研究速递｜数字普惠金融与流动人口工资: 来自中国70多万国内流动人口的证据
编者按
本研究调查了数字普惠金融（DIF）对中国移民工资的影响。利用北京大学数字普惠金融指数和中国流动人口动态监测调查数据（CMDS）的数据，本研究显示DIF对流动人口工资有着显著的积极影响，尤其是对DIF的使用深度而言。这种影响对于年龄较小的男性城市户口流动人口来说更为明显。机制分析表明，扩大流动人口距离、促进创业和商业活动以及增强居住稳定性是DIF刺激流动人口工资增长的潜在途径。
数字普惠金融与流动人口工资:
来自中国70多万国内流动人口的证据
文献来源：Zheng, X., Wang, Y., Wu, Q., & Zhou, Y. 2024. Digital inclusive finance and migrant wages: Evidence from over 700,000 internal migrants in China. Finance Research Letters, 62: 105123.
1. 引言
获得金融资源在提高低收入阶层的收入前景方面发挥着关键作用。在不完善的金融生态系统中，边缘化群体往往难以获得基本金融服务，因为他们被排除在正规金融领域之外（Honohan，2008）。近年来，移动银行、数字支付和在线贷款平台等数字技术不断涌现。这些技术已被证明能有效打破金融壁垒并深刻缓解金融排斥（Beck et al，2018）。因此，数字普惠金融（DIF）被认为是实现可持续发展目标（可持续发展目标）的重要工具，可以促进金融普惠、减少贫困和促进经济增长（Koomson et al，2020）。
然而，现有的研究主要集中在对城乡居民经济福祉的影响。对大量流动人口的关注不够，流动人口的收入往往相对较低。鉴于中国庞大的流动人口和与当地公共资源、福利和机会（如医疗、教育和社会福利）相关的独特户籍制度，这为研究DIF对流动人口工资的影响和潜在机制提供了一个有趣的案例。理解这些动态不仅可以揭示DIF如何影响流动人口的经济结果，还可以为制定有针对性的政策提供信息，以提高他们的财务福祉。研究结果还有助于促进金融普惠政策的制定和优化。
我们的研究在以下方面为文献做出了贡献。首先，与先前的研究不同，我们的研究特别关注DIF对流动人口工资收入的影响。流动人口是发展中国家大规模人口流动下的一个独特人口群体，是DIF经济效应的补充。其次，这项研究丰富了文献，加深了对DIF如何通过三种机制促进流动人口经济福祉的理解:流动距离、创业和商业活动以及居住稳定性。第三，这项研究的另一个与众不同的方面是我们利用了一个大样本，从汇总的横截面数据中提取了超过700，000个观察值。与以往样本量相对较小的研究相比，这一特征增强了我们研究结果的外部有效性。
2. 理论框架和研究假设
利用数字技术，DIF成为降低传统金融交易成本和改善金融可及性的有效工具。这增强了金融包容性，尤其是对资源有限的个人而言（Lee et al，2023）。DIF可以缓解人们的预算限制，减轻生产活动的不确定性风险，并通过扩大就业和创业机会来促进收入增长（Nambisan et al，2019）。考虑到中国国内流动人口的独特人口结构（由于户口制度造成的制度障碍，他们经常面临经济脆弱性），DIF可以通过以下三种途径积极影响他们的工资。
首先，DIF延长了流动人口的迁移距离，使他们能够获得更好的就业机会。在数字平台的推动下，金融服务的包容性增强，促进了企业的建立并创造了就业机会，这对劳动力迁移具有磁性吸引力。此外，DIF通过提供便捷的金融服务帮助降低流动成本（如差旅费和住房成本），允许欠发达地区的居民在更广泛的流动范围内探索更好的就业机会和收入前景。
其次，DIF提高了流动人口从事创业和商业活动的可能性。小额贷款和支付便利化等数字金融服务有助于流动人口获得风险资本支持，建立小企业或创业。DIF倡议还通过数字平台为流动人口提供了接触更广泛客户群和建立关系网的机会，从而有助于市场扩张。此外，DIF还有助于提高金融知识，使流动人口能够做出明智的商业决策并提高其收入水平。
第三，DIF促进了流动人口的居住稳定性，这提高了工作稳定性和随之而来的工资。一方面，DIF通过提供正规金融系统和及时的数字支付来帮助流动人口克服预算限制。这有助于解决流动人口稳定居住的生活费用问题，特别是那些暂时没有稳定收入的移民。另一方面，DIF还可以通过促进社区参与（例如建立金融关系和网络建设）和改善社会服务的获得（例如提供保险和医疗保健）来加强流动人口的社会融合。这促进了社会联系和归属感，从而为改善居住和就业稳定性创造了一个积极的循环，同时增加了工资收入。总之，我们提出以下假设:
H1:DIF的发展对流动人口工资产生了积极影响。
H2:迁徙距离、创业和商业活动以及居住稳定性在DIF对流动人口工资的影响中发挥了中介作用。
3. 数据和方法
3.1 数据
本研究使用的数据来自北京大学中国数字金融包容性指数（PKU_DFIIC）和2014年至2018年中国流动人口动态监查数据（CMDS）。在使用城市级代码合并2014年至2018年的PKU_DFIIC和CMDS数据集后，我们获得了708，998个观测值的最终样本。
3.2 变量选择
因变量是流动人口工资。我们用“你上个月的工资是多少（元）”这个问题来衡量这个变量来自CMDS的数据。为了便于解释估计结果，我们采用了流动人口工资的对数。
自变量是北大国际金融中心提供的DIF指数。具体而言，我们利用了四个DIF指标:综合DIF指数和三个子指标，包括覆盖广度、使用深度和数字化水平。根据雷等人（2023）的研究，这些指标在用作关键自变量时被标准化为零均值和单位方差。
中介变量包括迁移距离、创业和商业活动以及居住稳定性。其中，“迁移距离”源自问题“迁移过程中的距离是多少”，该问题的答案包括国家间、城市间和省际迁移。我们为这些情况分别指定了1-3的值，数值越高表示迁移距离越长。“创业和商业活动”是通过以下问题来衡量的:“你目前在移民目的地的主要职业是什么”。我们生成了一个虚拟变量，如果流动人口的职业与商业或创业有关，则该变量的值为1；否则，赋值为0。第三，“居住稳定性”，代表移民是否打算在当地稳定居住，通过问题“您是否计划未来在当地长期居住（5年以上）”来衡量。回答“是”的值为1，否则该变量得分为0。
考虑到潜在的混杂因素，多种个人和家庭特征被作为控制变量，包括性别、年龄、年龄平方、种族、教育、婚姻状况、户籍类型、家庭规模和社会保障。表1概述了本研究中使用的关键变量及其定义，以及描述性统计数据。
3.3 实证方法
本文旨在探讨DIF对流动人口工资的影响，基本模型如下:
为了解决由于反向因果关系和遗漏变量而可能产生的内生问题，我们进一步采用了与先前研究一致的IV方法。我们首先选取了城市级地表起伏度（RDLS）作为IV。选择这样一个IV的理由是较高的RDLS意味着更复杂的地形，增加了建设和维护相关数字设施的难度，从而对DIF的发展产生不利影响。此外，作为一个自然地理条件，RDLS应该与当地的工资收入没有直接关系。
其次，根据Buchak等人（2021）的研究，我们将每个城市到杭州的球面距离（以千公里为单位）用作IV。鉴于杭州是中国数字金融的发源地，距离杭州的重要性不可低估，因为它是一个对数字金融传播产生负面影响的外生因素。
第三，与雷等人（2023）的观点一致，我们也将“宽带中国”战略作为外生冲击来缓解内生性担忧。“宽带中国”于2013年作为一项国家倡议启动，旨在加强数字基础设施建设和改善数字服务。共有117个城市被指定为“宽带中国”试点城市，横跨2014年、2015年和2016年。我们生成了一个虚拟变量来反映“宽带中国”的实施变化（yes = 1）作为我们的第三个IV。
此外，我们进行了一系列有效性测试来检查我们主要发现的稳健性，包括变量、样本和模型规格的调整。
4.研究结果
4.1 DIF和流动人口工资
表2显示了DIF和流动人口工资之间关系的基线回归结果。在所有四个栏目中，估计数显示DIF与流动人口工资显著正相关。具体而言，在列（4）中，在所有控制因素下，DIF一个标准差的增加与流动人口工资平均增加12.1%有关，这表明DIF促进了流动人口工资收入的增长。此外，回归估计表明，享有社会保障的男性、已婚、中年、受过高等教育的流动人口往往工资较高。相反，少数民族和农村户口与移民收入呈负相关，这与先前的研究结果一致（Afridi et al，2015）。
4.2 异质性分析
不同子维度的DIF
表3显示了使用DIF不同子维度作为关键自变量的回归估计。结果表明，DIF的所有三个子维度都与流动人口工资具有统计上的显著正相关关系。DIF覆盖率、使用深度和数字化水平每增加一个标准差，流动人口工资分别增加7.7%、16.5%和1.8%。相比之下，与其他两个子维度相比，提高DIF使用深度对移民经济福祉的影响更大。一个可能的原因是，随着DIF的深入使用，金融机构倾向于提供更加个性化和多样化的金融服务，从而大大提高客户的经济福祉。
不同特征的流动人口
在这一小节中，我们将交互项添加到基线回归中，以调查DIF对性别、户口和出生队列的流动人口工资的异质性影响。特别是，根据刘等人（2020）的研究，1980年或之后出生的流动人口被视为新生代流动人口，而1980年之前出生的流动人口被归类为老一代流动人口。如表4第（1）和（2）栏所示，结果表明，与女性和农村流动人口相比，男性和城市流动人口更有可能因DIF而获得工资增长。一个合理的解释是，男性可能有更好的就业机会，利用他们的“性别优势”。同样，拥有城市户口的流动人口可以有效地利用DIF提供的优势，因为他们在城市环境中可以更好地获取信息。第（3）栏的结果表明，与老一代流动人口相比，DIF对新一代流动人口的收入影响明显更大。这可能是因为年轻的流动人口群体有更广泛的信息渠道，并愿意探索新的机会（刘等人，2020）。
4.3 内生性测试和稳健性检查
如前所述，我们使用RDLS、杭州的城市级球面距离和“宽带中国”作为单独的虚拟变量来解决内生性问题。表5显示了两阶段最小二乘（2SLS）估计的结果。列（1）、（3）和（5）中的第一阶段估计表明，我们的IVs与DIF指数显著相关，并显示出预期的影响方向。
表6列出了一系列稳健性测试的结果，其中A组进行了变量调整，b组进行了方法和样本修改。在A组中，第（1）和（2）栏采用了衡量流动人口经济福祉的替代指标，包括家庭人均月收入和支出（均为对数）。列（3）和（4）分别使用原始DIF指数及其对数形式。列（5）和（6）进一步纳入了对城市固定效应和城市级协变量的控制，以说明潜在的城市级混杂因素。其他城市特征包括人均GDP、产业结构、城市人口和面板A的结果始终表明，无论因变量和自变量如何调整，DIF对流动人口的经济地位都有显著的积极影响。
在图B中，列（7）和（8）对城市和省一级的标准误差进行聚类，以说明区域相关性。
4.4 潜在机制
我们使用经典的逐步方法探索了DIF对流动人口工资影响的潜在渠道。第一步，我们研究了DIF对潜在中介变量的影响。第二步，我们调查了中介和我们感兴趣的结果之间的联系。表7给出了机理分析的估计结果。第（1）、（3）和（5）栏的结果表明，DIF显著增加了流动人口的迁移距离和流动人口参与创业和商业活动的可能性。此外，DIF还大大提高了流动人口在其目的地定居的长期意愿。在列（2）、（4）和（6）中，显然三个中介变量与流动人口工资显著正相关。在第（7）列中，我们将三种潜在的介质放在一起，结果保持一致。此外，在控制了中介因素后，DIF对流动人口工资的边际效应下降。这表明，迁徙距离的增加、参与创业和商业活动的可能性以及居住稳定性是DIF影响流动人口工资的潜在机制。
5. 结论
利用中国70多万名国内流动人口的大样本，本研究考察了DIF对流动人口工资的影响。结果表明，DIF显著提高了流动人口的工资收入，DIF使用深度的影响比其他子维度更明显。此外，DIF对1980年及以后出生的男性城市户口流动人口的工资有更显著的积极影响。我们的机制分析表明，DIF对流动人口的收入影响可以归因于为寻求更好的就业机会而增加的迁徙距离、更有可能从事创业和商业活动以及居住稳定性的提高。
这项研究的结果与我们的研究假设一致。我们的研究强调了DIF在促进人口迁移、提高流动人口就业质量和经济福祉方面的重要作用。根据我们的调查结果，制定有针对性的措施以充分利用DIF对流动人口的收入影响至关重要。政策制定者应专注于推进数字化基础设施发展和提高DIF对流动人口的包容性，从而提高其数字化水平和覆盖面。同时，加强对移民数字技能和金融知识的培训对于深化DIF的使用同样至关重要。此外，同样重要的是，数字金融服务应该增强相对弱势群体的权能，例如女性、农村户口的流动人口和老一辈流动人口。这可以进一步扩大DIF的包容性，旨在提高金融福祉和减少经济不平等。
本文经翻译整理，仅供学习与交流，转载请注明出处。
-编辑：张宇擎 | 审核：张宇擎-
文章荐读