数字普惠金融有效提高了小微企业、低收入农户等弱势群体的金融可得性，在较大范围提升金融对经济的辅助功能。探讨数字普惠金融与农民收入增长之间的关系，为实现乡村振兴提供一定的借鉴。本文主要选取中国31个省、自治区、直辖市（不包括港澳台）2011-2018年的面板数据，建立空间计量模型研究数字普惠金融推动农民收入增长的进程中，产业升级在其中的作用机制和空间溢出效应。
文献回顾
数字普惠金融具有成本低，效率高，服务便捷，有效缓解信息不对称的功能和作用，有利于减少物质成本、社会成本，降低金融约束，提升居民的创业绩效，能够有效实现农民收入增长。在孟加拉国，Sarker S, Ghosh SK, Palit M发现可以通过提高银行农业贷款来促进农业总产量，对农民收入也有一定拉动作用。同时，也有学者通过模型和指标体系发现数字普惠金融对我国农民非农收入存在正向溢出效应。
在数字普惠金融指数的基础上，张林采用SYS-GMM方法进行实证，发现数字金融可以通过金融供给、需求拉动、要素配置、创新创业四个方面促进县域产业升级。但由于不同地区存在自然环境、制度环境和发展阶段等基础条件的差异，数字普惠金融对产业结构升级的影响显现出门槛效应和区域异质性。
曹菲、聂颖发现产业结构升级主要从合理化和高级化两个维度对农民收入具有激励效应。而非农产业比重的上升，可以提供非农就业机会，拉高农民收入并缩小城乡居民收入差距。产业的结构性调整催生了农村产业的融合发展，经由产业延伸、产业整合、产业交叉和技术渗透来实现农民增收。同时，由于经济条件约束、产业升级对农民增收的促进效应呈现出异质性。
传导机制
数字普惠金融对农民增收影响的传导机制。
农民可以通过数字化技术降低获取金融产品及服务的成本，缓解由于物理空间上产生的金融排斥现象。同时金融机构风控能力提升，依托第三方支付及大数据分析等手段，可以全面、准确、科学、高效地提供农民需要的金融产品及服务，并通过移动端缩短了供给时间，提高金融服务的效率。
数字普惠金融对农民增收的间接影响主要表现在推动了产业结构优化，使得相关机构形成了信用扩张机制，并扩大了产业规模，进而促进产业结构优化，在空间知识溢出协同下推动着企业层面高效的研发投入、技术创新与产业全要素生产率提升，促进了产业链和产业结构的整体优化和升级。
基于上述分析，笔者提出两个研究假设：
假设1：数字金融通过推动产业结构优化、提高产业需求匹配度和推进产业技术创新三个层面对产业升级产生影响，进而促进农民收入增长。
假设2：数字金融与产业升级的融合可以对农民收入增长产生正向影响，即数字金融通过产业升级对农民收入增长会产生间接的促进效应。
实证分析
1.空间相关性检验
（1）空间权重矩阵构建
本文将空间权重设定为W_ij。参照现阶段学者主要的处理方式，运用二进制的邻接空间权重矩阵（1）。具体设定方式如下：
W_ij={(1，区域ｉ与区域ｊ相邻@0，区域ｉ与区域ｊ不相邻)┤（i≠j） （1）
该矩阵的元素基于两个地区在地理位置上是否有共同的边界。记来自ｎ个区域的空间数据{X_i }_(i=1)^n，下标ｉ代表地区I，地区ｉ与地区j间的距离为叫ω_ij。
（2）Moran指数
2011-2018年间数字普惠金融、产业升级及农民可支配收入的Moran指数。
从各变量的莫兰指数来看，数字普惠金融和农民收入的自相关程度最高，产业升级出现小幅度波动，数字普惠金融表现为先下降后上升。无论是指数值的大小，还是指数值的变化趋势，各变量的空间自相关程度均表现出差异性。
2.实证结果与分析
（1）模型选择与构建
本文基于地理邻接空间权重构建空间杜宾模型，如公式（2）所示：lnFIL_(i,t)=α_0+α_1 lnDFI_(i,t)+α_2 lnIS_(i,t)+α_3 （lnDFI_(i,t)*lnIS_(i,t) ）+β_i X_(i,t)+W_1 (γ_1 lnDFI_(i,t)+γ_2 lnIS_(i,t)+γ_3 （lnDFI_(i,t)*lnIS_(i,t) ）+ξ_i X_(i,t))+ε_(i,t), ε_(i,t)~N(0,σ^2)（2）
基于经济距离空间权重构建空间杜宾模型，如公式（3）所示：lnFIL_(i,t)=α_0+α_1 lnDFI_(i,t)+α_2 lnIS_(i,t)+α_3 （lnDFI_(i,t)*lnIS_(i,t) ）+β_i X_(i,t)+W_2 (γ_1 lnDFI_(i,t)+γ_2 lnIS_(i,t)+γ_3 （lnDFI_(i,t)*lnIS_(i,t) ）+ξ_i X_(i,t))+ε_(i,t), ε_(i,t)~N(0,σ^2)（3）
（2）变量选择与数据来源
被解释变量：农村居民人均可支配收入（FIL）。选取2011-2018的各省市农村居民人均可支配收入来衡量农民收入水平，数据来源于2012-2019年《中国农村统计年鉴》。
解释变量：数字普惠金融（DFI），本文采用北京大学数字金融研究中心所发布的数字普惠金融指数进行衡量。考虑到数字普惠金融对农民收入增长的影响可能具有滞后效应，且金融类变量的时滞效应通常较短，故将数字金融变量滞后一期对农民收入进行估计。
产业升级（IS），本文借鉴史恩义（2018）等的做法，采用产业结构升级系数作为衡量产业升级的指标：IS=y_1*1+y*2+y3*3。
(4)其中，y_n表示第n产业增加值所占比重，1对应第一产业，2对应第二产业，3对应第三产业。
控制变量数据主要来源于2011—2018年《中国统计年鉴》、《中国县域统计年鉴（县市卷）》，本文选择如下控制变量：
由于部分数据缺失，本文数据采用向前/向后补漏法和均值法，个别缺失数据采用插值法进行补齐。所有变量的描述性统计分析结果如表2所示。
（3）估计结果与分析
根据Hausman检验P值为0.0051，因此本文采用SDM的固定效应模型。
可以看出，省份固定效应杜宾模型更能反映出我国31个省份实体经济增长的实际情况。根据ＬｅＳａｇｅ和Ｐａｃｅ的研究，变量对农民收入的影响可以分解为直接效应和间接效应。直接效应是指区域内某种因素的变动对本区域实体经济增长的影响；间接效应，也称空间溢出效应，指的是区域内某种因素变动对其他区域实体经济增长的影响。
（1）数字金融的回归系数为2.121，即数字金融对农民收入的增长具有促进作用，且通过1%显著性检验；数字金融的空间回归系数为-3.341，说明邻近省份的数字金融水平对本省份的农民收入增长具有抑制作用，且通过1%显著性检验，这与假说1不完全符合。原因可能在于农村的发展仍处于前期阶段，此时区域间存在“虹吸效应”，不利于周边区域农民收入的增长
（2）产业升级的回归系数为1.801，且通过了1%的显著性检验，说明产业升级对农民收入增长具有显著的促进作用；产业升级的空间回归系数为2.765，且通过了1%的显著性检验，说明邻近地区的产业升级对本地的农民收入增长具有显著的推动作用，这与假设1相符。同时，产业升级对农民收入增长的直接效应小于间接效应，可能是由于产业转移及示范效应的存在，从而刺激当地农民收入的增长。
（3）数字金融与产业升级的交叉项的回归系数为0.320，且通过了1%的显著性检验，说明二者的交叉项可以促进农民收入的增长；数字金融与产业升级的交叉项的空间回归系数为0.543，且通过了1%的显著性检验，说明邻近省份的二者交叉项对本省份的实体经济增长产生显著的促进作用，但系数较小，说明数字金融和产业升级没有形成良好的协同机制，难以大幅度刺激周边区域农民收入增长。
（4）从其他的控制变量来看，经济发展水平和教育发展水平对农民收入的增长具有不显著的促进作用，且邻近省份的经济发展水平和教育发展水平对本省的农民收入增长具有不显著的抑制作用，说明经济发展水平和教育发展水平对农民收入增长的影响具有不确定性。邻近省份的金融发展水平对农民收入的增长具有显著的促进作用，说明金融发展水平对于农民收入的增长不可缺失。投资水平的整体效应以及空间效应都是显著正向的，符合预期。
政策建议
1.完善数字普惠金融的基础设施构建。除了必备的乡镇银行、贷款公司等，还需建立现代化互联网银行，实现农村数据的信息化，使得银行能够更加科学合理的放贷，助力农村中小企业和贫困个体户度过难关。
2.完善数字普惠金融和产业升级的协同机制，引导数字普惠金融的资源流入农村产业升级的部门，促进数字金融能够通过产业结构升级的传导路径作用到农民收入增长中。应发展农村一二三产业融合，建立各省农业产业化联席会议机制，共同合作，提高效率
3.创新数字普惠金融和产业升级协调互动的发展路径，优化农村产业的发展效率，促进产业的协调健康发展，提高数字金融的普惠力度。在省份间进行技术共享，同时发展多个关联产业，实现城市企业名誉度提升和农村企业技术进步的双赢，最终实现农民收入的增加。
（作者单位：湖北经济学院会计学院）
数字普惠金融、县域产业升级、农民收入增长的机理分析。
数字普惠金融、产业升级与农民收入增长的空间杜宾模型。
