甘肃省普惠金融发展的评价及其影响因素分析

摘   要：本文运用多维指标构建了甘肃省普惠金融发展的评价指标体系，通过计算2007-2017年甘肃省普惠金融发展指数，评价了甘肃省普惠金融发展的整体情况，衡量了甘肃省内普惠金融发展的区域差异。通过对影响甘肃省普惠金融发展的因素进行实证分析，发现甘肃省普惠金融发展指数与人均GDP、存贷比、城市化率、公路里程数、第一产业占GDP比重、城乡收入比存在长期稳定的均衡关系。

关键词：普惠金融;测度;影响因素

大力发展普惠金融是党中央、国务院做出的重大决策部署。2017年，习近平总书记在全国金融工作会议上指出，要建设普惠金融体系，加强对小微企业、“三农”和偏远地区的金融服务，推进金融精准扶贫，鼓励发展绿色金融。甘肃省作为西北的欠发达省份，自然条件差，经济发展落后，普惠金融发展势在必行。本文通过对甘肃省普惠金融发展进行评价研究，剖析普惠金融发展程度以及影响因素，对平衡区域发展、缩小城乡差距、增加金融服务的可获得性、实现金融服务均等化、全面建设小康社会具有十分重要的理论与现实意义。

一、衡量普惠金融发展的指标体系构建

（一）指标体系构建及测度方法

1.指标的构建

衡量普惠金融发展程度的指标通常是多维度的，在借鉴国内外学者及机构对普惠金融发展评价的测度方法以及考虑数据的可得性和系统性，本文拟从金融服务的渗透性、金融服务的可得性、使用性三个维度购进评价甘肃省各市州普惠金融发展状况的普惠金融发展指数（IFI）。金融服务的渗透性用每百平方公里银行业金融机构数、每百平方公里拥有的银行业金融机构从业人员数两个指标衡量;金融服务的可得性用每万人拥有的银行业金融机构数、每万人拥有的银行业金融机构从业人员数两个指标衡量;金融服务的使用性（使用效率）用金融机构人均各项存款占人均GDP的比重、金融机构人均各项贷款占人均GDP的比重、存贷比三个指标衡量。以上7个指标与普惠金融指数均为正相关。

2.测度方法

普惠金融发展指数（IFI）是一个相对值，本文用变异系数法对各个指标进行权重确定，同时为了消除指标之间的量纲影响，对指标进行无量纲化处理（归一化处理），最后两点之间归一化的反欧几里得距离就是普惠金融发展指数（IFI）。

（二）甘肃省普惠金融发展程度的整体分析

本文主要通过计算2007年-2017年甘肃省普惠金融发展指数，评价甘肃省普惠金融发展的整体情况。相关年度数据来源于甘肃省县域经济金融数据库、《甘肃省统计年鉴》，具体见表1。从总体上看，2007年-2017年间甘肃省的普惠金融发展指数（IFI）增长迅速，整体呈上升趋势，年均增速达53.50%，其中2015年普惠金融指数增长幅度最大，这一方面得益于国家宏观政策对三农、中小微企业的大力支持，使得金融服务的范围扩大，渗透性加深;另一方面网络普及率提升了电子支付，金融服务的使用性和可得性提高，从而推动了普惠金融指数增长。2007-2017年间“每百平方公里的银行业金融机构从业人员数”、“每万人拥有的银行业金融机构从业人员数”、“金融机构人均各项存款占人均GDP的比重”指标均值最高，都呈稳步增长趋势，使得金融服务的渗透性、可得性和使用性显著增加，这三个指标构成了普惠金融指数增长的主导力量，在供给方面对普惠金融的发展起到推波助澜的作用，这说明在现阶段普惠金融的发展过程中，主要体现在金融机构从业人员数的增加，而并不是开立新的机构。

从普惠金融体系指数的构成方面来看，每百平方公里的银行业金融机构从业人员数和每万人拥有的银行业金融机构从业人员数所占权重更高，因此如何更好地向银行业金融机构机构配置更多的从业人员，比单纯增加金融机构数量去推动普惠金融的发展更具实践性。在金融服务的使用性方面，贷款对推进普惠金融发展的程度更高。综合比较金融服务的渗透性、可得性和使用性三方面可知，扩大金融服务的使用性，对于促进普惠金融的发展更有意义。

（三）甘肃省普惠金融的区域差异分析

利用相同的方法，选取2017年甘肃省14个市州的数据，计算出2017年各个市州的普惠金融发展指数（见表2）。由表2可知，经济发展水平越高的城市普惠金融指數程度越高，兰州市作为甘肃省的省会城市，金融聚集效应明显，金融机构网点数和金融从业人员都位居甘肃省第一，金融服务的渗透性、可得性和使用性都处于较高水平，金融总量大，人们可以更广泛地享有各项金融服务，普惠金融发展指数就最高。嘉峪关作为不设市辖区的地级市，其人均GDP和城市化率都处于全省最高水平，有力推动了普惠金融的发展，属于普惠金融发展水平的第二类。平凉市、陇南市、天水市、金昌市的普惠金融发展程度处于中等水平，整体经济发展较好，中小企业数量众多。普惠金融发展程度最低的是甘南、酒泉、张掖，由于这些地区地广人稀，每百平方公里的银行业金融机构数量少，金融服务效率低下，普惠金融发展指数也就最低。临夏州的普惠金融发展指数处于较高水平，是由于近年来国家政策、旅游业带动GDP的快速增长，使得金融服务发展较快。

二、甘肃省普惠金融的影响因素分析

（一）指标的选取

通过实证分析，具体分析各种影响普惠金融发展指数变动的因素。借鉴国内外相关研究成果，结合甘肃省具体省情，将影响普惠金融的因素划分为经济因素、收入因素、金融发展因素、社会因素等四类。

经济因素指标。一般认为一个地区经济发展水平越高，越容易吸引更多的金融资源流入，普惠金融发展指数就越高。此外，一般认为一个地区的农业化水平越低，第二、三产业的比重就越高，越有利于金融机构的发展，因此经济因素用人均GDP和第一产业占GDP的比重这两个指标来衡量。

金融发展因素。金融机构存贷款资源运用水平越高，表明金融服务的可得性和使用性就越好，进而普惠金融发展水平就越高。采用存贷比表示金融发展因素，即贷款与存款的比值。

收入差距因素。银行在进行营业网点布局时更多的关注收入与人口规模，城乡居民收入差距的扩大使得金融机构更偏好服务于城市，广大农村居民更多被排斥在金融服务外，而农民是普惠金融最直接的受惠群体，因此普惠金融发展指数就较低。用城乡人口收入比指标来衡量收入因素。

社会因素。普惠金融发展程度与当地的社会环境有密切联系，城乡二元结构对农村金融发展具有不利影响。此外，地区公路里程数越大，金融服务向农村地区延伸，弱势人群越能享受到金融服务。本文用城市化率和公路里程数指标代表社会因素。

（二）模型的构建

本文用甘肃省2007年-2017年普惠金融发展指数作为被解释变量Y，分别以人均GDP甘肃省发展年鉴》，采用eviews7.0进行计量分析。为使模型趋势线性化，并在一定程度上消除时间序列中存在的异方差现象，我们对被解释变量和解释变量取自然对数，建立甘肃省普惠金融影响因素的模型：

（三）实证结果

本文基于Christopher Sims提出的VAR模型分析影响甘肃省普惠金融发展的因素。VAR模型是基于数据的统计性质建立，用来估计联合内生变量的动态关系，而不带有任何事先的约束条件。对所有的变量进行平稳性检验，通过ADF检验结果发现，原序列均是非平稳序列，但其差分后的序列都是一阶单整序列，因此可在此基础上构建误差修正模型（VECM）。为了检验被解释变量和解释变量的长期均衡关系，我们需要做协整检验，为此利用LogL、LR、FPE、AIC、SC和HQ来确定滞后阶数，本文选择的最优滞后期为1，即VAR（1）模型最为合理。并且，由于4个变量都含有常数项，所以VAR模型选择含有常数项不含趋势项。协整检验结果证明了甘肃省普惠金融发展指数与人均GDP、存贷比、城市化率、公路里程数之间存在长期稳定的正向均衡关系，与第一产业占GDP的比重、城乡收入比呈负相关。但同时我们需要注意到由于影响普惠金融发展的指数较多，很多因素难以量化，所以使得模型的解释力受到一定影响。

三、政策建议

（一）进一步释放经济活力，推动地区经济更好更快发展

从2017年甘肃省各市州普惠金融指数排名可以看到，全省各地区经济发展水平是决定普惠金融发展水平的主要内因。建议一是加快推进全省经济结构调整，转变消耗高、资源浪费、污染环境的粗放型经济发展方式，充分考虑各地市（州）区域特点，发挥比较优势，集中资源发展优势产业。二是大力发展高新技术产业和循环经济，开发利用可再生资源，不断增强可持续发展能力，通过调整和优化经济结构，形成多元化的经济增长体系。三是有相似经济基础的地区应加强合作交流，在经济发展方面互相借鉴、优势互补，吸引金融资源聚集，促进普惠金融发展水平。

（二）进一步扩大金融服务覆盖面，推动金融创新快速发展。

一是完善金融基础设施建设，建立多层次、覆盖广泛、方便快捷的金融服务体系。支持小微型金融机构，尤其是民营银行的发展，扩大金融服务的覆盖面，引导各类资本到金融机构网点覆盖率低、金融服务不足、金融竞争不充分的地区投资设立机构。二是加快推进农村信用体系建设。改善农村金融服务环境，在全省开展信用乡镇、信用农户评定，探索建立农户电子化信息档案和信用评价体系，帮助金融企业筛选优质客户，让信用良好的低收入人群能够享受到公平的金融服务。

（三）加快区域协调发展，缩小城乡收入差距。

一是下大力气发展农村教育事业，提高农民素质。加大对农村教育的投资，进一步改善农村地区教育条件。开展农民职业技能培训，增强农民专业知识和劳动技能。二是大力发展非农产业。非农产业是农业增收的重要途径，由于城乡产业结构的差异扩大了城乡收入差距，进一步发展乡镇企业和第三产业，对增加农民收入、缩小城乡居民收入差距有着十分重要的作用。三是建立城乡统一的劳动市场。打破“二元用工制度”，取消各种限制劳动力正常流动的政策，出台相关政策和法律法规，保证劳动力在城乡之间、地区之间的合理流动，保障农民工能享受与城市居民一样的待遇。

参考文献

[1]课题组.我国普惠金融指标体系的应用及县域评价—以甘肃省华亭县為例[J].西部金融，2017，（6）：8-12.

[2]中国人民银行兰州中心支行课题组.普惠金融发展的评价及其影响因素的实证分析[J].甘肃金融，2016，（3）：10-14.

[3]周艳华.基于层次分析法的县域普惠金融评估指标体系构建研究[J].区域金融研究，2017，（3）：65-69.

[4]张兵，张洋.县域普惠金融发展水平测度及影响因素分析—基于面板数据的空间计量模型[J].江苏农业科学，2017，（10）：307-311.

[5]崔治文，张晓甜，白家瑛.普惠金融发展区域差异及影响因素研究—以甘肃为例[J].地方财政研究，2016，（12）：80-86.

[6]蔺森山.基于IFI指数的甘肃省普惠金融指标研究[J].甘肃科技纵横，2015，（12）：8-11.

[7]侯敏.我国普惠金融的发展水平评价及体系构建[D].山西财经大学，2016.（10）;22-26.

[8]王欢.移动金融对普惠金融发展的影响程度分析[J].时代金融，2017，（8）：68-69.

[9]苏薇.普惠金融发展影响因素及对策分析[J].时代金融，2017，（24）：26-28.

[10]王正萍.政府在县域普惠金融发展中的角色与定位—以武威市为例[J].甘肃金融，2017，（10）：4-7.

Evaluation of Inclusive Finance Development and

Analysis of its Influencing Factors in Gansu

Research Group

Abstract：This paper uses multi-dimensional indicators to build an evaluation index to measure the development of inclusive finance in Gansu Province， and evaluates the overall situation of the development of inclusive financial services in Gansu Province by calculating the development index of inclusive financial services in Gansu Province from 2007 to 2017. The regional differences of inclusive financial development in Gansu province are measured. In addition， the factors that affect the development of inclusive finance in Gansu Province are analyzed empirically. The empirical results show that the inclusive financial development index in Gansu Province has a long-term stable equilibrium relationship with GDP per capita， deposit / loan ratio， urbanization rate， highway mileage， the proportion of primary industry to GDP， and urban-rural income ratio.

Keywords： inclusive financial ;development index;influencing factors

責任编辑、校对：罗慧媛