金融发展对我国城乡收入差距影响的实证分析

景 楠，王 彤

（1.西安外国语大学 商学院,西安 710043；2.西安高新区管委会，西安 710043）

0 引言

改革开放以来，我国开始步入经济的飞速增长期，年均GDP维持在9%以上，国内投资活动活跃，国际贸易高速增长。同时，居民收入也稳步上升，但也带来了城乡居民收入不断扩大的问题。另一方面，金融业成为了促进我国现代经济发展的核心力量，为实体经济的发展提供资金支持和服务支撑，发挥着资金融通的枢纽作用，并通过对资金流向的控制而间接影响居民的收入增长水平。但主流经济学就金融发展对城乡收入差距的研究，并没有定论。本文从金融发展的“质”和“量”这两个层次出发，在控制地区经济发展水平、产业结构差异以及政府行为等控制变量的基础上，基于1994～2013年284个地级市的PVAR数据，实证检验了金融发展对城乡收入差距的影响。同时，为了剔除地区差异的影响，我们分东中西部分别进行了实证检验。本文的研究，将为消除或缩减城乡收入差距提供理论指导和借鉴意义。

1 变量选取、数据来源与模型构造

对于PVAR（面板VAR）模型而言，可以将多元回归方程所有变量的滞后项都引入到方程。面板VAR相对于VAR而言，具有较多的优点：可以基于微观理论模型来分析面板数据间的动态关系，将目标变量之间的时序关系作为内生系统来对待；同时，面板模型可以更好的利用各个截面点的信息，带来更有效的模型估计结果。从估计方法来看，正交化脉冲响应函数和动态GMM方法是常采用的方法，前者可以考察不同自变量对因变量的动态影响，后者可以有效考察因变量在时序上的内生关系。

1.1 模型设定

对于PVAR模型而言，通常包括三个部分：（1）利用广义矩方法来考察变量之间的回归关系；（2）利用脉冲响应函数来考察各个变量对冲击的响应；（3）通过方差分解来考察方差项中各个影响因素的大小。此时，我们可以建立一个三阶滞后PVAR模型：

其中，yit≡[ ]GAPit，FRit，FEit表示基于面板数据的内生变量，GAP表示城乡收入差距，FR表示金融发展规模，FE表示地区金融发展效率；i表示地级市，t表示时间；ϒ和Γ分别滞后一期和滞后二期的系数矩阵；ai表示个体效应，βt表示时间效应；Con表示其他控制变量，λ表示控制变量的系数矩阵。

1.2 变量选取

我们选取以下变量来考察金融发展对城乡收入差距的影响：

（1）城乡收入差距（GAP）

城镇居民人均可支配收入和农村人均纯收入可以分别用于衡量城镇居民和农村居民的实际收入,本文也采用这种处理方法。

（2）地区金融市场发展规模（FR）

就目前而言，我国大部分的金融资产仍然由银行把控，因此用银行资产的发展来衡量地区金融市场的发展规模是相对合理的。基于这种考虑，本文用存贷款余额与地区GDP的比重来衡量地区金融市场发展规模。

（3）地区金融市场发展效率（FE）

本文认为，能够更好的衡量地区金融市场发展效率的指标应该是存款余额和贷款余额的差值，反映了地区金融机构将存款转化为金融投资的能力的差异。因此，本文用各个地级市的存款余额和贷款余额的差比上地区GDP来衡量地区金融市场发展效率。

（4）控制变量

我们引入了这三个变量作为控制变量。①地区经济发展水平（EG），用地区实际GDP作为衡量经济发展水平的指标，以1994年为基期，利用GDP价格指数进行了平减；②产业结构（IS）。我们用第一产业产值占GDP的比重作为产业结构的代理变量；③政府行为（GP），用各地地级市财政支出占GDP的比重作为政府行为的代理变量。

1.3 数据说明

我国金融体制的市场化改革始于1993年，从金融市场结构、功能、覆盖范围、市场风险等方面进行了大范围的变革，这也将从很大程度上改变对地区城乡收入差距的影响。因此，本文选取了1994～2013年我国284个地级市的数据，数据来源于各地级市（区、自治州）的统计年鉴以及中经网城市统计年鉴数据库。

根据以上说明，我们可以得到各个变量的定义及衡量标准：

表1 各个变量的定义与衡量标准

2 实证分析结果

2.1 变量序列的面板单位根检验结果

在进行PVAR模型回归分析之前，需要对数据进行平稳性检验。通常来讲，对面板数据进行平稳性检验采用的方法有ADF，但效度较低。其他的替代方法还包括LLC和PP等方法。为了结果的稳健性，我们同时给出了这三种面板数据平稳性检验的结果。

表2 面板数据平稳性检验

从表2可以看出，核心变量为非平稳序列，但其一阶差分都为平稳序列，并且在1%的显著性水平下显著。因此，可以建立PVAR模型。

2.2 协整检验结果

根据本文面板数据平稳性检验，ADF、LLC和PP的结果都表明变量序列为一阶单整，即εit是平稳的。此时，可以对变量序列与地区城乡收入差距变量序列间的协整关系进行协整检验。本文对于εit序列，采用Pedroni、Kao和Fisher这三种协整检验方法。

表3 面板数据协整检验结果

从表3可以看出，核心变量和控制变量都在1%的显著性水平上显著，原假设：不存在协整关系被拒绝，这说明地区金融发展规模和地区金融发展效率与地区城乡收入差距之间都存在长期的协整关系。

2.3 GMM回归结果

接下来，我们将利用GMM方法，来估计PVAR模型中金融发展对城乡收入差距的影响。为了模型估计结果的稳健性以及对比分析，我们同时给出了Pooled-OLS和FE方法的估计结果。

表4 PVAR模型的估计结果

从表4的回归结果可以看出，Poolded-ols、FE和DIF-GMM的估计结果整体都较好，并且结果较稳健。这三种方法比较而言，DIF-GMM和SYS-GMM的结果较优。DIF-GMM的和SYS-GMM的AR（2）的值分别为0.1456和0.1433，说明存在一阶自相关，而Sargan检验的结果表明，都不存在工具变量过度识别的问题。

表5 稳健性检验：地区对比

2.4 稳健性检验

就金融发展对城乡收入差距的影响，由于我国存在明显的地区差异，这种影响可能也因此存在地区差异。因此，为了剔除地域的差异，我们分东中西分别进行PVAR模型的实证检验。在进行回归之前，同样对数据的平稳性进行了检验，ADF、LLC和PP的结果表明三个地区的变量序列都为一阶单整，都通过了1%的显著性检验。

进行分地区回归后我们发现，东、中、西部地区的回归结果从整体上来看都较好，D( )GAP的参数估计值分别为0.518、0.404和0.382，且都通过了显著性检验。这说明选取GMM模型是合理的。此外AR(2)和Sargan检验也都说明应该考虑城乡收入差距的动态影响。

从整体来讲，金融发展规模与城乡收入差距之间呈正相关，金融发展效率与城乡收入差距之间呈负相关。对于估计结果，我们发现了较为明显的地区差异：金融发展规模和效率对城乡收入差距的影响，中部地区最高，东部地区次之，而西部地区最弱。一个可能的解释是：目前东部地区金融发展规模较高，相对饱和，而中部地区正处于高速发展的阶段，西部地区的发展则相对薄弱。因此，金融发展对城乡收入发展的影响中部最高，西部最弱。

3 结论

利用1994～2013年我国284个地级市的面板VAR数据，在控制了地区经济发展水平、产业结构和政府行为等变量之后，本文从金融发展的“质”和“量”两个方面考察了金融发展对城乡收入差距的影响，并基于分地区的数据，引入了地区发展差距，考察了金融发展对城乡收入差距的影响的地区差异。

本文研究发现，金融发展规模和城乡收入差距之间呈正相关关系。也就是说，金融发展规模是城乡收入差距扩大的重要影响因素之一。同时，协整关系检验表明，金融发展规模和城乡收入差距之间存在长期均衡关系。金融发展效率与城乡收入差距之间呈负相关关系，即金融发展效率越高的地区城乡收入差距越小。两者的协整关系表明，金融发展效率和城乡收入差距之间也存在长期均衡关系。

金融发展的“质”和“量”这两个层次对城乡收入差距的影响，体现出了较大的地区差异性：影响程度最大的是中部地区，其次是东部地区，最弱的是西部地区。这可能和各个地区金融发展程度有关：东部地区金融市场发展已经饱和，中部地区金融市场处于高速发展阶段，西部地区发展相对滞后。

[1]章奇,刘明兴,陶然.Vincent YiuPor Chen，中国的金融中介增长与城乡收入差距.北京大学中国经济研究中心（CCER）工作论文，2003.

[2]乔海曙,陈力.农村金融中介发展与城乡居民收入差距的关系—基于中国1978～2008年的经验验证[J].中国农村经济，2009,（7）.

[3]叶志强,陈习定,张顺明.金融发展能减少城乡收入差距吗？来自中国的证据[J].金融研究，2011,（2）.

[4]Clark G R G,Zou H,Xu.L C Finance and Income Inequality:Test of Alternative Theories[R].World Bank Policy Research working paper,2003.

[5]Galor O,and Zeira J.Income Distribution and Macroeconomics[J].Review of Economic Studies,1993,60(1).