隨著我國(guó)城市化和工業(yè)化進(jìn)程的加快，農(nóng)村人口在城鄉(xiāng)之間的轉(zhuǎn)移愈加頻繁，形成了農(nóng)民工這一帶有濃厚中國(guó)特色的群體。截至2020年，我國(guó)外出農(nóng)民工數(shù)量高達(dá)2.86億人，約占總?cè)丝诘?0.28%。伴隨著規(guī)模龐大的農(nóng)民工流動(dòng)，貧困也進(jìn)行著鄉(xiāng)城轉(zhuǎn)移，農(nóng)民工貧困已成為城市貧困的重要組成部分

。農(nóng)民工的貧困治理不僅可以改善其福利狀況，促進(jìn)社會(huì)和諧穩(wěn)定，還能加快資金、技術(shù)和人力資本向農(nóng)村回流，彌補(bǔ)城鄉(xiāng)發(fā)展短板，從而更好地實(shí)現(xiàn)穩(wěn)定脫貧。由于成長(zhǎng)環(huán)境的不同，新生代農(nóng)民工(下文簡(jiǎn)稱(chēng)新農(nóng)民工)與老一代農(nóng)民工(下文簡(jiǎn)稱(chēng)老農(nóng)民工)在文化觀念和行為模式等方面存在明顯差異，代際差異已成為農(nóng)民工研究的新視角。目前，我國(guó)扶貧事業(yè)的重心已從解決絕對(duì)貧困轉(zhuǎn)變?yōu)榫徑庀鄬?duì)貧困，衡量貧困的標(biāo)準(zhǔn)也由單一收入標(biāo)準(zhǔn)轉(zhuǎn)變?yōu)槎嗑S貧困標(biāo)準(zhǔn)。在我國(guó)新階段的扶貧工作中，普惠金融以其“普惠性”成為反貧困領(lǐng)域的研究熱點(diǎn)。然而，傳統(tǒng)普惠金融存在商業(yè)成本高、難以持續(xù)以及“最后一公里”難以打通等問(wèn)題

，以新興數(shù)字技術(shù)為依托的數(shù)字普惠金融能夠惠及被傳統(tǒng)普惠金融排斥的農(nóng)民工群體，使其能通過(guò)提升自我發(fā)展能力實(shí)現(xiàn)脫貧致富。因此，研究增強(qiáng)貧困群體能力的數(shù)字普惠金融發(fā)展，探索其對(duì)新老農(nóng)民工多維貧困的影響，建立相對(duì)貧困數(shù)字治理的長(zhǎng)效機(jī)制，有助于為新時(shí)期反貧困理論和實(shí)踐提供新的思路。

一、文獻(xiàn)綜述與研究假設(shè)

(一)文獻(xiàn)綜述

農(nóng)民工的貧困測(cè)度研究從定性描述發(fā)展為定量測(cè)度，測(cè)度方法以AF雙界限法為主。在測(cè)量維度方面，Sen(1999)提出了可行能力理論，認(rèn)為貧困問(wèn)題的根源在于人們被剝奪了包括收入、教育和健康等多方面的可行能力

。王小林和馮賀霞(2020)借鑒典型國(guó)家的經(jīng)驗(yàn)提出2020年后中國(guó)貧困治理應(yīng)采用多維貧困標(biāo)準(zhǔn)

。測(cè)度和評(píng)估農(nóng)民工多維貧困的目的在于分析其背后的貧困成因，進(jìn)而為改善農(nóng)民工的福利狀況提供政策參考。目前主流觀點(diǎn)認(rèn)為農(nóng)民工自身人力資本的缺乏

、外部社會(huì)環(huán)境

以及制度改革的滯后

是造成農(nóng)民工貧困的重要原因。隨著研究的深入，農(nóng)民工群體的內(nèi)部差異開(kāi)始受到極大關(guān)注。彭繼權(quán)等(2019)認(rèn)為農(nóng)民工的相對(duì)貧困存在明顯的代際差異，代際歧視是造成農(nóng)民工相對(duì)貧困差距擴(kuò)大的主要原因

。王青和劉爍(2020)認(rèn)為農(nóng)民工的多維貧困存在較為明顯的不平等現(xiàn)象，老農(nóng)民工的多維貧困程度高于新農(nóng)民工

。

數(shù)字普惠金融與減貧關(guān)系的研究起源于金融發(fā)展與減貧效應(yīng)，而后逐漸發(fā)展為普惠金融與減貧，再到數(shù)字普惠金融與減貧及相對(duì)貧困。學(xué)術(shù)界對(duì)金融與減貧的關(guān)系研究尚無(wú)一致結(jié)論。陳斌開(kāi)和林毅夫(2012)認(rèn)為金融發(fā)展以其機(jī)會(huì)不均等抑制了貧困群體的收入增長(zhǎng)，不利于貧困減緩

。蔡曉春和郭玉鑫(2018)提出金融發(fā)展與減貧效應(yīng)之間存在非線性關(guān)系

。董曉林等(2021)認(rèn)為金融服務(wù)參與對(duì)農(nóng)戶(hù)的收入能力、發(fā)展能力和居住環(huán)境均有積極影響，具有顯著的多維減貧效應(yīng)

。

2005年聯(lián)合國(guó)提出普惠金融的概念，學(xué)術(shù)界開(kāi)始對(duì)普惠金融與減貧的關(guān)系展開(kāi)研究。邵漢華和王凱月(2017)發(fā)現(xiàn)普惠金融對(duì)相對(duì)貧困的作用效果不如絕對(duì)貧困，但都在一定程度上發(fā)揮了減緩作用

。張棟浩等(2020)構(gòu)建了農(nóng)村金融普惠指數(shù)，實(shí)證檢驗(yàn)了普惠金融發(fā)展能夠有效緩解農(nóng)村家庭的多維貧困

。部分學(xué)者認(rèn)為金融排斥加深了家庭多維貧困程度

，而普惠金融的發(fā)展通過(guò)提供正規(guī)信貸從而改善了家庭教育、健康和生活質(zhì)量等方面的貧困狀況

。

近年來(lái)，數(shù)字普惠金融對(duì)減貧及改善相對(duì)貧困的研究成為熱點(diǎn)，學(xué)者們普遍認(rèn)為數(shù)字普惠金融降低了金融門(mén)檻，發(fā)揮了金融服務(wù)的普惠性，優(yōu)化了金融資源的配置效率，有利于減貧或改善相對(duì)貧困

。但仍有部分學(xué)者發(fā)現(xiàn)數(shù)字鴻溝的存在使得數(shù)字普惠金融改善相對(duì)貧困具有數(shù)字陷阱，可能會(huì)提升居民貧困發(fā)生率，加深居民多維貧困程度

。曾福生和鄭洲舟(2021)通過(guò)實(shí)證分析發(fā)現(xiàn)數(shù)字普惠金融對(duì)農(nóng)村地區(qū)的消費(fèi)貧困、收入貧困具有非線性影響，減緩作用顯著

。

通過(guò)文獻(xiàn)梳理發(fā)現(xiàn)，已有研究為本文提供了有益參考，但仍值得進(jìn)一步探究：一方面，已有文獻(xiàn)關(guān)于數(shù)字普惠金融與多維貧困的研究十分有限，微觀層面的個(gè)體差異研究更為匱乏，尤其忽視了農(nóng)民工這一規(guī)模龐大的“隱性貧困”群體；另一方面，不同地區(qū)群體的相對(duì)貧困特征與其地理位置、資源稟賦密切相關(guān)

，這可能導(dǎo)致數(shù)字普惠金融與減貧的關(guān)系存在區(qū)域異質(zhì)性

。既有文獻(xiàn)探討數(shù)字普惠金融對(duì)相對(duì)貧困的影響多以傳統(tǒng)計(jì)量模型為主

，忽視了事物之間的空間關(guān)聯(lián)性。據(jù)此，本文擬在從代際視角出發(fā)測(cè)度新老農(nóng)民工多維貧困的基礎(chǔ)上，運(yùn)用空間杜賓模型和面板門(mén)檻模型分析我國(guó)數(shù)字普惠金融發(fā)展對(duì)新老農(nóng)民工多維貧困的減緩效應(yīng)，并進(jìn)一步選用就業(yè)機(jī)會(huì)為中介變量，利用中介效應(yīng)模型定量分析數(shù)字普惠金融緩解新老農(nóng)民工多維貧困的機(jī)制，以期為改善農(nóng)民工的福利狀況和實(shí)現(xiàn)高質(zhì)量發(fā)展提供政策參考。

(二)研究假設(shè)

1.數(shù)字普惠金融對(duì)農(nóng)民工多維貧困的影響。數(shù)字普惠金融作為數(shù)字經(jīng)濟(jì)時(shí)代的金融科技產(chǎn)物，以新興數(shù)字技術(shù)為依托，降低了交易雙方的成本，打破了傳統(tǒng)金融機(jī)構(gòu)的“二八法則”和“最后一公里”條件限制，持續(xù)為包括農(nóng)民工在內(nèi)的“長(zhǎng)尾群體”提供廣覆蓋、低成本、高效率的金融服務(wù)，降低了貧困脆弱性

。此外，相對(duì)貧困的治理更注重貧困群體的自身造血能力，數(shù)字普惠金融以其金融資源的可獲得性和支付便利性

為農(nóng)民工提供與城市居民同等的信貸、儲(chǔ)蓄、保險(xiǎn)等金融服務(wù)，普及金融知識(shí)

，滿足金融需求，拓寬就業(yè)創(chuàng)業(yè)機(jī)會(huì)，提升自我發(fā)展的能力，從而實(shí)現(xiàn)多維貧困的緩解。然而，由于新老農(nóng)民工在教育水平、思想觀念等方面的不同，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的緩解效果可能存在一定差異。因此，本文提出如下假設(shè)：

H1：數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困均具有減緩作用，且存在代際差異。

2.數(shù)字普惠金融減緩農(nóng)民工多維貧困的機(jī)制。數(shù)字普惠金融能夠促進(jìn)農(nóng)民工就業(yè)機(jī)會(huì)的增加。一方面，數(shù)字普惠金融能夠降低企業(yè)融資成本，提高資源配置效率

，帶動(dòng)實(shí)體經(jīng)濟(jì)發(fā)展，從而增加企業(yè)的勞動(dòng)力需求。數(shù)字普惠金融還可以推動(dòng)以電商平臺(tái)為基點(diǎn)的就業(yè)形式的創(chuàng)新，增加農(nóng)民工就業(yè)選擇。另一方面，依托互聯(lián)網(wǎng)技術(shù)的數(shù)字普惠金融可以緩解農(nóng)民工的信息不對(duì)稱(chēng)，使他們能夠及時(shí)高效地了解國(guó)家政策和就業(yè)市場(chǎng)動(dòng)態(tài)，從而提高就業(yè)可能。此外，數(shù)字普惠金融的發(fā)展提高了農(nóng)民工對(duì)互聯(lián)網(wǎng)和數(shù)字技能學(xué)習(xí)的能力，減少其因自身勞動(dòng)技能與目標(biāo)崗位需求不匹配所造成的結(jié)構(gòu)性失業(yè)，同時(shí)減少長(zhǎng)期滯留于次級(jí)勞動(dòng)市場(chǎng)，從事勞動(dòng)強(qiáng)度大、工作時(shí)間長(zhǎng)的體力勞動(dòng)。農(nóng)民工就業(yè)機(jī)會(huì)的增加能夠賦予農(nóng)民工更多發(fā)展的可能，激發(fā)其生產(chǎn)發(fā)展和脫貧致富的內(nèi)生動(dòng)力，最終達(dá)到農(nóng)民工群體在收入、就業(yè)和健康等多方面改善的目的。基于上述分析，本文提出如下假設(shè)：

H2：數(shù)字普惠金融通過(guò)增加農(nóng)民工的就業(yè)機(jī)會(huì)緩解其多維貧困。

例如，學(xué)習(xí)《雷雨》一文時(shí)，我就布置學(xué)生在課下查閱相關(guān)資料，了解曹禺所生活的20世紀(jì)二三十年代中國(guó)的社會(huì)狀況。學(xué)生通過(guò)查閱相關(guān)資料了解到，當(dāng)時(shí)一方面是南京國(guó)民政府快速發(fā)展的黃金10年，一方面是社會(huì)階層急劇分化的時(shí)代，這一復(fù)雜的社會(huì)現(xiàn)實(shí)直接影響了曹禺《雷雨》的創(chuàng)作。了解這些時(shí)代背景就為學(xué)生理解《雷雨》的整體內(nèi)容奠定了基礎(chǔ)。

3.數(shù)字普惠金融對(duì)農(nóng)民工多維貧困的門(mén)檻效應(yīng)。金融發(fā)展促進(jìn)地區(qū)經(jīng)濟(jì)發(fā)展，從而提升流入地城市農(nóng)民工的收入，這是金融緩解貧困的主要路徑

。當(dāng)經(jīng)濟(jì)發(fā)展水平較低時(shí)，因數(shù)字普惠金融產(chǎn)生的產(chǎn)業(yè)投資領(lǐng)域只能吸收部分群體就業(yè)，工資性收入增長(zhǎng)主要惠及其中收入水平較高的群體，導(dǎo)致就業(yè)群體間的激烈競(jìng)爭(zhēng)

。農(nóng)民工群體受教育程度不高、社會(huì)資源較少，處于就業(yè)競(jìng)爭(zhēng)的劣勢(shì)地位，使得數(shù)字普惠金融對(duì)農(nóng)民工多維貧困的緩解作用有限。隨著地區(qū)經(jīng)濟(jì)發(fā)展水平的提高，流入地城市產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、就業(yè)機(jī)會(huì)增加、社會(huì)保障完善，改善了農(nóng)民工在城市的教育、生活、醫(yī)療、就業(yè)和創(chuàng)業(yè)等條件，帶動(dòng)其收入水平的提高，增強(qiáng)其消費(fèi)和投資的信心和能力，從而改善多維貧困。據(jù)此，本文提出如下假設(shè)：

H3：數(shù)字普惠金融在緩解農(nóng)民工多維貧困時(shí)存在經(jīng)濟(jì)發(fā)展“門(mén)檻”。

二、研究設(shè)計(jì)

(一)數(shù)據(jù)來(lái)源

本文的微觀數(shù)據(jù)來(lái)源于2014—2017年全國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)調(diào)查數(shù)據(jù)，研究對(duì)象為農(nóng)民工群體。根據(jù)喻林和唐健飛(2014)的定義，農(nóng)民工是指具有農(nóng)業(yè)戶(hù)口、遠(yuǎn)離戶(hù)籍地、在城市中從事非農(nóng)工作并居住生活6個(gè)月及以上的群體

，因此篩選戶(hù)口性質(zhì)為“農(nóng)業(yè)”、本次流動(dòng)原因?yàn)椤皠?wù)工/工作”、本次流動(dòng)時(shí)間在半年以上的樣本。為了體現(xiàn)新老兩代農(nóng)民工樣本組在年齡結(jié)構(gòu)上的可比性，僅保留農(nóng)民工勞動(dòng)年齡段的樣本數(shù)據(jù)。參考蔣南平和鄭萬(wàn)軍(2017)，將農(nóng)民工按照1980年出生為界線分為新老農(nóng)民工

。在此基礎(chǔ)上，剔除收入、教育、就業(yè)、健康和生活維度指標(biāo)存在缺失值的樣本。本文的宏觀數(shù)據(jù)來(lái)自北京大學(xué)數(shù)字普惠金融指數(shù)

和《中國(guó)統(tǒng)計(jì)年鑒》。將宏觀和微觀數(shù)據(jù)按照省份(港澳臺(tái)地區(qū)、西藏自治區(qū)除外)合并，最終得到2014—2017年中國(guó)30個(gè)省份的農(nóng)民工樣本數(shù)據(jù)。農(nóng)民工樣本分布如表1所示。

(二)變量選擇及描述性統(tǒng)計(jì)

3.老師所講的導(dǎo)入新課藝術(shù)、課堂講授藝術(shù)（特別是教師語(yǔ)言藝術(shù)）、組織教學(xué)藝術(shù)、課堂板書(shū)藝術(shù)、教學(xué)總結(jié)街藝術(shù)，對(duì)此感悟頗多，我認(rèn)為一個(gè)好的優(yōu)秀的一流的課堂應(yīng)該具有一流的理念、一流的分析、一流的表達(dá)、一流的組織、、一流的課件即“五個(gè)一”，老師所講授的教學(xué)內(nèi)容應(yīng)具備知識(shí)性、思想性、趣味性、邏輯性即“四性”，讓我們的教育教學(xué)內(nèi)容在學(xué)生那里入頭、入腦、入心，最終促成重大轉(zhuǎn)變：教材體系——（教育者）教學(xué)體系——（內(nèi)化受教育者）價(jià)值體系——（外化）實(shí)踐體系

但我可以對(duì)天發(fā)誓，我腦子從來(lái)沒(méi)有進(jìn)水；不但沒(méi)有進(jìn)過(guò)水，連空氣都沒(méi)有進(jìn)過(guò)。這就是我的思維方式。雖說(shuō)作家二字我是萬(wàn)萬(wàn)不敢當(dāng)?shù)?，但畢竟我現(xiàn)在還寫(xiě)小說(shuō)吧，好歹也算個(gè)文學(xué)愛(ài)好者不是，有點(diǎn)兒異于常人的思維方式也是可以理解的嗎?？偸窍矚g對(duì)一些感興趣的事浮想聯(lián)翩。

財(cái)務(wù)預(yù)算是指企業(yè)根據(jù)自身的實(shí)際情況，以其戰(zhàn)略目標(biāo)為核心，對(duì)未來(lái)一定時(shí)期年內(nèi)的各項(xiàng)資金的投入和支出進(jìn)行預(yù)測(cè)。所謂財(cái)務(wù)預(yù)算管理是指企業(yè)在一定的經(jīng)營(yíng)目前下，對(duì)其自身的經(jīng)營(yíng)管理活動(dòng)以及投融資活動(dòng)進(jìn)行協(xié)調(diào)和規(guī)劃的一種財(cái)務(wù)管理活動(dòng)。國(guó)企的財(cái)務(wù)預(yù)算指的是對(duì)企業(yè)某個(gè)階段的經(jīng)營(yíng)活動(dòng)的分析總結(jié)，于科學(xué)生產(chǎn)經(jīng)營(yíng)預(yù)算和決策基礎(chǔ)，用多種形態(tài)來(lái)真實(shí)反映企業(yè)未來(lái)的規(guī)劃投資。

3.中介變量：就業(yè)機(jī)會(huì)。參考蔡昉(2004)的做法，以各省份就業(yè)率表示就業(yè)機(jī)會(huì)

，計(jì)算方法為個(gè)體就業(yè)人口/總?cè)丝凇?/p>

4.門(mén)檻變量：地區(qū)經(jīng)濟(jì)發(fā)展水平。采用人均GDP的對(duì)數(shù)來(lái)度量流入地省份的經(jīng)濟(jì)發(fā)展水平，從個(gè)體層面消除人口總量和地區(qū)規(guī)模對(duì)經(jīng)濟(jì)發(fā)展的影響。

5.控制變量?？紤]到影響農(nóng)民工多維貧困的因素復(fù)雜多樣，本文基于以往研究并根據(jù)數(shù)據(jù)的可獲性，選取新老農(nóng)民工的性別、婚姻狀況、流動(dòng)范圍、健康立檔率等變量。

變量含義與描述性統(tǒng)計(jì)見(jiàn)表3。

2.核心解釋變量：數(shù)字普惠金融。選用北京大學(xué)數(shù)字普惠金融研究中心的“數(shù)字普惠金融指數(shù)”來(lái)衡量各省份數(shù)字普惠金融發(fā)展水平，該指數(shù)從數(shù)字普惠金融的覆蓋廣度、使用深度和數(shù)字化程度三個(gè)方面測(cè)度了我國(guó)數(shù)字普惠金融的發(fā)展?fàn)顩r

。

式中：f為Pb2+的去除率(%)；C0為吸附前水中Pb2+的濃度(mg/L)，Ce為吸附后水中Pb2+的濃度(mg/L)。

(三)模型構(gòu)建

=

+

+

+

根據(jù)上述檢驗(yàn)，本文對(duì)新老農(nóng)民工均采用時(shí)間固定效應(yīng)空間杜賓模型進(jìn)行解釋?zhuān)O(shè)定如下：

=

+

+

+

(

+

)+

+

(1)

弓形蟲(chóng)是一種特殊的寄生性生物（原蟲(chóng)），寄生在細(xì)胞核中，形體很小，肉眼看不見(jiàn)，結(jié)構(gòu)也很簡(jiǎn)單，但可作為病原體導(dǎo)致傳染病。弓形蟲(chóng)的生活史中可出現(xiàn)5種不同形態(tài)，即滋養(yǎng)體、包囊、裂殖體、配子體和囊合子（卵囊）。包括人在內(nèi)的各種恒溫動(dòng)物，如貓、狗、牛、羊、豬和鳥(niǎo)類(lèi)等均有可能感染弓形蟲(chóng)。感染后，弓形蟲(chóng)寄生在肌肉和內(nèi)臟中，但貓（或許還包括其他貓科動(dòng)物）比較特殊，可以從糞便排出弓形蟲(chóng)囊合子，成為重要的傳染源。

(2)

其中，

和

表示省份，

表示年份，

為新老農(nóng)民工的多維貧困指數(shù)，

為數(shù)字普惠金融指數(shù)，

為一系列解釋變量，

為空間自回歸系數(shù)，

和

分別表示本地區(qū)相關(guān)變量對(duì)農(nóng)民工多維貧困影響的程度和方向，

和

分別表示鄰近地區(qū)相關(guān)變量對(duì)本地區(qū)農(nóng)民工多維貧困影響的程度和方向，

為時(shí)間固定效應(yīng)，

為空間權(quán)重矩陣，

為擾動(dòng)項(xiàng)空間權(quán)重矩陣，

和

為誤差向量，

～

(0,

)?？紤]到空間計(jì)量模型的穩(wěn)健性，本文選擇遵循相鄰規(guī)則的0-1鄰接權(quán)重矩陣和經(jīng)濟(jì)距離權(quán)重矩陣進(jìn)行檢驗(yàn)，兩種空間權(quán)重矩陣的設(shè)定如下：

1.被解釋變量：多維貧困。本文衡量農(nóng)民工多維貧困的指標(biāo)參考全球多維貧困指數(shù)MPI的指標(biāo)體系，該體系包括教育、健康和生活三個(gè)維度。在此基礎(chǔ)上，結(jié)合國(guó)內(nèi)外學(xué)者的經(jīng)驗(yàn)與農(nóng)民工的實(shí)際情況，本文增加了收入和就業(yè)兩個(gè)維度。收入是維持農(nóng)民工城市生活的物質(zhì)基礎(chǔ)，是識(shí)別農(nóng)民工與其他群體相比是否處于貧困狀態(tài)的重要標(biāo)志?？紤]到農(nóng)民工這一群體進(jìn)城務(wù)工的特殊性，他們?cè)诔鞘芯蜆I(yè)方面的表現(xiàn)也能體現(xiàn)出其生活水平。因此，最終確定了包含5個(gè)維度、8個(gè)指標(biāo)的多維貧困測(cè)度指標(biāo)體系，具體如表2所示。需要說(shuō)明的是，本文的測(cè)度對(duì)象為農(nóng)民工個(gè)體，而非家庭；識(shí)別農(nóng)民工多維貧困的標(biāo)準(zhǔn)是城鎮(zhèn)居民，以更加清晰地展示農(nóng)民工在城市中的相對(duì)貧困狀況

。

(3)

(4)

=

+

在系統(tǒng)設(shè)計(jì)的過(guò)程中，管路的布置忽略房間中實(shí)際墻體走向，方便系統(tǒng)實(shí)際計(jì)算，但與實(shí)際情況有偏差?；诤?jiǎn)化后BIM模型中各樓層墻體坐標(biāo)的定位，通過(guò)定點(diǎn)尋路的優(yōu)化算法，確定每一段管路節(jié)點(diǎn)坐標(biāo)，完成同一樓層中同一分區(qū)的管路布置。除此之外，針對(duì)機(jī)房（默認(rèn)機(jī)房位置已知）中的設(shè)備也做進(jìn)一步坐標(biāo)定位，從系統(tǒng)圖中的物理關(guān)聯(lián)上升為實(shí)際工程中的位置關(guān)聯(lián)。

三、實(shí)證結(jié)果分析

(一)新老農(nóng)民工的多維貧困

對(duì)于局部地區(qū)的空間自相關(guān)現(xiàn)象，本文基于莫蘭指數(shù)，利用集聚分布圖進(jìn)行分析

。2014年北京為新老農(nóng)民工多維貧困的“低—高”集聚地區(qū)，該地區(qū)農(nóng)民工的多維貧困程度較低，且被周?chē)哓毨У氖》莅鼑?。河北和山西的老農(nóng)民工多維貧困程度明顯高于新農(nóng)民工，表現(xiàn)為“高—高”集聚?！暗汀汀奔鄯植荚趶V東，這一區(qū)域及其相鄰地區(qū)整體多維貧困程度較低。2017年出現(xiàn)了從之前的不顯著地區(qū)到“高—高”集聚地區(qū)的情況，說(shuō)明農(nóng)民工多維貧困的空間集聚性有所增強(qiáng)。具體來(lái)看，“高—高”集聚主要分布在我國(guó)北方地區(qū)，包括山西、內(nèi)蒙古、寧夏、甘肅、陜西和東北三省，這類(lèi)地區(qū)的經(jīng)濟(jì)發(fā)展水平低于發(fā)達(dá)地區(qū)，既難以從其他地區(qū)獲得溢出效應(yīng)，也無(wú)法形成有效的溢出效應(yīng)，因而表現(xiàn)為多維貧困程度高的省份被同樣高貧困的省份包圍。

接下來(lái)考察新老兩代農(nóng)民工多維貧困的空間相關(guān)性。莫蘭指數(shù)是目前常用的空間自相關(guān)指標(biāo)，取值范圍為[-1,1]，絕對(duì)值越大表示空間集聚效果越強(qiáng)。表6為2014—2017年新老農(nóng)民工多維貧困空間相關(guān)性的檢驗(yàn)結(jié)果。由表6可知，2014年新老農(nóng)民工的莫蘭指數(shù)不顯著，但樣本期間總體上不同省份之間存在顯著的空間正相關(guān)性，說(shuō)明我國(guó)新老農(nóng)民工的多維貧困在空間分布上趨于集聚，證實(shí)本文采用空間計(jì)量方法的合理性。另外，新老農(nóng)民工多維貧困的空間相關(guān)性波動(dòng)上升。

本文采用Alkire和Foster(2011)提出的AF雙界限法來(lái)測(cè)度新老農(nóng)民工的多維貧困

。在AF雙界限法下，第二層界限中貧困臨界值

的設(shè)定至關(guān)重要。參考Mitra和Posarac(2013)

的研究，本文將

=0.4作為界限測(cè)算2014—2017年新老農(nóng)民工的多維貧困發(fā)生率

、平均剝奪份額

以及多維貧困指數(shù)

，測(cè)算結(jié)果如表5所示。由表5可見(jiàn)，我國(guó)各地區(qū)農(nóng)民工整體的多維貧困程度不高。從代際差異來(lái)看，新農(nóng)民工各指標(biāo)始終低于老農(nóng)民工，說(shuō)明老農(nóng)民工多維貧困的廣度、強(qiáng)度和深度都更高。從區(qū)域差異來(lái)看，2014年?yáng)|部地區(qū)農(nóng)民工的多維貧困指數(shù)最高，為5.05%，其次是西部地區(qū)4.89%，中部地區(qū)4.81%，東北地區(qū)4.47%；2017年，農(nóng)民工整體的多維貧困發(fā)生率

呈東—中—西—東北的梯度遞增趨勢(shì)，平均剝奪份額

也相應(yīng)遞增，多維貧困指數(shù)

綜合兩者變化最終呈現(xiàn)同樣的梯度遞增趨勢(shì)，可見(jiàn)我國(guó)農(nóng)民工多維貧困的重心由東部地區(qū)向中西部地區(qū)轉(zhuǎn)移。此外，四大地區(qū)之間的多維貧困差距呈現(xiàn)出先擴(kuò)大再縮小的態(tài)勢(shì)，農(nóng)民工的多維貧困開(kāi)始趨于地域均衡。從年份變動(dòng)來(lái)看，新老農(nóng)民工的多維貧困隨時(shí)間推移都有所改善。

(2)濃鹽酸易揮發(fā),反應(yīng)制取的氯氣中含有HCl,裝置B中飽和食鹽水的作用是除去Cl2中的HCl;若裝置C發(fā)生堵塞,裝置B中的壓強(qiáng)會(huì)增大,長(zhǎng)頸漏斗中液面上升,形成水柱。

由空間相關(guān)性分析可知，空間地理因素是影響新老兩代農(nóng)民工多維貧困的重要因素，農(nóng)民工所處的地理位置不同，多維貧困程度也有差異。2014年新老農(nóng)民工多維貧困的顯著區(qū)域呈現(xiàn)點(diǎn)狀分散式分布特征，2017年呈現(xiàn)集中連片式分布的空間格局，農(nóng)民工多維貧困的空間集聚性有所增強(qiáng)。

(二)數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的空間杜賓模型分析

由于空間杜賓模型同時(shí)包括因變量和自變量的空間滯后項(xiàng)，自變量的空間滯后項(xiàng)還會(huì)影響反饋效應(yīng)，因此空間杜賓模型的估計(jì)系數(shù)僅在方向和顯著性上有效。為此，本文參考 Lesage(2008)

提出的偏微分方法對(duì)空間效應(yīng)進(jìn)行分解，分解結(jié)果如表7所示。由表7結(jié)果可知，新老農(nóng)民工數(shù)字普惠金融的直接效應(yīng)、間接效應(yīng)和總效應(yīng)系數(shù)至少在5%的水平上均顯著為負(fù)，說(shuō)明數(shù)字普惠金融的發(fā)展會(huì)顯著緩解本省份和鄰近省份新老農(nóng)民工的多維貧困，原因可能在于數(shù)字普惠金融會(huì)加快區(qū)域間要素流動(dòng)，帶動(dòng)鄰近地區(qū)數(shù)字普惠金融的發(fā)展，從而改善鄰近地區(qū)農(nóng)民工的多維貧困狀況。此外，數(shù)字普惠金融對(duì)老農(nóng)民工和新農(nóng)民工的直接效應(yīng)分別為-0.034和-0.014，說(shuō)明數(shù)字普惠金融每增加1%，本地區(qū)老農(nóng)民工多維貧困指數(shù)平均降低0.034個(gè)單位，新農(nóng)民工平均降低0.014個(gè)單位，證明數(shù)字普惠金融的發(fā)展對(duì)老農(nóng)民工多維貧困的減緩作用更大。由此，驗(yàn)證了本文的假設(shè)1。

選取的總計(jì)225所國(guó)內(nèi)外高校官網(wǎng)的語(yǔ)種數(shù)量從一種語(yǔ)言到十幾種語(yǔ)種不等，但整體來(lái)說(shuō)，從實(shí)用性角度出發(fā)無(wú)論是國(guó)內(nèi)還是國(guó)外高校，高校網(wǎng)站語(yǔ)種數(shù)量多集中為1-3種，只有少量高校網(wǎng)站會(huì)涉及3種以上語(yǔ)言；不同點(diǎn)在于多語(yǔ)網(wǎng)站建設(shè)的原因，國(guó)內(nèi)高校多是出于與特定學(xué)校進(jìn)行國(guó)際交流合作的需要或是語(yǔ)言類(lèi)學(xué)校展示學(xué)術(shù)水平的需要，而國(guó)外高校建設(shè)多語(yǔ)網(wǎng)站的原因很多是本國(guó)復(fù)雜的語(yǔ)言使用情況。

從控制變量來(lái)看，新農(nóng)民工的性別和婚姻狀況對(duì)其多維貧困均有顯著影響，男性、已婚的更容易陷入多維貧困狀況。省內(nèi)流動(dòng)、在本地參與健康立檔能夠減緩農(nóng)民工的多維貧困。跨省流動(dòng)不僅流動(dòng)成本高，還需重構(gòu)社會(huì)網(wǎng)絡(luò)，在社會(huì)保障方面可能還會(huì)受到排斥

，導(dǎo)致農(nóng)民工多維貧困的加深。健康始終是農(nóng)民工這一弱勢(shì)群體的基本需求，健康立檔是其融入當(dāng)?shù)?、?guī)避風(fēng)險(xiǎn)的重要依托。老農(nóng)民工在本地健康立檔的間接效應(yīng)在5%的水平上顯著，說(shuō)明鄰近地區(qū)老農(nóng)民工的健康立檔率具有顯著的空間溢出效應(yīng)，鄰近地區(qū)健康立檔率提高的示范效應(yīng)會(huì)反饋到本地區(qū)，促進(jìn)本地區(qū)健康立檔的推廣，從而影響老農(nóng)民工的多維貧困程度。

(三)穩(wěn)健性檢驗(yàn)

本文采用以下兩種方法進(jìn)行穩(wěn)健性檢驗(yàn)：第一，更換空間權(quán)重進(jìn)行兩者關(guān)系的檢驗(yàn)。參照林光平等(2006)

的做法，引入空間經(jīng)濟(jì)權(quán)重矩陣替代上文的一階鄰接權(quán)重矩陣。第二，替換因變量進(jìn)行兩者關(guān)系的檢驗(yàn)。郭峰等(2020)認(rèn)為數(shù)字金融覆蓋廣度和使用深度是衡量數(shù)字普惠金融的重要維度

，本文采用這兩個(gè)維度來(lái)替換數(shù)字普惠金融指數(shù)進(jìn)行穩(wěn)健性檢驗(yàn)。由表8結(jié)果可知，更換空間權(quán)重和因變量后，數(shù)字普惠金融與新老農(nóng)民工多維貧困的系數(shù)仍然顯著為負(fù)，并存在代際差異，結(jié)論與前文一致，證實(shí)了本文結(jié)論的穩(wěn)健性。

四、進(jìn)一步討論

(一)機(jī)制分析

根據(jù)理論分析，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的影響可能通過(guò)提高就業(yè)機(jī)會(huì)發(fā)揮作用。據(jù)此，本文以流入省份的就業(yè)機(jī)會(huì)為中介變量，采用中介效應(yīng)模型進(jìn)一步檢驗(yàn)數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困影響的機(jī)制。參考既有文獻(xiàn)關(guān)于中介效應(yīng)的檢驗(yàn)方法，構(gòu)建如下中介效應(yīng)模型：

另外，智慧課堂可以利用信息技術(shù)全程遠(yuǎn)程直播與錄播課堂教學(xué)過(guò)程，一是可以實(shí)現(xiàn)課堂教學(xué)過(guò)程的再現(xiàn)，二是使因?yàn)樘厥馇闆r不能上課的學(xué)生，可以通過(guò)PC或移動(dòng)終端隨時(shí)隨地進(jìn)行學(xué)習(xí)，做到“人人皆學(xué)、處處能學(xué)、時(shí)時(shí)可學(xué)”。

=

+

+

+

(5)

空間計(jì)量模型主要包括空間自回歸模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)。對(duì)于模型的選擇，本文參考Elhorst(2014)

的方法，基于混合最小二乘回歸確定模型中空間效應(yīng)的具體形式，檢驗(yàn)結(jié)果如表4所示。

(6)

=

+

+

+

+

(7)

其中，

為就業(yè)機(jī)會(huì)，

為常數(shù)，

、

、

為待估參數(shù)，其他變量含義同式(1)。

按照分步檢驗(yàn)的思路，表9中第(1)、(4)列符號(hào)均顯著為負(fù)，表明數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的減緩作用均顯著。第(2)、(5)列符號(hào)均顯著為正，說(shuō)明數(shù)字普惠金融的發(fā)展能夠增加農(nóng)民工流入省份的就業(yè)機(jī)會(huì)。第(3)、(6)列結(jié)果顯示，加入中介變量就業(yè)機(jī)會(huì)后，減緩作用依舊顯著，且老農(nóng)民工的就業(yè)機(jī)會(huì)在數(shù)字普惠金融緩解多維貧困中的貢獻(xiàn)為0.0510×(-0.1081)/(-0.0772)=7.14%，而新農(nóng)民工就業(yè)機(jī)會(huì)作為中介變量的貢獻(xiàn)為0.0524×(-0.0728)/(-0.0150)=25.43%，說(shuō)明就業(yè)機(jī)會(huì)作為數(shù)字普惠金融緩解農(nóng)民工多維貧困作用的中介效應(yīng)存在代際差異，且對(duì)新農(nóng)民工的促進(jìn)作用高于老農(nóng)民工。此外，Sobel檢驗(yàn)都在5%的顯著性水平上拒絕原假設(shè)，可見(jiàn)數(shù)字普惠金融可以通過(guò)增加就業(yè)機(jī)會(huì)來(lái)緩解新老農(nóng)民工的多維貧困，本文的假設(shè)2得到驗(yàn)證。

(二)門(mén)檻效應(yīng)檢驗(yàn)

參考Hansen(1999)

提出的面板門(mén)檻模型，本文對(duì)數(shù)字普惠金融與新老農(nóng)民工多維貧困之間可能存在的非線性關(guān)系進(jìn)行研究。其基本表達(dá)形式為：

=

+

(ln

≤

)+

(

≤

)+…

+

(

-1

≤

)+

+1

(ln

>

)+

+

(8)

其中，ln

為門(mén)檻變量，

為特定門(mén)檻值，

()為指示函數(shù)，面板門(mén)檻模型由此可轉(zhuǎn)化為分段函數(shù)模型。

、

為待估參數(shù)，其他變量含義同式(1)。

不同氮肥配施對(duì)墾鑒稻6號(hào)生長(zhǎng)發(fā)育及產(chǎn)量的影響…………………………………………………… 張秀順，鮑紅春，錢(qián)永德（62）

三是重點(diǎn)工作要加快推進(jìn)落實(shí)。要對(duì)照年度目標(biāo)，堅(jiān)持問(wèn)題導(dǎo)向、目標(biāo)導(dǎo)向來(lái)推進(jìn)各項(xiàng)工作，特別是批而未供和閑置土地大清查大處置、鄉(xiāng)村全域土地綜合整治與生態(tài)修復(fù)等重點(diǎn)工作，要盯緊進(jìn)度、加快完成。

經(jīng)檢驗(yàn)

，新老農(nóng)民工的面板門(mén)檻模型存在單一門(mén)檻，且單一門(mén)檻值均為10

9135。因此，本文將地區(qū)經(jīng)濟(jì)發(fā)展水平劃分為小于等于10

9135與大于10

9135兩個(gè)區(qū)間。表10匯報(bào)了以地區(qū)經(jīng)濟(jì)發(fā)展水平為門(mén)檻變量的面板門(mén)檻模型估計(jì)結(jié)果。由表10結(jié)果可知，當(dāng)ln

≤10

9135時(shí)，數(shù)字普惠金融發(fā)展對(duì)新老農(nóng)民工的多維貧困具有減緩效應(yīng)，作用系數(shù)分別為-0

0126和-0

0383。當(dāng)ln

進(jìn)一步提升并越過(guò)門(mén)檻值10

9135時(shí)，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的緩解作用增強(qiáng)，影響系數(shù)分別上升至-0

0164和-0

0438，說(shuō)明數(shù)字普惠金融發(fā)展對(duì)新老農(nóng)民工多維貧困的影響具有明顯的門(mén)檻效應(yīng)，即隨著地區(qū)經(jīng)濟(jì)發(fā)展水平的提高，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的減緩作用增強(qiáng)，驗(yàn)證了本文的假設(shè)3。

五、結(jié)論與建議

本文基于2014—2017年全國(guó)流動(dòng)人口動(dòng)態(tài)監(jiān)測(cè)數(shù)據(jù)，測(cè)算了新老兩代農(nóng)民工的多維貧困狀況，運(yùn)用空間杜賓模型實(shí)證研究了數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的減緩作用，并利用中介效應(yīng)模型和面板門(mén)檻模型分別檢驗(yàn)數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的影響機(jī)制與非線性關(guān)系。研究發(fā)現(xiàn)：第一，我國(guó)農(nóng)民工整體多維貧困程度并不高，且隨時(shí)間推移多維貧困程度有改善，但存在明顯的代際差異和地區(qū)差異，同時(shí)新老農(nóng)民工的多維貧困具有正向的空間集聚性，并隨時(shí)間推移波動(dòng)上升；第二，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困具有明顯的減緩作用，并且對(duì)老農(nóng)民工的減緩效果高于新農(nóng)民工；第三，數(shù)字普惠金融通過(guò)提升農(nóng)民工的就業(yè)機(jī)會(huì)來(lái)緩解其多維貧困，隨著地區(qū)經(jīng)濟(jì)發(fā)展水平的提高，數(shù)字普惠金融對(duì)新老農(nóng)民工多維貧困的緩解作用增強(qiáng)。

(6)可擴(kuò)展性原則。運(yùn)營(yíng)在線監(jiān)測(cè)分析系統(tǒng)應(yīng)采用柔性設(shè)計(jì)，具有良好的可擴(kuò)展性，具備業(yè)務(wù)處理的靈活配置能力，能夠隨著運(yùn)營(yíng)在線監(jiān)測(cè)分析業(yè)務(wù)需求變化進(jìn)行靈活調(diào)整與擴(kuò)展，切實(shí)保障系統(tǒng)的科學(xué)性和有效性。

基于上述研究結(jié)論，建議從以下幾個(gè)方面著手緩解農(nóng)民工的多維貧困：第一，完善我國(guó)數(shù)字化建設(shè)，充分發(fā)揮數(shù)字普惠金融在緩解農(nóng)民工多維貧困中的作用。在擴(kuò)大數(shù)字普惠金融覆蓋范圍的同時(shí)，開(kāi)展金融產(chǎn)品和服務(wù)創(chuàng)新，豐富對(duì)農(nóng)民工群體的服務(wù)內(nèi)容，滿足農(nóng)民工的金融需求，幫助農(nóng)民工脫貧增收。同時(shí)，針對(duì)不同群體的農(nóng)民工采取差異化策略，特別是加強(qiáng)對(duì)老農(nóng)民工數(shù)字普惠金融知識(shí)宣傳和教育力度，提高其數(shù)字普惠金融認(rèn)知和金融素養(yǎng)。第二，在制定本地區(qū)的扶貧政策時(shí)，不僅要考慮本地區(qū)的致貧因素和扶貧措施，還需關(guān)注鄰近地區(qū)的情況，加強(qiáng)與相鄰地區(qū)的扶貧交流與合作，從而取得良好的規(guī)模效益。第三，將農(nóng)民工納入居民最低生活保障體系，落實(shí)農(nóng)民工就業(yè)特別是高質(zhì)量就業(yè)政策，解決農(nóng)民工在健康、就業(yè)等方面的多維貧困。第四，注重?cái)?shù)字普惠金融對(duì)農(nóng)民工多維貧困的門(mén)檻效應(yīng)，著力提高地區(qū)經(jīng)濟(jì)發(fā)展質(zhì)量，充分發(fā)揮數(shù)字普惠金融對(duì)農(nóng)民工多維貧困的加速性減緩作用。

[1] 左常升， 何曉軍， 王小林. 城鄉(xiāng)一體化與減貧[M]. 北京： 社會(huì)科學(xué)文獻(xiàn)出版社， 2015.

[2] 焦瑾璞. 普惠金融導(dǎo)論[J]. 中國(guó)城市金融， 2019， (11)： 80.

[3] Sen A. Commodities and Capabilities[M]. London: Oxford University Press， 1999.

[4] 王小林， 馮賀霞. 2020年后中國(guó)多維相對(duì)貧困標(biāo)準(zhǔn)： 國(guó)際經(jīng)驗(yàn)與政策取向[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2020， (3)： 2-21.

[5] 葉普萬(wàn). 農(nóng)民工貧困的演變路徑與減貧戰(zhàn)略研究[J]. 學(xué)習(xí)與探索， 2013， (12)： 111-116.

[6] 王美艷. 農(nóng)民工的貧困狀況與影響因素——兼與城市居民比較[J]. 宏觀經(jīng)濟(jì)研究， 2014， (9)： 3-16，26.

[7] 葛笑如. 包容性增長(zhǎng)視角下農(nóng)民工貧困問(wèn)題再審視[J]. 大連理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)， 2012， (4)： 38-43.

[8] 朱曉陽(yáng). 邊緣與貧困——貧困群體研究反思[M]. 北京： 社會(huì)科學(xué)文獻(xiàn)出版社， 2012.

[9] 王曉東. 賦權(quán)增能視角下農(nóng)民工社會(huì)救助模式轉(zhuǎn)型——呼和浩特市個(gè)案研究[J]. 人口與發(fā)展， 2013， (6)： 52-57，99.

[10] 彭繼權(quán)， 張利國(guó)， 陳蘇. 進(jìn)城農(nóng)民工相對(duì)貧困的代際差異研究——基于RIF無(wú)條件分位數(shù)回歸分解法[J]. 財(cái)經(jīng)論叢， 2020， (9)： 3-12.

[11] 王青， 劉爍. 進(jìn)城農(nóng)民工多維貧困測(cè)度及不平等程度分析——基于社會(huì)融合視角[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2020， (1)： 83-101.

[12] 陳斌開(kāi)， 林毅夫. 金融抑制、產(chǎn)業(yè)結(jié)構(gòu)與收入分配[J]. 世界經(jīng)濟(jì)， 2012， (1)： 3-23.

[13] 蔡曉春， 郭玉鑫. 政府干預(yù)、金融發(fā)展對(duì)貧困減緩的影響分析——基于非線性交互效應(yīng)動(dòng)態(tài)面板模型[J]. 統(tǒng)計(jì)與信息論壇， 2018， (9)： 36-43.

[14] 董曉林， 吳以蠻， 熊健. 金融服務(wù)參與方式對(duì)農(nóng)戶(hù)多維相對(duì)貧困的影響[J]. 中國(guó)農(nóng)村觀察， 2021， (6)： 47-64.

[15] 邵漢華， 王凱月. 普惠金融的減貧效應(yīng)及作用機(jī)制——基于跨國(guó)面板數(shù)據(jù)的實(shí)證分析[J]. 金融經(jīng)濟(jì)學(xué)研究， 2017， (6)： 65-74.

[16] 張棟浩， 尹志超， 隋鈺冰. 金融普惠可以提高減貧質(zhì)量嗎?——基于多維貧困的分析[J]. 南方經(jīng)濟(jì)， 2020， (10)： 56-75.

[17] 陳銀娥， 陳絮雯， 李莉. 金融排斥對(duì)家庭多維貧困的影響研究——基于CFPS的實(shí)證分析[J]. 福建論壇(人文社會(huì)科學(xué)版)， 2021， (5)： 118-129.

[18] Marsden J., Nileshwar A. Financial Inclusion and Poverty Alleviation-A Metalevel Review of Impact and Outcome Assessments of Financial Inclusion Strategies on Clients in Poverty[J]. Journal of Social Bussiness， 2013,3(4): 56-82.

[19] Shiller R. J. Reflections on Finance and the Good Society[J]. American Economic Review， 2013, (5): 402-405.

[20] 董玉峰， 陳俊興， 杜崇東. 數(shù)字普惠金融減貧： 理論邏輯、模式構(gòu)建與推進(jìn)路徑[J]. 南方金融， 2021， (2)： 64-73.

[21] 劉魏， 張應(yīng)良， 王燕. 數(shù)字普惠金融發(fā)展緩解了相對(duì)貧困嗎？[J]. 經(jīng)濟(jì)管理， 2020， (7)： 44-60.

[22] 何宗樾， 張勛， 萬(wàn)廣華. 數(shù)字金融、數(shù)字鴻溝與多維貧困[J]. 統(tǒng)計(jì)研究， 2020， (10)： 79-89.

[23] 謝升峰， 尤瑞， 汪樂(lè)樂(lè). 數(shù)字普惠金融緩解農(nóng)村相對(duì)貧困的長(zhǎng)尾效應(yīng)測(cè)度[J]. 統(tǒng)計(jì)與決策， 2021， (5)： 5-9.

[24] 曾福生， 鄭洲舟. 多維視角下農(nóng)村數(shù)字普惠金融的減貧效應(yīng)分析[J]. 農(nóng)村經(jīng)濟(jì)， 2021， (4)： 70-77.

[25] 郭小卉， 馮艷博. 數(shù)字普惠金融發(fā)展的相對(duì)貧困減緩效應(yīng)——基于京津冀縣域空間面板數(shù)據(jù)[J]. 武漢金融， 2021， (2)： 70-80， 88.

[26] 金發(fā)奇， 言珍， 吳慶田. 數(shù)字普惠金融減緩相對(duì)貧困的效率研究[J]. 金融發(fā)展研究， 2021， (1)： 14-21.

[27] 孫繼國(guó)， 韓開(kāi)顏， 胡金焱. 數(shù)字金融是否減緩了相對(duì)貧困？——基于CHFS數(shù)據(jù)的實(shí)證研究[J]. 財(cái)經(jīng)論叢， 2020， (12)： 50-60.

[28] 吳靜茹， 謝家智， 涂先進(jìn). 數(shù)字金融、市場(chǎng)參與和農(nóng)戶(hù)相對(duì)貧困[J]. 當(dāng)代財(cái)經(jīng)， 2021， (8)： 64-77.

[29] Kpodar K. R., Andrianaivo M.ICT, Financial Inclusion, and Growth: Evidence from African Countries[Z]. IMF Working Paper, 2011,11(73).

[30] 黃益平， 黃卓. 中國(guó)的數(shù)字金融發(fā)展: 現(xiàn)在與未來(lái)[J]. 經(jīng)濟(jì)學(xué)(季刊)， 2018， (4)： 1489-1502.

[31] 田杰，譚秋云，靳景玉.數(shù)字金融能否改善資源錯(cuò)配？[J].財(cái)經(jīng)論叢，2021，(4)：49-60.

[32] 丁志國(guó)， 譚伶俐， 趙晶. 農(nóng)村金融對(duì)減少貧困的作用研究[J]. 農(nóng)村經(jīng)濟(jì)問(wèn)題， 2011， (11)： 72-77， 112.

[33] 朱道才， 王浩. 基于門(mén)檻模型的旅游發(fā)展對(duì)城鄉(xiāng)收入差距的影響效應(yīng)研究——以長(zhǎng)三角地區(qū)41個(gè)市為例[J]. 南京理工大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版)， 2021， (5)： 62-69.

[34] 喻林， 唐健飛. 我國(guó)農(nóng)民工權(quán)利貧困的立法救濟(jì)[J]. 宏觀經(jīng)濟(jì)研究， 2014， (9)： 17-26.

[35] 蔣南平， 鄭萬(wàn)軍. 中國(guó)農(nóng)民工多維返貧測(cè)度問(wèn)題[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)， 2017， (6)： 58-69.

[36] 郭峰， 王靖一， 王芳， 等. 測(cè)度中國(guó)數(shù)字普惠金融發(fā)展： 指數(shù)編制與空間特征[J]. 經(jīng)濟(jì)學(xué)季刊， 2020， (4)： 1401-1408.

[37] 蔡昉. 人口轉(zhuǎn)變、人口紅利與經(jīng)濟(jì)增長(zhǎng)可持續(xù)性——兼論充分就業(yè)如何促進(jìn)經(jīng)濟(jì)增長(zhǎng)[J]. 人口研究, 2004, (2): 2-9.

[38] Elhorst J. P. Matlab Software for Spatial Panels[J]. International Regional Science Review,2014,37(3),389-405.

[39] Alkire S., Foster J. Counting and Multidimensional Poverty Measurement[J]. Journal of Public Economics,2011,95(7-8): 476-487.

[40] Mitra S.,Posarac A.， Vick B. Disability and Poverty in Developing Countries： A Multidimensional Study[J]. World Development,2013,41(1): 1-18.

[41] Lesage J. P. An Introduction to Spatial Econometrics [J]. Revue D′économie Industrielle, 2008, 123: 19-44.

[42] 李紅娟. 流動(dòng)人口社會(huì)保障水平的區(qū)域差異[J]. 人口與社會(huì)， 2019， (2)： 35-43.

[43] 林光平， 龍志和， 吳梅. 中國(guó)地區(qū)經(jīng)濟(jì)σ-收斂的空間計(jì)量實(shí)證分析[J]. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2006， (4)： 14-21.

[44] Hansen B. E. Threshold Effects in Non-dynamic Panels: Estimation,Testing and Inference[J]. Journal of Econometrics,1999,(2): 345-368.