徐晓红，董玉明
（安徽大学 经济学院，安徽 合肥 230610）
长三角地区是我国经济实力最强、发展动力最活跃、创新程度和开放水平最高的地区之一，在全国现代化建设大局中具有举足轻重的战略地位。但区域内发展不平衡不充分，跨区域共建共享共保共治机制不健全等问题还未得到改善，长三角地区也面临着三农问题，农村地区持续增收缓慢，农业内部增收乏力，劳动力资源素质不高，城乡收入差距扩大。在我国《长江三角洲区域一体化发展规划纲要》中，明确要求到2025 年，中心区城乡居民收入差距控制在2.2∶1 以内，到2019 年长三角地区仍有13 个地级市全市城乡收入差距超过2.2∶1。全面推动乡村振兴，加快农村农业现代化，农村金融作为解决“三农”问题的重要解决途径，存在着供给不足、覆盖广度小、使用深度浅等问题，由于数字普惠金融将传统普惠金融数字化，能够让农村居民进入金融服务体系中，其成本低，覆盖率广，可以有效解决金融排斥问题，在经济发展和缩小城乡收入差距中起到重要作用，应当以数字普惠金融助力乡村振兴。在农民问题上，数字普惠金融作为缓解“三农”客户和小微企业融资难问题的重要解决途径，通过对农业、农村金融融合，可以提高农村普惠金融覆盖广度和使用深度，能够有效提升农民收入、消费，对农民就业、创业都具有显著的积极影响。在农业问题上，数字普惠金融的应用，对农业产业链模式的整合，农业转型升级，农业生产规模效应的形成都有着强大的推动力。
国外学者大多数的研究集中在传统金融发展和普惠金融，对数字普惠金融的研究较少。在传统金融发展中，Greenwood 等首次构建了经济增长、金融发展和收入分配的动态模型，在库兹涅茨假说的基础上证实了金融发展与城乡收入分配符合“倒U 型”曲线[1]。直到2005 年普惠金融正式被联合国提出，相关的研究也开始出现，Sarma 等研究表明推动普惠金融高水平发展有助于改善城乡收入不平衡问题[2]。
国内学者对传统金融发展同样进行了有意义的探索，徐中生运用结构向量自回归模型，对中国1978—2007 年金融发展、城市化与城乡收入差距的关系做出实证研究，结果表明金融发展规模与城乡收入差距存在倒U 型关系，金融发展效率与城乡收入差距负相关[3]。随着2016 年数字普惠金融在G20 峰会首次提出，国内学者的研究方向也转向了数字普惠金融与收入分配的关系。相关研究主要分为以下几类。
（一）直接效应
数字普惠金融是能够直接影响城乡收入差距的。宋晓玲采用我国31 个省（区、市）2011—2015 年度数据构建平衡面板数据模型，实证分析表明数字普惠金融的发展能够显著缩小城乡收入差距[4]；
吴金旺通过对浙江嘉兴微观个体行为数据调研，研究发现数字普惠金融的提升能起到显著的减贫效应[5]。
（二）门槛效应
有学者发现数字普惠金融对城乡收入差距的收敛效应并非线性的，二者之间存在门槛效应。龚沁宜等研究发现数字普惠金融抑制农村贫困存在单一门槛特征值，只有经济发展水平跨过门槛值时，数字普惠金融才能抑制贫困[6]；
赵丙奇构建面板模型研究发现中国数字普惠金融能够缩小城乡收入差距，存在单一的门限效应[7]；
陈慧卿利用2011—2018 年的省际面板数据，发现数字普惠金融的减贫效应在经济发展水平、财政支出城镇化水平方面都有门槛效应[8]；
李季刚等研究发现数字普惠金融与乡村振兴的关系具有单一门槛特征，当数字普惠金融发展水平高于特定门槛值时，其对乡村振兴的促进作用可以获得大幅提升[9]；
曾福生等研究发现数字普惠金融的发展与消费贫困和收入贫困之间存在显著的单一门槛特征，门槛特征前后均能有效减缓消费贫困和收入贫困，且其减贫边际效用呈逐渐递增趋势，但数字普惠金融对于教育贫困的减缓作用并不理想[10]。
（三）中介效应
部分学者研究发现数字普惠金融对城乡收入差距的影响机制中有中介变量起到了作用。黄倩基于2011—2015 年的中国省际面板数据，研究发现收入增长和收入分配的改善是数字普惠金融促进减贫的重要机制[11]；
刘锦怡等认为数字普惠金融不仅能够促进金融可得性直接减缓农村贫困,同时也会通过增加经济机会间接减缓农村贫困[12]；
杨伟明等认为数字普惠金融通过促进经济增长和创业行为显著提高了我国城乡居民收入，但对城镇居民人均可支配收入的提升效果显著大于农村居民[13]；
张呈磊等研究发现数字普惠金融通过促进生存型创业从而改善了收入不平等[14]；
张碧琼等研究发现激发农村居民创业能够改善收入分配，主要体现在小微或劳动密集型创业[15]。
（四）异质性效应
李牧辰等从数字普惠金融的覆盖广度、使用深度、数字化程度、不同业务类型等方面开展结构性分析，研究发现覆盖广度和使用深度收敛了城乡收入差距，数字化程度扩大了城乡收入差距；
属于基础功能和主导功能的数字普惠金融业务具有收敛城乡收入差距的效应，而属于衍生功能的业务则有扩大城乡收入差距的趋势[16]；
谢地等构建乡村振兴发展指数，采用2011—2018 年省级面板数据，研究发现数字普惠金融能够推动乡村振兴发展数字普惠金融对乡村振兴发展的影响具有区域异质性，并且这种影响源于各地区数字基础设施和传统金融发展水平的差异，两者都有益于促进数字普惠金融助力乡村振兴[17]。
（五）空间效应
吴金旺等运用时刻固定效应的空间自回归模型，证实数字普惠金融具有明显的空间聚集性[18]；
李健伟运用空间计量模型，发现大部分地区普惠金融发展对缩小本地城乡收入差距有显著作用，但表现不完全一致，周边地区普惠金融发展对本地城乡收入差距的改善具有空间溢出效应，但不明显[19]；
刘丹等采用空间计量模型研究发现数字普惠金融发展对农民非农收入存在收敛效应，并且在中国不同省域之间均对农民非农收入存在正向溢出效应[20]；
郑志强研究发现数字普惠金融的发展不仅有能促进本地区农村减贫，还有助于其他地区农村地区贫困的减缓[21]；
部分学者采用空间邻接权重矩阵、地理权重距离和经济距离权重矩阵构建空间面板数据回归模型，研究发现数字普惠金融能够缩小城乡收入差距，具有正向的空间溢出效应[22-25]。
现有的文献对数字普惠金融对城乡收入差距的影响进行了深度的研究探索，但还未达成统一的意见，仍存在些许的问题。第一，多数集中在数字普惠金融对城乡收入差距的线性影响、门槛效应等，但忽略了空间因素；
第二，对于空间因素影响现有文献多数集中于全国宏观层面研究数字普惠金融对城乡收入的影响，对某个区域的地级市层面的分析很少，模型所采用的空间权重矩阵较为单一；
第三，核心解释变量数字普惠金融仅限于其综合指标对城乡收入差距的影响。
区别于现有文献，本文可能的边际贡献在于：第一，本文从市级层面出发，使用多个空间权重矩阵，在研究数字普惠金融总指标对城乡收入差距的影响的同时，分析三个一级指标覆盖广度，使用深度，数字化程度对城乡收入差距的异质性效应；
第二，在考虑经济、产业、政府干预等控制变量的情况下，加入互联网普及这一因素，互联网的普及是未来发展的必然趋势，互联网的普及一方面丰富非农就业机会，降低自主创业门槛且效益高，有利于缩小城乡收入差距，另一方面能够提高各区域间信息流通程度，有利于打破数字鸿沟，促进数字普惠金融的发展，数字普惠金融、互联网普及与城乡收入差距之间并非毫无关联的，本文在探讨互联网普及对城乡收入差距影响的同时，实证分析数字普惠金融及其三个一级指标与互联网普及的交互项对城乡收入差距的影响。
长三角地区三省一市共计41 个地级市。本文以41 个地级市为样本，利用北京大学数字普惠金融指数和41 个地级市2011—2019 年市级面板数据，来研究数字普惠金融对城乡收入差距的影响。
（一）模型构建
1.基准模型设定
空间计量模型主要包括SEM 模型，SAR 模型和SDM 模型。SEM 模型通过误差项来体现空间效应；
SAR 模型的空间效应是通过本地区的解释变量的改变影响其他地区的被解释变量；
SDM 同时考虑了两种模型的作用机制，根据LR 检验和LM 检验可以判断选择哪种模型是最优的，若LR 检验显著拒绝原假设，则SDM 不能转化为SAR 和SEM 模型。本文设定以下三种模型：
其中，gapit为i城市第t年的城乡收入差距，Xit为i城市第t年的各控制变量的值，εit表示随机误差。
2.空间矩阵选择
本文选择是否邻接的处于静态的空间邻接权重矩阵和处于动态的包含经济，地理距离特征的经济距离权重矩阵。
空间邻接权重矩阵（W1）：若两个地区相邻，相应的元素为1，否则为0
（二）指标选取
1.被解释变量
城乡收入差距（gap）：本文选用城镇居民人均可支配收入和农村居民人均可支配收入的比值来衡量城乡收入差距的相对水准。比值越小，城乡收入差距越小；
比值越大，城乡收入差距越大，面临的问题也就越严重。
2.核心解释变量
数字普惠金融指数（difi）：该指标是北京大学数字金融研究中心和蚂蚁金服集团合作研究的，根据蚂蚁金服数字普惠金融海量微观数据提出，编制了包括31 个省（区、市）、337 个地级以上市、1 754 个县在内的三级、数字普惠金融指标。该指标包含覆盖广度（cover），使用深度（use），数字化程度（digit）三个一级指标维度，考虑了支付、货币基金、信贷、保险、投资、信用等多方面，再通过无量纲化和层次分析发赋予每个指标权重，最终合成单一指标[27]。
本文选用的是2011—2019 年长三角41 个地级市的总指标和三个一级指标作为核心解释变量，考虑量纲问题，借鉴赵丙奇的处理方法[7]，以指数在100 中的百分比值作为原始数据。
3.控制变量
考虑到数据的可获得性和直观性，同时参考其他学者在这方面的研究成果，本文选取如下7 个代表性指标。
（1）经济发展规模（lnpgdp）：地方经济水平高低会显著影响城乡收入差距，本文采用各市的人均GDP 表示经济发展水平，并做对数处理。
（2）产业结构（is）：产业结构对城乡收入差距存在一定影响，本文采用第二、三产业的增加值与GDP 的比值来衡量。
（3）政府财政支出（pay）：政府财政支出可能倾向于城市，对城乡收入差距存在影响，本文选取当地财政支出占GDP 的比重来衡量。
（4）城镇化水平（ur）：城镇化进程会鼓励农民提高劳作效率，从而增加农民劳动收入，缩小城乡收入差距。本文用城镇人口比重来表示。
（5）教育水平（lnedu）：教育水平作为一项人力资本投资可能会影响城乡收入差距。本文用每十万人口受高等教育的在校学生人数来衡量，并做对数处理。
（6）对外开放程度（open）：相较于交通和基础设施落后的农村地区，外企更倾向于进驻城镇地区，带来的城市收入的增加会扩大城乡收入差距。本文用进出口总额和GDP 的比值衡量对外开放程度。人民币与美元按当期汇率换算。
（7）互联网普及率（net）：互联网的使用可提高农业收入，在一定程度上改善城乡收入差距。本文用互联网宽带接入户数/户籍人口来衡量。
考虑到互联网普及率在一定程度上影响了城乡收入差距，同时与数字普惠金融息息相关，故本文引入数字普惠金融和互联网普及率的交互项，分析其对城乡收入差距的影响。
（三）数据来源和描述性分析
本文选取的数据来源于2012—2020 年《上海市统计年鉴》《江苏省统计年鉴》《浙江省统计年鉴》《安徽省统计年鉴》《中国城市统计年鉴》与《北京大学数字普惠金融指数报告》。选取2011—2019 年长三角41 个地级市的指标数据。本文选取的变量如表1 所示。
表1 描述性统计
（一）空间相关性检验
在引用空间计量模型之前需要确定变量是否存在空间相关性，本文使用全局Moran’ I来检验城乡收入差距和数字普惠金融的空间聚集状况，全局Moran’ I 公式如下：
若相关变量的Moran’s I大于0 并且越接近于1 则说明此时相关变量的正相关性越强，空间聚集越明显，即高值与高值聚集在一起，低值与低值聚集在一起；
反之则表示空间负相关，即高值与低值聚集。检验结果见表2，2011—2019 年长三角地区41 个地级市的gap和difi均通过了1%的显著性水平检验，表明41 个地级市的城乡收入差距和数字普惠金融都呈现出显著的正向空间相关性。从各变量的Moran’ I变动情况来看gap和difi在波动中有所下降，说明长三角地区的城乡收入差距和数字普惠金融正在逐步趋向于均衡发展。
表2 两种权重下长三角地区城乡收入差距与数字普惠金融的全局Moran’s I
为分析长三角地区41 个地级市城乡收入差距和数字普惠金融指数空间自相关性的变化，以邻近空间权重矩阵为例，分别绘制了2011 年和2019 年数字普惠金融与城乡收入差距的局部莫兰散点图（图1～4）。发现无论是城乡收入差距还是数字普惠金融指数，2011 年绝大多数城市都集中在Ⅰ、Ⅲ象限，只有极少数存在于Ⅱ、Ⅳ象限，这种情况在2019 年仍然存在，但相对有所改善，最为明显的是安徽省，在2011 年，大部分城市的城乡收入差距存在“高—高”聚集，数字普惠金融存在“低—低”聚集，而到了2019 年，情况有所好转。
图1 2011 年城乡收入差距莫兰散点图
（二）空间计量模型检验及选择
关于空间计量模型的选择，根据LM 检验和LR 检验，来选取最优模型形式。检验结果如表3 和表4，在邻近权重矩阵中，LR 检验均显著拒绝原假设，表明SDM 模型无法退化成为SAR 模型和SEM 模型，在经济距离权重矩阵中，均未通过LR 检验，综合考虑LM 检验结果，同时建立SEM 和SAR 模型进行对比分析。同时，在Hausman 检验中，P值均在1%的显著性水平上拒绝原假设，所以本文选取固定效应模型。
表3 基于邻近权重矩阵回归模型的LR 检验
表4 基于经济距离矩阵回归模型的LR 检验和LM 检验
（三）结果与分析
表5 为邻近权重矩阵的SDM 模型，表6 为经济地理权重矩阵的SAR 和SEM 模型，结果显示，模型（1）～（8）的空间滞后系数和模型（9）～（12）的空间误差系数均显著为正，说明长三角地区在分析数字普惠金融对城乡收入差距的影响时不能忽略空间因素和地理因素。同时可以看到在不同的矩阵中，数字普惠金融及其一级指标的系数均显著为负。一定程度上说明数字普惠金融对缩小城乡收入差距存在正向效应。
表5 基于邻近权重矩阵的SDM 模型回归结果
表6 基于经济距离权重矩阵的SAR 模型和SEM 模型的回归结果
图2 2019 年城乡收入差距莫兰散点图
因为SDM 模型和SAR 模型中包含全局效应，参数的点估计并不能得到数字普惠金融对城乡收入差距的边际影响，在分析其结果时可能存在一定误差，本文利用效应分解法，将解释变量对被解释变量总效应分解为直接效应和间接效应。借鉴Lesage 等[28]的做法，对直接效应、间接效应和总效应进行了测度，如表7～9 所示。SDM模型直接效应表示某地区解释变量对被解释变量的影响，其还包括反馈效应，即对其他地区的影响又反过来影响该地区；
间接效应该地区的解释变量变动对其他地区被解释变量的影响；
总效应表示解释变量对被解释变量总体的影响；
SAR 模型的间接效应表示解释变量对本地区被解释变量造成影响，从而引起本地区被解释变量对其他地区的被解释变量造成影响。
表7 核心解释变量的直接效应、间接效应和总效应
图3 2011 数字普惠金融莫兰散点图
图4 2019 年数字普惠金融莫兰散点图
在模型（1）和模型（5）中，数字普惠金融对城乡收入差距影响的直接效应和总效应均在1%水平下显著为负，间接效应在模型（1）中为负但不显著，在模型（5）中显著为负，说明长三角地区数字普惠金融的发展能够显著缩小城乡收入差距，虽然不能突破地理空间的限制，但能够通过缩小本地区的城乡收入差距从而缩小其他地区的城乡收入差距。在模型（2）和模型（6）中，数字普惠金融覆盖广度对城乡收入差距的直接效应和总效应均显著为负，间接效应在模型（2）中不显著，在模型（6）中显著为负，表明数字普惠金融覆盖广度的扩大对本地区的城乡收入差距存在收敛效应，对其他地区城乡收入差距的收敛效应不显著，但在本地区城乡收入差距对其他地区城乡收入差距的收敛效应中能起到正向的中介效应，覆盖广度的扩大能够让金融服务更加直接，使用者可以突破时间和地域的束缚，此外能够覆盖传统金融的服务盲区，有利于缩小城乡差距。在模型（3）和模型（7）中，数字普惠金融发展深度对城乡收入差距的直接效应和总效应均显著为负，间接效应在模型（3）不显著，在模型（7）中显著为负，表明数字普惠金融发展深度能够缩小本地区城乡收入差距，在空间上对城乡收入差距没有收敛效应，但能在本地区城乡收入差距改善其他城市城乡收入差距的作用中起到正向作用，在使用深度方面，数字普惠金融能提供多元化服务：支付、基金、信贷、保险、投资和信用等，使用成本更低，有利于提高居民收入，改善城乡收入分配的失衡。在模型（4）和模型（8）中，普惠金融数字化程度对城乡收入差距影响的直接效应和总效应均显著为负，间接效应在模型（4）中不显著，在模型（8）中显著为负，说明数字普惠金融数字化程度对本地区城乡收入差距起到了正向作用，在空间溢出效应中不显著，但能够促进本地区城乡收入差距对其他城市城乡收入差距的正向空间溢出效应，金融的数字化程度的提升能够降低金融服务的门槛和成本，提高金融服务的效率，从而缩小城乡收入差距。
数字普惠金融和互联网普及率的交互项、覆盖广度和互联网普及率的交互项、使用深度和互联网普及率的交互项以及数字化程度和互联网普及率的交互项对城乡收入的直接效应在SDM 模型和SAR 模型中显著为正，间接效应在SDM 模型中不显著，但在SAR 模型中显著为正，表明数字普惠金融发展指数和三个一级指标与互联网普及率的交互作用会扩大本地区的城乡收入差距，进而会使得本地区城乡收入差距对其他地区城乡收入差距造成负向作用。观察到四个指标与互联网普及率的交互项系数会小于数字普惠金融指标及其三个一级指标与互联网普及率系数的绝对值，所以总体上而言，数字普惠金融和互联网普及率的发展对缩小城乡收入起到正向作用。我国数字普惠金融还处于发展阶段，在长三角地区可看到明显的地区差异，随着互联网的普及，农村居民接触金融服务的机会也会越来越多，有助于缩小城乡收入差距，但在信息获取方面必将造成“数字鸿沟”，可能导致城乡收入差距的进一步扩大。
控制变量中，互联网普及率，产业结构与城镇化水平对城乡收入差距影响较为显著。互联网普及率对城乡收入差距的直接影响和总效应在SDM 模型和SAR 模型中显著为负，间接效应在SDM 模型中不显著，在SAR 模型中显著为负，表明互联网普及率能缩小本地区城乡收入差距，不具有空间溢出效应，但能够通过缩小本地区城乡收入差距从而缩小其他地区城乡收入差距。产业结构对城乡收入差距的直接影响在SDM 模型和SAR 模型中显著为正，间接效应在SDM 模型中不显著，在SAR 模型中显著为正，说明产业结构会扩大本地区城乡收入差距，虽然不能打破地理限制，但在本地区城乡收入差距对其他城市的收敛效应中起到负向作用。城镇化水平的直接影响在SDM 模型和SAR 模型中显著为负，间接效应在SDM 模型中不显著，在SAR 模型中显著为负，表明新型城镇化的发展缩小了本地区城乡收入差距，对其他地区城乡收入差距的收敛效应不显著，但在本地区城乡收入差距对其他地区城乡收入差距的收敛效应中能起到正向作用。互联网的普及能够促进农民非农就业，丰富农民收入来源，近年来，农村电商，互联网+农业式的直播带货的兴起，丰富农民收入来源，从而缩小城乡收入差距。新型城镇化能够促进教育资源分配，强化农村人力资本提升和产业结构升级的有效衔接，进而促进城乡收入平衡。
表8 交互项的直接效应、间接效应和总效应
本文基于2011—2019 年长三角地区三省一市共41 个地级市的面板数据，通过计算全局Moran’s I和局部Moran’s I对数字普惠金融与城乡收入差距的空间相关性进行分析，构建SDM 模型、SAR 模型、SEM 模型分析数字普惠金融对城乡收入差距的影响和空间效应。研究发现：第一，数字普惠金融和城乡收入差距在长三角各地区之间存在明显的正向空间聚集效应；
第二，数字普惠金融及其覆盖广度、使用深度、数字化程度和互联网普及率能够缩小城乡收入差距，虽然不能打破地理限制，但在本地区城乡收入差距对其他地区城乡收入差距的空间溢出效应中起到正向作用；
第三，数字普惠金融与互联网的共同影响会扩大城乡收入差距，存在异质性，没有空间上的溢出效应，总体来看，二者都是能够缩小城乡收入差距的；
第四，城镇化的发展也能够缩小城乡收入差距，促进本地区城乡收入差距对其他地区城乡收入差距的收敛效应。
结合以上实证研究和长三角地区具体情况，本文提出以下建议。
第一，持续大力推动数字普惠金融发展，提高农村居民金融素质。数字普惠金融是我国金融供给侧结构性改革的重要着力点，作为面向社会各阶层提供金融服务的重要形式，应加大对数字普惠金融的宣传和必要金融知识的普及，特别是农村地区，乡镇居民的数字素养仍有待提高，地方政府、机构应定期开展面向农村居民的金融知识教育。推动数字普惠金融的发展，要扩大其覆盖广度，使用深度和数字化程度，这样才有利于收入的分配，更好的普惠城乡居民，同时缩小城乡收入差距。
第二，加深农村居民对互联网的使用深度。互联网的普及能够为农村居民提供更多的收入途径，例如农村电商，物流等；
数字普惠金融影响城乡收入差距是依赖于互联网的，互联网的普及能够让更多的居民接触到金融服务，同时有助于数字农业的布局。
表9 控制变量的直接效应、间接效应和总效应
第三，推进城镇化进程。城镇化发展促进了农村劳动力流入城镇劳动力市场，增加了城市劳动力的市场竞争力，城市劳动力的收入会有所下降；
城镇化会推进农业现代化进程，会大幅提高农村居民的劳动生产率，从而会缩小城乡收入差距。
第四，加强都市圈的打造。都市圈政策的实施能够加强地区间的合作，有利于数字普惠金融空间相关性的增强，促使数字普惠金融对城乡收入差距具有地区间的正向溢出效应，发挥其地区辐射作用，缩小城乡收入差距。
猜你喜欢 普惠差距城乡 探索节能家电碳普惠机制 激发市民低碳生活新动力节能与环保(2022年3期)2022-04-26日照银行普惠金融的乡村探索商周刊(2018年10期)2018-06-06农村普惠金融重在“为民所用”商周刊(2018年10期)2018-06-06难分高下，差距越来越小 2017年电影总票房排行及2018年3月预告榜家庭影院技术(2018年3期)2018-05-09城乡涌动创业潮红土地(2018年12期)2018-04-29金融科技助力普惠金融商周刊(2017年12期)2017-06-22城乡一体化要两个下乡中国老区建设(2016年8期)2016-02-28缩小急救城乡差距应入“法”中国卫生(2015年5期)2015-11-08城乡一体化走出的新路中国卫生(2015年6期)2015-11-08幻想和现实差距太大了爆笑ｓｈｏｗ(2014年3期)2014-06-25