數(shù)字金融對農(nóng)戶多維相對貧困影響研究

韓英荻，龐金波*，衡丹丹

（1.東北農(nóng)業(yè)大學經(jīng)濟管理學院，黑龍江 哈爾濱 150030；2.東北農(nóng)業(yè)大學馬克思主義學院，黑龍江 哈爾濱 150030）

2020年脫貧攻堅戰(zhàn)取得全面勝利，標志著目前我國絕對貧困問題已得到解決，但相對貧困問題仍將長期存在。相對貧困反映的是一種相對性與多維性的社會現(xiàn)象，緩解多維相對貧困將成為新時代扶貧工作的重點[1]，而金融資源分配不均是導致多維相對貧困的重要因素，如何從金融角度緩解農(nóng)戶多維相對貧困便成為亟需解決的現(xiàn)實問題。傳統(tǒng)金融發(fā)展面臨著成本高、風險性大和地理空間遠引致的內(nèi)生動力不足，導致金融扶持廣度和深度受限。但數(shù)字金融本身的數(shù)字化、虛擬化、信息化和地理穿透性等特征，能有效地提高農(nóng)戶對金融服務(wù)的可得性，在服務(wù)農(nóng)戶生產(chǎn)和生活的過程中，為推動農(nóng)村金融發(fā)展提供重要支撐[2]。因此，在傳統(tǒng)金融發(fā)展基礎(chǔ)上，如何發(fā)揮數(shù)字金融優(yōu)勢對緩解農(nóng)戶多維相對貧困問題、推進鄉(xiāng)村振興和實現(xiàn)共同富裕具有重要的現(xiàn)實意義。

在已有文獻中，國內(nèi)外學者多以數(shù)字金融減緩絕對貧困問題研究為主，發(fā)現(xiàn)數(shù)字金融能夠通過提高金融服務(wù)可得性[3-4]、降低交易成本[5-6]、加速經(jīng)濟增長[7]減少貧困和不平等問題，并發(fā)現(xiàn)一個地區(qū)數(shù)字金融發(fā)展水平會影響鄰近地區(qū)的貧困現(xiàn)象[8]。隨著研究不斷深入，學者們不再僅以收入為衡量標準，開始從多維角度分析絕對貧困問題，多數(shù)學者認為數(shù)字金融能夠減緩多維貧困現(xiàn)象[9-10]，對收入和消費貧困影響顯著[11]。而有學者認為數(shù)字金融產(chǎn)生的數(shù)字鴻溝問題會加深多維貧困的程度[12]。

隨著我國絕對貧困問題的解決，相對貧困問題成為研究重點，并采用不同的相對貧困指標研究二者之間的關(guān)系。一是僅以收入中位數(shù)的40%作為衡量標準，其中有學者發(fā)現(xiàn)數(shù)字金融能夠明顯減緩相對貧困[13]，對收入和教育水平高的農(nóng)戶家庭減緩效果更好[14]。還有學者得到了差異性結(jié)論，發(fā)現(xiàn)數(shù)字金融無法有效緩解相對貧困[15]，加劇了城鎮(zhèn)和農(nóng)村的相對貧困問題[16]；二是采用相對貧困脆弱性指標進行分析，發(fā)現(xiàn)數(shù)字金融對相對貧困影響存在結(jié)構(gòu)性差異，二者呈現(xiàn)出倒“U”型關(guān)系[17]。然而相對貧困的突出特征和主要難點在于其自身的多維 性[18]，隨后有學者對相對貧困的多維性進行研究，發(fā)現(xiàn)數(shù)字金融能夠緩解多維相對貧困[19]，且減貧效果隨著剝奪維度的提高而增強[20]。

綜上所述，數(shù)字金融對絕對貧困的影響學術(shù)界已做了廣泛研究，數(shù)字金融能夠促進絕對貧困減緩已得到充分的證實，而目前關(guān)于數(shù)字金融對相對貧困的研究，以下幾個方面還有待完善：一是大多集中于以居民收入中位數(shù)等單一變量進行衡量。但僅以收入作為衡量標準，不能全面反映鄉(xiāng)村振興與共同富裕推進過程中相對貧困的多維度刻畫特征；二是目前雖然有部分文獻基于多維角度去衡量數(shù)字金融對相對貧困的影響，但由于多維相對貧困的指標測度方法大不相同，還需要對不同的貧困識別方法進行不斷完善，便于提高相對貧困治理的精準性；三是以往文獻多將多維相對貧困拆分為不同維度相對貧困，分析數(shù)字金融對其的影響。而較少有分析數(shù)字金融對不同相對貧困類型的影響關(guān)系，本文將不同維度相對貧困和不同相對貧困類型都納入分析框架中，進而豐富數(shù)字金融和相對貧困的研究內(nèi)容。因此，本研究利用2019年中國家庭金融調(diào)查數(shù)據(jù)，采用A-F方法，構(gòu)建多維相對貧困指標體系。利用Probit模型，分析數(shù)字金融對農(nóng)戶多維相對貧困的影響，并根據(jù)不同剝奪維度劃分為脆弱型多維相對貧困、一般型多維相對貧困和嚴重型多維相對貧困，探究數(shù)字金融對多維相對貧困類型的影響關(guān)系。隨后采用指標賦權(quán)加總法計算經(jīng)濟能力、發(fā)展能力和生活環(huán)境指數(shù)，研究數(shù)字金融對農(nóng)戶相對貧困維度的影響關(guān)系。最后檢驗二者的渠道機制與地區(qū)異質(zhì)性，為新時期緩解相對貧困問題，助力鄉(xiāng)村振興提供新視角。

1 理論分析與研究假設(shè)

1.1 數(shù)字金融與農(nóng)戶多維相對貧困

不同于以往的單一相對貧困，多維相對貧困不僅衡量了居民相對收入現(xiàn)狀，還考慮了居民的社會需求層面，如居民教育、社會保障、住房等指標，是一種綜合性衡量指標，可以充分體現(xiàn)相對貧困群體的差異性特征。因此本文從直接渠道與間接渠道來分析數(shù)字金融對農(nóng)戶多維相對貧困的影響。

從直接渠道來看，數(shù)字金融有助于農(nóng)戶獲得金融服務(wù)和信息服務(wù)，而直接影響農(nóng)戶多維相對貧困（圖1）。農(nóng)戶參與數(shù)字金融業(yè)務(wù)有利于促進供給和需求端的有效暢通。如數(shù)字支付和數(shù)字理財業(yè)務(wù)可以提高農(nóng)戶資金流通便利性，使得農(nóng)戶更易積累資金，實現(xiàn)金融資產(chǎn)配置，能夠有效降低由于自然災(zāi)害所造成的收入危機；數(shù)字借貸業(yè)務(wù)則為農(nóng)戶提供信貸支持，有助于農(nóng)戶進行人力資本、生產(chǎn)經(jīng)營和醫(yī)療保障等方面的資金投入，使農(nóng)戶的經(jīng)濟能力、發(fā)展能力和生活環(huán)境得到改善。與此同時，數(shù)字金融的技術(shù)優(yōu)勢和平臺優(yōu)勢能夠打破以往信息壁壘，實現(xiàn)信息交互，緩解雙方信息不對稱問題。如金融機構(gòu)能夠獲得農(nóng)戶使用數(shù)字金融業(yè)務(wù)所產(chǎn)生的數(shù)據(jù)集，有效定位用戶金融需求，有助于金融機構(gòu)創(chuàng)新金融產(chǎn)品，為農(nóng)戶生產(chǎn)經(jīng)營提供重要保障；農(nóng)戶則可以了解經(jīng)濟、就業(yè)等市場信息，為農(nóng)戶創(chuàng)業(yè)、非農(nóng)就業(yè)和生產(chǎn)銷售提供了重要信息來源，增加農(nóng)戶獲得收入和改善自我發(fā)展能力的機會。

從間接渠道來看，數(shù)字金融能夠帶動經(jīng)濟增長和改善收入分配，間接影響農(nóng)戶多維相對貧困。農(nóng)戶使用數(shù)字金融業(yè)務(wù)會提高存貸款規(guī)模，推動地區(qū)經(jīng)濟增長。隨著經(jīng)濟的不斷增長，將會促使政府加大對農(nóng)村的資金投入，加快農(nóng)村基礎(chǔ)設(shè)施建設(shè)，完善農(nóng)戶社會保障體系，激發(fā)農(nóng)村地區(qū)的金融活力；也會使企業(yè)擴大生產(chǎn)，增加更多的就業(yè)崗位，為農(nóng)戶提供更多新型創(chuàng)業(yè)和就業(yè)機會。與此同時數(shù)字金融的普惠性和長尾效應(yīng)能夠改善收入分配，平衡城鄉(xiāng)就業(yè)和教育資源，使農(nóng)戶有實現(xiàn)階層流動的機會。還能夠讓更多農(nóng)戶參與到財產(chǎn)性收入的分配環(huán)節(jié)，實現(xiàn)資產(chǎn)合理配置，提高財產(chǎn)性收入。

總而言之，無論是直接渠道還是間接渠道，農(nóng)戶都能通過參與數(shù)字金融，從其金融服務(wù)和信息服務(wù)中獲得經(jīng)濟效益，使得農(nóng)戶經(jīng)濟能力、發(fā)展能力和生活環(huán)境得到改善。基于以上分析，提出數(shù)字金融能夠有效緩解農(nóng)戶多維相對貧困。

數(shù)字金融雖能影響農(nóng)戶多維相對貧困，但由于相對貧困群體內(nèi)部之間的差異性，會導致數(shù)字金融對各群體的影響存在差異，有學者發(fā)現(xiàn)數(shù)字金融對貧困程度越高的農(nóng)戶影響效果越好[19]，這是由于貧困程度高的農(nóng)戶無法依靠自身發(fā)展擺脫貧困，更需要數(shù)字金融的外部支持，而數(shù)字金融難以滿足貧困程度較低的群體資金需求量[20]。

然而數(shù)字金融可能對貧困程度低的農(nóng)戶影響效果更好，由于貧困程度嚴重的群體可能更缺乏教育、金融素養(yǎng)和接觸互聯(lián)網(wǎng)的機會，導致其存在明顯 的“數(shù)字鴻溝”和“知識鴻溝”[21]，使難以接觸互聯(lián)網(wǎng)的農(nóng)戶不能獲得數(shù)字金融服務(wù)所帶來的經(jīng)濟效益[12]，面臨更突出的數(shù)字信貸約束[22]?；谝陨戏治觯岢鰯?shù)字金融對農(nóng)戶多維相對貧困群體產(chǎn)生差異性影響。

1.2 金融素養(yǎng)的中介作用

數(shù)字金融不僅能使農(nóng)戶獲得金融服務(wù)，還能獲得相關(guān)金融信息，使農(nóng)戶金融知識得到補充。同時數(shù)字金融帶來的經(jīng)濟增長和收入分配，會使政府投入更多資金，增強對農(nóng)村地區(qū)數(shù)字金融知識的宣傳與普及，強化農(nóng)戶家庭利用金融資產(chǎn)配置實現(xiàn)資產(chǎn)保值甚至增值的觀念，達到提高農(nóng)戶金融素養(yǎng)水平的目的。

數(shù)字金融提高農(nóng)戶金融素養(yǎng)水平后，將影響著農(nóng)戶多維相對貧困現(xiàn)象（圖1），主要體現(xiàn)在三個方面。一是提高農(nóng)戶經(jīng)濟能力。金融素養(yǎng)的提高有助于提升農(nóng)戶對利率、風險投資等相關(guān)信息的合理判斷，能夠在復雜的經(jīng)濟環(huán)境下通過合理配置金融資產(chǎn)，實現(xiàn)資產(chǎn)增值以獲得投資收益。二是提高農(nóng)戶發(fā)展能力。金融素養(yǎng)的提高有助于農(nóng)戶豐富農(nóng)業(yè)和其他保險知識，提高參保意愿和種類[23]，使農(nóng)戶在社會保障方面得到提高，為農(nóng)戶自身健康提供資金保障。并且還能改善農(nóng)村教育資源分配不均導致的代際收入持續(xù)性問題[24]。三是改善生活環(huán)境。金融素養(yǎng)會加強農(nóng)戶對信貸需求和償債能力的認知[25]，降低農(nóng)戶進行非理性投資決策，避免農(nóng)戶由于過度負債而變賣房產(chǎn)的可能性，以便提高農(nóng)戶幸福感?；谝陨戏治?，提出數(shù)字金融通過改善農(nóng)戶金融素養(yǎng)緩解農(nóng)戶多維相對貧困。

圖1 數(shù)字金融對農(nóng)戶多維相對貧困影響的理論框架Fig.1 Theoretical framework of the impacts of digital finance on rural households’ multidimensional relative poverty

2 研究方法

2.1 數(shù)據(jù)來源

本文的核心變量數(shù)據(jù)來自西南財經(jīng)大學2019年進行的中國家庭金融調(diào)查（CHFS）。該數(shù)據(jù)采用分層、三階段等抽樣設(shè)計法，搜集全國除西藏、新疆和港澳臺外的29個?。ㄗ灾螀^(qū)、直轄市），345個區(qū)縣，1 360個村（居）委會，34 643戶家庭，10.7萬個家庭成員的信息，包括家庭資產(chǎn)、負債和收入等內(nèi)容。針對農(nóng)村地區(qū)的金融調(diào)查，該數(shù)據(jù)具有代表性[26]。本文具體篩選和處理樣本過程如下：一是對個體、家庭和地區(qū)數(shù)據(jù)進行匹配；二是僅保留了農(nóng)村地區(qū)、受訪者為戶主且年齡在18~70歲之間的樣本；三是剔除異常值和缺失值。最終本文共得到8 858個農(nóng)戶樣本數(shù)據(jù)。地區(qū)控制變量來源于國家統(tǒng)計局，數(shù)字普惠金融來自北京大學數(shù)字金融研究中心開發(fā)的《數(shù)字普惠金融指數(shù)》[27]。

2.2 多維相對貧困指標體系構(gòu)建

本文基于國內(nèi)外相關(guān)研究[28-29]，立足中國實際發(fā)展國情構(gòu)建多維相對貧困指標體系。2011年《中國農(nóng)村扶貧開發(fā)綱要（2011—2020年）》提出，扶貧開發(fā)工作總體要求為“要注重轉(zhuǎn)變經(jīng)濟發(fā)展方式、增強扶貧對象自我發(fā)展能力和基本公共服務(wù)均等化”，在此基礎(chǔ)上，王小林和馮賀霞[1]指出經(jīng)濟維度反映“貧”、發(fā)展能力和生活環(huán)境維度反映“困”，2020年后的多維相對貧困標準更應(yīng)該建立在“兩不愁、三保障”的基礎(chǔ)之上。據(jù)此本文構(gòu)建了經(jīng)濟能 力、發(fā)展能力和生活環(huán)境3個維度9個指標（表1），并對3個維度分別賦予1/3權(quán)重，對各維度內(nèi)的指標賦予同等權(quán)重，以此來反映相對貧困的多維性和差異性特征。

經(jīng)濟能力層面，在收入指標基礎(chǔ)上加入了就業(yè)與資產(chǎn)，其中就業(yè)可以反映家庭是否具有經(jīng)濟來源渠道，資產(chǎn)則更能反映家庭的財富狀況，以及是否具有擺脫貧困的能力[30]。發(fā)展能力層面，教育和健康是個人能力發(fā)展的基本因素，社會保障則是個人能力發(fā)展的外部支撐，而信息獲得更好體現(xiàn)了農(nóng)戶與外界聯(lián)系的便捷程度[31]。生活環(huán)境層面，住房是對農(nóng)戶基本居住環(huán)境的衡量，幸福感指數(shù)是對農(nóng)戶所處生活狀態(tài)的一個基本判斷。

2.3 多維相對貧困計算方法

A-F方法被廣泛用于測量多維貧困，并被許多國家所采納[1]。因此為更好反映農(nóng)戶多維相對貧困現(xiàn)象，研究數(shù)字金融作用機制，本文基于A-F方法和等權(quán)重法構(gòu)建農(nóng)戶多維相對貧困狀態(tài)指標，A-F方法的主要步驟：首先構(gòu)建單維度相對剝奪識別標準，當農(nóng)戶（家庭）在j維度上的取值小于判別標準時賦值為1，表明在維度j上，農(nóng)戶處于相對貧困狀態(tài)，具體維度指標剝奪情況設(shè)定見表1。其次構(gòu)建多維度相對剝奪識別標準，設(shè)定剝奪臨界值為k，計算農(nóng)戶（家庭）被剝奪的維度總數(shù)值ci，通過ci與k值比較的方式確定多維相對貧困群體。最 后計算多維相對貧困指數(shù)和各維度貢獻率。具體公式為：

表1 農(nóng)戶多維相對貧困指標體系Table 1 Multidimensional relative poverty index system of rural households

式中：d為維度數(shù)，wj為維度j的權(quán)重，g0ij為農(nóng)戶（家庭）i在維度j上的剝奪情況，M為多維相對貧困指數(shù)，H為貧困發(fā)生率，A為平均剝奪深度，n為所有農(nóng)戶數(shù)量，Ij為各指標貢獻率，qj為j維度下剝奪人口總數(shù)。

2.4 變量選擇

1）被解釋變量。本文以農(nóng)戶多維相對貧困為被解釋變量，若農(nóng)戶被剝奪維度總數(shù)值（ci）大于等于1/5則定義為農(nóng)戶處于多維相對貧困狀態(tài)，賦值為1，否則為0。隨后將農(nóng)戶多維相對貧困細分為不同類型多維相對貧困[32]和不同維度相對貧困，其中不同類型多維相對貧困分別為脆弱型多維相對貧困（1/5≤ci<1/3）、一般型多維相對貧困（1/3≤ci<1/2）和嚴重型多維相對貧困（ci≥1/2）；不同維度相對貧困則采用指標賦權(quán)加總的方式分別計算經(jīng)濟能力、發(fā)展能力和生活環(huán)境指數(shù)[29]。

2）核心解釋變量。本文以農(nóng)戶個體為主要研究對象，因此使用微觀層面的數(shù)字金融代理變量[33]更能直觀反映數(shù)字金融對農(nóng)戶多維相對貧困的影響力度。基于問卷可得性，本文將使用CHFS問卷中 “是否開通第三方支付賬戶、是否有互聯(lián)網(wǎng)借貸和互聯(lián)網(wǎng)理財余額”問題進行表征。若農(nóng)戶參與數(shù)字支付、數(shù)字借貸和數(shù)字理財三者中任意一項，則數(shù)字金融賦值為1，否則賦值為0。

3）控制變量。本文選取的控制變量主要分為三個層面[14]，一是農(nóng)戶個人層面變量（性別、年齡、年齡平方、黨員）；二是家庭層面變量（家庭規(guī)模、家庭勞動人口比）；三是地區(qū)層面變量（地區(qū)經(jīng)濟水平）。

4）中介變量。本文采用因子分析法測量金融素養(yǎng)水平[34]。既往學者都以利率計算問題、通貨膨脹問題和投資風險認知問題進行因子分析，但由于2019年的問卷調(diào)查中針對投資風險認知問題只限于城鎮(zhèn)樣本，因此對該問題予以剔除。根據(jù)數(shù)據(jù)檢驗結(jié)果，KMO統(tǒng)計量為0.652>0.6，且Bartlett球形檢驗結(jié)果顯著，可以做因子分析。根據(jù)特征值大于1的標準，保留一個因子計算得出金融素養(yǎng)指標。上述具體變量名稱及定義見表2。

表2 變量定義及描述性統(tǒng)計Table 2 Variable definition and descriptive statistics

2.5 模型選擇

本文以農(nóng)戶多維相對貧困作為被解釋變量，并將其拆分為不同類型多維相對貧困和不同維度相對貧困，其中農(nóng)戶多維相對貧困是二值變量，因此本文采用二元Probit模型，具體設(shè)定為：

由于農(nóng)戶多維相對貧困類型為多分類變量，因此采用多項Probit模型，具體設(shè)定為：

在以農(nóng)戶相對貧困維度作為被解釋變量時，由于變量為連續(xù)變量，本文采用線性回歸模型進行檢驗，模型設(shè)定為：

式中：Mi表示農(nóng)戶多維相對貧困，Yi表示農(nóng)戶多維相對貧困類型，Xi表示農(nóng)戶不同維度相對貧困指數(shù)，DF表示數(shù)字金融，Ci表示控制變量，εi、εik和εij表示隨機擾動項。

3 結(jié)果與分析

3.1 數(shù)字金融、農(nóng)戶多維相對貧困和金融素養(yǎng)分析

從全國范圍來看，農(nóng)戶參與數(shù)字金融的占比為39.7%，這說明使用數(shù)字金融的農(nóng)戶數(shù)量仍相對較低。這可能是由于農(nóng)村地區(qū)的數(shù)字金融發(fā)展還相對薄弱，數(shù)字基礎(chǔ)化設(shè)施不夠完善，導致農(nóng)戶數(shù)字金融使用深度不夠。此外脆弱型、一般型和嚴重型多維相對貧困占比分別為16.19%、11.05%和2.28% （表3）。這說明我國以脆弱型和一般型多維相對貧困為主。主要原因可能是，精準扶貧政策所帶來的減貧效果，使得農(nóng)村地區(qū)遭受極端剝奪維度的家庭數(shù)量相對較少[32]。

表3 全國及各地區(qū)數(shù)字金融和多維相對貧困類型的數(shù)量及占比Table 3 Number and proportion of digital finance and multidimensional relative poverty types in China and all regions

分地區(qū)來看，東部地區(qū)的數(shù)字金融使用數(shù)量相對較高，整體相對貧困數(shù)量最低，西部地區(qū)三種類型的相對貧困數(shù)量均最高。主要原因可能是，東部地區(qū)實際數(shù)字化發(fā)展和經(jīng)濟發(fā)展水平要高于中西部地區(qū)，促使東部地區(qū)農(nóng)戶更容易獲得數(shù)字金融業(yè)務(wù)，減緩了相對貧困現(xiàn)象。而西部地區(qū)的自然環(huán)境和經(jīng)濟結(jié)構(gòu)等因素，導致西部地區(qū)仍是我國相對貧困的集中區(qū)域。由此可見，還需要推進我國農(nóng)村地區(qū)數(shù)字金融發(fā)展，特別是西部地區(qū)，縮小東中西部發(fā)展差距；重點關(guān)注嚴重型多維相對貧困群體，有效防止發(fā)生返貧現(xiàn)象。

表4結(jié)果顯示，隨著剝奪臨界值的提高，多維相對貧困指數(shù)逐漸下降。該結(jié)果證明了我國農(nóng)村地區(qū)嚴重型相對貧困群體僅占少數(shù)，與表3結(jié)論一致。從各維度貢獻率來看，在1/5、1/3和1/2臨界值下發(fā)展能力維度的貢獻率相對較高，分別為58.81%、52.17%和40.23%。表明發(fā)展能力已成為緩解相對貧困的關(guān)鍵維度。主要原因可能是，以往精準扶貧政策重點關(guān)注貧困群體的收入能力[35]，經(jīng)濟能力便不再是相對貧困群體主要貧困維度，發(fā)展能力貧困則凸顯出來。

表4 多維相對貧困指數(shù)與維度貢獻率Table 4 Multidimensional relative poverty index and dimension contribution rate

從各指標貢獻率來看，在1/5和1/3臨界值時，教育指標的貢獻率均最高，以1/2為臨界值時，幸福指數(shù)的貢獻率反而達到最高。主要原因可能是，農(nóng)村地區(qū)教育資源落后和教育觀念不強等原因，導致教育成為影響多維相對貧困的主要因素，然而多維相對貧困程度較高的農(nóng)戶更加難以應(yīng)對經(jīng)濟、教育和住房等生活壓力，使得農(nóng)戶整體生活水平低下，幸福感指數(shù)降低。由此可見，要重點改善農(nóng)村地區(qū)發(fā)展能力貧困，重點加強農(nóng)村地區(qū)受教育水平，對相對貧困程度較高的農(nóng)戶提供外部支持。

表5結(jié)果顯示，金融素養(yǎng)問題回答不知道的農(nóng)戶占比較高，超過60%；而利率計算和通貨膨脹兩個問題全部回答正確的僅占6.48%。表明農(nóng)村地區(qū)金融素養(yǎng)水平普遍偏低。這是由于農(nóng)村地區(qū)信息匱乏和教育水平偏低，使得農(nóng)戶難以獲得金融知識?？偠灾?，分析數(shù)字金融對多維相對貧困的影響并探討二者之間的作用機制極其重要。

表5 金融素養(yǎng)問題回答情況（%）Table 5 Statistics of answers to financial literacy questions

3.2 數(shù)字金融對農(nóng)戶多維相對貧困影響分析

估計結(jié)果顯示，數(shù)字金融對農(nóng)戶多維相對貧困影響的邊際效應(yīng)為21.7%，且在1%水平上呈負向顯著（表6）。說明數(shù)字金融能夠降低農(nóng)戶多維相對貧困的發(fā)生概率，與相關(guān)文獻結(jié)論一致[19]。這是由于數(shù)字金融的發(fā)展能夠讓更多的農(nóng)戶接觸到金融服務(wù)，減少了傳統(tǒng)金融所帶來的長周期和高成本，使得農(nóng)戶更容易實現(xiàn)資金的累積和獲得，不斷改善農(nóng)戶自身的多維相對貧困現(xiàn)象。進一步來看，數(shù)字金融對脆弱型、一般型和嚴重型多維相對貧困影響的邊際效應(yīng)分別為9.9%、9.5%和2.8%，均通過了 1%顯著性檢驗。這說明數(shù)字金融能夠更好緩解脆弱型和一般型多維相對貧困，對嚴重型多維相對貧困緩解效果較差，該結(jié)論與以往文獻存在差異性。如董曉林等[20]認為數(shù)字金融對相對貧困程度深的農(nóng)戶減貧效果更好，究其原因是數(shù)字金融的發(fā)展促進了普惠金融，使得相對貧困程度更深的農(nóng)戶受益更強。然而本文認為數(shù)字金融會帶來數(shù)字鴻溝問題，導致數(shù)字金融對不同相對貧困群體產(chǎn)生差異性影響。具體來看，嚴重型多維相對貧困群體可能更加缺乏數(shù)字知識與技能，無法很好理解數(shù)字金融產(chǎn)品，導致農(nóng)戶被排斥在數(shù)字金融服務(wù)之外，難以獲得數(shù)字金融所帶來的經(jīng)濟效益，因此數(shù)字金融對嚴重型多維相對貧困影響效果相對較差。

從控制變量來看，隨著年齡、家庭規(guī)模、家庭勞動人口比和地區(qū)經(jīng)濟水平每增加一個單位，使農(nóng)戶陷入多維相對貧困的概率分別減少2.7%、2.8%、8.2%和1.5%，戶主為男性比戶主為女性多維相對貧困預測概率平均低6.5%（表6），戶主性別對脆弱型多維相對貧困影響不顯著，對一般型和嚴重型多維相對貧困呈負向顯著，表明女性戶主更易減緩脆弱型多維相對貧困，男性戶主更容易減緩剝奪維度較高的相對貧困；黨員多維相對貧困預測概率平均比非黨員低11.6%。

表6 數(shù)字金融對農(nóng)戶多維相對貧困的估計結(jié)果Table 6 Estimation results of digital finance on rural households’ multidimensional relative poverty

數(shù)字金融對不同維度相對貧困影響的估計結(jié)果顯示，數(shù)字金融對農(nóng)戶經(jīng)濟能力、發(fā)展能力和生活環(huán)境的影響均在1%水平上顯著，回歸系數(shù)分別是-0.055、-0.161和-0.016（表7）。結(jié)果表明，數(shù)字金融對發(fā)展能力和經(jīng)濟能力貧困的緩解力度相對更大，對生活環(huán)境貧困緩解力度相對較小。究其原因是農(nóng)戶通過數(shù)字金融緩解資金約束，提高了資本的積累，利用數(shù)字金融的信息傳遞效應(yīng)拓寬了就業(yè)渠道，帶動農(nóng)戶人力資本的發(fā)展，使得農(nóng)戶經(jīng)濟能力貧困和發(fā)展能力貧困得到有效緩解。但由于數(shù)字金融對緩解融資約束存在局限性，自有住房對資金的需求較高，數(shù)字金融難以覆蓋家庭住房的資金需要[20]，而幸福感指數(shù)是農(nóng)戶對整體生活條件的綜合考量，數(shù)字金融對其的直接影響效果相對薄弱。因此數(shù)字金融對生活環(huán)境貧困的影響力度相對較小。

表7 數(shù)字金融對不同維度農(nóng)戶相對貧困的估計結(jié)果Table 7 Estimation results of digital finance on relative poverty of rural households in di§erent dimensions

3.3 內(nèi)生性與穩(wěn)健性檢驗分析

由于數(shù)字金融和相對貧困變量均采用微觀數(shù)據(jù)，很有可能存在互為因果所造成的內(nèi)生性問題。本文借鑒吳雨等[36]的分析方法，將移動電話使用率（區(qū)縣有智能移動電話農(nóng)戶數(shù)/區(qū)縣總農(nóng)戶數(shù)）作為工具變量。從相關(guān)性來看，農(nóng)戶通過移動電話可以提高數(shù)字金融的使用程度；從排他性來看，移動電話使用率與農(nóng)戶多維相對貧困不存在直接影響關(guān)系，因此符合工具變量選擇的要求。

本文使用IVProbit進行結(jié)果估計，Wald內(nèi)生性檢驗結(jié)果在1%水平上顯著，故認為數(shù)字金融為內(nèi)生變量。根據(jù)結(jié)果顯示，工具變量對數(shù)字金融影響的回歸系數(shù)為0.416，通過了1%水平上的顯著檢驗（表8）；且弱工具檢驗結(jié)果均顯著。因此得出所選工具變量與數(shù)字金融具有相關(guān)性，且并非弱工具變量。在克服內(nèi)生性影響后，發(fā)現(xiàn)數(shù)字金融仍有能效緩解農(nóng)戶多維相對貧困，與前文結(jié)果一致。

表8 工具變量回歸結(jié)果Table 8 Regression results of instrumental variables

本文通過更換被解釋變量、解釋變量和替換計量模型的方式檢驗結(jié)果穩(wěn)健性。將基于A-F方法構(gòu)建的農(nóng)戶多維相對貧困指標替換為等權(quán)重加總法得到的多維相對貧困綜合指數(shù)進行檢驗[29]，結(jié)果表明，更換被解釋變量后，數(shù)字金融仍在1%水平上顯著影響農(nóng)戶多維相對貧困（表9），表明數(shù)字金融對農(nóng)戶多維相對貧困具有緩解作用。將數(shù)字金融更換為北京大學數(shù)字金融研究中心編制的中國數(shù)字普惠金融指數(shù)進行檢驗，并且為了排除量綱不統(tǒng)一問題對該指數(shù)進行了對數(shù)處理，結(jié)果表明，更換解釋變量后結(jié)果仍負向顯著。將Probit模型更換為Logit模型進行回歸分析，發(fā)現(xiàn)Logit模型結(jié)果依舊呈負向顯著，且邊際效應(yīng)與表6結(jié)果基本一致。以上分析充分表明本文估計結(jié)果穩(wěn)健。

表9 穩(wěn)健性檢驗結(jié)果Table 9 Robustness test results

4 進一步分析

4.1 數(shù)字金融對農(nóng)戶多維相對貧困影響機制檢驗

關(guān)于金融素養(yǎng)中介效應(yīng)的檢驗，逐步回歸結(jié)果均顯著（表10）。但由于金融素養(yǎng)為連續(xù)變量，農(nóng)戶多維相對貧困為分類變量，未使用同一回歸模型無法直接進行系數(shù)的比較。因此本文通過乘積分布法[37-38]和Sobel法檢驗Za×Zb的顯著性，分析其是否存在中介效應(yīng)。具體方法為，其一根據(jù)第二步回歸結(jié)果得出a=0.374，SE(a)=0.021，Za=17.81；其二根據(jù)第三步回歸結(jié)果得出b=-0.360，SE(b)=0.033，Zb=-10.91；其三根據(jù)乘積分布法檢驗結(jié)果可知，置信區(qū)間為[-0.159, -0.111]，其中不包含0，間接效應(yīng)為-0.135，表明中介效應(yīng)顯著。此外根據(jù)Sobel法統(tǒng)計量公式[39]，計算得Z=-9.293<-1.96，與乘積分布法結(jié)果一致，再次證明中介效應(yīng)顯著。因此表明數(shù)字金融可以通過改善農(nóng)戶金融素養(yǎng)緩解農(nóng)戶多維相對貧困問題。

表10 中介效應(yīng)檢驗結(jié)果Table 10 Mediating e§ect test results

4.2 數(shù)字金融對農(nóng)戶多維相對貧困影響異質(zhì)性檢驗

為分析數(shù)字金融的減貧效果是否存在地區(qū)異質(zhì)性，將其劃分為中部、東部和西部三個地區(qū)。結(jié)果顯示，數(shù)字金融對三個地區(qū)的影響效果均在1%水平上負向顯著，邊際效應(yīng)分別為21.6%、22.6%和20.5%（表11）。該結(jié)果表明數(shù)字金融能有效緩解不同地區(qū)農(nóng)戶的多維相對貧困現(xiàn)象，且對東部地區(qū)的緩解效果更好。這可能是由于東部地區(qū)經(jīng)濟發(fā)展相對較快，數(shù)字基礎(chǔ)化設(shè)施建設(shè)比較發(fā)達，使得農(nóng)戶更容易通過數(shù)字金融服務(wù)獲得經(jīng)濟效益。因此 數(shù)字金融對東部地區(qū)農(nóng)戶多維相對貧困的緩解效果更好。

表11 異質(zhì)性檢驗結(jié)果Table 11 Heterogeneity test results

5 結(jié)論與政策建議

5.1 結(jié)論

研究表明，數(shù)字金融能夠有效緩解農(nóng)戶多維相對貧困現(xiàn)象，但對嚴重型相對貧困群體影響程度相對較低，還需結(jié)合嚴重型相對貧困群體特點改善數(shù)字金融服務(wù)。此外數(shù)字金融對發(fā)展能力和經(jīng)濟能力影響程度更深，對生活環(huán)境影響較薄弱，還需創(chuàng)新數(shù)字信貸模式以便緩解融資約束，改善農(nóng)戶生活環(huán)境。同時數(shù)字金融可以通過提高農(nóng)戶金融素養(yǎng)，改善農(nóng)戶多維相對貧困現(xiàn)象。但數(shù)字金融對不同地區(qū)農(nóng)戶多維相對貧困存在差異性影響，對東部地區(qū)的農(nóng)戶多維相對貧困緩解效果更好。因此在農(nóng)戶多維相對貧困治理過程中，還需要注重數(shù)字金融的發(fā)展和農(nóng)戶金融素養(yǎng)的提升。

當前研究對改善農(nóng)村地區(qū)多維相對貧困現(xiàn)象和推進鄉(xiāng)村振興提供了思路借鑒。而本文在傳導路徑中，僅對金融素養(yǎng)進行研究，二者之間的作用機制還需要進一步挖掘。此外雖然農(nóng)村地區(qū)相對貧困是現(xiàn)階段扶貧工作的研究重點，但城鎮(zhèn)地區(qū)多維相對貧困現(xiàn)象也不容忽視。因此未來還需要擴大研究范圍，不斷豐富研究結(jié)論，為實現(xiàn)共同富裕奠定基礎(chǔ)。

5.2 政策建議

1）推進農(nóng)村和中西部地區(qū)數(shù)字化建設(shè)，提高農(nóng)戶數(shù)字金融參與程度。在鞏固脫貧攻堅成果，推進鄉(xiāng)村振興與實現(xiàn)共同富裕的背景下，鼓勵傳統(tǒng)金融機構(gòu)繼續(xù)拓展數(shù)字化金融服務(wù)，針對不同相對貧困類型農(nóng)戶群體創(chuàng)新數(shù)字金融產(chǎn)品，實現(xiàn)精準化金融支持，緩解農(nóng)戶多維相對貧困。

2）加強數(shù)字金融相關(guān)知識和技能的宣傳與針對性指導，提高農(nóng)戶數(shù)字金融素養(yǎng)。尤其是針對嚴重型相對貧困群體，以便緩解該群體數(shù)字排斥現(xiàn)象，使該群體能夠享受到數(shù)字金融所帶來的經(jīng)濟效益。與此同時要加強金融知識與教育的普及，提高農(nóng)戶金融能力、金融素養(yǎng)和金融風險防范意識，實現(xiàn)農(nóng)戶自主性減貧，改善農(nóng)戶的經(jīng)濟能力與發(fā)展能力。

3）推進數(shù)字征信在農(nóng)村地區(qū)的發(fā)展，有效緩解農(nóng)戶融資約束。鼓勵金融機構(gòu)結(jié)合數(shù)字征信創(chuàng)新農(nóng)戶貸款模式，為農(nóng)戶獲得住房資金提供支持。與此同時還要改善農(nóng)村地區(qū)基礎(chǔ)設(shè)施建設(shè)，根據(jù)不同地區(qū)的資源優(yōu)勢，建設(shè)綠色生態(tài)鄉(xiāng)村，改善農(nóng)村人居環(huán)境標準，提高農(nóng)戶幸福感指數(shù)，緩解農(nóng)戶生活環(huán)境貧困。

致謝：特別感謝西南財經(jīng)大學中國家庭金融調(diào)查與研究中心提供的“中國家庭金融調(diào)查”（CHFS）和北京大學數(shù)字金融研究中心提供的“數(shù)字普惠金融指數(shù)”的數(shù)據(jù)支持。