一、 引言与文献综述

共同富裕就是“消除两极分化和贫穷基础上的普遍富裕” ^[1]。自改革开放以来，我国经济飞速发展并取得了举世瞩目的成就。脱贫攻坚政策的实施消除了我国的绝对贫困，但我国发展不平衡不充分的问题仍然比较突出，区域之间、城乡之间以及行业之间的收入分配差距较大，相对贫困问题将在我国长期存在。现阶段我国离共同富裕的目标仍有较大差距。实现共同富裕不仅是社会意识形态的基本要求，也是新时代我国跨越中等收入陷阱、实现经济高质量发展的必然要求。目前，我国正处在全面小康向共同富裕过渡的起步阶段，而推进共同富裕又是一个长期复杂的过程，没有先例可循，也没有经验可借鉴。因此，有必要对我国共同富裕进行深入研究，探索促进农民农村共同富裕的路径。根据《推进普惠金融发展规划（2016—2020）》 中的定义，普惠金融是一种“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”。经过多年的实践，我国的普惠金融已经取得了一定的成就。 ^[2] 近年来，随着金融科技的迅猛发展，以数字经济为支撑的数字普惠金融，在提高普惠金融可得性、缓解金融排斥、降低金融成本等方面发挥了越来越大的作用。数字普惠金融不仅与共同富裕的内涵相契合，而且也是推进共同富裕的重要抓手; 但是数字普惠金融也“对数字基础设施、经济金融环境和客体认知禀赋等提出更高要求” ^[3]，如果无法满足这些要求，可能会产生“鸿沟”问题。那么数字普惠金融究竟能否促进共同富裕呢?

有关共同富裕的研究大多停留在共同富裕内涵的解释和实现路径层面，且大部分文献基于定性分析，鲜有学者对共同富裕水平进行量化。随着研究的深入，近年来也有不少学者提出了各种测度共同富裕水平的方法，例如，邹克等^[4] 利用耦合协调度模型测度共同富裕程度，刘培林等^[5] 从总体富裕程度和发展成果共享程度两个维度构建共同富裕的指标体系，钞小静等^[6]则从收入与财产、发展能力、民生福祉 3 个维度来构建评价指标体系。测度方法的日趋成熟和完善为进一步研究共同富裕水平及其影响因素奠定了基础。现阶段对于数字普惠金融的研究大多把重心放在数字普惠金融减少贫困和缩小收入差距上，例如，张子豪等^[7]、周利等^[8] 分别从省级和微观层面分析数字普惠金融对我国城乡收入差距的影响，张志元等^[9]则基于我国家庭追踪调查数据分析了数字普惠金融的发展对缓解家庭贫困状况的影响。随着共同富裕研究的深入，部分学者已经开始关注数字普惠金融对共同富裕的影响，例如，张金林等^[10] 基于 CHFS 微观调查数据构建共同富裕指数，探究了数字普惠金融对共同富裕的影响; 王平等^[11]基于省域静态面板数据，运用固定效应和中介效应模型探究数字普惠金融和共同富裕二者之间的关系。

综上所述，虽然有关数字普惠金融和共同富裕的研究已取得了丰硕成果，但仍有可以继续拓展的空间。一是有关共同富裕水平的测度不够全面科学; 二是现阶段将视角同时聚焦于数字普惠金融和共同富裕的文献还比较少; 三是在考察数字普惠金融对共同富裕的影响时，大多采用静态面板进行分析，且基于二者存在线性关系的假设; 四是部分文献仅将研究停留在定性分析层面，所提出的政策建议缺乏针对性。与既有文献相比，本文的边际贡献在于:首先，将前一期的共同富裕水平纳入模型，基于动态面板进行分析，并运用系统 GMM 方法考察数字普惠金融对共同富裕的影响; 其次，通过面板门槛模型检验二者之间的非线性关系; 最后，基于科学定量分析，针对性地提出数字普惠金融促进共同富裕的政策建议，为扎实推进共同富裕提供有益的理论依据和文献参考。

二、 研究设计

（一） 模型构建

1 . 基准回归模型

为考察数字普惠金融对共同富裕水平的影响，本文首先建立普通面板模型为

式中:Com_it 为第 i 个省份第 t 年的共同富裕水平; ln DIFI_it 为对数化处理后的数字普惠金融指数; CV_jit 为一系列控制变量; ε_it为随机扰动项。

鉴于共同富裕水平是一个动态调整的过程，可能会受到上一期共同富裕水平的影响，为防止模型出现偏误，本文引入被解释变量的滞后项，将式（1）修正为

式中:Com_it-1 为共同富裕水平的一阶滞后项。考虑到短面板数据的局限性以及可能存在的内生性问题会使模型估计出现偏差，故使用广义矩估计方法进行回归。广义矩估计主要包括系统 GMM 和差分 GMM 两种方法，考虑到差分 GMM 估计方法可能存在弱工具变量问题，而系统 GMM 方法能更充分地运用变量信息，因此本文使用系统 GMM 方法对构建的动态面板数据进行实证分析。

2 . 中介效应模型

为探究数字普惠金融对共同富裕的传导机制，参考温忠麟等^[12] 的研究成果，在模型（ 1）的基础上，构建模型（3）模型和（4）进行中介效应检验。

式中:FIN_it 为中介变量。

3 . 门槛回归模型

为了研究数字普惠金融发展水平与共同富裕水平两者之间是否存在非线性关系，本文以数字普惠金融发展水平为门槛变量，进一步研究在数字普惠金融发展的不同阶段，其是否会对共同富裕产生不同的影响。本文参照 Hansen ^[13] 和 Wang ^[14] 的相关研究，构建面板门槛回归模型。式（5）为单一门槛回归模型，在寻找门槛值的过程中若存在多个门槛值，再对其进行修正。

式中:γ 为门槛值。

（二） 变量说明

1 . 被解释变量

本文以共同富裕水平（Com）为被解释变量，从共同富裕的内涵出发，借鉴陈丽君等^[15] 和韩亮亮等^[16]的相关研究，从发展性、共享性、可持续性 3 个维度出发，利用熵值法对共同富裕水平进行客观测度。对应的指标评价体系如表1 所示。

2 . 核心解释变量

本文以数字普惠金融发展水平（DIFI）为核心解释变量，用北京大学数字金融研究中心编制的数字普惠金融指数表示，该指数包含覆盖广度（RAG）、使用深度（DEP）、数字化程度（DIG）3 个方面，能够客观全面反映各省份数字普惠金融发展水平。

3 . 中介变量

本文以融资约束缓解程度（ FIN）为中介变量，以金融机构存贷余额比作为融资约束缓解程度的代理变量，其值越大，表明资金使用效率越高，融资约束缓解程度就越大。

4 . 控制变量

为了控制其他变量对共同富裕的影响，借鉴金正连^[17]、刘海巍等^[18]、刘心怡等^[19] 的研究成果，本文选取经济发展水平（ ECO）、政府干预水平（GOV）、对外开放程度（ OPE）和教育发展水平（EDU）作为控制变量。其中，经济发展水平用以 2013 年为基期进行平减处理后的人均 GDP 表示; 政府干预水平用财政支出占 GDP 的比重来表示; 对外开放程度用进出口总额与 GDP 的比值来表示; 教育发展水平以人均受教育年限表示。

（三） 数据来源与描述性统计

由于普惠金融发展历史还比较短，考虑到西藏和港澳台地区的各项指标数据缺失较为严重，故本文不将其纳入研究范畴，仅采用 2013—2020 年我国 30 个省份的面板数据作为研究样本。数字普惠金融的相关数据来源于北京大学数字金融研究中心发布的《北京大学数字普惠金融指数》，其余数据分别来源于《中国统计年鉴》、地方统计年鉴和国家统计局公布的权威数据。为减小样本波动，本文对部分指标取对数处理。各变量的描述性统计如表2 所示。

由表2 可知，共同富裕水平的平均值为 0.232 8，最小值为 0. 099 2，最大值为 0.755 1，表明现阶段我国共同富裕水平总体上仍然比较低，且个别地区间差距较大。虽然数字普惠金融及其分维度指数已进行对数化处理，但不难看出，我国的数字普惠金融发展水平也存在不平衡问题。

三、 实证分析

（一） 基准回归

本文利用 Stata 对 2013—2020 年我国 30 个省份的面板数据进行实证分析，结果如表3 所示。表中的列（1）~列（3）分别是运用混合最小二乘法、固定效应和系统 GMM 方法对式（2）进行估计的结果。虽然运用混合最小二乘法和固定效应对动态面板进行回归得到的估计结果都是有偏的，但二者决定了因变量滞后项真实估计值的区间^[20]，即系统 GMM 方法估计出的因变量滞后项的回归系数位于其他两种方法的估计结果之间，则可以认为估计结果是真实可靠的。此外，在对动态面板进行系统 GMM 估计时，需要进行过度识别检验以确定工具变量的有效性，同时需要确保二阶序列不存在自相关问题。由表3 可以看出，由系统 GMM 方法估计出的因变量滞后项系数为 0.400 0，介于 0.392 0 和 0.953 6 之间，说明估计结果较为可靠。 Hansen 检验的 p 值大于 0.1，即在 10%的显著性水平下不能拒绝模型变量设定存在过度识别的原假设，说明工具变量有效; AR（2）检验 p 值大于 0.1，说明扰动项差分二阶不相关。综上，该模型设定合理且有效。

注:∗、∗∗、∗∗∗分别表示在 10%、5%、1%水平下显著，括号内为标准误。下同。

由表3 可知，数字普惠金融对共同富裕水平的影响系数为正且在 10%的置信水平下显著，其值为 0. 044 9，即数字普惠金融水平（ln DIFI）平均提高 1 个单位，共同富裕水平就提高 0. 044 9%，说明数字普惠金融对全国范围内的共同富裕有较为明显的促进作用。数字普惠金融旨在全方位地为社会所有阶层和群体提供金融服务，尤其是中小微企业以及弱势群体，为其提供低成本、可持续的金融服务，对促进产业经济发展和减贫增收具有重要意义^[21]; 在提高收入水平的同时降低了收入不平等程度，有助于实现社会公平和提高共同富裕水平^[22]。

从控制变量来看，经济发展水平、政府干预水平、对外开放程度和教育发展水平对共同富裕都具有显著的促进作用。共同富裕离不开经济富裕，经济发展可以增加居民收入、提升富裕程度，从而将社会财富这块蛋糕不断做大。 ^[23]政府干预可以通过税收、社保、转移支付等手段支持弱势群体的发展，减小地区、城乡和行业等层面的差异，尤其是脱贫攻坚政策实施以来，我国已彻底消除绝对贫困，共同富裕水平更上一层台阶。不断扩大对外开放不仅是深化改革开放的要求，也是新时代突破我国经济高质量发展瓶颈的重要抓手，有利于倒逼我国经济转型升级，实现高质量发展。我国经济的发展离不开人力资源的作用，而教育的发展不仅可以提高人力资源水平，同时教育还具有促进代际收入分配公平、阻断贫困代际传递的作用，可以从根本上解决相对贫困问题。 ^[24]

（二） 稳健性检验

为进一步保证模型估计结果的稳健性，本文采取以下方法对基准模型进行再估计:第一，被解释变量的再度量，运用主成分分析法重新测度共同富裕水平后再进行回归; 第二，缩短时间窗口，业界一般把 2013 年视作数字普惠金融元年，因此将样本期间调整为 2013—2017 年，然后采用系统 GMM 对基准回归进行再估计; 第三，缩尾处理，为剔除极端值的影响，本文对主要解释变量进行前后 1%的缩尾处理后重新回归; 第四，考虑到直辖市的特殊地位和政策偏向性，本文剔除北京、上海、天津和重庆 4 个直辖市的数据后重新进行检验。采用 4 种不同方法重新回归的结果如表4 所示。

由表4 可以看出，利用以上 4 种方法进行再估计后，核心解释变量的参数估计值和显著性水平均没有发生太大变化，基本与前文估计结果保持一致，这也说明了本文得出的结论具有一定的稳健性。

（三） 机制分析

上文的基准回归和稳健性检验表明，数字普惠金融能够促进共同富裕水平的提高。接下来，本文将进一步探究数字普惠金融影响共同富裕的传导机制。根据王亚平等^[25] 和吴庆田等^[26] 的研究成果，数字普惠金融能够降低金融服务的获取成本，为 “长尾群体”提供优惠贷款，解决发展中融资难融资贵的问题。因此，本文对数字普惠金融是否通过缓解融资约束来促进共同富裕这一传导机制进行检验，回归结果如表5 所示。

表5 第（1）列展示了数字普惠金融与融资约束缓解之间的关系，数字普惠金融的回归系数显著为正，说明数字普惠金融提高了资金使用效率、缓解了融资约束。第（2）和第（3）列分别是引入中介变量前、后数字普惠金融对共同富裕的回归结果，从中可以看出，数字普惠金融对共同富裕表现出显著的促进作用，并且在引入中介变量后，数字普惠金融的回归系数绝对值有所降低，因此，融资约束这一中介渠道存在。在假设其他条件不变的情况下，数字普惠金融水平每提高 1 个单位，共同富裕会直接提升 0. 011 4 个单位，同时融资约束缓解程度提高 1. 035 5 个单位，又会导致共同富裕间接提升 0. 042 2 个单位。由此，总效应达到 0. 053 6 个单位，其中融资约束缓解带来的间接效应在总效应中占比约为 78%。

（四） 异质性分析

1 . 分维度异质性

数字普惠金融指数由覆盖广度、使用深度和数字化程度 3 个维度构成，为探究各个维度对共同富裕水平的影响是否具有异质性，本文分别以各维度为核心解释变量对式（2）进行修正，继续采用系统 GMM 方法对其进行回归，结果如表6 所示。

由表6 可以看出，在 10%的显著性水平下，数字普惠金融覆盖广度和使用深度对共同富裕水平的回归系数均显著为正，说明覆盖广度和使用深度均能显著提升共同富裕水平; 而数字化程度对提高共同富裕水平的作用却不明显。原因可能是:随着国家政策的扶持、移动互联网的普及以及数字基础设施的完善，数字普惠金融惠及的人群越来越广，使用频率也越来越高，其红利被进一步释放，由此提高了共同富裕水平; 数字化程度包含移动化、实惠化、信用化和便利化，而受教育程度较低或金融素养缺乏导致的“工具排斥”以及由于相关金融法规的缺位而产生的不信任感，极大地影响了数字化程度提升共同富裕水平的作用的发挥。

2 . 区域异质性

我国幅员辽阔，不同地区的数字普惠金融发展水平、经济社会发展状况等各不相同，决定共同富裕水平的影响因素也具有差异性。本文根据各省份的地理位置和经济社会发展情况，将我国 30 个省份划分为东部、中部和西部三大地理区域^①，并对其进行分组回归，以检验数字普惠金融对共同富裕水平的影响是否存在区域异质性，回归结果如表7 所示。

由表7 可以看出，数字普惠金融对共同富裕的影响存在明显的区域差异。中部和西部地区数字普惠金融的回归系数均显著为正，其中，中部地区的回归系数为 0. 055 3 并在 10%的水平下显著，西部地区的回归系数为 0. 073 6 且通过了 5%水平下的显著性检验，说明数字普惠金融促进了中部和西部地区共同富裕水平的提高，且对西部地区的促进作用更明显。东部地区数字普惠金融的回归系数为正，却没有通过显著性检验，即东部地区数字普惠金融的发展对提高共同富裕水平的影响不显著。虽然中部和西部地区数字普惠金融发展程度较低，但数字普惠金融的内涵也注定了其对贫困人口和小微企业的经济行为产生更大的影响。因此，中部和西部地区经济社会发展对数字普惠金融的敏感度更高，数字普惠金融在中部和西部地区发挥的作用也更大。

（五） 门槛效应检验

上述分析充分证明了数字普惠金融对共同富裕具有正向影响，为验证该影响是否存在门槛效应，探究数字普惠金融对共同富裕的非线性影响，本文对其展开进一步分析。以数字普惠金融发展水平为门槛变量，采用 bootstrap 方法，依次在存在单一门槛、双重门槛和三重门槛的原假设下，对式（5）进行估计，得到 F 统计量和 p 值如表8 所示。可以看出，单一门槛和双重门槛效应均在 1%水平下显著，三重门槛则未通过 10%水平下的显著性检验。因此可以认为，数字普惠金融对共同富裕水平存在双重门槛的非线性影响。

经过门槛效应检验后，本文进一步对门槛值进行估计，表9 报告了双重门槛的门槛估计值及其对应的 95%的置信区间。

为了进一步检验门槛估计值是否等于其真实值，本文采用似然比统计量（LR）来检验门槛估计值的真实性。由图1 的似然比函数图也可以看出:LR 统计量在 95%渐进有效置信区间内接近于零，检验结果无法拒绝门槛估计值为其真实值一致估计量的原假设，由此可断定门槛估计值真实有效。

对数字普惠金融作用于共同富裕水平的非线性双重门槛模型进行回归分析，结果如表10 所示。

门槛模型回归结果表明，数字普惠金融对共同富裕存在着非线性影响。具体来说，当数字普惠金融水平低于第一门槛值 5.219 2 时，其影响系数为 0. 079 0 且在 1%的置信水平下显著; 当数字普惠金融水平位于第一和第二门槛值之间时，影响系数估计值仍然显著，但其值却降低为 0. 074 7，说明此时数字普惠金融的拉动作用减弱; 随着数字普惠金融的进一步发展，当其超过第二门槛值 5.804 9 时，对共同富裕的促进作用有所增大，影响系数为 0. 078 2。总的来说，数字普惠金融在任何发展水平下对共同富裕的影响都是正向的，但影响程度有所差异。

四、 结论与建议

本文基于 2013—2020 年我国 30 个省份的相关数据，通过建立系统 GMM 模型，探讨了数字普惠金融对我国共同富裕水平的影响，并得出四点结论。一是数字普惠金融能够促进我国共同富裕水平的提升，且这一结论具有稳健性。二是数字普惠金融通过缓解融资约束提高了共同富裕水平。三是数字普惠金融对共同富裕水平的拉动作用存在异质性，一方面，数字普惠金融覆盖广度和使用深度对共同富裕水平的促进作用明显，而数字化程度对其影响却不显著; 另一方面，西部地区的共同富裕水平受数字普惠金融的影响较其他地区更大，其次是中部地区，最后是东部地区。四是数字普惠金融对共同富裕水平的影响存在双重门槛效应，其在数字普惠金融发展的不同阶段对共同富裕水平都具有显著积极影响，但影响程度表现为先下降再上升。

基于上述研究结论，本文提出以下几点政策建议。

（1）加大数字普惠金融支持力度，提高数字普惠金融覆盖率。数字普惠金融为“长尾群体” 提供金融支持，有利于化解家庭风险、缓解农户的金融约束、缩小城乡地区差距，从而巩固脱贫攻坚成果，推动共同富裕。因此，各地政府要为数字普惠金融发展提供政策和资金支持，扩大数字普惠金融覆盖广度，增进数字普惠金融使用深度，将数字普惠金融 “普惠于民”的作用落到实处。

（2）加大数字化建设投入力度，改善农村普惠金融环境。数字普惠金融的发展有赖于信息基础设施的建设和完善，而西部和一些农村地区互联网等数字技术条件较差，限制了数字普惠金融的进一步发展。因此，各地区要完善数字金融平台基础设施建设，加大对偏远落后地区信息化建设的投入力度，缩小居民的数字资源禀赋差异，拓宽数字金融的服务边界，促进数字普惠金融惠及更多群体。

（3）创新金融产品和服务，提升供需适配性。目前，农村普惠金融产品创新能力不足，行业内产品同质化严重; 同时，不同群体对金融产品和服务的需求差异较大。数字普惠金融对共同富裕的影响受到经济发展水平、政府干预程度等多种因素的束缚。因此，各地区应该根据自身发展情况来设计相应的数字普惠金融发展模式; 针对不同群体的多元化需求，设计更多个性化普惠金融产品，丰富金融产品种类，扩大用户范围，提高服务质量。

（4）加强教育宣传，提升居民基本金融素养。现阶段，农村地区居民人均受教育水平还比较低且缺乏基本金融素养，这严重阻滞了数字普惠金融的推广和深化。因此，有必要通过多种渠道和手段普及金融知识，全面提升居民金融素养，破解教育水平低下和金融法律知识缺乏导致的障碍和壁垒，增进农村人口对普惠金融的了解和应用，增强居民使用数字普惠金融的意愿和能力，提升数字普惠金融服务与产品的可及性，进一步释放数字普惠金融“红利”。

注释:

① 东部地区包括:北京，天津，河北，辽宁，上海，江苏，浙江，福建，山东，广东，海南; 中部地区包括:山西，吉林，黑龙江，河南，湖北，湖南，安徽，江西; 西部地区包括:内蒙古，重庆，四川，广西，贵州，云南，陕西，甘肃，青海，宁夏，新疆。

参考文献