数字普惠金融对河南省城乡居民收入差距的影响

摘 要：基于2011—2021年河南省17个市的面板数据建立固定效应模型，研究数字普惠金融对城乡居民收入差距的影响。研究发现：河南省17个市的城乡居民收入差距较大，存在区域不平衡情况；通过固定效应模型分析，发现数字普惠金融发展有助于缩小城乡居民收入差距，异质性分析发现，数字普惠金融覆盖广度、使用深度和数字化程度的提升均能缩小城乡居民收入差距，并通过了稳健性检验。针对研究结果，笔者提出大力发展农村数字普惠金融、提升农村数字普惠金融服务水平等建议，以促进数字普惠金融发展。

关键词：数字普惠金融；城乡居民收入差距；固定效应

中图分类号：F832.35 文献标志码：A 文章编号：1674-7909（2023）20-47-5

0 引言

党的二十大报告指出，我国城乡区域发展和收入分配差距仍然较大。以河南省为例，2022年，河南省城镇居民人均可支配收入38 484元，农村居民人均可支配收入18 697元。河南省城乡居民收入差距较大，区域发展不平衡。随着我国金融市场的发展和数字技术的进步，数字普惠金融能够为城乡居民带来更多的金融创新产品和金融服务。近年来，普惠金融产品走进农村，数字技术与普惠金融产品的融合使得农村居民能够享受到更多的普惠金融政策，数字普惠金融在农村普及、使用等能有效缩小城乡居民收入差距，促进农村经济发展。2023年中央一号文件要求深入实施数字乡村发展的具体行动，要进一步推动数字化应用场景研发推广，进一步健全农村金融服务体系。因此，研究数字普惠金融对城乡居民收入差距的影响具有一定的现实意义。基于此，笔者利用2011—2021年河南省17个市的面板数据建立固定效应模型，研究数字普惠金融对河南省城乡居民收入差距的影响，并探索促进河南省数字普惠金融发展以缩小城乡居民收入差距的路径。

1 研究概况

很多学者从不同角度、不同方面对数字普惠金融进行研究，特别是一些学者采用门限模型、固定效应模型、空间杜宾模型等研究数字普惠金融如何影响城乡居民收入差距。李牧辰等［1］认为数字普惠金融可整体缩小城乡收入差距，但其发展广度、深度、数字化程度对城乡收入差距影响不一，而且在我国的东部、中部、西部，数字普惠金融对城乡居民收入差距的影响也不同，其在缩小城乡收入差距方面存在门槛效应。陈永红等［2］以长三角26个城市群建立数据模型，认为数字普惠金融的发展可以有效缩小城乡居民收入差距，同时存在城市等级和结构上的异质性，且存在单门槛效应。杨德勇等［3］运用门限模型寻找数字普惠金融对城乡居民收入差距的最优收敛区间，并发现只有数字普惠金融覆盖广度、使用深度和数字化程度达到一定程度，才能明显收敛城乡居民收入差距，城乡居民收入差距较大的14个省份和城乡居民收入差距较小的17个省份，数字普惠金融覆盖广度、使用深度和数字化程度对城乡居民收入差距的收敛效果存在较大差异。刘小春等［4］利用江西省面板数据建立固定效应模型进行分析，并根据城镇化率水平将11个地市分为3类城市，认为3类城市存在异质性，结果显示，在缩小城乡居民收入差距方面，数字普惠金融能发挥显著作用，且越是在城镇化率较高的城市对城乡居民收入差距的影响越显著。杨怡等［5］运用省级面板数据进行实证分析，将农村人力资本作为调节变量，将农业绿色全要素生产率作为中介变量，其认为在缩小城乡居民收入差距方面，数字普惠金融、农村人力资本的教育培训、健康类资本和迁移类资本等4个方面均发挥有效作用，数字普惠金融覆盖广度、数字化程度可正向影响（缩小）城乡居民收入差距，而数字普惠金融使用深度可负向影响（扩大）城乡居民收入差距。冯锐等［6］利用2011—2018年省际面板数据进行实证分析，结果表明，数字普惠金融对城乡居民收入影响呈现显著的门槛特征，数字普惠金融发展在基于金融服务数字化程度、金融服务覆盖广度和金融服务使用深度方面对城乡居民收入也存在门槛效应。以上学者均认为数字普惠金融能够缩小城乡居民收入差距，但数字普惠金融覆盖广度、使用深度和数字化程度在缩小城乡居民收入差距时发挥的作用不同。因此，笔者在研究数字普惠金融对河南省城乡居民收入差距的影响时，将数字普惠金融，以及数字普惠金融覆盖广度、使用深度和数字化程度等指标均加入模型进行分析，为进一步缩小河南省城乡居民收入差距提供依据。

2 河南省数字普惠金融和城乡居民收入分析

根据北京大学数字金融研究中心发布的《北京大学数字普惠金融指数》，河南省数字普惠金融指数从2011年的28.4提高到2021年的374.37，呈现逐年上升的趋势，表明河南省数字普惠金融水平逐年提升。河南省数字普惠金融覆盖广度由2011年的13.54提高到2021年的366.97，呈逐年上升趋势；使用深度由2011年的38.11上升到2021年的362.2，在2014年和2018年有稍许的下降，但整体呈上升趋势；数字化程度由2011年的59.81提高到2021年的420.96，在2016年和2017年出现过两次下降，但整体呈上升趋势。将河南省数字普惠金融指数与全国的平均水平对比，2011—2020年河南省数字普惠金融指数略低于全国平均水平，但在2021年略高于全国平均水平，说明河南省数字普惠金融发展与全国的步调保持一致，并且发展速度较快。

根据河南省统计局发布的数据，河南省城镇居民人均可支配收入从2011年的18 195元提高到2021年的37 095元，农村居民人均可支配收入从2011年的6 604元提高到2021年的17 533元，城镇居民和农村居民收入均明显增加。但是，2021年河南省城镇居民人均可支配收入是农村居民人均可支配收入的2.1倍，城镇居民人均可支配收入与农村居民人均可支配收入的差距由2011年的11 591元扩大到2021年的19 562元，反映出河南省城乡居民收入差距依然较大，城乡发展不协调的问题依然比较明显。

3 变量选取与数据来源

3.1 变量选取

3.1.1 被解释变量

一些学者会使用城镇居民与农村居民收入差、城镇居民与农村居民收入比、基尼系统或泰尔指数来衡量城乡居民收入差距。考虑影响城乡居民收入差距的人口结构和人口分布因素，为更好地反映人口对城乡居民收入差距的影响，笔者选用泰尔指数（theil）衡量城乡居民收入差距，替代被解释变量为城乡居民收入比（gap）。

3.1.2 解释变量

选取数字普惠金融指数（difi）作为核心解释变量，数字普惠金融覆盖广度（cov）、使用深度（bre）及数字化程度（dig）作为3个辅助解释变量，分别从3个维度解释数字普惠金融的发展情况。

3.1.3 控制变量

笔者经过综合考虑，选取地区生产总值（gdp）、城镇化率（urb，指城镇人口占总人口的比重）、受教育水平（edu，指普通高中在校生人数占常住总人口的比重）、产业结构［is，指第二产业和第三产业地区生产总值（Gross Domestic Product，GDP）之和与三次产业GDP总和的比值］、财政支出水平（gov，指一般财政预算支出占GDP的比重）。

3.2 数据来源

被解释变量与控制变量的数据来源于2011—2021年《河南统计年鉴》，解释变量数据来源于2011—2021年《北京大学数字普惠金融指数》。

3.3 变量描述性统计分析

基于2011—2021年河南省17个市的面板数据，对变量进行描述性统计分析（见表1）。由表1可知，泰尔指数为0.018～0.136；城乡居民收入比为1.636～2.956；数字普惠金融指数为23.88～330.51；数字普惠金融覆盖广度为4.49～355.50；数字普惠金融使用深度为27.07～288.62；数字普惠金融数字化程度为41.40～324.11；产业结构为0.530～0.987；城镇化率为0.311～0.791；受教育水平为0.013～0.039；财政支出水平为0.089～0.231；因地区生产总值数值过大，直接取对数，取对数后的地区生产总值为24.636～27.869。需要注意的是，为避免产生异方差和标准差过大的问题，后续做模型分析时将变量选择为取对数值或取缩小倍数值，便于进行科学分析。

4 实证分析与检验结果

4.1 模型选择比较

面板数据模型有混合效应模型、固定效应模型和随机效应模型，对2011—2021年河南省17个市面板数据进行F检验、BP检验和豪斯曼检验，根据检验结果选择合适的模型，面板模型选择检验结果如表2所示。由表2可知，混合效应模型和固定效应模型对比，F检验的P值为0（<0.05），故选择固定效应模型；混合效应模型和随机效应模型对比，BP检验的P值为0（<0.05），故选择随机效应模型；固定效应模型和随机效应模型对比，豪斯曼检验的P值为0（<0.05），拒绝采用随机效应模型的原假设，故选择固定效应模型。从以上3种模型的对比结果来看，采用固定效应模型为宜。

4.2 固定效应模型构建

基于2011—2021年河南省17个市的面板数据，以theil、difi、is、urb、edu、gov、lngdp等变量建立固定效应模型，公式为

[theili，t=ai，t+β1difii，t+β2isi，t+β3urbi，t+β4edui，t+β5govi，t+β6lngdpi，t+εi，t] （1）

式（1）中：i表示第i个地级市，i=1，2，3，…，17；t表示年份，t=2011，2012，2013，…，2021；β1至β6表示变量的系数，ai，t是常数项，εi，t是随机项。

4.3 固定效应回归结果分析

在确定使用固定效应模型进行回归估计后，选择个体固定效应、时间个体双固定效应和时间固定效应3种模型进行分析，回归结果如表3所示。3种模型中，数字普惠金融指数与泰尔指数均呈显著负相关，但时间固定效应模型的R2较小，整体估计结果欠佳；时间个体双固定效应模型加入时间虚拟变量，从Stata软件的运行结果发现，时间虚拟变量P值均大于0.1，所以时间虚拟变量不显著，可知时间个体双固定效应模型回归结果不佳，因此，选择整体回归效果比较好的个体固定效应模型。

根据表3中加入解释变量和控制变量后的个体固定效应模型回归结果，数字普惠金融指数的估计系数为-0.263，表明在0.1%的水平下显著，数字普惠金融指数每增加1个单位，泰尔指数会降低0.263个单位。由此可知，河南省数字普惠金融能有效收敛城乡居民收入差距。从控制变量的回归结果来看，城镇化率可以缩小城乡居民收入差距，产业结构和财政支出水平则扩大了城乡居民收入差距。具体而言，产业结构的系数为正且显著，说明其扩大了城乡居民收入差距，也说明在河南省的产业结构优化过程中，城镇居民比农村居民获得了更多的就业机会或者更高的收入，导致了城乡居民收入差距扩大；城镇化率的系数为-0.325，在5%的水平上显著，表明河南省的城镇化建设取得一定的成效，农村居民享受到了城镇化带来的红利，进而收敛城乡居民收入差距。受教育水平的系数为-0.097，表明受教育水平对城乡居民收入差距起到缩小的作用。财政支出水平的系数为正，并且在5%的水平下显著，说明政府对城镇的财政支出高于对农村的财政支出，政府着重建设城镇，对农村的投入太少，一定程度上扩大了城乡居民收入差距。地区生产总值的系数为正，不显著，即地区生产总值的提高会阻碍城乡居民收入差距的缩小，原因可能是该阶段的河南省处于经济快速增长时期，导致城镇与农村居民收入差距扩大。

4.4 分维度异质性分析

为分析是否存在结构异质性，从数字普惠金融覆盖广度、使用深度、数字化程度3个方面分维度进行异质性检验分析，回归结果如表4所示。由表4可知，数字普惠金融覆盖广度、使用深度、数字化程度均与泰尔指数呈显著负相关，3个指标每增加1个单位，其对应的泰尔指数分别下降0.265、0.098、0.071个单位，说明拓展数字化普惠金融的3个维度均对城乡居民收入差距的缩小具有积极的作用。提升数字普惠金融覆盖广度有利于金融机构通过互联网、大数据、人工智能等技术对客户资源进行精准的识别，将养殖户、农业合作社等纳入服务对象，进而提高农村居民收入，缩小城乡居民收入差距；提升数字普惠金融使用深度，为农村居民提供了支付业务、保险业务、信贷业务等服务，使他们对于数字普惠金融有更深层次的理解，推动城乡融合发展；提升普惠金融数字化程度，为农村居民提供了更加便捷、安全、有效的金融平台。