數字普惠金融促進地區生產效率研究

李 樂，周林毅

(武夷學院 商學院，福建 武夷山 354300)

一、引言

普惠金融是一個世界性難題。金融由于其天生高風險性而由此帶來的高成本特性，很難做到業務下沉，長尾客戶的金融需求通常被忽視或難以滿足。普惠金融即要以可負擔的成本為有金融服務需求的社會各階層和群體提供適當的、有效的金融服務。普惠金融包括“普”和“惠”兩個層面：“普”指廣泛包容性，“惠”指能以合理價格為經濟主體提供金融服務[1]19-35。《G20普惠金融行動計劃》指出，普惠金融對于可持續、平衡包容的經濟增長至關重要。

普惠化的金融服務通過提高生產率、增加投資、節約勞動時間，對整個宏觀經濟起到促進作用。宋漢光[2]122-133以G20國家為研究對象，實證分析表明金融普惠水平在經濟增長中發揮著重要作用，而且對發展中國家作用更加明顯；杜莉[3]37-44通過實證研究表明普惠金融發展對于經濟增長作用顯著，且在欠發達西部地區的作用尤為突出，說明金融服務的均衡性對區域經濟發展意義重大。

數字技術的發展不斷沖擊和變革傳統行業，金融行業更是如此。充分運用互聯網技術及手段的互聯網金融業，近十年在我國蓬勃發展，給全球普惠金融的探索與研究提供了鮮活案例。數字普惠金融強調對數字技術如大數據、云計算以及移動互聯網的運用，通過將創新的互聯網金融業務和服務模式運用到普惠金融領域，有效拓展交易的可能性邊界，降低金融服務成本，從而提高金融的普惠程度。

尹應凱[4]104-111指出，現代形態的普惠金融經歷了“小額信貸模式階段—微型金融階段—傳統普惠金融階段—數字普惠金融階段”；周斌[5]9-15研究發現“互聯網+”對普惠金融的發展具有正向促進作用；宋曉玲[6]14-25基于互聯網金融服務視角，實證分析了數字普惠金融對城鄉收入差距的影響，研究表明數字普惠金融的發展能夠顯著縮小城鄉居民收入差距。

2016年，北京大學互聯網金融研究中心利用螞蟻金服關于數字普惠金融的海量數據，研究并發布了《北京大學數字普惠金融指數(2011—2015 年)》，對中國數字普惠金融指數進行了全面、完整的構建和闡釋，為這方面的研究提供了權威的數據依據。報告提出兩個觀點：一是數字普惠金融是實現低成本、廣覆蓋和可持續的普惠金融的重要模式；二是數字普惠金融在各省區的發展差距相較傳統普惠金融更小，欠發達地區具有比較優勢和后發機會[7]1-2。

黨的十九大報告提出要推動經濟發展質量變革、效率變革、動力變革，提高全要素生產率，著力加快建設實體經濟、科技創新、現代金融、人力資源協同發展的產業體系，推動經濟全球化朝著更加開放、包容、普惠、平衡、共贏的方向發展。本文立足已有研究，以北京大學數字普惠金融指數為實證分析基礎，研究數字普惠金融對地區生產效率的影響，探索數字經濟時代背景下如何進一步增強金融服務實體經濟的能力。

二、我國數字普惠金融發展水平

依據《北京大學數字普惠金融指數(2011—2015 年)》數據，將全國內地31個省(市)數字普惠金融指數繪成圖1的折線圖。從時間序列看，全國的數字普惠金融指數總體呈逐年上升趨勢，上海、北京、浙江穩居全國前三。其中，2015年數字普惠金融指數得分最高的上海市是得分最低的西藏自治區的1.5倍，而2013年為1.9倍，2011為4.9倍。這說明，數字普惠金融在各省市的發展差距，隨著時間推移而縮小，體現了數字普惠金融的快速發展和良好觸達能力[7]1-2。

圖1 2011—2015年各省數字普惠金融指數分布

數據來源：北京大學數字普惠金融指數。

為了進一步分析地區數字普惠金融情況，通過量化數字普惠金融和經濟增長的地區差異，比較不均衡現象的存在及變化。各指標地區差異程度計算公式如下：A=S/Y。其中S是各地區相關指標的標準差，Y是平均值。A越大說明其地區差異程度越大，不均衡現象越嚴重；反之則相反。經濟增長情況用實際人均地區生產總值衡量。經計算，結果見圖2。

圖2 2011—2015年數字普惠金融指數與實際人均GDP增長值地區差異程度對比

數據來源：北京大學數字普惠金融指數、國研網。

從圖2看出，數字普惠金融與實際人均經濟增長的地區差異程度呈下降趨勢，顯示這兩項指標的地區差異趨向均衡。數字普惠金融發展的地區差異程度下降幅度較大，從2011年的45.76%下降到2015年的10.26%，縮小了35.5%；而實際人均經濟增長差異程度變化并不大，2015年相比2011年縮小6.97%。隨著國家的重視與新科技的發展，中國數字普惠金融的發展在地區間的不平衡性明顯減小，數字普惠金融具有更好的地理穿透性，形成更廣泛的普惠金融程度[7]1-2。

三、數字普惠金融推動經濟增長效率理論模型

數字金融是傳統金融產業的技術進步項目，索洛[8]312-320模型指出，技術進步連續地發生將刺激人均產出增長(Yt)，若經濟體缺乏技術進步項目刺激，經濟的增長會停止。胡宗偉與何大安[9]39-47論證索洛模型后，認為通過指數法能夠實現索洛余值的測算。

Yt=F[f(Kt,Lt),At,DIFIt]Yt

(1)

將(1)式取自然對數得到第(2)式：

lnYit=lnAit+β1lnKit+β2lnKit

+β3lnDIFIit+εit

(2)

At為固定項，表示已知的技術進步項目，Kt為資本，Lt為勞動，εt為殘差項。本研究將北京大學數字普惠金融指數(DIFIt)納入索洛模型, 技術進步影響的是人均產出增長率，考慮到通貨膨脹對國內生產總值的影響，因此采用實際人均國內生產總值為應變量。資本變量以全社會固定資產投資替代，勞動投入方面以人均工資替代。

(3)

在過去X-inefficiency的研究中，多數學者皆使用相對無效率的概念[11]847-860，Hao and Chou[12]1-14，Chou[13]1-18, Chou and Chu[14]241-250, Lai, Chou and Chen[15]147-128，uit表示第i個省份，第t個時間的無效率值，計算模式匯整如式(4):

X-inefficiency=uit-min(uit)

(4)

為了解數字普惠金融對經濟增長貢獻，研究最后以模型檢驗年度無效率均值的差異，觀察數字普惠金融指數是否帶來無效率值的變化。

四、實證模型結果

索洛模型中，技術進步影響人均產出，考慮到通貨膨脹對國內生產總值影響，研究采用實際人均產出為應變量[2]122-133，在資本投入變量中，過去文獻以企業固定資產投入為資本投入變量[16]49-53，考慮各省人力素質差異，采用人均工資為勞動投入。模型操作采用數值取自然對數，核算系數βi為變動幅度。實證數據來源于國研網自2011—2015年31個省市165筆面版數據。

表1顯示我國人均年國內生產總值46810.170元，平均年工資52159元，全社會固定資產投資平均為14046.840億元，數字普惠金融指數平均為138.959%。由最大最小值倍數觀察人均年國內生產總值相差6.58倍，人均年工資相差3.46倍，全社會固定資產投資相差93.57倍，數字普惠金融指數相差17.15倍。這其中包括時間及各省間差異因素，因此，采用面板數據進行實證。

表1 相關數據統計

分項人均國內生產總值(單位:元)人均工資(單位:元)全社會固定資產投資(單位:億元)數字普惠金融指數(單位:%)Mean46810.17052159.69014046.840138.959Median39122.61049019.00011880.920147.710Maximum107960.100113073.00048312.440278.110Minimum16413.00032724.000516.31016.220Std. Dev.21345.78015129.1509694.01967.088Skewness1.1521.9301.086-0.203Kurtosis3.5637.4834.1952.031Jarque-Bera36.344226.02839.6777.123Probability0.0000.0000.0000.028Sum7255576.0008084752.0002177261.00021538.680Sum Sq. Dev.702000000003520000000014500000000693127

利用固定效果面板數據進行回歸，結果見表2。回歸結果顯示無論是否考慮數字普惠金融指數，勞動投入與資本投入都顯著正向影響人均產出。模型1中，在1%顯著水平下勞動投入系數為0.443，資本投入系數為0.218。模型2中，在1%顯著水平下勞動投入系數為0.382，資本投入系數為0.170，數字普惠金融指數系數為0.034；且勞動投入與資本投入系數低于模型1，判定系數模型1為0.920，模型2為0.921。表2顯示，數字普惠金融指數(DIFIit)顯著提升了地區實際人均國內生產總值，說明數字普惠金融的發展有助于提高地區經濟發展水平。

通過Schmidt and Sickles[10]367-374的隨機邊界法估算相對技術無效率值，根據年份進行平均數差異性檢驗，見表3。結果顯示，除2011年外，2012—2015年模型1的無效率值顯著高于模型2的無效率值，表明數字普惠金融的發展確實有助于減少技術無效率的情況。在加入數字普惠金融因素后，資本投入和勞動投入對生產的邊際效率提升了，也即減少投入或增加有效供給，改進了生產要素組合效率。

數字經濟時代，數字技術和數據資源成為新的生產力。相比其他生產要素，數據資源具有可復制性和可共享性， 打破了傳統要素有限供給對經濟增長的制約。作為數字經濟中的新業態，數字普惠金融充分利用數字技術和數據資源，帶來全要素效率提升，加速改造傳統動能，驅動了傳統經濟特別是數字經濟發展。

表2 固定效果面板數據回歸

分項模型1Coefficient模型2CoefficientStd. ErrorStd. Error固定項8.529***10.996***(0.546)(0.898)每人平均工資自然對數值(lnLit)0.443***0.382***(0.041)(0.043)全社會固定資產投資自然對數值(lnKit)0.218***0.170***(0.025)(0.026)數字普惠金融指數(lnDIFIit)0.034***(0.010)R-squared0.9200.921F-statistic874.748588.598Prob(F-statistic)0.0000.000

注：*顯示10%顯著水平下，**顯示5%顯著水平下，***顯示1%顯著水平下。

表3 技術無效率平均值差異性檢驗

年度模型1技術無效率平均值模型2技術無效率平均值t統計20110.6550.6441.07620120.6760.60912.394***20130.6900.59421.528***20140.6920.61612.852***20150.6320.55812.162***

注：*顯示10%顯著水平下，**顯示5%顯著水平下，***顯示1%顯著水平下。

五、結論

以北京大學數字普惠金融指數為實證基礎，分析數字普惠金融地區間不平衡的變化情況，結果表明數字普惠金融地區間的差異較地區經濟增長的差異要小，且這種不平衡性隨時間推移明顯縮小。這表明數字普惠金融已經大大縮減了不同地區享受金融服務的差距,能更有效實現金融的普惠程度。通過2011—2015年的數據實證檢驗數字普惠金融的發展是否促進地區生產效率，實證結果顯示，數字普惠金融作為一項技術進步，在地區經濟增長中能起到明顯促進作用，并提升生產效率。具體的啟示與建議有三個方面。

(一)加強欠發達地區數字基礎設施建設，為數字普惠金融發展創造更多機會

數字普惠金融的基礎設施包括實現網絡服務基礎的通信設施和網絡環境，以及實現數字金融基礎的支付結算體系，尤其要破除農民與農村金融機構的數字鴻溝。除加強農村地區數字金融服務設施建設、宣傳和普及相關金融知識和操作過程以及加強數字金融消費者保護外，征信體系對我國普惠金融的支持還亟待加強。因此，需要建立健全普惠金融信用信息系統，建立多層次小微企業和農民信用檔案平臺，并通過大數據征信的信用風控體系覆蓋更多信用記錄不完整或者不完善的個人消費者，使更多的人群享受到現代互聯網金融的普惠服務。

(二)促進和規范互聯網金融的發展，增強金融新業態服務實體經濟的能力

數字普惠金融依賴于數字技術和互聯網金融的發展，在“開放、平等、創新、協作”的互聯網精神下，互聯網金融帶有天生的普惠性。以P2P網絡貸款、股權眾籌為代表的互聯網金融新業態以直接融資的方式為小微企業提供大量資金支持，第三方支付、消費金融等新興模式則通過在流通環節提供多樣化金融服務助力生產和消費，互聯網公司、數據公司和征信機構則從金融服務供給側的角度，為普惠金融提供基礎設施。因此，促進互聯網金融行業發展有利于數字普惠金融推廣。

但互聯網金融不能憑空發展，依賴于實體經濟也服務于實體經濟。雖然近十年我國互聯網金融行業取得很大發展，但在規范發展、風險控制和服務實體經濟方面還存在不足。因此要在守住風險底線、回歸金融本質的前提下，結合地方產業發展特點發展互聯網金融業，并利用其創新理念和創新模式，特別是其大數據應用優勢，發揮在生產性服務業上的應用價值。

(三)促進數字經濟發展，加快數字金融與數字經濟融合發展，提升經濟增長效率

數字經濟在傳統產業中應用帶來的效率增長和產出增加已成為推動經濟發展的新引擎，因此，促進數字金融與實體經濟特別是數字經濟融合，能直接提升數字普惠金融的積極作用。在數字經濟的眾多領域，如互聯網+教育、智慧旅游、智慧民生、電子政務、電子商務、醫療健康、交通物流、文化娛樂等，數字普惠金融產品及體系在其中扮演著重要角色。因此，加大數字經濟投入、加快數字經濟與數字金融融合能有效提升生產效率。