数字经济、普惠金融与经济增长
2021-12-27 11:41于之倩
暨南学报(哲学社会科学版) 2021年11期
于之倩, 朱 宁
一、引 言
普惠金融 (Inclusive Finance)概念最早是以小额信贷(Microcredit)和微型金融(Microfinance)为对象发展而来。2005年，联合国在“国际小额信贷年”上率先正式提出“普惠金融”理念，并得到世界各国认可。2013年，十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》首次正式提出“发展普惠金融”，标志着我国发展普惠金融规划上升到战略层面。近年来，数字普惠金融成为普惠金融领域的重要发展方向。按照普惠金融全球合作伙伴 (GPFI)在2016年杭州G20峰会对“数字普惠金融”的定义，即数字普惠金融是泛指所有将大数据、云计算以及移动互联网等数字技术应用到普惠金融领域的行为，具有共享、便捷、低成本、低门槛等特点，对解决普惠金融推广过程中存在的获得性、覆盖面等难题提供了新的思路和方法。
普惠金融对经济增长具有显著促进作用，那么数字普惠金融作为普惠金融的重要工具，是否也能推动经济增长是本文亟待解决的问题。从现有文献来看，至今并没有统一的结论。大多数学者认为，数字普惠金融可以通过多种途径对地方经济增长产生正向影响。比如，数字普惠金融可以通过改善金融可得性直接减缓农村贫困，或者通过增加经济机会间接减缓农村贫困。数字普惠金融通过促进创业机会均等化，增加农村家庭的创业行为，从而实现经济增长。数字普惠金融打破传统普惠金融模式，具有空间外溢效应，对服务业的发展具有显著推动作用。数字普惠金融通过提高支付便利性以及缓解流动性约束来拉动居民消费支出，促进经济增长。但是，也有部分学者发现，数字普惠金融在某些情况下可能抑制地方经济增长。比如，数字普惠金融的减贫作用呈现先恶化后改善的效应，并且金融波动会抵消金融发展的减贫作用。数字普惠金融发展到一定程度会导致资源配置效率降低。当经济及金融发展都处于较高水平时，继续推进数字普惠金融可能导致边际成本超过边际收益，对经济增长产生负面影响。数字普惠金融发达程度越高，农村生产性金融需求越低，即数字普惠金融发展抑制了农村生产性需求，不利于农村经济增长。从现有文献来看：(1)参数方法是主要的研究工具，但是参数方法需要预先设定函数形式，否则可能出现结果偏差。(2)大量的研究结果显示，数字普惠金融对地方经济增长是存在推动作用或者抑制作用并不确定。对此，本文试图从多维度的效率视角，使用一种非参数分析方法——条件效率框架重新检验并回答，数字普惠金融能否推动地方经济增长。其中，数字普惠金融被视为环境变量内生性整合到地方经济增长评价体系中。
通常，效率 (Efficiency)被作为一个可以多维度评价地方经济增长水平的指标，而数据包络分析 (DataEnvelopmentAnalysis,DEA)是一种主流的效率评价的非参数方法。从我们掌握的文献来看，目前使用DEA方法来评价数字普惠金融对地方经济增长影响的研究屈指可数，而且在传统效率评价过程中可能存在两方面缺陷：(1)如何界定数字普惠金融的角色。因为数字普惠金融对地方经济增长的影响尚没有统一结论，即单一的作为投入变量或者产出变量来处理都有失偏颇。(2)如何有效研究数字普惠金融对地方经济增长的影响。前期研究主要基于二阶段DEA方法，即首先通过标准的DEA方法测算地方经济增长效率，再通过诸如Tobit、OLS等参数方法对效率值进行回归检验，但Simar和Wilson检验发现，这种混合非参数和参数方法的二阶段DEA方法并不是一种有效的方法。
为了克服上述缺陷，Cazals等在概率性m
阶方法(Order-m Approach)的基础上进一步构建出一种条件效率 (Conditional Efficiency)框架来研究外部环境对决策单位效率的影响。Daraio和Simar基于Cazals等的开创性贡献，系统性地提出标准的条件效率模型，但是早期的模型只适合具有非凸性和连续性的框架。Daraio和Simar将条件效率方法由非凸性的FDH拓展到凸性的DEA。后续研究中，条件效率被广泛应用于教育、政府、农业、银行等诸多领域。基于上述内容，本文试图对现有文献进行拓展：(1)把数字普惠金融作为环境变量来评价地方经济增长效率。(2)使用基于条件效率的DEA方法来检验数字普惠金融对地方经济增长的影响。
本文其他部分安排如下，第二部分是研究方法，第三部分是数据分析，第四部分是实证研究，最后是结论。
二、研究方法
(1)
早期评价决策单位内部管理水平 (技术效率)的DEA模型需要预先设定各变量的角色——投入或者产出。但是，现实中可能存在某些变量无法界定其对决策单位的效率影响方向，对此，Cazals等和Daraio和Simar开创性提出一种新的效率评价框架——条件效率，将上述不可直接界定的变量视为环境变量，并检验其对决策单位效率的影响，即环境变量通过改变技术边界的分布来获得一个更接近现实的条件效率值。
H
|(x
,y
)=Prob
(X
≤x
,Y
≥y
|Z
=z
)=Prob
(Y
≥y
|X
≤x
,Z
=z
)Prob
(X
≤x
|Z
=z
)=
S
|,(y
|x
,z
)F
(x
|z
)(2)
其中，生存函数S
|,(y
|x
,z
)对技术边界“扭曲”具有决定作用。区别于针对传统技术效率的Prob
((x
,y
)∈(X
,Y
))=1假设，Cazals等提出具有概率性的m
阶方法构建依靠生存函数S
|,(y
|x
,z
)的条件分布的预期最大产出效率值 (Expected Value of Maximum Output Efficiency Score)：
(3)
(4)
其中I
(·)是指标函数，K
(·)是核函数，h
为对应的窗宽。进一步，可计算得到生存函数：
(5)
(6)
考虑衡量决策单位的改善潜力，基于式 (6)，本文将Bogetoft和Hougaard以及Asmild等提出的具有内生性的多方向效率分析(Multi-Directional Efficiency Analysis, MEA)方法整合到条件效率框架中。式 (7)和式(8)在局部的单一生产目标指导下对各投入和产出分别内生性选择最优的参考对象，其中，约束条件左边表示在条件效率框架下构建的技术边界，右边表示个体决策单位的最优生产能力(η
,φ
)或者现实生产能力(x
,y
)；另外，-n
表示在N
种投入中除第n
种投入之外的所有投入，同理可以解释-m
。
(7)
(8)
基于最优参考对象(η
1,…,η
,φ
1,…,φ
)，对应具有内生性的方向向量可表示为(g
,g
)=(x
1-η
1,…,x
-η
,φ
1-y
1,…,φ
-y
)，即现实生产能力与最优生产能力之间的差距。将上述方向向量整合到传统的方向性距离函数 (Directional Distance Function,DDF)中可得式 (9):
(9)
基于式 (7)～(9)提供的最优参考对象和无效率值β
，可以进一步得到决策单位各投入和产出变量的个体效率:
(10)
(11)
同时，由于Tone构建的SBM模型具有良好的无导向 (Non-Oriented)、无径向 (Non-Radial) 等性质以及直观的经济学解释，同样基于式 (7)～(11)，本文参考SBM模型，将所有投入、产出变量整合到决策单位的整体效率中：
(12)
三、数据分析
在评价地方经济增长效率方面，一种常规的指标选取方式是，将劳动力 (L
)和资本 (K
)作为投入变量，地方生产总值 (GRP
)作为产出变量。本文试图研究数字普惠金融对地方经济增长的影响，并选择普惠金融覆盖程度 (Cov
)、普惠金融使用深度 (Usa
)及普惠金融数字化水平 (Dig
)三个指标来衡量数字普惠金融的发展程度。由于本文并没有外生确定数字普惠金融对地方经济的影响路径，所以本文将上述三个指标作为环境变量进行处理。
表1 变量描述与数据来源
表2 描述性统计：2011—2017年
图2提供了2011—2017年中国30个省级行政区域(以下简称“省”)的地方经济水平和数字普惠金融数据的描述性统计。从地方经济水平来看，劳动 (L
) 的变异系数最小 (0.65)，而资本 (K
) 的变异系数最大，这同样也反映在各变量的平均增长率上，研究期间，劳动的年均增长率仅为1.29%，而资本的年均增长率高达14.4%；GRP
变化表现适中。从数字普惠金融来看，普惠金融覆盖程度 (Cov
)、使用深度 (Usa
)和数字化水平 (Dig
)的变异系数差异不大，均在0.5以下；而年均增长率分别高达76.95%、50.72%和62.66%，这说明数字普惠金融在研究期间处于高速发展阶段。四、实证研究
(一)数字普惠金融对地方经济增长的整体影响分析
表3提供了30个省的数字普惠金融对地方经济影响的条件和非条件效率均值。结果发现，各省的条件效率值都超过非条件效率值，并且，在Spearman秩相关检验下，两种效率值在1%的水平下显著正相关。这说明，数字普惠金融对地方经济增长的整体效率改善具有显著正向影响——从全国范围的均值来看，数字普惠金融对地方经济增长实现9.02%的效率改善。对此的解释是，数字普惠金融一方面可以优化资源配置，将资金引导流向实体部门，从而实现实体经济振兴，另一方面可以通过缓解融资渠道促进中小企业创新。另外，数字普惠金融还可以通过促进创新、协调、绿色、开放和共享等多维度发展实现地方经济高质量增长。
表3 整体条件和非条件效率比较
从具体的样本来看，上海、天津和北京的非条件效率排名处于前列，分别为98.48%、87.63%和83.61%；在加入数字普惠金融的情况下，上述三个直辖市的条件效率分别为100%、95.12%和88.92%，其效率改善程度仅为1.52%、7.49%和5.31%；反观青海和吉林，虽然其条件效率和非条件效率排名都相对靠后，但是差值分别达到18.94%和18.41%，这说明数字普惠金融对青海和吉林的地方经济增长贡献突出；进一步研究发现，西部和东北地区各省受惠于数字普惠金融的程度明显超过东部地区，这说明，数字普惠金融对地方经济增长的促进作用主要体现在欠发达地区，从而缩小地区间经济增长差距。一种可能的解释是，由于东部地区的传统金融体系较发达，居民可以更直接地获得金融服务，而欠发达地区的传统金融机构服务在覆盖广度和深度方面都可能存在限制，数字普惠金融通过有效改善传统金融服务在时空上的限制，从而显著提升欠发达地区的金融可得性，并推动地方经济增长。
(二)数字普惠金融对地方经济增长的个体影响分析
为了深入研究数字普惠金融对地方经济增长的效率改善源泉，本文进一步对各投入、产出指标进行个体效率评价。表4显示，无论是投入还是产出指标，其条件效率和非条件效率的差值都为正，这与表3提供的整体效率情况一致。换言之，无论是在缩减劳动力和资本支出，或者提高地方经济产出(GRP
)方面，数字普惠金融都具有显著的推动作用。但是，比较GRP
，劳动力和资本三种指标的条件效率和非条件效率的差值发现，数字普惠金融对GRP
和劳动力的影响更明显，分别为7.06%和6.39%，而对资本(1.52%)的作用有限。对于数字普惠金融提高GRP
增长，主要可以归结为优化产业结构、提升地方创新能力、促进居民消费水平等多方面。数字普惠金融对于劳动力的影响，通常是基于改善金融服务可得性并降低融资交易成本来提高创业活动的雇员规模和收入。由于资本的非条件效率值(0.927 8)已处于高位，相对于GRP
(0.748 3)和劳动(0.713 3)的改善空间更小，所以数字普惠金融对资本的改善程度有限。
表4 个体条件和非条件效率比较
比较各样本的个体效率可以发现，无论是产出指标GRP
，还是投入指标劳动和资本，都体现出显著的区域差异性，即数字普惠金融对欠发达地区具有更强的改善作用，而对发达地区的作用有限，这正体现出数字普惠金融的普惠性和包容性。比如，数字普惠金融对青海、新疆、宁夏等西部地区的GRP
效率改善作用分别为18.38%、11.97%和11.81%，而对上海、浙江、广东等发达地区的贡献程度仅为0.57%、0.9%和2.91%。对此的解释是，由于数字普惠金融的优势主要体现在扩大金融服务的覆盖广度和使用深度，所以对于传统金融覆盖不足的欠发达地区具有更强的创新激励效应(梁榜和张建华，2019)；另外，数字普惠金融在产业结构高级化和内部演化的促进作用方面对欠发达地区的贡献更突出(杜金岷等，2020)。在劳动和资本方面，数字普惠金融同样都表现出明显的普惠性。数字普惠金融对青海和山西的劳动指标分别提供了9.81%和9.08%的效率改善，而对上海和浙江的劳动指标效率改善分别提供了1.65%和2.42%的贡献程度。冯大威等实证发现，数字普惠金融会对存在较严重信贷约束的创业行为产生显著正向影响，这可以解释欠发达地区的劳动指标效率改善程度高的原因。考虑数字普惠金融对社会固定资本的异质性影响，数字普惠金融有利于促进低物质资本或低社会资本的创业行为，从而实现包容性增长(张勋等，2019)；李建军等也发现，数字普惠金融对地方经济增长的促进作用在通信基础设施更差的地区表现更显著。
(三)数字普惠金融对地方经济增长影响的变化趋势
图1提供了数字普惠金融对地方经济增长的整体效率和个体效率的变化趋势。研究期间，无论是整体效率还是个体效率，其条件效率值都超过非条件效率值，这说明数字普惠金融对地方经济增长一直保持正向影响，但是这种推动程度整体上呈现缩减趋势。一种可能的解释是，随着数字普惠金融在覆盖程度、使用深度及数字化水平方面得到有效推广，金融服务供给得到显著改善，从而使数字普惠金融对地方经济增长的边际效率贡献逐渐缩减。李涛等发现，当金融发展水平处于高位时，数字普惠金融的边际成本会超过边际收益。龚沁宜和成学真、贺健和张红梅等也得出类似结论——数字普惠金融对经济增长具有单一门槛效应，即数字普惠金融对推动地方经济增长具有倒“U”形路径。杜金岷等从产业结构角度发现，数字普惠金融对产业结构合理化、高级化都呈倒“U”趋势，即数字普惠金融对产业结构升级的影响存在限值。另一种可能的解释是，在经济发展初期，金融深化可以促进资本积累，降低资本获得成本，从而刺激投资。但是随着金融深化程度加剧，中国金融体系中的结构性矛盾逐渐暴露，数字普惠金融可能导致部分地区出现过度金融化，进而影响整体变化趋势。
图1 数字普惠金融对地方经济增长的变化趋势
另外，各指标的非条件效率随着时间推移基本呈现递增趋势，但其条件效率，除了资本指标，都出现小幅波动。研究期间，数字普惠金融对GRP
的条件效率维持在0.8～0.85之间，这说明数字普惠金融对推动GRP
具有较高效率且增速相对稳定。值得关注的是，GRP
的条件效率在2015年出现下滑，对此的解释是，自2015年以来，银行监管力度加大，以及P2P公司违约情况影响市场对数字金融的信任度，这与北京大学数字金融研究中心提供的金融科技情绪指数大致相符。在劳动力方面，数字普惠金融的条件效率基本维持在0.8以下小幅度波动，这可以归结为，由于数字普惠金融与“三农”政策相结合，有助于提升农村低收入家庭和低社会资本家庭的创业概率，改善农村内部的收入分配状况，减少第一产业人口的转移(张勋等，2019)。最后，资本指标随着时间推移呈现递增趋势，且逐渐与非条件效率重合，这表明，近年来数字普惠金融对于资本保持着持续且高效影响，但是由于已处于高位，所以改善效率程度有限。五、结 论
数字普惠金融是近年国内普惠金融研究方向的关注重点。本文将数字普惠金融作为环境变量，评价2011—2017年中国30个省的地方经济增长效率，并且进一步检验数字普惠金融对地方经济增长以及各投入、产出指标的个体效率贡献的影响，以期为改善数字普惠金融以促进地方经济发展提供科学依据。
研究发现，首先，从整体影响来看，数字普惠金融对地方经济增长的整体效率改善具有显著推动作用，其中欠发达地区的效率改善程度更突出。其次，从个体影响来看，数字普惠金融在缩减劳动力和资本支出及提高GRP
方面同样具有显著正向影响，尤其对GRP
和劳动力的影响更明显。同样，数字普惠金融对各指标的个体效率也具有区域差异性。最后，从变化趋势来看，无论是整体效率还是个体效率，其条件效率都超过非条件效率，但是两种效率之间的落差在逐渐缩减。随着数字普惠金融在覆盖程度、使用深度以及数字化水平方面得到有效推广，实现我国数字普惠金融对地方经济增长的可持续改善具有重要意义。基于上述研究结论，本文试图对我国制定数字普惠金融政策提供若干可参考的建议。
(1)继续加强数字普惠金融基础设施建设，在原有金融体系基础下发挥普惠金融的包容性。由于数字普惠金融作用具有地区差异性，应该根据不同地区的经济、社会发展情况，统筹规划数字普惠金融的基础设施建设，尤其加强中西部地区的基础设施建设，优化数字普惠金融服务环境，而东部地区应在大力发挥先进数字技术优势的前提下，一方面实现数字普惠金融技术创新，另一方面则发挥辐射作用，实现地区均衡发展。
(2)在发展数字普惠金融的同时，应兼顾构建针对数字普惠金融的监管体系。数字普惠金融与传统普惠金融相比具有影响范围广、传播速度快的特点，导致目前对于数字普惠金融的监管难度进一步加大。所以，在发展数字普惠金融技术的同时发展相应的网络监管技术，出台网络监管政策，建立健全数字普惠金融监管体系，是实现数字普惠金融可持续发展的必要条件。
