中國數(shù)字普惠金融發(fā)展的區(qū)域差異、動態(tài)演進與影響因素研究

劉琳 李子豐

（天津師范大學，天津 300387）

一、引言

數(shù)字普惠金融是大數(shù)據(jù)、云計算等數(shù)字技術(shù)與傳統(tǒng)普惠金融相結(jié)合的產(chǎn)物，數(shù)字普惠金融的出現(xiàn)一方面降低了普惠金融服務(wù)的獲客成本，提升了業(yè)務(wù)覆蓋范圍；另一方面，也大大提升了業(yè)務(wù)的開展效率，使普惠金融業(yè)務(wù)的可持續(xù)盈利能力得到提高，更能調(diào)動供給端參與的積極性。長期的政策支持為我國數(shù)字普惠金融營造了良好的發(fā)展環(huán)境，使我國數(shù)字普惠金融水平不斷攀升。但近年來，我國數(shù)字普惠金融在經(jīng)歷了前期的“拓荒式”增長后，增長的腳步明顯放緩，且不同地區(qū)間的數(shù)字普惠金融發(fā)展水平存在顯著差異。為了尋找背后的原因，并進一步制定推動數(shù)字普惠金融均衡發(fā)展的相關(guān)舉措，有必要對我國數(shù)字普惠金融發(fā)展的差異情況、差異來源和影響因素等進行深入剖析，為相關(guān)政策的制定提供參考和建議。

二、文獻綜述

無論是研究傳統(tǒng)普惠金融還是數(shù)字普惠金融，首先要有合適的方法對普惠金融進行量化測度。早期國外學者們對此進行了許多嘗試：Sarma（2008）從金融服務(wù)的滲透、使用、效用三個維度構(gòu)建普惠金融的評價指標；隨后Sarma &Paris（2011）參考聯(lián)合國人類發(fā)展指數(shù)的構(gòu)建方法，從銀行滲透度、金融服務(wù)可使用性及金融服務(wù)的使用情況三個維度測度發(fā)展中國家和發(fā)達國家普惠金融的發(fā)展狀況。Gupte et al.（2012）從服務(wù)滲透性、使用度、便利性和交易成本四個維度構(gòu)建普惠金融發(fā)展評價體系；Beck et al.（2013）從金融覆蓋滲透度和使用深度兩個維度出發(fā)，利用四個指標構(gòu)建普惠金融發(fā)展測度評價體系，為該領(lǐng)域提供了新的視角。從國內(nèi)學者研究情況來看，最具代表性的是郭峰和熊云軍（2021）基于螞蟻集團的海量用戶數(shù)據(jù)構(gòu)建的“北京大學數(shù)字普惠金融指數(shù)”。該指數(shù)由三個維度構(gòu)成，包含33個細分指標，并具體到省級、市級及縣級指數(shù)，填補了數(shù)字普惠金融在量化測度方面的空白。

參考傳統(tǒng)普惠金融的影響因素，學者們對數(shù)字普惠金融的影響因素進行研究。葛和平和朱卉雯（2018）構(gòu)建數(shù)字普惠金融指標體系并進行實證分析，發(fā)現(xiàn)經(jīng)濟狀況、互聯(lián)網(wǎng)使用度、地理狀況、金融思維、收入差距等指標與數(shù)字普惠金融發(fā)展存在顯著相關(guān)性；孫英杰和林春（2018）發(fā)現(xiàn)經(jīng)濟發(fā)展、政府干預(yù)和人力資本質(zhì)量等因素對普惠金融發(fā)展存在顯著促進作用，而市場化和信息化卻對其存在顯著抑制作用；陳銀娥等（2020）通過時空地理加權(quán)回歸模型，發(fā)現(xiàn)農(nóng)村金融環(huán)境、農(nóng)村經(jīng)濟發(fā)展、投資環(huán)境及城鄉(xiāng)協(xié)調(diào)發(fā)展等因素與普惠金融存在明顯相關(guān)性。李明賢等（2021）等利用面板數(shù)據(jù)模型實證檢驗發(fā)現(xiàn)經(jīng)濟因素、社會因素、人口教育及人口收入等因素會影響湖南省縣域數(shù)字普惠金融發(fā)展；董曉林和張曄（2021）創(chuàng)新性地從自然資源依賴的視角出發(fā)，基于中國273個地級市的面板數(shù)據(jù)進行實證分析，研究發(fā)現(xiàn)自然資源依賴顯著阻礙了數(shù)字普惠金融的發(fā)展，并且這種負向影響體現(xiàn)在覆蓋廣度、使用深度及數(shù)字化程度等三個維度。

梳理現(xiàn)有文獻可以發(fā)現(xiàn)，當前學者對數(shù)字普惠金融的經(jīng)濟效應(yīng)研究較多，而對數(shù)字普惠金融影響因素的研究則相對較少，將人口結(jié)構(gòu)納入影響因素的研究更是幾乎沒有，在老齡化加劇、新生代教育水平快速提升和產(chǎn)業(yè)結(jié)構(gòu)迅速變遷的社會背景下，這些研究的時效性略顯不足。此外，我國數(shù)字普惠金融經(jīng)歷了早期的快速發(fā)展后，現(xiàn)在的發(fā)展形勢與初期相比發(fā)生了較大變化，而對數(shù)字普惠金融發(fā)展區(qū)域差異進行分析描述的相關(guān)文獻較少。本文基于最新的數(shù)字普惠金融指數(shù)，利用Dagum基尼系數(shù)法及Kernel密度非參數(shù)估計方法，對我國數(shù)字普惠金融的區(qū)域差異、差異來源及分布動態(tài)演進做深入分析，并進一步基于省級面板數(shù)據(jù)對我國數(shù)字普惠金融發(fā)展的影響因素進行實證檢驗，以全面揭示影響我國數(shù)字普惠金融發(fā)展的因素，為相關(guān)政策的制定提供參考。

三、中國數(shù)字普惠金融發(fā)展的區(qū)域差異分析

本文使用Dagum 基尼系數(shù)描述我國數(shù)字普惠金融發(fā)展的區(qū)域差異及差異來源，該方法由Dagum（1997）提出，將總體差異按來源分解為子群內(nèi)差異貢獻、子群間差異貢獻和超變密度貢獻，相較于傳統(tǒng)基尼系數(shù)和泰爾指數(shù)法，該方法能夠準確追蹤差異來源。本文借鑒Dagum 的方法計算我國東、中、西部三個地區(qū)2011—2020 年間的Dagum 基尼系數(shù)，具體計算公式如下：

式（1）中，G總代表基尼系數(shù)，j、h代表子群個數(shù)，i、r代表子群內(nèi)省份個數(shù)，k代表子群總數(shù)，n代表省份總數(shù)，nj()nh代表第j（h）子群內(nèi)的省份個數(shù)，Eji（Ehr）代表第j（h）子群內(nèi)的省份i（r）的數(shù)字普惠金融指數(shù)，EDIFI代表數(shù)字普惠金融指數(shù)的算數(shù)平均值。

由圖1 展示的我國數(shù)字普惠金融發(fā)展總體差異來看，2011—2017 年間總體Dagum 基尼系數(shù)呈現(xiàn)持續(xù)下降趨勢，從2011 年的0.2500 下降至2017 年的0.0459，降幅達81.64%，說明考察期內(nèi)我國數(shù)字普惠金融發(fā)展的總體地區(qū)差異大幅縮小，空間非均衡狀況得到緩解；之后在2018—2020 年間Dagum 基尼系數(shù)整體有所上升，說明我國數(shù)字普惠金融發(fā)展的總體差異在經(jīng)歷了早期的大幅縮小后，如今有擴大趨勢。從區(qū)域內(nèi)差異來看，東部地區(qū)和西部地區(qū)的Dagum基尼系數(shù)在2011—2017 年間迅速縮小，縮減幅度分別為69.41%和87.59%，說明考察期內(nèi)東部地區(qū)和西部地區(qū)數(shù)字普惠金融發(fā)展的區(qū)域內(nèi)差異大幅縮??；之后在2018—2020年呈小幅上升趨勢，說明兩地區(qū)的區(qū)域內(nèi)差異略有上升；中部地區(qū)數(shù)字普惠金融發(fā)展的區(qū)域內(nèi)差異在2011—2014年間持續(xù)縮小，Dagum基尼系數(shù)由0.0697 下降至0.0231，下降比例為66.85%。2015—2020 年中部地區(qū)Dagum 基尼系數(shù)由0.0143 上升到0.0309，提升了116.61%，說明考察期內(nèi)中部地區(qū)區(qū)域內(nèi)差異大幅擴大。

圖1 我國數(shù)字普惠金融發(fā)展總體差異及區(qū)域內(nèi)差異

圖2 展示的是我國數(shù)字普惠金融發(fā)展區(qū)域間差異，可以直觀地看出，在2011—2015年間Dagum基尼系數(shù)大幅下降，東—中、東—西、中—西的降幅分別達到了75.84%、76.75%和84.25%，說明我國數(shù)字普惠金融發(fā)展的區(qū)域間差異在考察期內(nèi)大幅縮??；在2016—2020 年間Dagum 基尼系數(shù)呈小幅上升趨勢，說明區(qū)域間差異經(jīng)歷了早期的大幅縮小后，如今有所回升，但在2020年上升趨勢有所減緩；2017年中部地區(qū)和西部地區(qū)的數(shù)字普惠金融發(fā)展水平差異最小，為0.0257，2011年東部地區(qū)和西部地區(qū)間的數(shù)字普惠金融發(fā)展水平差異最大，為0.3679。整體來說，2011—2020年間我國數(shù)字普惠金融發(fā)展水平的區(qū)域間差異呈縮小趨勢，區(qū)域間數(shù)字普惠金融發(fā)展趨于協(xié)調(diào)，但考察期后幾年區(qū)域間差異有所擴大。

圖2 中國數(shù)字普惠金融發(fā)展區(qū)域間差異

圖3 展示的是我國數(shù)字普惠金融發(fā)展總體差異的來源，從對全國數(shù)字普惠金融發(fā)展總體差異的貢獻程度來看，2011—2020 年間區(qū)域間差異貢獻最大，變動區(qū)間為67.10%～73.42%，平均變動率為70.31%，說明2011—2020年全國數(shù)字普惠金融發(fā)展的總體差異主要來自區(qū)域間差異；區(qū)域內(nèi)差異貢獻的變動區(qū)間為20.32%～23.73%，平均變動率為22.52%，相比區(qū)域間差異貢獻更小；超變密度貢獻最小，變動區(qū)間為4.66%～9.17%，平均變動率為7.17%，數(shù)字普惠金融發(fā)展情況差異受區(qū)域間樣本交叉重疊問題的影響較小。從貢獻率的變動趨勢來看，2011—2020 年間區(qū)域間差異貢獻占比呈波動下降趨勢，由2011 年的72.50%下降至2020 年的67.1%，下降了5.40%，而區(qū)域內(nèi)差異貢獻及超變密度貢獻在考察期內(nèi)分別提升了3.41%和1.99%，有明顯上升趨勢。因此，在制定解決數(shù)字普惠金融發(fā)展區(qū)域差異問題的政策時，要更側(cè)重和聚焦于縮小區(qū)域間差異。

圖3 中國數(shù)字普惠金融發(fā)展總體差異的來源

四、中國數(shù)字普惠金融的分布動態(tài)及演進

上文通過Dagum 基尼系數(shù)揭示了我國數(shù)字普惠金融發(fā)展水平的區(qū)域差異及差異分解情況，但上述分析不能體現(xiàn)發(fā)展水平絕對差異的動態(tài)演進情況，為了更好地體現(xiàn)我國數(shù)字普惠金融發(fā)展絕對差異的分布動態(tài)及演進規(guī)律，本文使用kernel密度估計方法對數(shù)字普惠金融發(fā)展指數(shù)在全國及東、中、西部地區(qū)分布的位置、態(tài)勢、延展性和極化趨勢進行分析。

Kernel 密度估計作為一種能夠?qū)﹄S機變量的概率密度進行估計的非參數(shù)估計方法，可通過連續(xù)的密度曲線刻畫隨機變量分布狀況，已經(jīng)成為研究空間非均衡分布的一種重要方法。設(shè)f()x為中國數(shù)字普惠金融發(fā)展指數(shù)x的密度函數(shù)，在點x的概率密度可由式（2）估計：

其中，N為觀測值的個數(shù)，K（·）為核密度函數(shù)，Xi為獨立分布的觀測值，x為觀測值的均值，h為帶寬，帶寬越小，估計的精確度越高。根據(jù)Kernel密度函數(shù)的表達形式不同，核函數(shù)可分為高斯核、三角核、四角核等多種形式。本文選擇常用的高斯核函數(shù)進行估計，表達式為：

圖4為全國31個考察地區(qū)2011—2020年數(shù)字普惠金融指數(shù)的核密度示意圖。從波峰的移動來看，2011—2020 年我國數(shù)字普惠金融發(fā)展水平分布曲線的主峰位置有顯著右移趨勢，說明考察期內(nèi)我國數(shù)字普惠金融發(fā)展水平大幅提升；主峰高度經(jīng)歷了先上升后下降的變化過程，說明我國數(shù)字普惠金融發(fā)展的絕對差異先縮小后擴大，這與前文對基尼系數(shù)的分析結(jié)果一致；樣本觀測期內(nèi)主峰寬度加大，經(jīng)歷了由雙峰到多峰的過程，側(cè)峰較低且始終存在右拖尾，延展性逐漸拓寬，說明我國各省份數(shù)字普惠金融發(fā)展呈現(xiàn)出多極化趨勢，存在梯度效應(yīng)。

圖4 全國數(shù)字普惠金融發(fā)展動態(tài)演進趨勢

圖5、6、7 分別為我國東、中、西部地區(qū)2011—2020年數(shù)字普惠金融指數(shù)的核密度三維透視圖。從波峰移動來看，考察期內(nèi)東、中、西部三個地區(qū)數(shù)字普惠金融發(fā)展水平分布曲線的主峰位置均向右大幅移動，說明考察期內(nèi)各地區(qū)數(shù)字普惠金融發(fā)展水平均有大幅提升；各地區(qū)主峰高度均存在先上升后下降的趨勢，說明我國數(shù)字普惠金融發(fā)展的總體差異經(jīng)歷了先縮小后擴大的過程；東部地區(qū)主峰寬度加大，并逐漸由雙峰過渡到多峰，延展性得到拓寬，說明樣本觀測期內(nèi)東部地區(qū)的數(shù)字普惠金融發(fā)展水平存在明顯的多極分化現(xiàn)象。中部地區(qū)未出現(xiàn)側(cè)峰，但主峰寬度存在顯著的拓寬趨勢，說明中部地區(qū)數(shù)字普惠金融發(fā)展存在明顯的非均衡現(xiàn)象；西部地區(qū)主峰寬度呈現(xiàn)先變窄后加寬的變動趨勢，并由單峰逐漸發(fā)展為雙峰，說明西部地區(qū)數(shù)字普惠金融發(fā)展的空間非均衡趨勢先變小后增大，且有極化現(xiàn)象出現(xiàn)。

圖5 東部地區(qū)數(shù)字普惠金融發(fā)展的動態(tài)演進趨勢

圖6 中部地區(qū)數(shù)字普惠金融發(fā)展的動態(tài)演進趨勢

圖7 西部地區(qū)數(shù)字普惠金融發(fā)展的動態(tài)演進趨勢

五、中國數(shù)字普惠金融發(fā)展影響因素的實證分析

（一）模型構(gòu)建、變量選取及數(shù)據(jù)來源

本文構(gòu)建數(shù)字普惠金融發(fā)展影響因素的回歸模型如下：

公式（4）中，i，t分別代表省份和年份，DIFI是被解釋變量，即數(shù)字普惠金融指數(shù)，pgdp為人均GDP，tradition代表傳統(tǒng)金融發(fā)展水平，exp代表財政支出，gap代表城鄉(xiāng)收入差距，pop代表人口密度，net代表互聯(lián)網(wǎng)發(fā)展水平，edu代表人口教育結(jié)構(gòu)，employ代表人口就業(yè)結(jié)構(gòu)，odr代表人口年齡結(jié)構(gòu)，并對人均GDP、人口密度和互聯(lián)網(wǎng)發(fā)展水平三個變量取對數(shù)，μi為地區(qū)固定效應(yīng)，φt為時間固定效應(yīng)，∈it為隨機擾動項。

本文所使用的數(shù)據(jù)來自《中國統(tǒng)計年鑒》和《中國金融年鑒》、Wind數(shù)據(jù)庫及各地區(qū)政府部門官網(wǎng)發(fā)布的公告，選取2011—2020年全國31個省份（港澳臺地區(qū)數(shù)據(jù)缺失）的各項指標，每個指標包含310 個觀測值。具體變量定義如表1所示，各變量的統(tǒng)計性描述見表2。

表1 變量定義

表2 變量統(tǒng)計性描述

（二）實證結(jié)果及分析

1.基準回歸。首先，通過F檢驗、Hausman檢驗和LM檢驗，發(fā)現(xiàn)本文適合使用固定效應(yīng)模型，回歸結(jié)果見表3。列1為以北京大學數(shù)字普惠金融指數(shù)（DIFI）為被解釋變量得到的基準回歸結(jié)果，列2、3、4分別為以覆蓋廣度（cov）、使用深度（use）及數(shù)字化程度（digi）為被解釋變量得到的回歸結(jié)果。

表3 基準回歸及分指數(shù)回歸結(jié)果

從基準回歸的結(jié)果來看，第一，人均GDP（lnpgdp）與數(shù)字普惠金融指數(shù)（lnDIFI）在1%水平下顯著正相關(guān)，說明數(shù)字普惠金融發(fā)展仍受限于經(jīng)濟發(fā)展水平。數(shù)字普惠金融的底層技術(shù)為互聯(lián)網(wǎng)金融，一方面，經(jīng)濟發(fā)展能有效催生新型互聯(lián)網(wǎng)技術(shù)在金融方向的應(yīng)用；另一方面，經(jīng)濟發(fā)展可以創(chuàng)造大量資金需求，居民對金融產(chǎn)品的需求提升，促使金融機構(gòu)加大金融產(chǎn)品的創(chuàng)新力度，數(shù)字普惠金融發(fā)展水平亦隨之提升。

第二，傳統(tǒng)金融發(fā)展水平（tradition）與數(shù)字普惠金融指數(shù)（ln DIFI）在1%水平下顯著正相關(guān)，說明數(shù)字普惠金融發(fā)展存在對傳統(tǒng)金融發(fā)展的路徑依賴。傳統(tǒng)金融機構(gòu)是資金的重要提供者，傳統(tǒng)金融發(fā)展水平對數(shù)字普惠金融的影響不僅僅體現(xiàn)在資金的體量上，也體現(xiàn)在產(chǎn)品設(shè)計和貸款政策上。

第三，政府財政支出（exp）與數(shù)字普惠金融指數(shù)（ln DIFI）在1%水平下顯著正相關(guān)，說明數(shù)字普惠金融發(fā)展受財政政策影響。合理的財政支出能夠保證交通、互聯(lián)網(wǎng)等基礎(chǔ)設(shè)施建設(shè)完善，提升數(shù)字普惠金融的觸達能力，為居民及高新技術(shù)企業(yè)提供健康的發(fā)展環(huán)境；同時財政在教育方面的支出增加能夠提升人口的知識素養(yǎng)，為企業(yè)提供穩(wěn)定的人才供應(yīng)并增加金融服務(wù)的使用人數(shù)，促進技術(shù)和需求的雙向發(fā)展。

第四，城鄉(xiāng)收入差距（gap）與數(shù)字普惠金融指數(shù)（ln DIFI）在1%水平下顯著負相關(guān)，城鄉(xiāng)居民收入差距的擴大不利于數(shù)字普惠金融水平進步。城鄉(xiāng)居民收入差距的擴大一方面會促使財富向少數(shù)人集中，不利于整體人口素質(zhì)的提升，減少數(shù)字普惠金融的使用人數(shù)；另一方面，會對產(chǎn)業(yè)結(jié)構(gòu)升級產(chǎn)生抑制作用。從而縮減當?shù)厝谫Y需求，阻礙數(shù)字普惠金融的發(fā)展。

第五，人口密度（lnpop）與數(shù)字普惠金融指數(shù)（lnDIFI）相關(guān)性為正但并不顯著。從可獲得性方面來看，數(shù)字普惠金融產(chǎn)品多數(shù)情況下出現(xiàn)在手機銀行、互聯(lián)網(wǎng)等網(wǎng)絡(luò)化產(chǎn)品中，用戶對數(shù)字普惠金融產(chǎn)品的使用無需通過線下形式實現(xiàn)，因此人口密度雖能對傳統(tǒng)金融發(fā)展產(chǎn)生助推力，但對數(shù)字普惠金融發(fā)展的促進作用并不顯著。

第六，互聯(lián)網(wǎng)發(fā)展水平（lnnet）與數(shù)字普惠金融指數(shù)（ln DIFI）在1%水平下顯著正相關(guān)，說明互聯(lián)網(wǎng)發(fā)展水平的提升能夠有效推動數(shù)字普惠金融發(fā)展。從數(shù)字普惠金融的本質(zhì)來看，數(shù)字普惠金融是傳統(tǒng)普惠金融與互聯(lián)網(wǎng)、大數(shù)據(jù)等相結(jié)合的綜合產(chǎn)物?；ヂ?lián)網(wǎng)使用者數(shù)量的增長會促進傳統(tǒng)普惠金融產(chǎn)品的網(wǎng)絡(luò)化，有效提升傳統(tǒng)普惠金融產(chǎn)品的可獲得性，使數(shù)字普惠金融發(fā)展水平不斷提升；互聯(lián)網(wǎng)技術(shù)的發(fā)展也使數(shù)字普惠金融產(chǎn)品的底層技術(shù)更加完善，有利于金融機構(gòu)更好地創(chuàng)新符合居民需求的數(shù)字普惠金融產(chǎn)品。

第七，人口教育程度（edu）與數(shù)字普惠金融指數(shù)（ln DIFI）在5%水平下顯著正相關(guān)，說明人口教育結(jié)構(gòu)的優(yōu)化有利于數(shù)字普惠金融的發(fā)展。首先，人口教育程度的提升能夠提高社會整體素質(zhì)，有利于高端產(chǎn)業(yè)人才供給，促進經(jīng)濟發(fā)展水平提升；其次，高教育程度的居民能更好地理解金融產(chǎn)品和獲取金融服務(wù)，因此人口教育程度的提升能夠有效緩解金融排斥，讓更多的居民參與到數(shù)字普惠金融的使用中；最后，人口教育程度的提升有助于為社會提供更多的科技型人才和創(chuàng)業(yè)型人才，不斷完善數(shù)字普惠金融產(chǎn)品，提升數(shù)字普惠金融使用需求。

第八，人口就業(yè)結(jié)構(gòu)（employ）即第三產(chǎn)業(yè)GDP占比，與數(shù)字普惠金融指數(shù)（lnDIFI）在1%水平下顯著正相關(guān)。第三產(chǎn)業(yè)是指除第一、二產(chǎn)業(yè)外的其他行業(yè)，實證結(jié)果說明數(shù)字普惠金融發(fā)展對第三產(chǎn)業(yè)具有一定的依賴性，地區(qū)產(chǎn)業(yè)結(jié)構(gòu)從第一、二產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)移的過程對數(shù)字普惠金融發(fā)展具有一定的促進作用。

第九，人口年齡結(jié)構(gòu)（odr）即老年撫養(yǎng)比，與數(shù)字普惠金融指數(shù)（ln DIFI）在1%水平下顯著負相關(guān)，說明人口老齡化進程會阻礙數(shù)字普惠金融發(fā)展。同等條件下，處于退休階段的老年人群收入保障一般要低于處于工作年齡的人群，數(shù)字普惠金融服務(wù)的供給端出于風險規(guī)避的目的，其產(chǎn)品設(shè)計使得老年人在獲取金融服務(wù)方面存在滯后性；此外，隨著年齡的增加，人們對于新事物的接受速度會逐漸下降，思維難以跟上日新月異的金融產(chǎn)品及各式各樣的新型互聯(lián)網(wǎng)應(yīng)用技術(shù)的變化。多種因素共同影響下，導(dǎo)致老年人群在獲取金融服務(wù)、理解金融產(chǎn)品等問題上存在一定困難，因此人口老齡化會阻礙數(shù)字普惠金融的發(fā)展。

從細分指數(shù)的回歸結(jié)果來看，經(jīng)濟發(fā)展、政府干預(yù)、收入水平三個維度的指標對覆蓋廣度、使用深度及數(shù)字化程度三個細分指數(shù)均有顯著影響，其中城鄉(xiāng)收入差距對三個細分指數(shù)均為負向影響，說明其對數(shù)字普惠金融發(fā)展的阻礙作用體現(xiàn)在覆蓋廣度、使用深度及數(shù)字化程度三個方面。值得注意的是，傳統(tǒng)金融發(fā)展水平與數(shù)字普惠金融數(shù)字化程度指數(shù)在10%水平下顯著負相關(guān)，這或許是由于當前數(shù)字普惠金融業(yè)務(wù)盈利性不足所致。從當下情況來看，金融機構(gòu)傳統(tǒng)信貸業(yè)務(wù)的盈利性高于數(shù)字普惠金融業(yè)務(wù)，因此在傳統(tǒng)信貸市場發(fā)展良好的情況下，金融機構(gòu)更傾向于以傳統(tǒng)信貸模式發(fā)放貸款，而不是加大數(shù)字普惠金融的產(chǎn)品研發(fā)力度，從而阻礙普惠金融產(chǎn)品的數(shù)字化發(fā)展。各細分指數(shù)回歸與基準回歸的差異主要體現(xiàn)在人口結(jié)構(gòu)維度的四個指標之上：人口教育結(jié)構(gòu)對數(shù)字普惠金融的影響主要體現(xiàn)在使用深度及數(shù)字化程度方面，說明教育程度的提升能夠促進居民用更深入、更加數(shù)字化的方式使用數(shù)字普惠金融服務(wù)，而不能很好地提升數(shù)字普惠金融的覆蓋廣度。人口就業(yè)結(jié)構(gòu)和人口年齡結(jié)構(gòu)對數(shù)字普惠金融的影響則主要體現(xiàn)在覆蓋廣度及使用深度方面，第三產(chǎn)業(yè)就業(yè)的增長會提升數(shù)字普惠金融覆蓋面，促進居民更深入地享受數(shù)字普惠金融服務(wù)。年齡結(jié)構(gòu)帶來的影響則恰恰相反，人口年齡結(jié)構(gòu)與覆蓋廣度、使用深度指數(shù)分別在1%和10%水平下顯著負相關(guān)，說明人口老齡化進程會縮小數(shù)字普惠金融覆蓋廣度，阻礙民眾對于數(shù)字普惠金融服務(wù)的深度使用，從而阻礙數(shù)字普惠金融發(fā)展。從可獲得性的兩個指標，即人口密度與互聯(lián)網(wǎng)發(fā)展水平的回歸結(jié)果來看，人口密度與三個細分指數(shù)呈不顯著的正相關(guān)關(guān)系，該結(jié)果與基準回歸一致，說明人口密度對數(shù)字普惠金融發(fā)展的促進作用并不明顯。

2.異質(zhì)性檢驗。為進一步探究我國不同區(qū)域數(shù)字普惠金融發(fā)展影響因素的異質(zhì)性，本文將樣本觀測范圍內(nèi)的31 個省份劃分為東、中、西部三個地區(qū)，并分別對各變量進行回歸，結(jié)果見表4。從表4 中可以看出，各地區(qū)人均GDP、互聯(lián)網(wǎng)發(fā)展水平和教育水平的提升能夠顯著促進數(shù)字普惠金融發(fā)展，城鄉(xiāng)收入差距這一因素在三個區(qū)域內(nèi)均為負向影響，說明城鄉(xiāng)收入差距的擴大會阻礙數(shù)字普惠金融發(fā)展，與基準回歸結(jié)果一致；傳統(tǒng)金融發(fā)展水平在東、西部與被解釋變量相關(guān)性顯著；財政支出對數(shù)字普惠金融指數(shù)的影響在中部地區(qū)和西部地區(qū)顯著為正，在東部地區(qū)并不顯著；人口就業(yè)結(jié)構(gòu)對數(shù)字普惠金融的影響在西部地區(qū)并不顯著，與東部、中部的指數(shù)分別在1%和5%水平下正相關(guān)；東、中、西部地區(qū)人口年齡結(jié)構(gòu)與被解釋變量負相關(guān)，其中與中部地區(qū)和西部地區(qū)數(shù)字普惠金融指數(shù)的相關(guān)性水平分別為1%和5%，說明相較于東部地區(qū)，人口老齡化對中、西部數(shù)字普惠金融發(fā)展的阻礙性更強。

表4 基準回歸及分地區(qū)回歸結(jié)果

3.內(nèi)生性檢驗?？紤]到數(shù)字普惠金融發(fā)展可能受上期發(fā)展情況的影響而存在內(nèi)生性問題，本文進一步選擇數(shù)字普惠金融指數(shù)的滯后一期指數(shù)作為工具變量，使用動態(tài)面板回歸模型，通過系統(tǒng)GMM（SYSGMM）法進行回歸，如式（5）所示：

其中DIFIii,t-1為滯后一期的數(shù)字普惠金融指數(shù)，x為各影響因素。首先，為保證工具變量的有效性及外生性，系統(tǒng)GMM 法要求進行過度識別約束檢驗及擾動項自相關(guān)檢驗。由表5 可見，序列相關(guān)AR 檢驗結(jié)果表明，隨機擾動項存在一階自相關(guān)，但二階不相關(guān)。由此可接受原假設(shè)，即“隨機擾動項無自相關(guān)”，說明工具變量是有效的。其次，本文選用Hansen 檢驗方法進行過度識別約束檢驗，回歸結(jié)果顯示Hansen 檢驗的P 值大于0.1，接受“工具變量與隨機誤差項不相關(guān)”的原假設(shè)，即工具變量是有效的。

從表5的回歸結(jié)果中可以看到，滯后一期的數(shù)字普惠金融指數(shù)（L.DIFI）與數(shù)字普惠金融指數(shù)（DIFI）在1%水平下顯著正相關(guān)，說明數(shù)字普惠金融的發(fā)展存在一定慣性，居民對于數(shù)字普惠金融服務(wù)的理解和使用存在一個由淺入深的過程，因此數(shù)字普惠金融事業(yè)需要扎實穩(wěn)步地推進，不能一蹴而就。此外，系統(tǒng)GMM 回歸結(jié)果與固定效應(yīng)模型的基準回歸、細分回歸結(jié)論基本一致，模型穩(wěn)健性也得到了再次驗證。

表5 動態(tài)面板回歸結(jié)果

六、結(jié)論與政策建議

本文利用Dagum基尼系數(shù)和Kernel估計方法，對我國數(shù)字普惠金融發(fā)展的區(qū)域差異、差異來源及分布動態(tài)演進進行分析。在此基礎(chǔ)上，基于省級面板數(shù)據(jù)對數(shù)字普惠金融發(fā)展的影響因素進行實證檢驗，主要結(jié)論為：第一，我國數(shù)字普惠金融發(fā)展的總體差異在2011—2017 年持續(xù)下降，又在2018—2020 年有所回升，總體差異主要來自區(qū)域間差異。第二，我國數(shù)字普惠金融發(fā)展存在明顯極化趨勢。分地區(qū)看，東部地區(qū)存在明顯多極分化現(xiàn)象，中部地區(qū)數(shù)字普惠金融發(fā)展空間非均衡情況加劇，西部地區(qū)數(shù)字普惠金融發(fā)展的空間非均衡趨勢先變小后增大，且有極化現(xiàn)象出現(xiàn)。第三，實證檢驗發(fā)現(xiàn)經(jīng)濟發(fā)展、政府干預(yù)、收入水平、可獲得性、人口結(jié)構(gòu)等均對數(shù)字普惠金融發(fā)展具有顯著影響。

基于以上研究，提出如下幾點政策建議：一是正視差距、補齊短板，加強對數(shù)字普惠金融的政策支持。數(shù)字普惠金融的發(fā)展受歷史發(fā)展情況影響，存在慣性，因此相對落后的地區(qū)要正視差距，厘清自身存在的問題，在此基礎(chǔ)上積極學習先進地區(qū)發(fā)展經(jīng)驗，深化相關(guān)產(chǎn)業(yè)政策支持，營造良好的市場環(huán)境，提升數(shù)字普惠金融產(chǎn)業(yè)競爭力，進一步縮小數(shù)字普惠金融發(fā)展區(qū)域差異。二是加強互聯(lián)網(wǎng)基礎(chǔ)設(shè)施建設(shè)，優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)，為數(shù)字普惠金融發(fā)展提供新動力?；ヂ?lián)網(wǎng)發(fā)展水平的提高能夠拓寬居民信息渠道，讓居民有更多機會接觸金融營銷產(chǎn)品，提升數(shù)字普惠金融產(chǎn)品的可獲得性。因此要加強網(wǎng)絡(luò)設(shè)施鋪設(shè)，發(fā)展金融科技，降低金融產(chǎn)品使用的信息門檻，提升弱勢群體對數(shù)字普惠金融產(chǎn)品的使用頻次和深度，為數(shù)字普惠金融發(fā)展提供新動力。各地要重點支持高附加值產(chǎn)業(yè)發(fā)展，促進產(chǎn)業(yè)轉(zhuǎn)型升級，提升居民就業(yè)質(zhì)量和收入，形成“產(chǎn)業(yè)發(fā)展—數(shù)字普惠金融發(fā)展—產(chǎn)業(yè)發(fā)展”的良性循環(huán)。三是進一步放寬生育政策，重視人才培養(yǎng)與引進。近年來我國老齡化進程明顯加快，人口老齡化不利于數(shù)字普惠金融產(chǎn)業(yè)發(fā)展和業(yè)務(wù)開拓，因此應(yīng)進一步放寬生育政策，延緩老齡化進程。同時落后地區(qū)應(yīng)注重人才培養(yǎng)，加大人才引進力度，為數(shù)字普惠金融產(chǎn)業(yè)建設(shè)提供充足人才供應(yīng)，推動數(shù)字普惠金融穩(wěn)步發(fā)展。