數字普惠金融、要素價格與勞動力流動

周天蕓

[摘要]基于2011—2018年中國208個地級市的面板數據，探究數字普惠金融對勞動力流動的影響及其傳導機制，采用中介效應模型和門檻模型探討勞動力要素價格扭曲的非線性中介作用，結果表明，數字普惠金融對勞動力流動存在倒“U”型影響，其傳導路徑是數字普惠金融通過改善要素市場，降低勞動力要素價格的扭曲程度，提高城市拉力而吸引勞動力的凈流入，但隨著勞動力要素價格扭曲程度的進一步降低，則可能增加城市推力，從而抑制勞動力的凈流入而出現反向扭曲，最終形成數字普惠金融對勞動力流動的倒“U”型影響。異質性檢驗表明，經濟發展水平越高、城市發展水平越好，數字普惠金融對勞動力流動的非線性影響則越顯著，且影響力度也越大。

[關鍵詞]數字普惠金融;勞動力要素;勞動力流動;價格扭曲

[中圖分類號]? F49;F249.2;F832[文獻標識碼] A[文章編號] 1673-0461（2022）04-0077-11

勞動力流動（labor mobility）是勞動力為獲得更高的勞動報酬而在地區間、產業間、部門間、就業狀態間、企業間乃至工作間的轉移，是勞動力追求價值最大化的表現。隨著中國經濟的改革與開放，中國流動人口的規模不斷擴張，1982年流動人口僅657萬人，2019年已增加至2.36億人，人口向大城市的集聚力度遠超政府對于人口增長的規劃，勞動力流動對經濟活動造成的影響越來越受到社會關注。

數字普惠金融發展產生廣泛而深刻的經濟影響，現有文獻對于數字普惠金融的研究集中于數字普惠金融與經濟增長的關系，探究普惠金融對收入差距、消費、就業、減貧、城市化的影響，尚未關注數字普惠金融對勞動力流動的影響研究，特別是數字普惠金融通過影響勞動力要素價格的渠道，引導勞動力的有序流動。隨著我國改革開放的不斷深入和城市化的快速發展，勞動力流動對社會經濟及城市生活的影響日益凸出，勞動力流動有利于資源的優化配置和城市化發展，同時，勞動力流動對于我國的鄉村振興戰略具有不可忽視的影響。由于數字普惠金融可能具有獨特的資金導向，能夠促使資金更多地流向弱勢群體，由此改善勞動力要素的價格扭曲狀況，實現勞動力收入的合理分配，由此，本文從改善勞動力要素價格扭曲的視角，探究數字普惠金融對勞動力流動的影響，具有重要的理論和現實意義。

一、文獻綜述

普惠金融的概念于2005年由聯合國正式提出，2015年國務院在國家層面明確普惠金融的定義，即基于機會平等的要求和商業可持續的原則，以可承擔的成本為有金融服務需求的社會各階層及群體提供適當、有效的金融服務。2016年G20普惠金融全球合作伙伴報告定義數字普惠金融是一切通過使用數字金融服務以促進普惠金融的行為。通過數字化手段，數字普惠金融能夠克服傳統普惠金融面臨的問題，如信息不對稱問題和交易成本問題、金融基礎設施覆蓋問題和風險機制問題以及商業可持續性問題[1]等，從而進一步促進普惠金融的發展。

由于數字普惠金融的發展時間較短，國內較為全面的測度指數是北大數字金融研究中心發布的“北京大學數字普惠金融指數”，該指數從覆蓋廣度、使用深度和數字化程度3個維度，選取33個指標構建數字普惠金融指標體系，為數字普惠金融的實證研究提供數據支持。宋曉玲分析數字普惠金融的發展有助于縮小城鄉收入差距[2];傅秋子構建Probit面板模型，發現數字金融發展能夠減小農村的生產性需求，增加農村的消費性需求[3];丁日佳研究發現數字普惠金融通過提高城鎮化率、增加居民消費水平和促進要素市場發展等促進服務業發展[4];張勛等發現數字金融通過幫助農民創業促進包容性經濟增長[5];江紅莉等運用動態面板模型，發現數字普惠金融能夠提高居民的消費水平，促進居民消費結構升級[6]。

勞動力流動理論源于發展經濟學中的二元經濟理論，由于現代工業部門相對于傳統農業部門具有更高的勞動報酬，勞動力為追求更高的報酬將從傳統農業向現代工業部門流動[7]，只要城市工業部門的預期收益高于農村勞動力的遷移成本，就可能出現城鄉之間的人口流動[8]。陳釗等發現中國城鄉之間的勞動力流動規模擴大，但城市化水平仍然不高且城鄉差距持續擴大，認為城鄉分割的原因在于人口流動政策由城市單方面制定，這種制度性因素導致城鄉難以融合[9]。勞動力流動及其在空間上的分布受多種因素影響，如城市維度的推拉因素、勞動力自身的因素、中間因素等，學者建立空間框架研究勞動力流動問題，新經濟地理模型則通過完善勞動力流動的空間分析框架，研究勞動力的跨地區流動，認為勞動力會從邊緣地區向中心地區流動[10]。同時，國內學者的研究利用我國省際人口流動數據，發現地方財政支出對遷入地的勞動力流入具有正向影響，發現區域之間的房價差異導致勞動力流動，城市間相對房價的上升會減少相對就業人數，第二、第三產業和外貿經濟比重高、人口規模大、平均教育程度高、預期收入高、地理距離近的省份更容易成為勞動力流入地。

雖然缺少數字普惠金融對勞動力流動影響的文獻，但很多文獻研究金融發展對勞動力流動的影響，認為金融發展有助于促進勞動力流動，信貸配置、信貸轉化率、金融服務水平的提高或是金融約束的降低都有利于勞動力的流入[11]。學者探討金融發展水平和勞動力流動的關系，認為只有在地區間社會經濟差異顯著時，金融發展才能夠促進勞動力的跨區域流動，并提出金融發展影響勞動力流動的收入效應、就業效應和貿易效應3個傳導機制，認為金融發展能夠促進勞動力的流動，通過分析我國農村金融發展水平和農村勞動力流動之間的長期均衡關系，發現農村金融發展促進農村勞動力的流動[12]。趙語等發現金融供給規模的擴大會促進該地區勞動力從農村向城鎮流動，且對處于城鎮化發展中期的城市的影響更大[13]。柴國俊等探討土地要素和資本要素對勞動力要素的影響，發現土地征收通過緩解金融約束而促進家庭勞動力遷移[14]。翁家輝從收入代際傳遞的角度，研究金融性資產對流動人口收入差距的影響，發現金融資產促進城鎮戶籍和農村戶籍流動人口家庭的收入代際傳遞[15]。孫焱林等通過建立勞動力池效應和人力資本效應的理論框架，發現數字金融能夠改善勞動力的錯配程度，且其改善效果在低發展水平地區更為顯著[16]。相關文獻能夠證明金融發展對于勞動力流動存在一定影響，而數字普惠金融作為一種特殊的資本配置形式，某種程度上也是金融發展的一部分，對勞動力的流動應當存在一定影響。

要素價格扭曲指是市場機制不完善時，生產要素的市場價格和機會成本之間出現的偏離，要素價格扭曲妨礙市場資源的有效配置，要素價格扭曲會導致要素市場中的資源配置出現帕累托低效率[17]。金碚認為當經濟體從高速增長轉向多維高質量增長時，需要通過降低要素價格扭曲促使市場合理配置資源[18]。張曉晶等提出良性扭曲，即后發優勢、次優原則、協調失敗和政治經濟學視角的4種理論解釋，為要素價格扭曲造成的非線性影響提供理論基礎[19]。關于勞動力要素價格扭曲的研究較豐富，側重要素價格扭曲引發的的經濟效應，如資本和勞動力價格扭曲可能抑制我國的就業水平，要素價格扭曲會擴大我國的居民收入差距，要素價格扭曲對消費、投資、出口的影響，勞動力市場的二元分割導致勞動力價格扭曲，并對收入差距產生負向影響，勞動力、資本和總體要素價格扭曲都會降低經濟增長質量，但僅在東中部地區影響顯著，而西部地區的要素價格扭曲反而提高經濟增長質量，陳曉暾等發現勞動力要素市場扭曲阻礙產業結構的合理化與高級化[20-21]。同樣地，勞動力要素價格扭曲影響人口流動也有很多研究，比如認為農村勞動力流動的基本因素是經濟利益，“民工潮”向“民工荒”的轉變在于勞動力要素價格的長期扭曲且沒有得到調整，認為“民工荒”這種特殊的勞動力流動會受到要素市場價格扭曲的影響，如果勞動力要素價格得不到有效調整，勞動力供給彈性的下降就會造成勞動力供給不足，俞劍等發現勞動力和資本要素價格扭曲都會促使勞動力從農業部門向非農業部門的流動[22]。夏蕾發現勞動價格扭曲抑制農村勞動力向城市的流動，且存在單向的因果關系，李言、宋大強等綜述中國的要素價格扭曲及其經濟效應[23-25]。

關于金融發展與勞動力要素價格扭曲的相關研究并不多，學者將勞動報酬比例作為勞動者在生產要素分配中的地位，構建省際面板模型發現金融發展規模和效率都會提高勞動報酬比例，且在中西部地區的效果顯著而在東部地區失效，將要素價格扭曲作為門檻變量，發現在金融集聚對城市化的影響過程中，勞動力和資本要素價格扭曲存在單一門限效應，要素價格扭曲程度過高時，金融集聚會抑制城市化進程，扭曲程度較低時則會促進城市化，王仁祥等將勞力資本扭曲作為調節變量，認為其在金融促進產業結構升級的傳導機制中具有非線性作用，在扭曲程度高的地區抑制產業結構升級，在扭曲程度低的地區促進產業結構升級[26]。

本文引入勞動力要素價格作為中介變量，研究數字普惠金融對勞動力流動的影響，探討不同城市數字普惠金融對于勞動力流動的影響，為數字普惠金融與經濟增長的研究提供新的研究視角;檢驗數字普惠金融對勞動力流動的傳導機制，剖析數字普惠金融通過影響貸款資金流向，優化資源配置完善資本市場和勞動力市場，合理分配勞動力要素，進而改善勞動力要素價格扭曲程度;探討數字普惠金融影響勞動力流動的影響機制，研究數字普惠金融能否通過改善勞動力要素價格扭曲進而影響勞動力流動。

二、理論機制與模型

（一）數字普惠金融影響勞動力流動的理論分析

勞動力流動是對兩地的成本收益權衡后的結果，推拉理論從成本收益角度解釋勞動力流動，提出勞動力流入地和流出地存在拉力和推力，影響勞動力流動的因素包括文化差異、政策限制等因素。新經濟地理學以規模報酬遞增和不完全競爭理論為基礎，從空間區位角度解釋勞動力流動，該理論認為勞動力流動、資本外部性和交通成本共同決定經濟活動在空間配置的整合力度，且勞動力流動是空間向心力和離心力相互作用的結果。勞動力作為自由流動的生產要素，其流動會使市場規模發生變化，而市場規模反過來影響各種生產要素的集聚，最終形成“核心-周邊”的均衡格局。

數字技術降低多種經濟成本，包括搜索成本、復制成本、運輸成本、追蹤成本和驗證成本。通過降低成本不但有利于金融機構更高效地搜集、追蹤客戶的信息，提高金融服務效率，還有利于金融服務向長尾市場延伸，為弱勢群體提供可持續的金融服務。結合數字經濟理論、傳統信貸配給理論和交易成本理論，互聯網與數字技術能夠降低金融機構和金融弱勢群體之間的信息不對稱，使金融服務商高效快捷地采集客戶信息，優化信貸業務并降低交易成本。由此，數字經濟的進步有利于普惠金融的發展。

理論上，數字普惠金融對于勞動力流動可能具有正向促進或負向阻礙的作用。數字普惠金融影響勞動力流動的正向傳導機制包括降低門檻效應、收入效應、人力資本效應和數字技術效應，數字普惠金融通過降低金融服務的邊際成本而降低金融服務的門檻，提高金融服務的可得性，為弱勢群體提供公平的金融產品和金融服務，緩解融資約束和金融排斥問題，提高整體資源的配置效率，促進勞動力流動;數字普惠金融緩解中小企業的融資約束，促進創業和擴大生產，既提高社會生產水平又提供更多就業機會，形成城市拉力而促進勞動力的流入;數字普惠金融拓寬金融服務的類型，提高信貸資金的可得性，有利于緩解勞動力個體的預算約束，通過提高人力資本而促進勞動力流動;數字普惠金融借助數字技術優勢，提高金融服務的覆蓋率和滲透率，降低信息不對稱程度，促進勞動力流動。

然而，數字普惠金融的過度發展也可能阻礙勞動力流動，數字普惠金融影響勞動力流動的負向傳導機制包括使命漂移、有效需求不足、成本上升和監管不足機制。數字普惠金融發展過程中，存在一定程度的使命漂移現象，即現實和預期相反、商業可持續性和普惠性目標相背離的情況，導致部分金融弱勢群體無法得到充分公平的信貸資源，從而抑制勞動力的流動。由于金融弱勢群體的金融知識較為匱乏，難以充分利用普惠的金融服務，使信貸資源配置出現偏差，最終抑制金融弱勢群體的勞動力流動。理論上，一方面，數字普惠金融尤其是民營企業主導的數字普惠金融規模過大，日益形成壟斷而提高實體經濟的信貸獲取成本，抑制總體的經濟增長;另一方面，數字普惠金融過度發展可能引發金融弱勢群體的過度負債，從而不利于勞動力流入。由此，數字普惠金融影響勞動力流動的正面和負面傳導機制都可能顯著而形成非線性關系，當正面效應大于負面效應時，數字普惠金融促進勞動力流入，正面效應小于負面效應時，數字普惠金融則會抑制勞動力流入。

數字普惠金融對于勞動力流動除上述正向和負向作用機制外，還存在間接作用機制。生產要素若存在流動障礙或價格扭曲，則難以達到資源最優配置。由于數字普惠金融有助于緩解資本要素流動障礙，因此從資本流動影響勞動力流動的視角，選取勞動力要素價格扭曲作為中介變量，研究數字普惠金融對勞動力流動的間接影響具有一定的合理性。數字普惠金融通過完善要素市場和提高人力資本，可能降低勞動力要素的價格扭曲。一方面，數字普惠金融能夠完善金融市場體系，通過更合理的信貸資源配給，優化勞動力要素市場的定價機制，從而改善勞動力要素的價格扭曲;另一方面，數字普惠金融提高企業的融資便利性，增加對于高水平人力資本的需求，增加人力資本的投資和積累，提高勞動力的整體質量，最終降低勞動力要素價格扭曲。關于勞動力要素價格扭曲對勞動力流動的影響，張曉晶等總結適度扭曲理論，提出4種針對良性扭曲的理論解釋，包括后發優勢、次優原則、協調失敗和政治經濟學視角[19]。雖然扭曲的本質是對資源最優配置的一種偏離，但經濟發展初期的要素扭曲通過資源集中配置可能促進全要素生產率增長，但在經濟發展中后期時的要素扭曲，其負面影響將不斷積累，最終將阻礙經濟可持續發展。經濟發展水平是促進勞動力流動的主要因素，勞動力要素價格扭曲對勞動力流動可能存在非線性影響。

（二）數據和變量

本文研究的數據包括我國208個地級城市（地區、自治州、盟等，統稱“城市”）2011—2018年的面板數據;數字普惠金融指數來自北京大學數字金融中心發布的北大數字普惠金融指數（2011—2018）;勞動力流動數據來自CEIC數據庫、國民經濟和社會發展統計公報、國家統計局、各地級市統計年鑒和華經情報網;勞動力價格扭曲數據來自CSMAR數據庫和中國城市統計年鑒;控制變量數據來自CSMAR數據庫、前瞻數據庫、各地級市統計年鑒、中國城市統計年鑒和中國區域經濟統計年鑒。基于上述數據，本文研究數字普惠金融對人口流動的影響，同時檢驗中介效應檢驗和門檻效應，分析勞動力要素價格扭曲所產生的非線性中介作用，相關變量設定如下文。

被解釋變量是人口流動指標。本文研究的人口流動屬于城市層面的變量，在人口流動的衡量指標選擇上，選取官方口徑的凈人口流入率作為被解釋變量，定義如下：

凈人口流入率=常住人口-戶籍人口/戶籍人口

解釋變量是數字普惠金融。本文使用北大數字普惠金融指數作為核心解釋變量，采用數字普惠金融總指數和數字金融覆蓋廣度、數字金融使用深度以及普惠金融數字化程度等3個分類指數。

中介變量是勞動力要素的價格扭曲。要素價格扭曲程度是要素市場價格偏離其邊際產出的程度，通常分為絕對扭曲和相對扭曲，本文僅考慮勞動力要素，故測度的勞動力要素價格扭曲為絕對扭曲。借鑒現有的研究思路，估計勞動力要素產出的彈性系數，根據此彈性系數計算勞動力要素的邊際產出，最后用邊際產出除以要素報酬的比值代表要素價格的扭曲程度，推導模型如下：

Y=AKL （1）

對公式（1）兩邊同時取對數得：

lnY=lnA+alnK+βlnL+μ （2）

（1）、（2）式中，Y表示總產出，A表示技術水平，K表示資本投入量，L表示勞動力投入量，α表示資本產出的彈性系數，β表示勞動力產出的彈性系數，μ為殘差項。對（2）式進行回歸估計α和β，假定生產要素規模報酬不變的情況下，大量文獻表明全國勞動力產出彈性的標準約為0.3～0.4，因此本文使用0.3作為勞動力產出的彈性系數。對（1）式求一階導可以得到勞動力的邊際產出形式如下：

MP=AβKL=βY/L

Dl=MP/w （3）

w表示勞動力價格，Dl表示勞動力價格扭曲程度，利用（3）式得到勞動力的要素價格扭曲形式。若勞動力要素價格扭曲等于1，表示不存在扭曲，若大于1則存在負向扭曲，即勞動力要素的邊際產出大于其勞動報酬，若小于1，則存在正向扭曲，即勞動力要素的邊際產出小于其勞動報酬。

測算模型需要的變量包括：產出Y使用各地市名義GDP代表總產出;勞動力L使用各級市的就業總人數作為勞動力投入量;勞動力價格w使用各地市職工平均工資來表示勞動力名義價格。

控制變量包括：工資水平、人口規模、產業結構、城鎮化率和人均財政支出作為控制變量（見表1）。工資水平（lnw）：城市經濟發展水平或工資收入水平是人口流動領域的重要變量。本文使用職工平均工資來代表各地級市勞動力市場的工資水平，一般工資水平越高，城市吸力越大，勞動力流入就越多，本文對工資水平取自然對數。人口規模（lnp）：根據現有研究，人口規模不但能夠通過學習、匹配和分享3個機制使得當地勞動者獲益，而且還會影響城市的公共服務水平、就業機會和勞動者收入水平;現有研究認為人口規模對勞動者就業概率存在著正向影響，人口規模會影響勞動者的實際收入水平，人口規模應該作為一個重要的控制變量，本文使用年末總人口來代表各地級市的人口規模，并取自然對數。產業結構（lnindu）：根據現有研究，由于第二產業和第三產業在就業人數方面的吸納能力不同，因此產業結構影響勞動力市場的就業狀況，本文使用第三產業產值和第二產業產值之比代表各地市的產業結構，并取自然對數。城鎮化率（ur）：城鎮化率也會影響人口流動，城鎮化率越高，城市吸力就越大，勞動力流入就越多，本文使用城鎮人口占總人口的比重來代表城鎮化率。人均財政支出（lngov）：城市公共物品的提供會增加城市發展的效率，提高勞動者的生活水平，本文使用公共財政支出和總人口之比代表人均財政支出，并取自然對數。

（三）描述性統計與模型設定

本文首先對于有關變量進行如表2的描述性統計。

為避免出現偽回歸首先進行平穩性檢驗，以保證模型的有效性，由于本文采用208個城市8年的數據，適用HT短面板單位根檢驗方法，結果顯示，除數字金融覆蓋廣度和產業結構之外，其余變量均能在常數項和趨勢項存在的情況下通過單位根檢驗，數字金融覆蓋廣度變量在常數項存在的情況下通過單位根檢驗，產業結構變量在常數項和趨勢項都不存在的情形下通過單位根檢驗。所有變量HT檢驗的P值均小于0.05，表明在5%的顯著性水平下，HT檢驗在95%的置信區間上拒絕原假設，各變量均為零階單整，屬于平穩序列進行回歸。

由于數字普惠金融對勞動力流動存在非線性影響，在模型設定中考慮非線性情形，本文設定包含一次項的簡潔模型，及包含二次項的完整模型：

Netpf=a+aIndex+aDl+alnw+alnp

+alnindu+aur+alngov+μ （4）

Netpf=β+βIndex+βIndex+βDl

+βlnw+βlnp+βlnindu

+βur+βlngov+ε （5）

其中，i表示不同城市，t表示不同年份，被解釋變量Netpf表示人口凈流入，核心解釋變量Index表示數字普惠金融指數，Index為數字普惠金融指數的平方項，Dl表示勞動力要素價格扭曲，ur表示城鎮化率，lnw、lnp、lnindu和lngov分別為職工平均工資、年末總人口、三產二產產值之比和人均財政支出的對數形式，μ和ε為隨機擾動項。

三、模型結果及穩健性檢驗

（一）基準模型的檢驗

本文使用變截距面板模型檢驗數字普惠金融對勞動力流動的影響，因此首先進行F檢驗（Chow檢驗）和LR檢驗，F檢驗在5%的顯著性水平下對應的臨界值為1.1787，卡方檢驗在5%的顯著性水平下對應的臨界值為249.1275。在包含一次項的線性模型中，F統計量的值為302.0351，LR統計量的值為6364.4639，均大于各自臨界值，因此拒絕原假設，固定效應模型優于混合模型;在包含二次項的非線性模型中，F統計量的值為306.0929，LR統計量的值為6387.3184，均大于各自臨界值，同樣拒絕原假設，固定效應模型優于混合模型。之后進行Hausman檢驗，在包含一次項的線性模型和包含二次項的非線性模型中，卡方統計量p值均為0.0000，拒絕原假設，固定效應模型優于隨機效應模型。因此，本研究采用固定效應模型。

固定效應模型包括個體固定效應模型、時點固定效應模型和個體時點固定效應模型，本文進一步的檢驗表明個體固定效應模型效果最好，本文最終選擇個體固定效應模型檢驗數字普惠金融對勞動力流動的影響。

表3為3種模型的回歸比較，POOL為混合模型，FE為固定效應模型，RE為隨機效應模型，固定效應模型下的所有變量均在1%的統計水平下顯著，這表明本文選擇的個體固定效應模型的穩健性和可靠性。

模型（1）、（2）的回歸結果報告見表4。在表4模型（1）為包含一次項的線性模型回歸結果，模型（2）為包含二次項的非線性模型回歸結果。所有變量的回歸結果都較顯著，且除數字普惠金融指數之外的所有控制變量系數都有相同的符號。

數字普惠金融指數的回歸系數顯著大于0，而其平方項的回歸系數顯著小于0，因此數字普惠金融指數對勞動力流動的影響存在結構性變化，為倒“U”型關系，根據任意二次方程轉折點的公式（轉折點x*=-0.5β1/β2），數字普惠金融指數的轉折點約為106，說明在數字普惠金融指數小于106時，數字普惠金融指數會促進勞動力凈流入，在數字普惠金融指數大于106時，數字普惠金融指數會抑制勞動力凈流入。

工資水平對勞動力流入存在顯著正向影響，說明工資水平越高，城市拉力就越大，平均工資每增長1%，凈人口流入率則提高4.8%。人均財政支出水平對勞動力流入存在負向影響，而城鎮化對勞動力流入則存在正向影響，其原因可能是流動人口因為戶籍等制度性原因無法享受市民均等化待遇，流動人口更關注于就業和生活水平，而城鎮化往往代表當地的就業和生活水平，城鎮化率每提高1%，凈人口流入率就會提高35%。產業結構越向第三產業傾斜，凈人口流入率就越高，一方面服務業第三產業的發展本身就能夠吸納流動人口就業，另一方面產業結構一定程度反映當地經濟結構，第三產業占比越高，在長期維度中能為經濟增長提供動力，從而增加城市對流動人口的拉力，第三產業占比每提高1%，凈人口流入率就會提高2.5%。人口規模對勞動力流入存在負向影響，這可能是城市規劃和公共物品提供往往滯后于人口流動且不易變動，在人口規模增大的情況下會降低人均生活品質，年末總人口每增加1%，凈人口流入率就會降低4.7%。

（二）勞動力要素價格扭曲的中介效應檢驗

探討自變量對因變量的影響機制通常采用中介效應模型，本文借鑒溫忠麟（2004）的中介效應分析流程，以勞動力要素價格扭曲作為數字普惠金融和勞動力流動的中介變量，通過建立3個模型檢驗中介效應的傳導：

Netpf=a+aIndex+aZ+μ （6）

Dl=β+βIndex+βZ+ε（7）

Netpf=γ+γIndex+γDl+γZ+δ （8）

其中i為不同城市，t為變量的年份時期，Netpf表示凈人口流入率，Index表示數字普惠金融指數，中介變量Dl表示勞動力要素價格扭曲，Z表示其他控制變量。系數γ表示直接效應，系數γβ表示中介效應，中介效應占總效應比重為γβ/（γβ+γ），如果α、β和γ均顯著，且系數γ絕對值小于α絕對值或顯著性水平下降，則存在中介效應，結果如表5所示。

根據表5的結果，第一步數字普惠金融指數的回歸系數顯著為負，表明線性關系中的數字普惠金融水平提高會抑制勞動力流入;第二步數字普惠金融指數的回歸系數顯著為負，說明數字普惠金融水平提高會降低勞動力要素價格的扭曲程度，提高勞動力要素市場的效率;第三步數字普惠金融指數和勞動力要素價格扭曲的系數均滿足1%的顯著性水平，且數字普惠金融指數的系數絕對值相較于第一步有所降低，說明數字普惠金融對勞動力流動的影響除直接效應之外，部分影響是通過中介變量實現的，同時中介變量系數為正，說明線性關系中的普惠金融發展會降低勞動力價格的扭曲程度，從而抑制勞動力凈流入，勞動力要素價格扭曲起到部分中介作用，且中介效應占總效應比重約為23.5%。

（三）門檻效應分析

由于普惠金融發展水平對勞動力流動存在非線性的影響，形成所謂倒“U”影響，有必要探討勞動力要素價格扭曲的中介作用是否也是非線性，即中介機制是否會因勞動力要素價格扭曲程度不同而表現差異。本文使用面板門檻模型，將勞動力要素價格扭曲作為門檻變量，利用Bootstrap方法對門檻個數進行檢驗。按照由復雜到簡單的原則依次進行三門檻檢驗、雙門檻檢驗和單一門檻檢驗，表6結果表明勞動力要素價格扭曲僅存在單一門檻效應。

當門檻值小于2.4時，勞動力要素價格扭曲符號為正，對促進人口凈流入，當門檻值大于2.4時，勞動力要素價格扭曲符號為負，抑制人口凈流入，反映勞動力要素價格的適度扭曲有利于增強數字普惠金融對人口凈流入的促進作用，而過度扭曲則會減弱數字普惠金融對人口凈流入的影響，抑制了人口凈流入，扭曲門檻點為2.4。數字普惠金融對勞動力流動的倒“U”型影響機制已展現出來，即數字普惠金融的不斷發展會通過優化要素市場這一作用而降低勞動力要素價格扭曲，而勞動力要素價格扭曲的降低一開始由過度扭曲降低至適度扭曲，提高了城市的拉力，促進了勞動力的凈流入，而之后勞動力要素價格扭曲從適度扭曲降至扭曲不足甚至反向扭曲，則擴大了城市的推力，從而抑制了勞動力的凈流入。同時本節門檻檢驗也進一步驗證了前文數字普惠金融對勞動力流動的影響有著倒“U”型的非線性關系。

（四）穩健性檢驗

本文通過變量替代和增減控制變量對實證結果進行穩健性檢驗，結果報告在表7。被解釋變量采用常住人口和戶籍人口之比衡量勞動力流動的結果報告在（1）和（2）列;對于解釋變量使用數字普惠金融指標的二級指標，包括數字金融覆蓋廣度（cob）、數字金融使用深度（usd）以及普惠金融數字化程度（dil）代表金融普惠，結果報告在（3）和（4）列;（5）和（6）列報告調整控制變量的結果，新增控制變量為固定資產投資占GDP比重（fix）和人均教育財政支出（edu）。

根據表7的結果，數字普惠金融指數及其平方項和原模型估計結果符號一致且沒有顯著性的差別，數字普惠金融與勞動力流動存在倒“U”關系;在更換解釋變量后，數字金融覆蓋廣度和勞動力流動存在倒“U”關系，而數字金融使用深度以及普惠金融數字化程度的結果不顯著;新增控制變量后也得到與基準模型一致的結論，且原控制變量中工資水平、人均財政支出水平、產業結構、人口規模和城鎮化變量與原模型符號一致且顯著。由此，本文的實證結果具有一定的穩健性。

四、異質性分析

本文進一步從區域、城市規模、城市產業結構、城鎮化率等方面，探討數字普惠金融影響勞動力流動的異質性。

地區異質性分別用中國東部、中部和西部地區3個子樣本進行回歸，根據表8的結果，東、中、西部地區數字普惠金融的系數符號一致且顯著，數字普惠金融指數對勞動力流動的影響均存在倒“U”型關系，說明東、中、西部的區域差異不影響數字普惠金融對勞動力流動的影響。東部和西部地區數字普惠金融指數的系數絕對值較中部地區大，表明數字普惠金融對勞動力流動的影響在東部和西部地區較為強烈，可能是中部地區的數字普惠金融發展接近其結構變化點，曲率較小所致。

同時，東部地區的人口規模系數為正，中部、西部地區的人口規模系數為負，這可能是由于東部地區經濟發展水平較高，人口規模發揮聚集效應，通過學習、匹配和分享機制使勞動者獲益，因此人口規模越大，越能吸引勞動力流入;而中、西部地區由于經濟發展水平相對較低，城市規劃和公共物品提供的不易變動性大于人口規模的聚集效應，在人口規模增大時反而會降低人均生活品質，導致勞動力流出。另一方面，中部地區城鎮化率的系數為負，而東部、西部地區城鎮化率的系數顯著為正，可能是由于中部地區多為人口及農業大省，城鎮化率的提高會導致大量農民向城市流動，且農民群體易受到就業排斥而導致勞動力流出。

根據官方口徑的城市規模劃分標準，本文將城市規模劃分為3類，常住人口小于100萬人為中小型城市，大于100萬小于500萬人為大型城市，大于500萬人為特大城市。城市規模的異質性分析表明，城市人口規模影響城市發展，從而影響力勞動力的流動，根據表9，在大型和特大城市中，數字普惠金融指數對勞動力流動的影響均存在倒“U”關系，而中小城市中數字普惠金融指數的系數不顯著，原因可能是37個中小城市的樣本量小，導致估計誤差問題。中小城市一般處于城市發展初期或位于經濟落后地區，要素市場扭曲程度較高，導致資本和勞動力要素難以流動。特大城市的大部分變量系數絕對值要大于大型城市，即城市規模越大，數字普惠金融對勞動力流動的影響力度越大，勞動力要素價格扭曲、工資水平、產業結構、城鎮化率、人均財政支出等變量對勞動力流動的影響力度也越大，這可能是人口規模提高城市規模效應所導致。

由于第二產業和第三產業對勞動力的吸納能力有所差異，因此城市產業結構的不同會對勞動力流動產生影響，工資水平、城鎮化率和人均財政支出等城市經濟特征與勞動者就業、收入及生活水平息息相關，也會影響勞動力的流動。表10的（1）和（2）列分別用第二產業占GDP比重較高的地區和第三產業占GDP比重較高的地區進行子樣本回歸，分組標準為變量indu是否大于1;表10的（3）和（4）列的低工資地區和高工資地區的分組依據為變量w的中位數。表11的（5）和（6）列的低城鎮化率和高城鎮化率的城市分組依據為變量ur的中位數;表11的（7）和（8）列低人均財政支出城市和高人均財政支出城市的分組依據為變量gov的中位數。

根據表10和表11的結果，城市發展程度越高，數字普惠金融對勞動力流動的倒“U”影響越強。第三產業占比越高、工資水平越高、城鎮化率越高、人均財政支出越高，數字普惠金融對勞動力流動的倒“U”影響越顯著。一方面是因為城市發展程度越高，經濟發展水平越高，受金融排斥的群體更易獲得普惠金融的幫助;另一方面是城市發展程度較低的地區要素市場往往不夠完善，資本要素流動向勞動力要素流動的傳導可能會失效或者扭曲。

異質性分析進一步證明數字普惠金融對勞動力流動的倒“U”影響，對于經濟發展水平越高、發展程度越好的城市，這種非線性影響就越顯著，且影響力度越大;對于發展程度較低的城市，數字普惠金融對勞動力流動呈現線性負相關影響，這可能是由于勞動力要素價格的扭曲程度較高，根據門檻效應的檢驗結果，勞動力要素價格過度扭曲時，數字普惠金融會抑制勞動力凈流入;而數字普惠金融的系數不顯著，可能是由于發展程度較低的城市要素市場不完善，導致要素流動的傳導機制失效或者扭曲。

五、結論與政策建議

本文采用208個城市2011—2018年的面板數據，運用個體固定效應模型檢驗數字普惠金融對勞動力流動的影響，探究勞動力要素價格扭曲的中介效應和門檻效應，得到以下結論：

第一，數字普惠金融對勞動力流動存在倒“U”的非線性影響，數字普惠金融指數位于臨界值左側時，數字普惠金融促進勞動力凈流入，位于臨界值右側會抑制勞動力凈流入。進一步檢驗數字普惠金融指數的3個維度，數字金融覆蓋廣度和勞動力流動存在倒“U”關系，數字金融使用深度以及普惠金融數字化程度的回歸結果不顯著。工資水平、城鎮化率和第三產業占比對勞動力流入存在正向影響，而人均財政支出水平和人口規模則對勞動力流入存在負向影響。

第二，在數字普惠金融影響勞動力流動的過程中，勞動力要素價格扭曲起著部分中介作用。在線性關系中，數字普惠金融降低勞動力價格的扭曲程度，從而抑制勞動力凈流入，中介效應占總效應比重約23.5%。采用門檻效應檢驗勞動力要素價格扭曲的非線性中介效應，發現勞動力要素價格扭曲存在單一門檻效應，說明勞動力要素價格的適度扭曲有利于增強數字普惠金融吸引人口的凈流入，而過度扭曲則會抑制人口凈流入。通過中介效應和門檻效應檢驗，數字普惠金融通過改善要素市場而降低要素價格的扭曲程度，而勞動力要素價格扭曲初始趨向適度扭曲，由此提高城市吸引勞動力的凈流入，之后隨著勞動力要素價格的扭曲不足或者反向扭曲，則會增加城市抑制勞動力的凈流入。

第三，數字普惠金融對勞動力流動的影響具有異質性。經濟發展水平越高、城市發展程度越好，數字普惠金融對勞動力流動的非線性影響越顯著，且影響力度越大;對于發展程度較低的城市，數字普惠金融對勞動力流動的影響呈線性負相關或不顯著，一方面是因為發展程度低的城市勞動力要素價格過度扭曲，使數字普惠金融抑制勞動力凈流入，另一方面是因為發展程度低的城市要素市場不完善，導致要素流動的傳導機制失效或者扭曲。

結合上述的實證結論，本文提出以下政策建議：

首先，合理發展數字普惠金融，發揮數字普惠金融的積極作用。發展數字普惠金融要避免過度泛化、過度消費和過度負債等問題，防止數字普惠金融過度發展對勞動力凈流入的負面影響。合理發展數字普惠金融能夠增加城市吸引勞動力流入，但當數字普惠金融過度發展時，則要重視數字普惠金融的發展質量，從而保持數字普惠金融吸引勞動力流入的積極作用。

其次，改善勞動力要素的價格扭曲，優化數字普惠金融的非線性影響路徑。在勞動力要素價格扭曲較高的地區，應優先完善要素市場，降低勞動力要素的價格扭曲程度，然后再發展數字普惠金融，充分發揮吸引勞動力流入的效應。

再次，推行差異化的數字普惠金融服務，兼顧數字普惠金融的發展效率與公平。對于經濟欠發達、城市發展程度較低的地區，優先深化經濟市場化改革，完善要素市場制度，防止數字普惠金融對勞動力流動的傳導機制失效，相對于數字金融使用深度和普惠金融數字化程度，應重點發展數字金融覆蓋廣度;對于經濟較發達、城市發展程度較高的地區，不斷優化數字普惠金融體系，尋求發展數字普惠金融和促進勞動力流入之間的平衡。

綜上，通過發展第三產業，提高經濟發展水平和城鎮化率，促進城市勞動力的流入，實施差異化的數字普惠金融制度既有利于提高數字普惠金融發展對勞動力流入的作用，又有助于改善我國的區域不平衡發展問題。

[參考文獻][1]焦瑾璞.普惠金融導論[J].中國城市金融，2019（11）：80.

[2]宋曉玲.“互聯網+”普惠金融是否影響城鄉收入均衡增長？——基于中國省際面板數據的經驗分析[J].財經問題研究，2017（7）：50-56.

[3]傅秋子，黃益平.數字金融對農村金融需求的異質性影響——來自中國家庭金融調查與北京大學數字普惠金融指數的證據[J].金融研究，2018（11）：68-84.

[4]丁日佳，劉瑞凝，張倩倩.數字普惠金融對服務業發展的影響及機制研究——基于省際面板數據的實證分析[J].金融與經濟，2019（7）：4-10.

[5]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（8）：71-86.

[6]江紅莉，蔣鵬程.數字普惠金融的居民消費水平提升和結構優化效應研究[J].現代財經（天津財經大學學報），2020，40（10）：18-32.

[7]LEWIS W A. Economic development with unlimited supplies of labour [M]. The Manchester School， 1954.

[8]TODARO M P. A model of labor migration and urban unemployment in less developed countries[J].American economic review，1969，59：138-148.

[9]陳釗，陸銘.從分割到融合：城鄉經濟增長與社會和諧的政治經濟學[J].經濟研究，2008（1）：21-32.

[10]KRUGMAN P R. Increasing returns and economic geography[J]. Journal of political economy， 1991，99：483-499.

[11]李芳.金融對城鄉勞動力流動的影響[J].金融經濟，2018（2）：61-64.

[12]李寶值，熊秀蘭.農村金融發展對農村勞動力流動的影響——基于VAR的實證分析[J].浙江金融，2012（7）：27-29.

[13]趙語，杜偉岸.金融供給規模對民族地區人口城鎮化的影響——以廣西為例[J].財會月刊，2017（23）：118-123.

[14]柴國俊，王軍輝.征地、金融約束與勞動力流動[J].人口研究，2017，41（2）：57-70.

[15]翁家輝. 金融性資產對流動人口家庭收入代際傳遞的城鄉戶籍異質性影響研究[D].杭州：浙江財經大學，2019.

[16]孫焱林，李格，汪小愉.數字金融對勞動力錯配的影響及其異質性分析——基于中國地級市面板數據[J].科學學研究，2021（3）：1-17.

[17]SWAN P L. Durability and taxes：market structure and quasi-capital market distortion[J].Econometrica，1981，49（2）：425-435.

[18]金碚.關于“高質量發展”的經濟學研究[J].中國工業經濟，2018（4）：5-18.

[19]張曉晶，李成，李育.扭曲、趕超與可持續增長——對政府與市場關系的重新審視[J].經濟研究，2018，53（1）：4-20.

[20]詹韻秋.數字普惠金融對經濟增長數量與質量的效應研究——基于省級面板數據的系統GMM估計[J].征信，2018，36（8）：51-58.

[21]陳曉暾，程姣姣.勞動力要素市場扭曲對產業結構轉型的影響研究[J].價格理論與實踐，2019（11）：41-44.

[22]俞劍，方福前，程冬，等.消費結構升級、要素價格扭曲與中國農業勞動力轉移[J].經濟評論，2018（1）：47-61.

[23]夏蕾.要素價格扭曲對中國城市化的影響[J].城市問題，2018（5）：73-78.

[24]李言.中國生產要素價格扭曲的變遷：2000—2016年[J].經濟學動態，2020（1）：34-51.

[25]宋大強，皮建才.要素價格扭曲的經濟效應：一個文獻綜述[J].經濟社會體制比較，2020（3）：171-181.

[26]王仁祥，吳光俊.金融深化、勞力資本扭曲與產業結構升級優化[J].金融理論與實踐，2019（9）：1-8.Digital Inclusive Finance， Factor Price and Labor Mobility

Zhou? Tianyun

（International School of Business and Finance，Sun Yat-sen University， Guangzhou 510275， China）

Abstract：? ?Based on the panel data of 208 Chinese prefecture level cities from 2011 to 2018， this paper explores the impact of digital inclusive finance on labor mobility and its transmission mechanism. This paper uses intermediary effect model and threshold model to explore the nonlinear intermediary effect of labor factor price distortion. The paper found that digital inclusive finance has an inverted “U” impact on labor mobility. Its transmission path is that digital inclusive finance attracts the net inflow of labor force by improving the factor market， reducing the distortion of labor factor price and increasing the pull of cities. However， with the further reduction of the distortion degree of labor factor price， it may increase the urban thrust， so as to inhibit the net inflow of labor force and reverse distortion， and finally form the inverted “U” impact of digital inclusive finance on labor mobility. The heterogeneity test showed that the stronger the economy is and the better the urban development， the more significant and powerful the nonlinear impact of digital inclusive finance has on labor mobility.

Key words：digital inclusive finance; labor factor; labor mobility; price distortion

（責任編輯：蔡曉芹）