摘 要:2020年在新冠疫情的沖擊下,地方財政收入總體出現(xiàn)下滑趨勢,而數(shù)字金融依舊保持正增長態(tài)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(jīng)濟帶的11個省份,基于2011—2020年長江經(jīng)濟帶的面板數(shù)據(jù),構建雙向固定效應模型,進行實證研究,檢驗數(shù)字金融對地方財政收入的影響,并進行剔除2020年數(shù)據(jù)、增加控制變量、替換被解釋變量等一系列穩(wěn)健性檢驗,以保證結果的準確性。由回歸結果可以得出,數(shù)字金融發(fā)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(shù)字化,提高數(shù)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(shù)字金融;財政收入;長江經(jīng)濟帶;穩(wěn)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(jīng)濟造成了巨大沖擊。最新數(shù)據(jù)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(chǎn)業(yè)發(fā)展來看,江蘇“制造業(yè)霸主”地位進一步鞏固,制造業(yè)增加值突破4萬億元,占GDP的比重達35.8%,全年工業(yè)戰(zhàn)略性新興產(chǎn)業(yè)、高新技術產(chǎn)業(yè)產(chǎn)值分別比2020年提高3個百分點、1個百分點。根據(jù)最新的北京大學數(shù)字普惠金融指數(shù),2019—2021年,我國數(shù)字普惠金融依舊保持著正增長的態(tài)勢,總指數(shù)的平均值由323.73增長至 341.22。在新冠疫情的影響下,數(shù)字金融保持著正增長的態(tài)勢,江蘇的GDP也依舊為上漲趨勢,數(shù)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(jīng)濟帶為研究對象,以數(shù)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(shù)據(jù),構建雙向固定效應模型,探討數(shù)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(shù)字金融的實證研究有很多,主要集中在創(chuàng)業(yè)創(chuàng)新、居民消費、收入差距、居民就業(yè)等方面,不難得出,數(shù)字金融顯著促進了企業(yè)的創(chuàng)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(nóng)戶收入差距(田紅宇等,2022)、能顯著改善與促進城鎮(zhèn)居民就業(yè)結構與就業(yè)收入(王倩,2021)。關于財政收入和數(shù)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(shù)據(jù),構建固定效應模型,得出數(shù)字金融發(fā)展能夠顯著增加地方財政收入。綜上,目前,國內外對數(shù)字金融的研究涉及許多方面,但數(shù)字金融對財政收入影響方面的實證研究較少,且面板數(shù)據(jù)主要基于國家層面。鑒于此,本文以 2011—2020年我國長江經(jīng)濟帶的面板數(shù)據(jù)為研究對象,運用雙向固定效應模型,從區(qū)域的角度探討數(shù)字金融發(fā)展對地方財政收入的傳導機制。數(shù)字金融對地方財政收入的影響是多方面的,主要體現(xiàn)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(fā)生的作用是有效的。此外,涂詠梅等(2022)得出數(shù)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(shù)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(shù)據(jù)
3.1 樣本數(shù)據(jù)來源
本文的研究對象是我國長江經(jīng)濟帶的11個省份,基于2011—2020年的面板數(shù)據(jù),構建雙向固定效應模型,研究數(shù)字金融對地方財政收入的影響。解釋變量是數(shù)字金融(DF),采用北京大學測量的數(shù)字普惠金融指數(shù)衡量。其余指標數(shù)據(jù)來自國家統(tǒng)計局,部分缺失值則手動輸入歷年《中國城市統(tǒng)計年鑒》《云南省統(tǒng)計年鑒》等數(shù)據(jù),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(shù)字普惠金融(DF)。本文采用北京大學測量的數(shù)字普惠金融指數(shù)衡量解釋變量。該指數(shù)有三個維度:覆蓋廣度、使用深度和數(shù)字化程度。其中,覆蓋范圍主要包括支付寶賬戶數(shù)、支付寶綁定卡用戶比例和支付寶綁定卡數(shù)量三個指標;使用深度涵蓋支付業(yè)務、貨幣基金業(yè)務等六個指標;數(shù)字支持服務程度主要包括移動化、物聯(lián)化等四個指標,集中體現(xiàn)了互聯(lián)網(wǎng)技術化。該數(shù)據(jù)基于“層級分析法”,分三個層級編制數(shù)據(jù),其中涵蓋中國大陸31個?。ㄖ陛犑泻妥灾螀^(qū)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(shù)字普惠金融指數(shù)跨越2011—2020年,縣的數(shù)字金融普惠指數(shù)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(yè)務分類指標。同一地區(qū),數(shù)字金融指數(shù)越高,說明該地的經(jīng)濟產(chǎn)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(yè)水平、產(chǎn)業(yè)結構、財政支出、收入差距、城市化水平和技術創(chuàng)新能力作為控制變量。(1)失業(yè)水平(UN)。失業(yè)水平是用來衡量國民經(jīng)濟發(fā)展狀況的一個重要指標,本文選用城市失業(yè)人口數(shù)量衡量。(2)產(chǎn)業(yè)結構(IS)。產(chǎn)業(yè)結構是指一國或一個地區(qū)三大產(chǎn)業(yè)的比例與聯(lián)系。國家統(tǒng)計局的最新數(shù)據(jù)顯示,2022 年,第一產(chǎn)業(yè)對GDP的貢獻率僅為9.9% 。本文采用第二產(chǎn)業(yè)增加值加總第三產(chǎn)業(yè)增加值的和占地區(qū)生產(chǎn)總值的比重來反映產(chǎn)業(yè)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(chǎn)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(zhèn)居民人均可支配收入與農(nóng)村居民人均可支配收入的比例來反映。(5)技術創(chuàng)新能力(IN)。本文的技術創(chuàng)新能力用各省的專利申請授權數(shù)量來反映。一般來說,一個地區(qū)的技術創(chuàng)新能力與該地區(qū)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(shù)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(qū)和年份;表示地方財政收入;表示數(shù)字金融;為控制變量集合;表示地區(qū)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(tǒng)計分析
由表2可知,核心解釋變量數(shù)字普惠金融(DF)的方差為100.566,說明長江經(jīng)濟帶的數(shù)字普惠金融發(fā)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(jīng)濟帶的地方財政收入水平差距較大;失業(yè)水平(UN)的方差是11.739,說明長江經(jīng)濟帶的失業(yè)水平差距不大;產(chǎn)業(yè)結構(IS)的方差是0.041,說明長江經(jīng)濟帶的產(chǎn)業(yè)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(jīng)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(jīng)濟帶的收入差距較??;技術創(chuàng)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(jīng)濟帶的技術創(chuàng)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(shù),結果顯示,地方財政收入與數(shù)字普惠金融的相關系數(shù)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(chǎn)業(yè)結構、財政支出水平、技術創(chuàng)新能力均與數(shù)字金融正相關,而城鄉(xiāng)收入差距與數(shù)字金融負相關,且在 1% 的水平上高度顯著,說明長江經(jīng)濟帶的城鄉(xiāng)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(shù)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(shù)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(shù)字金融和地方財政收入的相關系數(shù),表明數(shù)字金融指數(shù)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(shù)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(chǎn)業(yè)結構前的系數(shù)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(chǎn)業(yè)結構調整不利于長江經(jīng)濟帶財政收入的增長。技術創(chuàng)新水平前面的系數(shù)在模型(4)、模型(5)中為負,在模型(6)中為正,說明技術創(chuàng)新能力越強,長江經(jīng)濟帶的財政收入不一定就越多。收入差距變量前的系數(shù)為正,表明縮小城鄉(xiāng)收入差距不利于長江經(jīng)濟帶的財政增長,原因是長江經(jīng)濟帶的各省城鄉(xiāng)發(fā)展不一致,存在方差,導致財政收入不一定隨著縮小城鄉(xiāng)收入差距而增長。失業(yè)人口數(shù)前的系數(shù)為負,說明減少失業(yè)人口數(shù)量,有利于長江經(jīng)濟帶的財政收入增加。
4.4 穩(wěn)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(wěn)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(jīng)濟發(fā)展水平的影響,剔除2020年的數(shù)據(jù),對2011—2019年的數(shù)據(jù)再次回歸,檢驗數(shù)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(shù)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(shù)據(jù)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(shù)字金融對地方財政收入的影響。穩(wěn)健性檢驗結果如表5所示,列1在剔除了2020年數(shù)據(jù)之后,數(shù)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(shù)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(shù)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(shù)字金融對地方財政收入的影響通過了穩(wěn)健性檢驗。
5 結語
在數(shù)字化高速發(fā)展的時代,傳統(tǒng)金融和高科技數(shù)字技術相結合,促進了數(shù)字金融的發(fā)展。本文以長江經(jīng)濟帶11個省份為研究對象,數(shù)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(jīng)濟帶的面板數(shù)據(jù),構建雙向固定效應模型,實證檢驗了數(shù)字金融發(fā)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(shù)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(jīng)過剔除2020年數(shù)據(jù)、增加控制變量、替換被解釋變量一系列穩(wěn)健性檢驗后,數(shù)字金融依舊可以顯著擴大地方財政收入,可知數(shù)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(shù)字金融有利于地方財政收入顯著增加。本文建議穩(wěn)步大力推進數(shù)字金融發(fā)展,堅持國家的宏觀調控政策,加以市場調節(jié)機制,不斷完善數(shù)字金融的總體發(fā)展方向,鼓勵并引導金融業(yè)和大數(shù)據(jù)技術相結合,從而提升數(shù)字金融的技術化水平,擴展數(shù)字金融的服務范圍,增強數(shù)字金融的使用體驗。具體而言,政府要合理規(guī)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(shù)字金融業(yè)的基礎建設投資,推動數(shù)字金融高速發(fā)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(shù)據(jù)技術簡化辦事程序,提升服務效率和數(shù)字化水平,使數(shù)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(shù)字金融驅動企業(yè)創(chuàng)新的優(yōu)勝劣汰效應研究[J]. 現(xiàn)代管理科學,2022(6):128-137.
張馳,王滿倉,李翠妮. 信貸約束、數(shù)字金融與居民消費[J]. 統(tǒng)計與信息論壇,2022,37(12):55-65.
田紅宇,蘇治豪,覃朝暉. 數(shù)字普惠金融在農(nóng)戶間的收入分配效應研究:基于再中心化影響函數(shù)的證據(jù)[J]. 武漢金融,2022(9): 31-40.
王倩. 數(shù)字普惠金融對我國城鎮(zhèn)居民就業(yè)的影響研究[D].濟南:山東大學,2021.
宋寶琳,張航,胡欣蕊. 數(shù)字金融發(fā)展對地方財政收入的影響及區(qū)域差異研究:基于中國282個地級市面板數(shù)據(jù)的中介效應檢驗[J]. 財政科學,2022(5):122-133.
雷澤. 我國農(nóng)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(shù)字金融對企業(yè)融資成本影響的實證[J]. 統(tǒng)計與決策,2022,38(19):140-145.
梁曉琴. 數(shù)字普惠金融對地方稅收影響的實證研究[J]. 審計與經(jīng)濟研究,2020,35(5):96-104.