數字普惠金融縮小城鎮居民內部收入差距的效率研究

□ 曾欽友 張璇

一、引言

黨的十九屆四中全會提出，要健全具有高度適應性、競爭力、普惠性的現代金融體系，明確了健全完善金融體系、提高金融服務實體經濟能力的重點和方向；2021年4月25日中國銀保監會也發布《關于2021年進一步推動小微企業金融服務高質量發展的通知》，進一步表明我國政府目前越發重視普惠金融的發展。而我國目前已經完成基本建成小康社會的目標，說明絕對貧困的問題已經得到解決，接下來需要解決的就是關于相對貧困的問題，從而進一步完成我國2035年建成全面小康社會的目標，那么就需要數字普惠金融的助力，借助金融科技等新技術（例如人工智能、區塊鏈等）的力量，數字普惠金融將會為更多的群體提供適合的金融服務，可以說數字普惠金融目前正處在其加快發展壯大的好時機，在解決相對貧困（如城鎮內部收入差距等）問題上將發揮出其巨大的能量。

數字普惠金融起源于金融排斥。傳統金融出于資金的安全性等方面考慮，往往需要一定的抵押物才會貸款給客戶，加上其在一個新網點提供新的金融業務往往需要不少的實物資本和投入，這導致金融資源匱乏的地方比較難以從傳統金融獲得服務；而數字普惠金融借助互聯網技術和金融科技的力量，通過數字技術降低較多的實物以及人力資本投入，從而就可以以其可負擔的成本為需要金融服務但是卻缺乏金融服務的群體提供服務。所以說，數字普惠金融這些年在我國將取得巨大的發展空間。

收入差距作為社會公平的重要內涵之一。隨著社會經濟的發展、人們對社會公平的呼聲越來越高，使得收入差距問題成為學者們熱衷研究的熱點話題。王小魯和樊綱（2004）分析并建立了地區經濟差距的理論框架，并指出東、中、西部地區經濟差距擴大的主要時期發生在20世紀90年代；林毅夫和劉培林（2003）認為國內各省區市之間經濟發展水平差距較大的原因主要在于：新中國成立以來所推行的重工業優先發展的趕超戰略下形成的生產要素存量配置結構與許多省區市的要素稟賦結構決定的比較優勢相違背，從而影響了各個省市經濟市場的正常運轉。

王小魯和樊綱（2005）認為主要有四個方面的因素會影響收入差距：一是與經濟增長有關的因素，如城市化率（陳斌開和林毅夫，2013）、外資引進（李振興等，2021）、產業結構（鐘代立和王歡芳，2022）；二是收入再分配和社會保障，如收入分配（韓文龍和唐湘，2022）、公共服務支出（賈婷月等，2022）、權力結構（劉軍和張泓瑤，2021）、社會保障（盧珊和杜寶貴，2021）；三是公共產品和基礎設施的提供，如公共產品（劉成奎和楊冰玉，2018）、交通設施（李強，2021）、通訊（李春梅等，2014）、教育支出（趙國昌和朱州，2022）；四是制度方面的因素，如所有制結構（王全景和郝增慧，2018）、國有經濟比重（徐傳諶和王藝璇，2018）。

隨著金融對社會經濟發展的重要性日益凸顯，學者們開始研究金融對收入差距的影響，大致形成了三種觀點：一是擴大現有的收入差距（溫濤等，2005）；葉志強等，2011）；二是縮小現有的收入差距（劉貫春，2017）；三是與收入差距呈現“倒U型”關系（喬海曙和陳力，2009）。

隨著互聯網的發展，金融發展到數字普惠金融的階段，特別是隨著相關數字普惠金融測算方法和數據的出現，引起了數字金融研究的熱潮。學者們認為數字金融可以促進經濟的包容性增長（張勛等，2019）、增加居民的消費和信貸需求（易行健和周利，2018）、傅秋子和黃益平，2018）、引導產業結構升級（唐文進等，2019）、促進收入增長（陳丹和姚明明，2019）。宋曉玲（2017）較早研究了數字金融與收入差距的關系，此后關于這兩者之間的關系的文獻出現了不少，可以說研究成果豐富。

但是現有文獻大多都是研究兩者之間的相關關系，僅有金發奇等（2021）研究了數字金融與城鄉收入差距的效率問題，且大多學者們研究的是數字普惠金融能否縮小城鄉收入差距，而研究其內部收入差距的文獻較少，李連夢和吳清（2021）研究數字金融與城鎮低收入群體與中高收入群體的差距的線性關系問題，研究發現數字普惠金融對城鎮低收入群體的收入增長具有顯著的促進作用，但是不能縮小城鎮低收入群體與中高收入群體的收入差距。

本文嘗試在學者們研究的基礎上，運用數據包絡分析方法（DEA）和Malquist指數模型研究數字普惠金融縮小城鎮居民內部收入（即城鎮居民低收入人群、中收入人群以及高收入人群之間）差距的效率。

二、研究方法和數據來源

（一）DEA模型簡介

數據包絡分析方法(DEA)主要是依據多項投入及多項產出指標，利用線性規劃的方法，對具有可比性的決策單元進行效率評價的一種非參數分析方法。由于其在衡量效率方面不需要人為設定函數，結果具有客觀性，已廣泛應用于各種相關行業及部門做優化策略研究。

（二） Malmquist指數

Malmquist指數最初由Malmquist于1953年提出，Caves、Christensen和Diewert于1982年開始將這一指數應用于生產效率變化的測算。其是用來測算T期到T+1期全要素生產率的變化，而全要素生產率的變化又可以分解為技術效率變化和技術變化，進一步技術效率變化又可以分解為純技術效率變化和規模效率變化。即：

（三）數據來源及變量選取

1.數據來源

數字普惠金融指數及其分類指數來源于北京大學數字金融研究中心，全國省份城鎮居民按收入五等分數據來源于國家統計局和各地方統計局編制的《統計年鑒》，城鎮居民低收入和中等收入的差額以及中等收入和高收入的差額以及泰爾指數的計算結果是本人整理得來。本文將低收入和中低收入者劃分為低收入，中收入為中等收入，中高收入和高收入劃分為高收入者。由于部分省份城鎮居民收入五等分數據缺失，故本文只研究2011-2019年14個省份數字普惠金融縮小城鄉收入差距的綜合效率和全要素生產率，這14個省份是北京、河北、山西、遼寧、江蘇、安徽、福建、江西、河南、湖北、廣西、海南、貴州、甘肅。

表1 本文選取的全國各地區的省份指標

2.變量選取

本文研究數字普惠金融縮小城鎮內部收入差距的效率，從投入最小化和產出最大化兩方面來選取以下變量：

（1）輸入變量。本文選取北京大學數字金融研究中心課題組編制的數字普惠金融分類指數數據來衡量各地區各年份數字普惠金融的發展情況。具體投入指標為數字金融覆蓋廣度指數、數字金融使用深度指數以及普惠金融數字化程度指數。具體指標見表2：

表2 投入指標

（2）輸出變量。參考金發奇等（2021）的方法，用泰爾指數來衡量城鎮居民中等收入群體和低收入群體以及城鎮居民高收入群體和中等收入群體的收入差距，由于DEA模型的產出指標需要越大越好，故本文對泰爾指數取倒數來作為輸出指標。具體指標見表3：

表3 產出指標

三、數字普惠金融縮小城鄉內部收入差距效率的實證分析

由于數字普惠金融每年的規模是可變的，所以本文選用的是BCC模型(即規模報酬可變模型)、Malmquist指數模型以及DEAP2.1軟件對我國14個省市2011—2019年數字普惠金融縮小城鎮內部收入差距的的綜合效率和全要素生產率進行測算。

（一）數字普惠金融縮小城鎮居民收入差距的綜合效率分析

這部分是用BCC模型(即規模報酬可變模型)和DEAP2.1軟件對我國14個省市2011—2019年數字普惠金融縮小城鎮內部收入差距的的綜合效率以及綜合效率分解的結果，其中綜合效率的結果見表4；另外由于篇幅有限，就只對2019年各省份的效率分解結果進行列示和說明，此部分內容見表5。

表4 數字普惠金融縮小城鎮居民收入差距的綜合效率測算

福建 0.132 0.248 0.106 0.042 0.144 0.078 0.285 0.065 0.280江西 0.356 0.367 0.111 0.033 0.186 0.035 0.304 0.262 0.335河南 0.463 0.451 0.179 0.074 0.238 0.044 0.266 0.126 0.202湖北 0.546 0.420 0.152 0.141 0.766 0.774 1.000 1.000 1.000廣西 0.294 1.000 1.000 0.064 1.000 1.000 1.000 0.189 0.315海南 1.000 1.000 0.151 0.024 0.453 0.046 0.961 1.000 1.000貴州 1.000 0.386 0.185 1.000 0.344 1.000 0.588 0.561 1.000甘肅 0.902 0.496 0.125 0.024 0.179 0.076 0.417 0.205 0.579均值 0.521 0.487 0.276 0.185 0.370 0.302 0.534 0.358 0.479

從表4實證結果的均值來看，這十四個省份的數字普惠金融縮小城鎮內部收入差值的綜合效率普遍偏低，最高的是2017年的0.534和2011年的0.521，呈現出從2011年先下降后上升然后又下降的趨勢，說明目前數字普惠金融縮小城鎮內部收入差距的效率不是很穩定，這反映出目前數字普惠金融政策還有很大的進步空間。

從表4實證結果的各省份數字普惠金融縮小城鎮內部相對收入差距的綜合效率具體值來看，省份間數字普惠金融縮小城鎮內部相對收入差距的綜合效率差別較大。

具體來說，西部地區和東北地區的綜合效率較高，而東部地區和中部地區的綜合效率較低。第一，位于西部地區的廣西、貴州、甘肅和位于東北地區的遼寧以及位于東部地區的海南省的綜合效率較高，但是其每年的綜合效率也不穩定，像廣西省雖然有5年的綜合效率達到1，但是其2011年、2018年、2019年的綜合效率卻較低，分別只有0.294、0.189、0.315，還有海南省也有4年的綜合效率達到1，加上2017年的綜合效率也達到了0.961，但是其剩下的幾年卻較低、分別只有0.151、0.024、0.453，所以說，這幾個省份的綜合效率總體來說較高，但是其效率依舊不穩定。第二，位于東部地區的北京、江蘇、福建以及位于中部地區的山西的綜合效率非常低，像北京的綜合效率常年在0.1左右徘徊，江蘇的綜合效率常年徘徊在0.25左右，福建的綜合效率常年徘徊在0.25左右，從2011年到2019年，北京和江蘇在這期間的綜合效率雖然也增加過，但最終綜合效率還是下降了，只有福建的綜合效率最終是增加了，但是在這個期間福建的綜合效率也有波動。第三，位于中部地區的安徽、江西、河南、湖北的綜合效率在14個省份中位于中間位置，在這幾個省份中，湖北省的綜合效率相對來說是最高的，有3個年份達到了1，但是其他年份的綜合效率波動較大，例如2013年和2014年的綜合效率在0.15左右、2011年和2012年的綜合效率在0.5左右、2015年和2016年的綜合效率在0.75左右，而安徽的綜合效率大概在0.6左右，江西和河南的綜合效率大概分別在0.4和0.5左右。

接下來將對綜合效率變化的原因進行分解，取數字普惠金融縮小城鎮居民收入差距的2019年綜合效率分解實證結果來作為案列分析，實證結果見表5。

從表5的均值來看，這14個省份2019年數字普惠金融縮小城鎮居民收入差距的綜合效率在0.5左右，但是純技術效率卻接近1，最終導致綜合效率較低的原因主要是規模效率只在0.5左右；進一步分析14個省份縮小城鎮居民收入差距的規模變化情況可以看出，大部分省份的規模效率變化情況都是遞增的，只有湖北省、海南省、貴州省這幾個省份的規模效率是不變的。這就說明我國目前數字普惠金融縮小城鎮居民收入差距規模效率雖然相比于純技術效率較低，但是其效率也變得越來越高。

從表5各省份綜合效率的分解結果來看，每個省份的純技術效率都比較高，最低的北京也有0.824，而河北省、湖北省、海南省、貴州省、甘肅省的純技術效率都達到了1，而北京最終的綜合效率較低的原因是其規模效率較低，只有0.08，河北省和甘肅省最終的綜合效率分別只有0.355和0.579的原因也是由于其規模效率分別只有0.355和0.579，湖北省和海南省最終綜合效率依舊還有1的原因也是其規模效率是1。

表5 數字普惠金融縮小城鎮居民收入差距的2019年綜合效率分解實證結果

（二）數字普惠金融縮小城鎮居民收入差距的Malmquist指數實證結果分析

為了進一步分析數字普惠金融縮小城鎮居民收入差距效率變化的原因，這部分運用Malmquist指數模型和DEAP2.1軟件對2011—2019年我國14個省市的數字普惠金融縮小城鎮內部收入差距的全要素生產率進行測度和分解。從年份角度測算數字普惠金融縮小城鎮居民收入差距全要素生產率變化的具體結果見表6，從省份角度測算數字普惠金融縮小城鎮居民收入差距全要素生產率變化的具體結果表7。

從表6全要素生產率變化情況可以看出，在整個8年的變化過程中，有3個年份的全要素生產率是增加的，這3個年份分別是2013-2014、2015-2016、2017-2018，有5個年份的全要素生產率是減少的，這5個年份分別是2011-2012、2012-2013、2014-2015、2016-2017、2018-2019，反映出我國數字普惠金融縮小城鎮內部收入差距的全要素生產率是間歇式上升。

從表6全要素生產率變化的分解結果的均值來看，只有純技術效率是增加的，并且由于規模效率減少的原因導致技術效率也是減少的，不過技術效率減少的幅度要小于技術變化減小的幅度。從各個年份的情況來看，2014-2015和2016-2017的技術效率增加效率值達到了4左右，這其中最重要的原因便是這兩個年份規模效率增加效率較多；2013-2014、2015-2016、2017-2018的技術變化增加效率值也不錯，分別達到了4.829、3.883、2.125。這反映出規模效率和技術變化效率也是間歇式上升的。

表6 從年份角度測算數字普惠金融縮小城鎮居民收入差距全要素生產率變化的實證結果

接下來從省份角度分析數字普惠金融縮小城鎮居民收入差距全要素生產率變化情況。實證結果見表7：

從表7全要素生產率變化的情況來看，本文選取的這十四個省份的全要素生產率都是減少的，并且均值是0.744，其中超過0.8的省份只有4個，其中就有兩個中部省份，分別是湖北和山西，另外兩個省份分別是來自東部地區的福建和西部地區的廣西。

從表7的全要素生產率變化的分解結果的均值結果來看，只有純技術效率是增加的，并且由于規模效率的減少導致技術效率的減少，與此同時，技術變化的效率的減小幅度要大于技術效率減小的幅度。從各個省份的具體情況來看，每個省份的技術變化效率都是減少的，與此同時有5個省份的技術效率是增加的，這5個省份分別是山西省、安徽省、福建省、湖北省、廣西省，有兩個省份的技術效率沒有變化，這兩個省份是海南和貴州，剩下7個省份的技術效率值是減少的。

表7 從省份角度測算數字普惠金融縮小城鎮居民收入差距全要素生產率變化的實證結果

四、結論與建議

（一）研究結論

基于實證分析的結果，本文可得出以下結論：第一，從地區來看，西部地區和東北地區的省份數字普惠金融縮小城鎮內部相對收入的綜合效率較高，中部地區的省份次之，東部地區的綜合效率最低，這可能是東部地區金融資源較多，反而降低了數字普惠金融信貸的使用效率，而西部地區和東北地區可能由于金融資源較少，所以其使用效率較高；第二，從年份角度分析數字普惠金融縮小城鎮居民收入差距的綜合效率和全要素效率來看，綜合效率、全要素生產率、技術效率、技術變化的效率都是間或上升的，這可能是由于數字普惠金融很難連續增加效率；第三，從省份角度分析數字普惠金融縮小城鎮居民收入差距的全要素效率來看，14個省份的全要素生產率都是減少的，技術變化的效率的減小幅度要大于技術效率減小的幅度，純技術效率增加的概率比較大。

（二）相關建議

基于實證分析的結果和上面的研究結論，本文試著為我國數字普惠金融縮小城鎮內部收入差距提出下面幾點建議：

1.在西部地區和東北地區（或者金融信貸資源較難獲得的省份）增加數字普惠金融投入規模，進而增加規模效率；在東部地區和中部地區（或者金融信貸資源較容易獲得的省份）要提高數字普惠金融的使用效率，進而增加技術效率。

2.借助互聯網技術大力發展金融科技，例如區塊鏈、人工智能等底層技術，使得我國的金融服務更加智能化、數字化以及互聯網化，進而提高數字普惠金融的全要素生產率。