數字普惠金融能否促進返鄉農民工創業決策?

關鍵詞： 數字普惠金融；返鄉農民工；返鄉創業

中圖分類號： F832.7；F323.6 文獻標志碼： A 文章編號： 1673?5617（2024）02?0022?09

2020年的《政府工作報告》明確提出，要全面強化就業優先政策，支持農民工就近就業、創業。根據農業農村部發布的數據，2016—2021年，我國返鄉創業人數從480萬增至1120萬，預計2025年將超1500萬，返鄉創業漸成趨勢，尤以返鄉農民工為主力。另外，隨著金融科技的不斷進步，如支付寶、微信支付和數字人民幣等數字金融服務已經深入民眾的日常生活，對于那些未被傳統金融業所覆蓋的群體，數字普惠金融的出現能夠有效提升他們獲取金融服務的機會和可能性。據統計，我國各省的數字普惠金融指數平均值已從2011年的40.004大幅提升至2018年的300.208，展現出強勁的增長勢頭[1]。盡管國家已經出臺了各項政策，為返鄉農民工提供創業補貼和優惠貸款，但由于資金數額相對較小等原因，使得返鄉農民工在創業初期常常感到資金壓力大。根據返鄉農民工創業者的抽樣調查結果顯示，將近70%的返鄉農民工創業資金來自個人或家庭，政府政策貸款部分比例為8%，金融機構融資占比2.5%[1]，可見農民工獲得正規融資的比例較低。因此，探究數字普惠金融是否能夠推動返鄉農民工創業，對于實現我國返鄉農民工“穩就業”具有重要的理論與現實意義。本文對地級市層面的數據進行計量分析，著眼于數字普惠金融對返鄉農民工創業決策的影響，分析數字普惠金融總體發展水平及其3個維度對返鄉農民工創業決策的影響，并進一步從區域異質性、收入異質性、年齡異質性進行研究，結論能夠為制定關于落實鄉村振興戰略的政策提供經驗證據。

1理論分析與研究假說

近年來，數字普惠金融作為轉換內生發展動力、構建新發展格局的重要抓手，對經濟的影響日益凸顯，也吸引了越來越多的學者參與相關研究。返鄉農民工創業是增強鄉村經濟造血功能、促進社會主義新農村建設的重要手段，數字普惠金融作為國家戰略，也逐漸受到學術界的重視。與本文相關的文獻主要集中在3個方面：（1）數字普惠金融的發展及其量化指標研究；（2）數字普惠金融對創業活動的影響研究；（3）返鄉農民工創業決策及其影響因素的探討。

進入21世紀以來，普惠金融的概念逐步出現，與原有的金融體系不同，普惠金融體系主要的服務對象是貧困人口和微型企業，他們不是傳統意義上金融服務的主要對象。電子金融的崛起，使得傳統金融領域迎來了前所未有的挑戰[2]，學者們對電子銀行的優勢[3]、影響互聯網借貸的因素[4]、網站借貸的籌款方式以及影響籌款績效的因素[5]等方面進行了眾多研究。隨著科技的不斷進步，普惠金融服務在覆蓋范圍、服務水平、便捷程度、運營成本等多方面得到了全面優化[6]，數字化的金融模式已逐漸轉變為普惠金融的核心驅動力和增長點。在普惠金融的量化指標研究方面，Sarma[7]率先提出了金融包容性指數（IFI）對普惠金融的發展水平進行客觀全面的評估。我國學者基于國外的研究成果，并結合我國的實際情況，對指標體系的內容從可獲得性、使用情況、服務質量[8]和承受度[9]等方面進行綜合考量。目前，我國研究數字普惠金融的相關學術論文大多采用郭峰等[10]構建出的一套評價指標體系作為其衡量標準。此外，數字普惠金融與創業之間的關系也受到了學術界的廣泛關注。國外學者在初期主要聚焦于普惠金融對創業活動的影響，而隨著技術的不斷進步，他們的研究重心逐漸擴展至數字普惠金融領域，普遍的觀點是二者都對創業活動產生了顯著的推動作用[11?12]。國內關于數字普惠金融對農民工創業行為影響關系的研究中，學者們一般采用理論分析與實證檢驗相結合的方法，大部分研究都得出了數字普惠金融能夠顯著地推動農民工創業行為的結論，認為數字普惠金融能夠促進農業創業活躍度[13]，提高農戶創業收入、擴大農戶創業規模[14]，進而提升企業績效[15]。此外，就業福利、創業環境、資本稟賦[16]以及創業經驗[17]等因素均對農民工返鄉創業產生影響。

在探討數字普惠金融對創業活動的影響時，現有的文獻主要集中于對企業、城鄉居民整體或農村居民的研究，側重于分析數字普惠金融如何提升信貸可得性、緩解融資約束等方面。盡管大部分研究者都認同數字普惠金融的總體發展對創業活動具有積極的推動作用，但在數字普惠金融如何影響不同區域和不同社會群體的創業活動方面，研究者們得出的結論存在較大差異。返鄉農民工與其他創業者一樣，都面臨著融資的挑戰。然而，由于他們的初始資金相對較少，常常缺乏充足的擔保品和信用基礎，導致難以從傳統的金融機構獲取必要的融資支持，這無疑增加了他們創業的難度。與傳統金融服務相比，數字普惠金融以其更高的流通性和更便捷的交易機制脫穎而出。這種創新的金融服務模式，為返鄉農民工等弱勢群體提供了有效的解決方案，能夠有效緩解返鄉農民工等弱勢群體所面臨的金融排斥問題。基于以上分析，提出以下研究假說：

H1：數字普惠金融對返鄉農民工創業決策有促進作用。

我國長期以來一直面臨發展不平衡、不充分的問題，這導致不同地區在資源條件、經濟發展水平以及創新能力等方面存在顯著的差異，這種地域性的差異可能會體現在數字普惠金融對返鄉農民工創業決策的影響上。《北京大學數字普惠金融指數（2011—2020年）》報告中指出，不論是總體發展水平、覆蓋廣度、使用深度，東部地區均明顯高于中部地區和西部地區，但西部地區的增速最快。東、中部地區由于實行沿海開放政策較早，良好的經濟基礎為金融產業的布局與發展創造了領先優勢，體現為東、中部地區的金融機構數目更多、金融服務供給品類更豐富、居民的金融素養普遍更高，因此返鄉農民工獲得創業資金的渠道也較多。相較之下，西部地區由于經濟相對落后，基礎設施與金融產業布局有待完善，互聯網普及率與人力資本較低，融資渠道較為單一，返鄉農民工在傳統金融模式下面臨較為嚴重的金融排斥問題。基于此，提出如下研究假說：

H2：數字普惠金融影響返鄉農民工創業決策具有區域異質性特征。

數字普惠金融對返鄉農民工創業決策影響的異質性還可能體現在不同收入家庭中。相對于低收入家庭，收入較高的返鄉農民工群體在資金儲備、文化水平、務工經驗以及信息渠道等方面擁有更大的優勢。這使得他們對數字普惠金融政策的敏感度更高，并更容易從正式機構獲得創業融資。雖然數字普惠金融具備便捷靈活、融資規模較小且借款人通常無須提供抵押品等優勢，但由于返鄉農民工的文化水平有限，且在政府缺乏對相關政策的宣傳情況下，他們對政策的敏感度及了解程度較低，這極大地限制了返鄉農民工創業的積極性。此外，返鄉農民工群體以中老年人為主，中老年人相對于青年有更大的家庭與養老的經濟壓力。由于城市的快速發展，中老年農民工的就業前景愈發不樂觀，這導致他們在投資決策時更傾向于保守型的風險偏好[18]，更信任官方的金融機構，并且隨著年齡的增長，個人儲蓄與社會信用程度也會相應提高，更容易滿足正式金融組織的貸款評審條件，有研究表明個人月均收入越高的返鄉農民工偏向于從國有四大銀行處獲得創業融資[19]。基于此，提出如下研究假說：

H3：數字普惠金融對返鄉農民工創業決策的促進作用存在收入異質性，并且對中老年返鄉農民工的影響更為明顯。

2數據來源、變量選取與模型選擇

2.1數據來源

本文選擇了2012、2014、2016、2018年這4期的中國勞動力動態追蹤調查（CLDS）數據作為研究樣本。該樣本覆蓋了國內除新疆、西藏及港澳臺外其余29個省（自治區、直轄市），每年涵蓋約200～500個村居，涉及超過10000戶家庭，并深入調研了超過20000個勞動力個體的信息，具有廣泛的全國代表性。數字普惠金融指數源自北京大學數字金融研究中心，該中心通過利用大量微觀數據，并參考現有的文獻和國際標準，結合數字普惠金融服務的最新趨勢和特點，構建了中國數字普惠金融指標體系。該指標體系總共包括3個一級指標，33個具體的指標，覆蓋了中國內地的31個省（自治區、直轄市）、337個地級市，以及2800多個縣。本文將數字普惠金融指數與相應年份的CLDS數據進行匹配，得到了包含29個省份的面板數據。

2.2變量選取

變量選取如下：（1）被解釋變量：返鄉農民工的創業決策。參考已有文獻[20?21]，本研究將2012、2014、2016、2018年的CLDS數據進行合并，刪除了城市的樣本以及部分缺失值，并將“有外出務工（跨縣流動半年以上）經歷”“目前不打算繼續外出務工”，且現有工作為“雇主”或“自雇”的返鄉農民工定義為“返鄉農民工創業”。（2）核心解釋變量：數字普惠金融指數。本研究對數字普惠金融指數進行了對數化處理。考慮到CLDS數據為了保護受訪者的個人信息，僅在城市級別公開其地址信息，并對其所在的縣區編碼進行了隨機處理。因此本文選擇了地級市級別的數字普惠金融指數作為研究對象，目的是在可識別的最小地理范圍內與微觀調查數據進行匹配。由于CLDS所統計的數據是基于過去1年的情況，因此本文對采用的數字普惠金融指數進行滯后1期處理。例如，2018年CLDS的實際調查數據來源于2017年，本文使用2017年的數字普惠金融指數來與之進行匹配。（3）控制變量。本文對可能影響返鄉農民工創業決策的變量進行了控制，如性別、年齡、受教育程度、婚姻狀況以及家庭經濟狀況等。鑒于人情在農村社會關系中的重要地位，以及禮物在農村地區作為傳遞人情、構建社會關系網絡的主要手段，本文選擇“家庭年禮品禮金支出”作為衡量家庭社會資本的指標，并對其進行控制。為了優化數據分布，減少極端值對實證結果的干擾，本文對家庭社會資本數據進行了對數處理，并納入了年份虛擬變量進行控制。（4）工具變量。為了確保工具變量的有效性，選取的工具變量必須與核心解釋變量“數字普惠金融”之間存在某種關聯，并且只能間接影響被解釋變量“返鄉農民工創業”。我國的數字普惠金融發展存在空間聚集的特征，本文借鑒郭峰等[10]和黃倩等[22]的做法，選取各地級市到杭州的球面距離作為數字普惠金融的工具變量。為了量化這一距離，本文根據各地級市的經緯度信息計算了到杭州的球面距離，并進行了對數化處理。變量描述性統計如表1所示。

2.3模型選擇

在研究數字普惠金融對返鄉農民工創業決策的影響時，最直接的表現便是返鄉農民工是否進行了創業，因此返鄉農民工創業是1個啞變量。本文通過建立二元Probit模型，研究數字普惠金融如何影響返鄉農民工的創業決策，具體模型如下：

3數字普惠金融對返鄉農民工創業決策影響的實證分析

3.1數字普惠金融對返鄉農民工創業決策的總體影響

表2匯報了式（1）的回歸結果，在控制年份虛擬變量的前提下，模型（1）僅僅考慮了數字普惠金融與返鄉農民工創業決策之間的關系，模型（2）控制了個人層面的變量，模型（3）控制了家庭層面變量，模型（4）加入所有控制變量。從第1列的回歸結果可以看出，數字普惠金融指數與返鄉農民工的創業決策之間存在正向關系，這種關系在1%的置信水平上得到了驗證，數字普惠金融指數每提高1個標準差，返鄉農民工的創業決策概率將提升0.743。模型（2）至模型（4）的回歸結果表明，在控制了個人和家庭層面的特征變量后，數字普惠金融與返鄉農民工創業決策之間仍然呈現出正相關的關系，且均達到了1%的顯著水平。從個體特征來看，性別和專業技術培訓在各個組均未通過顯著性檢驗，年齡和婚姻狀況對返鄉農民工創業決策具有積極的正向影響，并在1%的水平下顯著。回歸結果表明，數字普惠金融總體上對返鄉農民工的創業決策產生了積極的影響，其發展能夠推動返鄉農民工做出創業決策，假設1成立。

表3的回歸結果顯示，數字普惠金融的覆蓋廣度和使用深度對返鄉農民工的創業決策產生了積極影響，其中使用深度的影響最為顯著，達到了1%的顯著水平，而數字化程度對返鄉農民工創業決策的影響并不顯著。由此可見，數字普惠金融賬戶的覆蓋率越高，使用數字普惠金融服務的人群就會越廣泛，且使用頻率也會相應提升，這將進一步促進返鄉農民工的創業決策。由此也可再次驗證假設1的正確性，數字普惠金融發展得越完善，越能夠帶動返鄉農民工進行創業。

3.2異質性分析

3.2.1區域異質性分析 為進一步從厘清數字普惠金融對不同地區返鄉農民工創業決策的影響，檢驗假說2，本文進行了區域異質性檢驗。參照李建軍等[23]的文章，本文根據我國不同省份及直轄市實行沿海開放政策的時間以及社會經濟發展水平，將其劃分為東、中、西部三大地區，再對三大地區進行分組回歸，表4匯報了回歸結果。結果表明，數字普惠金融對東、中部地區返鄉農民工的創業決策具有顯著的正面影響，且這種影響在1%的水平下均顯著。其中數字普惠金融對中部地區返鄉農民工創業決策的推動作用更為顯著，當數字普惠金融指數提升1個標準差時，中部地區返鄉農民工的創業決策將提高1.569。這說明在經濟發展條件較好，但金融服務發展仍有提升空間的中部地區，數字普惠金融能夠有效滿足返鄉農民工的金融需求，進而緩解其融資困境。雖然西部地區的數字普惠金融指數增速較快，但由于該地區在經濟發展、基礎設施、人才資源、地理位置以及自然環境等方面與中部和東部地區相比存在明顯的短板，這會導致西部地區的返鄉農民工對數字普惠金融的發展相對不夠敏感。回歸結果可以驗證假設2成立。

3.2.2收入異質性分析 從收入水平的視角出發，高收入群體與低收入群體所面臨的金融排斥和風險厭惡程度呈現出顯著差異。基于此，本文借鑒了馮大威等[24]的做法，以家庭年收入水平的中位數為基準，對樣本進行分組。具體操作為：首先計算家庭年收入的中位數，然后將家庭年收入低于這一中位數的返鄉農民工劃歸為低收入群體，將家庭年收入高于中位數的返鄉農民工劃歸為高收入群體，最后針對不同群體進行分組回歸分析，回歸結果如表5所示。從回歸結果可以看出，數字普惠金融對于不同年收入的返鄉農民工的創業決策都具有積極的作用，但在低收入家庭中未通過顯著性檢驗。數字普惠金融指數每增加1個標準差，高收入返鄉農民工的創業概率增加1.062。高收入返鄉農民工家庭更可能借助數字普惠金融渠道獲得創業資金，從而推動他們進行創業活動。而低收入群體的風險偏好往往偏向保守，創業作為一種高風險決策，可能會威脅到他們的經濟安全，再加上他們自身的一些局限性，使得他們對數字普惠金融的發展不夠敏感。

3.2.3年齡異質性分析 由表2可知，年齡對返鄉農民工的創業決策具有顯著影響，為進一步探究數字普惠金融對返鄉農民工創業決策的影響中是否存在年齡差異，本文參考盧小君等[25]的做法，將受訪者年齡的數據樣本劃分為30歲及以下的青年組和30歲以上的中老年組，表6報告了本組的回歸結果。中老年人是數字普惠金融服務的重點對象，他們通常擁有較高的儲蓄率，同時也是返鄉農民工中的大多數，相較于青年農民工，中老年農民工通常展現出更強的風險規避心理，因此他們更傾向于信賴正規的融資渠道。年齡異質性分析和收入異質性分析的結果可以驗證假設3成立。

4內生性分析與穩健性檢驗

4.1內生性分析

從上一部分的實證結果可以發現，對樣本的個人和家庭層面的變量進行控制后，數字普惠金融對返鄉農民工創業決策仍有促進作用。本文采用了2012—2018年的數據構建了面板模型，并對可能影響返鄉農民工創業決策的、但無法直接觀測到的時間固定效應進行了嚴格控制，從而在一定程度上降低了因遺漏變量引發的內生性問題。但返鄉農民工的風險態度、金融素養以及接受新鮮事物的能力等個體特征，不僅會影響他們的創業決策，還會影響他們對數字普惠金融的使用情況，因此研究中仍可能存在一定的內生性問題。為了解決上述內生性問題，本文選擇了各地級市到杭州的球面距離作為工具變量，并進行了工具變量估計，回歸結果如表7所示。模型（1）的回歸結果表明，各地級市到杭州的球面距離對數字普惠金融指數具有顯著的影響。此外，模型（2）的回歸結果進一步驗證了本文結論的穩健性，即使在控制內生性問題后，數字普惠金融與返鄉農民工創業之間仍然呈現出顯著的正相關關系。

4.2穩健性檢驗

針對研究存在內生性問題，本文采取以下2種方法來減小其對模型實證回歸結果造成的偏差，一是滯后1期自變量，二是更換計量模型。

4.2.1滯后1期自變量 為減弱反向因果帶來的內生性問題，本文借鑒易行健等[26]的做法，將核心自變量進行滯后，再與CLDS匹配。由于2010年的數字普惠金融指數數據缺失，無法與CLDS數據進行匹配，本文在此部分舍棄了2012年的CLDS微觀調查數據，使用2014—2018年共3期的數據進行實證分析。本文依然在回歸中依次加入個人、家庭、家庭與個人層面的特征變量進行檢驗，回歸結果如表8所示。從回歸結果可以看出，當使用滯后1期的數字普惠金融指數進行回歸分析，并綜合考慮家庭和個人層面的特征變量時，數字普惠金融指數對返鄉農民工創業決策依然產生了顯著的正向影響，其顯著性水平達到了10%。這驗證了基準回歸結果的穩健性，并進一步表明數字普惠金融發展正向推動返鄉農民工創業決策。

4.2.2更換計量模型 前文采用了Probit模型進行計量分析，為了降低因模型選擇偏差而導致的估計誤差，本節進一步使用Logit模型進行回歸分析，以檢驗結論的穩健性。回歸結果如表9所示，在更換計量模型后，前文的研究結論依然穩健，數字普惠金融的發展對返鄉農民工創業產生了顯著的促進作用。

5結論與啟示

數字普惠金融的發展為農村地區帶來了新的發展動力，通過大數據、云計算、人工智能等技術的應用，金融服務得以深入鄉村，為返鄉農民工等重點群體提供了更多創業和就業的機會。研究發現：（1）數字普惠金融的發展能夠促進返鄉農民工的創業決策；（2）數字普惠金融的覆蓋廣度與使用深度均對返鄉農民工的創業決策產生了積極的推動作用，特別是數字普惠金融的使用深度對返鄉農民工的創業決策具有更為顯著的影響；（3）數字普惠金融對中、東部地區返鄉農民工的創業決策具有顯著的積極影響，且中部地區的影響程度超過東部地區；（4）數字普惠金融的發展水平在影響返鄉農民工的創業決策時，在不同收入家庭和不同年齡層之間存在差異性。盡管本文在一定程度上擴展了現有研究，但仍存在研究數據相對陳舊，變量選取存在主觀性，難以完全消除內生性影響等不足。

基于上述結論，提出以下建議：（1）深化數字普惠金融服務，將服務觸角延伸到基層。通過擴大數字普惠金融的覆蓋廣度，進一步提高其普惠性，為農村區域及返鄉農民工的創業活動注入強大動力。（2）加強政策宣傳力度，促進返鄉農民工群體金融素養的提升。針對來自不同地域、不同社會階層和不同年齡層的返鄉農民工，有必要實施各具特色的宣傳和普及活動，通過加強數字普惠金融的使用深度，來激勵這些返鄉農民工積極創業。（3）促進地區交流合作，平衡金融資源。為了縮小數字普惠金融對返鄉農民工創業決策在不同地區的影響差異，應從政策層面為西部地區的數字普惠金融發展提供有力保障，通過制定更具針對性的政策措施，引導金融資源向西部地區流動，推動其基礎設施建設的完善和投資環境的優化。通過加強跨地區的合作與交流，推動金融資源的合理配置和高效利用，實現金融資源的互補和共享。