东北三省普惠金融发展的影响因素实证分析

李中梅，万 玥，盛守一

（1.长春金融高等专科学校 经济管理学院，吉林 长春 130028；2.长春大学经济学院，吉林 长春 130022）

一、引言

自中共十八届三中全会通过《中共中央关于全国深化改革若干问题的决定》以来，为解决“三农”、中小企业的金融支持等社会现实问题，普惠金融受到了社会各界的关注与支持，我国普惠金融也进入了蓬勃发展的新时期。研究普惠金融发展的影响因素，有利于普惠金融的进一步发展。普惠金融的发展不仅有利于带动企业业绩走强，提高员工生活水平和生活质量，对于生产资料有效合理地进行分配，缩小收入差距并减少因贫穷而引发的种种社会问题，也有着积极的推动作用。通过整理不难发现，各国对普惠金融的战略目标基本趋于一致，如表1所示。

表1 部分国家普惠金融战略中设定的总体目标

数据来源：中国国务院发布的推进普惠金融发展规划（2016-2020年）；印度尼西亚副总统办公室公布的“National Strategy for Financial Inclusion”；巴拉圭世界银行发布的“National Financial Inclusion of Paraguay”；菲律宾中央银行发布的“National Financial Inclusion Strategy”；坦桑尼亚国家普惠金融委员会公布的“National Financial Inclusion Framework”。

二、普惠金融发展影响因素分析

普惠金融势必会随着大环境的发展而发展，而我们正处在互联网的大时代中，手机、电脑越来越逐渐成为现代人接触媒体与接收消息的主要方式，通过文献调研发现，普惠金融的发展主要受到以下几个因素影响：

（一）地区经济发展水平

地区经济的发展水平直接决定了当地经济是否仍有余力从事一些与经济相关的活动，若是地区的经济水平较高的话，当地的经济建设相较而言一般往往更为完善，并且百姓对于理财的认识更为具体，不会一味的地认为理财一定就是骗钱，会更加主动性的地对银行或者其他的金融机构的产品进行了解产品的了解。以东北地区为例，在出现了文投集团的事件后，部分东北这面的人地区人居民更是对理财产品产生出现了一种恐惧心理，使多数更多的人他们可能在还未正确了解与认识理财产品之前，就主观的认为还是银行与房产子更为加可靠，将把资金更为集中的放入了这两个“篮子”篮子中，这种现象不但没有分散担风险，还驱使资金更集中于拿出了更多的钱投向房地产业，使原本只是应该满足拥有住房需求的房子产变成了一种投资手段，概念正在偷偷的转变，但是更多的人却并不自知。根据相关数据统计表明，其实东北地区近年的这面的出生率并没有显著大幅度的上升，同时人口流入也小于人口流出而在东北落户的人也没有走出去的人多，那么我们不禁疑问，东北地区这面的房价到底是靠着什么在增长，这种动力是否可靠，这种动力是否还有后续的支撑力都是未知数。

（二）互联网普及率

近年来，我国普惠金融发展呈现出服务主体多元化、服务覆盖面广、移动互联网支付便捷且使用率较高，人均持有银行账户数量与银行网点密度等基础金融服务水平已达到国际中上游水平。[1]在当今如今的大时代背景下，互联网已变成必不可少的组成要元素，手机、网上银行已经在伴随着人们的日常生活中无孔不入，而互联网金融就毫无疑问成为了是普惠金融能否传达到每个人的沟通桥梁之一。而且互联网的普及，在很大程度上缓解了对信息不对称这一问题进行了缓解，。金融行业对于信息的需求尤其强烈而敏感程度是可想而知的，例如有些很多企业可以对自己的账目进行完善，可以利用提前得知的小道消息进行企业战略上的调整，这些或许由于消费者对金融的认识程度不高，或者消费者与企业之间的信息不对等原因，使得利益的天平向固定的一方方向偏移。互联网的普及率将会是促进信息透明化的有效手段之一桥梁，也会同时互联网也是让使人们大家更详尽了解金融以及或是普惠金融的平台。所以互联网的透明性与快速性，度越高、及时性越强、使其普及率越高，人们接触了解金融的机会越多，了解普惠金融的概率就越高。

（三）受教育程度

普惠金融的受众者到底是谁？世界银行认为若是能使大家都参与到经济运行中来，那么包容性增长理论是必不可少的。[2]G20杭州峰会强调并指出，促进机会均等和收入均等是包容性增长的必要前提。而这种全民参与的状态，其实与我们的受教育程度是分不开的。普惠金融的受众者其实就是那些被银行高标准放贷要求限制了的小微企业、是那些有偿还能力却被拒绝拒之门外的高危行业从业收入者、是那些生活在农村或是偏远地区的人口普通人以及、是那些有贷款需求的老人们，。由于传统金融的“金融排斥”现象，他它们因为原始“存量信用”不够往往难以得到传统金融及时有效的金融服务。[3]而正是同样正是同时，这批人，他们的受教育程度普遍不高，大多数人是在平时的生活中难以比较少接触金融的一部分受众。受教育程度绝不仅仅是指学历的高低，更是一种接受接收新事物并加以与运用新事物的能力的体现。其实，我们不仅在经济发展水平增长程度上存在有南北差异的差别，更是在受教育程度上同样有着明显的差距差异水平。

三、东北三省普惠金融发展影响因素的实证分析

（一）指标选取

1.被解释变量

IFI：根据所得数据，为东北三省平均的普惠金融发展水平。

2.解释变量

EDU：居民平均受教育年限。我们将居民的受教育程度，我们将其人为分为未上过学、小学、初中、高中、大学本科、研究生以上六种受教育程度，同时按照上学年限开始累加计算，如公式一。在一般的情况下，我们普遍认为受教育年限越长，会越容易接受普惠金融这一概念。

NET：互联网普及率。互联网是现在媒体传播的主要桥梁，在本文中我们主要用公式二的方式获得了这一指标的数值。我们相信互联网普及率会对普惠金融有一个正面的影响。

FINANCE：地区经济发展水平。由于本文重点研究东北三省的普惠金融发展程度，所以对东北三省的经济发展水平取平均值进行计算。

（二）数据来源

论文中居民平均受教育年限（EDU）数据来自于是根据中国统计年鉴，普惠金融发展水平（IFI）数据来源于《中国金融年鉴》，由于本文主要研究东北三省的普惠金融发展，所以选取了关于东北三省的相关数据以做研究。选取2008年到2017年的平均受教育程度人数，然后赋予受教育年限的乘积，套用公式一最终算出居民平均受教育程度；互联网普及率（NET）是根据《中国互联网发展状况统计报告》中的使用互联网人数，除以东北三省当地常住人口，获得更偏向东北三省地区的互联网普及率；地区经济发展水平（FINANCE）在中国统计年鉴中可以直接查到，在运用数据时，我们首先对东北三省的地区经济发展水平进行了平均数处理，同时考虑到此项影响因素数值相较于去其他的影响因素数值较大，所以对其单位进行了缩放，使其单位变成以万亿为单位的影响因素。

（三）模型构建

经过分析，影响东北三省的主要影响因素，除了与普惠金融传播率有关外还与传播后的接受程度有关。为此，考虑的影响因素主要有居民平均受教育年限（EDU），互联网普及率（NET），地区经济发展水平（FINANCE）。

图1 各变量之间的数据关系

图1为三个解释变量与被解释变量之间数据呈现，通过Eviews分析获取，在图中可以看出，东北三省普惠金融（IFI）的变化程度并不明显，同时IFI与互联网普及率（NET）、地方经济发展水平（FINANCE）呈现出正相关变化，其中net与IFI变化程度相似，而FINANCE的数据在2016年时有一次非常明显的下滑状态，不过于2017年已经有了一定程度上的缓解。同时我们的居民平均受教育年限（EDU），在实际统计中，随着年份的增加教育程度为小学与初中的人群在减少，而未上过学、高中本科和研究生的比例在增加。考虑到中国人口的增长率，客观来说受教育水平正在逐步上升。

各影响变量与普惠金融发展水平呈现正相关性，为此设定了如下形式的计量经济学模型：

式中，Yt为第t年东北三省普惠金融发展水平情况；EDU为第t年居民平均受教育年限（年）；

为第t年互联网普及率；FINANCE为第t年地区经济发展水平（相关数据见表2）。

表2 2009-2018年东北三省普惠金融及相关数据

利用Eviews软件，生成Y EDU NET FINANCE C，采用OLS方法估计模型参数，得到的回归结果如图2所示。

图2 OLS回归结果

表3 辅助回归R2值

结果证明并不存在多重共线性。同时，模型残差值为0.000182，所以并不存在异方差。但是此后进行了各种模型纠正，无论是取对数、进行数据标准化、进行加权或者是剔除解释变量逐步回归都没有使模型建造成功，所有建造的模型都没有办法使t检验通过。但在只包含NET这一个解释变量对被解释变量IFI进行回归的模型中t检验通过。并且FINANCE的数据在经济意义上是对普惠金融发展应更为重要很大的影响因素，但是在真正做实验时效果却并不理想很次，基本没有办法通过经济意义检验。所以针对上述问题，我换了一种又引进了一个解释变量——金融贷款余额，同时改变了模型构建方法，采用了主成分分析的方法进行模型修正。

但是初步构建的回归模型并不是完全没有意义的，上述的回归结果表明Y和EDU，NET，FINANCE之间的函数关系并不显著，所以应该用原始数据进行分析，确立主成分。同时，在权重下的EDUEDU与IFI的相关性太低，所以这一指标的权重是有问题的。

（四）模型修正

针对回归后结果达不到预期效果的情况，在进行主成分分析法之前，把之前赋予EDU的值进行细化，不进行人为乘以年限的做法，而是收集一个指标的多个变量和其他的解释变量同步一起通过SPSS软件，找出对被解释变量贡献最高的指标，最后求出最优质的模型。

同时，引进一个新的解释变量——金融机构贷款余额增长率。金融贷款余额增长率指某一时点金融机构存款金额与金融机构贷款金额之比。[4]数据来源为金融机构发放的各项贷款的期末合计数，如年末数、季度末数和月末数等。

而当数据的单位不一致时，造成指标数值之间相差过大，很难在相关系数上进行调整，所以需要对数据进行标准化处理，结果如表4所示。

得到标准化数据之后，利用SPSS软件进行相关系数矩阵分析和描述，结果如表5所示。

表4 标准化后数据

表5 相关系数矩阵表

得到标准化数据之后，利用SPSS软件进行相关系数矩阵分析和提取，同时，结果如表6所示。

表6 公因子方差

图3 特征根数值衰减折线图

在做主成分因子分析法的时候，一定会使一部分数据进行让渡，因为只有数据进行了归类才方便下面的运算。“初始-提取=让渡”根据这一共识，由表6可知，它们让渡的信息并不多，大量的信息以90%以上的状态被保留，这也是非常好的效果较好。

同时，选择正交旋转法，结果如表7所示。

表7 方差分解主成分提取分析表

在方差分解主成分提取分析表中，我们可以分析出主成分的数目，一般出主成分的数目可以根据相关系数矩阵的特征根来判断。一般相关系数的特征根刚好等于主成分额的方差，并且方差是变量数据蕴含信息的重要判断之一。

在选择的是特征值大于1的前提下，保留两个主因子，从方差分解主成分提取分析表和下面的碎石图来讲是非常合适的。在保留两个主力因子的结果下，累计贡献率为96.598%，远高于85%，模型比较成功。

上述分析仅可知保留两个主力分析是非常合适的主因子的分析效果较好，但是具体保留哪两个数据，我们还是需要对数据进行旋转，借助旋转后的成分矩阵来帮助分析，分析结果如表8所示。

表8 旋转后成分矩阵

从表中可知研究生、未上过学、本科、NET、金融贷款余额是第一类主成分因子，其次FIANACE、初中、小学为第二类主成分因子。第一类主成分因子可以概括为金融服务可获得性，第二类主成分因子可概括为金融服务质量。

根据旋转后的矩阵生成新的旋转后，结果如表9和图4所示。

表9 成份转换矩阵

图4 旋转后空间的成分图

根据上表所求的解释总方差表中的旋转平方和列下的方差列，确定出下面公式的权重。

随后，进行求综合因子得分，这样可以具体到每一年的东北三省普惠金融（IFI）的发展情况，结果如表10所示。

表10 IFI东北三省普惠金融发展得分情况

（五）实证分析

1.回归分析

针对于第二次主成分因子分析法建模成功，第一次回归模型却失败的结果，可能有以下几个原因：

（1）数据过少，缺乏数据的普遍性特点。普惠金融其实真正发展起来没有超过5年的时间，同时东北的普惠金融发展更是相对滞后，处于理论阶段，所以回归模型失败。

（2）影响因素分析不准确，以年限进行加权太过冒进。目前的战略中重点可能还是政府、银行/，尤其是政策性银行上的扶持，目前东北三省也许还涉及不到发展这一发展速度。所以普惠金融对之前本人找的地区经济发展水平、互联网普及率、受教育程度这三个影响因素对普惠金融的影响一开始未得到数据支持效果不明显。认为是，EDU可能是由于EDU指标我进行的太过冒进，在一开始的回归分析中，EDUEDU指标就被改成一开始下滑，后期又上涨的曲线的状态，并不是一条具有一般性的直线。

（3）IFI的定义数据不准确，导致模型建立失败。

2.主成分因子分析

根据二次建模的主成分因子分析法的结果分析，金融服务可获得性占比54.136%，金融服务质量占比42.462%，金融服务可获得性占较为主要的位置。

（1）作为第一类主成分因子的研究生、未上过学、本科、NET、金融贷款余额的所占成分依次降低。研究生、未上过学、本科作为学历的标准来看，确实比高中生、初中生更多接触社会，也更容易与金融产生交集，他们的金融服务可获性指数也就更具代表性。

（2）作为第二类主成分因子的FIANACE、初中、小学的所占成分依次降低。地方经济发展水平无疑是衡量普惠金融发展的重要指标之一。东北三省普惠金融发展得分情况，从2009年到2016年一直处于稳步上升的状态，这和当地的经济水平必然是有联系的。

主成分因子分析法无论是从模型的角度进行分析，还是从经济意义的角度进行分析，都是比较完善的模型。

四、实证结论及对策建议

（一）实证结论

目前东北三省的普惠金融得分情况并不高，但是具有很大的潜力和上升空间。无论从普惠金融整体指标还是不同维度的指标来看，东北三省在样本期内整体形式都是不断提高的。地方经济水平在不断提升，互联网普及率以及大家受教育程度也在不断提高。东北三省的普惠金融发展前景是可期的，。但是需要我们警觉的是，在推广和发展普惠金融的过程中，还需要时刻注意风险的管控，不能一味追求数据化的结果，要让使普惠金融能够真正发挥其普惠性。

（二）东北三省普惠金融发展的建议

针对上述分析，本文提出东北三省普惠金融的发展建议：

1.明确重要影响因素指标

各省的相关部门应当了解，除了当地经济发展水平（FINANCE）是非常重要的经济指标外，也应当明确互联网普及率（net）对于普惠金融的发展同样有着重要影响。明确了重要影响因素有哪些，才能对症下药、事半功倍，达到边际效率最大化。

2.提升对象扶持的精度

应当深刻理解包容性增长理论的意义，金融的发展应为全社会带来收益，我们需要而是用一只看不见的手，把一部分果实分享给那些在当前没有自主获取能力的人人为的帮助给那些还没有获得果实的人。而如何把这只看不见的手量化，那我认为就是将在当地经济发展水平（FINANCE）、互联网普及率（NET）这些指标重视起来并且加以落实到每个人的头上。教育（EDU）是一个非常特殊的经济指标，在对东北三省普惠金融发展的影响因素中，并不是一味的学历越高越好，而是应针对以研究生、未上过学、本科这三种状态的人进行金融经济上知识的讲解会比较更为有效。还应并且重视金融服务的获得性，加大金融基础设施的建设，提高不发达地区和落后偏远地区的金融普及率。

3.提高金融创新能力

普惠金融作为一种新的金融制度和理念，其发展脱离不开金融创新，尤其是随着互联网和数字化金融的发展，为普惠金融的发展提供了很好的载体，大数据平台可以更精准的进行金融服务对象的筛选，同时能够一定程度降低和控制金融风险，使普惠金融得以健康发展。

4.提高金融知识的宣传和教育

现阶段我国多数人群没有接受过专业性的金融知识学习，多数人还处于盲从阶段，容易受到误导和引诱，许多打着普惠金融招牌实则进行金融诈骗的行为严重损害了普惠金融的可信度，对普惠金融的推广造成了障碍。要想解决这个问题，一方面政府要加强对金融市场的有效监管，同时也要加强对群众进行金融知识宣传和教育，[5]如定期举办相应的宣传活动，发放宣传手册、加大金融公益广告的投放力度、开设金融讲座等。通过这些活动激发起群众对于金融知识的理解，同时促进他们对于金融领域的兴趣，这样才能消除群众对金融的误解，促进普惠金融的健康快速发展。