TFID | 你知道这些“普惠金融”文献都用了哪些数据吗？
自国务院印发《推进普惠金融发展规划（2016—2020年）》[1]以来，“普惠金融”吸引了社会各界的广泛关注，银行、证券、保险等金融机构所开展的普惠金融业务范围不断扩大。普惠金融业务着重强调小微、双创、扶贫、三农等领域，注重社会民生问题，维护和贯彻落实各项方针政策，推动实现农业农村现代化、脱贫攻坚、全面建成小康社会 、共同富裕等目标，走好金融服务和支持政策的“最后一公里”。
为使读者了解目前“普惠金融”领域的最新研究方向，本文为大家整理了近年来关于“普惠金融”领域的实证文章，并对其所使用的数据进行整理。
本文由「社科大数据」整理，转载请注明来源！如有疏漏，欢迎指正。
导读
「文献一」：普惠金融数字化如何影响城市创新力——来自地级市面板数据的证据
「文献二」：数字普惠金融与中国经济的包容性增长：理论分析和经验证据
「文献三」：数字普惠金融是否缩小了农业现代化发展差距？
「文献四」：数字普惠金融 创新驱动与共同富裕
「文献五」：数字金融对新型农村金融机构脆弱性的影响研究
文献一
普惠金融数字化如何影响城市创新力——来自地级市面板数据的证据
《金融理论与实践》 2021年第9期
张慧慧（中国社科院数量经济与技术研究所）
张云（南开大学经济学院）
荆睿（南开大学国家经济战略研究院）
「摘要」：在我国由高速发展转向高质量发展的关键时期，创新驱动是重要的国家战略。传统金融受限于信息不对称等问题，难以对中小企业及个体从业者的创新创业活动给予足够的支持，数字普惠金融的发展则有效弥补了这一不足，改善了中小企业及个体从业者的创新创业融资环境，从而推动了整个区域的创新水平。利用城市层面的面板数据对此进行实证分析，研究发现，数字普惠金融水平的提升显著促进了城市创新力。通过进一步的机制探究发现，数字普惠金融主要通过改善中小企业和个体从业者的融资环境以及对传统金融形成有效补充从而促进城市创新水平提升。此外，研究发现数字普惠金融对城市创新力的影响效果在东部和西部地区更为显著，同时在二、三级城市的影响效果强于一级城市和四级及以下城市。
「关键词」：数字普惠金融；城市创新；中小企业
研究设计
「被解释变量」：城市创新指数 「核心解释变量」：数字普惠金融指数 「其他控制变量」：城市层面的控制变量包括城市人均GDP水平、产业结构（第二产业增加值占比）、外商直接投资、社会消费品零售规模、金融机构贷款余额和地方科技财政支出
数据来源
被解释变量城市创新指数来源于《中国城市产业创新指数》，核心解释变量数字普惠金融指数来源于北京大学数字金融研究中心发布的数字普惠金融指数，城市层面的控制变量来源于《中国城市统计年鉴》和Wind数据库。通过数据的清洗和匹配，本文主体部分最终选取了2011年到2016年间地级市层面的面板数据进行实证研究，并利用2017—2018年城市层面的专利数据进行了稳健性检验。
文献二
数字普惠金融与中国经济的包容性增长：理论分析和经验证据
《管理学刊》 2022年第1期
任太增，殷志高
（河南师范大学商学院）
「摘要」：数字普惠金融的出发点与包容性增长理念具有高度契合性，基于中国2011—2018年地级市数据、中小企业数据和2014—2018年家庭追踪调查数据，运用固定效应模型、现金-现金流敏感性模型以及Probit模型对数字普惠金融与包容性增长的关系进行实证检验。研究表明：数字普惠金融及其三个子维度对中国经济的包容性增长均具有显著的促进作用；且在地方政府效率、市场发育程度以及城市创新活力较高的地区，数字普惠金融对包容性增长的促进作用更加明显；另外，数字普惠金融可以通过缓解中小企业融资约束和促进低收入家庭创业实现经济的包容性增长。本文丰富了数字普惠金融的经济效应研究，也为全面理解经济包容性增长的驱动因素提供了经验支持。
「关键词」：数字普惠金融；包容性增长；企业融资约束；家庭创业决策
研究设计
「被解释变量」：包容性增长，当前学界对包容性增长的衡量方法并不统一，本文在城市全要素生产率测度的基础上将城乡收入差距作为非期望产出，参照陈红蕾[2]和潘雅茹[3]等的做法，使用Global-Malmquist-Luenberger（GML）指数测算的包容性TFP作为包容性增长的代理变量，更为准确地体现包容性增长的内涵。GML指数测算中用到的资本投入为永续盘存法计算的物质资本存量，劳动投入为各市年平均职工在岗人数，产出包括城市的实际生产总值和城乡收入比。 「核心解释变量」：数字普惠金融，对于数字普惠金融发展水平的描述，当前较为常用的是北京大学数字普惠金融指数，本文选取城市层面的数字普惠金融指数、覆盖广度指数、使用深度指数和数字化指数对数字普惠金融发展水平进行多个维度衡量。为了便于观察回归系数，把以上4个指标均缩小为原来的1/100。 「控制变量」：为排除其他城市经济特征对包容性增长的影响，本文还加入了一系列城市层面的控制变量，包括产业结构、互联网发展、财政自主度、人口规模、投资强度、传统金融发展水平等。
数据来源
所用数据主要来源于《中国城市统计年鉴》《北京大学数字普惠金融指数》、国泰安数据库和CFPS数据库。
【研究设计】部分提到的参考文献：
[2]陈红蕾，覃伟芳.中国经济的包容性增长：基于包容性全要素生产率视角的解释［J］.中国工业经济，2014（1）：18-30.
[3]潘雅茹，罗良文.廉洁度、基础设施投资与中国经济包容性增长［J］.中南财经政法大学学报，2020（1）：86-97.
文献三
数字普惠金融是否缩小了农业现代化发展差距？
《农林经济管理学报》 2023年第3期
李季刚 郝福莱
（新疆财经大学金融学院）
「摘要」：基于2011—2019年中国28个省（自治区、直辖市）的面板数据，采用熵值TOPSIS方法构建农业现代化发展评价体系，利用收敛模型分析农业现代化发展的地区差异及数字普惠金融对其的影响。结果表明：我国农业现代化发展水平存在地区差异，东部地区发展水平要高于中、西部地区；数字普惠金融与农业现代化发展呈现正相关关系；农业现代化发展水平在全国及地区层面上存在β绝对收敛和β条件收敛，数字普惠金融有利于提高东、西部地区农业现代化发展水平的收敛速度。据此，建议动态科学地发展农业现代化，努力推动数字普惠金融对农业现代化发展的正向作用和收敛作用，加强数字普惠金融在地区间的融通性，尽早缩小地区间农业现代化发展差距。
「关键词」：农业现代化；数字普惠金融；评价体系；收敛模型；共同富裕；
研究设计
「被解释变量」：本文被解释变量为农业现代化。在结合国家战略发展要求和参考以往学者研究的基础上，从农业生产条件、农业科技水平、农业经管水平、农民生活质量、农村生态环境等5个维度构建农业现代化评价指标体系（如表1）。
表1 农业现代化评价指标体系
「核心解释变量」：本文核心解释变量为数字普惠金融。数字普惠金融指数的数据来源于北京大学发布的数字普惠金融指数（2011—2020年），该指数基于蚂蚁金服账户交易记录大数据，从覆盖广度、使用深度、数字化程度等3个维度构建数字普惠金融评价体系，具有较高的可信度。 「控制变量」：参考聂长飞[4]等的研究，选取与农业现代化发展有关的变量作为控制变量：对外开放程度，使用各省份进出口总额与本省GDP的比值来衡量；政府支持保护，使用农林水事务支出占农林牧渔业增加值的比例来衡量；产业结构水平，使用第三产业增加值与第二产业增加值的比值来衡量。
数据来源
由于设施农业、农民专业合作社等数据2020年缺失较多，为保证研究数据的连贯性，选取2011—2019年作为研究期间，此外由于北京、上海、天津地区定位的特殊性、港澳台地区数据不易获取，因此本文考察中国其余28个省（自治区、直辖市）的面板数据。数据主要来源于《中国统计年鉴》《中国农村统计年鉴》《中国固定资产投资统计年鉴》《中国科技统计年鉴》《中国农业机械工业年鉴》《网宿科技·中国互联网发展报告》《中国社会统计年鉴》《中国畜牧兽医年鉴》《中国农村经营管理统计年报》《中国人口和就业统计年鉴》《中国第三产业统计年鉴》《中国水利统计年鉴》《中国环境统计年鉴》《中国能源统计年鉴》《中国电力年鉴》。
【研究设计】部分提到的参考文献：
[4]聂长飞，简新华.中国高质量发展的测度及省际现状的分析比较I.数量经济技术经济研究，2020,37(2):26-47.
相关数据推荐
CCAD—农民专业合作社数据库
2023版CCAD农民专业合作社数据库在参考相关权威法律文件的基础上构建而成，包含了全国农民专业合作社299.9万家，其中在营合作社约224万家，国家示范合作社4.8万家。
点击了解更多👇
CCAD | 2023版农民专业合作社微观数据更新上线
文献四
数字普惠金融、创新驱动与共同富裕
《统计与决策》 2023年第13期
王小娟（西藏民族大学财经学院）
陈曦（西藏特色产业高质量发展研究中心）
「摘要」：文章基于我国2011—2020年的省级面板数据，利用双向固定效应模型和中介效应模型，从创新驱动视角分析数字普惠金融影响共同富裕的内在机制，研究发现：数字普惠金融有利于促进共同富裕，并且存在维度异质性和区域异质性，数字普惠金融的使用深度和数字化程度均能促进共同富裕，东部地区数字普惠金融的促进作用最明显；创新驱动在数字普惠金融与共同富裕的关系中起到中介作用，即数字普惠金融通过提升创新驱动能力促进共同富裕；城市化水平在数字普惠金融对共同富裕的促进作用中起到正向调节的作用，即城市化水平越高，数字普惠金融对共同富裕的促进作用越明显。
「关键词」：数字普惠金融；共同富裕；创新驱动；城市化水平；资源配置；
研究设计
「被解释变量」：共同富裕发展指数（Cmw）；本文对于共同富裕的测度包括“发展”“共享”与“可持续”三个方面。基于共同富裕内涵视角，在参考相关文献[5]的基础上，结合省域层面数据的可获得性，从共同富裕的发展性、共享性和可持续性三个维度出发构建包含3个一级指标、10个二级指标和22个三级指标的共同富裕评价指标体系，如表2所示。为避免主观赋权和多指标数据重叠的问题，本文对于共同富裕评价指标采用熵值法赋权，由此得到各个省份的共同富裕发展指数（Cmw）。
表2 共同富裕评价指标体系
「解释变量」：数字普惠金融指数（Dif）及其子维度覆盖广度（Coverage）、使用深度（Usage）和数字化程度（Digitization）；本文选取北京大学发布的2011—2020年数字普惠金融指数（Dif）来衡量数字普惠金融发展水平，同时为使回归系数便于比较，对原始指数均除以1000。数字普惠金融指数包括3个子维度，分别是覆盖广度（Coverage）、使用深度（Usage）和数字化程度（Digitization）。 「中介变量」：创新驱动（IDA）,在以往的研究中，关于创新驱动能力的指标构建多基于创新投入、创新产出、创新环境等视角[6][8]。由于近年来国家不断加大创新投入力度，因此我国的创新体系不断完善，创新能力也显著提升。本文认为创新投入为创新驱动提供了要素支撑，资金的有效供给将对技术创新活动产生最直接的影响。根据内生增长理论中的熊彼特增长模式，基于研发投入提升技术水平，能够让生产更有效率[7]。因此，本文借鉴李二玲和崔之珍（2018)[8]的研究，结合省级层面数据的可获得性，重点从创新投入的角度衡量创新驱动能力，采用熵值法测算省级层面的创新驱动能力，如表3所示。
表3 创新驱动能力评价指标体系
「调节变量」：城市化水平（Urban）；本文使用城镇常住人口与全部常住人口的比值作为城市化水平的代理变量。 「控制变量」：政府干预（Gov），用公共财政支出与地区生产总值的比值表示；产业结构（Stu），用第三产业增加值与第二产业增加值的比值表示；教育发展（Edu），用财政教育支出占财政支出的比重表示；对外开放水平（Open），按当年汇率将进出口贸易总额转换为以人民币计价，再除以地区生产总值来表示。
数据来源：
数字普惠金融相关数据来自《北京大学数字普惠金融指数（2011—2020）》，其他数据来自《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》以及各省份的统计年鉴和统计公报。
【研究设计】部分提到的参考文献：
[5]陈丽君,郁建兴,徐依娜.共同富裕指数模型的构建[J].治理研究,2021,37(4).
[6]赵丽.数字普惠金融、创新驱动与经济高质量发展[J].统计与决策,2022,(15).
[7]刘乐淋,杨毅柏宏观税负、研发补贴与创新驱动的长期经济增长IJ.经济研究,2021.56(5).
[8]李二玲,崔之珍.中国区域创新能力与经济发展水平的耦合协调分析IJ地理科学,2018.38(9).
文献五
数字金融对新型农村金融机构脆弱性的影响研究
《财经丛论》2023年第7期
周孟亮 王立聪
（湖南农业大学经济学院）
「摘要」：选取2016—2020年46家新型农村金融机构数据，从脆弱性视角出发，构建数字金融与新型农村金融机构之间关系的理论模型并进行实证检验。研究表明：数字金融发展有利于降低新型农村金融机构脆弱性；数字金融发展对新型农村金融机构脆弱性的抑制作用存在异质性，对地处落后县域、资产规模小的新型农村金融机构影响更大；进一步分析发现，公司治理能力的提升与金融监管力度的加强会使数字金融更易于降低新型农村金融机构脆弱性。因此，应在推进数字金融发展的同时优化新型农村金融机构的外部发展环境，新型农村金融机构需提高治理能力以应对数字经济时代的市场竞争。
「关键词」：数字金融；新型农村金融机构；村镇银行；银行脆弱性；
研究设计
「被解释变量」：新型农村金融机构脆弱性(Y),文章从抗风险能力、发展稳定性、业务经营能力、资产负债规模引申出资本充足、服务质量、盈利能力、发展规模等四个维度，构建村镇银行脆弱性水平测度指标体系 「解释变量」：数字金融发展(Index) 「控制变量」：参考有关文献,本文控制了金融机构特征变量和县域发展特征变量。金融机构特征变量包括股权集中度(Gqjz)、股权制衡度(Gqzh)、员工规模(Ygsl)、管理层规模(Dsh)、注册资本(Zczb)、成立年限(Age)、网点覆盖率(Wdfg),县域发展特征变量包括银行竞争程度(Comp)、农业机械化程度(Jxdl)、经济发展水平(Gdp)。
数据来源
考虑到数据的连续性和可得性，本文选取46家新型农村金融机构2016—2020年的面板数据。新型农村金融机构数据来自村镇银行官网，数字金融发展数据来自北京大学数字金融研究中心发布的数字普惠金融指数，县域发展特征数据来自历年《中国县域统计年鉴》《中国城市统计年鉴》、EPS数据库和国家金融监督管理总局的“金融许可证信息”系统。
相关数据推荐
TFID—中国普惠金融机构数据库
中国普惠金融机构数据库（2023版），以多元化的普惠金融服务主体为基础构建而成，涵盖了银行业、保险业、证券业、期货业、基金业等传统金融机构，以及村镇银行、资金互助社、小额贷款公司、金融租赁公司、消费金融公司、汽车金融公司等新型金融主体。按照金融机构所处领域的不同，可进一步细分为“银行业普惠机构”、“保险业普惠机构”、“证券业普惠机构”、“期货业普惠机构”、“基金业普惠机构”、“其他普惠金融机构”6个数据库。
了解更多，请接着往下看👇
END
读完以上文献，是否灵感迸发，跃跃欲试呢？
别急！
普惠金融数据库，懂事的小编已经为大家准备好啦！
TFID（浙商大泰隆-企研中国普惠金融数据库）
浙商大泰隆-企研中国普惠金融数据库（Tailong Finance School-Qiyan China Financial Inclusion Database(TFID), Zhejiang Gongshang University）是由企研数据携手浙江工商大学泰隆金融学院共同发起，针对普惠金融领域学术研究及智库建设而倾力打造的中国普惠金融数据库，旨在促进中国普惠金融研究的发展，服务新发展格局下国家在普惠金融领域的各项重大战略举措。
浙商大泰隆-企研中国普惠金融数据库(2023版)，即TFID2023版，以普惠金融服务的供给、需求和政策环境为切入点，涵盖了中国普惠小微主体数据库、中国普惠金融机构数据库、中国普惠金融业务数据库、中国普惠金融文本数据库四个部分。
图1：TFID2023版数据资源框架
长按扫码 联系客服
参考资料
[1]《推进普惠金融发展规划（2016—2020年）》: http://www.gov.cn/zhengce/content/2016-01/15/content_10602.htm
企研数据代理商招募
企研数据科技（杭州）有限公司是一家提供大数据及技术服务的高新技术企业。数据涵盖三农、普惠金融、绿色发展、数字经济等多个行业领域，公司依托领先的技术和专业团队，已为浙江大学、中国农业大学等国内知名高校图书馆和科研机构提供数据服务，并赢得了广泛的认可和信赖。
鉴于高校数据服务需求的高速增长，为了更好地服务当地客户，我们现在面向全国招募代理。如果您或者您的团队是热爱销售、对高校图书馆或科研机构数据需求有深刻的理解、又有扎实销售渠道，我们希望能为您和您的团队提供更多的选择和助力。
我们将为您提供以下优势：
优质的数据产品：我们的产品面向高校图书馆和科研机构，涵盖科研数据、数据管理、学术研究等服务领域，为客户提供全方位、高品质的数据解决方案。
专业的技术支持：我们拥有经验丰富、专业技能过硬的技术团队，能够在各类技术难题上为代理商提供及时、高质量的技术支持和培训。
丰厚的收益：我们为代理商提供极具竞争力的代理分成计划，让每一个代理商都能在帮助客户解决问题、助力发展的同时，得到优厚的回报。
如果您是现有渠道商或经销商，且对我们的代理商计划感兴趣，欢迎与我们联系，我们期待您的加入！
联系人：温嘉俊 18868702448
星标⭐我们不迷路！
想要文章及时到，文末“在看”少不了！
往期推荐