数字普惠金融促进地区生产效率研究

李 乐，周林毅

(武夷学院 商学院，福建 武夷山 354300)

一、引言

普惠金融是一个世界性难题。金融由于其天生高风险性而由此带来的高成本特性，很难做到业务下沉，长尾客户的金融需求通常被忽视或难以满足。普惠金融即要以可负担的成本为有金融服务需求的社会各阶层和群体提供适当的、有效的金融服务。普惠金融包括“普”和“惠”两个层面：“普”指广泛包容性，“惠”指能以合理价格为经济主体提供金融服务[1]19-35。《G20普惠金融行动计划》指出，普惠金融对于可持续、平衡包容的经济增长至关重要。

普惠化的金融服务通过提高生产率、增加投资、节约劳动时间，对整个宏观经济起到促进作用。宋汉光[2]122-133以G20国家为研究对象，实证分析表明金融普惠水平在经济增长中发挥着重要作用，而且对发展中国家作用更加明显；杜莉[3]37-44通过实证研究表明普惠金融发展对于经济增长作用显著，且在欠发达西部地区的作用尤为突出，说明金融服务的均衡性对区域经济发展意义重大。

数字技术的发展不断冲击和变革传统行业，金融行业更是如此。充分运用互联网技术及手段的互联网金融业，近十年在我国蓬勃发展，给全球普惠金融的探索与研究提供了鲜活案例。数字普惠金融强调对数字技术如大数据、云计算以及移动互联网的运用，通过将创新的互联网金融业务和服务模式运用到普惠金融领域，有效拓展交易的可能性边界，降低金融服务成本，从而提高金融的普惠程度。

尹应凯[4]104-111指出，现代形态的普惠金融经历了“小额信贷模式阶段—微型金融阶段—传统普惠金融阶段—数字普惠金融阶段”；周斌[5]9-15研究发现“互联网+”对普惠金融的发展具有正向促进作用；宋晓玲[6]14-25基于互联网金融服务视角，实证分析了数字普惠金融对城乡收入差距的影响，研究表明数字普惠金融的发展能够显著缩小城乡居民收入差距。

2016年，北京大学互联网金融研究中心利用蚂蚁金服关于数字普惠金融的海量数据，研究并发布了《北京大学数字普惠金融指数(2011—2015 年)》，对中国数字普惠金融指数进行了全面、完整的构建和阐释，为这方面的研究提供了权威的数据依据。报告提出两个观点：一是数字普惠金融是实现低成本、广覆盖和可持续的普惠金融的重要模式；二是数字普惠金融在各省区的发展差距相较传统普惠金融更小，欠发达地区具有比较优势和后发机会[7]1-2。

党的十九大报告提出要推动经济发展质量变革、效率变革、动力变革，提高全要素生产率，着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系，推动经济全球化朝着更加开放、包容、普惠、平衡、共赢的方向发展。本文立足已有研究，以北京大学数字普惠金融指数为实证分析基础，研究数字普惠金融对地区生产效率的影响，探索数字经济时代背景下如何进一步增强金融服务实体经济的能力。

二、我国数字普惠金融发展水平

依据《北京大学数字普惠金融指数(2011—2015 年)》数据，将全国内地31个省(市)数字普惠金融指数绘成图1的折线图。从时间序列看，全国的数字普惠金融指数总体呈逐年上升趋势，上海、北京、浙江稳居全国前三。其中，2015年数字普惠金融指数得分最高的上海市是得分最低的西藏自治区的1.5倍，而2013年为1.9倍，2011为4.9倍。这说明，数字普惠金融在各省市的发展差距，随着时间推移而缩小，体现了数字普惠金融的快速发展和良好触达能力[7]1-2。

图1 2011—2015年各省数字普惠金融指数分布

数据来源：北京大学数字普惠金融指数。

为了进一步分析地区数字普惠金融情况，通过量化数字普惠金融和经济增长的地区差异，比较不均衡现象的存在及变化。各指标地区差异程度计算公式如下：A=S/Y。其中S是各地区相关指标的标准差，Y是平均值。A越大说明其地区差异程度越大，不均衡现象越严重；反之则相反。经济增长情况用实际人均地区生产总值衡量。经计算，结果见图2。

图2 2011—2015年数字普惠金融指数与实际人均GDP增长值地区差异程度对比

数据来源：北京大学数字普惠金融指数、国研网。

从图2看出，数字普惠金融与实际人均经济增长的地区差异程度呈下降趋势，显示这两项指标的地区差异趋向均衡。数字普惠金融发展的地区差异程度下降幅度较大，从2011年的45.76%下降到2015年的10.26%，缩小了35.5%；而实际人均经济增长差异程度变化并不大，2015年相比2011年缩小6.97%。随着国家的重视与新科技的发展，中国数字普惠金融的发展在地区间的不平衡性明显减小，数字普惠金融具有更好的地理穿透性，形成更广泛的普惠金融程度[7]1-2。

三、数字普惠金融推动经济增长效率理论模型

数字金融是传统金融产业的技术进步项目，索洛[8]312-320模型指出，技术进步连续地发生将刺激人均产出增长(Yt)，若经济体缺乏技术进步项目刺激，经济的增长会停止。胡宗伟与何大安[9]39-47论证索洛模型后，认为通过指数法能够实现索洛余值的测算。

Yt=F[f(Kt,Lt),At,DIFIt]Yt

(1)

将(1)式取自然对数得到第(2)式：

lnYit=lnAit+β1lnKit+β2lnKit

+β3lnDIFIit+εit

(2)

At为固定项，表示已知的技术进步项目，Kt为资本，Lt为劳动，εt为残差项。本研究将北京大学数字普惠金融指数(DIFIt)纳入索洛模型, 技术进步影响的是人均产出增长率，考虑到通货膨胀对国内生产总值的影响，因此采用实际人均国内生产总值为应变量。资本变量以全社会固定资产投资替代，劳动投入方面以人均工资替代。

(3)

在过去X-inefficiency的研究中，多数学者皆使用相对无效率的概念[11]847-860，Hao and Chou[12]1-14，Chou[13]1-18, Chou and Chu[14]241-250, Lai, Chou and Chen[15]147-128，uit表示第i个省份，第t个时间的无效率值，计算模式汇整如式(4):

X-inefficiency=uit-min(uit)

(4)

为了解数字普惠金融对经济增长贡献，研究最后以模型检验年度无效率均值的差异，观察数字普惠金融指数是否带来无效率值的变化。

四、实证模型结果

索洛模型中，技术进步影响人均产出，考虑到通货膨胀对国内生产总值影响，研究采用实际人均产出为应变量[2]122-133，在资本投入变量中，过去文献以企业固定资产投入为资本投入变量[16]49-53，考虑各省人力素质差异，采用人均工资为劳动投入。模型操作采用数值取自然对数，核算系数βi为变动幅度。实证数据来源于国研网自2011—2015年31个省市165笔面版数据。

表1显示我国人均年国内生产总值46810.170元，平均年工资52159元，全社会固定资产投资平均为14046.840亿元，数字普惠金融指数平均为138.959%。由最大最小值倍数观察人均年国内生产总值相差6.58倍，人均年工资相差3.46倍，全社会固定资产投资相差93.57倍，数字普惠金融指数相差17.15倍。这其中包括时间及各省间差异因素，因此，采用面板数据进行实证。

表1 相关数据统计

分项人均国内生产总值(单位:元)人均工资(单位:元)全社会固定资产投资(单位:亿元)数字普惠金融指数(单位:%)Mean46810.17052159.69014046.840138.959Median39122.61049019.00011880.920147.710Maximum107960.100113073.00048312.440278.110Minimum16413.00032724.000516.31016.220Std. Dev.21345.78015129.1509694.01967.088Skewness1.1521.9301.086-0.203Kurtosis3.5637.4834.1952.031Jarque-Bera36.344226.02839.6777.123Probability0.0000.0000.0000.028Sum7255576.0008084752.0002177261.00021538.680Sum Sq. Dev.702000000003520000000014500000000693127

利用固定效果面板数据进行回归，结果见表2。回归结果显示无论是否考虑数字普惠金融指数，劳动投入与资本投入都显著正向影响人均产出。模型1中，在1%显著水平下劳动投入系数为0.443，资本投入系数为0.218。模型2中，在1%显著水平下劳动投入系数为0.382，资本投入系数为0.170，数字普惠金融指数系数为0.034；且劳动投入与资本投入系数低于模型1，判定系数模型1为0.920，模型2为0.921。表2显示，数字普惠金融指数(DIFIit)显著提升了地区实际人均国内生产总值，说明数字普惠金融的发展有助于提高地区经济发展水平。

通过Schmidt and Sickles[10]367-374的随机边界法估算相对技术无效率值，根据年份进行平均数差异性检验，见表3。结果显示，除2011年外，2012—2015年模型1的无效率值显著高于模型2的无效率值，表明数字普惠金融的发展确实有助于减少技术无效率的情况。在加入数字普惠金融因素后，资本投入和劳动投入对生产的边际效率提升了，也即减少投入或增加有效供给，改进了生产要素组合效率。

数字经济时代，数字技术和数据资源成为新的生产力。相比其他生产要素，数据资源具有可复制性和可共享性， 打破了传统要素有限供给对经济增长的制约。作为数字经济中的新业态，数字普惠金融充分利用数字技术和数据资源，带来全要素效率提升，加速改造传统动能，驱动了传统经济特别是数字经济发展。

表2 固定效果面板数据回归

分项模型1Coefficient模型2CoefficientStd. ErrorStd. Error固定项8.529***10.996***(0.546)(0.898)每人平均工资自然对数值(lnLit)0.443***0.382***(0.041)(0.043)全社会固定资产投资自然对数值(lnKit)0.218***0.170***(0.025)(0.026)数字普惠金融指数(lnDIFIit)0.034***(0.010)R-squared0.9200.921F-statistic874.748588.598Prob(F-statistic)0.0000.000

注：*显示10%显著水平下，**显示5%显著水平下，***显示1%显著水平下。

表3 技术无效率平均值差异性检验

年度模型1技术无效率平均值模型2技术无效率平均值t統計20110.6550.6441.07620120.6760.60912.394***20130.6900.59421.528***20140.6920.61612.852***20150.6320.55812.162***

注：*显示10%显著水平下，**显示5%显著水平下，***显示1%显著水平下。

五、结论

以北京大学数字普惠金融指数为实证基础，分析数字普惠金融地区间不平衡的变化情况，结果表明数字普惠金融地区间的差异较地区经济增长的差异要小，且这种不平衡性随时间推移明显缩小。这表明数字普惠金融已经大大缩减了不同地区享受金融服务的差距,能更有效实现金融的普惠程度。通过2011—2015年的数据实证检验数字普惠金融的发展是否促进地区生产效率，实证结果显示，数字普惠金融作为一项技术进步，在地区经济增长中能起到明显促进作用，并提升生产效率。具体的启示与建议有三个方面。

(一)加强欠发达地区数字基础设施建设，为数字普惠金融发展创造更多机会

数字普惠金融的基础设施包括实现网络服务基础的通信设施和网络环境，以及实现数字金融基础的支付结算体系，尤其要破除农民与农村金融机构的数字鸿沟。除加强农村地区数字金融服务设施建设、宣传和普及相关金融知识和操作过程以及加强数字金融消费者保护外，征信体系对我国普惠金融的支持还亟待加强。因此，需要建立健全普惠金融信用信息系统，建立多层次小微企业和农民信用档案平台，并通过大数据征信的信用风控体系覆盖更多信用记录不完整或者不完善的个人消费者，使更多的人群享受到现代互联网金融的普惠服务。

(二)促进和规范互联网金融的发展，增强金融新业态服务实体经济的能力

数字普惠金融依赖于数字技术和互联网金融的发展，在“开放、平等、创新、协作”的互联网精神下，互联网金融带有天生的普惠性。以P2P网络贷款、股权众筹为代表的互联网金融新业态以直接融资的方式为小微企业提供大量资金支持，第三方支付、消费金融等新兴模式则通过在流通环节提供多样化金融服务助力生产和消费，互联网公司、数据公司和征信机构则从金融服务供给侧的角度，为普惠金融提供基础设施。因此，促进互联网金融行业发展有利于数字普惠金融推广。

但互联网金融不能凭空发展，依赖于实体经济也服务于实体经济。虽然近十年我国互联网金融行业取得很大发展，但在规范发展、风险控制和服务实体经济方面还存在不足。因此要在守住风险底线、回归金融本质的前提下，结合地方产业发展特点发展互联网金融业，并利用其创新理念和创新模式，特别是其大数据应用优势，发挥在生产性服务业上的应用价值。

(三)促进数字经济发展，加快数字金融与数字经济融合发展，提升经济增长效率

数字经济在传统产业中应用带来的效率增长和产出增加已成为推动经济发展的新引擎，因此，促进数字金融与实体经济特别是数字经济融合，能直接提升数字普惠金融的积极作用。在数字经济的众多领域，如互联网+教育、智慧旅游、智慧民生、电子政务、电子商务、医疗健康、交通物流、文化娱乐等，数字普惠金融产品及体系在其中扮演着重要角色。因此，加大数字经济投入、加快数字经济与数字金融融合能有效提升生产效率。