数字金融、数字鸿沟与贫困

统计研究

Statistical Research

Vol. 37, No. 10 Oct. 2020

数字金融、数字鸿沟与贫困

何宗樾张勋万广华

内容提要：以互联网为基础的第三次技术，推动了数字金融的发展，对居民经济行为的影响巨 大，因而也可能具有减贫作用。本文首次利用中国数字普惠金融发展指数和中国家庭追踪调查（CFPS) 的匹配数据，通过克服内生性的T具变量估计，探讨了数字经济发展对家庭贫闲的影响。然而，与 预期不同，本文的初步研究发现数字金融发展提升了贫困发生的概率，也加深了贫困的程度，且影 响逐年增大。不过，进一步研究表明，数字金融发展可能存在结构性问题:数字金融发展给能够接触到 这种数字鸿 互联网的居民带来便利以及机会,挤占了未能接触到互联网的居民原先所可能获得的资源，

沟使得位于贫困线附近和贫困线以下的居民由于数字金融的发展而愈加贫困。观察背后机制发现，数 字金融发展主要导致了面临数字劣势的贫困居民失业概率的提升。因此，在推进数字金融发展的同时， 应着力提高金融服务的覆盖率和可得性，尤其对于农村的贫闲人口而言，积极应对数字经济对就业市场 的挑战，引导其成为脱贫攻坚的重要支撑

关键词：数字金融；数字鸿沟；贫困；就业;溢出效应

DOI ： 10. 19343/j. cnki. 11 - 1302/c. 2020. 10. 007中图分类号：C8I2

文献标识码：A

文章编号：1002-4565(2020) 10-0079-II

Digital Finance, Digital Divide, and Multidimensional Poverty

He Zongyue Zhang Xun Wan

Guanghua

Abstract ： The Internet-based technological revolution is promoting the development of digital finance, which has a great impact on residents' economic behavior and may have a poverty reduction effect. Based on the matching data of China Digital Inclusive Financial Index and China Family Panel Studies ( CFPS) , this paper first explores the impact of digital economic development on multidimensional poverty by instrumented variable overcoming endogenous variables. The study first shows that the development of digital finance has increased the probal)ility of poverty and deepened the extent of multidimensional poverty and the impact grows larger every year, which is contrar)1 to the expectations. Further research finds that there may l>e structural problems in the development of digital finance. Specifically, the development of digital finance has brought convenience and opportunities for residents who have access to the Internet, and crowded out the resources of the residents who have no such access, which leads to a digital divide between residents. With the development of digital finance, this digital divide makes residents near and below the poverty line even poorer. By examining the mechanisms behind it, we find that the developmenl of digital finance has mainly raised the unemployment probability of poor residents in digital disadvantage. Therefore, while promoting the development of digital *

*基金项目：国家自然科学基金重点项目“新时期扶贫开发理论与研究”（71833003);国家fL然科学基金面丨:项目“交通

基础设施，市场一体化与区域经济协同发展:理论与评估研究”（71973014);国家社科基金重大项目“数字普惠金融的创新、风 险与监管研究”（18ZDA091),感谢韩立岩、黄益平、黄卓、李莹、沈艳、宋旭光、王亚菲、张欣、E雅婷、马伊嵩及首届青年统计学者 论坛、北京大学数字金融研究中心第四届学术年会和数字金融幵放研究计划第二次学术研讨会的参会同仁对本文提出的宝贵建 议，感谢匿名审稿人对论文提出的详实而富有建设性的意见。文责自负

•

80 •

统计研究2020年10月

finance, the government should focus on improving the coverage and availability of financial services, especially for the rural poor, coping with the challenges of the digital economy to the job market, and guiding it to become an important support for poverty alleviation.

Key words ： Digital Finance； Digital Divide； Multidimensional Poverty； Employment； Spillover Effect

一、引百

如何消除贫闲是人类社会发展过程中面临的重大难题之一，对于我国这样的发展中大国也不 例外。尽管我国的绝对贫闲人口主要集中在农村和老、少、边地区,脱贫难度很大，但自从改革开放 以来，我国一直致力于消除贫困，为全球的包容性增长做出了巨大贡献。根据国家统计局全国农村 贫闲监测调查，按国家现行贫困标准，全国农村贫闲人口从2012年末的99万人减至2019年末 的551万人，累计减少9348万人;贫闲发生率由10. 2%降至0. 6%，累计下降9. 6个百分点，脱贫攻 坚取得决定性成就。分区域来看，2019年东、中、西部地区农村贫困人口全面减少，其中西部地区 323万人，中部地区丨81万人，东部地区47万人。分省来看，20丨9年各省贫困发生率普遍下降至 2. 2%及以下。从减贫进程来看，到2020年现行标准下的农村贫困人口全面脱贫基本可以实现。

必须指出，贫困并不是单维的，而是包含了收人、就业、教育等多个维度。近年来，国际组织将 贫闲作为贫闲识别和评估的新标准。我国虽未明确公布扶贫标准，但是在贫困治理实践 中，出台的一系列扶贫和反贫困措施贯穿着治理的理念，即从多个视角探究致贫因 素，从多个维度展开扶贫攻坚实践，不断丰富和拓展中国特色扶贫开发道路。2011年、国 务院印发《中国农村扶贫开发纲要（2011-2020年）》（国发〔2001〕23号），首次提出到2020年稳定 实现两不愁和=保障的总体目标。这标志着减贫T.作进人扶贫阶段。2015年进一步印 发《关于打赢脱贫攻坚战的决定》，指出到2020年实现全面脱贫，总体目标涉及到生活质量、收人、 教育、医疗、住房等目标。2016年的《十三五脱贫攻坚规划》（国发〔2016〕号），明确了通过 就业、教育、养老、医疗以及社会保障等公共服务供给、产业发展、生态治理、科技创新等各领域配套 措施开展专项扶贫，有效拓宽贫闲治理路径，推进精准扶贫、精准脱贫，巩固和提升脱贫成效, 2018年进一步出台了《关于打赢脱贫攻坚战-年行动的指导意见》，上环环相扣、层层递进，不 断完善国家贫闲治理战略布局，为世界减贫实践提供了丰富的可鉴经验。

以互联网所推动的数字经济的发展，对居民经济行为的影响巨大。近年来，以支付宝、微信支 付为代表的数字金融产业的兴起.使得我国居民经济金融服务的可获得性显著增强，特别是对于原 本受到金融排斥、信贷歧视的群体而言。相较于传统金融服务，数字金融的发展更有利于发挥金融 的基础功能，让更多的人以合理成本获取更加公平的金融服务，拓宽其投融资渠道；同时，数字金融 的发展有助于分散或规避金融风险，优化资产配置效率，提升经济收益。数字金融的这些特性，尤 其是其普惠性，意味着数字金融发展在脱贫战役中可以发挥重要作用。2019年，、 印发《数字乡村发展战略纲要》对充分发挥信息技术创新的扩散效应、信息和知识的溢出效应、数 字技术释放的普惠效应提出了明确要求，指出进一步和发展数字化生产力，积极探索数字扶 贫。可以说，数字金融发展是大势所趋，为国家贫闲治理提供了新的思路和助力。

然而，数字金融在脱贫战役中的角色可能远比预期的要复杂。一方面，数字金融深刻改变了金 融的触达能力和便捷性，具备更加包容的特性^但如果居民接触不到互联网，那么数字金融发展所 带来的益处就难以实现，而穷人恰恰有可能由于收人低以及人力资本缺乏等问题，无法接触到互联 网，从而无法享受数字金融发展的益处。这种互联网偏向或数字鸿沟，显然不利于居民脱贫，甚至

第37卷第丨0期何宗樾等:数字金融、数字鸿沟与贫困•

81

•

有可能加深贫困。进一步讲，不同群体是否存在异质性表现？究竟哪一类子群体更容易因为 数字金融发展而被剥夺获利机会，哪一类群体又因为数字金融发展而提升福利水平。回答这些问 题不仅具有理论意义，还具有实践价值，可以在层面上实现精准数字扶贫。

因此，对数字金融发展与居民贫闲之间关系的研究极为紧迫。遗憾的是，虽然有研究对传 统金融与贫困的关系做了大童的探讨，但是相关文献多是基于宏观层面的数据，难以建立微观主 体、数字背景和贫困之间的因果链条（罗延锦和茶洪旺,2018)。少数从微观角度展开的研究，在评 估数字金融的减贫效应时，未能精准识别数字经济获益者的群体特征，分析的精准性不足（杨艳林 和付晨玉，2019)。

基于以上讨论，本文力图在以下两个方面有所创新：第一，在互联网和数字经济发展的背

景下，本文首次利用中国数字普惠金融指数，研究数字金融的发展与家庭贫困的关系，综合评估数 字金融发展的经济效应。第二，将宏、微观数据进行匹配，以微观视角探究数字金融对家庭贫闲的 影响，进而挖掘数字金融影响家庭贫困的微观机理和异质特征，拓展关于贫困决定因素的研究。

二、文献评述

随着对贫困认识的不断深化,贫困概念的界定从收人维度，逐步转向能力贫困、权利贫困，再到 目前的知识贫闲,其内涵与边界不断地深入和拓展。Sen( 1976)提出了能力贫困的概念，认为基本 能力和权利被剥夺是家庭贫困的根本原因，2001年他进一步提出了以能力为标准来定义的贫 闲理论。联合国开发计划署（UN

DP

)界定了权利贫困,权利贫困涵盖了个体在社会、经济、政治、心

理等各个领域由于权利缺乏导致的贫困，是对收入贫困内涵的进一步丰富。胡鞍钢和李春波 (2001)提出了知识贫闲的概念，指出知识鸿沟是对未能获得有效知识、信息和通信资源的个体或 群体的知识剥夺。

目前国内外关于贫困的研究,一个重要方向是贫困的识别，家庭或个体在收人水平、就业机会、 生活质量、教育与健康水平等方面的缺失都被纳人贫困的特征（郭熙保和周强，2016)。另一 类研究集中讨论致贫因素。在宏观层面上，主要考察经济发展、产业结构（汪三贵和胡联，2014)、 社会制度（郭熙保和周强,2016)、金融市场（崔艳娟和孙刚，2012)、空间区位（马振邦等，2018 )、生 态环境（帅传敏等,2017)等方面的致贫因素。在微观层面，重点关注个体禀赋、资源禀赋的异质性 对家庭或特定群体贫闲的影响。在此基础上，国内外研究者进一步探讨了减贫与途径。传统 的经济学理论认为经济增长是缓解贫困的关键性因素，贫困群体能够从经济增长的涓流效应中获 益。此外，宏观对贫困治理也发挥了积极的影响，特别是救助（卢盛峰和卢洪友， 2018)、基础设施建设（高颖和李善同，2006)以及基本公共服务（刘穷志，2007)等。

作为互联网与金融的结合体，数字金融具有金融的属性。金融市场可以降低交易的搜寻成本, 增加居民投融资渠道，实现家庭风险分散和风险转移，从而影响家庭贫困（崔艳娟和孙刚.2012)。 金融发展的过程中，普惠金融是一个重要目标，对减贫也有重要作用。杨艳林和付晨玉（2019)从 个体贫困视角，探讨了我国农村普惠金融发展的减贫效应。研究表明，农村普惠金融通过提高贫困 个体的收入、间接改善了贫困状态。事实上，贫困群体通常难以借助教育、信息扩散、知识外溢等效 应来提升其经济能力，以至于人力资本积累极低、缺乏应对风险和不确定性的能力、无法从技术创 新行为中获利。此时，如果金融没有普惠性，那么未能触及的群体不仅无法从中获益，而且脱贫的 机会可能还会被挤占。

以往文献认为数字金融具有普惠特征，认为传统金融发展通常受制于物理网点的分布，而互联 网技术的出现和普及，突破了地域约束，极大的降低了交易成本，为普惠金融服务创造了有利条件

.82 •

(李继尊,2015;焦瑾璞，2014k

统计研究202(丨年10月

互联网+金融的发展模式对于优化金融资产配置、改善社会融资环

境具有不可替代的优势，也为落后地区提供赶超的契机（王颖和陆磊，2012;郭峰等,2020)。从评 估数字金融发展经济效应的实证文献来看，普遍认为数字经济具有包容性增长的特征，不仅有助于 实现经济增长，对于改善城乡差距也起到了积极作用（KaP〇()r，2014;宋晓玲，2017)。谢绚丽等 (2018)基于区域层面的数据，考察数字经济与企业创新的关系，进一步验证了数字金融的宏观经 济效应。另一些学者则尝试从微观层面寻找证据。易行健和周利（2018)与张勋等（2019)结合家 庭调查数据，检验了数字金融影响微观主体消费行为以及收人获得的微观机制。

然而，值得注意的是，随着互联网基础设施的发展使得鸿沟缩小、应用覆盖性增强，也触发了互 联网红利的差异（邱泽奇等，2016)。T〇ffler( 1990)研究了数字经济的发展导致信息、网络技术的拥 有程度、应用程度以及创新能力的差别，进而造成信息落差和进一步呈两级分化的趋势。这说 明，数字金融发展与贫闲的关系可能更为复杂,有赖于互联网可得性的差异。遗憾的是，对于数字 金融与家庭贫闲的关系，文献并没有给出答案。因而，本文试图从微观视角展开讨论，丰富和拓展 现有研究。

三、实证策略和数据

(一） 实证模型设定：数字金融发展与贫困

为了探讨数字金融发展与家庭的贫困状态的关系，首先建立两者关系的实证模型。用& 表示第 < 年y市/家庭是否处于贫困状态的虚拟变量，处于贫闲状态则取值为1，家庭所在 地区的数字金融发展程度用/)&表示，可以得到如下实证模型：

^ = r〇 + ytDFi，+ 响；

+ , + «,>,

⑴

式（i)为双向固定效应模型。其中，y,衡量了数字金融的发展对家庭贫闲状态的总体影 为控制变量；^为随机扰动项。为了避免地区内部家庭之间相关性的干扰，将标准误聚类

到地区层面。

除了分析数字金融发展与贫闲状态的关系之外，进一步分析数字金融发展对贫困程 度的影响。以表示第 > 年_/_市 <'家庭贫困程度的指标，参考式（1),构建式(2):

A：j, + + 在式（2)中，M,衡量了数字金融的发展对家庭贫困程度的影响。

(2)

如前文所述，还有很多因素会影响家庭贫困,这意味着需要在模型中控制一系列与贫闲相关的 变量。这些变量主要包括户主层面、家庭层面以及地区层面的因素。在户主层面，借鉴Zhang等 (2017)的研究,控制了年龄的平方项、性别、婚姻状况等变量。在家庭层面，首先控制家庭规模和 家庭人口抚养比。同时，引人家庭人均收人作为家庭资源禀赋的代理变量。进一步地，还引入家庭 存款规模，以控制传统金融的影响。地区层面上，所在的村、镇或居委的总人口和经济状况被纳人 考虑，这是影响家庭贫闲状态和贫闲深度的重要宏观变量。依次加入不同层面的影响因素，以验证 模型的稳定性。

(二） 贫困指数的构建

关于贫闲指数的构建方法,Alkire和Foster(2011)提供了一个经典的分析框架，对贫 闲进行测度和分解。本文参考该框架，构建了反映贫困状态的指标/，该指标能够反映个体福 利和能力的被剥夺状态，按照通行做法，考察A' = 3时的贫闲状态。

除了贫困状态之外，本文还构建了反映贫闲程度的指标A该指标衡量了以不同维度 的贫闲指标所构建的家庭平均贫闲程度,也称贫困深度。

第37卷第10期何宗樾等:数字金融、数字鸿沟与贫困•

83

•

表1为构建贫困指标的不同维度的构成情况，可以看出，不同于早期以收人来衡量贫困的 单一指标，贫困指标包括了教育、健康、保险、就业、生活质量和资产等多个维度（郭熙保和周 强，2016),可以更加全面地反映家庭的贫困状况。

表1

贫困维度教育健康保险就业收人生活质量

指标人均受教育水平自评健康医疗保险就业状态人均收入做饭燃料 饮用水

贫困指标的构成

指标解释

家庭丨6岁以上成员的平均受教育年限家庭成员中不健康人口的比例家庭成员未参加医疗保险的比例家庭成年劳动力失业的比例

家庭成员人均年纯收人（2010年为基期）清洁燃料可得性 清洁水源可得性

从、单位获得住房，或已购买住房

临界值

6年100%100%100%2300 元1=不可得

0 =可得

资产住房注：本文采用等权重方法对指敁进行赋权

利用构建的贫闲指标，结合式（1)和式（2),来估计数字金融的发展对家庭的贫困状 态和程度的总体影响。不过，上述模型有可能遭遇遗漏变量和内生性问题。为了克服由第三方因 素导致的内生性问题，尽可能控制家庭层面中不随时间变化的因素。反向因果也有可能存在，因为 贫困的缓解、家庭收人的提升以及区域经济的发展，进而促进数字金融的发展。因此，本文采用工 具变量估计方法。本文所选取的工具变量为利用地理信息系统（GIS)所计算得到的距离类型的变 量，即家庭所在地区与省会的球面距离。

(三）数据

为了估算家庭的贫困状态，以及估计式（1)和式（2),使用三部分的数据。

第一部分数据是区域层面的数字金融发展程度。用2011-2018年中国数字普惠金融指数$来 描述我国数字金融的发展概况。该指数采用了蚂蚁金服的交易账户大数据，由北京大学数字金融 研究中心和蚂蚁金服集团共同编制（郭峰等，2020)，具有代表性和可靠性。

第二部分数据为工具变量数据，如前文所说,为家庭所在地区与省会的球面距离，这些数据通 过地理信息系统计算后获得。

表2

变M

贫困状态贫困深度户主性别户主年龄

婚姻状况（有配偶=1)家庭规模少儿比例老年人比例家庭存款

家庭人均收入家庭就业状况村/居经济状况村/居人口状况城乡虚拟变遺

样本量

53305330533053305330533053305330533053305330533053305330

变量的描述性统计

2012

2016

均值

0.2370. 1720.75152. 7370.43.9010. 1380. 1248. 2068. 6040.7414.3983943. 1550. 430

标准差

0.4250. 1610.43211.7380. 3081.7960. 1620.2562.7051. 3690. 4381.0914451.0480.495

样本量

53305330533053305330533053305330533053305330533053305330

均值

0. 2000. 1560.75156.7800. 8773. 8300. 1280. 1796. 5209. 0080.7444.3984117.4050. 457

标准差

0. 4000. 1550.43211.7230. 3281. 8780. 1570.3024. 8871.2850.4361.0915060. 8090.498

①蚂蚁金服的交易账户数据为通常意义上的支付宝账户数据，另外一个大数据来源是腾讯集团旗下的微信支付账户数据。 然而，后者不可得

.84 •

统计研究2020年10月

第三部分数据来自北京大学中国社会科学调查中心执行的中国家庭追踪调查（CFPS)数据。 本文研究我国数字金融发展对家庭贫困的影响，并通过成人问卷、家庭问卷和社区问卷等三个 层面考虑影响贫困的相关因素。本文按照通行的方法对家庭数据进行处理:①删除无法识別的样 本，如社区编码、家庭编码、个体编码、城乡编码、省份编码等标识变量缺失的样本;②通过家庭主事 者和财务回答人来识别户主身份，作为家庭的代表性个体，保留户主年龄在16岁以上的家庭。在 此基础上，将这三部分数据按照家庭所在城市和时间进行数据匹配。这样的匹配有助于精准识别 数字金融发展对家庭贫困的影响，而不仅仅是粗略地从宏观层面考察地区数字金融与贫闲的关系。 结合两组数据的共同时间区间，最终选定的样本区间为2012、2014和2016年的家庭数据以及与之 相对应的数字普惠金融发展指数。最后，仅保留三年均进入调查的样本数据，以便在时间维度上考 察贫困的状态与深度。表2是

CFPS

相关变量的统计性描述。

四、数字金融发展与贫困：基准分析

接下来分析数字金融的发展与贫困的关系。在基准分析之后，将分区间段讨论数字金融 发展对贫困的影响，之后进行内生性和测量误差方面的稳健性分析。

(_)数字金融发展与贫困

首先，根据式（1)和式（2)进行线性最小二乘回归。在所有回归中，均加人家庭和时间双重固 定效应，并将稳健标准误聚类到市级层面。表3报告了数字金融发展与家庭贫闲的基准回归结果。

表3

因变量数字金融发展控制户主特征控制家庭特征控制社区特征家庭固定效应年份固定效应样本量

R2

数字金融发展与贫困：基准回归

贫困状态

(1)0. 111 …(0.039)

(2)0_ 112 …(0. 039)

(3)0• 032 •*(0.014)

贫困程度

(4)0. 032 **(0.014)

是是否是是

15,9900. 116

是是是是是

15,9900. 117

是是否是是

15,9900. 268

是是是是是

15,9900. 268

注:①括号内为稳健标准误,且在市级层面聚类;②*,**和***分別表示在10%,5%和1%的水平上显著下同

在表3的第（1)~(2)列中，考察数字金融发展与家庭贫困状态的关系，控制变量涉及户 主特征、家庭整体特征和所在地区的经济特征。结果发现，数字金融发展的系数显著为正，表明从 整体而言，数字金融发展加剧了家庭贫困的发生。其他控制变量的系数也大致符合预期:家庭规模 的作用为负，而抚养负担的影响显著为正。

进一步地，依据式(2),从贫困程度的角度来探讨数字金融发展与家庭的贫困深度的 关系，以检验模型的稳健性。表3第（3) ~(4)列报告了数字金融发展对贫闲程度的影响。估 计结果显示，数字金融发展的指标依然是显著为正,表明基准分析结果是稳健的，也意味着数字金 融发展不仅提高了贫困发生的概率，还可能加深了贫闲的程度。

一方面，互联网的普惠以及信息基础设施的搭建，使得弱势社会经济群体获得更多的服务，极 大缩小了与市场的距离；另一方面，基于数字和技术驱动的信用体系，为弱势群体提供了金融基础 设施，可以放松家庭面临的信贷约束。但是，本文的研究却发现，数字金融的发展加剧了贫困。这 不得不令人深思，数字金融在多年的发展过程中是否一直在提升贫困发生的概率和加深贫困的程

第37卷第10期何宗樾等:数字金融、数字鸿沟与贫困

.85

•

度？这一关系究竟是数字金融本身的发展滞后，还是数字金融的发展存在结构性问题？下文将做 进一步分析。

(二）数字金融发展影响贫困的趋势

以上初步发现数字金融发展可能加深了家庭贫困。进一步的问题是，数字金融在多年的发展 过程中是否一直在提升贫困发生的概率和加深贫困的程度。为了判断数字金融在不同年份对贫困 可能产生的不同作用，引人数字金融发展与时间虚拟变量的交互项进行了分时间段的比较分析。 表4报告了数字金融发展与贫困关系的变化趋势分析结果。

表4

数字金融发展与贫困；变化趋势

因变量

数字金融发展数字金融发展*

2014年虚拟变量

2016年虚拟变tt

2014和2016年虚拟变量

贫困状态⑴

-0. 036 (0.093)0. 0 **(0.029)0. 099 **(0. 049)

0. 077 •*(0.035)(2)0. 003 (0.071)

(3)-0. 034 (0. 026)0.011(0.010)0.041 …(0.014)

贫困程度

(4)-0.001 (0. 021)

数字金融发展*数字金融发展*

0. 023 **(0.011)

控制户主特征控制家庭特征控制社区特征家庭固定效应年份固定效应样本量

R2

是是是是是

15,9900. 118

是是是是是

15,9900. 117

是是是是是

15,9900.270

是是是是是

15,9900.269

与表3—致，表4的第（1)~(2)列研究数字金融发展与家庭贫困状态的关系，第（3) ~ (4)列 则从家庭贫困程度的角度展开分析。与表3不同的是，在表4中，讨论了数字金融发展与家庭贫困 在年份区间上的异质性。

在表4的第（1)和（3)列中，引人2014年和2016年两个时间虚拟变量，将其与数字金融发展 变量进行交互，考察数字金融发展在不同年份对家庭贫困所可能产生的不同影响。值得指出的是， 在控制了这两个虚拟变量之后，数字金融发展变量本身的系数实际上衡量了 2012年数字金融发展 与家庭贫困的关系。分析结果显示：首先，与表3不同，数字金融发展变量本身不显著，表明在 2012年，数字金融发展与家庭贫困状态和贫困程度不相关，意味着数字金融并不是一直会导致家 庭贫困并带来家庭贫困程度的提升;其次，数字金融发展与2014年和2016年的时间虚拟变量的系 数均为正，其中，数字金融发展在2014-2016年均显著导致了家庭贫困，且在2016年显著加深了家 庭贫困程度;再次，数字金融发展与2016年时间虚拟变量的估计系数比2014年变量的估计系数大 得多，也更显著，意味着数字金融发展对家庭贫困的影响逐年增大;最后，在第（2)和（4)列中，选用 2014和2016年的共同时间虚拟变量与数字金融发展进行交互，同样发现该系数不论在家庭贫困 状态还是家庭贫困深度的回归中均显著为正，进一步证实了上述结论。

(三）内生性讨论

在探讨数字金融加剧家庭贫困的原因之前，还需要对模型进行内生性分析。如前文所述，数字 金融与家庭贫困之间的关系可能受到内生性的影响，从而导致估计系数的偏误。因此，本文采 用工具变量估计方法，以保证所识别的相关关系也是因果关系。不过，在估计之前，有一点必须指 出：式（1)中的内生变量，即数字金融发展是随年份变化的变量，但所选取的工具变量并不是随时

•

86 •

统计研究2020年10月

间变化的，这使得通常的第二阶段估计失效。因此，将「.具变量与全国层面相应的数字金融发展指 数的均值进行交互，作为新的具有时间变化效应的工具变量:

表5报告了采用工具变量估计的第二阶段回归结果。与表3 —致，第（1) ~ (2)列，从贫 闲发生的角度来分析数字金融发展与贫困状态的关系，控制变量涉及户主特征，家庭特征和所 在地区的经济特征。第（3) ~(4)列，从贫闲程度的角度来探讨数字金融发展与家庭的贫 困深度的关系，以检验模型的稳健性。

表5

数字金融与贫困：工具变量回归

因变量数字金融发展控制户主特征

控制家庭特征控制社区特征家庭固定效应年份固定效应样本量

R2

Firs丨 stage F-stat

贫闲状态

(1)0.217**(0. 104)

(2)0.213\"(0. 102)

(3)0. 069 •*(0. 031)

贫闲程度

(4)0. 070**(0.031)

是

是否是是

15,9900. 11612.58

是是是是是

15,9900. 11612. 88

是是否是是

15,9900. 26612.58

是是是是是

15,9900.26712. 88

首先考察工具变量的有效性。结果显示，第一阶段考虑异方差的弱工具变量检验F统计量均 大于10,表明工具变量满足相关性特征®，说明本文所选取的T.具变量是有效的。

从估计结果上看，依然发现数字金融的发展不仅加剧了家庭贫困的发生，还加剧了家庭贫困的 深度，并且这一结果在考虑了可能的内生性之后依然存在。此外，数字金融发展的估计系数更加显 著，证实了估计结果的稳健性。不仅如此，数字金融发展的估计系数也有所扩大，但扩大程度不多 (系数绝对值提升不到1倍），表明解释变量的测量误差程度较弱（Angrist和上，估计结果是稳健的，没有受到内生性的过多干扰。

PisdAeJOOS

)。综

五、背后机制：数字鸿沟与贫困

数字金融发展提高了贫闲发生的概率，也加深了贫闲的程度。这一发现似乎是反直觉的， 也在一定程度上与近年来文献所论证的数字金融发展所带来的经济效益相违背。这意味着必须对 这一发现的背后原因进行分析，以更好地刻両和评估数字金融发展在我国经济增长中的作用。

(一）数字鸿沟是否存在？

如前文所言，数字金融发展之所以加剧了贫困，一种可能的原因是数字金融发展本身滞 后。不过，发展滞后本身是一个总量问题,如果数字金融发展加剧贫困的原因的确是因为数字金融 发展滞后，那么数字金融发展应该对全体居民都产生负面影响，但这与以往的研究完全矛盾。此 外,我国的数字金融发展在全球处于领先地位是有目共睹的，把贫闲的加剧归咎于数字金融发展滞 后并不合理。

排除滞后问题，数字金融发展也可能具有结构性问题，特别是对穷人群体不利的结构性问题。 如前文所言，数字金融原本所具有的普惠性,可以惠及到不同群体，使不同群体都能够享受到金融 服务的便利性。但是，这里有一个前提条件:所有居民必须能够接触到互联网。如果部分居民接触 不到互联网，这种新出现的数字鸿沟，就可能使得那些无法接触到互联网的居民无法享受数字金融

①因篇幅所限，工具变量一阶段回归结果以附表1展示，见《统计研究》网站所列附件下同

第37卷第10期

何宗樾等:数字金融、数字鸿沟与贫困•

87

•

所带来的益处。这个群体显然主要由处于贫困线以下及贫困线附近的居民组成，他们本来所拥有 的机会和资源可能被挤占，使得数字金融发展出现了互联网偏向，从而不利于居民脱贫，甚至有可 能加深贫困。

基于这一逻辑，在表6中，按照能否接触到互联网，将家庭样本分为两个群体为了避免选择 性偏误，只保留在样本期间内一直可以接触到互联网以及一直没有接触互联网的家庭表6的第 (1)〜（2)列为一直没有接触互联网，即处于数字劣势家庭的估计结果，第（3) ~ (4)列则为一直能 够接触互联网，即处于数字优势家庭的估计结果。结果发现，数字金融对家庭贫闲概率的提高 效应主要来自于未能接触互联网的家庭，对于一直能够接触互联网的家庭，数字金融对贫闲发生概 率的影响为负，虽然并不显著，这证实了数字鸿沟的存在，表明能否接触到互联网的确是家庭脱贫 的前提条件。

表6

数字鸿沟与贫困

因变量

贫困状态数字金融发展控制户主特征控制家庭特征控制社区特征家庭固定效应年份固定效应样本量

R2

First stage F-stat

互联网完全不可得

(1)0. 254 *(0. 131)

(2)0. 244*(0. 127)

(3)-0.014(0.062)

互联网完全可得

(4)-0.014(0.062)

是是否是是

11,8530. 13111.51

是是是是是

11,8530. 13211.74

是是否是是

1,1250.01712. 70

是是是是是

1,1250.01813.33

(二）数字鸿沟为什么带来了贫困？

表6表明，数字鸿沟使得数字金融的发展不利于那些未接触到互联网的家庭脱贫。更为严重 的是，数字金融非但不能帮助这些家庭脱贫，反而加剧了这些家庭的贫困程度，这可能意味着这些 家庭的一些脱贫机会由于数字鸿沟而遭到了挤占和剥夺。那么，究竟是哪些脱贫机会遭到了挤占 呢？本节进一步对此展开分析。

如前文所示，贫困由教育、健康、保险、就业、收入、生活质量和资产度构成，这也为进 一步分析数字鸿沟所带来的贫闲的背后机制提供了便利。在表7中，依次从这7个维度出发， 分析数字鸿沟影响贫困的内在机制。将样本在面临数字鸿沟，即未接触互联网的家庭。 结果发现，仅有代表就业维度的家庭成年劳动力就业状态以及代表收人维度的家庭人均收人的系 数是显著的。其中，第（4)列显示，数字金融的发展带来了家庭成年劳动力就业的下降，这意味着 数字金融的发展可能剥夺了这些家庭的就业机会。这可能存在两方面的原因：首先，技术变革可能 本身对劳动力市场就存在负向冲击（Acemoglu等，2011 )，这使得在这场技术变革中本身就存在数 字鸿沟的群体处于更加不利的位置;其次，数字金融发展可能带给接触互联网群体更多的信息优 势，从而可能挤占了未接触互联网群体的就业机会。这两方面原因的综合造成了存在数字鸿沟的 群体的就业机会下降„

第（5)列的结果恰好相反，数字金融的发展尽管使得未接触互联网的群体失去了就业机会，却 从总体上提升了这些家庭的人均收人。这两者并不必然矛盾，因为数字金融对贫闲的影响可能存 在群体间的异质性:数字金融的发展尽管可能会挤占一部分面临数字劣势群体的就业机会，但可能 带动另一部分面临数字劣势群体的收人提升，只不过这种收人提升更可能是由接触互联网的群体

•

88

•统计研究2020年丨0月

表7 数字金融通过数字鸿沟影响贫困的内在机制

(1)

(2)

(3)

(4)

(5)

(6)

各因个变维量(7)

度教育年限

医疗维度

保险维度

就业维度

家庭收人

生活维度

住房维度

数字金融发展0. 0670.2170.0-0• 191 “1. 113**0. 0220. 188(0.391)

(0. 182)

(0. 065)

(0.083)

(0. 545)

(0. 214)

(0. 152)

控制户主特征是

是是是是是是控制家庭特征是是是是是是是控制社区特征是是是是是是是家庭固定效应是是是是是是是年份固定效应是

是

是

是

是

是

是

样本量

11,85311,85311,85311,85311,85311,85311,853R2

0. 1820.0010. 0050. 1420.0590.0160.003First stage F-stat

11.75

11.75

11.75

11.75

11.75

11.75

11.75

注：分析样本为面临数字鸿沟，即未接触Y联网的家庭

受数字金融发展影响所产生的溢出效应，而非数字金融发展的直接效应。

(三）基于不同群体的异质性分析

以上研究表明，数字金融发展可能会挤占一部分居民的就业机会,也可能给另一部分居民带来 收人溢出效应，这意味着数字金融存在异质性影响。那么，面临数字劣势的群体中，哪一类子群体 更容易因为数字金融发展而被剥夺就业机会,哪一类群体又因为数字金融发展而提升收人呢？回 答这一问题不仅具有理论意义，也具有实践意义，因为这有利于在层面上实现精准数字扶贫。

鉴于此，本文采取了分样本回归讨论数字鸿沟在性别、不同年龄阶段以及不同人力资本层次的异 质影响。研究表明，女性和老年人等特定群体，若无法接触互联网，不仅可能会由于数字金融的发展 被挤占就业机会，也无法获得数字金融发展所带来的收入溢出效应,从而提升了贫困发生的概率®。

六、结论

数字普惠金融助力扶贫实践机遇与挑战并存。一方面，数字金融可以进一步服务于原先被传 统金融排除在外的群体，这显然为他们脱离贫困提供了条件；另一方面，技术对就业市场和居 民收入也会产生消极影响，从而也可能对居民贫困状态产生冲击。

本文的贡献在于首次利用中国数字普惠金融发展指数和中国家庭追踪调查（CFPS)的匹配数 据，通过克服内生性的工具变量估计，探讨了数字经济发展对家庭贫困的影响。然而，与预期 不同的是，本文的初步研究发现数字金融发展提升了贫困发生的概率，也加深了贫闲的程度， 且影响逐年增大。不过，进一步研究表明，数字金融发展可能存在结构性问题:数字金融发展给能 够接触到互联网的居民所带来的便利以及所产生的机会，挤占了未能接触到互联网的居民原先所 可能获得的资源，这种数字鸿沟使得位于贫闲线附近的居民由于数字金融的发展而愈加贫闲。观 察背后机制发现，数字金融发展主要导致了面临数字劣势的贫困居民失业概率的提升。

本文的含义非常明显。首先，数字鸿沟可能会加剧贫困发生率，因此在推进数字金融发展 的同时，应着力提高数字金融服务的覆盖率和可得性，尤其对于农村的贫困人口而言。其次，应重 点关注女性以及中老年人等群体的数字劣势问题，防止此类群体因数字金融发展而丧失就业机会， 进而引发社会不稳定。最后，在推进数字金融服务的覆盖率的同时，也要注重教育的作用，使得居 民能够更好地共享数字发展所带来的红利。当然,在具体推进数字扶贫战略时，也需要提高甄别机 制，促进有限资源实现高效配置。

①W篇幅所限.分样本回归的结果以附表2至附表4展示.

第37卷第10期何宗樾等:数字金融、数字鸿沟与贫困•

•

参考文献

[1 ]崔艳娟，孙刚.金融发展是贫困减缓的原因吗？—

来自中国的证据[J].金融研究，20丨2( 11):丨丨6-127.

[2 ]高颖，李善同.基于CGE模型对中国基础设施建设的减贫效应分析[J].数量经济技术经济研究，2006(6):丨4-24.

[3 ]郭峰，王靖一，王芳，孔涛，张勒，程志云•测度中国数字普惠金融发展：指数编制与空间特征[J].经济学（季刊），2020,丨9(4):

1401-1418.

[4 ]郭熙保，周强.长期贫困、不平等与致贫因素[J].经济研究，2016(6): 143-156.[5]胡鞍钢，李春波.新世纪的新贫困：知识贫困[』].中国社会科学，200丨（3):70-8丨+206.

[6 ]焦瑾璞，黄亭亭，汪天都，张韶华，王瑱.中国普惠金融发展进程及实证研究[J].上海金融，2015(4): 12-22.[7 ]李继尊.关于互联网金融的思考[J].管理世界，2015(7):卜7.

[8 ]刘穷志.公共支出归宿：中国公共服务落实到贫困人口手中了吗？ [J].管理世界，2007(4) :60-67.[9 ]卢盛峰，卢洪友.救助能够帮助低收入群体走出贫困吗？—

2013( 1) ：4-16.

[10] 罗廷锦，茶洪旺数字鸿沟”与反贫困研究一

-18.

[11] 马振邦，陈兴鹇，贾卓，吕鵰.人穷还是地穷？空间贫困陷阱的地统计学检验[J].地理研究，20丨8( 10) :1997-2010.[12] 邱泽奇，张樹沁，刘世定，许英康.从数字鸿沟到红利差异一

基于19-2009年CHNS数据的实证研究[J].财经研究，

基于全国31个省市面板数据的实证分析[J].经济问题探索，2018(2): 11

互联网资本的视角[J].中国社会科学，20丨6(10):93-115.

基于7省份1356农户的面板数据[J].管

[13] 帅传敏，李文静，程欣，帅竞，丁丽萍，陶星.联合国丨FAD中国项目减贫效率测度一

理世界，2016(3) =73-86.

[14] 宋晓玲.数字普惠金融缩小域乡收入差距的实证检验[J].财经科学，2017(6) : 14-25.[15] 汪三贵，胡联.产业劳动密集度、产业发展与减贫效应研究[J].财贸研究，2014(3):卜5.[16] 王颖，陆磊.普惠制金融体系与金融稳定[J].金融发展研究，20丨2(丨）：4-10.[17] 谢绚丽，沈艳，张皓星，郭峰.数字金融能促进创业吗？—

来自中国的证据[J].经济学（季刊），2018(4) : 1557-丨580.

[18]杨 艳琳，付晨玉.中国农村普惠金融发展对农村劳动年龄人口贫困的改善效应分析[J].中国农村经济，2019(3): 19-35.[19] 易行徤，周利.数字普惠金融发展是否显著影响了居民消费—

来自中国家庭的微观证据[J].金融研究，2018(丨丨）：47-67.

[20] 张勋，万广华，张佳佳，何宗樾.数字经济、普惠金融与包容性增长[J].经济研究，20丨9(8) :7卜86.

[21 ] Acemoglu D, Aulor D. Skills, Tasks and Technologies： Implications for Employment and Eamings [ J ]. Handbook of Labor

Economics, 2011, 4： 1043 - 1171.

[22] AlkireS, Foster J. Counting and Multidimensional Poverty Measurement[ J ]. Journal of Public Economics, 2011, 95(7-8)： 476

-487.

[23] Angrist J D, Pischke J S. Mostly Harmless Econometrics： An Empiricist^ Companion[ M 1. New Jersey； Princeton University Press,

2008.

[24] Kap[26] Toffler A. Powershift： Knowledge, Wealth and Violence at the Edge of the 21st Century[M]. New York： Bantam Books, 1990.[27] Zhang X, Zhang X, Chen X. Happiness in the Air： How Does a Dirty Sky Affect Mental Health and Subjective Well-being? [ J].

Journal of Environmental Economics and Management, 2017, 85： 81-94.

作者简介

何宗樾，北京工业大学经济与管理学院讲师。研究方向为国民经济核算、宏观经济分析、教育经济学。

张勋（通讯作者），北京师范大学统计学院金融统计系副教授，北京大学数字金融研究中心特约高级研究员。 研究方向为国民经济核算、发展经济学、教育经济学、数字金融电子邮箱：****************.cn

万广华，复旦大学世界经济研究所所长、教授。研究方向为收入分配、农业经济学、应用计量经济学、国际区域 发展。

(责任编辑：黄煌)