數(shù)字普惠金融減緩相對(duì)貧困的效率研究

金發(fā)奇 言珍 吳慶田

摘? ?要：數(shù)字普惠金融是傳統(tǒng)普惠金融的持續(xù)深化，是減緩相對(duì)貧困的重要支撐力量。本文采用DEA-Tobit模型，利用2011—2018年我國(guó)31個(gè)省市數(shù)字普惠金融和相對(duì)貧困等數(shù)據(jù)，測(cè)算了數(shù)字普惠金融減緩相對(duì)貧困的效率與影響因素。研究結(jié)果表明：我國(guó)數(shù)字普惠金融減緩相對(duì)貧困的效率偏低且區(qū)域差異大，其中規(guī)模效率是西部地區(qū)綜合效率較低的最主要原因，數(shù)字普惠金融減緩相對(duì)貧困存在較大的發(fā)展?jié)摿?數(shù)字普惠金融減貧生產(chǎn)率指數(shù)變動(dòng)主要受技術(shù)進(jìn)步變動(dòng)影響。在影響因素方面，金融中介效率、產(chǎn)業(yè)結(jié)構(gòu)與財(cái)政自給率的提高與優(yōu)化有利于提高數(shù)字普惠金融減貧效率;而金融發(fā)展規(guī)模的擴(kuò)大會(huì)阻礙數(shù)字普惠金融減貧效率的提高。

關(guān)鍵詞：數(shù)字普惠金融;相對(duì)貧困;金融減貧效率;DEA-Tobit模型

一、引言與文獻(xiàn)綜述

貧困問(wèn)題一直是阻礙我國(guó)社會(huì)發(fā)展與進(jìn)步的重要因素。黨的十八大以來(lái)，以習(xí)近平同志為核心的黨中央將脫貧攻堅(jiān)作為實(shí)現(xiàn)第一個(gè)百年奮斗目標(biāo)的重點(diǎn)任務(wù)，做出了一系列重大部署和安排，并取得了重大成就。2013—2018年，我國(guó)農(nóng)村貧困人口減少了八千多萬(wàn)，貧困發(fā)生率也由10.2%降到了1.7%。在解決了絕對(duì)貧困問(wèn)題之后，我國(guó)貧困治理的重難點(diǎn)將轉(zhuǎn)向隱性的相對(duì)貧困。相對(duì)貧困是指在同一時(shí)期內(nèi)，由于不同地區(qū)或不同階層的社會(huì)成員主觀認(rèn)定的可維持生存水準(zhǔn)的差異而造成的貧困（林閩鋼，2020）[1]。解決相對(duì)貧困問(wèn)題，不僅要滿(mǎn)足最基本的生活水平，而且要縮小與社會(huì)平均生活水平的差距，解決發(fā)展不平衡的問(wèn)題。然而，解決我國(guó)發(fā)展不平衡、不充分的包容性增長(zhǎng)機(jī)制尚未完全構(gòu)建起來(lái)。包容性增長(zhǎng)概念兼顧公平與效率兩個(gè)維度（Abor等，2018）[2]，而普惠金融又稱(chēng)包容性金融，旨在為金融排斥的小微企業(yè)、農(nóng)民、城鎮(zhèn)低收入人群等弱勢(shì)群體以可負(fù)擔(dān)的成本提供適當(dāng)、有效的金融服務(wù)，促進(jìn)經(jīng)濟(jì)社會(huì)的包容性增長(zhǎng)。

（一）相對(duì)貧困衡量

湯森（1980）[3]認(rèn)為相對(duì)貧困不僅是缺乏基本的生活必需品，還包括個(gè)人、家庭、社會(huì)組織在獲得食物、住房、娛樂(lè)以及參與社會(huì)活動(dòng)等方面的資源，使其不足以滿(mǎn)足社會(huì)習(xí)俗的要求或社會(huì)鼓勵(lì)和推廣的平均生活水平，因此被排除在正常生活方式和社會(huì)活動(dòng)之外的一種生存狀態(tài)（楊立雄和謝丹丹，2007）[4]。楊舸（2017）[5]認(rèn)為除收入和消費(fèi)外，居住、教育、醫(yī)療等權(quán)益不足也是相對(duì)貧困的重要特征。施琳娜和文琦（2020）[6]從教育、健康、生活水平、收入、住房和資產(chǎn)狀況等6個(gè)維度衡量相對(duì)貧困。

（二）數(shù)字普惠金融減貧效應(yīng)

從微觀上看，普惠金融發(fā)展能夠提高弱勢(shì)群體公平獲得金融產(chǎn)品和服務(wù)的機(jī)會(huì)，直接緩解其收入、消費(fèi)、教育、健康等多維約束（楊艷琳和付晨玉，2019;孔維漢和李?lèi)?ài)喜，2019;羅荷花和駱伽利，2019;蔣瑛等，2019）[7-10];從宏觀上看，普惠金融通過(guò)促進(jìn)經(jīng)濟(jì)和產(chǎn)業(yè)發(fā)展，為社會(huì)弱勢(shì)群體提供就業(yè)、創(chuàng)業(yè)機(jī)會(huì)，促進(jìn)貧困減緩（黃秋萍等，2017;譚燕芝和彭千芮，2018）[11，12]。然而，也有部分學(xué)者研究表明普惠金融對(duì)減貧具有負(fù)面影響。例如，崔艷娟和孫剛（2012）[13]研究表明，金融發(fā)展對(duì)減貧的作用呈U形，即先惡化后改善，金融波動(dòng)會(huì)抵消金融發(fā)展的減貧效果。王偉和朱一鳴（2018）[14]認(rèn)為如果普惠金融只將貧困地區(qū)對(duì)金融機(jī)構(gòu)的接觸性排斥問(wèn)題作為關(guān)注重點(diǎn)，那么將會(huì)進(jìn)一步加劇資金外流，并對(duì)減貧產(chǎn)生負(fù)面影響。

（三）普惠金融減貧路徑與模式

學(xué)術(shù)界普遍認(rèn)為，普惠金融通過(guò)向弱勢(shì)群體提供金融產(chǎn)品和服務(wù)，增加弱勢(shì)群體收入，緩解城鄉(xiāng)收入分配不平衡，直接改善弱勢(shì)群體的貧困問(wèn)題。同時(shí)通過(guò)推進(jìn)技術(shù)創(chuàng)新、優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、促進(jìn)包容性增長(zhǎng)等間接緩解貧困（楊艷琳和付晨玉，2019;李建軍和韓珣，2019）[7，15]。普惠金融減貧模式方面，賈輝輝和呂德宏（2019）[16]、郭小卉等（2019）[17]研究表明農(nóng)業(yè)供應(yīng)鏈融資模式能提高扶貧貼息貸款用途的精準(zhǔn)性，降低道德風(fēng)險(xiǎn)，增加農(nóng)戶(hù)收入，扶貧效果更顯著。

（四）普惠金融減貧效率評(píng)價(jià)

效率評(píng)價(jià)是衡量普惠金融發(fā)展是否對(duì)貧困減緩具有作用的關(guān)鍵。杜興洋等（2019）[18]研究表明，農(nóng)村金融發(fā)展水平及其效率提高、農(nóng)村產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化、政府金融政策支持等有利于提高扶貧效率;城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)將阻礙扶貧效率的提高。許星等（2019）[19]研究發(fā)現(xiàn)對(duì)貸款期限、額度、種類(lèi)滿(mǎn)意度以及對(duì)金融機(jī)構(gòu)便利性滿(mǎn)意度是影響金融扶貧績(jī)效的前4位障礙因子。

已有研究大多關(guān)注普惠金融與絕對(duì)貧困的關(guān)系，研究成果主要集中于數(shù)字普惠金融減貧效應(yīng)、路徑與模式、效率評(píng)價(jià)與影響因素。本文嘗試在借鑒此前學(xué)者研究成果的基礎(chǔ)上，基于相對(duì)貧困視角，采用DEA-Tobit模型研究數(shù)字普惠金融減緩相對(duì)貧困的效率及其影響因素。

二、數(shù)字普惠金融減貧理論分析

隨著數(shù)字技術(shù)在金融領(lǐng)域的深度融合與應(yīng)用，數(shù)字普惠金融應(yīng)運(yùn)而生，并展現(xiàn)出可獲得性廣、交易成本低、風(fēng)險(xiǎn)控制力強(qiáng)等優(yōu)勢(shì)，將金融服務(wù)邊界延伸至“長(zhǎng)尾”市場(chǎng)，通過(guò)降低門(mén)檻效應(yīng)和緩解金融排斥效應(yīng)，改善城鄉(xiāng)二元結(jié)構(gòu)，助推貧困減緩（董玉峰和趙曉明，2018;宋曉玲，2017）[20，21]。本文認(rèn)為數(shù)字普惠金融主要從以下三個(gè)方面收斂城鄉(xiāng)差距，從而減少相對(duì)貧困。

（一）數(shù)字普惠金融對(duì)城鄉(xiāng)收入差距的收斂機(jī)制

從降低門(mén)檻效應(yīng)來(lái)看，數(shù)字技術(shù)的加入從三個(gè)方面降低金融服務(wù)的成本，從而降低了貧困群體獲得金融服務(wù)的門(mén)檻，增加金融服務(wù)的可獲得性。一是數(shù)字普惠金融不需要物理網(wǎng)點(diǎn)，僅通過(guò)互聯(lián)網(wǎng)就能提供金融服務(wù)，降低金融機(jī)構(gòu)運(yùn)營(yíng)成本;二是金融機(jī)構(gòu)運(yùn)用大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等數(shù)字技術(shù)，可以簡(jiǎn)化交易程序，降低交易成本;三是金融機(jī)構(gòu)利用數(shù)字技術(shù)對(duì)金融消費(fèi)者進(jìn)行精準(zhǔn)畫(huà)像，降低搜尋成本。

從緩解金融排斥效應(yīng)來(lái)看，一方面，數(shù)字普惠金融將受金融排斥的農(nóng)村貧困群體作為重點(diǎn)服務(wù)對(duì)象，通過(guò)向農(nóng)村貧困群體就業(yè)、創(chuàng)業(yè)提供信貸資金支持，增強(qiáng)其增產(chǎn)創(chuàng)收的內(nèi)生動(dòng)力;另一方面，數(shù)字普惠金融以農(nóng)村貧困群體可負(fù)擔(dān)的成本為其提供金融服務(wù)，支持農(nóng)村貧困群體對(duì)消費(fèi)和投資進(jìn)行長(zhǎng)期決策，有利于提高金融資源配置效率，增加貧困群體收入，縮小城鄉(xiāng)居民收入差距。

（二）數(shù)字普惠金融對(duì)城鄉(xiāng)消費(fèi)差距的收斂機(jī)制

從消費(fèi)能力途徑來(lái)看，一方面，數(shù)字普惠金融通過(guò)為農(nóng)村居民提供門(mén)檻低、高效便捷的投資理財(cái)服務(wù)，有利于增加農(nóng)村居民投資性收入，提升其消費(fèi)能力;另一方面，通過(guò)為農(nóng)村產(chǎn)業(yè)發(fā)展提供信貸支持，增加農(nóng)村居民的工資性收入和經(jīng)營(yíng)性收入，可以促進(jìn)其消費(fèi)能力的提升。

從消費(fèi)保障途徑來(lái)看，一方面，數(shù)字技術(shù)能夠幫助金融機(jī)構(gòu)將消費(fèi)信貸的觸角延伸到原本處于金融服務(wù)邊緣的農(nóng)村貧困群體，有助于其增加消費(fèi)預(yù)算;另一方面，電子化的商業(yè)保險(xiǎn)打破了傳統(tǒng)物理網(wǎng)點(diǎn)的限制，農(nóng)村居民通過(guò)應(yīng)用軟件就能購(gòu)買(mǎi)商業(yè)保險(xiǎn)，增強(qiáng)了抗風(fēng)險(xiǎn)能力，有利于穩(wěn)定消費(fèi)預(yù)期、增加消費(fèi)需求。

從消費(fèi)支付途徑來(lái)看，隨著數(shù)字技術(shù)在支付領(lǐng)域的運(yùn)用和普及，偏遠(yuǎn)地區(qū)的農(nóng)村居民可以擺脫距離、交通基礎(chǔ)設(shè)施等因素的制約，節(jié)約支付的時(shí)間成本和持有成本。此外，由于電商的普及，農(nóng)村居民能夠使用移動(dòng)支付進(jìn)行線(xiàn)上消費(fèi)，削弱消費(fèi)支付的地區(qū)限制，增加農(nóng)村居民的消費(fèi)需求。

（三）數(shù)字普惠金融對(duì)城鄉(xiāng)醫(yī)療差距的收斂機(jī)制

一方面，數(shù)字普惠金融通過(guò)支持農(nóng)村產(chǎn)業(yè)發(fā)展，能夠提升農(nóng)村經(jīng)濟(jì)發(fā)展水平，進(jìn)而推動(dòng)農(nóng)村基礎(chǔ)設(shè)施建設(shè)，有效提高農(nóng)村地區(qū)醫(yī)療服務(wù)條件和水平。另一方面，農(nóng)村經(jīng)濟(jì)增長(zhǎng)將帶來(lái)財(cái)政收入的增加，政府通過(guò)轉(zhuǎn)移支付的方式增加民生領(lǐng)域的支出，加快農(nóng)村基礎(chǔ)設(shè)施、公共事業(yè)、公共服務(wù)建設(shè)，增加農(nóng)村貧困群體社會(huì)福利，緩解農(nóng)村地區(qū)醫(yī)療貧困狀況，進(jìn)而縮小城鄉(xiāng)醫(yī)療水平差距。

三、研究方法與數(shù)據(jù)

（一）DEA分析

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）的原理是通過(guò)保持決策單元（DMU）的投入不變，應(yīng)用數(shù)學(xué)規(guī)劃和統(tǒng)計(jì)數(shù)據(jù)確定相對(duì)有效的生產(chǎn)前沿面，將DMU投影到DEA的生產(chǎn)前沿面上，通過(guò)比較DMU偏離DEA生產(chǎn)前沿面的程度來(lái)判斷相對(duì)有效性（Charnes等，1978）[22]。CCR模型假設(shè)規(guī)模報(bào)酬不變，BCC模型假設(shè)規(guī)模報(bào)酬可變。BCC模型將CCR模型中的技術(shù)效率（TE）分解為純技術(shù)效率（PTE）和規(guī)模效率（SE），從而來(lái)反映所評(píng)價(jià)對(duì)象的經(jīng)營(yíng)管理水平（Banker等，1984）[23]。

（二）Malmquist指數(shù)

Sten Malmquistz于1953年提出Malmquist指數(shù)（章祥蓀和貴斌威，2008）[24]。Fare等對(duì)Malmquist指數(shù)進(jìn)行了拓展，將其從理論指數(shù)變成實(shí)證指數(shù)，并用于測(cè)度從t期到t+1期的生產(chǎn)效率（Fare等，1997）[25]。在規(guī)模報(bào)酬可變的假設(shè)下，從t期到t+1期的Malmquist生產(chǎn)率指數(shù)可表示為：

式中，Malmquist生產(chǎn)率指數(shù)等于技術(shù)進(jìn)步指數(shù)（Techch）與技術(shù)效率變動(dòng)指數(shù)（Effch）的乘積，其中技術(shù)效率變動(dòng)指數(shù)（Effch）又可表示為純技術(shù)效率變動(dòng)指數(shù)（Pech）與規(guī)模效率指數(shù)（Sech）的乘積。

（三）數(shù)據(jù)來(lái)源及變量選擇

1. 數(shù)據(jù)來(lái)源。數(shù)字普惠金融數(shù)據(jù)來(lái)源于北京大學(xué)數(shù)字研究中心所編制的數(shù)字普惠金融指數(shù)，相對(duì)貧困數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》、各省統(tǒng)計(jì)年鑒和《中國(guó)衛(wèi)生和計(jì)劃生育統(tǒng)計(jì)年鑒》。

2. 變量選擇。本文以相對(duì)貧困為切入點(diǎn)，從投入和產(chǎn)出兩方面選取以下指標(biāo)：

（1）投入指標(biāo)。根據(jù)北京大學(xué)數(shù)字研究中心所編制的數(shù)字普惠金融指數(shù)，選取數(shù)字普惠金融覆蓋廣度來(lái)衡量可獲得性方面的投入，選取使用深度來(lái)衡量使用情況方面的投入。具體投入指標(biāo)見(jiàn)表1。

（2）產(chǎn)出指標(biāo)。本文采用泰爾指數(shù)來(lái)衡量城鄉(xiāng)居民收入、消費(fèi)以及醫(yī)療機(jī)構(gòu)床位數(shù)的差距，并取泰爾指數(shù)的倒數(shù)作為產(chǎn)出指標(biāo)。具體產(chǎn)出指標(biāo)見(jiàn)表2。

四、數(shù)字普惠金融減緩相對(duì)貧困的效率分析

（一）數(shù)字普惠金融減緩相對(duì)貧困的綜合效率分析

本文基于BCC模型，運(yùn)用DEAP2.1軟件，對(duì)我國(guó)31個(gè)省市2011—2018年數(shù)字普惠金融減緩相對(duì)貧困的效率進(jìn)行測(cè)算，結(jié)果見(jiàn)表3。

首先，從整體上看，我國(guó)31個(gè)省市的數(shù)字普惠金融減緩相對(duì)貧困綜合效率均值從2011年的0.411上升到2018年的0.547，增長(zhǎng)率為33.09%，但總體效率仍然偏低，說(shuō)明數(shù)字普惠金融資源的優(yōu)勢(shì)沒(méi)有得到充分運(yùn)用與發(fā)揮，其在減貧方面存在較大發(fā)展空間。

其次，2011—2018年我國(guó)31個(gè)省市的數(shù)字普惠金融減緩相對(duì)貧困綜合效率差異較大，存在兩極分化現(xiàn)象。其中天津綜合效率均值達(dá)到0.973，而最低的云南只有0.250;只有北京、天津、內(nèi)蒙古、吉林、黑龍江、上海、江蘇、浙江、重慶、青海等10個(gè)?。ㄊ小⒆灾螀^(qū)）的綜合效率均值高于全國(guó)均值，說(shuō)明數(shù)字普惠金融減貧效果存在較大的地區(qū)差異。

最后，2011—2018年我國(guó)31個(gè)省市的數(shù)字普惠金融減緩相對(duì)貧困的綜合效率存在波動(dòng)。重慶2011—2013年的綜合效率為1，達(dá)到DEA有效，但2014—2018年的綜合效率均小于1，呈下降趨勢(shì);天津2011年和2012年的綜合效率分別為0.854和0.940，在2013—2018年的綜合效率均為1，達(dá)到DEA有效。此外，絕大多數(shù)省市在2011—2018年的綜合效率值一直小于1。

（二）數(shù)字普惠金融減緩相對(duì)貧困的綜合效率分解

第一，從綜合效率角度來(lái)看，表4顯示，2018年只有天津的綜合效率為1，達(dá)到DEA有效，其余30個(gè)省市的綜合效率均小于1。在非DEA有效的省市中，北京、上海、安徽、江蘇、湖北排名前五位，西藏、云南、新疆、貴州、甘肅排名后五位。綜合效率排名落后的地區(qū)均在西部，說(shuō)明西部地區(qū)數(shù)字普惠金融減貧的效果較差。

第二，從純技術(shù)效率角度來(lái)看，盡管內(nèi)蒙古、黑龍江、西藏、甘肅、青海、寧夏等地區(qū)的綜合效率小于1，但純技術(shù)效率等于1，表明這些地區(qū)的數(shù)字普惠金融資源得到了充分利用，而綜合效率沒(méi)有達(dá)到DEA有效，主要是因?yàn)橐?guī)模效率較低，沒(méi)有達(dá)到最佳狀態(tài)。

第三，從規(guī)模效率角度來(lái)看，只有天津達(dá)到了DEA有效。在非DEA有效區(qū)域中，只有北京和上海接近理想值1，而西藏、云南、新疆、貴州、甘肅排名最后五位，其規(guī)模效率與全國(guó)平均水平存在一定差距。在規(guī)模報(bào)酬方面，除天津外，其他省市均為規(guī)模報(bào)酬遞增，說(shuō)明這些省市在數(shù)字普惠金融減貧方面潛力巨大，可以通過(guò)優(yōu)化數(shù)字普惠金融資源的投入要素結(jié)構(gòu)，擴(kuò)展覆蓋廣度和使用深度，促進(jìn)減緩相對(duì)貧困。

（三）數(shù)字普惠金融減緩相對(duì)貧困效率的時(shí)間演進(jìn)

運(yùn)用 DEAP2. 1軟件對(duì)2011—2018年我國(guó)31個(gè)省市的數(shù)字普惠金融緩解相對(duì)貧困效率的Malmquist生產(chǎn)率指數(shù)進(jìn)行測(cè)度和分解，具體結(jié)果見(jiàn)表5和表6。

表5結(jié)果表明，2011—2018年我國(guó)數(shù)字普惠金融減緩相對(duì)貧困的全要素生產(chǎn)率總體呈下降趨勢(shì)，但下降幅度逐漸趨緩，并在2017—2018年達(dá)到了1.112，增長(zhǎng)幅度為11.12%。從技術(shù)效率變動(dòng)來(lái)看，2011—2012年、2016—2017年和2017—2018年大于1，其他時(shí)段雖小于1，但都大于0.9，接近1。進(jìn)一步分析，純技術(shù)效率變動(dòng)在每個(gè)時(shí)段均大于1，表明數(shù)字普惠金融減貧的管理水平較高;而規(guī)模效率變動(dòng)只有在2016—2017年和2017—2018年大于1，表明數(shù)字普惠金融減貧的投入要素結(jié)構(gòu)還需要進(jìn)一步調(diào)整。從技術(shù)進(jìn)步變動(dòng)來(lái)看，2011—2018年的數(shù)值均小于1，說(shuō)明其呈下降趨勢(shì)。2011—2012年的數(shù)值僅為0.235，但其他時(shí)段的數(shù)據(jù)均大于0.85，說(shuō)明技術(shù)進(jìn)步變動(dòng)的下降幅度逐漸收窄?？傮w來(lái)看，全要素生產(chǎn)率呈負(fù)增長(zhǎng)主要是由技術(shù)進(jìn)步變動(dòng)負(fù)增長(zhǎng)引起的。因此，技術(shù)進(jìn)步是提高全要素生產(chǎn)率水平的關(guān)鍵。

從表6可知，總體而言，我國(guó)數(shù)字普惠金融減緩相對(duì)貧困的全要素生產(chǎn)率呈現(xiàn)負(fù)增長(zhǎng)，全國(guó)的平均增長(zhǎng)幅度為-22.5%，技術(shù)進(jìn)步變動(dòng)幅度為-26.7%，而技術(shù)效率變動(dòng)幅度為5.9%，表明技術(shù)進(jìn)步變動(dòng)負(fù)增長(zhǎng)是造成全要素生產(chǎn)率負(fù)增長(zhǎng)最主要的原因。

從技術(shù)進(jìn)步變動(dòng)來(lái)看，只有天津的技術(shù)進(jìn)步變動(dòng)指數(shù)大于1，說(shuō)明天津重視數(shù)字普惠金融科技創(chuàng)新，并取得了較好的減貧效果。而其他地區(qū)的技術(shù)進(jìn)步變動(dòng)指數(shù)均小于1，說(shuō)明我國(guó)絕大多數(shù)地區(qū)金融科技水平較低，對(duì)金融科技發(fā)展不夠重視，沒(méi)有認(rèn)識(shí)到金融科技在減貧中的重要作用。因此，需增加科研投入，將大數(shù)據(jù)、人工智能、區(qū)塊鏈等技術(shù)運(yùn)用于金融科技開(kāi)發(fā)之中，提升數(shù)字普惠金融科技水平。

從純技術(shù)效率變動(dòng)來(lái)看，純技術(shù)效率變動(dòng)指數(shù)大于1的地區(qū)有28個(gè)，約占90.32%，說(shuō)明絕大多數(shù)地區(qū)的數(shù)字普惠金融資源得到了充分且有效地利用，數(shù)字普惠金融減貧效率的生產(chǎn)效率逐年提高。2011—2018年，只有北京、上海和重慶的純技術(shù)效率變動(dòng)指數(shù)小于1，表明這三個(gè)地區(qū)尚未充分發(fā)揮數(shù)字普惠金融資源在減貧中的作用，需要進(jìn)一步提高數(shù)字普惠金融在減貧中的純技術(shù)效率。

從規(guī)模效率變動(dòng)來(lái)看，規(guī)模效率變動(dòng)指數(shù)大于1的地區(qū)有9個(gè)，約占29.03%，說(shuō)明我國(guó)仍有70.97%的省市數(shù)字普惠金融減貧的規(guī)模收益較差，規(guī)模化經(jīng)營(yíng)水平有待提高。其中，北京的規(guī)模效率變動(dòng)指數(shù)最大，為1.069，說(shuō)明北京的數(shù)字普惠金融資源投入規(guī)模比較合理，實(shí)現(xiàn)了數(shù)字普惠金融減貧的規(guī)模效益。而西藏的規(guī)模效率變動(dòng)指數(shù)最小，僅為0.778，需要增加數(shù)字普惠金融資源的投入，合理優(yōu)化金融機(jī)構(gòu)的生產(chǎn)經(jīng)營(yíng)規(guī)模。

五、數(shù)字普惠金融減緩相對(duì)貧困效率的影響因素研究

為了進(jìn)一步探索數(shù)字普惠金融減貧效率水平差異及其原因，本部分將運(yùn)用Tobit模型深入分析數(shù)字普惠金融減緩相對(duì)貧困效率的影響因素。

（一）指標(biāo)選取

從數(shù)字普惠金融減貧的直接作用機(jī)制來(lái)看，本文選取金融發(fā)展規(guī)模與金融發(fā)展效率兩個(gè)因素。金融發(fā)展規(guī)模直接影響金融服務(wù)的成本與門(mén)檻，進(jìn)而影響金融服務(wù)的可獲得性，選取“年末金融機(jī)構(gòu)貸款余額/國(guó)內(nèi)生產(chǎn)總值”來(lái)衡量金融發(fā)展規(guī)模對(duì)數(shù)字普惠金融減貧效率的影響;金融發(fā)展效率代表金融機(jī)構(gòu)的信貸資金轉(zhuǎn)化能力，選取“年末金融機(jī)構(gòu)貸款余額/存款余額”來(lái)衡量金融發(fā)展效率對(duì)數(shù)字普惠金融減貧效率的影響（杜興洋等，2019）[18]。

從數(shù)字普惠金融減貧的間接作用機(jī)制來(lái)看，數(shù)字普惠金融通過(guò)促進(jìn)經(jīng)濟(jì)增長(zhǎng)的“涓滴效應(yīng)”縮小城鄉(xiāng)差距，減緩貧困。因此，選擇“人均GDP”取對(duì)數(shù)來(lái)衡量經(jīng)濟(jì)發(fā)展水平對(duì)數(shù)字普惠金融減貧效率的影響（杜興洋等，2019）[18]。

數(shù)字普惠金融通過(guò)支持農(nóng)村地區(qū)的產(chǎn)業(yè)發(fā)展，促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化，提高金融減貧效率，選擇“第一產(chǎn)業(yè)和第三產(chǎn)業(yè)總產(chǎn)值/國(guó)內(nèi)生產(chǎn)總值”來(lái)衡量產(chǎn)業(yè)結(jié)構(gòu)對(duì)數(shù)字普惠金融減貧效率的影響（杜興洋等，2019）[18]。減貧作為一項(xiàng)系統(tǒng)工程，需要各方共同發(fā)揮作用，尤其是政府財(cái)政支持，選取財(cái)政自給率即“一般公共預(yù)算收入/一般公共預(yù)算支出”來(lái)考察其對(duì)數(shù)字普惠金融減貧效率的影響。此外，數(shù)字普惠金融覆蓋面的擴(kuò)大離不開(kāi)信息化基礎(chǔ)設(shè)施的建設(shè)與潛在金融市場(chǎng)的培育，選取“信息傳輸、計(jì)算機(jī)服務(wù)和軟件業(yè)投資/全社會(huì)固定投資總額”“普通高校在校學(xué)生數(shù)/常住人口”來(lái)衡量信息化基礎(chǔ)設(shè)施與人口素質(zhì)對(duì)數(shù)字普惠金融減貧效率的影響。

上述影響因素的數(shù)據(jù)主要來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)金融年鑒》以及各省統(tǒng)計(jì)年鑒。數(shù)字普惠金融減緩相對(duì)貧困效率的影響因素描述性統(tǒng)計(jì)結(jié)果如表8。

（二）Tobit模型構(gòu)建

通過(guò)BCC模型測(cè)算出來(lái)的數(shù)字普惠金融減緩相對(duì)貧困的效率值在0—1之間，OLS估計(jì)會(huì)導(dǎo)致估計(jì)結(jié)果有偏且不一致（Greene，1981）[26]。因此，本文采用Tobit模型研究影響數(shù)字普惠金融減緩相對(duì)貧困效率的因素。模型表達(dá)式如下：

（三）實(shí)證結(jié)果分析

在對(duì)Tobit模型進(jìn)行回歸之前，先利用Stata14進(jìn)行Hausman檢驗(yàn)，結(jié)果顯示Prob=0.1808>0.05，因此選擇隨機(jī)效應(yīng)Tobit模型，結(jié)果見(jiàn)表9。

回歸結(jié)果表明，金融發(fā)展規(guī)模（FD）的系數(shù)在5%的水平下顯著為負(fù)，表明我國(guó)存在“金融排斥”現(xiàn)象，農(nóng)村貧困地區(qū)的信貸服務(wù)具有高風(fēng)險(xiǎn)、低回報(bào)的特點(diǎn)，對(duì)于金融機(jī)構(gòu)而言經(jīng)濟(jì)發(fā)達(dá)地區(qū)更為“有利可圖”;金融中介效率（FIE）、產(chǎn)業(yè)結(jié)構(gòu)（IS）與財(cái)政自給率（FSR）的系數(shù)在5%的水平下顯著為正，表明金融機(jī)構(gòu)資金轉(zhuǎn)化能力越強(qiáng)、金融支持農(nóng)村產(chǎn)業(yè)發(fā)展力度越大與財(cái)政自給能力越強(qiáng)越能促進(jìn)數(shù)字普惠金融減緩相對(duì)貧困的效率提升。因此，改善農(nóng)村貧困地區(qū)的金融環(huán)境，有利于數(shù)字普惠金融減緩相對(duì)貧困效率的提高。

除上述影響因素外，經(jīng)濟(jì)發(fā)展水平（LNRGDP）、信息化基礎(chǔ)設(shè)施（II）和人口素質(zhì)（PQ）與數(shù)字普惠金融減緩相對(duì)貧困的效率不相關(guān)。人均GDP所反映的經(jīng)濟(jì)增長(zhǎng)的“涓滴效應(yīng)”對(duì)減貧效率的影響并不顯著，對(duì)于農(nóng)村地區(qū)和貧困地區(qū)而言，“涓滴效應(yīng)”可能會(huì)由于城鄉(xiāng)差距而被大幅削弱。信息化基礎(chǔ)設(shè)施（II）和人口素質(zhì)（PQ）與數(shù)字普惠金融減緩相對(duì)貧困效率不相關(guān)可能是由于其水平太低，均值分別只有0.0105、0.0190，未達(dá)到提高減貧效率的門(mén)檻。

六、結(jié)論及建議

（一）主要結(jié)論

本文研究結(jié)果表明：第一，我國(guó)數(shù)字普惠金融減緩相對(duì)貧困的綜合效率處于較低水平，且各地之間差異大，存在兩極分化現(xiàn)象，數(shù)字普惠金融減貧存在較大的發(fā)展空間。相較而言，東部地區(qū)數(shù)字普惠金融減貧綜合效率較高，主要是由于技術(shù)效率和規(guī)模效率都處于較高水平;中部地區(qū)尤其是西部地區(qū)綜合效率較低，主要是由規(guī)模效率水平較低引起的。第二，我國(guó)數(shù)字普惠金融減緩相對(duì)貧困的全要素生產(chǎn)率整體呈下降趨勢(shì)，但由于純技術(shù)效率的增長(zhǎng)幅度較大，使得全要素生產(chǎn)率的下降幅度收窄，并在2017—2018年實(shí)現(xiàn)正增長(zhǎng);從各地Malmquist指數(shù)及其分解情況來(lái)看，除天津的全要素生產(chǎn)率變動(dòng)指數(shù)大于1，其他地區(qū)的全要素生產(chǎn)率均呈負(fù)增長(zhǎng)，主要是技術(shù)進(jìn)步變動(dòng)負(fù)增長(zhǎng)引起的。第三，影響因素方面，金融發(fā)展規(guī)模、金融中介效率、產(chǎn)業(yè)結(jié)構(gòu)與財(cái)政自給率顯著影響數(shù)字普惠金融減緩相對(duì)貧困的效率。由于“金融排斥”的存在，金融資源更多聚集于經(jīng)濟(jì)發(fā)達(dá)地區(qū)，不利于貧困群體獲得金融機(jī)構(gòu)信貸支持，金融發(fā)展規(guī)模的擴(kuò)大反而阻礙了數(shù)字普惠金融減貧效率的提高;金融中介效率的提高有利于資金利用效率的提高，產(chǎn)業(yè)結(jié)構(gòu)的優(yōu)化升級(jí)給農(nóng)村貧困群體帶來(lái)大量的就業(yè)和創(chuàng)業(yè)機(jī)會(huì)，財(cái)政自給能力越強(qiáng)則可用于金融減貧工作的資金也越多，有利于提升數(shù)字普惠金融減貧效率。

（二）相關(guān)建議

根據(jù)上述研究結(jié)論，就提高數(shù)字普惠金融減緩相對(duì)貧困效率提出以下政策建議：

第一，擴(kuò)大數(shù)字普惠金融規(guī)模，完善金融服務(wù)配套設(shè)施，提高規(guī)模效率。首先，政府可以通過(guò)增加投資，大力支持商業(yè)銀行、農(nóng)信社、村鎮(zhèn)銀行在較為落后的中西部地區(qū)設(shè)點(diǎn)，擴(kuò)大中西部地區(qū)的數(shù)字普惠金融機(jī)構(gòu)規(guī)模。其次，行業(yè)協(xié)會(huì)、金融機(jī)構(gòu)應(yīng)積極開(kāi)展從業(yè)人員培訓(xùn)，增加從業(yè)人員數(shù)量，提高從業(yè)人員服務(wù)水平。最后，積極推廣手機(jī)銀行、第三方支付、互聯(lián)網(wǎng)保險(xiǎn)等新型金融業(yè)態(tài)，通過(guò)擴(kuò)大數(shù)字普惠金融的規(guī)模，提高中西部地區(qū)弱勢(shì)群體金融服務(wù)的可獲得性和覆蓋率，保證貧困群體能夠獲得充足的金融產(chǎn)品和服務(wù)，進(jìn)而提高數(shù)字普惠金融減貧效率。

第二，加大科技創(chuàng)新投入，提升數(shù)字普惠金融技術(shù)水平。首先，運(yùn)用大數(shù)據(jù)與人工智能深度挖掘電商、社交、搜索等途徑獲取的數(shù)據(jù)，降低人工成本和交易成本，提升效率與風(fēng)控能力，加速數(shù)字普惠金融發(fā)展進(jìn)程。其次，利用在線(xiàn)支付、移動(dòng)通信和其他數(shù)字技術(shù)為金融服務(wù)提供便利，研發(fā)推廣安全、簡(jiǎn)單易用的操作界面，拓展數(shù)字普惠金融服務(wù)的廣度和深度。

參考文獻(xiàn)：

[1]林閩鋼.相對(duì)貧困的理論與政策聚焦——兼論建立我國(guó)相對(duì)貧困的治理體系 [J].社會(huì)保障評(píng)論，2020，4（1）.

[2]Abor，Amidu，Issahaku. 2018. Mobile Telephony，F(xiàn)inancial Inclusion and Inclusive Growth [J].Journal of African Business，19（3）.

[3]Shorrocks A，Townsend? P. 1980. Poverty in the United Kingdom：A Survey of Household Resources and Standards of Living [J].The Economic Journal，90（360）.

[4]楊立雄，謝丹丹. “絕對(duì)的相對(duì)”，抑或“相對(duì)的絕對(duì)”——湯森和森的貧困理論比較 [J].財(cái)經(jīng)科學(xué)，2007，（1）.

[5]楊舸.流動(dòng)人口與城市相對(duì)貧困：現(xiàn)狀、風(fēng)險(xiǎn)與政策 [J].經(jīng)濟(jì)與管理評(píng)論，2017，33（1）.

[6]施琳娜，文琦. 相對(duì)貧困視角下的精準(zhǔn)扶貧多維減貧效應(yīng)研究——以寧夏彭陽(yáng)縣為例 [J].地理研究，2020，39（5）.

[7]楊艷琳，付晨玉.中國(guó)農(nóng)村普惠金融發(fā)展對(duì)農(nóng)村勞動(dòng)年齡人口多維貧困的改善效應(yīng)分析 [J].中國(guó)農(nóng)村經(jīng)濟(jì)， 2019，（3）.

[8]孔維漢，李?lèi)?ài)喜. 普惠金融發(fā)展對(duì)農(nóng)村居民消費(fèi)的影響研究 [J]. 東北財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2019，（4）.

[9]羅荷花，駱伽利. 多維視角下普惠金融對(duì)農(nóng)村減貧的影響研究 [J]. 當(dāng)代經(jīng)濟(jì)管理，2019，41（3）.

[10]蔣瑛，陳鈺曉，田益豪. 信貸約束對(duì)農(nóng)戶(hù)多維貧困的影響分析——基于2016年中國(guó)家庭追蹤調(diào)查數(shù)據(jù)（CFPS）的實(shí)證研究 [J].農(nóng)村經(jīng)濟(jì)，2019，（4）.

[11]黃秋萍，胡宗義，劉亦文.中國(guó)普惠金融發(fā)展水平及其貧困減緩效應(yīng) [J].金融經(jīng)濟(jì)學(xué)研究，2017，32（6）.

[12]譚燕芝，彭千芮. 普惠金融發(fā)展與貧困減緩：直接影響與空間溢出效應(yīng) [J].當(dāng)代財(cái)經(jīng)，2018，（3）.

[13]崔艷娟，孫剛. 金融發(fā)展是貧困減緩的原因嗎？——來(lái)自中國(guó)的證據(jù) [J].金融研究，2012，（11）.

[14]王偉，朱一鳴.普惠金融與縣域資金外流：減貧還是致貧——基于中國(guó)592個(gè)國(guó)家級(jí)貧困縣的研究 [J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2018，（1）.

[15]李建軍，韓珣.普惠金融、收入分配和貧困減緩——推進(jìn)效率和公平的政策框架選擇 [J].金融研究， 2019，（3）.

[16]賈輝輝，呂德宏.基于農(nóng)業(yè)供應(yīng)鏈的金融精準(zhǔn)扶貧效果研究 [J].金融理論與實(shí)踐，2019，（2）.

[17]郭小卉，段勝英，馮艷博.河北隆化縣“政銀企戶(hù)?！苯鹑诜鲐毮Ｊ教轿?[J].金融理論與實(shí)踐，2019，（1）.

[18]杜興洋，楊起城，邵泓璐. 金融精準(zhǔn)扶貧的績(jī)效研究——基于湖南省9個(gè)城市農(nóng)村貧困減緩的實(shí)證分析 [J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2019，（4）.

[19]許星，杜君楠，呂卓洋.金融精準(zhǔn)扶貧績(jī)效評(píng)價(jià)及障礙因子診斷——基于貧困農(nóng)戶(hù)滿(mǎn)意度視角 [J].武漢金融，2019，（2）.

[20]董玉峰，趙曉明.負(fù)責(zé)任的數(shù)字普惠金融：緣起、內(nèi)涵與構(gòu)建 [J].南方金融，2018，（1）.

[21]宋曉玲.數(shù)字普惠金融縮小城鄉(xiāng)收入差距的實(shí)證檢驗(yàn) [J].財(cái)經(jīng)科學(xué)，2017，（6）.

[22]A Charnes，W W Cooper，E Rhodes. 1978. Measuring the Efficiency of Decision Making Units [J].Charnes A，Cooper W W，Rhodes E，2（6）.

[23]Banker R D，Charnes A，Cooper W W. 1984. Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis [J].Management Science，30（9）.

[24]章祥蓀，貴斌威.中國(guó)全要素生產(chǎn)率分析：Malmquist指數(shù)法評(píng)述與應(yīng)用 [J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008，（6）.

[25]Fare R，Grosskopf S，Norris M. 1997. Productivity Growth，Technical Progress，and Efficiency Change in Industrialized Countries：Reply [J].American Economic Review， 87.

[26]Greene W H. 1981. On the Asymptotic Bias of the Ordinary Least Squares Estimator of the Tobit Model [J]. Econometrica，49（2）.