论文部分内容阅读
摘 要：基于2013—2018年中国31个省、直辖市、自治区的面板数据，实证检验了数字普惠金融对贫困减缓产生的效应。研究结果表明，从全样本分析来看，数字普惠金融具有显著的减贫效果，数字普惠金融指数每提高1个单位，居民人均消费水平约提升0.42～0.47个单位;从地区异质性来看，数字普惠金融对各地区都有明显的减贫效应，且对东部地区的贫困减缓程度高于中西部地区。要进一步强化金融工具宣传，加快金融科技和金融服务创新，完善数字基础设施建设。
关键词：数字普惠金融;金融扶贫;贫困减缓
中图分类号：F830.4 文献标识码：A 文章编号：2096-0298（2021）05（a）--03
打赢脱贫攻坚战是“十三五”时期的重要任务，具有缩小社会贫富差距、提升人民生活水平的重大意义。从2013年提出精准扶贫思想，到2015年提出打赢脱贫攻坚战，再到2020年提出全面实现脱贫任务，金融扶貧始终是扶贫攻坚战中的重要手段。“普惠金融”的概念最早由联合国在2005年提出;2013年11月，中共十八届三中全会正式提出要“发展普惠金融”，之后的几年内又屡次写进政府报告，有效促进了农村金融发展。随着互联网的快速普及，云计算、大数据、移动互联网、物联网、人工智能等新兴信息技术蓬勃发展。普惠金融在与数字技术融合的过程中发展为“数字普惠金融”，各类依托互联网平台的新型金融服务进一步激发了普惠金融发展的活力。
自2005年普惠金融的理念形成以来，中国普惠金融政策产生的减贫效应越来越受到学者的关注。朱一鸣和王伟（2017）发现，普惠金融有利于增加农村居民收入情况，但其减贫增收效果在不同收入的个体间存在显著的异质性，对非贫困县农村居民的减贫效应明显大于贫困县[1]。刘金全和毕振豫（2019）基于经济增长和贫困减缓的视角，利用合成的省域普惠金融指数，实证分析了普惠金融对城乡收入差距的影响，结果显示普惠金融发展可以直接缩小城乡收入差距，同时通过经济增长和贫困减缓两个渠道对城乡收入差距带来间接的减小效应[2]。
2016年，G20杭州峰会制定了《G20数字普惠金融高级原则》，成为首个具有全球意义的数字经济重要指导原则，标志着“数字普惠金融”概念的诞生。关于金融扶贫的研究逐渐转向数字普惠金融。黄倩等（2019）实证检验了数字普惠金融的减贫效应，并从收入增长和收入分配双重视角探究数字普惠金融减缓贫困的内在机制[3]。刘锦怡和刘纯阳（2020）考察了数字普惠金融的减贫效果及影响机制，发现数字普惠金融减缓农村贫困的直接机制是互联网信贷和互联网保险发展，间接机制为增加个体就业和私营企业就业，且前者的减贫效果更好[4]。
孙继国等（2020）基于CHFS 2017数据探究数字金融对相对贫困的减缓效应，并发现数字金融可以明显减缓相对贫困，其减贫效应存在区域差异和城乡差异。此外，数字金融可以通过居民创业、信贷约束和农业风险作为中介变量而减缓相对贫困[5]。
基于上述研究成果，本文以“居民人均消费水平”衡量贫困减缓，以“北京大学数字普惠金融指数”衡量地区数字普惠金融发展水平，利用2013—2018年省级面板数据对我国数字普惠金融的减贫效应进行实证分析。
1 模型构建与数据描述
1.1 模型构建
在构建模型以探究数字普惠金融的减贫效应时，数字普惠金融的发展水平在不同地区各不相同，具有较为明显的地区差异性。为了避免因遗漏不可观测的变量引起的内生性问题，构建以下固定效应模型：
其中，Povertyit为被解释变量，代表第i个省份在第t年的贫困状况;DIFit为解释变量，表示第i个省份在第t年的数字普惠金融发展水平。Xit表示控制变量，在回归模型中加入影响贫困状况的其他因素，具体包括：财政支出水平，用地方政府一般性预算支出表示（FE）;教育支出水平，用教育支出与财政支出之比表示（Edu）;经济发达程度，用地方人均GDP表示（Pergdp）;对外开放程度，用进出口总额在地区GDP中的占比表示（Open）;城市化水平，用地区总人口中城镇人口所占的比重表示（Urban）。θi表示省份固定效应，εit表示随机误差项。
1.2 数据与变量描述
本文以2013—2018年中国31个省（直辖市、自治区）为研究样本。居民人均消费水平、财政和教育支出水平、城市化水平等数据来源于国家统计局官方发布的《中国统计年鉴》。数字普惠金融指数来源于北京大学数字金融研究中心[6]，由覆盖广度、使用深度和数字化程度3个一级维度构成。为降低数据变动幅度过大带来的影响，除教育支出水平、对外开放程度、城市化水平外，其他变量均取对数形式计算。变量定义及描述性统计如表1所示。
2 实证分析
2.1 基准模型回归
从省域层面实证检验数字普惠金融的减贫效应，得到的结果如表2所示。第（1）列展示了混合回归的回归结果，数字普惠金融对贫困减缓有显著的正向作用，数字普惠金融指数每提高1个单位，居民人均消费约提高0.433个单位。
进一步采用固定效应模型（FE）进行回归，结果如表第（2）列所示。结果表明，数字普惠金融对居民消费水平有显著的正向影响，并通过1%统计水平下的显著性检验，具有明显的减贫效果。从边际效应上看，数字普惠金融指数每提高1个单位，居民人均消费约提高0.466个单位。在固定效应模型中，F检验的P值为0.0000，说明不同个体拥有各自的截距项，因此使用FE模型要优于混合回归。
2.2 稳健性检验
为了验证在不同情况下数字普惠金融的减贫效果是否一致，本文进一步进行了稳健性检验。首先采用最小二乘虚拟变量模型（LSDV）进行回归，结果展示在第（3）列。可以看到LSDV回归与FE回归的变量系数和显著性均保持一致，且大多数省份的虚拟变量都很显著，可以认为个体效应存在。考虑到固定效应模型和随机效应模型中均可能存在个体效应，本文又进行了随机效应FGLS回归，结果如第（4）列所示。数字普惠金融仍然对贫困减缓起着显著的正向作用，结果稳健。 2.3 区域异质性分析
为检验数字金融的发展对不同发展水平区域的减贫效果，观察数字金融的减贫效应是否存在区域异质性，本文将所有省份划分为东、中、西部地区，采用FE模型实证分析了数字金融对不同地区贫困减缓的效果，结果如表3所示。
由表3可知，各地区的系数均通过显著性检验，其中东部地区的减贫效应系数为0.552，高于平均水平，而中部地区和西部地区减貧效应的系数均低于全样本回归，这说明各地区的数字金融都有明显的减贫效应，且经济发达的东部地区的减缓效果要高于中西部地区。这可能是由于数字普惠金融对贫困的减缓存在门槛效应，在经济发展水平较低时，数字普惠金融的减贫效应尚不明显，随着经济发展水平的提升，当越过某一门槛后，数字普惠金融的减贫效应会逐渐增强[7]。
3 结语
本文基于2013—2018年中国31个省（直辖市、自治区）的面板数据，利用固定效应模型和随机效应模型，实证检验了数字普惠金融的减贫效应。研究结果：全样本分析结果表明，数字普惠金融对居民贫困有明显的减缓作用，数字普惠金融指数每提高1个单位，居民人均消费水平约提高0.42～0.47个单位。从地区异质性来看，数字普惠金融对各地区都有明显的减贫效应，且对经济发达的东部地区的贫困减缓程度高于中西部地区。
基于研究结论，本文提出以下政策建议：一是继续强化金融工具宣传，引导贫困人口正确认识并利用数字金融工具，扩大数字金融减贫的覆盖面。二是加快金融科技和金融服务创新，深度融合传统金融和数字金融，利用数字化金融产品提升居民生活水平。三是完善数字基础设施建设，尤其在欠发达地区，要注重新型基础设施建设，在5G互联网、大数据中心、人工智能等领域快速推进，助力数字普惠金融均衡发展。
参考文献
朱一鸣，王伟.普惠金融如何实现精准扶贫？[J].财经研究，2017（10）.
刘金全，毕振豫.普惠金融发展及其收入分配效应——基于经济增长与贫困减缓双重视角的研究[J].经济与管理研究，2019（04）.
黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制[J].改革，2019（11）.
刘锦怡，刘纯阳.数字普惠金融的农村减贫效应：效果与机制[J].财经论丛，2020（01）.
孙继国，韩开颜，胡金焱.数字金融是否减缓了相对贫困？——基于CHFS数据的实证研究[J].财经论丛，2020（12）.
郭峰，王靖一，王芳，等.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（04）.
汪晓文，崔晓烨.普惠金融减贫效应的区域差异及门槛特征研究——基于省级面板数据的实证分析[J].金融发展研究，2019 （12）.
关键词：数字普惠金融;金融扶贫;贫困减缓
中图分类号：F830.4 文献标识码：A 文章编号：2096-0298（2021）05（a）--03
打赢脱贫攻坚战是“十三五”时期的重要任务，具有缩小社会贫富差距、提升人民生活水平的重大意义。从2013年提出精准扶贫思想，到2015年提出打赢脱贫攻坚战，再到2020年提出全面实现脱贫任务，金融扶貧始终是扶贫攻坚战中的重要手段。“普惠金融”的概念最早由联合国在2005年提出;2013年11月，中共十八届三中全会正式提出要“发展普惠金融”，之后的几年内又屡次写进政府报告，有效促进了农村金融发展。随着互联网的快速普及，云计算、大数据、移动互联网、物联网、人工智能等新兴信息技术蓬勃发展。普惠金融在与数字技术融合的过程中发展为“数字普惠金融”，各类依托互联网平台的新型金融服务进一步激发了普惠金融发展的活力。
自2005年普惠金融的理念形成以来，中国普惠金融政策产生的减贫效应越来越受到学者的关注。朱一鸣和王伟（2017）发现，普惠金融有利于增加农村居民收入情况，但其减贫增收效果在不同收入的个体间存在显著的异质性，对非贫困县农村居民的减贫效应明显大于贫困县[1]。刘金全和毕振豫（2019）基于经济增长和贫困减缓的视角，利用合成的省域普惠金融指数，实证分析了普惠金融对城乡收入差距的影响，结果显示普惠金融发展可以直接缩小城乡收入差距，同时通过经济增长和贫困减缓两个渠道对城乡收入差距带来间接的减小效应[2]。
2016年，G20杭州峰会制定了《G20数字普惠金融高级原则》，成为首个具有全球意义的数字经济重要指导原则，标志着“数字普惠金融”概念的诞生。关于金融扶贫的研究逐渐转向数字普惠金融。黄倩等（2019）实证检验了数字普惠金融的减贫效应，并从收入增长和收入分配双重视角探究数字普惠金融减缓贫困的内在机制[3]。刘锦怡和刘纯阳（2020）考察了数字普惠金融的减贫效果及影响机制，发现数字普惠金融减缓农村贫困的直接机制是互联网信贷和互联网保险发展，间接机制为增加个体就业和私营企业就业，且前者的减贫效果更好[4]。
孙继国等（2020）基于CHFS 2017数据探究数字金融对相对贫困的减缓效应，并发现数字金融可以明显减缓相对贫困，其减贫效应存在区域差异和城乡差异。此外，数字金融可以通过居民创业、信贷约束和农业风险作为中介变量而减缓相对贫困[5]。
基于上述研究成果，本文以“居民人均消费水平”衡量贫困减缓，以“北京大学数字普惠金融指数”衡量地区数字普惠金融发展水平，利用2013—2018年省级面板数据对我国数字普惠金融的减贫效应进行实证分析。
1 模型构建与数据描述
1.1 模型构建
在构建模型以探究数字普惠金融的减贫效应时，数字普惠金融的发展水平在不同地区各不相同，具有较为明显的地区差异性。为了避免因遗漏不可观测的变量引起的内生性问题，构建以下固定效应模型：
其中，Povertyit为被解释变量，代表第i个省份在第t年的贫困状况;DIFit为解释变量，表示第i个省份在第t年的数字普惠金融发展水平。Xit表示控制变量，在回归模型中加入影响贫困状况的其他因素，具体包括：财政支出水平，用地方政府一般性预算支出表示（FE）;教育支出水平，用教育支出与财政支出之比表示（Edu）;经济发达程度，用地方人均GDP表示（Pergdp）;对外开放程度，用进出口总额在地区GDP中的占比表示（Open）;城市化水平，用地区总人口中城镇人口所占的比重表示（Urban）。θi表示省份固定效应，εit表示随机误差项。
1.2 数据与变量描述
本文以2013—2018年中国31个省（直辖市、自治区）为研究样本。居民人均消费水平、财政和教育支出水平、城市化水平等数据来源于国家统计局官方发布的《中国统计年鉴》。数字普惠金融指数来源于北京大学数字金融研究中心[6]，由覆盖广度、使用深度和数字化程度3个一级维度构成。为降低数据变动幅度过大带来的影响，除教育支出水平、对外开放程度、城市化水平外，其他变量均取对数形式计算。变量定义及描述性统计如表1所示。
2 实证分析
2.1 基准模型回归
从省域层面实证检验数字普惠金融的减贫效应，得到的结果如表2所示。第（1）列展示了混合回归的回归结果，数字普惠金融对贫困减缓有显著的正向作用，数字普惠金融指数每提高1个单位，居民人均消费约提高0.433个单位。
进一步采用固定效应模型（FE）进行回归，结果如表第（2）列所示。结果表明，数字普惠金融对居民消费水平有显著的正向影响，并通过1%统计水平下的显著性检验，具有明显的减贫效果。从边际效应上看，数字普惠金融指数每提高1个单位，居民人均消费约提高0.466个单位。在固定效应模型中，F检验的P值为0.0000，说明不同个体拥有各自的截距项，因此使用FE模型要优于混合回归。
2.2 稳健性检验
为了验证在不同情况下数字普惠金融的减贫效果是否一致，本文进一步进行了稳健性检验。首先采用最小二乘虚拟变量模型（LSDV）进行回归，结果展示在第（3）列。可以看到LSDV回归与FE回归的变量系数和显著性均保持一致，且大多数省份的虚拟变量都很显著，可以认为个体效应存在。考虑到固定效应模型和随机效应模型中均可能存在个体效应，本文又进行了随机效应FGLS回归，结果如第（4）列所示。数字普惠金融仍然对贫困减缓起着显著的正向作用，结果稳健。 2.3 区域异质性分析
为检验数字金融的发展对不同发展水平区域的减贫效果，观察数字金融的减贫效应是否存在区域异质性，本文将所有省份划分为东、中、西部地区，采用FE模型实证分析了数字金融对不同地区贫困减缓的效果，结果如表3所示。
由表3可知，各地区的系数均通过显著性检验，其中东部地区的减贫效应系数为0.552，高于平均水平，而中部地区和西部地区减貧效应的系数均低于全样本回归，这说明各地区的数字金融都有明显的减贫效应，且经济发达的东部地区的减缓效果要高于中西部地区。这可能是由于数字普惠金融对贫困的减缓存在门槛效应，在经济发展水平较低时，数字普惠金融的减贫效应尚不明显，随着经济发展水平的提升，当越过某一门槛后，数字普惠金融的减贫效应会逐渐增强[7]。
3 结语
本文基于2013—2018年中国31个省（直辖市、自治区）的面板数据，利用固定效应模型和随机效应模型，实证检验了数字普惠金融的减贫效应。研究结果：全样本分析结果表明，数字普惠金融对居民贫困有明显的减缓作用，数字普惠金融指数每提高1个单位，居民人均消费水平约提高0.42～0.47个单位。从地区异质性来看，数字普惠金融对各地区都有明显的减贫效应，且对经济发达的东部地区的贫困减缓程度高于中西部地区。
基于研究结论，本文提出以下政策建议：一是继续强化金融工具宣传，引导贫困人口正确认识并利用数字金融工具，扩大数字金融减贫的覆盖面。二是加快金融科技和金融服务创新，深度融合传统金融和数字金融，利用数字化金融产品提升居民生活水平。三是完善数字基础设施建设，尤其在欠发达地区，要注重新型基础设施建设，在5G互联网、大数据中心、人工智能等领域快速推进，助力数字普惠金融均衡发展。
参考文献
朱一鸣，王伟.普惠金融如何实现精准扶贫？[J].财经研究，2017（10）.
刘金全，毕振豫.普惠金融发展及其收入分配效应——基于经济增长与贫困减缓双重视角的研究[J].经济与管理研究，2019（04）.
黄倩，李政，熊德平.数字普惠金融的减贫效应及其传导机制[J].改革，2019（11）.
刘锦怡，刘纯阳.数字普惠金融的农村减贫效应：效果与机制[J].财经论丛，2020（01）.
孙继国，韩开颜，胡金焱.数字金融是否减缓了相对贫困？——基于CHFS数据的实证研究[J].财经论丛，2020（12）.
郭峰，王靖一，王芳，等.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（04）.
汪晓文，崔晓烨.普惠金融减贫效应的区域差异及门槛特征研究——基于省级面板数据的实证分析[J].金融发展研究，2019 （12）.