“2020金融文字節——銀行數字化創新主題征文大賽”由中國電子銀行網（微信公眾號：cfca-cebnet）、未央網聯合主辦，和訊網作為戰略合作媒體，清華大學金融科技研究院作為學術支持，以下為參賽者投稿。

作者：江蘇銀行泰州分行 毛亮 戴云飛

一、問題的提出：紅利還是鴻溝？

數字普惠金融為數字技術和普惠金融相互融合的產物，2016年G20峰會上通過了《G20數字普惠金融高級原則》，成為推動數字普惠金融的首個國際性的共同綱領。理論層面分析，數字普惠金融利用數據加持可助推農村產業經濟發展，其可觸達性（可得性）、大眾性、可持續性、便利性等特性對于農村貧困具有一定的減緩作用?？梢哉f數字普惠金融具有縮小城鄉差距，緩解“剪刀差”[1]政策效應，改變城鄉金融“二元結構”[2]。

然而，數字普惠金融也易衍生問題：一是盈利性與普惠性的兼容問題。普惠金融作為政府主導下的“政治性任務”，商業銀行需要犧牲部分利潤實現普惠目的，以行政手段干預金融資源配置容易造成金融機構“使命漂移”“資源錯配”[3]；二是金融供需不平衡問題。供給不足，商業銀行為了規避風險而在服務對象選擇上的“精英俘獲”現象，將貧困農戶排斥在服務體系之外[4]；即便供給充足，需求方可能因自身不利因素，往往對金融資源的有效需求不足、利用效率偏低，影響數字普惠金融的減貧效果[5]；三是互金企業的問題?；ヂ摼W金融企業在數字普惠金融上一直走在前列，也正是互金企業的探索和實踐，定義和塑造了數字普惠金融。但在客戶關系上，未能實現可觸達性與適當性的平衡（過度營銷、過度服務的行為）；在風險收益上，未能實現讓利與全周期的統一（未經完整周期的市場檢驗）；在合規經營上，未能實現風控與不確定性的平衡（缺乏明確的法律規范），加劇金融排斥現象。

值得思考的是，數字普惠金融發展是“數字紅利”還是“數字鴻溝”？是否有效減緩農村貧困率? 其內在機理和傳導機制是什么?

二、數字普惠金融“異化”與新金融排斥

近年來，數字普惠金融持續優化和改善，商業銀行業以普惠金融事業部統籌發展數字普惠金融，不斷創新金融產品。囿于成本高、效率低、商業可持續性難等制約因素，普惠金融本就存在機會排斥、市場排斥、條件排斥、價格排斥等現象，有學者認為數字普惠金融會產生新的“異化”——存在風險缺陷，誘發新的金融排斥。解決異化效應，才能更好研究緩貧效果。

（一）數字鴻溝

數字普惠金融的推廣關鍵在于信息技術，而信息技術天然就是存在差距的，有可能產生數字鴻溝。

鴻溝之一——設備?！?019年網絡扶貧工作要點》要求充分釋放數字紅利，加大網絡扶貧工作力度，貧困地區網絡設施顯著改善，在設備上的差距逐步縮小，但根據中國互聯網絡信息中心（CNNIC）發布的第45次《中國互聯網絡發展狀況統計報告》顯示，截至2020年3月，我國農村網民規模為2.55億，占整體的28.2%；農村地區互聯網普及率為46.2%；非網民規模為4.96億，其中農村地區非網民占比為59.8%，非網民仍以農村地區人群為主。非網民不上網原因中51.6%的人不懂電腦或網絡，13.4%人沒有電腦等上網設備。[6]不可否認，因設備帶來的鴻溝依然是存在的，尤其以農村地區突出。

鴻溝之二——信息。信息時代，信息源就代表著財富。即便互聯網的普及拓寬了信息源，為信息的獲得提供了更多可能性。但互聯網企業、金融機構、政府機關等，天然具有信息獲得的優勢，如政府機關掌握著80%的信息數據資源；銀行業每創收100萬元，就平均產生130GB的數據，數據強度高踞各行業之首。[7]這些信息的壟斷可能引起“信息孤島”[8]——擁有信息的人將會擁有更多的信息，而無法獲得信息或者需要支付更多花費獲得信息的人則擁有更少的信息。

鴻溝之三——使用。信息的獲得是鴻溝的一大成素，而信息的使用則是鴻溝的另一重要緣由。受文化程度、年齡等因素的影響，信息的接受方對于信息的認知以及使用存在差距。此外，即便金融機構作為信息的接受方，在使用信息的成本上也有差異，以互聯網金融機構表現突出。比如一個非持牌的小型消費金融公司/大中型網貸（P2P）機構，其征詢查詢成本占運營成本的比重最低也要達到10%，高的則可達20%和30%左右，對農村地區的征信成本則會更高。[9]

（二）擠出效應

數字普惠金融的目的在于尋求商業可持續性與金融需求普惠性之間的平衡。但即便在“政治壓力”之下，金融機構內生的商業可持續性，迫使其更多傾向于優勢主體，對于弱勢群體就有可能形成“擠出效應”。

金融機構的商業屬性與普惠的社會效益不相平衡。盡管是數字普惠金融，但并不是“慈善金融”，也不是“扶貧金融”，本質上仍是“商業金融”。不能苛求金融機構一味滿足普惠的目的，而放棄盈利的需求。數字普惠金融的前提在于金融機構能夠實現商業可持續性，若利潤與成本無法實現平衡，金融機構也就失去發展數字普惠金融的動力。中國社會融資成本指數顯示，互聯網金融（網貸）平均融資成本為 21.0%，小貸公司平均融資成本為 21.9%，若參照7.60%的企業社會平均融資成本或6.6%的銀行貸款平均融資成本，這樣的融資成本遠遠超出了數字普惠金融需求主體的承受能力。[10]可以預見，金融機構必然會選擇優勢的服務對象，而對于數字普惠金融本應服務的對象則避而遠之。

（三）去風險化

無論是互聯網金融公司，還是商業銀行等金融機構，在從事數字普惠金融服務時，遵從法律、服從監管仍是必須考慮的重要因素，因而有些機構為了規避風險并化解監管壓力，不得不選擇脫離一些業務，產生“去風險化”行為。

數字普惠金融除傳統金融的風險外，因為有信息技術的融入，會產生新的風險，如技術風險、網絡風險等，加之嚴監管的態勢，數字普惠金融機構為了符合監管要求或者基于自身的風險承受力考量，傾向于選擇低風險、保守業務，或者選擇增加對需求方的要求、條件，如擔保方式、資信材料等等，可能導致真正有需求的貧困者難以獲得融資。

（四）新金融排斥

數字鴻溝、“擠出效應”“去風險化”等風險缺陷的存在，從某種程度上會誘發新型金融排斥。

數字鴻溝→技術性金融排斥。以農村中老年群體為例，更傾向于選擇商業銀行物理網點和員工，對于線上工具或產品有抵觸心理，接受新鮮事物慢、擔心網絡安全問題，數字普惠金融的便利性和高效性反而難以體現，這也就造成不同群體從金融服務中獲益的能力有所分化。金融機構基于成本和風險進行對象選擇時，從行為數據分析，農村居民尤其是貧困居民，可能因為信息識別和算法歧視則被排斥在大數據所帶來的普惠經濟機會之外。

擠出效應→市場性金融排斥。金融普惠力度不斷加大，但數字普惠金融對微型企業、中低收入人口、貧困人口的深入下沉不足，甚至可能退出市場，社會目標失效。市場競爭日趨白日化，金融機構不得不考慮利潤，除農村金融機構外，“離農脫小”的普惠金融反倒成為常態。金融機構成本通常由獲取客戶成本、風險識別成本、經營成本、資金成本組成?？梢哉f，數字技術的融合，降低了金融的獲取客戶成本、經營成本，但從另一方面看，線上工具的運用滋生了新的風險成本，一旦爆發風險，如P2P之類的，殃及普惠扶貧的效率。

去風險化→風險性金融排斥。數字普惠金融的“去風險化”在一定程度上會減少部分地區或者人員獲得正規金融服務的途徑和機會，特別是對農村地區的弱勢人群排斥更為明顯，而這部分人群往往是普惠金融重點服務的對象。由于小微企業規模小、金融需求分散、固定資產抵押不足、利潤回報率低、發展穩定性受限的問題導致其對環境的應變能力和抗風險能力較差，也屬于去風險化行為中極易遭受嚴重金融排斥的對象。

三、商業銀行數字普惠金融與破解排斥

數字普惠金融以互聯網金融企業為開端，因商業銀行興盛，商業銀行發展數字普惠金融有其獨特的價值，是責任所系，機遇所在，轉型所至，對于化解風險缺陷，破解新型排斥具有一定的意義。

（一）商業銀行發展數字普惠金融的現實需要

責任所系。發展數字普惠金融既是政治要求，也是政策機遇。商業銀行承擔著支持實體經濟、支持小微企業、金融扶貧等社會責任，單純依靠傳統的金融業務難以實現全覆蓋，數字普惠金融正是其履行責任的契機。此外，受縛于機制體制、物理網點、服務模式的障礙，傳統商業銀行面臨著“最后一公里”的服務難題，同時可以看到，國家推行普惠金融的進程中，也給予了商業銀行部分“優惠”，如提升小微不良容忍度、MPA適度傾斜、存款準備金激勵等措施。這些也讓商業銀行在履行責任之余，享受政策福利，保障業務可持續發展。

結構所需。隨著供給側結構性改革的深入推進，商業銀行面臨著結構調整的迫切。從公司業務看，傳統商業銀行以服務大中型企業為主，以城市商業銀行為代表的，則更多服務于政府平臺。但大中型企業、政府平臺本身具備較強的融資能力，融資需求能夠得到緩釋。近年來，盡管商業銀行有意轉型，但小微企業、農村經營實體等因為天然缺陷，只能被動接受選擇。數字普惠金融則為商業銀行服務小微企業、服務農村提供了新途徑。從零售業務看，“二八法則”的運用使商業銀行普遍面臨著基礎客群薄弱的問題，更多地服務私行、財富客戶，數字技術大大提升了傳統商業銀行拓客、獲客的能力，憑借自身豐富的經營經驗以及被客戶廣泛認可的信用優勢，充分利用數字技術挖掘客戶需求為傳統商業銀行贏得客戶提供了有力的支持。[11]

轉型所至。麥肯錫研究認為，全面的數字化轉型是銀行參與下一階段數字化銀行業務競爭的入場券。金融科技浪潮倒逼商業銀行不斷轉型，大數據、云計算、物聯網、AI技術的不斷融入，云金融的興起，金融科技成為商業銀行布局的重要領域。誠如工行董事長陳四清在智慧銀行生態ECOS1.0發布會上所說，“未來的銀行就是金融科技公司”。數字普惠金融是商業銀行轉型的重要一環，關系到獲客渠道、營銷方式、風險控制等多方面，助推商業銀行的智能化、移動化、數據化轉型。

（二）商業銀行發展數字普惠金融的優勢

數字普惠金融綜合成本低、相應速度快、覆蓋范圍廣，與互聯網金融公司的數字普惠金融以及傳統的普惠金融相比，商業銀行發展數字普惠金融具有比較優勢：

一是渠道優勢→可獲得性高。一方面，與互聯網金融公司的數字普惠金融相比，商業銀行具有物理網點的優勢，尤其是在農村地區。不可置否，物理網點具有面對面直觀服務、貼合客戶習慣的優勢，農村地區居民更傾向于選擇在商業銀行物理網點辦理業務。[12]另一方面，與傳統普惠金融相比，商業銀行數字普惠金融可以利用其網點優勢，進一步突破“門檻”限制，延伸服務半徑，拓寬金融服務范圍，擴大金融服務對象，金融可獲得性提高，從而更好地體現出普惠性。

二是產品優勢→多樣性高。與互聯網金融公司相比，商業銀行可以利用自身的數據、平臺、資源等優勢，構建獨特的數字普惠金融產品體系。如可以根據與工商、稅務、人行等部門的聯系，基于納稅信息、社保信息、征信信息等，實現線上融資。而對于農村地區，商業銀行數字普惠金融可以將其豐富的線下產品遷移至線上，滿足農村局面線上儲蓄、線上理財、線上保險等線上投資的需求。商業銀行還可以針對客戶需求提供個性化的產品定制，更有助于提升金融服務的全面性。

三是價格優勢→金融成本低。盡管在數字技術上的成本有可能更高，但是商業銀行綜合成本有可能降低。正如前文所述，互聯網金融公司的融資成本超過20%，商業銀行則低于10%。從風險成本看，商業銀行對于小微企業普遍采取“以高利率覆蓋高風險”策略，這也是融資難、融資貴的因素之一。數字普惠金融利用大數據分析，可以實現風險的精準識別和計算，控制風險溢價，能夠獲得價格更合理的融資；從運營成本看，相對于物理網點的人力、物力成本，尤其農村地區設置網點的成本更高，數字普惠金融依托手機銀行、直銷銀行等可以降低觸達成本；從管理成本看，傳統的金融服務更依賴于人工，客戶經理走訪調查、資料搜集、貸后管理等，管理成本明顯，而數字普惠金融以全線上化流程為主，可優化每個環節，融資邊際成本下降。

四是速度優勢→服務效率高。從服務效率上看，由于依托數字技術，金融需求與金融供給可以實現快速對接，場景、流量、產品等迭代加快，可以說，互聯網金融公司與商業銀行均較高。但商業銀行受制于消費者權益保護的約束，監管要求更嚴格，而且商業銀行數字普惠金融更容易形成規?；?，服務效率更加高。

五是風控優勢→數據化程度高。商業銀行作為經營風險的機構，具有豐富的風險控制經驗。加之云計算、大數據分析等工具的融入，基于對企業的交易流、信息流，個人日常行為等信息，商業銀行可以全面、及時、有效、動態地判斷客戶的誠信狀況和信用水平，[13]對于風險的數據化控制程度更高，風險識別能力和授信審批效率顯著提高，能夠有效緩解信息不對稱。

（三）商業銀行數字普惠金融破解排斥與緩貧機理

1、直接機理

第一，商業銀行數字普惠金融可以通過創新儲蓄、信貸和支付手段，擴大農村居民對金融資源的可獲得性、可接觸性和支付便利度，并在提高議價能力和降低貧困脆弱性方面起到重要作用。[14]麥肯錫全球研究所報告指出，預計到2025年，對于發展中國家來說，支付模式的改變會使其GDP增長6％，增加3.7萬億美元和9500萬個就業機會。[15]

第二，商業銀行數字普惠金融可以通過信貸線上化、數據化，有效降低經營實體的成本。依據“長尾理論”[16]，數字技術的發展為長尾市場創造了機會和盈利空間，并在拓展市場寬度和挖掘市場深度方面具有重要作用。[17]數字普惠金融以低收入群體和中小企業用戶（排斥于正規金融體系之外的群體）為服務對象，雖然其用戶交易規模微小，但數字普惠金融產品的邊際成本和搜尋成本趨近于零。[18]

第三，商業銀行數字金融的發展緩解了“財富門檻”效應，使得價格發現和信息流通趨于容易，改善了獲得信貸和存款的渠道，金融轉移與金融普惠的程度進一步提高。另外，在提高弱勢群體抗擊風險能力方面，移動電話的使用可以加強家庭社會網絡，促進內部信息的流動，從而改善家庭的風險分擔，使其更好地應對風險沖擊。[19]

2、間接機理

第一，商業銀行數字普惠金融促進居民收入增長。其一，金融產品（比如收益更高的存款、理財產品）可以更廣泛、更快速觸達農村居民，增加農民收入；其二，數字技術的發展必然伴隨信息技術設備設施的投入，增加勞動需求，在欠發達地區的投資有利于促進當地的資本積累并從生產中獲益；其三，數字技術的使用，便于解放農村勞動力，提高生產效率，增加額外收入。[20]

第二，商業銀行數字普惠金融可以改善收入分配。其一，數字普惠金融不再“嫌貧愛富”，接納被排斥的弱勢群體，使便捷、安全的金融服務和產品能夠轉移至農村地區，促進欠發達地區的發展，為其產出增長和就業創造作出貢獻[21]；其二，規模收益和邊際成本遞減，使得“消費者主權”（尤其是弱勢群體的利益）得到尊重和保護，有助于實現“益貧式增長”[22]，并最終帶來了經濟的包容性增長。

綜上所述，商業銀行數字普惠金融緩貧機理如下：

四、商業銀行數字普惠金融緩貧實證研究

    （一）變量選取及數據說明

    pov（貧困度），本文借鑒絕大多數學者的研究成果，以消費水平衡量貧困程度。[23]

    difi（數字普惠金融水平），本文選取北京大學互聯網金融研究中心編制的全國31個省市2011-2018年的數字普惠金融指數作為衡量指標。[24]

    ins（收入分配），本文借鑒絕大多數學者的研究成果，以泰爾系數表示城鎮居民收入與農村居民收入比。[25]公式如下：

其中當j＝１，代表城鎮；ｊ＝２，代表農村；ｔ表示年份，代表i省在ｔ年的泰爾指數；yi,１,ｔ表示ｔ年ｉ省城鎮居民可支配收入，ｙi,２,ｔ表示ｔ年ｉ省農村居民可支配收入，ｙi,ｔ表示ｔ年ｉ省城鄉居民收入的總和；xi,１,ｔ表示ｔ年ｉ省城鎮常住人口數，xi,２,ｔ表示ｔ年ｉ省農村常住人口數，xi,ｔ表示ｔ年ｉ省的總常住人口數。

通過對比，本文借鑒絕大多數學者的成果，選擇is（產業結構，第二、三產業值之和占生產總值的比重）、urban（城鎮化水平，城鎮人口與總人口的比值）、gov（財政支出水平，支農支出占政府財政支出比重）、edu（教育水平，財政支出中教育支出占比）、iep（對外開放水平，進出口貿易總額）等作為其他控制變量。[26]

從pov可以看出我國居民消費水平之間差距明顯，差距可達10倍以上；同樣，數字普惠金融存在較大差距，發展不平衡。

    （二）模型構建與結果分析

    本文借鑒崔艷娟，孫剛[27]的研究成果，設定模型如下：

Povi,t =β0+β1Povi.t-1+β2difii,t+β3insi.t+ΣX,t+ui+vt+εi,t

其中: i 代表省的編號，將31各省編號為1至31，t為時間； Povi,t 為貧困發生率； Povi.t-1為其一階滯后項；difii,t為數字普惠金融指數；insi.t為收入分配系數；Xi,t為控制變量；ui為地區固定效應；vt為時間固定效應；εi,t為誤差項。

本文利用兩階段GMM系統進行模型估計。結果如下：

從估計結果來看，pov系數為正，說明具有一定延續性。difi系數P值顯著不為0，表明數字普惠金融具備減緩貧困的作用，其對減貧的作用效果為每增加1%，貧困發生率有0.2138%的下降。此外，從ins系數看，消費支出的差距也是導致貧困增加的因素之一；從edu、gov等系數看，說明教育以及支農支出對于緩貧也有顯著效果。

（三）相關啟示

主要結論：商業銀行發展數字普惠金融具有緩貧效應。對于商業銀行發展數字普惠金融提出相關建議：

創新服務模式。構建“營銷批量化、產品標準化、管理精準化、作業流程化、風險分散化”的普惠獲客模式，即延伸服務范圍，又降低經營成本，是商業銀行發展數字普惠金融面臨的主要問題。[30]商業銀行要創新“互聯網+金融”的服務模式，推進開放銀行、云金融平臺的搭建。構建高效的信貸審批機制，著力提升商業銀行對小微企業、低收入人群，尤其是“三農”客群的金融服務力度和服務質量，以便實現商業可持續發展。

創新產品力度。緊盯政策導向，加大對金融產品和金融服務的創新力度，加快金融場景建設，降低金融服務門檻和成本，努力實現利潤與成本的均衡，致力于打造綜合化、多元化、個性化的產品服務體系，尤其是在助力農村方面作出突破。加強新技術的跟蹤研究，加強技術儲備，加快技術成果的轉化應用。

創新思維模式。欠發達地區在數字普惠金融的發展空間上更大更寬，無論是從責任角度，還是轉型角度看，商業銀行要轉變傳統的思維模式，加大欠發達地區推廣數字普惠金融的力度，增加該地區普惠金融的可獲得性。商業銀行在開展數字普惠金融的過程中，除去傳統的儲蓄、信貸渠道的普惠外，要開展“造血式”扶貧，幫扶農村技術設備的建設，加大對農村信息基礎設施建設項目的支持，支持農村教育產業發展等相關輔助措施，突破鴻溝障礙。

創新風控管理。一方面，推動數據化風險管理。運用大數據、人工智能、物聯網、區塊鏈等技術，基于“三流”（資金流、信息流、物流）分析，商業銀行可從多維度對客戶進行全面評估，有效降低信息不對稱程度，顯著提升風控水平及效率。另一方面，推動業務流程由分散化向集約化轉變。商業銀行將基于數字化技術發展重新構思、設計現有的業務流程，以最有利于客戶價值創造的運營流程進行重組，大幅度提升業務辦理效率。

文章注釋：

[1] 在建國初期，國家為了推行優先發展重工業的“趕超戰略”，以人為干預方式壓低銀行利率、原材料價格、工價等，使稀缺資源流向重工業，并指令銀行貸款優先支持重工業項目。林毅夫，劉培林. 自生能力和國企改革［J］. 經濟研究，2001，( 9) : 60 － 70.

[2] 黃紅光，白彩全，易行. 金融排斥、農業科技投入與農業經濟發展［J］. 管理世界，2018，( 9) : 73 － 84.

[3] 譚燕芝，彭千芮. 普惠金融發展與貧困減緩: 直接影響與空間溢出效應［J］. 當代財經，2018，( 3) : 56 － 67；鄭秀峰，朱一鳴. 普惠金融、經濟機會與減貧增收［J］. 世界經濟文匯，2019，( 1) : 101 － 120.

[4] 溫濤，朱炯，王小華. 中國農貸的“精英俘獲”機制: 貧困縣與非貧困縣的分層比較［J］. 經濟研究，2016，( 2) : 111 － 125.

[5] 林萬龍，楊叢叢. 貧困農戶能有效利用扶貧型小額信貸服務嗎? ———對四川省儀隴縣貧困村互助資金試點的案例分析［J］. 中國農村經濟，2012，( 2) : 35 － 45.

[6] 參見《第45次中國互聯網絡發展狀況統計報告》2020年4月。

[7] 王姣，姚爽，王文榮.數字普惠金融風險缺陷與新型金融排斥生成研究——基于農村視角[J].農業經濟.2020（2）:94-97

[8] 黃益平．數字普惠金融的機會與風險［J］．金融發展評論，2018（4）.

[9] 王姣，姚爽，王文榮.數字普惠金融風險缺陷與新型金融排斥生成研究——基于農村視角[J].農業經濟.2020（2）:94-97

[10] 王姣，姚爽，王文榮.數字普惠金融風險缺陷與新型金融排斥生成研究——基于農村視角[J].農業經濟.2020（2）:94-97

[11] 陳丹，等: 商業銀行發展數字普惠金融的機遇與挑戰.南都學刊[J].2019(1):119.

[12] 根據調研統計結果看出，銀行（包含農村信用社）是農村居民獲取金融服務最主要的來源，占比達71.75%，其中，在存取匯款等基礎金融業務的辦理方式中，通過銀行柜臺辦理的比例最高，占比74.13%。

[13] 董曉林，朱敏杰．農村金融供給側改革與普惠金融體系建設［J］．南京農業大學學報(社會科學版) ，2016(6):14－18．

[14] KPODAR K R, ANDRIANAIVO M. ICT,financial inclusion, and growth evidence from African countries［Z］. IMF Working papers,2011, 11(73).

[15] 環球網．聯合國報告：去年中國數字支付市場規模近3萬億美元.

［EB/OL］．http://finance.huanqiu.com/roll/2017-04/10508895.html.

[16] Marken（2006）提出的長尾理論認為，當商品儲存、流通、展示的場地和渠道足夠寬廣，商品生產成本和銷售成本急劇下降時，這些需求和銷量不高的產品所占據的共同市場份額，可以和主流產品的市場份額相當，甚至更大，即眾多小市場匯聚成可產生與主流相匹敵的市場能量。

[17] MARKEN A. The long tail why the future of business is selling less of more［J］. Hyperion,2006, 24(3): 274-276.

[18] 數字信貸通過制定更具個性化的產品和服務提供給用戶，將散落在各個細分市場的金融用戶聚集在交易平臺上，從而能夠構建數字普惠金融的長尾市場。

[19] JACK W, RAY A, SURI T. Transaction networks: Evidence from mobile money in Kenya［J］. American Economic Review, 2013,103(3): 356-361.

[20] DEMIRGUC -KUNT A, KLAPPER L F.Financial inclusion in Africa: an overview［J］. Policy Research Working Paper, 2012.

[21] LAUER K, LYMAN T. Digital financial inclusion:implications for customers, regulators,supervisors, and standard-setting Bodies［M］.Washington: CGAP, 2015.

[22] 依據“涓滴理論”，優先實現經濟增長的地區將會在消費、就業等方面惠及弱勢區域貧困人口等低收入群體，通過益貧式增長間接帶動其發展和富裕，實現減貧增收，因此，數字普惠金融發展帶來的經濟增長使得貧困階層利益均沾。

[23] 崔艷娟，孫剛．金融發展是貧困減緩的原因嗎？：來自中國的證據［J］．金融研究，2012（11）：116-127．

[24] 北京大學數字金融研究中心和螞蟻金服集團組成聯合課題組，利用螞蟻金服關于數字普惠金融的海量數據，編制了北京大學數字普惠金融指數，該指數分為兩期，第一期跨度為2011-2015年，第二期跨度為2016-2018年。

[25] 參考王少平和歐陽志剛的研究成果，泰爾指數不僅考慮了人口變動的因素，也更能體現出城鄉收入兩端的變化。

[26] 借鑒羅斯丹，崔艷娟和孫剛等人的研究綜合考慮。羅斯丹，陳曉，姚欣悅．我國普惠金融發展的減貧效應研究［J］．當代經濟研究，2016( 12) : 82．崔艷娟，孫剛．金融發展是貧困減緩的原因嗎？：來自中國的證據［J］．金融研究，2012（11）：116-127．

[27] 崔艷娟，孫剛．金融發展是貧困減緩的原因嗎？：來自中國的證據［J］．金融研究，2012（11）：116-127．

[28] 考慮數據的統計誤差和某些異常年份的極端值可能會影響研究的結果，首先對數據采取上下1% 水平的極端值處理。此外，本文將除difi外的所有變量化為百分數然后取對數值。

[29] 模型運用Sargan檢驗，該檢驗適用于檢驗模型工具變量的過度識別問題，上表中其P值檢驗為0.688，該結果表明模型的工具變量運用是合理的。

[30] 連育青．數字技術可使銀行的普惠金融業務“飛翔”——對商業銀行發展數據普惠金融的戰略思考［J］． 當代金融家，2017( 10) : 72－75．

責任編輯：王超