征文选登｜“红利”OR“鸿沟”？——商业银行数字普惠金融缓贫研究

作者：江苏银行泰州分行 毛亮 戴云飞

一、问题的提出：红利还是鸿沟？

数字普惠金融为数字技术和普惠金融相互融合的产物，2016年G20峰会上通过了《G20数字普惠金融高级原则》，成为推动数字普惠金融的首个国际性的共同纲领。理论层面分析，数字普惠金融利用数据加持可助推农村产业经济发展，其可触达性（可得性）、大众性、可持续性、便利性等特性对于农村贫困具有一定的减缓作用。可以说数字普惠金融具有缩小城乡差距，缓解“剪刀差”[1]政策效应，改变城乡金融“二元结构”[2]。

然而，数字普惠金融也易衍生问题：一是盈利性与普惠性的兼容问题。普惠金融作为政府主导下的“政治性任务”，商业银行需要牺牲部分利润实现普惠目的，以行政手段干预金融资源配置容易造成金融机构“使命漂移”“资源错配”[3]；二是金融供需不平衡问题。供给不足，商业银行为了规避风险而在服务对象选择上的“精英俘获”现象，将贫困农户排斥在服务体系之外[4]；即便供给充足，需求方可能因自身不利因素，往往对金融资源的有效需求不足、利用效率偏低，影响数字普惠金融的减贫效果[5]；三是互金企业的问题。互联网金融企业在数字普惠金融上一直走在前列，也正是互金企业的探索和实践，定义和塑造了数字普惠金融。但在客户关系上，未能实现可触达性与适当性的平衡（过度营销、过度服务的行为）；在风险收益上，未能实现让利与全周期的统一（未经完整周期的市场检验）；在合规经营上，未能实现风控与不确定性的平衡（缺乏明确的法律规范），加剧金融排斥现象。

值得思考的是，数字普惠金融发展是“数字红利”还是“数字鸿沟”？是否有效减缓农村贫困率? 其内在机理和传导机制是什么?

二、数字普惠金融“异化”与新金融排斥

近年来，数字普惠金融持续优化和改善，商业银行业以普惠金融事业部统筹发展数字普惠金融，不断创新金融产品。囿于成本高、效率低、商业可持续性难等制约因素，普惠金融本就存在机会排斥、市场排斥、条件排斥、价格排斥等现象，有学者认为数字普惠金融会产生新的“异化”——存在风险缺陷，诱发新的金融排斥。解决异化效应，才能更好研究缓贫效果。

（一）数字鸿沟

数字普惠金融的推广关键在于信息技术，而信息技术天然就是存在差距的，有可能产生数字鸿沟。

鸿沟之一——设备。《2019年网络扶贫工作要点》要求充分释放数字红利，加大网络扶贫工作力度，贫困地区网络设施显著改善，在设备上的差距逐步缩小，但根据中国互联网络信息中心（CNNIC）发布的第45次《中国互联网络发展状况统计报告》显示，截至2020年3月，我国农村网民规模为2.55亿，占整体的28.2%；农村地区互联网普及率为46.2%；非网民规模为4.96亿，其中农村地区非网民占比为59.8%，非网民仍以农村地区人群为主。非网民不上网原因中51.6%的人不懂电脑或网络，13.4%人没有电脑等上网设备。[6]不可否认，因设备带来的鸿沟依然是存在的，尤其以农村地区突出。

鸿沟之二——信息。信息时代，信息源就代表着财富。即便互联网的普及拓宽了信息源，为信息的获得提供了更多可能性。但互联网企业、金融机构、政府机关等，天然具有信息获得的优势，如政府机关掌握着80%的信息数据资源；银行业每创收100万元，就平均产生130GB的数据，数据强度高踞各行业之首。[7]这些信息的垄断可能引起“信息孤岛”[8]——拥有信息的人将会拥有更多的信息，而无法获得信息或者需要支付更多花费获得信息的人则拥有更少的信息。

鸿沟之三——使用。信息的获得是鸿沟的一大成素，而信息的使用则是鸿沟的另一重要缘由。受文化程度、年龄等因素的影响，信息的接受方对于信息的认知以及使用存在差距。此外，即便金融机构作为信息的接受方，在使用信息的成本上也有差异，以互联网金融机构表现突出。比如一个非持牌的小型消费金融公司/大中型网贷（P2P）机构，其征询查询成本占运营成本的比重最低也要达到10%，高的则可达20%和30%左右，对农村地区的征信成本则会更高。[9]

（二）挤出效应

数字普惠金融的目的在于寻求商业可持续性与金融需求普惠性之间的平衡。但即便在“政治压力”之下，金融机构内生的商业可持续性，迫使其更多倾向于优势主体，对于弱势群体就有可能形成“挤出效应”。

金融机构的商业属性与普惠的社会效益不相平衡。尽管是数字普惠金融，但并不是“慈善金融”，也不是“扶贫金融”，本质上仍是“商业金融”。不能苛求金融机构一味满足普惠的目的，而放弃盈利的需求。数字普惠金融的前提在于金融机构能够实现商业可持续性，若利润与成本无法实现平衡，金融机构也就失去发展数字普惠金融的动力。中国社会融资成本指数显示，互联网金融（网贷）平均融资成本为 21.0%，小贷公司平均融资成本为 21.9%，若参照7.60%的企业社会平均融资成本或6.6%的银行贷款平均融资成本，这样的融资成本远远超出了数字普惠金融需求主体的承受能力。[10]可以预见，金融机构必然会选择优势的服务对象，而对于数字普惠金融本应服务的对象则避而远之。

（三）去风险化

无论是互联网金融公司，还是商业银行等金融机构，在从事数字普惠金融服务时，遵从法律、服从监管仍是必须考虑的重要因素，因而有些机构为了规避风险并化解监管压力，不得不选择脱离一些业务，产生“去风险化”行为。

数字普惠金融除传统金融的风险外，因为有信息技术的融入，会产生新的风险，如技术风险、网络风险等，加之严监管的态势，数字普惠金融机构为了符合监管要求或者基于自身的风险承受力考量，倾向于选择低风险、保守业务，或者选择增加对需求方的要求、条件，如担保方式、资信材料等等，可能导致真正有需求的贫困者难以获得融资。

（四）新金融排斥

数字鸿沟、“挤出效应”“去风险化”等风险缺陷的存在，从某种程度上会诱发新型金融排斥。

数字鸿沟→技术性金融排斥。以农村中老年群体为例，更倾向于选择商业银行物理网点和员工，对于线上工具或产品有抵触心理，接受新鲜事物慢、担心网络安全问题，数字普惠金融的便利性和高效性反而难以体现，这也就造成不同群体从金融服务中获益的能力有所分化。金融机构基于成本和风险进行对象选择时，从行为数据分析，农村居民尤其是贫困居民，可能因为信息识别和算法歧视则被排斥在大数据所带来的普惠经济机会之外。

挤出效应→市场性金融排斥。金融普惠力度不断加大，但数字普惠金融对微型企业、中低收入人口、贫困人口的深入下沉不足，甚至可能退出市场，社会目标失效。市场竞争日趋白日化，金融机构不得不考虑利润，除农村金融机构外，“离农脱小”的普惠金融反倒成为常态。金融机构成本通常由获取客户成本、风险识别成本、经营成本、资金成本组成。可以说，数字技术的融合，降低了金融的获取客户成本、经营成本，但从另一方面看，线上工具的运用滋生了新的风险成本，一旦爆发风险，如P2P之类的，殃及普惠扶贫的效率。

去风险化→风险性金融排斥。数字普惠金融的“去风险化”在一定程度上会减少部分地区或者人员获得正规金融服务的途径和机会，特别是对农村地区的弱势人群排斥更为明显，而这部分人群往往是普惠金融重点服务的对象。由于小微企业规模小、金融需求分散、固定资产抵押不足、利润回报率低、发展稳定性受限的问题导致其对环境的应变能力和抗风险能力较差，也属于去风险化行为中极易遭受严重金融排斥的对象。

三、商业银行数字普惠金融与破解排斥

数字普惠金融以互联网金融企业为开端，因商业银行兴盛，商业银行发展数字普惠金融有其独特的价值，是责任所系，机遇所在，转型所至，对于化解风险缺陷，破解新型排斥具有一定的意义。

（一）商业银行发展数字普惠金融的现实需要

责任所系。发展数字普惠金融既是政治要求，也是政策机遇。商业银行承担着支持实体经济、支持小微企业、金融扶贫等社会责任，单纯依靠传统的金融业务难以实现全覆盖，数字普惠金融正是其履行责任的契机。此外，受缚于机制体制、物理网点、服务模式的障碍，传统商业银行面临着“最后一公里”的服务难题，同时可以看到，国家推行普惠金融的进程中，也给予了商业银行部分“优惠”，如提升小微不良容忍度、MPA适度倾斜、存款准备金激励等措施。这些也让商业银行在履行责任之余，享受政策福利，保障业务可持续发展。

结构所需。随着供给侧结构性改革的深入推进，商业银行面临着结构调整的迫切。从公司业务看，传统商业银行以服务大中型企业为主，以城市商业银行为代表的，则更多服务于政府平台。但大中型企业、政府平台本身具备较强的融资能力，融资需求能够得到缓释。近年来，尽管商业银行有意转型，但小微企业、农村经营实体等因为天然缺陷，只能被动接受选择。数字普惠金融则为商业银行服务小微企业、服务农村提供了新途径。从零售业务看，“二八法则”的运用使商业银行普遍面临着基础客群薄弱的问题，更多地服务私行、财富客户，数字技术大大提升了传统商业银行拓客、获客的能力，凭借自身丰富的经营经验以及被客户广泛认可的信用优势，充分利用数字技术挖掘客户需求为传统商业银行赢得客户提供了有力的支持。[11]

转型所至。麦肯锡研究认为，全面的数字化转型是银行参与下一阶段数字化银行业务竞争的入场券。金融科技浪潮倒逼商业银行不断转型，大数据、云计算、物联网、AI技术的不断融入，云金融的兴起，金融科技成为商业银行布局的重要领域。诚如工行董事长陈四清在智慧银行生态ECOS1.0发布会上所说，“未来的银行就是金融科技公司”。数字普惠金融是商业银行转型的重要一环，关系到获客渠道、营销方式、风险控制等多方面，助推商业银行的智能化、移动化、数据化转型。

（二）商业银行发展数字普惠金融的优势

数字普惠金融综合成本低、相应速度快、覆盖范围广，与互联网金融公司的数字普惠金融以及传统的普惠金融相比，商业银行发展数字普惠金融具有比较优势：

一是渠道优势→可获得性高。一方面，与互联网金融公司的数字普惠金融相比，商业银行具有物理网点的优势，尤其是在农村地区。不可置否，物理网点具有面对面直观服务、贴合客户习惯的优势，农村地区居民更倾向于选择在商业银行物理网点办理业务。[12]另一方面，与传统普惠金融相比，商业银行数字普惠金融可以利用其网点优势，进一步突破“门槛”限制，延伸服务半径，拓宽金融服务范围，扩大金融服务对象，金融可获得性提高，从而更好地体现出普惠性。

二是产品优势→多样性高。与互联网金融公司相比，商业银行可以利用自身的数据、平台、资源等优势，构建独特的数字普惠金融产品体系。如可以根据与工商、税务、人行等部门的联系，基于纳税信息、社保信息、征信信息等，实现线上融资。而对于农村地区，商业银行数字普惠金融可以将其丰富的线下产品迁移至线上，满足农村局面线上储蓄、线上理财、线上保险等线上投资的需求。商业银行还可以针对客户需求提供个性化的产品定制，更有助于提升金融服务的全面性。

三是价格优势→金融成本低。尽管在数字技术上的成本有可能更高，但是商业银行综合成本有可能降低。正如前文所述，互联网金融公司的融资成本超过20%，商业银行则低于10%。从风险成本看，商业银行对于小微企业普遍采取“以高利率覆盖高风险”策略，这也是融资难、融资贵的因素之一。数字普惠金融利用大数据分析，可以实现风险的精准识别和计算，控制风险溢价，能够获得价格更合理的融资；从运营成本看，相对于物理网点的人力、物力成本，尤其农村地区设置网点的成本更高，数字普惠金融依托手机银行、直销银行等可以降低触达成本；从管理成本看，传统的金融服务更依赖于人工，客户经理走访调查、资料搜集、贷后管理等，管理成本明显，而数字普惠金融以全线上化流程为主，可优化每个环节，融资边际成本下降。

四是速度优势→服务效率高。从服务效率上看，由于依托数字技术，金融需求与金融供给可以实现快速对接，场景、流量、产品等迭代加快，可以说，互联网金融公司与商业银行均较高。但商业银行受制于消费者权益保护的约束，监管要求更严格，而且商业银行数字普惠金融更容易形成规模化效应，服务效率更加高。

五是风控优势→数据化程度高。商业银行作为经营风险的机构，具有丰富的风险控制经验。加之云计算、大数据分析等工具的融入，基于对企业的交易流、信息流，个人日常行为等信息，商业银行可以全面、及时、有效、动态地判断客户的诚信状况和信用水平，[13]对于风险的数据化控制程度更高，风险识别能力和授信审批效率显著提高，能够有效缓解信息不对称。

（三）商业银行数字普惠金融破解排斥与缓贫机理

1、直接机理

第一，商业银行数字普惠金融可以通过创新储蓄、信贷和支付手段，扩大农村居民对金融资源的可获得性、可接触性和支付便利度，并在提高议价能力和降低贫困脆弱性方面起到重要作用。[14]麦肯锡全球研究所报告指出，预计到2025年，对于发展中国家来说，支付模式的改变会使其GDP增长6％，增加3.7万亿美元和9500万个就业机会。[15]

第二，商业银行数字普惠金融可以通过信贷线上化、数据化，有效降低经营实体的成本。依据“长尾理论”[16]，数字技术的发展为长尾市场创造了机会和盈利空间，并在拓展市场宽度和挖掘市场深度方面具有重要作用。[17]数字普惠金融以低收入群体和中小企业用户（排斥于正规金融体系之外的群体）为服务对象，虽然其用户交易规模微小，但数字普惠金融产品的边际成本和搜寻成本趋近于零。[18]

第三，商业银行数字金融的发展缓解了“财富门槛”效应，使得价格发现和信息流通趋于容易，改善了获得信贷和存款的渠道，金融转移与金融普惠的程度进一步提高。另外，在提高弱势群体抗击风险能力方面，移动电话的使用可以加强家庭社会网络，促进内部信息的流动，从而改善家庭的风险分担，使其更好地应对风险冲击。[19]

2、间接机理

第一，商业银行数字普惠金融促进居民收入增长。其一，金融产品（比如收益更高的存款、理财产品）可以更广泛、更快速触达农村居民，增加农民收入；其二，数字技术的发展必然伴随信息技术设备设施的投入，增加劳动需求，在欠发达地区的投资有利于促进当地的资本积累并从生产中获益；其三，数字技术的使用，便于解放农村劳动力，提高生产效率，增加额外收入。[20]

第二，商业银行数字普惠金融可以改善收入分配。其一，数字普惠金融不再“嫌贫爱富”，接纳被排斥的弱势群体，使便捷、安全的金融服务和产品能够转移至农村地区，促进欠发达地区的发展，为其产出增长和就业创造作出贡献[21]；其二，规模收益和边际成本递减，使得“消费者主权”（尤其是弱势群体的利益）得到尊重和保护，有助于实现“益贫式增长”[22]，并最终带来了经济的包容性增长。

综上所述，商业银行数字普惠金融缓贫机理如下：

四、商业银行数字普惠金融缓贫实证研究

（一）变量选取及数据说明

pov（贫困度），本文借鉴绝大多数学者的研究成果，以消费水平衡量贫困程度。[23]

difi（数字普惠金融水平），本文选取北京大学互联网金融研究中心编制的全国31个省市2011-2018年的数字普惠金融指数作为衡量指标。[24]

ins（收入分配），本文借鉴绝大多数学者的研究成果，以泰尔系数表示城镇居民收入与农村居民收入比。[25]公式如下：

其中当j＝１，代表城镇；ｊ＝２，代表农村；ｔ表示年份，代表i省在ｔ年的泰尔指数；yi,１,ｔ表示ｔ年ｉ省城镇居民可支配收入，ｙi,２,ｔ表示ｔ年ｉ省农村居民可支配收入，ｙi,ｔ表示ｔ年ｉ省城乡居民收入的总和；xi,１,ｔ表示ｔ年ｉ省城镇常住人口数，xi,２,ｔ表示ｔ年ｉ省农村常住人口数，xi,ｔ表示ｔ年ｉ省的总常住人口数。

通过对比，本文借鉴绝大多数学者的成果，选择is（产业结构，第二、三产业值之和占生产总值的比重）、urban（城镇化水平，城镇人口与总人口的比值）、gov（财政支出水平，支农支出占政府财政支出比重）、edu（教育水平，财政支出中教育支出占比）、iep（对外开放水平，进出口贸易总额）等作为其他控制变量。[26]

从pov可以看出我国居民消费水平之间差距明显，差距可达10倍以上；同样，数字普惠金融存在较大差距，发展不平衡。

（二）模型构建与结果分析

本文借鉴崔艳娟，孙刚[27]的研究成果，设定模型如下：

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

其中: i 代表省的编号，将31各省编号为1至31，t为时间；Povi,t 为贫困发生率；Povi.t-1为其一阶滞后项；difii,t为数字普惠金融指数；insi.t为收入分配系数；Xi,t为控制变量；ui为地区固定效应；vt为时间固定效应；εi,t为误差项。

本文利用两阶段GMM系统进行模型估计。结果如下：

从估计结果来看，pov系数为正，说明具有一定延续性。difi系数P值显著不为0，表明数字普惠金融具备减缓贫困的作用，其对减贫的作用效果为每增加1%，贫困发生率有0.2138%的下降。此外，从ins系数看，消费支出的差距也是导致贫困增加的因素之一；从edu、gov等系数看，说明教育以及支农支出对于缓贫也有显著效果。

（三）相关启示

主要结论：商业银行发展数字普惠金融具有缓贫效应。对于商业银行发展数字普惠金融提出相关建议：

创新服务模式。构建“营销批量化、产品标准化、管理精准化、作业流程化、风险分散化”的普惠获客模式，即延伸服务范围，又降低经营成本，是商业银行发展数字普惠金融面临的主要问题。[30]商业银行要创新“互联网+金融”的服务模式，推进开放银行、云金融平台的搭建。构建高效的信贷审批机制，着力提升商业银行对小微企业、低收入人群，尤其是“三农”客群的金融服务力度和服务质量，以便实现商业可持续发展。

创新产品力度。紧盯政策导向，加大对金融产品和金融服务的创新力度，加快金融场景建设，降低金融服务门槛和成本，努力实现利润与成本的均衡，致力于打造综合化、多元化、个性化的产品服务体系，尤其是在助力农村方面作出突破。加强新技术的跟踪研究，加强技术储备，加快技术成果的转化应用。

创新思维模式。欠发达地区在数字普惠金融的发展空间上更大更宽，无论是从责任角度，还是转型角度看，商业银行要转变传统的思维模式，加大欠发达地区推广数字普惠金融的力度，增加该地区普惠金融的可获得性。商业银行在开展数字普惠金融的过程中，除去传统的储蓄、信贷渠道的普惠外，要开展“造血式”扶贫，帮扶农村技术设备的建设，加大对农村信息基础设施建设项目的支持，支持农村教育产业发展等相关辅助措施，突破鸿沟障碍。

创新风控管理。一方面，推动数据化风险管理。运用大数据、人工智能、物联网、区块链等技术，基于“三流”（资金流、信息流、物流）分析，商业银行可从多维度对客户进行全面评估，有效降低信息不对称程度，显著提升风控水平及效率。另一方面，推动业务流程由分散化向集约化转变。商业银行将基于数字化技术发展重新构思、设计现有的业务流程，以最有利于客户价值创造的运营流程进行重组，大幅度提升业务办理效率。

文章注释：

[1] 在建国初期，国家为了推行优先发展重工业的“赶超战略”，以人为干预方式压低银行利率、原材料价格、工价等，使稀缺资源流向重工业，并指令银行贷款优先支持重工业项目。林毅夫，刘培林. 自生能力和国企改革［J］. 经济研究，2001，( 9) : 60 － 70.

[2] 黄红光，白彩全，易行. 金融排斥、农业科技投入与农业经济发展［J］. 管理世界，2018，( 9) : 73 － 84.

[3] 谭燕芝，彭千芮. 普惠金融发展与贫困减缓: 直接影响与空间溢出效应［J］. 当代财经，2018，( 3) : 56 － 67；郑秀峰，朱一鸣. 普惠金融、经济机会与减贫增收［J］. 世界经济文汇，2019，( 1) : 101 － 120.

[4] 温涛，朱炯，王小华. 中国农贷的“精英俘获”机制: 贫困县与非贫困县的分层比较［J］. 经济研究，2016，( 2) : 111 － 125.

[5] 林万龙，杨丛丛. 贫困农户能有效利用扶贫型小额信贷服务吗? ———对四川省仪陇县贫困村互助资金试点的案例分析［J］. 中国农村经济，2012，( 2) : 35 － 45.

[6] 参见《第45次中国互联网络发展状况统计报告》2020年4月。

[7] 王姣，姚爽，王文荣.数字普惠金融风险缺陷与新型金融排斥生成研究——基于农村视角[J].农业经济.2020（2）:94-97

[8] 黄益平．数字普惠金融的机会与风险［J］．金融发展评论，2018（4）.

[9] 王姣，姚爽，王文荣.数字普惠金融风险缺陷与新型金融排斥生成研究——基于农村视角[J].农业经济.2020（2）:94-97

[10] 王姣，姚爽，王文荣.数字普惠金融风险缺陷与新型金融排斥生成研究——基于农村视角[J].农业经济.2020（2）:94-97

[11] 陈丹，等: 商业银行发展数字普惠金融的机遇与挑战.南都学刊[J].2019(1):119.

[12] 根据调研统计结果看出，银行（包含农村信用社）是农村居民获取金融服务最主要的来源，占比达71.75%，其中，在存取汇款等基础金融业务的办理方式中，通过银行柜台办理的比例最高，占比74.13%。

[13] 董晓林，朱敏杰．农村金融供给侧改革与普惠金融体系建设［J］．南京农业大学学报(社会科学版) ，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] 环球网．联合国报告：去年中国数字支付市场规模近3万亿美元.

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

[16] Marken（2006）提出的长尾理论认为，当商品储存、流通、展示的场地和渠道足够宽广，商品生产成本和销售成本急剧下降时，这些需求和销量不高的产品所占据的共同市场份额，可以和主流产品的市场份额相当，甚至更大，即众多小市场汇聚成可产生与主流相匹敌的市场能量。

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

[18] 数字信贷通过制定更具个性化的产品和服务提供给用户，将散落在各个细分市场的金融用户聚集在交易平台上，从而能够构建数字普惠金融的长尾市场。

[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] 依据“涓滴理论”，优先实现经济增长的地区将会在消费、就业等方面惠及弱势区域贫困人口等低收入群体，通过益贫式增长间接带动其发展和富裕，实现减贫增收，因此，数字普惠金融发展带来的经济增长使得贫困阶层利益均沾。

[23] 崔艳娟，孙刚．金融发展是贫困减缓的原因吗？：来自中国的证据［J］．金融研究，2012（11）：116-127．

[24] 北京大学数字金融研究中心和蚂蚁金服集团组成联合课题组，利用蚂蚁金服关于数字普惠金融的海量数据，编制了北京大学数字普惠金融指数，该指数分为两期，第一期跨度为2011-2015年，第二期跨度为2016-2018年。

[25] 参考王少平和欧阳志刚的研究成果，泰尔指数不仅考虑了人口变动的因素，也更能体现出城乡收入两端的变化。

[26] 借鉴罗斯丹，崔艳娟和孙刚等人的研究综合考虑。罗斯丹，陈晓，姚欣悦．我国普惠金融发展的减贫效应研究［J］．当代经济研究，2016( 12) : 82．崔艳娟，孙刚．金融发展是贫困减缓的原因吗？：来自中国的证据［J］．金融研究，2012（11）：116-127．

[27] 崔艳娟，孙刚．金融发展是贫困减缓的原因吗？：来自中国的证据［J］．金融研究，2012（11）：116-127．

[28] 考虑数据的统计误差和某些异常年份的极端值可能会影响研究的结果，首先对数据采取上下1% 水平的极端值处理。此外，本文将除difi外的所有变量化为百分数然后取对数值。

[29] 模型运用Sargan检验，该检验适用于检验模型工具变量的过度识别问题，上表中其P值检验为0.688，该结果表明模型的工具变量运用是合理的。

[30] 连育青．数字技术可使银行的普惠金融业务“飞翔”——对商业银行发展数据普惠金融的战略思考［J］． 当代金融家，2017( 10) : 72－75．

原创

中国电子银行网