數字普惠金融對縣域農民增收減貧的效應研究
——基于湖北省孝感市縣域面板數據

蔡皎潔

(湖北工程學院 經濟與管理學院，湖北 孝感 432000)

2021年習近平總書記在全國脫貧攻堅總結表彰大會上指出：在迎來中國共產黨成立一百周年的重要時刻，我國脫貧攻堅戰取得了全面勝利，現行標準下9899萬農村貧困人口全部脫貧，832個貧困縣全部摘帽，12.8萬個貧困村全部出列，縣域性整體貧困得到解決。鄉村振興是實現中華民族偉大復興的一項重大任務，堅持把解決“三農”問題作為全黨工作重中之重，持續縮小城鄉縣域發展差距，讓低收入人口和欠發達地區共享發展成果。習近平總書記在2017年“一帶一路”論壇開幕式和第五次全國金融工作會議上進一步強調金融科技創新及發展普惠金融的重要性，指出：要堅持創新驅動發展，促進科技與金融深度融合；要推動金融科技創新，建立金融業云計算、大數據等應用技術規范；要建設普惠金融體系，加強對小微企業、三農和偏遠地區的金融服務，推進精準扶貧，鼓勵發展綠色金融。這些重要論述對進一步依托數字普惠金融助力精準扶貧指明了方向。以“三農”為主體的縣域經濟，由于封閉的生產生活環境、落后的信息基礎設施、及較低文化水平的限制，仍存在著普惠金融供需不平衡、發展不均衡的狀態。因此，充分利用大數據環境優勢，力推數字普惠金融精準扶貧，這對降低金融服務成本、擴大金融服務滲透力有重要的理論及現實意義。

一、文獻綜述

關于不同形式金融扶貧的價值，傳統金融扶貧中往往存在“精英俘獲”的現象。溫濤等(2016)[1]通過對貧困縣和非貧困縣的實證分析，認為精英行為偏離整體利益，農貸資金呈現被精英占有的“精英俘獲”機制，該機制使農貸市場結構扭曲、功能錯位、目標偏離。普惠金融(Inclusive Finance)來自聯合國系統在宣傳“2005年小額信貸年”時提出的詞匯，產生于金融排斥與收入差距的深刻社會背景，內涵是即不排斥弱勢金融需求者，也不排斥強勢金融需求者，能有效、全方位滿足所有階層和群體的金融需求。周才云(2017)[2]指出普惠金融的創新性符合精準扶貧的內生扶貧目標，普惠金融的廣覆蓋性符合精準扶貧的均等扶貧目標，普惠金融的可持續性符合精準扶貧的持續扶貧目標。隨著大數據、云計算、人工智能、區塊鏈等新興數字技術的出現，2016年由G20普惠金融全球合作伙伴組織(GPFI)制定的《G20數字普惠金融高級原則》鼓勵發揮新興數字技術為金融服務帶來的巨大潛力。宋曉玲(2017)[3]、姚遠(2017)[4]、章祥生(2017)[5]等均認為數字普惠金融以其低成本、高效率、廣覆蓋的優勢成為推動精準扶貧發展的關鍵。

其中，關于數字普惠金融對我國農民增收及貧困減緩效應的研究，主要側重：(1)數字普惠金融對農民增收減貧是否有直接效應。姚鳳閣(2020)[6]、鄭美華(2020)[7]等人通過實證分析發現數字普惠金融有顯著的直接減貧效應，并通過收入分配和經濟增長達到減輕貧困；(2)數字普惠金融對農民增收減貧是否存在“U”型非線性關系。王永靜(2021)[8]等人實證檢驗指出數字普惠金融的發展對農民收入的影響存在“U”型非線性關系，當數字普惠金融發展水平未跨越“U”型曲線的最低點之前，對農民收入的影響顯著為負，而跨越最低點后對農民收入影響顯著為正。楊虹(2021)[9]等人在研究數字普惠金融對教育減貧的效應影響上，也提出當跨越門檻值后，數字普惠金融減貧效果明顯上升。陳慧卿(2021)[10]等人提出數字普惠金融增收減貧效應中明顯存在門檻效應；(3)數字普惠金融對農民增收減貧是否存在空間溢出效應。郭小卉(2021)[11]等人利用空間杜賓誤差模型驗證了數字普惠金融發展可以有效收斂城鄉收入差距，但這一收斂效應對鄰近地區沒有明顯的溢出效應。錢鵬歲(2019)[12]等人利用空間杜賓模型實證分析數字普惠金融發展與貧困減緩之間的關系，發現本地區數字普惠金融對關聯地區產生了正向空間溢出效應；(4)數字普惠金融對農民增收減貧是否存在縣域異質性。多數研究均肯定了縣域異質性的存在，陳慧卿(2021)[13]等人指出中部地區數字普惠金融的農村增收效應最大，其次為東西部，但差異不明顯。王剛貞(2021)[14]等人基于“胡煥庸線”空間定量分析得出東側地區的數字普惠金融減貧效應對西側地區產生空間溢出效應。

本文立足于湖北省孝感市縣域經濟發展，探討數字普惠金融對農民增收減貧的效應影響。利用2016-2020年孝感7大區縣的面板數據，在基準回歸模型的基礎上構建門檻模型，以進一步研究數字普惠金融對農民增收減貧的曲線效應。由于一個縣域的宏觀經濟指標分隔并不明顯，因此不考慮空間異質性研究。

二、理論分析與研究假設

(一)數字普惠金融有利于農民增收減貧

數字普惠金融影響農民增收減貧的途徑有直接和間接兩種，其中直接途徑有；(1)通過互聯網、移動互聯網等平臺提高金融信息透明度，擴大農民選擇金融產品與服務的可及面，有效將以往“被動束縛式”尋找金融產品與服務轉換為“主動開放式”推送金融產品與服務，提高農民使用金融產品與服務的效率，降低農民獲取金融產品與服務的成本。(2)通過大數據、云計算、物聯網等新興數字化技術，構建精準畫像及大數據風險控制系統，精準匹配金融需求，提升金融供給力度與金融風險控制能力，可有效提高農民借貸額度和擴大使用場景，從而增加農民增收減貧機率。間接途徑有：(1) 數字普惠金融發展所帶動的信息基礎設施的不斷完善及由“二八定律”所引導的長尾客戶傾向的金融政策改革，間接推動了當地經濟發展，增加農民工創業及就業機會。(2)傳統金融機構與非金融機構在數字普惠金融發展中，針對“三農”問題，相互合作，共同構建融合支付、借貸、供應鏈金融、保險、理財，及電子商務、培訓、醫療等金融生態圈，提高農民意識形態，促進當地教育醫療等發展。基于以上分析，提出假設H1：

假設H1：數字普惠金融正向影響農民增收減貧。

(二)數字普惠金融與農民增收減貧呈現非線性關系

在數字普惠金融發展初期，由于其應用模式、政策監管與支持及新興技術應用等諸多方面發展還不夠成熟完善，對農民增收減貧的促進作用表現并不明顯，甚至呈現邊際效益遞減的趨勢；但隨著數字普惠金融的不斷發展完善，當其發展水平邁過門檻后，對農民增收減貧的效果呈現邊際效益遞增的趨勢。[15]另外，農村地區經濟發展需要一個過程才能與數字普惠金融發展相匹配，才能互相產生正向促進作用。當農村地區經濟發展水平相對落后，如信息基礎建設不完善、農戶接受教育水平低、產業結構不合理等，都會抑制數字普惠金融發展，間接影響農民增收減貧效應提高；但經濟發展水平邁過門檻后，數字普惠金融便會落地生根，正向推進農民增收減貧。基于以上分析，提出假設H2：

假設H2：數字普惠金融的發展與農民增收減貧效應的提高呈現非線性關系。

三、變量選擇與模型構建

(一)變量選取

被解釋變量：農民增收減貧(POV)。參照楊公元(2021)[16]、李連夢[17]等人的研究，選取農村居民可支配收入對數化作為衡量指標。2013年國家統計局將“農村人均純收入”統計口徑變為“農村可支配收入”，代表農民可用于自由支配的收入。

解釋變量：數字普惠金融發展水平(DIFI)。選取北京大學數字金融研究中心[18]《北京大學數字普惠金融指數(第二期，2011—2018)》報告中的2014—2018年度縣域層級指標數據。

中介變量：為了研究數字普惠金融的間接影響作用，參照王剛貞(2020)[19]等人、姚鳳閣(2020)[20]等人的研究，選取經濟發展水平(RGDP)，用人均生產總值的對數化來衡量；及收入分配程度(INS)，用泰爾指數橫向城鄉收入差距的變化程度。

控制變量：(1)產業結構(IS)。第二產業、第三產業的增加代表縣域產業結構的調整，農村勞動力的轉移，市場資源的合理配置，能夠有效起到緩解貧困作用。選擇縣域第二、三產業增加值與地區生產總值之比來衡量。(2)政府財政支出(GOV)。政府在教育、社會保障與就業、醫療衛生與計劃生育、農林水利事務、住房保障等方面的財政投入，促使社會公共資源有效配置，減緩貧困。選擇地方公共財政預算支出與地區生產總值之比來衡量。(3)高新技術產業增加值(DS)。高新技術產業的增加代表地區產業結構向知識密集、技術密集方向發展，可有效推動數字化產業應用，達到減貧目標。選擇高新技術產業增加值的對數來衡量。(4)人均受教育程度(EDU)。參照楊虹(2021)[21]等人的研究，選取小學、初中、高中、大專及以上人口與對應年限的加權比重來衡量。(5)城鎮登記失業率(UNE)。失業率高代表縣域經濟低迷，貧困程度加重。

上述變量數據均來自各年份《孝感統計年鑒》及孝感市統計局官網公布的相關統計數據，泰爾指數需對原始數據計算得出。為了使各變量的量綱統一，以上對指數型變量、總數型變量進行對數化處理，比值型變量保持不變。

(二)模型構建

根據上述分析，數字普惠金融對農民增收減貧的直接效應基準回歸模型方程如下：

POVit=α0+α1DIFIit+∑6j=2αjControlit+εit

(1)

分別以經濟發展水平(RGDP)、收入分配程度(INS)作為被解釋變量，數字普惠金融發展水平(DIFI)作為解釋變量的間接效應基準回歸模型方程如下：

RGDPit=θ0+θ1DIFIit+∑6j=2θjControlit+ωit

(2)

INSit=λ0+λ1DIFIit+∑6j=2λjControlit+μit

(3)

數字普惠金融對農民增收減貧的中介效應回歸模型方程如下：

POVit=δ0+δ1DIFIit+δ2RGDPit+δ3INSit+∑8j=4Controlit+νit

(4)

其中，i表示縣域，t表示時間，Control為控制變量，α0、θ0、λ0、δ0為截距項，αj、θj、λj、δj(j=1，2，…，6)為待估系數，εit、ωit、μit、νit為隨機擾動項。

數字普惠金融對農民增收減貧的影響并非線性關系，而是隨著縣域環境的改變呈現“U”型曲線關系。由上文分析可知，構成縣域環境的因素諸多，本文選取經濟發展水平(RGDP)、政府財政支出(GOV)、人均受教育程度(EDU)作為門檻變量，研究數字普惠金融與農民增收減貧之間具體的門檻效應關系。門檻效應回歸模型方程如下：

POVit=β0+β1DIFIit.I(qit≤γ)+β2DIFIit.I(qit?γ)+ηit

(5)

其中，I()為示性函數，qit為門檻變量，γ為待估門檻值，ηit為隨機擾動項。

四、實證分析

(一)單位根檢驗

檢驗數據的平穩性，避免出現偽回歸現象，進行單位根檢驗。由于本文數據時間跨度不大，選取LLC和ADF-Fisher兩種方法進行檢驗，P<0.05且各變量均通過顯著性水平檢驗，可以進行回歸分析。結果如表1所示。

表1 面板數據單位根檢驗結果

(二)數字普惠金融對農民增收減貧的基準效應檢驗

對基準方程(1)在不考慮控制變量和加入控制變量后，均通過Hausman檢驗，使用固定效應模型(FE)進行回歸分析。結果如表2所示。

FE(1)為不加入控制變量的模型回歸結果，FE(2)為加入控制變量的模型回歸結果，其中數字普惠金融發展水平(DIFI)回歸系數分別是0.0017和0.0026，且在1%置信水平上顯著，說明數字普惠金融發展有利于農民增收減貧。假設H1成立。

具體影響因素上，政府財政支出(GOV)、人均受教育程度(EDU)回歸系數為正，且分別在1%和10%置信水平上顯著，證明這2個變量與農民增收減貧顯著正相關。產業結構(IS)、高新技術產業增加值(DS)回歸系數為正，但未通過置信水平，證明這2個變量對農民增收減貧有正向影響，但效果不顯著。城鎮登記失業率(UNE)回歸系數為負，證明失業率越高，農民增收減貧效果越差。

(三)數字普惠金融對農民增收減貧的中介效應檢驗

由上文可知，數字普惠金融對農民增收減貧過程中存在間接影響效應，設置經濟發展水平(RGDP)、收入分配程度(INS)作為中介變量，檢驗對數字普惠金融增收減貧的中介傳導效應。對方程(2)、方程(3)、方程(4)分別進行Hausman檢驗，均通過顯著水平，因此采用固定效應模型(FE)進行回歸分析，結果如表3所示。

表3 中介效應回歸結果

FE(3)是對方程(2)的回歸結果，將經濟發展水平(RGDP)作為被解釋變量，數字普惠金融發展水平(DIFI)回歸系數為0.0015，且在1%置信水平上顯著，可見數字普惠金融的發展可以帶來縣域經濟的發展，且影響效果顯著。FE(4)是對方程(3)的回歸結果，將收入分配程度(INS)作為被解釋變量，數字普惠金融發展水平(DIFI)回歸系數為-0.0011，且在1%置信水平上顯著為正，說明數字普惠金融的發展可以縮小城鄉收入差距，有利于農民增收減貧。FE(5)是對方程(4)的回歸結果，將農民增收減貧(POV)作為被解釋變量，數字普惠金融發展水平(DIFI)、經濟發展水平(RGDP)、收入分配程度(INS)的回歸系數分別是0.0009、0.0003、0.0501，且分別在1%和5%置信水平上達到顯著，證明數字普惠金融不僅能直接達到農民增收減貧效果，還能通過提高經濟發展水平和縮小城鄉收入分配間接達到農民增收減貧效果。假設H1再次成立。

(四)數字普惠金融對農民增收減貧的門檻效應檢驗

在設置不同門檻模型的前提下對方程(5)進行統計，采用Bootstrap(自抽樣法)反復抽樣500次得出各門檻變量所對應的不同門檻模型的相關統計值，如表4所示。門檻變量經濟發展水平(RGDP)和人均受教育程度(EDU)，在單一門檻模型中F值分別為56.32和83.71，且P值均小于0.01，并在1%置信水平上顯著，但雙重門檻模型和三重門檻模型的統計值并不顯著，因此待估門檻值γ應為單一門檻值。門檻變量政府財政支出(GOV)，在單一門檻模型中F值為76.69，P值小于0.05，且在5%置信水平上顯著，但雙重門檻模型和三重門檻模型的統計值并不顯著，因此待估門檻值γ仍為單一門檻值。門檻變量的待估門檻值γ及置信區間如表5所示。

表5 門檻估計值及置信區間

表5中門檻變量經濟發展水平(RGDP)門檻值為5.3214，且95%的置信區間較窄，因此該門檻變量可分為兩個樣本區間，即RGDP>5.3214和RGDP≤5.3214。同理，門檻變量政府財政支出(GOV)也可分為兩個樣本區間，即GOV>1.5598和GOV≤1.5598。門檻變量人均受教育程度(EDU)也可分為兩個樣本區間，即EDU>7.1953和EDU≤7.1953。可見，門檻效應回歸模型方程(5)構建成立，使用單一門檻模型，假設H2成立。

采用固定效應模型對方程(5)進行回歸分析，各門檻變量的單一門檻模型回歸結果如表6所示。可見，門檻變量經濟發展水平(RGDP)和政府財政支出(GOV)在小于門檻值以內的投入并不會引起數字普惠金融的快速發展，隨著門檻變量發展及投入程度的加強，數字普惠金融發展水平呈現快速遞增。門檻變量人均受教育程度(EDU)越高，數字普惠金融發展越快。總結來看，數字普惠金融由于其科技性強，對環境基礎設置及用戶知識水平有較高要求，當縣域經濟發展到一定水平，政府對基礎設施完善、農民科技培訓達到一定標準程度后，數字普惠金融才能跳過抑制其快速發展的門檻，融入高速發展的經濟環境和知識環境，才能有效健康地持續發展。

表6 門檻變量單門檻模型回歸結果

五、結論與政策建議

(一)結論

本文以數字普惠金融對農民增收減貧的效應為研究主題，選用2016—2020年孝感7大區縣的面板數據，分別構建基準效應回歸模型、中介效應回歸模型和門檻效應回歸模型進行實證分析，論證了機理假設：數字普惠金融發展有利于農民增收減貧；數字普惠金融的發展與農民增收減貧效應的提高呈現非線性關系。

(1)數字普惠金融發展有利于農民增收減貧。從直接效應上看，數字普惠金融發展水平的提高，可直接促使農民增收減貧效應提升。從間接效應上看，數字普惠金融通過提高經濟發展水平和縮小城鄉收入分配，可間接影響農民增收減貧效果。

(2)數字普惠金融的發展與農民增收減貧效應的提高呈現非線性關系。數字普惠金融在發展前期對農民增收減貧效應并不明顯，而是隨著縣域經濟發展水平、政府財政支出和人均受教育程度的不斷投入與提升，當達到一定程度后，數字普惠金融的發展與農民增收減貧效果才呈現顯著相關性。

(二)政策建議

(1) 從精準扶貧的角度，扶貧辦、金融機構、科技公司等各部門應聯手積極發展數字普惠金融。一方面，政府部門應在數字普惠金融發展政策上進行扶持，加大對農村信息基礎設施建設、農民信息科技與數字金融知識培訓的投入，調整產業結構，不斷推進縣域高新技術產業發展，帶動農民返鄉創業減少失業率，充分利用數字普惠金融發展紅利實現縣域經濟發展。另一方面，金融機構與科技公司應在數字普惠金融發展的底層核心技術上不斷展開合作，并能針對縣域用戶對金融服務的需求開發出精準匹配的數字普惠金融產品。如不斷推動縣域大數據發展，實現金融機構多部門數據整合，構建基于云端的共享數據庫，挖掘三農用戶金融需求偏好，構建用戶畫像，開展數字支付、數字借貸、在線供應鏈金融等多樣化數字普惠金融產品的深度營銷與應用推廣，提高農民使用數字普惠金融產品與服務的效率。

(2) 從經濟發展的角度，應根據縣域經濟發展的程度分階段、分目標、分形式引入數字普惠金融，逐步孵化數字普惠金融產品與服務，實現逐級增收減貧的目標。由于數字普惠金融的“數字”性，需要新興科技知識的不斷植入、信息基礎設施的不斷完善、用戶數字素養的不斷提高，以及相應監管與法制的不斷修改，才能為數字普惠金融的良性發展提供孕育的土壤。當縣域經濟的發展程度不能夠匹配數字普惠金融的發展速度時，并不會顯著改變農民增收減貧的現狀，但當縣域經濟發展到一定階段后，一旦滿足數字普惠金融發展條件的各個閾值，便會扎根結果，產生較為顯著的農民增收減貧效果。

(3) 從數字金融知識學習與傳播的角度，應正確認知數字普惠金融與傳統金融產品與服務的區別，不要過分夸大其作用，也不能壓制其合理發展。一方面，政府部門應積極督促金融機構與科技機構在數字普惠金融發展方面的有效合作，并密切監管發展動向，如對數字普惠金融產品是否過度宣傳其應用價值，特別是網絡借貸產品，在其借貸周期、審核過程、大數據風控構建以及借款金額和還款利率上都應該有明確的監管規定；另外，對數字普惠金融產品與服務運行的信息技術平臺，應給予有效監管，如是否存在大數據過度采集、泄露、殺熟等有損用戶隱私安全問題，系統是否存在違規賬號切入、盜取國家金融安全數據等系統性安全問題等。另一方面，應提高縣域民眾整體教育水平，人均受教育程度的提升，更利于家庭意識形態的改變，從內心接受數字普惠金融產品和服務，更利于數字金融知識的學習和傳播。