數字金融對農戶貧困脆弱性的影響及其異質性分析

崔海紅，黃 嬌，黃逸鳴

（1.河南牧業經濟學院金融與會計學院，鄭州 450044；2.中國銀行保險監督管理委員會恩施監管分局，湖北 恩施 445000；3.中南財經政法大學會計學院，武漢 430073）

中國脫貧攻堅已取得舉世矚目的成就，2020年底，現行貧困標準下5 575萬農村貧困人口全部脫貧，832個貧困縣全部摘帽，1 385萬建檔立卡貧困戶實現“兩不愁與三保障”。隨著脫貧攻堅戰的收官，中國進入后扶貧時代，多數貧困戶和貧困縣雖已脫貧摘帽，但發展基礎仍然比較薄弱，農戶脫貧穩定性低，仍存在已脫貧農戶返貧與新增貧困的潛在風險。根據國務院扶貧辦新聞發布會透露，截至2019年底，中國建檔立卡已脫貧但不穩定戶近200萬人，收入略高于貧困標準的邊緣戶近300萬人。如何形成長效脫貧機制以避免農戶返貧和新增貧困是當下的核心研究課題。因此，2020年中央一號文件提出鞏固脫貧攻堅成果，即防止已脫貧農戶返貧和新增貧困成為新時期的重要任務。而世界銀行提出的“貧困脆弱性”前瞻性指標，能動態評估農戶在未來遭受風險沖擊而陷入貧困的概率［1］，故觀測并降低農戶發生貧困脆弱性風險為后扶貧時代長效扶貧工作之關鍵。

中國在2016年G20峰會《G20數字金融高級原則》中倡導以數字技術推進普惠金融建設，數字金融為金融扶貧工作提供新的思路，以數字化互聯網平臺為供給渠道打破地域限制從而降低交易成本且提升金融服務效率，金融機構以可負擔成本為農村家庭提供商業可持續性的金融產品與服務。數字技術助力打通金融服務“最后一公里”，受傳統金融排斥的農戶通過風險管理技術與手段提高抗風險能力［2］，從而有效降低農戶發生貧困脆弱性的概率。為推動金融資源下沉，實現貧困地區農戶長效脫貧，中國積極主張推進普惠金融建設。然而傳統金融機構較難以可負擔成本為農村貧困家庭提供商業可持續性信貸資金，導致其參與農村貧困地區普惠金融的建設積極性低，金融扶貧難以突破“最后一公里”。數字技術與金融領域的發展與深度結合能有效疏通普惠金融發展阻梗。

目前少有文獻直接研究數字金融對農戶貧困脆弱性的影響，與本研究相關的文獻主要有以下2個方面。一是貧困脆弱性標準的界定，即貧困線與脆弱線，彭繼權等［3］以世界銀行公布的人均消費1.9美元/天和3.1美元/天作為貧困線標準，家庭人均福利水平低于該標準則界定為貧困；張穎莉等［4］、何軍等［5］以中國于2011年公布的人均純收入2 300元/年不變基準價設定國家貧困線，低于此標準則認定該家庭為貧困戶；尹志超等［6］以貧困發生率作為脆弱線，楊龍等［7］、萬里洋等［8］以29%、50%作為脆弱性閾值判定農戶是否為貧困脆弱性家庭。二是數字金融的經濟效益，數字金融有利于減貧［9］，其通過緩解信貸約束從而促進家庭主動性創業實現增收，并以收入增長與分配改善機制實現包容性增長，對中西部農村的減貧增收邊際效應大于東部［10］，并能顯著影響居民消費，且中西部農村居民受到數字金融促進消費的效應更顯著［11］。

鑒于此，本研究聚焦于中國數字金融發展和農戶貧困脆弱性兩大主題，分析數字金融對農戶貧困脆弱性的影響，進一步探究數字金融對農戶貧困脆弱性的影響是否存在區域差異，農戶貧困狀態、戶主的年齡特征及教育水平差異是否會影響估計結果，以期為構建農村貧困狀態的動態監測體系和長效扶貧機制提供理論支持和實踐指導。

1 理論分析

建立反貧困政策干預長效機制在于預防和減少將來的貧困，即不僅要了解農戶的貧困現狀，還要了解農戶面臨哪些風險導致他們更容易在將來陷入貧困，估計農戶的貧困脆弱性。傳統貧困問題研究瞄準目標人群收入或消費福利水平低于特定貧困線的家庭；反貧困政策干預是基于家庭收入與消費的角度，對貧困原因分析進行事后評價，事后控制缺乏對脆弱人群未來發生貧困的前瞻性預測［12］。目前學術界普遍認為反貧困工作的開展需由以往事后介入向事前的貧困風險防范轉移［13，14］。貧困脆弱性問題研究目標人群不僅是貧困家庭，還包括當期狀態處于特定貧困線以上，但在面臨風險沖擊后家庭生活狀態發生轉變并陷入貧困的風險家庭［15］，相對于以往研究貧困的思路，后者進一步基于事前預測家庭在未來發生貧困脆弱性的概率，使相關政策制定與實施可基于事前對貧困狀態的預測結果。因此，動態監測家庭貧困脆弱性，可以增強政策實施的前瞻性，有效減少事后扶貧成本［16］。

數字金融是指一切以提供數字金融服務推進普惠金融發展的行動，其基于數字化經濟與互聯網網絡效應，有利于降低交易成本與提高金融可得性、使用性和服務效率，從而突破傳統普惠金融的發展難題［17］。尤其針對缺乏基本儲蓄與信貸產品和服務的金融基礎設施不完善的農村地區，數字金融有利于解決農戶金融產品與服務的缺位難題，甚至可以實現貧困地區“彎道超車”［18］。依托數字技術優勢，普惠金融的服務范圍輻射到弱勢群體［19］，但也應注意到數字劣勢農戶隨著數字金融發展而愈發貧困的困境［20］。中國的數字金融發展始于2004年支付寶上線，迅速發展階段始于2013年余額寶上線［21］。數字金融具體表現為以互聯網與移動終端為載體，以商業可持續性原則為受金融排斥弱勢群體提供數字化信貸融資、保險、理財、支付和結算等金融產品與服務。

2 研究設計

2.1 數據來源與研究樣本

本研究數據分為2個部分。數字金融數據來源于北京大學數字金融研究中心與螞蟻金服合作編制的數字金融指數，該指數涵蓋2011—2018年中國31個省（市、自治區）337個地級市的數字金融發展狀況，相關指數包括覆蓋廣度、使用深度與數字化支持水平，本研究擬采用2018年數字金融相關數據。農戶微觀數據來源于2015年、2017年與2019年中國家庭金融調查數據庫（China household finance survey，CHFS），該問卷當年調查情況實則為農戶家庭上一年的收入、消費等情況，因此2015年、2017年和2019年的數據實為農戶2014年、2016年與2018年的經營和生活情況。主要選取家庭與戶主層面的數據信息納入研究，根據研究所需測算農戶家庭未來陷入貧困的概率，因此采用2015年、2017年和2019年3年追蹤農戶作為研究樣本，對原始數據進行如下處理：①剔除城鎮樣本并保留3年追蹤農戶家庭樣本；②剔除模型缺失值樣本和家庭總資產、總消費等異常值樣本，篩選后得到3 885個有效農戶樣本。

2.2 變量的選取

2.2.1 被解釋變量的構建與度量基于事前預測的前瞻性與測算結果的可得性，本研究將采用預期貧困脆弱性（VEP）的內涵和思路測度農戶貧困脆弱性，即農戶家庭人均消費低于貧困線的概率。借鑒何軍等［5］對貧困脆弱性的測度方法，對農戶家庭人均消費取對數，圖1為3年追蹤農戶家庭的人均消費分布，該分布結果表明家庭人均消費的對數近似服從正態分布。因此，參考Chaudhuri等［22］的做法，假設農戶家庭人均消費對數值呈正態分布，以vul=v（z，c，p）方法估測農戶貧困脆弱性。其中，vul為對農戶貧困脆弱性的測度，參數c為衡量農戶未來人均消費標準的測度數值，p為未來人均消費值的分布概率，z為參照指標。本研究運用正態分布的累計概率函數測度，首先計算2015年、2017年和2019年人均年消費，對家庭人均消費和貧困線取對數，計算均值和標準差。其具體推算步驟如下。

圖1 3年追蹤農戶家庭的人均消費對數值分布

1）對選取的貧困線K取對數lnK，對農戶家庭i人均年消費ci,t取對數lnci,t。

2）計算農戶家庭人均年消費對數lnci,t的均值ui與標準差σi。

3）計算Zi=（lnK-ui）/σi，并帶入標準正態分布累計概率函數Φ(Zi)，該值即為估測農戶i在未來發生貧困的概率。并進一步與以貧困發生率29%概率值與50%概率值作為貧困脆弱性閾值判斷農戶i是否為脆弱性家庭，若是脆弱性家庭，則vuli=1，否則為0。

2.2.2 解釋變量以2018年北京大學數字金融指數度量地區數字金融發展水平。該指數以螞蟻金服海量大數據為基礎編制而成，其衡量測度包含數字金融覆蓋廣度、使用深度與數字化支持程度一級維度指標，并進一步對使用深度一級維度按業務細分。因此為深入研究數字金融對農戶貧困脆弱性的影響，本研究的核心解釋變量包括數字金融指數（DFI）、數字金融覆蓋廣度（coverage_breadth）、數字金融使用深度（usage_depth）與數字支持程度（digitization_level）4個指標，以探討數字金融不同維度與不同金融服務形式對農戶貧困脆弱性的影響。

2.2.3 控制變量基于既有對農戶貧困脆弱性的研究，農戶貧困脆弱性影響因素主要來自3個方面，即個體特征、家庭特征與區域特征，因此結合已有文獻與CHFS 2019年中國家庭金融調查問卷的調查數據，從農戶戶主特征、家庭特征與區域特征3個方面選取控制變量。具體回歸變量符號表達和經濟含義見表1。

表1 回歸變量符號表達和經濟含義

2.3 模型設定

借鑒尹志超等［6］的研究思路，對農戶未來發生貧困的概率按設定的脆弱線分為貧困脆弱性與非貧困脆弱性農戶展開研究，選擇以中國貧困線（pov）和1.9美元國際貧困線作為貧困衡量標準，以貧困發生率（ruc）作為脆弱性閾值判斷農戶是否為貧困脆弱性家庭。采用Probit模型分析數字金融對農戶貧困脆弱性的影響。模型設定如下：

式中，被解釋變量vulij為農戶家庭i是否為貧困脆弱性家庭，vulij=1表示j市內的農戶i是貧困脆弱性家庭，vulij=0則表示農戶i不是貧困脆弱性家庭，考慮到同一地區家庭之間具有相關性，將模型的標準誤聚類到市一級；DFIj為j市的數字金融指數；Xij為控制變量，包括家庭特征、戶主特征以及區域特征變量；其他為待估參數，εij為隨機擾動項。

3 回歸結果分析

3.1 數字金融與農戶貧困脆弱性回歸分析

表2為數字金融對農戶貧困脆弱性的回歸結果。第（1）列為以中國貧困線（pov）設定貧困標準的回歸結果，第（2）列為以國際貧困線1.9美元設定貧困標準的回歸結果。由表2可知，數字金融回歸系數顯著為負且邊際效應分別為-0.000 9與-0.001 4，說明數字金融的發展有助于降低農戶發生貧困脆弱性概率。數字金融以數字化技術為農戶提供數字金融產品與服務，以其可得性、有效性與可負擔性優勢突破普惠金融的發展瓶頸，從而降低農戶返貧與新增貧困的發生概率。

表2 數字金融對農戶貧困脆弱性基準回歸結果

家庭特征控制變量，如家庭收入、家庭資產規模大小與農戶貧困脆弱性的關系顯著為負，說明家庭收入越低，資產規模越小，家庭創收能力越弱及對風險的抵抗能力越低；農戶醫療保險的參與與農戶貧困脆弱性存在顯著的負相關關系，說明農戶參與醫療保險有助于降低貧困脆弱，參與醫療保險的農戶家庭應對因疾病引致的健康風險沖擊的能力更強；家庭規模、家庭撫養比的估計系數顯著為正，說明家庭人數越多、需要撫養人數占比越大，農戶家庭勞動力負擔越重，農戶抵抗家庭突發疾病、生命周期風險等能力越弱。

戶主特征控制變量，戶主受教育年限、戶主婚姻狀況與農戶貧困脆弱性呈顯著負相關，說明戶主所受到的教育年限的提高，能增強人力資本的積累，人力資本積累有助于提高農戶創收和風險認知，提高農業與非農經營等活動的決策科學性，從而降低其發生貧困脆弱性的概率。已婚戶主的家庭紐帶較強，對生活與收入的追求度較高，且勞動力增加可以提高其收入水平，故其發生貧困脆弱性概率更低。

表3的回歸結果表明，數字金融的覆蓋廣度（coverage_breadth）與使用深度（usage_depth）2個維度都對降低農戶貧困脆弱性有顯著影響，但數字金融使用深度對降低農戶家庭貧困脆弱性的邊際效應更大。可能的解釋是數字金融在發展推廣初期，機構采取系列措施拓寬農村地區金融業務市場，但隨著數字金融覆蓋廣度發展到一定程度，各地紛紛以數字金融使用深度作為數字金融持續發展的重要驅動力，因而數字金融使用深度在降低農戶貧困脆弱性方面可以發揮更大的作用。

表3 數字金融不同維度對農戶貧困脆弱性的影響

3.2 基于區域的異質性分析

基于中國對中西、東部地區的劃分將農戶進行分組回歸，結果如表4所示，第（1）列為中西部地區農戶的脆弱性回歸結果，第（2）列為東部地區農戶的脆弱性回歸結果。由表4可知，中西部地區農戶的數字金融回歸結果顯著且邊際效應為-0.001 0，東部地區農戶的數字金融回歸結果不顯著，說明數字金融對經濟發展水平落后、地理與金融業態環境較差且居住分散的中西部地區農戶的脆弱性積極效應好，可能的原因是目前中國數字金融發展重點在落后且經濟金融業態環境差的地區，這也體現了數字金融的普惠性與包容性價值。

表4 基于中國中西、東部地區的異質性分析結果

進一步以人口規模與經濟發展水平差異角度，將農戶按所在地級市人口規模大小、經濟發展水平高低進行分組回歸，結果如表5所示。第（1）、（2）列和（3）、（4）列分別為以農戶所在地級市人口規模中值和人均GDP中值作為標準對農戶進行分組回歸，結果表明，數字金融對人口規模較小、經濟發展水平較低的地級市農戶貧困脆弱性降低效應顯著。這也進一步證實了數字金融以其可得性、有效性與可負擔性優勢突破傳統普惠金融的發展桎梏，有助于緩解金融資源區域錯配現象，降低貧困風險屬性高的中西部地區農戶發生貧困脆弱性概率的顯著意義。同時也體現了數字金融扶貧的公平性與包容性效應的發展理念，有利于推進金融長效脫貧工作，縮小經濟與規模發展不平衡地區之間農戶的貧富差距。

表5 基于人口規模與經濟發展水平的異質性分析結果

3.3 基于農戶的異質性分析

貧困與貧困脆弱性為2個不同概念，貧困脆弱性的研究將位于貧困線以上的農戶家庭亦納入研究范圍。因此為進一步深入探究數字金融更有利于防貧還是直接減貧，本研究基于問卷信息，按農戶對問卷“是否為建檔立卡貧困戶或低保戶”的回答，將農戶貧困狀態分為貧困農戶與非貧困農戶組，貧困農戶包括貧困戶且未脫貧、貧困戶且當年脫貧、低保戶3種。非貧困農戶為非貧困與非低保戶。此外，為保證結論穩健性，借鑒樊麗明等［23］的研究思路，根據農戶2015年、2017年和2019年3年追蹤農戶調查狀況，將農戶細分為尚不貧困與暫時貧困組，由于大多數農戶已脫貧，3年都低于貧困線的農戶（慢性貧困）樣本較少，為了保證分組回歸的樣本數量有效，將慢性貧困與暫時貧困歸為一類并統稱為暫時貧困，其中，尚不貧困農戶為3年福利水平均高于貧困線標準，至少有一年的人均福利水平低于貧困線標準則為暫時貧困農戶。

回歸估計結果如表6所示。第（1）、（2）列回歸結果表明數字金融對降低貧困農戶的脆弱性影響不顯著，但對降低非貧困農戶的脆弱性效應顯著。第（3）、（4）列為按3年追蹤農戶貧困狀態的分組回歸結果，該結果亦表明數字金融對尚不貧困農戶脆弱性影響顯著而對暫時貧困農戶的影響不顯著，說明數字金融降低農戶貧困脆弱性的價值更多是防貧而非直接減貧，即避免非貧困戶陷入貧困，這與黃倩等［9］的研究結論不一致。可能是因為本文研究對象為農戶，農村金融業態環境差，且相較于非貧困農戶，貧困農戶往往知識儲備與數字技能水平較低，而農戶的金融知識儲備與數字技能能力是數字金融緩解農戶資金與信息約束的重要前提，因此數字金融未必有助于貧困農戶減貧，尤其是深度貧困農戶擺脫貧困，故數字金融緩解農戶脆弱性效應更多在于防貧。且該回歸結果也體現數字金融有效抑制了金融扶貧中的瞄準失誤，數字金融能彌補政府對扶貧農戶補貼而造成的非扶貧農戶的福利損失，降低了非貧困農戶未來陷入貧困的風險概率。所以精準扶貧以及維護扶貧效果的長效機制除了不斷改善現有扶貧機制外，還需推進數字金融的發展。這也進一步證實了數字金融對中國長效脫貧機制的顯著意義。

表6 基于農戶的異質性分析結果

3.4 基于戶主特征的異質性分析

本研究基于農戶戶主特征進一步展開異質性分析，統計結果表明貧困農戶戶主大多數為老年人，且基于已有文獻從理論層面指出老年人受數字鴻溝影響大且金融素養更低，難以享受“數字紅利”。此外，農戶接受教育水平會影響金融素養與數字設備使用能力，因此本研究分別基于戶主年齡與戶主受教育水平程度分組展開回歸，結果如表7所示，第（1）、（2）列結果表明數字金融對降低中青年戶主貧困脆弱性顯著，而對降低老年戶主貧困脆弱性的影響不顯著，這是因為中青年人學習能力強且金融知識儲備更多，數字設備使用能力和互聯網使用頻率高。由此可知，老年人享受“數字紅利”受到金融素養低與數字鴻溝的阻梗。第（3）、（4）列為按戶主受教育水平的分組回歸結果，數字金融對受教育水平高的戶主貧困脆弱性的降低效應顯著，而對受教育水平低的戶主家庭不顯著。良好的知識儲備與學習能力是農戶選取金融工具及組合提升其風險管理能力的重要條件，受教育水平高的戶主對金融訊息及政策走勢分析更具科學性，對緩解農戶貧困脆弱性發揮重要作用。

表7 基于戶主特征的異質性分析結果

4 結論與建議

數字金融的發展能顯著降低農戶發生貧困脆弱性概率。首先，數字金融水平越高，其數字化普惠優勢越顯著，農戶家庭發生貧困脆弱性的概率越低；其次，數字金融覆蓋廣度和使用深度對降低農戶發生貧困脆弱性的概率效應大小有所不同，數字金融使用深度，即數字金融業務使用有效性對降低農戶發生貧困脆弱性的概率效應更大。

基于區域異質性分析結果表明，數字金融對降低中西部地區農戶、人口規模小區域農戶、經濟發展水平較低區域農戶的貧困脆弱性效應顯著，而對東部地區農戶、人口規模較大區域農戶及經濟發展水平較高區域的農戶的貧困脆弱性降低效應不顯著；基于農戶貧困狀態異質性分析結果表明，相較于直接減貧，數字金融降低農戶貧困脆弱性的效應更多在于防貧。基于戶主特征異質性分析結果表明，數字金融對降低中青年戶主貧困脆弱性顯著，而對降低老年戶主貧困脆弱性的影響不顯著，數字金融對受教育水平高的戶主貧困脆弱性的降低效應顯著，而對受教育水平低的戶主家庭不顯著。

基于以上結論，提出以下對策建議：①建立貧困的動態識別與監測機制，制定長效精準扶貧政策。從區域層面來說，強化對欠發達中西部地區區域發展政策與綜合性開發，尋找新的經濟增長點；從家庭層面來看，需探究風險源頭并制定差異化精準措施。②充分挖掘與完善數字信貸、數字保險與數字支付等金融形式業務功能，緩解傳統金融對農戶的金融排斥，發揮其防貧與改善資源區域錯配作用實現普惠價值。