数字普惠金融缩小城镇居民内部收入差距的效率研究

□ 曾钦友 张璇

一、引言

党的十九届四中全会提出，要健全具有高度适应性、竞争力、普惠性的现代金融体系，明确了健全完善金融体系、提高金融服务实体经济能力的重点和方向；2021年4月25日中国银保监会也发布《关于2021年进一步推动小微企业金融服务高质量发展的通知》，进一步表明我国政府目前越发重视普惠金融的发展。而我国目前已经完成基本建成小康社会的目标，说明绝对贫困的问题已经得到解决，接下来需要解决的就是关于相对贫困的问题，从而进一步完成我国2035年建成全面小康社会的目标，那么就需要数字普惠金融的助力，借助金融科技等新技术（例如人工智能、区块链等）的力量，数字普惠金融将会为更多的群体提供适合的金融服务，可以说数字普惠金融目前正处在其加快发展壮大的好时机，在解决相对贫困（如城镇内部收入差距等）问题上将发挥出其巨大的能量。

数字普惠金融起源于金融排斥。传统金融出于资金的安全性等方面考虑，往往需要一定的抵押物才会贷款给客户，加上其在一个新网点提供新的金融业务往往需要不少的实物资本和投入，这导致金融资源匮乏的地方比较难以从传统金融获得服务；而数字普惠金融借助互联网技术和金融科技的力量，通过数字技术降低较多的实物以及人力资本投入，从而就可以以其可负担的成本为需要金融服务但是却缺乏金融服务的群体提供服务。所以说，数字普惠金融这些年在我国将取得巨大的发展空间。

收入差距作为社会公平的重要内涵之一。随着社会经济的发展、人们对社会公平的呼声越来越高，使得收入差距问题成为学者们热衷研究的热点话题。王小鲁和樊纲（2004）分析并建立了地区经济差距的理论框架，并指出东、中、西部地区经济差距扩大的主要时期发生在20世纪90年代；林毅夫和刘培林（2003）认为国内各省区市之间经济发展水平差距较大的原因主要在于：新中国成立以来所推行的重工业优先发展的赶超战略下形成的生产要素存量配置结构与许多省区市的要素禀赋结构决定的比较优势相违背，从而影响了各个省市经济市场的正常运转。

王小鲁和樊纲（2005）认为主要有四个方面的因素会影响收入差距：一是与经济增长有关的因素，如城市化率（陈斌开和林毅夫，2013）、外资引进（李振兴等，2021）、产业结构（钟代立和王欢芳，2022）；二是收入再分配和社会保障，如收入分配（韩文龙和唐湘，2022）、公共服务支出（贾婷月等，2022）、权力结构（刘军和张泓瑶，2021）、社会保障（卢珊和杜宝贵，2021）；三是公共产品和基础设施的提供，如公共产品（刘成奎和杨冰玉，2018）、交通设施（李强，2021）、通讯（李春梅等，2014）、教育支出（赵国昌和朱州，2022）；四是制度方面的因素，如所有制结构（王全景和郝增慧，2018）、国有经济比重（徐传谌和王艺璇，2018）。

随着金融对社会经济发展的重要性日益凸显，学者们开始研究金融对收入差距的影响，大致形成了三种观点：一是扩大现有的收入差距（温涛等，2005）；叶志强等，2011）；二是缩小现有的收入差距（刘贯春，2017）；三是与收入差距呈现“倒U型”关系（乔海曙和陈力，2009）。

随着互联网的发展，金融发展到数字普惠金融的阶段，特别是随着相关数字普惠金融测算方法和数据的出现，引起了数字金融研究的热潮。学者们认为数字金融可以促进经济的包容性增长（张勋等，2019）、增加居民的消费和信贷需求（易行健和周利，2018）、傅秋子和黄益平，2018）、引导产业结构升级（唐文进等，2019）、促进收入增长（陈丹和姚明明，2019）。宋晓玲（2017）较早研究了数字金融与收入差距的关系，此后关于这两者之间的关系的文献出现了不少，可以说研究成果丰富。

但是现有文献大多都是研究两者之间的相关关系，仅有金发奇等（2021）研究了数字金融与城乡收入差距的效率问题，且大多学者们研究的是数字普惠金融能否缩小城乡收入差距，而研究其内部收入差距的文献较少，李连梦和吴清（2021）研究数字金融与城镇低收入群体与中高收入群体的差距的线性关系问题，研究发现数字普惠金融对城镇低收入群体的收入增长具有显著的促进作用，但是不能缩小城镇低收入群体与中高收入群体的收入差距。

本文尝试在学者们研究的基础上，运用数据包络分析方法（DEA）和Malquist指数模型研究数字普惠金融缩小城镇居民内部收入（即城镇居民低收入人群、中收入人群以及高收入人群之间）差距的效率。

二、研究方法和数据来源

（一）DEA模型简介

数据包络分析方法(DEA)主要是依据多项投入及多项产出指标，利用线性规划的方法，对具有可比性的决策单元进行效率评价的一种非参数分析方法。由于其在衡量效率方面不需要人为设定函数，结果具有客观性，已广泛应用于各种相关行业及部门做优化策略研究。

（二） Malmquist指数

Malmquist指数最初由Malmquist于1953年提出，Caves、Christensen和Diewert于1982年开始将这一指数应用于生产效率变化的测算。其是用来测算T期到T+1期全要素生产率的变化，而全要素生产率的变化又可以分解为技术效率变化和技术变化，进一步技术效率变化又可以分解为纯技术效率变化和规模效率变化。即：

（三）数据来源及变量选取

1.数据来源

数字普惠金融指数及其分类指数来源于北京大学数字金融研究中心，全国省份城镇居民按收入五等分数据来源于国家统计局和各地方统计局编制的《统计年鉴》，城镇居民低收入和中等收入的差额以及中等收入和高收入的差额以及泰尔指数的计算结果是本人整理得来。本文将低收入和中低收入者划分为低收入，中收入为中等收入，中高收入和高收入划分为高收入者。由于部分省份城镇居民收入五等分数据缺失，故本文只研究2011-2019年14个省份数字普惠金融缩小城乡收入差距的综合效率和全要素生产率，这14个省份是北京、河北、山西、辽宁、江苏、安徽、福建、江西、河南、湖北、广西、海南、贵州、甘肃。

表1 本文选取的全国各地区的省份指标

2.变量选取

本文研究数字普惠金融缩小城镇内部收入差距的效率，从投入最小化和产出最大化两方面来选取以下变量：

（1）输入变量。本文选取北京大学数字金融研究中心课题组编制的数字普惠金融分类指数数据来衡量各地区各年份数字普惠金融的发展情况。具体投入指标为数字金融覆盖广度指数、数字金融使用深度指数以及普惠金融数字化程度指数。具体指标见表2：

表2 投入指标

（2）输出变量。参考金发奇等（2021）的方法，用泰尔指数来衡量城镇居民中等收入群体和低收入群体以及城镇居民高收入群体和中等收入群体的收入差距，由于DEA模型的产出指标需要越大越好，故本文对泰尔指数取倒数来作为输出指标。具体指标见表3：

表3 产出指标

三、数字普惠金融缩小城乡内部收入差距效率的实证分析

由于数字普惠金融每年的规模是可变的，所以本文选用的是BCC模型(即规模报酬可变模型)、Malmquist指数模型以及DEAP2.1软件对我国14个省市2011—2019年数字普惠金融缩小城镇内部收入差距的的综合效率和全要素生产率进行测算。

（一）数字普惠金融缩小城镇居民收入差距的综合效率分析

这部分是用BCC模型(即规模报酬可变模型)和DEAP2.1软件对我国14个省市2011—2019年数字普惠金融缩小城镇内部收入差距的的综合效率以及综合效率分解的结果，其中综合效率的结果见表4；另外由于篇幅有限，就只对2019年各省份的效率分解结果进行列示和说明，此部分内容见表5。

表4 数字普惠金融缩小城镇居民收入差距的综合效率测算

福建 0.132 0.248 0.106 0.042 0.144 0.078 0.285 0.065 0.280江西 0.356 0.367 0.111 0.033 0.186 0.035 0.304 0.262 0.335河南 0.463 0.451 0.179 0.074 0.238 0.044 0.266 0.126 0.202湖北 0.546 0.420 0.152 0.141 0.766 0.774 1.000 1.000 1.000广西 0.294 1.000 1.000 0.064 1.000 1.000 1.000 0.189 0.315海南 1.000 1.000 0.151 0.024 0.453 0.046 0.961 1.000 1.000贵州 1.000 0.386 0.185 1.000 0.344 1.000 0.588 0.561 1.000甘肃 0.902 0.496 0.125 0.024 0.179 0.076 0.417 0.205 0.579均值 0.521 0.487 0.276 0.185 0.370 0.302 0.534 0.358 0.479

从表4实证结果的均值来看，这十四个省份的数字普惠金融缩小城镇内部收入差值的综合效率普遍偏低，最高的是2017年的0.534和2011年的0.521，呈现出从2011年先下降后上升然后又下降的趋势，说明目前数字普惠金融缩小城镇内部收入差距的效率不是很稳定，这反映出目前数字普惠金融政策还有很大的进步空间。

从表4实证结果的各省份数字普惠金融缩小城镇内部相对收入差距的综合效率具体值来看，省份间数字普惠金融缩小城镇内部相对收入差距的综合效率差别较大。

具体来说，西部地区和东北地区的综合效率较高，而东部地区和中部地区的综合效率较低。第一，位于西部地区的广西、贵州、甘肃和位于东北地区的辽宁以及位于东部地区的海南省的综合效率较高，但是其每年的综合效率也不稳定，像广西省虽然有5年的综合效率达到1，但是其2011年、2018年、2019年的综合效率却较低，分别只有0.294、0.189、0.315，还有海南省也有4年的综合效率达到1，加上2017年的综合效率也达到了0.961，但是其剩下的几年却较低、分别只有0.151、0.024、0.453，所以说，这几个省份的综合效率总体来说较高，但是其效率依旧不稳定。第二，位于东部地区的北京、江苏、福建以及位于中部地区的山西的综合效率非常低，像北京的综合效率常年在0.1左右徘徊，江苏的综合效率常年徘徊在0.25左右，福建的综合效率常年徘徊在0.25左右，从2011年到2019年，北京和江苏在这期间的综合效率虽然也增加过，但最终综合效率还是下降了，只有福建的综合效率最终是增加了，但是在这个期间福建的综合效率也有波动。第三，位于中部地区的安徽、江西、河南、湖北的综合效率在14个省份中位于中间位置，在这几个省份中，湖北省的综合效率相对来说是最高的，有3个年份达到了1，但是其他年份的综合效率波动较大，例如2013年和2014年的综合效率在0.15左右、2011年和2012年的综合效率在0.5左右、2015年和2016年的综合效率在0.75左右，而安徽的综合效率大概在0.6左右，江西和河南的综合效率大概分别在0.4和0.5左右。

接下来将对综合效率变化的原因进行分解，取数字普惠金融缩小城镇居民收入差距的2019年综合效率分解实证结果来作为案列分析，实证结果见表5。

从表5的均值来看，这14个省份2019年数字普惠金融缩小城镇居民收入差距的综合效率在0.5左右，但是纯技术效率却接近1，最终导致综合效率较低的原因主要是规模效率只在0.5左右；进一步分析14个省份缩小城镇居民收入差距的规模变化情况可以看出，大部分省份的规模效率变化情况都是递增的，只有湖北省、海南省、贵州省这几个省份的规模效率是不变的。这就说明我国目前数字普惠金融缩小城镇居民收入差距规模效率虽然相比于纯技术效率较低，但是其效率也变得越来越高。

从表5各省份综合效率的分解结果来看，每个省份的纯技术效率都比较高，最低的北京也有0.824，而河北省、湖北省、海南省、贵州省、甘肃省的纯技术效率都达到了1，而北京最终的综合效率较低的原因是其规模效率较低，只有0.08，河北省和甘肃省最终的综合效率分别只有0.355和0.579的原因也是由于其规模效率分别只有0.355和0.579，湖北省和海南省最终综合效率依旧还有1的原因也是其规模效率是1。

表5 数字普惠金融缩小城镇居民收入差距的2019年综合效率分解实证结果

（二）数字普惠金融缩小城镇居民收入差距的Malmquist指数实证结果分析

为了进一步分析数字普惠金融缩小城镇居民收入差距效率变化的原因，这部分运用Malmquist指数模型和DEAP2.1软件对2011—2019年我国14个省市的数字普惠金融缩小城镇内部收入差距的全要素生产率进行测度和分解。从年份角度测算数字普惠金融缩小城镇居民收入差距全要素生产率变化的具体结果见表6，从省份角度测算数字普惠金融缩小城镇居民收入差距全要素生产率变化的具体结果表7。

从表6全要素生产率变化情况可以看出，在整个8年的变化过程中，有3个年份的全要素生产率是增加的，这3个年份分别是2013-2014、2015-2016、2017-2018，有5个年份的全要素生产率是减少的，这5个年份分别是2011-2012、2012-2013、2014-2015、2016-2017、2018-2019，反映出我国数字普惠金融缩小城镇内部收入差距的全要素生产率是间歇式上升。

从表6全要素生产率变化的分解结果的均值来看，只有纯技术效率是增加的，并且由于规模效率减少的原因导致技术效率也是减少的，不过技术效率减少的幅度要小于技术变化减小的幅度。从各个年份的情况来看，2014-2015和2016-2017的技术效率增加效率值达到了4左右，这其中最重要的原因便是这两个年份规模效率增加效率较多；2013-2014、2015-2016、2017-2018的技术变化增加效率值也不错，分别达到了4.829、3.883、2.125。这反映出规模效率和技术变化效率也是间歇式上升的。

表6 从年份角度测算数字普惠金融缩小城镇居民收入差距全要素生产率变化的实证结果

接下来从省份角度分析数字普惠金融缩小城镇居民收入差距全要素生产率变化情况。实证结果见表7：

从表7全要素生产率变化的情况来看，本文选取的这十四个省份的全要素生产率都是减少的，并且均值是0.744，其中超过0.8的省份只有4个，其中就有两个中部省份，分别是湖北和山西，另外两个省份分别是来自东部地区的福建和西部地区的广西。

从表7的全要素生产率变化的分解结果的均值结果来看，只有纯技术效率是增加的，并且由于规模效率的减少导致技术效率的减少，与此同时，技术变化的效率的减小幅度要大于技术效率减小的幅度。从各个省份的具体情况来看，每个省份的技术变化效率都是减少的，与此同时有5个省份的技术效率是增加的，这5个省份分别是山西省、安徽省、福建省、湖北省、广西省，有两个省份的技术效率没有变化，这两个省份是海南和贵州，剩下7个省份的技术效率值是减少的。

表7 从省份角度测算数字普惠金融缩小城镇居民收入差距全要素生产率变化的实证结果

四、结论与建议

（一）研究结论

基于实证分析的结果，本文可得出以下结论：第一，从地区来看，西部地区和东北地区的省份数字普惠金融缩小城镇内部相对收入的综合效率较高，中部地区的省份次之，东部地区的综合效率最低，这可能是东部地区金融资源较多，反而降低了数字普惠金融信贷的使用效率，而西部地区和东北地区可能由于金融资源较少，所以其使用效率较高；第二，从年份角度分析数字普惠金融缩小城镇居民收入差距的综合效率和全要素效率来看，综合效率、全要素生产率、技术效率、技术变化的效率都是间或上升的，这可能是由于数字普惠金融很难连续增加效率；第三，从省份角度分析数字普惠金融缩小城镇居民收入差距的全要素效率来看，14个省份的全要素生产率都是减少的，技术变化的效率的减小幅度要大于技术效率减小的幅度，纯技术效率增加的概率比较大。

（二）相关建议

基于实证分析的结果和上面的研究结论，本文试着为我国数字普惠金融缩小城镇内部收入差距提出下面几点建议：

1.在西部地区和东北地区（或者金融信贷资源较难获得的省份）增加数字普惠金融投入规模，进而增加规模效率；在东部地区和中部地区（或者金融信贷资源较容易获得的省份）要提高数字普惠金融的使用效率，进而增加技术效率。

2.借助互联网技术大力发展金融科技，例如区块链、人工智能等底层技术，使得我国的金融服务更加智能化、数字化以及互联网化，进而提高数字普惠金融的全要素生产率。