普惠金融如何影響收入分配
——兼論貧困減緩的中介效應

梁 榜

(復旦大學，上海 200433；上海黃金交易所，上海 200001)

一、引言與文獻述評

打贏脫貧攻堅戰、促進收入分配改善離不開金融體系的支持，特別是需要包容性金融體系的支持。在此背景下，黨中央、國務院高度重視發展普惠金融?！锻七M普惠金融發展規劃(2016—2020年)》明確提出要建立與全面建成小康社會相適應的普惠金融服務和保障體系，有效提高金融服務的覆蓋率、可得性和滿意度，特別是將中小微弱等特殊群體視為重點服務對象，以此增進社會公平和社會和諧。那么，推進普惠金融體系建設如何影響收入分配？對不同區域和不同群體產生的影響有何異質性？其中的傳導機制是什么？特別地，近年來大數據、云計算與移動互聯網等金融科技手段和數字技術應用推動了數字普惠金融這一新型金融模式的蓬勃發展，顯著提升了金融服務的可得性和普惠性。為實現金融精準扶貧和縮小貧富差距帶來新的機遇，數字普惠金融發展能否更好地發揮收入分配改善效應？對于這些問題的探討和解答是本文研究的重點。

金融體系包容性水平的提升對于降低收入不平等和減貧具有積極意義(Dabla-Norris et al.，2021)。普惠金融對收入分配的影響備受關注，比如王修華等(2014)、張曉云等(2016)、宋曉玲(2017)、李建軍等(2020)、周利等(2020)的研究表明金融包容水平提升能夠縮小城鄉收入差距、降低收入不平等程度。普惠金融能緩解農戶金融排斥(陳寶珍 等，2020)，提高金融服務可得性，促進農村貧困人口利用金融資源進行生產和人力資本投資，發揮減貧增收效應，進而影響收入分配?，F有研究文獻也初步驗證了普惠金融的減貧效應，比如Chibba(2009)、Schmied et al.(2016)、王修華等(2019b)、黃倩等(2019)、尹志超等(2020)等。通過梳理文獻發現，針對中國普惠金融與收入分配、減貧的研究尚存在不足之處，比如影響效應的異質性探討以及普惠金融和數字普惠金融影響收入分配、減貧的比較分析等。此外，現有文獻關于普惠金融、貧困減緩和收入分配的研究是分割的，未能在統一的分析框架中進行探討，盡管李建軍等(2019)研究了普惠金融對于收入分配與貧困減緩的影響，但未涉及貧困減緩與收入分配之間的關聯機制。本文認為，普惠金融和數字普惠金融對縮小城鄉收入差距存在直接和間接影響。一方面，普惠金融發展強調公平、包容，通過填補城鄉居民之間的金融鴻溝對城鄉收入差距發揮直接的縮小作用；另一方面，通過農村地區的減貧增收效應對縮小城鄉收入差距產生間接促進作用，即減貧增收效應是普惠金融和數字普惠金融改善收入分配的重要傳導機制。

鑒于此，本文基于2005—2017年中國縣域和地區層面數據，考察并比較普惠金融和數字普惠金融對收入分配的影響和差異，并分析減貧的中介效應。與現有文獻相比，本文可能的貢獻在于：(1)將普惠金融影響收入分配、貧困減緩置于一個分析框架中；(2)比較普惠金融和數字普惠金融對收入分配差距影響的區域差異性，為構建多元化、分層次、廣覆蓋的普惠金融體系提供參考和依據；(3)將普惠金融和數字普惠金融的收入分配改善效應和減貧增收效應結合在一起，檢驗農村貧困減緩對于縮小城鄉收入差距的中介傳導機制。

二、機理分析

(一)普惠金融與地區收入分配

普惠金融對收入分配存在直接和間接影響。一方面，普惠金融的發展和推廣提升了金融體系的包容性水平，通過降低金融服務的門檻效應、緩解金融排斥的排除效應以及減緩金融資源配置的失衡效應來填補城鄉居民、貧富群體之間的金融鴻溝，減輕金融服務獲得的不平等性，矯正資金在不同群體之間的歧視性分配，進而對收入分配產生直接的改善效應；另一方面，普惠金融能更多地為中小微弱等特殊群體的生產、就業和發展創造機會和條件，發揮對低收入群體的減貧增收效應并提升經濟發展包容性，進而間接降低收入不平等程度。具體作用機制路徑如圖1所示。

圖1 普惠金融影響收入分配的作用機制

從直接作用機制看，其一，低收入群體往往難以滿足傳統金融產品和服務的獲取條件，即存在“門檻效應”，而普惠金融的發展和推廣有效降低了金融服務“門檻”。銀保監會明確要求大中型商業銀行設立普惠金融事業部，并推行一系列措施激勵金融機構降低信貸門檻，將大量的尾部群體重新納入金融服務體系。同時，數字普惠金融更強的地理滲透性和客戶觸達能力使得通過手機、電腦等設備即可便捷地獲取金融服務，且邊際使用成本非常低。其二，偏遠地區和農村的金融排斥和金融抑制現象仍普遍存在，同時低收入群體的自身稟賦特征也會導致其遭受非自愿排斥。但是，普惠金融和數字金融服務要求機會平等、公平合理，有利于改善金融市場環境，減輕對低收入群體的信貸歧視?；诖髷祿?、云計算等數字技術手段可以挖掘、處理和分析低收入群體在互聯網上沉淀的一系列記錄數據，進而解決低收入群體的征信評估和風控難題，減少金融排斥現象。此外，利用金融科技和數字技術能夠創新金融產品和服務模式，提供契合低收入人群特征的金融產品，促使非自愿排斥的中小微弱等群體也可以公平、合理地獲取和使用金融服務，有助于緩解金融排斥的排除效應。其三，傳統金融系統傾向于將金融資源配置給城市和富裕、精英群體，導致金融資源配置的不均衡及錯配問題比較嚴重，加劇了城鄉居民之間及貧富群體之間的收入差異及不平等程度。然而，普惠金融的發展和推廣強調聚焦于小微企業、“三農”、創新創業群體和脫貧攻堅等領域，通過加大信貸投入、傾斜資源配置等提高金融服務精準性和有效性。同時，以市場化為主導的數字金融商業模式是可行的，其產生的“示范效應”也促使傳統金融機構進行數字化、智能化轉型，提升資源配置效率，降低區域、城鄉以及貧富之間的金融配置不平衡?？偠灾?，普惠金融和數字金融的發展和推廣能夠降低金融服務門檻，減輕歧視和金融排斥，緩解金融配置失衡狀況，有利于填補金融鴻溝和縮小金融服務不平等，進而對收入分配改善產生直接影響。

從間接作用機制看，普惠金融和數字金融發展通過發揮減貧效應和提升經濟發展包容性間接影響收入分配狀況。一方面，原本被排斥在金融體系之外的中小微弱等特殊群體能夠以可負擔的成本獲取和使用適當、有效的金融服務，為其生產經營、投資發展等創造了機會和條件，提升其脫貧致富和自生發展能力，促進低收入者或貧困群體減貧增收，降低貧困脆弱性，進而間接改善收入分配狀況。需要指出的是，由于普惠金融將金融資源、優惠政策等向小微企業、“三農”、創新創業群體和脫貧攻堅等領域聚焦和傾斜，從邊際效應來看，長期遭受金融抑制的低收入者或弱勢群體能從普惠金融和數字金融的發展和推廣中獲益更多，由此可以縮小貧富群體之間的收入差距，間接降低收入不平等程度。另一方面，普惠金融理念和經濟包容性增長在概念內涵上具有深刻的內在聯系，推進普惠金融發展是實現包容性增長的重要措施。在實踐中，普惠金融特別是數字金融發展和推廣強調機會平等、公平合理，金融體系包容性的提升能夠促進社會公平和增長方式轉變。通過減少歧視和金融排斥鼓勵社會各類人群參與到經濟活動中，尤其是提升中小微弱等邊緣群體的經濟參與度，有助于實現經濟發展成果共享，增強經濟發展包容性，進而改善收入分配狀況。

(二)中介機制：普惠金融的減貧效應

普惠金融特別是數字普惠金融的發展和推廣能拓寬偏遠與農村地區金融服務的深度與寬度，為促進農民、低收入人群或貧困群體貧困減緩提供新的機遇，使得貧困群體能夠公平、合理地使用豐富多樣的金融產品和服務，增加就業、創業技能和經濟機會，同時通過對貧困群體開展金融知識普及和教育，幫助貧困人口提升脫貧致富和自生發展能力。此外，儲蓄、保險服務等提供了風險管理手段和避險工具，提升了貧困脆弱群體的風險應對能力，進而改善其貧困狀況。具體而言，普惠金融減貧增收效應的作用機制主要體現在三個方面，可表示如圖2所示。

圖2 普惠金融影響貧困減緩的作用機制

其一，促使貧困群體獲取和使用金融產品和服務，提高其收入水平。普惠金融的發展和推廣延伸了金融服務覆蓋廣度和使用深度，特別是將金融科技與數字技術應用到普惠金融領域極大地提高了偏遠與農村地區金融服務的便利性和可獲得性。基于此，貧困群體能合理、有效地運用金融工具，通過儲蓄貸款、平滑消費、投資理財、風險管理等金融功能有效提升其收入水平。同時，金融可得性的提高(比如普惠金融涉農、助農貸款等)為農業生產經營和投資提供必要資金，促進貧困群體增收創收，進而有助于促進其貧困減緩。

其二，增加貧困群體就業、創業等經濟機會，提升其自生發展能力。普惠金融能更好地發揮金融扶貧的“造血”功能，激發貧困群體脫貧致富和自我發展的積極性。一方面，便捷的信貸服務為貧困群體增加教育、醫療投資創造了條件(比如普惠金融扶貧貸款、助學貸款等)，提高其知識才干和金融能力，增強其就業、創業技能；另一方面，偏遠地區及農村普惠金融和數字金融發展和推廣能積極扶持當地的產業、企業發展，催生農村產業新業態、新模式(比如農村電商、家庭農場、特色產業鏈等)，增加了貧困群體就業、創業等經濟機會，提升其自我發展能力，進而幫助其擺脫貧困。

其三，提升貧困群體金融素養和風險應對水平，降低其貧困脆弱性。普惠金融和數字普惠金融發展提供了風險管理的手段或應對風險事件的避險工具，儲蓄、信貸和保險等服務能夠幫助貧困群體積累資金、平滑消費，促使其更好管理和控制風險，增強抵御收入波動風險的能力。同時，普惠金融理念的推廣會加強金融消費者權益保護和金融知識普及和教育，提高貧困群體金融能力和金融素養水平，促使其積極、安全、有效地獲取和使用金融服務，進而有助于改善貧困狀況。

綜上所述，從理論上講，普惠金融能通過上述機制發揮減貧增收效應，進而有助于改善收入分配狀況。但在實踐中普惠金融服務還存在許多不足和問題，能否真正下沉到底層弱勢群體還有待商榷，因而還需進一步探討和分析普惠金融對收入分配、減貧的影響。

三、模型設定、指標選取與典型事實

(一)模型設定

首先，檢驗普惠金融和數字普惠金融發展和推廣對縮小城鄉收入差距的綜合影響，不考慮農村貧困減緩因素，設定計量模型如下：

URIG=C+αIFI+γControls+μ+Year+ε

(1)

URIG=C+βDIFI+φControls+μ+Year+μ

(2)

其中：URIG表示城鄉收入差距，IFI和DIFI分別為地區普惠金融和數字普惠金融發展水平；Controls表示一系列影響城鄉收入差距的控制變量，用以消除地區異質經濟環境帶來的影響；μ和Year分別為地區固定效應和時間固定效應，用來控制難以用指標度量的地區特征和時期特征；ε和μ為隨機誤差項，下標i和t分別表示地區和年份。

然后，從縣域視角出發，考察普惠金融和數字普惠金融發展對貧困減緩的影響，設定如下計量模型：

Poverty=α+αIFI+γControls+μ+Year+ε

(3)

Poverty=β+βDIFI+φControls+μ+Year+μ

(4)

其中：Poverty表示貧困程度，選取縣域農村居民人均純收入作為代理變量；IFI和DIFI分別表示縣域普惠金融和數字普惠金融發展水平；同時為控制其他因素對農村居民收入的影響，引入一系列控制變量Controls；此外，模型還控制了地區固定效應μ(縣域)和時間固定效應Year；ε和μ為隨機誤差項，下標i和t分別表示縣域和年份。

最后，采用中介效應分析方法(溫忠麟 等，2004；溫忠麟 等，2014)，進一步考察農村貧困減緩在普惠金融和數字普惠金融影響城鄉收入差距中的中介作用。對應的計量模型設定如下：

POV=C+ηIFI+γControls+μ+Year+ε

(5)

POV=C+ηDIFI+φControls+μ+Year+ε

(6)

URIG=C+θIFI+λPOV+γControls+μ+Year+ε

(7)

URIG=C+θDIFI+λPOV+φControls+μ+Year+ε

(8)

其中:POV是中介變量地區農村貧困程度;η和η分別為IFI和DIFI對中介變量的影響效應；λ和λ分別為控制自變量影響之后，中介變量對被解釋變量城鄉收入差距的影響效應;θ和θ則分別反映了控制中介變量影響之后，IFI和DIFI對城鄉收入差距的直接效應。若η和λ系數顯著，則對應的中介效應分別為ηλ和ηλ。如果θ系數顯著且相比α系數變小，則農村貧困程度POV是部分中介變量，中介效應占比分別為ηλ/α和ηλ/β；如果加入POV之后，θ系數變得不顯著，則POV可視為完全中介變量。

(二)指標選取與數據來源

1.普惠金融指數測算

現有對普惠金融發展水平測算的研究較為豐富，比如采用單一指標(Dev，2006)，從金融服務的地理滲透性、可獲得性、使用效用性等多個維度來構建指標體系(Beck et al.，2007)，以及選取交易成本、便利性和承受度等更多維度的指標(Gupte et al.，2012)來測度。借鑒國際經驗，國內學者主要從可獲得性、使用情況和服務質量等維度來構建指標體系，對省級層面普惠金融發展水平進行測算(焦瑾璞 等，2015；王修華 等，2019a)。通過梳理文獻發現，針對中國普惠金融指標體系的構建和測度還不完善，衡量維度和指標選取不充足，難以反映普惠金融的各個方面，且研究層次主要集中在省級層面，鮮有研究從更加微觀的縣域層次進行考察。鑒于此，本文參照央行發布的《中國普惠金融指標體系(2018年版)》，借鑒現有文獻的思路并進行拓展，從金融服務的滲透性、使用效用性和可負擔性三個維度出發，構建多維度、多指標的中國省級和縣域普惠金融指標體系，如表1所示。

表1 中國普惠金融指標體系

在指數測算時，選取2005—2017年中國30個省份和1886個縣域(包含縣級市)作為研究對象。數據來源于國家統計局網站、歷年《中國統計年鑒》、各省(自治區、直轄市)的《區域金融運行報告》、《中國金融年鑒》、《中國區域經濟統計年鑒》、《中國縣域統計年鑒(縣市卷)》、Wind數據庫以及EPS數據平臺等。此外，各縣域的金融機構網點數據由中國銀保監會的金融許可證信息查詢系統進行手工收集整理得到。

在上述普惠金融指標體系構建和數據收集的基礎上，為更客觀地反映各地區普惠金融的發展水平，本文使用現有研究文獻中最常使用的變異系數法測算中國30個省份以及1886個縣域(包含縣級市)的普惠金融指數IFI。IFI取值區間為[0,1]，其值越大表明普惠金融發展水平越高，反之越低。

2.變量說明與描述性統計

為反映地區收入分配狀況，本文選取城鄉居民收入差距指標進行研究。結合現有文獻(陳斌開 等，2013；萬廣華，2013)的做法，同時考慮實證研究結果的穩健性，采用城鄉收入比和泰爾指數兩種方法來測度城鄉收入差距。具體而言，城鄉收入比采用城鄉居民人均可支配收入的比值來表示，且該值越大，表明城鄉收入差距越明顯；泰爾指數將人口變動因素考慮在內，且該指數越大，表明城鄉收入差距越大，其計算方法如下：

(9)

其中，i=1,2分別代表城鎮和農村,Y和Y分別為第t年城鎮、農村可支配收入，Y表示第t年總可支配收入，P和P分別為第t年城鎮、農村人口數，P為第t年總人口數。

所涉及變量的具體定義和描述性統計如表2所示。

表2 變量描述性統計

核心解釋變量普惠金融發展水平使用本文測算的普惠金融指數來表示，時間跨度為2005—2017年。關于數字普惠金融發展狀況的測度，目前比較權威且最常使用的是北京大學數字金融研究中心和螞蟻金服集團共同編制的“北京大學數字普惠金融指數(2011—2018年)”，具體的構建原則、指標體系和編制方法詳見郭峰等(2020)。限于基礎數據可得性原因，該套數據始于2011年，包含了2011—2018年的跨省級、城市和2014—2018年各縣域的數字普惠金融指數，而且在縱向、橫向之間均具有可比性，為科學合理地反映中國數字普惠金融發展狀況提供了堅實可靠的數據基礎。中介變量農村貧困程度采用農村恩格爾系數(即農村居民食品消費支出占總消費支出的比重)來衡量。此外，參考相關文獻，選取一系列影響城鄉收入差距的控制變量。地區層面的數據來源于歷年《中國統計年鑒》、各省區歷年《統計年鑒》以及EPS數據平臺等。

普惠金融的減貧效應是其影響收入分配的重要機制，為此本文進一步將減貧效應分析下沉至縣域視角，選取農村居民人均純收入作為縣域貧困程度的代理變量，這也是現有文獻中最為常用的指標。同時，綜合現有文獻做法，選取一系列影響縣域減貧增收的控制變量?？h域層面的數據來源于《中國縣域統計年鑒(縣市卷)》以及EPS數據平臺等，所涉及變量的具體定義和相關描述性統計如表3所示。

表3 變量定義(縣域減貧增收)

3.典型事實分析

在展開實證分析之前，進行一系列的典型事實分析，以此直觀地展示普惠金融、數字普惠金融與地區收入分配、縣域減貧增收之間的關聯機制，結果如圖3～5所示。

圖3 典型事實a：普惠金融、數字普惠金融與城鄉收入差距(散點圖、擬合線)

圖4 典型事實b：普惠金融、數字普惠金融與縣域減貧增收(散點圖、擬合線)

圖5 典型事實c：普惠金融、數字普惠金融、農村貧困與城鄉收入差距(散點圖、擬合線)

綜合幾個典型事實來看，普惠金融和數字普惠金融發展水平的提升有利于促進縣域減貧增收，減緩農村地區貧困程度，從而縮小城鄉收入差距。不過，以上直觀的典型事實分析僅是對變量之間關系的初步刻畫，為得到更加可靠的研究結論，還需要綜合考慮其他各因素的影響，并納入統一分析框架進行實證檢驗。

四、普惠金融影響地區收入分配的實證分析

(一)普惠金融對地區收入分配的綜合影響

表4匯報了普惠金融和數字普惠金融發展對地區收入分配(城鄉收入差距)的影響，結果顯示不管采用城鄉收入比指標還是泰爾指數作為被解釋變量，IFI和DIFI對城鄉收入差距始終存在顯著的負向影響，并均通過5%水平的顯著性檢驗，表明普惠金融和數字普惠金融的發展和推廣有利于縮小城鄉收入差距，具有收入分配的改善效應，且該作用是穩健的。

表4 綜合影響的回歸結果(城鄉收入差距)

(二)內生性處理：工具變量估計

上述回歸結果初步驗證了普惠金融、數字普惠金融對于地區收入分配的改善效應，但在模型因果識別過程中可能存在內生性問題的干擾。具體而言，變量之間存在的雙向因果關系以及因其他不可觀測因素導致的遺漏變量偏誤可能引起模型的內生性問題，而且省級面板數據存在的異質性也可能導致對應的誤差項具有異方差。為此，本文采用動態面板GMM方法和面板工具變量法重新進行估計，以消除模型可能存在的異方差和內生性。

首先，將被解釋變量的滯后一期納入回歸模型，選擇其2～3期滯后項作為對應的工具變量，同時將普惠金融IFI視為內生變量，選擇其2～3期滯后項作為工具變量，然后采用系統GMM方法進行估計，結果見表5中列(1)、(2)。結果顯示，IFI的影響系數顯著為負，并均通過1%水平的顯著性檢驗，表明在考慮模型可能存在的內生性問題之后，普惠金融依然會顯著縮小城鄉收入差距，可見其收入分配改善效應是穩健的。此外，AR(2)檢驗結果表明誤差項不存在二階序列相關，Hansen檢驗統計量表明工具變量是有效的。

其次，為數字普惠金融尋找工具變量，并采用面板工具變量法進行估計。借鑒相關文獻的做法(謝絢麗 等，2018；梁榜 等，2019)，本文選取2個工具變量，分別是省級互聯網普及率和省級數字技術應用指數，數據來源于中國互聯網絡信息中心每年發布的《中國互聯網絡發展狀況統計報告》和國家信息中心發布的《中國信息社會發展報告》，結果如表5中列(3)～(6)所示。工具變量回歸結果顯示，DIFI的估計系數均顯著為負，并至少通過5%水平的顯著性檢驗，表明即便在考慮模型存在的內生性問題之后，數字普惠金融仍然會對城鄉收入差距產生顯著的負向影響，且該作用是穩健的。同時，工具變量的不可識別檢驗和弱工具變量檢驗均顯示工具變量的估計結果是有效的。綜上所述，本文認為普惠金融和數字普惠金融能夠顯著縮小城鄉收入差距，具有收入分配改善效應。

表5 工具變量估計結果(城鄉收入差距)

(三)普惠金融影響地區收入分配的異質性分析

普惠金融和數字普惠金融對于不同區域的收入分配改善效應可能會有所不同。為此，作為穩健性測試和異質性分析，將樣本劃分為東、中、西部三大區域，并基于不同子樣本進行實證檢驗，結果如表6所示。列(1)～(6)匯報的是不同區域普惠金融發展對城鄉收入差距(城鄉收入比、泰爾指數)的影響，結果顯示：東、中部地區IFI的估計系數均在5%的統計水平上顯著為負，且中部地區的負向影響系數要明顯大于東部，西部地區IFI的估計系數為負，但并不顯著，表明普惠金融對東、中部地區城鄉收入差距具有顯著的縮小效應且該效應在中部地區更大，但在西部地區的收入分配改善效應并不明顯。

表6 異質性分析(普惠金融)

與之相比，表7列(1)～(6)匯報的是不同區域數字普惠金融對城鄉收入差距(城鄉收入比、泰爾指數)的影響，結果發現：東部地區DIFI的估計系數為負，但并不顯著，而中部地區DIFI的系數在5%的統計水平上顯著為負，西部地區DIFI的估計系數在1%的統計水平上顯著為負，且影響系數是最大的，這表明數字普惠金融對城鄉收入差距的縮小效應在西部地區最大，中部次之，東部地區并不明顯。比較區域差異性可知，通過金融科技手段和數字技術應用推動普惠金融發展能更好地縮小城鄉收入差距，特別是對貧困邊遠地區的收入分配改善效應最為明顯，這體現了數字普惠金融的優勢和普惠性特征。

表7 異質性分析(數字普惠金融)

五、中介效應分析：普惠金融的減貧作用

(一)普惠金融的減貧效應

表8匯報了普惠金融和數字普惠金融對縣域減貧增收影響的回歸結果。列(1)和列(3)分別是使用當期IFI和DIFI變量進行回歸，結果顯示IFI和DIFI的估計系數均在1%的統計水平上顯著為正，表明普惠金融和數字普惠金融的發展和推廣能夠顯著提升縣域農村居民收入，有利于促進貧困減緩。與此同時，為確保結果的穩健性，將核心解釋變量進行滯后一期處理(L.IFI和L.DIFI)，即評估上年的普惠金融和數字普惠金融發展狀況對當期縣域減貧增收的影響，這樣做的好處在于能夠在一定程度上減輕反向因果問題造成的干擾，估計結果如列(2)和列(4)所示。結果表明，滯后一期的普惠金融和數字普惠金融(L.IFI和L.DIFI)仍然對縣域減貧增收具有顯著的促進作用，減貧效應是穩健的。

表8 普惠金融對縣域減貧增收的影響

(續表8)

(二)減貧效應的內生性處理：工具變量估計

上述回歸結果初步驗證了普惠金融、數字普惠金融的減貧效應，為更好地識別普惠金融、數字普惠金融與縣域減貧增收之間的關系，進一步從多個視角構建工具變量重新對模型進行估計，以確保實證檢驗和分析的嚴謹，增強研究結果的穩健性。

第一，采用最為簡單直接的方法，即使用普惠金融、數字普惠金融的滯后期變量作為自身的工具變量。直觀的考慮是當期變量值與其滯后變量相關，然而由于滯后變量已經發生，故為“前定”(從當期的角度看，其取值已經固定)，可能與當期被解釋變量的擾動項并不會產生直接聯系，在一定程度上可以滿足工具變量的要求，類似的做法如Groves et al.(1994)。由此得到的工具變量估計結果如表9中列(1)和列(4)所示。

表9 工具變量估計結果(減貧效應)

第二，以省域內除自身縣域以外的其他縣域普惠金融、數字普惠金融發展水平的平均值作為工具變量。原因在于同一省域內金融機構所受政策規劃具有同質性，某一縣域的普惠金融和數字普惠金融必然與其他縣域的發展狀況具有相關性，而縣域的金融資金狀況一般受其所屬地級市的影響，不會受全省其他縣域的影響，并且省域內其他縣域普惠金融和數字普惠金融發展水平的平均值并不會對縣域的貧困程度產生直接影響，因此可以作為該縣域IFI和DIFI的合適工具變量。類似的做法如王修華等(2019b)，由此得到的工具變量估計結果如表9中列(2)和列(5)所示。

第三，進一步地，將樣本縣域所處省域內與該縣普惠金融和數字普惠金融發展水平最為接近的三個其他縣的IFI和DIFI的平均值作為工具變量。這與第二種工具變量選取的思路類似，不同之處在于將選擇范圍限定為與縣域的IFI和DIFI最為接近的三個其他縣域，這樣處理的好處在于可以消除因不同省域內縣域個數不同或者各縣域之間發展差異較大所造成的干擾，因此與使用省域內所有其他縣域的平均值作為工具變量相比會更加精確，類似的做法如王雪等(2019)。工具變量的估計結果如表9中列(3)和列(6)所示。

綜合上述不同工具變量的估計結果來看，IFI和DIFI的估計系數依然在1%的統計水平上顯著為正，表明即便在考慮模型可能存在的內生性問題之后，普惠金融和數字普惠金融的減貧效應依然是穩健的。此外，表9中還匯報了對工具變量的外生性和相關性的檢驗結果，不可識別檢驗和弱工具變量檢驗的結果均顯示本文所選取的工具變量是有效的。

(三)中介機制分析：農村貧困減緩的中介作用

在前文研究中，已直接驗證了普惠金融和數字普惠金融發展對縮小城鄉收入差距的顯著作用，不過模型回歸結果揭示的是對地區收入分配影響的綜合效應，其中包含了直接效應和間接效應。為此，本文進一步采用中介效應分析方法檢驗普惠金融和數字普惠金融通過促進農村地區居民減貧增收來改善地區收入分配的中介效應。表10匯報了中介效應的分析結果。

表10 中介機制分析(農村貧困減緩的中介作用)

列(1)和列(4)分別匯報的是IFI和DIFI對中介變量(農村貧困程度POV)的影響，結果顯示IFI和DIFI的估計系數在1%的統計水平上均顯著為負，表明普惠金融和數字普惠金融對農村地區具有顯著的貧困減緩效應，這與前文中縣域減貧增收的實證分析結果相吻合。列(2)和列(3)是將自變量IFI和中介變量POV同時納入實證模型進行回歸，結果顯示普惠金融對城鄉收入差距(城鄉收入比、泰爾指數)仍具有顯著的縮小效應，IFI的負向影響系數分別為-0.941和-0.069，與不加入中介變量時的模型估計系數-1.173和-0.086相比明顯減小(見表4中列(1)和列(2))，上述結果充分表明普惠金融對城鄉收入差距有顯著的直接影響，同時也存在通過減緩農村地區貧困程度的間接影響，即農村貧困減緩起到了部分中介作用，屬于部分中介變量。進一步地，通過Sobel檢驗來驗證中介效應模型的顯著性，結果顯示Sobel檢驗統計量Z值對應的p值小于5%的顯著性水平，驗證了中介效應模型的有效性，且中介效應占比分別為19.78%和19.39%。

與此相對應，列(5)和列(6)是將自變量DIFI和中介變量POV同時納入實證模型進行回歸，結果顯示數字普惠金融同樣對城鄉收入差距(城鄉收入比、泰爾指數)具有顯著的縮小效應，并且DIFI的負向影響系數分別為-0.077和-0.006，與不加入中介變量時的模型估計系數-0.107和-0.008相比有所減小(見表4中列(3)和列(4))，由此可見數字普惠金融對縮小城鄉收入差距不僅有顯著的直接影響，同樣也存在通過減緩農村地區貧困程度的間接影響，即農村貧困減緩在數字普惠金融和城鄉收入差距之間起到了部分中介作用。進一步地，Sobel檢驗統計量Z值對應的p值小于5%的顯著性水平，表明中介效應模型的估計結果是有效的，且中介效應占比分別為27.83%和22.99%。綜合比較上述結果可以發現，普惠金融和數字普惠金融不僅對城鄉收入差距具有直接的縮小作用，同時也存在通過促進農村地區減貧增收來縮小城鄉收入差距的間接效應，且比較來看依托金融科技與數字技術推廣的數字普惠金融通過促進貧困減緩發揮的中介效應更大。

六、結論與政策啟示

本文考察普惠金融和數字普惠金融對收入分配的影響，以及貧困減緩在其中發揮的中介效應。主要發現如下：第一，普惠金融和數字普惠金融發展能顯著縮小城鄉收入差距，具有收入分配的改善效應，但具有區域異質性，比較來看數字普惠金融對欠發達地區收入分配的改善效應更明顯，體現出普惠性特征；第二，普惠金融和數字普惠金融能促進農村居民貧困減緩；第三，促進農村地區貧困減緩是普惠金融和數字普惠金融縮小城鄉收入差距的重要傳導機制，且相比而言數字普惠金融通過農村貧困減緩發揮的中介效應更大。

基于上述研究結論，本文的政策啟示在于：第一，充分調動、發揮傳統金融機構和新型業態主體的積極性、能動性，支持傳統金融機構充分利用大數據、云計算以及移動互聯網等金融科技手段和數字技術優勢推動普惠金融服務的創新發展，增強減貧效應和收入分配改善效應；第二，重視普惠金融影響效應的異質性特征，推行差異化的普惠金融政策，引導各類型機構和組織結合自身特點，找準市場定位，發揮各自優勢，進而促進不同區域差別化、有特色、高效率的普惠金融體系建設；第三，推進普惠金融發展應與當地經濟環境、資源稟賦和產業發展狀況等相結合，強調“造血式”扶貧、開發式扶貧，同時加強中小微弱等特殊群體的能力建設，通過增強貧困地區人口的經濟機會和自生能力實現可持續脫貧，促進居民收入合理分配，進而為實現共同富?！疤碛椭Α薄?/p>