通往共同富裕：數字普惠金融的多維減貧效應*

沈 洋 猶雨寒 周鵬飛

（1.華僑大學數量經濟研究院，福建 廈門 361021；2.重慶師范大學經濟與管理學院，重慶 401331）

一、引言

治國有常，利民為本。共同富裕是社會主義最本質的特征，是社會主義制度優于其他社會制度最根本的體現，是中國式現代化的重要特征，寄寓著中華民族對美好生活矢志不渝的向往，接續著中國共產黨人“為中國人民謀幸福、為中華民族謀復興”的莊嚴承諾[1-2]。在精準脫貧的推動下，現行貧困標準下絕對貧困和區域性整體貧困得到了歷史性解決。消滅絕對貧困的全面勝利具有歷史性意義，但這并不意味著貧困的終結，因脫貧基礎脆弱性和致貧因素的多維性，脫貧戶和邊緣戶仍面臨著較高的返貧風險。同時，城鄉間、區域間、行業間的收入差距和社會不平等現象使得相對貧困問題仍會長期存在。脫貧摘帽不是終點，而是新生活、新奮斗的起點，從擺脫貧困到全面小康，中國式現代化之路一直在往前邁進。中央財經委員會第十次會議中，習總書記提出了共同富裕的總思路，是最終要形成中間大、兩端小的橄欖型分配結構，促使全體人民在高質量發展中朝著共同富裕目標扎實邁進。黨的二十大強調要增強均衡性和可及性，扎實推進共同富裕。隨著減貧任務與形勢的變化，構建起解決相對貧困的長效機制，逐漸成為未來時期減貧事業的常規工作。雖然中央已明確將相對貧困治理與鄉村振興等工作統籌銜接起來，但相關的政策體系建構還需要完善。如何打破絕對貧困治理固化的思維模式，持續發力縮小收入差距，解決好社會不平等、相對剝奪等問題仍是需要解決的問題。

毋庸置疑，金融具有配置資源的“乘數效應”，立足于開發式、造血式和可持續理念為指導的金融扶貧在脫貧攻堅戰中發揮著關鍵性工具作用，已成為貧困治理的有效手段[3]。羅伯特·希勒指出，金融的本質在于通過資金流動來實現金融要素的配置與整合，能夠顯著拉升整個社會的福利水平與產出效率。2006年我國引入了普惠金融理念，并不斷進行中國化改造。2016年國務院印發的《推進普惠金融發展規劃（2016－2020年）》對普惠金融的內涵、原則進行了細致界定，極大地推進了我國普惠金融的繁榮與發展。囿于農村地區居民聚居地較為分散、信息不透明和基礎設施不完善等障礙因子約束，傳統普惠金融受物理網點和極高的推廣成本雙重枷鎖束縛下，“長尾群體”難以覆蓋，金融供給“最后一公里”仍道阻且長。隨著移動互聯網、大數據、云計算、人工智能以及區塊鏈等現代數字技術快速普及和發展，基于現代數字技術與傳統普惠金融深度融合誕生的數字普惠金融，彌補了傳統普惠金融運營成本居高不下、金融覆蓋難以推進、工作效率無法保證等缺陷。“2019中國數字普惠金融大會”指出，數字普惠金融暢通了普惠金融的數字支付渠道，能夠顯著降低金融交易成本和服務門檻，已成為解決普惠金融現實難題的重要路徑。同時，數字普惠金融所具備的低門檻、廣覆蓋和操作便捷等多個優勢拓展了農業資金供應新渠道，能有效地彌補傳統金融對我國農業生產發展支持的不足等問題，對于減緩貧困有較大推動作用。因而，基于數字普惠金融的角度，系統梳理數字普惠金融與多維貧困減緩之間的作用機理和歷史經驗，對于我國后扶貧治理時代平穩向相對貧困治理順利轉型以及建立緩解相對貧困長效機制，進而從教育、醫療、住房、飲水等多個維度實現“真脫貧”和扎實推進共同富裕具有啟示意義。

二、文獻回顧

（一）普惠金融的減貧效應

多數文獻表明普惠金融對于貧困減緩具有促進作用。例如，Sarma和Pais的研究結果表明普惠金融能有效地緩解貧困群體和小微企業的融資約束，金融可獲得性的增加推動了區域經濟發展，從而緩解貧困[4]。Omar基于2004—2016年116個國家的面板數據實證考察了普惠金融對于貧困減緩的關系，結果表明包容性金融能夠顯著降低貧困發生率和收入不平等問題，證實了金融包容性對于邊緣階層獲得和使用正式金融改善自身條件的重要性[5]。Schmied和Marr認為普惠金融能夠顯著改善秘魯的貧困狀態和提高居民生活福利，但減貧效應遠不及互聯網等現代信息技術發揮的作用[6]。同時也有一部分文獻認為普惠金融發展對于貧困減緩不具備促進作用，甚至還有抑制作用。例如楊俊等人指出，雖然短期內農村金融發展對于貧困具有輕微促進作用，但長期內由于政府小額信貸制度缺陷以及相關培訓未能及時跟上等因素干擾，農村普惠金融發展反而會滋生貧困[7]。Philip和Asena的研究結果表明，由于普惠金融資本流入低效率部門會引致金融資本錯配，進而不利于改善貧困狀態[8]。還有部分研究認為普惠金融對于不同地區所發揮的作用是不確定的。Jin利用2004—2013年亞洲、非洲和拉丁美洲國家的面板數據，采用廣義矩估計檢驗了普惠金融和貧困之間的關系，研究結果表明普惠金融發展在各個地區所發揮的作用是有差異的，普惠金融對于亞洲國家的貧困減緩具有抑制作用，而對于拉丁美洲和非洲國家卻存在倒U型的非線性影響[9]。

（二）數字普惠金融的減貧效應

自北京大學數字金融研究中心公布了數字普惠金融指數以來，有關數字普惠金融能否減緩貧困的研究方興未艾。鄭志強認為數字普惠金融影響農村貧困的直接效應和空間效應均為負，即數字普惠金融不僅能改善本地區的貧困狀態，還能助力鄰近地區脫貧攻堅，其減貧作用主要體現在覆蓋廣度和使用深度兩個維度[10]。Ozili指出數字技術和普惠金融相融合，不但解決了金融發展過程中的信息不對稱、物理網點限制以及運營成本高的難題，還有效拓展了金融覆蓋面和信息傳播速度，有助于縮小城鄉收入差距[11]。姚鳳閣和李麗佳的研究結果表明，數字普惠金融所蘊含的公平性和包容性能夠顯著減緩貧困，貧困程度越深越能從中分享更多的經濟紅利[12]。

隨著我國扶貧工作的重心進入到以緩解相對貧困為主要工作的后扶貧治理時代，關于數字普惠金融能否減緩相對貧困或是怎樣影響相對貧困的話題研究也逐漸增多。申云和李京蓉認為數字普惠金融對農戶相對貧困脆弱性的影響是“數字紅利”和“數字鴻溝”并存的；在貧困標準較高時，數字普惠金融主要是通過提高數字使用度來緩解相對貧困，反之則是覆蓋廣度對貧困的減緩作用更大[13]。孫繼國和王倩認為數字化金融在金融綜合能力減緩相對貧困的傳導過程中發揮著“助推器”的作用，它強化了家庭資產配置、居民創業和社會資本對相對貧困的緩解作用[14]。同時，數字普惠金融可以通過提高農戶電商參與意愿、增強健康意識和促進消費的方式達到減緩相對貧困之目的，且減貧作用隨剝奪維度的提高而增強[15]。還有部分文獻初步探討了數字普惠金融與多維貧困的關系。吳慶田認為數字普惠金融能有效減緩多維貧困，其中財政支持在其傳導路徑中具有耦合效應和門檻效應[16]。曾福生和鄭洲舟的研究表明，當數字普惠金融發展水平越過一定門檻值時，能對居民消費貧困和收入貧困產生緩解作用，且這種減緩作用呈現出持續增長的現象，但數字普惠金融對教育貧困的影響還不顯著[17]。

綜上，盡管已有文獻對于數字普惠金融與農民增收、城鄉收入差距和農業生產之間的關系和作用機理進行了大量探討，為本文提供了有益啟示和方法借鑒。但仍存在一定不足，例如在探討數字普惠金融減貧效應時已有文獻主要是基于農民人均純收入或是農村絕對貧困發生率來驗證的。因此，在探討兩者關系時仍主要圍繞著經濟層面和收入層面進行探討。事實上，在扶貧治理時代中，以往單維貧困、顯性貧困逐步讓位于隱性貧困和多維貧困，因此需要將例如醫療、教育、住房、農業生產環境以及自然資源等維度也納入其中，從可持續生計的角度來探討數字普惠金融的多維減貧效應會更具有政策含蘊與實踐意義。基于此，本文在前人研究的基礎上，引入多維貧困，將醫療、教育、住房等問題納入貧困考量范疇之內，兼顧理論傳導機理和數理模型的驗證，以期為加快我國數字金融建設，完善現代普惠金融體系，進而為后扶貧治理時代緩解相對多維貧困以及全面推進鄉村振興戰略提供理論基礎和經驗借鑒。

三、理論邏輯與研究假設

（一）數字普惠金融多維減貧的直接效應

信息是金融機構開展信貸業務的數據基礎，但在實際減貧過程中，農戶數據的缺失引致金融扶貧的瞄準機制產生偏差，相對剝奪者并未從中獲取資源紅利[18]。依托互聯網、大數據和云計算等現代科技而發展起來的數字普惠金融能有效降低貧困群體獲取金融服務的成本。由于傳統金融服務需要設置物理網點來實現信貸交易，雖然現階段新型農村金融得到大力推廣以及交通基礎設施不斷完善，但受限于農村居民“大散居、小聚居”的“插花式”分布，偏遠地區、自然環境復雜和基建成本較高等因素約束，基于運營成本、推廣成本和收益風險的考慮，傳統金融機構不愿或是很難深入農村腹地，致使大量偏遠山區居民仍然無法獲取有效的金融服務。而數字普惠金融具有“泛在性”天然屬性，金融交易工具能夠隨商業往來與現代信息技術的深入融合而持續升級，例如通過遠程開戶、遠程轉賬以及遠程資金回收等信息技術能極大地降低金融交易成本和突破傳統金融物理網點限制，從而提高金融服務可獲得性，這有助于貧困群體通過數字技術獲取金融信貸服務，幫助其滿足農業生產所需，改善生活條件，拓寬教育投資和人力資本投資機會以及分享金融數字紅利，最終實現緩解多維貧困目的。基于此，本文提出研究假設1。

H1：數字普惠金融能夠有效緩解多維貧困。

（二）數字普惠金融多維減貧的結構效應

數字普惠金融并不是孤立存在的，其包含了保險、信貸、貨基、覆蓋廣度、使用深度、數字化程度等各子結構，不同維度的減貧效應有所不同。一是覆蓋廣度，數字普惠金融通過擴大金融服務覆蓋面的方式來讓金融服務惠及更多“長尾客戶”。通過互聯網、移動終端和現代信息技術，數字技術能夠將普惠金融服務深入推廣到農村中，讓長期處于金融服務邊緣群的弱勢群體享受數字紅利，進而減輕其在融資借貸、消費投資、生產經營等方面的信貸約束，從而增加貧困群體接觸公平享受金融服務機會、享受持續性資本積累和生活狀況改善等社會福利。二是數字普惠金融使用深度涉及多樣化的金融產品服務內容，例如移動支付、貨幣基金、信貸投資、理財保險等服務。相較于傳統金融，數字普惠金融強化了農村居民對金融服務使用的頻率和廣度，能夠有效解決貧困個體、弱勢群體自我排斥、需求與供給不平衡等問題。與此同時，通過數字信貸服務，一方面可以為農民生產經營提供啟動資金，另一方面也可以暫時性地緩解企業經營流動性問題。而數字保險服務可以通過緩沖疾病沖擊、增強抵御未來不確定性能力、避免賣掉生產性資產等方式保障弱勢群體經濟安全[19]。三是數字普惠金融的數字化程度能夠顯著提升金融運行效率和降低金融服務門檻。數字普惠金融的數字化利用客戶在網上發生的借貸行為所沉淀下來的海量大數據，通過大數據分析和云計算，構建信用評估模型，實現降低弱勢群體借貸成本和融資風險，甚至還可以基于客戶對于風險的厭惡程度來提供針對性的理財服務，進而實現收入增長、改善生活條件等。因此，數字化水平越高，其所發揮的經濟效應也就越強。據此，本文提出研究假設2。

H2：覆蓋廣度、使用深度和數字化程度等子結構能夠減緩多維貧困，但減貧效力不同。

（三）數字普惠金融多維減貧的中介效應

1.經濟增長與產業優化

經濟增長能夠為鞏固脫貧攻堅成果、全面推進鄉村振興建設提供堅實的物質支撐。第一，數字金融利用現代數字化技術整合海量金融交易信息，依托互聯網拓寬金融服務范圍，有助于消除農村金融市場信息不對稱、提高運行效率和深化服務廣度。隨著普惠金融廣度、深度和數字化程度不斷推進，其在支持農村小微企業、水利基礎設施建設、教育醫療公務服務完善、特色農業產業開發、三產融合以及農業產業價值鏈延伸等方面的過程中，勢必會推動區域經濟資源優化配置和產業結構合理化發展，進而帶動農村地區經濟轉型升級和高質量發展。此外，得益于機器算法和信息技術的迭代優化與升級，數字普惠金融能夠迅速精準匹配農業產業發展所需，及時有效地為鄉村產業發展提供金融支持[20]。第二，經濟包容性增長與產業結構優化能夠顯著減緩貧困。具體來看，經濟包容性增長增加了社會財富總量，帶動產業結構不斷調整和優化，創造了更多的就業崗位和條件，進而增加農民就業選擇機會和拓寬收入渠道和來源，最終實現農民收入增長。此外，農村經濟增長所攜帶的投資、消費與就業能發揮“涓滴效應”；同時農村經濟增長也有助于增加政府用于改善民生事業的財政稅收收入，以此受益于社會各個基層。從長遠的角度來看，通過經濟包容性增長和親貧式增長能夠糾正“涓滴效應”產生的資源錯配，進而間接為貧困地區或偏遠地區的弱勢群體改善生活環境，擺脫貧困約束。因此，經濟發展水平越高，經濟增長所帶來的社會福利通過“涓滴效應”和“正向擴散效應”惠及社會底層群眾的也就越多。因此，通過經濟發展，各個階層均能從中分享發展紅利，這有助于緩解貧困狀態，擺脫“貧困陷阱”，據此本文提出研究假設3和4。

H3：通過區域經濟增長的中介，數字普惠金融能夠減緩多維貧困；

H4：通過產業結構優化的中介，數字普惠金融能夠緩解多維貧困。

2.收入分配與收入增長

經濟包容性增長能否發揮益貧效應還有賴于收入分配制度和農村居民收入是否增長，而數字普惠金融能夠通過擴大服務范圍、降低金融業務門檻以及緩解金融排斥極大程度地提高金融可獲得性，將大量偏遠地區、邊緣人群和“長尾客戶”納入金融服務體系中，在增加貧困個體收入的同時，還有助于緩解城鄉居民收入非均衡式發展。一方面，數字普惠金融扭轉了傳統金融服務會邊緣化弱勢群體的不足，不僅接納了以往被排斥在傳統金融服務體系之外的弱勢群體，引導資金向農村貧困區地傾斜式配置，而且還加強了小額信貸、保險理財和居民儲蓄等金融服務的供給能力，能在一定程度上緩解金融排斥和金融抑制的消極影響，使農村地區貧困居民能夠通過數字普惠金融的渠道獲取可負擔的信貸服務，這有助于優化金融資源分配轉移，對于增加農村地區居民收入，推動貧困群體實現向上跨越，緩解城鄉收入差距具有促進作用；另一方面，由于數字普惠金融的使用成本較低，邊際推廣成本幾乎為零，定價也可以根據不同地區經濟發展狀況進行合理調整，原始借貸資金有政府政策性照顧，因而農村貧困地區居民能夠負擔得起金融使用成本，獲得金融扶持的貧困個體可以利用借貸資金對消費和投資進行長期決策，基于理性人角度來合理分配資金使用，提高資源使用效率，在未來獲取一筆可觀的投資回報，從而減緩貧困，改善生活狀況，緩解城鄉居民收入兩極分化現象[21]。基于此，本文提出假設5和6。

H5：數字普惠金融通過促進農民收入增長來實現多維減貧；

H6：數字普惠金融通過改善收入分配格局來實現多維減貧。

四、計量模型和數據來源

（一）變量選取

1.被解釋變量：多維貧困

對某個區域的多維貧困狀態進行判斷和衡量需要構建科學合理的指標評價體系。現階段，國際上對貧困進行度量的主流做法大多是基于貧困個體的經濟狀況、社會資本以及自然環境等維度進行評判，本文在遵循全面性、系統性、數據可得性以及可操作性等原則基礎上，參考蔡進、劉愿理和陳淇瑤選取多維貧困評價指標的相關研究和做法，再考慮到農戶的可持續生計基礎[22-24]。本文選擇從經濟資本、人力資本、物質資本、社會資本以及自然資本五個維度共計選取24個指標來構建多維貧困評價指標體系（見表1）。

表1 多維貧困評價指標體系

（續表）

鑒于細分指標同時存在負向指標和正向指標，對此本文采用極差標準化和熵值法求解各準則層的綜合分。再考慮到所構建的五個準則層存在不完全替代關系，因而本文摒棄多數文獻在測量多維貧困中僅采用的簡單加權或剝奪個數統計的多維度合成方法，參考劉艷華和金貴的做法，通過計算生計五邊形面積的方法來衡量多維貧困水平[25-26]。

假定5個維度各自的單向綜合分分別為a、b、c、d、e，任意兩個維度的夾角為，則生計五邊形的面積為：

可以發現的是，五種生計資本的排序不同會使得其測算的結果也可能存在差異，為消除這一缺陷。本研究在實際計算過程中采用五種生計資本所組成的所有生計五邊形面積的平均值進行表征。五個維度能夠組成的所有生計五邊形面積平均值大小的關鍵在于這五個生計資本單項綜合分兩兩相乘后的加總值，所求得的加總值即為各個區域的多維發展指數（Multidimensional development index，MDI），其計算過程可以表示為：

需要說明的是，根據對細分指標屬性的界定，生計五邊形所集成的MDI為負向指標，數值越大表明各地區貧困問題越嚴重，反之則相反。此外，考慮到以往脫貧攻堅的主要目標是消除基于2010年不變價的2300元貧困標準而判定的絕對貧困人口，并輔之以推動“兩不愁，三保障”戰略。為了使測算的貧困結果更加符合各省份脫貧攻堅事實以及突出消除絕對貧困的重要性，本文將各省份的絕對貧困發生率納入模型內對上文的MDI指數進行修正，進而得出多維貧困指數（Multidimensional poverty index，MPI），其表達式為：

式（3）中，poverty表示各省份的絕對貧困發生率，基于北京、上海、浙江等發達地區從2013年起陸續消除絕對貧困，提前進入鞏固脫貧成果的典型特征事實，同時又為了防止數值為0，根據統計學的3σ原則，本研究對所有省份歷年的絕對貧困發生率進行向右平移0.1個單位來消除0值數據。各省份絕對貧困發生率的數據來源于2011-2018年的《中國農村貧困監測報告》。

2.核心解釋變量：數字普惠金融

北京大學數字金融研究中心所編制的數字普惠金融指數是依托螞蟻金服海量真實交易數據計算而得的，涵蓋了數字化程度（DIG）、信貸保險（CRE）、覆蓋廣度（COV）、互聯網保險（INS）以及使用深度（USE）等子維度，在一定程度上具有科學性、合理性和權威性，現已被國內學者廣泛用于數字普惠金融相關的研究。因此，本文選擇該套指數來作為數字普惠金融的代理變量。

3.中介變量

產業優化，選取第三產業與第二產業的比重來衡量；經濟效應使用各省份的人均GDP來衡量；收入效應，使用農戶可支配收入來衡量；分配效應，使用城鄉居民可支配收入的泰爾指數來衡量，其計算公式為：

4.控制變量

因影響多維貧困的宏微觀因素有很多，為了盡可能地緩解重要遺漏變量而產生的內生性問題，以更加真實地反映數字普惠金融對于多維貧困減緩的影響效應，同時也是為了獲取無偏檢驗結果。本文選取了五個控制變量，具體而言：市場化（Mar），選用樊綱市場化指數來衡量；城鎮化（Urbr），使用城鎮人口占總人口的比重來衡量；財政支農（Gov），使用財政用于農林水事務支出占財政一般預算支出的比重來衡量；交通基礎設施（Road），使用公路總里程來衡量；外商直接投資（FDI），使用實際利用外商直接投資額并按照歷年人民幣對美元的平均匯率折算后的投資額來衡量。

（二）計量模型

基于以上對各個變量的選取與設定，選取2011—2018年中國30個省份（西藏、港澳臺除外）的平衡面板數據，本文構建如下基準計量模型：

此外，為了考察數字普惠金融與多維貧困之間是否存在非線性關系，本文將數字普惠金融的平方項（DFI2）納入模型內進行考察。在取平方項時因，為了緩解共線性影響，先對DFI去中心化處理，再進行平方相乘。建立如下計量模型：

式（6）中，Control表示信息集，包含除核心解釋變量以外的其他所有控制變量，其余參數的含義與式（5）保持一致。

（三）數據來源

遵循數據可得性原則，在總樣本中剔除了西藏和港澳臺的樣本。多維貧困指數評價指標體系各項指標的原始數據來源于歷年《中國統計年鑒》《中國農村統計年鑒》《中國人口和就業統計年鑒》《中國衛生和計劃生育統計年鑒》、各省（市）統計局、EPS數據庫和農業部規劃設計研究院設施農業研究所搭建的溫室數據共享平臺。實證檢驗部分涉及的數據主要來自國家統計局、《中國分省份市場化指數報告（2020》《北京大學數字普惠金融指數（第二期）》。

五、實證分析

（一）基準回歸分析

常用的面板擬合模型有混合最小二乘法（POLS）、隨機效應模型（RE）和固定效應模型。具體何種模型最適合本文的樣本數據，還需要進行相關檢驗。文章使用F檢驗、LM檢驗和豪斯曼檢驗進行辨別。檢驗結果表明，固定效應模型為最優模型，因而本文選取固定效應模型作為基準回歸模型進行擬合分析。同時為了消解異方差、序列相關和截面相關對回歸結果的干擾，本文使用是聚類穩健標準誤，同時還采用了可行廣義最小二乘法（FGLS）進行復輔助驗證。式（5）的計算結果見表2。

表2 基準回歸結果

從表2的估計結果來看，未加入平方項的結果顯示，DFI的估計系數為-0.328且通過了5%水平顯著性檢驗，表明DFI能夠顯著緩解多維貧困，驗證了上文數字普惠金融能減緩多維貧困的研究假設1。從加入數字普惠金融平方項的結果來看，DFI和DFI2的回歸系數分別為-0.745和-0.179且均通過了1%水平顯著性檢驗，表明數字普惠金融的快速發展整體上是有利于多維貧困減緩的，只是隨著數字普惠金融水平的不斷提高，其減貧邊際效應有所減弱。再考慮了異方差、自相關以及截面相關等問題后，FGLS估計結果仍支持這一結果。這一結論與陳慧卿的研究結果有相似之處，即隨著經濟發展水平、城鎮化等經濟因素的影響加深，數字普惠金融對于貧困減緩的作用是不斷衰減的[27]。另一方面其實也與貧困固化本身有關聯。從實際經濟現實來看，隨著貧困問題不斷消除，大量的貧困群體生活境遇得到顯著改善，而極少數還未脫貧的貧困個體受限于經濟自然歷史等因素交織，多為深度貧困群體，很難實現快速脫貧。特別是面對貧困固化程度加深，傳統貧困治理成效漸進式微，剩余貧困群體致貧成分復雜等干擾，數字普惠金融的多維減貧效應也出現減貧頹勢現象。因而若要發揮數字金融減貧效應最大化，還需要摒棄以往貧困治理的常規思路以及按部就班地完成相關任務，必須以一種更加堅定的決心和信心，更明確的思路和更精準的舉措來緩解貧困。因而還需要深入推進鄉村數字化建設，加快農村信息化發展，持續普及現代數字金融技術，充分釋放數字紅利。

（二）數字普惠金融對貧困各維度的減貧效應

基準回歸結果揭示了數字普惠金融對于多維貧困整體上是具有減緩作用的，但對于哪些方面具有減緩作用抑或是對于哪個方面的減緩作用最大還需進一步檢驗。由于篇幅受限，文章無法兼顧農村居民生活的每一方面，為此，參照張睿的做法，選取農村居民生活最為關心的教育（Edu）、醫療衛生（Medic）、住房（House）、農業經營性收入（Money）和農業生產穩定性（Ensure）五個方面來進行驗證和分析[28]。在指標選取上，選取農村居民家庭平均每人文教娛樂消費支出和醫療衛生支出作為教育和醫療的代理變量；選取農戶用于房屋建設的固定資產投資完成額作為代理變量；農業經營性收入選取農村居民家庭人均家庭經營純收入進行表征；農業生產穩定性的選取采用農業保險賠付總額與農業受災面積的比值進行表征。運用固定效應模型進行回歸擬合，結果見表3。

表3 數字普惠金融影響貧困各維度的擬合結果

從表3的結果來看，數字普惠金融對于農村居民生活中所涉及的教育、醫療衛生、住房、家庭經營和農業生產具有促進作用，這也驗證了數字普惠金融多維減貧的直接效應假說。從具體數字來看，數字普惠金融對于農業生產穩定性的促進作用最大，即普惠金融發展過程中所衍生的農業保險對于農業生產大戶發揮著重要“穩定器”作用。但仍需要看到的是，由于農業保險是具有門檻的，在實際農業生產過程中，小農戶由于自身種植規模小，農作物附加值低，基于經濟收益的權衡，農業保險對其發揮的作用或許還有待進一步分析。

（三）穩健性檢驗

盡管本文在解析數字普惠金融與多維貧困之間的關系時，為了獲取無偏估計而選取較多的控制變量來緩解因遺漏重要變量而產生的內生性問題，但模型設置仍然需要面對兩者互為因果的聯立內生性問題。為消除雙向因果關系而產生的內生性問題，本文選擇兩種方法進行消除：一是選用工具變量進行工具變量回歸，二是將被解釋變量的滯后項納入模型內，建立動態面板模型進行擬合。

首先采用工具變量法進行糾偏。鑒于數字普惠金融數據是根據螞蟻金服的交易大數據計算而成，而螞蟻金服的總部在浙江省杭州市，因此效仿傅秋子和黃益平、沈洋等人的做法，選用各個省份的省會城市到杭州市的球面距離（對數化處理）這一地理特征作為工具變量[29-30]。從理論層面來看，各個地方與杭州市的距離遠近與其多維貧困程度不存在直接關聯，因而滿足嚴格排他性。此外，為了防止弱工具變量問題，文章還選取了2001年各地區農村住宅固定電話使用戶數這個歷史變量作為第二個工具變量。基于此，采用IV-GMM和2SLS模型進行擬合計算。

再是采用動態面板數據擬合模型。Blundell和Bond在差分廣義矩估計基礎上改進得到的系統廣義矩估計（SYS-GMM），該方法很好地彌補了差分GMM的不足。其基本思想是在構建工具變量時，將差分方程和原有方程進行聯立[31]。由于兩步SYS-GMM在小樣本中容易產生參數值被嚴重低估，進而出現變量過于顯著，對此采用WC-robust估計法進行修正。DFF-GMM和SYSGMM的擬合結果見表4。

表4 內生性檢驗的結果

由表4可知，各項模型均表明在考慮內生性問題之后，數字普惠金融的多維減貧效應仍是存在的，甚至估計系數還有所變大。此外，SYSGMM和DFF-GMM模型估計結果還顯示出被解釋變量的滯后項顯著為正，表明當前貧困狀態會受到上一期貧困狀態的影響，農村地區的多維貧困是不斷深化的，存在著典型的慣性效應和貧困陷阱。

六、數字普惠金融多維減貧的進一步分析

（一）結構效應分析

數字普惠金融的發展不是單調獨立的，而是朝著覆蓋廣度、數字化程度以及使用深度等方向發展，既包含了覆蓋群體更廣、交易數量更多，還包含了金融服務更便捷、放貸成本更低等維度，因而有必要分析數字普惠金融多維減貧的結構效應。此部分將數字普惠金融的子維度納入模型進行考察，分別是覆蓋廣度（COV）、使用深度（USE）、數字化程度（DIG）、信貸業務（CRE）以及互聯網保險（INS），以揭示數字普惠金融多維減貧的結構效應。

從表5的估計結果來看。所有變量至少在5%顯著性水平下為負，表明各個維度的推進能夠顯著緩解多維貧困問題。從估計系數來看，使用深度的回歸系數最大，減貧效應最強，覆蓋廣度和信貸業務次之，表明數字普惠金融在實際推廣過程中，可以很好地覆蓋“長尾客戶”，強化農村居民金融使用強度和消除金融信貸過程中的信息不對稱問題，這對于更大范圍的農村居民緩解融資約束，破解涉農企業生產經營過程中的資金鏈斷裂問題以及促進居民儲蓄、互聯網理財等財富效應積累。而互聯網保險的系數最小，減貧效應最低，其可能的原因在于參與保險存在一定經濟門檻，部分貧困群體因無法達到參保門檻而被排斥在外，因而對于深度貧困群體互聯網保險難以發揮作用，這一結論與上述農業保險對于小農戶的減貧作用較低相呼應。從現實角度來看，農村居民由于抗風險意識普遍較弱，且接受的金融知識也較少，因而部分農村居民僅參與了國家醫療保險，還比較排斥互聯網保險在內的其他商業保險，這削弱了其減貧作用。

表5 結構效應估計結果

（二）機制分析

為驗證研究假設3至6，參考溫忠麟所構建的中介因子法來檢驗各中介變量在數字普惠金融多維減貧過程中所發揮的作用[32]。

由表6可知，各模型中Sobel檢驗的Z統計量全部位于[-0.97～0.97]區間外，且Bootstrap在95%置信區間上顯著不包含0，表明中介效應是成立的，即數字普惠金融能夠通過產業結構優化、區域經濟增長、農民收入增加以及縮小城鄉收入差距的中介渠道對減緩多維貧困發揮正向作用，驗證了研究假說3至6。從中介效應占比來看，農民人均可支配收入增長所占的中介效應比重為70.02%，顯著大于其余三個渠道（產業優化為13.69%，經濟增長為20.19%，收入分配為7.09%），表明數字普惠金融減緩多維貧困的最主要途徑仍是提高貧困群體可支配收入來減緩貧困。從實際經濟現狀來看，2020年以前我國脫貧攻堅的主要目標是消除以2011年為不變價的2300元絕對貧困，因而在脫貧攻堅考核上，貧困個體的可支配收入仍是最為重要的考核標準，也是減貧脫貧的主要發力點。此外，基于可持續生計的多維貧困減緩的核心目的在于緩解權利剝奪和機會缺失，但縫合這一缺陷仍需要經濟基礎支撐，只有當居民可支配收入提高，完全解決溫飽問題以及基本生活條件時，其才有可能向前追尋更高層次的生活質量。而通過產業結構優化、區域經濟增長和收入分配改善等中介，因存在不確定性干擾，例如貧困個體脫貧內生動能缺失、精英俘獲現象和市民化配套設施不完善等都會干擾其發揮中介作用，因而在未來減緩多維貧困的措施中，深化涓滴效應、正向擴散效應、溢出效應等方面是應對數字普惠金融減貧效應疲軟的有力支撐。

表6 數字普惠金融多維減貧的中介效應檢驗

七、結論和政策啟示

（一）研究結論

隨著2020年絕對貧困人口歷史性消除，中國貧困治理將會進入到一個以轉型性次生貧困為主要特征的相對貧困治理新階段，屆時將會更加注重個體權利剝奪、機會缺失以及發展性需求等多個維度的貧困減緩。文章在梳理數字普惠金融多維減貧的相關理論支撐和中介傳導機制的基礎上，結合2011—2018年中國30個省份的面板數據，綜合運用生計五邊形、固定效應模型、工具變量法以及Sobel中介因子法對兩者的關系進行了實證驗證。研究表明，數字普惠金融整體上是有助于減緩多維貧困的，在經過內生性處理以及一系列的穩健性檢驗之后，這一結論依然成立。但數字普惠金融的多維減貧效應呈現出非線性關系，隨著數字普惠金融綜合水平不斷提高，其減貧作用有所衰減，存在減貧邊際效應遞減現象。從數字普惠金融對貧困的各個維度來看，數字普惠金融能夠對農村居民生計福利中所涉及的教育、醫療衛生、住房、經營性收入和農業生產穩定性產生促進作用，此外，數字普惠金融中所涉及的農業保險對于農業生產大戶有較高的促進作用，但對于農房條件的改善作用較弱。從中介傳導機理來看，各中介渠道結果均顯示至少在10%水平下中介效應是成立的，表明數字普惠金融可以通過促進產業結構優化、經濟包容性增長、提高農民可支配收入以及改善收入分配結構的中介渠道來減緩多維貧困。具體來看，在數字普惠金融減緩多維貧困的傳導過程中，收入效應占主要作用，而經濟包容性增長、產業結構優化攜帶的“涓滴效應”“正向擴散效應”以及“溢出效應”還有待進一步深化。

（二）政策啟示

基于以上研究結論，為提高我國數字普惠金融可持續地改善民生和減緩多維貧困的能力，扭轉城鄉非均衡式發展局面，進而實現鄉村全面振興的美好愿景，提出以下政策建議。

一是要高度重視數字普惠金融發展，持續深化現代數字金融體系建設。一方面，應繼續拓展數字普惠金融的覆蓋廣度，強化使用深度，夯實數字支持程度。在踐行金融普惠性和商業可持續性的基本指導理念基礎上，努力營造一個更加具備包容性和普惠性的現代數字金融體系，通過不斷完善個人支付、小額信貸、互聯網保險以及基金理財等數字化功能，例如攜手螞蟻金服、京東金融、拍拍貸等市場主體下沉農村市場發展并適時推出惠農、益貧等金融業務，以進一步提高金融服務的可獲得性以及金融產品運營的服務質量和服務效率，重點保障深度貧困個體、農民、涉農小微企業等社會弱勢群體，均使其有公平機會獲取金融服務，這有助于彌補傳統金融難以惠及窮人、小微企業和欠發達地區的不足，緩解區域多維貧困發生率和提高居民生活質量。另一方面是加大數字基礎設施服務供給，筑牢數字普惠金融發展所需的硬件基礎設施。在推行數字普惠金融多維減貧過程中，應加強互聯網基礎設施建設，提高移動手機、固定電話以及計算機等數字終端在農村地區的普及率，加速實施“網絡覆蓋”和“寬帶中國”戰略實施，逐步將5G網絡下沉農村市場，優化網絡寬帶運行質量，切實落實“提速降費”等政策；因地制宜地強化數字技術“基礎研究”，力促數字技術完善與普惠金融發展間的同頻共振，最終實現數字普惠金融向三、四線城市、縣域、基層、社區以及鄉村等基礎單元全覆蓋。此外，針對貧困地區低收入者因網絡支付門檻或是其他主客觀原因不愿辦理互聯網套餐的，可以仿照家電下鄉政策，依據稅費減免、貸款補息、專項補貼等方式為低收入者提供可負擔的網絡服務。

二是注重提高弱勢群體金融素養，發揮金融的增收效應。一方面，基于地區資源稟賦差異和個體生活水平異質，可以采取因地制宜、因戶（人）施策，針對農戶個體特征以及產業發展現實，量體裁衣地開發針對性更高的金融產品，拓展農戶增收渠道和非農業性收入，切實提升金融扶貧的質量和效率。另一方面，對于多維貧困程度較深的地區，在推進數字普惠金融發展的過程中除了加大政府政策性資金傾斜以及多元市場主體下沉農村市場，進一步優化支付清算體系和完善現代通信技術等基礎設施外，考慮到貧困群體普遍金融素養不高的事實，還可以通過金融機構攜手村委會聯合開展金融知識講座和培訓，強化金融知識的普及和教育。在提升農村居民生活福利的同時，不只是需要考慮收入提升這一角度，還更應結合可持續生計，多方面統籌生活福利提升，因此還應注重提升農村采用數字金融服務教育、醫療、社保、養老等多個維度生活品質的知識，并結合地方特色產業創新金融信貸、居民儲蓄和互聯網理財等產品和服務，進而為全面推進鄉村振興提供金融動力。