| 联系我们 |
 |
合作经济与科技杂志社
地址：石家庄市建设南大街21号
邮编：050011
电话：0311-86049879 |
|
|
| 金融/投资 |
| 数字普惠金融对女性就业影响研究 |
| 第761期 作者：□文/杜巍潇 蒲天怡 蒲宇扬 李 涛 时间：2025/9/16 10:04:01 浏览：26次 |
［提要］ 数字普惠金融发展迅速，在创造新增就业、优化就业结构等方面发挥日益重要的作用，但数字普惠金融如何影响女性就业仍不清楚。为了解决这一难题，本文基于2011～2019年省级数字普惠金融指数与中国家庭金融调查数据（CHFS），进行Logit回归实证研究数字普惠金融如何影响女性就业；通过随机森林模型探索数字普惠金融对女性就业的真实非线性效应。同时，提出加大数字普惠金融推广力度、加强金融知识教育、优化服务流程和加强监管等建议，以充分挖掘数字普惠金融在提升女性劳动参与率方面的潜在价值。
关键词：数字普惠金融；女性就业；Logit模型；随机森林；人工智能
中图分类号：F49；F832；F249.2 文献标识码：A
收录日期：2025年3月28日
随着就业结构的改变以及女性地位的提升，女性就业问题一直广受外界关注。随着数字普惠金融的兴起，为女性提供了更多接触金融服务的渠道，有助于她们更好地融入现代经济体系，实现自我价值的提升。本研究创新性地耦合微观调查数据与智能算法模型，系统考察数字普惠金融发展对女性劳动力参与决策的作用路径及效应强度。
一、理论分析与研究假设
（一）数字普惠金融与女性就业的直接效应。数字普惠金融通过技术创新与业务模式优化，以科技驱动为核心，不仅构建了低成本、广覆盖的服务网络，更通过智能风控与场景化设计显著降低了金融准入门槛，这种变革为女性群体带来了实质性的赋权效应。第一，在突破传统金融排斥方面展现出独特价值。研究表明，该模式有效提升了金融资源的民主化配置效率，使大量因教育水平、收入水平、健康条件等结构性障碍而被阻隔在传统金融服务体系之外的女性，能够获得与其需求相匹配的金融支持，进而在就业选择、职业发展和经济决策中掌握更大主动权，最终实现经济地位的实质性跃升。女性群体可通过线上借贷、小微融资及互联网众筹等渠道获得所需的金融服务，从而为其灵活就业提供资金保障。第二，数字普惠金融有助于拓宽女性的职业发展空间。传统金融服务对女性往往存在一定的歧视和限制，使女性难以获得贷款和其他金融支持。第三，数字化的金融服务可以促进女性职业培训和技能提升。借助数字化金融渠道，女性能够获取更丰富的金融知识学习与技能培训资源，从而提升自身的金融认知水平和实践能力。这些金融知识和技能能够帮助女性更好地理解和运用金融工具，提高自己的职业素质和竞争力，从而增加就业机会和提高薪资水平。由此，提出假设H1：
H1：数字普惠金融的发展对促进女性就业具有明显的积极作用
（二）数字普惠金融与女性就业的区域差异性。研究仅基于全国层面的数字普惠金融与女性就业数据展开分析，由于未考虑空间地域异质性因素，因此难以准确反映各区域间的差异化影响效应。不同的地区及行政区由于自然环境、经济发展水平、政策支持不同等因素，导致数字普惠金融存在差异，数字普惠金融在促进女性就业发展方面呈现出显著的地域性效益落差，这种区域差异不仅体现在金融服务渗透的深度与广度上，更深刻反映在女性劳动力参与质量及职业发展机会的获取层面。因此，有必要对不同地理单元（包括省级行政区及更细颗粒度的区域划分）间数字金融发展特征与女性就业结构演变进行系统性比较研究，以揭示金融普惠效应的空间分异规律及其就业转化机制，并针对不同地区的具体情况提出相应的建议，因地制宜地制定政策和措施，有助于实现数字普惠金融在促进女性就业方面的最大效益。由此，提出假设H2：
H2：数字普惠金融对女性就业的促进作用存在显著的区域及行政区划差异
（三）数字普惠金融与女性就业的非线性关系。数字技术的发展演进经历了从萌芽到普及深化的非线性成长轨迹。其发展初期数字普惠金融服务普及程度较低时，女性可能面临较少的就业机会，但随着数字普惠金融的普及，相关行业就业机会也会相应增加，从而形成正向的非线性关系。另外，数字普惠金融在一定阈值范围内对女性就业的影响可能较小，但一旦超过了某个阈值，其影响可能会显著增加。究其原因，当数字普惠金融发展尚未突破关键阈值时，女性就业仍可能受制于多重结构性障碍，致使该金融模式对其就业的促进作用相对有限。但一旦数字普惠金融服务达到一定水平，女性可以更好地获得金融支持和创业机会，从而促进就业增长。由此，提出假设H3：
H3：数字普惠金融发展水平与女性就业率之间存在非线性关联关系
二、研究设计
（一）模型构建
1、logit回归。本研究利用2011～2019年中国省级平衡面板数据集，运用二元离散选择模型开展实证研究，系统评估数字普惠金融发展水平对女性劳动参与率的边际效应。模型设定遵循离散选择框架，具体采用Logit概率模型进行参数估计，其函数形式及变量选取机制如下所述：
logit（jiuyeijt）＝α0+α1indexjt+α2Xijt+α3Kjt+ξt+εijt （1）
其中，jiuyeijt代表被解释变量，表示j省女性个体i在t年是否就业，就业则取值“1”，否则为“0”；indexjt代表核心解释变量，即j省在t 年的数字普惠金融指数；Xijt代表个人和家庭层面控制变量，具体指标在下文详细介绍；Kjt代表地区层面控制变量；ξt代表控制了时间效应；εijt为随机扰动项。
2、随机森林模型。随机森林算法通过单变量节点划分的机制，与变量重要性评估原理高度吻合，这为比较数字普惠金融与微观个体特征及区域宏观因素对女性就业的差异化影响提供了方法支持，具体模型构建如下：
jiuyeijt＝?准（indexjt，Xijt，Kjt，εijt） （2）
其中，?准（.）为随机森林方法所构建的非线性模型。
（二）数据来源与变量设定
1、数据来源。一是解释变量：依据北京大学《2011-2019年中国数字普惠金融指数》，本文选取了2011年、2013年、2015年、2017年、2019年全国各省为研究对象。核心解释变量为数字普惠金融发展总指数。二是被解释变量：中国家庭金融调查（CHFS），采用调查问卷中关于“是否就业”或“是否取得收入”问题的回答作为被解释变量。三是控制变量：中国家庭金融调查（CHFS）数据、《中国统计年鉴》、各省统计年鉴及公报。
2、数据说明及指标构建。各变量信息说明如表1所示。（表1）
3、变量描述性统计分析。根据表2的变量描述统计结果显示，在全部31，284个观测样本中，女性就业者的比例达到41.5%，说明当前就业环境下，女性就业的发展形势并不是很乐观，为有效推动女性就业发展，需通过政策工具创新与区域经济协同发展形成双重驱动。在数字普惠金融发展水平评估体系中，数字化程度维度表现出最显著的区域分异特征，其中总指数均值达2.105，但极值差幅显著，表明我国省级行政区在该领域的发展存在显著不平衡现象，这种空间分布的非均衡性为制定差异化干预政策提供了重要依据。（表2）
三、实证结果分析
（一）Logit回归
1、数字普惠金融总指数对女性就业的影响。表3展示了核心解释变量与控制变量的计量回归结果：列（1）呈现数字普惠金融总指标对女性就业参与的线性回归系数，列（2）报告其平均边际效应值。实证分析表明，总指标与女性就业率存在显著正相关关系（p＜0.01），具体表现为指标每提升1个标准差，女性就业可能性增加26个百分点。在控制变量层面，个体年龄特征对就业选择具有统计显著性影响，这一发现与生命周期理论中关于年龄与劳动力参与关系的经典论断相契合。城镇类型的户口对女性就业的影响为负，这可能是因为农村户主可能会有耕田，因此一部分女性会不得已参与到农务工作中，而对于城镇户口的女性来说，就业的大环境对女性可能并不友好，但是城镇女性对工作却抱有很大的期待。女性的婚姻状况与其是否就业显著相关，其原因可能是女性已婚后，家庭负担会变重，承担的责任也会日趋变大，女性就越需要工作，以此来缓解家庭需求。在家庭层面，家庭总人口数与女性就业显著相关，且会对女性就业产生负向影响，原因可能是，当家庭人数较多时，女性要承担照顾家庭的责任，就会减小就业的可能，且当家庭每增加一位成员，就业的概率减小3.9%。0～6岁子女数量与女性劳动力参与概率呈现显著负相关关系，具体表现为每增加一名该年龄段子女，女性就业概率会下降4.8%。这一效应可能源于育儿责任的时间挤占机制，即作为家庭照料主要承担者的女性，需在子女养育过程中投入大量时间精力，从而导致其劳动力市场参与决策发生边际调整，因此便造成了女性没有时间去投入自身工作的现状，降低了就业的概率。（表3）
2、数字普惠金融分指数对女性就业的影响。为深入探究数字金融多维度发展对女性就业选择的影响机制，本研究基于现有理论架构，选取服务覆盖度、应用深度、数字化水平三个关键指标构建解释变量体系，并创新运用分维度回归方法开展实证检验。表4报告了数字普惠金融关键维度对女性劳动参与的边际效应分析。实证结果表明：使用深度指标每上升1个单位，女性就业概率显著提高3.3%（p＜0.01）；服务覆盖广度指标每增长1个单位，就业概率相应增加5.4%（p＜0.05），这证实了金融普惠各维度对女性职业选择具有差异性作用。（表4）
数字普惠金融通过拓展金融服务边界，显著增强了女性就业的选择空间，为其职业发展创造了更多可能性。在评估该体系的影响维度时，数字化程度作为核心指标，主要评估金融服务的可及性与成本效益，尽管其通过优化服务效率和减少交易成本间接改善了劳动力市场环境，但现阶段对促进女性就业尚未产生直接显著效应。相比之下，覆盖广度与使用深度两个维度通过增强金融服务的可及性和应用深度，对就业促进产生了更为显著的积极影响。基于此，未来应重点加强数字金融基础设施的布局优化，同时深化普惠金融知识的宣传普及，以释放其在女性就业市场中的潜在动能。
（二）异质性分析
1、区域异质性。在中国区域经济不协调的背景下，由于不同女性所处的环境、地区不同，数字金融对女性就业的促进作用呈现区域异质性特征。将地理区位样本划分为东部、中部和西部三大经济区域，并分别建立区域女性样本的计量模型。表5的实证结果显示，数字普惠金融对女性就业的影响存在明显的空间差异性：东部和中部地区的综合指数与就业规模呈现明显的正向关系（p＜0.05），但在西部地区的统计结果未达显著水平。这一发现印证了数字金融发展的区域不平衡特征，尽管过去十年该领域取得了长足进步，但区域间发展落差仍客观存在，导致其在就业促进效应上呈现显著的空间分异。数字普惠金融在东部和中部地区对促进女性就业表现出更显著的效果，这主要得益于这些地区相对较高的经济发展基础以及人工智能、光纤网络的普及，互联网、云计算等技术的提升催生了很多产业，也在一定程度上拉大了东中部与西部地区的就业水平差距，使东中部地区的女性群体获得了更多工作岗位以及工作机会。区域比较分析显示，数字普惠金融对女性就业的促进效应在东部和中部地区较西部地区更为突出。具体而言，总指数每提升1个单位，东部地区女性就业概率将提高6.5个百分点，而中部地区这一增幅达到19.4个百分点。相比之下，中部地区传统金融覆盖存在更多空白，数字金融的创新服务形态更能发挥替代性推动作用。为了缓解区域的不协调发展，我国一直以来大力发展西部地区建设，加快西部地区新基建建设步伐，其中就包括了数字基建，当前应该继续加强数字金融发展，促进区域经济协调发展，才能在真正意义上提升西部地区女性就业水平。（表5）
2、城乡异质性。由表6可知，数字普惠金融的发展对农村户口的女性就业具有显著促进作用，数字普惠金融总指数每提高1个单位，农村户口女性就业概率增加9.4%；而对城镇户口女性就业虽有正向影响，但并不显著。对于农村而言，数字普惠金融的发展能够推动农村基建建设，拓展就业市场，进而显著提升农村女性的就业概率。而在城镇中，数字普惠金融对女性就业影响不显著。这或许源于城乡发展不平衡：一方面，农村女性相对城镇女性，受教育程度偏低，认知水平有限，经济实力较弱，导致其数字普惠金融的发展更能促进农村女性就业；另一方面，城镇的人工智能、互联网产业发展迅猛，创造了丰富的就业岗位，在一定程度上掩盖了数字普惠金融对城镇女性就业的影响，使得数字普惠金融在促进城镇女性就业方面难以凸显其显著作用。（表6）
（三）内生性讨论。上述研究在女性就业的回归分析中可能会存在内生性问题。因为中国疆域辽阔，各个地区风土人情、就业环境、地区发展各不相同，这些因素也会潜在地影响女性就业。因此，本文借鉴赫国盛等（2021）的方法，将数字普惠金融总指数的工具变量选取为各省互联网普及率PI，并对其取对数处理，来讨论内生性问题。从表7工具变量回归结果可以看出，采用两阶段最小二乘法得到第一阶段回归结果说明互联网普及率与总指数显著正相关，F值10240.75，即可判断互联网普及率不是弱工具变量；第二阶段说明，在使用工具变量之后，数字普惠金融仍在5%的水平上影响显著，这说明基准回归结果基本稳健可靠。（表7）
（四）稳健性检验。为确保参数估计的精确性和研究结论的可靠性，本研究通过模型重构、样本筛选以及核心变量替换三种方式对基准回归结果进行系统性验证。表8详细报告了上述稳健性检验的实施过程及具体结果。（表8）
1、更换模型：对原有数据采用Probit回归。表8第1列展示了经调整后的模型参数估计结果。在控制变量恒定的情况下，数字普惠金融综合指标在1%的显著水平上依然呈现统计显著特征。实证结果表明，该指标每上升1个单位能够带动女性劳动参与率提高6.2%。这一发现与基准回归分析结果具有高度一致性，充分验证了研究结论的可靠性。
2、选择子样本：替换样本分析的年份区间。本文剔除2011年、2013年的数据，选取2015年、2017年、2019年这三年的样本，共得到18，258个观测值。表8第2列展示了分组回归的估计结果，经验证据表明数字普惠金融对女性劳动参与的促进作用持续显著，其系数在10%统计水平上保持稳定。这一结果与基础模型回归结果高度吻合，有力地增强了研究发现的可靠性。
3、替换被解释变量：用女性工作年收入（单位：万元）来替换是否就业，以此来研究Logit模型是否可靠。由回归结果可知，替换后数字普惠金融对女性就业仍具有正向影响，且通过1%统计水平上的检验，说明通过稳健性检验。
（五）非线性效应的机器学习模型分析。为深入探究数字金融对女性就业的作用机制，本研究引入机器学习框架捕捉潜在的非线性关联。鉴于女性就业状态本质上是二元分类变量（0/1标识），因此采用随机森林分类算法进行建模分析。因为部分控制变量（户口类型、婚姻状况）存在缺失值，将数据进行处理后，共得到31，008个观测值，9个特征变量，响应变量因子为女性是否就业，将就业定义为“yes”，不就业定义为“no”。通过随机森林估计，使用函数randomForest（），mtry=3个变量作为候选分裂变量进行模型的构建。
为深入探究数字普惠金融发展程度与女性就业影响因素的相对贡献度，本研究运用随机森林算法构建特征重要性排序图，采用模型预测精度平均下降值作为变量重要性的量化指标。图1展示了特征变量的重要性排序图，从图中可以看出，年龄在模型中对预测结果的贡献度最大，而家庭层面的特征变量如家庭总人数、60岁以上老人数与0～6岁小孩数对模型预测贡献度，与数字普惠金融指数相比，重要性更加凸显，说明了微观层面上的特征变量对女性就业的重要性。（图1）
图2则展示了女性就业对数字普惠金融的偏依赖关系，曲线刻画的是偏依赖函数。可视化分析揭示，数字普惠金融对女性就业的作用轨迹呈现先扬后抑的非线性特征。在初始发展阶段，该指数对就业增长具有显著促进作用，但当其突破某一临界阈值后，边际效应出现逆转，表现为对就业概率的负向影响。这一反转现象可能源于数字金融红利的边际递减规律，即当金融服务渗透率达到一定饱和点后，其就业促进效应开始受到其他结构性因素的制约。（图2）
四、结论及建议
（一）结论。本研究基于宏微观数据融合，综合运用Logit回归与随机森林模型，系统考察数字普惠金融对女性就业的作用路径及非线性特征。核心发现如下：第一，数字普惠金融综合指数对女性就业呈现显著正向影响，表明其整体发展有效拓展了就业渠道并优化了女性职业选择空间。当前阶段，服务使用深度与覆盖范围的扩大能显著提升女性就业概率，而数字化程度本身的边际效应尚未显现。第二，区域异质性检验显示数字普惠金融对东部沿海地区和中西部农村女性就业的促进作用尤为显著。通过引入“互联网普及率”作为工具变量，本研究有效克服了内生性问题，并经多模型验证、子样本检验等程序，有效地保证了研究的真实性。第三，考虑到数字普惠金融自身发展的复杂特性，其相关统计指标也展现了各地区不平衡和非线性的发展趋势，本文采用随机森林算法，通过对各特征变量的重要性进行排序，发现数字普惠金融对女性就业影响的重要性与传统因素相当。第四，运用随机森林算法，本研究揭示了女性就业与数字普惠金融之间的条件依赖关系，并通过可视化偏依赖图证实了二者确实存在非线性关联特征。
（二）建议
1、促进数字普惠金融在区域间的协调推进。从东中西部以及城乡的异质性分析结果中得出，现阶段偏远地区金融发展仍然滞后，应该努力提升偏远地区金融发展水平，重点关注西部地区以及农村发展水平，着重加强经济欠发达区域的金融服务覆盖广度。利用数字技术进一步降低成本，提高便利性。
2、通过优化金融服务流程和创新金融产品体系，持续提升服务效能与运营效率。在今后的发展中，金融机构应不断优化数字金融服务流程和产品供给，提高服务质量和效率，切实提高大众对数字金融实际使用的活跃度，缩减女性创业的资金与技术壁垒，拓展女性职业发展的多元化路径。
3、加大数字普惠金融推广力度以及知识普及程度，提高女性对数字金融服务的认知和参与度。政府和金融机构应进一步加强宣传工作和金融普及教育，通过线上线下渠道向女性普及数字金融服务知识，提高她们对数字金融服务的信任度和使用意愿。
综上，研究表明，数字普惠金融的推进有效提高女性就业参与程度，并且对提升女性劳动参与率产生显著积极影响，但仍需加大偏远地区发展、推广力度，加强金融知识普及教育，优化服务流程和加强监管等方面的工作，最大限度地激发数字普惠金融在促进女性就业方面的潜在作用。
（作者单位：西安财经大学统计学院）
主要参考文献：
［1］甄宓.“十四五”时期吉林省高校毕业生的就业结构分析与就业趋势预测［J］.就业与保障，2023（07）.
［2］刘婷婷.数字普惠金融对就业结构的影响研究［D］.蚌埠：安徽财经大学，2022.
［3］邱兆祥，向晓建.数字普惠金融发展中所面临的问题及对策研究［J］.金融理论与实践，2018（01）.
［4］伦蕊，陈亚婷.数字经济背景下的就业性别平等——现状、挑战与应对方略［J］.人口与经济，2024（02）.
［5］关琪.中国数字普惠金融发展对女性就业的影响［D］.北京：中央财经大学，2022.
［6］赫国胜，耿哲臣，蒲红霞.数字普惠金融对私营企业及个体就业的影响［J］.财经论丛，2021（05）.
|
|
|
|
