《表4 数字普惠金融指数与居民贫困：IVProbit》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《数字普惠金融、信贷可得性与居民贫困减缓——来自中国家庭调查的微观证据》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

注：表4中第（2）列为使用面板Logit进行双向固定效应回归的结果，括号内为bootstrap标准误；表4中第（1）列、第（3）—（6）列括号内为稳健标准误；*p <0.1，**p <0.05，***p <0.01。

尽管上述基准回归中控制了个体、家庭以及城市层面的控制变量，但仍可能存在影响居民贫困的遗漏变量导致的内生性问题。为尽量降低这种内生性问题所产生的估计偏误，本文采取如下三种方法：第一，代理变量法。家庭资产可以通过变现、分红等方式影响居民收入和消费支出，即家庭资产可能是影响居民贫困的重要因素，因此我们以扣除未偿债务后的净资产构建家庭资产的代理变量。加入家庭净资产后，表4中第（1）列显示，与基准回归结果比较可知，数字普惠金融的估计系数依然显著为负。第二，面板固定效应法。利用面板数据特征，我们在方程中同时控制年份和家庭固定效应进行双向固定效应回归，以期消除部分内生性问题。表4中第（2）列的双向固定效应回归结果显示，在1.9美元的贫困标准下，数字普惠金融仍然具有显著的减贫效应。第三，工具变量法。首先参照Bartik（2009）的做法，构建一个Bartik工具变量，其等于滞后一期的数字普惠金融指数DFIjt-1与时间维度上的一阶差分）53(DFItt-1的乘积。这是因为Bartik工具变量与所在城市的数字普惠金融发展水平直接相关，但不会通过其他渠道直接影响居民贫困率，同时满足工具变量的相关性和外生性两个条件。