县域视角下普惠金融减贫实证分析——基于安徽省60县域的数据

■ 杨 锦，付 豪

（1.安徽财经大学财政与公共管理学院，安徽 蚌埠 233030；2.安徽财经大学管理科学与工程学院，安徽 蚌埠 233030）

随着中国经济的不断发展，收入差距与两极分化日益显著，先集中力量让一部分人先富起来的目标已实现，接下来就是让先富带动后富，做到全面小康。但是贫富差距、收入分化等社会问题突出，如果不采取合适的政策方法予以解决，将会导致社会矛盾日益激烈，与最初建立社会主义社会的目标相悖，更与全面提升人民生活质量的期望相矛盾。要想尽早解决这一问题，必须加大减贫扶贫力度，这不仅是全面建成小康社会的要求，更是我国经济高质量发展的必须之路。

普惠金融作为新提出的治理贫困的方式，通过提供金融服务，为贫困家庭给予资金支持来实现提高收入水平、促进投资与生产，最终达到减贫的效果。国务院在《推进普惠金融发展规划（2016-2020年）》中指出党中央、国务院高度重视发展普惠金融，要优先解决欠发达地区、薄弱环节和特殊群体的金融服务问题，增进社会公平和社会和谐。近些年来，我国在政策指引下在普惠金融方面做出了许多探索与尝试，但由于农民知识水平结构、经济发展水平等各种因素影响导致农村地区金融服务水平不高，使其成为阻碍农民收入提高、经济发展和实现精准扶贫的“拦路虎”，因此疏通融资渠道、提高金融服务水平在大背景下显得格外重要[1]。本文将基于普惠金融的视角，通过安徽省60个县域的数据来分析普惠金融与减贫效果之间的内在联系，并对完善普惠金融提出政策建议。

一、文献综述

普惠金融最早由Annan于2003年提出，旨在帮助人们提高生活水平。国内外关于普惠金融的研究主要集中于普惠金融发展水平测度及其影响因素分析和普惠金融的作用两方面。

关于普惠金融的测度，Sarma（2010）[2]最早从地理渗透度、可接触性和适用性三个维度来构建普惠金融发展指数（IFI），Arora（2010）[3]从服务范围、交易便利性及其费用三个维度构建评价体系；Gupte等人（2012）[4]则在此基础上对指标赋予权重进行测度，国内关于普惠金融发展水平的测度大多借鉴国外学者的研究成果，并在一定程度上对指标体系进行了改动。关于普惠金融的作用方面，唐文进等人基于283个地级市的面板数据得出了普惠金融对于产业结构的转型升级有促进作用[5]；徐洋通过构建GMM模型和门槛效应模型得出了普惠金融对于人口、产业城镇化有正向促进作用，对土地城镇化却有反向作用[6]；顾宁和张甜则验证了普惠金融对农村减贫的门槛、空间溢出与渠道效应[7]。

现有学术界关于普惠金融对农村减贫效应的态度主要持三种观点：第一种是普惠金融能够有效推动地方经济发展，直接或间接缓解贫困。刘锦怡、刘纯阳认为数字普惠金融的减贫效果不仅在于增加农户的金融可得性，还能使贫困农户获得更多的经济机会[8]。Beck（2004）认为普惠金融能够显著增加农民收入[9]。第二种是普惠金融不仅不能缓解贫困程度，还会加剧贫困程度。Jeanneney认为普惠金融实行过程中的金融波动带来的消极影响可能会抵消部分减贫效果[10]。刘芳认为短期内金融的发展会对减贫效应产生负向作用[11]。第三种是普惠金融的减贫效应会出现拐点变化。尹雪瑞和夏咏通过新疆82县（市）的数据得出了普惠金融不同时期和不同地区的减贫效果不同，具体呈现倒U型[12]。黄敦平等人通过30个省（市）的面板数据的实证分析得出了普惠金融对于缓解贫困的作用存在拐点，经过拐点之后减贫效应将会不断增强[13]。

综上所述，国内外学者对于普惠金融的研究以及普惠金融的减贫效应研究成果颇多，但因为选取样本和研究对象等不同导致研究结论出现了一定的分歧。但现有学术界对于空间异质性的研究较少。基于此，本文选取安徽省60县域2008-2017年10年的面板数据分为皖北、皖中、皖南三个地区分别构建模型进行实证研究以探究普惠金融发展水平和减贫效应的空间差异。

二、普惠金融发展指数测度

（一）普惠金融发展指数的指标选取

普惠金融能够让小微企业、农民、城镇低收入人群、贫困人群、老年人等获取及时有效且价格合理的金融服务，有效提高金融服务的可得性和增强群众的获得感。在选取普惠金融发展指数的指标时，本文参考了Sarma（2010）的做法，从渗透性、可获得性、可使用性三个维度来构建指标体系去测度普惠金融发展指数。

维度一：渗透性。考虑到我国国土面积宽广，各地区人口密集度差异较大，部分地区地广人稀，因此选取指标时主要考虑地理维度的渗透性。而对于县域层级来说，金融机构的规模、数量、分布等情况直接决定了金融服务的地区排斥性。所以，本维度主要考虑每万人拥有金融机构网点数量（金融机构数量/县域人数）和每平方公里金融机构网点数量（金融机构数量/县域面积）两个指标。

维度二：可获得性。从供给角度考虑，相对于政府的补助补贴来说，金融机构贷款服务能够有效获得资金以促进自身的发展。金融普惠化的核心在于为小微企业、贫困人口、农民提供金融资源[14]，而现有的状况则是县域地区的小微企业、农民等由于担保资质和业务往来等情况不符合条件遭受到金融机构储蓄与贷款的排斥。因此，本文选取人均存款额（存款余额/县域人数）和人均贷款额（贷款余额/县域人数）作为可获得性这一维度的指标。

维度三：可使用性。金融资金能否有效利用也被纳入了评价普惠金融发展水平的标准之一。从县域视角来看，银行系统已经成为抽离县域资金的主要推手[15]，由于我国市场机制扭曲、信息不对称导致金融资源在配置过程中偏离农民手中，农贷资金被“精英俘获”[16]，大多数农户被“边缘化”和“客体化”[17]。因此，本文采取存款占GDP比重（存款余额/县域GDP总额）和贷款占GDP比重（贷款余额/县域GDP总额）这两个指标来衡量此维度。

表1 普惠金融指标选取体系

（二）普惠金融发展指数的测度方法

为了有效衡量县域普惠金融发展指数（IFI），本文参考 Sarma（2015）[18]和韩晓宇[19]的做法，先对数据进行标准化处理，使其成为处于[0,1]之间的无量纲的纯数值，再使用变异系数作为各指标的权重，最后合成普惠金融发展指数。

首先对原始数据进行标准化处理：

其中，xi，mini，maxi为第 i个指标的实际观测值和最小、最大值。

其次，使用变异系数法计算各指标的权重：

其中，Vi，Si，Xi分别表示第 i个指标的变异系数、标准差和平均值。再根据变异系数计算各指标的权重Wi：

根据欧拉公式，得到普惠金融指数IFI：

普惠金融指数（IFI）的取值范围为[0,1]，当IFI的值越趋向于1时，表明该县域的普惠金融发展水平越高；当IFI的值越趋向于0时，表明该县域的普惠金融发展水平越低。

（三）普惠金融发展指数的结果分析

2008-2017年安徽省普惠金融发展指数（IFI值）描述性统计结果如附表1所示。其间最小值为0.0371，最大值为0.6751，说明各县域之间金融包容性水平差异性显著，变异系数自2010年开始也呈现逐渐下降的趋势，这表明了安徽省的普惠金融水平正在往好的方向趋同。虽然IFI较低水平县域数仍然占据安徽省大部分，但已经由2008年75.00%的占比下降到2017年的71.67%，且IFI高水平和一般水平的县域数明显增多，这都说明了安徽省的普惠金融水平正在逐渐提升。

而通过进一步分析，计算出每个县IFI值的平均值，可以明显看出安徽省普惠金融发展水平出现了明显的地域差异，具体结果如附表2所示。结果显示：安徽省普惠金融水平呈现自南向北逐渐下降的态势，皖南地区普惠金融水平最高，皖北地区所有县（市）的普惠金融水平都处于较低的状态，这与皖南地区整体经济发展水平高于皖中、皖北的情况基本一致。

三、研究设计与数据分析

（一）样本选择与数据来源

考虑到本文考察基于县域视角的普惠金融的减贫效应，所以本文选取2008-2017年安徽省各县（包括县级市）共60个县（市）的平衡面板数据作为样本，排除各地级市管辖下的区，数据来源于《安徽统计年鉴》、各县市统计年鉴如《宣城市统计年鉴》等年鉴、安徽县市统计数据库等数据库、中国经济社会大数据研究平台等平台。

（二）模型设定

为了考察普惠金融的减贫效应，选取农村居民收入水平作为被解释变量，普惠金融发展指数为解释变量，并且引入控制变量（城镇化水平、就业水平、政府对经济的干预程度和经济结构），来构建如下模型。

其中，i为安徽省不同县（市），t为时间（年份），β0为截距项，β1为解释变量的待估系数。若β1>0则说明普惠金融对农村的减贫有积极作用，β2至β5为控制变量的待估系数，εi,t为随机误差项。

（三）变量选取

1.被解释变量：农村居民收入水平。国内外关于贫困程度的衡量有很多，包括农村贫困人口、贫困发生率、贫困深度（PG）、贫困强度（SPG）等，但本文是基于县域视角的，依中国国情而言贫困问题多发生于县域层次，贫困人口多分布于农村，所以本文借鉴顾晓安[20]等人做法，选取农村居民收入作为衡量贫困的指标，为了避免异方差导致的数据误差，对农村居民收入进行对数化处理。

2.解释变量：普惠金融发展水平。根据上文此指标可以通过渗透性、可获得性、可使用性三个维度计算得出。若指数越大，表明普惠金融发展水平越高，一般来说当普惠金融发展指数大于0.5时，认为普惠金融发展水平较高，当普惠金融发展指数小于0.3时，认为普惠金融发展水平较低[21]。

3.控制变量。城镇化反映了农村人口向城镇迁徙的过程，转移人口会因为从事行业由农业转为收入更高的非农业后而提高收入水平，因此选取城镇化水平为控制变量，计算方法为城镇人口与县域总人口的比值，就业水平也会反映非务农乡村人口的收入高于务农人员，具体用乡村从业人数与县域总人口的比值表示。政府对贫困人口的财政补贴与专项政策等财政支出会缓解农村人口的贫困状况，所以用政府对经济的干预程度作为控制变量，用县域财政支出与县域GDP总值的比值来表示。不同阶段的产业结构对贫困的影响不同，相比于高阶段的产业结构来说，低阶段的产业结构会有效吸引农业人口从事非农业行业，缓解贫困的效果更好，本文用二、三产业的产值与县域GDP总值的比值来衡量经济结构（见附表 3）。

四、实证分析

（一）描述性统计结果

表2为2008-2017年安徽省县域层次的各变量的描述性统计结果。其中，农村居民收入水平的差异性较大，最小值为7.5971，最大值为9.9930，说明安徽省各县市的经济发展水平的差距较大。在对普惠金融发展指数进行标准化处理后，数据全部处于[0,1]，最小值为0.0371，最大值为0.6976。可见，县域层次的普惠金融水平发展差距显著。

（二）安徽各地区实证结果分析

由于安徽省的地域特征明显，整体数据不能很好地反映真实情况，所以本文按照地理位置划分将样本分为皖北、皖中、皖南三个部分分别进行分析。在进行回归分析前，首先对样本数据进行Hausman检验，结果表明皖北适应随机效应模型，皖中和皖南适应固定效应模型（具体结果如表3所示）。

表2 描述性统计结果

从回归结果中可以看出：普惠金融的减贫效应在安徽省存在明显的空间异质性。对于皖北来说，普惠金融指数在10%的水平上显著，其回归系数为0.881，说明普惠金融对于皖北地区的有一定减贫效应。但是对于皖中和皖南地区来说，其回归系数分别为-0.633和-0.945，分别在5%和1%的水平上显著，这表明减贫效应随着普惠金融水平的提升反而下降。出现以上结果的原因，与库兹涅茨曲线相反的U型轨迹一致，可以得出普惠金融的减贫效应存在峰值，当过了峰值后，普惠金融的减贫效应反而会随着普惠金融水平的发展而下降。

对于皖北和皖中来说，城镇化水平和就业水平对减贫效应有明显的正向作用，但对皖南来说却为反向作用，原因可能在于皖南地区经济发展速度较快，城镇化水平和就业水平相对于皖北和皖中来说发展更好。政府的经济干预程度与经济结构对安徽省三个地区来说都有减贫的效果，政府通过直接的财政补贴及税收优惠等政策促进了农民收入的提高，而近些年来安徽省通过融合一、二、三产业来寻求农村经济的发展新途径，创新产业发展新模式，取得了不错的成果，使得更多农户精准脱贫，加快了安徽省脱贫步伐。

表3 安徽省普惠金融减贫效应回归结果

五、结论与政策建议

本文基于2008-2017年安徽省60县域的面板数据，通过渗透性、可获得性、可使用性三个维度来构建普惠金融指标体系，得出了各县域每年的普惠金融发展指数IFI。结果表明：县域普惠金融发展水平差异显著，存在空间异质性，由此将60县域划分为皖北、皖中、皖南三部分。可以看出，安徽省普惠金融发展水平自皖南向皖北递减，但其只有对皖北地区的减贫效应明显，皖中和皖南的减贫效应却随着普惠金融水平的提升反而下降。基于以上研究，为更好发挥出县域视角下普惠金融的减贫效应，本文提出以下政策建议：

第一，保障政策支持，助力各县域减贫。政府应起到主导作用，针对不同地区予以不同的政策性支持。就皖南来说，地区经济发展速度较快，普惠金融发展水平相较皖中皖北高，政府可推出相应财税政策，比如税收减免优惠，推动金融扶贫创新，为皖北地区普惠金融发展积累经验。就皖中和皖北来说，政府应加快城镇化进程，给出更多投资优惠政策吸引外来投资，拉动地区经济发展，同时创新公共就业政策，坚持就业优先战略，提高就业水平[22]。

第二，调整产业结构，加快脱贫步伐。对于皖北地区，发展普惠金融能促进产业结构升级，政府和金融机构同时也要加快金融基础服务建设，降低准入门槛，引导保险担保等机构进入。由于普惠金融的减贫效应存在峰值，政府和各机构应做好预估，降低溢出效应发生的可能性。

第三，要建立多层次、全方面的普惠金融体系。根据皖北、皖中、皖南三地区的实际经济发展水平和贫困人口情况，精准定位目标人群，金融机构与非金融机构互补合作为其提供合适的金融产品与服务，为农村人口实现造血脱贫。还要加快信息平台的建设，解决农户在金融服务中遇到的信息不对称的问题，让各方力量在脱贫攻坚战中发挥作用，助力全面脱贫尽早到来。