共同富裕背景下数字普惠金融对我国城乡收入差距的影响研究——基于工资收入差距的中介效应分析

熊逍遥

(温州大学 商学院, 浙江 温州 325035)

习近平总书记强调,要巩固拓展好脱贫攻坚成果,扎实推进乡村振兴,实现共同富裕。共同富裕是社会主义的本质要求。2021年中央经济工作会议指出,实现共同富裕目标,首先要通过全国人民共同奋斗把“蛋糕”做大做好,然后通过合理的制度安排把“蛋糕”切好分好。改革开放40多年来,我国居民收入差距过大现象虽然得到了有效缓解,但是我国发展不平衡不充分问题依然突出,从收入角度看则集中体现为城乡居民收入差距大,这是推进共同富裕的道路上面临的最大挑战。根据中国统计年鉴数据,2020年我国城镇居民的人均可支配收入是农村居民的2.56倍;从分组收入情况来看,2019年我国城镇居民低收入组、中等偏下收入组、中间收入组、中等偏上收入组和高收入组的人均可支配收入分别是农村对应收入组收入水平的3.6倍、2.7倍、2.7倍、2.7倍和2.5倍。城乡居民收入差距过大不仅不利于国民经济平稳、可持续发展,而且会通过经济与社会、政治、环境等维度的互动,将这种不利影响以涟漪形态进行传导,从而进一步削弱经济发展的外部基础,阻碍共同富裕的实现。

2016年,国务院印发《推进普惠金融发展规划(2016—2020年)》,将普惠金融纳入国家金融发展战略。以往大量文献表明,普惠金融发展能够调节收入分配,进而影响城乡收入差距。有学者进一步发现,普惠金融发展也能调整大部分省份的城乡收入分配失衡状况[1]。我国一直尝试解决低收入地区的金融服务缺失问题,致力于通过发展普惠金融缓解城乡收入不均衡问题。然而,依托实体网点提供金融服务需要支付相对高昂的业务成本,这往往会与商业性金融机构的盈利驱动机制产生冲突。与传统金融相比,数字普惠金融在加快生产要素流通和优化资源配置过程中更具优势,是影响城乡收入差距的重要因素。数字普惠金融为我国缩小城乡收入差距提供了一个新的视角,并为制定科学合理的政策提供了新的依据。因此,探讨数字普惠金融对城乡收入差距的影响效应及其机制对于我国改善收入分配状况、实现共同富裕至关重要。

一、文献综述

在城乡收入差距的影响因素方面,米增渝等[2]通过构建动态关联理论模型研究发现,经济增长可以缓解城乡收入不平等问题。龙海明等[3]研究发现,经济发展水平提高会扩大城乡收入差距,可能的原因是经济发展水平的成果没有得到公平共享。肖维泽等[4]认为,产业结构升级既可以直接缩小城乡收入差距,也可以通过改善就业结构间接缩小城乡收入差距。陆铭和陈钊[5]、田杰和陶建平[6]、王修华和邱兆祥[7]、薛宝贵[8]、胡晶晶[9]经过实证分析,均得出城镇化水平的提高会缩小城乡居民收入差距的结论。程名望和张家平[10]认为,互联网普及与城乡收入差距之间存在倒“U”形关系,且我国在2019年已经越过拐点。薛宝贵和何炼成[11]认为提高对外开放程度会缩小城乡收入差距,而徐敏和张小林[12]则持不同意见。

在数字普惠金融对城乡收入差距的影响方面,张勋等[13]利用数字普惠金融指数和家庭追踪调查数据研究发现,数字普惠金融能够提高家庭收入,尤其是农村家庭收入,同时还可以通过促进农民创业来提升农村家庭收入。王正新和琚悦琦[14]通过分析城市面板数据,认为数字普惠金融的覆盖广度和数字化程度可以缩小城乡收入差距,但是使用深度会扩大城乡收入差距。张贺和白钦先[15]利用线性面板回归以及非线性门槛回归模型研究了数字普惠金融缩小城乡收入差距的机制,即由基础功能、衍生功能、主导功能形成包容效应、增长效应、减贫效应三大收敛效应。宋晓玲[16]利用泰尔指数测算城乡收入差距,检验了数字普惠金融对城乡收入差距的缩小效应。梁双陆和刘培培[17]发现数字普惠金融可以通过门槛效应、排除效应、减贫效应来缩小城乡收入差距。祝伟和汪晓文[18]运用基尼系数进行研究,发现造成城乡居民收入差距扩大的主要原因是工资收入差距的扩大。任经辉[19]通过门限检验发现,只有当经济发展达到某一水平之后,数字普惠金融才会对城乡收入差距有缩小作用。

综上所述,目前关于数字普惠金融和城乡收入差距之间关系的研究比较多,但是很少有学者研究数字普惠金融对城乡工资收入差距的影响以及城乡工资收入差距的缩小对城乡居民可支配收入差距的影响。同时,对于《G20数字普惠金融高级原则》推出前后数字普惠金融对城乡收入差距的影响是否不同这一问题,也有待进一步研究。基于此,本文运用面板数据实证检验数字普惠金融对城乡工资收入差距的影响、城乡工资收入差距在数字普惠金融缩小城乡可支配收入差距中所起的作用,以及2016年《G20数字普惠金融高级原则》出台后数字普惠金融对城乡收入差距的影响所产生的变化。

与以往研究相比,本文可能的边际贡献在于:(1)系统分析了数字普惠金融缩小城乡可支配收入差距和城乡工资收入差距的机制;(2)检验了工资收入差距的缩小在数字普惠金融缩小城乡可支配收入差距中所起作用的大小;(3)验证了《G20数字普惠金融高级原则》出台前后两个时期数字普惠金融对城乡收入差距的影响效应。

二、理论分析与假设提出

数字普惠金融的出现,解决了传统金融成本高与风险高的问题,缓解了排斥效应和不均衡效应,并通过包容效应和减贫效应[20]来缩小城乡可支配收入差距。

数字普惠金融通过包容效应缩小城乡可支配收入差距。数字普惠金融是数字技术与普惠金融的结合[21],通过降低门槛、降低成本、缓解金融排斥效应和增强风险控制等措施,使得80%的尾部客户被囊括在金融服务的范围之内,提升了金融服务的包容性,缩小了城乡可支配收入差距。传统普惠金融成本高,利率和交易费用也高,存在门槛效应,但数字普惠金融减少了对物理网点的依赖,提高了工作效率,降低了成本。同时,大数据等技术将分散在互联网上的支付、购物、还款等信息进行整理加工,使得每个客户的征信情况被记录下来。这样,金融机构就可以对这些记录进行查询,降低了获客成本和搜寻成本,缓解了信息不对称问题,使得风险得到控制。

数字普惠金融通过减贫效应缩小城乡可支配收入差距。首先,贫困居民由于缺乏抵押物和创业资金,很难获得金融支持,而数字普惠金融可以为这些居民提供创业机会,同时由于负债,他们也会更加努力地工作以增加收入[22]。其次,数字普惠金融可以促进经济发展,通过涓滴效应来帮助落后地区脱贫[23]。在经济发展水平提高的同时,政府的财政收入也会提高,政府就会向贫困地区提供更多的财政支出,使贫困地区的基础设施更完善,经济发展水平提高,进而使农民收入增加,摆脱贫困[24]。此外,数字普惠金融的发展也有利于推动小微企业发展,从而提供更多的就业机会。综上,本文提出如下假设:

假设1:数字普惠金融可以缩小城乡可支配收入差距。

国家统计局于1993年对居民收入来源的统计口径进行了重大调整,将居民收入来源分为家庭经营性收入、工资性收入、财产性收入和转移性收入四项。众所周知,工资性收入对于大多数居民来说至关重要。林秀梅等[25]研究发现,劳动者报酬收入是总收入的重要组成部分,劳动者报酬收入比重的上升是农民收入增加的重要原因。数字普惠金融使得小微企业得到资金援助,进而能提供更多工作岗位,农村居民也由此得到更多就业机会。因此,数字普惠金融可以缩小城乡之间的工资收入差距。综上,本文提出如下假设:

假设2:数字普惠金融可以缩小城乡工资收入差距。

改革开放后,随着城镇化和工业化的快速发展,我国的经济结构发生了很大变化,二三产业所占比重越来越高。越来越多的农村劳动人口从事非农工作,使得农村居民收入结构也发生了重大变化 ,即非农收入特别是工资性收入在总收入中的占比不断提高。江克忠和刘生龙[26]发现,工资性收入是造成农村家庭收入总体低于城镇家庭收入的最大原因,因此工资性收入差距的缩小有利于缩小城乡收入差距。数字普惠金融会通过缩小城乡工资收入差距来影响城乡可支配收入差距,即可能存在中介效应。综上,本文提出如下假设:

假设3:数字普惠金融可以通过缩小城乡工资收入差距来缩小城乡可支配收入差距。

三、变量选取与模型设定

(一)变量选取

1.被解释变量

被解释变量包括城乡可支配收入差距和城乡工资收入差距。本文用泰尔指数来衡量城乡可支配收入差距。泰尔指数既能反映城乡人口变动对城乡收入差距的影响,也能反映城乡收入的两端变动,计算公式如下:

(1)

式(1)中,j=1代表城镇,j=2代表农村;yi1t和yi2t分别代表i省份第t年城镇和农村的可支配收入;yit代表i省份第t年城镇和农村的总可支配收入;xi1t和xi2t分别代表i省份第t年城镇和农村的人口数;xit代表i省份第t年的总人口数。将相应的可支配收入换成工资收入,就可以测量城乡工资收入差距的泰尔指数。

2.核心解释变量

对于核心解释变量,采用的是北京大学数字金融研究中心发布的数字普惠金融指数。该指数从覆盖广度、使用深度和数字化程度三个子维度对数字普惠金融进行综合衡量,可以反映每个省份的数字普惠金融发展现状。由于该指数比本文选取的其他指标数值大很多,因此将该指数除以100作为原始数据。

(二)数据来源与处理

本文使用的是2011—2020年我国除港澳台地区以外的31个省份的面板数据,数据主要来源于《北京大学数字普惠金融指数(2011—2020)》第三期、中国统计年鉴以及EPS数据库。缺失的数据由各省份统计年鉴数据补足。

(三)模型设定与说明

假设1需要检验数字普惠金融对城乡可支配收入差距的影响。尽管引入了尽可能多的控制变量,但是遗漏变量问题是无法完全避免的。因此,为缓解内生性问题,本文从省级层面考虑个体异质性因素,建立以下固定效应模型:

theilit=α0+α1szphit+α2Xit+θi+εit

(2)

式(2)中,theilit是被解释变量,代表i省份第t年的城乡可支配收入差距。szphit是核心解释变量,代表i省份第t年的数字普惠金融指数。Xit代表控制变量,θi表示省级固定效应,εit表示随机扰动项。

假设2需要检验数字普惠金融对城乡工资收入差距的影响,模型设定如下:

theil_incit=δ0+δ1szphit+δ2Xit+θi+εit

(3)

与式(2)相比,式(3)只有被解释变量发生了变化,其他不变。式(3)中,theil_incit是城乡工资收入差距的泰尔指数。

为了验证假设3,在上述两个模型的基础上建立以下模型:

theilit=β0+β1theil_incit+β2szphit+β3Xit+θi+εit

(4)

式(2)至式(4)中,α1表示数字普惠金融对缩小城乡可支配收入差距的总体影响,β2代表数字普惠金融对缩小城乡可支配收入差距的直接影响,δ1×β1代表中介效应,δ1β1/α1代表中介效应在总效应中的占比。如果α1、β1和β2显著,但β2小于α1,则存在部分中介效应;如果α1和β1均显著,但β2不显著,则存在完全中介效应。

四、实证分析

(一)描述性统计

主要变量的描述性统计结果如表1所示。城乡可支配收入差距泰尔指数的最小值为0.0183,最大值为0.2274,说明各省份的城乡收入差距明显。城乡工资收入差距泰尔指数的最小值为0.0000,最大值为1.1828,最大值远远大于最小值,可见各省份的城乡工资收入差距较为明显。城乡工资收入差距的泰尔指数远远大于城乡可支配收入差距的泰尔指数,可见城乡工资收入差距更大。数字普惠金融指数的最小值为0.1622,最大值为4.3193,差距悬殊,可见我国各省份的数字普惠金融发展较不平衡。

表1 主要变量的描述性统计结果

(二)多重共线性讨论

异方差通常存在于数量级相差较大的数据中,故本文将部分量级较大的数据除以100或取对数,以缓解异方差问题。由于异方差的估计量依然是无偏、一致且渐进正态的,因此本文解决异方差问题的另一个方法就是报告异方差的稳健标准误。内生性问题在后文稳健性检验中再进行讨论,本文首先考察模型是否存在多重共线性。对多重共线性的检验通常采取两种方法,一种是计算方差膨胀因子,另一种是计算变量之间的相关系数。本文选用第一种方法,所有变量的方差膨胀因子均小于10,说明不存在多重共线性问题。

(三)基准回归结果分析

1.检验假设1的回归结果分析

检验假设1的回归结果如表2所示。考虑到异方差的问题,本文报告的均是聚类稳健标准误。表2中回归1是混合OLS回归结果,虽然数字普惠金融指数的系数是负的,但是该系数并不显著。考虑到个体效应可能导致估计结果不准确,加入省级固定效应,固定效应模型的回归结果不报告聚类稳健标准误,此时回归方程的F统计量是57.37,在1%的水平上拒绝个体同质性的假设,因此应该引入个体固定效应。本文逐步引入控制变量,以便更清楚地观察控制变量对回归结果的影响。

表2 检验假设1的回归结果

表2中回归2至回归5是固定效应模型回归结果。回归2中没有加入控制变量,回归结果表明数字普惠金融可以缩小城乡可支配收入差距,且在1%的水平上显著。回归3在回归2的基础上引入经济发展水平变量,其系数为正且在10%的水平上显著,表明经济增长会扩大城乡收入差距。回归4在回归3的基础上引入政策性因素,即财政支农支出变量,发现经济发展水平的系数仍然显著,固定资产比重的系数不显著,财政支农支出的系数显著为正,也就是政府在农、林、牧、渔业上的支出并不能缩小城乡可支配收入差距。回归5在回归4的基础上加入其他控制变量,即城镇化率、互联网普及率、金融化程度、对外开放程度、教育水平以及产业结构,其中城镇化率和对外开放程度可以缩小城乡可支配收入差距,金融化程度会扩大城乡可支配收入差距。从回归2至回归5的回归结果来看,无论加入多少控制变量,数字普惠金融对城乡可支配收入差距均有显著的缩小作用。因此,假设1成立,数字普惠金融可以缩小城乡可支配收入差距。

2.检验假设2的回归结果分析

检验假设2的回归结果如表3所示。表3中回归1是混合OLS回归结果,回归2至回归5是固定效应模型回归结果。由回归2至回归5可以看出,无论加入多少控制变量,数字普惠金融对城乡工资收入差距均有缩小作用。就边际效应来说,数字普惠金融水平每提高100个单位,城乡工资收入差距就会减少0.031个单位。经济发展水平和金融化程度的提高会扩大城乡工资收入差距,而城镇化率的提高会缩小城乡工资收入差距。

表3 检验假设2的回归结果

3.检验假设3的回归结果分析

结合检验假设1和假设2的回归结果,进一步考虑工资收入差距的缩小在数字普惠金融缩小城乡可支配收入差距中所起的作用。由前面的分析可知,数字普惠金融对城乡可支配收入差距的总体影响系数是-0.012,且在1%的水平上显著。检验假设3的回归结果如表4所示。数字普惠金融对城乡可支配收入差距的直接效应系数是-0.007,且在5%的水平上显著。由表4中回归1可知,在其他条件不变的情况下,城乡工资收入差距每增加1个单位,城乡可支配收入差距增加0.095个单位,又因为0.007小于0.012,可见存在部分中介效应,即数字普惠金融可以通过缩小城乡工资收入差距进而缩小城乡可支配收入差距,即假设3成立。中介效应为-0.002945,中介效应在总效应中的占比是24.96%。

表4 检验假设3的回归结果

(四)区域异质性检验

刘琳和李子丰[27]运用Dagum基尼系数法和Kernel密度非参数估计方法研究我国数字普惠金融的区域差异和影响因素,发现我国数字普惠金融的总体差异在2011—2017年持续下降、在2018—2020年有所回升,总体差异主要来自区域间差异,经济发展、人口结构、政府干预、收入水平等都会影响数字普惠金融的发展。我国东、中、西部地区的发展差距是不容忽视的。东部地区的金融资源比西部地区丰富;西部地区的城乡可支配收入差距和工资收入差距最大,中部地区次之,东部地区最小;西部地区有较大的发展潜力。数字普惠金融对西部地区的作用可能更大,因此数字普惠金融的发展存在地区差异。同时,由于西部地区监管水平较低以及数字普惠金融不发达,数字普惠金融在西部地区可能有更大的发展空间。因此,数字普惠金融对城乡可支配收入差距以及城乡工资收入差距的缩小效应可能存在地区差异。使用固定效应模型对我国东、中、西部地区的样本分别进行回归,结果如表5所示。

表5 区域异质性检验结果

由表5中回归1至回归6可知,无论是东部、中部还是西部地区,数字普惠金融对我国城乡可支配收入差距和城乡工资收入差距都有缩小效应。由回归1、回归3和回归5可知,数字普惠金融指数每提高100个单位,东部、中部和西部地区的城乡可支配收入差距分别缩小0.005、0.016和0.018个单位。由此可见,数字普惠金融缩小城乡可支配收入差距的效应在西部地区最强,中部地区次之,东部地区最弱,即存在地区不均衡效应。由回归2、回归4和回归6可知,数字普惠金融指数每提高100个单位,东部、中部和西部地区的城乡工资收入差距分别缩小0.029、0.044和0.051个单位。由此可见,数字普惠金融对西部地区城乡工资收入差距的缩小效应最强,中部地区次之,东部地区最弱,即存在地区差异。

(五)时间异质性检验

以2016年出台《G20数字普惠金融高级原则》为临界点,将数据分为2011—2016年和2017—2020年两个子样本分别进行回归,比较前后两个时期数字普惠金融对城乡可支配收入差距和城乡工资收入差距的影响效应,结果如表6所示。

表6 时间异质性检验结果

表6中,回归1和回归3是2011—2016年数字普惠金融对城乡可支配收入差距和城乡工资收入差距的影响结果,回归2和回归4是2017—2020年数字普惠金融对城乡可支配收入差距和城乡工资收入差距的影响结果。由回归1和回归2的比较结果以及回归3和回归4的比较结果可知,《G20数字普惠金融高级原则》出台之后,数字普惠金融对城乡可支配收入差距和城乡工资收入差距的缩小效应得到加强,说明应该大力推动数字普惠金融发展,缩小城乡收入差距,促进共同富裕。

(六)机制检验

根据前面的理论分析,数字普惠金融可以通过包容效应和减贫效应来缩小城乡收入差距。下面对这两条机制进行检验,结果如表7所示。

表7 机制检验结果

1.数字普惠金融通过包容效应缩小城乡收入差距

数字普惠金融可以通过降低金融服务的成本和门槛,缓解传统普惠金融对80%的尾部客户的排斥效应,从而增强普惠金融的包容性。

(1)缓解排斥效应

其他变量不变,将核心解释变量替换成覆盖广度这一子维度。这一子维度的二级维度是账户覆盖率,它可以在一定程度上反映数字普惠金融对80%的尾部客户的包容情况,因此可以作为数字普惠金融缓解排斥效应的代表指标。

表7中回归1和回归2的结果表明,覆盖广度对城乡可支配收入差距和城乡工资收入差距的回归系数均显著为负。由此可知,数字普惠金融可以通过缓解对尾部客户的排斥效应来缩小城乡可支配收入差距和城乡工资收入差距。

(2)降低门槛效应

其他变量不变,将解释变量替换成数字化程度这一子维度。数字化程度指金融服务实惠化和便利化程度,其中实惠化可以用贷款利率衡量,即小微企业和个人的贷款成本,它可以代表数字普惠金融的成本降低效应。因此,可以用数字化程度来检验数字普惠金融降低门槛效应的效果。

表7中回归3和回归4的结果表明,数字化程度每提高100个单位,城乡可支配收入差距和城乡工资收入差距分别缩小0.004和0.006个单位。由此可知,数字普惠金融可以通过降低小微企业和个人的贷款利率来降低融资成本,从而缩小城乡可支配收入差距和城乡工资收入差距。

2.数字普惠金融通过减贫效应缩小城乡收入差距

减贫效应是指数字普惠金融可以通过促进经济发展来增加农村居民收入,帮助农村地区脱贫。因此,这里主要研究数字普惠金融对经济增长的影响,将主要模型中的被解释变量替换成经济发展水平,核心解释变量仍然是数字普惠金融指数,删去控制变量中的经济发展水平,其他变量保持不变。

表7中回归5的结果表明,数字普惠金融指数对经济增长有积极影响,数字普惠金融指数每提高100个单位,经济增长水平提高1.143个单位,且在1%的水平上显著。由此可知,数字普惠金融可以通过促进经济增长来发挥减贫效应,从而缩小城乡收入差距。

(七)稳健性检验

本文通过实证检验证明了数字普惠金融可以缩小城乡可支配收入差距和城乡工资收入差距,但对于这一结论是否稳健,有待进一步检验。本文从两个方面进行稳健性检验。首先,考虑滞后效应来缓解内生性,具体做法是被解释变量不变,将所有解释变量滞后一期进行固定效应回归,结果如表8中回归1和回归2所示。滞后一期的数字普惠金融系数仍然为负,表明回归结果是稳健的。其次,根据前文的描述性统计分析可知,收入差距、经济发展水平、金融化程度等变量在我国各省份之间差距比较大,因此剔除北京、上海、天津、重庆4个直辖市的数据之后重新回归,结果如表8中回归3和回归4所示。回归结果表明,数字普惠金融依然可以缩小城乡可支配收入差距和城乡工资收入差距,前文的结果是稳健的,假设成立。

表8 稳健性检验结果

五、研究结论与政策建议

(一)研究结论

本文基于2011—2020年我国省域面板数据,构建个体固定效应模型,经过区域异质性检验、时间异质性检验、机制检验以及稳健性检验,得出如下结论:

(1)数字普惠金融对城乡可支配收入差距有缩小效应。

(2)数字普惠金融可以通过缩小城乡工资收入差距来缩小城乡可支配收入差距。

(3)无论是我国东部、中部还是西部地区,数字普惠金融均对城乡可支配收入差距和城乡工资收入差距有缩小效应。其中,对西部地区的缩小效应最强,中部地区次之,东部地区最弱,即存在地区不均衡性。此外,由时间异质性检验可知,《G20数字普惠金融高级原则》出台之后,数字普惠金融对我国城乡收入差距的缩小作用得到了加强。

(4)数字普惠金融可以降低金融服务门槛,并通过降低门槛和缓解排斥效应来增强金融服务的包容性,进而缩小城乡可支配收入差距和城乡工资收入差距。数字普惠金融可以通过促进经济增长来增加农民收入以及通过涓滴效应来发挥减贫效应,从而缩小城乡收入差距。

(二)政策建议

根据以上研究结论,本文提出如下建议:

1.因地制宜,制定符合区域特征的数字普惠金融发展战略

从描述性统计和实证分析结果可知,数字普惠金融在不同区域的发展程度和减贫效果不尽相同,因此应该制定有针对性的发展策略。我国东部与中西部地区的互联网普及率、经济发展水平、金融发展程度存在显著差异。东部地区经济发展水平较高,有着丰富的金融资源,数字普惠金融缩小城乡收入差距的作用已经接近饱和,因此可以适当调整金融机构数量,改善激烈竞争导致的效率下降的局面,实现从数量提升到质量提升的转变,同时拓展东部地区数字普惠金融的发展深度,设计农村居民需要的金融产品。中西部地区贫困人口数量多且分布广,数字普惠金融的发展程度低,因此要增加农村地区的金融服务,提高数字普惠金融的覆盖广度。中西部地区的数字普惠金融缩小城乡收入差距的作用还有很大的提升空间,所以要提升互联网普及度,加强基础设施建设,让中西部地区充分享受数字普惠金融的福利,缩小其自身内部的贫富差距以及与东部地区的发展差距,实现区域协调发展。

2.健全相应法律法规,加大对互联网平台的监管力度

数字普惠金融借助互联网技术来扩大金融服务的覆盖广度,在新的技术环境下,相应的金融风险可能会增大。因此,相关部门要根据数字普惠金融发展所面临的问题健全相应的法律法规,为数字普惠金融的健康发展提供相应的法律保障。同时,政府相关部门要加大对互联网平台的监管力度,可以在已有金融机构中设立专门的部门来监管数字普惠金融的发展,明确数字普惠金融的服务范围,防止金融机构为了盈利而做出违法行为。

3.完善信用信息建设,促进农村居民创业就业

基于前文的实证分析可知,数字普惠金融可以通过缩小城乡工资收入差距来缩小城乡可支配收入差距,而缩小城乡工资收入差距的关键就是促进农村居民创业就业。农村人口的征信档案建档率一直是困扰金融机构的难题,因此传统金融机构要加强数字技术运用,让数字普惠金融真正惠及农村居民。金融机构和互联网公司要通力合作,持续加强农村地区信息共享平台和征信体系建设,打破“信息孤岛”,缓解小微企业和个体农户的融资约束,助力当地中小微企业和电商平台的成长和发展,创造更多的就业岗位,提供更多的就业机会,增加农民收入,缩小贫富差距,促进共同富裕。