金融扶贫效果研究——基于安徽省县级面板数据的实证分析

邓留保，王小磊

(安徽财经大学金融学院, 安徽 蚌埠 233030)

近年来，随着我国社会经济的快速发展，扶贫工作被放在了更加突出的位置。党的十八大把扶贫开发作为实现第一个百年奋斗目标的重大战略任务，党的十九大对脱贫攻坚进行了新的部署。金融扶贫作为国家扶贫开发战略体系的重要组成部分，被视为实现精准扶贫的“加速器”。但不同贫困地区实施金融扶贫的主客观条件不同，导致金融扶贫所采取的措施和取得的成效也不同。

安徽省整体经济实力较为落后且人口众多，要实现党中央提出的2020年全面建成小康社会、消除贫困的目标，任务非常艰巨。本文选取安徽省不同地区的12个国家级贫困县作为研究对象，实证分析其金融扶贫的效果，并根据研究结果提出相应的对策建议。

一、文献综述

国内外关于金融扶贫的研究主要集中在两个方面：一是金融发展是否有利于减少贫困；二是金融扶贫的途径和制约因素及减贫效果。Jalilian等研究发现，发展中国家金融发展每提高1%，穷人收入就增长0.4%[1]。Bruno等指出，经济增长是减贫最为普遍和有效的间接途径[1]。Geda等通过实证研究发现，金融发展具有直接的减贫作用[2]。丁志国等利用我国23个省(市、自治区)的样本数据进行金融减贫实证分析后指出，发展农村金融能够减少贫困[3]。伍艳利用省际数据进行实证分析，发现农村金融水平每提高1%，贫困发生率下降1.58%[4]。周军指出，农村资金互助合作组织为解决农民特别是农村特困群体贷款难问题找到了一条行之有效的途径，是新形势下政府扶贫方式的创新和构建农村“穷人银行”的现实选择[5]。周孟亮等认为，我国连片特困地区金融扶贫的方式主要是利用市场提高被扶贫对象的主观能动性[6]。胡赵华等在分析孝感市金融扶贫模式成效的基础上，剖析了可持续金融扶贫工作的制约因素，并提出了金融扶贫的路径[7]。王建平以川西北藏区为例，通过建立反映政府扶贫资金与贫困人口数量、贫困人口收入关系的计量经济学模型，对政府扶贫资金的减贫效果进行了实证分析[8]。张莎认为，政府在与金融机构合作的过程中，金融机构会出现追逐利益、扶贫项目缺乏必要的激励约束机制、金融扶贫参与主体单一等问题，这些因素共同作用削弱了金融扶贫的效果[9]。

总体来说，国外关于金融扶贫的研究开始较早且已趋于成熟，国内的研究则起步较晚且主要是在国外已有研究基础上展开。关于安徽省金融扶贫效果的研究，目前大多是根据安徽省某一地区的情况来反映安徽省的整体情况。本文选取的12个国家级贫困县(区)为阜阳市颍东区、临泉县、宿松县、岳西县、寿县、霍邱县、舒城县、金寨县、石台县、砀山县、灵璧县、利辛县，样本覆盖了阜阳、六安、池州、安庆等地区，较为全面地反映了安徽省金融扶贫的实际效果，具有一定的研究价值和实践意义。

二、金融扶贫效果实证分析

(一)金融扶贫效果的主要衡量指标

本文通过存贷比与贫困发生率之间的关系来反映金融支持下的扶贫效果。贫困发生率是指某地区的贫困人口占当地总人口的比例，用来衡量某一地区的贫困程度。存贷比是某一地区贷款总额占存款总额的比例，可以衡量该地的金融发展水平以及居民的消费习惯。安徽省12个国家级贫困县(区)的存贷比分布情况如图1所示。

图1 安徽省12个国家级贫困县(区)的存贷比分布

本文选取贫困发生率减少率作为扶贫效果衡量指标，贫困发生率减少率=(基期贫困发生率-当期贫困发生率)/基期贫困发生率。贫困发生率减少率能够清晰地衡量各地区的贫困率变化情况，同时能够排除由于各地区实际情况(如贫困人口数量、上年的贫困发生率等)不同对研究结果的影响，使得到的结果更加切合实际。

(二)变量选取与模型建立

本文选取存贷比、贫困人口数、年末金融机构各项存款余额、财政收支赤字、人均生产总值、第二产业比例等作为扶贫效果的影响因素。其中，存贷比是衡量金融发展的主要指标，而引进其他指标主要是为了防止模型存在误差。本文选取2012—2015年安徽省12个国家级贫困县(区)的贫困发生率数据，并以2011年为贫困发生率基期，分别计算出2012—2015年各地区的贫困发生率减少率，然后对安徽省整体的金融扶贫效果进行实证分析。相关数据的统计描述见表1。

表1 面板数据的统计描述

根据相关数据建立以下实证分析回归模型

Yit=α+βXit+εit(i=1,2,…,12;t=1,2,3,4)

式中，Yit为被解释变量，代表贫困发生率减少率；Xit为解释变量，代表贫困人口数、存贷比、年末金融机构各项存款余额、财政收支赤字、人均生产总值、第二产业比例等；i代表安徽省12个国家级贫困县(区)；t表示2012—2015年；εit为误差项。

(三)回归分析

进行回归分析之前，首先需要确定是选择随机效应模型还是固定效应模型。该面板数据为平衡面板数据，Hausman检验结果为：chi2=9.81，Prob>chi2=0.080 7，这表明选择随机效应模型较为合适。为了消除异方差的影响，除了存贷比、第二产业比例这两组数据外，对其他数据进行取对数处理，其中政府赤字先取绝对值再取对数，然后将具体变量代入回归模型，使用Stata 14软件进行回归分析，结果见表2。

表2 面板数据模型估计结果

注：表中*、**、***分别表示在10%、5%、1%统计水平显著，括号内的数值为标准误差。

从表2可以得出以下结论。第一，银行存贷比与贫困发生率减少率呈正相关关系，即贫困发生率减少率随着存贷比的升高而升高。一个地区的存贷比升高说明该地区的贷款投放量相应增加，而贷款投放量的增加有助于提高当地居民收入。第二，年末金融机构各项存款余额与贫困发生率减少率呈正相关关系。某地区年末金融机构各项存款余额越多，表明该地区居民收入多，贫困发生率就低。第三，人均生产总值与贫困发生率减少率呈正相关关系，表明某地区经济发展水平对该地区脱贫具有显著影响。第四，财政收支赤字(绝对值)与贫困发生率减少率呈正相关关系，即财政赤字越大，政府支出越多，用于扶贫的资金也会越多，贫困发生率减少率就越大。第五，贫困人口数和第二产业比例与贫困发生率减少率之间呈负相关关系，即贫困人口数越多、第二产业所占比例越大，越不利于脱贫任务的完成。

为了进一步分析各解释变量对贫困发生率减少率的影响程度，本文采用Stata 14软件中基于回归方程的Shapley值分解方法，测算各解释变量对贫困发生率减少率的贡献度(表3)。从表3可以看出：在对各影响因素贡献度的单独测算中，存贷比仅提供了全部贡献度的2.94%。在归类分组后各组对贫困发生率减少率的贡献度测算中，把存贷比归为第一组，把贫困人口数归为第二组，把人均生产总值、第二产业占比这两个解释变量合并为区域经济发展程度类变量并归为第三组，把年末金融机构各项存款余额、财政收支赤字两个变量合并为资金投放量类变量归为第四组(表4)。从中可以看出：两种情况下存贷比的贡献度基本没有什么变化；年末金融机构各项存款余额和财政赤字(绝对值)这一组的贡献率最大。这说明资金的投放量尤其是财政资金的投放量对贫困率的减少有重要作用，同时也揭示出，若要解决贫困问题就需加大金融支持的力度。

表3 各解释变量对贫困发生率减少率的贡献度

表4 归类分组后各组对贫困发生率减少率的贡献度

三、结论及建议

本文通过对2012—2015年安徽省12个国家级贫困县(区)进行实证分析发现：银行存贷比与扶贫效果之间呈明显的正相关关系，即存贷比提高，贫困发生率减少率也随之提高，扶贫效果就好；年末金融机构各项存款余额、人均生产总值和财政收支赤字(绝对值)对扶贫效果具有正向作用，而贫困人口数及第二产业比例对扶贫效果具有反向作用。“十三五”期间为打赢安徽省的脱贫攻坚战，如期完成2020年脱贫攻坚任务，结合实证分析结果，提出以下对策建议。

第一，加大金融支持力度。一方面，加大对农村的信贷力度，鼓励金融机构加大对脱贫金融产品的开发和创新力度，开发出成本低、审核方便快捷的金融产品，彻底解决贫困地区融资难的问题；另一方面，通过有关部门的政策引导，鼓励各类金融机构积极与当地政府合作，通过加大融资来促进脱贫产业的发展，构建产业带动脱贫的长效模式，如颍东区光伏扶贫项目、砀山县电商产业、岳西县“整村推进”模式、石台县“公司+基地+贫困户”项目等，实现扶贫开发政策与当地产业政策的有机结合，使扶贫开发工作在融资资金的带领下，围绕“发展生产，脱贫一批”的方式开展。

第二，探索扶贫资金与信贷资金的有效结合。在扶贫开发中，政府扶贫资金的使用和管理存在效率低下的问题。对于扶贫经费的使用，有关部门没有做到实时监控，使政府扶贫资金使用存在拨付进度缓慢、结转情况不透明等问题。因此，各地政府要健全普惠金融体系，鼓励金融机构对贫困户降低信贷门槛，加大扶贫小额信贷的放款量，有效解决目前扶贫资金使用存在的问题。同时，要注重金融扶贫绩效考核，对扶贫效果理想的金融产品进行推广，加大政府资金支持力度，使政府的扶贫资金及时、高效地用于扶贫开发工作。