陈丹丹，刘 庆，杨欣君，张宁欣，贡炀坤

（南京财经大学，江苏 南京 210046）

改革开放以来，贫困一直是我国长期面临的问题。继“脱贫攻坚”后， “乡村振兴”成为现阶段经济新常态下的一项重要任务。金融行业在现代经济中占据核心位置。乡村振兴也离不开金融助力。我国非常需要通过金融发展对接乡村振兴的多元化融资需求。近年来，中央出台了一系列政策文件以期引导多种资金参与到扶贫工作中，但是由于金融抑制与金融排斥等原因，农村居民依然长期面临着融资约束，这大大降低了金融扶贫的实际效果。2005 年，联合国正式提出“普惠金融”的概念，开发了一条金融扶贫的新道路。 “普惠金融”在完善金融基础设施和金融机构可负担成本的基础上，通过为特定弱势群体提供融资机会和金融支持的方式，实现减贫增收与经济发展，大大减少了传统金融排斥的问题，改善了低收入群体、农村居民的生活质量。随着互联网技术飞速发展，传统普惠金融与互联网技术结合产生了数字普惠金融。数字普惠金融依托物联网、大数据、云计算等数字信息技术，进一步降低成本、扩大金融覆盖面、减少金融排斥，对于促进经济发展、缩小城乡差距、提高低收入群体的生活水平有显著作用。

然而，数字普惠金融能否真正克服传统金融扶贫中存在的金融排斥等问题，进而实现农村地区的乡村振兴，又将通过何种机理得以实现？随着区域间交流的不断深化，数字普惠金融是否存在区域间的溢出效应更加值得讨论。考虑到这些问题，本文以2011—2019 年全国31 个省市自治区的面板数据作为研究样本，基于数字普惠金融对低收入群体生活水平影响的理论基础，通过建立空间计量模型，研究全国各省份近年来数字普惠金融的减贫效应及空间溢出效应，以期为金融发展支持扶贫开发及进行乡村振兴提供理论支持与决策参考。

1 相关文献综述

1.1 金融扶贫的发展历程

改革开放以来，我国脱贫攻坚工作取得显著成效。其中，金融扶贫在脱贫工作中发挥了重要作用。即使是在全面脱贫的今天，金融扶贫对乡村振兴也有着重大影响。

扶贫小额信贷、扶贫金融债等多种金融工具显著促进了贫困人口脱贫、经济发展、收入增长。Conroy J[1]和Allen K 等[2]认为农村地区金融产品的需求与金融机构的供给存在不一致性，不可避免地会存在金融排斥、金融抑制现象，实施金融扶贫仍存在一定难度。因此，为了保证贫困人口和弱势群体的权益，党的十八届三中全会正式提出要发展普惠金融。普惠金融是指立足机会平等要求和商业可持续原则，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务。李建军等[3]认为传统金融更专注于金融机构与金融工具的发展情况。而普惠金融更注重金融的“普惠性”，即要让社会各层面均能享受到金融服务。杜晓山[4]提出利用普惠金融满足低收入弱势群体如小微企业、农民、城镇低收入人群、贫困人群和残疾人、老年人等特殊群体的金融需求。

随着互联网的发展，传统金融与互联网技术结合得越来越紧密，数字普惠金融应运而生，给普惠金融的发展指明了新的方向。在2016 年的G20 峰会上，数字普惠金融的概念被正式提出。数字普惠金融更加注重数字技术的运用，提高了金融服务的可得性与覆盖性。焦瑾璞等[5]认为数字技术具有低成本、高效率的特征，在促进普惠金融发展中具有明显优势。2016 年，北京大学数字研究中心发布了第一期数字普惠金融指数，该指数自发布后成为众多学者研究数字普惠金融的主要参考数据。

1.2 数字普惠金融发展对贫困的影响

研究表明，普惠金融对于贫困减缓的影响并不是完全正相关且线性的。焦瑾璞从县域和省域两侧层面，利用普通最小二乘法 （Ordinary Least Squares，OLS）和双重差分法（Differences-In-Differences，DID）检验了普惠金融的政策效应，并从其结果可以总结出普惠金融在其发展初期，能够在一定程度上缩小城乡收入差距，尤其在集中连片特困区、银行服务包容性不高的地区最为显著。然而杨俊等[6]经过研究发现，农村金融发展短期减贫效果显著，但长期减贫效果欠佳。黄秋萍等[7]发现普惠金融对于贫困的减缓作用随着普惠金融的发展呈现边际递减效应。李建军等[8]发现若贫困地区的贫困户过度依赖银行提供的流动性金融资金，那么银行内部巨大的负债则会带来一定的金融风险，通过紧缩流动性加剧金融危机，从而导致经济的下滑。

数字普惠金融作为普惠金融的创新，得到许多学者的关注。陈啸等[9]证明数字普惠金融相较于传统普惠金融更能缩小本地区城乡居民的收入差距。宋晓玲[10]利用北大互联网金融研究中心构建的数字普惠金融指数，研究发现数字普惠金融发展对缩小城乡收入差距具有积极作用。陈丹等[11]的研究表明数字普惠金融显著促进了农村居民收入水平的增加。钱鹏岁等[12]利用中介效应模型进行评估，得出数字普惠金融对于贫困减缓具有显著的促进作用。

美国经济学家肯尼斯·约瑟夫·阿罗最早用外部性解释了溢出效应对经济增长的作用，引发了学者的一致关注。此后，根据普惠金融发展空间广度、发展深度及渠道维度的不同，其空间溢出效应、门槛效应与渠道也被提出。顾宁等[13]认为溢出效应中的空间溢出效应在同类研究中成果最显著。有学者利用莫兰指数（Moran's I）法检验区域经济增长空间相关性并使用空间回归模型偏微分方法研究金融排斥的空间溢出效应。沈丽等[14]发现我国区域经济增长存在显著空间相关性，具有较为显著的空间溢出效应。在另一项研究中，学者基于省级面板数据利用贝叶斯方法设定空间计量模型，总结出了数字普惠金融在东部地区、中西部地区的影响差异。

基于上述文献分析不难看出，数字普惠金融作为普惠金融的形式之一，与普惠金融的内涵影响存在一定相似性，且数字普惠金融的发展对于减缓贫困有一定的促进作用。目前关于普惠金融测度与普惠金融减贫效应的分析较为全面客观，然而数字普惠金融的概念出现较晚，目前我国关于数字普惠金融的研究较少。因此本文将以数字普惠金融减贫效应的空间溢出效应为主要研究对象，分析数字普惠金融空间溢出效应的具体影响。

2 数字普惠金融减贫效应的作用机制

自从数字普惠金融发展以来，其对于我国贫困减缓有着极大的影响。目前学界普遍认为数字普惠金融对于贫困减缓的作用机制主要分为直接与间接作用机制两种。直接作用机制主要体现在数字普惠金融运用先进的信息技术，对原有的储蓄和信贷进行了创新，拓宽了金融服务的广度与深度，直接减缓了我国的贫困状况。间接作用机制则体现在数字普惠金融的发展对于社会经济增长的促进使居民收入分配差距减少，产业升级加快，间接减缓了我国的贫困状况。

2.1 直接作用

2.1.1降低金融市场准入门槛

因地理、经济等方面因素，偏远地区、经济发展较落后地区以及人口密度较小地区的传统普惠金融服务成本较高而收益较低，因此这些地区的传统普惠金融发展较为落后，人们很难享受到普惠金融服务的便利，金融排斥现象由此产生。而数字普惠金融运用先进的信息技术，对原有的信息流动状况进行了简化，使金融市场的信息流通俗易懂化，便于人们简单快捷地享受到优质的金融服务。同时，数字普惠金融的发展也催生了新型资金储蓄平台。这些平台相较于以往的小额信贷、银行等金融机构降低了普惠金融服务的门槛，使得贫困群体有能力进行小额的资产投资。

2.1.2降低原有金融服务成本

数字普惠金融是互联网数字技术与普惠金融的结合体。相比于传统普惠金融，数字普惠金融降低了金融服务成本，减少了空间限制程度，有利于普惠金融延伸至贫困地区。除此以外，信息技术的使用也使金融市场上的信息流动更为迅速，人们可以通过数字技术简单快捷地了解到当前金融市场的相关形式，大大减少了先前因信息不对称而造成的巨额交易成本。

2.2 间接作用

2.2.1经济增长与空间溢出效应

空间溢出效应就是指生产活动以及经济活动跨越各种阻隔，产生了除预期目的以外的效果，形成普遍存在的经济活动上的空间作用。根据Richardson H W[15]的研究，将空间溢出效应分为正溢出效应（涓滴效应）以及负溢出效应（回流效应）。

“涓滴效应”，是指在经济发展过程中先使富人受益，再由富人通过投资消费等方式扩大就业市场，提高原材料需求量，继而间接增强作为供应者贫困群体的经济水平，实现一定程度的贫困减缓。同时富人为政府提供了更多的税收收入，税收为贫困阶级提供了一定的保障，间接减缓了我国的贫困状况。数字普惠金融的经济增长主要是利用“涓滴效应”实现对贫困状况的间接减缓。

“回流效应”，是指因为地区间的人口迁移、资源流动以及贸易往来等经济因素产生累积效应导致的负向效用，阻碍了周边地区的经济发展，因此数字普惠金融的发展可能会导致周边地区人才资源流失，阻碍周边地区发展；而当数字普惠金融长期发展至一定水平后，地区间差距减小，空间溢出效应逐渐萎缩，只能对本地区产生正向影响。

2.2.2收入分配效应

数字普惠金融降低了原有的金融服务成本，从而使贫困群体的借贷成本大大减少，间接地增加了其收入水平。同时数字普惠金融对于信息流的简化使得我国各大农村地区可以方便快捷地享受到安全的金融服务，这极大地促进了我国欠发达地区的发展，减少了地区间的发展差异，改善了我国的收入分配状况。

3 相关实证分析

3.1 数据来源

本文选取2011—2019 年我国31 个省市自治区的面板数据作为研究样本，数据来源于《中国统计年鉴》 《中国贫困监测报告》、CSMAR 数据库与北京大学数字普惠金融指数[16]。

3.2 变量说明

3.2.1被解释变量

本文采用贫困发生率（Pov）作为被解释变量。贫困问题不仅代表着经济上的落后，还代表着公民权利、能力的缺失，因此减贫工作是重中之重。本文研究的是数字普惠金融的减贫效应，被解释变量必须能够可靠地衡量我国各省减贫情况。目前，学界对于减贫效应衡量可选用的指标众多，如贫困发生率、FGT 指数、恩格尔系数、泰尔指数等。本文参考龚沁宜等[17]与夏玲[18]的方法，采用贫困发生率作为衡量减贫效应的指标。

3.2.2解释变量

本文采用北大数字普惠金融指数（If）对数化后的结果作为解释变量。北大数字普惠金融指数是在北京大学数字金融研究中心与蚂蚁金服的共同合作下完成的。该指数从实际数字金融服务的覆盖广度、使用深度和数字支持程度3 个维度出发，通过对于33 个指标的处理对我国数字普惠金融的发展进行了全面客观的衡量。

3.2.3控制变量

为了使模型更加科学准确，考虑到影响贫困的其他因素，本文引入经济发展水平（Eco）、城镇化水平（Urb）、城乡收入差距（Gap）、财政干预程度（Gov）、产业结构（Str）、受教育程度（Edu）作为控制变量。

1）经济发展水平。一般情况下，经济发展水平对贫困减缓存在一定影响。在一定条件下，经济增长与贫困减缓存在正相关。本文借鉴钱鹏岁的研究对数化人均实际GDP，并以此作为经济发展水平的衡量指标。

2）城镇化水平。农村人口向城市不断迁移，导致了农村人口的流失、扩大了城乡收入差距，但也在一定程度上提高了人们的收入水平，促进了劳动力市场的发展。本文采用城镇人口占总人口的比重作为衡量城镇化水平的指标。

3）城乡收入差距。我国社会的收入分配差距问题十分严重，城乡收入差距加剧了城镇乡村的两极化发展，不利于贫困减缓。本文采用城镇居民人均可支配收入与农村居民人均可支配收入的比值作为衡量收入分配水平的指标。

4）财政干预程度。政府的财政干预对经济发展有一定影响。对贫困人口福利支出甚至直接改善了农村贫困现状。本文采用财政涉农支出金额占财政支出总额的比重作为衡量财政干预水平的指标。

5）产业结构。国家产业结构调整有利于农村剩余劳动力转移，增加就业机会，对贫困问题的缓解起到重要作用。本文采用第一、二产业增加值占国内生产总值的比重作为衡量产业结构的指标。

6）受教育程度。教育是一国基石，能从根本上提高人们的经济能力，对贫困减缓有着正向作用。本文采用地方财政支出占地方财政一般预算支出的比值作为衡量教育水平的指标。

3.3 空间自相关检验

3.3.1空间自相关模型

空间自相关又称空间依赖性，空间自相关分析是分析数据地理性因素的基本方法之一。Tobler 的地理学第一定律曾描述： “所有的事物都是有联系的，一个地方发生的事件总是与它附近发生的事件有关联，并且相距近的事物之间的联系一般比相距远的事物之间的联系要紧密。”普惠金融减贫效应地理间的差异也同样具有此类空间相关性。

本文采用北京大学数字普惠金融指数的相关数据，以我国31 个省市自治区和年份作为划分依据对其空间依赖性进行分析。对数字普惠金融减贫效应进行空间自相关分析的前提是要量化各个省份之间的空间关系（相邻—1，不相邻—0，默认海南省和广东省是相邻省份），即建立我国各个省份之间的空间权重模型。

模型建立后，一般采用莫兰分析法和空间热点分析（Getis-Ord Gi*）两种方法进行数据分析，本文则利用莫兰分析法对其进行描述性统计，观测其空间维度与变量之间的相关关系。

3.3.2全局空间自相关检验分析

全局指标可从区域整体上测度某一属性的空间集聚程度，利用全局（Global）莫兰指数进行分析，本文利用这一指标表示空间相邻区域内普惠金融减贫效应以及普惠金融指数属性的相似程度，以此来说明其空间相关性。常用的莫兰指数计算公式为

式中：i 为地区；j 为年份；xi为第i 个地区的数据；x为所有地区数据对应的均值；n 为地区要素的总数（本文研究的地区数n 是全国31 个省市自治区的合计数）；Wij为空间权重矩阵中行为i，列为j 的元素；S0为所有空间权重的聚合。莫兰指数存在以下性质：若取值大于0 小于1，则说明存在正的自相关关系；若取值大于-1 小于0，则意味着指数间存在负的自相关关系；若等于0，则不存在相关性。

利用Stata 软件对2011—2019 年度的Pov，If，Eco，Urb，Gap，Gov，Str，Edu 八大指标进行莫兰分析，其结果见表1。另根据相关指数Z 值与P值，结合表1 可以得出：Pov，If，Eco，Urb 4 个指标均通过置信度99%的检验；Gap （除2011 年、2012 年置信度达到95%外），Gov （除2013 年、2014 年置信度达到95%外），Edu （除2012 年、2016 年、2017 年置信度达到95%，2015 置信度达到90%外）3 个指标置信度也达到了99%，使本次检验结果较为可信。

表1 莫兰指数置信度判断

表2为全局莫兰指数，采用单侧检验（1-tail test）。由表2 数据可知，2011—2019 年间，所有指标的莫兰指数分析都为正，表现出明显的正自相关关系；贫困发生率的莫兰指数均大于0.5，表现出较为明显的空间差异性；数字化普惠金融指数指标的莫兰指数则随着时间的推移呈现增长的趋势，而经济增长水平的莫兰指数却随着时间的推移呈现下降的趋势，近年来经济发展越来越好，各个省份之间的经济差异相对来说也在变小，空间相关性呈下降趋势。平均来看，在这八大指标中，Pov 的空间相关性最强，Gov 的空间相关性最小，其莫兰指数最高不超过1.385，显著性水平不高，这说明了数字普惠金融的减贫效应是与地域相关的。

表2 全局莫兰指数

3.3.3局部空间自相关检验分析

局部指标可用于探索集聚中心的空间位置，可以利用局部（Local）莫兰指数以及局部莫兰指数散点图，对全国31 个省市自治区减贫效应和普惠金融指数的空间相关性进行探究，局部莫兰指数计算公式为

本文在局部莫兰指数检验的步骤中引入莫兰指数散点图进行拟合研究。莫兰指数散点图分为4 个象限。第一象限代表的是所研究高指标地区出现了集聚现象；第二象限代表的是高指标地区包围了低指标地区；第三象限代表的是低指标地区出现了集聚现象；第四象限代表的是低指标地区包围了高指标地区。

本文选取的是数字普惠金融指数指标和贫困发生率2011 年和2019 年的指标，并对其数据进行局部莫兰指数散点图的拟合，结合Stata 软件得出结果见图1。

图1 莫兰指数散点图

由图1-a 和1-b 可知，2011 年和2019 年绝大多数省市自治区都处在一三象限中，表明这些地区的数字普惠金融指数表现出正向的空间相关性，这种正向的空间相关性就是正向的空间溢出效应。湖北省、辽宁省、陕西省、四川省在2011 年处于第四象限（高-低区域），说明这些省份数字普惠金融指数比较高，但其周围省份的普惠金融水平却相对来说很低，而经过8 年的发展，到2019 年时没有城市处于第四象限，局部空间相关性明显。综上我国数字普惠金融发展总体呈现出东部地区发展程度高，中西部地区发展程度低的总体态势。

由图1-c 和1-d 可知，与数字普惠金融指数率莫兰指数散点一样，贫困发生率莫兰指数散点绝大多数聚集在一三象限中，表现出较强的正向相关性。在第三象限的省份代表贫困发生率低的省份，从2011 年到2019 年，其数量从12 个增加到16 个，近年来普惠金融是对贫困发生率的降低起到了一定作用。贫困发生率的地区差异，空间相关性是较为明显的。

3.4 实证检验

3.4.1模型建立

目前，空间计量经济学中的控建模型主要是空间误差模型（Spatial Error Model，SEM）和空间自回归（Simultaneous Auto-Regressive，SAR）模型。当解释变量的空间滞后项影响被解释变量时，还可以建立空间杜宾模型（Spatial Dubin Model，SDM）。以上3 种模型都是根据传统空间面板回归模型而构建，空间面板模型的表达式为式中：i 为地区截面维度样本；t 为时间维度数据；α 为空间自回归系数；yit为因变量样本观测值；Wij为空间权重矩阵中行为i，列为j 的元素；θ 为回归系数的列向量；Xit为自变量样本的观察值；λi为个体的固定效应；μt为时间固定效应；εit为随机扰动项；ρ 为空间自相关系数。

3.4.2模型检验

要具体确定使用哪种模型，根据Elhorst J P[19]确定空间面板数据模型的方法，首先需要在普通混合OLS 模型的基础上进行拉格朗日乘子（Lagrange multiplier，LM）检验与稳健拉格朗日乘子（Robust Lagrange Multiplier，Robust LM）检验，根据回归结果确定模型是否具有空间自相关性，是否需要运用空间面板模型。

LM 检验结果见表3。LM 空间误差和Robust LM 空间误差对应的P 值为0.015 与0.569；在5%的显著性水平下前者显著后者不显著；LM 空间滞后与Robust LM 空间滞后的P 值为0.001 与0.021，在5%的显著性水平下二者皆显著。LM 空间滞后相对于LM 空间误差更加显著，且Robust LM 空间滞后显著而Robust LM 空间误差不显著，这表明LM检验结果支持SAR 模型，因此有必要对于SAR，SEM 与SDM 之间的关系进行进一步的判断。

表3 LM 检验结果诊断

本文通过LR 检验假设以及LR 检验统计量对SDM进行了进一步分析，以判断SDM 是否可以简化为SAR 或SEM。

LR 模型的检验结果见表4，LR 检验假设见表5。通过5%显著性水平下的LR 检验，可以看出模型对SAR 和SEM 都存在着显著性，因此SDM 具有更显著的优势——约束条件较少，具有较为广泛的实用性，不仅仅考虑了因变量的空间相关性、残差相关性，而且还考虑了因变量受自变量影响的空间交互因素，更具有说服力，因此应当选取SDM 进行接下来的分析。综上SDM 不能简化为SAR 与SEM。

表4 LR 检验结果

表5 LR 检验假设

本文Hausman 检验原假设是支持随机效应的，χ2=31.33，有伴随概率Prob≥χ2，说明在5%的显著水平下应拒绝构建随机效应模型的原假设，转而构建固定效应模型。本文对SDM 进行时间固定效应、个体固定效应与双固定效应回归选择。结合stata软件根据这3 种固定效应的R2overall 值确定具体模型：时间固定效应overall=0.550 1，个体固定效应overall=0.719 7，双固定效应overall=0.657 0，因此应当选取个体固定效应。建立的SDM 方程为

式中：POVit为贫困发生率指数；lnIf 为对数化数字普惠金融指数。模型变量的描述性统计见第103 页表6。

表6 描述性统计

3.4.3实证结果分析

第103 页表7 为个体固定效应的空间杜宾模型估计结果。

表7 个体固定效应的空间杜宾模型估计结果

由表7 可知，空间自回归系数的估计值为0.717，且在1%的水平下显著。这意味着我国的贫困减缓状况具有显著的空间关联性，本地区的减贫状况对周边地区存在一定影响。

从解释变量的回归结果来看，数字普惠金融指数的系数估计值为-0.116，通过了1%的显著性检验，表明数字普惠金融发展对贫困减缓具有显著作用。数字普惠金融指数的空间滞后项在1%的水平下为0.112，说明本省数字普惠金融的发展阻碍了相邻省份的贫困减缓，可能因为本省数字普惠金融发展水平的提高吸引了相邻省份的人才与资源外流，对其负面的竞争效应大于其正向溢出效应。

从各控制变量的回归结果来看，经济发展水平、城镇化水平与受教育程度的回归系数在5%的水平下为-0.034，-0.456 与-0.335，对贫困减缓具有正向影响，其中经济增长具有“涓滴效应”，能够有效促进贫困减缓。表明以上变量的发展水平越高越有利于本省份的贫困减缓。政府干预程度在10%的水平下系数为-0.215，表明政府的财政干预有利于本省份的贫困减缓；城乡收入差距与产业结构虽然系数估计为负，但是在统计意义上不显著。

从控制变量的空间滞后项来看，城镇化水平在5%的显著性水平下显著，系数为0.342，说明本省城镇化水平的提高不利于相邻省份的贫困减缓；产业结构与受教育程度的系数均为正数，说明虽然其恶化了相邻省份的贫困影响，但是其作用在统计意义上不显著；本省的经济发展水平、城乡收入差距与政府干预程度的增加对于相邻省份的贫困减缓影响不显著，见表7。

SDM 将空间总效应分解为直接效应与间接效应。其中直接效应是指本地区自变量对本地区因变量的影响；间接效应是指本地区自变量对其他地区因变量的影响即空间溢出效应。总效应则反映了平均影响。对SDM 分解结果见第104 页表8。

由 表8 可 知，本 地 区If，Eco，Urb，Gap，Gov，Str，Edu 对本地区贫困减缓具有一定的影响。拿成都来说，与之相邻起到直接效应的省份只有四川省，其他30 个省市自治区带来的都为间接效应，其他省市自治区同理。我国普惠金融仍处于初期阶段，部分省份凭借自身优势大力发展普惠金融而产生空间溢出效应，但长期来说，地区间的普惠金融差距会不断萎缩，从而仅本省数字普惠金融发展对贫困减缓产生积极影响。因此空间溢出效应的研究若使用LR 直接数据会存在片面因素，而LR 间接数据则会比较客观地反映具体现象。由表8 数据可知：本地区的If，Urb 与Str 对其他地区具有正面影响，尤其是If，其影响指数达到了“***”，置信度达到了99%，而Eco，Gap，Gov 与Edu 将会对其他地区的贫困减缓产生抑制作用。但从LR 总计均衡来看，除了Str，If，Eco，Urb，Gap，Gov 与Edu都对本地区的贫困减缓具有明显的影响作用。

表8 空间溢出效应分解

4 研究结论及启示

本文基于2011—2019 年我国31 个省市自治区相关数据，运用空间计量模型对数字普惠金融对于贫困减缓的空间溢出效应进行了研究，具体研究结果如下：一是在这9 年间，我国数字普惠金融发展总体稳定，呈现出东部地区发展程度高，中西部地区发展程度低的总体态势。全国各地区贫困状况均有所减缓，但减缓程度仍存在着一定的地区差异性。二是从空间自相关检验结果来看，数字普惠金融发展对我国各省农村贫困状况的减缓呈现显著空间集聚现象。三是在空间杜宾模型的估计结果中，数字普惠金融发展对于贫困发生率的影响显著。同时回归结果显示，各省数字普惠金融的发展对于其贫困状况的减缓起到正向作用，但这种发展也会吸引邻省人才，造成邻省资源外流，从而阻碍邻省的贫困减缓。

综上所述，可以得到下述启示。

一是政府应积极引导数字普惠金融进一步发展。数字普惠金融的发展不仅可以减少原有金融机构的成本、降低金融市场准入门槛，还能有效提升贫困人群收入，助力乡村振兴。政府应出台相关政策，鼓励金融机构创新，构建良好数字普惠金融市场，进一步推动数字普惠金融发展。同时，国家应尽快完善相关法律，对现有金融机构予以监管与督察，保护金融机构与贫困人群双方的利益。

二是各省应加强区域间合作，合理利用数字普惠金融对贫困减缓的空间溢出效应，促进各省贫困状况进一步减缓。各地政府应打破原有的“本位主义”执政理念，加强区域间的合作与联系，进一步减少乃至消除各地之间的经济、金融屏障，加大知识、技术及信息的分享力度，共同协作减少贫困。

三是各省政府应加强相关金融知识普及，提升贫困人群金融素养。较低的金融素养对于贫困人口的贫困情况也有一定影响。贫困人群对于金融知识的缺乏使他们不知如何合理使用金融工具来帮助自己脱离贫困。因此各省政府有必要加强贫困人群对于金融机构以及相关金融服务的了解，扩大贫困人群金融服务接触面，提高贫困人群对于数字化金融服务的使用能力，进一步减缓我国的贫困状况。