数字普惠金融对农民收入增长的影响
——基于山东省地市数据的研究

2023-10-12 06:28吴层层
山东农业工程学院学报 2023年9期
关键词:农民收入普惠变量

林 冰,吴层层

(山东理工大学 经济学院,山东 淄博 255012)

数字普惠金融是以数字技术赋能金融发展,由各金融机构广泛参与,使金融资源和服务覆盖范围更广、效率和质量更高、成本更低的一种新型金融服务模式。随着国家相关政策颁布与实施,农村地区数字基础设施条件得到进一步改善,数字经济、互联网技术得到广泛应用,数字普惠金融已经在农民生活和农业、农村经济发展中起到越来越重要作用。2020年12月,习近平总书记在中央经济工作会议上强调,要强化普惠金融服务,大力发展数字经济,构建新发展格局。2021年中央一号文件也首次明确提出 “发展农村数字普惠金融”。2021年2月,《中共中央国务院关于全面推进乡村振兴加快农业农村现代化的意见》指出,强化农业农村优先发展投入保障,发展农村数字普惠金融。2022年财政部公布了首批83个中央财政支持普惠金融发展示范区,引导普惠金融增量、扩面、降本、增效,山东的日照、德州和新泰三个地市进入了首批发展示范区名单。为了积极响应首批普惠金融服务乡村振兴示范区创建,山东省政府财政资金支持和出资7000万元,引入社会资本成立总规模超25亿元的乡村振兴专项基金。山东各地银行、保险机构逐步完善金融与政府、产业、公共数据集成,推动普惠金融服务模式创新,对接本地农业发展需要,打造“一站式”乡村振兴融资服务平台。由此,数字普惠金融发展成为山东全面推进乡村振兴的重要助力。研究山东数字普惠金融能否促进农民收入的增长以及促进增收的机制,对利用数字经济发挥数字普惠金融赋能乡村振兴、扩大农村就业和促进农村不同地区间协调发展等方面具有重要意义,也为其它省份乃至全国数字普惠金融发展提供重要借鉴。

1 文献综述

关于数字普惠金融和农民收入增长关系的相关研究主要有:

一是数字普惠金融对农民收入增长的影响研究。例如刘丹等(2019)[1]的研究表明,数字普惠金融对农民非农收入增长具有显著的空间溢出效应,钱鹏岁(2020)[2]认为在短期内数字普惠金融显著提升低收入群体的收入水平效应和空间溢出效应,但长期内空间溢出效应并不显著;王永仓(2021)[3]的研究结果表明,数字普惠金融对农民收入的影响具有非线性特征和双重门槛效应:当数字普惠金融发展水平超过一定阈值后,对农民收入增长的促进作用越大。进一步,不同主体收入增长效应有不同研究结论:杨伟明等(2020)[4]认为主要受益主体是城镇居民、高收入人群,而收入水平低的农村居民受益有限;何宗樾等(2020)[5]认为低收入主体面临“数字鸿沟”问题,因为数字技术门槛以及金融知识的缺乏会使其难以运用网络理财、网络借贷等核心数字金融服务实现增收。但有学者持相反观点:周利等(2020)[6]则认为普惠金融事业发展在信息技术的推动下,惠及低收入群体和农民,有助于收入差距的缩小。

二是数字普惠金融影响农民收入增长的相关渠道研究。刘心怡等(2020)[7]认为数字普惠金融通过缓解信贷约束提升收入水平,因为农民获得信贷资金支持促使其增加自主创业,可以提高创业收入。方观富,许嘉怡(2020)[8]认为地区经济增长是数字普惠金融促进农民收入增加的中介推助力。常向东等(2022)[9]在数字普惠金融对城乡收入差距影响时发现,数字普惠金融可以通过经济增长、教育水平、市场化、投资和金融素养等对抑制城乡收入差距起到作用。

综上,已有研究文献大多从全国总体的角度去探究数字普惠金融发展对农民收入的影响。然而山东作为农业经济大省,又是首批普惠金融服务乡村振兴的示范区,针对山东省的研究较少,因此更具典型性。在数字普惠金融对农民收入的作用机制研究方面,已有研究偏向单方面机制研究,缺少综合理论机制分析以及异质性实证检验。因此,本文可能的边际贡献有:首先,归纳总结数字普惠金融对农民收入的影响,理论上完善数字普惠金融对收入的影响机制;其次,以山东省16地市的数字普惠金融和农民收入数据为依据,实证检验山东数字普惠金融对农民收入的影响机制,并分样本进行地区和收入水平的异质性检验,针对山东数字普惠金融发展促进农民收入提出相关政策建议。

2 数字普惠金融对农民收入的影响机制

数字普惠金融可以通过消费机制、融资机制和信息机制,对农民收入产生影响:

2.1 消费机制

首先,数字普惠金融可以降低消费成本促进收入增长。数字普惠金融以互联网、移动客户端等为载体形成的数字化支付功能,可以规避因现金消费带来的交易阻碍(张勋等,2020)[10],各种网络购物平台的出现,让农民不用离开家门就可以满足消费需求,降低农民的交易成本,促进消费(郭华等,2020)[11]。同时,数字化支付减少农民消费支付时对价格敏感度,提高消费意愿。(Soman D,2001;Prelec D、Simester D,2001)[12-13]; 其次,数字普惠金融可以促进消费信贷。一方面,数字普惠金融充分运用数字技术,提供多元化数字信贷服务,缓解资金流动性限制,消费者购买力得到释放 (Gross D B、Souleles N S,2002;Karlan D、Zinman J,2010)[14-15];另一方面,数字平台可以用来评估信息的价值,准确判断消费者的信用度,从而降低农村地区居民的信用门槛,缓解传统信贷难以惠及金融弱势群体的问题 (郭华等,2020)[11]。最后,数字普惠金融降低居民预防性储蓄从而增加消费支出。数字普惠金融使参与主体(例如居民、商户、保险机构和监管部门)间形成有效互动,提供更有效的市场信息,稳定消费预期,提高消费水平。

2.2 融资机制

数字普惠金融减少了在传统金融服务模式下低收入群体的融资限制,使金融服务便捷可得。(张勋等,2019;刘心怡,2020)[16-17]。数字普惠金融可以利用数字平台收集社会闲散资金,加速社会资金流动,有效降低成本(陈慧卿等,2021)[18]。数字普惠金融可以为农村居民参加创新农业生产经营模式提供帮助,参加投资和融资活动的活跃度得到提升,促进收入水平的提高(夏显力等,2019)[19];数字普惠金融还能够改善企业融资环境,缓解中小企业信贷约束,促进产业发展和农户就业,拓宽增收渠道,由此带来的“涓滴效应”能够增加农民收入(何燕、李静,2021)[20]。

2.3 信息机制

数字普惠金融借助区块链、云计算等技术,准确识别农户信息,构建大数据信用体系,有效解决融资“长尾群体”(融资金额小但占比多的主体)与金融机构之间信息不对称问题,使农村多数居民能够获得数字金融服务(傅秋子、黄益平,2018)[21]。农户使用数字金融服务还可以通过互联网渠道增加信息的获取,特别是政府、行业协会的政策信息,有利于及时了解相关政策信息,增加农民的收入。

3 模型、变量与数据来源

3.1 模型构建

3.1.1 面板数据模型

本文借鉴张彤进和任碧云(2017)[22]的研究方法,构建以下基准模型:

式(1)中,lnYit为被解释变量,即 i地区在 t期的农村居民人均可支配收入;lnDIFIit为核心解释变量,即城市数字普惠金融发展水平;α0为常数项;εit为随机扰动项;Controlit为其他控制变量,包括文献已经识别出的影响农民人均可支配收入的主要因素,控制变量选取为经济发展水平(lnGDP)、城镇化率(UR)、金融发展程度(FIN)、城乡收入比(RU)、政府助农财政支出(GE);γj为控制变量系数。

3.1.2 中介效应模型

为检验数字普惠金融影响农民收入的作用机制,即消费机制、融资机制及信息机制三条路径来促进农民收入增长,构建中介效应模型,用逐步回归方程式(2)、(3)、(4)验证机制的显著性:

3.2 变量与数据来源

3.2.1 被解释变量

本文选取的被解释变量为农民收入水平(lnY),用农村居民人均可支配收入来表示。

3.2.2 核心解释变量

本文选取的核心解释变量为数字普惠金融发展程度(lnDIFI)。 借鉴杨伟明等(2020)[23]、张庆君和黄玲(2021)[24]的研究方法,选用北京大学数字金融研究中心课题组编制的《北京大学数字普惠金融指数(2011-2020)》①来表示数字普惠金融发展程度,山东省16个地市对应数字普惠金融指数如表1所示。为确保估计结果的稳健性,本文还将使用覆盖广度(lnCOV)、使用深度(lnUS)及数字化程度(lnDIG)三个子维度作为数字普惠金融发展程度的替代变量。

表1 2011—2020年山东省数字普惠金融指数(取对数结果)

3.2.3 中介变量

本文选取农民消费水平(lnCONS)、金融支农水平(lnJR)、互联网发展水平(lnIPR)作为中介变量,其中农民消费水平(lnCONS)采用农民人均消费支出来表示;金融支农水平(lnJR)采用金融机构各项贷款余额与第一产业生产总值比值来表示;互联网发展水平(lnIPR)采用农村宽带普及程度来表示。

3.2.4 控制变量

本文参考张海燕(2021)[25]、储德银和经庭如(2009)[26]等学者的研究,并考虑数据的可得性,选取经济发展水平(lnGDP)、城镇化率(UR)、金融发展程度(FIN)、城乡收入比(RU)、政府助农财政支出(GE)作为控制变量,其中经济发展水平(lnGDP)采用各地市农业生产总值与农村总人口的比值来表示;城镇化率(UR)采用各地市非农村人口占总人口的比重来表示;金融发展程度(FIN)采用各地市金融机构各项贷款余额与生产总值之比来表示;城乡收入比(RU)采用各地市城镇居民人均可支配收入与农村居民人均纯收入的比重来表示;政府助农财政支出(GE)采用各地市农林水财政支出与第一产业生产总值之比来表示。本文所有涉及的变量度量方式见表2。

表2 变量基本含义、公式及描述性统计

为了避免异方差的影响,对农民人均可支配收入、数字普惠金融指数、人均地区生产总值、农民人均消费支出、金融支农水平、互联网发展水平进行对数化处理。除了数字金融发展指数外,其它数据来源为2012-2021年《山东省统计年鉴》。

4 实证结果及分析

4.1 基准回归分析

本文通过通过F检验方法、LM检验方法、Hausman检验方法对面板数据模型筛选,选择固定效应模型进行实证检验,见表3。模型(1)(2)(3)分别对应混合效应、固定效应和随机效应模型。本文选取固定效应模型(2)为基准回归模型:估计结果显示,数字普惠金融在1% 显著性水平上能够促进农户收入水平增长:数字普惠金融发展指数增长1% ,促进农民收入增长0.215% 。

4.2 机制检验

下面对数字普惠金融影响农民收入水平的消费机制、融资机制以及信息机制进行检验。首先在模型2的基础上引入数字普惠金融和农民消费水平、金融支农水平以及互联网发展水平(lnDIFI×lnCONS、lnDIFI×lnJR、lnDIFI×lnIPR) 的交互项,见表 4,模型(4)(5)(6)分别对应上述三条影响机制进行初步回归检验,交互项回归结果均显著为正,初步验证了三个影响机制。

表4 数字普惠金融对农民收入影响机制的检验

为了保证影响机制的准确性,继续采用中介效应模型对上述影响机制进行检验(表5):

表5 消费机制、融资机制和信息机制的中介效应检验

数字普惠金融通过消费机制促进农民收入增长。数字普惠金融发展水平上升1单位可带来农民收入水平和农民消费水平分别有0.215、0.254单位的提升;在控制农民消费水平后,数字普惠金融对收入仍有促进效应,通过逐步检验,说明农民消费水平在数字普惠金融和农民收入之间起了部分中介作用,中介效用占总效应比重为35.7% (0.254×0.302/0.215=0.357), 即消费机制在数字普惠金融促进农民收入增长的总效用占比为35.7% 。

数字普惠金融通过融资机制促进农民收入增长。数字普惠金融发展水平上升1单位可带来农民收入水平和金融支农水平分别提升0.215、0.121单位;在控制金融支农水平后,数字普惠金融对收入仍有促进效应,通过逐步检验,说明金融支农水平在数字普惠金融和农民收入之间起了部分中介作用,中介效用占总效应比重为25.7% (0.121× 0.458/0.215=0.257),即融资机制在数字普惠金融促进农民收入增长的总效用占比25.7% 。

数字普惠金融通过信息机制促进农民收入增长。数字普惠金融发展水平上升1单位可带来农民收入水平和互联网发展水平分别提升0.215、0.323单位;互联网发展水平对农民收入水平也存在显著正向影响,且在控制互联网发展水平后,数字普惠金融对收入仍有促进效应,通过逐步检验,说明互联网发展水平在数字普惠金融和农民收入之间起了中介作用,中介效用占总效应比重为 16.2% (0.323× 0.108/0.215=0.162),即信息机制在数字普惠金融促进农民收入增长的总效用占比16.2% 。

4.3 内生性处理

为处理可能的内生性问题,本文选择数字普惠金融指数滞后一期作为工具变量进行检验。表6为工具变量法(IV-2SLS)的回归结果,模型 (7)为第一阶段回归结果,模型(8)为第二阶段回归结果。检验结果显示:本文所选工具变量显著有效。模型(8)的估计结果表明,数字普惠金融对农民收入具有显著的促进作用,这一结果与基准回归结果相契合。

表6 工具变量法回归结果

4.4 稳健性检验

为确保基准回归结果的稳健性,本文还考虑使用替换核心解释变量等方法加以检验。分别使用数字普惠金融的三个子维度指标作为核心解释变量的替代变量:数字普惠金融覆盖广度、使用深度和数字化程度,其中,覆盖广度对应模型(9),使用深度对应模型(10),数字化程度对应模型(11),估计结果如表7所示:山东数字普惠金融发展能够显著促进农民收入水平增长,这一结果与基准回归结果相契合。

表7 更换解释变量指标的稳健性检验估计结果

4.5 异质性分析

本文对将全样本分为沿海地市、内陆地市②进行区域异质性检验;分高收入水平地市、低收入水平地市③进行收入水平异质性检验,如表8、9所示:

表8 异质性检验结果

区域异质性检验分析。为了避免内生性,采用了两阶段工具变量回归法(IV-2SLS),回归结果显示,核心解释变量lnDIFI的回归系数在1% 水平上为正向显著,表明山东省沿海和内陆地市的数字普惠金融均对农民收入具有显著的促进作用。其中沿海组的核心解释变量回归系数(0.273)大于内陆组回归系数(0.235),山东省沿海地市数字普惠金融对农户收入的促进作用更强。这是因为沿海地市经济金融发展相对较好、存在大量传统金融网点,数字普惠金融对该地区农民收入增加的作用更加显著;而对于内陆地市来说,地理位置相对较差、传统金融发展滞后,数字普惠金融的发展还需要进一步加强。

收入水平异质性检验分析。两阶段工具变量回归法(IV-2SLS)回归结果显示,核心解释变量lnDIFI的回归系数在1% 水平上为正向显著,说明山东省高收入地市和低收入地市数字普惠金融均能够促进农户收入增加。但是数字普惠金融对高收入组和低收入组的影响程度不同,低收入水平地市促进作用(0.402)大于高收入水平地市(0.392)。可能原因是数字普惠金融对低收入组农户存在更大的边际效用,特别是一系列的扶贫措施的福利影响,在低收入群体中的效用更明显。

5 结论与建议

5.1 结论

本文选取农业大省山东省作为研究主体,基于2011—2020年山东省16个地市面板数据,考察了数字普惠金融能否促进农户收入增长及其作用机制。研究发现,第一,数字普惠金融发展能够促进农户收入增长;第二,数字普惠金融对农民收入的作用机制有消费机制、融资机制和信息机制;第三,异质性研究发现,山东沿海地市农村数字普惠金融对农民收入的促进作用大于内陆地市;山东低收入水平地市农村数字普惠金融对农民收入的促进作用大于高收入水平地市。

5.2 建议

5.2.1 提高金融知识储量和金融素养形成有效消费需求

以数字技术为驱动的数字金融要求消费者具备较高的知识储量和使用技能,否则将会导致数字金融服务产品的消费需求与服务供给之间的错配。因此,要提高农村居民的金融知识储量和金融素养,提高农民消费水平,切实发挥数字普惠金融通过消费机制来提高农民收入水平的作用。政府要有针对性地在山东农村经济欠发达地区开展数字技能和金融知识的培训和宣传,提高农村居民数字金融知识普及率和使用技能,扩大数字金融覆盖面,缓解数字金融“知识鸿沟”,促进农民消费水平的提高,使农村居民充分享受数字经济时代的数字红利。

5.2.2 拓宽融资渠道完善数字普惠金融支农激励机制

农民在获取正规金融机构资金支持过程中面临着贷款难、抵押难、担保难的问题,需要进一步拓宽融资渠道,切实发挥数字普惠金融通过融资机制提高农民收入水平的作用。政府应该引导金融机构加大对山东农村经济重点领域和薄弱环节支持力度,扩大农村资产抵押担保融资范围,规范发展消费信贷,发展农业保险。对于大多数低收入群体,以及难以获得融资的中小微企业和农民,数字普惠金融应该降低提供服务的门槛,提供适合产品,形成可供选择的多样化和多层面的数字普惠金融产品及服务,健全数字金融服务体系,完善金融支农激励机制。

5.2.3 推进数字信息化完善数字普惠金融基础设施建设

数字普惠金融信息传播和使用的深度取决于数字化基础设施建设完善性。完善山东数字信息传播的网络基础设施建设,提高农村地区信息网络宽带的用户接入率,并确保网络使用流畅。降低山东农村地区居民使用移动通信网络的成本,继续推行网络提速降费。提高农村地区居民使用移动通信互联网的便利性。构建面向农业农村的网络信息平台,将碎片化、分散化的农村信息进行有效整合与充分利用,实现城乡资金、技术互联互通,切实发挥数字普惠金融通过信息机制提高农民收入水平的作用。

5.2.4 统筹协调、因地制宜发展数字普惠金融

根据异质性检验结果,山东应统筹协调、因地制宜发展数字普惠金融。省政府金融部门组织机构应统筹规划数字普惠金融服务系统,统筹协调、因地制宜制定相关分配标准,对各地市农村地区数字普惠金融资源进行有效且合理配置。健全地市之间的合作与利益调节机制,金融较为发达的沿海地市与相对金融服务较弱的内陆地市间加强数字金融的联合宣传教育和人才培养。完善数字普惠金融发展。各地市结合自身发展具体情况完善数字普惠金融发展。收入水平较高的地市着力提升数字技术研发水平和金融监管体系,提供安全高效的金融服务;收入水平较低的内陆地市集中力量加大金融基础设施的资金投入力度,逐步完善金融服务质量,做好基础性数字普惠金融服务工作,在此基础上继续升级优化。

注释:

①《北京大学数字普惠金融指数(2011-2020)》来源于:https://idf.pku.edu.cn/。

②沿海地市为青岛、东营、烟台、威海、日照5个地市,内陆地市为济南、淄博、枣庄、济宁、泰安、临沂、德州、聊城、菏泽、滨州11个地市。

③根据2011-2020年山东省16个地市的农民平均人均可支配收入,将样本分为高收入水平地区和低收入水平地区两组,其中,高收入水平地区包括济南、青岛、淄博、东营、烟台、潍坊、滨州、威海8个地市;低收入水平地区包括枣庄、济宁、泰安、日照、临沂、德州、聊城、菏泽8个地市。

猜你喜欢
农民收入普惠变量
探索节能家电碳普惠机制 激发市民低碳生活新动力
陕西农民收入:一路爬坡过坎
抓住不变量解题
人在干什么?增收不单靠出门打工——搬迁后农民收入来源报告
也谈分离变量
日照银行普惠金融的乡村探索
农村普惠金融重在“为民所用”
金融科技助力普惠金融
“十三五”期间中国农民收入年均增长6.5%
农民收入增长周期的多尺度分析