數字普惠金融的非線性與異質性經濟增長效應
——基于平滑轉換模型與分位數模型的實證研究

傳統金融多以信用、抵押資產為基礎開展業務,在互聯網、大數據與云計算等數字技術賦能下,傳統金融的服務模式發生了深刻的變化。先進數字技術的發展,突破了傳統金融服務時間和地理空間的限制,促進了信息的互聯互通,完善了全社會征信系統的建設,能夠降低金融服務的門檻與金融交易的成本,提升金融服務的覆蓋率,是解決傳統普惠金融現實難題的重要手段,為緩解農村居民、低收入人群等特定群體面臨的金融排斥提供了切實可行的方法①Peter Gomber，Jascha-Alexander Koch，Michael Siering，“Digital finance and fintech:Current research and future research directions，”Journal of Business Economics 87，no.5（February 2017）:538-549.。數字化的普惠金融既順應數字智能化時代的要求,也是普惠金融發展的新思路,已成為金融領域創新的熱點。當前數字化浪潮的到來正深刻影響著傳統經濟社會各領域,而突如其來的新冠疫情,更加速了金融業向數字化轉型。在新時代背景下,識別數字普惠金融發展與經濟增長的因果關系,評估數字普惠金融的經濟增長效應,是我國當下數字金融發展的重要課題之一。因此,探究數字普惠金融發展與經濟增長之間的關系具有十分重要的理論與現實意義。

中國數字普惠金融指數能較為準確地測度中國數字普惠金融的發展程度②郭峰等《測度中國數字普惠金融發展:指數編制與空間特征》,《經濟學(季刊)》2020年第4期,第1405-1409頁。,已得到學術界的廣泛認可。基于這套指數,學者已廣泛探討數字普惠金融的經濟效應,例如,數字技術的賦能有助于修正傳統金融中存在的“屬性錯配”、“領域錯配”與“階段錯配”問題,推動企業技術創新①唐松、伍旭川、祝佳《數字金融與企業技術創新——結構特征、機制識別與金融監管下的效應差異》,《管理世界》2020年第5期,第64頁。;數字技術有利于對傳統金融機構的服務進行改造升級,通過便利消費、推動創新和創業來促進經濟增長②錢海章等《中國數字金融發展與經濟增長的理論與實證》,《數量經濟技術經濟研究》2020年第6期,第27-28頁。;數字普惠金融能縮小城鄉收入差距,促進社會包容性增長③宋曉玲《數字普惠金融縮小城鄉收入差距的實證檢驗》,《財經科學》2017年第6期,第17-19頁。;數字普惠金融有利于緩解家庭流動性約束、降低家庭面臨的不確定性,刺激居民消費④易行健、周利《數字普惠金融發展是否顯著影響了居民消費——來自中國家庭的微觀證據》,《金融研究》2018年第11期,第50-51頁。;數字普惠金融能降低創業門檻與風險,實現創業機會的均等化⑤張勛等《數字經濟、普惠金融與包容性增長》,《經濟研究》2019年第8期,第80-83頁。;數字普惠金融在一定程度上能夠抑制資本的逐利性,優化資本的結構配置,強化金融服務實體經濟的能力⑥汪亞楠、葉欣、許林《數字金融能提振實體經濟嗎》,《財經科學》2020年第3期,第2-4頁。。此外,數字普惠金融與社會保障⑦汪亞楠、譚卓鴻、鄭樂凱《數字普惠金融對社會保障的影響研究》,《數量經濟技術經濟研究》2020年第7期,第108-110頁。、私人借貸市場⑧吳雨等《數字金融發展對傳統私人借貸市場的影響及機制研究》,《管理世界》2020年第10期,第63頁。、貨幣政策效果⑨戰明華、湯顏菲、李帥《數字金融發展、渠道效應差異和貨幣政策傳導效果》,《經濟研究》2020年第6期,第36頁。等領域也得到了諸多有益的研究結論。

回顧既有文獻,學者們對數字普惠金融發展與減貧增收、創新創業等關系展開了廣泛探討,而對數字普惠金融發展與經濟增長關系的研究較為匱乏;當數字普惠金融發展水平位于不同區制時,與經濟增長的關系可能并非是線性的,少有研究探討兩者間可能存在的非線性關系;既有研究多數基于靜態面板模型,采用分組回歸的方式進行異質性分析,其結果并不能刻畫條件分布的全貌,還可能因主觀劃分帶來實證結果的偏誤。據此,本研究構建面板平滑轉換模型,對數字普惠金融發展影響經濟增長的非線性效應進行實證考察,拓新現有研究視角;基于數字普惠金融的結構性差異,探討數字普惠金融及其各維度(數字服務的覆蓋廣度、使用深度與數字化程度)與經濟增長之間的關系,拓展現有研究維度;針對我國各區域間經濟發展不平衡的現狀,構建分位數模型,通過選取具有代表性的分位點進行實證檢驗,使研究結論更具現實指導意義。

一 理論分析與研究假說

中國信息通信研究院發布的《數字普惠金融發展白皮書(2019年)》認為:“數字普惠金融(Digital Financial Inclusion)是在成本可控、模式可持續的前提下,以各類數字化技術為實現條件,為社會各階層尤其是現有金融體系覆蓋不足的城鎮低收入人群、農村人口、偏遠地區人口等特殊群體以及小微企業提供平等、有效、全面、方便的金融產品和服務。”10中國信息通信研究院云計算與大數據研究所《數字普惠金融發展白皮書(2019年)》,第2頁,2019年11月7日發布,2020年5月5日訪問,http://www.caict.ac.cn/kxyj/qwfb/bps/201911/P020191107495793229070.pdf。傳統金融的發展主要表現為金融市場規模的擴大,金融機構種類與數量的增加,金融工具日益豐富以及金融結構的合理化和高級化,是以效率為導向,旨在將資源配置到效率高的地區和行業11李建軍、彭俞超、馬思超《普惠金融與中國經濟發展:多維度內涵與實證分析》,《經濟研究》2020年第4期,第39頁。。而數字普惠金融的發展是利用數字技術對傳統金融進行改造優化,以機會平等和商業可持續性為理念,以公平為導向,通過擴大金融服務覆蓋半徑、降低金融服務門檻與緩解金融排斥,旨在使那些游離于金融體系之外的群體能夠以可負擔的成本享受金融服務。

結合數字普惠金融的內涵與現有文獻,本文從以下兩個方面闡述數字普惠金融發展促進經濟增長的機理。

一是擴大金融服務的覆蓋面積,緩解金融排斥。一方面,基于成本與收益的博弈,傳統金融機構偏好于將金融資源投放于人口密度較大、經濟較為活躍的區域,而位置偏遠、人口較少或貧困落后區域的金融資源則相對稀缺。在互聯網、移動通信等數字技術的賦能下,數字普惠金融能夠突破傳統金融機構依賴實體網點提供服務的限制,客戶只需通過電腦、手機登陸相應網址或應用即可辦理業務,有效延伸金融服務的半徑。另一方面,信息不對稱是阻礙金融交易的重要因素之一,它容易導致交易前的逆向選擇和交易后的道德風險。從供給層面看,傳統金融機構難以準確識別客戶風險狀況,容易引致逆向選擇問題。數字普惠金融能夠通過大數據、云計算等數字技術,更精準地描述客戶與企業的行為特征并進行信用評估,將更多潛在客戶納入服務范圍①黃益平、黃卓《中國的數字金融發展:現在與未來》,《經濟學(季刊)》2018年第4期,第1490頁。;從需求層面看,農村居民、低收入人群等特定群體普遍對金融產品理解不足,若傳統金融機構未能及時披露與傳遞信息,則會加劇信息不對稱程度,容易造成用戶對金融體系缺乏信任進而退出金融市場,而數字化平臺的一個優點是能使消費者便捷地評價、共享產品信息,有助于緩解信息不對稱的問題。

二是提升金融服務效率,降低金融交易成本。首先是降低金融機構的固定成本。傳統金融機構增設實體網點,會增加人力、場地等固定成本,當新增網點帶來的收益不足以彌補成本時,將會抑制一部分金融服務的供給。依托互聯網、人工智能等數字技術,數字普惠金融在線上開展業務,取代部分實體網點從而減少人工投入,有效降低金融機構的固定成本。其次是降低金融機構的風險管理成本。基于大數據、機器學習等技術分析的風險評估支持投資、貸款與保險等金融決策,金融機構能夠建立更為精確的數學模型對客戶進行信用評級,精準地預測違約概率并進行風險定價,能夠彌補傳統金融機構單純依賴財務數據與抵押資產做風控的不足,提升了金融機構甄別風險的效率②Harald Hau et al.，“How Fintech enters China's credit market，”AEA Papers and Proceedings 109（May 2019）:60-64.。最后是降低金融交易的時間成本。金融機構以大數據、云計算等數字技術作為支撐,通過融合多源信息,準確識別用戶需求,降低用戶與資源供給者之間的資本錯配情形,能夠有效降低金融服務供需雙方的搜尋與配對的時間。居民距離實體金融網點越遠對金融服務的需求越弱,而金融科技的興起,通過手機轉賬、網絡銀行等方式辦理業務,能夠減少去實體網點往返、排隊等待的時間,節約了金融交易的時間成本③Pierre Bachas et al.，“Digital financial services go a long way:Transaction costs and financial inclusion，”AEA Papers and Proceedings 108（May 2018）:445-447.。基于上述分析,本文認為數字普惠金融發展有利于緩解金融排斥與降低金融交易成本,能夠有效改善傳統金融服務的不足,提升資源配置效率,據此提出研究假說1。

假說1:數字普惠金融發展能夠促進經濟增長。

King等認為金融發展能夠緩解信息不對稱問題,降低經濟活動所需的成本,分散風險,推動技術進步并加速資本積累,對經濟增長具有顯著的正向線性關系④Robert G.King，Ross Levine，“Finance and growth:Schumpeter might be right，”The quarterly journal of economics 108，no.3（August 1993）:734-735.。但Deidda等研究表明金融發展與經濟增長之間的關系可能是非線性的,即金融發展對經濟增長的影響依賴于某些條件的變化(如金融發展水平)而呈現出非線性變化的趨勢⑤Luca Deidda，Bassam Fattouh，“Non-linearity between finance and growth，”Economics Letters 74，no.3（February 2002）:340-341；Peter L.Rousseau，Paul Wachtel，“What is happening to the impact of financial deepening on economic growth？”Economic Inquiry 49，no.1（January 2011）:285-287.。數字普惠金融作為傳統金融在數字技術賦能下的產物,自然也應當具有金融屬性,其與經濟增長之間的關系也可能是非線性的。其一,數字普惠金融將數據做為基礎要素。數據作為一種新型生產要素擁有可復制、易共享與不受有形磨損等稟賦,通過形成規模經濟與范圍經濟,具有要素報酬遞增規律⑥王姝楠、陳江生《數字經濟的技術-經濟范式》,《上海經濟研究》2019年第12期,第88頁。。伴隨數字普惠金融發展水平的提升,數字市場與用戶范圍逐步擴大,數據要素的可獲取性與流動性增加,當數字普惠金融發展程度突破一定臨界值后,在數據要素報酬遞增規律的作用下,數字普惠金融對經濟增長的積極作用也可能表現出邊際遞增的非線性趨勢。其二,數字技術并沒有改變金融特性。一方面,依據金融過度理論,金融的過度發展將吸收過多實體部門的生產性資源(如人力資本與物質資本)并產生大量金融泡沫⑦Anthony M.Santomero，John J.Seater，“Is there an optimal size for the financial sector？”Journal of Banking&Finance 24，no.6（June 2000）:959-963.,加劇了金融資本的虛擬化與獨立化,從而使得資本與實體經濟脫離,形成金融資源錯配,對實體經濟產生“擠出效應”⑧?zgür Orhangazi，“Financialisation and capital accumulation in the non-financial corporate sector:A theoretical and empirical investigation on the US economy:1973-2003，”Cambridge Journal of Economics 32，no.6（November 2008）:882-883.。數字普惠金融同樣存在適度匹配和過度危害的問題。當數字普惠金融發展程度超過一定閾值后,會對經濟發展產生負的外部性效應⑨唐文進、李爽、陶云清《數字普惠金融發展與產業結構升級——來自283個城市的經驗證據》,《廣東財經大學學報》2019年第6期,第38、44頁。。另一方面,金融本身具有較高的風險,金融體系越龐大、復雜,其穩定性就越差,大量潛在風險會產生自我強化效應并傳導至實體部門,甚至引發金融危機①周小川《金融政策對金融危機的響應——宏觀審慎政策框架的形成背景、內在邏輯和主要內容》,《金融研究》2011年第1期,第3頁。。此外,數字普惠金融還易與技術風險、網絡風險相互疊加滋生新型風險,這些風險隱蔽性更強、傳染速度更快、傳播面積更廣,會進一步加劇風險的危害②何宏慶《數字普惠金融風險:現實表征與化解進路》,《蘭州學刊》2020年第1期,第68頁。。由于目前我國民眾風險意識缺乏、企業風控能力不足與數字監管滯后等原因,網貸平臺等數字金融模式對加劇銀行業系統風險、增加金融不確定性均有顯著的溢出效應③李蒼舒、沈艷《數字經濟時代下新金融業態風險的識別、測度及防控》,《管理世界》2019年第12期,第54、67頁。,為經濟增長帶來不利影響。綜合以上分析,數字普惠金融發展會為經濟增長帶來積極作用,但其滋生的新型風險也可能抑制經濟增長。這些復雜的因素決定了數字普惠金融發展與經濟增長之間的關系可能不是線性的,據此提出研究假說2。

假說2:數字普惠金融發展與經濟增長存在非線性關系。

我國各區域間經濟發展不平衡,東部地區經濟發達,金融資源呈現出在珠三角、長三角等東部沿海地區集聚的態勢。中西部地區經濟水平較為落后,金融資源普遍匱乏,面臨較為嚴重的金融排斥④粟芳、方蕾《中國農村金融排斥的區域差異:供給不足還是需求不足?——銀行、保險和互聯網金融的比較分析》,《管理世界》2016年第9期,第81頁。。依據前文的理論分析,數字普惠金融主要通過緩解金融排斥與降低金融交易成本來推動經濟增長。區域經濟水平較高的地區,傳統金融體系已十分發達,金融排斥程度較低,數字普惠金融主要以提升金融服務效率、降低金融交易成本來促進經濟增長。區域經濟水平較低的地區,金融資源匱乏,金融排斥現象廣泛存在,數字普惠金融不僅能降低金融交易成本,還能有效緩解金融排斥,充分發揮經濟增長效應,因而欠發達地區更可能成為數字普惠金融發展的受益者。綜上所述,我國經濟水平不同的區域,金融發展水平存在明顯差異,這些差異可能會影響數字普惠金融的經濟增長效應,據此提出研究假說3。

假說3:數字普惠金融的經濟增長效應具有區域經濟水平異質性。

二 研究設計

(一)指標選取

1.解釋變量

數字普惠金融指數是北京大學數字金融研究中心基于螞蟻金服的數據,從數字金融服務的覆蓋廣度、使用深度和數字化程度三個維度來構建。本文選擇數字普惠金融指數(Dfii)及其覆蓋廣度(Cov)、使用深度(Dep)與數字化程度(Dig)作為解釋變量來刻畫中國各省域(省、直轄市、自治區)數字普惠金融發展程度。覆蓋廣度主要基于各區域支付寶賬戶數量繪制而成,是數字金融覆蓋人群的評價指標;使用深度主要測度的是各區域實際使用互聯網金融服務的頻率等;數字化程度重在反映各區域數字金融的便捷性和低成本的優勢⑤郭峰等《測度中國數字普惠金融發展:指數編制與空間特征》,《經濟學(季刊)》2020年第4期,第1405-1407頁。。由于各指數數值較大,與其他指標不在一個數量級,為統一量綱,將數字普惠金融指數除以100作為原始數據。

2.被解釋變量

GDP是衡量經濟增長水平的重要指標,但由于各省域人口規模不同,基于可比性原則,利用各省域人均GDP反映區域經濟增長情況。為緩解異方差與統一量綱,將各省域人均GDP(Pgdp)取自然對數處理,以此作為被解釋變量。

3.控制變量

為緩解遺漏變量所帶來的內生性問題并提高模型擬合程度,參考已有研究,本文選擇以下控制變量:產業結構(Ind)采用第三產業產值占第二產業產值比值進行測度;固定資產投資(Fi)通過全社會固定資產投資完成額占區域GDP比值進行衡量;政府干預程度(Gov)指政府公共財政支出占區域GDP 比值;城鎮化率(Ur)反映非農人口占總人口比重;失業率(Ru)指城鎮登記失業率;對外開放水平(Fdi)利用外商直接投資占區域GDP比值進行測度;受教育水平(Edu)采用(大專以上人口×16+高中×12+初中人口×9+小學人口×6)/6歲以上總人口的計算方式。

(二)數據來源

本研究主要使用兩套數據:第一,數字普惠金融指標選自北京大學數字金融研究中心與螞蟻金服合作編制的《北京大學數字普惠金融指數》①郭峰等《測度中國數字普惠金融發展:指數編制與空間特征》,《經濟學(季刊)》2020年第4期,第1405-1407頁。;第二,各省域經濟數據選自Wind金融數據庫與國家統計局。經整理后得到以全國31個省域(不包括港、澳、臺地區)為截面,時間跨度為2011-2017年的面板數據。表1報告了各變量描述性統計結果。

表1 描述性統計

(三)模型構建

1.線性基準模型

Yit為被解釋變量,即各省域人均GDP對數值;核心解釋變量為Dfiiit,即數字普惠金融指數(Dfii)及其覆蓋廣度(Cov)、使用深度(Dep)與數字化程度(Dig);β0為截距項;Xit為選取的一組控制變量;εit為獨立的隨機擾動項。

2.非線性模型

當數字普惠金融發展水平位于不同區制時,其對經濟增長的影響可能是不同的。為實證考察數字普惠金融發展與經濟增長可能存在非線性關系,應構建非線性模型。Hansen提出的PTR(面板門限)模型回歸系數在不同區制間的轉換是突變的,即變量在閾值位置瞬間實現狀態間的轉換,這種狀況難以符合經濟發展的規律和實際情況。González等在PTR 模型與平滑過渡自回歸模型的基礎上,提出PSTR(面板平滑轉換)模型,該模型能夠客觀反映回歸系數從一個區制向另一個區制過渡時,是連續、漸進地平滑轉換,更符合客觀經濟發展規律。基于上述分析,我們構建以下面板平滑轉換模型:

面板平滑轉換模型包括線性部分與非線性部分,其中G(Sit;c,γ)為轉換函數,表示非線性部分,常見有LSTR(邏輯函數)與ESTR(指數函數)兩種形式。與(1)式變量定義不同的是,(2)式中,Sit為轉換變量;c為位置參數,即由低區制轉換向高區制的過渡點;γ(γ＞0)代表轉換速度,即不同區制間的轉換速度。本研究主要關心數字普惠金融發展的經濟增長效應,故在模型非線性部分只引入核心解釋變量數字普惠金融指數(Dfii)及其三個維度,并選擇它們自身充當轉換變量。

3.分位數模型

相比于傳統的多元線性回歸模型,分位數模型的假定更為寬松,它對隨機擾動項的分布沒有嚴格的假設條件,同時對離群值的估計表現更為穩健。而且,分位數模型能夠更加全面地描述被解釋變量條件分布的全貌,而不是僅僅分析被解釋變量的條件期望。因此,為檢驗數字普惠金融影響經濟增長的異質性,構建以下分位數模型:

τ表示各分位點針對中國區域間經濟發展不平衡的現狀,通過選取0.1、0.25、0.5、0.75和0.9五個具有代表性的分位點,將全國按照區域經濟水平客觀地劃分,在經濟發展水平不同的條件分布位置上進行實證檢驗,其余變量定義均與(1)式保持一致。

三 實證結果與分析

(一)數字普惠金融與經濟增長

當數據具有異質性和變量間存在非線性關系時,PSTR 模型才能被有效識別,因此首先需要進行異質性和剩余非線性檢驗,以確定是否適合構建PSTR 模型。由于檢驗過程中存在冗余參數問題,以轉換函數G(Sit;c,γ)在γ=0處的泰勒展開式作為輔助函數來替代轉換函數本身,并構建LMF(服從F分布的拉格朗日乘數法)統計量,具體形式為:

異質性的原假設H0:γ=0,即等價于要求b1=b2=b3=b4=0,此時的模型不存在非線性關系,PSTR 模型退化為線性模型,備擇假設H1:γ=1,即存在非線性關系。根據LMF 統計量及對應P值,當拒絕原假設時,表明非線性關系成立,接著進行剩余非線性檢驗,直至不拒絕原假設,從而得到模型的最優轉換函數個數r。在異質性檢驗中,LMF統計量值為50.674,在1%水平上顯著拒絕原假設,表明存在非線性關系;在剩余非線性檢驗中,LMF統計量值為0.922,P值為0.452,不拒絕原假設,表明模型最優轉換函數個數為1。

轉換函數類型選擇以及位置參數個數確定。依據Escribano和Jorda提出的方法①álvaro Escribano，Oscar Jordá，“Testing nonlinearity:Decision rules for selecting between logistic and exponential STAR models，”Spanish Economic Review 3，no.3（September 2001）:198-202.,構造Ho L∶b1=b3=0和HoE∶b2=b4=0兩個原假設。若Ho L檢驗的P值更低,則適合構建LSTR(m=1)模型,反之HoE檢驗的P值更低,則采用ESTR 或LSTR(m=2)模型更優。經Escribano-Jorda檢驗,Ho L 的LMF統計量值為31.557,P值為9.215e-20;HoE的LMF統計量值為11.528,P值為2.523e-08。因此,Ho L檢驗的P值更低,表明LSTR(m=1)模型為本文最優模型。

倘若轉換速度γ→+∞,轉換函數趨于常數,則PSTR 模型退化為PTR 模型。為增加結論的穩健性,我們同樣構建了PTR 模型,采用Bootstrap法,抽樣次數為300,依次對單一門限、雙重門限與三重門限效應進行檢驗。經檢驗,單一門限F值為51.550,通過了1%水平上顯著性檢驗,位置參數為2.721;雙重門限F值為8.640,P值為0.350,位置參數分別為0.185和2.721;三重門限F值8.770,P值為0.567,位置參數分別為0.185、0.386與2.721。因此,單一門限顯著,雙重門限與三重門限均不顯著,表明應建立單一門限模型。

以上檢驗結果表明本文的數據適合構建非線性模型,為緩解遺漏變量所引起的內生性問題,均采用固定效應進行估計,估計結果如表2所示。

表2 PSTR 與PTR 模型回歸結果

注:括號內為穩健性標準誤;*、**、*** 分別表示在10%、5%、1%的水平上顯著,下同。

根據PSTR 模型的估計結果,位置參數為2.834,由此將樣本劃分為數字普惠金融發展程度高和低兩個區制。對于以LSTR(m=1)為轉換函數的PSTR 模型而言,邊際效應為線性部分系數加上轉換函數乘非線性部分系數之和(β1+G(Sit;c,γ)×β2)。對于低區制而言,數字普惠金融對經濟增長的邊際效應為0.158,基本呈線性關系;而當數字普惠金融發展程度跨過一定門檻到達高區制后,由于轉換速度(4.813)較低,邊際效應逐漸平滑過渡為0.221(0.158+G(Sit;c,γ)×0.063)。

因此,數字普惠金融發展能顯著促進經濟增長,證實研究假說1成立。基于前文理論分析,互聯網、大數據等數字技術賦能傳統金融,能夠有效改善傳統金融的不足,通過緩解金融排斥與降低金融交易成本,提升資源配置效率,促進經濟增長。此外,不同的數字普惠金融發展水平下,數字普惠金融的經濟增長效應存在著顯著的非線性特征,具有門檻效應,當數字普惠金融發展水平跨越一定門檻后,對經濟增長的正向效應逐漸增強,證實研究假說2成立。這種現象我們可以從數字普惠金融指數的內涵進行分析:當數字普惠金融發展程度較低時,其覆蓋廣度不足,僅有部分貧困群體和小微企業享受到了金融服務;其使用深度不夠,居民對數字金融認識較淺,接受程度不高,更依賴于傳統金融;而且其數字化程度較低,便捷性與低成本的優勢還未完全顯現,對經濟增長的正向效應有限。而隨著數字普惠金融的進一步發展,其覆蓋廣度增加,數字普惠金融服務范圍拓寬;使用深度提高,居民對數字金融認知程度提升,提高了使用頻率;而且數字化程度提升,便捷性與低成本的優勢逐漸顯現。以上三個維度的提升能有效發揮數字普惠金融的規模經濟效應與范圍經濟效應,在數據要素報酬遞增規律作用下,進一步激發數字普惠金融對經濟增長的正效應。

根據PTR 模型的估計結果,位置參數為2.721,未跨越門檻前Dfii系數為0.162,通過了1%水平上顯著性檢驗;跨越門檻后Dfii系數增大為0.201且在1%水平上呈現顯著性。總體而言,PTR 模型位置參數、系數大小、方向與顯著性均與PSTR 模型結果相似,能夠進一步支持PSTR 模型所得結論。

(二)數字普惠金融各維度與經濟增長

為進一步探討數字普惠金融的經濟增長效應,依據數字普惠金融指數構成的三個維度分別構建PSTR模型進行回歸。異質性檢驗顯示:覆蓋廣度與數字化程度存在非線性關系,適合構建PSTR 模型;使用深度不存在非線性關系(報告固定效應線性模型的回歸結果以示對照)。表3報告了數字普惠金融各維度與經濟增長回歸結果。

Cov線性部分系數為0.169,非線性部分系數為0.078,均通過了1%水平上顯著性檢驗,表明覆蓋廣度能顯著促進經濟增長,當覆蓋廣度發展水平跨過一定門檻后,能夠進一步加強正向作用。覆蓋廣度指數體現為數字普惠金融的“量”,普惠金融在數字技術賦能下有效拓寬金融服務半徑,對經濟增長有積極作用。

Dep系數為0.103且在1%水平上顯著,表明使用深度對經濟增長具有顯著促進作用。使用深度指數反映了數字普惠金融服務的有效需求,說明數字普惠金融產品與服務能夠有效識別客戶需求,為經濟增長注入新活力。

Dig線性部分系數為0.082,非線性部分系數為-0.025,均通過了1%水平上顯著性檢驗,兩部分系數之和為正,表明數字化程度總體上能顯著促進經濟增長,但當數字化程度跨過一定門檻后,正向效應有所減弱。數字化程度反映數字金融服務的便利性與低成本的優勢,是影響用戶使用數字金融服務的主要因素之一,這些優勢對經濟增長具有顯著促進作用。然而,依據“金融過度”理論,當數字化程度超過一定閾值后,即用戶過度使用數字金融工具,會導致資金“脫實向虛”,即資金在金融體系內空轉,不能有效服務于實體經濟,反而會降低資源配置效率。

(三)異質性討論

針對我國區域間經濟發展不平衡的現狀,為檢驗數字普惠金融影響經濟增長的異質性,構建分位數模型,表4報告了各分位點上的估計結果。

從表4可以看到Dfii系數在各分位點上均在1%水平上顯著為正,表明數字普惠金融促進經濟增長的結論具有一定穩健性。從0.1分位點過渡到0.9分位點過程中,Dfii系數從0.204減小到0.163,邊際效應呈逐漸遞減趨勢,表明數字普惠金融的經濟增長效應具有區域經濟水平異質性,對欠發達地區的促進作用更為明顯,證實研究假說3成立。分位數模型的估計結果充分體現了數字普惠金融的普惠特征。

基于成本與收益之間的博弈,商業性金融機構通常只愿意為地理位置優越、經濟發展水平程度較高的地區提供金融服務,偏遠、貧困地區由于開設實體網點成本高且收益微薄而難以獲得金融服務,面臨較為嚴重的金融排斥。數字普惠金融以其高效快捷的優勢,不僅可以打破傳統金融時空成本約束,還能有效改善傳統金融的政策排斥與消除制度壁壘,使金融服務觸達欠發達地區,惠及更多被傳統金融服務排斥在外的群體,有助于縮小區域經濟差距,構建一個更為包容的金融發展體系,促進區域經濟協調發展。

(四)內生性與穩健性討論

內生性是本研究無法回避的話題,一方面,數字普惠金融與經濟增長存在互為因果的關系,各省域經濟水平會影響數字普惠金融的發展;另一方面,影響數字普惠金融發展的因素眾多,遺漏的變量若與解釋變量相關則會對估計結果產生偏誤。為確保研究結論的穩健性,我們采取以下策略:

第一,將解釋變量分別滯后一期與兩期進行回歸,即評估去年與前年的數字普惠金融發展水平如何影響當期經濟增長,這在一定程度上可以減弱反向因果問題。根據表5,Dfii系數依然在1%水平上顯著為正,表明原結論依然成立。

第二,工具變量能夠修正互為因果與遺漏變量所導致的內生性問題,借鑒謝絢麗等研究①謝絢麗等《數字金融能促進創業嗎?——來自中國的證據》,《經濟學(季刊)》2018年第4期,第1564-1565頁。,選擇各省域互聯網覆蓋率(Net)作為工具變量,采用兩階段最小二乘法進行估計。Kleibergen-Paap rk LM 統計量為52.411,通過了1%水平上顯著性檢驗,表明“不可識別”檢驗通過;Cragg-Donald Wald F統計量為127.015,Kleibergen-Paap rk Wald F統計量為41.532,均大于10%水平臨界值16.380,表明“弱工具變量”檢驗通過;由于內生解釋變量個數等于工具變量個數,模型為恰好識別,因此,不存在弱工具變量與過度識別問題,互聯網覆蓋率作為數字普惠金融的工具變量選取有效。如表5所示,Dfii系數大小、方向與顯著性均無明顯變化,進一步支持原結論。

第三,在PSTR 模型中改變轉換函數類型,以NSTR(正態分布累積函數),即Φ(γ(Sit-c))替代LSTR函數。表5顯示,更改轉換函數后,位置參數為2.886,轉換速度是2.502,與原回歸結果相似,線性與非線性部分Dfii系數大小、方向與顯著性均未發生明顯改變,表明研究結論是穩健的。

表5 內生性與穩健性檢驗

四 研究結論與政策建議

先進數字技術的賦能正深刻改變著傳統金融服務觸達用戶的模式,延伸金融服務半徑,降低金融交易成本,為傳統普惠金融的發展提供了轉型可能與內生動力。本研究基于2011-2017年中國31個省域的面板數據,采用平滑轉換模型與分位數模型,實證檢驗數字普惠金融發展與經濟增長的關系,主要研究結論如下:(1)數字普惠金融及其三個維度(數字服務的覆蓋廣度、使用深度與數字化程度)均能顯著促進經濟增長;(2)數字普惠金融與經濟增長存在非線性關系,具有門檻效應,當數字普惠金融跨越自身發展水平門檻后,能一步激發其對經濟增長的正向作用;(3)從數字普惠金融指數的三個維度來看,覆蓋廣度對經濟增長的正效應表現為逐漸遞增的非線性變化,使用深度對經濟增長的正效應存在穩定的線性關系,而數字化程度對經濟增長的正效應存在逐漸遞減的非線性特性;(4)數字普惠金融的經濟增長效應具有區域經濟水平異質性,隨著分位點上升,邊際效應逐漸遞減,表明對欠發達地區的促進作用更明顯,充分體現普惠特性。

研究結論肯定了我國發展數字普惠金融的價值,為更好激發數字普惠金融對經濟增長的正向作用,本文提出以下三點政策建議。

第一,積極推動普惠金融數字化,持續釋放經濟增長新動能。在“雙循環”新經濟發展格局下,金融科技是構建“內循環”的重要驅動力。首先,我國仍是以銀行為主導的傳統金融結構,政策制定者應鼓勵多元化的金融生態,融入數字金融發展潮流,完善數字金融行業準入機制,為數字金融發展提供良好政策環境。其次,深化金融與數字技術的融合,通過激發數據要素倍增作用、發揮人工智能的乘數效應與“頭雁”效應,提升金融服務精準度,引導金融資源配置到經濟社會發展的關鍵領域和薄弱環節。最后,數字普惠金融降低了金融服務門檻與成本,但其并未改變金融的本質,金融產品的專業性與業務復雜性并沒有降低。金融機構應注重普及數字金融知識,提升居民數字金融素養,充分挖掘客戶對數字金融服務的潛在需求。

第二,把握數字普惠金融與經濟增長的非線性關系,注意數字普惠金融與經濟增長適度匹配。一是地方政府應加強對數字金融業態風險的測度與預警,防止數字金融的過度發展給經濟增長帶來負的外部效應。同時,在數字金融背景下,金融混業經營更加普遍,多種業務交叉融合,導致風險錯綜復雜、外溢加劇,傳統金融監管框架的適用性與有效性正逐步降低。二是金融管理部門需同步推進金融科技創新和監管科技創新,加大應用監管科技,搭建多層次、全方位的數字化監管框架,構建數字金融治理體系,實現金融創新與金融風險防范的協調統一。

第三,經濟發展水平較為落后的區域具有后發優勢,發展數字普惠金融可以有效促進落后地區的經濟增長。地方政府應因地制宜地制定數字普惠金融發展規劃,切勿實施一刀切政策。一方面,對于中西部欠發達地區,通信基礎設施建設亟須提檔升級,政府應把握“新基建”機遇,運用新一代移動通信、物聯網等技術廣覆蓋、低延時的優勢,彌合城鄉數字鴻溝,提升數字普惠金融覆蓋率。另一方面,在經濟較為發達的東部地區,地方政府應把重點放在升級網絡終端、設施等硬件上,優化網絡傳輸質量,借助5G 技術創新金融產品、優化金融服務模式,提高數字普惠金融的服務效率。