挤出效应还是鲶鱼效应：金融科技对传统普惠金融影响研究
挤出效应还是鲶鱼效应：金融科技对传统普惠金融影响研究摘 要： 金融科技给商业银行的传统普惠金融带来冲击的同时，也为其带来技术驱动创新的解决方案。本文利用2011—2016年全国31个省份的经济金融面板数据，采用迭代GMM回归方法实证分析金融科技对于传统普惠金融的影响。结果显示，金融科技通过产业竞争机制和技术溢出机制对传统普惠金融产生显著影响。其中，金融科技催生的数字普惠金融通过产业竞争机制给传统普惠金融带来“挤出”效应，不利于传统普惠金融发展。而金融科技又会通过技术溢出机制影响银行业竞争，进而给传统普惠金融带来“鲶鱼效应”，有效促进传统普惠金融发展。随着银行业竞争的增强，金融科技对于传统普惠金融的“鲶鱼效应”逐步减弱。此外，金融科技显著影响传统普惠金融的覆盖率水平，但是对于其实际使用情况的影响并不显著。研究结论对于商业银行如何运用金融科技突破传统普惠金融发展的“现实困境”具有重要意义。
关键词： 金融科技； 传统普惠金融； 挤出效应； 鲶鱼效应
一、引言
自联合国在2005年国际小额信贷年会上倡导各国发展普惠金融以来，普惠金融在非洲、亚洲、拉丁美洲等地区的发展中国家取得长足发展，逐步成为一种具有可持续发展前景的包容性金融模式。作为处于转型期的发展中国家，我国于2015年12月底发布的《推进普惠金融发展规划(2016—2020年)》(简称《规划》)指出“普惠金融应该立足机会平等要求和商业可持续原则，健全金融基础设施、完善金融体系建设，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当、有效的金融服务”。《规划》的提出标志着普惠金融已经成为我国金融发展的重要战略和重点内容。商业银行通过为社会经济提供传统普惠金融服务，成为我国普惠金融战略实施过程中的重要参与主体。然而，普惠金融的政策性与商业银行经营的商业性，普惠金融服务对象的低收益和商业银行业务开展的高成本，以及普惠金融服务对象的高风险与商业银行风险防范的高门槛等矛盾导致商业银行在发展传统普惠金融过程中面临着一系列“现实困境”。
近年来，金融科技作为技术驱动的金融创新，直接促进了以信息技术为基础的大数据、云计算、物联网、移动互联、区块链、人工智能、生物识别等新兴技术与金融业的深化与融合，并使之迅速发展成为一门全新的产业，其中最具代表性的就是数字支付产业和互联网信贷产业。此外，中国人民银行于2017年6月发布的《中国金融业信息技术“十三五”发展规划》指出“信息技术与金融业务深度融合已经成为必然趋势”。金融科技使得大数据、云计算、物联网、移动互联、区块链、人工智能、生物识别等新兴技术逐步应用到金融业务的信用转换、期限转换以及风险转换中，不断延展并创新金融服务的模式、流程、业务以及应用，使得整个金融业逐渐呈现出要素整合功能的新金融发展范式。已有研究和实践表明，金融科技具有显著的普惠金融效应。金融科技在扩大金融服务边界，提高金融供给能力的同时，也给传统普惠金融的供给者—商业银行的业务结构、风险承担、市场势力、经营绩效，甚至发展战略带来一定程度影响，并进一步深入影响整个银行业竞争格局。那么，金融科技是否会对商业银行的传统普惠金融产生影响？产生了哪些影响？影响机制是什么？能否有助于商业银行破解其传统普惠金融发展的“现实困境”？这些都将成为值得深入探讨的问题。
有鉴于此，本文将着重分析金融科技对于传统普惠金融的影响以及影响机制，试图为前述问题提供理论解读和经验回答。本文的主要贡献在于：(1)从理论视角分析了金融科技对于传统普惠金融的影响机制；(2)选用2011—2016年北京大学数字金融研究中心的《北京大学数字普惠金融指数》以及分省经济金融数据实证检验金融科技对于传统普惠金融的“挤出效应”和“鲶鱼效应”；(3)在理论分析和实证检验的基础上，阐述了金融科技如何影响传统普惠金融。
二、理论机制与研究假设
(一)金融科技与普惠金融的关系
金融发展理论认为，金融抑制在发展中国家普遍存在，且会导致信贷配给、金融资源错配，从而影响金融公平性，造成金融福利损失。金融发展理论的结构观认为，金融结构决定传统金融发展。在银行主导的金融结构体系中，竞争性的银行业结构有助于降低企业(尤其是中小企业)信贷约束，从而有助于普惠金融发展。金融发展理论的功能观认为，金融体系的基础功能在于为社会经济提供交易、兑换、结算、保管以及基础的资金融通，核心功能在于跨时空的金融资源配置，而金融科技有助于改善金融体系的基础功能和核心功能，提高金融服务的质量和可得性，进而促进普惠金融发展。
金融科技的普惠金融效应主要表现为：一是金融科技具备缓解信息不对称、降低交易成本等金融市场摩擦，实现金融供给端和需求端有效“匹配”等重要功能，有助于提高金融服务的可得性、公平性以及有效性，进而促进普惠金融发展。二是金融科技能够有效降低金融排斥，促进金融资源向小微企业、农民等“长尾”群体倾斜，缓解“长尾群体”的信贷约束，从而促进实体经济的可持续包容性增长以及社会福利的有效增进。
(二)金融科技对于传统普惠金融的影响机制
1.金融科技的产业竞争效应给传统普惠金融带来冲击
金融科技产业化发展带来数字普惠金融的兴起与蓬勃发展。G20峰会在2016年发布的《G20数字普惠金融高级原则》将金融科技与普惠金融紧密联系在一起，并旨在为世界各国数字普惠金融发展提供战略性指引。数字普惠金融是以金融科技为依托的数字技术驱动的普惠金融实现形式。而传统普惠金融则是以传统金融业态的服务提供方式为基础的普惠金融实现形式。两者的区别在于，数字普惠金融属于新金融业态，是以技术驱动的多类型金融机构和非金融机构参与的数字化金融创新；传统普惠金融则属于依托物理设施作为获客和展业渠道的传统金融业态，即以基础设施驱动传统金融机构参与的传统金融形式。数字普惠金融和传统普惠金融互为“替代”，又相互“补充”，从而给传统普惠金融带来显著的产业竞争效应。需要强调的是，本研究提到的数字普惠金融特指第三方非传统金融机构开展的数字化金融创新，包括第三方机构的数字支付、P2P互联网信贷、互联网理财等。基于此，提出本文假设1。
H1 金融科技产业化发展催生数字普惠金融，与传统普惠金融形成竞争，给传统普惠金融带来一定程度的“挤出效应”，不利于传统普惠金融发展。
2.金融科技的技术溢出效应通过影响银行业竞争，进而给传统普惠金融带来影响
技术溢出理论认为技术具有显著的外部性特征，且主要表现为技术领先的产业通过主动或被动的传播技术，使得先进技术被扩散到其他产业，从而促进其他产业的技术创新以及业务发展。沈悦和郭品(2015)通过实证研究证实了金融科技技术溢出效应的存在性及其对于商业银行的异质性影响，即金融科技能够通过技术溢出效应显著提高商业银行的全要素生产率。但是由于吸收能力的差异导致金融科技的技术溢出效应对于不同类型银行的影响程度存在显著差异，进而影响银行业竞争格局。此外，商业银行可以利用物理设施优势和客户结构特性，依托金融科技提高运营效率，扩大服务范围，形成风险与成本相匹配的金融服务提供方式，推动传统普惠金融的商业性可持续发展。由此可以看出，金融科技有助于银行业竞争的优化，使得不同类型银行业机构能够充分发挥自身“比较优势”，提高其金融服务效率和效能，从而促进传统普惠金融实现可持续的高质量发展。基于此，提出本文假设2。
H2 金融科技通过技术溢出效应影响银行业竞争，给传统普惠金融带来一定程度的“鲶鱼效应”，有助于促进传统普惠金融发展。
表1 衡量传统普惠金融水平的基础指标
三、研究设计
(一)变量的选择与说明
本文的被解释变量为传统普惠金融水平findex。衡量传统普惠金融水平的指标包括单一型指标和普惠金融指数。由于单一型指标仅反映传统普惠金融某一方面的特征，不利于综合评价地区传统普惠金融水平。因此，本文采用结合多项基础指标构建传统普惠金融指数的方法测度和衡量31个省份(直辖市、自治区)的传统普惠金融水平。
鉴于数据的局限性，本文在借鉴Sarma(2008)、Chakravarty和Pal(2010)、田霖和陶建平(2011)、王修华和关键(2014)等基础指标设计的基础上，结合国内经济金融发展现状以及城乡二元制结构特征确立了包含传统普惠金融的覆盖率水平coverage和实际使用水平usage两个维度的8项基础指标(见表2)。
在选定基础指标的基础上，本文借鉴Sarma(2008)与Chakravarty和Pal(2010)的联合国人类发展指数(HDI)的计算方法，且考虑到各项基础指标对于传统普惠金融贡献的差异化特征，利用变异系数法对各项基础指标进行赋权，进而获得反映各省份传统普惠金融水平的具体数值。具体步骤为：第一步，利用变异系数法确定各项基础指标的权重，该方法的优点在于可以衡量各基础指标的差异程度，以消除各指标量纲不同的问题。式(1)为w值的具体计算公式，其中t为年度变量；j表示地区变量，取值范围为1～31；i则表示基础指标的类别，取值范围1～8。第二步，利用人类发展指数的计算方法，将各项基础指标进行无量纲化处理，并加权计算各项基础指标的d值。d值越大，表示该基础指标所代表的普惠程度越高。式(2)为d值的具体计算公式，其中minfi,t为基础指标fi在t年度的最小值；maxfi,t为基础指标fi在t年度的最大值。d1-d8分别反映的是基础指标f1-f8所代表的普惠水平。第三步，计算wit和dit之间标准化的传统普惠金融数值，式(3)为findex的具体计算公式
(1)
dit=wit·(fi,t-minfi,t)/(maxfi,t-minfi,t)
(2)
(3)
本文重要的解释变量一：金融科技(fintech)。采用北京大学数字金融研究中心的数字普惠金融指数作为反映各省份金融科技水平的代理指标。该指标包括三个维度子指标：一是覆盖广度(width)，主要反映金融科技的覆盖率水平；二是使用深度(depth)，主要反映金融科技的使用情况情况(包括支付、信贷、保险、投资以及征信)；三是数字支持服务程度(digital)，主要反映金融科技的便利性和金融服务成本情况。金融科技的三类典型业务：一是数字支付(pay)反映了数字支付业务的实际使用情况。二是互联网信贷(loan)反映了互联网信贷业务的实际使用情况。三是互联网理财(licai)反映了互联网投资理财业务的实际使用情况。
本文重要的解释变量二：金融科技(fintech)与银行业竞争(HHI)的交互项，反映的是金融科技影响下的银行业竞争调整。本文借鉴Berger和Hannan(1989)、Hannan(1997)、胡题和谢赤(2013)等采用赫芬达尔-赫希曼指数(HHI)，即银行业集中度指标衡量银行业竞争，且银行业集中度越高，银行业竞争越弱；银行业集中度越低，银行业竞争越强。该指标分别以分省的各类银行资产规模计算，具体计算方法如下
(4)
在式(4)中，n为商业银行的类型(n=4)，本文将商业银行划分为4个类型。第1类，五大国有控股商业银行，包括农业银行、中国银行、建设银行、工商银行以及交通银行；第2类，中小商业银行，包括12家全国股份制商业银行、城市商业银行以及城市信用社；第3类，邮储银行，单列邮储银行的原因在于，邮储银行服务定位于“社区”、“三农”和“小微”的普惠金融特色突出，营业网点覆盖99%的县域地区，共计2.85万个网点(约占全部营业网点数量的71%)，属于全方位参与全国县域普惠金融的第六大国有控股商业银行；第4类，农村金融机构，包括农村小型金融机构和新型农村金融机构(具体包括农村商业银行、农村信用合作社、农村合作银行、村镇银行等)。Bankj表示地区每类银行的年末资产规模，Banking_total表示地区所有银行的年末资产规模总和，S为每类银行资产规模占地区总资产规模的比重。
此外，本文的控制变量包括银行业竞争HHI、居民受教育水平edu、经济发展水平lnGDP、金融深化水平findep、城乡收入差距cx_cy、不良贷款率NPL、经济结构struc、政府干预gov、互联网使用情况innet。
(二)数据来源
本文涉及的数据包括31个省份(直辖市、自治区)2011—2016年的银行业数据和地区经济金融数据，以及2011—2016年的北京大学数字金融研究中心的数字普惠金融指数。其中，传统普惠金融和银行业竞争的基础数据根据《中国农村金融服务报告》、《中国区域金融运行报告》以及《中国金融年鉴》整理而得，其余数据来源于《中国统计年鉴》、《中国区域经济统计年鉴》等。本文根据基础数据，依据相应指标的计算方法得出实证涉及的相关变量(见表2)。
表2 相关变量说明
(三)模型构建
根据前述提出的研究假设，建立如下面板数据模型
(5)
在本模型中，被解释变量为findex。第一个主要解释变量(fintech)为金融科技，衡量了金融科技对于传统普惠金融的影响。第二个主要解释变量为fintech×HHI是金融科技fintech与银行业竞争HHI的交互项，β2刻画了金融科技影响下的银行业竞争优化对于传统普惠金融的影响。Π表示模型中的其他控制变量，包括银行业竞争、居民受教育水平、经济发展水平、金融发展深度、城乡收入差距、不良贷款率、经济结构、政府干预、互联网使用情况等。∂i表示时间效应变量，ηt表示地区效应变量，εi,t为服从正态分布的随机干扰项。i表示省份，t表示年度，j表示控制变量的类别。
根据式(5)推导可以得出，金融科技对于传统普惠金融的边际影响如下：
式(6)显示，金融科技对于传统普惠金融的边际影响程度会受到银行业竞争的影响
(6)
表3 变量的描述性统计
四、实证结果分析
(一)变量的描述性统计分析
从各变量的统计特征来看，传统普惠金融水平、金融科技水平、银行业集中度(即银行业竞争)3个主要变量存在显著的地域差异。(1)在样本期内，不同省份的传统普惠金融水平差距十分显著。以上海和西藏为例，上海的传统普惠金融均维持在0.9以上，而西藏的传统普惠金融仅维持在0.61左右。(2)在样本期内，金融科技发展水平呈现逐年快速增长趋势。以上海和西藏为例，上海的金融科技水平2016年为282.22，较2011年增长了252%；而西藏的金融科技水平2016年为204.73，较2011年增长了1 162%。结合其他省份金融科技水平发展情况发现，传统普惠金融水平越低的省份，金融科技发展增速越快。此外，金融科技的三个维度和三类典型业务均呈现与金融科技水平相同的发展趋势与分布特征。(3)在样本期内，银行业的平均市场集中度为0.370且逐年下降，这说明随着各省份中小金融机构的发展，尤其是本地法人金融机构的发展，各省份的银行业集中度呈现逐年下降趋势，且银行业结构不断优化，进而有助于促进良好银行业竞争环境的形成。但是各省份之间银行业结构呈现显著的差异性。以上海和西藏为例，西藏自治区的银行业集中度2011年超过了0.94，且2012—2016年均高于0.73，而上海的银行业集中度2011—2016年均在0.45左右，这说明省际间的银行业机构分布呈现显著的不均衡状况。银行业机构分布不均衡形成了省际间传统普惠金融水平显著性差异的重要原因，这也获得了数据上的支持。具体变量描述性统计结果如表3所示。
(二)金融科技影响传统普惠金融水平的回归结果分析
为了解决内生性问题，本文对所有解释变量进行了滞后一期处理，采用迭代GMM方法对面板数据模型进行估计。
1.金融科技的“挤出效应”检验
为有效考察金融科技对于传统普惠金融的“挤出效应”，本部分不考虑金融科技对于商业银行影响环节，首先检验金融科技对于传统普惠金融的直接影响。模型1-1—模型1-7分别检验了金融科技、金融科技的三个维度和三类业务对于传统普惠金融的影响(见表4)。表4的模型1-1回归结果显示，金融科技与传统普惠金融呈现负相关关系，且系数通过5%的显著性检验。这说明金融科技的产业化发展确实给传统普惠金融带来一定程度的“挤出效应”，且模型1-2—模型1-7的回归结果均证实了金融科技对于传统普惠金融存在“挤出效应”的稳健性。因此，假设1获得了有力的验证。
表4 金融科技的“挤出效应”回归结果
注：*、**、***分别表示在10%、5%和1%水平上显著，括号内的数值为标准差(下同)。
2.金融科技的“鲶鱼效应”检验
实际上，金融科技直接影响传统普惠金融的同时，也会通过银行业竞争间接影响传统普惠金融。基于此，本部分加入金融科技与银行业竞争的交互项，考察金融科技给传统普惠金融带来的双重影响(表5)。
表5的模型2-1回归结果显示，金融科技对于传统普惠金融的影响显著为负，影响系数为-0.002 6，而金融科技与银行业竞争的交互项对于传统普惠金融的影响显著为正，影响系数为0.004 8。这说明金融科技给传统普惠金融带来“挤出效应”的同时，也通过技术溢出效应影响银行业竞争，使得金融科技对于传统普惠金融发挥一定程度的“鲶鱼效应”，进而促进传统普惠金融发展，且模型2-2—模型2-7的回归结果基本均证实了金融科技对于传统普惠金融存在“鲶鱼效应”的稳健性。因此，假设2获得了有力的验证。
模型2-1—模型2-7的回归结果均显示，β1为负值，β2为正值。将模型2-1的β1和β2估计值代入式(6)得出
(7)
式(7)结果显示，银行业集中度HHI(银行业竞争)存在一个使得∂findex/∂fintech=0的临界值，且该值为0.541 7。当银行业集中度高于0.541 7(即银行业竞争低于0.541 7)时，金融科技对于传统普惠金融的边际影响为正，即金融科技水平的提高，有助于促进传统普惠金融发展；当银行业集中度(即银行业竞争)到达临界值0.541 7时，金融科技对于传统普惠金融的边际影响为0；当银行业集中度低于0.541 7(即银行业竞争高于0.541 7)时，金融科技对于传统普惠金融的边际影响为负。由此得出结论，金融科技对于传统普惠金融的边际影响会受到银行业竞争的影响，且主要表现为随着银行业集中度下降(即银行业竞争增强)，金融科技对于传统普惠金融的“鲶鱼效应”逐步减弱。当银行业集中度超过临界值(即银行业竞争低于临界值)时，金融科技不但不会给传统普惠金融带来负面影响，反而会促进传统普惠金融发展。
表5 金融科技的“鲶鱼效应”回归结果
对比分析模型2-2—模型2-7的回归结果发现:(1)金融科技的使用深度、覆盖广度以及数字支持服务对于传统普惠金融的影响均显著为负，且使用深度的影响系数为-0.002 2，覆盖广度的影响系数为-0.002 6，数字支持服务的影响系数为-0.001 1，这说明金融科技的三个维度对于传统普惠金融的影响程度不同，表现为与金融科技的便利性和成本情况(即数字支持服务)相比，使用深度和覆盖广度发挥的“挤出效应”更强。主要原因在于，我国长期金融抑制导致小微企业、农村居民和贫困人口等在内的“长尾”群体的基础金融需求难以得到满足，而金融科技的迅速扩散与应用，短期内势必带来各类数字普惠金融业务(支付、信贷、保险、投资以及征信等)的强劲需求，这也形成了对于传统普惠金融冲击最大的一部分，但是随着金融科技的纵深发展，其便利性和成本优势势必在使用情况与覆盖广度中凸显出来，发挥其显著的规模经济和技术经济优势。(2)金融科技的数字支付、互联网借贷以及互联网理财对于传统传统普惠金融的影响均显著为负，且数字支付的影响系数为-0.001 5，互联网信贷的影响系数为-0.002 4，互联网理财的影响系数为-0.000 5，这说明金融科技的三类典型业务对于传统普惠金融的影响程度不同，表现为与互联网理财相比，数字支付和互联网信贷的“挤出效应”更强。主要原因在于，我国金融抑制的突出问题是金融基础设施分布不均衡。支付体系作为金融体系的核心基础设施，是保障经济金融运行的基础和条件。但是由于商业银行物理网点设置以及ATM布设不均衡，农村金融机构支付系统覆盖不全面以及银行卡发放和市场受理环境差距较大等诸多问题，导致不同地区之间、城乡之间的支付环境存在极大差距，这也为数字支付发展提供了良好的契机和发展空间，使得数字支付成为传统银行支付的重要补充。其次，金融抑制的第二个突出问题是金融服务的可得性问题。商业银行经营遵循“二八”原则，目标客户大部分为高净值群体，从而导致正规金融覆盖面有限，金融普惠性不足以及金融满意度欠佳。而互联网信贷能够在一定程度上破解“长尾”群体的融资困境，提高“长尾”群体的信贷可得性，促进金融供求之间的有效匹配，从而给传统银行信贷带来一定程度的竞争压力。
对比分析模型2-5—模型2-7的回归结果发现：(1)金融科技的使用深度、覆盖广度分别与银行业竞争的交互项对于传统普惠金融的影响均显著为正，且影响系数分别为0.005 2和0.004 6，而金融科技的数字支持服务与银行业竞争交互项的影响不显著。这说明金融科技的三个维度影响下的银行业竞争优化对于传统普惠金融存在显著的差异化影响，并表现为金融科技的使用深度和覆盖广度分别通过优化银行业竞争对于传统普惠金融发挥的“鲶鱼效应”尤为突出。(2)金融科技的数字支付、互联网借贷以及互联网理财与银行业竞争的交互项对于传统传统普惠金融的影响均显著为正，且影响系数分别为为0.003 0、0.006 4和0.001 1。这说明金融科技的三类典型业务影响下的银行业竞争优化对于传统普惠金融的影响程度不同，表现为与互联网理财相比，数字支付和互联网信贷的“鲶鱼效应”更强。主要原因在于，由于金融科技带来的多元化金融服务供给(即金融科技的使用深度)对于银行业带来的冲击最大，直接导致银行储蓄的大规模流失，贷款规模也受到较大影响，这也形成了商业银行应对金融科技挑战的重点应对策略，即与金融科技的“融合”，开展多元化、多层次和不同业态的金融服务创新与金融服务提供方式以应对金融科技的多元化金融服务供给带来的严峻挑战，促进银行业竞争，从而提高传统普惠金融水平。
(三)进一步分析：金融科技对于传统普惠金融不同维度的影响
1.金融科技对于传统普惠金融覆盖率水平的影响
为了深入分析金融科技对于传统普惠金融覆盖率水平coverage维度的影响，本部分以d1-d4(反映基础指标f1-f4的金融普惠程度)的算数平均数作为反映传统普惠金融覆盖率水平的代理指标进行回归(表6)。
表6 金融科技影响传统普惠金融覆盖率水平的回归结果
表6的模型3-1回归结果显示，金融科技对于传统普惠金融覆盖率水平存在一定程度的影响，表现为金融科技对于传统普惠金融覆盖率水平的影响显著为负，影响系数为-0.001 4，而金融科技与银行业竞争的交互项对于传统普惠金融覆盖率水平的影响显著为正，影响系数为0.002 4。这说明金融科技给传统普惠金融的覆盖率水平带来“挤出效应”的同时，也通过技术溢出效应影响银行业竞争，对于传统普惠金融的覆盖率水平发挥一定程度的“鲶鱼效应”。此外，模型3-2—模型3-7的回归结果基本均证实了金融科技“挤出效应”和“鲶鱼效应”的存在性。主要原因在，传统普惠金融的覆盖率水平由银行网点和银行从业人员的地理学渗透和人口统计学渗透衡量。金融科技的空间穿透能力使得其打破了传统金融的空间限制，给以物理网点及相关设施作为主要运营平台和获客渠道的传统运营模式带来冲击，商业银行必须寻求物理网点和相关设施的一系列创新与转型，以优化其营销功能，提高其普惠金融效能。金融科技的技术溢出效应，以及跨组织传导既有助于商业银行规避传统金融业务的严格监管，也有助于银行业机构商业银行凭借其金融牌照和客户优势，深化新业态和传统业态金融服务与产品创新，进而有助于传统普惠金融覆盖率水平的提高。
2.金融科技对于传统普惠金融实际使用情况的影响
为了深入分析金融科技对于传统普惠金融实际使用情况维度的影响，本部分以d5-d8(反映基础指标f5-f8的金融普惠程度)的算数平均数作为反映传统普惠金融实际使用情况usage维度的代理指标进行回归(见表7)。
表7的模型4-1回归结果显示，金融科技对于传统普惠金融实际使用情况的影响不显著。且除了模型4-2和模型4-6之外，其他模型的回归结果均证实金融科技对于传统普惠金融实际使用情况的影响不显著。这说明金融科技的“挤出效应”和“鲶鱼效应”主要作用于传统普惠金融的供给端，并促进了传统普惠金融覆盖率水平的提高，但是对于需求端的传统普惠金融实际使用情况而言，“长尾”群体的“弱势性”和“不确定性”以及金融素养较低才是最根本的制约因素。
表7 金融科技影响传统普惠金融实际使用情况的回归结果
控制变量对于传统普惠金融水平及其各维度的影响包括：(1)银行业集中度对于传统普惠金融水平及其覆盖率水平的影响显著为负，但是对于传统普惠金融实际使用情况的影响不显著，即银行业竞争促进了传统普惠金融水平及其覆盖率水平的提高，但是对于传统普惠金融的实际使用情况影响有限。随着中小商业银行发展，尤其是地方法人银行发展，地区银行业集中度不断下降，从而有效促进地区银行业竞争，并进一步对地区传统普惠金融水平及其覆盖率水平的提高发挥显著的积极作用。覆盖率水平反映了供给端的传统普惠金融状况，而实际使用情况则取决于需求端反映的传统普惠金融状况。除了受到供给端的影响之外，硬信息少、抵押物匮乏、金融素养低也是制约传统普惠金融实际使用情况的重要因素。(2)经济发展水平、金融发展深度对于传统普惠金融水平及其各维度的影响均显著为正。经济增长会引致和促进金融发展，再加上金融供给侧改革的有效推进，金融深化程度的不断提高，使得金融资源逐渐向“长尾”群体倾斜，进而促进地区传统普惠金融水平及其各维度的提高。(3)地方政府干预对于传统普惠金融覆盖率水平的影响显著为正。地方政府寻求包容性经济增长的迫切需要，形成了其引导地区普惠金融发展的内生性需求，并促使其发挥弥补市场缺陷和增进市场功能的积极作用。近年来，地方政府不断鼓励和促进本地法人银行发展，极大促进了银行业竞争，使得不同层次的银行业机构不断创新，并发挥比较优势开展“差异化”竞争，拓展具有市场潜力的“长尾”群体，进而有效促进了传统普惠金融水平及其覆盖率水平的提高。(4)经济结构、城乡收入差异对于传统普惠金融水平及其覆盖率水平的影响显著为负，但是对于传统普惠金融实际使用情况的影响却不显著。地区普惠金融水平与城乡收入差距之间存在长期均衡关系，地区城乡收入差距越大，越不利于传统普惠金融发展。(5)不良贷款率对于传统普惠金融水平及其各维度的影响均显著为正，这说明在监管部门的“三个不低于”绩效考核要求下，各地区传统普惠金融在业务规模不断扩大的同时，也会伴随着一系列金融风险的上升，因此，严格落实普惠金融的“两增两控”监管要求，建立和完善普惠金融法律法规体系成为有效促进传统普惠金融可持续、高质量发展的基础和关键。此外，居民受教育程度和互联网使用情况对于传统普惠金融水平及其各维度的影响不显著。
(四)稳健性检验
为了确保上述模型估计结果的可靠性，本文还开展了以下稳健性检验：(1)选取主成分因子分析法重新测度传统普惠金融水平，得出findex_2及其两个维度(覆盖率水平维度coverage和实际使用情况维度usage)，分别将其作为被解释变量，其他变量保持不变，重新检验金融科技对于传统普惠金融的影响；(2)选取分省各类银行业机构资员工数量为基础计算的作为银行业竞争的代理变量，其他变量保持不变，再次检验金融科技对于传统普惠金融的影响。通过以上检验，本文的结论均成立，这也证实了模型结果的稳健性。
五、结论与政策建议
本文利用全国31个省份(自治区、直辖市)2011—2016年的经济金融面板数据，采用迭代GMM回归实证检验金融科技对于传统普惠金融的影响。主要结论包括：一是金融科技会通过产业竞争机制给传统传统普惠金融带来“挤出效应”，也会通过技术溢出机制给传统普惠金融带来“鲶鱼效应”。其中，“挤出效应”给传统普惠金融带来显著的负面影响，而“鲶鱼效应”则有助于促进普惠金融发展。二是随着银行业竞争的增强，金融科技的“鲶鱼效应”会逐步减弱。换言之，银行业竞争存在一个临界值，且当银行业竞争低于临界值时，金融科技不但不会给传统普惠金融带来负面影响，反而会促进传统普惠金融发展，而当银行业竞争高于临界值时，金融科技给传统普惠金融发展带来负面影响。三是在金融科技的三个维度中，使用深度和覆盖广度发挥的“挤出效应”和“鲶鱼效应”相对更强；在金融科技的三类典型业务中，数字支付和互联网信贷的“挤出效应”和“鲶鱼效应”相对更强。四是金融科技对于传统普惠金融的覆盖率水平存在显著的“挤出效应”和“鲶鱼效应”，但是对于其实际使用情况的影响则不显著。
基于以上结论，本文提出以下政策建议。
第一，提高各类银行的金融科技利用率，增强商业银行物理网点及相关设施的获客和展业能力，在有效提高传统普惠金融水平的同时，完善银行业机构普惠金融业务的标准化和批量化，降低运营成本，提高传统普惠金融业务的商业可持续性。
第二，加强与金融科技企业的多渠道合作，凭借专业优势和资金优势，实现与金融科技企业的有效“融合”，具体包括通过投资金融科技企业形成联盟进入金融科技生态系统，整合线上线下渠道以及互动平台创新，创新以贷款为核心的管理和流程体系等一系列措施，有效激发金融科技的“鲶鱼效应”，促进商业银行的传统普惠金融发展。
第三，不同类型银行制定合理的金融科技战略与发展规划，通过科技赋能金融功能，缓解不同类型银行之间存在的“马太效应”。在金融科技与银行业机构深度融合的过程中，不同类型银行通过新兴技术、应用场景和产品创新的路径和手段，不断提高不同类型银行之间的差异化竞争，拓宽传统普惠金融的发展空间，提升传统普惠金融的竞争优势。
第四，积极布设数字普惠金融基础设施，尤其是银行数字支付结算体系建设，实现银行业机构传统普惠金融与数字普惠金融线上线下结合。在传统普惠金融创新基础上，拓展新业态数字普惠金融，并与传统普惠金融形成良性“互补”，从商业银行内部发展视角突破普惠金融发展的“最后一公里”。
参考文献
SARMA M, PAIS J. Financial inclusion and development . Journal of International Development, 2011, 23(5):613-628.
丁杰.互联网金融与普惠金融的理论及现实悖论.财经科学,2015(6):1-10.
赵建.普惠金融的现实困境与突破思路——基于技术可能性曲线与机制设计理论.山东社会科学,2018(12):26-35.
王达.论全球金融科技创新的竞争格局与中国创新战略.国际金融研究,2018(12):10-20.
JAGTIANI J, LEMIEUX C. Fintech lending: financial inclusion, risk pricing, and alternative information . Social Science Electronic Publishing, 2017.
粟勤, 魏星. 金融科技的金融包容效应与创新驱动路径.理论探索,2017(5):91-97.
BERGER A N. The economic effects of technological progress: evidence from the banking industry . Journal of Money Credit & Banking, 2003, 35(2): 141-176.
傅秋子,黄益平. 数字金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据. 金融研究, 2018(11):68-84.
郭品,沈悦.互联网金融加重了商业银行的风险承担吗?——来自中国银行业的经验证据.南开经济研究,2015(4):80-97.
谢治春, 赵兴庐,刘媛.金融科技发展与商业银行的数字化战略转型.中国软科学, 2018(8):184-192.
申创,刘笑天.互联网金融、市场势力与商业银行绩效.当代经济科学,2017, 39(5):16-29.
邱晗,黄益平,纪洋.金融科技对传统银行行为的影响——基于互联网理财的视角.金融研究,2018(11):17-29.
MCKINNON R I. Money and capital in economic development . Washington D. C.: Brookings Institution,1973.
DEMETRIADES P O, LUINTEL K B. The direct costs of financial repression: evidence from India . Review of Economics and Statistics, 1997, 79(2):311-320.
KAPOOR A. Financial inclusion and the future of the Indian economy . Futures, 2014, 56:35-42.
星焱.普惠金融:一个基本理论框架.国际金融研究,2016(9):21-37.
GOLDSMITH R W. The quantitative international comparison of financial structure and development . The Journal of Economic History, 1975,35(1):216-237.
林毅夫,姜烨.经济结构、银行业结构与经济发展——基于分省面板数据的实证分析.金融研究,2006(1):7-22.
BECK T, DEMIRGUCKUNT A, MAKSIMOVIC V. Financing patterns around the world: are small firms different? . Journal of Financial Economics, 2008, 89(3): 467-487.
RYAN R M, O’TOOLE C M, MCCANN F. Does bank market power affect SME financing constraints? . Journal of Banking & Finance, 2014, 49: 495-505.
肖晶,粟勤.破除银行业垄断能够缓解中小企业融资约束吗?.南开经济研究,2016(5):19-35.
粟勤,肖晶.中国银行业市场结构对金融包容的影响研究——基于区域经济发展差异化的视角.财经研究,2015,41(6):32-45.
白钦先.金融结构、金融功能演进与金融发展理论的研究历程.经济评论,2005(3):39-45.
ALLEN F, DEMIRGUC-KUNT A, KLAPPER L F, et al. The foundations of financial inclusion: understanding ownership and use of formal accounts . Journal of Financial Intermediation, 2016(27):1-30.
WURGLER J. Financial markets and the allocation of capital . Yale School of Management Working Papers, 2001, 58(1):187-214.
HAUSWALD R, MARQUEZ R. Information technology and financial services competition . Social Science Electronic Publishing, 2002, 16(3): 921-948.
王修华,郭美娟.金融包容视角下农村手机银行发展探.农业经济问题, 2014,35(9): 61-68.
徐光顺,蒋远胜.信息通讯技术与普惠金融的交互作用.华南农业大学学报(社会科学版),2017,16(2):37-46.
PARIDA V, RTQVIST D. Interactive effects of network capability, ICT capability, and financial slack on technology-based small firm innovation performance . Journal of Small Business Management, 2015, 53(1):278-298.
WORLD BANK. Rethinking the role of the state in finance: Global Financial Development Report 2013 . Washington, DC: World Bank, 2014.
GABOR D, BROOKS S. The digital revolution in financial inclusion: international development in the fintech era . New Political Economy, 2016:1-14.
贝多广,李焰.数字普惠金融新时代.中信出版集团,2017(6).
BOOT A W A. Understanding the future of banking scale and scope economies, and fintech //The future of large, internationally active banks. , 2016:431-449.
LEE I, YONG J S. Fintech: ecosystem, business models, investment decisions, and challenges .Business Horizons,2018, 61(1):35-46.
DRASCH B J, SCHWEIZER A, URBACH N. Integrating the ‘troublemakers’:a taxonomy for cooperation between banks and fintechs .Journal of Economics & Business, 2018(12): 1-17.
KELLER W, YEAPLE S R. Multinational enterprises, international trade and productivity growth: firm-level evidence from the United States . The Review of Economics and Statistics, 2009, 91(4):821-831.
沈悦,郭品.互联网金融、技术溢出与商业银行全要素生产率.金融研究,2015(3):160-175.
VASILJEVA T, LUKANOVA K. Commercial banks and fintech companies in the digital transformation: challenges for the future . Journal of Business Management, 2016(11):25-33.
褚蓬瑜,郭田勇.互联网金融与商业银行演进研究.宏观经济研究,2014(5):19-28.
WINNEFELD C H，PERMANTIER A. Fintech-the digital (R)evolution in the German banking sector? . Business and Management Research, 2017(3): 65-84.
SARMA M. Index of financial inclusion: Indian Council for Research on International Economics Relations . ,2008.
CHAKRAVARTY S R, PAL R. Measuring financial inclusion: an axiomatic approach: Microeconomics Working Papers . ,2010.
王修华,关键.中国农村金融包容水平测度与收入分配效应.中国软科学,2014(8):150-161.
BERGER A N, HANNAN T H. The price-concentration relationship in banking . Review of Economics & Statistics, 1989, 71(2):291-299.
HANNAN T H. Market share inequality, the number of competitors, and the HHI: an examination of bank pricing . Review of Industrial Organization, 1997, 12(1):23-35.
胡题,谢赤.基于GMM方法的银行业竞争程度对银行风险影响的研究.中国管理科学,2013,21(S1):249-254.
页:
[1]