数字金融能弥补市场化程度的不足吗?
——基于农村发展的视角

施宣邑，罗峥嵘，杨 畅

（1.厦门理工学院 经济与管理学院，福建 厦门 361024；2.澳门科技大学 商学院，澳门 999078）

一、引言

农村地区市场化程度不足、金融渠道缺乏、交易成本高等问题制约着农村发展。值得注意的是，数字金融为上述问题解决带来了转机。目前有关数字金融的研究主要集中于数字金融对企业和区域发展的影响，其中，数字金融对企业发展的影响研究侧重于企业去杠杆［1］、企业绩效［2］、企业并购［3］等领域，数字金融对区域发展的影响研究则主要聚焦于技术创新［4］、货币政策［5］、创业活跃度［6］等领域。目前逐步出现讨论数字金融对农村发展影响的研究［7］，但是，基于市场化程度视角讨论数字金融对农村发展影响的研究仍处于起步阶段。

2020 年底中国如期完成新时代脱贫攻坚目标任务，现行标准下农村贫困人口全部脱贫。为探讨数字金融对农村发展的作用，本文使用2011—2020 年中国省级平衡面板数据，运用固定效应模型对中国脱贫攻坚进程中数字金融、市场化程度与农村贫困发生率、农村人均可支配收入和消费支出的关系进行经验总结，并试图回答以下三个问题：第一，通过构建平衡面板模型，讨论2011—2020 年期间数字金融是否有助于降低农村贫困发生率并提振农村居民收入与消费水平？第二，通过加入市场化程度这一调节变量，讨论在2011—2020 年期间的农村发展方面，数字金融与市场化程度间是否存在替代效应，以及数字金融能否弥补市场化程度不足？第三，通过区域异质性分析，讨论2011—2020 年期间数字金融与市场化程度的替代效应在哪些地区更为明显？

本文具有以下贡献：第一，丰富了数字金融与农村发展的相关文献。本文验证了2011—2020年期间数字金融对降低农村贫困发生率、提高农村居民收入、推动农村居民消费增长均有积极作用。第二，基于农村发展的视角验证数字金融与市场化程度的替代效应。区别于以往有关数字金融与农村发展的研究［7］，本文基于2011—2020 年中国省级平衡面板数据，论证在市场化程度低的地区，2011—2020 年期间数字金融发展更有利于降低农村贫困发生率，并有助于提高农村居民的收入与消费，为政府利用数字金融助力欠发达地区经济发展、推动农村发展提供了重要启示。第三，揭示了数字金融与市场化程度的替代效应在中西部地区更为明显，为中国推动中西部地区数字化进程、为高效利用数字金融红利推进农村发展并实现人民共同富裕提供了理论与经验证据。

二、文献综述

（一）数字金融的相关研究

数字金融是指依托数字技术提供金融产品与金融服务［8］。由于数字金融的衡量指标体系尚不完善，现有数字金融的研究主要聚焦三大领域：1.数字金融衡量指标的构建研究；2.数字金融对企业发展的影响研究；3.数字金融对区域发展的影响研究。

第一，数字金融衡量指标的构建研究。由于信息化程度直接影响数字金融的发展，故而有些学者直接使用互联网宽带接入户数、光缆和基站密度或电信业务量等作为区域数字金融的衡量指标［9］。而有些学者则认为使用信息化程度对数字金融进行量化过于片面，应该对数字金融进行多维度分解，进而构建更完善的评价指标［10］。其中，北京大学数字金融研究中心构建的北京大学数字普惠金融指数从覆盖广度、使用深度和数字化程度三个维度测量区域的数字金融发展程度，是目前被广泛接受和运用的宏观衡量方式［11］。在微观层面，数字金融主要表现为企业的数字化转型程度，一般通过文本分析法对企业年报中有关大数据、云计算、区块链、人工智能和数字技术运用等关键词词频进行测量［12］。

第二，数字金融对企业发展的影响研究。目前，部分学者致力于探究数字金融对企业发展的积极作用，主要研究对于公司治理、企业绩效和并购等方面的影响。现有研究发现，数字金融具有地理穿透性与低成本优势，有助于降低企业融资成本，拓宽企业融资渠道，减少企业对杠杆融资的需求，有利于完善公司治理［1］。此外，广泛且低成本的融资渠道提高了企业金融资源配置效率，提升了企业绩效［2］。同时，数字金融对公司治理水平的提升还有利于促进企业并购行为［3］。

第三，数字金融对区域发展的影响研究。数字金融对区域发展的影响研究集中于讨论其经济后果。战明华等［5］指出，数字金融能提升货币政策的效果，具体表现为放大产出关于政策冲击的脉冲响应幅度，减少政策的时滞性并弱化“价格之谜”现象。聂秀华等［4］发现数字金融通过缓解融资约束能够优化区域内产业结构，提高区域创新水平。赵涛等［6］则发现数字金融通过影响市场规模、知识溢出和要素组合等因素，加快信息交互与资源整合，提升创业活跃度。此外，少量研究讨论了数字金融对农村金融的影响，傅秋子和黄益平［7］发现数字金融增加了农村居民消费信贷的需求，数字金融存在提升效率、促进消费等多维度效应。

（二）金融对农村发展影响的相关研究

金融对农村发展影响在学界已经有较丰富的相关研究，多数学者是基于经济增长理论研究金融发展对农村脱贫增收及农村居民消费行为的影响。

一方面，大多数研究均认为金融发展有助于农村脱贫增收。Geda et al.［13］以及Bittencourt［14］等的研究发现，随着金融服务范围的延伸以及金融服务水平的提高，低收入人群的收入水平将得到提高，生活水平会有显著改善。龚沁宜和成学真［15］发现金融发展的减贫作用相当明显，且符合边际效应递减的客观经济规律。孙玉奎等［16］指出至少在中国东部地区，金融发展有助于提高农村居民收入，并能显著缩小收入差距。陈啸和陈鑫［17］发现金融发展不仅能抑制当地城乡收入差距扩大，还能将该积极效应辐射到邻近地区。

另一方面，现有研究还认为金融发展会改变农村居民的消费行为。部分学者认为金融发展会提高农村居民的消费水平，实现消费升级。冉光和等［18］发现农村金融发展水平越高，农村居民的消费能力越强，且这一正向关系进一步受到收入水平的影响，收入水平越高，金融对消费的提振作用越明显。王勇［19］认为相较于提升农村居民短期收入的方式，消费金融能够更有效促进农村居民消费增长。李江一和李涵［20］则发现高效的金融服务有益于消费升级，表现为对大型家电等发展享受型消费的提升高于对食品等生存型消费的提升。

整体而言，金融发展对农村发展的作用已被广泛论证，但目前有关数字金融与农村发展的研究仍处于起步阶段。一方面，现有研究尚未清晰探究数字金融对农村发展的作用，更缺乏相关机制的讨论。另一方面，数字金融能否弥补地区市场化程度的不足，为经济欠发达地区提供新的经济发展路径并助力区域经济高质量发展，尚未得到充分关注。鉴于此，本文探讨2011—2020 年期间数字金融对降低农村贫困发生率以及提振农村居民收入与消费的作用，并考虑数字金融与市场化程度可能存在的替代效应，进一步研究数字金融对市场化程度不足地区的农村发展的影响。

三、理论分析与研究假设

（一）数字金融对农村发展的影响

金融与农村发展关系密切［21］。对于农村而言，金融门槛高和金融排斥现象是制约其发展的重要原因，而数字金融发展能有效缓解这一问题。首先，数字金融的发展降低了金融机构的运营成本，扩大了金融服务的覆盖范围［22］。具体来说，数字金融加速金融服务由城市向农村拓展，扩大农村居民用户群的规模，使得金融服务需求向“尾部”转移，产生“长尾效应”［23-25］。这种新兴的金融发展模式提升金融服务的触达能力，降低农村居民获取金融服务的门槛和成本，具有减贫增收的效果［26］。其次，数字金融丰富了农村居民的投资理财渠道。相较于储蓄这一农村居民常用的传统理财模式，数字金融提供了更多样化的理财选择如基金、保险等，将提高农村居民的收入水平［27］。此外，金融机构提供的便捷支付结算手段以及信贷业务将影响农村居民的消费行为［28］。具体而言，信贷业务可使农村居民获得资金支持，从而缓解农村居民的资金约束，与此同时，信用消费等便捷的支付结算手段使得农村居民实现跨期消费；如若农户开通了第三方支付账户，其家庭消费水平能够显著提升［29］。因此，数字金融能够促进农村地区消费升级，扩大农村居民的消费支出。综上所述，本文认为数字金融能够提供农村发展的内在活力［30-31］，具体体现为降低农村贫困发生率、提高农村居民收入水平、增加农村居民消费支出三个方面。故提出研究假设1。

假设1a：数字金融发展降低了农村贫困发生率。

假设1b：数字金融发展提高了农村居民收入水平。

假设1c：数字金融发展增加了农村居民消费支出。

（二）数字金融与市场化程度的替代效应

从农村发展视角看，数字金融应当能够弥补市场化程度的不足。现有研究通常认为市场化的均衡发展是实现农村经济高质量发展的重要过程［32］。传统的农村发展是通过提高市场化程度来完成的，即首先完善法律制度，营造良好的市场环境，随后进一步促进区域产品与要素市场发展，提高非国有经济的参与度，丰富市场中介，进而带动农村产品的生产和销售，实现农村发展的目标。然而，市场化建设这一过程存在投入大、周期长、见效慢的问题，而数字金融发展恰好能够弥补市场化程度的不足。一方面，中国已具备较好的数字金融基础，包括微信支付、支付宝及手机银行等多种成功实践，这意味着推动农村地区数字金融建设的成本可控且周期较短。另一方面，中国农村互联网用户群体庞大，移动支付普及率高，农村居民对数字金融的接受度高，故而在农村地区推广数字金融的阻力小、见效更快。综上所述，本文认为数字金融能够弥补区域市场化程度不足的劣势，即存在替代效应，数字金融有助于低市场化程度地区加快经济建设，推动乡村振兴。故提出研究假设2。

假设2a：数字金融对低市场化程度地区的减贫效应更为明显。

假设2b：数字金融对低市场化程度地区农村居民收入水平的提升作用更为明显。

假设2c：数字金融对低市场化程度地区农村居民消费的促进作用更为明显。

数字金融、市场化程度与农村发展的理论逻辑关系参见图1。

图1 数字金融、市场化程度与农村发展的理论逻辑关系

四、研究样本及数据来源、研究变量与研究模型

（一）研究样本及数据来源

为对中国脱贫攻坚进程中数字金融、市场化程度与农村贫困发生率、农村人均可支配收入和消费支出的关系进行经验总结，本文采用2011—2020 年中国省级平衡面板数据进行实证分析，包括中国31 个省级行政区（不包括中国香港、澳门及台湾地区）。其中，农村贫困发生率数据来自2011—2020 年国家统计局发布的《中国农村贫困监测报告》，农村居民人均可支配收入与消费支出数据来自国家统计局，数字金融发展水平数据来自《北京大学数字普惠金融指数（2011—2020）》，其他数据来自国泰安数据库。

（二）研究变量

1. 被解释变量

农村发展。本文主要对中国脱贫攻坚进程中数字金融、市场化程度与农村贫困发生率、农村人均可支配收入和消费支出的关系进行经验总结，为此，本文选取农村贫困发生率、农村居民收入水平以及农村居民消费水平三个指标来衡量农村发展。首先，脱贫是农村发展的基础，本文参照陈慧卿等［33］的研究，采用《中国农村贫困监测报告》发布的农村贫困发生率指标作为农村发展程度的衡量指标之一。由于该报告不披露统计上不存在显著贫困省级行政区的数据，因此，设定这些省级行政区在未披露年份的农村贫困发生率为0。其次，参照孙玉奎等［15］的测量方式，采用农村居民人均可支配收入的自然对数衡量农村居民收入水平。最后，参照陈东和刘金东［34］的方法，采用农村居民人均消费支出的自然对数衡量农村居民消费水平。

2. 解释变量

数字金融发展水平。参照聂秀华等［4］的处理方式，采用北京大学数字金融研究中心编制的北京大学数字普惠金融指数作为数字金融发展水平的衡量指标，该指数使用大数据技术构建，综合传统金融与互联网服务两方面的特征，全面反映数字金融的总体发展和变化趋势①详细计算见《北京大学数字普惠金融指数（2011—2020）》。。同时，本文进一步使用覆盖广度、使用深度和数字化程度三方面指标多维度地衡量区域数字金融发展水平。

3. 调节变量

市场化程度。本文采用王小鲁等［11］发布的市场化指数作为各省级行政区市场化程度的衡量指标。由于樊纲市场化指数于2016 年统计基期发生了变化，因此本文根据2016 年数据进行基期的调整以确保数据的可比性。

4. 控制变量。

参照陈慧卿等［33］以及何学松和孔荣［35］的方法，本文加入一系列省级层面控制变量，同时控制省级固定效应以避免遗漏变量偏误造成的影响。其中，第一产业结构（PI）用第一产业占GDP 的比重表示；第二产业结构（SI）用第二产业占GDP 的比重表示；教育水平（EDUCATION）用教育经费支出占财政支出的比重表示；经济发展水平（GDP）用各省级行政区人均GDP 增长率表示。

所有研究变量及定义均在表1 中展示。

表1 研究变量定义

（三）研究模型

本文首先检验2011—2020 年期间数字金融发展是否有助于农村发展。采用固定效应模型对省级面板数据进行回归分析，其平衡面板数据模型如式（1）。

其中，i代表省级行政区；t代表年份；FD代表该省级行政区农村发展情况，分别用农村贫困发生率（RPR）、农村居民人均可支配收入（INCOME）及农村居民人均消费支出（COMSP）衡量；DF代表该省级行政区当年的数字金融发展水平；Controls代表控制变量，包括第一产业结构、第二产业结构、教育水平与经济增长情况；Province为省级固定效应；ε 为误差项。根据本文研究假设，在农村贫困发生率作为被解释变量时，预期α1显著为负，即区域数字金融发展有助于农村减贫；而在农村居民收入水平与消费水平作为被解释变量时，预期α1显著为正，即数字金融有助于提振农村居民收入与消费。

随后，本文检验2011—2020 年期间数字金融对农村发展的影响，是否与区域市场化程度存在替代效应。在模型（1）的基础上，本文加入市场化程度衡量变量及其与数字金融变量的交乘项，其模型如下：

其中，MARKET代表该省级行政区当年的市场化程度，其他变量已在前文中定义。根据本文研究假设，预期β3系数应与β1的系数相反；在农村贫困发生率作为被解释变量时，预期β3应显著为正；在农村居民收入水平与消费水平作为被解释变量时，预期β1显著为负。以上预期说明在市场化程度高的省级行政区，数字金融对农村发展的积极作用将被削弱，即数字金融与市场化程度存在替代效应，在市场化程度低的地区中数字金融更能促进农村发展。

五、实证分析及讨论

（一）描述性统计

表2 展示了2011—2020 年期间研究变量的描述性统计结果。研究发现2011—2020 年期间农村贫困发生率的均值为6.5726%，标准差高达8.4562%；2011—2020 年期间农村人均可支配收入的均值为9.3563，标准差为0.4010；2011—2020 年期间农村人均消费支出的均值为9.1502，标准差为0.3758；2011—2020 年期间数字金融系列变量的均值处于196.669 6～290.142 3 之间，标准差处于96.556 0～117.252 2之间；2011—2020 年期间市场化程度的均值为6.532 5，标准差为2.191 1。统计结果表明2011—2020 年期间中国农村贫困度、区域数字金融发展程度与市场化程度在各省级行政区间存在较大差异。

表2 2011—2020 年期间研究变量的描述性统计结果

（二）实证分析

1. 基准回归分析

表3 展示了使用固定效应模型的2011—2020 年期间数字金融对农村发展影响的回归结果。其中，列（1）、列（3）和列（5）分别展示2011—2020 年期间数字金融对农村贫困发生率、农村居民人均可支配收入和农村居民人均消费支出的影响；列（2）、列（4）和列（6）则分别展示2011—2020 年期间市场化程度对数字金融与农村贫困发生率、农村居民人均可支配收入和农村居民人均消费支出间关系的调节效应。

表3 2011—2020 年期间数字金融对农村发展影响的回归结果

首先，从2011—2020 年期间数字金融对农村发展影响的直接效应来看。列（1）数字金融发展程度的系数在1%的显著性水平下与农村贫困发生率呈负相关关系，说明2011—2020 年期间数字金融有助于农村实现减贫。该结论支持本文研究假设1a。列（3）数字金融发展程度的系数在1%的显著性水平下与农村居民人均可支配收入呈正相关关系，说明2011—2020 年期间数字金融有助于农村居民增收。该结论支持本文研究假设1b。列（5）数字金融发展程度的系数在1%的显著性水平下与农村居民人均消费支出呈正相关关系，说明2011—2020 年期间数字金融还具备提振消费的作用。该结论支持本文研究假设1c。

随后，通过构建调节效应模型，检验2011—2020 年期间数字金融与市场化程度在降低农村贫困发生率方面是否存在替代效应。列（2）数字金融发展程度与市场化程度的交乘项（DF×MARKET）的系数在1%的显著性水平下与农村贫困发生率呈正相关关系，证明在市场化程度高的地区，数字金融对降低农村贫困发生率的作用遭到削弱。该结果说明从脱贫视角来看，数字金融与市场化程度存在一定的替代效应。因此，对于市场化程度低的地区，推动数字金融发展更有利于弥补市场化程度不足带来的不利影响，更好地降低农村贫困发生率。该结论支持本文研究假设2a。列（4）DF×MARKET的系数在1%的显著性水平下与农村人均可支配收入呈负相关关系，证明在市场化程度高的地区，数字金融对提高农村居民收入水平的作用也会受到削弱。该结果说明从农村居民收入的角度来看，数字金融与市场化程度同样存在替代效应，市场化程度低的地区发展数字金融能够起到更好的农村增收效果。该结论支持本文研究假设2b。列（6）DF×MARKET的系数依旧在1%的显著性水平下与农村人均消费支出呈负相关关系，证明在市场化程度高的地区，数字金融对促进农村消费增长的作用也被削弱，存在替代效应，故市场化程度低的地区推进数字金融建设对提振农村消费水平有更好作用。该结论支持本文研究假设2c。

此外，控制变量的回归结果显示2011—2020 年期间区域教育水平与农村贫困发生率之间存在显著负相关关系，这印证了教育有利于农村发展的结论［36］。产业结构的变量回归结果显示，第一产业与第二产业占比高的省级行政区农村居民收入水平和消费水平相对更低，这佐证了优化产业结构、实现各产业协调发展更有助于农村发展和乡村振兴目标实现。

2. 稳健性检测

（1）替换解释变量的回归分析

为了检验结果的稳健性，本文更换数字金融的衡量方式，分别使用覆盖广度（COVERAGE）、使用深度（USAGE）和数字化程度（LEVEL）作为数字金融的衡量方式，发现回归结果（见表4）与基准回归分析一致。表4 的面板A、面板B 和面板C 分别是使用覆盖广度、使用深度和数字化程度作为数字金融发展程度的衡量指标时相应的回归结果。其中，由列（1）、列（3）和列（5）的回归结果可以发现，2011—2020 年期间数字金融的覆盖广度、使用深度和数字化程度越强，地区农村贫困发生率越低，同时农村居民人均可支配收入和农村居民人均消费支出越高，研究假设1a、1b 和1c 的结论依旧成立。在列（2）中，覆盖广度、使用深度和数字化程度与市场化程度的交乘项系数均在1%的显著性水平下为正，说明无论在何种数字金融衡量方式下，数字金融与市场化程度的替代效应依旧存在，市场化程度低的地区更容易从数字金融中获益，研究假设2a、2b 和2c 的结论依旧成立。

表4 2011—2020 年期间覆盖广度、使用深度和数字化程度对农村发展影响的回归结果

（2）归并回归分析

本文被解释变量之一的农村贫困发生率（RPR）大于0，是正值连续型变量，且在0 值处存在归并数据现象，故而本文采用归并回归Tobit 模型进行稳健性检测，以避免归并数据特征对研究结论的影响［37］。回归结果在表5 中展示。可以看出，INDEX的系数依旧显著为负，INDEX×MARKET的系数依旧显著为正。因此，总体来说，2011—2020 年期间，数字金融依旧有利于降低农村贫困发生率，数字金融与市场化程度间的替代效应依旧显著，且这种替代效应在中西部地区更为明显。本研究结论不受归并数据特征影响。

表5 2011—2020 年期间Tobit 回归结果

（3）Heckman 回归分析

本文的被解释变量之一的农村贫困率数据来源于《中国农村贫困监测报告》，该报告未披露统计上不存在显著贫困地区的数据，存在非随机缺失现象，因此可能造成自我选择偏差问题。故本文参照Heckman［38］的方法，使用两步法Heckman 模型作为第二种稳定性检测方式，以避免自我选择偏差所造成的潜在内生性问题对研究结论的影响。第一步中，本文使用农村贫困发生率的年度均值及控制变量对是否存在农村贫困率的哑变量进行回归，并计算逆米尔斯比率（IMR），然后将逆米尔斯比率作为控制变量加入模型中。

表6 展示了2011—2020 年期间Heckman 选择模型进行回归分析的结果。可以看出，逆米尔斯比率显著，说明数据可能存在自我选择偏差的问题。然而，INDEX的系数依旧显著为负，INDEX×MARKET的系数依旧显著为正，说明在考虑农村贫困发生率变量可能存在自我选择偏差问题的情况下，本文2011—2020 年期间的研究结论依旧成立。

表6 2011—2020 年期间两步法Heckman 模型回归结果

3. 区域异质性分析

数字金融与市场化程度间的替代效应可能存在区域异质性。中国国内产业转移的方向是由东部沿海地区向中西部内陆地区转移。东部沿海地区发展较早，经济发达，市场化程度较高，而中西部地区则普遍存在市场化程度不足、经济发展不及东部沿海地区的问题。可见在中西部地区要素市场发展相对不完善，市场中介发展程度不高，市场环境通常不如东部地区。同时，中西部地区经济相对欠发达，可供投入市场化进程建设或推动数字金融发展的资源相对有限，无法兼顾市场化进程的推动与数字金融的发展。因此，本文进一步进行区域异质性分析。

首先，参照国家统计局的分类方式，本文将31 个省级行政区中的北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南定义为东部地区，其余省级行政区为中西部地区①资料来源：http：//www.stats.gov.cn/ztjc/zthd/sjtjr/dejtjkfr/tjkp/201106/t20110613_71947.htm。。本文构建衡量中西部地区的哑变量，当该省级行政区属于中西部地区时为1，其他情况为0。随后，在模型（2）的基础上，加入中西部哑变量（NW）及其与数字金融和市场化程度的一系列交乘项，其模型如式（3）。

其中，NW为衡量中西部地区的哑变量，其他变量已在前文中定义②由于衡量中西部地区哑变量不随时间变化而变化，故使用固定效应模模型时未控制其主效应。。

表7 展示了2011—2020 年期间区域异质性的回归结果。在第（1）列中，数字金融发展程度、市场化程度与中西部地区哑变量交乘项（DF×MARKET×MW）的系数在1%的显著性水平下与农村贫困发生率呈正相关关系。在第（2）列中，DF×MARKET×MW的系数在5%的显著性水平下与农村人均可支配收入呈负相关关系。该结果说明从农村脱贫与增收的角度来看，2011—2020 年期间数字金融对市场化程度的替代效应在中西部省份更为明显。值得注意的是，在第（3）列中，DF×MARKET×MW的系数在1%的显著性水平下与农村人均可支配收入呈正相关关系。该结果说明从农村居民消费水平的视角来看，2011—2020 年期间数字金融对市场化程度的替代效应反而在东部地区更加明显。

表7 2011—2020 年期间区域异质性的回归结果

六、研究结论与政策建议

本文使用2011—2020 年中国省级平衡面板数据，运用固定效应模型对中国脱贫攻坚进程中数字金融、市场化程度与农村贫困发生率、农村人均可支配收入和消费支出的关系进行经验总结，检验了区域数字金融水平与市场化程度对农村发展的影响以及推动数字金融发展能否弥补区域市场化程度不足的劣势，从而助力欠发达地区利用数字金融实现农村增收及推进乡村振兴。通过分析，本研究得出以下结论。

第一，数字金融发展有助于推动农村发展，具体表现为2011—2020 年期间降低中国农村贫困率、提高农村居民收入水平与消费水平。第二，数字金融与市场化程度两者存在替代效应，2011—2020 年期间市场化程度低的地区推动数字金融发展更有利于降低农村贫困发生率、提高人均可支配收入和消费支出。上述结论经过替换解释变量、使用Tobit 回归和Heckman 回归法等稳健性检验后依旧成立。第三，数字金融与市场化程度的替代效应存在明显的区域异质性，具体表现为在2011—2020 年期间农村减贫与农村居民增收方面，数字金融与市场化程度的替代效应在中西部地区更为明显，而在2011—2020 年期间农村居民消费方面，该替代效应在东部地区更为明显。

展望未来，本文提出以下政策建议：第一，应该积极推动数字金融发展。本文研究发现，数字金融发展能够拓展农村金融交易渠道、降低金融交易成本，加速了农村发展，有利于推进乡村振兴及共同富裕目标的实现。第二，应考虑数字金融与市场化程度之间的替代效应，有针对性地推动市场化程度较低地区的数字金融建设。数字金融与市场化程度的替代效应既是机遇，亦是挑战。一方面，数字金融建设有助于降低推动市场化进程所带来的经济发展成本。另一方面，两者间的替代效应也对针对性地制定区域数字金融发展政策提出了挑战，同时应当避免在推动数字金融发展时忽视提高市场化程度对农村发展的积极作用。第三，在制定数字金融政策与监管方案时，应当充分考虑区域异质性，为数字金融在中西部地区农村增收方面的积极作用提供政策支持，同时有效发挥数字金融在东部地区提振农村消费方面的效应。