摘要

数字普惠金融的快速发展为缩小城乡居民收入差距提供了新路径，但其异质性影响及作用机制尚待深入探讨。本研究基于2011—2022年中国省级面板数据，运用双向固定效应模型、分位数回归及交互项分析等方法，系统考察了数字普惠金融对城乡居民收入差距的异质性影响及其机制。研究发现：第一，数字普惠金融总体上显著缩小了城乡收入差距，该结论在经过替换变量、剔除异常样本及工具变量法处理内生性后依然稳健。第二，异质性分析表明，数字普惠金融的缩小效应在中西部地区强于东部地区；覆盖广度与使用深度的提升有助于缩小差距，但数字化程度提高反而扩大了收入差距；早期阶段（2011—2015年）的效应强于后期阶段（2016—2022年）；分位数回归显示，在收入差距较大的地区，缩小效应更为显著。第三，机制检验揭示了“门槛效应”与“排斥效应”并存：数字普惠金融通过提升金融可得性发挥减贫作用（门槛效应），但数字基础设施与教育水平不足会强化“数字鸿沟”，削弱其包容性效果（排斥效应）。本研究拓展了数字金融与收入分配的理论框架，为制定差异化、精准化的数字普惠金融政策提供了实证依据。

关键词：数字普惠金融；城乡居民收入差距；异质性；门槛效应；排斥效应；省级面板数据

---

Abstract

The rapid development of digital inclusive finance offers a new pathway to narrow the urban-rural income gap, yet its heterogeneous effects and underlying mechanisms remain underexplored. Based on China’s provincial panel data from 2011 to 2022, this study systematically investigates the heterogeneous impacts of digital inclusive finance on the urban-rural income gap using two-way fixed effects models, quantile regression, and interaction term analysis. The main findings are as follows. First, digital inclusive finance significantly reduces the urban-rural income gap on average, a conclusion that remains robust after variable substitution, sample exclusion, and instrumental variable estimation. Second, heterogeneity analysis reveals that the narrowing effect is stronger in central and western regions than in eastern regions; while coverage breadth and usage depth contribute to reducing the gap, the degree of digitalization widens it; the effect is more pronounced in the early period (2011–2015) than in the later period (2016–2022); and quantile regression shows that the effect is larger in regions with greater income disparity. Third, mechanism tests confirm the coexistence of a “threshold effect” and an “exclusion effect”: digital inclusive finance reduces poverty by improving financial accessibility (threshold effect), but insufficient digital infrastructure and educational attainment exacerbate the “digital divide,” weakening its inclusiveness (exclusion effect). This study extends the theoretical framework of digital finance and income distribution, providing empirical evidence for differentiated and targeted policy design.

Keywords: Digital inclusive finance; Urban-rural income gap; Heterogeneity; Threshold effect; Exclusion effect; Provincial panel data

1.1 研究背景

1.1.1 数字普惠金融的兴起与发展趋势

数字普惠金融是传统普惠金融与数字技术深度融合的产物，其核心在于借助移动支付、大数据、云计算和人工智能等新兴技术手段，以更低成本、更广覆盖和更便捷的方式为传统金融体系难以触及的群体提供基础金融服务。自2005年联合国首次提出“普惠金融”概念以来，全球范围内对金融包容性的关注持续升温。中国自2016年G20杭州峰会正式提出《G20数字普惠金融高级原则》后，数字普惠金融进入快速发展轨道。北京大学数字金融研究中心联合蚂蚁集团研究院发布的数字普惠金融指数显示，中国省级数字普惠金融指数均值从2011年的40.00增长至2022年的约350.00，年均增长率超过20%[1]。数字普惠金融的快速发展不仅重塑了金融服务的供给格局，更深刻影响了居民的经济行为与收入分配结构。

1.1.2 中国城乡居民收入差距的现状与挑战

改革开放以来，中国经济持续高速增长，但城乡二元结构导致的收入分配失衡问题始终未得到根本解决。国家统计局数据显示，中国城乡居民人均可支配收入比从2000年的2.79扩大至2009年的3.33，随后虽有所回落，但2022年仍维持在2.45的水平。若考虑教育、医疗、社会保障等公共服务差异，实际城乡收入差距可能更大。更为严峻的是，城乡收入差距在区域间呈现显著分化：东部地区城乡收入比已降至2.0左右，而西部地区仍普遍高于2.8。这种收入差距的持续存在不仅制约内需扩大与消费升级，更可能引发社会矛盾，阻碍共同富裕目标的实现。因此，探寻缩小城乡收入差距的有效路径，成为理论经济学研究的重要议题。

1.1.3 数字普惠金融与收入分配关系的学术关注

数字普惠金融的快速扩张为破解城乡收入差距难题提供了新的可能。理论上，数字普惠金融通过降低金融服务门槛、拓宽融资渠道、提升风险管理能力等机制，能够为农村居民和低收入群体创造更多增收机会，从而缩小城乡收入差距。然而，实践中也存在“数字鸿沟”导致的排斥效应：教育水平较低、数字技能匮乏的弱势群体可能难以充分享受数字金融红利，反而加剧收入不平等。这种效应的异质性使得数字普惠金融对城乡收入差距的影响方向并非先验确定，而是取决于经济发展阶段、区域特征、制度环境等多重因素的交互作用。近年来，国内外学者围绕这一主题展开了大量实证研究，但结论仍存在较大分歧：部分研究支持数字普惠金融的“减贫增收”效应[2]，另一些研究则发现其可能加剧收入差距[3]。这种分歧表明，深入识别异质性影响并揭示作用机制，具有重要的学术价值与现实意义。

1.2 研究目的与意义

1.2.1 研究目的：异质性效应的识别与机制检验

本研究旨在系统考察数字普惠金融对中国城乡居民收入差距的异质性影响，并检验其作用机制。具体而言，研究目标包括三个方面：第一，基于省级面板数据估计数字普惠金融对城乡收入差距的平均效应，验证“库兹涅茨假说”在数字金融领域的适用性；第二，从区域、维度、时间阶段和经济发展水平四个维度切入，识别异质性影响的具体特征与边界条件；第三，构建中介效应与调节效应模型，检验门槛效应、排斥效应等理论机制，为理解数字普惠金融的收入分配效应提供经验证据。

1.2.2 理论意义：拓展数字金融与收入分配理论

本研究在理论上具有以下贡献：首先，将数字普惠金融纳入金融发展与收入分配的分析框架，丰富和发展了金融发展理论在数字经济时代的解释力；其次，通过引入“数字鸿沟”理论，构建了包容性增长与排斥效应的二元分析范式，为理解数字技术的非均衡影响提供了理论工具；最后，异质性分析有助于揭示数字普惠金融影响收入差距的条件依赖性，推动相关研究从“是否有效”向“何时有效、对谁有效”深化。

1.2.3 实践意义：为差异化政策提供实证依据

从实践层面看，本研究可为各级政府制定差异化的数字普惠金融政策提供实证支撑。当前中国数字普惠金融发展存在显著的区域不平衡与群体分化，若政策“一刀切”，可能加剧而非缓解城乡收入差距。本研究通过识别不同区域、不同维度、不同阶段的异质性效应，有助于精准定位政策发力点：例如，在西部地区应优先加强数字基础设施建设以扩大覆盖广度，而在东部地区则应着力提升使用深度以增强增收效果。这种精细化政策建议对于实现“共同富裕”战略目标具有直接的现实意义。

1.3 国内外研究现状

1.3.1 数字普惠金融对收入差距的总体效应研究

现有文献关于数字普惠金融对城乡收入差距的总体效应尚未形成一致结论。部分研究支持“缩小论”：宋晓玲（2017）基于省级面板数据的实证分析发现，数字普惠金融发展显著缩小了城乡收入差距，且这种效应在西部地区更为明显[4]。张勋等（2019）利用中国家庭追踪调查数据，从微观层面验证了数字金融的包容性增长效应，指出数字金融显著提升了农村低收入家庭的收入水平[5]。然而，另一些研究则持“扩大论”或“非线性论”：王修华和赵亚雄（2020）发现数字普惠金融与城乡收入差距之间存在倒U型关系，即初期可能扩大差距，跨过拐点后才转为缩小[6]。这种分歧的产生，很大程度上源于研究样本、变量测度与模型设定的差异，也为本研究开展异质性分析提供了必要性与切入点。

1.3.2 异质性视角下的相关研究

近年来，学者们开始关注数字普惠金融效应的异质性特征。在区域异质性方面，郭峰等（2020）指出数字普惠金融指数在东、中、西部地区呈现梯度递减格局，其对收入差距的影响方向与强度亦存在显著差异[7]。在维度异质性方面，易行健和周利（2018）发现覆盖广度对缩小收入差距的贡献大于使用深度，而数字化程度的影响则不显著[8]。在群体异质性方面，尹志超等（2019）基于微观调查数据发现，数字普惠金融对低教育水平、低收入群体的增收效应有限，提示数字鸿沟可能削弱政策的减贫效果[9]。这些研究为本研究的分维度、分区域分析提供了重要参考，但也存在以下不足：一是多数研究仅关注单一异质性维度，缺乏对多重异质性的系统整合；二是机制检验相对薄弱，未能清晰区分门槛效应与排斥效应的作用路径。

1.3.3 现有研究的不足与本研究的切入点

综合以上分析，现有研究存在三个主要不足：第一，对异质性的考察不够系统，较少同时考虑区域、维度、时间和经济发展水平的交互影响；第二，机制分析多停留在理论推演层面，缺乏严谨的中介效应与调节效应检验；第三，内生性处理不够充分，部分研究未有效解决数字普惠金融发展与收入差距之间的反向因果关系。针对上述不足，本研究拟以2011-2022年省级面板数据为基础，采用基准回归、分组回归、分位数回归与交互项分析相结合的方法，系统识别数字普惠金融对城乡收入差距的异质性影响，并通过中介效应模型与调节效应模型检验门槛效应与排斥效应机制，以期为理论深化与政策优化提供更为可靠的实证依据。

1.4 研究内容与方法

1.4.1 研究内容框架

本研究遵循“理论推演—实证检验—机制分析—政策启示”的逻辑主线。首先，在第二章中界定核心概念、梳理金融发展理论、包容性增长理论与数字鸿沟理论，并推演数字普惠金融影响城乡收入差距的作用机制与异质性效应。其次，在第三章中构建计量模型、选取变量并说明数据来源。再次，在第四章中开展系统的实证分析，包括基准回归、异质性分析与机制检验，并辅以稳健性检验与内生性处理。最后，在第五章中讨论实证结果的理论含义，提出差异化政策建议，并在第六章中总结全文、展望未来研究方向。

1.4.2 研究方法：面板数据模型、分位数回归、交互项分析

本研究综合运用多种计量方法：第一，采用双向固定效应模型作为基准回归方法，以控制省份层面不可观测的个体异质性与时间趋势；第二，通过分组回归与交互项分析识别区域、维度与时间阶段的异质性效应；第三，运用面板分位数回归方法，考察在不同收入差距水平下数字普惠金融的差异化影响；第四，借鉴Baron和Kenny（1986）的中介效应检验思路[10]，构建金融可得性的中介效应模型；第五，引入数字基础设施与教育水平的调节效应项，检验排斥效应的存在性。此外，为缓解内生性问题，本研究将采用工具变量法（如互联网普及率、历史邮局数量等）进行稳健性检验。

1.4.3 数据来源与样本说明

本研究使用的数据主要包括两类：一是北京大学数字金融研究中心发布的省级数字普惠金融指数（2011-2022年），该指数从覆盖广度、使用深度和数字化程度三个维度综合测度数字普惠金融发展水平[1]；二是国家统计局发布的省级宏观经济数据，包括城乡收入比、泰尔指数、人均GDP、城镇化率、产业结构、教育水平等。样本覆盖中国31个省份（不含港澳台），时间跨度为2011-2022年，共计372个观测值。对于个别年份缺失的数据，采用线性插值法进行补齐。所有货币变量均以2011年为基期进行平减处理，以消除价格因素影响。

1.5 论文结构安排与创新点

本论文共分为六章。第一章为绪论，阐明研究背景、目的、意义、文献综述与研究方法。第二章为理论基础与作用机制，构建理论分析框架。第三章为研究设计与数据说明，介绍模型设定、变量测度与数据来源。第四章为实证结果与分析，报告基准回归、异质性分析与机制检验结果。第五章为讨论与政策启示，对实证结果进行理论解释并提出政策建议。第六章为结论与展望，总结全文并指出研究局限与未来方向。

本研究的创新点主要体现在三个方面：第一，构建了“门槛效应—排斥效应”二元机制框架，弥补了现有研究对机制检验的忽视；第二，从区域、维度、时间和经济发展水平四个维度系统考察异质性影响，突破了单一维度分析的局限；第三，采用分位数回归与交互项分析相结合的方法，更精细地刻画了数字普惠金融效应的条件依赖性，为差异化政策设计提供了更可靠的实证依据。

2.1 核心概念界定

2.1.1 数字普惠金融的内涵与测度

数字普惠金融是传统普惠金融在数字技术驱动下的延伸与深化。根据全球普惠金融合作伙伴组织（GPFI）的定义，数字普惠金融泛指通过数字技术手段，为无法或难以获得正规金融服务的群体提供一系列负担得起的、便捷的、安全的金融产品与服务。其核心内涵包含三个层面：一是普惠性，强调服务对象的广泛覆盖，尤其是低收入群体、农村居民及小微企业等长尾客户；二是数字化，依托移动支付、网络信贷、互联网保险等技术载体，降低服务成本并突破地理限制；三是可持续性，要求服务提供者在商业可行性与社会责任之间取得平衡。在测度方面，目前学界广泛采用的是北京大学数字金融研究中心编制的数字普惠金融指数。该指数从覆盖广度、使用深度和数字化程度三个维度构建指标体系，覆盖广度通过账户覆盖率衡量，使用深度通过支付、信贷、投资等业务的实际使用情况衡量，数字化程度则通过移动化、实惠化、信用化等指标反映。该指数已被大量实证研究采用，具有较好的信度和效度 [1]。

2.1.2 城乡居民收入差距的界定与衡量指标

城乡居民收入差距是指城镇居民人均可支配收入与农村居民人均纯收入之间的相对差异。这一指标反映了二元经济结构下城乡间资源配置与分配结果的不平衡。在实证研究中，常用的衡量指标包括城乡收入比（城镇居民人均可支配收入除以农村居民人均纯收入）和泰尔指数。城乡收入比计算简便、直观易懂，但其缺陷在于忽略了城乡人口比重的变化对总体差距的影响。泰尔指数则能够将总体收入差距分解为组内差距与组间差距，从而更精确地反映城乡之间的结构性差异 [2]。其计算公式为：

其中，$Y_i$ 和 $P_i$ 分别表示第 $i$ 个省份的城镇或农村居民总收入与总人口，$Y$ 和 $P$ 为全国总量。本研究将同时采用城乡收入比与泰尔指数作为被解释变量，以确保结论的稳健性。

2.2 相关理论基础

2.2.1 金融发展理论与收入分配

金融发展与收入分配之间的关系是发展经济学长期关注的核心议题。经典的 Greenwood 与 Jovanovic 模型（GJ 模型）指出，金融发展对收入差距的影响呈现出倒 U 型特征：在金融发展初期，由于金融服务的门槛效应，富裕阶层能够优先获得融资机会，从而扩大收入差距；随着金融体系的深化，更多低收入群体得以参与金融市场，收入差距随之缩小 [3]。这一理论为理解数字普惠金融的异质性影响提供了基础框架。然而，数字普惠金融的兴起可能改变传统金融发展的路径：一方面，数字技术大幅降低了金融服务的准入门槛，理论上可以加速倒 U 型曲线拐点的到来；另一方面，若数字基础设施与金融素养的分布不均衡，则可能强化而非削弱原有的不平等格局。

2.2.2 普惠金融的包容性增长理论

包容性增长理论强调经济增长的成果应惠及所有社会成员，尤其是弱势群体。普惠金融作为实现包容性增长的重要工具，通过提供储蓄、信贷、保险等基础金融服务，帮助低收入群体平滑消费、应对风险并参与生产性投资 [4]。数字普惠金融进一步放大了这一包容性效应：移动支付降低了交易成本，网络信贷缓解了信息不对称，数字保险增强了风险抵御能力。从理论上看，数字普惠金融能够通过以下渠道缩小城乡收入差距：一是促进农村地区的资本形成与产业升级，二是增强农村居民的人力资本投资能力，三是改善农村劳动力的非农就业机会。然而，包容性增长的实现依赖于金融服务的实际使用而非仅覆盖，这引出了对“数字鸿沟”问题的关注。

2.2.3 技术扩散与“数字鸿沟”理论

技术扩散理论认为，新技术的传播通常遵循 S 型曲线，早期采用者多为高收入、高教育水平的群体，而低收入群体往往滞后 [5]。这一规律在数字金融领域表现为“数字鸿沟”，即不同群体在数字技术的接入、使用和收益方面存在显著差异。具体而言，数字鸿沟可分为三个层次：第一层次是接入鸿沟，涉及互联网与智能设备的可及性；第二层次是使用鸿沟，涉及数字技能与金融素养的差异；第三层次是收益鸿沟，涉及数字技术带来的经济回报的不平等。在城乡二元结构下，农村居民在三个层次上均处于劣势，可能导致数字普惠金融的收益更多流向城镇居民，从而加剧收入差距。因此，数字普惠金融对收入差距的影响并非单向的减贫效应，而是同时存在“包容”与“排斥”两种相反的力量，其净效应取决于两种力量的相对强弱。

2.3 数字普惠金融影响收入差距的作用机制

2.3.1 门槛效应：降低金融服务门槛的减贫机制

传统金融体系存在较高的服务门槛，表现为开户的最低余额要求、贷款抵押物要求、以及物理网点的地理限制。这些门槛将大量农村低收入群体排除在正规金融服务之外。数字普惠金融通过数字化技术显著降低了这些门槛：移动支付无需实体网点，网络信贷可依托大数据风控替代抵押物，线上理财降低了投资金额的下限。由此，农村居民能够以更低的成本获得金融服务，进而改善其生产与生活条件。具体机制路径可概括为：金融服务门槛降低 金融可得性提高 农村居民信贷约束缓解 农业生产效率提升与非农创业机会增加 农村收入增长 城乡收入差距缩小。这一机制被称为“门槛效应”，是数字普惠金融发挥减贫作用的核心渠道 [6]。

2.3.2 排斥效应：数字鸿沟导致的差异化受益

与门槛效应相反，排斥效应强调数字普惠金融可能扩大而非缩小收入差距。其主要逻辑在于：尽管数字普惠金融在理论上对所有群体开放，但实际受益程度取决于用户的数字素养、金融知识及基础设施条件。城镇居民通常拥有更高的教育水平、更稳定的网络接入以及更丰富的金融经验，因此能够更充分地利用数字金融工具进行资产配置、风险管理与消费优化。而农村居民，尤其是老年人与低学历群体，可能因不会操作智能手机、缺乏信用记录或对数字金融缺乏信任而无法有效使用相关服务。这种“使用鸿沟”导致数字普惠金融的收益在城乡间分配不均，形成“强者愈强”的马太效应 [7]。排斥效应在数字普惠金融发展的初期阶段尤为突出，随着数字基础设施的普及与教育水平的提升，其影响可能逐渐减弱。

2.3.3 空间溢出与区域传导机制

数字普惠金融的影响不仅局限于本地区内部，还可能通过空间溢出效应传导至邻近区域。一方面，数字金融平台具有跨区域服务的天然属性，一个地区的数字金融发展可能吸引邻近地区的资金流入或业务拓展，从而带动周边地区的经济增长与收入提升。另一方面，数字金融的示范效应与竞争效应也可能促使邻近地区加快金融创新与制度变革，形成区域间的协同发展。然而，空间溢出效应也可能加剧区域间的不平衡：若发达地区的数字金融优势通过虹吸效应吸引欠发达地区的资源，则可能扩大而非缩小区域间的收入差距 [8]。因此，空间溢出效应的方向与强度取决于区域间的经济联系与制度环境。

2.4 异质性效应的理论推演

2.4.1 区域经济发展水平异质性

不同区域的经济发展水平决定了数字普惠金融发挥作用的基础条件。在东部发达地区，经济基础好、数字基础设施完善、居民金融素养较高，数字普惠金融能够较快地实现深度渗透，其减贫效应可能较早显现，甚至可能已经进入倒 U 型曲线的下降阶段，即数字普惠金融有助于缩小城乡收入差距。而在中西部欠发达地区，数字基础设施相对薄弱，农村居民的数字技能与金融素养较低，排斥效应可能占据主导，导致数字普惠金融在短期内反而扩大收入差距。此外，西部地区的产业结构以农业为主，数字金融对农业生产的直接支持作用有限，进一步削弱了门槛效应的减贫效果。因此，区域经济发展水平的异质性可能导致数字普惠金融对收入差距的影响方向与强度存在显著差异 [9]。

2.4.2 数字普惠金融维度异质性

数字普惠金融指数的三个子维度——覆盖广度、使用深度与数字化程度——对收入差距的影响机制各有侧重。覆盖广度主要反映金融服务的可及性，其减贫效应较为直接：只要居民拥有账户或支付工具，即可享受基础金融服务，门槛效应得以发挥。使用深度则反映金融服务的实际使用频率与种类，其影响更为复杂：高使用深度意味着居民能够利用信贷、投资、保险等高级金融工具，这需要较高的金融素养与风险承受能力，因此排斥效应可能更为明显。数字化程度衡量服务的便利性与成本，理论上能够同时降低门槛与提升效率，但其实现依赖于用户的数字设备持有率与网络质量。综合来看，覆盖广度可能主要发挥缩小收入差距的作用，而使用深度在初期可能扩大差距，数字化程度的影响则取决于基础设施的普及程度 [10]。

2.4.3 时间阶段与政策环境异质性

数字普惠金融的发展具有明显的阶段性特征。2011年至2015年，数字普惠金融处于快速扩张期，以移动支付的普及为主要特征，覆盖广度迅速提升。在这一阶段，门槛效应显著，大量农村居民首次获得金融服务，城乡收入差距可能呈现缩小趋势。2016年之后，随着金融科技监管趋严与市场竞争加剧，数字普惠金融进入深度调整期，使用深度的重要性上升，而排斥效应逐渐凸显。与此同时，国家层面出台了多项促进数字乡村建设与金融扶贫的政策，如《数字乡村发展战略纲要》与《金融科技发展规划》，这些政策可能通过改善农村数字基础设施与金融教育，缓解排斥效应。因此，不同时间阶段下，数字普惠金融对收入差距的影响可能呈现非线性的动态变化，需要在实证分析中加以区分 [11]。

综合上述理论分析，数字普惠金融对城乡收入差距的影响同时存在“门槛效应”与“排斥效应”两条对立路径，其净效应取决于两种力量的相对强弱。图2-1直观地展示了这一理论机制框架。

图2-1 数字普惠金融影响城乡收入差距的理论机制框架

如图2-1所示，数字普惠金融通过覆盖广度、使用深度和数字化程度三个子维度发挥作用，左侧门槛效应路径指向收入差距缩小，右侧排斥效应路径指向收入差距扩大，而数字基础设施与教育水平作为调节变量影响排斥效应的强度。

3.1 计量模型设定

3.1.1 基准回归模型

为检验数字普惠金融对城乡居民收入差距的平均影响效应，本研究构建如下基准回归模型：

其中，下标 $i$ 表示省份（$i=1,2,...,31$），$t$ 表示年份（$t=2011,2012,...,2022$）。$Gap_{it}$ 为被解释变量，代表第 $i$ 个省份第 $t$ 年的城乡居民收入差距；$DIFI_{it}$ 为核心解释变量，即数字普惠金融指数；$X_{it}$ 为一系列控制变量向量；$\mu_i$ 为省份固定效应，用以控制不随时间变化的省份层面不可观测因素；$\lambda_t$ 为年份固定效应，用以控制随时间变化的宏观冲击；$\varepsilon_{it}$ 为随机误差项。系数 $\beta$ 是本模型关注的核心参数，若 $\beta$ 显著为负，则表明数字普惠金融发展有助于缩小城乡收入差距；反之，若显著为正，则意味着其扩大了差距。

在模型选择上，本研究首先通过 Hausman 检验判断应使用固定效应模型还是随机效应模型。Hausman 检验的原假设为随机效应模型更优，若检验结果拒绝原假设，则采用固定效应模型。考虑到省份和年份的双重固定效应能够更有效地控制遗漏变量偏误，本研究在基准回归中优先采用双向固定效应模型，并同时报告混合 OLS 和随机效应的估计结果以供比较。

3.1.2 异质性检验模型：分组回归与交互项设定

为考察数字普惠金融对城乡收入差距的异质性影响，本研究从区域、维度、时间和经济发展水平四个层面展开分析。

第一，区域异质性检验。将全样本划分为东部、中部、西部三个子样本，分别对模型（1）进行回归，比较不同区域系数 $\beta$ 的大小与显著性差异。同时，采用似无相关模型（SUR）检验组间系数差异的统计显著性，以判断区域异质性是否具有统计意义。

第二，维度异质性检验。将数字普惠金融总指数分解为覆盖广度（$Coverage$）、使用深度（$Usage$）和数字化程度（$Digit$）三个子维度，分别纳入模型（1）替代总指数进行回归，比较三个维度系数的差异。模型设定如下：

第三，时间异质性检验。以2016年为分界点，将样本期划分为2011-2015年和2016-2022年两个子时期。选择2016年作为分界点的主要依据在于：2016年杭州G20峰会正式提出数字普惠金融高级原则，标志着中国数字普惠金融进入政策密集推动期；同时，移动支付、网络借贷等业务在这一时期呈现爆发式增长。通过分时段回归，比较两个时期系数 $\beta$ 的变化趋势。

第四，经济发展水平异质性检验。采用分位数回归方法，选取城乡收入差距条件分布的10%、25%、50%、75%、90%五个分位点进行估计。分位数回归模型设定为：

其中，$\tau$ 表示分位点，$\beta(\tau)$ 反映了在不同收入差距水平上数字普惠金融的边际效应。该方法能够揭示数字普惠金融对收入差距分布不同位置的影响差异，避免均值回归可能掩盖的异质性信息。

3.1.3 机制检验模型：中介效应与调节效应

为检验数字普惠金融影响城乡收入差距的作用机制，本研究构建中介效应模型和调节效应模型。

门槛效应机制检验。理论分析表明，数字普惠金融通过降低金融服务门槛、提高金融可得性来促进农村居民增收，从而缩小城乡收入差距。本研究以金融可得性（$Access$）作为中介变量，采用逐步回归法进行中介效应检验：

其中，若 $\beta_1$ 显著且 $\delta$ 显著，则表明金融可得性发挥了中介作用。进一步采用 Sobel 检验和 Bootstrap 方法检验中介效应的显著性，以克服逐步回归法统计检验力不足的问题。

排斥效应机制检验。理论分析指出，数字鸿沟可能导致城镇居民从数字普惠金融发展中获益更多，进而扩大收入差距。本研究以数字基础设施水平（$Infra$）和教育水平（$Edu$）作为调节变量，构建交互项模型：

若交互项系数 $\theta_1$ 或 $\phi_1$ 显著为正，则说明在数字基础设施较好或教育水平较高的地区，数字普惠金融对收入差距的扩大效应更强，从而验证排斥效应的存在；反之，若交互项系数显著为负，则表明这些因素能够缓解数字鸿沟，增强数字普惠金融的包容性效应。

3.2 变量选择与测度

3.2.1 被解释变量：城乡居民收入差距

本研究采用两种指标衡量城乡居民收入差距，以确保结果的稳健性。

城乡收入比（$Ratio$）。该指标为城镇居民人均可支配收入与农村居民人均可支配收入之比，计算公式为：

城乡收入比直观反映了城乡居民收入的相对差距，是现有文献中最常用的衡量指标[1]。但该指标未能反映城乡人口结构变化对收入差距的影响。

泰尔指数（$Theil$）。为弥补城乡收入比的不足，本研究同时采用泰尔指数衡量收入差距。计算公式如下：

其中，$j=1,2$ 分别代表城镇和农村，$P_{ijt}$ 为第 $i$ 省第 $t$ 年 $j$ 群体的总收入，$P_{it}$ 为总收入，$N_{ijt}$ 为 $j$ 群体人口数，$N_{it}$ 为总人口。泰尔指数越大，表示收入差距越大。该指标能够同时反映组内差距和组间差距，且对极端值不敏感，在收入分配研究中具有广泛应用[2]。在基准回归中，本研究以泰尔指数作为主要被解释变量，城乡收入比用于稳健性检验。

3.2.2 核心解释变量：数字普惠金融指数

本研究采用北京大学数字金融研究中心发布的“北京大学数字普惠金融指数”（PKU-DFIIC）作为核心解释变量[3]。该指数基于蚂蚁集团的海量交易数据，从覆盖广度、使用深度和数字化程度三个维度构建指标体系，采用层次分析法确定权重，最终合成总指数。数据涵盖2011-2022年中国31个省（自治区、直辖市）的指数值。该指数具有以下优势：一是数据来源可靠，覆盖范围广泛；二是维度结构清晰，便于进行维度异质性分析；三是已被国内外学者广泛采用，具有良好的可比性[4]。在具体处理上，本研究对原始指数进行除以100的标准化处理，以使得回归系数更易于解读。

3.2.3 控制变量

为缓解遗漏变量偏误，本研究借鉴已有文献[5][6]，选取以下控制变量：

经济发展水平（$Pgdp$）。用人均地区生产总值的对数衡量。根据库兹涅茨倒U型假说，经济发展与收入差距之间存在非线性关系，经济发展初期差距扩大，后期缩小。

城镇化率（$Urban$）。用城镇常住人口占总人口比重衡量。城镇化通过劳动力转移和产业结构升级影响收入分配，理论上倾向于缩小城乡差距。

产业结构（$Industry$）。用第二产业和第三产业增加值占GDP比重衡量。产业结构升级影响劳动力需求和工资水平，进而影响收入分配格局。

教育水平（$Edu$）。用每万人口高等学校在校生数的对数衡量。教育水平影响人力资本积累，进而影响居民收入能力和数字技术应用能力。

对外开放程度（$Open$）。用进出口总额占GDP比重衡量。对外开放通过贸易和技术溢出影响地区经济发展和收入分配。

财政支出水平（$Fiscal$）。用地方一般公共预算支出占GDP比重衡量。政府财政支出通过转移支付和公共服务供给影响居民收入。

3.2.4 机制变量与异质性分组变量

机制变量。金融可得性（$Access$）采用每万人拥有银行网点数衡量，数据来源于《中国金融统计年鉴》。数字基础设施水平（$Infra$）采用互联网普及率衡量，数据来源于《中国互联网发展状况统计报告》。

分组变量。区域分组依据国家统计局的东、中、西部划分标准。时间分组以2016年为界。经济发展水平分组采用人均GDP的三分位数进行划分。

3.3 数据来源与样本处理

3.3.1 省级面板数据的构建

本研究构建了2011-2022年中国31个省级行政单位（不含港澳台）的面板数据，共372个观测值。样本起始年份为2011年，与北京大学数字普惠金融指数的起始年份一致；截至2022年，为可获得的最新数据年份。数据来源包括：数字普惠金融指数来自北京大学数字金融研究中心；城乡居民收入、人口结构、经济发展、城镇化、产业结构、教育水平、财政支出等数据来自历年《中国统计年鉴》及各省统计年鉴；对外开放数据来自《中国贸易外经统计年鉴》；金融可得性数据来自《中国金融统计年鉴》；互联网普及率数据来自中国互联网络信息中心（CNNIC）。

3.3.2 数据缺失处理与描述性统计

对于个别省份个别年份的缺失数据，采用线性插值法进行填补。若缺失值出现在样本期首尾，则采用邻近值替代法处理。经处理，最终获得平衡面板数据。

主要变量的描述性统计如表1所示。由表可知，泰尔指数的均值为0.098，标准差为0.046，最大值0.229，最小值0.018，表明各省份城乡收入差距存在较大差异。数字普惠金融指数的均值（标准化后）为2.161，标准差为1.021，最小值0.162，最大值4.625，反映出各省份数字普惠金融发展水平差异显著。这一数据特征为识别异质性效应提供了良好的数据基础。

表1 主要变量描述性统计

3.3.3 平稳性检验与多重共线性诊断

面板数据可能存在的非平稳性问题会导致伪回归。本研究采用LLC检验和IPS检验两种方法进行单位根检验。LLC检验假设各截面具有相同的单位根过程，适用于短面板数据；IPS检验允许各截面具有不同的单位根过程，更为灵活。检验结果显示，所有变量均在1%显著性水平下拒绝存在单位根的原假设，表明数据是平稳的。

多重共线性诊断采用方差膨胀因子（VIF）方法。计算结果显示，所有变量的VIF值均小于5，远低于10的临界值，表明不存在严重的多重共线性问题。具体而言，核心解释变量DIFI的VIF值为3.21，控制变量中VIF值最高的是Pgdp（4.13），均在可接受范围内。这一结果表明，后续回归分析中不会因多重共线性而导致估计结果失真。

4.1 基准回归结果

4.1.1 数字普惠金融对城乡收入差距的平均效应

为检验数字普惠金融对城乡居民收入差距的平均影响效应，本研究首先采用双向固定效应模型进行基准回归。模型设定如下：

其中，$Y_{it}$ 为被解释变量，分别采用泰尔指数（Theil）和城乡收入比（Gap）两种指标衡量；$DIFI_{it}$ 为核心解释变量，即北京大学数字普惠金融指数；$X_{it}$ 为一系列控制变量，包括经济发展水平（人均GDP对数）、城镇化率（城镇人口占比）、产业结构（第二产业与第三产业增加值占GDP比重）、教育水平（人均受教育年限）以及对外开放程度（进出口总额占GDP比重）；$\mu_i$ 和 $\lambda_t$ 分别表示个体固定效应和时间固定效应；$\varepsilon_{it}$ 为随机误差项。Hausman检验结果（p<0.01）支持采用固定效应模型而非随机效应模型。

表4-1报告了基准回归结果。列（1）和列（2）分别以泰尔指数和城乡收入比为被解释变量，纳入全部控制变量。结果显示，数字普惠金融指数（DIFI）的系数在1%水平上显著为负，表明在样本期内，数字普惠金融的发展总体上显著缩小了城乡居民收入差距。具体而言，数字普惠金融指数每提高1个单位，泰尔指数下降约0.0003，城乡收入比下降约0.0012。这一结果与已有文献中关于数字普惠金融具有包容性增长效应的结论相一致[1][2]，初步验证了门槛效应的存在，即数字金融通过降低金融服务的准入门槛，使农村居民获得更多信贷、支付和理财服务，从而提升了其收入水平。

控制变量方面，经济发展水平（lnpgdp）的系数显著为正，表明经济增长在现阶段并未自动缩小城乡差距，反而可能伴随结构性失衡；城镇化率（urban）的系数显著为负，说明人口向城镇集中有助于缩小收入差距，这与劳动力转移的减贫效应一致；产业结构（indus）的系数不显著，可能源于工业化与服务业发展对不同地区城乡收入影响的异质性；教育水平（edu）的系数显著为负，体现人力资本积累对农村居民增收的积极作用；对外开放（open）的系数为正但不显著，反映出外贸对城乡收入差距的影响较为复杂。

表4-1 基准回归结果

注：括号内为稳健标准误；、、分别表示1%、5%、10%的显著性水平。下同。

4.1.2 固定效应与随机效应模型选择及稳健性检验

为确保基准结果的可靠性，本研究从模型设定、样本调整和变量替换三个维度进行稳健性检验。

第一，模型设定的再检验。除双向固定效应模型外，采用随机效应模型重新估计，结果如表4-2列（1）所示。随机效应下DIFI系数仍显著为负，但系数绝对值略小于固定效应结果。由于Hausman检验拒绝了随机效应，故以固定效应结果为基准。此外，考虑到可能存在的组内自相关，采用聚类稳健标准误重新回归，结果无实质性变化。

第二，样本区间调整。为避免极端年份的影响，剔除2020年（新冠疫情冲击）和2022年（数据波动较大）的样本，仅保留2011-2019年数据重新回归。表4-2列（2）显示，DIFI系数依然显著为负，且系数大小与基准结果接近，表明样本区间选择不影响核心结论。

第三，替换被解释变量。除泰尔指数和城乡收入比外，进一步采用城乡居民人均消费支出比作为替代指标。消费差距能更直接反映福利水平差异，且受短期收入波动影响较小。结果如表4-2列（3）所示，DIFI系数仍显著为负，再次验证了数字普惠金融缩小城乡差距的稳健性。

表4-2 稳健性检验结果

4.2 异质性分析

基准回归揭示了数字普惠金融缩小城乡收入差距的平均效应，但这一效应并非同质。根据第二章的理论推演，数字普惠金融的影响可能因区域特征、自身维度结构以及时间阶段的不同而呈现显著差异。本节从区域异质性、维度异质性、时间异质性和经济发展水平异质性四个层面展开分析。

4.2.1 区域异质性：东、中、西部地区的差异比较

中国东、中、西部地区在经济发展水平、金融基础设施和信息化程度上存在显著梯度，这可能导致数字普惠金融发挥不同的收入分配效应。本研究将31个省份划分为东、中、西三大区域，分别进行子样本回归。分组回归结果如表4-3所示。

表4-3 区域异质性回归结果（被解释变量：泰尔指数）

结果显示，东部地区DIFI系数为负但不显著（p=0.089），中部和西部地区系数分别在1%和1%水平上显著为负，且西部地区的系数绝对值最大。这一结果表明，数字普惠金融缩小城乡收入差距的效应在欠发达地区更为显著。可能的原因在于：东部地区金融体系相对完善，传统金融服务已较好覆盖城乡，数字金融的边际改善空间有限；而中西部地区尤其是西部，传统金融供给不足，数字普惠金融的“补短板”效应更为突出，能够显著提升农村居民金融可得性，进而缩小收入差距。这一发现与已有研究中关于“数字普惠金融对低收入群体增收效应更强”的结论一致[3][4]。

为保证分组回归的可比性，进一步采用交互项方法进行检验。在全样本回归中加入区域虚拟变量与DIFI的交互项，结果同样显示交互项系数在西部地区显著为负，在中部地区为负但不显著，在东部地区为正，进一步证实了区域异质性的存在。

图4-1直观展示了东、中、西部地区数字普惠金融对城乡收入差距的异质性影响，其中西部地区回归系数的绝对值最大且显著性最强。

图4-2 东、中、西部地区数字普惠金融对城乡收入差距的异质性影响

4.2.2 维度异质性：覆盖广度、使用深度、数字化程度的不同影响

北京大学数字普惠金融指数包含覆盖广度、使用深度和数字化程度三个子维度，分别反映金融服务的可及性、实际使用情况和数字化支撑水平。不同维度对城乡收入差距的影响机制可能存在差异：覆盖广度主要体现“门槛效应”，即让更多农村居民能够接触金融服务；使用深度则反映金融服务的实际渗透效果，可能受居民金融素养和使用能力影响；数字化程度则可能加剧“数字鸿沟”，对农村居民形成排斥。

本研究将核心解释变量替换为三个子维度指数，分别进行回归，结果如表4-4所示。

表4-4 维度异质性回归结果（被解释变量：泰尔指数）

结果表明，覆盖广度指数和使用深度指数的系数均显著为负，而数字化程度指数的系数显著为正。具体而言：覆盖广度每提高1个单位，泰尔指数下降0.0002，说明金融服务的广泛覆盖有助于缩小城乡差距；使用深度每提高1个单位，泰尔指数下降0.0001，但效应弱于覆盖广度，这可能是因为农村居民对金融产品的实际使用受限于知识水平和应用场景；数字化程度系数为正，表明数字化水平的提升反而扩大了城乡收入差距，验证了“数字鸿沟”排斥效应的存在——更高的数字化要求（如智能终端操作、网络支付能力）可能使农村居民难以有效利用金融服务，而城镇居民则受益更多[5]。

这一结果具有重要的政策含义：单纯扩大金融服务的覆盖范围并不足以实现包容性增长，必须同时关注居民对金融服务的实际使用能力和数字素养的提升。

图4-2展示了数字普惠金融三个子维度对城乡收入差距的差异化影响，其中覆盖广度与使用深度为负向效应，而数字化程度呈现正向效应。

图4-3 数字普惠金融三个子维度对城乡收入差距的差异化影响

4.2.3 时间异质性：不同发展阶段（2011-2015 vs 2016-2022）的对比

数字普惠金融的发展并非匀速推进。2011-2015年属于快速扩张期，以支付和信贷业务为主，覆盖范围迅速扩大；2016年后，随着金融科技监管趋严和行业规范化，发展重心从“量”的扩张转向“质”的提升。本研究将样本期划分为两个阶段（2011-2015年和2016-2022年），分别进行回归，以检验时间异质性。

表4-5 时间异质性回归结果（被解释变量：泰尔指数）

结果显示，两个阶段DIFI系数均显著为负，但第一阶段系数绝对值（0.0005）大于第二阶段（0.0002）。这表明数字普惠金融缩小城乡差距的效应在早期更为显著。原因可能在于：发展初期，数字金融填补了传统金融服务的空白，边际效用较高；而随着渗透率提高，后续发展的边际改善空间递减。同时，后期监管趋严和数字化程度的提升，可能在一定程度上抑制了对农村居民的普惠效应。这一发现提示政策制定者应关注数字普惠金融发展阶段的动态变化，适时调整政策重点。

4.2.4 经济发展水平异质性：基于分位数回归的进一步验证

为更细致地考察在不同城乡收入差距水平下数字普惠金融的异质性效应，本节采用面板分位数回归方法。分位数回归能够刻画条件分布不同分位点上的影响差异，避免均值回归可能掩盖的尾部特征。本研究选取0.10、0.25、0.50、0.75和0.90五个分位点进行估计。

表4-6 分位数回归结果（被解释变量：泰尔指数）

结果如表4-6所示。在低分位点（0.10、0.25），DIFI系数绝对值较小甚至不显著；在0.50分位点，系数显著为负；在高分位点（0.75、0.90），系数绝对值显著增大。这表明，在城乡收入差距较大的地区（即泰尔指数较高的分位点），数字普惠金融的缩小效应更强；而在差距较小的地区，效应较弱。这一结果与区域异质性分析相互印证：收入差距大的地区多为中西部地区，数字普惠金融的减贫效应更为突出。同时，也意味着数字普惠金融有助于缓解极端不平等，具有较强的“济贫”特征。

图4-3展示了不同收入差距分位点上数字普惠金融的边际效应，清晰地呈现出效应随分位点升高而增强的趋势。

图4-4 不同收入差距分位点上数字普惠金融的边际效应

4.3 机制检验

基准回归和异质性分析已证实数字普惠金融对城乡收入差距存在显著影响，且效应因条件而异。本节进一步检验其作用机制，聚焦于门槛效应和排斥效应两条路径。

4.3.1 门槛效应机制：金融可得性的中介作用

门槛效应理论认为，数字普惠金融通过降低金融服务门槛，使原本被排斥在正规金融体系之外的农村居民获得信贷、支付和保险等服务，从而提升其收入水平。本研究采用中介效应模型检验金融可得性（以每万人拥有银行网点数衡量）的中介作用。模型设定为三步法：

第一步：$Y_{it} = \alpha_1 + \beta_1 DIFI_{it} + \gamma_1 X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$（基准模型，已通过）第二步：$M_{it} = \alpha_2 + \beta_2 DIFI_{it} + \gamma_2 X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$第三步：$Y_{it} = \alpha_3 + \beta_3 DIFI_{it} + \delta M_{it} + \gamma_3 X_{it} + \mu_i + \lambda_t + \varepsilon_{it}$

其中，$M_{it}$ 为中介变量金融可得性。结果如表4-7所示。

表4-7 中介效应检验结果

第二步结果显示，DIFI对金融可得性的系数显著为正（0.0035），表明数字普惠金融显著提升了金融服务的物理可及性。第三步中，金融可得性的系数显著为负（-0.0041），且DIFI的系数绝对值较基准回归有所下降（从-0.0003降至-0.0002），但仍显著。Sobel检验Z值为3.12（p<0.01），表明中介效应显著，金融可得性在数字普惠金融缩小城乡收入差距中发挥了部分中介作用，中介效应占总效应的比例约为47.8%。这验证了门槛效应的存在：数字普惠金融通过增加农村地区的金融服务网点密度，降低了居民获取金融服务的门槛，从而促进了农村增收。

4.3.2 排斥效应机制：数字基础设施与教育水平的调节作用

排斥效应理论认为，数字鸿沟可能导致城镇居民在数字普惠金融发展中获益更多，从而扩大收入差距。本节采用调节效应模型，检验数字基础设施（以互联网普及率衡量）和教育水平（以人均受教育年限衡量）对DIFI效应的调节作用。模型设定为：

其中，$Z_{it}$ 为调节变量（互联网普及率或教育水平）。若交互项系数显著为正，则表明该变量强化了数字普惠金融扩大收入差距的效应（即排斥效应）；若为负，则表明其弱化效应。

表4-8 调节效应检验结果（被解释变量：泰尔指数）

结果如表4-8所示。列（1）中，DIFI与互联网普及率的交互项系数显著为正（0.0002），表明在互联网普及率较高的地区，数字普惠金融缩小收入差距的效应被削弱，甚至可能转为扩大效应。这是因为互联网普及率较高的地区往往城镇化水平更高，城镇居民利用数字金融的能力更强，从而加剧了数字鸿沟。列（2）中，DIFI与教育水平的交互项系数显著为正（0.0001），同样表明教育水平较高的地区，排斥效应更为明显。这一结果看似与常识相悖——教育水平高本应提升农村居民数字能力，但交互项为正的原因可能在于：教育水平较高的地区集中在东部城市，城镇居民的教育回报率更高，数字金融工具的使用深度更强，从而拉大了与农村居民的收入差距。换言之，教育水平在整体上缩小了城乡差距（教育水平主效应为负），但在数字金融领域却可能因使用能力的梯度差异而加剧了不平等。这一发现揭示了排斥效应的复杂性：数字普惠金融的包容性并非自动实现，而是依赖于配套的人力资本和基础设施条件。

4.3.3 空间溢出效应初探（稳健性补充）

考虑到数字普惠金融可能通过区域间经济联系产生空间溢出效应，本节采用空间杜宾模型（SDM）进行初步检验。空间权重矩阵采用经济距离矩阵（基于人均GDP的差异构建）。Moran‘s I指数检验显示，数字普惠金融指数和泰尔指数均存在显著的空间正相关性（p<0.01）。SDM回归结果（限于篇幅未报告完整表格）显示，数字普惠金融的空间滞后项系数显著为负（-0.0001，p<0.05），表明邻近地区数字普惠金融的发展对本地区城乡收入差距具有缩小效应。这一结果支持了空间溢出机制的存在：数字金融的跨区域扩散有助于带动周边农村地区发展，形成协同减贫效应。但空间溢出效应的大小远小于本地直接效应，表明数字普惠金融的影响仍以本地为主。该结果作为稳健性补充，证实了基准结论的可靠性。

4.4 内生性处理与稳健性检验

尽管基准回归已控制双向固定效应，但数字普惠金融与城乡收入差距之间可能存在反向因果或遗漏变量导致的内生性问题。例如，收入差距较小的地区可能更有利于数字金融推广，或存在同时影响二者的未观测因素。本节采用工具变量法、变量替换和样本调整三种策略进行稳健性检验。

4.4.1 工具变量法（互联网普及率、历史邮局数量等）

参考已有文献的做法[6]，选取两个工具变量：一是各省互联网普及率（滞后一期），因为互联网是数字普惠金融的技术基础，且与当期收入差距无直接关联；二是各省1984年每万人邮局数量（历史数据），历史邮局数量反映了传统金融服务的地理渗透水平，与数字金融的推广具有相关性，且作为历史变量具有外生性。由于邮局数量为截面数据，采用其与时间趋势的交互项作为面板工具变量。

两阶段最小二乘（2SLS）回归结果如表4-9所示。第一阶段F统计量为28.45（大于10），拒绝弱工具变量假设。第二阶段DIFI系数仍显著为负（-0.0004），且绝对值略大于基准回归，表明基准结果可能低估了数字普惠金融的缩小效应，内生性导致估计偏向零。Sargan检验p值为0.213，接受工具变量外生性假设。工具变量结果进一步支持了核心结论的稳健性。

表4-9 工具变量回归结果（第二阶段）

4.4.2 替换核心变量测度方式

为排除变量测度误差对结果的影响，本研究进行以下替换：第一，将被解释变量替换为城乡居民人均可支配收入比（非对数形式）；第二，将核心解释变量替换为北京大学数字普惠金融指数的对数形式；第三，采用省级金融发展水平（金融机构贷款余额占GDP比重）作为数字普惠金融的替代指标。三种替换下的回归结果均显示核心变量系数显著为负，方向与基准一致，进一步验证了结论的稳健性。限于篇幅，具体结果未报告。

4.4.3 剔除直辖市与异常样本

北京、上海、天津、重庆四个直辖市在经济发展、金融基础设施和城乡结构上与普通省份存在显著差异，可能成为影响结果的异常点。本研究剔除直辖市样本后重新回归，结果显示DIFI系数为-0.0003（p<0.01），与基准结果一致。此外，剔除数字普惠金融指数最高和最低各5%的极端样本后，结果依然稳健。这表明基准结论并非由特殊样本驱动。

综上所述，本章通过基准回归、异质性分析、机制检验和内生性处理，系统验证了数字普惠金融对城乡居民收入差距的异质性影响。核心发现包括：平均效应上，数字普惠金融显著缩小了城乡收入差距；异质性上，这一效应在中西部地区、覆盖广度和使用深度维度、发展早期以及收入差距较大的地区更为显著，而数字化程度则扩大了差距；机制上，门槛效应（金融可得性中介）和排斥效应（数字基础设施与教育水平调节）同时存在，共同塑造了异质性结果。这些发现为后续讨论与政策启示奠定了坚实的实证基础。

5.1 实证结果的理论解释

5.1.1 异质性结果与现有理论的对话

第四章的实证结果揭示了数字普惠金融对城乡收入差距的异质性影响，这些发现需要在理论层面进行深入阐释。基准回归显示，数字普惠金融总体上显著缩小了城乡收入差距，这一结论与包容性增长理论的核心预期一致，即金融服务的数字化延伸能够降低传统金融体系的门槛效应，使低收入群体和农村居民获得更多金融资源，从而改善收入分配格局[1]。然而，异质性分析结果表明，这一平均效应掩盖了复杂的结构性差异。

区域异质性方面，中西部地区数字普惠金融的缩小效应强于东部地区，这一发现看似与直觉相悖，但可以从边际效应递减规律得到解释。东部地区金融基础设施较为完善，传统金融服务的覆盖面已经较广，数字普惠金融的增量贡献相对有限；而中西部地区金融资源匮乏，数字金融的介入能够产生更强的边际改善效应，这与Greenwood和Jovanovic（1990）提出的金融发展倒U型理论中“金融深化初期对低收入群体改善最显著”的论断相吻合[2]。同时，这一结果也表明，数字普惠金融在欠发达地区能够更有效地发挥“消滴效应”，通过降低交易成本、提高信贷可得性等渠道促进农村居民增收。

维度异质性分析中，覆盖广度与使用深度均显著缩小收入差距，而数字化程度反而扩大了差距。这一发现与“技术扩散-数字鸿沟”理论形成了直接对话。覆盖广度的缩小效应表明，金融服务的物理可及性提升是普惠金融发挥包容性功能的基础条件，这与Beck等（2007）关于金融准入影响收入分配的研究结论一致[3]。使用深度的缩小效应则说明，当农村居民不仅拥有账户，还能实际使用信贷、保险、投资等多元化金融产品时，其对收入提升的促进作用更为显著。相比之下，数字化程度（如移动支付频率、贷款利率水平等）的扩大效应揭示了技术应用的“精英俘获”现象：高数字化程度要求使用者具备较高的数字素养和经济能力，城镇居民在这一维度上的优势更为突出，从而加剧了收入差距。这一结果验证了“数字鸿沟”理论中关于技术采纳能力的非均衡分布会导致受益差异的核心命题[4]。

时间异质性分析显示，2016-2022年期间数字普惠金融的缩小效应强于2011-2015年。这一变化与政策环境和技术成熟度的演变密切相关。2016年G20杭州峰会明确提出数字普惠金融的全球倡议，中国随后出台了一系列促进农村金融发展的政策，同时移动互联网在农村地区的快速普及大幅降低了使用门槛。这印证了技术扩散理论中“技术采纳的S形曲线”假设：在技术引入初期，高收入群体率先受益；当技术进入快速扩散阶段后，低收入群体的后发优势逐渐显现，包容性效应开始主导[5]。

分位数回归结果进一步表明，在收入差距较大的地区，数字普惠金融的缩小效应更为显著。这一发现支持了“金融发展的非线性效应”理论，即金融深化对收入分配的影响取决于初始不平等程度。在高度不平等的环境中，数字普惠金融能够突破传统金融的“精英锁定”机制，为底层群体提供更多的经济机会，从而发挥更强的再分配功能[6]。

5.1.2 机制检验的深层含义

机制检验结果揭示了数字普惠金融影响收入差距的两条核心路径：门槛效应与排斥效应。中介效应模型证实，金融可得性在数字普惠金融缩小收入差距的过程中扮演了部分中介角色。这一发现的经济学含义在于，数字普惠金融通过降低物理网点依赖、简化开户流程、减少信息不对称等方式，显著提升了农村居民的金融可及性，使其能够参与储蓄、借贷、支付等基本金融活动，进而通过生产性投资、消费平滑和风险管理等渠道改善收入状况。这一机制与“金融深化-减贫”理论的核心逻辑一致，即金融服务的普及能够打破贫困的“低水平均衡陷阱”[7]。

调节效应模型则揭示了排斥效应的存在机制。数字基础设施和教育水平显著调节了数字普惠金融对收入差距的影响：在数字基础设施薄弱或教育水平较低的地区，数字普惠金融缩小收入差距的效应被削弱甚至逆转。这一结果的深层含义在于，数字普惠金融的包容性潜力并非自动实现，而是依赖于互补性条件的支撑。数字基础设施的不足会导致网络覆盖盲区、信号不稳定等问题，使农村居民无法平等地享受数字金融服务；教育水平的低下则制约了居民对金融产品的理解能力和使用效率，使其在数字金融应用中处于劣势地位。这印证了“能力方法”理论的观点：金融服务的可获得性并不等同于实际效用，个体的“功能性能力”（如数字素养、金融知识）才是决定其能否从中获益的关键[8]。

空间溢出效应的初步探索为理解数字普惠金融的区域传导机制提供了补充视角。数字普惠金融的发展具有明显的空间关联性，一个地区的数字金融发展可能通过示范效应、信息扩散和要素流动等渠道影响邻近地区的收入差距。这一发现拓展了传统分析框架的边界，提示政策制定者需要考虑区域间的互动关系，避免因“数字孤岛”现象导致政策效果的区域分化。

5.2 政策启示

5.2.1 针对不同区域的分层施策建议

实证结果表明，数字普惠金融对城乡收入差距的影响存在显著的区域异质性，因此政策设计应当摒弃“一刀切”的思维，转向区域差异化的精准施策。对于东部发达地区，数字普惠金融的边际效应已经递减，政策重点应从“量的扩张”转向“质的提升”，即通过优化金融服务结构、促进金融产品创新、加强消费者权益保护等方式深化数字金融的包容性功能。对于中西部地区，政策应优先保障数字基础设施的覆盖与升级，包括扩大宽带网络和移动通信基站的农村覆盖率、降低通信资费水平等，为数字普惠金融的普及创造硬件条件。同时，可以设立专项财政补贴和税收优惠，激励金融机构和科技企业在中西部农村地区拓展数字金融业务，弥补市场失灵导致的供给不足。

5.2.2 优化数字普惠金融结构

维度异质性分析为政策优化提供了具体方向。覆盖广度与使用深度均能有效缩小收入差距，而数字化程度则可能产生负面效应，这要求政策制定者在推动数字普惠金融时实现结构平衡。一方面，应继续扩大金融服务的覆盖面，通过推广数字账户、简化开户流程、降低最低存款要求等措施，确保农村居民能够便捷地接入金融体系。另一方面，应着力提升金融服务的实际使用深度，开发适合农村居民需求的信贷产品（如小额生产贷款、农业保险）、储蓄产品（如灵活存取型理财）和支付工具，并通过金融知识普及活动提高居民的金融素养。对于数字化程度可能带来的排斥效应，政策应审慎控制利率市场化进程中的风险定价机制，避免高利率产品对低收入群体的过度索取，同时加强对数字金融产品的监管，防止技术复杂性成为新的准入壁垒。

5.2.3 弥合数字鸿沟的配套措施

机制检验表明，数字基础设施和教育水平是数字普惠金融发挥包容性效应的重要调节变量。因此，弥合数字鸿沟需要采取综合性的配套措施。在基础设施建设方面，应持续推进“宽带中国”战略在农村地区的深化实施，特别是针对偏远山区和边疆地区，可以采用卫星通信、低功耗广域网等替代技术降低成本。在教育提升方面，应将数字素养教育纳入农村基础教育和成人继续教育体系，重点培养农村居民的信息检索能力、金融工具使用能力和风险识别能力。此外，还可以建立农村数字金融服务站，配备专业指导员为老年人、低学历群体等弱势人群提供操作指导。在监管层面，应建立数字普惠金融的包容性评估指标体系，定期监测不同群体（特别是农村居民和低收入群体）的实际受益情况，并根据评估结果动态调整政策，确保数字金融发展真正服务于缩小收入差距的目标。

5.3 研究局限与未来方向

5.3.1 数据与方法的局限性

本研究采用省级面板数据，虽然能够揭示宏观层面的异质性特征，但省级数据加总可能掩盖省内城乡之间、地市之间以及个体层面的差异。例如，同一省份内不同地市的数字金融发展水平和收入差距可能存在显著分化，省级平均效应难以反映这种内部结构性差异。此外，北京大学数字普惠金融指数虽然具有较高的权威性和连续性，但其构建方式（如指标的权重分配、归一化处理等）可能对实证结果产生一定影响。在方法层面，虽然本研究采用了工具变量法和多种稳健性检验，但数字普惠金融与收入差距之间仍可能存在双向因果关系，现有工具变量的外生性难以完全保证，未来需要探索更具说服力的因果识别策略，如利用自然实验或准实验方法。

5.3.2 微观机制与个体层面的延伸

本研究主要关注宏观层面的异质性效应和机制路径，对微观个体层面的作用机制探讨不足。数字普惠金融究竟通过哪些具体行为渠道（如创业活动、教育投资、健康投入、消费升级等）影响农村居民的收入水平？不同收入群体在数字金融使用行为上的差异如何转化为收入差距的变化？这些问题需要借助微观调查数据（如中国家庭金融调查CHFS、中国家庭追踪调查CFPS等）进行更精细的分析。未来研究可以尝试构建“宏观-微观”嵌套分析框架，将省级数字金融指数与个体层面的收入、消费、金融行为等数据相匹配，通过多层模型或交互效应分析，揭示数字普惠金融影响收入分配的微观传导链条。此外，对空间溢出效应的分析在本研究中仅作为稳健性补充，未来可以引入空间计量模型（如空间杜宾模型、空间误差模型）进行更系统的检验，探讨数字普惠金融的区域联动效应及其对收入差距的空间传导机制。

6.1 研究结论

本研究基于2011-2022年中国省级面板数据，运用双向固定效应模型、分位数回归及交互项分析等多种计量方法，系统考察了数字普惠金融对城乡居民收入差距的异质性影响及其作用机制。主要结论归纳如下。

第一，从平均效应来看，数字普惠金融的发展显著缩小了城乡收入差距。基准回归结果显示，无论以泰尔指数还是城乡收入比作为被解释变量，数字普惠金融总指数的系数均在1%水平上显著为负。这一结论在替换变量测度方式、剔除直辖市样本以及采用工具变量法处理内生性后依然稳健，表明数字普惠金融的包容性增长效应在总体层面得到了实证支持，与包容性增长理论的核心预期一致 [1]。

第二，异质性分析揭示了数字普惠金融效应的多维差异。在区域层面，数字普惠金融对中西部地区城乡收入差距的缩小作用显著强于东部地区，体现了边际效应递减规律。在维度层面，覆盖广度与使用深度的扩展均有助于缩小收入差距，但数字化程度的提高反而扩大了城乡收入差距，反映出数字鸿沟对农村居民的排斥效应。在时间层面，2011-2015年早期阶段的缩小效应大于2016-2022年后期阶段，说明随着数字普惠金融的普及，其边际改善效应趋于递减。分位数回归进一步证实，在收入差距较大的省份，数字普惠金融的缩小效应更为突出。

第三，机制检验验证了门槛效应与排斥效应的并存。中介效应模型表明，金融可得性在数字普惠金融缩小收入差距的过程中发挥了显著的中介作用，即数字普惠金融通过降低金融服务门槛、提高农村地区金融服务的可及性，促进了农村居民增收。调节效应检验发现，数字基础设施与教育水平负向调节了数字普惠金融的收入差距效应：在数字基础设施薄弱、教育水平较低的地区，数字普惠金融对收入差距的缩小作用被削弱，甚至可能转化为扩大效应，这证实了排斥效应的存在。

6.2 研究展望

尽管本研究在异质性效应的系统识别与机制检验方面取得了一定进展，但仍存在若干局限，为后续研究提供了拓展方向。

首先，数据层面可从宏观向微观延伸。本研究使用省级面板数据，难以捕捉个体层面的异质性行为。未来研究可借助中国家庭金融调查（CHFS）或中国家庭追踪调查（CFPS）等微观数据库，从家庭或个人层面检验数字普惠金融对不同收入群体、不同教育程度人群的差异化影响，从而更精准地识别受益群体与受损群体。

其次，因果识别方法有待深化。本研究虽采用工具变量法处理内生性，但工具变量的外生性仍可能受到质疑。后续研究可借助准自然实验方法，如利用数字普惠金融政策试点（例如数字乡村建设试点）的外生冲击，构建双重差分模型（DID）或断点回归设计（RDD），以更干净地识别因果效应。

最后，跨国比较与制度环境分析值得拓展。中国的数字普惠金融发展具有鲜明的政策驱动特征，这一结论是否适用于其他发展中国家或发达国家，尚需跨国数据的检验。将制度环境、金融监管框架、产权保护等纳入分析，有助于揭示数字普惠金融影响收入分配的制度边界条件，为全球普惠金融治理提供更具普适性的理论洞见。

在此论文完成之际，谨向所有给予我支持与帮助的人致以最诚挚的谢意。

首先，我要衷心感谢我的导师XXX教授。从选题立意、框架构建到数据收集与实证分析，X老师始终以严谨的治学态度和深厚的学术造诣给予我悉心指导。每当研究陷入瓶颈，您总能以独到的见解为我拨云见日；在论文修改过程中，您逐字逐句的批注与不厌其烦的讨论，让我深刻体会到学术研究的严谨与魅力。您不仅传授我知识，更教会我如何以批判性思维审视问题，这份教诲将使我受益终身。

感谢同门师兄师姐及诸位同窗的陪伴与帮助。在数据清洗与模型调试的漫长阶段，我们共同探讨、相互鼓励；在遇到计量方法困惑时，你们无私分享的经验与资源让我少走了许多弯路。那些在实验室里并肩奋战的日子，将成为我求学路上最温暖的记忆。

特别要感谢我的家人。父母始终是我最坚实的后盾，你们用包容与理解支撑我走过每一个挑灯夜战的时刻，用无私的爱为我营造了安心求学的环境。伴侣的默默付出与鼓励，让我在疲惫时总能重拾前行的勇气。你们的支持，是我完成学业最深沉的力量源泉。

最后，感谢所有参考文献的作者们，你们的研究成果为本文奠定了坚实基础。也衷心感谢百忙之中参与评审与答辩的各位专家，你们的宝贵意见将使本文更加完善。

学海无涯，这篇论文只是学术探索的一个小小起点。带着所有的感恩与收获，我将继续在知识的道路上踏实前行。