数字普惠金融对私营企业及个体就业的影响

赫国胜，耿哲臣，蒲红霞

(1.辽宁大学研究生院，辽宁 沈阳 110036；2.辽宁大学经济学院，辽宁 沈阳 110036；3.沈阳农业大学经济管理学院，辽宁 沈阳 110866)

就业是根本民生问题，充分就业是宏观经济最主要的目标之一。新冠肺炎疫情对企业的生产经营造成了前所未有的冲击，尤其是对于部分抗风险能力较弱的私营企业和个体从业者，由此带来相当程度的摩擦性和结构性失业。稳定就业、寻找促进就业的新动力迫在眉睫。2015年末，国务院发布了《推进普惠金融发展规划(2016—2020年)》，明确指出普惠金融的发展有利于促进大众创业、万众创新。2016年9月发布的《G20数字普惠金融高级原则》提出了普惠金融数字化发展方向和对弱势群体的进一步金融支持及就业促进效应。数字普惠金融有可能成为促进就业增长的一个突破口。

一、文献综述

各国学者对金融发展与就业关系的探究由来已久。国外关于金融发展与就业效应的研究可以追溯到20世纪70年代Mckinnon(1973)和Shaw(1973)的金融深化理论，他们认为，金融自由化和金融深化不仅具有收入效应、储蓄效应，还具有就业效应，能够有效促进就业水平、稳定经济局面[1][2]。关于金融发展与就业关系的研究有宏观和微观两个视角。宏观方面，Ploeg(1986)认为货币融资对通货膨胀有一定的推动作用，同时也带来了投资水平的提升和就业空间的拓宽[3]。Neimke等(2002)研究了金融发展就业效应的传导机制，认为金融发展首先促进经济发展，进而促进就业水平的提升[4]。微观方面，Pagano和Pica(2012)基于以柯布-道格拉斯函数为基础的数理模型，推导出金融发展对就业的影响，即金融发展水平和限制性资本存量的持续提升会产生强劲的劳动力需求，金融发展的就业再分配效应导致强融资约束企业驱逐弱融资约束企业[5]。Boustanifar(2014)以美国1970～1990年间银行信贷改革作为准自然实验，研究结果显示信贷约束对劳动密集型产业的就业有显著影响，并且在金融危机发生时，受信贷约束的企业在面临危机时更容易大量裁员，对就业造成负面影响[6]。Benmelech等(2019)重新考察了大萧条期间失业率增加的原因，发现因大型工业企业信贷约束所导致的失业占据失业总量的相当比重，由此总结出信贷约束对大萧条时期的美国大型企业的就业水平产生显著影响[7]。

国内关于金融发展与就业关系的研究起步较晚。从宏观来看，王元月和王青照(2005)建立金融发展与就业关系模型，研究发现金融发展对就业有积极的推动作用，但效果并不显著。具体来看，金融深化和技术进步对就业促进作用最大[8]。李巍和蔡纯(2013)的研究表明，金融发展会显著促进省际就业效应。具体而言，区域金融协调发展对就业的促进效应更为明显，且影响效应存在区域异质性[9]。白钦先和张坤(2017)认为，普惠金融普及程度的提高有助于优化金融资源的配置效率，从而促进就业[10]。吴伦华和唐露萍(2018)探讨了普惠金融通过直接推动、间接带动及优化金融环境三个机制提升就业水平[11]。还有学者从金融发展规模与金融深度两个维度对我国产业就业的影响进行了实证分析，结果表明金融发展对第三产业有明显的促进作用，而对第一、二产业就业有明显的抑制作用，对区域就业也表现出显著的异质性[12]，普惠金融发展对省际产业的就业效应存在异质性[13]。从微观来看，曾之明等(2018)分析了影响农民工创业融资的制约因素，探究了数字普惠金融对农民工创业的促进作用及功能优势[14]。张文和钟宸(2019)以江西的微观金融数据进行实证分析，结果显示江西的金融发展程度存在显著的直接就业效应，但作用强度不大，影响机制受限[15]。张文等(2019)的分析发现，江西金融产业演化水平对就业总量有显著的正向影响，且整体关系长期均衡、稳定，但短期波动较大[16]。

综上，现有关于金融发展与就业关系的研究主要集中于全国、省际层面传统金融发展对整体就业影响的研究，而对于普惠金融发展与就业关系的研究更新速度较为缓慢，关于数字普惠金融与就业关系的研究更是凤毛麟角。本文的研究特色在于：第一，现有文献多以就业整体与普惠金融关系加以研究，而忽略了普惠金融真正服务的群体，因此本文以私营企业及个体工商户就业为研究主体。第二，疫情之下，私营企业及个体工商户在就业、收入方面受到极大冲击，本文试图以数字普惠金融为切入点，为缓解就业压力提供可参考建议。

二、理论分析

数字普惠金融在提高长尾客户融资效率的同时，也对就业尤其是私营企业及个体就业产生了积极的作用。数字普惠金融可能从以下两方面引发对私营企业及个体从业者的就业效应。

一是短期就业效应，即在数字普惠金融的支持下，私营企业及个体从业者在短期运营的改善后所体现出来的就业效应。具体来看，可以细分为直接就业效应和间接就业效应。直接就业效应主要来自金融机构自身的发展与建立所引发的就业需求。数字普惠金融的发展，既包含传统金融机构在普惠金融业务上的延伸，又包含数字普惠金融机构的建立与壮大，这两者都需要吸纳一定数量的劳动力，从而提升了私营企业人员的整体就业水平。间接就业效应是指数字普惠金融对非金融类私营企业和个体从业者所产生的就业效应。传统金融具有一定的金融排斥性，小微企业及个体工商户往往因其经营特点而无法满足金融机构的融资条件，因而较难从传统途径获得金融支持，这种金融约束成为长期制约该群体快速发展的主要因素之一。而与此同时，小微企业和灵活就业的个体工商户在就业人群中所占比例逐年增高，解决其融资约束问题已刻不容缓。普惠金融聚焦于私营企业及个体从业者的融资需求，数字普惠金融则在此基础上进一步解决了普惠金融覆盖广度和深度的问题，提升了融资效率，这在一定程度上缓解了私营企业及个体工商户的融资约束问题，对他们的良性运营和规模扩大都起到了积极作用，进而增加了这些企业及个体工商户的劳动力需求。此外，数字普惠金融也为私营企业员工和个体从业者的定期培训与教育提供了可能，减少了因为劳动技能与岗位要求不匹配所造成的结构性失业。二是长期就业效应，体现在数字普惠金融对经济环境的优化所带来的就业效应。数字普惠金融与传统普惠金融相比，其依靠大数据、云计算等科技手段解决了传统普惠金融难以向欠发达地区布局的问题，改善了金融服务覆盖广度和覆盖深度。数字普惠金融的进一步发展促使金融资源向金融排斥群体逐渐转移，进一步优化了金融资源配置结构和配置效率，使金融服务逐渐回归其应有本质。此外，普惠金融数字化的发展趋势极大地缩短了融资的时间成本和交易成本，显著提高了融资效率，倒逼传统金融机构提高服务质量和效率，改善金融资源错配，促进金融机构间的良性竞争，更大程度地发挥金融服务实体经济的长效功能，为私营企业和个体从业者创造良好的经营环境，为增加就业提供了可能。

三、模型设定与变量选取

(一)模型设定

本文主要研究我国数字普惠金融的发展对私营企业及个体就业的影响，并探讨城乡结构、区域维度下影响的异质性，据此建立固定效应面板模型。考虑到固定效应模型中除个体效应之外还可能存在时间效应，因此，本文借鉴陈强(2014)的检验方法对面板数据的时间效应进行检验[17]。以初始年份2012年作为基期，对剩余年份面板数据进行FE估计，随后检验所有年度虚拟变量的联合显著性。结果显示，F值为1.54，对应P值为0.1818(1)受篇幅限制未报告具体结果，作者备索。，所以接受“无时间效应”的原假设，即不存在时间效应，据此舍弃时间固定效应，建立个体固定效应模型。考虑到反向因果问题，模型对解释变量及控制变量进行滞后一阶处理，具体模型如下：

EPIit=β0+β1IDFIit-1+βiXit-1+ui+εit

(1)

其中，EPIit代表i省第t年的私营企业及个体就业水平，IDFIit-1代表i省第t-1年的数字普惠金融发展水平，Xit-1代表第t-1年的控制变量，ui代表不随时间变化的影响就业的不可观测因素，εit为服从独立同分布的扰动项。

(二)变量选取

1.被解释变量

本文的被解释变量为私营企业及个体就业水平(EPI)。选取私营企业及个体就业人数与整体就业人数比值作为代理变量，并计算城镇私营企业及个体就业水平(EPI-ur)和乡村私营企业及个体就业水平(EPI-ru)。

2.解释变量

本文的解释变量为数字普惠金融发展水平(IDFI)。以北京大学数字金融研究中心课题组提出的数字普惠金融发展指数[18]作为数字普惠金融发展水平的代理变量。该指数涵盖了数字化属性，在指标体系的构建上，除了兼顾数字普惠金融的覆盖广度和使用深度，还兼顾了数字化程度。

3.控制变量

结合经典文献，本文选择以下控制变量：(1)经济发展水平(EDL)，以各省级行政区人均GDP与全国人均GDP的比值作为代理变量。(2)城镇化水平(UL)，以各省级行政区城镇人口数量与各省级行政区人口总数的比值作为代理变量。(3)研发水平(R&D)，以各省级行政区申请专利授权数量与全国申请专利授权数量的比值作为代理变量。(4)人力资本质量(HCQ)，借鉴林春(2019)的指标选取，采用平均受教育年限数值作为代理变量，并通过I1×6+I2×9+I3×12+I4×16计算得到，其中I1、I2、I3、I4分别用小学、初中、高中、大专及以上的学历人口数量与各省级行政区6岁以上人口数量的比值表示[13]。(5)对外开放程度(OL)，以进出口贸易额与GDP的比值作为代理变量。

(三)数据来源

本文使用的2011～2017年中国内地31个省级行政区的面板数据主要来源于历年《中国统计年鉴》《中国劳动统计年鉴》《中国互联网网络发展状况统计报告》和各省级行政区统计年鉴，以及国泰安的CSMAR数据库等。各变量的描述性统计见表1。

表1 描述性统计

四、实证分析

(一)基准模型回归结果检验

基准模型回归采用固定效应模型进行估计，考虑到内生性问题，以面板工具变量法作为参照估计。表2给出了固定效应回归结果和工具变量回归结果。

由表2第(1)列和第(2)列可知，无论是基准模型还是工具变量模型，数字普惠金融的系数均在1%水平上显著为正，说明数字普惠金融发展对私营企业及个体就业有明显的促进作用。这意味着数字普惠金融对私营企业及个体工商户切实提供了有效的金融支持，促使其经营良性循环，进而增加了私营企业的就业吸纳能力及个体工商户的创业能力。就其他控制变量而言，经济发展水平对私营企业及个体就业有显著促进作用；城镇化水平对私营企业及个体就业的支撑作用不明显；研发水平对相关就业的促进作用较大，但影响并不显著；人力资本质量对相关就业产生了微弱的抑制作用；对外开放程度的增加对相关就业产生了显著的抑制作用。

(二)内生性问题

为了缓解内生性问题，本文进行了如下处理：第一，对数字普惠金融发展水平进行滞后一阶处理，即评估上一年的数字普惠金融发展水平如何影响本年度私营企业及个体就业，在一定程度上缓解反向因果关系。第二，借鉴谢绚丽等(2018)[19]的方法，以互联网普及率(Internet)作为数字普惠金融发展水平的工具变量，并采用面板工具变量法进行估计，以缓解遗漏变量和解释变量内生性问题。互联网普及率作为数字普惠金融数字化属性的基础，与数字普惠金融密切相关，与此同时，在控制了其他变量后，互联网普及率与私营企业及个体就业之间并无直接关联，所以互联网普及率满足了工具变量的相关性和外生性要求，可以考虑作为一个有效的工具变量。表2第(3)列汇报了工具变量法中第一阶段的回归结果，工具变量的相关系数在1%水平下显著为正，F值为21.94，远大于10的临界值，从而排除了弱工具变量的可能性。对于工具变量外生性的考量，本文进行面板数据的过度识别检验。检验结果如表2第(2)列所示，检验P值为0.157，因此接受工具变量外生性的原假设。此外，选用工具变量时需要检验工具变量的排他性约束问题，即工具变量对于因变量的作用渠道具有唯一性。首先，对面板数据进行半简化式回归，将工具变量Internet作为解释变量加入基准模型(1)中，表2第(4)列给出了半简化式回归的估计结果。第(4)列中Internet的回归系数不显著，且系数接近于0，由此排除了工具变量Internet通过其他遗漏变量作用于因变量的可能性。其次，本文采用Acemoglu等(2001)的方法，在未引入控制变量的前提下，采用工具变量法对面板数据进行二阶段最小二乘法(2SLS)回归，随后引入控制变量，再进行2SLS回归，最后检验控制变量引入前后回归结果的变化情况，若回归结果几乎无变化，则证明回归结果稳健，则排除工具变量通过模型内控制变量影响因变量的可能性[20]。回归结果如表3所示，引入控制变量前后，解释变量和常数项的系数和显著性几乎没有变化，表明了回归结果的稳健性，从而排除了工具变量通过控制变量影响因变量的可能性。综上，证明了工具变量Internet对因变量作用渠道的唯一性，即实现了排他性约束条件。因此，互联网普及率可以作为有效的工具变量进行估计。随后，先采用固定效应回归(FE)对数据进行离差变换，以解决遗漏变量影响，再对变化后的模型使用二阶段最小二乘法(2SLS)进行估计，以解决内生解释变量问题[17]。

表2 数字普惠金融对私营企业及个体就业的基本检验

表3 工具变量排他性约束检验

(三)稳健性检验

为验证数字普惠金融对私营企业及个体就业回归结果的稳健性，本文进行了如下稳健性检验。检验结果均表明，本文的实证分析结论较为可靠。

1.基于动态面板模型的检验

由于就业水平具有较强的路径依赖，即当期就业水平可能受到前期就业水平的影响，因此存在内生性问题。为此加入被解释变量的滞后一期，并利用系统GMM方法进行动态面板估计。具体模型如下：

EPIit=β0+β1EPIit-1+β2IDFIit-1+βiXit-1+ui+εit

(2)

系统GMM估计结果如表4第(1)列所示。AR(1)、AR(2)检验结果表明扰动项差分不存在二阶自相关，Sargen检验的P值也通过了所有工具变量有效性的假设。数字普惠金融的回归系数在1%的水平上显著为正，说明数字普惠金融对私营企业及个体就业存在显著的促进作用，与基准模型回归得出的结论一致。

2.变换解释变量

北京大学数字普惠金融指数按判断矩阵对覆盖广度、使用深度和数字化程度进行主观赋权，他们认为覆盖广度是基本前提，使用深度表示实际情况，数字化程度可被看作是潜在条件，权重分别为54%、29.7%和16.3%。然而，互联网化的金融模式打破了传统普惠金融对物理网点的依赖，主要通过手机等智能终端来实现普惠金融业务，因此，本文认为在数字普惠金融中，覆盖广度、使用深度和数字化程度互为前提，具有同等的重要程度，权重分别为1/3、1/3、1/3。基于此，重新合成了数字普惠金融指数IDFI1。以IDFI1替换IDFI重新进行回归，回归结果如表4第(2)列所示，数字普惠金融对私营企业及个体就业同样具有显著的促进作用，与基准模型的实证结论保持一致。

表4 稳健性检验回归结果

五、异质性检验

(一)城乡异质性

我国城乡之间在经济、文化等方面存在差距，在就业方面也存在一定的差异，本文试图就数字普惠金融对城乡私营企业及个体就业影响的异质性进行一定的探索。

由表5第(1)列和第(2)列可知，IDFI的系数在1%水平下显著为正，说明数字普惠金融的发展对城镇私营企业及个体就业产生了显著的促进作用。第(3)列和第(4)列中，IDFI的系数也在1%水平下显著为正，但作用强度较弱，说明数字普惠金融的发展对乡村私营企业及个体就业的促进作用弱于城镇。对于城乡就业影响的异质性，可能的原因有二：一是关于数字普惠金融的认知差异。城镇居民对数字普惠金融的接触时间长、认知程度高，从数字普惠金融中获得的金融支持也相应较多，从而对其就业、创业产生了积极显著的促进效应。而农村居民对数字普惠金融的接触时间短、认知不足，使用的人数和范围有限，带来的就业效应也稍显微弱。二是互联网普及率的差异。城镇地区互联网普及率较高，对于数字普惠金融业务的开展起到了强力的支撑作用，而农村地区互联网普及程度较低，这在一定程度上增加了在农村地区开展数字普惠金融业务的难度，所以受益人群较少，形成的就业效应较弱。

表5 城乡异质性分析

(二)区域异质性

我国疆域辽阔，各区域就业环境不尽相同。本文将我国内地划分为东中西三大区域(2)东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆、重庆、西藏。来考察数字普惠金融发展对各区域私营企业及个体就业的影响是否存在异质性。

由表6第(1)、(2)列可知，东部地区IDFI的系数在1%水平下显著为正，说明数字普惠金融的发展对东部地区私营企业及个体就业产生了显著的促进作用；从促进效果来看，数字普惠金融指数每增加一个单位，相关就业会增长9.79%(FE)和8.85%(FE+IV)。原因可能是东部地区经济发展水平较高，私营企业及个体工商户数量与其他区域相比更多、区域密集度更高，就业人员对于数字普惠金融的接受程度也普遍偏高，因此东部地区得益于数字普惠金融的人群更多，对就业的促进作用也更明显。

表6 区域异质性分析

由表6第(3)、(4)列可知，中部地区IDFI的系数在1%水平下显著为正，说明数字普惠金融的发展对中部地区私营企业及个体就业产生了显著的促进作用；从促进效果来看，数字普惠金融指数每增加一个单位，相关就业会增长4.4%(FE)和3.94%(FE+IV)，相比东部地区的促进程度有所减弱。原因可能是中部地区经济发展水平居中，私营企业及个体工商户的数量和区域密集度与东部地区相比有一定差距，居民对于数字普惠金融的接受程度也有待提升，数字普惠金融的金融资源配置功能没有完全展现出来，因此中部地区的受益人群有所下降，对就业的促进作用也有一定程度的减弱。

由表6第(5)、(6)列可知，西部地区IDFI的系数为正但不显著，说明数字普惠金融的发展对西部地区私营企业及个体就业的促进效应不明显。原因可能是西部地区经济发展水平较低，私营企业及个体工商户的数量和区域密集度与东中部地区相比都有较大差距，居民对于数字普惠金融的认知程度较低，数字普惠金融的普及和应用程度也明显低于东中部地区，因此西部地区的受益人群最少，金融约束对私营企业经营及个体创业都形成一定的限制，对就业的促进作用没有显著地展现出来。

六、进一步分析：门槛效应分析

(一)模型构建

前文对数字普惠金融与我国私营企业及个体就业的线性关系进行了实证研究，接下来采用Hansen(1999)[21]的方法，以数字普惠金融发展水平作为门槛变量和核心变量，进一步考察数字普惠金融发展对我国私营企业及个体就业是否具有非线性关系。据此，本文构建门槛回归模型，并假设存在单一门槛：

EPIit=β0+β1IDFI·I(qi≤γ)+β2IDFI·I(qit>γ)+β3Xit+ui+εit

(3)

其中，qit表示门槛变量，γ表示门槛值，I(·)表示示性函数，其余变量与模型(1)一致。

(二)门槛回归结果分析

1.门槛效应检验及门槛估计

为了保证门槛估计的精度，本文依次进行单一门槛、双重门槛和三重门槛的检验。结果显示(3)受篇幅限制未报告具体结果，作者备索。，数字普惠金融发展水平对私营企业及个体总体和城镇就业的影响均在5%的显著性水平上通过了双重门槛检验，而对私营企业及个人乡村就业的影响在5%的显著性水平上通过了单一门槛检验。

2.门槛回归结果

由表7可知，私营企业及个体就业总体、城镇就业的数字普惠金融门槛值高于乡村就业门槛值。数字普惠金融对私营企业及个体就业总体、城镇私营企业及个体就业存在显著的非线性关系。具体来看，数字普惠金融对城镇私营企业及个体就业的促进作用呈现出由弱到强的非线性变化。与此同时，数字普惠金融对乡村私营企业及个体就业也存在显著的非线性关系，促进作用呈现出由强变弱的非线性变化。这可能是因为对于城镇私营企业及个体工商户来说，当数字普惠金融发展水平达到一定程度，超过某个门槛值时，原本未能从数字普惠金融发展中获益的企业及个体也开始接触到更多的金融资源和金融服务，这为自身的良性发展提供了支持，进而大幅度提升了企业的就业吸纳能力和个体的创业数量。对于乡村私营企业及个体工商户来说，乡村地区的私营企业及个体就业人员数量有限，而且对数字普惠金融的认识也不足，数字普惠金融反而可能导致信贷资金滥用。因此，当数字普惠金融发展水平超过某一门槛值时，容易造成金融资源供过于求，金融资源配置效率下降的问题，反而提升了企业运营成本，降低了生产效率，造成企业规模的缩减，对就业的促进效应减弱。城镇与乡村的就业效应叠加后的净效应显示，在第一个门槛值和第二个门槛值之间，受乡村就业效应减弱的影响，总体就业效应也有所减弱，其他区间的总体就业效应均呈现加强趋势，即数字普惠金融对私营企业及个体就业的促进效应呈现出先加强后减弱再加强的先倒U后U型曲线特征。

表7 门槛回归结果

七、结论与建议

本文基于中国内地31个省级行政区2011～2017年面板数据，探究数字普惠金融对私营企业及个体就业的影响，结果发现：第一，从整体来看，数字普惠金融的发展对私营企业及个体就业具有显著促进作用。第二，从城乡异质性角度来看，数字普惠金融发展对城镇和乡村私营企业及个体就业均具有促进作用，但对城镇相关就业的促进作用较大、效果更为显著，而对乡村相关就业的促进作用较小且效果不显著。从区域异质性角度来看，数字普惠金融发展对东部和中部私营企业及个体就业具有显著促进作用，其中对东部的促进作用最大，对中部的促进作用次之，而对西部相关就业的促进作用不显著。第三，数字普惠金融发展对私营企业及个体就业总体、城镇相关就业的促进作用具有双重门槛效应，对乡村相关就业的促进作用具有单一门槛效应。

依据本文的研究结论，提出如下政策建议：第一，积极、持续推进数字普惠金融的发展，持续开展普惠金融的定向降准，解决资金短缺问题，稳定就业。第二，提高农村地区数字普惠金融的普及程度和发展力度，充分发挥数字普惠金融在脱贫攻坚中的重要作用。第三，重点推进西部地区数字普惠金融的发展进程，促进数字普惠金融在各地区的协调发展。第四，数字普惠金融对私营企业及个体的就业促进效应存在适度性问题，当数字普惠金融发展到一定程度时，金融资源的配置效率会出现一定程度的下降，造成就业促进效应的减弱，因此应警惕由于金融资源供过于求所带来的效率损失。