数字普惠金融发展对多维贫困的影响及作用机制*

曾祥炎,胡慧强

(湖南科技大学 大数据与智能决策研究中心,湖南 湘潭 411201)

一、引言

解决贫困问题事关经济的可持续发展、社会和谐稳定和国家长治久安。近年来,我国在脱贫攻坚及反贫困事业中取得了举世瞩目的成就。到2020年底,我国如期完成了新时代脱贫攻坚目标任务,全国所有贫困县都已摘帽,现行标准下的绝对贫困户、贫困地区实现整体性脱贫。然而,消除了绝对贫困并不意味着从此可一劳永逸,某些地区或家庭的相对贫困在今后较长时期内仍有可能出现。例如:由于疾病、灾害等种种不确定性风险的冲击,一些在现行标准下刚刚脱贫的家庭有重新返贫的可能;一些刚好处在现行标准之上的边缘户因受教育程度、个人能力等约束,未来陷入贫困的概率依然较大。因此,巩固已取得的脱贫攻坚成果,降低相对贫困发生的概率和脱贫家庭重新陷入贫困的概率,完善减缓多维贫困的长效机制,成为了社会和学界关注的焦点。

现有文献对贫困问题的研究主要围绕贫困识别[1]、致贫因素[2]、减贫政策与途径[3]三个方面展开。然而必须指出的是,在脱贫攻坚取得全面胜利之后,以往单纯以收入作为识别与评估贫困标准的做法有必要进行修正。事实上,Amartya Sen在20世纪八九十年代从收入水平、就业机会、教育程度等多个维度来界定贫困,所提出的多维贫困概念已经得到了国际社会的广泛认可。一些学者基于多维贫困深化了对贫困问题的认识,并从宏观和微观两个层面完善了贫困治理的相关对策,认为经济增长、政府救助、提升个体人力资本水平、产业扶贫等是减贫的重要措施与途径[4-6]。

近年来,随着移动互联网覆盖率逐年提升,云计算、大数据技术不断完善,普惠金融成为了传统金融服务的有力补充,普惠金融在贫困治理中的作用受到了学者们的关注。理论上,数字普惠金融能有效降低服务成本、持续创新服务方式,让受传统金融排斥的贫困人群获得便捷可靠的金融服务,数字普惠金融的共享、低成本、低门槛等优势有利于金融红利的充分释放,从而完美契合减贫对金融服务的要求。但国内外学者的研究结论却不尽相同,有的学者研究发现数字金融存在马太效应,会扩大收入差距从而加剧相对贫困[7],而有的学者研究发现数字金融发展有助于降低城乡居民的客观与主观相对贫困[8]。

那么,我们就有了这样的疑问,在消除了绝对贫困之后,数字普惠金融对缓解多维贫困是否仍然有效?如果能,其内在机制又是什么?进一步地,数字普惠金融对缓解多维贫困是否存在地区差异?以上问题的解答对完善减缓多维贫困的长效机制无疑具有重要意义。本文在已有文献成果的基础上,运用2011—2020年省域面板数据,拟实证检验数字普惠金融对缓解多维贫困的影响及作用机制,并进一步探讨其减缓多维贫困的效应是否存在地区差异。与现有文献相比,可能的边际贡献体现在:第一,基于多维贫困分析框架,探讨数字普惠金融对缓解多维贫困的非线性作用,以拓展普惠金融发展和贫困治理的相关研究;第二,在机制检验方面,同时考虑“造血”与“托底”两大功能,借助改进后的中介效应模型验证数字普惠金融能否通过信贷机制与保险机制实现缓解多维贫困的目标,深化对数字普惠金融作用于贫困治理内在机理的认识;第三,探讨数字普惠金融减贫效应的地区差异,研究结论为实现区域协调发展提供了一定的政策启示。

二、理论分析与研究假设

对多维贫困内涵的理解,学者们从收入贫困、能力贫困、权利贫困和知识贫困等不同维度进行考察[9-10],并达成一定共识,即不同于单纯的收入贫困,多维贫困兼顾对收入水平、就业状况、教育程度、消费水平等多维度进行综合考察;不仅侧重当期的贫困发生率,还要关注未来陷入贫困的可能性,不仅重视政府救助等行政手段对减贫的影响,更要关注金融经济发展在多维减贫中所发挥的作用[11]。结合学术界对多维贫困概念的界定,以及国务院印发的《数字乡村发展战略纲要》第七条“深化信息惠民服务”、第八条“激发乡村振兴内生动力”、第九条“推动网络扶贫向纵深发展”(1)资料来源:http:∥www.gov.cn/zhengce/2019-05/16/content_5392269.htm。,可以发现,缓解多维贫困的关键在于“造血”与“托底”双重功能的发挥,而提高信贷可获得性、扩大保险的覆盖面正是发挥此功能的重要抓手。

进一步地,数字普惠金融供给成本和使用成本的有效下降是提高信贷可获得性、扩大保险覆盖面的关键,进而决定着多维贫困减缓的成效。从供给侧考察,数字普惠金融借助数字技术突破地理空间的限制实现远程金融服务,能有效降低人工费用和基建成本支出,同时通过大数据技术、区块链技术实现对客户的精准画像,从而有效缓解信息不对称和降低信用风险。从需求侧考察,数字普惠金融借助数字技术的应用为用户获得金融服务提供极大便利,有效降低用户接受服务过程中面临的包括时间成本和鞋底成本在内的交易成本。由此可以推测,数字普惠金融能够通过提高信贷可获得性、扩大保险的覆盖面来促进多维贫困减缓。通过梳理已有研究成果,本文构建如图1所示的理论分析框架用以探讨数字普惠金融对多维贫困减缓的影响。

图1 理论分析框架

(一)数字普惠金融减缓多维贫困的直接效应

1.短期直接效应

从短期或初期考察,数字普惠金融在减贫战役中发挥的作用比预期要复杂。数字普惠金融在发展初期同样存在金融排斥问题,导致贫困人群难以充分享受数字普惠金融服务,从而产生数字金融鸿沟效应,这类金融鸿沟可由被动和主动金融排斥两方面引起[12]。一方面,贫困地区终端设备覆盖率低,互联网等基础设施建设明显落后于发达地区,数字化信息服务质量低的局面短期内难以改变,数字金融的红利不易落地[13]。同时贫困地区要素市场化改革进程及整体经济环境严重滞后于发达地区,数字普惠金融功效发挥所需的社会信用体系、法律环境、金融市场体系等金融生态环境尚不完善,导致资本、技术和人力等要素资源被发达城市和地区所吸聚。以上种种原因使得被动金融排斥产生。另一方面,相比发达地区,贫困地区人群的受教育程度偏低,金融知识匮乏、金融素养欠缺。这无疑抑制了该类地区居民对数字金融的有效需求,产生了对数字金融的主动排斥,从而制约了数字普惠金融在此类地区的发展。因此,从短期来看,数字普惠金融不断发展所带来的金融排斥问题会导致地区多维贫困程度不断加深。

2.长期直接效应

一般来说,普惠金融在数字技术的赋能下能显著降低各类成本,确保成本既定下充分发挥数字技术的数据整合能力、信息挖掘能力及渠道优势,将“长尾市场”的贫困人群纳入服务范围,使金融服务触达更多人群,在精准识别出相关个体的贫困程度及信用级别后,让有真实需求的贫困者获得金融支持。一些贫困人群在获得金融支持、缓解流动性约束之后,会开展创业等生产经营活动,促进当地产业的发展,进而为数字金融红利的进一步释放营造更好的经济环境[14]。另外,贫困人群在接受金融服务过程中所产生的个人金融数据也会使数字普惠金融信用体系更加完善。故从长期来看,数字普惠金融不断发展带来的金融红利能够减缓地区多维贫困程度。

一方面,数字普惠金融降低了金融服务的供给成本。传统金融机构在提供金融服务时会着重关注商业回报,基建成本、识别成本、风控成本的约束抑制了该类机构参与金融扶贫的积极性,严重影响贫困人群的金融服务可得性。而大数据、云计算技术的应用,使得数字普惠金融服务模式能够有效降低识别成本和风控成本[15]。具体来讲,第一,大数据技术的应用使金融科技企业能够多维度地全面洞察客户资质和潜在需求,让被甄别的贫困人群真正享受到政策优惠,从而最大限度保障政策扶贫的精准性,有效发挥金融扶贫的“滴涓效应”。第二,对海量数据中有效信息的挖掘,能缓解信息不对称问题,使金融企业高效率开展远程征信调查从而有效控制坏账率,确保其合理回报率及持续提供普惠金融服务的积极性。第三,移动互联网、移动终端的应用,使金融服务摆脱了对物理网点的依赖,可以突破地理空间的限制被贫困人群获得。这样便节省了物理网点前期基建的大量投资,并大幅提高了金融服务的覆盖面。

另一方面,数字普惠金融降低了金融服务的使用成本。供给成本的降低必然会激励金融企业提供更多的金融产品及服务,然而市场交易效率的高低还取决于金融消费者的有效需求,因此降低金融服务的使用成本从而激发贫困人群的有效需求便显得极其重要。理论上分析,数字普惠金融能从三方面降低金融服务的使用成本:第一,金融企业通过互联网终端应用,能够大范围且针对性地对特定人群传播其需求的产品,消费人群能便捷、轻松、迅速了解到各种金融产品信息,金融企业能节省大量的用户培育成本,用户则能节省沟通成本。第二,基于新一代信息技术的远程操作应用让贫困人群足不出户便可使用理想的金融产品,节省了交通成本和时间成本。第三,随着互联网金融企业数量增加,市场竞争愈发激烈,倒逼各类金融企业持续开发新产品,通过创新抵押担保方式、降低服务价格等来满足贫困人群的差异化需求,也会降低贫困人群的交易成本[16]。

总之,从长期考察,在政策支持及自身持续完善之下,数字金融会逐步克服数字鸿沟效应,日益彰显普惠特征,强化金融红利效应,促进多维贫困减缓,推动经济在兼顾效率与公平中实现包容性增长。因此,总体看数字普惠金融对多维贫困的影响呈现出先增加后减少的倒“U”型曲线特征。

(二)数字普惠金融减缓多维贫困的间接效应

通过梳理相关领域的文献,可以定性归纳出数字普惠金融发展能够通过影响信贷可获得性、保险的覆盖面作用于多维贫困减缓。

一方面,数字普惠金融可能通过信贷发展来促进多维贫困的缓解,信贷发展具体有提高信贷可获得性、增加信贷规模、完善信贷服务网络等方面。这一作用机制通过两个步骤来实现:一是从供给侧来考察,数字普惠金融这种由数字技术与基于普惠理念的金融服务相融合的新业务模式是对传统金融服务模式的颠覆性变革。传统金融服务具有与生俱来的“逐利性”“嫌贫爱富”及对贫困群体和弱势群体“惜贷”的行为倾向,如果贫困人群不能满足抵押担保的基本要求,则无法获得融资[17]。主流观点认为,金融普惠性的根本宗旨在于消除各类弱势人群的金融排斥问题,而贫困人口金融排斥的主要原因恰恰在于金融供给不足,具体可以描述为信贷不足[18]。数字普惠金融发展的关键就在于借助理念转变、新技术应用及服务模式创新来解决商业逐利性与扶贫普惠性之间的矛盾,面向贫困群体定向释放流动性,从而增强贫困群体金融服务可得性,尤其是化解小微企业、农林牧渔企业融资难、融资贵问题。二是从需求侧分析,贫困人群在获得信贷资金后,若将其用于生产经营活动则会促进当地的就业和产业发展,依托当地经济增长来缓解多维贫困[19]。贫困家庭也可以利用信贷资金来平滑消费、积累生产能力,或提升自身的受教育水平、增加人力资本存量,从而摆脱“能力贫困”的窘境。

另一方面,数字普惠金融可能通过保险发展来促进多维贫困的缓解,具体有扩大保险的覆盖面、创新保险服务、培育农业保险市场等方面。传统金融模式所提供的保险服务存在主观和客观上的保险排斥,导致保险机制应有的减贫效应受到较大程度的负面影响[20]。从主观上分析,贫困人群往往因为受教育程度较低而缺乏对保险知识和保险产品的了解,同时这类人群的风险防控意识本来就淡薄,从而产生对保险的主观排斥。从客观上分析,贫困地区往往较为偏僻,且提供保险服务的机构缺乏对贫困人群相关信息的了解,所提供的保险产品难以满足客户的差异化需求,从而产生客观上的保险排斥。而数字普惠金融模式通过优化保险机制能有效克服保险排斥问题,扩大保险的覆盖面,增强保险的普惠性。理论上分析,数字普惠金融借助具有保障性、公平性、市场性特征的保险机制能够有效发挥经济损失补偿功能从而增强贫困人群的抗风险能力,最终达成缓解多维贫困的目的[21]。具体来讲,一是具有普惠性的保险机制能够帮助贫困人群抵御风险冲击,被保险人获得损失补偿后可以维持基本生活及恢复生产运营,从而体现出机制的保障性特征;二是保费低、购买便利、理赔手续简便等特点让这种保险机制能够照顾到金融知识相对欠缺、本来就不具备良好经济条件的贫困人群,彰显出机制的公平性特征;三是市场化运作能够促使保险服务机构以弱势群体的现实和潜在需求为导向加快产品创新的步伐,贫困人群则可灵活地选择各类保险产品来满足自身差异化的需求,从而体现出机制的市场性特征。

上述理论分析表明,在短期内数字鸿沟效应的存在可能使数字普惠金融的多维贫困减缓效果不理想;而在长期内,数字普惠金融可能通过降低金融服务的供给成本和使用成本对多维贫困减缓产生直接的正向影响,即红利效应明显。进一步地,数字普惠金融可能通过提高信贷可获得性、扩大保险的覆盖面等途径对多维贫困减缓产生间接影响。由此提出如下待检验假说:

假设H1:数字普惠金融发展受数字鸿沟效应和金融红利效应的综合作用,对多维贫困程度的影响呈现出倒“U”型特征。

假设H2:数字普惠金融的多维贫困减缓效应主要通过提高信贷可获得性、扩大保险的覆盖面等途径实现。

三、研究设计

(一)模型设计

借鉴数字普惠金融领域的研究,运用2011—2020年中国31个省份(直辖市、自治区)的贫困发生率、数字普惠金融指数以及相关指标的省级层面面板数据,结合前面的理论分析,建立影响多维贫困程度的多元回归模型,所建立模型如下:

MPIi,t=β0+β1lnDifi,t+β2ln2Difi,t+

β3Xi,t+μi+φt+ei,t,

(1)

MPIi,t=β0+β1lnDif_lowi,t+β2lnDif_highi,t+

β3Xi,t+μi+φt+ei,t。

(2)

(二)数据来源

本文使用的数据来源于国家统计局、各省统计年鉴、中国教育统计年鉴、Wind数据库、中国卫生统计年鉴、樊纲测算的市场化指数以及北京大学数字普惠金融指数。由于各变量单位不完全统一,为了巩固维度水平,将数字普惠金融指数型无单位变量以及波动率过大的人均GDP作对数化处理。

(三)变量选取

1.被解释变量(MPI)

现有文献大多用居民收入衡量贫困程度,然而居民的贫困不仅仅是收入贫困,如果仅使用某一个指标衡量贫困,这会导致对贫困现状的片面解读。Amartya Sen提出以能力方法为标准定义贫困的多维贫困理论,涉及收入、消费、医疗、教育等诸多方面,其较强的综合性更符合我国乡村振兴大背景下的减贫现状[22]。本文参考国际机构所发布的贫困指数中常用的变量,如联合国提出的人类发展指数(HDI)和人类贫困指数(HPI)、世界银行提出的人类机会指数(HOI)中所采用的维度和变量,将多维贫困定义为收入、教育、医疗、消费和生活水平五个维度的综合贫困水平,并构建区域多维贫困测度体系,具体指标如表1所示。

表1 多维贫困指标体系

指数合成第一步,将性质和计量单位不同的二级维度指标进行无量纲化处理,参考学术界已有成果,选择功效函数法处理量纲问题[23]。为减少极端值的影响,保证指数的平稳性,采取对数型功效函数法。具体对数功效函数的公式如下:

关于功效函数中阈值的确定,如果取各指标不同年份的最大值、最小值作为上下限,当最大值或最小值为极端值或异常值时,容易扭曲指数值,导致地区指数异常。另外,如果各指标的上下限都基于每年指标情况来设定,会导致不同年份各地区间的指标比较基准发生变化,从而纵向不可比。因此,为了便于时空上对各地区多维贫困程度同时进行横向和纵向比较,本文作了如下处理:第一,对于正向指标,取固定2011年各地区指标数据实际值的95%分位数为上限h,5%分位数为下限k;第二,对于逆向指标,取固定2011年各地区指标数据实际值的5%分位数为h,95%分位数为k。第三,为了避免种种原因导致极端值出现,我们对超过指标上限的地区进行“缩尾”处理:如当某地区基准年(2011年)的指标值超过该指标的上限值h时,则令该地区2011年的指标值为上限值h,当某地区2011年的指标值小于下限值k时,则令该地区2011年的指标值为下限值k。根据上述方法,我们就可以计算出某年某地区某指标无量纲化后的数值。在基准年,每个相应指标的无量纲化数值得分区间在0和100之间,得分越高的地区,相应指标的发展水平就越高。基准年之后年份的数据,指标的功效分值有可能小于0或大于100。

对于如何确定各维度和指标的权重,并无统一明确的规则,借鉴张全红和周强的做法采用指标等权重方法,即各指标是等权重的,每一维度内的指标也是等权重的[24]。对各维度赋予相同的权重,意味着各维度对于家庭的福利来讲是同等重要的。最后对各指标百分化和加权处理以构建多维贫困指数。

将各地区10年的多维贫困指数数据平均处理,并按照东、中、西部的区域进行划分,来总体分析不同地区多维贫困程度的差异。西部地区有7个省进入全国排名前十名,东部地区有6个省(市区)进入后十名。整体上西部地区的多维贫困程度明显高于东部地区,指数水平呈现由西向东递减的趋势。

表2 各省(市区)2011—2020年多维贫困指数均值

2.核心解释变量(Dif)

选取北京大学发布的数字普惠金融指数来衡量数字普惠金融发展水平,涵盖了2011—2020年度的数据。该指数从数字金融覆盖广度(CB)、数字金融使用深度(UD)、普惠金融数字化程度(DL)三个维度来描述数字普惠金融发展水平。同样将各地区10年的数字普惠金融指数数据平均处理,并按照东、中、西部的区域进行划分,来总体分析不同地区数字普惠金融发展水平的差异。整体上东部地区的数字金融发展水平相较于中西部地区要高,指数水平呈现从东到西递减的趋势。

表3 各省(市区)2011—2020年数字普惠金融发展指数均值

3.控制变量与中介变量

借鉴相关研究,多维贫困减缓效应主要考虑经济、社会、文化及地理等因素,本文引入经济发展水平、政府干预、城市化水平和市场化水平作为控制变量。经济发展水平采用地区人均GDP来衡量,描述地区整体经济发达程度,记为Pgdp,单位为元/人;政府干预采用公共财政支出与地区生产总值的比值来衡量,描述地方政府对市场和经济的干预程度,记为Gov;城市化水平采用城镇常住人口占总人口比重衡量,描述地区发展阶段和城市化进程,记为Urban;市场化水平采用樊纲测算的市场化指数来衡量,描述市场在资源配置中所起作用的程度,记为Market。对于中介变量,采用互联网信贷指数描述信贷发展水平,记为Crd;保险发展水平采用互联网保险指数来描述,记为Ins,该数据来源于北京大学数字金融研究中心。变量具体描述性统计结果如表4所示。

表4 主要变量描述性统计

四、实证估计结果及分析

(一)基准回归结果

首先对上述公式(1)使用Hausman检验,判断使用随机效应估计还是固定效应估计,结果显示P值为0.003 8,拒绝原假设,因此选择使用双向固定效应模型。先根据多维贫困指数和数字普惠金融指数的原始数据,绘制散点图和拟合曲线初步判断二者的非线性关系,具体见图2。随着数字普惠金融水平的不断提高,多维贫困程度经历了先上升后下降的过程,可以初步判断数字普惠金融发展和多维贫困程度的倒“U”型非线性关系。

图2 数字普惠金融发展和多维贫困程度减缓

仅仅依靠图像判定倒“U”型关系并不可靠。因此,我们在回归模型中加入平方项并进行进一步的检验。在不考虑内生性的前提下,初步验证数字普惠金融水平对多维贫困的倒“U”型影响,基准回归结果见表5。

表5 数字普惠金融发展影响多维贫困程度基准回归结果

表5(续)

对于控制变量,经济发展水平和城市化水平的系数值显著为负,说明了经济发展本身带动一部分人的投资和就业,从而减缓多维贫困水平。城市化水平的上升能够有效提高资源交换效率,同时把零散的产业集聚化,吸引更多的人口和投资参与到城市化建设中来。在这个过程中,大量的中低端岗位能够解决贫困人群的就业问题,而政府的配套建设能够减缓教育和医疗方面的贫困。政府干预和市场化水平不显著,可能的原因是政府财政支出并不会全部对多维贫困减缓产生直接作用,而市场化水平用以评价政府与市场的关系和要素市场的发育程度。这些指标注重于市场体系的搭建,对于城乡二元经济体制中广大的农村贫困群体作用不大。

(二)内生性分析

数字普惠金融作为一个综合性指标,尽管纳入信贷、保险、投资等众多微观数据,但是依然可能会有遗漏变量导致结果产生偏误的内生性问题。本文进一步采取工具变量法来弱化这一问题。借鉴李春涛[25]和钟凯[26]的思路,手工整理所有省域地区的接壤省份,使用相同年度该省份所有接壤省份的数字普惠金融发展水平均值作为工具变量。该工具变量符合外生性和相关性两个约束条件:一方面,多维贫困程度存在地域分割性,与本地区的资源禀赋有较强的关联,邻近地区的数字普惠金融发展水平难以通过信贷、支付等方面影响本地多维贫困程度;另一方面,邻近的省份通常具有相似的经济发展水平,数字普惠金融发展程度相近。

表6列(1)报告了工具变量的回归结果,考虑数字普惠金融发展与多维贫困程度之间可能存在的内生性后,数字普惠金融发展水平的系数依然为正,二次项系数依然为负,且都通过1%的显著性检验,表明数字普惠金融发展短期加剧多维贫困,长期减缓多维贫困,对多维贫困的影响呈倒“U”型特征,这与前文结果完全一致。

表6 数字普惠金融发展影响多维贫困程度的内生性与稳健性检验

(三)稳健性检验

为保证研究结论的可信程度和严谨性,本文做了如下稳健性检验:一是为减弱反向因果的影响,选择滞后一期数字普惠金融指数作为被解释变量重新估计。回归结果见表6列(2),数字普惠金融发展与多维贫困程度呈倒“U”型关系,结果具有稳健性。二是替换被解释变量,在不改变贫困维度的前提下采用熵值法重新衡量多维贫困程度。回归结果见表6列(3),数字普惠金融发展与多维贫困程度仍呈现出倒“U”型关系,核心解释变量与控制变量的系数估计和显著性水平均没有发生明显变化,表明结果是稳健的。三是缩尾处理后回归。对核心解释变量在1%的水平上进行缩尾处理,采用双重固定效应模型进行回归,得到表6列(4)的结果,系数估计和显著性均没有发生明显改变,表明结果是稳健的。四是剔除直辖市。中国地域辽阔,有着不同资源禀赋的各个地区发展极不平衡,并且在省级行政单位层次,直辖市具有明显的政策偏向性。因此,剔除北京、天津、重庆和上海四个直辖市的数据,回归结果见表6列(5),系数估计和显著性均没有发生明显改变,表明结果是稳健的。

结合以上稳健性检验,核心解释变量数字普惠金融发展水平和二次项系数估计的正负号未发生变化,显著性在1%的水平上仍然满足,系数的绝对值变化在较小的幅度内。这与表5的基准回归结果基本一致,从参数估计和显著性的标准来看,研究结果是稳健可信的。

(四)异质性分析

为了回答数字普惠金融发展对多维贫困减缓的影响是否存在地区差异,参照梁榜和张建华[27]的做法,将31个省份划分为东部、中部和西部地区进行固定效应回归分析,具体结果如表7所示。

表7 数字普惠金融发展影响多维贫困程度的区域异质性分析

五、数字普惠金融减缓多维贫困的作用机制检验

为深入考察数字普惠金融对多维贫困影响的作用机制,本文选取信贷水平(Crdi,t)和保险水平(Insi,t)作为中介变量,借鉴温忠麟[28]的中介效应分析,采用中介效应模型验证具体作用机制。但是在进行传统三步法检验的时候,参考江艇[29]关于中介效应检验偏误纠正的有关研究,停止使用第一步和第二步的检验。原因有三点:一是学者张勋等[30]的相关研究表明数字普惠金融对贫困各维度的减缓效果是存在的,学者刘锦怡等[16]相关研究表明信贷和保险是影响贫困的因素;二是数字普惠金融构建的细分指标中“使用深度”的二级维度里包括了信贷业务和保险业务,所以传统三步法中第二步核心解释变量X对中介变量M的因果判断是没有必要的;三是传统依次检验法中第二步检验的内生性问题难以解决。因此参考江艇的做法,重点在解释的意义上考察中介效应而非在度量的意义上考察中介效应,然后采用sobel和bootstrap方法分别检验信贷发展和保险发展的中介效应。

为增强模型稳健性,本文在式(5)中用各地区保费赔付支出描述保险水平,记为Ins2,该数据来源于国家统计局。考虑到不同省域之间数字普惠金融水平发展不均衡,且我国贫困现状存在明显区域差异,因而数字普惠金融的多维贫困减缓效应也可能存在地域差异。为了避免遗漏地区层面的不可观测变量而产生的内生性问题,结合传统中介效应依次检验法建立如下固定效应模型(μi和ei,t意义同上文):

MPIi,t=β0+β1lnDifi,t+β2Crdi,t+

β3Xi,t+μi+ei,t,

(3)

MPIi,t=β0+β1lnDifi,t+β2Insi,t+

β3Xi,t+μi+ei,t,

(4)

MPIi,t=β0+β1lnDifi,t+β2Ins2i,t+

β3Xi,t+μi+ei,t。

(5)

估计结果如表8所示,列(1)检验信贷发展在数字普惠金融减缓多维贫困过程中的中介效应,可见数字普惠金融发展和信贷发展均在1%的水平上显著为负,这说明存在中介效应。列(2)检验保险发展在数字普惠金融减缓多维贫困过程中的中介效应,可见保险发展的估计系数在1%的水平上显著为负,但数字普惠金融发展的估计系数不显著,表明存在遮掩效应。列(3)用保费赔付支出代替互联网保险指数来检验保险发展的中介效应,可见数字普惠金融发展和保险发展的估计系数均在5%的水平上显著为负,表明存在中介效应。假设H2得到初步验证。

表8 中介效应估计结果

为进一步增强结论的稳健性,同时初步度量中介效应的占比,本文继续采用Sobel法和Bootstrap法检验中介效应,结果如表9所示。可以看到,列(1)信贷中介效应和列(3)保险中介效应都通过了sobel检验,中介效应的估计系数均在1%的水平上显著为负,表明数字普惠金融发展的确通过信贷发展和保险发展改善了多维贫困。

表9 Sobel和Bootstrap检验结果

另外,列(2)和列(4)报告Bootstrap法抽样1 000次的检验结果和置信区间。可见,Bootstrap检验结果和Sobel检验结果的中介效应及其占比几乎没有变化,且Bootstrap检验的置信区间不包含0值,再次说明信贷发展和保险发展的中介效应是稳健的。假设H2得到进一步证实。

六、结论和政策建议

本文基于我国2011—2020年省域面板数据,就数字普惠金融对多维贫困的影响及作用机制进行了理论与实证分析。研究发现:短期内因数字鸿沟效应的存在,数字普惠金融的发展反而加深了多维贫困程度,而在长期,数字普惠金融则能够发挥出金融红利效应,并通过降低金融机构的供给成本和金融服务的使用成本推动多维贫困减缓进程,表明数字普惠金融对多维贫困的影响呈倒“U”型特征。进一步从数字普惠金融发展的一级分项指数来看,“覆盖广度”和“使用深度”的改善都具有显著的多维贫困减缓效应,但“数字化程度”的影响效果却不明显。同时,“覆盖广度”符合倒“U”型关系检验,但“使用深度”和“数字化程度”的估计系数及二次项系数并不显著,表明数字普惠金融对多维贫困影响的倒“U”型特征更有可能源于数字金融的“覆盖广度”而不是“使用深度”和“数字化程度”。另外,机制检验表明,数字普惠金融能够通过提高信贷可获得性、扩大保险的覆盖面等途径对多维贫困减缓产生影响。基于以上研究结论能获得如下政策启示:

首先,构建和完善数字普惠金融生态系统。数字普惠金融产业链各方企业、消费者、政府有关部门应该相互合作,共同营造一个有利于数字普惠金融产业发展的环境。政府应当加强和完善互联网信息基础设施建设,提高贫困地区互联网普及率,并且通过加大教育投入提高贫困群体的数字素养和金融素养,从而助力其跨越“数字鸿沟”和“知识鸿沟”。此外,政府需要优化有利于数字金融发展的相关政策及其具体实施细则。数字金融企业应当持续拓展产业链整合能力,通过优化平台规则实现平台经营与生态系统构建的有机结合。同时,应该加强涵盖个人诚信体系、小微企业诚信体系和平台诚信体系的多层次诚信体系建设,以此减少信息不对称等所致的金融欺诈或其他机会主义行为产生,降低生态系统运行的交易费用,从而有效提高数字金融市场的交易效率。另外,应该堵住监管漏洞,重点围绕审慎监管、行为监管和金融消费者保护三个方面加强对数字金融的功能监管。鉴于数字金融有别于传统金融的特殊性,针对数字金融的信息科技风险、支付、信息披露等,应该重点加强机构监管。

其次,从供需两侧优化信贷机制,既要适当扩大信贷供给、丰富信贷产品,又要防止过度借贷。在供给侧,要充分发挥数字金融共享、便捷、低成本、低门槛的优势尤其是其缓解信息不对称的功能,持续提高信贷配给的速度和效率,确保贫困人群对信贷的可获得性,从而让信贷获得者将资金用于消费、教育、医疗等方面,防止脱贫者返贫及边缘户致贫。在需求侧,应该合理引导贫困人群的信贷行为,避免刺激贫困群体过度借贷、超前消费而深陷债务危机,进而降低未来收入规模及主观幸福感。尤其要借助大数据动态监测机制防止贫困人群出于攀比心理而过度申请消费信贷。总之,要恰当利用好信贷机制,规避其不利影响,使之有利于减缓多维贫困。

再次,从供需两侧发力推动数字保险服务的发展。在供给侧,保险行业除了要重视保险深度和保险密度之外,更应关注保险的普惠性。同时,应该积极利用数字技术开展保险产品的创新,丰富产品种类,优化产品结构,避免产品的同质化,开发出能切实满足贫困人群风险管理要求的保费合理的普惠保险产品。在需求侧,要通过持续提升贫困人群的受教育程度来提高其保险素养,增强其保险认知能力、风险防范意识和保险意识,引导贫困人群借助适当的普惠保险产品来实现风险转移或规避,通过获得损失补偿来维持生产生活的正常运行,从而避免掉入贫困陷阱。总之,要重视普惠保险业务与储蓄、信贷、支付等其他金融业务的协调发展,充分发挥其贫困治理功能。

最后,应当重视数字普惠金融多维贫困减缓效应的地区差异,推动差异化策略的实施。东部地区区位优势、资源优势、人才优势明显,传统金融发展水平和金融供给侧结构性改革效果要明显优于中西部地区,其在数字普惠金融发展中应该持续推进金融产品创新并致力于金融服务效率的改善。同时,东部地区应该积极发挥区域辐射带动作用,为中西部地区数字金融的发展提供必要的人才、技术等资源支持,以便实现数字普惠金融在东、中、西部的均衡发展,进而协助中西部地区加快减缓多维贫困进程。中西部地区尤其是西部地区要加快数字基础设施和信息网络的建设,在多维贫困减缓中要重视借助数字普惠金融推动当地特色产业发展,通过特色产业发展为当地居民特别是贫困人群提供更多就业或创业机会,实现从“输血式”减贫到“造血式”减贫的转变,最终达成多维减贫目标。