数字普惠金融对农民增收的本地和邻地效应——基于动态空间杜宾模型的估计

周菁怡

(南京农业大学， 江苏 南京 210000)

近年来，随着乡村振兴的深入，如何帮助农民实现收入增长已成为重中之重。传统的金融模式往往会受到成本和服务半径的制约，在农村地区存在金融服务成本高、供应不足的难题。而数字普惠金融消除了传统金融模式的弊端，通过将数字技术与产业化金融服务的结合，不断提高经济领域的数字化、网络化、智能化水平，有效缓解了农村金融的高成本、低收益、效率与安全性的失衡[1-3]，给农民增收带来了新的机遇。因此系统地研究数字经济对农户增收的影响并识别出其内在的作用机制是十分必要的。基于此，本研究以农民收入结构为切入口，探讨数字普惠金融对农民收入的增收效应，以期为进一步通过数字普惠金融推动农户的收入增长提供理论支持和政策参考。

从实证研究的论文中发现，测度普惠金融发展水平的体系多是围绕普惠金融指数开展的，并基于此对农民收入展开了相关研究[4-5]。然而，由于城乡发展差异，农村地区的金融发展水平往往落后于城市地区，又不存在区分农村与城镇的普惠金融指数，但是仅通过包含城镇样本的普惠金融指数并不能客观真实地反映出各省的农村普惠金融发展水平，因而基于此所得出的结论会存在一定的偏差。综上所述本文，一方面采用动态空间杜宾面板模型来探讨数字普惠金融的发展对农民增收的效应，深入了对此类问题的分析；另一方面关注数字普惠金融的“本地-邻地”协同效应，在选取计量模型时考虑空间因素，更加精确地描述了其对农民增收的空间外溢效应，有助于厘清当前农村数字经济的发展现状，并为更好地发展数字普惠金融提出更恰当的建议。

1 相关研究评述和假说提出

随着国家越来越重视乡村振兴，农村地区成为了发展数字金融体系的蓝海地区，国内外学者就数字普惠金融的发展对农村地区的减贫效应陆续开展了大量研究。研究分析1994-2006年的小额信贷数据，张立军等[6]发现小额信贷的发展能够帮助农民实现增产增收，能显著降低当地的贫困水平。在分析印度农户时，Binswanger等[7]发现普惠金融对农民人均收入水平有显著的提高作用。夏玲[8]认为数字普惠金融的发展实现了对农民人均可支配收入的增长，并因此缓解了贫困问题。由此可见，学者们得出了基本一致的结论：数字普惠金融的发展能够有效帮助农民实现增收，帮助农民实现脱贫。故提出假设1：

假设1：普惠金融的发展能够帮助农民实现增收。

考虑到农村数字金融在发展的初期可能存在虹吸效应，要素回报率较高的地区会率先得到发展[9]，促使人力和资本要素的快速流入，而这种现象对农民的增收会产生不利影响。但当发展到一定阶段，本地普惠金融的虹吸效应会转变为对周边地区的辐射效应，会带动周围地区的农村居民收入增长[10]。据此，可认为数字经济存在空间溢出效应对邻近地区农民收入有不同程度的影响。借助科技进步和互联网的发展，数字普惠金融能够解决物理上地域限制，给远距离的数字金融服务提供了便捷可行性，从而有助于周边省份的农户收入水平的提升。在普惠金融的作用下，区域与区域之间的空间结构将会被打破，将会形成更加灵活便捷的空间聚集和扩散效应，可实现人才、资金、技术等要素的整合分配。由此，本文提出假设2：

假设2：普惠金融的发展对周边地区的农户收入的增长产生明显的空间溢出效应。

2 研究设计

2.1 变量选取与数据来源

2.1.1被解释变量 本研究使用农民收入水平及收入结构作为其被解释变量，通过对其取对数(lnY)作为衡量各省农民收入水平的标准。从2013年开始，我国农民收入的统计口径发生了变化，由原先统计农村居民的纯收入转变为统计农村居民的可支配收入。由于前后计算方式无较大变化，可以混合使用这2种口径的农村居民收入[11]。从农村农民的经济来源分析，农民可支配收入可以分为4个部分：工资性收入、家庭经营性收入、财产性收入及转移性收入者。本文考虑到在农民收入占比中，工资性收入和家庭经营收入占比较大且逐年增长[12]，故本研究选取这2个变量作为分指标进行回归。工资性收入是指农村居民通过其他雇佣劳动获得的经济报酬，家庭经营性收入是指买卖农产品所取得的经济报酬。

2.1.2核心解释变量 本研究使用普惠金融指数的对数(lnIfi)来描述中国数字经济的发展情况，该指数由北京大学数学金融研究中心协同蚂蚁金服集团编制而成[13]。该指数包含了3个维度的指标：覆盖广度、数字支持服务程度和使用深度。覆盖广度是指具体地区的电子账户数；使用深度是指具体的互联网金融的使用情况；数字支持服务程度主要包含可得性和性价比方面。在此基础上，细分了支付、保险、货币基金、信用服务、投资、信贷等各种业务[14]。

2.1.3控制变量 同时，为了解决内生性问题，降低因遗漏变量导致的误差，本文参考刘秉镰等[15]、余新平等[16]和贾立[17]的研究，选取以下控制变量：(1)财政涉农支出(Rsz)，财政涉农支出意味着当地对农业农村发展的重视程度，政府愿意为农业产品付出多大的成本，是关乎农民增收的一个重要的外在变量，本文选取各省对农林水事务的支出作为衡量指标；(2)经济发展水平(Pgdp)，经济发展水平是当地农民增收的经济基础，本文选取人均GDP的对数作为衡量指标；(3)产业结构(Str)，产业结构奠定了农民收入的基础，本文选取二三产业占地区GDP的比值作为控制变量；(4)人均农业机械总动力(Power)，人均农业机械总动力给农民增收赋能，本文以农业机械总动力占农村人口数的比重作为衡量标准。

2.1.4数据来源 选取2011-2020年中国大陆30个省市自治区的面板数据(西藏地区由于数据缺乏，暂不作为考察样本)，共获得了300个观测值。其中，农民收入水平及收入结构、经济发展水平、人均农业机械总动力相关数据来自历年《中国农村统计年鉴》；产业结构、城镇化水平的数据来自历年《中国统计年鉴》；财政涉农支出相关数据来自各省统计局。各个变量的定义和描述性统计如表1所示。

表1 变量的描述性统计

2.2 模型构建

2.2.1空间计量模型设定 针对普惠金融和农村居民收入的相关性的研究，通常假设各省之间农村居民收入相互独立，但此假设已经很难满足进一步研究区域间农民收入波动的协同关系。如果在模型中忽略空间关联性，则会造成参数估计偏差，故需要借助空间面板计量模型对理论进行验证[18]。本文在分析时，不仅要考虑对本地农民收入水平的影响，同时还要考虑对邻地农民收入水平的影响。故本文采用空间计量模型如下：

Yit=α+τWi,t-1+ρWiYt+βIfit+θWiIfiitβμi+γt+εit

(1)

εit=δWiεt+φit

(2)

其中，Yit表示本文的被解释变量，采用农民人均可支配收入来衡量。W指的是空间权重矩阵。τ为空间动态回归系数，反映了农民收入波动水平的路径依赖特征，空间滞后项WiYt的系数ρ为空间自回归系数，反映了地区间农民收入水平的关联。β为解释变量回归系数，反映了本地区普惠金融的发展水平对农民收入水平的影响，空间滞后项Wi×Ifit的系数为解释变量空间回归系数向量，反映了其他地区普惠金融发展水平的变动带来的影响。θ为空间误差回归系数向量，μi表示个体效应，γt表示时间效应，ψit是服从独立同分布的随机干扰项，i表示省份，t表示年份。

2.2.2空间权重矩阵的选取 空间权重矩阵，是关于农村居民收入的空间自回归过程的矩阵。在实际的分析中，由于n×n维的矩阵W涵盖了区域i和区域j之间空间联系的信息，因此该矩阵是外生的，只需要利用不同省会间经度和纬度的坐标来计算的地理距离，计算公式如下：

(3)

Wij是空间权重矩阵的元素，通过研究变量在地理位置上是否相邻，来对其赋值，构成矩阵W0。

3 实证分析

3.1 空间自相关检验

在进行空间计量模型的具体分析之前，首先要考虑空间自相关性，验证是否存在空间依赖性，因此，需要完成对空间自相关性进行检验。本文采用“莫兰指数I”(Moran′sI)指数考量其空间相关性，通过Moran′sI指数来确定使用空间计量模型的合理性[19]。Moran′sI指数介于-1～1之间，-1～0表示负相关，0～1之间表示正相关。当Moran′sI指数均为正且通过5%的显著性水平检验，就证明各省份之间的农民收入并非随机分布，而是存在高度联系的正向空间相关性，证实了采用空间计量方法的合理性。

结果如表2所示，2011-2020年的普惠金融Moran′sI指数较大，处于平稳波动态势。这说明，数字普惠金融作为一种新兴业务，在近些年的发展过程中，显示出较强的空间集聚性。同时，农民的Moran′sI指数显著为正，意味着各地区农民可支配收入并非独立存在的，而是有着显著的空间效应，即资源禀赋、经济发展水平接近的地区，农民的可支配收入往往越相似，呈现出空间关联。

表2 全局Moran′s I指数

3.2 基准回归结果

通过上述分析，农民可支配收入不仅受到本地普惠金融发展程度的影响，还会受到邻地农村居民可支配收入的间接影响，呈现出显著的空间性，这时若仍采用传统的计量分析则会造成结果上的误差。因此，本研究通过动态空间杜宾模型完成实证分析。

本研究利用动态杜宾模型进行估计，表3报告了数字普惠金融对农村居民增收的回归结果。结果显示，普惠金融指数对本地农村居民的影响显著，这说明了一个地区普惠金融的发展对当地农民增收有正向促进作用。具体来说，当地数字普惠金融的发展程度每提升1个单位，当地农户收入水平将会提升0.116个单位。通过之前的分析，数字普惠金融提升了金融的便利性和可得性，给农户提供了更好的发展环境，帮助本地农户提升了营收。普惠金融的发展推动了产业升级，给农村地区的剩余劳动力提供了就业，拓展了其收入渠道。数据证实了假设1。

需要注意到农民收入的空间滞后项(W×lnIfi)系数为-0.1877，该系数在1%的水平下显著，说明普惠金融的系数存在空间溢出效应，且值小于0，表示存在负的空间相关效应，这说明普惠金融的发展存在“马太效应”，普惠金融发展水平高的省份会吸引周围省份的资本，提升本地区的农民收入，但是对周围地区的农民收入增长产生了负面影响。据此，无法形成人力资本的外溢效应，仅仅使本地农民的收入能得到飞速的增长。根据之前的分析，只有当普惠金融发展到一定阶段，才会给本地的生产赋能的同时，也给邻地创造了更广阔的市场，缓解了周边地区的资金压力，帮助邻地的农户增收。该过程证伪了我们的提出的假设2。

同时注意到，用滞后1期的居民可支配收入(L.lnY)作为解释变量，其系数为正，且通过了1%的显著性检验，说明会受到往期居民可支配收入的影响。不难理解，因为地区发展水平是稳定的，在相当长的时间内，都是在过去的基础上稳中求进。农民收入的空间自相关系数(Spatialrho)系数为0.4101，在1%的水平下显著，说明存在正的空间相关性，说明农民收入水平高的省份周围也带动着周边省份农民收入的增长。

从控制变量上来看，人均农业机械总动力的系数为正，无显著关系，说明人均农业机械总动力的拥有量对农民收入增长的作用并不明显。产业结构和财政涉农支出显著为负，表明产业结构越发达，对第一产业的依赖程度越低，更多的劳动力被释放到第二、三产业中去，有助于当地经济水平的提升，社会整体市场的健康发展反过来带动了农民收入的提升；财政涉农支出对农民收入的增长显示出明显的负效应，这似乎与我们最初的设想相悖，基于事实进行客观分析，更高的涉农财政支出往往意味着当地的三农问题更为严峻，政府需要投入更多的人力物力去解决相关问题，可实践过程中，并没有有效地将政府投入转化为生产力，据此，农民收入未能正向增长。与此同时，经济发展水平、农村常住人口的系数是显著为正的，这说明当地的经济发展水平越高，当地农民越会拥有更高的收入；更多的农村常住人口不仅意味着更高的劳动生产力，也意味着当地拥有更高的人力资本，当地农民更容易获得更高的收入。

最后，聚焦到普惠金融指数对工资性收入和家庭经营性收入的影响。从表3可知，普惠金融指数对工资性收入有显著的正向影响，但对家庭经营性收入并不存在显著的作用。综合来看，数字普惠金融的兴起助推当地金融行业发展，有利于当地产业进步和科技发展，给了当地农民创造了更多的就业机会，因此对当地农民的工资性收入增长有显著的促进作用。但是普惠金融的发展对当地及邻地家庭经营性收入没有显著的促进作用，推测可能的原因：虽然数字普惠金融服务在农村地区得到了快速的发展，但由于农村地区的受教育年限往往受限，农民群体往往并不具有很高的金融素养，因此无法通过创业帮助农民实现经营性收入的增长。

3.3 动态空间杜宾模型的效应分解

当被解释变量的空间滞后系数显著不为0时，动态空间杜宾模型对普惠金融的溢出效应的估计会存在一定的系统性误差。因此，当空间滞后项系数不显著为0时，要进行空间效应分解，进行进一步研究。根据Lesage等[20]的研究，使用偏微分能很好地处理偏误问题。偏微分法将空间杜宾模型中的空间溢出效应分解为直接效应和间接效应，总效应是这2个效应的加总。故表4是对直接和间接效应作出进一步的分解估计。

研究发现：虽然本文的核心研究内容普惠金融对农民收入在长短期的直接效应和间接效应的估计系数上存在的显著性变化，但在短期内总体仍保持抑制作用，长期内总体呈现出促进作用。上文提到的观点可以被证实，即在短期内，数字普惠金融对农民可支配收入的直接效应为0.11，在1%的条件下显著，具有显著的正效应，同时具有显著的负的邻地效应，并且在短期中普惠金融的邻地效应更加显著。在长期里并不存在显著的本地效应和邻地效应。具体而言，每当本地普惠金融水平提高1个百分点，当地农民的可支配收入约增长0.11%；如果其他地区普惠金融水平发展了1%，当地农民的收入约减少0.23%。这表明，普惠金融发展较快的地区对周围地区的资金和人力等生产要素具有虹吸效应，资源会优先向金融水平发达的地区流动，导致邻地的农民的可支配收入下降。

表4 动态空间杜宾模型分解结果

其他变量与之前的分析结果也一致，短期内，产业结构和财政涉农支出的本地和邻地效应均显著为负，总效应为抑制效应，这意味着对第一产业更低的依赖程度，会导致更加健康的社会经济结构，这不仅促进了本地的收入增长，同时也带动了周边地区农民的收入增长，进而促进社会整个层面农民的收入有效增长；涉农财政的巨额支出却往往伴随着当地更严峻的三农问题，这也导致了政府有限的财政收入未能有效投入到投资回报比更高的领域中去，也就无法带动本地抑或邻地的农民增收。同样，在短期内经济发展水平、农村常住人口的短期效应和长期效应均显著为正，这说明更高的经济发展水平往往伴随着本地以及周边地区更高的农民收入，同样更多的常住人口也不仅意味着本地会有更高的劳动生产力，同时还会给周边地区提供劳动生产力，无论是本地还是邻地效均会促进农民的收入增长。

4 结论与启示

利用2011-2020年省级普惠金融指数研究了数字金融的发展对农村居民增收的本地-邻地效应。空间相关性检验发现，农村居民收入的Moran′sI指数显著为正，即省域的农村居民收入并非彼此独立的，存在着一定的联系，本地的农村居民可支配收入受到邻地农村居民可支配收入的影响。并在此基础上，本文选取动态空间杜宾模型进行细化分析，证明了：(1)各省份农民收入存在空间溢出效应，不同省份之间均存在空间相关性；(2)数字普惠金融对当地农民的收入水平产生了显著的负效应，说明本地普惠金融的发展对周边地区的资本和人力资源具有一定的虹吸效应，对邻地农户的增收存在一定的抑制作用。

研究发现普惠金融的发展，推动了当地金融环境的改善，帮助农民实现了收入的增长。为了将这一效应推动下去，提出以下政策建议：(1)完善农村地区数字化基础设施建设。得益于数字经济的发展，传统金融的弊端被打破，金融的普惠性得到释放。各地政府应加强和金融机构的合作，合作建设互联网基础设施，建设服务网点，帮助农民更加便捷地获取金融服务。同时开展金融宣讲活动，提高农民的理财意识及防范金融诈骗的意识。(2)根据农户需求，金融机构应该制定出符合农村实情的新的金融产品，真正做到便民、利民。充分发挥数字普惠金融对大数据和信息技术的结合，通过分析农户的消费、支付、储蓄等各项特征，提高农户的贷款可得率。在控制风险、成本可控的前提下，给农户提供适应其投资发展的金融产品，最终为落后地区提供弯道超车的可能性，缩小城乡收入差距。(3)政府需要因地制宜，制定差异化的政策来帮助农村地区实现普惠金融的发展。当地政府不可盲目追求数字金融的快速发展，急功近利，折损了普惠金融发展对农民的帮扶作用。可以根据市场发展情况，完善并更新相关法律法规，推动数字普惠金融市场的健康高效发展。