數字金融提升了農村地區普通高中入學率嗎？

張正平 陳欣

摘要：作為一種更能跨越地理空間的新興金融服務模式，數字金融可能對教育不公平產生某種“矯正”作用，尤其是在金融供給嚴重不足的農村地區。為此，本文基于2011—2019年中國29個省份的省級面板數據，運用固定效應模型實證檢驗了數字金融對農村地區普通高中入學率的影響。研究結果表明：數字金融顯著提升了農村地區普通高中入學率;數字金融對農村普通高中入學率的提升作用在南方地區、男性學生樣本中更加顯著;數字金融通過增加農村居民收入進而提升農村地區普通高中入學率。上述實證結果表明，中國應繼續大力促進農村數字金融發展，積極引導數字金融發揮提升農村地區普通高中入學率的正向作用，并關注數字金融在北方地區和女性學生作用的異質性，以促進教育的公平發展。

關鍵詞：數字金融;農村地區普通高中入學率;農村居民收入

中圖分類號：F3;F830.9文獻標識碼：A

文章編號：1000-176X（2022）06-0101-10

一、問題的提出

《國家中長期教育改革和發展規劃綱要（2010—2020年）》提出“形成惠及全民的公平教育”的戰略目標，十年來，中國堅定不移地將促進公平作為國家基本教育政策，出臺了一系列配套政策措施，使教育公平更好地提高質量基準、更多地覆蓋不同地區、更切實地惠及各類群體。第十三屆全國人民代表大會第四次會議上，李克強總理在《政府工作報告》中明確提出“在教育公平上要邁出更大的步伐”。然而，教育財政體制和招生制度造成的教育投入和教育質量差距一直存在，城鄉之間的教育不公平表現明顯。從宏觀角度看，普通高中教育入學機會的城鄉差距在擴大，農村子女的升學狀況比城鎮同齡人更為不利[1]。政府偏向城市的教育經費投入政策造成城鄉教育水平差距和居民收入差距不斷擴大[2]。從微觀角度看，Zhao和Glewwe[3]對甘肅的調查發現，子女的營養狀況、家庭收入對子女教育程度具有重要的影響;農村適齡學生因教育資源和家庭貧困等失去教育機會屬于農村教育貧困，其主要原因是農村低收入家庭對子女的教育投資不足[4]。

值得關注的是，普通高中階段是城鄉教育差距表現較為突出的時期。一方面，在中國當前的政策框架下，具有強制性、免費性和普及性的義務教育的時間跨度為9年，普通高中階段的教育決策不再通過類似于普及義務教育的強制措施以及免費提供的方式來實現，就讀普通高中所需費用顯著增加;另一方面，普通高中階段的學生通常已經年滿16歲，無論從法律規定還是生理特征上，都達到了參與勞動力市場并獲取勞動收入的年齡，因此，普通高中階段教育具有相對更高的機會成本。吳愈曉[5]研究發現，1978—1988年農村學生普通高中入學的幾率比城鎮學生低54%，1999—2008年該數字提高到70%。DeBrauw和Giles[6]證實了機會成本對于農村地區普通高中入學率低的解釋作用，發現家庭人均收入和消費隨農村人口外遷而增加，農村勞動人口外出打工機會和收益的增加，提高了普通高中入學的機會成本。由此可見，受教育非強制性、教育費用和機會成本等因素的影響，普通高中階段適齡學生入學率會降低，尤其是在農村和偏遠地區。

近年來，利用人工智能、區塊鏈、云計算、大數據等技術，數字金融打破了傳統物理網點的局限，大幅改善了金融服務的可得性和便利性，緩解了“長尾”群體的金融排斥，有效滿足了低收入和弱勢群體的金融服務需求[7]。相較于富裕群體，貧困群體從數字金融中獲益更多，尤其是提高了低收入群體的收入水平[8]。張勛等[9]進一步的研究顯示，數字鴻溝的出現確實拉大了中國居民之間的收入和消費差距，但數字金融的發展又帶來了居民收入和消費的顯著增加，特別是對那些無法接觸到互聯網的家庭。那么，通過緩解金融排斥、提高農民收入等作用，數字金融是否提升了農村地區普通高中入學率呢？如果是，那么更進一步地，是否存在異質性影響？其影響機制是怎樣的？學術界對這些問題鮮有關注。

基于此，本文將北京大學數字金融研究中心編制的《北京大學數字普惠金融指數（2011—2020）》與《中國教育統計年鑒》的數據進行匹配，實證研究了數字金融對農村地區普通高中入學率的影響及其異質性，并進一步檢驗了這種影響的作用機制。與已有研究相比，本文的創新之處在于：首先，實證研究了數字金融對農村地區普通高中入學率的影響及其異質性，為解釋農村地區普通高中入學率低的現象提供了新的數字金融視角。其次，從農村居民收入的角度切入，揭示了數字金融影響農村地區普通高中入學率的作用機制，為深入理解二者之間關系提供了實證依據。最后，區別于已有的教育學文獻，本文從數字金融的角度解讀農村地區普通高中入學率的變化，從金融視角對個體教育選擇提供了新的解釋，為促進教育公平提供了新的思路。

二、理論分析與研究假設

（一）數字金融對農村地區普通高中入學率的影響

一方面，經濟發展水平是影響入學率的重要因素。城市地區經濟發展水平高，教育資源豐富，城市家庭往往有更強的經濟能力承擔子女的教育支出，子女一般能按照正常途徑完成學業;與之對應的，農村地區經濟發展水平低，政府財力有限，對教育的投入力度較小，農村家庭的經濟能力相對較差，部分農村家庭子女在完成九年義務教育之后，迫于經濟壓力和非農就業增長等原因輟學進入社會工作，導致農村家庭子女進入普通高中學習的概率下降[10]。另一方面，金融資源的可得性也是影響入學率的重要因素。徐小陽等[11]證實，普惠金融可以通過提高家庭教育投資和地方經濟發展水平等方式緩解教育貧困。然而，傳統的金融機構對弱勢群體具有排斥性，農村和貧困地區的弱勢群體往往難以獲得其金融服務，在信貸和收入等方面與城市居民有顯著差距，信貸約束與收入差距的存在對義務教育階段之外的入學率有阻礙作用[12]，這不僅影響農民的生產生活，還會進一步擴大普通高中入學的城鄉差距。

以數字經濟為主要形態、以智能化、網絡化、數字化為核心的新一輪工業革命帶來了一系列嶄新的模式和場景[13]。從金融視角看，數字金融發展為貧困群體增加了獲得無差別金融服務的機會，使金融資源得到合理配置，突破網點限制，更好地做征信、授信服務，讓偏遠、貧困群體公平地享受金融服務[14]。從作用效果看，一是數字金融對農村居民貧困減緩的促進作用顯著。數字金融可以提升農村居民可支配收入，緩解流動性約束，激發其主觀能動性，使貧困家庭增加教育資金的投入[15]。二是數字金融緩解了家庭信貸約束。數字金融交易成本低、方便快捷，為農村貧困家庭獲得信貸創造了有利條件，提高了家庭正規信貸獲得，且具有“長尾”特性，對欠發達地區的邊際效用更明顯[16]。三是數字金融為貧困群體增加了獲得教育的機會。Braniff[17]認為，數字金融有助于增加人們獲得教育的機會，主要通過為弱勢群體籌措、負擔及管理其子女的教育及培訓支出的方式實現。由此可見，數字金融為農村居民家庭改善貧困、獲得信貸、增加教育等提供了幫助，從而提升了農村家庭子女普通高中入學率?；谏鲜龇治?，筆者提出如下假設：

H1：數字金融提升了農村地區普通高中入學率。

（二）數字金融影響農村地區普通高中入學率的地區異質性

伴隨著中國經濟體制轉軌和區域發展戰略調整，區域走勢分化逐步由東中西差距轉向南北差距，南北經濟差距成為比傳統的東中西差距更為重要的區域問題[18]。例如，盛來運等[19]證實，中國存在南北經濟發展不平衡的現象，總體表現為“南快北慢”，北方資本積累速度較慢，勞動力數量逐漸減少，實現快速發展的阻礙較多，不利于數字金融的獲得。許憲春等[20]發現，在經濟、社會、生態和民生領域，南方的發展水平均優于北方，因此，南方在金融資源獲取與教育投入等方面也具有顯著優勢。而且，數字金融自身發展水平在地區之間存在明顯的差異性，《北京大學數字普惠金融指數（2011—2020）》顯示，南方地區數字普惠金融指數均值大于北方地區[21]。值得注意的是，中國的教育發展水平長久以來也存在明顯的地區差異。在宋代，經濟發達的南方地區在科舉考試中具有壓倒性優勢，南北及第比例差異較大，并推動明代實行南北分卷制度。

明仁宗洪熙元年（公元1425年），大學士楊士奇向明仁宗提出了南北分卷錄取的設想，認為“科舉當兼取南、北士”，該項提議在明宣宗宣德二年（公元1427年）得到了朝廷的采納，由此南北卷制度正式形成，并確立了南卷占55%、北卷占35%、中卷占10%的具體配額。在清代，康熙年間實行分省取市制度，

公元1712年，康熙以南北分卷制下各省錄取人數分配不均，邊遠省份或致遺漏的現狀為由，廢除了南北卷制度，確立了分省取士制度;清代分省取士是按照每省考生總人數5%的標準來錄取進士。這些政策都是為了彌補教育的地區差異。梁文艷等[22]研究發現，2001—2017年南方地區的生均教育經費總量和增長速度均高于北方地區。可見，中國北方地區經濟發展落后、數字金融發展水平較低，與南方地區存在較大差距，不利于數字金融促進農村地區普通高中入學率的提升。因而相較于北方地區，數字金融對南方農村地區普通高中入學率的促進作用更顯著。基于上述分析，筆者提出如下假設：

H2：在南方地區，數字金融提升農村普通高中入學率的作用更顯著。

（三）數字金融影響農村地區普通高中入學率的性別異質性

數字金融對農村地區普通高中入學率的影響可能存在性別異質性。中國歷來傳統性別意識的存在，使得社會、學校、家庭等對女性的教育期待值低于男性，家庭通常將更多的教育資源投入到男性子女身上，女性子女可能被迫過早地結束學業外出務工，或負責照顧家庭起居，導致女性普通高中入學率較低，這在農村貧困地區表現更明顯[23]。從實際情況來看，女性的平均受教育年限明顯低于男性，且農村地區的差異程度高于城鎮地區，從小學到博士的各個受教育等級中，男性占比都高于女性占比[24]?？梢?，農村家庭更偏向將教育資源優先分配給男性，在數字金融的作用下，可能會進一步加大對男性的教育投入，從而導致數字金融提高農村地區普通高中入學率的作用在男性群體中更加顯著?；谏鲜龇治?，筆者提出如下假設：

H3：數字金融提升農村地區男性學生普通高中入學率的作用更顯著。

（四）數字金融影響農村地區普通高中入學率的機制

已有不少文獻研究了數字金融發展對居民收入的影響。一是從宏觀層面展開研究。例如，張賀和白欽先[25]研究發現，數字金融通過包容效應、減貧效應和增長效應三個收斂機制縮小了城鄉收入差距，數字紅利顯著。李牧辰等[26]發現，數字普惠金融突破地理、時間等的限制，緩解了農村金融排斥，進而通過刺激消費、促進就業、緩解信貸約束等機制顯著收斂了城鄉收入差距。二是從微觀層面進行分析。例如，張勛等[8]證實，數字金融對農村居民家庭收入具有顯著的正向影響。楊少雄和孔榮[27]發現，數字金融市場參與提高了農戶收入水平，其中數字信貸對農戶收入的影響最明顯。

進一步地，部分研究證實了收入對教育決策的重要影響。一些文獻從收入水平的角度進行分析。例如，Blankenau和Youderian[28]認為，家庭收入對教育支出有積極影響，收入增加促進家庭增加對子女的教育投入，促進收入的平等有助于貧困群體獲得更多的受教育機會，進而影響教育資源的分配。另一些文獻則從收入差距的角度進行研究。例如，李軍和潘澍之[29]認為，收入差距越大，人均受教育年限越短;某個地區的經濟越發達、居民收入水平越高，則教育公平程度越高，即通過提升居民富裕程度能夠促進教育公平水平的提升[30]。綜上，農村居民有效地使用數字金融服務有助于提升家庭收入水平、縮小城鄉收入差距、增加教育投資，從而提高農村地區普通高中入學率?；谏鲜龇治?，筆者提出如下假設：

H4：數字金融通過增加農村居民收入提升農村地區普通高中入學率。

三、研究設計

（一）數據來源與樣本選擇

農村地區普通高中入學率的數據來自《中國教育統計年鑒》，數字金融發展的數據來自《北京大學數字普惠金融指數（2011—2020年）》，該指數從數字金融覆蓋廣度、數字金融使用深度和普惠金融數字化程度等三個維度構建數字普惠金融指標體系，涵蓋了信貸、支付、保險和投資等多個指標，測度范圍涵蓋中國內地省、市、縣三個層級，可以較好地刻畫中國數字金融的發展情況[21]。此外，其他一些變量的數據來源于《中國統計年鑒》《中國農村統計年鑒》《中國教育經費統計年鑒》。本文選取農村地區普通高中作為樣本，

《中國教育統計年鑒》中普通高中教育階段的數據區分了城市、鎮區和鄉村各自的統計數據，普通中專、中等職業學校和職業高中的數據則未對城鄉進行區分?？紤]到本文研究的是農村地區，因此，選擇普通高中作為樣本。鑒于數據的完整性，剔除寧夏和西藏后獲得覆蓋29個省份的2011—2019年樣本數據。

（二）變量選取

1.被解釋變量

被解釋變量為農村地區普通高中入學率（Ratio）。本文借鑒劉凌等[30]的研究，用各省份農村普通高中一年級在校生人數除以該地區初中畢業生人數計算。

2.解釋變量

解釋變量為數字金融（Dfi）。用各省份的數字普惠金融指數取自然對數衡量。

3.中介變量

中介變量為農村居民收入（Inc）。以農村居民人均可支配收入衡量。

4.控制變量

參考相關文獻，本文從三個層面引入了控制變量。一是微觀控制變量。參考王浩名和岳希明[31]的做法，農村普通高中規模（Sch），用農村普通高中學校數量表示;農村初中師資力量（Tea），用農村普通初中學生數/教師數表示;農村家庭撫養負擔（Tot），用農村家庭總撫養比[（0—14歲人口+65歲以上人口）/15—64歲人口]表示。二是地區控制變量。農村人口規模（Pop），用農村地區人口數量表示;農村地區教育水平（Edy），用農村地區平均受教育年限表示，公式為μ=∑ni=1piyi，其中，pi為各級受教育人數在總人數中的占比，yi為各級受教育程度的年限，未上過學、小學、初中、高中（中職）、大專及以上的年限分別為0、6、9、12、16年;農村教育支出強度（Edr），用農村高中生均教育經費支出表示。三是宏觀控制變量。參考傅秋子和黃益平[7]的做法，地區傳統金融發展水平（Trf），用當地金融機構存貸款余額/地區生產總值表示;地區經濟發展水平（GDP），用人均地區生產總值表示。

（三）模型構建

為了具體探討數字金融對農村地區普通高中入學率的影響，借鑒張勛等[8]的實證模型，本文建立如下回歸模型：

Ratioit=λ0+λ1Dfiit+λ2Xit+ui+ωit（1）

其中，i為省份，t為年份，Ratioit為農村地區普通高中入學率，Dfiit為數字金融，Xit為控制變量，ui為個體固定效應，

在檢驗所有年度虛擬變量聯合顯著性時，檢驗結果接受了“無時間效應”的原假設，表明模型中不包含時間效應，因此，本文未對時間效應進行控制。ωit為隨機誤差項。

為檢驗數字金融影響農村地區普通高中入學率的作用機制，參考溫忠麟和葉寶娟[32]的做法，建立如下中介效應模型：

Ratioit=α0+α1Dfiit+a2Xit+ui+εit（2）

Incit=β0+β1Dfiit+β2Xit+ui+εit（3）

Ratioit=γ0+γ1Dfiit +γ2Incit+γ3Xit+ui+εit（4）

其中，Ratioit為農村地區普通高中入學率，Incit為農村居民收入，Dfiit為數字金融，Xit為控制變量，ui為個體固定效應，αi、βi、γi（i =0，1，2）分別為待估計參數，εit（i =1，2，3）為隨機誤差項。按照溫忠麟和葉寶娟[32]所設計的中介效應模型的檢驗流程，第一步應確保式（2）中α1顯著，才能繼續進行中介效應檢驗;第二步對式（3）和式（4）進行檢驗，若系數β1、γ2均顯著，且β1×γ2的值與α1同號，則表明存在中介效應;第三步檢驗式（4）中γ1的顯著性，如果γ1顯著，則為部分中介效應，此時可計算中介效應在總效應中占比為β1×γ2/（β1×γ2+γ1）;如果γ1不顯著，則為完全中介效應。

四、實證結果與分析

（一）描述性統計分析

變量的描述性統計結果如表1所示。從表1中可以看出，農村地區普通高中入學率的均值為0.161，最大值及最小值分別為0.654和0.008，表明農村地區普通高中入學率存在較大差異。解釋變量數字金融的最大值為6.107，最小值僅為2.909，在樣本區間內的變動幅度也較大。農村普通高中規模的均值為24.080個，農村初中師資力量的均值為10.780，表明政府向農村教育投入的資金及人力資源相對較少。農村家庭撫養負擔的均值為0.424，農村人口規模的均值為2 034萬人，可見，農村家庭撫養壓力較大。農村教育支出強度的均值為1.489，農村地區教育水平的均值為7.799，沒有達到義務教育的9年，說明農村受教育水平普遍偏低。農村地區傳統金融發展水平最大值為8.131，最小值為1.518，地區經濟發展水平最大值為16.460，最小值為1.617，均呈現較大的差異性。上述結果表明，本文變量適合進行實證分析。

（二）實證分析

1.基準回歸結果及分析

本文使用的是2011—2019年29個省份的面板數據，該數據屬于短面板，一般不需要進行單位根及協整檢驗，其他診斷性檢驗如下：第一，對變量進行了多重共線性檢驗，結果顯示各變量的方差膨脹因子（VIF）最大值為2.300，平均值為1.720，數值遠小于10，故不存在多重共線性問題。第二，Hausman檢驗結果表明，應選擇固定效應模型。

表2報告了基于固定效應模型的回歸結果，為了驗證估計結果的穩健性，參考張勛等[8]的逐步回歸思路，將控制變量依次加入模型中分別進行回歸。具體情況為：在列（1）中，加入微觀控制變量農村普通高中規模（Sch）、農村初中師資力量（Tea）和農村家庭撫養負擔（Tot）;列（2）在列（1）的基礎上繼續加入影響地區教育資源分配和教育水平的地區控制變量農村人口規模（Pop）、農村地區教育水平（Edy）和農村教育支出強度（Edr）;列（3）在列（2）的基礎上繼續加入宏觀控制變量地區傳統金融發展水平（Trf）和地區經濟發展水平（GDP）。

表2基準回歸的結果表明，數字金融對農村地區普通高中入學率產生了顯著的正向影響。具體來看，列（1）—列（3）的回歸結果顯示，在控制其他變量的情況下，數字金融發展水平（Dfi）的回歸系數值均顯著為正，擬合優度從0.374增加到0.503，表明整體解釋力提高了。上述結果支持了H1，這意味著，數字金融有利于促進農村地區學生選擇繼續學習，從而提高普通高中入學率。其可能的原因是，義務教育階段結束后，普通高中或高等教育的教育費用顯著增加，農村地區學生繼續接受教育的機會成本大大提升，數字金融提供了普惠便利的金融服務，增加了農村家庭的資金來源渠道，有更大的可能承擔孩子普通高中階段的教育費用和輟學打工的機會成本，從而提升了農村地區普通高中入學率。

從控制變量的回歸結果來看，農村普通高中規模（Sch）及農村人口規模（Pop）顯著提高了農村地區普通高中入學率（Ratio），表明保障充足的學校數量能夠保障更多貧困學生入學，同時農村人口增加也可以提升農民接受教育的意愿。農村家庭撫養負擔（Tot）對農村地區普通高中入學率存在正向影響，可能的原因是，人口撫養比大一般說明家庭承受負擔較大，不利于家庭教育投入的增加，但老年人社會保障制度建立和農村居民希望子女通過教育改變命運心態的存在，使得家庭不會輕易讓孩子放棄入學機會，反而更加支持孩子入學[33]。農村初中師資力量（Tea）、農村地區教育水平（Edy）、農村教育支出強度（Edr）對普通高中入學率的提升作用不顯著，這可能是因為農村居民對教育的重視程度更多地受到家庭經濟實力的影響，初中師資和教育支出等教育資源的增加，不足以改變農村家庭學生放棄入學的選擇[30]。地區傳統金融發展水平（Trf）、地方經濟發展水平（GDP）對普通高中入學率的提升作用顯著，表明當地的金融和經濟發展確實對農村地區普通高中入學率存在促進作用。需要說明的是，常數項負向顯著，這可能意味著農村地區普通高中入學率自發呈下降趨勢，這個現象可能與農村地區接受普通高中教育的成本較高有關。

2.內生性分析

在上述基準回歸中，可能存在由于遺漏變量或反向因果關系等原因導致的內生性問題，影響估計結果的可靠性。一方面，農村地區普通高中入學率增加，可能會提升居民的平均教育水平，從而有利于當地數字金融的發展。另一方面，模型中的控制變量有限，殘差項中可能存在既影響數字金融發展又影響農村地區普通高中入學率的潛在因素，導致估計結果有偏。

為了緩解內生性，參考李牧辰等[26]的做法，選擇“各省份到杭州市的距離”作為工具變量進行回歸分析。由于數字普惠金融指數主要是基于螞蟻金服的數據編制的，各地到杭州市的距離與當地數字金融發展水平相關性較高，符合相關性原則;同時，各地到杭州市的距離不會影響到當地農村普通高中入學率，符合外生性原則。郭峰等[21]指出，數字金融存在地理依賴性，距離杭州市越近，其發展水平越好。另外，我們還參考謝絢麗等[34]的做法，選擇“各省份互聯網普及率”（數據來源于《中國互聯網絡發展狀況統計報告》）作為工具變量，一方面，互聯網作為數字金融的基礎設施，互聯網普及率與數字金融的變化具有緊密的聯系;另一方面，在控制相關變量后，互聯網普及率與農村地區普通高中入學率不存在直接的關聯渠道，這使得互聯網普及率可能成為一個有效的工具變量。引入工具變量后的內生性分析回歸結果如表3所示。其中，DWH檢驗的內生性回歸結果顯示，P值在1%的水平上顯著，說明模型存在內生性問題;第一階段回歸的F統計值為39.650，大于臨界值10，故不存在弱工具變量問題;Kleibergen-Paap rk LM統計量P值為0.000，即拒絕不可識別檢驗的原假設;Hansen J 統計量P值為0.141，即過度識別檢驗表明工具變量都是外生的。由表3的估計結果可以看出，數字金融對農村地區普通高中入學率的影響仍然顯著為正，且回歸系數絕對值顯著大于基準回歸結果，符合工具變量法得到估計結果的常見情形。上述結果表明，考慮內生性后的回歸結果與基準回歸結果是一致的。

（三）異質性分析

1.地區異質性

由于中國區域經濟發展不平衡，數字金融對農村地區普通高中入學率的影響可能存在地區異質性。將樣本劃分為南方和北方兩大地區，

北方地區包括：北京、天津、河北、山東、河南、山西、內蒙古、黑龍江、吉林、遼寧、陜西、甘肅、青海、寧夏和新疆15個省份，南方地區包括：上海、江蘇、浙江、安徽、福建、江西、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南和西藏16個省份。進一步檢驗數字金融發展提升農村地區普通高中入學率的作用在南北地區之間的差異性。南方賦值為0，北方賦值為1。為驗證系數之間的統計差異，參考連玉君等[35]的做法進行檢驗，具體結果如表4所示。表4中的P值（0.090）表明，兩組樣本估計結果的差異是顯著的，結果具有可比性。表4列（1）和列（2）的回歸結果表明，數字金融提升農村地區普通高中入學率的作用在南方地區顯著為正，在北方地區這種提升作用不顯著，這可能由于北方經濟發展速度慢，金融可得性較差，且存在數字鴻溝，數字金融發展遲緩，南方經濟發展水平相對較高，有助于數字金融發揮對教育水平的優化作用，能夠很好地促進普通高中入學率的提升。由此可見，數字金融提升農村地區普通高中入學率作用存在明顯的地區異質性，南方地區作用更明顯。H2得以驗證。

2.性別異質性

教育方面的性別差異一直是整個社會和政策制定者重點關注的部分，數字金融對農村地區普通高中入學率的影響也可能存在性別異質性。盡管《中國教育統計年鑒》中農村普通高中入學率的數據未按照性別劃分，但普通高中在校生人數也可以衡量普通高中入學率的大小，而且可以涵蓋學生在就讀期間輟學等不可控因素的變化，據此，本文以普通高中在校生中女生占比來衡量性別差異，并在此基礎上設置虛擬變量：女生占比大于0.500賦值為1，代表女性樣本;女生占比小于0.500賦值為0，代表男性樣本，具體回歸結果如表4所示。表4中的P值（0.064）表明，男生和女生兩組樣本的估計結果差異是顯著的。表4列（3）和列（4）分樣本的回歸結果表明，男性樣本的回歸系數正向顯著，女性樣本系數不顯著，說明數字金融對農村普通高中男性入學率的提升作用更明顯，H3得以驗證。

（四）穩健性檢驗

為了檢驗基準回歸結果的穩健性，本文從如下兩個方面進行考察：

穩健性檢驗結果未在文中列出，留存備索。

第一，剔除部分樣本。相比其他地區，北京、天津和上海三個地區的教育公平程度明顯較高[30]。借鑒上述做法，本文在剔除北京、天津和上海的數據后重新進行回歸，結果表明，數字金融的系數仍顯著為正（0.017），與基準回歸結果一致，表明前文的估計結果是穩健的。

第二，對變量進行縮尾處理。為消除極端數值的影響，對所有連續變量進行1%的縮尾處理后重新估計數字金融發展促進農村地區普通高中入學率提升的效果?；貧w結果表明，數字金融的系數顯著為正（0.018），與基準回歸結果一致，表明前文的估計結果是穩健的。

五、影響機制分析

由前文的理論分析可知，數字金融可能通過提高農村居民收入促進農村地區普通高中入學率的提升，為此，我們采用中介效應模型予以檢驗，具體的回歸結果如表5所示。

從表5中可以看出，在列（1）中，數字金融發展水平（Dfi）的系數α1在1%的水平上顯著為正，表明總效應顯著，可以繼續進行中介效應的檢驗;在列（2）中，數字金融發展水平（Dfi）的系數β1在1%的水平上顯著為正，且系數值較大，表明數字金融顯著地促進了農村居民收入的提高;在列（3）中，數字金融發展水平（Dfi）的系數γ1顯著為正，但農村居民收入水平（Inc）的系數γ2不顯著，因而需要用Bootstrap法進行檢驗，結果表明間接效應在95%的置信區間為[0.0006864，0.0356437]，置信區間不包括零值，且在5%的水平下顯著，表明間接效應顯著。具體地，由估計系數可得β1×γ2=0.571×0.002=0.001，在總效應中農村居民收入水平作為中介變量的貢獻為0.001/0.017=0.059，即占比5.9%，表明農村居民收入水平是數字金融影響農村地區普通高中入學率的部分中介變量。H4得以驗證。

六、結論與政策建議

（一）結論

本文基于2011—2019年的省級面板數據，采用固定效應模型實證檢驗了數字金融對農村地區普通高中入學率的影響。結果表明：（1）數字金融顯著促進了農村地區普通高中入學率的提升;（2）數字金融對農村地區普通高中入學率的提升作用在南方地區、男性學生中更加強烈;（3）數字金融是通過增加農村居民收入進而促進農村地區普通高中入學率提升的。

（二）政策建議

上述結論對于進一步提高農村地區普通高中入學率、促進農村教育公平具有重要的政策啟示，筆者根據研究結論，提出以下政策建議：

第一，持續推進農村地區數字金融的發展，發揮數字金融特有的優勢。具體地，一方面，應繼續加大對農村基礎設施領域的投資，加快農村網絡、通信等數字基礎設施建設，為農村地區數字金融的發展提供基礎保障。另一方面，應積極推動農村金融機構數字化轉型，鼓勵發展大數據、人工智能、區塊鏈和云計算等科技與金融業務的深度融合，構建金融科技應用的場景，促進農村數字普惠金融的高質量發展，擴大農村地區獲取數字金融服務的覆蓋廣度和深度，充分發揮數字金融推動農村普通高中入學率進步的潛力。

第二，為不同地區提供差異化的數字金融服務，著力提升農村地區性別平等意識。一方面，要積極發揮數字金融在南方地區對農村普通高中入學率有更強勁促進作用的優勢，鼓勵南方農村地區的各類金融機構和金融科技公司積極下沉業務重心，瞄準農戶提供更加精準、更有針對性的數字金融服務，支持農戶創業、擴大經營規模、提高收入，為孩子就讀普通高中提供有力的經濟基礎。另一方面，要高度重視農村地區教育領域的性別歧視問題，通過加大教育宣傳的力度、出臺促進普通高中入學的專項政策等措施，關注農村女孩高中階段的輟學問題，引導農村居民更多地投資于子女的高中教育，提升教育公平程度。

第三，著力增加農村居民收入，為數字金融發揮正向作用創造更好的條件?，F階段農村地區普通高中入學率普遍較低，這與農村居民收入水平較低有較大的關系，也不利于數字金融提升農村地區普通高中入學率正向作用的發揮，因此，政府應進一步完善相關的政策，在鄉村振興戰略的引導下，積極推動農村一二三產業融合發展，推進各類農業新型經營主體規?；l展，鼓勵各類農村金融機構繼續下沉業務中心，積極發展數字金融業務，提升農村居民金融可得性，提高農村家庭收入水平，促進農村居民可支配收入增加，提高農村家庭子女普通高中入學率，促進教育公平發展。

參考文獻：

[1]吳曉剛.1990—2000年中國的經濟轉型、學校擴招和教育不平等[J].社會，2009（05）：88-113+225-226.

[2]陳斌開，張鵬飛，楊汝岱.政府教育投入、人力資本投資與中國城鄉收入差距[J].管理世界， 2010（01）：36-43.

[3]ZHAO M，GLEWWE P.What determines basic school attainment in developing countries？ Evidence from rural China[J].Economics of education review，2009，29（3）：451-460.

[4]楊軼華.非政府組織參與農村教育貧困治理研究[J].社會科學輯刊，2017（01）：72-78.

[5]吳愈曉.中國城鄉居民的教育機會不平等及其演變（1978—2008）[J].中國社會科學，2013（03）：4-21+203.

[6]DE BRAUW A，GILES J.Migrant opportunity and the educational attainment of youth in rural China[J].Journal of human resources，2017，52（1）：272-311.

[7]傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據[J].金融研究，2018（11）：68-84.

[8]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（08）：71-86.

[9]張勛，萬廣華，吳海濤.縮小數字鴻溝：中國特色數字金融發展[J].中國社會科學，2021（08）：35-51.

[10]張川川.“中等教育陷阱”？——出口擴張、就業增長與個體教育決策[J].經濟研究，2015（12）：115-127+157.

[11]徐小陽，李潔，金麗馥.普惠金融對農村教育貧困的紓解效應[J].中國農村經濟，2020（09）：41-64.

[12]李景睿.收入分配、信貸約束對高等教育入學率的影響研究——基于146個經濟體的實證分析[J].管理評論，2019（06）：267-276.

[13]謝伏瞻.論新工業革命加速拓展與全球治理變革方向[J].經濟研究，2019（07）：4-13.

[14]馬述忠，郭繼文.數字經濟時代的全球經濟治理：影響解構、特征刻畫與取向選擇[J].改革，2020（11）：69-83.

[15]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.

[16]楊波，王向楠，鄧偉華.數字普惠金融如何影響家庭正規信貸獲得？——來自CHFS的證據[J].當代經濟科學，2020（06）：74-87.

[17]BRANIFF L.Digital finance and innovations in financing for education[R].CGAP working paper，2016.

[18]杜宇，吳傳清.中國南北經濟差距擴大：現象、成因與對策[J].安徽大學學報（哲學社會科學版），2020（01）：148-156.

[19]盛來運，鄭鑫，周平，等.我國經濟發展南北差距擴大的原因分析[J].管理世界，2018（09）：16-24.

[20]許憲春，雷澤坤，竇園園，等.中國南北平衡發展差距研究——基于“中國平衡發展指數”的綜合分析[J].中國工業經濟，2021（02）：5-22.

[21]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020（04）：1401-1418.

[22]梁文艷，何茜，胡詠梅.“十四五”時期中國普通高中的經費保障：現狀、挑戰與展望[J].教育經濟評論，2021（01）：3-22.

[23]吳愈曉.中國城鄉居民教育獲得的性別差異研究[J].社會，2012（04）：112-137.

[24]吳強.家庭的收入和特征對家庭教育支出的影響研究[J].華中師范大學學報（人文社會科學版），2020（05）：175-186.

[25]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.

[26]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（03）：132-145.

[27]楊少雄，孔榮.數字金融市場參與改善農戶收入了嗎？[J].華中農業大學學報（社會科學版），2021（05）：180-190+200.

[28]BLANKENAU W，YOUDERIAN X.Early childhood education expenditures and the intergenerational persistence of income[J].Review of economic dynamics，2015， 18（2）：334-349.

[29]李軍，潘澍之.收入不均等對教育影響的實證研究[J].教育與經濟，2011（03）：46-49.

[30]劉凌，方艷，黃愷泰.富裕促進教育公平的省際差異分析——基于全國和省級的數據[J].上海對外經貿大學學報，2018（01）：49-58.

[31]王浩名，岳希明.貧困家庭子女受教育程度決定因素研究進展[J].經濟學動態，2019（11）：112-125.

[32]溫忠麟，葉寶娟.中介效應分析：方法和模型發展[J].心理科學進展，2014（05）：731-745.

[33]王歡，黃健元.中國人口年齡結構與城鄉居民消費關系的實證分析[J].人口與經濟，2015（02）：11-20.

[34]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（04）：1557-1580.

[35]連玉君，彭方平，蘇治.融資約束與流動性管理行為[J].金融研究，2010（10）：158-171.

[DOI]10.19654/j.cnki.cjwtyj.2022.06.010

[引用格式]張正平，陳欣.數字金融提升了農村地區普通高中入學率嗎？[J].財經問題研究，2022（06）：101-110.

收稿日期：2022-03-26

基金項目：國家自然科學基金面上項目“鄉村振興戰略背景下我國農村數字普惠金融的形成機制及其風險治理研究”（71873011）

作者簡介：張正平（1976-），男，湖北武漢人，教授，博士，博士生導師，主要從事農村金融與數字金融研究。E-mail：haizzp@126.com

陳欣（1998-），女，河南南陽人，碩士研究生， 主要從事農村金融與數字金融研究。E-mail：xx18438697078@163.com