數字普惠金融化解多維貧困可持續機制研究

曾之明，王浩維，趙志剛

(湖南工商大學 地方金融研究所，湖南 長沙 410205)

一、引言

現階段我國脫貧攻堅戰取得重大進展，2020年11月中國832個國家級貧困縣全部脫貧摘帽，脫貧攻堅戰取得了初步勝利，也標志著中國步入了由絕對貧困轉向相對貧困、收入貧困轉向多維貧困的新階段。多維貧困不僅契合了貧困問題的本質與內涵，還有助于為我國2020年之后的扶貧戰略實施提供新思路。一方面，多維貧困擺脫了收入等經濟貧困只從貨幣維度衡量貧困的范疇，進一步加入了可行能力的考量。正如Sen A(1999)[1]指出，貧困問題的根源是對人們可行能力的剝奪，這種可行能力不僅包括收入增長，還包括教育、健康和生活質量改善等多維能力的獲得。我國農村貧困具有多發性和表現形式多樣性的復雜特征，并不局限于收入或消費維度的經濟貧困，還表現為教育、健康和生活質量等多維方面的匱乏。由此今后我國反貧困戰略將升級轉換。在現階段鄉村振興背景下，要建立解決農村多維貧困的長效機制，離不開數字普惠金融的支持。傳統的普惠金融服務往往需要借助銀行等金融機構的物理網點來實現，致使經營成本高居不下；而為防止信用風險溢出，金融機構在對農村客戶提供信貸支持時往往需要嚴格的審核程序，這在一定程度上也提高了對“信用狀況較低”的人群的服務門檻。數字普惠金融則在降低服務成本、提高金融服務滲透率等方面有著明顯的優勢，能深化共享、公平機制以提升金融福利，通過“長尾機制”有效緩解相對多維貧困，對構建化解多維貧困的長效機制、掃除貧困頑疾發揮日益重要的作用。

我國傳統普惠金融體系建設過程中仍存在著金融服務覆蓋面不均衡、農村民間借貸與信貸并存、部分地區人民對新科技了解不深，以致無法享受互聯網技術帶來的便捷等問題，這些難題在一定層次上阻滯了扶貧渠道的通暢運行。而由于“新信息技術”和“傳統包容性金融”的進一步融合，減貧已儼然成為數字包容性金融的固有屬性。但在金融科技日益創新的當下，數字普惠金融發展給農村地區帶來的是數字鴻溝還是數字紅利,是“益貧”效應還是“溢富”效應更明顯，都有待進一步研究。因此本文認為有必要深入研究數字普惠金融減貧效果以及構建化解多維貧困長效機制。試圖通過構建多維貧困指數，以探求貧困評價指標與數字普惠金融指數的關系，構建合適的面板數據模型，測度我國數字普惠金融化解多維貧困的效應，為構建數字普惠金融化解多維貧困可持續機制提供可行性建議。

二、文獻回顧

(一)數字普惠金融測度

在普惠金融發展水平的測度方面，國內外學者都基本認可使用指數指標體系來進行衡量。普惠金融指數，這一概念最早是由Sarma(2008)[2]所提出，之后的研究大多在其指數構建研究方法的基礎上，分別從不同角度對普惠金融的測度進行探討。一部分學者從供給方和需求方入手，在供給方層面，將居民的儲蓄行為、借款來源與正式賬戶作為衡量普惠金融發展水平的重要指標，我國大多采用金融服務滲透指標進行衡量；在需求方層面，則主要考察的是普惠金融產品和服務相關指標(Demirguc-Kunt和Klapper，2014；王韋程，2015；Petr Teply和Michal Polena，2020)[3-5]。另一部分學者則認為，舊制的普惠金融指數存在著編制方法過于簡單、歷史數據不足、研究開啟時間過早的問題，難以全面刻畫普惠金融的發展情況，還應將政府政策、科技發展、法治建設、人口經濟特征、金融素養等外部因素納入普惠金融指數指標體系綜合考慮(伍旭川和肖翔，2014；PARK，2015；Hossein CS，2015；Antonia Grohmann等,2018)[6-9]。近年來，隨著“互聯網+”概念逐漸興起以及信息技術應用場景的不斷深入，普惠金融也換上了信息化的新引擎走上了發展的快車道。為此，北大數字金融研究中心于2016年提出了數字普惠金融指數，該指數主要從互聯網金融的使用深度、覆蓋廣度以及數字支持服務等維度來構建指標體系，邏輯嚴密，時效性強。易行健和周利(2018)[10]也認為互聯網金融在我國的發展速度極快，在編制指數時應更多考慮第三方支付系統所體現的作用。趙燕和李季剛(2019)[11]結合變異系數法與歐式距離法，從金融知識覆蓋率、金融資金運用以及基層文化建設四個方面考慮了數字普惠金融指數的構成。

(二)數字普惠金融減貧效應影響

在研究數字普惠金融的減貧效應方面，國內外學者盡管研究方法有所差異，但研究結論基本一致，即普遍認為，數字普惠金融能夠通過擴大金融服務范圍，強化基層金融服務滲透率，有效地提高貧困人口的生活水準。具體而言，國內學者較多地關注整體性分析，力求通過更新數字普惠金融指數的編制方法反映我國普惠金融發展現狀，并利用回歸模型來探究數字普惠金融發展對各地的貧困發生率的影響，研究成果較為豐富。謝升峰等(2021)[12]進行了數字普惠金融緩解農村相對貧困的長尾效應測度，基于湖北貧困地區調研數據，對不同農村收入群體進行主成分分析的結果表明:收入越高的群體數字普惠金融水平均值越高，信息溝壑越小;建立廣義Logit相對收入模型進行實證分析后發現，數字普惠金融水平越低，越容易陷入相對貧困;群體收入越高，信息溝壑在緩解相對貧困中的約束越強，數字普惠金融緩解相對貧困的長尾效應值越大。羅俊等(2014)[13]認為，數字普惠金融主要從拓寬網絡金融業務、降低營運成本、打破服務區域限制這三個方面助力扶貧進程。武蘇粉和楊艷杰(2019)[14]結合河北省的實際情況,著重從信息不對稱、金融基礎覆蓋率等角度分析互聯網金融對農村普惠金融的影響，認為互聯網金融完善了農村普惠金融的信息渠道，降低了普惠金融的服務成本。傅秋子和黃益平(2018)[15]研究發現數字金融整體水平的提升減少了農村生產性正規信貸需求概率,其中擁有智能手機的群體受影響更明顯。陳陽和趙丙奇(2019)[16]以我國各省貧困發生率為分析對象，數字普惠金融指數為核心解釋變量，研究表明數字普惠金融發展確實能夠降低貧困發生率。國外學者則更注重“點”的分析，即通過選取普惠金融具有代表性的變量進行研究。Mbiti和Weil(2011)[17]以M-PESA手機錢包數據為研究樣本，通過實證研究發現第三方支付金融工具能幫助人們在正規金融機構進行儲蓄，降低人們在非正規金融機構儲蓄的意愿。Diniz等(2012)[18]提出互聯網技術對普惠金融造成的影響具有兩面性，一方面，信息技術能夠進一步促進普惠金融的發展；另一方面，在相對貧困的國家，互聯網技術會引起低收入人群的負債加重，從而抑制普惠金融發展。Dmitriy等(2014)[19]研究發現，普惠金融體系的完善能夠擴大金融服務的范圍，從而削弱金融排斥效應帶來的負面影響。 Sehrawat(2015)[20]指出提高金融資源可得性能夠有效地提高貧困人口的收入。Vasantha(2016)[21]等人認為移動銀行技術在增加無銀行地區、農村的金融服務等方面發揮了重要的作用。Okello Candiya Bongomin(2018)[22]測試了社交網絡在烏干達農村地區移動貨幣使用與金融包容性關系之間的調節作用，結果表明社會網絡在移動貨幣使用與烏干達農村金融包容性之間的關系中具有顯著和積極的調節作用。Abor和Amidu(2018)[23]對加納的大量家庭數據進行了分析，研究結果表明，移動滲透率和金融包容性顯著降低了家庭變窮的可能性，但其福利待遇在女戶主家庭中并不明顯。

三、相關概念與理論分析

(一)相關概念內涵

1.數字普惠金融

聯合國于2005年首次提出“包容性金融”的概念，旨在解決金融排斥問題，要讓處境不利的人們能夠享受高質量的金融服務，并強調要設立惠及公眾的金融服務體系。我國近年來也越發重視普惠體系的建設，在2016年的G20峰會上，我國率先提出了“數字普惠金融”的概念，倡議利用信息技術促進普惠金融服務的發展?！皵底制栈萁鹑凇笔莻鹘y金融服務在運營模式上的創新，它將信息技術廣泛運用于金融服務中，具有低成本、高效率的特點，能夠通過互聯網實現資金的融通，打破了傳統物理網點的地域界限，在一定程度上解決了由信息不對稱所導致的金融排斥現象，加上其廣泛的受眾和較低的使用門檻，為弱勢群體提供了平等享受金融服務的機會。

2.多維貧困相關概念

我國最早提出貧困相關概念的是來自南京大學教授童星等人于20世紀90年代發表的《我國農村貧困標準線研究》[24]。隨著學界對貧困問題研究的不斷深入，對貧困的概念界定了更為豐富的層次。貧困是指在經濟或精神上的貧乏窘困，是經濟、社會、文化貧窮落后現象的總稱，是一種社會物質生活和精神生活貧乏的綜合現象。其中收入貧困是指用于人們日常生活的物質匱乏，能力貧困是指人們獲取生活資料的能力不足，即掙錢能力的缺乏，權利貧困則是指社會成員應享受的政治和文化權利的喪失。收入貧困是貧困的表現形式，能力貧困是貧困的直接原因，而權利貧困則是貧困的社會后果，而多維貧困應涵蓋以上內容。

表1 貧困概念劃分與釋義

第一，絕對貧困又叫生存貧困，是指在一定社會生產方式和生活方式下，個人和家庭依照其勞動所得和其他合法收入不能滿足其基本的生存需要。2011年11月，中國政府決定將農民年人均純收入2300元作為國家扶貧標準線，此基準可能按照物價等指數不定期調整。貧困人口脫貧以戶為單位，主要衡量指標是“一超過、兩不愁、三保障”。2020年貧困人口脫貧驗收的標準為年人均純收入超過4000元，實際上已是按照多維度的方法識別貧困。

第二，相對貧困是指與社會平均水平相比其收入水平少到一定程度時維持那種生活狀態、各個社會階層之間的收入差異和各階層內部的收入差異。國際慣例通常是把人口的一定比例歸于相對貧困階層。相對貧困可以解釋為在解決絕對貧困后，社會成員所擁有的資源未達到社會平均生活水平，以及存在的權利保障缺失等帶來“相對剝奪感”的問題，相對貧困體現著社會成員在進一步發展過程中遇到的多維貧困問題。

第三，多維貧困。貧困是一個多維的概念，除收入外，還包括許多非貨幣的維度，如教育、健康、住房以及公共物品的獲得等。有較高的收入并不一定可以獲得良好的教育、醫療或其他公共物品。這樣，如果僅從收入維度測量貧困，可能導致那些教育、健康或其他相關維度處于貧困(短缺)狀態的人口得不到及時救助。較早明確提出從多維角度來認識貧困與發展問題的學者則是印度學者阿馬蒂亞·森(Amartya Sen，1996)，其“可行能力”理論被公認為是多維貧困的理論基礎。Sen從“可行能力”的視角定義貧困催生了多維貧困理論，提出收入匱乏作為一系列功能性活動中的一種，在市場不完善或不存在的現實情境下，無法作為工具性變量完全反映個體或家庭的被剝奪程度。要正確衡量個體或家庭的貧困程度，就必須從多個功能性維度來考慮個體或家庭被剝奪的狀況，構建多維貧困測度指數。因此，采用多維度的方法測度貧困，不僅可以加寬和加深人們對貧困的認識，還可以為貧困人口提供瞄準率更高、效果更好的分類救助措施。

總之，現階段多維相對貧困仍會長期存在，我國扶貧戰略思路需要對此進行相應方向的轉變。數字普惠金融作為經濟發展的內生新動力，正逐漸演變為新型的扶貧方式。數字普惠金融重視消除貧困，實現社會公平，因為增加弱勢群體獲得金融服務的機會通常被認為是一種可以緩解多維貧困的有效途徑?！笆濉逼陂g提出了一項重要國策，即發展普惠金融，“十四五”開局我國正進入數字經濟時代，大力創新數字普惠金融服務勢在必行，研究數字普惠金融化解多維貧困可持續機制十分必要。

(二)數字普惠金融化解多維貧困機制

首先數字普惠金融具有直接減貧機制。數字普惠金融的出現在一定程度上緩解了金融排斥，讓這些被排斥的群體也能享受經濟發展的優勢。窮人獲得金融服務(一般是貸款服務)后，就可以發展生產，改善自己的生存狀態，慢慢累積資金，在一定程度之后，某些具備企業家才能的低收入者可以創業，最終實現經濟水平的提高，減緩貧困。具體來說，數字普惠金融促進貧困減少的直接途徑主要是向窮人提供儲蓄、信貸以及保險等服務。其次數字普惠金融具有間接減貧機制。經濟增長作為數字普惠金融與貧困減緩之間的重要環節，對于貧困減緩有重要意義。(1)經濟增長。隨著數字普惠金融創新，提高了儲蓄轉為生產力的能力，繼而提高了資源的配置效率，使得經濟發展更好，讓貧困群體獲得更高的收入，實現減貧；經濟的增長，又提高了稅收，通過加大轉移支付與財政支出，減少貧困。所以數字普惠金融利用經濟增長這個中間作用來實現貧困減緩，經濟增長具有中介效應。(2)收入分配。數字普惠金融的出現降低了金融服務門檻，特別是對于低收入人群來說，能夠獲得金融服務提高收入水平，普惠金融可以優化企業的融資環境，使得小微企業也能享受到金融服務，有利于縮小收入分配差距；數字普惠金融可以實現農村勞動力轉移，提高貧困居民的收入，減小收入分配差距；數字普惠金融通過居民的資本積累來改善收入分配情況從而實現減貧。所以，普惠金融通過減小收入分配差距實現貧困減緩，收入分配有中介效應。

具體而言數字普惠金融主要通過以下三條路徑(如圖1所示)來減緩多維貧困：

圖1 數字普惠金融減貧路徑圖

1.緩解金融排斥

數字普惠金融主要從以下三個方面來緩解金融排斥。

(1)緩解區位分層問題

考慮到成本因素，我國傳統的金融機構一般不愿在偏遠農村地區設立分支機構。因為農戶的貸款性需求具有季節性、需求頻繁、總量較小等特點，無形中推高了金融機構的經營成本，擠占了利潤空間。金融機構的逐利性迫使它們從貧困地區撤離，轉而將目光放在更有機會獲取高額利潤的城區。從長遠來看，貧困地區居民的金融服務需求將越來越難以得到滿足，便會成為邊緣群體。數字普惠金融的普及為解決這一問題帶來了轉機，它能使得資金需求者逐漸掙脫地理因素限制，縱使身處偏遠山區亦可享有平等的金融服務。金融機構也可以借助互聯網將業務發展至全國，拓寬獲客渠道。

(2)消除主體評估歧視

與城區客戶相比，傳統金融機構對農戶的評估要求要更為嚴苛，由于農戶的收入波動性較強，農作物的收成往往取決于氣候狀況，如遇惡劣天氣，則收入難以保障，及時還款的可能性也會大大降低。同時，由于貧困地區的農戶大多未接觸過金融知識，履約意識尚有不足，拖延還款也實屬常態。一言以蔽之，由于農戶未來收入的不確定性較大，缺乏足夠的信息來進行評估，在為其提供金融服務時，傳統金融機構面臨更大的風險，因此將采用更嚴苛的準則。數字普惠金融利用大數據與人工智能技術，能夠在風險評估與防控方面為金融機構提供更為全面的信息，手中掌握了足夠的信息，金融機構對客戶的資信狀況也能做出更準確的分級，農戶也能獲得更為公正的服務。

(3)協調產品供給不平衡

在農村地區，傳統金融機構所提供的金融產品種類有限，多為大額存單、定期存款等產品，證券、基金類的產品較少。實際上，隨著經濟的持續良好發展，山區農戶的資金需求已逐步多樣化，這也必將導致供給的多元化，數字化金融服務則能夠借助互聯網降低企業的服務運營成本，滿足山區農戶的多樣化需求。

2.涓滴效應

通過促進經濟增長，數字普惠金融能夠借由涓滴效應，進一步緩解多維貧困狀況。即先讓貧困地區擁有更大發展潛力的金融服務對象率先發展起來，先富起來的人群又能將其所得的發展成果反饋給當地貧困居民，為當地居民提供更多就業崗位，有效幫助貧困人民擺脫貧困窘境，提高居民生活水平。同時貧困地區居民收入整體提升，意味著當地政府的稅收收入也會相應增加，政府將會擁有更強大的資金實力來完成基建工程，提高當地的社會福利，緩解金融體系的脫節難題，使金融系統持續向好發展。

3.降低金融服務門檻

傳統金融機構往往因審核流程繁瑣、人工費用高昂等原因，不得不將一部分的成本費用分攤至客戶，從而推高了金融服務費，使許多有金融服務需求的人望而卻步。此外，傳統金融機構為了嚴控風險，信貸審核十分嚴格，對客戶的信譽以及抵押物都有較高的標準。然而，當前貧困地區的征信系統仍有待完善，居民手中可用的抵押物也較少，大多難以觸及信貸審核的門檻。數字化金融服務的出現則能夠有效緩解這一問題，傳統金融機構可通過在網絡上設立平臺，進行線上的金融服務工作，不用特地在當地設立實體網點、雇傭新員工，顯著降低其運營成本。金融服務費率也就有了更大的下降空間。通過電子支付系統保證資金流能快速到賬，緩解貧困人民的資金短缺需求。

四、模型、變量與數據

(一)模型

結合以往國內外學者的研究成果及本文研究思路，首先構建面板數據模型如下：

lnMRIit=C+β1lnDIDFit+β2lnRGDPit+β3lnWEFGit+β4lnISit+μit

(i=1,2,3,…；t=1,2,3,…)

(式1)

為使回歸結果更為科學合理，本文對變量進行了對數化處理，其中lnMRIit為多維貧困指數，度量的是各地區的農村居民貧困水平；lnDIDFit為數字普惠金融指數，表示各地的數字普惠金融發展水平；lnRGDPit為人均地方生產總值，以表示地方的經濟發展水平；lnWEFGit為福利支出水平，是各地民政福利支出與GDP之比，以衡量各地福利支出情況；lnISit是第二、第三產業增量占GDP總量的比例，以衡量該地區的產業結構狀況；μit為隨機擾動項。

(二)變量的選取

1.被解釋變量

農村居民多維貧困指數(MRI)：本文從農村居民支出端的8個維度構建貧困指數來衡量某地區的農村居民貧困狀況，該指數越高，該地區的農村居民越貧窮。

2.解釋變量

數字普惠金融指數(DIFI)：該指數由北大數字金融研究所編制，考察維度涉及的領域較廣，能夠從多角度科學評價某地區的數字包容性金融發展水平。DIFI指數越大，則表明該地區的數字普惠金融發展水平越高。

3.控制變量

影響某一地區相對貧困水平的因素很多，為避免遺漏變量偏誤，本文控制了一系列變量如下所示：區域經濟發展水平(RGDP)，以人均區域生產總值來代表一地的經濟發展狀況，該數值越高，則說明該地區的經濟發展水平越高；產業結構(IS)，用第二、第三產業增加值與GDP的比值來表示某一地區的產業結構變化，該數值越高，該地區的產業結構高級化程度越明顯；民政福利支出水平(WEG)等于某地民政福利支出與GDP的比值，以此表示一地的民政福利支出水平，數值越大則代表這一地區福利支出水平越高。

(三)核心數據的來源與處理

本文實證研究將使用省際面板數據分析的辦法，含31個省、自治區、直轄市，時間跨度為2014—2018年，共計5年時間，數據來源于統計局官網及北京大學數字金融研究中心。

1.多維貧困指數的來源與處理

本文跳脫出僅以農村居民收入衡量貧困程度的單一維度，從農村居民支出端8個維度著手對其生活質量進行考察(表2)：

表2 多維貧困指數評價維度一覽表

根據表2的評價維度，從各省統計局官網共搜集了1240個數據觀測值(31*8*5)并進行多維度貧困指數編制。

編輯指數首先要確定各評判指標的權重，因為等權重賦權法存在著過于理想化，現實意義不足的問題，故本文選用熵權法來進行賦權以保證評價體系更為科學。

第一步，在計算各指標權重時，將第i項評價指標的熵確定為θi，根據以下公式，便可計算出αi：

(式2)

第二步，假設當fij=0時，fijlnfij=0，k為玻爾茲曼常數，令k>0。依據熵值的定義，可解得第i項評價指標的熵權ωi，見式3。

(式3)

第三步，便可計算出歷年農村居民消費支出的權重，計算結果如下：

表3 歷年指標權重計算結果一覽

求得權重后，即可進行多維相對貧困指數的計算，依據恩格爾理論，可衍生出如下算式：

(式4)

其中，RPIij代表第i個地區的農村居民于第i個測算指標上的相對貧困指數，piqi代表各測算指標的基本需求支出，AOij則代表該地區農村居民在第i個測算指標上的實際支出。本文將采用經濟學家Luch提出的ELES模型，對基本需求支出進行測定，以下為步驟及相關公式：

(式5)

(式6)

Ei=αi+βiY

(式7)

(式8)

其中，Ei代表居民在第i個指標上的平均支出，βi代表邊際消費傾向，αi代表截距項，Y表示該地區農村居民的可支配收入。根據上述公式，我們將各維度的實際支出Ei與收入Yi分別做回歸，便可得到相應的截距與斜率，代入式8，即可解得各維度的居民基本消費支出。具體結果如表4，表5。

從上表的回歸結果來看，前四個維度擬合效果較好，大部分的回歸測算模型的擬合優度都在0.7以上，其中食品與住房消費同可支配收入的數據擬合性更佳。

表4 線性回歸結果(前四個維度)

表5 線性回歸結果(后四個維度)

較前四個指標而言，后四個指標與可支配收入的數據擬合優度欠佳，但仍在可接受的范圍之內，其中交通通信與可支配收入的數據擬合程度最佳。經過上述步驟，我們已解得α與β的數值，利用公式8可算出各測算指標歷年的基本需求支出，計算結果見表6。

表6 歷年消費需求基本支出測算結果一覽表

從表6中的計算結果可知，食品支出所占比例最高，而其他項支出則占最低比例。

基于以上的計算，我們已求得基礎參數和指標，便可根據式9解得多維貧困指數MRI：

(式9)

MRI指數越高意味著該地區相對貧困程度越嚴重，具體的計算結果如表7。

表7 前16個地區MRI計算結果

表7為前16個編號地區的MRI指數，從表7可知，截至2018年，上海(0.3087)、北京(0.3104)等地的農村相對貧困問題較輕，山西省(0.6501)、江西省(0.6117)等地的農村相對貧困問題較嚴重。其中，上海、北京等地屬于我國東部地區，山西、江西則屬于中部地區。后15個編號地區的多維貧困指數則如表8所示。

表8 后15個地區MRI計算結果

結合表7、表8的數據我們可以得知：截至2018年，在31個地區中，多維貧困程度最嚴重的是西藏(1.0158)、云南(0.7169)、貴州(0.6867)等西部經濟不發達的地區，多維貧困程度最輕的則是上海(0.3087)、北京(0.3104)、天津市(0.3379)等東部經濟發達的地區，基本按照“東部貧困程度最低，中部次之，西部最高”的梯度分布，因此，盡管我國近年來扶貧的效果顯著，但分地區來看，地區之間仍存在著較為明顯的差距，這點可以從各地區代表省份或城市的MRI指數看出。按照學術界有關定義，一般認為，MRI指數在0.4以下的地區為低貧困地區，MRI指數在0.4至0.8的地區為中度貧困地區，0.8以上的則為高度貧困地區，表9、表10、表11為2014年與2018年我國農村居民的多維貧困空間布局情況：

表9 2014年我國農村居民多維貧困空間格局一覽

表10 2018年我國農村居民多維貧困空間格局一覽

表11 配對T檢驗結果一覽

總體上來看，2014年我國東部存有6個中度貧困地區、4個低貧地區；中部則有8個中貧地區，2個高貧地區；西部則有6個中貧地區，5個高貧地區。到了2018年，我國東部中度貧困地區減少1個，西部高度貧困地區減少3個，東西中部的多維貧困指數平均值均有明顯下降，同時，配對T檢驗的結果拒絕原假設，說明我國近些年來的減貧工作已經有了顯著的成就。

2.數字普惠金融指數的來源與處理

本文所選取的數字普惠金融指數，來源于北京大學數字金融研究中心。我們以此數據衡量2014年到2018年5年間全國各省的數字普惠金融水平，具體情況如圖2所示：

數據來源：北大數字金融研究中心

從圖2中我們可以得知，2014年至2018年我國各地區數字普惠金融水平一直處于上升的勢頭，且東部地區的發展速度較快，以上海市為例，2018年上海市的普惠金融指數達到了377.73，位居首列，中部西部地區的數字普惠金融推進工程盡管起步較晚，但發展的速度并未落后，在前文中屬于農村居民貧困程度較高地區的西藏，如今其數字普惠金融指數也達到了274.33，可以見得，在信息技術的推動下，我國數字普惠金融服務滲透力度與覆蓋廣度正在逐步加深，數字金融服務扁平化的格局正逐步形成。

五、實證結果分析

(一)平穩性檢驗

盡管所選數據屬于短面板數據(時間跨度小于截面數)，數據可能存在長期平穩的趨勢，但為保證實證結果嚴謹，本文仍對模型中所涉及的變量進行了LLC平穩性檢驗，檢驗結果如表12所示。

表12 變量平穩性檢驗結果

結果表明，在0.01顯著性水平下，所有變量均為平穩的數據。其中c為常數，1代表考慮時間趨勢，0代表不涉及滯后項。

(二)協整檢驗

表13 Pedroni變量檢驗結果

由表13可知，檢測項目共7項，其中有4項表明變量之間存在協整關系，故本文有一定理由表明，變量存在協整關系。

(三)面板回歸模型

1.霍斯曼檢驗與面板回歸結果

面板模型的選擇有混合、隨機、固定三大類，混合模型在理論意義上的解釋能力比較強，但實際意義的解釋能力劣于后兩類模型，故本文面板模型的可選項縮減為后兩類，可利用Hausman檢驗進行模型的選擇，以下為檢驗的結果(表14，表15)。

表14 霍斯曼檢驗結果

表15 固定效應模型與隨機效應模型

續表

根據以上檢驗輸出結果，我們可知，應選擇固定效應模型。

2.穩健性檢驗

本文采取更換計量方式的方法進行模型穩健性檢驗，即使用GMM回歸估計來進行檢驗(表16)。GMM的模型設定不同于本文在進行固定個體效應分析所使用的靜態模型，而是通過引入滯后項的方式，考察的數據動態化，為研究面板數據的內生性問題提供了一種很好的解決方案，同時其計量的假設也與OLS計量方法有著較大的差距，故本文將使用此種方法來進行檢驗。

表16 GMM回歸分析結果

續表

為驗證模型的有效性，本文采用了GMM模型對數據進行估計，根據表16的輸出結果，可知本文所選取的模型、工具變量等是有效的：sargan檢驗通過兩種擬合方式(LS與GMM)中涉及變量符號相同、顯著性大多有保證。同時，自相關檢驗結果顯示，AR(1)的對應P值(0.0845)小于0.1,AR(2)的對應P值(0.3782)大于0.1，即被解釋變量MRI存在一階自相關，但是MRI的二階自相關現象并不顯著。

3.模型構建與結果分析

由以上兩表的結果我們可以得知，應當選擇個體固定效應模型。

即：

lnMRI=-0.37081D1+…+0.13795D31-0.3087lnDIDF-0.1633lnRGDP+0.0981lnWEFGit-0.7503lnIS

(式10)

以上模型表明，數字普惠金融指數(DIDF)與多維貧困指數存在負相關關系，即我國數字普惠金融水平的提高，能夠有效地提高農村居民的生活狀況，其系數為-0.3087，這意味著在其他條件不變的情況下，平均而言，我國數字普惠金融水平每提高1%，將使我國農村居民多維貧困狀況減緩0.3087%。這主要是因為我國數字技術與普惠金融服務的融合日漸緊密，使得金融服務的延展性以及滲透性得以有效提升，金融服務的門檻也在逐日下降，全體居民都能夠有機會平等地享受最新的金融科技成果，緩解金融排斥效應，通過涓滴效應有效提高當地居民收入，使得數字鴻溝轉化為數字紅利，助力減貧工作的進一步實施。

經濟發展狀況(RGDP)同農村居民多維貧困程度呈現出反方向變動的現象，這是因為經濟水平提升將會促進金融資源在全國范圍內更有效地配置，更多的金融資源將流入鄉村，改善(完善)農村的基礎性設施建設，拓寬農村與外界的交流渠道，使得農村的農副產品、礦產資源都能夠以更快的速度到外地，成為當地農村的經濟增長點，同時，也能夠緩解農村“年輕人口空心化”的現象，為當地農村提供更多就業機會，減緩農村青年勞動力向經濟發展速度更快的城市外流。因此，數字普惠金融化解多維貧困的效應在農村地區更為明顯。

產業結構(IS)同樣也與MRI指數負相關，即我國產業結構升級也能在一定程度上助力扶貧工作，在產業結構高級化的過程中，城市的科技成果、企業經營理念等會加速流入鄉村，農村的居民則能利用這些“寶藏”調整自己的經營方式，樹立更為科學的經營理念，同時轉變農村生產方式，反哺于城市，與城市之間形成更為良好的互動關系，進一步推進該地區的發展。

民政福利支出水平(WEG)則與MRI指數正向關聯，即我國社會福利支出的提高會加深我國農村居民的相對貧困，毋庸置疑的是，優越的福利政策能夠有助于幫扶貧困的人口脫離多維貧困，但凡事均有兩面性，福利政策自然也有著其負面影響，本文的實證研究結果表明，在本文所研究的時間跨度下，在扶貧方面，福利支出的負面效應要大于正面效應。比如，前文中所提及的“福利依賴”現象，即貧困人口中有部分人，因為脫貧后無法繼續獲得政府的補助，必須自力更生解決溫飽問題，而不愿意脫離貧困，從而可能導致“扶貧資金投入逐年增長，但扶貧效果卻并未有明顯的改變，而政府為了達成扶貧目標又不得不繼續加大資金投入”這一怪圈現象。

六、結論

本文以2014—2018年全國31個省(自治區、直轄市)的面板數據為樣本，通過編制多維度相對貧困指數MRI，建立固定效應模型，對數字普惠金融化解多維貧困效應進行了實證研究，結論如下：第一，從多維度貧困指數計算結果分析可知，我國多維貧困情況呈現出“東部貧困程度最低，中部次之，西部最高”的梯度分布，近年來，東部、中部、西部三大地區的貧困水平均有所下降，扶貧工作效果顯著，其中西部地區化解相對貧困成效最為明顯。第二，我國數字普惠金融水平的提高有助于降低農村居民多維貧困水平，幫助他們提高生活水平。此外，地方經濟發展水平提升和地方產業結構升級，也能在一定程度上助力緩解多維貧困。第三，過高的地方民政福利支出水平，會增加該地區多維貧困程度，可能是由于“福利依賴”現象導致。

基于以上研究結論，本文提出創新金融科技促使國有銀行升級轉型、打造數字普惠金融網絡提升減貧效率、推動數字普惠金融融合發展和推廣運用、建設新型征信系統以強化數字普惠金融風控以構建化解多維貧困長效機制等對策建議：

(一)創新金融科技促使國有銀行升級轉型

盡管近幾年各大銀行都在金融科技方面投入了大量資金，但在發展過程中仍然存在著“重概念輕落實”“重應用輕基礎”“重銷售輕運營”等一系列問題。具體表現在盲目追逐熱點和概念、底層技術(人臉識別、云計算等)缺失、工作指標重于客戶體驗等方面。要想擺脫這些狀況，除了要加強與阿里、騰訊等金融科技巨頭公司的合作外，國有銀行還需要加強自己的研發能力，同時不能讓“金融科技”流于形式，要重實踐而輕攀比，不能因為新的技術出現而盲目增設新的指標要求，徒增基層工作人員壓力，使得金融服務向銷售經濟靠攏而不是體驗經濟靠攏。近年來，國家政策傾向于讓國有銀行挑起數字普惠金融大梁，并由此推進農村金融的發展，國有銀行更應狠抓技術落實，擴大金融服務的受眾群體，防止脫貧后返貧，建立化解多維貧困可持續機制。

(二)打造數字普惠金融網絡提升減貧效率

農村基層政府部門要積極應對數字經濟帶來的機遇與挑戰，主動聯合金融科技公司，在建設好農村基礎數字技術設備、建立網絡平臺征信系統，打造數字普惠金融網絡并提供相應技術支持的基礎上，整合農村數字普惠金融信息平臺，構建并完善貧困群體在醫療、教育、衣食住行等各方面的數字化服務平臺及線上資金運行渠道。并以數字技術培訓和數字化管理幫扶貧困人群的后備隊伍，以提高對多維貧困的實時監測和幫扶實效。

(三)推動數字普惠金融融合發展和推廣運用

農村金融機構要利用好金融科技發展的契機，充分整合移動互聯網、物聯網、區塊鏈以及最新的大數據、云計算、供應鏈金融等新型技術及資源，推動數字普惠金融創新發展，在穩定“頭部”大客戶的同時，積極捕獲尾部80%的相對貧困者及小微企業，使之成為機構可持續發展的重要來源。為進一步發揮數字普惠金融化解多維貧困的積極作用，要在農村地區通過電視、網絡、媒體廣播等方式廣泛宣傳，強化農村居民對于數字普惠金融的整體認知，提升農民的數字普惠金融素養。此外，還可以進一步在農村建立普惠金融服務站、情景體驗區等，向農民普及數字平臺中金融產品的功能、性質和風險方面的知識，并且指導農民參與體驗，以激發農民參與數字化金融平臺交易和咨詢的興趣。

(四)建設新型征信系統以強化數字普惠金融風控

近期受新冠肺炎疫情的影響，全球經濟發展遭受重挫，全球資本市場風險擴大，要求進一步加強對系統性金融風險的防控，只有保住不發生系統性金融風險，才能走好金融扶貧的最后一里路，助力小微企業平穩發展，并不斷縮小數字鴻溝，發揮數字普惠金融的紅利效應，構建更加共享包容、創新融合的數字普惠金融可持續發展機制。要控制金融風險，應當建立以區塊鏈技術為核心的征信系統，助力金融行業的監管：

1.模擬監管沙盒以填補行業法律漏洞

以第三方支付行業為例，《非金融支付機構服務管理辦法》這一行業內的核心法案，在我國的法律體系中卻屬于效力最小、地位最低的規范性文件，且對于第三方支付參與主體之間的法律關系等細節方面的界定較為模糊，加之互聯網金融擁有發展速度快、變化頻率高等特點，就使得現行行業監管體系明顯滯后于市場的發展，而推行監管沙盒機制，則能在一定程度上改變當前的狀況。監管沙盒機制,實質上就是在一個預先設好的安全空間內,規定其中的金融機構可以對其創新產品或是營銷方式進行測試,在遇到問題時，并不會立即面臨監管規則的束縛。本質上來說，是要建立一種政策試點機制，模擬與觀察政策實施后的變化，提高政策制定的容錯率，在風險可控的情況下，讓監管機構能夠創新監管模式、探索監管邊界，建立合規的行業風險評估標準以及彈性更強的第三方支付監管協議，形成可持續發展的行業生態圈。

2.引入區塊鏈技術構建良好的數字普惠金融生態

區塊鏈實質上是由數據區塊按照一定順序編排而成的一種鏈式數據結構，運用區塊鏈技術能夠實現對第三方支付機構的運營能力以及存在的風險進行實時精準評估，監管機構能夠根據區塊鏈提供的交易信息風險情況進行監管創新和監管決策。在日常監管的過程中，應當確保交易數據在區塊鏈上同步記錄，保證信息的不可篡改，降低由于信息不對稱所導致的行業風險，以保護消費者的個人信息。同時逐步更新監管部門的基礎設施、適當放權給地方監管部門，建立統一的數字普惠金融監管系統以及風險預警機制，加強中央與地方的監管聯動效應，謹防系統性風險發生。同時利用區塊鏈技術打造存證溯源、數字錢包、數字票據、快速清算等數字普惠金融運用場景，構建良好的數字普惠金融生態。