廣西數(shù)字普惠金融與城鄉(xiāng)收入差距
——基于空間計(jì)量模型的實(shí)證分析

（桂林電子科技大學(xué)信息科技學(xué)院，廣西 桂林541004）

一、引 言

中國的二元經(jīng)濟(jì)結(jié)構(gòu)加劇了金融資本的“嫌貧愛富”，農(nóng)村貧困地區(qū)很難獲得相應(yīng)的金融服務(wù)，這種金融排斥的現(xiàn)象是城鄉(xiāng)收入差距擴(kuò)大的一個(gè)重要原因。為解決此問題，普惠金融應(yīng)運(yùn)而生。自2006年普惠金融提出，其為緩解金融資源分配不均、提高農(nóng)民收入、收斂城鄉(xiāng)收入差距做出了重要貢獻(xiàn)，但由于傳統(tǒng)普惠金融的成本過高、覆蓋面積小，可持續(xù)性較差，仍舊無法從根本上解決金融排斥問題。近年來，隨著互聯(lián)網(wǎng)、大數(shù)據(jù)的興起，數(shù)字普惠金融在中國迅速崛起。2016年，數(shù)字普惠金融在杭州G20 峰會上被首次提出，其包括所有通過數(shù)字服務(wù)的手段對普惠金融的推廣起到促進(jìn)作用的行為，它將數(shù)字技術(shù)與傳統(tǒng)普惠金融相結(jié)合，具有成本低、覆蓋廣的特點(diǎn)，克服了傳統(tǒng)普惠金融的發(fā)展難題，既能堅(jiān)持商業(yè)可持續(xù)性，又能做到負(fù)責(zé)任的金融服務(wù)（黃益平，2018）。對于金融排斥現(xiàn)象的消減以及我國的城鄉(xiāng)分布格局的破解和城鄉(xiāng)收入差距縮小起著舉足輕重的作用。

廣西作為西部欠發(fā)達(dá)地區(qū)，近年來，城鄉(xiāng)收入差距擴(kuò)大趨勢在一定程度上有效遏制，但差距水平仍高位不下。根據(jù)廣西統(tǒng)計(jì)局官網(wǎng)公布的數(shù)據(jù)，2020年上半年，城鎮(zhèn)居民人均可支配收入為17308 元，農(nóng)村居民人均可支配收入為7457 元，城鄉(xiāng)收入比為2.321，與2020年上半年全國城鄉(xiāng)收入差距比2.684 水平相當(dāng)。因此，如何縮小城鄉(xiāng)收入差距仍舊是亟待解決的難題。

二、文獻(xiàn)綜述

（一）國外對數(shù)字普惠金融與城鄉(xiāng)收入差距的研究

國外的學(xué)者對于數(shù)字普惠金融和城鄉(xiāng)收入差距的相關(guān)研究較少，側(cè)重點(diǎn)主要在于普惠金融的可行性以及貧困發(fā)生率的降低情況。Kapoor（2012）指出數(shù)字普惠金融的推廣能夠給企業(yè)提供必要資金支持，從而降低貧困的發(fā)生率，進(jìn)一步刺激經(jīng)濟(jì)的增長。Bittencourt（2010）基于巴西社會各個(gè)階層收入狀況，認(rèn)為在普惠金融覆蓋廣度和服務(wù)深度較高的區(qū)域，城鄉(xiāng)收入差距不大。

Park et al.（2015）研究亞洲37 個(gè)發(fā)展中國家的普惠金融發(fā)展?fàn)顩r，發(fā)現(xiàn)普惠金融能有效緩解貧困，提高低收入家庭金融可獲得性，縮小城鄉(xiāng)收入差距。Ouma et al.（2017）通過研究非洲國家智能手機(jī)的使用廣度和深度，指出智能手機(jī)的出現(xiàn)和使用為互聯(lián)網(wǎng)金融發(fā)展提供了渠道，擴(kuò)大了居民儲蓄，尤其對低收入人群的家庭儲蓄提高有極大促進(jìn)作用。Gabor 等（2017）說明了推廣普惠金融能夠借助現(xiàn)代科技手段，使得更多人都享受基本金融服務(wù)，從而進(jìn)一步擴(kuò)大其覆蓋面。

（二）國內(nèi)對數(shù)字普惠金融與城鄉(xiāng)收入差距的研究

國內(nèi)的相關(guān)文獻(xiàn)從三個(gè)方面開展：數(shù)字普惠金融和城鄉(xiāng)收入差距之間存在的關(guān)系，數(shù)字普惠金融通過何種路徑來對城鄉(xiāng)收入差距產(chǎn)生影響，阻礙數(shù)字普惠金融對城鄉(xiāng)收入差距縮小的主要因素是什么。

國內(nèi)現(xiàn)存文獻(xiàn)主要著眼于兩者之間存在的關(guān)系，認(rèn)為數(shù)字普惠金融對城鄉(xiāng)收入差距減小有著重要作用。宋曉玲（2017）站在互聯(lián)網(wǎng)金融服務(wù)角度，選取中國31 個(gè)省市的數(shù)據(jù)來建立平衡面板模型，從而證明了普惠金融可以明顯使城鄉(xiāng)收入差距縮小。梁雙陸、劉培培（2018）構(gòu)建面板回歸模型，測度中國31 省市數(shù)字普惠金融與城鄉(xiāng)收入差距之間的收斂效應(yīng)。指出一個(gè)地區(qū)教育水平越高，數(shù)字普惠金融發(fā)揮的作用更大，對城鄉(xiāng)收入差距緩解力度越強(qiáng)，即存在教育門檻。

一些學(xué)者把焦點(diǎn)放在數(shù)字普惠金融的空間溢出效應(yīng)上。耿良、張馨月（2019）將數(shù)字普惠金融指標(biāo)與普惠金融指標(biāo)相結(jié)合，把中國31 個(gè)省市作為樣本展開研究，來構(gòu)建空間計(jì)量模型，對空間溢出效應(yīng)進(jìn)行相關(guān)分析，得出中國各省域普惠金融的發(fā)展參差不齊，省域之間的空間依賴性比較強(qiáng)，縮小城鄉(xiāng)收入差距可以推動本省數(shù)字普惠金融的進(jìn)一步發(fā)展，但是對周邊省域沒有作用?？仔樱?020）采用空間杜賓模型測度中國2011-2018年城鄉(xiāng)居民人均可支配收入的空間溢出效應(yīng)，發(fā)現(xiàn)在全國層面，數(shù)字普惠金融對城鄉(xiāng)居民人均可支配收入存在顯著的空間溢出效應(yīng)，從東、中、西部來看，空間溢出效應(yīng)在農(nóng)村居民人均可支配收入的促進(jìn)上表現(xiàn)不顯著。

至于數(shù)字普惠金融通過何種路徑來對城鄉(xiāng)收入差距產(chǎn)生影響，其主要可以通過刺激居民消費(fèi)、增加就業(yè)崗位的方式。易行健、周利（2018）就數(shù)字普惠金融發(fā)展對居民消費(fèi)的影響展開研究，結(jié)果顯示在農(nóng)村地區(qū)、中低收入家庭的消費(fèi)以及受教育程度更高的家庭，數(shù)字普惠金融發(fā)揮的作用更明顯，主要通過緩解流動性約束、為居民提供支付便利來促進(jìn)居民消費(fèi)。呂雁琴、趙斌（2019）運(yùn)用靜態(tài)和動態(tài)面板研究中國30 個(gè)省市數(shù)字普惠金融和城鄉(xiāng)居民消費(fèi)差距之間關(guān)系，研究結(jié)果顯示兩者呈正相關(guān)關(guān)系。謝文武、汪濤（2020）運(yùn)用中國家庭追蹤調(diào)查數(shù)據(jù)庫，研究數(shù)字普惠金融能否促進(jìn)農(nóng)村居民就業(yè)，研究發(fā)現(xiàn)數(shù)字普惠金融覆蓋廣度不能有效緩解農(nóng)村創(chuàng)業(yè)中的融資難題，使用深度可以顯著增加居民創(chuàng)業(yè)，且在不同區(qū)域影響程度不同。

部分學(xué)者關(guān)注何種因素阻礙了數(shù)字普惠金融對城鄉(xiāng)收入差距的收斂效應(yīng)，主要從門檻效應(yīng)和數(shù)字鴻溝的視角展開研究。賀健、張紅梅（2020）采用系統(tǒng)GMM 方法和門檻效應(yīng)模型研究數(shù)字普惠金融與經(jīng)濟(jì)高質(zhì)量發(fā)展地區(qū)的關(guān)系，實(shí)證結(jié)果顯示數(shù)字普惠金融對我國經(jīng)濟(jì)高質(zhì)量發(fā)展地區(qū)存在正向作用及區(qū)域異質(zhì)性，也存在單一門檻效應(yīng)。賈娟琪（2019）以中國31 省市面板數(shù)據(jù)為基礎(chǔ)，從供求角度探討在互聯(lián)網(wǎng)發(fā)展水平和受教育程度不同的情況下，數(shù)字普惠金融與城鄉(xiāng)收入差距之間的作用機(jī)制，結(jié)果表明教育門檻會阻礙數(shù)字普惠金融對城鄉(xiāng)收入差距的收斂效應(yīng)，但不會因教育水平的差異導(dǎo)致數(shù)字鴻溝。李牧辰、封思賢（2020）認(rèn)為在互聯(lián)網(wǎng)技術(shù)影響下，數(shù)字鴻溝會制約數(shù)字普惠金融的發(fā)展，數(shù)字化程度擴(kuò)大了城鄉(xiāng)收入差距。

通過對相關(guān)文獻(xiàn)的梳理，發(fā)現(xiàn)目前大多數(shù)文獻(xiàn)是從全國的宏觀層面研究數(shù)字普惠金融與城鄉(xiāng)收入差距之間的關(guān)系，對某個(gè)省的市即微觀層面的研究很少；多數(shù)文獻(xiàn)得出結(jié)論為數(shù)字普惠金融發(fā)展可以縮小本省的城鄉(xiāng)收入差距，但對鄰近省域是否有影響，該影響是促進(jìn)作用還是抑制作用，并未給出論證，即忽視了空間因素。綜上所述，本文將廣西14 個(gè)市作為樣本，采用2011-2018年的空間面板數(shù)據(jù)，在空間鄰接矩陣的基礎(chǔ)之上，通過計(jì)量模型的構(gòu)建，對廣西數(shù)字普惠金融與城鄉(xiāng)收入差距的關(guān)系進(jìn)行檢驗(yàn)，從而對現(xiàn)有文獻(xiàn)在空間視角和微觀層次剖析數(shù)字普惠金融與城鄉(xiāng)收入差距之間的聯(lián)系存在的缺口進(jìn)行補(bǔ)充。

三、變量選取、數(shù)據(jù)來源及模型構(gòu)建

（一）變量選取與數(shù)據(jù)來源

被解釋變量主要是城鄉(xiāng)收入差距，根據(jù)王藝明的相關(guān)做法，本文主要選用城市居民人均可支配收入和農(nóng)村居民人均可支配收入兩者的比值來對城鄉(xiāng)收入差距進(jìn)行測量。

核心解釋變量是數(shù)字普惠金融指數(shù)，該指數(shù)是北京大學(xué)數(shù)字金融中心課題組根據(jù)螞蟻金服數(shù)字普惠金融海量微觀數(shù)據(jù)提出的，其通過編制2011-2018年我國內(nèi)陸省市縣的數(shù)字普惠金融使用深度、覆蓋層面和數(shù)字化程度的指標(biāo)，能比較科學(xué)準(zhǔn)確地反映出各區(qū)域數(shù)字普惠金融發(fā)展所存在的一些差異。本文選用的是2011-2018年廣西14 個(gè)市的總指標(biāo)表征數(shù)字普惠金融發(fā)展水平，14 個(gè)市分別為南寧、柳州、桂林、梧州、北海、防城港、欽州、貴港、玉林、百色、賀州、河池、來賓、崇左。

控制變量：依照現(xiàn)有文獻(xiàn)的相關(guān)記載，本文選用以下變量來進(jìn)行研究：經(jīng)濟(jì)發(fā)展水平用人均GDP 來進(jìn)行表示；產(chǎn)業(yè)結(jié)構(gòu)用第二、三產(chǎn)業(yè)的增加值占GDP 的比重表示（魏君英等，2015）；政府財(cái)政支出（PAY），用地方財(cái)政收入與當(dāng)期GDP 的比值表示；城市化率（UR），用非農(nóng)業(yè)人口數(shù)與總?cè)丝跀?shù)的比值表示；教育水平（EDU），用在校高中生人數(shù)與總?cè)藬?shù)的比值表示。

由于北京大學(xué)數(shù)字普惠金融指標(biāo)編制始于2011年，終于2018年，為保持文章數(shù)據(jù)的一致性，本文選擇時(shí)間跨度為2011-2018年的面板數(shù)據(jù)，除數(shù)字普惠金融指數(shù)外，其他指標(biāo)原始數(shù)據(jù)均來自《廣西統(tǒng)計(jì)年鑒》。變量的描述性統(tǒng)計(jì)如表1所示。

表1 變量的描述性統(tǒng)計(jì)

（二）模型構(gòu)建

數(shù)字普惠金融的推廣在各個(gè)市中都并非是孤立的，它們之間存在著地理空間上的相關(guān)性，一個(gè)市區(qū)數(shù)字普惠金融的推廣程度不僅會對本省市城鄉(xiāng)收入差距產(chǎn)生影響，還可能會對其他市區(qū)的數(shù)字普惠金融推廣及城鄉(xiāng)收入差距縮小或擴(kuò)大產(chǎn)生影響?？臻g效應(yīng)有正向與負(fù)向兩種，正向空間效應(yīng)是表示高值與高值聚集，低值與低值聚集；負(fù)向空間效應(yīng)則主要表現(xiàn)為高值與低值聚集或者低值與高值聚集。

所以，本文主要采取空間計(jì)量分析工具來對數(shù)字普惠金融發(fā)展以及城鄉(xiāng)收入差距之間存在的關(guān)系進(jìn)行檢驗(yàn)，把各地理單元之間的空間相關(guān)性納入模型中，并實(shí)際測度數(shù)字普惠金融發(fā)展的空間溢出效應(yīng)。

在空間的計(jì)量經(jīng)濟(jì)學(xué)中，由于空間溢出效應(yīng)傳導(dǎo)機(jī)制不相同，而經(jīng)常用于對空間問題進(jìn)行分析和檢驗(yàn)的模型主要有以下三種：空間溢出模型，空間溢出效應(yīng)不僅能夠憑借因變量的空間滯后項(xiàng)來進(jìn)行傳導(dǎo)，還能夠通過隨機(jī)誤差項(xiàng)來進(jìn)行相關(guān)的傳導(dǎo)，也就是說該因變量除了受到周邊區(qū)域因變量的影響之外還會遭受周邊區(qū)域自變量的影響；空間自回歸模型，主要表示因變量與周邊區(qū)域存在的空間溢出效應(yīng)；空間誤差模型，主要憑借誤差項(xiàng)來體現(xiàn)空間溢出效應(yīng)。

不同空間計(jì)量模型包含經(jīng)濟(jì)意義是不同的，本文將從最一般化的空間杜賓模型入手，采用Wald 檢驗(yàn)與LR 檢驗(yàn)，來判斷模型是否能夠轉(zhuǎn)換成空間自回歸模型與空間誤差模型，以便構(gòu)建擬合效果更佳的檢驗(yàn)?zāi)Ｐ?。為削弱模型的共線性問題，減少異方差所造成的波動，使得數(shù)據(jù)能夠更加平穩(wěn)，本文對所有原始數(shù)據(jù)都進(jìn)行了對數(shù)化處理。

因此，本文構(gòu)建如下的空間杜賓模型:

δ 為因變量空間回歸系數(shù)，θ 為自變量空間回歸系數(shù)，i 表示廣西第i 個(gè)市，t 表示年份，W 為空間權(quán)重矩陣，本文采用最為常見的空間鄰接權(quán)重矩陣，研究對象為廣西14 個(gè)市，所以空間權(quán)重矩陣為14×14 階方陣，當(dāng)i 市和j 市相鄰時(shí)，空間鄰接權(quán)重矩陣中的元素Wij=1，當(dāng)i 市和j 市不相鄰時(shí)，Wij=0。表達(dá)式樣如下：

當(dāng)模型（1）中的自變量空間回歸系數(shù)θi=0（i=1，2，…，6）時(shí)，其轉(zhuǎn)化為空間自回歸模型:

當(dāng)因變量空間回歸系數(shù)δ，自變量系數(shù)βi（i=1，2，…，7），自變量空間回歸系數(shù)θi=0（i=1，2，…，6）滿足相關(guān)條件θi+δβi=0 時(shí)，可以轉(zhuǎn)換為空間誤差模型：

其中，μ 為擾動項(xiàng)，ε 為隨機(jī)誤差項(xiàng)，λ 為空間誤差回歸系數(shù)，μit，εit獨(dú)立同分布，且E（μit）=E（εit）=0，D（μit）=D（εit）=σ2。

四、實(shí)證結(jié)果與分析

（一）空間自相關(guān)檢驗(yàn)

1.全局莫蘭指數(shù)。要判斷是否需要在模型中加入各地理單元之間的空間權(quán)重，要進(jìn)行空間自相關(guān)檢驗(yàn)，識別變量之間是否存在空間關(guān)聯(lián)。檢驗(yàn)空間自相關(guān)的方法很多，較常見的是莫蘭指數(shù)法，本文是采用全局莫蘭指數(shù)以及局部莫蘭指數(shù)散點(diǎn)圖來作空間自相關(guān)的相關(guān)檢驗(yàn)。

全局莫蘭指數(shù)的計(jì)算公式為：

莫蘭指數(shù)取值是[-1，1]，當(dāng)Moran’s I 取值是[-1,0）的時(shí)候，就表明這其間存在著負(fù)向空間相關(guān)，各地理單元的不同屬性值在一塊聚集，也就是空間的擴(kuò)散；當(dāng)Moran’s I 取值為（0，1]時(shí)，說明存在正向空間相關(guān)，各地理單元類似屬性值聚集，即空間聚集；Moran’s I 的取值為零時(shí)，就說明空間相關(guān)并不存在，也就是說各地理單元觀測值都是呈隨機(jī)分布狀態(tài)的。

根據(jù)莫蘭指數(shù)的計(jì)算公式，基于鄰接矩陣，運(yùn)用Stata15.0 得到莫蘭指數(shù)。下表2，可以看出莫蘭指數(shù)的值在0.1-0.3 之間波動且都大于0，Z 為正值，均在5%的水平下通過了顯著性檢驗(yàn)，拒絕不存在全局空間自相關(guān)的原假設(shè)。說明廣西14 個(gè)市的城鄉(xiāng)收入差距比在空間上有正相關(guān)性，即城鄉(xiāng)收入比高的區(qū)域傾向于被城鄉(xiāng)收入比高的區(qū)域所包圍，城鄉(xiāng)收入比低的區(qū)域鄰近區(qū)域城鄉(xiāng)收入比低，同類屬性值呈現(xiàn)聚集狀態(tài)。從變化趨勢上看，2011-2018年莫蘭指數(shù)值逐漸變小，說明各市的空間集聚性在降低。

表2 2011-2018 廣西14 個(gè)市城鄉(xiāng)收入差距比值的全局莫蘭指數(shù)

表3為廣西14 個(gè)市數(shù)字普惠金融的全局莫蘭數(shù)都大于0，Z 值均大于1.96，且在1%的水平下通過了顯著性檢驗(yàn)，表明廣西14 個(gè)市的數(shù)字普惠金融發(fā)展程度有很強(qiáng)的空間相關(guān)性，數(shù)字普惠金融發(fā)展程度高的區(qū)域鄰近區(qū)域也傾向于較高。

從時(shí)間維度看，2011-2018年，數(shù)字普惠金融發(fā)展在空間關(guān)聯(lián)性上呈現(xiàn)穩(wěn)定態(tài)勢。

2.局部莫蘭散點(diǎn)圖。全局莫蘭指數(shù)僅對廣西14 個(gè)市城鄉(xiāng)收入差距和數(shù)字普惠金融的空間關(guān)聯(lián)性作總體判斷，為了分析說明每個(gè)市之間存在的空間關(guān)聯(lián)性，分別繪制2011年和2018年城鄉(xiāng)收入差距和數(shù)字普惠金融的莫蘭散點(diǎn)圖，如圖1所示，在平面直角坐標(biāo)系分為四個(gè)象限，第一、三象限為空間正相關(guān)，第一象限為“高高”聚集，第三限為“低低”聚集；二、四象限表現(xiàn)為空間負(fù)相關(guān)，第二象限主要是“高低”聚集，而第四象限則是“低高”聚集。廣西大部分市區(qū)的城鄉(xiāng)收入差距聚集在第一、三象限，6 個(gè)市位于第一象限，為“高高”聚集，3 個(gè)市在第三象限，為“低低”聚集，說明城鄉(xiāng)收入比有空間聚集趨勢。從2011-2018年，幾乎所有市區(qū)的數(shù)字普惠金融發(fā)展程度值均集中在第一、三象限，5 個(gè)市位于第一象限，為“高高”聚集，8 個(gè)市在第三象限，為“低低”聚集，說明數(shù)字普惠金融指數(shù)空間集聚程度較強(qiáng)。為了得到數(shù)字普惠金融與城鄉(xiāng)收入差距兩者的關(guān)系，需要利用模型進(jìn)行精確估計(jì)。

表3 2011-2018 廣西14 個(gè)市數(shù)字普惠金融的全局莫蘭指數(shù)

圖1 2011年城鄉(xiāng)收入差距的莫蘭指數(shù)散點(diǎn)圖

圖2 2018年城鄉(xiāng)收入差距的莫蘭指數(shù)散點(diǎn)圖

（二）模型估計(jì)結(jié)果與分析

根Anselin et al 準(zhǔn)則，采取Wald檢驗(yàn)與LR 檢驗(yàn)，來選取最優(yōu)模型擬合的形式，若拒絕θi=0（i=1，2，…，6），θi+δβi=0 的原假設(shè)，說明SDM 模型無法轉(zhuǎn)變?yōu)镾AR 模型與SEM 模型，也就是說，SDM 空間杜賓模型就是最優(yōu)模型；然后通過Hausman 檢驗(yàn)，對使用固定效應(yīng)模型或隨機(jī)效應(yīng)模型進(jìn)行選取。通過檢驗(yàn)得出，SAR 空間自回歸模型中Wald 檢驗(yàn)的相關(guān)數(shù)據(jù)是40.34，LR檢驗(yàn)的相關(guān)數(shù)值是19.12，其在5%的水平下通過了顯著性的檢驗(yàn)，證明了θi≠0（i=1，2，…，6），θi+δβi≠0，SDM 模型無法轉(zhuǎn)換為SAR 模型與SEM 模型。所以，可以選擇SDM 空間杜賓模型。在Hausman 的檢驗(yàn)中，P 值是0.001，因?yàn)榫芙^使用隨機(jī)效應(yīng)模型的原假設(shè)需要，所以本文需要選取的是固定效應(yīng)模型。為了方便比較，借鑒李建偉（2017）、白俊紅（2017）的研究，分別選用普通面板回歸OLS，空間面板模型SAR 模型、SEM 模型和SDM 模型，進(jìn)一步驗(yàn)證哪種模型更合適。

根據(jù)表4可以看出在OLS 的估測結(jié)果之中，普惠金融的DF 系數(shù)是-0.133，也就是說其通過了百分之一的顯著性水平檢驗(yàn)，這就說明城鄉(xiāng)收入差距與普惠金融之間存在著負(fù)相關(guān)的關(guān)系，其主要表現(xiàn)為，數(shù)字普惠金融每提高一個(gè)百分點(diǎn)，就使得城鄉(xiāng)收入差距縮小0.133 個(gè)百分點(diǎn)。由于沒有考慮空間因素，OLS 回歸中數(shù)字普惠金融對城鄉(xiāng)收入差距的影響程度傾向于產(chǎn)生錯(cuò)誤估計(jì)。在表4中，空間面板模型SAR、SEM、SDM 的數(shù)字普惠金融空間項(xiàng)系數(shù)均為通過了1%水平下的顯著性檢驗(yàn)，表明數(shù)字普惠金融對城鄉(xiāng)收入差距的影響確實(shí)存在空間效應(yīng)，即本區(qū)域數(shù)字普惠金融不僅影響本區(qū)域的城鄉(xiāng)收入差距，而且會通過空間效應(yīng)傳導(dǎo)到周邊區(qū)域，影響周邊區(qū)域的城鄉(xiāng)收入差距。且SDM 模型中系數(shù)顯著性個(gè)數(shù)比SAR 模型和SEM 模型多，顯著性水平更高，在模型擬合優(yōu)度上，SDM 模型的調(diào)整R2 為0.8451，高于其他模型對應(yīng)值，對數(shù)似然函數(shù)Log-L 的值為271.006，也高于SAR 模型和SEM 模型對應(yīng)值，進(jìn)一步印證了模型應(yīng)選用SDM 空間杜賓模型。在表4中，SDM 模型所顯示的數(shù)字金融普惠相對應(yīng)的系數(shù)是-0.079，這也說明了本區(qū)域數(shù)字普惠金融影響的擴(kuò)大能夠極大程度的使該區(qū)域城鄉(xiāng)收入差距縮小。這可能是因?yàn)閿?shù)字普惠金融的發(fā)展，可以降低金融排斥，提高貧困人口及小微企業(yè)的金融資源可獲得性，從而縮小了城鄉(xiāng)收入差距（張子豪和譚燕芝，2018）。因變量空間回歸系數(shù)值為0.464，通過了1%水平下的顯著性檢驗(yàn)，表明存在正向空間效應(yīng)，本區(qū)域城鄉(xiāng)收入差距每擴(kuò)大一個(gè)百分點(diǎn)，鄰近區(qū)域城鄉(xiāng)收入差距就會擴(kuò)大0.464 個(gè)百分點(diǎn)。數(shù)字普惠金融的空間回歸系數(shù)為-0.011，在5%的水平下通過了顯著性檢驗(yàn)，表明本區(qū)域數(shù)字普惠金融提高會顯著縮小鄰近區(qū)域的城鄉(xiāng)收入差距，至于自變量對因變量的影響程度，該系數(shù)不能直接反映，還需計(jì)算直接效應(yīng)、間接效應(yīng)和總效應(yīng)。

圖3 2011年數(shù)字普惠金融指數(shù)的莫蘭指數(shù)散點(diǎn)圖

圖4 2018年數(shù)字普惠金融指數(shù)的莫蘭指數(shù)散點(diǎn)圖

表4 基于空間鄰接矩陣的OLS、SAR、SEM、SDM 模型回歸結(jié)果

如表5所示，在直接效應(yīng)下，變量DF 的系數(shù)為-0.034，P 值為0.003，小于0.01，通過顯著性檢驗(yàn)，表明本區(qū)域數(shù)字普惠金融每提高1%，本區(qū)域城鄉(xiāng)收入差距會縮小0.034%。這是由于在農(nóng)村貧困地區(qū)，金融可獲得性較差，數(shù)字普惠金融以成本低、覆蓋廣的優(yōu)勢幫助農(nóng)戶和小微企業(yè)獲得信貸支持，通過金融力量緩解貧困，進(jìn)而收斂城鄉(xiāng)收入差距。在間接效應(yīng)下，變量DF 的系數(shù)為-0.03，在5%的水平下通過了顯著性檢驗(yàn)，表明本區(qū)域數(shù)字普惠金融每提高一個(gè)百分點(diǎn)，鄰近區(qū)域城鄉(xiāng)收入差距就縮小0.03 個(gè)百分點(diǎn)。數(shù)字普惠金融與城鄉(xiāng)收入差距存在負(fù)向空間效應(yīng)，且間接效應(yīng)幾乎占了總效應(yīng)的一半，與張子豪和譚燕芝（2018）得出的結(jié)論相似。說明隨著市場化的發(fā)展，各市之間在信息、資源方面聯(lián)系加強(qiáng)，數(shù)字普惠金融通過區(qū)域之間的流動，對周邊區(qū)域的影響較大。

其他變量中，經(jīng)濟(jì)發(fā)展水平與城鄉(xiāng)收入差距表現(xiàn)為顯著的負(fù)向空間關(guān)系，間接效應(yīng)的系數(shù)為-0.054，說明本區(qū)域經(jīng)濟(jì)發(fā)展水平提高1%，可以顯著地降低鄰近區(qū)域城鄉(xiāng)收入差距0.054 個(gè)百分點(diǎn)，且間接效應(yīng)在總效應(yīng)中所占比重均達(dá)到40%以上，說明各區(qū)域之間的聯(lián)系越來越緊密，經(jīng)濟(jì)發(fā)達(dá)區(qū)域?qū)χ苓吳钒l(fā)達(dá)區(qū)域有正向輻射效應(yīng)，有利于增長極和產(chǎn)業(yè)集聚的出現(xiàn)（吳雪峰，2020）。城市化率與城鄉(xiāng)收入差距均表現(xiàn)為負(fù)向空間關(guān)系，但不顯著。

政府的財(cái)政支出系數(shù)值為正數(shù)，也就是說，若支出增加，會使得城鄉(xiāng)收入差距進(jìn)一步拉大，主要原因是政府財(cái)政支出大部分會流入城鎮(zhèn)，而農(nóng)村獲得的財(cái)政資金較少，收入也會相對減少，從而城鎮(zhèn)公民的收入提高，而鄉(xiāng)鎮(zhèn)公民的收入變化并不大，這也是導(dǎo)致城鄉(xiāng)收入差距擴(kuò)大的主要原因。產(chǎn)業(yè)結(jié)構(gòu)的間接效應(yīng)系數(shù)為-0.081，在5%的水平下通過了顯著性檢驗(yàn)，表明本區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的完善，會縮小鄰近區(qū)域的城鄉(xiāng)收入差距，可能的解釋是第二、三產(chǎn)業(yè)的發(fā)展主要是城市中的技術(shù)密集型企業(yè)，可以吸引周邊區(qū)域農(nóng)村人口到城市務(wù)工，增加農(nóng)民的收入，從而縮小城鄉(xiāng)收入差距。

城鄉(xiāng)收入差距以及教育水平之間的間接和直接效應(yīng)系數(shù)分別為0.022 和0.025，都是正數(shù)，也就是說本區(qū)域的教育水平提升會導(dǎo)致本區(qū)域以及周邊區(qū)域城鄉(xiāng)收入差距的進(jìn)一步拉大，不過這種作用并不明顯。可能是因?yàn)楸緟^(qū)域教育資源長期偏向城市，城鄉(xiāng)教育資源分配不均，進(jìn)而擴(kuò)大了本區(qū)域的城鄉(xiāng)收入差距（梁雙陸，2018）。同時(shí)，相鄰區(qū)域在教育資源上存在競爭和擠出效應(yīng)也會導(dǎo)致城鄉(xiāng)收入差距擴(kuò)大（吳雪峰，2020），由于地理障礙，這種效應(yīng)還不顯著。

表5 SDM 模型的直接效應(yīng)、間接效應(yīng)和總效應(yīng)

（三）穩(wěn)健性檢驗(yàn)

建立空間計(jì)量模型首先要了解空間權(quán)重矩陣，而通過不同矩陣所得到的結(jié)果也不同，所以本文在檢驗(yàn)過程中選取了經(jīng)濟(jì)距離空間權(quán)重矩陣W1（李靖，2010）和反距離空間權(quán)重矩陣W2共同作為參考。

其中，

dij為各市地理距離，i 和表示第i 和j 個(gè)市。根據(jù)前文研究步驟，得出SDM 模型仍舊為最合適，表6分別報(bào)告了基于經(jīng)濟(jì)距離空間權(quán)重矩陣和反距離空間權(quán)重矩陣下固定效應(yīng)的SDM 模型回歸結(jié)果。根據(jù)該結(jié)論，由于兩種情況下，DF 的回歸系數(shù)均能夠通過百分之五水平之下的顯著性檢驗(yàn)，并且在方向上與顯著性上都能夠與前文保持一次。所以，可以認(rèn)為本文得出的結(jié)論具有可信度。

表6 基于經(jīng)濟(jì)距離權(quán)重矩陣和反距離權(quán)重矩陣的SDM 模型回歸結(jié)果

五、結(jié) 論

本文采用2011-2018年廣西14 個(gè)市的空間面板數(shù)據(jù)，基于空間鄰接矩陣，通過構(gòu)建空間自回歸模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）對廣西數(shù)字普惠金融與城鄉(xiāng)收入差距的空間效應(yīng)展開實(shí)證研究并使用經(jīng)濟(jì)距離空間權(quán)重矩陣和反距離空間權(quán)重矩陣做穩(wěn)健性檢驗(yàn)。結(jié)果表明：廣西的數(shù)字普惠金融和城鄉(xiāng)收入差距都呈現(xiàn)“高高聚集”和“低低聚集”的空間集聚效應(yīng)；數(shù)字普惠金融的發(fā)展可以顯著縮小本區(qū)域和周邊區(qū)域的城鄉(xiāng)收入差距，存在負(fù)向空間溢出效應(yīng)；城鄉(xiāng)收入差距與周邊區(qū)域存在正向空間溢出效應(yīng)；在控制變量中，產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平都對周邊區(qū)域縮小城鄉(xiāng)收入差距有負(fù)向空間效應(yīng)，政府財(cái)政支出對周邊區(qū)域縮小城鄉(xiāng)收入差距有正向空間效應(yīng)，教育水平以及城鎮(zhèn)化方面的空間溢出效應(yīng)并不明顯。

根據(jù)實(shí)證研究結(jié)果，給出以下建議：

第一，就廣西而言，數(shù)字普惠金融的發(fā)展需要依賴信息通信基礎(chǔ)設(shè)施，政府要加大對農(nóng)村地區(qū)財(cái)政支出，提高農(nóng)村地區(qū)網(wǎng)絡(luò)覆蓋度。第二，考慮到空間溢出效應(yīng)，政府在制定收斂城鄉(xiāng)收入差距的政策時(shí)，要充分考慮區(qū)域之間的空間相關(guān)性，各市之間可以加強(qiáng)在數(shù)字普惠金融方面的合作，創(chuàng)新數(shù)字普惠金融產(chǎn)品和服務(wù)，分享信息資源。第三，對農(nóng)民進(jìn)行正確的指導(dǎo)，幫助其對普惠金融的數(shù)字產(chǎn)品進(jìn)行正確的認(rèn)識及正確使用，從而使得相關(guān)金融產(chǎn)品在農(nóng)民中的普及度提高，降低金融詐騙率。