普惠金融、支持性政策与地区经济增长——基于30个省域的空间面板数据

(集美大学财经学院，福建 厦门 361021)

普惠金融、支持性政策与地区经济增长
——基于30个省域的空间面板数据

陈雅琳

(集美大学财经学院，福建 厦门 361021)

随着国家金融体制改革深入，普惠金融受到更多的重视。本文采用30个省域2005—2015年的数据，从金融服务可得性和使用有效性两个维度构建普惠金融指数，并引入虚拟变量和交叉项，代表金融体制改革下出台普惠金融支持性政策的作用，通过建立空间面板数据模型进行实证研究。结果表明：(1)经济增长的速度与普惠金融的发展水平相关；(2)普惠金融通过支持性政策的提出进一步促进地区经济增长；(3)普惠金融的发展对周边地区的经济增长存在负的空间溢出效应。笔者分析了其中原因，并据此提出相关建议。

普惠金融；支持性政策；经济增长；空间溢出效应

一、引言

2013年中共十八届三中全会通过的《中共中央关于全面深化改革若干重大问题的决定》中首次正式表明“发展普惠金融”，这也是“普惠金融”第一次写入党的执政纲领。此后，我国政府高度重视金融服务的可获得性建设，先后出台了一系列普惠金融的支持性政策。2015年《政府工作报告》提出要大力发展普惠金融，2016年1月国务院印发《推进普惠金融发展规划(2016-2020年)》，将发展普惠金融上升到国家战略的层面，2017年7月首届中国普惠金融高峰论坛在北京举行。由此可见，发展普惠金融已成为我国深化金融体制改革的重要内容。在金融体制改革背景下，正确认识普惠金融及普惠金融支持性政策对我国经济发展的影响，对其进行规范的实证研究，对我国金融体制改革和促进社会和谐发展具有重要的现实意义。

二、文献综述

关于普惠金融的文献，多数学者研究普惠金融发展对城乡居民收入的影响。部分学者研究结果表明普惠金融发展程度的提高对缩小城乡收入差距发挥显著的正向作用(García & Martínez，2015[1]；李建伟，2015[2]；张晓燕，2016[3])；另一部分学者研究表明普惠金融对城乡收入差距的影响呈倒U型(José et al.，2015[4]；吕勇斌，2016[5])。关于普惠金融对地区经济增长的影响，相关研究较少。

而少数研究普惠金融影响地区经济增长的文献，在研究方法上均未将空间溢出效应的影响考虑在内。杜强(2016)[6]利用面板模型进行OLS回归，对普惠金融与地区经济发展之间的关系进行实证研究。杨燕(2015)[7]采用VAR模型，实证分析了普惠金融水平对经济增长的影响。因为一个地区的某种经济地理现象在一般情况下会与其相邻地区的同一现象相关，所以忽视空间溢出效应而对研究对象进行单一、割裂的研究，得出的最终结果必然不够准确。

此外，较少学者考虑到金融体制改革下政府提出的普惠金融支持性政策的影响作用，较少文献从这个角度研究普惠金融对地区经济增长产生的影响。

因此，笔者基于以下考虑进行本文的撰写：第一，重点分析普惠金融及其支持性政策对我国地区经济增长的影响，而不仅仅局限于研究对城乡收入差距的影响；第二，采用空间计量经济学方法把地理空间因素纳入到实证研究中；第三，重点关注金融体制改革下政府出台的关于发展普惠金融的支持性政策所产生的影响，从这个角度研究普惠金融对地区经济增长的影响，并通过在模型中加入虚拟变量和交叉项实现量化及实证分析。

三、变量、数据与模型

(一)变量与数据

1.被解释变量

本文用地区生产总值(Y)来衡量地区的经济增长情况，在建模过程中对地区生产总值取自然对数。

2.核心解释变量

(1)普惠金融指数(X1)：普惠金融的发展水平是本文主要关注的解释变量。本文在综合国内外学者研究的基础上，从服务可得性和使用有效性两个维度选取8个指标构建普惠金融指数指标体系，并采用主成分分析法计算出各地区的普惠金融指数。具体指标见表1。

表1 普惠金融指数指标体系

(2)虚拟变量(X2)：2013年我国明确提出要发展普惠金融，此后出台了一系列支持性财税金融政策，因此2013年之前设X2=0，2013年及之后设X2=1。本文用该变量衡量普惠金融支持性政策的影响作用。

(3)交叉项(X3)：普惠金融指数与虚拟变量的乘积，该指标用于验证普惠金融通过支持性政策的推动对地区经济增长产生影响。

3.控制变量

(1)经济开放度(X4)：本文用进出口总额来衡量经济开放度。(2)城镇化率(X5)：本文用城镇化率来衡量城镇化进程，城镇化率用城镇人口与常住人口的比值来表示。(3)物价水平(X6)：本文用CPI来衡量物价水平。(4)劳动生产率(X7)：本文中劳动生产率是用工业增加值与年平均就业人员的比值来衡量。(5)固定资产投资额(X8)：为了统一研究的尺度，在建模过程中对固定资产投资额取自然对数。

本文选取了2005-2015年中国30个省域各变量的年度数据，由于西藏、香港和澳门特别行政区、台湾省域个别数据缺失，并且个别指标的数据明显异常于其他省域，因此剔除其数据。本文数据来源于国家统计局、2006-2016年《中国统计年鉴》及各省统计年鉴、《中国人口和就业统计年鉴》和《中国劳动统计年鉴》。

(二)模型的具体设定

1.空间滞后面板数据模型

空间滞后面板数据模型(SAR Panel)设定为：

模型一：y=ρ(IT⊗WN)y+β1x1+β2x2+β4x4+β5x5+β6x6+β7x7+β8x8+η+v

模型二：y=ρ(IT⊗WN)y+β1x1+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+η+v

其中，(IT⊗WN)y为空间滞后因变量，ρ为空间自回归系数，ρ的估计量在统计上显著则表明存在空间相关，ρ是正数则表明存在正的空间相关，反之为负相关。η=iN⊗sf为空间固定效应列向量，sf=(η1,η2…，ηN)′为空间固定效应的N维列向量，iN为N维元素为1的列向量。

2.空间误差面板数据模型

空间误差面板数据模型(SEM Panel)设定为：

模型一：y=β1x1+β2x2+β4x4+β5x5+β6x6+β7x7+β8x8+η+δ+uu=λ(IT⊗WN)u+v

模型二：y=β1x1+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+η+δ+uu=λ(IT⊗WN)u+v

其中，(IT⊗WN)u是空间滞后误差项，为空间误差自回归系数。空间和时间固定效应列向量为：η=iN⊗sf,δ=tf⊗iT。sf和tf表示空间固定效应的N维列向量和时间固定效应的T维列向量，即sf=(η1,η2,…，ηN)′，tf=(δ,δ2,…，δT)′，iN和iT分别为N维和T维元素为1的列向量。

3.空间杜宾面板数据模型

空间杜宾面板数据模型(SDM Panel)设定为：

模型一：y=β1x1+β2x2+β4x4+β5x5+β6x6+β7x7+β8x8+β9(IT⊗WN)x1+β10(IT⊗WN)x2+β12(IT⊗WN)x4+β13(IT⊗WN)x5++β14(IT⊗WN)x6+β15(IT⊗WN)x7+β16(IT⊗WN)x8+ρ(IT⊗WN)y+η+v

模型二：y=β1x1+β3x3+β4x4+β5x5+β6x6+β7x7+β8x8+β9(IT⊗WN)x1+β10(IT⊗WN)x2+β12(IT⊗WN)x4+β13(IT⊗WN)x5++β14(IT⊗WN)x6+β15(IT⊗WN)x7+β16(IT⊗WN)x8+ρ(IT⊗WN)y+η+v

其中，(IT⊗WN)y为空间滞后因变量，ρ为空间自回归系数，(IT⊗WN)x是模型中加入的一个空间滞后解释变量，该变量表示相邻地区变量对因变量的影响。

四、实证分析

(一) 空间相关性检验

Moran’s I检验是最常见的全局空间相关性检验方法。本文利用Matlab 2015进行Moran’s I检验，得出的Moran’s I统计值均大于临界值，p值均小于0.05，所以拒绝“不存在空间相关性”的原假设。此外，本文还进行了LM(error/lag)检验，从而对Moran’s I检验结果进行验证。结果如表2所示。

表2 空间相关性检验

局部空间自相关指标包括Moran散点图和空间联系的局部指标(LISA集聚图)。本文分别考察2005-2015年我国地区生产总值和普惠金融指数的Moran散点图和LISA集聚图，二者的Moran散点图和LISA集聚图分布较为稳定，因此本文选择2015年结果为代表，利用Geoda软件作出Moran散点图(如图1)和LISA集聚图(如图2)，这进一步证实了经济增长与普惠金融的确存在空间集聚现象，存在空间依赖性和空间异质性，需要进一步运用空间计量模型进行分析。

图1 我国2015年地区生产总值和普惠金融指数Moran散点图

图2 我国2015年地区生产总值和普惠金融指数LISA集聚图

(二)模型估计与结果分析

1.模型选择

表3给出的拉格朗日乘子滞后和误差及其稳健性检验。结果均显示，LMlag比LMerr更为显著，R-LMlag比R-LMerr更为显著，因此，在研究普惠金融及普惠金融政策对区域经济增长的影响这一问题上，应该选择空间滞后模型(SAR)。

表3 模型设定检验

2.模型估计结果

本文建立空间滞后面板数据模型(SAR Panel)和空间误差面板数据模型(SEM Panel)，并以SAR模型作为解释模型。此外，为了研究本省普惠金融发展水平对相邻省域经济增长的影响，本文还对空间杜宾面板数据模型(SDM Panel)进行估计。表4给出了运用Matlab 2015软件得出的极大似然(ML)估计结果。

表4 SAR、SEM、SDM模型估计结果

注：1.***，**，*分别表示在1%、5%、10%的显著性水平通过检验。2.括号内为各变量回归系数对应的Z值。

从模型一的估计结果来看，SAR模型中普惠金融指数的系数为正，通过了显著性检验，说明普惠金融程度越高，地区的经济增长越快。虚拟变量的系数显著为正，表明2013年中共十八届三中全会首次正式表明“发展普惠金融”，并将“普惠金融”写入党的执政纲领这一支持性政策会对地区经济增长产生正向促进作用。从表4可以看出，经济开放度、城镇化率、物价水平、劳动生产率以及固定资产投资额的系数均显著为正，这表明它们均对地区经济增长起正向影响作用。此外，空间自回归系数ρ估计值为0.36995，在1%水平下显著，说明我国各地区经济增长存在空间溢出效应，地理区位特征对省域经济增长的变动存在显著影响。这种空间相关性作为一种重要影响因素，应在构建模型时加以考虑，可见空间计量模型比传统计量方法建立回归模型更优。而从SEM模型的估计结果可知，普惠金融指数的系数不显著，与现实不符，这也进一步验证了LM检验结果的正确性。

从模型二的估计结果来看，在引入交互项后的普惠指数系数显著为负，普惠金融指数与虚拟变量的交互项显著为正。利用SAR模型对普惠金融指数求偏导可得：

这证实了普惠金融可以通过支持性政策的推动进一步影响地区经济发展水平。上式意味着2013年以前普惠金融并没有对地区经济发展产生明显的促进作用，2013年及以后普惠金融对地区经济发展具有促进作用。这是因为2013年以前整体较低的普惠金融发展水平存在着门槛效应与非均衡效应的双重作用，所以使得普惠金融并没有对地区经济发展产生促进作用。2013年中共十八届三中全会将“普惠金融”写入党的执政纲领这一政策使得各省市大力发展普惠金融，随着地区普惠金融水平的提高，门槛效应、非均衡效应趋于减弱，普惠金融水平的提升开始对地区经济增长产生显著的促进作用。

通过分析模型二中SDM空间模型结果发现，W*X3的系数显著，这说明我国的普惠金融通过地理空间机制对我国经济增长发挥作用，普惠金融的发展对周边地区的经济增长存在负的空间溢出效应，表明本地区的普惠金融程度的提高会使得相邻地区的经济增长减慢。这可能是因为如果相邻地区的普惠金融程度落后于本地区，作为经济发展重要要素的劳动力，在普惠金融程度高的地区意味着更多的机会和更好的发展前景，这使得大量劳动力涌向普惠金融程度较高的地区。而受累积因果关系的影响，本地区发展优势的集聚会强化这种现有的差异格局，促进其经济增长。所以本地区普惠金融水平提高，会使得相邻地区的经济增长水平相对于本地区较慢。

对比两大模型，模型一加入虚拟变量说明了普惠金融支持性政策的提出会对地区经济增长产生影响，模型二加入交叉项后进一步验证了普惠金融通过政策的支持对地区经济增长产生显著的促进作用，并得出了具体的影响系数。

(三)稳健性检验

本文利用经济空间权重矩阵代替0-1矩阵后再次进行模型估计，LM检验、稳健的 LM 检验结果显示，空间自回归模型(SAR)仍是最佳选择。SAR、SEM、SDM三个模型估计结果表明，普惠金融通过政策的支持对地区经济增长产生显著的促进作用，控制变量回归系数符号与上文保持一致。综合来看，即使采用经济空间权重矩阵，回归结果仍然稳健。

五、结论与建议

本文通过研究普惠金融及普惠金融支持性政策对经济增长的影响，得出如下结论：(1)经济增长的速度与普惠金融的发展水平相关；(2)普惠金融通过支持性政策的提出进一步促进地区经济增长；(3)普惠金融的发展对周边地区的经济增长存在负的空间溢出效应。

基于本文的研究结论，笔者提出以下两点建议：第一，在金融体制改革背景下，我国政府应正确认识普惠金融支持性政策的出台对我国经济发展的正向影响，坚持扩大金融服务覆盖面的框架性理念和发展战略，高度重视金融服务的可获得性建设，进一步提升各地区的普惠金融水平。第二，政府在制定相关金融政策时应高度重视空间因素，从空间溢出效应的角度，需要考虑区域优势、空间依赖、金融合作等地理经济条件，鼓励并加强各地区间更广泛的金融合作和交流，真正打破地区割据局面，加快金融资源在区域间的流动，充分发挥普惠金融对地区经济增长的空间溢出效应。

[1] García-Herrero A.，Martínez-Turégano，D.，Financial Inclusion，rather than Size，Is the Key to Tackling Income Inequality[C].BBVA Research Working Paper，2015，15，05.

[2] 李建伟，李树生，胡斌.具有普惠金融内涵的金融发展与城乡收入分配的失衡调整——基于VEC模型的实证研究[J].云南财经大学学报，2015 (1)：110-116.

[3] 张晓燕 互联网金融背景下普惠金融发展对城乡收入差距的影响[J].财会月刊，2016(17)：94-97.

[4] José Salazar-Cantú，Juvencio Jaramillo-Garza，Bethzaira Alvarez-De la Rosa，Financial Inclusion and Income Inequality in Mexican Municipalities[J].Open Journal of Social Sciences，2015，12(3)：29-43.

[5] 吕勇斌，李仪.金融包容对城乡收入差距的影响研究——基于空间模型[J].财政研究，2016(7)：22-34.

[6] 杜强，潘怡.普惠金融对我国地区经济发展的影响研究——基于省际面板数据的实证分析[J].经济问题探索，2016(3)：178-184.

[7] 杨燕.普惠金融水平的衡量及其对经济增长的影响——基于中国经济区域2005～2013年的面板数据[J].金融与经济，2015(6)：38-44.