数字普惠金融能否推进新型城镇化?

国家自然科学基金(72274229)和中央财经大学第六批青年科研创新团队课题“‘双碳目标’下政策组合对企业绿色技术创新的影响机制研究”(2021-106)资助

数字普惠金融能否推进新型城镇化?

1.中央财经大学政府管理学院, 北京 100081; 2.中国科学院地理科学与资源研究所, 北京 100101; 3.中国科学院大学资源与环境学院, 北京 100049; †通信作者, E-mail: huangzhiji@cufe.edu.cn

摘要利用 2011—2019 年全国 30 个省份面板数据和北京大学数字普惠金融发展指数, 通过熵权法测算新型城镇化综合指数, 构建双向固定效应模型, 实证研究数字普惠金融对新型城镇化的影响。研究结果表明, 数字普惠金融能够促进新型城镇化, 实现人口、经济、社会、土地城镇化和城乡协调的综合提升。数字普惠金融存在结构效应, 发挥主要作用的是数字普惠金融的覆盖广度和数字化程度。从影响机制来看, 数字普惠金融能够促进人口创业和地方政府债务融资, 进而促进新型城镇化。从异质性分析来看, 中、西部地区的影响效应大于东部地区, 财政自给率低地区的影响效应大于财政自给率高地区, 呈现“数字红利”和“雪中送炭”效应。研究结果可为新型城镇化战略的实施提供新的理论支撑。

关键词 数字普惠金融; 新型城镇化; 居民创业; 地方政府债务

伴随 21 世纪全球化与互联网技术革命, 我国数字普惠金融迅速发展, 为城镇化建设注入源源不断的动力。“普惠金融”概念诞生于 2005 年——由联合国和世界银行推广的“国际小额信贷年”, 旨在实现群体公平的高质量金融服务。2013 年, 中国共产党十八届三中全会将“发展普惠金融”确立为国家战略。2015 年, 国务院出台《推进普惠金融发展规划(2016—2020 年)》, 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服务, 金融业总体发展、机构体系和产品服务等方面形成明确规范, 不同群体间、行业间和区域间的金融市场协调建设也成为重点任务。2022 年 2 月 28 日, 中央全面深化改革委员会第二十四次会议审议通过《推进普惠金融高质量发展的实施意见》, 会议指出“要深化金融供给侧结构性改革, 把更多金融资源配置到重点领域和薄弱环节, 加快补齐县域、小微企业、新型农业经营主体等金融服务短板, 促进普惠金融和绿色金融、科创金融等融合发展, 提升政策精准度和有效性”。近 10 年来, 我国数字普惠金融发展与实体经济形成良性循环, 银行贷款和债券投资年均增速与名义 GDP 增速基本上匹配, 分别达到 13.1%和14.7%①https://www.gov.cn/xinwen/2022-06/23/content_5697394.htm。截至 2021 年末, 人民银行发布的《2021年金融机构贷款投向统计报告》②https://www.gov.cn/xinwen/2022-01/31/content_5671459.htm显示, 人民币普惠金融领域贷款余额同比增长 23.2%。得益于网络支付和信贷应用以及 5G 等技术支持和政策倾斜, 我国金融市场的广度、深度和用户满意度均有所提升, 数字金融实现“弯道超车”[1]。发展数字普惠金融不仅与我国经济高质量发展和共同富裕目标的内在要求高度契合, 也正不断渗透到我国城镇化建设的方方面面。

近年来, 针对数字普惠金融的理论研究和政策实践蓬勃发展。尤其 2020 年以来, 疫情对全球发展观念带来巨大冲击, 数字经济赋能金融发展成为未来趋势和普遍共识, 而数字普惠金融成为其中的重要抓手。在高质量发展语境下, 进一步培育数字普惠金融, 对促进新型城镇化具有重要意义。数字普惠金融契合以人为核心的新型城镇化发展的内在要求。首先, 数字普惠金融促进人人机会平等、实现社会包容与公平, 能够在收入增长和公平分配两个领域促进人口减贫和共同富裕。其次, 数字普惠金融直达城乡弱势群体, 有利于缩小城乡区域差距。数字普惠金融具备个体行为、经济增长和社会发展等多维效应[2], 不仅能够缓解个体融资约束, 为农业人口就业创业提供保障, 差异性地促进家庭财富积累[3], 促进企业全要素生产率提升[4], 还能从宏观层面优化城乡资源配置, 促进城镇化建设, 通过创新赋能绿色金融, 深刻地影响实体经济和经济高质量发展[5], 彰显创新、协调、绿色、开放和共享的理念。最后, 数字普惠金融能够促进乡村社会整体进步, 实现城乡统筹协调。新时代背景下, 数字普惠金融能够持续发挥助推乡村振兴和实现城乡一体化发展的重要作用[6]。

目前, 数字普惠金融与新型城镇化的综合研究仍然相对较少。现有研究存在一定的局限性: 1)在认知方面, 将城镇化视为数字普惠金融影响经济发展的环境因素或调节因素, 而非数字普惠金融的服务对象; 2)在研究视角方面, 对数字普惠金融的影响多集中于新型城镇化的单一维度, 未将经济、社会和生态等整体效益加以综合考虑; 3)在研究方法及机制探讨方面, 对二者关系的探讨多采用定性方法, 针对数字普惠金融的潜在影响效应尚未达成一致, 且对地方政府因素的考虑较少。

针对上述背景, 本研究采集 2011—2019 年中国30 个省份的面板数据, 致力于探究数字普惠金融对新型城镇化的综合影响效应。

1 理论分析与研究假设

金融支持新型城镇化发展已成为共识。金融规模、结构和效率的提高对新型城镇化水平具有正向影响[7–8]。在高质量发展视角下, 有别于过去快速、低质、不协调的城镇化, 新型城镇化以人为中心的价值观得以加强。作为传统金融的延伸和完善, 数字普惠金融对人口、经济、社会、土地城镇化和城乡协调化发展均有助益。

1.1 新型城镇化内涵辨析

过去几十年, 我国的快速城镇化走过不少弯路: 注重经济发展而忽视生态保护, 造成资源浪费和环境污染; 注重城市发展而忽视乡村保育, 形成城乡二元结构; 注重土地城镇化而忽视以人为本, 带来人口、土地、产业城镇化不协调。在城镇化率过半和社会主要矛盾改变的总体背景下, 未来城镇化建设迫切需要从人口城镇化转向人的城镇化, 构建以人为核心的价值体系。

如表 1 所示, 对比传统城镇化和新型城镇化可以发现, 在发展内容方面, 后者摒弃传统城镇化以物为本、集聚式、扩张式和建设超前式的特征, 注重人本性、公平性和协同性等多方面内涵, 建设维度从经济–人口–土地三元协调扩展到社会和生态等多领域; 在建设路径方面, 转变以往城先于乡、盲目片面、不可持续的方式, 加强城乡统筹、产业提质升级以及金融业的支持; 在表征方式方面, 传统维度主要包括人口、经济及空间, 体现在城镇人口规模和用地类型等数量特征, 而新型城镇化更重视生态文明建设, 强调人本价值和高质量发展[9], 如王新越等[10]将新型城镇化分为人口、经济、空间、社会、生态环境、生活方式、城乡一体化、创新与研发等 8 个方面。为了综合体现量、质、效, 并充分反映我国多省份的现实情况, 本文提出新型城镇化应包含人口、经济、社会、空间和城乡协调等 5 个维度, 分别表征城镇人口规模结构、城镇经济发展水平、社会生活与公共服务建设、城镇建设用地水平和城乡发展统筹水平。

1.2 数字普惠金融对新型城镇化的影响

1.2.1 数字普惠金融与新型城镇化

普惠金融源于金融地理学[11], 由于存在金融排斥, 在金融危机的冲击下, 金融机构的地方分支机构退出, 对特定的社会群体和地区产生严重的社会和经济影响[12]。长尾理论指出, 金融机构关注资金产品需求量大的“主体”客户, 而严重忽视模型中像“长尾”一样广泛而需求量小的小微企业及中低收入者[13]。就我国发展现状来看, 金融业存在正金字塔型的社会结构与倒金字塔型的金融服务的结构错配, 未来小微企业和弱势群体具备巨大的金融发展潜力。因此, 以成本可负担前提下满足金融排斥对象相关需求的普惠金融应运而生[14]。

数字普惠金融对新型城镇化各维度都具有重要影响。人口城镇化方面, 数字普惠金融能够吸引农村剩余劳动力和促进基础设施投资[15], 为农业转移人口在城镇中扎根立足、市民化及城镇开发建设提供资金支持。经济城镇化方面, 金融是经济发展的血液, 数字普惠金融能够服务宏观、中观、微观经济需求, 改善传统金融业多重错配格局, 提高传统弱势群体的融资便捷性和可得性[16], 促进不同规模和不同行业的人口就业[17]。社会城镇化方面, 数字普惠金融具有“配置”和“包容”之效, 并非为弱势群体提供特殊优惠, 而是强调接受金融服务的平等权利, 强化社会公平理念。此外, 数字普惠金融能够引导资金流向重要民生领域, 提升城镇综合社会效益, 通过资本积累、收入提升和技术创新等多重效应, 促进产业结构升级[18]。数字化、无纸化的绿色运作方式进一步根植绿色发展意识, 从而促进城市环境质量提升[19]。土地城镇化方面, 数字普惠金融有助于调整和改善人地关系及其对农村生产经营和农地流转市场的影响[20], 改变城乡用地结构, 进而促进城镇土地开发。城乡协调化方面, 数字普惠金融具备缩小城乡收入[21]、消费和就业等方面差距的能力, 强化“涓滴”效应, 并为乡镇落后地区提供更优质服务, 实现区域资源优化配置。因此, 本文提出如下假说。

假说 1 数字普惠金融的发展显著促进新型城镇化。

1.2.2 数字普惠金融的“量、质、效”与新型城镇化

数字普惠金融具有多维内涵, 可从规模、质量、效率三方面加以分析。参考郭峰等[22]通过蚂蚁金服数据测算的中国数字普惠金融指数, 将其分为金融覆盖广度、使用深度和数字化程度等 3 个维度, 对应电子账户使用情况、业务交易情况及金融数字结构情况。

覆盖广度主要体现数字普惠金融的公平性和包容性, 它对新型城镇化的影响效应在于以下两方面: 通过健全金融体系和拓展业务对象, 为小微企业和弱势人群提供服务, 解决“融资难”问题; 通过规模效益, 降低金融服务成本, 解决“融资贵”的问题, 从而促进新型城镇化的经济公平性。

使用深度主要体现业务创新和交易活跃程度, 能够优化城乡金融资源配置, 实现企业结构性去杠杆和实体经济高质量发展[23], 体现对新型城镇化经济高质量发展的支撑。

数字化程度主要体现为交易成本降低和服务效率提升。信息经济学认为经济社会的信息不完全和不对称会造成交易额外的信息获取成本[24], 数字技术和金融科技拓宽了人们获取信息的途径, 大幅度降低交易摩擦, 实现服务效率提升。研究表明, 信息通信技术(ICT)对农民收入多样性[25]、小微企业信贷[26]具有积极影响。因此, 本文提出如下假说。

假说 2 数字普惠金融对新型城镇化的影响具有结构效应, 数字普惠金融覆盖广度、使用深度和数字化程度能够显著促进新型城镇化。

1.2.3 数字普惠金融对新型城镇化的影响机制

良好的金融支持无疑对城镇化具有积极的推进作用, 李清政等[8]指出其存在农业人口非农化转移、基础设施建设、产业优化升级等影响机制。在城镇化转型发展的新时期, 推进新型城镇化的关键在于改变以往城乡要素流动阻塞和供需错配的状况。以此为出发点, 本文构建数字普惠金融与新型城镇化的关系, 如图 1 所示。

在人口微观层面, 长期以来农业转移人口存在难以融入城市社会的问题, 使得农业转移人口的收入难以较大程度地提高。促进创新创业是数字普惠金融的基础功能, 能够为居民创业提供原始资金支持[27], 促进农业转移人口的经济融入, 从而为提高其收入水平提供支撑。融资约束能够影响个体创业水平和规模[28–29], 数字普惠金融因其服务对象的广泛性和业务多元性, 能够为创业活动带来贷款便利。此外, 数字普惠金融还能够深化社会分工, 促进人口创业[30]。例如, 钱海章等[31]通过 2011—2018 年 31 个省份面板数据, 验证了数字普惠金融–创业–经济发展的传导机制。

在政府宏观层面, 以往的研究中多关注数字普惠金融市场角度和微观层面的影响机制, 如产业结构、就业收入等, 较少从政府宏观视角来考虑。城镇化面临城市空间治理难题, 尤其体现在资金投入方面。近40年来, 我国城镇化发展非常依赖地方政府及其制度政策, 尤其地方政府资金投入是重要支撑。地方政府债务融资是地方政府资金投入的重要来源[32], 能够直接用于城镇化建设, 或通过公共品供给间接地促进城镇化建设[33], 作为“准政府债券”的城投债与政府债务融资密切关联, 主要为城市基础设施建设项目融资[34], 实现人口转移、社会服务和土地增长等多维度城镇化发展。数字金融能够间接提升地方政府债务融资规模, 并抑制债务成本和风险[35], 当金融体系效率下降时, 会提高融资成本, 导致资源错配, 从而使地方政府债务融资规模扩大, 进一步加剧融资难[36], 挤压民营经济。由此可见金融业服务水平深刻地影响着地方政府融资的成本、效率和风险。基于上述两方面的分析, 本文提出如下假说。

假说 3 数字普惠金融能够通过促进居民创业和政府融资, 推动人口和城市空间要素的转化, 从宏观和微观层面共同推进新型城镇化。

2 研究设计

2.1 模型设计

为了探究数字普惠金融对新型城镇化的影响, 首先构建基准模型(1)和(2):

式中, 被解释变量 NUIi,t 为新型城镇化水平, 解释变量 DIGIFIi,t 为数字普惠金融水平, 下角标 i, t分别代表第 i 个省份和第 t 年, Controli,t 代表控制变量,λt表示不可观测的年份固定效应, μi 是不可观测的个体固定效应, εi,t 为不可观测的误差项。为防止潜在因素与数字普惠金融相关而造成内生性干扰, 设置λt和 μi 两个待估参数, 在本文 3.1 节基准回归分析部分, 将进一步进行 Hausman 检验。模型(1)度量数字普惠金融(DIGIFI)对新型城镇化(NUI)的总体效应, α1 表征其影响程度。模型(2)检验数字普惠金融(DIGIFI)的覆盖广度(Coverage)、使用深度(Usage)和数字化程度(Digitization) 3 个维度对新型城镇化的影响。

为了探究创新产出和创业规模的中介效应影响, 参考温忠麟等[37]的中介效应理论, 构建模型(3)和(4):

其中, λt 表示年份固定效应, μi 表示省份固定效应, εi,t 为不可观测的误差项。

2.2 变量选取

1)解释变量: 数字普惠金融(DIGIFI)选用北京大学数字金融研究中心和蚂蚁集团研究院联合编制的《北京大学数字普惠金融指数》[22], 采用层次分析法构建三维指标体系。数据具有权威性且能够保持与以往研究的延续性。其中, 数字普惠金融的度量分为覆盖广度(Coverage)、使用深度(Usage)和数字化程度(Digitization) 3 个方面。覆盖广度衡量市场的包容度, 体现金融业总量和规模指标; 使用深度刻画金融业质量, 主要为客户依赖程度和业务创新能力; 数字化水平体现普惠金融效率。

2)被解释变量: 常住人口城镇化率是度量城镇化率的基本指标, 但是以人为中心的新型城镇化(NUI)不仅包含更多维度的内涵, 还需要综合考虑“量”和“质”。本文采用综合指数加权的方法, 参考蓝庆新等[38]的做法, 结合前述新型城镇化有关人口、经济、社会、土地和生态 5 个构成维度的核心内涵, 将新型城镇化分解为人口城镇化、经济城镇化、社会城镇化、空间城镇化和城乡协调化 5 个维度, 根据数据可得性和普适性, 选取 14 个指标构建新型城镇化综合指数。如表 2 所示, 用人口城镇化率和就业情况反映人口城镇化水平, 用人均 GDP、产业结构和城镇人均可支配收入表征经济城镇化水平, 用教育水平、文化建设、环境建设和信息化建设等指标衡量社会城镇化水平。交通出行和环境绿化等结构因素在提高城镇化发展质量中发挥着越来越重要的作用, 因此将其纳入空间城镇化维度。新型城镇化的未来着眼点之一是实现城乡融合发展, 故设计城乡协调化水平维度加以衡量。

为保证综合指数尽量客观可信, 采用熵权法进行客观赋权, 该方法能够根据各个指标的变异程度, 利用信息熵计算出各个指标的权重。具体计算步骤如下。

①标准化: 正向指标 width=110.85,height=32.25

×500, 负向指标 width=137.3,height=32.25

, 其中 500 为根据研究数据确定的调整项。

②计算各省权重: 第 i 个省份第 t 个年份第 j 个指标的权重为 width=84.85,height=34.45

, 其中 N 为 30 个横截面, T=9 为年数。

③计算信息熵及其冗余度: 第 j 个指标的信息熵为 width=132.95,height=30.05

, 冗余度为 dj=1−ej, 其中 ejÎ[0, 1]。

④计算指标权重:

, 其中 m=14为指标的个数。

⑤生成综合指数: 通过加权求和, 得出新型城镇化综合指数 width=80.85,height=21.65

3)中介变量: 居民创业(ENTREP)用该省城镇私营企业和个体就业人数来表征。地方政府债务融资(DEBT)有多种表示方法, 鉴于城投债的风险较高且占比较大, 参考张莉等[39]的方法, 用各省人均城投债余额加以表征。

4)控制变量: 为减少由于遗漏变量而产生的内生性问题, 基于以往的研究成果[40–41], 选取以下 4个控制变量。经济增速(GDP): 用各省 GDP 增长率(%)表示; 开放程度(FDI): 用各省实际利用外资额占 GDP 比重表示(%); 传统金融(FIN): 用该省年末金融机构人民币贷款余额与 GDP 的比值表示; 产业升级(IU): 用该省第三产业增加值与第二产业增加值的比值表示。

选取 2011—2019 年我国 30 个省份的面板数据进行实证分析(由于数据严重缺失, 未涵盖香港特别行政区、澳门特别行政区、台湾地区以及西藏自治区)。其中, 数字普惠金融指标源自《北京大学数字普惠金融指数(2011—2020 年)》, 新型城镇化、创业规模和控制变量数据均来自中经网省级数据库(https://db.cei.cn/jsps/Home)和 30 个省份的统计年鉴, 地方政府债务融资来源于 Wind 数据库(https://www. wind.com.cn/)。个别缺失数值采取插值法补齐。样本的描述性统计结果见表 3。

3 实证结果与分析

3.1 基准回归分析

基准回归分析结果如表 4 所示。Hausman 检验显著拒绝原假设, 在省份固定效应模型中引入时间虚拟变量, 利用 F 统计量检验年份变量的联合显著性, p值为 0 证明通过检验, 故应采用双向固定效应模型。回归检验份析结果进一步显示变量通过因子独立性检验, 平均 VIF 值为 1.75, 证明不存在严重的多重共线性问题。

说明: 括号内数值为标准误差, ***表示 p<0.01, **表示 p<0.05, *表示 p<0.1, 下同。

数字普惠金融(DIGIFI)在 1%的显著性水平上正向影响新型城镇化水平(NUI)。在控制个体效应和时间效应后, 数字普惠金融综合指数每变动一个单位, 就会导致新型城镇化水平提升 0.288 个单位, 说明数字普惠金融的发展有利于推进新型城镇化, 回归结果验证了假说 1。在融资约束放宽和资源配置效率提升的影响下, 数字普惠金融对城市经济发展、社会效益、人口转移和城镇化建设产生综合促进作用, 实现城市经济发展和产业升级, 促进人口转移与城建开发, 新型城镇化水平得以提升。这一结论在新发展阶段的背景下印证和拓展了金融支持城市基础设施建设和城镇化进程的观点[42]。此外, 控制变量方面, 开放程度(FDI)的回归系数显著为正, 说明开放程度越高的地区, 新型城镇化程度越高; 传统金融(FIN)和经济增速(GDP%)的回归系数显著为负, 表明传统金融与普惠金融在发展效应方面有所差异[41]。传统金融可能存在一定的抑制效应, 而经济增速越高的地方, 往往是经济规模相对较小的地区, 因此新型城镇化水平较低。

3.2 数字普惠金融的结构效应

数字普惠金融结构效应的回归分析结果如表 5所示。数字普惠金融的覆盖广度(Coverage)和数字化程度(Digitization)在 1%的显著性水平上为正, 而使用深度(Usage)的回归系数不显著, 说明数字普惠金融对新型城镇化的影响具有结构异质效应, 假说 2 部分得到验证。金融覆盖广度对新型城镇化的影响显著, 表明数字普惠金融覆盖得越广, 新型城镇化程度越高, 验证了数字普惠金融的公平性和包容性有利于为小微企业和弱势人群解决“融资难”问题, 也能够降低金融服务成本, 解决“融资贵”的问题。数字化程度呈现正向影响效应, 表明数字化程度降低了新型城镇化建设过程的交易成本和门槛。这一作用高于数字化交易门槛带来的负面影响, 体现“数字红利”特征, 证明数字技术引入金融能够较好地优化交易服务。普惠金融的“质”体现在金融业务创新和实际交易活跃度上升, 实现新型城镇化中有效需求的增加与满足[31]。然而, 本研究并没有检验出使用深度对新型城镇化具有显著影响, 可能的原因是现阶段数字普惠金融在新型城镇化建设领域的需求量不够大, 活跃度不够高, 使得数字普惠金融在“质”上还未发挥足够的作用, 从而导致其对新型城镇化的影响不显著。综合而言, 数字普惠金融的最初目标是提供平等机会与实现金融公平, 因而覆盖广度发挥着最重要的作用。金融服务的“质”与“效”关系着该政策能否可持续发展, 未来不能只依靠覆盖人群数量的扩展, 还应当纵向挖掘市场深度, 并充分吸收数字技术和互联网金融的优势。

3.3 数字普惠金融的影响机制研究

数字普惠金融影响机制的回归分析结果如表 6所示。回归分析结果验证了居民创业和地方政府债务融资的中介效应, 两者 Sobel 检验的 Z 值分别为7.124 和 6.746, Bootstrap 检验中 95%的置信区间不包括 0, 说明存在中介效应。居民创业方面, DIGIFI回归系数为 7.617，显著为正，表明数字普惠金融能够促进居民创业规模的扩大。可能的原因是, 数字普惠金融放宽融资约束, 降低金融排斥, 能够从微观上降低创业失败风险, 提升人口自主创业动力[43], 为小微企业、私营单位提供融资便利, 扩大就业规模, 产生增收减贫效应, 进而促进新型城镇化建设。地方政府债务融资方面, DIGIFI 回归系数为 61.514，显著为正，表明数字普惠金融能够增加城投债规模。由于过去我国快速城镇化在很大程度上依赖土地出让和地方债务融资, 数字普惠金融能够促使资源向重点民生项目和基础建设领域集聚, 因而地方政府债务融资规模在数字普惠金融促进新型城镇化进程中发挥着显著的中介作用。研究结果证明假说 3 是成立的。

3.4 异质性分析

数字普惠金融对新型城镇化的影响具有空间异质性, 回归分析结果如表 7 所示。在我国东部地区, 数字普惠金融对新型城镇化发展不存在显著影响, 中、西部地区数字普惠金融系数分别在 1%和 5%的显著性水平上为正, 中部地区的数字普惠金融系数大于西部地区, 东部地区最小, 说明数字普惠金融的影响存在一定的区域异质性。受经济社会条件和金融业发展水平影响, 数字普惠金融的影响效应呈现从东部沿海向西部内陆逐渐升高的特征。在东部沿海地区, 数字普惠金融在一定程度上促进新型城镇化进程; 在中、西部地区, 数字普惠金融对新型城镇化的促进作用更有成效, 数字普惠金融对新型城镇化的影响呈现“雪中送炭”的特点。将结构异质性和区域异质性结合可以看出, 数字化程度对不同区域的影响最稳定, 覆盖广度和使用深度仅对中部地区具有显著影响(表 8)。

除区域异质性外, 本研究还引入政府财政异质性, 即研究不同政府财政状况的地区数字普惠金融对新型城镇化的影响是否存在差异。我们使用财政自给率作为衡量指标, 计算公式如下: 财政自给率=一般公共财政预算收入/一般公共财政预算支出。财政自给率越大, 说明政府的财政越富裕, 相反则说明政府的财政越困难。依据财政自给率均值, 将全国各地区划分为财政自给率高和财政自给率低两个组, 分别进行回归分析, 结果如表 9 所示。结果表明, 无论是财政自给率高还是低的地区, 数字普惠金融对新型城镇化的影响均为显著。通过比较两者系数可以发现, 在财政自给率低的地区, 数字普惠金融的影响程度更高。这进一步表明, 数字普惠金融对欠发达地区或弱势地区具有更强的扶持效应, 再次验证其“雪中送炭”的特性。

4 内生性讨论与稳健性检验

4.1 内生性讨论

由于数字普惠金融和新型城镇化均为相对宏观的经济社会变量, 因此识别和检验模型中的内生性问题非常重要。首先, 对于反向因果问题和测量误差问题, 由于数据来源为各省统计年鉴和蚂蚁金服数据, 数据来源具有权威性, 学术认可度较高, 能够降低反向因果的可能性。其次, 对于遗漏变量问题, 参考赵涛等[44]的做法, 构建 Bartik 工具变量, 即滞后一期的数字普惠金融与其一阶差分项的乘积, 并选取 Bartik 工具变量、每百万人邮局的数量与上一年全国信息服务技术收入的交互项, 作为数字普惠金融的工具变量。后者数据来源为历年《中国统计年鉴》。由于采取滞后变量和历史变量, 因此满足外生性要求。此外, 由于普遍认为电信基础设施影响到互联网和数字经济的普及运用, 因此满足相关性要求。内生性检验结果如表 9 所示, 数字普惠金融的回归系数在 1%的显著性水平上为正, 与基准回归分析结果一致。Anderson canon. corr. LM 统计量的 p 值为 0.00, 表明工具变量不存在识别不足问题, Cragg⁃Donald Wald F 统计量大于在 10%水平上的临界值, 表明通过了弱工具变量检验, 说明工具变量的选择是可信的。

4.2 稳健性检验

1)缩短时间窗口。考虑到《国家新型城镇化规划(2014—2020 年)》出台, 为排除国家战略规划出台对分析结果的影响, 采取缩短时间窗口为 2014 —2019 年的方式, 再次进行回归检验, 结果如表 10所示, 研究结论依旧稳健成立。

2)剔除直辖市。由于直辖市经济发展水平和中央政策倾斜程度更为突出, 其城镇化时间早, 程度高, 试点多, 导致直辖市样本相较于其余省份存在较高的独立性和特殊性。故采取剔除直辖市样本再次回归的方法[45]进行检验, 结果仍然与主要结论基本一致。

5 结论与政策建议

本研究立足于数字普惠金融对未来我国城乡发展事业的重要作用, 研究数字普惠金融对新型城镇化的影响, 探讨数字普惠金融推进新型城镇化的创新和创业两条影响路径, 基于双向固定效应模型进行实证分析, 得到以下结论。

1)数字普惠金融能够影响新型城镇化, 且发挥主要作用的是数字普惠金融的覆盖广度和数字化程度, 目前覆盖广度发挥最大作用, 未来应加强市场深度和信息共享, 以“质”和“效”取胜。

2)数字普惠金融通过促进人口融入和城市建设, 推进新型城镇化。采用分步回归分析发现, 数字普惠金融对新型城镇化的影响具有居民创业和地方债务融资的中介效应。

3)该效应具有区域异质性, 中、西部地区的影响效应大于东部地区, 财政自给率低地区的影响效应大于财政自给率高地区, 总体上呈现“数字红利”和“雪中送炭”效应。

本文研究结论进一步深化了数字普惠金融对城镇化建设和城乡发展影响的理论, 新型城镇化是人口、经济、社会和土地的多维协调, 是城乡融合发展。数字普惠金融因其覆盖广度、交易深度和网络特性, 对我国新型城镇化产生深刻影响。数字普惠金融对促进高质量发展[5]及实现共同富裕目标[46]起到理论支撑作用。此外, 本文提出的创业规模和地方债务融资两条影响路径, 深化了数字普惠金融促进新型城镇化的影响机制研究。

基于本文研究结论, 我们提出以下建议。

1)加深数字普惠金融和新型城镇化的协调发展。通过加强金融体系覆盖力, 推动金融服务下沉, 普及网上支付、e 金融, 促进金融资本流入重点民生领域和行业, 加强对城镇化基础设施建设环节的融资保障。

2)进一步优化数字普惠金融服务创业人群和企业发展的能力。具体而言, 金融机构应创新业务模式, 降低金融服务门槛, 为转移人口或低收入人群提供创业就业启动资金支持, 以金融数字化普惠化实现最广大人民的就业创业、最关键领域的创新制造、最核心民生的投资建设。

3)重视数字普惠金融和政府财政的联动协同关系。通过数字技术提升金融体系的运行效率, 从而降低地方政府融资的成本和风险, 进而为重要民生领域投资建设提供支持。

4)金融资源及其对新型城镇化的作用存在区域不平衡, 中央推动数字普惠金融政策落地实施的过程中, 应注重缩小区域差异, 采取专项资金拨款或区域互补合作的方式, 同时注重与地方 5G、物联网等数字信息基础设施建设相互呼应, 加快提升农村和偏远地区新基建水平, 释放金融活力, 打破经济社会发展瓶颈。

说明: 小括号内数字为标准误差, 中括号内数字为p值, 大括号内数字为Stock⁃Yogo弱识别检验10%水平上的临界值。

本研究存在以下不足之处: 一是新型城镇化综合指标方面, 尽管拓展丰富了城镇化的内涵, 但是忽视了城镇化不同维度的异质性特征; 二是研究尺度方面, 目前的研究着眼于省域层面。力求探索数字普惠金融与新型城镇化之间的密切联系和影响机制, 未来可以设计检验数字普惠金融与新型城镇化不同维度之间的影响效应, 并将研究尺度细化到市域县域尺度, 从而更加深入地揭示两者关系的普遍规律, 为不同发展阶段、不同城镇化水平的地区提供启示。

[1] 张晓晶, 张明, 董昀. 新发展格局下的金融变革. 金融评论, 2021, 13(1): 1–20

[2] 星焱. 普惠金融: 一个基本理论框架. 国际金融研究, 2016(9): 21–37

[3] 周天芸, 陈铭翔. 数字渗透、金融普惠与家庭财富增长. 财经研究, 2021, 47(7): 33–47

[4] 黄漫宇, 王孝行. 数字经济、资源错配与企业全要素生产率. 宏观经济研究, 2022(12): 43–53

[5] 薛莹, 胡坚. 金融科技助推经济高质量发展: 理论逻辑、实践基础与路径选择. 改革, 2020(3): 53–62

[6] 邹新阳, 温涛. 普惠金融、社会绩效与乡村振兴 ——基于 30 省(区、市)的面板数据. 改革, 2021, 326(4): 95–106

[7] 熊湘辉, 徐璋勇. 中国新型城镇化进程中的金融支持影响研究. 数量经济技术经济研究, 2015, 32(6): 73–89

[8] 李清政, 刘绪祚. 金融支持与我国新型城镇化互动发展的理论与实证研究. 宏观经济研究, 2015(4): 142–152

[9] 沈清基. 论基于生态文明的新型城镇化. 城市规划学刊, 2013(1): 29–36

[10] 王新越, 秦素贞, 吴宁宁. 新型城镇化的内涵、测度及其区域差异研究. 地域研究与开发, 2014, 33 (4): 69–75

[11] 董玉峰, 赵晓明. 负责任的数字普惠金融: 缘起、内涵与构建. 南方金融, 2018(1): 50–56

[12] Leyshon A, Thrift N. The restructuring of the UK financial services industry in the 1990s: a reversal of fortune?. Journal of Rural Studies, 1993, 9(3): 223–241

[13] Anderson C. The long tail: why the future of business is selling less of more. New York: Hyperion, 2006

[14] 焦瑾璞, 黄亭亭, 汪天都, 等. 中国普惠金融发展进程及实证研究. 上海金融, 2015(4): 12–22

[15] 何静, 戎爱萍. 城镇化进程中的金融创新研究. 经济问题, 2012(1): 126–129

[16] Aduda J, Kalunda E. Financial inclusion and financial sector stability with reference to Kenya: a review of literature. Journal of Applied Finance and Banking, 2012, 2(6): 95–120

[17] 冉光和, 唐滔. 数字普惠金融对社会就业的影响 ——基于企业性质和行业的异质性考察. 改革, 2021(11): 104–117

[18] 杜金岷, 韦施威, 吴文洋. 数字普惠金融促进了产业结构优化吗?. 经济社会体制比较, 2020(6): 38–49

[19] 孙耀武, 胡智慧. 数字经济、产业升级与城市环境质量提升. 统计与决策, 2021, 37(23): 91–95

[20] 汪险生, 李宁. 提高金融可得性能否促进土地流转——来自CHFS数据的证据. 山西财经大学学报, 2021, 43(1): 54–72

[21] 胡联, 姚绍群, 杨成喻, 吉路涵. 数字普惠金融有利于缓解相对贫困吗?. 财经研究, 2021, 47(12): 93–107

[22] 郭峰, 王靖一, 王芳, 等. 测度中国数字普惠金融发展: 指数编制与空间特征. 2020, 19(4): 1401–1418

[23] 张金清, 李柯乐, 张剑宇. 银行金融科技如何影响企业结构性去杠杆?. 财经研究, 2022, 48(1): 64–77

[24] 王洪生. 金融环境、融资能力与中小型科技企业成长. 当代经济研究, 2014(3): 86–91

[25] Leng C, Ma W, Tang J, et al. ICT adoption and inco-me diversification among rural households in China. Applied Economics, 2020, 52(33): 3614–3628

[26] Pellegrina L D, Frazzoni S, Rotondi Z, et al. Does ICT adoption improve access to credit for small enterprises?. Small Business Economics, 2017, 48(3): 657–679

[27] 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据. 经济学(季刊), 2018, 17 (4): 1557–1580

[28] Hurst E, Lusardi A. Liquidity constraints, household wealth, and entrepreneurship. Journal of Political Economy, 2004, 112(2): 319–347

[29] Aghion P, Fally T, Scarpetta S. Credit constraints as a barrier to the entry and post-entry growth of firms. Economic Policy, 2007, 22(52): 732–779

[30] 刘翠花. 数字经济对产业结构升级和创业增长的影响. 中国人口科学, 2022(2): 112–125

[31] 钱海章, 陶云清, 曹松威, 等. 中国数字金融发展与经济增长的理论与实证. 数量经济技术经济研究, 2020, 37(6): 26–46

[32] 石忆邵. 新型城镇化建设对资金的需求及其来源分析. 中国土地科学, 2013, 27(12): 3–6

[33] 熊毅, 粟勤. 地方政府债务、金融发展水平与新型城镇化高质量发展. 统计与决策, 2022, 38(23): 112–116

[34] 黄健, 毛锐. 地方债务、政府投资与经济增长动态分析. 经济学家, 2018(1): 88–96

[35] 侯世英, 宋良荣. 数字金融对地方政府债务融资的影响. 财政研究, 2020(9): 52–64

[36] 田国强, 赵旭霞. 金融体系效率与地方政府债务的联动影响——民企融资难融资贵的一个双重分析视角. 经济研究, 2019, 54(8): 4–20

[37] 温忠麟. 张雷, 侯杰泰, 等. 中介效应检验程序及其应用. 心理学报, 2004(5): 614–620

[38] 蓝庆新, 陈超凡. 新型城镇化推动产业结构升级了吗? ——基于中国省级面板数据的空间计量研究. 财经研究, 2013, 39(12): 57–71

[39] 张莉, 年永威, 刘京军. 土地市场波动与地方债 ——以城投债为例. 经济学(季刊), 2018, 17(3): 1103–1126

[40] 郑强. 科技创新对新型城镇化的影响——基于面板门槛模型的实证分析. 城市问题, 2017(6): 25–35

[41] 李建军, 彭俞超, 马思超. 普惠金融与中国经济发展: 多维度内涵与实证分析. 经济研究, 2020, 55(4): 37–52

[42] 陈元. 开发性金融与中国城市化发展. 经济研究, 2010, 45(7): 4–14

[43] 冯大威, 高梦桃, 周利. 数字普惠金融与居民创业: 来自中国劳动力动态调查的证据. 金融经济学研究, 2020, 35(1): 91–103

[44] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据. 管理世界, 2020, 36(10): 65–76

[45] 康卫国, 李梓峻. 数字普惠金融与技术创新——来自企业生命周期的新视角. 宏观经济研究, 2022 (12): 21–42

[46] 张金林, 董小凡, 李健. 数字普惠金融能否推进共同富裕？——基于微观家庭数据的经验研究. 财经研究, 2022, 48(7): 4–17

1. School of Government, Central University of Finance and Economics, Beijing 100081; 2. Institute of Geographic Sciences and Natural Resources Research, Chinese Academy of Sciences, Beijing 100101; 3. College of Resources and Environment, University of Chinese Academy of Sciences, Beijing 100049; †Corresponding author, E-mail: huangzhiji@cufe.edu.cn

Abstract This paper uses the panel data of 30 provinces in China from 2011 to 2019 and the digital inclusive finance development index of Peking University to measure the comprehensive index of new urbanization with the entropy weight method and constructs a two-way fixed-effect model to empirically study the influence of digital inclusive finance on new urbanization. The research shows that digital financial inclusion can promote new urbanization and achieve comprehensive enhancement of population, economy, society, land urbanization and urban-rural coordination. There is a structural effect of digital financial inclusion, and the main role is played by the breadth of coverage and digitalization of digital financial inclusion. In terms of impact mechanism, digital financial inclusion can promote population entrepreneurship and local government debt financing, which in turn promotes new urbanization. From the heterogeneity analysis, the impact effect is greater in central and western regions than in eastern regions, and the impact effect in areas with low fiscal self-sufficiency rate is greater than that in areas with high fiscal self-sufficiency rate. The degree of digitalization plays an important role in different regions, showing a “digital dividend” and “timely help” effect in general. The research provides new theoretical and empirical support for the implementation of a new urbanization strategy.

Key words digital inclusive finance; new urbanization; resident entrepreneurship; local government debts