综合普惠金融对城乡收入差距的影响研究——基于中国省际面板数据的实证分析

■钱水土，毛绍俊

本文综合考虑了移动互联网金融与传统金融，测算出2011～2015年中国省际层面的综合普惠金融指数，并结合运用泰尔指数测算各地城乡差距，实证分析了普惠金融发展与城乡收入差距之间的关系。研究表明：综合普惠金融的发展确实能在一定程度上缩小城乡收入差距。此外，外贸依存度、财政支出偏倚、人均国民生产总值也对城乡收入差距产生显著影响。因此，除支持传统金融发展外，也应综合考虑移动互联网金融对实体经济的贡献，规范和扶持移动互联网金融的发展，充分发挥传统金融同线上移动互联网金融结合的优势，早日实现脱贫攻坚目标。

一、引言与文献综述

改革开放以来，中国经济取得了举世瞩目的成就。同样，中国金融业在改革中稳步健康发展，在各个方面都取得了巨大成就。但中国金融改革过程中也经历了诸多困境，进一步发展仍面临许多问题，如城乡二元金融结构使资源配置严重不均衡，导致城乡收入差距不断扩大。面对金融发展和收入差距水平扩大并存的现象，优化金融结构、发展普惠金融以及强化金融对小微企业和“三农”的支持刻不容缓。本质上，普惠金融是以较低门槛将那些被排除在传统金融服务外的人纳入金融服务体系。因为只有让每个人都拥有享受金融服务的权利，他们才有机会参与经济发展，才能实现共同富裕。普惠金融不是一种单纯资金转移，而是让所有人都享受到实惠的、可持续的金融服务。另一方面，近年来资金空转和套利现象突出，部分金融机构热衷于同业业务、交易类业务，脱离实体经济进行自我创新、体内循环，金融系统风险急剧上升。社会资金则大量流向房地产领域，导致资产价格上升，造成泡沫经济，而实体企业则经营困难，特别是大量小微企业和“三农”领域融资难、融资贵问题长期得不到解决。普惠金融发展对缩小城乡差距，实现精准扶贫和引导资金脱虚向实以及防范重大系统性金融风险都有着重大意义。线下传统普惠金融可以在偏远地区设立机构网点，覆盖因地理位置原因无法得到金融服务的人群，但考虑到设立实体网点的财力及人力成本而无法遍及、规模有限。线上数字普惠金融凭借互联网金融优势能以较少网点服务更多客户，却因为智能移动设备及移动互联网络的普及性问题而不能服务所有年龄层次的人群。因此，将线下传统普惠金融同线上数字普惠金融相结合，是未来普惠金融发展的必然趋势。

解决贫困问题的根本在于促进经济增长，金融发展同经济增长具有正相关性。这一正相关性具体表现为，金融发展通过对资本积累进程产生干预进而影响经济增长（Lucas，1988）。在微观层面，金融发展可以通过改善贫困人口收入分配，最终减缓贫困发生（杨俊，2008）。金融发展同经济增长具有高互动性，金融发展是经济快速增长的必要条件，反之金融抑制会损害经济增长（米建国，2002）。

金融发展减少贫困发生率的作用机制主要包括两个方面：一是通过为贫困人口提供具有可得性的金融服务，直接促进贫困率的降低；二是通过发展金融来促进宏观经济发展，利用溢出效应间接促进贫困率降低（Claessens&Feijen，2006）。金融服务的“群体选择性”源于金融资源的稀缺性，而正是由于这种“群体选择性”导致农村金融需求往往无法得到满足。为满足此类被排除在正规金融服务外的金融需求，普惠金融应运而生。普惠金融促进经济发展，体现在普惠金融可以从使代理人能制定长期的消费和投资计划、保护家庭和企业免受不良冲击、使人们能利用更好的经济和社会机会三个方面促进经济包容性增长（Corrado，2017）。在普惠金融减贫效应的实证研究方面，Dixit&Ghosh（2013）以印度为例，说明了普惠金融是实现包容性增长的有效途径。张宁和张兵（2015）基于江苏省农村地区的调研数据进行实证分析，结果显示，农村非正规金融机构通过对低收入农户提供金融服务，从而极大抑制了农户内部贫困差距进一步扩大。

在数字普惠金融的有关研究方面，孔祖根和叶银龙（2016）基于对浙江丽水的研究，提出数字普惠金融可以依托多种载体发展数字化支付，依托现代信息技术发展数字化小额信贷以及依托农户信用信息系统发展数字化征信三种方式，在一定程度上有效缓解“三农”需求大和融资难以及城乡差距大普惠难的“两大两难”问题。葛和平（2018）参考北京大学数字金融研究中心发布的数字普惠金融指数，从覆盖广度、使用深度和数字服务支持程度三个维度选取十六项指标，构建数字普惠金融指数，得出数字普惠金融指数同互联网普及程度、人口密度和金融意识成显著正相关关系的结论。同时，数字普惠金融指数同城乡收入差距成显著负相关关系。宋晓玲（2017）借鉴北京大学数字金融研究中心编制的数字普惠金融指数，运用随机效应模型和面板逐步回归法，得出数字普惠金融对缩小城乡收入差距具有显著促进作用的论点。

综上所述，已有文献中将数字普惠金融同传统普惠金融相结合的研究仍比较欠缺。鉴于此，本文以中国省级面板数据为例，线上数据采用北京大学数字金融研究中心公开发布的2011～2015年度我国各省数字普惠金融指数，线下数据结合依据普惠金融覆盖广度、使用深度等维度构建的传统普惠金融指数。利用熵权法计算线上数字普惠金融指数和线下传统普惠金融指数这两者所占的比重，最终合成综合普惠金融指数，再采用系统GMM模型，进一步检验普惠金融发展对缩小城乡收入差距的影响效应。

二、综合普惠金融对城乡收入差距的影响机理分析

综合普惠金融对城乡收入差距的影响可以从直接和间接两个层面予以考量。从直接层面看，其一，传统普惠金融可以消除传统金融发展引发的门槛效应和排斥效应。获得金融服务及金融产品均需支付一定成本，收入水平较高的城镇居民凭借自身经济条件及信用水平优势，总能获得比农村居民更优质的金融服务及产品，故而往往可以投资于回报率更高的项目，长此以往就会使城乡收入差距不断扩大。同时，传统金融机构“嫌贫爱富”这一特性，使得有限的金融资源常常被分配给资金量雄厚、还款能力强的企业与个人，这便形成了对低收入群体和小微企业的排斥效应。金融系统还存在金融资源在地区分配上的不均衡。具体而言，在地区分布上，金融资源更偏向在城市布局，出于对逐利和风控的考量，传统金融业存在地理排斥、条件排斥、评估排斥、价格排斥、营销排斥以及自我排斥等排斥形式，造成农村和城镇的金融机会有显著差异，而这又会触发马太效应，使落后的农村经济陷入恶性循环，进而拉大城乡间的收入差距。而普惠金融的一大特点就是包容性，可以为那些长期被传统金融排除在外的人群（如低收入群体、小微企业等）提供金融服务。在普惠金融下，既可以通过政策的力量，加强中小微企业信用制度建设，从而使其能够更方便获取信贷资金，也可以通过抵押品创新制度，突破传统抵押品对中小微企业的限制，重新定位企业的抵押资产，还可以通过提高交叉检验这一信贷技术，破解信息不对称难题。

其二，数字普惠金融能将因成本、效率等问题被传统金融忽视的广大小微客户包络进来，以较低成本服务这类长尾客户，从而形成长尾效应。互联网金融的发展极大降低了金融业的边际经营成本，使数字普惠金融可以将这部分为金融机构带来20%利润的80%的尾部客户充分利用起来，提供个性化服务产品，使原本被排除在商业银行服务领域外的客户群体享受到标准化的金融服务。

从间接层面看，综合普惠金融发展可以促使整体经济水平提高，城乡居民得以享受到经济发展带来的福利。同时，农村经济发展的边际效益显著高于城镇，经济发展会使得城乡之间的收入差距缩小。具体而言，一方面，综合普惠金融发展促进经济发展，经济发展有利于吸引投资，创造更多就业机会，另一方面，经济发展带来税收增长，使政府有更多资金用来支持“三农”发展，缩小城乡差距，促进城乡共同繁荣。只有当农村贫困人口这一群体不断改善自身的经济禀赋并享受到经济发展成果时，城乡收入差距过大的现状才能得以改善。

三、指标选取与模型设定

（一）解释变量：综合普惠金融指数

本文计算的综合普惠金融指数采用传统普惠金融指数与数字普惠金融指数合并而成，故分为两步操作。首先，计算传统普惠金融指数：采用Chakravarty（2010）提出的一套指标体系，从金融服务的可获得性、金融产品使用情况以及金融机构的服务质量三个方面来进行测度。运用小数定标法对量纲不同的原始数据进行标准化处理，即Xφij代表为第φ年省份i的第j个经过标准化处理的指标值。运用熵权法原理确定三个维度指标的相应权重，再合成传统普惠金融指数。具体步骤为：一是确定指标权重 pφxj=Xφij/Xφij；二是计算第φ年第 j项指标的熵值eφj=-kpφijln（pφi）j（其中k=1/ln（n）＞0，且满足ej≥0）；三是计算第φ年第j项指标的信息效用值 dφj=1-eφj；四是计算各指标的权重 wj=；五 是 计 算 出 传 统 普 惠 金 融 指 数 ifiφij=。其次，加入数字普惠金融指数。北京大学互联网金融研究中心同蚂蚁金服研究院于2016年7月共同编制了“北京大学数字普惠金融指数（2011～2015）”。本文借鉴其研究结果，选取中国省际数据作为合成综合普惠金融指数所需的数字普惠金融指数。最后，将两者合成综合普惠金融指数。再次利用熵权法，通过分别计算传统普惠金融指数和数字普惠金融指数各年度中各地区数据所占权重，计算各项数据的熵值，并利用熵值获得各项数据的信息效用值，然后计算传统普惠金融指数和数字普惠金融指数所占权重。得到权重后，最终合成综合普惠金融指数。

（二）被解释变量：城乡居民收入差距指标

泰尔指数考虑了人口因素变动造成的影响，且该指数能较好体现城乡收入两端的变动情况。因此，本文拟采用泰尔指数为依据计算城乡收入差距，数值越大则表明城乡收入差距越大。计算公式i=1表示城镇，i=2表示农村；Y（i，t）表示第t年城镇或农村可支配收入，Yt表示第t年城镇农村可支配总收入；X（i，t）表示第t年城镇或农村人口数，Xt表示第t年总人口数。由于2013年统计局在计算城乡居民收入时采用了新口径，本文为使泰尔指数计算所得的数据在量纲上保持一致，故而对使用老口径计算的原始数据进行了比例调整，之后再进行计算。

（三）控制变量

1.城镇化率（URBAN）。本文的城镇化率计算采用城镇年末总人口数占地区年末总人口比重表示。中国城乡二元经济结构曾大大限制了城乡间劳动力的流动，随着城镇化率的提升和城市化政策的逐步推进，农村人口得以进城务工，寻求新的就业机会，这无疑能更充分利用好农村劳动力，激发生产力，达到提升农村人均收入水平的目的。胡晶晶（2013）等人通过研究证实了城镇化率的提高确实会对缩小城乡收入差距产生一定程度的作用。因此，本文预计城镇化率与城乡收入差距存在着负相关关系。

2.产业结构（IS）。我国城市经济发展在一定程度上得益于计划经济时代“优先发展重工业”的国家战略。在这种背景下，我国城镇居民的收入远远高于农村居民。徐敏和姜勇（2015）运用空间计量模型研究产业结构对城乡消费差距的影响发现，产业结构对收入差距具有负效应，促进产业结构转型升级有助于缩小城乡收入差距。此外，根据崔玉泉等（2000）的实证结果发现，第二、三产业对GDP的贡献显著高于第一产业，且人均国内生产总值的提高更依赖第二产业的产值。因此，本文选用产业结构作为控制变量，其数值用各地区的第二、三产业增加值占当地GDP比重表示。本文预期其对城乡收入差距有缩小作用。

3.外贸依存度（IEP）。对外贸易作为市场机制下的跨国经济活动，在跨国交易时，必然伴随宏观层面贸易利得的不平等。同时，也会伴随微观层面各行业、各地区之间的发展不均衡。魏浩和杨穗（2010）通过论证证明，对外贸易的增长与中国居民收入差距扩大的局势基本一致。本文采用的外贸依存度是用各地区进出口额除以当地GDP来衡量，且预期其对城乡收入差距有扩大作用。

4.财政支出（FE）与财政支出结构改善情况（AFE）。财政支出可能存在一定偏倚，即存在对象惠及程度的不均衡，财政支出偏倚过大会导致城乡收入差距扩大，且这种情况只有在财政提高支农支出比例时才能予以改善。本文的财政支出（FE）用地方财政支出占GDP比重表示，财政支出结构改善情况（AFE）用地方财政农林水事务支出占GDP比重表示，并预期城乡收入差距与财政支出呈正相关关系，而与财政支出结构改善情况呈负相关关系。

5.人均GDP。东部沿海地区的经济发展速度显著高于中西部地区。随着我国人均GDP的不断增长，由于各地增长速度存在差异，使城乡收入差距不断扩大。王德文（2005）通过观测1978～2003年的数据后发现，虽然我国人均GDP在不断增长，但是其增长对农村农民而言作用并不是很明显，相反会拉大与城市居民的收入差距，这将导致经济的增长加剧城乡居民收入的不平等性。可以说，城乡收入差距的拉大是经济增长时不可避免的一种现象。因此，本文采取人均GDP控制变量。

在模型设定上，由于贫困行为具有持续特征，故本文针对普惠金融的减贫效应采用了动态面板的实证分析。考虑到动态面板中变量可能存在内生性问题和样本异质性问题，本文运用系统GMM方法对模型进行估计。该方法通过差分和工具变量来控制数据缺失样本，同时以滞后的被解释变量和前期解释变量作为工具变量来处理潜在内生性问题。计量模型为：

同时，为保证模型有效性，将对模型进行过度识别检验和二阶序列相关检验。

四、实证分析

（一）格兰杰因果检验

为保证实验结果的稳健性，本文采用六种方法进行单位根检验。结果显示，除gap外，其余变量均未能通过单位根检验，说明原序列存在单位根，但在进行一阶差分后，所有变量均能显著通过单位根检验。由此可知，所有变量均为一阶平稳序列。本文对变量之间的关系进行了格兰杰因果检验，结果如表2所示。

表2 GAP和IFI格兰杰因果检验结果

从中可得，GAP不是IFI的格兰杰原因在10%的显著性水平下被接受，而IFI不是GAP的格兰杰原因在1%的显著性水平下被拒绝，故IFI是GAP的单向格兰杰原因。即普惠金融发展水平会对城乡收入差距产生影响，而城乡收入差距不会影响到各地的普惠金融发展水平。此外，普惠金融发展水平是财政支出偏倚的双向格兰杰原因，产业结构是城乡收入差距和普惠金融发展水平的单向格兰杰原因。

（二）面板数据回归

本文使用动态面板数据，为避免内生性问题带来的估计偏差，采用GMM估计法，回归结果如表3所示。其中，第2～7列为依次加入城镇化率、产业结构、外贸依存度、财政支出偏倚、支出改善情况和人均地区生产总值之后的回归结果。各阶段模型的AR（2）和Sargan检验均不能拒绝零假设，说明模型不存在二阶序列相关，且选取的工具变量均较为合理。各阶段模型的回归系数与显著性均保持较好一致性，说明模型结果较为稳健，呈现出一定稳定性。

表3 普惠金融与城乡收入差距的回归结果

由表3可知，综合普惠金融的发展对城乡收入差距的影响在5%的显著性水平表现为负相关关系，说明综合普惠金融指数越高，相应地区的城乡收入差距就越小。此外，本文参照叶志强等（2011）的方法，计算综合普惠金融指数的标准化系数为11.42%，说明综合普惠金融的发展可以解释城乡收入差距变动的11.42%，意味着普惠金融的发展对于减缓城乡收入差距是长期有效且效果可观的。对于控制变量而言，产业结构、财政支出偏倚和地区人均生产总值均在10%的显著性水平同城乡收入差距负相关，说明产业结构的升级、财政支出的增加以及人均生产总值的提升均能在一定程度上缩小城乡收入差距。这一实证结果与理论相符，即产业结构越趋向高级化、服务化发展，省内城乡差距会进一步缩小。财政支出在1%的显著性水平下对城乡收入差距具有负向影响，说明地区财政支出水平越高，基建投资效果越好，意味着当地政府支持当地经济发展，也能进一步缩小该地区城乡收入差距。

（三）稳健性检验

为保证实证结果的稳健性，本文替换个别控制变量来观测综合普惠金融指数同城乡收入差距是否依旧显著负相关。本文引入教育水平指标作为控制变量，该指标的计算方式为地区大学生数量占地区总人口数量的比重。考虑到教育水平可能同经济发展水平存在较为严重的多重共线性，故删除人均地区生产总值这一指标，改用教育水平替代，被解释变量仍为城乡收入差距，估计方法亦使用系统GMM。实证结果显示，普惠金融同城乡收入差距依然在1%的显著性水平上呈现负相关关系。同时，城镇化水平、产业结构、财政支出偏倚以及教育水平同样与城乡收入差距显著负相关，这一结果同理论经验相符。总体而言，稳健性检验结果显示，普惠金融系数符号和显著性均没有发生改变，说明本文的实证结论较为稳健①限于篇幅，本文的稳健性检验结果未给出，留存备索。。

五、结论与政策建议

本文以中国省级面板数据为例，在分析普惠金融影响城乡居民收入差距减贫效应机理的基础上，基于2011～2015年中国省际面板数据检验综合普惠金融的发展对城乡居民收入差距的减贫效应。实证结果表明：普惠金融发展水平是城乡收入差距的单向格兰杰原因，综合普惠金融的发展的确能显著缩小城乡收入差距，综合普惠金融指数越高，相应地区的城乡收入差距就越小；综合普惠金融的发展可以解释城乡收入差距变动的11.42%，普惠金融发展对减缓城乡收入差距是长期有效且效果可观的。此外，产业结构升级、财政支出增加以及人均生产总值提升均能在一定程度上缩小城乡收入差距。

据此，本文建议在着力推动银行业对小微企业提供高质量金融服务的同时，大力发展互联网金融，同时在有效监管的条件下，促进数字普惠金融同传统普惠金融协调发展，共同缩小城乡收入差距，实现城乡包容性增长和共同富裕。第一，支持互联网金融企业发展，助推数字普惠金融进程。通过适当扶植新兴互联网金融企业，运用好互联网金融中特有的长尾效应，不但能给整个金融业注入新鲜血液，还可以对传统金融行业形成有效冲击，加剧市场化竞争，迫使传统金融业改善治理结构，寻求业务创新，降低经营成本，提高服务效率。第二，“重塑”传统金融业，构建普惠金融服务体系。政府可以通过推行激励性政策来鼓励传统金融针对不发达地区、特殊群体开展金融服务，如支持开发性金融机构与商业银行合作，降低小微企业贷款成本，完善央行征信体系，减少向小微企业贷款时面临的信息不对称问题。开展对农村金融机构的补贴和扶持，灵活运用再贴现、再贷款、差别存款准备金率等货币政策工具，提升农村金融机构对“三农”方面的服务能力，提升传统金融业发展普惠金融的主观意愿和能力。第三，借助数字金融冲击，实现传统金融业转型升级。不论是传统普惠金融发展，还是数字普惠金融发展，均能有效改善地区城乡收入差距水平。因此，除了扶植新兴互联网金融企业，加强传统金融业对特殊人群的服务外，还要推动传统金融业的转型升级。一方面，创新网点模式，将数字金融同传统银行渠道相结合，打造“互联网+”村镇银行、“互联网+”社区银行和“互联网+”小微银行，打破地域限制。其次，依靠产品创新，打造“互联网+”个性化金融产品，可以利用数字金融，推出与特定人群密切相关的金融产品。最后，创新风控手段，借助扫码支付、生物识别等新兴数字技术，提高传统金融业在移动互联网端应用的安全性，解决普惠金融群体的安全之忧。