“互聯網+”普惠金融是否影響城鄉收入均衡增長？

宋曉玲

摘 要：本文運用中國31個省份2010—2014年度數據，計算各地普惠金融發展指數，并構建面板數據回歸模型，分析“互聯網+”普惠金融對城鄉收入均衡增長的影響。研究結果表明，互聯網和普惠金融兩個變量各自對城鄉人均收入水平、城鄉收入均衡水平都有顯著促進作用。兩個變量的交互效應對城鄉人均收入水平有顯著促進作用，但對城鄉收入均衡水平影響并不顯著，這說明在促進城鄉收入結構性均衡增長方面，互聯網與普惠金融的融合度不夠。中國需要多策并舉，有力推進“互聯網+”普惠金融在農村地區、小微企業和低收入社區的推廣，在促進城鄉收入總水平增長的基礎之上，促進結構性均衡增長，實現城鄉包容性發展和共同富裕。

關鍵詞：“互聯網+”；普惠金融；城鄉收入均衡水平；平衡面板數據

中圖分類號：F830.3 文獻標識碼：A

文章編號：1000-176X（2017）07-0050-07

一、問題的提出

“普惠金融”（Financial Inclusion）這一概念由來已久。在融資端，傳統金融機構長期延續根深蒂固“二八理論”的理念，金融資源更多傾斜于“頭部”領域——20%的高中端客戶，而80%小微企業、三農、低收入社區居民等“尾部”領域客戶，由于存在信息不對稱、缺乏信用評估和抵押物，加之交易金額小，運營成本過高等問題，往往得不到關注，產生金融排斥現象。Kempson和Whyley[1]、Leyshon和Thrift[2]先后指出，“普惠金融”是一個與金融排斥相對立的概念，這一詞匯在聯合國宣傳2005年國際小額信貸年時被率先使用。其基本含義是：能夠以可負擔的成本，有效、全方位地為所有社會成員提供金融服務。Kodan 和Chhikara[3]認為，普惠金融強調金融服務的可獲得性，如果需要人們能夠使用這些金融服務。同時，普惠金融也強調了“可負擔的成本”，作為金融機構尤其是追求利潤最大化的商業性金融機構，開展普惠金融業務時，必須協調成本與收益、履行社會責任與利潤最大化之間的關系。正是因為其間可能存在的沖突，使得長期以來普惠金融業務的開展，處于“外熱內冷”的尷尬局面。

隨著數字技術與金融業務融合的不斷深入，面向中低端客戶群體的金融服務成本不斷下降，以商業銀行為主體的金融機構的經營理念逐漸由“二八法則”轉向“長尾理論”，客戶端不斷下移。同時，互聯網金融企業把數字技術與普惠金融結合起來，為普通大眾和中低端收入群體推出豐富的普惠金融產品，作為新興行業異軍突起，成為“互聯網+”普惠金融的實踐典范。2013年6月，阿里巴巴旗下的網上支付系統支付寶推出“余額寶”。作為一款“1元起購”的開放式基金，余額寶在短短三年內開戶數超過2.95億，為客戶賺取收益572.93億元，是目前互聯網金融最成功的實踐案例。也正是余額寶的成功，引發了國內2013年以來的互聯網金融熱潮。中國人民銀行2014年發布《中國金融穩定報告》明確給出互聯網金融的定義：互聯網金融指金融借助互聯網和移動通信技術，實現資金融通、支付和信息中介功能的新型金融模式?；ヂ摼W和移動通信技術的普遍性，從根本上決定了這種新型金融模式具有傳統金融難以企及的普惠性。

2016年9月G20峰會上《G20數字普惠金融高級原則》的正式公布，使得普惠金融這個熱點話題，以一個新視角再次出現在實務界與學術界。數字普惠金融是指互聯網、移動通訊、大數據、云計算等數字技術與普惠金融的有機融合。這一原則的公布，無疑為普惠金融的發展提供了技術的規則支撐，也為普惠金融這一概念注入新鮮養分。在此背景下，作為數字技術中起源較早并具有典型代表性的互聯網技術，“互聯網+”普惠金融的經濟效用問題尤其值得關注。

近年來，隨著數字技術與金融業務融合的不斷深入，使得面向中低端客戶群體的金融服務成本不斷下降，由此以商業銀行為主體金融機構的經營理念逐漸由“二八法則”轉向“長尾理論”，客戶端不斷下移。同時，互聯網等數字金融企業作為新興行業異軍突起，把數字技術與普惠金融結合起來，為普通大眾和中低端收入群體推出豐富的普惠金融產品，成為“互聯網+”普惠金融的實踐典范。2013年6月，阿里巴巴旗下的網上支付系統支付寶推出“余額寶”。作為一款“1元起購”開放式基金，余額寶在短短三年內開戶數超過2.95億，為客戶賺取收益572.93億元，是目前互聯網金融最成功的實踐案例。也正是余額寶的成功，引發了國內2013年以來的互聯網金融熱潮。中國人民銀行2014年發布的《中國金融穩定報告》明確給出互聯網金融的定義：互聯網金融指金融借助互聯網和移動通信技術，實現資金融通、支付和信息中介功能的新型金融模式。互聯網和移動通信技術的普遍性，從根本上決定了這種新型金融模式具有傳統金融難以企及的普惠性。

在“互聯網+”普惠金融實踐持續深入的同時，國內學者也開始了學術層面的探討。林宏山[4]分析了中國普惠金融發展存在的不足以及互聯網金融的優勢，指出互聯網金融的特性使之有助于社會各階層便利地獲取各種金融服務，規范互聯網金融業務將推進中國普惠金融的發展。楊光[5]考察了互聯網金融和普惠金融的結合點，認為兩者核心理念（平等、普遍、共享）不謀而合，都關注“創造20%收益的80%普通客戶群”，并且通過小金額、大客戶量來進行風險控制，通過降低成本實現可持續經營。其他學者也大多從互聯網金融促進普惠金融發展的角度展開理論研究并提出相關建議。

理論上講，普惠金融會對低收入居民和小微企業的經濟行為產生顯著影響，這幾乎得到了學界共識。星焱[6]、焦瑾璞[7]認為，普惠金融水平的提升有助于解決貧困問題、促進經濟增長、實現城鄉收入均衡?！盎ヂ摼W+”普惠金融有機融合的發展模式，將通過交互效應和乘數效應，發揮更加顯著的作用，促進城鄉均衡發展，縮小城鄉收入差距?！盎ヂ摼W+”普惠金融是否顯著促進了城鄉收入均衡增長？要量化驗證這個問題，需要首先梳理清楚三個概念：其一，如何測度普惠金融和“互聯網+”普惠金融？其二，如何測度城鄉收入均衡水平？其三，怎樣量化分析金融發展對城鄉居民收入的影響？

（一）普惠金融指數和“互聯網+”普惠金融的測度

建立完善普惠金融理論體系，首先要確定測度普惠金融發展水平的指數。只有建立普惠金融指數的長期觀測制度，才能夠對普惠金融及相關影響因素進行定量分析。Sarma[8]借鑒聯合國人類發展指數（HDI）的構建方法，從金融機構的滲透度（Penetration）、可獲得性（Availability）和使用度（Usage）三個維度測度普惠金融發展水平，用每1 000成年人擁有的銀行賬戶數表示滲透度，用每10萬人口擁有的金融機構和自動柜員機（簡稱ATM，下同）數表示可獲得性，用存貸款總額占GDP的比重表示使用度。Arora[9]考慮更多的指標，劃分了金融機構服務的范圍（包括地理覆蓋度和人口覆蓋度）、便利性和成本三個維度，其中，用每1 000平方千米的金融機構和ATM數（地理覆蓋度）、10萬人口擁有的金融機構和ATM數（人口覆蓋度）測量服務范圍，用申請存款賬戶或貸款的機構所在地、存款賬戶開戶最低金額及余額下限、支票賬戶余額下限、申請存款賬戶和支票賬戶分別所需的文件數、消費者貸款下限及申請所需天數、抵押貸款下限及申請所需天數度量便利性，用消費者貸款和抵押貸款的費率、存款賬戶和支票賬戶的年費、在ATM每取100美元所需的費率計算金融服務成本。Sarma沒有考慮獲得金融服務的便利性和成本，而Arora沒有考慮金融服務的使用情況。Gupte等[10]全面考慮各種因素，構建了多達24個指標的普惠金融指數算法。焦瑾璞等[11]總結對比了普惠金融聯盟（AFI）普惠金融指標體系（兩維度5指標）、世界銀行普惠金融指標體系（五維度15指標）以及普惠金融全球合作伙伴（GPFI）普惠金融指標體系（3維度29指標），認為GPEI體系劃分的三個維度（金融服務的獲取、使用以及質量）能夠比較科學、全面地反映普惠金融發展水平。

以上所述指標體系大多十分繁雜，超出了中國國家統計局和各地區統計局的統計范圍。在對實際問題進行定量分析時，學者往往只能每個維度取一兩個指標進行計算。例如，王婧和胡國暉[12]在充分考慮數據可獲得性后，選取6個指標計算2002—2011年中國普惠金融指數，再用OLS回歸檢驗普惠金融指數的影響因素。田杰和陶建平[13]選取5個指標，以2006—2009年全國1 877個縣（市）的面板數據為樣本，計算普惠金融指數并分析各個指標對農戶收入的影響。本文將在充分考慮數據可獲得性的基礎上建立更為合理的指標體系。

現有文獻鮮有對“互聯網+”普惠金融的定量測度，為研究“互聯網+”普惠金融對城鄉收入均衡增長的影響，本文從兩個方面來測度這一指標。其一，運用普惠金融發展指數和互聯網普及率，分別測度普惠金融和互聯網使用這兩個變量各自的影響；第二，借鑒陳義國[14]對交互項變量的使用方法，運用普惠金融指數與互聯網普及率的乘積，用于測度“互聯網+”普惠金融（即兩者的交互作用）的影響。

（二）城鄉收入均衡增長的測度

衡量城鄉收入均衡增長，需要從兩個方面著手。一方面是總量情況，即城鄉收入總水平，主流文獻一般選擇地區人均收入水平來衡量；另一方面是結構情況，即城鄉收入均衡水平。既有文獻中，衡量區域收入差距的代表性指標有兩種，一是基尼系數。任媛和邰秀軍[15] 構建長江三角洲與環渤海灣地區的基尼系數，實證研究了經濟增長與收入分配差距之間的關系；徐虹和胡祖光[16]在計算基尼系數的基礎上，分析了中國農村居民收入的區域差異并進而分析形成原因。二是城鄉居民收入的比值。雷根強等[17]在計算該指標的基礎上，基于中國中西部縣域數據的模糊斷點回歸分析方法，實證分析了轉移支付對城鄉收入差距的影響。萬曉萌[18]則采用該指標和空間計量方法，研究了農村勞動力轉移對城鄉收入差距的影響。用基尼系數和城鄉居民收入的比值來測度城鄉居民收入差距，直觀并易于計算，這也是大多數文獻采取這兩種計算方法的主要原因。然而，這兩種方法都忽略了城鄉人口規模大小對城鄉收入差距的影響，并且基尼系數對于中間階層的收入變動較為敏感，對兩端反應并不強烈，而城鄉收入差距恰恰體現在高收入和低收入階層的變化上。彭定贇和王磊[19]、顏敏[20]認為，泰爾指數對處于收入兩端的變動更為敏感，恰好能夠解決這個問題。泰爾指數的計算公式如下：

GAPi，t=∑2j=1Pi，j，tPi，t×ln（Pi，j，tPi，t/Zi，j，tZi，t）（1）

其中，假設j=1表示城鎮，j=2表示農村。GAPi，t表示第i個地區在t時期的泰爾指數。Pi，1，t表示第i個地區在第t時期城鎮總收入（用城鎮居民人均可支配收入乘以城鎮人口）。Pi，2，t表示第i個地區在第t時期農村的總收入（用農村居民人均純收入收入乘以農村人口）。Pi，t表示第i個地區在第t時期城鄉收入的總和。Zi，j，t表示第i個地區在第t時期城鎮或農村的人口數。Zi，t表示第i個地區在第t時期的總人口數。此公式計算出來的結果越大，表明城鄉收入差距越大。

本文所研究的城鄉收入均衡水平，是一個與泰爾指數相對立的概念。因此，在第三部分變量選取時，對泰爾指數進一步處理，構造出城鄉收入均衡指數。

（三）金融發展對城鄉居民收入影響的量化分析

對金融發展與收入分配關系進行了研究，國內部分學者指出中國金融發展擴大了城鄉收入差距。孫永強和萬玉琳[8]基于1978—2008年中國30個省份的面板數據，通過建立面板協整與誤差修正模型，對中國金融發展、對外開放與城鄉居民收入差距之間的長期穩定關系和短期波動影響做出實證分析。結果表明，對全國而言，長期內金融發展和對外開放均顯著擴大了城鄉居民收入差距。張宏彥等[9]收集中國1983—2009年的相關數據，利用VAR模型分析中國農村金融發展對城鄉收入差距的影響。結果顯示，中國農村金融發展與城鄉收入差距之間存在一種長期均衡關系，并且中國農村金融發展是城鄉收入差距拉大的格蘭杰成因。另外，李志軍和奚君羊[10]的研究證實了西方學者提出的金融發展與收入差距之間的倒U型關系在中國也存在，即在金融發展的初期，其對收入差距具有擴大效應，而在金融發展達到一定程度時，收入差距就會隨之縮小。孫永強和萬玉琳[8]用“各地區金融機構存貸款余額占GDP比重”來衡量金融發展，張宏彥等[9]采用中國農戶儲蓄值與農業貸款值總額衡量中國農村金融發展水平，李志軍和奚君羊[10]采用中國金融發展指數。這些學者都沒引入普惠金融理念和相應測度指標，因而也就不能充分解釋普惠金融發展對城鄉居民收入和城鄉收入均衡水平的影響。

二、指標體系構建與指數測度

1.普惠金融指標體系構建

在Sarma[9]、王婧和胡國暉[11]、田杰和陶建平[12]研究基礎上，Sarma[11]借鑒聯合國人類發展指數（HDI）的構建方法，從金融機構的滲透度（Penetration）、可獲得性（Availability）和使用度（Usage）3個維度測度普惠金融發展水平，用每1 000成年人擁有的銀行賬戶數表示滲透度，用每10萬人擁有的金融機構和自動柜員機（簡稱ATM，下同）數表示可獲得性，用存貸款總額占GDP的比重表示使用度。Arora[12]考慮更多的指標，劃分了金融機構服務的范圍（包括地理覆蓋度和人口覆蓋度）、便利性和成本3個維度，其中，用每1 000平方千米的金融機構和ATM數（地理覆蓋度）、每10萬人擁有的金融機構和ATM數（人口覆蓋度）測量服務范圍，用申請存款賬戶或貸款的機構所在地、存款賬戶開戶最低金額及余額下限、支票賬戶余額下限、申請存款賬戶和支票賬戶分別所需的文件數、消費者貸款下限及申請所需天數、抵押貸款下限及申請所需天數度量便利性，用消費者貸款和抵押貸款的費率、存款賬戶和支票賬戶的年費、在ATM每取100美元所需的費率計算金融服務成本。Sarma[11]沒有考慮獲得金融服務的便利性和成本，而Arora[12]沒有考慮金融服務的使用情況。Gupte等[13]全面考慮各種因素，構建了多達24個指標的普惠金融指數算法。焦瑾璞等[14]總結對比了普惠金融聯盟（AFI）普惠金融指標體系（兩個維度5個指標）、世界銀行普惠金融指標體系（5個維度15個指標）以及普惠金融全球合作伙伴（GPFI）普惠金融指標體系（3個維度29個指標），認為GPEI體系劃分的3個維度（金融服務的獲取、使用以及質量）能夠比較科學、全面地反映普惠金融發展水平。以上所述指標體系大多十分繁雜，超出了中國國家統計局和各地區統計局的統計范圍。

考慮到中國金融數據的可獲得性，以及側重考慮普惠金融發展對農民及城市低收入人群收入的影響，本文選取了3個維度10個指標構建中國普惠金融測量指標體系。

下文括號內為具體測量指標，3個維度一共10個具體測度指標。

維度1：金融服務的范圍。用地理維度的服務滲透性（每萬平方千米的銀行業金融機構數、每萬平方千米的銀行業金融機構從業人員數）和人口維度的服務可得性（每萬人擁有的銀行業金融機構數、每萬人擁有的銀行業金融機構從業人員數）兩類描述性指標來衡量。

維度2：金融服務的使用情況。用存款服務的使用情況（金融機構人均各項存款占人均 GDP 的比重）、貸款服務的使用情況（金融機構人均各項貸款占人均 GDP 的比重）以及保險情況（保險密度和保險深度）三類描述性指標來衡量。

維度3：金融服務的質量。用三農融資狀況（涉農貸款余額占各項貸款余額比重）、中小企業融資狀況（小額貸款公司貸款余額占各項貸款余額比重）兩類描述性指標來衡量。

2.普惠金融發展指數計算方法

Sarma[13]借鑒聯合國開發計劃署編制人類發展指數HDI的計算方法，構建了普惠金融發展指數，本文繼續沿用這種計算方法，計算中國普惠金融發展指數。

用以衡量普惠金融的具體指標為10個，

在對實際問題進行定量分析時，學者往往只能每個維度取一兩個指標進行計算。例如，王婧和胡國暉[15]在充分考慮數據可獲得性后，選取6個指標計算2002—2011年中國普惠金融指數，再用OLS回歸檢驗普惠金融指數的影響因素。田杰和陶建平[16]選取5個指標，以2006—2009年中國1 877個縣（市）的面板數據為樣本，計算普惠金融指數。筆者借鑒Sarma[11]的計算方法，具體計算我國普惠金融10個具體指標，

以di表示第i個指標，則普惠金融發展狀況可以表示為10維笛卡爾空間中的點D=（d1，d2，…，d10）。這個空間中的點O=（0，0，…，0）是可能出現的最壞情形，即完全的金融排斥，而點 W=（w1，w2，…，w10）表示在普惠金融發展的所有層面上均達到最高水平。由此，普惠金融發展指數IFI可以表示為點D與點W之間歸一化的反歐幾里得距離，其公式表示為：

IFI=1-（w1-d1）2+（w2-d2）2+…+（w10-d10）2w12+w22+…+w102（1）

其中，Wi表示第i個指標的權重，通過變異系數法求得：wi=vi/∑n1vi，vi=SDi/Mi。vi表示第i個指標的變異系數，SDi表示第i個指標的標準差，Mi表示第i個指標的均值。

在計算過程中，需要先用公式di=[wi×（Ai-MINi）/（MAXi-MINi）]，將不同量綱的指標進行歸一化處理，使各指標數據成為無量綱的標量。Ai表示第i個指標的實際觀測值，MINi表示第i個指標樣本中最小值，MAXi表示第i個指標樣本中的最大值。因此，0≤di≤wi，di越大，表明該指標所代表的普惠程度越高。

3.中國內地31個省（自治區、直轄市）普惠金融發展指數測度

本文通過Wind資訊金融數據庫、中國人民銀行發布的《中國區域金融運行報告》、《中國金融年鑒》以及中國統計局采集到中國31個省份（自治區、直轄市）（以下簡稱為31個?。?010—2014年度10個指標的相關數據。各指標的觀測值均為155個。按上述方法，對這些指標的原始數據進行標準化，并計算出各省普惠金融發展指數，如表1所示。

從表1可以看出，普惠金融發展指數為相對指數，用于同一地區不同時間（時間序列）縱向比較，或同一時間不同地區（截面）橫向比較。數值越接近于1，表明在測度時間和地區中普惠金融發展水平越高；數值越接近于0，表示在測度時間和地區中普惠金融發展水平越低。

2010—2014年各省普惠金融發展指數均有所上升，表明各省普惠金融發展水平持續提高。各省2010年的普惠金融發展水平排名和2014年的排名變化不大。其中4大直轄市、東部省份排名保持靠前位置。

4.“互聯網+”普惠金融的測度

現有文獻鮮有對“互聯網+”普惠金融進行定量測度，為研究“互聯網+”普惠金融對城鄉收入均衡增長的影響，本文具體從以下兩個方面來測度這一指標。第一，運用普惠金融發展指數和互聯網普及率，分別測度普惠金融和互聯網使用這兩個變量各自的影響。第二，運用普惠金融發展指數與互聯網普及率的乘積具體測度“互聯網+”普惠金融（即兩者的交互作用）的影響。

三、模型設定與變量選取

1.面板數據模型設定

作為新興的概念，普惠金融、互聯網金融等相關領域只有近幾年的統計數據，通過時間序列分析得到的參數估計精度較差。而在面板數據中，即使時間序列長度較短，但是大量的橫截面個數能夠擴大樣本，使得模型更為可靠。另外，面板數據模型能夠綜合利用時序和截面樣本信息，同時反映時期、地區兩個方面的變化規律以及不同時期、不同地區的特性。因此，面板數據模型在分析跨時期跨地區問題時具有一定的操作性和穩健性。

本文借鑒田杰和陶建平[12]的做法，指出，在研究金融發展對收入水平影響的相關文獻中，大多理論模型思路是：在總生產函數的傳統分析框架下，將金融發展水平當作一項投入用于生產，同時考慮其他影響收入的因素。本文在模型設定上也遵循這一。作為新興的概念，普惠金融、互聯網金融等相關領域只有近幾年的統計數據，通過時間序列分析得到的參數估計精度較差。而在面板數據中，即使時間序列長度較短，但是大量的橫截面個數能夠擴大樣本，使得模型更為可靠。另外，面板數據模型能夠綜合利用時序和截面樣本信息，同時反映時期、地區兩個方面的變化規律以及不同時期、不同地區的特性在總生產函數的傳統分析框架下，將金融發展水平當作一項投入用于生產，同時考慮其他影響收入的因素，采用一般線性面板數據模型進行回歸，具體如下：

yit=αit+βitxit+μit（2）

其中，αit為常數項；xit=（x1it，x2it，…，xKit）為外生變量；βit=（β1it，β2it，…，βKit）

為參數向量。；K為外生變量個數；N為截面單位總數；基本假設是隨機擾動項μit相互獨立，且滿足零均值、同方差。這里的αit和βit包含了時間和截面效應，αit還可以進一步分成總體效應與個體效應之和。i=1，2，…，N；t=1，2，…，T；T為時期總數。

2.變量定義與指標選取

被解釋變量為地區人均收入水平（PGDP）和城鄉收入均衡指數（URIBI）。

被解釋變量為城鄉收入均衡增長。衡量城鄉收入均衡增長，需要從兩個方面著手：一方面是總量情況，即城鄉收入總水平，主流文獻一般選擇城鄉人均收入水平（PGDP）來衡量；另一方面是結構情況，即城鄉收入均衡水平（URIBI）。本文借鑒這種方法。

既有文獻中，衡量區域收入差距的代表性指標有基尼系數和城鄉居民收入的比值兩種，這兩種方法都忽略了城鄉人口規模大小對城鄉收入差距的影響，并且基尼系數對于中間階層的收入變動較為敏感，對兩端反應并不強烈，而城鄉收入差距恰恰體現在高收入和低收入階層的變化上。彭定贇和王磊[17]、顏敏[18]認為，泰爾指數對處于收入兩端的變動更為敏感，恰好能夠解決這個問題。泰爾指數的計算公式如下：

GAPit=∑2j=1PijtPit×ln（PijtPit/ZijtZimt）（3）

其中，假設j=1表示城鎮，j=2表示農村。GAPit表示第i個地區在t時期的泰爾指數。Pi1t表示第i個地區在第t時期城鎮總收入（用城鎮居民人均可支配收入乘以城鎮人口）。Pi2t表示第i個地區在第t時期農村的總收入（用農村居民人均純收入收入乘以農村人口）。Pit表示第i個地區在第t時期城鄉收入的總和。Zijt表示第i個地區在第t時期城鎮或農村的人口數。Zit表示第i個地區在第t時期的總人口數。此公式計算出來的結果越大，表明城鄉收入差距越大。

本文不像很多文獻中以基尼系數與城鄉居民收入的比值來表示收入差距，而采用泰爾指數衡量城鄉人均收入水平，采用為衡量的直觀性并保持與普惠金融指數量綱相近，本文用（1/泰爾指數）×100來衡量城鄉收入均衡水平，稱為城鄉收入均衡指數。數值越大，城鄉收入均衡水平越高。

解釋變量有三個：一是普惠金融發展指數（IFI），預期系數符號為正。二是N_rate為互聯網普及率，用于研究互聯網因素對收入水平的影響，預期系數符號為正。三是IFI_nrate，為普惠金融指數與互聯網普及率的乘積，用于研究“互聯網+”普惠金融（即兩者的交互作用）對城鄉人均收入水平的影響，預期系數符號為正。

控制變量有：地方人均公共財政支出（Pfin）、城市化水平（Ur）和人均固定資產投資完成額（Invst），預期這三個變量的系數符號均為正。

3.數據來源

鑒于數據的可獲得性和時效性，本文研究的樣本期為2010—2014年。普惠金融指數為上文計算所得。其余數據從Wind資訊金融數據庫和國家統計局網站獲取。由于各變量的數據單位量綱不一，例如人均GDP、人均財政支出和人均固定資產投資完成額的單位是人民幣元，而互聯網普及率和城市化水平是百分比，普惠金融發展指數是相對系數。為保持量綱的接近，本文將人均GDP、人均地方財政支出和人均社會固定投資完成額通過vi=Ai-MINMAX-MIN的方法標準化。

四、“互聯網+”普惠金融對人均收入和城鄉收入均衡水平影響的經驗分析

1.面板單位根檢驗

常用的面板單位根檢驗有LLC檢驗、IPS檢驗、ADF檢驗和PP檢驗。四種檢驗的原假設都是存在單位根過程。面板單位根檢驗結果如表2所示。

表2顯示，所有變量都基本通過了平穩性檢驗，可以視為平穩序列。

2.“互聯網+”普惠金融對城鄉人均收入水平和城鄉收入均衡水平影響的平衡面板估計

首先，建立如下模型：

PGDPit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（4）

URIBIit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（5）

其次，對式（4）和式（5）進行Hausman檢驗，選擇固定效應模型。i=1，2，…，31；t=2010年，2011年，…，2014年。把人均收入水平作為被解釋變量，其他變量作為解釋變量和控制變量，運用面板數據逐步回歸法，即逐步剔除不顯著的變量，回歸結果如表3所示。

從表3可以看出：

在模型（1）和模型（2）中，除截距外的各個自變量都在1%的顯著性水平上顯著。模型（1）中的普惠金融發展指數、互聯網普及率、人均公共財政支出、人均固定資產投資系數均為正，這和預期是一致的。普惠金融、互聯網兩個變量各自都促進了城鄉人均收入水平的增長。為考察互聯網與普惠金融的交互影響，在模型（2）中加入了互聯網與普惠金融相乘的自變量。由于該變量與普惠金融發展指數產生了共線性，所以把普惠金融發展指數這一自變量刪除。模型（2）最終回歸結果顯示，互聯網普及率、人均公共財政支出、人均固定資產投資、“互聯網+”普惠金融都在1%的顯著性水平上顯著，且系數均為正，這和預期是一致的。說明“互聯網+”普惠金融顯著促進了城鄉人均收入的總量增長。反映回歸方程擬合優度的2很高，說明方程的解釋力度很強。

（三）“互聯網+”普惠金融對城鄉收入均衡指數影響的平衡面板估計

對式（5）進行Hausman檢驗，選擇固定效應模型。i=1，2，…，31；t=2010，2011，…，2014。把城鄉收入均衡指數作為被解釋變量，其他變量作為解釋變量和控制變量，運用面板數據逐步回歸法，即逐步剔除不顯著的變量，回歸結果如表4所示。

在模型（3）和模型（4）中，普惠金融發展指數、互聯網普及率都在1%的顯著性水平上顯著，人均固定資產投資在5%的顯著性水平上顯著，且系數均為正，這和預期是一致的。為考察互聯網與普惠金融的交互影響，在模型（4）中加入了互聯網與普惠金融相乘的交互項，但是“互聯網+”普惠金融的t值為-0.2905，P值為0.7719，P值未在表格中列出，如有需要請與作者聯系。下同。顯著性水平非常低。并且系數為負，與經濟意義不符?；貧w結果顯示：互聯網和普惠金融這兩個變量各自都對城鄉收入均衡增長有促進作用，但二者的交互效應不顯著，說明在促進城鄉收入均衡增長方面，互聯網與普惠金融的融合度不夠。

此外說明兩點：其一，在模型（3）和模型（4）當中，人均公共財政支出在統計上不顯著，但P值=0.1600，在16%的置信度水平上可以接受，并且沒有與其他變量產生共線性，增加了模型的擬合優度，所以把該變量仍然保留在模型（3）和模型（4）當中。其二，模型（1）—模型（4）中都加入了控制變量城市化水平（Ur），但是在回歸時與其他變量有共線性，導致模型其他變量符號發生變化，影響其對經濟含義的解釋，所以在最終的模型中把該變量刪除。

五、結論與啟示

2010—2014年中國31個省份的數據統計結果表明，五年來各省份的普惠金融發展水平穩步提高。其中上海、北京、天津、浙江、江蘇和廣東保持領先發展水平。從2014年的數據情況可以看出，普惠金融發展水平與當地的經濟發展水平正相關。發展普惠金融，讓包括農民、城市低收入人群、小微企業等在內的社會各階層和群體擁有平等的獲取適當有效金融服務的機會，必須立足于發展經濟之上。

互聯網和普惠金融這兩個變量各自都對城鄉人均收入水平、城鄉收入均衡水平有促進作用。二者的交互效應對城鄉人均收入水平有顯著促進作用，應當繼續發揮互聯網技術這種積極作用，并把互聯網金融與普惠金融緊密結合起來，以促進城鄉人均收入水平的增長。然而，二者的交互效應在促進城鄉收入結構性均衡增長上并不顯著。這說明在促進城鄉收入均衡增長方面，互聯網與普惠金融的融合度不夠。

隨著世界各國互聯網使用率和手機普及率的不斷提高，互聯網金融和移動金融使得金融交易模式發生根本性變革。借助互聯網媒介、無線通信技術、電腦與手機的高普及率和便捷性，互聯網金融和移動金融服務邊際成本大大降低，便捷度、覆蓋面和效率有效提升，這使得面向三農、小微企業、低收入社區居民等普惠群體的金融服務變得更加可行。互聯網金融和移動金融雖然在中國飛速發展，但是仍然有一些因素制約著互聯網與普惠金融的有機融合。中國需要從完善信用保障機制、強化基礎設施建設、增強外部政策激勵、加強第三方支付與金融機構的跨界融合等多個方面，有力推進“互聯網+”普惠金融在農村地區、小微企業和低收入社區的推廣，在促進城鄉人均收入總水平增長的基礎之上，同時促進城鄉收入均衡增長，實現城鄉包容性發展和共同富裕。

參考文獻：

[1] Kempson， E.， Whyley，C. Kept out or Opted out？ Understanding and Combating Financial Exclusion [M]. Bristol： Policy Press，1999.1-56.

[2] Leyshon，A.，Thrift，N. Geographies of Financial Inclusion：Financial Abandonment in Britain and the United States[J]. Transactions of the Institute of British Geographers， 1995，20（3）：312-341.

[3] Kodan，A. S.，Chhikara， K. S. A Theoretical and Quantitative Analysis of Financial Inclusion and Economic Growth[J].Management and Labour Studies， 2013，38（1）： 103-133.

[4] 林宏山.互聯網金融助推普惠金融發展探討[J].上海金融，2014，（12）：38-40.

[5] 楊光.互聯網金融背景下普惠金融發展研究[J].征信，2015，（2）：21-24.

[6] 星焱.普惠金融的效用與實現：綜述及啟示[J].國際金融研究，2015，（11）：24-36.

[7] 焦瑾璞.構建普惠金融體系的重要性[J].中國金融，2010，（10）：12-13.

[8] 孫永強，萬玉琳. 金融發展、對外開放與城鄉居民收入差距——基于1978—2008年省際面板數據的實證分析[J] . 金融研究，2011，（1）：28-39.

[9] 張宏彥，何清，余謙.中國農村金融發展對城鄉收入差距影響的實證研究[J].2013，（1）：83-88.

[10] 李志軍，奚君羊.中國金融發展與收入差距的倒U關系分析[J].上海經濟研究，2012，（9）：12-18.

[9] Arora， R. Measuring Financial Access[R]， Griffith University， Discussion Paper Economics No. 7， 2010.

[10] Gupte， R.， Venkataramani， B.， Gupta， D. Computation of Financial Inclusion Index for India [J]. Social and Behavioral Sciences， 2012， 37（1）：137-149.

[11] 焦瑾璞，黃亭亭，汪天都，等.中國普惠金融發展進程及實證研究[J].上海金融，2015，（4）：12-22.

[14] 陳義國.中國城市化對城鄉平衡增長的影響[J].經濟理論與經濟管理，2016，（3）：72-85.

[15] 任媛，邰秀軍.基于基尼系數的我國農村居民收入的區域差異與分解[J].經濟體制改革，2016，（1）：70-76.

[16] 徐虹，胡祖光.經濟增長與收入分配差距——基于長江三角洲與環渤海灣地區基尼系數的比較研究[J].宏觀經濟研究，2015，（10）：139-150.

[17] 雷根強，黃曉虹，席鵬輝.轉移支付對城鄉收入差距的影響——基于我國中西部縣域數據的模糊斷點回歸分析[J].財貿經濟，2015，（12）：35-48.

[18] 萬曉萌.農村勞動力轉移對城鄉收入差距影響的空間計量研究[J].山西財經大學學報，2016，38（3）：22-31.

[19] 彭定贇，王磊.財政調節、福利均等化與地區收入差距——基于泰爾指數的實證分析[J].經濟學家，2013，（5）：21-28.

[20] 顏敏.高等教育對我國工資收入差距的貢獻——基于泰爾指數測算及分解分析[J].上海經濟研究，2013，（4）：119-132.

[11] 王婧，胡國暉. 中國普惠金融的發展評價及影響因素分析[J].金融論壇， 2013，（6）：31-36.

[12] 田杰，陶建平. 農村普惠性金融發展對中國農戶收入的影響——來自1 877個縣（市）面板數據的實證分析[J].財經論叢，2012，（2）：57-63.

[11] Sarma， M. Index of Financial Inclusion[R]. Indian Council for Research on International Economic Relations Working Paper No. 215， 2008.

[12] Arora， R. Measuring Financial Access[R].Griffith University， Discussion Paper Economics No. 7， 2010.

[13] Gupte，R.， Venkataramani， B.， Gupta， D. Computation of Financial Inclusion Index for India[J]. Social and Behavioral Sciences， 2012， 37（1）：137-149.

[14] 焦瑾璞，黃亭亭，汪天都，等.中國普惠金融發展進程及實證研究[J].上海金融，2015，（4）：12-22.

[15] 王婧，胡國暉. 中國普惠金融的發展評價及影響因素分析[J].金融論壇， 2013，（6）：31-36.

[16] 田杰，陶建平. 農村普惠性金融發展對中國農戶收入的影響——來自1 877個縣（市）面板數據的實證分析[J].財經論叢，2012，（2）：57-63.

[17] 彭定贇，王磊.財政調節、福利均等化與地區收入差距——基于泰爾指數的實證分析[J].經濟學家，2013，（5）：21-28.

[18] 顏敏.高等教育對我國工資收入差距的貢獻——基于泰爾指數測算及分解分析[J].上海經濟研究，2013，（4）：119-132.