數(shù)字普惠金融對促進非農(nóng)就業(yè)的影響研究

摘 要：本文基于數(shù)字普惠金融指數(shù)與中國家庭跟蹤調(diào)查數(shù)據(jù)（CFPS）構(gòu)建Probit模型，實證檢驗數(shù)字普惠金融對非農(nóng)就業(yè)的影響。研究表明：第一，數(shù)字普惠金融彌補了傳統(tǒng)金融高門檻的不足，顯著促進了非農(nóng)就業(yè);第二，數(shù)字普惠金融的三個分指標分別對非農(nóng)就業(yè)產(chǎn)生了顯著的正向作用，數(shù)字化程度促進作用最大，覆蓋廣度次之，使用深度最弱;第三，數(shù)字普惠金融對非農(nóng)就業(yè)的影響存在性別及地理上的異質(zhì)性，對男性的促進作用更明顯，對東部與西部的正向作用更大。

關(guān)鍵詞：數(shù)字金融;覆蓋廣度;使用深度;非農(nóng)就業(yè);異質(zhì)性分析

本文索引：鄭舒文.<標題>——基于CFPS數(shù)據(jù)的實證分析[J].商展經(jīng)濟，2021（15）：-129.

中圖分類號：F832.0 文獻標識碼：A

DOI：10.12245/j.issn.2096-6776.2021.15.41

數(shù)字金融具有降低交易成本、優(yōu)化資源配置等優(yōu)勢，被認為是縮小收入差距、提升人民幸福感的重要工具。在加快數(shù)字社會建設(shè)步伐、建設(shè)數(shù)字中國的背景下，數(shù)字金融的發(fā)展是大勢所趨，是政策所向，是社會進步的必然要求。

中國就業(yè)人口逐年遞增，但部分地區(qū)失業(yè)率仍較高，且收入差距呈現(xiàn)擴大態(tài)勢。一方面，追求商業(yè)可持續(xù)性的金融機構(gòu)難以評估小微企業(yè)、中低收入人群的風險，從而為了防止“逆向選擇”使得這些金融弱勢群體被排擠在金融服務(wù)之外;另一方面，以風險定價的金融機構(gòu)即使提供服務(wù)，其收取的風險溢價也過高，弱勢群體無法以較小的機會成本為盈利性項目融資，傳統(tǒng)金融服務(wù)的高門檻在導致這些本可以就業(yè)的弱勢群體失業(yè)的同時，也產(chǎn)生了循環(huán)累積的因果效應(yīng)，擴大收入差距——他們之所以得不到資金支持，就是因為他們沒有資金。但是數(shù)字普惠金融的發(fā)展卻能在很大程度上改善這種局面，增加資金的可得性，成為穩(wěn)就業(yè)、保民生，縮小差距、優(yōu)化配置的重要途徑。

互聯(lián)網(wǎng)金融的快速發(fā)展，尤其是支付領(lǐng)域的不斷突破，信息不對稱這一主要障礙已經(jīng)在很大程度上得以緩解。依托技術(shù)進步、互聯(lián)網(wǎng)背后強大的算法支撐，金融弱勢群體的行為留痕，從而構(gòu)成反映其信用、能力等的數(shù)據(jù)支持，其信息和經(jīng)營行為能被金融機構(gòu)獲取，極大地降低了包括信息搜尋成本在內(nèi)的交易費用以及金融機構(gòu)對他們產(chǎn)生機會主義傾向的預期，從而金融機構(gòu)愿意以合理的價格提供信貸支持，彌補了傳統(tǒng)金融服務(wù)高門檻的不足，使資金流向盈利性項目[1]，對穩(wěn)就業(yè)、縮差距起到了積極的作用。此外，數(shù)字普惠金融既包括對傳統(tǒng)金融服務(wù)的創(chuàng)新，也包括以電商平臺為基點的各項業(yè)務(wù)[2]，在提供資金支持的同時，助推就業(yè)形式的豐富與創(chuàng)新，如電商、淘寶村的涌現(xiàn)，這無疑提供了新時代解決就業(yè)問題的新思路[3]。

鑒于此，本文基于已有數(shù)據(jù)展開研究，實證分析數(shù)字普惠金融的發(fā)展能夠在多大程度上促進非農(nóng)就業(yè)，同時對比分析其對非農(nóng)就業(yè)的異質(zhì)性影響。

1 研究設(shè)計

1.1 數(shù)據(jù)來源

本文研究數(shù)據(jù)源于微觀層面中國家庭追蹤調(diào)查（CFPS）以及宏觀層面數(shù)字普惠金融發(fā)展匹配數(shù)據(jù)。其中微觀數(shù)據(jù)為北京大學中國社會科學調(diào)查中心多階段、動態(tài)跟蹤調(diào)查全國25個省區(qū)16000戶家庭所得。而宏觀層面的數(shù)據(jù)則由北京大學數(shù)字金融研究中心發(fā)布，覆蓋31個省近2800個縣域。這兩套數(shù)據(jù)覆蓋范圍廣、樣本容量大、質(zhì)量高。因而，以此分析數(shù)字金融的發(fā)展對非農(nóng)就業(yè)的影響具有較高的可靠性。為了提升數(shù)據(jù)質(zhì)量，在剔除缺失值后，本文篩選出7420個有效樣本，采用Stata15對數(shù)據(jù)進行分析。

1.2 變量選取

1.2.1 被解釋變量

本研究的被解釋變量為“是否非農(nóng)就業(yè)”，該變量為二值虛擬變量。采用CFPS數(shù)據(jù)中“過去12個月是否從事農(nóng)林漁牧”數(shù)據(jù)。

1.2.2 核心解釋變量

本研究的核心解釋變量為數(shù)字金融發(fā)展程度，直接采用2018年各省區(qū)數(shù)字普惠金融發(fā)展指數(shù)。為了研究數(shù)字普惠金融各分項指標對非農(nóng)就業(yè)的影響，本研究引入覆蓋廣度、使用深度以及數(shù)字化程度三個二級指標。

1.2.3 控制變量

本研究的控制變量涵蓋個人層面的年齡、性別、教育、健康、婚姻狀況、上網(wǎng)時間，家庭層面的家庭規(guī)模、人均收入，以及宏觀層面的區(qū)域地理位置。這些都是已有實證分析中常用的影響就業(yè)的因素。

1.3 模型構(gòu)建

本文研究重點是數(shù)字普惠金融對非農(nóng)就業(yè)的影響，鑒于被解釋變量“是否非農(nóng)就業(yè)”是二值變量，本文建立Probit回歸模型進行分析，在潛變量Y*框架下考察數(shù)字金融的影響。當Y*>0時，被解釋變量取值為1，否則為0。根據(jù)理論分析，本文確定了潛變量和基準模型的表達式[4]：

假設(shè)ε～N（0，1），則Y*服從正態(tài)分布。Y*是在研究過程中無法直接觀測但可間接推斷的潛變量，此處代表非農(nóng)就業(yè)傾向。Xi、Xj分別代表與數(shù)字普惠金融相關(guān)的核心解釋變量與各控制變量。ɑi、βj為各變量所對應(yīng)的回歸系數(shù)。

2 實證結(jié)果與分析

2.1 描述性統(tǒng)計

使用Stata15對各變量進行描述性統(tǒng)計，各變量的取值、標準差均在正常區(qū)間。

2.2 基準回歸模型

表2展示了Probit模型的回歸結(jié)果。回歸結(jié)果表明，數(shù)字普惠金融對非農(nóng)就業(yè)有顯著的正向影響。一方面數(shù)字金融的發(fā)展降低了金融機構(gòu)獲取信息的交易成本，緩解信息不對稱程度，金融弱勢群體得以以合理價格為盈利性項目融資;另一方面數(shù)字金融也豐富了就業(yè)形式，在助推居民自我雇傭的同時，也在一定程度上為他人創(chuàng)造了更多的就業(yè)機會。此外，觀察控制變量可以發(fā)現(xiàn)人均收入和受教育程度對非農(nóng)就業(yè)產(chǎn)生顯著的促進作用，而性別、家庭規(guī)模和地理位置則會顯著抑制非農(nóng)就業(yè)。

2.3 穩(wěn)健性檢驗

由于數(shù)字普惠金融發(fā)展指數(shù)屬于一級指標，為了保證實證結(jié)果的穩(wěn)健性，本研究一方面進一步使用覆蓋廣度、使用深度以及數(shù)字化程度三個二級指標考察數(shù)字普惠金融對非農(nóng)就業(yè)的影響;另一方面運用Logit模型替代Probit模型進行回歸。二級指標及Logit模型回歸結(jié)果均顯示，數(shù)字普惠金融對非農(nóng)就業(yè)依然存在顯著的正向作用。雖然在三個分指標層面，其對非農(nóng)就業(yè)促進作用強度不一：數(shù)字化程度促進作用最強，覆蓋廣度次之，使用深度最弱，但都與基準回歸模型結(jié)論一致。綜上，本文的實證結(jié)論較為穩(wěn)健。

2.4 異質(zhì)性分析

由于傳統(tǒng)非農(nóng)就業(yè)在性別與地理位置層面呈現(xiàn)分化趨勢，本研究想要探究數(shù)字普惠金融對非農(nóng)就業(yè)的影響會不會也呈現(xiàn)性別與地理位置的異質(zhì)性。所以本研究進一步將樣本劃分為男、女，以及東、中、西分樣本，再單獨進行回歸分析?；貧w結(jié)果顯示，數(shù)字普惠金融顯著促進男性與女性的非農(nóng)就業(yè)，但男性非農(nóng)就業(yè)對數(shù)字金融的發(fā)展更為敏感。一個可能的解釋是，雖然社會觀念已經(jīng)發(fā)生極大轉(zhuǎn)變，但女性在就業(yè)中的弱勢地位并未徹底扭轉(zhuǎn)。而在宏觀地理層面，回歸結(jié)果表明，數(shù)字普惠金融對東部、西部地區(qū)的非農(nóng)就業(yè)有顯著的正向影響。之所以出現(xiàn)這樣的結(jié)果，是因為東部地區(qū)經(jīng)濟基礎(chǔ)好，數(shù)字經(jīng)濟能快速發(fā)展;西部地區(qū)由于受困于傳統(tǒng)金融高門檻的限制，經(jīng)濟起點低，數(shù)字經(jīng)濟的邊際效應(yīng)大。

3 結(jié)語

本文基于probit模型對數(shù)字普惠金融指數(shù)與中國家庭跟蹤調(diào)查數(shù)據(jù)（CFPS）進行回歸分析，實證檢驗了數(shù)字金融對非農(nóng)就業(yè)的影響，得出以下三點結(jié)論：第一，數(shù)字金融確實彌補了傳統(tǒng)金融高門檻的不足，顯著促進了非農(nóng)就業(yè);第二，數(shù)字普惠金融三個分指標分別對非農(nóng)就業(yè)有著顯著的正向作用，數(shù)字化程度促進作用最強，覆蓋廣度次之，使用深度最弱;第三，數(shù)字普惠金融對非農(nóng)就業(yè)的影響存在性別及地理上的異質(zhì)性，對男性的促進作用更明顯，對東部與西部的正向作用更大。

探究數(shù)字普惠金融對非農(nóng)就業(yè)的影響，無論在學術(shù)研究還是政策制定上都具有重要意義。本文的實證研究結(jié)果為政府制定政策提供了以上幾點思路：第一，政府應(yīng)進一步推動數(shù)字金融的發(fā)展，通過優(yōu)化基礎(chǔ)設(shè)施等途徑，提高數(shù)字金融覆蓋廣度、使用深度及數(shù)字化程度，使數(shù)字金融與傳統(tǒng)金融相互補充，更好地發(fā)揮其在促進非農(nóng)就業(yè)方面的積極作用;第二，政府應(yīng)關(guān)注數(shù)字普惠金融對非農(nóng)就業(yè)在性別以及地理方面的異質(zhì)性影響，引導相對弱勢群體的金融及互聯(lián)網(wǎng)教育，使數(shù)字金融能夠發(fā)揮更大的作用，惠及全體人民;第三，數(shù)字金融快速發(fā)展的同時，政府也應(yīng)加強對數(shù)字金融的監(jiān)管，完善相關(guān)法律，提高準入門檻，使其有序、健康地發(fā)展。

參考文獻

何婧，李慶海.數(shù)字金融使用與農(nóng)戶創(chuàng)業(yè)行為[J].中國農(nóng)村經(jīng)濟，2019（1）.

星焱.農(nóng)村數(shù)字普惠金融的“紅利”與“鴻溝”[J].經(jīng)濟學家，2021（2）：102-111.

韓俊.農(nóng)村新產(chǎn)業(yè)新業(yè)態(tài)的發(fā)展[J].中國金融，2017（3）：19-21.

謝文武，汪濤，俞佳根.數(shù)字普惠金融是否促進了農(nóng)村創(chuàng)業(yè)？[J].金融理論與實踐，2020（8）：111-118.

Abstract： This paper constructs a Probit Model based on the Digital Financial Inclusive Index and China Family Tracking Survey Data （CFPS） to empirically test the impact of digital financial inclusion on non-agricultural employment. Research shows that： first， digital financial inclusion has made up for the shortcomings of traditional financial high thresholds， and has significantly promoted non-agricultural employment; second， the three sub-indicators of digital financial inclusion have had a significant positive effect on non-agricultural employment， the degree of digitalization has the greatest effect， followed by the breadth of coverage and the depth of use.

Third， the impact of digital financial inclusion on non-agricultural employment is gender and geographic heterogeneity， and the promotion effect on men is more obvious. The positive effect with the west is even greater. Third， the impact of digital financial inclusion on non-agricultural employment is heterogeneous in terms of gender and geography. The promotion effect on men is more obvious， and the positive effect on the east and west is greater.

Keywords： digital finance; breadth of coverage; depth of use; non-agricultural employment， heterogeneity analysis