數字普惠金融對縮小城鄉收入差距的影響研究
——理論機制與經驗事實

劉成飛

(杭州電子科技大學經濟學院 浙江杭州 310018)

改革開放以來，我國經濟發展經過長期努力取得了輝煌的成就，但發展不平衡、不充分問題十分突出。如何縮小城鄉收入差距已成為解決該問題的主要突破口，我國作為世界最大的發展中國家，多年來致力于解決貧困和消除不平等，但城鄉收入比值仍然保持著較高水平，說明城鎮和鄉村無論是發展速度還是發展質量，都存在明顯差距。2

016年，G20杭州峰會提出了數字普惠金融概念，進入數字普惠金融發展新紀元，逐步出現數字化支付、網絡借貸、數字保險和小額理財等一系列新業態，在緩解城鄉發展不平衡、推動經濟高質量發展等方面成效顯著。鑒于數字普惠金融在縮小地區差距、城鄉差距和收入差距方面發揮了重要作用，我國政府積極推動普惠金融發展，以期解決金融資源不均衡的問題。同時，數字普惠金融帶來的經濟增長效應、空間溢出效應和人力資本效應等對縮小城鄉收入差距也產生了不小的作用。

1 研究現狀與理論分析

1.1 研究現狀

目前，數字普惠金融的理論研究滯后于數字科技實踐發展，既有文獻已經對數字普惠金融和城鄉收入差距兩者間的關系進行了廣泛研究與討論，得出結論基本一致。譬如，Arjunwadkar(2018)認為，支付、銀行、保險等金融服務行業通過引入數字技術能夠完善傳統金融模式、降低金融服務成本和提高融資效率，進而可有效緩解低收入人群和中小企業的金融排斥；任曉剛等(2022)基于共同富裕背景，認為城鄉發展不協調、區域發展不平衡將會成為數字普惠金融的重點研究方向。梳理已有研究可以發現，數字普惠金融從以下四個方面縮小城鄉收入差距。

一是緩解農村金融排斥，增加農村居民的金融可得性。周利等(2020)從增加金融可得性、降低門檻效應這一機制展開研究，發現數字普惠金融帶來的降低門檻效應和緩解排斥效應是縮小城鄉收入差距的主要途徑。

二是增加農村就業機會。返鄉創業成為新潮流，但缺少信用信息和抵押資產使得大部分農村居民都面臨著創業資金約束。張碧瓊、吳琬婷(2021)從激發農村居民創業角度發現，數字普惠金融可以助力農民創新創業而改善收入分配，進而縮小城鄉收入差距。

三是改善農村居民人力資本。姚旭兵、鄧曉霞(2020)研究發現，農村人力資本在縮小城鄉收入差距中發揮了重要作用，提高農村居民受教育程度可以更好地掌握數字金融技能，提高數字普惠金融產品的認可度，農村居民積極參與數字普惠金融發展可以獲取更高的收益，對城鄉收入差距的彌合效應更加顯著。

四是增加農村居民投資理財機會。相對傳統金融，數字普惠金融豐富了農村居民的投資渠道，尤其是數字工具的覆蓋、互聯網基礎設施的完善和認知水平的提升可以提高居民的財產性收入，緩解相對貧困(胡聯等，2021)。

1.2 理論分析

1.2.1 數字普惠金融、農業全要素生產率與城鄉收入差距

已有研究中，李欠男和李谷成(2020)認為，互聯網發展有利于打破農業知識傳播的時空限制，引領農業技術進步的同時，提高農業全要素生產率。一方面，數字普惠金融可為涉農企業提供更好的融資環境，打破時空限制，引導社會金投入農業技術研發以引領農業技術進步和創新；另一方面，數字普惠金融的普及為農民和小微企業增加了獲取金融信息的渠道，緩解了農村地區金融服務不平衡和不充分的問題，不僅通過提高農民金融素養達到增強農民創業技能和創業活力的目的，還通過推動農業生產結構由粗獷型發展轉為精細化發展，從而使農民生產效率得到提高，從而促進農業全要素生產率的提高。

現階段，我國農業技術推廣不夠導致大部分農民未能享受到農業生產率的提高帶來的福利，尤其是農村中擁有少量土地的低收入群體。隨著“互聯網+普惠金融”在農村地區的發展，農業生產率的提高對城鄉收入差距影響日益擴大。究其原因，一方面，農業技術進步能夠提高農產品產量和質量，有助于提高農產品的產出率和附加值，提高農產品的市場競爭力，同時增強經濟效益，促進農民經營性收入的增長；另一方面，農業全要素生產率增長能夠釋放更多的農村富余勞動力，并流向城鎮制造業和服務業，從而使農民有機會獲得更高的工資性收入。

1.2.2 數字普惠金融、農村人力資本投資與城鄉收入差距

理論上，受教育水平是影響農村居民收入的重要因素。由于農村地區經濟基礎薄弱，農村人力資本投資相較城鎮居民相對不夠，甚至小農意識在一定程度上嚴重束縛人力資本投資觀念，尤其是農村低收入人群很難有能力進行人力資本投資，只能從事低 生產率、低附加值的產業，成為拉大城鄉收入差距的重要原因。但從數字普惠金融融資服務角度來看，數字技術的應用不僅拓寬了服務范圍，還豐富了金融產品，進而更好地滿足農民的教育資金需求。人力資本投資與收入水平息息相關，農村人力資本投資可以提升農民收入水平(聶艷明、李園，2021)。究其原因，一是農村居民人力資本投資有助于提高農業生產效率。前述表明，人力資本投資使農村居民接受更多的教育和培訓，從而使生產技能得到提升，提高生產效率的同時，帶來收入水平的提升；二是農村居民人力資本投資可以增加就業機會。人力資本投資改善了勞動力素質較低的現狀，提高其對現代生產方式的適應力，擁有豐富知識儲備的農村居民會獲得更多的就業機會，從而提高就業質量并獲取更多的勞動報酬。總之，數字普惠金融為農村居民提供教育培訓資金，改善農村人力資本并助力農民增收，進而縮小了城鄉收入差距。

2 研究設計

2.1 模型設定

綜合前文分析，設定如下模型檢驗：

式(1)中：gap 為被解釋變量，代表城鄉收入差距；index為核心解釋變量，代表數字普惠金融指數；control 為控制變量集；下標i 表示不同地區；t 表示不同年份；itμ 表示個體固定效應；itε 表示隨機擾動項。

2.2 變量選取與數據來源

2.2.1 被解釋變量(gap)

本文選用泰爾指數作為被解釋變量，借鑒程名望、張家平(2019)的做法，采用以下公式計算省際層面的城鄉收入差距。

式(2)中：1Y 、1L 表示城市居民的收入與人口；2Y 、2L 表示農村居民的收入與人口、Y、L表示居民的總收入和總人口。gap 的值越小，說明城鄉收入差距越小。

2.2.2 解釋變量(index)

數字普惠金融(index)采用《北京大學數字普惠金融第三期(2011—2020)》省級層面指數作為數字普惠金融的代理變量。鑒于指標數值偏大，參考吳雨等(2021)的處理方法，將指數除以100。

2.2.3 中介變量

(1)農業全要素生產率(tfpch)

本文借鑒尹雷、沈毅(2 014)的做法，基于D E AMalmquist進行指標測算。其中，農林牧漁總產值(億元)作為產出指標，第一產業從業人數(萬人)、總播種面積(千公頃)、灌溉面積(千公頃)、機械總動力(萬千瓦)和化肥施用量(萬噸)作為投入指標，以 2010年為基年并取值為1，再連乘每年的 Malmquist生產率指數，得出各個年份數據。

(2)農村人力資本投資(rit)

本文以農村居民人均教育文化娛樂支出與人均醫療保健支出作為衡量標準，并用兩者總和取對數來表示。

2.2.4 控制變量

借鑒李華和祝秋思(2022)的研究，選取對外開放程度(open)、產業結構升級(stru)、固定資產投資(invest)、財政支出結構( fisc)、教育水平(edu)為控制變量，并以各省份進出口總額、第二三產業增加值、固定投資額、政府財政支出與GDP的比值、各省份教育支出與政府財政支出的比值來表示。數據來源于《中國統計年鑒》和各地區統計年鑒，表1列出了各變量的描述性統計數據。

表1 變量的描述性統計

3 實證結果與分析

3.1 基準回歸結果分析

表2是本文的基準回歸結果。其中，第(1)～(2)列報告了數字普惠金融總指數的回歸結果。結果顯示，分別使用隨機效應(RE)和固定效應(FE)，估計系數幾乎一致，通過了顯著性檢驗，均支持了數字普惠金融對城鄉收入差距的負向阻抑作用。在控制變量中，固定資產投資、財政支出結構和對外開放程度的估計系數在1%的水平上顯著，教育水平和產業發展水平的估計系數不顯著。這表明，隨著我國對外開放的不斷深入，對外貿易持續增長，同時為農村富余勞動力提供了更多就業崗位，帶動農產品的生產和銷售并助力農民增收，從而縮小了城鄉收入差距。財政支出結構可以直接影響收入二次分配，在保障社會福利水平的同時，也促進了社會公平發展，從而發揮的城鄉收入差距收斂作用越明顯。

表2第(3)～(8)列結果表明，覆蓋廣度、使用深度和數字化程度系數顯著為負，說明三個子維度對城鄉收入差距具有負向阻抑作用。通過比較子維度的估計系數發現，覆蓋廣度對城鄉收入差距的影響最大，數字化程度對城鄉收入差距的影響最小，說明拓寬數字普惠金融的覆蓋范圍，優化農村金融機構服務網點，為更廣泛的農業參與主體提供融資服務是縮小城鄉收入差距的重要推手。此外，各控制變量符號均符合預期。

表2 基準回歸結果

3.2 內生性問題處理

考慮到面板模型的內生性問題導致參數估計的不一致，本文將選擇工具變量并采用兩階段最小二乘法(2SLS)緩釋內生性問題帶來的影響。具體借鑒錢海章等(2020)的研究，選取電信業務、郵政業務總量(億元)為工具變量。表3匯報了兩階段最小二乘法(2SLS)的估計結果。其中，第(1)列第一階段工具變量顯著為正，說明工具變量與數字普惠金融強相關，拒絕弱相關變量問題；第(2)列匯報了第二階段的估計結果，回歸系數顯著為負，說明兩階段最小二乘估計(2SLS)的結果同樣支持前文結論。

表3 兩階段最小二乘法回歸結果分析

3.3 穩健性檢驗分析

3.3.1 替換被解釋變量

本文利用城鄉收入比值(rud)替換被解釋變量進行穩健性檢驗。城鄉收入比值(rud)憑借數據可得性、連續性、直觀性的優點，被多數學者使用。表4第(1)列匯報了穩健性檢驗結果。結果顯示，數字普惠金融和農業全要素生產率與城鄉收入比值顯著負相關，即數字普惠金融發展水平的提升可以降低城鄉收入比值，從而與基準回歸結論基本一致。

3.3.2 剔除特殊樣本

考慮到北京、上海、廣東、浙江、江蘇擁有較好的經濟和金融基礎，在資金和政策傾向性的影響下，數字普惠金融發展水平遠超其他地區，為排除因樣本選取而對實證結果的干擾，表4第(2)列匯報了數字普惠金融指數較高的北京、上海、浙江、江蘇和廣東5個省份樣本剔除后的估計結果。結果表明，剔除特殊樣本后數字普惠金融估計系數同樣顯著，各控制變量符號與基準回歸結果一致，研究結論依然成立。

表4 替換被解釋變量的回歸結果分析

4 影響機制分析

4.1 模型構建

為了進一步驗證前文的理論分析結論，本文通過逐次回歸的方法檢驗數字普惠金融通過農業全要素生產率提升和人力資本投資效應影響城鄉收入差距的中介效應。構建如下模型：

上式中：gapit表示i地區第t年的城鄉收入差距；in dexitindexit表示i地區第t年的數字普惠金融指數；channelit表示本文的中介變量；β 為待估計系數；xit為控制變量；εit為隨機擾動項；μit為個體固定效應。

4.2 農業全要素生產率為中介變量的回歸分析

表5第(1)～(3)列報告了以農業全要素生產率為中介變量的回歸結果，其中第(1)列回歸結果驗證了數字普惠金融具有縮小城鄉收入差距的作用；第(2)列回歸結果顯示，數字普惠金融與農業全要素生產率在1%的水平上顯著正相關，表明兩者之間存在明顯的促進作用；第(3)列顯示了中介效應回歸結果，發現中介變量系數 顯著為負，且核心解釋變量的回歸系數絕對值由0.0177下降到0.011，表明農業全要素生產率是影響城鄉收入差距的重要因素，且中介機制成立，為部分中介效應，中介效應占比為38%。

4.3 農村人力資本投資為中介變量的回歸分析

表5第(4)～(6)列報告了以農村人力資本投資為中介變量的回歸結果，其中第(5)列數字普惠金融估計系數顯著為正，表明數字普惠金融對農村人力資本投資具有正向促進作用。從結果來看，數字普惠金融每提高1個單位，農村人力資本投資提高0.4312個單位，說明數字普惠金融水平提升可以為農村居民提供更多教育資金，增加農村人力資本投資。第(6)列中加入中介變量后，數字普惠金融估計系數為-0.007，且農村人力資本投資的回歸結果為-0.0248，兩者均在1%的水平上顯著，驗證了農村人力資本投資存在中介效應，進一步表明數字普惠金融能夠增加農村居民教育和職業培訓資金，通過提升人力資本投資水平以改善農民收入，進而縮小城鄉收入差距。

表5 中介效應回歸結果分析

5 結語

研究發現：數字普惠金融對城鄉收入差距具有顯著的負向阻抑作用。具體可通過農業全要素生產率和農村人力資本投資效應間接影響城鄉收入差距，且農業全要素生產率和人力資本投資中介效應的占比分別為38%和60%。此外，覆蓋廣度、使用深度和數字化程度的負向阻抑效應依次減弱。本文的研究結論具有以下政策啟示：

第一，提高數字普惠金融的深度和廣度。積極推動偏遠地區數字基礎設施建設，提高農村居民的互聯網普及率和智能工具覆蓋率，保證能夠真正惠及低收入人群，提高數字普惠金融的覆蓋廣度。

第二，加強農村人力資本投資。推進數字普惠金融發展的同時，應加大農村教育培訓類人力資本投資，開展數字化教育培訓活動以提高農村居民金融理財知識，提高金融資源配置能力同時增進金融素養和數字素養，享受數字金融帶來的便利。

第三，完善數字普惠金融的監管框架。數字科技發展迅速，使得理論研究滯后實踐發展，在加強數字普惠金融政策支持的同時，要注意風險防范，構建相應監管體系并強化全流程監管，從而提高對新業態的管控。