微型金融发展对区域经济的影响关系研究——基于空间杜宾模型的实证分析

郑兰祥 王新平

（安徽大学 经济学院，安徽 合肥 230601）

一、问题的提出

微型金融是指服务于穷困或者收入难以维持日常生活支出的人群以及处在初创期的部分小微企业的服务机构，其中主要包括小额贷款、合作性质的金融机构以及社区银行之类。该词最初是由世界银行建立的扶贫咨询委员会提出，我国1997年才首次引入微型金融这个名词。经过一定时间的磨合与改进，截至2010年，我国微型金融成长的基本模式已经初步形成。微型金融有着很多不同于传统金融行业的优点，例如：额度小、贷款灵活等。结合我国目前区域发展的实际情况，微型金融非常适合我国部分地区的金融市场发展。然而，我国现阶段的微型金融发展还存在着很多不足之处，最近几年越来越多的学者都在热切地聚焦这个问题。

由于我国整体区域发展呈现着不均衡的态势，东南部沿海区域发展相对发达，而西部地域发展相对落后。但伴随着产业结构的调整和区域一体化进程的逐步发展，各省份之间的商业往来与交流逐渐密集，各行业之间的发展都存在着不同程度上的空间溢出效应。那么微型金融的发展是否也具有一定的空间依赖性？若将空间地理因素考虑到二者中去，微型金融发展对该区域经济的增长会产生什么影响？微型金融发展中哪些具体的因素会对区域经济发展产生直接或者间接的影响？微型金融的发展对本地区经济发展的影响与对邻近地区经济发展的影响有什么差异？基于这个背景，本文在现有研究的基础上将空间地理因素考虑进去，建立邻接矩阵和地理距离两种权重矩阵，选择空间杜宾模型来研究微型金融与区域经济发展之间存在的关系，并将所存在的关系进行效应分解，来探讨微型金融发展对自身区域和周边地区经济发展所带来的具体影响。这些问题的深入研究有利于我们在现阶段结合本地区的特色优势，更有针对性地发展地区微型金融，实施好相关的富农惠农政策，更快地帮助落后地区摆脱贫困，早日完成各地区的全面脱贫工作。

二、文献综述

中国国土辽阔，地域宽广，早期的梯度空间发展战略导致了区域间经济增长的不平衡。随着东西地区发展速度的不一致以及各地区实施政策的不同，地区之间的经济发展程度也逐渐呈现一定的梯度，东南沿海明显优于中西部地区。近年来中国开始步入新常态时期，经济进行增速调整、步伐放缓、结构转型，微型金融因其自身优势和特殊的历史时期，逐渐开拓出广大的市场空间，逐渐将成为未来中国经济中不可或缺的一部分。与此同时，随着扶贫工作的推进，在政策的扶持下，小额信贷等一系列的微型金融公司也面临新的机遇和挑战，微型金融行业的发展迈入新的阶段。微型金融作为各个地区经济发展引入的动力能源之一，是否能促进本地区区域经济的发展？微型金融服务中的广度和深度分别对各地区的区域经济发展产生什么样的影响？政府财政支持在区域经济发展中起到什么作用？微型金融的发展是否能够减缓贫困？这些问题一直以来都受到了学者们的热切关注。经对现有文献归纳总结，目前研究主要体现在以下三个方面：

第一，微型金融的发展促进区域经济增长。莱文指出金融中介通过对资本的有效配置，能够起到促进经济增长的实际作用[1]。伯吉斯采用时间序列数据发现银行业的发展可以达到促进农业产出的增加[2]。姚耀军结合中国25年的时间序列数据，并采用VAR模型和格兰杰因果检验以及协整分析实证得出，农村地区的金融发展与农村经济增长存在着一定程度上的均衡关系，并且这种关系是长期且稳定的[3]。安翔运用帕加诺模型通过多元线性回归分析，发现在区域经济发展的过程中，金融行业的发展对区域经济具有显著的促进作用，并且国家的宏观经济政策也是重要的决定性变量[4]。邓莉、冉光和采用灰色理论中的关联分析法研究发现金融规模是影响经济增长和发展的重要指标，小微企业的发展对金融的依赖程度不高，但对经济增长和居民收入的影响较为突出。金融行业的各项发展指标对其经济发展的影响显著，但程度不一[5]。贝克提出通过对机构数量、存款和国内生产总值的比值等指标对地区的金融发展水平进行评测，结果发现其对区域经济的发展均有一定程度上的影响[6]。张立军利用1978—2004年中国的数据检验得出区域金融发展通过降低该地区的恩格尔系数，从而降低区域内部的贫困水平[7]。禹跃军、王菁华运用面板向量自回归通过1978—2010年时间序列数据，根据戈登的说法从金融规模、金融效率和金融结构三个方面去研究微型金融发展与区域经济发展的关系，其研究结论得出地区的金融发展有助于促进该地区经济增长，但金融规模、效率和结构对区域经济增长的具体影响程度不一致[8]。田剑英和黄春旭发现，通过小额贷款等微型金融公司吸纳民间资本，这项举措有助于促进农村经济的发展[9]。李海峰通过GLS方法得出健全的监管政策与环境和业务发展的正确引导有利于微型金融机构发展，从而促进农村经济发展[10]。

第二，微型金融的发展阻碍区域经济增长。温涛、冉光和、熊德平运用53年的省份时间序列数据进行协整检验发现，我国农村地区的金融发展对该地区的经济增长水平以及农民的收入增长水平具有显著的负效应[11]。朱喜、李子奈运用VEC模型的协整分析，通过1981—2004年的时间序列数据分析得出，在政府主导的模式下，金融贷款投入在短期未能有效地促进地区投资的增加和居民收入的增长[12]。陈银娥利用河南省民权县的调查数据基于广义最小二乘法回归结果发现，微型金融能够提升贫困农民收入水平的效果不明显[13]。石丹通过DEA分析方法得出政府财政支持引导微型金融发展的效率低下，进而阻碍了该地区经济的发展的结论[14]。李延敏运用熵权TOPSIS方法，发现如果政府财政方面的支持增加，将会促使股份制商业银行类型的微型金融机构市场份额增加，从而抑制行业的可持续性发展[15]。王劲屹通过运用VEC模型发现：农户储蓄存款对农村经济的增长具有正向促进作用，但农村金融机构存贷比的高低却对经济增长的作用不大，国家的宏观政策对农村金融的发展和其经济增长来说是一个牵制因素[16]。

第三，微型金融或可减缓贫困。加勒认为信贷约束会降低资本配置效率，从而加剧收入的不平等，不利于贫困减缓[17]。奥莫汉得出某一地区的金融发展能够降低地区的平困人数，GDP每提高10%，将会降低2.5%—3%的贫困率[18]。英国国家发展署指出金融的发展，小微企业吸纳更多地信贷或者储蓄，最终转化成有助于减缓贫困[19]。让纳指出金融行业的发展通过麦金农导管效应从而促进贫困减缓，但是金融的行业波动可能在一定程度上损害贫困者的利益[20]。丁志国采用面板数据模型实证分析了各项金融指标与区域经济发展之间的关系，其结果表明对于经济发达地区来说，受金融发展规模的影响更强，而对于经济落后地区来说，其受金融发展风险的影响更强[21]。张兵结合空间面板自回归模型和门槛面板回归模型研究得出了一个地区的金融发展对该地区的贫困减缓在空间上存在着一定程度的溢出效应，而区域的经济发展却抑制了该地区的贫困减缓的结论[22]。程华认为从长期来看，微型金融的发展对促进贫困的减缓起到促进作用，从短期来看，微型金融的发展不能有效发挥其所具有的正向作用[23]。达谭枫以南疆四地州为例，运用2009—2015年相关变量面板数据和计量分析方法实证得出农村微型金融的发展对促进农牧民的就业和收入增长有显著的正向作用，微型金融的推广与发展是实现贫困和边远地区人民脱贫致富的有效途径之一[24]。

通过对现有文献的梳理，我们发现：第一，现有的文献多数是采用时间序列数据来研究微型金融机构与区域经济发展之间的关系，缺乏对空间面板数据的比较分析。第二，部分文献是研究微型金融与贫困减缓之间的关系，宏观政策以及财政支持是其中影响因素之一，但没有具体研究空间因素的纳入是否会对其作用产生影响，以及其具体影响哪些方面。第三，现有文献多数是从金融发展和城乡居民收入差距或贫困减缓角度去深入分析，缺乏对小额贷款的发展以及周边地区的空间因素对区域经济发展影响的考虑。基于以上分析，本文将在以下两个方面加以改进：一是在考虑空间因素的基础上，结合2009—2018年数据，构建邻接矩阵和地理距离矩阵深入分析微型金融与区域经济发展之间是否存在空间上的依赖性。二是采用更前沿、更具有一般性的空间杜宾模型，更加准确地衡量微型金融与区域经济发展二者之间存在的具体关系，以及对其溢出效应进行分解，以期能够为地区间的协调发展提供一些相关建议。

三、研究方法、数据选取与模型设定

（一）研究方法

对于空间计量模型，现有研究主要有三种，分别为空间滞后、空间误差和空间杜宾模型。三者的差距主要在于：空间滞后模型只考虑因变量空间滞后项的影响，空间误差模型与其不同之处在于在将空间因素的影响考虑进误差项中，但空间杜宾模型的优点在均考虑了因变量和自变量的空间相关性。因此在这里我们优先选用空间杜宾模型对数据进行理论推导和实证分析。

现有研究中关于时间序列，最常见的建模方法就是建立一阶自回归模型。但是由于考虑到空间因素，则形式就会变得相对复杂，因为空间滞后可以来自不同的维度和不同的方向。首先根据时间序列的一阶自相关模型的关系式来推导空间自相关模型的关系式：

将n个（1）式叠加到一起，得出：

其中，矩阵W为时间滞后矩阵，放入空间模型中，矩阵W则为空间权重矩阵。由于在空间面板模型中元素的排列具有多样性，会根据其特定情形设定所需的权重矩阵形式。为此下面引入（3）式，得出：

其中，W为特定的空间权重矩阵，λ为空间滞后项Wy对y的影响，即空间自回归系数。

进一步地，在（3）式中加入自变量，得出：

再加上解释变量的空间因素影响，得出：

其中，W为空间权重矩阵，X为解释变量，Y为被解释变量，λ、δ均为空间自相关系数，Wy、Wx分别为被解释变量与解释变量的空间滞后项，β为回归系数，ε为误差项。上式（5）则被称为空间杜宾模型的一般形式。

（二）指标选取、数据来源与模型设定

1．指标的选取

一国的经济发展水平高低，其衡量指标有多种，如国民生产净值NDP、国民生产总值GNP或者国内生产总值GDP等。本文根据现下各省市实际采用的衡量指标人均GDP水平作为反映该地区区域经济发展水平的变量指标，选取地区金融增加值水平表示地区金融发展程度指标，选取小额贷款公司的信贷数据来表示微型金融规模指标，并选用政府财政支出以及固定资产投资等指标作为控制变量，共同探讨微型金融与区域经济发展之间的关系。具体指标的选取和说明见下：

表1 指标选取与说明

2．数据来源与模型设定

研究选取2009—2018年我国省级面板数据来进行空间计量分析，其中包含30个省、直辖市和自治区（基于数据可得性，将西藏剔除），所用数据均由《中国统计年鉴》《中国金融年鉴》以及中国金融数据库wind的相关统计数据计算得出。对于个别缺失的数据，则取前后数据的均值进行填补。另外，为消除数据的异质化，在这里将所有的指标均进行对数化处理。

表2 描述统计结果

鉴于本研究讨论的主题主要是微型金融对区域经济发展水平的影响，从强调全面综合与分析角度出发，不仅要衡量本地区微型金融发展水平对促进地方经济发展水平的影响，也要考量相应周边地区的微型金融发展对该区域经济发展水平的带动辐射和示范作用，以及在这些作用的推动下，区域经济可能产生的实质性变化。综合这些考虑，选取空间杜宾模型更适合本研究的论证，其推导公式如（6）式所示：

其中，W为空间权重矩阵，W ln pgdp为经济发展水平的空间滞后项，W ln fdi为金融发展程度的空间滞后项，W ln fsi为微型金融规模指标的空间滞后项，W ln gov为政府财政支持的空间滞后项，W ln inv为社会固定资产投资水平的空间滞后项。β、δ为空间自相关系数，ε为误差项。

四、实证过程与结果分析

要注意的是，空间计量模型与普通面板不同的地方在于空间计量模型中加入了空间地理因素的影响分析，因此不能采用OLS估计，而应该进行MLE估计。首先，要构建各省市的空间权重矩阵，通过全局moran'I和局部moran'I指数检验其是否具有空间相关性；其次，通过LM检验以证明空间杜宾模型的构建是否合理，通过Hausman检验选择采用固定效应或是随机效应模型；接着，用LR检验去检测空间杜宾模型在相应条件下是否会退化成空间滞后或者空间误差模型；最后，对杜宾模型的测试结果加以分析，采用偏微分的方法对其存在的溢出效应进行效应分解，厘清微型金融与区域经济发展二者存在的具体关系，在此基础上，探求微型金融发展指标如何影响一个地区的区域经济增长。

（一）空间相关性检验

在构建空间计量模型之前，首先需要进行数据的空间相关性检验。在已有文献中有许多检验空间自相关的方法，例如莫兰指数、吉里安指数等，考虑到研究的适切性，这里使用最为常用的莫兰指数（moran's I）。在计算莫兰指数之前，先要建立各省市的权重矩阵，为了更确切地把握微型金融发展所存在的区域之间的依赖程度，建立了邻接规则和地理距离规则的空间权重矩阵。

1.0-1邻接权重矩阵

根据各省份之间是否相邻来设置0-1邻接矩阵，如果两个省份在地理上相邻则赋值为1，不相邻则为0。

2.地理距离权重矩阵

地理距离权重矩阵元素设定方法采取现有文献中常用的做法，取值为区域之间地理距离的倒数，其定义如下：

3.莫兰指数

莫兰指数（moran'I）计算公式如下：

其中，xi代表第i个地区的观察值，为样本均值，为样本方差，wij为空间权重矩阵的（i，j）元素（用来度量区域i与区域j之间的距离），为所有空间权重之和，n为地区总数。根据莫兰指数的检验规则，如果指数大于0表示二者之间存在正自相关关系，小于0则表示二者存在负自相关关系，等于0就证明其空间分布是随机的，相互之间不存在空间上的自相关关系。

使用软件stata15.0计算得出反映我国经济发展水平的moran'I指数值，具体结果如表3所示，从中可以看出，在两种空间权重矩阵下，人均GDP的moran'I指数均为正值，且均强烈拒绝没有空间自相关的假设，表明我国主要经济活动之间有着很显著的空间集聚性。

由上，在检验完全域自相关的基础上，再计算局部莫兰指数，绘制两种空间权重矩阵下的莫兰指数散点图（以2018年为例，横坐标z表示本地区人均GDP，纵坐标Wz表示邻近地区人均GDP），具体图表如下：

表3 2007—2018年我国人均GDP的全域moran'I指数

图1 邻接权重下的经济发展水平moran'I散点图（2018）

图2 地理距离权重下的经济发展水平moran'I散点图（2018）

从上述图1—2中可以看出，两种空间权重矩阵下，我国各地区经济发展水平均存在着空间集聚性，并且在空间上呈现非均衡分布，从图中可以发现落在第一象限的省市多为我国发达省市或沿海城市，如北京、上海、深圳、江苏等，形成经济发展高值集群。落在第三象限的省市则一般均为西部地区，如甘肃、新疆、西藏等省份，形成经济发展低值集群。因此，局部莫兰散点图的结果进一步表明，我国各地区在其经济发展水平上确实存在着明显的空间依赖性和高度的空间集聚特征。

（二）空间计量模型的实证过程与结果分析

1.固定随机效应检验

空间面板回归模型和普通面板回归模型相同，回归之前均需要先进行检验。为了确定模型的具体形式，研究依次采用LM检验、Hausman检验、LR检验去对数据进行核实。其中，LM检验的测试结果显示，采用空间误差模型在邻接矩阵和地理距离矩阵下均呈现1%水平显著，采用空间滞后模型在邻接权重下1%水平显著，在地理距离矩阵下5%水平显著 （见表4）。经过Hausman检验后发现，测试结果推荐采用固定效应。接着进一步检验空间杜宾模型是否有可能会退化成空间滞后模型或者空间误差模型，结果在1%水平上显著（见表5），原始假设被拒绝，因此判定采用固定效应下的空间杜宾模型是最佳方案。根据测试结果（见表6）和Elhorst的研究成果判断，时间空间双固定效应下的空间杜宾模型要优于时间固定效应和空间固定效应模型，因此这里选用双固定效应下的空间杜宾模型为最佳结果。

表4 LM检验结果

表5 LR检验结果

表6 模型选择检验结果

2.空间杜宾模型的结果分析

基于微型金融对区域经济发展水平所存在的空间依赖性，以及上述的具体检验结果，这里采用空间杜宾模型对数据进行回归估计。回归结果如表7所示：

表7 空间杜宾模型（SDM）估计结果

从上表中可以得出，空间自相关系数在地理距离矩阵下通过5%水平的显著性检验，表明区域之间的经济发展水平受地理距离因素的影响。金融发展程度（lnfdi）指标为负值，在两种权重矩阵下在1%水平下显著。微型金融规模（lnfsi）、社会固定资产投资（lninv）两个指标为正值，且在两种矩阵权重下均通过1%水平的显著性检验，政府财政支出（lngov）指标为负值。以上结果表明，在研究调查样本期间，微型金融规模和社会固定投资等指标起到促进区域经济发展的作用，而现有的金融发展程度和政府财政支持却一定程度抑制区域经济的发展。但如果将空间滞后项纳入进来，各项系数则不能单一地直接反映解释变量对经济发展水平的影响，因此我们应该将其产生的溢出效应进行分解。

3.空间杜宾模型的效应分解

基于前文验证了空间溢出效应的存在，微型金融发展的系数指标不再仅仅解释了对经济发展水平的影响，在这里需要对其进行效应分解，以便更好地说明微型金融发展对区域之间经济发展水平的直接效应、间接效应以及空间总效应。效应分解结果如表8所示。

表8 空间杜宾模型（SDM）的效应分解

从上表中可以看出，两种空间权重矩阵下，金融发展程度（lnfdi）的效应系数均为负值，在两种矩阵下通过1%的显著性水平检验，其结果表明金融行业的过度扩展可能在一定程度上会影响当地的经济发展。微型金融规模指标（lnfsi）的总效应和直接效应系数均为正值，均通过1%的显著性水平，间接效应系数均为正值，且分别通过1%、5%的显著性水平，表明微型金融规模的增加对本地区和邻近区域均起促进作用。社会固定资产投资（lninv）在0-1矩阵下的直接效应是正值，通过1%的显著性水平，表明社会固定资产投资水平的增加对本地区的经济发展水平有正向的促进作用，间接效应未通过显著性检验。政府财政支持指标（lngov）的效应系数为负值，在两种权重矩阵下均通过1%的显著性水平检验，说明政府财政支持具有显著的负溢出效应，政府对地区的过度监管，在一定程度上影响了当地的经济发展。

五、结论与建议

一个国家的经济发展水平受多种因素影响，空间地理位置的影响也是其重要因素之一。从区域服务的广度来说，由于区域地理因素的存在，微型金融在各个地区推广的力度不一致，因而使各个地区经济发展水平的快慢不一。根据中央五个一号文件的下发，对于普惠金融的推广，应该要充分考虑各个地区之间空间地理位置因素的存在，根据实际情况对症下药。从服务本身来说，微型金融的发展能够让广大农村地区的百姓更广泛地享受优惠便捷的金融产品和服务，通过逐渐地扩大微型金融的服务范围，提升其服务的深度和广度，能够更好地帮助低收入人群和小微企业更便捷地获取所需的金融资源，提高资源配置效率，更快速地体验普惠金融带来的便捷服务。

（一）结论

研究结合2009—2018年十年间全国30个省份的数据，运用空间杜宾模型，经过实证分析得出如下几点结论：

第一，利用moran'I指数以及局部莫兰散点图分析发现，各省市之间的区域经济发展水平具有显著的空间依赖性，显示出高度的空间集聚特征，大部分省份间属于高—高和低—低类型，沿海省份、发达省份大多是高—高类型。这一结果和研究样本期间中国区域经济发展趋势的特征一致，东南沿海省份的经济发展水平要高于中西部地区，其中北京、上海等发达省份的经济发展水平最高。

第二，通过LM检验、Hausman检验、LR检验等方法选择了空间杜宾模型，分析得出微型金融规模和社会固定资产投资等指标促进区域经济发展，而金融发展程度和政府财政支持在一定程度上抑制了周边区域经济的发展。

第三，从空间杜宾模型效应分解的结果来看，微型金融规模对本地区和邻近地区的经济发展具有正向带动作用，社会固定投资水平的提高对本地区的经济发展水平有正向促进作用，政府财政支持具有显著的负溢出效应，政府对地区经济发展的过度监管，在一定程度上影响了当地的经济发展。如果不考虑空间因素，微型金融与区域经济发展之间的关系可能会被错估。

（二）建议

通过对研究结论的梳理，厘清了微型金融发展与区域经济发展之间所存在的关系，在这个基础上针对性地提出以下几点建议，以期各地区在充分考虑到自身空间地理因素的条件下，借助微型金融的发展来更好地促进本地区的经济发展。

第一，关注微型金融发展的空间依赖性。由于空间集聚性的存在，周边相关省份微型金融的快速发展，会对本地区自身微型金融的发展产生一定的影响。鉴于各省市微型金融发展速度的不一致，由于逐利本质的存在，将会导致地区的资金外流，以实现其自身利润的最大化。因而在发展农村普惠金融的同时，应该结合本地区的发展特点以及周边地区的特征，充分考虑本地区的区位优势，利用所存在的空间区位集聚性，发挥地区特色，实行差异化金融政策，优化微型金融资源的配置。例如对于东部发达省份，应加强地区金融体系的建设力度和注重对全国高新技术人才的引入程度，解决部分金融资源过度集聚的问题，而对于中西部省份，应该加大对政策的应用和民间资本的引资力度，减少对政府资金的依赖程度和提升自身的市场化运作水平。

第二，适度扩大金融规模，提升微型金融效率。随着部分股份制商业银行在该地区的退出和转移，各地区要根据实际需要，在满足农村金融机构准入条件的基础上，允许新设金融机构进入农村市场，适度地引导金融资源向三农倾斜，继续推进微型金融机构改革，引入市场化机制，加快微型金融全面地走向市场化，降低微型金融机构的成本，提高对贫困和低收入人群的贷款投放力度，通过改善农村的基础设施状况，促进本区域小微企业之间以及邻近区域企业之间的合作，从而带动本区域经济的发展。

第三，转变政府的监管手段和运作方式。微型金融的发展离不开地方政府的政策扶持，农村的经济发展也需要地方政府的指导和监管，但政府过度地政策干预会抑制区域的经济发展水平。政府应该结合现阶段本地区微型金融的发展水平，做出适当管理与监督。一是适度改变政府的项目运作方式，提升农村资金的运用效率，提高对金融机构的资金引导性，引导城市资金向农村地区倾斜，让资金留在农村，服务于有所需要的农户和相关乡镇企业。二是采取适当的政策措施，保护本地区微型金融企业的发展，增强政策优惠力度，尽可能地减低小微企业的融资成本，在留住企业的基础上帮助本地金融机构更好地为广大农户和小微企业服务。