金融包容的减贫效应研究

张雄 张庆红

摘 要：基于中国家庭金融调查（CHFS）2013数据，从贫困状态、贫困深度和贫困强度三个角度测度农户贫困状况，运用倾向得分匹配（PSM）方法分析金融包容对农户贫困减缓的影响。研究发现：金融包容能够显著减缓农户贫困;分区域来看，金融包容减缓西部地区农户贫困的效应大于东部和中部地区。进一步作用机制分析发现：金融包容可通过促进农户家庭创业和教育人力资本提升来减缓贫困。

关键词：金融包容;农户贫困;减贫效应;倾向得分匹配

文章编号：2095-5960（2019）03-0082-07;中图分类号：F8323，F3238;文献标识码：A

一、引言及文献综述

金融包容（Financial Inclusion）是2005年由联合国首次提出的一种包容性金融体系，能有效、全方位地为社会各阶层和群体提供金融需求服务。由于金融包容最主要的服务对象为中低收入群体或贫困阶层，具有一定减少社会排斥、增加收入、降低收入不平等的积极作用[1] [2]，故自提出以来，就备受国际组织、各国政府和学术界的广泛关注。2010年首尔峰会上，G20国家就实施“金融包容行动计划”达成一致，致力于提高贫困家庭和中小企业享受金融服务的能力。2013年11月世界银行发布《2014年全球金融发展报告：普惠金融》，敦促各国积极推动金融包容性体系建设。与此同时，金融包容联盟（AFI）、经济合作与发展组织（OECD）和亚太经合组织（APEC）等国际组织也为推进金融包容性发展作出了巨大贡献。近年来，中国政府十分重视金融包容性发展，尤其是在农村地区，借助发展金融包容来扶贫减贫。《中国农村扶贫开发纲要（2011—2020年）》指出：“积极推动贫困地区金融产品和服务方式创新，努力满足扶贫对象发展生产的资金需求”。2016年中国人民银行等国家七部委联合印发的《关于金融助推脱贫攻坚的实施意见》提出“要大力推进贫困地区普惠金融发展”。可见，金融包容已成为中国金融扶贫的重要手段，是打赢脱贫攻坚战的关键之举。

关于金融包容减缓贫困的研究，国内外学者已经开展了大量的理论分析和实证检验。国外早期主要是基于金融深化视角研究金融发展对贫困减缓的影响。[3] [4]伴随着包容性金融体系的构建和发展，金融包容减缓贫困研究逐渐成为学者们关注的焦点，其研究主要基于宏观和微观两个层面。在宏观层面上，主要研究金融包容对地区贫困减缓的影响。如Burgess & Pande（2005）探讨了印度商业银行农村分支机构的扩张与贫困减缓的关系，认为商业银行在农村地区的机构扩张显著减少了农村贫困。[5]Park & Mercado（2018）基于亚洲地区37个发展中经济体研究了金融包容、贫困和收入不平等三者之间的关系。[6]在微观层面上，主要研究金融包容对农户家庭贫困减缓的影响。如Brune等（2011）在马拉维农村地区实施了储蓄账户随机化实验，研究认为提供金融储蓄服务可通过多种途径减缓农户家庭贫困。[7]Mohammed等（2017）基于世界银行全球金融包容指数（Global Findex）数据库中撒哈拉以南35个非洲国家的家庭调查数据，分析了金融包容对低收入家庭的减贫影响，认为金融包容有助于贫困农户获取更多的财产和福利。[8]

目前，国内学术界针对金融包容减缓贫困问题也进行了广泛的探讨和研究。如催艳娟和孙刚（2015）以我国时序数据为样本，利用ARDL-ECM模型实证分析了金融包容对贫困减缓的影响，认为金融包容对贫困减缓具有一定长期影响，经济增长和收入分配是其重要的两个作用路径。[9]谭燕芝和彭千芮（2018）基于省级面板数据和空间计量模型考察了普惠金融发展减缓贫困的影响机制，指出普惠金融不仅通过增加收入、促进经济增长、提升自有资本减缓贫困，而且还通过空间溢出作用减少邻近地区的贫困。[10]微观层面上鲜有关于金融包容减贫的研究，但有一些学者考察了小额信贷对农户脱贫的作用。[11][12]一些学者探讨了微型金融对贫困农户的影响; [13]还有一些学者分析了金融可得性对农民收入进而对农户减贫的影响。[14][15]然而，小额信贷、微型金融和金融可得性的概念和内涵与金融包容差别甚大，不能与之等同。

纵观以上研究，现有关于金融包容减缓贫困的研究仍存在以下几方面不足：一是囿于我国微观数据的缺乏，国内鲜有基于微观层面的金融包容减贫研究，更是缺少深入探讨金融包容减缓农户贫困的作用机制研究;二是现有绝大多数研究文献主要采用传统OLS回归方法，很难克服模型中存在的内生性，无疑使得估计结果存在偏误;三是现有农户减贫文献，主要是选取农户贫困状态作为测度农户贫困的指标，对于农户贫困深度和贫困强度关注不够，导致分析不够细化、全面。鉴于此，本文基于中国家庭金融调查（CHFS）2013年微观数据，从贫困状态、贫困深度和贫困强度三个角度出发，运用倾向得分匹配（PSM）方法全面分析金融包容对农户贫困减缓的影响，在此基础上，进一步揭示金融包容减贫的区域异质性和微观作用机制。本研究可为金融包容减缓贫困提供来自中国的微观数据证据，是对既有文献的补充，研究结论可为中国农村贫困地区的扶贫脱贫提供政策参考。

二、研究方法与变量说明

本文数据来源于2013年西南财经大学中国家庭金融调查与研究中心开展的第二轮中国家庭金融调查（CHFS）。該调查提供的观测样本覆盖了全国29个省（市、自治区），包含了28000多户家庭的人口特征、资产、负债、社会保障、商业保险等方面的详细信息。根据研究需要，仅使用其中的农村家庭子样本数据。同时，CHFS也提供了家庭收入数据，这为研究金融包容减缓农户贫困提供了很好的微观数据支撑。

（一）研究方法

为研究金融包容对农户贫困减缓的影响，本文设定如下的计量模型：

其中，Y表示农户家庭贫困状况，分别为农户贫困状态、贫困深度和贫困强度;FI为农户家庭金融包容状态，即农户家庭是否获得和使用了正规金融服务，是一个哑元变量;X为控制变量向量。由于农户家庭是否获得和使用正规金融服务受农户自身的家庭禀赋特征影响，存在农户自选择过程，即农户金融包容是内生的，如果直接估计上述模型，样本自选择问题将导致参数不是一致估计。本文采用Rosenbaum & Rubin（1983）[16]提出的倾向得分匹配（PSM）方法来有效地处理农户金融包容的自选择问题。其基本思路是：将样本农户家庭按照是否获得和使用正规金融服务划分为金融包容组（处理组）和非金融包容组（控制组），基于非金融包容农户样本，使用某种匹配技术为每个金融包容农户匹配或构造一个非金融包容农户，尽量使这两个农户除了在金融包容状态方面不同之外，其他特征和属性信息均高度相似。于是，可构造得到金融包容样本的一个反事实状态，从而计算金融包容的减贫效应，即金融包容减贫的平均处理效应（ATT），其表达式为：

其中，Y1表示农户处于金融包容状态时家庭贫困状况的潜在结果，Y0表示农户未处于金融包容时家庭贫困状况的潜在结果。式（2）中，我们只能获得E（Y1|FI=1）的观测结果，而E（Y0|FI=1）的结果是无法观测到的，即反事实结果，需采用PSM方法进行构造。

在构造反事实结果时，关键的两个环节分别是倾向得分值计算和匹配技术选择。现有文献主要是利用Probit模型或Logit模型来计算倾向得分值，使用最近邻匹配、卡尺匹配、核匹配等技术进行样本匹配。

（二）变量选取与描述性统计

1农户家庭贫困。本文根据Foster等（1984）[17]提出的贫困测度方法，参照谢申祥等（2018）[18]研究，分别从贫困状态、贫困深度和贫困强度方面对农户家庭贫困进行衡量。具体测度公式如下：

其中，z代表贫困线，si代表第i个农户家庭的人均收入。当δ=0时，pov0i表示第i个农户家庭所处的贫困状态，当pov0i为1时，表示第i个农户家庭贫困，否则，非贫困;当δ=1时，pov1i表示第i个农户家庭的贫困深度;当δ=2时，pov2i表示第i个农户家庭的贫困强度。本文中贫困线是以国家2011年公布的2300元（2010年不变价）为标准。

根据农户个体贫困状况，可进一步计算样本农户整体的贫困状况，计算公式如下：

2金融包容。关于金融包容的内涵，目前学术界尚未达成统一。考虑到样本数据的限制，并结合本文研究的需要，本文将农户金融包容界定为农户家庭是否获得和使用正规金融服务。其中，正规金融服务主要是指正规金融机构提供的储蓄和贷款两种最基本金融服务。如果农户家庭获得和使用了正规金融机构提供的储蓄和贷款两种服务中的任意一种，我们就认为该家庭被正规金融体系包容，处于金融包容状态，FIi=1，否则，该家庭处于非金融包容状态，FIi=0。

3匹配变量。为了获得更好的匹配效果，对于PSM的匹配变量，本文尽可能地选取同时影响农户家庭贫困与金融包容状态的相关变量。参照已有的理论和经验研究，本文匹配变量的选取主要是基于户主特征和家庭特征两个方面展开。需特别说明的是，CHFS中的户主是指家庭经济来源的主要承担者，一般称作经济户主。本文引入性别、年龄和教育水平作为户主特征的影响因素;选择家庭规模、劳动力占比、非农就业水平、金融知识、民间借贷等变量来控制农户家庭特征有关因素的影响。在数据处理过程中，删除研究所涉及变量有缺失值、离群值以及家庭人均收入小于0的样本观测值，最终得到有效样本数为6481户。具体变量的定义及基本情况详见表1。

由表1可知，样本农户的贫困发生率为254%，贫困深度指数为149%，贫困强度指数为110%。仅有551%的农户家庭获得和使用了正规金融机构提供的储蓄和贷款服务，表明我国农村地区金融包容性水平較低。在样本农户中，经济户主以男性为主，平均年龄在50岁左右，受教育程度主要集中于初中及以下;农户家庭的平均人口规模为412人，农户非农就业水平较低，农户金融知识普遍匮乏，且绝大多数农户属于风险厌恶型。上述情况基本符合样本调查时期中国农村地区的特征事实。

在对变量定义的基础上，本文对非金融包容农户组和金融包容农户组的结果变量与匹配变量进行描述性统计分析，结果见表2。数据显示，非金融包容农户的贫困发生率、贫困深度指数和贫困强度指数分别是315%、183%和133%，比金融包容农户分别高出了110%、62%和42%。直观来看，金融包容对农户贫困减缓具有积极影响，初步证实了金融包容减缓农户贫困效应的存在。此外，两组农户样本除了家庭规模变量外，其余各项匹配变量均呈现出显著的统计差异。

三、金融包容减贫的实证分析

（一）共同支撑域与平衡性检验

本文首先运用Logit模型估计得到农户金融包容的倾向得分值①①限于篇幅，本文没有报告倾向得分值的估计结果。如有需要，可向作者索取。 其次，分别采用最近邻匹配（1∶5匹配）、卡尺匹配（半径=001）、卡尺内最近邻匹配（半径=001，1∶5匹配）和核匹配（窗宽=006，核函数=normal）技术匹配两组样本农户。在此基础上，分别对共同支撑域条件和匹配平衡性假设进行检验。经查阅匹配结果数据表发现，金融包容农户的倾向得分值区间为[0271，0925]，非金融包容农户的倾向得分值区间为[0266，0896]，两者的共同区域为[0271，0896]，几乎完全重叠。且在上述四种匹配方法下金融包容农户样本损失个体数最大为7，样本损失量非常小，可忽略不计，完全满足共同支撑域要求。

另外，平衡性检验结果显示（见表3），在四种匹配方法下所有匹配变量的标准偏差均小于9%，远远小于Rosenbaum & Rubin（1985）[19]给定的20%检验标准。此外，在四种匹配过程中，Pseudo R2统计量值均在匹配后有所减少，LR统计量值均在匹配后下降明显，且由高度显著变为10%水平上不显著。由此可知，两组样本匹配后的个体特征差异基本消除，匹配效果较好，从统计学意义上看，可认为匹配后的金融包容农户与非金融包容农户基本一致。

（二）金融包容减贫效应分析

表4是金融包容减贫的平均处理效应（ATT）估计结果。可以看到，利用四种不同匹配方法所得到的平均处理效应（ATT）差异甚微，且在1%的水平上均统计显著，一定程度上也说明了实证结果较为稳健。基于四种匹配方法ATT值的平均值来看，金融包容能够显著地使农户的贫困发生率、贫困深度指数和贫困强度指数分别降低73%、41%和27%。可见，金融包容对农户贫困状态、贫困深度和贫困强度均具有显著的减缓作用。相比来说，对农户贫困状态的减贫效应最大，对农户贫困强度的减贫效应最小。以上结果表明，金融包容能够有效减缓农户贫困。

（三）敏感性分析

表5是利用Wilcoxon符号秩检验[20]对金融包容减贫的平均处理效应（ATT）进行敏感性分析的结果①①限于篇幅，本文仅对采用最近邻匹配（1∶5匹配）方法下金融包容减贫的平均处理效应（ATT）进行敏感性分析，且只报告了金融包容减缓农户贫困状态ATT的敏感性分析结果。 。如果Γ系数取值很小时（通常接近1）Wilcoxon符号秩检验结果就已经不显著了，那么，PSM处理效应估计对模型中可能存在的遗漏因素十分敏感;如果Γ系数取值递增到很大时（通常大于2）Wilcoxon符号秩检验结果才变得不显著了，那么，PSM估计结果就具有一定稳健性[21]。由表5可知，Γ系数取值从1递增到5时，Wilcoxon符号秩检验结果的显著性水平上限均小于00001，一直处于显著。因此，可以认为金融包容减贫的平均处理效应（ATT）对可能存在的遗漏因素不敏感，上文计算的PSM估计结果具有较好的稳健性。

（四）金融包容减贫的区域差异分析

为进一步探究金融包容减缓农户贫困的区域异质性，本文根据CHFS提供的样本个体所属区域信息，将总样本分为东部、中部和西部三个子样本②②CHFS所调查的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南，中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南，西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海和宁夏。 ，并分别对其进行PSM估计。考虑到文章篇幅，仅采用最近邻匹配（1∶5匹配）一种方法来进行分析。具体估计结果见表6。

由表6可知，在东部、中部和西部三个地区，金融包容对农户贫困状态、贫困深度和贫困强度的减贫作用均显著。对农户贫困状态和贫困深度的减贫，西部地区的减贫效应最大，分别为-0083和-0058，东部地区最小，分别为-0073和-0043;对农户贫困强度的减贫，西部地区的减贫效应最大，为-0044，中部地区最小，为-0027。进一步证实了金融包容能够有效减缓农户贫困。对比分析发现，金融包容减贫在地区之间存在差异性，减缓西部地区农户贫困的效应大于东中部地区。可能的解释是，东中部农村地区金融包容性发展水平较高，农户获得正规金融机构的服务比较容易，农户致贫受金融排斥的影响有限;而在西部农村地区，金融包容体系建设不完善，正规金融机构网点布局较少且集中分布于县城，农户难以获得金融服务，金融排斥致贫现象严重。故而，在西部地区发展金融包容更有利于农户减贫，减贫效果明显。

四、金融包容减贫的作用机制分析

金融包容主要是确保低收入者和贫困群体以负担得起的成本获得他们所需要的金融产品和服务，可为创业贫困家庭提供一定信贷资金支持，助力贫困农户创业，从而提高收入减缓贫困。同时，金融包容也可为贫困农户提供教育储蓄产品和信贷服务，有利于其享有更好的教育，从而提升贫困农户家庭教育人力资本，使其具备一定自我发展和创造财富的能力，从而彻底摆脱贫困。由于现有文献已经证实了农户家庭创业行为和教育人力资本具有显著的减贫效应[21][22]，因此，我们将检验金融包容对农户家庭创业行为和教育人力资本的影响，进而证明金融包容能够通过这两个途径来减缓农户贫困。

本文使用农户家庭中是否有劳动力从事个体经营或自主创业来衡量家庭创业行为。用家庭中受教育程度为初中及以上劳动力人数占劳动力总数的比重来度量家庭教育人力资本。同样，采用上文中的PSM方法實证分析金融包容对农户家庭创业行为和教育人力资本的影响，估计结果见表7。结果显示，金融包容对农户家庭创业行为和教育人力资本均有显著的正影响。因此，农户家庭创业行为和教育人力资本可能是金融包容减缓农户贫困的两个重要作用机制。

为了进一步证实金融包容对农户家庭创业行为和教育人力资本的影响，本文利用回归模型给予再检验，结果见表8。第（1）（2）列估计结果显示，无论是否引入控制变量，在1%水平上金融包容均显著促进农户家庭创业。第（3）（4）列所示的模型估计结果表明，在1%水平上金融包容均显著提升农户家庭教育人力资本。进一步说明了上述作用机制检验结论是较为稳健的，证实了农户家庭创业行为和教育人力资本是金融包容减缓农户贫困的两个重要作用机制。

五、结论与启示

本文主要研究金融包容对农户贫困减缓的影响。基于CHFS2013的微观调查数据，采用倾向得分匹配（PSM）方法从贫困状态、贫困强度和贫困深度三个角度来实现本文的研究目标，进一步分析了金融包容减缓农户贫困的区域异质性和作用机制。研究结果表明，金融包容能够显著减缓农户贫困;分区域研究显示，金融包容减缓农户贫困存在区域差异性，减缓西部地区农户贫困的效应大于东部和中部地区;金融包容能显著促进农户家庭创业和教育人力资本提升，从而减缓农户贫困。

当前中国正处于脱贫攻坚，决胜全面小康的关键时期，本文的研究结论可为减缓农户贫困，实现全面小康目标提供参考。第一，应进一步推进中国农村贫困地区金融包容性发展，引导正规金融机构网点向西部贫困地区的乡镇和农村延伸，创新金融服务模式，借助“互联网+”，在农村地区大力发展网上银行和手机银行业务，切实提高农户金融服务的可得性和便利性。第二，在风险可控前提下，加强对贫困农户家庭个体经营和自主创业提供融资服务，支持农户创业，以此增加其非农就业收入，从而减缓贫困。第三，创新金融服务家庭教育的产品，积极为农户家庭教育提供金融储蓄产品和信贷服务，鼓励正规金融机构信贷支持贫困农户家庭的就学和职业技能培训金融服务需求，从而提升贫困农户家庭教育人力资本，使其具备一定自我发展能力，实现彻底摆脱贫困。需要指出的是，本文仅分析了金融包容减贫的区域差异性，而未对金融包容减贫的农户家庭异质性进行研究，这将是笔者今后深入探究的方向。

参考文献：

[1]Beck T，Demirguc-Kunt A，Martinez-Peria M S.Banking Services for Everyone？Barriers to Bank Access and Use Around the World[J].The World Bank Economic Review，2008，22（3）：397-430.

[2]Sarma M，Pais J.Financial Inclusion and Development[J].Journal of International Development，2011，23（5）：613-628.

[3]Jalilian H，Kirkpatrick C.Does Financial Development Contribute to Poverty Reduction？[J].Journal of Development Studies，2005，41（4）：636-656.

[4]Beck T，Demirguc-Kunt A，Levine R.Finance，Inequality and the Poor[J].Journal of Economic Growth，2007，

12（1）：27-49.

[5]Burgess R，Pande R.Can Rural Banks Reduce Poverty？Evidence from the Indian Social Banking Experiment[J].American Economic Review，2005，95（3）：780-795.

[6]Park C Y，Mercado R.Financial Inclusion， Poverty and Income Inequality[J].The Singapore Economic Review，2018，63（1）：185-206.

[7]Brune L，Gine X，Goldberg J，et al.Commitments to save：A Field Experiment in Rural Malawi[R].Policy Research Working Paper，2011.

[8]Mohammed J I，Mensah L，Gyeke-Dako A.Financial Inclusion and Poverty Reduction in Sub-Saharan Africa[J].African Finance Journal，2017，19（1）：1-22.

[9]催艳娟，孙刚.金融包容、金融稳定与贫困减缓——基于ARDL-ECM模型的估计[J].商业研究，2015（6）：59-68.

[10]谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应[J].当代财经，2018（3）：56-67.

[11]朱乾宇，董学军.少数民族贫困地区农户小额信贷扶贫绩效的實证研究——以湖北省恩施土家族苗族自治州为例[J].中南民族大学学报（人文社会科学版），2007（1）：56-60.

[12]林万龙，杨丛丛.贫困农户能有效利用扶贫型小额信贷服务吗——对四川省仪陇县贫困村互助资金试点的案例分析[J].中国农村经济，2012（2）：35-45.

[13]陈银娥，王毓槐.微型金融与贫困农民收入增长——基于社会资本视角的实证分析[J].福建论坛（人文社会科学版），2012（2）：12-17.

[14]肖龙铎，张兵.金融可得性、非农就业与农民收入——基于CHFS数据的实证研究[J].经济科学，2017（2）：74-87.

[15]丁忠民，玉国华，王定祥.土地租赁、金融可得性与农民收入增长——基于CHFS的经验[J].农业技术经济，2017（4）：63-75.

[16]Rosenbaum P R，Rubin D B.Assessing Sensitivity to an Unobserved Binary Covariate in an Observational Study with Binary Outcome[J].Journal of the Royal Statistical Society，1983，45（2）：212-218.

[17]Foster J，Greer J，Thorbecke E.A Class of Decomposable Poverty Measures[J].Econometrica，1984， 52（3）：761-766.

[18]谢申祥，刘生龙，李强.基础设施的可获得性与农村减贫——来自中国微观数据的经验分析[J].中国农村经济，2018（5）：1-20.

[19]Rosenbaum P R，Rubin D B.Constructing a Control Group Using Multivariate Matched Sampling Methods that Incorporate the Propensity sScore[J].American Statistician，1985，39（1）：33-38.

[20]Rosenbaum P R.Observational Studies[M].New York：Springer，2002.

[21]韦吉飞.农民创业对农村收入不平等与贫困的影响研究[J].重庆大学学报（社会科学版），2013（2）：16-22.

[22]程名望，Jin Yanghong，盖庆恩，等.农村减贫：应该更关注教育还是健康——基于收入增长和差距缩小双重视角的实证[J].经济研究，2014（11）：130-144.

责任编辑：萧敏娜