數字普惠金融對農民收入影響的非農就業機制研究

張文龍

(武漢大學,湖北 武漢 430072)

一、引言

解決好“三農”問題一直是全黨工作的重中之重,鄉村振興戰略是黨的一項重大決策部署,是推動農業農村現代化的總抓手,也是實現共同富裕的必然要求。進入新時代,經過多年的努力,我國已經取得了脫貧攻堅戰的偉大勝利,中華民族也迎來了全面建成小康社會的歷史性時刻。這些都是“三農”問題解決過程中的階段性成果,但并不意味著“三農”問題已經完全解決。實現農業農村現代化任重道遠,還需要持續加大投入和支持。全面小康不是終點,而是新征程的起點。在新形勢下,如何讓農民收入實現持續增長,如何讓5億多農民分享新時代的發展成果,是需要不斷回答的時代課題。

金融是現代經濟體系的核心,要實現農民收入持續增長,就必須充分發揮金融的作用。數字普惠金融是指利用數字技術如大數據、云計算、人工智能等,為廣大中小微企業和低收入群體提供便捷、高效、低成本的金融服務。數字普惠金融可以促進金融供給側結構性改革,優化金融經濟結構;降低中小微企業和低收入群體的融資難度和成本,增加金融服務的覆蓋范圍和質量,激發民營經濟和消費的活力,推動實體經濟的供需平衡和高質量發展。在鄉村振興方面,數字普惠金融可以依托數字技術和數字基礎設施建設,打破空間和時間的限制,為用戶提供跨空間、無差別的金融產品與服務,實現數字普惠金融向縣域、鄉村、社區的深入推進。同時,數字普惠金融可以為傳統普惠金融賦能,建立專門面向中小微企業和低收入群體的金融數據處理中心、產業基金等,助力中小微企業和低收入群體順利完成數字化轉型。

經典的經濟學理論告訴我們,隨著經濟的發展,對食物的消費在總消費中的占比會不斷下降, 而加工和末端營銷等產業鏈的延長部分獲得的份額會不斷上升。因此,農民整體得到的農業總收入占GDP的比重會隨著經濟發展而不斷下降。鐘甫寧和何軍(2007)研究發現,傳統的惠農政策,無論是農產品價格支持還是農業生產工具價格補貼,都無法使農民收入長期增長,且對農民增收的促進作用也會越來越小。所以,以促進農業生產為目標,順便幫助農民增收的政策沒有可持續性,也不符合農民的根本利益。幫助農村勞動力進入非農業部門才是更長期、更有意義的舉措。

從上述分析可以看出,數字普惠金融對提升農民收入有積極的作用,而農民收入的增加主要取決于非農就業的機會,因此探究數字普惠金融如何影響農民的非農就業選擇是一個有意義的課題。本文將利用具體的農村家庭數據進行實證分析,從微觀層面為農民收入與農村金融研究提供新的視角,并提出相關建議。

二、理論分析與研究假設

金融發展可以促進企業的勞動需求,從而提供非農就業機會。有學者利用70個發展中國家的50 000家企業的數據進行了實證分析,結果表明,提高金融服務的可獲得性會顯著增加企業的雇員數量,而且這種效應對中小企業更加明顯。此外,普惠金融的發展可以緩解農村的融資約束,這使資金不足的農民也有了自主創業的可能,而創業又會帶來更多的非農就業機會。謝絢麗等(2018)發現,數字普惠金融的發展對創業有顯著的積極影響,尤其是對于注冊資本較低的微型企業,數字普惠金融對其創業意愿和能力的激發作用更為突出。綜上所述,數字普惠金融可能從兩種渠道促進非農就業,一是增加已有企業對勞動力的需求,二是促進農民創業,從而創造新的非農就業機會。而且農村企業相對而言規模較小,因此這兩種促進作用會更加顯著?；谝陨嫌懻?本文提出第一個研究假設。

假設1:數字普惠金融的發展提高了農民非農就業比例。

目前我國發展不平衡的問題依然較為突出,城鄉差距較大是我國的實際國情。李實和朱夢冰(2018)指出改革開放40年來,前30年城鄉差距持續擴大,近10年來雖然遏制住了差距繼續擴大的勢頭,但城鄉差距仍然在高位徘徊。這一不平衡局面的直接表現之一就是非農就業的收入在大部分情況下遠遠高于從事農業的收入。蔡昉和都陽(2011)發現在我國城鄉二元經濟結構下,非農部門的勞動邊際生產力長期高于農業部門。在此情況下,非農就業比例提高可以直接促進農民收入的增長。在我國的扶貧實踐中,提供非農就業崗位一直是一項行之有效且長期可持續的助農舉措。結合前文討論,可以認為存在一條“數字普惠金融→非農就業→農民收入”的影響鏈條,這一可能存在的機制有助于發揮數字金融的普惠性作用,通過更有效的政策精準幫助農民增收。綜上所述,本文提出第二個研究假設。

假設2:數字普惠金融可以通過促進非農就業來提高農民收入。

三、研究設計

(一)模型設定

為檢驗研究假設,本文構建如下三個計量模型:

NAEi=α0+α1IFi+αxXi+εi+μi

(1)

Incomei=β0+β1IFi+βxXi+εi+μi

(2)

Incomei=β0+β1IFi+β2IFi×NAEi+βxXi+εi+μi

(3)

其中:NAEi表示家庭i的非農就業比例;Incomei代表家庭i的收入;IFi表示家庭i所在地區的數字普惠金融指數;Xi代表一系列影響農村家庭就業選擇與收入的控制變量;εi表示省份固定效應;α和β為待估計參數;μi為隨機擾動項,代表對農村家庭就業選擇與收入產生影響的不可觀測因素。

模型(1)檢驗數字普惠金融對非農就業的影響,模型(2)檢驗數字普惠金融對農村家庭收入的影響。為了檢驗假設2,在模型(2)中加入數字普惠金融與非農就業比例的交互項IFi×NAEi構建模型(3)。如果“數字普惠金融→非農就業→農民收入”的影響機制成立,那么模型(3)中交互項IFi×NAEi的系數β2應該顯著大于0,且與模型(2)相比,模型(3)中IFi的系數β1應該更小。

(二)數據來源與變量選擇

本文使用了兩套數據。數字普惠金融指標來自北京大學數字金融研究中心的《北京大學數字普惠金融指數(第三期,2011—2020 年)》。郭峰等(2020)利用北京大學數字金融研究中心和螞蟻集團研究院利用螞蟻集團關于數字普惠金融的數據,從數字金融覆蓋廣度、數字金融使用深度和普惠金融數字化程度3個維度來構建數字普惠金融指標體系,基于指標體系和層次分析法編制了北京大學數字普惠金融指數。本文使用的其他數據來自于西南財經大學中國家庭金融調查與研究中心2017年在全國范圍開展的第四輪中國家庭金融調查(China Household Finance Survey,以下簡稱CHFS)。中國家庭金融調查采用三階段、分層、與人口規模成比例的抽樣方法,通過科學抽樣,采用計算機輔助調查系統(CAPI)等現代調查技術和調查管理手段,數據質量較高。2017年第四輪調查覆蓋全國29個省(區、市),355個縣(市、區),1 428個村(居)委會,樣本規模達40 011戶,數據具有全國和省級代表性。

本文的被解釋變量為非農就業比例和家庭人均純收入。結合CHFS調查問卷,本文把年齡在16周歲以上,最近一周正在工作或在職而因各種原因(如請假等)未工作的家庭成員定義為勞動力,非在職的家庭成員中,本文把除喪失勞動能力、在校學習或離退休以外的也視為勞動力。對于非農就業,本文將耕作經營承包土地與被雇傭從事農林牧漁生產定義為農業就業,而從事其他行業(包括農業相關企業中的非農林牧漁生產職位)視為非農就業。非農就業比例(NAE)即為非農就業人數與家庭勞動力人數之比。

結合實際情況并參考已有的相關研究,本文的控制變量選取為戶主的性別、年齡、婚姻狀況、受教育程度、健康狀況,家庭的人口規模、勞動力比例、資產。由于入戶調查中受訪者有可能出于保護隱私或維護面子等原因對實際的資產水平有所隱瞞或者夸大,因此加入家庭擁有的房產面積和汽車價值(包括乘用車和商用車)兩個變量來輔助刻畫家庭的資產情況?？紤]到中國各省份之間的條件和政策差異較大,本文在模型中控制了省份固定效應。

為便于實證分析,本文剔除了部分數據缺失嚴重的樣本。經過數據處理,本文共保留有效農村家庭樣本10 396個。各主要變量的描述性統計如表1所示。

表1 主要變量描述性統計

從表1可以看出,超過89%的樣本農村家庭戶主為男性,這與現實情況基本一致。戶主的平均年齡為56.5歲,超過88%的戶主已婚,未婚的主要包括年齡較小和喪偶等情況。樣本農村家庭的戶主平均受教育程度為2.5,根據問卷,2代表小學文化程度,3代表初中文化程度,結合戶主的平均年齡,這也反映了上一代農村基礎教育的不足。

四、 實證結果分析

(一)數字普惠金融對農村家庭非農就業的影響

在模型(1)中,被解釋變量NAE為非農就業人數占家庭勞動力比例的百分數,因此是一個取值在0～100的受限變量,使用OLS方法會導致估計量不一致。本文采用Tobit模型檢驗數字普惠金融對農村家庭非農就業比例的影響。模型(1)的具體估計結果如表2所示。

表2 非農就業比例估計結果

從控制變量的回歸結果中可以看出,戶主為女性的家庭非農就業比例更高,這可能是因為戶主為女性的家庭絕大多數遭遇了喪偶,即男性戶主已經因故去世,而年輕人大部分都選擇外出打工,從事農業生產的主要是上一代的男性,因此戶主為女性的家庭勞動力從事農業的比例較低。年齡的系數也為負,戶主越年輕,家庭中年輕人的數量也就越多,更有可能尋求非農就業。受教育程度非常顯著地提高了家庭非農就業比例,說明教育有助于提高農民的工作能力,從而更有可能獲得非農行業的職位。健康變量的數值越大代表身體狀況越差,所以戶主身體越健康,家庭非農就業的比例就越高。家庭人口規模和勞動力比例的系數顯著為正,可能是因為家庭承包的土地數量有限,所需要從事農業生產的勞動力也有限,人口和勞動力越多,越有富余勞動力流入非農行業。資產、房產和汽車的系數都為正,說明家庭持有資產越多,非農就業的比例越高,這可能與創造新的非農就業機會的創業行為有關,財力雄厚的家庭更有眼界也更有條件選擇自主創業。

(二)數字普惠金融促進農民收入增加的非農就業機制

為了檢驗“數字普惠金融→非農就業→農民收入”的影響機制,本文對模型(2)和模型(3)進行回歸分析,具體結果如表3所示。

表3 非農就業機制估計結果

表3匯報了模型(2)和模型(3)的具體回歸結果。數字普惠金融指數的系數在模型(2)中顯著為正,說明數字普惠金融的發展對農民收入有促進作用。但在引入數字普惠金融指數與非農就業比例的交互項之后,模型(3)中數字普惠金融指數的系數變為負值且不顯著,而交互項的系數在1%的水平上顯著為正。這說明數字普惠金融對農民收入的影響大部分是通過非農就業這一渠道實現的,從而驗證了假設2。

五、 研究結論與建議

(一)研究結論

本文基于CHFS數據和數字普惠金融指數,運用Tobit模型和多元回歸方法,從微觀角度分析了數字普惠金融對農戶非農就業和收入的影響。研究發現,數字普惠金融的發展能夠顯著提升農戶的非農就業比例,進而增加農民的收入水平。此外,本文還驗證了“數字普惠金融→非農就業→農民收入”的影響路徑,結果顯示數字普惠金融對農民收入的積極作用主要是通過增加非農就業機會而實現的。

(二)相關政策性建議

基于研究結論,本文提出相關政策性建議。

1.繼續推動農村數字普惠金融發展。在廣大農村,一方面要加強基礎設施建設,借助新基建的東風擴大電信服務的范圍,并提高電信服務質量,讓農民有優質的網絡資源可供利用;另一方面要加強普及金融知識,幫助農民認識和使用數字金融服務,培養農民的數字金融意識,激發他們使用數字金融工具的興趣,同時也要提高農民的防范能力,警惕網絡金融的風險和陷阱。

2.引導農村普惠金融為創造非農就業機會提供幫助。農村金融不能僅僅局限在農林牧漁生產上,數字普惠金融的發展要積極為農村小微企業解決融資難等問題,可以嘗試將普惠金融與非農就業崗位掛鉤,為創造更多非農就業機會、帶領大家共同致富的小微企業提供融資政策優惠,從而產生激勵效果。除此之外,也要鼓勵年輕人返鄉創業,一次成功的創業可以帶來大量的非農就業崗位,數字普惠金融應該敢于為創業提供助力。

3.注重農民的獲得感?，F有的惠農政策依然主要著眼于助力農林牧漁等第一產業的農業生產,為了保障糧食安全,農業生產當然是重中之重,但也要考慮農民的感受。隨著我國農業現代化程度的提高,農業生產所需要的勞動力越來越少,而農村富余勞動力的轉移方向關乎每一位農民的切身利益。在未來很長一段時期內,非農就業是農民獲得更高收入的必然選擇,要貫徹共享發展理念,就必須把很大一部分農民從土地上解放出來。為此,不僅是普惠金融,其他方面的政策也要為這部分不再從事農業生產的農民著想,創造更多更優質的非農就業崗位,讓農民有更多實實在在的獲得感。