数字金融对农民农村共同富裕的影响——基于创新创业活力的中介效应

李 琳

（西安科技大学地质与环境学院，西安 710054）

0 引言

党的二十大报告提出，要“着力维护和促进社会公平正义，着力促进全体人民共同富裕”“坚持农业农村优先发展”。由此可知，扎实推进农民农村共同富裕已成为党和国家推进中国式现代化建设的核心任务。但必须承认的是，囿于城乡发展及收入差距较大，我国部分农村地区面临家庭收入偏低、金融资源配置扭曲、基本公共服务不均等现实桎梏[1,2]，阻碍农民农村共同富裕目标实现进程。要解决上述难题，我国亟须抓住数字革命带来的机会窗口，补齐农村低收入群体发展短板，助推农民农村共同富裕取得实质性的进展。数字金融作为现代数字技术与传统金融服务相结合的新金融模式，能够完善农村金融服务体系，拓宽农村金融服务渠道，缓解农村融资困难，是助推农民农村实现共同富裕的新动能[3]。与此同时，数字金融发展能够通过供给和需求两个层面激发农民创新创业活力，增强农村经济发展的核心驱动力，缓解城乡长期不平衡梗阻[4]，夯实农民农村共同富裕目标实现的基础。因此，探索数字金融推进农民农村共同富裕的激励机制，将有助于丰富农民农村共同富裕的理论研究。

回顾既有文献可知，部分学者基于Kernel 密度估计、Markov 链、Moran’s I、Dagum基尼系数研究发现，不同省份间农民共同富裕呈“南高北低、东强西弱”的空间分布格局[5,6]。另有学者从农民农村共同富裕的影响因素方面进行探究，指出延展农村全产业链、培育新农业经营对象、现代产业体系构建、规模经济融合等因素均是推动农民农村共同富裕的重要路径[7,8]。亦有学者指出，低收入农户增收少、城乡发展不平衡等是制约农民农村共同富裕的主要因素[9,10]。梳理可知，现有研究鲜少考虑数字金融对农民农村共同富裕的影响。仅少部分学者从数字金融与共同富裕层面进行探究，研究指出数字金融发展能够显著促进共同富裕[11—14]。但遗憾的是，目前尚未有文献将数字金融、农民农村共同富裕、创新创业活力纳入同一分析框架，深入检验三者内在逻辑关系。鉴于此，本文从创新创业活力视角出发，分析数字金融对农民农村共同富裕的影响与作用机制。

1 研究假设

1.1 数字金融对农民农村共同富裕的直接影响

第一，数字金融有利于加强农村物质保障，助力农民农村共同富裕发展。数字金融依托大数据、人工智能等数字技术，能够助力农村居民快速获取金融信息，提升农村居民金融工具使用效率，使农村居民享受到更多数字金融交易选择权，促进其家庭财富增长，为农民农村共同富裕目标推进添砖加瓦。第二，数字金融有利于满足居民精神需求，赋能农民农村共同富裕。就教育层面而言，在互联网便利条件下，农商行、信合等数字金融相关服务机构能够实现互联互通，为广大农民教育提供资金支持，满足居民精神需求[15]。这能提升农民数字金融操作能力，提高农村居民增收效能，为农民农村共同富裕目标推进助力。就环境层面而言，在数字金融发展中，绿色金融产品得以完善，为农村环境效益提升提供资金支持，满足农村居民对绿色生活环境的需求，助推农民农村共同富裕。第三，数字金融有助于缩小分配差距，推进农民农村共同富裕。在数字技术支持下，数字金融能通过提升人力资本、优化产业结构、促进科技创新等渠道推动城乡融合发展，实现城乡之间均衡分配，为农民农村共同富裕奠定经济基础。因此，提出第一个研究假设：

假设1：数字金融对农民农村共同富裕具有推动作用。

1.2 数字金融对农民农村共同富裕影响的空间溢出效应

数字金融具有覆盖范围广、效率高等特征，能够突破传统金融在地域和时间上的限制，促进地区资源流动，为实现农民农村共同富裕赋能。一方面，数字金融借助数字技术能够降低金融服务门槛和交易成本，使得金融服务逐渐向各区域扩展，产生空间上的相互影响，促进区域间土地和资本融合[16]，为扎实推进农民农村实现共同富裕赋予新动能。另一方面，数字金融的资源扩散效应能够对各省份经济活动产生空间外溢作用[17]，在全国范围内表现出明显的空间集聚性，进而对农民农村共同富裕产生空间溢出效应。基于此，提出第二个研究假设：

假设2：数字金融对农民农村共同富裕具有空间溢出效应。

1.3 数字金融对农民农村共同富裕的间接影响

一方面，数字金融能够通过提升创新活力，为农民农村共同富裕发展助力。创新活跃度的增加能够驱动教育、医疗、交通等创新，提高农民农村群体幸福感的同时，推动农村经济发展，助力实现农民农村共同富裕。具体而言，数字金融可通过降低金融机构与农村企业间信息不对称程度影响创新活力。在区块链、5G、大数据、人工智能等技术支持下，数字金融可拓宽传统金融服务范围，缓解传统金融机构和农村企业之间的信息不对称，消除融资信息“壁垒”。这有利于充分发挥科技创新引领作用，激发农村居民创新行为，提升其经济效益[18]，为促进农民农村共同富裕目标实现提供助力。另一方面，数字金融能够通过提高创业活力，为农民农村共同富裕发展赋能。创业活力反映农户创业的活跃程度，是实现农民农村共同富裕的主动力。从投资者角度看，数字金融依托互联网技术、数字平台等提高了信息透明度，能够使农村投资者快速选择与自身相适配的项目，为农村创业项目提供精准资金。这能在激发农村创业者创业活力的同时，提高创业成功概率[19]，为推进农民农村共同富裕赋能。从创业者角度看，数字金融可降低农民创业融资风险，促进农民农村创业机会均等化，激发农村低物质资本的创业行为，提升创业活力，夯实农民农村共同富裕基础。因此，提出第三个研究假设：

假设3：数字金融通过促进创新创业活力对农民农村共同富裕产生影响。

2 研究设计

2.1 模型设定

为系统分析数字金融影响农民农村共同富裕的作用机理，构建时间与个体双向固定效应基准模型。

其中，lnupgit表示i地区在t年的农民农村共同富裕水平；lndeit为i地区在t年的数字金融水平；财政支农（FSA）、人力资本积累（HCA）、种植结构（PLS）、农业机械化水平（AML）、人口负担比（PBR）、涉农技术迭代（ATI）为控制变量；另外，δi、γt、εit依次表示地区固定效应、时间固定效应以及随机误差项。

在现代信息网络助力下，数字金融不仅能够跨越地理界限，助推金融机构实现跨地区协同分工，还会对区域实体经济发展产生影响。这时，如果仍运用普通面板数据展开回归分析，那么极有可能造成回归结果出现偏误。为此，本文在式（1）的基础上融入空间因素，深入探索数字金融影响农民农村共同富裕的作用机理。其中，空间计量模型被分为空间杜宾模型（SDM）、空间滞后模型（SLM）以及空间误差模型（SEM）。进行Hausman、LM、LR 以及Wald检验后，最终确定采用双重固定效应的空间杜宾模型进行研究，构建模型如下：

其中，Wij代表31×31 的空间权重矩阵，是0-1 空间邻接权重矩阵，若i省和j省相邻，则取值为1，反之为0。另外，Xit表示控制变量合集。

2.2 变量选取

2.2.1 被解释变量

农民农村共同富裕（upg）。本文参考《数字乡村发展战略纲要》《中国农村发展报告（2022）》等相关内容，兼顾数据可获得性、可量化等原则，构建包含3个一级指标及8个二级指标的农民农村共同富裕评价指标体系（见下页表1）。利用熵值法对农民农村共同富裕评价指标展开权重分析，最终获得综合指数。

表1 农民农村共同富裕评价指标体系

2.2.2 解释变量

数字金融（de）。在2022年8月更新的《北京大学数字普惠金融指数（2011—2021 年）》第四期中，数字金融包含的覆盖广度、使用深度、数字化程度三大类被分成33个细分指标，可客观反映数字金融发展现状及地区差异。但是，囿于北京大学数字普惠金融指数为非官方数据，可能会使测算结果出现偏差。本文借鉴周孟亮和王立聪（2023）[20]的研究，在《北京大学数字普惠金融指数（2011—2021年）》基础上，融入《中国县域数字普惠金融发展指数报告2021》的数据，用于反映中国县域的数字金融发展状况。将二者得出的指数进行加权平均处理，作为数字金融发展的代理变量。

2.2.3 中介变量

创新创业活力（gti）。在借鉴现有研究的基础上[21]，从创新活力、创业活力两个维度来反映创新创业活力。其中，创新活力采用各地区每千人拥有专利数量（件/千人）表征。创业活力运用地区内包含的私营和个体就业人员占城镇总就业人数的比重衡量。

2.2.4 控制变量

为防止因遗漏变量而引致估计结果偏误，引入一系列控制变量：（1）财政支农（FSA），运用政府农林水支出与一般公共预算支出之比表示；（2）人力资本积累（HCA），利用各省份农村人均人力资本存量反映；（3）种植结构（PLS），选用农村粮食播种面积与农作物播种总面积之比衡量；（4）农业机械化水平（AML），运用农用机械总动力与第一产业从业人员的比值测量；（5）人口负担比（PBR），用老人和儿童占农村总人口比重衡量；（6）涉农技术迭代（ATI），选取各省份农村产业技术发明专利授权数量与农村产业R&D 人员全时当量两个指标，运用算术平均法将各维度指标合成综合涉农技术迭代指数。

2.3 数据说明

本文选取2010—2021年我国31个省份（不含港澳台）的样本数据。农民农村共同富裕所选数据源于《中国统计年鉴》《中国农村金融服务报告》《中国农业机械工业年鉴》《中国农村统计年鉴》等；数字金融发展相关数据主要来自北京大学数字金融研究中心官网；其余数据来源于各省份历年统计公报和Wind数据库。表2列示了各变量的描述性统计结果，结果显示，农民农村共同富裕均值为0.299，最大值达0.932，最小值是0.062；数字金融均值为2.172，最大值达4.319，最小值仅为0.183，意味着各地区数字金融与农民农村共同富裕水平差异较大。

表2 变量的描述性统计结果

3 数字金融和农民农村共同富裕的空间效应分析

数字金融通过数据传输、存储打破时空限制，呈现显著的空间溢出效应。基于此，深入探究数字金融与农民农村共同富裕的空间集聚程度。对此，选择空间自相关Moran’s I 和散点图来分析两者空间关联性，具体见表3。

表3 数字金融与农民农村共同富裕的Moran’s I

由表3 可知，在邻接矩阵下，2010—2021 年数字金融发展的Moran’s I 数值均在5%的显著性水平上为正，农民农村共同富裕的Moran’s I 数值多数通过1%水平上的显著性检验。这意味着2010—2021年，数字金融与农民农村共同富裕均具有显著的空间自相关性，且呈现空间集聚现象。

进一步借助OpenGeoDa 1.2.0 刻画Moran’s I 散点图（见下页图1），选取2011年、2021年数字金融与农民农村共同富裕年度平均值，并将两者空间关联模式分为四类。第一象限与第二象限为“高-高”集聚、“低-高”集聚；第三象限与第四象限为“低-低”集聚、“高-低”集聚。其中，第一象限和第三象限属于空间正自相关，第二象限与第四象限为空间负自相关。就全国层面而言，数字金融发展检验中，2010年第一、三象限分别有5个、15个省份，占66.67%；2021年第一、三象限分别有6个、16个省份，占73.34%。农民农村共同富裕检验中：2010年第一、三象限分别有7个、14个省份，占70%；2021年第一、三象限分别有6个、17个省份，占76.67%。整体而言，不管是2010年还是2021年，我国多数省份数字金融和农民农村共同富裕均处于第一象限与第三象限，意味着两者在省域间呈现“趋同俱乐部”现象。

图1 2011年和2021年局部莫兰指数散点图

4 数字金融和农民农村共同富裕的实证检验

4.1 基准回归结果

本文采用豪斯曼检验确定模型的固定及随机效应，结果表明固定效应模型更为合适。

表4 列示了数字金融影响农民农村共同富裕的检验结果。不难发现，在未考虑控制变量情况下，数字金融每提高1%，会使农民农村共同富裕增加0.0073。在引入一系列控制变量之后，该效应会提升至0.0091，且此结果显著，说明数字金融能正向影响农民农村共同富裕，证实了假设1。原因可能是，数字金融依托互联网、大数据等数字技术，为各地农民供给同质、跨空间金融服务，满足农民创新创业资金需求，增加财产性收入，进而推进农民农村共同富裕。由表4 控制变量检验结果可知，财政支农、人力资本积累和种植结构的系数均显著为正，说明这些因素对我国推进农民农村共同富裕具有正向影响。在推进农民农村共同富裕过程中，财政支农的正向作用最为显著，而人口负担比负向影响农民农村共同富裕。原因可能在于，人口负担比的上升压缩了农村企业的经济活动，限制其人力及物质资本积累，增加农村企业压力，最终不利于农民农村共同富裕发展目标的推进。

表4 基准回归结果

4.2 空间溢出效应

由表5 结果可知，总效应通过1%水平上的显著性检验且系数为正，意味着数字金融可正向影响农民农村共同富裕。直接效应通过5%水平上的显著性检验且系数为正，说明地区数字金融发展水平越高，农民农村共同富裕水平也越高，同前文基准回归结果相吻合。间接效应在1%的显著性水平上为正，代表数字金融能促进本地农民农村共同富裕发展，同时其还能带动其他地区农民农村共同富裕发展，验证了假设2。

表5 数字金融影响农民农村共同富裕的直接、间接与总效应

4.3 稳健性检验

为确保上文研究结果的可靠性，进行稳健性检验。一是更换数字金融测度方法。参考朱东波和张相伟（2023）[22]的研究思路，根据《国民经济行业分类》（GB/T 47542017）同质性原则，对符合数字金融产业特征的行业进行分类，随后运用熵权法进行整合，具体结果见表6列（1）。二是工具变量法。为有效克服可能存在的内生性问题，选用“同一省份内其他城市滞后一期的数字普惠金融指数均值”作为数字金融发展水平的工具变量，采用系统GMM 估计展开回归，结果见表6 列（2）。第三，倾向得分匹配法。为有效解决由样本自选择或选择偏误而产生的内生性问题，使用倾向得分匹配法对样本进行筛选，进一步验证前文基准回归结果。先借鉴周广肃和丁相元（2023）[23]的思路，依据数字金融的三分位数设置哑变量，并将大于三分位数的样本定义为处理组，反之为控制组。采用近邻匹配方式筛选样本，随后对新样本实施检验，详细结果见表6 列（3）。第四，剔除直辖市。从全国基础禀赋综合排名来看，北京、天津、上海、重庆4 个直辖市名列前茅，同时享有自主权及国家政策的倾斜，可能影响研究结果的准确性。因此，本文剔除直辖市样本后重新展开实证检验，结果详见表6列（4）。通过上述检验不难发现，无论采用更换变量法、工具变量法、倾向得分匹配法还是剔除直辖市，结果均与前文相吻合，即前文结论具有稳健性。

表6 稳健性检验结果

5 进一步分析

5.1 空间异质性分析

我国幅员辽阔，各地区资源禀赋、经济水平等具有较大差异。这可能使数字金融对农民农村共同富裕的影响出现区域差异性。为此，本文将样本划分为东部和中西部两个地区①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、广西和海南12个省份，中西部地区为剩余的19个省份。进行检验，结果见表7。同时，考虑到拆分样本的严谨性，运用费舍尔组间差异检验对组间系数差异进行比较，并通过1000 次自抽样计算得到经验P值。由表7结果可知，数字金融发展水平对农民农村共同富裕的影响在两个分组中均显著为正，意味着在不同区域数字金融均正向影响农民农村共同富裕。细究系数大小可知，数字金融影响农民农村共同富裕的程度具有差异性，呈现中西部地区大于东部地区，真实组间差异为0.015，且经验P值在10%的水平上显著。相对东部地区而言，中西部地区经济与数字技术相对落后，导致出现大量农村企业与农民低收入群体，不利于农民农村共同富裕推进。故而，数字金融在经济欠发达的中西部地区推动农民农村共同富裕大有可为。

表7 空间异质性分析结果

5.2 影响机制分析

为进一步探究数字金融影响农民农村共同富裕的作用机理，将从“数字金融—创新创业活力—农民农村共同富裕”途径实证检验其影响机制，构建如下模型：

其中，lngti指中介变量创新创业活力；Xit代表控制变量。鉴于模型（1）已成功验证数字金融对农民农村共同富裕的推动作用，故直接对模型（4）和模型（5）进行估计（见表8）。表8结果显示，数字金融每上升1%，创新创业活力会上升0.2776%，说明数字金融能够促进创新创业活力提升；创新创业活力每上升1%，农民农村共同富裕会上升0.0084%，意味着创新创业活力提升能推进农民农村共同富裕。另外，Sobel检验的P ＞0.01，表示数字金融发展对创新创业活力具有促进作用。上述结果全面验证了假设3。

表8 中介机制检验结果

5.3 基于创新创业活力的面板门槛分析

上文已证实数字金融能够通过提升创新创业活力推进农民农村共同富裕。但是，这一影响是否存在门槛效应？且在不同水平阈值下，数字金融影响农民农村共同富裕是否存在差异性？为此，本文选用面板门槛模型进行探析，具体模型为：

表9展示了门槛效应结果。可以看出，全国、东部、中西部地区创新创业活力依次在1%、5%、10%的置信水平上通过单一门槛检验，对应的门槛值分别是8.2775、10.0223和4.0184。

表9 门槛存在性、估计值及置信区间检验

由表10结果可知，就全国层面而言，当创新创业活力高于8.2775时，数字金融每提高1%，将带动本地农民农村共同富裕提高0.0429%；当创新创业活力低于8.2775 时，数字金融每提高1%，将带动本地农民农村共同富裕提高0.0376%。就各区域而言，当东部地区创新创业活力高于10.0223 时，数字金融每提高1%，将带动本地农民农村共同富裕提高0.0191%；当创新创业活力低于10.0223时，数字金融每提高1%，将带动本地农民农村共同富裕提高0.0179%。当中西部地区创新创业活力高于4.0184 时，数字金融每提高1%，促使本地农民农村共同富裕提高0.0329%；当创新创业活力低于4.0184时，数字金融每提高1%，将带动本地农民农村共同富裕提高0.0294%。

表10 面板门槛模型的估计结果

6 结论与建议

6.1 结论

本文基于2010—2021 年我国31 个省份的样本数据，深入探究数字金融、创新创业活力对农民农村共同富裕的影响效应。结果表明：（1）数字金融可推进农民农村共同富裕，且存在正向空间溢出效应。（2）数字金融能促进农民农村共同富裕，但存在区域异质性。其中，相对于东部地区，中西部地区数字金融促进农民农村共同富裕作用更强。（3）数字金融通过提升创新创业活力促进农民农村共同富裕发展。（4）数字金融影响农民农村共同富裕的作用具有门槛效应，且呈现地区异质性，即东部地区数字金融的外溢效应更大。

6.2 建议

（1）完善数字金融新型服务体系。有关部门应充分发挥农村特色优势，在农村基础设施、农村医疗资源投入、农产品产业链升级等领域，构建项目贷款投放服务体系，加大农村信贷投放力度。政府应积极响应“城市反哺农村、工业反哺农业”的发展趋势，分阶段试点，支持有良好基础的农村率先探索农民农村共同富裕新道路。（2）打造创新创业主体服务链。我国应围绕“创新创业人才链”构建相应的“服务链”，重点完善薪酬奖励制度，将人口红利逐渐升级为科技创新人才红利，激发人才创新创业活跃度，提高创新人才劳动收入报酬，筑牢农民农村共同富裕的中产基石。（3）制定区域差异化金融发展机制。东部地区要立足于自身发展优势，着力于“卡脖子”关键技术攻关，以先进科技助力打造金融领域新生态，提升科技成果转化效率，打破科研与应用“两张皮”的局面，从而赋能农民农村共同富裕。中西部地区应将“补短板”作为主要工作内容，强化新型基础设施建设。中西部地区还应依靠政策倾斜，积极引入社会资金、数字技术、复合型人才等优质资源，营造对数字金融发展有利的物质与人文良好环境，努力缩减区域间的发展差异，为促进农民农村共同富裕的实现提供基础。