电商场景嵌入与县域数字普惠金融发展

罗兴 王重阳 何奇龙 马九杰

摘   要：本文采用2016—2020年县域面板数据，从场景嵌入的角度探讨了农村电商发展对县域数字普惠金融发展的影响。研究发现，农村电商发展有助于提升县域数字普惠金融发展水平；就细分指标而言，农村电商发展对县域数字普惠金融的覆盖广度、使用深度和数字化程度均有显著正向影响，从而验证了数字金融发展的场景嵌入机理。进一步研究发现，农村电商发展对县域数字普惠金融发展的促进作用主要出现在市场化程度高、产品市场和要素市场发展程度高、法治水平高的地区以及南方地区；农村电商发展也能够显著降低金融发展面临的地理排斥。鉴于此，推动县域数字普惠金融发展，应该注重农村电商等数字乡村场景建设，同时地方政府也应提升法治化、市场化水平，以优化金融发展环境。

关键词：农村电商；场景嵌入；数字普惠金融；金融地理排斥

中图分类号：F830  文献标识码：A  文章编号：1674-2265（2023）09-0003-10

DOI：10.19647/j.cnki.37-1462/f.2023.09.001

一、引言

县域是普惠金融发展的主战场，县域普惠金融发展不充分和空间上不均衡问题受到了政策制定者与学界的广泛关注。随着信息技术及互联网经济的快速发展，以互联网科技企业提供金融服务为代表的数字金融也得到了快速发展，普惠金融发展日益呈现出数字化特征（黄益平和黄卓，2018）[1]。数字普惠金融在服务“三农”和缓解中小微企业融资难等方面不断涌现出新服务、新产品，已有研究认为数字普惠金融发展实现了金融活动的地理“脱嵌”，缓解了县域金融地理排斥，缩小了金融发展的空间差异（张勋等，2019）[2]，使得金融发展更加平衡。但不可忽视的是，我国数字普惠金融发展仍然呈现空间非均衡状态，城乡之间及不同地区之间的发展差异依旧明显（何婧等，2017）[3]。其中，县域数字普惠金融发展存在显著的空间集聚和分布非平衡性（郭峰等，2017）[4]，呈现出由东至西递减发展、中部塌陷的空间分布格局（王修华和赵亚雄，2022）[5]。如何克服县域数字普惠金融发展在空间上的不均衡性成为紧迫的现实问题，这就要求我们对数字普惠金融发展的影响因素进行研究。

国内外学者对数字普惠金融发展的影响因素的研究大致可归类为微观和宏观两个视角。从微观层面来看，服务获取成本、用户的主观规范、居民对数字金融服务的感知特性和信任度会影响其使用数字普惠金融服务的意愿（Anggrayani和Suprapti，2019）[6]。从宏观层面来看，地区经济发展水平、传统金融供给规模（王喆等，2021）[7]、网络普及率、居民受教育程度（张青等，2021）[8]、政府干预程度、自然要素禀赋依赖度（董晓林和张晔，2021）[9]等因素都能显著影响数字普惠金融发展。特别地，有学者从技术和基础设施视角切入研究数字普惠金融发展的地区差异问题，认为基础设施特别是网络基础设施建设能够为大数据、云计算等数字技术的运用提供基础，从而促进县域数字普惠金融发展（刘成杰等，2022）[10]，中西部偏远地区基础设施不完善，尤其是数字基础设施建设不足，影响了数字普惠金融的发展。以上研究多从外部环境和发展条件的角度分析了数字普惠金融发展的影响因素，一定程度上忽视了数字普惠金融起源及发展的特殊性，没有将分析的逻辑起点和历史起点结合起来。

本文试图将分析的逻辑起点建立在历史起点上，从数字普惠金融起源角度探究其县域发展差异。本文认为数字普惠金融起源及发展的特殊性在于数字普惠金融发展嵌入数字场景之中。最近的研究开始重视数字普惠金融发展对线上数据及场景的依赖：比如有研究认为电商交易数据和社交数据是金融科技公司网络贷款业务的基础，而数据优势的核心在于线上场景的搭建与对场景的把控；也有研究认为对场景的把控是数字金融发挥技术优势的基础和在城市得以快速发展的前提（CF40数字普惠金融研究课题组，2019）[11]；而P2P网络贷款作为反例，其发展歷程也说明数字普惠金融发展仅依赖网络技术和互联网渠道是不够的（邱志刚等，2020）[12]。但是，目前关于数字普惠金融发展的场景依赖性的相关理论和实证研究还较少。经济社会学中的嵌入性理论认为，经济活动嵌入于特定的社会关系网络之中（Granovetter和Soong，1986）[13]，同样地，金融活动也具有嵌入性。中国数字金融的起始点可以追溯到2004年支付宝的上线，支付宝从第三方支付工具成长为集信贷、理财、保险于一身的综合性数字金融服务平台，其发展离不开淘宝网等电商平台，体现着数字金融对数字电商场景的嵌入。上述场景嵌入体现为以下过程：居民和企业通过各类终端接入以淘宝网为代表的电商场景，并开展各类经营及消费活动；用户在电商场景中的行为会被记录在电商交易账户之中，互联网公司通过大数据和人工智能技术为账户所有者画像，识别账户所有者的信用、偏好等重要特征，从而精准供给金融服务。

2014年，阿里巴巴顺应国家政策，开始大力布局农村电商市场；随着电商产业链逐步成熟，农村电商呈现出“草根创业、作坊式生产、同业集聚”的特性，并逐步发展到合作协同生产模式（郭承龙，2015）[14]；随着2017年乡村振兴战略的提出，电商平台成为政策实施和支持的一个重要方面，基于“村级站+县级中心+支线物流”的农村电商基础设施日益完善，商品“进城下乡”的渠道日益通畅，农村电商得到进一步发展。与此同时，县域特别是农村地区数字普惠金融也快速发展，降低了农村地区的金融排斥（刘俊杰等，2020）[15]。那么县域数字普惠金融的发展是否受到农村电商场景发育程度的影响呢？基于此，本文利用中国县域统计年鉴、阿里研究院和北京大学数字金融研究中心分别发布的县域经济数据、淘宝村名单及县域数字普惠金融指数等数据，构建2016—2020年1606个县的面板数据，对农村电商发展和县域数字普惠金融发展之间的关系进行实证分析。本文的主要贡献如下：第一，从场景嵌入的角度，研究了农村电商发展对县域数字普惠金融发展的影响，在将逻辑起点建立在历史起点的基础上对县域数字普惠金融发展差异进行了解释。第二，基于市场化水平、法治环境、南北地区差异、地理排斥程度等视角考察了农村电商发展对县域数字普惠金融发展的异质性影响。以上研究有助于更好地理解县域数字普惠金融发展的场景嵌入机理，对缓解县域数字普惠金融发展的地区差异有一定启示。

二、理论分析与研究假说

（一）场景嵌入视角下农村电商发展对县域数字普惠金融发展的影响

任何金融行为的本质都是一种基于序贯博弈的交易，交易双方面临信息不对称等问题，因而金融活动中存在较大的交易成本和风险。金融发展的核心就是要解决上述信息不对称问题。对于信息不对称可能造成的交易问题，经济社会学强调关系在交易过程中的重要性（Granovetter和Soong，1986）[13]，认为现实发生的经济活动是嵌入在特定的社会关系和网络之中的，人际互动所产生的信任或背书行为是经济主体开展经济活動的重要基础，同时也是影响交易成本的重要因素。上述嵌入性视角构成了从社会结构或社会网络视角研究经济行动和经济秩序的新经济社会学理论的核心（陈氚，2011）[16]。嵌入性的观点为理解和降低交易成本提供了重要思路。聚焦微观视角，在长期、健康的交易关系中，合作双方的学习曲线会愈发增进其合作的密切程度，以期优化交易成本；放眼宏观视角，网络中经济主体为保证利益最大化，保持交易关系，扩大自身交易网络，同样会保持自制并制止欺诈行为，从而能够维系整体经济秩序（罗家德，2001）[17]。

金融活动也具有社会嵌入性，罗家德（2001）[17]以嵌入性的观点研究了台湾地区关系金融的四种形式，包括私人借贷、标会、储蓄互助社及信用合作社。布鲁斯·G·卡拉瑟斯（2009）[18]发现美国早期、“新政”时期和二战之后的个人借贷、抵押贷款和消费信贷总是嵌入在特定的网络、制度和组织之中（王国伟，2012）[19]。资金需求者的社会网络、金融机构的社会网络、“银企”关系都会影响信贷可得性（姚铮等，2013；苏冬蔚等，2017）[20，21]；银行利用在社会网络中获取的营销信息可以实现市场开拓和新客户发展（姚铮等，2013）[20]，优越的网络位置能在银行获取信息、资金等资源时为其提供竞争力，从而提升整合、转移资源的能力，提升金融服务效率（苏冬蔚等，2017）[21]。在供应链网络中，强连接可以使中小企业间产生了解与信任，从而构成紧密的战略合作关系，也有利于其通过“道义担保”等担保形式来拓展贷款可得性（Granovetter，1977）[22]；弱连接则增强了信息在供应链网络中的流通性，促进企业融资绩效提升（宋华和卢强，2017）[23]。金融地理学中也有“金融活动嵌入于地理空间”（田霖和韩岩博，2019）[24]的类似表述，但有学者认为，在互联网时代，计算机网络会逐渐代替社会网络所承载的信息传递等功能；地理终结论也认为金融实现了地理“脱嵌”。与此不同的观点是，伴随空间1.0过渡到空间4.0阶段，金融依然嵌入于一种新的空间关系。上述社会网络和地理空间是一种类似于场景的概念。

基于上述理论基础，本文提出场景嵌入的概念，即数字普惠金融的发展嵌入于数字场景中。数字场景包括电商、社交、供应链管理等线上化平台。用户通过开设相关账户在数字场景中开展相关活动，使得活动信息得以记录在相关账户之中，而这些账户中积累的信息为数字普惠金融发展提供数据要素。与此同时，数字场景中的各类交易关系也形成了关系约束，这种约束成为金融交易中重要的契约执行机制。从历史起点这个角度，会发现数字普惠金融只有嵌入于数字场景，才能够得到发展。

具体而言，数字场景的各类载体，也就是线上平台，作为县域生产生活基础设施，为县域居民提供电商、社交和公共服务等线上服务，便利日常生产和生活。其中，电商平台扮演着服务工业品下行和农产品上行的双重角色，县域居民（包括农民）参与电商的直接表现形式便是开通电商账户这类“非金融账户”并开展相关经济和社会活动，从而实现生产和生活的场景线上化。借助上述非金融账户的记录功能，电商平台能获取用户浏览、交易过程中产生的非金融信息，进而可以通过大数据、人工智能等技术进行数据分析并对用户进行“画像”，全面评估其行为、需求、偏好和信用水平等。而数字普惠金融供给主体可基于上述分析将金融服务以最适合的渠道和媒介推送给存在潜在需求的非金融账户所有者，促使其向金融账户所有者转化，从而通过对非金融场景的嵌入来实现金融服务的精准覆盖。这种从“服务”到“数据”再到“客户”的价值转化体系正是数字普惠金融发展的核心，也充分体现出数字普惠金融的场景依赖性。此外，数字普惠金融发展中的契约执行机制仍嵌入于数字场景之中，数字场景中的“社会网+”机制，即电商活动中的各类交易关系会形成关系约束，约束金融需求者的各类机会主义行为，从而缓解数字普惠金融业务开展过程中交易主体间的契约执行问题（罗兴等，2018）[25]。根据以上分析，本文认为从场景嵌入角度，农村电商发展将有利于数据积累和契约执行，从而有利于县域数字普惠金融发展。据此提出假设1：

H1：农村电商发展对县域数字普惠金融具有促进作用。

（二）农村电商发展对县域数字普惠金融发展的异质性影响

地区市场化水平会影响农村电商发展对县域数字普惠金融发展的促进作用。地区市场化程度越高，市场机制越完善，数字经济活动越活跃，积累的数据要素越多。实证研究发现区域内市场化水平与电商发展水平高度正相关（周永莲，2019）[26]，因此，市场化程度高的地区，电商场景形态更丰富，即非金融账户（电商）用户数据层次更丰富，这会推动数字金融企业建立更为庞大的用户信息数据库，对用户进行更精准的画像，从而增加数字普惠金融服务供给，促进数字普惠金融发展。据此，本文提出假设2：

H2：在市场化程度高的地区，农村电商发展对县域数字普惠金融发展的促进作用更加明显。

地区产品市场和要素市场的发育程度会影响农村电商发展对县域数字普惠金融发展的促进作用。作为市场化程度下的细分指标，产品市场和要素市场能更精准反映农村电商业态和区域金融业、人力资源发展情况，其会直接影响农村电商对数字普惠金融发展的影响机制。在产品市场发育程度高的地区，农产品上行和工业品下行渠道更为畅通，农民作为“生产者”和“消费者”，电商参与意愿更强，参与的电商活动种类更多，因而数字场景生态更为丰富。而要素市场发育程度高的地区，区域内人力资源、资本要素等错配现象更少，有利于新业态发展和多样性农村电商场景生态发育，更多数据要素得以积累（王小鲁等，2018）[27]。同时，数据要素市场完善可以优化数据资源配置体系，释放数据要素价值，激发更多数字金融供给，助力数字普惠金融发展。据此，本文提出假设3：

H3：在产品市场和要素市场发育程度高的地区，农村电商发展对县域数字普惠金融发展的促进作用更加明显。

地区法治水平会影响农村电商发展对县域数字普惠金融发展的促进作用。数字普惠金融的发展虽然依赖于数据，但是也离不开良好的信用环境。高法治水平的地区对投资者的保护力度更大（L Porta等，1996）[28]，会造就更好的信用环境，从而推动数字普惠金融发展。同理，数字普惠金融活动在法治水平较高的地区也更容易开展。从数字普惠金融需求的角度来看，法治水平较高的地区对金融消费者参与金融活动时的权益保护更加完善，因此，这些地区金融消费者对于新兴金融模式的接受程度更高。从数字普惠金融供给的角度来看，法治水平越高的地方，市场化数字普惠金融供给也更容易受到保护，从而有利于增加供给。据此，本文提出假设4：

H4：在法治水平高的地区，农村电商发展对县域数字普惠金融发展的促进作用更加明显。

农村电商发展对县域数字普惠金融发展的促进作用也存在南北地域差异。近年来，全国经济重心进一步南移（习近平，2019）[29]，越来越多的研究关注南北经济差异。2016—2020年，南方地区GDP无论是总量还是增速都远高于北方。我国金融环境也一直呈现“北高南低”的趋势。同时，南北地区间因地理位置、资源禀赋和基础设施建设程度等差异，电商产业集聚水平存在差异，南方地区农村电商发展水平整体高于北方地区。另外，南方地区市场化水平、产品市场和要素市场发育程度以及法治化水平也整体高于北方地区。据此，本文提出假设5：

H5：在南方地区，农村电商发展对县域数字普惠金融发展的促进作用更加明显。

地理位置也会影响农村电商发展对数字普惠金融发展的促进作用。地理排斥是一类重要的金融排斥，即地理位置越偏远的地方越容易被排斥，居民不能以合理恰当的方式获取金融服务。由于偏远地区的传统金融供给不足，数字普惠金融发展面对的竞争也较弱，因此，越是偏远地区的电商发展和场景数字化，越是能够促进数字普惠金融的发展，从而更能够缓解传统金融的地理排斥。本文认为，在越偏远的地区，电商发展对数字普惠金融发展的促进作用越明显，农村电商发展能够显著降低金融发展面临的地理排斥。据此，本文提出假设6：

H6：在越偏远的地区，农村电商发展对县域数字普惠金融发展的促进作用越明显。

三、变量选择与模型构建

（一）变量选择与数据来源

1. 被解释变量。本文选取北京大学数字金融研究中心和蚂蚁金服集团联合发布的中国县域数字普惠金融总指数和三个细分指标（即覆盖广度、使用深度和数字化程度）作为被解释变量。

2. 解释变量。本文核心解释变量为农村电商发展水平，拟采用各县级行政区域内“淘宝村”数量来度量。“淘宝村”的认定标准主要有三条：一是经营场所在农村地区，以行政村为单元；二是电子商务年交易额在1000万元以上；三是本村活跃网店数量在100家以上，或活跃网店数量占当地家庭户数的10%以上。作为农村电商创业集群，“淘宝村”是农村经济和电子商务“核聚变”的典型产物，代表了农村电商和县域电商的发展水平（崔丽丽等，2014；陈刚，2014）[30，31]。截至2022年，“淘宝村”已覆盖全国28个省（自治区、直辖市，以下简称省份）和180个市（地区），数量达到7780个①。

3. 控制变量。（1）省会地理距离，即县级行政单位与本省省会地理距离，对其进行取对数处理。省会作为省域政治经济文化中心，是所在省份的“增长极核”，县域数字普惠金融的发展会受到省会的经济协同作用（田霖，2016）[32]。（2）经济发展水平。金融与经济是相互影响、相互依存、共生共荣的，大量研究证实实体经济发展有利于数字普惠金融发展，本文以县域年度GDP来衡量经济发展水平，并对其进行取对数处理。（3）金融发展水平。传统金融供给对数字金融发展具有显著的正向影响，本文以县域金融机构各项贷款余额占GDP的比重代表地方金融发展水平。（4）政府干预程度。政府的支持与良好的政策环境能够加强县域数字普惠金融的信息基础设施建设，本文以县域财政支出占GDP的比重代表政府干预程度。（5）教育水平。教育水平的高低会影响数字普惠金融人才的培养和使用意愿，本文以县域中小学在校学生数量代表教育水平，对其进行取对数处理。（6）基础设施完善程度。数字普惠金融在县、乡、镇的发展离不开互联网等基础设施的完善，本文以固定电话户数（一定程度上度量了地区宽带的发展水平）代表基础设施完善程度。（7）产业结构。县域产业结构可能影响地区数字普惠金融的需求，本文分别以第一、第二产业产值占地区生产总值的比重代表第一、第二产业结构。

在数据来源上，本文关于县域的指标数据来源于国家统计局发布的《中国县域统计年鉴》和国泰安数据库，县域数字普惠金融指数及其细分指标来自北京大学数字金融研究中心和蚂蚁金服集团联合发布的中国数字普惠金融指数数据（郭峰等，2020）[33]。考虑到数据的可得性和规避样本选择偏差，本文将样本年份确定为2016—2020年，最终确定我国2016—2020年涉及31个省份（不含港澳台地区）1606个县级行政区的平衡面板数据样本，占我国2020年公布的县级行政单位的56.47%，具有一定的代表性。另外，本文对样本数据进行如下处理：对于缺少某一指标值的样本，通过线性插值法补充数据以确保样本数据完整性；对于某些连续型变量数据，进行取对数处理以缩小数据绝对数值，消除异方差等问题；对于连续解释变量，进行上下1%分位点的缩尾处理，以平滑样本数据，避免样本异常值影响。具体变量选取和描述性统计如表1所示。

（二）模型構建

考虑到县域数字普惠金融发展水平和农村电商发展水平的动态变化以及为了消除模型的内生性，本文采用系统广义矩估计（SYS-GMM）的方法进行回归。

[indexit=β0+β1indexi，t-1+β2tbit+β3tbi，t-1+β4controlsit+μi+λt+εit] （1）

上式中，被解释变量[indexit]为县域数字普惠金融指数；解释变量[tbit]为县域内“淘宝村”数量；[controlsit]包括前述控制变量；[μi]和[λt]表示个体和时间效应；[εit]为随机误差项。下标[i]和[t]分别代表县域和年份，[t-1]表示滞后一年。若[β]2为正，则说明农村电商发展可以促进县域数字普惠金融的发展。

四、实证结果分析

（一）基准回归结果

表2中列（1）、（2）、（3）、（4）分别为以数字普惠金融总指数（index）、覆盖广度（coverage_breadth）、使用深度（usage_depth）、数字化程度（digitization_level）为被解释变量的回归结果。本文为宽面板数据，因此，无须进行单位根检验；所有模型均通过了Hansen检验和AR（2）序列相关检验，说明模型工具变量选择恰当，且估计结果不受二阶序列相关影响，进而表明模型估计结果有效。列（1）显示“淘宝村”数量的系数为0.187，且在1%的水平下显著，即县域所拥有的“淘宝村”数量每增加一个单位，有助于县域数字普惠金融发展水平提升0.187个单位。从列（2）、（3）、（4）来看，电商发展水平对数字普惠金融的覆盖广度、使用深度和数字化程度均有显著促进作用，其系数至少在10%的水平下显著，县域所拥有的“淘宝村”数量每增加一个单位，有助于地区数字普惠金融的覆盖广度、使用深度和数字化程度分别提升0.157、0.275和0.448个单位。综上所述，县域的电商发展程度越高，其数字普惠金融发展水平就越高，假设1得到初步验证。

（二）稳健性检验

1. 改变样本容量。为提升模型泛化能力和解释能力，保证实证结果的稳健性，本文使用三种方法改变样本容量后再進行回归。

第一，排除市辖区、县级市、省直管县和省会城市所辖县样本。为排除政策倾斜和职权差异的差别而导致的内生性问题，本文排除市辖区、县级市、省直管县和省会城市所辖县这四类特殊县级政府样本后进行回归，表3列（1）展示了回归结果，在改变样本容量后，核心解释变量的系数仍显著为正，结果具有稳健性。

第二，更换为市级行政单位样本。将回归样本更换为2016—2020年259个市级行政单位，表3列（2）展示了回归结果，在更换样本之后，核心解释变量的系数仍显著为正，结果具有稳健性。

第三，倾向得分匹配法。为减少数据偏差和混杂变量的影响和自选择偏误所导致的内生性问题，本文使用倾向得分匹配的方法，以“该地区是否存在‘淘宝村’”的虚拟变量为依据，采用最邻近匹配的方法，为每个处理组设置9个对照组，将匹配成功的样本进行回归。表3列（3）展示了回归结果，在更换样本之后，核心解释变量的系数仍显著为正，结果具有稳健性。

2. 更换计量方法。为验证回归结果稳健性，本文更换计量方法。Xtseqreg是一种二阶段估计程序，可以在不依赖正交性假设的情况下估计非时变变量的系数，模型中控制变量“省会地理距离”为非时变变量。估计流程大致分为两阶段：第一阶段只估计模型中时变变量的系数，第二阶段将上一次估计的残差对非时变变量进行回归，从而获取其系数（Kripfganz等，2019）[34]。表3列（4）展示了Xtseqreg的回归结果。模型估计结束之后，两阶段皆通过了Hansen检验且第一阶段通过了AR（2）检验。在改变计量方法后，回归系数仍显著为正，回归结果具有稳健性。

3. 改变核心解释变量。杭州作为我国电商发展增长“极核”，对其他地区电商发展影响较大。距离杭州越远的地区，其开放性、渗透性、易得性等特性会越弱，杭州对其影响程度也会越小，故各县级行政单位与杭州之间的地理距离也可以用来衡量该地电商发展水平。本文将各县与杭州的地理距离的对数定义为电商经济距离（cdistance），将其作为主要解释变量进行回归。表3列（5）显示，电商经济距离的系数为-7.521，且在1%的水平下显著，县域离杭州的地理距离每减少一个单位，地区数字普惠金融发展水平提升7.521个单位。在替换核心解释变量之后，本文实证结果仍然是稳健的。

（三）异质性分析

1. 市场化程度的异质性影响。本文根据国民经济研究所和社会科学文献出版社共同出版的《中国分省份市场化指数报告》中的市场化指数和民营经济强弱指数中位数②，将样本分为市场化程度高/低地区和民营经济强/弱地区，并进行分组回归。表4列（1）、（2）结果表明，在市场化程度高的地区，农村电商发展可以显著促进县域数字普惠金融发展；而在市场化程度低的地区，影响不显著。列（3）、（4）结果表明，在民营经济强的地区，农村电商场景发展可以显著促进县域数字普惠金融发展；而在民营经济弱的地区，影响不显著。假设2得到验证。

2.产品市场和要素市场发育程度的异质性影响。本文根据国民经济研究所和社会科学文献出版社共同出版的《中国分省份市场化指数报告》中要素市场、产品市场发育程度指数的中位数，将样本分为要素市场、产品市场发育程度高/低地区，并进行分组回归。表5展示了回归结果。列（1）、（2）显示，在产品市场发育程度高的地区，农村电商发展可以显著促进县域数字普惠金融发展；而在产品市场发育程度低的地区，影响不显著。列（3）、（4）显示，在要素市场发育程度高的地区，农村电商发展可以显著促进县域数字普惠金融发展，而在要素市场发育程度低的地区，影响不显著。假设3得到验证。

3. 法治水平高低的异质性影响。本文根据国民经济研究所和社会科学文献出版社共同出版的《中国分省份市场化指数报告》中的法治水平指数中位数，将样本分为法治水平高/低地区，并进行分组回归。表6列（1）、（2）显示，在法治水平高的地区，农村电商发展可以显著促进县域数字普惠金融发展；而在法治水平低的地区，影响不显著。假设4得到验证。

4. 南北地域的异质性影响。本文将样本划分为北方地区和南方地区③进行分组回归，回归系数通过了组间系数差异检验。表6列（3）、（4）显示在北方地区，农村电商发展对县域数字普惠金融发展影响不显著；而在南方地区，农村电商发展可以显著促进县域数字普惠金融发展，验证了假设5。

5. 省会距离异质性。本文通过构建“淘宝村”数量和县域省会距离交互项进行回归。表6列（5）的回归结果展示，“‘淘宝村’×县域省会距离”交互项系数显著为正，说明县域距其省会的地理距离越远，地区数字普惠金融受农村电商发展水平的影响越大。为验证该异质性分析的稳健性，本文使用倾向得分匹配之后匹配成功的样本再次进行回归，回归结果展示在列（6）。结果显示“‘淘宝村’×县域省会距离”交互项系数仍显著为正，验证了该结果的稳健性，验证了假设6。

五、结论与政策启示

（一）研究结论

本文从场景嵌入的角度探讨了农村电商发展对县域数字普惠金融发展的影响。通过前文分析，得到如下结论：第一，农村电商发展有助于提升县域数字普惠金融发展水平；就细分指标而言，农村电商发展对县域数字普惠金融的覆盖广度、使用深度和数字化程度均有显著正向影响。县域数字普惠金融发展的场景嵌入机理得到验证。第二，农村电商发展对县域数字普惠金融发展的影响存在地区异质性。农村电商发展对市场化程度高、民营经济强的地区的县域数字普惠金融发展具有促进作用，而对市场化程度低、民营经济弱的地区影响效果不明显；对产品市场和要素市场发展程度高的地区具有促进作用，而对产品市场和要素市场发展程度低的地区影响效果不明显；对法治水平高的地区具有促进作用，而对法治水平低的地区影响效果不明显；对南方地区具有促进作用，而对北方地区影响效果不明显。第三，实证结果表明，县域距其省会的地理距离越远，地区数字普惠金融受农村电商发展水平的影响越大，说明农村电商发展能够显著降低数字普惠金融发展面临的地理排斥。

（二）政策启示

基于以上研究结论，为了实现数字普惠金融真正“下沉”，缓解县域数字普惠金融发展差异，可以全面构建以农村电商为代表的县域数字普惠金融场景生态圈并尽量缩小地区差距，具体建议如下：第一，全面加强电商等县域数字经济场景建设，为数字普惠金融发展打下场景基础。政府应推动实践“数商兴农”政策，扩大县域电商覆盖面，特别是要加大对于偏远地区的电商等数字场景建设的支持力度。农村电商要实现从生产到流通再到消费场景的由点及面、相互串联的全面发展，打造从生产者到消费者的全链条完整场景生态圈。第二，提升地方法治水平和市场化水平，促进产品和要素市场特别是地方数据要素市场发育，在数字场景发育的基础上，为县域数字普惠金融发展创造良好的外部环境。

注：

①数据来自阿里研究院《2022年“淘宝村”名单》。

②因为本文选取数据的起始年份为2016年，为保持不同年份分组前后样本的一致性，减少内生性问题，本文采用2016年指标进行分组。若无特殊说明，后文异质性分析均以2016年指标为基础进行分组回归。

③本文参考盛来运等（2018）[35]的文章，从经济地理的视角进行南北划分。北方地区有13个省份，分别是黑龙江、吉林、辽宁、内蒙古、河北、北京、天津、山西、陕西、宁夏、甘肃、新疆、青海，其余18个省份为南方地区（考虑到山东、河南大部分地区在黄河以南，故划入南方地区）。

参考文献：

[1]黄益平，黄卓.中国的数字金融发展：现在与未来[J].经济学（季刊）， 2018， （04）.

[2]张勋，万广华，张佳佳，何宗樾等.数字经济、普惠金融与包容性增长 [J].经济研究， 2019， （08）.

[3]何婧，田雅群，刘甜，李庆海.互联网金融离农户有多远——欠发达地区农户互联网金融排斥及影响因素分析 [J].财贸经济， 2017， （11）.

[4]郭峰，孔涛，王靖一.互联网金融空间集聚效应分析——来自互联网金融发展指数的证据 [J].国际金融研究， 2017， （08）.

[5]王修华，赵亚雄.数字金融发展與城乡家庭金融可得性差异 [J].中国农村经济， 2022， （01）.

[6]LPS Anggrayani，S Suprapti. 2019. E-Trust Integration with Technology Acceptance Model （TAM） in Adoption of Digital Financial Services  （E-Cash） [J].European Journal of Business and Management， （08）.

[7]王喆，陈胤默，张明.传统金融供给与数字金融发展：补充还是替代？——基于地区制度差异视角 [J].经济管理， 2021， （05）.

[8]张青，况志华，王焰辉.数字普惠金融对农村青年非农就业的影响研究 [J].金融与经济，2021，（11）.

[9]董晓林，张晔.自然资源依赖、政府干预与数字普惠金融发展——基于中国273个地市级面板数据的实证分析 [J].农业技术经济， 2021， （01）.

[10]刘成杰，冯婷，李勇.网络基础设施建设、数字普惠金融与数字鸿沟——基于“宽带中国”示范城市创建的政策效应分析 [J].财经科学， 2022， （12）.

[11]CF40数字普惠金融研究课题组.数字金融的普惠机制及可持续发展 [J].新金融评论， 2019， （01）.

[12]邱志刚，罗煜，江颖，伍聪.金融科技会颠覆传统金融吗？——大数据信贷的经济解释 [J].国际金融研究， 2020， （08）.

[13]Mark Granovetter， Roland Soong. 1986. Threshold models of interpersonal effects in consumer demand [J]. Journal of Economic Behavior & Organization，（07）.

[14]郭承龙.农村电子商务模式探析——基于淘宝村的调研 [J].经济体制改革， 2015， （05）.

[15]刘俊杰，李超伟，韩思敏，张龙耀.农村电商发展与农户数字信贷行为——来自江苏“淘宝村”的微观证据 [J].中国农村经济， 2020， （11）.

[16]陈氚.超越嵌入性范式：金融社会学的起源、发展和新议题 [J].社会，  2011， （05）.

[17]罗家德.人际关系连带、信任与关系金融——以镶嵌性观点研究金融组织之利基 [J]. 清华社会学评论， 2001 ， （02）.

[18]布鲁斯·G·卡拉瑟斯（美）.货币与信贷社会学 [A].斯梅尔瑟，斯威德伯格.经济社会学手册（第二版） [C].北京：华夏出版社， 2009.

[19]王国伟.嵌入性与西方金融市场的社会学研究的理论视野——从美国信贷经济的发展谈起 [J].天府新论，2012， （02）.

[20]姚铮，胡梦婕，叶敏.社会网络增进小微企业贷款可得性作用机理研究 [J].管理世界， 2013， （04）.

[21]苏冬蔚，陈纯纯，许振国，李斌.商业银行社会网络与微型金融可持续发展 [J].经济研究， 2017， （02）.

[22]Mark Granovetter. 1977. Social Networks [M]. Switzerland， 1977.

[23]宋华，卢强.什么样的中小企业能够从供应链金融中获益？——基于网络和能力的视角 [J].管理世界， 2017， （06）.

[24]田霖，韩岩博.金融包容的影响因素与短板解析[J].金融理论与实践， 2019， （10）.

[25]罗兴，吴本健，马九杰.农村互联网信贷：“互联网+”的技术逻辑还是“社会网+”的社会逻辑？ [J].中国农村经济， 2018， （08）.

[26]周永莲.区域市场化水平对商贸流通业发展的影响——基于省级面板的实证[J].商业经济研究， 2019， （22）.

[27]王小鲁，樊纲，胡鹏.中国分省份市场化指数报告（2016） [M].北京：社会科学文献出版社，2018.

[28]L Porta，LR F.，A Shleifer，R Vishny. 1996. Law and Finance？ Journal of Political Economy [J].Social Science Electronic Publishing，（06）.

[29]習近平.推动形成优势互补高质量发展的区域经济布局 [J].求是，2019，（24）.

[30]崔丽丽，王骊静，王井泉.社会创新因素促进“淘宝村”电子商务发展的实证分析——以浙江丽水为例[J].中国农村经济， 2014， （12）.

[31]陈刚.菏泽“淘宝村”的金融基础设施建设 [J].金融发展研究，2014，（08）.

[32]田霖.互联网金融视域下金融地理学研究的新动态述评[J].经济地理， 2016， （05）.

[33]郭峰，王靖一，王芳，孔涛，张勋，程志云.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（04）.

[34]Kripfganz， Sebastian， Schwarz， Claudia. 2019. Estimation of Linear Dynamic Panel Data Models with Time-invariant Regressors [J].Journal of Applied Econometrics，（04）.

[35]盛来运，郑鑫，周平，李拓.我国经济发展南北差距扩大的原因分析 [J].管理世界，2018，34（09）