数字普惠金融发展能否缓解城乡收入差距——基于省级面板数据的检验

胡中立，王书华

（山西财经大学金融学院，山西太原030006）

一、引言

改革开放以来，我国以经济建设为中心，进入了持续高速增长期，居民的收入水平也在不断提高。随着我国社会主要矛盾的转变，人民追求美好生活的意愿日益强烈。习近平总书记在十九届五中全会上指出：“我国发展不平衡不充分问题仍然突出，城乡区域发展和收入分配差距较大”。城乡家庭收入差距依然较大是我国民生领域内发展不平衡不充分的主要问题，严重阻碍了人民日益增长的美好生活需要。根据国家卫生计划生育委员会2015 年公布的《中国家庭发展报告》，2015 年中国城镇居民的可支配收入已突破3 万元，而农村居民仅为1 万元左右，城镇居民的收入是农村居民的3 倍。之后的4 年中，虽然城乡居民收入之比略有下降，由2015 年的2.951 下降为2017 年的2.710，但2019 年城镇居民人均可支配收入突破4 万元，而农村居民的人均可支配收入增长缓慢，仍保持在1 万元左右，城乡居民收入之比扩大为3.3。城乡家庭收入差距的不断扩大会造成社会结构失衡、社会分化等负面影响，为缓解收入差距的进一步扩大，中共中央政治局多次召开会议，自第十七届四中全会以来便将缩小居民收入差距列为重要工作之一，第十九届五中全会中将显著缩小城乡区域发展差距和提高居民生活水平作为2035 年要实现的远景目标之一。因此，我们需要从根源分析和探讨如何延缓城乡家庭收入差距不断扩大的趋势，探索导致收入差距不断扩大的原因。

影响城乡收入差距的因素有很多，国外学者早在1973 年就注意到金融是影响城乡收入差距的重要因素，金融发展能够有效缓解城乡收入差距（蔡昉，2013；张彤进，2016）[1，2]。随着金融发展水平的逐渐提高，初始财富规模较小的农村地区居民能够借助金融机构获得信贷支持，从而进行人力资本投资，之后从事现代先进工作以提高收入，进而缩小与城市地区居民收入水平的差距，因此可以通过提升金融发展水平来缓解城乡收入差距（Galor and Zeira，1993）[3]。然而，我国的金融发展面临城乡二元结构的困境，金融资源更多地流向了经济发展水平较高的城镇地区，农村地区面临较为严重的金融供给不足，甚至还存在一定程度的金融排斥现象（王书华和杨有振，2015）[4]。因此，充分发挥金融发展缓解城乡收入差距作用的前提是扭转当前城乡二元金融发展结构。为此，中国共产党第十八届中央委员会第三次全体会议通过了《中共中央关于全面深化改革若干重大问题的决定》，其中第三部分第12 条明确提出，要“发展普惠金融，鼓励金融创新，丰富金融市场层次和产品”。普惠金融是基于机会平等要求和商业可持续发展原则，来满足社会不同群体和阶层对于适当、有效金融服务的需求。普惠金融侧重于在提升金融服务便利性的同时降低社会不同群体和阶层的获取成本，缓解农村地区的金融排斥现象，促使金融资源分配更加公平（勾东宁和田钰，2020）[5]。普惠金融的发展虽然在一定程度上缓解了农村地区金融服务的供给问题，然而在具体实施过程中仍受成本过高的限制，“普惠”效果大打折扣。为了进一步降低金融供给成本，提升金融服务的有效性，依托数字技术的数字普惠金融应运而生。数字普惠金融是将大数据、云计算、数据通讯等互联网技术应用于金融领域，利用其促进信息共享的作用降低金融供给的门槛和成本，扩大金融服务的覆盖范围，提高受金融排斥影响较大的农村地区对于金融服务的可得性。

本文以金融发展影响收入差距的理论为指导，在既有文献的基础上探讨数字普惠金融对于城乡收入差距的影响，以我国各省级行政单位为样本，结合2011—2018 年各省的多项数据分析了我国数字普惠金融影响城乡收入差距的直接效应、中介效应、门槛效应以及二者关系的区域异质性。结果表明：首先，我国数字普惠金融水平的提高能够有效缓解城乡间的收入差距；其次，数字普惠金融能够通过降低农村地区的贫困发生率从而缓解城乡收入差距，并且随着教育水平的提升，数字普惠金融对于城乡收入差距的缓解作用会加强；最后，中西部地区数字普惠金融水平对于收入差距的缓解效果优于东部地区。

本文具有以下贡献：不仅分析了数字普惠金融影响城乡收入差距的直接效应，还引入农村地区贫困发生率，从减贫视角探讨了数字普惠金融影响收入差距的中介效应；区别于既有文献在分析数字普惠金融影响城乡收入差距的门槛效应时，考虑数字普惠金融与地区经济发展水平，本文以各地区教育水平作为门槛变量，分析了教育在数字普惠金融影响城乡收入差距中起的作用，丰富和推进了数字普惠金融与收入差距的相关研究。

二、文献综述

（一）普惠金融的定义与构成

金融通过对资金进行转移从而实现经济社会中资源的有效配置，然而信息不对称的存在不仅会产生逆向选择与道德风险，而且会提高金融服务的提供的成本，加上资本的逐利性，会驱使金融服务更青睐于资产禀赋较高的高收入人群，将资产规模较小的低收入人群排斥在外，这种被称为金融排斥的现象在金融业内普遍存在（Demirgüç-Kunt and Levine，2009）[6]。为了缓解金融排斥导致的不平衡不充分发展问题，联合国于2005 年提出了“普惠金融”的概念，中国则于2006 年将其引入，并于2013 年在党的十八届三中全会中正式提出“发展普惠金融”的构想。2016 年国务院正式出台《推进普惠金融发展规划（2016—2020 年）》，同年数字普惠金融的概念在G20 峰会上被正式提出。根据《G20 普惠金融高级原则》，数字普惠金融泛指利用数字金融服务推进普惠金融的行为，其中包括借助数字技术，以负责任的、成本可负担的方式解决部分群体对于金融服务无法获取或获取成本较高的问题（黄益平和黄卓，2018）[7]。因此可以看出，数字普惠金融是基于普惠的性质，以金融为本质、数字为手段来提供金融服务的一种方式（李牧辰等，2020）[8]。

基于数字普惠金融的定义，既有文献认为其构成主要体现为普惠金融的数字化以及数字金融的普惠性。（1）关于普惠金融的数字化。普惠金融是在传统金融的基础发展而来的，传统金融范畴内金融服务的提供方多为商业银行，由于普惠金融的目标大多为低收入群体，低成本的金融服务以及由于信息不对称导致的逆向选择和道德风险都会对银行利润造成挤压，因此商业银行在提供普惠金融服务的过程中不得不面临社会性与收益性之间的矛盾。不仅如此，我国的普惠金融体系尚不健全，存在信息成本较高的问题，特别是在农村地区，不仅要克服农民信用水平和抵押品价值较低的问题，还要面临金融服务与当地居民金融需求不匹配的困境（张珩等，2017；李雪等，2021）[9，10]。在这种形势下，数字技术的引入降低了信息的获取成本，在分散商业银行经营风险的同时丰富了相关业务，从而扩大了普惠金融的发展空间（尹志超等，2019）[11]。（2）关于数字金融的普惠性。部分学者认为数字金融是互联网公司进入金融领域的产物，是借助互联网与信息技术提供金融服务，有别于传统的资本市场与商业银行（谢平等，2015）[12]。数字金融的普惠性体现在获取信息的便利性与金融服务平台的宽广性上。一方面，数字技术不仅能够提升信息的传播速度，还能通过汇聚碎片信息的方式建立信用网络，从而缓解了金融领域内普遍存在的信息不对称问题，并能根据不同客户的需求提供差异化的金融服务；另一方面，互联网的发展为客户提供了更加宽广的金融交易平台，之前获取金融服务较为困难的群体能够借助互联网平台进行金融交易，突破了地理层面的限制（Gomber et al.，2017；袁鲲和曾德涛，2020）[13，14]。

（二）数字普惠金融与城乡收入差距

对于数字普惠金融与城乡收入差距的分析，源于对金融发展与收入差距的探讨。关于金融发展对城乡收入差距的影响，部分学者认为金融发展能够减小城乡收入差距，即随着金融发展水平的逐渐提升，居住在农村地区、初始财富规模较小的居民能够借助金融机构获得信贷支持，从而进行人力资本投资，之后从事现代先进工作以提高其收入，进而缩小与城市地区居民收入水平的差距，因此可以通过提升金融发展水平来缓解城乡收入差距（Galor and Zeira，1993；Banerjee and Newman，1993）[3，15]。部分学者认为，金融发展会扩大城乡收入差距，银行更倾向于向居住在城市地区、还款能力较强的富人发放贷款。为了银行经营的稳定，董事会高层会对银行资本进行监督以维护其声誉，为此，银行更愿意向富人提供信贷支持，收入差距也会随之扩大（Maurer and Haber，2007；Dabla-Norris and Jivanovic，2015）[16，17]。还有部分学者认为金融发展与城乡收入差距之间呈非线性关系。一方面，处于发展初期的金融体系存在较高的投资成本，富有的城市居民能够负担这部分费用，因此高收入人群的回报率高于低收入人群，表现为城乡收入差距的扩大。随着金融发展水平的提高，金融机构的投资成本随之降低，更多的农村居民也可以通过金融机构进行投资，进而缓解了与城市居民之间的收入差距，即二者呈倒U 型关系（Greenwood and Jovanovic，1990；肖燕飞，2009）[18，19]。另一方面，金融发展与城乡收入差距还存在门槛效应，即当金融发展至一定水平后才会减小收入差距（Kim and Lin，2011；Law et al.，2014）[20，21]。

基于对金融发展影响收入差距的讨论，部分学者发现信贷约束、发展不平衡、金融排斥等会对金融发展影响收入差距形成干预（贝多广，2015）[22]。为了解决金融排斥问题，强调发展广度的普惠金融成为了缓解收入差距的重要途径，普惠金融由于提高了金融发展的广度，因此对于经济增长存在显著的正向促进作用，而经济增长能够有效缓解城乡收入差距（Fosu，2017）[23]。然而，在具体实施过程中却发现，农村地区普遍存在的信息不充分问题制约了普惠金融对于城乡收入差距的缓解作用，鉴于数字技术能够在一定程度上缓解信息不对称问题，因此尝试将数字技术与普惠金融相结合（即数字普惠金融），来考察其能否缓解上述过程中存在的问题。关于数字普惠金融与城乡收入差距，学者们采用不同方法验证了数字普惠金融能够缓解收入差距，并且证明了基于数字普惠金融基础和主导功能所产生的衍生功能，能够通过缓解农村地区的教育约束进而缩小城乡收入差距（宋晓玲，2017；梁双陆和刘培培，2018）[24，25]。在此基础上，部分学者发现，数字普惠金融对于城乡收入差距的影响存在异质性。一方面，数字普惠金融的不同维度对于城乡收入差距的影响存在差异，覆盖广度、移动支付和数字金融服务对于城乡收入差距的缓解效果优于小额信贷；另一方面，经济发展较为落后的地区数字普惠金融对城乡收入差距的缓解效果优于经济发展较为发达的地区，其原因在于，城乡收入差距会随着经济的发展而减小，因此数字普惠金融的缓解效应也会随之降低（张彤进和任碧，2017；傅秋子和黄益平，2018；李建军和韩珣，2019；王永静和李慧，2021）[26-29]。此外，还有学者分析了数字普惠金融影响城乡收入差距的空间效应，发现数字普惠金融较之传统普惠金融，不仅缓解城乡收入差距的效果更好，且存在正向的空间溢出效应，即对周围相邻地区的收入差距也具有缓解作用，而缓解效果的好坏主要由数字服务支持度决定（耿良和张曦月，2019）[30]。

综上，既有文献并不否认数字普惠金融对于城乡收入差距的影响，鉴于数字普惠金融的概念相对较新，虽然探讨呈上升态势，但相关研究仍然较少，且多集中于二者间的直接关系，对于间接关系、非线性关系讨论较少。因此，本文尝试在既有文献的基础上，结合我国2011—2018 年省级面板数据，探讨数字普惠金融对于城乡收入差距的影响。

三、理论分析

在对数字普惠金融影响城乡收入差距的相关文献予以梳理之后，本文进一步以此为基础进行理论分析。

（一）数字普惠金融对城乡收入差距的直接影响

本文以金融发展影响收入差距的理论为指导，尝试借助孙永强（2012）[31]所构建的金融发展与城乡收入差距的两部门模型分析数字普惠金融对城乡收入差距的直接影响。

某一经济体中存在城市（u）和农村（r）两个部门，为了便于分析，假设两部门相互独立，且城市和农村的劳动力人口分别为Lu与Lr。经济体中存在诸多竞争型厂商，其生产函数为一次齐次、二次可微、严格递增且拟凹的函数，并满足规模报酬不变和稻田条件。企业在生产过程中不仅需要自身的资金投入，还需要外源融资的支持，参考 Barro（1990）[32]内生经济增长模型的设定，将企业的外源融资引入至其生产函数当中，进一步可以得到两部门的生产函数为：

式（1）、式（2）分别表示城市部门和农村部门的生产函数，其中 Y、K、L、F、A 分别为总产出、资本、劳动力、外源融资和技术水平，α 与γ 分别表示城市部门和农村部门的资本产出弹性，β 与δ 分别表示城市部门和农村部门外源融资的产出弹性，且α、γ、β、δ、α+β、γ+δ 的取值范围为（0，1）。结合现实中城市部门的资本产出弹性大于农村部门，进一步假设α＞γ。设定ρ=F/K 表示两部门外源融资依赖度，ρ 越大表示外源融资依赖度越高，且ρ≥0。结合前文关于数字普惠金融的论述，数字普惠金融的主要目的在于缓解农村地区的金融排斥现象，提高农村地区金融可得性，因此在模型中利用ef=Fr/F=Fr/（Fu+Fr）表示数字普惠金融，从形式上可以看出，ef为农村部门所获得的外源融资占比，其值越高说明农村部门地区金融可得性越高，即数字普惠金融水平越高。进一步设定τ=F/Y，表示外源融资占社会总产出的比重。

参考内生经济增长模型的分析方法，令y=Y/L，k=K/L，f=F/L，随即可进一步得到城市部门和农村部门生产函数的密集形式，即：

假定两部门的厂商按照利润最大化原则进行生产，劳动力的工资收入则为劳动的边际产品，进一步可以得到均衡状态下社会中劳动力的工资为：

结合式（3）、式（4）、式（5），可以得到两部门劳动力的工资为：

那么，两部门间的收入差距则可以表示为：

进一步，两部门的外源融资依赖度ρ=F/K=fL/kL=f/k，结合式（3）、式（4）可以得到：

将式（9）、式（10）分别带入至式（6）、式（7），可以得到：

将式（11）、式（12）对外源融资依赖度进行求导，可以得到：

可以看出，式（13）与式（14）均为正，说明两部门外源融资规模的扩大能够提高其劳动力的收入。

进一步，对外源融资占社会总产出的比重τ=F/Y进行整理，可以得到：

移项可得：

根据式（16）构建隐函数，即：

根据隐函数求导法，得到：

结合前文关于各变量的相关设定，可以推出：

可以看出，城乡收入差距对数字普惠金融的导数为负，即随着数字普惠金融水平的提升，城乡收入差距会减小。

（二）数字普惠金融对城乡收入差距的间接影响

数字普惠金融能够降低农村贫困地区居民获得金融服务的成本，将更多的资金投入到生产当中，使当地的贫困状况得以缓解，居民可支配收入随之增加，从而缩小与城市间的收入差距。

具体而言，其一，数字普惠金融能够降低金融服务的供给成本，传统金融服务的提供需要由各地区金融机构的网点实现，虽然现在部分农村地区覆盖了一定数量的新型农村金融机构，但实际的覆盖范围仍然较为狭窄，并且贫困地区金融机构提供金融服务的成本与发达地区差别不大，而经营效益远低于发达地区的金融机构，因此导致金融机构的网点并不能渗透至农村贫困地区，当地居民也无法享受相应的金融服务（程惠霞和杨璐，2020）[33]。数字普惠金融则突破了金融服务供给在地域层面的限制，数字技术的引入使得贫困地区居民即使在周围金融机构覆盖面不广的情况下也可以通过线上进行开户、转账等金融交易，在降低金融服务供给成本的同时扩大了在农村贫困地区的覆盖面，使得更多的农村贫困群体能够享受金融服务。其二，由于金融服务的供给成本降低，金融机构随即拥有更多的资金用于金融产品的创新，借助大数据、云计算等技术实时追踪贫困地区的用户需求，进一步解决农村贫困地区的资金难题。其三，数字普惠金融能够降低农村贫困地区居民金融服务的获取成本，传统的金融服务需要居民亲自到金融机构进行办理，贫困地区金融机构的覆盖面不广使得当地居民获取金融服务需要承担较高的交通、时间等成本，而数字普惠金融则在移动客户端向客户提供金融服务，降低了农村贫困地区居民金融服务的获取成本。其四，数字普惠金融能够降低农村贫困地区金融服务的获取门槛。传统金融在提供金融服务时会考虑风险，依据授予对象的还款能力要求其提供相应价值的抵押物，然而农村贫困地区居民因提供的抵押物有限，甚至无法提供抵押物，从而被金融机构拒之门外。相比之下，数字普惠金融的发展为包含农村贫困地区在内的“长尾市场”提供了享受金融服务的机会，降低了农村贫困群体获得资金支持的门槛，在一定程度上缓解了农村地区因金融排斥所产生的负面影响（谢升峰等，2021）[34]。农村贫困群体突破了金融服务的获取门槛，能够将所得资金投入生产，进而帮助其摆脱贫困，增加可支配收入，缩小与城市地区的收入差距。因此，数字普惠金融的发展能够通过缓解农村地区的贫困程度进而减小城乡间的收入差距。

四、研究设计

（一）指标设定与数据来源

基于前述理论分析，本文尝试以我国2011—2018 年31 个省级行政单位作为研究样本。根据既有关于数字普惠金融与城乡收入差距的讨论，我们对具体的变量进行了设定。

1.被解释变量：收入差距。本文尝试以城乡居民可支配收入之比作为收入差距的替代变量，数据来源于2011—2018 年《中国统计年鉴》。

2.解释变量：数字普惠金融。本文尝试以2011—2018 年度各省级行政单位的数字普惠金融指数衡量数字普惠金融水平，数据来源于北京大学数字金融研究中心与蚂蚁金服合作发布的数字普惠金融指数。这一指标体系基于蚂蚁金服数以亿计的微观数据，在传统普惠金融测度方法的基础上结合了数字金融的发展趋势，在既有关于数字普惠金融的探讨中具有较高的权威性。

3.中介变量：贫困程度。为了验证前述理论中关于数字普惠金融对城乡收入差距的间接影响，本文进一步设定关于减贫的中介变量。本文尝试以农村贫困发生率衡量贫困程度，数据来源于2011—2018年《中国农村贫困监测报告》。

4.控制变量。为了缓解多重共线性与内生性对估计结果的影响，本文进一步引入经济发展水平、第一产业结构、第二产业结构、城镇化率、财政支出比重以及对外开放程度等控制变量。其中，经济发展水平以各省份GDP 的对数衡量，第一产业结构与第二产业结构分别用第一产业增加值、第二产业增加值占当年GDP 的比重衡量，城镇化率利用年末城镇常住人口数占地区总人口数的比重衡量，财政支出比重利用财政支出占GDP 的比重衡量，对外开放程度利用进出口总额占GDP 的比重衡量。

表1 变量选择与定义

（二）模型构建

1.基准回归模型。基于前文关于各个变量的设置，本文首先设定基准回归模型。

式（20）为数字普惠金融影响城乡收入差距的基准回归模型，其中，gap 为城乡收入差距，C 为常数项，ef 为数字普惠金融水平，X 表示其他控制变量，α、β 分别为数字普惠金融和控制变量的待估计参数，ε 为扰动项。

2.中介效应模型。为了进一步验证数字普惠金融对城乡收入差距的间接影响，基于既有文献关于中介效应的检验方法，进一步构建二者的中介效应模型。

式（21）至式（23）检验了数字普惠金融影响城乡收入差距的中介效应，其中，plit为贫困程度，α、β、γ为待估计参数，其余变量含义与式（20）相同。

3.面板门槛模型。在分析了数字普惠金融影响城乡收入差距的直接影响与间接影响之后，考虑到二者间还可能存在由环境变化导致的非线性关系，因此，为了更加全面、深入地考察数字普惠金融与城乡收入差距间的关系，本文进一步建立了面板门槛模型。

式（24）和式（25）为数字普惠金融影响城乡收入差距的面板门槛模型，式（24）为单一门槛模型，式（25）为多重门槛模型。其中：q 为门槛变量；δ 为特定门槛值；I（）为指标函数，在条件成立时取值为1，反之为0；其余变量的含义与式（20）相同。

五、实证结果与分析

（一）描述性分析

在确定了变量选取与数据来源之后，进一步对样本进行简单的描述性分析。限于篇幅，表2 列出了主要变量2011、2015、2018 年的描述性统计结果。可以看出，城乡收入差距在2011 年为2.909，2018 年为2.554，大致呈现下降趋势。数字普惠金融水平从2011 年的40.004 上升至2018 年的300.21，说明我国的数字普惠金融水平大致呈上升趋势。我国的贫困程度从2011 年的14.484 下降至2018 年的1.9，说明我国扶贫政策的效果非常显著。

表2 主要变量的描述性统计

进一步，为描述数字普惠金融水平与城乡收入差距的相关关系，绘制出2011—2018 年数字普惠金融水平与收入差距的相关关系图，其中横轴为数字普惠金融水平，纵轴为城乡收入差距。不难看出，我国数字普惠金融与城乡收入差距之间呈现较为显著的负相关关系，即随着数字普惠金融水平的提高，城乡收入差距呈现出逐渐下降的趋势。

图1 我国数字普惠金融水平与城乡收入差距的关系

（二）回归分析

在对我国数字普惠金融水平与城乡收入差距进行描述性分析之后，为进一步讨论二者间的具体关系，需进行实证检验。

1.数字普惠金融对城乡收入差距的直接影响。在设定实证模型之后，本文对数字普惠金融影响城乡收入差距的直接效应进行了估计。为准确捕捉数字普惠金融对城乡收入差距的影响，在面板回归之前首先对数据进行了模型的选择性检验，并假定不同个体之间的扰动相互独立。同时，同一个体在不同时期的扰动不存在自相关性。在估计时，使用聚类稳健标准误（cluster-robust standard error）进行校正。F 检验用于检验模型是混合效应还是固定效应，表3 列（1）、列（2）为数字普惠金融影响城乡收入差距的回归结果。从估计结果来看，在不考虑控制变量的情况下，数字普惠金融的回归系数为-0.001 5，且在1%的显著性水平上显著为负。在考虑控制变量之后，数字普惠金融的回归系数为-0.001 3，且在1%的显著性水平上显著为负。因此可以看出，我国数字普惠金融水平的提升能够有效缓解城乡收入差距。关于控制变量，经济发展水平、第一产业结构、第二产业结构与对外开放程度的估计结果为负，且均通过了10%的显著性水平检验，说明当地经济发展水平、第一产业结构、第二产业结构以及对外开放程度的提升均有利于缩小城乡收入差距。相比之下，财政支出比重的估计系数虽然同样为负，但未通过显著性检验，说明财政支出的增加对于缓解城乡收入差距的效果并不显著。

此外，鉴于在数字普惠金融对城乡收入差距的影响中可能存在由反向因果以及遗漏变量导致的内生性问题，本文尝试采用由Lewbel（2012）[35]所提出的基于异方差的估计方法进行内生性处理。相较于传统利用工具变量的两阶段最小二乘法，基于异方差的估计方法不仅可以在无法确定工具变量时使用，还能够随其他外生变量一起使用，以提高工具变量的有效性，具体估计结果如表3 列（3）所示。可以看出，Hansen J 检验的 P 值为 0.236 1，大于 10%，通过了模型不存在过度识别的原假设，说明模型所生成的工具变量是有效的。关于各变量的估计结果，数字普惠金融的估计系数为-0.003，且在1%的显著性水平上显著，同初始回归结果一致，进一步证明了数字普惠金融能够有效缓解城乡收入差距。关于其他控制变量，除经济发展水平之外，其余变量的估计结果及其显著性水平与初始回归的结果大体一致。因此，两种估计方法关于核心解释变量的估计结果与显著性水平基本一致，回归系统差异较小，能够证明数字普惠金融对于城乡收入差距存在负向影响。

表3 数字普惠金融影响城乡收入差距的直接效应

2.数字普惠金融对城乡收入差距的间接影响。在分析了数字普惠对城乡收入差距的直接影响之后，进一步分析数字普惠金融对城乡收入差距的间接影响。基于温忠麟和叶宝娟（2014）[36]的研究，结合前文实证模型的设定，本文对中介效应进行检验。第一步，检验式（21）的系数α1，如果通过了显著性检验，则按照中介效应立论，反之则按遮掩效应立论。第二步，依次检验式（22）的系数 α2与式（23）的系数 γ3，如果两个变量都通过了显著性检验，则表明间接效应显著，进行第四步；如果至少有一个不显著，则进行第三步。第三步，利用Bootstrap 法直接检验H0：α1γ3=0，如果通过显著性检验，则间接效应显著，进行第四步；反之，则表明间接效应不显著，停止分析。第四步，检验式（23）中的α3，如果未能通过显著性检验，说明直接效应不显著，只有中介效应；如果通过了显著性检验，则说明直接效应显著，进行第五步。第五步，比较 α1γ3与 α3的符号，符号相同表明存在部分中介效应，符号不同则属于遮掩效应。

表4 列示了数字普惠金融影响城乡收入差距的中介效应的估计结果，表中列（1）至列（3）分别是式（21）至式（23）的分析结果，对照上述中介效应的检验步骤依次进行检验。首先，列（1）中数字普惠金融的符号显著为负，因此按照中介效应立论。其次，列（2）中数字普惠金融的符号同样显著为负，说明数字普惠金融水平的提升能够有效降低农村贫困发生率。列（3）中贫困发生率的系数显著为正，说明农村贫困发生率的降低能够有效缓解城乡收入差距。最后，列（3）中数字普惠金融的系数为正，但未能通过10%的显著性检验，说明数字普惠金融、贫困发生率与城乡收入差距之间仅存在中介效应。此外，为了进一步确定中介效应的有效性，本文对上述估计进行了Sobel 检验，结果显示P 值小于0.05，代表拒绝原假设，中介效应成立。因此，结合以上分析可以说明，提高数字普惠金融水平能够通过降低农村贫困发生率从而缓解城乡收入差距。

表4 数字普惠金融影响城乡收入差距的中介效应

3.数字普惠金融影响城乡收入差距的门槛效应。在分析了数字普惠金融对城乡收入差距的直接影响和间接影响之后，基于前文实证模型的设定，本文进一步讨论了二者间的非线性关系。既有文献不乏关于数字普惠金融影响城乡收入差距门槛效应的讨论，并已经得出较为一致的结论，认为具有较为显著的门槛效应（王全景和郝增慧，2018；熊德平和陈昱燃，2020）[37，38]。随着我国迈进高等教育强国步伐的加快，教育水平已经成为破解我国二元结构的关键因素之一。那么，数字普惠金融对于城乡收入差距的影响是否会因为教育水平而存在门槛现象？为此，本文利用2011—2018 年《中国统计年鉴》中各省份在校高中生人数占总人口数的比重来衡量教育水平，检验数字普惠金融对城乡收入差距的影响中教育水平的门槛效应。

首先，假设不存在门槛、存在单一门槛、存在双门槛，对模型予以估计。表5 给出了数字普惠金融影响城乡收入差距门槛效应的存在性检验，可以看出，当以教育水平为门槛变量时，在单一门槛通过了5%水平的显著性检验，双重门槛未通过10%水平的显著性检验，因此可以认为存在单一门槛。

表5 门槛效应的存在性检验

表6 给出了数字普惠金融影响城乡收入差距的门槛变量的估计值，可以看出，教育水平的单一门槛值为0.015 5。因此，本文将2011—2018 年各省份按教育水平划分为edu≤0.015 5 与edu＞0.015 5 两个区间。

表6 门槛变量估计值

表7 给出了以教育水平为门槛变量时，数字普惠金融影响城乡收入差距的估计结果。可以看出，无论在门槛值以上还是门槛值以下，数字普惠金融对城乡收入差距的估计系数均显著为负。从估计系数的值可以看出，数字普惠金融在门槛值以下的估计系数为-0.001 4，而在门槛值以上的估计系数为-0.002 0，说明随着教育水平的不断提高，数字普惠金融对于城乡收入差距的缓解作用会加强。

表7 面板门槛模型的回归结果

六、分区域稳健性检验

在分析了我国数字普惠金融对城乡收入差距的直接影响、间接影响、门槛效应之后，本文进一步按各省份所属区域将样本分为东、中、西部，分别进行回归，以验证数字普惠金融对城乡收入差距影响的稳健性与区域异质性。表8 为不同区域主要变量的描述性分析，可以看出，东部地区的城乡收入差距最小，数字普惠金融水平最高，中部地区次之，西部地区的城乡收入差距最大，数字普惠金融水平最低。

表8 不同区域主要变量的描述性分析

（续表8）

为了更形象地反映不同年份我国不同区域的数字普惠金融水平与城乡收入差距的关系，本文计算出2011—2018 年不同区域数字普惠金融水平与城乡收入差距的平均值，并据此绘制相应的折线图。

图2 反映了2011—2018 年我国不同区域数字普惠金融的分布情况，其中横轴为年份，纵轴为数字普惠金融水平。可以看出：一方面，不同区域的数字普惠金融水平在2011—2018 年间均呈现出较为显著的上升趋势，说明我国数字普惠金融发展势头良好；另一方面，不同区域的数字普惠金融水平呈现一定的异质性特征，具体表现为东部地区的数字普惠金融发展水平最高，中部地区次之，西部地区最低。

图2 我国不同区域的数字普惠金融水平

图3 反映了2011—2018 年我国不同区域城乡收入差距的分布情况，其中横轴为年份，纵轴为城乡收入差距。可以看出，一方面,不同区域的城乡收入差距在2011—2018 年间均呈现出较为显著的下降趋势；另一方面，不同区域的城乡收入差距呈现一定的异质性特征，具体表现为西部地区的城乡收入差距最大，中部地区次之，东部地区最小。

图3 我国不同区域的城乡收入差距

在明确了我国数字普惠金融水平与收入差距的区域异质性特征之后，进一步通过回归来验证其稳健性。表9 给出了不同区域数字普惠金融对收入差距的影响，运用面板固定效应、异方差估计两种方法进行回归，重点分析核心解释变量数字普惠金融水平的估计结果。可以看出，东、中、西部三个地区的估计结果均为负，并且同基于异方差的估计结果相一致，说明不同地区数字普惠金融水平的发展能缓解其收入差距，验证了前文实验结果的稳健性。从回归系数来看，东部地区的回归系数最小，且显著性较低，中部地区次之，西部地区的回归系数最大，且不同方法的估计结果均通过了1%水平的显著性检验，说明中、西部地区数字普惠金融水平对于收入差距的缓解效果优于东部地区，即中、西部地区数字普惠金融对于缓解收入差距的边际贡献高于东部地区。

表9 不同区域数字普惠金融对城乡收入差距的影响

（续表9）

七、研究结论与对策建议

（一）研究结论

本文以金融发展影响收入差距的理论为指导分析了数字普惠金融对城乡收入差距的影响，并以我国各省级行政单位为样本，结合2011—2018 年的数字普惠金融指数、城乡居民可支配收入比等多项数据，分析了我国数字普惠金融影响城乡收入差距的直接效应、中介效应、门槛效应以及二者关系的区域异质性。结果表明：首先，我国数字普惠金融水平的提高能够有效缓解城乡间的收入差距，且在考虑内生性的情况下仍然成立；其次，中介效应模型显示，我国数字普惠金融能够通过降低农村地区的贫困发生率从而缓解城乡收入差距；再次，面板门槛模型显示，随着教育水平的提升，数字普惠金融对于城乡收入差距的缓解作用会加强；最后，我国数字普惠金融对城乡收入差距的影响呈现一定的区域异质性，具体表现为中西部地区数字普惠金融水平对于收入差距的缓解效果优于东部地区。

（二）对策建议

探索数字普惠金融对城乡收入差距的影响具有较强的政策含义，不平衡发展背景下对于缓解收入差距政策调控的分析已成为解决我国民生问题的重要工作，因此基于研究结论，本文提出了相应的对策建议。

首先，完善农村地区的数字化建设，充分发挥数字普惠金融对于城乡收入差距的缓解作用。本文研究结论表明，数字普惠金融能够通过降低农村地区的贫困发生率从而缓解城乡收入差距，因此，政府部门应进一步完善农村地区的数字化建设。一方面，推动大数据、云计算等数字技术在农村地区的使用，在扩大数字普惠金融覆盖范围的同时丰富其对于农村贫困群体的服务内容，以满足贫困群体的资金需求；另一方面，推动农村地区基础数据平台建设，以了解贫困群体的金融服务需求，适当降低金融机构的准入门槛，实现金融机构与贫困群体之间金融服务供需的适应性匹配。此外，通信运营商还可以适当下调农村贫困地区使用手机、互联网的相关资费，提高其使用互联网的积极性。

其次，进一步提升教育水平，改善农村地区居民的金融素养。本文研究结论表明，随着教育水平的提升，数字普惠金融对于城乡收入差距的缓解作用会加强。因此应注重提升义务教育和职业教育水平，帮助贫困地区人口积累人力资本，增强数字普惠金融对城乡收入差距的缓解作用。此外，农村居民普遍较低的金融素养也是限制其参与数字普惠金融的重要因素之一（刘国强，2018）[39]，因此还需加强对农村居民金融教育的普及力度，注重对其进行基础性和实用性较强的金融知识和金融技能的教育，有针对性地为其提供金融风险培训，以加强风险防范意识。

最后，着力提升我国中西部地区的数字普惠金融水平。本文研究结果表明，我国东部地区的城乡收入差距最小，数字普惠金融水平最高，中部地区次之，西部地区的城乡收入差距最大，数字普惠金融水平最低，并且中西部地区数字普惠金融水平对于收入差距的缓解效果优于东部地区，因此，应着力提升我国中西部地区的数字普惠金融水平。一方面，在充分考虑中西部地区地理因素的基础上进行相关政策的制定，根据当地经济发展水平、环境因素提高其金融市场份额，拓宽中西部地区数字普惠金融的覆盖广度；另一方面，加深中西部地区数字技术与实体金融的有机结合，鼓励居民通过线上完成支付结算、保险、信贷等传统金融业务，提高中西部地区数字普惠金融的使用深度。此外，加强对中西部地区金融知识教育的投入力度，提升其数字化水平。