隨著我國城市化和工業(yè)化進程的加快,農(nóng)村人口在城鄉(xiāng)之間的轉(zhuǎn)移愈加頻繁,形成了農(nóng)民工這一帶有濃厚中國特色的群體。截至2020年,我國外出農(nóng)民工數(shù)量高達2.86億人,約占總?cè)丝诘?0.28%。伴隨著規(guī)模龐大的農(nóng)民工流動,貧困也進行著鄉(xiāng)城轉(zhuǎn)移,農(nóng)民工貧困已成為城市貧困的重要組成部分
。農(nóng)民工的貧困治理不僅可以改善其福利狀況,促進社會和諧穩(wěn)定,還能加快資金、技術(shù)和人力資本向農(nóng)村回流,彌補城鄉(xiāng)發(fā)展短板,從而更好地實現(xiàn)穩(wěn)定脫貧。由于成長環(huán)境的不同,新生代農(nóng)民工(下文簡稱新農(nóng)民工)與老一代農(nóng)民工(下文簡稱老農(nóng)民工)在文化觀念和行為模式等方面存在明顯差異,代際差異已成為農(nóng)民工研究的新視角。目前,我國扶貧事業(yè)的重心已從解決絕對貧困轉(zhuǎn)變?yōu)榫徑庀鄬ω毨?,衡量貧困的標準也由單一收入標準轉(zhuǎn)變?yōu)槎嗑S貧困標準。在我國新階段的扶貧工作中,普惠金融以其“普惠性”成為反貧困領(lǐng)域的研究熱點。然而,傳統(tǒng)普惠金融存在商業(yè)成本高、難以持續(xù)以及“最后一公里”難以打通等問題
,以新興數(shù)字技術(shù)為依托的數(shù)字普惠金融能夠惠及被傳統(tǒng)普惠金融排斥的農(nóng)民工群體,使其能通過提升自我發(fā)展能力實現(xiàn)脫貧致富。因此,研究增強貧困群體能力的數(shù)字普惠金融發(fā)展,探索其對新老農(nóng)民工多維貧困的影響,建立相對貧困數(shù)字治理的長效機制,有助于為新時期反貧困理論和實踐提供新的思路。
農(nóng)民工的貧困測度研究從定性描述發(fā)展為定量測度,測度方法以AF雙界限法為主。在測量維度方面,Sen(1999)提出了可行能力理論,認為貧困問題的根源在于人們被剝奪了包括收入、教育和健康等多方面的可行能力
。王小林和馮賀霞(2020)借鑒典型國家的經(jīng)驗提出2020年后中國貧困治理應采用多維貧困標準
。測度和評估農(nóng)民工多維貧困的目的在于分析其背后的貧困成因,進而為改善農(nóng)民工的福利狀況提供政策參考。目前主流觀點認為農(nóng)民工自身人力資本的缺乏
、外部社會環(huán)境
以及制度改革的滯后
是造成農(nóng)民工貧困的重要原因。隨著研究的深入,農(nóng)民工群體的內(nèi)部差異開始受到極大關(guān)注。彭繼權(quán)等(2019)認為農(nóng)民工的相對貧困存在明顯的代際差異,代際歧視是造成農(nóng)民工相對貧困差距擴大的主要原因
。王青和劉爍(2020)認為農(nóng)民工的多維貧困存在較為明顯的不平等現(xiàn)象,老農(nóng)民工的多維貧困程度高于新農(nóng)民工
。
數(shù)字普惠金融與減貧關(guān)系的研究起源于金融發(fā)展與減貧效應,而后逐漸發(fā)展為普惠金融與減貧,再到數(shù)字普惠金融與減貧及相對貧困。學術(shù)界對金融與減貧的關(guān)系研究尚無一致結(jié)論。陳斌開和林毅夫(2012)認為金融發(fā)展以其機會不均等抑制了貧困群體的收入增長,不利于貧困減緩
。蔡曉春和郭玉鑫(2018)提出金融發(fā)展與減貧效應之間存在非線性關(guān)系
。董曉林等(2021)認為金融服務參與對農(nóng)戶的收入能力、發(fā)展能力和居住環(huán)境均有積極影響,具有顯著的多維減貧效應
。
2005年聯(lián)合國提出普惠金融的概念,學術(shù)界開始對普惠金融與減貧的關(guān)系展開研究。邵漢華和王凱月(2017)發(fā)現(xiàn)普惠金融對相對貧困的作用效果不如絕對貧困,但都在一定程度上發(fā)揮了減緩作用
。張棟浩等(2020)構(gòu)建了農(nóng)村金融普惠指數(shù),實證檢驗了普惠金融發(fā)展能夠有效緩解農(nóng)村家庭的多維貧困
。部分學者認為金融排斥加深了家庭多維貧困程度
,而普惠金融的發(fā)展通過提供正規(guī)信貸從而改善了家庭教育、健康和生活質(zhì)量等方面的貧困狀況
。
近年來,數(shù)字普惠金融對減貧及改善相對貧困的研究成為熱點,學者們普遍認為數(shù)字普惠金融降低了金融門檻,發(fā)揮了金融服務的普惠性,優(yōu)化了金融資源的配置效率,有利于減貧或改善相對貧困
。但仍有部分學者發(fā)現(xiàn)數(shù)字鴻溝的存在使得數(shù)字普惠金融改善相對貧困具有數(shù)字陷阱,可能會提升居民貧困發(fā)生率,加深居民多維貧困程度
。曾福生和鄭洲舟(2021)通過實證分析發(fā)現(xiàn)數(shù)字普惠金融對農(nóng)村地區(qū)的消費貧困、收入貧困具有非線性影響,減緩作用顯著
。
通過文獻梳理發(fā)現(xiàn),已有研究為本文提供了有益參考,但仍值得進一步探究:一方面,已有文獻關(guān)于數(shù)字普惠金融與多維貧困的研究十分有限,微觀層面的個體差異研究更為匱乏,尤其忽視了農(nóng)民工這一規(guī)模龐大的“隱性貧困”群體;另一方面,不同地區(qū)群體的相對貧困特征與其地理位置、資源稟賦密切相關(guān)
,這可能導致數(shù)字普惠金融與減貧的關(guān)系存在區(qū)域異質(zhì)性
。既有文獻探討數(shù)字普惠金融對相對貧困的影響多以傳統(tǒng)計量模型為主
,忽視了事物之間的空間關(guān)聯(lián)性。據(jù)此,本文擬在從代際視角出發(fā)測度新老農(nóng)民工多維貧困的基礎(chǔ)上,運用空間杜賓模型和面板門檻模型分析我國數(shù)字普惠金融發(fā)展對新老農(nóng)民工多維貧困的減緩效應,并進一步選用就業(yè)機會為中介變量,利用中介效應模型定量分析數(shù)字普惠金融緩解新老農(nóng)民工多維貧困的機制,以期為改善農(nóng)民工的福利狀況和實現(xiàn)高質(zhì)量發(fā)展提供政策參考。
1.數(shù)字普惠金融對農(nóng)民工多維貧困的影響。數(shù)字普惠金融作為數(shù)字經(jīng)濟時代的金融科技產(chǎn)物,以新興數(shù)字技術(shù)為依托,降低了交易雙方的成本,打破了傳統(tǒng)金融機構(gòu)的“二八法則”和“最后一公里”條件限制,持續(xù)為包括農(nóng)民工在內(nèi)的“長尾群體”提供廣覆蓋、低成本、高效率的金融服務,降低了貧困脆弱性
。此外,相對貧困的治理更注重貧困群體的自身造血能力,數(shù)字普惠金融以其金融資源的可獲得性和支付便利性
為農(nóng)民工提供與城市居民同等的信貸、儲蓄、保險等金融服務,普及金融知識
,滿足金融需求,拓寬就業(yè)創(chuàng)業(yè)機會,提升自我發(fā)展的能力,從而實現(xiàn)多維貧困的緩解。然而,由于新老農(nóng)民工在教育水平、思想觀念等方面的不同,數(shù)字普惠金融對新老農(nóng)民工多維貧困的緩解效果可能存在一定差異。因此,本文提出如下假設(shè):
H1:數(shù)字普惠金融對新老農(nóng)民工多維貧困均具有減緩作用,且存在代際差異。
2.數(shù)字普惠金融減緩農(nóng)民工多維貧困的機制。數(shù)字普惠金融能夠促進農(nóng)民工就業(yè)機會的增加。一方面,數(shù)字普惠金融能夠降低企業(yè)融資成本,提高資源配置效率
,帶動實體經(jīng)濟發(fā)展,從而增加企業(yè)的勞動力需求。數(shù)字普惠金融還可以推動以電商平臺為基點的就業(yè)形式的創(chuàng)新,增加農(nóng)民工就業(yè)選擇。另一方面,依托互聯(lián)網(wǎng)技術(shù)的數(shù)字普惠金融可以緩解農(nóng)民工的信息不對稱,使他們能夠及時高效地了解國家政策和就業(yè)市場動態(tài),從而提高就業(yè)可能。此外,數(shù)字普惠金融的發(fā)展提高了農(nóng)民工對互聯(lián)網(wǎng)和數(shù)字技能學習的能力,減少其因自身勞動技能與目標崗位需求不匹配所造成的結(jié)構(gòu)性失業(yè),同時減少長期滯留于次級勞動市場,從事勞動強度大、工作時間長的體力勞動。農(nóng)民工就業(yè)機會的增加能夠賦予農(nóng)民工更多發(fā)展的可能,激發(fā)其生產(chǎn)發(fā)展和脫貧致富的內(nèi)生動力,最終達到農(nóng)民工群體在收入、就業(yè)和健康等多方面改善的目的。基于上述分析,本文提出如下假設(shè):
H2:數(shù)字普惠金融通過增加農(nóng)民工的就業(yè)機會緩解其多維貧困。
例如,學習《雷雨》一文時,我就布置學生在課下查閱相關(guān)資料,了解曹禺所生活的20世紀二三十年代中國的社會狀況。學生通過查閱相關(guān)資料了解到,當時一方面是南京國民政府快速發(fā)展的黃金10年,一方面是社會階層急劇分化的時代,這一復雜的社會現(xiàn)實直接影響了曹禺《雷雨》的創(chuàng)作。了解這些時代背景就為學生理解《雷雨》的整體內(nèi)容奠定了基礎(chǔ)。
3.數(shù)字普惠金融對農(nóng)民工多維貧困的門檻效應。金融發(fā)展促進地區(qū)經(jīng)濟發(fā)展,從而提升流入地城市農(nóng)民工的收入,這是金融緩解貧困的主要路徑
。當經(jīng)濟發(fā)展水平較低時,因數(shù)字普惠金融產(chǎn)生的產(chǎn)業(yè)投資領(lǐng)域只能吸收部分群體就業(yè),工資性收入增長主要惠及其中收入水平較高的群體,導致就業(yè)群體間的激烈競爭
。農(nóng)民工群體受教育程度不高、社會資源較少,處于就業(yè)競爭的劣勢地位,使得數(shù)字普惠金融對農(nóng)民工多維貧困的緩解作用有限。隨著地區(qū)經(jīng)濟發(fā)展水平的提高,流入地城市產(chǎn)業(yè)結(jié)構(gòu)升級、就業(yè)機會增加、社會保障完善,改善了農(nóng)民工在城市的教育、生活、醫(yī)療、就業(yè)和創(chuàng)業(yè)等條件,帶動其收入水平的提高,增強其消費和投資的信心和能力,從而改善多維貧困。據(jù)此,本文提出如下假設(shè):
H3:數(shù)字普惠金融在緩解農(nóng)民工多維貧困時存在經(jīng)濟發(fā)展“門檻”。
本文的微觀數(shù)據(jù)來源于2014—2017年全國流動人口動態(tài)監(jiān)測調(diào)查數(shù)據(jù),研究對象為農(nóng)民工群體。根據(jù)喻林和唐健飛(2014)的定義,農(nóng)民工是指具有農(nóng)業(yè)戶口、遠離戶籍地、在城市中從事非農(nóng)工作并居住生活6個月及以上的群體
,因此篩選戶口性質(zhì)為“農(nóng)業(yè)”、本次流動原因為“務工/工作”、本次流動時間在半年以上的樣本。為了體現(xiàn)新老兩代農(nóng)民工樣本組在年齡結(jié)構(gòu)上的可比性,僅保留農(nóng)民工勞動年齡段的樣本數(shù)據(jù)。參考蔣南平和鄭萬軍(2017),將農(nóng)民工按照1980年出生為界線分為新老農(nóng)民工
。在此基礎(chǔ)上,剔除收入、教育、就業(yè)、健康和生活維度指標存在缺失值的樣本。本文的宏觀數(shù)據(jù)來自北京大學數(shù)字普惠金融指數(shù)
和《中國統(tǒng)計年鑒》。將宏觀和微觀數(shù)據(jù)按照省份(港澳臺地區(qū)、西藏自治區(qū)除外)合并,最終得到2014—2017年中國30個省份的農(nóng)民工樣本數(shù)據(jù)。農(nóng)民工樣本分布如表1所示。
3.老師所講的導入新課藝術(shù)、課堂講授藝術(shù)(特別是教師語言藝術(shù))、組織教學藝術(shù)、課堂板書藝術(shù)、教學總結(jié)街藝術(shù),對此感悟頗多,我認為一個好的優(yōu)秀的一流的課堂應該具有一流的理念、一流的分析、一流的表達、一流的組織、、一流的課件即“五個一”,老師所講授的教學內(nèi)容應具備知識性、思想性、趣味性、邏輯性即“四性”,讓我們的教育教學內(nèi)容在學生那里入頭、入腦、入心,最終促成重大轉(zhuǎn)變:教材體系——(教育者)教學體系——(內(nèi)化受教育者)價值體系——(外化)實踐體系
但我可以對天發(fā)誓,我腦子從來沒有進水;不但沒有進過水,連空氣都沒有進過。這就是我的思維方式。雖說作家二字我是萬萬不敢當?shù)?,但畢竟我現(xiàn)在還寫小說吧,好歹也算個文學愛好者不是,有點兒異于常人的思維方式也是可以理解的嗎??偸窍矚g對一些感興趣的事浮想聯(lián)翩。
財務預算是指企業(yè)根據(jù)自身的實際情況,以其戰(zhàn)略目標為核心,對未來一定時期年內(nèi)的各項資金的投入和支出進行預測。所謂財務預算管理是指企業(yè)在一定的經(jīng)營目前下,對其自身的經(jīng)營管理活動以及投融資活動進行協(xié)調(diào)和規(guī)劃的一種財務管理活動。國企的財務預算指的是對企業(yè)某個階段的經(jīng)營活動的分析總結(jié),于科學生產(chǎn)經(jīng)營預算和決策基礎(chǔ),用多種形態(tài)來真實反映企業(yè)未來的規(guī)劃投資。
3.中介變量:就業(yè)機會。參考蔡昉(2004)的做法,以各省份就業(yè)率表示就業(yè)機會
,計算方法為個體就業(yè)人口/總?cè)丝凇?/p>
4.門檻變量:地區(qū)經(jīng)濟發(fā)展水平。采用人均GDP的對數(shù)來度量流入地省份的經(jīng)濟發(fā)展水平,從個體層面消除人口總量和地區(qū)規(guī)模對經(jīng)濟發(fā)展的影響。
5.控制變量??紤]到影響農(nóng)民工多維貧困的因素復雜多樣,本文基于以往研究并根據(jù)數(shù)據(jù)的可獲性,選取新老農(nóng)民工的性別、婚姻狀況、流動范圍、健康立檔率等變量。
變量含義與描述性統(tǒng)計見表3。
2.核心解釋變量:數(shù)字普惠金融。選用北京大學數(shù)字普惠金融研究中心的“數(shù)字普惠金融指數(shù)”來衡量各省份數(shù)字普惠金融發(fā)展水平,該指數(shù)從數(shù)字普惠金融的覆蓋廣度、使用深度和數(shù)字化程度三個方面測度了我國數(shù)字普惠金融的發(fā)展狀況
。
式中:f為Pb2+的去除率(%);C0為吸附前水中Pb2+的濃度(mg/L),Ce為吸附后水中Pb2+的濃度(mg/L)。
=
+
+
+
根據(jù)上述檢驗,本文對新老農(nóng)民工均采用時間固定效應空間杜賓模型進行解釋,設(shè)定如下:
=
+
+
+
(
+
)+
+
(1)
弓形蟲是一種特殊的寄生性生物(原蟲),寄生在細胞核中,形體很小,肉眼看不見,結(jié)構(gòu)也很簡單,但可作為病原體導致傳染病。弓形蟲的生活史中可出現(xiàn)5種不同形態(tài),即滋養(yǎng)體、包囊、裂殖體、配子體和囊合子(卵囊)。包括人在內(nèi)的各種恒溫動物,如貓、狗、牛、羊、豬和鳥類等均有可能感染弓形蟲。感染后,弓形蟲寄生在肌肉和內(nèi)臟中,但貓(或許還包括其他貓科動物)比較特殊,可以從糞便排出弓形蟲囊合子,成為重要的傳染源。
(2)
其中,
和
表示省份,
表示年份,
為新老農(nóng)民工的多維貧困指數(shù),
為數(shù)字普惠金融指數(shù),
為一系列解釋變量,
為空間自回歸系數(shù),
和
分別表示本地區(qū)相關(guān)變量對農(nóng)民工多維貧困影響的程度和方向,
和
分別表示鄰近地區(qū)相關(guān)變量對本地區(qū)農(nóng)民工多維貧困影響的程度和方向,
為時間固定效應,
為空間權(quán)重矩陣,
為擾動項空間權(quán)重矩陣,
和
為誤差向量,
~
(0,
)??紤]到空間計量模型的穩(wěn)健性,本文選擇遵循相鄰規(guī)則的0-1鄰接權(quán)重矩陣和經(jīng)濟距離權(quán)重矩陣進行檢驗,兩種空間權(quán)重矩陣的設(shè)定如下:
1.被解釋變量:多維貧困。本文衡量農(nóng)民工多維貧困的指標參考全球多維貧困指數(shù)MPI的指標體系,該體系包括教育、健康和生活三個維度。在此基礎(chǔ)上,結(jié)合國內(nèi)外學者的經(jīng)驗與農(nóng)民工的實際情況,本文增加了收入和就業(yè)兩個維度。收入是維持農(nóng)民工城市生活的物質(zhì)基礎(chǔ),是識別農(nóng)民工與其他群體相比是否處于貧困狀態(tài)的重要標志。考慮到農(nóng)民工這一群體進城務工的特殊性,他們在城市就業(yè)方面的表現(xiàn)也能體現(xiàn)出其生活水平。因此,最終確定了包含5個維度、8個指標的多維貧困測度指標體系,具體如表2所示。需要說明的是,本文的測度對象為農(nóng)民工個體,而非家庭;識別農(nóng)民工多維貧困的標準是城鎮(zhèn)居民,以更加清晰地展示農(nóng)民工在城市中的相對貧困狀況
。
(3)
(4)
=
+
在系統(tǒng)設(shè)計的過程中,管路的布置忽略房間中實際墻體走向,方便系統(tǒng)實際計算,但與實際情況有偏差?;诤喕驜IM模型中各樓層墻體坐標的定位,通過定點尋路的優(yōu)化算法,確定每一段管路節(jié)點坐標,完成同一樓層中同一分區(qū)的管路布置。除此之外,針對機房(默認機房位置已知)中的設(shè)備也做進一步坐標定位,從系統(tǒng)圖中的物理關(guān)聯(lián)上升為實際工程中的位置關(guān)聯(lián)。
對于局部地區(qū)的空間自相關(guān)現(xiàn)象,本文基于莫蘭指數(shù),利用集聚分布圖進行分析
。2014年北京為新老農(nóng)民工多維貧困的“低—高”集聚地區(qū),該地區(qū)農(nóng)民工的多維貧困程度較低,且被周圍高貧困的省份包圍。河北和山西的老農(nóng)民工多維貧困程度明顯高于新農(nóng)民工,表現(xiàn)為“高—高”集聚?!暗汀汀奔鄯植荚趶V東,這一區(qū)域及其相鄰地區(qū)整體多維貧困程度較低。2017年出現(xiàn)了從之前的不顯著地區(qū)到“高—高”集聚地區(qū)的情況,說明農(nóng)民工多維貧困的空間集聚性有所增強。具體來看,“高—高”集聚主要分布在我國北方地區(qū),包括山西、內(nèi)蒙古、寧夏、甘肅、陜西和東北三省,這類地區(qū)的經(jīng)濟發(fā)展水平低于發(fā)達地區(qū),既難以從其他地區(qū)獲得溢出效應,也無法形成有效的溢出效應,因而表現(xiàn)為多維貧困程度高的省份被同樣高貧困的省份包圍。
接下來考察新老兩代農(nóng)民工多維貧困的空間相關(guān)性。莫蘭指數(shù)是目前常用的空間自相關(guān)指標,取值范圍為[-1,1],絕對值越大表示空間集聚效果越強。表6為2014—2017年新老農(nóng)民工多維貧困空間相關(guān)性的檢驗結(jié)果。由表6可知,2014年新老農(nóng)民工的莫蘭指數(shù)不顯著,但樣本期間總體上不同省份之間存在顯著的空間正相關(guān)性,說明我國新老農(nóng)民工的多維貧困在空間分布上趨于集聚,證實本文采用空間計量方法的合理性。另外,新老農(nóng)民工多維貧困的空間相關(guān)性波動上升。
本文采用Alkire和Foster(2011)提出的AF雙界限法來測度新老農(nóng)民工的多維貧困
。在AF雙界限法下,第二層界限中貧困臨界值
的設(shè)定至關(guān)重要。參考Mitra和Posarac(2013)
的研究,本文將
=0.4作為界限測算2014—2017年新老農(nóng)民工的多維貧困發(fā)生率
、平均剝奪份額
以及多維貧困指數(shù)
,測算結(jié)果如表5所示。由表5可見,我國各地區(qū)農(nóng)民工整體的多維貧困程度不高。從代際差異來看,新農(nóng)民工各指標始終低于老農(nóng)民工,說明老農(nóng)民工多維貧困的廣度、強度和深度都更高。從區(qū)域差異來看,2014年東部地區(qū)農(nóng)民工的多維貧困指數(shù)最高,為5.05%,其次是西部地區(qū)4.89%,中部地區(qū)4.81%,東北地區(qū)4.47%;2017年,農(nóng)民工整體的多維貧困發(fā)生率
呈東—中—西—東北的梯度遞增趨勢,平均剝奪份額
也相應遞增,多維貧困指數(shù)
綜合兩者變化最終呈現(xiàn)同樣的梯度遞增趨勢,可見我國農(nóng)民工多維貧困的重心由東部地區(qū)向中西部地區(qū)轉(zhuǎn)移。此外,四大地區(qū)之間的多維貧困差距呈現(xiàn)出先擴大再縮小的態(tài)勢,農(nóng)民工的多維貧困開始趨于地域均衡。從年份變動來看,新老農(nóng)民工的多維貧困隨時間推移都有所改善。
(2)濃鹽酸易揮發(fā),反應制取的氯氣中含有HCl,裝置B中飽和食鹽水的作用是除去Cl2中的HCl;若裝置C發(fā)生堵塞,裝置B中的壓強會增大,長頸漏斗中液面上升,形成水柱。
由空間相關(guān)性分析可知,空間地理因素是影響新老兩代農(nóng)民工多維貧困的重要因素,農(nóng)民工所處的地理位置不同,多維貧困程度也有差異。2014年新老農(nóng)民工多維貧困的顯著區(qū)域呈現(xiàn)點狀分散式分布特征,2017年呈現(xiàn)集中連片式分布的空間格局,農(nóng)民工多維貧困的空間集聚性有所增強。
由于空間杜賓模型同時包括因變量和自變量的空間滯后項,自變量的空間滯后項還會影響反饋效應,因此空間杜賓模型的估計系數(shù)僅在方向和顯著性上有效。為此,本文參考 Lesage(2008)
提出的偏微分方法對空間效應進行分解,分解結(jié)果如表7所示。由表7結(jié)果可知,新老農(nóng)民工數(shù)字普惠金融的直接效應、間接效應和總效應系數(shù)至少在5%的水平上均顯著為負,說明數(shù)字普惠金融的發(fā)展會顯著緩解本省份和鄰近省份新老農(nóng)民工的多維貧困,原因可能在于數(shù)字普惠金融會加快區(qū)域間要素流動,帶動鄰近地區(qū)數(shù)字普惠金融的發(fā)展,從而改善鄰近地區(qū)農(nóng)民工的多維貧困狀況。此外,數(shù)字普惠金融對老農(nóng)民工和新農(nóng)民工的直接效應分別為-0.034和-0.014,說明數(shù)字普惠金融每增加1%,本地區(qū)老農(nóng)民工多維貧困指數(shù)平均降低0.034個單位,新農(nóng)民工平均降低0.014個單位,證明數(shù)字普惠金融的發(fā)展對老農(nóng)民工多維貧困的減緩作用更大。由此,驗證了本文的假設(shè)1。
選取的總計225所國內(nèi)外高校官網(wǎng)的語種數(shù)量從一種語言到十幾種語種不等,但整體來說,從實用性角度出發(fā)無論是國內(nèi)還是國外高校,高校網(wǎng)站語種數(shù)量多集中為1-3種,只有少量高校網(wǎng)站會涉及3種以上語言;不同點在于多語網(wǎng)站建設(shè)的原因,國內(nèi)高校多是出于與特定學校進行國際交流合作的需要或是語言類學校展示學術(shù)水平的需要,而國外高校建設(shè)多語網(wǎng)站的原因很多是本國復雜的語言使用情況。
從控制變量來看,新農(nóng)民工的性別和婚姻狀況對其多維貧困均有顯著影響,男性、已婚的更容易陷入多維貧困狀況。省內(nèi)流動、在本地參與健康立檔能夠減緩農(nóng)民工的多維貧困。跨省流動不僅流動成本高,還需重構(gòu)社會網(wǎng)絡(luò),在社會保障方面可能還會受到排斥
,導致農(nóng)民工多維貧困的加深。健康始終是農(nóng)民工這一弱勢群體的基本需求,健康立檔是其融入當?shù)?、?guī)避風險的重要依托。老農(nóng)民工在本地健康立檔的間接效應在5%的水平上顯著,說明鄰近地區(qū)老農(nóng)民工的健康立檔率具有顯著的空間溢出效應,鄰近地區(qū)健康立檔率提高的示范效應會反饋到本地區(qū),促進本地區(qū)健康立檔的推廣,從而影響老農(nóng)民工的多維貧困程度。
本文采用以下兩種方法進行穩(wěn)健性檢驗:第一,更換空間權(quán)重進行兩者關(guān)系的檢驗。參照林光平等(2006)
的做法,引入空間經(jīng)濟權(quán)重矩陣替代上文的一階鄰接權(quán)重矩陣。第二,替換因變量進行兩者關(guān)系的檢驗。郭峰等(2020)認為數(shù)字金融覆蓋廣度和使用深度是衡量數(shù)字普惠金融的重要維度
,本文采用這兩個維度來替換數(shù)字普惠金融指數(shù)進行穩(wěn)健性檢驗。由表8結(jié)果可知,更換空間權(quán)重和因變量后,數(shù)字普惠金融與新老農(nóng)民工多維貧困的系數(shù)仍然顯著為負,并存在代際差異,結(jié)論與前文一致,證實了本文結(jié)論的穩(wěn)健性。
根據(jù)理論分析,數(shù)字普惠金融對新老農(nóng)民工多維貧困的影響可能通過提高就業(yè)機會發(fā)揮作用。據(jù)此,本文以流入省份的就業(yè)機會為中介變量,采用中介效應模型進一步檢驗數(shù)字普惠金融對新老農(nóng)民工多維貧困影響的機制。參考既有文獻關(guān)于中介效應的檢驗方法,構(gòu)建如下中介效應模型:
另外,智慧課堂可以利用信息技術(shù)全程遠程直播與錄播課堂教學過程,一是可以實現(xiàn)課堂教學過程的再現(xiàn),二是使因為特殊情況不能上課的學生,可以通過PC或移動終端隨時隨地進行學習,做到“人人皆學、處處能學、時時可學”。
=
+
+
+
(5)
空間計量模型主要包括空間自回歸模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)。對于模型的選擇,本文參考Elhorst(2014)
的方法,基于混合最小二乘回歸確定模型中空間效應的具體形式,檢驗結(jié)果如表4所示。
(6)
=
+
+
+
+
(7)
其中,
為就業(yè)機會,
為常數(shù),
、
、
為待估參數(shù),其他變量含義同式(1)。
按照分步檢驗的思路,表9中第(1)、(4)列符號均顯著為負,表明數(shù)字普惠金融對新老農(nóng)民工多維貧困的減緩作用均顯著。第(2)、(5)列符號均顯著為正,說明數(shù)字普惠金融的發(fā)展能夠增加農(nóng)民工流入省份的就業(yè)機會。第(3)、(6)列結(jié)果顯示,加入中介變量就業(yè)機會后,減緩作用依舊顯著,且老農(nóng)民工的就業(yè)機會在數(shù)字普惠金融緩解多維貧困中的貢獻為0.0510×(-0.1081)/(-0.0772)=7.14%,而新農(nóng)民工就業(yè)機會作為中介變量的貢獻為0.0524×(-0.0728)/(-0.0150)=25.43%,說明就業(yè)機會作為數(shù)字普惠金融緩解農(nóng)民工多維貧困作用的中介效應存在代際差異,且對新農(nóng)民工的促進作用高于老農(nóng)民工。此外,Sobel檢驗都在5%的顯著性水平上拒絕原假設(shè),可見數(shù)字普惠金融可以通過增加就業(yè)機會來緩解新老農(nóng)民工的多維貧困,本文的假設(shè)2得到驗證。
參考Hansen(1999)
提出的面板門檻模型,本文對數(shù)字普惠金融與新老農(nóng)民工多維貧困之間可能存在的非線性關(guān)系進行研究。其基本表達形式為:
=
+
(ln
≤
)+
(
≤ )+… + ( -1 ≤ )+ +1 (ln > )+ + (8) 其中,ln 為門檻變量, 為特定門檻值, ()為指示函數(shù),面板門檻模型由此可轉(zhuǎn)化為分段函數(shù)模型。 、 為待估參數(shù),其他變量含義同式(1)。 不同氮肥配施對墾鑒稻6號生長發(fā)育及產(chǎn)量的影響…………………………………………………… 張秀順,鮑紅春,錢永德(62) 三是重點工作要加快推進落實。要對照年度目標,堅持問題導向、目標導向來推進各項工作,特別是批而未供和閑置土地大清查大處置、鄉(xiāng)村全域土地綜合整治與生態(tài)修復等重點工作,要盯緊進度、加快完成。 經(jīng)檢驗 ,新老農(nóng)民工的面板門檻模型存在單一門檻,且單一門檻值均為10 9135。因此,本文將地區(qū)經(jīng)濟發(fā)展水平劃分為小于等于10 9135與大于10 9135兩個區(qū)間。表10匯報了以地區(qū)經(jīng)濟發(fā)展水平為門檻變量的面板門檻模型估計結(jié)果。由表10結(jié)果可知,當ln ≤10 9135時,數(shù)字普惠金融發(fā)展對新老農(nóng)民工的多維貧困具有減緩效應,作用系數(shù)分別為-0 0126和-0 0383。當ln 進一步提升并越過門檻值10 9135時,數(shù)字普惠金融對新老農(nóng)民工多維貧困的緩解作用增強,影響系數(shù)分別上升至-0 0164和-0 0438,說明數(shù)字普惠金融發(fā)展對新老農(nóng)民工多維貧困的影響具有明顯的門檻效應,即隨著地區(qū)經(jīng)濟發(fā)展水平的提高,數(shù)字普惠金融對新老農(nóng)民工多維貧困的減緩作用增強,驗證了本文的假設(shè)3。 本文基于2014—2017年全國流動人口動態(tài)監(jiān)測數(shù)據(jù),測算了新老兩代農(nóng)民工的多維貧困狀況,運用空間杜賓模型實證研究了數(shù)字普惠金融對新老農(nóng)民工多維貧困的減緩作用,并利用中介效應模型和面板門檻模型分別檢驗數(shù)字普惠金融對新老農(nóng)民工多維貧困的影響機制與非線性關(guān)系。研究發(fā)現(xiàn):第一,我國農(nóng)民工整體多維貧困程度并不高,且隨時間推移多維貧困程度有改善,但存在明顯的代際差異和地區(qū)差異,同時新老農(nóng)民工的多維貧困具有正向的空間集聚性,并隨時間推移波動上升;第二,數(shù)字普惠金融對新老農(nóng)民工多維貧困具有明顯的減緩作用,并且對老農(nóng)民工的減緩效果高于新農(nóng)民工;第三,數(shù)字普惠金融通過提升農(nóng)民工的就業(yè)機會來緩解其多維貧困,隨著地區(qū)經(jīng)濟發(fā)展水平的提高,數(shù)字普惠金融對新老農(nóng)民工多維貧困的緩解作用增強。 (6)可擴展性原則。運營在線監(jiān)測分析系統(tǒng)應采用柔性設(shè)計,具有良好的可擴展性,具備業(yè)務處理的靈活配置能力,能夠隨著運營在線監(jiān)測分析業(yè)務需求變化進行靈活調(diào)整與擴展,切實保障系統(tǒng)的科學性和有效性。 基于上述研究結(jié)論,建議從以下幾個方面著手緩解農(nóng)民工的多維貧困:第一,完善我國數(shù)字化建設(shè),充分發(fā)揮數(shù)字普惠金融在緩解農(nóng)民工多維貧困中的作用。在擴大數(shù)字普惠金融覆蓋范圍的同時,開展金融產(chǎn)品和服務創(chuàng)新,豐富對農(nóng)民工群體的服務內(nèi)容,滿足農(nóng)民工的金融需求,幫助農(nóng)民工脫貧增收。同時,針對不同群體的農(nóng)民工采取差異化策略,特別是加強對老農(nóng)民工數(shù)字普惠金融知識宣傳和教育力度,提高其數(shù)字普惠金融認知和金融素養(yǎng)。第二,在制定本地區(qū)的扶貧政策時,不僅要考慮本地區(qū)的致貧因素和扶貧措施,還需關(guān)注鄰近地區(qū)的情況,加強與相鄰地區(qū)的扶貧交流與合作,從而取得良好的規(guī)模效益。第三,將農(nóng)民工納入居民最低生活保障體系,落實農(nóng)民工就業(yè)特別是高質(zhì)量就業(yè)政策,解決農(nóng)民工在健康、就業(yè)等方面的多維貧困。第四,注重數(shù)字普惠金融對農(nóng)民工多維貧困的門檻效應,著力提高地區(qū)經(jīng)濟發(fā)展質(zhì)量,充分發(fā)揮數(shù)字普惠金融對農(nóng)民工多維貧困的加速性減緩作用。 [1] 左常升, 何曉軍, 王小林. 城鄉(xiāng)一體化與減貧[M]. 北京: 社會科學文獻出版社, 2015. [2] 焦瑾璞. 普惠金融導論[J]. 中國城市金融, 2019, (11): 80. [3] Sen A. Commodities and Capabilities[M]. London: Oxford University Press, 1999. [4] 王小林, 馮賀霞. 2020年后中國多維相對貧困標準: 國際經(jīng)驗與政策取向[J]. 中國農(nóng)村經(jīng)濟, 2020, (3): 2-21. [5] 葉普萬. 農(nóng)民工貧困的演變路徑與減貧戰(zhàn)略研究[J]. 學習與探索, 2013, (12): 111-116. [6] 王美艷. 農(nóng)民工的貧困狀況與影響因素——兼與城市居民比較[J]. 宏觀經(jīng)濟研究, 2014, (9): 3-16,26. [7] 葛笑如. 包容性增長視角下農(nóng)民工貧困問題再審視[J]. 大連理工大學學報(社會科學版), 2012, (4): 38-43. [8] 朱曉陽. 邊緣與貧困——貧困群體研究反思[M]. 北京: 社會科學文獻出版社, 2012. [9] 王曉東. 賦權(quán)增能視角下農(nóng)民工社會救助模式轉(zhuǎn)型——呼和浩特市個案研究[J]. 人口與發(fā)展, 2013, (6): 52-57,99. [10] 彭繼權(quán), 張利國, 陳蘇. 進城農(nóng)民工相對貧困的代際差異研究——基于RIF無條件分位數(shù)回歸分解法[J]. 財經(jīng)論叢, 2020, (9): 3-12. [11] 王青, 劉爍. 進城農(nóng)民工多維貧困測度及不平等程度分析——基于社會融合視角[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2020, (1): 83-101. [12] 陳斌開, 林毅夫. 金融抑制、產(chǎn)業(yè)結(jié)構(gòu)與收入分配[J]. 世界經(jīng)濟, 2012, (1): 3-23. [13] 蔡曉春, 郭玉鑫. 政府干預、金融發(fā)展對貧困減緩的影響分析——基于非線性交互效應動態(tài)面板模型[J]. 統(tǒng)計與信息論壇, 2018, (9): 36-43. [14] 董曉林, 吳以蠻, 熊健. 金融服務參與方式對農(nóng)戶多維相對貧困的影響[J]. 中國農(nóng)村觀察, 2021, (6): 47-64. [15] 邵漢華, 王凱月. 普惠金融的減貧效應及作用機制——基于跨國面板數(shù)據(jù)的實證分析[J]. 金融經(jīng)濟學研究, 2017, (6): 65-74. [16] 張棟浩, 尹志超, 隋鈺冰. 金融普惠可以提高減貧質(zhì)量嗎?——基于多維貧困的分析[J]. 南方經(jīng)濟, 2020, (10): 56-75. [17] 陳銀娥, 陳絮雯, 李莉. 金融排斥對家庭多維貧困的影響研究——基于CFPS的實證分析[J]. 福建論壇(人文社會科學版), 2021, (5): 118-129. [18] Marsden J., Nileshwar A. Financial Inclusion and Poverty Alleviation-A Metalevel Review of Impact and Outcome Assessments of Financial Inclusion Strategies on Clients in Poverty[J]. Journal of Social Bussiness, 2013,3(4): 56-82. [19] Shiller R. J. Reflections on Finance and the Good Society[J]. American Economic Review, 2013, (5): 402-405. [20] 董玉峰, 陳俊興, 杜崇東. 數(shù)字普惠金融減貧: 理論邏輯、模式構(gòu)建與推進路徑[J]. 南方金融, 2021, (2): 64-73. [21] 劉魏, 張應良, 王燕. 數(shù)字普惠金融發(fā)展緩解了相對貧困嗎?[J]. 經(jīng)濟管理, 2020, (7): 44-60. [22] 何宗樾, 張勛, 萬廣華. 數(shù)字金融、數(shù)字鴻溝與多維貧困[J]. 統(tǒng)計研究, 2020, (10): 79-89. [23] 謝升峰, 尤瑞, 汪樂樂. 數(shù)字普惠金融緩解農(nóng)村相對貧困的長尾效應測度[J]. 統(tǒng)計與決策, 2021, (5): 5-9. [24] 曾福生, 鄭洲舟. 多維視角下農(nóng)村數(shù)字普惠金融的減貧效應分析[J]. 農(nóng)村經(jīng)濟, 2021, (4): 70-77. [25] 郭小卉, 馮艷博. 數(shù)字普惠金融發(fā)展的相對貧困減緩效應——基于京津冀縣域空間面板數(shù)據(jù)[J]. 武漢金融, 2021, (2): 70-80, 88. [26] 金發(fā)奇, 言珍, 吳慶田. 數(shù)字普惠金融減緩相對貧困的效率研究[J]. 金融發(fā)展研究, 2021, (1): 14-21. [27] 孫繼國, 韓開顏, 胡金焱. 數(shù)字金融是否減緩了相對貧困?——基于CHFS數(shù)據(jù)的實證研究[J]. 財經(jīng)論叢, 2020, (12): 50-60. [28] 吳靜茹, 謝家智, 涂先進. 數(shù)字金融、市場參與和農(nóng)戶相對貧困[J]. 當代財經(jīng), 2021, (8): 64-77. [29] Kpodar K. R., Andrianaivo M.ICT, Financial Inclusion, and Growth: Evidence from African Countries[Z]. IMF Working Paper, 2011,11(73). [30] 黃益平, 黃卓. 中國的數(shù)字金融發(fā)展: 現(xiàn)在與未來[J]. 經(jīng)濟學(季刊), 2018, (4): 1489-1502. [31] 田杰,譚秋云,靳景玉.數(shù)字金融能否改善資源錯配?[J].財經(jīng)論叢,2021,(4):49-60. [32] 丁志國, 譚伶俐, 趙晶. 農(nóng)村金融對減少貧困的作用研究[J]. 農(nóng)村經(jīng)濟問題, 2011, (11): 72-77, 112. [33] 朱道才, 王浩. 基于門檻模型的旅游發(fā)展對城鄉(xiāng)收入差距的影響效應研究——以長三角地區(qū)41個市為例[J]. 南京理工大學學報(社會科學版), 2021, (5): 62-69. [34] 喻林, 唐健飛. 我國農(nóng)民工權(quán)利貧困的立法救濟[J]. 宏觀經(jīng)濟研究, 2014, (9): 17-26. [35] 蔣南平, 鄭萬軍. 中國農(nóng)民工多維返貧測度問題[J]. 中國農(nóng)村經(jīng)濟, 2017, (6): 58-69. [36] 郭峰, 王靖一, 王芳, 等. 測度中國數(shù)字普惠金融發(fā)展: 指數(shù)編制與空間特征[J]. 經(jīng)濟學季刊, 2020, (4): 1401-1408. [37] 蔡昉. 人口轉(zhuǎn)變、人口紅利與經(jīng)濟增長可持續(xù)性——兼論充分就業(yè)如何促進經(jīng)濟增長[J]. 人口研究, 2004, (2): 2-9. [38] Elhorst J. P. Matlab Software for Spatial Panels[J]. International Regional Science Review,2014,37(3),389-405. [39] Alkire S., Foster J. Counting and Multidimensional Poverty Measurement[J]. Journal of Public Economics,2011,95(7-8): 476-487. [40] Mitra S.,Posarac A., Vick B. Disability and Poverty in Developing Countries: A Multidimensional Study[J]. World Development,2013,41(1): 1-18. [41] Lesage J. P. An Introduction to Spatial Econometrics [J]. Revue D′économie Industrielle, 2008, 123: 19-44. [42] 李紅娟. 流動人口社會保障水平的區(qū)域差異[J]. 人口與社會, 2019, (2): 35-43. [43] 林光平, 龍志和, 吳梅. 中國地區(qū)經(jīng)濟σ-收斂的空間計量實證分析[J]. 數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究, 2006, (4): 14-21. [44] Hansen B. E. Threshold Effects in Non-dynamic Panels: Estimation,Testing and Inference[J]. Journal of Econometrics,1999,(2): 345-368.五、結(jié)論與建議