Geographical Distance, Digital Transformation of Banks and the Scale of Farmers' Credit Supply in Financial Institutions——Evidence from F Province's Rural Credit Cooperatives
-
摘要: 金融机构农户信贷供给规模会影响农户信贷可得性，从而影响乡村振兴战略的实施和共同富裕的实现。利用F省农信系统67家农村信用社(农村商业银行)2018—2020年808 084个样本构成的混合截面数据，分析地理距离、银行数字化水平对金融机构农户信贷供给规模的影响，发现：农户到乡镇行社网点的地理距离对金融机构农户信贷供给规模存在负向影响；但银行的数字化水平越高，地理距离对金融机构农户信贷供给规模的抑制作用会越小。异质性分析结果表明，银行数字化转型缓解地理距离对金融机构农户信贷供给规模的抑制作用会受到农户数字金融素养、区域内银行竞争程度和银行商业化程度的影响。进一步分析发现，银行数字化转型对农户信用贷款、中长期贷款和投向农林牧渔贷款的缓解作用更大。因此，应该积极引导和规范银行数字化转型、重视培养和提升农户的数字金融素养、适当推进农村地区银行的商业化改制。Abstract: Financial institutions of peasant household credit supply scale can affect farmer credit availability, which affect the rural revitalization of strategic implementation and the realization of common prosperity. In order to study the impact of distance and bank digitalization level on the credit supply of financial institutions to rural households, this paper uses the mixed cross-sectional data of more than 800, 000 samples from 67 rural credit cooperatives (rural commercial banks) in F province's rural credit system from 2018 to 2020. The results show that the distance between rural households and rural cooperative outlets has a negative impact on the credit supply of financial institutions to them, but the higher the digitalization level of banks, the smaller the inhibition of distance on the credit supply. The results of heterogeneity analysis show that the digital transformation of financial institutions in alleviating the geographical distance of peasant household credit supply scale inhibition by farmers digital financial literacy, regional banking competition degree and degree of commercial bank. Further analysis found that the digital transformation of banks has a greater mitigation effect on farmers' credit loans, medium and long term loans and loans invested in agriculture, forestry, animal husbandry or fishery. In this regard, this paper proposes to actively guide and standardize the digital transformation of banks, attach importance to training and improving farmers' digital financial literacy, and appropriately promote the commercialization of rural banks.
-
一. 问题的提出
近年来，在数字化信息技术的强力推动下，世界贸易结构与贸易方式正发生巨大变化，以跨境电子商务为代表的全球数字贸易正成为国际贸易增长的新引擎。2020年，全球数字贸易额达到3.2万亿美元，约占全球服务贸易额的52%、全球贸易额的12.9%[1]。然而，尽管全球数字贸易已经取得了显著的发展，但现有国际贸易规制、法律章程、监管体系还无法应对这种新兴贸易形式带来的全新挑战，因此，重构全球贸易规则成为当务之急[2]。2019年1月25日，拥有超过世界贸易90%的76个WTO成员国发起新一轮“电子商务诸边谈判”[3]，包含中美欧日等经济体在内的与会国家签署了《关于电子商务的联合声明》[4]，旨在维护以规则为基础、以WTO为核心的多边贸易体制，推动电子商务尤其是数字贸易进一步发展，帮助WTO成员适应经济全球化和贸易数字化。
在新一轮电子商务谈判兴起后，多边、诸边和区域数字贸易协定谈判快速发展，国际社会在贸易便利化服务、数据跨境流通、信息技术协定等议题上达成了不同程度的共识[5]。但是，全球数字贸易规则的分歧不仅仅体现为国际贸易规则上的差异，更严峻的是涉及了政治和法律制度、文化价值观等方面的巨大鸿沟[3]。因此，要建立一个包容、公平、开放的全球跨境电子商务规则框架还需要很长一段时间的探索性讨论与谈判磋商。需要指出的是，中国是国际贸易谈判、电子商务谈判全球新规则构建的主动参与者、推动者和代言者。2020年中国数字贸易额为2 947.6亿美元①，接近世界数字贸易总额的1/10。因此，中国有必要打造符合自身国情的数字贸易“中式模板”，从而在推动全球经济治理机制变革中发挥引领作用、担当大国责任，而“中式模板”创建的一个重要前提就是设计好新一轮电子商务谈判的中国方案。
那么，新一轮电子商务谈判的中国方案应如何设计？隐含怎样的全球经济治理机制？具体实施策略是什么？这些问题都需要细致回答。为此，本文以数字经贸发展为核心议题的新一轮电子商务谈判为切入口，从已有的国际电子商务谈判中总结历史经验、梳理发展脉络，归纳新一轮电子商务谈判模式的影响因素，力求在新一轮电子商务谈判的中国方案设计上有所突破，为中国参与新一轮电子商务谈判的策略选择提供理论指导。
二. 理论基础与回顾
有关国际贸易谈判的研究主要聚焦于三大类主题。一是围绕关税及贸易总协定(GATT)和世界贸易组织(WTO)展开的对国际贸易谈判规则的探讨，例如对GATT和WTO在国际贸易谈判尤其是贸易争端解决机制上发挥作用的认可[6-7]。随着区域多边贸易谈判的兴起和国际形势的新变化，一些学者认为WTO现有规制受制于某些技术因素和政治因素的影响，不再适用于引导新一轮的国际贸易谈判，要求对其进行补充完善和改革创新[8-9]。二是对国际贸易谈判方式进行的研究。如Kim[10]和李春顶等[11]对现有主流的谈判方式(双边谈判、诸边一体化和多边谈判)进行对比分析，发现在大国间电子商务谈判中成员越少对谈判各方越有利，相比之下，谈判成员越多对没有市场优势的小国越有利，且多国参与的机制也能够使世界总福利增加。多边贸易谈判中呈现出发达国家主导的诸边化特征和多边谈判机制的有效性、WTO的领导地位逐渐被削弱的趋势[12]。三是基于一个或多个案例展开的贸易谈判过程研究，包括谈判动机、谈判行为、谈判结果的影响因素等。谈判结果会受到国内外政治经济等多重因素的影响，包括国家利益、国际关系、国际制度、国内利益集团、权力结构差异和谈判策略选择等[2-4, 5-6, 11, 13]。
在数字经济与数字贸易大发展的背景下，WTO正式开启的新一轮电子商务谈判既涉及成员间基本共识的贸易便利化议题，也涵盖数字贸易新规则，例如数据跨境流动和本地化存储、合理征收数字税以及开放源代码和算法等议题，这些也是新一轮电子商务谈判中最受争议的核心议题[14]。然而，参与谈判的各方在数字经济、网络安全、价值观等方面存在一定分歧，加之大国竞争的地缘政治因素影响，新一轮电子商务谈判能否取得阶段性成果，关键在于参与谈判的多数成员能否推动全球数字鸿沟的弥合[15]。
依靠跨境电子商务规模上的巨大优势，中国在国际贸易谈判、电子商务谈判中发挥着关键性作用[3, 16]。中国是引领全球数字经济治理的四大经济体中唯一的发展中国家，不仅努力倡导符合广大发展中伙伴国利益的数字贸易方案，还帮助它们缩小与先行国家的数字鸿沟、实现经济发展。面对数字贸易后发国家信息基础设施不完善的情形，中国充分发挥了发展中经济体的身份价值，帮助伙伴国确保可负担性和可靠性的联通，并完善跨境数字贸易的相关服务[17-18]。例如，通过电子商务平台服务和数字普惠金融的精准扶贫政策，阿里巴巴让信息基础设施欠发达地区的民众与外部市场实现了联通连接。就这一点而言，中国在数字贸易强国和数字贸易后发国家之间充当了桥梁和纽带，为缩小国家间数字鸿沟、促进数字经济全球均衡发展贡献了中国智慧。
三. 国际电子商务谈判的影响机制设计
一 数据来源
由于国际谈判成员的异质性对谈判结果具有较强的影响，本文仅就中国参与的国际电子商务谈判进行研究，从而保证提出的方案设计更具有针对性和适合中国国情。剔除掉中国未参加的谈判案例，最终选取66个谈判案例，其中，UNCATD案例20个，时间区间分别为1998—2007年、2009—2018年；WTO案例16个，时间区间分别为2002—2007年、2009—2018年；G20峰会案例4个，时间区间为2015—2018年；APEC案例21个，时间区间为1998—2018年；双边/诸边案例5个(中澳FTA、中日韩FTA、中美BIT、中国-东盟FTA、RECP)。
二 研究方法选择
本文采用的是模糊集定性比较分析法(以下简称fsQCA)。该方法适合连续变量和多分类变量，基于布尔代数的二进制逻辑，并试图确保考虑到在所调查案例中可以做出的所有变量组合，为概念界限较模糊的研究提供了合适的切入点[19]。此方法十分适用于国际谈判领域的研究，因为国际谈判的进程、结果、影响因素和谈判议题在时间和空间上都具有极大的复杂性和连续性，很难界定。模糊集定性比较分析结果有复杂解、中间解和简约解三种类型，对于参数解释主要以一致性和覆盖率的数值作为判断标准[20]。
1 一致性
一致性运算的目的主要是为了检验条件组合的因果关系契合程度，即单个条件变量或多个条件变量的组合对结果变量影响的一致性程度，类似于统计分析中的显著性。一致性数值一般需大于0.75，数值越大表示解释力越强。计算公式如下：
Consistency(Xi⩽Yi)=∑min(Xi,Yi)∑Xi (1) 其中，Xi表示条件变量组合中的隶属分数；Yi为结果变量中的隶属分数；Consistency取值范围为(0, 1)。
2 覆盖率
覆盖率数值主要用来判断不同条件组合对于资料的分析能力，即条件变量组合对于因果路径的解释能力。覆盖率数值越髙，表示因果的解释力越强。
Coverage(Xi⩽Yi)=∑min(Xi,Yi)∑Yi (2) 其中，Coverage取值范围为(0, 1)。
本文构建了国际电子商务谈判案例的fsQCA分析模型，对模型的输入变量进行了选取，具体包括：特定议题权力用由文本挖掘得出的9个议题的重要程度来衡量；议题联系用两个议题的共现频率来衡量；整体权力分为政治因素和经济因素，政治因素包含政体指数、政治资源差异和政局稳定性3个变量，经济因素包含经济开放程度差异、经济资源差异和中央政府外债3个变量；文化距离用霍夫斯坦德(Hofstede)文化维度来衡量；交易成本指每个谈判案例的基本信息，包含谈判周期、谈判局中人和谈判效力3个变量。数据的来源和fsQCA分析的流程如图 1所示。
三 变量选择
由于大部分国际电子商务谈判案例议题众多，谈判分歧较大，因此进展缓慢，谈判周期较长，很多甚至没有一个最终的结果，所以本文将“谈判是否取得了一定的阶段性成果”(二分类变量)作为结果变量输入到fsQCA中，再从特定议题权力、议题联系、整体权力结构、文化差异和交易成本5个维度选取12个条件变量。fsQCA会对输入的条件进行必要性分析，并输出当结果变量为1时必要条件的组合。
1.特定议题权力，是指谈判方在某一特定议题领域所拥有的资源和能力，不仅包括谈判方在特定议题上的议价能力和国内策略集的大小，也包括特定议题之间的联系对谈判成果的影响程度[21]。
2.议题联系(Issue-linkage)，是指在国际贸易谈判、电子商务谈判中，通过加入不相关议题或议题捆绑等行为增加谈判优势，或使对特定议题不满意的谈判方在其有所期待的议题领域加码以抵消掉上述不满，从而达成谈判利益的重新分配[22]。
3.整体权力结构，主要是指谈判方综合国力之间的差异，选取政治权力和经济权力两大维度进行量化。从政治权力因素看，国内博弈往往与一国的政治体制有关，本文用谈判成员的政体指数(Polity IV)的平均值来衡量[23]。同时，假设政局稳定性对国际电子商务谈判有显著影响，并采用谈判成员中谈判期间政府换届国家占谈判局中人人数之比来衡量，该比值越小表示谈判进行期间各方政局形势越稳定。从经济权力看，最能体现一国经济实力的一般为国内生产总值(GDP)，它能够决定一国在谈判中的议价能力，本文采用谈判周期内各谈判方GDP均值的方差来衡量这一差异[24-25]。在国际贸易中，经济开放度综合反映了一国(地区)市场对外开放的程度，本文使用Armingeon et al. 提供的CPDS1-data②中的度量数据。此外，国家之间的经济信用风险，这里指中央政府的外债情况，是国家信用的一种体现。本文直接采用OCED的年度指标数据“中央政府外债占GDP的比重”的均值。
4.文化差异。在谈判成员文化差异的量化上，本文基于著名的Hofstede文化维度理论和数据库，对谈判各方与中国的文化距离取平均值，数值越大，表明该谈判案例中其他谈判成员与中国的文化差异越大，谈判的难度和分歧可能就越大[26]。本文直接采用Hofstede数据库提供的各国综合的文化维度测量数据，具体包含权力距离、不确定性避免、个人主义与集体主义、男性度与女性度和长期与短期取向5个维度。
5.交易成本。谈判的交易成本是指谈判的整体环境和交易风险，包括谈判周期、局中人人数、谈判效力等。该变量采用二分类变量，根据专业知识来判断谈判案例是否具有一定的约束机制从而能够保护谈判成果[27]。
四. 实证结果与分析
一 数据校准
需要指出的是，在中样本内，fsQCA通常只能处理10个左右的变量。因此，本文先处理特定议题和议题联系之外的10个基础条件变量。在进行必要条件分析后，滚动式地添加不同的特定议题和议题联系的变量，尝试不同的组合。在fsQCA中，将每一个条件和结果都分别视为一个集合，每一个案例在这些集合中均有隶属分数，校准的过程就是给案例赋予集合隶属分数[19]。基于此，本文采用直接校准法将数据转换为模糊集隶属分数，对基础条件变量与结果变量的校准情况如表 1所示。
表 1 基础条件变量与结果变量的校准条件和结果 校准 完全隶属(0.95) 交叉(0.50) 完全不隶属(0.05) 政府资源差异 5.652 7 4.824 1 1.533 3 政体指数 11.750 5 10.505 6 4.606 5 政局稳定性 0.238 1 0.167 1 0.142 9 经济资源差异 5.338 3E+12 3.778 35E+12 1.085 06E+12 经济开放程度差异 1.606 1 1.557 3 1.382 1 经济信用风险 54.353 0 48.980 7 35.748 1 文化距离 2.831 3 2.752 3 1.832 5 谈判周期 15 9 3 局中人人数 187 144 21 谈判效力 1 - 0 谈判成果 1 - 0 资料来源：根据fsQCA3.0软件分析整理。 特定议题和议题联系是本文研究的重点内容。本研究将9个特定议题作为条件变量单独输入fsQCA中，以探究议题权力在国际电子商务谈判中起到的作用。同时，fsQCA输出的条件组态能够揭示议题联系在国际电子商务中的应用规律。表 2记录了9个特定议题的校准信息。
表 2 议题条件变量的校准条件和结果 校准 完全隶属(0.95) 交叉(0.50) 完全不隶属(0.05) TOPIC0 0.006 5 0.004 9 0.003 4 TOPIC1 0.002 8 0.001 9 0.001 0 TOPIC2 0.003 4 0.002 2 0.001 3 TOPIC3 0.002 2 0.001 5 0.001 0 TOPIC4 0.005 0 0.002 7 0.001 3 TOPIC5 0.007 8 0.004 6 0 TOPIC6 0.003 3 0.002 2 0.001 7 TOPIC7 0.002 7 0.002 3 0 TOPIC8 0.004 1 0.001 6 0 注：根据fsQCA3.0软件分析整理。TOPIC0代表数字经贸发展议题，TOPIC1代表信息基础设施议题，TOPIC2代表贸易便利化议题，TOPIC3代表跨境市场流通议题，TOPIC4代表跨境商务投资议题，TOPIC5代表政府政策引导议题，TOPIC6代表数字鸿沟议题，TOPIC7代表网络安全与隐私保护议题，TOPIC8代表统一标准与法律保障议题。后表同。 本研究采取的国际谈判案例研究方式是全新的，因此可以对比参考的研究较少，通过深入分析案例文本特征和反复试验，最终根据案例的相对位置(80%、50%、20%)确定了锚点，这一过程通过fsQCA软件的Calibrate程序实现。借鉴Fan et al.的直接校准法[28]，依次输入完全隶属值(对应的隶属度得分为0.80)、最大模糊点的对应条件值(对应的隶属度得分为0.50)和案例完全不隶属值(对应的隶属度得分为0.05)，可以得到每个案例在某条件上的模糊集隶属度，用于后续分析。
二 必要条件分析
参照国内外主流的QCA研究，本文首先对单个条件和各个条件的非集是否构成国际电子商务谈判取得成果的必要条件进行检验。如果某个条件总是存在于结果发生的情况，则可以认为该条件就是达成结果的必要条件。在fsQCA中，是否认定为必要条件可以用一致性得分来衡量，一般当一致性得分高于0.9则可以认定该条件是必要条件[20]。本文使用fsQCA3.0软件对国际电子商务谈判取得成果的必要条件进行检验，检验结果见表 3。由表 3可见，单个条件的一致性水平均不高于0.9，因此，基础条件变量、特定议题变量和议题联系变量中不存在国际电子商务谈判取得成果的必要条件。这反映出国际电子商务谈判受到多种复杂因素的耦合影响，单一的前因条件不足以解释谈判是否能够取得阶段性的成果。
表 3 国际电子商务谈判取得成果的必要条件分析基础条件变量 一致性 覆盖度 特定议题变量 一致性 覆盖度 政府资源差异 0.781 0 0.425 1 TOPIC0 0.574 3 0.510 1 *政体指数 0.062 7 0.554 9 TOPIC1 0.477 3 0.428 2 政局稳定性 0.517 6 0.490 5 TOPIC2 0.436 3 0.405 1 经济资源差异 0.524 8 0.468 7 TOPIC3 0.448 7 0.412 0 经济开放程度差异 0.354 8 0.437 0 TOPIC4 0.666 7 0.615 2 经济信用风险 0.389 0 0.318 6 TOPIC5 0.467 4 0.412 8 文化距离 0.331 0 0.311 9 TOPIC6 0.228 3 0.295 3 谈判周期 0.536 2 0.449 6 TOPIC7 0.410 3 0.640 1 局中人人数 0.331 4 0.306 7 TOPIC8 0.217 7 0.445 1 谈判效力 0.206 9 0.300 0 - - - 资料来源：根据fsQCA3.0软件分析整理；“*”表示该条件变量的非集一致性得分大于0.9。 可以看到，标注了“*”的变量(政体指数)的一致性得分小于0.1，这说明其非集是国际电子商务谈判取得成果的必要条件，即认为当该条件变量存在时，国际电子商务谈判不能够取得阶段性的成果。但是，由于QCA本质上是非对称分析，所以上述结论不等同于当该条件变量不存在时，国际贸易谈判、电子商务谈判就一定能够取得阶段性的成果。从表 3来看，当谈判成员平均政体指数越高时，谈判成员受到国内利益集团的影响越大，国际电子商务谈判则面临着非常小的谈判策略交集，达成共识的难度就越大。
三 条件构型分析
表 4是基本因素的前因条件构型分析。表 4纵向列示了6个构型，其中构型5的一致性未通过最低标准0.75，因此得到的条件构型分别为构型1、2、3、4、6。在“政体指数”“政局稳定性”和“谈判周期”均缺席的构型1和2中，“局中人人数”缺席在构型1中发挥了核心作用，“文化距离”缺席在构型2中发挥了核心作用，而“经济开放程度差异”缺席和“谈判机制”缺席共同起到辅助作用。其中，构型2的一致性得分较高(0.887 3)，而唯一覆盖度却较低(0.010 3)，覆盖了4个案例③(其中3个案例与构型1共享)。在“政体指数”均缺席和“政治稳定性”均存在的构型3、4、6中，“经济资源差异”存在、“谈判周期”存在和“局中人人数”缺席在构型3中发挥了核心作用，“经济信用风险”缺席和“文化距离”缺席成为辅助条件；“经济信用风险”缺席、“局中人人数”缺席和“谈判机制”存在在构型4中是核心条件，同时，“政府资源差异”缺席、“文化距离”缺席和“谈判周期”存在是辅助条件；而在构型6中，“政府资源差异”存在、“经济信用风险”缺席和“谈判机制”存在是发挥核心作用的条件，“文化距离”缺席、“局中人人数”缺席以及“谈判周期”存在起到了辅助作用。其中，构型6的一致性最高(1.00)，唯一覆盖度为0.011 8，覆盖案例为5个，而构型3的唯一覆盖度最高(0.141 7)，一致性得分也达到了0.90以上，覆盖案例也为5个。横向对比来看，可以发现“文化距离”缺席和“谈判局中人人数”缺席出现在所有组态之中，说明了这两个条件对国际电子商务谈判达成一定共识和合作的重要性。最后，从构型间的关系(纵—横双向)看，构型1中的局中人人数缺席和构型2中的文化距离缺席具有明显的替代关系，说明这两个条件无需同时存在便可以与构型1和构型2中的余下条件一起促成国际电子商务谈判取得一定的成果，即1+1＜2。这也佐证了区域的、双边的谈判比世界的、多边的谈判更易促使国际电子商务谈判达成阶段性的共识或协议。
表 4 基本因素前因条件构型政治风险高 政治风险低 成员较少 文化相近 成员较少 谈判效力较高 政府资源差异 
● 政体指数 
政局稳定性 
● ● ● ● 经济资源差异 ● 经济开放程度差异 
经济信用风险 
文化距离 
谈判周期 
● • ● • 局中人人数 
谈判机制 
● ● ● 一致性 0.762 7 0.887 3 0.907 1 0.756 7 0.703 2 1.000 0 原始覆盖度 0.204 5 0.187 2 0.194 8 0.068 6 0.087 6 0.043 1 唯一覆盖度 0.016 6 0.010 3 0.141 7 0.110 0 0.033 4 0.011 8 总体解的一致性 0.863 6 总体解的覆盖度 0.321 0 注：●或•表示该条件存在， 
表 5是针对特定议题权力与议题联系进行的第二次fsQCA分析，前因条件变量更替为TOPIC0—TOPIC8，结果同样给出了6种构型(自左向右依次命名为构型1—构型6)，但是构型4、5、6的一致性均低于可接受的最低标准0.75，因此这三种构型不能够充分地说明国际电子商务谈判取得成果的原因和路径。其余三种构型的单个解的一致性均超过了0.75，总体解的一致性水平也达到了0.873 5，覆盖度为0.285 3。总体来看，构型1、2、3中，TOPIC2(贸易便利化)和TOPIC3(跨境市场流通)均发挥了核心条件的作用。除此之外，在构型1中，TOPIC0(数字经贸发展)的存在和TOPIC4(跨境商务投资)的存在也是核心条件，其他议题的缺席发挥了辅助作用；构型2在构型1的基础上，多了TOPIC8(统一标准与法律保障)的存在作为核心条件，TOPIC1(信息基础设施)由核心缺席变为辅助存在；构型3与构型2相比，TOPIC0的存在由核心条件变成了辅助条件，核心条件增加了TOPIC7(网络安全与隐私保护)的存在，而TOPIC8由核心存在变为核心缺席，TOPIC4则由核心存在变成了辅助存在。
表 5 特定议题条件构型1 2 3 4 5 6 TOPIC0 ● ● • ● ● ● TOPIC1 
• • 
TOPIC2 ● ● ● 
TOPIC3 
● 
TOPIC4 ● ● • ● ● ● TOPIC5 
TOPIC6 
TOPIC7 
● 
TOPIC8 ● 
一致性 0.839 6 0.753 1 0.785 1 0.729 7 0.702 2 0.722 2 原始覆盖度 0.148 3 0.117 7 0.182 7 0.155 3 0.147 0 0.101 0 唯一覆盖度 0.012 7 0.044 0 0.013 0 0.013 7 0.011 7 0.011 3 总体解的一致性 0.873 5 总体解的覆盖度 0.285 3 由此可以得到，在国际电子商务谈判中，议题TOPIC0、TOPIC2、TOPIC3的联系是比较容易达成共识的，但不能涉及议题4，推测可能是因为许多国家都试图在自由贸易协定谈判中以投资换市场，希望通过加大跨境商务投资带来的经济利益换取更大程度的数据跨境自由流通、数据存储非强制性本地化、电子传输免关税等数字贸易的市场开放程度，但实证研究证明这种策略并不可取。只有在议题7为核心议题并且不涉及议题8的时候，议题4才可以作为辅助条件存在，这说明目前国际电子商务谈判当涉及网络安全和隐私保护议题时，尚无法达到讨论制定统一标准和法律条款的层面，也从侧面证实了各国目前对跨境企业带来的数据流失和隐私泄露的担忧，所以需要将两个议题放在一起进行谈判。
五. 中国方案设计
fsQCA方法有效地识别了中国参与的电子商务谈判取得阶段性成果的5条路径和议题联系策略，表明了国际电子商务谈判策略集的复杂性和策略选择的殊途同归、多重并发。此外，fsQCA方法能够精准识别特定构型所对应的案例集合。因此，根据由基础前因条件解构出的5条路径(见表 4中的构型1、2、3、4、6)和由特定议题条件解构出的3条路径(见表 5中的构型1、2、3)，及其所包含的核心条件和背后的逻辑解释，本文将国际贸易谈判、电子商务谈判案例归纳为两类：高风险低成本谈判和低风险长周期谈判，并识别出了特定议题和议题联系策略在国际贸易谈判、电子商务谈判中的作用。基于此，本文进一步提出精准选择谈判方、构建有效谈判机制、迅速判断本国特定议题权力和议题联系机会等路径。
一 高风险低成本谈判
高风险低成本谈判模式是指，当全球政治格局处于较激烈的变化中或者中国面临的部分谈判方处于换届、政治斗争或者战争中时，要想促使谈判各方快速达成一致并取得一定的谈判成果，必须在小范围内选择文化基因与中国相近的国家进行精准谈判，降低交易成本，提高谈判的成功率。基于此得出结论：在政治风险较高的情况下，精准地选择较少的或者文化更为相近的谈判方，对取得谈判成果至关重要。支撑该结论的案例有：(1)2002年APEC领导人非正式会议谈判，签署了《2002年电信和信息产业部长级协议》；(2)2004年APEC领导人非正式会议谈判，制定了《数字亚太经合组织战略的实施》，并提出APEC隐私框架；(3)2005年APEC领导人非正式会议谈判，签署了《2005年电信和信息产业部长级协议》；(4)2017年德国G20峰会谈判，发布《为互联世界塑造数字化》；(5)2018年布宜诺斯艾利斯G20峰会谈判，发布《G20数字经济部长宣言》。
二 低风险长周期谈判
低风险长周期谈判模式是指，当谈判成员普遍政治风险较低、政局较稳定、政策较连贯的情况下，即在一种相对较长周期的博弈情境中，谈判成员间存在政治资源和经济资源的差异是谈判能够取得成果的关键因素。显然，这种谈判模式下取得的成果往往显示的是数字贸易强国的意愿，对数字贸易后发国家来说弊大于利。因此，如果谈判对象的数字贸易经济更发达，中国就必须做好长周期博弈的准备，也将产生较大的交易成本。但是，如果能够在多边贸易谈判体制下寻求议题联系的机会，就能进行有效的抵补，产生扭转局面的可能性。基于此得出结论：在政治风险较低的情况下，要想取得谈判成果，需要较少的谈判成员或者有效的谈判机制，且成员间必须有政治或者经济实力上的明显差距，即形成整体权力结构的对比。支撑该结论的案例有：(1)2015年中国-东盟在自由贸易协定的基础上，签订了升级版《协定书》，达成了数字丝绸之路合作，并发布《中国-东盟战略伙伴关系2030年愿景》；(2)2015年中澳自由贸易协定正式生效，其中第12章对电子签名做了单独的规定。
三 特定议题权力和议题联系的作用
整体权力的优势效应不适用于所有谈判，谈判成员拥有的特定议题权力优势已经成为谈判成功的关键因素。通过在特定议题上的替代方案，整体权力处于弱势的谈判成员可以减少对强势成员在政治、经济上的依赖，从而增大谈判获胜的概率。故适当使用谈判策略有助于改变国际贸易谈判、电子商务谈判时的权力结构，弱势方采用适当的策略能够得到更多的谈判筹码，增加自己的谈判权力。因此，在面临强势的谈判方时，中国应该迅速判断我方的特定议题权力，寻找相对优势，积极寻求议题联系的机会；而在面临弱势的谈判方时，中国也应该担当大国责任，通过议题联系在各方间进行利益重新分配，以实现双赢或者多赢的目标。基于此得出结论：特定议题权力和议题联系策略有时可以扭转整体权力差异给谈判成果带来的不利影响。支撑该结论的案例有：(1)2000年APEC领导人非正式会议谈判，发布了《贸易方式：无纸贸易》和《2000年电信和信息产业部长级会议》，采用了TOPIC0、TOPIC1、TOPIC4、TOPIC6、TOPIC7和TOPIC8的议题联系；(2)2011年APEC领导人非正式会议谈判，制定了《跨境数据隐私规则》(CBPR-Policies Rules Guidelines)，采用了TOPIC0、TOPIC2、TOPIC3、TOPIC7的议题联系。
六. 中国应对新一轮电子商务谈判的策略
本文采用模糊集定性比较分析方法，以案例和导致结果的原因为导向，对66个中国参与的国际贸易谈判、电子商务谈判案例进行实证研究，归纳出高风险低成本式和低风险长周期式两类谈判模式，印证了特定议题权力和议题联系策略在国际电子商务谈判中的重要角色，为中国参与新一轮电子商务谈判提供了有价值的方案参考和策略借鉴，具体包括以下三个方面。
一 应着重提高自身国内治理机制的水平
拥有高水平的国内治理才能进行国际输出，中国提升国内治理机制水平的路径有二：一是，就数字贸易相关制度，要在国际舞台上做首倡者，从而在推动全球数字贸易重构中掌握先机；二是，就跨境市场流通、信息基础设施等议题，要优化治理模式。如通过塑造更为透明、开放的政策和营商环境，为跨境中小企业的发展提供沃土；利用“一带一路”建设推动信息基础设施建设普惠化。这种具有中国特色的治理模式将更具国际竞争力也更有利于国际化，也可为提升全球数字贸易规则制定的话语权创造前提条件。
二 应积极提升自身全球治理的能力与灵活度
中国应注重发挥自身在当前诸边谈判中的作用，努力团结数字贸易成长国伙伴，积极帮助数字贸易后发国伙伴，共同抵制不公平、不普惠的谈判主张，与数字贸易强国求同存异，争取先在分歧较小的议题上达成初步共识，制定相关制度和标准，打破数字贸易发展的阻碍和壁垒。碍于WTO规则内容和管辖对象等问题，并非所有的电子商务领域的议题都适合拿到WTO进行协商谈判，谈判方之间的共识和发展水平的差异决定了谈判适合的场所和机制。包含中国在内的各国应充分认识到诸边谈判的全面灵活性，更多地通过诸边谈判推动、影响区域性的国际谈判，继而对WTO的多边贸易谈判进程产生联动和协同效应。
三 将跨境电子商务上的实践优势转化为规则制定优势
以跨境电子商务为轴，继续推动数字贸易便利化设施和政策完善，力争在跨境电子商务领域建立真正公平的规则框架，这是中国的特定议题权力。在未来的电子商务谈判中，中国应巧妙地采用议题联系的策略，首先考虑将“跨境电子商务”议题与“信息基础设施”议题、“跨境市场流通”议题进行联系。必要时，可以将上述三个议题与“网络安全与隐私保护”“统一标准与法律保障”捆绑打包，签订“一揽子”协议，对谈判产生的利益进行合理调配，对谈判带来的不利影响进行有效抵补。
① 数据来源于《中国数字贸易发展报告2020》。
② Comparative Political Data Set (CPDS: 1960—2014)数据库是一系列国家级的政治和机构数据的集合，由伯尔尼大学的Klaus Armingeon教授及其合作者提供，由瑞士国家科学基金会资助。该数据集包括36个民主经济合作组织和(或)欧盟成员国1960年至2014年期间的年度数据，同时包含了一些经济、社会和人口变量参数，适用于跨国家、纵向和面板数据分析。
③ 覆盖的案例主要是以标记大号的●或⊗符号即核心条件来统计的，符号出现的次数代表核心条件所在或覆盖的案例数。
-
表 1 农信机构数字化转型指标构成
一级指标 二级指标 投入(10%) 科技投入占比(%)=科技投入/营业收入 组织(20%) 是否单设科技部门(是或否)：“是”取1，“否”取0 董(理)事会是否下设与科技或金融科技有关的专门委员会(是或否)：“是”取1，“否”取0 科技部门员工占比(%)=(科技岗位员工数量+外包开发人员数量)/员工总数 业务(30%) 农e贷占比(%)=农e贷余额/贷款余额 电子交易替代率(%) 手机银行客户占比(%)=手机银行客户数/客户总数 网上银行客户占比(%)=网上银行客户数/客户总数 办公数字化(30%) 科技部门自行开发的内部系统或工具的访问量(次) 科技部门自行开发的外部系统或工具的访问量(次) 科技部门自行开发的报表数量(张) 科技部门自行开发的电子化流程数量(个) 科技部门自行开发的系统或工具(个) 业务合作(10%) 合作的金融科技公司数量(家) 
下载: 导出CSV
表 2 主要变量定义及描述性统计
变量名称 变量定义 平均值 标准差 最小值 最大值 lnLoan 金融机构农户信贷供给规模取对数(元) 11.568 76 1.387 819 7.972 811 14.648 42 interest 农户贷款年利率 0.092 87 0.024 062 0.043 5 0.130 625 default 农户贷款是否违约(0/1) 0.143 001 0.350 074 0 1 default_1 农户贷款本金是否违约(0/1) 0.142 738 0.349 805 0 1 lndefault_amt 农户贷款违约金额取对数(元) 1.607 828 3.965 752 0 12.899 22 lnDis_bank 农户距离乡镇行社网点的距离取对数(米) 8.280 385 1.265 888 4.262 68 10.657 28 lnDis_town 农户距离乡镇政府的距离取对数(米) 8.067 497 1.171 7 4.262 68 11.432 81 lnDis_country 农户距离区县联社的距离取对数(米) 9.592 57 1.219 081 5.993 961 11.840 08 Fintech100 银行数字化水平 1.636 731 1.087 381 0.241 11.51 business 农户是否为个体经营户(0/1) 0.429 853 0.495 055 0 1 poverty 农户是否为贫困户(0/1) 0.219 779 0.414 097 0 1 gender 农户是否为男性(0/1) 0.798 051 0.401 455 0 1 age 农户年龄(岁) 42.651 47 9.562 516 20 91 lnincome 农户家庭年收入取对数(元) 12.250 74 0.866 792 9.392 745 15.039 29 edu 农户受教育水平(序数变量1—6) 3.442 855 0.807 718 1 6 party 农户是否党员(0/1) 0.023 755 0.152 285 0 1 health 农户健康状况(序数变量1—3) 2.960 112 0.213 665 1 3 marriage 农户是否处于婚姻状态(0/1) 0.750 218 0.432 887 0 1 newfarmer 农户是否为新型经营主体(0/1) 0.680 57 0.466 256 0 1 lnasset 银行资产规模取对数(万元) 13.905 73 0.829 913 11.967 22 15.437 7 Car 银行资本充足率 0.188 831 0.027 485 0.124 0.271 7 Roa 银行资产利润率 0.016 467 0.006 49 0.000 1 0.029 3 Ldr 银行存贷比 0.637 281 0.085 19 0.39 0.869 9 Cost_rev 银行成本收入比 0.313 126 0.031 982 0.242 7 0.444 8 Reform 农信社是否改制(0/1) 0.376 123 0.484 412 0 1 R_farmLoan 银行农户贷款占总贷款比重 0.771 978 0.131 165 0.103 631 0.952 141 HHI_reverse 1-农户所在区县银行业HHI 0.740 435 0.063 697 0.592 593 0.861 029
下载: 导出CSV
表 3 地理距离对金融机构农户信贷供给规模的影响
变量 (1)
lnLoan(2)
lnLoan(3)
lnLoanlnDis_bank -0.072 1*** -0.036 7*** -0.045 5*** (0.001 21) (0.000 937) (0.000 930) lnasset 0.113*** (0.002 90) Car -0.889*** (0.053 0) Roa 27.12*** (0.344) Ldr -1.428*** (0.014 6) Cost_rev 1.640*** (0.058 6) Reform -0.043 9*** (0.003 77) R_farmLoan -0.514*** (0.015 1) HHI_reverse 1.550*** (0.031 9) 农户层面变量 未控制 控制 控制 Constant 12.17***
(0.010 1)2.970***
(0.028 0)1.264***
(0.061 0)年份固定效应 控制 控制 控制 Observations 808 084 808 084 808 084 R-squared 0.005 0.391 0.409 注：括号内为稳健标准误；*、**、***分别表示10%、5%和1%的显著性水平，下表同。
下载: 导出CSV
表 4 地理距离、数字化转型与金融机构农户信贷供给规模
变量 (1)
lnLoan(2)
lnLoan(3)
lnLoanDis×Fintech 0.025 6*** 0.014 7*** 0.014 4*** (0.001 45) (0.001 26) (0.001 29) Fintech100 -0.113*** -0.088 3*** -0.132*** (0.011 9) (0.010 5) (0.010 9) lnDis_bank -0.104*** -0.056 7*** -0.0667*** (0.002 41) (0.001 97) (0.002 00) 农户层面变量 未控制 控制 控制 银行层面变量 未控制 未控制 控制 Constant 12.27*** 3.138*** 1.372*** (0.020 1) (0.031 5) (0.064 9) 年份固定效应 控制 控制 控制 Observations 808 084 808 084 808 084 R-squared 0.012 0.391 0.409
下载: 导出CSV
表 5 地理距离、农户数字金融素养和金融机构农户信贷供给规模
变量 (1)
lnLoan(2)
lnLoanDis×Fintech×edu 0.010 7*** 0.00516*** (0.001 93) (0.001 61) Fintech100 -0.031 1 -0.209*** (0.053 7) (0.048 9) lnDis_bank 0.163*** 0.061 2*** (0.010 9) (0.008 96) Dis×Fintech -0.010 9* -0.001 81 (0.006 56) (0.005 84) Dis×edu -0.081 3*** -0.037 9*** (0.003 28) (0.002 54) Fintech×edu -0.024 5 0.014 2 (0.015 7) (0.013 4) edu 0.268*** 0.190*** (0.027 1) (0.021 3) 农户层面变量 未控制 控制 银行层面变量 未控制 控制 Constant 11.45*** 0.511*** (0.090 3) (0.095 6) 年份固定效应 控制 控制 Observations 808 084 808 084 R-squared 0.046 0.411
下载: 导出CSV
表 6 地理距离、银行竞争和金融机构农户信贷供给规模
变量 (1)
lnLoan(2)
lnLoanDis×Fintech×HHI_reverse -0.010 3 0.043 0* (0.028 2) (0.023 9) Fintech100 -0.142 0.453*** (0.185) (0.154) lnDis_bank 0.260*** 0.130*** (0.028 0) (0.023 1) Dis×Fintech 0.048 2** -0.014 3 (0.022 0) (0.018 4) Dis×HHI_reverse -0.542*** -0.277*** (0.037 4) (0.031 0) Fintech×HHI_reverse -0.179 -0.797*** (0.237) (0.200) HHI_reverse 7.134*** 4.436*** (0.317) (0.263) 农户层面变量 未控制 控制 银行层面变量 未控制 控制 Constant 7.365***
(0.237)-0.597***
(0.202)年份固定效应 控制 控制 Observations 808 084 808 084 R-squared 0.022 0.409
下载: 导出CSV
表 7 地理距离、银行商业化程度和金融机构农户信贷供给规模
变量 (1)
lnLoan(2)
lnLoanDis×Fintech×Reform 0.049 9*** 0.005 49* (0.003 74) (0.002 90) Fintech100 0.293*** 0.032 8* (0.024 8) (0.018 4) lnDis_bank -0.059 3*** -0.059 2*** (0.003 83) (0.002 79) Dis×Fintech -0.017 5*** 0.001 51 (0.003 03) (0.002 22) Dis×Reform -0.047 9*** 0.032 6*** (0.006 34) (0.005 03) Fintech×Reform -0.570*** -0.120*** (0.030 9) (0.024 1) Reform 0.964*** -0.198*** (0.053 3) (0.042 8) 农户层面变量 未控制 控制 银行层面变量 未控制 控制 Constant 11.74*** 1.516*** (0.031 8) (0.068 1) 年份固定效应 控制 控制 Observations 808 084 808 084 R-squared 0.024 0.410
下载: 导出CSV
表 8 地理距离、担保方式和金融机构农户信贷供给规模
变量 (1)
保证、抵押和质押贷款
lnLoan(2)
信用贷款
lnLoanDis×Fintech 0.001 20 0.019 6*** (0.001 06) (0.002 85) Fintech100 0.197*** -0.259*** (0.008 77) (0.024 7) lndis_bank -0.018 1*** -0.049 2*** (0.001 64) (0.004 13) 农户层面变量 控制 控制 银行层面变量 控制 控制 Constant 4.120*** 3.476*** (0.057 5) (0.152) 年份固定效应 控制 控制 Observations 680 661 127 423 R-squared 0.337 0.490
下载: 导出CSV
表 9 地理距离、贷款期限和金融机构农户信贷供给规模
变量 (1)
三年及以下贷款
lnLoan(2)
三年以上贷款
lnLoanDis×Fintech 0.000 177 0.004 48* (0.001 51) (0.002 52) Fintech100 0.177*** 0.136*** (0.012 0) (0.021 1) lnDis_bank -0.017 7*** -0.043 4*** (0.002 20) (0.003 80) 农户层面变量 控制 控制 银行层面变量 控制 控制 Constant 2.498*** 4.457*** (0.065 6) (0.143) 年份固定效应 控制 控制 Observations 616 901 191 183 R-squared 0.327 0.604
下载: 导出CSV
表 10 地理距离、贷款投向和金融机构农户信贷供给规模
变量 (1)
其他贷款
lnLoan(2)
农林牧渔贷款
lnLoanDis×Fintech 0.011 2*** 0.026 5*** (0.001 55) (0.002 50) Fintech100 -0.110*** -0.242*** (0.012 8) (0.022 2) lnDis_bank -0.064 3*** -0.070 0*** (0.002 65) (0.003 27) 农户层面变量 控制 控制 银行层面变量 控制 控制 Constant 1.527*** 1.386*** (0.082 4) (0.110) 年份固定效应 控制 控制 Observations 493 743 314 341 R-squared 0.442 0.349
下载: 导出CSV
表 11 指标替换
变量 (1)
lnLoan(2)
lnLoan(3)
lnLoan(4)
lnLoanlnDis_country -0.147*** -0.108*** -0.164*** -0.091 2*** (0.001 22) (0.001 01) (0.002 79) (0.002 29) Dis_country×Fintech 0.035 4*** 0.002 66* (0.001 69) (0.001 43) Fintech100 0.243*** 0.431*** (0.015 7) (0.013 2) 农户层面变量 未控制 控制 未控制 控制 银行层面变量 未控制 控制 未控制 控制 Constant 12.98*** 1.522*** 12.28*** 0.469*** (0.011 9) (0.059 6) (0.026 4) (0.076 2) 年份固定效应 控制 控制 控制 控制 Observations 808 084 808 084 808 084 808 084 R-squared 0.018 0.415 0.164 0.477
下载: 导出CSV
表 12 Fintech100滞后一期
变量 (1)
lnLoan(2)
lnLoan(3)
lnLoanDis×Fintech_1 0.026 3*** 0.015 9*** 0.012 8*** (0.001 77) (0.001 60) (0.001 62) Fintech100_1 -0.128*** -0.108*** -0.109*** (0.014 6) (0.013 3) (0.013 5) lnDis_bank -0.100*** -0.055 1*** -0.058 4*** (0.002 87) (0.002 44) (0.002 45) 农户层面变量 未控制 控制 控制 银行层面变量 未控制 未控制 控制 Constant 12.29***
(0.024 0)3.362***
(0.038 7)1.062***
(0.086 8)年份固定效应 控制 控制 控制 Observations 546 811 546 811 546 811 R-squared 0.009 0.344 0.363
下载: 导出CSV
-
[1] STIGLITZ J E, WEISS A. Credit rationing in markets with imperfect information[J]. The American economic review, 1981, 71(3): 393-410. https://papers.ssrn.com/sol3/papers.cfm?abstract_id=1505257
[2] 周立. 农村金融市场四大问题及其演化逻辑[J]. 财贸经济, 2007(2): 56-63. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ200702009.htm [3] 何广文, 何婧, 郭沛. 再议农户信贷需求及其信贷可得性[J]. 农业经济问题, 2018(2): 38-49. https://www.cnki.com.cn/Article/CJFDTOTAL-NJWT201802006.htm [4] 朱喜, 马晓青, 史清华. 信誉、财富与农村信贷配给——欠发达地区不同农村金融机构的供给行为研究[J]. 财经研究, 2009, 35(8): 4-14. doi: 10.3969/j.issn.1001-9952.2009.08.001 [5] 马九杰, 吴本健, 周向阳. 农村金融欠发展的表现、成因与普惠金融体系构建[J]. 理论探讨, 2013(2): 74-78. doi: 10.3969/j.issn.1000-8594.2013.02.017 [6] 王国刚. 从金融功能看融资、普惠和服务"三农"[J]. 中国农村经济, 2018(3): 2-14. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201803001.htm [7] 熊德平. 农村金融与农村金融发展: 基于交易视角的概念重构[J]. 财经理论与实践, 2007(2): 8-13. doi: 10.3969/j.issn.1003-7217.2007.02.002 [8] 曹凤岐. 建立多层次农村普惠金融体系[J]. 农村金融研究, 2010(10): 64-67. doi: 10.3969/j.issn.1003-1812.2010.10.014 [9] 焦瑾璞. 普惠金融体系建设的关键问题[J]. 中国农村金融, 2014(16): 27. doi: 10.3969/j.issn.1674-9162.2014.16.006 [10] 张启文, 刘佩瑶. 政府干预对金融机构与家庭农场信贷供需博弈影响分析[J]. 农业经济与管理, 2020(2): 67-73. doi: 10.3969/j.issn.1674-9189.2020.02.008 [11] 周南, 许玉韫, 刘俊杰, 等. 农地确权、农地抵押与农户信贷可得性——来自农村改革试验区准实验的研究[J]. 中国农村经济, 2019(11): 51-68. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201911004.htm [12] 庄希勤, 蔡卫星. 当乡村振兴遇上"离乡进城"的银行: 银行地理距离重要吗?[J]. 中国农村观察, 2021(1): 122-143. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNCG202101008.htm [13] PRESBITERO A F, RABELLOTTI R. Geographical distance and moral hazard in microcredit: evidence from Colombia[J]. Journal of international development, 2014, 26(1): 91-108. doi: 10.1002/jid.2901
[14] QIN L, REN R, LI Q. The dual threshold limit of financing and formal credit availability with Chineserural households: an investigation based on a large scale survey[J]. Sustainability, 2018, 10: 1-18. https://ideas.repec.org/a/gam/jsusta/v10y2018i10p3577-d174140.html
[15] 董静, 汪立, 吴友. 地理距离与风险投资策略选择——兼论市场环境与机构特质的调节作用[J]. 南开管理评论, 2017(2): 4-16. doi: 10.3969/j.issn.1008-3448.2017.02.002 [16] DEGRYSE H, ONGENA S. Distance, lending relationships, and competition[J]. Journal of finance, 2005, 60(1): 231-266. doi: 10.1111/j.1540-6261.2005.00729.x
[17] ALESSANDRINI P, PRESBITERO A F, ZAZZARO A. Banks, distances and firms' financing constraints[J]. Review of finance, 2009, 13(2): 261-307. https://academic.oup.com/rof/article/13/2/261/2886495
[18] AGARWAL S, HAUSWALD R. Distance and private information in lending[J]. Review of financial studies, 2010, 23(7) : 2757-2788. https://academic.oup.com/rfs/article/23/7/2757/1586564
[19] HOLLANDER S, VERRIEST A. Bridging the gap: the design of bank loan contracts and distance[J]. Journal of financial economics, 2016, 119(2): 399-419. https://www.sciencedirect.com/science/article/pii/S0304405X15001737
[20] 张烁珣, 独旭. 银行可得性与企业融资: 机制与异质性分析[J]. 管理评论, 2019, 31(5): 3-17. https://www.cnki.com.cn/Article/CJFDTOTAL-ZWGD201905122.htm [21] BELLUCCI A, BORISOV A, ZAZZARO A. Do banks price discriminate spatially? Evidence from small business lending in local credit markets[J]. Journal of banking & finance, 2013, 37(11): 4183-4197. https://www.sciencedirect.com/science/article/pii/S0378426613002975
[22] 李华民, 吴非. 银行规模、贷款技术与小企业融资[J]. 财贸经济, 2019, 40(9): 84-101. https://www.cnki.com.cn/Article/CJFDTOTAL-CMJJ201909007.htm [23] 王富燕, 刘丹. 我国农户信贷需求影响因素研究: 一个文献综述[J]. 时代金融, 2018(36): 227-229. https://www.cnki.com.cn/Article/CJFDTOTAL-YNJR201836155.htm [24] DOUMA H, BETTIOUI N, BENDOB A. The role of financial exclusion in weakening the performance of banks: dynamic panel data analysis in Algeria and Tunisia[J]. International journal of financial innovation in banking. 2020, 2(4): 279-303.
[25] 李建军, 韩珣. 普惠金融、收入分配和贫困减缓——推进效率和公平的政策框架选择[J]. 金融研究, 2019(3): 129-148. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ201903008.htm [26] ZHONG W, JIANG T. Can internet finance alleviate the exclusiveness of traditional finance? Evidence from Chinese P2P lending markets[J]. Finance research letters, 2020, 40(2): 101731.
[27] 谢绚丽, 沈艳, 张皓星, 等. 数字金融能促进创业吗?——来自中国的证据[J]. 经济学(季刊), 2018, 17(4): 1557-1580. https://www.cnki.com.cn/Article/CJFDTOTAL-JJXU201804012.htm [28] 樊文翔. 数字普惠金融提高了农户信贷获得吗?[J]. 华中农业大学学报(社会科学版), 2021(1): 109-119. https://www.cnki.com.cn/Article/CJFDTOTAL-HZND202101014.htm [29] 胡金焱, 李建文, 张博. P2P网络借贷是否实现了普惠金融目标[J]. 世界经济, 2018, 41(11): 169-192. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ201811009.htm [30] 吴本健, 毛宁, 郭利华. "双重排斥"下互联网金融在农村地区的普惠效应[J]. 华南师范大学学报(社会科学版), 2017(1): 94-100. [31] 粟芳, 方蕾. 中国农村金融排斥的区域差异: 供给不足还是需求不足?——银行、保险和互联网金融的比较分析[J]. 管理世界, 2016(9): 70-83. https://www.cnki.com.cn/Article/CJFDTOTAL-JLNY201206024.htm [32] 何婧, 田雅群, 刘甜, 等. 互联网金融离农户有多远——欠发达地区农户互联网金融排斥及影响因素分析[J]. 财贸经济, 2017, 38(11): 70-84. [33] 王修华, 赵亚雄. 数字金融发展是否存在马太效应[J]. 金融研究, 2020(7): 114-133. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202007007.htm [34] 彭红枫, 杨柳明, 谭小玉. 基于演化博弈的金融创新与激励型监管关系研究[J]. 中央财经大学学报, 2016(9): 92-100. https://www.cnki.com.cn/Article/CJFDTOTAL-DJRY202101009.htm [35] 米传民, 徐润捷, 陶静. 互联网金融空间聚集分析及系统性风险防范——基于t-SNE机器学习模型[J]. 财经论丛, 2019(8): 53-62. https://www.cnki.com.cn/Article/CJFDTOTAL-CJLC201908007.htm [36] 郭熙保, 周强. 长期多维贫困、不平等与致贫因素[J]. 经济研究, 2016, 51(6): 143-156. [37] 肖时花, 吴本健, 马九杰. 地理区位差异与贫困农户信贷约束成因研究[J]. 农村金融研究, 2019(1): 51-55. https://www.cnki.com.cn/Article/CJFDTOTAL-NCJR201901014.htm [38] COASE H R. The nature of the firm[J]. Economica, 1937, 4(16): 386-405.
[39] WILLIAMSON E O. Markets and hierarchies: analysis and antitrust implications[M]. NewYork: Free Press, 1975: 82-89.
[40] CERQUEIRO G, STEVEN O, KASPER R. Collateralization, bank loan rates, and monitoring[J]. The journal of finance, 2014, 70(2) : 12 -57.
[41] 张笑, 胡金焱. 地理距离、信息不对称与借款人违约风险[J]. 山东大学学报(哲学社会科学版), 2020(1): 143-153. https://www.cnki.com.cn/Article/CJFDTOTAL-SDZS202001015.htm [42] 周月书, 王雨露, 彭媛媛. 农业产业链组织、信贷交易成本与规模农户信贷可得性[J]. 中国农村经济, 2019(4): 41-54. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201904004.htm [43] DEYOUNG R, GLENNON D, NIGRO P. Borrower-lender distance, credit scoring, and loan performance: evidence from informational-opaque small business borrowers[J]. Journal of financial intermediation, 2008, 17(1): 113-143. https://www.sciencedirect.com/science/article/pii/S1042957307000587
[44] 张勋, 万广华. 中国的农村基础设施促进了包容性增长吗?[J]. 经济研究, 2016, 51(10): 82-96. [45] 程名望, 张家平. 互联网普及与城乡收入差距: 理论与实证[J]. 中国农村经济, 2019(2): 19-41. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201902002.htm [46] 程郁, 韩俊, 罗丹. 供给配给与需求压抑交互影响下的正规信贷约束: 来自1874户农户金融需求行为考察[J]. 世界经济, 2009(5): 73-82. https://www.cnki.com.cn/Article/CJFDTOTAL-SJJJ200905007.htm [47] 马九杰, 崔恒瑜, 王雪, 等. 设立村镇银行能否在农村金融市场产生"鲶鱼效应"?——基于农信机构贷款数据的检验[J]. 中国农村经济, 2021(9): 57-79. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ202109004.htm [48] CHONG T L, LU L, ONGENA S. Does banking competition alleviate or worsen credit constraints faced by small-and medium-sized enterprises? Evidence from China[J]. Journal of banking & finance, 2013, 37(9): 3412-3424. https://www.sciencedirect.com/science/article/pii/S0378426613002240
[49] LEON, F. Does bank competition alleviate credit constraints in developing countries?[J]. Journal of banking & finance, 2015, 57: 130-142. https://www.sciencedirect.com/science/article/pii/S0378426615000813
[50] 黄惠春, 杨军. 县域农村金融市场结构与农村信用社绩效关系检验——基于GMM动态面板模型[J]. 中国农村经济, 2011(8): 63-71. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ201108008.htm [51] 谭燕芝, 杨芸. 市场化竞争对金融支农水平影响的分析——基于省际面板数据的实证研究[J]. 经济经纬, 2016, 33(3): 25-30. [52] MARQUZE R. Competition, adverse selection, and information dispersion in the banking industry[J]. The review of financial studies, 2002, 15(3): 901-926.
[53] 黄益平, 王敏, 傅秋子, 等. 以市场化、产业化和数字化策略重构中国的农村金融[J]. 国际经济评论, 2018(3): 106-124. https://www.cnki.com.cn/Article/CJFDTOTAL-GJPP201803006.htm [54] 何广文. 中国农村金融供求特征及均衡供求的路径选择[J]. 中国农村经济, 2001(10): 40-45. https://www.cnki.com.cn/Article/CJFDTOTAL-ZNJJ200110006.htm [55] 中国人民银行武汉分行征信管理处课题组. 商业银行贷款投向与贷款质量的关系研究[J]. 武汉金融, 2008(9): 45-47. https://www.cnki.com.cn/Article/CJFDTOTAL-YHQY200809017.htm -
期刊类型引用(4)
1. 索晨瑶，李春言，陈飞. 数字经济背景下国际贸易成本的研究进展. 中国商论. 2025(01): 36-39 . 
百度学术
2. 杜冰清. 自由贸易协定中的数字贸易规则研究. 中国商论. 2023(01): 50-52 . 百度学术
3. 陈飞，赵利媛，蒋文珂，熊立春. 贸易伙伴国数字新基建对中国林产品出口贸易成本的影响研究. 林业经济. 2023(03): 79-96 . 百度学术
4. 张茜，黄馨毅. 跨文化视角下国际商务谈判的现实困境与纾解策略. 广州城市职业学院学报. 2023(02): 66-70+75 . 百度学术
其他类型引用(4)
计量
- 文章访问数: 205
- HTML全文浏览量: 246
- PDF下载量: 68
- 被引次数: 8
