数字普惠金融对新型城镇化影响效应实证研究.pdf

GANSU FINANCE甘肃金融/2023年第7期作者简介：张彬，福州职业技术学院副教授；吴恒旭，就读于福建师范大学协和学院。数字普惠金融对新型城镇化影响效应实证研究问题的提出党的十九大提到“中国经济已从高速增长阶段转向高质量发展阶段”，可见，党对我国经济发展质量的重视程度。近几年新型城镇化的建设被国家高度重视1。学者赵健阐述了城镇化必定会随着生产力的发展而发展，生产力是现代化程度的一个重要标准，有利于帮助推动区域协调发展2。城镇化的发展虽然可以为城市带来经济上的效益，但是会导致农村的发展停滞以及交通堵塞等不好的影响3。在不断地探索中，以人为核心的新型城镇化成为了现如今我国的重点。致力于乡村振兴和稳固脱贫基础，在不断减少城乡基础设施差距以及带动区域协调发展上做了很大贡献。相对于传统的城镇化，新型城镇化不只是简单的规模扩张，它更加注重质量，是一种以人为本、规模和质量并重的新模式，是在吸收传统城镇化发展经验的基础上，运用信息化建设和城市创新等途径，伴随着高科技的产业来对传统城镇化进行改进。如今，智能化技术、大数据、云计算、互联网技术等新的数字技术不断地发展运用，新型科技与传统普惠金融结合而成的数字普惠金融，带动金融业产生了新的金融科技产业，这些科技产业在国内不断生根发芽，成长为知名产业，使得金融能够更好地为经济服务4。数字普惠金融还能够推动乡村振兴，解决各类“三农”问题5。可以直接通过优化资源配置、提供完善城乡金融服务体系，间接通过产业升级效应、中小微企业发展效应、环境调节效应来影响新型城镇化的发展。综上所述，伴随着新型数字技术的发展，能够不断打破区域之间的信息不互通，让跨区域之间的信息交流和资源流动更加紧密。本文通过测算新型城镇化评价指标来拓宽评价维度，运用理论加实证的方法探寻数字普惠金 张彬吴恒旭【内容简介】文章选取20132020年我国31个省际面板数据，构建新型城镇化的评价指标体系，采用熵权法来计算新型城镇化综合发展指数，结果显示新型城镇化发展指数在平均水平以上的地区以东部沿海为主，而西部大多数省份的新型城镇化水平低于平均水平，西部地区新型城镇化发展水平较低，是我国未来重点发展的地区。随后文章构建数字普惠金融对新型城镇化影响的模型，运用VRA进行了实证分析。研究结果表明：数字普惠金融能够正向影响新型城镇化，当地区致力于促进经济发展水平、对外开放程度、固定资产投资、产业结构时可以提升新型城镇化水平。最后，文章从深化现代化数字金融体系建设、合理规划数字普惠金融资源分配等方面提出了推进新型城镇化发展的相应政策建议。【关 键 词】数字普惠金融；新型城镇化；熵权法；VAR模型【基金项目】2021年福建省财政厅科研项目“数字普惠金融赋能区域经济增长的财政政策研究”。66Gansu Finance甘肃金融/融与新型城镇化之间的关系。我国省际新型城镇化水平测算分析（一）新型城镇化指标体系的构建新型城镇化不仅有传统城镇化的基础，还提高了城市和乡村之间各方面的统筹发展，并致力于发展质量的提升和人们的满足感上。本文构建新型城镇化（NU）评价指标，该指标是以人为核心，以城乡统筹、城乡一体为特征的城市化进程。不只是满足市民的幸福感还要兼顾保护环境和发展经济之间的平衡。主要体系指标构成有五个方面。评价体系见表1。表1新型城镇化评价指标体系资料来源：根据国家统计局与中经数据计算和整理所得。本文使用熵权法，此方法可以用变化程度来判断指标权重，其变化程度在一定程度上影响着新型城镇化的变化水平。当某个指标的信息熵值越大时，代表着这个指标的变化程度越大，能够使系统供出更多的有效信息，还可以用于简化各种繁杂的统计数据，过程：1.先进行标准化处理，正向指标和负向指标使用不一样的方法。正向指标：Zijt=(Xijt-Xmin)(Xmax-Xmin)（1）负向指标：Zijt=(Xmax-Xijt)(Xmax-Xmin)（2）Zijt是第i个省份的第j个指标在第t年的值。P是指标总数，m是研究年份数，n是研究的省份数。2.计算指标的权重：Pijt=Zijtmt=1ni=1Zijt（3）Pijt是第i个城市第j个指标在第t年的权重。3.用权重计算第j项的熵值：Ej=1ln(mn)mt=1ni=1PijtlnPijt（4）式中的Ej0。4.计算第j项指标的信息效用值：Dj=1-Ej（5）5.计算各指标权重：Wj=Djpj=1Dj（6）式中的0Wj1。6.m年内，各省新型城镇化综合分数：Sit=pj=1WjZijt（7）（二）我国省际新型城镇化发展水平分析计算得出 31个省份的新型城镇化发展指数，该指数越大，新型城镇化发展进度越高；相反发展进度越低，结果见图1。图12021年各省份新型城镇化发展水平图1可知，平均值约为0.37，北京、江苏等14个省份新型城镇化发展水平超过了平均值，宁夏、青海等省份发展水平较差。由此可知我国发展存在不平衡现象。按照我国东中西部地区将新型城镇化发展指数进行梯度的划分，将得出的划分结果制作为表格，见表2。目标层新型城镇化系统层人口城镇化经济城镇化社会城镇化生态城镇化城乡协调指标层城镇化水平失业率经济增长居民收入道路交通信息水平教育水平医疗水平环保措施绿化提升城乡人均可支配收入差异测算城镇人口/总人口（%）城镇登记失业率（%）人均GDP城镇人均可支配收入客运量（万人）互联网宽带接入用户（万户）普通高等学校招生数（万人）卫生机构床位数（万张）城市垃圾的无害化处理率（%）建设用地的绿化覆盖率（%）城镇人均可支配收入-农村人均可支配收入影响+-+-DIGITAL ECONOMY数字经济67GANSU FINANCE甘肃金融/2023年第7期表22020年各地区新型城镇化梯度划分可知，广东的新型城镇化水平最高，约为0.72；江苏发展进程也高，有0.71，这两省超过0.7的为第一梯队，都在东部地区。北京、上海等12个省份位于第二梯队，在均值以上。第三梯队的天津、辽宁等省份发展水平在均值以下，主要分布于西部地区。海南在内的四个城市中，新型城镇化水平不高，低于0.21为第四梯队，主要集中在西部。综上所述，新型城镇化发展指数在平均水平以上的地区以东部沿海为主，而西部大多数省份的新型城市化水平低于平均水平。我国目前的新型城镇化发展水平出现东高西低的态势，西部地区新型城镇化发展水平较低，是我国未来重点发展的地区。影响机制与研究假设（一）数字普惠金融对新型城镇化的直接影响1.优化资源配置克里斯塔勒的中心地理论指出，城市能够起到对商品的集中、分配和加工的作用。在富裕区域的中心区和集约化区域，经济活动便利，运输环境良好。由于城市地理位置的优越，使得我国城乡二元结构特征明显，并且财政资源向城市集中6。数字普惠金融融合了现代数字技术与传统普惠金融的特点，打破了传统金融服务的局限，使农村金融的发展不再受地域、时间等因素的制约，使农村金融发展的成本大大降低。加之网络本身的“泛在性”特性，使得数字普惠金融的发展具有零边际成本效应。使数字化技术建立多元的投融资体系，有利于城乡资源的合理配置，为农村建设“通向城市化的桥梁”提供便利。2.提供完善城乡金融服务体系传统金融发展模式下，农村地区客户收集信息成本很高。数字普惠金融的发展与应用，是一个完美的数字技术布局，形成了良好的地理穿透性，金融供给可以扩展到每一个微观的个体，从而可以扩大金融服务的覆盖面和效率，使金融服务体系更加完善，缩小城乡收入差距7。越来越多的乡村建设便民金融服务站，运用数字普惠金融独特的移动支付模式，来为农村地区提供小额支付。还会使用带有新型技术的电子平台为有需求的人提供更便捷的业务。随着数字技术的引入，使金融服务遍布大街小巷，促进了居民消费升级以及改善生活福利，创建“以人为核心”的金融服务体系。（二）数字普惠金融对新型城镇化的间接影响1.产业升级效应数字经济的发展将会对生产环境产生一定的影响，不管是规模效应，还是技术效应，最终都会显现出来。新型城镇化的发展将会增加基础设施的建设，不断完善公共服务。当产业升级时将会提供更好的生产技术，它是推动城镇化发展的主要力量8。数字普惠金融可以通过技术变革中的信息不对称影响从制造端到消费端之间的运转，不再像以往的产业一样致力于工艺水平的发展。还能够运用数字货币等方式来带动电商、农户、快递的合作，促进产业的升级。2.中小微企业发展效应随着互联网的发展，现如今金融机构提供越来越多的小额信贷业务，但是其推广是非常难的。在农村地区，数字普惠金融可以利用覆盖面广来增加渠道，降低推广成本，还能缓解中小微企业融资约束，促进居民消费升级进而改善生活9。并且数字普惠金融的出发点不再是脱贫攻坚，而是提高中小微企业的发展，提高人民的生活水平。企业可以减少融资的约束，提供贷款风险保障，以此促进中小微企业发展。3.环境调节效应要素资源错配容易导致各项环境指标偏移，造成没有效率的环境调节10。但是数字普惠金融能够运用数字技术对环境指数进行实时监控，以便观察环境的变化。还可以通过无纸化交易、网络交易等方便环保的方法来实现国家所规定的要求，推动国家的碳达峰碳中和的战略目标。数字普惠金融还可以通过云平台数据汇总来监督二氧化碳等各种气体排放量，搭建绿色出行、线上交易等碳减排场景。（三）研究假设假设1：数字普惠金融的发展能够促进新型城镇化水平。新型城镇化水平梯度划分第一梯队第二梯队第三梯队第四梯队东部地区江苏、广东北 京、河 北、上海、浙江、福建、山东天 津、辽 宁、吉林、黑龙江海南中部地区安徽、江西、河南、湖北、湖南山西西部地区四川内蒙古、广西、重庆、贵州、云南、陕西、甘肃、新疆西藏、青海、宁夏68Gansu Finance甘肃金融/囊括了智能化技术、大数据、云计算、互联网技术等的数字化技术与传统的普惠金融相结合，运用数字化手段，精准地对新型城镇化的各个计量指标进行数据统计，防止数据繁杂造成误差，并且还可以提升相关计量人员的工作效率。可以通过高效配置以及城市群的辐射带动作用来高效率使用生产要素，数字普惠金融注重大中小城市的均衡发展，重视城镇对农村的“反哺”，有利于打破城乡二元格局11。数字普惠金融能够提供利民的金融服务，来为广大劳动人民提供便利，还可以将信息与新技术相结合，降低对传统网点的依赖，扩大金融服务的范围，大幅度提高服务的可得性和便利性。假设2：提高经济发展水平可以促进新型城镇化水平。财政是一个城市发展的命脉，而在新型城镇化的建设中自然离不开财政投入，可以通过拓宽融资渠道，来促进经济发展12。一个省份的新型城镇化水平的发展需要建设资金，目前城市建设资金来源主要是商业银行贷款和政府的财政性拨款。一方面，通过大数据进行政策性金融专项支持政策的研究制定，研究建立城市基础设施的方案等；另一方面，还可以通过各种数字化技术来为企业的产品进行升级，提高销量，促进其商业银行存款。保证新型城镇化发展的资金供给是我国金融发展的重中之重13。利用先进的数字技术和大数据风控来提高金融效率，促进地区经济发展水平，提高新型城镇化的资金，进而提升新型城镇化水平。假设3：提高对外开放程度可以促进新型城镇化水平。我国各省份不同的对外开放水平影响了新型城镇化的进程，可以运用各种数据化处理来更简洁地进行对外贸易和吸收外资，推动工业化的进程，从而对城镇化产生影响。对外贸易中，对出口而言，扩大出口会促进国内外的投资，促进交通运输和附属工业的发展，还可以通过调整产业结构，为城镇建设提供良好的软、硬件条件，从而推动新型城镇化进程；对进口而言，通过输入主要原料和设备，加强国内市场竞争，提高资源使用效率。外商的投资能够增强产业集聚，使规模不断扩大，还可以将劳动力要素转化为生产力，创造更多的工作机会，从而刺激消费和投资上的需求，来提升新型城镇化的水平。可以为地区带来资本，带来先进的技术，大力推进各类开发区的建设，以提升产业的综合效益。假设4：加大固定资产投资可以促进新型城镇化水平。新型城镇化非常注重城市文化气息、公共服务体验等，故其发展自然也离不开固定资产的投资14。当前不同地区发展不相同，所以各地区的固定资产投资占GDP的比重不同，现如今背靠着大数据、人工智能等技术的支撑，可以精确地将地区的经济水平进行分类并能够发现不同地区所需要的投资的量，从而降低搜寻成本。还可以分析固定资产投资的方向、力度和结构，对不同地区有的放矢。还可以与其他部门合作建立企业信用体系，提升其投资效率，使资本投资更加有力，进而提升新型城镇化水平。假设5：优化产业结构可以促进新型城镇化水平。信息与技术的结合，能够提高生产率，优化结构。在横向上可以促进产业集聚，也可以在纵向上实现区域内部结构优化，发挥其地域优势。近年来，产业结构逐步从第一产业转移向第三产业，注重服务业能够提升该地区的服务的质量，提高其产品吸引力，刺激消费者对产品进行消费。改善城市人力资本的质量，而且还可以建立基础的公共设施15。此外，产业结构的优化能够降低污染，响应国家政策。相比较于工业和农业，服务业对坏境的污染比较低，还能充分利用已有资源，提高区域生态效率。图2数字普惠金融对新型城镇化的影响机制DIGITAL ECONOMY数字经济69GANSU FINANCE甘肃金融/2023年第7期建立模型与数据描述（一）建立模型构建模型如下：NUit=0+a1DFIit+nzzXit+i+t+it（8）所列模型，i代表省份，t代表年份，NUit代表新型城镇化发展水平，DFIit代表数字普惠金融发展水平。Xit代表控制变量的集合，i代表地区个体固定效应，t代表时间固定效应，it为随机扰动项。（二）数据描述1.数据选取本文主要运用 VAR 模型展开研究，在我国的政策推动下，从2013年开始新型城镇化不断发展，故本文以20132021年我国31个省份为样本，探究数字普惠金融对新型城镇化的影响效应，本文数据信息来自国家统计局和中经数据，少数缺失值采用线性插值法补齐。2.被解释变量新型城镇化（NU）：该指标代表着城镇不断发展的过程，以人为核心，关注的是城市居民的快乐和满意度，也注重经济发展和环境之间的动态关系。通过上文选取的评价指标体系，采用熵权法测算来衡量。3.解释变量数字普惠金融（DFI）：该指标代表运用数字技术来促进普惠金融的相关内容，通过智能化技术、大数据、云计算、互联网技术等来进行一系列应用，从而促进数字化金融信息的共享。这里用20132020年各省份数字普惠金融发展指数来衡量。4.控制变量经济发展水平（ECO）：该指标是反映了各个阶段的社会经济现象的大小和程度，是衡量各类动态指标的依据。这里用各省人均可支配收入与全国人均可支配收入比值来衡量。对外开放程度（OPE）：该指标是反映了一国或区域的对外开放水平，即市场开放的程度。这里用各省进出口总额所占地区生产总值比例来衡量。固定资产投资（FAI）：该指标是企业在一定时期建造和购买固定资产的量以及变化情况。这里用全社会固定资产投资所占地区生产总值比例来衡量。产业结构（IND）：该指标是指产业构成以及产业之间的关系。这里用第三产业产值所占地区生产总值比例来衡量。（三）数据分析1.描述性统计为了更加直观地反映我们所收集的数据，接下来将所得到的数据进行了描述性统计。检验结果见表3。表3显示在被解释变量方面，新型城镇化（NU）最小值为0.102，最大值为0.726，标准差较低，波动较为稳定；在解释变量方面，数字普惠金融（DFI）最小值和最大值差距很大，标准差较大，说明各省的数字普惠金融发展水平差距较大；在控制变量方面，各省份各控制变量也有一定的差距。表3各变量描述性统计2.相关性检验为测试数字普惠金融（DFI）对新型城镇化（NU）的影响，探测这两个变量之间的关系，以及相关的控制变量所带来的推动和阻滞效应，进行相关性检验，见表 4。数字普惠金融（DFI）与新型城镇化（NU）的值为0.313，所以存在正相关的关系，说明数字普惠金融发展水平的不断提升，对新型城镇化进程的推动作用；经济发展水平（ECO）、对外开放程度（OPE）、产业结构（IND）与 新 型 城 镇 化（NU）的 值 分 别 为 0.6283、0.6413、0.2540，所以存在正相关的关系，表明这些变量都有利于促进新型城镇化的发展，而固定资产投资（FAI）与新型城镇化（NU）的值为-0.6106，所以存在负相关关系，这表明过高的固定资产投资反而会降低新型城镇化的发展水平。表4相关性检验变量NUDFIECOOPEFAIIND样本量248248248248248248均值0.356252.90.9980.2400.8850.504标准差0.15668.980.3990.2550.2910.0864最小值0.102115.10.5320.01000.2010.347最大值0.726431.92.3031.2631.5500.839变量NUDFIECOOPEFAIINDNU1.00000.31330.62830.6413-0.61060.2540DFI1.00000.34120.2713-0.21270.5239ECO1.00000.8846-0.73100.6961OPE1.0000-0.73160.6271FAI1.0000-0.4179IND1.000070Gansu Finance甘肃金融/3.豪斯曼检验进行豪斯曼检验，设置的假设为建立随机效应模型。表5显示p值为0.0015，拒绝原假设，使用固定效应模型。表5豪斯曼检验4.基准回归豪斯曼检验结果表明固定效应更符合本文的样本数据。时间固定效应就是时间层面不随个体变化，每一年都是特别的，以便控制变量。检验结果见表 6，表 6 显示解释变量数字普惠金融（DFI）能够在1%的置信水平下显著促进新型城镇化；而控制变量均在1%的置信水平下显著，列（6）展示了加入所有变量进行回归估计的结果，也证明了本文选取的变量都能够通过显著性检验。表6基准回归估计结果注：*、*、*表示在10%、5%、1%的水平上显著，括号内表示标准差。实证分析（一）平稳性检验由于非平稳数据很容易发生“伪回归”，可以先使用平稳性检验来避免。本文使用面板数据通用检验方法（IPS）。结果见表7，新型城镇化（NU）、数字普惠金融（DFI）、对外开放程度（OPE）为平稳变量，而经济发展水平（ECO）、固定资产投资（FAI）、产业结构（IND）为非平稳变量，在对这些变量进行一阶差分处理并再次检验后通过，均为稳定序列。表7变量平稳性检验成果（二）VAR模型的建立和系统稳定性1.确定滞后阶数本文将新型城镇化（NU）、数字普惠金融（DFI）、对外开放程度（OPE）和经济发展水平（ECO）、固定资产投资（FAI）、产业结构（IND）的一阶差分这些变量构建VAR模型，需要先确定滞后阶数，从而得到VAR模型的形式。然后遵循少数服从多数的原则，根据 LR、FPE、AIC、SC 和 HQ 五种检验准则来确定滞后阶数。结果见表8。5项检验有4项的滞后阶数指向2阶，最佳滞后阶数为2阶。表8VAR模型的滞后阶数检验注：LR 为似然比（Likelihood Ratio）；FPE，最终预测误差准则（Final Prediction Error）；AIC为赤池信息准则（Akaike Information Criterion）；SC为施瓦茨（Schwarz Criterion）；HQ为汉南-奎因准则（HannanQuinn Criterion）；NA为不适用（Not Applicable）；*为相应准则筛选出的滞后阶数。2.AR根图检验AR根图可以用来检验VAR模型是否稳定。如果AR根都在单位圆中，那么VAR模型就是稳定的。如图3，VAR模型的全部AR根都在单位圆内，表明模型是稳定的。Test SuuunatyCross-sectiom randomChi-q.Statistic19.56Chi-Stl.d.f.5Prob0.0015DFIECOOPEFAIIND常数项时间效应NRF(1)0.004*(17.01)-0.291*(-6.84)固定2480.56038.07(2)0.246*(12.81)0.112*(3.87)固定2480.42321.94(3)0.395*(13.30)0.249*(10.93)固定2480.44123.59(4)-0.335*(-12.51)0.632*(20.41)固定2480.41320.98(5)0.514*(4.33)0.125*(2.07)固定2480.0983.264(6)0.003*(6.05)-0.014(-0.28)0.178*(3.20)-0.100*(-3.03)-0.621*(-4.96)0.175*(1.94)固定2480.64034.78变量NUDFIECOOPEFAIIND原序列统计量-2.2514-2.4003-0.4486-1.9752-1.56231.5801p值0.01220.00820.32680.02410.05910.9430平稳性分析平稳平稳不平稳平稳不平稳不平稳一阶差分序列统计量-4.7439-3.3899-3.7571-3.9210-4.2821-3.0023p值0.00000.00030.00010.00000.00000.0013平稳性分析平稳平稳平稳平稳平稳平稳阶数012LR检验NA1082.486137.9931*FPE检验1.1410-91.9510-131.0110-13*AIC检验-3.567416-12.23879-12.90132*SC检验-3.430951-11.28353*-11.12727HQ检验-3.511981-11.85074-12.18066*图3AR根图检验结果DIGITAL ECONOMY数字经济71GANSU FINANCE甘肃金融/2023年第7期3.格兰杰因果检验接下来运用格兰杰因果关系检验得出各变量之间的关系，格兰杰因果检验见表9。根据表9，核心解释变量数字普惠金融（DFI）对新型城镇化（NU）在5%的显著性水平上拒绝“DFI不是NU的格兰杰原因”的原假设，所以数字普惠金融（DFI）对新型城镇化（NU）在5%的水平上具有显著影响。同样，对外开放程度（OPE）也对新型城镇化（NU）在5%的显著性水平上拒绝“OPE不是NU的格兰杰原因”的原假设，即开放程度（OPE）是新型城镇化（NU）的格兰杰原因。（三）VAR模型的动态关系分析1.脉冲响应函数分析运用脉冲响应函数分析本文的被解释变量新型城镇化（NU）与其他变量之间的短期动态关系，结果见图4。根据图4（a）为新型城镇化（NU）受到自身的冲击所产生的响应始终为正；而从图4（b）可以看出新型城镇化（NU）受到DFI影响一开始正向响应，直至第7期变为负向响应；图4（c）可以看出新型城镇化（NU）受到DECO的影响也始终为正向响应；图4（d）中新型城镇化（NU）受到OPE的影响于第二期上升但之后趋于平稳；图 4（e）中新型城镇化（NU）受到DFAI的影响的响应较低，几乎在0徘徊；图4（f）中新型城镇化（NU）受到DIND的影响所产生的响应在第2期时有所上升，但是从第3期之后一直趋于平稳。2.方差分解根据方差分解原理，利用方差分解进行新型城镇化（NU）的影响贡献度分析，以对其进行归因，结果见表 10。根据表 10 可知新型城镇化（NU）的方差主要由自身来解释，前十期都达到85%以上，并且DFI作为核心解释变量的贡献度比DECO对新型城镇化（NU）的贡献度高。而 DFAI对新型城镇化（NU）的贡原假设DFI不是NU的格兰杰原因DECO不是NU的格兰杰原因OPE不是NU的格兰杰原因DFAI不是NU的格兰杰原因DIND不是NU的格兰杰原因F统计量53.02710.174363.624561.1495610.6787p值710-190.84020.02860.3203510-5检验结果拒绝H0接受H0拒绝H0接受H0拒绝H0表9格兰杰因果检验图4脉冲响应函数图注：实线是函数值，虚线是函数值加/减两倍标准差的置信带。阶段12345678910标准误0.0390790.0514430.0610940.0693910.0765460.0828410.0884660.0935670.0982000.102429NU100.000085.9240685.9606485.4227085.6159785.9385686.3187186.6886787.0604087.42324DFI0.00000010.695509.1707418.4893867.6960417.0169086.4259895.9183725.4870945.119194DECO0.0000001.1860231.3751622.0087301.9848282.0378711.9958491.9754141.9437661.912697OPE0.0000002.0858052.8705173.3859413.8047054.0551494.2088824.2753184.2764274.228088DFAI0.0000000.0870060.0875760.0691150.0577240.0524050.0483980.0482240.0495590.052405DIND0.0000000.0216030.5353610.6241310.8407380.8991071.0021681.0940061.1827591.264370表10新型城镇化（NU）方差分解的贡献度结果72Gansu Finance甘肃金融/献度最低，说明固定资产投资（FAI）相对于其他变量的影响能力低。研究结论与政策建议（一）研究结论根据理论分析，数字普惠金融使用智能化技术、大数据、云计算、互联网技术等，与传统普惠金融相结合，带动传统行业的蓬勃发展。促进经济发展水平、促进对外开放、增加固定资产投资、优化产业结构，促进了新型城镇化的发展水平。基于20132020年我国31个省际数据，并结合各省的数字普惠金融指数，本文实证研究了其中所含有的影响和作用机理，结果表明：1.数字普惠金融在推动新型城镇化进程中发挥了重要作用从数据分析可以看出，虽然各省份的数字普惠金融发展水平差异很大，但是都能够显著促进新型城镇化的发展。格兰杰因果关系检验分析得出p值为710-19，所以数字普惠金融是导致新型城镇化水平波动的Granger原因。通过脉冲响应分析，得出了新型城镇化对数字普惠金融的冲击所产生的响应为正向响应，表明数字普惠金融能够促进新型城镇化的发展水平。方差分解结果表明，在第2期时，数字普惠金融对新型城镇化的贡献度达到了最大值，将近10.70%。在未来，数字普惠金融如何继续发挥对新型城镇化发展的驱动力作用是必须关注的问题。2.通过促进经济发展水平和对外开放程度可以在一定程度上提升新型城镇化水平通过相关性检验，可以看出经济发展水平和对外开发程度都与新型城镇化水平存在正相关的关系。并且通过格兰杰因果检验得出p值为0.0286，所以对外开放程度是导致新型城镇化水平波动的Granger原因。通过脉冲响应分析，得出了经济发展水平和对外开放程度对数字普惠金融冲击所产生的响应为正向相应，表明可以通过促进经济发展水平和对外开放程度来提升新型城镇化水平。通过方差分解，可以发现经济发展和对外开放分别在第6期的2.04%和第9期的4.28%达到了最大贡献度，表明均有一定的贡献对于新型城镇化的发展。在未来，要如何注重经济发展和对外开放来继续发挥提升新型城镇化的作用是我们要注意的一个问题。3.通过增加固定资产投资和优化产业结构可以在一定程度上提升新型城镇化水平通过相关性检验，可以发现通过优化产业结构与新型城镇化水平存在正相关关系。但是，固定资产投资过高反而会抑制新型城镇化的发展水平。并且通过格兰杰因果检验得出 p值为510-5，得到优化产业结构是导致新型城镇化水平波动的Granger原因。通过脉冲响应分析，得出了固定资产投资和优化产业结构大致对数字普惠金融冲击所产生的响应为正向相应，表明可以通过增加固定资产投资和优化产业结构来提升新型城镇化水平。方差分解中，通过优化产业结构相比较增加固定资产投资对新型城镇化水平的贡献度更高，分别在第10期的1.26%和第3期的0.09%达到了最大贡献度。在未来，如何更加注重优化产业结构并适当增加固定资产的投资来继续提升新型城镇化水平是一大问题。（二）政策建议城镇化是实现现代化的必然选择，也是经济发展的有力动力。世界正在走入数字化时代，实现数字经济是大势所趋，数字普惠金融将会携带着人类命运共同体金融理念。在研究结论的基础上，本文提出了如下的对策建议：1.重视数字普惠金融发展，深化现代化数字金融体系建设将数字普惠金融加入城镇化的建设中，利用其优势推动进程。首先要加大互联网的基础设施建设，以金融科技赋能传统普惠金融，要充分利用数字化技术的辐射，建设全面的信息网络。其次，充分发挥数字普惠金融的覆盖范围广、覆盖面深的特点，拓宽金融业务，建立覆盖到农村地区的通信网络，提高农村地区电信基站覆盖率，满足偏远地区人员的需求。必须加大数字普惠金融产品和服务模式的创新力度，开发出针对性强的金融产品，使数字普惠金融愈加精细化和多元化。相关金融机构主体应当不断开发新平台和强化服务水平，将红利落到实处。虽然需要追求新，但更要求稳，还需要稳定地推动数字经济与实体经济的深度融合，并改进相关金融机构的激励约束机制，提高金融机构对待数字普惠金融的积极性。2.合理规划数字普惠金融资源分配要进行有差别化的数字金融发展，由于每个省份的发展水平和政策扶持不同，要对欠发达地区给予一定的政策倾斜。必须大力发展中西部地区的数字金融技术设施建设，增加其数字普惠金DIGITAL ECONOMY数字经济73GANSU FINANCE甘肃金融/2023年第7期融发展深度。进而加快新型城镇化的进程。而对于东部地区，应当充分发挥自身的经济优势和金融基础，注重金融产品和服务的创新。在原来的良好趋势上，加强与中西部地区之间的资本互通、信息互享、人才相互流动，致力于寻找新途径助理新型城镇化的进一步发展。3.有效利用数字普惠金融合理发展新型城镇化在碳达峰、碳中和的背景下，未来的趋势必将向绿色产业发展，要利用新型数字技术来带动绿色产业的发展，为客户提供特色的金融服务，实时监控碳排放量。还可以有效识别和监管绿色生产项目流程，将绿色金融与普惠金融相融合发展，发挥促进新型城镇化发展的作用。并且还必须促进经济发展水平和对外开放程度，以此来为数字普惠金融的发展提供经济环境，引领高质量发展。还要适当增加固定资产投资，防止过度投资导致对新型城镇化发展的负作用。可以利用产业联动，将旧产业转化为新产业，将荒芜地带变成旅游场地，接着进一步引进高技术人才，环环相扣，在促进数字普惠金融发展的同时推进新型城镇化建设进程。F参考文献：1徐洋.普惠金融发展对新型城镇化建设的影响J.武汉金融,2019（08）:33-38.2赵健.河南省普惠金融发展对新型城镇化进程的影响20062018年基于VAR模型的经验分析J.中州大学学报,2021,38(1):22-27.3蒋彬,王胡林.西南民族地区新型城镇化研究分析与展望J.西南民族大学学报（人文社科版）,2018(6):41-47.4尹振涛,李俊成,杨璐.金融科技发展能提高农村家庭幸福感吗？基于幸福经济学的研究视角J.中国农村经济,2021(8):63-79.5王永静,李慧.数字普惠金融、新型城镇化与城乡收入差距J.统计与决策,2021(06):157-161.6李占风,李瑭润.数字普惠金融与新型城镇化发展分析J.金融发展,2022(01):40-53.7黄倩,李政,熊德平.数字普惠金融的减贫效应及其传导机制J.改革,2019(11):90-1018徐秋艳,房胜飞,马琳琳.新型城镇化、产业结构升级与中国经济增长基于空间溢出及门槛效应的实证研究J.系统工程理论与实践,2019(6):1407-1418.9刘锦怡,刘纯阳.数字普惠金融的农村减贫效应：效果与机制J.财经论丛,2020(1):43-53.10沈洋,犹雨寒,周鹏飞.数字普惠金融对新型城镇化的影响J.金融与经济,2021(11):46-53.11吴本健，王饶娆，张玉.数字普惠金融、产业结构升级与新型城镇化J.金融教育研究,2022，35(4):17-27.12段光君.数字普惠金融与新型城镇化的时空耦合关系J.山东财经大学学报,2021,33(05):97-107.13陈雨露.中国新型城镇化建设中的金融支持J.经济研究,2013,48(02):10-12.14崔喜苏,荣晨.新型城镇化、固定资产投资与金融支持基于省际面板数据的实证研究J.投资研究,2014,33(369):139-149.15董建博,张敏.居民消费水平、公共服务对产业结构升级的影响统计与决策J.统计与决策,2021,37(16):106-109.（编审：常晔编辑：薛媛校对：王永锋）74