数字普惠金融对城乡居民收入实证研究——以我国西部省份数据为例

张克雯　郭　叶

数字普惠金融对城乡居民收入实证研究——以我国西部省份数据为例

张克雯郭叶

（贵州财经大学大数据应用与经济学院贵州贵阳550025）

近年来，数字金融的迅速发展，给城镇和农村居民收入状况带来一定影响。文章以我国西部地区作为研究对象，使用我国西部地区各省份2011年—2021年的数字普惠金融指数与各省份城乡居民可支配收入数据进行固定效应实证分析，并进行稳健性检验与异质性分析，最终得出结论：数字普惠金融的发展显著影响城乡居民可支配收入，且对农村居民可支配收入影响更大；数字普惠金融三个子维度中，覆盖广度对西部地区城乡居民可支配收入影响更大；数字普惠金融对西北地区的影响大于西南地区。文章根据结论提出相应建议，以期为缩小西部地区城乡居民收入差距，推进西部地区乡村振兴提供一定的助力。

数字普惠金融；可支配收入；城乡居民收入差距；固定效应模型

面对新发展阶段的历史新起点，要坚持以人民为中心的发展思想，必须把“全体人民共同富裕取得更为明显的实质性进展”作为红线贯穿于全面建设社会主义现代化国家全过程。习近平总书记指出，“促进共同富裕，最艰巨最繁重的任务仍然在农村。农村共同富裕工作要抓紧”。面向第二个百年奋斗目标，推进农业现代化、促进共同富裕任务依然艰巨，我国发展不平衡不充分问题仍然突出。要实现全体人民共同富裕，必然要进一步缩小城乡居民收入差距，进而实现共同富裕。数字普惠金融在我国东部地区与西部地区的影响存在差异。相较于东部地区，西部地区经济欠发达，农村人口更多，所以本文着重研究我国西部地区城乡居民收入差距问题，以期助力乡村振兴战略的实施，扎实推动全体人民共同富裕。

一方面，针对数字普惠金融对城乡居民可支配收入的影响作相关分析，有利于深入研究两者的关系，为以后的理论与实证研究打好基础。另一方面，也为西部地区今后的发展提供了可参考的建议，有利于西部地区得到高质量发展。

1 文献综述

针对数字普惠金融的发展对城乡居民收入差距的影响这一主题我国学者做了一些研究。宋晓玲通过建立省级的面板数据进行实证研究，得出数字普惠金融能够显著缩小城乡居民收入差距的结论[1]。赵丙奇在以前学者研究的基础上进一步分析，发现数字普惠金融与城乡居民收入差距的关系由于经济发展水平的不同而呈现差异性[2]。徐莹和王娟运用再中心化影响函数回归方法解释数字普惠金融的发展对农户收入差距的作用原理及影响，得出数字普惠金融能显著缩小农户收入差距的结论[3]。陈东平等通过研究得出数字金融可以显著增加居民可支配收入并且缩小城乡居民收入差距的结论[4]。

综上所述，研究数字普惠金融与城乡居民收入差距的学者得出的结论各不相同，这可能是由研究地区不同、数据选取不同、地区情况不同等原因造成的。另外，大部分学者是针对全国整体的情况、各省的情况或者某省各县市的数据进行分析，而针对我国某个区域的分析甚少。提及城乡居民收入差距，由于我国东西部发展水平存在差异，故针对我国西部地区12个省份的情况进行分析是十分必要的。

2 实证分析

近年来，数字普惠金融的发展给城乡经济的繁荣稳定发展带来正向影响。为了检验数字普惠金融对西部地区城乡居民可支配收入的影响，本文分别以城镇居民可支配收入与农村居民可支配收入为被解释变量，分别建立固定效应模型进行分析。

2.1 数据的来源及选取

本文进行实证分析需要的数据来源主要有：（1）EPS平台数据库；（2）国家统计局统计年鉴；（3）北京大学数字普惠金融指数数据库。被解释变量为城镇居民人均可支配收入、农村居民人均可支配收入。使用可支配收入代表的原因是：第一，数据真实性高、代表性强；第二，数据比较容易获取，分析直观简洁。由于收入的数值普遍较大，为了模型回归的稳健性，本文实证部分对收入的相关数据均取了对数。核心解释变量为数字普惠金融，在此采用北京大学数字普惠金融数据库中的指数指标来代表。在此基础上，选取城镇化率、就业人数、产业结构、经济发展水平、教育发展水平作为5个控制变量（见表1）。

表1　变量定义及说明

2.2 模型的构建

本文研究的是数字金融发展对西部地区城乡居民可支配收入的影响，构建的基本模型如下：

2.3 固定效应模型实证分析

由于本研究使用短面板数据，在进行固定效应回归分析之前，首先进行了豪斯曼检验，以证明模型选择的准确性。城镇与农村居民可支配收入的豪斯曼检验值均严格小于0.05，故以下所有的回归都是固定效应模型。

从表2的实证结果来看，不管是城镇还是农村居民人均可支配收入，数字普惠金融指数对其影响的值都为0，说明数字金融指数对城镇和农村居民人均可支配收入的影响都非常显著，这与预期相符。再从两者的值来看，数字普惠金融指数对西部地区城镇居民人均可支配收入的值为0.000 793，而对农村居民可支配收入的值为0.000 914，这显示数字普惠金融对农村居民可支配收入的影响更大，这与西部地区农村近年来接入互联网户数、智能手机用户不断增加有关。同时，对西部地区农村居民人均可支配收入影响稍大，这对缩小城乡居民可支配收入差距也能作出贡献。

从控制变量方面来看，不管是城镇还是农村，城镇化率与就业人数在1%的显著性水平下对收入显著影响，系数分别为0.284 761、0.553 965、0.036 531、0.036 917，可见均为正向影响。城镇化率从值来看对西部地区农村居民人均可支配收入影响更明显一些，这说明城镇化率的不断提高使得人口的聚集度提高，进一步提高了农村居民人均可支配收入，对缩小城乡居民收入差距起到作用。就业人数在两个回归模型中在1%的显著性水平下显著，经济发展水平也在1%的显著性水平下对城乡居民收入都产生正向影响，并且在城镇居民可支配收入回归模型中β值为0.176 621，大于农村居民可支配收入模型中0.168 836的值，说明经济发展水平对城镇居民的收入水平影响更大。在此模型中可看到，产业结构与教育发展水平均不显著，这可能与指标选取与地区个体差异有关。

表2　固定效应回归结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著，括号内为标准误。

2.4 稳健性检验

2.4.1 替换被解释变量

为了说明固定效应回归结果的可靠性，本文进行模型的稳健性检验。表3中有3个模型回归结果。在模型（1）中，替换了原来的被解释变量，由原来的城镇与农村分别作为被解释变量分开回归，变为城乡居民收入差距为被解释变量。在此，采用城乡居民可支配收入之比来表示此差距。替换被解释变量后，由结果可知数字普惠金融指数对城乡居民收入差距有明显抑制作用，在5%的显著性水平下显著，这与前文中用城镇与农村居民可支配收入分别作为被解释变量进行回归的结果相同。

2.4.2 增加控制变量

由回归模型（2）（3）可见，在前文的固定效应回归模型中都分别加入了经济开放度与财政支持力度两个控制变量。在以下模型回归中分别用进出口总额/地区生产总值、财政支出/地区生产总值来代表两个控制变量。由此可见，加入两个控制变量后，核心解释变量对两个模型都在1%的显著性水平下显著，与前文回归结果一致。并且在农村回归的模型中值为0.000 985，大于城镇回归模型，与前文得到的结论一致：数字普惠金融指数对农村居民可支配收入影响更大，在一定程度上可缩小城乡居民收入差距。

表3　稳健性检验回归结果

续表3稳健性检验回归结果

（1）替换被解释变量（2）增加控制变量回归（城镇）（3）增加控制变量回归（农村） 经济开放度—-0.150 800***(0)-0.062 013**(0.043) 财政支持力度—-0.068 281*(0.091)-0.109 905**(0.013) Cons3.714 499***(0)3.490 639***(0)2.924 087***(0) N132132132

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著，括号内为标准误。

2.5 异质性分析

2.5.1 结构性异质性分析

为了进一步解释数字普惠金融指数对城镇和农村居民收入的具体影响，本文使用数字普惠金融指数所衡量指标的三个维度进行了共六次固定效应回归。以覆盖广度、使用深度和数字化程度为核心解释变量，以城镇和农村居民的可支配收入为被解释变量。覆盖广度侧重于指标的普遍性和使用广度，使用深度侧重于用户使用的程度、水平和频率，数字化程度侧重于衡量数字普惠金融指数的易用程度和可及性。

如表4所示，数字普惠金融指数的三个子维度指标对城镇居民可支配收入影响的显著性水平均达1%，说明数字普惠金融对城镇居民可支配收入产生的是正向积极影响。从表4的前三个回归结果来看，覆盖广度对城镇居民的收入影响最大，值为0.000 873，而数字化程度影响最小，值为0.000 147。说明数字普惠金融的覆盖范围对城镇居民收入影响最大，覆盖范围越大，收入水平越能得到提高。

同理，三个子维度均显著影响农村居民的可支配收入，显著性水平均为1%。但从差异化方面来看，农村居民同样受覆盖广度影响最大，其β值为0.001 019，受数字化程度的影响最小，β值为0.000 176。说明农村居民可支配收入同样受覆盖广度影响最深，覆盖范围越大，农村居民可支配收入越高。

表4　结构异质性分析结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著，括号内为标准误。

对比城镇与农村的回归结果可知，数字普惠金融指数的三个子维度指标对农村居民可支配收入的影响更大，可看到农村的覆盖度值为0.001 019，大于城镇的覆盖度β值0.000 873；农村的使用深度值为0.000 479，大于城镇使用深度值0.000 441；农村的数字化程度β值为0.000 176，大于城镇数字化程度值0.000 147；这一结果与上文固定效应回归结果一致，即数字普惠金融指数对中国西部农村居民分配收入的正向影响大于城镇居民，再次表明数字普惠金融的发展对缩小城乡居民收入差距有积极作用。与此同时，在数字普惠金融指数的三个子维度中，覆盖广度对城乡收入的影响最为显著，表明数字普惠金融的区域扩散和传播程度对城乡收入水平有重要影响。

2.5.2 区域异质性分析

由于西部地区各省份的发展存在较大差异，所以本文将西部地区进一步分为西南地区与西北地区分别进行回归分析。西北地区包括陕西、甘肃、青海、宁夏、新疆；西南地区包括重庆、四川、贵州、云南、西藏。表5中（1）与（2）模型是西南地区城镇与农村的回归结果，（3）与（4）是西北地区城镇与农村回归结果。

从表5回归结果来看，数字普惠金融指数都显著影响西南地区城镇与农村可支配收入，其值都为0.000，显著性水平达1%。同时，数字普惠金融指数在农村居民可支配收入回归中值为0.000 529，同样大于城镇0.000 433的值，说明在西南地区，数字普惠金融指数同样是对农村居民可支配收入影响更大。

同理，数字普惠金融指数对西北地区同样在1%的显著性水平下显著影响城乡居民可支配收入。然而，在农村回归模型中值为0.000 769，小于城镇的值0.000 771，与西南地区回归结果不同。

表5　西南地区与西北地区回归结果

注：*、**、***分别表示在10%、5%、1%的显著性水平下显著，括号内为标准误。

综合西南地区与西北地区的回归结果可知，数字普惠金融对西南地区的城镇与农村居民可支配收入的值分别是0.000 433、0.000 529；而对西北地区的城镇与农村居民可支配收入的值分别为0.000 771、0.000 769，这说明数字普惠金融对西北地区的影响大于西南地区，也说明了数字普惠金融对我国西部地区内部的影响是存在差异的。

2.6 实证小结

通过以上分析，得到的结论有：（1）数字普惠金融对我国西部地区城乡居民可支配收入产生显著的正向影响，并且对农村居民可支配收入的影响更大，有利于缩小城乡居民收入差距。（2）数字普惠金融指数的三个子维度中，覆盖广度对西部地区城乡居民可支配收入影响更大。（3）数字普惠金融指数对我国西部地区城乡居民收入的影响存在差异性，并且对西北地区的影响大于西南地区。

3 对策建议

随着西部地区加快数字化转型，金融的普惠程度越来越高，在此背景下充分利用数字普惠金融的发展以提高西部地区居民的收入水平、缩小城乡居民收入差距、促进西部地区转型，实现高质量发展是有必要的。基于以上结论分析，本文结合我国西部地区具体情况提出以下几点建议：

3.1 加强西部地区数字化建设，推动数字普惠金融发展

根据实证回归结果得知，数字普惠金融显著影响城乡居民收入，对西部农村居民收入影响更大，有利于缩小西部地区城乡居民收入，故国家与相关部门应重视西部地区的数字普惠金融发展。为了更好地推动数字普惠金融在西部地区的发展，必须要加强西部地区的数字化建设。只有数字化设施的根基打牢了，覆盖范围广了，才能有更多的农村居民享受到数字普惠金融服务。众所周知，即使我国当前数字化高速发展，信息技术不断完善，但也不可否认，目前我国城乡依然存在资源分布不均衡的情况，数字化基础建设在我国西部农村地区依然比较薄弱。在此情况下，政府可扶持西部农村地区的数字基础设施建设，增加相关地区的建设支出，为西部农村地区数字普惠金融的发展提供有力支持，同时也能对缩小城乡居民收入产生积极作用。

3.2 着力增大数字普惠金融的覆盖广度与推广力度

从前文的结构异质性分析可知，在数字普惠金融指数的三个子维度中，对城乡居民收入水平的影响最大的是覆盖广度，故应积极推广数字普惠金融，扩大数字普惠金融的覆盖程度，从而对提升收入水平产生积极影响。同时，西部地区的经济发达程度较低，农村人口占比较大，而农村地区大部分人欠缺数字金融方面的知识，因此要加强对数字金融知识的推广，让农民掌握使用数字普惠金融的方法，从而提高数字金融的使用深度。

3.3 根据地区具体情况制定相应策略

从前文异质性分析可知，数字普惠金融对城乡居民收入的影响在我国西部地区存在明显差异性，对西北地区的影响大于西南地区。因此，应该针对不同地区的实际情况实施具体的利于当地发展的策略。对于在数字普惠金融影响较大的西北地区，可以进一步提升数字普惠金融的覆盖度，加强与互联网金融企业的合作，提升创新能力，将更多数字化金融服务融入数字普惠发展中，进而进一步保证数字普惠金融服务的供给。在数字普惠金融影响较小的西南地区，在加强数字普惠金融的发展，增加相关知识的宣传外，更需找到重要的发力点，结合当地的区位条件，通过多方协作共同促进当地经济社会高质量发展，进而有效缩小城乡居民收入差距。

[1]宋晓玲.数字普惠金融缩小城乡收入差距的实证检验[J].财经科学,2017(6):14-25.

[2]赵丙奇.中国数字普惠金融与城乡收入差距:基于面板门限模型的实证研究[J].社会科学辑刊,2020(1):196-205.

[3]徐莹,王娟.数字普惠金融与农户收入差距:加剧还是缓解[J/OL].农业技术经济,2022:1-12[2023-05-02].https://www.rr-hn.cn/newsinfo/4452418.html.

[4]陈东平,丁力人,高名姿.共同富裕背景下数字金融与城乡收入差距:基于地级市面板数据的实证研究[J].南京农业大学学报(社会科学版),2022,22(6):171-182.

[5]吕雁琴,赵斌.数字普惠金融与城乡居民消费差距[J].金融与经济,2019(12):76-81.

[6]肖云,米双红.城乡一体化视角下数字普惠金融发展与城乡居民消费差距的动态关系检验:兼论收入差距的中介效应[J].商业经济研究,2021(18):60-63.

[7]殷红敏.数字普惠金融对贵州省城乡收入差距的影响研究[J].经营管理者,2022(10):90-91.

[8]钱柳烨,石淑华.数字普惠金融缩小我国城乡收入差距的实证研究:基于农民就业中介效应的分析[J].物流科技,2022,45(17):88-92.

[9]李丹.数字普惠金融浪潮迎面而来[J].中国金融家,2016(10):60-61.

[10]姜振水.农村数字普惠金融发展与实现路径[J].农村金融研究,2017(4):49-53.

10.3969/j.issn.2095-1205.2023.09.17

F124.7;F49;F832.7

A

2095-1205(2023)09-56-06

张克雯（1983—），女，汉族，贵州贵阳人，博士研究生，副教授，研究方向为金融理论与实践、绿色金融、普惠金融。

郭叶（1999—），女，汉族，贵州黄平人，硕士研究生，研究方向为金融与区域经济发展。