统计研究

参考文献

[1]程欣,邓大松.企业社保投入是成本还是投资?——基于“中国企业—劳动力匹配调查”（CEES）的新发现[J].人口与经济, 2018(5):113–126.

[2]傅利福,厉佳妮,方霞,等.数字普惠金融促进包容性增长的机理及有效性检验[J].统计研究, 2021, 38(10):62–75.

[3]傅秋子,黄益平.数字普惠金融对农村金融需求的异质性影响——来自中国家庭金融调查与北京大学数字普惠金融指数的证据[J].金融研究, 2018(11):68–84.

[4]郭峰,熊云军.中国数字普惠金融的测度及其影响研究:一个文献综述[J].金融评论, 2021, 13(6):12–23, 117, 118.

[5]黄益平.互联网金融解决了普惠金融的痛点[J].企业观察家, 2016(5):49–51.

[6]李彦龙,沈艳.数字普惠金融与区域经济不平衡[J].经济学（季刊）, 2022, 22(5):1805–1828.

[7]罗楚亮,梁晓慧.互联网就业搜寻对流动人口就业与工资的影响[J].学术研究, 2021(3):72–79.

[8]倪骁然,张宸瑞.数字化转型与企业资本配置效率[J].统计研究, 2025, 42(2):43–57.

[9]宋敏,周鹏,司海涛.金融科技与企业全要素生产率——“赋能”和信贷配给的视角[J].中国工业经济, 2021(4):138–155.

[10]王馨.互联网金融助解“长尾”小微企业融资难问题研究[J].金融研究, 2015(9):128–139.

[11]吴雨,李晓,李洁,等.数字普惠金融与家庭金融资产组合有效性[J].管理世界, 2021, 37(7):92–104, 7.

[12]肖忠意,陈海涛,郑国洪.企业数字化集群效应的实证研究——来自沪深A股上市公司的经验证据[J].统计研究, 2024, 41(8):29–42.

[13]张勋,万广华,张佳佳,等.数字经济、普惠金融与包容性增长[J].经济研究, 2019, 54(8):71–86.

[14]朱海华,张卫.外资进入影响农村劳动力收入的途径:提高工资率抑或延长工作时间[J].北京工商大学学报（社会科学版）, 2023, 38(5):1–18.

[15] Acemoglu D, Restrepo P. The Race Between Man and Machine:Implications of Technology for Growth, Factor Shares, and Employment[J].American Economic Review, 2018, 108(6):1488–1542.

[16] Aghion P, Akcigit U, Bergeaud A, et al. Innovation and Top Income Inequality[J]. The Review of Economic Studies, 2019, 86(1):1–45.

[17] Aghion P, Howitt P. General Purpose Technology and Wage Inequality[J]. Journal of Economic Growth, 2002, 7(4):315–345.

[18] Baden-Fuller C, Haefliger S. Business Models and Technological Innovation[J]. Long Range Planning, 2013, 46(6):419–426.

[19] Demir A, Pesqué-Cela V, Altunbas Y, et al. Fintech, Financial Inclusion and Income Inequality:A Quantile Regression Approach[J]. The European Journal of Finance, 2022, 28(1):86–107.

[20] Galor O, Moav O. From Physical to Human Capital Accumulation:Inequality and the Process of Development[J]. The Review of Economic Studies, 2004, 71(4):1001–1026.

[21] Graff Zivin J, Neidell M. The Impact of Pollution on Worker Productivity[J]. American Economic Review, 2012, 102(7):3652–3673.

[22] Huang T, Quan Y. Narrowing the Digital Divide:The Growth and Distributional Effect of Internet Use on Income in Rural China[J]. China Economic Review, 2025, 91:102387.

[23] Karaivanov A. Financial Constraints and Family Entrepreneurship[J]. Journal of Economic Behavior&Organization, 2012, 83(3):456–478.

[24] Kim J H. A Study on the Effect of Financial Inclusion on the Relationship Between Income Inequality and Economic Growth[J]. Emerging Markets Finance and Trade, 2016, 52(2):498–512.

[25] Kuhn P, Lozano-Graja Z. The Expanding Workweek? Understanding Trends in Long Work Hours among U. S. Men, 1979—2006[J]. Labour Economics, 2008, 16(3):530–552.

[26] Liu D, Jin Y, Pray C, et al. The Effects of Digital Inclusive Finance on Household Income and Income Inequality in China?[R]. Agricultural and Applied Economics Association Conference Papers, 2020.

[27] Mohd Daud S N, Ahmad A H, Ngah W A S W. Financialization, Digital Technology and Income Inequality[J]. Applied Economics Letters, 2021,28(16):1339–1343.

[28] Neaime S, Gaysset I. Financial Inclusion and Stability in MENA:Evidence from Poverty and Inequality[J]. Finance Research Letters, 2018, 24:230–237.

[29] Suri T, Jack W. The Long-run Poverty and Gender Impacts of Mobile Money[J]. Science, 2016, 354(6317):1288–1292.

(1)2024年我国城镇居民人均可支配收入为54188元，农村居民人均可支配收入仅为23119元，二者绝对差值为31069元，相关网址为https://data.stats.gov.cn/easyquery.htm?cn=C01。

(2)本文的包容性收入增长包含收入增长和收入分配两个方面，着重关注收入水平的提高和不同群体收入差距的缩小。亚洲开发银行在2007年提出包容性增长，其在学术界尚未形成统一的定义，但目前研究多数将收入作为包容性增长的核心维度，并据此开展研究（张勋等，2019；傅利福等，2021）。

(1)资料来源于Annual Economic Report 2020, BIS, Basel。

(1)本文中的总收入表示微观个体的总收入。

(2)CHIPS2013年和2018年的数据申请网址为https://bs.bnu.edu.cn/zgjmsrfpdcsjk/sjsq/index.html,2023年的数据通过向课题组申请得到。数字普惠金融指数向北京大学数字金融研究中心申请得到，Wind数据库下载网址为https://www.wind.com.cn/portal/en/WFT/index.html，国家统计局数据来源网址为https://data.stats.gov.cn/easyquery.htm?cn=C01。

(1)19类行业具体包括房地产业，水利、环境和公共设施管理业，电力、燃气及水的生产和供应业，租赁和商务服务业，文化、体育和娱乐业，制造业，卫生和社会工作，批发和零售业，科学研究和技术服务业，公共管理、社会保障和社会组织，农林牧渔业，金融业，建筑业，居民服务、修理和其他服务业，信息传输、软件和信息技术服务业，交通运输、仓储和邮政业，住宿和餐饮业，教育，采矿业。

(2)低学历群体表示学历在大专以下的居民，高学历群体表示学历在大专及以上的居民。因篇幅所限，总收入、小时收入和工作时间的描述性统计结果以附表1展示，见《统计研究》网站所列附件。下同。

(1)2013年、2018年和2023年的数据表现出的特征类似。因篇幅所限，相关散点图以附图1~9展示。

(2)因篇幅所限，详细结果以附表2展示。

(3)基于似不相关估计后的系数差异性检验方法计算。

(1)因篇幅所限，稳健性检验结果以附表3~6展示。

(2)杭州本地居民所在城市到杭州的距离为0，无法取自然对数。实际操作中，本文对此变量+1后再取自然对数处理。

(1)2023年依据的数据为2023年末微信、支付宝、数字人民币等，2018年所依据的数据为2018年末住户的微信与支付宝余额，2013年所依据的数据为2013年末其他各种金融理财产品余额。当微信或支付宝余额大于0时，可认为该居民为微信或支付宝用户。但某些居民的微信与支付宝余额很低，最低的甚至不足1元，把这些个体也当作处理组或许不大合理。2013年时，余额大于0的个体中，最低余额为1500元，本文在2018年、2023年的处理组设置中，将微信与支付宝余额大于或等于1500元的个体作为处理组。

(2)与罗楚亮和梁晓慧（2021）研究结论相一致，在CHIPS2018年与2023年数据中，参与医疗保险员工的小时收入比未参与医疗保险员工的小时收入分别高出43%和38%，参与医疗保险员工的工作时间比未参与医疗保险员工分别高出24%和26%，根据是否签订劳动合同分类也能发现类似的差异。这说明参与医疗保险和签订劳动合同大体上反映了更高质量的工作，这也意味着更长的工作时间和更高的工作效率。

(3)技术人员包括单位（部门）负责人，专业技术人员，非技术人员包括办事人员和有关人员，商业、服务员人员，农林牧渔和水利业生产人员，生产、运输设备操作人员及有关人员，军人，不便分类的其他从业人员。其中，专业技术人员是指专门从事各种科学研究和专业技术工作的人员。也可以仅将专业技术人员作为一类，其他职业作为一类，结论一致。

(1)因篇幅所限，2013年基期的各行业工作效率均值结果以附表7展示。2023年相关结果有变化但不大。具体地，样本中这4个行业在2013年的平均受教育年限分别为13.73、13.92、13.08、13.69，在2023年的平均受教育年限达到了14.21、15.28、14.21、14.42，而全样本在2013年、2023年的平均受教育年限分别为9.80、10.42。此外，高工资率行业、中工资率行业、低工资率行业的工作效率平均值从2013年的2.81、2.66、2.38上升到了2023年的3.22、3.10、2.80，平均受教育年限则从2013年的13.53、9.65、9.41上升到了2023年的14.36、10.43、9.80。

(2)机制检验部分不再对假说2作进一步验证。一是假说2比较符合现实。二是可以通过描述性统计的方法进行间接验证。2023年城镇高学历与城镇低学历群体工作时长（自然对数）的均值分别为7.66、7.64，差值约为0.02，而农村高学历与低学历群体工作时长的均值分别为7.65、7.47，差值约为0.18。这说明城镇中的低学历群体工作时长低于高学历群体，但其提升空间也比较有限，下文中表6的结果也可以进一步验证假说2的成立。

(1)基于CHIPS数据，2023年总收入的描述性统计结果以附表8展示。此外，通过工作时间的描述性统计可以发现，工作时间最少的行业是农、林、牧、渔业，也比较符合现实。

(2)控制变量的度量如下：传统金融发展水平（FD）以金融机构存贷款余额/地区生产总值度量。财政支出规模（Gov）以财政支出额/地区生产总值度量。就业人员平均受教育年限（Edu）由“小学学历人数占比×6+初中学历人数占比×9+高中学历人数占比×12+专科学历人数×15+本科学历人数×16+研究生学历人数×19”计算得到。交通基础设施（Road）通过公路密度（公路里程/土地面积）计算得到。其中，北京大学数字普惠金融指数来源于北京大学数字金融研究中心，其余宏观层面的变量来源于国家统计局网站以及《中国金融年鉴》和《中国劳动年鉴》等。此外，为缓解可能存在的双向因果导致的内生性，本文对所有解释变量作滞后一期处理。