摘要：文章将中国家庭追踪调查（CFPS2014、2016、2018）和《北京大学数字普惠金融指数》相匹配，研究数字普惠金融对农村劳动力非农转移的影响。研究发现：数字普惠金融总指数和分指数均会增加农村劳动力兼业和纯务工的概率，有助于农村劳动力非农转移。此外，数字普惠金融发展程度越高，其对农村劳动力非农转移的影响效应越大。在此基础上，进一步研究分析数字普惠金融对不同区域、年龄、受教育程度农村劳动力非农转移的异质性影响，以全面了解数字普惠金融对农村劳动力非农转移的影响。以上结论为利用数字普惠金融缓解农村劳动力剩余、推动乡村振兴战略具有一定的参考意义。
关键词：数字普惠金融；农村劳动力；非农转移；边际效应
中图分类号：F832 文献标识码：A
文章编号：1005-3492(2022)05-0113-16
一、引言与文献综述
自2004年至今，中央政府已连续18年出台中央一号文件，聚焦我国“三农”问题，致力于“三农”问题的解决，而解决“三农”问题的关键是增加农民收入。自改革开放以来，我国农村劳动力大规模地从农业部门转移至非农业部门，充分发挥了劳动力能动性，增加了农民收入，推动了我国经济发展。非农转移成为农民增收的重要渠道。在第三次科技革命的背景下，以数字技术为依托的数字普惠金融逐步成为我国农村金融服务的主力军。同时，2021年中央一号文件指出，要实施数字乡村建设发展工程，这为农村地区数字普惠金融的发展提供了政策支持，稳固了数字普惠金融在农村金融深化改革过程中的重要地位。而数字普惠金融可以通过缓解信贷约束，促进潜在企业的萌生和现有企业的发展，增加社会非农岗位，拓宽农村劳动力就业范围。同时，数字普惠金融还可以通过缓解农村劳动力的金融约束，为其人力资本的积累和转移成本的承担提供金融支持，降低就业难度。这为推进农村劳动力非农转移，进而带动更多农民享受经济发展红利，推进乡村振兴战略提供了重要渠道。因此，探究数字普惠金融对农村劳动力非农转移的影响及作用机制具有重要的现实意义。
在学术界，随着数字普惠金融的发展，越来越多的学者意识到发展数字普惠金融的重要意义，并从宏观、中观和微观三个层面探究数字普惠金融的社会影响，例如，数字普惠金融对减贫、城乡收入差距、产业结构升级等宏观层面的研究，对企业融资约束、创新升级等中观层面的研究，以及对城乡居民收入、创业、消费、就业等微观层面的研究。而农村劳动力从农业部门向非农业部门转移作为当今时代的一大标志，它对优化劳动力配置、实现经济发展以及促进社会和谐稳定起到至关重要的作用。鉴于农村劳动力非农转移的重要性，国内外许多学者就影响农村劳动力非农转移的因素展开研究，并为合理引导农村劳动力非农转移提出了很多具有学术价值和政策指导意义的观点，现有研究已比较成熟和完善，涉及农民生产生活的方方面面，如土地制度、资源禀赋、个人特征、家庭特征和外界环境等。
但经梳理文献，我们发现少有文献就数字普惠金融对农村劳动力非农转移的影响展开研究。因此，在已有文献的基础上，本文从以下几方面入手，试图丰富和填充现有研究，并希冀为利用数字普惠金融引导农村剩余劳动力非农转移提出政策启示。一是采用2014年、2016年和2018年CFPS数据和北京大学数字普惠金融指数匹配的面板数据，构建有序Probit模型，基于微观视角以农村劳动力个体为研究对象，探究数字普惠金融对农村劳动力非农转移的影响；二是在基本检验的基础上，加入因变量二次项，探究数字普惠金融对农村劳动力非农转移的作用特征；三是采用CMP工具变量法，以省级互联网普及率为工具变量，检验数字普惠金融与农村劳动力非农转移之间的内生性；四是采用边际效应检验法，检验数字普惠金融对农村劳动力不同就业方式的边际影响。
本文余下部分安排如下：第二部分为理论分析和提出研究假说；第三部分主要介绍数据来源、变量选择和模型设定；第四部分为实证结果及分析；最后是研究结论和政策启示。
二、理论分析与研究假说
作为数字技术与普惠金融结合的产物，数字普惠金融对农村现代化的实现以及农民的生产生活发挥着愈发重要的作用，在广大农村地区已得到推广。另外，随着政策的扶持以及数字基础设施的完善，数字普惠金融对农民的影响愈发显著，其对劳动力非农转移的影响可能呈现增加态势。
现阶段，我国劳动力市场提供的非农岗位仍无法完全满足农村劳动力的需求，这使得农户非农就业水平的高低主要取决于劳动力市场非农岗位供给的多少。数字普惠金融摆脱了对实体网点的依赖，建设成本低，可以实现以更低的成本提供金融产品。并且数字普惠金融可以突破时空限制为借款人贷款提供便利，减少了时间成本；此外，与传统金融不同的是，数字普惠金融一般不要求企业和个人提供抵押物，而是通过技术手段汇总梳理两者信用信息来决定是否放贷。这大大降低了企业和个人的借贷成本，为企业经营规模的扩大和居民创业创造了有利条件。而企业的设立和发展释放出大量就业岗位，增加了农民非农就业的机会。此外，数字普惠金融可以为农村劳动力提升就业能力提供资金和信贷支持，利于劳动力满足非农岗位的用人需求，进而提高农村劳动力与非农岗位匹配成功的概率。最后，农村劳动力在向非农岗位转移的过程中，存在着就业信息获得成本、交通成本、住宿饮食成本等成本，许多经济实力有限的农村劳动力因无法承担转移成本，进而无法实现非农就业。而数字普惠金融可以缓解农村劳动力对资金的一时之需，有利于农村劳动力向非农岗位转移。综上所述，数字普惠金融可以通过促进企业设立和发展、提高劳动力就业能力以及缓解劳动力资金约束，进而提升农户非农就业水平。基于以上分析提出假说1。
假说1：从整体上看，数字普惠金融的发展有助于农村劳动力非农转移
数字普惠金融以互联网等数字技术为依托，强调数字技术在金融服务中的应用，具备网络经济的特征，存在着广泛的外部性特征。由于城镇和农村地区相关基础设施存在差异，数字普惠金融优先在城镇地区发展，且现已趋于饱和状态，而农村地区相当于数字普惠金融发展的“新市场”，具有较大的用户规模。随着数字普惠金融在农村地区的发展，不断有新的农村用户使用数字金融产品，用户的增加为数字金融产品的创新升级与多样化提供了动力，反之，数字金融产品的创新升级与多样化吸引了更多农村用户使用数字金融产品，数字普惠金融的价值得到不断的提升，其对农村用户的作用更加显著，可能存在非线性特征。此外，仅就数字普惠金融对农村劳动力而言，在数字普惠金融发展初期，数字普惠金融被使用的深度、覆盖范围的广度以及客户真正被惠及和便利的程度受农村地区相关基础设施的限制，农村劳动力对数字普惠金融的了解和使用程度有限，数字普惠金融对其非农转移的促进作用较小。随着农村地区相关基础设施的不断完善，数字普惠金融使用深度、覆盖广度和数字化程度得到大幅提升，激发了更多劳动力非农转移的意向。另外，相关农村金融改革政策的出台与农村地区互联网的普及，为农村数字普惠金融的发展提供了政策支持和技术支持，成为农村数字普惠金融发展的快速增长点，当数字普惠金融发展到这一快速增长点时，其对农村劳动力非农转移的促进作用进一步增强，出现边际递增的现象。基于以上分析提出假说2。
假说2：数字普惠金融对农村劳动力非农转移的影响具有非线性特征，数字普惠金融发展程度越高，其对农村劳动力非农转移的促进作用越大
三、数据来源、变量选择和模型设定
（一）数据来源
本文采用的数据主要来源于中国家庭追踪调查（CFPS）和北京大学数字普惠金融指数。其中，中国家庭追踪调查（CFPS）涵盖村（居）、家庭、个人三个层面，囊括村（居）基础设施与环境、人口、家庭收支、个人教育工作等内容，较为全面地反映了我国经济发展和社会变迁情况。“北京大学数字普惠金融指数”以指数编制的形式定量刻画了我国数字普惠金融发展水平，并同时考虑数字普惠金融服务被使用的深度、覆盖范围的广度以及客户真正被惠及便利的程度，其下设使用深度、覆盖广度和数字化程度三个维度，完整、准确地反映了我国数字普惠金融发展现状和演变趋势。为探究我国农村劳动力非农转移的规律，避免偶然性，本文选取CFPS2014、CFPS2016和CFPS2018中均接受调查且处于16岁以上以及60岁以下的农村劳动力个体样本，构建平衡面板数据，剔除无效数据，最终获得19367个观测值。
（二）变量选择
1.解释变量
参考杨伟明等、张庆君和黄玲张庆君、的研究，使用“北京大学数字普惠金融指数”中省级总指数及其子指数作为解释变量。
2.被解释变量
本文参照张景娜和朱俊峰的方法，构建一个离散且有序的变量以衡量农村劳动力非农转移程度。其中，将纯务农，即不从事任何非农工作的样本取值为0；将兼业，即从事非农工作并且承担家庭农业生产任务的样本取值为1；将纯务工，即从事非农工作但不承担家庭农业生产任务的样本取值为2。
3.控制变量
考虑到还有来自户主、家庭、地区等方面的因素会影响农村劳动力非农转移，本文从个人特征、家庭特征和地区特征三个层面选取控制变量。其中，家庭净资产、交通状况、财政支出改善和财政支出偏倚分别参考肖龙铎和张兵、张景娜和朱俊峰、宋晓玲的方法。具体变量选择及描述性统计结果见表1。
表1 变量选择及描述性统计
（三）模型设定
1.基本回归分析
为探究数字普惠金融对农村劳动力非农转移的影响，模型设定如等式（1）。
其中，Yijt表示被解释变量农村劳动力非农转移程度，表示不可观测的i省个体j在t年的转移程度。Xijt表示解释变量数字普惠金融。β为待估参数，其中β1为截距项，表示不受其他因素影响下的农村劳动力非农转移程度；β2表示在其他条件不变的情况下，数字普惠金融对农村劳动力非农转移的影响，若其大于0，则表明数字普惠金融的发展有助于农村劳动力非农转移，即假说1成立，反之不成立；Zijt表示控制变量。φi表示省份固定效应，用来控制省份差异，θt表示年份固定效应，用来控制年份差异。εijt表示随机扰动项，衡量一系列不可观测的因素。
2.作用特征分析
在基本模型的基础上，参考王永仓的做法将数字普惠金融的二次项加入基本回归模型以期考察数字普惠金融对农村劳动力的作用特征。模型设定如等式（2）。
其中，Yijt表示被解释变量农村劳动力非农转移程度，Xijt表示解释变量数字普惠金融，Xsqijt为解释变量的二次项，Zijt表示控制变量，φi表示省份固定效应，θt表示年份固定效应， νijt表示随机扰动项。
四、实证分析
（一）数字普惠金融对农村劳动力非农转移的影响
由表2第（1）列可知，数字普惠金融总指数的估计系数显著为正，这说明，总体上一个地区数字普惠金融的发展有助于当地农村劳动力非农转移，验证了假说1。具体来说，一个地区数字普惠金融发展程度每提升一个单位，当地农村劳动力非农岗转移程度将提升0.00275个单位。从理论上来讲，数字普惠金融正向促进农村劳动力非农转移的原因在于，一方面，数字普惠金融缓解了农村劳动力的金融约束，为农村劳动力人力资本的积累和转移成本的支付提供金融支持，增加劳动力与非农岗位匹配成功的概率。另一方面，数字普惠金融有助于潜在企业的设立和现有企业的创新升级，产生了大量劳动力需求，拓宽了劳动力非农转移的渠道，增加其就业机会。由第（2）—（4）列可知，在控制了其他因素以后，使用深度、覆盖广度和数字化程度均有助于农村劳动力向非农部门转移，且在1%的水平上显著。另外，三者对农村劳动力非农转移的影响存在差异，其中，覆盖广度对农村劳动力非农转移的正向促进作用最为显著，使用深度次之，数字化程度最后。可能的原因在于，覆盖广度是在互联网的驱动下将金融资源覆盖更多人群，为释放普惠金融普惠性的基础，如若数字普惠金融无法覆盖许多地区，覆盖范围窄，数字普惠金融对农村劳动力非农转移的影响则存在限制，所以农村劳动力非农转移对其的敏感程度要更高。
表2 数字普惠金融对农村劳动力非农转移的影响
表2还显示，在控制变量方面，年龄小、受教育年限长、健康水平高、无配偶以及男性劳动力更易实现非农转移，这与现实相应。一般而言，身体和技能素质多为非农部门选拔员工时衡量员工能力的指标，而受教育水平高、健康水平高、无配偶的年轻男性劳动力更易被非农部门接纳。政治面貌的系数在10%的水平上显著为正，这表明政治面貌为中共党员的农村劳动力更易非农转移，可能因为，政治面貌在一定程度上反映了农村劳动力的社会资本水平，而社会资本优化信息资源的配置，拓宽劳动力信息获取渠道，增大劳动力就业概率，帮助劳动力更便捷地获取就业信息，更易非农转移。家中是否持有金融资产在一定程度上反映了农村劳动力所在家庭的金融素养水平，而金融素养水平越高，农村劳动力会更合理地运用金融资源，缓解转移过程中的金融约束，用于积累人力资本、支付生存费用和工作搜寻过程中所产生的各项费用。土地禀赋、雇佣价格与财政支出偏倚与农村劳动力非农转移均呈负相关，且在1%的水平上显著，可能的原因分别为，土地禀赋在一定程度上会限制农村劳动力的转移，若家中土地规模大，劳动力往往会因农业生产而无法从事非农工作；雇佣价格为农村劳动力非农转移的成本之一，较高的雇佣价格会抑制农村劳动力的非农转移；财政支出偏倚反映了政府对农林渔业的支持力度，财政支出偏倚程度越高，说明政府对农林渔业的支持力度越大，许多老年劳动力、健康水平较低的劳动力与女性基于自身劳动能力会选择农内转移。
（二）边际效应检验
农村劳动力在由农业部门向非农部门转移的过程中除纯务农以及纯务工之外，还普遍存在着半工半农的兼业行为，这种兼业状态对农户增收以及农业和农村的发展均起到十分重要的作用。鉴于农民兼业的普遍性和重要性，试图采用边际效应检验的方法探究数字普惠金融总指数和分指数会使农村劳动力更偏向兼业还是纯务工这一问题，结果如表3。结果显示，数字普惠金融总指数和分指数都会使农村劳动力纯务农的概率降低，而兼业和纯务工的概率得到提升，并且纯务工提升的概率高于兼业。这表明，数字普惠金融的发展确实有助于优化农村劳动力就业结构，对促进我国农村劳动力共享经济发展成果、释放劳动力配置红利和稳定快速发展农村经济具有极为重要的意义。
表3 数字普惠金融对农村劳动力非农转移影响的边际效应检验
（三）内生性检验
研究数字普惠金融对农村劳动力非农转移的影响需处理内生性问题，主要包括：一是反向因果问题，即数字普惠金融的发展有助于农村劳动力非农转移，反过来，农村劳动力非农转移也可能对数字普惠金融产生影响；二是测量误差问题，即由于在变量度量上存在误差，导致其与真实值存在偏差；三是遗漏变量问题，即残差项中可能存在既影响数字普惠金融又影响农村劳动力非农转移的因素，可能导致系数估计有偏。因此，本文运用工具变量的CMP估计方法，以省级互联网普及率作为工具变量检验以上回归结果的可靠性。估计过程如下：第一阶段以数字普惠金融作为被解释变量，在原有控制变量的基础上加入了省级互联网普及率，回归结果显示省级互联网普及率与数字普惠金融总指数和分指数均高度相关，且模型估计的LR检验拒绝了零假设，排除了弱工具变量的可能性；第二阶段则以农村劳动力非农转移作为被解释变量，回归结果如表4，可以发现在考虑内生性和全部控制变量后，数字普惠金融总指数和分指数仍均有助于农村劳动力非农转移，且在1%的水平上显著，验证了假说1的可靠性。此外，将结果与表2对比，可以发现数字普惠金融总指数和分指数的系数明显增大，这表明，如若不考虑内生性，数字普惠金融总指数与分指数对农村劳动力非农转移的促进作用将会被低估。
表4 数字普惠金融对农村劳动力非农转移影响的内生性检验
（四）数字普惠金融对农村劳动力非农转移的作用特征
由表5第（1）列可知，数字普惠金融总指数对农村劳动力非农转移具有非线性特征，当其发展程度到176.75时，其对农村劳动力非农转移的促进作用边际递增，而分析本文样本数据，可以发现，除2013年部分样本之外，其他样本的数字普惠金融指数均高于176.75，位于拐点右边，这表明，随着数字普惠金融发展程度的提高，其对农村劳动力非农转移的影响效应越大，验证了假说2。
表5 数字普惠金融对农村劳动力非农转移的作用特征
表5第（2）—（4）列显示，使用深度、覆盖广度和数字化程度对农村劳动力非农转移也具有非线性影响。前两者对农村劳动力非农转移的影响呈正U型特征，数字化程度呈倒U型特征，拐点分别为141.00、110.00和283.33。经过分析样本数据，发现大部分样本数据位于拐点的右边。这表明，当发展到一定程度时，使用深度和覆盖广度对农村劳动力非农转移的促进作用呈现边际递增趋势，而数字化程度对农村劳动力非农转移的促进作用呈现边际递减趋势。可能的原因在于，数字化程度反映客户真正被惠及和便利的程度，切实体现了数字普惠金融的低门槛特征，但是数字金融产品为农村劳动力非农转移提供暂时资金支持的同时，也可能会为其增加较高水平的借贷成本，而高水平的借贷成本往往会抑制农村劳动力作出非农转移的决策。因此，数字化程度的提高，伴随的是其对农村劳动力非农转移促进作用的边际递减。
（五）异质性分析
考虑到农村劳动力所处区域、年龄和受教育年限会对其非农转移产生影响，故试图从区域、年龄、受教育年限入手，探究数字普惠金融对不同区域、年龄和受教育年限劳动力非农转移的异质性影响。
1.区域层面
在数字普惠金融快速发展的同时，与我国大多数经济特征一样，数字普惠金融发展程度在地区间存在一定的差异。参照国家统计局的区域划分方法，将全国31个省、自治区、直辖市分为东部、中部和西部三大区域，进行分组回归，考察数字普惠金融对不同区域农村劳动力非农转移的影响和作用特征，结果如表6。
表6 数字普惠金融对不同区域农村劳动力非农转移影响的异质性分析
表6显示，在未加入数字普惠金融总指数二次项时，三个地区的数字普惠金融均对当地农村劳动力非农转移起到正向促进作用，且估计系数在1%的水平上显著；另外，东部地区数字普惠金融的促进作用明显优于其他两个地区。从理论上讲，一个地区数字普惠金融的发展程度与当地传统金融发展水平和经济发展水平密不可分，而相较于中西部地区，我国东部地区实体经济发展水平和传统金融覆盖度均有很大优势，数字普惠金融发展水平要高于中西部。数字普惠金融发展水平越高，越有助于当地生产水平的提升和农户发展机会的增加，为农村劳动力非农转移创造机会和提供金融支持。因此，数字普惠金融对东部地区农村劳动力非农转移的促进作用优于中部和西部地区。
表6也显示，在模型中加入数字普惠金融总指数二次项后，东部和中部地区数字普惠金融总指数估计系数显著为负，二次项系数显著为正，说明东部和中部地区数字普惠金融对当地农村劳动力非农转移具有非线性作用，呈现正U型特征，而西部地区数字普惠金融正好与之相反，呈现倒U型特征。另外，三个地区数字普惠金融对农村劳动力非农转移的作用拐点分别为176.32、196.32和225.00。经过分析本文样本，发现东部和中部地区的数字普惠金融数据大多位于拐点右边，西部地区大多位于拐点左边，即三个地区数字普惠金融对农村劳动力非农转移的影响均处于边际递增阶段。以上结论为我国加快中西部地区数字普惠金融发展步伐，缓解当地农村劳动力剩余，拉动当地经济发展，进而实现我国经济均衡发展提供了理论支持。
2.年龄层面
数字普惠金融以互联网等数字技术为依托，农村劳动力对数字技术的使用程度影响其对数字普惠金融的接受程度，而不同年龄的农村劳动力对数字技术的使用程度存在差异，参照已有文献，以15岁为划分标准，将农村劳动力分成16—30岁、31—45岁和46—60岁三组，进行分组回归，考察数字普惠金融对不同年龄农村劳动力非农转移的影响和作用特征，结果如表7。
表7 数字普惠金融对不同年龄农村劳动力非农转移影响的异质性分析
表7显示，在未加入数字普惠金融总指数二次项时，数字普惠金融对16—30岁农村劳动力非农转移的影响不显著，而对31—45岁和46—60岁劳动力非农转移的影响是显著正向的，且对31—45岁农村劳动力非农转移的促进作用最优，46—60岁劳动力次之。可能的原因在于，数字普惠金融以互联网为代表的数字技术为依托，农村劳动力对数字技术的知晓和应用程度在一定程度上影响其对数字普惠金融的接纳程度，相较于其他两个年龄段，31—45岁的农村劳动力对数字技术的知晓和应用程度较高，因此，其对数字普惠金融的接纳程度要高于其他两个年龄段，数字普惠金融更加影响其向非农业部门转移的决策和行为。
表7也显示，在模型中加入数字普惠金融总指数二次项后，数字普惠金融总指数的估计系数均为负，而二次项系数为正，说明无论农村劳动力处于哪一个年龄阶段，数字普惠金融对其的作用均是非线性的，且将样本数据与计算出的拐点数值进行比对，发现大多样本数据大于拐点数值。这表明，数字普惠金融对不同年龄农村劳动力非农转移的促进作用处于边际递增阶段，即数字普惠金融发展程度越高，对不同年龄农村劳动力非农转移的影响效应越大。
3.受教育年限层面
受教育年限对农村劳动力非农转移的难易程度起到关键性作用，故按照初中及初中以下、高中、大专及大专以上的划分方式，将农村劳动力受教育年限划分为四组，进行分组回归，考察数字普惠金融对不同受教育年限农村劳动力非农转移的影响和作用特征，结果如表8。
表8 数字普惠金融对不同受教育年限农村劳动力非农转移影响的异质性分析
表8显示，数字普惠金融对不同受教育年限农村劳动力非农转移均具有非线性影响，其中对初中及初中以下劳动力的影响最显著。可能的原因在于，受教育年限少的农村劳动力获取就业信息存在很大的不便捷性，且企业往往把受教育年限作为甄别人才的一项重要指标，受教育年限少的农村劳动力多被排斥在外，现成为我国农村剩余劳动力的主要组成部分罗琦、罗明忠、唐超：《非农转移与农内转移：农村劳动力转移的行为选择与机理》，《经济体制改革》2019年第3期。，而受教育年限多的农村劳动力深受企业青睐，更易且更倾向于转向高工资的非农岗位，往往已完成非农转移，因此，相较而言，数字普惠金融对受教育年限少的劳动力影响显著。此外，仅就数字普惠金融对初中及初中以下劳动力非农转移的作用而言，当数字普惠金融发展水平达到124.83时，数字普惠金融对初中及初中以下劳动力非农转移的促进作用边际递增。而经比对样本数据，发现除个别样本之外，数字普惠金融数值大都大于124.83，这表明，数字普惠金融对初中及初中以下劳动力非农转移的促进作用处于边际递增阶段，这有助于缓解我国农村低教育程度劳动力剩余现象，对推动乡村振兴战略的顺利实施具有重要的意义。
（六）稳健性检验
鉴于上一期数字普惠金融的发展水平对本期农村劳动力转移决策和行为有所影响，而本期的农村劳动力非农转移不会影响上一期的数字普惠金融发展水平，采用滞后一期的数字普惠金融总指数和分指数作为解释变量与农村劳动力非农转移分别进行回归，以评估上一期的数字普惠金融如何影响当期农村劳动力非农转移，以期探究基本回归分析结论的稳健性。表9第（1）、（3）、（5）和（7）列汇报的是数字普惠金融总指数和分指数对农村劳动力非农转移的影响，第（2）、（4）、（6）和（8）列汇报的是数字普惠金融总指数和分指数对农村劳动力非农转移的作用特征。结果仍显示，从总体上来说，数字普惠金融对农村劳动力非农转移具有非线性影响，且在发展到一定程度时，数字普惠金融有助于农村劳动力非农转移，该影响边际递增，与前文结果基本保持一致。此外，数字普惠金融分指数对农村劳动力非农转移的影响及作用特征亦与前文结果基本保持一致。这表明，前文基本回归分析的实证结论是稳健的。
表9 数字普惠金融对农村劳动力非农转移影响的稳健性分析
五、研究结论与政策启示
本文运用CFPS数据和北京大学数字普惠金融指数匹配的平衡面板数据，构建有序Probit模型，探究数字普惠金融对农村劳动力非农转移的影响和作用特征，并展开边际效应检验，探究数字普惠金融对不同就业形式的边际效应。此外，分别从区域、年龄、受教育程度三个层面全面分析数字普惠金融对农村劳动力非农转移的异质性影响。在此基础上，通过将数字普惠金融滞后一期对实证结果进行稳健性检验。研究结果表明：第一，从总体上看，数字普惠金融的发展有助于农村劳动力非农转移，在控制内生性和控制变量后，一个地区数字普惠金融发展程度每提升1%，当地农村劳动力非农转移程度提升0.00375%。分指数使用深度、覆盖广度和数字化程度亦均促进农村劳动力向非农部门转移，且覆盖广度的影响最为显著。第二，数字普惠金融的发展使得农村劳动力纯务农的概率降低，而兼业和纯务工的概率得到提升，且会使农村劳动力更倾向于纯务工这一转移方式。第三，数字普惠金融对农村劳动力非农转移的影响具有非线性特征，且数字普惠金融发展程度越高，其对农村劳动力非农转移的促进作用越大。第四，数字普惠金融的发展对不同地区、不同年龄和不同受教育程度农村劳动力非农转移的影响具有异质性，但无论农村劳动力位于哪一个地区、处于哪一个年龄段还是接受多少教育，数字普惠金融对其的促进作用均是边际递增的。
综上所述，本文肯定了数字普惠金融对农村劳动力非农转移的积极作用，并认识到了在农村地区推进数字普惠金融发展以缓解农业劳动力剩余进而实现农民持续增收的必要性。基于此，本文提出以下建议：首先，数字普惠金融以数字技术为依托，其在农村地区的顺利推行，离不开农村地区数字化建设。在未来应健全数字普惠金融基础设施建设，进一步加大各地互联网普及率，推进农村数字普惠金融发展进程，为推动当地农村劳动力向非农部门转移，使更多的劳动力共享经济发展成果提供助力。其次，由于实体经济发展水平和传统金融覆盖度均处于劣势地位，我国中西部地区数字普惠金融发展程度低于东部地区。为实现我国经济均衡发展，建议加大对中西部地区经济和金融发展的扶持力度，缩小数字普惠金融发展程度在区域间的差异。最后，接纳和使用数字普惠金融程度的高低会影响数字普惠金融对农村劳动力非农转移的促进作用，建议未来积极宣传数字普惠金融相关知识，提高农村劳动力对数字普惠金融的接纳和使用度，缓解其金融资源约束，为其非农转移提供金融支持。