编者按：九层之台，始于累土，四载潜心，方有小成。金融论文是结合现实经济活动中出现的金融问题加以研究 并将研究成果描述出来的过程。大学四年转瞬即逝，盛宝金融科技商学院又一批学子们完成了他们的高质量毕业论文。由于现实经济活动可能涉及范围较广，需考虑的因素较多，为了让金融学子们能够更好的了解我们所能学习到的知识，以及对后世大家在金融行业的造诣不断走深，在此展示盛宝金融科技商学院优秀学子们的毕业论文献礼毕业季。
毕业论文这一痛并快乐的考验，虽然青涩，却是每一位大学学子青春时代最有价值的学术起点。在毕业季到来之时，学院微信公众号将陆续推出高质量本科毕业论文集萃，通过示范、带动与辐射作用，促进各专业各年级同学交流学习。
数字普惠金融对海南省乡村产业振兴的影响分析
2020级经济与金融专业 陈泽胜
摘要：本文以海南省十八个市县为研究对象，选取乡村农业指数、乡村工业指数、乡村服务业指数，并运用熵值法对产业振兴指数进行了测算。在实证研究方面，文章以乡村产业振兴指标为被解释变量，数字化普惠金融指标为解释变量，乡村农业、工业和服务业代表的关联指标为控制变量，通过选取十八个市县所涉及的年度数据，分别进行了描述性统计分析、单位根检验、相关性分析以及回归分析。根据分析结果显示：数字普惠金融指数对乡村产业振兴指数产生显著正向影响关系。为了更好促进海南省乡村产业振兴，应继续扩大各市县数字普惠金融发展规模，提高运营发展效率，优化农村经济产业结构，为建设新型农村注入新兴动力。
关键词：数字普惠金融；海南省乡村产业振兴；回归分析；数字经济
绪论
本文主要内容如下：技术路线图如下图1-1所示。
图1-1 思维导图
海南省数字普惠金融对乡村产业振兴影响的实证分析
（一）变量选取及模型构建
选取各项指标既要考虑到乡村产业振兴发展内在机理，又要考虑到数据的典型性、可获取性和可衡量性，最终保证数据的合理性。众多学者都提出了对乡村产业振兴的衡量方法，但是到现在为止，还没有统一的标准体系。因此在建立乡村产业振兴的评估指标体系时，首先应该遵循可行性、系统性和科学性的原则。在总结大量文献的基础上，借鉴张挺（2018）
、申云（2020）
、赵光耀（2022）、郭婉丽（2022）、方佳伟、等经验，选取以下指标。
表4.1乡村产业振兴指标构成
资料来源：《中国县域统计年鉴（乡镇卷）》《中国县域统计年鉴（县市卷）》《海南省统计年鉴》
在计算乡村产业振兴指数时，该指数作为一个综合指标，涉及到了多个分级指标。因此，在计算过程中，利用熵值法对具体数据进行了计算。熵值法的基本思想是依据原始数据所承载的信息熵来决定指标的重要性，与层次分析法相比，本方法以原始数据为基础，具有更高的客观性，更适合对数字经济各个指标的权重进行测算。
计算步骤如下：
假设r个年份、n个市县、m个指标，则xθij表示第θ年市县i的第j个指标值。
正向指标：
（式4.1）
负向指标：
（式4.2）
其中：xθij、x’θij为某项指标的初始值和标准化值
求第j项指标的信息熵：
（式4.3）
然后计算-K
（式4.4）
计算第j个指标熵值Eij
（式4.5）
求第j项指标的权重：
（式4.6）
最后，将各级指标组合成一个由 CYZX来表达的乡村产业振兴指数，式（4.7）所示，通过各项指标值乘以加权，然后进行求和；
（式4.7）
最终测算可得海南省乡村产业振兴指数，如下表所示。
表4.2 海南省乡村产业振兴指数
资料来源：根据构建的指标体系测算得出
（3）控制变量
本研究的变量统计如表4.3所示：
表4.3 变量统计表
基于数据可获得性，上述指标数据选取2012年-2022年度数据，数据来源主要为北京大学数字金融研究中心、《中国县域统计年鉴（乡镇卷）》《中国县域统计年鉴（县市卷）》《海南省统计年鉴》、各地市统计局网站等。
2.模型构建
通过以上分析结果，模型构建如下：
上述公式中，i表示城市，t表示年份，α、β为待估计参数，εit为随机误差项。
（二）实证分析
1.描述性统计分析
通过表4.4可以看出，海南省18个市县乡村产业振兴指数（CYZX）的最大值为0.054849，最小值为0.000005；结合具体数据表4.4来看，2012到2022年海南省各个市县的数字普惠金融指数均有较快速的发展，通过各市县之间的对比，清楚表明琼中市、白沙县、昌江县作为海南省经济落后、发展困难的地区依托于乡村振兴政策，其产业振兴得到了迅猛发展，三亚市、海口市也成功地作出了良好的表率作用激励了其他市县乡村产业的发展；从整体上来看，2022年海南省18个市县乡村产业振兴指数均高于0.03，大部分市县的产业指数能达到0.04并不断地接近0.05，乡村产业振兴得到了快速发展。
表4.4 描述性统计结果
资料来源：SPSS对整理好的原始数据计算得出
数字普惠金融(PHJR)方面通过描述性统计结果显示，该指标的最大值为320.390，最小值为37.486，整体上具有较大差异，其标准差达到了55.952，首先由于海南省不同市县的经济发展水平不均，从而导致了不同市县的巨大差额，其次通过时间跨度上来看，各个市县的较大差距也体现着数字普惠金融在海南省的深入落实，综上结合本地的实际情况及实际数据，海南省数字普惠金融发展潜力仍然巨大。
财政农支水平(NZSP)、乡村人力资本(RLZB)、城镇化率(CZHL)三个指标来看，海南省各市县数据虽然有所差异，但是从方差和标准差来看，差距相对较小。
2.统计性检验
（1）单位根检验
表4.5 单位根检验
资料来源：stata17对整理好的原始数据计算得出
单位根检验结果如表4.5所示，其中乡村产业振兴指数、数字普惠金融指数、财政支农水平、乡村人力资本、城镇化率五个变量根据检验结果显示p=0.000<0.01，有高于99%的把握拒绝原假设，表明数据符合序列要求，整体数据较为平稳。各项变量t值范围均小于1%的临界值，因此在99%的概率下是没有单位根的，最终该数据集的各项指标表现平稳。
（2）协整检验
以上数据皆为零阶单整数据，数据平稳性良好，故不需要进行协整检验。
3.相关关系分析
表4.6 相关性检验结果
***p＜0.01**p<0.05*p<0.1
资料来源：SPSS对整理好的原始数据计算得出
根据表4.6可知，利用相关性分析方法去研究乡村产业振兴指数（CYZX）、数字普惠金融指数（PHJR），和财政农支水平（NZSP）、乡村人力资本（RLZB）、城镇化率（CZHL）共4项之间的相关关系，具体分析如下：
产业振兴指标（CYZX）与数字普惠金融指标（PHJR）、农支水平（NZSP）、农村人力资本（RLZB）、城镇化率（CZHL）四个维度都存在显著的相关性，相关系数分别为0.52、0.60、0.23、0.228，这说明以上4个维度都存在显著正相关。
（三）回归结果分析及内生性检验
1.回归结果分析
根据本文所选变量形成回归模型：
CYZX=0.051+0.012*PHJR+0.034*NZSP-0.003*RLZB-0.015*CZHL
通过模型能够明显看到数字普惠金融（PHJR）、农支水平（NZSP）对乡村产业振兴（CYZX）产生显著正向影响关系，回归系数分别为0.012(t=8.716，p=0.001<0.01)、0.034(t=2.209，0.01＜p=0.044＜0.05)；人力资本（RLZB）对乡村产业振兴（CYZX）产生显著反向影响关系，其回归系数为-0.003(t=-1.936，0.01＜p=0.047＜0.05)，城镇化率（CZHL）对乡村产业振兴（CYZX）指数产生不太显著反向影响关系。数字普惠金融（PHJR）、财政农支水平（NZSP）、乡村人力资本（RLZB）均与因变量产业振兴（CYZX）呈现出强显著性特征，城镇化率（CZHL）则超过了0.05的标准，因此该指标不具备显著性特征。
表4.7 模型回归结果
a.因变量：产业振兴（CYZX）
***p＜0.01**p<0.05*p<0.1
资料来源：SPSS对整理好的原始数据计算得出
表4.7的其他指标作用如下：
VIF指标体现的是多重共线性关系，所选样本数据中不应包含具有强共线性，VIF指数过小，将会导致数据之间存在着包含与被包含关系，由于学科类别的不同，VIF指标的平衡标准大不相同，经济学类的VIF指标因为其数据大都具有重复性因素，因此VIF标准化指标大约为10到30，本文选取指标皆低于标准化，因此在数据选择上未存在多重共线性的现象。
模型R2为0.653，意味着数字普惠金融指数（PHJR），财政农支水平（NZSP），乡村人力资本（RLZB），城镇化率（CZHL）可以解释乡村产业振兴（CYZX）指数的65.3%变化原因。随着自变量和相关数据的不断完善与增加，其对因变量的影响将逐渐趋近于100%，由于文中只选取了四个相关变量，一定程度上导致了因变量与自变量之间影响力较低，但从整体上来看，本次变量的选取与研究还是具有一定的合理性。
模型通过F检验(F=26.308，p=0.000<0.05)，说明数字普惠金融指数（PHJR），财政农支水平（NZSP），乡村人力资本（RLZB），城镇化率（CZHL）至少有一项指标会对乡村产业振兴（CYZX）指数产生影响关系。
在回归分析时，应尽力保证变量之间的互相独立，D-W德宾-沃森指标则能够很好地展现出不同变量之间的独立相关性，DW指标的标准化数据为2，且数据距离标准化越远，那么样本变量所表现的独立性就越强。本文的DW指标数据为1.166，距标准化数据位置较远，因此表现出所选数据是具有相对独立性的。
2.内生性检验
本文拟以第一产业增加值（Y）为工具变量，利用二阶段最小二乘法（OLS）对其进行检验，以消除可能存在的内生性问题。利用表4.8的内生性检验，发现数字化普惠金融对农村产业振兴（CYZX）具有正向显著性，说明数字化普惠金融（PHJR）的确能促进农村产业振兴（CYZX)；其余控制变量均能证明在5%的显著水平下与被解释变量具有显著特征，所以该模型不存在内生性问题。
表4.8 内生性检验结果
[20]
资料来源：stata17对整理好的原始数据计算得出
研究结论：随着海南省乡村振兴战略的不断深化调整，海南省乡村产业得到快速发展。数字普惠作为惠农金融的新政策，将会对海南省乡村产业提供源源不断地金融支撑。本文通过以海南省2012至2022年的相关数据为研究样本，从多个方面分析了数字普惠金融对海南省乡村产业振兴发展的影响。
通过选取乡村农业、乡村工业、乡村服务业等不同维度的指标，采用熵值法测算海南省各市县乡村产业振兴的综合水平。构建关于数字普惠金融与海南省乡村产业振兴的回归模型。通过大量数据的收集整理和分析论证，最终得出数字普惠金融指数对海南省乡村产业振兴具有显著正向影响。
数字普惠金融是一项受众较广的金融政策，这项政策的实施能够让更多的人，尤其是小微企业和农户个体，获取更安全更便捷的资金支持。随着数字普惠金融技术的不断完善与发展，银行等大型金融机构也将大力增加对农村地区的金融资源投入，金融机构通过大数据互联网方式不断了解农村企业和农村居民所需，根据实际情况为其提供小额贷款、微贷等金融支持，最终助力资金流向农村产业，更好地市县乡村产业振兴。
在我国乡村振兴政策的导向引领下，政策与时代不断贴合数字普惠金融，一定能够让资金在乡村地区做到更为合理调配，不断激发农村经济与科技创新的动力，加快乡村产业不断向第二、三产业延伸，进一步优化乡村产业结构、促进产业升级。为此，在发展乡村产业振兴的演变进程中，推动数字普惠金融这一新质生产力显得尤为重要。