范麗琴 劉國勇

摘要：金融體系的運(yùn)作與農(nóng)民生產(chǎn)生活息息相關(guān)，通過剖析數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入的具體影響，為有針對(duì)性地制定助農(nóng)增收策略提供更為準(zhǔn)確、可靠的實(shí)證依據(jù)?；谖覈?011—2020年30個(gè)省域的面板數(shù)據(jù)，分別構(gòu)建面板時(shí)空地理加權(quán)回歸模型與空間收斂模型分析數(shù)字普惠金融對(duì)農(nóng)民收入影響的時(shí)空分異與收斂特征。研究表明：數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入具有顯著的積極影響，且影響表現(xiàn)出顯著的時(shí)空分異特征，不同地區(qū)、不同時(shí)期的數(shù)字普惠金融增收效應(yīng)存在差異，其系數(shù)估計(jì)最小值為0.268，最大值為0.633。以新疆為代表的西部偏遠(yuǎn)地區(qū)的數(shù)字普惠金融增收效應(yīng)不斷增強(qiáng)，各地區(qū)整體差異在快速縮小?？臻g收斂模型中β絕對(duì)收斂與β條件收斂系數(shù)估計(jì)值分別為-0.165、-0.158，且均為負(fù)數(shù)，表明數(shù)字普惠金融增收效應(yīng)符合空間收斂特征。數(shù)字普惠金融可有效改善傳統(tǒng)金融發(fā)展的非均衡性，同時(shí)可為西部偏遠(yuǎn)地區(qū)農(nóng)民增收提供趕超渠道，進(jìn)一步減少農(nóng)民內(nèi)部收入不平等現(xiàn)象。

關(guān)鍵詞：數(shù)字普惠金融；農(nóng)民收入；時(shí)空分異；空間收斂

中圖分類號(hào)：F323.8

文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：2095-5553 （2023） 04-0248-09

Abstract： The operation of the financial system is closely related to the production and life of farmers. By analyzing the specific impact of the development of digital inclusive finance on farmers income， more accurate and reliable empirical evidence can be provided for the targeted formulation of strategies to increase farmers income. Based on panel data of 30 provinces in China from 2011 to 2020， the geographic and temporally weighted regression model for panel data （PGTWR） and spatial convergence model were constructed to analyze the spatio-temporal differences and convergence characteristics of the impact of digital financial inclusion on farmers income. As the results indicated that the development of digital financial inclusion exerted a significant positive impact on farmers income， which featured remarkable spatial and temporal variation. There were differences in the income enhancement effects of digital financial inclusion in different regions and periods， the minimum coefficient was estimated to be 0.268 and the maximum was 0.633. With the growing income enhancement effects of digital financial inclusion in remote western regions represented by Xinjiang， the regional differences narrowed rapidly. In the spatial convergence model， the estimated β absolute convergence and β conditional convergence coefficients were -0.165 and -0.158， respectively， and both were negative， indicating that the increased effect of digital financial inclusion conformed to the spatial convergence characteristics. Digital financial inclusion effectively improved the unevenness in the development of traditional finance， provided a catch-up channel for farmers in remote western regions to increase their income， and thus alleviated the income inequality within farmers.

Keywords： digital inclusive finance; farmers income; spatio-temporal heterogeneity; space convergence

0 引言

增加農(nóng)民收入是農(nóng)村改革發(fā)展的基本目標(biāo)之一，是實(shí)現(xiàn)我國經(jīng)濟(jì)發(fā)展模式順利轉(zhuǎn)型的關(guān)鍵所在。2021年中央“一號(hào)文件”中再次強(qiáng)調(diào)：在我國新發(fā)展階段，要把實(shí)現(xiàn)農(nóng)民收入穩(wěn)定持續(xù)增長(zhǎng)作為最終的落腳點(diǎn)。事實(shí)上，自2004年以來，連續(xù)十八年中共中央發(fā)布的“一號(hào)文件”中始終把農(nóng)民增收問題作為全黨工作的重點(diǎn)，堅(jiān)持強(qiáng)農(nóng)惠農(nóng)富農(nóng)政策不減弱。而金融資源常常被認(rèn)定為影響農(nóng)民收入的關(guān)鍵因素，囿于金融排斥，農(nóng)民難以獲得所需的金融支持。近年來，數(shù)字普惠金融借助其覆蓋廣、成本低、使用便捷等天然優(yōu)勢(shì)，大幅提高了農(nóng)村地區(qū)金融服務(wù)可得性，將原本難以獲取金融資源的農(nóng)民群眾納入服務(wù)范圍。然而相關(guān)法律的不健全以及監(jiān)管不到位導(dǎo)致數(shù)字普惠金融行業(yè)內(nèi)部魚龍混雜、風(fēng)險(xiǎn)隱患重重［1］，數(shù)字普惠金融能否成為促進(jìn)農(nóng)民增收的新動(dòng)力有待進(jìn)一步考證。此外，數(shù)字普惠金融發(fā)展本身是多維度、動(dòng)態(tài)的，它對(duì)農(nóng)民收入的影響也不會(huì)一成不變。因此，以動(dòng)態(tài)的視角多方位探究數(shù)字普惠金融是否以及如何影響農(nóng)民收入是一項(xiàng)具有重要現(xiàn)實(shí)意義的研究。

1 文獻(xiàn)回顧

既有研究主要圍繞數(shù)字普惠金融對(duì)城鄉(xiāng)居民收入差距的影響［2-4］、數(shù)字普惠金融的減貧效應(yīng)［5-7］、數(shù)字普惠金融對(duì)居民消費(fèi)的影響［8-9］、數(shù)字普惠金融對(duì)居民創(chuàng)業(yè)意愿的影響［10-11］等方面展開，僅有少數(shù)學(xué)者分析數(shù)字普惠金融對(duì)農(nóng)民收入的影響［12］，鮮有從動(dòng)態(tài)視角探討數(shù)字普惠金融對(duì)農(nóng)民收入影響的研究。此外，有學(xué)者認(rèn)為數(shù)字普惠金融發(fā)展在地理空間上存在異質(zhì)性特征［13-14］。對(duì)此，為提高實(shí)證結(jié)果的嚴(yán)謹(jǐn)性，已有研究采取劃分不同區(qū)域的方式以解決空間異質(zhì)性問題［15-16］，但遺憾的是，目前研究?jī)H僅是劃分東中西部地區(qū)進(jìn)行比較，尚未細(xì)分至省級(jí)層面。與此同時(shí)，數(shù)字普惠金融對(duì)農(nóng)民收入的影響在不同時(shí)期也可能具有一定差異，雖有研究已區(qū)分不同時(shí)期數(shù)字普惠金融增收效應(yīng)差異［12］，但僅劃分兩個(gè)時(shí)期，會(huì)導(dǎo)致時(shí)間跨度過大而無法準(zhǔn)確反映數(shù)字普惠金融增收效應(yīng)的時(shí)期異質(zhì)性特征。數(shù)字普惠金融增收效應(yīng)是否的確存在時(shí)空分異特征？若是，各地區(qū)數(shù)字普惠金融增收效應(yīng)隨時(shí)間推移會(huì)發(fā)生怎樣的變化，是趨于收斂還是發(fā)散？為回答以上問題，本研究分別構(gòu)建面板時(shí)空地理加權(quán)回歸模型與空間收斂模型，利用2011—2020年30個(gè)省域的面板數(shù)據(jù)，深入探究數(shù)字普惠金融對(duì)農(nóng)民收入影響的時(shí)空分異與收斂特征，以動(dòng)態(tài)視角對(duì)數(shù)字普惠金融增收效應(yīng)進(jìn)行分析。在既有文獻(xiàn)的基礎(chǔ)上，本研究邊際貢獻(xiàn)在于：一是將時(shí)空因素納入分析，更符合實(shí)際情況，估計(jì)結(jié)果更為準(zhǔn)確可信；二是從省級(jí)層面進(jìn)行逐年比對(duì)，更為精準(zhǔn)地描述數(shù)字普惠金融增收效應(yīng)的時(shí)空分異與收斂特征，為有針對(duì)性地制定數(shù)字普惠金融支農(nóng)政策提供決策依據(jù)。

2 理論分析與假說

數(shù)字普惠金融可通過以下幾方面促進(jìn)農(nóng)民增收：（1）拓寬原有服務(wù)覆蓋范圍，增加金融服務(wù)可得性。數(shù)字普惠金融無需設(shè)立實(shí)體網(wǎng)點(diǎn)，僅需通過網(wǎng)絡(luò)以及數(shù)字終端即可為居民提供服務(wù)，使得原本受地理位置約束難以獲得金融服務(wù)的農(nóng)民群體可以公平地享受服務(wù)。（2）緩解信息不對(duì)稱，減少金融排斥。數(shù)字普惠金融依托于云計(jì)算以及大數(shù)據(jù)分析等新型技術(shù)，將用戶散落于支付平臺(tái)的海量信息進(jìn)行整合，刻畫全面立體的征信畫像，進(jìn)而有效緩解信息不對(duì)稱難題，減少農(nóng)民金融排斥狀況，從而促進(jìn)其收入增長(zhǎng)。（3）簡(jiǎn)化服務(wù)流程，降低服務(wù)門檻。數(shù)字普惠金融通過信息技術(shù)的應(yīng)用大大縮減資金交易的中間環(huán)節(jié)、縮短交易時(shí)間、提高獲取金融服務(wù)的便捷程度，同時(shí)可大幅度減少金融服務(wù)成本、降低金融服務(wù)的使用門檻，為農(nóng)民提供價(jià)廉質(zhì)優(yōu)的金融服務(wù)，實(shí)現(xiàn)增收目的。

據(jù)此本文提出假說1：數(shù)字普惠金融發(fā)展有助于農(nóng)民增收。

近年來，我國經(jīng)濟(jì)發(fā)展較快，但同時(shí)也伴隨著區(qū)域發(fā)展不平衡問題。為此，不同地區(qū)、不同時(shí)期的數(shù)字普惠金融增收效應(yīng)有所不同。一方面，宏觀環(huán)境的外部經(jīng)濟(jì)差異使得數(shù)字普惠金融發(fā)展存在明顯的地區(qū)差異，且各地區(qū)農(nóng)民收入水平差異較大，數(shù)字普惠金融發(fā)展與農(nóng)民收入水平的雙重失衡導(dǎo)致數(shù)字普惠金融增收效應(yīng)產(chǎn)生區(qū)域分化現(xiàn)象。另一方面，不同時(shí)期內(nèi)，數(shù)字金融發(fā)展水平與農(nóng)民收入水平呈現(xiàn)不斷變化狀態(tài)，因此在時(shí)間維度上，數(shù)字普惠金融增收效應(yīng)同樣可能存在一定差異。

據(jù)此本文提出假說2：數(shù)字普惠金融增收效應(yīng)具有時(shí)空異質(zhì)性特征。

弗里德曼在《區(qū)域發(fā)展政策：委內(nèi)瑞拉案例研究》中，以更長(zhǎng)遠(yuǎn)的視角討論了區(qū)域發(fā)展不平衡產(chǎn)生的經(jīng)濟(jì)后果：在最初階段，中心與外圍區(qū)域構(gòu)成的空間二元結(jié)構(gòu)明顯，但隨著政府干預(yù)，交通運(yùn)輸條件的改善等諸多因素，二元結(jié)構(gòu)的界限將變得模糊，形成區(qū)域一體化。從以上觀點(diǎn)可知，區(qū)域發(fā)展的差異會(huì)隨時(shí)間推移逐漸減小，那么，由此推測(cè)各地區(qū)數(shù)字普惠金融增收效應(yīng)同樣可能會(huì)出現(xiàn)收斂現(xiàn)象，即不同地區(qū)數(shù)字普惠金融發(fā)展促進(jìn)農(nóng)民增收效果最終相同。

據(jù)此本文提出假說3：數(shù)字普惠金融增收效應(yīng)具有收斂特征。

3 研究方法與數(shù)據(jù)來源

3.1 面板時(shí)空地理加權(quán)回歸模型構(gòu)建

普通最小二乘法估計(jì)只能得到回歸系數(shù)的平均結(jié)果，掩蓋了被解釋變量與解釋變量之間回歸關(guān)系的時(shí)空分異特征，無法準(zhǔn)確刻畫在時(shí)空推移的雙重作用下系數(shù)的動(dòng)態(tài)演變過程［17］。而同時(shí)納入時(shí)間和空間因素的時(shí)空地理加權(quán)回歸模型，其回歸系數(shù)會(huì)因時(shí)間及空間的不同而隨之變化，可反映數(shù)字普惠金融對(duì)農(nóng)民收入的影響在不同時(shí)期、不同地理位置的局部演變特征［18］。雖然時(shí)空地理加權(quán)回歸模型現(xiàn)已得到廣泛應(yīng)用，但該模型仍存在諸多不足之處：（1）時(shí)空地理加權(quán)回歸模型忽略了樣本地區(qū)向目標(biāo)分析地區(qū)映射的間接路徑；（2）時(shí)空地理加權(quán)回歸模型模糊了空間溢出效應(yīng)隨時(shí)間推移的傳導(dǎo)路徑；（3）時(shí)空地理加權(quán)回歸模型所采用的自適應(yīng)帶寬存在一定缺陷，即容易忽略具有顯著空間影響的非樣本區(qū)域，而納入無顯著空間影響的樣本區(qū)域。鑒于此，范巧等［19］提出面板時(shí)空地理加權(quán)回歸模型，通過采用全息時(shí)空權(quán)重矩陣、遴選最優(yōu)帶寬等方法克服了時(shí)空地理加權(quán)回歸模型的既有缺陷，進(jìn)一步提高了估計(jì)結(jié)果的準(zhǔn)確度以及可信度。面板時(shí)空地理加權(quán)回歸模型的基本公式如式（1）所示。

3.4 數(shù)據(jù)來源及處理

綜合考慮數(shù)字普惠金融發(fā)展的背景、實(shí)際情況以及歷年指標(biāo)的一致性、可比性，本文最終選取2011—2020年除西藏自治區(qū)以外的30個(gè)?。▍^(qū)）面板數(shù)據(jù)，少量數(shù)據(jù)缺失采用線性插值法補(bǔ)齊。農(nóng)民收入、農(nóng)村固定資產(chǎn)投資額、農(nóng)林水事務(wù)支出額以及第一產(chǎn)業(yè)增加值數(shù)據(jù)來源于2011—2021年的《中國農(nóng)村統(tǒng)計(jì)年鑒》、數(shù)字普惠金融相關(guān)數(shù)據(jù)來源于《北京大學(xué)數(shù)字普惠金融指數(shù)報(bào)告（2011—2020）》、各地區(qū)平均受教育年限、進(jìn)出口總額、GDP值、總?cè)丝跀?shù)、社會(huì)消費(fèi)品零售額、互聯(lián)網(wǎng)寬帶接入端口數(shù)及移動(dòng)電話普及率來源于2011—2021年的《中國統(tǒng)計(jì)年鑒》。為消除價(jià)格因素影響，針對(duì)非比值價(jià)格變量（農(nóng)民收入、農(nóng)村資產(chǎn)投資、社會(huì)消費(fèi)品零售額），本研究利用各地區(qū)相應(yīng)的指數(shù)分別對(duì)以上變量進(jìn)行折算（以2011年為基期），再采用對(duì)數(shù)變換，使其數(shù)據(jù)變化趨勢(shì)更為平滑，減少異方差的影響。由于數(shù)字普惠金融相關(guān)數(shù)據(jù)與本研究選取的其他變量數(shù)據(jù)相比過大，因此，為統(tǒng)一量綱，將數(shù)字普惠金融相關(guān)數(shù)據(jù)除以100作為原始數(shù)據(jù)納入分析。此外，需要說明的是在空間收斂模型中，為方便解釋系數(shù)含義，所有變量均作對(duì)數(shù)處理。以上相關(guān)變量說明詳見表1。

4 實(shí)證結(jié)果分析

4.1 數(shù)字普惠金融對(duì)農(nóng)民收入影響分析

基于AICc準(zhǔn)則、GCV準(zhǔn)則與RSS準(zhǔn)則測(cè)出最優(yōu)空間帶寬和時(shí)間帶寬分別為30、9。在設(shè)定最優(yōu)帶寬后，本研究分別試算基于最優(yōu)帶寬下的混合效應(yīng)、空間固定效應(yīng)、時(shí)期固定效應(yīng)以及時(shí)空雙固定效應(yīng)的面板時(shí)空地理加權(quán)模型的整體統(tǒng)計(jì)性質(zhì)。由于最優(yōu)空間帶寬納入了所有地區(qū)，所以無須考慮隨機(jī)效應(yīng)。具體的統(tǒng)計(jì)性質(zhì)見表2。

由表2可知，基于最優(yōu)帶寬的雙固定效應(yīng)面板時(shí)空地理加權(quán)模型相較于其他效應(yīng)的模型，整體統(tǒng)計(jì)性質(zhì)最優(yōu)，其中，局部系數(shù)估計(jì)值的顯著比率為0.975，明顯高于其他效應(yīng)的模型；修正后的擬合優(yōu)度值為1，表明該模型幾乎完美地?cái)M合了數(shù)據(jù)；F統(tǒng)計(jì)值最大，并通過了1%顯著性水平下檢驗(yàn)。基于以上比對(duì)，本研究將依據(jù)具有雙固定效應(yīng)的面板時(shí)空地理加權(quán)回歸模型的估計(jì)結(jié)果展開分析。面板時(shí)空地理加權(quán)回歸模型在對(duì)變量進(jìn)行系數(shù)估計(jì)時(shí)，是分別對(duì)單個(gè)局部點(diǎn)（即每個(gè)城市不同時(shí)期）的參數(shù)進(jìn)行估計(jì)，在此分析過程中會(huì)依據(jù)最優(yōu)空間帶寬以及時(shí)間帶寬，納入一定數(shù)量的近鄰局部點(diǎn)形成新的面板，該面板包含所分析的單個(gè)局部點(diǎn)以及其近鄰局部點(diǎn)，再按照空間計(jì)量模型的估計(jì)方法，確定該局部點(diǎn)的所有參數(shù)估計(jì)值。為更清晰簡(jiǎn)潔地呈現(xiàn)估計(jì)結(jié)果，本文將全部城市所有時(shí)期的系數(shù)估計(jì)值從小到大依次排列，再展示其中的25%、50%、75%分位數(shù)上的系數(shù)估計(jì)值以及系數(shù)估計(jì)平均值。顯著比率為系數(shù)估計(jì)值在10%水平上顯著的局部點(diǎn)占所有局部點(diǎn)的比例。具體的變量回歸系數(shù)統(tǒng)計(jì)結(jié)果見表3。

由表3可知，面板時(shí)空地理加權(quán)模型中數(shù)字普惠金融的系數(shù)估計(jì)值變化較大，最小值僅為0.268，最大值高達(dá)0.633，可見數(shù)字普惠金融的增收效應(yīng)存在較強(qiáng)的時(shí)空分異特征，并非如全域估計(jì)中的系數(shù)一致。從控制變量的系數(shù)估計(jì)值來看，除財(cái)政支農(nóng)以外，其余控制變量的參數(shù)估計(jì)值符號(hào)在全范圍內(nèi)均為正數(shù)。僅依據(jù)表2的變量回歸系數(shù)統(tǒng)計(jì)分析無法詳細(xì)地刻畫系數(shù)估計(jì)值的時(shí)空演化過程，因此，本研究采用ArcGIS軟件通過地圖的形式將系數(shù)的時(shí)空演變過程可視化，囿于篇幅，僅展示數(shù)字普惠金融的系數(shù)變化圖，具體見圖1。

由圖1可知，2011—2015年期間，數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入的高影響區(qū)域主要集中在南部沿海地區(qū)，尤其是兩廣地區(qū)以及海南省，低影響區(qū)域大多位于東北地區(qū)，影響程度整體呈現(xiàn)南強(qiáng)北弱格局。在2016—2020年期間，新疆地區(qū)發(fā)展為高影響區(qū)域，影響格局開始轉(zhuǎn)變?yōu)橛晌飨驏|逐漸衰減態(tài)勢(shì)。從整體上看，數(shù)字普惠金融與農(nóng)民增收之間不是簡(jiǎn)單的線性關(guān)系，2011年數(shù)字普惠金融的估計(jì)系數(shù)平均值為0.332，之后在2014年上升至0.512，然后逐漸減弱直至平穩(wěn)，2016—2020年數(shù)字普惠金融的估計(jì)系數(shù)平均值基本保持不變，平均增收效應(yīng)總體呈現(xiàn)先增后減的倒U型曲線。從局部看，可以明顯看出西部地區(qū)，特別是新疆地區(qū)，隨時(shí)間推移，其數(shù)字普惠金融增收效應(yīng)逐漸開始趕超其他省份。2011年新疆的數(shù)字普惠金融增收效應(yīng)最低，而在2014年，其數(shù)字普惠金融增收效應(yīng)已經(jīng)與絕大多數(shù)省份別無二致。2014年之后，除兩廣地區(qū)、海南省、新疆等高影響區(qū)域以及東北地區(qū)等低影響區(qū)域以外，其他所有省份的數(shù)字普惠金融增收效應(yīng)趨于一致。

西部偏遠(yuǎn)地區(qū)的數(shù)字普惠金融發(fā)展對(duì)農(nóng)民增收的邊際貢獻(xiàn)在不斷增強(qiáng)。對(duì)此可能的解釋是，對(duì)西部偏遠(yuǎn)地區(qū)而言，受地理位置、交通條件及基礎(chǔ)設(shè)施等多因素桎梏，傳統(tǒng)金融發(fā)展較為遲緩，而數(shù)字普惠金融減少了對(duì)物理網(wǎng)點(diǎn)的依賴程度，具有更強(qiáng)的物理穿透性。因此，對(duì)于金融資源相對(duì)不足的西部偏遠(yuǎn)地區(qū)，數(shù)字普惠金融的邊際增收效應(yīng)在逐步提升。

4.2 數(shù)字普惠金融增收效應(yīng)的收斂性分析

由圖1可知，數(shù)字普惠金融增收效應(yīng)具有顯著的時(shí)空分異特征，不同地區(qū)、不同時(shí)期的數(shù)字普惠金融增收效應(yīng)存在差異，數(shù)字普惠金融增收效應(yīng)可能存在收斂趨勢(shì)，但僅依據(jù)個(gè)人主觀判斷，所得結(jié)論并不準(zhǔn)確。鑒于此，本研究將構(gòu)建空間杜賓模型對(duì)數(shù)字普惠金融增收效應(yīng)的收斂性展開實(shí)證檢驗(yàn)。

4.2.1 空間相關(guān)性分析

在進(jìn)行空間收斂性分析之前，需要通過莫蘭指數(shù)（Morans I）及吉爾里指數(shù)（Gearys C）對(duì)數(shù)字普惠金融增收效應(yīng)的空間相關(guān)性進(jìn)行檢驗(yàn)，具體檢驗(yàn)結(jié)果如表4所示。

由表4可知，莫蘭指數(shù)（Morans I）及吉爾里指數(shù)（Gearys C）均處于［0，1］區(qū)間且通過1%顯著性水平檢驗(yàn)，表明數(shù)字普惠金融增收效應(yīng)具有顯著的正向空間自相關(guān)特征，即經(jīng)濟(jì)水平相近地區(qū)的數(shù)字普惠金融增收效應(yīng)存在較強(qiáng)的空間相互作用?？臻g相關(guān)性是否會(huì)引致數(shù)字普惠金融增收效應(yīng)產(chǎn)生空間收斂是下文探討的重點(diǎn)。

4.2.2 空間收斂性分析

由于數(shù)字普惠金融增收效應(yīng)存在空間自相關(guān)，采用空間收斂模型更為恰當(dāng)。關(guān)于空間收斂模型的選取，本研究將依據(jù)Hausman檢驗(yàn)、LM檢驗(yàn)以及穩(wěn)健LM檢驗(yàn)結(jié)果進(jìn)行抉擇，具體檢驗(yàn)結(jié)果見表5。

由表5可知，Hausman檢驗(yàn)結(jié)果表明不論是空間β絕對(duì)收斂，還是空間β條件收斂模型均選擇固定效應(yīng)。LM檢驗(yàn)以及Robust LM檢驗(yàn)結(jié)果表明所有收斂模型均不能明確拒絕無空間誤差項(xiàng)或空間滯后項(xiàng)的原假設(shè)，因此，選擇同時(shí)具有空間誤差項(xiàng)以及空間滯后項(xiàng)的空間杜賓模型更為合理?；诳臻g杜賓模型的β絕對(duì)收斂、β條件收斂檢驗(yàn)結(jié)果見表6。

由表6可知，數(shù)字普惠金融增收效應(yīng)存在顯著的β絕對(duì)收斂與β條件收斂特征。從收斂周期來看，數(shù)字普惠金融增收效應(yīng)絕對(duì)收斂周期為38.439年，表明所有地區(qū)的數(shù)字普惠金融增收效應(yīng)收斂于同一水平需38.439年。數(shù)字普惠金融增收效應(yīng)還表現(xiàn)出顯著的β條件收斂特征，其收斂周期為36.275年，表明各地區(qū)數(shù)字普惠金融增收效應(yīng)收斂于各自穩(wěn)態(tài)水平所需時(shí)間更短。

5 結(jié)論與建議

本研究基于我國2011—2020年30個(gè)省域的面板數(shù)據(jù)，通過構(gòu)建面板地理時(shí)空加權(quán)回歸模型與空間收斂模型深入探究數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入的影響的時(shí)空分異與收斂特征。由以上實(shí)證結(jié)果可知：（1）數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入具有顯著的積極影響，但不同地區(qū)、不同時(shí)期的數(shù)字普惠金融發(fā)展對(duì)農(nóng)民收入的影響不同，其系數(shù)估計(jì)最小值為0.268，最大值為0.633。（2）以新疆為代表的西部偏遠(yuǎn)地區(qū)的數(shù)字普惠金融增收效應(yīng)不斷增強(qiáng)，整體差異在快速縮小，收斂模型估計(jì)結(jié)果顯示β絕對(duì)收斂與β條件收斂系數(shù)估計(jì)值分別為-0.165、-0.158，均為負(fù)數(shù)，表明數(shù)字普惠金融增收效應(yīng)存在收斂特征。（3）數(shù)字普惠金融增收效應(yīng)的β條件收斂周期為36.275年，小于β絕對(duì)收斂周期38.439年，說明各地區(qū)數(shù)字普惠金融增收效應(yīng)先收斂于各自穩(wěn)態(tài)水平，后收斂于同一水平。

數(shù)字普惠金融是促進(jìn)農(nóng)民收入增長(zhǎng)的新動(dòng)力，是西部偏遠(yuǎn)地區(qū)農(nóng)民收入趕超其他地區(qū)的重要途徑，也是緩解農(nóng)民內(nèi)部收入不平等現(xiàn)象的關(guān)鍵所在。為此，本文政策啟示在于：需加快網(wǎng)絡(luò)基礎(chǔ)建設(shè)，著重提升西部偏遠(yuǎn)地區(qū)數(shù)字普惠金融發(fā)展水平。西部偏遠(yuǎn)地區(qū)數(shù)字基礎(chǔ)建設(shè)遠(yuǎn)落后于其他地區(qū)，“上網(wǎng)難、上網(wǎng)慢”問題嚴(yán)重阻礙數(shù)字普惠金融增收效應(yīng)的發(fā)揮，建議盡快將西部偏遠(yuǎn)地區(qū)網(wǎng)絡(luò)提速降費(fèi)工作落到實(shí)處，提高西部偏遠(yuǎn)地區(qū)的網(wǎng)絡(luò)普及率，讓數(shù)字普惠金融能夠繼續(xù)在西部偏遠(yuǎn)地區(qū)發(fā)揮更大效力，為西部偏遠(yuǎn)地區(qū)農(nóng)民收入趕超其他地區(qū)提供更多可能，縮小省際間農(nóng)民收入差距。

參 考 文 獻(xiàn)

［1］ 劉錦怡， 劉純陽. 數(shù)字普惠金融的農(nóng)村減貧效應(yīng)： 效果與機(jī)制［J］. 財(cái)經(jīng)論叢， 2020（1）： 43-53.

Liu Jinyi， Liu Chunyang. Rural poverty alleviation effect of digital inclusive finance： Effects and mechanisms ［J］. Collected Essays on Finance and Economics， 2020（1）： 43-53.

［2］ Yu N， Wang Y. Can digital inclusive finance narrow the Chinese urban-rural income gap？ The perspective of the regional urban-rural income structure ［J］. Sustainability， 2021， 13.

［3］ 張賀， 白欽先. 數(shù)字普惠金融減小了城鄉(xiāng)收入差距嗎？——基于中國省級(jí)數(shù)據(jù)的面板門檻回歸分析［J］. 經(jīng)濟(jì)問題探索， 2018（10）： 122-129.

［4］ 李牧辰， 封思賢， 謝星. 數(shù)字普惠金融對(duì)城鄉(xiāng)收入差距的異質(zhì)性影響研究［J］. 南京農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020， 20（3）： 132-145.

Li Muchen， Feng Sixian， Xie Xing.Heterogeneity effects of digital inclusive finance on urban-rural income gap ［J］. Journal of Nanjing Agricultural University （Social Sciences Edition）， 2020， 20（3）： 132-145.

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

［6］ Gabor D， Brooks S. The digital revolution in financial inclusion： international development in the fintech era ［J］. New Political Economy， 2017， 22（4）： 1-14.

［7］ Lyons A， Kass-Hanna J， Greenlee A. Impacts of Financial and Digital Inclusion on Poverty in South Asia and Sub-Saharan Africa ［J］. Social Science Electronic Publishing， 2020（8）： 1-37.

［8］ 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.

［9］ Wang N， Wang Y. Impact of digital inclusive finance on consumption levels of urban and rural residents in Anhui province-analysis of its mechanism ［J］. Frontiers in Economics and Management， 2021， 2（1）： 288-294.

［10］ 謝絢麗， 沈艷， 張皓星， 等. 數(shù)字金融能促進(jìn)創(chuàng)業(yè)嗎？——來自中國的證據(jù)［J］. 經(jīng)濟(jì)學(xué)（季刊）， 2018， 17（4）： 1557-1580.

Xie Xuanli， Shen Yan， Zhang Haoxing， et al. Can digital finance promote entrepreneurship？—Evidence from China ［J］. China Economic Quarterly， 2018， 17（4）： 1557-1580.

［11］ 楊偉明， 粟麟， 王明偉. 數(shù)字普惠金融與城鄉(xiāng)居民收入——基于經(jīng)濟(jì)增長(zhǎng)與創(chuàng)業(yè)行為的中介效應(yīng)分析［J］. 上海財(cái)經(jīng)大學(xué)學(xué)報(bào)， 2020， 22（4）： 83-94.

Yang Weiming， Su Lin， Wang Mingwei. Digital financial inclusion and income of urban and rural residents： Based on the intermediary effect of economic growth and entrepreneurial behavior ［J］. Journal of Shanghai University of Finance and Economics， 2020， 22（4）： 83-94.

［12］ 何宜慶， 王茂川， 李雨純， 等. 普惠金融數(shù)字化是“數(shù)字紅利”嗎？——基于農(nóng)村居民收入增長(zhǎng)的視角［J］. 南方金融， 2020（12）： 71-84.

［13］ 趙丙奇. 中國數(shù)字普惠金融與城鄉(xiāng)收入差距——基于面板門限模型的實(shí)證研究［J］. 社會(huì)科學(xué)輯刊， 2020（1）： 196-205.

［14］ 陳慧卿， 陳國生， 魏曉博， 等. 數(shù)字普惠金融的增收減貧效應(yīng)——基于省際面板數(shù)據(jù)的實(shí)證分析［J］. 經(jīng)濟(jì)地理， 2021， 41（3）： 184-191.

Chen Huiqing， Chen Guosheng， Wei Xiaobo， et al. Effect of digital inclusive finance on increasing rural income and reducing poverty： Empirical analysis based on inter-provincial panel data ［J］. Economic Geography， 2021， 41（3）： 184-191.

［15］ 陳嘯， 陳鑫. 普惠金融數(shù)字化對(duì)縮小城鄉(xiāng)收入差距的空間溢出效應(yīng)［J］. 商業(yè)研究， 2018（8）： 167-176.

Chen Xiao， Chen Xin. The special spillover effects of inclusive finance digitization on narrowing urban-rural income gap ［J］. Commercial Research， 2018（8）： 167-176.

［16］ 易行健， 周利. 數(shù)字普惠金融發(fā)展是否顯著影響了居民消費(fèi)——來自中國家庭的微觀證據(jù)［J］. 金融研究， 2018（11）： 47-67.

Yi Xingjian， Zhou Li. Does digital financial inclusion significantly influence household consumption？ Evidence from household survey data in China ［J］. Journal of Financial Research， 2018（11）： 47-67.

［17］ 玄海燕， 張安琪， 藺全錄， 等. 中國省域經(jīng)濟(jì)發(fā)展影響因素及其時(shí)空規(guī)律研究——基于GTWR模型［J］. 工業(yè)技術(shù)經(jīng)濟(jì)， 2016， 35（2）： 154-160.

Xuan Haiyan， Zhang Anqi， Lin Quanlu， et al. Affecting factors research of Chinese provincial economic development—Based on GTWR model ［J］. Industrial Technology & Economy， 2016， 35（2）： 154-160.

［18］ Huang B， Wu B， Barry M. Geographically and temporally weighted regression for modeling spatio-temporal variation in house prices ［J］. International Journal of Geographical Information Science， 2010， 24（3-4）： 383-401.

［19］ 范巧， 郭愛君. 一種新的基于全息映射的面板時(shí)空地理加權(quán)回歸模型方法［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2021， 38（4）： 120-138.

Fan Qiao， Guo Aijun. A new geographically and temporally weighted regression model for panel data based on holographic mapping ［J］. The Journal of Quantitative & Technical Economics， 2021， 38（4）： 120-138.

［20］ 李恩康， 陸玉麒， 陳娛. 中國外貿(mào)貨物出口的地理格局演化及影響因素分析——基于貨物出口距離和GTWR模型［J］. 地理研究， 2019， 38（11）： 2624-2638.

Li Enkang， Lu Yuqi， Chen Yu. Geographic pattern evolution of Chinas merchandise export and its influencing factors： Based on the analysis of merchandise export distance and the GTWR model ［J］. Geographical Research， 2019， 38（11）： 2624-2638.

［21］ 余新平， 熊皛白， 熊德平. 中國農(nóng)村金融發(fā)展與農(nóng)民收入增長(zhǎng)［J］. 中國農(nóng)村經(jīng)濟(jì)， 2010（6）： 77-86， 96.

Yu Xinping， Xiong Xiaobai， Xiong Deping. Development of rural finance and increase in farmers income in China ［J］. Chinese Rural Economy， 2010（6）： 77-86， 96.

［22］ 溫濤， 冉光和， 熊德平. 中國金融發(fā)展與農(nóng)民收入增長(zhǎng)［J］. 經(jīng)濟(jì)研究， 2005， 40（9）： 30-43.

Wen Tao， Ran Guanghe， Xiong Deping. Financial development and the income growth of farmer in China ［J］. Economic Research Journal， 2005， 40（9）： 30-43.

［23］ 唐躍桓， 楊其靜， 李秋蕓， 等. 電子商務(wù)發(fā)展與農(nóng)民增收——基于電子商務(wù)進(jìn)農(nóng)村綜合示范政策的考察［J］. 中國農(nóng)村經(jīng)濟(jì)， 2020（6）： 75-94.

Tang Yuehuan， Yang Qijing， Li Qiuyun， et al. The development of e-commerce and the increase of farmers income： An examination based on the policies of e-commerce into rural areas ［J］. Chinese Rural Economy， 2020（6）： 75-94.

［24］ 姚鳳閣， 李麗佳. 數(shù)字普惠金融減貧效應(yīng)及區(qū)域差異研究［J］. 哈爾濱商業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2020（6）： 3-18.

Yao Fengge， Li Lijia. Research on the poverty reduction effect and regional differences of digital inclusive finance ［J］. Journal of Harbin University of Commerce （Social Science Edition）， 2020（6）： 3-18.

［25］ 駱永民， 樊麗明. 中國農(nóng)村人力資本增收效應(yīng)的空間特征［J］. 管理世界， 2014（9）： 58-76.

［26］ 杜江， 張偉科， 范錦玲. 農(nóng)村金融發(fā)展對(duì)農(nóng)民收入影響的雙重特征分析——基于面板門檻模型和空間計(jì)量模型的實(shí)證研究［J］. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2017（6）： 35-43.

［27］ 王征， 魯釗陽. 農(nóng)村金融發(fā)展與城鄉(xiāng)收入差距——基于我國省級(jí)動(dòng)態(tài)面板數(shù)據(jù)模型的實(shí)證研究［J］. 財(cái)貿(mào)經(jīng)濟(jì)， 2011（7）： 55-62.

［28］ 李靜， 馬麗娟， 姜旭. 財(cái)政支出、農(nóng)村人口對(duì)脫貧攻堅(jiān)的影響［J］. 社會(huì)科學(xué)戰(zhàn)線， 2019（9）： 248-252.

［29］ 申云， 陳効莉. 財(cái)政扶貧與金融扶貧效率比較研究［J］. 農(nóng)村金融研究， 2020（1）： 27-36.

Shen Yun， Chen Xiaoli. A comparative study on the efficiency of government financial and banking financial poverty alleviation ［J］. Rural Finance Research， 2020（1）： 27-36.

［30］ 羅東， 矯健. 國家財(cái)政支農(nóng)資金對(duì)農(nóng)民收入影響實(shí)證研究［J］. 農(nóng)業(yè)經(jīng)濟(jì)問題， 2014， 35（12）： 48-53.

［31］ 余泳澤. 中國省際全要素生產(chǎn)率動(dòng)態(tài)空間收斂性研究［J］. 世界經(jīng)濟(jì)， 2015， 38（10）： 30-55.

［32］ 辛沖沖， 陳志勇. 中國基本公共服務(wù)供給水平分布動(dòng)態(tài)、地區(qū)差異及收斂性［J］. 數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究， 2019， 36（8）： 52-71.

Xin Chongchong， Chen Zhiyong. Distribution dynamics， regional differences and convergence of basic public service supply level in China ［J］. The Journal of Quantitative & Technical Economics， 2019， 36（8）： 52-71.

［33］ 王雪， 何廣文. 中國縣域普惠金融發(fā)展的空間非均衡及收斂性分析［J］. 現(xiàn)代經(jīng)濟(jì)探討， 2020（2）： 41-49.

［34］ 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.

Jin Faqi， Yan Zhen， Wu Qingtian. Research on the efficiency of digital inclusive finance in alleviating relative poverty ［J］. Journal of Financial Development Research， 2021（1）： 14-21.