数字普惠金融发展对农户收入增长的影响

高梦颖 尚林屹

（西京学院会计学院，西安 710123）

引 言

近年来，乡村振兴战略和实现共同富裕的目标成为党的领导集体重要会议的核心议题，为推进这一目标的实现，中国政府高度重视在农村地区推广数字普惠金融，并相继出台多项鼓励政策。其中，近几年颁布的相关政策提出要加大数字金融服务在农村地区的投入力度，旨在提升金融服务的普惠性和可持续性。这些政策的实施已经开始显示出数字普惠金融在中国农村地区的应用和影响。

本文的重点是探讨数字普惠金融发展对农户收入增长的影响。通过研究数字普惠金融在乡村振兴中的影响，可以为推动乡村经济的发展、提高农户收入水平及实现乡村振兴的目标提供有益的参考和指导。同时，针对数字普惠金融在乡村振兴中的应用和发展，本文将提出相关的建议和措施，以促进数字普惠金融的深入发展并最大限度地提升农户收入水平。

一、理论机制与研究假设

（一）数字普惠金融对贫困减少和农户增收的影响

在部分农村地区，农户由于缺乏金融知识，且受到地理环境等因素的限制，阻碍了他们的经济发展和收入增长。数字普惠金融通过应用现代化信息技术，如互联网、移动支付、物联网和大数据分析，为农户提供了更便利的金融服务渠道。除此之外，数字普惠金融还能通过提供金融素养培训和教育，增强农户的金融知识和技能，帮助他们更好地利用金融工具和产品。数字普惠金融的应用使农户能够方便地进行支付、储蓄、借贷和保险等金融交易，提高他们的金融包容性和经济活动的效率。农户可以轻松进行农产品销售、采购农资、支付劳动力工资等，增加农村经济的活力和流动性，进一步扩大农村经营规模和增加农户收入来源。综上所述，本文认为数字普惠金融能够促进农户收入水平提高。

（二）数字普惠金融对收入分配的影响

数字普惠金融对收入分配的影响主要表现在以下两个方面：一是帮助欠发达地区积累资金；二是为低收入群体（缺乏劳动力家庭、缺乏男性劳动力等）提供增收和发展机会。通过数字普惠金融，农户居民能够通过手机获得所需的金融产品与服务，这拓展了金融服务的覆盖广度和深度，让偏远、欠发达地区的微观经济主体也能享受到便捷的金融服务，帮助他们积累资金，提高经济发展的基础，缩小地区间的发展差距。数字普惠金融降低了金融服务的准入门槛，为低收入群体提供了更多的增收和发展机会。通过数字金融服务的支持，低收入群体和农村居民能够参与经济活动，增加收入和积累财富。基于此，本文认为数字普惠金融的普及与发展有助于推动社会和经济的整体发展，促进更公平的收入分配。

二、研究设计

（一）数据来源

本文数据源自2019 年西南财经大学进行的全国范围CHFS 项目，调查内容覆盖了家庭人口与就业、资产与负债、收入与消费等方面的详细信息，能够提供较为全面的家庭金融数据。在对原始样本进行处理时，首先排除了存在缺失值和异常数据的样本。其次，对18 岁以下的户主、收入和总资产小于等于0 的异常样本进行了排除，并对收入等指标进行了对数转换。最后，为了减少极端值对结果的影响，对连续变量进行了上下1%的缩尾处理，最终得到了34 200 个有效样本。

（二）变量选择

（1）被解释变量。为了研究数字普惠金融与农村居民收入之间的关系，本文采用了2019 年CHFS 项目中的数据。其中，农村居民收入水平被选为被解释变量，并通过自然对数变换对农村居民收入数据进行处理，以增强数据的可比性和符合统计分析要求。

（2）解释变量。本文以北京大学数字金融研究中心课题组2019 年北京大学数字普惠金融指数（DIFI）为主要解释变量。

（3）控制变量。在以往的研究中，已经有证据表明农户收入受到多个重要因素的影响。本文考虑将以下影响农村居民收入水平的其他因素作为控制变量。首先是户主的人口特征，本文选择了性别、年龄和婚姻状况作为控制变量；另外，考虑到数字经济的发展，本文将智能手机拥有情况作为一个控制变量；同时，本文还将受教育程度作为一个控制变量，受教育程度将被分为1 至9 级，级数依次上升，以反映不同教育水平对居民收入的影响。其次，本文将健康程度和家庭党员数量作为控制变量。最后，本文选择农村居民对金融信息的关注程度作为控制变量，以控制其对家庭收入的潜在影响。

（三）模型的设定

传统方法用生产函数方程估计数字普惠金融对农户收入的影响，将数字普惠金融指数作为额外变量添加到资本和劳动投入中。然而，由于资本和劳动力投入不可观测，无法用传统模型进行估计。因此，本文采用线性回归模型分析数字普惠金融对农户收入的影响。模型设置如下所示：

Iog（Incomeij）=β1*DIFIxj+β2*CHARij+μij

式中，i表示家庭，j表示家庭所在的省份。主要因变量是省份j中农民i的总收入的对数。DIFIxj是主要解释变量，代表j省的数字普惠金融指数。CHARij为控制变量，包括年龄、性别、婚姻状况、受教育程度、家中党员数量、健康程度，以及是否使用智能手机和对金融信息的关注度，μij是随机扰动项，在考虑同一省内不同农户随机扰动项之间相关性的情况下，回归分析通常会报告省级层面集聚的标准误。这意味着回归结果中的标准误度量了省级单位的变异性，而不是个体农户的变异性。这种报告方式能够更准确地反映出同一省内不同农户之间可能存在的相关性，并提供更稳健的推断。

（四）描述性统计

由表1 可知，在样本家庭中显示我国农村家庭中户主平均年龄在54.4 岁，反映出我国人口的老龄化问题及农村劳动力不足；在接下来的控制变量中，有一项是我国农村家庭户主的性别，其中男性占比为52.3%。此外，高达81.8%的农村家庭的户主是已婚。我国农村的教育水平为0.55 级。在34 200 个样本中，智能手机拥有率达73.20%。每户家庭党员人数在1 个左右。最后，分析样本数据得出，我国农村的传统金融较不发达，村民对金融信息关注度不高。

表1 变量描述性统计

三、实证分析

（一）基准回归分析

本文首先使用线性回归模型对数字普惠金融对农户收入的影响进行了检验（表2）。

表2 线性回归分析结果（n=34 200）

根据表2 可知，将对应的2019 年普惠金融指数作为自变量，而将收入作为因变量进行线性回归分析，可以看出模型公式为：收入=-224 059.150+934.947*DIFI。模型R2值为0.022，意味着对应的2019 年普惠金融指数可以解释收入的2.2%变化原因。对模型进行F检验时发现模型通过了F检验（F=771.542，p=0.000＜0.05），也即说明对应的2019 年普惠金融指数一定会对收入产生影响。最终具体分析可知：对应的2019 年普惠金融指数的回归系数值为934.947（t=27.777，p=0.000＜0.01），意味着对应的2019年普惠金融指数会对收入产生显著的正向影响。

（二）多元回归分析

根据表3 可知，将对应的2019 年普惠金融指数、年龄、性别、婚姻状况、文化程度、是否为党员、健康程度、智能手机、金融信息关注度作为自变量，而将收入作为因变量进行线性回归分析。模型的R2值为0.063，意味着这些自变量可以解释收入的6.3%变化原因。对模型进行F检验时，模型通过了F检验（F=255.949，p=0.000＜0.05），说明这些自变量中至少有一项与收入存在显著影响关系。

此外，对模型进行了多重共线性检验，发现模型中所有变量的方差膨胀因子（VIF）值均小于5，这意味着模型中不存在严重的共线性问题。同时，模型的德宾-沃森（D-W）值接近2，表明不存在自相关性问题。

四、研究结论与建议

本文以2019 年CHFS 数据和数字普惠金融数据作为研究样本，探讨数字普惠金融发展对农户收入的影响。研究表明：数字普惠金融的应用对农户收入具有显著的正向影响；数字普惠金融的普及改善了农村金融包容性，农民通过数字金融技术可以获得更多的金融资源和机会，从而改善农户的收入水平。

基于上述研究结论，本文提出以下建议。第一，加大数字普惠金融技术的推广力度。政府和金融机构应进一步推动数字金融技术在农村地区的普及，提供更多的数字金融服务，包括移动支付、金融储蓄、贷款等，确保农户能够充分享受到数字金融带来的经济效益。同时，应推动农业科技创新与数字金融结合。政府应支持和鼓励农业科技公司与数字平台的合作，开发更多适应农户需求的数字化农业解决方案，提高农业生产效率和质量，推动农产品的市场化和升值。第二，加强金融监管和风险管理。政府和金融监管机构需要加强对数字金融机构的监管，保障农户的金融安全和权益。同时，要加强风险管理和防范机制的建设，防止金融风险发生，保护农户的利益。