1. 引言
安徽作为中国的农业大省，其独特的地理位置、气候、土地资源、农业历史、农业改革等都凸显了农村经济在全省经济发展中的重要作用。农村经济的发展是安徽经济安全和经济进步的关键。中国政府不断加大对农业的支持力度，实施了一系列惠农政策，有效促进了农村经济的全面发展。尽管做出了这些努力，但由于城乡之间的结构性差距，农村地区的经济发展仍然落后于城市地区。截至2023年，安徽农村人口占总人口的39.85%。尽管农民工人数众多，但他们对经济增长的贡献低于城镇居民。这一趋势凸显了城乡人口收入差距的持续扩大。
在此背景下，数字技术与普惠金融的融合催生了“数字普惠金融”的概念。这一新概念利用数字手段推动普惠金融的发展，旨在打破传统金融服务的时间和空间限制。数字普惠金融旨在挖掘农村经济增长潜力，为农村居民提供更便捷的消费渠道，从而带动经济健康增长，提高人民生活水平，激发市场活力。最终为中国经济的长期增长奠定了坚实的基础。
数字普惠金融利用数字技术改变传统金融模式，确保弱势群体获得平等和全面的金融服务。这包括农村人口、缺乏充分权利保护的农民工以及面临资金挑战的中小企业。数字普惠金融的核心目标是减少金融排斥，为所有人提供普惠服务，使弱势群体能够创造自己的财富。
2. 文献综述
虽然中国对普惠金融的研究进展比其他国家要慢，但中国非常重视发展这一领域，并在重要会议上提出了许多相关的政策建议。此外，许多经济学领域的研究人员将国外的研究成果与国内实际情况相结合，进行了更符合中国国情的研究。
目前，中国对普惠金融的研究主要集中在国家和省级层面，考察其测度和影响因素。郑丽娜等人发现普惠金融的发展在低于一定阈值时促进经济增长。然而，一旦超过这个门槛，就会阻碍经济增长。这一发现是基于他们对中国东、中、西部地区普惠金融与区域经济增长关系的研究[1]。李小红等人利用“中国数字普惠金融指数”证明了数字普惠金融可以缩小城乡收入差距[2]。李莉莉等实证表明，普惠金融在优化资源配置、提高社会生产效率、促进经济发展等方面具有显著作用。他论证了普惠金融有利于区域经济增长，促进区域经济稳定[3]。王佳鑫采用系统广义矩量法(GMM)估计方法，发现普惠金融显著促进普惠经济增长[4]。柳长青等人通过实证证明，数字普惠金融显著提高了货币流动性，便利了居民支付，从而促进了消费[5]。针对数字普惠金融与经济增长的关系，王少凯利用空间自回归模型对省际面板数据进行实证研究，证明数字普惠金融促进经济增长，但呈现区域异质性；他们还展示了数字普惠金融与经济增长之间的非线性关系[6]。邹洋等人还对省际面板数据进行了实证研究，采用动态面板SYS-GMM模型分析了数字普惠金融对经济增长数量和质量的影响。结果表明，数字普惠金融抑制了经济增长的数量，但促进了经济增长的质量[7]。
然而，当普惠金融发展到一定阶段，必然会与实体经济产生竞争，挤压企业的利润空间，阻碍实体经济的发展。申韬，等人发现普惠金融与区域经济发展的关系呈倒“U”型。这意味着，在一定的临界点之前，普惠金融的增长对区域经济发展具有促进作用[8]。然而，超过这一临界点，普惠金融的进一步发展可能会对区域经济增长产生负面影响。林春等人论证了普惠金融通过构建更具普惠性的金融体系来促进经济增长[9]。赵锦春运用中介效应模型进行实证分析，发现数字普惠金融对缩小城乡收入差距具有显著作用，且在教育水平越高的地区效果越明显[10]。周华东等人认为，数字金融增强了低收入家庭的创业行为，从而增加了家庭收入，尤其是农村低收入群体[11]。
随着数字化技术的飞速发展，数字普惠金融已成为全球金融业的重要发展趋势。全球各经济体在中央银行、传统商业银行和数字银行等不同层面积极创新，推动普惠金融业务的数字化转型发展。中国银行业凭借市场规模、政策背景和技术水平等优势，在数字普惠金融领域取得了一系列新亮点。然而，与国际先进水平相比，中国在数字普惠金融的某些维度，如电子信贷业务的推广和信息安全方面，仍有一定的发展空间。
国际研究表明，数字普惠金融对农村经济发展具有显著影响。一方面，数字普惠金融通过提高金融服务的可及性和便利性，使农村居民能够更方便地获取金融服务，从而促进了农村经济的创新与发展。例如，在非洲等发展中国家，移动货币技术的迅猛发展极大地推动了普惠金融的普及，为农村地区提供了便捷的支付和汇兑服务(基于国际视角的数字普惠金融减贫效应研究，未直接引用但可提及研究结论)。另一方面，数字普惠金融还有助于降低金融服务成本，提高金融服务效率，为农村经济发展提供了有力支持。此外，数字普惠金融的减贫效应也得到了广泛关注，研究表明数字普惠金融的推广有助于缓解绝对贫困和相对贫困。
综上所述，普惠金融、数字普惠金融及其与农村经济关系的研究仍有广阔的空间和潜力。现有研究在普惠金融和数字普惠金融领域取得了丰富成果，但关于数字普惠金融对农村经济发展的具体影响机制及政策优化路径的研究仍显不足。特别是针对安徽省这样的具体地区，数字普惠金融的农村经济效应及政策优化研究更是鲜有涉及。
本文通过深入分析安徽省数字普惠金融的农村经济效应，探讨其影响机制，并提出针对性的政策优化建议。本文的研究不仅有助于丰富和完善数字普惠金融与农村经济发展的理论体系，还能为政府制定相关政策提供科学依据和实践指导。
3. 研究设计
(一) 数据来源和选择
根据模型的构建、本研究的内容以及相关数据的可得性，对本研究的数据进行了精心选择。考虑到数据的可得性，选取了2013~2022年的数据，共10年。其次，基于杨对山东省数字普惠金融对农民收入影响实证研究的研究，选择安徽省农村居民人均可支配收入作为衡量农村经济发展bb0的指标。最后，选取2013~2020年安徽省16个地级市的数据作为样本。2013~2022年数字普惠金融指数来源于北京大学数字普惠金融指数，其他数据来源于《安徽省统计年鉴》等相关资料。
(二) 变量选择和描述性统计分析
在模型中，根据杨泽文《数字普惠金融对山东省农民收入影响的实证研究》的研究，选择安徽省农村居民收入水平作为因变量，时间为2013年至2022年。采用数字普惠金融指数作为自变量，综合反映安徽省数字普惠金融发展现状。在回顾了大量的研究之后，本文还引入了农业发展水平、政府行为、教育水平和产业结构作为控制变量。这些控制变量的选择是基于它们对农村居民收入潜在的直接或间接影响。表1提供了这些变量的详细描述。
Table 1. Variable meanings
表1. 变量含义
变量类型 |
变量符号 |
变量含义 |
取值方式 |
因变量 |
inc |
农村居民收入水平 |
农村居民人均可支配收入 |
自变量 |
difi |
数字普惠金融发展水平 |
数字普惠金融指数 |
控制变量 |
agro |
农业发展水平 |
农业总产量的对数 |
gov |
政府行为 |
地区财政开支/本地生产总值 |
edu |
教育水平 |
教育支出/财政支出 |
is |
产业结构 |
第一产业增加值/国内生产总值 |
1、因变量
根据杨泽文《数字普惠金融对山东省农民收入影响的实证研究》的研究，选取安徽省2013~2022年16个地级市农村居民人均可支配收入(用inc表示)作为农村经济发展的测度。农民的可支配收入直观地反映了农民生活水平的提高，是农村经济发展的一个指标。表2提供了这些变量的详细描述。
2、自变量
模型选取安徽省数字普惠金融指数(difi)作为核心自变量。该指标有效反映了安徽省数字普惠金融发展水平。
3、控制变量
(1) 农业发展水平(agro)：农业发展水平直接关系到农民的经济活动和生产效率。较高的农业发展水平意味着更先进的农业技术、更高的农产品产量和更强的市场竞争力，这些都有助于提高农民收入。同时，农业发展水平与数字普惠金融之间存在交互作用。数字普惠金融的发展可能促进农业技术的传播和应用，如通过提供便捷的金融服务支持农业技术创新和推广，进一步提高农业发展水平，形成良性循环。用农业总产值的对数表示。
(2) 政府行为：政府行为在资源配置和政策支持中起着至关重要的作用。为了更全面地理解政府行为对农村居民收入的影响，可以将政府行为细分为直接针对农村经济的财政支持(如农业补贴、农村基础设施建设等)和间接支持(如教育、医疗等公共服务)。本文通过对“地区财政开支/本地生产总值”的深入分析，可以间接了解政府在不同领域的投入情况。例如，较高的财政开支可能意味着政府在农村教育、医疗等方面的投入增加，从而有助于提高农村居民的收入水平。这是安徽省每年地方政府支出占国内生产总值(GDP)的比例。
(3) 教育水平(edu)：教育程度影响农民的劳动技能和就业机会。更高的教育水平使农民更容易接受新技术、新思想，提高生产效率，从而增加收入。教育水平与数字普惠金融也密切相关。教育水平较高的农民可能更容易理解和使用数字金融服务，如移动支付、网络借贷等，从而更好地从中受益它用某年教育支出占政府财政总支出的百分比来表示。
(4) 产业结构(is)：产业结构的变化会对农民的收入来源和就业结构产生深远影响。第一产业(农业)在产业结构中的比重变化直接影响农民的收入。同时，产业结构与数字普惠金融之间也存在交互作用。数字普惠金融的发展可能促进农村产业结构的多元化，如通过支持农村电商、乡村旅游等新兴产业的发展，增加非农就业机会，从而提高农民收入用第一产业增加值占当年国内生产总值的百分比表示。
Table 2. Descriptive statistical analysis of variables
表2. 变量的描述性统计分析
符号 |
数量 |
最小值 |
最大值 |
平均值 |
标准偏差 |
is |
160 |
3.37 |
3.55 |
3.4423 |
0.06347 |
edu |
160 |
15.93% |
17.33% |
16.67% |
0.41% |
agro |
160 |
7.28 |
7.47 |
7.363 |
0.06093 |
gov |
160 |
0.66% |
0.76% |
0.73% |
0.03% |
inc |
160 |
3.91 |
4.29 |
4.123 |
0.12175 |
difi |
160 |
2.18 |
2.59 |
2.4279 |
0.14307 |
(三) 回归模型的构建
借鉴杨泽文《数字普惠金融对山东省农民收入影响实证研究》的方法，以安徽省2013~2022年农村居民可支配收入为因变量，以数字普惠金融指数为自变量。本文在回顾前人研究成果的基础上，引入农业发展水平、政府行为、教育水平和产业结构作为控制变量，构建了我国农业发展水平与政府行为之间的关系，可见以下模型：
其中：difi代表安徽省数字普惠金融发展水平，inc代表安徽省农村居民收入水平，X为控制变量：其中，农业发展水平(agro)、政府行为(gov)、教育水平(edu)、产业结构(is)，i表示安徽省各地级市的序号，t表示时间，βi表示各变量的估计参数，φ表示时间固定效应，ε表示随机扰动项。
(四) 相关分析
当检查解释变量和控制变量之间的关系时，数据相关性是一个关键的考虑因素。回顾表3，变量之间的最大相关系数为0.991，绝对值非常接近于1。这表明解释变量和控制变量之间存在很强的相关性。然而，这种相关性预计不会对回归结果产生负面影响。因此，可以使用这些变量进行回归分析，而不必担心它们的相关性对结果的干扰。
Table 3. Correlation coefficients among variables
表3. 变量间相关系数
|
inc |
difi |
is |
edu |
agro |
gov |
inc |
1 |
|
|
|
|
|
difi |
0.991** |
1 |
|
|
|
|
is |
0.970** |
0.939** |
1 |
|
|
|
edu |
0.589 |
0.602 |
0.644* |
1 |
|
|
agro |
0.976** |
0.945** |
0.984** |
0.617 |
1 |
|
gov |
−0.611 |
−0.568 |
−0.653* |
−0.667* |
−0.704* |
1 |
注：***和**分别表示1%和5%水平上的显著性。
4. 实证结果与分析
(一) 回归结果分析
本节对面板数据选择模型进行分析，并使用SPSS中的线性回归模型进行实证分析。
在不考虑控制变量的情况下，回归分析结果如表4所示，模型的拟合优度达到0.983，拟合非常好。代表数字普惠金融发展的变量对农村居民收入水平有显著的正向影响。在1%显著性水平下，系数为0.992。这意味着，数字普惠金融发展每增加一个单位，农村居民人均可支配收入就增加0.992个单位。可见，数字普惠金融发展水平越高，其对农村居民增收的作用越明显。
Table 4. Regression analysis without control variables
表4. 无控制变量回归分析
变量 |
R |
R2 |
调整后R2 |
Beat值 |
T |
显著性 |
difi |
0.9922 |
0.985 |
0.983 |
0.992 |
22.781 |
0.000 |
引入控制变量后，如表5所示，模型的拟合优度达到0.996，说明回归方程具有很好的拟合性。数字普惠金融发展水平对农村居民收入水平有显著的正向影响。在5%显著性水平下，系数为0.875。虽然这个系数比没有控制变量的情况要低，但仍然说明控制变量对解释变量和因变量之间的关系有一定的影响。由此可以得出，数字普惠金融发展水平每提高1个单位，农村居民人均可支配收入就会增加0.875个单位。这证实了促进数字普惠金融发展有助于增加农村居民收入。
同时，对农业发展等调节变量在回归分析中的作用进行了探讨。结果表明，政府行为的回归系数为−0.075，虽然不显著，但这一结果提示政府行为对农村居民收入可能存在复杂的影响。一方面，政府通过财政开支在农村经济中发挥着重要作用，如提供农业补贴、加强农村基础设施建设等，这些都有助于提高农民收入。另一方面，政府行为的实际效果可能受到多种因素的影响，如财政开支的使用效率、政策执行的力度等。为了更深入地理解政府行为对农村居民收入的影响，可以进一步分析政府在不同领域的财政支出情况。例如，政府用于农业补贴的支出可能直接提高了农民的收入；而用于农村基础设施建设的支出则可能通过改善农村生产生活条件，间接促进农民收入的增长。此外，政府用于教育、医疗等公共服务的支出也有助于提高农村居民的整体素质和生活水平，从而对农民收入产生积极影响。农村教育水平与收入水平的回归系数为−0.106，影响显著。然而，农村教育仍有改进的余地。政府可以集中精力增加对农村教育的投资。这将扩大农村居民的就业选择和机会。此外，提高农民的教育水平可以帮助他们获得更多的金融知识，提高他们的金融素养，更好地接受金融产品，最终增加他们的收入。
Table 5. Regression analysis after adding control variables
表5. 加入控制变量后的回归分析
变量 |
Beta值 |
T |
显著性 |
is |
0.229 |
3.096 |
0.017 |
edu |
−0.106 |
−2.450 |
0.092 |
agro |
−0.074 |
−0.276 |
0.800 |
gov |
−0.075 |
−1.273 |
0.293 |
difi |
0.875 |
3.877 |
0.030 |
R |
- |
0.9992 |
- |
R2 |
- |
0.999 |
- |
Adjusted R2 |
- |
0.996 |
- |
(二) 稳健性测试
本节使用替代因变量进行稳健性检验，以验证前面分析的回归结果。
居民的消费通常与收入密切相关。消费水平往往反映出居民的经济实力和生活质量。在农村地区，消费的增加不仅标志着农民摆脱贫困的明确迹象，而且反映了他们生活水平的大幅度提高。在这里，本文使用农村居民人均消费支出的对数(用cons表示)作为衡量指标，而不是直接使用收入水平。结果如表6所示。值得注意的是，数字普惠金融的回归系数达到0.673，在1%的水平下，这一结果具有统计学意义。这一发现表明，数字普惠金融对提高农村居民消费水平具有积极作用。从这个角度，可以间接推断，数字普惠金融的发展对提高农村居民收入水平具有积极作用。
Table 6. Robustness test results
表6. 稳健性检验结果
变量 |
Beta值 |
T |
显著性 |
difi |
0.673 |
4.761 |
0.009 |
agro |
−0.243 |
−0.678 |
0.535 |
is |
0.498 |
1.689 |
0.167 |
edu |
0.113 |
1.378 |
0.240 |
gov |
−0.020 |
−0.196 |
0.854 |
R |
- |
0.9962 |
- |
R2 |
- |
0.991 |
- |
Adjusted R2 |
- |
0.981 |
- |
5. 结论与建议
(一) 结论
本研究在回顾和总结国内外相关文献和理论的基础上，分析了数字普惠金融与安徽省农村经济发展的关系。本研究以安徽省农村居民人均可支配收入作为经济发展的指标，分析2013~2022年的面板数据，探讨数字普惠金融对农民收入的影响。研究的主要结论如下：第一，从农村居民人均可支配收入来看，安徽省数字普惠金融发展势头强劲，在农村地区的覆盖和使用范围不断扩大。这一趋势为农村经济发展提供了强有力的金融支持，促进了农村产业结构的优化，有利于农民收入的增加。
其次，数字普惠金融对农村居民人均可支配收入的影响显著。农民收入是安徽农村经济的代表，数字金融服务的广泛采用和应用不仅可以提高农村的金融可及性，还可以优化金融资源配置，促进农村经济的多元化发展。
最后，基于稳健性检验的结果，本研究得出的结论具有较高的可靠性，为政策制定提供了强有力的实证支持。
(二) 建议
根据上述结论，提出以下政策建议：
(1) 继续深化农村数字普惠金融发展。拓展农村金融服务使用的广度和深度。包括加强农村数字基础设施建设，提高农民数字金融素养，推动农村金融机构业务创新和服务优化。
(2) 充分发挥数字普惠金融优势，带动农村产业结构升级转型。优化财政资源配置，支持农村特色产业发展，促进农村一二三产业融合，提升农村经济整体竞争力。
(3) 基于数字普惠金融与农村经济发展的非线性关系，制定差别化政策：在数字普惠金融发展初期，重点加强基础设施建设和金融知识传播。在发展阶段，强调创新，提高金融服务质量。在成熟阶段，优先考虑风险防范和金融监管。
(4) 加强政策协调和部门间合作：形成合力，推动数字普惠金融发展。政府、金融机构、社会组织等利益相关方应共同参与政策对接，促进农村数字普惠金融健康发展。
综上所述，数字普惠金融在农村经济发展中发挥着重要作用。充分发挥其优势，促进其在农村的纵深发展，为农村经济可持续发展提供强有力的金融支持。