數(shù)字金融對地方財政收入的影響研究

摘 要：2020年在新冠疫情的沖擊下，地方財政收入總體出現(xiàn)下滑趨勢，而數(shù)字金融依舊保持正增長態(tài)勢。為了破解財政收支困境，本文把研究對象的范圍設定在長江經(jīng)濟帶的11個省份，基于2011—2020年長江經(jīng)濟帶的面板數(shù)據(jù)，構建雙向固定效應模型，進行實證研究，檢驗數(shù)字金融對地方財政收入的影響，并進行剔除2020年數(shù)據(jù)、增加控制變量、替換被解釋變量等一系列穩(wěn)健性檢驗，以保證結果的準確性。由回歸結果可以得出，數(shù)字金融發(fā)展有利于地方財政收入的增加。因此，本文提出要增強財稅體系數(shù)字化，提高數(shù)字金融基礎性建設投資，使其更好地服務地方財政收入。

關鍵詞：數(shù)字金融；財政收入；長江經(jīng)濟帶；穩(wěn)健性檢驗；實證研究

本文索引：周莉萍.<變量 2>[J].中國商論，2023（11）：-126.

中圖分類號：F812.7 文獻標識碼：A 文章編號：2096-0298（2023）06（a）--04

1 引言

近年來，新冠疫情對世界經(jīng)濟造成了巨大沖擊。最新數(shù)據(jù)顯示，2021年江蘇GDP邁上11萬億元新臺階，達到11.63萬億元，增長8.6%。從產(chǎn)業(yè)發(fā)展來看，江蘇“制造業(yè)霸主”地位進一步鞏固，制造業(yè)增加值突破4萬億元，占GDP的比重達35.8%，全年工業(yè)戰(zhàn)略性新興產(chǎn)業(yè)、高新技術產(chǎn)業(yè)產(chǎn)值分別比2020年提高3個百分點、1個百分點。根據(jù)最新的北京大學數(shù)字普惠金融指數(shù)，2019—2021年，我國數(shù)字普惠金融依舊保持著正增長的態(tài)勢，總指數(shù)的平均值由323.73增長至 341.22。在新冠疫情的影響下，數(shù)字金融保持著正增長的態(tài)勢，江蘇的GDP也依舊為上漲趨勢，數(shù)字金融能否促進地方政府財政收入增加，兩者之間如何傳導的？這正是本文欲探究并解決的問題。本文以長江經(jīng)濟帶為研究對象，以數(shù)字金融為解釋變量，以地方財政收入為被解釋變量，基于面板數(shù)據(jù)，構建雙向固定效應模型，探討數(shù)字金融對地方財政收入的傳導機制。

2 文獻綜述與研究假設

近年來，學術界有關數(shù)字金融的實證研究有很多，主要集中在創(chuàng)業(yè)創(chuàng)新、居民消費、收入差距、居民就業(yè)等方面，不難得出，數(shù)字金融顯著促進了企業(yè)的創(chuàng)新活動（李春風等，2022）、有效提高家庭的平均消費 （張馳等，2022）、有利于緩解農(nóng)戶收入差距（田紅宇等，2022）、能顯著改善與促進城鎮(zhèn)居民就業(yè)結構與就業(yè)收入（王倩，2021）。關于財政收入和數(shù)字金融傳導機制的研究，宋寶琳等（2022）基于 2011—2019 年我國 282 個地級市的面板數(shù)據(jù)，構建固定效應模型，得出數(shù)字金融發(fā)展能夠顯著增加地方財政收入。綜上，目前，國內外對數(shù)字金融的研究涉及許多方面，但數(shù)字金融對財政收入影響方面的實證研究較少，且面板數(shù)據(jù)主要基于國家層面。鑒于此，本文以 2011—2020年我國長江經(jīng)濟帶的面板數(shù)據(jù)為研究對象，運用雙向固定效應模型，從區(qū)域的角度探討數(shù)字金融發(fā)展對地方財政收入的傳導機制。數(shù)字金融對地方財政收入的影響是多方面的，主要體現(xiàn)在稅收收入、轉移性收入、債務收入、征管水平等方面。雷澤（2021）通過包絡分析得出轉移性收入對減少貧困發(fā)生的作用是有效的。此外，涂詠梅等（2022）得出數(shù)字金融簡化了授信程序，有效緩解了融資約束?；诖?，本文提出以下假設：

H1：數(shù)字金融對地方財政收入有正向促進作用。

3 研究方法與樣本數(shù)據(jù)

3.1 樣本數(shù)據(jù)來源

本文的研究對象是我國長江經(jīng)濟帶的11個省份，基于2011—2020年的面板數(shù)據(jù)，構建雙向固定效應模型，研究數(shù)字金融對地方財政收入的影響。解釋變量是數(shù)字金融（DF），采用北京大學測量的數(shù)字普惠金融指數(shù)衡量。其余指標數(shù)據(jù)來自國家統(tǒng)計局，部分缺失值則手動輸入歷年《中國城市統(tǒng)計年鑒》《云南省統(tǒng)計年鑒》等數(shù)據(jù)，并用Stata（16.0）進行回歸分析。

3.2 變量說明

3.2.1 被解釋變量

地方財政收入（LR）。財政收入是指政府在一定時期內取得的貨幣收入。借鑒宋寶琳等（2022）的做法，本文采用地方政府一般性財政收入衡量地方財政收入。

3.2.2 解釋變量

數(shù)字普惠金融（DF）。本文采用北京大學測量的數(shù)字普惠金融指數(shù)衡量解釋變量。該指數(shù)有三個維度：覆蓋廣度、使用深度和數(shù)字化程度。其中，覆蓋范圍主要包括支付寶賬戶數(shù)、支付寶綁定卡用戶比例和支付寶綁定卡數(shù)量三個指標；使用深度涵蓋支付業(yè)務、貨幣基金業(yè)務等六個指標；數(shù)字支持服務程度主要包括移動化、物聯(lián)化等四個指標，集中體現(xiàn)了互聯(lián)網(wǎng)技術化。該數(shù)據(jù)基于“層級分析法”，分三個層級編制數(shù)據(jù)，其中涵蓋中國大陸31個?。ㄖ陛犑泻妥灾螀^(qū)稱為 “省”）、337個地級及以上城市的DPI。在時間跨度上，省和市的數(shù)字普惠金融指數(shù)跨越2011—2020年，縣的數(shù)字金融普惠指數(shù)跨越2014—2020年。此外，在總體指標的基礎上，除了有三個維度外，還有支付、保險、貨幣基金、信貸服務、投資和信貸等業(yè)務分類指標。同一地區(qū)，數(shù)字金融指數(shù)越高，說明該地的經(jīng)濟產(chǎn)出越高，相應的地方財政收入越高。

3.2.3 控制變量

參考梁曉琴（2020）的做法，本文選擇失業(yè)水平、產(chǎn)業(yè)結構、財政支出、收入差距、城市化水平和技術創(chuàng)新能力作為控制變量。（1）失業(yè)水平（UN）。失業(yè)水平是用來衡量國民經(jīng)濟發(fā)展狀況的一個重要指標，本文選用城市失業(yè)人口數(shù)量衡量。（2）產(chǎn)業(yè)結構（IS）。產(chǎn)業(yè)結構是指一國或一個地區(qū)三大產(chǎn)業(yè)的比例與聯(lián)系。國家統(tǒng)計局的最新數(shù)據(jù)顯示，2022 年，第一產(chǎn)業(yè)對GDP的貢獻率僅為9.9% 。本文采用第二產(chǎn)業(yè)增加值加總第三產(chǎn)業(yè)增加值的和占地區(qū)生產(chǎn)總值的比重來反映產(chǎn)業(yè)結構的方法。（3）財政支出（GF）。財政支出是政府對公共社會的財政資金支出。本文用地方政府一般公共預算支出來表示。（4）收入差距（UR）。收入差距越小，越有利于提高中產(chǎn)階級收入比重，從而促進財政收入增加。本文收入差距用城鎮(zhèn)居民人均可支配收入與農(nóng)村居民人均可支配收入的比例來反映。（5）技術創(chuàng)新能力（IN）。本文的技術創(chuàng)新能力用各省的專利申請授權數(shù)量來反映。一般來說，一個地區(qū)的技術創(chuàng)新能力與該地區(qū)的財政收入是呈正相關的（見表1）。

3.3 模型構建

參考宋寶琳等（2022）的做法，本文通過構建省級面板計量模型檢驗數(shù)字金融對地方財政收入的影響作用，基準回歸模型設定如下：

其中， 和分別為不同的地區(qū)和年份；表示地方財政收入；表示數(shù)字金融；為控制變量集合；表示地區(qū)固定；表示年份固定；為隨機擾動項。

4 實證分析與結果

4.1 描述性統(tǒng)計分析

由表2可知，核心解釋變量數(shù)字普惠金融（DF）的方差為100.566，說明長江經(jīng)濟帶的數(shù)字普惠金融發(fā)展水平差距較大；被解釋變量地方財政收入（LR）的方差為2039.519，說明長江經(jīng)濟帶的地方財政收入水平差距較大；失業(yè)水平（UN）的方差是11.739，說明長江經(jīng)濟帶的失業(yè)水平差距不大；產(chǎn)業(yè)結構（IS）的方差是0.041，說明長江經(jīng)濟帶的產(chǎn)業(yè)結構差距不大；財政支出（GF）的最小值是2249.4，最大值是13681.55，均值是5970.932，方差是2336.811，說明長江經(jīng)濟帶的財政支出水平差距較大且十分高；收入差距（UR）方差是0.39，說明長江經(jīng)濟帶的收入差距較??；技術創(chuàng)新能力（IN）的最大值是499167，最小值是3386，均值是80662.809，方差是92524.132，說明長江經(jīng)濟帶的技術創(chuàng)新水平差距較大且水平較高。

4.2 相關性分析

表3計算了各變量之間的相關系數(shù)，結果顯示，地方財政收入與數(shù)字普惠金融的相關系數(shù)為0.527，且在 1% 的水平上高度顯著，初步驗證了假設H1?？刂谱兞糠矫?，產(chǎn)業(yè)結構、財政支出水平、技術創(chuàng)新能力均與數(shù)字金融正相關，而城鄉(xiāng)收入差距與數(shù)字金融負相關，且在 1% 的水平上高度顯著，說明長江經(jīng)濟帶的城鄉(xiāng)收入差距縮小，不一定地方財政收入增加。由表3可知，變量之間的相關系數(shù)大都小于0.8，可見變量之間不存在多重共線性問題。

4.3 基準回歸結果與分析

回歸結果如表4所示。模型（1）～（6）是控制了時間效應和省份效應的估計結果，表明數(shù)字金融對地方財政收入的影響為正，驗證了假設H1。具體可見模型（1）～（6）中數(shù)字金融和地方財政收入的相關系數(shù)，表明數(shù)字金融指數(shù)每增加一個單位，地方財政收入將增長23.219～41.338個單位。政府支出的系數(shù)均為正，且在1%的水平上高度顯著，說明政府支出每增加1億元，地方財政收入將增長62.1%～68.2%個單位。產(chǎn)業(yè)結構前的系數(shù)在模型（3）、模型（4）中為負，且在5%的水平上顯著，模型（5）、模型（6）在1%的水平上高度顯著，說明產(chǎn)業(yè)結構調整不利于長江經(jīng)濟帶財政收入的增長。技術創(chuàng)新水平前面的系數(shù)在模型（4）、模型（5）中為負，在模型（6）中為正，說明技術創(chuàng)新能力越強，長江經(jīng)濟帶的財政收入不一定就越多。收入差距變量前的系數(shù)為正，表明縮小城鄉(xiāng)收入差距不利于長江經(jīng)濟帶的財政增長，原因是長江經(jīng)濟帶的各省城鄉(xiāng)發(fā)展不一致，存在方差，導致財政收入不一定隨著縮小城鄉(xiāng)收入差距而增長。失業(yè)人口數(shù)前的系數(shù)為負，說明減少失業(yè)人口數(shù)量，有利于長江經(jīng)濟帶的財政收入增加。

4.4 穩(wěn)健性

本文分別從改變樣本時間、替換被解釋變量、增加控制變量三個角度進行穩(wěn)健性檢驗，構建列1、列2、列3，保證研究結果的可靠性和非隨機性。第一，基于2020年新冠疫情對我國經(jīng)濟發(fā)展水平的影響，剔除2020年的數(shù)據(jù)，對2011—2019年的數(shù)據(jù)再次回歸，檢驗數(shù)字金融對財政收入的影響。第二，由于2016年5月“營改增”全面實施，因此增加控制變量“營改增”來檢驗數(shù)字金融對地方財政收入的影響，并將2016年（包括2016年）之后的數(shù)據(jù)取值標記為 1；反之，標記為 0。第三，由于財政收入有四大來源：稅利債費。其中，稅收是最重要的部分，所以稅種的變動和稅率的增減對財政收入影響頗大，因此使用被解釋變量地方稅收收入替代地方財政收入來檢驗數(shù)字金融對地方財政收入的影響。穩(wěn)健性檢驗結果如表5所示，列1在剔除了2020年數(shù)據(jù)之后，數(shù)字金融對地方財政收入的影響是正向的，且通過了5%的顯著性水平檢驗，與基準回歸結果類似。列2增加了控制變量“營改增”之后，數(shù)字金融對地方財政收入的影響是正向的，且通過了1%的顯著性水平檢驗。列3使用被解釋變量地方稅收收入替代地方財政收入之后，數(shù)字金融對地方財政收入的影響是正向的，且通過了1%的顯著性水平檢驗。綜上可知，數(shù)字金融對地方財政收入的影響通過了穩(wěn)健性檢驗。

5 結語

在數(shù)字化高速發(fā)展的時代，傳統(tǒng)金融和高科技數(shù)字技術相結合，促進了數(shù)字金融的發(fā)展。本文以長江經(jīng)濟帶11個省份為研究對象，數(shù)字金融為解釋變量，財政收入為被解釋變量，基于2011—2020年長江經(jīng)濟帶的面板數(shù)據(jù)，構建雙向固定效應模型，實證檢驗了數(shù)字金融發(fā)展對地方財政收入的影響。結論如下：在雙向固定效應模型下，數(shù)字金融有力地促進了地方財政收入的增加，且均在 1%的顯著性水平上顯著。經(jīng)過剔除2020年數(shù)據(jù)、增加控制變量、替換被解釋變量一系列穩(wěn)健性檢驗后，數(shù)字金融依舊可以顯著擴大地方財政收入，可知數(shù)字金融可顯著增加地方財政收入。

基于實證分析的結果，假設成立，表明數(shù)字金融有利于地方財政收入顯著增加。本文建議穩(wěn)步大力推進數(shù)字金融發(fā)展，堅持國家的宏觀調控政策，加以市場調節(jié)機制，不斷完善數(shù)字金融的總體發(fā)展方向，鼓勵并引導金融業(yè)和大數(shù)據(jù)技術相結合，從而提升數(shù)字金融的技術化水平，擴展數(shù)字金融的服務范圍，增強數(shù)字金融的使用體驗。具體而言，政府要合理規(guī)劃財政收入及社會資金等資源，使資源得到合理分配，要加大對數(shù)字金融業(yè)的基礎建設投資，推動數(shù)字金融高速發(fā)展，從而更好地服務社會，反向推動財政收入增長。同時，政府要推進稅收征管體制改革，稅務部門應充分利用大數(shù)據(jù)技術簡化辦事程序，提升服務效率和數(shù)字化水平，使數(shù)字金融更好地促進財政收入增加。

參考文獻

李春風，徐雅軒，劉建江. 數(shù)字金融驅動企業(yè)創(chuàng)新的優(yōu)勝劣汰效應研究[J]. 現(xiàn)代管理科學，2022（6）：128-137.

張馳，王滿倉，李翠妮. 信貸約束、數(shù)字金融與居民消費[J]. 統(tǒng)計與信息論壇，2022，37（12）：55-65.

田紅宇，蘇治豪，覃朝暉. 數(shù)字普惠金融在農(nóng)戶間的收入分配效應研究：基于再中心化影響函數(shù)的證據(jù)[J]. 武漢金融，2022（9）： 31-40.

王倩. 數(shù)字普惠金融對我國城鎮(zhèn)居民就業(yè)的影響研究[D].濟南：山東大學，2021.

宋寶琳，張航，胡欣蕊. 數(shù)字金融發(fā)展對地方財政收入的影響及區(qū)域差異研究：基于中國282個地級市面板數(shù)據(jù)的中介效應檢驗[J]. 財政科學，2022（5）：122-133.

雷澤. 我國農(nóng)村貧困群體轉移性收入增長對減貧的影響研究[D].北京：中國財政科學研究院，2021.

涂詠梅，吳盡，李夢婧. 數(shù)字金融對企業(yè)融資成本影響的實證[J]. 統(tǒng)計與決策，2022，38（19）：140-145.

梁曉琴. 數(shù)字普惠金融對地方稅收影響的實證研究[J]. 審計與經(jīng)濟研究，2020，35（5）：96-104.