數字金融對地方財政收入的影響研究

摘 要：2020年在新冠疫情的沖擊下，地方財政收入總體出現下滑趨勢，而數字金融依舊保持正增長態勢。為了破解財政收支困境，本文把研究對象的范圍設定在長江經濟帶的11個省份，基于2011—2020年長江經濟帶的面板數據，構建雙向固定效應模型，進行實證研究，檢驗數字金融對地方財政收入的影響，并進行剔除2020年數據、增加控制變量、替換被解釋變量等一系列穩健性檢驗，以保證結果的準確性。由回歸結果可以得出，數字金融發展有利于地方財政收入的增加。因此，本文提出要增強財稅體系數字化，提高數字金融基礎性建設投資，使其更好地服務地方財政收入。

關鍵詞：數字金融；財政收入；長江經濟帶；穩健性檢驗；實證研究

本文索引：周莉萍.<變量 2>[J].中國商論，2023（11）：-126.

中圖分類號：F812.7 文獻標識碼：A 文章編號：2096-0298（2023）06（a）--04

1 引言

近年來，新冠疫情對世界經濟造成了巨大沖擊。最新數據顯示，2021年江蘇GDP邁上11萬億元新臺階，達到11.63萬億元，增長8.6%。從產業發展來看，江蘇“制造業霸主”地位進一步鞏固，制造業增加值突破4萬億元，占GDP的比重達35.8%，全年工業戰略性新興產業、高新技術產業產值分別比2020年提高3個百分點、1個百分點。根據最新的北京大學數字普惠金融指數，2019—2021年，我國數字普惠金融依舊保持著正增長的態勢，總指數的平均值由323.73增長至 341.22。在新冠疫情的影響下，數字金融保持著正增長的態勢，江蘇的GDP也依舊為上漲趨勢，數字金融能否促進地方政府財政收入增加，兩者之間如何傳導的？這正是本文欲探究并解決的問題。本文以長江經濟帶為研究對象，以數字金融為解釋變量，以地方財政收入為被解釋變量，基于面板數據，構建雙向固定效應模型，探討數字金融對地方財政收入的傳導機制。

2 文獻綜述與研究假設

近年來，學術界有關數字金融的實證研究有很多，主要集中在創業創新、居民消費、收入差距、居民就業等方面，不難得出，數字金融顯著促進了企業的創新活動（李春風等，2022）、有效提高家庭的平均消費 （張馳等，2022）、有利于緩解農戶收入差距（田紅宇等，2022）、能顯著改善與促進城鎮居民就業結構與就業收入（王倩，2021）。關于財政收入和數字金融傳導機制的研究，宋寶琳等（2022）基于 2011—2019 年我國 282 個地級市的面板數據，構建固定效應模型，得出數字金融發展能夠顯著增加地方財政收入。綜上，目前，國內外對數字金融的研究涉及許多方面，但數字金融對財政收入影響方面的實證研究較少，且面板數據主要基于國家層面。鑒于此，本文以 2011—2020年我國長江經濟帶的面板數據為研究對象，運用雙向固定效應模型，從區域的角度探討數字金融發展對地方財政收入的傳導機制。數字金融對地方財政收入的影響是多方面的，主要體現在稅收收入、轉移性收入、債務收入、征管水平等方面。雷澤（2021）通過包絡分析得出轉移性收入對減少貧困發生的作用是有效的。此外，涂詠梅等（2022）得出數字金融簡化了授信程序，有效緩解了融資約束?；诖?，本文提出以下假設：

H1：數字金融對地方財政收入有正向促進作用。

3 研究方法與樣本數據

3.1 樣本數據來源

本文的研究對象是我國長江經濟帶的11個省份，基于2011—2020年的面板數據，構建雙向固定效應模型，研究數字金融對地方財政收入的影響。解釋變量是數字金融（DF），采用北京大學測量的數字普惠金融指數衡量。其余指標數據來自國家統計局，部分缺失值則手動輸入歷年《中國城市統計年鑒》《云南省統計年鑒》等數據，并用Stata（16.0）進行回歸分析。

3.2 變量說明

3.2.1 被解釋變量

地方財政收入（LR）。財政收入是指政府在一定時期內取得的貨幣收入。借鑒宋寶琳等（2022）的做法，本文采用地方政府一般性財政收入衡量地方財政收入。

3.2.2 解釋變量

數字普惠金融（DF）。本文采用北京大學測量的數字普惠金融指數衡量解釋變量。該指數有三個維度：覆蓋廣度、使用深度和數字化程度。其中，覆蓋范圍主要包括支付寶賬戶數、支付寶綁定卡用戶比例和支付寶綁定卡數量三個指標；使用深度涵蓋支付業務、貨幣基金業務等六個指標；數字支持服務程度主要包括移動化、物聯化等四個指標，集中體現了互聯網技術化。該數據基于“層級分析法”，分三個層級編制數據，其中涵蓋中國大陸31個?。ㄖ陛犑泻妥灾螀^稱為 “省”）、337個地級及以上城市的DPI。在時間跨度上，省和市的數字普惠金融指數跨越2011—2020年，縣的數字金融普惠指數跨越2014—2020年。此外，在總體指標的基礎上，除了有三個維度外，還有支付、保險、貨幣基金、信貸服務、投資和信貸等業務分類指標。同一地區，數字金融指數越高，說明該地的經濟產出越高，相應的地方財政收入越高。

3.2.3 控制變量

參考梁曉琴（2020）的做法，本文選擇失業水平、產業結構、財政支出、收入差距、城市化水平和技術創新能力作為控制變量。（1）失業水平（UN）。失業水平是用來衡量國民經濟發展狀況的一個重要指標，本文選用城市失業人口數量衡量。（2）產業結構（IS）。產業結構是指一國或一個地區三大產業的比例與聯系。國家統計局的最新數據顯示，2022 年，第一產業對GDP的貢獻率僅為9.9% 。本文采用第二產業增加值加總第三產業增加值的和占地區生產總值的比重來反映產業結構的方法。（3）財政支出（GF）。財政支出是政府對公共社會的財政資金支出。本文用地方政府一般公共預算支出來表示。（4）收入差距（UR）。收入差距越小，越有利于提高中產階級收入比重，從而促進財政收入增加。本文收入差距用城鎮居民人均可支配收入與農村居民人均可支配收入的比例來反映。（5）技術創新能力（IN）。本文的技術創新能力用各省的專利申請授權數量來反映。一般來說，一個地區的技術創新能力與該地區的財政收入是呈正相關的（見表1）。

3.3 模型構建

參考宋寶琳等（2022）的做法，本文通過構建省級面板計量模型檢驗數字金融對地方財政收入的影響作用，基準回歸模型設定如下：

其中， 和分別為不同的地區和年份；表示地方財政收入；表示數字金融；為控制變量集合；表示地區固定；表示年份固定；為隨機擾動項。

4 實證分析與結果

4.1 描述性統計分析

由表2可知，核心解釋變量數字普惠金融（DF）的方差為100.566，說明長江經濟帶的數字普惠金融發展水平差距較大；被解釋變量地方財政收入（LR）的方差為2039.519，說明長江經濟帶的地方財政收入水平差距較大；失業水平（UN）的方差是11.739，說明長江經濟帶的失業水平差距不大；產業結構（IS）的方差是0.041，說明長江經濟帶的產業結構差距不大；財政支出（GF）的最小值是2249.4，最大值是13681.55，均值是5970.932，方差是2336.811，說明長江經濟帶的財政支出水平差距較大且十分高；收入差距（UR）方差是0.39，說明長江經濟帶的收入差距較??；技術創新能力（IN）的最大值是499167，最小值是3386，均值是80662.809，方差是92524.132，說明長江經濟帶的技術創新水平差距較大且水平較高。

4.2 相關性分析

表3計算了各變量之間的相關系數，結果顯示，地方財政收入與數字普惠金融的相關系數為0.527，且在 1% 的水平上高度顯著，初步驗證了假設H1?？刂谱兞糠矫?，產業結構、財政支出水平、技術創新能力均與數字金融正相關，而城鄉收入差距與數字金融負相關，且在 1% 的水平上高度顯著，說明長江經濟帶的城鄉收入差距縮小，不一定地方財政收入增加。由表3可知，變量之間的相關系數大都小于0.8，可見變量之間不存在多重共線性問題。

4.3 基準回歸結果與分析

回歸結果如表4所示。模型（1）～（6）是控制了時間效應和省份效應的估計結果，表明數字金融對地方財政收入的影響為正，驗證了假設H1。具體可見模型（1）～（6）中數字金融和地方財政收入的相關系數，表明數字金融指數每增加一個單位，地方財政收入將增長23.219～41.338個單位。政府支出的系數均為正，且在1%的水平上高度顯著，說明政府支出每增加1億元，地方財政收入將增長62.1%～68.2%個單位。產業結構前的系數在模型（3）、模型（4）中為負，且在5%的水平上顯著，模型（5）、模型（6）在1%的水平上高度顯著，說明產業結構調整不利于長江經濟帶財政收入的增長。技術創新水平前面的系數在模型（4）、模型（5）中為負，在模型（6）中為正，說明技術創新能力越強，長江經濟帶的財政收入不一定就越多。收入差距變量前的系數為正，表明縮小城鄉收入差距不利于長江經濟帶的財政增長，原因是長江經濟帶的各省城鄉發展不一致，存在方差，導致財政收入不一定隨著縮小城鄉收入差距而增長。失業人口數前的系數為負，說明減少失業人口數量，有利于長江經濟帶的財政收入增加。

4.4 穩健性

本文分別從改變樣本時間、替換被解釋變量、增加控制變量三個角度進行穩健性檢驗，構建列1、列2、列3，保證研究結果的可靠性和非隨機性。第一，基于2020年新冠疫情對我國經濟發展水平的影響，剔除2020年的數據，對2011—2019年的數據再次回歸，檢驗數字金融對財政收入的影響。第二，由于2016年5月“營改增”全面實施，因此增加控制變量“營改增”來檢驗數字金融對地方財政收入的影響，并將2016年（包括2016年）之后的數據取值標記為 1；反之，標記為 0。第三，由于財政收入有四大來源：稅利債費。其中，稅收是最重要的部分，所以稅種的變動和稅率的增減對財政收入影響頗大，因此使用被解釋變量地方稅收收入替代地方財政收入來檢驗數字金融對地方財政收入的影響。穩健性檢驗結果如表5所示，列1在剔除了2020年數據之后，數字金融對地方財政收入的影響是正向的，且通過了5%的顯著性水平檢驗，與基準回歸結果類似。列2增加了控制變量“營改增”之后，數字金融對地方財政收入的影響是正向的，且通過了1%的顯著性水平檢驗。列3使用被解釋變量地方稅收收入替代地方財政收入之后，數字金融對地方財政收入的影響是正向的，且通過了1%的顯著性水平檢驗。綜上可知，數字金融對地方財政收入的影響通過了穩健性檢驗。

5 結語

在數字化高速發展的時代，傳統金融和高科技數字技術相結合，促進了數字金融的發展。本文以長江經濟帶11個省份為研究對象，數字金融為解釋變量，財政收入為被解釋變量，基于2011—2020年長江經濟帶的面板數據，構建雙向固定效應模型，實證檢驗了數字金融發展對地方財政收入的影響。結論如下：在雙向固定效應模型下，數字金融有力地促進了地方財政收入的增加，且均在 1%的顯著性水平上顯著。經過剔除2020年數據、增加控制變量、替換被解釋變量一系列穩健性檢驗后，數字金融依舊可以顯著擴大地方財政收入，可知數字金融可顯著增加地方財政收入。

基于實證分析的結果，假設成立，表明數字金融有利于地方財政收入顯著增加。本文建議穩步大力推進數字金融發展，堅持國家的宏觀調控政策，加以市場調節機制，不斷完善數字金融的總體發展方向，鼓勵并引導金融業和大數據技術相結合，從而提升數字金融的技術化水平，擴展數字金融的服務范圍，增強數字金融的使用體驗。具體而言，政府要合理規劃財政收入及社會資金等資源，使資源得到合理分配，要加大對數字金融業的基礎建設投資，推動數字金融高速發展，從而更好地服務社會，反向推動財政收入增長。同時，政府要推進稅收征管體制改革，稅務部門應充分利用大數據技術簡化辦事程序，提升服務效率和數字化水平，使數字金融更好地促進財政收入增加。

參考文獻

李春風，徐雅軒，劉建江. 數字金融驅動企業創新的優勝劣汰效應研究[J]. 現代管理科學，2022（6）：128-137.

張馳，王滿倉，李翠妮. 信貸約束、數字金融與居民消費[J]. 統計與信息論壇，2022，37（12）：55-65.

田紅宇，蘇治豪，覃朝暉. 數字普惠金融在農戶間的收入分配效應研究：基于再中心化影響函數的證據[J]. 武漢金融，2022（9）： 31-40.

王倩. 數字普惠金融對我國城鎮居民就業的影響研究[D].濟南：山東大學，2021.

宋寶琳，張航，胡欣蕊. 數字金融發展對地方財政收入的影響及區域差異研究：基于中國282個地級市面板數據的中介效應檢驗[J]. 財政科學，2022（5）：122-133.

雷澤. 我國農村貧困群體轉移性收入增長對減貧的影響研究[D].北京：中國財政科學研究院，2021.

涂詠梅，吳盡，李夢婧. 數字金融對企業融資成本影響的實證[J]. 統計與決策，2022，38（19）：140-145.

梁曉琴. 數字普惠金融對地方稅收影響的實證研究[J]. 審計與經濟研究，2020，35（5）：96-104.