數(shù)字金融促進(jìn)農(nóng)民非農(nóng)收入了嗎
——基于空間溢出效應(yīng)和中介效應(yīng)的實(shí)證分析

□ 李冉冉 崔蕊

一、引言

黨的二十大報(bào)告中，習(xí)近平總書記強(qiáng)調(diào)全面推進(jìn)鄉(xiāng)村振興，提出發(fā)展鄉(xiāng)村特色產(chǎn)業(yè)，拓寬農(nóng)民增收渠道。在鞏固拓展脫貧攻堅(jiān)成果的重要關(guān)口，如何推進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展是非常重要的命題。在農(nóng)業(yè)農(nóng)村發(fā)展環(huán)境改變的背景之下，農(nóng)民收入結(jié)構(gòu)逐漸發(fā)生變化，過(guò)去小農(nóng)經(jīng)濟(jì)來(lái)源更多為從種植業(yè)等第一產(chǎn)業(yè)獲得的收入，如今更多農(nóng)民利用互聯(lián)網(wǎng)技術(shù)，發(fā)展電商直播等有別于傳統(tǒng)農(nóng)業(yè)的個(gè)體經(jīng)濟(jì)，非農(nóng)收入占比增加。非農(nóng)收入是農(nóng)民通過(guò)資本、技術(shù)和管理能力等要素參與生產(chǎn)獲得的收入，包括股份分紅、利息等。根據(jù)《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》數(shù)據(jù)可知，農(nóng)民非農(nóng)收入占比在2020年底達(dá)到76.8%，其中工資性收入達(dá)到40.7%，除第一產(chǎn)業(yè)外的經(jīng)營(yíng)性收入達(dá)到12.2%，目前已經(jīng)成為農(nóng)民收入的主要來(lái)源。

長(zhǎng)期以來(lái)，為進(jìn)一步提高農(nóng)民收入，我國(guó)大力促進(jìn)農(nóng)村創(chuàng)業(yè)就業(yè)、發(fā)展新型特色產(chǎn)業(yè)，但由于農(nóng)村地區(qū)金融排斥現(xiàn)象顯著，融資約束導(dǎo)致農(nóng)村經(jīng)濟(jì)發(fā)展緩慢、農(nóng)民收入難以有效增長(zhǎng)。在數(shù)字經(jīng)濟(jì)時(shí)代，數(shù)字金融的迅速發(fā)展大大緩解了農(nóng)民的資金約束的問(wèn)題，有助于促進(jìn)農(nóng)民開展非農(nóng)就業(yè)，進(jìn)而促進(jìn)了農(nóng)民的非農(nóng)收入，對(duì)解決農(nóng)村收入問(wèn)題、促進(jìn)農(nóng)村經(jīng)濟(jì)發(fā)展具有重要意義。

二、文獻(xiàn)綜述

我國(guó)已有學(xué)者對(duì)金融與農(nóng)村收入的關(guān)系做出相關(guān)研究。在傳統(tǒng)金融結(jié)構(gòu)體系下，張龍耀等（2013）認(rèn)為我國(guó)在政策上存在重視城市忽視農(nóng)村的問(wèn)題，農(nóng)村金融發(fā)展明顯落后于城市，城鄉(xiāng)二元金融結(jié)構(gòu)明顯，農(nóng)村金融具有更高的準(zhǔn)入門檻，難以支持農(nóng)民開展創(chuàng)業(yè)活動(dòng)。胡金焱和張博（2014）認(rèn)為缺乏啟動(dòng)資金是阻礙家庭選擇創(chuàng)業(yè)的主要障礙。

近年來(lái)，互聯(lián)網(wǎng)與數(shù)字技術(shù)的興起賦能數(shù)字金融，大大緩解了農(nóng)民的資金約束。李繼尊（2015）認(rèn)為數(shù)字金融以其門檻低、小品種以及個(gè)性化的金融服務(wù)解決了小微企業(yè)、“三農(nóng)”等薄弱環(huán)節(jié)的融資難融資貴的問(wèn)題。張傳勇和蔡琪夢(mèng)（2021）研究認(rèn)為數(shù)字金融有效地融合了網(wǎng)絡(luò)技術(shù)與金融服務(wù)，為“零工經(jīng)濟(jì)”提供了重要的資金擔(dān)保和共享的信息資源，吸納了很多農(nóng)村就業(yè)人員。張勛等（2019）認(rèn)為，數(shù)字金融的發(fā)展改善了金融服務(wù)的可得性和便利性，推進(jìn)農(nóng)村創(chuàng)業(yè)機(jī)會(huì)均等化，顯著提高農(nóng)村低收入群體的家庭收入。王永倉(cāng)等（2021）研究發(fā)現(xiàn)數(shù)字金融的推出顯著促進(jìn)了農(nóng)戶家庭的收入增長(zhǎng)，并改變其收入結(jié)構(gòu)。張正平和王瓊（2021）認(rèn)為傳統(tǒng)普惠金融無(wú)法精準(zhǔn)識(shí)別三農(nóng)群體的金融需求，而數(shù)字金融發(fā)展推動(dòng)了資本替代勞動(dòng)的農(nóng)業(yè)生產(chǎn)進(jìn)程，提高了農(nóng)業(yè)生產(chǎn)效率。

本文的貢獻(xiàn)在于，嘗試研究數(shù)字金融對(duì)農(nóng)民收入中的非農(nóng)收入如何發(fā)揮作用，并從空間視角探討數(shù)字金融對(duì)周邊地區(qū)的溢出效應(yīng)，從政策和區(qū)域兩方面討論數(shù)字金融影響非農(nóng)收入的異質(zhì)性。另外，鑒于以往文獻(xiàn)多集中于分析數(shù)字金融與農(nóng)民非農(nóng)收入的直接影響，本文引入農(nóng)村產(chǎn)業(yè)融合水平和農(nóng)村創(chuàng)業(yè)活躍度兩個(gè)變量，分析數(shù)字金融對(duì)非農(nóng)收入的中間機(jī)制影響。

三、機(jī)理分析與研究假設(shè)

（一）數(shù)字金融促進(jìn)農(nóng)民非農(nóng)收入的機(jī)理分析

受農(nóng)業(yè)規(guī)模、技術(shù)、制度等因素制約，在傳統(tǒng)農(nóng)業(yè)中農(nóng)民收入主要為出售農(nóng)產(chǎn)品獲得的報(bào)酬。進(jìn)入20世紀(jì)90年代，農(nóng)民收入中務(wù)農(nóng)經(jīng)營(yíng)的部分不斷減少，而非農(nóng)收入占比不斷增加（鐘甫寧和何軍，2007），因此解決非農(nóng)就業(yè)問(wèn)題成為實(shí)現(xiàn)農(nóng)民增收的關(guān)鍵。以種植業(yè)為主的傳統(tǒng)農(nóng)業(yè)向二、三產(chǎn)業(yè)過(guò)渡，農(nóng)村私營(yíng)企業(yè)或個(gè)體戶經(jīng)營(yíng)增加，我國(guó)農(nóng)村信貸需求顯著上升。農(nóng)村金融機(jī)構(gòu)為避免風(fēng)險(xiǎn)需要借款者提供抵押資產(chǎn)，農(nóng)村私營(yíng)企業(yè)和個(gè)體戶無(wú)法滿足信貸條件，難以獲得足額資金從事生產(chǎn)以增加經(jīng)營(yíng)性收入，廣大農(nóng)戶的融資需求不能得到有效保障，影響了農(nóng)民非農(nóng)收入的增長(zhǎng)。受益于互聯(lián)網(wǎng)革命的浪潮影響，我國(guó)數(shù)字金融依托大數(shù)據(jù)和云計(jì)算得到快速發(fā)展，大大推進(jìn)了我國(guó)普惠金融的成長(zhǎng)（張勛等，2019）。數(shù)字金融服務(wù)取代了傳統(tǒng)金融的物理網(wǎng)點(diǎn)，資金交易雙方通過(guò)網(wǎng)上平臺(tái)直接交易，系統(tǒng)通過(guò)交易行為數(shù)據(jù)判斷借款者違約概率和還款能力，顛覆了以往基于個(gè)體資產(chǎn)負(fù)債放款的判斷方式。數(shù)字金融降低了客戶的進(jìn)入門檻，克服了傳統(tǒng)金融機(jī)構(gòu)的排他性，使得初始資本積累較少的農(nóng)村私營(yíng)企業(yè)和個(gè)體戶可以獲得貸款，保證資金充裕以擴(kuò)大規(guī)模和研發(fā)技術(shù)，帶動(dòng)產(chǎn)業(yè)升級(jí)，創(chuàng)造大量的非農(nóng)就業(yè)機(jī)會(huì)，進(jìn)一步增加了農(nóng)民的非農(nóng)收入（肖龍鐸和張兵，2017）?；诖?，提出假設(shè)1：

H1：數(shù)字金融對(duì)當(dāng)?shù)剞r(nóng)民非農(nóng)收入具有積極促進(jìn)作用。

（二）數(shù)字金融對(duì)農(nóng)民非農(nóng)收入的空間影響

任何地區(qū)的經(jīng)濟(jì)發(fā)展都不會(huì)脫離于周邊地區(qū)而獨(dú)立存在，地區(qū)間往往存在潛在的影響與聯(lián)系（林光平等，2005），數(shù)字金融推動(dòng)了當(dāng)?shù)剞r(nóng)民的非農(nóng)收入，也波及至鄰近地區(qū)或更遠(yuǎn)的地區(qū)。初期階段，數(shù)字金融在基礎(chǔ)設(shè)施建設(shè)完備等條件更為優(yōu)越的地區(qū)發(fā)展較快，而由于資本逐利性，數(shù)字金融會(huì)不斷向周邊地區(qū)擴(kuò)散，當(dāng)?shù)亟?jīng)濟(jì)的增長(zhǎng)也會(huì)通過(guò)生產(chǎn)要素與貿(mào)易合作的方式向外流動(dòng)，通過(guò)“涓滴效應(yīng)”對(duì)鄰近地區(qū)產(chǎn)生促進(jìn)作用（徐章星，2021）。數(shù)字金融加速知識(shí)和信息數(shù)據(jù)在各地區(qū)的傳播，打破了金融服務(wù)的地理限制，有效地推動(dòng)金融資源的地理滲透，實(shí)現(xiàn)金融服務(wù)供求雙方的跨空間對(duì)接，由此產(chǎn)生空間溢出效應(yīng)?；诖?，提出假設(shè)2：

H2：數(shù)字金融會(huì)對(duì)鄰近區(qū)域的非農(nóng)收入產(chǎn)生正向空間溢出作用。

（三）數(shù)字金融促進(jìn)農(nóng)民非農(nóng)收入的機(jī)制分析

非農(nóng)就業(yè)比率的增加對(duì)農(nóng)村信貸在期限、額度及類型方面提出更大的要求，數(shù)字金融的出現(xiàn)則增加了信貸的可得性。首先其基于大數(shù)據(jù)信息技術(shù)根據(jù)農(nóng)村用戶的互聯(lián)網(wǎng)消費(fèi)、支付行為數(shù)據(jù)，判斷用戶的誠(chéng)信水平與還款能力，以較低成本對(duì)新開創(chuàng)的農(nóng)村小微企業(yè)進(jìn)行風(fēng)險(xiǎn)評(píng)估，提高其融資效率，減輕因信息不對(duì)稱產(chǎn)生的融資限制。其次數(shù)字金融的小額、零散、個(gè)性化投融資服務(wù)為作為長(zhǎng)尾客戶的農(nóng)村小微企業(yè)提供綠色融資通道，從而實(shí)現(xiàn)創(chuàng)業(yè)機(jī)會(huì)的均等化，有助提升創(chuàng)業(yè)績(jī)效。再次數(shù)字金融簡(jiǎn)化了傳統(tǒng)商業(yè)模式中繁瑣的支付方式，縮短資金在流轉(zhuǎn)過(guò)程中產(chǎn)生的交易費(fèi)用，使農(nóng)村小微企業(yè)更便捷地進(jìn)行線上交易，實(shí)現(xiàn)線下交易線上化，催生出共享經(jīng)濟(jì)、電子商務(wù)諸多新型領(lǐng)域的創(chuàng)業(yè)形式（鞏鑫和唐文琳，2021）。數(shù)字金融大大緩解具有良好創(chuàng)新創(chuàng)業(yè)精神的農(nóng)村企業(yè)家的融資約束，通過(guò)充分激發(fā)農(nóng)民的創(chuàng)新與創(chuàng)業(yè)潛能，創(chuàng)造出大批非農(nóng)就業(yè)機(jī)會(huì)，提高了農(nóng)民非農(nóng)收入（肖龍鐸和張兵，2017）。基于以上分析，提出假設(shè)3：

H3：數(shù)字金融能夠通過(guò)促進(jìn)農(nóng)村創(chuàng)業(yè)活躍度提高非農(nóng)收入。

隨著農(nóng)產(chǎn)品加工業(yè)、休閑產(chǎn)業(yè)和新興服務(wù)業(yè)在農(nóng)村不斷發(fā)展，農(nóng)村電商平臺(tái)以農(nóng)產(chǎn)品產(chǎn)地直銷、品牌銷售方式帶動(dòng)當(dāng)?shù)禺a(chǎn)業(yè)，利用互聯(lián)網(wǎng)技術(shù)直接將農(nóng)業(yè)生產(chǎn)、農(nóng)產(chǎn)品加工和銷售與其他服務(wù)行業(yè)連接，構(gòu)建一體化生產(chǎn)鏈，實(shí)現(xiàn)了第一產(chǎn)業(yè)功能的轉(zhuǎn)型升級(jí)，有助于提高農(nóng)民的非農(nóng)收入（蔡潔，2020）。數(shù)字金融的下鄉(xiāng)拓寬了金融服務(wù)范圍和觸達(dá)能力，滿足農(nóng)村產(chǎn)業(yè)融合多層次的資金需求。首先數(shù)字金融能夠利用“鯰魚效應(yīng)”和“技術(shù)溢出效應(yīng)”激勵(lì)傳統(tǒng)農(nóng)村金融提高融資改革意愿，增強(qiáng)農(nóng)民和農(nóng)戶的信貸資金可得性（張?jiān)篮椭軕?yīng)恒，2021）；其次數(shù)字金融支付平臺(tái)使農(nóng)村產(chǎn)業(yè)融合交付便捷，為農(nóng)產(chǎn)品線上銷售、直播帶貨等新型業(yè)態(tài)的發(fā)展創(chuàng)造良好的條件，提高農(nóng)民的非農(nóng)收入。據(jù)此，提出假設(shè)4：

H4：數(shù)字金融能夠通過(guò)促進(jìn)農(nóng)村產(chǎn)業(yè)融合發(fā)展提高非農(nóng)收入。

四、研究設(shè)計(jì)

（一）模型設(shè)定

1.空間計(jì)量模型

通過(guò)構(gòu)建空間計(jì)量模型檢驗(yàn)數(shù)字金融對(duì)農(nóng)民非農(nóng)收入的影響效應(yīng)，空間計(jì)量模型包括空間自回歸（SAR）模型、空間誤差（SEM）模型和空間杜賓（SDM）模型。SAR模型假設(shè)非農(nóng)收入通過(guò)空間相互作用對(duì)其他地區(qū)產(chǎn)生影響，SEM模型假定空間效應(yīng)通過(guò)誤差項(xiàng)傳導(dǎo)。SDM模型同時(shí)考慮了這兩種空間效應(yīng)。鑒于不同空間作用對(duì)回歸結(jié)果產(chǎn)生不同的影響、揭示不同的經(jīng)濟(jì)含義，為獲取較好的擬合結(jié)果以便展開分析，使用SAR、SEM和SDM三個(gè)模型分別進(jìn)行檢驗(yàn)。

以上分別為SAR、SEM和SDM的模型公式，N f i為各地區(qū)的農(nóng)村非農(nóng)收入，Di f表示數(shù)字金融，Controls代表一系列控制變量；W為空間權(quán)重矩陣，擾動(dòng)項(xiàng)μ和ε均服從獨(dú)立同分布的條件，即μit～idd(0,σ2)，εit～idd(0,σ2)。

2.中介效應(yīng)模型

為檢驗(yàn)農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合在數(shù)字金融與非農(nóng)收入中的傳導(dǎo)作用，結(jié)合溫忠麟和葉寶娟（2014）提出的中介效應(yīng)模型進(jìn)行估計(jì)，構(gòu)建模型如下：

公式（5）、（6）表示數(shù)字金融通過(guò)農(nóng)村創(chuàng)業(yè)活躍度影響非農(nóng)收入的中介效應(yīng)，Rea表示中介變量農(nóng)村創(chuàng)業(yè)活躍度；公式（7）、（8）為數(shù)字金融通過(guò)農(nóng)村產(chǎn)業(yè)融合發(fā)展影響非農(nóng)收入的中介效應(yīng)，Rid表示中介變量農(nóng)村產(chǎn)業(yè)融合發(fā)展。如果系數(shù)1、φ2和τ1均顯著，則說(shuō)明存在農(nóng)村創(chuàng)業(yè)活躍度的中介效應(yīng)。同樣，如果系數(shù)1、γ1和ψ2均顯著，則說(shuō)明存在農(nóng)村產(chǎn)業(yè)融合的中介效應(yīng)。在此基礎(chǔ)上，如果φ1和ψ1分別顯著，即為部分中介效應(yīng)，否則是完全中介效應(yīng)。和分別表示農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合的中介效應(yīng)占總效應(yīng)的比重，反映二者促進(jìn)農(nóng)村非農(nóng)收入的重要性。

（二）變量選取

1.被解釋變量

非農(nóng)收入（N fi）。農(nóng)村非農(nóng)收入指的是農(nóng)戶除農(nóng)業(yè)經(jīng)營(yíng)收入以外的家庭經(jīng)營(yíng)收入、工資性收入、財(cái)產(chǎn)性收入和轉(zhuǎn)移性收入。其中財(cái)產(chǎn)性收入指包括儲(chǔ)蓄利息、房屋出租等對(duì)本人財(cái)產(chǎn)使用及處置獲得的收益；轉(zhuǎn)移性收入為包括補(bǔ)貼、賠款、撫恤金和退休金在內(nèi)的二次分配中獲得的收入。工資性收入和家庭經(jīng)營(yíng)收入占比較大，選用這些收入的人均之和作為農(nóng)民非農(nóng)收入進(jìn)行核算。

2.解釋變量

數(shù)字金融（Di f）。該變量從數(shù)字金融的覆蓋廣度、使用深度和數(shù)字化程度三個(gè)角度進(jìn)行綜合考量，全面分析我國(guó)內(nèi)地各個(gè)地區(qū)2011-2020年間數(shù)字金融的發(fā)展現(xiàn)狀和演變趨勢(shì)。

3.中介變量

農(nóng)村創(chuàng)業(yè)活躍度（Rea）。使用農(nóng)村私營(yíng)企業(yè)和個(gè)體戶總和占就業(yè)總?cè)丝诒戎睾饬哭r(nóng)村創(chuàng)業(yè)活躍度，比重越大，則該地區(qū)創(chuàng)業(yè)開展得更加活躍。

農(nóng)村產(chǎn)業(yè)融合發(fā)展（Rid）。農(nóng)村產(chǎn)業(yè)融合發(fā)展是一個(gè)綜合性較強(qiáng)的指標(biāo)，無(wú)法使用單一要素充分體現(xiàn)，參考張林和溫濤（2022）的做法，采用熵值法建立一級(jí)指標(biāo)來(lái)衡量農(nóng)村產(chǎn)業(yè)融合發(fā)展，基于數(shù)據(jù)的可得性，該指標(biāo)體系構(gòu)建如下表所示。

表1 農(nóng)村產(chǎn)業(yè)融合發(fā)展指標(biāo)體系

第一，采用熵值法對(duì)農(nóng)村產(chǎn)業(yè)融合發(fā)展進(jìn)行綜合評(píng)價(jià)，首先考慮到不同指標(biāo)的量綱不同，對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化的無(wú)量綱處理。

對(duì)于正向指標(biāo)：

對(duì)于負(fù)向指標(biāo)：

其中，t為時(shí)間，i為不同地區(qū)，j為各個(gè)指標(biāo)。

第二，計(jì)算i地區(qū)t年間第j個(gè)指標(biāo)的權(quán)重，記為Wijt。

第三，計(jì)算指標(biāo)的信息熵ej與冗余度dj。

其中，m為年份個(gè)數(shù)，n為地區(qū)個(gè)數(shù)，k為指標(biāo)個(gè)數(shù)。

第四，計(jì)算指標(biāo)j的權(quán)重，記為Wj。利用信息熵的價(jià)值系數(shù)來(lái)確定指標(biāo)權(quán)重大小，權(quán)重計(jì)算公式為：

最后，計(jì)算農(nóng)村產(chǎn)業(yè)融合發(fā)展的綜合指數(shù)：

4.控制變量

為控制其他因素對(duì)農(nóng)民非農(nóng)收入的影響，參考部分學(xué)者的研究（王麗納和李玉山，2019；張?jiān)篮椭軕?yīng)恒，2021；焦青霞和劉岳澤，2022），選擇控制變量如表2所示。

表2 變量定義

（三）數(shù)據(jù)來(lái)源

數(shù)字金融指標(biāo)使用北京大學(xué)數(shù)字金融研究中心編制的第三期數(shù)字普惠金融指數(shù)作為代理變量。農(nóng)村非農(nóng)收入、農(nóng)村創(chuàng)業(yè)活躍度、農(nóng)村產(chǎn)業(yè)融合發(fā)展以及控制變量的相關(guān)數(shù)據(jù)來(lái)源于各年度的《中國(guó)農(nóng)村統(tǒng)計(jì)年鑒》和《中國(guó)統(tǒng)計(jì)年鑒》。剔除了缺失數(shù)據(jù)較多的地區(qū)，部分缺失數(shù)值使用插值法進(jìn)行補(bǔ)充完善，最終得到中國(guó)大陸30個(gè)?。▍^(qū)、市）的2011-2020年，共300個(gè)觀測(cè)值的平衡面板數(shù)據(jù)。

（四）描述性統(tǒng)計(jì)分析

如表3所示，非農(nóng)收入極端值差距明顯，而標(biāo)準(zhǔn)差為53.516，說(shuō)明我國(guó)整體非農(nóng)收入存在差距，但差距不是十分嚴(yán)重。數(shù)字金融標(biāo)準(zhǔn)差為96.968，說(shuō)明我國(guó)各地區(qū)數(shù)字金融的發(fā)展存在一定的差距；農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合發(fā)展不同地區(qū)存在差距，且存在較明顯的極端值。

表3 變量描述性統(tǒng)計(jì)

五、實(shí)證分析

（一）構(gòu)建空間權(quán)重矩陣

1.空間鄰接矩陣W1

空間鄰接矩陣W1是根據(jù)省域間的相鄰關(guān)系來(lái)構(gòu)造的空間權(quán)重矩陣，如果省域之間存在公共邊界，則記為1，反之記為0，其表達(dá)式為：

其中，i、j（i、j=1,2，…30）代表不同地區(qū)，將海南島設(shè)為與廣東省相鄰，解決其作為“孤島變量”的問(wèn)題。

2.經(jīng)濟(jì)距離矩陣W2

白俊紅等（2017）認(rèn)為空間距離矩陣難以充分反映地區(qū)之間的關(guān)聯(lián)關(guān)系，經(jīng)濟(jì)活動(dòng)的空間溢出效應(yīng)還會(huì)受到經(jīng)濟(jì)發(fā)展水平差距的影響，因此基于各省市人均GDP建立經(jīng)濟(jì)距離矩陣，表達(dá)式為：

其中，i和j表示不同地區(qū)，n表示時(shí)間跨度，W為n階對(duì)稱矩陣，為避免分析誤差，對(duì)空間權(quán)重矩陣進(jìn)行行標(biāo)準(zhǔn)化處理，標(biāo)準(zhǔn)化公式為：

（二）空間相關(guān)性檢驗(yàn)

1.全局空間相關(guān)性

Moran’s I指數(shù)能夠有效檢驗(yàn)整個(gè)空間系統(tǒng)內(nèi)鄰近地區(qū)間是否存在相關(guān)性，計(jì)算公式為：

其中，n為地區(qū)數(shù)量，S2表示樣本方差。Moran’s I指數(shù)的取值范圍一般為-1≤I≤1，當(dāng)指數(shù)取值大于0時(shí)，即各地區(qū)在空間上是正相關(guān)，若小于0則為空間負(fù)相關(guān)，當(dāng)接近于0時(shí)表示不存在空間相關(guān)性，研究對(duì)象呈現(xiàn)隨機(jī)分布狀態(tài)。非農(nóng)收入與數(shù)字金融在W1和W2下的空間相關(guān)性如表4所示，兩個(gè)矩陣下的指數(shù)均通過(guò)1%的顯著性檢驗(yàn)，表明在地理區(qū)位和經(jīng)濟(jì)水平上，非農(nóng)收入和數(shù)字金融均存在明顯的空間正相關(guān)性，且在地理區(qū)位上的空間相關(guān)性更為明顯。

表4 空間相關(guān)性檢驗(yàn)

2.局部空間相關(guān)性

Moran散點(diǎn)圖能夠分析局部地區(qū)表現(xiàn)出來(lái)的分布特點(diǎn)，通過(guò)計(jì)算我國(guó)30個(gè)地區(qū)農(nóng)民非農(nóng)收入和數(shù)字金融的局部Moran’s I指數(shù)，發(fā)現(xiàn)大部分省份均拒絕“無(wú)空間相關(guān)性”的原假設(shè)，具有空間集聚關(guān)系。圖1和圖2是根據(jù)空間權(quán)重矩陣得到的農(nóng)民非農(nóng)收入的Moran散點(diǎn)圖，圖3和圖4是數(shù)字金融的Moran散點(diǎn)圖，更清楚地展現(xiàn)數(shù)字金融和農(nóng)民非農(nóng)收入的空間相關(guān)性。

圖1 非農(nóng)收入的空間鄰接矩陣Moran散點(diǎn)圖

圖2 非農(nóng)收入的經(jīng)濟(jì)距離矩陣Moran散點(diǎn)圖

圖3 數(shù)字金融的空間鄰接矩陣Moran散點(diǎn)圖

圖4 數(shù)字金融的經(jīng)濟(jì)距離矩陣Moran散點(diǎn)圖

可以看出，農(nóng)民的非農(nóng)收入和數(shù)字金融在空間鄰近矩陣和經(jīng)濟(jì)距離矩陣下的分布相似，均主要分布在第一象限和第三象限，呈現(xiàn)明顯的H-H集聚和L-L集聚。L-L集聚的數(shù)量明顯多于H-H數(shù)量，非農(nóng)收入與數(shù)字金融集聚基本重合，H-H集聚多為東部沿海省份，L-L集聚集中在東北地區(qū)和中西的地區(qū)。說(shuō)明數(shù)字金融和農(nóng)民非農(nóng)收入具有很大的聯(lián)系。由于數(shù)字金融平臺(tái)有效實(shí)現(xiàn)服務(wù)對(duì)象的下沉，為農(nóng)業(yè)提供了大量資金技術(shù)支持，顯著降低農(nóng)民的融資成本，促進(jìn)了農(nóng)民非農(nóng)收入的提高。

（三）實(shí)證結(jié)果分析

參考Elhorst（2014）的方法進(jìn)行空間模型選擇，結(jié)果如表5所示。LM-lag和LM-error通過(guò)顯著性檢驗(yàn)，說(shuō)明傳統(tǒng)的非空間面板模型不再適用，需要使用空間計(jì)量模型；Robust-LM-error與Robust-LMlag均通過(guò)了顯著性檢驗(yàn)，SEM模型與SAR模型均合適，SDM模型同時(shí)考慮了兩種模型的空間效應(yīng)，因此使用SDM模型估計(jì)更適用，將重點(diǎn)分析SDM模型的回歸結(jié)果。

表5 SDM的模型檢驗(yàn)

LM-lag 58.957 0.000 32.276 0.000 Robust-LM-lag 8.866 0.003 65.541 0.000

從表6的回歸結(jié)果中可以看出，在兩個(gè)空間權(quán)重矩陣下，數(shù)字金融在SDM模型中對(duì)當(dāng)?shù)胤寝r(nóng)收入的回歸系數(shù)分別為0.3689和0.2866，均通過(guò)了1%的顯著性檢驗(yàn)，同時(shí)在SAR和SEM模型中也均顯著為正，說(shuō)明數(shù)字金融能夠有效促進(jìn)當(dāng)?shù)胤寝r(nóng)收入的增長(zhǎng)。SDM模型在兩個(gè)空間權(quán)重矩陣的空間效應(yīng)系數(shù)ρ均在1%的水平上顯著為正，同時(shí)SAR模型的空間系數(shù)ρ和SEM模型的λ也均顯著為正，說(shuō)明無(wú)論是考慮鄰接關(guān)系還是經(jīng)濟(jì)距離因素，農(nóng)民非農(nóng)收入均具有明顯的空間集聚特征，使用空間模型合理。地理區(qū)位鄰接和經(jīng)濟(jì)距離越鄰近的地區(qū)之間，其農(nóng)民非農(nóng)收入存在顯著的空間相關(guān)關(guān)系。

表6 數(shù)字金融與非農(nóng)收入的空間估計(jì)結(jié)果

為了避免空間回歸系數(shù)的誤差，本文參考LeSage和Pace(2008)的方法，使用偏微分將數(shù)字金融對(duì)農(nóng)民非農(nóng)收入的影響分解為直接效應(yīng)和間接效應(yīng)。直接效應(yīng)表示本地區(qū)數(shù)字金融的變動(dòng)對(duì)本地農(nóng)民非農(nóng)收入的影響效應(yīng)；間接效應(yīng)表示其他地區(qū)數(shù)字金融的變動(dòng)對(duì)本地非農(nóng)收入的影響。如表7所示，兩個(gè)空間權(quán)重矩陣下，數(shù)字金融的直接效應(yīng)影響系數(shù)分別為0.4261和0.2990，并分別在1%的水平上顯著，說(shuō)明本地區(qū)數(shù)字金融對(duì)本地農(nóng)民非農(nóng)收入具有促進(jìn)作用。數(shù)字金融的間接效應(yīng)在兩個(gè)空間矩陣下分別為0.6036和0.3135，并分別在10%和5%的水平上顯著，說(shuō)明數(shù)字金融對(duì)經(jīng)濟(jì)與地理區(qū)位鄰近地區(qū)的非農(nóng)收入存在正向溢出作用，而且這種溢出作用大于本地?cái)?shù)字金融的直接促進(jìn)作用。由于數(shù)字金融不斷向周邊地區(qū)發(fā)展，通過(guò)“涓滴效應(yīng)”惠及鄰近地區(qū)，推動(dòng)產(chǎn)業(yè)跨區(qū)域發(fā)展，產(chǎn)生空間溢出效應(yīng)。數(shù)字金融的空間溢出效應(yīng)促進(jìn)相鄰省市的技術(shù)創(chuàng)新，為金融領(lǐng)域的普惠發(fā)展提供技術(shù)支持，促進(jìn)周邊地區(qū)資金融通，為農(nóng)村產(chǎn)業(yè)融合發(fā)展提供便捷的數(shù)字金融服務(wù)，降低融資成本以激發(fā)農(nóng)村創(chuàng)新創(chuàng)業(yè)的積極性，進(jìn)而創(chuàng)造更多非農(nóng)就業(yè)崗位和增加非農(nóng)收入，證明了假設(shè)1和2。

表7 SDM模型的效應(yīng)分解

（四）異質(zhì)性檢驗(yàn)

2016年我國(guó)十三五規(guī)劃頒布，提出要重點(diǎn)發(fā)展數(shù)字金融及相關(guān)技術(shù)，顯著提高了數(shù)字金融的覆蓋廣度和地位，為此選擇2016年為數(shù)字金融變革事件來(lái)定義虛擬變量：在2011-2015年取0，2016-2020年取1，進(jìn)行政策視角的異質(zhì)性分析。前文在分析空間相關(guān)性時(shí)發(fā)現(xiàn)，H-H集聚多集中在東部沿海地區(qū)，東部地區(qū)由于經(jīng)濟(jì)基礎(chǔ)、人才積累和技術(shù)水平等方面優(yōu)于中西部地區(qū)，有利于數(shù)字金融的迅速發(fā)展，因此與中西部地區(qū)會(huì)形成區(qū)域差異性。按照國(guó)家地區(qū)區(qū)域劃分規(guī)范，將30個(gè)省份分為東部、中西部地區(qū)，進(jìn)行不同區(qū)域的異質(zhì)性分析。

得出的結(jié)果如表8所示，在政策和區(qū)域視角上的異質(zhì)性分析中，空間鄰接矩陣下的空間系數(shù)ρ均顯著，說(shuō)明我國(guó)各地區(qū)的非農(nóng)收入存在顯著的空間效應(yīng)，數(shù)字金融不僅促進(jìn)本地區(qū)的非農(nóng)收入，同時(shí)對(duì)周邊地區(qū)非農(nóng)收入具有明顯的正向空間溢出效應(yīng)。在政策視角方面，數(shù)字金融與時(shí)間虛擬變量的交乘項(xiàng)系數(shù)顯著為正，說(shuō)明從2016年大力發(fā)展數(shù)字金融的政策頒布開始，對(duì)非農(nóng)收入的促進(jìn)作用比政策頒布之前增強(qiáng)。在區(qū)域視角方面，數(shù)字金融與地區(qū)虛擬變量的交乘項(xiàng)系數(shù)顯著為正，由于我國(guó)中西部地區(qū)經(jīng)濟(jì)基礎(chǔ)薄弱，互聯(lián)網(wǎng)等技術(shù)建設(shè)不完善，而較為先進(jìn)的東部地區(qū)數(shù)字金融更有利于非農(nóng)收入的增長(zhǎng)，并且對(duì)周邊地區(qū)的非農(nóng)收入的促進(jìn)作用更強(qiáng)。

表8 異質(zhì)性檢驗(yàn)

（五）穩(wěn)健性檢驗(yàn)

1.不同空間權(quán)重矩陣的穩(wěn)健性檢驗(yàn)

前文根據(jù)空間鄰接矩陣W1分析數(shù)字金融與非農(nóng)收入在地理區(qū)位上的空間溢出效應(yīng)，本文進(jìn)一步使用空間距離矩陣W3替換W1進(jìn)行檢驗(yàn)。同時(shí)參考有關(guān)學(xué)者的研究（孫喆和劉傳明，2020；程廣斌等，2022），經(jīng)濟(jì)發(fā)展水平較高的地區(qū)對(duì)其他地區(qū)的空間影響高于落后地區(qū)的影響，即Wij≠Wji，因此構(gòu)建非對(duì)稱經(jīng)濟(jì)地理矩陣W4替換W2進(jìn)行分析，兩個(gè)空間權(quán)重矩陣分別如下：

（1）空間距離矩陣W3

（2）非對(duì)稱經(jīng)濟(jì)地理矩陣W4

表9為更換空間權(quán)重矩陣后的空間模型回歸結(jié)果，數(shù)字金融對(duì)非農(nóng)收入的影響系數(shù)方向和顯著性水平?jīng)]有發(fā)生根本性的變化，驗(yàn)證了前文結(jié)果的穩(wěn)定可靠性。

表9 更換空間權(quán)重矩陣下的穩(wěn)健性檢驗(yàn)

2.替換變量的穩(wěn)健性檢驗(yàn)

非農(nóng)收入對(duì)農(nóng)民可支配收入具有主要的影響作用，本文將被解釋變量非農(nóng)收入替換為農(nóng)民可支配收入，回歸結(jié)果如表10所示，與前文結(jié)果沒有發(fā)生顯著變化，證明了數(shù)字金融促進(jìn)非農(nóng)收入結(jié)論的穩(wěn)健性。

表10 替換變量的穩(wěn)健性檢驗(yàn)

3.考慮內(nèi)生性的穩(wěn)健性檢驗(yàn)

遺漏變量和互為因果等內(nèi)生性問(wèn)題的存在會(huì)對(duì)估計(jì)結(jié)果產(chǎn)生影響，導(dǎo)致估計(jì)系數(shù)偏差和不一致。為驗(yàn)證內(nèi)生性問(wèn)題是否對(duì)實(shí)證回歸過(guò)程產(chǎn)生實(shí)質(zhì)性影響，使用動(dòng)態(tài)空間計(jì)量模型、GMM方法和工具變量法三種方式進(jìn)行穩(wěn)健性檢驗(yàn)。

在動(dòng)態(tài)空間面板引入非農(nóng)收入的空間滯后項(xiàng)，結(jié)果顯示數(shù)字金融對(duì)非農(nóng)收入在兩類空間權(quán)重矩陣下仍顯著為正，說(shuō)明在動(dòng)態(tài)空間面板中，數(shù)字金融仍能夠促進(jìn)非農(nóng)收入的增長(zhǎng)；使用GMM方法進(jìn)行估計(jì)，數(shù)字金融的估計(jì)系數(shù)在5%的顯著性水平下為正。在工具變量法中，選擇互聯(lián)網(wǎng)普及率和電話普及率作為工具變量。這兩個(gè)指標(biāo)滿足相關(guān)性與排他性的要求，而且不存在弱變量問(wèn)題。如表11所示，在使用工具變量后，數(shù)字金融的發(fā)展對(duì)非農(nóng)收入仍然起到顯著的正向促進(jìn)作用，驗(yàn)證了結(jié)果的穩(wěn)健性。

表11 內(nèi)生性檢驗(yàn)

（六）影響機(jī)制檢驗(yàn)

數(shù)字金融緩解農(nóng)民的融資需求，促進(jìn)了農(nóng)戶創(chuàng)業(yè)的積極性，并延伸農(nóng)村生產(chǎn)產(chǎn)業(yè)鏈，實(shí)現(xiàn)農(nóng)業(yè)升級(jí)，創(chuàng)造了大量的非農(nóng)就業(yè)，對(duì)非農(nóng)收入的發(fā)展起到促進(jìn)作用，因此數(shù)字金融通過(guò)促進(jìn)農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合發(fā)展提高了非農(nóng)收入。通過(guò)建立中介效應(yīng)模型來(lái)檢驗(yàn)這兩種機(jī)制，回歸結(jié)果如表12所示，可以發(fā)現(xiàn)農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合發(fā)展指數(shù)的影響是顯著的，農(nóng)村創(chuàng)業(yè)活躍度在數(shù)字金融與非農(nóng)收入間的中介效應(yīng)占比為23.16%，農(nóng)村產(chǎn)業(yè)融合的中介效應(yīng)為34%。

六、結(jié)論與建議

本文使用我國(guó)30個(gè)省份2011-2020年的面板數(shù)據(jù)作為樣本，建立空間計(jì)量模型和中介效應(yīng)模型檢驗(yàn)我國(guó)數(shù)字金融與農(nóng)民非農(nóng)收入之間的空間關(guān)系和作用機(jī)制，得出如下結(jié)論：（1）數(shù)字金融對(duì)非農(nóng)收入具有明顯的空間溢出作用，數(shù)字金融不僅對(duì)本地非農(nóng)收入具有顯著的促進(jìn)作用，其空間溢出效應(yīng)也帶動(dòng)了地理區(qū)位鄰接或者經(jīng)濟(jì)鄰近地區(qū)非農(nóng)收入的發(fā)展；（2）分區(qū)域來(lái)看，東部地區(qū)數(shù)字金融對(duì)非農(nóng)收入的促進(jìn)作用遠(yuǎn)大于中西部；從政策實(shí)施來(lái)看，2016年十三五規(guī)劃數(shù)字金融變革之后，數(shù)字金融對(duì)農(nóng)民非農(nóng)收入地促進(jìn)作用大于2016年之前；（3）農(nóng)村創(chuàng)業(yè)活躍度和農(nóng)村產(chǎn)業(yè)融合發(fā)展在數(shù)字金融促進(jìn)非農(nóng)收入的過(guò)程中起到中間傳導(dǎo)機(jī)制的作用。基于以上研究結(jié)論，得出下列建議：

首先，加快構(gòu)建全方位的數(shù)字金融服務(wù)系統(tǒng)。農(nóng)村弱勢(shì)群體所在地區(qū)發(fā)展基礎(chǔ)薄弱，數(shù)字金融平臺(tái)應(yīng)推廣更具包容性與針對(duì)性、與農(nóng)戶風(fēng)險(xiǎn)承受能力相匹配的金融產(chǎn)品與服務(wù)，打造線上線下有機(jī)結(jié)合的服務(wù)模式，支持農(nóng)民利用線上渠道獲取數(shù)字金融產(chǎn)品及服務(wù)，為其創(chuàng)業(yè)就業(yè)提供啟動(dòng)資金，以此推動(dòng)農(nóng)民增加非農(nóng)收入。

其次，加強(qiáng)區(qū)域合作交流，建立區(qū)域間金融合作體系，增加數(shù)字金融在地區(qū)間的相互溢出和滲透，有效引導(dǎo)數(shù)字金融對(duì)周邊地區(qū)的帶動(dòng)效應(yīng)和輻射效應(yīng)，加大各地區(qū)之間數(shù)字金融合作，通過(guò)數(shù)字金融引導(dǎo)地區(qū)間協(xié)同發(fā)展、良性互動(dòng)，鼓勵(lì)各地區(qū)非農(nóng)收入共同提高。完善中西部地區(qū)農(nóng)村數(shù)字金融的基礎(chǔ)設(shè)施建設(shè)，創(chuàng)新適合的數(shù)字金融產(chǎn)品，提高中西部地區(qū)的非農(nóng)收入，需要提高中西部偏遠(yuǎn)農(nóng)村的硬件設(shè)施水平，提升農(nóng)村網(wǎng)絡(luò)覆蓋率和網(wǎng)絡(luò)使用率，為發(fā)展農(nóng)村數(shù)字金融提供堅(jiān)實(shí)的信息基礎(chǔ)設(shè)施，提高通過(guò)數(shù)字金融平臺(tái)獲取金融服務(wù)的能力。