數字普惠金融與居民收入增長研究

段坪利 王淑敏

【摘要】數字普惠金融依托數字技術提升了居民金融服務的可得性。 為探究其是否促進了居民收入的增長、其對不同層級居民收入的影響是否存在差異性， 將2011 ～ 2017年我國285個地級市的統計年鑒數據、中國勞動力動態調查數據庫（CLDS）和北京大學數字普惠金融指數進行匹配， 采用面板分位數回歸模型， 實證檢驗數字普惠金融對居民收入的影響。 結果表明： 無論是宏觀還是微觀層面， 數字普惠金融都促進了居民收入的增長， 并且對中低收入群體促進效應更明顯， 在考慮了內生性及進行了各種穩健性檢驗后結論仍然成立。 進一步的機制分析表明， 數字普惠金融可以通過促進居民創業來提高收入。 研究結論為我國當前發展數字普惠金融促進居民收入包容性增長提供了理論依據。

【關鍵詞】數字普惠金融;收入效應;CLDS;面板分位數

【中圖分類號】F832.5? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）10-0153-8

一、引言

近年來， 隨著大數據、區塊鏈、人工智能等的飛速發展， 信息化技術與普惠金融的結合越來越緊密， 擴大了普惠金融的服務范圍， 提升了服務可得性和便利性。 數字普惠金融是數字信息技術和普惠金融相結合的時代產物， 既具備創新性又具備包容性， 以電子支付為基礎， 彌補了傳統金融管理成本高的不足， 以數字技術為保障， 催生了多元化的服務與產品。

近年來， 我國網絡支付交易規模顯著增長。 網絡支付的蓬勃發展提升了數字普惠金融可得性。 對于居民個體來說， 水電繳費、交通出行、醫療結算、保險理財等領域都能做到支付和生活場景的無縫對接。 對于小微企業來說， 網絡借貸拓展了融資渠道， 提升了融資效率和服務質量， 降低了融資成本。 另外， 我國涉農網貸為滿足農村群體的不同需求而發展和衍生出多層次、多形態的網絡借貸產品， 精準滿足了農業生產經營需求， 扶持了三農群體。 由此可見， 一方面， 得益于互聯網革命的中國數字普惠金融經歷了快速發展， 為農民和普通城鎮居民提升金融便利性和可得性， 減少了傳統金融服務排斥現象。 同時， 數字金融發展帶來的信息數據共享， 也會促進金融產業本身的發展及其普惠性的增強。 但另一方面， 不同地區的數字普惠金融資源配置不合理。 第一， 數字普惠金融還處在發展中， 不同地區的資源分配不一致， 使得各地區間城鄉收入差距的變化趨勢不一致。 第二， 若單單增加金融業務所服務的人群， 實際上只是增加了普惠金融服務數量， 卻未滿足人們對其的需求， 并沒有徹底解決不發達地區的金融排斥問題[1，2] ， 對縮小城鎮居民與農村居民的收入差距沒有實質性幫助。 第三， 數字技術還會引發比普通金融排斥影響更大的“數字排斥”問題， 增加不發達地區獲得金融服務的難度， 使得縮小城鄉收入差距的效應變弱[3] 。

那么， 數字普惠金融是否促進了居民收入的增長？ 其對不同層級居民收入的影響是否存在差異性？ 發展數字普惠金融， 既是服務實體經濟、服務人民生活的重要任務， 也是金融供給側結構性改革的落腳點。 在科技金融、移動支付、物聯網技術大發展的背景下， 數字普惠金融對我國居民收入的影響更值得探討。 相對于傳統普惠金融， 數字普惠金融發揮了以下四個方面的功能： 打通信息壁壘， 緩解信息不對稱; 突破時空的局限性， 降低交易成本; 增加支付的便利， 提升金融服務可得性; 優化金融服務的精度和寬度[4] 。 數字普惠金融通過進一步降低信息不對稱和交易成本增強了融資功能。 普惠金融和數字技術的結合能夠減輕金融排斥， 從而增加居民收入， 尤其是低收入群體的收入[5，6] 。 目前關于數字普惠金融對居民收入影響的實證研究不多， 黃益平和黃卓[7] 系統地回顧了我國數字金融的研究進展， 并提出了數字普惠金融對實體經濟和傳統金融的影響等若干需要實證研究的問題。 劉丹等[8] 基于2011～2015年我國內地29個省份數據， 發現數字普惠金融對農民非農收入有正向空間溢出效應。 張勛等[9] 首次將中國數字普惠金融指數和中國家庭追蹤調查（CFPS）數據相結合， 評估了數字普惠金融對包容性增長的影響， 研究發現數字普惠金融促進了低收入群體的收入增長， 并且是通過促進農戶創業來實現的。 大量文獻主要采用省級層面數據實證分析了數字普惠金融對城鄉收入差距的影響[10-14] ， 研究結果都表明數字普惠金融能縮小城鄉收入差距。 部分文獻研究了數字普惠金融的減貧效應， 如龔沁宜和成學真[15] 、陳陽和趙丙奇[16] 、黃倩等[17] 、劉錦怡和劉純陽[18] 基于省級層面的數據實證分析了數字普惠金融對貧困的影響及其傳導機制， 研究表明數字普惠金融發展總體上有利于貧困減緩， 并且主要是通過改善收入不平衡、促進創業等機制實現。 謝絢麗等[19] 研究發現數字普惠金融促進了創業。 任碧云和李柳潁[20] 基于2114位農村居民調查數據， 研究表明數字普惠金融促進了農村包容性增長。

以往有關數字普惠金融的研究大多采用省級層面數據， 但省際數據容易忽略區域差異， 而且數據樣本量不足， 可能會影響實證結果的有效性。 本文比較系統地整理了2011 ～ 2017年我國285個地級市數字普惠金融和經濟統計數據， 并將數字普惠金融指數與微觀數據庫CLDS（中國勞動力動態調查數據庫）相匹配， 為分析數字普惠金融對居民收入增長的影響提供了來自我國地級市和微觀層面的經驗證據， 并且避免了以往文獻使用小樣本或偏宏觀的數據而影響結果準確性的問題。 以往關于數字普惠金融和收入之間關系的研究， 往往會忽視內生性問題， 比如， 收入與數字普惠金融互為因果、模型遺漏變量、樣本選擇偏誤等。 本文為解決內生性問題， 采用了面板分位數回歸。 分位數回歸法不僅不易受極端值的影響， 而且能從樣本分層的角度提供更全面的信息。 同時， 本文在實證中引入工具變量， 保證了結果的穩健性。

二、研究設計

（一）計量模型構建

1. 數字普惠金融對宏觀居民收入影響的模型構建。 具體如下所示：

LNFCIit=α0+α1DFIit+α2CONTROLS+?i+φt+μit? ? ? ? ? ? ? ? ? （1）

式（1）中， LNFCIit表示居民收入水平， α0為截距項， CONTROLS為選取的所有控制變量， ?i代表個體固定效應， φt代表時間固定效應， μit為隨機干擾項， i表示年份， t表示個體。

模型（1）中， α1用于衡量數字普惠金融的發展對居民收入的總體影響。 參考張勛等[9] 的做法， 加入分位數進一步討論數字普惠金融對不同階層的收入分配效應。 傳統回歸是普通均值回歸， 容易被極端值干擾， 而分位數回歸是對絕對偏差和的加權平均， 可以得到更可靠有效的結果。 且分位數估計可以將樣本分層， 得到更全面、多方位的信息。

QLNFCIit（θ|DFIit）=βi+β（θ）DFIit? ?（i=1，…，n;? t=1，…，T）? ? ? ? ? ?（2）

式（2）中， β（θ）為分位數估計回歸的系數， β（θ）將會根據分位數的不同而發生改變， 如此， 可以同時得到多個分位數條件下核心解釋變量DFIit的回歸系數。 構建如下面板分位數回歸模型：

Qθit（LNFCIit|DFIit）=αi+α1θDFIit+

α2θCONTROLS+εit? ? ? ? ? ? ? ? ? ? ? （3）

式（3）中， θ表示分位數， αi為固定效應， CONTROLS為選取的所有控制變量， εit為隨機誤差項。

2. 數字普惠金融對微觀居民收入影響的模型構建。 鑒于微觀數據為截面數據， 故將模型設定如下：

FTI=α0+α1DFI+α2CONTROLS+μit? ? ?（4）

式（4）中， FTI表示家庭總收入水平， α0為截距項， CONTROLS為選取的所有控制變量， μit為隨機干擾項。

數字普惠金融發展能夠有效緩解小微個體面臨的融資約束， 提升信貸的可得性和便利性， 激發企業創立和就業增長， 從而拉動居民收入的增長。 因此， 在模型中設定被解釋變量家庭創業狀態和家庭是否就業為二維虛擬變量， 并引入Probit 二元選擇模型進行實證分析。 具體如下：

Probit（ENTRE）=φ（α+βDFIF+

γCONTROLS+ε）? ? ? ? ? ? ? ? ? （5）

式（5）中， ENTRE代表微觀居民創業的二維虛擬變量， DFIF代表核心解釋變量， CONTROLS為選取的所有控制變量。

（二）變量選取及描述性統計

1. 核心解釋變量： 數字普惠金融發展水平。 本文采用北大數字金融研發中心公布的《北京大學數字普惠金融指數（2011-2018年）》進行研究， 用該指數（地級市層面數據）（DFI）衡量數字普惠金融發展水平。 該指標為涵蓋了3個一級指標、8個二級指標和24個三級指標的指標體系， 從數字金融覆蓋廣度、使用深度和數字化程度出發， 利用層次分析法計算而得， 能夠直觀地反映我國數字普惠金融發展現狀。 在微觀層面， 數字普惠金融發展水平用每個家庭所在地級市的數字普惠金融指數（DFIF）代替。

圖1匯報了2011 ～ 2018年全國及三大區域的數字普惠金融發展水平的演變趨勢。 觀測期內， 全國及三大區域的數字普惠金融發展水平均呈明顯上升趨勢， 東部地區數字普惠金融發展的平均水平明顯優于全國和中西部區域。 全國水平的數字普惠金融指數從2011年的51.77上升至2018年的233.44， 年均增長率為50.14%， 中西部地區數字普惠金融發展增速明顯優于東部和全國， 有望實現我國普惠金融發展的整體趨同。

本文利用非參數核密度估計方法， 對我國數字普惠金融發展的動態演進軌跡、空間分布特征等方面展開進一步分析， 圖2是由Stata 15.0繪制得到的全國數字普惠金融發展的核密度圖。 2011 ～ 2018年數字普惠金融的分布曲線呈現逐漸向右平移的趨勢， 表明我國數字普惠金融發展整體明顯改善。 除2012年以外， 其他年份的曲線表現出明顯的“雙峰”， 說明數字惠普金融發展面臨不協調的狀況; 2011 ～ 2015年左鋒突出， 說明全國數字普惠金融的發展集聚在較低水平; 2016 ～ 2018年右峰高于左鋒， 說明數字普惠金融發展取得顯著成效。

2. 被解釋變量。 宏觀層面， 考慮到農村和城鎮在經濟發展方面的差異， 本文分別選取農村居民人均純收入（FCI）和城鎮居民人均可支配收入（TCI）衡量農村、城鎮居民的收入水平。 數據來自《2012-2018年中國城市統計年鑒》和Wind數據庫。 在微觀層面， 本文用家庭總收入（FTI）衡量居民收入水平， 數據來源于2016年中國勞動力動態調查數據（China Labor-force Dynamics Survey， CLDS）， 該數據包含勞動家庭成員、個體特征、經濟活動和工作狀況多個方面， 涉及全國29個省、市、自治區（港澳臺、西藏、海南除外）的勞動者， 較廣的覆蓋范圍和不同崗位、不同類型的勞動者分布使得數據具有很強的代表性。

3. 中介變量。 本文選取家庭創業狀態（ENTRE）作為中介傳導變量。

4. 控制變量。 考慮到其他因素可能對居民收入產生影響， 為了盡量消除誤差， 更加準確地估計數字普惠金融對居民收入的影響， 本文設置了控制變量。 宏觀層面的控制變量包括： ①金融發展水平（FL）， 用各地區歷年的銀行業金融機構人民幣各項存貸款余額之和占地區國內生產總值的比重衡量。 ②政府干預水平（GIL）， 用政府公共財政支出占地區生產總值的比重衡量。 在我國， 政府在經濟發展過程中扮演著重要角色， 政府行為對居民收入的初次分配與再分配具有重要的影響， 而居民收入的差距和居民收入的不平衡制約著經濟的發展。 ③產業結構（IS）， 用第一產業增加值與當年地區生產總值的比值衡量。 ④就業水平（EL）， 用第一產業就業人數占各地區年末總人口數的比重衡量。 一個地區從事農業的人口比重較大， 代表該地區的經濟可能欠發達。 ⑤通信設施水平（CFL）， 用每萬戶擁有固定電話個數衡量。 通信設施的覆蓋與便利對居民有著重要的減貧增收效應。 ⑥投資水平（IL）， 用固定資產投資占地區生產總值的比重衡量。 固定資產投資體現著基礎設施建設水平。 ⑦醫療發展水平（ML）， 用每萬人床位數衡量。 ⑧教育發展水平（EDL）， 用教育經費支出占一般公共財政預算支出的比重衡量。 微觀層面的控制變量包括： ①戶主特征變量， 如戶主年齡（AGE）、性別（GEN）、政治面貌（POL）、是否參加過技術培訓（TEC）、健康水平（HEA）和婚姻狀況（MAR）。 ②家庭特征變量， 如家庭規模（FS）、家庭成員手機（PHO）和互聯網（INT）的使用情況。 ③社區特征變量（CS）， 戶主所在社區的規模。 所有控制變量的原始數據來源于《2012-2018年中國城市統計年鑒》和2016年中國勞動力動態調查數據庫， 并對變量的缺失值、奇異值進行了處理。

本文選取了較多實證分析變量， 且在模型設定前進行了解釋變量間的相關性和共線性檢驗， 所有解釋變量之間均不存在高度的共線性和相關性。 表1為主要變量的定義及描述性統計。

三、實證結果與分析

（一）宏觀層面數字普惠金融對居民收入的影響

1. 數字普惠金融對居民收入的影響： 基準回歸。 表2報告了數字普惠金融對居民收入影響的回歸結果。 為了保證結果的穩健性， 同時進行了動態和靜態回歸分析。 回歸結果顯示， 數字普惠金融在1%的顯著性水平上促進了居民收入的增長。

2. 數字普惠金融對不同收入階層居民收入的影響： 面板分位數回歸。 內生性問題出現的原因通常包含解釋變量與被解釋變量互為因果、變量測量誤差、模型遺漏變量、樣本選擇偏誤等四個方面。 本文的研究對象為我國285個地級市， 包括了東、中、西部三大區域不同經濟水平的地區， 因此， 可避免由樣本選擇偏差而導致的內生性問題。 但有可能存在地區居民收入水平與當地數字普惠金融發展水平之間互為因果以及衡量指標存在測量誤差、影響因素較多而不能全面控制等問題， 使得研究模型存在一定的內生性。 因此， 本文參考已有文獻的做法， 擬將滯后一期的數字普惠金融指數作為內生變量的工具變量， 內生解釋變量與其滯后變量相關， 而滯后變量與當期的擾動項不相關， 該工具變量同時通過了不可識別和弱工具變量檢驗。 數字普惠金融的發展促進了居民收入增長， 但不同收入階層能否均等地享有數字普惠金融發展紅利尚未可知。 在不關注極少數富裕群體的前提下， 農村人口的數字普惠金融發展邊際報酬是否比城鎮人口高？ 不同收入階層的群體獲益如何？ 為回答以上問題， 本文選取10% ～ 90%的分位點劃分城鄉居民收入層級， 基于模型（3）、運用面板數據工具變量分位數回歸， 進一步論證數字普惠金融對不同收入階層的邊際貢獻。

由表3可知， 農村居民和城鎮居民的數字普惠金融發展指數影響系數分別為0.00418和0.00274， 在1%的水平上顯著。 這類人口享有最低的金融要素邊際報酬率， 20% ～ 70%分位點的系數呈現波動下降的趨勢， 20%分位點處的人口享有最高的金融要素邊際報酬率， 其所獲得的增收效應最為明顯， 隨著分位數的上升， 增收影響逐漸下降， 而到了80% ～ 90%分位點， 數字普惠金融的影響系數又開始上升。 據此， 可推測不同收入階層的居民并不能平等地享受數字普惠金融發展的紅利。 同時， 數字普惠金融對農村和城鎮居民的增收作用具有顯著的異質性， 農村居民人均純收入的數字普惠金融邊際效應高于城鎮居民人均可支配收入。 農村樣本中， 數字普惠金融發展對不同收入階層居民的收入效應規律為： 較高收入者（80% ～ 90%分位點）>較低收入者（20% ～ 50%分位點）>中等收入者（60% ～ 70%分位點）>極低收入者（10%分位點）。 較高收入者往往為農村中的精英群體， 其自身的素質、社會資源和經濟實力會使他們優先享受到數字普惠金融發展帶來的紅利; 而收入較低者能夠擁有比中等收入者更高的邊際報酬， 說明數字普惠金融的包容性和精準幫扶起到作用， 削弱了中等收入者在地理位置、交通、信息方面的優勢; 極低收入者的邊際報酬最低， 意味著數字普惠金融也離不開基礎設施的支撐。 城鎮樣本中， 數字普惠金融發展對不同收入階層居民的收入效應規律為： 從10%分位點處開始下降， 至50%分位點以后開始上升。 之所以會產生先降后升的規律， 可能的解釋是： 城鎮居民擁有比較完善的信息和互聯網方面的基礎設施， 數字普惠金融的創新性幫助較高收入者增加效益， 包容性引導金融機構幫助更低收入者實現收入水平的提升。

（二）微觀層面數字普惠金融對居民收入的影響

1. 數字普惠金融與居民收入： 基準回歸。 表4為數字普惠金融對家庭總收入的影響分析， 列（1）只考慮了滯后一期的數字普惠金融發展對家庭總收入的影響， 列（2） ～ （4）逐步控制了戶主、家庭和村居特征變量， 且R2的值逐漸增大。

表4顯示， 列（1） ～ （4）中數字普惠金融對家庭總收入均具有顯著的正向影響。 技術培訓、政治面貌、婚姻狀況、健康水平對家庭總收入也產生了不同程度的正向促進作用。 戶主是否使用手機或電腦對家庭總收入的影響通過了顯著性檢驗， 表明數字普惠金融會通過互聯網的使用影響家庭收入水平。

2. 數字普惠金融對各個層級居民收入的影響： 分位數回歸。 由表5報告的結果可知， 20%分位點的影響系數高于10%分位點， 20% ～ 80%分位點的影響系數依次遞減， 90%分位點的系數又略高于80%分位點。 圖3直觀地呈現了此規律： 微觀家庭的收入效應隨著分位數的上升逐漸降低。

3. 穩健性檢驗。

（1）本文將樣本按照戶主所在村居類型分為農村與城鎮兩個子樣本， 研究在經濟狀況有顯著差異的樣本分類下， 數字普惠金融發展與家庭收入之間的關系是否存在顯著差異， 同時采用工具變量分位數回歸， 控制了內生性， 探尋不同收入階層的系數差異性。

由表6的回歸結果可以發現， 數字普惠金融對農村居民和城鎮居民的家庭收入均產生了顯著的正向影響， 而且在三個分位點上， 農村居民的回歸系數均要大于對應的城鎮居民。 隨著分位點的增加， 城鄉居民收入的數字普惠金融影響系數均下降。 這表明， 數字普惠金融對不同收入階層的影響程度不同， 對較低收入群體的影響大于較高收入群體。 從全國范圍來看， 農村居民的人數大約是城鎮居民人數的1.7倍， 數字普惠金融發展對緩解城鄉收入差距具有重要意義， 在促進我國包容性增長方面發揮了重要作用。

（2）本文將進一步考察覆蓋廣度、使用深度和數字化程度三個二級維度指數， 以及支付、保險、貨幣基金、投資、信用、信貸六個三級維度指數對居民收入的影響。 通過前文構建的模型進行回歸， 回歸結果見表7。

結果顯示， 覆蓋廣度和使用深度能顯著促進家庭收入的增長， 而數字化程度的貢獻度未能顯現。 在數字普惠金融發展初期， 覆蓋廣度可以緩解經濟環境較差地區實體金融機構數量不足的問題， 減少信息不對稱; 使用深度較好地解決了金融服務需求方面的問題， 便利需求， 刺激供給， 從而發揮增收作用。 因此， 發展數字金融產業， 需要繼續拓寬金融服務的覆蓋廣度， 加大使用深度， 提升服務能力。 三級維度的系數表明， 信用是對系數影響最大的維度。 由于大數據和物聯網的發展， 金融機構可以從生活數據的多個方面對居民的信用做出更科學的評級， 緩解了信息不對稱。 因此， 在互聯網技術大發展的背景下， 政府應該聯合金融機構對消費者征信系統進行完善， 降低交易成本。

（3）用金融科技指數（FT）替換數字普惠金融指數。 借鑒沈悅等[21] 、李春濤等[22] 構建金融科技指數的算法， 用金融科技作為數字普惠金融的替代指標， 分析其對居民收入的影響。 結果如表8和表9所示， 數字普惠金融顯著促進了居民收入的增長， 并且對農村居民和中低收入群體的促進效應更顯著。

4. 傳導路徑： 居民創業與就業。 數字普惠金融為傳統金融不能觸達的創業者提供服務， 部分緩解了信貸約束; 同時， 其價格發現和風險監管功能提高了自主創業者資金融通效率， 進而節約了金融交易成本， 提升了資金投資效率。 據此， 數字金融可為城鄉居民增加創業的機會， 提供更多的就業崗位， 即服從“數字金融→普惠金融→居民創業機會的均等化→居民收入增長”的傳導機制。

采用Probit模型對數字普惠金融和居民創業之間的關系進行估算， 結果見表10。 同時， 選用滯后一期的數字普惠金融指數控制內生性問題， 并且控制了戶主特征、家庭特征和社區特征變量， 力求結果的穩健性。

表10中， 第（1）列只考慮了數字金融發展程度指標; 第（2） ～ （4）列逐步控制了戶主特征、家庭特征和社區特征; 第（5） ～ （6）列是將全樣本分為農村和城鎮兩個子樣本。 所有回歸中， 數字普惠金融發展均對家庭創業產生了正向促進作用， 并且在1%的水平上顯著， 在一定程度上證明了“數字金融→普惠金融→居民創業機會的均等化→收入增長”的傳導機制。 另外， 本文發現數字普惠金融對農村居民創業的影響程度低于城鎮居民。

四、研究結論與政策建議

本文分別將2011 ～ 2017年我國285個地級市的統計年鑒數據、中國勞動力動態調查數據庫（CLDS）和北京大學數字普惠金融指數進行匹配， 采用面板分位數回歸模型， 實證檢驗了數字普惠金融對居民收入的影響。 研究結果表明： 無論是宏觀還是微觀層面， 數字普惠金融都促進了居民收入的增長， 并且對中低收入群體的促進效應更明顯， 在考慮了內生性及進行了各種穩健性檢驗后結論依然成立。 進一步的機制分析表明， 數字普惠金融可以通過促進居民創業來提高收入。 本文的研究結論為我國當前發展數字普惠金融、促進居民收入增長提供了理論依據。

相應的政策建議為： ①對于以農村為代表的經濟發展較落后的地區， 大力推動數字金融的基礎設施建設和信用信息體系建設， 主要體現在金融服務終端和網絡設施等硬件上， 加快組織實施電信普遍服務和提速降費專項行動， 優化網絡質量。 重視數字普惠金融目標人群的金融知識普及工作， 推進數字金融知識納入教育體系。 強化對弱勢地區的金融監管， 提升監管質效。 完善配套的支持政策， 激發金融機構內生動力。 ②對于以城鎮為代表的信息化建設水平較高的地區， 應推動互聯網金融創新發展、集聚發展、規范發展， 激發市場的主觀能動性。 同時， 建立互聯網金融風險防控體系， 完善數據共享協同機制， 協同各部門、地方政府和金融機構搭建大數據信用體系， 共享標準規范。

【 主 要 參 考 文 獻 】

[1] 王瑤佩，郭峰.區域數字金融發展與農戶數字金融參與：渠道機制與異質性[ J].金融經濟學研究，2019（2）：84 ～ 95.

[2] 郭峰，王瑤佩.傳統金融基礎、知識門檻與數字金融下鄉[ J].財經研究，2020（1）：19 ～ 33.

[3] 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（3）：132 ～ 145.

[4] 田杰，劉勇，劉蓉.信息通信技術、金融包容與農村經濟增長[ J].中南財經政法大學學報，2014（2）：112 ～ 118.

[5] Jack W.，Ray A.，Suri T.. Transaction networks： Evidence from mobile money in kenya[ J].The American Economic Review，2013（3）：356 ～ 361.

[6] Kapoor A.. Financial inclusion and the future of the Indian economy[ J].Futures，2014（56）：35 ～ 42.

[7] 黃益平，黃卓.中國的數字金融發展：現在與未來[ J].經濟學（季刊），2018（4）：1489 ～ 1502.

[8] 劉丹，方銳，湯穎梅.數字普惠金融發展對農民非農收入的空間溢出效應[ J].金融經濟學研究，2019（3）：57 ～ 66.

[9] 張勛，萬廣華，張佳佳等.數字經濟、普惠金融與包容性增長[ J].經濟研究，2019（8）：71 ～ 86.

[10] 宋曉玲.數字普惠金融縮小城鄉收入差距的實證檢驗[ J].財經科學，2017（6）：14 ～ 25.

[11] 張子豪，譚燕芝.數字普惠金融與中國城鄉收入差距——基于空間計量模型的實證分析[ J].金融理論與實踐，2018（6）：1 ～ 7.

[12] 張賀，白欽先.數字普惠金融減小了城鄉收入差距嗎？——基于中國省級數據的面板門檻回歸分析[ J].經濟問題探索，2018（10）：122 ～ 129.

[13] 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（1）：33 ～ 41.

[14] 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（1）：196 ～ 205.

[15] 龔沁宜，成學真.數字普惠金融、農村貧困與經濟增長[ J].甘肅社會科學，2018（6）：139 ～ 145.

[16] 陳陽，趙丙奇.中國數字普惠金融的減貧效應研究[ J].科技與管理，2019（4）：63 ～ 68.

[17] 黃倩，李政，熊德平.數字普惠金融的減貧效應及其傳導機制[ J].改革，2019（11）：90 ～ 101.

[18] 劉錦怡，劉純陽.數字普惠金融的農村減貧效應：效果與機制[ J].財經論叢，2020（1）：43 ～ 53.

[19] 謝絢麗，沈艷，張皓星等.數字金融能促進創業嗎？——來自中國的證據[ J].經濟學（季刊），2018（4）：1557 ～ 1580.

[20] 任碧云，李柳潁.數字普惠金融是否促進農村包容性增長——基于京津冀2114位農村居民調查數據的研究[J]. 現代財經（天津財經大學學報），2019（4）：3 ～ 14.

[21] 沈悅，郭品.互聯網金融、技術溢出與商業銀行全要素生產率[ J].金融研究，2015（3）：160 ～ 175.

[22] 李春濤，閆續文，宋敏等.金融科技與企業創新——新三板上市公司的證據[ J].中國工業經濟，2020（1）：81 ～ 98.