数字普惠金融赋能乡村全面振兴

裴 育 姚 圣

一、引言

“乡村全面振兴”这一概念在2018年《中共中央 国务院关于实施乡村振兴战略的意见》中首次提出，要求科学把握乡村振兴内涵，更加注重乡村振兴战略的协同性、关联性。自此之后历年的中央“一号文件”都多次强调这一内涵。

随着数字经济的快速发展，以数字化手段为载体的各项金融服务工具为高质量地实现乡村全面振兴发挥了关键作用。我国陆续发布的《关于金融服务乡村振兴的指导意见》、《数字乡村发展战略纲要》及《乡村振兴战略规划(2018—2022年)》中多次提出要在我国农村地区提供数字化普惠金融服务，鼓励创新农村金融工具，并提高金融发展支持乡村产业的服务效率，以满足乡村振兴战略实施中产生的各类经济需求。因此，研究数字普惠金融对于实现乡村全面振兴的实际作用具有重要的理论和现实意义。

现有研究中有关数字普惠金融对乡村发展的影响大多关注其对乡村减贫效应、城乡居民收入与消费等方面。数字普惠金融的发展能够显著缩小城乡居民收入差距(宋晓玲，2017)；同时，数字普惠金融可以通过改善金融可得性，直接减缓农村贫困，也会通过增加个体就业和私营企业就业(即经济机会)间接减缓农村贫困(刘锦怡和刘纯阳，2020)。

关于数字普惠金融与乡村全面振兴之间的关系，国内外学者的研究尽管有所涉及，但对其内在机理大都莫衷一是，主要存在以下三种观点。

第一类观点是数字普惠金融对于乡村全面振兴水平具有显著的正向促进作用(李季刚和马俊，2021)，数字普惠金融发展可以助力乡村振兴建设，其中覆盖广度和数字化程度对于乡村振兴的促进作用较为显著；乡村振兴与数字普惠金融之间的关系具有单一门槛特征，即当数字普惠金融发展水平低于特定门槛值时，其对乡村振兴存在正向促进作用，而当其发展水平高于该门槛值时，该促进作用可以获得大幅提升。

第二类观点是数字普惠金融与乡村全面振兴呈现先促进后抑制的倒“U”形特征(马俊和李季刚，2021)，该特征在东部、中部、西部地区均显著存在。此外，经济发展和旅游业发展对于各地区的乡村振兴均产生显著的正向影响效应，而老年抚养比和贸易开放对区域乡村振兴的影响作用存在差异。

第三类观点是数字普惠金融与乡村全面振兴呈现先抑制后促进的“U”形特征(葛和平和钱宇，2021)，由于乡村地区人力资本低，空心化严重，中老年群体居多，数字普惠金融的发展需要经历一个学习、接受的过程，短期并不能明显助力乡村发展，当迈过初期门槛后，金融服务乡村发展的正向作用才得以体现(Beck &Brown，2011)。

综合以上文献，尽管国内外各界学者对于数字普惠金融与乡村全面振兴之间关系的研究基于不同视角取得了一定的研究成果，但二者之间究竟存在何种关系？内在机理如何？学界并未达成一致。

因此，有关数字普惠金融与乡村全面振兴之间关系的研究仍有一定拓展空间。目前，大多数研究多关注于数字普惠金融与乡村全面振兴之间的线性关系，而忽略了二者之间可能存在非线性关系。而且，部分学者对于乡村全面振兴水平的测度不够全面，缺乏一个科学合理的指标体系进行测度。此外，关于数字普惠金融对于乡村全面振兴的影响研究大多从全国层面出发，利用随机效应模型以及静态面板模型进行研究，无法反映乡村全面振兴过程中的滞后现象以及区域之间是否存在异质性。综上，本文的边际贡献主要有以下三方面：首先，针对二者之间的关系建立非线性关系假设并加以检验；其次，在乡村全面振兴水平测度上采用多维度构建综合指标，依托熵权法构建指标体系；最后，在模型选取上运用固定效应模型及动态面板系统广义矩估计模型研究滞后的影响，并选取恰当视角进行异质性分析。

二、研究设计

(一)模型构建

(1)假设1：数字普惠金融与乡村全面振兴发展水平之间存在线性关系。

基于以上分析，参考李季刚和马俊(2021)的研究，本文构建基准回归模型如下：

(1)

其中，RURAL表示被解释变量乡村全面振兴发展水平；DIFit表示核心解释变量数字普惠金融发展水平；CONTROLSit为模型中的控制变量，分别表示经济发展水平、对外开放程度、城镇化水平、第二产业发展水平、乡村人口规模、“三农”产业发展水平、耕地保有水平以及当地城乡居民储蓄水平；εit表示随机扰动项，i和t则分别表示城市和年份。

(2)假设2：数字普惠金融与乡村全面振兴发展水平之间存在非线性关系。

考虑到普惠金融发展与乡村振兴之间可能存在非线性关系，因此在模型(1)中引入数字普惠金融的平方项建立模型(2)：

(2)

若平方项系数β2通过显著性检验，且该模型通过“U”形测试则意味着普惠金融与乡村振兴之间并非线性关系，而是“U”形(β2为正数)或倒“U”形(β2为负数)关系(Lind &Mehlum，2010)。

(3)假设3：数字普惠金融与乡村全面振兴发展水平之间存在动态演进关系。

考虑到乡村全面振兴发展水平可能会受过去乡村全面振兴水平的影响，为防止模型估计出现偏差，本文建立以下数字普惠金融发展影响乡村全面振兴的动态面板模型。

(3)

其中，RURALi，t-1为乡村全面振兴发展水平的一阶滞后项。考虑到短面板数据的局限性以及可能存在的内生性问题会使模型估计出现偏差，故使用广义矩估计方法进行回归。广义矩估计主要包括系统广义矩估计和差分广义矩估计两种方法，考虑到差分广义矩估计方法可能存在弱工具变量问题，而系统广义矩估计方法能更充分地运用变量信息，因此本文使用系统广义矩估计方法对构建的动态面板数据进行实证分析。

(4)若模型(3)拒绝“U”形测试，则依此建立模型(4)：

(4)

(二)变量选取

1.被解释变量

乡村全面振兴发展水平(RURAL)。党的十九大报告提出实施乡村振兴战略，要坚持农业农村优先发展，按照产业兴旺、生态宜居、乡风文明、治理有效、生活富裕的总要求，建立健全城乡融合发展体制机制和政策体系，加快推进农业农村现代化。本文参考张挺等(2018)、徐雪和王永谕(2022)的研究成果，基于以上五个视角设置乡村全面振兴发展水平评价指标体系的二级指标，并在此基础上筛选出三级指标和具体指标，构建出包含27个具体指标的乡村全面振兴发展水平评价指标体系(见表1)。

表1 乡村全面振兴发展水平评价指标体系

为提高指标确权的准确性和便捷性，本文选择使用熵权法进行指标确权，进而测算出相应的乡村全面振兴发展水平指数。熵权法是一种客观赋权的方法，根据指标的变异程度确定权重，具体步骤如下。

首先，对原始数据进行标准化处理，消除量纲的影响，使各指标具有可比性。

其次，计算各指标在各方案下的比值，即第j个指标在第i个方案中所占的比重。

然后，根据信息熵的定义，计算各指标的信息熵，反映各指标的变异程度。信息熵越小，表明指标的变异程度越大，提供的信息量越多，权重也就越大。

最后，根据信息熵或信息冗余度，确定各指标的权重，并对各方案进行综合评价。

2.核心解释变量

数字普惠金融水平(DIF)。本文采用目前比较权威的《北京大学数字普惠金融指数》第四期，该数据包括数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度三个大类33个指标，截至目前第四次更新，指数的时间跨度为2011～2021年，相应的评价指标体系详见表2。其中，数字普惠金融(DIF)可以分为覆盖广度(用DIF1表示)、使用深度(用DIF2表示)和数字化程度(用DIF3表示)三大维度。

表2 数字普惠金融指标体系

3.控制变量

本文选取其他与乡村全面振兴可能有关的指标作为控制变量，其中包括经济发展水平(人均地区生产总值取对数，即lnPGDP)、对外开放程度(当年地区货物进出口总额依据汇率折价后除以当年地区生产总值，即OPENING)、城镇化水平(当年地区城镇化率，即CITY)、第二产业发展水平(当年地区第二产业增加值占GDP比重，即SECSECTOR)、乡村人口规模(当年地区农村户籍人口取对数，即lnP)、农林牧渔业发展水平(当年地区农林牧渔业从业人数缩小万倍，即FFLF)、耕地保有水平(当年地区人均占有耕地面积取对数，即lnFARMLAND)以及地区城乡居民储蓄水平(当年地区城乡居民储蓄年末余额取对数，即lnDEPOSIT)。为剔除异常值影响，本文对控制变量均进行了双侧5%的缩尾处理。

(三)数据说明及描述性统计

基于数据的可得性与可靠性，本文选取2011～2021年我国333个城市的年度面板数据作为研究样本。本文所选取数据均来自《北京大学数字普惠金融指数》第四期、《中国农村统计年鉴》、《中国城乡建设统计年鉴》、《中国教育统计年鉴》、《中国城市统计年鉴》、《中国社会统计年鉴》、《中国民政统计年鉴》、《中国第三产业统计年鉴》、《中国农产品加工业年鉴》，以及各省份统计年鉴、国泰安数据库、中国研究数据服务平台。本文实证分析过程均借助Stata16软件完成。表3报告了本文所选取变量的描述性统计结果。

表3 各变量描述性统计结果

三、实证结果分析

由于乡村全面振兴发展水平指数和数字普惠金融指数均通过构建综合评价指标体系进行测度，这些指标体系中都包含多项指标，因此在实证检验时首先需要检验各指标之间是否存在多重共线性问题。经检验，各变量的方差膨胀因子(VIF)值均远小于10，因此模型不存在过度拟合问题。

(一)静态回归分析

出于保证估计方法的差异性和估计结果的稳健性的考虑，本文同时使用混合OLS模型、随机效应模型和固定效应模型对数字普惠金融与乡村全面振兴发展水平的关系进行静态回归分析，回归结果见表4。根据回归结果，数字普惠金融与乡村全面振兴发展水平之间仅在混合OLS模型中存在正相关，且在加入控制变量后，不论是混合OLS模型、随机效应模型还是固定效应模型中核心解释变量均不显著。基于模型(1)回归结果分析，本文拒绝假设1，认为数字普惠金融与乡村全面振兴发展水平之间可能存在非线性关系。

表4 静态面板回归结果(模型(1))

模型(2)同样通过使用混合OLS模型、随机效应模型和固定效应模型对数字普惠金融与乡村全面振兴发展水平的关系进行静态回归分析，并进行BP检验和Hausman检验以确定更为有效的回归模型。异方差检验的结果显示，P值(Prob>chibar2)为0，因此拒绝原假设，选择变系数模型。根据Hausman检验的结果，P值(Prob>chi2)为0，因此拒绝原假设，认为应该选择固定效应模型。本文依据以上检验，在静态面板回归中确定选择更为有效的固定效应模型，并进一步构建固定时间和地区的双重固定效应模型。

从表5可以看出，尽管第(5)列中核心解释变量并不显著，但在加入各控制变量后，核心解释变量及其平方项均显著，且数字普惠金融(DIF)系数为负，其平方项(DIF2)系数为正，且通过1%统计水平的显著性检验。另外，该模型通过了“U”形测试，根据“U”形测试的结果，计算出乡村全面振兴发展水平的极值点为250.772，数字普惠金融(DIF)取值范围为[4.451，596.480]。可知，极值点在数据范围内，并能够在5%的统计水平上拒绝原假设。根据《北京大学数字普惠金融指数》第四期可知，2021年333个城市最新数字普惠金融指数平均值为282.776，由此证明我国数字普惠金融水平已越过极值点，数字普惠金融进入到促进乡村全面振兴发展的阶段。

表5 静态面板回归结果(模型(2))

根据以上分析，本文认为数字普惠金融与乡村全面振兴发展水平二者之间存在先抑制后促进的“U”形关系。在所有控制变量中，乡村人口规模(lnP)和第二产业发展水平(SECSECTOR)均对乡村振兴产生显著的负效应，说明地区乡村人口规模的扩大和第二产业的发展可能会对乡村全面振兴产生不利影响，这可能是由于地区第二产业的发展会造成乡村人口空心化加剧。尽管乡村人口规模不断扩大，但所增加的劳动力受到城市产业集聚效应的吸引，使其无法直接转化为推动乡村全面振兴的中坚力量，反而阻碍了乡村全面振兴的步伐。

(二)动态回归分析

由于考虑到乡村全面振兴发展水平可能会受上一年度乡村全面振兴发展水平的影响，且数字普惠金融与乡村全面振兴发展水平直接可能存在互为因果关系，为避免模型构建过程中造成的内生性问题，本文通过引入乡村全面振兴发展水平的一阶滞后项，使用系统广义矩估计的方法进行动态回归分析。根据前文静态回归分析的研究结果，本文选择构建非线性关系模型，即模型(3)，进行动态面板回归分析。为避免样本中存在异方差问题对系统广义矩估计模型的结果产生影响，因此本文对原样本中未取对数的指标进一步做了取对数处理，具体回归结果见表6。

表6 动态面板回归结果

表6报告了动态SYS-GMM回归分析结果。该模型中AR(1)小于0.1，而AR(2)大于0.1，表明一阶序列自相关显著而二阶序列自相关不显著，并且Hansen检验对应的P值均大于0.1，这表示模型中的工具变量不存在过度识别问题，本文模型设定达到预期效果。

从动态面板回归结果来看，乡村全面振兴发展水平的滞后一阶显著，证明了上一年度的乡村全面振兴发展水平对本年度存在一定影响，本文构建动态面板模型具有合理性。核心解释变量及其平方项均显著，且数字普惠金融(DIF)系数为负，其平方项(DIF2)系数为正，都通过1%统计水平的显著性检验。另外，该模型通过了“U”形测试，根据“U”形测试的结果，计算出乡村全面振兴发展水平的极值点为5.104，数字普惠金融(DIF)取值范围为[4.223，6.736]。由此可知，极值点在数据范围内，并能够在5%的统计水平上拒绝原假设。根据《北京大学数字普惠金融指数》第四期可知，2021年333个城市最新数字普惠金融指数平均值为282.776，取对数后我国数字普惠金融平均水平为5.645，由此证明我国数字普惠金融水平已越过极值点，进入到促进乡村全面振兴发展的阶段。以上结果均与前文构建的静态面板模型回归结果一致。

从控制变量来看，在考虑了内生性问题后，农林牧渔业发展水平对乡村全面振兴存在显著的正向作用，这意味着“三农”产业作为乡村产业经济发展的中坚力量，对于推动乡村全面振兴具有不可替代性。此外，地区城乡居民储蓄水平对于乡村全面振兴也存在较为显著的正向作用。对外开放程度对于乡村全面振兴也存在较为显著的正向作用，这一研究结果与李季刚和马俊(2021)的研究相互验证，地区对外开放可以促进地区农村经济获得发展，同时刺激农村地区的消费、投资与建设，从而提高乡村全面振兴发展水平。其余控制变量对于乡村振兴的影响作用不太显著，因此这些要素对乡村全面振兴发展水平的影响较为有限。

(三)稳健性检验

为保证回归分析结果的稳健性，本文将从两方面进行稳健性检验：(1)剔除直辖市样本后对本文选定模型重新进行回归分析。(2)将核心解释变量替换为数字普惠金融指标体系一级维度中的使用深度(DIF2)，重新进行回归分析。

1.剔除直辖市样本

考虑到直辖市乡村经济发展具有一定特殊性，且直辖市地区基础设施建设较为完善，可能对地区乡村全面振兴发展水平产生影响，因此本文删除了北京、上海、天津、重庆四个直辖市样本，表7为对2011～2021年全国 329个城市的检验结果。根据前文检验结果，本文最终确定采用系统广义矩估计模型进行回归，第(1)列即为剔除直辖市样本后的系统广义矩估计模型回归结果。从表7可知，在剔除直辖市样本后，该模型核心解释变量乡村全面振兴发展水平(DIF)系数显著为负，其二次项(DIF2)系数依然显著为正，且同样能够通过“U”形测试，与前文回归结果保持一致。这说明剔除直辖市样本后，数字普惠金融与乡村全面振兴发展水平二者之间存在先抑制后促进的“U”形关系的结论仍然稳健。

表7 稳健性检验回归结果

2.替换核心解释变量

与前几年的指数相比，最近几年数字普惠金融指数增长的驱动力发生了非常明显的变化，数字金融使用深度的增长已经成为数字普惠金融指数增长的重要驱动力，这与第一期2011～2015年的指数形成鲜明对照，证明中国的数字普惠金融事业已经走过了粗放式的圈地时代，进入了深度拓展的新阶段。因此，为了检验模型稳健性，本文将核心被解释变量数字普惠金融指数(DIF)替换为使用深度(DIF2)指标重新进行回归分析，其余解释变量和控制变量均保持不变。第(2)列即为替换核心解释变量后的系统广义矩估计模型回归结果，由表7可知，在替换核心解释变量后，回归结果与前文回归结果保持一致。这说明替换核心解释变量后，数字普惠金融与乡村全面振兴发展水平二者之间存在先抑制后促进的“U”形关系的结论仍然稳健。

(四)异质性分析

考虑到各地区农村人口规模不尽相同，人口因素一方面可能加重乡村全面振兴的程度，另一方面也有可能成为乡村全面振兴的重要推动因素。为检验不同人口规模对乡村全面振兴发展水平是否存在异质性，本文将全国333个城市依据人口规模划分为高人口水平地区和低人口水平地区分别再次进行回归分析，结果如表8所示。

表8 异质性分析回归结果

从表8可以看出，与低人口水平地区相比，在高人口水平地区数字普惠金融与乡村全面振兴发展水平之间的“U”形关系更为显著；而在低人口水平地区，数字普惠金融与乡村全面振兴发展水平之间关系未能通过显著性水平。这表明不同人口水平区域之间数字普惠金融对乡村全面振兴发展水平的影响存在异质性，且高人口水平作为一种地区资源有助于提高乡村全面振兴发展水平。尽管这与静态面板回归分析的结果相左，但由于本文进一步构建的动态面板回归模型合理有效，因此本文可以拒绝原静态面板回归中人口规模对乡村全面振兴具有负效应的结论，并进一步认为动态面板中的回归结果更为合理。

四、研究结论与政策建议

数字普惠金融作为发展数字经济的重要实现路径，对于促进新时代乡村全面振兴与实现乡村高质量发展具有战略意义。本文在学者研究的基础上进一步构建并完善乡村全面振兴发展水平评价指标体系，依托熵权法客观测度了2011～2021年我国333个城市的乡村全面振兴发展水平。同时，本文在使用地级市面板数据的基础上，引用《北京大学数字普惠金融指数》第四期，分别构建了静态面板的双重固定效应模型和动态面板的系统广义矩估计模型。根据回归结果分析可知，动态面板模型更为合理有效。实证结果证明，数字普惠金融发展与乡村全面振兴发展水平之间存在先抑制后促进的“U”形关系。另外根据“U”形测试的结果，当前我国数字普惠金融发展的平均水平已经越过“U”形曲线的极值点，进入到促进乡村全面振兴发展的阶段。根据上述研究可以得到如下结论：(1)数字普惠金融发展对乡村振兴的影响呈现非线性特征，即二者之间存在先抑制后促进的“U”形关系；(2)现阶段数字普惠金融发展已越过极值点，其发展确实能够促进乡村全面振兴。

针对上述研究结果，本文提出以下建议。

第一，鼓励和支持数字普惠金融的发展，提高乡村地区的金融服务水平和覆盖率，为乡村全面振兴提供资金支持和保障。政府应当加大对数字普惠金融的财政补贴和税收优惠，鼓励金融机构、科技企业、社会组织等多方参与数字普惠金融的创新和推广；完善乡村地区的信息基础设施建设和网络覆盖，提升数字普惠金融的可用性和可靠性；加强乡村居民的数字金融教育和培训，提升他们的数字金融素养和能力；推动数字人民币在乡村地区的试点应用，降低金融服务成本和门槛。

第二，加强数字普惠金融的监管和风险防范，防止出现过度借贷、高利贷、诈骗等现象，保护乡村居民的合法权益和财产安全。金融监管机构需要建立健全数字普惠金融的法律法规和标准规范，明确各方的权利义务和责任范围；加强对数字普惠金融机构和产品的审批、登记、监测、评估等工作，及时发现并处置违法违规行为；完善数字普惠金融的风险管理体系，建立有效的风险识别、评估、控制、处置机制；加强对乡村居民的消费者教育和投诉渠道，提高他们的风险防范意识和维权能力。

第三，促进数字普惠金融与乡村产业、文化、生态等方面的深度融合，推动乡村经济社会的多元化和可持续发展。政府应当支持数字普惠金融为乡村特色产业、农业供应链、农村电商等领域提供定制化、差异化的金融服务，促进乡村产业结构优化升级；支持数字普惠金融为乡村文化旅游、非遗传承、文化创意等领域提供多样化、创新性的金融服务，促进乡村文化资源开发利用；支持数字普惠金融为乡村生态保护、绿色发展、节能减排等领域提供专业化、激励性的金融服务，促进乡村生态环境改善提升。

第四，增加对数字普惠金融的宣传和教育，提高乡村居民的数字金融素养和能力，培养他们合理、有效地使用数字普惠金融服务的意识和习惯。各金融平台可以利用各种媒体和渠道，广泛宣传数字普惠金融的概念、特点、优势、案例等，增强乡村居民对数字普惠金融的认知和信任；结合乡村实际情况，开展针对性的数字金融知识普及和技能培训，提高乡村居民的数字金融操作和应用能力；借鉴国内外的成功经验，设计和实施一些数字普惠金融的激励机制和评价体系，鼓励乡村居民积极参与和使用数字普惠金融服务。