中央与地方财政政策导向的一致性对能源城市高质量发展的重要性：来自中国的证据

《Economic Analysis and Policy》：Central–Local Fiscal Policy Orientation Consistency and High-Quality Economic Development in Energy Cities: Evidence from China

数字金融包容性（DFI）通过缓解信贷约束促进非农就业进入，并借助土地租赁调整实现农业退出，推动农村劳动力从农业密集型向非农密集型转变，效应在东部年轻低教育农户中更显著。

　　

叶海健|陈泽|徐晨

杭州师范大学公共管理学院中国现代化路径研究中心

摘要

数字金融包容性正在改变农村经济，然而它通过信贷和土地市场如何重塑劳动力的分配方式仍缺乏足够的理解。利用中国家庭追踪调查（2014–2020年）的微观家庭数据以及基于地理的工具变量方法，我们确定了数字金融包容性（DFI）对不同行业劳动力重新分配的因果效应。具体而言，DFI的增加减少了农业劳动时间，同时增加了非农业就业，这表明劳动力分配发生了密集边际调整，而不仅仅是简单的参与转变。这种重新分配的发生是因为DFI缓解了信贷限制，从而降低了通过创业和迁移进入非农业活动的财务和风险障碍，同时伴随着土地租赁的增加，使得小农户在向非农业工作转型过程中能够更顺利地退出农业生产。这些效应在东部经济较发达地区、年龄较年轻、受教育程度较低的农民中最为显著。这些结果解释了为什么数字金融能够加速结构转型，并强调了其作为包容性农村发展金融基础设施的作用。

引言

数字经济的快速增长正在深刻地重塑农村社会的生产方式和生活方式。特别是在中国，互联网和通信技术的广泛普及为农村发展注入了新的动力。例如，到2022年，中国的数字经济达到了约50.2万亿元，占其GDP的41.5%（Qiao等人，2025年）。在这波数字化浪潮中，作为数字经济组成部分的数字金融包容性（DFI）已成为推动农村振兴的新引擎。DFI指的是应用互联网技术（如移动支付和在线信贷平台）为传统上被正规金融系统忽视的人群提供可获取、便捷且低成本的金融服务，特别是惠及农村和偏远地区的低收入群体（Berger和Udell，2006年；Lee等人，2023年；Niu等人，2022年；Wang等人，2022年）。随着数字技术不断渗透到农村社区，这种金融数字化的扩展为农村居民提供了前所未有的机会。

城乡收入差距一直是农村劳动力向城市迁移的结构性驱动因素，年轻的农村工人越来越依赖非农业就业作为提高收入的主要途径。然而，农村家庭在从农业部门转向非农业部门时面临诸多障碍，其中金融限制是一个主要障碍（Fu和Huang，2018年；Karaivanov，2012年）。由于物理分支机构稀少、运营风险较高和服务成本增加，传统金融机构在农村地区的存在有限，导致农业和农村家庭的金融服务不足。因此，农村家庭常常难以获得启动创业项目或迁移从事非农业工作所需的金融资源。这种金融排斥迫使许多潜在的非农业工人继续留在农业领域，从而阻碍了农村劳动资源的有效分配。

DFI的兴起为这一困境提供了一个有希望的解决方案。通过利用数字技术，DFI显著降低了金融服务的门槛，增强了农村家庭获得信贷和数字支付的能力，从而缓解了金融限制（Berger和Udell，2006年；Lee等人，2023年；Niu等人，2022年；Wang等人，2022年）。¹理解DFI如何影响农村劳动力分配也涉及到发展经济学中的一个更广泛问题：是什么决定了劳动力重新分配的效率和方向？越来越多的研究表明，劳动力重新分配带来的福利和生产力提升在很大程度上取决于推动因素流动的机制（Garcia-Louzao和Tarasonis，2023年；Li，2024年）。这些研究强调，重新分配的重要性不仅在于劳动力本身的流动，还在于使这种流动成为可能的制度和市场力量。基于这一见解，本研究将DFI确定为农村劳动力重新分配的一个新的制度驱动因素，将关于劳动力重新分配的决定因素的文献从主要关注宏观结构和周期性的视角扩展到微观制度和金融维度。在这个框架下，一个核心问题是：数字金融包容性如何在多大程度上以及如何促进劳动力从农业向更高报酬的非农业就业的重新分配。因此，理解DFI如何影响农村家庭的劳动力供应决策对于解释发展中国家结构转型的更广泛机制至关重要。

为了解决上述研究问题，我们使用了来自中国家庭追踪调查（CFPS）的微观家庭数据，并结合北京大学开发的数字包容性金融指数，来研究DFI对农村家庭劳动力供应决策的影响。我们的实证发现表明，DFI指数每增加一个单位，农村家庭的农业劳动时间大约减少3.66%，而非农业劳动时间增加约3.23%。这些结果在各种敏感性测试中都保持稳健。机制分析进一步表明，DFI通过两个不同的方面促进了农村劳动力的重新分配。首先是非农业就业的进入门槛（缓解信贷限制）：通过降低进入非农业活动的财务和风险障碍（例如，自主创业的启动资本需求和迁移成本），DFI增强了农村家庭的自主就业能力，并扩大了他们的就业机会地理范围。其次是农业退出门槛（土地调整）：DFI与更活跃的土地租赁和土地利用调整相关，这有助于小农户在将劳动力重新分配到非农业工作时更顺利地退出或缩减农业生产。因此，这一过程释放了小农户家庭的剩余农业劳动力，使其更有效地重新分配到非农业就业。我们的异质性分析表明，这些效应在中国东部地区、年龄较年轻、受教育程度较低的农民中尤为明显。

本文通过填补现有研究中的几个重要空白，为数字金融包容性和农村劳动力重新分配的相关文献做出了贡献。首先，以往的研究主要依赖于二元指标（如非农业就业或创业）来衡量农村劳动力供应（Ren等人，2023年；Yan Wang等人，2024年；Zhan等人，2025年）。这些指标能够捕捉参与决策，但未能反映劳动力在农业和非农业部门之间分配的强度和边际调整。为了填补这一空白，我们构建了一个连续的劳动时间衡量指标，以便更细致地理解DFI如何影响农村劳动力转移的程度和方向。其次，现有证据的因果识别能力有限，因为DFI通常是当地经济发展的内生变量。我们通过使用基于与蚂蚁金服总部地理距离的时间变化工具变量（Han等人，2023年；Yang和Zhang，2022年），并结合面板2SLS框架中的年度固定效应来解决这一挑战。这种设计利用了数字金融的空间扩散来捕捉DFI强度的外生变化。第三，以往的研究主要关注信贷限制的缓解作为唯一机制（Peng和Mao，2023年），而没有系统地解释DFI如何影响不同行业的相对回报和进入成本。我们通过识别和测试两个具体渠道——非农业就业的进入门槛（缓解信贷限制）和农业退出门槛（土地调整）——来扩展这项研究，从而揭示DFI促进农村劳动力重新分配的途径。

本文的其余部分结构如下：第2节回顾相关文献。第3节提出一个简化的理论框架，提出核心假设，并概述实证策略。第4节描述数据来源、关键变量和摘要统计。第5节详细讨论主要实证发现。最后，第6节总结结果并提出相应的政策建议。

部分摘录

数字金融包容性的社会经济效应

越来越多的研究考察了DFI的宏观社会经济影响。总体而言，现有研究表明，DFI的发展对经济增长和包容性发展有积极贡献（Becha等人，2025年；Lee等人，2023年；Zhang等人，2023年）。一方面，DFI通过提高传统上被正规金融机构忽视的金融服务的可获取性和效率直接促进增长。另一方面，它间接刺激了总需求

理论假设

在本节中，我们构建了一个简单的理论模型，以得出本研究的关键假设。

CFPS数据、样本选择

本研究使用了由北京大学社会科学调查研究所于2010年启动的中国家庭追踪调查（CFPS）的个体和家庭层面数据。该数据集涵盖了来自中国25个省份和162个县的信息，提供了关于个人人口特征、就业状况、工作类型、收入和家庭关系的详细统计信息。为了与研究目标保持一致，分析仅关注工作年龄

基线结果

为了检验假设1——即DFI的增加减少了农业劳动力供应，同时增加了非农业劳动力供应——我们首先进行了一个基线固定效应回归。具体来说，我们估计了一个模型，其中包含了县和年份的固定效应，以及一组个体和家庭层面的控制变量，以减少遗漏变量可能带来的偏差。

表3展示了固定效应模型的主要结果。第（2）列和第（4）列显示了完整的

结论

大量研究记录了DFI的积极社会经济效应，包括其在促进创新和创业（Xie等人，2018年；Xun等人，2020年）、推动家庭消费（Li和Feng，2020年；Yi和Zhou，2018年）以及提升企业绩效（Gaspar等人，2024年；Wehrheim等人，2020年）方面的作用。基于这些文献，本研究利用中国四波个体层面的面板数据提供了新的证据，表明DFI显著影响了农村劳动力

未引用的参考文献

Yu等人，2025年

CRediT作者贡献声明

叶海健：撰写——原始草稿，概念化。陈泽：方法论。徐晨：正式分析，数据整理。