數(shù)字普惠金融省域發(fā)展特征及影響因素研究

劉原宏，楊治輝

（安徽財經(jīng)大學(xué) 統(tǒng)計與應(yīng)用數(shù)學(xué)學(xué)院，安徽 蚌埠 233000）

0 引言

數(shù)字普惠金融是普惠金融在互聯(lián)網(wǎng)革命下的新產(chǎn)物，其概念是在2016 年杭州G20 峰會上被首次提出的，定義為“一切通過數(shù)字普惠金融服務(wù)促進(jìn)普惠金融的行動”。黨中央、國務(wù)院高度重視發(fā)展普惠金融，黨的十八屆三中全會明確提出發(fā)展普惠金融，大力發(fā)展普惠金融有利于促進(jìn)金融業(yè)可持續(xù)均衡發(fā)展，推動大眾創(chuàng)業(yè)、萬眾創(chuàng)新，助推經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型升級，增進(jìn)社會公平和社會和諧?？傊?，無論是站在社會角度還是經(jīng)濟(jì)發(fā)展角度，數(shù)字普惠金融的高質(zhì)量發(fā)展勢必是我國金融普惠道路上一股強(qiáng)勁的力量。

現(xiàn)階段關(guān)于數(shù)字普惠金融的文獻(xiàn)可以概括為兩類：一是數(shù)字普惠金融作為自變量對其他經(jīng)濟(jì)變量或現(xiàn)象影響的研究。現(xiàn)有文獻(xiàn)主要從數(shù)字普惠金融發(fā)展對區(qū)域發(fā)展不平衡[1]、城鄉(xiāng)居民收入差距或減貧效應(yīng)[2]、企業(yè)融資或經(jīng)營效率[3]、宏觀經(jīng)濟(jì)高質(zhì)量發(fā)展[4]、創(chuàng)新效應(yīng)[5]等方面的影響進(jìn)行研究。二是將數(shù)字普惠金融作為因變量研究其本身，現(xiàn)有文獻(xiàn)主要是從數(shù)字普惠金融發(fā)展的區(qū)域差異或空間特點和影響因素方面進(jìn)行分析[6—10]。

另外，現(xiàn)有文獻(xiàn)對我國不同地區(qū)數(shù)字普惠金融發(fā)展的空間特點的研究普遍使用空間計量經(jīng)濟(jì)學(xué)方法?；诖耍疚倪\用大數(shù)據(jù)分析技術(shù)——聚類方法來研究我國不同地區(qū)數(shù)字普惠金融發(fā)展水平所呈現(xiàn)的特征。由于傳統(tǒng)的聚類分析中，數(shù)據(jù)普遍是截面數(shù)據(jù)，其算法不能應(yīng)用于面板數(shù)據(jù)，為此陸續(xù)有學(xué)者投身于面板數(shù)據(jù)聚類相關(guān)研究中。通過對現(xiàn)有文獻(xiàn)的梳理，學(xué)者們對面板數(shù)據(jù)聚類的研究主要集中于相似度度量方法的測度[11—14]，而聚類算法普遍采用的是基于層次的聚類算法。

綜上，在數(shù)字普惠金融影響因素的研究方面，現(xiàn)有研究將數(shù)字普惠金融發(fā)展作為被解釋變量直接研究具體因素對其產(chǎn)生影響的文獻(xiàn)較少，且有關(guān)因素的選取多為宏觀經(jīng)濟(jì)發(fā)展、城鄉(xiāng)居民收入差距、企業(yè)創(chuàng)新能力等經(jīng)濟(jì)指標(biāo)，大多忽視了居民意識形態(tài)的問題，指標(biāo)體系構(gòu)建不夠全面，研究方法也多采用傳統(tǒng)的參數(shù)分析方法。除此之外，現(xiàn)有文獻(xiàn)對數(shù)字普惠金融區(qū)域空間分布特征的研究普遍采用空間計量經(jīng)濟(jì)學(xué)的研究方法。故本文在因素指標(biāo)的選取、實證方法的選擇上都進(jìn)行了創(chuàng)新。

1 數(shù)字普惠金融時空發(fā)展特征

1.1 基于綜合距離法的面板數(shù)據(jù)聚類原理

面板數(shù)據(jù)聚類的關(guān)鍵在于如何度量個體間的相似度以及采用的聚類算法技術(shù)。針對聚類算法的選擇，本文沿用學(xué)者們常用的系統(tǒng)聚類算法，其中樣本間距離采用自定義的綜合指標(biāo)，類間距離采用平均距離法進(jìn)行系統(tǒng)聚類。提取面板數(shù)據(jù)的相似特征并計算相似特征的相似距離，其目的可以理解為求解一個N×N的相似矩陣，為一個對稱陣，具體可以表示為：

其中，Gi，j表示第i個個體與第j個個體之間的差異程度的“距離”，其值越大表示差異性越大。面板數(shù)據(jù)區(qū)別于截面數(shù)據(jù)的關(guān)鍵在于其引入了時序特征，因此對Gi，j值的度量不能僅僅局限于簡單的絕對數(shù)量上的距離測算，還應(yīng)該充分考慮時序特征對數(shù)據(jù)產(chǎn)生的波動性影響。故本文從“絕對量”“增量”“增速”和“變異程度”四個角度衡量個體的相似度并基于此合成一個可以反映面板數(shù)據(jù)特征的綜合距離指標(biāo)，最終用作聚類相似度指標(biāo)。綜合距離指標(biāo)具體結(jié)構(gòu)及計算公式如下：

表示兩個體之間歷年指標(biāo)絕對量上的差距大小，其值越大表示個體間差異越大。

其中，ΔXit=Xit-Xit-1，ΔXjt=Xjt-Xjt-1。表示兩個體之間歷年指標(biāo)增長上的差距大小，其值越大表示個體間差異越大。

表示兩個體之間歷年指標(biāo)增長率上的差距大小，其值越大表示個體間差異越大。

表示兩個體之間歷年指標(biāo)變異程度上的差距大小，其值越大表示個體間差異越大，波動幅度越大。為確保量綱一致，本文對四個子指標(biāo)進(jìn)行區(qū)間化處理。此外，采用熵值法對各個指標(biāo)進(jìn)行賦權(quán)。

1.2 基于綜合距離法的面板數(shù)據(jù)聚類實證結(jié)果與分析

為了更深入地了解近年來我國數(shù)字普惠金融發(fā)展?fàn)顩r，找出不同區(qū)域在數(shù)字普惠金融發(fā)展上的差異，以便因地制宜做出宏觀政策上的調(diào)整，本文利用北京大學(xué)數(shù)字金融研究中心發(fā)布的2013—2020年北京大學(xué)數(shù)字普惠金融指數(shù)[15]進(jìn)行面板數(shù)據(jù)聚類分析。根據(jù)熵權(quán)法賦權(quán)結(jié)果，絕對量指標(biāo)、增量指標(biāo)、增速指標(biāo)和變異程度指標(biāo)的權(quán)重分別為0.3711、0.1660、0.1907 和0.2722，最終合成綜合距離相似度指標(biāo)。據(jù)此，本文用Python編寫了相應(yīng)的面板數(shù)據(jù)聚類方法的程序進(jìn)行聚類分析，得到我國31個省份（不含港澳臺）的數(shù)字普惠金融面板數(shù)據(jù)的聚類樹狀圖，聚類結(jié)果如圖1所示。

圖1 基于綜合距離的數(shù)字普惠金融發(fā)展水平聚類圖①圖1至圖5中的數(shù)字0～30分別表示北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、海南、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

由聚類結(jié)果圖，可以將31 個省份的數(shù)字普惠金融發(fā)展水平分為3 類，如表1所示。上海、北京、浙江、天津、廣東、江蘇和福建為一類，內(nèi)蒙古、遼寧、甘肅、新疆、寧夏、吉林、黑龍江、河南、湖北、海南、陜西、安徽、江西、廣西、云南、山東、重慶、山西、四川、河北和湖南為一類，青海、貴州和西藏為一類。第I類的各省份多屬于經(jīng)濟(jì)比較發(fā)達(dá)的沿海地區(qū)，第III類屬于經(jīng)濟(jì)較落后的省份，第II類則多屬于內(nèi)陸省份。具體來說，浙江、北京、上海、天津、廣東、江蘇、福建7個省份歷年在絕對量指標(biāo)上都處于全國領(lǐng)先地位。同時這些省份地區(qū)生產(chǎn)總值也在全國領(lǐng)先，可見數(shù)字普惠金融的發(fā)展水平和地區(qū)經(jīng)濟(jì)發(fā)展水平有較強(qiáng)的正相關(guān)關(guān)系。此外，青海、貴州和西藏三個省份的數(shù)字普惠金融發(fā)展水平一直以來在全國各省份中較為落后，但是這三個省份的數(shù)字普惠金融發(fā)展增量、增長速度、波動幅度卻是最大的。

表1 數(shù)字普惠金融發(fā)展水平聚類結(jié)果

1.3 面板數(shù)據(jù)聚類結(jié)果有效性檢驗

如下頁圖2至圖5所示，從2013—2020年各省份數(shù)字普惠金融發(fā)展指數(shù)的單一相似度指標(biāo)呈現(xiàn)的聚類結(jié)果來看，北京、上海、浙江、廣東、江蘇、福建、天津、湖北等省份的數(shù)字普惠金融指數(shù)的絕對量要高于其他省份；但在增量指標(biāo)上，上海、海南、寧夏、內(nèi)蒙古、貴州和西藏6個省份的數(shù)字普惠金融指數(shù)增量與其他省份存在較大差異；在增速指標(biāo)上，青海、河南、新疆、貴州、西藏、甘肅6 個省份的數(shù)字普惠金融指數(shù)增速要明顯快于其他省份；在變異程度指標(biāo)上，西藏、河南、遼寧、青海、天津、內(nèi)蒙古6 個省份的數(shù)字普惠金融指數(shù)的波動情況較其他省份幅度更大?？梢娀趩我恢笜?biāo)的聚類方法導(dǎo)致聚類結(jié)果存在較大的差異性，故單純考慮某一類距離作為相似度指標(biāo)是不合理的。因此，在充分考慮數(shù)字普惠金融發(fā)展指數(shù)“絕對量”“增量”“增速”和“變異程度”情況下，表1的分類結(jié)果是合理的。

圖2 基于絕對量距離的數(shù)字普惠金融發(fā)展水平聚類圖

圖3 基于增量距離的數(shù)字普惠金融發(fā)展水平聚類圖

圖4 基于增速距離的數(shù)字普惠金融發(fā)展水平聚類圖

圖5 基于變異程度距離的數(shù)字普惠金融發(fā)展水平聚類圖

2 數(shù)字普惠金融的影響因素

2.1 指標(biāo)體系構(gòu)建及數(shù)據(jù)說明

在影響因素指標(biāo)選取上，根據(jù)現(xiàn)有文獻(xiàn)研究成果以及相關(guān)理論支撐[6,8,10,16]，最終選取我國31 個省份的數(shù)字經(jīng)濟(jì)發(fā)展水平（DE）、居民金融素養(yǎng)（FL）、投資規(guī)模（IS）、金融規(guī)模（FS）和金融風(fēng)險（FR）作為影響因素，具體指標(biāo)見表2。為確保數(shù)據(jù)的統(tǒng)計口徑一致，本文選取2013—2020年數(shù)據(jù)，數(shù)據(jù)來源于國家統(tǒng)計局官網(wǎng)、《中國城市統(tǒng)計年鑒》《中國教育統(tǒng)計年鑒》《中國金融統(tǒng)計年鑒》、EPS 數(shù)據(jù)庫。此外為了消除價格波動的影響，對個別指標(biāo)進(jìn)行了平減處理。

表2 指標(biāo)體系

對構(gòu)成各個指標(biāo)的變量進(jìn)行無量綱化處理，歸一化為取值在0到1之間的數(shù)值，使各個指標(biāo)具有可比性。對于綜合指標(biāo)數(shù)字經(jīng)濟(jì)發(fā)展水平（DE）和居民金融素養(yǎng)（FL）采用主成分分析法進(jìn)行子指標(biāo)的賦權(quán)。

結(jié)合我國數(shù)字普惠金融發(fā)展現(xiàn)狀及相關(guān)理論支撐，本文假設(shè)數(shù)字經(jīng)濟(jì)發(fā)展水平、居民金融素養(yǎng)、投資規(guī)模和金融規(guī)模均對數(shù)字普惠金融發(fā)展具有正向影響，金融風(fēng)險對數(shù)字普惠金融發(fā)展具有負(fù)向影響。

2.2 面板數(shù)據(jù)參數(shù)模型

在正式建立半?yún)?shù)模型之前需要對半?yún)?shù)模型的非參數(shù)部分進(jìn)行判斷，先構(gòu)建參數(shù)面板數(shù)據(jù)模型判斷模型中是否可能存在非線性項。可供選擇的線性參數(shù)面板模型有：混合面板模型、個體固定效應(yīng)面板模型、時間固定效應(yīng)面板模型、雙向固定效應(yīng)面板模型、隨機(jī)效應(yīng)模型等?；旌厦姘迥Ｐ团c隨機(jī)效應(yīng)面板模型的選擇采用LM檢驗法，固定效應(yīng)面板模型和隨機(jī)效應(yīng)面板模型的選擇采用Hausman檢驗法。模型估計及檢驗結(jié)果如下頁表3所示。

表3 普通面板數(shù)據(jù)回歸結(jié)果

由檢驗結(jié)果可知LM 檢驗P 值為0.0000，即拒絕接受建立混合效應(yīng)模型的原假設(shè)，所以在混合效應(yīng)模型和隨機(jī)效應(yīng)模型之間應(yīng)該選擇隨機(jī)效應(yīng)模型；Hausman檢驗結(jié)果顯示其檢驗結(jié)果P 值為0.0000，即拒絕接受建立隨機(jī)效應(yīng)模型的原假設(shè)，所以在隨機(jī)效應(yīng)模型和固定效應(yīng)模型之間應(yīng)該選擇固定效應(yīng)模型，可以用個體固定效應(yīng)模型進(jìn)行面板半?yún)?shù)模型非參數(shù)部分分析以及判斷非參數(shù)模型的有效性。個體固定效應(yīng)回歸結(jié)果顯示，數(shù)字經(jīng)濟(jì)發(fā)展水平、居民金融素養(yǎng)、投資規(guī)模、正向化的金融風(fēng)險及金融規(guī)模對數(shù)字普惠金融的影響較大且具有正向促進(jìn)作用，與假設(shè)相符。

2.3 半?yún)?shù)面板數(shù)據(jù)模型

2.3.1 半?yún)?shù)模型的構(gòu)建

實際分析中可供選擇的半?yún)?shù)模型形式多樣，包括部分線性模型、部分線性變系數(shù)模型、部分函數(shù)模型、部分線性可加性模型等經(jīng)典模型。本文選擇使用半?yún)?shù)部分線性模型建模。根據(jù)個體固定效應(yīng)面板模型估計結(jié)果，選取未通過顯著性檢驗的指標(biāo)作為半?yún)?shù)模型的非參數(shù)部分，通過顯著性檢驗及與對數(shù)字普惠金融影響假設(shè)相符的指標(biāo)作為半?yún)?shù)模型參數(shù)部分，分別建立兩個具有唯一非參數(shù)變量的半?yún)?shù)部分線性模型：

其中，i=1，2，…，n，t=1，2，…，T。DIFIit表示數(shù)字普惠金融發(fā)展水平并作為兩個模型的被解釋變量，DEit、FLit和FSit分別表示數(shù)字經(jīng)濟(jì)發(fā)展水平、居民金融素養(yǎng)和金融規(guī)模并作為兩個模型的解釋變量的參數(shù)部分，g(FRit)和g(ISit)分別表示金融風(fēng)險、投資規(guī)模并作為兩個模型的解釋變量的非參數(shù)部分，μit和εit分別表示模型的誤差項。

相較于普通的參數(shù)估計和非參數(shù)估計，半?yún)?shù)模型估計的核心問題就是模型中非參數(shù)項的估計，本文運用樣條估計的方法估計半?yún)?shù)模型中未知參數(shù)部分。樣條估計的思想為殘差平方和最小基礎(chǔ)之上附加了條件，即：

因此，在利用樣條方法估計半?yún)?shù)模型的非參數(shù)部分時，重點就是確定λ值，光滑參數(shù)λ值的設(shè)定很重要，直接關(guān)系著模型的估計效果。本文選擇交叉確認(rèn)法（CV）為模型選擇合適的λ值，其思想是尋找λ0值使得CV值最小，公式如下：

此外，本文核函數(shù)選擇Epanechnikov 核函數(shù)，其表達(dá)式如下：

其中，I(·)為示性函數(shù)，當(dāng)|x|≤1 時為1，反之為0。相比于高斯核函數(shù)，Epanechnikov核函數(shù)可以大大減少計算量，提高算法運行速度。

2.3.2 半?yún)?shù)模型實證分析

根據(jù)上文構(gòu)建的面板數(shù)據(jù)半?yún)?shù)模型和估計方法對2013—2020 年我國省級面板數(shù)據(jù)進(jìn)行實證分析，結(jié)果如表4所示。

表4 部分線性半?yún)?shù)模型回歸結(jié)果

由回歸結(jié)果可知，兩個部分線性半?yún)?shù)模型參數(shù)部分的系數(shù)估計值比較接近，具有較強(qiáng)的一致性，且各個作為參數(shù)部分的變量都有很高的顯著性水平，P 值幾乎均為0.0000，均方誤差都較小，且非線性項偏導(dǎo)圖顯示變量確實存在較為顯著的非線性影響，估計效果明顯優(yōu)于參數(shù)個體固定效應(yīng)模型，可見兩個部分線性半?yún)?shù)回歸模型的估計結(jié)果較為可靠。

根據(jù)模型一對半?yún)?shù)模型的系數(shù)進(jìn)行分析，在其他條件保持不變的前提下，數(shù)字經(jīng)濟(jì)發(fā)展水平、居民金融素養(yǎng)以及金融規(guī)模每增加1個單位，數(shù)字普惠金融發(fā)展水平分別提高0.9296、0.7903、4.1753個單位。其中金融規(guī)模對發(fā)展數(shù)字普惠金融貢獻(xiàn)最大，居民金融素養(yǎng)對發(fā)展數(shù)字普惠金融的貢獻(xiàn)最小，但綜合而言本文三個參數(shù)因素對數(shù)字普惠金融均有很大程度的正向影響。具體來講：首先，數(shù)字普惠金融的發(fā)展需要足夠的金融體量作為發(fā)展支撐。普惠金融是在傳統(tǒng)的金融服務(wù)中逐步推出的新概念，以傳統(tǒng)金融服務(wù)為基礎(chǔ)，而數(shù)字普惠金融是在普惠金融的基礎(chǔ)之上新增加了數(shù)字概念。由此可見，數(shù)字普惠金融的發(fā)展是建立在傳統(tǒng)金融服務(wù)上的，也可以理解為金融規(guī)模越大，對數(shù)字普惠金融發(fā)展越有利。其次，數(shù)字普惠金融服務(wù)的重點對象是小微企業(yè)、農(nóng)戶等群體，這些群體普遍在央行征信數(shù)據(jù)中質(zhì)量較差且抵押手段匱乏，這就會導(dǎo)致銀行無法通過央行征信報告、抵押品等傳統(tǒng)方式進(jìn)行風(fēng)險識別。如果依賴人力進(jìn)行線下走訪評估，就會進(jìn)一步拉高單客運營成本；如果降低風(fēng)控標(biāo)準(zhǔn)，就會導(dǎo)致風(fēng)險敞口上升，故居民金融素養(yǎng)的提升在數(shù)字普惠金融發(fā)展中雖最難改變但卻起到重中之重的作用。最后，數(shù)字普惠金融區(qū)別于傳統(tǒng)概念上的普惠金融最重要的一點就是普惠金融的發(fā)展以互聯(lián)網(wǎng)為主要載體，而數(shù)字經(jīng)濟(jì)這種同樣以互聯(lián)網(wǎng)為載體的新型經(jīng)濟(jì)模式使得數(shù)字普惠金融能夠?qū)崿F(xiàn)發(fā)散式發(fā)展并真正深入到基層群眾。根據(jù)黃益平和黃卓（2018）[17]的研究，以數(shù)字技術(shù)作為表達(dá)的金融科技發(fā)展水平的提高可以解決傳統(tǒng)普惠金融發(fā)展上的諸多問題，其通過移動終端和大數(shù)據(jù)分析技術(shù)降低了金融機(jī)構(gòu)獲客和征信的成本。故在不同因素共同作用下，數(shù)字經(jīng)濟(jì)發(fā)展對數(shù)字普惠金融影響同樣巨大。

如圖6所示，模型一的非參數(shù)部分正向化的變量——金融風(fēng)險（FR）對數(shù)字普惠金融發(fā)展水平的偏導(dǎo)數(shù)曲線的趨勢是由相對平穩(wěn)的正向促進(jìn)作用變成抑制作用。這說明隨著金融安全性的增加，數(shù)字普惠金融發(fā)展水平呈現(xiàn)較為穩(wěn)定且緩慢上升的態(tài)勢，但是隨著金融安全性的進(jìn)一步提高，金融安全性對數(shù)字普惠金融發(fā)展水平的作用開始快速降低甚至起到抑制作用。金融風(fēng)險不僅意味著損失的可能性，也意味著盈利的可能性，從另外一個角度看，金融風(fēng)險不僅是損失、問題和危機(jī)的來源，也是收益、盈利和發(fā)展的來源，金融風(fēng)險與收益并存。這體現(xiàn)為數(shù)字普惠金融發(fā)展與金融安全性之間有一定程度的反向抑制關(guān)系，金融安全性過高也不利于數(shù)字普惠金融的發(fā)展。

圖6 金融安全性對數(shù)字普惠金融發(fā)展水平的偏導(dǎo)數(shù)圖

如圖7所示，模型二的非參數(shù)部分變量——投資規(guī)模（IS）對數(shù)字普惠金融發(fā)展水平的偏導(dǎo)數(shù)曲線的趨勢由較為平穩(wěn)的正向促進(jìn)作用急劇下降為負(fù)向抑制作用。投資規(guī)模的增加會使得數(shù)字普惠金融發(fā)展水平穩(wěn)步上升，但當(dāng)投資規(guī)模達(dá)到一定規(guī)模時，更多的投資對數(shù)字普惠金融發(fā)展不再具備促進(jìn)作用，反而會隨著投資規(guī)模的進(jìn)一步加大，其負(fù)向作用愈發(fā)明顯。適當(dāng)?shù)耐顿Y會減少數(shù)字普惠金融發(fā)展的成本壓力，為其高質(zhì)量發(fā)展提供資金支撐，但過多的投資會使得數(shù)字普惠金融的產(chǎn)出效率下降，產(chǎn)生投資浪費的現(xiàn)象，不利于社會均衡發(fā)展。

圖7 金融規(guī)模對數(shù)字普惠金融發(fā)展水平的偏導(dǎo)數(shù)圖

3 結(jié)論與建議

本文以2013—2020 年我國省級層面數(shù)據(jù)為基礎(chǔ)，采用基于綜合距離法的面板單指標(biāo)聚類方法研究數(shù)字普惠金融的區(qū)域發(fā)展特征，并運用半?yún)?shù)模型揭示了我國數(shù)字普惠金融發(fā)展的影響因素。得出以下結(jié)論與建議：

（1）基于綜合距離法的面板單指標(biāo)聚類方法表明我國省域數(shù)字普惠金融發(fā)展?fàn)顩r可以分為三種類型。經(jīng)濟(jì)較發(fā)達(dá)的沿海地區(qū)數(shù)字普惠金融發(fā)展?fàn)顩r較為相似，而這些城市多屬于全國中心城市，經(jīng)濟(jì)發(fā)展較為領(lǐng)先。經(jīng)濟(jì)不發(fā)達(dá)的西部省份，如西藏、青海、貴州呈現(xiàn)高增長量、高增長速度、高波動率的特征，數(shù)字普惠金融發(fā)展特點相似性較強(qiáng)。因此，各地方政府部門應(yīng)該因地制宜，充分考慮當(dāng)?shù)匕l(fā)展?fàn)顩r，制定相應(yīng)的政策。

（2）半?yún)?shù)回歸模型參數(shù)部分回歸結(jié)果顯示，數(shù)字經(jīng)濟(jì)發(fā)展水平、居民金融素養(yǎng)、金融規(guī)模對我國數(shù)字普惠金融發(fā)展具有十分顯著的正向線性影響，其中金融規(guī)模影響最大，數(shù)字經(jīng)濟(jì)發(fā)展水平次之。因此各地方政府應(yīng)該適度擴(kuò)大金融服務(wù)規(guī)模，高質(zhì)量發(fā)展數(shù)字經(jīng)濟(jì)，真正實現(xiàn)“數(shù)字產(chǎn)業(yè)化”和“產(chǎn)業(yè)數(shù)字化”，加快實體經(jīng)濟(jì)與數(shù)字經(jīng)濟(jì)的融合，為地方經(jīng)濟(jì)注入新動力。在居民的意識形態(tài)問題上，地方政府可以定期組織針對特殊群體（農(nóng)戶、低收入群體等）的有關(guān)金融知識培訓(xùn)活動，提升居民的平均金融素養(yǎng)水平。

（3）半?yún)?shù)回歸模型非參數(shù)部分偏導(dǎo)數(shù)圖結(jié)果顯示，投資規(guī)模和金融風(fēng)險對我國數(shù)字普惠金融發(fā)展具有非線性影響，投資規(guī)模過大或金融安全性過高均會抑制數(shù)字普惠金融的發(fā)展。因此，在國家層面上，政府應(yīng)該掌控好投資規(guī)模的大小，使投資總量始終保持在合理的水平，把控金融風(fēng)險。