数字金融参与对多维相对贫困的影响

The Impact of Digital Finance Participation on Multidimensional Relative Poverty

摘要: 随着减贫工作的大力开展，脱贫攻坚取得重大进展，如何巩固脱贫攻坚成果并建立解决相对贫困的长效机制是关键。本文采用中国家庭金融调查(CHFS) 2019年的数据，实证分析参与数字金融对多维相对贫困的影响以及作用机制。研究显示：数字金融参与能显著缓解多维相对贫困。机制分析发现，数字金融参与能通过改变居民就业性质，促进非农就业，提高个人及家庭收入，从而缓解多维相对贫困。本文为巩固脱贫成果提供新视角，为数字金融在巩固脱贫攻坚成果方面提供新的路径参考。

Abstract: With the vigorous development of poverty reduction work, significant progress has been made in poverty alleviation. The key is to consolidate the achievements of poverty alleviation and establish a long-term mechanism to solve relative poverty. This article uses data from the China Household Finance Survey (CHFS) in 2019 to empirically analyze the impact and mechanism of participating in digital finance on multidimensional relative poverty. Research shows that participation in digital finance can significantly alleviate multidimensional relative poverty. Mechanism analysis reveals that digital finance participation can alleviate multidimensional relative poverty by changing the nature of resident employment, promoting non-agricultural employment, increasing personal and household income. This article provides a new perspective for consolidating the achievements of poverty alleviation and a new path reference for digital finance in consolidating the achievements of poverty alleviation.

1. 引言

习近平总书记在全国脱贫攻坚总结表彰大会上庄严宣告在2020年实现我国脱贫攻坚的全面胜利，取得9899万贫困人口实现脱贫，832个贫困县摘帽的成果。党的二十大强调完成脱贫攻坚是具有重大现实意义以及深远历史意义的，要重视脱贫攻坚丰硕成果的巩固，而部分脱贫人口的内生发展动力不足的问题值得关注。根据我国精准扶贫政策下的“两不愁三保障”等目标，对于贫困的衡量与测度应该是多维度的。因此，对于贫困的测度不仅包括收入维度，还应考虑教育、健康等多维度。

精准扶贫政策下，贫困户更容易获得正规信贷，尤其对于“精英农户”，当这部分群体获得正规信贷的概率得到提高后，其脱贫质量得到大大提升 [1] [2] 。另外，若是家庭中拥有养老保险则能降低家庭相对贫困发生的可能性，因为老年人的照顾和生活得到保障和支持后，家庭中劳动力释放可以增加收入，同时也可以增加对小孩教育的投入 [3] 。对于贫困农民，重大疾病以及自然灾害的突发是陷入贫困或返贫的另一原因。由于低收入家庭对抗风险的能力较低，与收入相比，治疗费用可能相对较高，因此低收入家庭极易陷入贫困 [4] 。

随着我国脱贫事业的发展，金融在贫困治理中发挥着重要的作用。数字金融拥有成本低和便利性的特点，对低收入省份的减贫作用更强，并且数字金融带来的“红利”提高了农村居民的收入，缓解了城乡收入的不平等 [5] [6] 。为了实现农村减少贫困的长期目标，除了通过金融技术的创新，提高贫困及低收入群体对于金融服务的可获得性，还应重视金融知识的教育 [7] 。更加了解金融知识和金融服务平台，数字金融才能有效高效的惠及到贫困群体。当他们熟悉掌握金融知识和相关技能后，贫困群体会更有自信且及时去抓住机会实现创业，从而摆脱贫困境地 [8] 。

如何巩固脱贫攻坚成果，有效防止返贫问题是当前值得关注的方向。本文基于贫困治理内涵的发展，从多维度构建多维相对贫困体系测度贫困，实证分析参与数字金融服务对多维相对贫困的影响，基于具有不同特征的居民研究其影响的异质性，并通过研究数字金融对贫困缓解的机制作用，希望能为巩固脱贫成果提供路径参考。

2. 理论分析及研究假说

从个人的角度，相较于参与传统金融服务，参与服务数字金融能促进非正规就业人群的发展，通过数字金融资源帮助这类群体克服技能不足和制度阻碍等问题，从而提高了非正规就业人群的收入 [9] 。

此外，数字金融通过缓解信息和信贷的约束，提高农民对社会的信任以及识别创业机会的能力，从而增加了农民创业的可能。数字支付也帮助企业扩大了市场规模，企业对技术创新的要求更高提供更多就业岗位。进一步研究发现，数字金融背景下，农户更有可能从事非农创业和发展型创业 [10] [11] 。数字金融会影响个人参与网络购物的可能，尤其是农民群体，并且数字支付相比于数字理财和数字借贷对农民是否进行网络购物的影响更大，学历越高的农民群体更愿意参与网络购物 [12] 。以上数字金融可以对个人产生影响的关键因素是个人是否能响应数字金融行为，因此需要重视个人尤其是农户的金融知识的教育，提高其风险偏好水平以及对于发展机会的敏感度 [13] 。

从家庭角度，相较于城镇家庭，数字金融能显著提高农村家庭的金融可得性。因为移动支付等数字金融服务会通过提高居民的金融知识水平、风险承担以及投资方式更为便利等多种途径，实现家庭金融资产配置多样化、资产组合更有效。并且数字金融使得农村家庭金融资产配置中高风险资产配置规模有所增加 [14] [15] 。在家庭消费方面，移动支付显著降低了家庭为应对各项风险而进行的预防性储蓄，减少了传统信贷和预防性储蓄的约束，数字金融参与对拉动农村家庭消费内需有明显的影响，主要增加农村居民对发展享受型方面的消费，比如在家庭教育支出方面的支出有所增加 [16] [17] 。

假说1：数字金融参与会缓解多维相对贫困

随着诸多新兴科技的涌现，信息和通信技术为金融领域提供了技术支持，二者的结合促进经济发展，弥合金融基础设施差距，向贫困户和低收入群体提供多样的金融服务，提高金融普惠性来帮助减少贫困和收入不平等 [18] 。相较于传统的金融服务参与，数字金融参与能在其基础上加强减贫效果。但是，有研究发现，数字普惠金融对于家庭贫困脆弱性的影响具有门槛效应，当家庭人均年收入超过一定的门槛值后才能对缓解家庭贫困脆弱性起到显著作用 [19] 。并且，尽管数字金融的普惠性凸显了“数字红利”，但同时由于城乡发展差异，空间限制造成的“数字鸿沟”对数字金融缓解贫困的效果有所影响 [20] 。

贫困的成因是多维度的，其中包括缺乏获得正规教育、学习工具和信息的机会。由此造成贫困群体的认知能力和行为能力往往较差，从而造成贫困永久化 [21] 。根据现有研究，数字金融能显著缓解农村教育贫困，无论是从农村教育贫困的广度、深度还是强度方面，数字金融这一影响都是显著的 [22] 。因此，加强农村的数字基础设施建设以及提高重视农村的人力资本投入是缓解农村多为相对贫困的重要途径 [23] 。另外，低收入维持不了生计是农村出现贫困的原因之一。收入低的家庭消费受限且家庭幸福感较低，对于疾病、灾害等突发问题的能力低，从而更容易陷入贫困 [24] 。数字普惠金融可以通过提高居民尤其是农户等数字技能以及风险管理能力，提高其金融可得性，缓解融资约束，促进其创业从而提高收入，纾解贫困群体的多为相对贫困 [25] [26] [27] 。因此，要疏解贫困群体的多维相对贫困并提高贫困家庭的复原力需要重视积累家庭资产以及人力资本的投入，将更有利于降低家庭陷入贫困的可能 [28] 。

假说2：数字金融参与会通过提高居民收入，促进居民创业来缓解多维相对贫困。

3. 数据来源及变量描述

3.1. 数据来源及处理

本文使用的数据来自2019年中国家庭金融调查数据库(China household finance survey, CHFS)，2019年是进行的第五轮调查，调查样本覆盖29个省(自治区、直辖市)，343个区县，1360个村(居)委会，样本总量达到34,643户。数据库中包含个人数据集、家庭数据集以及地区数据集这三种数据集。因为数据集是采用问卷形式获取的，需要对数据进行预处理，处理步骤包括保留受访者为户主的数据，并且将户主年龄限制在在18岁以上、70岁以下，剔除主要变量的缺失值等，共得到个研究样本。

3.2. 模型设计

为了研究数字金融参与对多维相对贫困影响，本文设定模型：

$pov={\partial }_{1}DF+{\displaystyle \sum {\beta }_i{X}_i}+\epsilon$ 。 (1)

模型中， $pov$ 为被解释变量，表示多维相对贫困，解释变量DF表示数字金融参与。 $X_i$ 为控制变量， $\epsilon$ 为随机误差项。 ${\partial }_1$ 和 ${\beta }_i$ 为影响系数，分别表示数字金融参与以及控制变量对多维相对贫困的影响程度。

3.3. 变量说明

3.3.1. 被解释变量

本文的被解释变量为多维相对贫困。参考Alkire and Foster (2011)的做法，从经济能力层面、发展能力层面和环境层面的三个维度构建测度多维相对贫困的指标体系 [29] 。在经济能力层面上，除了考虑收入层面，还考虑就业情况以及固定资产情况。另外，考虑到我国城乡居民收入存在差距，因此两者收入临界值并不一致，所以对于城镇和乡村的贫困标准测度不应该采用绝对贫困线或者以农村居民收入为基准 [30] 。在发展能力的维度上，除了关注教育、健康以及社会保障层面，还增加了信息关注。在环境维度，本文主要考虑居民对于基本公共服务的满意度以及互联网的获取使用程度。通过以上三个层面构建衡量居民多维相对贫困的指标体系，测度居民的贫困程度。

3.3.2. 解释变量和控制变量

本文的解释变量是数字金融参与。数字金融的三大核心功能是支付、信贷与投资。为了测度是否参与数字金融，参考张勋等(2021)的做法，数字支付、互联网贷款、互联网理财这三项中至少参与1项的赋值为1，1项都没有参加的赋值为0 [31] 。

本文从户主特征变量和家庭特征变量的角度选取了可能影响多维相对贫困的控制变量。对样本进行预处理后，以上相关变量的定义及描述性统计可见表1。

Table 1. Descriptive statistics

表1. 描述性统计

4. 实证结果及分析

4.1. 基准回归

基于模型(1)，考虑到本文使用的数据是2019年的截面数据，被解释变量为定量数据，不存在多重共线性，且异方差检验结果P-Value显著小于0.05，本文采用OLS回归模型检验数字金融参与对多维相对贫困的影响。为了进一步检验回归结果的稳健性，下文将采用“双阈值法”测度结果替换被解释变量，考虑到“双阈值法”测度结果为虚拟变量，将使用logit模型检验。

根据表2回归结果，数字金融参与的估计系数为−0.054，并且在1%的水平上对多维相对贫困有显著负向影响，说明数字金融能显著缓解多维相对贫困。

Table 2. The impact of digital finance participation on multidimensional relative poverty

表2. 数字金融参与对多维相对贫困的影响

4.2. 内生性检验

参考董晓林等(2021)选取家庭是否拥有智能手机作为数字金融参与的工具变量 [32] 。考虑到选取工具变量的要求相关性与外生性，是否拥有智能手机是数字金融参与的前提且必要条件，因此两者有相关性。同时，是否拥有智能手机对于成人教育支出并没有直接影响，符合工具变量外生性的要求，结果如表3所示。

Table 3. Endogeneity testing

表3. 内生性检验

4.3. 稳健性检验

为了检验居民数字金融参与对多维相对贫困的影响的稳健性，本文采用三种方式进行稳健性的检验：替换被解释变量、替换解释变量以及子样本回归。

4.3.1. 替换被解释变量

基准回归中被解释变量是用多维相对贫困指数来测度的，为了测度影响的稳健性，这里继续完成“双阈值法”的第二步，将多维相对贫困指数大于1/3的认定为处于相对贫困状态，处于相对贫困状态则赋值为1，反之赋值为0。并且考虑到被解释变量为二元变量，采用logit模型对其进行回归检验。

4.3.2. 替换解释变量

本文的解释变量是数字金融参与，至少参与数字支付、互联网借贷以及数字理财三者之一则认为是参与数字金融，赋值为1，否则认为是没有参与数字金融。为了检验稳健性，替换解释变量为数字普惠金融指数，考虑到量纲和回归系数大小的问题，本文将数字普惠金融指数做除以100处理。

4.3.3. 子样本回归

因为各个城市数字金融发展速度不一，互联网发展差距较大。而互联网的建设和覆盖是居民参与数字金融的前提和必备条件，所以将互联网发展水平领先的地区剔除，对剔除后的地区再进行回归检验。根据《互联网和相关服务业运行情况》可知2019年我国互联网发展位于前列的是北京、上海、广东、浙江，剔除这四个省后对剩余的省份进行回归检验结果如表4，发现数字金融参与对多维相对贫困仍有显著的负向影响，基准回归具有稳健性。

Table 4. Robustness test

表4. 稳健性检验

4.4. 机制检验

基于前文的理论分析，数字金融的发展能通过改变个人或家庭的就业性质，不再局限于从事农业劳动，提高居民从事非农就业、工商业经营创业的可能，提高收入，从而摆脱相对贫困的状态。实证检验的结果如表5显示，列(1)表明数字金融能显著帮助个人或家庭进行非农就业，同时，列(2)表明是否进行非农就业的系数为负值并在1%上显著，数字金融发展能显著的降低多维相对贫困的发生。

Table 5. Mechanism verification

表5. 机制检验

5. 异质性检验

具有不同特征的居民参与数字金融对其多维相对贫困的影响程度是不同的，即具有异质性，因此本文从城乡、区域以及年龄三个方面对可能的存在的异质性进行分析。

5.1. 城乡异质性检验

表6反映了城镇和乡村居民的数字金融参与对多维相对贫困有比较显著的降低作用，并且，农村居民参与数字金融在降低多维相对贫困方面的作用稍大，即农村居民的数字金融参与对多维相对贫困的降低作用是略强于城镇居民数字金融参与。可能的原因是为了保证设置贫困线的合理性，城镇和乡村的相对贫困线划分依据各有临界值。由于城乡收入存在明显差距，农村的相对贫困线的设置会低于城镇的相对贫困线，从而农村居民的数字金融参与会给家庭的多维相对贫困带来稍大的影响。

Table 6. Heterogeneity testing between urban and rural areas

表6. 城乡异质性检验

5.2. 区域异质性

由于我国地域较广，区域之间经济发展差距较大，东部和中部经济较西部地区更发达，因此需要根据区域不同进行异质性的检验。根据表7检验结果发现，三个地区的居民的数字金融参与都对多维相对贫困有显著的减少作用。东部地区居民的数字金融参与对多维相对贫困的降低作用最大，其次是中部地区，最后是西部地区。可能的原因是东部地区和中部地区经济发达，数字金融发展更为快速全面，对贫困群体的帮扶力度以及适配程度更高效，从而有更显著的缓解多维相对贫困的效果。

Table 7. Regional heterogeneity test

表7. 区域异质性检验

5.3. 年龄异质性

考虑到不同年龄段段居民对于数字金融的接受度和熟练使用度有差异，将居民的年龄段划分成三个区间，分别是18~40岁，40~60岁，60~70岁。对这三个年龄段的居民分别进行异质性分析。根据表8回归结果，首先这三个年龄段的居民的数字金融参与都对相对贫困有明显降点的作用，作用最明显的是60~70岁群体，其次是18~40岁群体，最后是40~60岁群体。

Table 8. Age heterogeneity test

表8. 年龄异质性检验

6. 研究结论与政策建议

本文通过构建测度多维相对贫困的指标体系，计算得到城镇居民和农户多维相对贫困的程度，以此作为依据实证分析数字金融参与对多维相对贫困的影响。根据实证结果表明，参与数字金融能显著缓解贫困户的多维相对贫困，这一影响对于东部地区以及农民的效果更为显著。结果通过替换解释变量为数字普惠金融指数、替换被解释变量并更换成logit模型回归以及剔除数字金融发达地区数据的稳健性检验后，结果依然是成立的。机制检验结果表明，数字金融参与提高了贫困户的收入以及对贫困户的创业起到了促进的作用，从而对减缓多维相对贫困是有所帮助的。

基于上述研究结论，本文得出如下政策建议：第一，由于数字金融参与能有效减缓相对贫困，因此在巩固脱贫攻坚成果的背景下，政府应该要继续推进数字金融发展，扩大数字金融的覆盖面和提高数字金融的服务质量，使其低成本和便捷性的“红利”能更高效的惠及更多贫困群体；第二，由于城乡均存在贫困户，贫困群体因其贫困质因各异，金融机构需要考虑不同群体的需求，制定更多元化的数字金融产品和服务，使数字金融能真正的有助于贫困群体的发展；第三，贫困户的内生动力不足是目前较为关注的问题，因此要重视贫困户金融素养的提高，加强对贫困户的金融知识教育，使贫困户可以主动学习、掌握并利用数字金融去发展，提高收入能力。

参考文献