1. 引言
近几年的统计数据显示，我国居民收入水平在逐年稳步提高。根据国家统计局数据，我国2021年至2023年全国居民人均可支配收入分别为35,128元、36,883元以及39,218元，在疫情的大背景下仍然呈现上升趋势，在这之中，中等收入群体的规模正在稳步扩大。在党的十九届五中全会上，2035年的远景目标被明确提出，其中关键目标包括：全体人民共同富裕取得更为明显的实质性进展，以及人均国内生产总值达到中等发达国家水平，同时中等收入群体显著扩大。目前，我国仍存在城乡收入差距问题，而且城乡收入差距还具有明显的区域差异，东部省级行政单位的城乡收入差距相对较小，而中西部省级行政单位的差距仍较大。
金融科技(Fintech)是指通过大数据、云计算、人工智能、区块链等前沿技术，创新传统金融服务的模式，旨在提高服务效率、降低运营成本、增强风险管理能力，并扩大金融服务的覆盖范围。近年来，中国金融科技市场呈现快速增长态势。2023年，中国金融科技市场规模达到1.74万亿元人民币，预计到2025年将突破数万亿元，年复合增长率保持在两位数以上。支付、信贷、保险和投资等领域是主要增长点。中国政府也高度重视金融科技的发展，出台了一系列支持政策，如《金融科技发展规划(2022~2025年)》和《推动数字金融高质量发展行动方案》。同时，监管机构也在不断完善监管框架，以平衡创新与风险。
近年来，金融科技(FinTech)的迅猛发展正在重塑全球金融格局，为传统金融体系注入新的活力。金融科技通过大数据、人工智能、区块链等新兴技术，降低了金融服务的门槛和成本，提高了金融服务的效率和可获得性，为普惠金融的发展提供了新的契机。与此同时，城乡收入差距作为全球性难题，长期制约着经济社会的可持续发展。中国作为世界上最大的发展中国家，城乡二元结构问题尤为突出，缩小城乡收入差距是实现共同富裕的关键环节。在此背景下，探讨金融科技发展对城乡收入差距的影响具有重要的理论和现实意义。
2. 理论分析与研究假设
2.1. 理论分析
金融科技能够通过科技与金融的创新性融合，充分将数字技术运用于金融领域，从而扩大金融服务的覆盖范围，降低金融服务的交易成本，加快我国金融供给侧的结构性改革(葛文峰等，2025) [1]。目前，金融科技领域的研究主要围绕微观和宏观两个方面展开，涵盖了从个体到整体的多个层面。微观层面，文学舟等(2024)的研究表明金融科技应用正向影响银企信贷供求匹配度，金融监管不仅负向调节金融科技应用与创新水平之间的关系，还负向调节金融科技应用对银企信贷供求匹配度的作用路径[2]。郭娜，胡丽宁(2024)认为，银行金融科技发展能够抑制企业杠杆操纵行为，并且银行金融科技在资产规模较大、非制造业及去杠杆程度较高的企业样本中抑制作用更为显著[3]。宏观层面，孟香君，汪勇(2024)通过研究发现金融科技的发展显著缩小了财富不平等[4]。贺唯唯，张亚斌(2024)基于区域、城乡、机会公平三重视角开展研究，得出以下结论：金融科技发展不仅能够有效驱动区域均衡增长和城乡均衡发展，并且促进了机会公平，“科技红利”得以有效释放[5]。
作为国家发展的重点问题，学术界一直以来都对于如何缩小我国城乡收入差距这一问题高度关注。针对数字经济、金融科技等关键词对于我国城乡收入差距影响的研究已经有很多成果。
于子舒，杨小军(2024)的研究发现金融科技可以助力缩小城乡收入差距[6]。熊云飚，代宇杰(2022)则是基于2011~2019年全国省、直辖市及自治区的面板数据，运用固定效应模型和门槛效应模型实证研究金融科技对城乡收入差距的影响[7]。他们的研究结果是金融科技能够显著缩小城乡收入差距。先前众多学者针对金融科技、数字经济、普惠金融等相关关键词与城乡收入差距开展了实证研究，本文将在此基础之上更多探究二者之间发生影响的作用机制。
2.2. 研究假设
2.2.1. 金融科技对于城乡收入差距的直接作用渠道
金融科技大幅度提升金融可得性，尤其是对那些偏远地区来说。金融科技通过数字化手段，打破了传统金融服务的时空限制，使金融服务能够更广泛地覆盖到偏远地区和弱势群体[8]。金融科技推动了金融服务站点的建设，如在偏远地区的乡镇、村口设置金融服务站点，为村民提供基础金融服务。在偏远地区，传统金融服务网点的建设成本较高，而金融科技通过线上化服务，显著降低了服务成本。例如，手机银行等线上服务的成本仅为传统“面对面”服务成本的1/5左右，是网点和代理点成本的1/35。这使得金融机构能够以更低的成本为偏远地区提供服务。在我国以银行间接融资为主的金融体系中，信息不对称，中小企业、偏远乡村融资难融资贵的问题出现已久，这也在极大程度上制约了乡村地区的发展。在偏远地区，信息不对称是制约金融服务可得性的重要因素。金融科技通过整合多维度数据，帮助金融机构更全面地了解客户信用状况，进一步提升了金融服务的公平性和可持续性，从而使得城乡收入差距的缩小成为可能，同时也为乡村振兴提供了有力支持。基于此，本文提出假设一：金融科技的发展有助于减小城乡收入差距。
2.2.2. 金融科技对于城乡收入差距的直接作用渠道
金融科技利用大数据、人工智能等技术，能够更精准地评估企业的信用状况和资金需求，从而将资金更高效地配置到高效率、高增长潜力的产业部门。同时降低了金融交易成本，弱化了资本流动的时空阻碍，提高了资本的流动性。这使得资本能够更自由地流向新兴产业和高效率部门，推动产业结构的优化升级。此外，金融科技通过提供多元化的融资渠道，如风险投资、众筹等，降低了企业开展技术创新活动的资金门槛，这在一定程度上增强企业进行技术创新的信心和动力。伴随着产业结构升级，城乡之间的产业结构与人口资源空间分布协调度改善，资源配置更加合理，推动农村劳动力的转移。在劳动力流动的过程中，农村的剩余劳动力以及各类生产要素纷纷涌入城市。这一过程不仅使农村劳动力的收入水平得到显著提升，还对城市地区的要素市场产生了冲击。随着农村和城市之间不同生产要素的边际收益逐渐趋于一致，城乡居民之间的收入分配格局也发生了变化。这种变化进一步缩小了城乡居民的收入差距。因此，本文提出假设二：金融科技的发展可以通过推动产业结构升级的方式减小城乡收入差距。
3. 研究设计
3.1. 变量选取
3.1.1. 被解释变量
根据过往文献，用来衡量城乡收入差距的指标共有三种：城乡居民人均可支配收入比、基尼系数、泰尔指数。本文采用泰尔指数(Theil)作为衡量城乡收入差距的指标。
3.1.2. 解释变量
本文选择以当地金融科技公司数量(Fintech)衡量金融科技发展状况。
3.1.3. 控制变量
基于既往相关主题学者的研究，本文选择了如下控制变量：对外开放程度；人口密度；金融发展程度；城镇化水平；经济发展水平；财政支持力度。具体计算公式如表1所示：
Table 1. Introduction to control variables
表1. 控制变量介绍
控制变量名称 |
符号 |
衡量方式 |
对外开放程度 |
Open |
货物进出口额/地区生产总值 |
人口密度 |
Density |
年末常住人口/土地面积 |
金融发展程度 |
Finance |
金融机构贷款余额与GDP的比值 |
城镇化水平 |
Urban |
城镇人口/总人口 |
经济发展水平 |
Pgdp |
人均GDP取对数 |
财政支持力度 |
Support |
财政一般预算支出/地区生产总值 |
3.2. 模型构建
本文在实证设计部分构建如下固定效应模型：
(1)
其中，Theili,t表示地区i在t年的城乡收入差距，Fintechi,t表示地区i在第t年的金融科技发展，Xi,t表示控制变量；α为常数项；β1为金融科技发展变量的系数；β2为控制变量的系数；φi表示地区固定；δt表示时间固定；εi,t为随机扰动项。
3.3. 数据来源
本文选取全国31个省级行政单位2013~2022年十年的面板数据研究金融科技发展水平对城乡收入差距的影响，由于数据的可得性，本文不包含我国港澳台地区的样本。数据来源于《中国城市统计年鉴(2013~2022年)》和各省份统计年鉴中的城市数据。省级层面的金融科技公司的数量来自“天眼查”网站。表2为各变量描述性统计结果：
3.4. 实证结果
3.4.1. 基准回归结果
本文基于先前所设定的模型考察了金融科技发展对于城乡收入差距的影响基准回归的结果如表3所示。其中的第一列仅将金融科技发展作为解释变量的回归结果，不包含任何控制变量，结果表明金融科技的发展可显著缩小城乡收入差距。为了做进一步验证，本文又加入了对外开放程度；人口密度；金融发展程度；城镇化水平；经济发展水平；财政支持力度这六个控制变量，回归结果仍显著。故本文的假设一得以验证，即金融科技的发展有助于减小城乡收入差距。
Table 2. Descriptive statistical analysis
表2. 描述性统计结果
变量名 |
样本数 |
均值 |
标准差 |
最小值 |
中位数 |
最大值 |
Theil |
310 |
0.083 |
0.038 |
0.017 |
0.078 |
0.210 |
Fintech |
310 |
437.613 |
804.503 |
0.000 |
121.000 |
4948.000 |
Open |
310 |
0.253 |
0.255 |
0.008 |
0.141 |
1.257 |
Density |
310 |
459.011 |
706.801 |
2.581 |
278.348 |
3950.794 |
Finance |
310 |
1.555 |
0.442 |
0.743 |
1.480 |
2.996 |
Urban |
310 |
0.604 |
0.124 |
0.240 |
0.597 |
0.896 |
Pdgp |
310 |
10.935 |
0.432 |
10.003 |
10.883 |
12.155 |
Support |
310 |
0.291 |
0.204 |
0.105 |
0.233 |
1.354 |
Table 3. Benchmark regression results
表3. 基准回归结果
VARIABLES |
Theil |
Theil |
Fintech |
−1.32e−05*** |
−1.79e−06** |
|
(1.39e−06) |
(7.82e−07) |
Open |
|
−0.0245*** |
|
|
(0.00797) |
Finance |
|
0.0160*** |
|
|
(0.00256) |
Urban |
|
−0.318*** |
|
|
(0.0328) |
Support |
|
0.0169 |
|
|
(0.0144) |
Pdgp |
|
−0.00855 |
|
|
(0.00846) |
Density |
|
2.05e−06 |
|
|
(3.73e−05) |
Constant |
0.0892*** |
0.346*** |
|
(0.000984) |
(0.0871) |
Observations |
310 |
310 |
R-squared |
0.247 |
0.984 |
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
3.4.2. 稳健性检验
本文的稳健性检验采用替换被解释变量的方法进行。参考陆铭将城乡居民人均可支配收入比作为城乡收入差距(Gap)衡量指标，保留其他控制变量不变的情况下重新开展回归，回归结果如表4所示。结果显示再替换了被解释变量之后，结果与基准回归一致，即金融科技的发展可以降低城乡收入差距。
Table 4. Robustness test results
表4. 稳健性检验结果
VARIABLES |
Gap |
Fintech |
−2.65e−05*** |
|
(8.07e−06) |
Open |
−0.161** |
|
(0.0693) |
Finance |
0.0542** |
|
(0.0261) |
Urban |
−1.036*** |
|
(0.303) |
Support |
0.368*** |
|
(0.138) |
Pdgp |
−0.287*** |
|
(0.0569) |
Density |
0.000174 |
|
(0.000390) |
Constant |
6.068*** |
|
(0.506) |
|
|
Observations |
310 |
Number of Province |
31 |
R-squared |
0.797 |
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1
3.5. 机制检验
为了研究金融科技的发展对城乡收入差距的影响机制，本文引入产业结构高级化(Structure)这一中介变量。产业结构高级化这一指标由第一产业比重 * 1 + 第二产业比重 * 2 + 第三产业比重 * 3计算而得。回归结果如表5所示，其中第一列并没有加入任何控制变量，而第二列中的控制变量为基准回归中的六个控制变量。回归结果显示，金融科技的发展可以显著推进产业结构高级化，继而减少我国城乡收入差距。因此假设二得以验证，即金融科技的发展可以通过推动产业结构升级的方式减小城乡收入差距。
3.6. 异质性分析
我国国土辽阔，东西地区资源禀赋有着较大的差异，此外，我国也面临着东西部地区经济发展不
Table 5. Mechanism inspection results
表5. 机制检验结果
VARIABLES |
(1) Structure |
(2) Structure |
Fintech |
0.000104*** |
6.39e−05*** |
|
(1.75e−05) |
(1.67e−05) |
Open |
1.377*** |
0.0743 |
|
(0.0107) |
(0.170) |
Finance |
|
−0.0193 |
|
|
(0.0546) |
Urban |
|
−2.773*** |
|
|
(0.699) |
Support |
|
1.313*** |
|
|
(0.306) |
Pdgp |
|
−0.665*** |
|
|
(0.180) |
Density |
|
0.000859 |
|
|
(0.000795) |
Constant |
1.377*** |
9.582*** |
|
(0.0107) |
(1.855) |
Observations |
310 |
310 |
R-squared |
0.973 |
0.981 |
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
平衡的问题，这使得本文的研究主题，即中国金融科技发展水平与城乡收入差距具有区域异质性。
胡焕庸线是中国地理学家胡焕庸在1935年提出的一条人口地理分界线，它从黑龙江省的黑河市延伸到云南省的腾冲市，将中国分为人口密度相差悬殊的东南和西北两大区域。这条线不仅是中国人口密度的分界线，也是自然地理、经济地理和人文地理的重要分界线。胡焕庸线的东侧，即东南半壁，分布着中国96%的人口，并且创造了95.7%的国内生产总值。东侧地区以平原、水网、丘陵、喀斯特和丹霞地貌为主，自古以农耕为经济基础。中国最主要的7大城市群，包括京津冀、长三角、粤港澳、成渝城市群、长江中游城市群、中原城市群和关中平原城市群，全部位于该线东侧。而胡焕庸线西侧，即西北半壁，只分布着全国4%的人口，创造了相对较小的GDP，与此同时，西北片区的城镇化水平相对较低，2020年第七次人口普查数据显示，西北片区城市化率为57.69%，西藏仅为35.73%。
本文将31个省级行政单位按照胡焕庸线来进行划分，分为东西西部两个不同的地区来开展区域异质性分析，回归结果如表6所示。回归结果显示，东部地区金融科技的发展可以显著减小我国城乡收入差距，而西部地区的金融科技发展却能使得城乡收入差距进一步加大。这可能是因为金融科技发展可能会加剧城乡之间的数字鸿沟，即不同居民群体间数字基础设施、数字终端、数字技术使用能力不一致，形成“科技鸿沟”。这种鸿沟会限制金融科技覆盖人群，导致金融科技更多地服务于城市地区，而农村地区则难以享受到金融科技发展带来的便利和收益，从而可能拉大城乡收入差距、破坏公平。
Table 6. Heterogeneity analysis results
表6. 异质性分析结果
VARIABLES |
东部 Theil |
西部 Theil |
Fintech |
−2.57e−06*** |
2.39e−05*** |
|
(8.87e−07) |
(8.28e−06) |
Open |
−0.00511 |
−0.180*** |
|
(0.00802) |
(0.0373) |
Finance |
0.00844** |
0.00511 |
|
(0.00420) |
(0.00462) |
Urban |
−0.362*** |
−0.374*** |
|
(0.0392) |
(0.0862) |
Support |
0.0344 |
−0.0144 |
|
(0.0253) |
(0.0219) |
Pdgp |
0.00106 |
−0.0318** |
|
(0.00708) |
(0.0153) |
Density |
−2.54e−05 |
0.000435 |
|
(4.27e−05) |
(0.000675) |
Constant |
0.287*** |
0.631*** |
|
(0.0628) |
(0.154) |
Observations |
220 |
90 |
Number of Province |
22 |
9 |
R-squared |
0.833 |
0.894 |
Standard errors in parentheses. ***p < 0.01, **p < 0.05, *p < 0.1.
4. 结论与建议
4.1. 结论
本文选择我国省级层面2023~2022这十年间的相关数据开展研究，探究金融科技发展对于城乡收入差距的影响，并得到结论，即金融科技的发展有助于减小城乡收入差距，在更换被解释变量的情况下这个结论仍然成立。此外，本文发现金融科技的发展可以通过推动产业结构升级的方式减小城乡收入差距。
4.2. 建议
基于先前实证结果以及相关理论推导，本文提出以下建议：
首先，针对农村金融科技的特点，制定相应的监管政策，防范金融风险，完善监管框架。确保农民的个人信息和金融数据安全，防止信息泄露和滥用。并在此基础之上建立纠纷解决机制，为农民提供便捷的金融纠纷解决渠道，维护其合法权益。
其次，要利用金融科技促进农村产业升级，增加农民收入。例如可以发展农村电商平台借助金融科技，建立农村电商平台，帮助农民将农产品直接销售给消费者，减少中间环节，提高收入。并支持农村创新创业，通过金融科技为农村创业者提供融资、支付等支持，鼓励创新创业，带动农村经济发展。
最后，应该发展农村数字普惠金融，提升金融服务可得性。鼓励金融机构在农村地区推广移动支付和数字银行服务，降低金融服务门槛，让农民享受便捷的金融服务。加强金融知识普及，通过线上线下结合的方式，向农民普及金融知识，提升他们的金融素养和风险意识。