数字普惠金融的相对贫困减缓效应分析研究

2024-02-21梁雨凡薛凯乐赵悦悦陈思雅

中国市场 2024年4期

梁雨凡薛凯乐赵悦悦陈思雅

摘要：随着绝对贫困的全面消除，我国进入扎实推进共同富裕的新阶段，助力相对贫困减缓、坚持防返贫底线成为新的课题。安徽省作为中国脱贫攻坚任务较重的省份，相对贫困问题突出，减贫工作面临新挑战。基于以上背景，以安徽省16个地级市为研究对象，利用个体固定效应模型和中介效应模型实证研究数字普惠金融对相对贫困的减缓效应。结论表明：数字普惠金融能够显著助力相对贫困的减缓；数字普惠金融可以通过促进经济增长减缓相对贫困；数字普惠金融不同子维度均能够显著减缓相对贫困。文章的研究成果在丰富相关领域研究的同时，为更好地助力安徽省巩固脱贫攻坚成果提供政策参考依据。

关键词：数字普惠金融；相对贫困；减贫效应；经济增长

中图分类号：F832 文献标识码：A 文章编号：1005-6432（2024）04-0068-04

DOI：10.13939/j.cnki.zgsc.2024.04.018

1 引言

自改革开放以来，我国脱贫攻坚任务不断取得历史性突破。截至2020年年底，我国已完成全面消除农村绝对贫困任务，且脱贫速度和规模创造了世界减贫史上的中国奇迹。然而，作为一种经济社会现象，贫困问题并未被彻底解决。当前，贫困问题已从绝对贫困转变为呈散点式分布的相对贫困。为此，中央一号文件提出要在确保不出现大规模返贫的前提下，进一步夯实扶贫工作成果，建立健全扶贫工作的长效制度，实现经济的全面增长。这意味着我国减贫的重心正式由绝对贫困转向相对贫困。

近年来，安徽省城乡收入差距问题突出，相对贫困问题亟待解决。数据显示，安徽省贫困群体的消费和教育总支出仅是高收入群体的30%。对此，省政府出台《安徽省“十四五”金融业发展规划》，提出促进农村地区以数据为驱动的金融发展，改善农村贫困群体的金融保障机制。金融作为扶贫的重要力量和先导力量，具有良好的扶贫效果。而数字普惠金融作为传统金融与现代技术体系融合的产物，为相对贫困的减缓直至实现共同富裕提供了新的思路。

基于以上理论和现实背景，文章以安徽省16个地级市为研究样本，结合2011—2021年数字普惠金融指数以及历年统计年鉴中的相关数据，实证研究数字普惠金融在缓解相对贫困方面的效用，并进一步探讨异质性问题。旨在丰富相关研究的同时，为安徽省相对贫困减缓提供理论依据和实践对策。

2 文献综述

金融发展与贫困减缓之间的关系一直是学界关注的重要问题。早期关于金融发展的研究集中于分析其与经济增长的关系（谈儒勇，1999）。直至20世纪90年代，日益严重的贫困问题使得各国研究者把目光放在金融的发展完善是否有助于减轻贫困程度和降低贫困发生率上，但相关研究并未形成一致结论。部分学者认为金融发展有助于贫困问题的解决（车树林和顾江，2017）。而部分学者认为两者呈非线性关系（张兵和翁辰，2015），当然另有一些学者持有金融发展不利于减缓贫困的观点（Galor和Zeira，1993）。

金融业普遍存在的“二八法则”，导致贫困人群无法享受到完整的金融服务。高质量、大规模的金融服务集中在城市地区、龙头企业和富人身上，而没有充分满足农村地区、小微企业和贫困群体的金融需求。为了让金融服务均等辐射到贫困群体，联合国在2005年首次明确普惠金融概念，期望全球各地都能建立起普惠金融专属部门。自此之后的10年中，世界各地普惠金融在国际银行等众多国际组织的帮助下不断发展，以期为社会各阶层提供更安全、方便和可靠的金融服务，解决贫富差距大的问题。

近年来，中国数字普惠金融取得了长足进步，其突破传统形式，以人工智能、大数据技术等数字化技术为特征，能有效降低信息共享成本与扩大金融服务群体（郭峰等，2020）。国内有学者对数字普惠金融与绝对贫困的关系进行了研究，大部分认为数字普惠金融能够减缓绝对贫困（尹志超和张栋浩，2020）。另有一些学者认为数字普惠金融缓解绝对贫困效果不显著，如王修华和赵亚雄（2020）研究指出，贫困家庭受制于恶劣的生活条件、低水平教育与薄弱金融能力等因素，未能高效利用数字普惠金融实现平滑消费和要素积累。

2020年，随着我国绝对贫困的彻底消除，扶贫重点已经转向治理相对贫困和实施乡村振兴战略。相对贫困治理难题在于評价维度较广、贫困人群基数较大（牟成文和吕培亮，2020）。对此，一些学者开始探究数字普惠金融是否能应用于相对贫困问题的解决，孙继国等（2020）认为其有助于缓解相对贫困问题。蒋晓敏等（2022）指出其发展对相对贫困减缓影响不明显或起负面作用。申云和李京蓉（2022）指出数字普惠金融与相对贫困之间呈倒“U”型关系。

综上分析，无论是金融发展与贫困减缓，还是数字普惠金融与相对贫困，均未形成一致结论。故文章立足于安徽省，实证考察数字普惠金融的相对贫困减缓效应，以期丰富相关领域的研究并对安徽省扶贫实践提供理论依据。

3 理论分析

3.1 直接效应

经济贫困地区缺乏足够的金融服务是在金融方面致贫的重要原因。相较于传统的金融模式，数字普惠金融能够惠及更多的低收入群体，其无边界的特征可以将金融服务延伸至“长尾人群”，在很大程度上缓解了“地理排斥”。在传统金融体系受到“创造性破坏”的背景下，金融机构不断提高产品多样性和服务效率，降低了准入门槛，在一定程度上缓解了“条件排斥”和“价格排斥”，扩大了贫困群体选择金融产品与服务的可及面。同时，数字技术的应用可以对农民软信息进行有效识别，弥补了硬信息的缺失，从而可以对其进行全方位精准画像与动态监测，精准识别风险，精确扶贫管理，对缓解相对贫困发挥积极作用。

基于此，文章提出假设H1：数字普惠金融对相对贫困的减缓作用显著。

3.2 间接效应

数字普惠金融能够通过推动经济增长产生间接减贫效果。第一阶段是数字普惠金融对经济增长的推动性作用。首先，信息不对称是造成中小微企业融资难的重要原因，数字普惠金融可以利用大数据技术构建风险控制系统，有效管控、规避信贷风险，提高融资效率，拓宽收入渠道。其次，数字普惠金融提供了创新型分布式网络布局，打破了传统交易模式下资源流动空间较为封闭的限制，区域产业结构得到优化（陆凤芝等，2022）。最后，对数字技术产业的投资能提高资本的积累效率，增加资本的积存数量，从而改善经济状况（姚凤阁和李丽佳，2020）。第二阶段为经济增长减缓相对贫困。一方面，经济增长的“涓滴效应”会带来更多的工作机会，拓宽收入渠道，从而增加低收入弱势群体的财富来源。另一方面，经济增长会改善当地政府的财政状况，政府通过财政杠杆的调控为低收入群体提供生活保障，以此改善社会贫困水平，摆脱“贫困陷阱”。

基于此，文章提出假设H2：数字普惠金融通过经济增长间接减缓相对贫困。

4 实证研究设计

4.1 模型构建

（1）基准模型。为检验假设H1，文章在控制一系列变量后构建个体固定效应模型，具体如下：

POVit=α0+α1DIFit+α2Controlit+θt+εit（1）

式中，POVit为被解释变量泰尔指数；DIFit为解释变量数字普惠金融指数；Controlit为控制变量；θt代表个体固定效应；εit为随机扰动项；αi为待估参数。

（2）中介模型。为检验假设H2，文章借鉴温忠麟和叶宝娟（2014）的研究成果，构建如下中介效应模型：

POVit=α0+α1DIFit+α2Controlit+θt+εit（2）

RGDPit=β0+β1DIFit+β2Controlit+θt+εit（3）

POVit=δ0+δ1DIFit+δ2Mit+δ3Controlit+θt+εit（4）

模型中POVit、 DIFit、 Controlit与式（1）中所代表的变量相同，RGDPit为中介变量经济发展水平，αi、 βi、 δi为待估参数。关于是否存在中介效应，若α1、 β1、 δ2同时显著，则说明经济发展水平的中介效应显著。

4.2 变量选取

（1）被解释变量。文章选取泰尔指数作为被解释变量，并将这一指标具体定位到安徽省地级市的农村地区。

（2）核心解释变量。文章选取的核心解释变量为数字普惠金融综合指数，并进一步对其三个子指数分别进行分析，以深入探究数字普惠金融对减贫的影响。

（3）中介变量。文章选取的中介变量是经济发展水平，用人均GDP衡量。

（4）控制变量。财政支出：用地区财政支出除以地区总产值表示；第二产业结构：用地区第二产业产值除以总产值表示；城镇化率：用城镇常住人口除以地区总人口表示；对外开放水平：用进出口总额除以地区总产值表示。

4.3 数据来源与统计特征

文章以安徽省16个地级市为研究对象。原始数据中数字普惠金融指数取自《北京大学数字普惠金融指数》、其他指标数据取自有关年份《安徽省统计年鉴》。为了确保数据一致性、可比性，文章将绝对性变量进行对数化处理。由于篇幅原因，文章只列举核心解释变量、被解释变量以及中介变量的描述性情况，结果见表1。

5 实证结果与分析

5.1 基准回归分析

表2展示了模型（1）的回归结果。其中，列（1）未加入任何控制变量，列（2）则加入了全部控制变量。结果表明，无论是否引入控制变量，被解释变量的回归系数均为负数且在1%的置信水平下显著，这说明数字普惠金融的减贫效应显著。文章假设H1得到验证。

控制变量方面，总体符合预期。财政支出、城镇化率的回归系数均在5%的置信水平下显著为负，表明两者有利于減贫。但是第二产业结构和对外开放水平却在5%的置信水平下显著正向影响相对贫困，这与预期不符。可能的原因是，第二产业多分布在城镇地区，其占比越大说明当地的农业占比越小，农村农业的发展空间受限，进而加剧了农村相对贫困状况；农村地区优势产业较少，贸易出口品多为非农产品，这不仅使农民不能享受到贸易开放的好处，反而会加大其与经济发达地区的差距，从而对于相对贫困减缓有弱化作用。

5.2 稳健性检验

为验证数字普惠金融减贫的可靠性，文章采用替换因变量的方法，用恩格尔系数取代泰尔指数进行回归分析。研究发现，解释变量回归系数的方向与显著性均未发生本质改变，这体现了模型的可靠性和稳定性。

5.3 中介效应检验

表4展示了对中介模型的回归结果。其中，列（1）是对模型（2）的回归结果，同表2的第（2）列所示，表明数字普惠金融可以显著减缓相对贫困，这在前文已经得到了验证，因此，可以进行下一步检验。列（2）是对模型（3）的回归结果。结果显示，数字普惠金融在5%的置信水平上显著影响安徽省经济发展水平，即促进安徽经济增长，第二步得证。列（3）是对模型（4）的回归结果。结果显示，数字普惠金融和经济发展水平的回归系数均为负且在1%的置信水平上显著，但是数字普惠金融系数的绝对值和显著性与列（1）相比均有所下降，说明经济增长在减贫中发挥重要作用。文章假设H2得到验证。

5.4 拓展性分析

数字普惠金融指数包括三个子指数，不同子指数的减贫效果可能存在不同。因此，文章对三个子指数分别构建个体固定效应模型，结果如表5所示。发现数字普惠金融三个子指数的系数均在1%的置信水平上显著为负，这说明数字普惠金融通达性的增强、网络金融服务的多样化以及数字化水平的提高均有助于降低相对贫困发生率。

6 研究結论与政策建议

6.1 研究结论

数字普惠金融能够显著助力相对贫困的减缓；数字普惠金融可以通过促进经济增长减缓相对贫困；数字普惠金融不同子维度均能够显著减缓相对贫困。

6.2 政策建议

第一，大力推动数字普惠金融的发展。出台相关政策，加大对落后地区金融资源倾斜力度，完善其金融基础设施建设，提高金融服务覆盖力度；加大对数字技术的研发投入，在构建多元化金融发展体系的同时对农村居民资金需求进行个性化匹配，以期提高使用深度和数字化程度；加强对数字普惠金融的宣传以提高农民的金融素养，降低“数字鸿沟”。

第二，共同推进多种政策措施，发挥数字普惠金融与多种因素的联合作用。改善财政支出结构，优化资金配置，加大对贫困地区的财政政策支持；将乡村振兴战略与城镇化策略结合发展，提高城镇化水平，使贫困群体有更多的机会和渠道接触先进技术和服务；因地制宜，深入挖掘当地特色产业，通过产业结构的优化给农民提供更多工作岗位，提高其生活水平。

第三，促进经济高质量发展。结合地区比较优势，不断协调产业架构，增强经济实力，促进地区经济包容性增长；当地政府应加大教育投入，提升居民创新意识，同时出台相关政策鼓励实体创新。

参考文献：

［1］蔡宏宇，阳超.数字普惠金融、信贷可得性与中国相对贫困减缓［J］.财经理论与实践，2021，42（4）：24-30.

［2］陈海龙，陈小昆.“涓滴”还是“极化”：数字普惠金融对农村相对贫困的改善效应［J］.云南财经大学学报，2021，37（7）：15-26.

［3］马彧菲，杜朝运.普惠金融指数测度及减贫效应研究［J］.经济与管理研究，2017（5）：45-53.

［4］牟成文，吕培亮.论建立解决2020年后中国相对贫困的长效机制——基于马克思主义主体论的视角［J］.贵州社会科学，2020（7）：154-160.

［5］申云，李京蓉.数字普惠金融与农户相对贫困脆弱性［J］.华南农业大学学报（社会科学版），2022，21（1）：105-117.

［6］孙继国，韩开颜，胡金焱.数字普惠金融是否减缓了相对贫困？——基于CHFS数据的实证研究［J］.财经论丛，2020（12）：50-60.

［7］王修华，赵亚雄.数字普惠金融发展是否存在马太效应？——贫困户与非贫困户的经验比较［J］.金融研究，2020（7）：114-133.

［8］谈儒勇.中国金融发展和经济增长关系的实证研究［J］.经济研究，1999（10）：53-61.

［9］温忠麟，叶宝娟.中介效应分析：方法和模型发展［J］.心理科学进展，2014（5）：731-745.

［10］谢平，邹传伟.互联网金融模式研究［J］.金融研究，2012（12）：11-22.