代写金融学论文模板：数字普惠金融对我国金融资源配置效率的影响思考

本文是一篇金融学论文，本文首先通过DEA-Malmquist模型测算了全国29个省市2011-2020年的金融资源配置效率，然后使用系统GMM法实证研究数字普惠金融对我国金融资源配置效率的影响，还通过加入数字普惠金融指数平方项实证研究数字普惠金融对金融资源配置效率的非线性影响，并使用替换解释变量的方法验证实证结果的稳健性，最后通过分组讨论来进一步研究了数字普惠金融对金融资源配置的异质性效应。

第一章引言

第一节研究背景及意义

一、研究背景

2015年，国家出台了《推进普惠金融发展规划(2016-2020年)》，其中包含了“普惠金融”这个范围的界定：普惠金融应当以保持机会平等和商业的可持续性为基础点，结合政府政策等的强劲支持和引导，全面提升金融体系的建设和金融基础设施的布局，要做到在一定成本范围内，为全社会各个阶层和广大群体提供金融服务，争取金融服务适当、有效地被提供给需要的领域和产业等。因此，由普惠金融的定义中可见，它能够对相关基础设施进行不断地完善，并且降低准入的限制，通过普惠金融的服务体系能够为不同的社会人群和个体提供金融帮助（郭峰，王靖一等，2020）。然而，普惠金融受制于其金融的本质，并不能完全覆盖所有的阶层，覆盖的深度也远远不够，近年来，互联网和大数据技术逐渐兴起，以支付宝的诞生为起点，我国的普惠金融在融合网络和新兴通信技术之后，从最初的小额信贷模式，发展成为了以互联网科技企业提供金融服务为代表的新型数字金融发展模式。

数字普惠金融，则是一种在传统的普惠金融服务形式上再作创新的金融服务方式，其借助数字技术对金融服务进行了创新，不仅仅降低了提供资金所需要的成本，还能够使服务对象能够更加方便地获得服务；另外，在之前的传统金融服务体系下，未能够获得金融服务的群体，因为数字普惠金融对准入门槛的改善，也能够得到金融服务的支持。长期以来，金融对实体经济服务的工程中，存在着增加覆盖面和找准服务对象不能同时实现的问题，但是数字普惠金融恰好对这一痛点提供了解决办法（滕磊和马德功，2020）。随着互联网和大数据技术的不断发展与更新换代，数字普惠金融不仅继续保持了传统普惠金融的良好属性，还能够依托高新技术的优良特点，降低金融业客户的准入门槛，使得金融服务真正的实现了普惠，更直接更广泛的覆盖了被传统金融所排斥的群体。

第二节研究内容与方法

一、研究的主要内容

本文研究的步骤主要分为四个部分，分别是提出问题、分析问题、实证问题、结论和建议。

第一部分是“提出问题”，由本文的第一章组成，分别从研究背景及意义、研究内容和方法两个方面，对本文的主要研究内容展开了简单的论述，同时，论文的创新之处以及论文的主要缺陷也都在此基础上进行了阐述。当前，我国提出要解决各地区、各城市间发展“不平衡、不充分”的问题，也指出要充分利用金融的功能，实现总体经济的持续性增长，特别是需要关注实体经济。那么，考虑到我国区域经济发展水平存在较大差异、各省市金融资源分配失衡的情况，本文提出采用2011～2020年我国31个省市的相关数据，研究数字普惠金融与我国金融资源配置效率之间的关系。研究的重点可以分为以下两个方面：数字普惠金融能否改善我国不同省份之间金融资源分配失衡的现状，并提升金融资源的配置效率为研究重点之一；数字普惠金融对同一经济区不同省份的金融资源配置，是否存在缓解配置失衡的作用，对处于不同经济区的省份，数字普惠金融能否改善金融资源配置、并减弱不同区域间的经济发展差距，为本文的研究重点之二。

第二部分是分析问题，主要包括第二章和第三章的内容。第二章主要对国内外相关文献进行整理和分类。大部分文献较关心目前金融资源配置存在的相关问题、数字普惠金融的发展概况以及数字普惠金融如何有效缓解金融资源的配置失衡。第二章还对目前学者进行的相关主题实证分析作了归纳及总结。第三章主要研究相关的金融理论，从理论出发讨论数字普惠金融与金融资源配置效率之间的关系。

第三部分是实证问题，包括第四章及第五章的内容。第四章主要是采用DEA-Malmquist模型对我国31个省市的金融资源配置效率进行测算，并将31个省市按照“八大综合经济区”进行分类分析，研究不同经济区之间的金融资源配置效率的差异，以及同一经济区内不同省份金融资源配置效率是否均衡有效。第五章主要是采用系统GMM模型开展实证研究，讨论数字普惠金融与我国金融资源配置效率之间的关系，并进一步讨论数字普惠金融对金融资源配置效率的非线性影响，最后进行异质性实证分析。

第二章文献回顾及述评

第一节文献回顾

一、数字普惠金融的概念及测度方法

实体经济的发展离不开金融的发展，而金融的主要着力点应该是为了让经济社会得到整体的升级与发展，另外，金融也应当承担起资金配置的引导、融通各类资金等功能（任力和张立洁，2021）。在我国，传统金融的扶贫成本和收益不相匹配的局面较为普遍，实际情况与政府提倡的市场机制也相违背，造成了金融服务难以推广的情况（李涛和杨胜兰，2021）。特别是，我国本身是农业人口和产业占比较大的国家，因此城乡之间的发展存在不可避免的差距（马威和张人中，2021）。

数字普惠金融，则是一种在传统的普惠金融服务形式上再作创新的金融服务方式，其借助数字技术对金融服务进行了创新，不仅仅降低了提供资金所需要的成本，还能够使服务对象能够更加方便地获得服务；另外，在之前的传统金融服务体系下，未能够获得金融服务的群体，因为数字普惠金融对准入门槛的改善，也能够得到金融服务的支持。长期以来，金融对实体经济服务的工程中，存在着增加覆盖面和找准服务对象不能同时实现的问题，但是数字普惠金融恰好对这一痛点提供了解决办法（滕磊和马德功，2020）。

数字普惠金融的测度方法包括单一指标法和综合指数法（王定祥和胡小英，2023）。单一指标法，即采用某一个指标来对数字金融的发展程度进行衡量和代表，这个指标一般会特意选取与数字金融的业务相关的变量，比如说网上借贷额等指标在文献中就经常被选择。综合指数法又分为三种数据构建的综合指数。其中，现有的数字普惠金融相关文献中最广泛使用的便是北大编制的《数字普惠金融指标》，该指标在对数据的可得性、可靠性充分考虑的基础上，结合数字普惠金融服务发展的新形势与新特征，构建了三个主要的维度对数字普惠金融指标体系做出分解，这三个维度分别对覆盖面、使用率、数字化发展状况三个方面对数字普惠金融作出了测度和解释，三个维度下又根据数据的类别构建了33个具体的指标（郭峰，王靖一等，2020）。虽然该指标仅仅是选取了支付宝方后台产生的相关账户交易数据，传统的金融机构以及其他有代表性的新型数字普惠金融机构都没有涉及到，但因为数据较为全面详实，构建的指数也较科学直观，因此较多学者使用。

第二节文献述评

综上所述，传统金融本身具有资源配置的相关功能，但是传统金融服务存在一定的门槛，导致中小微企业和部分人群被拒绝在传统金融之外，并没有享受到金融所带来的红利和改变。普惠金融的出现，惠及了更多的群体，使得金融服务延伸到了部分之前无法触及的地区和人群中去，但是普惠金融仍然受制于地区金融设施、金融普及差异较大等多方面的原因，特别是对于我国相对落后的地区，普惠金融所能发挥的作用也是相当有限的。近十年以来，我国的大数据技术和5G布局等方面都发展得十分迅猛，以支付宝的诞生作为起点，我国的数字普惠金融在近些年蓬勃发展，乘着互联网这辆快车，使金融惠及到了更多的人群和企业。

我国人口基数较大，虽然一方面为数字普惠金融带来了广大的用户群体和应用场景；但另一方面，从全国范围着手，各省市之间的金融设施、金融服务等差距较大，呈现出我国特有的地区间发展不平衡、不充分的特点，导致金融所能发挥的作用也参差不齐。我国传统的金融资源配置模式使得国有商业银行更倾向于向重点项目、重点企业提供金融服务，这样的模式之下，金融资源配置的效率受到了限制。而数字金融则能够充分利用高科技和大数据的优势，弥补金融服务涵盖的范围不够广的情况，减弱金融资源配置的失衡，从而改善金融资源配置效率。但由于我国各省市经济发展水平差异较大，数字普惠金融所能发挥的作用也高低不一，面对各省市完善程度存在差距的金融体系建设，数字普惠金融对金融资源配置效率影响的差异体现在何处，对数字普惠金融因地制宜发挥优势具有重要意义。

第三章理论分析........................................17

一、金融深化................................................17

二、金融发展理论.............................................18

第四章我国金融资源配置效率的测算..................................20

第一节DEA-Malmquist模型及指标选取.....................................20

一、DEA-Malmquist模型...........................20

二、投入及产出变量的选择...................................21

第五章数字普惠金融对我国金融资源配置效率影响的实证分析...40

第一节主要指标选取..........................................40

一、解释变量指标选取..............................................40

二、被解释变量............................................42

第五章数字普惠金融对我国金融资源配置效率影响的实证分析

第一节主要指标选取一、解释变量指标选取

本文的主要解释变量采用《数字普惠金融指标》体系来研究数字普惠金融的发展情况，这一指数是由北京大学的数字金融研究中心与蚂蚁集团研究院联合推出的。另外，该指标在充分考虑了获得数据的难易程度及数据是否真实可用的基础上，对数字普惠金融服务发展的新形势与新特征进行分析，构建了三个主要的维度对该指标体系做出分解，这三个维度分别对覆盖面、使用率、数字化发展状况三个方面对数字普惠金融作出了测度和解释，三个维度下又根据数据的类别构建了33个具体的指标。另外，该指数覆盖了我国2011～2020年省份、城市以及县域的数据分析，对于数字普惠金融发展水平的评估都较充分，本文主要选取我国29个省市的相关数据进行实证研究，由于该指数在编制过程中采用了对数型功效函数法，令这些指数在2011年这个基准年上取分值，并且每个具体指标的无量纲化数值在2011年都取0到100分之间的某个值，因此在这个指标体系下得分越高的地区，也说明该指标所测算的维度得到了较高的发展水平；2011年之后的年份，每个指标的数值则不再局限于0到100之间，有可能随真实水平的发展而小于0或者超过100。本文在实证研究的过程中，为了使各变量的单位量级一致，将数字普惠金融指标数值均除以100。数字普惠金融相关指数的具体定义如表5.1所示。另外，根据郭峰（2020）等的研究，2011-2018年间数字普惠金融业务在我国实现了较明显的跨越发展，2011年各省的数字普惠金融指数中位数仅为33.6，而到了2018年便显著增长为294.3，具体增长情况可参阅本文附录。

第六章结论与建议

一、研究结论

本文首先通过DEA-Malmquist模型测算了全国29个省市2011-2020年的金融资源配置效率，然后使用系统GMM法实证研究数字普惠金融对我国金融资源配置效率的影响，还通过加入数字普惠金融指数平方项实证研究数字普惠金融对金融资源配置效率的非线性影响，并使用替换解释变量的方法验证实证结果的稳健性，最后通过分组讨论来进一步研究了数字普惠金融对金融资源配置的异质性效应。研究结论如下：

（一）金融资源配置效率测算结果

根据DEA-Malmquist模型的测算结果，我国黄河中游综合经济区、东北综合经济区及大西北综合经济区的金融资源配置效率并列首位，剩余省市依次为大西南综合经济区、长江中游综合经济区，另外，南部沿海综合经济区、北部沿海综合经济区及东部沿海综合经济区依次分别是倒数前三位。主要的原因可能是排名较为靠前的经济区其金融资源主要依赖于政府根据经济发展的规划而进行配置，主要流向经济产出较高的产业，因此配置效率相对较高；而排名较靠后的经济区，尤其是东部沿海综合经济区所包含的省份，由于其整体经济水平较高，各类基础设施的建设及数字普惠金融的建设较完备，因此对中小微企业和个人小额贷款的服务覆盖面较广，短期内尚未有较高的经济产出，导致金融资源的配置效率短期内并不高。

另外，根据测算结果可以发现，一个地区的金融资源配置效率会因为技术进步和技术利用效率的变动而产生变动，其中占主要影响的是技术进步效率，而技术效率次之。根据本文的研究，各经济区的金融资源配置效率在技术进步指数大于1的情况下，整体效率较高，即使技术效率指数小于1，也不会十分有力地拉低全要素生产率变化指数，即金融资源配置的效率并不会因此而大幅度下降。

参考文献（略）