数字普惠金融对城乡消费差距的影响
来源:用户上传
作者:高文斌
【摘 要】论文选取2011-2018年31个省级面板数据，运用面板回归模型检验了数字普惠金融对城乡消费差距的影响。结果表明，数字普惠金融可以有效缩小城乡消费差距。
【Abstract】This paper selects 31 provincial panel data from 2011 to 2018， and uses panel regression model to test the impact of digital inclusive finance on the consumption gap between urban and rural areas. The results show that digital inclusive finance can effectively narrow the consumption gap between urban and rural areas.
【关键词】数字普惠金融;城乡消费差距;影响
【Keywords】digital inclusive finance; consumption gap between urban and rural areas; impact
【中图分类号】F832;F126.1 【文献标志码】A 【文章编号】1673-1069（2020）11-0078-02
1 引言
2013年11月，随着《中共中央关于全面深化改革若干重大问题的决定》的通过，正式提出发展普惠金融。2015年底，国务院发布《推进普惠金融发展规划（2016-2020）》。在“互联网+”时代，普惠金融发展迎来了历史机遇，大数据等数字化技术与普惠金融不断融合，并进一步展现出“成本低、传播快、覆盖广”的优势。那么数字普惠金融能否缩小城乡消费差距？
2 文献综述
焦瑾璞等人（2015）认为推广数字货币，社会各阶层都能接触到金融服务，同时，使用数字货币，能构建更精准的征信系统，为数字普惠金融的进一步发展奠定坚实的基础[1]。郑中华等人（2014）认为目前中国的金融体系与真正意义上的普惠金融存在一定差距，金融服务对象及其产品缺乏普惠性[2]。汪晓文等人（2018）则从税收角度，探究分析了政府引导普惠金融全面发展的政策路径，如拓展普惠金融市场，防范普惠金融風险[3]。郝云平（2018）通过构建空间面板数据并结合SAR模型研究发现，数字普惠金融显著地促进经济增长，同时发现数字普惠金融存在强烈的空间相关性和集聚效应[4]。李扬（2017）提出大力发展普惠金融、建立市场化风险处理机制以及完善金融监管框架是提高金融服务实体经济效率的根本举措[5]。类似的，成学真等人（2020）发现数字普惠金融能显著促进实体经济发展，且传统金融发展、消费水平，以及科技创新在其中起着中介作用[6]。张勋等人（2019）将中国数字普惠金融指数和中国家庭追踪调查（CFPS）数据相结合，发现数字普惠金融的发展将促进中国实现包容性增长，此外，数字金融的发展改善了农村居民的创业行为，带来了创业机会的均等化[7]。
3 理论基础与研究假设
按照金融包容性增长理论和信息不对称理论，数字普惠金融依托互联网技术，保障和提高金融资源分配的公平性与效率，以减贫效应、门槛效应等为作用机制，能够显著缩小城乡收入差距（梁双陆等，2019）[8]。数字普惠金融以互联网技术为载体可以提高金融服务的可获得性。传统金融机构主要通过设立物理网点为人民提供金融服务，然而，经济不发达地区往往伴随着复杂的地理环境、高昂的基建成本等情况，这与金融机构追求经济效应的目标产生了矛盾。因此，传统金融难以渗入亦不愿意冒风险。数字普惠金融利用自身传播快等特点，不仅可以让其享受服务，还能利用大数据技术为其提供精准的个性化服务。数字技术的推广与网络平台的利用，使得资金供求双方快速完成信息搜寻、定价和交易。据此，本文提出假设一：发展数字普惠金融，可以缩小城乡消费差距。
4 数据来源、模型构建与变量选取
4.1 数据来源与变量选取
本文关于数字普惠金融的数据来源于北京大学数字普惠金融研究中心和蚂蚁金服集团所编制的“北京大学数字普惠金融指数”。其余变量数据来源于《中经网统计数据库》，样本期间为2011-2018年。
因变量cg为城乡消费差距，参考纪江明等人（2012）的研究成果，本文选用各省份城乡居民人均消费性支出之比来衡量因变量cg[9]，自变量difi为数字普惠金融。
除了上述三个主要变量外，借鉴其他学者的研究成果，本文选择的控制变量有城镇化率（ur）、政府干预（gov）、产业结构（is）、对外开放程度（tra）、经济增长（eco）、消费结构（eng）等。样本相关的描述性统计如表1所示。
4.2 计量模型构建
首先，为了验证假设一，构建一个基准计量模型作为结果参照，初步探讨数字普惠金融对城乡消费差距的抑制作用。模型公式为：
cg=c+α1difiit+α2igit+α3urit+α4govit+α5isit+α6ecoit+α7trait+α8engit+εit （1） 其中，i表示省份，t表示年份。cg为被解释变量城乡消费差距，difi为核心解释变量数字普惠金融指数，其余变量在此处均作为控制变量，εit为随机干扰项。对模型（1）变量取对数后得到模型（2）：
Incg=c+α1Indifiit+α2Inigit+α3Inurit+α4Ingovit+α5Inisit+α6Inecoit+α7Intrait+α8Inengit+εit （2）
5 实证过程与结果讨论
本文使用Stata 16.0对模型（1）进行基准回归。对模型进行hauseman检验后，结果显示：P值为0.0004，在1%显著水平上拒绝随机效应的原假设。对不包含控制变量的模型，其hauseman检验显示P值为0.0107，在5%的水平上显著。因此，选择固定效应模型更为合适。实证结果如表2所示，首先，无论是否考虑控制变量，数字普惠金融与城乡消费差距均呈显著负相关。这说明数字普惠金融的实施从消费渠道和支付方式等方面为城乡居民提供了便利，拉近了城乡消费上的距离，假设一得到验证。
6 结论与启示
本文研究了数字普惠金融对城乡消费差距的影响，发现数字普惠金融的发展能够缩小城乡消费差距，这主要是数字普惠金融具有很高的金融包容性，在解决信息不对称问题的同时，降低了交易成本，缩小了城乡居民之间的消费差距。
【參考文献】
【1】焦瑾璞，孙天琦，黄亭亭，等.数字货币与普惠金融发展——理论框架、国际实践与监管体系[J].金融监管研究，2015（07）：19-35.
【2】郑中华，特日文.中国三元金融结构与普惠金融体系建设[J].宏观经济研究，2014（07）：51-57.
【3】汪晓文，叶楠，李紫薇.普惠金融的政策导向与引领——以税收为例[J].宏观经济研究，2018（02）：21-29.
【4】郝云平，雷汉云.数字普惠金融推动经济增长了吗？——基于空间面板的实证[J].当代金融研究，2018（03）：90-101.
【5】李扬.“金融服务实体经济”辨[J].经济研究，2017，52（06）：4-16.
【6】成学真，龚沁宜.数字普惠金融如何影响实体经济的发展——基于系统GMM模型和中介效应检验的分析[J].湖南大学学报（社会科学版），2020，34（03）：59-67.
【7】张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，54（08）：71-86.
【8】梁双陆，刘培培.数字普惠金融与城乡收入差距[J].首都经济贸易大学学报，2019，21（01）：33-41.
【9】纪江明.中国民生性财政支出对城乡居民消费差距影响的实证研究——基于1995～2009年省级面板数据的协整分析[J].经济与管理研究，2012（10）：13-23.
转载注明来源:https://www.xzbu.com/4/view-15374121.htm
