张文龙

(武汉大学,湖北 武汉 430072)

一、引言

解决好“三农”问题一直是全党工作的重中之重,乡村振兴战略是党的一项重大决策部署,是推动农业农村现代化的总抓手,也是实现共同富裕的必然要求。进入新时代,经过多年的努力,我国已经取得了脱贫攻坚战的伟大胜利,中华民族也迎来了全面建成小康社会的历史性时刻。这些都是“三农”问题解决过程中的阶段性成果,但并不意味着“三农”问题已经完全解决。实现农业农村现代化任重道远,还需要持续加大投入和支持。全面小康不是终点,而是新征程的起点。在新形势下,如何让农民收入实现持续增长,如何让5亿多农民分享新时代的发展成果,是需要不断回答的时代课题。

金融是现代经济体系的核心,要实现农民收入持续增长,就必须充分发挥金融的作用。数字普惠金融是指利用数字技术如大数据、云计算、人工智能等,为广大中小微企业和低收入群体提供便捷、高效、低成本的金融服务。数字普惠金融可以促进金融供给侧结构性改革,优化金融经济结构;降低中小微企业和低收入群体的融资难度和成本,增加金融服务的覆盖范围和质量,激发民营经济和消费的活力,推动实体经济的供需平衡和高质量发展。在乡村振兴方面,数字普惠金融可以依托数字技术和数字基础设施建设,打破空间和时间的限制,为用户提供跨空间、无差别的金融产品与服务,实现数字普惠金融向县域、乡村、社区的深入推进。同时,数字普惠金融可以为传统普惠金融赋能,建立专门面向中小微企业和低收入群体的金融数据处理中心、产业基金等,助力中小微企业和低收入群体顺利完成数字化转型。

经典的经济学理论告诉我们,随着经济的发展,对食物的消费在总消费中的占比会不断下降, 而加工和末端营销等产业链的延长部分获得的份额会不断上升。因此,农民整体得到的农业总收入占GDP的比重会随着经济发展而不断下降。钟甫宁和何军(2007)研究发现,传统的惠农政策,无论是农产品价格支持还是农业生产工具价格补贴,都无法使农民收入长期增长,且对农民增收的促进作用也会越来越小。所以,以促进农业生产为目标,顺便帮助农民增收的政策没有可持续性,也不符合农民的根本利益。帮助农村劳动力进入非农业部门才是更长期、更有意义的举措。

从上述分析可以看出,数字普惠金融对提升农民收入有积极的作用,而农民收入的增加主要取决于非农就业的机会,因此探究数字普惠金融如何影响农民的非农就业选择是一个有意义的课题。本文将利用具体的农村家庭数据进行实证分析,从微观层面为农民收入与农村金融研究提供新的视角,并提出相关建议。

二、理论分析与研究假设

金融发展可以促进企业的劳动需求,从而提供非农就业机会。有学者利用70个发展中国家的50 000家企业的数据进行了实证分析,结果表明,提高金融服务的可获得性会显著增加企业的雇员数量,而且这种效应对中小企业更加明显。此外,普惠金融的发展可以缓解农村的融资约束,这使资金不足的农民也有了自主创业的可能,而创业又会带来更多的非农就业机会。谢绚丽等(2018)发现,数字普惠金融的发展对创业有显著的积极影响,尤其是对于注册资本较低的微型企业,数字普惠金融对其创业意愿和能力的激发作用更为突出。综上所述,数字普惠金融可能从两种渠道促进非农就业,一是增加已有企业对劳动力的需求,二是促进农民创业,从而创造新的非农就业机会。而且农村企业相对而言规模较小,因此这两种促进作用会更加显著。基于以上讨论,本文提出第一个研究假设。

假设1:数字普惠金融的发展提高了农民非农就业比例。

目前我国发展不平衡的问题依然较为突出,城乡差距较大是我国的实际国情。李实和朱梦冰(2018)指出改革开放40年来,前30年城乡差距持续扩大,近10年来虽然遏制住了差距继续扩大的势头,但城乡差距仍然在高位徘徊。这一不平衡局面的直接表现之一就是非农就业的收入在大部分情况下远远高于从事农业的收入。蔡昉和都阳(2011)发现在我国城乡二元经济结构下,非农部门的劳动边际生产力长期高于农业部门。在此情况下,非农就业比例提高可以直接促进农民收入的增长。在我国的扶贫实践中,提供非农就业岗位一直是一项行之有效且长期可持续的助农举措。结合前文讨论,可以认为存在一条“数字普惠金融→非农就业→农民收入”的影响链条,这一可能存在的机制有助于发挥数字金融的普惠性作用,通过更有效的政策精准帮助农民增收。综上所述,本文提出第二个研究假设。

假设2:数字普惠金融可以通过促进非农就业来提高农民收入。

三、研究设计

(一)模型设定

为检验研究假设,本文构建如下三个计量模型:

NAEi=α0+α1IFi+αxXi+εi+μi

(1)

Incomei=β0+β1IFi+βxXi+εi+μi

(2)

Incomei=β0+β1IFi+β2IFi×NAEi+βxXi+εi+μi

(3)

其中:NAEi表示家庭i的非农就业比例;Incomei代表家庭i的收入;IFi表示家庭i所在地区的数字普惠金融指数;Xi代表一系列影响农村家庭就业选择与收入的控制变量;εi表示省份固定效应;α和β为待估计参数;μi为随机扰动项,代表对农村家庭就业选择与收入产生影响的不可观测因素。

模型(1)检验数字普惠金融对非农就业的影响,模型(2)检验数字普惠金融对农村家庭收入的影响。为了检验假设2,在模型(2)中加入数字普惠金融与非农就业比例的交互项IFi×NAEi构建模型(3)。如果“数字普惠金融→非农就业→农民收入”的影响机制成立,那么模型(3)中交互项IFi×NAEi的系数β2应该显著大于0,且与模型(2)相比,模型(3)中IFi的系数β1应该更小。

(二)数据来源与变量选择

本文使用了两套数据。数字普惠金融指标来自北京大学数字金融研究中心的《北京大学数字普惠金融指数(第三期,2011—2020 年)》。郭峰等(2020)利用北京大学数字金融研究中心和蚂蚁集团研究院利用蚂蚁集团关于数字普惠金融的数据,从数字金融覆盖广度、数字金融使用深度和普惠金融数字化程度3个维度来构建数字普惠金融指标体系,基于指标体系和层次分析法编制了北京大学数字普惠金融指数。本文使用的其他数据来自于西南财经大学中国家庭金融调查与研究中心2017年在全国范围开展的第四轮中国家庭金融调查(China Household Finance Survey,以下简称CHFS)。中国家庭金融调查采用三阶段、分层、与人口规模成比例的抽样方法,通过科学抽样,采用计算机辅助调查系统(CAPI)等现代调查技术和调查管理手段,数据质量较高。2017年第四轮调查覆盖全国29个省(区、市),355个县(市、区),1 428个村(居)委会,样本规模达40 011户,数据具有全国和省级代表性。

本文的被解释变量为非农就业比例和家庭人均纯收入。结合CHFS调查问卷,本文把年龄在16周岁以上,最近一周正在工作或在职而因各种原因(如请假等)未工作的家庭成员定义为劳动力,非在职的家庭成员中,本文把除丧失劳动能力、在校学习或离退休以外的也视为劳动力。对于非农就业,本文将耕作经营承包土地与被雇佣从事农林牧渔生产定义为农业就业,而从事其他行业(包括农业相关企业中的非农林牧渔生产职位)视为非农就业。非农就业比例(NAE)即为非农就业人数与家庭劳动力人数之比。

结合实际情况并参考已有的相关研究,本文的控制变量选取为户主的性别、年龄、婚姻状况、受教育程度、健康状况,家庭的人口规模、劳动力比例、资产。由于入户调查中受访者有可能出于保护隐私或维护面子等原因对实际的资产水平有所隐瞒或者夸大,因此加入家庭拥有的房产面积和汽车价值(包括乘用车和商用车)两个变量来辅助刻画家庭的资产情况。考虑到中国各省份之间的条件和政策差异较大,本文在模型中控制了省份固定效应。

为便于实证分析,本文剔除了部分数据缺失严重的样本。经过数据处理,本文共保留有效农村家庭样本10 396个。各主要变量的描述性统计如表1所示。

表1 主要变量描述性统计

从表1可以看出,超过89%的样本农村家庭户主为男性,这与现实情况基本一致。户主的平均年龄为56.5岁,超过88%的户主已婚,未婚的主要包括年龄较小和丧偶等情况。样本农村家庭的户主平均受教育程度为2.5,根据问卷,2代表小学文化程度,3代表初中文化程度,结合户主的平均年龄,这也反映了上一代农村基础教育的不足。

四、 实证结果分析

(一)数字普惠金融对农村家庭非农就业的影响

在模型(1)中,被解释变量NAE为非农就业人数占家庭劳动力比例的百分数,因此是一个取值在0～100的受限变量,使用OLS方法会导致估计量不一致。本文采用Tobit模型检验数字普惠金融对农村家庭非农就业比例的影响。模型(1)的具体估计结果如表2所示。

表2 非农就业比例估计结果

从控制变量的回归结果中可以看出,户主为女性的家庭非农就业比例更高,这可能是因为户主为女性的家庭绝大多数遭遇了丧偶,即男性户主已经因故去世,而年轻人大部分都选择外出打工,从事农业生产的主要是上一代的男性,因此户主为女性的家庭劳动力从事农业的比例较低。年龄的系数也为负,户主越年轻,家庭中年轻人的数量也就越多,更有可能寻求非农就业。受教育程度非常显著地提高了家庭非农就业比例,说明教育有助于提高农民的工作能力,从而更有可能获得非农行业的职位。健康变量的数值越大代表身体状况越差,所以户主身体越健康,家庭非农就业的比例就越高。家庭人口规模和劳动力比例的系数显著为正,可能是因为家庭承包的土地数量有限,所需要从事农业生产的劳动力也有限,人口和劳动力越多,越有富余劳动力流入非农行业。资产、房产和汽车的系数都为正,说明家庭持有资产越多,非农就业的比例越高,这可能与创造新的非农就业机会的创业行为有关,财力雄厚的家庭更有眼界也更有条件选择自主创业。

(二)数字普惠金融促进农民收入增加的非农就业机制

为了检验“数字普惠金融→非农就业→农民收入”的影响机制,本文对模型(2)和模型(3)进行回归分析,具体结果如表3所示。

表3 非农就业机制估计结果

表3汇报了模型(2)和模型(3)的具体回归结果。数字普惠金融指数的系数在模型(2)中显著为正,说明数字普惠金融的发展对农民收入有促进作用。但在引入数字普惠金融指数与非农就业比例的交互项之后,模型(3)中数字普惠金融指数的系数变为负值且不显著,而交互项的系数在1%的水平上显著为正。这说明数字普惠金融对农民收入的影响大部分是通过非农就业这一渠道实现的,从而验证了假设2。

五、 研究结论与建议

(一)研究结论

本文基于CHFS数据和数字普惠金融指数,运用Tobit模型和多元回归方法,从微观角度分析了数字普惠金融对农户非农就业和收入的影响。研究发现,数字普惠金融的发展能够显著提升农户的非农就业比例,进而增加农民的收入水平。此外,本文还验证了“数字普惠金融→非农就业→农民收入”的影响路径,结果显示数字普惠金融对农民收入的积极作用主要是通过增加非农就业机会而实现的。

(二)相关政策性建议

基于研究结论,本文提出相关政策性建议。

1.继续推动农村数字普惠金融发展。在广大农村,一方面要加强基础设施建设,借助新基建的东风扩大电信服务的范围,并提高电信服务质量,让农民有优质的网络资源可供利用;另一方面要加强普及金融知识,帮助农民认识和使用数字金融服务,培养农民的数字金融意识,激发他们使用数字金融工具的兴趣,同时也要提高农民的防范能力,警惕网络金融的风险和陷阱。

2.引导农村普惠金融为创造非农就业机会提供帮助。农村金融不能仅仅局限在农林牧渔生产上,数字普惠金融的发展要积极为农村小微企业解决融资难等问题,可以尝试将普惠金融与非农就业岗位挂钩,为创造更多非农就业机会、带领大家共同致富的小微企业提供融资政策优惠,从而产生激励效果。除此之外,也要鼓励年轻人返乡创业,一次成功的创业可以带来大量的非农就业岗位,数字普惠金融应该敢于为创业提供助力。

3.注重农民的获得感。现有的惠农政策依然主要着眼于助力农林牧渔等第一产业的农业生产,为了保障粮食安全,农业生产当然是重中之重,但也要考虑农民的感受。随着我国农业现代化程度的提高,农业生产所需要的劳动力越来越少,而农村富余劳动力的转移方向关乎每一位农民的切身利益。在未来很长一段时期内,非农就业是农民获得更高收入的必然选择,要贯彻共享发展理念,就必须把很大一部分农民从土地上解放出来。为此,不仅是普惠金融,其他方面的政策也要为这部分不再从事农业生产的农民着想,创造更多更优质的非农就业岗位,让农民有更多实实在在的获得感。