国产日韩欧美一区二区三区三州_亚洲少妇熟女av_久久久久亚洲av国产精品_波多野结衣网站一区二区_亚洲欧美色片在线91_国产亚洲精品精品国产优播av_日本一区二区三区波多野结衣 _久久国产av不卡

?

廣西數(shù)字普惠金融與城鄉(xiāng)收入差距
——基于空間計(jì)量模型的實(shí)證分析

2020-02-25 01:09:56
經(jīng)濟(jì)發(fā)展研究 2020年6期
關(guān)鍵詞:莫蘭普惠差距

(桂林電子科技大學(xué)信息科技學(xué)院,廣西 桂林541004)

一、引 言

中國的二元經(jīng)濟(jì)結(jié)構(gòu)加劇了金融資本的“嫌貧愛富”,農(nóng)村貧困地區(qū)很難獲得相應(yīng)的金融服務(wù),這種金融排斥的現(xiàn)象是城鄉(xiāng)收入差距擴(kuò)大的一個(gè)重要原因。為解決此問題,普惠金融應(yīng)運(yùn)而生。自2006年普惠金融提出,其為緩解金融資源分配不均、提高農(nóng)民收入、收斂城鄉(xiāng)收入差距做出了重要貢獻(xiàn),但由于傳統(tǒng)普惠金融的成本過高、覆蓋面積小,可持續(xù)性較差,仍舊無法從根本上解決金融排斥問題。近年來,隨著互聯(lián)網(wǎng)、大數(shù)據(jù)的興起,數(shù)字普惠金融在中國迅速崛起。2016年,數(shù)字普惠金融在杭州G20 峰會(huì)上被首次提出,其包括所有通過數(shù)字服務(wù)的手段對普惠金融的推廣起到促進(jìn)作用的行為,它將數(shù)字技術(shù)與傳統(tǒng)普惠金融相結(jié)合,具有成本低、覆蓋廣的特點(diǎn),克服了傳統(tǒng)普惠金融的發(fā)展難題,既能堅(jiān)持商業(yè)可持續(xù)性,又能做到負(fù)責(zé)任的金融服務(wù)(黃益平,2018)。對于金融排斥現(xiàn)象的消減以及我國的城鄉(xiāng)分布格局的破解和城鄉(xiāng)收入差距縮小起著舉足輕重的作用。

廣西作為西部欠發(fā)達(dá)地區(qū),近年來,城鄉(xiāng)收入差距擴(kuò)大趨勢在一定程度上有效遏制,但差距水平仍高位不下。根據(jù)廣西統(tǒng)計(jì)局官網(wǎng)公布的數(shù)據(jù),2020年上半年,城鎮(zhèn)居民人均可支配收入為17308 元,農(nóng)村居民人均可支配收入為7457 元,城鄉(xiāng)收入比為2.321,與2020年上半年全國城鄉(xiāng)收入差距比2.684 水平相當(dāng)。因此,如何縮小城鄉(xiāng)收入差距仍舊是亟待解決的難題。

二、文獻(xiàn)綜述

(一)國外對數(shù)字普惠金融與城鄉(xiāng)收入差距的研究

國外的學(xué)者對于數(shù)字普惠金融和城鄉(xiāng)收入差距的相關(guān)研究較少,側(cè)重點(diǎn)主要在于普惠金融的可行性以及貧困發(fā)生率的降低情況。Kapoor(2012)指出數(shù)字普惠金融的推廣能夠給企業(yè)提供必要資金支持,從而降低貧困的發(fā)生率,進(jìn)一步刺激經(jīng)濟(jì)的增長。Bittencourt(2010)基于巴西社會(huì)各個(gè)階層收入狀況,認(rèn)為在普惠金融覆蓋廣度和服務(wù)深度較高的區(qū)域,城鄉(xiāng)收入差距不大。

Park et al.(2015)研究亞洲37 個(gè)發(fā)展中國家的普惠金融發(fā)展?fàn)顩r,發(fā)現(xiàn)普惠金融能有效緩解貧困,提高低收入家庭金融可獲得性,縮小城鄉(xiāng)收入差距。Ouma et al.(2017)通過研究非洲國家智能手機(jī)的使用廣度和深度,指出智能手機(jī)的出現(xiàn)和使用為互聯(lián)網(wǎng)金融發(fā)展提供了渠道,擴(kuò)大了居民儲(chǔ)蓄,尤其對低收入人群的家庭儲(chǔ)蓄提高有極大促進(jìn)作用。Gabor 等(2017)說明了推廣普惠金融能夠借助現(xiàn)代科技手段,使得更多人都享受基本金融服務(wù),從而進(jìn)一步擴(kuò)大其覆蓋面。

(二)國內(nèi)對數(shù)字普惠金融與城鄉(xiāng)收入差距的研究

國內(nèi)的相關(guān)文獻(xiàn)從三個(gè)方面開展:數(shù)字普惠金融和城鄉(xiāng)收入差距之間存在的關(guān)系,數(shù)字普惠金融通過何種路徑來對城鄉(xiāng)收入差距產(chǎn)生影響,阻礙數(shù)字普惠金融對城鄉(xiāng)收入差距縮小的主要因素是什么。

國內(nèi)現(xiàn)存文獻(xiàn)主要著眼于兩者之間存在的關(guān)系,認(rèn)為數(shù)字普惠金融對城鄉(xiāng)收入差距減小有著重要作用。宋曉玲(2017)站在互聯(lián)網(wǎng)金融服務(wù)角度,選取中國31 個(gè)省市的數(shù)據(jù)來建立平衡面板模型,從而證明了普惠金融可以明顯使城鄉(xiāng)收入差距縮小。梁雙陸、劉培培(2018)構(gòu)建面板回歸模型,測度中國31 省市數(shù)字普惠金融與城鄉(xiāng)收入差距之間的收斂效應(yīng)。指出一個(gè)地區(qū)教育水平越高,數(shù)字普惠金融發(fā)揮的作用更大,對城鄉(xiāng)收入差距緩解力度越強(qiáng),即存在教育門檻。

一些學(xué)者把焦點(diǎn)放在數(shù)字普惠金融的空間溢出效應(yīng)上。耿良、張馨月(2019)將數(shù)字普惠金融指標(biāo)與普惠金融指標(biāo)相結(jié)合,把中國31 個(gè)省市作為樣本展開研究,來構(gòu)建空間計(jì)量模型,對空間溢出效應(yīng)進(jìn)行相關(guān)分析,得出中國各省域普惠金融的發(fā)展參差不齊,省域之間的空間依賴性比較強(qiáng),縮小城鄉(xiāng)收入差距可以推動(dòng)本省數(shù)字普惠金融的進(jìn)一步發(fā)展,但是對周邊省域沒有作用??仔樱?020)采用空間杜賓模型測度中國2011-2018年城鄉(xiāng)居民人均可支配收入的空間溢出效應(yīng),發(fā)現(xiàn)在全國層面,數(shù)字普惠金融對城鄉(xiāng)居民人均可支配收入存在顯著的空間溢出效應(yīng),從東、中、西部來看,空間溢出效應(yīng)在農(nóng)村居民人均可支配收入的促進(jìn)上表現(xiàn)不顯著。

至于數(shù)字普惠金融通過何種路徑來對城鄉(xiāng)收入差距產(chǎn)生影響,其主要可以通過刺激居民消費(fèi)、增加就業(yè)崗位的方式。易行健、周利(2018)就數(shù)字普惠金融發(fā)展對居民消費(fèi)的影響展開研究,結(jié)果顯示在農(nóng)村地區(qū)、中低收入家庭的消費(fèi)以及受教育程度更高的家庭,數(shù)字普惠金融發(fā)揮的作用更明顯,主要通過緩解流動(dòng)性約束、為居民提供支付便利來促進(jìn)居民消費(fèi)。呂雁琴、趙斌(2019)運(yùn)用靜態(tài)和動(dòng)態(tài)面板研究中國30 個(gè)省市數(shù)字普惠金融和城鄉(xiāng)居民消費(fèi)差距之間關(guān)系,研究結(jié)果顯示兩者呈正相關(guān)關(guān)系。謝文武、汪濤(2020)運(yùn)用中國家庭追蹤調(diào)查數(shù)據(jù)庫,研究數(shù)字普惠金融能否促進(jìn)農(nóng)村居民就業(yè),研究發(fā)現(xiàn)數(shù)字普惠金融覆蓋廣度不能有效緩解農(nóng)村創(chuàng)業(yè)中的融資難題,使用深度可以顯著增加居民創(chuàng)業(yè),且在不同區(qū)域影響程度不同。

部分學(xué)者關(guān)注何種因素阻礙了數(shù)字普惠金融對城鄉(xiāng)收入差距的收斂效應(yīng),主要從門檻效應(yīng)和數(shù)字鴻溝的視角展開研究。賀健、張紅梅(2020)采用系統(tǒng)GMM 方法和門檻效應(yīng)模型研究數(shù)字普惠金融與經(jīng)濟(jì)高質(zhì)量發(fā)展地區(qū)的關(guān)系,實(shí)證結(jié)果顯示數(shù)字普惠金融對我國經(jīng)濟(jì)高質(zhì)量發(fā)展地區(qū)存在正向作用及區(qū)域異質(zhì)性,也存在單一門檻效應(yīng)。賈娟琪(2019)以中國31 省市面板數(shù)據(jù)為基礎(chǔ),從供求角度探討在互聯(lián)網(wǎng)發(fā)展水平和受教育程度不同的情況下,數(shù)字普惠金融與城鄉(xiāng)收入差距之間的作用機(jī)制,結(jié)果表明教育門檻會(huì)阻礙數(shù)字普惠金融對城鄉(xiāng)收入差距的收斂效應(yīng),但不會(huì)因教育水平的差異導(dǎo)致數(shù)字鴻溝。李牧辰、封思賢(2020)認(rèn)為在互聯(lián)網(wǎng)技術(shù)影響下,數(shù)字鴻溝會(huì)制約數(shù)字普惠金融的發(fā)展,數(shù)字化程度擴(kuò)大了城鄉(xiāng)收入差距。

通過對相關(guān)文獻(xiàn)的梳理,發(fā)現(xiàn)目前大多數(shù)文獻(xiàn)是從全國的宏觀層面研究數(shù)字普惠金融與城鄉(xiāng)收入差距之間的關(guān)系,對某個(gè)省的市即微觀層面的研究很少;多數(shù)文獻(xiàn)得出結(jié)論為數(shù)字普惠金融發(fā)展可以縮小本省的城鄉(xiāng)收入差距,但對鄰近省域是否有影響,該影響是促進(jìn)作用還是抑制作用,并未給出論證,即忽視了空間因素。綜上所述,本文將廣西14 個(gè)市作為樣本,采用2011-2018年的空間面板數(shù)據(jù),在空間鄰接矩陣的基礎(chǔ)之上,通過計(jì)量模型的構(gòu)建,對廣西數(shù)字普惠金融與城鄉(xiāng)收入差距的關(guān)系進(jìn)行檢驗(yàn),從而對現(xiàn)有文獻(xiàn)在空間視角和微觀層次剖析數(shù)字普惠金融與城鄉(xiāng)收入差距之間的聯(lián)系存在的缺口進(jìn)行補(bǔ)充。

三、變量選取、數(shù)據(jù)來源及模型構(gòu)建

(一)變量選取與數(shù)據(jù)來源

被解釋變量主要是城鄉(xiāng)收入差距,根據(jù)王藝明的相關(guān)做法,本文主要選用城市居民人均可支配收入和農(nóng)村居民人均可支配收入兩者的比值來對城鄉(xiāng)收入差距進(jìn)行測量。

核心解釋變量是數(shù)字普惠金融指數(shù),該指數(shù)是北京大學(xué)數(shù)字金融中心課題組根據(jù)螞蟻金服數(shù)字普惠金融海量微觀數(shù)據(jù)提出的,其通過編制2011-2018年我國內(nèi)陸省市縣的數(shù)字普惠金融使用深度、覆蓋層面和數(shù)字化程度的指標(biāo),能比較科學(xué)準(zhǔn)確地反映出各區(qū)域數(shù)字普惠金融發(fā)展所存在的一些差異。本文選用的是2011-2018年廣西14 個(gè)市的總指標(biāo)表征數(shù)字普惠金融發(fā)展水平,14 個(gè)市分別為南寧、柳州、桂林、梧州、北海、防城港、欽州、貴港、玉林、百色、賀州、河池、來賓、崇左。

控制變量:依照現(xiàn)有文獻(xiàn)的相關(guān)記載,本文選用以下變量來進(jìn)行研究:經(jīng)濟(jì)發(fā)展水平用人均GDP 來進(jìn)行表示;產(chǎn)業(yè)結(jié)構(gòu)用第二、三產(chǎn)業(yè)的增加值占GDP 的比重表示(魏君英等,2015);政府財(cái)政支出(PAY),用地方財(cái)政收入與當(dāng)期GDP 的比值表示;城市化率(UR),用非農(nóng)業(yè)人口數(shù)與總?cè)丝跀?shù)的比值表示;教育水平(EDU),用在校高中生人數(shù)與總?cè)藬?shù)的比值表示。

由于北京大學(xué)數(shù)字普惠金融指標(biāo)編制始于2011年,終于2018年,為保持文章數(shù)據(jù)的一致性,本文選擇時(shí)間跨度為2011-2018年的面板數(shù)據(jù),除數(shù)字普惠金融指數(shù)外,其他指標(biāo)原始數(shù)據(jù)均來自《廣西統(tǒng)計(jì)年鑒》。變量的描述性統(tǒng)計(jì)如表1所示。

表1 變量的描述性統(tǒng)計(jì)

(二)模型構(gòu)建

數(shù)字普惠金融的推廣在各個(gè)市中都并非是孤立的,它們之間存在著地理空間上的相關(guān)性,一個(gè)市區(qū)數(shù)字普惠金融的推廣程度不僅會(huì)對本省市城鄉(xiāng)收入差距產(chǎn)生影響,還可能會(huì)對其他市區(qū)的數(shù)字普惠金融推廣及城鄉(xiāng)收入差距縮小或擴(kuò)大產(chǎn)生影響??臻g效應(yīng)有正向與負(fù)向兩種,正向空間效應(yīng)是表示高值與高值聚集,低值與低值聚集;負(fù)向空間效應(yīng)則主要表現(xiàn)為高值與低值聚集或者低值與高值聚集。

所以,本文主要采取空間計(jì)量分析工具來對數(shù)字普惠金融發(fā)展以及城鄉(xiāng)收入差距之間存在的關(guān)系進(jìn)行檢驗(yàn),把各地理單元之間的空間相關(guān)性納入模型中,并實(shí)際測度數(shù)字普惠金融發(fā)展的空間溢出效應(yīng)。

在空間的計(jì)量經(jīng)濟(jì)學(xué)中,由于空間溢出效應(yīng)傳導(dǎo)機(jī)制不相同,而經(jīng)常用于對空間問題進(jìn)行分析和檢驗(yàn)的模型主要有以下三種:空間溢出模型,空間溢出效應(yīng)不僅能夠憑借因變量的空間滯后項(xiàng)來進(jìn)行傳導(dǎo),還能夠通過隨機(jī)誤差項(xiàng)來進(jìn)行相關(guān)的傳導(dǎo),也就是說該因變量除了受到周邊區(qū)域因變量的影響之外還會(huì)遭受周邊區(qū)域自變量的影響;空間自回歸模型,主要表示因變量與周邊區(qū)域存在的空間溢出效應(yīng);空間誤差模型,主要憑借誤差項(xiàng)來體現(xiàn)空間溢出效應(yīng)。

不同空間計(jì)量模型包含經(jīng)濟(jì)意義是不同的,本文將從最一般化的空間杜賓模型入手,采用Wald 檢驗(yàn)與LR 檢驗(yàn),來判斷模型是否能夠轉(zhuǎn)換成空間自回歸模型與空間誤差模型,以便構(gòu)建擬合效果更佳的檢驗(yàn)?zāi)P?。為削弱模型的共線性問題,減少異方差所造成的波動(dòng),使得數(shù)據(jù)能夠更加平穩(wěn),本文對所有原始數(shù)據(jù)都進(jìn)行了對數(shù)化處理。

因此,本文構(gòu)建如下的空間杜賓模型:

δ 為因變量空間回歸系數(shù),θ 為自變量空間回歸系數(shù),i 表示廣西第i 個(gè)市,t 表示年份,W 為空間權(quán)重矩陣,本文采用最為常見的空間鄰接權(quán)重矩陣,研究對象為廣西14 個(gè)市,所以空間權(quán)重矩陣為14×14 階方陣,當(dāng)i 市和j 市相鄰時(shí),空間鄰接權(quán)重矩陣中的元素Wij=1,當(dāng)i 市和j 市不相鄰時(shí),Wij=0。表達(dá)式樣如下:

當(dāng)模型(1)中的自變量空間回歸系數(shù)θi=0(i=1,2,…,6)時(shí),其轉(zhuǎn)化為空間自回歸模型:

當(dāng)因變量空間回歸系數(shù)δ,自變量系數(shù)βi(i=1,2,…,7),自變量空間回歸系數(shù)θi=0(i=1,2,…,6)滿足相關(guān)條件θi+δβi=0 時(shí),可以轉(zhuǎn)換為空間誤差模型:

其中,μ 為擾動(dòng)項(xiàng),ε 為隨機(jī)誤差項(xiàng),λ 為空間誤差回歸系數(shù),μit,εit獨(dú)立同分布,且E(μit)=E(εit)=0,D(μit)=D(εit)=σ2。

四、實(shí)證結(jié)果與分析

(一)空間自相關(guān)檢驗(yàn)

1.全局莫蘭指數(shù)。要判斷是否需要在模型中加入各地理單元之間的空間權(quán)重,要進(jìn)行空間自相關(guān)檢驗(yàn),識(shí)別變量之間是否存在空間關(guān)聯(lián)。檢驗(yàn)空間自相關(guān)的方法很多,較常見的是莫蘭指數(shù)法,本文是采用全局莫蘭指數(shù)以及局部莫蘭指數(shù)散點(diǎn)圖來作空間自相關(guān)的相關(guān)檢驗(yàn)。

全局莫蘭指數(shù)的計(jì)算公式為:

莫蘭指數(shù)取值是[-1,1],當(dāng)Moran’s I 取值是[-1,0)的時(shí)候,就表明這其間存在著負(fù)向空間相關(guān),各地理單元的不同屬性值在一塊聚集,也就是空間的擴(kuò)散;當(dāng)Moran’s I 取值為(0,1]時(shí),說明存在正向空間相關(guān),各地理單元類似屬性值聚集,即空間聚集;Moran’s I 的取值為零時(shí),就說明空間相關(guān)并不存在,也就是說各地理單元觀測值都是呈隨機(jī)分布狀態(tài)的。

根據(jù)莫蘭指數(shù)的計(jì)算公式,基于鄰接矩陣,運(yùn)用Stata15.0 得到莫蘭指數(shù)。下表2,可以看出莫蘭指數(shù)的值在0.1-0.3 之間波動(dòng)且都大于0,Z 為正值,均在5%的水平下通過了顯著性檢驗(yàn),拒絕不存在全局空間自相關(guān)的原假設(shè)。說明廣西14 個(gè)市的城鄉(xiāng)收入差距比在空間上有正相關(guān)性,即城鄉(xiāng)收入比高的區(qū)域傾向于被城鄉(xiāng)收入比高的區(qū)域所包圍,城鄉(xiāng)收入比低的區(qū)域鄰近區(qū)域城鄉(xiāng)收入比低,同類屬性值呈現(xiàn)聚集狀態(tài)。從變化趨勢上看,2011-2018年莫蘭指數(shù)值逐漸變小,說明各市的空間集聚性在降低。

表2 2011-2018 廣西14 個(gè)市城鄉(xiāng)收入差距比值的全局莫蘭指數(shù)

表3為廣西14 個(gè)市數(shù)字普惠金融的全局莫蘭數(shù)都大于0,Z 值均大于1.96,且在1%的水平下通過了顯著性檢驗(yàn),表明廣西14 個(gè)市的數(shù)字普惠金融發(fā)展程度有很強(qiáng)的空間相關(guān)性,數(shù)字普惠金融發(fā)展程度高的區(qū)域鄰近區(qū)域也傾向于較高。

從時(shí)間維度看,2011-2018年,數(shù)字普惠金融發(fā)展在空間關(guān)聯(lián)性上呈現(xiàn)穩(wěn)定態(tài)勢。

2.局部莫蘭散點(diǎn)圖。全局莫蘭指數(shù)僅對廣西14 個(gè)市城鄉(xiāng)收入差距和數(shù)字普惠金融的空間關(guān)聯(lián)性作總體判斷,為了分析說明每個(gè)市之間存在的空間關(guān)聯(lián)性,分別繪制2011年和2018年城鄉(xiāng)收入差距和數(shù)字普惠金融的莫蘭散點(diǎn)圖,如圖1所示,在平面直角坐標(biāo)系分為四個(gè)象限,第一、三象限為空間正相關(guān),第一象限為“高高”聚集,第三限為“低低”聚集;二、四象限表現(xiàn)為空間負(fù)相關(guān),第二象限主要是“高低”聚集,而第四象限則是“低高”聚集。廣西大部分市區(qū)的城鄉(xiāng)收入差距聚集在第一、三象限,6 個(gè)市位于第一象限,為“高高”聚集,3 個(gè)市在第三象限,為“低低”聚集,說明城鄉(xiāng)收入比有空間聚集趨勢。從2011-2018年,幾乎所有市區(qū)的數(shù)字普惠金融發(fā)展程度值均集中在第一、三象限,5 個(gè)市位于第一象限,為“高高”聚集,8 個(gè)市在第三象限,為“低低”聚集,說明數(shù)字普惠金融指數(shù)空間集聚程度較強(qiáng)。為了得到數(shù)字普惠金融與城鄉(xiāng)收入差距兩者的關(guān)系,需要利用模型進(jìn)行精確估計(jì)。

表3 2011-2018 廣西14 個(gè)市數(shù)字普惠金融的全局莫蘭指數(shù)

圖1 2011年城鄉(xiāng)收入差距的莫蘭指數(shù)散點(diǎn)圖

圖2 2018年城鄉(xiāng)收入差距的莫蘭指數(shù)散點(diǎn)圖

(二)模型估計(jì)結(jié)果與分析

根Anselin et al 準(zhǔn)則,采取Wald檢驗(yàn)與LR 檢驗(yàn),來選取最優(yōu)模型擬合的形式,若拒絕θi=0(i=1,2,…,6),θi+δβi=0 的原假設(shè),說明SDM 模型無法轉(zhuǎn)變?yōu)镾AR 模型與SEM 模型,也就是說,SDM 空間杜賓模型就是最優(yōu)模型;然后通過Hausman 檢驗(yàn),對使用固定效應(yīng)模型或隨機(jī)效應(yīng)模型進(jìn)行選取。通過檢驗(yàn)得出,SAR 空間自回歸模型中Wald 檢驗(yàn)的相關(guān)數(shù)據(jù)是40.34,LR檢驗(yàn)的相關(guān)數(shù)值是19.12,其在5%的水平下通過了顯著性的檢驗(yàn),證明了θi≠0(i=1,2,…,6),θi+δβi≠0,SDM 模型無法轉(zhuǎn)換為SAR 模型與SEM 模型。所以,可以選擇SDM 空間杜賓模型。在Hausman 的檢驗(yàn)中,P 值是0.001,因?yàn)榫芙^使用隨機(jī)效應(yīng)模型的原假設(shè)需要,所以本文需要選取的是固定效應(yīng)模型。為了方便比較,借鑒李建偉(2017)、白俊紅(2017)的研究,分別選用普通面板回歸OLS,空間面板模型SAR 模型、SEM 模型和SDM 模型,進(jìn)一步驗(yàn)證哪種模型更合適。

根據(jù)表4可以看出在OLS 的估測結(jié)果之中,普惠金融的DF 系數(shù)是-0.133,也就是說其通過了百分之一的顯著性水平檢驗(yàn),這就說明城鄉(xiāng)收入差距與普惠金融之間存在著負(fù)相關(guān)的關(guān)系,其主要表現(xiàn)為,數(shù)字普惠金融每提高一個(gè)百分點(diǎn),就使得城鄉(xiāng)收入差距縮小0.133 個(gè)百分點(diǎn)。由于沒有考慮空間因素,OLS 回歸中數(shù)字普惠金融對城鄉(xiāng)收入差距的影響程度傾向于產(chǎn)生錯(cuò)誤估計(jì)。在表4中,空間面板模型SAR、SEM、SDM 的數(shù)字普惠金融空間項(xiàng)系數(shù)均為通過了1%水平下的顯著性檢驗(yàn),表明數(shù)字普惠金融對城鄉(xiāng)收入差距的影響確實(shí)存在空間效應(yīng),即本區(qū)域數(shù)字普惠金融不僅影響本區(qū)域的城鄉(xiāng)收入差距,而且會(huì)通過空間效應(yīng)傳導(dǎo)到周邊區(qū)域,影響周邊區(qū)域的城鄉(xiāng)收入差距。且SDM 模型中系數(shù)顯著性個(gè)數(shù)比SAR 模型和SEM 模型多,顯著性水平更高,在模型擬合優(yōu)度上,SDM 模型的調(diào)整R2 為0.8451,高于其他模型對應(yīng)值,對數(shù)似然函數(shù)Log-L 的值為271.006,也高于SAR 模型和SEM 模型對應(yīng)值,進(jìn)一步印證了模型應(yīng)選用SDM 空間杜賓模型。在表4中,SDM 模型所顯示的數(shù)字金融普惠相對應(yīng)的系數(shù)是-0.079,這也說明了本區(qū)域數(shù)字普惠金融影響的擴(kuò)大能夠極大程度的使該區(qū)域城鄉(xiāng)收入差距縮小。這可能是因?yàn)閿?shù)字普惠金融的發(fā)展,可以降低金融排斥,提高貧困人口及小微企業(yè)的金融資源可獲得性,從而縮小了城鄉(xiāng)收入差距(張子豪和譚燕芝,2018)。因變量空間回歸系數(shù)值為0.464,通過了1%水平下的顯著性檢驗(yàn),表明存在正向空間效應(yīng),本區(qū)域城鄉(xiāng)收入差距每擴(kuò)大一個(gè)百分點(diǎn),鄰近區(qū)域城鄉(xiāng)收入差距就會(huì)擴(kuò)大0.464 個(gè)百分點(diǎn)。數(shù)字普惠金融的空間回歸系數(shù)為-0.011,在5%的水平下通過了顯著性檢驗(yàn),表明本區(qū)域數(shù)字普惠金融提高會(huì)顯著縮小鄰近區(qū)域的城鄉(xiāng)收入差距,至于自變量對因變量的影響程度,該系數(shù)不能直接反映,還需計(jì)算直接效應(yīng)、間接效應(yīng)和總效應(yīng)。

圖3 2011年數(shù)字普惠金融指數(shù)的莫蘭指數(shù)散點(diǎn)圖

圖4 2018年數(shù)字普惠金融指數(shù)的莫蘭指數(shù)散點(diǎn)圖

表4 基于空間鄰接矩陣的OLS、SAR、SEM、SDM 模型回歸結(jié)果

如表5所示,在直接效應(yīng)下,變量DF 的系數(shù)為-0.034,P 值為0.003,小于0.01,通過顯著性檢驗(yàn),表明本區(qū)域數(shù)字普惠金融每提高1%,本區(qū)域城鄉(xiāng)收入差距會(huì)縮小0.034%。這是由于在農(nóng)村貧困地區(qū),金融可獲得性較差,數(shù)字普惠金融以成本低、覆蓋廣的優(yōu)勢幫助農(nóng)戶和小微企業(yè)獲得信貸支持,通過金融力量緩解貧困,進(jìn)而收斂城鄉(xiāng)收入差距。在間接效應(yīng)下,變量DF 的系數(shù)為-0.03,在5%的水平下通過了顯著性檢驗(yàn),表明本區(qū)域數(shù)字普惠金融每提高一個(gè)百分點(diǎn),鄰近區(qū)域城鄉(xiāng)收入差距就縮小0.03 個(gè)百分點(diǎn)。數(shù)字普惠金融與城鄉(xiāng)收入差距存在負(fù)向空間效應(yīng),且間接效應(yīng)幾乎占了總效應(yīng)的一半,與張子豪和譚燕芝(2018)得出的結(jié)論相似。說明隨著市場化的發(fā)展,各市之間在信息、資源方面聯(lián)系加強(qiáng),數(shù)字普惠金融通過區(qū)域之間的流動(dòng),對周邊區(qū)域的影響較大。

其他變量中,經(jīng)濟(jì)發(fā)展水平與城鄉(xiāng)收入差距表現(xiàn)為顯著的負(fù)向空間關(guān)系,間接效應(yīng)的系數(shù)為-0.054,說明本區(qū)域經(jīng)濟(jì)發(fā)展水平提高1%,可以顯著地降低鄰近區(qū)域城鄉(xiāng)收入差距0.054 個(gè)百分點(diǎn),且間接效應(yīng)在總效應(yīng)中所占比重均達(dá)到40%以上,說明各區(qū)域之間的聯(lián)系越來越緊密,經(jīng)濟(jì)發(fā)達(dá)區(qū)域?qū)χ苓吳钒l(fā)達(dá)區(qū)域有正向輻射效應(yīng),有利于增長極和產(chǎn)業(yè)集聚的出現(xiàn)(吳雪峰,2020)。城市化率與城鄉(xiāng)收入差距均表現(xiàn)為負(fù)向空間關(guān)系,但不顯著。

政府的財(cái)政支出系數(shù)值為正數(shù),也就是說,若支出增加,會(huì)使得城鄉(xiāng)收入差距進(jìn)一步拉大,主要原因是政府財(cái)政支出大部分會(huì)流入城鎮(zhèn),而農(nóng)村獲得的財(cái)政資金較少,收入也會(huì)相對減少,從而城鎮(zhèn)公民的收入提高,而鄉(xiāng)鎮(zhèn)公民的收入變化并不大,這也是導(dǎo)致城鄉(xiāng)收入差距擴(kuò)大的主要原因。產(chǎn)業(yè)結(jié)構(gòu)的間接效應(yīng)系數(shù)為-0.081,在5%的水平下通過了顯著性檢驗(yàn),表明本區(qū)域產(chǎn)業(yè)結(jié)構(gòu)的完善,會(huì)縮小鄰近區(qū)域的城鄉(xiāng)收入差距,可能的解釋是第二、三產(chǎn)業(yè)的發(fā)展主要是城市中的技術(shù)密集型企業(yè),可以吸引周邊區(qū)域農(nóng)村人口到城市務(wù)工,增加農(nóng)民的收入,從而縮小城鄉(xiāng)收入差距。

城鄉(xiāng)收入差距以及教育水平之間的間接和直接效應(yīng)系數(shù)分別為0.022 和0.025,都是正數(shù),也就是說本區(qū)域的教育水平提升會(huì)導(dǎo)致本區(qū)域以及周邊區(qū)域城鄉(xiāng)收入差距的進(jìn)一步拉大,不過這種作用并不明顯。可能是因?yàn)楸緟^(qū)域教育資源長期偏向城市,城鄉(xiāng)教育資源分配不均,進(jìn)而擴(kuò)大了本區(qū)域的城鄉(xiāng)收入差距(梁雙陸,2018)。同時(shí),相鄰區(qū)域在教育資源上存在競爭和擠出效應(yīng)也會(huì)導(dǎo)致城鄉(xiāng)收入差距擴(kuò)大(吳雪峰,2020),由于地理障礙,這種效應(yīng)還不顯著。

表5 SDM 模型的直接效應(yīng)、間接效應(yīng)和總效應(yīng)

(三)穩(wěn)健性檢驗(yàn)

建立空間計(jì)量模型首先要了解空間權(quán)重矩陣,而通過不同矩陣所得到的結(jié)果也不同,所以本文在檢驗(yàn)過程中選取了經(jīng)濟(jì)距離空間權(quán)重矩陣W1(李靖,2010)和反距離空間權(quán)重矩陣W2共同作為參考。

其中,

dij為各市地理距離,i 和表示第i 和j 個(gè)市。根據(jù)前文研究步驟,得出SDM 模型仍舊為最合適,表6分別報(bào)告了基于經(jīng)濟(jì)距離空間權(quán)重矩陣和反距離空間權(quán)重矩陣下固定效應(yīng)的SDM 模型回歸結(jié)果。根據(jù)該結(jié)論,由于兩種情況下,DF 的回歸系數(shù)均能夠通過百分之五水平之下的顯著性檢驗(yàn),并且在方向上與顯著性上都能夠與前文保持一次。所以,可以認(rèn)為本文得出的結(jié)論具有可信度。

表6 基于經(jīng)濟(jì)距離權(quán)重矩陣和反距離權(quán)重矩陣的SDM 模型回歸結(jié)果

五、結(jié) 論

本文采用2011-2018年廣西14 個(gè)市的空間面板數(shù)據(jù),基于空間鄰接矩陣,通過構(gòu)建空間自回歸模型(SAR)、空間誤差模型(SEM)和空間杜賓模型(SDM)對廣西數(shù)字普惠金融與城鄉(xiāng)收入差距的空間效應(yīng)展開實(shí)證研究并使用經(jīng)濟(jì)距離空間權(quán)重矩陣和反距離空間權(quán)重矩陣做穩(wěn)健性檢驗(yàn)。結(jié)果表明:廣西的數(shù)字普惠金融和城鄉(xiāng)收入差距都呈現(xiàn)“高高聚集”和“低低聚集”的空間集聚效應(yīng);數(shù)字普惠金融的發(fā)展可以顯著縮小本區(qū)域和周邊區(qū)域的城鄉(xiāng)收入差距,存在負(fù)向空間溢出效應(yīng);城鄉(xiāng)收入差距與周邊區(qū)域存在正向空間溢出效應(yīng);在控制變量中,產(chǎn)業(yè)結(jié)構(gòu)、經(jīng)濟(jì)發(fā)展水平都對周邊區(qū)域縮小城鄉(xiāng)收入差距有負(fù)向空間效應(yīng),政府財(cái)政支出對周邊區(qū)域縮小城鄉(xiāng)收入差距有正向空間效應(yīng),教育水平以及城鎮(zhèn)化方面的空間溢出效應(yīng)并不明顯。

根據(jù)實(shí)證研究結(jié)果,給出以下建議:

第一,就廣西而言,數(shù)字普惠金融的發(fā)展需要依賴信息通信基礎(chǔ)設(shè)施,政府要加大對農(nóng)村地區(qū)財(cái)政支出,提高農(nóng)村地區(qū)網(wǎng)絡(luò)覆蓋度。第二,考慮到空間溢出效應(yīng),政府在制定收斂城鄉(xiāng)收入差距的政策時(shí),要充分考慮區(qū)域之間的空間相關(guān)性,各市之間可以加強(qiáng)在數(shù)字普惠金融方面的合作,創(chuàng)新數(shù)字普惠金融產(chǎn)品和服務(wù),分享信息資源。第三,對農(nóng)民進(jìn)行正確的指導(dǎo),幫助其對普惠金融的數(shù)字產(chǎn)品進(jìn)行正確的認(rèn)識(shí)及正確使用,從而使得相關(guān)金融產(chǎn)品在農(nóng)民中的普及度提高,降低金融詐騙率。

猜你喜歡
莫蘭普惠差距
張衛(wèi)《向莫蘭迪致敬之5》
探索節(jié)能家電碳普惠機(jī)制 激發(fā)市民低碳生活新動(dòng)力
新疆吉木乃縣:縣總工會(huì)推進(jìn)普惠服務(wù)
日照銀行普惠金融的鄉(xiāng)村探索
商周刊(2018年10期)2018-06-06 03:04:12
農(nóng)村普惠金融重在“為民所用”
商周刊(2018年10期)2018-06-06 03:04:11
難分高下,差距越來越小 2017年電影總票房排行及2018年3月預(yù)告榜
張衛(wèi)作品
畫刊(2017年9期)2017-09-25 09:49:04
張衛(wèi)作品
畫刊(2017年2期)2017-04-12 06:43:58
縮小急救城鄉(xiāng)差距應(yīng)入“法”
幻想和現(xiàn)實(shí)差距太大了
天气| 察哈| 上高县| 绵阳市| 永安市| 镇原县| 上林县| 诸城市| 攀枝花市| 益阳市| 金沙县| 化德县| 微山县| 双桥区| 博客| 横峰县| 吉首市| 大邑县| 云南省| 柯坪县| 阿克| 仁布县| 碌曲县| 囊谦县| 社会| 新龙县| 景泰县| 射洪县| 永安市| 吉林市| 文山县| 太仓市| 三台县| 五原县| 定陶县| 尼玛县| 鄂托克前旗| 会泽县| 台江县| 阳西县| 政和县|