空间视角下的普惠金融与农村减贫增收——机制探讨与实证检验

顾晓安，庄晓栋，许泽庆

（上海理工大学 管理学院，上海200093）

一、引言

“脱贫攻坚”已经成为现阶段经济新常态下的一个重要任务。金融扶贫本应在其中发挥重要作用，却由于金融抑制与金融排斥等因素，导致农村居民面临长期的融资约束，限制了金融扶贫所发挥的实际效果[1]。2005 年联合国提出的普惠金融概念为我国金融扶贫所存在的问题提供了一个新的解决思路：在完善金融基础设施和金融机构可负担成本的基础上，通过为特定弱势群体提供融资机会和金融支持，实现农村地区的减贫增收与经济发展。这一思路不仅为传统金融排斥等问题的改善带来机遇，更为原本存在融资约束的农村居民实现脱贫增收、构建新的经济环境提供新的潜在动力[2]。

那么，普惠金融能否真正克服传统金融扶贫中存在的金融排斥等问题，进而有效实现农村地区的“脱贫增收”？又将通过何种机理得以实现？尤其是农村贫困居民，已经成为现阶段扶贫攻坚战的主要目标，普惠金融的减贫增收对农村经济发展具有愈加不可忽视的作用。不仅如此，随着区域间交流的不断深化，普惠金融是否存在区域间的溢出效果更加值得讨论。本文试图从空间视角对上述问题的具体理论机理进行探讨，同时运用空间计量模型实证检验普惠金融实现减贫增收的直接效应与空间影响，为普惠金融在农村地区的减贫增收提供新的理论解释与经验参考。

二、文献综述

现有关于农村地区扶贫增收的研究主要集中于产业、教育与金融三个层面。

第一个层面主要关注于产业扶贫。一方面，进行产业扶贫开发的地区能够通过发展特色产业达到脱贫增收的目的。产业精准扶贫将贫困人口视为劳动力要素的主体，可以突显贫困群体的主体性作用[3]。另一方面，通过政府政策，能够引导农村居民提高自我发展能力并掌握实用的关键性技术[4]。例如，产业扶贫可以通过发展特色种植、畜牧养殖等农村特色产业提升农村居民的收入，减少贫困人口[5]。但是，产业扶贫在实际运用中却也面临一些现实困境，如项目成果不佳、产业市场信息滞后、缺乏资金支持等问题[6]。因此，产业扶贫增收的思路虽然得到了部分研究的关注，但是实际效果仍未能取得共识。

第二个层面则集中于教育扶贫。这一层面的观点一致认为，教育在精准扶贫中占有基础性地位。教育发展能够扩大农村教育资源流动，推动教育均衡，有益于提升整体人力资本水平，并有助于地区劳动者综合素质的培养，是一种“扶贫、扶志、扶智”的结合[7]。相关实证研究则对其进行了验证。例如，程名望等(2014)[8]从微观住户角度，以中国农村固定观察点数据为基础探究教育对中国农户贫困的影响时发现，教育能够显著影响农户收入水平，对农村贫困减缓发挥了重要作用。与之类似，史志乐和张琦(2018)[9]则以全国7404 户家庭为研究对象，构建代际交叠模型，发现贫困家庭的教育投入不足会使其陷入贫困，提高人力资本投资能够提升收入并有效阻断贫困的代际传递。因此，教育对于扶贫增收具有重要意义。

与本文研究最相关的第三个层面则是关于金融减贫的研究。近几年，政府和金融机构对农村扶贫力度不断加大，金融机构成为具有巨大扶贫潜力的经济主体。Abate 等(2016)[10]发现Ethiopia 的农村金融机构可以推动地区农业技术的改善，农产品产量的提高帮助居民实现了减贫增收。Naceur 和Zhang(2016)[11]从多个维度建立计量模型，验证了金融发展对降低贫困发生率的重要意义。但是，金融排斥与金融抑制现象的存在却使得农村地区金融扶贫的实际效率普遍偏低[12]。普惠金融也由此成为金融扶贫的一个新的方向。但现有的研究主要集中于普惠金融指数的构建与测算[13]、普惠金融减贫作用的整体统计结果[14]以及以省级面板数据为基础的经验研究等[15-16]，普惠金融减贫增收作用的理论路径依然较为模糊。

可以看出，关于农村地区扶贫增收的研究比较丰富。尤其是普惠金融的扶贫增收效果越来越受到重视，但是现有研究也存在许多不足：首先，良好的融资效率与金融支持是地区产业扶贫、教育扶贫的重要基础，地区产业发展、教育制度与基础设施建设都直接决定于地区的融资绩效；其次，现有关于普惠金融的农村地区扶贫主要基于实证研究，是在普惠金融指数构造基础上完成的，而普惠金融发展的扶贫效果如何发挥、存在何种机制。在研究中仍然没有清晰的理论依据，并不利于政策规划；再次，尽管实证研究居多，但大多数研究都假设地区独立，缺少对于地区间扶贫增收绩效的联动、普惠金融发展可能的空间溢出进行相应探讨。鉴于此，本文将基于空间视角，在理论机制的分析基础上，通过使用空间计量经济学模型进行实证检验，对现有研究进行深化和进一步扩充。

三、机制分析与研究假设

（一）普惠金融实现本地区减贫增收的影响机制

传统金融扶贫效果不佳的一个重要方面来源于金融排斥，而造成金融排斥的主要原因在于农村贫困居民的天然禀赋缺陷：主观上，农村地区信息不对称，缺乏可抵押担保，造成较大的信用风险，以至于存在金融服务的“资格门槛”[17]；客观上，空间劣势严重、金融发展滞后，导致金融市场基础设施不健全，交易成本过高，难以提供相关金融服务[18]。这造成传统金融模式无法有效满足农村居民的融资需求，正规金融体系对农村弱势群体的信贷排斥严重，也就无法给予其生产生活中所需要的资金支持。除此之外，传统金融建设对农村贫困居民的排斥还有一部分原因是金融收益太低，甚至因为成本过高导致亏损，抑制了金融服务的积极性[19]。

事实上，无法得到传统正规金融服务的绝大多数农村居民都有信用潜力。例如信贷需求，相当一部分居民若能通过信贷渠道获取资金，可以通过生产和个体商业活动获得现金流，从而能够按时偿还贷款，但却往往申请不到；农村居民若能拥有更多的融资机会参与经济建设，也可以获得更多收入流以支付保险金，但经常得不到保险服务；相对于城市居民，农村居民相对更加保守，他们更希望有安全的地方储蓄资金、积累财产，这些剩余的积累可以帮助其进一步参与生产活动，形成更多剩余，促成良性循环。依靠可靠方式从事汇兑和收款，也更容易提高融资效率。但是这些需求却被传统正规的金融机构拒之门外，从而造成需求难以得到有效匹配的结构性缺陷[20]。

普惠金融的发展则有效克服了上述缺陷，以更大的包容性降低成本，改善结构性问题：首先，普惠金融的便利性扩大了金融服务的范围，致使原有的农村居民以最低的经济与时间成本使用金融产品，获得金融服务。这有益于增加农民收入，促进生产性投资，在客观上改善空间劣势[21]。其次，普惠金融的产品多样性能够满足不同阶层的金融需求，为原本存在主观缺陷的农村居民提供了更加具有针对性、更安全便捷的细分化业务，帮助其合理运用信贷资源，进而参与地区经济建设。换句话说，普惠金融能够克服导致金融排斥的各方面缺陷，降低流动性约束，从而提供了新的扶贫和地区生产动力。再次，普惠金融更强的商业可持续性能够在满足农村居民金融需求的同时，拓展传统业务和盈利空间，充分利用金融资源的优化配置。这能够激励金融机构持续提供金融服务，参与金融扶贫建设，更为实体经济建设和收入的提升提供了有力支撑。基于此，可以针对普惠金融扶贫提出第一个假设H1：普惠金融发展能够改善农村居民缺陷造成的金融排斥，有效促进本地区的扶贫增收效果。

（二）普惠金融对邻近地区减贫增收的空间溢出机制

1.人口流动效应

尽管户籍制对于农村居民的流动仍存在一定限制，但不可否认，区域间的人口流动在现阶段已经成为一种趋势，尤其是邻近区域间的流动。受益于普惠金融扶贫，本地区农村居民能够有效实现扶贫增收，并获取经济剩余。基于地理临近性，部分居民将流动到邻近地区，形成溢出作用。一方面，流动人口会依靠在本地区普惠金融扶贫中获得的经济剩余直接参与流入地区的经济建设，例如就业劳动、个体商业、合资创业等，为邻近地区的经济增长和扶贫增收建设直接提供作用。另一方面，金融知识被认为是金融扶贫的制约之一，金融知识的匮乏直接影响金融服务带来的实际经济绩效[22]。流动人口通过与流入地人口实现知识、认知与经验的互动交流，实现金融知识与经验溢出。这一过程间接式提高邻近地区农村居民的金融素养与知识基础，使其更好适应和参与邻近地区的金融服务供给，增加收入，提高金融扶贫效率。

2.普惠金融政策与基础设施建设的示范效应

在金融地理学理论中，信息性外溢是重要组成部分。但由于地域损耗等因素，非标准化信息在空间传递上存在不同程度的信息损耗，因而地理临近下的信息有效性更加突出[23-24]。当一个地区通过普惠金融的发展实现本地区减贫与经济绩效的改善时，将存在两方面的间接效果。一方面，这个地区的普惠金融发展模式、政策支持与配套体系将会通过地理临近的信息外溢对邻近地区产生示范作用，助推邻近地区普惠金融发展建设的合理规划、布局与政策优化。另一方面，金融机构的整体布局、金融配套基础设施建设的侧重点、建设范式也对邻近地区的金融机构相关决策产生强烈的正向外部性。这将致使本地区普惠金融发展在对减贫增收带来积极作用的同时，也因为示范效应给邻近地区带来积极作用，纠正邻近地区普惠金融建设过程中可能产生的低效率现象，帮助邻近地区实现有效的金融扶贫，提高地区整体收入水平。

可以看到，传统研究中对地区间的独立假设忽视了空间因素可能带来的间接作用，从而使结论产生谬误。基于上述机制探讨，本文提出第二个假设H2：普惠金融发展不仅仅能够实现本地区的减贫增收，更能够通过空间溢出机制促进邻近地区实现间接的减贫增收效果。

四、研究设计

（一）空间自相关检验

根据前文研究假设，应该使用空间计量模型以避免估计偏误。在进行空间计量模型估计之前应对空间自相关进行检验，检验邻近地区变量取值的空间相关性。Moran’I 指数是主要的检验指标。其计算方法如下：

Wij为空间权重矩阵，Yi为个体i 的观测值，n 为个体数量。Moran’I 指数统计量反映了变量观测值的空间相关性，-1≤Moran’I≤1，较大的绝对值表示空间相关性较大。若Moran’I＞0，则代表空间正相关；若Moran’I＜0，则代表空间负相关。若Moran’I=0，则表示经济变量之间不存在空间自相关效应。

（二）空间权重矩阵

构建空间权重矩阵是实现空间计量分析的前提。由于普惠金融的外溢效应主要基于地理临近性实现，空间效应主要产生于邻近区域，故采用邻接矩阵与地理距离矩阵进行分析。具体矩阵构建方式如下：

第一，0-1 邻接权重矩阵。根据理论分析，采用后相邻的构建原则构建矩阵。其矩阵形式为：

第二，地理距离矩阵。依据地理学第一定律的准则，通过地理距离标准构建空间距离矩阵。其矩阵形式如下：

i,j代表不同区域，Dij表示省份i、j各自省会间距离。

（三）基本模型构建

探讨空间效应的计量模型有多种，其中，SDM模型不仅能解释本地区变量的影响，还可以通过邻近区域的解释变量与被解释变量综合分析空间溢出效应，能够较好阐述本文思想，故使用SDM 模型进行检验。其基本形式为：

其中，Y 为被解释变量（减贫增收绩效，本文主要使用农村居民收入水平进行衡量），X 为解释变量（普惠金融发展），ρ 为空间自相关系数，W 为空间权重矩阵，WY与WX分别代表解释变量与被解释变量的空间效应。β 与θ 则表示各自的回归系数，α 为常数项，ln为N×1 阶单位矩阵，ε 为误差项。模型将在后续过程中加入控制变量进行分析，各变量将在下文进行具体解释。从公式（4）可以看出，空间杜宾模型包含解释变量与被解释变量的空间效应，符合文章理论假设的思想。空间效应的存在往往使回归结果中的系数存在一定偏误，并不能全面且准确地解释其影响效果。LeSage 和Pace(2009)[25]因此提出偏微分估计方法，将总效应分解为直接效应和间接效应，可以使用直接效应说明解释变量对本地区产生的平均影响，间接效应说明解释变量对其他地区造成的平均影响，更准确地进行经济解释。具体过程为：首先对(4)式进行改写：

其中，ln为n 阶单位矩阵，k=1，2，…K 为方程中自变量个数，β1K与β2K分别为自变量X 中第k 个变量的回归系数。通过将方程转换为矩阵形式，可以得到：

总效应Sk(W)为加总均值，直接效应(de)与间接效应(ie)则分别通过Sk(W)中的对角元素Sk(W)ii与非对角元素的平均值进行计算得到，具体计算公式为:

在实证过程中，将依据这一过程对实际效应进行分解，进而探讨普惠金融发展对于农村居民扶贫增收的直接影响与空间溢出效应。

五、实证检验

（一）变量选取与来源

1.被解释变量

对于扶贫增收的实际效果，部分研究重视贫困人群整体比例的下降，借鉴国外的贫困率、Sen 指数、FGT 指数等进行衡量。但是，就中国而言，贫困问题主要体现在县域层次，贫困人口主要分布在农村，农民的纯收入不仅仅是减贫成果的现实依据，也是减贫的直接来源。用地区的人均纯收入不仅能够较好地体现扶贫增收的结果，也能避免我国贫困线的标准性、不定期变化等问题所引起的偏差[26-27]。除此之外，纯收入也能够较为客观地反映农村居民可用于商业活动、消费投资等生产生活的实际经济剩余水平。因此，本文参考朱一鸣和王伟(2017)[28]的做法，使用各个地区的农村居民人均纯收入水平作为地区减贫增收效果的衡量指标，并进行对数化处理以避免异方差导致的偏误。在变量中用lnINC表示。

2.解释变量

从理论机理的分析可以看到，普惠金融的减贫增收作用不言而喻，但是关于普惠金融发展的衡量指标却未有定论。本文在选取构建普惠金融指标指数时，主要依据为国务院发布的《推进普惠金融发展规划（2016—2020 年）的通知》。考虑到这一时期的普惠金融总目标之一是提高金融服务覆盖率，扩大银行物理网点和保险服务的覆盖面积，特别是要使行政村一级覆盖更多的基础金融服务。参考已有研究，并结合中国人民银行发布的《2017 年中国普惠金融指标分析报告》，从金融服务的渗透性、金融服务的使用情况及金融机构的可负担性三个维度构建普惠金融指数，力求普惠金融指数能够反映我国的实际情况。具体情况见表1，在变量中使用IFI 进行表示。

表1 普惠金融指数的构建指标

在上述各维度的指标中，由于各指标的性质、计量单位及量纲存在差异，所以，首先需要对不同性质的指标分别进行归一化处理，具体公式如下：

其中，fi,j是第i 个维度中第j 个指标进行归一化处理之后的数值，Zi,j为指标实际值，Ai,j、ai,j分别为实际指标中的最大值和最小值，0≤fi,j≤1。

接着通过计算第i 维指标之间的欧氏距离及权重ωi,j整合构成普惠金融指数IFIi：

然后根据公式（12）和维度权重ωi将测度空间从1×n维扩展到n×n维，得到最终普惠金融指数IFI:

上式中max(IFIi)表示第i 维度的最大值，也是该维度下的最理想值；ωi,j、ωi分别表示第i 维度中第j个指标的权重和第i维度的权重。同时，本文采用变异系数法确定指标权重，以保证现有维度赋权的客观性和科学性。

3.控制变量

为避免遗漏变量造成的偏误，选择控制变量加入模型。主要包括：地区城镇化水平(UR)，使用地区城镇人口占总人口的比重进行衡量；政府财政支出水平(GOV)，衡量政府对地区扶贫的财政支持程度，使用政府公共财政支出与地区生产总值的比值进行表示；经济结构水平(ARG)，是对地区经济环境的客观反映，由于农村居民以及大部分低收入人群集中在第一产业，本文用第一产业产值占地区总值的比值衡量经济结构水平；地区教育水平(EDU)，国际上对地区教育水平测算，通常采用地区劳动力平均受教育年限来近似计算，本文在具体计算时，参考李梅和柳士昌(2012)[29]的做法，将各地区教育水平处理为，小学比重×6+初中比重×9+高中比重×12+大专及以上学历比重×16，并对数化处理。

（二）数据来源与描述性统计

考虑到我国西藏、港澳台等地区数据缺失严重，所以本文最终选取我国30个省级行政区2005—2017 年的数据进行实证检验。其中计算普惠金融指数的相关数据来源于《中国金融年鉴》与各省份统计年鉴；其余数据则分别来源于《中国统计年鉴》和Wind 数据库等。表2为各变量的描述性统计。

表2 各变量描述性统计

（三）实证过程分析

1.空间自相关性检验

在进行空间计量分析之前，采用Moran’I 指数检验变量的空间自相关性。表3 列示了邻接矩阵与地理距离矩阵下农村居民收入水平的Moran’I 指数值。可观测到Moran’I 指数值皆显著为正。说明中国各区域的农村居民收入整体上存在明显的空间正相关性，应采用空间计量方法进行分析。

表3 不同权重矩阵下农村居民收入水平的全局Moran’I指数值

2.空间计量模型估计

在模型估计前，首先进行Hausman检验，结果显示在两种权重矩阵下均显著为正，采用固定效应模型进行估计。为了更进一步地确定SDM 模型的适用性，使用Wald检验判断SDM模型的适用性。结果均通过1%显著性检验，可见选取SDM 模型进行估计是准确的。通过ML 估计，结果列示于表4 与表5中，分别为两种矩阵下的结果。采用逐个加入控制变量的方法，以清晰准确地显示估计结果的基本情况。

表4与表5的结果显示，两种矩阵下的空间自相关系数都在1%水平上显著为正，说明我国各地区间的农村居民收入水平存在明显的空间正相关。各地区减贫增收的经济绩效与其他具有相似空间特征的地区存在显著的空间依赖效应。回归结果也呈现了解释变量与控制变量的回归系数、空间滞后项系数，在一定程度上反映各变量对农村居民收入水平的影响。回归基本情况是，农村居民收入水平对普惠金融发展的回归系数显著为正，证明普惠金融减贫效应的存在。

但是，正如前述，由于空间效应的存在，解释变量的系数可以反映影响方向，却并不能作为直接的经济解释。因此，依据偏微分方法将总效应解构为直接效应与间接效应。直接效应为解释变量的直接系数，而间接效应则用于解释本区域普惠金融发展对邻近地区农村居民收入水平的影响。两种效应清晰地呈现了普惠金融发展的实际减贫效果。其具体结果列示于表6 中，分别为邻接矩阵与地理距离矩阵下的分解结果。

表4 邻接矩阵下的SDM估计结果

从表6中可以得出：

第一，从直接效应来看，邻接矩阵下的普惠金融发展对农村居民收入存在显著的正向影响，减贫效果明显。直接影响系数为0.219，在1%水平上显著。地理距离矩阵下虽然系数有所变化，但是影响方向完全一致，此时直接影响系数为0.328，显著水平相同。很明显，无论是在邻接矩阵还是地理距离矩阵下，普惠金融发展都能带来积极的扶贫增收绩效，成为一种有效的金融扶贫手段。尤其是对于金融排斥的改善效果显著：普惠金融相对于传统金融更大的包容性、便利性和多样化特征不仅改善了具有融资需求的农村居民在主观与客观上的缺陷，更通过金融机构自身成本的降低与效率的优化促进农村居民的减贫增收。实证结果显著验证了假说H1。

表5 地理距离矩阵下的SDM估计结果

第二，从间接效应来看，邻接矩阵下的普惠金融发展对农村居民收入同样呈现正向影响。间接影响系数为0.186，在5%水平上显著。在地理临近矩阵下其系数仍然存在变化，且影响系数相对较高，说明仅考虑相邻条件可能产生一定偏差，但是可以看到，虽然估计系数存在差异，但显著性与影响方向并不会发生改变。这与理论分析出来的结果一致：通过人口流动效应、普惠金融政策与基础设施示范效应所产生的作用，一个地区自身普惠金融的发展不仅仅影响本地区的减贫增收绩效，而且存在显著的空间溢出效果，产生空间上的联动与示范，这对于我国普惠金融扶贫的分析具有不言而喻的重要意义。间接效应的实证结果显著验证了假说H2。

第三，控制变量的直接效应与间接效应也从不同角度解释了各自对地区农村居民收入的影响。城镇化的建设有利于农村居民收入水平的提升，这与已有研究一致，也符合预期，并且可以注意到的是，在两种矩阵下，城镇化的建设都存在一定的空间溢出，本地区的城镇化建设对邻近地区的扶贫工作具有积极作用。这个现象对于教育水平存在着类似情况：一个地区教育的改善有助于本地区农村居民自身知识禀赋的有效提高，对于地区农村居民收入具有直接作用。不仅如此，教育同样存在知识溢出现象，能够通过空间溢出促进邻近地区的扶贫增收建设。政府的财政支持有利于本地区扶贫，促进居民收入的提高，但却不存在明显溢出效应。从经济结构上看，第一产业的占比过高并不利于农村居民收入水平的提高，对于扶贫增收不可避免地存在抑制作用，说明各地区的扶贫工作仍然需要注意经济结构的配套升级。

表6 不同矩阵下的普惠金融减贫效应分解

3.稳健性检验

正如前文机制分析，普惠金融建设的溢出作用主要基于地理临近性，故使用邻接矩阵与地理距离矩阵进行验证。本文进一步考虑经济距离进行稳健性检验，因为经济距离的作用同样不可忽视。例如，经济距离相近的农村居民拥有相近的天然禀赋与知识结构，他们更倾向于流动与相互交流而实现溢出；经济距离相近的要素、经济禀赋结构类似，普惠金融支持与建设政策的互通性、应用性也可能更强。因此，经济距离下的稳健性检验能够进一步验证普惠金融建设对地区检品绩效的作用。其构造形式如下：

其中i、j 代表不同区域，------GDPi表示i 地区在研究时间区间的国内生产总值均值。限于篇幅，未列出回归结果，仅列出关键的直接效应与间接效应分解后的结果，从表7 中可以看到，若以经济距离构建空间权重矩阵，其影响系数存在一些变化，但是影响方向与前文的理论和计量结果基本一致，进一步验证了研究的稳健性与其研究意义。

表7 稳健性检验

六、结论与建议

通过理论机制探讨，从直接影响与空间溢出效应分析普惠金融的减贫作用。以之为基础，测算我国30个省区市2005—2017年的普惠金融指数，运用邻接矩阵、地理距离矩阵对理论假设进行实证检验。研究发现如下结论：（1）以农村居民纯收入衡量地区扶贫增收绩效具有明显的空间特征，空间依赖性与联动较为明显；（2）普惠金融发展对于本地区的扶贫增收效果具有明显的促进作用，对农村地区的减贫增收具有重要意义；（3）普惠金融发展对于邻近地区的减贫增收同样具有积极作用，存在显著的空间正向溢出效果。

根据研究结果，本文针对普惠金融更好地为减贫增收发挥作用提出以下建议。

第一，各地区应进一步加强普惠金融建设，尤其是支持普惠金融建设的主力军——各类金融机构。促使其充分挖掘各自优势，更有针对性地为农村地区居民提供金融服务，提高扶贫效率。例如商业银行、信用合作社、微型金融机构以及金融科技公司等，不同类型的金融机构都能在普惠金融中发挥各自的专业作用。商业银行在吸收资金方面具有优势，发展普惠金融业务，可以在一定程度上降低服务弱势群体的资金成本；农村金融机构、信用合作社具有深耕社区的特点，与本地客户能够构建最佳的关系网络，并可以深入了解和满足客户特定需求；邮政储蓄银行可以高效利用边远地区的基础设施网络，进一步加强金融产品和服务的可得性，有助于普惠金融降低信息成本；而一些金融科技公司，它们在信息处理与反欺诈等方面具有专业优势，可以帮助传统的金融机构降低风险成本等。

第二，中央和地方政府都应该在市场作用的基础上为普惠金融发展与扶贫增收提供良好的政策环境，通过环境建设促使金融机构能够在竞争中不断改善金融扶贫效率，更好地为农村地区居民提供优质、高效和低成本的服务。可以在以下几个方面发挥作用：首先，保持宏观经济环境稳定，进一步推动利率市场化进程；其次，构建有利于合约执行的良好环境，加强监管；再次，继续加强普惠金融发展所需要的基础设施配套生态体系的建设，其中，相当大一部分比例的金融公共物品仍然需要政府继续加大支持和改进。通过政策规范、环境建设与市场中的金融机构协调合作、相互促进，能够将普惠金融减贫的积极效果更好地进行激发[30]。

第三，重视普惠金融发展在地区间的空间溢出效应，以及扶贫工作绩效的空间依赖性。地区政府在推动本地区普惠金融发展与农村地区经济减贫增收建设时，应该加强与其他地区之间的合作。地区间可以做到信息互通、信息共享，在交易、征信等体系实现政策上的互助，也可以通过建立有利于市场化的准则，促使金融机构之间实现有效的交流互动，并以此促成金融机构形成更高效的合作机制。如果地区政府与金融机构能够充分发挥自身的积极作用，在改善地区经济绩效的同时，引导地区间的正向联动，将能够更高效率、高质量地提升普惠金融扶贫的实际效果，提高农村居民收入，为扶贫攻坚战役的持续推进和经济建设创造更好的条件。