□逯鵬飛

（吉林財(cái)經(jīng)大學(xué)統(tǒng)計(jì)學(xué)院，吉林 長春 130117）

當(dāng)今，我國正處在鄉(xiāng)村高質(zhì)量發(fā)展與數(shù)字化交匯期，是鄉(xiāng)村振興發(fā)展的關(guān)鍵時(shí)期。自“寬帶中國”試點(diǎn)政策頒布以來，全國各地?cái)?shù)字基礎(chǔ)設(shè)施建設(shè)取得了巨大成效。根據(jù)《國務(wù)院關(guān)于印發(fā)“寬帶中國”戰(zhàn)略及實(shí)施方案》的通知，我國初步建成了適用于國家經(jīng)濟(jì)發(fā)展的基礎(chǔ)建設(shè)，廣大鄉(xiāng)村也在數(shù)字化方面取得了巨大的突破，基本實(shí)現(xiàn)寬帶進(jìn)鄉(xiāng)入村，行政村通寬帶比例達(dá)到95%。聯(lián)合國在2005 年提出普惠金融這一概念，我國在普惠金融的推廣方面進(jìn)行了大量的嘗試。隨著我國金融體系的日趨完善，普惠金融的發(fā)展也日益成熟，但是我國在金融和數(shù)字鄉(xiāng)村建設(shè)方面仍存在一些問題，集中體現(xiàn)為普惠金融和數(shù)字鄉(xiāng)村的發(fā)展模式較為粗放，精細(xì)程度不夠，究其原因是受農(nóng)戶認(rèn)知水平、受教育程度和科學(xué)技術(shù)水平等因素的影響。

數(shù)字鄉(xiāng)村建設(shè)方面，現(xiàn)有研究主要集中在數(shù)字鄉(xiāng)村建設(shè)與“三農(nóng)”問題、數(shù)字鄉(xiāng)村建設(shè)與產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)和數(shù)字鄉(xiāng)村的內(nèi)生發(fā)展模式等方面[1-4]。數(shù)字普惠金融研究主要集中在與傳統(tǒng)金融的對(duì)比以及數(shù)字普惠金融與城鎮(zhèn)化發(fā)展影響方面[5-6]。

本研究創(chuàng)新之處主要體現(xiàn)在以下兩方面，一是研究了數(shù)字鄉(xiāng)村建設(shè)與數(shù)字普惠金融發(fā)展之間的影響關(guān)系，從而為我國今后鄉(xiāng)村發(fā)展和數(shù)字普惠金融的發(fā)展提供相應(yīng)的參考；二是在研究方法上采用雙重差分法等前沿方法進(jìn)行實(shí)證分析。

1 數(shù)字鄉(xiāng)村建設(shè)對(duì)普惠金融發(fā)展影響的模型設(shè)定

1.1 模型設(shè)定

本研究以我國285 個(gè)地級(jí)城市2011—2019 年的面板數(shù)據(jù)為基準(zhǔn)，將“寬帶中國”試點(diǎn)政策作為數(shù)字鄉(xiāng)村建設(shè)的一項(xiàng)準(zhǔn)自然試驗(yàn)，虛擬變量的設(shè)置依據(jù)是將“寬帶中國”試點(diǎn)城市賦值為1，而將非試點(diǎn)城市賦值為0；時(shí)間虛擬變量的設(shè)置依據(jù)是將試點(diǎn)設(shè)立當(dāng)年及以后年份賦值為1，其余年份賦值為0。參照劉傳明和馬青山（2020）[7]的相關(guān)研究，將多期DID 模型構(gòu)建如下。

式中：Fiai,t為被解釋變量，代表城市i在t年的數(shù)字普惠金融發(fā)展程度；DIDi,t為數(shù)字鄉(xiāng)村政策的虛擬變量；xi,t為一組控制變量，包括消費(fèi)水平、人口規(guī)模城市、工資水平和就業(yè)水平；ηt為時(shí)間固定效應(yīng)，ui為個(gè)體固定效應(yīng)，εit為隨機(jī)擾動(dòng)項(xiàng)。α1為研究的核心固定參數(shù)，代表數(shù)字興村建設(shè)對(duì)數(shù)字普惠金融的凈效應(yīng)。

1.2 變量設(shè)定和數(shù)據(jù)說明

變量設(shè)定和數(shù)據(jù)說明見表1。

表1 變量定義

1.3 變量的描述性統(tǒng)計(jì)

從表2 可以看出，各變量的觀測(cè)值都為2 565 個(gè)，除了數(shù)字普惠金融綜合指數(shù)的標(biāo)準(zhǔn)差較大外，其他的各個(gè)指標(biāo)的標(biāo)準(zhǔn)差都比較小，各地差異不大。

表2 描述性統(tǒng)計(jì)

2 數(shù)字基礎(chǔ)設(shè)施對(duì)普惠金融發(fā)展影響的實(shí)證檢驗(yàn)

2.1 平行趨勢(shì)檢驗(yàn)

如圖1 所示，通過比較數(shù)字鄉(xiāng)村政策實(shí)施前后普惠金融的變動(dòng)趨勢(shì)發(fā)現(xiàn)，在數(shù)字鄉(xiāng)村政策實(shí)施之前，試驗(yàn)組和控制組城市數(shù)字普惠金融發(fā)展程度不存在顯著差異；在政策實(shí)施之后，試驗(yàn)組城市和控制組城市的數(shù)字普惠金融發(fā)展的差異越來越大，這說明DID模型通過平行趨勢(shì)檢驗(yàn)，適合采用多期雙重差分法評(píng)估數(shù)字鄉(xiāng)村建設(shè)對(duì)普惠金融發(fā)展的影響。

圖1 平行趨勢(shì)檢驗(yàn)

2.2 基準(zhǔn)回歸結(jié)果

從表3 可以看出，無論將4 個(gè)控制變量加入與否，在時(shí)間固定效應(yīng)與個(gè)體固定效應(yīng)基礎(chǔ)上，數(shù)字鄉(xiāng)村建設(shè)試點(diǎn)政策均對(duì)數(shù)字普惠金融發(fā)展有著顯著促進(jìn)效果。未加入控制變量（模型一），數(shù)字鄉(xiāng)村建設(shè)對(duì)于數(shù)字普惠金融發(fā)展的影響系數(shù)為1.385，且在5%水平上顯著；加入控制變量（模型二），數(shù)字基礎(chǔ)設(shè)施對(duì)于數(shù)字普惠金融發(fā)展的影響系數(shù)為10.890，且在1%水平上顯著。

表3 數(shù)字鄉(xiāng)村建設(shè)對(duì)數(shù)字普惠金融發(fā)展影響的基準(zhǔn)回歸

2.3 異質(zhì)性處理效應(yīng)診斷

在應(yīng)用DID 模型進(jìn)行分析的過程中，存在“先處理VS 后處理”的情況，“先處理”的個(gè)體盡管已經(jīng)存在處理效應(yīng)，但在分析過程中仍然可能會(huì)被當(dāng)作處理組。若“先處理VS 后處理”所產(chǎn)生的加權(quán)平均值的權(quán)重過大，會(huì)使雙向固定回歸估計(jì)產(chǎn)生偏誤，影響TWFE估計(jì)量的回歸結(jié)果；反之，則生成的偏誤相對(duì)較小，對(duì)最終的估計(jì)結(jié)果的影響相對(duì)較小。Andrew Goodman-Bacon（2021）[8]提出的診斷偏誤方法有負(fù)權(quán)重診斷、培根分解以及同質(zhì)性處理效應(yīng)的假設(shè)檢驗(yàn)。

本研究使用DID 進(jìn)行實(shí)證評(píng)估數(shù)字鄉(xiāng)村建設(shè)對(duì)數(shù)字普惠金融發(fā)展的動(dòng)態(tài)影響效應(yīng)，涉及到多期多組數(shù)據(jù)。為防止結(jié)果出現(xiàn)偏誤，此處借鑒學(xué)者提出的方法，以Bacon 分解作為一種穩(wěn)健性檢驗(yàn)方法。Bacon分解將雙向固定效應(yīng)的DID 估計(jì)量分解為各部分的加權(quán)平均值，具體見表4、表5。本研究涉及到三類數(shù)據(jù)組，即未處理組、早期處理組和后期處理組，根據(jù)前文分析，一般認(rèn)為未處理過的對(duì)照組為好的對(duì)照組。

表4 DI D估計(jì)量

表5 Bacon 分解結(jié)果

表5 中，數(shù)字鄉(xiāng)村建設(shè)對(duì)城市數(shù)字普惠金融的影響中有90.5%的影響來自于處理組和未處理的對(duì)照組，有4.0%的影響來自早期處理組與后期處理的對(duì)照組，有5.5%的影響來自后期處理組與早期處理的對(duì)照組?？梢姶蟛糠钟绊懚际俏刺幚斫M作為對(duì)照組來進(jìn)行反事實(shí)檢驗(yàn)得到的結(jié)果，直接導(dǎo)致了本研究雙向固定效應(yīng)估計(jì)量最終平均處理效應(yīng)為正，進(jìn)一步進(jìn)行Bacon 權(quán)重分解。

圖2 中，橫軸表示權(quán)重，縱軸表示單個(gè)水平DID估計(jì)量，水平橫線代表雙向固定效應(yīng)模型真實(shí)估計(jì)量?？梢钥闯鲈谒綑M線之上的估計(jì)量所占權(quán)重比較大，下方的三角點(diǎn)效應(yīng)為負(fù)，權(quán)重基本為0，對(duì)于估計(jì)量的平均處理效應(yīng)基本沒有產(chǎn)生影響。

圖2 培根分解權(quán)重

3 穩(wěn)健性檢驗(yàn)

本研究隨機(jī)抽取某一年作為城市i被設(shè)立為試點(diǎn)的時(shí)間，將該過程重復(fù)1 000 次，進(jìn)行安慰劑穩(wěn)健性檢驗(yàn)。結(jié)果見圖3，隨機(jī)分配的估計(jì)值的P值在0附近基本服從正態(tài)分布，大多數(shù)系數(shù)對(duì)應(yīng)的P值均位于顯著性水平0.1 之上，也就是說偽政策系數(shù)在10%的水平上都不顯著，進(jìn)一步證明本研究回歸結(jié)論穩(wěn)健可靠。

圖3 安慰劑檢驗(yàn)

4 異質(zhì)性分析

近年來，東中部地區(qū)在經(jīng)濟(jì)發(fā)展、人才培育和普惠金融機(jī)構(gòu)等方面有優(yōu)勢(shì)，這種優(yōu)勢(shì)可能會(huì)導(dǎo)致數(shù)字基礎(chǔ)設(shè)施對(duì)數(shù)字普惠金融的發(fā)展存在異質(zhì)性。因此，本研究按照“東中部、西部”劃分樣本城市[9]。

我國劃分為東、中、西部三個(gè)地區(qū)的時(shí)間起始于1986 年，由全國人大六屆四次會(huì)議通過的“七五”計(jì)劃正式公布，東中部地區(qū)有21 個(gè)省、直轄市（自治區(qū)），西部地區(qū)有9 個(gè)?。ㄗ灾螀^(qū)），具體回歸結(jié)果如表6 所示。東中部地區(qū)系數(shù)至少在5%水平上顯著，但西部地區(qū)系數(shù)均不顯著。這說明數(shù)字鄉(xiāng)村建設(shè)顯著提升了東中部地區(qū)數(shù)字普惠金融綜合指數(shù)，即促進(jìn)了東中部地區(qū)數(shù)字普惠金融發(fā)展。西部地區(qū)的系數(shù)為負(fù)數(shù)且不顯著，這說明數(shù)字鄉(xiāng)村建設(shè)會(huì)阻礙西部地區(qū)數(shù)字普惠金融發(fā)展，這可能與西部地區(qū)缺乏良好的金融發(fā)展基礎(chǔ)有關(guān)。

表6 各區(qū)域基準(zhǔn)回歸分析

5 研究結(jié)論及啟示

數(shù)字鄉(xiāng)村建設(shè)對(duì)數(shù)字普惠金融發(fā)展具有促進(jìn)效果，這表明數(shù)字鄉(xiāng)村建設(shè)可以促進(jìn)數(shù)字普惠金融的精細(xì)化發(fā)展和高質(zhì)量發(fā)展，改善以往普惠金融發(fā)展過程中粗獷化問題。數(shù)字基礎(chǔ)設(shè)施對(duì)于東中部地區(qū)數(shù)字普惠金融發(fā)展具有顯著促進(jìn)作用，對(duì)于西部地區(qū)數(shù)字普惠金融發(fā)展具有阻礙作用。這在一定程度上意味著，普惠金融正在實(shí)現(xiàn)高質(zhì)量轉(zhuǎn)型發(fā)展。鑒于此，文章提出如下三條建議。

一是規(guī)劃制訂數(shù)字普惠金融發(fā)展路線圖。我國目前普惠金融發(fā)展的制度還不夠完善，因此，應(yīng)盡早完善現(xiàn)有制度，明確普惠金融發(fā)展的目標(biāo)、方式和路徑，并盡早出臺(tái)相關(guān)細(xì)則，做好規(guī)劃和及時(shí)應(yīng)對(duì)措施。

二是推進(jìn)普惠金融精細(xì)化轉(zhuǎn)型發(fā)展。盡早解決以往粗獷化發(fā)展過程中留下的各種弊病，使得普惠金融體系早日成熟。

三是提升數(shù)字鄉(xiāng)村建設(shè)與普惠金融融合發(fā)展水平。從內(nèi)部、外部兩方面同時(shí)保證普惠金融和數(shù)字鄉(xiāng)村建設(shè)的良性發(fā)展，保證兩者在同步發(fā)展中共同促進(jìn)。