數字普惠金融的減貧效應研究

孫妍

摘 要：基于2013—2018年中國31個省、直轄市、自治區的面板數據，實證檢驗了數字普惠金融對貧困減緩產生的效應。研究結果表明，從全樣本分析來看，數字普惠金融具有顯著的減貧效果，數字普惠金融指數每提高1個單位，居民人均消費水平約提升0.42～0.47個單位;從地區異質性來看，數字普惠金融對各地區都有明顯的減貧效應，且對東部地區的貧困減緩程度高于中西部地區。要進一步強化金融工具宣傳，加快金融科技和金融服務創新，完善數字基礎設施建設。

關鍵詞：數字普惠金融;金融扶貧;貧困減緩

中圖分類號：F830.4 文獻標識碼：A 文章編號：2096-0298（2021）05（a）--03

打贏脫貧攻堅戰是“十三五”時期的重要任務，具有縮小社會貧富差距、提升人民生活水平的重大意義。從2013年提出精準扶貧思想，到2015年提出打贏脫貧攻堅戰，再到2020年提出全面實現脫貧任務，金融扶貧始終是扶貧攻堅戰中的重要手段。“普惠金融”的概念最早由聯合國在2005年提出;2013年11月，中共十八屆三中全會正式提出要“發展普惠金融”，之后的幾年內又屢次寫進政府報告，有效促進了農村金融發展。隨著互聯網的快速普及，云計算、大數據、移動互聯網、物聯網、人工智能等新興信息技術蓬勃發展。普惠金融在與數字技術融合的過程中發展為“數字普惠金融”，各類依托互聯網平臺的新型金融服務進一步激發了普惠金融發展的活力。

自2005年普惠金融的理念形成以來，中國普惠金融政策產生的減貧效應越來越受到學者的關注。朱一鳴和王偉（2017）發現，普惠金融有利于增加農村居民收入情況，但其減貧增收效果在不同收入的個體間存在顯著的異質性，對非貧困縣農村居民的減貧效應明顯大于貧困縣[1]。劉金全和畢振豫（2019）基于經濟增長和貧困減緩的視角，利用合成的省域普惠金融指數，實證分析了普惠金融對城鄉收入差距的影響，結果顯示普惠金融發展可以直接縮小城鄉收入差距，同時通過經濟增長和貧困減緩兩個渠道對城鄉收入差距帶來間接的減小效應[2]。

2016年，G20杭州峰會制定了《G20數字普惠金融高級原則》，成為首個具有全球意義的數字經濟重要指導原則，標志著“數字普惠金融”概念的誕生。關于金融扶貧的研究逐漸轉向數字普惠金融。黃倩等（2019）實證檢驗了數字普惠金融的減貧效應，并從收入增長和收入分配雙重視角探究數字普惠金融減緩貧困的內在機制[3]。劉錦怡和劉純陽（2020）考察了數字普惠金融的減貧效果及影響機制，發現數字普惠金融減緩農村貧困的直接機制是互聯網信貸和互聯網保險發展，間接機制為增加個體就業和私營企業就業，且前者的減貧效果更好[4]。

孫繼國等（2020）基于CHFS 2017數據探究數字金融對相對貧困的減緩效應，并發現數字金融可以明顯減緩相對貧困，其減貧效應存在區域差異和城鄉差異。此外，數字金融可以通過居民創業、信貸約束和農業風險作為中介變量而減緩相對貧困[5]。

基于上述研究成果，本文以“居民人均消費水平”衡量貧困減緩，以“北京大學數字普惠金融指數”衡量地區數字普惠金融發展水平，利用2013—2018年省級面板數據對我國數字普惠金融的減貧效應進行實證分析。

1 模型構建與數據描述

1.1 模型構建

在構建模型以探究數字普惠金融的減貧效應時，數字普惠金融的發展水平在不同地區各不相同，具有較為明顯的地區差異性。為了避免因遺漏不可觀測的變量引起的內生性問題，構建以下固定效應模型：

其中，Povertyit為被解釋變量，代表第i個省份在第t年的貧困狀況;DIFit為解釋變量，表示第i個省份在第t年的數字普惠金融發展水平。Xit表示控制變量，在回歸模型中加入影響貧困狀況的其他因素，具體包括：財政支出水平，用地方政府一般性預算支出表示（FE）;教育支出水平，用教育支出與財政支出之比表示（Edu）;經濟發達程度，用地方人均GDP表示（Pergdp）;對外開放程度，用進出口總額在地區GDP中的占比表示（Open）;城市化水平，用地區總人口中城鎮人口所占的比重表示（Urban）。θi表示省份固定效應，εit表示隨機誤差項。

1.2 數據與變量描述

本文以2013—2018年中國31個省（直轄市、自治區）為研究樣本。居民人均消費水平、財政和教育支出水平、城市化水平等數據來源于國家統計局官方發布的《中國統計年鑒》。數字普惠金融指數來源于北京大學數字金融研究中心[6]，由覆蓋廣度、使用深度和數字化程度3個一級維度構成。為降低數據變動幅度過大帶來的影響，除教育支出水平、對外開放程度、城市化水平外，其他變量均取對數形式計算。變量定義及描述性統計如表1所示。

2 實證分析

2.1 基準模型回歸

從省域層面實證檢驗數字普惠金融的減貧效應，得到的結果如表2所示。第（1）列展示了混合回歸的回歸結果，數字普惠金融對貧困減緩有顯著的正向作用，數字普惠金融指數每提高1個單位，居民人均消費約提高0.433個單位。

進一步采用固定效應模型（FE）進行回歸，結果如表第（2）列所示。結果表明，數字普惠金融對居民消費水平有顯著的正向影響，并通過1%統計水平下的顯著性檢驗，具有明顯的減貧效果。從邊際效應上看，數字普惠金融指數每提高1個單位，居民人均消費約提高0.466個單位。在固定效應模型中，F檢驗的P值為0.0000，說明不同個體擁有各自的截距項，因此使用FE模型要優于混合回歸。

2.2 穩健性檢驗

為了驗證在不同情況下數字普惠金融的減貧效果是否一致，本文進一步進行了穩健性檢驗。首先采用最小二乘虛擬變量模型（LSDV）進行回歸，結果展示在第（3）列。可以看到LSDV回歸與FE回歸的變量系數和顯著性均保持一致，且大多數省份的虛擬變量都很顯著，可以認為個體效應存在。考慮到固定效應模型和隨機效應模型中均可能存在個體效應，本文又進行了隨機效應FGLS回歸，結果如第（4）列所示。數字普惠金融仍然對貧困減緩起著顯著的正向作用，結果穩健。

2.3 區域異質性分析

為檢驗數字金融的發展對不同發展水平區域的減貧效果，觀察數字金融的減貧效應是否存在區域異質性，本文將所有省份劃分為東、中、西部地區，采用FE模型實證分析了數字金融對不同地區貧困減緩的效果，結果如表3所示。

由表3可知，各地區的系數均通過顯著性檢驗，其中東部地區的減貧效應系數為0.552，高于平均水平，而中部地區和西部地區減貧效應的系數均低于全樣本回歸，這說明各地區的數字金融都有明顯的減貧效應，且經濟發達的東部地區的減緩效果要高于中西部地區。這可能是由于數字普惠金融對貧困的減緩存在門檻效應，在經濟發展水平較低時，數字普惠金融的減貧效應尚不明顯，隨著經濟發展水平的提升，當越過某一門檻后，數字普惠金融的減貧效應會逐漸增強[7]。

3 結語

本文基于2013—2018年中國31個省（直轄市、自治區）的面板數據，利用固定效應模型和隨機效應模型，實證檢驗了數字普惠金融的減貧效應。研究結果：全樣本分析結果表明，數字普惠金融對居民貧困有明顯的減緩作用，數字普惠金融指數每提高1個單位，居民人均消費水平約提高0.42～0.47個單位。從地區異質性來看，數字普惠金融對各地區都有明顯的減貧效應，且對經濟發達的東部地區的貧困減緩程度高于中西部地區。

基于研究結論，本文提出以下政策建議：一是繼續強化金融工具宣傳，引導貧困人口正確認識并利用數字金融工具，擴大數字金融減貧的覆蓋面。二是加快金融科技和金融服務創新，深度融合傳統金融和數字金融，利用數字化金融產品提升居民生活水平。三是完善數字基礎設施建設，尤其在欠發達地區，要注重新型基礎設施建設，在5G互聯網、大數據中心、人工智能等領域快速推進，助力數字普惠金融均衡發展。

參考文獻

朱一鳴，王偉.普惠金融如何實現精準扶貧？[J].財經研究，2017（10）.

劉金全，畢振豫.普惠金融發展及其收入分配效應——基于經濟增長與貧困減緩雙重視角的研究[J].經濟與管理研究，2019（04）.

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）.

劉錦怡，劉純陽.數字普惠金融的農村減貧效應：效果與機制[J].財經論叢，2020（01）.

孫繼國，韓開顏，胡金焱.數字金融是否減緩了相對貧困？——基于CHFS數據的實證研究[J].財經論叢，2020（12）.

郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020（04）.

汪曉文，崔曉燁.普惠金融減貧效應的區域差異及門檻特征研究——基于省級面板數據的實證分析[J].金融發展研究，2019 （12）.