数字普惠金融助力乡村振兴

李丛

数字普惠金融是在普惠金融发展的基础上衍生而来的，数字普惠金融能够为乡村地区提供良好的经济支持。文章以中国31个省份2011—2021年的面板数据为基础，采用双向固定效应模型，开展数字普惠金融对乡村振兴的影响效应研究。研究结果表明：发展数字普惠金融可以通过提升乡村居民收入水平和激发乡村创业活力这两种方式来促进乡村振兴。

乡村振兴要依靠乡村产业的高质量发展来实现，而乡村产业的发展离不开充足的资金支持，除了政府的财政拨款，还需要强有力的金融支持。然而我国长期以来存在城乡二元金融结构不平衡的现象，传统金融机构往往不愿意向“三农”客户提供贷款，乡村地区金融资源供给数量不足，这使得乡村振兴工作的推进受到资金短缺问题的困扰。当前社会数字经济快速发展，数字普惠金融也随之产生，这一新兴的金融产物与传统金融相比，具有更强的包容性和普惠性，同时具有更高的数字化特征。基于此，研究数字普惠金融与乡村振兴之间的关系，对强化乡村振兴的金融支持、全面推进乡村振兴具有重要的现实意义。

理论分析与研究假设

乡村地区的金融服务发展处于滞后状态，各类农业经营个体单位面临贷款门槛高、担保难、抵押难等问题，数字普惠金融的产生使得这些难题能够得到改善，其对传统金融机构的运作方式进行了变革，能够较好地缓解“三农”客户这一弱势群体在金融服务方面受到的压力。数字普惠金融能拓宽乡村群体的收入来源与渠道，进而增加农民各类收入。数字普惠金融还对不同区域的产业发展具有重要的推动作用，有利于区域产业结构的转变与现代化发展，产业结构的转变与现代化发展将促进新的行业与工作岗位的产生，从而为附近居民带来更多的就业机会，激发其创业活力。基于此，提出假设：

H1：发展数字普惠金融对乡村振兴具有促进作用。

H2：发展数字普惠金融能提升乡村居民收入水平，进而促进乡村振兴。

H3：发展数字普惠金融能激发乡村创业活力，进而促进乡村振兴。

研究设计

数据来源

文章运用2011—2021年中国31个省份（不含港澳台）的数字普惠金融与乡村振兴面板数据进行实证分析，从《北京大学数字普惠金融指数》获取了数字普惠金融数据，从《中国统计年鉴》《中国农村统计年鉴》《中国社会统计年鉴》等获取了有关乡村振兴的相关测度指标和其他控制变量数据。

變量选取与描述性统计

1.被解释变量

乡村振兴水平。为更加客观全面地测度各个省份的乡村振兴水平，在阅读相关文献之后，参考了鄢宇昊、马亚明等人的做法，构建了乡村振兴水平的测度体系。如表1所示，共包含5个一级指标，18个二级指标。

2.核心解释变量

数字普惠金融。应用《北京大学数字普惠金融指数》测算各省数字普惠金融的发展。为了便于观察变量的回归系数，对数字普惠金融指数进行百分化处理。

3.中介变量

乡村居民收入，采用乡村居民人均可支配收入取对数来衡量。

乡村创业活力，采用乡村自营职业者和私营企业主的就业人数占乡村总人口的比例来衡量。

4.控制变量

为解决由于存在遗漏变量而产生的内生性问题，参考已有的研究基础，选取以下控制变量：

财政支农水平：财政农林水事务支出占财政总支出的比重。

乡村人力资本：乡村人口按教育水平分为小学、初中、高中和大学四个教育层次，分别乘以“6、9、12、16”的人均受教育年限，相加后再除以乡村人口总数。

产业结构：第三产业总产值与第二产业总产值之比。

城镇率：年末城镇人口与常住人口数量之比。

对外开放度：外贸进出口总额占GDP的比重。

模型构建

1.基准回归模型

本研究是基于2011—2021年31个省份的面板数据展开的，因此在构建回归模型前进行了豪斯曼检验，经检验，P值为0，因此，拒绝了原假说，采用了一个固定效应的模型，具体模型如下：

式（1）中Rurali，t表示i省份和t年份的乡村振兴水平；Difi，t表示i省份和t年份的数字普惠金融指数；controli，t表示文章选取的一组控制变量；μi为个体效应，δt为时间效应；εi，t为随机误差项。

2.中介效应模型

为进一步验证乡村居民收入和乡村创业活力的中介效应，借鉴因果逐步回归法展开研究，具体模型如下：

其中，Mediani，t表示i省份t年份中介变量的发展水平，分别为乡村居民收入与乡村创业活力，其余变量含义与模型（1）中一致。

实证分析

基准回归分析

如表3所示，列（1）的回归分析表明，无控制变量时，数字普惠金融的回归系数显著为正。列（2）至列（5）结果表明，在逐步加入控制变量的过程中，数字普惠金融的回归系数仍然显著为正，这表明数字普惠金融的发展能够推动乡村振兴。

内生性处理

模型虽然已经对影响乡村振兴发展的相关变量进行了控制，但仍会存在一些不可预测或不可衡量的因素，由此会产生遗漏变量偏误，对这一问题选用工具变量法予以缓解。将乡村的互联网普及率作为工具变量，进行两阶段最小二乘法估计。首先进行不可识别检验和弱工具变量检验，实证结果显示，“Anderson canon.corr.LM”统计量为43.15，相应的P值为0.0000，故拒绝原假设，即所选择的工具变量不存在不可识别问题，“Cragg-Donald Wald F”的统计量为49.16，大于10，也大于10%临界值（10% maximal IV size：16.38），故也不存在弱工具变量问题，因此这里所选择的工具变量合适。基于此，采用工具变量法进行进一步的研究。如表4所示，列（1）中互联网普及率的回归系数显著为正，说明文章选定的该工具变量与核心解释变量存在正向相关关系，列（2）结果显示数字普惠金融回归系数仍显著为正，说明内生性问题通过运用工具变量法被克服后，研究得出的结论与前文一致。

稳健性检验

1.替换变量

为进一步验证研究结果的稳健性，重新量化核心解释变量，基准回归中对数字普惠金融指数原始数据进行了百分化处理，现取对数，回归结果如表5列（1）所示，核心解释变量回归系数的显著性及正负没变，表明研究结果稳健。

2.剔除样本

考虑到样本中北京、天津、上海、重庆这四个直辖市经济发展的特殊性可能会对回归结果产生影响，因此将其从总样本中删去，对剩余样本数据再进行回归后的结果如表5列（2）所示，剔除一定的样本量后，数字普惠金融的回归系数仍然显著为正，表明研究结果稳健。

3.缩尾处理

为了消除样本偏差对回归结果的影响，将所有变量的尾数都缩减了1%，回归结果如表5列（3）所示，数字普惠金融的回归系数仍然显著为正，表明研究结果稳健。

进一步研究

发展数字普惠金融可以提高农民收入水平，激发农民创业热情，从而推动乡村振兴，文章采用逐步因果法检验这种中介效应，回归结果见表6。

列（2）中数字普惠金融回归系数显著为正，说明发展数字普惠金融能促进乡村居民收入的提升，列（3）中数字普惠金融和乡村居民收入的回归系數均显著为正，说明中介效应成立。

列（4）中数字普惠金融的回归系数显著为正，说明数字普惠金融对激发乡村创业活力具有促进作用，列（5）中数字普惠金融和乡村创业活力的回归系数均显著为正，说明中介效应成立。因乡村创业活力的测量指标数据在统计年鉴上只更新到2019年，故基于2011—2019年31个省份的面板数据研究乡村创业活力的中介作用。

研究结论及政策建议

文章基于数字普惠金融的快速发展以及面临资金短缺的困境，利用2011—2021年的全国各省份面板数据，以实证研究的方式探讨了数字普惠金融对乡村振兴的影响。通过研究得出两个结论：一是数字普惠金融的发展能促进乡村振兴。二是发展数字普惠金融有利于提升乡村居民收入以及激发乡村创业活力。根据上述研究的基础，提出以下建议：

第一，继续推动乡村数字普惠金融的发展。一方面，在乡村中广泛传播数字普惠金融的知识，加强农民对数字金融的认识，提高农民的数字金融素养，使乡村地区的金融需求得到更大释放。另一方面，普惠金融制度体系应进一步得到优化，完善普惠金融政策的制定和执行机制，为数字普惠金融的发展营造良好的外部环境。

第二，增强数字普惠金融对促进农民增收和农民创业的作用。充分利用先进的数字化技术，如机器学习、数据挖掘等，使金融交易流程简化与优化，促进新的数字信贷业务形态的形成，增加农民就业渠道，以此来提高农民工资性收入。充分利用数字普惠金融在信息传递上的优势，帮助创业农民压缩经营成本，促使其扩大生产经营规模，从而提高农民经营性收入。充分利用数字金融的普惠性，鼓励广大乡村家庭利用闲置资金进行金融投资，从而提高其财产性收入。此外，加强乡村数字化基础设施建设，加大互联网、大数据、云计算技术在乡村地区的推广应用，提升乡村地区的数字技术水平，同时建立数字化的电商平台以带动乡村电商的发展，刺激乡村经济活力，进而吸引更多乡村青年人口返乡创业。