论数字普惠金融的发展 对缩小我国城乡收入差距的研究 ——基于空间杜宾模型的实证研究

吴雪峰 苏伟洲

（西南科技大学经济管理学院 四川绵阳 621010）

我国城乡二元经济结构问题一直是学者们关注的社会、经济问题，城乡发展失衡、城乡发展差距的扩大严重影响了我国的包容性增长①进程。城乡收入差距可以城乡居民可支配收入的比值进行描述。图1显示了31 个省市区几个年份的城乡收入差距比值走势，可以看出，在2007-2018 年间，我国城乡收入差距总体呈逐年缩小的态势；比较各折线的波动幅度可知，各省之间的城乡收入差距也在不断缩小。解决我国城乡发展差距问题是实现我国包容性增长的必要前提，也是实现中华民族伟大复兴的必经之路。

图1 31 个省市区城乡收入比值

另一方面，互联网革命的兴起，中国的普惠金融在过去的几年时间里实现了较为长足的发展。尤其自2016 年9 月杭州G20 峰会正式发布《G20 数字普惠金融高级原则》，数字普惠金融逐渐成为社会各界的关注焦点。大数据、云计算、区块链、AI 技术等的出现推进了我国金融创新的进程，数字普惠金融在我国迅速崛起。数字普惠金融是对传统金融业务的补充和延伸，致力于借助数字化手段让所有居民共享数字金融发展成果，理论上有助于城乡居民更加平等地获取金融资源，提升资源配置效率。数字普惠金融的发展对我国城乡收入差距的缩小是否产生了较明显的作用呢？考虑到我国各省数字普惠金融发展水平的差异以及各省份之间的空间溢出，本文在加入空间相关性考虑的基础上，致力于研究数字普惠金融对缩小我国城乡收入差距的影响，并就结论提出相应的对策建议。

一、文献综述

关于金融发展与收入差距的关系，学术界存在三种观点：第一种是金融发展和收入分配差距呈负相关关系，金融发展最终会使收入差距缩小，如Galor&Zeira[1]，Banerjee & New-man[2]等；第二种是金融发展会导致收入差距扩大，如温涛，冉光和熊德平[3]；第三种认为金融发展与收入差距之间的关系无法确定，如孙玉奎等[4]。

数字普惠金融与普惠金融两字之差，但二者并不能等同，因为二者所涵盖的对象具有较大的差异。不同于数字普惠金融主要以互联网金融平台为测度对象，普惠金融的形式与测度依旧是以银行业为主。Sarma 从银行业的业务指标方面构建普惠金融发展水平的指标体系[5]；Cupte.et al 的普惠金融指标体系将其他金融机构纳入进来[6]；郭峰等采用蚂蚁金服集团的蚂蚁金服的交易数据，从互联网金融各种业务的覆盖广度、使用深度和数字支持服务程度三方面入手，编制出了我国2011-2018 年间各省、市、县三个层次的数字普惠金融指数②。

部分已有文献证明，普惠金融的发展对经济增长具有显著的影响，如李建伟（2017）采用变异系数法构建普惠金融发展指数，并采用空间计量实证方法进行研究，结果表明，省份之间的普惠金融发展水平差距加大，多数省份普惠金融的发展有利于缩小本省份城乡收入差距，但存在小部分省份的普惠金融会扩大城乡收入差距的现象[7]。

综上所述，关于金融发展与收入差距的研究有如下几处演变：首先，金融发展的指标测量由传统的以银行业为主的金融指标逐渐变为普惠金融发展指标，又逐步过渡到数字普惠金融发展指标。其次，实证方法由面板回归模型向空间面板计量模型过渡。最后，研究结论多数趋于普惠金融有利于缩小城乡收入差距这一结论，但不同学者对于这种影响力度尚存异议。鉴于此，本文拟采用郭峰等编制的最新出炉的数字普惠金融发展指标数据，采用空间计量方法，研究省份之间的数字普惠金融发展水平对城乡收入差距的影响，并提出相应的对策建议。

二、模型构建与指标选取

（一）空间权重矩阵

进行空间计量分析的一个必备前提条件是构建空间权重矩阵。空间权重矩阵通常有三种形式：邻接矩阵、地理距离矩阵和经济距离矩阵。本文采用邻接矩阵形式的空间权重矩阵。该矩阵是一个n阶方阵，其中元素Wij，当区域i 和区域j 相邻时，Wij赋值为1；当区域i 和区域j 不相邻时，Wij赋值为0，矩阵对角线上的元素均为0。本文拟利用goeda和Matlab R2014a 软件处理，得到31x31 的空间权重矩阵w，并对其进行标准化处理。

（二）空间相关性

是否将空间效应纳入到实证分析中可根据空间自相关系数Moran’I 进行判断。该指标常用于检验全局或局部空间自相关性，全局Moran’I 指数的具体公式为：

（三）空间杜宾模型构建

本文构建的空间杜宾模型公式如下：

其中，URIG 表示城乡收入差距，DFII 表示数字普惠金融发展水平，w 是空间权重矩阵，w*URIG项是因变量空间滞后项，体现了邻近省份的城乡收入差距对本省城乡收入差距的影响；w*DFII 是核心解释变量的空间滞后项，表示邻近省份的数字普惠金融发展对本省城乡收入差距的影响；X 是一系列控制变量所构成矩阵；β0～β3为待估参数，β4和β5为待估参数组成的向量；μi为个体效应，衡量时间固定不变的个体差异；λi表示时间效应，衡量固定个体随时间变化的差异；εit为随机扰动项。上述模型估计均在静态空间面板的框架下进行，采用极大似然估计法进行估计。

（四）指标选取

1. 被解释变量

本研究选择城乡收入比值作为被解释变量——城乡收入差距的代理变量，选取城乡收入比（城镇居民人均可支配收入与农村居民人均可支配收入的比值）来衡量。

2. 核心解释变量

核心解释变量是中国数字普惠金融指数。本文采用北京大学数字金融研究中心和蚂蚁金服集团共同编制的中国数字普惠金融指数来表征中国普惠金融的发展状况。这是国内首次利用大规模数字普惠金融交易数据编制的数字普惠金融发展指数，具有一定的代表性和创新性，可以集中反映我国数字普惠金融发展状况。

3. 控制变量

为使空间计量模型更为全面、准确，本文以教育支出占财政支出的比重、对外开放程度、城镇化率、人均GDP 几个指标为控制变量以提高模型的精确性。所有指标及计算方式见表1。

表1 指标选取

（五）数据来源

本文选取的数字普惠金融指数数据来源于《北京大学数字普惠金融指数报告》。选取我国大陆31个省、直辖市、自治区的年度面板数据，相应的数据集中来源于中国经济与社会发展统计数据库。由于中国数字普惠金融指数始于2011 年，为保证研究的一致性，样本数据的时间跨度也为2011-2018年。本研究的后述检验和估计结果均由软件Matlab R2014a 计算所得。

三、实证分析

（一）空间相关性检验

本文采用邻接矩阵w，对研究期内31 个省市区的样本数据进行全域空间自相关性检验，结果见表2。研究期内全域Moran 指数在1%的显著性水平下为0.557 1，表明具有明显的、正向的空间自相关性。这表示我国邻接省份间的城乡收入差距并非相互独立，而是在空间上相互影响。

表2 全局Moran 指数计算结果

（二）空间面板模型的选择

1. Wald 检验和Hausman 检验

在考量具体采用何种空间计量模型时，可使用Wald 检验SDM 是否可转换为SLM（空间滞后模型）和SEM（空间误差模型）其中的一种，结果见表3。在1%的显著性水平下均无法拒绝原假设，无法判定SDM 模型可以具体转换为哪种模型。因此，应选取SDM 模型。另外，为确定SDM 模型应采用随机效应或固定效应，需进行Hausman 检验，结果见表3。可得，SDM 模型的Hausman 检验通过了1%水平的显著性检验，拒绝采用随机效应模型的原假设，故SDM 模型应当采用固定效应模型。

表3 Wald 检验和Hausman 检验

2. 空间杜宾模型估计

最后，在选定固定效应的前提下对SDM 模型分别进行空间固定、时间固定、时空双固定模型的估计，得到结果见表4。比较SDM 的三种不同固定效应的估计结果可得，在时空双固定的设定下，SDM模型的拟合优度和对数似然值最高，因此，最终确定采用时空双固定效应下的SDM 模型并进行分析，得到结果见表4。

表4 SDM 估计结果

空间杜宾模型估计结果显示，数字普惠金融对城乡收入差距具有一定的负向作用，表明数字普惠金融发展水平的提高有利于在空间上总体缩小城乡收入水平；数字普惠金融发展滞后会造成城乡收入水平的差距扩大化，不利于社会效率与公平的实现。在一系列控制变量中，仅有人均GDP 对数的系数在5%的显著性水平显著，表明人均GDP 上涨有利于城乡收入的缩小，反之则造成城乡收入的扩大，间接反映出经济增长的质量对缩小城乡差距的重要性。

3. 空间杜宾模型的效应分解

采用时空双固定效应下的SDM 模型得到估计结果后，进一步进行效应分解，分别得到直接效应、间接效应和总效应，具体见表5。

表5 空间杜宾模型效应分解

由表5 可见，数字普惠金融的直接效应为负，间接效应为正，说明本省数字普惠金融发展程度越高，本省内部的城乡发展差距越小；同时，邻接省份的数字普惠金融发展程度越高，则本省份的城乡发展差异越大，也可反向表述。教育支出在1%的水平下具有显著的、正向的间接效应，这间接表明邻省的人力资本水平提升具有扩大本省的城乡收入差距的作用，而对邻接省份内部的城乡收入差距则没有显著影响，这与前面SDM 估计结果提及的非空间教育支出比重变量不显著一致。从城镇化的效应分解看，其在1%的显著性水平上，城镇化间接效应的回归结果为0.027 8，说明相邻省份的城镇化率对本省城乡收入差距具有一定的正向影响，相邻地区城镇化水平的提升会导致本省份城乡收入差距的扩大。人均地区生产总值的直接效应、间接效应与城乡收入差距均呈显著负相关。如果相邻省份的人均地区生产总值越高，则该省内的城乡收入差距越小，邻省的城乡收入差距也越小。

四、结论与建议

（一）结论

本文通过构建2011-2018 年31 个省市区的面板数据，使用空间计量模型实证分析了数字普惠金融对城乡收入差距的影响，得到如下结论：

各省的数字普惠金融发展和人均GDP 对各省城乡收入差距具有一定的负向影响，即数字普惠金融对缩小城乡收入差距有一定积极作用，但这种影响力有限，说明数字普惠金融的优势尚未完全发挥出来，有待进一步激发；且相邻省份之间在诸如数字普惠金融资源、城镇化推进涉及资源、教育资源、人才等方面存在着竞争和挤出效应；另外，某一省份的人均地区生产总值越高，该省内的城乡收入差距越小，其邻接省份的城乡收入差距也越小，反映出相邻省份的经济增长数量和质量的提高对周边欠发达地区的发展具有正向的扩散效应，进一步表明发达省份一定程度上可以带动周边欠发达省份发展，有利于促成产业集聚和增长极的出现，促进区域内各省协同发展。

（二）建议

在厘清数字普惠金融及其他显著变量影响城乡收入差距的内在逻辑之后，本文提出如下建议：

首先，对数字普惠金融发展的广度和深度进行进一步扩展，以增强其在资源配置效率方面发挥的作用。政府及有关部门尤其应在欠发达地区与农村地区建立支持数字普惠金融业务的基础设施和技术保障部门，加速金融服务通过数字化惠及落后地区的步伐。同时，考虑到空间溢出效应，相邻省份可开展数字普惠金融业务的合作，避免资源的挤占现象。

其次，邻近省份应多开展合作，进一步推进城镇化，推动区域经济高质量发展。在保护生态环境可持续发展的基础上，邻近省份应共同推进城镇化建设，缩小区域内部差异。同时，政府政策可适当向农村地区倾斜，加速资本、劳动力、教育资源等要素在城乡之间的流动，避免出现资源挤占与资源缺乏的局面。尤其应加大农村地区的教育投入，缩小城乡教育水平的差距。

最后，加强对数字普惠金融业务等创新业务的监管。数字普惠金融在我国仍是新生事物，其在发展过程中仍有一些问题尚待解决。对数字普惠金融业务的监管不仅涉及到城乡居民的直接利益，实则也是对经济高质量增长的保驾护航。

注释

① “包容性增长”（inclusive growth）于2007 年由亚洲开发银行首次提出，指的是一种社会和经济协调发展、可持续发展的方式，与单纯追求经济增长相对立。它的内容主要包括效率与公平两方面，既实现经济的可持续增长又兼顾落后地区、贫困人群，致力于创造更多的就业岗位，实现机会与结果的公平，最终目的是把经济发展成果最大限度地让民众共同受益。

② 郭峰，王靖一，等. 测度中国数字普惠金融发展：指数编制与空间特征[J]. 经济学（季刊），录用待刊.