數(shù)字普惠金融減貧效應(yīng)的空間溢出效應(yīng)分析*
——基于我國省際面板數(shù)據(jù)分析

陳丹丹，劉 慶，楊欣君，張寧欣，貢煬坤

（南京財經(jīng)大學(xué)，江蘇 南京 210046）

改革開放以來，貧困一直是我國長期面臨的問題。繼“脫貧攻堅”后， “鄉(xiāng)村振興”成為現(xiàn)階段經(jīng)濟新常態(tài)下的一項重要任務(wù)。金融行業(yè)在現(xiàn)代經(jīng)濟中占據(jù)核心位置。鄉(xiāng)村振興也離不開金融助力。我國非常需要通過金融發(fā)展對接鄉(xiāng)村振興的多元化融資需求。近年來，中央出臺了一系列政策文件以期引導(dǎo)多種資金參與到扶貧工作中，但是由于金融抑制與金融排斥等原因，農(nóng)村居民依然長期面臨著融資約束，這大大降低了金融扶貧的實際效果。2005 年，聯(lián)合國正式提出“普惠金融”的概念，開發(fā)了一條金融扶貧的新道路。 “普惠金融”在完善金融基礎(chǔ)設(shè)施和金融機構(gòu)可負擔(dān)成本的基礎(chǔ)上，通過為特定弱勢群體提供融資機會和金融支持的方式，實現(xiàn)減貧增收與經(jīng)濟發(fā)展，大大減少了傳統(tǒng)金融排斥的問題，改善了低收入群體、農(nóng)村居民的生活質(zhì)量。隨著互聯(lián)網(wǎng)技術(shù)飛速發(fā)展，傳統(tǒng)普惠金融與互聯(lián)網(wǎng)技術(shù)結(jié)合產(chǎn)生了數(shù)字普惠金融。數(shù)字普惠金融依托物聯(lián)網(wǎng)、大數(shù)據(jù)、云計算等數(shù)字信息技術(shù)，進一步降低成本、擴大金融覆蓋面、減少金融排斥，對于促進經(jīng)濟發(fā)展、縮小城鄉(xiāng)差距、提高低收入群體的生活水平有顯著作用。

然而，數(shù)字普惠金融能否真正克服傳統(tǒng)金融扶貧中存在的金融排斥等問題，進而實現(xiàn)農(nóng)村地區(qū)的鄉(xiāng)村振興，又將通過何種機理得以實現(xiàn)？隨著區(qū)域間交流的不斷深化，數(shù)字普惠金融是否存在區(qū)域間的溢出效應(yīng)更加值得討論。考慮到這些問題，本文以2011—2019 年全國31 個省市自治區(qū)的面板數(shù)據(jù)作為研究樣本，基于數(shù)字普惠金融對低收入群體生活水平影響的理論基礎(chǔ)，通過建立空間計量模型，研究全國各省份近年來數(shù)字普惠金融的減貧效應(yīng)及空間溢出效應(yīng)，以期為金融發(fā)展支持扶貧開發(fā)及進行鄉(xiāng)村振興提供理論支持與決策參考。

1 相關(guān)文獻綜述

1.1 金融扶貧的發(fā)展歷程

改革開放以來，我國脫貧攻堅工作取得顯著成效。其中，金融扶貧在脫貧工作中發(fā)揮了重要作用。即使是在全面脫貧的今天，金融扶貧對鄉(xiāng)村振興也有著重大影響。

扶貧小額信貸、扶貧金融債等多種金融工具顯著促進了貧困人口脫貧、經(jīng)濟發(fā)展、收入增長。Conroy J[1]和Allen K 等[2]認為農(nóng)村地區(qū)金融產(chǎn)品的需求與金融機構(gòu)的供給存在不一致性，不可避免地會存在金融排斥、金融抑制現(xiàn)象，實施金融扶貧仍存在一定難度。因此，為了保證貧困人口和弱勢群體的權(quán)益，黨的十八屆三中全會正式提出要發(fā)展普惠金融。普惠金融是指立足機會平等要求和商業(yè)可持續(xù)原則，以可負擔(dān)的成本為有金融服務(wù)需求的社會各階層和群體提供適當(dāng)、有效的金融服務(wù)。李建軍等[3]認為傳統(tǒng)金融更專注于金融機構(gòu)與金融工具的發(fā)展情況。而普惠金融更注重金融的“普惠性”，即要讓社會各層面均能享受到金融服務(wù)。杜曉山[4]提出利用普惠金融滿足低收入弱勢群體如小微企業(yè)、農(nóng)民、城鎮(zhèn)低收入人群、貧困人群和殘疾人、老年人等特殊群體的金融需求。

隨著互聯(lián)網(wǎng)的發(fā)展，傳統(tǒng)金融與互聯(lián)網(wǎng)技術(shù)結(jié)合得越來越緊密，數(shù)字普惠金融應(yīng)運而生，給普惠金融的發(fā)展指明了新的方向。在2016 年的G20 峰會上，數(shù)字普惠金融的概念被正式提出。數(shù)字普惠金融更加注重數(shù)字技術(shù)的運用，提高了金融服務(wù)的可得性與覆蓋性。焦瑾璞等[5]認為數(shù)字技術(shù)具有低成本、高效率的特征，在促進普惠金融發(fā)展中具有明顯優(yōu)勢。2016 年，北京大學(xué)數(shù)字研究中心發(fā)布了第一期數(shù)字普惠金融指數(shù)，該指數(shù)自發(fā)布后成為眾多學(xué)者研究數(shù)字普惠金融的主要參考數(shù)據(jù)。

1.2 數(shù)字普惠金融發(fā)展對貧困的影響

研究表明，普惠金融對于貧困減緩的影響并不是完全正相關(guān)且線性的。焦瑾璞從縣域和省域兩側(cè)層面，利用普通最小二乘法 （Ordinary Least Squares，OLS）和雙重差分法（Differences-In-Differences，DID）檢驗了普惠金融的政策效應(yīng)，并從其結(jié)果可以總結(jié)出普惠金融在其發(fā)展初期，能夠在一定程度上縮小城鄉(xiāng)收入差距，尤其在集中連片特困區(qū)、銀行服務(wù)包容性不高的地區(qū)最為顯著。然而楊俊等[6]經(jīng)過研究發(fā)現(xiàn)，農(nóng)村金融發(fā)展短期減貧效果顯著，但長期減貧效果欠佳。黃秋萍等[7]發(fā)現(xiàn)普惠金融對于貧困的減緩作用隨著普惠金融的發(fā)展呈現(xiàn)邊際遞減效應(yīng)。李建軍等[8]發(fā)現(xiàn)若貧困地區(qū)的貧困戶過度依賴銀行提供的流動性金融資金，那么銀行內(nèi)部巨大的負債則會帶來一定的金融風(fēng)險，通過緊縮流動性加劇金融危機，從而導(dǎo)致經(jīng)濟的下滑。

數(shù)字普惠金融作為普惠金融的創(chuàng)新，得到許多學(xué)者的關(guān)注。陳嘯等[9]證明數(shù)字普惠金融相較于傳統(tǒng)普惠金融更能縮小本地區(qū)城鄉(xiāng)居民的收入差距。宋曉玲[10]利用北大互聯(lián)網(wǎng)金融研究中心構(gòu)建的數(shù)字普惠金融指數(shù)，研究發(fā)現(xiàn)數(shù)字普惠金融發(fā)展對縮小城鄉(xiāng)收入差距具有積極作用。陳丹等[11]的研究表明數(shù)字普惠金融顯著促進了農(nóng)村居民收入水平的增加。錢鵬歲等[12]利用中介效應(yīng)模型進行評估，得出數(shù)字普惠金融對于貧困減緩具有顯著的促進作用。

美國經(jīng)濟學(xué)家肯尼斯·約瑟夫·阿羅最早用外部性解釋了溢出效應(yīng)對經(jīng)濟增長的作用，引發(fā)了學(xué)者的一致關(guān)注。此后，根據(jù)普惠金融發(fā)展空間廣度、發(fā)展深度及渠道維度的不同，其空間溢出效應(yīng)、門檻效應(yīng)與渠道也被提出。顧寧等[13]認為溢出效應(yīng)中的空間溢出效應(yīng)在同類研究中成果最顯著。有學(xué)者利用莫蘭指數(shù)（Moran's I）法檢驗區(qū)域經(jīng)濟增長空間相關(guān)性并使用空間回歸模型偏微分方法研究金融排斥的空間溢出效應(yīng)。沈麗等[14]發(fā)現(xiàn)我國區(qū)域經(jīng)濟增長存在顯著空間相關(guān)性，具有較為顯著的空間溢出效應(yīng)。在另一項研究中，學(xué)者基于省級面板數(shù)據(jù)利用貝葉斯方法設(shè)定空間計量模型，總結(jié)出了數(shù)字普惠金融在東部地區(qū)、中西部地區(qū)的影響差異。

基于上述文獻分析不難看出，數(shù)字普惠金融作為普惠金融的形式之一，與普惠金融的內(nèi)涵影響存在一定相似性，且數(shù)字普惠金融的發(fā)展對于減緩貧困有一定的促進作用。目前關(guān)于普惠金融測度與普惠金融減貧效應(yīng)的分析較為全面客觀，然而數(shù)字普惠金融的概念出現(xiàn)較晚，目前我國關(guān)于數(shù)字普惠金融的研究較少。因此本文將以數(shù)字普惠金融減貧效應(yīng)的空間溢出效應(yīng)為主要研究對象，分析數(shù)字普惠金融空間溢出效應(yīng)的具體影響。

2 數(shù)字普惠金融減貧效應(yīng)的作用機制

自從數(shù)字普惠金融發(fā)展以來，其對于我國貧困減緩有著極大的影響。目前學(xué)界普遍認為數(shù)字普惠金融對于貧困減緩的作用機制主要分為直接與間接作用機制兩種。直接作用機制主要體現(xiàn)在數(shù)字普惠金融運用先進的信息技術(shù)，對原有的儲蓄和信貸進行了創(chuàng)新，拓寬了金融服務(wù)的廣度與深度，直接減緩了我國的貧困狀況。間接作用機制則體現(xiàn)在數(shù)字普惠金融的發(fā)展對于社會經(jīng)濟增長的促進使居民收入分配差距減少，產(chǎn)業(yè)升級加快，間接減緩了我國的貧困狀況。

2.1 直接作用

2.1.1降低金融市場準(zhǔn)入門檻

因地理、經(jīng)濟等方面因素，偏遠地區(qū)、經(jīng)濟發(fā)展較落后地區(qū)以及人口密度較小地區(qū)的傳統(tǒng)普惠金融服務(wù)成本較高而收益較低，因此這些地區(qū)的傳統(tǒng)普惠金融發(fā)展較為落后，人們很難享受到普惠金融服務(wù)的便利，金融排斥現(xiàn)象由此產(chǎn)生。而數(shù)字普惠金融運用先進的信息技術(shù)，對原有的信息流動狀況進行了簡化，使金融市場的信息流通俗易懂化，便于人們簡單快捷地享受到優(yōu)質(zhì)的金融服務(wù)。同時，數(shù)字普惠金融的發(fā)展也催生了新型資金儲蓄平臺。這些平臺相較于以往的小額信貸、銀行等金融機構(gòu)降低了普惠金融服務(wù)的門檻，使得貧困群體有能力進行小額的資產(chǎn)投資。

2.1.2降低原有金融服務(wù)成本

數(shù)字普惠金融是互聯(lián)網(wǎng)數(shù)字技術(shù)與普惠金融的結(jié)合體。相比于傳統(tǒng)普惠金融，數(shù)字普惠金融降低了金融服務(wù)成本，減少了空間限制程度，有利于普惠金融延伸至貧困地區(qū)。除此以外，信息技術(shù)的使用也使金融市場上的信息流動更為迅速，人們可以通過數(shù)字技術(shù)簡單快捷地了解到當(dāng)前金融市場的相關(guān)形式，大大減少了先前因信息不對稱而造成的巨額交易成本。

2.2 間接作用

2.2.1經(jīng)濟增長與空間溢出效應(yīng)

空間溢出效應(yīng)就是指生產(chǎn)活動以及經(jīng)濟活動跨越各種阻隔，產(chǎn)生了除預(yù)期目的以外的效果，形成普遍存在的經(jīng)濟活動上的空間作用。根據(jù)Richardson H W[15]的研究，將空間溢出效應(yīng)分為正溢出效應(yīng)（涓滴效應(yīng)）以及負溢出效應(yīng)（回流效應(yīng)）。

“涓滴效應(yīng)”，是指在經(jīng)濟發(fā)展過程中先使富人受益，再由富人通過投資消費等方式擴大就業(yè)市場，提高原材料需求量，繼而間接增強作為供應(yīng)者貧困群體的經(jīng)濟水平，實現(xiàn)一定程度的貧困減緩。同時富人為政府提供了更多的稅收收入，稅收為貧困階級提供了一定的保障，間接減緩了我國的貧困狀況。數(shù)字普惠金融的經(jīng)濟增長主要是利用“涓滴效應(yīng)”實現(xiàn)對貧困狀況的間接減緩。

“回流效應(yīng)”，是指因為地區(qū)間的人口遷移、資源流動以及貿(mào)易往來等經(jīng)濟因素產(chǎn)生累積效應(yīng)導(dǎo)致的負向效用，阻礙了周邊地區(qū)的經(jīng)濟發(fā)展，因此數(shù)字普惠金融的發(fā)展可能會導(dǎo)致周邊地區(qū)人才資源流失，阻礙周邊地區(qū)發(fā)展；而當(dāng)數(shù)字普惠金融長期發(fā)展至一定水平后，地區(qū)間差距減小，空間溢出效應(yīng)逐漸萎縮，只能對本地區(qū)產(chǎn)生正向影響。

2.2.2收入分配效應(yīng)

數(shù)字普惠金融降低了原有的金融服務(wù)成本，從而使貧困群體的借貸成本大大減少，間接地增加了其收入水平。同時數(shù)字普惠金融對于信息流的簡化使得我國各大農(nóng)村地區(qū)可以方便快捷地享受到安全的金融服務(wù)，這極大地促進了我國欠發(fā)達地區(qū)的發(fā)展，減少了地區(qū)間的發(fā)展差異，改善了我國的收入分配狀況。

3 相關(guān)實證分析

3.1 數(shù)據(jù)來源

本文選取2011—2019 年我國31 個省市自治區(qū)的面板數(shù)據(jù)作為研究樣本，數(shù)據(jù)來源于《中國統(tǒng)計年鑒》 《中國貧困監(jiān)測報告》、CSMAR 數(shù)據(jù)庫與北京大學(xué)數(shù)字普惠金融指數(shù)[16]。

3.2 變量說明

3.2.1被解釋變量

本文采用貧困發(fā)生率（Pov）作為被解釋變量。貧困問題不僅代表著經(jīng)濟上的落后，還代表著公民權(quán)利、能力的缺失，因此減貧工作是重中之重。本文研究的是數(shù)字普惠金融的減貧效應(yīng)，被解釋變量必須能夠可靠地衡量我國各省減貧情況。目前，學(xué)界對于減貧效應(yīng)衡量可選用的指標(biāo)眾多，如貧困發(fā)生率、FGT 指數(shù)、恩格爾系數(shù)、泰爾指數(shù)等。本文參考龔沁宜等[17]與夏玲[18]的方法，采用貧困發(fā)生率作為衡量減貧效應(yīng)的指標(biāo)。

3.2.2解釋變量

本文采用北大數(shù)字普惠金融指數(shù)（If）對數(shù)化后的結(jié)果作為解釋變量。北大數(shù)字普惠金融指數(shù)是在北京大學(xué)數(shù)字金融研究中心與螞蟻金服的共同合作下完成的。該指數(shù)從實際數(shù)字金融服務(wù)的覆蓋廣度、使用深度和數(shù)字支持程度3 個維度出發(fā)，通過對于33 個指標(biāo)的處理對我國數(shù)字普惠金融的發(fā)展進行了全面客觀的衡量。

3.2.3控制變量

為了使模型更加科學(xué)準(zhǔn)確，考慮到影響貧困的其他因素，本文引入經(jīng)濟發(fā)展水平（Eco）、城鎮(zhèn)化水平（Urb）、城鄉(xiāng)收入差距（Gap）、財政干預(yù)程度（Gov）、產(chǎn)業(yè)結(jié)構(gòu)（Str）、受教育程度（Edu）作為控制變量。

1）經(jīng)濟發(fā)展水平。一般情況下，經(jīng)濟發(fā)展水平對貧困減緩存在一定影響。在一定條件下，經(jīng)濟增長與貧困減緩存在正相關(guān)。本文借鑒錢鵬歲的研究對數(shù)化人均實際GDP，并以此作為經(jīng)濟發(fā)展水平的衡量指標(biāo)。

2）城鎮(zhèn)化水平。農(nóng)村人口向城市不斷遷移，導(dǎo)致了農(nóng)村人口的流失、擴大了城鄉(xiāng)收入差距，但也在一定程度上提高了人們的收入水平，促進了勞動力市場的發(fā)展。本文采用城鎮(zhèn)人口占總?cè)丝诘谋戎刈鳛楹饬砍擎?zhèn)化水平的指標(biāo)。

3）城鄉(xiāng)收入差距。我國社會的收入分配差距問題十分嚴重，城鄉(xiāng)收入差距加劇了城鎮(zhèn)鄉(xiāng)村的兩極化發(fā)展，不利于貧困減緩。本文采用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均可支配收入的比值作為衡量收入分配水平的指標(biāo)。

4）財政干預(yù)程度。政府的財政干預(yù)對經(jīng)濟發(fā)展有一定影響。對貧困人口福利支出甚至直接改善了農(nóng)村貧困現(xiàn)狀。本文采用財政涉農(nóng)支出金額占財政支出總額的比重作為衡量財政干預(yù)水平的指標(biāo)。

5）產(chǎn)業(yè)結(jié)構(gòu)。國家產(chǎn)業(yè)結(jié)構(gòu)調(diào)整有利于農(nóng)村剩余勞動力轉(zhuǎn)移，增加就業(yè)機會，對貧困問題的緩解起到重要作用。本文采用第一、二產(chǎn)業(yè)增加值占國內(nèi)生產(chǎn)總值的比重作為衡量產(chǎn)業(yè)結(jié)構(gòu)的指標(biāo)。

6）受教育程度。教育是一國基石，能從根本上提高人們的經(jīng)濟能力，對貧困減緩有著正向作用。本文采用地方財政支出占地方財政一般預(yù)算支出的比值作為衡量教育水平的指標(biāo)。

3.3 空間自相關(guān)檢驗

3.3.1空間自相關(guān)模型

空間自相關(guān)又稱空間依賴性，空間自相關(guān)分析是分析數(shù)據(jù)地理性因素的基本方法之一。Tobler 的地理學(xué)第一定律曾描述： “所有的事物都是有聯(lián)系的，一個地方發(fā)生的事件總是與它附近發(fā)生的事件有關(guān)聯(lián)，并且相距近的事物之間的聯(lián)系一般比相距遠的事物之間的聯(lián)系要緊密。”普惠金融減貧效應(yīng)地理間的差異也同樣具有此類空間相關(guān)性。

本文采用北京大學(xué)數(shù)字普惠金融指數(shù)的相關(guān)數(shù)據(jù)，以我國31 個省市自治區(qū)和年份作為劃分依據(jù)對其空間依賴性進行分析。對數(shù)字普惠金融減貧效應(yīng)進行空間自相關(guān)分析的前提是要量化各個省份之間的空間關(guān)系（相鄰—1，不相鄰—0，默認海南省和廣東省是相鄰省份），即建立我國各個省份之間的空間權(quán)重模型。

模型建立后，一般采用莫蘭分析法和空間熱點分析（Getis-Ord Gi*）兩種方法進行數(shù)據(jù)分析，本文則利用莫蘭分析法對其進行描述性統(tǒng)計，觀測其空間維度與變量之間的相關(guān)關(guān)系。

3.3.2全局空間自相關(guān)檢驗分析

全局指標(biāo)可從區(qū)域整體上測度某一屬性的空間集聚程度，利用全局（Global）莫蘭指數(shù)進行分析，本文利用這一指標(biāo)表示空間相鄰區(qū)域內(nèi)普惠金融減貧效應(yīng)以及普惠金融指數(shù)屬性的相似程度，以此來說明其空間相關(guān)性。常用的莫蘭指數(shù)計算公式為

式中：i 為地區(qū)；j 為年份；xi為第i 個地區(qū)的數(shù)據(jù)；x為所有地區(qū)數(shù)據(jù)對應(yīng)的均值；n 為地區(qū)要素的總數(shù)（本文研究的地區(qū)數(shù)n 是全國31 個省市自治區(qū)的合計數(shù)）；Wij為空間權(quán)重矩陣中行為i，列為j 的元素；S0為所有空間權(quán)重的聚合。莫蘭指數(shù)存在以下性質(zhì)：若取值大于0 小于1，則說明存在正的自相關(guān)關(guān)系；若取值大于-1 小于0，則意味著指數(shù)間存在負的自相關(guān)關(guān)系；若等于0，則不存在相關(guān)性。

利用Stata 軟件對2011—2019 年度的Pov，If，Eco，Urb，Gap，Gov，Str，Edu 八大指標(biāo)進行莫蘭分析，其結(jié)果見表1。另根據(jù)相關(guān)指數(shù)Z 值與P值，結(jié)合表1 可以得出：Pov，If，Eco，Urb 4 個指標(biāo)均通過置信度99%的檢驗；Gap （除2011 年、2012 年置信度達到95%外），Gov （除2013 年、2014 年置信度達到95%外），Edu （除2012 年、2016 年、2017 年置信度達到95%，2015 置信度達到90%外）3 個指標(biāo)置信度也達到了99%，使本次檢驗結(jié)果較為可信。

表1 莫蘭指數(shù)置信度判斷

表2為全局莫蘭指數(shù)，采用單側(cè)檢驗（1-tail test）。由表2 數(shù)據(jù)可知，2011—2019 年間，所有指標(biāo)的莫蘭指數(shù)分析都為正，表現(xiàn)出明顯的正自相關(guān)關(guān)系；貧困發(fā)生率的莫蘭指數(shù)均大于0.5，表現(xiàn)出較為明顯的空間差異性；數(shù)字化普惠金融指數(shù)指標(biāo)的莫蘭指數(shù)則隨著時間的推移呈現(xiàn)增長的趨勢，而經(jīng)濟增長水平的莫蘭指數(shù)卻隨著時間的推移呈現(xiàn)下降的趨勢，近年來經(jīng)濟發(fā)展越來越好，各個省份之間的經(jīng)濟差異相對來說也在變小，空間相關(guān)性呈下降趨勢。平均來看，在這八大指標(biāo)中，Pov 的空間相關(guān)性最強，Gov 的空間相關(guān)性最小，其莫蘭指數(shù)最高不超過1.385，顯著性水平不高，這說明了數(shù)字普惠金融的減貧效應(yīng)是與地域相關(guān)的。

表2 全局莫蘭指數(shù)

3.3.3局部空間自相關(guān)檢驗分析

局部指標(biāo)可用于探索集聚中心的空間位置，可以利用局部（Local）莫蘭指數(shù)以及局部莫蘭指數(shù)散點圖，對全國31 個省市自治區(qū)減貧效應(yīng)和普惠金融指數(shù)的空間相關(guān)性進行探究，局部莫蘭指數(shù)計算公式為

本文在局部莫蘭指數(shù)檢驗的步驟中引入莫蘭指數(shù)散點圖進行擬合研究。莫蘭指數(shù)散點圖分為4 個象限。第一象限代表的是所研究高指標(biāo)地區(qū)出現(xiàn)了集聚現(xiàn)象；第二象限代表的是高指標(biāo)地區(qū)包圍了低指標(biāo)地區(qū)；第三象限代表的是低指標(biāo)地區(qū)出現(xiàn)了集聚現(xiàn)象；第四象限代表的是低指標(biāo)地區(qū)包圍了高指標(biāo)地區(qū)。

本文選取的是數(shù)字普惠金融指數(shù)指標(biāo)和貧困發(fā)生率2011 年和2019 年的指標(biāo)，并對其數(shù)據(jù)進行局部莫蘭指數(shù)散點圖的擬合，結(jié)合Stata 軟件得出結(jié)果見圖1。

圖1 莫蘭指數(shù)散點圖

由圖1-a 和1-b 可知，2011 年和2019 年絕大多數(shù)省市自治區(qū)都處在一三象限中，表明這些地區(qū)的數(shù)字普惠金融指數(shù)表現(xiàn)出正向的空間相關(guān)性，這種正向的空間相關(guān)性就是正向的空間溢出效應(yīng)。湖北省、遼寧省、陜西省、四川省在2011 年處于第四象限（高-低區(qū)域），說明這些省份數(shù)字普惠金融指數(shù)比較高，但其周圍省份的普惠金融水平卻相對來說很低，而經(jīng)過8 年的發(fā)展，到2019 年時沒有城市處于第四象限，局部空間相關(guān)性明顯。綜上我國數(shù)字普惠金融發(fā)展總體呈現(xiàn)出東部地區(qū)發(fā)展程度高，中西部地區(qū)發(fā)展程度低的總體態(tài)勢。

由圖1-c 和1-d 可知，與數(shù)字普惠金融指數(shù)率莫蘭指數(shù)散點一樣，貧困發(fā)生率莫蘭指數(shù)散點絕大多數(shù)聚集在一三象限中，表現(xiàn)出較強的正向相關(guān)性。在第三象限的省份代表貧困發(fā)生率低的省份，從2011 年到2019 年，其數(shù)量從12 個增加到16 個，近年來普惠金融是對貧困發(fā)生率的降低起到了一定作用。貧困發(fā)生率的地區(qū)差異，空間相關(guān)性是較為明顯的。

3.4 實證檢驗

3.4.1模型建立

目前，空間計量經(jīng)濟學(xué)中的控建模型主要是空間誤差模型（Spatial Error Model，SEM）和空間自回歸（Simultaneous Auto-Regressive，SAR）模型。當(dāng)解釋變量的空間滯后項影響被解釋變量時，還可以建立空間杜賓模型（Spatial Dubin Model，SDM）。以上3 種模型都是根據(jù)傳統(tǒng)空間面板回歸模型而構(gòu)建，空間面板模型的表達式為式中：i 為地區(qū)截面維度樣本；t 為時間維度數(shù)據(jù)；α 為空間自回歸系數(shù)；yit為因變量樣本觀測值；Wij為空間權(quán)重矩陣中行為i，列為j 的元素；θ 為回歸系數(shù)的列向量；Xit為自變量樣本的觀察值；λi為個體的固定效應(yīng)；μt為時間固定效應(yīng)；εit為隨機擾動項；ρ 為空間自相關(guān)系數(shù)。

3.4.2模型檢驗

要具體確定使用哪種模型，根據(jù)Elhorst J P[19]確定空間面板數(shù)據(jù)模型的方法，首先需要在普通混合OLS 模型的基礎(chǔ)上進行拉格朗日乘子（Lagrange multiplier，LM）檢驗與穩(wěn)健拉格朗日乘子（Robust Lagrange Multiplier，Robust LM）檢驗，根據(jù)回歸結(jié)果確定模型是否具有空間自相關(guān)性，是否需要運用空間面板模型。

LM 檢驗結(jié)果見表3。LM 空間誤差和Robust LM 空間誤差對應(yīng)的P 值為0.015 與0.569；在5%的顯著性水平下前者顯著后者不顯著；LM 空間滯后與Robust LM 空間滯后的P 值為0.001 與0.021，在5%的顯著性水平下二者皆顯著。LM 空間滯后相對于LM 空間誤差更加顯著，且Robust LM 空間滯后顯著而Robust LM 空間誤差不顯著，這表明LM檢驗結(jié)果支持SAR 模型，因此有必要對于SAR，SEM 與SDM 之間的關(guān)系進行進一步的判斷。

表3 LM 檢驗結(jié)果診斷

本文通過LR 檢驗假設(shè)以及LR 檢驗統(tǒng)計量對SDM進行了進一步分析，以判斷SDM 是否可以簡化為SAR 或SEM。

LR 模型的檢驗結(jié)果見表4，LR 檢驗假設(shè)見表5。通過5%顯著性水平下的LR 檢驗，可以看出模型對SAR 和SEM 都存在著顯著性，因此SDM 具有更顯著的優(yōu)勢——約束條件較少，具有較為廣泛的實用性，不僅僅考慮了因變量的空間相關(guān)性、殘差相關(guān)性，而且還考慮了因變量受自變量影響的空間交互因素，更具有說服力，因此應(yīng)當(dāng)選取SDM 進行接下來的分析。綜上SDM 不能簡化為SAR 與SEM。

表4 LR 檢驗結(jié)果

表5 LR 檢驗假設(shè)

本文Hausman 檢驗原假設(shè)是支持隨機效應(yīng)的，χ2=31.33，有伴隨概率Prob≥χ2，說明在5%的顯著水平下應(yīng)拒絕構(gòu)建隨機效應(yīng)模型的原假設(shè)，轉(zhuǎn)而構(gòu)建固定效應(yīng)模型。本文對SDM 進行時間固定效應(yīng)、個體固定效應(yīng)與雙固定效應(yīng)回歸選擇。結(jié)合stata軟件根據(jù)這3 種固定效應(yīng)的R2overall 值確定具體模型：時間固定效應(yīng)overall=0.550 1，個體固定效應(yīng)overall=0.719 7，雙固定效應(yīng)overall=0.657 0，因此應(yīng)當(dāng)選取個體固定效應(yīng)。建立的SDM 方程為

式中：POVit為貧困發(fā)生率指數(shù)；lnIf 為對數(shù)化數(shù)字普惠金融指數(shù)。模型變量的描述性統(tǒng)計見第103 頁表6。

表6 描述性統(tǒng)計

3.4.3實證結(jié)果分析

第103 頁表7 為個體固定效應(yīng)的空間杜賓模型估計結(jié)果。

表7 個體固定效應(yīng)的空間杜賓模型估計結(jié)果

由表7 可知，空間自回歸系數(shù)的估計值為0.717，且在1%的水平下顯著。這意味著我國的貧困減緩狀況具有顯著的空間關(guān)聯(lián)性，本地區(qū)的減貧狀況對周邊地區(qū)存在一定影響。

從解釋變量的回歸結(jié)果來看，數(shù)字普惠金融指數(shù)的系數(shù)估計值為-0.116，通過了1%的顯著性檢驗，表明數(shù)字普惠金融發(fā)展對貧困減緩具有顯著作用。數(shù)字普惠金融指數(shù)的空間滯后項在1%的水平下為0.112，說明本省數(shù)字普惠金融的發(fā)展阻礙了相鄰省份的貧困減緩，可能因為本省數(shù)字普惠金融發(fā)展水平的提高吸引了相鄰省份的人才與資源外流，對其負面的競爭效應(yīng)大于其正向溢出效應(yīng)。

從各控制變量的回歸結(jié)果來看，經(jīng)濟發(fā)展水平、城鎮(zhèn)化水平與受教育程度的回歸系數(shù)在5%的水平下為-0.034，-0.456 與-0.335，對貧困減緩具有正向影響，其中經(jīng)濟增長具有“涓滴效應(yīng)”，能夠有效促進貧困減緩。表明以上變量的發(fā)展水平越高越有利于本省份的貧困減緩。政府干預(yù)程度在10%的水平下系數(shù)為-0.215，表明政府的財政干預(yù)有利于本省份的貧困減緩；城鄉(xiāng)收入差距與產(chǎn)業(yè)結(jié)構(gòu)雖然系數(shù)估計為負，但是在統(tǒng)計意義上不顯著。

從控制變量的空間滯后項來看，城鎮(zhèn)化水平在5%的顯著性水平下顯著，系數(shù)為0.342，說明本省城鎮(zhèn)化水平的提高不利于相鄰省份的貧困減緩；產(chǎn)業(yè)結(jié)構(gòu)與受教育程度的系數(shù)均為正數(shù)，說明雖然其惡化了相鄰省份的貧困影響，但是其作用在統(tǒng)計意義上不顯著；本省的經(jīng)濟發(fā)展水平、城鄉(xiāng)收入差距與政府干預(yù)程度的增加對于相鄰省份的貧困減緩影響不顯著，見表7。

SDM 將空間總效應(yīng)分解為直接效應(yīng)與間接效應(yīng)。其中直接效應(yīng)是指本地區(qū)自變量對本地區(qū)因變量的影響；間接效應(yīng)是指本地區(qū)自變量對其他地區(qū)因變量的影響即空間溢出效應(yīng)。總效應(yīng)則反映了平均影響。對SDM 分解結(jié)果見第104 頁表8。

由 表8 可 知，本 地 區(qū)If，Eco，Urb，Gap，Gov，Str，Edu 對本地區(qū)貧困減緩具有一定的影響。拿成都來說，與之相鄰起到直接效應(yīng)的省份只有四川省，其他30 個省市自治區(qū)帶來的都為間接效應(yīng)，其他省市自治區(qū)同理。我國普惠金融仍處于初期階段，部分省份憑借自身優(yōu)勢大力發(fā)展普惠金融而產(chǎn)生空間溢出效應(yīng)，但長期來說，地區(qū)間的普惠金融差距會不斷萎縮，從而僅本省數(shù)字普惠金融發(fā)展對貧困減緩產(chǎn)生積極影響。因此空間溢出效應(yīng)的研究若使用LR 直接數(shù)據(jù)會存在片面因素，而LR 間接數(shù)據(jù)則會比較客觀地反映具體現(xiàn)象。由表8 數(shù)據(jù)可知：本地區(qū)的If，Urb 與Str 對其他地區(qū)具有正面影響，尤其是If，其影響指數(shù)達到了“***”，置信度達到了99%，而Eco，Gap，Gov 與Edu 將會對其他地區(qū)的貧困減緩產(chǎn)生抑制作用。但從LR 總計均衡來看，除了Str，If，Eco，Urb，Gap，Gov 與Edu都對本地區(qū)的貧困減緩具有明顯的影響作用。

表8 空間溢出效應(yīng)分解

4 研究結(jié)論及啟示

本文基于2011—2019 年我國31 個省市自治區(qū)相關(guān)數(shù)據(jù)，運用空間計量模型對數(shù)字普惠金融對于貧困減緩的空間溢出效應(yīng)進行了研究，具體研究結(jié)果如下：一是在這9 年間，我國數(shù)字普惠金融發(fā)展總體穩(wěn)定，呈現(xiàn)出東部地區(qū)發(fā)展程度高，中西部地區(qū)發(fā)展程度低的總體態(tài)勢。全國各地區(qū)貧困狀況均有所減緩，但減緩程度仍存在著一定的地區(qū)差異性。二是從空間自相關(guān)檢驗結(jié)果來看，數(shù)字普惠金融發(fā)展對我國各省農(nóng)村貧困狀況的減緩呈現(xiàn)顯著空間集聚現(xiàn)象。三是在空間杜賓模型的估計結(jié)果中，數(shù)字普惠金融發(fā)展對于貧困發(fā)生率的影響顯著。同時回歸結(jié)果顯示，各省數(shù)字普惠金融的發(fā)展對于其貧困狀況的減緩起到正向作用，但這種發(fā)展也會吸引鄰省人才，造成鄰省資源外流，從而阻礙鄰省的貧困減緩。

綜上所述，可以得到下述啟示。

一是政府應(yīng)積極引導(dǎo)數(shù)字普惠金融進一步發(fā)展。數(shù)字普惠金融的發(fā)展不僅可以減少原有金融機構(gòu)的成本、降低金融市場準(zhǔn)入門檻，還能有效提升貧困人群收入，助力鄉(xiāng)村振興。政府應(yīng)出臺相關(guān)政策，鼓勵金融機構(gòu)創(chuàng)新，構(gòu)建良好數(shù)字普惠金融市場，進一步推動數(shù)字普惠金融發(fā)展。同時，國家應(yīng)盡快完善相關(guān)法律，對現(xiàn)有金融機構(gòu)予以監(jiān)管與督察，保護金融機構(gòu)與貧困人群雙方的利益。

二是各省應(yīng)加強區(qū)域間合作，合理利用數(shù)字普惠金融對貧困減緩的空間溢出效應(yīng)，促進各省貧困狀況進一步減緩。各地政府應(yīng)打破原有的“本位主義”執(zhí)政理念，加強區(qū)域間的合作與聯(lián)系，進一步減少乃至消除各地之間的經(jīng)濟、金融屏障，加大知識、技術(shù)及信息的分享力度，共同協(xié)作減少貧困。

三是各省政府應(yīng)加強相關(guān)金融知識普及，提升貧困人群金融素養(yǎng)。較低的金融素養(yǎng)對于貧困人口的貧困情況也有一定影響。貧困人群對于金融知識的缺乏使他們不知如何合理使用金融工具來幫助自己脫離貧困。因此各省政府有必要加強貧困人群對于金融機構(gòu)以及相關(guān)金融服務(wù)的了解，擴大貧困人群金融服務(wù)接觸面，提高貧困人群對于數(shù)字化金融服務(wù)的使用能力，進一步減緩我國的貧困狀況。