数字普惠金融与城乡居民消费差距

■吕雁琴，赵 斌

本文选取2011～2017年我国30个省际面板数据，运用静态与动态面板分别对数字普惠金融是否可以缩小城乡居民消费差距进行实证分析。结果表明，无论在静态面板还是动态面板中，城乡居民收入差距与城乡居民消费差距呈现正相关关系；数字普惠金融对缩小城乡居民消费差距均起到明显的促进作用。在动态面板中，经济增长、产业结构优化、基础设施完善、经济开放水平进一步提高以及人口老龄化对城乡居民消费差距缩小起到明显的促进作用；互联网与财政支出对城乡居民消费差距缩小起到阻碍作用，城市化进程的作用则不显著。基于上述研究结论，提出进一步缩小城乡居民消费差距的相关建议。

一、引言与文献综述

自2011 年以来，随着计算机信息处理、数据通讯、大数据分析等一系列相关技术在我国金融领域的应用，数字普惠金融应运而生并得到迅猛发展。根据北京大学数字金融研究中心编制的中国数字普惠金融指数，2011年我国各省级数字普惠金融指数的中位值为33.6，2018 年增长到294.3，平均每年增长36.4%。数字普惠金融“低成本”“广覆盖”“可持续性”的特点与“嫌贫爱富”的传统金融形成鲜明对比，其发展有效地促进了信息共享，降低了交易成本和金融服务门槛，扩大了金融服务的范围和覆盖面，有利于广大中低收入者和弱势群体获得低成本的金融服务，同时也为城乡居民的消费带来了更多的金融机会与资源。数字普惠金融的快速发展能否显著地影响城乡居民消费差距的缩小，尤其在“无房不嫁”时代，研究数字普惠金融能否缩小城乡消费差距更有实际意义。

国外研究中，Deaton（2000）认为由于消费能够随着时间而平滑，且相对比较稳定（不会像收入那样剧烈波动或随着季节变动），因而在发展中国家被广泛用于测度不平衡问题。在发达国家中，与收入相比，消费也是衡量发展不平衡更合适、更准确的变量。Krueger & Perri（2006）通过选取美国1980～2003 年间的数据分析，得出美国消费不平等并没有伴随着收入不平等的增加。Meyer&Sullivan（2013）根据收入水平将美国人分为10等份组，并计算每一组的平均收入，结果发现，2007 年最高组的人均收入是最低组的5.8 倍，2011 年这一比值上升到6.4 倍；与此同时，二者的消费比从2007 年的4.3倍下降至2011年的3.9倍。

我国城乡发展不平衡是当前不可回避的问题，城乡收入与城乡消费是城乡差距的具体体现，而消费给居民带来的幸福感远远大于收入所带来的效应，因而消费水平也是衡量城乡差距的理想指标。国内学者已开展了传统金融对城乡居民消费的研究，杭斌和郭香俊（2009）实证分析得出我国城镇居民消费不仅受到“预防性储蓄”的影响，还受到自身消费习惯的影响；韩立岩和杜春越（2012）研究表明，借贷水平与居民消费呈显著的正相关关系，提高农村居民信贷水平对刺激消费作用更加明显；陈东和刘金东（2013）研究发现，消费性信贷可以更好地促进农村消费。近年来，学者们开始探讨互联网金融对城乡消费的影响。张李义和涂奔（2017）研究发现互联网金融的发展对消费结构升级有显著影响，并且对城镇居民消费的影响程度高于农村居民；郭庆和刘彤彤（2018）通过省际面板数据构建动态跨期消费模型，分析了P2P 网贷对我国城乡居民消费的多重效应，结果表明P2P 网贷对城镇居民消费水平的提高不显著，但是对农村居民消费水平的提高显著。

然而，对于金融业尤其是数字普惠金融的发展是否可以缩小城乡消费差距，降低城乡居民之间的消费机会差距，已有研究较少且存在欠缺。据此，本文将对我国30个省份（港澳台和西藏除外）2011～2017年的面板数据进行实证分析，探讨数字普惠金融能否缩小城乡居民消费差距，为我国发展数字普惠金融、实现城乡均衡发展提供决策参考。

二、模型设计与数据说明

（一）理论基础与计量模型

本文借鉴国外学者Loayza et al.（2000）和国内学者李文星等（2008）的研究成果，选择定量分析消费的简约型模型，该模型不依赖于某一特定的理论，也不依赖于某一特定环境，能更好地探究我国各省份数字普惠金融对城乡消费的影响。

本文将简约型消费模型中的解释变量分为三组：基本变量X、核心变量N 和控制变量M，具体模型如（1）所示：

其中，i 表示省份，t 表示年份，πi表示不可观测的地区效应，εit为随机干扰项。Cit表示各省份城乡居民消费差距，为被解释变量。借鉴纪江明（2012）等学者的研究成果，选用各省份城镇居民人均消费支出与农村居民人均消费支出之比来衡量城乡消费差距。X 为基础变量，主要为城乡居民收入。由于城乡居民收入差距的扩大也是导致城乡居民消费差距拉大的原因之一，本文选用各省份城镇人均可支配收入与农村可支配收入之比来衡量城乡居民收入差距（I）。

M 为数字普惠金融，为核心解释变量。本文引入北京大学数字金融研究中心编制的中国各省份数字普惠金融指数（Index）作为数字普惠金融的代理变量来探究其对缩小城乡居民消费差距是否有促进作用。

除了上述变量外，为了解决一部分因遗漏变量而产生的内生性问题，本文引入了控制变量N，具体有城市化率（Ur）、互联网（Inter）、城乡人口年龄结构（Pop）、产业结构（IS）、经济开放度（Tra）、政府干预（Gov）、经济增长（Eco）、市场化程度（Mar）和每万人标准道路里程（Tran）。通过对以上指标的选取，在模型（1）的基础上，得到模型（2）：

为确保变量的平稳性，对模型（2）两边的变量进行对数化处理，得到模型（3）：

考虑到消费的“棘轮效应”，在模型（3）的解释变量中加入被解释变量的滞后一期，得到模型（4）：

（二）数据来源与变量的描述性统计

本文选取2011～2017 年我国30 个省际的面板数据（由于港澳台和西藏的数据缺失，本文没有考虑在内），各省际数据来源于《中国统计年鉴》和《中经网统计数据库》。其中，我国各省际的数字普惠金融指数来源于北京大学数字金融研究中心编制的“北京大学数字普惠金融指数（2011～2015）”和“北京大学数字普惠金融指数（2016～2018）”，样本相关变量的描述性统计如表1所示。

三、实证结果分析

（一）静态面板估计

本文首先借助stata14.0 对模型（3）进行静态面板数据的实证分析。实证分析结果如表2 所示，由表2可以得到如下信息：首先，不管是否考虑控制变量，城乡居民收入差距都与城乡居民消费差距成显著的正相关关系。这说明在消费的决定因素中，收入是消费的基础，城乡收入差距的拉大势必会造成城乡消费差距的拉大。从实际情况看，自2011年以来，我国城乡收入差距不断缩小，消费差距也在不断缩小，城乡居民收入差距由2011年的2.90缩小到2018 年的2.69，同期城乡居民消费差距由2.90 缩小到2.15，是对本文实证研究的最好支撑。然而，城乡居民消费差距缩小的速度明显快于城乡居民收入差距，故而还需分析可以缩小城乡居民消费差距，促进城乡居民消费机会平等的其他因素。

其次，引入数字普惠金融指数后，不管是否考虑控制变量，数字普惠金融指数与城乡消费差距均成显著的负相关关系。这说明数字普惠金融的快速发展为城乡居民带来了更方便快捷的消费，缩小了城乡居民消费差距。本文实证所得参数估计系数为-0.091，相较于宋晓林（2017）、梁双陆（2019）等研究中所得的数字普惠金融对城乡收入差距的参数估计系数，-0.0044与-0.0009而言，表明数字普惠金融对缩小城乡居民消费差距的影响明显大于对收入差距的影响。

最后，在控制变量中，本文不对混合OLS 进行分析。在选择固定效应模型与随机效应模型时，由于Hausman 检验值的p 值为0.011，故只对表2 中第5 列的固定效应模型进行分析。结果显示，城市化进程、政府财政支出的加大与市场化进程的加快对缩小城乡消费差距具有显著的负作用。主要是因为农村人口通过进城务工，收入以及各方面的生活条件得到提高后，农村户籍人口就会转为城镇户籍人口，导致留在农村的基本上是老人和孩子，他们的消费水平很低，而政府的财政支出偏向于经济效益高的城镇地区，且市场化程度较高的也是城镇地区，从而为城镇居民的消费带来了更为便利的条件，林毅夫等（2009）也得出了与本文相同的结论。互联网的快速发展与城乡人口老龄化以及便捷的交通基础设施对城乡居民消费差距的缩小都有明显的促进作用，主要是因为互联网的快速发展为数字普惠金融的快速发展提供了契机，更加方便居民利用互联网技术进行消费支出；随着老龄人口的增加，农村老龄化对农村消费的提高远大于城市，交通基础设施的完善也会直接影响居民消费。

表1 变量的描述性统计

（二）动态面板估计

城乡居民消费和一些解释变量之间可能存在内生性问题，即与被解释变量之间存在双向因果关系而导致随机相关，这时静态面板模型所得到的结果都是有偏差的。为了得到更加稳健的分析结果，本文借鉴学者Roodman（2009）选用动态面板GMM方法，更好地识别消费者的“棘轮效应”以及更有效地控制变量的内生性问题。为此，本文用stata14.0分别对模型（4）进行两步系统广义矩估计（Twostep-SYS-GMM）和两步差分广义矩估计（Two-step-Diff-GMM），有效地解决一阶GMM估计中容易受到弱工具变量的影响而得到有偏估计的不足，从而降低动态面板数据估计结果的偏误。

表2 静态面板估计结果

实证分析结果如表3 所示，表中最后三行给出了广义矩估计工具变量有效性的检验值，AR（1）和AR（2）分别代表残差序列一阶和二阶相关检验。在估计中，残差序列允许一阶自相关但不允许二阶自相关，由表3可知，两步系统广义矩估计和两步差分广义矩估计的AR（1）和AR（2）都不存在二阶自相关；Sargan 检验为工具变量过度识别约束检验，由Sargan 检验的p 值可知，本文选取的工具变量均有效。经过对比Two-step-SYS-GMM 与Two-step-Diff-GMM 的标准差，可知两步系统广义矩估计SYS-GMM 小于Diff-GMM 的标准差。因此，本文选择两步系统广义矩估计（Two-step-SYS-GMM），估计结果见表3第1列，具体如下：

首先，城乡居民消费差距滞后一期作为解释变量时，参数估计系数为负，且在1%的显著性水平下高度显著，表明上一期的城乡居民消费差距会对当期的城乡居民消费差距产生缩小作用，即由于近年来我国城乡居民消费差距不断缩小，居民受到自身消费习惯以及消费“棘轮效应”的影响，会进一步促进今后城乡居民消费差距的缩小。

其次，城乡居民收入与城乡居民消费存在正相关关系，且高度显著，无论是动态面板中的两步系统广义矩估计还是静态面板中的固定效应模型，都表明收入在消费中起决定作用。数字普惠金融指数与静态面板中的固定效应模型相比，动态面板中的数字普惠金融指数对缩小城乡居民消费差距起到了很好地促进作用，即使是加入控制变量，数字普惠金融对缩小城乡居民消费差距的作用也是最强的，表明本文选取其作为核心解释变量的合理性，数字普惠金融的快速发展对缩小城乡居民消费有着更加积极的促进作用。

表3 动态面板估计结果

再次，我国城乡居民消费差距除了受城乡居民收入与数字普惠金融的影响外，其他控制变量也起到了重要作用。除了城市化进程对城乡居民消费不显著外，其他的控制变量如城乡老人抚养比、第三产业的快速发展、经济开放水平、人均GDP 的增长、市场化进程的加速以及交通基础设施的进一步完善均对缩小城乡消费差距起到了促进作用，且通过了显著性检验；但互联网快速发展以及政府财政支出的增加对缩小城乡居民消费差距没有起到促进作用反而起到了阻碍作用，主要是因为我国中西部地区通过移动互联网技术进行消费的依旧是城镇居民，农村的普及率很低，以及政府财政支出主要投资经济效益高的城镇地区，使得城市居民收入得到快速提升，对农村投资及其收益率相对较低，从而拉大了城乡消费差距。

最后，静态面板下的固定效应模型中，被解释变量城乡居民消费差距和控制变量中的产业结构、经济开放度以及人均GDP 增长的参数估计系数并不显著，但在动态面板中参数估计系数的显著性水平均显著，这表明以上几个解释变量与被解释变量存在明显的内生性问题，使得静态面板估计结果是有偏的。因此，使用动态面板两步系统广义矩估计得到的分析结果具有更高的可信度。

（三）稳健性检验

为了保证结果的稳健性，需要找到与数字普惠金融有直接联系、但与城乡居民消费差距没有直接联系的变量并选取相应的指标，用以替换数字普惠金融指数这一核心变量，进一步探究其对缩小城乡居民消费差距是否依旧通过显著性检验。本文借鉴LLSV（1998）的做法，选用普通法律体系这一变量，因为它为数字普惠金融的发展提供法律保障，但与城乡居民消费差距并无直接联系；在此基础上，借鉴樊纲、王小鲁等（2018）估算的法律制度环境得分这一指标，由于其最新数据更新到2016 年，我们利用回归方法计算出2017 年各省份的法律制度环境得分（law）作为代理变量，然后使用系统GMM估计方法，得出的估计结果与前文结果基本一致，表明本文研究结论具有稳健性。

四、结论与建议

本文分析表明数字普惠金融的快速发展对缩小城乡居民消费差距的作用明显，且均通过了显著性检验。数字普惠金融对缩小城乡消费差距的作用明显大于对缩小城乡居民收入差距的影响。虽然消费依旧受到收入的影响，但是随着互联网技术的快速发展以及数字普惠金融的兴起，消费受到收入波动的影响不再像改革开放初期那么高了，数字普惠金融缩小了城乡居民间的消费机会差距。同时，城乡老人抚养比、第三产业的快速发展、经济开放水平、人均GDP 的增长、市场化进程的加速以及交通基础设施的进一步完善对缩小城乡居民消费差距都起到了促进作用，但政府财政支出的增加对缩小城乡居民消费差距不但没有起到促进作用，反而起到了阻碍作用。据此，本文提出以下建议：

首先，企业要在国民收入初次分配中发挥积极作用，政府要在国民收入再分配中发挥促进作用，切实缩小城乡居民的收入差距，为消费提供基础；其次，积极推动以“互联网+”模式的信息技术、大数据技术以及云计算等创新型数字金融的发展，并着力发挥数字普惠金融提高农村家庭、中低收入家庭和欠发达地区家庭可支配收入的作用，进一步完善相关的法律法规；同时，警惕个人普惠金融服务等方面过快扩张的风险；再次，始终要以经济建设为中心，不断加强城乡道路等基础设施建设，优化完善产业结构，进一步提高对外开放水平，更加重视老年人市场的消费；最后，财政支出结构有待进一步优化。政府需进一步加大财政支农的力度，不仅仅要体现在数量上，更要体现在质量上。比如，加大对农村地区交通基础设施的投入以及进一步解决农村“上网难，上网慢”的问题，深入推进乡村振兴战略的落实，让改革成果更好地惠及全体人民。