其中𝛿𝑖为各变量的系数，𝜀𝑖𝑡为误差项。
由于第一二三产业占GDP比重存在明显的相互关系，为解决多重共线性问题应剔除部分变量。考虑到本文所采用的数字普惠金融指数在构造过程中多从需求端出发，与第二产业特别是其中的规模以上企业关联度低。①故保留第三产业占GDP比重，剔除第二产业占GDP比重，修改模型为：
𝑡𝑒𝑖𝑡=𝛿0+𝛿1𝐼𝑁𝐷1𝑖𝑡+𝛿2𝐼𝑁𝐷3𝑖𝑡+𝛿3𝑃𝑒𝑟𝑅𝑒𝑔𝑢𝑙𝑎𝑟𝑖𝑡+𝛿4𝑃𝑒𝑟𝐻�𝑔ℎ𝑒𝑟𝑖𝑡+𝛿5𝐺𝑎𝑝𝑖𝑡+𝛿6𝑈𝑛𝑒𝑚𝑝𝑙𝑜𝑦𝑖𝑡+𝛿7𝑈𝑟𝑏𝑎𝑛𝑖𝑡+𝜀𝑖𝑡 (12)
第六章 结论与建议
（一）结论
本文研究采用“两步法”，首先运用随机前沿分析测算地区数字普惠金融效率，而后应用固定效应模型对差异成因进行分析。随机前沿分析结果表明，2011-2019年各区域数字普惠金融效率稳步提升，差距逐步缩小，我国数字普惠金融实现高效增长。从分布上看，数字普惠金融效率值的空间聚集性不明显。侧面体现出数字普惠金融能够突破地理距离限制，为落后地区提供正规金融服务便利。固定效应模型结果表明，产业结构、教育结构以及城乡收入差距对数字普惠金融效率有显著影响。产业结构中，第一、二产业分别对数字普惠金融效率有负向和正向的影响。在地区教育结构上，高等教育占比的提升有利于数字普惠金融效率的提升。而高水平的城乡收入差距则明显拉低了数字普惠金融的效率。此外，稳定性检验和异质性分析的结果说明，以上三方面因素对于不同区域的影响存在一定程度的差异。在提出建议时，需要有针对性。
以上实证结果表明，进一步发展数字普惠金融、提高数字普惠金融效率，既需要数字普惠金融体系本身的发展，也需要社会经济中其他因素的协同作用。因此，本文试图围绕金融、产业以及财政等方面，给出以下建议。
参考文献（略）
