農戶數字普惠金融增收效應的實證分析
——基于農戶調查數據和分位數模型的再檢驗

劉艷華 張國釗 余暢婉

（安徽工業大學商學院，安徽 馬鞍山 243000）

一、引言

實現農民增收， 是黨的二十大所提出的鄉村振興和共同富裕的重要內涵。 據國家統計局數據顯示，盡管我國城鄉居民收入比由2010 年的3.23，下降到2022 年的2.45， 但農民相對較低的收入問題依然存在。 如何進一步提高農民參與社會收入分配的比重，增強其收入“獲得感”，仍然是迫切需要解決的問題。金融發展作為資源配置的重要途徑， 理應發揮其在改善農民收入格局中的重要作用[1]。 當前，數字普惠金融的快速發展有效緩解了傳統普惠金融普遍存在的金融排斥[2]、金融機構“使命漂移”、農村信貸市場“資源錯配”[3]以及信貸風險積累上升[4]等問題，提供了緩解因機會與權利不平等造成的相對貧困的長效機制[5]。

梳理現有文獻發現， 相關研究主要集中于普惠金融或數字普惠金融的減貧效應、 收入效應及城鄉收入差距效應等方面。 首先，在數字普惠金融的減貧效應方面， 基于互聯網對普惠金融供給成本與使用成本的節約和經濟機會創造功能， 很多學者認為數字普惠金融可以減緩貧困[6-8]。 因為數字普惠金融可以提升長尾客戶獲得金融服務的獲得機會， 以此來增加其增收脫貧的機會[9]。 也有學者認為，在短期內數字普惠金融發展的減貧效應顯著， 長期減貧效應不顯著[10]，并發現經濟增長的速度對數字普惠金融的農村減貧力度具有“閾值”效應[11]。 其次，在數字普惠金融對農民收入影響方面， 大多數學者都持積極觀點[12-14]，認為數字普惠金融可以從整體上促進居民收入公平[15]。 其原因是數字普惠金融的多元化發展提高了金融服務的地理覆蓋度和可獲性，有助于農村居民發揮既有優勢進行項目投資，進而增加收入[16]。最后，在數字普惠金融發展對城鄉收入差距的影響研究方面，學術界基本支持數字普惠金融對城鄉收入差距的縮小作用[17-19]，具有顯著的“數字紅利”效應[20]。 但是，其數字紅利大小會受到教育水平、門檻效應、互聯網技術等方面的影響[21-22]，并具有結構異質性[23-24]和非線性效應[25]。

毫無疑問， 已有研究對我們探究數字普惠金融的收入效應具有積極作用。 但需要指出的是，現有研究視角主要集中在宏觀領域， 基于微觀視角的研究較少，尤其是通過調查數據加以分析的文獻較少。 由于數字普惠金融與收入存在交互關系， 現有研究可能存在嚴重的內生性問題。 因此，如何剔除收入對數字普惠金融的反作用，需要進一步探究。 另外，在探究數字普惠金融的收入效應時， 多數研究采用的是北京大學數字金融中心編制的數字普惠金融指數， 然而該指數測度的對象包括城鄉中小微企業、 城鎮個體工商戶等非農戶主體，使用該指數探討其對農戶的收入作用關系，會造成映射關系有偏， 所得參數不能真實反映數字普惠金融對農戶收入的真實作用效果。 為此，本文借鑒北京大學數字金融中心數字普惠金融指數的編制原理，編制專門針對農戶主體的數字普惠金融指數， 進而以微觀調查數據為研究樣本， 采用收入分位數模型實證分析數字普惠金融對農戶增收的效果， 為探索數字普惠金融對農戶的真實收入效應提供現實和理論依據。

二、作用機制分析

從農戶金融行為的視角看，數字普惠金融對農戶收入的作用機制主要體現為信貸服務增收機制、投資理財增收機制和互聯網保險的收入穩定機制三個方面。

（一）信貸服務增收機制。 農業產業的脆弱性、農戶的低收入水平、征信數據不完善、互聯網普及率低等問題，導致了農戶在信貸市場受到嚴重的信貸配給。數字普惠金融機構借助大數據、云計算等技術工具，可以提高征信效率，降低金融機構與農戶之間的信息不對稱程度；數字普惠金融服務的獲取門檻低，可獲性強，可以有效地緩解信貸約束問題。 信貸服務可獲性的提高，有助于解決低收入農戶在生產投資、教育投資和創業投資面臨的資金約束，為其提高收入創造條件。

（二）投資理財增收機制。 金融服務的數字化和網絡化，打破了時空的限制，拓寬了農戶的投資理財渠道， 余額寶、 零錢通等理財工具的低門檻和高效率，為農戶提供了豐富的理財產品，為其資產保值增值創造了條件。

（三）互聯網保險的收入穩定機制。 數字化社會將改變原有保險的外部環境， 互聯網保險成為農戶收入增加的“助推器”和“穩定器”。 一方面，人壽保險、財產保險等險種既可以轉移風險，免受財產重大損失，也可以穩定收入。 另一方面，互聯網保險機構通過數據挖掘技術手段獲取農戶客戶的基本信息，通過大數據和云計算技術分析客戶消費傾向和消費行為習慣，為客戶提供精準保險服務。

三、研究設計、指標選取與變量定義

（一）研究設計

1.問卷內容設計。 根據本文的研究主旨，調研問卷的內容主要包括農戶特征、農戶收入狀況、農戶數字普惠金融特征和地區特征等四部分內容。 其中，農戶特征主要包括戶主性別、年齡、學歷、家庭勞動力數量、家庭成員身體健康總體狀況等；農戶收入特征主要為農戶人均月收入水平； 農戶數字普惠金融特征包括數字普惠金融的滲透性、可獲得性、使用效用性和使用深度五個維度； 地區特征包括所在村是否為信息服務站、農村地區網絡信號強度等內容。

2.調研對象與調查方法。 本文通過采用實地調查及線上調查結合的方式， 調查了全國29 個省市的農戶。由于調查樣本需要保證隨機性與可代表性，因此本次調查在各省市進行分層抽樣。 根據分層抽樣技術來確定樣本數量，公式如下：

其中，N、Z、d、σ 分別表示樣本量、置信區間Z 統計量、抽樣誤差范圍和標準差。

由表1 可知， 樣本量的確定主要取決于置信水平和抽樣誤差。 為了提高研究結果的可信度，本文將樣本容量的置信度控制為99%， 抽樣誤差不超過5%，查表得Z=2.5，σ=0.5，d=5%。因此，N==665.64， 得出此次調查所需最小樣本量。 抽樣過程為：每個省市抽取3 個地級市，每個地級市抽取2 個縣市，每個縣市抽取2 個鄉鎮，每個鄉鎮抽取2 個村，每個村抽取2 戶居民。 在調查期間獲得總樣本數1 019份，遠超此次調查時所需最小樣本量的設定，其中有效樣本1 003 份，有效樣本率達到98.43%。

表1 不同置信區間和抽樣誤差下的樣本量

（二）變量選取與測度

1.被解釋變量（Income）：本文將戶人均月收入定為被解釋變量， 通過分位數模型來研究解釋變量及控制變量對不同區間的戶人均月收入的影響程度。

2.核心解釋變量：農戶數字普惠金融發展水平及其測度（DIFI）。

（1）指標體系的構建

通過查閱有關文獻， 發現北京大學編制的數字普惠金融指數（2011—2015 年）在學術界中占有重要的權威性，因此，我們在借鑒北京大學數字普惠金融指數編制原理的基礎上， 選取了符合農戶數字普惠金融特征的指標體系。 指標體系如下頁表2 所示。

表2 農戶數字普惠金融發展水平指標體系

（2）數字普惠金融指數的計算方法

第一步，基于變異系數法確定權重。 本文借鑒楊艷琳等學者的計算方法[26]，客觀上對農戶數字普惠金融變量賦予權重，計算公式為：

其中Wmp為變異系數；SDi為每個變量的標準差；Meanj為每個變量的平均值，且i=j。

第二步，計算農戶數字普惠金融水平。 本文借鑒楊艷琳和付晨玉（2019）[26]等學者的計算方法，采用如下公式計算：

其中，DIFI 為農戶數字普惠金融指數,Wmp為變異系數，即第m 個具體指標在第p 個農戶的權重，通過變異系數法確定；Vmp表示每個指標計算值， 由xmp進行統一量綱處理后再乘以其權重Wmp得到。

3.控制變量

為了提高回歸結果的準確性， 本文還選取了以下控制變量來研究其對農戶人均月收入的影響，主要包括戶主性別（gender）、年齡（age）、學歷（edu）、農村地區網絡信號強度（sig）、身體健康狀況（health）以及家庭勞動力人數（fm）。

（三）描述性分析

從統計表3 中可以看出， 調研樣本農戶的男女性別比例相當，但男性略多于女性。 家庭勞動力人數主要集中在3 至4 人， 該樣本數約占總樣本的69.59%。戶主的年齡主要分布在18~30 歲之間，占比63.01%。 被調查者的文化程度普遍不高，高中及以下學歷者占比56.93%； 達到本科及以上學歷的農戶占比略低，為30.51%。

表3 樣本農戶基本特征

農戶所在地網絡信號一般及以下的占全部樣本的66%。 由于國家新基建的實施，農村地區的網絡信號強度有所增強，但是相比城市地區，網絡強度較差。主要原因在于部分農村地區地處偏遠，基站數量少，而使用智能設備數量較多，造成網絡供不應求。

樣本農戶的人均月收入水平總體較低，其中，在2 000 元以下的樣本數最多，占總樣本的比重為41.48%。本文的具體變量名稱及定義、統計性描述結果如表4 所示。

表4 變量定義及統計性描述

四、實證研究

（一）模型設計

為了考察農戶數字普惠金融及其他變量對農戶的增收效應，本文建立如下基準模型：

其中，Incomei是被解釋變量， 為農戶人均月收入；DIFIi是核心解釋變量，代表的是第i 個農戶數字普惠金融發展水平；Controli是控制變量， 包括age、gender、edu、health、sig、fm、β0和β1為待估參數，α0、α1為截距項；εi為隨機干擾項。

本文認為， 不同農戶的數字普惠金融發展水平不同，進而具有不同的增收效應。 但是，傳統的回歸模型一般分析的是解釋變量x 對被解釋變量y 的條件期望E(y|x)，其目標函數（）容易受極端值的影響。所以，本文真正關心的是x 對整個條件分布y|x的影響。 如果能夠估計出條件分布y|x 的若干條件分位數，就能更加全面地獲得條件分布y|x 信息。 分位數回歸將殘差絕對值的加權平均（）作為最小化的目標函數，故其不受極端值的影響，較為穩健、可靠，能夠更好地反映出數字普惠金融對不同收入水平的農戶收入的作用差異。 基于此，本文構建關于農戶人均月收入ω 的分位數模型：

其中，Incomeω是條件分布下Income|(DIFI，ci)的ω 條件分位數；c 是控制變量；ξ 是隨機擾動項。

（二）回歸結果與分析

為了研究數字普惠金融對不同收入水平農戶的增收效應及其異質性，本文選擇25%、50%、75%、90%、95%的收入分位數進行回歸分析， 并與OLS 基準模型進行比較。 其中25%、50%、75%、90%、95%分位數分別對應人均月收入為2 000 元以下、2 001~5 000元、5 001~8 000 元、8 001~11 000元、11 000 元以上的農戶。 為了更好的考察農戶的基本狀況對其收入的影響，本文首先分析未引入控制變量下不同分位數農戶數字普惠金融對其收入的影響， 然后再引入控制變量進行估計分析。 表5 是分別采用了OLS 回歸與分位數回歸的結果。 未引入控制變量的估計結果表明， 數字普惠金融發展水平（DIFI）對農戶人均月收入的回歸系數顯著為正， 且作用系數的變化態勢表現為先上升后下降， 呈現為倒“U”型趨勢，且對低收入農戶的影響程度稍小。 這說明數字普惠金融有助于農戶增收。

表5 OLS 與分位數回歸結果

為了更好地分析控制變量對收入的異質性影響，本文引入了控制變量來進行檢驗。

在引入控制變量后，F 統計量的P 值是顯著的，但是不同分位數的回歸與普通最小二乘回歸得到的結果存在明顯的差異。 當人均月收入由25% 向95%變化時，影響農戶收入的變量系數、標準誤和顯著性發生了變化。 這說明，各變量的作用并不像基準回歸模型所揭示的那么簡單，而是在不同的分位數下，其影響作用不同。

從分位數回歸結果可以看出：

（1）在不同分位點處，數字普惠金融對農戶收入的影響程度呈現出不同的變化規律。

對人均月收入的回歸系數呈現出準倒U 型曲線。 具體而言，在25%的收入處，數字普惠金融發展水平（DIFI）每提高一個單位，在2 000 元以下的人均月收入相應增加0.235 個單位。 隨著收入水平區間的增高，數字普惠金融發展水平對農戶收入增加的貢獻程度持續升至到最高點90%分位點處的0.538，此后又下降到95%的0.351。 同時，數字普惠金融發展水平（DIFI）對于低收入和高收入區間的農戶影響都比較小，收入提高程度最大的則是中間收入階層。

結果顯示：在低收入群體和高收入群體中，性別不同對農戶收入的影響較小，反而是在收入區間為5 001~8 000 元及以上的農戶更容易受到性別的影響，即男性對人均月收入提升的貢獻更大。 這主要源于，在農業體力勞作中，男性要優于女性，相對而言，男性會承擔更多的勞務工作和體力工作； 在農村地區，家庭勞動力越多，從事農業勞動的人數相對較多。從農戶年齡來看，隨著年齡的增長，工作技能和經驗的不斷累積會帶來經濟收入的增加；一般而言，身體越健康的農戶個體，勞作能力越強，其收入水平會相對較高。

受教育程度 （edu） 和農村地區網絡信號強度（sig）對農戶收入作用呈現出一種“上升-下降”的變化態勢。 受教育的程度越高、農村網絡基礎設施越完善， 農戶家庭成員越能從自身學歷優勢中享受的更多的資源，所獲取的信息也會增多，相應的也會帶來收入渠道的增多，其收入會有一定程度的增加。

（2）在不同分位點處，農戶個體特征呈現出較大的異質性作用。

在2 000 元以下的收入區間（25%分位點），數字普惠金融發展水平（DIFI）、教育（edu）、所處地區網絡信號強度（sig）等變量是決定農戶收入的關鍵因素，此時， 增加農戶收入的有效途徑主要是提高居民的數字普惠金融素養、 提高受教育程度以及增強農村地區網絡基礎設施的有效性與及時性。

在2 001~5 000 元的收入區間（50%分位點），農戶增收的主要因素除包括25%分位點因素之外，還包括健康狀況（health），這說明農戶應該在以上措施的基礎上，保持良好的健康狀況，為創造收入奠定基礎。

在5 001~8 000 元的收入區間（75%分位點），所有解釋變量都顯著地影響農戶的收入， 農戶可以從多維方面來提高其自身的收入水平。 從對增收的作用來看，數字普惠金融發展水平的貢獻率最高，其次為年齡（age）和地區網絡的信號強度（sig），貢獻最小的是性別（gender）。

在8 001~11 000 元的收入區間 （90%分位點），顯著變量變成數字普惠金融發展水平（DIFI）、性別（gender）、年齡（age）、農村地區網絡信號強度（sig），而此時年齡的貢獻能力持續下降， 數字普惠金融發展水平（DIFI）和農村地區的網絡信號強度（sig）的貢獻能力出現了飛躍， 農戶收入分別提高了11.39%和18.41%的貢獻程度。 需要注意網絡信號強度（sig）回歸系數在95%置信區間寬度的變化情況， 置信區間變寬可能對其精確性產生一定的影響。

在11 000 元以上的收入區間（95%分位點），網絡信號強度由顯著轉變為不顯著， 顯著變量僅僅保留數字普惠金融發展水平（DIFI）和年齡（age），數字普惠金融發展水平下降34.76%，在此分位點處95%的置信區間變得更寬，而此時的教育程度（edu）雖不顯著，但與農村居民收入呈負相關。

（三）數字普惠金融結構對農戶收入的影響

為了進一步分析數字普惠金融對農戶收入的作用，本文將從滲透性（penetrability）、可獲得性（accessibility）、使用效用性（utility）和使用深度（depth）四個方面分別進行回歸分析。 回歸結果見表6。

表6 數字普惠金融結構的農戶增收效應估計結果

從整體來看， 數字普惠金融各維度均通過顯著性檢驗。 滲透性、使用效用性、使用深度回歸系數分別為0.220、-0.070 7、0.201、0.351，且均通過了1%水平上的顯著性檢驗，表明在農村地區，數字普惠金融這三個維度的發展能夠促進農戶增收， 對農戶增收都具有正向效應。 可獲得性（accessibility）的回歸系數為負，通過了5%水平上的顯著性檢驗，這說明數字普惠金融的可得性沒有顯著促進農戶收入的增長，其原因可能在于，由于農村征信體系不夠完善，數字普惠金融對信貸等資源的配置效率較低。

（四）內生性檢驗與穩健性檢驗

1.內生性檢驗

為解決變量遺漏產生的內生性問題， 本文在調研時盡可能將影響因素納入模型之中。 為解決數字普惠金融發展水平與農戶收入之間的互為因果關系， 本文引入了農戶所在村組織是否設置信息服務站作為工具變量， 這在一定程度上會影響數字普惠金融的發展， 但與農戶收入基本不相關， 滿足“所有變量均為外生”的原假設，具體而言，符合工具變量的兩個條件：(1)相關性，即兩個工具變量與數字普惠金融發展水平相關， 檢驗得P 值為0.000；(2)獨立性，經過檢驗P 值為0.160 9，即農戶人均月收入與選取的工具變量之間不相互獨立。而且內生變量的個數小于工具變量的個數，故可以進行過度識別檢驗，來驗證其有效性。

根據以上分析，本文重新構建以下模型：

其中，R 為工具變量；DIFI 為第一階段回歸結果預測值。

本文對聯立方程組采用2SLS 進行回歸，下表7 的結果表示工具變量的選擇是合適的，首先，F=22.94>10，P=0.000，拒絕原假設“工具變量沒有解釋能力”；其次，弱工具變量的問題在這里也不明顯；同時，過度識別統計量為2.047，P 值為0.152 5，故接受“存在一個工具變量的原假設”；最后，Durbin-Wu-Hausman 檢驗結果說明數字普惠金融發展水平與農戶收入存在內生性的問題。 兩階段回歸結果見表7。

表7 兩階段回歸

2.穩健性檢驗

為了進行穩健性檢驗， 本文采用主成分分析法重新確定權重來計算數字普惠金融發展水平， 重新對（5）式進行回歸。

主成分分析法是一種客觀賦權的方法，在實際中廣泛運用。 本文利用SPSS23.0 軟件計算得出A1至A10的權重帶入公式（3）計算出數字普惠金融發展水平，再用STATA14 軟件重新進行回歸測算其穩健性。穩健性回歸結果見表8。

表8 穩健性檢驗結果

通過上述檢驗，得出的結果與前文基本一致。 此外，本文還通過減少樣本量來進行穩健性檢驗，結果在主要變量上與前文基本一致。 因此，本文研究得出的結論是穩健、可靠的。

五、研究結論與政策啟示

基于農戶調查數據和分位數模型實證數字普惠金融的增收效應進行了再檢驗，結論總結如下。

第一， 數字普惠金融是促進農戶增收的關鍵因素， 數字普惠金融對不同收入水平的農戶都具有顯著的影響，但是影響程度呈現準倒“U”型；而戶主年齡越大、男性勞動力越多、家庭勞動人口數量越多和家庭成員身體越健康程度，對農戶收入增加越明顯；戶主受教育程度與農村地區網絡的信號強度對農戶收入的增加都呈現出“上升—下降”的趨勢。

第二，在不同分位點處，農戶收入影響因素呈現出較大的異質性特征。 數字普惠金融發展水平對低收入水平農戶和高收入水平農戶的正向作用均小于中等收入水平農戶的影響。

以下是上述研究結論帶來下的政策啟示。

一方面，要不斷提升農村居民的金融素養。 通過提高農村居民的金融知識和技能、 資信水平和受教育程度，提高數字普惠金融的滲透性、使用效用和使用深度，發揮數字普惠金融對農戶增收的積極作用。

另一方面， 增強對數字普惠金融發展的軟硬件支撐。 通過完善數字普惠金融相關的法律法規，加強通訊技術在普惠金融領域的創新應用， 推動農村數字基礎設施高質量發展， 強化數字金融交易平臺建設，有助于規范數字普惠金融市場的秩序，降低金融風險，提高數字普惠金融的運行效率，進而提高數字普惠金融對農戶收入的正向作用。