元，地方财政收入将增长62.1%～68.2%个单位。产业结构前的系数在模型（3）、模型（4）中为负，且在5%的水平上显著，模型（5）、模型（6）在1%的水平上高度显著，说明产业结构调整不利于长江经济带财政收入的增长。技术创新水平前面的系数在模型（4）、模型（5）中为负，在模型（6）中为正，说明技术创新能力越强，长江经济带的财政收入不一定就越多。收入差距变量前的系数为正，表明缩小城乡收入差距不利于长江经济带的财政增长，原因是长江经济带的各省城乡发展不一致，存在方差，导致财政收入不一定随着缩小城乡收入差距而增长。失业人口数前的系数为负，说明减少失业人口数量，有利于长江经济带的财政收入增加。

4.4 稳健性

本文分别从改变样本时间、替换被解释变量、增加控制变量三个角度进行稳健性检验，构建列1、列2、列3，保证研究结果的可靠性和非随机性。第一，基于2020年新冠疫情对我国经济发展水平的影响，剔除2020年的数据，对2011—2019年的数据再次回归，检验数字金融对财政收入的影响。第二，由于2016年5月“营改增”全面实施，因此增加控制变量“营改增”来检验数字金融对地方财政收入的影响，并将2016年（包括2016年）之后的数据取值标记为 1；反之，标记为 0。第三，由于财政收入有四大来源：税利债费。其中，税收是最重要的部分，所以税种的变动和税率的增减对财政收入影响颇大，因此使用被解释变量地方税收收入替代地方财政收入来检验数字金融对地方财政收入的影响。稳健性检验结果如表5所示，列1在剔除了2020年数据之后，数字金融对地方財政收入的影响是正向的，且通过了5%的显著性水平检验，与基准回归结果类似。列2增加了控制变量“营改增”之后，数字金融对地方财政收入的影响是正向的，且通过了1%的显著性水平检验。列3使用被解释变量地方税收收入替代地方财政收入之后，数字金融对地方财政收入的影响是正向的，且通过了1%的显著性水平检验。综上可知，数字金融对地方财政收入的影响通过了稳健性检验。

5 结语

在数字化高速发展的时代，传统金融和高科技数字技术相结合，促进了数字金融的发展。本文以长江经济带11个省份为研究对象，数字金融为解释变量，财政收入为被解释变量，基于2011—2020年长江经济带的面板数据，构建双向固定效应模型，实证检验了数字金融发展对地方财政收入的影响。结论如下：在双向固定效应模型下，数字金融有力地促进了地方财政收入的增加，且均在 1%的显著性水平上显著。经过剔除2020年数据、增加控制变量、替换被解释变量一系列稳健性检验后，数字金融依旧可以显著扩大地方财政收入，可知数字金融可显著增加地方财政收入。

基于实证分析的结果，假设成立，表明数字金融有利于地方财政收入显著增加。本文建议稳步大力推进数字金融发展，坚持国家的宏观调控政策，加以市场调节机制，不断完善数字金融的总体发展方向，鼓励并引导金融业和大数据技术相结合，从而提升数字金融的技术化水平，扩展数字金融的服务范围，增强数字金融的使用体验。具体而言，政府要合理规划财政收入及社会资金等资源，使资源得到合理分配，要加大对数字金融业的基础建设投资，推动数字金融高速发展，从而更好地服务社会，反向推动财政收入增长。同时，政府要推进税收征管体制改革，税务部门应充分利用大数据技术简化办事程序，提升服务效率和数字化水平，使数字金融更好地促进财政收入增加。

参考文献

李春风，徐雅轩，刘建江. 数字金融驱动企业创新的优胜劣汰效应研究[J]. 现代管理科学，2022（6）：128-137.

张驰，王满仓，李翠妮. 信贷约束、数字金融与居民消费[J]. 统计与信息论坛，2022，37（12）：55-65.

田红宇，苏治豪，覃朝晖. 数字普惠金融在农户间的收入分配效应研究：基于再中心化影响函数的证据[J]. 武汉金融，2022（9）： 31-40.

王倩. 数字普惠金融对我国城镇居民就业的影响研究[D].济南：山东大学，2021.

宋宝琳，张航，胡欣蕊. 数字金融发展对地方财政收入的影响及区域差异研究：基于中国282个地级市面板数据的中介效应检验[J]. 财政科学，2022（5）：122-133.

雷泽. 我国农村贫困群体转移性收入增长对减贫的影响研究[D].北京：中国财政科学研究院，2021.

涂咏梅，吴尽，李梦婧. 数字金融对企业融资成本影响的实证[J]. 统计与决策，2022，38（19）：140-145.

梁晓琴. 数字普惠金融对地方税收影响的实证研究[J]. 审计与经济研究，2020，35（5）：96-104.