杨波 王向楠 邓伟华

摘要：2016年G20峰会提出了发展数字普惠金融的理念，而数字普惠金融对家庭正规信贷获得会产生怎样的影响，特别是对缺乏正规金融服务的“长尾”人群会产生怎样的影响？本文在理论分析基础上，基于中国家庭金融调查（CHFS）2013、2015和2017年的数据，结合地区数字普惠金融指数、《中国统计年鉴》和中国家庭追踪调查（CFPS）的数据，运用Probit面板随机效应模型进行了实证检验。研究发现：数字普惠金融显著促进了家庭正规信贷获得，该促进作用主要是通过数字支付渠道来实现的;数字普惠金融的“长尾”特性尤其显著，主要是提高了农村地区、中西部地区、低收入人群、女性群体获得正规信贷的可能性。因此，应持续推进数字普惠金融发展，优先加强移动支付技术的宣传与推广，更着力改善农村地区、中西部地区数字金融服务欠发达的状况。

关键词：数字普惠金融;金融服务;正规信贷;移动支付;金融可得性;“长尾”效应

文献标识码：A

文章编号：1002-2848-2020（06）-0074-14

金融可得性是影响家庭金融决策或行为的重要因素之一。好的金融环境应当民主化，为所有民众提供金融服务，增加社会的金融可得性。党的十九大提出“要建设普惠金融体系，加强对小微企业、三农和偏远地区的金融服务”。2018和2019年的《政府工作报告》分别提出，“支持金融机构扩展普惠金融业务，提高金融服务覆盖面、可得性、满意度”和“完善金融机构内部考核机制，激励加强普惠金融服务”。2015年以来，国务院分别印发《推行普惠金融发展规划（2016-2020）》《数字乡村发展战略纲要》等文件，明确了发展普惠金融的指导思想、目标任务和政策措施。

普惠金融发展过程中，我国居民家庭的金融可得性在不同区域、不同群体中的不平衡、不充分现象依然严峻。《中国“三农”互联网金融发展报告（2016）》也指出，我国“三农”金融的缺口高达3.05万亿元，金融排斥现象仍然存在。而信贷可得性是普惠金融里最基础和重要的金融服务，直接影响居民家庭的收入、消费、创业活动等。为此，2016年G20峰会首次提出发展数字普惠金融的理念，将数字普惠金融定义为“一切通过使用数字金融服务以促进普惠金融的行动”，并鼓励各国制定国家行动计划，以发挥数字技术带给金融服务供给的巨大潛力。数字普惠金融可以理解为“数字技术”与“普惠金融”的结合，即通过“数字技术”实现“普惠”的目标，为弱势群体提供正规、充分的金融服务。伴随大数据、云计算、人工智能和区块链等技术的发展，数字普惠金融将会在缓解居民家庭信贷约束、提高正规信贷可得性方面有广阔的空间，从而惠及更多的人群，实现金融民主化。

本文从现实需求和文献不足出发，致力于探讨如下三个问题：一是发展数字普惠金融是否能够促进家庭正规信贷获得，二是数字普惠金融通过何种机制促进家庭获得正规信贷，三是数字普惠金融在促进家庭正规信贷获得上是否具有决策者期望的“长尾”效应。回答以上问题有助于识别数字普惠金融在扩大金融服务覆盖面、促进金融业均衡可持续、支持“三农”发展和实现社会公平方面的作用，具有重要理论和实践意义。

为此，本文匹配了北京大学数字金融研究中心发布的《中国数字普惠金融指数（2011-2018）》中2012、2014、2016年的数据和中国家庭金融调查（CHFS）2013、2015、2017年的数据，运用Probit面板随机效应模型对数字普惠金融如何影响家庭正规信贷获得进行实证检验，并从更换所用数据库、更换变量和内生性讨论等三个方面进行稳健性检验。

与以往的研究相比，本文可能的贡献在于：（1）检验了数字普惠金融对家庭正规信贷获得的影响，丰富了数字普惠金融的相关研究。现有文献多集中在研究数字普惠金融对农村减贫和经济增长、创新和创业、消费等方面的积极作用，鲜有关于数字普惠金融对家庭正规信贷获得的研究;而在正规信贷获得方面，当下国内外研究多以农民、农村为对象，研究金融素养、社会资本等个体特征对正规信贷获得的影响，较少关注数字普惠金融的作用。（2）理清了数字普惠金融对家庭正规信贷获得的影响路径，识别了一个地区发展数字普惠金融对家庭正规信贷影响的微观机制，为数字普惠金融的“普惠”属性提供了新的证据，为发展普惠金融的国家战略提供了经验支持。

后文结构如下：第一部分是文献综述与研究假设，第二部分介绍数据、变量和模型，第三部分进行实证研究，第四部分进行稳健性检验，第五部分是结论与启示。

一、文献综述与研究假设

（一）数字普惠金融与正规信贷获得

居民家庭的外在金融环境对家庭正规信贷获得和金融市场参与有着重要的影响。好的金融环境能够为家庭提供便捷的金融服务，缓解家庭正规信贷约束，促进家庭参与金融市场。而随着数字技术的发展，科技与金融耦合衍生出的新型金融形态——数字普惠金融将为家庭创造一个具有包容性的金融环境③。根据《G20数字普惠金融高级原则》，数字普惠金融能够为穷人、妇女、年轻人和农村地区居民等无法获得金融服务或缺乏金融服务的群体提供一系列正规金融服务。而正规信贷是正规金融服务的基本和重要的内容。因此，发展数字普惠金融将为广大民众提供良好的、可持续的金融服务，提高家庭的正规信贷可得性。

具体而言，数字普惠金融依托大数据、云计算和区块链等新型技术积累大量客户信息，并且运用这些信息精准地提供金融产品和服务，从而大幅改善了家庭信贷服务的可得性和便利性。同时，数字技术也降低了对物理网点的依赖，具有更强的物理穿透性和低成本优势，例如数字货币拓宽了金融服务覆盖面、降低了服务成本。因此，数字普惠金融的便捷性和低成本等优势能够为家庭创造良好的金融环境，从而提高家庭的正规信贷可得性。基于此，本文提出以下假设：

H1：数字普惠金融对家庭正规信贷获得具有促进作用。

（二）数字普惠金融促进家庭正规信贷获得的机制

支付、融资和投资是数字普惠金融的三项突出功能，其中支付功能的使用最为普遍。近年来，我国数字支付的发展带动了金融需求的大规模增加，这些支付包括以银联为代表的金融机构、运营商和新出现的以支付宝为代表的第三方支付机构提供的数字支付业务。数字支付带动了银行卡的使用，进而增加了家庭获得正规信贷的可能性。

具体而言，居民家庭在使用数字支付过程中增加了对银行卡的使用，为银行等正规金融机构积累了大量客户信息，有利于银行分析和评估客户的信贷资质条件，从而增加居民家庭的正规信贷可得性。首先，在使用微信、支付宝等应用程序进行移动支付时，消费者往往需要绑定银行卡，以获得基础资金或进行资金的周转。郭峰等认为，如果第三方支付的账户不绑定银行卡，就只具备小额转账功能，这将不利于消费者获得正规信贷。其次，无论是将银行卡存款转至微信、支付宝还是使用银行卡直接支付，都会产生大量的银行卡流水等金融信息痕迹（footprints）。这些信息有助于银行获得客户的更多交易信息，并运用数字技术精准地判断用户的信用风险状况，从而使更多家庭获得正规金融服务。最后，数字支付引致的客户信息积累还会带动金融机构有针对性地为家户提供符合其需求的金融产品或服务，从而进一步增加家庭正规信贷获得的可能性。此外，数字普惠金融发展也可能会通过网络借贷与征信业务对正规信贷获得产生影响。但这两类业务往往伴随着数字支付服务的运用，如消费贷的放款、共享交通工具的使用等，需要使用银行卡转账或直接支付，这恰好也验证了数字支付是一个重要的渠道。综上，本文提出如下假设：

H2：数字普惠金融主要通过数字支付的方式提高家庭正规信贷获得的可能性。

（三）数字普惠金融促进家庭正规信贷获得的“长尾”特性

数字普惠金融对居民家庭正规信贷获得的促进作用可能会因地而异、因人而异。《G20数字普惠金融高级原则》指出，数字普惠金融主要为农民、妇女、穷人等其他未获得充分服务的消费者群体提供正规金融服务。这一群体正是被传统金融排斥的“长尾”人群。因此，相对于强势群体，数字普惠金融对弱势群体中的家庭正规信贷获得的促进作用更强，具有“长尾”特性。

首先，在欠发达地区，数字普惠金融对居民家庭的信贷支持功能会进一步放大。已有研究表明，发达地区的金融服务体系相对完善，欠发達地区的正规借贷约束较为突出，尤其是农村边远地区。数字普惠金融能够借助数字信息技术，打破地理时空的界线，渗透到偏远和落后地区，在受金融排斥的地区发挥更大的作用，例如改善农民的正规信贷可得性，提高农民的消费水平。其次，数字普惠金融所带来的信息和资讯价值在欠发达地区会更大，即在相对落后和闭塞的地区，数字普惠金融所提供的缓解信息约束的边际作用更大。相反，在发达地区，由于正规金融服务相对完善，且信息资讯相对发达，数字普惠金融所提供的边际优势没有那么明显，对居民家庭正规信贷的促进作用也相对较小。由此，本文提出以下假设：

H3：数字普惠金融在促进家庭获得正规信贷方面具有“长尾”特性。

二、数据、变量和模型

（一）数据来源

本文匹配与合并了以下数据。（1）西南财经大学与中国人民银行金融研究所合作的中国家庭金融调查（China Household Finance Survey，CHFS）数据，选取了2013、2015和2017年三轮家庭追踪调查的样本。（2）北京大学数字金融研究中心发布的《中国数字普惠金融指数（2011-2018）》。由于CHFS调查的是上一年的样本家庭情况，所以本文选取了中国数字普惠金融指数数据中2012、2014和2016年的普惠金融总指数、覆盖广度指数、数字化程度指数、支付指数来与CHFS数据对应匹配。（3）省级层面控制变量数据来源于2012、2014和2016年的《中国统计年鉴》，数据前置一年，以尽可能降低内生性。

数据处理步骤如下。第一，在中国家庭金融调查数据中，家庭正规信贷获得涉及农业生产、工商业经营、住房购买、汽车购买、子女教育、医疗和信用卡等七个方面。本文参照孙永苑等的做法识别家庭是否获得正规信贷。针对以上七个方面，选取问卷中“目前您家是否有尚未还清的银行/信用社贷款？”，回答“是”记为1，反之为0。第二，对相关控制变量进行清理，包括删除含缺失值的样本以及对家庭资产、家庭收入进行首尾1%的缩尾处理，最终得到了28226个家庭的观测值。第三，将数字普惠金融相关指数、人均GDP、人口密度和城市化率匹配到CHFS微观家庭数据中。

此外，特别说明以下三点：（1）严格意义上，正规信贷还包含小额贷款、互联网借贷等一系列新兴借贷，但相较于传统金融机构间的正规信贷，小额贷款、互联网借贷等一系列新兴借贷起步较晚且发展规模较小。因此，本文选用传统金融机构提供的信贷作为因变量。（2）对于农业生产信贷指标的选取。中国家庭金融调查2017年的问卷里没有单独询问居民家庭农业生产信贷来源渠道，为了使三轮调查数据构建的样本中的指标保持一致，本文第三部分没有囊括农业生产正规信贷。不过，考虑到农业生产是正规信贷的一个重要方面，后文的稳健性检验部分在使用2013和2015年中国家庭金融调查的样本时将该指标囊括了进来。

根据以上数据，本文绘制了2012、2014、2016年全国不同省、自治区、直辖市的数字普惠金融发展程度和各区域正规信贷获得的家庭占比的散点图（见图1）。可以看出，在数字普惠金融发展水平较高的省份，获得正规信贷的家庭比例也较高。下文将对二者的关系进行模型设定和回归检验。

（二）变量选取

1.被解释变量

家庭正规信贷获得。采用0-1二分类变量度量。针对上文中提及的农业生产、工商业经营等七个方面，询问家庭是否有正规信贷部门获得。如果家庭从某一个方面获得了相应的金融服务就视为获得了正规信贷，该变量取值1，反之取值0。

2.解释变量

数字普惠金融。北京大学数字金融研究中心课题组编制的数字普惠金融指数，包括数字普惠金融总指数以及覆盖广度、使用深度和数字化程度三个维度。该指数的覆盖范围是中国31个省、自治区和直辖市（不包括港澳台地区）、337个地级以上城市（地区、自治州、盟等）。本文采用各省级层面的数字普惠金融总指数来衡量一个地区数字普惠金融的发展程度。此外，为了探究数字金融通过数字支付和银行卡等金融信息积累来影响家庭正规信贷获得这一机制，本文还选取了二级指标中的覆盖广度指数、数字化程度指数和三级指标中的支付指数。

3.控制变量

本文借鉴易行健等的研究，选取三个层面的控制变量。第一，户主特征变量，包括户主婚姻状况、户主性别、户主年龄、户主学历、户主是否购买医疗保险及户主的风险偏好①。其中，已婚家庭的经济实力相对未婚家庭更强，因而所受到的正规信贷约束程度更弱;户主年龄对家庭正规信贷获得有负向影响;户主受教育水平对家庭正规信贷获得有显著的正向影响;参与医疗保险可提高家庭的信贷资质及获得信贷的概率;户主风险偏好与家庭信贷约束也有联系。第二，家庭特征变量，包括家庭人数、家庭资产和家庭礼金支出。规模大的家庭通常更具有还债能力，从而更可能获得信贷支持;资产多的家庭通常抵押物更充足，更容易获得正规信贷;人情礼节支出体现了人缘、社会地位等信息，对正规信贷获得也有重要的影响。第三，区域经济发展变量。本文将家庭所在的省级人均GDP、城镇化率和人口密度作为区域经济金融变量的代理变量，区域经济发展水平会影响家庭金融市场参与，故控制了地区人均GDP;城镇化率、人口密度能够反映一个地区的发展状况差异，故本文也控制了这两个变量。其中，人均GDP和人口密度取对数值。

（三）描述性统计

各变量的描述性统计结果见表1。从中可见，获得正规信贷的家庭占比为24.22%，这较中国家庭金融调查中心2011年发布的数字（15.26%）略高，与实际相符。各省份数字普惠金融水平逐年提高，数字普惠金融指数最高的地区是北京，达到了286.37，最低的西藏地区为61.47，各地区存在显著差异。户主层面，90%为已婚，男性户主占比81.6%，平均年龄约为53.15岁，只有8%的户主是风险偏好型。在家庭层面，家庭平均规模为3.63人，家庭资产平均约为68.5万元，家庭礼金支出每年约为4610元。

（四）模型设定与识别

本文因变量是涉及微观家庭正规信贷获得的0-1型变量，具有二值选择模型的微观基础，故选用二元Probit回归模型。具体模型如下：

模型识别方面，本文采用面板随机效应模型。主要原因有：一是固定效应的面板Probit模型估计时往往会产生“伴生参数问题”，导致对系数β₁的估计不一致，所以不能使用固定效应方法来估计;二是从样本数据看，共计有28226个样本，且仅有3期，即样本数据为短面板，采用随机效应模型能够一定程度上避免自由度的损失;三是在随机效应回归中，LR检验强烈拒绝原假设“ρ=0”，故不适合进行混合回归估计。因此，本文最终选定面板随机效应模型。此外，为了谨慎处理数字普惠金融的内生性问题，本文借鉴傅秋子等的做法，在回归时引入时间固定效应。

三、回归结果分析

（一）数字普惠金融对家庭正规信贷获得的影响

数字普惠金融对家庭正规信贷获得影响的回归结果见表2。结果表明，数字普惠金融对家庭正规信贷获得的影响显著为正，说明数字普惠金融提高了家庭正规信贷获得的可能性，即发展数字普惠金融促进了家庭参与正规金融市场获得信贷服务。由此，假设H1得到支持。此外，本文也报告了数字普惠金融对家庭正规信贷获得的边际效应，结果发现数字普惠金融发展增加100个单位，家庭获得正规信贷的概率会提高约9个百分点。各省数字普惠金融指数从2011年的平均40.00增加到2018年的平均300.21，数字普惠金融的发展将改善家庭正规信贷获得状况，缓解家户的信贷约束。

从控制变量来看，户主个体特征变量、家庭特征变量与省级区域控制变量对家庭正规信贷获得也有显著影响。在户主特征层面，首先，户主年龄对家庭正规信贷获得的影响为负，即随着户主年龄增加，家庭的信贷需求减小。其次，户主的受教育程度显著促进了家庭正规信贷获得，这是因为居民家庭的金融素养与居民的受教育程度呈正相关关系，而较高的金融素养会促进居民家庭偏好通过银行等正规金融机构借贷。在家庭特征层面，家庭人数、家庭资产与家庭正规信贷获得呈显著的正相关关系。此外，家庭礼金支出与家庭正规信贷获得也呈显著的正相关关系，因为“关系”增强了家庭获得正规信贷的能力。

（二）数字普惠金融对家庭正规信贷获得的影响路径

數字普惠金融的发展一方面带动了数字支付的广泛使用，使得家庭能够更加高效便捷地获得正规信贷，另一方面促使大量金融机构开展线上金融业务，从而提升正规信贷获得的可能性。这又倒逼或者推动了居民使用数字支付。结合假设H2，为了揭示数字普惠金融主要通过居民家庭的数字支付途径来对家庭正规信贷获得产生影响，本文首先选取北京大学数字普惠金融指数中的覆盖广度指数、数字化程度指数和支付指数进行检验，接着进一步根据“使用手机与否”和“使用数字支付与否”进行分样本回归检验。此外，本文还检验了信贷指数和征信业务对家庭正规信贷获得的影响机理。

数字普惠金融指数中的覆盖广度指数、数字化程度指数和支付指数对家庭正规信贷获得的影响的回归结果见表3。结果显示，3个指数的系数均显著为正，说明数字普惠金融覆盖越广、数字化程度越深和移动支付程度越高，越能够提高家庭获得正规信贷的可能性。这与当下我国普及普惠金融的理念相一致，为数字普惠金融的发展提供了微观经验支持。值得注意的是，在这3个指数中，覆盖广度指数的影响最大，其增加100个单位，家庭获得正规信贷的概率将提高8个百分点。总体而言，这充分表明我国发展数字普惠金融能够增加居民家庭正规信贷的可得性。具体来看，覆盖广度衡量的是支付宝绑卡用户比例和平均每个支付宝账号绑定的银行卡数，其反映了数字普惠金融通过促进居民家庭使用的银行卡数量来影响其信贷，即在使用银行卡数量较多的地区，正规金融机构对家庭的金融信息数据掌握更充分，从而更可能给居民家庭提供正规信贷。这充分支持了本文的研究假设H2。

进一步从拥有智能手机和使用手机支付这两个方面来对假设H2进行检验，回归结果见表4。一是对2015和2017年中国家庭金融调查样本中使用智能手机的家庭与未使用智能手机的家庭进行分样本回归，这是因为移动支付技术需要以智能手机为载体，即相较于未使用智能手机的家庭，数字普惠金融应该对使用智能手机的家庭获得正规信贷具有显著的促进作用;二是对2017年中国家庭金融调查样本中使用数字支付的家庭与未使用数字支付的家庭进行分样本回归。

表4第（1）（2）列回归结果表明，数字普惠金融对使用智能手机的家庭获得正规信贷的促进作用更为显著;第（3）（4）列回归结果表明，数字普惠金融能够显著促进使用数字支付的家庭获得正规信贷。对于使用数字支付的家庭，数字普惠金融的回归系数在1%的水平上显著，其提高100个单位，家庭正规信贷获得的概率提高26个百分点。

但需要注意的是，以家庭是否使用智能手机为标准进行分组可能存在内生性问题，这是因为使用智能手机的家庭相比未使用的家庭拥有更多的资产和收入，也就更可能获得正规信贷。因此，本文通过在原有控制变量基础上加入“家庭收入”，并将样本分为低/高总资产家庭、低/高净资产家庭、低/高收入家庭进行分组描述性统计和回归的方法，证实了家庭获得正规信贷与“是否使用智能手机”有关，而非由于使用智能手机的家庭有更多的家庭总资产、净资产或者收入。综上，假设H2成立。

（三）数字普惠金融的“长尾”特性

“长尾”理论认为，考虑到成本和效率因素，传统正规金融关注重要的客户，即正态分布曲线所描绘的“头部和中部”客户，往往忽略了处于正态分布曲线“尾部”的客户，即那些需要更多精力和成本才能关注到的大多数客户。而数字普惠金融具有“普惠”特征，其“成本低、速度快、覆盖广”的优势能更有效地突破时空限制，让金融机构更好地服务“长尾”人群。那么，数字普惠金融对家庭正规信贷获得的促进作用是否在“长尾”家庭中更显著呢？为此，本文考虑了个体、城乡和区域的差异，分别对家庭总样本中的女性户主家庭和男性户主家庭、低净资产家庭与高净资产家庭、低收入家庭与高收入家庭、城镇家庭与农村家庭、中西部地区家庭与东部地区家庭进行分样本回归，结果见表5。

表5第（1）（2）列回归结果显示，数字普惠金融对女性户主家庭正规信贷获得的作用更强。数字普惠金融提高100个单位，女性户主家庭获得正规信贷的概率提高约13个百分点。第（3）（4）列回归结果显示，数字普惠金融发展显著促进了低净资产家庭的正规信贷获得，但对高净资产家庭的促进作用不显著。第（5）（6）列回归结果显示，数字普惠金融显著提高了低收入家庭的正规信贷获得，但对高收入家庭的促进作用不显著。第（7）（8）列回归结果显示，数字普惠金融的回归系数仅在农村地区的样本中显著为正，即数字普惠金融促进了农村家庭的正规信贷获得，缓解农村金融排斥，但对城镇家庭正规信贷获得的作用不显著。第（9）（10）列回归结果显示，数字普惠金融显著促进了中西部地区家庭的正规信贷获得，但对东部地区家庭正规信贷获得的促进作用不显著。综上，经验结果支持了数字普惠金融对家庭正规信贷获得的促进作用在“长尾”家庭中更强。因而，数字普惠金融的发展使得被传统金融服务排斥的群体也参与其中，具有包容性。

四、稳健性检验

（一）基于CFPS数据

除使用中国家庭金融调查数据外，本文还注意到中国家庭追踪调查（CFPS）问卷中也有家庭正规信贷获得状况的变量。因此，本文更换数据库，使用2014和2016年中国家庭追踪调查的数据样本进行稳健性检验，作为本文结论的辅助论证。对于被解释变量，在CFPS中将有来自银行的住房贷款或“其他贷款”的家庭视为有正规信贷获得。实证设计与前文一致，回归结果见表6。

表6第（1）列显示数字普惠金融对家庭正规信贷获得的影响，其系数显著为正，说明数字普惠金融提高了家庭获得正规信贷的概率。第（2）（3）列分别报告了数字普惠金融覆盖广度指数和数字化程度指数对家庭正规信贷获得影响的回归结果，结果支持了通过数字支付对家庭正规信贷获得的影响路径。第（4）-（11）列分别进行了女性户主家庭与男性户主家庭、低净资产家庭与高净资产家庭、低支出家庭与高支出家庭、城镇家庭和农村家庭的分样本检验，结果均支持数字普惠金融对“长尾”家庭正规信贷获得的促进作用。综上，前文研究结论得到支持。

（二）变更因变量的定义范围

受2017年中國家庭金融调查数据的限制，本文第三部分被解释变量的界定中未考虑家庭农业生产性信贷情况，但2013和2015年CHFS的调查中区分了家庭农业生产性信贷的来源。为进一步检验本文的研究结论，选取2013和2015年的样本家庭，经过清理得到一个由24567个家庭构成的样本，回归结果见表7。所选取的户主、家庭与省级控制变量与表1一致。

按照前文的研究思路，本文首先检验数字普惠金融与家庭正规信贷获得的关系，其次检验数字普惠金融影响家庭正规信贷获得的路径，最后检验数字普惠金融对家庭正规信贷获得的促进作用是否在“长尾”家庭中更强。

从表7第（1）列结果可知，数字普惠金融对家庭正规信贷获得的促进作用得到支持，即假设H1成立。第（2）（3）列分别将普惠金融总指数替换成覆盖广度指数和支付指数，其系数均显著为正，即假设H2得到支持。第（4）-（7）列结果表明，数字普惠金融对低净资产家庭、低收入家庭的正规信贷获得有显著的促进作用，但对高净资产家庭、高收入家庭的作用不显著。第（8）（9）列结果显示，数字普惠金融显著促进了农村家庭正规信贷获得，但对城镇家庭正规信贷获得的促进作用不显著。第（10）（11）列结果支持数字普惠金融对中西部地区家庭正规信贷获得的显著促进作用。由此，数字普惠金融对“长尾”家庭正规信贷获得的促进作用得到支持，前文的研究结论得到验证。

（三）内生性讨论