共同富裕背景下數字普惠金融對城鄉收入差距的影響效應

伍卓 周付友

摘要：中國式現代化是全體人民共同富裕的現代化，發展數字普惠金融是縮小城鄉收入差距、實現共同富裕的重要舉措。基于中國284個城市2011—2020年的面板數據，采用北京大學數字普惠金融指數來考察數字普惠金融對中國城鄉收入差距的影響效應，研究發現：數字普惠金融發展能夠有效抑制城鄉收入差距；產業結構升級和人力資本水平提升是數字普惠金融影響城鄉收入差距的兩大重要機制；樣本城市城鄉收入差距受到本地和周邊城市數字普惠金融發展的交互作用的影響。政府要充分發揮數字普惠金融縮小城鄉收入差距的作用，為低收入群體提供從無到有、從有到深的金融服務和增收渠道。要通過發展數字普惠金融，促進新產業的產生和產業產能的擴大，特別是加大對農村落后地區人力資本的投資，提升農村居民受教育程度，借力數字金融的普惠性和共享性給予更多農村居民參與金融市場的機會。在我國進入治理相對貧困、實現共同富裕的新階段，推動數字普惠金融區域協調發展，加強區域內和區域間協同合作，是富有戰略意義的制度安排。

關鍵詞：數字普惠金融；共同富裕；城鄉收入差距；產業結構；空間溢出效應

中圖分類號：F49文獻標識碼：A文章編號：1003-854X（2023）05-0022-08

一、引言

黨的二十大報告提出以中國式現代化全面推進中華民族偉大復興，中國式現代化是全體人民共同富裕的現代化，共同富裕是中國特色社會主義的本質要求，實現共同富裕是一個長期的歷史過程（1）。共同富裕的核心要義包括提升整體經濟發展水平、縮小城鄉收入差距以及社會和諧等內容，普惠性、發展性和共享性是共同富裕的重要特征。習近平指出，要“要防止社會階層固化，暢通向上流動通道，給更多人創造致富機會，形成人人參與的發展環境”（2）。到2020年底，中國已完成消除絕對貧困的艱巨任務，這是人類反貧困歷史上的偉大成就。目前我國進入治理相對貧困的新階段，其主要任務是縮小城鄉居民收入差距。

改革開放后中國收入差距變化的過程可分為兩個階段：第一個階段（1978—2009年）為持續擴大階段，城鄉居民人均可支配收入比由1978年的2.60 ： 1上升至2009年的3.33 ： 1；第二階段（2010—2021年）為高位徘徊階段，城鄉收入不平等問題有所緩解，但收入差距依然懸殊，2021年城鄉居民人均可支配收入比為2.50 ： 1（3）。如何持續縮小城鄉收入差距、實現城鄉協調發展，是學術界高度關注的重大課題。從宏觀角度分析，完善地方政府的政績考核評價機制，理順中央和地方政府的事權與財權關系，充分發揮地方政府在實現城鄉均衡發展過程中的主體作用，能夠顯著抑制城鄉收入差距的進一步擴大（4）。而城鎮化更是消除城鄉差異、解決“三農”問題的根本出路（5）。從微觀角度分析，高校擴招極大地豐富了高級人力資本，加速了人力資本結構優化，顯著地縮小了城鄉收入差距（6）。增加農村信貸投入能夠減少城鄉技術水平差異，并通過勞動力轉移來縮小城鄉收入差距（7）。以上研究結論均極具說服力。

金融業作為現代經濟發展中的核心產業，通過金融市場化進行金融資本聚集，進而影響城鄉家庭金融行為，在縮小城鄉收入差距、實現共同富裕方面發揮著重要作用。近年來，隨著大數據和通信技術的發展，數字普惠金融已經成為金融發展的新方向，并得到了越來越廣泛的認可。2016年，二十國集團領導人杭州峰會正式通過《G20數字普惠金融高級原則》，數字普惠金融因此成為世界各國關注的重點領域。數字普惠金融泛指一切通過使用數字金融服務以促進普惠金融的行動，包括運用數字技術為無法獲得金融服務或缺乏金融服務的群體提供一系列正規金融服務，其所提供的金融服務能夠滿足他們的需求，并且是以負責任的、成本可負擔的方式提供，同時對服務提供商而言是可持續的（8）。數字普惠金融有助于解決傳統金融環境下社會弱勢群體面臨的融資難度大、融資成本高等問題，并通過破解金融體系排斥、提高金融資源配置效率等方式為我國中小企業和農村居民等弱勢群體提供可持續的金融服務。

本文可能的邊際貢獻：第一，從理論機制與實證檢驗兩個角度對數字普惠金融的收入分配效應進行研究，豐富數字經濟發展背景下數字普惠金融對城鄉發展影響的相關研究。第二，數字普惠金融所依托的數字技術能夠通過其信息化、便捷化與數字化的特點使得技術知識具備空間傳播和轉移的可能性，忽視其空間溢出效應可能導致對數字普惠金融的收入分配效應有所低估，本文構建空間計量模型對數字普惠金融收入分配效應的空間溢出特征進行實證檢驗。第三，有別于大量關于共同富裕的文獻僅考慮收入差距的研究視角，本文考慮了共同富裕的發展性、公正性和可持續性，將經濟發展、收入差距、生態環境以及社會公平等納入共同富裕的考察范圍，擴展了共同富裕的研究范圍。

二、理論分析與研究假說

（一）數字普惠金融與城鄉收入差距

數字普惠金融對城鄉收入差距的影響差異主要體現在構成維度和地理區位方面：第一，數字普惠金融三個維度即覆蓋廣度、使用深度和數字化程度對城鄉收入差距具有不同的影響。李牧辰等認為，數字普惠金融的覆蓋廣度和使用深度為農村居民提供從無到有、從有到深的金融服務，在收斂城鄉收入差距方面發揮著積極作用，但移動支付等數字化金融業務則由于城鎮居民使用頻率較高，在一定程度上會加劇城鄉收入不平等（9）。第二，不同地區數字普惠金融對城鄉收入差距的作用效果不同。宋科等基于中國縣域數據研究發現，與東部地區相比，中西部地區由于金融機構數量少，開展金融業務的便利性和成本性劣勢明顯，數字普惠金融對城鄉收入差距的抑制作用正在衰減（10）。

綜上提出假設1：數字普惠金融能夠縮小城鄉收入差距。

（二）數字普惠金融作用于城鄉收入差距的機制

已有研究表明數字普惠金融有利于產業結構優化（11）和人力資本水平提高（12），上述兩大因素對于抑制城鄉收入差距擴大乃至社會經濟增長都具有較為顯著的作用，具體分析如下：

第一，從產業結構角度分析，促進產業結構優化是數字普惠金融縮小城鄉收入差距的重要機制。一方面，數字普惠金融能夠推動產業結構優化升級。數字普惠金融推動金融資本與實體經濟相融合，促進產業結構升級。部分學者認為數字普惠金融的使用深度和數字化程度與產業結構升級之間存在非線性關系（13）。另一方面，產業結構優化有助于緩解城鄉收入不平等問題。產業結構升級在長期內會優化居民收入結構，擴大中等收入人群比重進而抑制城鄉收入差距。

第二，從人力資本角度分析，提升人力資本水平是數字普惠金融作用于城鄉收入差距的另一重要機制。數字普惠金融能夠提升人力資本積累和促進人力資本高級化。數字普惠金融通過降低農村居民金融服務可得性門檻來增強農民對數字保險、信貸的認知能力和利用效率，促進農村地區人力資本高級化。

綜上提出假設2：數字普惠金融通過促進產業結構優化、提升人力資本水平來縮小城鄉收入差距。

（三）數字普惠金融、空間溢出效應與城鄉收入差距

大數據、云計算、區塊鏈、人工智能等數字技術的發展降低了金融機構的投資成本和人力成本，金融數據能夠以較低的成本實現跨時空傳播。金融機構運用云計算和大數據等數字技術能夠快速便捷地對客戶交易信息進行分類、統計和匯總，提高金融服務數據的全面性和可獲得性，緩解地區間金融服務信息不對稱問題，實現不同區域的數據共享。首先，信息化能夠引起空間溢出效應（14）。其次，空間溢出效應存在地區差異性特征。中國東部地區由于數字基礎設施較為完善，區域信息技術經濟聯系密切，對周邊城市輻射作用強，呈現出“一榮俱榮”的發展態勢，在數字經濟方面的空間溢出效應大于中西部地區（15）。最后，城鄉收入差距具有空間自相關性。普惠金融數字化打破傳統普惠金融固有網點的地理依賴性，通過移動終端為農村用戶提供金融服務，在對城鄉收入差距的影響過程中存在空間溢出效應。

綜上提出假設3：數字普惠金融在作用于城鄉收入差距的過程中存在空間溢出效應。

三、研究設計

（一）模型構建

為了定量考察數字普惠金融對城鄉收入差距的影響，本文構建基準計量模型如下：

（1）

在公式（1）中，i表示284個地級市，t代表2011年到2019年；被解釋變量Theil衡量城鄉收入差距，以數字普惠金融指數Dif為解釋變量，其系數體現了數字普惠金融對城鄉收入差距的影響度；X表示一系列控制變量，和代表個體和時間固定效應，為隨機誤差項。

根據前文假設可知，數字普惠金融可能通過產業結構優化和人力資本水平縮小城鄉收入差距，因此，根據Hansen的研究（16）構建模型（2）、（3）研究其影響機制：

（2）

（3）

為討論空間溢出效應，在基準回歸模型中加入空間交互項，構建空間計量模型：

（4）

其中，空間自相關系數為，選用地理距離矩陣為空間權重矩陣，和為解釋變量以及控制變量的空間交互項系數。上式為空間杜賓模型，主要解釋數字普惠金融作用于城鄉收入差距的空間溢出效應。

（二）變量定義

1. 被解釋變量

現有文獻常用泰爾指數、基尼系數或者城鄉居民可支配收入的比值來衡量城鄉居民收入差距。與后兩種衡量方式相比，泰爾指數考慮到人口變動因素，并用組內差距和組間差距反映城鄉居民收入差距，具有更好的解釋能力（17）。因此，本文在回歸中選用泰爾指數（Theil）作為被解釋變量，該指數數值越小，代表城鄉收入差距越小，其定義公式為：

（5）

其中，i=1代表城鎮，i=2代表農村，t為年份，y為城鄉居民可支配收入，x為城鄉人口數量。

2. 核心解釋變量

本文核心解釋變量選用由北京大學數字研究中心編制的2011—2020年數字普惠金融指數（Dif），共覆蓋中國31個省份、337個地級市。該指數包括三個一級維度，分別為覆蓋廣度（Cov）、使用深度（Use）和數字化程度（Dig），由于該指數相較其他變量數值過大，為保持同一量綱，將上述變量均除以100作為原始數據。

3. 中介變量

（1）產業結構優化。產業結構優化可以從產業結構高級化和合理化兩個方面來衡量。本文以第三產業和第二產業產值比值的對數衡量產業結構高級化（Lnis）；借鑒干春暉等（18）的研究方法，選擇以TL指數倒數的對數來衡量產業結構合理化（Lntl），指數計算公式如下：

（6）

Y代表第一產業、第二產業和第三產業的全年生產總值， Yi代表第i產業部門當年生產總值的增加值，L代表第一產業、第二產業和第三產業全年總的就業人數，Li代表第i產業部門當年的就業人數。TL指數越小，各產業部門之間越協調，因此TL指數的倒數越大，產業結構就越合理。

（2）人力資本水平。在數字經濟促進產業扶貧與產業振興過程中，人力資本發揮著中介效應（19）。本文選用教育支出和中小學生數量衡量人力資本水平。其中，教育支出（Teach）為各城市每年教育支出占地區生產總值的比重，中小學生數量（Pms）為當地中小學生數量占總人口的比重。

4. 控制變量

本文設立以下控制變量：外商直接投資（Fdi），本文借鑒樊軼俠等（20）的研究方法，選用外商直接投資總額占地區生產總值的比重來表示；經濟發展水平（Lnpgdp），選用當地人均收入占地區生產總值的比重來表示，并對其進行對數化處理，以衡量各城市經濟發展水平；農業收入（Agdp），用地區農業生產總值占GDP的比重來表示；政府干預程度（Gov），用各城市政府財政支出占地區生產總值的比重來表示；傳統金融發展水平（Loan），用年末金融機構貸款余額占地區生產總值的比重來表示。

5. 數據說明

本文選用中國2011—2020年284個地級及以上城市的相關數據作為樣本觀測值，各城市社會經濟數據主要來源于《中國統計年鑒》《中國城市統計年鑒（2012—2021）》《中國農村統計年鑒》以及EPS中國城市數據庫。考慮到數據缺失及行政區調整等情況，為了保證數據的完整性和樣本可獲得性，對于個別缺失值通過插值法補齊。

四、實證結果分析

（一）基準回歸分析

表1報告了基準回歸結果。其中，第（1）列為兩者之間的單變量關系，第（2）列至第（6）列則是依次控制外商直接投資、經濟發展水平、農業收入、政府干預程度以及傳統金融發展水平后所顯示的回歸結果。具體而言，控制一系列變量后，數字普惠金融指數每增長1%，可縮小城鄉收入差距0.0155%。由表1可知，第（1）列至第（6）列的系數值均為負且顯著，表明數字普惠金融發揮了顯著抑制作用。

上述基準回歸結果表明，在控制變量方面，外商直接投資對縮小城鄉收入差距具有顯著作用。當外商投資勞動力密集型產業時，可以為農村剩余勞動力解決就業崗位少、離家遠等問題，進而拓寬農民增收渠道，促進城鄉收入差距的收斂。經濟發展水平同樣對城鄉收入不平等產生負向影響，經濟發展水平與居民收入具有正相關關系，盡管農村居民收入基數小、儲蓄少，但其收入增長邊際速度會高于城市居民，城鄉收入差距受到抑制。農業收入的影響系數顯著為負，農村居民很大一部分收入來自農業。農業收入越高，農民總體收入就越高，城鄉收入差距便越小。在政府干預方面，地方政府能夠通過頒布政策、增加財政支出等方式扶助低收入群體，進而緩解城鄉收入不平等。傳統金融發展水平的系數不顯著，且結果為正。可能的解釋是相比于農村居民，城鎮居民更容易獲得銀行貸款服務，因此作用效應不顯著。

（二）穩健性分析

為驗證上述回歸結果是否可靠，本文通過排除政策干擾、剔除部分城市樣本和替換被解釋變量進行穩健性檢驗，穩健性檢驗的結果見表2。

1.排除政策干擾

工業和信息化部、國家發展和改革委員會曾于2014年、2015年和2016年分三批遴選出120個城市（群）作為“寬帶中國”試點城市。“寬帶中國”試點政策提高了地方信息發展水平，對城鄉收入差距具有一定影響（21）。為排除該項試點政策干擾，本文進一步設立變量Time×BCS，若城市i在t年入選了“寬帶中國”試點名單，則Timei，t×BCS=1，否則為0。將該變量加入基準模型進行回歸檢驗，表2第（1）列顯示，系數為-0.0171且顯著，說明前文實證結果是穩健的。

2.剔除部分城市樣本

基于由樣本城市經濟發展水平差異所引起地區間數字普惠金融發展和居民收入差距不平衡的情況，本部分通過剔除直轄市和省會城市樣本進行穩健性檢驗，結果見表2第（2）列，回歸結果仍顯著為負，且與前文基準回歸結果-0.0156相差不大。

3.替換被解釋變量

如前文所述，城鄉居民收入差距的測度方式有很多，部分學者采用城鄉居民人均可支配收入之比來衡量（22）。參考以上研究，本文選用此指數替換被解釋變量，穩健性結果顯示，主要解釋變量的顯著性水平未發生明顯變化，證明基準回歸結果仍然穩健。

（三）內生性處理

由于不能完全控制所有影響城鄉收入差距的變量，盡管本文已經控制了部分變量，但仍可能存在遺漏變量所引起的偏誤問題。因此，參考Bartik（23）、郭峰（24）等學者的文獻，本文選用工具變量法緩解以上內生性問題。構建工具變量為數字普惠金融指數滯后一期（Difi，t-1）與樣本城市到杭州市距離（Dis）的乘積。

通過工具變量，采用兩階段最小二乘法（2SLS），兩階段回歸結果見表3。第一階段工具變量的回歸結果為負且在1%水平下顯著，說明工具變量與數字普惠金融指數存在負相關關系，并且F統計量遠大于10，表明不存在弱工具變量的問題，工具變量的選取是可靠的。第二階段數字普惠金融對城鄉收入差距的回歸結果在1%水平下顯著為負，與基準回歸結果相比，系數符號未發生改變，僅系數有所不同，證明了前文研究的回歸結果是穩健的。

（四） ?異質性檢驗

為進一步探討數字普惠金融對城鄉收入差距的空間異質性，本文按照中國東中西三大地區進行樣本回歸，結果見表4。

將樣本中284個地級市根據地理位置進行劃分，包括99個東部城市樣本、123個中部城市樣本以及62個西部城市樣本。結果顯示，東中西部的影響系數分別為-0.0100、-0.0180和-0.0167，且均在1%水平下顯著，說明三個地區數字普惠金融發展均發揮收斂作用。但就具體作用效力而言，中部地區作用效力最大，西部次之，東部影響最小，這可能是因為東部地區經濟發展水平高，基礎設施比較完善，城鎮居民和農村居民都有條件通過數字普惠金融提高自身收入，因此作用效力較小。而中西部地區數字普惠金融發展與東部地區相比處于早期階段，特別是農村地區對數字普惠金融的接受和利用條件均有限，因此作用效應更強。

（五）機制檢驗

前文結果已經驗證了假設1，然而，數字普惠金融對城鄉收入差距的作用機制仍不確定。為進一步探究數字普惠金融通過何種作用渠道對城鄉收入差距產生影響，本文避免中介效應模型存在內生性偏誤以及部分渠道識別不清等問題（25），參考Liu and Mao（26）、劉斌和甄洋（27）的研究方法，通過檢驗核心解釋變量對中介變量的影響進行機制識別。據此，本文從產業結構以及人力資本兩個維度進行機制檢驗。

數字普惠金融可以通過推動產業結構高級化和合理化來促進產業結構優化升級，從而縮小城鄉收入差距。為檢驗該機制，選用第三產業和第二產業產值比值的對數來衡量產業結構高級化（Lnis）；同時將就業人數納入計量，選擇TL指數倒數的對數來衡量產業結構合理化（Lntl），并對二者進行實證檢驗。表5報告了產業結構優化回歸結果，第（1）、（2）列顯示數字普惠金融對產業結構高級化和產業結構合理化的估計系數分別為0.1491和0.7903，且通過1%顯著水平檢驗，說明數字普惠金融能夠推動產業結構的高級化和合理化，進而促進產業結構優化。數字普惠金融可以通過提升人力資本水平的途徑來實現居民收入的增長，進而縮小城鄉收入差距。本文選用地方教育支出占總支出的比重（Teach）以及當地中小學生數量占總人口比重（Pms）來衡量人力資本水平。具體的回歸結果見表5，第（3）、（4）列是數字普惠金融對人力資本水平的直接影響，系數為正且顯著，表明數字普惠金融能夠提升人力資本水平。綜上，假設2成立。

五、拓展性分析：數字普惠金融的空間溢出效應和共同富裕效應

本文參考Elhorst（28）的檢驗方法，選擇空間杜賓模型（SDM）進行空間檢驗。回歸結果如表6所示，第（1）列中空間自回歸系數ρ為0.8777，且通過1%顯著水平檢驗，證明空間依賴性是樣本城市城鄉收入差距的重要特征，空間滯后項（WDif）為-0.0811且顯著，說明城鄉收入差距受到本地城市和周邊城市數字普惠金融發展的空間交互作用所影響。

空間計量模型中數字普惠金融的回歸系數并不能直接反映數字普惠金融對城鄉收入差距的影響程度，因此采用求偏微分的方式將其分解成直接效應、間接效應和總效應（29），結果見表6第（2）列至第（4）列。直接效應結果為-0.0155，這與前文基準回歸結果-0.0156相差不大，表明本地城市數字普惠金融發展能縮小城鄉收入差距。間接效應即溢出效應結果顯示為-0.7448，且通過1%顯著水平檢驗，說明樣本城市數字普惠金融發展能夠抑制相鄰城市城鄉收入差距，即存在負向空間溢出效應。綜上所述，假設3得到驗證。

基于上述分析，從基準回歸看，數字普惠金融有效抑制了城鄉收入差距。機制分析也表明，數字普惠金融能夠通過促進產業結構優化、提升人力資本水平來縮小城鄉收入差距。由此推斷，數字普惠金融能夠促進社會收入分配不平等的改善。為更全面地研究數字普惠金融的共同富裕效應，本文通過構建共同富裕的衡量指標體系，進一步分析數字普惠金融對共同富裕的影響，主要解釋變量與前文一致，使用北大數字普惠金融指數作為各地級市的數字普惠金融發展水平的代理指標。在共同富裕指標體系構建中，本文參考郁建興和任杰（30）、李金昌和余衛（31）的研究方法，將經濟發展、收入差距、社會福利公平以及生態環境納入考量范疇。

本文采用Global-Malmquist-Luenberger （GML）指數來測算共同富裕（CP）水平（見表7）。在投入指標上，資本投入通過資本存量來衡量，勞動投入采用勞動力人口來表示。在產出指標上，期望產出為地區實際生產總值，體現共同富裕的發展性；非期望產出為社會產出（城鄉收入差距、城鄉消費差距、城鎮登記失業率）以及生態產出（廢水、廢氣、固廢），體現共同富裕的共享性與可持續性。其中，資本存量主要通過永續盤存法計算得出，價格指數采用地級市當年所屬省份的價格指數進行平減，折舊率參考張軍等（32）的研究成果設定為9.6%，將2010年各市固定資產投資設定為基期資本投入來核算基期存量。

表8顯示數字普惠金融對共同富裕的面板回歸結果。第（1）和第（2）列分別為不加入控制變量、加入控制變量的回歸結果，兩列結果均表明，數字普惠金融指數對共同富裕指數具有顯著的正向影響，數字普惠金融確實有利于共同富裕的實現。第（2）列回歸結果顯示，數字普惠金融指數每增長1% ，共同富裕指數上升0.0277%。

六、研究結論與政策建議

本文采用北京大學2011—2020年數字普惠金融指數，運用多種回歸模型探究共同富裕背景下數字普惠金融對中國城鄉居民收入差距的影響效應，得出以下主要結論：第一，通過固定效應模型發現數字普惠金融對城鄉收入差距產生負向影響，在控制一系列變量后，該結論仍然成立。第二，通過中介效應機制檢驗得出促進產業結構優化和提升人力資本水平是數字普惠金融抑制城鄉收入差距的兩個重要機制。第三，運用空間杜賓模型，發現數字普惠金融對城鄉收入差距存在負向空間溢出效應。第四，通過構建多維度共同富裕指標體系，實證檢驗發現數字普惠金融有利于促進共同富裕。

根據以上研究結論，本文提出以下政策建議：

第一，充分發揮數字普惠金融縮小城鄉收入差距的作用，為低收入群體提供從無到有、從有到深的金融服務和增收渠道。加強數字普惠金融服務宣傳，降低數字普惠金融的準入門檻，堅持踐行普惠性原則，拓寬農民增收渠道。

第二，通過發展數字普惠金融，促進新產業的產生和產業產能的擴大。以數字普惠金融促進產業結構合理化，優化要素投入和產出結構，支持實體企業技術創新。

第三，加大對農村落后地區人力資本的投資，提升農村居民受教育程度，通過數字金融的普惠性和共享性給予更多農村居民參與金融市場的機會。

第四，推動數字普惠金融區域協調發展，加強區域內和區域間協同合作。通過優化配置金融市場資源，實現跨區域資源整合與共享，帶動周邊地區的經濟發展和居民收入提高。

注釋：

（1） 習近平：《高舉中國特色社會主義偉大旗幟 ?為全面建設社會主義現代化國家而團結奮斗——在中國共產黨第二十次全國代表大會上的報告》，《人民日報》2022年10月26日。

（2） 習近平：《扎實推動共同富裕》，《共產黨員》2021年第21期。

（3） 國家統計局編：《中國統計年鑒2021》， 中國統計出版社2021年版，第1—3頁。

（4） 張云礦、胡善成、楊桐彬：《地方政府經濟增長目標影響城鄉收入差距嗎——來自省級政府工作報告的經驗證據》，《廣東財經大學學報》2022年第4期。

（5） 萬廣華、江葳蕤、趙夢雪：《城鎮化的共同富裕效應》，《中國農村經濟》2022年第4期。

（6） 程銳、馬莉莉：《人力資本結構優化視角下的城鄉收入差距——來自省級層面的經驗證據》，《北京工商大學學報》（社會科學版）2022年第3期。

（7） 玉國華：《農村信貸投入、勞動力轉移與城鄉收入差距：理論與實證》，《農業技術經濟》2021年第11期。

（8） 孫天琦：《G20數字普惠金融高級原則：背景、框架和展望》，《清華金融評論》2016年第12期。

（9） 李牧辰、封思賢、謝星：《數字普惠金融對城鄉收入差距的異質性影響研究》，《南京農業大學學報》（社會科學版）2020年第3期。

（10） 宋科、劉家琳、李宙甲：《數字普惠金融能縮小縣域城鄉收入差距嗎？——兼論數字普惠金融與傳統金融的協同效應》，《中國軟科學》2022年第6期。

（11） 唐紅梅、趙軍：《數字普惠金融、產業結構與包容性增長》，《當代經濟科學》2022年第6期。

（12） 徐光順、馮林：《數字普惠金融對城鄉收入差距影響的再檢驗——基于農戶人力資本投資調節效應的視角》，《農業經濟問題》2022年第5期。

（13） 唐文進、李爽、陶云清：《數字普惠金融發展與產業結構升級——來自283個城市的經驗證據》，《廣東財經大學學報》2019年第6期。

（14） S. Yilmaz， K. E. Haynes and M. Dinc， Geographic and Network Neighbors： Spillover Effect of Telecommunications Infrastructure， Journal of Regional Science， 2010， 42（2）， pp.339-360.

（15） 崔蓉、李國鋒：《中國互聯網發展水平的地區差距及動態演進：2006—2018》，《數量經濟技術經濟研究》2021年第5期。

（16） Bruce E. Hansen， Threshold Effects in Non-Dynamic Panels： Estimation， Testing， and Inference， Journal of Economics， 1999， 93（2）， pp.345-368.

（17） 梁雙陸、劉培培：《數字普惠金融與城鄉收入差距》，《首都經濟貿易大學學報》2019年第1期。

（18） 干春暉、鄭若谷、余典范：《中國產業結構變遷對經濟增長和波動的影響》，《經濟研究》2011年第5期。

（19） 唐紅濤、謝婷：《數字經濟視角下產業扶貧與產業振興有效銜接的機理與效應研究》，《廣東財經大學學報》2022年第4期。

（20） 樊軼俠、徐昊、馬麗君：《數字經濟影響城鄉居民收入差距的特征與機制》，《中國軟科學》2022年第6期。

（21） 趙濤、張智、梁上坤：《數字經濟、創業活躍度與高質量發展——來自中國城市的經驗證據》，《管理世界》2020年第10期。

（22） 葛繼紅、王猛、湯穎梅：《農村三產融合、城鄉居民消費與收入差距——效率與公平能否兼得？》，《中國農村經濟》2022年第3期。

（23） T. J. Bartik， How Do the Effects of Local Growth on Employment Rates Vary with Initial Labor Market Conditions？ Upjohn Institute Working Paper， 2009， 64（18）， pp.09-148.

（24） 郭峰、孔濤、王靖一：《互聯網金融空間集聚效應分析——來自互聯網金融發展指數的證據》，《國際金融研究》2017年第8期。

（25） 江艇：《因果推斷經驗研究中的中介效應與調節效應》，《中國工業經濟》2022年第5期。

（26） Liu Yongzheng， Mao Jie， How Do Tax Incentives Affect Investment and Productivity？ Firm-Level Evidence from China， American Economic Journal： Economic Policy， 2019， 11（3）， pp.261-291.

（27） 劉斌、甄洋：《數字貿易規則與研發要素跨境流動》，《中國工業經濟》2022年第7期。

（28） J. P. Elhorst， Matlab Software for Spatial Panels， International Regional Science Review， 2014， 37（3）， pp.389-405.

（29） 張兵兵、胡榴榴：《城市環境立法能夠提升企業出口國內附加值率嗎？——基于雙重差分模型（DID）的實證研究》，《地理研究》2021年第10期。

（30） 郁建興、任杰：《邁向精準治理：后小康時代中國農業農村的再出發》，《公共管理學報》2022年第3期。

（31） 李金昌、余衛：《共同富裕統計監測評價探討》，《統計研究》2022年第2期。

（32） 張軍、吳桂英、張吉鵬：《中國省際物質資本存量估算：1952—2000》，《經濟研究》2004年第10期。

作者簡介：伍卓，南華大學經濟管理與法學學院教授，湖南衡陽，421001；周付友，南華大學經濟管理與法學學院，湖南衡陽，421001。

（責任編輯 李燈強）