[21]。綜上所述，本文假設數字普惠金融對福建省居民城鄉收入水平和促進該地區經濟增長有正向影響。（二）指標與變量確定借鑒已有學者對數字普惠金融的研究成果，本文選取2014-2020年福建省各市中的九個城市（福州市、廈門市、莆田市、三明市、泉州市、漳州市、南平市、龍巖市和寧德市）的歷年統計年鑒和數字普惠金融指數作為變量：1、被解釋變量城鄉居民人均可支配收入（Y）：是指城鄉居民家庭那部分可以用于日常生活的收入，在根本情況上反映該地區城鄉居民生活水平的高低。2、核心解釋變量數字普惠金融發展指數（DIFI）：數字普惠金融市場指數包括覆蓋廣度和應用進行深度學習以及數字支出服務程度三個問題主要研究方面，著重體現的是普惠金融的數字化發展，以及數字普惠金融的實際經濟發展研究狀況。3、控制變量財政支出水平（GE）：采用一般公共預算支出占地區GDP的比例，為了更好的反映數字普惠金融發展對城鄉居民的影響，我們將財政支出水平放入模型之中。經濟發展水平（RGDP）：采用人均生產總值來衡量該地區社會經濟的發展情況。（三）模型設定借鑒已有學者對數字普惠金融的研究成果，本文采用隨機效應模型、固定效應模型、混合回歸模型，根據選擇的數據類型，構建模型如下：Yit=β0+β1DIFIitβ2GEit+β3RGDPit+εit其中：i表示各市，t表示年份，β0為代估參數，εit為隨機擾動項。（四）數據來源及處理本文采集北京大學數字金融研究中心編制的2014年-2020年數字普惠金融發展指標與福建省各年統計年鑒所收集的城鄉居民人均可支配收入、數字普惠金融發展指數、一般公共預算支出、地區生產總值、人均生產總值的數據，并做如下處理：將城鄉居民人均可支配收入單位，元改換為百元；將地區一般公共預算支出占地區生產總值的比值以代表地區財政支出水平；將數字普惠金融指數和地區財政支出水平的數值保留四位小數點，以便后續實證分析，最終各項數據如表5-1所示。表5-12014-2020年福建省各市指標數值年市城鄉居民人均可支配收入（百元）數字普惠金融發展指數財政支出水平人均（元）生產總值2014福州市140.12121.79350.1112699952015福州市152.03002.09400.1292752592016福州市163.46002.26290.1339822512017福州市409.73002.57850.1325930472018福州市194.19002.72670.11771020372019福州市213.20002.85120.07111208792020福州市226.69002.96090.09501210152014廈門市162.19551.88260.1713868322015廈門市175.58002.18390.1879903792016廈門市188.85002.38030.2005972822017廈門市500.19002.71240.18321097532018廈門市224.10002.84910.18631180152019廈門市248.02003.01470.12821427392020廈門市266.12003.14270.15301239622014莆田市128.28791.49140.1051528902015莆田市138.82001.87900.1140578882016莆田市151.31002.12210.1135633142017莆田市344.90002.41120.1127699362018莆田市179.91002.56470.1017773252019莆田市196.87002.70230.0551893422020莆田市208.23002.81330.0969827532014三明市116.65181.51250.1227645902015三明市128.06001.85860.1405679782016三明市139.18002.09720.1364732612017三明市322.61002.35560.1384821342018三明市166.01002.48220.1262914062019三明市183.12002.58140.04141006412020三明市195.33002.69570.12381083042014泉州市145.86031.60620.0831682542015泉州市158.61001.95460.0880724212016泉州市171.79002.14540.0899777842017泉州市426.96002.43430.0845876132018泉州市202.77002.62140.0747976142019泉州市221.42002.76140.04601140672020泉州市234.59002.87610.07041157682014漳州市126.90151.53830.1095506852015漳州市138.66001.84330.1286555692016漳州市153.20002.04190.1181621962017漳州市333.59002.37960.1216695282018漳州市181.86002.52480.1089771022019漳州市198.85002.64930.0463920742020漳州市211.03002.75170.0979898342014南平市112.51541.51900.1545470442015南平市122.64001.83490.1792509292016南平市133.31002.04160.1714550092017南平市300.70002.31950.1750606942018南平市158.68002.43410.1654667602019南平市173.85002.54060.0483740362020南平市185.57002.63850.1662749032014龍巖市120.54431.58020.1270627302015龍巖市132.74001.89500.1484668652016龍巖市144.29002.12800.1447723542017龍巖市330.22002.40490.1392817132018龍巖市171.54002.53530.1260906552019龍巖市188.59002.65370.05811014762020龍巖市201.50002.75940.11611055482014寧德市113.01881.62220.1453483692015寧德市123.91001.93580.1667520062016寧德市135.16002.13550.1644563582017寧德市305.02002.42780.1692606652018寧德市161.47002.56560.1539668782019寧德市178.04002.68970.0517842512020寧德市190.50002.82400.136383541資料來源：福建省各年統計年鑒和北京大學數字普惠金融指數眾所周知，面板數據的建模方法有三類，依次是隨機效應模型、固定效應模型、以及混合回歸模型。該文根據北京大學數字金融研究中心編制的2014年-2020年數字普惠金融發展指標與福建省各年統計年鑒所收集的數據為基礎，依次采用了這三個模型，并分別對數字普惠金融對福建城鄉收入的影響做出了實證檢驗。表5-2隨機效應模型、固定效應模型、以及混合回歸模型實證檢驗(1)(2)(3)VARIABLES隨機效應模型固定效應模型混合回歸模型數字普惠金融指數(DIFI)102.010**-19.816121.700**(2.07)(-0.49)(2.58)財政支出水平（GE）-200.301-312.851-184.143(-1.58)(-1.52)(-1.66)經濟發展水平（RGDP）0.001**0.0010.001*(2.18)(1.84)(2.18)Constant-61.059145.361*-88.190(-0.99)(2.30)(-1.45)Observations636363R-squared0.9560.9580.948Numberofcityid99CompanyFENOYESNOYearFEYESYESYESz-statisticsinparentheses***p<0.01，**p<0.05，*p<0.1從表5-2的結果分析來看，固定效應進行模型的結果不顯著，隨機效應研究模型和混合回歸方程模型的顯著性水平較好，但是具體使用哪一種模型，還需進一步檢驗。首先，對該模型進行了豪斯曼測試，由表5-2所得模型的Hausman檢驗的t統計量為2.54，P值為0.6375，大于顯著性水平10%，因此，可以初步確定為隨機效應模型。接下來，進行LM檢驗，檢驗使用隨機效應模型還是混合回歸模型。從表5-3可以看出，LM測試結果拒絕了原始假設，因此，確定使用隨機效應模型。表5-3Hausman檢驗、LM檢驗modelchi-squarestatisticprobconclusionHausman2.540.6375隨機效應模型LM2.470.0579表5-4隨機效應模型檢驗Income1Coef.Std.Err.ZP>|z|[95%Conf.Interval]Digtal102.010449.302882.070.0395.378508198.6422GE-200.301126.6072-1.580.114-448.446647.84457RGDP.0008308.00038092.180.029.0000843.0015773year2015-21.6863716.77258-1.290.196-54.5600211.187272016-35.6591824.66813-1.450.148-84.0078212.689462017137.147936.540433.750.00065.52995208.76582018-67.6883741.67625-1.620.104-149.372313.995572019-88.5066147.48933-1.860.062-181.5844.5707762020-74.3654750.45712-1.470.141-173.259624.52867_Cons-61.0589361.39621-0.990.320-181.393359.27542資料來源：福建省各年統計年鑒（五）實證結果與討論由表5-4可知，模型回歸方程調整R方為0.9563，可以看出樣本的擬合優度良好，且具有很強解釋意義。模型wald統計