安徽省數字普惠金融對城鄉收入差距影響的分析

唐蔚

摘要：數字普惠金融依托大數據技術，可以進一步降低成本，擴大金融覆蓋面，是普惠金融發展的新方向，本文立足于安徽省，選取了2011年到2018年各地市數字普惠金融發展指數，通過構建面板模型實證分析安徽省各地市數字普惠金融的發展對于城鄉收入差距的影響。研究顯示，近年來，安徽省數字普惠金融的發展總體上不斷提高，其中覆蓋廣度指數與全國平均水平相比還有一定差距，模型結果表明數字普惠金融的發展能夠顯著縮小城鄉收入差距，同時教育水平和產業結構也對城鄉收入差距有一定影響。

關鍵詞：數字普惠金融? 城鄉收入差距? 面板數據

一、引言

2020年5月22日，國務院總理李克強在十三屆全國人大三次會議的政府工作報告中指出，2019年和2020年以來，我國發展雖然面臨著諸多困難，但仍然不斷朝著全面建成小康社會的目標邁進，尤其是在脫貧攻堅方面取得了決定性的成就，農村貧困人口減少1109萬人，貧困發生率降至0.6%。在2020年年初的疫情期間，多行業均受到嚴重負面影響，2020年是我國打贏脫貧攻堅戰的收官之年，因此不懈推進脫貧攻堅仍然是當年政府的主要工作目標之一。安徽省作為脫貧任務較重的省份，在黨中央的領導下出臺了多項扶貧規劃，效果顯著，安徽省貧困人口由2014年建檔立卡時的484萬人降至2019年底的8.7萬人，貧困發生率由建檔立卡時的9.1%降至2019年底的0.16%。2020年4月29日，安徽省人民政府發布關于蕭縣等9個縣（區）退出貧困縣序列的公告，至此安徽省31個貧困縣全部實現脫貧“摘帽”，未來仍將繼續加大扶貧力度，攻克深度貧困堡壘。

金融行業在現代經濟中處于核心地位，脫貧攻堅離不開金融助力。提高金融服務的可獲得性、大力發展普惠金融是提升貧困人口的生活水平、改善其生活質量和提高社會保障的重要方式之一。“普惠金融”的概念于2005年在聯合國“國際小額信貸年”的宣傳中被首次提出，隨后被世界各國大力推廣，普惠金融的初衷是向社會各群體，尤其是欠發達地區和低收入群體提供便捷的金融服務。2013年11月，我國于十八屆三中全會中正式提出要發展普惠金融，2015年底，國務院在《推進普惠金融發展規劃（2016—2020年）》中首次在國家層面上明確了普惠金融的定義，表明要以可負擔的成本為社會各階層和群體提供適當有效的金融服務，并明確普惠金融的主要服務對象是農民、小微企業和低收入群體。近年來，隨著互聯網技術的發展，傳統的普惠金融與互聯網技術相結合的數字普惠金融給普惠金融的未來發展指明了新的方向。數字普惠金融的概念于2016年的G20峰會中提出，是以信息技術、云計算、物聯網、大數據等創新性的數字技術為依托，利用數字技術的優勢，進一步降低成本、擴大金融覆蓋面、減少金融排斥，從而實現普惠金融的目標，以此促進經濟發展，縮小城鄉差距，提高低收入群體的生活水平。

為此，本文立足于安徽省具體情況，以安徽省16個地市作為研究樣本，基于數字普惠金融發展對低收入群體生活水平影響的理論基礎，探討安徽省各地市近幾年數字普惠金融的發展現狀并實證分析數字普惠金融的減貧效應，以期揭示兩者之間的影響關系。

文章余下部分的寫作結構如下：第二部分為文獻綜述;第三部分為理論基礎及研究假設;第四部分為模型設定及變量說明;第五部分為實證分析;第六部分為研究結論及建議。

二、文獻綜述

針對上述的研究目標，本文主要從普惠金融的度量、減貧效應的分析和近幾年數字普惠金融的相關研究方向入手，梳理已有文獻，為后續分析提供參考。

（一）普惠金融和數字普惠金融的度量

從普惠金融的概念提出之后，如何來衡量普惠金融的發展水平成為了學術界非常關注的問題。研究早期，一般僅選取金融服務的某一方面，如可獲得性來直接測度普惠金融的發展水平，例如Beck等（2007）通過引入與銀行業相關的8個金融服務可獲得性指標來測量普惠金融的發展水平。隨著普惠金融的不斷發展，對其測度也更加全面，Sarma（2011）、Chakravarty（2013）等借鑒聯合國人類發展指數（HDI）的構建方法，考慮了金融服務的可獲得性、滲透度和使用效率三個維度。國內的大部分相關研究均以Sarma和Chakravarty的指標體系為基礎，并且在維度的選擇和測算方法上進行不斷改進。王婧、胡國暉（2013）從供給和需求兩個角度出發，立足于金融服務的范圍和使用這兩個維度，用變異系數法來確定各指標權重。王剛貞、謝露露（2019）增加了城鄉居民的接受程度這一維度，任碧云、陳曦（2019）結合我國經濟發展實際情況，綜合了銀行、保險、證券和小額貸款這4個領域，全面衡量了我國普惠金融發展水平。

近幾年隨著互聯網金融的發展，部分學者在衡量普惠金融發展水平時將互聯網和大數據技術這一因素考慮在內，形成數字普惠金融指數。郭峰、王靖一（2019）等利用螞蟻金服的大量互聯網數據，編制了一套“北京大學數字普惠金融指數”，該指數分為兩期：第一期時間跨度為2011-2015年，相關指標于2016年發布;第二期時間跨度為2016-2018年，于2019年發布。之后我國眾多學者研究數字普惠金融發展水平時都以該指數作為參考指標（賈娟琪（2019），梁雙陸、劉培培（2019），趙丙奇（2020），裴紹軍、李舒、馮葉（2019）等）。

（二）普惠金融和數字普惠金融對城鄉收入差距的影響

關于普惠金融以及數字普惠金融的相關研究大多集中在分析其影響因素、探討其對于實體經濟的影響以及減貧效應這幾方面，本文主要梳理與其對城鄉收入差距的影響相關的文獻。

在分析傳統普惠金融的減貧效應時，部分學者基于全國的省級面板數據進行研究，例如任碧云、陳曦（2019）利用2010-2016年的內地省級面板數據，運用面板門限模型，發現在樣本期內普惠金融的發展對貧困減緩表現出雙門檻特征。黃敦平、徐馨荷（2019）基于全國數據，分東部、中西部分別進行實證分析，結果表明傳統普惠金融的減貧效果呈現先減弱后增強的非線性關系，中西部的作用效果大于東部。還有一些學者挑選了單獨省份的數據進行了研究，羅斌、吳曉英（2019）選取了湖南湘西地區的30個縣為研究對象，運用系統GMM模型，發現傳統普惠金融的發展具有正向的減貧效應，朱永勇（2019）以安徽省各地市作為研究目標，發現安徽省普惠金融的發展確實能夠促進扶貧，王剛貞、謝露露（2019）同樣基于安徽省的具體情況，認為普惠金融的減貧效應存在顯著的門檻特征，會受到經濟發展水平的制約并且存在顯著的負向中介效應。

針對數字普惠金融減貧效應的研究近幾年才開始起步，尤其是在“北京大學數字普惠金融指數”發布之后，為學術界的相關研究提供了參考指標，越來越多的學者才開始關注數字普惠金融問題。目前絕大多數的研究都是基于全國的省級面板數據展開的，梁雙陸、劉培培（2019）基于2011-2015年的發展指數，實證分析了數字普惠金融對城鄉收入差距的影響，認為數字普惠金融可以有效縮小城鄉收入差距。李牧辰、封思賢、謝星（2020）除了從總體上進行分析之外，還從數字普惠金融的覆蓋廣度、使用深度、數字化程度、不同業務類型等方面開展結構性分析。趙丙奇（2020）利用了2011-2018年中國省級面板數據，基于面板門限模型進行實證分析，得出中國數字普惠金融對城鄉收入差距的影響存在單門限效應的結論。裴紹軍、李舒、馮葉（2019）將全國分成東部、中部、西部三大地域進行研究，認為數字普惠金融的發展總體來說可以縮小城鄉收入差距，該效應在中部地區最明顯，而在東部和西部地區影響并不顯著。

目前在數字普惠金融的研究方面，針對單獨省份的研究較少，黃婧平（2019）選取了青海省作為研究目標，實證結果表明結果數字普惠金融對青海省城鄉收入差距的縮小效應較為顯著，其中覆蓋廣度和數字化程度有顯著縮小效應，而使用深度層面效果不顯著。穆新杰（2020）以廣西南寧為例，通過中介效應模型，認為南寧市數字普惠金融的減貧效應路徑主要表現為直接影響，間接影響較微弱。李清磊、王旺（2018）以安徽省作為研究目標，通過對安徽省16個地級市數字普惠金融指數進行聚類分析，定量分析安徽省金融發展的地域差距。

（三）綜述

綜上所述，隨著近幾年互聯網和大數據技術的發展，針對數字普惠金融的研究逐漸成為普惠金融新的研究方向，因此本文同樣著眼于數字普惠金融，選取最新發布的“北京大學數字普惠金融指數”作為分析指標。在數字普惠金融減貧效應這一問題的研究上，目前絕大部分的研究均是基于全國數據，宏觀的寬泛研究不足以細致反映個別省份的具體情況，目前針對單獨省份特別是安徽省的研究較少，大部分相關研究均是基于傳統普惠金融的發展情況，未考慮到互聯網金融發展這一因素。因此本文從安徽省數字普惠金融的發展情況入手，構建實證模型，定量分析安徽省數字普惠金融的發展對于縮小城鄉收入差距的影響，以期為安徽省完成脫貧攻堅的任務提出具體的建議。

三、理論基礎及研究假設

傳統普惠金融的主要目的是要以相對較低的成本為社會各階層尤其是低收入群體提供適當有效的金融服務，其實現路徑以機構網點的設立和擴張為主，力圖提高金融服務的覆蓋面，但設立機構網點的高成本和金融機構的逐利性使得一部分貧困地區的低收入群體仍然被排斥在優質金融服務之外。創新性數字普惠金融的產生可以在一定程度上解決這一難題，隨著互聯網和大數據技術的不斷發展，人們獲取金融服務的方式不再局限于營業網點，低收入群體可以借助線上渠道購買互聯網金融產品進行投資，各種線上理財產品種類繁多，尤其是一些低起售點的產品非常適合于低收入群體，讓他們也可以享受到資產增值的服務。投資者直接通過手機、電腦等設備就可以了解到產品的具體信息，增加了金融服務的覆蓋面和便捷性，同時也降低了金融服務的成本。數字普惠金融依靠互聯網技術還能夠提高資金的配置效率，一些在線借貸平臺通過大數據和人工智能技術可以降低搜尋成本和交易成本，實現投融資雙方的互利共贏，數字普惠金融通過促進經濟增長和改善收入分配也將使得低收入群體的收入狀況得以改善，縮小城鄉收入差距。

基于此，本文提出假設1：數字普惠金融水平的發展程度越高，城鄉收入差距越小。

除了數字普惠金融發展水平之外，還有一些其他的因素會影響到城鄉收入差距。在具體到地區分析時，該地區的教育情況、產業結構和政府的財政支持力度都會對城鄉收入差距產生影響。政府的財政支持力度越高，對低收入群體的補貼會相對越多，可以直接提高其可支配收入，并且可以給其提供生產性和生活性的金融支持，增加就業率，從而增加農村居民收入。另外，數字普惠金融最核心的特點在于數字化技術的運用，因此數字普惠金融的普及需要消費者具備一定的知識素養，對新媒介和新技術有一定的掌握程度，才能夠合理有效地使用相關的金融產品和服務，解決低收入群體自身的金融需求。產業結構對于城鄉收入差距的影響尚不明確，一方面隨著第三產業的發展，農業資源向非農產業傾斜有利于生產效率的提高和一部分低收入群體收入的增加，另一方面當大量資源流向非農產業，也有可能導致城鄉差距的進一步擴大。

基于此，本文提出如下假設：假設2：其他條件一定時，政府的財政支持力度越大，城鄉收入差距越小。假設3：其他條件一定時，消費群體對金融知識掌握程度越高，城鄉收入差距越小。

四、模型設定及變量說明

（一）模型設定

為了實證分析安徽省數字普惠金融的發展水平與城鄉收入差距之間的關系，本文利用2011-2018年安徽省16個地市的面板數據，以數字普惠金融的發展水平作為核心的解釋變量，結合前文的理論分析，將其他可能會影響城鄉收入差距的因素作為控制變量，構建面板數據模型：

Theilit=α+β1DFIit+2isit+β3eduit+β4govit+εit

其中下標i和t分別表示不同的地市和年份，α為常數項，βi為各變量的回歸系數，Theil為被解釋變量，表示城鄉收入差距，DFI為核心解釋變量，表示數字普惠金融的發展程度。其他變量為控制變量，其中is表示產業結構情況，edu表示該地區居民的受教育程度，gov表示政府的財政支持力度情況。

（二）變量說明

1.被解釋變量Theil。目前相關文獻在衡量城鄉收入差距上，主要有以下幾種指標：一是直接采用城鄉居民人均可支配收入之差;二是采用城鄉居民人均可支配收入之比;三是采用基尼系數;四是采用考慮到人口加權因素之后的泰爾指數。由于泰爾指數將人口因素考慮在內，能夠更好地反映城鄉收入差距的變動，因此本文選取泰爾指數作為衡量城鄉收入差距的指標。泰爾指數的計算公式如下：

其中Y表示某地區某年的城鎮和農村總收入，N代表城鎮和農村的總人口。i=1代表城鎮地區，i=2代表農村地區，即Y1和N1代表某地區某年城鎮人口的總收入和城鎮人口總數，Y2和N2代表某地區某年農村人口的總收入和農村人口總數。

2.核心解釋變量DFI。該核心解釋變量選取最新發布的《北京大學數字普惠金融指數（2011-2018）》中的數據作為分析指標，該指數的構建包括了覆蓋廣度指數、使用深度指數和數字化程度指數三個一級維度指標，并且利用層次分析法得出了包含省級、城市和區縣三個層級的指數。

如圖1所示，安徽省綜合數字普惠金融指數在2011-2018年間呈逐年穩步上升趨勢，2018年的綜合指數水平超過了2011年的7倍。從一級維度指標來看，覆蓋廣度指數同樣呈現逐年上升趨勢，使用深度指數和數字化程度指數在個別年份有小幅下降，但總體仍保持上升。將安徽省的綜合指數和各一級維度指標與全國平均水平進行對比可以發現，除2018年外，安徽省的綜合數字普惠金融指數均略低于全國平均水平，但差距總體有逐漸縮小的趨勢，且在2018年超過了全國平均水平，具體來看，覆蓋廣度指數與全國平均水平有一定差距，使用深度指數每年均高于全國平均水平，數字化程度指數在2015年前均低于全國平均水平，但在2016-2018年間均高于全國平均水平。

3.控制變量。edu表示該地區居民的受教育程度，用當年各市擁有大專及以上學歷受教育程度的人口占總人口的比重來衡量;is表示產業結構情況，用當年各市第三產業的產值之和占總產值的比例來衡量;gov表示政府部門的財政支持力度，用當年各地區政府的財政支出占GDP的比例來衡量。

以上數據中，核心解釋變量的數據來源于最新發布的《北京大學數字普惠金融指數（2011-2018）》，其他數據均來源于2011-2018年的《安徽省統計年鑒》以及各地市的《國民經濟和社會發展統計公報》。

五、實證分析

（一）單位根檢驗

由于各變量的平穩性會影響模型的效果，因此首先對各變量進行單位根檢驗，本文選取LLC（Levin-Lin-Chu Test）方法分別對各變量進行單位根檢驗，結果如表1所示，各變量均平穩，可以進行模型回歸。

（二）回歸分析

本文選取的是2011-2018年安徽省16個地市的面板數據，因此選用面板模型進行回歸分析。先采用hausman檢驗來判斷模型應選擇固定效應還是隨機效應，hausman檢驗結果如表2所示，因而接受原假設，采用隨機效應模型。

回歸分析結果如表3所示，可以看出數字普惠金融的發展可以顯著地減少城鄉居民之間的收入差距，并且隨著各控制變量的加入該變量系數仍然顯著為負，說明數字普惠金融的發展對縮小城鄉收入差距有一定的積極作用。

從控制變量的回歸結果來看，產業結構這一變量的系數在各模型中顯著為正，說明隨著安徽省第三產業的發展，相關資源向非農產業傾斜，城鎮居民收入增速相比較農村居民收入增長更快，因而進一步加劇了城鄉收入差距，教育水平這一變量的系數在模型中顯著為負，說明普遍受教育程度越高的地區，城鄉收入差距越小，政府的財政支持力度這一變量的系數未通過顯著性檢驗，說明其對城鄉收入差距的影響不顯著。

六、結論與建議

本文通過構建面板回歸模型來研究安徽省數字普惠金融的發展對城鄉收入差距的影響，結果表明：隨著數字普惠金融指數的上升，城鄉居民之間的收入差距顯著下降，同時受過高等教育人口比重的增加也會顯著地縮小城鄉收入差距，而第三產業的發展會進一步地加劇城鄉收入差距。根據這些結論，本文提出如下幾點建議和思考：

第一，目前應當進一步完善數字普惠金融的發展環境，數字普惠金融作為普惠金融新的發展方向，以數字化技術為依托，可以進一步降低成本、擴大金融覆蓋面，從而更好地實現普惠金融的目標。目前安徽省數字普惠金融總體發展水平不斷提高，并于2018年超過了全國平均水平，但覆蓋廣度與全國平均水平相比仍有一定差距，覆蓋廣度具體包括“每萬人擁有支付寶賬號數量”“支付寶綁卡用戶比例”以及“平均每個支付寶賬號綁定銀行卡數”這幾個主要指標，安徽省需要進一步加強對于新型互聯網金融產品等數字普惠金融實際應用方面的宣傳力度，尤其是對農村人口和低收入人群的宣傳，提高民眾的信用意識和對數字化技術的了解，提高對相關軟件的運用能力，降低金融服務門檻，切實增強居民的幸福感和獲得感，進一步縮小城鄉差距。

第二，在農村地區加強教育推廣，完善硬件設施建設。數字普惠金融的發展離不開大數據技術的支持，安徽省的數字化發展程度近幾年有一定提升，但隨著信息技術的不斷更新發展，相關硬件設施的建設也需要不斷地改善和優化，同時與數字普惠金融相關的征信系統也需要配套完善。

第三，要持續縮小城鄉收入差距，需要關注教育水平和產業結構等因素的共同影響。根據前文研究，地區受教育水平的普遍提高有利于縮小城鄉差距，而第三產業的發展會進一步加劇城鄉差距，因此安徽省各地區在發展第三產業的同時，要進一步注重相關資源的傾斜對于城鎮人口和農村人口影響程度的不同，更加注重產業結構的調整對于農村居民就業以及生活情況的實際影響，助力脫貧攻堅。

參考文獻：

[1]Beck THP. Finance for All？Policies and Pitfalls in Expanding Access[R].Washington D.C：World Bank，2007.

[2]Sarma M，Pais J.Financial Inclusion and Development[J].Journal of International Development，2011，23（5）：613-628.

[3]Chakravarty S R，Pal R.Financial Inclusion in India：An Axiomatic Approach[J].Journal of Policy Model-ing，2013，35（5）：813-837.

[4]王婧，胡國暉.中國普惠金融的發展評價及影響因素分析[J].金融論壇，2013，18（6）：31-36.

[5]王剛貞，謝露露.普惠金融減貧效應存在門檻嗎——基于安徽省的實證檢驗[J].東北農業大學學報（社會科學版），2019，17（05）：18-30+46.

[6]任碧云，陳曦.包容性金融發展對貧困減緩的雙重門檻效應——基于中國內地省級面板數據的實證研究[J].西南民族大學學報（人文社科版），2019，40（05）：122-130.

[7]郭峰，王靖一，王芳，孔濤，張勛，程志云.2019，《測度中國數字普惠金融發展 ：指數編制與空間特征》，北京大學數字金融研究中心工作論文.

[8]梁雙陸，劉培培.數字普惠金融與城鄉收入差距[J].首都經濟貿易大學學報，2019，21（01）：33-41.

[9]趙丙奇.中國數字普惠金融與城鄉收入差距——基于面板門限模型的實證研究[J].社會科學輯刊，2020（01）：196-205.

[10]裴紹軍，李舒，馮葉.數字普惠金融水平的衡量及其對城鄉收入差距的影響——基于省際面板數據的實證分析[J].經濟視角，2019（06）：82-93.

[11]黃敦平，徐馨荷，方建.中國普惠金融對農村貧困人口的減貧效應研究[J].人口學刊，2019，41（03）：52-62.

[12]羅斌，吳曉英.基于湖南省湘西地區的普惠金融減貧效應的實證研究[J].農村金融研究，2019（02）：62-65.

[13]朱永勇.安徽省普惠金融對扶貧效果的影響實證分析[J].武漢商學院學報，2019，33（06）：37-40.

[14]李牧辰，封思賢，謝星.數字普惠金融對城鄉收入差距的異質性影響研究[J].南京農業大學學報（社會科學版），2020，20（03）：132-145.

[15]黃婧平.數字普惠金融對青海省城鄉收入差距影響的實證分析[J].青海金融，2019（09）：46-50.

[16]穆新杰.數字普惠金融對城鄉收入差距的影響機制研究——以廣西南寧為例[J].市場周刊，2020（05）：132-133.

[17]李清磊，王旺.安徽省數字普惠金融的聚類分析[J].市場周刊（理論研究），2018（01）：132-133.

作者單位：巢湖學院