数字普惠金融发展对居民社会福利绩效的影响

陈 静，吕雁琴,1b，赵 斌

（1.新疆大学a.经济与管理学院；b.新疆创新管理研究中心，乌鲁木齐 830046；2.中国海洋大学 经济学院，山东 青岛 266000）

0 引言

党的二十大提出的“中国式现代化”，把实现人民对美好生活的向往作为现代化建设的出发点和落脚点。人民对美好生活需要在学术上与之对应可称为居民社会福利绩效或者福祉[1]。增进民生福祉一直是中国发展所坚守的根本目的。然而，我国社会仍然面临诸多困难和问题，亟需进一步提高我国居民社会福利水平，增进民生福祉。

中国尤其得益于互联网革命实现了新的经济增长点。与此同时，数字普惠金融应运而生并快速发展，对促进我国经济高质量发展和社会包容性增长展现出特有优势。如数字普惠金融能带来广泛的经济效应，尤其针对中低收入群体以及小微企业提高其获得金融服务的机会，增大居民收入和消费水平并达到减贫效果[2]。同时，数字普惠金融通过缓解居民经济压力和制度排斥压力，进而提高居民主观幸福感[2]。可见，数字普惠金融对提高社会福利水平以及改善居民生活品质具有重要作用。然而，数字普惠金融是否能提升我国整体社会福利绩效水平，还有待进一步验证。

本文将数字普惠金融与居民社会福利绩效纳入统一分析框架展开研究，探究数字普惠金融对我国居民社会福利绩效的影响。具体而言，本文在深刻解读居民社会福利绩效的内涵要义基础上，构建指标评价体系，并运用熵权法、莫兰指数对2011—2021 年中国居民社会福利绩效进行测度评价分析。同时，运用面板固定效应模型及空间计量模型实证检验数字普惠金融对居民社会福利绩效的影响，并探究两者间的影响机制和差异化影响路径。

1 理论机制与研究假设

居民社会福利绩效有狭义和广义之分，从狭义看，居民社会福利是指对生活能力较弱的儿童、老人、残疾人、妇女、疾病患者等弱势群体的社会照顾和救助服务[3]，随着国家发展水平的不断提高，人们民生诉求不断升级，社会福利则趋于广义化、全民化。就广义而言，居民社会福利是对社会质量的体现，是指国家为广大社会成员普遍提供的尽可能提高其生活质量的社会各种政策和服务，包括社会救助、社会保险、社会福利（狭义）、教育、医疗、文化、公共服务等[4]。可以看出，广义的社会福利是适配于经济发展的同时对狭义社会福利内涵的不断深化和升华。从目前我国发展阶段来看，单一狭小的内涵表达已不再符合我国经济社会发展的实际需要，而是需要进一步包含经济、政治、文化、社会、生态的各个领域。

关于数字普惠金融对居民社会福利绩效影响的理论机制可以从以下方面展开。首先，数字普惠金融能促进我国经济发展。数字普惠金融突破时空限制，实现了网络和经济的外部性，有效降低金融服务门槛。对于微观企业，数字普惠金融通过改变传统商业模式降低金融交易成本，缓解小微企业“融资难”问题，并带动“大众创业，万众创新”，有效激发微观主体活力实现经济增长[5]。对于居民等消费个体，数字普惠金融改善了居民消费方式并促进居民消费结构升级，增强了国民消费能力，进而推动经济增长[5—7]。其次，数字普惠金融能促进我国社会包容性增长和福利改善。数字普惠金融注重规模效应和尾部效应，挖掘广大长尾用户价值，通过扩大为农户等低收入群体提供金融服务的范围，有效发挥减贫效应从而缩小居民收入和消费差距，对降低社会不平等并促进包容性增长产生重要作用[7]。同时，数字普惠金融可以通过就业效应和收入效应显著提高居民医疗、就业和养老保险，从而提升社会保障水平并改善社会福利[8]。最后，数字普惠金融能助力生态环境改善。数字普惠金融能够通过提升技术创新水平、优化产业结构、缓解资源错配、提高能源效率等途径，产生积极的环境效应，从而促进城市绿色全要素生产率提升，并助力碳达峰、碳中和目标顺利实现[9]。综上，本文提出假设1：中国数字普惠金融可以通过增加经济发展效益、社会改善效益和生态可持续效益促进居民社会福利绩效提升。

改革开放以来，中国取得了举世瞩目的经济发展成就，但也形成了东部沿海等发达地区与内陆中西部地区间的发展差距问题。党的十九大提出我国社会主要矛盾转变为人民日益增长的美好需要与不平衡不充分的发展之间的矛盾，由此揭示了实现人民对美好生活的向往不仅要增进各种民生福祉，还要解决区域发展不平衡不充分问题。长久以来，金融体系的“嫌贫爱富”特征导致农民等低收入群体以及小微企业受到严重的金融排斥，在这种局面下反而扩大了城乡发展差距[10]。普惠金融的出现有效解决了金融排斥问题，但在资本的逐利属性影响下也出现了“使命漂移”现象[3]。数字普惠金融的发展进一步弥补了传统普惠金融的不足，通过发挥地理区域的渗透性、使用有效性和产品基础性提升低收入地区居民的收入和消费水平以及由此带来的获得感和幸福感。从而有利于缩小城乡间、区域间发展差距，促进经济社会的包容性增长[7]。据此，本文提出假设2：数字普惠金融对居民社会福利绩效水平较低地区的促进作用更大，从而有利于促进区域间协调充分发展。

2 研究设计

2.1 模型构建

2.1.1 基准回归模型

为了考察数字普惠金融发展对居民社会福利绩效的影响，本文设定如下模型进行实证检验：

其中，swit是第i个省份第t年的居民社会福利指数，lndfiit第i个省份第t年数字普惠金融指数的对数形式，controlit是一系列控制变量，μi和εit分别是不随时间变化的个体效应和随机干扰项。

2.1.2 空间面板模型

通过前文可知居民社会福利绩效具有显著的空间相关性，因此，本文进一步建立如下空间面板模型，考虑空间因素下数字普惠金融发展对居民社会福利绩效的影响：

其中：Wij是空间面板权重，本文主要采用0-1矩阵与反距离平方矩阵；ρ和δ分别为空间自回归系数和空间自相关系数；Xit为第i个省份第t年的解释变量，包括核心解释变量及其他控制变量；εit是空间误差自相关项；ϑit是随机干扰项。一般常见的空间计量模型有SAR（空间自回归模型）、SEM（空间误差模型）、SDM（空间杜宾模型），当式（2）和式（3）中ρ不为零且θ和δ为零时，则模型为SAR；当ρ和θ为零且δ不为零时，模型为SEM；当ρ和θ不为零且δ为零时，则模型为SDM。

2.2 变量选取

2.2.1 被解释变量

本文被解释变量为居民社会福利绩效（SW）。本文从广义视角衡量居民社会福利绩效，具体包括经济发展福利、社会改善福利和生态可持续福利三大方面（指标体系见下页表1）。其中经济发展福利是促进社会福利绩效不断发展和改善的基本保障，从经济发展基础情况、人民成果共享情况、政府善治情况三方面衡量；社会改善福利聚焦居民生活的方方面面，是社会福利绩效的核心部分；生态可持续福利是新时代改善居民社会福利绩效的内在要求。对于居民社会福利绩效评价指标体系的测度，本文采用熵权法进行指标赋权并采用多指标线性加权求和法求出评价结果。

表1 中国居民社会福利绩效评价指标体系

2.2.2 解释变量

本文解释变量为数字普惠金融指数（dfi）。借鉴多数学者的研究思路，以北京大学数字金融研究中心发布的省级中国数字金融普惠发展指数展开研究，相关指标选取和测度方法见文献[11]。

2.2.3 控制变量

本文的控制变量包括对外依存度（trade）、技术创新（tech）、创业活力（entrepre）、财政分权（finadp）与固定投资（pcapitals）。其中，对外依存度用进出口贸易总额占GDP 的比重衡量；技术创新水平用技术市场成交额衡量；创业活力用城镇私营和个体就业人数占城镇总就业人数比重衡量[12]；财政分权用地方公共预算收入与支出之比衡量[12]；固定资产投资用人均固定资产投资额衡量。

2.3 数据来源与描述性统计

考虑到数据可得性，本文所用数据为2011—2021 年中国30个省份（不含西藏和港澳台）的面板数据。本文所用数据主要来源于历年《中国统计年鉴》《国民经济与社会发展统计公报》《中国民政统计年鉴》《中国环境统计年鉴》《中国教育统计年鉴》《中国人口和就业统计年鉴》等。中国居民社会福利绩效指标体系中的部分数据，如农村贫困发生率来源于2020 年《中国农村贫困监测报告》；政府腐败率用每万公职人员立案侦查数衡量；财政透明度来源于上海财经大学公共政策研究中心历年的《中国财政透明度报告》；平均受教育年限是小学至大学的受教育程度人口占比，并按照相应的受教育年限加权求和得出；PM2.5年均值来源于达尔豪斯大学大气成分分析组；二氧化碳数据来源于CEADs 数据库。部分缺失数据采用邻近均值法和年均增长率补齐。为了消减异方差问题，对变量dfi、tech、pcapitals进行对数化处理，变量描述性统计见表2。

表2 变量的描述性统计结果

3 居民社会福利绩效的特征评价

3.1 整体评价分析

中国居民社会福利绩效评价值及其三大子系统评价值结果如图1 所示。可以看出，中国居民社会福利绩水平呈现明显的上升趋势，说明我国居民对美好生活的享受度不断提高。经济、社会、生态三大子系统发展水平分别从2011年的0.017、0.113、0.042，增长至2021年的0.039、0.185、0.058，且年均增长率分别为8.93%、5.10%、3.36%。其中经济系统发展速度最快，说明经济因素是驱动中国居民社会福利绩效增长的主要引擎，非经济因素的驱动效应相对缓慢。

图1 2011—2021年中国居民社会福利绩效指数及三大子维度发展趋势

根据国家统计局划分标准，将中国30个省份按照其所属地理区位划分为东、中、西部地区省份，并计算其年均值和年均增长率（见下页图2）。从年均值看，东部地区的居民社会福利绩效普遍高于中西部地区，体现出我国居民社会福利绩效在空间上的非均衡发展状态。从年均增长率看，中西部地区省份明显高于东部地区省份。说明在“先富带动后富”以及全面建成小康社会目标的驱动下，中西部地区的经济社会发展水平呈现追赶之势，带动了居民社会福利绩效的提升。

图2 东、中、西部地区居民社会福利绩效年均值和年均增长率

3.2 空间相关性分析

进一步运用莫兰指数从全局和局部视角对我国居民社会福利绩效进行空间相关性分析。从全局视角看（见图3），2011—2021 年中国居民社会福利绩效的Moran’s I均大于零，但总体呈现明显的波动下降趋势，直至2021年不再表现出显著的空间相关性。说明一直以来中国居民社会福利绩效存在正向的空间自相关性，但随着交通和信息技术的迅速发展，以及中国区域协调发展战略的推动，各地之间的合作交流不断增加，逐渐衍生出新的空间关系。尤其是2020年暴发的新冠肺炎疫情为各地发展增加了挑战但也带来了机遇，导致原生格局被进一步打破。

图3 2011—2021年全局Moran’s I

从局部视角看，选取2011 年和2020 年局域莫兰指数计算结果（见图4）。可以看出我国有大部分省份居民社会福利绩效表现为“低-低”集聚和“低-高”集聚，说明我国居民社会福利绩效总体偏低。从具体分布看，“高-高”聚集地仅出现在东部地区，“低-高”聚集地以中部和东部地区个别省份为主，“低-低”聚集地则以西部地区省份为主，“高-低”聚集地则以广东为主。总体而言，我国社会福利绩效水平在空间分布上呈现从东向西降低特征，其中河北、吉林、辽宁等省份的空间格局演变较快。

图4 局域Moran散点图

4 实证结果分析

4.1 基准回归分析

根据Hausman检验结果，本文选用固定效应模型进行回归估计。表3 列（1）和列（2）显示无论是否考虑控制变量，数字普惠金融对居民社会福利绩效的估计系数均在1%的水平上为正，说明数字普惠金融能显著提升我国居民社会福利绩效水平。为了排除可能存在的内生性问题对上述结论产生干扰，本文采用1984年各省份每百人固定电话机数与前一年全国互联网用户数作交乘项，构成数字普惠金融指数的工具变量（iv）[5]，并运用工具变量法进行检验。表3列（3）显示在考虑了内生性影响后依然支持数字普惠金融促进居民社会福利绩效提高的结论，且rkLM和rkWF结果显示不存在工具变量过度识别和弱工具变量问题，说明工具变量的有效性与结论的稳健性。以表3列（2）回归结果对其余控制变量进行分析。对外依存度的回归系数显著为负，可能是全球化的快速发展不仅促进国际经济、社会、文化的互联和交融，同时也增加了不同经济体之间的矛盾与冲突，也加大了对国内经济、社会和生态福利的不确定性影响，导致对外开放因素表现出了负面影响。技术创新水平的估计系数显著为正，说明技术进步能有效提升我国居民社会福利绩效。其余变量中只有财政分权的估计系数显著为负，可能的原因在于居民社会福利设施和服务的建立主要依靠于政府财政，当财政分权度提高意味着对福利支出的压缩与挤占，从而降低了居民社会福利绩效。

表3 数字普惠金融对中国居民社会福利绩效影响的基准回归结果

为了进一步考察数字普惠金融影响居民社会福利绩效的影响机制，本文对居民社会福利绩效的三大子系统进行回归估计，结果如表3 列（4）至列（6）所示。可以发现，数字普惠金融对经济、社会和生态系统的估计系数分别为0.007、0.011、0.002，均通过了1%水平上的显著性检验。说明数字普惠金融主要通过影响社会保障和经济基础而促进居民社会福利绩效的增长，且对社会层面的影响效果更大。数字普惠金融产生的生态环境改善效应主要基于间接的传导途径，且可能存在指标之间的传递链条过长的原因，从而未发挥出广泛的生态福利效应。因此，假设1得到验证。

4.2 稳健性检验

第一，替换变量。进一步采用数字普惠金融指数的二级指标，即数字金融覆盖广度、数字金融使用深度以及普惠金融数字化程度进行回归估计。第二，政策效果评估。2016 年，中国人民银行发布了《G20 数字普惠金融高级原则》，该政策的出台时间可能存在一定外生性，且政策效果在中西部地区和东部地区存在差异。因此，本文借鉴钱海章等（2020）[5]的做法，使用双重差分模型检验数字普惠金融发展的政策效应。第三，缩尾处理。对数字普惠金融指数按照1%进行缩尾处理。第四，删减样本。为了排除2020—2021 年新冠肺炎疫情对回归结果的冲击，将样本年限缩减为2011—2019年。以上稳健性检验结果（略）的参数估计和显著性与前文基本一致，证明本文结果稳健。

4.3 异质性分析

第一，将样本划分为东部和中西部地区进行固定效应估计，表4列（1）、列（2）结果显示，数字普惠金融有效提高了东部和中西部地区的居民社会福利绩效，但相比之下中西部地区回归结果明显大于东部地区，说明相对于经济社会发展水平和居民社会福利绩效更高的东部地区，数字普惠金融对中西部地区居民社会福利绩效的影响更大。由此体现了数字普惠金融典型的普惠性和低门槛性特征，以及能进一步缩小我国居民社会福利绩效的地区差异。

表4 数字普惠金融对中国居民社会福利绩效影响的异质性分析

第二，已有文献提出，数字普惠金融的典型作用在于助力不发达地区的金融经济发展[5]。因此，本文以样本中城镇化率的中位数为分界线，将样本分为高城镇化地区和低城镇化地区，结果如表4 列（3）和列（4）所示。可以看出，数字普惠金融对经济社会发展水平相对较低的低城镇化地区产生的边际效用更大，而对高城镇化地区的影响作用相对较小。为了增强分组结果的可信度，本文进一步借鉴连玉君（2010）[13]研究的做法，采用费舍尔组合检验法进行组间系数差异显著性检验。检验参数“经验P 值”分别为0.024和0.018，均在5%的水平上显著，说明了组间差异的有效性，假设2得到验证。

4.4 空间效应分析

考虑到我国居民社会福利绩效在空间上存在显著的正自相关，为不失一般性，本文从空间视角进行检验。在运用空间计量模型前，需要运用LM 检验法选择相应模型。本文运用0-1矩阵进行LM检验，结果显示LM-lag与LM-error 的统计数值分别为115.097（P 值=0.000）、91.653（P 值=0.000）；稳 健 估 计 下 的Robust LM-lag 和Robust LM-error 的统计数值分别为5.979（P 值=0.014）、0.138（P值=0.711）。综合来看，仅有Robust LM-lag在5%的水平上显著，说明空间自回归模型具有更优性。

运用空间自回归模型进行实证估计，结果如表5 所示。可以看出在不同的空间矩阵下，数字普惠金融对居民社会福利绩效的促进作用依然成立。进一步对空间效应进行分解，结果显示直接效应、间接效应与总效应的估计结果均显著为正，说明数字普惠金融不仅能促进本地居民社会福利绩效提升，还会产生空间溢出效应而促进邻近地区居民社会福利绩效提升。该结果进一步证实了数字普惠金融在促进我国地区间协调发展的重要作用。

表5 空间自回归估计结果

5 结论与启示

本文从广义的社会福利视角出发，通过构建指标评价体系，对2011—2021 年我国居民社会福利绩效进行了测度评价；并进一步运用固定效应模型及空间自回归模型实证检验数字普惠金融对居民社会福利绩效的影响机制和影响路径。研究发现，中国居民社会福利绩效水平不断上升，且具有“东高西低”的区域差异格局。空间相关性检验结果显示，我国居民社会福利绩效具有正向的空间自相关性并以“低-低”集聚为主，但随着时间的推移空间相关性不断减弱。固定效应模型检验发现数字普惠金融能有效提高我国居民社会福利绩效，其中对经济发展福利和社会改善福利的增进作用更大，该结果在考虑了内生性问题和各项稳健性检验后依然成立。数字普惠金融对居民社会福利绩效的促增效应在中西部地区和低城镇化地区更大。空间效应分析发现数字普惠金融对居民社会福利绩效的促进作用存在显著的空间溢出性，这有利于数字普惠金融发挥更大的普惠性作用。

根据上述结论，本文提出如下启示：第一，建立并完善我国居民社会福利绩效的统计与评价体制机制。第二，注重发挥数字普惠金融的积极作用，并构建“系统性、安全性、稳定性”的作用机制。即增大数字普惠金融作用于经济社会层面的联系度和覆盖面，从而形成系统性影响力；注重完善数字普惠金融等新兴衍生业态的风险管理机制，保障发展的安全性；在巩固系统性和安全性的基础上进一步增强稳定性，从而发挥更大更强的影响效应。第三，加强区域间的协调联动。通过加强中西部地区的金融和数字基础设施建设，提高数字普惠金融服务的广度和深度，搭建东部与中西部地区、高水平与低水平地区的区域联动机制，增强空间溢出效应，从而带动整体社会福利水平的提高。