1. 引言
数字化时代，数字普惠金融应运而生并在全球范围内掀起了金融领域变革的浪潮。数字普惠金融借助大数据、云计算、区块链、移动互联网等前沿技术，打破了传统金融在地理、成本、信息等方面的限制，使得金融服务能够更广泛、更高效地触达社会各阶层群体，为传统金融体系难以触及的弱势群体与偏远地区提供了前所未有的金融支持与发展机遇[1]。这种数字普惠金融的兴起，被普遍视为推动经济包容性增长、减少贫困以及促进社会公平的重要力量。
城乡收入差距一直是全球各国经济发展过程中面临的关键挑战与社会焦点问题。在当代经济格局中，城乡收入差距问题始终占据着极为关键的地位，对社会公平、经济稳定及可持续发展产生着深远影响[2]。中国是一个具有典型二元经济结构特征的国家，城乡收入差距不仅反映了城乡之间在经济发展水平、产业结构与资源分配上的不均衡，更在一定程度上影响着社会稳定、消费结构升级以及经济可持续发展的进程。过大的城乡收入差距可能导致农村地区人力资源流失、消费市场疲软以及社会矛盾加剧等一系列负面效应，进而制约整体经济的协调与健康发展[3]。
此背景下，深入探究数字普惠金融与城乡收入差距之间的内在关联与作用机制具有极为重要的理论与现实意义。本文基于2012~2022年中国31个省份的面板数据，构建涵盖金融服务覆盖、经济资源流动、社会包容性及风险分散的复合理论框架，并深入剖析其内在协同机制与区域分化特征，以期为政策制定提供更具针对性的依据。
2. 文献综述
2.1. 数字普惠金融的研究进展
1. 概念界定
数字普惠金融(Digital Inclusive Finance)是普惠金融与数字技术深度融合的产物。根据世界银行的定义，普惠金融旨在通过可负担的金融服务，覆盖传统金融体系难以触达的弱势群体，而数字普惠金融在此基础上，依托大数据、区块链、云计算等技术，突破地理与信息壁垒，提供低成本、高效率和广覆盖的金融服务。与传统普惠金融相比，其核心差异体现在技术驱动性(如移动支付、智能风控)和服务场景化(如线上信贷、数字保险)两方面，从而显著降低了服务门槛和交易成本。
2. 作用探究
数字普惠金融在扩大金融服务覆盖面、激发市场创新活力、提升金融服务效率等方面都发挥了重要作用。
现有研究普遍认同数字普惠金融对城乡收入差距的缩小效应，但对其作用路径的探讨仍存在分歧。例如：吴敏等部分学者(2024)的研究表明，数字普惠金融在一定程度上还能够促进共同富裕的发展[4]。张林等学者(2023)则关注数字普惠金融促进资源再分配的功能。值得注意的是，数字普惠金融的“数字鸿沟”问题亦被广泛讨论，即技术应用可能因区域基础设施差异而加剧不平等[5]。
对此，我们进一步查找了研究数据普惠金融、共同富裕两者内在关系的相关文献。我们发现，很大一部分文献都提及了一个相同观点：数字普惠金融在缩小城乡收入差距领域的作用显著——数据要素的投入能够突破时空限制，为农民提供更加便捷的金融服务渠道，帮助农民更方便地获取资金投入农业生产，思考农业技术改良新方向，从而实现数字技术为农村地区带来的便捷，带动农村经济整体发展，达到有效缩小城乡收入差距、促进社会公平正义的重要目的[6]。因此，我们决定以此为抓手，探究数字普惠金融对城乡收入差距的影响机制，分析其在城乡协同方面的作用。
3. 指标体系构建
北京大学数字金融研究中心携手蚂蚁科技集团，从覆盖广度、使用深度、数字化程度三个维度入手构建了科学的指标体系，从账户覆盖度、数字支付、货币基金等方面列举了33个具体分析指标[7]，由图1可见。此外，在世界银行普惠金融指标体系中，世界银行通过分析多次社会调查结果，将普惠金融分成银行账户使用情况、应急基金等五个维度，从16个指标入手挖掘数字普惠金融世界发展态势[8]。目前，这些指数都被广泛应用于实证研究中，为深入探索数字普惠金融的未来发展奠定扎实基础。
Figure 1. Digital inclusive finance index system of the digital finance research center of Peking University
图1. 北京大学数字金融研究中心：数字普惠金融指标体系
2.2. 城乡收入差距的研究进展
正如邓小平所说：“社会主义的特点不是穷，而是富，但这种富是人民共同富裕。”随着“共同富裕”进程的发展，“城乡收入差距”日益成为研究我国经济最重要的指标之一。基于上述提到的数字普惠金融对“城乡收入差距”的影响，下面我们将通过查找相关文献来具体阐述目前社会对“城乡收入差距”这一问题的研究进展，挖掘“城乡收入差距”产生根源。
按照刘易斯等学者的观点，农村居民的迁移就业活动对区域收入水平有着决定性作用。产业结构的趋同往往会造成产业集聚度降低，从而影响劳动生产率，这会对农村地区剩余劳动力的转移产生负面影响，城乡收入差距由此扩大。在其基础上，郑真等学者(2023)指出，“产业同构”会阻碍劳动力在城乡间流动，是城乡收入差距扩大的重要因素之一[9]。而谷雨等学者(2024)从教育维度入手，通过分析全国各地区教育财政支出的效果，发现教育财政支出的差异会进一步扩大城乡收入差距，同时，其在地区层面的异质性分析结果显示，相比于经济发达、财政自给率高的地区，教育财政支出对城乡收入差距的促进作用在经济欠发达、财政自给率较低的地区更为显著[10]。由此可见，不同学者对城乡收入差距原因的分析角度各不相同，我们旨在从上述维度入手，探索数字普惠金融在这些方面的突破。
3. 理论框架与研究假设
3.1. 理论框架
城乡收入差距是中国经济发展过程中亟待解决的重要问题。传统金融体系由于地域限制、信息不对称和融资门槛等原因，往往导致农村地区与城市之间的经济发展差距进一步扩大。近年来，数字普惠金融作为一种基于技术创新的新型金融服务模式，展现出巨大的潜力，能够为农村地区提供更加普惠、便捷的金融服务。数字普惠金融不仅促进了经济资源的流动，还提高了金融服务的可得性，进而影响城乡收入差距的缩小。
基于已有文献和理论分析，本文构建了数字普惠金融对城乡收入差距影响的理论框架，见图2，涵盖四个主要机制：金融服务覆盖机制、经济资源流动机制、社会包容性机制和风险分散机制。
Figure 2. Theoretical framework diagram of digital inclusive finance
图2. 数字普惠金融理论框架图
1. 金融服务覆盖机制
金融服务覆盖机制指的是数字普惠金融通过创新的金融技术，如移动支付、互联网贷款、在线保险等，突破传统金融服务的地域限制，提高了金融服务的普及率和可得性。特别是在农村地区，数字金融通过提供低成本、低门槛的金融服务，极大地提升了农民的信贷可得性。随着农村居民融资渠道的拓宽，他们可以获得更多的生产资金，支持农业、农产品加工和农村小微企业的发展，从而提高收入水平[11]。
2. 经济资源流动机制
经济资源流动机制强调数字普惠金融如何推动资金、技术和其他资源从经济发达地区向农村地区流动。通过金融创新和数字平台的建设，资金不再集中在城市区域，而是向农村地区扩散，支持当地经济发展。农村基础设施的提升、产业升级和农业现代化在资金流动的推动下得到加速，农村经济的活力得到增强。这不仅有助于提升农村居民的收入水平，而且能够缩小与城市之间的收入差距。
3. 社会包容性机制
社会包容性机制基于包容性增长理论，强调数字普惠金融如何通过降低金融排斥、提高低收入群体的经济参与度，促进收入分配的公平。传统金融往往对低收入群体和农村居民设置较高的准入门槛，而数字普惠金融凭借其高效的在线平台和低成本的服务方式，能为这些群体提供必要的金融工具。例如，数字支付和数字贷款等服务不仅促进了农村居民在市场中的活跃度，还提高了他们的消费和投资能力，从而提升了整体收入水平。数字普惠金融的普及有助于减少社会不平等，缩小城乡收入差距。
4. 风险分散机制
风险分散机制通过数字普惠金融的工具，如小额信贷、数字保险等产品，增强了农村居民的经济抗风险能力。农业生产常常受到自然灾害等外部风险的影响，而传统金融无法提供有效的风险管理工具。数字金融通过提供农业保险、灾难保障和应急贷款，帮助农村家庭在面临不可预测的风险时，依然能够维持经济稳定。这种风险分散能力有助于防止收入波动引起的贫困返贫现象，从而在长期内缩小城乡收入差距。
此外，数字普惠金融在不同区域的效应也存在显著差异。东部地区由于金融基础设施相对完善，数字普惠金融更多的是起到补充作用，提升已有金融服务的效率；而在经济相对滞后的中西部地区，数字普惠金融则更多地发挥着弥补传统金融空白、促进区域经济发展的作用，进而对缩小城乡收入差距产生更加显著的效应。
5. 机制间的协同作用
四大机制并非孤立存在，而是通过动态交互共同作用于城乡收入差距。
(1) 金融服务覆盖与经济资源流动的耦合
金融服务覆盖的扩大直接降低农村居民参与经济活动的交易成本，从而吸引城市资本通过数字平台流向农村。例如，支付宝“蚂蚁森林”项目通过绿色金融撬动城市资金支持农村生态经济，体现了覆盖广度与资源流动的协同。
(2) 社会包容性与风险分散的互补性
社会包容性提升低收入群体的金融参与度，而风险分散工具(如农业保险)则增强其抗风险能力，二者共同减少因收入波动导致的返贫风险。例如，腾讯微保的“农险直赔”通过区块链技术实现理赔自动化，既提高包容性又强化风险保障。
6. 区域异质性下的机制分化
在东部地区，成熟的金融体系使得社会包容性机制主导缩差效应；而中西部地区因金融空白较多，覆盖机制与资源流动机制的作用更为显著。这种分化反映了数字普惠金融的“边际效应递减”规律，即技术渗透度越高，其对传统金融的补充作用越弱。
3.2. 研究假设
基于上述理论框架，本文提出以下研究假设：
假设1：数字普惠金融通过改善农村金融服务的可得性、降低融资成本，从而显著缩小城乡收入差距。
数字普惠金融通过提供低成本、低门槛的金融服务，使农村居民能够更容易地获得资金支持，推动农村经济发展。通过改善农村金融服务的覆盖面，数字普惠金融为农村居民提供了更多的生产和消费机会，从而缩小城乡收入差距。
假设2：数字普惠金融对城乡收入差距的影响在不同地区存在显著的区域异质性，尤其在经济基础较薄弱的中西部地区，数字普惠金融的缩差效应更为显著。
在东部地区，由于传统金融体系的发达，数字普惠金融的作用更多是提升现有金融服务的效率，其缩差效应较弱；而在中西部地区，由于金融服务的覆盖不足，数字普惠金融具有更大的促进作用，能够填补金融空白，推动区域经济发展，因此其缩差效应更为显著[12]。
假设3：数字普惠金融通过金融服务覆盖机制、经济资源流动机制、社会包容性机制和风险分散机制等多重渠道，间接影响城乡收入差距的变化。
数字普惠金融的影响机制并非单一的，它通过多重路径作用于城乡收入差距：(1) 金融服务覆盖机制，提升农村金融服务的可得性；(2) 经济资源流动机制，推动资金从发达地区向欠发达地区流动；(3) 社会包容性机制，提高低收入群体的经济参与度，减少收入不平等；(4) 风险分散机制，增强农村居民应对经济风险的能力，减缓收入波动。
4. 变量、数据及方法
4.1. 变量选择
本文的研究主题是数字普惠金融对城乡收入差距的影响分析，在参考已有研究成果的基础上，结合数据的可获得性和各经济因素对被解释变量“城乡收入差距”的影响，本文选取的各变量明细如下：
被解释变量：城乡收入差距。城乡收入差距缩小是促进乡村振兴的重要指标，也是国家达到共同富裕目标的内在要求，本文关于城乡收入差距指标衡量借鉴李牧辰和封思贤(2021)的做法，采取城镇居民人均可支配收入、农村居民人均可支配收入两者之比作为衡量城乡收入差距的变量，用符号gap表示[12]。
解释变量：数字普惠金融指数。本文使用数字普惠金融发展指数(difi)作为解释变量，数据来自“北京大学数字普金融惠指数”，由北京大学定期发布[13]。
控制变量：产业结构升级水平(is)、城镇化水平(urban)、工业化水平(indus)、交通基础设施建设(trans)、政府支出(gov)。
本文采用第三产业与第二产业增加值之比(is)衡量产业结构升级，其合理性在于配第–克拉克定理指出，经济高级化表现为第三产业占比上升，该指标能捕捉产业从制造业主导向服务业主导的转型，并且已有研究证实，IS与城乡收入差距呈负相关，因其推动高附加值就业向农村扩散)；城镇化水平(urban)作为区域经济发展程度的重要指标，体现城乡之间不同的经济发展状况；工业化水平(indus)的提高将产生产业辐射效应，带动农村地区相关产业的发展；交通基础设施建设(trans)能够方便城乡沟通交流，能有效缩小城乡差距；政府支出(gov)在城乡之间分配的差异，也是影响城乡居民收入差距的重要指标。综上所述，以上五个指标对于缩小城乡收入差距均存在明显的影响，因此本文采用以上五个指标作为控制变量，见表1。
4.2. 模型设定
依据设定的被解释与解释及控制变量组合，本文设定数字普惠金融对城乡收入差距影响实证模型如下：
Table 1. Definitions of main variables
表1. 主要变量定义
变量类型 |
变量名称 |
变量符号 |
变量定义 |
被解释变量 |
城乡收入差距 |
gap |
城镇居民人均可支配收入与农村居民人均可支配收入两者的比值 |
解释变量 |
数字普惠金融 指数 产业结构 城镇化 工业化水平 |
difi is urbanindus |
来自“北京大学数字普金融惠指数” 数字金融总指数 第三产业增加值/第二产业增加值 城镇化率 工业总产值占GDP比重 |
控制变量 |
交通基础设施建设 政府支出 |
trans ov |
公路里程数对数值 政府财政支出占比 |
上述回归模型等式即为本文设定的理论模型，该等式中gap为被解释变量城乡收入差距，i为各省份，t为对应年份，α1和βi为回归模型中的解释与被解释变量系数，εit为实证回归模型的随机误差项以考虑随机干扰的影响。
4.3. 数据说明
本文主要通过公开渠道搜集实证数据，数据来源主要源自于2012~2022年历年各省份统计年鉴，数字普惠金融指数源自于北京大学数字普惠金融研究中心发布的指数。本文的研究对象样本为我国31个省份，采用面板数据进行分析。由于部分变量为绝对值变量数据，为减少异方差的影响，对本文的绝对数值变量做对数化处理。首先将获取处理的各变量做描述性统计分析，考察变量的基本特征，具体如下表2所示的变量均值及标准差等数据。
Table 2. Descriptive statistics of each variable
表2. 各变量描述性统计
变量 |
样本量 |
平均值 |
标准差 |
最小值 |
最大值 |
gap |
341 |
2.5828 |
0.3817 |
1.8420 |
3.6720 |
difi |
341 |
230.4609 |
103.3629 |
16.2200 |
458.9700 |
is |
341 |
1.2510 |
0.6941 |
0.5180 |
5.2968 |
urban |
341 |
0.5864 |
0.1307 |
0.2281 |
0.8960 |
indus |
341 |
0.3132 |
0.0910 |
0.0716 |
0.5563 |
trans |
341 |
11.6810 |
0.8396 |
9.3996 |
12.8965 |
gov |
341 |
0.2784 |
0.1923 |
0.1066 |
1.3337 |
结果显示：本文的研究样本共计341个，具体从变量描述性统计结果来看被解释变量城乡收入差距gap的最大值为3.6720，标准差为0.3817，说明数值波动幅度相对较大。解释变量数字普惠金融指数difi的标准差大于1，说明变量的波动幅度相对较大，其原因在于全国各省份在经济发展水平、相关基础设施建设、金融法治水平以及政策扶持力度等方面各不相同，发达地区与欠发达地区的指标数据存在显著差异，若在实证分析过程中笼统地对全国数据进行处理，将会掩盖这些内在的异质性特征，导致分析结果不够精准和深入，因此有必要在实证分析过程中分样本做异质性讨论分析。
Table 3. Correlation coefficient matrix of variables
表3. 变量相关系数矩阵
|
gap |
difi |
is |
urban industrans gov |
gap |
1 |
|
|
|
difi |
−0.391 |
1 |
|
|
is |
−0.139 |
0.445 |
1 |
|
urban |
−0.606 |
0.485 |
0.498 |
1 |
indus |
−0.0986 |
−0.211 |
−0.582 |
0.00960 |
trans |
0.189 |
−0.0196 |
−0.518 |
−0.525 |
gov |
0.464 |
−0.0824 |
0.0679 |
−0.500 |
进一步对本文设定的所有变量做相关性分析，初步检验各变量之间的相关性，各变量的相关系数矩阵结果如上表3所示。从变量相关系数矩阵的系数值可以看出，解释变量数字普惠金融与被解释变量的相关系数值为负数−0.391，初步符合本文研究假定。同时各变量的相关系数值相对较小，说明不存在共线性问题，结果显示各控制变量与被解释变量也存在相关关系。综合来看，相关系数值只能初步判定各变量的相关关系程度，变量之间的因果影响关系需进一步通过实证回归模型进一步验证分析。
5. 实证结果分析
5.1. 豪斯曼检验
豪斯曼检验主要为检验面板回归模型应当使用固定效应模型或是随机效应模型，本文研究样本为面板数据样本，因此在进行实证回归之前首先需要利用豪斯曼检验选择固定或随机效应模型。本文的豪斯曼检验具体结果如下表4所示，表中的检验统计值为15.987，其统计值的检验P值为0.025，在5%的水平上显著，拒绝使用随机效应模型的原假设。因此本文接下来的实证回归模型分析均采用固定效应模型做回归检验。
Table 4. Results of the Hausman test
表4. 豪斯曼检验结果
|
Coef. |
Chi-square test value P-value |
15.9870.025 |
5.2. 回归结果分析
本文首先采用逐步回归的方法对前文设定的回归模型做实证分析，在逐步将各控制变量引入回归模型中进行逐步回归，已考察引入控制变量之后模型结果的稳定性，具体的模型回归结果如下表5。
表中模型的第一列(1)为引入解释变量数字普惠金融的回归结果，结果显示数字普惠金融difi对城乡收入差距的影响回归系数值为−0.0010，通过1%的显著性水平检验，表明数字普惠金融发展能够有效
Table 5. Regression results
表5. 回归结果
|
(1) gap |
(2) gap |
(3) gap |
(4) gap |
(5) gap |
(6) gap |
difi |
−0.0010*** |
−0.0012*** |
−0.0005*** |
−0.0005*** |
−0.0005*** |
−0.0005*** |
is |
(−29.59) |
(−20.39) 0.0612*** (3.11) |
(−4.66) 0.0235 (1.27) |
(−5.10) 0.0063 (0.34) |
(−4.87) 0.0102 (0.57) |
(−5.15) −0.0040 (−0.22) |
urban |
|
|
−1.5612*** |
−1.6653*** |
−1.3615*** |
−1.4016*** |
indus |
|
|
(−8.06) |
(−8.79) −0.4814*** (−4.46) |
(−6.58) −0.4292*** (−4.00) |
(−6.92) −0.4905*** (−4.62) |
trans |
|
|
|
|
−0.1916*** (−3.38) |
−0.1615*** (−2.88) |
gov |
|
|
|
|
|
0.3976*** (3.86) |
cons_ |
2.8234*** (318.51) |
2.7804*** (169.99) |
3.5794*** (35.71) |
3.8199*** (34.34) |
5.8519*** (9.58) |
5.4539*** (8.99) |
N |
341 |
341 |
341 |
341 |
341 |
341 |
R2 |
0.739 |
0.747 |
0.791 |
0.804 |
0.811 |
0.820 |
F |
875.4595 |
454.8450 |
387.8519 |
313.7651 |
261.8471 |
230.6150 |
注：括号内为t值，“*、**、***”分别代表10%、5%、1%显著性水平下显著，下同。
抑制城乡收入差距扩大，产生积极正面的缩小效应。逐步将本文设定的系列控制变量引入回归模型之后的结果如下表(2)至(6)列所示结果，结果显示解释变量数字惠普金融的回归系数值符号及显著性水平在引入设定的系列控制变量之后未发生根本变化，说明回归结果较为稳定。因此进一步对最终模型回归结果(6)进行分析，该结果显示数字普惠金融解释变量对被解释变量的回归系数为−0.0005，通过1%显著性水平检验，表明数字普惠金融的发展能够有效抑制城乡收入差距的扩大，主要原因在于数字普惠金融具有普惠性质，能够有效服务长尾群体，为农村提供资金流支持，促进农村经济发展，能在一定程度上缩小城乡收入差距，实现城乡协同一体化发展。
回归结果显示，产业升级水平未通过显著性检验，表明其对城乡收入差距的缩小作用有限。理论上，产业升级应通过提升产业附加值、增加劳动生产率及优化资源配置来改善收入分配。然而，由于农村地区产业基础薄弱、资本和技术投入不足，产业升级的效应受到滞后性影响，短期内未能显著改变城乡收入差距。此外，产业升级的效果还受到区域政策导向和资源配置差异的制约[14]。
与此相对，城镇化水平、工业化程度和基础设施建设的回归系数显著为负，表明这些因素对缩小城乡收入差距具有显著作用。城镇化通过促进劳动力流动和技能提升，直接推动了农村收入的增长；工业化和基础设施建设通过提高生产效率和就业机会，优化了资源配置，进一步推动了城乡收入的趋同。此结果与经济资源流动机制中的假设一致，表明数字普惠金融在促进资金和资源流向农村、推动经济发展方面的作用初步显现。
然而，政府财政支出水平显著为正，表明当前财政支出的区域偏向可能加剧城乡收入差距。尽管近年政策有所倾斜，但财政资源仍主要集中于城市基础设施建设和社会保障，农村地区在教育、医疗等公共服务领域的投入相对不足。结合风险分散机制，尽管数字普惠金融能够通过小额信贷、数字保险等手段提供一定的风险缓释功能，但政府财政支出的结构性失衡依然限制了农村风险防控能力的提升。为此，政府应优化财政资源配置，加大对农村地区的投入，特别是在基础设施、教育和社会保障领域，以更有效地缓解收入波动，缩小城乡差距。
5.3. 异质性分析
本文的研究样本基于我国省份面板数据，考虑到我国各地区在经济发展水平、产业结构、金融体系和政策环境等方面存在显著差异，区域异质性可能导致不同省份在数字普惠金融影响下的表现存在差异。前文的描述性统计结果亦显示，部分变量的标准误差较大，表明数据中存在较大的区域变异性，可能影响总体回归结果的稳健性和一致性因此，为了控制这种潜在的异质性，避免因区域差异导致结果的偏误，进行异质性分析能够更精确地揭示数字普惠金融对城乡收入差距的区域性影响，进而为制定区域差异化的政策提供实证依据。具体的模型回归结果如下表6所示。
Table 6. Regression by region
表6. 分地区回归
|
(1) gap |
(2) gap |
(3) gap |
difi |
−0.0006*** |
−0.0003 |
−0.0014*** |
(−6.26) |
(−1.12) |
(−5.17) |
is |
0.0216 |
0.0892** |
−0.0267 |
(1.10) |
(2.40) |
(−0.73) |
urban |
−0.3206 |
−2.0169*** |
−0.1739 |
(−1.34) |
(−3.83) |
(−0.35) |
indus |
−0.3700** |
0.0925 |
−0.6263*** |
(−2.44) |
(0.53) |
(−3.55) |
trans |
−0.3456*** |
0.3461*** |
−0.0774 |
(−5.05) |
(3.44) |
(−0.72) |
gov |
0.3712** |
−0.5689** |
0.4943*** |
(2.02) |
(−2.37) |
(3.58) |
cons _ |
6.6478*** |
−0.6261 |
4.2431*** |
(9.66) |
(−0.51) |
(3.43) |
N |
132 |
77 |
132 |
R2 |
0.852 |
0.844 |
0.878 |
F |
109.7431 |
57.9000 |
136.8318 |
其中，(1) 东部地区回归结果显示数字普惠金融回归系数值为−0.0006，通过1%显著性水平检验。(2)中部地区数字普惠金融回归系数值为−0.0003，但未能通过显著性水平检验。(3) 西部地区数字普惠金融回归系数值为−0.0014，通过显著性检验。
分地区回归结果表明，数字普惠金融对城乡收入差距的影响存在显著的区域异质性。西部地区的缩差效应最强，东部次之，而中部地区未通过显著性检验。这一差异的根源可从数字技术适配性、金融需求结构性矛盾和区域经济韧性三方面深入剖析。
首先，数字技术与区域经济特征的适配性决定普惠金融的渗透效率[15]。东部地区金融基础设施完善，数字技术主要服务于既有金融体系的效率优化，例如通过智能风控提升信贷审批速度，但其对城乡收入差距的边际改善作用有限。反观西部地区，传统金融服务长期缺位，数字普惠金融通过移动支付、线上信贷等工具填补空白，直接激活农村经济活力。例如，在贵州山区，数字金融平台通过“订单农业”模式，将城市消费需求与农村生产精准对接，使农户收入增长显著。中部地区则因产业结构僵化(如依赖传统制造业)，数字技术与实体经济融合度低，导致普惠金融难以发挥预期效果。
其次，金融需求的结构性矛盾加剧区域分化。东部农村居民金融需求多元化(如理财、保险)，数字工具能够快速响应；而西部地区需求集中于基础信贷与支付，但受限于网络覆盖不足和金融素养薄弱，实际服务触达率较低。中部地区则面临需求与供给错配——传统产业升级需要大规模资金支持，但数字金融产品设计仍以小额分散为主，难以满足转型需求。
最后，区域经济韧性影响普惠金融的可持续性[16]。东部地区经济基础雄厚，能够通过市场机制消化数字金融的初期投入成本；而西部地区经济脆弱性较高，普惠金融需依赖政策扶持才能持续。例如，四川通过财政补贴引导金融机构向偏远山区延伸服务，而甘肃因财政能力有限，部分数字金融项目因成本过高而中断。
值得注意的是，同一区域内部亦存在显著分化[17]。以西部地区为例：四川依托数字经济试验区，通过“数字基建 + 产业孵化”模式，吸引城市资本和技术下沉，农村电商、智慧农业等新业态蓬勃发展；而青海、宁夏等生态脆弱地区，数字金融需与生态保护结合(如碳汇质押贷款)，但受限于技术适配性不足，政策效果尚未充分显现。因此，政策设计需摒弃“一刀切”思维——对技术渗透度高的区域(如东部、西部核心城市群)应聚焦效率提升与模式创新；对欠发达区域(如西部偏远山区)则需优先解决基础覆盖与能力建设，并通过差异化监管鼓励地方探索适配路径。
5.4. 稳健性检验
通过上文的实证回归分析，数字普惠金融的发展有助于缩小城乡收入差距。但同时，城乡收入差距本身也可能影响数字普惠金融的发展。在城乡收入差距较大的地区，金融机构可能会因为农村地区较低的收入水平和相对较高的风险，而减少在农村的数字普惠金融服务供给。解释变量数字普惠金融指数与被解释变量城乡收入差距之间可能存在双向因果关系，使得模型可能存在内生性问题，导致回归结果出现偏差。
因此，本部分通过内生性检验确定回归结果的稳健性，主要采用通行做法：IV工具变量法，选取解释变量的滞后一期作为工具变量进行回归估计，原因在于滞后一期解释变量能够在一定程度上避免解释变量与被解释变量出现双向因果关系。解释变量滞后一期的内生性检验结果如下表7所示。
Table 7. Endogeneity test
表7. 内生性检验
|
(1) gap |
(2) gap |
difi |
−0.0016*** (−7.10) |
−0.0010*** (−3.97) |
is |
|
0.1846*** (5.05) |
urban |
|
−1.2664*** (−4.54) |
indus |
|
0.8909*** (2.99) |
trans |
|
0.0412 (1.24) |
gov |
|
0.6316*** (4.53) |
cons |
2.9620*** (50.04) |
2.4041*** (4.74) |
N |
310 |
310 |
R2 |
0.152 |
0.453 |
F |
50.0972 |
41.6891 |
LM |
303.940 [0.00] |
298.535 [0.00] |
Wald |
8424.059 |
7889.485 |
结果显示工具变量的回归系数值符号与前文基准回归结果保持一致，同时各工具变量均通过显著性水平检验。工具变量估计的LM检验和Wald检验均通过，可以说明IV工具变量估计中不存在过渡识别和弱工具变量的问题。综上所述，本文通过工具变量法估计表明，该模型不存在内生性问题，回归结果与前文基本保持一致，实证结果稳健可靠。
6. 结论及建议
我国已成功实现脱贫攻坚的历史性目标，但共同富裕的实现仍是一项复杂而长期的任务。在这一进程中，城乡收入差距是必须克服的核心障碍之一。本文从数字普惠金融的视角，探讨其对缩小城乡收入差距的影响，并通过实证研究得出以下重要结论：
首先，数字普惠金融的普惠性显著缩小了城乡收入差距。数字普惠金融借助技术创新，打破了传统金融的地域限制和高准入门槛，使金融服务更加便捷和低成本地触达农村居民。这不仅显著提升了农村地区金融服务的可得性，还为农村经济发展注入了新动能，促进了农村居民收入水平的提高。其次，数字普惠金融的作用呈现出区域异质性。研究发现，在西部地区，由于传统金融服务的覆盖率较低，数字普惠金融通过弥补金融空白，展现出更为显著的缩差效应。而在东部地区，数字普惠金融的作用主要体现在提升效率上，其对城乡收入差距的影响较弱。这种差异反映了不同区域对数字普惠金融的依赖程度和应用场景的差异化特征。再次，数字普惠金融通过多路径缩小城乡收入差距，包括金融服务覆盖、经济资源流动、社会包容性和风险分散等机制。其通过扩大金融服务覆盖面，降低农村居民的融资成本，推动经济资源从发达地区向欠发达地区流动，提高低收入群体的经济参与度，同时增强农村居民的抗风险能力，形成了多方面协同作用。
尽管如此，本文研究仍存在一定局限性。一方面，未能深入探讨数字普惠金融作用的内在传导机制；另一方面，数字普惠金融活动具有空间相关性，但未对其空间溢出效应进行详细分析。未来研究可以结合空间计量模型和动态分析方法，进一步探索数字普惠金融的长期影响和区域间的互动效应。
基于以上结论，本文提出以下政策建议：
把握政府主导，助力高质量全方位发展。通过“政府主导、多元协同”的模式，优化“产学研金服用”一体化机制，促进商业银行、科技企业、高校和研究机构深度合作[18]。特别是在中西部地区，应加快数字金融基础设施的建设，设立专项支持基金，弥补欠发达地区数字普惠金融的短板。此外，应通过政策引导推动金融科技创新，前瞻性地部署生成式人工智能、大数据和区块链技术，优化风险管理与客户服务流程，提升金融服务的效率与质量。
聚焦区域差异性，探索未来协同路径。针对数字普惠金融发展的区域差异性，东部地区可着力于提升数字金融服务效率，探索金融与产业深度融合的创新模式；中西部地区则需重点加强基础设施建设，提升金融服务覆盖率，为农村地区提供贴合需求的普惠性数字信贷、消费金融及财富管理产品。在监管层面，政府应采取包容审慎的监管原则，对数字金融新模式和新业态进行动态监管，确保风险可控，同时通过设立区域数字普惠金融评价指标体系，实时监测政策效果，优化资源配置。
注重知识普及，提供精准金融服务体系。通过提升农村居民对数字金融产品的认知与使用能力，确保数字普惠金融真正惠及弱势群体[19]。此外，数字普惠金融应与农业、教育、医疗等领域深度融合，探索多元化的金融服务模式，为城乡协调发展提供综合支持。例如，通过数字金融平台为农业项目提供精准风控工具，为农村创业者提供融资支持，同时优化公共服务，助力社会公平与经济均衡发展。
综上所述，数字普惠金融是缩小城乡收入差距、实现共同富裕的重要工具。其在不同区域的作用具有显著差异，因此政策制定应根据区域特征因地制宜。希望本文的研究为我国推动数字普惠金融发展提供科学依据，为实现城乡协调发展和共同富裕目标提供可行的政策参考。