數字普惠金融對居民收入水平的影響研究

許一鳴，曾小桐，肖 晗，周帥杰，劉 漪（湖北經濟學院，湖北 武漢 430205）

一、引言

隨著經濟與時代的發展，數字普惠金融開始進入居民的生活，通過互聯網技術，利用云計算、大數據、人工智能等方式，金融逐漸向數字化演變。2004年年底支付寶的橫空出世，可謂是中國數字金融發展的開端，經過短短幾十年，中國數字金融發生了質的飛躍，在亞洲乃至全球遙遙領先，引領著全世界數字金融的發展。

聯合國在2005年號召全球齊力發展數字普惠金融，中國一步步地對此作出努力，通過數字金融實現金融普惠服務，而在中國發展前端的，非移動支付莫屬。2020年，移動支付已成為居民經濟的主要運行方式，網購、外賣、線上醫療，更多快捷、方便的消費方式促進我們經濟的發展。數字金融逐漸擺脫對實體金融網點的依賴，人們不再需要到達具體網點就能獲取金融服務，給小微企業、低收入人群、偏遠地區人群更有效地提供服務。在疫情席卷全球的困境下，數字金融很好地促進了經濟的發展，通過發放消費券、為中小微企業提供網絡貸款等方式很好地解決了傳統金融因疫情沖擊而引起的業務減少、經濟蕭條等困境，形成鮮明的對比。

數字普惠金融對就業水平、產業結構、人均可支配收入等方面都產生很大的影響。在產業結構方面，部分學者認為（張慶君，2021；高天天，2021；王哲威，2021）認為數字普惠金融有利于產業結構優化升級，并且通過降低第一產業占比和提高第三產業占比來實現。而另一部分學者認為（謝汝宗，2022；楊虹，2021；葛和平，2021）認為經濟發展水平不同地區的數字普惠金融在促進產業結構升級方面具有異質性，其中中部地區的產業結構省級作用最為明顯，但是未能更好的兼顧效率和公平。

在就業水平方面，部分學者（冉光，2021；赫國勝，2021；郭晴，2022）認為數字普惠金融發展通過技術創新、推動城市創新創業提高就業者的工作效率和工作自主性，有利于降低工作時長，增加工作收入，顯著促進社會就業。同時數字普惠金融在促進就業方面具有異質性，部分學者（馬國旺，2021；冉光和，2021；尹志超，2021）認為數字普惠金融對提高城鎮就業水平明顯強于農村，對中小微企業強于大型企業，對東部省份強于中西部省份。在收入方面，有學者（周才云，2022；劉心怡，2022；藍樂琴，2022）認為數字普惠金融通過經濟發展和促進就業間接提高了城鄉居民收入，促進了共同富裕，提升了居民消費水平。且數字普惠金融在促進農村收入方面影響更為顯著，有學者（馬亞明，2022；黎翠梅，2021；張海燕，2021）研究發現數字普惠金融可以促進農村消費增長,對鄉村振興有積極意義。

本文的創新點在于根據31個省份的面板數據進行實證分析，評估數字普惠金融對居民收入水平的影響，彌補之前的文獻對于缺少數據研究的不足。數字普惠金融影響居民收入水平的機制如何？本文對此展開了深度探究。

二、模型與數據說明

（一）模型的設定

1.理論導入

根據新古典經濟增長理論，在勞動力和資本規模報酬不變的情況下，人均產出（y）和人均資本存量（k）具有如下關系：

y=Aka

其中，A為索羅余值，a為人均資本的邊際生產力。數字普惠金融相較于傳統金融，其運作模式，智力基礎以及服務方式都有所不同。他是大數據信息化時代下的技術產物，極大地改善了傳統金融在信息鴻溝以及效率差異方面的問題。在當前數字經濟高度發達的情況下，數字金融已經成為生產經營活動不可缺少的要素，借鑒以往文獻的做法（程名望和張家平，2019），將數字普惠金融納入產出函數（王永倉和溫濤，2020），對（1）式進行擴展，可得：

y=Akafβ

其中，f表示數字普惠金融發展水平，β為數字金融的邊際生產力。

2.模型構建（見表1）

表1 模型主要變量一覽

根據變量的選取和指標的分析，為了研究數字普惠金融對居民收入水平的影響，借鑒徐斌等（2019）做法，本文以我國2016—2020年31個省、自治區、直轄市的人均可支配收入（Y）作為被解釋變量，以數字普惠金融指數（index_aggregate）作為解釋變量，考慮近年來信息化產業的發展更迭以及創新型技術的發展對社會生活的影響，為使研究結果更具全面性和說服力，本文將產業結構（IS）、就業水平（EL）以及居民寬帶普及程度（Broadband）作為控制變量。在檢驗過程中，為避免數據波動過大難以感測統計，后期對部分數據取自然對數進行處理，本文設定如下基本檢驗模型：

Yi,t=αi+β1xi,t++β2ISi,t+β3ELi,t+β4Broadbandi,t+εi,t

其中：i表示省、自治區、直轄市，t表示年份，Y表示人均可支配收入，x表示數字金融普惠指數，IS表示產業結構，EL表示就業水平，Broadband表示居民寬帶普及程度。

（二）變量的選取

本文各組原始數據來源于“中國國家統計局”數據平臺，北京大學數字金融研究中心以及《中國統計年鑒》。

被解釋變量：人均可支配收入（PCDI）。從理論實踐的角度來看，可用人均可支配收入的指標以表示居民收入水平。因此，本文選用我國具有代表性的31個省、自治區、直轄市2016—2020年的居民人均可支配收入的數據作為被解釋變量進行衡量統計。原始數據來源于“中國國家統計局”數據平臺。本文對人均可支配收入（PCDI）取自然對數，以便于統計觀測。

解釋變量：數字普惠金融指數（Index）。目前而言，課題小組成員難以使用相關指標對數字普惠金融進行解釋統計，而為保證研究的真實性、客觀性以及準確性，選用由北京大學數字金融研究中心和螞蟻科技集團組成的聯合課題組負責編制的《北京大學數字普惠金融指數》中的31個省、自治區、直轄市2016—2020年的“數字普惠金融指數（Index）”，以此組較為全面權威的數據來反映2016—2020數字普惠金融的發展水平。該套數據覆蓋度廣，層次多樣化，為便于統計觀測，后文對數字普惠金融指數（Index）取自然對數。

控制變量：

1.產業結構（IS）。在研究過程中，考慮到近年來新興產業的迅猛發展對于居民收入水平可能造成一定的影響，且部分學者認為，產業結構的優化對經濟發展有促進效應（陳雨飛2021）（張慶軍，2021）。所以選定產業結構為控制變量之一，以2016—2020年我國31個省、自治區、直轄市第二、三產業的增加值為指標代表產業結構的發展。此組原始數據來源于各省統計局數據平臺，整理后計算第二產業增加值以及第三產業增加值總和，為便于統計觀測，后文對產業結構（IS）取自然對數。

2.就業水平（EL）。在我國，工資性收入為個人可支配收入的重要部分，而就業則是獲取工資性收入的前提，基于部分學者的實證分析（胡敏，2021），假設就業水平是一個不可或缺的影響因素。本文以31個省、自治區、直轄市2016—2020年的就業率作為指標代表各地區的就業水平，并且構建就業人數與當地可勞動人口作為就業率的代表。此組原始數據來源于國家統計局數據平臺以及2016—2020年《中國統計年鑒》。

3.居民寬帶普及程度（Broadband）。數字化信息化時代的到來，是如今數字普惠金融誕生的背景前提和智力基礎。有學者研究發現，寬帶普及對經濟增長的貢獻整體提高（馮永晟和馬源，2014）。因此居民寬帶普及程度也作為控制變量之一，以2016—2020年我國31個省、自治區、直轄市我國互聯網寬帶接入用戶數量為衡量指標。此組原始數據來源于各省統計局數據平臺以及國家工業和信息化部發布的相關數據。為便于統計觀測，后文對居民寬帶普及程度（Broadband）取自然對數。

三、實證分析過及結果

（一）描述性統計

在總體的樣本數據中，各個變量的描述性統計如表2。

表2

從表2中可知，人均可支配收入（單位：元）最小值13639.2，最大值為72232.4，數字金融普惠指數在200.3816至431.9276之間波動，二三產業增加值最小值為1062.5，最大值為105991，差距巨大，互聯網寬帶接入數量因地區人口數量不同的原因差距也較大，就業率最小為95.4，最大為98.7，可以看出除就業率之外其他數據基數較大，為了便于數據處理與回歸，故對除就業率之外的所有數據進行取對數處理。

（二）實證分析過程及結果

本研究為減小因估計方法和模型設定而產生的差異對實驗的影響，經豪斯曼檢驗最終確定使用固定效應模型（即固定效應回歸模型，簡稱FEM，是一種面板數據分析方法。它是指實驗結果只想比較每一自變項之特定類目或類別間的差異及其與其他自變項之特定類目或類別間交互作用效果，而不想依此推論到同一自變項未包含在內的其他類目或類別的實驗設計。（具體見表3）

表3 豪斯曼檢驗結果

從豪斯曼檢驗結果來看p值幾乎為0，因此本文選用并只公布固定效應模型。

從表4可以看出，數字普惠金融指數對人均可支配收入為顯著的正相關關系，隨著控制變量的增加，數字金融仍對人均可支配收入存在正相關影響，且始終在0.668至0.784之間徘徊，由表可看出互聯網寬帶接入數量和就業水平與人均可支配收入無顯著相關關系，產業結構則對人均可支配收入的影響較為顯著。從研究結果來看，雖然數字金融的發展是否能改善貧困狀況有待爭議，但是其對人均可支配收入的增長是有一定促進效果的，可能是因為數字金融的發展拓寬了融資渠道，簡化了融資流程，發展完善了金融市場，進一步激發了市場活力，緩解了企業融資慢，融資難的問題（Welter and Smallbone,2014)并且同時對于創業有著積極影響（謝絢麗等，2018）。而對于廣大投資者來說，數字金融的發展則帶來了更多樣的投資選擇，更公開透明的信息，依托于大數據分析，云計算等技術金融機構可以以更低的成本在較短時間內更有效地估計企業的各項指標(謝平等，2014;Agarwal and Hauswald,2008;Duarte et al.,2012)，不僅能彌補傳統金融在空間范圍上的限制（溫濤等，2016）同時本身作為創新的基礎設施為經濟增長注入了巨大活力（Baden-Fuller and Haefliger,2013)甚至對城村經濟結構的優化都起到一定作用（張賀等，2018）由此可見，數字金融對于經濟發展的影響是多維度，大范圍，深程度的,這些都為人均可支配收入的增長提供了條件。

表4 固定效應模型估計

（三）異質性分析

為了探尋數字金融的發展對不同收入的群體的影響不同，我們將居民分為了較高收入群體和較低收入群體。分類方法為取居民收入的中位數，我們將收入水平在中位數以上的部分定義為較高收入群體，反之則為較低收入群體，將兩組人群分別進行固定效應的回歸分析，得到了以下結果（見表5）。

表5

可以清晰地從此結果中看出，數字金融的發展對收入較低的群體影響力更大，且在加入控制變量分析后發現其對較高收入水平群體的影響大幅減弱，回歸系數由原來的0.748變為了0.398，說明對于高收入群體來說，數字金融的發展并不能給他們帶來巨大的收入變化，而對于較低收入水平的群體來說，無論加入控制變量進行分析都不能改變數字金融的發展對他們的收入有著舉足輕重的影響的事實，其回歸系數僅僅減少了0.08。由此可以看出，在收入水平較低的地區大力發展數字金融能更有效地提高當地居民的收入水平，而在經濟較為發達的地區，則更應該考慮其他方面的發展潛力。

四、結論與建議

近年來，隨著數字普惠金融的不斷普及與發展，我國的數字金融的信息化程度、覆蓋廣度、影響深度以及數字化水平的發展速度不斷提升。本文基于31個省2016—2020年的數字金融發展狀況的面板數據進行實證研究，充分考慮就業水平、二、三產業發展狀況等相關控制變量，針對數字金融對居民收入水平的影響得出結論：數字普惠指數及各維度指數對居民收入水平增長存在顯著且穩健的正面影響，同時，二、三產業產業結構對居民收入水平也呈現出正影響，就業水平以及互聯網寬帶接入數量對居民收入水平影響較小。

根據實證結果，數字普惠金融的發展對居民收入水平等方面存在正面影響，因此發展數字金融對居民收入以及經濟發展有一定的重要性。基于數字普惠金融的發展現狀方面，由于數字普惠金融區域發展存在差異化、數字基礎設施建設相對不足、政策保障機制有待加強以及居民金融素質教育有待提升等方面問題，提出相應的意見。第一，對于數字金融發展存在區域差異化的問題，政府可以因地制宜，針對各地數字金融發展狀況采取不同政策，加大對欠發展地區的經濟政策投入，推動數字普惠金融在不同區域的協調發展。第二，針對數字基礎設施建設方面，加快多層次、多方面、廣覆蓋度的數字金融基礎設施的建設，筑牢數字經濟和數字普惠金融技術的發展基礎，加快數字金融的基礎設施發展。第三，針對政府保障機制問題，政府應出臺政策支持，加大對于數字金融方面的財政投入，牽頭數字平臺建設，推動數字金融產業持續發展。第四，針對投資者金融教育普及方面，將金融知識教育深入群眾中宣傳，提高投資者以及居民的金融素養，推動數字金融相關服務的不斷深化，為投資者提供更加高效的金融市場參與方式。從經濟發展程度不同的角度來看，針對經濟發展較緩慢但數字金融發展較快的地區，政府加大相關政策的幫扶，增加對相關企業創業的補貼，推動數字普惠金融企業或組織的發展。同時，促進不同地區間數字普惠金融協同發展，形成數字普惠金融交流發展地帶，進一步推動數字普惠金融對居民收入的促進效應。

綜上所述，我國政府應采取加強數字金融基礎設施建設、加大針對數字金融財政投入、推動數字金融服務的不斷深化等多種方針政策來促進數字普惠金融的發展，從而進一步增加居民收入，減小城鄉居民差距、形成合理有序的收入分配格局。