数字普惠金融、信贷可得性与居民贫困减缓*——来自中国家庭调查的微观证据

周 利 廖婧琳 张 浩

（1.广东外语外贸大学金融学院 广州 510006）

（2.广东金融学院金融与投资学院 广州 510521）

一、引言

贫困问题不仅事关经济民生，更关系到社会稳定、国家的长治久安，减缓甚至消除贫困是人类发展过程中的重要任务。自党的十八大以来，我国的贫困发生率已由2012年的10.2%下降至2019年的0.6%。①数据来源于国家统计局，其中贫困发生率是指贫困人口占目标调查人口的比重。2020年，中国的脱贫攻坚更是取得重大胜利，贫困县全部摘帽退出，农村绝对贫困人口全部脱贫。但正如习近平总书记在2020年决战决胜脱贫攻坚座谈会上指出的，脱贫摘帽不是终点，而是新生活、新奋斗的起点。因此，在新形势下我们需要探讨何种因素支撑中国脱贫攻坚取得如此显著的成效，如何防止返贫、巩固拓展脱贫成果，以及后小康时代如何进一步解决相对贫困问题。

金融发展被认为可以通过经济增长的“涓滴效应”、改善收入分配和降低信贷约束等途径减缓贫困（杨俊等，2008）。但由于地理环境、收入、社会地位等方面的原因，低收入和贫困群体通常被排斥在正规金融体系之外，难以获得所需的金融服务，而普惠金融的开展恰能有效降低这一门槛效应。且近年来伴随互联网的普及以及数字技术的广泛应用，数字化的普惠金融迅速发展。那么，数字普惠金融的发展能否有效减缓贫困？如果可以减缓，其将借助何种机制进行传导呢？

低收入群体囿于其自身收入水平或家庭财富规模的限制往往被排斥在金融体系之外，导致其金融需求无法满足，并由此陷入贫困循环陷阱，而普惠金融的产生则能在一定程度上有效缓解这一现象。Yunus（1998）更是指出贷款应作为一项人权，而普惠金融的发展恰恰可以让低收入及弱势群体获得并利用经济资源的机会。因此，就普惠金融的发展能否有效降低贫困，国内外学者展开了广泛的研究和讨论。通过在农村地区设立银行机构（Burgess和Pande，2005）、在贫困地区试行微型金融项目，普惠金融通过为低收入群体提供信贷、保险等金融服务的方式以达到降低贫困的目标。Park和Mercado（2016）以37个亚洲国家和地区作为研究对象，实证检验发现普惠金融的发展可以显著减缓贫困。

但李涛等（2016）则认为过度依赖银行提供流动性的普惠金融体系可能阻碍经济增长。Pham和Lensink（2010）比较了越南的微型金融贷款和商业银行贷款，结果发现商业银行贷款显著提升了自雇家庭的利润，而微型金融贷款对利润的影响则不显著。对此的解释是，对于主要面向低收入群体的微型金融，相关政府部门限制其发放的贷款数量和还款期限，而这将阻碍微型金融机构获得更高的回报，由此挫伤了微型金融机构的积极性，反而不利于降低贫困。而数字普惠金融是将数字技术与普惠金融相融合，以数字信息技术驱动普惠金融可持续发展的新形式。近年来伴随移动互联技术的推广和智能手机的普及，我国的数字普惠金融实现了跨越式发展。截至2016年末，中国的网民规模达7.31亿，数字支付的市场规模已达2.9万亿美元。①数据来自中国互联网络信息中心发布的第39次《中国互联网络发展状况统计报告》和位于联合国的优于现金联盟（Better Than Cash Alliance）发布的“Social Networks,e-Commerce Platforms,and the Growth of Digital Payment Ecosystems in China:What It Means for Other Countries”。一方面，移动互联、移动支付实现了“普”，扩大了金融服务的覆盖范围；另一方面，大数据和云计算降低了服务成本，提高了服务效率，使“惠”成为可能。由此，过去被排斥在金融体系之外的低收入阶层可以平等、适当、便利地享受金融服务，使“普”和“惠”的结合成为现实。由于数字普惠金融概念的提出还比较新，当前有关数字普惠金融与贫困减缓的研究仍处于起步阶段。国内学者张栋浩和尹志超（2018）基于家庭微观数据和因子分析法构建家庭层面的金融普惠指数，并探讨了金融普惠对农村家庭贫困的影响，但其研究对象仅局限在农村家庭，忽略了对城镇低收入贫困家庭的考虑。

本文的主要贡献可能在于：第一，不同于已有的对宏观省级面板数据的分析，本文将城市层面的数字普惠金融指数与家庭微观调查数据相结合，由微观视角切入分析数字普惠金融发展对居民家庭贫困的影响，并考虑不同居民家庭的异质性。第二，依次构建静态贫困和动态贫困两类指标，较为全面地反映了家庭贫困状况。第三，除关注数字普惠金融发展对居民贫困减缓的静态效应，本文还分析了二者之间可能存在的时滞效应和门槛效应这些动态关系。第四，受限于数据等原因，已有的研究对数字金融发展与贫困减缓间的机制分析得不够清晰，故本文将使用调查数据进行这一方向的创新尝试。

二、文献回顾与研究假设的提出

World Bank（2001）指出，增加对贫困群体的信贷资金供给，有助于推动该群体的生产经营活动并以此实现持续性生存。而金融天生的“逐利性”与“嫌贫爱富”的特质是导致贫富差距长期存在和阻碍经济增长的一个重要因素。Collins等（2009）指出传统金融机构往往对低收入家庭“惜贷”，其对抵押担保的硬性要求将致使低收入家庭面临严重的融资约束，无法获得意愿的金融服务，进而陷入持续性贫困陷阱。因此，构建一个囊括社会各阶层的普惠金融体系，增加弱势群体的金融可及性将有助于消除贫困、缩小不平等差距，自此普惠金融成为学界和业界关注的焦点，且已有学者证实，普惠金融的发展有助于贫困的减缓（Anand和Chhikara，2013）。作为对传统普惠金融发展方式的颠覆性改变，由数字技术和互联网金融驱动发展起来的数字普惠金融旨在通过全方位地减缓弱势群体面临的金融排斥以缩小贫富差距和推动经济增长。

Shoji等（2012）指出贫困群体除满足自身基本需求以外，并没有额外的资金用于生产经营等其他投资，导致这类群体遭遇不利冲击时生活状况进一步恶化，由此陷入永久性贫困陷阱。而数字普惠金融的发展则通过减缓由信息不对称所带来的流动性约束、金融排斥、门槛效应，社会各群体尤其是低收入群体能够通过数字普惠金融发展为其提供的信贷资金，满足正常生产生活尤其是扩大生产的资金需求，使得脱贫致富成为可能。另外，流动性约束是造成家庭或个体不能平滑消费的重要原因，而信贷可得性的增加可以降低流动性约束而促进消费增长（Ludvigson，1999）。进一步地，考虑到耐用消费品由于单位价值大更易受到流动性约束，因此数字普惠金融的信贷可得将更多地促进家庭耐用品消费。

生存状态体现的是一个人的“能力”，Sen（1981）指出，贫困的本质是人们改变其生存状况、抵御各种风险的能力“被剥夺”了。作为一次购买但可长期反复使用的消费品，耐用消费品可以提高生活水平，改善家庭的生活质量，增加个体的福利，更能准确反映一个家庭摆脱贫困的能力。但由于经济条件的差异，高收入群体可以购置相应的生活物品以提升其生活质量；而低收入群体受制于收入等资源的约束，缺乏完成这些“功能性活动”的“能力”。因此可以认为，数字普惠金融可以增加信贷可得性进而将信贷用于耐用品支出以降低居民贫困，且其对农村家庭的影响程度将更为显著。Rayner和Cowling（1968）发现美国与英国的农民对拖拉机等农场的投资受信贷资金的约束，而当信贷资金增加时，农民将增加对灌溉等农用耐用品的投资。进一步地，Rosenzweig和Wolpin（1993）指出农民持有的耐用品资产几乎都是用于生产的，而生产性资产可以反映农村家庭脱贫和抵御贫困的可能性；且耐用消费品的增加意味着家庭资产的丰富进而可以有效降低家庭的贫困状况。

综上，低收入群体或弱势群体可以通过数字普惠金融的发展满足其对信贷、投资理财、保险等金融服务的需求，并基于此实现生产经营、消费平滑与降低风险等多种目的，最终起到降低贫困发生率的积极作用。基于此，我们提出本文的研究假设1。

假设1：数字普惠金融的发展通过缓解信贷约束、增加低收入群体的信贷可得性而直接降低居民的贫困水平，且信贷资金主要用于生产经营和增加耐用品消费。

尽管贫困的含义越来越丰富，但收入水平始终是度量居民是否贫困的重要标志。因此，促进收入增长和改善收入分配俨然是数字普惠金融发展降低居民贫困的重要途径。首先，经济增长是数字普惠金融发展降低居民贫困水平的渠道之一。一方面，普惠金融的数字化发展通过风险管理、储蓄投资、价格发现等，可以提高资金的周转率，增大金融服务的触达性，由此通过节省金融交易的成本、增加资金的投资绩效而最终促进经济增长。另一方面，经济增长可以通过带来一国物质等财富的增加、提供更多的就业机会以及营造更好的经济环境而推动收入水平的增加，即维持经济的持续增长是降低居民贫困水平的重要基础（Kraay，2006）。因此，我们提出研究假设2。

假设2：数字普惠金融的发展将通过促进收入增长而间接降低居民贫困。

除却促进经济增长，普惠金融的发展还有利于收入分配差距的缩小，以此达到改善贫困群体收入分配状况的目的。在普惠金融形成的早期，金融机构提供金融服务的成本依然较高，金融服务的普及度仍然很低，我国天然的城乡二元经济结构，致使农村等欠发达地区仍然存在较严重的金融排斥问题，而数字技术的发展则可以有效地解决这一问题。一方面，以往传统金融体系难以触及的地域及人群通过互联网和移动支付可以方便快捷地获得所需的金融服务，实现了金融服务的广覆盖。另一方面，大数据、云计算、人工智能等现代化的数字技术手段也便利了金融机构对农村等欠发达地区信用数据的搜集，而通过征信可以完善风险控制体系，使得数字化技术可以更好地为低收入或弱势群体提供金融服务，并以此促进公平分配。

但受制于错综复杂的现实制约，数字普惠金融的发展是否可以有效缩小收入差距尚待商榷。普惠金融体系中重要构成的微型金融机构可能存在脱离低收入群体的使命漂移现象。在互联网等信息技术高度发达的当代，数字技术的普及与应用为金融领域的拓展提供了可能性（谢平和邹传伟，2012）。但实际情况是以网络和电话为媒介的数字技术难以有效地在贫困等欠发达地区进行推广和使用（Johnson和Arnold，2012），且由于缺少相关金融知识，使用数字技术的低收入群体对小额理财、小额借贷等线上金融服务的使用更是少之又少。基于此，我们提出研究假设3。

假设3：数字普惠金融的发展可能改善或恶化收入分配状况，因此其最终能否减缓居民贫困取决于正向效应与负向效应相互作用的净效应。

三、数据来源、变量选取与描述性统计

（一）数据来源

家庭层面的数据来源于北京大学的中国家庭动态跟踪调查（China Family Panel Studies，CFPS）。CFPS是一项全国性的综合社会跟踪调查项目，其调查样本覆盖中国25个省市，通过每两年一次的动态追踪调查，建立了个体、家庭、社区三个层次的追踪数据库。考虑到数字普惠金融指数的样本期，本文最后使用2012年、2014年和2016年三轮追踪调查数据，并构建了三期的面板数据。为了对中国数字金融的普惠性进行刻画，北京大学数字金融研究中心和蚂蚁金服集团共同编制了中国数字普惠金融指数（郭峰等，2020）。该指数采用了蚂蚁金服的交易账户数据，在很大程度上刻画了中国数字金融的发展及其普惠性。

（二）模型设定及变量选取①因篇幅所限，本文省略了主要变量的定义和描述性统计，感兴趣的读者请见《经济科学》官网“附录与扩展”中的表A1和表A2。

为了考察数字普惠金融发展是否可以缓解居民贫困，本文构建如下回归方程：

式（1）中，Povertyijt为城市j中第i个家庭在第t年的贫困状况，是本文重要的被解释变量。借鉴张栋浩和尹志超（2018）的做法，本文构建静态和动态两类指标以度量家庭的贫困状况。一是根据世界银行2015年的贫困标准，将家庭日人均消费低于1.9美元和3.1美元②根据世界银行公布的数据，2011年的购买力平价是1美元等于3.505元人民币，2011—2015年的CPI数据来源于国家统计局。经购买力平价和CPI调整之后，1.9美元对应2011年、2013年、2015年人均消费分别为2 431元、2 560元、2 647元；3.1美元对应2011年、2013年、2015年人均消费分别为3 967元、4 176元、4 320元。的界定为贫困家庭，赋值为1，而大于1.9美元和3.1美元的则界定为0。二是构建可以随时间变化的贫困动态信息，即贫困脆弱性，具体的构造过程参见张栋浩和尹志超（2018）。

本文的核心解释变量为DFIjt，其表示在第t年第j个城市的数字普惠金融指数，由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衡量。此外，在稳健性检验部分，本文还选用了覆盖广度、使用深度两个二级维度指标①考虑到数字支持服务指数这一指标在2011—2015年变动较大，本文此处不选用该子维度指标进行稳健性检验。以及支付业务、保险业务和信贷业务三个三级维度指标作为地区数字普惠金融指数的衡量指标，以保证估计结果的稳健性。Xijt为影响居民贫困的其他控制变量，包括户主年龄、性别、是否已婚、文化程度、家庭所在社区或村居经济状况以及家庭所在城市的人均GDP及金融发展水平等。μt表示年度固定效应。

（三）居民贫困的统计分析

表1按照数字普惠金融指数大小进行分组，结果发现，在任一贫困标准下，数字普惠金融发展水平越高，居民发生贫困的概率越小。具体而言，以日人均消费1.9美元为贫困标准时，当城市的数字普惠金融指数在23.88—59.31时，有9.9%的居民处于贫困状况；但当城市的数字普惠金融指数提高到161.17—231.13时，则仅有4.2%的居民处于贫困状况。即通过表1的分析可知，数字普惠金融与居民贫困存在负相关关系，为更详细考察两者关系的显著性以及内在作用机理，本文将进一步采用计量模型进行实证检验。

表1 数字普惠金融与家庭贫困的描述性统计

四、实证分析

（一）基准回归

表2报告了数字普惠金融与居民贫困的基准回归结果。表2中第（1）—（3）列的被解释变量是以日人均消费1.9美元贫困标准度量的居民是否贫困与家庭贫困脆弱性的指标，表2中第（4）—（6）列的被解释变量是以日人均消费3.1美元贫困标准度量的居民是否贫困与家庭贫困脆弱性的指标。可以看出，在逐步加入个体、家庭层面的控制变量后，无论是在1.9美元贫困标准还是在3.1美元贫困标准下，数字普惠金融指数均在1%的统计水平上显著为负，即数字普惠金融的发展可以减少居民贫困的发生，降低家庭贫困脆弱性。具体而言，数字普惠金融指数每增加一个单位，在1.9美元贫困标准下，居民贫困的发生概率将降低0.14个百分点；在3.1美元贫困标准下，贫困发生概率将降低0.25个百分点。

表2 数字普惠金融与居民贫困：Probit基准回归

崔艳娟和孙刚（2012）发现受金融服务成本等因素的制约，金融发展的减贫效应将呈先恶化后改善的倒U形曲线（横轴为金融发展水平，纵轴为居民贫困发生率）。为验证数字普惠金融发展的减贫效应是否也存在门槛效应，我们在实证模型中纳入数字普惠金融指数的二次项进行检验。在表3的第（1）列和第（4）列中，数字普惠金融指数的一次项系数显著为正，二次项系数显著为负，数字普惠金融发展与居民贫困间呈倒U形曲线，验证了Kuznets假说。具体来看，在日人均消费1.9美元贫困标准下，当数字普惠金融指数低于130时，其增加反而加剧居民贫困的发生，而当数字普惠金融指数超过130时，其增加将显著降低居民贫困。这说明在数字普惠金融发展初期，囿于以互联网和电话为介质的数字技术在贫困地区较低的普及率和拥有率，数字普惠金融的发展并不利于贫困群体收入的增长，即数字普惠金融发展的早期阶段并不能降低贫困率。但随着政府相关扶贫政策措施的逐步落实，低收入家庭承担成本的能力逐渐得以提高，此时数字普惠金融的发展对居民家庭的减贫效应将开始显现。

进一步地，谢平和邹传伟（2012）指出，在通信技术快速发展的当代，数字技术的普及极大便利了金融服务的延伸，尤其是在偏远贫困地区。但现实情况可能是，由于金融知识的欠缺，使用数字技术的低收入者依然偏少，这一方面归因于数字普惠金融是一个新事物，人们对其接受需要一定的时间；另一方面数字普惠金融发展提高收入水平和缩小收入差距的效果尚需一定的时间方能显现。基于此，表3的第（2）、（3）列和第（5）、（6）列对数字普惠金融发展的时滞性进行了探讨。表3中的第（2）、（5）列显示，滞后一期的数字普惠金融的减贫效应显著。同时，第（3）、（6）列的结果表明，当同时考虑当期和滞后一期的数字普惠金融指数时，可以发现，滞后一期数字普惠金融的减贫效应大于当期数字普惠金融的减贫效应，即数字普惠金融对居民贫困的减缓具有明显的时滞性，这可能是由于贫困群体受教育水平较低、金融知识匮乏，进而导致其对新事物冲击的反应迟钝。

表3 数字普惠金融与居民贫困：门槛效应与时滞效应

（二）内生性讨论

尽管上述基准回归中控制了个体、家庭以及城市层面的控制变量，但仍可能存在影响居民贫困的遗漏变量导致的内生性问题。为尽量降低这种内生性问题所产生的估计偏误，本文采取如下三种方法：第一，代理变量法。家庭资产可以通过变现、分红等方式影响居民收入和消费支出，即家庭资产可能是影响居民贫困的重要因素，因此我们以扣除未偿债务后的净资产构建家庭资产的代理变量。加入家庭净资产后，表4中第（1）列显示，与基准回归结果比较可知，数字普惠金融的估计系数依然显著为负。第二，面板固定效应法。利用面板数据特征，我们在方程中同时控制年份和家庭固定效应进行双向固定效应回归，以期消除部分内生性问题。表4中第（2）列的双向固定效应回归结果显示，在1.9美元的贫困标准下，数字普惠金融仍然具有显著的减贫效应。第三，工具变量法。首先参照Bartik（2009）的做法，构建一个Bartik工具变量，其等于滞后一期的数字普惠金融指数DFIjt-1与时间维度上的一阶差分ΔDFItt-1的乘积。这是因为Bartik工具变量与所在城市的数字普惠金融发展水平直接相关，但不会通过其他渠道直接影响居民贫困率，同时满足工具变量的相关性和外生性两个条件。

表4 数字普惠金融指数与居民贫困：IVProbit

续表4

表4中第（3）、（4）列给出了基于Bartik工具变量的回归结果，结果显示，在日人均消费1.9美元的贫困标准下，数字普惠金融的发展显著降低了居民贫困的发生，第一阶段F统计量均远大于10，即工具变量是有效的。此外，我们也借鉴Bucher-Koenen和Lusardi（2011）的做法，选用除样本家庭所在城市之外的其余城市的省级平均数字普惠金融作为工具变量，估计结果见表4中的第（5）、（6）列。结果显示，省级平均数字普惠金融这一工具变量统计显著为正，即对内生变量数字普惠金融指数具有较强的解释力；数字普惠金融依然具有显著的减贫效应。将表4与表2比较可知，工具变量回归后的数字普惠金融指数的估计系数有所增大，但系数符号和显著性均保持一致，由此进一步表明采用上述三种方法纠正内生性问题的思路是可行的，结果具有较好的稳健性。

（三）稳健性检验

除借鉴世界银行的贫困标准反映家庭是否贫困外，我们也可以直接选用日人均消费支出作为居民是否贫困的间接度量指标（崔艳娟和孙刚，2012）。此外，除选用数字普惠金融一级维度指数外，我们也选用了其二级乃至三级维度的子指标进行了相应的回归。回归结果①相应的回归结果请见《经济科学》官网“附录与扩展”中的表A3。显示，覆盖广度指数和支付指数减贫效应显著，而其余子指数对居民贫困的作用不显著。据此我们推测，导致这一差异性的减贫效应可能是由于这两类服务发展程度较高，其他几项服务的发展还没有越过非线性结果的拐点。基于此，我们进一步在模型中依次纳入二级与三级子指标的二次项进行检验。结果②相应的回归结果请见《经济科学》官网“附录与扩展”中的表A4。显示，二级与三级子指标均呈倒U形特征，尽管系数并不显著，其中可以发现覆盖广度与支付指数确实已越过拐点，与我们的猜测一致。因此，稳健性回归的结果说明，无论是替换居民贫困的指标，还是将数字普惠金融替换成若干子指标，我们依然能得到数字普惠金融显著的减贫效应，从而表明基准回归结论是稳健可靠的。

五、进一步讨论

（一）影响机制

数字普惠金融发展减缓居民贫困的直接作用机制体现在其可通过为低收入及弱势群体提供更低成本、更加便捷的信贷支持等金融服务而缓解信贷约束、增加信贷可得性。数字普惠金融的发展将使得过去有好的投资时机但却欠缺资金的个体，欲进行人力资本投资但缺乏教育资金的个体，难以负担医疗费用进而导致有病不治陷入贫困陷阱的个体，均可迅速获得资金支持，并解决其各自面临的信贷约束问题进而降低居民贫困。由于信贷可得性的增加直接表现为家庭债务规模的扩大，为验证这一信贷可得性机制，我们以家庭未偿债务规模作为对信贷可得性的间接度量。表5给出了相应的回归结果。对于家庭而言，住房作为家庭资产的重要构成，价值较大，买房的相关贷款一般直接来自银行，与数字普惠金融的相关性较小，为此我们进一步仅考虑非住房类贷款。如表5中第（4）—（6）列的结果显示，非住房类债务是数字普惠金融减缓居民贫困的中介机制，由此说明了数字普惠金融的发展将通过增加信贷可得性而降低居民贫困。

表5 数字普惠金融与居民贫困：信贷机制

进一步地，我们需要考虑的是，数字普惠金融发展向贫困群体所提供的信贷主要投放到哪些领域。进而可以判断贫困群体对信贷资金的使用是否合理，即区别于社会救助，数字普惠金融不是简单地降低贫困，而是解决有价值、有经济前景的贫困。一方面，陈飞和卢建词（2014）指出偏低的非农经济活动参与是制约贫困家庭收入增长的主要障碍。而Park和Mercado（2016）则认为，金融可得性有利于帮助低收入群体创办私营企业、参与生产经营活动并最终起到降低贫困发生的作用。此外，Banerjee和Newman（1993）也发现，当信贷市场发展不成熟时，贫困个体由于受信贷约束而选择受雇类工作，非贫困个体则可以依赖自有资产和外部融资成为企业家。因此，我们构建家庭是否创业这一变量，以反映个体是否经营或创办私营企业。另一方面，Ludvigson（1999）指出信贷可得性可以缓解流动性约束而促进消费增长，尤其是耐用消费品支出的增加。基于不同信贷用途的回归结果显示①相应的回归结果请见《经济科学》官网“附录与扩展”的表A5。，信贷资金的增加将通过增加家庭创业与耐用品消费而降低贫困。因此，本文的理论假说1得以验证，即数字普惠金融的发展将通过增加信贷可得性而减缓居民贫困，且这一信贷资金主要用于生产经营和耐用品消费支出，其中耐用品支出的作用在农村家庭中更为突出。

为验证数字普惠金融的发展是否通过促进收入增长和缩小收入差距这两种机制减缓居民贫困，我们依次计算收入复合增长率和收入差距。在支出层面上，以城市为单位，根据城市内每个家庭的人均消费支出测算每个城市的百分位差，选取p90/p10、p90/p50、p50/p10这三个分位数支出比衡量该城市的收入差距，其中p90/p10表示第90个百分位数与第10个百分位数上家庭人均消费支出之比，其余两个指标表示类似的定义。表6给出了相应的估计结果。表6中第（1）—（3）列的回归结果显示，在日人均消费支出1.9美元的贫困标准下，数字普惠金融的发展可能部分借助促进收入增长这一机制而降低居民贫困，验证了理论假说2。表6中第（4）—（6）列的结果显示，在日人均消费支出1.9美元的贫困标准下，数字普惠金融的发展将通过缩小收入差距而显著降低居民贫困，验证了理论假说3。同样地，即使是以p90/p10、p90/p50这两个分位数支出比衡量的收入差距，数字普惠金融的发展与居民贫困间的收入差距这一机制依然显著存在。

表6 数字普惠金融与居民贫困：收入增长与收入差距

（二）减贫条件识别

即便信贷资金充裕，但如果贫困群体自身能力较差、金融素养欠缺，也会导致该群体对金融资源的配置效率低下，阻碍数字普惠金融减贫效应的发挥。王伟和朱一鸣（2018）指出如果普惠金融只关注贫困地区对金融机构的接触性排斥，反而会加剧资金外流，不利于减贫。因此，我们还有必要从个体的人力资本角度出发进一步探讨数字普惠金融发挥减贫作用所需要满足的条件。借鉴已有文献的通常做法，我们首先选用户主的受教育年限来衡量人力资本。根据人力资本新增长理论，受教育水平的提升意味着人力资本的积累增强，个体接受知识或技术进步以及“驾驭”物质资本的能力均随之增强，进而带来生产率和收入水平的提高。继而我们依据户主的受教育年限将样本依次划分为没上过学、小学学历、初中学历、高中及以上学历四组。①限于大学本科以上的个体仅有489个，占4.69%，因此将大学本科以上的样本也归入高中学历样本中。此外，我国的教育资源分配存在结构性差异，仅用受教育年限难以准确衡量人力资本，而认知能力指的是人脑提取、储存和加工信息的能力，能体现个体所特有的内在能力，进而能更好地反映个体间的人力资本差异。基于此，我们采用问卷中受访者的字词识记得分作为户主认知能力的测度。表7的估计结果显示，户主的受教育程度越高或认知能力越大，数字普惠金融越能发挥减贫效应①与郭峰和王瑶佩（2020）的研究结论一致。，同时这一结果也说明，中国政府在贫困地区的扶贫政策上应特别关注贫困户的人力资本提升。

表7 数字普惠金融与居民贫困：教育与认知能力分组

发展数字普惠金融的初衷在于为社会各阶层，尤其是低收入和弱势群体提供金融服务，实现金融的包容性增长。那么，数字普惠金融的发展究竟是否实现了这一目的？基于此，我们分别按照收入、社会资本和健康状况进行了分组回归以检验数字普惠金融减贫效应的异质性。将家庭总收入进行升序排列，高于均值的定义为高收入组，低于均值的定义为低收入组；将大于中位数的定义为高社会资本组，低于中位数的定义为低社会资本组；根据2013年原中国卫计委发布的标准，中国人的标准BMI指数（体质指数，体重与身高平方的比值）为18.5—23.9，将指数超过这一区间的居民定义为不健康，取值为1，反之则为健康，取值为0。结果显示②限于篇幅，此分组回归结果没有报告，感兴趣的作者可向作者索要。，对于收入越低、社会资本越匮乏以及健康状况越差的家庭，数字普惠金融越能较好地发挥减贫作用，说明数字普惠金融的发展确实起到了为低收入与弱势群体提供金融服务的作用。

六、结论及政策性建议

本文从微观视角上实证探讨了数字金融发展对居民贫困减缓的影响，丰富了已有的研究，同时细致探讨了数字金融发展减贫效应的门槛值、时滞效应以及需要满足的减贫条件。进一步地，本文综合利用了代理变量法、双向固定效应和工具变量法，较好地纠正了文中可能存在的内生性问题。概括而言，本文的主要结论与启示如下：

第一，数字普惠金融的发展可以显著降低居民贫困的发生，无论是以日人均消费支出1.9美元（3.1美元）贫困标准下的居民是否贫困还是贫困脆弱性来衡量。在各项子维度中，数字普惠金融覆盖广度指数与使用深度中的支付指数都具有显著的减贫效应。这说明，数字普惠金融以低成本向社会各阶层，尤其是欠发达地区和弱势群体提供金融服务的方式有效减缓了居民贫困，因此需要持续推进数字普惠的发展，积极发挥其在提供信贷支持、增加收入和改善收入分配中的作用。

第二，受金融服务成本、金融知识匮乏等因素的限制，数字金融发展的减贫作用呈先恶化后改善的效应；同时，数字金融发展的减贫作用具有明显的时滞性。这就要求相关政府部门充分考虑数字金融减贫效应的这一动态时间效应，有序逐步地扩大数字金融的覆盖面。

第三，数字普惠金融发展除可以借助物质资本手段减缓贫困之外，其减贫效应的发挥也需要贫困群体满足一定的条件，即受教育程度或认知能力越高，这一减贫效应越充分。此外，对于低收入、社会资本匮乏、健康状况差的家庭，数字普惠金融的发展能够显著降低贫困发生率。这一方面说明政府应增强对贫困落后地区人力资本的投资，提高贫困地区的受教育水平和认知能力，以此达到降低贫困的目标；另一方面，这也侧面反映了数字普惠金融发展的合理性，即其确实起到了帮助低收入与弱势群体的作用。