一 引言与文献综述

城乡收入收敛问题一直是我国经济社会发展中的重大议题与国家制度建设的重要内容。它是实现社会公平、彰显民本主义的核心内容。如若一味追求经济绩效，漠视这一问题，势然会引发社会动荡、失序甚至断裂(武小龙和刘祖云，2014)[1]。诚然，持续30多年的中国式增长极大改善了城乡居民生活水平，但是城乡收入差距却未随经济发展呈现收敛态势。例如：城乡居民人均收入分别由1978年的343.4元、133.6元增长至2015年的31790.3元、10772.0元，收入差距比由2.57:1上升至2.97:1。当然，如果再考虑到城镇居民的福利补贴与财产性收入，城乡收入差距的相对比例和绝对数量或许会更大(李实和罗楚亮，2011)[2]。毫无疑问，不断扩大的城乡收入差距兹事体大，正拷问着中国经济社会的和谐与公平，是关系可持续发展的利害问题。现代经济理论视金融为重要的资源禀赋，是要素流通和资源配置的重要路径，对收敛城乡收入能够产生积极效应。2017年中央1号文件中也特别申明，要“加大农村力度改革，激活农业农村内生发展动力”，其中十分重要的战略部署就是要“加快农村金融创新”。这既是对长期施行农村金融排斥的制度纠正，更是对普惠金融理念的积极实践。普惠金融这一概念，最早是2005年联合国针对普遍性的金融抑制所提出的金融发展理念。2013年，党的十八届三中全会正式提出了发展普惠金融的制度构想，并以此作为统筹城乡发展，缩小城乡收入差距的重要手段。2016年9月，G20峰会上正式公布《G20数字普惠金融高级原则》，为普惠金融的发展提供了技术支撑。

在我国，金融资源被动员为国家财政功能并严重偏向于城市，导致制度性农村金融排斥现象严重。其后，在逐利的市场化路径中，金融嫌贫爱富的服务机制彰示为农村地区金融发展的锁定悖论：金融资源愈是匮乏地区，大量金融资源愈是不断外逃。在马太效应下致使农村地区陷入经济与金融的恶性循环(王修华和邱兆祥，2011)[3]。当然，金融嫌贫爱富的逐利特点同样适用于微观个体。甘宇(2015)[4]发现，个体的家庭财富水平、社会资本存量与其融资能力存在正相关关系。显然，城镇人口在上述两个方面是绝对占优的。是以，金融排斥扩大城乡收入差距的命题判断被反复证实。城乡金融资源配置的不均衡性与城镇对农村金融的汲取(刘亭亭和刘传哲，2011)[5]是为二元分割，并加大了城乡收入差距。由于国家经济功能主导金融配置，农村储蓄不断转换为城镇投资的机制持续增强(刘玉光等，2013)[6]，致使金融发展对农民收入增长存在负向效应(温涛等，2005)[7]，却以正向效应促进了城镇居民收入增长，正反力量的背离加大了城乡收入差距(张中锦，2011)[8]。本质上，我国金融发展扩大城乡收入差距的事实是金融排斥、金融抑制的集中表达。究其缘由，这是金融服务的城市取向导致农村金融规模与效率失衡的结果，最终引致农村经济发展受阻，并拉大了城乡收入差距(孙君和张前程，2012)[9]。张立军和湛泳(2006)[10]提出了金融发展影响城乡收入差距的三大效应假说：门槛效应、减贫效应、非均衡效应，并通过省级面板数据计量验证了理论假说。

基于此，一场发起于金融排斥所倡导的“普惠金融”的发展实践，一经提出便被寄予厚望，并迅速聚焦于城乡收入收敛问题。焦瑾璞(2010)[11]最早将普惠制金融概念引入国内，并提出“人人平等金融”的基本理念，即降低金融获取门槛，实现金融服务人人可及，尤其是针对贫困者和低收入者。不难发现，发展普惠金融就是要纠正长期城乡金融资源的扭曲配置，以遏制城乡收入差距的进一步扩大。徐敏和张小林(2014)[12]以金融包容指数、泰尔指数分别指代普惠金融、城乡收入差距，通过构建VAR模型分析指出，普惠金融发展与中国城乡居民收入收敛存在长期稳态均衡关系。杨文华(2016)[13]运用同样方法，通过农村金融的规模、效率指标等指代普惠金融的内涵，得出普惠金融收敛城乡收入的实证判断。李建伟等(2015)[14]基于 VEC 实证模型发现，农村金融发展的普惠性实践确实发挥了“降低城乡收入比”的作用，其尤为强调金融服务范围维度在现阶段中国普惠金融的发展中更能起到主导效应。黄永兴和陆凤芝(2017)[15]基于非线性与线性面板模型分析指出，普惠金融主要通过农村资本的培育与优化配置而缩小城乡收入差距。

综上所述，普惠金融能够有效收敛城乡收入已然成为学术共识。在传统金融机构转向普惠金融实践的过程中，缘于互联网技术创新驱动发展的数字普惠金融，在秉承普惠金融包容性基本理念的基础上，其技术传播的更大张力与覆盖广度日益显现。截止2016年底，我国网民数高达7.31亿，互联网普及率达53.2%，远超全球平均水平(罗能生和张雅莉，2017)[16]。目前，测算普惠金融指数的通常做法是，籍以传统的金融深化理论，从金融服务的地理渗透性、可获得性、使用性三个维度构建指标体系。相较而言，数字普惠金融摆脱了传统普惠金融的地域空间制约，且不必支付布局营业网点的成本；此外，它进一步降低了获取金融服务的门槛，可以更大限度地满足那些通常难以享受到金融服务的中小微企业和低收人群的需求。曹凤岐(2015)[17]曾指出，互联网与金融的结合是“源于中国金融体系中金融压抑”的制度结果。张晓燕(2016)[18]通过引入互联网金融发展指标，实证检验发现，互联技术与传统金融的跨界融合对提升普惠金融发展水平具有促进作用。焦瑾璞等(2015)[19]提出了货币数字化促进普惠金融发展的理论框架，认为数字货币延展了普惠金融服务的覆盖面与便利性，降低了时间与交易成本、提升了服务质量。宋晓玲(2017)[20]引用2016年《G20数字普惠金融高级原则》中关于数字普惠金融的具体内涵与北京大学数字普惠金融指数(2011-2015年)，提出数字普惠金融以门槛效应、减贫效应、排除效应为影响城乡收入差距的机制路径，并通过我国2011-2015年31个省份数据构建平衡面板数据模型进行实证检验。研究表明：数字普惠金融的发展能够显著缩小城乡居民收入差距。诚如2016年世行公开发布的《2016年世界发展报告：数字红利》所言，“通过包容、效率和创新，数字技术为贫困及弱势人口提供了以前无法企及发展机会”。

英语学习不能仅仅依靠对文章语句的重复朗读和反复背诵，更需要培养学生的自主运用能力，使课本上的语词转化为学生自身的英语词句应用。因此，高中英语学习需要在学生合作的前提下，营造出激烈讨论的环境和氛围，使学生能够将英语知识与自己所学习掌握的知识和信息进行了相互融合，在不偏离课堂教学主题的前提下，进行了发散性的讨论和交流。这种合作讨论的方式，可以大幅提升学生的学习兴趣，强化学生对于语言运用的即时反应，综合培养学生的词汇掌握、语法运用和听说能力。

数字普惠金融是个新概念，关于其对城乡收入差距影响的研究非常少。目前，数字普惠金融对城乡收入的收敛机制，一般基于普惠金融影响城乡收入的三大效应展开。不难发现，既有研究依然遵循传统金融的发展理念，并没有反映出数字普惠金融的技术性特征与应有内涵。

二 数字普惠金融、教育约束与城乡收入收敛：理论与假设

以上所述模型设定、参数估计和假设检验都是针对单一门槛模型的，若存在两个及以上门槛值，则重复上述步骤以搜寻第二个门槛值即可。本文门槛效应模型(双门槛)建构如下：

方案二：OLED 液晶显示屏，可用于显示汉字、字符和图形，其体积小、重量轻，使用方便，功耗极低，采用3.3V 电源供电，便于与匹配MCU 的I/O 口电平。OLED 可以自身发光，而LCD 则不能，因此OLED 比LCD 更亮。

数字普惠金融具有丰富的内涵，如果以单纯的综合指数判断其对城乡收入的收敛效应，将会掩盖很多事实并导致分析结果失真。观察北京大学数字普惠金融指数的构成，其分别由互联网金融服务的覆盖广度、使用深度和数字支持服务三个维度构成。进一步观察24个细分指标，数字普惠金融产品又可分为3类：生存型、保障型与发展型。事实上，不同知识存量的人群对数字普惠金融的需求类型会存在显著差异。据此本文提出假定4：在不同教育约束条件下，数字普惠金融对城乡收入差距的收敛效应存在适配机制。

根据相关的实践研究我们可以看出，暴雨等极端天气极易引发地质灾害。为了有效对地质灾害进行控制，将损失降到最小，建立健全的地质灾害气象预报预警机制，当预测有可能发生地质灾害时能够第一时间进行预警。

在全国地区以及在按传统经济带划分的东中西部三大区域内，各地区人口受教育水平及经济发展特点均不同。从1991年以来，我国东中西部区域之间不平衡发展的程度逐步加深，并且各区域经济的相对发展率差异很大(彭文斌和刘友金，2010)[26]。在经济发展差异的背景下，三个区域受教育不平衡程度也愈加明显，东部区域经济发展水平和居民受教育程度明显高于中西部，与西部区域差异梯度愈加明显(陈国阶，1997)[27]。因此，在假定2教育约束成立的条件下，数字普惠金融在不同地区对城乡收入差距的收敛效应亦不同。据此本文提出假定3：数字普惠金融对城乡收入差距的收敛效应具有区域性差异，表现为不同地区间数字普惠金融收敛效应大小乃至方向将会发生根本性改变。

三 模型设定与变量说明

(一)面板门槛模型的设定

既有文献表明：数字普惠金融的效力发挥可能依赖于个体知识存量与结构。这不难理解，数字普惠金融是通过信息化的技术手段改造传统金融。因此，数字普惠金融对城乡收入差距的收敛效应存在教育门槛。为了更好地估计数字普惠金融对城乡收入差距的影响，本文引入Hansen(1999)[28]的面板门槛模型，构建如下计量分析过程：

综上所述，在高中历史教学中运用史料教学是非常重要的，不仅能够丰富教学内容、提高学生历史学习能力，还能够培养学生的思维能力。教师应该正确运用史料进行教学，掌握正确的教学方法，同时还应该注意一些运用事项，从而使史料教学更加科学合理。因此，在高中历史教学中，教师应该特别重视对史料教学的应用。

本文数据为中国2011-2015年31个省级面板数据，数据主要来源于中国统计局官网、Wind数据库，缺漏数据由各省统计年鉴数据补足。尤为需要做出说明的是，数字普惠金融相关数据参照北京大学数字金融研究中心编制的《北京大学数字普惠金融指数(2011-2015)》。

yit=b1xitI(qit≤γ)+b2xitI(qit>γ)+εit+μi

(1)

其中，I为示性函数。

步骤2：检验门槛效应。设定原假设为H0：β1=β2，并构造如式(2)所示的似然比统计量，统计量的渐近分布并非标准的χ2分布，依赖于样本矩，需进行自抽样计算统计量大样本的渐近有效P值。若原假设成立，则不存在门槛效应，也就无所谓门槛值γ为多少。若P值小于给定显著性水平，说明模型的门槛效应存在，可进一步对门槛值进行检验，即检验H0：γ=γ0，检验门槛估计值是否等于真实值。

(2)

式中SSR*为在原假设H0：β1=β2下得到的模型残差平方和,为备择假设下进行参数估计后得到的模型残差平方和,为备择假设下对扰动项方差的一致估计。

基于时间效用函数的作业调度问题：一个包含m个资源块{S1,S2,…,Sm}的大数据处理集群C与作业集A，如何将资源块分配给各个作业，使得总效用最大化。公式（3）形式化描述了这一目标，其中ti是A中的一个作业Ji的实际完成时间。

步骤3：估计参数。采用组内估计法进行模型参数估计，即从每个观测值中减去其组内平均值以消除个体效应μi的影响，具体做法为用式(1)减去其组内平均。对于任意给定的门槛值γ，可以通过普通最小二乘法估计得到回归系数的估计值。

不可否认，数字普惠金融正依托互联技术驱动创新，折射出金融服务现代化的价值取向。数字普惠金融的本质性判别就是利用数字互联技术改造传统金融。技术创新驱动以其高效率便捷的优势，既可以有效消除传统金融的政策歧视与制度壁垒，又可以打破传统普惠金融的空间成本约束(主要指大量布局营业网点的成本)，进而构建一个包容性的金融发展体系。数字普惠金融依托互联网技术为客户提供多样化、个性化服务满足客户金融需求，“金融超市”、P2P网络贷款、小额贷款等创新的互联网金融模式，缓解信息不对称，延续了传统金融的生命力(李继尊，2015)[24]。但是，以技术驱动为特征的数字普惠金融又存在一个亟待做出回答的问题，技术的普及与使用显然要求使用者具备较高的知识存量。此时，数字普惠金融的“挑剔性”就显现出来了。事实上，我国部分省区金融发展与人力资本已出现协调性问题(徐胜和司登奎，2014)[25]，如若消费者知识存量不足，将会导致金融产品需求侧与供给侧因知识门槛而发生错配，即数字普惠金融的发展存在教育约束问题。到目前为止，数字普惠金融主要分为两个阶段：第一阶段为传统金融业务的互联网化，第二阶段为融入金融科技(Fintech)对金融业进行数字化创新，此阶段主要进行金融服务创新(曹凤岐，2015)[17]。无论是哪一阶段金融产品及服务的使用，都要求消费者具备相应知识存量。据此本文提出假定2：数字普惠金融是技术驱动型，其效力的发挥依赖于使用者的知识存量，即数字普惠金融对城乡收入的收敛效应存在教育约束。

金融发展会促进经济增长，在经济增长过程中增加个体尤其是贫困人群获得和使用金融服务的机会，让贫困人群享受经济增长带来的福利，帮助其摆脱贫困，从而达到缩小城乡差距的目的(Dollar和Kraay，2002)[21]。倘若普惠金融不能在更大范围内推行实施，公民将会出现持续性收入不均衡，经济增长也会放缓(Beck et al.,2007) [22]。普惠金融可以帮助贫困人口获得储蓄和借款，从而可以积累资产、建立个人信用(Demirguc-Kunt et al.，2012)[23]。是以，基于数字普惠金融的固有特征，并根据既有文献研究成果，本文提出如下假定1：数字普惠金融本质是传统普惠金融的技术延伸与扩展。它与传统普惠金融的功能效应应当保持一致，可以有效收敛城乡收入。

(1)基于隶属度函数的峰谷时段划分方法。[2]利用隶属度函数进行峰谷时段划分是较为常见的峰谷时段划分方法。对于某一地区的日负荷曲线，必定有一个最高峰点和最低谷点，首先我们制定两条确定的原则：①在日负荷曲线中将最高峰点命名为b点，且最高峰点处于峰时段的概率为100%，处于谷时段的概率为0%；②在日负荷曲线中将最低谷点命名为a点，且最低谷点处于峰时段的概率为0%，处于峰时段的概率为100%；③在日负荷曲线中将最高峰点除外的另一波峰命名为c。曲线上其余各点的峰谷属性则可根据与a、b、c点的相对位置通过模糊数学隶属度函数的方法来判别其在峰谷时段的概率。

theilit=α0+β1indexitI{eduit≤γ1 indexitI{eduit>γ2 }+

其中,下标i和t分别表示个体和时间变量。theil为泰尔指数表示的城乡收入差距，index为数字普惠金融指数，urban为城镇化率，is为二三产业增加值占GDP比重，reo为经济开放度，ufe为财政支出占GDP比重，rfe为农村财政支出占财政支出比重，pgdp为人均GDP，edu为劳动力平均受教育年限, γ1、γ2分别为两个门槛值。

(3)

β2urbanit+β3isit+β4reoit+β5ufeit+β6rfeit+β7pgdpit+β8eduit+εit

(二)数据来源与变量说明

步骤1：估计门槛值。以包含一个解释变量的单一门槛模型为例，门槛模型方程为式(1)。其中，qit为用来划分样本的门槛变量，γ为待估计的门槛值，xit为外生解释变量，回归后使模型残差平方和最小的门槛变量即为门槛估计值：

血小板计数是出血、血栓疾病的重要诊断指标。虽然关于儿童血小板参数参考范围的报道已有很多,但一直一来,我院检验科都是以(100-300)×109/L作为血小板计数的参考范围,但实际检测过程中却发现一部分儿童血小板计数高于此范围,而且普遍高于成人,临床医生对此也存有疑问。因此,作者对我院同一台仪器上健康体检的儿童和成人的静脉血血小板计数结果进行分组调查分析,得出结论。现报告如下:

被解释变量为城乡收入差距，用泰尔指数(theil)指代。泰尔指数将人口变动因素考虑在内，并且将城乡收入差距分解为组内差距和组间差距，较之城乡收入差距，可以更好地衡量收入差距变动。计算公式为：

(4)

其中，i=1,2分别代表城镇和农村，yit为第t年城镇、农村可支配收入，yt为第t年总可支配收入；xit为第t年城镇、农村人口数，xt为第t年总人口数。2013年，国家统计局将“农村人均纯收入”这一指标与“城市人均可支配收入”统一，口径变为“农村人均可支配收入”。查阅相关资料发现二者差距不大，因此2011年和2012年“农村人均可支配收入”这一指标由“农村人均纯收入”代替，“总可支配收入”由人口比例及收入计算而来。

近几十年，受全球气候环境变化和人为因素的影响，河西内陆河流域冰川、雪线后退，水源涵养功能减退，水土流失加剧，荒漠化趋势明显，区域环境干旱化进一步发展。河西内陆河水资源开发利用程度除疏勒河外，黑河、石羊河水系都超过了100%，石羊河流域最高时达到172%，区域用水远远超出水资源承载能力，导致河水、泉眼断流，水库、塘坝干涸，地下水下降，生态链条断裂。疏勒河下游敦煌西湖湿地、黑河下游东西居延海、石羊河下游青土湖均曾长期干枯，河流健康生命面临严重挑战。必须限制和压缩不合理的用水需求，将用水总量控制在水资源可承载能力之内。

index代表数字普惠金融指数，为本文核心解释变量。该指数包含3个二级指标24个指标群，具体为数字普惠金融覆盖广度、使用深度和数字支持服务程度，涵盖支付、保险、货币基金、征信、投资、信贷等24个细分指标;urban为城镇化率，即年末城镇人口占地区总人口比重，城镇化是农民追求更高效、更高收益的空间转移过程，在非农转换中能够提升劳动力生产效率，大量的实证研究业已表明：城镇化可以使城乡收入趋于收敛；is为产业结构，是二、三产业增加值占GDP的比重。农业是弱质产业，表现为低生产效率与低收益性。显然，农业产值占比愈高，依附产业结构的农业就业人口就会愈多，越不利于城乡收入收敛。reo为经济开放度，用实际利用外商投资额(按当年美元与人民币汇率兑算)占GDP的比重表示，城镇作为产业发展的空间集聚载体，加之奉行城镇优先的制度环境，经济开放度(reo)对城镇居民的收入效应要远大于农村居民，因为我国引进外资的投资区位大部分集中在城镇地区和城郊地区(唐礼智，2008)[29]。ufe、rfe分别为财政支出比重与财政农支出比重，指代地方政府对经济的干预度。官员晋升的威权体制下，地方政府存在城市发展偏好，倾向于将更多的财政资源投向城市。是以，财政支出比会扩大城乡收入差距。反之，财政农支出比会缩小城乡收入差距。pgdp为人均GDP，指代地方经济增长水平。edu为地区平均教育水平，考虑到金融服务的对象应当是具备偿还能力与法律责任的主体，所以本文选择用劳动力平均受教育年限来表示。一方面，国家长期施行城市偏向的教育投资体制，导致农村人力资本存量不足而影响农村经济发展，进一步扩大了城乡收入差距；另一方面，本文的假定2-假定4需要通过确定教育门槛，以验证命题是否成立。

四 实证结果与讨论

(一)假定1验证：数字普惠金融对城乡收入差距的收敛效应

本文分别采用随机效应(RE)、固定效应(FE)对相关变量进行逐次回归，之后，豪斯曼检验结果显示：P=0.0169，在5%显著水平上拒绝随机效应的原假设。因此，选择固定效应模型更为合适。由于篇幅限制，表1只汇报了固定效应(FE)的逐次回归结果。

表1 数字普惠金融的收敛效应

变量模型1模型2模型3模型4index-0001280∗∗∗-0000727∗∗-0001400∗∗∗-0000939∗∗∗(0000157)(0000314)(0000329)(0000292)edu01320∗∗∗01040∗∗∗01310∗∗∗00983∗∗∗(00142)(00230)(00238)(00251)is-0001800097(00222)(00157)reo-00199-00099(00133)(00098)

(续上表)

变量模型1模型2模型3模型4ufe0005900018(00077)(00051)rfe0004400163(00122)(00115)urban-00428∗∗∗-00426∗∗∗(00127)(00120)pgdp671e-06∗762e-06∗(336e-06)(398e-06)Constant0370∗∗2624∗∗∗03911586(0166)(0670)(2275)(1349)Observations155155155155R-squared0609 0760 06210772Numberofpro31313131

注：*、**、***分别表示估计系数通过10%、5%、1%显著性水平检验，括号内为标准误。

模型1只包括了数字普惠金融指数、受教育程度两个解释变量，结果表明，数字普惠金融指数(index)系数为负(-0.00128)，且在1%水平上显著，即数字普惠金融对城乡收入差距具有缩减作用。模型2-模型4分别报告了引入城镇化率(urban)、人均GDP(pgdp)、经济开放度(reo)等变量的回归结果，核心解释变量index的回归系数始终为负，且显著性水平保持稳健。据此表明，数字普惠金融对城乡收入存在收敛效应，假设1得到验证。此外，观察其他控制变量，城镇化率(urban)系数为负，在1%水平上显著，说明城镇化的发展可以缩小城乡收入差距；受教育年限(edu)在模型1-模型4中回归系数均为正，且在1%水平上显著，表明长期城市偏向的教育发展战略确然扩大了城乡收入差距，这与前述研究结果一致，符合理论预期。

(二)假定2验证：收敛机制的门槛效应

数字普惠金融具有强技术性要求，且由于数字互联网技术与生俱来的风险性，这就要求数字普惠金融的受众群体具备相应的知识技能。一般来讲，受众群体受教育水平越高，就越容易接受和使用数字普惠金融。因此，数字普惠金融对城乡收入的收敛效应将会依赖于具备何种教育水平的受众群体的使用状况，即其发挥效力会存在教育门槛。

表2 全国样本的门槛估计值和置信区间

模型门槛估计值95%的置信区间单一门槛10750[10600，11000]双重门槛13800[13800，13800]10750[10600，11000]三重门槛11300[11300，11700]

表3 全国样本的门槛效果自抽样检验

模型F值P值BS次数临界值1%5%10%单一门槛29262∗∗∗00004001461493097087双重门槛45868∗∗∗00004001601399827541三重门槛471101054001323574825125

注：F值、P值均为“Bootstrap法”模拟400次后得到的结果，***表示通过1%显著性水平检验。

表2、表3分别汇报了全国样本的门槛估计值与门槛效果自抽样(Bootstrap)检验结果，从中发现全国样本存在双重门槛，门槛值分别为10.75与13.8。鉴于我国东中西部的教育发展存在巨大差异，按照传统三大经济带又分别进行了门槛值估计。限于篇幅，东中西部的门槛估计值与门槛效果自抽样检验结果不再以表格形式汇报。东部地区为双重门槛模型，门槛值分别为11.5和13.8；中部区域不存在门槛效应；西部区域为单门槛模型，门槛值为10.25。

(三)假定3验证：收敛效应具有区域性差异

如表4所示，d1、d2为虚拟变量，设两门槛值分别为a、b，当edu≤a时，d1取1；当edu>b时, d2取1。index为当a<edu≤b时，数字普惠金融对城乡收入水平差距的影响系数；Indexd1、Indexd2分别为当edu≤a和edu>b时，数字普惠金融对城乡收入差距的影响系数与index系数之差。表4模型5是全国样本的门槛回归结果，由回归结果可知，当10.75<edu≤13.8，数字普惠金融系数为-0.000588；当edu≤10.75时，系数为-0.001137；当edu>13.8时，系数为-0.001638。据此推断，在高受教育水平区间(Indexd2)上，数字普惠金融对城乡收入的收敛系数最大。模型6为东部区域的回归结果，同样地，双重门槛的三个区间系数均统计显著，edu≤11.5时，影响系数为-0.000376；11.5<edu≤13.8，影响系数为-0.00121；edu>13.8时，影响系数为-0.001341。表明在东部地区，人群的受教育水平越高，则数字普惠金融对城乡收入差距的收敛效应越大。模型7是中部区域的回归结果，尽管中部地区不存在门槛效应，但作为结果对照，本部分依然汇报了其固定效应回归结果，实证结果显示：数字普惠金融指数对泰尔指数的影响系数并不显著。模型8汇报了西部地区的单门槛模型。当在低受教育水平区间上(edu≤10.25)，影响系数为-0.002198，且在1%水平上显著；当在高受教育水平区间上(edu>10.25)，数字普惠金融对城乡收入的收敛系数为-0.000828，但却没有通过显著性检验。即在西部地区，数字普惠金融作用于低受教育水平区间上时，收敛效应才会显现。可见，在全国地区及东中西部三大传统经济带内，数字普惠金融对城乡收入差距的收敛效应存在空间差异性。

部分初中学生认为长大毕业工作后使用英语的机会是微乎其微，对英语学习存在敷衍应付的心理，还有一些初中学生因需要背诵单词量过于庞大而降低了英语学习的兴趣爱好，也有部分学生因英语学习难度较大和没有掌握恰当的英语学习方法而降低了英语学习效率。加之，部分英语课堂学习氛围比较沉闷压抑，加剧了学生学习英语知识的厌烦心理，降低了学生自主学习以及主动学习英语知识的积极性。

表4 回归结果：收敛效应的地区差异

变量模型5全国样本模型6东部样本模型7中部样本模型8西部样本index-0000588∗∗-0001210∗∗∗-0000321-0000828(0000233)(0000218)(0000255)(0000532)Indexd1-0000549∗∗0000834∗∗-0001370∗∗∗(0000228)(0000269)(0000404)

(续上表)

变量模型5全国样本模型6东部样本模型7中部样本模型8西部样本Indexd2-0001050∗∗∗-0000131∗(0000310)(622e-05)urban-00551∗∗∗-00277∗∗-00520∗∗∗-00640∗∗∗(00081)(00115)(00119)(00102)is00099-00217∗∗-00077-00130(00095)(00084)(00058)(00151)reo-0003100085-00113-00277(00066)(00061)(00399)(00186)ufe00033-0002700162∗∗00051(00037)(00054)(00063)(00039)rfe00184∗∗-000660004000036(00081)(00113)(00084)(00134)pgdp971e-06∗∗∗684e-06∗783e-06∗∗165e-05∗∗(307e-06)(313e-06)(294e-06)(676e-06)edu00842∗∗∗01410∗∗-0027100525∗∗(00217)(00536)(00357)(00190)Constant2200∗∗3037∗∗4639∗∗∗5036∗∗(0847)(1071)(0620)(1622)Observations155554060R-squared0852 0707 0939 0947 Numberofpro3111812

注：*、**、***分别表示估计系数通过10%、5%、1%显著性水平检验，括号内为标准误。

(四)假定4验证：收敛机制的适配效应

基于假定2进一步推断，数字普惠金融在不同教育区间上发生效力具有明显的差异性。通过反向逻辑推断不难理解，由于初始发展条件的限定，不同受教育水平的人群对金融服务类型的需求会显著不同。例如：东部沿海发达地区，农村人口在很大程度上已经摆脱了生存需求，因此其获取数字金融服务的动机可能是实现个人发展，反映在数字普惠金融的产品需求上就会表现为发展型需求。这就启示我们，一旦数字普惠金融产品类型的供给与需求发生错配，其缩小城乡收入差距的效力将会大打折扣，甚至适得其反。数字普惠金融指数由3个二级指标构成，本部分选取了信贷率表示发展型需求，支付使用率指代消费型需求，保险率表示保障型需求。继续用劳动力受教育年限作为门槛变量，回归结果如表5所示。表5模型9、模型10是发展型、消费型数字普惠金融服务的需求回归结果。在高受教育水平区间上(Indexd2)，回归系数为负且在1%水平上统计显著；而在中间区间与低受教育水平段上(index、Indexd1)，回归系数尽管为负，但没有通过显著性检验。进一步观察发现，在高受教育水平区间上(Indexd2)，表5模型10、模型11中的回归估计系数明显小于模型9；与此同时，在低受教育水平区间上(Indexd1)，模型10、模型11的估计系数均通过了5%的显著性水平检验，而模型9的系数不显著。据此可以推断，由于消费者知识存量的不同，其对数字普惠金融产品与服务的需求方案将会存在显著差别。因此，如果数字普惠金融产品的供给类型与不同知识存量下的需求不能相匹配，那么其对城乡收入差距的收敛效力将会大打折扣。在受教育水平较高的地区，发展型、消费型数字普惠金融的发展能够有效缩小城乡收入差距。反之，在受教育水平较低的地区，生存型、保障型数字普惠金融对缩小城乡收入差距更能发挥效力。可见，不同受教育水平人群对数字普惠金融服务的选择与需求不同，相应地，数字普惠金融对城乡收入差距的收敛机制存在适配效应。

表5 回归结果：收敛机制的适配效应

变量模型9发展型回归模型10消费型回归模型11保障型回归index-00001060000338-189e-06(0000280)(0000331)(342e-05)Indexd1-0000699-0000618∗∗-0000244∗∗(0000445)(0000289)(968e-05)Indexd2-00015∗∗∗-00012∗∗∗-00003∗∗∗(00004)(00003)(00001)urban-00648∗∗∗-00690∗∗∗-00606∗∗∗(00097)(00102)(00094)edu00959∗∗∗00800∗∗∗00787∗∗∗(00299)(00277)(00200)is000780009300102(00091)(00088)(00112)reo-00070-00026-00022(00092)(00082)(00086)ufe0004200009-00019(00043)(00040)(00042)rfe001090011200128∗(00109)(00084)(00067)pgdp499e-06433e-06523e-06(361e-06)(315e-06)(316e-06)Constant3001∗∗∗3346∗∗∗2864∗∗∗(0809)(0894)(1004)R-squared081108320831

注：*、**、***分别表示估计系数通过10%、5%、1%显著性水平检验，括号内为标准误。

五 结论与思考

数字普惠金融是传统普惠金融与互联网技术的深度融合，实现了更广的覆盖与更便捷的触达。信息化技术与数字金融产品的创新，有效降低了金融服务成本，降低了金融资源的获取门槛。通过实证分析，本文得出如下结论：(1)数字普惠金融能够缩小城乡收入差距，存在收敛效应。(2)收敛效应的发生机制存在门槛效应，在不同的受教育区间水平上，收敛效应的系数水平不同。(3)收敛效应显现出十分明显的空间差异，表现为：在高受教育水平区间上，东部地区的收敛效应更大；反之，西部地区的收敛效应更大。(4)收敛效应存在选择机制，不同受教育水平的区间上，不同产品类型数字普惠金融发生效力的大小与方向不同。在高受教育水平区间上，发展型的数字普惠金融产生更大收敛效力；反之，消费型、保障型的收敛效力更大。

由如上结论，本文提出以下几点建议与思考。一是构建多元化的数字普惠金融服务产品体系。普惠金融旨在建立有效、全方位的为社会中所有阶层及群体提供服务的金融体系，让弱势群体拥有可以平等享受现代金融服务的机会与权利，让受到非自愿性金融排斥的弱势群体能够公平及时地获得金融服务，共享金融发展成果。数字普惠金融是对普惠金融内涵、特征的综合概括，是反映普惠金融总体的一个视角。无论是社会所有阶层还是贫困群体，都有多元化金融产品和金融服务需求要满足。因此，随着普惠金融的不断创新发展，要建立有效普惠金融供给体系，还需要有多元化、多层次的数字普惠金融产品和服务。数字普惠金融的发展不仅要包括银行服务，还要包括投资、保险、货币基金、征信等服务。重视数字普惠金融产品创新，依托于云计算、大数据以及互联网技术，促使金融产品数字化，争取创新出一些门槛低、种类丰富的金融产品，推进普惠金融向多元化、多层次性迈进。二是避免陷入“数字陷阱”，重视改善数字普惠金融带来的数字鸿沟问题。不可否认，数字普惠金融在解决普惠金融传统问题方面有重大潜力，极大地推动传统金融的数字化、移动化。然而，农村贫困人口往往受教育程度较低、思想观念陈旧，对数字技术的理解能力低、互联网金融的应用水平低、承担风险的能力弱，甚至在很大程度上，这部分人口会由制度排斥变为技术排斥。因此，需着力促进农村人口受教育水平提高，增强其利用技术获取金融资源的能力，为数字普惠金融长期可持续发展奠定基础；另一方面要注重开发出形式多样化的普惠金融，让传统金融与数字金融相融合，做到线上线下相结合，不搞千篇一律。三是要充分考虑到不同地区普惠金融发展初始条件所决定的金融需求多层级性。我国东中西部三大传统经济带，人口发展条件、经济发展现状迥异，寻求金融服务的需求与发展方式必然不同。已有研究发现，东部地区农民创业活跃度为8%～11%，中西部地区则较低，维持在3%～6%区间上(古家军和谢凤华，2012)[30]。可见，东部地区农民创业率更高，普惠式的金融环境有助于其获取足够资金支持，以跨越创业门槛(罗明忠和陈江华，2016)[31]；中西部地区可能倾向于金融扶贫与生存保障。

[参考文献]

[1] 武小龙, 刘祖云. 中国城乡收入差距影响因素研究——基于2002-2011年省级Panel Data的分析[J]. 当代经济科学, 2014, (1): 46-54, 125-126.

[2] 李实, 罗楚亮. 中国收入差距究竟有多大?——对修正样本结构偏差的尝试[J]. 经济研究, 2011, 46(4): 68-79.

[3] 王修华, 邱兆祥. 农村金融发展对城乡收入差距的影响机理与实证研究[J]. 经济学动态, 2011, (2): 71-75.

[4] 甘宇. 财富水平与社会资本对农户融资能力的影响: 来自4446个农户的证据[J]. 产经评论, 2015, 6(3): 151-160.

[5] 刘亭亭, 刘传哲. 中国金融发展与城乡居民收入差距关系的实证研究——基于1978～2009年数据的检验[J]. 特区经济, 2011, (2): 23-25.

[6] 刘玉光, 杨新铭, 王博. 金融发展与中国城乡收入差距形成——基于分省面板数据的实证检验[J]. 南开经济研究, 2013, (5): 50-59.

[7] 温涛, 冉光和, 熊德平. 中国金融发展与农民收入增长[J]. 经济研究, 2005, (9): 30-43.

[8] 张中锦. 金融发展效应、 收入增长与城乡差距[J]. 中国经济问题, 2011, (4): 67-74.

[9] 孙君, 张前程. 中国城乡金融不平衡发展与城乡收入差距的经验分析[J]. 世界经济文汇, 2012, (3): 108-120.

[10] 张立军, 湛泳. 金融发展影响城乡收入差距的三大效应分析及其检验[J]. 数量经济技术经济研究, 2006, (12): 73-81.

[11] 焦瑾璞. 构建普惠金融体系的重要性[J]. 中国金融, 2010, (10): 12-13.

[12] 徐敏, 张小林. 普惠制金融对城乡居民收入差距的影响[J]. 金融论坛, 2014, (9): 9-15.

[13] 杨文华. 普惠金融视角下的农村金融发展与城乡收入差距关系研究[J]. 统计与决策, 2016, (17): 164-166.

[14] 李建伟, 李树生, 胡斌. 具有普惠金融内涵的金融发展与城乡收入分配的失衡调整——基于VEC模型的实证研究[J]. 云南财经大学学报, 2015, (1): 110-116.

[15] 黄永兴, 陆凤芝. 普惠金融能缩小城乡收入差距吗?——基于非线性与线性面板模型的检验[J]. 商业研究, 2017, (6): 63-68.

[16] 罗能生, 张雅莉. 信息网络发展对区域创新的正向影响效应及条件约束——基于中国省际动态面板数据的实证研究[J]. 产经评论, 2017, 8(4): 50-63.

[17] 曹凤岐. 互联网金融对传统金融的挑战[J]. 金融论坛, 2015, 20(1): 3-6, 65.

[18] 张晓燕. 互联网金融背景下普惠金融发展对城乡收入差距的影响[J]. 财会月刊, 2016, (17): 94-97.

[19] 焦瑾璞, 孙天琦, 黄亭亭等. 数字货币与普惠金融发展——理论框架、 国际实践与监管体系[J]. 金融监管研究, 2015, (7): 19-35.

[20] 宋晓玲. 数字普惠金融缩小城乡收入差距的实证检验[J]. 财经科学, 2017, (6): 14-25.

[21] Dollar, D., Kraay, A.. Growth is Good for the Poor[J]. Social Science Eletronic Publishing, 2002, 7(3): 195-225.

[22] Beck, T., Demirguc-Kunt, A., Peria, M. S. M.. Reaching out: Access to and Use of Banking Services Across Countries[J]. Journal of Financial Economics, 2007, 85(1): 234-266.

[23] Demirguc-Kunt, A., Klapper, L. F.. Measuring Financial Inclusion: The Global Findex Database[J]. Policy Research Working Paper, 2012.

[24] 李继尊. 关于互联网金融的思考[J]. 管理世界, 2015, (7): 1-7, 16.

[25] 徐胜, 司登奎. GDP增长中人力资本与金融发展的协调性研究[J]. 统计与决策, 2014, (12): 150-153.

[26] 彭文斌, 刘友金. 我国东中西三大区域经济差距的时空演变特征[J]. 经济地理, 2010, (4): 574-578.

[27] 陈国阶. 我国东中西部发展差异原因分析[J]. 地理科学, 1997, (1): 2-8.

[28] Hansen, B. E.. Threshold Effect in Non-dynamic Pannels: Estimation, Testing, and Inference[J]. Journal of Econometrics, 1999, 93(2): 345-368.

[29] 唐礼智, 刘喜好, 贾璇. 我国金融发展与城乡收入差距关系的实证研究[J]. 农业经济问题, 2008, (11): 44-48.

[30] 古家军, 谢凤华. 农民创业活跃度影响农民收入的区域差异分析——基于1997-2009年的省际面板数据的实证研究[J]. 农业经济问题, 2012, (2): 19-23, 110.

[31] 罗明忠, 陈江华. 资源禀赋、 外部环境与农民创业组织形式选择[J]. 产经评论, 2016, 7(4): 103-115.