梁 榜

(复旦大学，上海 200433；上海黄金交易所，上海 200001)

一、引言与文献述评

打赢脱贫攻坚战、促进收入分配改善离不开金融体系的支持，特别是需要包容性金融体系的支持。在此背景下，党中央、国务院高度重视发展普惠金融。《推进普惠金融发展规划(2016—2020年)》明确提出要建立与全面建成小康社会相适应的普惠金融服务和保障体系，有效提高金融服务的覆盖率、可得性和满意度，特别是将中小微弱等特殊群体视为重点服务对象，以此增进社会公平和社会和谐。那么，推进普惠金融体系建设如何影响收入分配？对不同区域和不同群体产生的影响有何异质性？其中的传导机制是什么？特别地，近年来大数据、云计算与移动互联网等金融科技手段和数字技术应用推动了数字普惠金融这一新型金融模式的蓬勃发展，显著提升了金融服务的可得性和普惠性。为实现金融精准扶贫和缩小贫富差距带来新的机遇，数字普惠金融发展能否更好地发挥收入分配改善效应？对于这些问题的探讨和解答是本文研究的重点。

金融体系包容性水平的提升对于降低收入不平等和减贫具有积极意义(Dabla-Norris et al.，2021)。普惠金融对收入分配的影响备受关注，比如王修华等(2014)、张晓云等(2016)、宋晓玲(2017)、李建军等(2020)、周利等(2020)的研究表明金融包容水平提升能够缩小城乡收入差距、降低收入不平等程度。普惠金融能缓解农户金融排斥(陈宝珍 等，2020)，提高金融服务可得性，促进农村贫困人口利用金融资源进行生产和人力资本投资，发挥减贫增收效应，进而影响收入分配。现有研究文献也初步验证了普惠金融的减贫效应，比如Chibba(2009)、Schmied et al.(2016)、王修华等(2019b)、黄倩等(2019)、尹志超等(2020)等。通过梳理文献发现，针对中国普惠金融与收入分配、减贫的研究尚存在不足之处，比如影响效应的异质性探讨以及普惠金融和数字普惠金融影响收入分配、减贫的比较分析等。此外，现有文献关于普惠金融、贫困减缓和收入分配的研究是分割的，未能在统一的分析框架中进行探讨，尽管李建军等(2019)研究了普惠金融对于收入分配与贫困减缓的影响，但未涉及贫困减缓与收入分配之间的关联机制。本文认为，普惠金融和数字普惠金融对缩小城乡收入差距存在直接和间接影响。一方面，普惠金融发展强调公平、包容，通过填补城乡居民之间的金融鸿沟对城乡收入差距发挥直接的缩小作用；另一方面，通过农村地区的减贫增收效应对缩小城乡收入差距产生间接促进作用，即减贫增收效应是普惠金融和数字普惠金融改善收入分配的重要传导机制。

鉴于此，本文基于2005—2017年中国县域和地区层面数据，考察并比较普惠金融和数字普惠金融对收入分配的影响和差异，并分析减贫的中介效应。与现有文献相比，本文可能的贡献在于：(1)将普惠金融影响收入分配、贫困减缓置于一个分析框架中；(2)比较普惠金融和数字普惠金融对收入分配差距影响的区域差异性，为构建多元化、分层次、广覆盖的普惠金融体系提供参考和依据；(3)将普惠金融和数字普惠金融的收入分配改善效应和减贫增收效应结合在一起，检验农村贫困减缓对于缩小城乡收入差距的中介传导机制。

二、机理分析

(一)普惠金融与地区收入分配

普惠金融对收入分配存在直接和间接影响。一方面，普惠金融的发展和推广提升了金融体系的包容性水平，通过降低金融服务的门槛效应、缓解金融排斥的排除效应以及减缓金融资源配置的失衡效应来填补城乡居民、贫富群体之间的金融鸿沟，减轻金融服务获得的不平等性，矫正资金在不同群体之间的歧视性分配，进而对收入分配产生直接的改善效应；另一方面，普惠金融能更多地为中小微弱等特殊群体的生产、就业和发展创造机会和条件，发挥对低收入群体的减贫增收效应并提升经济发展包容性，进而间接降低收入不平等程度。具体作用机制路径如图1所示。

图1 普惠金融影响收入分配的作用机制

从直接作用机制看，其一，低收入群体往往难以满足传统金融产品和服务的获取条件，即存在“门槛效应”，而普惠金融的发展和推广有效降低了金融服务“门槛”。银保监会明确要求大中型商业银行设立普惠金融事业部，并推行一系列措施激励金融机构降低信贷门槛，将大量的尾部群体重新纳入金融服务体系。同时，数字普惠金融更强的地理渗透性和客户触达能力使得通过手机、电脑等设备即可便捷地获取金融服务，且边际使用成本非常低。其二，偏远地区和农村的金融排斥和金融抑制现象仍普遍存在，同时低收入群体的自身禀赋特征也会导致其遭受非自愿排斥。但是，普惠金融和数字金融服务要求机会平等、公平合理，有利于改善金融市场环境，减轻对低收入群体的信贷歧视。基于大数据、云计算等数字技术手段可以挖掘、处理和分析低收入群体在互联网上沉淀的一系列记录数据，进而解决低收入群体的征信评估和风控难题，减少金融排斥现象。此外，利用金融科技和数字技术能够创新金融产品和服务模式，提供契合低收入人群特征的金融产品，促使非自愿排斥的中小微弱等群体也可以公平、合理地获取和使用金融服务，有助于缓解金融排斥的排除效应。其三，传统金融系统倾向于将金融资源配置给城市和富裕、精英群体，导致金融资源配置的不均衡及错配问题比较严重，加剧了城乡居民之间及贫富群体之间的收入差异及不平等程度。然而，普惠金融的发展和推广强调聚焦于小微企业、“三农”、创新创业群体和脱贫攻坚等领域，通过加大信贷投入、倾斜资源配置等提高金融服务精准性和有效性。同时，以市场化为主导的数字金融商业模式是可行的，其产生的“示范效应”也促使传统金融机构进行数字化、智能化转型，提升资源配置效率，降低区域、城乡以及贫富之间的金融配置不平衡。总而言之，普惠金融和数字金融的发展和推广能够降低金融服务门槛，减轻歧视和金融排斥，缓解金融配置失衡状况，有利于填补金融鸿沟和缩小金融服务不平等，进而对收入分配改善产生直接影响。

从间接作用机制看，普惠金融和数字金融发展通过发挥减贫效应和提升经济发展包容性间接影响收入分配状况。一方面，原本被排斥在金融体系之外的中小微弱等特殊群体能够以可负担的成本获取和使用适当、有效的金融服务，为其生产经营、投资发展等创造了机会和条件，提升其脱贫致富和自生发展能力，促进低收入者或贫困群体减贫增收，降低贫困脆弱性，进而间接改善收入分配状况。需要指出的是，由于普惠金融将金融资源、优惠政策等向小微企业、“三农”、创新创业群体和脱贫攻坚等领域聚焦和倾斜，从边际效应来看，长期遭受金融抑制的低收入者或弱势群体能从普惠金融和数字金融的发展和推广中获益更多，由此可以缩小贫富群体之间的收入差距，间接降低收入不平等程度。另一方面，普惠金融理念和经济包容性增长在概念内涵上具有深刻的内在联系，推进普惠金融发展是实现包容性增长的重要措施。在实践中，普惠金融特别是数字金融发展和推广强调机会平等、公平合理，金融体系包容性的提升能够促进社会公平和增长方式转变。通过减少歧视和金融排斥鼓励社会各类人群参与到经济活动中，尤其是提升中小微弱等边缘群体的经济参与度，有助于实现经济发展成果共享，增强经济发展包容性，进而改善收入分配状况。

(二)中介机制：普惠金融的减贫效应

普惠金融特别是数字普惠金融的发展和推广能拓宽偏远与农村地区金融服务的深度与宽度，为促进农民、低收入人群或贫困群体贫困减缓提供新的机遇，使得贫困群体能够公平、合理地使用丰富多样的金融产品和服务，增加就业、创业技能和经济机会，同时通过对贫困群体开展金融知识普及和教育，帮助贫困人口提升脱贫致富和自生发展能力。此外，储蓄、保险服务等提供了风险管理手段和避险工具，提升了贫困脆弱群体的风险应对能力，进而改善其贫困状况。具体而言，普惠金融减贫增收效应的作用机制主要体现在三个方面，可表示如图2所示。

图2 普惠金融影响贫困减缓的作用机制

其一，促使贫困群体获取和使用金融产品和服务，提高其收入水平。普惠金融的发展和推广延伸了金融服务覆盖广度和使用深度，特别是将金融科技与数字技术应用到普惠金融领域极大地提高了偏远与农村地区金融服务的便利性和可获得性。基于此，贫困群体能合理、有效地运用金融工具，通过储蓄贷款、平滑消费、投资理财、风险管理等金融功能有效提升其收入水平。同时，金融可得性的提高(比如普惠金融涉农、助农贷款等)为农业生产经营和投资提供必要资金，促进贫困群体增收创收，进而有助于促进其贫困减缓。

其二，增加贫困群体就业、创业等经济机会，提升其自生发展能力。普惠金融能更好地发挥金融扶贫的“造血”功能，激发贫困群体脱贫致富和自我发展的积极性。一方面，便捷的信贷服务为贫困群体增加教育、医疗投资创造了条件(比如普惠金融扶贫贷款、助学贷款等)，提高其知识才干和金融能力，增强其就业、创业技能；另一方面，偏远地区及农村普惠金融和数字金融发展和推广能积极扶持当地的产业、企业发展，催生农村产业新业态、新模式(比如农村电商、家庭农场、特色产业链等)，增加了贫困群体就业、创业等经济机会，提升其自我发展能力，进而帮助其摆脱贫困。

其三，提升贫困群体金融素养和风险应对水平，降低其贫困脆弱性。普惠金融和数字普惠金融发展提供了风险管理的手段或应对风险事件的避险工具，储蓄、信贷和保险等服务能够帮助贫困群体积累资金、平滑消费，促使其更好管理和控制风险，增强抵御收入波动风险的能力。同时，普惠金融理念的推广会加强金融消费者权益保护和金融知识普及和教育，提高贫困群体金融能力和金融素养水平，促使其积极、安全、有效地获取和使用金融服务，进而有助于改善贫困状况。

综上所述，从理论上讲，普惠金融能通过上述机制发挥减贫增收效应，进而有助于改善收入分配状况。但在实践中普惠金融服务还存在许多不足和问题，能否真正下沉到底层弱势群体还有待商榷，因而还需进一步探讨和分析普惠金融对收入分配、减贫的影响。

三、模型设定、指标选取与典型事实

(一)模型设定

首先，检验普惠金融和数字普惠金融发展和推广对缩小城乡收入差距的综合影响，不考虑农村贫困减缓因素，设定计量模型如下：

URIG=C+αIFI+γControls+μ+Year+ε

(1)

URIG=C+βDIFI+φControls+μ+Year+μ

(2)

其中：URIG表示城乡收入差距，IFI和DIFI分别为地区普惠金融和数字普惠金融发展水平；Controls表示一系列影响城乡收入差距的控制变量，用以消除地区异质经济环境带来的影响；μ和Year分别为地区固定效应和时间固定效应，用来控制难以用指标度量的地区特征和时期特征；ε和μ为随机误差项，下标i和t分别表示地区和年份。

然后，从县域视角出发，考察普惠金融和数字普惠金融发展对贫困减缓的影响，设定如下计量模型：

Poverty=α+αIFI+γControls+μ+Year+ε

(3)

Poverty=β+βDIFI+φControls+μ+Year+μ

(4)

其中：Poverty表示贫困程度，选取县域农村居民人均纯收入作为代理变量；IFI和DIFI分别表示县域普惠金融和数字普惠金融发展水平；同时为控制其他因素对农村居民收入的影响，引入一系列控制变量Controls；此外，模型还控制了地区固定效应μ(县域)和时间固定效应Year；ε和μ为随机误差项，下标i和t分别表示县域和年份。

最后，采用中介效应分析方法(温忠麟 等，2004；温忠麟 等，2014)，进一步考察农村贫困减缓在普惠金融和数字普惠金融影响城乡收入差距中的中介作用。对应的计量模型设定如下：

POV=C+ηIFI+γControls+μ+Year+ε

(5)

POV=C+ηDIFI+φControls+μ+Year+ε

(6)

URIG=C+θIFI+λPOV+γControls+μ+Year+ε

(7)

URIG=C+θDIFI+λPOV+φControls+μ+Year+ε

(8)

其中:POV是中介变量地区农村贫困程度;η和η分别为IFI和DIFI对中介变量的影响效应；λ和λ分别为控制自变量影响之后，中介变量对被解释变量城乡收入差距的影响效应;θ和θ则分别反映了控制中介变量影响之后，IFI和DIFI对城乡收入差距的直接效应。若η和λ系数显著，则对应的中介效应分别为ηλ和ηλ。如果θ系数显著且相比α系数变小，则农村贫困程度POV是部分中介变量，中介效应占比分别为ηλ/α和ηλ/β；如果加入POV之后，θ系数变得不显著，则POV可视为完全中介变量。

(二)指标选取与数据来源

1.普惠金融指数测算

现有对普惠金融发展水平测算的研究较为丰富，比如采用单一指标(Dev，2006)，从金融服务的地理渗透性、可获得性、使用效用性等多个维度来构建指标体系(Beck et al.，2007)，以及选取交易成本、便利性和承受度等更多维度的指标(Gupte et al.，2012)来测度。借鉴国际经验，国内学者主要从可获得性、使用情况和服务质量等维度来构建指标体系，对省级层面普惠金融发展水平进行测算(焦瑾璞 等，2015；王修华 等，2019a)。通过梳理文献发现，针对中国普惠金融指标体系的构建和测度还不完善，衡量维度和指标选取不充足，难以反映普惠金融的各个方面，且研究层次主要集中在省级层面，鲜有研究从更加微观的县域层次进行考察。鉴于此，本文参照央行发布的《中国普惠金融指标体系(2018年版)》，借鉴现有文献的思路并进行拓展，从金融服务的渗透性、使用效用性和可负担性三个维度出发，构建多维度、多指标的中国省级和县域普惠金融指标体系，如表1所示。

表1 中国普惠金融指标体系

在指数测算时，选取2005—2017年中国30个省份和1886个县域(包含县级市)作为研究对象。数据来源于国家统计局网站、历年《中国统计年鉴》、各省(自治区、直辖市)的《区域金融运行报告》、《中国金融年鉴》、《中国区域经济统计年鉴》、《中国县域统计年鉴(县市卷)》、Wind数据库以及EPS数据平台等。此外，各县域的金融机构网点数据由中国银保监会的金融许可证信息查询系统进行手工收集整理得到。

在上述普惠金融指标体系构建和数据收集的基础上，为更客观地反映各地区普惠金融的发展水平，本文使用现有研究文献中最常使用的变异系数法测算中国30个省份以及1886个县域(包含县级市)的普惠金融指数IFI。IFI取值区间为[0,1]，其值越大表明普惠金融发展水平越高，反之越低。

2.变量说明与描述性统计

为反映地区收入分配状况，本文选取城乡居民收入差距指标进行研究。结合现有文献(陈斌开 等，2013；万广华，2013)的做法，同时考虑实证研究结果的稳健性，采用城乡收入比和泰尔指数两种方法来测度城乡收入差距。具体而言，城乡收入比采用城乡居民人均可支配收入的比值来表示，且该值越大，表明城乡收入差距越明显；泰尔指数将人口变动因素考虑在内，且该指数越大，表明城乡收入差距越大，其计算方法如下：

(9)

其中，i=1,2分别代表城镇和农村,Y和Y分别为第t年城镇、农村可支配收入，Y表示第t年总可支配收入，P和P分别为第t年城镇、农村人口数，P为第t年总人口数。

所涉及变量的具体定义和描述性统计如表2所示。

表2 变量描述性统计

核心解释变量普惠金融发展水平使用本文测算的普惠金融指数来表示，时间跨度为2005—2017年。关于数字普惠金融发展状况的测度，目前比较权威且最常使用的是北京大学数字金融研究中心和蚂蚁金服集团共同编制的“北京大学数字普惠金融指数(2011—2018年)”，具体的构建原则、指标体系和编制方法详见郭峰等(2020)。限于基础数据可得性原因，该套数据始于2011年，包含了2011—2018年的跨省级、城市和2014—2018年各县域的数字普惠金融指数，而且在纵向、横向之间均具有可比性，为科学合理地反映中国数字普惠金融发展状况提供了坚实可靠的数据基础。中介变量农村贫困程度采用农村恩格尔系数(即农村居民食品消费支出占总消费支出的比重)来衡量。此外，参考相关文献，选取一系列影响城乡收入差距的控制变量。地区层面的数据来源于历年《中国统计年鉴》、各省区历年《统计年鉴》以及EPS数据平台等。

普惠金融的减贫效应是其影响收入分配的重要机制，为此本文进一步将减贫效应分析下沉至县域视角，选取农村居民人均纯收入作为县域贫困程度的代理变量，这也是现有文献中最为常用的指标。同时，综合现有文献做法，选取一系列影响县域减贫增收的控制变量。县域层面的数据来源于《中国县域统计年鉴(县市卷)》以及EPS数据平台等，所涉及变量的具体定义和相关描述性统计如表3所示。

表3 变量定义(县域减贫增收)

3.典型事实分析

在展开实证分析之前，进行一系列的典型事实分析，以此直观地展示普惠金融、数字普惠金融与地区收入分配、县域减贫增收之间的关联机制，结果如图3～5所示。

图3 典型事实a：普惠金融、数字普惠金融与城乡收入差距(散点图、拟合线)

图4 典型事实b：普惠金融、数字普惠金融与县域减贫增收(散点图、拟合线)

图5 典型事实c：普惠金融、数字普惠金融、农村贫困与城乡收入差距(散点图、拟合线)

综合几个典型事实来看，普惠金融和数字普惠金融发展水平的提升有利于促进县域减贫增收，减缓农村地区贫困程度，从而缩小城乡收入差距。不过，以上直观的典型事实分析仅是对变量之间关系的初步刻画，为得到更加可靠的研究结论，还需要综合考虑其他各因素的影响，并纳入统一分析框架进行实证检验。

四、普惠金融影响地区收入分配的实证分析

(一)普惠金融对地区收入分配的综合影响

表4汇报了普惠金融和数字普惠金融发展对地区收入分配(城乡收入差距)的影响，结果显示不管采用城乡收入比指标还是泰尔指数作为被解释变量，IFI和DIFI对城乡收入差距始终存在显著的负向影响，并均通过5%水平的显著性检验，表明普惠金融和数字普惠金融的发展和推广有利于缩小城乡收入差距，具有收入分配的改善效应，且该作用是稳健的。

表4 综合影响的回归结果(城乡收入差距)

(二)内生性处理：工具变量估计

上述回归结果初步验证了普惠金融、数字普惠金融对于地区收入分配的改善效应，但在模型因果识别过程中可能存在内生性问题的干扰。具体而言，变量之间存在的双向因果关系以及因其他不可观测因素导致的遗漏变量偏误可能引起模型的内生性问题，而且省级面板数据存在的异质性也可能导致对应的误差项具有异方差。为此，本文采用动态面板GMM方法和面板工具变量法重新进行估计，以消除模型可能存在的异方差和内生性。

首先，将被解释变量的滞后一期纳入回归模型，选择其2～3期滞后项作为对应的工具变量，同时将普惠金融IFI视为内生变量，选择其2～3期滞后项作为工具变量，然后采用系统GMM方法进行估计，结果见表5中列(1)、(2)。结果显示，IFI的影响系数显著为负，并均通过1%水平的显著性检验，表明在考虑模型可能存在的内生性问题之后，普惠金融依然会显著缩小城乡收入差距，可见其收入分配改善效应是稳健的。此外，AR(2)检验结果表明误差项不存在二阶序列相关，Hansen检验统计量表明工具变量是有效的。

其次，为数字普惠金融寻找工具变量，并采用面板工具变量法进行估计。借鉴相关文献的做法(谢绚丽 等，2018；梁榜 等，2019)，本文选取2个工具变量，分别是省级互联网普及率和省级数字技术应用指数，数据来源于中国互联网络信息中心每年发布的《中国互联网络发展状况统计报告》和国家信息中心发布的《中国信息社会发展报告》，结果如表5中列(3)～(6)所示。工具变量回归结果显示，DIFI的估计系数均显著为负，并至少通过5%水平的显著性检验，表明即便在考虑模型存在的内生性问题之后，数字普惠金融仍然会对城乡收入差距产生显著的负向影响，且该作用是稳健的。同时，工具变量的不可识别检验和弱工具变量检验均显示工具变量的估计结果是有效的。综上所述，本文认为普惠金融和数字普惠金融能够显著缩小城乡收入差距，具有收入分配改善效应。

表5 工具变量估计结果(城乡收入差距)

(三)普惠金融影响地区收入分配的异质性分析

普惠金融和数字普惠金融对于不同区域的收入分配改善效应可能会有所不同。为此，作为稳健性测试和异质性分析，将样本划分为东、中、西部三大区域，并基于不同子样本进行实证检验，结果如表6所示。列(1)～(6)汇报的是不同区域普惠金融发展对城乡收入差距(城乡收入比、泰尔指数)的影响，结果显示：东、中部地区IFI的估计系数均在5%的统计水平上显著为负，且中部地区的负向影响系数要明显大于东部，西部地区IFI的估计系数为负，但并不显著，表明普惠金融对东、中部地区城乡收入差距具有显著的缩小效应且该效应在中部地区更大，但在西部地区的收入分配改善效应并不明显。

表6 异质性分析(普惠金融)

与之相比，表7列(1)～(6)汇报的是不同区域数字普惠金融对城乡收入差距(城乡收入比、泰尔指数)的影响，结果发现：东部地区DIFI的估计系数为负，但并不显著，而中部地区DIFI的系数在5%的统计水平上显著为负，西部地区DIFI的估计系数在1%的统计水平上显著为负，且影响系数是最大的，这表明数字普惠金融对城乡收入差距的缩小效应在西部地区最大，中部次之，东部地区并不明显。比较区域差异性可知，通过金融科技手段和数字技术应用推动普惠金融发展能更好地缩小城乡收入差距，特别是对贫困边远地区的收入分配改善效应最为明显，这体现了数字普惠金融的优势和普惠性特征。

表7 异质性分析(数字普惠金融)

五、中介效应分析：普惠金融的减贫作用

(一)普惠金融的减贫效应

表8汇报了普惠金融和数字普惠金融对县域减贫增收影响的回归结果。列(1)和列(3)分别是使用当期IFI和DIFI变量进行回归，结果显示IFI和DIFI的估计系数均在1%的统计水平上显著为正，表明普惠金融和数字普惠金融的发展和推广能够显著提升县域农村居民收入，有利于促进贫困减缓。与此同时，为确保结果的稳健性，将核心解释变量进行滞后一期处理(L.IFI和L.DIFI)，即评估上年的普惠金融和数字普惠金融发展状况对当期县域减贫增收的影响，这样做的好处在于能够在一定程度上减轻反向因果问题造成的干扰，估计结果如列(2)和列(4)所示。结果表明，滞后一期的普惠金融和数字普惠金融(L.IFI和L.DIFI)仍然对县域减贫增收具有显著的促进作用，减贫效应是稳健的。

表8 普惠金融对县域减贫增收的影响

(续表8)

(二)减贫效应的内生性处理：工具变量估计

上述回归结果初步验证了普惠金融、数字普惠金融的减贫效应，为更好地识别普惠金融、数字普惠金融与县域减贫增收之间的关系，进一步从多个视角构建工具变量重新对模型进行估计，以确保实证检验和分析的严谨，增强研究结果的稳健性。

第一，采用最为简单直接的方法，即使用普惠金融、数字普惠金融的滞后期变量作为自身的工具变量。直观的考虑是当期变量值与其滞后变量相关，然而由于滞后变量已经发生，故为“前定”(从当期的角度看，其取值已经固定)，可能与当期被解释变量的扰动项并不会产生直接联系，在一定程度上可以满足工具变量的要求，类似的做法如Groves et al.(1994)。由此得到的工具变量估计结果如表9中列(1)和列(4)所示。

表9 工具变量估计结果(减贫效应)

第二，以省域内除自身县域以外的其他县域普惠金融、数字普惠金融发展水平的平均值作为工具变量。原因在于同一省域内金融机构所受政策规划具有同质性，某一县域的普惠金融和数字普惠金融必然与其他县域的发展状况具有相关性，而县域的金融资金状况一般受其所属地级市的影响，不会受全省其他县域的影响，并且省域内其他县域普惠金融和数字普惠金融发展水平的平均值并不会对县域的贫困程度产生直接影响，因此可以作为该县域IFI和DIFI的合适工具变量。类似的做法如王修华等(2019b)，由此得到的工具变量估计结果如表9中列(2)和列(5)所示。

第三，进一步地，将样本县域所处省域内与该县普惠金融和数字普惠金融发展水平最为接近的三个其他县的IFI和DIFI的平均值作为工具变量。这与第二种工具变量选取的思路类似，不同之处在于将选择范围限定为与县域的IFI和DIFI最为接近的三个其他县域，这样处理的好处在于可以消除因不同省域内县域个数不同或者各县域之间发展差异较大所造成的干扰，因此与使用省域内所有其他县域的平均值作为工具变量相比会更加精确，类似的做法如王雪等(2019)。工具变量的估计结果如表9中列(3)和列(6)所示。

综合上述不同工具变量的估计结果来看，IFI和DIFI的估计系数依然在1%的统计水平上显著为正，表明即便在考虑模型可能存在的内生性问题之后，普惠金融和数字普惠金融的减贫效应依然是稳健的。此外，表9中还汇报了对工具变量的外生性和相关性的检验结果，不可识别检验和弱工具变量检验的结果均显示本文所选取的工具变量是有效的。

(三)中介机制分析：农村贫困减缓的中介作用

在前文研究中，已直接验证了普惠金融和数字普惠金融发展对缩小城乡收入差距的显著作用，不过模型回归结果揭示的是对地区收入分配影响的综合效应，其中包含了直接效应和间接效应。为此，本文进一步采用中介效应分析方法检验普惠金融和数字普惠金融通过促进农村地区居民减贫增收来改善地区收入分配的中介效应。表10汇报了中介效应的分析结果。

表10 中介机制分析(农村贫困减缓的中介作用)

列(1)和列(4)分别汇报的是IFI和DIFI对中介变量(农村贫困程度POV)的影响，结果显示IFI和DIFI的估计系数在1%的统计水平上均显著为负，表明普惠金融和数字普惠金融对农村地区具有显著的贫困减缓效应，这与前文中县域减贫增收的实证分析结果相吻合。列(2)和列(3)是将自变量IFI和中介变量POV同时纳入实证模型进行回归，结果显示普惠金融对城乡收入差距(城乡收入比、泰尔指数)仍具有显著的缩小效应，IFI的负向影响系数分别为-0.941和-0.069，与不加入中介变量时的模型估计系数-1.173和-0.086相比明显减小(见表4中列(1)和列(2))，上述结果充分表明普惠金融对城乡收入差距有显著的直接影响，同时也存在通过减缓农村地区贫困程度的间接影响，即农村贫困减缓起到了部分中介作用，属于部分中介变量。进一步地，通过Sobel检验来验证中介效应模型的显著性，结果显示Sobel检验统计量Z值对应的p值小于5%的显著性水平，验证了中介效应模型的有效性，且中介效应占比分别为19.78%和19.39%。

与此相对应，列(5)和列(6)是将自变量DIFI和中介变量POV同时纳入实证模型进行回归，结果显示数字普惠金融同样对城乡收入差距(城乡收入比、泰尔指数)具有显著的缩小效应，并且DIFI的负向影响系数分别为-0.077和-0.006，与不加入中介变量时的模型估计系数-0.107和-0.008相比有所减小(见表4中列(3)和列(4))，由此可见数字普惠金融对缩小城乡收入差距不仅有显著的直接影响，同样也存在通过减缓农村地区贫困程度的间接影响，即农村贫困减缓在数字普惠金融和城乡收入差距之间起到了部分中介作用。进一步地，Sobel检验统计量Z值对应的p值小于5%的显著性水平，表明中介效应模型的估计结果是有效的，且中介效应占比分别为27.83%和22.99%。综合比较上述结果可以发现，普惠金融和数字普惠金融不仅对城乡收入差距具有直接的缩小作用，同时也存在通过促进农村地区减贫增收来缩小城乡收入差距的间接效应，且比较来看依托金融科技与数字技术推广的数字普惠金融通过促进贫困减缓发挥的中介效应更大。

六、结论与政策启示

本文考察普惠金融和数字普惠金融对收入分配的影响，以及贫困减缓在其中发挥的中介效应。主要发现如下：第一，普惠金融和数字普惠金融发展能显著缩小城乡收入差距，具有收入分配的改善效应，但具有区域异质性，比较来看数字普惠金融对欠发达地区收入分配的改善效应更明显，体现出普惠性特征；第二，普惠金融和数字普惠金融能促进农村居民贫困减缓；第三，促进农村地区贫困减缓是普惠金融和数字普惠金融缩小城乡收入差距的重要传导机制，且相比而言数字普惠金融通过农村贫困减缓发挥的中介效应更大。

基于上述研究结论，本文的政策启示在于：第一，充分调动、发挥传统金融机构和新型业态主体的积极性、能动性，支持传统金融机构充分利用大数据、云计算以及移动互联网等金融科技手段和数字技术优势推动普惠金融服务的创新发展，增强减贫效应和收入分配改善效应；第二，重视普惠金融影响效应的异质性特征，推行差异化的普惠金融政策，引导各类型机构和组织结合自身特点，找准市场定位，发挥各自优势，进而促进不同区域差别化、有特色、高效率的普惠金融体系建设；第三，推进普惠金融发展应与当地经济环境、资源禀赋和产业发展状况等相结合，强调“造血式”扶贫、开发式扶贫，同时加强中小微弱等特殊群体的能力建设，通过增强贫困地区人口的经济机会和自生能力实现可持续脱贫，促进居民收入合理分配，进而为实现共同富裕“添油助力”。