长江经济带数字普惠金融对农村居民消费的影响研究——基于空间计量模型的实证分析.pdf

3现 代 金 融2023 年第8 期 总第486 期金融科技摘要：消费作为居民的最终需求直接关系到经济发展和民生改善，数字消费时代数字普惠金融能否加快释放农村居民消费潜力值得研究。本文基于2011-2021年长江经济带11个省市级面板数据，运用空间计量模型探究数字普惠金融对农村居民消费的影响。研究结果表明，数字普惠金融和农村居民消费水平空间集聚效应呈现正相关，空间集聚程度呈现加强趋势；数字普惠金融显著促进农村居民消费，并且具有空间溢出效应；数字普惠金融通过数字支付、数字信贷和数字保险等途径直接促进农村居民消费，其中数字支付对农村居民消费的促进作用最显著；通过提高农村居民可支配收入间接促进农村居民消费；数字普惠金融对农村居民消费的空间溢出效应存在区域异质性，呈现“两头大，中间小”的特点。最后，根据长江经济带数字普惠金融的时间演变和空间分布特征提出促进农村居民消费的政策建议。关键词：数字普惠金融 农村居民消费 空间计量模型 长江经济带长江经济带数字普惠金融对农村居民消费的影响研究基于空间计量模型的实证分析 刘健挺 谢一凡一、引言党的二十大明确提出要坚持扩大内需，强化消费在经济发展中的基础性作用，全面推进乡村振兴的要求。农村地区的居民消费增长有广阔的空间和巨大的潜力，但农村地区消费设施不够健全、居民收入水平偏低（向玉冰，2022）。扩大数字消费，强化金融在消费领域的支持力度，已经成为拓展农村消费的关键举措。金融服务通过互联网、大数据分析和人工智能等系列技术催生了数字普惠金融新业态，数字普惠金融服务成本低、覆盖面广，可以为农村地区居民提供更高效、更快捷的金融科技服务（邹新月等，2020）。由于我国特殊的二元经济结构，数字金融对城乡居民消费的影响存在差异，数字金融主要通过提高居民收入来促进城镇居民消费，通过缓解流动性约束促进农村居民消费（黄凯南等，2021），进一步影响农村居民的消费习惯和提高即期消费能力来推动消费（易行健等，2018）。自从2017年北京大学金融研究中心发布“数字普惠金融指数”以来，国内外学者基于该指数分析数字普惠金融影响居民消费的研究成果日益丰富，主要集中在以下三个方面：第一是数字普惠金融对居民消费的影响。崔海燕（2017）基于全国省级动态面板数据和系统GMM模型进行实证研究，认为数字普惠金融对农村居民消费有显著的正向作用。傅秋子等（2018）基于全国市级面板数据和Probit模型发现数字普惠金融增加了农村消费性正规信贷的需求进而提高农村消费水平。向玉冰等（2022）基于省级面板数据和门槛回归模型认为数字普惠金融在促进农村居民消费方面存在单一门槛，第一产业占比越低，数字普惠金融对农村居民消费的促进作用越大。第二是数字普惠金融促进居民消费的作用机制。已有研究表明，数字普惠金融能够通过增加可支配收入（杨伟明等，2020）、产业结构高级化和提升农村居民创业能力（范方志等，2023）以及提升金融素养（胡宁宁等，2023）等途径促进居民消费。第三是分析数字普惠金融对居民消费影响存在异质性。现有文献基于区域差异视角分析了数字普惠金融对东部、中部和西部地区居民消费的影响差异（崔海燕，2017；郭华，2020），也有文献从城乡二元角度（黄凯南等，2021）、不同教育程度和不同收入水平（龙海明等，2022）分析数字普惠金融对居民消4现 代 金 融2023 年第8 期 总第486 期金融科技费的差异。当前关于数字普惠金融对居民消费影响的相关文献已十分丰富，一般认为数字普惠金融显著促进了居民消费，但研究角度多立足于整个群体而缺乏对农村居民群体的针对性分析，更缺乏关于数字普惠金融作用于农村居民消费内在机制的深入研究。其次，已有文献多以传统计量模型进行回归分析，忽视可能存在的空间效应而较少从地理空间角度展开，而且实证研究中多利用全国层面的微观数据，忽略了不同地区间的环境差异，若全部采用归一化处理则容易导致效应抵消，因此应选择具体区域进行讨论。长江经济带作为我国重大战略发展区域之一，其数字普惠金融呈现蓬勃发展之态，同时，长江经济带涵盖了中西部多个省份和大量农村地区，因此分析长江经济带数字普惠金融对农村居民消费的影响，对于促进区域协调发展，构建新发展格局具有重要意义。本文的潜在边际贡献有：第一，研究视角上，基于2011-2021年长江经济带11个省市级面板数据分析数字普惠金融对农村居民消费的影响；第二，研究内容上，以农村居民目标对象，系统厘清了数字普惠金融对农村居民消费产生影响的理论机制；第三，研究方法上，引入空间计量模型实证检验了数字普惠金融及其下属指标数字支付、数字信贷、数字保险等因素对农村居民消费影响的空间效应，并分样本检验了其区域异质性。二、理论分析与研究假设数字普惠金融通过数字支付、数字信贷和数字保险三种途径直接影响农村居民消费。同时，数字普惠金融还通过提供普惠性金融服务和鼓励农民就业创业等方式帮助农村居民增加收入，拉动农村居民消费。（一）数字支付、数字信贷、数字保险影响农村居民消费第一，数字支付能够减轻农村居民心理支付压力、降低交易费用，使其更加愿意进行消费。心理账户理论认为人们会在心理上对金钱设立不同的账户进行分别管理。对消费观念更加保守的农村居民而言，数字支付会降低农村消费者对现金的感知（陈宝珍等，2021），产生一种非现金支付的心理账户效应（郭华等，2020），促进农村居民的消费支出。同时，农村居民在使用移动支付工具时无需将存款兑换成现金，从而大大减少了银行往来的时间及费用、柜台等待时间、跨行取款的手续费等，更加便利农村居民消费。第二，数字信贷能够缓解农村居民面临的金融排斥、流动性约束等问题，为他们提供更多的消费资金支持。Zelder（1989）研究表明，消费信贷和消费支出有显著的正相关关系，消费者信贷约束越弱则消费意愿越强。农村居民作为金融弱势群体一般不符合正规金融机构的信用审查资格，无法享受正规金融机构提供的信贷服务。而大数据和数字技术的推动下，数字普惠金融可以为农村居民提供借贷服务，缓解了农村居民长期面临的流动性约束，使其消费意愿在一定程度上得到提升。第三，数字保险可使农村居民减少预防性储蓄，释放出更多的消费潜力。我国目前在教育、医疗、住房、就业等领域进行市场经济改革所带来的不确定性增加了居民预防性储蓄的倾向（陈琦等，2012），农村居民往往会选择将收入中的一部分储蓄起来以备不时之需。数字普惠金融通过重塑原有保险的承保风控模式，显著提高了农村居民购买数字保险的意愿，释放农村居民的消费能力，进一步促进了农村居民消费。基于此，本文提出假说H1：数字普惠金融通过数字支付、数字信贷、数字保险等方式直接促进农村居民消费。（二）数字普惠金融通过增加农村居民收入影响农村居民消费根据Keynes（1937）和Johnston（1958）提出的绝对收入假说和持久收入假说，居民的消费行为受到当期和未来收入的影响。此外，金融发展被普遍认为具有增收作用（崔艳娟等，2012）。数字普惠金融可以通过以下两个方面增加农村居民收入进而促进农村居民消费。一是提供普惠性金融服务。数字普惠金融提升了农村地区金融资本的可获得性，为农村居民提供更低门槛的金融信贷服务，助力其开展经营活动提高农村居民经营性收入，数字技术本身是知识密集型产业，数字普惠金融投入到农村基础设施建设或者农业产业生产中，能够促进农业技术进步和居民增收（黄倩等，2019）。数字普惠金融5现 代 金 融2023 年第8 期 总第486 期金融科技还提升了农村居民的数字金融素养，还能够使农村地区居民更容易获得数字金融产品信息，利用闲置资金购买数字理财产品增加其财产性收入，拓宽收入渠道（司传宁等，2022）。同时减少了农村居民因盲目投资而造成的损失，可以提升农村居民的持续消费信心，从而刺激消费。二是激励农村居民就业创业。数字普惠金融能够强化农村居民对外部信息的认知，提升农村居民的金融素养，为其创业提供信息支持（赵丙奇，2022），还能更加合理有效分配资源，为农村居民提供信贷支持降低其融资成本，为农村潜在的创业者降低创业门槛，促进创业（谢绚丽等，2018）。农村居民创业能够催生出农村众多的民营小微企业，不仅能够解决自身的就业问题还能够提供新的就业岗位（罗明忠等，2023），为农村居民创造了更多的收入来源。农村居民创业能够形成一种羊群效应（罗琦等，2016），吸引更多的资金和人才回流农村，更好地推动农村居民收入增长，增强农村居民购买力，扩大农村居民的消费规模。基于此，本文提出假说H2：数字普惠金融可通过增加农村居民收入间接促进农村居民消费。（三）数字普惠金融影响农村居民消费的空间效应根据空间效应理论，任何事物都存在着因空间位置的不同而导致相关性的差异（Tobler，1970）。随着互联网技术的发展，数字经济已经成为全球经济新的增长点。数字普惠金融具有突破时空限制的优越性，使金融资源能跨地区流动，其空间特征日益受到重视，我国的数字普惠金融具有正向的空间集聚趋势和空间溢出效应（梁榜等，2020），呈现出“东强西弱”的分布格局（杨继梅等，2022）。数字普惠金融除了对当地农村居民的消费产生影响外，还可能通过扩散效应对周边农村居民的消费产生影响。在低收入人群中，消费所带来的“示范效应”更加显著，消费增长对经济的拉动作用日益突出，也表现出空间溢出效应特征。因此，数字普惠金融对居民消费的影响也可能存在空间溢出作用。由于我国农村居民消费不平等现象的普遍存在以及区域经济发展不均衡差异的影响，长江经济带中上游农村地区相对于下游地区，其经济和数字普惠金融的发展水平相对较低，因此受到的金融抑制更加严重。因此，数字化普惠金融或许能够为农村居民的消费水平提升提供更为有力的支持。基于此，本文提出假说H3：数字普惠金融对农村居民消费水平的影响存在空间溢出效应，并且在长江上游、中游、下游省市间具有区域异质性。三、长江经济带数字普惠金融对农村居民消费的研究设计（一）实证模型的构建1.构建空间权重矩阵本文为验证长江经济带各省市农村居民消费和数字普惠金融是否存在空间相关性，基于长江经济带各省市的距离范围构建空间邻接矩阵；为保证结果的稳健性，构造地理距离矩阵和经济距离矩阵进行对照，具体空间权重矩阵如下所示。（1）空间邻接矩阵W1，反映地区间相邻关系的影响，本文采用Queen连接，当两个区域存在公共边界或者公共顶点时，赋值为1，否则为0。（1）（2）地理距离矩阵W2，以区域间地理距离长短为依据建立矩阵，反映地区间地理因素的影响，dij为区域i和区域j之间的地理距离。若距离越近，空间权重系数越大，空间相关性越强。（2）（3）经济距离矩阵W3，在研究区域集聚现象时地理位置的远近不能完全代表空间相关性，还要考虑区域间的经济社会关系，本文y为2011-2021年人均GDP的平均值，yi-yj代表两个区域间的经济距离。经济距离越小，空间内经济联系越密切。（3）为了避免分析误差，本文对矩阵进行标准化处理，使其行和为1，标准化公式为：（4）2.空间相关性检验目前用来考察空间相关性的指标为Morans I指6现 代 金 融2023 年第8 期 总第486 期金融科技数和Gearys C指数，其中Morans I指数是最常用于全局聚类检验的方法，用来判断各省市在空间范围内是否存在空间相关性。其计算公式如下：（5）其中，n是样本内地区总数；S2是样本方差；Wij为空间权重矩阵的（i，j）元素，yi、yj分别为观测值，y为平均值。Morans I指数的取值范围一般介于-1到1之间，大于0表示正自相关，即高值与高值相邻、低值与低值相邻；小于0表示负自相关，即高值与低值相邻；当取值接近于0时表示不存在空间相关性。3.空间计量模型本文研究了数字普惠金融对农村居民消费的影响，并考虑到空间因素。为了构建一个统一的空间计量模型，我们将常用的空间误差模型（SAR）、空间滞后模型（SEM）和空间杜宾模型（SDM）纳入研究。通过进行LR检验和Wald检验来选择适合的空间计量模型。具体的模型构建如下：（6）其中InConsume代表农村居民消费水平，In DIFI代表数字普惠金融，i代表控制变量组合，t代表不同地区，Wn代表时间，、代表空间权重矩阵，分别为固定效应、时间效应以及随机扰动项，为空间误差系数，为空间滞后系数。（二）变量的选取与数据来源1.被解释变量。本文选取农村居民人均生活消费支出（lnconsume）作为被解释变量，考虑到物价上涨对农村居民消费所带来的影响，以2011年为基期，对农村居民消费价格指数（2011=100）进行平减化处理。2.核心解释变量。为了能够保证长江经济带不同区域间的可比性，本文选取北京大学2022年公布的省级层面数字普惠金融指数为核心解释变量。该指数包括金融覆盖广度（lncover）、使用深度（lndepth）、数字化程度（lndigital）三级维度，共33个具体指标。3.控制变量。综合考虑农村居民消费的其他影响因素，为了削弱模型多重共线性效应的过度拟合现象，采用LASSO回归方法，主要选择如下控制变量：（1）城镇化率（urban）。城镇化率越高，本地区的经济发展水平越高，金融对农村居民的活动影响越大，对农村居民消费的拉动作用也越大。本文采用城镇人口在全省人口中所占比例来计算。（2）人口抚养比例（raise）。生命周期假说提出人口年龄结构与其居民消费关系密切，文章选择农村地区少儿抚养比与老年抚养比加总汇总的方式来衡量。（3）学历层次（edu）。以文盲人口在15岁以上总人口中所占比例表示。（4）人均乡村公路里程数（road）。提高农村人均公路里程，有利于农村居民消费者提高各类货物和劳务消费。本文以区域内农村地区公路占人口总数之比作为测度指标。（5）政府支农力度（finance）。财政扶持农业越多，将在某种程度上减轻农户资金压力和减少农户预防性储蓄，进而提高消费，本文用农林水事物支出占一般公共预算支出比重进行衡量。（三）数据来源及统计性描述本文数据均来源于北京大学数字金融研究中心课题组发布的数字普惠金融指数、EPS数据库和各省统计年鉴，包括长江经济带11省市2011-2021年共121个观测值，缺失值采用现行插补法进行填充。此外，本文还对所有数据在1%水平上进行缩尾处理，避免极端值造成实证回归结果的偏误。表1为变量的描述性统计结果。表1 变量描述性统计结果变量变量名称观测值均值标准差最小值 最大值被解释变量lnconsume1219.230.468.1410.20核心解释变量lndifi1215.310.662.916.12lncover1215.160.831.116.07lndepth1215.380.573.316.24控制变量urban1210.580.130.350.96finance1210.110.030.040.18edu1215.502.551.4613.01road1214.120.433.035.10raise1214.7513.930.190.56工具变量lninternet1210.490.310.961.77机制变量lnincome1219.460.468.3210.55四、长江经济带数字普惠金融影响农村居民消费的实证分析（一）空间相关性检验1.全局空间相关性7现 代 金 融2023 年第8 期 总第486 期金融科技本文利用Morans I指数对农村居民消费和数字普惠金融的空间集聚现象进行研究，并以此来判断是否能够使用空间计量模型。表2结果显示空间邻接矩阵和经济距离矩阵下的Morans I指数值均为正，在1%显著性水平上通过检验，其中空间邻接矩阵下有更显著的空间正相关特征，这说明长江经济带11省市农村居民消费和数字普惠金融存在空间相关性，可以运用空间计量模型对进行估计。表2 全局MoranI检验结果年份空间邻接矩阵经济距离矩阵农村居民消费数字普惠金融农村居民消费数字普惠金融20110.629*0.472*0.309*0.158*（3.671）（2.815）（3.036）（2.912）20120.480*0.522*0.297*0.210*（3.193）（3.244）（2.927）（3.561）20130.552*0.485*0.275*0.192*（3.408）（3.089）（2.812）（3.386）20140.520*0.562*0.274*0.224*（3.183）（3.455）（2.754）（3.729）20150.535*0.499*0.279*0.190*（3.266）（3.128）（2.793）（3.325）20160.542*0.547*0.283*0.213*（3.281）（3.337）（2.804）（3.582）20170.523*0.535*0.261*0.218*（3.186）（3.364）（1.763）（3.696）20180.498*0.571*0.384*0.242*（3.048）（3.521）（2.651）（3.947）20190.532*0.589*0.258*0.252*（3.248）（3.601）（2.618）（4.045）20200.519*0.449*0.247*0.158*（3.735）（2.815）（3.974）（2.912）20210.484*0.638*0.253*0.257*（3.052）（3.751）（2.646）（4.133）注：*、*、*分别表示1%、5%、10%的显著性水平；括号内是Z统计量，下同。2.局部空间相关性进一步地本文基于空间邻接矩阵，绘制2011年、2021年长江经济带11个省市农村居民消费水平、数字普惠金融发展水平的Moran散点图，来检验11个省市的局部空间相关性。具体情况如图1、图2所示，长江经济带11省市农村居民消费水平在中上游地区形成低-低集聚、在下游呈现出明显的高-高集聚状态。说明在农村居民消费水平较高的省市，其周边地区消费水平也相对较高，且各省市在局部空间上具有较强的正向促进效应，在农村消费水平低的地区，邻近地区消费水平也类似；形成低-低集聚的省市数量远远多于高-高集聚省市数量，这说明长江经济带许多地区的农村居民消费水平仍然较低。图3、图4显示数字普惠金融集聚状态，与农村居民消费水平集聚状态基本一致，同样主要集中在第三象限，表明大部分地区的数字普惠金融水平也处于较低水平。?图1 2011农村居民消费水平局部莫兰图?图2 2021年农村居民消费水平局部莫兰图?图3 2011年数字普惠金融局部莫兰图?图4 2021年数字普惠金融局部莫兰图由于Moran散点图没有提供显著性水平，因此还需要用LISA(local indicationrofspatialassociation)聚类图及其显著性指数对这种分布格局进一步检验。8现 代 金 融2023 年第8 期 总第486 期金融科技从图5的结果来看，2021年长江经济带数字普惠金融空间布局逐步形成了2个重要集聚区，其中江苏，上海和浙江3个经济点是高水平集聚区，四川，云南和贵州是低水平集聚区，2011年尚未形成这种集聚格局，由此可见十年来数字普惠金融空间溢出效应显著增强。如图6所示，长江三角洲地区农村居民的消费呈现连片高水平分布，上中游地区出现低值集聚中心。农村居民消费水平和数字普惠金融水平均具有局域空间关联效应且空间集群程度显著增强。?图5 2011和2021年数字普惠金融LISA聚类变化?图6 2011和2021年农村居民消费水平LISA聚类变化（二）空间计量模型选择经过LM检验，结果如表3显示，原假设被显著拒绝，说明存在空间滞后和空间误差效应，应该采用空间计量模型分析数字普惠金融对长江经济带11省市农村居民消费的影响；Hausman检验还发现采用固定效应模型更为恰当，效应检验的结果表示选用时间固定的效应模型；Wald检验、LR检验结果如表4所示，均显著拒绝原假设，结果表明相较于空间滞后模型（SAR）和空间误差模型（SEM），选择空间杜宾模型（SDM）更加合适。综上所述，本文最终选择时间固定效应下的SDM进行分析，并结合OLS、SEM和SAR模型分析的结果进行参考。表5列示了基于空间邻接矩阵的实证及相关检验结果。表3 LM检验检验LM-Lag稳健的 LM-LagLM-Error稳健的 LM-ErrorSDM2.024*3.505*37.671*39.152*表4 Wald检验和LR检验SARSEM检验Wald 检验LR 检验Wald 检验LR 检验统计值26.72*24.31*34.42*35.42*表5 数字普惠金融与农村居民消费的估计结果Var（1）（2）（3）（4）基准回归SDMSARSEMlndifi0.219*0.457*0.495*0.376*（9.65）（4.09）（3.39）5.52urban1.177*0.942*0.838*0.917*（4.84）（5.73）（4.42）5.42edu-0.0130.006*-0.012*-0.014*（-1.29）（1.16）（-2.52）（-3.57）raise1.490*0.260.563*0.516*（5.02）（1.69）（3.99）（1.65）road0.848*0.151*0.215*0.214*（5.16）（3.28）（4.58）（3.66）fianace0.2760.490.6160.465（0.44）（1.89）（4.97）（3.91）Wlndifi0.31*（5.06）Spatial0.588*0.099*0.644*（4.67）（1.29）（5.12）Log-L126.159110.65120.051R20.4660.9390.9260.918固定效应时间、个体时间时间时间N121121121121基于上表，通过OLS回归及3种空间计量模型（SAR、SEM、SDM）估计，长江经济带省市数字普惠金融显著提升了农村居民消费。另外，三个空间计量模型的空间滞后项系数均显著为正值，即农村居民消费不仅受当地数字普惠金融水平影响较大，而且周边各省市数字普惠金融的发展对该区域农村居民消费水平同样有推动作用，验证了本文的假说3。三种空间计量模型的结果显示SDM的log-l为126.15，且在3种计量模型中数值最高，表明SDM模型具有较好的估计效果。接着重点分析SDM模型结果发现，数字普惠金融的空间滞后项系数在10%的水平显著为正，即周边地区数字普惠金融每增加一个单位，本地区农村居民消费水平将平均提高0.31个单位。另外，农村居民的消费空间滞后项系数呈显著正值，邻近区域农村居民消费水平提升会持续拉动该区域农村居民消费，这一结果再一次证实了农村居民在空间上具有集聚特征。在控制变量方面，结果显示城镇化水平、人均公路里程数以及人口抚养比对于农村居民的消费水平具有积极的推动作用。具体来讲，城镇化程度提高，农村地区交通便利程度改善和抚养压力加大均能正向作用于农村居民消费水平。教育水平对农9现 代 金 融2023 年第8 期 总第486 期金融科技村居民消费水平的影响具有不确定性，有可能促进农村居民消费水平提高，同时又有可能起到制约作用。另一方面，结果表明财政支农水平对于农村居民消费水平并没有显著影响。这说明现行财政支农政策对促进农村居民消费作用有限。总体来看，除了教育水平之外，4个模型对于系数估计的方向基本一致，表明估计结果具有稳健性。接下来，本文参考LeSage等（2013）提出的偏微分方法将数字普惠金融对农村居民消费的空间溢出效应进一步分解为直接效应、间接效应以及总效应，以避免在空间效应估计可能存在的不足，结果见表6。表6 空间效应分解Var直接效应间接效应总效应lndifi0.503*0.217*0.820*（4.57）（-1.52）（2.83）urban0.844*0.448*1.292*（4.10）（1.75）（4.78）road0.145*0.042*0.187*（3.12）（0.65）（2.72）从表中可以看到数字普惠金融对于农村居民的三个效应均在10%水平为正，表明利用空间计量模型估计数字普惠金融的合理性，同时也进一步验证了假设3。其中直接效应系数和显著度大于间接效应，表明数字普惠金融对于当地农村居民消费水平影响更为显著，而邻边地区辐射带动效果有限，长江经济带区域局部莫兰散点图表现出相同的高低-高低集聚状态。此外选择城镇化水平与人均公路里程数作为效应分解的指标，其直接效应相同而间接效应更大，且城镇化水平对于农村居民的消费影响系数更大，这表明一个区域在发展时仍应从自身出发，积极采取数字普惠金融发展措施来提高农村居民的消费水平。（三）稳健型检验更换空间矩阵，本文用地理距离矩阵和经济距离矩阵代替空间邻接矩阵分别重新估计；替换解释变量，用数字普惠金融指数中的覆盖广度（lnbreadth）、使用深度（lndepth）这两个二级指标代替数字普惠金融总指数。若估计结果和上文一致，则说明稳健性检验通过。估计结果如表7所示，第（1）、（2）、（3）列是地理距离矩阵的结果；第（4）、（5）、（6）列是经济距离矩阵的结果；第（2）列和第（5）列解释变量为覆盖广度；第（3）列和第（6）列解释变量为使用深度，在两种矩阵和三个维度下，可以看出数字普惠金融的系数大小稍有变动，但是正负号和显著性没有发生明显变化，可以说明本文的估计结果是稳健的。表7 稳健性检验Var地理距离矩阵经济矩阵（1）（2）（3）（4）（5）（6）lndifi 0.338*0.457*（4.04）（4.09）lncover0.0648*0.092*（2.02）（2.52）lndepth0.691*0.706*（4.51）（5.64）Spatial 0.785*0.833*0.545*0.588*0.610*0.513*（4.59）（4.92）（4.24）（4.67）（4.87）（4.14）直接效应 0.377*0.0895*0.646*0.503*0.0920*0.745*（3.65）（1.84）（5.36）（4.57）（1.95）（6.75）间接效应0.21*0.120*0.049*0.22 0.353*0.22（1.26）（2.14）（1.98）（1.52）（2.75）（1.21）总效应0.584*0.210*0.695*0.720*0.445*0.960*（4.36）（2.79）（4.77）5.83（3.23）（6.72）控制变量是是是是是是R20.9520.96 0.93 0.9390.92 0.951（四）作用机制检验通过上文分析，可以看出数字普惠金融的发展对农村居民消费水平起到了明显的推动作用，但还需在实证角度上进一步厘清数字普惠金融影响农村居民消费的作用机制，接下来通过直接和间接两种作用机制进行分析。首先，数字普惠金融通过增加农村居民收入进而拉动农村居民消费。检验结果如表8第（1）列和第（2）列所示。第（1）列中数字普惠金融对农村居民收入水平的影响效应为0.231，在1%的水平上显著。第（2）列农村居民收入对农村居民消费回归结果显著为正，同时数字普惠金融对农村居民消费的系数依旧显著，并且系数值较表4第（1）列回归系数值下降，说明数字普惠金融能够拉动农村居民收入以促进农村居民消费，机制检验的结果验证了假设2。其次，本文将数字化水平下的二级指标数字支付指数（lnpayment）、数字保险指数（lninsurance）、数字信贷指数（lncredit）作为直接传导机制。表8第（3）、（4）、（5）列回归结果显示，第（3）列估计结果显示三个指标均在1%的水平下显著，三个指标对农村居民消费正向影响系数从大到小分别是数字支付服务、数字信贷服务和数字保险服务，可能是由于数字普惠金融减少了农村居民的消费成本，使其支10现 代 金 融2023 年第8 期 总第486 期金融科技付更方便，而农村居民的消费观念更注重量入为出并尽量避免提前消费，导致数字保险业务对农村居民消费的影响最小。表8的回归结果也验证了假说1。表8 数字普惠金融多维度作用农村居民消费的机制检验结果变量lnincomelnconsumelnconsumelnconsumelnconsume（1）（2）（3）（4）（5）lndifi0.231*0.037*（14.47）（1.30）lnincome0.589*（4.77）lnpayment0.375*（14.80）lncredit0.296*（7.21）lninsurance0.116*（6.20）控制变量是是是是是固定效应是是是是是R20.4680.8490.0530.3920.499（五）内生性检验考虑到除上文LASSO回归筛选出的控制变量外仍存在遗漏变量，且数字普惠金融和农村居民消费间可能存在双向因果关系，由此造成内生性问题。因此，本文选择互联网接入率（lninternet）、数字普惠金融滞后一期数据（L.lndifi）作为数字普惠金融的工具变量，利用动态空间杜宾模型、两阶段最小二乘法（2SLS）进行回归，以消除内生性带来的估计偏差影响。1.动态空间杜宾模型表9第（1）列和第（2）列分别基于经济距离矩阵和地理距离矩阵，将被解释变量农村居民消费水平的一阶时间滞后项加入面板数据进行回归，都通过了显著性检验。以第（1）列为例，农村居民消费水平的时间滞后项和时空滞后项分别为0.756和0.656，都显著为正，说明长江经济带各省市的农村居民消费发展会受到前期农村消费水平的影响，同时临近地区的农村居民消费水平的提升也会带动本地区农村居民消费。数字普惠金融的回归结果空间滞后项系数为1.891，说明数字普惠金融对农村居民消费的影响具有空间溢出效应，与前文估计结果一致。2.工具变量法虽然动态空间杜宾模型一定程度上能够缓解遗漏变量和反向因果所引致的内生性问题，但是数字普惠金融和农村居民消费有可能会受到居民消费偏好等共同因素的影响，导致扰动项相关。本文先进行异方差稳健的杜宾吴豪斯曼（DWH）检验，p值在5%显著水平上拒绝“变量均为外生”原假设，可以认为数字普惠金融的确具有内生性，有必要运用工具变量法进行估计。接着本文借鉴梁双陆、刘培培等（2019）的做法，选取互联网接入率（lninternet）作为数字普惠金融的工具变量进行两阶段最小二乘法回归。互联网的普及与数字普惠金融密切相关，但与农村居民消费水平变化并不存在必然的关系，因此互联网接入率是一个较为理想的工具变量，用各省市互联网接入端口与各省人口总量之比表示。表9第（4）列显示一阶段回归结果，互联网接入率对数字普惠金融的影响系数是2.992，并在1%的水平上显著，说明工具变量可以强有力的解释数字普惠金融。为验证工具变量有效性，本文运用了多种统计检验方法：Kleibergen-Paap Wald rk F统计量为27.85，说明工具变量不是弱工具变量；Anderson-Rubin Wald检验在5%的水平上显著，说明了工具变量与数字普惠金融相关性较强。Kleibergen-Paap rk LM检验也排除了不可识别的问题。以上各项统计检验均显示互联网接入率可以作为数字普惠金融的工具变量，第（5）列显示二阶段方程结果，数字普惠金融对农村居民消费的影响同空间杜宾模型结果一致，说明回归结果的可靠性。表9 内生性检验变量动态面板工具变量（1）（2）（4）（5）lndifi0.530*0.299*0.559*（1.77）（0.85）（14.38）lninternet2.992*（4.77）Wlndifi1.891*0.0599*（5.07）（0.17）L.lnconsume0.756*0.940*（14.32）（14.52）L.Wlnconsume0.696*0.455*（6.73）（2.27）控制变量是是R20.9970.999D-W-H3.63*Kleibergen-Paap Wald rk F27.85*Anderson-Rubin Wald test13.43*Kleibergen-Paap rk LM4.75*（六）进一步讨论：空间异质性长江经济带各省市经济发展水平，资源禀赋以及比较优势等方面都存在着差异，这导致数字普惠金融对于农村居民的消费影响会在各地域间产生差11现 代 金 融2023 年第8 期 总第486 期金融科技异。因此本文从区域角度出发，将11个省市划分为上游、中游和下游三个区域，以检验对不同地区之间影响是否存在差异。表7的稳健性检验结果显示数字普惠金融对农村居民消费影响的主效应上使用深度大于覆盖广度，而在空间效应上覆盖广度的作用更明显，那么对于长江经济带上中下游三个不同区域也是一样的情况吗？表10 数字普惠金融一、二级指标对不同区域农村居民消费异质性回归结果变量（1）（2）（3）（4）（5）（6）（8）（9）（10）上游中游下游上游中游下游上游中游下游lndifi0.332*0.105*0.269*（4.55）（0.59）（1.65）lncover0.100*0.003*0.159*（4.05）（0.08）（1.86）lndepth 0.350*0.0224*0.643*（1.78）（0.17）（2.25）直接效应0.219*0.0440 0.224 0.059*0.0258 0.133 0.2790.0436 0.556（2.93）（0.31）（1.05）（2.48）（0.65）（1.10）（1.54）（0.41）（1.64）间接效应0.573*0.186*1.389*0.185*0.102*0.829*0.468*0.049*2.045*（2.83）（1.25）（2.43）（2.89）（2.15）（2.45）（1.48）（0.40）（2.60）总效应0.793*0.142*1.613*0.245*0.127*0.962*0.7470.093 2.601*（3.16）（2.61）（2.19）（3.09）（3.24）（2.22）（1.56）（0.95）（2.47）Spatial 0.468*0.582*0.435*0.499*0.544*0.418*0.381*0.654*0.451*（2.24）（6.02）（4.88）（2.35）（5.24）（0.51）（1.70）（7.96）（1.63）控制变量是否是是否是是否是R20.9930.5870.9990.9990.5420.9990.9990.6340.999表10展示了数字普惠金融总指数、覆盖广度和使用深度三类指数对不同区域回归的结果。根据表10第（1）、（2）、（3）列结果显示，数字普惠金融总指数对上游、中游、下游农村居民消费的回归系数分别为0.332、0.105和0.269，在10%的水平上显著，其中，对上游和下游的影响系数大于中游；第（4）（6）列覆盖广度和（7）（9）列使用深度的回归结果与总指数大体一致，同样是在上游和下游回归系数值更大，并且使用深度对农村居民消费的影响要高于覆盖广度。从空间视角出发，数字普惠金融空间滞后项回归系数对三个区域的影响分别是0.573、0.186和1.289，全部通过显著性检验，再次验证本地和临近地区的数字普惠金融发展会带动本地农村居民消费，但是间接效应系数值要低于直接效应，说明更多的还是要加强本地区数字普惠金融的发展；横向对比看，使用深度的空间溢出效应明显高于覆盖广度，与稳健性结果一致。这是因为下游地区数字普惠金融的发展水平较高，协同作用更强，空间溢出效应更加显著，中上游地区处于数字金融集聚的发展阶段，数字普惠金融资源对农村地区的影响还相对有限。表11 数字普惠金融三级指标对不同区域农村居民消费异质性回归结果（1）变量上游中游下游上游中游下游上游中游下游lncredit0.239*0.039*0.821*（3.03）（0.29）（6.67）lnpayment0.527*0.429*1.213*（6.15）（2.73）（7.28）lninsurance0.219*0.015*0.106*（1.28）（0.16）（0.67）直接效应0.201*0.0267 0.633*0.389*0.408*0.802*0.2050.91 0.0859（2.86）（0.22）（3.15）（4.19）（3.18）（3.06）（1.36）（0.13）（0.49）间接效应 0.245 0.0542 1.968*0.764*0.0879*2.682*0.1450.077