數(shù)字普惠金融能否促進能源貧困緩解來自夜間燈光數(shù)據(jù)的證據(jù)

中圖分類號：X24文獻標識碼：A

引言

相對貧困著重強調收入不平等、機會剝奪、社會排斥以及主觀相對剝奪感等多維貧困現(xiàn)象，而能源貧困則側重反映部分居民家庭在現(xiàn)代清潔能源的可獲得性、可負擔性、消費清潔性等方面的不平等狀況。能源貧困的存在與惡化一定程度上削弱了居民獲得高品質生活燃料、享受高質量生活條件的權利，間接導致收入、健康、教育等方面的不公平。最新發(fā)表在世界頂級期刊《NatureEnergy》的文章指出，在中國快速的能源消費轉型進程中，受訪家庭的能源貧困比例卻由 30.1% 上升至 34.2%^[1] ，能源貧困已成為當前中國相對貧困的重要表現(xiàn)形式之一。數(shù)字普惠金融是普惠金融與互聯(lián)網(wǎng)技術深度融合的新型金融服務模式，能夠克服傳統(tǒng)普惠金融在實踐中抵押物缺乏、服務流程繁雜的“痛點”，輻射范圍有限、服務渠道閉塞的“阻點”以及信息不對稱、金融風險偏高的“堵點”，顯著增強了金融服務的普惠性和包容性，在相對貧困治理過程中發(fā)揮著至關重要的作用，已成為我國建立健全解決相對貧困長效機制的重要抓手[2-3]。然而，針對數(shù)字普惠金融與能源貧困的研究相對較少，影響鏈尚不清晰。因此，挖掘數(shù)字普惠金融對能源貧困的影響效應，厘清兩者之間相互作用的機理，并提出針對性的政策建議，對構建相對貧困長效治理機制和實現(xiàn)中國式現(xiàn)代化目標具有重要意義。

測度能源貧困是開展數(shù)字普惠金融對能源貧困影響研究的前提和基礎。隨著研究的深入，能源貧困的測度方法由 10% 指標、LIHC（LowIncomeHighCost）指標等單維指標法[4-5，擴展為多維能源貧困指數(shù)法，測度的準確性和客觀性不斷增強6-7。然而，多維能源貧困指數(shù)的評估指標體系極易受到數(shù)據(jù)獲得性和研究目的的干擾，導致能源貧困測度結果出現(xiàn)偏誤。近年來，遙感衛(wèi)星技術迅速發(fā)展，相關理論研究不斷深人，夜間燈光數(shù)據(jù)逐步被應用于能源貧困研究領域。Hassani等（2019）在闡述現(xiàn)有能源貧困測度方法缺陷和衛(wèi)星影像數(shù)據(jù)優(yōu)勢的基礎上，從理論上分析了夜間燈光數(shù)據(jù)能夠客觀衡量能源貧困程度的合理性。Gavashelishvili（2020）將夜間燈光數(shù)據(jù)作為能源貧困的代理指標，探究了土耳其可再生能源與能源貧困之間的關系。Wang等（2021）對比分析夜間燈光數(shù)據(jù)與多維能源貧困指數(shù)，發(fā)現(xiàn)夜間燈光數(shù)據(jù)能夠有效預測多維能源貧困的動態(tài)變化趨勢[10]。

目前，多數(shù)學者圍繞數(shù)字普惠金融對相對貧困的影響效果、作用機制兩大主題展開研究。Yu和Wang（2021）對比分析了數(shù)字普惠金融對中國東、中、西部地區(qū)城鄉(xiāng)收入差距的影響。陳平等（2022）論證了降低信貸約束、提升投資理財參與度及縮小收入差距等是數(shù)字普惠金融緩解老年人口相對貧困的有效機制2。隨著研究深入，有學者已經(jīng)意識到數(shù)字普惠金融與相對貧困之間存在更加復雜的非線性關系，并采用實證方法加以驗證。黎毅等（2022）借助面板平滑轉換模型發(fā)現(xiàn)數(shù)字普惠金融與相對貧困之間存在顯著的門檻效應[13]，申云和李京蓉（2022）采用二次回歸模型揭示了數(shù)字普惠金融與農戶相對貧困之間呈現(xiàn)倒U型關系4。近年來，部分學者開始關注普惠金融對能源貧困緩解的影響。Dong等（2022）基于中國省級面板數(shù)據(jù)分析普惠金融發(fā)展對能源貧困的影響及作用機制[15]，Yin等（2023）采用中國家庭調查數(shù)據(jù)探究自然災害背景下普惠金融與能源貧困之間的深層關系[1。

由上述分析可知，夜間燈光數(shù)據(jù)能夠相對客觀地測度能源貧困，有助于探索數(shù)字普惠金融與能源貧困之間的復雜關系。然而，針對數(shù)字普惠金融與能源貧困的研究相對較少，同時，多數(shù)研究囿于面板平滑轉換模型、二次回歸模型等傳統(tǒng)計量方法來探究數(shù)字普惠金融與相對貧困之間的非線性關系，容易導致研究結論產生偏誤。鑒于此，本文將夜間燈光數(shù)據(jù)作為能源貧困的代理指標，采用隨機森林模型探究數(shù)字普惠金融與能源貧困之間的非線性關系，運用雙向固定效應模型和中介效應模型分析數(shù)字普惠金融對能源貧困緩解的促進效應及作用機制，以期挖掘數(shù)字普惠金融與能源貧困之間的深層關系。

一、理論分析和研究假設

以數(shù)字普惠金融助力能源貧困緩解，是新時代賦予金融業(yè)的重要使命。然而，數(shù)字普惠金融與能源貧困之間可能存在復雜的非線性關系，這是因為數(shù)字普惠金融在減貧實踐中存在顯著的“數(shù)字紅利”與“數(shù)字鴻溝”雙重效應。數(shù)字普惠金融依托互聯(lián)網(wǎng)，突破傳統(tǒng)普惠金融“高風險、高成本、低收益”的局限，拓展數(shù)字金融覆蓋廣度，提高能源貧困群體的金融服務可得性，促使數(shù)字普惠金融釋放“數(shù)字紅利”，推動能源貧困緩解。隨著數(shù)字普惠金融快速發(fā)展，能源貧困群體受經(jīng)濟條件和文化程度限制在數(shù)字素養(yǎng)方面存在缺陷，更容易產生“條件排斥”“機會排斥”和“自我排斥”等現(xiàn)象，導致“數(shù)字鴻溝”不斷擴大。這將加劇能源貧困群體在金融服務獲取方面的弱勢地位，削弱甚至抵消數(shù)字普惠金融在緩解能源貧困過程中產生的“紅利效應”。基于此，本文提出以下研究假設。

研究假設1：數(shù)字普惠金融發(fā)展對能源貧困緩解的影響具有非線性效應。

能源貧困具有多維性特征，主要體現(xiàn)在部分居民家庭難以獲得充足的現(xiàn)代能源服務、承擔能源消費成本的能力有限、能源消費的環(huán)境影響突出等方面[8]。因此，本文嘗試從能源服務獲得性、生活用能支付性以及能源消費清潔性入手，結合財政支出、家庭收入、人力資本等中介變量，挖掘數(shù)字普惠金融促進能源貧困緩解的作用機制，如圖1所示。

數(shù)字普惠金融通過支持經(jīng)濟發(fā)展帶動地方稅收和財政收人增長，政府用于民生領域的財政支出增加[19]。能源基礎設施建設和能源扶貧產業(yè)發(fā)展具有前期投資大、回報周期長、投資風險高等特征，往往需要由政府的公共財政承擔。財政支出增加能夠為城鎮(zhèn)能源基礎設施建設和能源扶貧產業(yè)發(fā)展提供充足的資金支持，有效保障現(xiàn)代清潔能源的供給，提高居民家庭現(xiàn)代清潔能源消費的便捷性和可得性。同時，隨著財政收入的增長，政府能夠為能源貧困群體提供更多的能源補貼和經(jīng)濟幫助，增加居民家庭轉移性收入，提高其支付現(xiàn)代清潔能源消費以及應對能源價格波動的能力[2。由上述分析可知，數(shù)字普惠金融通過推動經(jīng)濟“親貧式增長”，促使經(jīng)濟發(fā)展成果更多地向能源貧困地區(qū)和群體傾斜，助推能源貧困緩解。基于此，本文提出以下研究假設。

研究假設2：數(shù)字普惠金融能夠通過優(yōu)化財政支出，促進能源貧困緩解。

依據(jù)能源階梯理論，收入水平是影響家庭現(xiàn)代能源消費量和生活用能結構最直接、最重要的因素[2]。具體而言，收入增長使居民家庭有經(jīng)濟實力購買各類高功率的家用設備，并承擔價格更高的現(xiàn)代清潔能源消費成本，滿足居民家庭生活日益豐富多樣的能源需求。同時，收入增長也會增強居民追求高品質生活的意愿，推動家庭能源消費結構從傳統(tǒng)生物質能、化石能源向現(xiàn)代清潔能源轉型，減少環(huán)境破壞和污染。此外，高收入家庭對居住環(huán)境有更高的要求，更加傾向采用低碳節(jié)能的生活方式，促使其對住宅的制冷、隔熱、采光和通風等條件進行改造升級，提高日常能源使用效率。基于此，本文提出以下研究假設。

研究假設3：數(shù)字普惠金融能夠通過促進家庭增收，促進能源貧困緩解。

具備一定水平的金融素養(yǎng)是從數(shù)字普惠金融中獲益的前提，而受教育程度是影響金融素養(yǎng)的決定性因素。數(shù)字普惠金融的高速發(fā)展必然會“倒逼”能源貧困群體加強學習，強化自身學習能力和技術水平，實現(xiàn)人力資本積累。此外，數(shù)字普惠金融通過教育融資和教育信貸等方式幫助能源貧困地區(qū)改善教學條件，支持能源貧困群體完成基礎教育并提供接受高等教育的機會，推動教育機會均等化發(fā)展，從而提升人力資本水平22]。人力資本的積累將為能源貧困群體提供更多的就業(yè)創(chuàng)業(yè)機會和更大的增收創(chuàng)收空間，從而增加能源貧困家庭的資本積累，使其有能力承擔價格更高的現(xiàn)代清潔能源消費。同時，受教育水平較高的人往往具有更高的環(huán)保意識，更加關注室內環(huán)境和自身健康，在生活中更加傾向使用現(xiàn)代清潔能源和高效家用設備。因而，能源貧困群體受教育水平的提高將有助于減少傳統(tǒng)化石能源消費，推進家庭用能的清潔性進程?；诖耍疚奶岢鲆韵卵芯考僭O。

研究假設4：數(shù)字普惠金融能夠通過提升人力資本，促進能源貧困緩解。

二、研究設計

（一）變量選取

1.被解釋變量

能源貧困程度。夜間燈光數(shù)據(jù)具有客觀性、穩(wěn)定性和全面性等優(yōu)點，在能源消費數(shù)據(jù)挖掘方面具有較大潛力，能夠有效克服多維能源貧困指數(shù)法中存在的統(tǒng)計數(shù)據(jù)缺失、指標選取主觀性強等問題[23]。同時，夜間燈光數(shù)據(jù)能夠較好地擬合能源貧困的多維特性，更加客觀地反映能源貧困程度[8，10]。因此，選取夜間燈光亮度作為能源貧困的代理指標。

2.核心解釋變量

數(shù)字普惠金融發(fā)展水平。選取北京大學數(shù)字金融研究中心與螞蟻金融集團聯(lián)合編制的省份數(shù)字普惠金融指數(shù)衡量數(shù)字普惠金融發(fā)展水平，該指數(shù)涵蓋了數(shù)字普惠金融的覆蓋廣度、使用深度以及數(shù)字化水平三個維度，能夠充分反映互聯(lián)網(wǎng)金融當前的發(fā)展趨勢[24]。其中，數(shù)字普惠金融的覆蓋廣度和使用深度與居民日常生活密切相關，對能源貧困的緩解效應更加明顯[25]，因此分別使用數(shù)字普惠金融的覆蓋廣度、使用深度作為數(shù)字普惠金融的替換指標，進行穩(wěn)健性檢驗。

3.控制變量

通過控制省份和家庭層面的特征變量，盡可能減少遺漏變量導致的估計偏誤。在省份層面，經(jīng)濟發(fā)展水平以人均地區(qū)生產總值表示。一般而言，地區(qū)經(jīng)濟發(fā)展會促進當?shù)鼐用裆顥l件的持續(xù)改善，產業(yè)結構采用第三產業(yè)產值占地區(qū)生產總值比重衡量，基礎設施利用互聯(lián)網(wǎng)接入用戶數(shù)表示，能源稟賦以采掘業(yè)從業(yè)人員表示。

在家庭層面，年齡結構采用65歲及以上人口占總人口比重表示，年齡越高，受到金融排斥的影響越強，更容易陷入能源貧困。家庭規(guī)模采用戶均人數(shù)表示，家庭規(guī)模越大，所需的能源消費量越多，承擔的能源消費成本越高。女性在職場中處于劣勢地位，同時承擔大量的家務勞動，更加容易遭受能源貧困。

4.中介變量

從財政支出、家庭收入及人力資本三方面，剖析數(shù)字普惠金融推進能源貧困緩解的作用機制。選取以下三個中介變量。一是財政支出。財政支出采用政府財政自由度衡量，通過政府預算內財政收入/預算內財政支出獲得。財政自給自足能力往往會影響能源供給、能源設施建設等公共服務，從而對居民能源消費產生影響。二是家庭收入。家庭收入采用人均可支配收入表征，人均可支配收入包含居民工資性收人和經(jīng)營性收入，能夠全面反映由數(shù)字普惠金融發(fā)展帶來的家庭收入變化，進而顯示家庭承受現(xiàn)代能源消費成本的能力。三是人力資本。使用每十萬人高校在校人數(shù)作為人力資本的代理變量，能源貧困群體可以通過參加教育培訓提高其人力資本水平和社會競爭力，從而獲得更多從事高薪工作的機會。

5.工具變量

將省會城市到杭州的球面距離作為工具變量，該變量同時滿足相關性與外生性兩個條件。這是因為數(shù)字普惠金融指數(shù)的主要指標數(shù)據(jù)來自總部位于杭州的螞蟻集團，同時以支付寶為代表的數(shù)字金融起源于杭州，因而杭州的數(shù)字普惠金融發(fā)展處于領先位置，對周邊城市數(shù)字金融發(fā)展具有正向的空間溢出效應2

（二）數(shù)據(jù)來源

基于2011—2020年中國31個省（不包括港澳臺地區(qū)）的面板數(shù)據(jù)展開實證分析。其中，夜間燈光數(shù)據(jù)來源于國家青藏高原科學數(shù)據(jù)中心編制的中國長時間序列逐年人造夜間燈光數(shù)據(jù)集，該數(shù)據(jù)集的平均均方根誤差達到0.73，決定系數(shù)達到0.95，像素級的線性斜率為0.99，具有較高的質量2。數(shù)字普惠金融指數(shù)來源于北京大學數(shù)字金融研究中心，省會城市到杭州的球面距離采用R語言地理坐標系統(tǒng)計算獲得，其他數(shù)據(jù)來自歷年《中國統(tǒng)計年鑒》和《中國人口和就業(yè)統(tǒng)計年鑒》。

需要說明的是，2011年和2012年人均可支配收人的計算方法如下：首先，計算城鎮(zhèn)居民的總收入，即將城鎮(zhèn)居民人均可支配收入乘以當年年末的城鎮(zhèn)人口數(shù)量；然后，計算農村居民的總收入，也就是把農村家庭人均純收入乘以當年年末的農村人口數(shù)量；最后，將這兩部分收入相加得到當年的總收入，用該總收入除以當年年末的總人口，便得出人均可支配收入。由于變量單位之間存在較大差異，將夜間燈光亮度、每十萬人高校在校人數(shù)、互聯(lián)網(wǎng)寬帶接入用戶數(shù)以及省會城市到杭州球面距離分別除以100。人均地區(qū)生產總值折算為以2011年為基期的實際值。此外，為了避免指標極值對實證結果產生影響，在回歸分析中對所有指標取自然對數(shù)值。表1匯報了主要變量的描述性統(tǒng)計結果。

（三）實證模型

1.隨機森林模型

傳統(tǒng)計量模型需要滿足無多重共線性、球形擾動項、模型設定準確等前提假設，然而在現(xiàn)實世界中很難尋找一個滿足所有前提假設的數(shù)學形式，來描述數(shù)字普惠金融與能源貧困之間的復雜關系。隨機森林模型從數(shù)據(jù)本身特性出發(fā)，通過不斷學習以實現(xiàn)最優(yōu)模型的構建，能夠最大限度地提高研究結論的準確性。因此，構建隨機森林模型分析數(shù)字普惠金融對能源貧困的影響效應，模型設定如下：

其中，Controlit表示上述控制變量， f（?） 為隨機森林方法構建的無解析表達式的非線性模型。

偏依賴圖能夠反映每個特征變量對響應變量的邊際效應，適用于任何 f（?） 無解析表達式的黑箱方法。借鑒偏依賴圖深人探究數(shù)字普惠金融對能源貧困的邊界效應，其中將其他變量（ Controls_it，SD_i） 號對 EP_it 的影響通過積分平均掉：

其中，期望算子對變量（ Controls_it，SD_i） 求期望后，所得結果 φ（DFI_it） 僅為關于 DFI_it 的函數(shù)。由于 f（?） 無解析表達式，采用樣本均值替換總體均值可得到：

對于Controlsit、 SD_i ，同樣可以計算得到相應的偏依賴度，并畫出偏依賴圖。

2.雙向固定效應模型

由于傳統(tǒng)固定效應模型僅關注個體效應，忽視各地區(qū)在不同時期的殘差相關性，這容易導致估計結果出現(xiàn)偏誤，并且在時間效應的作用下可能會不斷擴大。為了避免模型估計偏誤，采用兼具個體與時間固定效應的雙向固定效應模型分析數(shù)字普惠金融作用于能源貧困的影響效應。基準計量模型設定如下：

+λ_i+ε_it

其中，下標 和 t 分別是指省份 （i=1，…，31） 和時間 （ t=2011，…，2020） 。Controlsi包含上述所有省份和家庭層面的控制變量， μ_i 和 λ_t 分別代表省份固定效應與年度固定效應， ε_it 表示隨機誤差項。

三、實證分析

（一）非線性效應檢驗

以回歸樹為基本學習器，構建隨機森林模型探究數(shù)字普惠金融對能源貧困緩減的非線性效應。其中，使用最小化殘差平方和作為節(jié)點的分裂準則，選取特征變量個數(shù)的1/3作為隨機森林的調節(jié)參數(shù)mtry。

圖2展示了有關特征變量重要性數(shù)值的柱狀圖，用于考察數(shù)字普惠金融與其他影響因素的相對重要性。在此，使用殘差平方和下降幅度作為衡量變量重要性的標準，換言之，能夠使殘差平方和下降幅度越大的變量，其重要性越凸顯。結果顯示，數(shù)字普惠金融的重要性為0.03，人口老齡化為0.02。由于經(jīng)濟收入相對較低，大多數(shù)老齡人口支付現(xiàn)代能源消費的能力有限，更容易遭受到能源貧困的困擾，因而人口老齡化已成為影響能源貧困緩解的關鍵因素之一[28]。在此，數(shù)字普惠金融的重要性高于人口老齡化，表明數(shù)字普惠金融將會對能源貧困緩解產生更加顯著的影響。

圖3展示了能源貧困對數(shù)字普惠金融的偏依賴關系。針對處于1/10至7/10分位數(shù)之間的大多數(shù)省份，數(shù)字普惠金融對能源貧困產生負向效應，阻礙其能源貧困緩解。當數(shù)字普惠金融指數(shù)達到300之后，數(shù)字普惠金融對能源貧困的影響轉為正向效應，有助于促進能源貧困緩解。這是因為在數(shù)字普惠金融發(fā)展初期，數(shù)字基礎設施、數(shù)字金融產品、居民金融素養(yǎng)等均正處于積累階段，容易出現(xiàn)金融排斥現(xiàn)象，對能源貧困群體產生“普而不惠”的現(xiàn)象。然而，隨著數(shù)字基礎設施完善、數(shù)字金融產品豐富、居民金融素質提升，能源貧困群體的金融服務可得性得到有效提升，促使“數(shù)字鴻溝”逐漸縮小和“數(shù)字紅利”開始凸顯，進而推動和加快能源貧困緩減。由上述分析可知，數(shù)字普惠金融發(fā)展對能源貧困的影響呈現(xiàn)出先抑制后促進的U型關系，即研究假設1成立。

（二）促進效應分析

盡管隨機森林模型證實數(shù)字普惠金融能夠促進能源貧困緩解，但是無法準確量化兩者之間的關系，需要借助計量模型開展深入研究。在對面板數(shù)據(jù)進行回歸分析之前，需要判斷選用固定效應模型還是隨機效應模型。Hausman檢驗結果顯示， P 值小于0.01，拒絕選用隨機效應的原假設，故采用固定效應面板模型。隨后，加入年度虛擬變量檢驗所有年度虛擬變量的聯(lián)合顯著性，考察是否存在時間固定效應。結果顯示， P 值小于0.01，強烈拒絕“無時間固定效應”的原假設，認為模型中應該包含時間固定效應。因此，雙向固定效應模型更加適合用于分析數(shù)字普惠金融對能源貧困緩解的影響，并使用聚類穩(wěn)健標準誤，消除異方差對估計結果的影響。

表2列（1）匯報了雙向固定效應模型的回歸注：橫坐標軸內部刻度“”表示數(shù)字普惠金融發(fā)展水平的分位數(shù)。

結果。為減少不可觀測因素對估計結果造成干擾，回歸過程考慮了個體特征、時間特征、家庭特征及所在省份特征等控制變量。結果顯示，數(shù)字普惠金融對能源貧困緩解產生顯著的促進作用。具體而言，數(shù)字普惠金融發(fā)展水平每提升1個百分點，能源貧困指數(shù)增加0.146個百分點，且回歸系數(shù)通過1% 的顯著性檢驗。

為檢驗回歸結果的可靠性，避免研究結論因采用特定變量而出現(xiàn)偶然現(xiàn)象，分別采用數(shù)字普惠金融指數(shù)的覆蓋廣度和使用深度替換核心解釋變量數(shù)字普惠金融發(fā)展指數(shù)進行穩(wěn)健性檢驗，表2列（2）和列（3）分別匯報了以覆蓋廣度、使用深度為核心解釋變量的回歸結果。結果顯示，覆蓋廣度指數(shù)、使用深度指數(shù)和數(shù)字普惠金融指數(shù)的系數(shù)估計值之間存在略微差異，但估計系數(shù)均顯著為正，且模型的擬合優(yōu)度也分布在0.820左右。據(jù)此，判定數(shù)字普惠金融能夠促進能源貧困緩解的研究結論具有可靠性。

為消除逆向因果可能造成的內生性問題，將省會城市與杭州之間的球面距離設定為工具變量（IV），采用兩階段最小二乘估計（2SLS）法對模型進行穩(wěn)健性檢驗，表3匯報了內生性檢驗結果。結果顯示，聯(lián)合顯著性檢驗的F統(tǒng)計量大于10，故不存在弱工具變量問題，滿足相關性的約束條件；Wald檢驗在 1% 的顯著性水平下拒絕“數(shù)字普惠金融為外生變量”的原假設，證實采用工具變量進行內生性分析的合理性。在第二階段回歸中，數(shù)字普惠金融指數(shù)同樣在 1% 的顯著性水平上顯著為正，且系數(shù)估計值與基準回歸結果（0.1459）相比未發(fā)生較大變化。由此可知，在考慮了內生性問題之后，數(shù)字普惠金融發(fā)展有助于促進能源貧困緩解的基本結論依然成立，表明研究結論呈現(xiàn)較好的穩(wěn)健性。

（三）機制檢驗

借鑒王修華和趙亞雄（2020）的機制分析方法，分別將財政自由度、人均可支配收入以及每十萬人高校在校人數(shù)作為中介變量，構建中介效應模型進行機制檢驗，具體模型如下：

+λ_i+ε_it

+ε_it

其中， MV_it 表示中介變量， μ_i 表示省份固定效應， λ_t 表示年度固定效應， ε_it 為誤差項。如果系數(shù)估計值 α₁ 與 θ₁ 均顯著為正，表明數(shù)字普惠金融通過中介變量 MV_it 促進能源貧困緩解的機制成立。

表4列（1）至列（6）分別從財政支出、家庭收入和人力資本等方面匯報了數(shù)字普惠金融促進能源貧困緩解的作用機制檢驗結果。其中，采用財政自由度衡量財政支出，由列（1）和列（2）的結果可知，數(shù)字普惠金融指數(shù)每提升1個百分點，財政自由度提高0.0847個百分點，驗證財政支出是數(shù)字普惠金融推動能源貧困緩解的有效機制，即研究假設1成立。這是因為數(shù)字普惠金融發(fā)展能夠推動經(jīng)濟持續(xù)發(fā)展，帶動地方財政收入增長，推動能源扶貧產業(yè)發(fā)展，增加居民家庭轉移性收入，從而助推能源貧困緩解。

使用人均可支配收入衡量家庭收入，由列（3）和列（4）可以發(fā)現(xiàn)，數(shù)字普惠金融指數(shù)每提升1個百分點，人均可支配收入增加0.0772個百分點，表明數(shù)字普惠金融能夠通過促進居民家庭增收加快能源貧困緩解，即研究假設2成立。居民家庭收入增加既有助于提高家庭生活用能支付能力，增強居民節(jié)能環(huán)保意識，推動家庭能源消費結構向現(xiàn)代清潔能源轉型。

利用每十萬人高校在校人數(shù)衡量人力資本，列（5）和列（6）的結果顯示，數(shù)字普惠金融指數(shù)每提升1個百分點，每十萬人高校在校人數(shù)增加0.1128個百分點，證實數(shù)字普惠金融通過提升人力資本緩解能源貧困的作用機制成立，即研究假設3成立。數(shù)字普惠金融能夠通過加強教育培訓和促進教育均等化來提升能源貧困群體的人力資本水平，進而改善能源貧困家庭的生活用能支付性和能源消費清潔性。

此外，通過對比分析財政支出、家庭收入和人力資本在數(shù)字普惠金融發(fā)展中的獲益程度可以發(fā)現(xiàn)，數(shù)字普惠金融指數(shù)在第（6）列的系數(shù)估計值最大，表明人力資本水平在數(shù)字普惠金融緩解能源貧困的實踐中承擔著極為關鍵的角色。受教育水平很大程度上決定了能源貧困群體接受和使用數(shù)字普惠金融的能力，因此通過加強教育培訓提升能源貧困群體的金融素養(yǎng)和人力資本水平，已成為數(shù)字普惠金融發(fā)揮能源貧困緩解作用的重要突破口。

四、結論和政策建議

本文在闡述數(shù)字普惠金融對能源貧困影響與作用機制的理論基礎上，基于2011年至2020年中國31個省份的面板數(shù)據(jù)展開實證檢驗。研究結果表明，（1）數(shù)字普惠金融是影響能源貧困的重要因素之一，并與能源貧困之間存在先抑制后促進的U型關系。（2）數(shù)字普惠金融發(fā)展對能源貧困緩解具有顯著的促進作用。該結論通過了工具變量法檢驗，同時替換數(shù)字普惠金融指數(shù)后重新得到的估計結果也表現(xiàn)出良好的穩(wěn)健性。（3）數(shù)字普惠金融能夠通過優(yōu)化財政支出、促進家庭增收和提升人力資本三種機制有效促進能源貧困緩解。其中，人力資本提升對能源貧困的緩解效應最為顯著。

基于上述研究結論，提出以下政策建議：

首先，注重數(shù)字普惠金融在緩解能源貧困過程中呈現(xiàn)的非線性效應。適度超前部署數(shù)字基礎設施建設，為數(shù)字普惠金融緩解能源貧困提供數(shù)字化基礎；強化能源貧困群體對數(shù)字普惠金融的整體認知，提高其金融素養(yǎng)，推動數(shù)字普惠金融盡快從負向效應跨越到正向效應。

其次，培育數(shù)字普惠金融產業(yè)生態(tài)，創(chuàng)新和豐富針對能源貧困群體的產品服務。加快推動傳統(tǒng)金融服務業(yè)數(shù)字化轉型，創(chuàng)新數(shù)字金融產品類型，提升數(shù)字金融服務水平，并加強數(shù)字金融安全態(tài)勢感知、監(jiān)測預警和應急處置能力，為能源貧困群體提供多樣化的、安全的金融產品和服務，最大限度發(fā)揮數(shù)字普惠金融的扶貧效率。

最后，充分發(fā)揮財政支出、家庭收人以及人力資本等的中介作用。增加能源貧困地區(qū)財政支出，加快能源基礎設施建設，扶持能源扶貧產業(yè)發(fā)展，增加能源貧困群體轉移性收入；促進經(jīng)濟包容性增長，為能源貧困群體提供更多的創(chuàng)業(yè)和就業(yè)機會，提高其可支配性收入；強化教育培訓，促進教育均等化，提升人力資本水平，增強能源貧困群體創(chuàng)收增收能力和環(huán)保節(jié)能意識。

參考文獻

[1]WANGQ，F(xiàn)ANJ，KWANMP，et al.Examiningenergy inequalityundertherapid residential energy transitionin China through household surveys[J].NatureEnergy，2023，8（3）：251-263.

[2]胡聯(lián)，姚紹群，楊成喻，等.數(shù)字普惠金融有利于緩解相對貧困嗎？[].財經(jīng)研究，2021，47（2）：93-107.

[3]王修華，趙亞雄.數(shù)字金融發(fā)展是否存在馬太效應：貧困戶與非貧困戶的經(jīng)驗比較[].金融研究，2020（7）：114-133.

[4]LUANB，ZOUH，HUANG J.Digital divideand householdenergy poverty in China[J].Energy Economics，2023，119 （2）：106543.

[5]BELAIDF，F(xiàn)LAMBARDV. Impacts of incomepovertyandhigh housing costs on fuel poverty in Egypt： An empirical modelingapproach[J].EnergyPolicy，2023，175（5）：113450.

[6]CHE X，ZHU B，WANG P.Assessing global energy pover-ty：An integrated approach[J].EnergyPolicy，2021，149（4）：112099.

[7]劉自敏，熊瑤，鄧明艷.能源普遍服務與居民主觀幸福感：基于能源貧困的視角[.產業(yè)組織評論，2022，16（1）：67-94.

[8]HASSANIH，YEGANEGIMR，BENEKIC，etal.Bigdataand energy poverty alleviation[J].Big Data and Cognitive Computing，2019，3（4）：50.

[9]GAVASHELISHELISHVILIS.TheRelationshipBetween RenewableEnergyUseandEnergy Poverty：astudyon Turkeyusing the nighttime lights data[J].International Conference on Economics，2020， 2（3）：1-35.

[10]WANG H，MARUEJOLS L，YU X. Predicting energy poverty with combinations of remote-sensing and socioeconomic survey data inIndia： Evidence from machine learning[].Energy Econom一 ics，2021，102（5）：105510.

[11]YUN，WANG Y.Can digital inclusive finance narrow the Chinese urban - rural income gap？ The perspective of the regional urban-rural income structure[J].Sustainability，2O21，13（11）：6427.

[12]陳平，王書華，王小騰.數(shù)字普惠金融對多維相對貧困的影響研究：基于老齡化的視角[].經(jīng)濟問題，2022（11）：36-43.

[13]黎毅，劉娟，羅劍朝.數(shù)字普惠金融對弱相對貧困的非線性影響[J].統(tǒng)計與決策，2022，38（14）：134-138.

[14]申云，李京蓉.數(shù)字普惠金融與農戶相對貧困脆弱性[].華南農業(yè)大學學報（社會科學版），2022，21（1）：105-117.

[15]DONGK，TAGHIZADEH-HESARYF，ZHAOJ.How inclusive financial development eradicates energypovertyin China？The roleof technological innovation[J].Energy Economics，2O22，109 （8）：106007.

[16]YINZ，WANGR，WUX.Financial inclusion，natural disasters and energypoverty： Evidence from China[J].Energy Econom一 ics，2023，126（10）：106986.

[17]張勛，萬廣華，吳海濤.縮小數(shù)字鴻溝：中國特色數(shù)字金融發(fā)展.中國社會科學，2021（8）：35-51+204-205.

[18]XIAW，MURSHEDM，KHANZ，etal.Exploring the nexus between fiscal decentralization and energy poverty for China： Does country risk matter for energy poverty reduction？ [J]. Energy， 2022，255 （7）：124541.

[19]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[].金融發(fā)展研究，2021（1）：14-21.

[20]徐瑩，王娟.數(shù)字普惠金融與農戶收入差距：加劇還是緩解[J].農業(yè)技術經(jīng)濟，2024，2（3）：52-62.

[21]吳施美，鄭新業(yè).收入增長與家庭能源消費階梯：基于中國農村家庭能源消費調查數(shù)據(jù)的再檢驗[J].經(jīng)濟學（季刊），2022，22 （1）：45-66.

[22]徐小陽，李潔，金麗馥.普惠金融對農村教育貧困的紓解效應].中國農村經(jīng)濟，2020（9）：41-64.

[23]XIAOH，MA Z，MI Z，etal.Spatio-temporal simulation ofenergy consumption in China’ sprovincesbased on satellite nighttimelightdata[J].AppliedEnergy，2018，231（9）：1070-1078.

[24]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），2020，19（4）：1401-1418.

[25]孫玉環(huán)，張汀昱，王雪妮，等.中國數(shù)字普惠金融發(fā)展的現(xiàn)狀、問題及前景.數(shù)量經(jīng)濟技術經(jīng)濟研究，2021，38（2）：

43-59.

[26]王元彬，張堯，李計廣.數(shù)字金融與碳排放：基于微觀數(shù)據(jù)和機器學習模型的研究[].中國人口·資源與環(huán)境，2022，32（6）：1-11.

[27]張立賢，任浙豪，陳斌，等.中國長時間序列逐年人造夜間燈光數(shù)據(jù)集（1984-2020）[DB/OL].（2024-04-22）[2025-06-10].https：//www.nature.com/articles/s41597-024-03223-1.

[28]LI Y，NING X，WANG Z，et al.Would energy poverty affect the wellbeing of senior citizens？Evidence from China[J].EcologicalEconomics，2022，200（13）：107515.

（責任編輯：楊艷軍）

CanDigital InclusiveFinancePromote EnergyPovertyAlleviation Evidence fromNight-TimeLightData

CHE Xiahui

（1.SchoolofManagement，HebeiUniversity，Baoding O71OO2，China）

Abstract： Under the dual background of China’s entry into the rapid development of digital economy and the comprehensive governance of relative poverty，this paper studies the relationship between digital inclusive finance and energy poverty.The night lightdata is used to objectively describe energy poverty situation，random forest model employed to explore the nonlinear relationship between digital inclusive finance and energy poverty，and two way fixed effect model and the intermediary efect model adopted to analyzethe promoting effct and acting mechanism of digital inclusive finance on energy poverty alleviation. The results show that： There is a U- shaped relationship between digital inclusivefinanceand energypovertyalleviation，which exhibits initialrestraint follwed bypromotion; improving fiscal expenditure，increasing household income and raising human capital are important mechanisms for digital inclusivefinance toalleviateenergypoverty，where thealeviationefectofhumancapitalpromotionare most significant.

Key Words： Digital inclusive finance; Energy poverty; Nonlinear effect; Acting mechanism; Night ?- time light data