多维贫困视角下数字普惠金融对可持续扶贫的影响分析

王华，曹成航，李博康

（1.中央民族大学 经济学院，北京 100081；2.广西壮族自治区防城港市财政局，广西 防城港 538000）

一、引言

2020年11月23日，我国832个贫困县全部摘帽，脱贫攻坚取得全面胜利，但这并不意味着我国扶贫的脚步可以放缓。早在2020年5月，习近平总书记在山西大同云州区进行调研时说道：“乡亲们脱贫后，我最关心的是如何巩固脱贫、防止返贫，确保乡亲们持续增收致富。”为保障脱贫攻坚的成果，制定可持续性的扶贫措施以减小农户返贫和新致贫的风险，将成为后续扶贫工作的重点。随着金融科技的发展，数字普惠金融拓展了普惠金融的广度和深度（郭峰等，2020）[1]，“普惠”得到了进一步发展。在全面推进可持续扶贫和数字经济快速发展的背景下，探讨数字普惠金融能否巩固脱贫、防止返贫、实现可持续扶贫，具有理论意义。

在有关数字普惠金融是否有助于减贫的研究中，大多数学者都认可发展数字普惠金融能够起到减贫作用。研究发现，发展数字普惠金融和减缓贫困之间的关系呈现非线性特征，且区域之间的减贫效应存在差异。龚沁宜和成学真（2018）[2]利用2011—2015年的面板数据考察了我国数字普惠金融发展对农村地区贫困的影响，提出数字普惠金融能够有效促进贫困减缓，且这二者之间存在非线性关系。郑志强（2020）[3]利用面板数据对数字普惠金融的减贫效应进行了探讨，同样得到了数字普惠金融能够减缓农村地区贫困的结论。张海洋和韩晓（2021）[4]利用“北京大学数字普惠金融指数”和中国家庭追踪调查数据（CFPS），研究了数字普惠金融在地域上的减贫差异，发现数字普惠金融在中部发挥的作用最大。何平平和罗若阑（2021）[5]探讨了不同区域间数字普惠金融减贫效应的差异性，结果显示数字普惠金融对中西部的减贫效应高于东部地区。

此外，还有部分学者对数字普惠金融的减贫作用持相反观点。由于一些地区的数字基础设施并不完善，农户自身金融禀赋较低，数字普惠金融的发展容易凸显数字鸿沟（星焱，2021）[6]，而数字鸿沟可能又会导致贫困线附近和贫困线以下的居民愈加贫困（何宗樾等，2020）[7]。胡联等（2021）[8]分析了数字普惠金融对相对贫困的影响，指出低收入家庭可能因缺乏数字工具而无法享受数字普惠金融带来的福利，反而加剧相对贫困。

本文认为，探讨数字普惠金融对可持续扶贫的作用，应注重贫困的多维性，同时关注贫困状态的动态变化。一方面，贫困是一种可行能力被剥夺的现象，一个人的可行能力包括不必过早死亡、免受饥饿和疾病的困扰、接受教育、参与社区活动等（Sen，1981，1999）[9-10]。这些能力被剥夺既是贫困产生的原因，又是贫困的表现（沈扬扬等，2018）[11]。但单从收入衡量贫困较为片面，比如部分农村家庭收入虽高于贫困线标准，而综合子女教育、治疗疾病等方面的支出，其生活水平仍然很低。Sen（1981，1999）[9-10]提出了多维贫困的概念，指出衡量贫困要从人们实际生活和所享受的权利出发。因此，基于可行能力的多维贫困测量更能够准确反映家庭的真实状况。另一方面，贫困是一个随时间变化的动态过程，可持续扶贫工作的开展不仅要重点关注脱贫人口再次陷入贫困的问题，也要关注某些普通家庭可能因疾病、灾害等原因陷入贫困。研究家庭贫困状态时需要进行连续观测，不仅要了解家庭在某一时点上的贫困状态，而且要关注其在不同时点上的贫困状况，掌握家庭贫困变动的轨迹，从贫困状态的动态变化视角分析数字普惠金融的可持续扶贫效应。

本文将从多维贫困和贫困变动的角度探讨数字普惠金融对可持续扶贫的作用，尝试在以下三个方面做出贡献：

第一，充分结合我国农村发展状况，从“吃穿”“用”“住”、教育和医疗等维度构建多维贫困指标体系，更贴合我国现实贫困状况；

第二，从贫困动态变化的角度出发，关注数字普惠金融的可持续扶贫效应，运用Biprobit模型探讨其在防止返贫和防止新致贫方面发挥的作用；

第三，从覆盖广度、使用深度和数字化程度三个维度分别揭示数字普惠金融对可持续扶贫的异质性影响。

本文余下部分如下：第二部分，分析数字普惠金融助力可持续扶贫的机理；第三部分，构建多维贫困指数及Biprobit模型，从贫困动态角度分析数字普惠金融对可持续扶贫的影响；第四部分，实证分析数字普惠金融对农户多维贫困变动的影响；第五部分，结论和政策建议。

二、数字普惠金融助力可持续扶贫的机理分析

Sen（1981，1999）[9-10]在多维贫困理论中指出，贫困存在疾病、营养不良等多个维度，在探讨数字普惠金融的减贫及防返贫效应时要对贫困的多维性进行把控。但从实践来看，各国社会所处的发展阶段不一致，因此对多维贫困维度的选择也不尽相同。例如一些非洲国家关注营养健康等物质条件，而一些发达国家会更关注人们的精神需求。结合我国实际情况，《中国农村扶贫开发纲要（2011—2020年）》（以下简称《扶贫开发纲要》）指出扶贫的总体目标是“两不愁”和“三保障”，即不愁吃、不愁穿，保障其义务教育、基本医疗和住房，同时在扶贫的主要任务中还强调了居民用水、用电等问题。基于此，我国农村贫困问题的主要维度可归结为“吃穿”“用”“住”、教育和医疗等方面。数字普惠金融能够在以上五个维度分别实现缓解贫困的作用。

解决脱贫农户的“吃穿”问题意味着其家庭要有稳定的收入来源，可以从以下两方面入手。一方面，利用农业保险保障农户收入。农业受环境影响较大，农业保险是保障农业生产的有效手段，能够提高农业抗灾能力。但其缺点也比较明显，它具有低保费和高补贴的特征，因此该项业务需要由财政支持，在财政资金有限的情况下，保险金额并不能完全覆盖农民承受的风险。对于普通农户来说，用较低费用来预防未来可能出现的高风险是可接受的，因为保费支出对农户的生活影响并不大。但是对于原本收入较低的脱贫农户来说，家庭对每一项支出都比较谨慎，且风险是未知的，为了节省这笔开支，脱贫农户可能不会参保。为了保障农业保险精准对接低收入农户，提高其参保率，政策规定深度贫困地区的费率在原有基础上再降10%—30%。另一方面，发放信贷资金帮助脱贫农户养殖经营使其避免再次陷入贫困。数字普惠金融打破了传统普惠金融在地理上的界限，使得受众人群进一步扩大，再加上大数据、云计算等技术的支持，即使是抵押资产较少的人群也可以享受到金融信贷服务，农户金融可获得性提升。

针对“用”的问题，供水、燃气、暖气是人们生活的基本需要，我国城镇的供应系统较为完善，相较而言农村的状况还有待改善。为了解决此问题，政府在农村开始大力推行供应系统等项目基础设施建设，但在建设过程中却面临一定的资金约束，由于这些项目前期投入大、投资回收期长，民间资本较少参与，而政府作为资金的供给主体，面临较大财政压力。因此大力发展地区数字普惠金融，可从以下方面促进项目实施。一是发展数字普惠金融可以促进地方经济发展，提高地方税收增长，从而缓解地方财政压力（梁晓琴，2020）[12]。二是发展数字普惠金融能够使低收入人群加入金融市场中，帮助其获得利息收益并实现保本增值，同时通过该平台能将资金以借贷的形式贷给项目建设企业，促进市场资金投入到项目建设中。

针对“住”的问题，房屋是人们基本的生活资料，建房对于家庭来说尤为重要。在自然灾害多发的地区，农户住房难以保障，面对自然灾害往往遭受较大的损失，面临返贫风险。为保障农户住房安全，发展农村住房保险成为一种可行的路径。但由于一些农户居住偏僻，房屋信息获取难度较大，容易导致信息不对称的问题，其面临较高的金融服务门槛。为此，推进数字普惠金融的发展，将部分业务转为线上化，线上化的投保方式可扩大住房保险的受众群体，同时通过信息科技搭建风险防控系统，减小信息不对称的影响。农户受到自然灾害后可及时获得一笔灾后重建资金，防止“因灾返贫”。

针对教育问题，在九年义务教育普及之下，农户对教育的需求日益多元化。教育需求范围由义务教育向学前教育和继续教育延伸，因此教育供给也需要向多样化、优质化和动态化的方向发展。为保证教育扶贫的可持续性需要从家庭和政府两方面入手，家庭需要负担学生的学费、购买书本和学习用品的费用，而国家需要对农村教育进行投资，包括兴建学校、购置教学设备和支付老师工资等（徐小阳等，2020）[13]。对脱贫农户而言，低水平的收入可能难以满足子女上学的需求，因此需要外部力量援助。而对于政府部门，教育投资在一定程度上会加重财政压力。在此情况下，从微观角度来看，数字普惠金融的发展能够覆盖更多的长尾群体，其发展给农村居民提供了更多申请教育贷款的机会（徐小阳等，2020）[13]；从宏观角度来看，数字普惠金融发展对经济发展具有促进作用，而经济发展又能缓解教育贫困（成学真和龚沁宜，2020；张俊良等，2019）[14-15]。因此发展数字普惠金融可以缓解农村教育投资压力，防止农户“因学返贫”。

针对医疗问题，农村居民对于疾病的防控主要依靠医疗保险，旨在解决“看病贵”的问题。目前我国医疗保障制度体系中主要包含社会医疗保险制度和一般商业保险制度。对于脱贫户来说，一般商业保险的形式灵活但保费较高，而基本社会医疗保险覆盖面广但保障程度较低。相较而言，数字化普惠医疗保险具有普惠保险保障程度高、价格更惠民的特点，同时依靠数字化技术，有效降低了保险公司为农户提供服务的设施建设成本和人力成本，提升了农村偏远地区的渗透力，医疗保险进入门槛降低。在解决疾病问题上，保险是一种有效的手段，虽然存在一定不足，但不可否认的是其制度体系越来越完善，能够满足脱贫户高保障、低保费的需求，更好地解决“因病返贫”的问题。

综合上述分析，提出假说一：发展数字普惠金融有助于实现可持续扶贫（机理见图1）。

图1 数字普惠金融助力可持续扶贫的机理

从数字普惠金融的不同维度来看，主要包含覆盖广度、使用深度、数字化程度三个维度。在覆盖广度方面，需扩大金融服务受众者的范围，特别是将低收入群体纳入服务对象中。覆盖广度的扩大使得弱势群体更容易获得金融服务，金融可得性的提升对农户的收入水平有着促进作用（杨艳琳和付晨玉，2019）[16]。在使用深度方面，旨在提供涵盖更广的金融产品。想要让低收入群体加入金融市场中，不仅要解决其地理排斥问题，更应关注其需求是否能有效满足。数字普惠金融的业务范围不仅包括传统金融业务如保险、信贷、储蓄等，还涉及新型的货币基金业务及信用服务等。与传统的金融业务相比，数字普惠金融的发展扩展了金融产品的适用范围，能够为农户提供更多选择。在数字化程度方面，旨在体现金融服务的便利性和信用化。由于这三个维度发挥的作用并不相同，因此在可持续扶贫方面发挥的效用存在差异。此外，有学者曾指出数字化程度的提升虽然有助于改善金融服务效率，但其依托于数字化工具提供服务的特点会造成数字排斥问题，使得低收入人群可能无法享受到数字金融服务。随着农村数字基础设施建设的推进，这种情况正在逐步得到改善。

对此，我们提出假说二：数字普惠金融的三个维度在可持续扶贫方面发挥的作用存在异质性。

三、数据来源与变量描述

（一）数据来源

数据采用中国家庭金融调查（CHFS）2015年、2017年和2019年的数据。由于需要对贫困的状态进行追踪，因此农村家庭必须同时参加了2015年、2017年和2019年的调查，经过样本筛选，满足条件的家庭有5425户。本文所使用的数字普惠金融指数为“北京大学数字普惠金融指数”，该指数包含覆盖广度、使用深度和数字化程度三个维度，涉及33个指标。覆盖广度围绕账户覆盖率选用每万人支付宝账号数量、支付宝绑卡用户比例、平均每个支付宝账号绑定银行卡数等指标；使用深度则围绕支付、货币基金、信贷、保险、投资、信用业务选择了20个指标；数字化程度围绕移动化、实惠化、信用化和便利化选择了10个指标（郭峰等，2020）[1]。

（二）多维贫困指标体系

多维贫困指标的设定一般与国家社会发展的阶段和发展战略相关，本文根据《扶贫开发纲要》，将农村贫困的问题细化为“吃穿”“用”“住”、教育和医疗等维度，从这五个维度出发构建的多维贫困指标体系更贴合我国贫困现实。基于所得问卷，农户“吃穿”维度采用家庭每年伙食费和购买衣物等消费支出。“用”这一维度采用能源指标来衡量，即问卷报告所提供的“水、电、燃料费、暖气费”指标。随着居民生活水平的提高以及我国供水、燃气、暖气范围的扩大，家庭对“吃穿”和“用”的消费随之上升，借鉴池振合和杨宜勇（2013）[17]的做法，选择以各维度家庭平均消费支出的50%作为贫困临界值。“住”的维度采用家庭是否拥有自有住房进行衡量。教育维度采用家庭成员的最高学历和教育负债这两个指标进行衡量。医疗维度则综合社会医疗保险、医疗负债和家庭成员身体状况等方面进行衡量。

具体指标体系如表1所示，下文对各指标的临界值进行介绍。其中，每一个维度上，满足临界值则为贫困并取值1，不满足临界值则为非贫困并取值0。

表1 多维贫困的维度及临界值

参考Alkire和Foster（2011）[18]提出的双界线方法来识别家庭多维贫困状态，具体过程如下。

1.各维度贫困识别

假设数据集中包含的家庭个数为n，衡量每个家庭福利的指标数量为d，则每个家庭的数据集可表示为Xid=(xi1,xi2,xi3,…,xid)。将所有的家庭数据进行组合，得到样本观测矩阵表示第t期n×d维矩阵。每个维度的贫困临界值设为z=(z1,z2,z3,…,zd)，由于需要研究不同时期间的状态变化，假设研究的是第t期和第t+1期的状况，将第t期家庭集合中的元素Xij(j=1,2,…,d)分别与各维度下指标的临界值zj相比较，若Xij＜zj，则若Xij＞zj，则将家庭每个维度的进行汇总，得到家庭i在第t期满足临界值的指标个数基于同样的方法可以得到每个家庭在t+1期满足临界值的指标个数

2.识别多维贫困

将个体的多维指标记为Q，则第i个家庭在第t期的多维贫困可表示为：

联合国在多维贫困的测度中曾指出，应当以1/3以上的指标为贫困来判定多维贫困，因此将时判定为该家庭在第t期处于多维贫困状态。基于上述方法可得每个家庭在第t+1期的多维贫困状态。

根据所得样本数据，再结合上述识别方法可计算出农户在三年中的多维贫困状态。每年家庭多维贫困的状态分为贫困和非贫困，因此贫困变动情况可能存在以下8种状况（见表2）。从每行数据来看，三年都处在多维贫困状态的农户占比24.22%，三年都未处于多维贫困状态的农户占比27.74%，剩余48.04%的农户在这三年间均发生了多维贫困状态的变动。

表2 农户多维贫困状态变动情况

（三）双变量模型

由于农户2017年和2019年的多维贫困状态可能是相关的，为了探讨数字普惠金融在多维贫困变动过程中产生的影响，借鉴罗楚亮（2010）[19]、高帅和毕洁颖（2016）[20]的研究，本文采取双变量（Bivariate Probit）模型。根据所构建的多维贫困指标体系，结合样本家庭在2015年的多维贫困状态可以将总样本分为两个子样本，样本一为2015年遭遇贫困的家庭，样本二为2015年没有遭遇贫困的家庭，再根据2017年和2019年的贫困状态建立模型如下：

上式y表示家庭多维贫困状态，取值为0或1，当y=1时表示家庭处于多维贫困状态。X为变量矩阵，表示核心解释变量指标（数字普惠金融指数）以及影响家庭多维贫困状态的控制变量。基于数据的可得性，控制变量主要包括家庭负债、家庭总消费（取对数）、家庭规模、小孩数量、老人数量、户主年龄、家庭成员在婚比重。A表示变量X的系数矩阵。γ表示常数项，ε表示误差项。误差项满足E(ε2017|X2017,X2019)=E(ε2019|X2017,X2019)=0，var(ε2017|X2017,X2019)=var(ε2019|X2017,X2019)=1，cov(ε2017,ε2019|X2017,X2019)=ρ。根据对应的似然函数和估计方式，在2017年为非多维贫困的条件下，各因素对2019年为多维贫困的影响：

根据这一模型，可以得到各变量的边际效应，对该变量的解释是在2017年为非多维贫困时，各因素对2019年为多维贫困的边际影响，因此也就度量了相关因素对多维贫困状态转变的效应。根据2015年和2017年的家庭贫困状态可以对家庭进行以下划分：一是两年都处于贫困状态的持续贫困家庭；二是两年都未处于贫困状态的未贫困家庭；三是2015年贫困而2017年不贫困的脱贫家庭；四是2015年不贫困而2017年贫困的返贫困家庭。实现可持续扶贫效应须重点解决返贫和新致贫问题，对此主要关注的家庭是脱贫家庭和未贫困家庭，探讨这两种家庭在2019年贫困状态持续和转变的影响。

总样本下各变量的定义与描述性统计如表3和表4所示。描述性统计中展现出2017年多维贫困指标的均值为0.4781，2019年多维贫困的均值为0.4785，这表明2017年至2019年多维贫困家庭数量并未发生较大变化。结合表2的数据可知，这两年贫困状态发生变化的家庭占比达29.94%。数字普惠金融指数的最小值为240.2033，最大值为329.9438，二者差距较大，这表明我国地区间的数字普惠金融发展并不平衡。

表3 变量选择与说明

表4 变量描述性统计

四、实证分析

（一）数字普惠金融对可持续扶贫的影响

以数字普惠金融为自变量，家庭多维贫困状态为因变量，结合上述模型，采用STATA14.0对模型进行参数估计。得出的结果如表5所示，表中给出的是数字普惠金融指数及各控制变量对2017年、2019年多维贫困发生率的影响。

如表5所示，从静态的角度来看，2017年地区数字普惠金融指数与家庭多维贫困状况之间具有显著负效应，此外该指数对2019年家庭多维贫困状况也具有显著负向影响。这说明，地区数字普惠金融的发展程度越高则对家庭多维贫困会产生更强的抑制作用。随着时间的推移，贫困的状态可能发生改变。基于前两轮数据可以划分出四种多维贫困变动的类型。接下来将重点讨论数字普惠金融对多维贫困变动产生的影响。

表5 数字普惠金融指数及各控制变量的Biprobit模型估计

通过观察数字普惠金融指数的系数结果，发现数字普惠金融是家庭多维贫困状态转变的重要因素，其增加会显著降低家庭在2019年陷入贫困的可能性。表6第（1）和第（2）列的结果分别为数字普惠金融对家庭陷入贫困和保持非贫困状态影响，综合两列结果来看，对于已经脱贫的家庭，数字普惠金融能够防止家庭返贫；而表6第（3）和第（4）列的结果显示，对于始终未经历贫困的家庭，数字普惠金融可以起到风险防范的作用，防止家庭陷入贫困。这初步支持了假说一，即发展数字普惠金融有助于降低家庭返贫和新致贫风险。

表6 贫困状态变化的模型估计结果

从控制变量来看，家庭规模增大和家庭成员在婚比重增加，均有助于农户保持非多维贫困状态，而小孩的数量增加会提高家庭陷入多维贫困状态的可能性。此外，结果还显示，家庭负债、老人数量和家庭总消费对于已经脱贫家庭的贫困状态影响具有不确定性。家庭负债对其贫困状态的影响取决于具体的负债原因，经营性负债会提高家庭的生产收入能力，降低未来陷入贫困的可能性；而医疗性负债则会降低家庭的生活水平，最终可能提高其陷入贫困的可能性。老人数量对家庭贫困状态变动的具体影响很大程度上取决于老人的健康状况和劳动能力。在贫困地区，只要老人没有伤病就会参加农业生产，通过耕种实现粮食自给自足，此外还种植农副产品以增加家庭收入，由此降低了家庭陷入贫困的风险；当老人因健康问题不能再参加劳动而退出家庭生产时（杨善华和吴愈晓，2003）[21]，养老支出以及可能的医疗支出会增加家庭陷入贫困的风险。家庭总消费对其贫困状态的影响则取决于消费支出的具体结构。

（二）数字普惠金融不同维度对可持续扶贫的异质性影响

本文所采用的数字普惠金融指数是从覆盖广度、使用深度和数字化程度这三个维度来衡量的。提升覆盖广度意味着金融机构的服务范围扩大，覆盖更多的居民；提升使用深度表示农户可获取的金融服务产品增多；提升数字化程度是指加强大数据、云计算等在金融产品服务中的运用，提高金融服务的便利性。考虑到数字普惠金融这三个维度的发展对贫困的影响可能存在异质性，须进一步实证分析数字普惠金融的覆盖广度、使用深度和数字化程度对农村家庭多维贫困的影响。下面仍然采用Biprobit模型分析这三个维度对农户贫困产生的影响，结果如表7所示。

下述结果显示数字普惠金融的三个维度能够降低农户贫困的可能性，主要基于某一时点讨论数字普惠金融的各维度对贫困发生率的影响。为进一步了解数字普惠金融的三个维度对贫困状态变动的影响，下文进行贫困动态分析，探讨数字普惠金融在多维贫困变动中的作用。

结合表7、表8和表9的结果，数字普惠金融覆盖广度、使用深度和数字化程度的提升能够防止农村居民陷入贫困状态，但其影响程度并不相同，其中覆盖广度和数字化程度发挥的作用较大。部分学者曾指出数字经济的发展会伴随着数字鸿沟的出现，并在一定程度上弱化数字普惠金融对家庭财富的积累作用（周天芸和陈铭翔，2021）[22]，数字化程度在推进过程中有可能增大家庭贫困的风险。造成数字鸿沟的主要原因之一是农村地区数字基础设施建设不足，而这一点正在改善。

表7 数字普惠金融与农村居民贫困：区分不同维度

表8 数字普惠金融覆盖广度、使用深度和数字化程度的边际效应：样本一

表9 数字普惠金融覆盖广度、使用深度和数字化程度的边际效应：样本二

2015年，我国在贫困地区开展电信普遍服务试点，对13万个行政村进行光纤网络建设，同时在5万个农村进行了基站建设。可以预见，随着数字基础设施建设的推进，数字普惠金融发挥的作用将越来越大。

此外，分析表明，相对于未遭受贫困的家庭，数字普惠金融的三个维度对脱贫家庭的可持续扶贫效应较小。由此，假说二得以验证，即数字普惠金融的三个维度在促进可持续扶贫方面存在异质性。

（三）内生性检验

在原模型中，数字普惠金融与多维贫困可能存在双向因果的关系。一方面，数字普惠金融有助于改变家庭多维贫困状态；另一方面，处于多维贫困的家庭，金融素养可能普遍较低，在一定程度上降低了其参与数字普惠金融的意愿。研究发现，金融素养较低的家庭在申请信贷和保险购买上的意愿更弱（张梦林等，2022）[23]，这强化了金融服务的供给难度和贫困户的金融排斥程度（刘锦怡和刘纯阳，2020）[24]。为解决此问题，参考张栋浩等（2020）[25]的做法，本文引入各地区人口密度作为工具变量，原因有二：其一，金融机构倾向于在人口密度高的地区设置网点；其二，人口密度与多维贫困并不直接相关。

IV-probit工具变量的回归结果如表10所示，Wald检验表明模型中存在一定内生性，第一阶段估计F值均在80以上，大于10%显著性水平下的临界值，这说明不存在弱工具变量的问题。在考虑内生性问题后，结果显示数字普惠金融指数的显著性与符号均与上文的基准回归结果一致。

表10 工具变量回归

（四）稳健性检验

为验证上文结论的可靠性，采用以下两种方法进行稳健性检验，即更换核心解释变量和剔除部分样本（实证结果见表11、表12）。

表11 稳健性检验：变更核心解释变量

表12 稳健性检验：剔除部分样本

1.更换核心解释变量

针对实证部分所使用的样本，采集相关数据并利用因子分析法合成数字普惠金融指数，将该指数定义为数字普惠金融合成指数。借鉴“北京大学数字普惠金融指数”所使用的指标，基于渗透度维度，选择金融网点密度、金融机构从业人员密度等指标；基于使用度维度，选取与信用卡、储蓄、贷款、证券、保险等业务相关的指标；在数字化维度方面，选择与数字金融服务相关的指标。最终得到共14个指标，再结合因子分析法合成数字普惠金融指数。从模型的结果来看，数字普惠金融能够在一定程度上避免农户陷入贫困状态。

2.剔除部分样本

我国不同地区的数字普惠金融发展程度的差异较大，例如北京、浙江等东部地区的数字普惠金融发展水平更高，而广西、云南等西部地区的数字普惠金融发展水平较低。参考李建军和韩珣（2019）[26]的做法，决定剔除前后各1%的样本。对样本进行处理后再进行回归分析，结果显示，数字普惠金融指数能够防止农户陷入贫困。

五、结论和政策建议

本文从数字普惠金融出发，基于五个维度构建多维贫困指标体系，运用2015年、2017年和2019年中国家庭金融调查数据（CHFS），并结合双界线法识别家庭是否处于多维贫困状态。在此基础上，采用Biprobit模型分析数字普惠金融对农户多维贫困状态变动的影响。研究发现：

第一，数字普惠金融通过差别化金融供给、定向性金融创新和可及性金融覆盖为农户提供金融服务，从而显著降低农户多维贫困发生的概率；

第二，地区数字普惠金融发展程度越高，农户陷入多维贫困的可能性越低；

第三，从贫困动态变化的角度来看，数字普惠金融是防范农户转向贫困状态的重要因素，无论是对于已经脱离贫困的家庭，还是从未遭受贫困的家庭，数字普惠金融均可以有效防止家庭陷入贫困；

第四，从数字普惠金融的不同维度出发，覆盖广度、使用深度和数字化程度这三个维度对可持续扶贫的影响存在异质性，其中覆盖广度和数字化程度的作用更大。

综合上述研究结论，为使数字普惠金融能够更好地缓解农户返贫和新致贫问题，提出以下政策建议。

第一，加强偏远地区数字基础设施建设并注重提升当地居民的金融素养。就加强农村地区数字基础设施建设而言，它可以为发展普惠金融创造有利的客观条件；就加强农户的金融素质教育而言，它可以提升农户金融需求能力，为普惠金融的发展提供有利的主观条件。

第二，构建多层次的数字普惠金融服务供给主体。农户贫困的原因和表现体现在“吃穿”“用”“住”、教育和医疗等方面，解决这些问题需要构建多层次的数字普惠金融服务供给主体，各自发挥自身的金融供给优势，最终形成定向性金融创新产品和差别化金融服务内容。