数字普惠金融与传统农村金融：溢出效应抑或挤出效应_董龙训.pdf

金融发展研究 第2期收稿日期：2022-12-02数 字 普 惠 金 融 与 传 统 农 村 金 融：溢 出 效 应 抑 或 挤 出 效 应董龙训1张立光1亓鹏2（1.中国人民银行济南分行，山东济南250021；2.中国人民银行莱芜市中心支行，山东济南277102）摘要：数字普惠金融作为一种新兴业态，对传统金融机构经营发展产生了技术溢出和市场挤出两种截然相反的效应。因此，数字普惠金融是否有助于促进正规金融服务下沉，从而有效缓解传统农村金融约束，值得我们关注和思考。本文从传统信贷支农的角度出发，使用20122019年31个省（自治区、直辖市）涉农贷款数据，对数字普惠金融与传统农村金融之间的关系进行了实证检验。研究表明：数字普惠金融会显著促进涉农贷款增长，从而缓解“三农”融资约束，特别是在经济欠发达地区，此种效果更为明显；分维度看，数字普惠金融主要通过使用深度这一维度对传统农村金融产生影响，其次是覆盖广度；分主体看，数字普惠金融与传统金融机构农户贷款之间无显著关系，与农村企业和各类组织贷款微相关，而对城市涉农贷款具有明显的促进作用，说明当前数字普惠金融的发展过程中仍存在明显的数字排斥问题，传统金融机构的业务下沉力度有待进一步提高；进一步研究发现，人口老龄化程度会弱化数字普惠金融对传统农村金融的正向作用。关键词：数字普惠金融；“三农”融资；传统金融机构中图分类号：F830.34 文献标识码：A 文章编号：1674-2265（2023）02-0037-07DOI：10.19647/ki.37-1462/f.2023.02.005作者简介：董龙训，男，山东潍坊人，供职于中国人民银行济南分行，高级经济师，研究方向为普惠金融和货币调控；张立光，男，山东临沂人，供职于中国人民银行济南分行，高级经济师，研究方向为金融科技；亓鹏，男，山东济南人，供职于中国人民银行莱芜市中心支行，研究方向为数字经济和农村金融。本文不代表作者所在单位观点。一、引言长期以来，银行信贷是“三农”融资的主要资金来源，虽然监管部门一直致力于从多方面引导传统金融机构持续加大农村金融支持力度，但由于受到农户整体收入水平较低，农村信用体系不健全以及土地等要素制度引致的农户抵押能力低等多重因素的制约，依然存在“三农”正规金融供给严重不足的问题。特别是随着乡村振兴战略的全面实施，产业融合发展是未来方向与发展趋势，新型农业经营主体的作用愈发突出，供需缺口进一步加大。在此背景下，数字普惠金融的兴起为解决“三农”问题提供了新路径、新思路。早在2015年，国务院发布的推进普惠金融发展规划（20162020年）就已经提出“积极引导各类普惠金融服务主体借助互联网等现代信息技术手段，降低金融交易成本，延伸服务半径，拓展普惠金融服务的广度和深度”。此后，政府部门接连出台多项政策引导金融机构进行数字化转型，2021年中央一号文件首次提出发展农村数字普惠金融，支持市县构建域内共享的涉农信用信息数据库，用3年时间基本建成比较完善的新型农业经营主体信用体系。2022年，中国人民银行发布金融科技发展规划（20222025年），进一步提出“推动我国金融科技从立柱架梁全面迈入积厚成势新阶段”发展愿景。在此背景下，对于传统金融机构而言，在助推乡村振兴的过程中，提高数字技术赋能普惠金融服务的深度以及提高业务下沉的力度是未来发展的重要方向。基金项目：山东省社科规划研究项目“县域数字普惠金融：发展逻辑、经济效应与影响因素”（18CJRJ19）。金 融 观 察】【37金融发展研究 第2期当前，我国数字普惠金融取得长足发展，以蚂蚁金服为代表的金融科技公司积极探索数字普惠金融模式，如浙江网商银行依托卫星遥感、大数据等技术，通过卫星图像识别农作物种植面积、作物类型，并通过风控模型迅速确认农民贷款额度（周期），目前安徽、山东等种粮大省均引入了该项新技术。与此同时，数字技术对金融领域不断渗透与融合，对传统金融机构普惠业务的发展产生了重要影响，如数字技术可以通过技术溢出效应优化传统金融服务，倒逼传统金融机构进行数字化改革，从而带动交易成本的降低和经营效率的提升。当前，以国有商业银行、股份制银行为代表的传统银行机构，围绕“数字平台、数字产品、服务模式”三个方面，针对“三农”融资这一现实问题进行了积极探索，如中国建设银行的“裕农通”、中国农业银行的“惠农e付”等模式，利用数字平台满足客户支付、融资和消费等多方面的金融需求。但是，我们也应该认识到，我国农村数字基础设施尚不完善，农村居民的数字普惠金融知识较为缺乏，且多数农村中小企业存在资产规模小、财务制度不健全以及人员学历较低等问题，缺乏开展数字化转型的必要客观条件，无法获得商业银行数字平台提供的金融服务。因此，在现实中，我们可能面临以下问题：数字普惠金融是能通过技术溢出促进正规金融服务进一步下沉，还是在农村信贷市场对传统金融机构产生一定的挤出效应？为了回答上述问题，本文从“三农”金融服务的视角，利用20122019年31个省（自治区、直辖市，以下简称省份）涉农贷款数据及北京大学数字普惠金融指数，实证分析数字普惠金融对传统农村金融究竟产生了挤出效应，还是技术溢出效应，研究结论对于优化农村金融供给、助力乡村振兴具有重要的理论与现实意义。二、文献综述与研究假设梳理现有文献，我们发现，数字普惠金融与传统金融的关系存在争议，大体分为“替代论”“补缺论”与“互补论”。“替代论”认为数字金融可以有效破解传统金融固有的交易成本高和信息不对称等缺陷，无限接近一般均衡中的无金融中介状态（谢平和邹传伟，2012）1，从而对传统银行的业务体系以及市场份额产生强烈冲击（Beck，2001；Raza 和 Hanif，2011）2，3，因此，可以取代传统金融市场，但“替代论”的可靠性一直深受质疑。“补缺论”认为数字技术的本质只是技术工具的改进，而非金融产业革命，数字技术的作用在于提高效率，可以延伸到被传统金融排斥的群体，但其本身并不创造信息，也无法鉴别信息真伪，因此，难以解决信息不对称的问题（王国刚和张扬，2015；汪炜和郑扬扬，2015）4，5。“补缺论”本质上还是对数字金融作用的极大肯定，甚至认为其可以起到“雪中送炭”的作用，但其忽视了传统金融可以数字化，即数字技术对传统金融内部的冲击以及优化。当前，多数学者对“替代论”与“补缺论”进行了融和，支持“互补论”的观点（刘澜飚等，2013）6。一方面，数字技术可以优化传统金融服务，激发传统金融机构的创新活力，带动交易成本的降低和经营效率的提升（程鑫，2015；刘忠璐，2016；王升等，2021）7-9，从而提高商业银行全要素生产率（沈悦和郭品，2015）10，实现正规金融服务下沉（吴晓求，2015）11；另一方面，数字普惠金融并没有改变金融的本质，不构成对传统金融的革命性颠覆，其发展仍然需要传统金融的有力支撑（郑联盛，2014）12。许月丽等（2022）13研究表明，传统农村金融与数字普惠金融之间更多表现为有效互补而非简单替代，这主要是基于数字普惠金融更能够解决农村金融市场信息不对称问题。此外，也有学者证明，数字金融的真实作用效果如何与地域禀赋密切相关。一方面，经济相对落后地区的正规信贷约束较为严重，且第一产业占比相对较高，数字普惠金融能够借助互联网技术，打破时空限制，渗透到受金融排斥的地区并发挥重要作用，例如提高农民的消费水平以及促进农户正规信贷获得（祝仲坤和冷晨昕，2017）14。另一方面，在经济发达地区，金融服务体系相对完善，居民资产、收入较高，获得正规金融服务较为容易，因此，数字普惠金融所能发挥的边际作用较为有限。杨波等（2020）15发现，数字普惠金融对城镇家庭、东部地区家庭正规信贷获得的作用均不显著。综上，我们认为，数字普惠金融能够通过技术溢出效应倒逼传统金融机构加快数字化转型升级，提升金融服务的广度与深度。但是，由于经济发达地区正规信贷可得性较高，数字普惠金融的作用效果可能低于欠发达地区。三、数据、模型与指标说明（一）模型设计我们借助数字普惠金融指数检验数字普惠金融与传统金融机构信贷支农之间的关系，同时构建人均GDP与数字普惠金融指数的交互项，对地区经济发展金 融 观 察】【38金融发展研究 第2期水平的调节作用进行检验。具体模型如下：nongit=0+1indexit-1+2ind_agdpit-1+3proit-1+yeari+i,t（1）nong代表被解释变量；nong_total专指涉农贷款与各项贷款之比；index表示数字普惠金融指数或各分类指数；ind_agdp表示数字普惠金融指数与人均GDP的交互项；pro表示省份特征变量；year表示年份效应。其他变量及其含义见表1。表1：变量定义变量类型被解释变量数字普惠金融指标省份特征变量变量名称nong_totalnong_housenong_countynong_cityindexcoverageusagedigitizationfintechoneagdpgovmarketlngdp变量说明涉农贷款与各项贷款之比农户贷款与各项贷款之比农村企业及各类组织贷款与各项贷款之比城市涉农贷款与各项贷款之比数字普惠金融指数数字普惠金融覆盖广度指数数字普惠金融使用深度指数数字普惠金融数字化程度指数金融科技公司数量加1，取自然对数。第一产业增加值占地方生产总值的比例人均GDP财政一般支出占地方生产总值的比例市场化指数GDP的对数（二）变量说明1.被解释变量：传统信贷支农。包括涉农贷款占比（nong_total）、农户贷款占比（nong_house）指标。此外，为了更好地刻画数字普惠金融对不同涉农主体的影响，我们利用农村贷款与农户贷款之差得到了农村企业及各类组织贷款数据，利用涉农贷款与农村贷款之差得到了城市涉农贷款数据，具体包括城市企业及各类组织涉农贷款与非农户个人农林牧渔业贷款两部分。2.核心解释变量：数字普惠金融指标。使用北京大学数字普惠金融指数（index）数据及其分维度的使用深度（usage）、覆盖广度（coverage）和数字化程度（digitization）指标进行分析。3.控制变量。我们基于经济发展水平、产业结构、政府行为、市场化水平等4个方面的考量，分别选取人均GDP（agdp）、第一产业增加值占地方生产总值的比例（one）、财政一般支出占地方生产总值的比例（gov）、市场化指数（market）等四个指标作为控制变量。（三）数据来源各省份涉农贷款、各项贷款数据来源于历年中国金融年鉴，在“金融机构本外币涉农贷款统计（分地区）”表中，包括农林牧渔业贷款、农村（县及县以下）贷款、农户贷款以及涉农贷款等4个科目的数据。数字普惠金融指标来源于“北京大学数字普惠金融指数”（郭峰等，2020）16。省份特征变量数据来源于国家统计局、万得数据库。其中，省级市场化指数来自 中国分省份市场化指数报告（2018）。值得注意的是，考虑到解释变量对被解释变量的影响通常存在滞后效应，以及可能的内生性问题，我们将被解释变量和省份特征变量均滞后一期，同时，考虑到数字普惠金融指数的时间起点为2011年以及新冠肺炎疫情对社会经济的重大影响可能对实证结果造成干扰，最终将时间区间设定为20122019年。四、计量结果分析（一）描述性统计表2为各变量的描述性统计结果。涉农贷款占比中位数为33.36，最小值为2.15，最大值为46.24，表明各省之间信贷支农力度差距较大。其中，农户贷款占比最大值仅为16.80，说明农户作为弱势群体获取正规信贷较难。数字普惠金融指数标准差为 68.39，波动较大，说明当前我国数字普惠金融的发展，与我国大多数经济特征一样仍存在明显的区域差异。此外，从变量相关性分析看，相关系数均较小，大部分不超过0.5，说明变量之间不存在严重的多重共线性。表2：变量描述性统计变量nong_totalnong_housenong_countynong_cityindexcoverageusagedigitizationfintechagdponegovmarketlngdp样本数248248248248248248248248248248248248248248均值29.547.4416.135.98187.20166.6182.50263.703.904.919.8228.136.4259.67标准差11.404.098.443.3585.0882.9685.00116.401.632.415.0421.132.1870.98最小值2.150.040.540.1716.221.9606.7607.580.001.600.2911.03-0.236.41中位数32.798.0017.155.50203.90175.1177.40294.303.754.139.3722.716.459.79最大值46.2416.8033.5322.10377.70353.9400.40453.709.9515.1026.13137.9010.7911.51（二）回归分析1.基准回归。表3报告了数字普惠金融指数、人均 GDP 及其交互项对涉农贷款占比影响的回归结果。第（2）列的结果显示，在控制省份宏观经济变量以及双向固定效应的前提下，数字普惠金融指数的系数为正，且在5%的水平上显著，说明数字普惠金融有助于涉农贷款增长，有助于“三农”正规金融服务下沉。此外，第（4）列的结果显示，数字普惠金融指数与人均GDP的交互项（ind_agdp）系数为负，且在1%的水平上显著，说明地区经济水平会弱化这种正向影响，即经济发达的省份数字普惠金融的带动金 融 观 察】【39金融发展研究 第2期作用会有所减弱。上述结论为我们的理论分析提供了初步的经验证据。表3：基准回归结果indexind_agdpagdponegovmarket个体效应年份效应_consNR2F涉农贷款占比（1）0.012*（2.43）-1.134*（-3.32）0.579*（3.50）-0.250*（-3.12）0.005（0.01）控制34.154*（9.40）2480.1678.529*（2）0.074*（2.07）-0.866*（-2.15）0.476*（2.87）-0.164*（-1.94）-0.094（-0.20）控制控制29.261*（7.14）2480.2395.356*（3）0.012*（2.44）-0.005*（-3.53）2.150*（2.18）0.696*（4.24）-0.174*（-2.15）-0.010（-0.02）控制20.041*（3.75）2480.2149.566*（4）0.152*（4.28）-0.009*（-6.11）5.237*（4.91）0.692*（4.41）0.056（0.65）0.019（0.04）控制控制-3.125（-0.48）2480.3568.686*注：括号内为回归系数的t值，*、*和*分别表示10%、5%和1%的显著性水平，下同。2.分维度讨论。我们从数字普惠金融覆盖广度、使用深度和数字化程度3个维度，对影响路径进行分析。表4的结果表明：（1）覆盖广度指数和使用深度指数的系数均为正，且分别在 5%、1%的水平上显著；进一步从系数大小来看，使用深度指数的系数（0.121）明显大于覆盖广度指数（0.081）。（2）两者与人均GDP的交互项系数为负，且均在1%的水平上显著；从系数大小来看，使用深度指数与人均GDP交互项的系数绝对值（0.008）略小于覆盖广度指数与人均GDP交互项（0.009）。（3）数字化程度指数及其交互项的系数均不显著。以上结果说明数字普惠金融的影响主要体现在使用深度上，之所以会存在这样的影响，一方面，是因为覆盖广度指数和数字化程度指数的趋同趋势更为明显；另一方面，是因为使用深度指数更能体现本地区居民实际对数字普惠金融服务的有效使用，尤其是农村金融，长期以来都是金融服务的薄弱环节，中国人民银行发布的消费者金融素养 调 查 分 析 报 告（2021）（以 下 简 称 报 告（2021）显示，67.03%的农村受访者最近两年有过手机付款行为，比城镇地区低15.69个百分点。上述结论为我们的理论分析提供了进一步的经验证据。3.分主体讨论。将主体按农户、农村企业及各类组织和城市进行分类，分别进行回归估计。表6报告了分样本回归结果，研究表明：（1）当被解释变量为农户贷款占比时，数字普惠金融指数及其与人均GDP的交互项的系数均不显著；（2）当被解释变量为农村企业及各类组织贷款占比时，数字普惠金融指数的系数为正，交互项系数为负，分别在5%、1%的水平上显著；（3）当被解释变量为城市涉农贷款占比时，数字普惠金融指数的系数为正，交互项系数为负，均在1%的水平上显著。（4）使用深度指数的情况基本类似，在此不再赘述。上述结果说明，数字普惠金融对不同主体的影响存在较为明显的异质性，数字普惠金融通过技术溢出或者竞争效应倒逼传统金融机构加大表4：分维度回归估计结果coveragecov_agdpusageusa_agdpdigitizationdig_agdpagdpControl个体效应年份效应_consNR2F涉农贷款占比（1）0.081*（2.00）-0.009*（-5.49）5.373*（4.83）YES控制控制0.939（0.15）2480.3367.955*（2）0.121*（6.08）-0.008*（-6.00）4.474*（4.62）YES控制控制4.296（0.73）2480.3659.013*（3）0.007（0.62）-0.004*（-3.81）2.552*（3.01）YES控制控制18.962*（3.63）2480.2786.049*注：因篇幅所限，控制变量简要展示，作者备索。下同。表5：分主体回归估计结果indexind_agdpusageusa_agdpagdpControl个体效应年份效应_consNR2F农户贷款占比（1）0.001（0.04）-0.001（-1.21）1.040*（2.16）YES控制控制7.355*（2.50）2480.2003.933*（2）-0.015（-1.62）-0.000（-0.28）0.717（1.64）YES控制控制9.250*（3.47）2480.2144.263*农村企业及各类组织贷款占比（3）0.071*（2.09）-0.004*（-2.98）1.704*（1.66）YES控制控制-1.298（-0.21）2480.3849.773*（4）0.054*（2.83）-0.004*（-2.78）1.245（1.33）YES控制控制2.758（0.48）2480.3839.746*城市涉农贷款占比（5）0.080*（2.74）-0.004*（-3.29）2.492*（2.85）YES控制控制-9.183*（-1.72）2480.1202.131*（6）0.081*（5.08）-0.004*（-3.97）2.512*（3.24）YES控制控制-7.712（-1.63）2480.1713.241*金 融 观 察】【40金融发展研究 第2期支农力度的作用有限，主要还是作用于“三农”领域中较为优质的客户，比如涉农企业及各类组织等。同时，也说明农户在正规金融服务中仍属于边缘弱势地位，传统金融机构的业务下沉力度有待进一步提高。我们认为，出现上述结果的主要原因在于：农民、低收入人群等弱势群体受教育水平较低，难以掌握必要的数字普惠金融知识，极易受到数字排斥。4.老龄化的影响。前述研究在一定程度上说明居民金融素养对数字普惠金融的普及和发展存在重要影响。一般来说，受到身体机能下降等因素的影响，老年人的认知能力和学习能力一般也会随之下降，从而不可避免地面临数字鸿沟问题。已有研究证明，老年人群体由于接受新鲜事物慢、担心网络安全问题等原因，更倾向于选择商业银行物理网点，对于移动互联网工具或新兴线上金融产品存在抵触心理。基于此，我们认为，地区人口老龄化程度可能会对数字普惠金融的正向作用造成一定阻碍。为验证这一点，我们使用城区常住人口老年人抚养比（fyb）衡量该地区老龄化程度，并构造数字普惠金融指数、使用深度指数与抚养比的交互项（ind_fyb、usa_fyb），检验其是否会弱化数字普惠金融的正向作用。抚养比数据来自中国人口和就业统计年鉴。表6结果显示，无论是数字普惠金融指数还是数字普惠金融使用深度指数，其一次项系数显著为正，交互项系数显著为负，说明人口老龄化程度会弱化数字普惠金融的正向作用。（三）稳健性检验1.更换被解释变量。本文借鉴Cole等（2004）17和刘忠璐（2018）18的做法，将被解释变量更换为涉农贷款余额的对数，进行稳健性检验。表 7 结果显示，关键变量的系数方向和显著性与我们的既有结论一致。2.更换解释变量。梳理已有文献，我们发现金融科技与数字普惠金融无论在具体内涵还是在衡量指标的选取上，均存在较强的一致性。此外，传统金融机构利用数字技术的能力与本地区金融科技公司发展情况密切相关。因此，本文参考宋敏等（2021）19的做法，使用各省份内金融科技公司的数量作为数字普惠金融发展水平的衡量指标。我们通过“天眼查”网站高级检索功能获取了企业名称和经营范围内包含金融科技、云计算、大数据、区块链、人工智能、物联网等关键词的公司，剔除了成立时间小于1年或经营状态非正常的公司，得到金融科技公司数量（Fintech）的数据。同时，我们将衡量经济发展水平的变量由人均GDP更换为省份GDP的对数，进行稳健性检验。表8的结果与我们的既有结论一致。3.内生性问题。“三农”融资约束的缓解，可能会提高金融机构利用金融科技支持“三农”的积极性，从而促进数字普惠金融的发展，由此可能产生反向因果问题。本文参考张勋等（2019）20的做法，利用各省份与杭州的球面距离（dis）作为数字普惠金融的工具变量进行稳健性检验，表9的结果再次证明数字普惠金融能够显著促进涉农贷款增长。五、结论与建议本文从信贷支农的角度出发，使用 20122019年31个省份涉农贷款数据，对数字普惠金融是否有助于传统金融机构业务下沉进行了实证检验。研究表明：（1）数字普惠金融会显著促进传统信贷支农，有助于传统金融机构业务下沉，但地区经济发展水平会弱化数字普惠金融的正向作用，即经济发达的地区这种促进作用较弱。（2）分主体看，数字普惠金融与传统金融机构农户贷款无显著关系，与农村企业和各类表6：老龄化的影响indexind_fybusageusa_fybfybControl个体效应时间效应_consNR2F（1）0.031*（4.09）-0.002*（-3.16）0.238（1.61）YES控制无29.863*（7.64）2480.2118.000*（2）0.095*（2.60）-0.002*（-2.53）0.183（1.23）YES控制控制25.931*（5.93）2480.2665.264*（3）0.029*（3.78）-0.002*（-3.54）0.279*（1.93）YES控制无27.306*（7.76）2480.2057.713*（4）0.067*（3.58）-0.002*（-2.57）0.203（1.39）YES控制控制29.138*（7.12）2480.2795.614*表7：回归估计结果indexind_agdpagdpControl个体效应年份效应_consNR2F（1）0.005*（11.93）-0.151*（-5.82）YES控制无8.847*（32.13）2480.711104.082*（2）0.008*（2.86）-0.176*（-5.64）YES控制控制8.876*（27.99）2480.72444.896*（3）0.005*（13.69）-0.001*（-8.55）0.384*（5.78）YES控制无6.549*（18.24）2480.785128.380*（4）0.017*（6.71）-0.001*（-9.74）0.501*（6.76）YES控制控制5.286*（11.68）2480.81267.725*金 融 观 察】【41金融发展研究 第2期组织贷款微相关，而对城市涉农贷款具有明显的促进作用，说明当前数字普惠金融的发展过程中仍存在明显的数字排斥问题，传统金融机构的业务下沉力度有待于进一步提高。（3）地区人口老龄化程度会对数字普惠金融的正向作用产生一定阻碍。基于上述结论，本文提出以下三方面的政策建议：第一，持续改善农村数字化基础条件。实证结果表明，数字普惠金融对经济欠发达地区有明显的信贷支持作用。为进一步加强数字普惠金融在落后地区的推广运用，建议，一是因地制宜建设基础设施，对于中西部地区和边远地区，应继续完善农村交通、通信等基础设施，在助农服务网点、终端和网络设施等硬件上持续发力，优化网络质量，夯实普惠金融发展基础；二是加强涉农信贷数据的积累与共享，提高征信之外的支付类、政务类、商业类等替代性数据在农户信用评价中的应用，为“三农”信贷融资提供可信任、可追溯的数据源。第二，构建良好的农村金融生态环境。一是地方政府应进一步放宽农村金融市场准入，适当引入不同类型村镇银行、金融综合服务联络站、贷款公司等，加强本地区农村金融市场的竞争。二是金融机构应结合农户多样化的融资需求，将数字普惠金融产品或服务融入农业生产的各个环节，在风险可控前提下，稳步提升信用贷款比例，适当扩大涉农抵质押品准入范围。第三，高度重视“数字鸿沟”问题。数字普惠金融目标群体数字技能掌握不足，一定程度上影响普惠金融服务的可得性。近年来，虽然监管部门通过出台银行业消费者权益保护工作指引 金融消费者权益保护实施办法等文件，大力推动金融消费者教育和金融知识普及工作，但目前仍未建立起有效的长期机制，数字鸿沟和数字排斥问题逐渐凸显。因此，建议，一是引导金融机构对线下网点及机具进行合理布局，有序推进物理网点数字化改造，并结合地区实际，对公益属性明显的金融服务点给予一定的奖励或补贴。二是指导金融机构加强员工培训，优化服务流程，统筹兼顾线上、线下两种服务模式，对于依赖传统金融服务的弱势群体（如农户），在保障线下服务不缺位的同时，设计出台更具人性化的服务规章。三是重视农户等弱势群体的金融知识普及工作，进一步提升金融教育的针对性和有效性，将普及金融知识、提升互联网应用技能、增强数字普惠金融消费者的风险意识结合起来，形成具体规划与长效机制，同时持续推进数字普惠金融知识纳入教育体系。注：2017年和2018年的市场化指数通过计算年均增长率的方式推算而来。参考文献：1谢平，邹传伟.互联网金融模式研究 J.金融研究，2012，（12）.2Beck H.2001.Banking is Essential，Banks are not.The Future of Financial Intermediation in the Age of the In-ternet J.Netnomics，3（1）.3Raza S A，Hanif N.2011.Factors Affecting InternetBanking Adoption Among Internal and External Customers:a Case of Pakistan J.Mpra Paper，7（1）.4王国刚，张扬.互联网金融之辨析 J.财贸经济，2015，（01）.5汪炜，郑扬扬.互联网金融发展的经济学理论基础J.经济问题探索，2015，（06）.6刘澜飚，沈鑫，郭步超.互联网金融发展及其对传表8：更换解释变量fintechfintech_agdpfintech_lngdpagdplngdpControl个体效应年份效应_consNR2F（1）涉农贷款占比2.281*（2.85）-0.195*2.281*1.865*（1.91）YES控制控制16.646*（2.69）2480.2605.525（2）涉农贷款余额的对数0.236*（3.90）-0.025*0.236*0.166*（2.25）YES控制控制7.374*（15.73）2480.74445.542（3）涉农贷款占比7.731*（5.81）7.731*-0.723*（-5.63）12.068*（5.60）YES控制控制-93.884*（-4.29）2480.40110.510（4）涉农贷款余额的对数0.729*（7.11）0.729*-0.066*（-6.64）1.182*（7.12）YES控制控制-3.582*（-2.12）2480.78557.229表9：工具变量回归估计结果usage（IV=dis）Control年份效应_consNR2F不可识别检验弱工具变量检验涉农贷款占比0.341*（3.60）YES控制93.857*（9.37）2480.40424.647*32.52440.12816.38注：内为Stock-Yogo弱工具变量检验10%水平上的临界值。金 融 观 察】【42金融发展研究 第2期统金融模式的影响探讨 J.经济学动态，2013，（08）.7程鑫.传统金融与互联网金融互补，融合发展探讨J.国际金融2015，（11）.8刘忠璐.互联网金融对商业银行风险承担的影响研究 J.财贸经济，2016，（04）.9王升，李亚，郜如明.互联网金融对商业银行风险承担的影响研究基于中国30家商业银行的实证分析 J.金融发展研究，2021，（01）.10沈悦，郭品.互联网金融、技术溢出与商业银行全要素生产率 J.金融研究，2015，（03）.11吴晓求.互联网金融:成长的逻辑 J.财贸经济，2015，（02）.12郑联盛.中国互联网金融:模式、影响、本质与风险 J.国际经济评论，2014，（05）.13许月丽，孙昭君，李帅.数字普惠金融与传统农村金融：替代抑或互补？基于农户融资约束放松视角J.财经研究，2022，48（06）.14祝仲坤，冷晨昕.互联网与农村消费：来自中国社会状况综合调查的证据 J.经济科学，2017，（06）.15杨波，王向楠，邓伟华.数字普惠金融如何影响家庭正规信贷获得?来自CHFS的证据 J.当代经济科学，2020，42（06）.16郭峰，王靖一，王芳，孔涛，张勋，程志云.测度中国数字普惠金融发展:指数编制与空间特征 J.经济学（季刊），2020，19（04）.17Cole R A，Goldberg L G，White L J.2004.CookieCutter Vs.Character：The Micro Structure of Small BanksJ.Journal of Finance&Quantitative Analysis，（39）.18刘忠璐.提高银行资本能缓解小微企业融资难问题吗基于小微企业贷款风险权重降低改革的讨论J.经济理论与经济管理，2018，（04）.19宋敏，周鹏，司海涛.金融科技与企业全要素生产率“赋能”和信贷配给的视角 J.中国工业经济，2021，（04）.20张勋，万广华，张佳佳，何宗樾.数字经济、普惠金融与包容性增长 J.经济研究，2019，54（08）.（责任编辑王 媛；校对 LY，WY）AbstractAbstract：As an emerging industry，digital inclusive finance has produced two opposite effects of technologyspillover and market crowding out on the operation and development of traditional financial institutions.Therefore，whether digital inclusive finance can help promote the sinking of formal financial services，thus effectively alleviatingtraditional rural financial constraints，deserves our attention and consideration.This paper empirically examines the re-lationship between digital inclusive finance and traditional rural finance from the perspective of traditional credit sup-port for agriculture，using data on agriculture-related loans from 31 provinces（autonomous regions and municipalitiesdirectly under the central government）from 2012 to 2019.Research shows that digital inclusive finance can significant-ly contribute to the growth of agriculture-related loans，thus alleviating the financing constraints of the three rural ar-eas，especially in less economically developed areas；by dimension，digital inclusion has an impact on traditional ru-ral finance mainly through the dimension of depth of use and，to a lesser extent，breadth of coverage；by subject，there is no significant relationship between digital inclusive finance and traditional financial institutions loans to farm-ers，and a slight correlation with loans to rural enterprises and various organizations，while there is a significant pro-motion effect on urban agriculture-related loans，indicating that there is still an obvious problem of digital exclusion inthe current development of digital inclusive finance，and the business sinking of traditional financial institutions needsto be further improved;further research finds that the degree of population aging weakens the positive effect of digitalinclusion on traditional rural finance.Key WordsKey Words：digital financial inclusion，financing of agriculture，rural areas and farmers，traditional financial in-stitutionsDong Longxun1/Zhang Liguang1/Qi Peng2（1.PBC Jinan Branch，Jinan 250021，Shandong，China；2.PBC Laiwu Central Sub-Branch，Jinan 277102，Shandong，China）Digital Financial Inclusion and Traditional Rural Finance：Sp