数字普惠金融对包容性增长作用研究

摘 要：从数字普惠金融与要素错配相互影响的角度，利用双向固定效应模型探讨数字普惠金融如何促进包容性增长。选取2011—2022年中国281个地级市的面板数据，实证分析数字普惠金融对包容性增长的影响。研究表明：一是数字普惠金融促进包容性增长;二是数字普惠金融通过抑制资本要素错配从而促进包容性增长;三是劳动要素错配对数字普惠金融促进包容性增长起负向调节作用。

关键词：数字普惠金融 包容性增长 劳动要素错配 资本要素错配

中图分类号：F830文献标识码：A

文章编号：1004-4914（2024）12-058-03

一、引言

要以科技创新推动产业创新，特别是以颠覆性技术和前沿技术催生新产业、新模型、新动能，发展新质生产力。以大数据、人工智能、数字货币、虚拟数字等为代表的数字化技术为传统制造业生产赋能，发展新质生产力。数字普惠金融作为数字技术和金融发展融合的产物，在优化要素资源配置、降低融资成本、提升资本流动性中起着重要力量。在国家大力推动数字经济赋能新质生产力业态形式下，数字普惠金融正迎来黄金发展期。目前，我国经济正从粗放式增长转向高质量增长的关键时期，这意味着从仅仅关注经济快速增长的观点转向为经济稳定增长、社会稳定、就业稳定等多重因素的发展。包容性增长在2007年首次被亚洲开发银行提出，体现为经济稳定增长、就业机会和收入分配平等。因此，包容性增长完全符合我国经济高质量发展这一要求。

现有文献对于数字普惠金融与包容性增长的研究主要从数字普惠金融如何影响人力资本、家庭收入和创业积极性，而在数字普惠金融影响包容性增长过程中资本要素错配的内部机制研究和劳动要素错配的外部因素缺少实证检验。要素错配会在很大程度上影响资本配置效率、经济高质量增长。因此，分析数字普惠金融促进包容性增长的作用机理和传导机制对经济高质量增长有重大意义。

首先，本文运用双向固定效应模型分析2011—2022年中国281个地级市的面板数据，从而解释数字普惠金融对包容性增长作用;其次，分析资本要素错配和劳动要素错配对数字普惠金融促进包容性增长的影响;最后，对数字普惠金融促进包容性增长提出相应的对策建议。

二、文献回顾

首先是数字普惠金融的研究，数字普惠金融可以通过提供在线金融服务和支持，帮助跨地区投资和资本流动，降低市场分割的影响。李香菊等（2023）[1]认为数字普惠金融的发展可以通过提高信息透明度和支持创新创业等方面的作用，有助于抑制资本要素错配。唐松等（2020）[2]研究了数字普惠金融促进企业技术创新;王宏鸣等（2022）[3]表示数字化为改善创新要素错配，加快建设创新型国家提供了有益借鉴。赵家琪等（2023）[4]指出研究数字普惠金融兴起背景下银行业数字化转型为解决小微企业“贷款难贷款贵”带来的机遇和挑战;陈卫平等（2022）[5]指出地区数字经济发展促进我国农村的包容性增长。

如前文所述，包容性增长既关注市场运行效率和经济增长，也关注社会机会公平。张勋和万广华（2016）[6]将中国数字普惠金融指数与中国家庭追踪调查数据（CFPS）相结合，从微观层面考察数字普惠金融对居民收入和居民创业的影响;宋晓玲（2017）[7]指出数字普惠金融的发展所带来的降低融资成本、门槛功能，能有效缩小城乡收入差距;另外，邓峰等（2022）[8]指出，虽然存在城乡收入差距，中西部收入差距和市场分割问题，数字经济的发展促进了区域创新效率提升，市场分割与数字经济交互作用正向促进区域创新效率。谢绚丽等（2018）[9]指出数字普惠金融的发展对创业有促进作用;李言（2023）[10]在数字普惠金融发展研究中发现，数字普惠金融可以促进创业，并提出缓解潜在创业者的流动性约束和合理优化资源配置等方法;基于数字普惠金融对市场运行效率、经济增长和社会机会平等的影响下，更严格地论证数字普惠金融与包容性增长的关系十分必要。

三、理论机制分析

（一）数字普惠金融和包容性增长

随着数字技术迅速发展，数字普惠金融通过其独特优势，为包容性增长提供强大的支持，已成为现代经济中不可或缺的一部分。数字普惠金融通过推动经济增长、增加收入和缩小贫富差距促进包容性增长水平。

数字普惠金融的最大优势在于其普惠性。传统的金融服务往往受到地域、收入、性别、种族等因素限制，而数字普惠金融打破这些壁垒，使更多人享受到便捷的金融服务。数字普惠金融产品具有较低的门槛及较高的便利性，为低收入人群和边缘化群体提供广泛的教育、医疗和就业机会，从而促进社会公平和包容性增长。

数字普惠金融通过数字化手段提高金融服务的效率。传统金融服务流程繁琐，需要大量人力物力支持。而数字普惠金融借助大数据、云计算等技术，实现业务流程的自动化与智能化，既降低运营成本，又提高服务效率。因此，数字普惠金融企业能够以更快的速度、更低的成本为消费者提供服务，进一步促进市场竞争和经济增长。因此，本文提出：

假设1：数字普惠金融显著促进包容性增长发展。

（二）数字普惠金融、资本要素错配和劳动要素错配

数字普惠金融对资本要素错配的影响主要体现在：第一，降低企业生产中信息不对称造成的成本，提高要素配置效率;第二，通过缓解金融摩擦和降低融资门槛以降低资本要素错配程度。首先，在传统金融业务时期，由于营业网点、服务时间、交易成本等因素的限制，部分个体和企业难以及时获得金融服务。信息不对称导致要素错配，使得部分亟需融资的个体和企业难以获得资金支持。近年来，大数据、人工智能、云计算等颠覆性技术突破，数字普惠金融得到快速推动，打破传统金融服务的空间和时间限制，提高金融服务的便捷性，降低信息不对称成本，提高资本要素效率。其次，由于国有金融机构硬性指标，以评估和衡量机构在特定时间段内的表现和成果，国有企业或大型企业比中小微企业更容易获得贷款，产生了挤出效应，最后导致企业寻租行为并产生效率损失，加剧资本要素错配。

劳动要素错配是指在生产过程中，劳动效率低、资源浪费和生产成本增加等问题。随着数字普惠金融的发展，劳动力逐渐被数字化金融行业淘汰，从而带来劳动要素错配问题，而随着劳动要素错配程度逐步增加，也会影响到数字普惠金融的发展。从影响机制来看，劳动要素错配程度间接影响数字普惠金融对包容性增长的作用，主要体现在：第一，劳动要素错配越高的地区，技能供给和数字金融需求越不匹配。数字普惠金融的发展往往需要高度技术化、技能化的人才，劳动要素错配程度高的地区，人才适配度越低，因此，劳动市场上的人才供给无法满足数字金融发展，不利于数字普惠金融促进包容性增长;第二，劳动要素错配引发地理错配问题。数字普惠金融一般集中在特定地区，劳动力供给较为分散，因此，导致人才匹配度低，在一定程度上不利于数字金融发展。人才适配度、地理错配问题引发劳动要素错配问题，这些都是抑制数字普惠金融作用包容性增长的原因。因此，本文提出：

假设2：数字普惠金融能够缓解资本要素错配，从而促进包容性增长。

假设3：数字普惠金融促进包容性增长作用路径中，劳动要素错配起抑制作用。

四、研究设计

（一）样本选择与数据来源

构建包容性增长指数相关的指标以及控制变量，主要来源于《中国统计年鉴》《中国第三产业统计年鉴》、各省统计年鉴。数字普惠金融指数来自北京大学数字普惠金融指数。鉴于数据可得性，剔除我国西藏、香港、澳门和台湾的地级市数据;本文选择2011年至2022年中国281个地级市的面板数据。

（二）变量定义

1.被解释变量：包容性增长。本文借鉴周小亮等（2018）[11]的绿色包容性增长指标体系，从经济发展、收入分配和机会公平3个维度构建了包容性增长指标体系。本文采用熵权法对包容性增长进行测度分析，并以2011—2022年中国281个地级市为研究对象，收集来自各地方统计局的连续12年的宏观数据，测算出包容性增长水平指数。

2.解释变量：数字普惠金融。数字普惠金融（DIF）。参考郭峰等（2020）[12]编制的北京大学数字普惠金融指数作为代理变量，并对该指数进行无纲化处理。

3.调节中介变量：劳动要素错配与资本要素错配。本文在构建资本要素错配程度（tkii，t）和劳动要素错配程度（tlii，t）指标，采用Hsieh和Klenow[13]的方法。利用资本要素投入得出当年固定资产投资存量。借鉴张军等[14]方法，以2011年为基期，采用永续盘存法得出资本要素存量，在进行价格指数平减处理（折旧率为9.6%）;地级市年末就业人口作为劳动人口的代理变量。计算出城市要素错配（λKit）后，对资本要素错配采用绝对值处理，以便结果直观体现。如下所示：

tkii，t=1λKit-1（1）

其中，资本要素错配（tkii，t）与城市要素错配程度成正比例关系。劳动要素错配程度（tlii，t）同样方法得出。

4.控制变量。参照一些相关文献和本文研究的问题，本文选择政府干预程度（GIV）、经济发展水平（ED）、产业整体升级（UP）、人口密度（PDE）作为控制变量。此外，对市一级个体和年份层面在模型中进行控制减少时间趋势和个体异质性特征的干预。

（三）实证模型

1.基准模型：数字普惠金融与包容性增长。基于以上理论分析，为考察数字普惠金融对包容性增长的影响，本文设定双向固定效应模型作为本文的基准回归模型：

IGi，t=α0+α1DIFi，t+αjControlsi，t+vi+ut+εi，t（2）

其中，DIFi，t为数字普惠金融发展水平，IGi，t代表包容性增长指标，Controlsi，t表示其它影响包容性增长的控制变量，vi为个体固定效应，ut为时间固定效应，εi，t表示随机扰动项。

2.机制模型：数字普惠金融与要素错配。为探索数字普惠金融对包容性增长的驱动机制，本文设定如下中介效应模型和调节效应模型：

IGi，t=β0+β1DIFi，t+βjControlsi，t+v+ut+εi，t（3）

tkii，t=l0+l1DIFi，t+ljControlsi，t+vi+ut+εi，t（4）

IGi，t=δ1DIFi，t+δtki+δjControlsi，t+vi+ut+εi，t（5）

IGi，t=+∂1DIFi，t+∂2tlii，t+∂3DIFi，t×tlii，t+∂jControlsi，t+vi+ut+εi，t （6）

本文中tkii，t与tlii，t为中介变量，具体指资本要素错配（tkii，t）和劳动要素错配（tlii，t）。利用资本要素错配来检验数字普惠金融对包容性增长的中介效应。采用逐步回归法构建中介效应模型，把资本要素错配设定为中介变量，用来检验中介变量存在与否（3）～（5）。劳动要素错配应用调节效应模型（6），构造数字普惠金融和劳动要素错配的乘积机制回归项。

五、实证结果

（一）基准回归结果

数字普惠金融对包容性增长的影响，本文选择双向固定效应模型展开基准回归，结果如表1所示。

由表1列（3）回归检验结果可知，在1%水平上显著，数字普惠金融（DIF）回归系数符号为正，数字普惠金融每增加1单位，包容性增长指标将提升0.000221。这表明数字普惠金融对包容性增长（IG）发展存在显著促进作用，假设1得证。

（二）稳健性检验

在表2的第（5）列，剔除直辖市，得出DIF的系数为0.00018，说明假设1结论可靠。在疫情背景下，数字普惠金融受到一定的影响，主要原因是疫情期间国民经济受到冲击，因此，有必要从时间上分析数字普惠金融对包容性增长的作用。结果如表2表示，数字普惠金融每增加1单位，包容性增长就增加0.000177，说明正向促进作用的结论可靠。

工具变量法。以数字普惠金融指数的滞后一期和它的一阶差分的乘积作为工具变量。由表3可知，数字普惠金融对包容性增长正向促进作用的结论是可靠的。

（三）机制检验

在表4中，列（1）至（2）显示，加入中介变量后，数字普惠金融对包容性增长影响为正，而且资本要素错配tkii，t系数为负，且在10%水平下显著，即资本要素错配抑制包容性增长，这与预期相符。因此，数字普惠金融有效地抑制了资本要素错配，从而促进包容性增长，假设2得证。

列（3）中，数字普惠金融与劳动要素错配的交乘项为负，说明劳动要素错配对数字普惠金融促进包容性增长为负向调节效应。调节效应结果表示，数字普惠金融难以突破劳动要素错配对包容性增长的抑制作用，假设3得证。

六、结论与启示

研究表明：数字普惠金融能够显著促进包容性增长;数字普惠金融通过抑制资本要素错配从而促进包容性增长;劳动要素错配抑制数字普惠金融能够促进包容性增长作用。据此，本文提出如下针对性建议：一是大力发展数字普惠金融。通过建设数字基础设施、完善数字交易规则和立法、促进数字经济平台高效运转以提升地区数字普惠金融服务水平，使得企业所需生产要素在区域之间高效流通，缓解资本要素错配。二是加大地方教育投入，培养当地居民金融素养，鼓励民间投资，提升居民获取投资信息能力，降低投资门槛，提高居民投资意愿。三是加快数字技术与普惠金融的融合发展。金融机构可以利用云计算技术和大数据分析，处理和分析大量的金融数据，提供更准确和个性化的金融服务。

参考文献：

[1] 李香菊，刘硕，边琳丽.数字普惠金融、市场分割与资本要素错配[J].统计与决策，2023，39（17）

[2] 唐松，伍旭川，祝佳.数字普惠金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J].管理世界，2020，36（05）

[3] 王宏鸣，孙鹏博，郭慧芳.数字普惠金融如何赋能企业数字化转型？——来自中国上市公司的经验证据[J].财经论丛，2022（10）

[4] 赵家琪，江弘毅，胡诗云，沈艳.数字普惠金融下的小微信贷与风险——基于银行数字化转型的视角[J].经济学（季刊），2023，23（05）

[5] 陈卫平，余乐，梁舒培.地区数字经济发展对农民创业的影响研究[J].学术研究，2022（12）

[6] 张勋，万广华.中国的农村基础设施促进了包容性增长吗？[J].经济研究，2016，51（10）

[7] 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（06）

[8] 邓峰，冯福博，杨小东.市场分割、数字经济与区域创新效率[J].统计与决策，2022，38（09）

[9] 谢绚丽，沈艳，张皓星，郭峰.数字普惠金融能促进创业吗？——来自中国的证据[J].经济学（季刊），2018，17（04）

[10] 李言.数字普惠金融与劳动配置效率[J].经济社会体制比较，2023（03）

[11] 周小亮，吴武林.中国包容性绿色增长的测度及分析[J].数量经济技术经济研究，2018，35（08）

[12] 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）

[13] Hsieh C T， Klenow P J. Misallocation and Manufacturing TFP in China and India [J]. Quarterly Journal of Economics，2009，124（04）

[14] 张军，章元.对中国资本存量K的再估计[J].经济研究，2003（07）