数字普惠金融的农村相对贫困效应研究

马卫刚,王兴启,马莹洁

摘要：从宏观视角廓清数字普惠金融的农村相对贫困减缓效应及作用机理，识别数字普惠金融不同维度的农村相对贫困减缓效应，是一项重要研究议题。本文基于2011—2019年北京大学数字普惠金融指数及其与省级面板匹配数据，实证检验了数字普惠金融对农村相对贫困的影响效果。研究结果表明，数字普惠金融发展显著减缓了农村相对贫困水平。机制分析发现，数字普惠金融通过促进收入增长、改善收入分配的途径减缓农村相对贫困水平；并且数字普惠金融覆盖率、使用深度、支付指数、保险指数、信用指数和金融数字化进程也能通过上述途径发挥农村相对贫困减缓效应。同时，数字普惠金融通过发挥收入结构效应改善收入分配状态，且经营性收入结构和财产性收入结构在数字普惠金融减缓农村相对贫困中发挥主要作用。

关键词：数字普惠金融；农村相对贫困；收入增长；收入分配

中图分类号：F832.35文献标识码：A文章编号：2097-0145（2022）05-0089-08doi：10.11847/fj.41.5.89

Digital Financial Inclusion Influences on the Rural Relative Poverty

MA Wei-gang1，2，3， WANG Xing-qi1， MA Ying-jie1

（1.College of Economy and Management， Shihezi University， Shihezi 832000， China; 2.Institute of Agricultural Modernization， Shihezi University， Shihezi 832000， China; 3.Postdoctoral Workstation， Changji National Agricultural Science and Technology Park， Changji 831000， China）

Abstract：It is an important research topic to understand the rural relative poverty alleviation effect of digital financial inclusion from a macro perspective， and identify the rural relative poverty alleviation effect of digital financial inclusion in different dimensions. Based on the 2011—2019 Peking University Digital Financial Inclusion Index and its matching data with provincial panel data， this paper empirically tests the impact of digital financial inclusion on rural relative poverty. The research results show that the development of digital financial inclusion has significantly reduced the relative poverty level in rural areas. Mechanism analysis shows that digital financial inclusion can reduce the relative poverty level in rural areas by promoting income growth and improving income distribution; and digital financial inclusion coverage， depth of use， payment index， insurance index， credit index and financial digitization process can also be achieved through. The above-mentioned ways play a role in alleviating relative poverty in rural areas. At the same time， digital financial inclusion improves the state of income distribution by exerting the income structure effect， and the operating income structure and property income structure play a major role in alleviating relative poverty in rural areas.

Key words：digital financial inclusion; rural relative poverty; income growth; income distribution

1引言

2021年2月25日，习近平总书记在全国脱贫攻坚总结表彰大会上庄严宣告，我国脱贫攻坚战取得了全面胜利，我国的贫困治理工作重点由消除绝对贫困向缓解相对贫困转变。无论是绝对贫困还是相对贫困，贫困群體都存在严重的金融排斥，资金缺乏仍是贫困群体的核心特征［1］。如何提高贫困群体金融可得性，缓解金融排斥，需要以普惠金融为依托。自2005年联合国正式提出“普惠金融”概念以来，中国高度重视普惠金融发展，陆续颁布并实施了《国务院办公厅关于金融支持经济结构调整和转型升级的指导意见》《国务院办公厅关于金融支持小微企业发展的实施意见》和《国务院办公厅关于金融服务“三农”发展的若干意见》等文件，从政策层面上进一步明确和拓展了普惠金融的基本内涵：立足机会平等的要求和商业可持续的原则，通过加大政策引导扶持、加强金融体系建设、健全金融基础设施等措施，为具有金融需求的社会各阶层及各群体提供适当的、有效的金融服务。一方面，这为我国普惠金融发展指明了方向，有力推动了普惠金融的发展。政府通过出台一系列政策措施，特别是通过扩大对“三农”、小微企业的信贷投放、降低贷款门槛等政策措施，提高了金融服务可获得性、降低了社会融资成本。另一方面，通过开展金融基础设施建设，不断扩大了金融服务覆盖面、可获得性及产品和服务质量，进而有力推动金融知识的普及程度。

关于普惠金融与农村贫困之间关系的探索，大部分学者也取得了较为一致的看法，即普惠金融发展显著有利于农村贫困的减缓［2—5］。进一步从普惠金融推动农村贫困减缓的渠道和路径上看，主要体现在促进经济增长和提高居民收入增长水平两个方面［6，7］。黄倩等［8］运用省际面板数据实证分析数字普惠金融对贫困减缓的影响效果和影响机制，研究表明，总体上数字普惠金融发展显著减缓了农村贫困，且数字普惠金融覆盖广度、支付水平、小微信贷等方面发挥作用较为突出；数字普惠金融发展促进农村贫困减缓的机制在于提高收入水平和改善贫困群体收益水平，有助于实现经济效率与公平，实现包容性增长。

也有学者指出普惠金融还通过提高信贷可得性、缩小收入差距等途径减缓农村贫困［9］。周利等［10］研究指出，数字普惠金融发展减缓居民贫困的机理在于促使信贷可获得性增加、促进居民收入增长以及缩小城乡收入差距。同时数字普惠金融农村贫困减缓作用呈现“V”型关系。此外，数字普惠金融的减贫效应因不同人力资本高低的家庭、收入高低的家庭、社会资本高低的家庭以及健康状况不同的家庭而不同。吴静茹等［11］研究认为，数字金融的使用可通过促进弱势群体市场参与性、加强其市场参与行为进而缓解农户的相对贫困，且数字金融这种相对贫困减缓效应因收入相对高低、教育水平相对高低的农户家庭不同而不同。蔡宏宇和阳超［12］研究认为，数字普惠金融减缓农村贫困的途径在于通过提升客户触达能力，推动金融服务的机会均等化；降低融资交易成本，破解金融排斥，缩小城乡差距，进而降低农村地区的相对贫困水平。且现阶段数字普惠金融农村相对贫困减缓效应存在显著的区域异质性。

由此可见，现阶段学界针对普惠金融与农村贫困两者间因果关系和影响机制的研究已经相当丰富，并且随着数字普惠金融不断发展，学界对数字普惠金融的关注愈加重视，对数字普惠金融与农村贫困之间关系的研究不断增多，但与前者相比仍然较少。同时，农村贫困治理是一项旷日持久、举全国之力以克之的系统工程和社会工程，涉及财税、金融等诸多领域［13，14］。学界虽然认识到了普惠金融减缓农村贫困的路径和渠道，但多数基于收入水平、经济增长水平及收入分配角度，尚未厘清数字普惠金融是如何影响收入水平和收入分配水平，换言之，数字普惠金融影响农村相对贫困的影响机制尚未十分清楚，尤其是数字普惠金融发展如何影响收入分配。此外，学界针对农村贫困水平衡量方面，更多地采用绝对贫困水平，较少采用相对水平刻画农村贫困程度。

鉴于此，本文以北京大学数字金融研究中心编制的“数字普惠金融指数”衡量各地区数字普惠金融发展水平，以FGT指数测度的相对贫困发生率衡量各地区的减贫效果，同时利用2011—2019年的省际面板数据进行实证分析。本文可能的创新之处在于：第一，基于FGT指数测度方法，测度了各地区相对贫困发生率。第二，阐明了数字普惠金融对农村相对贫困的影响效应，并从不同维度数字普惠金融论证了这一结论的稳健性。第三，利用收入增长、收入分配、收入结构等中介变量，运用中介效应模型实证检验数字普惠金融对农村相对贫困减缓的影响机制，以厘清数字普惠金融如何通过收入结构效应进而影响收入分配状态，从而减少农村相对贫困。

2理论基础与研究假设

本文将从改善信贷约束增加收入途径、推动创业改善收入分配途径等渠道分别阐述数字普惠金融对农村相对贫困的影响机制。

2.1改善信贷约束增加收入水平

减缓农村贫困程度以及降低农村相对贫困程度最直接最有效的渠道就是提高农村地区贫困人口的工资和收入水平［15］，数字普惠金融发展为农村地区提供了包括支付、借贷、投资、理财等一系列金融服务活动、金融产品，有利于增加农村地区居民，尤其是低收入群体的实际收入和报酬［16］。一是，数字普惠金融可为贫困群体、低收入群体提供更多借贷资金。一方面可降低资金供给方与资金需求方之间的信息不对称［17］；另一方面提升信贷配给效率，使得该群体拥有更多资金从事产生经营活动，扩大农户、低收入群体生产规模，直接增加其实际收入水平。二是，数字普惠金融可以提升贫困群体、低收入群体抵御各种风险的能力［18］，提高福利水平［19］。传统金融服务限制了贫困群体、低收入群体的信贷能力，因贫困群体、低收入群体还款能力受到约束，借贷资金流动性也受到限制，其耐用消费品消费水平也受到制约，家庭生活质量难以有效改善。而数字普惠金融的保险、借贷等功能显著改善了这一约束条件。三是，数字普惠金融的支付、投资、理财功能，使得贫困群体、低收入群体可获得更多的收入，拓宽收入来源渠道，进而改善其生活消费、医疗、住房、教育等［20］。由此，提出假设：

假设1数字普惠金融发展解决信贷约束、提升信贷可获得性，改善收入来源，直接增加低收入群体收入，降低居民的贫困水平。

2.2推动创业改善收入分配途径

减缓农村相对贫困的关键在于推动农村地区经济增长和改善农村地区收入分配，实现农村地区“造血”，而推动农村地区创业则是实现地区“造血”的重中之重。数字普惠金融发展，依托新一代信息通讯技术，相对封闭的农村地区社交、信息沟通方式转为较为多元化的互联网模式，农村居民个体信息获取成本大幅降低，社会资源流动性、广度、深度均大幅增强［21］，这有利于为农村地区居民实现创业提供良好的社会环境。同时，数字普惠金融还将带来更多的社会资本，实现农村地区社会资本不断积累，为农村地區创业提供雄厚的资金支持［22］。

数字普惠金融通过提高个体人力资本积累实现个体创业。随着数字普惠金融推广，农村居民不仅可获得更为科学的致富理念和教育理念，还会增加其对生产经营、投资理财、学习技术的教育和培训的需求，甚至提高对后代的教育投入，而数字普惠金融发展不但为这种需求提供了资金支持，还提供了教育和培训平台、内容、形式等多种服务。这有助于实现农村居民个体创业，从而带动更多个体、群体参与创业［22］。同时，随着数字普惠金融发展带来的信息不断扩散、金融经济知识广泛普及、交易支付方式便捷化，农村个体和群体参与市场金融、市场经济的机会增加、意愿增强、水平提高，从而实现更多的创业，更多的创收。可见，创业水平的提升会改善居民收入水平［23］。不仅如此，还有助于提高农村低收入群体、贫困群体的资本存量水平和资本回报率水平，尤其是提高其资本边际回报率水平，改善其资本欠缺和资本回报率欠缺的状况，从而实现更多的“造血”，降低相对贫困水平［22，24］。由此，提出假设：

假设2数字普惠金融发展解决创业资金需求、提供良好社会环境，实现社会资本积累，提升人力资本，提高创业水平，改善收入分配，降低居民的贫困水平。

3研究设计

3.1计量模型

本文为了探索数字普惠金融对农村相对贫困的影响，通过构建如下的实证模型对数字普惠金融与农村相对贫困之间的关系进行检验，具体模型如下

povit=θ0+θ1DOFit+s1controlit+ut+vi+εit（1）

其中i=1，2，…，n；t=1，2，…，n。被解释变量povit表示地区i在t时期的农村相对贫困水平；DOFit表示地区i在t时期的数字普惠金融发展水平，主要包括数字普惠金融总指数（index）、数字普惠金融覆盖率（cover）、数字普惠金融使用深度（usage）、支付指数（pay）、保险指数（ins）、信用指数（credit）和数字普惠金融数字化进程指数（digit）；controlit表示控制变量；ut、vi分别表示时间固定效应和个体固体效应；εit为残差项。

为检验数字普惠金融通过收入增长水平、收入分配等路径影响农村相对贫困，构建如下模型

incit=θ0+θ1DOFit+s1controlit+ut+vi+εit（2）

povit=θ0+θ1incit+θ2DOFit+s1controlit+ut+vi+εit（3）

INEit=θ0+θ1DOFit+s1controlit+ut+vi+εit（4）

povit=θ0+θ1INEit+θ2DOFit+s1controlit+ut+vi+εit（5）

其中incit，INEit分别表示收入增长水平、收入分配差异；其余变量设定同（1）式。

检验数字普惠金融对收入分配状态的影响机制，设定的模型为

incjit=θ0+θ1DOFit+s1controlit+ut+vi+εit（6）

INEit=θ0+θ1incjit+θ2DOFit+s1controlit+ut+vi+εit（7）

其中j=1，2，3，4。incjit表示收入结构水平，包括工资性收入占比（inc1）、经营性收入占比（inc2）、财产性收入占比（inc3）和转移性收入占比（inc4）；其余变量设定同（1）式。

3.2变量选取

3.2.1被解释变量

本文借鉴Foster等［25］提出的FGT指数测度相对贫困发生率

povit=1/N·∑Pj=1［（nomal-xi）/nomal］z（8）

其中z≥0，nomal表示设定的相对贫困线，xi表示贫困者的收入水平，N表示总人口数；P表示总贫困人口数。z=0时表示相对贫困发生率，是本文的研究重点。

3.2.2解释变量

北京大学数字金融研究中心发布的中国数字普惠金融指数［26］，包含了覆盖广度、使用深度、支付、保险、信贷、数字化程度等维度，较好地反映了我国近年来金融创新与变革的阶段特征和演化趋势，被学者广泛引用［27］。鉴于此，本文采用数字普惠金融总指数、数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程指数作为数字普惠金融水平的代理变量。

3.2.3中介变量

（1）收入增长水平（inc）。以居民可支配收入水平作为收入增长水平的代理变量，并取自然对数。同时，分别采用工资性收入水平、经营性收入水平、财产性收入水平和转移性收入水平与居民可支配收入水平的比值表示，收入结构水平，即工资性收入占比（inc1）、经营性收入占比（inc2）、财产性收入占比（inc3）和转移性收入占比（inc4）。

（2）收入分配差异（INE）。泰尔指数将人口变动因素考虑在内，并且将城乡收入差距分解为组内差距和组间差距，能够更好地衡量收入分配差异。鉴于此，本文与万广华［28］研究一致，使用泰尔指数衡量收入分配差异。

3.2.4控制变量

借鉴既有学者研究［8，12］，选取以下控制变量：（1）经济对外开放水平（fdi），采用外商直接投资总额/实际国内生产总值表示。（2）财政支出水平（fisc），采用地区财政支出/地区GDP表示。（3）城镇化水平（urr），采用城镇人口/总人口表示。（4）教育支出水平（edu），采用地区教育支出/地区财政总支出表示。

3.3样本数据来源及说明

考虑到数据的可获得性以及满足样本数据的时间跨度，本文将研究起止时间设定为2011—2019年。其中解释变量数据和信贷数据来源于北京大学数字金融研究中心发布的中国数字普惠金融指数；被解释变量数据、中介变量数据、控制变量数据均来源于历年《中国统计年鉴》、历年地方《国民经济和社会发展统计公报》、Wind数据库、CNKI中国经济社会发展统计数据库等。

3.4样本描述性统计

各个变量的均值、最大值、最小值、标准差等描述性统计指标的结果显示，贫困指数（pov）的均值为0.0679，标准差为0.0761；数字普惠金融总指数、数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程指数的均值分别为202.3481、182.2511、197.0183、173.6816、448.7369、128.4383、278.4。同时，中介变量、其他控制变量的均值、标准差、最大值、最小值大部分处于合理区间。因此，在此基础上，本文将进一步进行回归分析。

4实证结果分析

4.1基准估计结果分析

本文首先检验数字普惠金融对农村相对贫困发生率的影响，具体估计结果如表1所示。列（1）、（2）、（3）、（4）、（5）表示逐步加入其他控制变量的估计结果，结果表明，无论是否纳入控制变量，数字普惠金融对农村相对贫困发生率的估计系数均为负，且都通过1%的显著性水平检验，说明数字普惠金融显著抑制了相对贫困发生率。控制变量方面。一是，經济对外开放显著抑制了农村相对贫困发生率；二是，财政支出显著抑制了农村相对贫困发生率；三是，城镇化显著抑制了农村相对贫困发生率，城镇化规模增加和速度加快，可有效改善居民消费型、均等型及结构型福利效应水平，推动公共服务和产品均等化、高级化；四是，教育支出规模也显著抑制了农村相对贫困发生率。

4.2稳健性检验结果分析

4.2.1替换变量稳健性估计分析

本文进一步采用农村相对贫困人口规模指标刻画农村相对贫困水平，即以农村相对贫困人口规模对数作为农村相对贫困的代理变量，进行稳健性检验。结果显示，数字普惠金融基准估计系数显著为负，这说明数字普惠金融也显著抑制了农村相对贫困人口规模，表明本文估计结果在采用农村相对贫困人口规模水平度量方法的情况下是稳健的。

关于数字普惠金融的度量，除了前文基于数字普惠金融总指数这一维度之外，还有其他的度量指标，本文进一步采用数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程指标刻画数字普惠金融水平，进行稳健性检验。结果显示，数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程估计系数均显著为负，即本文结果在采用不同数字普惠金融水平度量方法的情况下是稳健的。

4.2.2内生性问题估计分析

为缓解内生性问题，本文运用系统GMM的估计方法，进一步检验数字普惠金融对农村相对贫困发生率影响的稳健性。结果显示，贫困发生率滞后1期显著为正，表明数字普惠金融总指数、数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程对农村相对贫困发生率的影响存在显著的滞后性，为我们进一步推动数字普惠金融发展实现农村相对贫困治理提供了重要思考。数字普惠金融总指数、数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程系数至少在5%的显著性水平下为负，即数字普惠金融均显著抑制农村相对贫困发生率。

5影响机制分析

5.1总体维度视角下影响机制实证检验

表2显示了总体维度下数字普惠金融对农村相对贫困发生率的影响机制的估计结果。列（1）显示数字普惠金融总指数对农村相对贫困发生率的估计系数显著为负。列（2）显示数字普惠金融总指数对可支配收入的估计系数显著为正，说明数字普惠金融总指数显著提高了收入增长水平。列（3）引入可支配收入水平中介变量，可支配收入水平的估计系数显著，且数字普惠金融总指数估计系数也显著，这说明数字普惠金融总指数通过显著促进收入增长这一部分中介效应进而抑制农村相对贫困发生率。列（4）显示数字普惠金融总指数对泰尔指数的估计系数显著为负，说明数字普惠金融也显著改善了收入分配差异。列（5）引入泰尔指数中介变量，泰尔指数估计系数显著，数字普惠金融总指数系数也显著，这说明数字普惠金融总指数通过显著改善收入分配差异这一部分中介效应进而抑制相对贫困发生率。

5.2不同维度视角下影响机制实证检验

进一步运用中介效应模型检验数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程影响农村相对贫困发生率的机制。估计结果如表3所示，结果表明，数字普惠金融覆盖率通过显著促进收入增长水平的部分中介效应和显著改善收入分配差异的部分中介效应进而抑制农村相对贫困发生率。同理，数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化程度通过显著促进收入增长水平的部分中介效应和显著改善收入分配差异的部分中介效应进而抑制农村相对贫困发生率。

6进一步分析：结构效应

进一步运用中介效应模型检验数字普惠金融影响收入分配的作用机制，进而判断数字普惠金融推动农村相对贫困减缓的作用来源于收入结构效应，具体估计结果如表4所示。列（1）、（2）、（3）表明数字普惠金融总指数通过显著促进收入增长水平这一部分中介效应进而改善收入分配状态。列（4）、（5）表明不存在数字普惠金融总指数通过改善工资性收入结构这一中介效应进而改善收入分配状态。列（6）、（7）表明数字普惠金融总指数通过显著改善经营性收入结构这一部分中介效应进而改善收入分配状态。列（8）、（9）表明数字普惠金融总指数通过显著改善财产性收入结构这一完全中介效应进而改善收入分配状态。列（10）、（11）表明不存在数字普惠金融总指数通过改善转移性收入结构这一中介效应进而改善收入分配状态。

再次运用中介效应模型检验数字普惠金融覆盖率影响收入分配的作用机制，具体估计结果如表5所示。列（1）、（2）、（3）表明数字普惠金融覆盖率通过显著促进收入增长水平这一部分中介效应进而改善收入分配状态。列（4）、（5）表明不存在数字普惠金融覆盖率通过改善工资性收入结构这一中介效应进而改善收入分配状态。列（6）、（7）表明数字普惠金融覆盖率通过显著改善经营性收入结构这一部分中介效应进而改善收入分配状态。列（8）、（9）表明数字普惠金融覆盖率通过显著改善财产性收入结构这一完全中介效应进而改善收入分配状态。列（10）、（11）表明不存在数字普惠金融覆盖率通过改善转移性收入结构这一中介效应进而改善收入分配状态。

再次运用中介效应模型检验数字普惠金融使用深度影响收入分配的作用机制，具体估计结果如表6所示。列（1）、（2）、（3）表明数字普惠金融使用深度通过显著促进收入增长水平这一部分中介效应进而改善收入分配状态。列（4）、（5）表明不存在数字普惠金融使用深度通过改善工资性收入结构这一中介效应进而改善收入分配状态。列（6）、（7）表明数字普惠金融使用深度通过显著改善经營性收入结构这一部分中介效应进而改善收入分配状态。列（8）、（9）表明数字普惠金融使用深度通过显著改善财产性收入结构这一完全中介效应进而改善收入分配状态。列（10）、（11）表明不存在数字普惠金融使用深度通过改善转移性收入结构这一中介效应进而改善收入分配状态。

7结论与政策启示

为从宏观视角深度认知数字普惠金融的农村相对贫困减缓效应，廓清数字普惠金融的减贫效应作用机理，以及从不同维度数字普惠金融发展程度的条件下，认知不同维度数字普惠金融的相对贫困减缓效应，本文基于2011—2019年北京大学数字普惠金融指数及其与省级面板数据匹配数据，运用中介效应检验方法实证检验了数字普惠金融对农村相对贫困的影响效果、异质性、机制。研究结果表明，数字普惠金融发展显著减缓了农村相对贫困水平；进一步通过替换变量处理、变更系统GMM估计方法等方式进行检验，结果表明数字普惠金融显著减缓农村相对贫困这一结论的稳健性。机制分析表明，数字普惠金融通过显著促进收入增长水平、改善收入分配的途径进而减缓农村相对贫困水平；并且数字普惠金融覆盖率、数字普惠金融使用深度、支付指数、保险指数、信用指数和数字普惠金融数字化进程也能通过上述途径减缓农村相对贫困效应。同时，数字普惠金融通过发挥收入结构效应改善收入分配状态，且经营性收入结构和财产性收入结构在数字普惠金融减缓农村相对贫困中发挥主要作用。此外，数字普惠金融覆盖率、数字普惠金融使用深度均能够证明上述结论。

基于上述基本研究结论，本文的政策启示如下：一方面，以大数据等新兴技术应用为依托，不断提高数字普惠金融覆盖面积，推动数字普惠金融发展，同时着力增加数字普惠金融投入、强化数字普惠金融知识意识，提升数字普惠金融使用深度和数字化程度。此外，鼓励和支持金融机构、互联网企业、第三方平台依托新一代信息通讯技术，进一步提高数字普惠金融的覆盖广度、使用深度。如开发适合不同人群的数字普惠金融产品，扩大数字金融信贷规模以及提高数字普惠金融信息规范化程度等。另一方面，根据各个区域的数字普惠金融发展特色，因地制宜制定适合区域自身的普惠金融发展策略，推动区域自身相对贫困减缓的有效、可持续性发展。此外，通过宣传和培训的方式，提高居民金融知识储备，进而提升农村贫困地区数字技能和金融素养，减少二次返贫风险。

参考文献：

［1］吴本健，葛宇航，马九杰.精准扶贫时期财政扶貧与金融扶贫的绩效比较——基于扶贫对象贫困程度差异和多维贫困的视角［J］.中国农村经济，2019，（7）：21-36.

［2］Park C Y， Mercado R J R. Financial inclusion， poverty， and income inequality［J］. The Singapore Economic Review， 2018， 63（1）： 185-206.

［3］郭晓莉，李录堂.政府支持、社会融入与生态移民贫困脆弱性——基于陕南生态移民区的调查数据［J］.预测，2021，40（2）：1-8.

［4］王铮，唐小飞.数字县域建设支撑乡村振兴：逻辑推演和逻辑框架［J］.预测，2020，39（4）：90-96.

［5］谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应［J］.当代财经，2018，（3）：56-67.

［6］何学松，孔荣.普惠金融减缓农村贫困的机理分析与实证检验［J］.西北农林科技大学学报（社会科学版），2017，17（3）：76-83.

［7］朱一鸣，王伟.普惠金融如何实现精准扶贫？［J］.财经研究，2017，43（10）：43-54.

［8］黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制［J］.改革，2019，（11）：90-101.

［9］李建军，韩珣.普惠金融、收入分配和贫困减缓——推进效率和公平的政策框架选择［J］.金融研究，2019，（3）：129-148.

［10］周利，廖婧琳，张浩.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［J］.经济科学，2021，（1）：145-157.

［11］吴静茹，谢家智，涂先进.数字金融、市场参与和农户相对贫困［J］.当代财经，2021，（8）：64-77.

［12］蔡宏宇，阳超.数字普惠金融、信贷可得性与中国相对贫困减缓［J］.财经理论与实践，2021，42（4）：24-30.

［13］郑瑞强，王英.精准扶贫政策初探［J］.财政研究，2016，（2）：17-24.

［14］Liu Y， Guo Y， Zhou Y. Poverty alleviation in rural China： policy changes， future challenges and policy implications［J］. China Agricultural Economic Review， 2018， 10（2）： 241-259.

［15］黄征学，潘彪，滕飞.建立低收入群体长效增收机制的着力点、路径与建议［J］.经济纵横，2021，（2）：38-45，2.

［16］张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长［J］.经济研究，2019，54（8）：71-86.

［17］Beck T， Pamuk H， Ramrattan R， et al.. Payment instruments， finance and development［J］. Journal of Development Economics， 2018， 133： 162-186.

［18］彭澎，徐志刚.数字普惠金融能降低农户的脆弱性吗？［J］.经济评论，2021，（1）：82-95.

［19］张子豪，谭燕芝.数字普惠金融与中国城乡收入差距——基于空间计量模型的实证分析［J］.金融理论与实践，2018，（6）：1-7.

［20］Luo Y， Zeng L. Digital financial capabilities and household entrepreneurship［J］. Economic and Political Studies， 2020， 8（2）： 165-202.

［21］周广肃，梁琪.互联网使用、市场摩擦与家庭风险金融资产投资［J］.金融研究，2018，（1）：84-101.

［22］刘魏，张应良，王燕.数字普惠金融发展缓解了相对贫困吗？［J］.经济管理，2021，43（7）：44-60.

［23］张呈磊，郭忠金，李文秀.数字普惠金融的创业效应与收入不平等：数字鸿沟还是数字红利？［J］.南方经济，2021，（5）：110-126.

［24］刘魏.数字普惠金融对居民相对贫困的影响效应［J］.华南农业大学学报（社会科学版），2021，20（6）：65-77.

［25］Foster J， Greer J， Thorbecke E. A class of decomposable poverty measures［J］. Econometrica： Journal of the Econometric Society， 1984： 761-766.

［26］郭峰，王靖一，王芳，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），2020，19（4）：1401-1418.

［27］孟娜娜，粟勤.挤出效应还是鲶鱼效应：金融科技对传统普惠金融影响研究［J］.现代财经（天津财经大学学报），2020，40（1）：56-70.

［28］万广华.城镇化与不均等：分析方法和中国案例［J］.经济研究，2013，48（5）：73-86.