主办: 上海立信会计金融学院

  • ISSN 2096-9554
  • CN 31-2074/F

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

数字金融、财产性收入与共同富裕

基于地区和家庭层面的分析

方霞 谭龙昕 陈思宇 张云

方霞, 谭龙昕, 陈思宇, 张云. 2023. 数字金融、财产性收入与共同富裕——基于地区和家庭层面的分析. 会计与经济研究, 37(4): 112-133.
引用本文: 方霞, 谭龙昕, 陈思宇, 张云. 2023. 数字金融、财产性收入与共同富裕——基于地区和家庭层面的分析. 会计与经济研究, 37(4): 112-133.
Fang Xia, Tan Longxin, Chen Siyu, Zhang Yun. 2023. Digital Finance,Property Income and Common Prosperity: Based on Regional and Family Level Analysis. Accounting and Economic Research, 37(4): 112-133.
Citation: Fang Xia, Tan Longxin, Chen Siyu, Zhang Yun. 2023. Digital Finance,Property Income and Common Prosperity: Based on Regional and Family Level Analysis. Accounting and Economic Research, 37(4): 112-133.

数字金融、财产性收入与共同富裕

——基于地区和家庭层面的分析

基金项目: 国家社会科学基金重点项目(22AZD030);浙江省科学技术厅软科学重点项目(2021C25004);浙江工商大学“数字+”学科建设重点项目 (SZJ2022B002)
详细信息
    作者简介:

    方霞,博士,浙江工商大学金融学院教授,fangxia@zjgsu.edu.cn

    谭龙昕,浙江工商大学金融学院硕士研究生,13879067075@163.com

    陈思宇,浙江工商大学金融学院硕士研究生,soijyucan@163.com

    张云(通讯作者),博士,上海立信会计金融学院金融学院教授,zhacloud@163.com

  • 中图分类号: F832.1

  • 摘要: 数字金融以速度快、成本低、地域穿透力强等特性助力居民获得财产性收入,对实现共同富裕有促进作用。文章在阐述数字金融、财产性收入与共同富裕内在作用机制的基础上,基于2014−2020年中国省级面板数据和CHFS数据,分别构建地区层面和微观家庭层面共同富裕指数,实证检验数字金融助力实现共同富裕的作用机制及实际效果。结果发现:无论地区层面还是微观家庭层面数据均证实数字金融通过提高居民财产性收入驱动共同富裕;分维度看,数字金融可以显著提高地区层面共同富裕的“发展性”和“共享性”,数字金融发展对要素市场发育程度低的地区和中西部地区共同富裕的边际作用更大;从微观家庭层面看,数字金融发展可以显著增加微观家庭的财产性收入,助推共同富裕,且数字金融对低收入群体共同富裕的促进效果更为显著。因此,政府需加大数字金融实施力度,完善金融基础设施建设,提升居民金融素养,倡导居民进行财富管理,充分发挥数字金融的普惠作用。

    Digital Finance,Property Income and Common Prosperity: Based on Regional and Family Level Analysis

  • 图  1  2014−2020 年地区层面共同富裕指数均值

    数据来源:根据国家统计局公布数据得到。

    图  2  地区层面共同富裕指数2014年、2020年的区域分布

    数据来源:根据国家统计局公布数据得到。

    图  3  数字金融指数均值

    数据来源:郭峰等(2020)构建的数字金融指数。

    图  4  数字金融指数2014年、2020年的区域分布

    数据来源:郭峰等(2020)构建的数字金融指数。

    表  1  地区层面共同富裕指标

    一级指标 二级指标 具体指标 指标性质
    发展性 富裕度 居民人均可支配收入(元) +
    居民人均消费支出(元) +
    人均社会消费品零售总额(元) +
    恩格尔系数
    共同度 城乡居民收入倍差
    常住人口城镇化率(%) +
    共享性 医疗 单位人口医疗卫生机构床位数(人) +
    每万人拥有执业助理医生数(人) +
    精神富裕 劳动年龄人口平均受教育年限(年) +
    教育文化和娱乐支出(元) +
    人均拥有公共图书馆藏量(册) +
    社会保障 养老保险领取人数占比(%) +
    民生性支出占一般公共预算支出之比(%) +
    公共基础设施 每万人公共交通车辆(台) +
    每万人拥有公厕数(座) +
    城镇污水日处理能力 +
    城市道路面积率(%) +
    数字应用 移动电话普及率(%) +
    互联网普及率 +
    可持续性 发展质量 人均GDP增长率(%) +
    全社会劳动生产率(%) +
    失业率(%)
    生态环境 PM2.5浓度
    森林覆盖率(%) +
    科技创新 规模以上企业R&D经费支出占生产总值比重(%) +
    每万人专利授权数 +
    下载: 导出CSV

    表  2  微观家庭层面共同富裕指标

    一级指标 二级指标 三级指标 指标性质
    物质富裕 收入    人均收入         +
    财富    家庭总资产        +
    消费    人均消费         +
    生存消费占比      
    精神富裕 健康    成员健康         +
    人均医疗资源        +
    社会保障  家庭成员养老保险覆盖程度 +
    家庭成员医疗保险覆盖程度 +
    教育    家庭成员受教育程度    +
    文化    文娱教育支出占比     +
    主观幸福感        +
    下载: 导出CSV

    表  3  变量及定义

    变量 符号 定义
    地区层面共同富裕 $ Compro $1 按发展性、共享性与可持续性维度构建
    微观层面共同富裕 $ Compro $2 基础层级(物质富裕)以及提升层级(精神富裕)
    数字金融 $ Dig $ 北京大学数字普惠金融指数(2011−2020)中的总指数
    数字金融广度 $ Dig\_breath $ 北京大学数字普惠金融指数(2011−2020)中的数字金融覆盖广度
    数字金融深度 $ Dig\_depth $ 北京大学数字普惠金融指数(2011−2020)中的数字金融使用深度
    数字金融数字化水平 $ Dig\_digi $ 北京大学数字普惠金融指数(2011−2020)中的数字金融数字化程度
    地区层面财产性收入 $ Proincome $1 地区居民财产性净收入
    微观家庭财产性收入 $ Proincome $2 家庭财产性收入
    经济开放水平 $ Open $ 进出口总额占GDP比重
    政府干预 $ Govint $ 财政支出占GDP比重
    资本生产率 $ Capital $ GDP与全社会固定资产投资比值
    金融结构 $ Fin $ 年末金融机构人民币存贷款余额比
    产业结构 $ Stru $ 第三产业增加值占GDP比重
    户主性别 $ Gender $ 户主性别为男则取1,为女则取0
    户主年龄 $ Age $ 户主的年龄
    户主政治面貌 $ Politics $ 户主政治面貌,党员为1,其他为0
    户主婚姻状况 $ Marriage $ 户主有配偶则为1,否则为0
    户主健康水平 $ Healthy $ 户主健康则为1,否则为0
    户主教育年限 $ Education $ 户主的教育年限
    户主是否有工作 $ Work $ 户主有工作则为1,否则为0
    下载: 导出CSV

    表  4  变量描述性统计

    变量 均值 标准差 最小值 最大值
    省级层面共同富裕 0.347 0.137 0.102 0.742
    发展性 0.079 0.034 0.010 0.197
    共享性 0.158 0.056 0.068 0.316
    可持续性 0.109 0.056 0.022 0.299
    微观共同富裕 0.229 0.110 0.017 0.883
    物质富裕 0.059 0.052 0.001 0.465
    精神富裕 0.170 0.081 0.004 0.517
    数字金融 252.833 68.760 115.100 431.928
    数字金融覆盖广度 252.833 68.760 115.100 431.928
    数字金融使用深度 231.499 72.456 74.090 397.002
    数字金融数字化水平 243.472 79.496 107.290 488.683
    各省居民财产性收入 7.367 0.671 6.012 9.375
    微观居民财产性收入 3.360 3.328 0.000 14.981
    经济开放水平 0.256 0.264 0.008 1.251
    政府干预 0.299 0.209 0.119 1.354
    资本生产率 3.287 22.351 0.211 251.430
    产业结构 0.507 0.084 0.347 0.839
    金融结构 0.840 0.210 0.430 2.231
    户主性别 0.792 0.406 0.000 1.000
    户主年龄 55.193 12.969 17.000 99.000
    户主政治面貌 0.137 0.344 0.000 1.000
    户主婚姻状况 0.868 0.338 0.000 1.000
    户主健康水平 0.786 0.410 0.000 1.000
    户主教育年限 8.540 3.920 0.000 22.000
    户主是否有工作 0.446 0.497 0.000 1.000
    下载: 导出CSV

    表  5  基于地区层面的数字金融影响共同富裕总指数的回归结果

    变量 (1)
    共同富裕
    (2)
    共同富裕
    (3)
    共同富裕
    (4)
    共同富裕
    (5)
    共同富裕
    数字金融 0.633*** 0.549***
    (4.783) (3.707)
    数字金融覆盖广度 0.422***
    (3.78)
    数字金融使用深度 0.195**
    (2.621)
    数字金融数字化水平 −0.020
    (−0.218)
    经济开放水平 0.066 0.041 0.122** 0.145***
    (1.033) (0.568) (2.339) (3.058)
    政府干预 −0.612 −0.704* −0.661 −0.689*
    (−1.559) (−1.925) (−1.669) (−1.727)
    资本生产率 −0.000 −0.000* −0.000 −0.000
    (−1.256) (−1.791) (−0.78) (−0.363)
    产业结构 −0.014 0.117 −0.031 −0.216
    (−0.034) (0.304) (−0.06) (−0.389)
    金融结构 −0.028** −0.012 −0.021 −0.011
    (−2.150) (−0.822) (−1.405) (−0.674)
    常数项 −4.547*** −3.941*** −3.226*** −2.173*** −0.987*
    (−6.834) (−5.011) (−5.496) (−4.892) (−1.830)
    观测值 217 217 217 217 217
    R2 0.935 0.941 0.944 0.935 0.932
    省份固定效应
    年份固定效应
    注:括号内为稳健的t值,***表示p<0.01,**表示p<0.05,*表示p<0.1,下同。
    下载: 导出CSV

    表  6  基于微观家庭层面的数字金融影响共同富裕总指数的回归结果

    变量 (1)
    共同富裕
    (2)
    共同富裕
    (3)
    共同富裕
    (4)
    共同富裕
    数字金融 0.717***
    (7.127)
    数字金融覆盖广度 0.498***
    (8.021)
    数字金融使用深度 0.233***
    (4.767)
    数字金融数字化水平 −0.048
    (−1.314)
    性别 0.013* 0.012 0.012 0.012
    (1.699) (1.574) (1.640) (1.585)
    年龄 −0.001** −0.001** −0.001** −0.001**
    (−2.274) (−2.149) (−2.400) (−2.507)
    政治面貌 −0.008 −0.008 −0.007 −0.007
    (−1.004) (−1.002) (−0.871) (−0.828)
    婚姻状况 0.053*** 0.053*** 0.052*** 0.052***
    (4.359) (4.391) (4.308) (4.302)
    健康程度 0.092*** 0.092*** 0.091*** 0.091***
    (13.114) (13.200) (13.043) (13.007)
    受教育程度 0.014*** 0.014*** 0.014*** 0.014***
    (10.843) (10.947) (10.792) (10.793)
    工作情况 −0.007 −0.005 −0.009 −0.009
    (−1.213) (−0.812) (−1.433) (−1.434)
    常数项 −5.591*** −4.447*** −3.031*** −1.592***
    (−10.649) (−13.689) (−12.224) (−7.841)
    样本量 34653 34653 34653 34653
    R2 0.071 0.071 0.069 0.069
    家庭固定效应
    年份固定效应
    下载: 导出CSV

    表  7  数字金融影响共同富裕子维度的回归结果

    变量 宏观 微观
    (1)
    发展性
    (2)
    共享性
    (3)
    可持续性
    (4)
    物质富裕
    (5)
    精神富裕
    数字金融 1.931*** 0.446** −0.110 0.235* 1.034***
    (4.943) (2.691) (−0.577) (1.702) (8.273)
    经济开放水平 0.133 0.206*** −0.170
    (1.413) (3.996) (−1.326)
    政府干预 0.071 −0.848** −0.539
    (0.096) (−2.252) (−0.974)
    资本生产率 −0.001*** −0.000** 0.001***
    (−3.172) (−2.129) (3.424)
    产业结构 −2.319* 0.749* 0.147
    (−2.009) (1.936) (0.271)
    金融结构 −0.036 −0.060** 0.007
    (−1.175) (−2.704) (0.167)
    性别 0.041*** 0.007
    (4.086) (0.707)
    年龄 −0.002*** −0.001
    (−3.559) (−1.526)
    政治面貌 −0.049*** 0.003
    (−4.047) (0.348)
    婚姻状况 0.054*** 0.062***
    (3.269) (4.123)
    健康程度 −0.016* 0.129***
    (−1.671) (14.694)
    受教育程度 0.007*** 0.017***
    (3.920) (10.365)
    工作情况 0.014* −0.024***
    (1.666) (−3.280)
    常数项 −11.637*** −4.486*** −1.826* −4.505*** −7.578***
    (−6.541) (−5.080) (−1.710) (−6.253) (−11.610)
    样本量 217 217 217 34653 34653
    R2 0.903 0.914 0.819 0.138 0.063
    控制变量
    省份/家庭固定效应
    年份固定效应
    下载: 导出CSV

    表  8  稳健性检验

    变量 (1)
    地区层面
    共同富裕
    (2)
    微观家庭层面
    共同富裕
    数字金融 0.575*** 0.835***
    (3.165) (7.778)
    常数项 −4.154*** −6.211***
    (−4.379) (−11.142)
    样本量 189 29543
    R2 0.947 0.069
    控制变量
    省份/家庭固定效应
    年份固定效应
    下载: 导出CSV

    表  9  内生性检验

    变量 地区层面 微观层面
    第一阶段回归
    数字金融
    第二阶段回归
    共同富裕
    第一阶段回归
    数字金融
    第二阶段回归
    共同富裕
    数字金融 2.127*** 2.820***
    (4.012) (5.804)
    互联网接入数 0.098*** 0.480***
    (3.573) (24.847)
    常数项 4.53*** −12.13*** 4.89*** −16.534***
    (25.474) (−3.059) (373.503) (−6.533)
    观测值 217 217 34653 34653
    R2 0.869 0.869 0.046 0.051
    控制变量
    省份/家庭固定效应
    年份固定效应
    下载: 导出CSV

    表  10  数字金融、地区层面财产性收入的机制检验

    变量 宏观 微观
    (1)
    共同富裕
    (2)
    财产性收入
    (3)
    共同富裕
    (4)
    财产性收入
    数字金融 0.549*** 0.805** 0.717*** 1.253*
    (3.707) (2.367) (7.127) (1.774)
    常数项 −3.941*** 3.781** −5.591*** −3.526
    (−5.011) (2.403) (−10.649) (−0.959)
    样本量 217 217 34653 34653
    R2 0.941 0.846 0.071 0.012
    控制变量
    省份/家庭固定效应
    年份固定效应
    下载: 导出CSV

    表  11  要素市场发育程度的异质性分析结果

    变量 (1)
    要素市场发育
    程度低
    (2)
    要素市场发育
    程度高
    数字金融 0.788*** 0.594**
    (3.108) (2.392)
    经济开发程度 −0.401 0.090
    (−1.278) (1.716)
    政府干预 −0.949** −0.742
    (−2.222) (−1.093)
    资本生产率 −0.000* 0.189***
    (−1.794) (5.037)
    产业结构 0.912 −0.688
    (1.632) (−0.858)
    金融结构 −0.007 −0.029*
    (−0.183) (−1.991)
    常数项 −5.483*** −3.862***
    (−4.207) (−3.369)
    样本量 105 112
    R2 0.948 0.964
    省份固定效应
    年份固定效应
    下载: 导出CSV

    表  12  区域差异的异质性分析结果

    变量 (1)
    东部
    共同富裕
    (2)
    中部
    共同富裕
    (3)
    西部
    共同富裕
    数字金融 0.636** 0.846*** 0.732**
    (2.562) (7.283) (2.443)
    经济开放程度 −0.058 0.034 −0.549*
    (−0.822) (0.940) (−2.197)
    政府干预 0.402 −2.933*** −0.659
    (0.887) (−5.276) (−1.787)
    资本生产率 0.129*** 0.111*** −0.000**
    (4.055) (4.564) (−2.759)
    产业结构 −0.258 1.039 0.561
    (−0.303) (1.037) (0.968)
    金融结构 −0.030 0.230** −0.057
    (−1.754) (2.906) (−1.043)
    常数项 −4.297*** −5.652*** −5.110***
    (−4.025) (−10.616) (−3.300)
    样本量 77 56 84
    R2 0.969 0.974 0.963
    省份固定效应
    年份固定效应
    下载: 导出CSV

    表  13  收入异质性分析结果

    变量 (1)
    低收入组
    (2)
    高收入组
    数字金融 0.974*** 0.308**
    (5.534) (2.276)
    性别 0.001 0.013
    (0.064) (1.551)
    年龄 −0.001* 0.000
    (−1.948) (0.671)
    政治面貌 −0.011 −0.013
    (−0.565) (−1.509)
    婚姻状况 0.057*** 0.005
    (3.026) (0.300)
    健康程度 0.098*** 0.073***
    (9.734) (6.851)
    受教育程度 0.010*** 0.013***
    (4.572) (7.738)
    工作情况 −0.001 −0.029***
    (−0.104) (−3.771)
    常数项 −7.031*** −3.252***
    (−7.704) (−4.601)
    样本量 17325 17328
    R2 0.055 0.087
    家庭固定效应
    年份固定效应
    下载: 导出CSV
  • [1] 陈宝珍, 任金政. 2020. 数字金融与农户: 普惠效果和影响机制. 财贸研究 (6): 37−47.
    [2] 陈丹, 姚明明. 2019. 数字金融对农村居民收入影响的实证分析. 上海金融 (6): 74−77.
    [3] 陈丽君, 郁建兴, 徐铱娜. 2021. 共同富裕指数模型的构建. 治理研究 (4): 5−16.
    [4] 迟巍, 蔡许许. 2012. 城市居民财产性收入与贫富差距的实证分析. 数量经济技术经济研究 (2): 100−112.
    [5] 崔洛源, 赵鲁南. 2019. 数字金融促进乡村振兴的政策与方式. 国际金融 (5): 48−51.
    [6] 范从来. 2017. 益贫式增长与中国共同富裕道路的探索. 经济研究 (12): 14−16.
    [7] 傅利福, 厉佳妮, 方霞, 韦宏耀. 2021. 数字金融促进包容性增长的机理及有效性检验. 统计研究 (10): 62−75.
    [8] 郭峰, 王靖一, 王芳, 孔涛, 张勋, 程志云. 2020. 测度中国数字金融发展: 指数编制与空间特征. 经济学(季刊) (4): 1401–1418.
    [9] 韩亮亮, 彭伊, 孟庆娜. 2022. 数字普惠金融、创业活跃度与共同富裕——基于我国省际面板数据的经验研究. 软科学 (3): 1–18.
    [10] 何宜庆, 王茂川, 李雨纯, 李佳欣. 2020. 普惠金融数字化是“数字红利”吗?——基于农村居民收入增长的视角. 南方金融 (12): 71−84.
    [11] 何宗樾, 张勋, 万广华. 2020. 数字金融、数字鸿沟与多维贫困. 统计研究 (10): 79−89.
    [12] 胡伦, 陆迁. 2019. 贫困地区农户互联网信息技术使用的增收效应. 改革 (2): 74−86.
    [13] 胡振, 苏日乐. 2019. 消费者金融素养研究综述. 金融与经济 (10): 84−88.
    [14] 黄倩, 李政, 熊德平. 2019. 数字金融的减贫效应及其传导机制. 改革 (11): 90−101.
    [15] 姜晶, 姚荣东. 2009. 论增加个人财产性收入的意义. 广西青年干部学院学报 (1): 63−65.
    [16] 姜松, 周鑫悦. 2021. 数字普惠金融对经济高质量发展的影响研究. 金融论坛 (8): 39−49.
    [17] 蒋凯. 2021. 数字金融对农村居民收入的影响——基于省级面板分位数回归的实证研究. 金融经济 (12): 81−90.
    [18] 江艇. 2022. 因果推断经验研究中的中介效应与调节效应. 中国工业经济 (5): 10−120.
    [19] 孔祥智, 谢东东. 2022.缩小差距、城乡融合与共同富裕. 南京农业大学学报(社会科学版) (1): 12–22.
    [20] 李建军, 彭俞超, 马思超. 2020. 普惠金融与中国经济发展: 多维度内涵与实证分析. 经济研究 (4): 37−52.
    [21] 李牧辰, 封思贤, 谢星. 2020. 数字普惠金融对城乡收入差距的异质性影响研究. 南京农业大学学报(社会科学版) (3): 132−145.
    [22] 李实. 2021. 共同富裕的目标和实现路径选择. 经济研究 (11): 4−13.
    [23] 李秀珍, 张云, 王向进. 2022. 信贷配置、环境规制与绿色技术创新. 上海经济研究 (1): 95−103.
    [24] 李义超, 李晓涛. 2021. 数字金融、区域异质性与小微企业创新活力. 海南金融 (9): 3−14.
    [25] 刘丹, 方锐, 汤颖梅. 2019. 数字金融发展对农民非农收入的空间溢出效应. 金融经济学研究 (3): 57−66.
    [26] 刘魏. 2021. 数字普惠金融对居民相对贫困的影响效应. 华南农业大学学报(社会科学版) (6): 65–77.
    [27] 刘心怡, 黄颖, 黄思睿, 张桃霖. 2022. 数字普惠金融与共同富裕: 理论机制与经验事实. 金融经济学研究 (1): 135−149.
    [28] 路晓蒙, 李阳, 甘犁, 王香. 2017. 中国家庭金融投资组合的风险——过于保守还是过于冒进? 管理世界 (12): 92−108.
    [29] 罗楚亮, 李实, 岳希明. 2021. 中国居民收入差距变动分析(2013−2018). 中国社会科学 (1): 33−54.
    [30] 宁光杰. 2014. 居民财产性收入差距: 能力差异还是制度阻碍? ——来自中国家庭金融调查的证据. 经济研究 (S1): 102−115.
    [31] 任碧云, 姚博. 2013. 城镇化进程中农村金融发展与农民财产性收入关系实证研究. 现代财经(天津财经大学学报) (11): 45−51.
    [32] 舒建玲, 卢海洋. 2008. 增加居民财产性收入的意义和措施. 马克思主义与现实 (3): 145−148.
    [33] 宋晓玲. 2017. 数字普惠金融缩小城乡收入差距的实证检验. 财经科学 (6): 14−25.
    [34] 粟麟, 何泽军, 杨伟明. 2022. 数字金融与县域经济发展: 影响机制与异质性研究. 财经论丛 (9): 59−68.
    [35] 汪莉, 马诗淇, 叶欣. 2021. 数字普惠金融对我国家庭金融资产配置的影响——基于CHFS数据的实证研究. 会计与经济研究(4): 93–109.
    [36] 魏昭, 宋全云. 2016. 互联网金融下家庭资产配置. 财经科学 (7): 52−60.
    [37] 吴雨, 李晓, 李洁, 周利. 2021. 数字金融发展与家庭金融资产组合有效性. 管理世界 (7): 92−104.
    [38] 谢绚丽, 沈艳, 张皓星, 郭峰. 2018. 数字金融能促进创业吗? ——来自中国的证据. 经济学(季刊) (4): 1557–1580.
    [39] 杨穗, 高琴, 赵小漫. 2021. 新时代中国社会政策变化对收入分配和贫困的影响. 改革 (10): 57−71.
    [40] 易行健, 周利. 2018. 数字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. 金融研究 (11): 47−67.
    [41] 尹志超, 岳鹏鹏, 陈悉榕. 2019. 金融市场参与、风险异质性与家庭幸福. 金融研究 (4): 168−187.
    [42] 袁文平. 2007. “让更多群众拥有财产性收入”的意义重大. 财经科学 (11): 1−3.
    [43] 张婕, 金宁, 张云. 2021. 科技金融投入、区域间经济联系与企业财务绩效——来自长三角G60科创走廊的实证分析. 上海财经大学学报 (3): 48−63.
    [44] 张金林, 董小凡, 李健. 2022. 数字金融能否推进共同富裕? ——基于微观家庭数据的经验研究. 财经研究 (7): 4−17.
    [45] 张勋, 万广华, 张佳佳, 何宗樾. 2019. 数字经济、普惠金融与包容性增长. 经济研究 (8): 71−86.
    [46] 张云, 杨凌霄, 张紫婷, 尹筑嘉. 2022a. 股权质押、融资约束与企业绿色技术创新. 华东师范大学学报(哲学社会科学版) (9): 175–187.
    [47] 张云, 刘芸, 章逸飞. 2022b. “房住不炒”政策的股市溢出效应——包含房产要素的动态均衡模型与资产定价研究. 系统工程理论与实践 (4): 865−878.
    [48] 张云, 方霞, 杨振宇. 2023. 数字金融、企业风险承担与技术创新. 系统工程理论与实践 (5): 1−24.
    [49] 赵人伟, 李实. 1997. 中国居民收入差距的扩大及其原因. 经济研究 (9): 19−28.
    [50] 周广肃, 梁琪. 2018. 互联网使用、市场摩擦与家庭风险金融资产投资. 金融研究 (1): 84−101.
    [51] 周利, 冯大威, 易行健. 2020. 数字金融与城乡收入差距: “数字红利”还是“数字鸿沟”. 经济学家 (5): 99−108.
    [52] 邹克, 倪青山. 2021. 普惠金融促进共同富裕: 理论、测度与实证. 金融经济学研究 (5): 48−62.
    [53] Allen, F., A. Demirguc-Kunt, L. Klapper, and M. S. M. Peria. 2016. The foundations of financial inclusion: Understanding ownership and use of formal accounts. Journal of financial Intermediation 27(7): 1−30.
    [54] Bogan, V. 2008. Stock market participation and the internet. Journal of Financial and Quantitative Analysis 43(1): 191−211. doi: 10.1017/S0022109000002799
    [55] Corrado, G., and L. Corrado. 2017. Inclusive finance for inclusive growth and development. Current Opinion in Environmental Sustainability 24(2): 19−23.
    [56] Dollar, D., and A. Kraay. 2002. Growth is good for the poor. Journal of Economic Growth 7(3): 195−225. doi: 10.1023/A:1020139631000
    [57] Friedline, T., S. Naraharisetti, and A. Weaver. 2020. Digital redlining: Poor rural communities’ access to fintech and implications for financial inclusion. Journal of Poverty 24(5): 517−541.
    [58] Gustafsson, B., and L. Shi. 2001. The anatomy of rising earnings inequality in urban China. Journal of Comparative Economics 29(1): 118−135. doi: 10.1006/jcec.2000.1700
    [59] Hadley, J., J. M. Mitchell, D. P. Sulmasy, and M. G. Bloche. 1999. Perceived financial incentives, HMO market penetration, and physicians’ practice styles and satisfaction. Health Services Research 34(1): 307−313.
    [60] Kapoor, A. 2014. Financial inclusion and the future of the Indian economy. Futures 56(2): 35−42.
    [61] Kim, D. W., J. S. Yu, and M. K. Hassan. 2018. Financial inclusion and economic growth in OIC countries. Research in International Business and Finance 43(1): 1−14.
    [62] Peng, X., H. Lu, J. Fu, and Z. Li. 2021. Does financial development promote the growth of property income of China’s urban and rural residents? Sustainability 13(5): 2849−2853. doi: 10.3390/su13052849
    [63] Rajan, R., and L. Zingales. 1998. Financial dependence and growth. The American Economic Review 88, 559−586..
    [64] Rooij, M. V., A. Lusardi, and R. Alessie. 2011. Financial literacy and stock market participation. Journal of Financial economics 101(2): 449–472
    [65] Showalter, M. H., and N. K. Thurston. 1997. Taxes and labor supply of high-income physicians. Journal of Public Economics 66(1): 73−97. doi: 10.1016/S0047-2727(97)00021-2
    [66] Thornton, J., and B. K. Eakin. 1997. The utility-maximizing self-employed physician. Journal of Human Resources 17(2): 98−128.
图(4) / 表(13)
计量
  • 文章访问数:  52
  • HTML全文浏览量:  41
  • PDF下载量:  284
  • 被引次数: 0
出版历程
  • 收稿日期:  2022-09-16
  • 网络出版日期:  2023-10-10
  • 刊出日期:  2023-07-25

目录

    数字金融、财产性收入与共同富裕

    基于地区和家庭层面的分析

      基金项目:  国家社会科学基金重点项目(22AZD030);浙江省科学技术厅软科学重点项目(2021C25004);浙江工商大学“数字+”学科建设重点项目 (SZJ2022B002)
      作者简介:

      方霞,博士,浙江工商大学金融学院教授,fangxia@zjgsu.edu.cn

      谭龙昕,浙江工商大学金融学院硕士研究生,13879067075@163.com

      陈思宇,浙江工商大学金融学院硕士研究生,soijyucan@163.com

      张云(通讯作者),博士,上海立信会计金融学院金融学院教授,zhacloud@163.com

    • 中图分类号: F832.1

    摘要: 数字金融以速度快、成本低、地域穿透力强等特性助力居民获得财产性收入,对实现共同富裕有促进作用。文章在阐述数字金融、财产性收入与共同富裕内在作用机制的基础上,基于2014−2020年中国省级面板数据和CHFS数据,分别构建地区层面和微观家庭层面共同富裕指数,实证检验数字金融助力实现共同富裕的作用机制及实际效果。结果发现:无论地区层面还是微观家庭层面数据均证实数字金融通过提高居民财产性收入驱动共同富裕;分维度看,数字金融可以显著提高地区层面共同富裕的“发展性”和“共享性”,数字金融发展对要素市场发育程度低的地区和中西部地区共同富裕的边际作用更大;从微观家庭层面看,数字金融发展可以显著增加微观家庭的财产性收入,助推共同富裕,且数字金融对低收入群体共同富裕的促进效果更为显著。因此,政府需加大数字金融实施力度,完善金融基础设施建设,提升居民金融素养,倡导居民进行财富管理,充分发挥数字金融的普惠作用。

    English Abstract

    方霞, 谭龙昕, 陈思宇, 张云. 2023. 数字金融、财产性收入与共同富裕——基于地区和家庭层面的分析. 会计与经济研究, 37(4): 112-133.
    引用本文: 方霞, 谭龙昕, 陈思宇, 张云. 2023. 数字金融、财产性收入与共同富裕——基于地区和家庭层面的分析. 会计与经济研究, 37(4): 112-133.
    Fang Xia, Tan Longxin, Chen Siyu, Zhang Yun. 2023. Digital Finance,Property Income and Common Prosperity: Based on Regional and Family Level Analysis. Accounting and Economic Research, 37(4): 112-133.
    Citation: Fang Xia, Tan Longxin, Chen Siyu, Zhang Yun. 2023. Digital Finance,Property Income and Common Prosperity: Based on Regional and Family Level Analysis. Accounting and Economic Research, 37(4): 112-133.
      • 党的二十大报告提出,到2035年“全体人民共同富裕取得更为明显的实质性进展”,这是党中央提出的又一个重要阶段性发展目标。近年来,信息技术发展迅速,数字经济正推动生产方式、生活方式和治理方式深刻变革,数字金融兼顾传统金融特质和数字技术特征,能提高金融产品和服务的可得性和便利性(郭峰等,2020)、提升收入水平(Allen等,2016黄倩等,2019张勋等,2019)以及增加居民财产性收入(袁文平,2007),有助于缩小收入差距(周利等,2020)。数字金融以速度更快、成本更低、地域穿透力强等特性让更多的人获取更加公平的金融服务,拓宽投融资渠道,优化资产配置效率,提升经济收益(何宗樾等,2020),可以为实现共同富裕提供新的动力和路径。因此,研究数字金融助力共同富裕的实现路径及政策优化具有重要意义。本文从地区层面和微观家庭层面分析数字金融影响共同富裕的作用机制及其影响效果;基于共同富裕的内涵,构建地区层面和微观家庭层面的共同富裕指数,并进行量化测度;实证检验数字金融助力实现共同富裕的财产性收入渠道,并测度数字金融总指数和各维度对共同富裕的影响效果。

      • 财产性收入是指家庭拥有的银行存款、有价证券等动产以及房屋、土地等不动产所获得的收入。宁光杰(2014)指出,对于低收入群体,金融市场制度的约束限制了其购房与投资,因而很难取得财产性收入。而数字金融的发展会显著提高居民的金融市场参与概率(Bogan,2008),增加家庭的证券收入进而提升其财产性收入。Friedline等(2020)的研究发现,数字金融的发展可以弥补农村地区银行分支机构减少的后果,以其普惠性为农村社区获得金融服务提供了平等机会。Peng等(2021)基于中国家庭面板研究的微观调查数据和省级层面的宏观面板数据进行研究,发现金融发展提高了居民财产性收入。

        数字金融有助于改变家庭的投资习惯,通过提高家庭的风险投资来提高财产性收入。互联网金融的发展使互联网理财走向居民家庭,而我国金融理财产品快速推进,促进了家庭参与互联网金融市场(魏昭和宋全云,2016)。互联网金融可以降低交易成本,缓解有限参与困境,拓宽了家庭投资渠道,同时增加了家庭投资时间和空间的便利性(周广肃和梁琪,2018吴雨等,2021)。整体上,数字普惠金融的发展可以显著提升家庭金融风险资产的持有比例(汪莉等,2021)。对于农村家庭来说,数字金融的影响更大。任碧云和姚博(2013)使用我国1993−2011年的农村数据,对农村金融如何影响财产性收入进行研究,发现农村金融发展可以提高农户财产性收入。数字金融的发展可以有效缓解农村金融排斥,数字金融在农村的发展可以使农户更好地了解并参与金融市场,并且使农户更有机会获得并享受更多的金融产品与服务(崔洛源和赵鲁南,2019陈宝珍和任金政,2020),进而提高农村家庭的财产性收入。

      • 增加低收入居民的财产性收入是实现共同富裕的有效途径。现有文献大都从财产性收入与居民收入差距的角度进行研究(赵人伟和李实,1997Gustafsson和Shi,2001)。财产性收入增加可以缩小收入差距,而非劳动收入的增加可以使居民的闲暇时间变多,劳动时间减少,因此其生活的满意度往往更高(Thornton和Eakin,1997Showalter 和 Thurston,1997Hadley等,1999)。越来越多的人拥有财产性收入,可以打破富者愈富的循环,进而落实共建共享,实现共同富裕(袁文平,2007舒建玲和卢海洋,2008姜晶和姚荣东,2009范从来,2017)。但也有学者认为提高财产性收入会使富者愈富,从而使居民收入差距进一步扩大。中国财产性收入集中率和居民财产性收入不断扩大(罗楚亮,2021),居民财产性收入的增长导致收入差距扩大(杨穗等,2021),存在“马太效应”(迟巍和蔡许许,2012)。

      • 共同富裕的实现主要包括两个方面:一是解决好贫困问题,让居民富起来;二是缩小收入差距,减少居民收入差距是共同富裕的本质要求之一(孔祥智和谢东东,2022)。数字金融对居民收入的促进作用,源于其金融属性,金融的发展有助于促进经济增长(Rajan 和 Zingales,1998Dollar 和 Kraay,2002)。而数字金融作为互联网与金融发展的产物,可以促进居民收入增长(Kapoor,2014Allen等,2016)。数字金融可以提高收入,尤其是农村居民的收入。一方面数字金融向农村地区释放了“数字红利”(陈丹和姚明明,2019刘丹等,2019何宜庆等,2020蒋凯,2021);另一方面数字金融通过助力农村居民的创业行为来提高家庭收入,促进了包容性增长(张勋等,2019)。数字金融的数字技术特征,有利于降低金融服务的门槛,进而缩小居民间收入差距(Corrado等,2017Kim等,2018)。黄倩等(2019)研究发现,数字金融可以缩小收入差距,主要是因为数字金融对收入较低的居民的消费提升更大。数字金融维度中的覆盖广度和使用深度提升可以缩小城乡收入差距(李牧辰等,2020)。数字金融具有速度更快、成本更低、地域穿透力强特征,更能体现金融产品的普惠性,因此,有学者用数字金融度量普惠金融的指标,得出普惠金融通过包容增长、创新效应、创业效应促进收入子系统与平等子系统协调统一,进而促进共同富裕的实现的结论(邹克和倪青山,2021)。

      • 国内外关于数字金融发展、财产性收入以及收入差距相关研究成果较为丰富,这些研究为促进居民财产性收入增长、缩小贫富差距提供了有价值的建议,彰显了数字金融对共同富裕影响研究的重要意义,也为本文研究数字金融、财产性收入与共同富裕之间的作用机制提供了逻辑起点。共同富裕评价需要一个综合性指标体系且存在内涵阐释过程,而数字金融对共同富裕作用机制的直接研究较少,其作用的内在机理有待深入研究并进行实证效果检验。本文在已有研究基础上尝试从中国社会经济的现实背景出发,基于财产性收入视角探索数字金融助力共同富裕的作用机制及实际效果,主要边际贡献在于:

        第一,尝试从地区层面和家庭微观层面分别构建共同富裕综合指标体系(包含总指数和分类维度指数),实现宏微观视角对共同富裕评价的定量测度与结果对比,有助于提升对共同富裕的内涵阐释及理解,丰富了共同富裕概念界定和评估测度方法。

        第二,分析数字金融助力共同富裕的作用渠道,从机制解析和实证检验视角论证了财产性收入对于数字金融影响共同富裕的作用路径,扩充了金融发展在数字化转型背景下作用于共同富裕的新模式,拓展了财产性收入影响共同富裕研究边界。

        第三,探究数字金融助推共同富裕的异质性特征,从要素市场发育程度和区域差异角度分析数字金融不同影响效应,有助于认识数字金融促进共同富裕的异质性作用机制,为政策制定提供更为精确的参考依据。

      • 共同富裕不仅仅是物质上的富裕,要从“创富”和“共享”两个维度来实现(李实,2021)。从“创富”角度来看,首先从宏观角度分析,数字金融作为金融与科技的结合,能高效率、低成本地配合货币和财政政策,强化对金融活动和总体经济的影响,推进我国共同富裕进程。数字金融不受制于传统金融所面临的物理约束和信息不对称,其在缓解金融排斥、提高金融服务可得性和便利性等方面都有积极作用(姜松和周鑫悦,2021),能更大程度发挥普惠金融的优势,促进经济增长(李建军等,2020),进而促进共同富裕(刘心怡等,2022)。数字金融通过激发企业创新动力来实现企业增收,合理利用科技金融工具可以促进企业财务绩效发展,并且可以提高科技型企业研发投入强度(张婕等,2021)。数字金融的发展还可以缓解企业面临的融资约束,进而推进企业创新(张云等,2022a),特别是一些中小微企业可以借助数字金融工具来缓解融资约束问题,促进创业(谢绚丽等,2018),从而助力共同富裕(韩亮亮等,2022)。其次,从微观家庭的角度进行分析,数字金融的发展可以通过多种途径使得家庭创收。例如数字金融的发展推进了支付方式的演变,形成了以移动支付等非现金支付方式为主要特点的新型支付手段,这影响了居民的消费习惯与行为,促进了居民消费增长。数字金融还可以缓解居民流动性约束,增加消费,且对农村等金融发展落后地区边际作用更大(易行健和周利,2018)。除此以外,数字金融通过弥补传统金融的不足,使不发达地区的居民享受便捷的金融服务,从一定程度上促进了不发达地区居民的创业活跃度,进而推动居民收入增长。

        从“共享”角度来看,数字金融兼顾金融属性和数字技术优势,能解决传统金融中产品普惠性不足、信息不对称和融资约束等问题,提高社会经济效益的同时促进金融资源的共享。从微观角度看,数字金融也可以有效发挥减贫作用。传统金融的门槛较高,低收入家庭的金融需求无法得到满足,但数字金融突破空间和时间的限制,可以在偏远地区开展金融业务,为农村家庭提供快捷、便利的小额贷款,缓解了农村群体的信贷约束,能有效缓解金融排斥问题(宋晓玲,2017李秀珍等,2022),一定程度上体现了资源配置的公平性,缩小城乡居民收入差距。综上所述,数字金融可以通过“创富”和“共享”两个角度从宏观与微观两个方面推动共同富裕。因此,本文提出以下假设:

        假设1:数字金融的发展可以助推共同富裕。

        我国实现共同富裕的最大难点在于解决财富积累不等、财富差距大问题。目前,中国经济转向高质量发展,一方面居民收入增速放缓,另一方面随着“房住不炒”的政策推广,投机者的决策行为更加合理,金融市场趋于稳定(张云等,2022b张云等,2023)。如何提升低收入人群收入,扩大中等收入人群比例,成为共同富裕最需解决的难题。但是农村地区金融发展落后,传统的普惠金融政策在农村地区无法全面铺开,数字金融的优势弥补了这些缺点。首先,数字金融的服务范围更加广泛,填补了农村以及贫困地区传统普惠金融服务的空白,拓宽了居民金融市场参与的渠道,使得第三方支付成为家庭的重要理财渠道(郭峰等,2020)。相较于活期存款,余额宝等理财产品利率更高,且流通性与现金相同,因此居民持有现金的动机减少,持有余额宝等有利息的互联网产品的动机增强,互联网金融的理财板块使得许多居民开始配置金融资产,增强家庭的金融市场参与度,丰富了家庭财产性收入的途径,进而增加居民的财产性收入(Rooij等,2011),会显著提高家庭幸福的可能性(尹志超等,2019)。其次,数字金融会提高居民家庭对金融的感知(胡伦和陆迁,2019),贫困群体可以通过数字金融了解金融知识(刘魏,2021),一定程度上解决了贫困地区人力资本深化的信贷壁垒,让一些愿意提升自身综合素质的低收入群体获得机会,使其金融素养得到提升,而金融素养的提升有利于家庭财富积累(胡振和苏日乐,2019),获得财产性收入。而财产性收入是当前我国提升低收入群体消费、扩大内需的重要力量,也是新的收入增长点,有利于提升社会发展程度与富裕程度,同时,收入的提升使低收入群体有更多机会获得医疗资源、受教育的机会等,一定程度上促进了社会共享。数字金融可以拓宽居民金融市场参与渠道,提高居民财产性收入,实现家庭财富积累,扩大内需与实现社会共享,最终推动共同富裕。因此,本文提出以下假设:

        假设2:数字金融可以通过提高居民财产性收入促进共同富裕。

        从地区层面看,现阶段数字金融发展不平衡、不充分的情况比较突出,地区层面的政策支持、业务模式及金融基础设施建设、数字基础设施建设水平均存在较大差异,进而影响数字金融的服务效能,对包容性增长的影响存在显著的区域异质性(傅利福等,2021)。共同富裕是一个综合性目标,面临着宏观经济、市场环境、政策环境、人才、资金等多种因素带来的不确定性。李义超和李晓涛(2021)研究表明,在要素市场化程度较低的区域,资金和人才的供给处于低水平,数字金融带来的要素改善对处于要素供给较差地区的小微企业具有更强的边际提升作用。同时,在中西部较为落后的地区,金融市场化水平和人才水平处于低水平状态,经济发展水平较低,数字金融对其提升的边际效应更大(粟麟等,2022)。数字金融的发展为这些地区拓宽了融资渠道、促进了企业创新,带来了优异的人才资源,进而带来地区整体经济增长,创富效应、共享效应也更加明显。从微观层面看,传统金融对低收入群体来说,可能会存在一些“金融壁垒”,一些低收入人群由于其金融知识水平较低,无法获得相应的金融产品。作为普惠金融的重要载体,数字金融突破了这一局限,大大提升了渗透性、使用效用性和可负担性。随着脱贫攻坚战的胜利,数字金融设施逐渐完备,农村的网络扶贫行动取得显著进展。至2020年末,电信部门开通了超过13万个行政村的光纤网络,打通了贫困地区通信的 “最后一公里”,至2020年11月,贫困村通光纤比例和深度贫困地区贫困村通宽带比例均达到98%,电子商务实现了对832个贫困县的全覆盖 1 。因此,低收入群体从数字金融当中可以更好地利用数字普惠金融。另外中国通过推动数字金融的健康发展,充分发挥溢出效应,缩小了数字鸿沟,也为低收入居民拓宽了融资渠道,使得当地居民的收入边际增长更快,创富效应、共享效应也更加明显。因此,本文提出如下假设:

        假设3:数字金融助力共同富裕实现的促进作用受到经济基础及要素市场发育程度的影响,存在区域异质性。

        假设4:相比于较高收入的家庭来说,低收入家庭能够在数字金融助力共同富裕的实现中享受到更加明显的促进作用。

      • 为研究数字金融变动如何影响共同富裕水平,本文参考邹克和倪青山(2021)的研究思路,构建数字金融影响地区共同富裕的计量模型如下:

        $$ \begin{array}{c}{{l}{n}Compro}_{i,t}={\beta }_{0}+{\beta }_{1}{lnDig}_{i,t-1}+{\beta }_{2}{Controls}_{i,t}+{\theta }_{i}+{\delta }_{t}+{\mu }_{i,t}\end{array} $$ (1)

        式(1)中, $ i $ $ t $ 分别表示省份与时间, ${Compro}_{i,t}$ 表示共同富裕指数, $ {Dig}_{i,t-1} $ 表示数字金融指数,考虑到数字金融对共同富裕影响可能会产生时滞效应,本文采用滞后一期的数字金融指数。 ${Controls}_{i,t}$ 表示地区层面控制变量合集。另外本文还控制了个体固定效应 $ {\theta }_{i} $ 与时间固定效应 $ {\delta }_{t} $ ${\mu }_{i,t}$ 代表随机误差项。

        为了进一步探究财产性收入在其中发挥的作用,本文参照江艇(2022)的研究,构建中介效应模型进行识别,模型如下:

        $$ \begin{array}{c} ln{ComPro}_{i,t}={\beta }_{0}+{\beta }_{1} ln{Dig}_{i,t-1}+{\beta }_{2}{Controls}_{i,t}+{\theta }_{i}+{\delta }_{t}+{\mu }_{i,t}\end{array} $$ (2)
        $$ \begin{array}{c}{Median}_{i,t}={\alpha }_{0}+{\alpha }_{1}ln{Dig}_{i,t-1}+{\alpha }_{2}{Controls}_{i,t}+{\theta }_{i}+{\delta }_{t}+{\mu }_{i,t}\end{array} $$ (3)

        其中, ${Median}_{i,t}$ 表示中介变量,本文设定为财产性收入,以居民可支配收入中的财产净收入来表示,其他变量与上文含义相同。

      • 习近平总书记在中央财经委员会第十次会议上指出,“共同富裕是全体人民共同富裕,是人民群众物质生活和精神生活都富裕 2 ”。共同富裕不只包括居民收入与贫富差距,而是一个综合概念。本文参考陈丽君等(2021)的做法,从发展性、可持续性、共享性三个维度构建地区层面共同富裕指标,具体指标如表1所示。

        表 1  地区层面共同富裕指标

        一级指标 二级指标 具体指标 指标性质
        发展性 富裕度 居民人均可支配收入(元) +
        居民人均消费支出(元) +
        人均社会消费品零售总额(元) +
        恩格尔系数
        共同度 城乡居民收入倍差
        常住人口城镇化率(%) +
        共享性 医疗 单位人口医疗卫生机构床位数(人) +
        每万人拥有执业助理医生数(人) +
        精神富裕 劳动年龄人口平均受教育年限(年) +
        教育文化和娱乐支出(元) +
        人均拥有公共图书馆藏量(册) +
        社会保障 养老保险领取人数占比(%) +
        民生性支出占一般公共预算支出之比(%) +
        公共基础设施 每万人公共交通车辆(台) +
        每万人拥有公厕数(座) +
        城镇污水日处理能力 +
        城市道路面积率(%) +
        数字应用 移动电话普及率(%) +
        互联网普及率 +
        可持续性 发展质量 人均GDP增长率(%) +
        全社会劳动生产率(%) +
        失业率(%)
        生态环境 PM2.5浓度
        森林覆盖率(%) +
        科技创新 规模以上企业R&D经费支出占生产总值比重(%) +
        每万人专利授权数 +

        不同的指标其量纲不同,不具有可比性,因此本文先对各个指标进行无量纲化处理。共同富裕的指标有两类,一类是正向指标,另一类是负向指标。对于指标性质为正向的,本文采用正向化处理,如式(4)所示;而对于指标性质为负向的,本文采用逆向化处理,如式(5)所示,进行无量纲化处理后,数据属于区间[0,1]。

        $$ \begin{array}{c}{X}_{i}^{*}=\left({X}_{i}-Min\right)\left/ \left(Max-Min\right)\right.\end{array} $$ (4)
        $$ \begin{array}{c}{X}_{j}^{*}=\left({Max-X}_{j}\right)\left/ \left(Max-Min\right)\right.\end{array} $$ (5)

        接着,要对各个指标赋予权重,本文采用熵值法确立权重。熵值法避免了赋值法的主观性,主要借助信息熵概念将指标蕴含的信息量化,通过指标相对变化程度对整体系统的影响来确定每个指标权重,具体计算过程如下:

        首先,计算各项指标的熵值:

        $$ \begin{array}{c}{e}_{i}=-\displaystyle\frac{1}{\mathrm{ln}\left(n\right)}\sum _{i=1}^{n}{p}_{i}\mathrm{ln}{p}_{i}\end{array} $$ (6)
        $$ \begin{array}{c}{p}_{i}={X}_{i}^{*}/ {\sum }_{1}^{n}{X}_{i}^{*}\end{array} $$ (7)

        然后得到各个指标的权重:

        $$ \begin{array}{c}{W}_{i}=\left(1-{e}_{i}\right)/ {\sum }_{i}^{n}{(1-e}_{i})\end{array} $$ (8)

        最后根据权重得到最终的共同富裕指数:

        $$ \begin{array}{c}Compro=\displaystyle\sum _{i=1}^{n}{W}_{i}{X}_{i}^{*}\end{array} $$ (9)

        除了共同富裕总指数外,本文还按照相同的方法构建三个子维度的指标。

        基于上文构建的地区层面共同富裕指标体系和综合评价方法,得出各省份的 2014−2020年共同富裕的测算结果。图1绘制了 31个省2014−2020 年共同富裕指数均值的演进趋势。总体来看,我国共同富裕水平总体呈现不断提高的态势,共同富裕指数的均值由2014年的0.274上升到2020年的0.430,说明中国近年来实施的精准扶贫、乡村振兴等政策已有成效。在人民生活水平提高的同时,国家的教育公平、医疗公平等正在逐步实现,共同富裕指数上升。

        图  1  2014−2020 年地区层面共同富裕指数均值

        但是,我国还存在区域发展不平衡问题,图2汇报了共同富裕指数2014年、2020年的区域分布。由图可知,我国共同富裕地区差异较为显著,东部地区如上海、浙江共同富裕水平较高,而西部共同富裕水平较低。但是西部地区的共同富裕水平的增加速度要优于东部地区。以排在末位的青海、西藏为例,2014年至 2020年,其共同富裕指数分别上升了64%和103%。相比而言,上海、北京、浙江的上升幅度都在45%左右,这表明国家在中西部地区的政策倾斜及消除贫困等措施都为实现共同富裕目标提供了重要条件。

        图  2  地区层面共同富裕指数2014年、2020年的区域分布

      • 本文参考张金林等(2022)的做法,将微观层面的共同富裕分为基础层级(物质富裕)、提升层级(精神富裕)两个维度作为微观层面共同富裕的指标,并运用熵值法对其赋权重,构建微观层面共同富裕指数。具体指标见表2

        表 2  微观家庭层面共同富裕指标

        一级指标 二级指标 三级指标 指标性质
        物质富裕 收入    人均收入         +
        财富    家庭总资产        +
        消费    人均消费         +
        生存消费占比      
        精神富裕 健康    成员健康         +
        人均医疗资源        +
        社会保障  家庭成员养老保险覆盖程度 +
        家庭成员医疗保险覆盖程度 +
        教育    家庭成员受教育程度    +
        文化    文娱教育支出占比     +
        主观幸福感        +

        物质财富层面,本文将物质富裕划分为收入、财富与消费三个维度。财富采用家庭总资产,消费分为人均消费与生存性消费占比。

        精神富裕层面,本文的精神富裕指标包括健康、社会保障、教育与文化四个维度。健康涵盖家庭成员健康状况以及所拥有医疗资源情况,社会保障指标采用家庭成员养老保险和医疗保险的覆盖度,教育采用家庭成员具有高中及以上学历占比来衡量,文化涵盖教育文娱支出与主观幸福感。

      • 本文使用郭峰等(2020)编制的中国数字金融指数来衡量数字金融的程度,指数由北京大学数字金融研究中心和蚂蚁金服集团共同编制,具体计算过程参照郭峰等(2020)。目前,已有文献针对数字金融在中国的发展做了大量研究,数字金融在中国已经发展了近十年,中国数字金融发展迅速,数字金融水平整体呈提升趋势。就均值而言,全国数字金融指数从 2014 年的 180上升到 2020 年的 341(图3)。各省的指数也均有较大幅度的增长,表明中国的数字金融经历了快速发展;但地区和省际间差异比较明显,东部发展程度最高,中部次之,西部最低;从近几年的增长速度来看,西部和中部的发展明显加快,地区间的差距缩小(图4),说明数字金融的发展具有普惠性。

        图  3  数字金融指数均值

        图  4  数字金融指数2014年、2020年的区域分布

      • 财产性收入一是宏观地区整体的财产性收入水平,本文采用《中国统计年鉴》中居民可支配收入的财产净收入来衡量居民家庭层面财产性收入的变化;二是微观家庭层面个体家庭的财产性收入水平,采用中国家庭金融调查(CHFS)数据库中家庭财产性收入指标 3

      • 经济开放程度,以进出口总额占GDP比重来表示;政府干预程度,以财政支出占GDP比重来表示;资本生产率,以GDP与全社会固定资产投资比值来表示;金融结构,以年末金融机构人民币存贷款余额比来表示;产业结构,以第三产业增加值占GDP比重来表示。微观家庭方面的控制变量有户主性别,如果户主性别为男,则取1,若为女,则取0;户主年龄,调查年份减去户主出生日期;户主政治面貌,如果户主为党员则为1,否则为0;婚姻状况,如果户主有配偶则为1,否则为0;户主健康程度,如果户主身体健康则为1,否则为0;户主受教育程度,户主的教育年限,其中上过学=0,小学=6,初中=9,普通高中、职业高中、技校、中专=12,大专=15,本科=16,硕士=19,博士=22;户主是否有工作,如果户主有工作则为1,否则为0。变量名称及其定义见表3

        表 3  变量及定义

        变量 符号 定义
        地区层面共同富裕 $ Compro $1 按发展性、共享性与可持续性维度构建
        微观层面共同富裕 $ Compro $2 基础层级(物质富裕)以及提升层级(精神富裕)
        数字金融 $ Dig $ 北京大学数字普惠金融指数(2011−2020)中的总指数
        数字金融广度 $ Dig\_breath $ 北京大学数字普惠金融指数(2011−2020)中的数字金融覆盖广度
        数字金融深度 $ Dig\_depth $ 北京大学数字普惠金融指数(2011−2020)中的数字金融使用深度
        数字金融数字化水平 $ Dig\_digi $ 北京大学数字普惠金融指数(2011−2020)中的数字金融数字化程度
        地区层面财产性收入 $ Proincome $1 地区居民财产性净收入
        微观家庭财产性收入 $ Proincome $2 家庭财产性收入
        经济开放水平 $ Open $ 进出口总额占GDP比重
        政府干预 $ Govint $ 财政支出占GDP比重
        资本生产率 $ Capital $ GDP与全社会固定资产投资比值
        金融结构 $ Fin $ 年末金融机构人民币存贷款余额比
        产业结构 $ Stru $ 第三产业增加值占GDP比重
        户主性别 $ Gender $ 户主性别为男则取1,为女则取0
        户主年龄 $ Age $ 户主的年龄
        户主政治面貌 $ Politics $ 户主政治面貌,党员为1,其他为0
        户主婚姻状况 $ Marriage $ 户主有配偶则为1,否则为0
        户主健康水平 $ Healthy $ 户主健康则为1,否则为0
        户主教育年限 $ Education $ 户主的教育年限
        户主是否有工作 $ Work $ 户主有工作则为1,否则为0
      • 本文的数据来源主要有三个:一是北京大学数字金融研究中心编制的《北京大学数字普惠金融指数 2011−2020》;二是《中国统计年鉴》以及各省份统计年鉴,研究对象为我国31个省/自治区/直辖市,我国统计年鉴在2014年及之后不再统计财产性收入,改为财产净收入,因此本文选取时间区间为2014−2020年,对于部分缺失的指标本文采用线性插补进行补充。三是西南财经大学中国家庭金融调查与研究中心组织管理的“中国家庭金融调查”项目(CHFS),该调查涵盖除新疆、西藏以及港澳台地区以外的29个省/自治区/直辖市,问卷内容涉及家庭成员的人口与就业、资产负债、消费收入、教育社保等信息,对于个体层面具有一定代表性与准确性(路晓蒙等,2017)。除了CHFS外,其他数据均来自国家统计局。考虑到数据的代表性与可得性,本文在CHFS问卷中选用2015、2017与2019年的三轮连续追访家庭数据进行测度。由于微观个体间差异较大,本文在构建指数之前对所有变量进行了1%水平的缩尾。主要变量的描述性统计见表4

        表 4  变量描述性统计

        变量 均值 标准差 最小值 最大值
        省级层面共同富裕 0.347 0.137 0.102 0.742
        发展性 0.079 0.034 0.010 0.197
        共享性 0.158 0.056 0.068 0.316
        可持续性 0.109 0.056 0.022 0.299
        微观共同富裕 0.229 0.110 0.017 0.883
        物质富裕 0.059 0.052 0.001 0.465
        精神富裕 0.170 0.081 0.004 0.517
        数字金融 252.833 68.760 115.100 431.928
        数字金融覆盖广度 252.833 68.760 115.100 431.928
        数字金融使用深度 231.499 72.456 74.090 397.002
        数字金融数字化水平 243.472 79.496 107.290 488.683
        各省居民财产性收入 7.367 0.671 6.012 9.375
        微观居民财产性收入 3.360 3.328 0.000 14.981
        经济开放水平 0.256 0.264 0.008 1.251
        政府干预 0.299 0.209 0.119 1.354
        资本生产率 3.287 22.351 0.211 251.430
        产业结构 0.507 0.084 0.347 0.839
        金融结构 0.840 0.210 0.430 2.231
        户主性别 0.792 0.406 0.000 1.000
        户主年龄 55.193 12.969 17.000 99.000
        户主政治面貌 0.137 0.344 0.000 1.000
        户主婚姻状况 0.868 0.338 0.000 1.000
        户主健康水平 0.786 0.410 0.000 1.000
        户主教育年限 8.540 3.920 0.000 22.000
        户主是否有工作 0.446 0.497 0.000 1.000
      • 首先,本文对地区层面进行回归,表5绘制了回归结果。列(1)为不加入任何控制变量的结果,回归结果显示,数字金融发展程度对地区共同富裕总指数存在明显的正效应,且在1%的水平上显著;加入控制变量后的回归结果如列(2)所示,数字金融系数为0.549,且在1%的水平上显著。该结果表明,数字金融水平的提高会显著促进地区共同富裕,这验证了本文假设1。随着数字金融水平的提高,居民投资理财的渠道变多,居民与企业的融资约束得到缓解,消费与投资增加进而推动经济增长,实现“创富”。另外,数字金融可以有效发挥减贫作用,缓解金融排斥,打破传统的金融壁垒,通过提高普惠性而实现“共享”,最终推动地区共同富裕。

        表 5  基于地区层面的数字金融影响共同富裕总指数的回归结果

        变量 (1)
        共同富裕
        (2)
        共同富裕
        (3)
        共同富裕
        (4)
        共同富裕
        (5)
        共同富裕
        数字金融 0.633*** 0.549***
        (4.783) (3.707)
        数字金融覆盖广度 0.422***
        (3.78)
        数字金融使用深度 0.195**
        (2.621)
        数字金融数字化水平 −0.020
        (−0.218)
        经济开放水平 0.066 0.041 0.122** 0.145***
        (1.033) (0.568) (2.339) (3.058)
        政府干预 −0.612 −0.704* −0.661 −0.689*
        (−1.559) (−1.925) (−1.669) (−1.727)
        资本生产率 −0.000 −0.000* −0.000 −0.000
        (−1.256) (−1.791) (−0.78) (−0.363)
        产业结构 −0.014 0.117 −0.031 −0.216
        (−0.034) (0.304) (−0.06) (−0.389)
        金融结构 −0.028** −0.012 −0.021 −0.011
        (−2.150) (−0.822) (−1.405) (−0.674)
        常数项 −4.547*** −3.941*** −3.226*** −2.173*** −0.987*
        (−6.834) (−5.011) (−5.496) (−4.892) (−1.830)
        观测值 217 217 217 217 217
        R2 0.935 0.941 0.944 0.935 0.932
        省份固定效应
        年份固定效应
        注:括号内为稳健的t值,***表示p<0.01,**表示p<0.05,*表示p<0.1,下同。

        表5列(3)−(5)分别表示三个维度的数字金融对地区共同富裕的影响。列(3)显示了覆盖广度对地区共同富裕的回归结果,表明数字金融覆盖越广,地区共同富裕程度越高。可以理解,在一个地区数字金融覆盖的范围越大,就会有更多的居民接触数字金融,进而推动实现地区共同富裕;列(4)为使用深度对地区共同富裕的回归结果,使用深度的系数为0.195,且在1%的水平上显著,表明数字金融的使用深度增加也会促进地区共同富裕,但覆盖广度的作用效果更加明显。列(5)为数字化水平对地区共同富裕的回归结果,数字化水平前的系数为负,但是并不显著,该结果表明,数字化水平提高并不会显著提高地区共同富裕程度。

        其次,本文从微观角度探查数字金融对共同富裕的影响,实证回归结果如表6所示,列(1)回归结果表明数字金融发展对微观家庭层面的共同富裕存在明显的正效应,列(2)−(4)为数字金融三个维度对微观家庭共同富裕的影响,由回归结果可知,微观层面的回归结果与宏观方面结果类似,数字金融的覆盖广度以及使用深度的提高,可以促进微观家庭的共同富裕,而数字金融数字化水平对微观家庭共同富裕没有显著的影响。可能的原因在于,尽管在数字化程度方面,成本和便利性是影响用户使用数字金融服务的主要因素,体现了数字普惠金融低门槛优势,增加了居民金融服务可得性,但是数字金融产品的借贷成本依然较高,因此,数字金融对微观家庭共同富裕促进作用有限。

        表 6  基于微观家庭层面的数字金融影响共同富裕总指数的回归结果

        变量 (1)
        共同富裕
        (2)
        共同富裕
        (3)
        共同富裕
        (4)
        共同富裕
        数字金融 0.717***
        (7.127)
        数字金融覆盖广度 0.498***
        (8.021)
        数字金融使用深度 0.233***
        (4.767)
        数字金融数字化水平 −0.048
        (−1.314)
        性别 0.013* 0.012 0.012 0.012
        (1.699) (1.574) (1.640) (1.585)
        年龄 −0.001** −0.001** −0.001** −0.001**
        (−2.274) (−2.149) (−2.400) (−2.507)
        政治面貌 −0.008 −0.008 −0.007 −0.007
        (−1.004) (−1.002) (−0.871) (−0.828)
        婚姻状况 0.053*** 0.053*** 0.052*** 0.052***
        (4.359) (4.391) (4.308) (4.302)
        健康程度 0.092*** 0.092*** 0.091*** 0.091***
        (13.114) (13.200) (13.043) (13.007)
        受教育程度 0.014*** 0.014*** 0.014*** 0.014***
        (10.843) (10.947) (10.792) (10.793)
        工作情况 −0.007 −0.005 −0.009 −0.009
        (−1.213) (−0.812) (−1.433) (−1.434)
        常数项 −5.591*** −4.447*** −3.031*** −1.592***
        (−10.649) (−13.689) (−12.224) (−7.841)
        样本量 34653 34653 34653 34653
        R2 0.071 0.071 0.069 0.069
        家庭固定效应
        年份固定效应

        通过宏观和微观的结果对比可以看出,无论是宏观省级层面还是微观家庭层面,数字金融水平的提高可以促进共同富裕。本文认为,省级层面的共同富裕与微观家庭层面的共同富裕息息相关。家庭共同富裕程度很大程度上决定了地区共同富裕水平,而通过宏观与微观的实证结果,证明了数字金融总体上具有普惠性质,能够促进微观家庭层面的共同富裕,微观数据进一步验证了宏观分析结论。本文认为,数字金融促进宏观层面共同富裕的直接原因在于其在微观层面促进了家庭共同富裕。

      • 首先,本文将地区共同富裕指标分解为发展性指标、共享性指标以及可持续性指标三个维度,表7列(1)−(3)分别表示数字金融对这三个子维度的回归结果,数字金融的发展能够显著促进共同富裕的发展性维度和共享性维度,对可持续性维度的影响则不显著。本文认为,可持续发展首先是要发展,基础也在于发展,只有先实现社会总体发展和社会共享,才能最终实现可持续发展的目标。所以共同富裕可能存在从“发展”到“共享”,再到“可持续”的推进过程,地区只有在实现“发展”和“共享”之后,才能对代表经济发展、财政支出、社会环境和生态环境的长远发展潜力的可持续性层面产生效应。其次,本文在微观层面将共同富裕指标分解为物质富裕和精神富裕两个维度,列(4)−(5)显示,数字金融对这两个子维度均产生了促进作用。从物质富裕层面来说,数字金融能够发挥其减贫作用,提高居民收入水平、消费能力,有利于家庭财富的积累。而从精神富裕层面来说,在实现脱贫以后,人们不用为温饱问题发愁,数字金融能缓解生活压力、给人民生活带来更多的便利性和舒适性,极大地提高居民的主观幸福感。同时,数字金融缓解融资约束,使办学效率和质量得到提升,越来越多的居民能够获得受教育的机会,社会公平得到体现。数字金融的发展也促进了消费升级,居民从发展型消费升级成享受型消费,即文娱支出等消费,让居民享受到共同富裕的成果,提升精神富裕水平。

        表 7  数字金融影响共同富裕子维度的回归结果

        变量 宏观 微观
        (1)
        发展性
        (2)
        共享性
        (3)
        可持续性
        (4)
        物质富裕
        (5)
        精神富裕
        数字金融 1.931*** 0.446** −0.110 0.235* 1.034***
        (4.943) (2.691) (−0.577) (1.702) (8.273)
        经济开放水平 0.133 0.206*** −0.170
        (1.413) (3.996) (−1.326)
        政府干预 0.071 −0.848** −0.539
        (0.096) (−2.252) (−0.974)
        资本生产率 −0.001*** −0.000** 0.001***
        (−3.172) (−2.129) (3.424)
        产业结构 −2.319* 0.749* 0.147
        (−2.009) (1.936) (0.271)
        金融结构 −0.036 −0.060** 0.007
        (−1.175) (−2.704) (0.167)
        性别 0.041*** 0.007
        (4.086) (0.707)
        年龄 −0.002*** −0.001
        (−3.559) (−1.526)
        政治面貌 −0.049*** 0.003
        (−4.047) (0.348)
        婚姻状况 0.054*** 0.062***
        (3.269) (4.123)
        健康程度 −0.016* 0.129***
        (−1.671) (14.694)
        受教育程度 0.007*** 0.017***
        (3.920) (10.365)
        工作情况 0.014* −0.024***
        (1.666) (−3.280)
        常数项 −11.637*** −4.486*** −1.826* −4.505*** −7.578***
        (−6.541) (−5.080) (−1.710) (−6.253) (−11.610)
        样本量 217 217 217 34653 34653
        R2 0.903 0.914 0.819 0.138 0.063
        控制变量
        省份/家庭固定效应
        年份固定效应
      • 由于中国各省份之间数字金融发展存在差异,尤其是4个直辖市的数字金融发展位居前列,这可能导致数字金融发展的增长效应不一致。同时,我国不同地区共同富裕的发展程度、政策支持力度等都存在明显的区域差异,差异过大导致的极端值会对回归结果产生影响,本文剔除北京、上海、天津和重庆4个直辖市的样本数据重新检验,回归结果如表8所示,主要解释变量的显著性水平和参数估计值未发生显著变化,证明前述基础回归结果是稳健的。

        表 8  稳健性检验

        变量 (1)
        地区层面
        共同富裕
        (2)
        微观家庭层面
        共同富裕
        数字金融 0.575*** 0.835***
        (3.165) (7.778)
        常数项 −4.154*** −6.211***
        (−4.379) (−11.142)
        样本量 189 29543
        R2 0.947 0.069
        控制变量
        省份/家庭固定效应
        年份固定效应
      • 尽管本文采用滞后一期的数字金融,但考虑到可能存在的内生性问题,为了保证回归的可信度,本文进一步使用工具变量法来缓解内生性问题。参照傅利福等(2021)的做法,本文采用互联网接入数作为数字金融指数的工具变量进行2SLS估计,回归结果如表9所示。结果表明,无论是地区层面还是微观层面,数字金融的发展对地区共同富裕的促进作用依然显著,与基准回归没有明显差别,证明了本文的估计结果是稳健的。

        表 9  内生性检验

        变量 地区层面 微观层面
        第一阶段回归
        数字金融
        第二阶段回归
        共同富裕
        第一阶段回归
        数字金融
        第二阶段回归
        共同富裕
        数字金融 2.127*** 2.820***
        (4.012) (5.804)
        互联网接入数 0.098*** 0.480***
        (3.573) (24.847)
        常数项 4.53*** −12.13*** 4.89*** −16.534***
        (25.474) (−3.059) (373.503) (−6.533)
        观测值 217 217 34653 34653
        R2 0.869 0.869 0.046 0.051
        控制变量
        省份/家庭固定效应
        年份固定效应
      • 本文的机制检验参考江艇(2022)提出的仅分析家庭数字经济指数对中介变量影响的方法 4 。分析表明,数字金融凭借其普惠性,为居民拓宽了投资理财的渠道,这必定会增加居民财产性收入进而为共同富裕提供条件。因此,为检验数字金融影响共同富裕的财产性收入机制,本文建立中介效应模型进行回归。表10结果表明,无论是宏观地区层面还是微观家庭层面,数字金融的发展均能显著提升居民的财产性收入,从而助力共同富裕的实现。从宏观层面来说,数字金融可以缓解现有金融体系中的资源分配不均和门槛问题,通过更加合理的资源配置满足不同地区居民的金融需求,助力其财产性收入提升,进而实现共同富裕;从微观层面来说,数字金融能够拓宽家庭参与金融市场的渠道,帮助家庭实现风险资产配置,促进物质富裕,也有助于家庭获得幸福感,提高精神富裕程度,最终推动社会共享,实现全体人民共同富裕。

        表 10  数字金融、地区层面财产性收入的机制检验

        变量 宏观 微观
        (1)
        共同富裕
        (2)
        财产性收入
        (3)
        共同富裕
        (4)
        财产性收入
        数字金融 0.549*** 0.805** 0.717*** 1.253*
        (3.707) (2.367) (7.127) (1.774)
        常数项 −3.941*** 3.781** −5.591*** −3.526
        (−5.011) (2.403) (−10.649) (−0.959)
        样本量 217 217 34653 34653
        R2 0.941 0.846 0.071 0.012
        控制变量
        省份/家庭固定效应
        年份固定效应
      • 数字金融的发展不平衡、不充分的情况比较突出,地区层面的政策支持、业务模式及金融基础设施建设均存在较大差异。为了对比数字金融对地区共同富裕的激励作用,本文根据樊纲等编制的中国分省份市场化指数,将研究样本以要素市场发育程度指数为标准进行分组研究,要素市场发育程度指数综合测算了金融市场化、人力资源供应的建设水平以及技术成果市场化程度。

        实证结果如表11所示,无论是在要素发育程度较高的地区还是要素发育程度较低的地区,数字金融对地区共同富裕的影响均为正,但数字金融对要素发育程度较低的地区共同富裕的边际作用更大,主要是因为在要素市场发育较差的地区,金融市场化水平和人才水平处于低水平状态,数字金融的发展为要素市场发育程度较低的地区拓宽了融资渠道、促进了企业创新,带来了优异的人才资源;同时也为当地居民拓宽了融资渠道,使得当地居民的边际收入增长更快,对要素市场发育程度较低地区的创富效应、共享效应也更加明显。因此,数字金融发展带来的要素供给改善对处于要素市场发育程度较低的地区可能会有更强的边际作用。

        表 11  要素市场发育程度的异质性分析结果

        变量 (1)
        要素市场发育
        程度低
        (2)
        要素市场发育
        程度高
        数字金融 0.788*** 0.594**
        (3.108) (2.392)
        经济开发程度 −0.401 0.090
        (−1.278) (1.716)
        政府干预 −0.949** −0.742
        (−2.222) (−1.093)
        资本生产率 −0.000* 0.189***
        (−1.794) (5.037)
        产业结构 0.912 −0.688
        (1.632) (−0.858)
        金融结构 −0.007 −0.029*
        (−0.183) (−1.991)
        常数项 −5.483*** −3.862***
        (−4.207) (−3.369)
        样本量 105 112
        R2 0.948 0.964
        省份固定效应
        年份固定效应
      • 数字金融发展对地区共同富裕的影响存在区域差异。本文按照国家统计局11∶8∶12的分类法将全国31个省/自治区/直辖市划分为东部、中部和西部,分别进行回归,结果见表12。列(1)−(3)分别为数字金融对东、中、西部地区共同富裕程度的影响。数字金融对中部地区共同富裕的作用最强,其次是西部地区,最后是东部地区。这说明数字金融使得金融渗透进中部、西部偏远地区,打破时间和空间的壁垒,促进了中部、西部地区的农民财产性收入增长,为共同富裕创造了条件。

        表 12  区域差异的异质性分析结果

        变量 (1)
        东部
        共同富裕
        (2)
        中部
        共同富裕
        (3)
        西部
        共同富裕
        数字金融 0.636** 0.846*** 0.732**
        (2.562) (7.283) (2.443)
        经济开放程度 −0.058 0.034 −0.549*
        (−0.822) (0.940) (−2.197)
        政府干预 0.402 −2.933*** −0.659
        (0.887) (−5.276) (−1.787)
        资本生产率 0.129*** 0.111*** −0.000**
        (4.055) (4.564) (−2.759)
        产业结构 −0.258 1.039 0.561
        (−0.303) (1.037) (0.968)
        金融结构 −0.030 0.230** −0.057
        (−1.754) (2.906) (−1.043)
        常数项 −4.297*** −5.652*** −5.110***
        (−4.025) (−10.616) (−3.300)
        样本量 77 56 84
        R2 0.969 0.974 0.963
        省份固定效应
        年份固定效应
      • 本文研究结果表明:数字金融可以通过拓宽微观家庭的财产性收入渠道,促进共同富裕的实现。为了进一步验证数字金融对共同富裕的提升是否具有“马太效应”(张勋等,2019),本文按照家庭总收入的中位数将家庭分为高收入组与低收入组分别进行回归。回归结果见表13。可以看出,数字金融对两组家庭均有显著的正向影响,通过对比系数可知,数字金融的发展对低收入家庭共同富裕的促进作用更大,这可能是因为数字金融通过提高投资便利性、拓宽金融参与渠道、提供广泛的金融服务和信息等方式更能促进低收入家庭财产性收入的提升,从而对低收入家庭共同富裕的边际影响更大。

        表 13  收入异质性分析结果

        变量 (1)
        低收入组
        (2)
        高收入组
        数字金融 0.974*** 0.308**
        (5.534) (2.276)
        性别 0.001 0.013
        (0.064) (1.551)
        年龄 −0.001* 0.000
        (−1.948) (0.671)
        政治面貌 −0.011 −0.013
        (−0.565) (−1.509)
        婚姻状况 0.057*** 0.005
        (3.026) (0.300)
        健康程度 0.098*** 0.073***
        (9.734) (6.851)
        受教育程度 0.010*** 0.013***
        (4.572) (7.738)
        工作情况 −0.001 −0.029***
        (−0.104) (−3.771)
        常数项 −7.031*** −3.252***
        (−7.704) (−4.601)
        样本量 17325 17328
        R2 0.055 0.087
        家庭固定效应
        年份固定效应
      • 本文构建了地区层面和微观家庭层面共同富裕指标体系并进行测算,系统地梳理数字金融促进共同富裕的机制。研究发现:第一,数字金融发展对地区共同富裕存在明显的促进作用,数字金融的覆盖广度和使用深度均有效促进了地区共同富裕,其中覆盖广度的促进效果更强。第二,数字金融发展显著提升居民财产性收入,并通过提高居民财产性收入促进地区共同富裕的实现,对共同富裕的发展性维度和共享性维度均有促进作用。第三,数字金融发展对要素市场发育程度较低的地区边际效应更强,对中部、西部地区的边际作用更强。第四,从微观家庭看,数字金融发展可以有效促进微观家庭层面的共同富裕。分收入水平来看,数字金融对高低收入家庭共同富裕均有显著的促进作用,但数字金融对低收入家庭的共同富裕促进作用更加明显。

        基于上述结论,本文提出如下政策建议:

        第一,加大数字金融发展的支持力度。数字金融的提高可以促进共同富裕的实现,随着数字金融发展助力共同富裕的作用越来越明显,政府应加大数字金融的基础设施建设,制定并完善有关的法律法规,保证数字金融体系健康有序发展,加快数字金融的推广和应用力度。

        第二,拓宽微观主体的财产性收入渠道。数字金融可以通过提升财产性收入助力共同富裕的实现。政府应保障居民特别是农民和城市低收入者的收入不断增长;要提供更多的投资渠道,提高居民的股息、利息、红利等财产性收入;培养居民多渠道投资意识;要加强对资本市场的监管,营造更加公开透明的市场投资环境。

        第三,加快中西部地区的数字金融发展。本文研究发现数字金融对于中西部偏远地区共同富裕的促进作用更为明显,进而要进一步完善落后地区数字基础设施建设,鼓励金融机构向长尾人群提供数字产品与服务,提高数字金融的覆盖程度,进而推动共同富裕目标的实现。

        第四,加强要素市场发育程度较低地区的数字金融覆盖广度和使用深度。研究发现数字金融对要素市场发育程度较低地区的共同富裕促进作用更为明显,我国应科学把握数字金融监管方向,发挥其普惠优势,提升数字金融覆盖广度和使用深度,推动数字金融健康发展,发挥数字金融在要素市场发育水平较低地区的普惠作用。

    注释:
    ③  3财产性收入=房屋出租收入+商铺出租收入+耕地转出收入+宅基地出租收入+存款利息+股票收入+债券收入+基金收入+互联网理财收入+金融理财收入+金融衍生品收入+非人民币资产收入+黄金收入+其他金融资产收入+借出款收入+商业人寿保险收入+知识产权收入。计算方法来自CHFS2017年综合变量计算过程表。
    ④  4江艇(2022)认为,社会学家和心理学家提出的中介效应检验的逐步回归方法在经济学的应用中存在核心缺陷。较为可行的做法是,设置一个或几个中介变量,这些变量和被解释变量之间的因果关系在理论上较为直观,在逻辑和时空关系上均较为接近,因此不需要采用正式的因果推断方法来研究中介变量与被解释变量的因果关系。
    参考文献 (66)

    目录

      /

      返回文章
      返回