数字普惠金融赋能区域经济增长的影响研究

Study on the Impact of Digital Inclusive Finance on Regional Economic Growth

摘要: 近年来，随着我国经济的持续发展和金融市场的不断完善，普惠金融逐渐成为推动经济增长的重要手段。本文以中国31个省份的宏观经济数据为基础，研究普惠金融发展对经济增长的影响及其区域异质性。通过构建面板数据回归模型，并进行稳健性和异质性检验，实证结果表明，普惠金融在全国范围内对经济发展具有显著的正向促进作用。普惠金融在中国不同地区的经济发展中的作用存在显著差异，中部地区因经济均衡、基础设施适中及较高的技术接受度，推动效果最强。东部和西部地区分别因市场饱和和基础设施落后限制了普惠金融的增量效应和渗透力。基于以上分析，本文提出加强政策支持、加大金融创新力度、完善多层次普惠金融体系、强化数字普惠金融建设等政策建议，以进一步优化普惠金融服务，提高金融资源配置效率，推动我国经济的包容性增长。

Abstract: In recent years, with the continuous development of China’s economy and the continuous improvement of the financial market, inclusive finance has gradually become an important means to promote economic growth. Based on macroeconomic data from 31 provinces in China, this paper studies the impact of financial inclusion on economic growth and its regional heterogeneity. By constructing a panel data regression model and testing robustness and heterogeneity, the empirical results show that inclusive finance has a significant positive role in promoting economic development across the country. The role of financial inclusion in the economic development of different regions in China is significantly different, and the central region has the strongest promotion effect due to the balanced economy, moderate infrastructure and high technology acceptance. The eastern and western regions limit the incremental effect and penetration of inclusive finance due to market saturation and backward infrastructure, respectively. Based on the above analysis, this paper puts forward policy suggestions such as strengthening policy support, increasing financial innovation, improving the multi-level inclusive financial system, and strengthening the construction of digital inclusive financial, so as to further optimize inclusive financial services, improve the efficiency of financial resource allocation, and promote the inclusive growth of China’s economy.

1. 引言

1.1. 研究背景及目的

随着数字技术的迅速发展和广泛应用，数字普惠金融作为一种创新的金融模式，正在对全球经济特别是新兴市场国家的经济发展产生深远的影响。传统金融服务往往存在较高的准入门槛、覆盖面狭窄和效率低下的问题，这不仅使得许多弱势群体难以获得基本的金融服务，也在一定程度上限制了经济的进一步增长。为克服这些不足，一些工业化国家早在20世纪70年代便开始实施金融市场改革，以开放金融体系并提升金融服务的普及性。然而，与此同时，一些发展中国家，特别是南亚地区的国家，继续推行金融抑制政策，这导致这些地区的金融发展水平相对滞后。

近年来，随着越来越多的国家逐渐认识到普惠金融的益处，尤其是数字普惠金融在改善金融包容性和促进经济增长方面的潜力，金融市场改革的步伐在全球范围内加快。在新兴市场经济体中，数字普惠金融的发展水平不断提高。数字普惠金融通过采用大数据、云计算和区块链等新兴数字技术，为社会各个阶层提供更加便捷的金融服务，降低金融服务的准入门槛，提高金融服务的可得性和效率。金融机构和科技公司也在此背景下推出多种创新型的金融产品和服务，这些产品和服务不仅涵盖支付、借贷、理财等传统金融领域，还涉及保险、征信等新兴领域。数字普惠金融的推广和普及，符合当前高质量发展的经济理念，不仅改变了传统金融服务的模式，还为经济的高质量增长注入了新的动力。特别是在新兴市场国家，数字普惠金融有助于提升区域内的全要素生产率，激发企业的技术创新动力，为经济增长创造新的机会。同时，数字普惠金融还能降低金融服务的成本，扩大其覆盖范围，这为各国特别是经济欠发达地区的可持续发展提供了新动能。

现有研究主要集中在数字普惠金融和经济增长之间的双边关系上。有研究表明，数字普惠金融的发展能够通过技术创新和金融支持，提高经济增长的速度和质量。然而，数字普惠金融对经济增长的影响具有明显的区域差异性：在一些地区，其能有效促进经济增长，而在另一些地区，其作用并不显著，甚至产生负面溢出效应。

因此，本文采用面板计量经济学模型，旨在研究数字普惠金融和经济增长之间的关系。通过构建空间计量模型和使用面板数据分析，本文系统地分析数字普惠金融如何在不同区域间产生效应，并探讨其对区域经济增长的具体影响机制。面板计量经济学模型的应用，能够有效解决变量内生性问题，提供更加稳健的估计结果，为中国各个区域的经济政策制定提供有力的实证支持。

1.2. 文献综述

近年来，数字普惠金融作为促进经济发展的重要工具，受到广泛关注。大量研究通过实证分析和模型检验方法，探讨了数字普惠金融在不同区域和经济背景下的作用和影响。在区域经济发展方面，何羿男等(2024)通过对东北三省的面板数据分析，采用双向固定效应模型，发现数字普惠金融对东北地区经济发展具有显著的正向促进作用，尤其是金融覆盖广度的影响最为明显[1]。类似地，王斌和王晓光(2024)分析了数字普惠金融在东北三省农村地区的作用，结果显示覆盖广度、使用深度和数字化程度均对农村经济发展有显著的促进作用[2]。姚淑君(2024)在浙江省的研究中，通过熵权Topsis法和双向固定效应模型，验证了数字普惠金融对经济高质量发展的积极影响，特别是在浙西南地区效果更为显著[3]。唐子健和李雯莹(2024)的研究显示，陕西省的数字普惠金融在推动经济增长方面发挥积极作用，并呈现出明显的区域异质性[4]。

关于数字普惠金融与经济高质量发展的关系，秦伟娜(2024)基于省级面板数据，使用固定效应模型分析了数字普惠金融和创新驱动对经济高质量发展的协同作用，发现数字普惠金融在促进中西部地区经济高质量发展方面更为显著[5]。张咏雯(2024)通过对18个新兴市场国家的实证分析，也得出数字普惠金融显著促进这些国家经济高质量发展的结论[6]。夏芮等(2024)的研究表明，数字普惠金融对江苏省经济发展具有显著的推动作用，且与城镇化水平、产业结构和人力资本水平等因素存在长期稳定关系[7]。在推动绿色经济发展的研究中，马锐和刘晓莹(2024)利用我国30个省份的数据，发现数字普惠金融对绿色经济发展有显著的正向影响，特别是在注重绿色发展程度较高的地区，数字普惠金融的效果更加明显[8]。

关于数字普惠金融的空间效应和异质性影响，温涛等(2024)基于1716个县域数据，发现数字普惠金融对数字乡村发展的推动作用在东、中、西部地区及不同水平区域存在差异[9]。吴淑娟和李金亭(2024)通过静态和动态空间杜宾模型的实证分析，发现数字普惠金融对实体经济有正向效应，但在空间上抑制周边地区实体经济的发展[10]。任行伟和聂盈颖(2024)的研究进一步指出，数字普惠金融的总指数与实体经济正相关，但数字化程度指数对实体经济有负向作用，建议优化路径以增强数字普惠金融的效益[11]。此外，莫红英(2024)通过对广西“田东模式”的案例分析，探讨了普惠金融在县域经济发展中的作用，提出通过提升金融服务包容性和供给持续性，促进县域经济高质量发展的路径[12]。

现有文献主要集中在探讨数字普惠金融对特定地区或特定经济领域的影响，例如区域经济发展、经济高质量发展以及绿色经济转型等方面。然而，这些研究多聚焦于特定省份或经济区域的个案分析，缺乏对中国宏观层面31个省份普惠金融整体影响的系统性探究，尤其是对普惠金融在不同省份的异质性影响方面的全面分析。本研究填补这一研究空白，旨在基于中国31个省(市、区)的宏观数据，深入分析普惠金融发展水平对经济增长的影响，并重点考察普惠金融在东部、中部和西部地区的异质性影响。通过采用固定效应模型和分组回归方法，本研究系统地评估普惠金融对全国范围内不同地区经济发展的促进作用，特别是如何因地区经济发展水平、金融市场成熟度和基础设施差异而产生不同的影响效应。

2. 概念界定与理论机制

2.1. 普惠金融的概念界定及发展

普惠金融是以机会平等和商业可持续性为原则，为社会各阶层提供广泛、有效且可负担的金融服务的金融体系。其核心目标是确保所有社会成员，尤其是小微企业、农民、低收入群体、贫困人口、残疾人和老年人等弱势群体，能够平等获得信贷、储蓄、支付、保险等基础金融服务。该概念最早由联合国在2005年提出，旨在通过金融服务的普及与深化，推动全球经济可持续发展和社会公平进步。在我国，普惠金融理念于2006年首次被明确提出，并逐渐成为国家金融政策的重要组成部分。2013年，党的十八届三中全会进一步明确“发展普惠金融”的要求，强调通过丰富金融产品、完善金融服务体系和创新服务模式，促进金融服务的广泛覆盖和可得性，推动金融市场健康发展。2016年，国务院发布《关于推进普惠金融发展的指导意见》，为其发展指明方向，并提出具体政策措施。近年来，我国普惠金融取得显著成效。全国银行机构网点已覆盖97.9%的乡镇，基本实现“乡乡有机构、村村有服务、家家有账户”，农村地区基本实现保险服务全覆盖。小微企业和涉农贷款规模不断扩大，缓解了金融服务难题。同时，金融科技的快速发展推动了普惠金融的数字化转型，通过大数据、人工智能、区块链等技术，金融机构在降低运营成本、提高服务效率的同时，有效解决了“最后一公里”问题，拓宽了金融服务的广度和深度。

在推动普惠金融高质量发展的过程中，国家金融监管总局和相关部门出台一系列政策措施，进一步细化普惠金融的发展目标和路径。例如，《关于推进普惠金融高质量发展的实施意见》明确提出，到2025年基本建成高质量的普惠金融体系，实现基础金融服务更加普及，金融支持乡村振兴更加有力，金融消费者教育和保护机制更加健全，金融风险防控更加有效等目标。该意见还强调，要通过优化信贷结构、完善金融机构组织体系、推进普惠保险发展、提升数字普惠金融效能等措施，推动金融资源向重点领域和薄弱环节倾斜，确保普惠金融的可持续发展。在未来的发展过程中，普惠金融将进一步发挥其在支持实体经济、促进社会公平、推动乡村振兴和巩固拓展脱贫攻坚成果方面的重要作用。通过完善金融基础设施建设，健全信用信息体系，优化金融监管政策，提升金融科技应用水平，普惠金融将不断提高服务的质量和效率，为我国经济社会的全面协调发展提供强有力的金融支撑。

2.2. 普惠金融影响区域经济的影响机制

随着数字技术的快速进步，数字普惠金融作为一种创新的金融模式，正在全球范围内迅速发展，并对区域经济产生显著影响。基于现有的理论研究和实证分析，本文提出数字普惠金融如何影响区域经济增长的若干理论假设。

数字普惠金融促进资本流动与资源配置效率。数字普惠金融通过数字化手段有效降低金融服务的门槛和交易成本，扩展金融服务的覆盖范围和可获得性。数字普惠金融的发展提升市场信息的公开透明度，使得金融系统能够更加精准地识别和满足市场需求，从而优化资源配置。数字普惠金融通过降低证券市场的总体波动性，增强企业的融资能力，进而加快企业发展步伐，推动区域经济增长。

数字普惠金融有助于分散金融风险和促进稳定增长。数字普惠金融不仅扩大金融市场的覆盖面，还在一定程度上实现金融风险的分散化。通过引入多样化的跨境资产组合，数字普惠金融提高资产组合的回报率，同时降低消费和投资风险。这种改进的风险分散机制能够减少投资成本，吸引更多投资者参与区域经济发展。已有研究指出，金融开放和全球化能够通过提升消费水平和分散投资风险，对经济增长产生稳定的正面影响。

数字普惠金融推动产业结构升级与技术创新。数字普惠金融的重要特点在于其支持企业技术创新和产业升级的能力。通过利用大数据分析和云计算等技术，数字普惠金融能够更有效地评估企业信用风险，降低中小企业的融资难度，促进创新活动和新兴产业的发展。数字普惠金融可以通过借鉴和吸收发达国家的先进金融技术，结合本国实际情况，促进区域经济的技术进步和产业结构优化。

数字普惠金融对区域经济增长的影响存在异质性。各地区在经济发展水平、金融市场成熟度和数字技术普及程度等方面存在差异。东部沿海地区，如广东、江苏和浙江等省份，由于经济基础较为雄厚，金融市场发育成熟，且数字基础设施相对完善，数字普惠金融的发展能够显著促进经济增长，优化资源配置，并推动产业结构升级。而在中西部地区，尤其是经济相对欠发达的省份，受限于基础设施建设滞后、金融服务覆盖不足及数字技术应用水平不高，数字普惠金融的推广效果相对有限，甚至面临资本流失和金融资源配置不均等问题，从而削弱其对区域经济增长的促进作用。

综上，本文假设：数字普惠金融能够显著促进区域经济的增长和高质量发展。数字普惠金融对区域经济增长的作用在不同省份之间存在显著的差异性。

3. 普惠金融的发展现状分析

近年来，我国普惠金融发展取得了显著进展，已在服务实体经济、促进社会公平、支持乡村振兴等方面发挥了重要作用。根据中国人民银行的报告，截至2024年二季度末，我国普惠小微企业贷款余额达到32.38万亿元，同比增长16.9%，增速高于各类贷款8.1个百分点，显示出普惠金融对小微企业发展的强劲推动作用。同时，农户生产经营贷款余额为10.16万亿元，同比增长14.6%；助学贷款余额为2085亿元，同比增长23%；全国脱贫人口贷款余额为1.2万亿元，同比增长10.1%。数据表明，我国普惠金融服务体系正在不断完善，覆盖面和普及度持续提升，提供了更加广泛和多样化的金融支持。

我国普惠金融在支持实体经济、推动金融科技发展及促进乡村振兴方面取得了显著成效。(一) 支持小微企业参与“三农”领域的信贷投放。2024年，国家金融监督管理总局发布了《关于做好2024年普惠信贷工作的通知》，明确提出保量、稳价、优结构的普惠信贷目标，并要求加大对小微企业、涉农经营主体及重点帮扶群体的信贷支持力度。数据显示，2023年底，我国普惠型小微企业贷款余额达29.06万亿元，同比增幅为23.27%，明显高于其他贷款增速。普惠金融政策有效刺激了小微企业的融资需求，同时，2023年新发放的普惠型小微企业贷款平均利率降至4.78%，同比下降0.47个百分点，进一步降低了小微企业的融资成本。(二) 金融科技赋能普惠金融发展。我国通过大力推进数字普惠金融，提升了金融服务的便利性和可得性。各大商业银行积极运用大数据、人工智能、区块链等技术优化普惠金融服务，提升了小微企业和农户的金融服务获得感。例如，建设银行推出的“惠懂你”手机APP，使小微企业贷款实现全流程网络化、移动化和自助化操作，显著提高了贷款审批效率。数字技术的应用不仅提升了金融服务的覆盖面和质量，还有效解决了信息不对称问题，降低了金融风险，提升了普惠金融的可持续性。(三) 推动乡村振兴与农业农村现代化。普惠金融在支持乡村振兴战略中取得了显著成效。截至2023年末，全国农户生产经营贷款余额达9.24万亿元，同比增长18%，说明金融机构积极响应乡村振兴战略。涉农金融产品创新不断，诸如“畜牧e贷”等特色产品有效支持了农业和农村的高质量发展。同时，普惠金融服务网络也在持续扩展，2023年10月，全国银行机构网点已覆盖97.9%的乡镇，基本实现了“乡乡有机构、村村有服务、家家有账户”的目标，显著提升了基层渗透率和服务覆盖面。

然而，我国普惠金融发展面临诸多挑战。一方面，不同地区、行业和群体间的普惠金融发展不均衡，部分地区金融基础设施薄弱、资源配置不平衡，影响了服务的公平性和覆盖面。另一方面，随着服务规模的扩大，如何有效防范金融风险、提升金融机构的风控能力和可持续发展能力成为关键。为应对这些问题，国家金融监督管理总局和中国人民银行等监管部门正积极推动构建多层次、广覆盖、差异化的普惠金融服务体系，探索更加灵活高效的金融支持机制，确保普惠金融在新时代的高质量发展。

4. 普惠金融影响区域经济的实证分析

4.1. 变量选取及描述

本文研究各省普惠金融水平对经济发展规模的影响。被解释变量选择地区生产总值，核心解释变量选择普惠金融水平。本文选取的控制变量旨在全面把握影响经济发展规模的各类因素，除普惠金融水平外，涵盖多个维度以捕捉与经济增长相关的关键特征。产业结构升级通过第三产业与第二产业的比率加以衡量，揭示了经济转型和服务业发展对经济增长所起到的推动作用。随着第三产业比重的提升，经济的创新能力和附加值普遍得到增强，从而促进经济发展。信息化水平则通过邮电业务总量与GDP的比值来测度，体现地区信息化建设的成效。信息化在现代化经济体系中扮演着不可或缺的角色，是提升生产效率和加速产业升级的关键因素。创新水平通过专利申请数量的对数来衡量，直接体现地区科技创新的能力与技术进步的步伐。创新作为经济长期增长的核心驱动力，促进全社会的技术进步与产业升级。数字化程度通过北大普惠金融中心发布的相关指数来量化，数字化普及和应用显著提升社会服务的效率，提升经济的整体竞争力。交通设施的完善与经济区域间的联通性及物流效率密切相关，直接影响着经济活动的流畅性和区域间的经济互动。政府干预程度反映政府在区域经济发展中的主导作用，较高的财政支出通常意味着更多的政策支持与公共服务，从而为经济发展提供了坚实的支撑。综上所述，控制变量从产业结构、信息化、创新、基础设施和政府干预等多方面切入，全面考量对经济发展规模的多维影响。

本文收集我国除西藏以外的31个省(市、区) 2011~2022年的平衡面板数据，共获得372个有效样本。普惠金融水平采用北大普惠金融指数，而其他数据则来源于各省统计局。为消除变量的量纲差，本文对部分数据进行对数化处理。表1为各个变量的名称及其定义。

Table 1. Variable description table

表1. 变量说明表

	变量名称	变量定义	符号
被解释变量	经济发展规模	地区生产总值对数	EDS
解释变量	普惠金融水平	北大普惠金融指数	IFL
控制变量	产业结构升级	第三产业/第二产业	ISU
	信息化水平	邮电业务总量/GDP	IL
	创新水平	专利申请数量对数	IL
	数字化程度	北大普惠金融中心颁布	DL
	交通基础设施	公路里程数(万公里)对数	TI
	政府干预程度	政府财政支出/GDP	GIL

Table 2. Descriptive analysis

表2. 描述性分析

	Mean	SD	Min	p25	Median	p75	Max
EDS	9.814	0.991	6.41	9.455	9.91	10.465	11.77
IFL	5.331	0.673	2.786	5.106	5.542	5.799	6.133
ISU	1.501	1.76	0.527	0.951	1.176	1.418	23.783
IL	6.652	13.797	1.465	2.69	3.725	7.153	251.291
IL	9.527	1.559	4.394	8.605	9.633	10.58	12.399
DL	5.598	0.667	2.026	5.515	5.87	5.994	6.147
TI	2.481	0.842	0.189	2.345	2.755	3.044	3.702
GIL	0.277	0.193	0.107	0.182	0.226	0.311	1.334

表2为各变量的描述性统计分析。

根据相关性检验的结果(表3)，各个变量与经济发展规模之间存在不同程度的相关关系。经济发展规模(EDS)与普惠金融、创新水平及交通基础设施呈现显著正相关(系数分别为0.345、0.903、0.368，p < 0.01)，与政府干预显著负相关$\left(\rho =-0.791\right)$ ，产业结构升级呈弱正相关$\left(\rho ={0.096}^{*}\right)$ 。

Table 3. Correlation test

表3. 相关性检验

变量	EDS	IFL	ISU	IL	IL	DL	TI	GIL
EDS	1.000
IFL	0.345***	1.000
ISU	0.096*	0.187***	1.000
IL	−0.021	0.115**	0.022	1.000
IL	0.903***	0.418***	0.163***	−0.038	1.000
DL	0.192***	0.900***	0.141***	0.116**	0.237***	1.000
TI	0.368***	0.008	−0.186***	0.040	0.139***	0.093*	1.000
GIL	−0.791***	−0.079	−0.020	0.059	−0.713***	0.036	−0.128**	1.000

注：***p < 0.01，**p < 0.05，*p < 0.1。

4.2. 面板模型构建

构建基准模型来分析普惠金融水平对经济发展规模的影响，如下式(1)所示：

(1)

其中，被解释变量LNGDP_i,t为第i个省(市、区)第t年的经济发展规模，解释变量${\text{PHJR}}_{i,t}$ 为第i个省(市、区)第t年的普惠金融水平，${\phi }_i$ 为其系数，若${\phi }_i>0$ 显著，则表明普惠金融水平会促进生产总值规模扩大，预期该系数显著为正。${\text{X}}_{k,i,t}\left(k=1,2,3\cdot \cdot \cdot \right)$ 为各控制变量，${\alpha }_0$ 为截距项，${\epsilon }_{i,t}$ 为随机误差项。

4.3. 基准回归

在面板回归模型中，主要包括三种模型：POOL模型、固定效应模型、随机效应模型。需要进行F检验、LM检验和Hausman检验，便于找出最优模型。根据表4回归模型选择检验结果，F检验(F(30, 334) = 53.80, p = 0)表明固定效应模型(FE模型)优于池化回归模型(POOL模型)。LM检验(χ²(1) = 833.01, p = 0)则显示随机效应模型(RE模型)优于池化回归模型。Hausman检验(χ²(1) = 71.60, p = 0)进一步支持固定效应模型相较于随机效应模型的适用性。综合各项检验结果，固定效应模型为最优选择。

Table 4. Test results for regression model selection

表4. 回归模型选择的检验结果

检验类型	检验值	检验结论
F检验	F (30, 334) = 53.80, p = 0	FE模型
LM检验	χ^2(1) = 833.01, p = 0	RE模型
Hausman检验	χ^2(1) = 71.60, p = 0	FE模型

表5呈现基准模型的估计结果。根据基准回归结果表，从模型(1)到模型(4)，普惠金融水平对经济发展规模的影响程度和显著性有所变化。在模型(1)中，普惠金融水平是唯一的解释变量，其回归系数为0.346，在1%的显著性水平下显著(t值为26.97)，说明普惠金融水平对经济发展规模具有显著的正向影响。随着控制变量的逐步引入，普惠金融水平的回归系数有所变化。模型(2)引入产业结构升级作为控制变量，普惠金融水平的系数略微下降至0.344，但依然显著(t值为26.48)。进一步，在模型(3)中引入信息化水平后，普惠金融水平的回归系数保持在0.346，显著性仍然稳定(t值为26.34)。最终，在模型(4)中，加入创新水平作为控制变量后，普惠金融水平的回归系数下降至0.241，尽管系数有所减小，但其影响仍在1%的显著性水平下显著(t值为12.26)。这些结果表明，虽然普惠金融水平对经济发展规模的正向影响在加入更多控制变量后有所减弱，但其总体上仍对经济发展具有重要的促进作用，且这种作用具有较高的显著性。

以模型(4)为例，可以进一步分析其他变量对经济发展规模的影响。模型(4)同时控制产业结构升级、信息化水平和创新水平。结果显示，创新水平的回归系数为0.157，在1%的显著性水平下显著(t值为6.86)，表明创新水平对经济发展规模有显著的正向影响，表明地区的创新活动越活跃，经济发展规模越大。此外，产业结构升级的系数为0.002，但未达到统计显著性水平(t值为0.37)，表明产业结构的调整对经济发展规模的影响较弱或不显著。同样地，信息化水平的回归系数为−0.000，且不显著(t值为−0.24)，暗示信息化水平在模型中对经济发展规模的解释力有限。总体来看，模型(4)的结果表明，虽然各控制变量的加入对普惠金融水平的影响程度产生影响，但创新水平作为控制变量，对于提高模型的解释力和体现经济发展规模的影响因素是至关重要的。模型的调整R-squared从0.681 (模型(1))逐渐提高至0.721 (模型(4))，进一步说明随着更多相关变量的引入，模型对经济发展规模的解释能力有所提升。

Table 5. Benchmark regression results

表5. 基准回归结果

变量	(1)	(2)	(3)	(4)
普惠金融水平	0.346***	0.344***	0.346***	0.241***
	(26.97)	(26.48)	(26.34)	(12.26)
产业结构升级	——	0.004	0.004	0.002
	——	(0.65)	(0.67)	(0.37)
信息化水平	——	——	−0.0004	−0.0003
	——	——	(−0.74)	(−0.24)
创新水平	——	——	——	0.157***
	——	——	——	(6.86)
Constant	7.971***	7.973***	7.970***	7.031***
	(115.77)	(115.58)	(115.16)	(46.40)
Observations	372	372	372	372
R-squared	0.681	0.682	0.682	0.721
Number of id	31	31	31	31

注：括号内为t统计值；***p < 0.01，**p < 0.05，*p < 0.1。

4.4. 稳健性检验

进行稳健性检验是为验证基准回归结果的稳健性，即确认回归结果是否对模型假设和数据的偏离具有一定的鲁棒性，以确保所得到的结论具有较高的可信度和可靠性。本文通过两种方法分别检验普惠金融水平对经济发展规模的稳健性影响。最终结果如表6所示。

4.4.1. 增加控制变量

选择与被解释变量和核心解释变量相关的控制变量，并将它们添加到模型中，有助于排除其他因素对普惠金融水平和经济发展规模之间关系的干扰。根据表6中的回归结果(模型(5)~(7))，普惠金融水平对经济发展规模的正向影响在各个模型中均显著，系数分别为0.333、0.185和0.239，并且均在1%水平下显著，表明普惠金融水平正向促进经济发展规模，结论稳健。数字化程度对经济发展规模产生负向影响，但在增加控制变量后，其影响变得不显著。交通基础设施在加入控制变量后，持续呈现显著正向影响，系数分别为1.005、0.876和0.890，均在1%水平下显著。政府干预程度对经济发展规模的影响为负向，并在1%水平下显著。究其原因，数字化程度对经济发展规模的负向影响可能源于数字化转型过程中，企业和社会面临的适应成本和技术壁垒，在基础设施尚不完善或技术普及率较低的情况下，短期内可能会抑制经济增长。良好的交通系统提升了物流效率、市场连通性，从而推动了经济增长。政府干预程度的负向影响反映过度干预可能限制市场竞争，降低资源配置效率，进而抑制经济增长潜力。

4.4.2. 缩短样本区间

Table 6. Robustness test results

表6. 稳健性检验结果

变量	(5)	(6)	(7)	(8)
	增加控制变量	增加控制变量	增加控制变量	缩短样本区间
普惠金融水平	0.333***	0.185***	0.239***	0.116***
	(9.12)	(4.98)	(7.13)	(3.77)
产业结构升级	0.002	0.003	0.004	0.005
	(0.46)	(0.56)	(1.09)	(1.61)
信息化水平	−0.0003	−0.0003	0.0004	0.001
	(−0.30)	(−0.33)	(0.57)	(1.25)
创新水平	0.150***	0.084***	0.061***	0.155***
	(6.58)	(3.81)	(3.11)	(6.43)
数字化程度	−0.094***	−0.014	−0.020	0.003
	(−2.99)	(−0.47)	(−0.75)	(0.15)
交通基础设施		1.005***	0.876***	0.890***
		(8.72)	(8.46)	(6.69)
政府干预程度			−2.036***	−1.593***
			(−9.44)	(−6.14)
Constant	7.133***	5.611***	6.451***	5.895***
	(46.43)	(25.15)	(29.65)	(23.43)
Observations	372	372	372	279
R-squared	0.728	0.779	0.825	0.824
Number of id	31	31	31	31

注：括号内为t统计值；***p < 0.01，**p < 0.05，*p < 0.1。

缩短样本区间也是一种稳健性检验方法。缩短样本区间至2011~2019年进行研究验证模型结果在不同时间段的稳定性。剔除2020年及以后的数据，主要是因为新冠疫情在国内引发严重的经济冲击，对各省的经济活动、金融市场稳定以及宏观经济政策的效果产生深远影响。疫情期间，各省普遍面临经济停滞、企业破产增多、失业率上升和市场需求大幅下降等问题，导致经济数据出现显著的波动，传统经济模型在解释这些现象时的有效性受到影响。特别是在普惠金融领域，疫情期间实施的紧急金融救助、贷款延期等非常规措施，打乱金融市场的正常运行机制，改变普惠金融水平与经济发展之间的关系。因此，缩短样本区间，剔除疫情后的数据，可以有效减少这些异常波动对模型估计结果的干扰，更准确地反映常态经济环境下普惠金融水平及其他经济变量对各省经济增长的实际影响，从而确保回归分析结果的稳健性和科学性。在模型(8)中，通过缩短样本区间以排除2020年及之后受疫情影响的年份，进一步检验结果的稳健性。剔除受疫情影响的年份后，普惠金融水平的回归系数下降至0.116，但依然在1%的显著性水平下显著，这表明即使在不同的时间区间内，普惠金融水平对经济发展规模的正向影响仍然稳健。模型(8)的拟合系数为0.824，相较于模型(5)的0.721，有所提升，进一步验证了模型结果的稳健性。

4.5. 异质性检验

本文基于中国各地区地区地理、技术、文化差异，将31个省(市、区)划分为东部、中部和西部地区。并采用分组检验方法，以研究不同地区间的差异性，准确评估普惠金融水平对地区经济发展方面的异质性。

根据异质性检验的结果(表7)，普惠金融水平对经济发展规模的影响在中国的不同区域之间存在显著差异。整体来看，普惠金融水平对经济发展规模的回归系数为0.333，在1%的显著性水平下显著(t值为9.12)，表明普惠金融在全国范围内对经济发展具有显著的正向促进作用。普惠金融水平对经济发展规模的影响在不同地区表现出明显的差异。总体来看，普惠金融水平对经济发展的影响显著，系数为0.239，并且在东部、中部和西部地区均表现出显著的正向影响。具体来看，东部地区的系数为0.263，中部地区的系数为0.365，西部地区的系数为0.263，均在1%水平下显著，表明普惠金融水平对各地区经济发展均有正向促进作用。然而，不同地区的影响强度有所不同，其中中部地区的影响最强(0.365)，东部和西部地区则相对较低(系数均为0.263)。

究其原因，(一) 经济发展水平差异。中部地区经济相对较为均衡，未如东部那样达到高度的饱和，也未如西部那样存在较大的发展瓶颈。在普惠金融的推动下，中部地区对金融服务的需求较为稳定，且因经济发展尚处于提升阶段，金融市场需求增速较快，因此普惠金融的推动作用较为显著。相比之下，东部地区已高度发展，市场需求趋于饱和，普惠金融在东部地区的增量效果相对较小，限制了其影响力。而西部地区经济相对较为落后，虽有较大需求，但由于基础设施及市场发展瓶颈，普惠金融的渗透与实施存在较多限制，导致其影响系数低于中部。(二) 基础设施建设差异。中部地区的基础设施建设相对东部和西部之间处于平衡状态，既没有东部地区过度饱和的基础设施负担，也没有西部地区基础设施不足的限制。这使得中部地区在普惠金融服务的覆盖和实施方面，能够得到较好的支持。东部地区尽管基础设施较为完善，但由于过度饱和，扩展性和渗透力受到制约。西部地区则因基础设施建设较为滞后，普惠金融服务的实施受到严重制约，影响系数较低。(三) 政策支持力度差异。东部地区普惠金融发展迅速，政策支持较为充足，且已有相对成熟的金融体系。在政策支持的多样性和复杂性上，东部的政策环境趋向成熟，但由于该地区的发展已达一定高度，普惠金融的边际效应逐渐减小。中部地区由于相对较少的政策干预和市场基础，政策扶持能更有效推动普惠金融的渗透和发展，因此对经济发展的促进作用显著。西部地区尽管得到政策支持，但由于地方政府实施政策的能力和基础设施等因素的限制，普惠金融的实际效果较为局限。(四) 社会文化与数字技术接受度差异。东部地区的居民对数字金融服务的接受度较高，但由于过度依赖传统金融体系和服务，数字普惠金融的进一步推动面临更多市场饱和和创新限制。中部地区则处于技术接受度提升阶段，较为注重数字金融服务，且相较东部具有较高的市场潜力，这使得普惠金融对经济发展的推动作用更加显著。西部地区在接受数字金融技术上存在较大障碍，尽管有需求，但由于文化和技术普及问题，普惠金融的影响受限，导致其系数低于中部地区。

Table 7. Heterogeneity test

表7. 异质性检验

变量	(9)	(10)	(11)	(12)
	整体	东部地区	中部地区	西部地区
普惠金融水平	0.239***	0.263***	0.365***	0.263***
	(7.13)	(4.33)	(6.02)	(5.72)
产业结构升级	0.004	−0.0004	0.234***	0.120**
	(1.09)	(−0.11)	(4.48)	(2.37)
信息化水平	0.0003	0.008***	0.0001	0.0004
	(0.57)	(2.86)	(0.42)	(0.30)
创新水平	0.061***	0.204***	0.110***	−0.038*
	(3.11)	(5.99)	(3.08)	(−1.83)
数字化程度	−0.020	−0.021	−0.182***	−0.126***
	(−0.75)	(−0.58)	(−3.50)	(−2.72)
交通基础设施	0.876***	0.400**	0.476***	1.525***
	(8.46)	(2.42)	(3.12)	(11.86)
政府干预程度	−2.036***	−4.231***	−4.632***	−1.082***
	(−9.44)	(−7.35)	(−13.64)	(−4.84)
Constant	6.451***	6.808***	7.470***	5.030***
	(29.65)	(21.03)	(21.39)	(16.53)
Observations	372	144	108	120
R-squared	0.825	0.830	0.907	0.931
Number of id	31	12	9	10

注：括号内为t统计值；***p < 0.01，**p < 0.05，*p < 0.1。

5. 结论与建议

5.1. 主要结论

本文基于上述研究得到如下主要结论：

通过描述性统计分析、相关性检验、构建面板回归模型，评估普惠金融水平对经济发展规模的相关性程度。结果表明，普惠金融水平与经济发展规模之间存在显著的正相关关系，创新水平对经济发展的影响最为显著，而信息化水平的影响不明显。

通过F检验、LM检验和Hausman检验选择最优面板回归模型，结果表明，固定效应模型(FE模型)最为适用。基准回归结果显示，普惠金融水平对经济发展规模具有显著的正向影响，尽管在逐步加入控制变量后，其影响程度有所减弱，但仍保持在较高的显著性水平。同时，创新水平对经济发展规模也有显著的促进作用，而产业结构升级和信息化水平的影响不显著。

稳健性检验通过增加控制变量和缩短样本区间两种方法验证普惠金融水平对经济发展规模影响的稳健性。增加控制变量后，普惠金融水平和创新水平的影响依然显著，说明它们对经济增长具有显著的促进作用。缩短样本区间至2011~2019年后，普惠金融水平的影响仍在1%的显著性水平下显著，验证其对经济发展的正向作用。

普惠金融效果受经济阶段、资源禀赋与政策执行效率综合制约，其对中国不同地区经济发展的影响存在显著差异。中部地区由于经济较为均衡、基础设施适中、政策支持相对不足，以及较高的技术接受度，普惠金融的推动作用最为显著。东部地区虽有较高的经济水平和基础设施，但市场饱和限制了增量效应。西部地区尽管需求较大，但基础设施不足和技术接受度较低，导致普惠金融影响力较弱。因此，中部地区的普惠金融推动效果最强，东部和西部则受到不同限制。

5.2. 政策建议

本文根据上述研究的主要结论，给出下述政策建议。

5.2.1. 强化政策支持，促进普惠金融高质量发展

当前，我国普惠金融在推动经济发展中已显示出显著的促进作用，但异质性分析表明，各地区普惠金融的效果存在显著差异。为全面提升普惠金融对全国经济发展的支持力度，应进一步加强政策支持，特别是在金融服务相对薄弱的中西部地区。建议政策制定者继续加大对中西部地区普惠金融的扶持力度，通过政策性金融、财政补贴、税收优惠等措施，降低金融机构在这些地区开展普惠金融业务的风险和成本。同时，应推动金融基础设施建设，特别是在偏远和农村地区，提升金融服务的覆盖面和质量。通过提升金融可得性，缩小区域间经济发展不平衡，充分发挥普惠金融对经济增长的促进作用。

5.2.2. 加大创新力度，优化金融产品与服务

研究结果显示，普惠金融与创新水平对经济发展具有显著的正向促进作用。因此，推动普惠金融发展应与鼓励金融创新相结合。金融机构应积极运用大数据、人工智能、区块链等现代金融科技，开发出更加适应小微企业和农户需求的金融产品。特别是在中西部地区，金融科技可以有效解决信息不对称问题，提升金融服务效率，降低运营成本。建议政府支持金融科技企业与传统金融机构合作，通过技术赋能，推动普惠金融产品和服务的创新，进一步扩大普惠金融的覆盖范围和应用深度。与此同时，应加强对创新产品和服务的风险监控和管理，确保创新在可控范围内进行，维护金融体系的稳定。

5.2.3. 完善多层次普惠金融体系，提升服务效率

为更好地满足不同地区、不同群体的多样化金融需求，应构建多层次、广覆盖的普惠金融服务体系。建议大型商业银行继续发挥其资金和网络优势，重点服务中西部等金融服务不足的地区，同时加强对小微企业、涉农经营主体的金融支持。农村商业银行、合作金融机构等地方法人银行则应依托其地缘优势，积极开展针对农村、农户的小额信贷业务。政策性银行应进一步发挥其引领和示范作用，通过政策性信贷、风险补偿等手段，支持农业和农村基础设施建设。通过这些措施，形成分工明确、优势互补的普惠金融体系，提高普惠金融服务的效率和质量。

5.2.4. 强化数字普惠金融建设，推动经济包容性增长

数字普惠金融在降低金融服务门槛、提升服务效率方面具有独特优势，特别是在我国金融服务覆盖不足的西部和农村地区。建议金融机构加快数字普惠金融建设，利用互联网、大数据等技术，打造覆盖城乡、便捷高效的数字普惠金融服务网络。在西部地区，应重点推广移动支付、线上信贷等数字普惠金融产品，提升金融服务的可及性。同时，监管部门应加强对数字普惠金融的监管，建立健全的风险防控体系，确保数字金融的安全性和稳定性。此外，还应加强对农村地区金融消费者的金融知识普及，提高其对数字金融产品的认知和使用能力，推动经济的包容性增长。

NOTES

^*通讯作者。