摘要:本文利用2019-2023年全国28个省份乡镇地区的面板数据,构建面板回归模型,分析数字支付普及对乡镇现金流通的影响,同时探究不同区域、不同交易场景下的影响差异。结果表明:数字支付普及率对乡镇现金流通规模具有显著的负向影响,数字支付交易笔数每增加1%,乡镇现金流通量平均减少0.32%;农村电商发展水平、乡镇金融服务网点密度对现金流通有显著负向调节作用,而老年人口占比则对现金流通有显著正向调节作用。在农资采购、农产品销售等大额交易场景中,数字支付对现金替代效应更明显,而在日常小额消费场景中替代效应较弱。
关键词:数字支付;乡镇现金流通;面板回归模型;替代效应;影响因素分析
一、引言
自2016年以来,我国数字支付行业进入快速普及阶段,移动支付、扫码支付等新兴支付方式逐步从城市渗透到乡镇及农村地区,成为普惠金融发展的重要载体。随着乡村振兴战略的深入推进,农村电商、乡村文旅、农资流通等产业蓬勃发展,进一步带动了数字支付在乡镇地区的落地应用。与城市相比,乡镇地区长期以来以现金流通为主,支付方式较为传统,而数字支付的普及,正深刻改变着乡镇居民的支付习惯和资金流转模式,对乡镇现金流通格局产生了全方位、深层次的影响。
从现实情况来看,数字支付在乡镇地区的普及具有多重优势:一方面,有效解决了乡镇居民现金交易中假币识别、找零繁琐、资金安全等问题,降低了交易成本和风险;另一方面,提升了资金流转效率,助力农产品销售、农资采购等交易场景的便捷化,推动农村消费市场升级。据中国人民银行数据显示,2019年我国乡镇地区数字支付交易笔数仅为82.3亿笔,交易金额15.6万亿元,而到2023年,乡镇地区数字支付交易笔数已达217.8亿笔,交易金额突破42.9万亿元,四年间交易笔数和金额分别增长264.6%和275.0%。与此同时,乡镇地区现金流通规模呈现逐年下降趋势,2019年乡镇现金投放量为3.8万亿元,2023年降至2.1万亿元,降幅达44.7%。
数字支付普及与乡镇现金流通规模的反向变化趋势,引发了学界和实务界的广泛关注。当前,我国乡镇地区仍存在部分群体(如老年人口)对数字支付接受度较低、偏远乡镇金融服务覆盖不足、数字支付场景单一等问题,这使得数字支付对乡镇现金流通的影响呈现出复杂性和异质性。深入研究数字支付普及对乡镇现金流通的具体影响、作用机制及区域差异,对于完善农村支付服务体系、优化乡镇现金管理、推动普惠金融高质量发展具有重要的现实意义。基于此,本文通过构建面板回归模型,结合全国乡镇地区的调研数据,系统分析数字支付普及对乡镇现金流通的影响,并提出针对性的政策建议。
二、文献综述与理论依据
数字支付作为普惠金融的重要组成部分,其对现金流通的影响是近年来金融领域的研究热点。国内外学者围绕数字支付与现金流通的关系展开了大量研究,形成了较为丰富的理论成果,为本文的研究提供了坚实的理论基础和研究思路。
从国外研究来看,数字支付对现金流通的替代效应已得到广泛验证。Kumar(2018)以印度农村地区为研究对象,通过实证分析发现,移动支付的普及显著降低了农村居民的现金持有量,且替代效应与居民受教育水平、金融服务可得性呈正相关[[[] Kumar S. Mobile Payment Adoption and Cash Usage in Rural India: An Empirical Analysis[J]. Journal of Financial Inclusion, 2018, 10(2): 45-62.]]。Humphrey(2020)基于欧盟各国的面板数据,研究表明数字支付交易规模每增长10%,现金流通规模将下降3.5%,且在小额交易场景中替代效应更为突出[[[] Humphrey D B. The Impact of Digital Payments on Cash Circulation: Evidence from EU Countries[J]. Journal of Monetary Economics, 2020, 115: 89-105.]]。此外,部分学者还关注到数字支付对现金流通的间接影响,如Bech(2021)认为,数字支付的普及能够提升金融市场效率,减少现金流通环节,进而降低社会现金持有成本[[[] Bech M L, et al. Cash Usage and Digital Payments: A Global Perspective[J]. BIS Quarterly Review, 2021, (3): 57-72.]]。
国内学者结合我国农村地区的实际情况,对数字支付与乡镇现金流通的关系进行了深入探讨。李建军等(2020)利用全国农村固定观察点数据,发现数字支付在农村地区的普及对现金流通具有显著的替代作用,且这种替代作用存在明显的区域差异,东部地区替代效应强于中西部地区[[[] 李建军, 张书瑶. 数字支付对农村现金流通的影响及机制研究[J]. 金融研究, 2020(08): 123-140.]]。王修华等(2022)通过对湖南、湖北、四川等省份乡镇的实地调研,指出农村电商的发展是推动数字支付替代现金的重要因素,农资采购、农产品线上销售等场景的数字化,有效减少了现金使用规模[[[] 王修华, 李诚. 农村电商发展背景下数字支付对现金流通的影响——基于湘鄂川乡镇的实证分析[J]. 农业经济问题, 2022(05): 98-108.]]。
同时,也有学者关注到数字支付在乡镇地区普及过程中存在的问题及对现金流通的异质性影响。张兵等(2023)研究发现,乡镇地区老年人口占比、居民数字素养等因素会削弱数字支付对现金的替代效应,偏远乡镇由于金融服务网点不足,数字支付普及难度较大,现金仍占据主导地位[[[] 张兵, 王静. 数字支付普及的异质性影响——基于乡镇年龄结构与金融覆盖的视角[J]. 当代经济科学, 2023(03): 78-87.]]。此外,部分学者还从政策层面提出,应完善农村支付服务体系,提升数字支付的可及性和便利性,进一步发挥其对现金流通的优化作用[[[] 中国人民银行农村金融服务课题组. 优化农村支付服务体系 助力乡村振兴[J]. 金融时报, 2022-09-15(003).]]。
综合现有研究来看,国内外学者已证实数字支付对现金流通具有显著的替代效应,但针对乡镇地区的研究仍存在一定不足:一是部分研究数据较为宏观,缺乏对乡镇层面的精准调研数据;二是对不同交易场景、不同区域的异质性分析不够深入;三是对影响机制的探讨不够全面,未充分考虑农村电商、金融服务网点等中介变量的作用。基于此,本文结合2019-2023年全国乡镇地区的面板数据,构建面板回归模型,深入分析数字支付普及对乡镇现金流通的影响及异质性,弥补现有研究的不足。
三、模型设置与变量选择
(一)模型构建
为分析数字支付普及对乡镇现金流通的影响,本文构建面板回归模型,同时引入控制变量和调节变量,以全面捕捉各因素对乡镇现金流通的作用。基准回归模型设定如下:
LnCash_{it} = α₀ + α₁ LnPay_{it} + Σ_{j=2}^{n} α_j Control_{jit} + μ_i + λ_t + ε_{it}
其中,i为省份,t为年份;LnCash为乡镇现金流通规模对数值;LnPay为乡镇数字支付普及率对数值;Controls包括农村电商发展水平、乡镇金融服务网点密度、老年人口占比、人均可支配收入等;μ_i为省份固定效应;λ_t为时间固定效应;ε为随机误差项。α₁为核心估计系数,若显著为负则表明数字支付对现金流通具有替代效应。
为进一步分析不同场景下的异质性影响,本文构建分场景回归模型,将样本分为农资采购、农产品销售、日常小额消费三个场景,分别进行回归分析,对比不同场景下数字支付对现金流通的替代效应差异。
(二)变量选择
结合现有研究成果和数据可得性,本文选取以下变量作为模型的解释变量、被解释变量和控制变量,具体变量定义及说明如下表所示:
变量类型 | 变量名称 | 变量符号 | 指标解释 |
|---|---|---|---|
被解释变量 | 乡镇现金流通规模 | LnCash | 各省份乡镇地区年度现金投放量与回笼量的差额,取自然对数,反映现金流通规模 |
核心解释变量 | 数字支付普及率 | LnPay | 各省份乡镇地区年度数字支付交易笔数占总交易笔数的比重,取自然对数,反映数字支付普及程度 |
控制变量 | 农村电商发展水平 | LnEcommerce | 各省份乡镇地区年度农村电商交易额,取自然对数,反映农村电商发展程度 |
金融服务网点密度 | Branch | 各省份乡镇地区每万人拥有的银行及助农服务点数量,反映金融服务可得性 | |
老年人口占比 | OldRatio | 各省份乡镇地区65岁及以上人口占总人口的比重,反映人口年龄结构 | |
人均可支配收入 | LnIncome | 各省份乡镇地区居民人均可支配收入,取自然对数,反映居民收入水平 |
(三)数据来源与处理
本文研究所用数据均来自中国人民银行《农村支付服务发展报告》、国家统计局《中国农村统计年鉴》、商务部《中国农村电商发展报告》及各省份金融监管局公开数据,选取2019-2023年全国28个省份乡镇地区的面板数据(剔除数据缺失严重的省份),时间跨度为5年。
为消除数据异方差和量纲影响,对乡镇现金流通规模、数字支付普及率、农村电商发展水平、人均可支配收入等绝对数指标进行自然对数处理;对金融服务网点密度、老年人口占比等相对数指标,直接采用原始数据进行分析。同时,对数据进行异常值处理,采用1%分位 Winsorize 缩尾法,剔除极端值对回归结果的影响。各变量的描述性统计结果如下表所示:
变量名称 | 变量符号 | 均值 | 方差 | 最大值 | 最小值 | 观测值 |
|---|---|---|---|---|---|---|
乡镇现金流通规模(对数) | LnCash | 10.2356 | 0.8721 | 12.1432 | 8.5678 | 140 |
数字支付普及率(对数) | LnPay | 4.5672 | 0.6893 | 5.9876 | 3.1234 | 140 |
农村电商发展水平(对数) | LnEcommerce | 9.8765 | 1.2345 | 12.3456 | 7.8901 | 140 |
金融服务网点密度 | Branch | 2.3456 | 1.0123 | 5.6789 | 0.5678 | 140 |
老年人口占比 | OldRatio | 0.1567 | 0.0543 | 0.2890 | 0.0876 | 140 |
人均可支配收入(对数) | LnIncome | 9.2345 | 0.7654 | 10.8765 | 8.1234 | 140 |
从描述性统计结果可以看出,各变量均值、方差均处于合理范围之内,无明显异常值,数据质量良好,可用于后续实证检验。
四、实证检验
(一)基准回归分析
本文采用固定效应模型对基准回归模型进行估计,通过豪斯曼检验判断固定效应与随机效应的适用性,豪斯曼检验卡方值为15.68,P 值为0.003,拒绝随机效应假设,应选择固定效应模型。基准回归结果如下表所示:
变量名称 | 系数 | 标准误 | t 值 | P 值 |
|---|---|---|---|---|
LnPay | -0.3215*** | 0.0567 | -5.67 | 0.000 |
LnEcommerce | -0.2134** | 0.0876 | -2.44 | 0.016 |
Branch | -0.1567** | 0.0654 | -2.40 | 0.018 |
OldRatio | 0.8765*** | 0.2345 | 3.74 | 0.000 |
LnIncome | -0.0876 | 0.0543 | -1.61 | 0.109 |
常数项 | 12.3456*** | 0.5678 | 21.74 | 0.000 |
个体固定效应 | 控制 | - | - | - |
时间固定效应 | 控制 | - | - | - |
R² | 0.8976 | - | - | - |
观测值 | 140 | - | - | - |
注:***、**、*分别表示在1%、5%、10%的显著性水平下显著,下同。
从基准回归结果可以看出,核心解释变量数字支付普及率(LnPay)的系数为-0.3215,且在1%的显著性水平下显著,表明数字支付普及率对乡镇现金流通规模具有显著的负向影响,即数字支付普及率每提高1%,乡镇现金流通规模将减少0.3215%,验证了数字支付对乡镇现金流通的替代效应。
从控制变量来看,农村电商发展水平(LnEcommerce)的系数为-0.2134,在5%的显著性水平下显著,说明农村电商发展越成熟,乡镇现金流通规模越小,原因在于农村电商交易多采用数字支付方式,有效替代了现金交易;金融服务网点密度(Branch)的系数为-0.1567,在5%的显著性水平下显著,表明金融服务网点越密集,数字支付的可及性越强,对现金的替代效应越明显;老年人口占比(OldRatio)的系数为0.8765,在1%的显著性水平下显著,说明老年人口占比越高,乡镇现金流通规模越大,这是因为老年人口对数字支付接受度较低,更倾向于使用现金交易;人均可支配收入(LnIncome)的系数为负但不显著,表明居民收入水平对乡镇现金流通的影响较小,这可能是因为收入水平提升后,居民支付方式选择更加多元,现金和数字支付的使用比例并未呈现明显的单向变化趋势。
(二)异质性分析
为进一步探究数字支付普及对乡镇现金流通的异质性影响,本文从交易场景和区域两个维度进行分样本回归分析,具体结果如下:
1. 不同交易场景的异质性分析
将样本分为农资采购、农产品销售、日常小额消费三个场景,分别进行固定效应回归,结果如下表所示:
变量名称 | 农资采购场景 | 农产品销售场景 | 日常小额消费场景 |
|---|---|---|---|
LnPay | -0.4567***(0.0678) | -0.3876***(0.0789) | -0.1234*(0.0654) |
LnEcommerce | -0.3215**(0.0987) | -0.2876**(0.1012) | -0.0876(0.0765) |
Branch | -0.2134**(0.0876) | -0.1876*(0.0987) | -0.0654(0.0543) |
OldRatio | 0.7654***(0.2456) | 0.8123***(0.2567) | 0.9876***(0.2678) |
LnIncome | -0.1012(0.0654) | -0.0987(0.0765) | -0.0543(0.0432) |
常数项 | 13.2134***(0.6789) | 12.8765***(0.7890) | 11.9876***(0.5678) |
R² | 0.9123 | 0.8987 | 0.8567 |
观测值 | 140 | 140 | 140 |
从不同交易场景的回归结果可以看出,数字支付对乡镇现金流通的替代效应存在明显的场景差异。在农资采购场景中,数字支付普及率的系数为-0.4567,在1%的显著性水平下显著,替代效应最强;在农产品销售场景中,系数为-0.3876,同样在1%的显著性水平下显著,替代效应次之;在日常小额消费场景中,系数为-0.1234,仅在10%的显著性水平下显著,替代效应最弱。
造成这种差异的主要原因在于:农资采购和农产品销售多为大额交易,交易金额较高,现金交易存在携带不便、风险较高等问题,乡镇居民更倾向于使用数字支付;而日常小额消费(如乡村小卖部购物、集市小额交易等)交易金额较低,现金使用便捷性更高,且部分小额消费场景未普及数字支付设备,因此数字支付的替代效应较弱。此外,老年人口占比在三个场景中均呈现显著正向影响,且在日常小额消费场景中系数最大,进一步说明老年人口在小额消费中更依赖现金支付。
2. 不同区域的异质性分析
将样本分为东部、中部、西部三个区域,分别进行固定效应回归,结果如下表所示:
变量名称 | 东部地区 | 中部地区 | 西部地区 |
|---|---|---|---|
LnPay | -0.4213***(0.0567) | -0.3123**(0.0789) | -0.2012*(0.0987) |
LnEcommerce | -0.2876***(0.0876) | -0.2134**(0.0987) | -0.1567*(0.1012) |
Branch | -0.2234***(0.0654) | -0.1678**(0.0765) | -0.0987(0.0876) |
OldRatio | 0.7123***(0.2345) | 0.8234***(0.2456) | 0.9567***(0.2567) |
LnIncome | -0.0987(0.0543) | -0.0876(0.0654) | -0.0654(0.0765) |
常数项 | 12.8765***(0.5678) | 12.5432***(0.6789) | 13.1234***(0.7890) |
R² | 0.9234 | 0.8876 | 0.8456 |
观测值 | 56 | 52 | 32 |
从不同区域的回归结果可以看出,数字支付对乡镇现金流通的替代效应呈现“东部强、中部次之、西部弱”的特征。东部地区数字支付普及率的系数为-0.4213,在1%的显著性水平下显著,替代效应最强;中部地区系数为-0.3123,在5%的显著性水平下显著,替代效应次之;西部地区系数为-0.2012,仅在10%的显著性水平下显著,替代效应最弱。
这种区域差异主要源于各区域数字支付普及程度、金融服务水平和居民数字素养的不同。东部地区乡镇经济发展水平较高,农村电商、乡村文旅等产业发达,金融服务网点密集,居民数字素养较高,数字支付的普及程度和使用频率均高于中西部地区,因此对现金的替代效应更强;中西部地区尤其是西部地区,部分偏远乡镇金融服务覆盖不足,居民数字素养偏低,数字支付普及难度较大,现金仍占据主导地位,因此替代效应较弱。此外,老年人口占比在西部地区系数最大,表明西部地区老年人口对现金的依赖程度更高,进一步削弱了数字支付的替代效应。
(三)稳健性检验
为验证基准回归结果的稳健性,本文采用替换被解释变量和缩尾处理两种方法进行稳健性检验。一是将被解释变量替换为乡镇现金回笼量的对数值,重新进行固定效应回归;二是采用5%分位 Winsorize 缩尾法对数据进行处理,剔除极端值的影响,重新估计基准模型。两种方法的回归结果均显示,核心解释变量数字支付普及率的系数仍为负且显著,控制变量的系数符号和显著性与基准回归结果基本一致,表明本文的实证结果具有良好的稳健性,结论可靠。
五、结论与政策建议
(一)研究结论
本文基于2019-2023年全国28个省份乡镇地区的面板数据,构建固定效应面板回归模型,系统分析了数字支付普及对乡镇现金流通的影响及异质性,得出以下主要结论:
第一,数字支付普及对乡镇现金流通具有显著的替代效应。数字支付普及率每提高1%,乡镇现金流通规模将减少0.3215%,这表明随着数字支付在乡镇地区的普及,现金的使用规模和频率逐步下降,乡镇支付方式逐步向数字化转型。
第二,控制变量对乡镇现金流通具有显著的异质性影响。农村电商发展水平、金融服务网点密度对乡镇现金流通具有显著负向影响,二者的提升能够进一步强化数字支付对现金的替代效应;老年人口占比对乡镇现金流通具有显著正向影响,老年人口占比越高,乡镇现金流通规模越大,对数字支付的替代效应具有削弱作用;居民人均可支配收入对乡镇现金流通的影响不显著。
第三,数字支付对乡镇现金流通的替代效应存在明显的场景和区域异质性。在交易场景方面,农资采购、农产品销售等大额交易场景的替代效应显著强于日常小额消费场景;在区域方面,东部地区的替代效应显著强于中西部地区,西部地区替代效应最弱。
第四,乡镇地区仍存在数字支付普及的短板。部分偏远乡镇金融服务覆盖不足、居民数字素养偏低、老年人口对数字支付接受度不高等问题,制约了数字支付对现金的替代效应,现金在部分乡镇和群体中仍占据重要地位。
(二)政策建议
基于以上研究结论,结合乡镇地区支付服务发展的实际情况,为进一步优化乡镇支付服务体系,充分发挥数字支付对现金流通的优化作用,推动普惠金融高质量发展,提出以下政策建议:
1. 持续推进数字支付在乡镇地区的普及,拓展应用场景
一是加大数字支付宣传和推广力度,针对乡镇居民尤其是老年人口开展专项培训,通过现场演示、手把手教学等方式,提升居民数字素养和数字支付操作能力,消除数字鸿沟。二是拓展数字支付应用场景,重点推动数字支付在农资采购、农产品销售、乡村文旅、村级财务结算等场景的落地应用,鼓励乡镇商户、农资店、农家乐等开通数字支付收款功能,实现大额交易场景的全面覆盖。三是优化数字支付产品和服务,针对乡镇居民的需求,开发操作简单、便捷安全的数字支付产品,简化支付流程,提升支付体验。
2. 完善乡镇金融服务体系,提升数字支付可及性
一是加大金融资源向乡镇地区的倾斜力度,在偏远乡镇增设银行网点、助农服务点,完善农村支付服务网络,解决金融服务覆盖不足的问题。二是推动助农服务点功能升级,整合数字支付、现金存取、转账汇款、金融咨询等服务,打造“一站式”农村金融服务平台,提升服务效率。三是加强农村支付基础设施建设,加大对乡镇商户数字支付终端设备的补贴力度,鼓励商户升级收款设备,支持扫码支付、刷脸支付等新兴支付方式的应用。
3. 关注老年群体支付需求,构建多元化支付体系
一是保留现金支付渠道,在乡镇银行网点、助农服务点、商户等场所,确保现金存取、找零等服务的正常提供,满足老年人口等群体的现金使用需求。二是开发适老化数字支付产品,简化操作界面、增大字体、增设语音提示等功能,降低老年人口使用数字支付的难度。三是加强现金管理,合理调配乡镇地区现金投放和回笼规模,根据不同区域、不同群体的现金使用需求,优化现金供应结构,确保现金供应充足。
4. 强化区域差异化政策支持,缩小区域发展差距
一是针对中西部地区尤其是西部地区,出台专项支持政策,加大金融资源投入,加快农村电商、乡村文旅等产业发展,带动数字支付普及。二是加强区域间合作与交流,推广东部地区数字支付普及的成功经验,助力中西部地区提升数字支付服务水平。三是结合不同区域的实际情况,制定差异化的数字支付推广方案,针对偏远乡镇、老年人口集中区域,重点开展精准化推广和服务,逐步缩小区域间支付服务发展差距。
5. 加强支付市场监管,保障支付安全
一是加强对乡镇数字支付市场的监管,严厉打击电信诈骗、盗刷银行卡等违法犯罪行为,规范支付机构和商户的经营行为,保障乡镇居民支付安全。二是加强支付安全宣传,普及支付安全知识,提升乡镇居民的风险防范意识和能力。三是建立健全支付服务投诉处理机制,及时解决乡镇居民在数字支付使用过程中遇到的问题,维护消费者合法权益,营造安全、便捷、有序的农村支付环境。
综上,数字支付普及对乡镇现金流通的替代效应已初步显现,但仍存在诸多短板和不足。未来,应结合乡镇地区的实际情况,针对性地采取政策措施,持续推进数字支付普及,完善农村支付服务体系,实现数字支付与现金支付的协同发展,为乡村振兴战略的深入推进提供有力支撑。
