数字金融对农户贫困脆弱性的影响及其异质性分析

崔海红，黄 娇，黄逸鸣

（1.河南牧业经济学院金融与会计学院，郑州 450044；2.中国银行保险监督管理委员会恩施监管分局，湖北 恩施 445000；3.中南财经政法大学会计学院，武汉 430073）

中国脱贫攻坚已取得举世瞩目的成就，2020年底，现行贫困标准下5 575万农村贫困人口全部脱贫，832个贫困县全部摘帽，1 385万建档立卡贫困户实现“两不愁与三保障”。随着脱贫攻坚战的收官，中国进入后扶贫时代，多数贫困户和贫困县虽已脱贫摘帽，但发展基础仍然比较薄弱，农户脱贫稳定性低，仍存在已脱贫农户返贫与新增贫困的潜在风险。根据国务院扶贫办新闻发布会透露，截至2019年底，中国建档立卡已脱贫但不稳定户近200万人，收入略高于贫困标准的边缘户近300万人。如何形成长效脱贫机制以避免农户返贫和新增贫困是当下的核心研究课题。因此，2020年中央一号文件提出巩固脱贫攻坚成果，即防止已脱贫农户返贫和新增贫困成为新时期的重要任务。而世界银行提出的“贫困脆弱性”前瞻性指标，能动态评估农户在未来遭受风险冲击而陷入贫困的概率［1］，故观测并降低农户发生贫困脆弱性风险为后扶贫时代长效扶贫工作之关键。

中国在2016年G20峰会《G20数字金融高级原则》中倡导以数字技术推进普惠金融建设，数字金融为金融扶贫工作提供新的思路，以数字化互联网平台为供给渠道打破地域限制从而降低交易成本且提升金融服务效率，金融机构以可负担成本为农村家庭提供商业可持续性的金融产品与服务。数字技术助力打通金融服务“最后一公里”，受传统金融排斥的农户通过风险管理技术与手段提高抗风险能力［2］，从而有效降低农户发生贫困脆弱性的概率。为推动金融资源下沉，实现贫困地区农户长效脱贫，中国积极主张推进普惠金融建设。然而传统金融机构较难以可负担成本为农村贫困家庭提供商业可持续性信贷资金，导致其参与农村贫困地区普惠金融的建设积极性低，金融扶贫难以突破“最后一公里”。数字技术与金融领域的发展与深度结合能有效疏通普惠金融发展阻梗。

目前少有文献直接研究数字金融对农户贫困脆弱性的影响，与本研究相关的文献主要有以下2个方面。一是贫困脆弱性标准的界定，即贫困线与脆弱线，彭继权等［3］以世界银行公布的人均消费1.9美元/天和3.1美元/天作为贫困线标准，家庭人均福利水平低于该标准则界定为贫困；张颖莉等［4］、何军等［5］以中国于2011年公布的人均纯收入2 300元/年不变基准价设定国家贫困线，低于此标准则认定该家庭为贫困户；尹志超等［6］以贫困发生率作为脆弱线，杨龙等［7］、万里洋等［8］以29%、50%作为脆弱性阈值判定农户是否为贫困脆弱性家庭。二是数字金融的经济效益，数字金融有利于减贫［9］，其通过缓解信贷约束从而促进家庭主动性创业实现增收，并以收入增长与分配改善机制实现包容性增长，对中西部农村的减贫增收边际效应大于东部［10］，并能显著影响居民消费，且中西部农村居民受到数字金融促进消费的效应更显著［11］。

鉴于此，本研究聚焦于中国数字金融发展和农户贫困脆弱性两大主题，分析数字金融对农户贫困脆弱性的影响，进一步探究数字金融对农户贫困脆弱性的影响是否存在区域差异，农户贫困状态、户主的年龄特征及教育水平差异是否会影响估计结果，以期为构建农村贫困状态的动态监测体系和长效扶贫机制提供理论支持和实践指导。

1 理论分析

建立反贫困政策干预长效机制在于预防和减少将来的贫困，即不仅要了解农户的贫困现状，还要了解农户面临哪些风险导致他们更容易在将来陷入贫困，估计农户的贫困脆弱性。传统贫困问题研究瞄准目标人群收入或消费福利水平低于特定贫困线的家庭；反贫困政策干预是基于家庭收入与消费的角度，对贫困原因分析进行事后评价，事后控制缺乏对脆弱人群未来发生贫困的前瞻性预测［12］。目前学术界普遍认为反贫困工作的开展需由以往事后介入向事前的贫困风险防范转移［13，14］。贫困脆弱性问题研究目标人群不仅是贫困家庭，还包括当期状态处于特定贫困线以上，但在面临风险冲击后家庭生活状态发生转变并陷入贫困的风险家庭［15］，相对于以往研究贫困的思路，后者进一步基于事前预测家庭在未来发生贫困脆弱性的概率，使相关政策制定与实施可基于事前对贫困状态的预测结果。因此，动态监测家庭贫困脆弱性，可以增强政策实施的前瞻性，有效减少事后扶贫成本［16］。

数字金融是指一切以提供数字金融服务推进普惠金融发展的行动，其基于数字化经济与互联网网络效应，有利于降低交易成本与提高金融可得性、使用性和服务效率，从而突破传统普惠金融的发展难题［17］。尤其针对缺乏基本储蓄与信贷产品和服务的金融基础设施不完善的农村地区，数字金融有利于解决农户金融产品与服务的缺位难题，甚至可以实现贫困地区“弯道超车”［18］。依托数字技术优势，普惠金融的服务范围辐射到弱势群体［19］，但也应注意到数字劣势农户随着数字金融发展而愈发贫困的困境［20］。中国的数字金融发展始于2004年支付宝上线，迅速发展阶段始于2013年余额宝上线［21］。数字金融具体表现为以互联网与移动终端为载体，以商业可持续性原则为受金融排斥弱势群体提供数字化信贷融资、保险、理财、支付和结算等金融产品与服务。

2 研究设计

2.1 数据来源与研究样本

本研究数据分为2个部分。数字金融数据来源于北京大学数字金融研究中心与蚂蚁金服合作编制的数字金融指数，该指数涵盖2011—2018年中国31个省（市、自治区）337个地级市的数字金融发展状况，相关指数包括覆盖广度、使用深度与数字化支持水平，本研究拟采用2018年数字金融相关数据。农户微观数据来源于2015年、2017年与2019年中国家庭金融调查数据库（China household finance survey，CHFS），该问卷当年调查情况实则为农户家庭上一年的收入、消费等情况，因此2015年、2017年和2019年的数据实为农户2014年、2016年与2018年的经营和生活情况。主要选取家庭与户主层面的数据信息纳入研究，根据研究所需测算农户家庭未来陷入贫困的概率，因此采用2015年、2017年和2019年3年追踪农户作为研究样本，对原始数据进行如下处理：①剔除城镇样本并保留3年追踪农户家庭样本；②剔除模型缺失值样本和家庭总资产、总消费等异常值样本，筛选后得到3 885个有效农户样本。

2.2 变量的选取

2.2.1 被解释变量的构建与度量基于事前预测的前瞻性与测算结果的可得性，本研究将采用预期贫困脆弱性（VEP）的内涵和思路测度农户贫困脆弱性，即农户家庭人均消费低于贫困线的概率。借鉴何军等［5］对贫困脆弱性的测度方法，对农户家庭人均消费取对数，图1为3年追踪农户家庭的人均消费分布，该分布结果表明家庭人均消费的对数近似服从正态分布。因此，参考Chaudhuri等［22］的做法，假设农户家庭人均消费对数值呈正态分布，以vul=v（z，c，p）方法估测农户贫困脆弱性。其中，vul为对农户贫困脆弱性的测度，参数c为衡量农户未来人均消费标准的测度数值，p为未来人均消费值的分布概率，z为参照指标。本研究运用正态分布的累计概率函数测度，首先计算2015年、2017年和2019年人均年消费，对家庭人均消费和贫困线取对数，计算均值和标准差。其具体推算步骤如下。

图1 3年追踪农户家庭的人均消费对数值分布

1）对选取的贫困线K取对数lnK，对农户家庭i人均年消费ci,t取对数lnci,t。

2）计算农户家庭人均年消费对数lnci,t的均值ui与标准差σi。

3）计算Zi=（lnK-ui）/σi，并带入标准正态分布累计概率函数Φ(Zi)，该值即为估测农户i在未来发生贫困的概率。并进一步与以贫困发生率29%概率值与50%概率值作为贫困脆弱性阈值判断农户i是否为脆弱性家庭，若是脆弱性家庭，则vuli=1，否则为0。

2.2.2 解释变量以2018年北京大学数字金融指数度量地区数字金融发展水平。该指数以蚂蚁金服海量大数据为基础编制而成，其衡量测度包含数字金融覆盖广度、使用深度与数字化支持程度一级维度指标，并进一步对使用深度一级维度按业务细分。因此为深入研究数字金融对农户贫困脆弱性的影响，本研究的核心解释变量包括数字金融指数（DFI）、数字金融覆盖广度（coverage_breadth）、数字金融使用深度（usage_depth）与数字支持程度（digitization_level）4个指标，以探讨数字金融不同维度与不同金融服务形式对农户贫困脆弱性的影响。

2.2.3 控制变量基于既有对农户贫困脆弱性的研究，农户贫困脆弱性影响因素主要来自3个方面，即个体特征、家庭特征与区域特征，因此结合已有文献与CHFS 2019年中国家庭金融调查问卷的调查数据，从农户户主特征、家庭特征与区域特征3个方面选取控制变量。具体回归变量符号表达和经济含义见表1。

表1 回归变量符号表达和经济含义

2.3 模型设定

借鉴尹志超等［6］的研究思路，对农户未来发生贫困的概率按设定的脆弱线分为贫困脆弱性与非贫困脆弱性农户展开研究，选择以中国贫困线（pov）和1.9美元国际贫困线作为贫困衡量标准，以贫困发生率（ruc）作为脆弱性阈值判断农户是否为贫困脆弱性家庭。采用Probit模型分析数字金融对农户贫困脆弱性的影响。模型设定如下：

式中，被解释变量vulij为农户家庭i是否为贫困脆弱性家庭，vulij=1表示j市内的农户i是贫困脆弱性家庭，vulij=0则表示农户i不是贫困脆弱性家庭，考虑到同一地区家庭之间具有相关性，将模型的标准误聚类到市一级；DFIj为j市的数字金融指数；Xij为控制变量，包括家庭特征、户主特征以及区域特征变量；其他为待估参数，εij为随机扰动项。

3 回归结果分析

3.1 数字金融与农户贫困脆弱性回归分析

表2为数字金融对农户贫困脆弱性的回归结果。第（1）列为以中国贫困线（pov）设定贫困标准的回归结果，第（2）列为以国际贫困线1.9美元设定贫困标准的回归结果。由表2可知，数字金融回归系数显著为负且边际效应分别为-0.000 9与-0.001 4，说明数字金融的发展有助于降低农户发生贫困脆弱性概率。数字金融以数字化技术为农户提供数字金融产品与服务，以其可得性、有效性与可负担性优势突破普惠金融的发展瓶颈，从而降低农户返贫与新增贫困的发生概率。

表2 数字金融对农户贫困脆弱性基准回归结果

家庭特征控制变量，如家庭收入、家庭资产规模大小与农户贫困脆弱性的关系显著为负，说明家庭收入越低，资产规模越小，家庭创收能力越弱及对风险的抵抗能力越低；农户医疗保险的参与与农户贫困脆弱性存在显著的负相关关系，说明农户参与医疗保险有助于降低贫困脆弱，参与医疗保险的农户家庭应对因疾病引致的健康风险冲击的能力更强；家庭规模、家庭抚养比的估计系数显著为正，说明家庭人数越多、需要抚养人数占比越大，农户家庭劳动力负担越重，农户抵抗家庭突发疾病、生命周期风险等能力越弱。

户主特征控制变量，户主受教育年限、户主婚姻状况与农户贫困脆弱性呈显著负相关，说明户主所受到的教育年限的提高，能增强人力资本的积累，人力资本积累有助于提高农户创收和风险认知，提高农业与非农经营等活动的决策科学性，从而降低其发生贫困脆弱性的概率。已婚户主的家庭纽带较强，对生活与收入的追求度较高，且劳动力增加可以提高其收入水平，故其发生贫困脆弱性概率更低。

表3的回归结果表明，数字金融的覆盖广度（coverage_breadth）与使用深度（usage_depth）2个维度都对降低农户贫困脆弱性有显著影响，但数字金融使用深度对降低农户家庭贫困脆弱性的边际效应更大。可能的解释是数字金融在发展推广初期，机构采取系列措施拓宽农村地区金融业务市场，但随着数字金融覆盖广度发展到一定程度，各地纷纷以数字金融使用深度作为数字金融持续发展的重要驱动力，因而数字金融使用深度在降低农户贫困脆弱性方面可以发挥更大的作用。

表3 数字金融不同维度对农户贫困脆弱性的影响

3.2 基于区域的异质性分析

基于中国对中西、东部地区的划分将农户进行分组回归，结果如表4所示，第（1）列为中西部地区农户的脆弱性回归结果，第（2）列为东部地区农户的脆弱性回归结果。由表4可知，中西部地区农户的数字金融回归结果显著且边际效应为-0.001 0，东部地区农户的数字金融回归结果不显著，说明数字金融对经济发展水平落后、地理与金融业态环境较差且居住分散的中西部地区农户的脆弱性积极效应好，可能的原因是目前中国数字金融发展重点在落后且经济金融业态环境差的地区，这也体现了数字金融的普惠性与包容性价值。

表4 基于中国中西、东部地区的异质性分析结果

进一步以人口规模与经济发展水平差异角度，将农户按所在地级市人口规模大小、经济发展水平高低进行分组回归，结果如表5所示。第（1）、（2）列和（3）、（4）列分别为以农户所在地级市人口规模中值和人均GDP中值作为标准对农户进行分组回归，结果表明，数字金融对人口规模较小、经济发展水平较低的地级市农户贫困脆弱性降低效应显著。这也进一步证实了数字金融以其可得性、有效性与可负担性优势突破传统普惠金融的发展桎梏，有助于缓解金融资源区域错配现象，降低贫困风险属性高的中西部地区农户发生贫困脆弱性概率的显著意义。同时也体现了数字金融扶贫的公平性与包容性效应的发展理念，有利于推进金融长效脱贫工作，缩小经济与规模发展不平衡地区之间农户的贫富差距。

表5 基于人口规模与经济发展水平的异质性分析结果

3.3 基于农户的异质性分析

贫困与贫困脆弱性为2个不同概念，贫困脆弱性的研究将位于贫困线以上的农户家庭亦纳入研究范围。因此为进一步深入探究数字金融更有利于防贫还是直接减贫，本研究基于问卷信息，按农户对问卷“是否为建档立卡贫困户或低保户”的回答，将农户贫困状态分为贫困农户与非贫困农户组，贫困农户包括贫困户且未脱贫、贫困户且当年脱贫、低保户3种。非贫困农户为非贫困与非低保户。此外，为保证结论稳健性，借鉴樊丽明等［23］的研究思路，根据农户2015年、2017年和2019年3年追踪农户调查状况，将农户细分为尚不贫困与暂时贫困组，由于大多数农户已脱贫，3年都低于贫困线的农户（慢性贫困）样本较少，为了保证分组回归的样本数量有效，将慢性贫困与暂时贫困归为一类并统称为暂时贫困，其中，尚不贫困农户为3年福利水平均高于贫困线标准，至少有一年的人均福利水平低于贫困线标准则为暂时贫困农户。

回归估计结果如表6所示。第（1）、（2）列回归结果表明数字金融对降低贫困农户的脆弱性影响不显著，但对降低非贫困农户的脆弱性效应显著。第（3）、（4）列为按3年追踪农户贫困状态的分组回归结果，该结果亦表明数字金融对尚不贫困农户脆弱性影响显著而对暂时贫困农户的影响不显著，说明数字金融降低农户贫困脆弱性的价值更多是防贫而非直接减贫，即避免非贫困户陷入贫困，这与黄倩等［9］的研究结论不一致。可能是因为本文研究对象为农户，农村金融业态环境差，且相较于非贫困农户，贫困农户往往知识储备与数字技能水平较低，而农户的金融知识储备与数字技能能力是数字金融缓解农户资金与信息约束的重要前提，因此数字金融未必有助于贫困农户减贫，尤其是深度贫困农户摆脱贫困，故数字金融缓解农户脆弱性效应更多在于防贫。且该回归结果也体现数字金融有效抑制了金融扶贫中的瞄准失误，数字金融能弥补政府对扶贫农户补贴而造成的非扶贫农户的福利损失，降低了非贫困农户未来陷入贫困的风险概率。所以精准扶贫以及维护扶贫效果的长效机制除了不断改善现有扶贫机制外，还需推进数字金融的发展。这也进一步证实了数字金融对中国长效脱贫机制的显著意义。

表6 基于农户的异质性分析结果

3.4 基于户主特征的异质性分析

本研究基于农户户主特征进一步展开异质性分析，统计结果表明贫困农户户主大多数为老年人，且基于已有文献从理论层面指出老年人受数字鸿沟影响大且金融素养更低，难以享受“数字红利”。此外，农户接受教育水平会影响金融素养与数字设备使用能力，因此本研究分别基于户主年龄与户主受教育水平程度分组展开回归，结果如表7所示，第（1）、（2）列结果表明数字金融对降低中青年户主贫困脆弱性显著，而对降低老年户主贫困脆弱性的影响不显著，这是因为中青年人学习能力强且金融知识储备更多，数字设备使用能力和互联网使用频率高。由此可知，老年人享受“数字红利”受到金融素养低与数字鸿沟的阻梗。第（3）、（4）列为按户主受教育水平的分组回归结果，数字金融对受教育水平高的户主贫困脆弱性的降低效应显著，而对受教育水平低的户主家庭不显著。良好的知识储备与学习能力是农户选取金融工具及组合提升其风险管理能力的重要条件，受教育水平高的户主对金融讯息及政策走势分析更具科学性，对缓解农户贫困脆弱性发挥重要作用。

表7 基于户主特征的异质性分析结果

4 结论与建议

数字金融的发展能显著降低农户发生贫困脆弱性概率。首先，数字金融水平越高，其数字化普惠优势越显著，农户家庭发生贫困脆弱性的概率越低；其次，数字金融覆盖广度和使用深度对降低农户发生贫困脆弱性的概率效应大小有所不同，数字金融使用深度，即数字金融业务使用有效性对降低农户发生贫困脆弱性的概率效应更大。

基于区域异质性分析结果表明，数字金融对降低中西部地区农户、人口规模小区域农户、经济发展水平较低区域农户的贫困脆弱性效应显著，而对东部地区农户、人口规模较大区域农户及经济发展水平较高区域的农户的贫困脆弱性降低效应不显著；基于农户贫困状态异质性分析结果表明，相较于直接减贫，数字金融降低农户贫困脆弱性的效应更多在于防贫。基于户主特征异质性分析结果表明，数字金融对降低中青年户主贫困脆弱性显著，而对降低老年户主贫困脆弱性的影响不显著，数字金融对受教育水平高的户主贫困脆弱性的降低效应显著，而对受教育水平低的户主家庭不显著。

基于以上结论，提出以下对策建议：①建立贫困的动态识别与监测机制，制定长效精准扶贫政策。从区域层面来说，强化对欠发达中西部地区区域发展政策与综合性开发，寻找新的经济增长点；从家庭层面来看，需探究风险源头并制定差异化精准措施。②充分挖掘与完善数字信贷、数字保险与数字支付等金融形式业务功能，缓解传统金融对农户的金融排斥，发挥其防贫与改善资源区域错配作用实现普惠价值。