數字金融對居民收入分配的影響及傳導機制研究

摘要：本文使用我國2013—2020年287個地級市的面板數據，實證檢驗了數字金融對居民收入分配的優化效應。研究發現，數字金融能夠優化居民的收入分配狀況，該結果經一系列穩健性檢驗后依然成立；機制分析表明，數字金融通過緩解融資約束、吸引外資流入和改善就業結構來優化居民收入分配。異質性分析表明，新質生產力、市場化水平和居民受教育程度會影響數字金融對居民收入分配的優化效應，具體表現為，新質生產力發展水平越高的地區，數字金融對居民收入分配的優化作用更強；市場化水平越高，數字金融對居民收入分配的優化效應越強；而居民受教育程度差距越大，數字鴻溝越大，越會抑制居民收入分配的改善。本文結論表明數字金融有望成為優化居民收入分配的重要工具，但數字金融是一把“雙刃劍”，未來應加強對數字金融的監管與規范，縮小居民間的數字鴻溝，加快完善數字基礎設施。

關鍵詞：共同富裕；數字金融；收入分配；融資約束；就業結構；數字鴻溝

中圖分類號：F832.3" " " " 文獻標識碼：A" " " " 文章編號：1007-0753（2024）05-0077-12

一、引言

共同富裕是幾千年來廣大人民群眾的根本訴求，是一百年來中國共產黨領導億萬中國人民不懈奮斗的美好目標。改革開放以來，我國經濟發展建設取得了一系列重大成就，人民的生活水平也得到了顯著提高，但居民收入分配不平等現象未得到根本改善。根據世界銀行公布的數據，中國基尼系數長期呈現出上升的態勢，從1990年的0.322增長至2010年的0.437。雖然自2010年起有所下降，但中國的基尼系數仍接近世界警戒線水平①。進入數字化時代，數字經濟作為經濟發展的新模式得到了迅速發展，并衍生出了一系列數字產品，數字金融就是在此背景下形成的新型金融業態，其出現為解決收入分配不平等、推進共同富裕提供了新思路和新方法。

數字金融是數字技術與普惠金融的有機結合（黃益平和黃卓，2018）。大數據、云計算、區塊鏈和人工智能等數字技術的應用，極大降低了融資的風險成本、數據處理成本和經營管理成本，改善了企業和居民的融資約束，為客戶提供更為個性化的服務（王瑤佩和郭峰，2019）。那么數字金融能夠改善收入不平等、促進共同富裕嗎？其中的機制又是怎樣的？回答上述問題，不僅有利于全面認識數字金融在推進共同富裕的過程中的作用，而且可以為促進收入分配公平、推進共同富裕提供理論支撐。

二、文獻綜述

收入分配問題一直以來都是學術界所關注的重要議題，關于這一議題的研究最早可追溯到18世紀，亞當·斯密在《國富論》一書中對工資、利潤與地租之間的關系進行了討論，但是并未對收入分配問題進行系統性研究。率先對收入分配問題進行系統性研究的經濟學家是大衛·李嘉圖，他在《政治經濟學及賦稅原理》一書中對收入分配理論進行了系統性的研究和闡述，對后世學者的研究產生了深遠的影響。隨后，眾多學者開始聚焦于收入分配問題，并展現了系列研究，形成了一系列著名的理論。這些理論大致可以分為宏觀與微觀兩個層面。從宏觀層面來看，政府的宏觀調控（Keynes，1936）、良好的經濟制度（Kaldor，1957）、資本積累（Piketty，2014）等因素會對居民收入分配產生影響；從微觀層面來看，人力資本水平（Becker，1964）、消費和儲蓄（Duesenberry，1949）等是影響居民收入的重要因素。

近年來，關于收入分配問題的探討仍在繼續。有學者發現產業結構（吳萬宗等，2018）、交通基礎設施（楊茜和石大千，2019）、技術進步（郭凱明和羅敏，2021）、稅收（呂冰洋和李昭逸，2023）、社會保障制度（黃健和鄧燕華，2021）等因素也會對居民收入狀況產生重要的影響，并在此基礎上提出了一系列關于如何解決收入不平等問題的政策建議。隨著研究的進一步深入，學者們逐漸意識到金融市場的運轉可能不僅會直接對個體和家庭的收入產生影響，還會對經濟體系內整體的收入分配狀況產生重要影響。

研究表明，隨著金融發展水平的提高，向貧困群體提供金融服務能夠緩解收入不平等現象（Rutherford，1998）。這是因為貧困群體可以通過使用金融貸款進行技能培訓或創業來提高自身收入水平（Banerjee 和 Newman，1993）。但是有學者認為由于信息不對稱和交易成本的存在，貧困群體無法像富裕群體一樣平等地獲取金融服務，且由于富裕群體所擁有的社會關系網絡較之貧困群體更為發達，在獲取金融服務方面的優勢遠大于貧困群體，因此金融的發展會加劇收入不平等現象（Galor 和 Zeira，1993）。也有學者發現金融的發展之所以會擴大居民間的收入差距，是因為傳統的金融服務需要前往金融機構線下網點辦理業務并完成業務流程才能夠獲得相關的金融服務（王鈺和趙偞貝，2023），其中不乏部分金融機構業務辦理流程煩瑣，且存在區別對待客戶的現象。另外，傳統的金融機構更傾向于將金融資源讓渡給本身就擁有良好財務狀況的用戶，從而造成金融資源出現過度集中和錯配，加劇收入分配不均。除此之外，傳統的金融機構在地理空間的布局上較為集中于城鎮地區，鮮有金融機構位于鄉村地區和偏遠地區（程惠霞和楊璐，2020），這意味著對于農村居民和其他偏遠地區的居民而言，想要通過獲得金融服務來改善收入狀況是極為困難的。因此，金融的發展會加劇收入不平等現象。

隨著數字技術的興起，數字化變革滲入社會各個領域。在數字化浪潮中，數字金融應運而生，它的出現打破了金融資源由傳統金融機構所壟斷的格局。與傳統金融相比，數字金融具有更強的普惠性，其門檻相對于傳統金融更低（王瑤佩和郭峰，2019），并且獲取數字金融服務時不需要煩瑣的業務辦理流程，也無需向平臺提供自身的財務狀況，只需提高平臺的信用積分即可提高貸款額度，例如支付寶的芝麻信用。此外，數字金融服務能夠突破地理空間的限制，為偏遠地區居民和低收入群體提供便捷的金融服務，從而改善其收入狀況（周利等，2020）。

目前，學術界對數字金融與收入分配之間的關系展開了一系列研究。但是對于數字金融能否優化居民收入分配這一問題，仍然存在著爭議。如黃倩等（2019）的研究發現數字金融能夠緩解居民內部的收入不平等，原因在于貧困群體在數字金融的發展中的獲益高于富裕群體。周利等（2020）的研究得到了相似的結論，他們認為數字金融的發展會為農村居民帶來“數字紅利”，從而縮小城鄉間的收入差距。然而，何宗樾等（2020）的研究則認為數字金融是以數字技術為載體的線上金融平臺，其可能會加大居民間的“數字鴻溝”，從而加劇收入不平等。且除了“數字鴻溝”以外，“教育鴻溝”和“生態鴻溝”的存在，使得數字金融難以發揮其對居民收入分配的優化作用（星焱，2021）。同樣，王修華和趙亞雄（2020）的研究認為數字金融在收入分配方面具有“馬太效應”，即出現“貧者愈貧，富者愈富”的現象。

上述文獻對本文的研究具有極大的啟發意義，但是也存在著進一步拓展的空間。具體而言，在數字金融優化收入分配的機制上，現有文獻將目光聚焦于創業效應、人力資本效應、信貸配置效應等，忽略了數字金融是一種以5G、大數據、互聯網為載體的數字工具，能提高信息的普及度和利用率，從而吸引外資流入，提高居民的就業水平，進而影響居民的收入分配。此外，也鮮有文獻關注新質生產力、市場化水平和居民受教育程度對居民收入分配所產生的異質性效應。基于此，本文探討了數字金融能否通過緩解融資約束、吸引外資和優化就業結構來改善居民的收入狀況，以及新質生產力、市場化水平和居民受教育程度在影響數字金融與居民收入分配間的關系中是否存在異質性。

三、理論分析

由于傳統金融服務的高門檻、高成本和覆蓋窄等缺點（謝絢麗等，2018；朱昌壽等，2023），傳統金融對于低收入群體而言是一種“奢侈品”，加劇了低收入和高收入群體之間的貧富差距，阻礙了共同富裕目標的推進。相反，數字金融具有低門檻、普惠性和覆蓋廣等優點，它的出現打破了低收入群體和貧困地區獲取金融服務的時間和空間壁壘，使金融服務不再是富人所擁有的“專屬品”。

數字金融對居民收入分配的優化效應主要體現在以下方面：一方面，數字金融提高了金融服務的可得性，從而優化居民收入分配。互聯網、大數據和區塊鏈等數字技術在金融行業的廣泛應用，使得金融業的服務范圍逐步擴大，金融產品的可得性也逐步增加，無論是“貧”還是“富”，均有平等獲得金融服務的機會，從而使得更多群體能夠獲取金融服務，并通過金融貸款進行創業（曾之明等，2022），進而改善收入分配狀況。另一方面，數字金融降低了農村居民獲取金融服務所需付出的成本，從而優化居民收入分配。在過去，貧困、偏遠地區的居民想要獲取金融服務來實現創業脫貧需要付出許多成本，例如交通成本、時間成本等。而隨著互聯網、5G技術和云計算等的普及，居民可以做到足不出戶就能獲取金融服務、金融信息或是來自其他創業者的創業資訊來增加收入（張勛等，2019），從而逐步實現從部分到整體的富裕。基于此，本文提出如下研究假說。

H1：數字金融的發展能夠縮小城鄉收入差距，優化居民收入分配。

本文認為數字金融可以通過如下幾種途徑對居民收入分配產生影響：第一，數字金融可以通過便利融資改善居民收入分配。以往的線下金融服務對農村居民并不友好，不僅擁有煩瑣的貸款流程和極高的貸款門檻，還對農村居民存在極大的不信任，這使得金融服務主要集中在城鎮居民和其他較為富裕的居民手中，出現了“錢都流向了不缺錢的人手中”的現象，造成金融資源配置的極度扭曲。數字金融可通過便捷的數字平臺為農村居民提供金融服務，使得農村居民在線上即可向金融機構申請貸款，這極大降低了農村居民的融資門檻，提高了農村居民的融資效率（王瑤佩和郭峰，2019）。同時，數字金融可以利用大數據對涉農用戶的信用進行評估，為金融機構對涉農用戶進行分類奠定了基礎，提高了還款可能性，降低了壞賬發生的概率。此外，數字金融平臺可以向農村居民提供適用的小額貸款（謝絢麗等，2018）。這些小額貸款可以緩解農村居民在創業、更新農機設備和擴大農業經營規模時所面臨的資金短缺困境。基于此，本文提出如下研究假說。

H2：數字金融通過緩解農村居民的融資約束來優化居民收入分配狀況。

第二，數字金融可以通過吸引外資改善居民收入分配。數字金融是利用大數據、移動通信、互聯網等數字技術來進行金融活動的新型金融模式。數字金融作為金融服務平臺，不僅能夠為國外投資者提供便利的金融服務，還能夠為他們提供豐富的投融資信息，從而進一步拓寬投資者的視野。尤其對于外資企業而言，數字金融提供的相關資訊能夠使其關注到中國較為偏遠的地區和中國的新興行業。此外，數字金融除提供金融服務與信息服務外，還擁有極為便利的資金結算功能和清算系統，能夠提高外資在中國的結算效率，從而降低外商投資的交易成本。因此，數字金融的發展能夠吸引外資的流入，提高外商投資水平。現有研究表明，外商投資水平的提高有利于緩解收入不平等現象。這是因為外資企業的進入創造了更多的就業機會，吸納了許多農村閑置勞動力（鄭磊和汪旭暉，2018），且通過對勞動者進行勞動技能培訓提高了其人力資本水平，從而提高其收入水平，緩解收入不平等現象（葛順奇等，2016）。基于此，本文提出如下研究假說。

H3：數字金融通過提升外商投資水平來優化居民收入分配狀況。

第三，數字金融可以通過提高居民就業水平改善收入分配。根據已有研究，數字金融的發展促進了電子商務等新型商業模式的興起（周亞虹等，2023），這種新型商業模式有助于拓寬產品銷售渠道，為各行業帶來了廣闊的市場空間，從而推動非農產業生產規模的擴大，進而使得企業擴大對勞動力的需求。另外，數字金融為非農產業的發展提供了資金支持，能夠極大緩解非農產業發展的融資約束，為其擴大生產規模提供了資金支撐。尤其是對于需要諸多大型生產設備的第二產業而言，數字金融能夠緩解相關企業更換、升級生產設備時所面臨的資金短缺困境，從而推動相關企業的發展（司增綽等，2024），進而創造出更多的就業崗位。理論上，非農部門所創造出的經濟效益要遠大于農業部門（吳萬宗等，2018），因此，隨著相關企業對勞動力需求的擴大，居民會在經濟利益的驅動下放棄農業生產，從農業產業向非農產業進行轉移以提升自己的收入水平。基于此，本文提出如下研究假說。

H4：數字金融通過提高居民就業水平來優化居民收入分配狀況。

四、模型、變量與數據

（一）模型設定

為檢驗數字金融的發展能否優化居民收入分配，本文構建了如下回歸模型。

Theilit" / Giniit = α + βlnfinait + γZit+ wi +μt + ζit" " （1）

式（1）中，i表示城市，t表示年份；Theilit為泰爾指數，表示城市i在t年內的城鄉收入差距狀況；Giniit為基尼系數，表示城市i在t年內的財富分配狀況；lnfinait為數字金融發展指數的對數形式，表示城市i在t年內的數字金融發展程度；β則為數字金融的發展對泰爾指數和基尼系數的影響程度，若β lt; 0，則表明數字金融的發展能夠縮小城鄉收入差距，緩解財富不平等，反之，則會擴大城鄉收入差距；Zit則為一系列控制變量；wi為城市固定效應，用于控制城市層面不隨時間變化的因素對因變量產生的影響；ut為時間固定效應，用于排除宏觀上的時間趨勢；ζit為隨機擾動項。

（二）變量定義

1.被解釋變量

本文選取泰爾指數和基尼系數來衡量居民收入分配狀況。選用泰爾指數和基尼系數指標的理由如下：泰爾指數不僅反映了農村和城鎮居民的收入狀況，還能從人口分布層面反映農村人口和城鎮人口的分布差別；基尼系數能反映地區內的財富不平等現象②。本文分別參考王少平和歐陽志剛（2007）、Dagum（1997）的做法測算了泰爾指數與基尼系數，前者通過農村居民人均可支配收入和城鎮居民人均可支配收入、農村常住人口和城鎮常住人口進行測算，后者則根據夜間燈光數據和人均GDP測算。

另外，本文還采用農村居民人均可支配收入、城鎮居民人均可支配收入和城鄉收入比對泰爾指數和基尼系數進行替代來進行穩健性檢驗。其中，農村居民人均可支配收入和城鎮居民人均可支配收入均進行對數化處理，城鄉收入比由城鎮居民人均可支配收入與農村居民人均可支配收入之比計算而得。

2.核心解釋變量

本文選用北京大學數字金融研究中心所編制的《北京大學數字普惠金融指數（2011—2020年）》中的數字普惠金融指數作為核心解釋變量，考察數字金融發展與收入分配間的關系。為處理異方差問題，本文對這一指標進行了對數化處理。

3.控制變量

本文選取如下變量作為控制變量：城鎮化水平（Urban），為城鎮人口數量與常住人口總數之比；對外開放程度（open），為地級市進出口總額與該地區的生產總值之比；第三產業比重（Indu3），為第三產業的產值與地區生產總值之比；金融發展程度（jrfz），為地級市年末金融機構各項貸款余額與地區生產總值之比；地方教育扶持力度（Eduacost），為地級市財政教育支出與財政總支出之比；經濟發展水平（pergdp），為地區生產總值與常住人口之比。

（三）數據來源

測算泰爾指數所使用的農村常住人口和城鎮常住人口、農村和城鎮居民人均可支配收入相關數據均來自各地級市國民經濟和社會發展統計公報。測算基尼系數所使用的地區生產總值來源于《中國城市統計年鑒》，夜間燈光數據來源于DMSP和VIIRS數據庫。數字普惠金融指數來源于北京大學數字金融研究中心所編制的《北京大學數字普惠金融指數（2011—2020年）》。其余控制變量均來自《中國城市統計年鑒》。

各變量的描述性統計見表1。

五、實證分析

（一）回歸分析

表2為基準回歸結果。根據列（1）、列（2）

可知，無論是否加入控制變量，回歸結果均在1%的水平下顯著。加入控制變量后回歸系數為-0.057，表明數字金融每提高100%，城鄉收入差距將會縮小0.057個單位，這相當于均值的79.167%。根據列（3）、列（4）的結果，在未加入控制變量前，數字金融對基尼系數所產生的影響顯著為負；在加入控制變量后依然顯著為負，系數值為-0.103，即數字金融每提高100%，基尼系數會減少0.103個單位③，相當于均值的18.727%。因此，數字金融發展是能夠改善居民的收入分配狀況的，假說H1得以驗證。

（二）穩健性檢驗

1.內生性檢驗

基準回歸表明，數字金融可以縮小城鄉收入差距，優化居民收入分配狀況。但收入差距過大可能引起低收入地區居民的還貸難題，加劇居民和金融機構間的矛盾，且低收入地區的居民可能對數字金融具有排斥心理，從而抑制其普及與發展。另外，由于模型可納入的變量有限，可能存在遺漏變量問題。故本文通過滯后核心解釋變量和工具變量法，以緩解內生性估計偏差。

（1）滯后解釋變量。為解決內生性問題的干擾，本文對數字金融進行滯后一期處理，表3中的列（1）、列（2）報告了數字金融滯后一期的結果。結果表明數字金融的發展依然能夠顯著降低泰爾指數和基尼系數。

（2）工具變量檢驗。本文參考謝絢麗等（2018）的做法，選用省級互聯網普及率（Internet）作為數字金融的工具變量進行內生性檢驗。之所以選擇省級互聯網普及率作為數字金融的工具變量是因為：一方面，互聯網作為數字金融的基礎設施，與數字金融的發展存在正向的相關性，這滿足了工具變量相關性的要求；另一方面，互聯網普及率與居民收入分配之間并不存在直接關聯，這滿足了工具變量外生性的要求。因此，互聯網普及率是一個有效的工具變量。表3匯報了工具變量檢驗結果。根據一階段回歸結果，工具變量的估計系數顯著，且F檢驗值分別為41.910和16.050，均遠大于工具變量的臨界值10，因此本文所選取的工具變量是可靠的，不存在弱工具變量問題。在二階段回歸結果中，數字金融對基尼系數和泰爾指數的影響仍顯著為負，這與前述基準回歸結果一致。

2.更換被解釋變量

本文將被解釋變量更換為農村居民人均可支配收入（lnruinc）、城鎮居民人均可支配收入（lnurinc）和城鄉收入比（incomeration）進行穩健性檢驗。根據表4中的列（1）、列（2）可知，數字金融對農村居民人均可支配收入的影響系數顯著為正；加入控制變量后，該系數值為0.178，這表明數字金融每增加1%，農村居民人均收入將會增加0.178%④，即數字金融的發展能夠顯著提升農村居民收入。由表4中的列（3）、列（4）可知，數字金融對城鎮居民人均可支配收入的影響系數不顯著，說明數字金融對城鎮居民人均可支配收入并不產生影響。另外，根據列（5）、列（6）的結果發現，數字金融的發展顯著縮小了城鄉收入比；加入控制變量后，其系數為-0.732，即數字金融每增加100%，城鄉收入比將縮小0.732個單位，故前述基準回歸結果是穩健的。

3.剔除直轄市

由于我國地區間社會經濟發展存在不平衡現象，數字金融也存在地區發展不平衡。為防止因個別地區的數字金融發展程度遠遠超過其他地區而造成回歸結果的偏誤，本文將我國4個直轄市的樣本進行了剔除，并再次進行回歸檢驗。結果見表5。由表5可知，數字金融的回歸系數仍顯著，該結果與基準回歸的結果具有一致性。

六、進一步分析

（一）機制分析

數字金融可能通過緩解農村居民融資約束、吸引外資流入以及改善就業結構來優化居民的收入分配狀況。本文將對上述影響機制的存在性進行檢驗。

1.緩解農村居民融資約束

本文參考魏立乾等（2022）選用涉農貸款金額來衡量農戶的融資約束情況，用各地區涉農貸款金額的對數形式表示。若數字金融對涉農貸款金額的回歸系數為正，則表明數字金融能夠增加金融機構的涉農貸款，緩解農戶融資約束；反之，則會增強農戶的融資約束。根據表6中列（1）的回歸結果可知，數字金融的系數在1%的水平下顯著為正，表明數字金融能緩解農戶融資約束，為農戶創業、更新農業設備提供資金支持。假說H2得以驗證。

2.吸引外資流入

本文采用外商直接投資額作為機制變量，用地級市外商直接投資額的對數形式表示，來探究數字金融是否能夠促進外資流入，并檢驗外資流入在數字金融與居民收入之間所產生的作用。結果見表6中的列（2）。根據結果可知，數字金融對外商直接投資額的影響系數為2.127，即數字金融每提高1%，外商投資水平就會增加2.127%，這一結果在1%的水平下是顯著的。這表明一個地區數字金融的發展有助于吸引外資流入本地，從而促進本地居民就業，改善本地居民的收入分配狀況。假說H3得以驗證。

3.改善就業結構

本文采用第一產業就業人數、第二產業就業人數和第三產業就業人數作為機制變量來進行檢驗，分別用各地級市第一產業就業人數對數形式、第二產業就業人數對數形式和第三產業就業人數對數形式來表示。檢驗結果見表6中的列（3）—列（5）。由回歸結果可知，數字金融的發展會降低第一產業的就業水平，提高第二產業的就業水平，而對第三產業的就業水平并無顯著影響。表明數字金融的發展能夠促進非農產業的發展，推動農村勞動力向第二產業轉移，從而改善自身收入分配狀況。之所以對第三產業的影響不顯著，可能是因為第三產業主要以信息業、服務業為主。其中信息業需要較高的專業素質和學歷水平才能達到準入條件；而農村勞動力如果向服務業進行轉移，受限于技能和專業素質，可能只能從事較為低端的工作，這類工作的收入水平不及第二產業，因此農村勞動力向第三產業轉移的可能性較低。假說H4得以驗證。

（二）異質性檢驗

考慮到各地級市間的經濟發展水平、資源稟賦存在差異，本文將從居民受教育程度、市場化水平以及新質生產力方面進行異質性檢驗。

1.居民受教育程度（eduyear）

本文根據各地區人均受教育年限的均值設置虛擬變量并進行賦值，其中大于均值的地區視為受教育程度較高的地區，取值為1，反之取值為0，并將生成的虛擬變量與數字金融交乘后進行回歸檢驗。結果見表7中的列（1）、列（2）。可以發現，交乘項的系數都顯著為正，這表明一個地區的居民受教育程度越高，數字金融的發展將越會加劇收入分配不平等。對此的解釋可能是，受教育水平越高，學習能力越強，對數字工具的使用越熟練，因此通過數字金融從事經濟活動來增加經濟收入的可能性越大；而受教育程度越低，則難以輕易學會使用數字工具，從而加劇了受教育程度高的居民和受教育程度低的居民之間的數字鴻溝，進而抑制數字金融對居民收入的優化效應。

2.市場化水平（market）

市場化水平對市場主體的經濟活動會產生重要的影響（樊綱等，2011）。市場化水平越高，農戶通過數字金融貸款從事經濟活動的制度性摩擦越少，其經濟參與的積極性就越高，收入來源的渠道也越多；反之，市場化水平越低，農戶從事經濟活動的制度成本會增加，這會抑制其參與經濟活動的積極性，從而減少農戶收入渠道。因此市場化水平會對數字金融所發揮的作用產生一定的影響。本文借鑒王小魯等（2019）編制的市場化指數來衡量市場化水平，并根據其中位數設置虛擬變量后與數字金融進行交乘。其中大于中位數的，取值為1，反之取值為0。回歸檢驗結果見表7的列（3）、列（4）。可以看到，交乘項的系數均顯著為負，表明市場化水平越高，數字金融對居民收入的優化效應越強。

3.新質生產力（newpro）

新質生產力是技術革命性突破、生產要素創新性配置和產業深度轉型升級的有機統一。新質生產力發展水平較高的地區，擁有更為良好的技術、人才條件，并且這些地區的農村居民擁有更高的勞動技能和更強的學習能力。數字金融作為一種數字應用，在良好的技術和人才條件的加持下，對農業生產效率的促進作用會更明顯。例如，通過本地良好的數字基礎設施，將農業設備進行互聯互通，并對農業生產進行實時監控，從而提高農業生產效率，進而改善收入分配狀況。基于此，本文參考盧江等（2024）測算新質生產力指標的方法，根據變量中的樣本值，將大于中位數的賦值為1，小于中位數的賦值為0，生成的虛擬變量與數字金融進行交乘后回歸。由表7中列（5）的結果可知，交乘項關于泰爾指數的回歸系數并不顯著，但是根據Smith（2016）提出的經濟系數顯著性計算公式可知⑤，在統計上交乘項關于泰爾指數的回歸系數具有經濟顯著性。從表7中的列（6）可以看出，交乘項對基尼系數的回歸系數顯著為負。由此可見，數字金融在新質生產力發展水平更高的地區更能優化居民收入分配，推進共同富裕。

七、結論與討論

本文使用我國2013—2020年287個地級市的面板數據，實證檢驗了數字金融對收入分配的優化效應。具體結論如下：第一，數字金融能夠優化居民收入分配，促進共同富裕，這一結果在經過一系列穩健性檢驗后依然成立。第二，機制分析表明，數字金融可以通過緩解農村居民融資約束、吸引外資流入和優化人口的就業結構來改善居民的收入分配。第三，異質性分析表明，市場化水平、居民受教育程度和新質生產力發展水平將會影響數字金融的收入分配效應。市場化水平越高，數字金融對居民收入分配狀況的優化作用越強；而居民受教育程度差距的加大，則會擴大數字鴻溝，從而抑制居民收入分配狀況的改善；新質生產力發展水平越高，數字金融對收入分配的優化效應就會越強。

數字金融作為以大數據、云計算和互聯網等數字技術為依托的信息化平臺，具有“雙刃劍”的作用，其既能通過緩解農村居民融資約束、吸引外資流入和優化人口的就業結構來調節居民收入分配，也可能對居民和用戶產生一些不利的影響。首先在于信息的真實性，投資者和居民所看見的投融資信息以及就業信息并非都真實可靠，其中可能存在不法分子為了數字欺詐散布虛假信息的現象。其次是用戶隱私安全性，部分平臺對用戶隱私的保護力度不足，不法分子可以通過網絡技術對用戶信息進行竊取，從而造成用戶隱私泄露、電信詐騙等問題。最后是數字鴻溝問題，《數字中國發展報告（2021年）》顯示，我國數字技術發展位列世界前茅，屬于第一梯隊，但由于我國幅員遼闊、經濟發展不平衡，仍有部分偏遠地區和低收入群體因數字基礎設施不完善、教育資源缺乏等，無法掌握必要的數字技能，從而無法充分享受到數字金融發展所帶來的“數字紅利”。因此，數字金融的出現可能會在一定程度上加劇城鄉之間、不同收入群體之間的數字鴻溝。

基于上述結論和分析，本文提出如下政策建議：

第一，政府要加強對數字金融的監管與規范。如建立專門的監管機制，設置嚴格的數據安全標準，以確保用戶信息的安全和所提供信息的可信度，防止用戶信息被泄露或濫用。第二，鑒于數字金融能夠吸引外資流入，從而改善居民的收入分配狀況，應當設立專門與外資企業進行對接的數字金融平臺，或是在現有的數字金融平臺中增設外資周轉與結算功能，為外幣資金轉化為本幣進行結算提供便利的“一站式”服務，從而提高投資效率。第三，由于居民受教育程度較低會抑制數字金融對居民收入分配的優化效應，政府應當在低收入和農村地區加大教育投資，設立數字技能培訓中心，并在現有教育體系中增加數字技能相關課程，提高居民的數字素養，縮小數字鴻溝。第四，政府應實施差異化的市場化推動策略，針對不同地區的市場化水平和基礎設施條件，制定相應的支持政策。例如，對于數字基礎設施較差的地區，政府可以先對數字基礎設施建設進行投資，隨后逐步推廣數字金融服務。

注釋：

① 數據來源：https：//data.worldbank.org.cn/indicator/SI.POV.GINI。

② 泰爾指數與基尼系數均為數值范圍在0到1之間的連續變量，數值越大，說明地區內的城鄉收入差距越大，財富分配不平等現象越嚴重。

③ 因為數字金融發展指數是對數形式，被解釋變量未取對數，所以數字金融每增加100%，被解釋變量會變動a個單位，因此泰爾指數和基尼系數會分別下降0.057和0.103個單位。

④ 數字金融發展指數和城鄉居民人均可支配收入均取對數，因此數字金融每變化1%，被解釋變量將變化a%個單位。

⑤ 經濟顯著性計算公式：

經濟顯著性=

參考文獻：

[1] 黃益平，黃卓. 中國的數字金融發展：現在與未來[J]. 經濟學（季刊），2018，17（04）：1489-1502.

[2] 王瑤佩，郭峰. 區域數字金融發展與農戶數字金融參與：渠道機制與異質性[J]. 金融經濟學研究，2019，34（02）：84-95.

[3] Keynes J M. The general theory of employment， interest， and money[M]. New York：Harcourt Brace，1936.

[4] KALDOR N. A model of economic growth[J]. The Economic Journal， 1957， 67（268）： 591-624.

[5] PIKETTY T. Capital in the twenty-first century[M]. Boston：Harvard University Press， 2014.

[6] BECKER G. Human capital： A theoretical and empirical analysis with special reference to education[R]. National Bureau of Economic Research， Inc， 1964.

[7] DUESENBERRY J S. Income， saving， and the theory of consumer behavior[J].Review of Economics amp; Statistics， 1949， 33（03）：111.

[8] 吳萬宗，劉玉博，徐琳. 產業結構變遷與收入不平等——來自中國的微觀證據[J]. 管理世界，2018，34（02）：22-33.

[9] 楊茜，石大千. 交通基礎設施、要素流動與城鄉收入差距[J]. 南方經濟，2019（09）：35-50.

[10]郭凱明，羅敏. 有偏技術進步、產業結構轉型與工資收入差距[J]. 中國工業經濟，2021（03）：24-41.

[11] 呂冰洋，李昭逸. 稅收精準調節收入分配的作用機理分析[J]. 稅務研究，2023（07）：11-15.

[12] 黃健，鄧燕華. 制度的力量——中國社會保障制度建設與收入分配公平感的演化[J]. 中國社會科學，2021（11）：54-73+205.

[13] Rutherford S. The savings of the poor： Improving financial services in Bangladesh[J]. Journal of International Development， 1998， 10（01）： 1-15.

[14] Banerjee A V， Newman A F. Occupational choice and the process of development[J]. Journal of Political Economy， 1993， 101（02）： 274-298.

[15] Galor O， Zeira J. Income distribution and macroeconomics[J]. The Review of Economic Studies， 1993， 60（01）： 35-52.

[16] 王鈺，趙偞貝. 數字金融發展縮小城鄉收入差距了嗎？——基于地級市面板數據的實證研究[J]. 金融經濟，2023（11）：89-100.

[17] 程惠霞，楊璐. 中國新型農村金融機構空間分布與擴散特征[J]. 經濟地理，2020，40（02）：163-170.

[18] 周利，馮大威，易行健. 數字普惠金融與城鄉收入差距：“數字紅利”還是“數字鴻溝”[J]. 經濟學家，2020（05）：99-108.

[19] 黃倩，李政，熊德平. 數字普惠金融的減貧效應及其傳導機制[J]. 改革，2019（11）：90-101.

[20] 何宗樾，張勛，萬廣華. 數字金融、數字鴻溝與多維貧困[J]. 統計研究，2020，37（10）：79-89.

[21] 星焱. 農村數字普惠金融的“紅利”與“鴻溝”[J]. 經濟學家，2021（02）：102-111.

[22] 王修華，趙亞雄. 數字金融發展是否存在馬太效應？——貧困戶與非貧困戶的經驗比較[J]. 金融研究，2020（07）：114-133.

[23] 謝絢麗，沈艷，張皓星，等. 數字金融能促進創業嗎？——來自中國的證據[J]. 經濟學（季刊），2018，17（04）：1557-1580.

[24] 朱昌壽，曾祥銳，蘇林.數字普惠金融能提升家庭創業的生存率嗎？[J].金融經濟，2023（12）：76-89.

[25] 曾之明，伍劍超，孫易欣. 數字普惠金融對家庭創業決策的影響研究——基于CHFS調查數據的實證[J].金融經濟，2022（07）：47-60.

[26] 張勛，萬廣華，張佳佳，等.數字經濟、普惠金融與包容性增長[J].經濟研究，2019，54（08）：71-86.

[27] 鄭磊，汪旭暉. 外商直接投資流入加大了中國省際城鄉收入差距嗎——基于空間視角下的分析[J]. 宏觀經濟研究，2018（03）：62-80.

[28] 葛順奇，劉晨，羅偉. 外商直接投資的減貧效應：基于流動人口的微觀分析[J]. 國際貿易問題，2016（01）：82-92.

[29] 周亞虹，邱子迅，任欣怡，等. 數字金融的發展提高了電商助農的效率嗎？——基于電子商務進農村綜合示范項目的分析[J]. 數量經濟技術經濟研究，2023，40（07）：70-89.

[30] 司增綽，曹露玉，張義. 數字普惠金融助推產業結構升級的效果與機制研究[J]. 首都經濟貿易大學學報，2024，26（02）：19-32.

[31] 王少平，歐陽志剛.我國城鄉收入差距的度量及其對經濟增長的效應[J].經濟研究，2007，42（10）：44-55.

[32] Dagum C. A new approach to the decomposition of the Gini income inequality ratio[J]. Empirical Economics， 1997， 22（04）： 515-531.

[33] 魏立乾，王亞平，羅劍朝. 家庭稟賦、政策認知與農業信用擔保融資約束——基于陜西、寧夏765份農戶調查數據[J]. 農業技術經濟，2022（12）：100-115.

[34] 樊綱，王小魯，馬光榮. 中國市場化進程對經濟增長的貢獻[J]. 經濟研究，2011，46（09）：4-16.

[35] 王小魯，樊綱，胡李鵬. 中國分省份市場化指數報告（2018）[M]. 北京：社會科學文獻出版社， 2019.

[36] 盧江，郭子昂，王煜萍.新質生產力發展水平、區域差異與提升路徑[J/OL].重慶大學學報（社會科學版） ，2024：1-16[2024-06-15].http：//kns.cnki.net/kcms/detail/50.1023.c.20240306.1451.002.html.

[37] Smith J D. U.S. political corruption and firm financial policies[J]. Journal of Financial Economics， 2016， 121（02）： 350-367.

（責任編輯：張艷妮）

作者簡介：賢成毅，博士，教授，廣西師范大學經濟管理學院，研究方向為區域金融。

吳澤強，碩士研究生，廣西師范大學經濟管理學院，研究方向為區域金融。

何" "鑫，博士，副教授，湖南文理學院經濟與管理學院，研究方向為人口流動遷移。

基金項目：廣西哲學社會科學規劃研究課題“數字普惠金融支持廣西民族地區鄉村產業振興的機制和路徑研究”（22BJY018） ；湖南省自科基金項目“智慧城市建設背景下金融超市平臺對中小微企業的應用研究——指標體系、影響路徑及運營模式”（2022JJ50250）。