EN中文

经济地理 >

2021 , Vol. 41 >Issue 12: 177 - 186

DOI: https://doi.org/10.15957/j.cnki.jjdl.2021.12.019

三农、土地与生态

数字普惠金融对农村消费的影响研究——基于空间计量模型

  • 黎翠梅 ,
  • 周莹
展开
  • 中南大学 商学院，中国湖南 长沙 410083

黎翠梅（1969—），女，湖南华容人，博士，教授，研究方向为农村金融。E-mail：

收稿日期: 2021-07-28

  修回日期: 2021-10-12

  网络出版日期: 2025-03-31

基金资助

国家自然科学基金项目(71673307)

教育部人文社会科学规划基金项目(17YJA790040)

收起

Influence of Digital Inclusive Finance on Rural Consumption：Based on Spatial Econometric Model

  • LI Cuimei ,
  • ZHOU Ying
Expand
  • School of Business，Central South University，Changsha 410083，Hunan，China

Received date: 2021-07-28

  Revised date: 2021-10-12

  Online published: 2025-03-31

Fold

摘要

提升农村消费水平是扩大消费、拉动内需、促进经济增长的重要途径，而数字普惠金融可依托数字信息技术创新金融服务，增强金融可获性，从而刺激农村消费增长。文章基于我国2011—2018年的省级面板数据，运用空间计量模型，实证检验数字普惠金融对农村消费的影响及作用机制。研究表明：数字普惠金融可以促进农村消费增长，且空间溢出效应显著；数字普惠金融借助数字化支付、信贷、保险等途径直接刺激农村消费增长，数字化支付是最主要的影响渠道；在间接渠道方面，数字普惠金融能够提高居民收入，从而间接促进农村消费增长；数字普惠金融对农村消费的影响存在区域差异。因此，为促进农村消费增长，我国应加快数字金融服务体系建设，在因地制宜基础上引导地区间加强合作。

关键词： 数字普惠金融; 农村消费; 空间计量; 数字化支付; 农民收入; 信贷; 保险

本文引用格式

黎翠梅 , 周莹 . 数字普惠金融对农村消费的影响研究——基于空间计量模型[J]. 经济地理, 2021 , 41(12) : 177 -186 . DOI: 10.15957/j.cnki.jjdl.2021.12.019

Abstract

Improving the level of rural consumption is an important way to expand consumption,stimulate domestic demand and promote economic growth. Digital inclusive finance can rely on digital information technology to innovate financial services and enhance financial availability,so as to stimulate the growth of rural consumption. Based on China's provincial panel data from 2011 to 2018,this paper empirically tests the impact and mechanism of digital inclusive finance on rural consumption by using spatial econometric model. The research shows that digital inclusive finance can promote the growth of rural consumption,and the spatial spillover effect is significant. Digital inclusive finance directly stimulates the growth of rural consumption by means of digital payment,credit and insurance,and digital payment is the main influence channel. In terms of indirect channels,digital inclusive finance can improve residents' income,so as to indirectly promote the growth of rural consumption. There are regional differences in the impact of digital inclusive finance on rural consumption. Therefore,in order to promote the growth of rural consumption,China should speed up the construction of digital financial service system and guide regions to strengthen cooperation on the basis of adjusting measures to local conditions.

Key words： digital inclusive finance; rural consumption; spatial econometric; digital payment; farmers' income; credit; insurance

2020年5月14日召开的中共中央政治局常委会会议首次提出，“构建国内国际双循环相互促进的新发展格局”。2020年中央经济工作会议强调，要注重需求侧管理，扩大消费需求，着力打通堵点。扩大内需是构建新发展格局的战略基点，而扩大内需以扩大消费需求为主，因此需要不断增强消费的基础性作用，提高消费在经济增长中的贡献度。1978—2019年，我国居民消费率从48.78%下降到38.79%[1]，远低于美国（68%）、德国（52%）等发达国家。同时，我国居民消费不足主要是农村居民消费不足[2]，刺激农村消费增长是扩大居民消费的必由之路。截至2019年，农村居民人均消费仅为13 327.7元，远低于城镇居民人均消费的28 063.4元。近期，政府部门也出台了相关文件聚焦农村消费问题。2021年1月，商务部等12部门联合发文强调促进释放农村消费潜力。2021年2月，中央一号文件也提出要全面促进农村消费。因此，促进农村消费增长是扩大消费、拉动内需、保障内循环的战略落脚点。
现有研究大多认为金融发展可以通过缓解流动性约束、平滑消费及降低预防性储蓄等途径促进消费增长，但包括普惠金融在内的传统金融“最后一公里”的问题依旧不能得到缓解，农村金融排斥现象显著[3]。2016年G20峰会正式提出“数字普惠金融”的概念，利用数字技术推动普惠金融发展。2021年2月的中央一号文件首次提出要发展农村数字普惠金融，弥补三农金融缺口。在政策引导与技术创新的双重推动下，我国数字普惠金融迅速发展，并凭借其强劲的客户触达能力和地理穿透性等优势，有效缓解了金融排斥，为促进农村消费提供了新的契机[4]。目前已有文献开始关注数字普惠金融对于减缓金融排斥、减贫增收和改善收支分配等方面的影响[5⇓⇓-8]，但遗憾的是探究数字普惠金融与消费尤其是农村消费关系的文献很少，并且因样本、视角选择不同也存在局限性。其中，易行健、张勋等基于CFPS微观数据，从微观角度探究了数字普惠金融对居民消费的作用机理，认为便捷支付是重要作用渠道，但忽略了宏观层面的具体影响和空间因素的作用[9-10]；邹新月等基于宏观数据发现数字普惠金融可以提升居民消费水平，但是仅仅考虑了居民消费总体，未能聚焦农村消费[11]；郭华等基于农村消费视角，发现覆盖广度、支付和投资服务是数字普惠金融促进农村消费增长的直接渠道，但是未考虑数字普惠金融影响农村消费的间接机制，对地区间互动作用探讨不足[12]。
综上，在以国内大循环为主体的新形势下，探讨数字普惠金融对农村消费的影响尤为重要。数字普惠金融是否显著促进我国农村消费增长?数字普惠金融影响农村消费的内在作用机制是什么?数字普惠金融影响农村消费是否具有空间相关性?等等。对这些问题现有研究关注较少。本文将在理论上进一步厘清数字普惠金融影响农村消费的渠道机制与空间作用机制，并实证检验不同作用机制下的影响效应；综合考虑地区间地理位置和经济发展的共同影响，利用空间计量方法实证分析数字普惠金融对农村消费的空间溢出效应，并对区域异质性进行分样本检验。本研究可为政府相关部门有针对性地制定数字普惠金融助力农村消费增长的制度与政策措施提供量化依据及决策支撑。

1 数字普惠金融对农村消费的作用机制分析与研究假设

数字普惠金融对农村消费的作用机制可分为渠道作用机制和空间作用机制。其中渠道机制又可进一步分为直接作用渠道以及间接作用渠道，即一方面，数字普惠金融以先进的数字技术为依托，降低农村居民金融获得的门槛，通过便捷支付、缓解流动性约束以及降低预防性储蓄渠道直接提升农村消费；另一方面，数字普惠金融可以促进农户增收，从而间接刺激消费增长。

1.1 渠道作用机制

1.1.1 直接作用渠道

便捷支付。数字化的移动支付方式具有高效、便捷的特点，能够改变农村居民的消费习惯，进而影响其消费行为。数字化支付对农村消费的影响具体可分为四个方面：第一，规避因现金带来的交易阻碍[10]，降低银行卡手续费的交易成本和安全隐患，极大提高农村居民消费的支付转结效率，增加农村居民小额、随机消费；第二，以互联网、移动客户端等为载体，打破时间空间的限制，并借助农村淘宝等网购平台使农民足不出户即可满足需求，极大降低交易成本，从而刺激消费[12]；第三，丰富移动支付场景，催生多样化消费模式，为农村居民消费提供更多选择；第四，降低农民消费时对交易价格的敏感度和购买与支付的关联性，减少其心理账户的损失程度，提升支付意愿[13-14]，实现平滑消费的效果。因此，本文提出假设一：
H1：数字普惠金融能够便捷支付，从而促进农村消费增长。
缓解流动性约束。消费的生命周期理论表明，大额支出减少消费预算，产生预算约束，抑制当前消费增加。数字普惠金融充分利用数字信息技术，开展数字化信贷服务，有效缓解流动性约束问题，释放消费潜力。数字化信贷一方面具有传统信贷模式的优势，作为跨期交易的重要工具，可以缓解预算及流动性约束[15-16]，实现平滑消费；另一方面借助数字平台精确定位信息价值，精准识别消费者信用信息，降低授信门槛，降低借贷双方信息不对称的阻碍，从而为农村居民被压抑的消费提供信贷支持，缓解传统信贷难以惠及金融弱势群体的问题[12]。因此，本文提出假设二：
H2：数字普惠金融能够缓解流动性约束，从而促进农村消费增长。
降低预防性储蓄。预防性储蓄理论研究的是当风险厌恶型的理性人在面临不确定性时所做出的消费决策[17]，预期未来风险越大，收支的不确定性越高，消费者会减少当期消费增加储蓄。保险为消费者提供一种保障途径，对消费者预防性储蓄行为产生“挤出效应”。例如失业保险及医疗保险可以合理规避风险，缓解农村居民在家庭遭受事故时的经济负担，减少对未来不确定性的预期，提升农村消费。而数字普惠金融不仅推进了产品、服务的线上化发展，也借助信息、数字技术催生了多样化的基于消费场景的互联网保险业务，加速农村居民、商家、互联网保险平台以及监管机构的良性互动，为农村居民提供有效保障，稳定农村居民消费预期，从而提升消费。因此，本文提出假设三：
H3：数字普惠金融能够降低预防性储蓄，从而促进农村消费增长。

1.1.2 间接作用渠道

根据消费理论可知，收入是影响消费的关键因素，数字普惠金融凭借低成本、广覆盖的特点，将金融服务惠及包括农村居民在内的“长尾”群体，可通过提高农村居民收入，间接提高居民消费。间接作用途径具体包括以下几个方面：第一，数字普惠金融缓解了传统金融服务“最后一公里”的问题，增强金融服务的触达能力，让偏远、落后地区的人群纳入金融受众群体，缓解农村居民融资障碍，促进增收，进而影响消费；第二，数字普惠金融的发展可以缓解企业融资困境，加速转型，促进农户就业，拓宽增收渠道[18]，从而增加消费；第三，数字普惠金融发展能够带动相关数字设备、配套设施的投资与建设，促进落后地区资本积累与经济发展，从而惠及贫困群体，促进增收，拉动消费增长。因此，本文提出假设四：
H4：数字普惠金融能够提高农村居民收入，间接促进消费增长（图1）。
图1 数字普惠金融对农村消费的渠道作用机制图

Fig.1 The channel action mechanism chart of digital inclusive finance on rural consumption

1.2 空间作用机制

从空间作用维度看，各类生产要素能够突破地理限制实现跨区流动，并且地理距离越近的地区间要素流动的效率往往越高，因此邻近地区在生产、经济发展等方面具有一定相关性，而金融发展往往与地区经济发展有一致性。发展初期，地理条件很大程度上成为经济、金融资源集聚的决定性因素，拥有区位竞争优势的地区汇集周围地区的金融资源，这种非均衡状态进一步扩大了金融资源的空间差异[19]，“虹吸效应”显著，促进当地经济发展、刺激消费增长，而对其他地区发展不利。发展后期，金融发展进入扩散阶段，发达地区的金融资源趋于饱和，边际效应递减规律也使得资源向机会更多、收益更高的欠发达地区转移，此时通过技术外溢、知识外溢效应为落后地区金融、经济发展助力，从而带动消费增长[19-20]。数字普惠金融以先进的数字信息技术为依托，降低了资源要素的时空壁垒和流动、交易成本，将金融集聚、扩散的发展进程加快，地区间空间互动作用更加显著。因此，本文提出假设五：
H5：数字普惠金融对农村消费的影响具有空间效应。

2 研究设计与数据说明

2.1 研究方法

我国各地区金融发展水平存在明显的空间异质性，数字普惠金融虽在数字技术的支撑下缓解了地区间差距，但各项金融资源分布不均衡的问题依旧存在。数字普惠金融对农村消费的影响不仅受到金融发展水平的限制，还可能受到空间互动作用的影响，即其他地区数字普惠金融的发展水平可能会对本地区的农村消费产生影响。因此，本文选择构建空间计量模型来探究数字普惠金融对农村消费的影响。

2.1.1 空间权重矩阵选择

沃尔多·托布勒教授提出地理第一定律，认为事物都不是孤立的，彼此之间有联系。空间计量经济学的首要任务是设立空间权重矩阵，用以衡量经济变量的空间相关。常见的权重矩阵分为四类：邻接矩阵、地理距离矩阵、经济距离矩阵以及嵌套矩阵。邻接、地理距离矩阵从地理位置角度衡量区域间的空间效应，经济距离矩阵从经济属性角度反映区域空间效应，而嵌套矩阵则同时考虑地理、经济两方面的因素[21]。为更全面、综合地探究数字普惠金融对农村消费的影响，本文采用嵌套矩阵作为空间权重W。具体如下表示：
W = W d d i a g ( X 1 / X , X 2 / X , ⋯ , X n / X )
式中： W d表示地理距离权重矩阵，衡量地理区位情况；X表示考察期内地区的经济特征值，本文选用人均GDP均值来衡量。

2.1.2 空间计量模型构建

为充分考虑空间因素的影响，构建空间计量模型探究数字普惠金融对农村消费的影响。具体模型如下：
Y = ρ W Y + X β + θ W X + μ
μ = λ W μ + ε ,   ε ~ N 0 , σ 2 Ι
式中：Y代表被解释变量；X代表所有的解释变量；W代表n×n维的空间嵌套权重矩阵；β代表X的相关系数；ρ和θ代表空间相关系数；λ代表空间误差系数；μ和ε代表随机误差，且ε遵循正态分布。ρ≠0、θ=0且λ=0时，符合空间自回归模型（SAR）；ρ=0、θ=0且λ≠0时，符合空间误差模型（SEM）；ρ≠0、θ≠0且λ=0时，符合空间杜宾模型（SDM）。随后，根据检验及显著性结果，来具体选择模型形式。

2.1.3 中介效应检验

据图2所示，本文参考Baron等[22]及温忠麟等[23]的做法进行中介效应检验，其步骤为：第一步，计算方程（3）中核心解释变量数字普惠金融（X）对被解释变量农村消费（Y）的总效应，如果解释变量前的系数c显著，则继续检验，反之检验终止；第二步，依次检验方程（4）和方程（5）中的回归系数a和b，若系数均显著，则通过中介检验，若有一个系数不显著则进行Sobel检验；第三步，检验方程（5）的系数c'，若c'显著，则可计算中介效应；第四步，Sobel检验，若通过则存在中介效应，反之亦然。
Y = c X + e 1
M = a X + e 2
Y = c ' X + b M + e 3
图2 中介检验机制图

Fig.2 Diagram of mediation verification mechanism

2.2 变量选取与描述性统计

2.2.1 变量选取

①被解释变量。农村消费（cr）：该指标选用各省农村居民消费率来衡量，具体表示为某省农村居民的消费总支出占当年GDP的比重。由于数据可获性，参考王翠琴等[24]的做法，农村居民消费总支出表示为农村居民人均消费支出与农村常住人口数的乘积。
②核心解释变量。数字普惠金融发展水平（df）：该指标选用北大互联网金融研究中心发布的2011—2018年省级数字普惠金融总指数来衡量。数字普惠金融总指数测算了覆盖广度、使用深度及数字化程度三个方面，能综合、均衡合理地衡量出各省数字普惠金融发展的基本情况。
③控制变量。农村收入水平（income），据消费理论和已有研究可知，收入是影响居民消费行为的关键因素[25]，一般而言，消费与收入具有正相关关系；农村医疗水平（health），医疗保障会影响农村居民的生活福利，完善农村基本医疗保障制度可以提高农村居民消费倾向[26]；农村老龄化水平（old），生命周期理论认为人口年龄结构与居民消费联系密切，然而人口老龄化对消费的影响，学术界并未达成一致意见[27]；农业机械化水平（power），农业机械化可以通过促进粮食产出和劳动力转移来提升农民收入[28]，从而刺激消费提升；农村物价水平（cpi），在物价和收入相互影响和动态变化下，若收入增速慢于物价水平增速，那么实际消费将会下降，反之则反[29]；农户固定资产投资水平（fix），农户固定资产投资越高，一定时间内会刺激农村居民消费增长，而生产资料的消耗、投资收入效应的下降，会使消费增速放缓[30]；财政支农水平（fsa），财政支农水平的提升会增加农村居民的购买力、改善农村消费环境，从而刺激其消费增长[31]；教育支持力度（edu），教育等民生财政支出的增加，为居民扩大消费直接提供了物质以及信心的双重保障，提高农村居民的消费倾向[32]；产业结构（str），产业结构升级能够提升居民消费[11]；城镇化水平（urban），一方面城镇化经由提升居民消费能力、改善居民消费习惯等渠道刺激消费增长[33]，另一方面城镇化的外部成本效应会阻碍居民消费增长[34]。本文的所有变量度量方式见表1。
表1 变量具体含义、公式及描述性统计

Tab.1 Specific meaning，formula and descriptive statistics of variables

评价指标 基本含义及公式 单位 平均值 标准差 最小值 最大值
农村居民消费率（cr） 农村居民消费总支出/GDP % 10.26094 4.831266 1.444793 22.63597
数字普惠金融指数（df） 各省数字普惠金融发展状况 - 188.1858 84.97977 18.33 377.73
农村收入水平（income） 农村居民人均可支配收入 元/人 10 489.01 4 134.128 3 909.4 25 756
农村医疗水平（health） 每千农村人口村卫生室人员数 人 1.792292 1.314557 0.61 10.75
农村老龄化水平（old） 农村老年抚养比 % 16.43892 5.060916 7.05 34.77
农业机械化水平（power） 农村人均农业机械总动力 kW/人 1.651533 0.7638941 0.3263889 4.04299
农村物价水平（cpi） 农村居民消费价格指数 - 1.078967 0.048217 1 1.182656
农户固定资产投资水平（fix） 农户固定资产投资/农林牧渔业增加值 % 20.65613 9.782636 1.681345 49.26641
财政支农水平（fsa） 地方农林水事务支出 亿元 470.4794 218.2334 91.78 1 217.919
教育支持力度（edu） 地方教育支出/地方财政总支出 % 16.54566 2.597748 9.894548 22.21688
产业结构（str） 第二、三产业占GDP比重 % 90.1678 5.112291 73.86766 99.68063
城镇化水平（urban） 城镇人口占地区总人口比重 % 57.11056 12.29909 34.96685 89.60663

2.2.2 数据来源及处理

数字普惠金融发展指数来自北大互联网金融中心发布的两期测算报告，除此之外所有数据均来自《中国农村统计年鉴》《中国统计年鉴》《中国人口和就业统计年鉴》《中国卫生统计年鉴》《中国卫生和计划生育统计年鉴》《中国卫生健康统计年鉴》、国家统计局以及各省统计年鉴，且所有经济类型指标均以2011年为基期，利用相应指数进行平减处理。为统一量纲，减少异方差的影响，对所有数据作对数处理。

2.2.3 描述性统计

考虑数据可得性，本文基于我国30个省份（不含西藏和港澳台）2011—2018年的240个样本观测值进行研究。描述性统计分析结果见表1，可知我国各地区农村居民消费率存在较大差异，最高为22.64%，最低为1.44%。数字普惠金融指数最高值为377.73，最低为18.33，虽整体呈现上升趋势，但地区异质性明显。各地区农民收入、医疗、老龄化水平等控制变量地区间也具有显著差异。

3 数字普惠金融对农村消费影响的实证分析

3.1 数字普惠金融对农村消费影响的空间计量分析

3.1.1 空间相关性检验

①全局莫兰指数。本文运用全局莫兰指数分别对30个省份2011—2018年的农村居民消费率和数字普惠金融水平进行空间自相关检验。全局莫兰指数取值范围为[-1，1]，正值表明存在正向空间相关性，负值则表明存在负向空间相关性。2011—2018年，农村居民消费率和数字普惠金融水平的Moran's I指数虽有波动，但均为正值，且均通过1%的显著性检验，表明农村居民消费率及数字普惠金融水平具有显著的空间正相关的特征，具体表现为高水平省份的集聚，且空间依赖性较为稳定。因此，从总体来看，空间相关作用显著，选择空间计量模型是合适的。
表2 农村居民消费率和数字普惠金融的全局莫兰指数

Tab.2 Global Moran index of consumption rate of rural residents and digital inclusive finance

年份 cr df
Moran's I Z值 P值 Moran's I Z值 P值
2011 0.113 3.822 0.000 0.124 4.098 0.000
2012 0.111 3.750 0.000 0.142 4.613 0.000
2013 0.114 3.821 0.000 0.136 4.454 0.000
2014 0.117 3.903 0.000 0.137 4.495 0.000
2015 0.116 3.854 0.000 0.114 3.898 0.000
2016 0.112 3.770 0.000 0.126 4.229 0.000
2017 0.116 3.856 0.000 0.133 4.398 0.000
2018 0.114 3.813 0.000 0.145 4.681 0.000
②局部莫兰指数。为考察某一特定区域的空间相关程度，本文绘制农村居民消费率和数字普惠金融的局部莫兰图。由于篇幅原因，仅汇报2011和2018两年的结果，其中数字1~30表示我国30个省级区域，依次为北京、天津、河北、山西、内蒙古、辽宁、吉林、黑龙江、上海、江苏、浙江、安徽、福建、江西、山东、河南、湖北、湖南、广东、广西、海南、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。
由图4可知，各省份之间的农村居民消费率及数字普惠金融水平的莫兰指数所对应的点大多分布在第一、三象限，即各省份在局部空间上具有较强的正向促进效果，与全局莫兰指数的检验结果相同。2011—2018年，落入第一象限和第三象限的省份的数量增加，反映出农村居民消费率及数字普惠金融水平在局部地区的相关性程度增强。因此，局部空间正相关特征显著，应考虑空间因素影响，选择空间计量模型。
图3 2011和2018年农村居民消费率局部莫兰图

Fig.3 Local Moran map of rural residents' consumption rate in 2011 and 2018

图4 2011和2018年数字普惠金融局部莫兰图

Fig.4 Local Moran map of digital inclusive finance in 2011 and 2018

3.1.2 空间计量模型的选择

据前文可知，农村居民消费率及数字普惠金融水平具有显著的空间相关性，通过建立空间计量模型，可以更加准确衡量数字普惠金融水平影响农村消费的具体作用方向和程度大小。
第一步，LM检验。通过对普通静态面板回归（OLS）进行空间相关性检验，包括LM-Lag和稳健的LM-Lag检验以及LM-Error和稳健的LM-Error检验，来判断空间效应类型，选择模型形式。据表3可知，4个检验均拒绝了原假设H0，说明本文所选样本具有空间滞后和空间误差自相关双重效应，由于SDM模型同时考虑这两种效应，是空间计量模型的一般形式，因此初步判断选择空间杜宾模型（SDM）是合理的。
表3 LM检验

Tab.3 LM test

检验 LM值 P值
LM-Lag检验 9.221 0.002
稳健的LM-Lag检验 3.083 0.079
LM-Error检验 33.545 0.000
稳健的LM-Error检验 27.407 0.000
第二步，模型对比。本文分别构建了SAR模型、SEM模型、SDM模型，限于篇幅仅汇报部分回归结果。根据豪斯曼检验结果，SAR和SEM模型选择随机效应，SDM模型豪斯曼指标为84.06，在1%的显著性水平上通过了检验，选择固定效应。在空间计量模型的选择中，SDM模型的σ2最小，拟合优度R2最大，因此SDM模型的拟合程度上是最理想的。综上，选择SDM（fe）模型较为合适。所有模型均采用Stata15.1软件，具体结果见表4。
表4 模型回归结果

Tab.4 Model regression results

变量名称 SAR SEM SDM
lndf -0.0124（-0.62） 0.0327（0.85） 0.1020**（2.26）
lnincome 0.7650***（4.78） 0.9950***（5.93） 0.7010***（3.81）
lnhealth 0.0458*（1.90） 0.0446*（1.93） 0.0083（0.36）
lnold 0.0894**（2.00） 0.1240***（2.69） 0.0408（1.00）
lnpower 0.1010***（3.00） 0.0954***（2.65） 0.0785**（2.46）
lncpi -0.2980（-0.52） 0.6130（0.97） -1.6250**（-2.16）
lnfix -0.0092（-0.29） -0.0280（-0.88） -0.0214（-0.74）
lnfsa 0.0468（0.97） 0.0373（0.73） 0.1250***（2.59）
lnedu 0.0645（0.79） 0.1050（1.10） 0.1300*（1.66）
lnstr -0.7710（-1.50） -0.5300（-1.01） 0.2580（0.55）
lnurban -1.0700***（-3.89） -1.2130***（-4.16） -1.4250***（-5.45）
Constant 1.2350（0.53） -0.7370（-0.31）
W×lndf 0.181**（2.16）
控制变量 - - 空间滞后
Log-L 216.8243 209.3338 359.6703
σ2 0.0044*** 0.0045*** 0.0029***
拟合优度 0.9127 0.9020 0.9366
豪斯曼检验 -12.17 -11.99 84.06***
LR检验 285.69*** 300.67***

注：*、**、***分别表明通过10%、5%、1%的显著性检验。表5~表8同。

第三步，LR检验。对空间杜宾固定效应模型进行LR检验，验证空间杜宾模型是否可简化为空间自回归模型、空间误差模型。据表5可知，LR检验的指标值分别为285.69和300.67，在1%的显著性水平上拒绝了H0。
表5 空间效应分解

Tab.5 Spatial effect decomposition

变量 直接效应 间接效应 总效应
lndf 0.1048850** 0.2010570* 0.3059419***
lnincome 0.6913571*** 1.1691690** 1.8605260***
lnhealth 0.0097215 -0.3845873*** -0.3748658***
lnold 0.0394278 -0.5002929*** -0.4608651***
lnpower 0.0783926** -0.5191267*** -0.4407342***
lncpi -1.6360410** -6.5347050*** -8.1707460***
lnfix -0.0215592 -0.2650941* -0.2866533*
lnfsa 0.1248362*** 0.4351918** 0.5600279***
lnedu 0.1328793* -1.8841570*** -1.7512780***
lnstr 0.3087180 6.7961120 7.1048300
lnurban -1.4300750*** -1.2991850 -2.7292600**
综上所述，本文选择空间杜宾的固定效应模型来探究数字普惠金融发展水平对农村消费的影响。

3.1.3 空间杜宾模型回归结果分析

根据表4中SDM（fe）模型的结果，数字普惠金融的系数为正值，且在5%的显著性水平下通过假设检验，表明本省的数字普惠金融发展水平越高，本省农村消费水平越高。数字普惠金融发展水平的空间滞后项系数为正值，且在5%的显著性水平下拒绝原假设，表明数字普惠金融发展水平具有显著的空间效应，即本省的数字普惠金融发展水平对其他省份的农村居民消费水平也具有显著的促进作用。
由于空间杜宾模型解释了各省份之间的空间经济相关性，其参数估计结果并不能直接反映直接作用和空间溢出效应真实作用效果，参考Le Sage等提出的偏微分方法[35]，将各自变量对农村消费的影响系数分解为直接效应、间接效应以及总效应。
据表5所示，数字普惠金融发展水平的直接效应、间接效应及总效应均为正且通过了显著性检验，表明本省的数字普惠金融发展水平不仅对本省的农村消费水平具有正向促进作用，而且具有显著的空间溢出效应。若忽略空间因素互动影响，则会低估数字普惠金融促进农村消费的作用效果，因此再次证明空间计量模型选择的合理性。
控制变量中，农村收入水平与财政支农水平三种效应均为正且通过了显著性检验，与假设相符；农村物价水平与城镇化水平整体上对农村消费具有负向作用，可能是农村收入增速不及物价增速[29]，城镇化的外部成本效应显著[34]，进而阻碍居民消费增长；农业机械化水平以及教育支持力度直接效应显著为正，间接效应和总效应为负，直接效应与假设相符，但两者由于更多受到本地政策、制度的影响，资源“挤占”作用明显，故表现为负向溢出；农村医疗、老龄化水平以及农户固定资产投资的直接效应不显著，间接效应和总效应显著为负，可能是受到农村医疗、养老保障以及投资体系存在结构不合理、设施不完善的制约；产业结构均未通过显著性检验，可能是因为目前我国的产业结构优化程度仍不足，结构不合理的问题依旧存在[36]，产业结构升级与农村消费的良性互动尚未建立。

3.2 数字普惠金融对农村消费的直接渠道机制检验

据理论分析可知，数字普惠金融对农村消费的三种直接影响渠道为便捷支付、缓解流动性约束和降低预防性储蓄。本文采用数字普惠金融发展指数的二级指标进一步检验假设。鉴于本文的样本期间是从2011年开始，为保证数据的统一性，防止较大误差，本文选用2011年开始编制的支付指数（lnpay）、信贷指数（lncredit）以及保险指数（lninsurance）作为核心解释变量，构建空间杜宾模型进行探究。效应分析结果见表6。
表6 数字普惠金融直接渠道的效应分析

Tab.6 Effect analysis of direct channel of digital financial inclusion

变量 直接效应 间接效应 总效应
lnpay 0.0140467** 0.1674606*** 0.1815073***
lncredit 0.0384214* -0.0640834 -0.0256619
lninsurance 0.0037301 0.1284852*** 0.1322154***
对于数字化支付业务，其直接效应、间接效应及总效应为正值，且均显著拒绝了原假设，表明数字化移动支付业务的发展不仅有利于提升本省农村消费水平，而且也可以促进其他省份农村消费增长。可能是由于金融示范效应的存在，借助信息外溢以及金融机构建设发展的正外部性，本省数字化支付水平也能显著促进其他省份农村消费的增长，具有显著的空间溢出效应。因此，验证假设一成立。
对于信贷业务，其直接效应显著为正，但间接效应和总效应均未通过显著性检验，表明信贷业务能够促进本省农村消费增长，但空间溢出效应不显著。可能的解释是农村地区的信贷风险相对较高，推动互联网信贷业务高质量发展往往需要因地制宜，贯彻“互联网+社会网”的内在逻辑，所以在一定程度上受到辖区范围、当地金融体系以及监管政策的限制，信贷配置资源效率较低，省与省之间的信息不对称问题依旧存在，故空间的互动影响并不显著。因此，假设二部分成立。
对于保险业务，其间接效应和总效应显著为正，直接效应虽为正值但未通过显著性检验，表明保险业务能够促进其他省份农村消费增长，但对本省的影响并不显著。可能的解释是：一方面，相较移动支付及信贷业务，互联网保险业务发展时间较短，业务规模较小，特别是以农村居民群体作为受众的互联网保险发展缓慢，种类较少，加之缺乏完善的监管维护体系和政策，因此对农村消费的正向影响并不显著；另一方面，互联网保险业务处于初始发展阶段，大多业务由少数几家机构和平台主导，北京、浙江以及上海作为发展互联网保险业务的“先导地区”，信息技术外溢、金融机构布局建设范式的示范作用凸显，可能会纠正其他落后地区保险业务发展中的问题，从而带动农村消费增长。因此，假设三部分成立。

3.3 数字普惠金融对农村消费的间接渠道机制检验

通过前文对间接渠道的分析，构建中介检验模型，探究数字普惠金融能否通过促进农民增收进而提升消费。方程（6）、（7）、（8）分别与方程（3）、（4）、（5）相匹配，具体模型形式如下：
l n c r i t = α 1 W l n c r i t + π 1 l n d f i t + α 2 W l n d f i t + γ X i t + τ W X i t + μ i t
l n i n c o m e i t = φ 1 W l n i n c o m e i t + c 1 l n d f i t + φ 2 W l n d f i t + ∂ X i t + σ W X i t + μ i t
l n c r i t = ρ 1 W l n c r i t + β 1 l n d f i t + β 2 l n i n c o m e i t + ρ 2 W l n d f i t + ρ 3 W l n i n c o m e i t + ω X i t + θ W X i t + μ i t
参照中介检验的基本步骤，结合回归结果表7进行分析：第一步，在模型（1）中数字普惠金融（lndf）对被解释变量农村消费（lncr）总影响为0.143，且通过了1%的显著性水平，因此继续检验；第二步，模型（2）中数字普惠金融对农民收入的影响为0.0590，模型（3）中的中介变量农民收入的回归系数为0.701，且两个系数均通过了显著性检验；第三步，模型（3）中数字普惠金融对农村消费的系数为0.102，且通过5%的显著性水平，因此存在中介效应，即存在“数字普惠金融水平提高→农民收入增加→农村消费增加”的传导机制，验证了本文的假设四。
表7 中介模型回归结果

Tab.7 Regression results of mediation model

被解释
变量		 模型（1）
lncr		 模型（2）
lnincome		 模型（3）
lncr
lndf 0.1430***（3.12） 0.0590***（3.78） 0.1020**（2.26）
lnincome 0.7010***（3.81）
lnhealth 0.0312（1.34） 0.0251***（3.17） 0.0083（0.36）
lnold 0.0186（0.45） -0.0438***（-3.09） 0.0408（1.00）
lnpower 0.1000***（3.07） 0.0303***（2.72） 0.0785**（2.46）
lncpi -1.9970***（-2.66） -0.9180***（-3.59） -1.6250**（-2.16）
lnfix 0.0331（1.23） 0.0678***（7.38） -0.0214（-0.74）
lnfsa 0.1350***（2.69） 0.0129（0.77） 0.1250***（2.59）
lnedu 0.1290（1.60） -0.0171（-0.62） 0.1300*（1.66）
lnstr 0.3050（0.65） -0.2440（-1.51） 0.2580（0.55）
lnurban -0.9370***（-3.89） 0.6500***（7.92） -1.4250***（-5.45）
控制变量 空间滞后 空间滞后 空间滞后
Log-L 349.2335 605.5264 359.6703
σ2 0.0032*** 0.0004*** 0.0029***
拟合优度 0.9293 0.9893 0.9366

3.4 数字普惠金融对农村消费影响的区域异质性分析

由于我国各地区的地理区位和资源禀赋存在较大差异，经济基础及数字普惠金融水平也具有明显异质性。为具体研究我国数字普惠金融发展对农村消费影响的区域异质性特点，本文综合经济发展程度和区位因素，计算地区样本期内人均实际GDP的平均值，并以此为标准划分为经济发达地区、经济发展中等地区以及经济落后地区三组（经济发达地区包括：北京、天津、上海、江苏、浙江、福建、山东、广东、辽宁、内蒙古；经济发展中等地区包括：河北、吉林、黑龙江、湖北、湖南、海南、重庆、陕西、宁夏、新疆；经济落后地区包括：广西、四川、贵州、云南、安徽、山西、江西、河南、甘肃、青海。），分别构建空间杜宾的固定效应模型，并进行效应分析，具体结果见表8。
表8 数字普惠金融影响农村消费的异质性分析

Tab.8 Heterogeneity analysis of the impact of digital inclusive finance on rural consumption

地区 变量 直接效应 间接效应 总效应
经济发达地区 lndf -0.0246424 0.6196839** 0.5950415**
经济发展中等地区 lndf 0.0979531** -0.2715885*** -0.1736354***
经济落后地区 lndf -0.100135 0.0762064 -0.0239286
由表8可见：①经济发达地区数字普惠金融的间接效应及总效应显著为正，这与前面的假设相符，经济发达地区数字普惠金融发展水平普遍高于其他地区，空间溢出效应明显。但直接效应并未通过显著性检验，易行健等人的研究也得出了类似的结论[9]，可能的原因为：经济发达地区传统金融服务网络发展完备且规模巨大，数字普惠金融侧重于对相对充足的金融供给进行补充[37]，对农村消费增长的促进作用有限。②经济发展中等的地区数字普惠金融的直接效应为正，间接效应和总效应为负，且均通过了显著性检验。可能的原因为：经济发展中等的地区处于金融集聚的极化阶段，金融资源分布差异进一步扩大[19]，由此促进当地经济金融发展、消费增长，而对其他地区农村消费增长不利。③经济落后地区数字普惠金融的直接效应、间接效应以及总效应均未通过显著性检验。可能的解释是：经济落后地区“数字鸿沟”的问题依旧存在[38-39]，数字普惠金融的发展依旧落后[4]，对农村居民消费还未起到促进作用。

4 研究结论与启示

增加农村消费是扩大消费、拉动内需、保障内循环、促进经济增长的战略落脚点，而以先进数字、信息技术为支撑的数字普惠金融，极大提高了农村居民对金融服务的可获性和便捷程度，从而有助于提升农村消费水平。本文从理论上系统梳理了数字普惠金融影响农村消费的直接与间接渠道机制，以及空间作用机制，并基于2011—2018年我国30个省级面板数据，构建空间杜宾模型进行了实证检验。研究结果表明：数字普惠金融能够显著促进农村居民消费增长，并且空间溢出效应显著。数字普惠金融通过数字化支付、信贷、保险等渠道直接促进农村消费增长，其中数字化支付的影响尤为显著，同时还通过提升农村居民收入间接促进农村消费增长。数字普惠金融对农村消费的影响区域差异明显，经济发达地区的影响主要表现为显著的正向空间溢出效应；经济发展中等地区直接效应显著为正，但空间溢出效应显著为负；而经济落后地区受到数字普惠金融发展相对滞后的影响，对农村消费的促进作用尚未显现。
根据本文的研究结论，可以得到以下政策启示：第一，推进数字普惠金融高质量发展。数字普惠金融发展对促进农村消费提升具有重要作用，须坚定不移地加快信息设施建设和数字金融服务普及，最大化数字金融发展的普惠作用。第二，加强地区间经济金融的合作与联系。数字普惠金融对农村消费具有正向的空间溢出效应，利用金融资源、要素的灵活性及渗透性，充分发挥空间互动作用下的溢出效应，促进农村消费增长。第三，多渠道实现数字金融刺激农村消费目标。基于数字普惠金融影响农村消费的渠道机制，继续扶持数字化支付业务、创新信贷业务、推动保险体系的完善发展，并聚焦数字普惠金融促进增收的机制，共同助力农村消费增长。第四，因地制宜发展数字普惠金融。完善经济发达地区数字普惠金融方面的监管体系，加快数字技术的研发创新，扭转发展瓶颈；强化经济发展中等地区间合作与交流，形成良性竞争，实现共赢；加大对经济落后地区金融基础设施的投入力度，扶持助力其数字普惠金融的发展，实现“数字红利”。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
潘红虹, 唐珏岚. 人口老龄化对居民消费率的影响研究[J]. 江西社会科学, 2021, 41(1):51-60.

[2]
李金昌, 窦雪霞. 经济转型时期中国农村居民消费与收入关系变迁实证分析[J]. 中国农村经济, 2007(7):45-52.

[3]
张勋, 万广华, 张佳佳, 等. 数字经济、普惠金融与包容性增长[J]. 经济研究, 2019, 54(8):71-86.

[4]
郭峰, 王靖一, 王芳, 等. 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, 19(4):1401-1418.

[5]
Ozili P.K. Impact of digital finance on financial inclusion and stability[J]. Borsa Istanbul Review, 2018, 18(4):329-340.

[6]
Li J, Wu Y, Xiao J J. The impact of digital finance on household consumption:Evidence from China[J]. Economic Modelling, 2020,86:317-326.

[7]
Omar M A, Inaba K. Does Financial inclusion reduce poverty and income inequality in developing countries? A panel data analysis[J]. Economic Structures, 2020, 9(2):37.

[8]
陈慧卿, 陈国生, 魏晓博, 等. 数字普惠金融的增收减贫效应——基于省际面板数据的实证分析[J]. 经济地理, 2021, 41(3):184-191.

[9]
易行健, 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(11):47-67.

[10]
张勋, 杨桐, 汪晨, 等. 数字金融发展与居民消费增长:理论与中国实践[J]. 管理世界, 2020, 36(11):48-63.

[11]
邹新月, 王旺. 数字普惠金融对居民消费的影响研究——基于空间计量模型的实证分析[J]. 金融经济学研究, 2020, 35(4):133-145.

[12]
郭华, 张洋, 彭艳玲, 等. 数字金融发展影响农村居民消费的地区差异研究[J]. 农业技术经济, 2020(12):66-80.

[13]
Soman D. Effect of payment mechanism on spending behavior:The role of rehearsal and immediacy of payments[J]. Journal of Consumer Research, 2001, 27(4):460-474.

[14]
Prelec D, Simester D. Always leave home without it:A research note[J]. Marketing Letters, 2001, 12(1):5-12.

[15]
Gross D B, Souleles N S. An empirical analysis of personal bankruptcy and delinquency[J]. Review of Financial Studies, 2002, 15(1):319-347.

[16]
Karlan D, Zinman J. Expanding credit access:Using randomized supply decisions to estimate the impacts[J]. Review of Financial Studies, 2010, 23(1):433-464.

[17]
王策, 周博. 房价上涨、 涟漪效应与预防性储蓄[J]. 经济学动态, 2016(8):71-81.

[18]
何燕, 李静. 授人以渔:数字普惠金融的减贫效应及就业机制[J]. 消费经济, 2021, 37(3):69-79.

[19]
王修华, 黄明. 金融资源空间分布规律:一个金融地理学的分析框架[J]. 经济地理, 2009, 29(11):1808-1811,1815.

[20]
Audress D, Feldman M. Spillovers and the geography of innovation and production[J]. American Economic Review, 2006, 86(3):630-640.

[21]
Parent O, LeSage J P. Using the variance structure of the conditional autoregressive spatial specification to model knowledge spillovers[J]. Journal of Applied Econometrics, 2008, 23(2):235-256.

[22]
Baron R M, Kenny D A. The moderator-mediator variable distinction in social psychological research:Conceptual,strategic,and statistical considerations[J]. Journal of Personality and Social Psychology, 1986, 51(6):1173-1182.

DOI PMID

[23]
温忠麟. 张雷, 侯杰泰, 等. 中介效应检验程序及其应用[J]. 心理学报, 2004(5):614-620.

[24]
王翠琴, 李林, 薛惠元. 人口年龄结构、城乡居民基本养老保险对农村居民消费率的影响——基于2010—2017年中国省际面板数据的实证分析[J]. 社会保障研究, 2020(3):85-93.

[25]
王宏伟. 中国农村居民消费的基本趋势及制约农民消费行为的基本因素分析[J]. 管理世界, 2000(4):163-174.

[26]
丁继红, 应美玲, 杜在超. 我国农村家庭消费行为研究——基于健康风险与医疗保障视角的分析[J]. 金融研究, 2013(10):154-166.

[27]
朱勤, 魏涛远. 中国人口老龄化与城镇化对未来居民消费的影响分析[J]. 人口研究, 2016, 40(6):62-75.

[28]
周振, 张琛, 彭超, 等. 农业机械化与农民收入:来自农机具购置补贴政策的证据[J]. 中国农村经济, 2016(2):68-82.

[29]
韩星焕. 农村居民消费影响因素的实证分析——以吉林省为例[J]. 农业技术经济, 2012(11):78-84.

[30]
王建平, 张宇青. 农户固定资产投资、收入结构与农民消费——基于脉冲响应函数与方差分析[J]. 农业考古, 2013(3):244-249.

[31]
朱建军, 常向阳. 地方财政支农支出对农村居民消费影响的面板模型分析[J]. 农业技术经济, 2009(2):38-45.

[32]
刘志忠, 吴飞. 地方政府财政支出的民生化进程与农村居民消费——基于总量和分类支出视角下的理论分析与实证检验[J]. 财经理论与实践, 2014, 35(1):75-80.

[33]
付波航, 方齐云, 宋德勇. 城镇化、人口年龄结构与居民消费——基于省际动态面板的实证研究[J]. 中国人口·资源与环境, 2013, 23(11):108-114.

[34]
潘明清, 高文亮. 我国城镇化对居民消费影响效应的检验与分析[J]. 宏观经济研究, 2014(1):118-125.

[35]
LeSage J, Pace R K. Introduction to spatial econometrics[M]. New York: CRC Press, 2009.

[36]
鲁钊阳, 郑中伟. 经济新常态下新消费增长点培育的逻辑起点、约束条件与路径选择[J]. 经济问题探索, 2016(1):1-6.

[37]
杜金岷, 韦施威, 吴文洋. 数字普惠金融促进了产业结构优化吗?[J]. 经济社会体制比较, 2020(6):38-49.

[38]
罗娟, 李宝珍. 数字普惠金融对我国消费不平等的影响研究——来自中国家庭金融调查及县级数据的证据[J]. 消费经济, 2021, 37(4):75-83.

[39]
吴雨, 李晓, 李洁, 等. 数字金融发展与家庭金融资产组合有效性[J]. 管理世界, 2021, 37(7):92-104,7.

Options
文章导航

/

〈 〉