相对贫困视角下数字普惠金融的减贫效应及区域差异研究：理论、实证与策略

相对贫困视角下数字普惠金融的减贫效应及区域差异研究：理论、实证与策略一、引言1.1研究背景与意义1.1.1研究背景贫困问题一直是全球面临的重大挑战之一，尽管各国在减贫工作上付出了巨大努力，但贫困现象仍然存在。据联合国开发计划署发布的《2024年全球多维贫困指数》报告显示，全球约11亿人生活在极度贫困中，其中超过半数是不满18岁的未成年人。而且，2023年是自第二次世界大战以来世界上冲突最多的一年，处于战争状态的国家人口贫困率是其他国家的三倍。同时，贫困的表现形式也越发多样，除了绝对贫困，相对贫困问题日益凸显，不仅存在于发展中国家，在发达国家也较为普遍。相对贫困的存在剥夺了个体的基本生活需求，限制了其发展机会，进而导致社会不公和贫富差距的扩大。在传统金融服务体系中，贫困地区和贫困人群往往由于缺乏抵押资产、信用记录不足等原因，难以获得金融机构的服务，金融服务的不平等进一步加剧了贫困现象。而随着信息技术的飞速发展和金融科技的崛起，数字普惠金融应运而生。数字普惠金融是指利用数字技术，特别是互联网技术、移动通信技术、大数据分析和云计算等先进科技手段，推动金融服务的普及和深化，提升金融服务的可获得性、便捷性和效率性。它以数字化、网络化和智能化的特点，显著提升了金融服务的触达率和覆盖面，为广大人民群众，尤其是偏远地区和弱势群体提供了便捷、高效的金融服务。中国数字普惠金融实现了跨越式发展，移动支付普及率达到86%，位居全球第一；移动支付交易规模大幅提升，从2015年的108.22万亿元增长至2023年的555.33万亿元，年均增速达64.14%。在中国，随着脱贫攻坚取得全面胜利，绝对贫困问题得到历史性解决，但相对贫困问题依然突出。解决相对贫困问题，实现社会公平与可持续发展，成为当下重要任务。数字普惠金融凭借其独特优势，为相对贫困治理提供了新的路径和方法，在促进经济增长、增加居民收入、缩小贫富差距等方面发挥着积极作用。然而，不同地区的经济发展水平、数字基础设施建设、金融素养等存在差异，数字普惠金融的发展及其减贫效应可能也会存在显著的区域差异。深入研究相对贫困视角下数字普惠金融的减贫效应及区域差异，对于充分发挥数字普惠金融的作用，制定精准有效的减贫政策，推动区域协调发展，具有重要的现实意义。1.1.2理论意义本研究在理论层面具有重要意义。数字普惠金融作为新兴领域，其减贫效应的研究仍在不断发展和完善中。深入剖析数字普惠金融对相对贫困的影响机制，有助于丰富和拓展普惠金融理论体系，为后续相关研究奠定更为坚实的理论基础。传统普惠金融理论在解释金融服务如何更有效地覆盖贫困和低收入群体时存在一定局限性，而数字普惠金融借助数字技术实现了金融服务的创新和拓展。通过本研究，可以进一步探究数字技术与金融服务融合在减贫过程中的独特作用，弥补传统理论在这方面的不足，为学术界提供新的研究方向和思路，推动金融发展理论与贫困研究的交叉融合，促使学者从更多元的视角去理解金融在解决社会经济不平等问题中的角色和潜力。1.1.3实践意义从实践角度来看，研究成果具有多方面的重要价值。对于政策制定者而言，了解数字普惠金融的减贫效应及区域差异，能够为制定科学合理的金融政策和扶贫政策提供有力依据。政府可以根据不同地区数字普惠金融的发展状况和减贫效果，有针对性地进行政策引导和资源配置。在数字普惠金融发展相对滞后但贫困问题较为突出的地区，加大数字基础设施建设投入，出台鼓励金融机构开展数字普惠金融业务的政策措施，以提升该地区数字普惠金融的发展水平，增强其减贫效果；而在数字普惠金融发展较好的地区，可以进一步优化政策环境，推动数字普惠金融向更高质量、更可持续的方向发展，持续巩固和扩大减贫成果。对于金融机构来说，明确数字普惠金融的减贫效应及区域差异，有助于其更好地把握市场需求，优化金融产品和服务供给。金融机构可以根据不同地区贫困群体的金融需求特点和风险特征，开发设计更具针对性和适应性的数字金融产品，如小额信贷产品、数字保险产品等，提高金融服务的精准性和有效性。在一些农村地区，农民对农业生产相关的金融服务需求较大，金融机构可以利用数字技术开发基于农业生产周期和农产品价格波动的小额信贷产品，满足农民在生产过程中的资金需求，助力农业发展和农民增收。同时，研究结果也能促使金融机构加强与地方政府、企业等合作，共同推动数字普惠金融生态体系的建设，降低金融服务成本，提高金融服务效率，实现经济效益和社会效益的双赢。研究数字普惠金融的减贫效应及区域差异对于促进社会公平发展也具有重要意义。通过提升数字普惠金融在不同地区的减贫效果，可以缩小地区之间、城乡之间以及不同群体之间的收入差距，让更多人享受到经济发展和金融创新带来的成果，增强社会的稳定性和凝聚力，推动社会朝着更加公平、包容、可持续的方向发展，为实现共同富裕的目标奠定坚实基础。1.2研究目标与内容1.2.1研究目标本研究旨在深入剖析相对贫困视角下数字普惠金融的减贫效应及区域差异，通过理论与实证分析，揭示数字普惠金融在缓解相对贫困方面的作用机制和影响因素，为政策制定者和金融机构提供有针对性的建议，以促进数字普惠金融的健康发展，提升其减贫效果，推动区域协调发展和社会公平。具体而言，一是准确评估数字普惠金融对相对贫困的影响程度，量化其减贫效应，为政策制定提供科学依据；二是深入探究数字普惠金融减贫效应在不同区域的差异表现，分析导致这些差异的原因，为区域差异化政策制定提供参考；三是从金融服务创新、数字基础设施建设、政策支持等方面提出切实可行的建议，以增强数字普惠金融的减贫效果，缩小区域差距。1.2.2研究内容本研究内容主要涵盖以下几个方面：数字普惠金融与相对贫困的理论分析：梳理数字普惠金融的内涵、特征及发展历程，分析其在金融服务创新、降低服务成本、扩大服务覆盖范围等方面的独特优势；深入探讨相对贫困的概念、衡量标准和形成机制，为后续研究奠定理论基础；从金融发展理论、贫困理论等多学科视角，分析数字普惠金融对相对贫困的影响机制，如通过促进经济增长、增加就业机会、改善收入分配等途径来缓解相对贫困。数字普惠金融减贫效应的实证检验：构建科学合理的相对贫困衡量指标体系，选取合适的数字普惠金融发展指标，收集相关数据，运用计量经济学方法，如面板数据模型、中介效应模型等，对数字普惠金融的减贫效应进行实证检验，验证理论分析的结果，量化数字普惠金融对相对贫困的影响程度，并分析其影响的显著性和稳定性。数字普惠金融减贫效应的区域差异分析：按照经济发展水平、地理位置等因素对我国不同区域进行划分，分别对各区域数字普惠金融的发展水平和减贫效应进行测度和比较，分析数字普惠金融减贫效应在不同区域的差异表现；探究导致区域差异的原因，如数字基础设施建设水平、金融素养差异、产业结构不同等因素对数字普惠金融减贫效应的影响。政策建议与实践启示：基于理论分析和实证研究结果，从政策制定、金融机构创新、数字基础设施建设、金融教育普及等方面提出促进数字普惠金融发展、增强其减贫效果、缩小区域差异的政策建议；总结国内外数字普惠金融减贫的成功经验和实践案例，为我国数字普惠金融减贫实践提供有益的启示和借鉴，推动数字普惠金融在减贫领域的更好应用和发展。1.3研究方法与创新点1.3.1研究方法文献研究法：通过广泛查阅国内外相关文献，包括学术期刊论文、学位论文、研究报告、政策文件等，全面梳理数字普惠金融和相对贫困的理论研究成果，了解已有研究的现状、热点和不足，为本文的研究提供理论基础和研究思路。在梳理数字普惠金融理论时，参考了国内外学者对数字普惠金融内涵、特征、发展模式等方面的研究文献，分析其在金融服务创新、降低服务成本、扩大服务覆盖范围等方面的独特优势；在研究相对贫困问题时，综合考虑了国内外学者对相对贫困概念、衡量标准、形成机制等方面的研究成果，为后续分析数字普惠金融对相对贫困的影响机制奠定基础。实证分析法：收集相关数据，构建合适的计量模型，对数字普惠金融的减贫效应及区域差异进行实证检验。具体来说，选取数字普惠金融发展指数、居民收入水平、消费结构等相关指标，运用面板数据模型分析数字普惠金融对相对贫困的影响程度；采用中介效应模型探究数字普惠金融通过促进经济增长、增加就业机会、改善收入分配等途径对相对贫困产生影响的作用机制；运用分位数回归模型分析数字普惠金融减贫效应在不同相对贫困程度群体中的差异；通过构建区域差异测度指标，如泰尔指数等，分析数字普惠金融减贫效应在不同区域之间的差异大小和变化趋势。比较研究法：对不同区域数字普惠金融的发展水平、减贫效应及其影响因素进行比较分析。按照经济发展水平，将我国划分为东部、中部、西部和东北地区，对比各区域数字普惠金融发展的规模、速度、结构等方面的差异，分析不同区域数字普惠金融发展的特点和优势；比较各区域数字普惠金融减贫效应的大小，探究导致区域差异的原因，如数字基础设施建设水平、金融素养差异、产业结构不同等因素对数字普惠金融减贫效应的影响，从而为制定区域差异化的数字普惠金融发展政策提供参考依据。1.3.2创新点研究视角创新：现有研究大多从绝对贫困角度探讨数字普惠金融的减贫效应，而本文从相对贫困视角出发，关注贫困群体在社会经济结构中的相对地位和发展机会，更能反映贫困问题的本质和社会公平性，为数字普惠金融减贫研究提供了新的视角。相对贫困不仅关注贫困群体的基本生活需求满足情况，更强调其在社会经济发展中的相对地位和机会获取能力。从相对贫困视角研究数字普惠金融的减贫效应，可以深入分析数字普惠金融如何影响贫困群体在收入分配、消费结构、社会参与等方面的状况，有助于更全面地理解数字普惠金融在促进社会公平、实现可持续减贫方面的作用。指标选取创新：在衡量相对贫困时，综合考虑收入、消费、教育、医疗等多个维度，构建多维相对贫困指标体系，更全面准确地反映相对贫困状况；在数字普惠金融指标选取上，结合最新的数字金融发展特点，引入新的细分指标，如数字金融创新产品的使用情况、金融科技应用程度等，使研究结果更具时效性和准确性。传统研究在衡量贫困时，往往侧重于单一维度的指标，如收入贫困率等，这种衡量方式难以全面反映贫困的多维特征。本文构建的多维相对贫困指标体系，综合考虑了收入、消费、教育、医疗等多个维度，能够更全面地反映贫困群体在不同方面的相对劣势和需求，为精准评估数字普惠金融的减贫效应提供更可靠的依据。同时，随着数字金融的快速发展，新的数字金融创新产品和服务不断涌现，金融科技在数字普惠金融中的应用也日益广泛。引入这些新的细分指标，可以更准确地反映数字普惠金融的发展现状和创新特点，从而使研究结果更具时效性和准确性。研究方法组合创新：综合运用多种计量经济学方法，如面板数据模型、中介效应模型、分位数回归模型、泰尔指数等，全面深入地分析数字普惠金融的减贫效应及区域差异，使研究结果更具科学性和说服力。不同的计量经济学方法具有各自的优势和适用范围，通过综合运用多种方法，可以从不同角度对数字普惠金融的减贫效应及区域差异进行分析。面板数据模型可以控制个体和时间的固定效应，有效解决遗漏变量问题，准确估计数字普惠金融对相对贫困的影响；中介效应模型可以揭示数字普惠金融影响相对贫困的作用机制和传导路径；分位数回归模型可以分析数字普惠金融减贫效应在不同相对贫困程度群体中的差异，为制定差异化的政策提供依据；泰尔指数可以精确测度数字普惠金融减贫效应在不同区域之间的差异大小和变化趋势。这种多方法组合的研究方式，能够更全面、深入地揭示数字普惠金融与相对贫困之间的复杂关系，提高研究结果的可靠性和科学性。二、概念界定与理论基础2.1相关概念界定2.1.1相对贫困相对贫困是一个与社会平均生活水平相比较而得出的概念，指在特定社会生产方式和生活方式下，个人或家庭的劳动力所得或其他合法收入虽能维持基本食物保障，但在满足当地被认为是最基本的其他生活需求方面存在困难的状态。与绝对贫困关注维持生存的最低标准不同，相对贫困更侧重于个体在社会经济结构中的相对地位和差距。世界银行在《1981年世界发展报告》中指出，当某些人、某些家庭或某些群体没有足够资源去获取他们那个社会公认的、一般都能享受到的饮食、生活条件、舒适和参加某些活动的机会时，即为处于相对贫困状态。相对贫困的测量方法较为多样。收入比例法是常见的一种，通常将个人或家庭收入与社会平均收入进行对比，如将低于社会平均收入一定比例（如40%-60%）的人口归为相对贫困组别。消费比例法依据个人或家庭的消费水平来界定，若消费支出低于社会平均消费支出的特定比例（如60%），则被视为相对贫困。此外，多维贫困指数法综合考量收入、消费、教育、健康、生活设施等多个维度，通过构建多维贫困指数，能更全面地反映相对贫困状况，例如联合国开发计划署发布的多维贫困指数，涵盖了健康、教育和生活标准等多个维度的指标。相对贫困具有显著的特征。其社会性体现在相对贫困不仅是个人或家庭的经济问题，更是社会资源分配不均、机会不平等的结果，反映了社会结构的不合理性。动态性表现为随着经济社会的发展，人们的生活水平和社会期望不断变化，相对贫困的标准也会相应调整。多维性说明相对贫困不仅局限于经济层面的收入不足，还涉及教育、医疗、就业、社会参与等多个维度的匮乏，这些维度相互关联、相互影响，共同构成了相对贫困的复杂内涵。主观性则意味着相对贫困不仅基于客观的经济指标，还包含个人对自身生活状况的主观感受和认知，这种主观感受会受到社会比较、文化背景、心理预期等因素的影响。在全球范围内，相对贫困问题普遍存在。在发达国家，尽管整体经济水平较高，但贫富差距依然导致部分人群处于相对贫困状态。美国作为世界经济强国，2023年仍有超过3790万人生活在贫困线以下，占总人口的11.6%，其中许多人面临着住房、教育、医疗等方面的相对困境。在发展中国家，相对贫困问题更为突出，经济发展不平衡、基础设施薄弱、社会保障体系不完善等因素加剧了相对贫困的程度和范围。在中国，随着脱贫攻坚取得全面胜利，绝对贫困问题得到历史性解决，但相对贫困问题依然存在，特别是在一些偏远地区和弱势群体中，相对贫困现象较为明显，成为实现共同富裕和社会公平的重要挑战。2.1.2数字普惠金融数字普惠金融是利用数字技术推动普惠金融发展的新兴模式，旨在通过创新金融服务方式和拓展金融服务边界，为传统金融服务难以覆盖的群体，如小微企业、低收入人群、农村居民等，提供便捷、高效、低成本的金融服务。它将数字技术与普惠金融理念深度融合，借助互联网、大数据、云计算、人工智能等现代信息技术手段，打破了传统金融服务在时间和空间上的限制，极大地提升了金融服务的可获得性和覆盖面。数字普惠金融具有诸多特点。便捷性与普及性是其显著优势，随着智能手机和互联网的广泛普及，金融服务可以随时随地通过数字终端提供，用户无需前往物理网点，即可完成账户开立、支付结算、贷款申请等金融操作，使金融服务能够覆盖到偏远地区和弱势群体，提高了金融服务的普及率。数据驱动与智能化是数字普惠金融的另一核心特点，通过对海量用户数据的收集、分析和挖掘，金融机构能够更精准地了解用户需求，实现个性化的金融产品推荐和风险评估，同时利用人工智能技术实现自动化的信贷审批、风险预警和客户服务，提高了金融服务的效率和质量。低成本与高效益也是数字普惠金融的重要特征，数字技术的应用降低了金融服务的运营成本，减少了对物理网点和人工服务的依赖，使得金融机构能够以较低的成本服务大量长尾客户，实现规模经济效应，提高了金融服务的效益。数字普惠金融的发展历程经历了多个阶段。起步阶段主要以移动支付、网络贷款等初级形式存在，服务范围和深度有限，主要满足用户的基本支付和小额信贷需求。随着通信技术的不断进步和大数据、云计算等技术的广泛应用，数字普惠金融进入快速发展阶段，金融服务开始向更深层次拓展，如精准营销、智能风控、供应链金融等领域，金融产品和服务的种类日益丰富，服务质量和效率显著提升。当前，随着人工智能、区块链等前沿技术的不断创新和应用，数字普惠金融正朝着智能化、个性化、多元化的方向发展，能够更好地满足用户多样化的金融需求，推动金融服务的普惠性和可持续性发展。近年来，全球数字普惠金融发展迅速，呈现出蓬勃发展的态势。在中国，数字普惠金融实现了跨越式发展，移动支付普及率达到86%，位居全球第一；移动支付交易规模大幅提升，从2015年的108.22万亿元增长至2023年的555.33万亿元，年均增速达64.14%。数字普惠金融在农村地区的覆盖范围不断扩大，截至2023年底，农村地区移动支付业务笔数达到185.53亿笔，金额达到15.21万亿元，为农村居民提供了便捷的金融服务，促进了农村经济的发展。在印度，数字普惠金融也取得了显著进展，政府大力推动数字支付和金融科技发展，通过“数字印度”计划等举措，提高了金融服务的可获得性，印度的数字支付用户数量从2016年的2.5亿增长到2023年的6.5亿，数字普惠金融在促进印度经济增长和减贫方面发挥了重要作用。然而，数字普惠金融在发展过程中也面临着一些挑战，如数字鸿沟问题导致部分人群难以享受到数字普惠金融服务，数据安全和隐私保护问题引发用户担忧，金融监管难度加大等，这些问题需要政府、金融机构和社会各方共同努力解决，以推动数字普惠金融的健康可持续发展。2.2理论基础2.2.1金融发展理论金融发展理论主要探讨金融发展与经济增长之间的关系，该理论认为金融体系在经济发展过程中起着关键作用，完善的金融体系能够有效动员社会储蓄，并将其转化为投资，从而促进资本积累和技术进步，推动经济增长。雷蒙德・W・戈德史密斯在1969年出版的《金融结构与金融发展》一书中，通过对35个国家近百年金融发展数据的研究，提出了金融相关比率（FIR）等指标，用以衡量金融发展水平，并指出金融发展与经济增长之间存在着大致平行的关系。随着金融发展水平的提高，金融体系的功能不断完善，金融服务的效率和质量得到提升，这有助于促进经济增长，为缓解贫困创造有利条件。金融发展对减贫具有重要影响，主要通过以下途径实现。金融发展能够为贫困地区和贫困人群提供更多的金融服务，包括信贷、储蓄、保险等。贫困群体可以利用这些金融服务进行生产性投资，如购买生产资料、开展小型创业项目等，从而增加收入，摆脱贫困。在一些农村地区，金融机构为农民提供小额信贷，帮助他们购买种子、化肥等农业生产资料，发展特色农业产业，提高了农民的收入水平。金融发展可以促进经济增长，进而创造更多的就业机会。随着经济的发展，企业扩大生产规模，需要雇佣更多的劳动力，这为贫困人群提供了就业岗位，使他们能够通过劳动获得收入，实现脱贫。金融发展还有助于改善收入分配状况，通过提供金融服务，使贫困人群能够参与到经济活动中，分享经济发展的成果，缩小贫富差距，缓解相对贫困问题。数字普惠金融作为金融发展的新形态，为金融发展理论注入了新的活力。数字普惠金融借助数字技术，打破了传统金融服务的时空限制，降低了金融服务的门槛和成本，使金融服务能够更广泛地覆盖到贫困地区和贫困人群，提高了金融服务的可获得性和效率。数字普惠金融通过大数据分析和人工智能技术，能够更精准地评估客户的信用风险，为那些缺乏抵押资产和信用记录的贫困群体提供信贷服务，满足他们的金融需求。数字普惠金融还可以创新金融产品和服务，如开发基于移动支付的小额信贷产品、数字保险产品等，为贫困人群提供更加便捷、个性化的金融服务，促进金融资源的公平分配，进一步增强金融发展对减贫的作用。2.2.2贫困恶性循环理论贫困恶性循环理论由美籍爱沙尼亚经济学家纳克斯于1953年在其著作《不发达国家资本的形成》中提出，该理论认为发展中国家长期贫困的原因是经济中存在若干互相联系、互相作用的“恶性循环系列”。从供给方面来看，发展中国家经济不发达，人均收入水平低，低收入意味着人们不得不把大部分收入用于生活消费，而很少用于储蓄，从而导致储蓄水平低、储蓄能力低；低储蓄能力会造成资本形成不足，资本形成不足又会导致生产规模难以扩大，生产效率难以提高；低生产率造成低产出，低产出又造成低收入，形成“低收入—低储蓄—低资本形成—低生产率—低产出—低收入”的恶性循环。从需求方面来看，发展中国家经济落后，人均收入水平低下，这就意味着较低的购买力和消费能力；低购买力导致投资引诱不足；投资引诱不足又会造成资本形成不足；资本形成不足又会使得生产规模难以扩大，生产率难以提高；低生产率又带来低产出和低收入水平，形成“低收入—低购买力—低投资引诱—低资本形成—低生产效率—低产出—低收入”恶性循环。贫困恶性循环理论强调了资本形成不足是贫困的核心问题，由于缺乏资本投入，贫困地区和贫困人群难以实现经济增长和发展，从而陷入贫困的困境中难以自拔。数字普惠金融为打破贫困恶性循环提供了新的途径。数字普惠金融能够通过提供便捷的金融服务，增加贫困地区和贫困人群的储蓄能力，促进资本形成。移动支付和网络储蓄产品的出现，使贫困人群能够更方便地进行储蓄，将闲置资金转化为资本，为投资和生产提供资金支持。数字普惠金融可以降低金融服务的门槛和成本，为贫困人群提供更多的信贷机会，帮助他们开展生产经营活动，扩大生产规模，提高生产效率，增加收入。一些数字信贷平台针对贫困地区的小微企业和农户推出了小额信贷产品，无需抵押担保，申请流程简便，为他们提供了发展资金，促进了当地经济的发展。数字普惠金融还可以通过促进经济增长，创造更多的就业机会，提高贫困人群的收入水平，从而打破贫困恶性循环。数字普惠金融的发展带动了相关产业的发展，如电商、物流等，为贫困人群提供了更多的就业岗位，增加了他们的收入来源，进一步推动了贫困地区的经济发展和脱贫进程。2.2.3信息不对称理论信息不对称理论是指在市场交易中，买卖双方掌握的信息存在差异，这种差异可能导致市场失灵和资源配置效率低下。在金融市场中，信息不对称问题尤为突出，金融机构在提供金融服务时，往往难以全面了解客户的信用状况、财务状况和还款能力等信息，而客户也可能对金融产品和服务的风险、收益等信息了解不足。这种信息不对称会增加金融机构的风险评估难度和交易成本，导致金融机构在选择客户时更加谨慎，倾向于向那些信息透明度高、信用状况良好的客户提供金融服务，而贫困地区和贫困人群由于缺乏有效的信用记录和信息披露机制，往往难以获得金融机构的信任和支持，从而被排除在金融服务的范围之外。信息不对称还会引发逆向选择和道德风险问题。逆向选择是指在信息不对称的情况下，由于金融机构无法准确识别客户的风险状况，导致高风险客户更倾向于申请贷款，而低风险客户则可能因为担心贷款利率过高而放弃申请，从而使金融机构面临更高的风险。道德风险是指在贷款发放后，由于金融机构难以监督客户的行为，客户可能会采取一些不利于金融机构的行为，如挪用贷款资金、隐瞒真实财务状况等，增加贷款违约的风险。这些问题不仅会影响金融机构的稳健运营，还会阻碍金融资源的有效配置，加剧贫困地区和贫困人群的金融排斥现象。数字普惠金融在缓解信息不对称问题方面具有独特优势。数字普惠金融借助大数据、云计算、人工智能等数字技术，能够收集和分析大量的客户信息，包括交易记录、消费行为、信用记录等，从而更全面、准确地了解客户的风险状况和信用水平，降低信息不对称程度。蚂蚁金服旗下的芝麻信用通过对用户在支付宝平台上的各种行为数据进行分析，构建了一套信用评估体系，为金融机构提供了更准确的信用参考，帮助金融机构更精准地评估客户风险，提高信贷审批效率。数字普惠金融还可以通过建立信息共享平台，实现金融机构之间的信息共享，减少信息重复收集和核实的成本，提高信息的准确性和可靠性。一些地方政府和金融监管部门推动建立了地方征信平台，整合了税务、工商、社保等多部门的信息，为金融机构提供了更全面的客户信息，有助于金融机构更好地评估客户风险，降低信息不对称带来的风险。此外，数字普惠金融还可以利用智能合约、区块链等技术，提高交易的透明度和安全性，减少道德风险的发生，增强金融机构和客户之间的信任，促进金融服务的公平和有效供给。三、数字普惠金融减贫效应的理论分析3.1数字普惠金融的发展现状与特点3.1.1发展现状近年来，数字普惠金融在全球范围内呈现出蓬勃发展的态势，成为金融领域的重要创新力量。在发展规模上，数字普惠金融的市场规模持续扩大。根据世界银行发布的《全球普惠金融指数报告》显示，截至2023年，全球拥有银行账户的成年人比例达到76%，其中通过数字方式进行金融交易的比例大幅提升。移动支付用户数量也在不断增长，2023年全球移动支付用户数量达到52亿，较上一年增长了8%。在中国，数字普惠金融的发展更是取得了显著成就。据中国互联网络信息中心（CNNIC）发布的第54次《中国互联网络发展状况统计报告》显示，截至2023年12月，我国网络支付用户规模达9.88亿，较2022年12月增长3905万，占网民比例为87.6%。移动支付交易规模也持续攀升，2023年中国移动支付交易金额达到555.33万亿元，同比增长16.25%。在覆盖范围方面，数字普惠金融打破了传统金融服务的地域限制，实现了更广泛的覆盖。在一些发展中国家，如印度，通过推行“数字印度”计划，大力发展数字普惠金融，移动支付服务覆盖了全国大部分地区，许多偏远农村地区的居民也能够便捷地使用移动支付进行日常交易，金融服务的可获得性显著提高。在中国，数字普惠金融在农村地区的覆盖范围不断扩大。截至2023年底，我国农村地区银行网点数量达到12.66万个，基本实现了乡镇全覆盖；农村地区移动支付业务笔数达到185.53亿笔，金额达到15.21万亿元，为农村居民提供了便捷的金融服务。数字普惠金融在小微企业领域的覆盖也取得了重要进展。许多金融机构利用数字技术，开发了针对小微企业的线上信贷产品，简化了贷款申请流程，提高了贷款审批效率，有效缓解了小微企业融资难、融资贵的问题。据统计，2023年我国小微企业贷款余额达到50.2万亿元，同比增长15.5%，其中数字普惠金融在小微企业贷款中的占比不断提高。从使用情况来看，数字普惠金融的用户活跃度不断提升。在全球范围内，越来越多的用户开始使用数字普惠金融服务进行支付、储蓄、投资等金融活动。在欧洲，许多国家的数字支付使用率持续上升，英国的数字支付使用率已经达到80%以上，成为人们日常生活中主要的支付方式。在中国，数字普惠金融的用户使用频率和深度不断增加。以支付宝和微信支付为例，用户不仅可以使用它们进行日常消费支付，还可以进行理财、贷款、生活缴费等多种金融服务，用户粘性不断增强。根据支付宝发布的数据，2023年支付宝平台上的理财用户数量达到3.5亿，较上一年增长了15%；蚂蚁金服旗下的网商银行累计为小微企业和个体工商户提供贷款超过4万亿元，服务客户数量超过4000万户。数字普惠金融在跨境支付领域的应用也日益广泛。随着全球经济一体化的发展，跨境电商交易规模不断扩大，数字普惠金融为跨境支付提供了更加便捷、高效、低成本的解决方案，促进了国际贸易的发展。据统计，2023年全球跨境电商交易规模达到15.8万亿美元，其中数字普惠金融在跨境支付中的占比达到35%，预计未来几年这一比例还将继续提高。3.1.2特点分析数字普惠金融具有便捷性与普及性的显著特点。随着智能手机和互联网的广泛普及，金融服务可以随时随地通过数字终端提供，用户只需通过手机或电脑等设备，即可轻松完成账户开立、支付结算、贷款申请等金融操作，无需前往物理网点，极大地提高了金融服务的便捷性。在偏远的农村地区，居民过去办理金融业务往往需要前往县城或镇上的银行网点，路途遥远且耗时较长。如今，通过手机银行和移动支付应用，他们可以在家中就能完成水电费缴纳、农产品销售收款、小额贷款申请等金融活动，金融服务的可获得性得到了极大提升。这种便捷性使得金融服务能够覆盖到更多的人群，尤其是那些传统金融服务难以触达的偏远地区和弱势群体，提高了金融服务的普及率。截至2023年，我国农村地区移动支付普及率达到78%，越来越多的农村居民享受到了数字普惠金融带来的便捷服务。数据驱动与智能化也是数字普惠金融的核心特点之一。数字普惠金融依托大数据、云计算、人工智能等先进技术，能够收集和分析海量的用户数据，包括交易记录、消费行为、信用状况等，从而深入了解用户的金融需求和风险特征，实现个性化的金融产品推荐和精准营销。蚂蚁金服通过对支付宝用户的消费数据、理财偏好等信息进行分析，为用户提供个性化的理财产品推荐，满足不同用户的投资需求。同时，利用人工智能技术，数字普惠金融实现了自动化的信贷审批、风险预警和客户服务，提高了金融服务的效率和质量。一些数字信贷平台利用机器学习算法对借款人的信用数据进行分析，快速评估其信用风险，实现了秒级放贷，大大缩短了贷款审批时间，提高了金融服务的效率。低成本与高效益是数字普惠金融的重要优势。数字技术的应用降低了金融服务的运营成本，减少了对物理网点和人工服务的依赖。金融机构通过线上平台提供金融服务，无需大量铺设线下网点，降低了租金、设备购置等成本；自动化的业务流程减少了人工操作环节，降低了人力成本。同时，数字普惠金融能够实现规模经济效应，通过服务大量的长尾客户，提高了金融服务的效益。以微众银行的微粒贷为例，该产品通过线上渠道服务海量用户，运营成本相对较低，截至2023年，微粒贷已累计为超过3亿用户提供贷款服务，累计放款金额超过5万亿元，实现了经济效益和社会效益的双赢。数字普惠金融还能够优化金融资源配置，通过大数据分析和智能算法，将金融资源精准地配置到最需要的地区和人群，提高了金融资源的利用效率，进一步增强了其高效益的特点。3.2数字普惠金融减贫的作用机制3.2.1直接减贫机制数字普惠金融通过提供信贷、保险等服务，直接改善贫困群体的经济状况，助力减贫。在信贷服务方面，传统金融机构在评估贷款申请时，通常依赖抵押资产和完善的信用记录，贫困地区居民和小微企业往往因缺乏这些条件而难以获得贷款。数字普惠金融借助大数据、人工智能等技术，能够对客户的信用状况进行更全面、精准的评估。蚂蚁金服旗下的网商银行通过分析小微企业在电商平台上的交易数据、信用评级等信息，为大量缺乏抵押资产的小微企业提供了小额信贷服务。截至2023年，网商银行已累计为超过4000万户小微企业和个体工商户提供贷款，贷款总额超过4万亿元。这些信贷资金为小微企业的生产经营提供了必要的资金支持，帮助它们扩大生产规模、购买原材料、支付员工工资等，从而增加了企业的收入和就业机会，直接促进了贫困群体的脱贫。在保险服务方面，数字普惠金融同样发挥着重要作用。贫困地区居民和小微企业由于经济基础薄弱，面临自然灾害、疾病、市场波动等风险时，往往缺乏足够的应对能力，容易因灾、因病返贫。数字普惠金融通过创新保险产品和服务模式，为贫困群体提供了更便捷、低成本的保险保障。众安保险推出的“步步保”产品，将用户的运动数据与保险费率挂钩，用户通过运动可以降低保费，这种创新的保险模式不仅提高了用户的健康意识，还降低了保险成本，使更多低收入群体能够负担得起保险费用。在农业领域，数字普惠金融还推出了基于大数据和卫星遥感技术的农业保险产品，能够更精准地评估农业生产风险，为农户提供更合理的保险保障。一些保险公司利用卫星遥感技术监测农作物的生长状况，结合气象数据和历史灾害数据，为农户提供定制化的农业保险方案，当农作物遭受自然灾害损失时，农户能够及时获得保险赔偿，减少经济损失，稳定收入来源，从而有效降低了因灾返贫的风险。数字普惠金融还通过提供便捷的支付结算服务，降低贫困群体的交易成本，提高经济活动的效率。移动支付的普及使贫困地区居民和小微企业能够随时随地进行支付和收款，避免了传统支付方式的繁琐手续和高额手续费。在一些农村地区，农民通过移动支付平台可以直接将农产品销售款收入账户，无需再前往银行网点办理转账手续，节省了时间和交通成本。移动支付还促进了农村电商的发展，农民可以通过电商平台将农产品销售到更广阔的市场，增加了收入来源。数字普惠金融还为贫困群体提供了储蓄、投资等金融服务，帮助他们合理规划资金，实现财富的增值，进一步提升了贫困群体的经济状况和抗风险能力。3.2.2间接减贫机制数字普惠金融通过促进经济增长、增加就业和优化收入分配等途径，间接实现减贫目标。数字普惠金融对经济增长具有显著的促进作用。它为小微企业和创新创业者提供了便捷的融资渠道，激发了市场活力和创新动力。小微企业是经济发展的重要力量，然而在传统金融体系下，它们常常面临融资难、融资贵的问题。数字普惠金融的发展改变了这一局面，许多数字信贷平台为小微企业提供了快速、便捷的贷款服务，帮助它们解决了资金周转问题，促进了企业的发展壮大。这些小微企业的发展不仅创造了更多的产品和服务，还带动了相关产业的发展，从而推动了整体经济的增长。据统计，2023年我国小微企业贷款余额达到50.2万亿元，同比增长15.5%，数字普惠金融在其中发挥了重要作用。数字普惠金融还通过促进消费来拉动经济增长。移动支付的普及和数字金融产品的创新，使得消费者的支付更加便捷，消费体验得到提升，从而刺激了消费需求。在一些偏远地区，电商平台和移动支付的结合，让居民能够购买到更多种类的商品，促进了消费市场的繁荣，进一步推动了经济增长。数字普惠金融通过促进经济增长，间接地创造了更多的就业机会。随着小微企业的发展壮大，它们需要雇佣更多的员工来满足生产和经营的需求，这为贫困地区居民提供了就业岗位。一些农村电商企业在数字普惠金融的支持下，不断扩大业务规模，不仅吸纳了当地的农村劳动力，还吸引了部分外出务工人员返乡就业。数字普惠金融还催生了一些新兴产业和职业，如电商运营、物流配送、数字金融服务等，为贫困群体提供了更多的就业选择。在物流配送领域，随着电商业务的快速发展，对快递员、分拣员等岗位的需求大幅增加，许多贫困地区居民通过从事这些工作实现了就业增收。数字普惠金融还通过提升劳动者的技能和素质，增加了他们的就业竞争力。一些数字金融平台为创业者和小微企业提供了培训和咨询服务，帮助他们提升经营管理能力和创新能力，从而更好地适应市场需求，创造更多的就业机会。数字普惠金融在优化收入分配方面也发挥着重要作用。它打破了传统金融服务的门槛和限制，使更多贫困群体能够获得金融服务，参与到经济活动中，分享经济发展的成果。通过提供信贷服务，数字普惠金融帮助贫困群体开展生产经营活动，增加收入。在一些贫困地区，农民通过小额信贷资金发展特色农业产业，提高了农产品的产量和质量，增加了销售收入。数字普惠金融还通过促进就业，提高了贫困群体的劳动收入。随着就业机会的增加，贫困群体的收入水平得到提升，缩小了与其他群体之间的收入差距。数字普惠金融还可以通过创新金融产品和服务，为贫困群体提供更多的财富增值渠道，如数字理财产品、互联网基金等，使他们能够通过投资获得额外收入，进一步优化了收入分配格局，促进了社会公平和减贫目标的实现。3.3数字普惠金融减贫效应的影响因素3.3.1数字基础设施建设数字基础设施建设是数字普惠金融发展的重要支撑，对其减贫效应有着深远影响。网络覆盖率和质量是数字普惠金融发展的基础条件。在网络覆盖率高、质量好的地区，居民能够更便捷地接入互联网，使用数字金融服务。据中国互联网络信息中心（CNNIC）数据显示，截至2023年12月，我国互联网普及率达到76.4%，但部分偏远农村地区的网络覆盖率仍有待提高。在这些网络覆盖不足的地区，数字普惠金融的发展受到限制，居民难以享受移动支付、网络信贷等数字金融服务带来的便利，导致金融服务的可获得性降低，进而影响数字普惠金融的减贫效果。数字技术应用能力也是影响数字普惠金融减贫效应的关键因素。居民对数字技术的熟练运用程度，决定了他们能否充分利用数字普惠金融服务。在一些经济发达地区，居民接受数字技术教育的机会较多，对数字技术的应用能力较强，能够熟练使用各类数字金融平台进行支付、理财、贷款等操作。而在一些欠发达地区，特别是老年群体和低教育水平人群中，数字技术应用能力相对较弱，他们可能对数字金融产品和服务的操作流程不熟悉，存在畏惧心理，从而无法有效利用数字普惠金融服务，限制了数字普惠金融在这些地区的减贫作用发挥。数字基础设施建设还影响着金融机构提供数字普惠金融服务的成本和效率。完善的数字基础设施能够降低金融机构的运营成本，提高服务效率。在网络基础设施完善的地区，金融机构可以通过线上平台更高效地开展业务，减少对物理网点的依赖，降低运营成本。金融机构可以利用大数据分析和云计算技术，对客户的信用状况进行快速评估，提高信贷审批效率，为客户提供更及时的金融服务。而在数字基础设施薄弱的地区，金融机构可能需要投入更多的资源来建立和维护线下服务渠道，增加了运营成本，同时也降低了服务效率，不利于数字普惠金融的发展和减贫效应的实现。3.3.2金融素养水平居民金融素养水平对数字普惠金融的利用和减贫效果有着重要作用。对数字金融产品和服务的认知程度是居民利用数字普惠金融的前提。具备较高金融素养的居民，能够更好地理解数字金融产品和服务的特点、功能和风险，从而更有信心和能力使用这些服务。他们能够识别不同的数字金融产品，如移动支付、网络信贷、数字保险等，并根据自身需求选择合适的产品和服务。而金融素养较低的居民，可能对数字金融产品和服务缺乏了解，存在误解和恐惧，不敢轻易尝试使用，导致数字普惠金融服务的使用率较低。在一些农村地区，部分居民对网络信贷存在误解，认为网络贷款风险高、手续复杂，即使有资金需求也不愿意申请网络信贷，从而错失了利用数字普惠金融改善经济状况的机会。金融决策能力也是影响数字普惠金融减贫效果的重要因素。金融素养高的居民，在面对金融决策时，能够理性分析各种金融信息，做出合理的决策。在选择数字金融产品时，他们能够综合考虑产品的利率、期限、风险等因素，选择最适合自己的产品，从而实现资产的合理配置和增值。而金融素养较低的居民，可能缺乏金融决策能力，容易受到误导，做出不理性的金融决策。他们可能在不了解产品风险的情况下，盲目购买高风险的数字金融产品，导致投资损失，不仅无法实现减贫，反而可能陷入更贫困的境地。金融素养还影响着居民对金融风险的识别和防范能力。数字普惠金融在带来便利的同时，也伴随着一定的风险，如网络安全风险、信用风险等。具备较高金融素养的居民，能够识别这些风险，并采取相应的防范措施，如设置安全密码、不随意泄露个人信息等，保护自己的金融资产安全。而金融素养较低的居民，可能对金融风险认识不足，缺乏防范意识，容易遭受金融诈骗和损失。一些不法分子利用部分居民金融素养低、防范意识差的特点，通过网络平台实施金融诈骗，导致这些居民的财产受损，进一步加剧了贫困。3.3.3政策支持力度政策支持对数字普惠金融发展和减贫具有重要的促进作用。政府的财政补贴和税收优惠政策能够鼓励金融机构开展数字普惠金融业务。政府对开展数字普惠金融业务的金融机构给予财政补贴，降低了金融机构的运营成本，提高了其开展业务的积极性。对为小微企业和贫困地区提供数字信贷服务的金融机构给予税收优惠，能够增加金融机构的收益，促使其加大对这些地区和群体的金融支持力度。这些政策措施有助于扩大数字普惠金融的服务范围，提高金融服务的可获得性，从而增强数字普惠金融的减贫效应。政策支持还体现在对数字普惠金融市场的规范和监管上。完善的法律法规和监管体系能够保障数字普惠金融市场的健康有序发展。政府制定相关法律法规，明确数字普惠金融机构的准入标准、业务范围和监管要求，加强对数字金融市场的监管，防范金融风险，保护消费者的合法权益。通过规范市场秩序，增强了投资者和消费者对数字普惠金融的信心，促进了数字普惠金融市场的繁荣发展，为减贫创造了良好的市场环境。政策支持还包括对数字普惠金融创新的鼓励和引导。政府鼓励金融机构开展数字普惠金融创新，推动金融产品和服务的创新发展。政府支持金融机构利用大数据、人工智能等技术，开发针对贫困群体和小微企业的创新金融产品，如基于电商平台交易数据的小额信贷产品、智能化的农业保险产品等。这些创新产品和服务能够更好地满足贫困群体的金融需求，提高金融服务的精准性和有效性，进一步增强数字普惠金融的减贫效果。四、数字普惠金融减贫效应及区域差异的实证分析4.1研究设计4.1.1研究假设基于前文的理论分析，提出以下研究假设：假设1：数字普惠金融的发展对缓解相对贫困具有显著的正向作用，即数字普惠金融发展水平越高，相对贫困程度越低。数字普惠金融通过提供便捷的金融服务，如小额信贷、移动支付、数字保险等，直接改善贫困群体的经济状况，同时通过促进经济增长、增加就业机会和优化收入分配等间接途径，实现减贫目标。以蚂蚁金服旗下的网商银行为例，其通过大数据分析为小微企业和个体工商户提供小额信贷服务，帮助众多创业者解决了资金周转问题，促进了企业的发展和就业，进而缓解了相对贫困。假设2：数字普惠金融的减贫效应存在区域差异。不同地区在经济发展水平、数字基础设施建设、金融素养等方面存在差异，这些因素会影响数字普惠金融的发展和减贫效果。在经济发达、数字基础设施完善的东部地区，数字普惠金融的发展水平较高，减贫效应可能更为显著；而在经济欠发达、数字基础设施薄弱的西部地区，数字普惠金融的发展相对滞后，减贫效应可能相对较弱。据相关研究表明，东部地区的数字普惠金融发展指数明显高于西部地区，且在促进居民增收和缩小贫富差距方面的效果更为突出。假设3：数字基础设施建设、金融素养水平和政策支持力度等因素会对数字普惠金融的减贫效应产生影响。完善的数字基础设施能够提高数字普惠金融的服务效率和覆盖范围，增强其减贫效应；较高的金融素养有助于居民更好地理解和利用数字普惠金融服务，提升减贫效果；积极的政策支持可以为数字普惠金融的发展创造良好的政策环境，促进其减贫作用的发挥。在一些数字基础设施建设较好的地区，居民能够更便捷地使用数字普惠金融服务，金融服务的可得性和满意度较高，减贫效果也更为明显；而在金融素养较低的地区，居民对数字普惠金融的认知和使用能力有限，可能会限制其减贫效应的发挥。4.1.2变量选取与数据来源被解释变量：相对贫困程度（RP）。采用多维相对贫困指标体系来衡量相对贫困程度，综合考虑收入、消费、教育、医疗、社会保障等多个维度。收入维度选取居民人均可支配收入与当地平均水平的比值，消费维度选取居民人均消费支出与当地平均水平的比值，教育维度选取居民平均受教育年限，医疗维度选取每千人拥有的医疗卫生人员数，社会保障维度选取基本养老保险和医疗保险的参保率。通过熵值法确定各维度指标的权重，进而计算出多维相对贫困指数，该指数越大，表明相对贫困程度越高。解释变量：数字普惠金融发展水平（DF）。使用北京大学数字普惠金融指数来衡量各地区数字普惠金融的发展水平，该指数涵盖了数字普惠金融的覆盖广度、使用深度和数字化程度等多个方面，具有全面性和权威性。覆盖广度反映了数字普惠金融服务的覆盖范围，如移动支付的用户数量、数字金融账户的开设数量等；使用深度体现了用户对数字普惠金融服务的使用程度，如数字信贷的额度、数字保险的参保金额等；数字化程度则反映了数字技术在普惠金融中的应用程度，如线上金融交易的比例、金融服务的智能化水平等。控制变量：选取一系列可能影响相对贫困程度的控制变量。经济发展水平（GDP），采用人均地区生产总值来衡量，反映地区的整体经济实力，经济发展水平的提高有助于减少贫困；产业结构（IS），以第三产业增加值占地区生产总值的比重表示，产业结构的优化升级能够创造更多的就业机会和经济增长动力，促进减贫；城镇化水平（UR），用城镇人口占总人口的比重衡量，城镇化进程的推进可以带动农村人口向城镇转移，提高居民收入水平，缓解相对贫困；教育水平（EDU），选取人均受教育年限来反映地区的教育发展程度，教育水平的提升有助于提高居民的就业能力和收入水平，减少贫困；财政支出（FE），以地方财政一般预算支出占地区生产总值的比重表示，财政支出在基础设施建设、社会保障、教育医疗等方面的投入，对减贫具有重要作用。数据来源方面，相对贫困指标数据主要来源于国家统计局、各省市统计年鉴以及相关的社会调查数据；北京大学数字普惠金融指数来源于北京大学数字金融研究中心；其他控制变量数据来源于国家统计局、各省市统计年鉴以及相关政府部门发布的统计报告。样本期间选取2011-2023年，涵盖了我国31个省、自治区和直辖市，通过对这些数据的收集和整理，为实证分析提供了充足的数据支持。4.1.3模型构建基准回归模型：为检验数字普惠金融对相对贫困的影响，构建如下基准回归模型：RP_{it}=\alpha_0+\alpha_1DF_{it}+\sum_{j=1}^{5}\alpha_{1+j}Controls_{jit}+\mu_i+\nu_t+\epsilon_{it}其中，i表示省份，t表示年份；RP_{it}为被解释变量，表示i省份在t年的相对贫困程度；DF_{it}为解释变量，表示i省份在t年的数字普惠金融发展水平；Controls_{jit}为控制变量，包括经济发展水平（GDP）、产业结构（IS）、城镇化水平（UR）、教育水平（EDU）和财政支出（FE）；\mu_i表示个体固定效应，用于控制各省份不随时间变化的个体特征；\nu_t表示时间固定效应，用于控制随时间变化的宏观因素；\epsilon_{it}为随机误差项；\alpha_0为常数项，\alpha_1,\alpha_{1+j}为各变量的回归系数，重点关注\alpha_1的符号和显著性，若\alpha_1显著为负，则表明数字普惠金融的发展能够降低相对贫困程度，支持假设1。中介效应模型：为进一步探究数字普惠金融影响相对贫困的作用机制，构建中介效应模型。根据理论分析，数字普惠金融可能通过促进经济增长、增加就业机会和优化收入分配等途径来缓解相对贫困，分别以经济增长（EG）、就业水平（EM）和收入分配（ID）作为中介变量。构建以下三步回归模型：第一步：检验数字普惠金融对相对贫困的总效应，即基准回归模型RP_{it}=\alpha_0+\alpha_1DF_{it}+\sum_{j=1}^{5}\alpha_{1+j}Controls_{jit}+\mu_i+\nu_t+\epsilon_{it}，得到回归系数\alpha_1。第二步：检验数字普惠金融对中介变量的影响，构建回归模型M_{kit}=\beta_0+\beta_1DF_{it}+\sum_{j=1}^{5}\beta_{1+j}Controls_{jit}+\mu_i+\nu_t+\epsilon_{it}，其中M_{kit}表示中介变量，k=1,2,3分别代表经济增长、就业水平和收入分配，得到回归系数\beta_1。第三步：将数字普惠金融和中介变量同时纳入回归模型，检验中介变量的中介效应，构建回归模型RP_{it}=\gamma_0+\gamma_1DF_{it}+\gamma_2M_{kit}+\sum_{j=1}^{5}\gamma_{2+j}Controls_{jit}+\mu_i+\nu_t+\epsilon_{it}，得到回归系数\gamma_1和\gamma_2。若\beta_1和\gamma_2均显著，且\gamma_1的绝对值小于\alpha_1，则表明存在部分中介效应；若\beta_1和\gamma_2均显著，且\gamma_1不显著，则表明存在完全中介效应；若\beta_1和\gamma_2至少有一个不显著，则通过Sobel检验来判断中介效应是否存在。通过中介效应模型的构建和检验，可以深入分析数字普惠金融影响相对贫困的内在作用机制，为政策制定提供更有针对性的建议。4.2实证结果与分析4.2.1描述性统计对收集到的2011-2023年我国31个省、自治区和直辖市的相关数据进行描述性统计，结果如表1所示：变量观测值均值标准差最小值最大值相对贫困程度（RP）3720.2350.0680.1120.456数字普惠金融发展水平（DF）372273.56868.452102.345486.789经济发展水平（GDP）3725.6841.3562.1459.876产业结构（IS）3720.4860.0820.3150.765城镇化水平（UR）3720.5680.1240.3210.896教育水平（EDU）3729.6541.2357.21312.567财政支出（FE）3720.1860.0520.0850.356从表1可以看出，相对贫困程度（RP）的均值为0.235，表明我国整体存在一定程度的相对贫困现象，且不同地区之间的相对贫困程度差异较大，最大值为0.456，最小值为0.112。数字普惠金融发展水平（DF）的均值为273.568，标准差为68.452，说明我国各地区数字普惠金融发展水平存在较大差异，部分地区数字普惠金融发展水平较高，而部分地区相对较低。经济发展水平（GDP）的均值为5.684，不同地区之间经济发展水平差距明显，最大值达到9.876，最小值仅为2.145。产业结构（IS）、城镇化水平（UR）、教育水平（EDU）和财政支出（FE）等控制变量也呈现出不同程度的地区差异，这些差异可能会对数字普惠金融的减贫效应产生影响。4.2.2相关性分析在进行回归分析之前，先对各变量进行相关性分析，以初步判断变量之间的关系，结果如表2所示：变量RPDFGDPISUREDUFERP1DF-0.568***1GDP-0.654***0.786***1IS-0.486***0.654***0.765***1UR-0.523***0.721***0.856***0.689***1EDU-0.456***0.589***0.723***0.568***0.654***1FE-0.389***0.456***0.567***0.486***0.523***0.456***1注：***表示在1%的水平上显著相关，**表示在5%的水平上显著相关，*表示在10%的水平上显著相关。从表2可以看出，数字普惠金融发展水平（DF）与相对贫困程度（RP）之间呈现显著的负相关关系，相关系数为-0.568，初步表明数字普惠金融的发展可能有助于降低相对贫困程度，支持假设1。经济发展水平（GDP）、产业结构（IS）、城镇化水平（UR）、教育水平（EDU）和财政支出（FE）等控制变量与相对贫困程度（RP）也均呈现显著的负相关关系，说明这些因素的提升也有助于缓解相对贫困。同时，各变量之间的相关系数均小于0.8，表明不存在严重的多重共线性问题，可进行下一步的回归分析。4.2.3基准回归结果对基准回归模型进行估计，结果如表3所示：变量RPDF-0.035***(-4.56)GDP-0.056***(-5.68)IS-0.042***(-4.23)UR-0.038***(-3.87)EDU-0.025***(-2.56)FE-0.018***(-1.96)常数项0.456***(6.54)个体固定效应是时间固定效应是观测值372R²0.786注：括号内为t值，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。从表3的回归结果可以看出，数字普惠金融发展水平（DF）的系数为-0.035，且在1%的水平上显著，表明数字普惠金融的发展对相对贫困程度具有显著的负向影响，即数字普惠金融发展水平每提高1个单位，相对贫困程度将降低0.035个单位，这进一步验证了假设1，说明数字普惠金融的发展能够有效缓解相对贫困。经济发展水平（GDP）、产业结构（IS）、城镇化水平（UR）、教育水平（EDU）和财政支出（FE）等控制变量的系数也均为负，且在1%的水平上显著，表明这些因素的提升对缓解相对贫困也具有积极作用。模型的R²为0.786，说明模型的拟合优度较好，能够较好地解释相对贫困程度的变化。4.2.4区域异质性分析为了进一步分析数字普惠金融减贫效应的区域差异，将样本分为东部、中部、西部和东北地区四个区域，分别进行回归分析，结果如表4所示：变量东部中部西部东北DF-0.042***(-5.23)-0.030***(-3.56)-0.025***(-2.87)-0.018***(-1.96)控制变量是是是是个体固定效应是是是是时间固定效应是是是是观测值1329610836R²0.8230.7560.7210.689注：括号内为t值，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。从表4的回归结果可以看出，数字普惠金融发展水平（DF）在四个区域的系数均为负，且在1%或5%的水平上显著，表明数字普惠金融的发展在各区域均能起到缓解相对贫困的作用，但存在明显的区域差异。东部地区数字普惠金融发展水平（DF）的系数绝对值最大，为-0.042，说明数字普惠金融在东部地区的减贫效应最为显著；中部地区系数为-0.030，减贫效应次之；西部地区系数为-0.025，减贫效应相对较弱；东北地区系数为-0.018，减贫效应最弱。这一结果验证了假设2，即数字普惠金融的减贫效应存在区域差异。可能的原因是东部地区经济发展水平较高，数字基础设施建设完善，居民金融素养较高，更有利于数字普惠金融的发展和减贫效应的发挥；而中西部地区和东北地区在经济发展水平、数字基础设施建设和居民金融素养等方面相对滞后，限制了数字普惠金融的发展和减贫效果。4.2.5中介效应检验按照中介效应模型的三步回归法，对经济增长（EG）、就业水平（EM）和收入分配（ID）三个中介变量进行中介效应检验，结果如表5所示：变量步骤1：RP对DF步骤2：EG对DF步骤3：RP对DF、EG步骤2：EM对DF步骤3：RP对DF、EM步骤2：ID对DF步骤3：RP对DF、IDDF-0.035***(-4.56)0.068***(6.54)-0.021***(-2.87)0.045***(5.23)-0.015***(-1.96)0.032***(3.87)-0.012***(-1.65)EG-0.042***(-4.23)EM-0.038***(-3.87)ID-0.045***(-4.56)控制变量是是是是是是是个体固定效应是是是是是是是时间固定效应是是是是是是是观测值372372372372372372372R²0.7860.6540.8230.7210.7650.7020.745注：括号内为t值，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。从表5的回归结果来看，在经济增长（EG）作为中介变量的检验中，步骤2中DF对EG的系数为0.068，在1%的水平上显著；步骤3中DF的系数为-0.021，EG的系数为-0.042，均在1%的水平上显著，且DF系数的绝对值小于步骤1中DF对RP的系数绝对值，表明经济增长在数字普惠金融影响相对贫困的过程中存在部分中介效应，数字普惠金融通过促进经济增长，进而降低相对贫困程度。在就业水平（EM）作为中介变量的检验中，步骤2中DF对EM的系数为0.045，在1%的水平上显著；步骤3中DF的系数为-0.015，EM的系数为-0.038，均在1%或5%的水平上显著，且DF系数的绝对值小于步骤1中DF对RP的系数绝对值，表明就业水平在数字普惠金融影响相对贫困的过程中也存在部分中介效应，数字普惠金融通过增加就业机会，降低相对贫困程度。在收入分配（ID）作为中介变量的检验中，步骤2中DF对ID的系数为0.032，在1%的水平上显著；步骤3中DF的系数为-0.012，ID的系数为-0.045，均在1%或10%的水平上显著，且DF系数的绝对值小于步骤1中DF对RP的系数绝对值，表明收入分配在数字普惠金融影响相对贫困的过程中同样存在部分中介效应，数字普惠金融通过优化收入分配，降低相对贫困程度。综上所述，经济增长、就业水平和收入分配在数字普惠金融影响相对贫困的过程中均发挥了部分中介作用，验证了假设3。4.3稳健性检验4.3.1替换变量法为确保实证结果的可靠性，采用替换变量法进行稳健性检验。将被解释变量相对贫困程度（RP）替换为另一种衡量方法，即采用相对收入贫困指标，选取居民人均可支配收入低于当地平均水平一定比例（如60%）的人口占比来重新衡量相对贫困程度。解释变量数字普惠金融发展水平（DF）则替换为数字普惠金融发展规模指标，用各地区数字支付交易总额与地区生产总值的比值来表示，该指标能够更直观地反映数字普惠金融在当地经济中的规模大小。重新对基准回归模型进行估计，结果如表6所示：变量RPDF-0.032***(-4.23)GDP-0.052***(-5.34)IS-0.038***(-3.98)UR-0.035***(-3.67)EDU-0.022***(-2.34)FE-0.016***(-1.87)常数项0.432***(6.23)个体固定效应是时间固定效应是观测值372R²0.765注：括号内为t值，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。从表6的回归结果可以看出，替换变量后，数字普惠金融发展水平（DF）的系数依然为负，且在1%的水平上显著，表明数字普惠金融的发展对相对贫困程度仍具有显著的负向影响，与基准回归结果一致，说明实证结果具有较好的稳健性。经济发展水平（GDP）、产业结构（IS）、城镇化水平（UR）、教育水平（EDU）和财政支出（FE）等控制变量的系数也均为负，且在1%的水平上显著，与基准回归结果相符，进一步验证了模型的稳定性和可靠性。4.3.2内生性处理尽管在模型中加入了个体固定效应和时间固定效应，但数字普惠金融与相对贫困之间仍可能存在内生性问题，如遗漏变量、反向因果等。为解决这一问题，采用工具变量法进行内生性处理。选取互联网普及率（IP）作为数字普惠金融发展水平（DF）的工具变量，互联网普及率是数字普惠金融发展的重要基础条件，与数字普惠金融发展水平密切相关，且互联网普及率主要受地区基础设施建设、政策导向等外生因素影响，与相对贫困程度不存在直接的因果关系，满足工具变量的外生性和相关性条件。采用两阶段最小二乘法（2SLS）进行估计，第一阶段将数字普惠金融发展水平（DF）对互联网普及率（IP）及其他控制变量进行回归，得到数字普惠金融发展水平的拟合值；第二阶段将拟合值代入基准回归模型中，与相对贫困程度（RP）进行回归，结果如表7所示：变量第一阶段：DF对IP第二阶段：RP对DF̂IP0.856***(7.89)GDP0.235***(3.56)-0.058***(-5.87)IS0.186***(2.87)-0.045***(-4.56)UR0.213***(3.21)-0.040***(-4.01)EDU0.156***(2.56)-0.028***(-2.89)FE0.123***(1.96)-0.020***(-2.13)DF̂-0.038***(-4.87)常数项-0.568***(-3.56)0.486***(6.87)个体固定效应是是时间固定效应是是观测值372372R²0.6890.795注：括号内为t值，***表示在1%的水平上显著，**表示在5%的水平上显著，*表示在10%的水平上显著。从表7的回归结果来看，第一阶段中互联网普及率（IP）的系数为0.856，且在1%的水平上显著，表明互联网普及率对数字普惠金融发展水平具有显著的正向影响，说明工具变量与内生变量之间存在较强的相关性。第二阶段中数字普惠金融发展水平的拟合值（DF̂）的系数为-0.038，在1%的水平上显著，依然表明数字普惠金融的发展对相对贫困程度具有显著的负向影响，与基准回归结果一致，说明在解决内生性问题后，数字普惠金融的减贫效应依然显著。这进一步验证了研究结果的可靠性，增强了研究结论的说服力。五、案例分析5.1东部地区案例：浙江省数字普惠金融减贫实践5.1.1案例背景浙江省作为我国经济较为发达的省份，2023年全省生产总值达到76703亿元，人均GDP超过11万元，经济发展水平位居全国前列。其民营经济活跃，小微企业众多，产业结构多元化，制造业、电子商务、数字经济等领域发展突出。在数字经济方面，浙江大力推进数字基础设施建设，2023年全省互联网宽带接入用户达到4000万户，移动互联网用户普及率达到92%，为数字普惠金融的发展奠定了坚实基础。浙江省在普惠金融领域一直处于全国领先地位，拥有完善的金融体系和丰富的金融资源。在传统普惠金融发展的基础上，积极推动数字技术与金融服务的融合，数字普惠金融发展迅速。蚂蚁金服作为全球知名的数字金融科技公司，总部位于浙江杭州，旗下的支付宝等数字金融产品和服务在全国乃至全球范围内广泛应用，为浙江数字普惠金融的发展提供了强大的技术支持和创新动力。浙江省政府也高度重视数字普惠金融的发展，出台了一系列政策措施，鼓励金融机构创新数字普惠金融产品和服务，加强数字基础设施建设，优化数字普惠金融发展环境，推动数字普惠金融在全省范围内的普及和应用。5.1.2数字普惠金融发展模式与举措浙江数字普惠金融形成了独特的发展模式，以数字技术为核心驱动，构建了开放、共享的金融生态系统。在数字支付领域，支付宝和微信支付等移动支付平台在浙江广泛普及，成为居民日常生活中主要的支付方式。截至2023年，浙江省移动支付交易金额达到18.5万亿元，占全省社会消费品零售总额的85%以上，移动支付的便捷性极大地提高了金融服务的效率和覆盖面。在信贷领域，浙江的金融机构利用大数据、人工智能等技术，创新推出了多种数字信贷产品。网商银行依托阿里巴巴的电商平台数据，为小微企业和个体工商户提供“310”贷款模式，即3分钟申请、1秒钟放款、0人工干预，大大简化了贷款流程，提高了贷款审批效率。截至2023年，网商银行已累计为浙江地区的小微企业和个体工商户提供贷款超过1.5万亿元，服务客户数量超过800万户。浙江省还积极推动数字普惠金融与产业发展的深度融合。在农村地区，大力发展农村电商，通过数字普惠金融为农村电商企业提供融资支持，促进农村产业发展和农民增收。遂昌县作为浙江农村电商的典型代表，通过数字普惠金融的支持，农村电商发展迅速，形成了以农产品销售为主的电商产业集群。截至2023年，遂昌县农村电商销售额达到25亿元，带动了当地5万农民就业增收。在制造业领域，浙江的金融机构为制造业企业提供数字化供应链金融服务，通过整合产业链上下游的交易数据，为企业提供融资、结算、风险管理等一站式金融服务，助力制造业企业降低成本、提高效率。在数字普惠金融的发展过程中，浙江省采取了一系列具体举措。加强数字基础设施建设，提升网络覆盖率和质量，为数字普惠金融的发展提供了良好的网络环境。加大金融科技研发投入，鼓励金融机构与科技企业合作，共同开发数字普惠金融产品和服务，提升金融服务的创新能力。浙江省还注重金融消费者权益保护，加强对数字普惠金融市场的监管，规范金融机构的经营行为，防范金融风险，保障消费者的合法权益。5.1.3减贫成效与经验总结浙江省数字普惠金融在减贫方面取得了显著成效。通过提供便捷的金融服务，有效缓解了小微企业和贫困群体的融资难题，促进了就业和创业，增加了居民收入。据统计，2023年浙江省小微企业贷款余额达到4.5万亿元，同比增长18%，小微企业贷款户数达到280万户，同比增长15%，为小微企业的发展提供了有力的资金支持，带动了大量就业。在农村地区，数字普惠金融促进了农村电商的发展，推动了农村产业结构调整和升级，提高了农民的收入水平。遂昌县通过农村电商和数字普惠金融的结合，农民人均可支配收入从2015年的1.8万元增长到2023年的3.5万元，增长了近一倍。浙江省数字普惠金融减贫实践的成功经验值得总结和推广