普惠金融促进了制造业就业吗？——基于县级面板数据的实证研究

习明明 李鑫 何炳林

(江西财经大学江西经济发展与改革研究院，江西 南昌 330013)

一、引言

党的十九届五中全会提出：“开启全面建设社会主义现代化国家新征程，要坚持把发展经济着力点放在实体经济上，保持制造业比重基本稳定。千方百计稳定和扩大就业，坚持经济发展就业导向，扩大就业容量，提升就业质量，促进充分就业”。1为什么这次全会要突出强调“保持制造业比重基本稳定和促进充分就业”的重要性，将其提高到未来五年乃至十五年重大发展战略的位置？一方面，是因为过去十年的发展中，随着我国服务业的不断发展壮大，制造业国民经济占比出现了持续下降，经济有过早“脱实向虚”的征兆，这将不利于我国国民经济社会稳定和长期发展，更不利于我国在全球市场中的核心竞争力提升；另一方面，就促进国内国际双循环发展新格局而言，我国制造业比其他产业的比较优势更加突出。制造业属于劳动和技术密集型产业，更能促进就业、出口和消费升级，对国民经济和社会发展的拉动效应也更大。制造业就业提升不仅有利于国内市场消费，也有利于国际出口业务，是推动国内国际双循环发展和提升经济发展质量的关键。因而在当前背景下，研究制造业就业问题具有重要的理论和实践意义。

保持制造业比重基本稳定对提升就业质量和促进充分就业意义重大。但制造业发展仍然面临较为严峻的形势，提升制造业就业面临诸多挑战和问题。第一，从制造业发展质量来看，我国制造业仍然属于劳动密集型产业，高新技术产业占比较低，尚处在产业转型升级成长阶段。制造业普遍具有抗风险能力较低、企业利润率低、资金成本高、资产负债率高的“两低两高”特征。第二，从制造业企业数量和结构来看，我国制造业中小微企业占比相对较高。相对于大中型企业而言，这些小微企业不仅经营的资金流动性差，而且融资渠道单一、可抵押资产较少，更难获得金融机构的信贷支持，更需要优惠信贷资金支持，尤其是普惠金融政策的“精准滴灌”。普惠金融促进金融资源向薄弱环节转移，有利于改变制造业物质资本积累和低端路径依赖，促进产业转型升级并增加制造业就业机会(张平等，2015)[35]。第三，从区域发展不平衡角度看，我国地区金融资源配置不均和金融排斥问题仍然严重。2有学者研究表明中国金融账户人均持有比例较低，正规金融机构账户持有比例仅有63.8%，中国家庭存在严重的金融排斥问题(Demirgüç-Kunt and Klapper，2013；张号栋和尹志超，2016)[3][32]。金融排斥情况在不同省份之间存在差异，并且单个地区金融排斥在农村地区明显大于城市，金融发展呈现出城乡二元性发展的特征(田霖，2011)[25]。

普惠金融政策从我国严重的金融排斥和区域发展不平衡状况出发，致力于改善金融资源分配，推动金融业与实体经济融合发展，能够显著促进我国现代化经济体系的构建。发展普惠金融正在成为中国经济发展的新兴关注点。其中，普惠金融对经济发展的影响主要包括收入分配和改善就业两个方面。与“撒胡椒粉”式的传统金融发展不同，普惠金融通过改善金融结构，影响经济发展的效率和公平(李建军等，2020)[15]。我国的金融结构主要是以银行贷款为主导的间接金融体系(习明明和彭镇华，2019)[27]，对企业信贷抵押的要求过高，不利于中小微企业融资借贷，提高金融中介率可以显著地解决我国收入差距和推动就业(谢世清和刘宇璠，2019)[28]。此外，构建信息化普惠金融体系能够提高金融中介服务率，降低金融服务门槛，促进落后地区的企业和经济发展(李建军和韩珣，2019)[13]。

普惠金融对地区就业和创业的影响也是学者们关注的重点。张号栋等(2017)[31]研究发现，普惠金融能够通过改善个人信贷能力，提升人力资本积累，进而降低失业率。Bruhn and Love(2014)[2]基于墨西哥的实证研究表明，普惠金融推广与就业结构有着紧密关联。林春等(2019)[18]从小微企业着手，分析了普惠金融对产业就业总量和结构的影响，并且发现普惠金融对产业就业的影响存在地区差异。在普惠金融与创业的研究方面，李建军和李俊成(2020)[14]从家庭资金约束、金融教育等角度出发，论证了普惠金融对创业的增进作用主要来源于对居民金融能力的提升。张勋等(2019)[34]研究表明，普惠金融显著改善了农村居民的创业行为，促进了落后地区的发展。

现有文献针对普惠金融做了大量研究，但仍然有两方面问题关注不够：一是主要是基于普惠金融对微观个体信贷能力和融资约束影响的角度，忽略了普惠金融对就业的影响，尤其是普惠金融对制造业就业的影响机制；二是忽略了金融地理排斥问题和普惠金融在不同发展地区的政策效应差异，很少从县域经济和贫困地区的角度，研究普惠金融政策对推动制造业就业的影响。与以往研究相比，本文的研究贡献主要体现在以下四个方面：第一，从县域层面分析了普惠金融对制造业就业的影响机制。普惠金融不仅能直接缓解制造业企业的融资约束问题，帮助企业恢复生产，还可以通过金融信贷支持制造业转型升级和做大做强，间接创造更多新的就业岗位。第二，证实了普惠金融能显著促进制造业就业空间拓展，为解决中西部地区的就业难题提供了可行思路。第三，分中、东、西部探究了普惠金融的地区异质性影响，分析普惠金融在不同县区的推行效果。第四，研究了普惠金融在集中连片特困地区对就业的影响，为连片特困地区防止返贫和促进就业的保障兜底工作提供政策启示。

二、理论分析与研究假设

(一)普惠金融对制造业就业影响

金融对制造业就业的支持作用不仅可以体现在降低贷款利率和促进产业发展方面，还可以体现在降低企业贷款门槛要求方面，如放宽中小企业贷款要求等(McKinnon，1973)[6]。普惠金融政策贯彻商业循环原则，向制造业中小企业和初始创业人群提供价格合理的资金支持。一方面，普惠金融能够直接降低个人和中小企业的融资贷款成本，有利于促进制造业创业和创新，从而创造更多的制造业就业岗位(张勋等，2019；赵涛等，2020)[34][33]；另一方面，普惠金融提高了金融服务的可得性，放宽对中小企业和工厂获得贷款的限制，提高其对抗行业风险能力和经营周转能力，为制造业就业拓展了空间。

中小微企业是拉动就业的重要力量和主力军，中小微企业能否获得信贷资金支持，能否成功生存并发展，关系着制造业发展和就业稳定(Beck et al.，2000；Konings，1995)[1][5]。但是，中小微企业因为“轻资产、无抵押”的发展特征，属于难以获得信贷资金的长尾群体3，长期被排斥在金融服务体系之外，解决其融资问题成为拉动制造业就业的首要关键(王博等，2019)[26]。普惠金融通过降低制造业中小企业融资门槛和融资成本，能够帮助企业顺利“过桥”并生存发展下去，提升企业现金流、盈利能力和业务周转能力，从而帮助企业成长并创造更多的就业岗位。

随着经济发展和技术水平的提升，我国制造业正经历着转型升级和技术革新(孙元元和张建清，2015)[24]。但是，制造业转型升级并不一定就是简单的“机器换人”，制造业转型升级也不一定是以牺牲就业为代价。相反，制造业大规模的就业创造和就业消失同时进行，但新增就业机会仍然大于就业的消失(马弘等，2013)[22]。这说明制造业的新技术创新，不仅促进了产业转型升级，推动了企业和产业做大做强，还创造了新的就业模式和更多的就业岗位。由此，本文提出研究假设：

H1：在维持制造业比重基本稳定的情况下，普惠金融不仅可以降低制造业融资成本和缓解融资约束，直接促进制造业就业显著提升，还可以通过促进制造业转型升级和做大做强，间接创造更多的新就业岗位。

(二)普惠金融对制造业就业影响的异质性分析

经济发展水平的不同，可能使得不同地区的金融发展存在着差异(Karl and Chen，2011；吕朝凤，2018)[8][20]。普惠金融在全国范围的正式推开，正是以解决我国存在的金融发展不均衡和严重金融排斥问题为目标。金融排斥属于金融地理学的研究范畴，不同地区金融排斥现象也存在差异(吕勇斌等，2015)[21]。因此，普惠金融实施力度和对就业的影响也存在地区差异。

集中连片特困地区因地理位置、资源禀赋和发展模式等因素，很大程度上存在连片金融资源薄弱的现象，集体被排斥在金融服务体系之外。普惠金融对集中连片特困地区的政策倾斜使得其对就业的促进作用在这些地区更加明显。Greenwood et al.(2010)[4]研究发现，金融的发展能够推动社会资本分配效率的提高，普惠金融为原先处在金融排斥状态下的微观主体提供可负担的资金支持，能够激发社会的投资生产活力，进而创造新的就业机会。相较于非集中连片特困地区，集中连片特困地区的经济社会发展潜力还未完全挖掘，地区产业薄弱，制造业就业未形成规模。普惠金融在集中连片特困地区的低门槛特惠投资，解决了地区发展的资金难题，给制造业产业规模的形成、企业生产的扩大带来可能，从而创造了更多的就业机会，使得普惠金融对制造业就业的影响相较于非集中连片特困地区更加明显。

西部地区发展较为落后，同时存在严重的金融排斥现象，也是金融产业和资本市场发展的落后地区。普惠金融资源向西部地区倾斜能够有效促进西部大开发，为西部经济发展挖掘新活力，因此，普惠金融对西部制造业就业空间开拓作用相较于中部和东部更加明显。另外，从行业细分来看，西部地区劳动密集制造业占比更高。普惠金融资源的注入，使得从事劳动密集制造业生产的中小企业，特别是小微企业获得资金和金融服务的门槛降低，能够促进西部制造业企业扩大生产规模，在有效促进西部地区制造业就业的同时，还为西部地区制造业的转型升级创造了条件。东部地区和中部地区相较于西部地区而言，拥有更好的经济基础和交通地理位置，金融业有发展饱和的趋势，有些地方甚至出现了银行等金融机构拥挤的情况，呈现出边际收益递减的现象(林春，2016)[19]。因此，普惠金融在中东部地区的发展，对制造业就业的拉动作用较小。由此，本文提出研究假设：

H2：普惠金融对制造业就业的促进作用存在异质性，在西部地区对制造业就业的拉动作用更加明显，在集中连片特困地区的效果优于非集中连片特困地区。

三、研究设计

(一)样本选择和数据来源

“普惠金融”政策最早来源于2005年联合国工作报告。虽然2013年十八届三中全会提出了要发展普惠金融，但直到2015年末国务院下发“着力推动普惠金融在贫困和欠发达地区优先发展”的通知，要求各级政府因地制宜发展和规划普惠金融政策，并出台《推进普惠金融发展规划(2016―2020年)》，普惠金融政策才开始在我国欠发达地区逐渐推广。因此，普惠金融政策在我国大范围推广是在2016年及以后，本文以2014―2018年县域数据作为研究样本。数据来自历年中国县域经济统计年鉴、各省市地方统计局和政府统计公报。其中，集中连片特困地区和非集中连片特困地区是根据国务院扶贫办公布的六盘山区等11个集中连片特殊困难地区分县名单划分。4由于县域统计年鉴有较多指标缺失，本文除了剔除西藏自治区和青海省的数据之外，还剔除了其他省份中存在缺失数据的部分县市和民族自治地区。5

(二)普惠金融发展水平测算

我国央行公布的《中国普惠金融指标分析报告(2019年)》重点从使用情况维度、可得性维度和质量维度分析了普惠金融发展水平。现有的普惠金融指标也大多从金融密度、可得性等角度构建(Sarma and Pais，2011)[7]。齐红倩和李志创(2019)[23]在测算普惠金融发展水平时，将正规金融账户的持有数量作为重点指标；范兆斌和张柳青(2017)[9]从地理分布密度(GP)、金融服务可得(AS)及账户使用频率(UF)三个维度出发，选取人均贷款占GDP比重、银行网点密度和金融从业人员人数等指标构建普惠金融指数，对测算普惠金融发展水平具有启示意义。

解决人民日益增长的金融需求与供给之间的矛盾主要依靠普惠金融深度的提升。普惠金融深度指标主要从存款转化率和贷款配比两个角度构建(龚晓叶和李颖，2020)[10]。地区存款转化率等于“人均存款/人均地区收入总值”。存款是银行的主要资金来源，而居民的储蓄和收入是存款的主要来源(雷震和彭欢，2009)[12]。地区存款转化是影响银行等金融机构资金实力的重要因素，是地区金融支持实力的重要体现；同时资金实力决定银行等金融机构吸收风险的能力，进而影响其管理资产的风险决策。普惠金融将被排斥在正规金融、风险评级系统以外的群体重新纳入，在很大程度上属于风险投资行为，需要较为充足的资金实力支持；除此之外，普惠金融以微观主体可负担的成本提供金融服务，政策性质决定其发放贷款和进行金融服务的低收益性质。因此，成本较低的存款可能成为影响普惠金融推行的重要因素。贷款的配比指标也是普惠金融深度的体现，表示在贷款可获得的前提下，一定收入的微观主体能获得的贷款数量(李建军和韩珣，2019)[13]。普惠金融促进金融业发展向弱势群体和薄弱环节倾斜，主要通过贷款这一环节实现。贷款配比度的适当提高，能促进金融资源的有效均衡配置，最终能推动金融与实体经济的融合发展。因此，应该将贷款配比度纳入主要普惠金融测度指标。

以现有文献为基础，结合研究问题和县域数据的可得性，本文主要选取“人均居民储蓄存款余额/人均地区生产总值”和“人均贷款余额/人均地区生产总值”两个指标，即存款转化比和贷款配比度，并且使用变异系数法构建普惠金融指数。本文所使用的变异系数法，主要是通过指标的标准差和均值计算出变异系数，然后根据各指标的变异系数值进行赋权。这种方法在一定程度上能够避免普惠金融指数和其他控制变量的共线性问题(李建军和韩珣，2019)[13]。

(三)模型设定和变量定义

首先，考虑到各全国各县区之间较大的地理、文化等固定因素差异，为了进一步减少不可观测固定因素对估计结果的影响，本文首先使用时间和地区双固定效应面板数据模型，实证研究普惠金融对制造业就业的影响，具体函数模型如式(1)所示。

其中，yit表示制造业就业指标，inclsvit为县域的普惠金融指标，Xit为其他控制变量，µi为地区固定效应，vt为时间固定效应，εit为随机误差项，i代表地区，t代表时间。

其次，普惠金融推广不仅可以直接降低中小企业融资成本，缓解中小企业面临的金融约束，直接促进制造业企业发展和就业提升，还可以通过对制造业企业的“精准滴灌”来帮助企业做大做强，帮助各县区推进“小升规”工作，进而创造更多的就业岗位，间接促进制造业就业提升。为了检验这一机制，本文构造面板数据的双固定中介效应模型如式(2)所示。

式(2)中，中介变量为地区规模以上工业企业数量lfirms，本文用此变量代表地区制造业企业规模。考虑到样本有2088个县区，为避免变量太多而导致模型估计的有效性下降，式(2)中地区固定效应使用的是省份，时间固定效应仍然是年份。

最后，政策的推出时间具有外生性，DID是检验政策效果的有效工具，能够对比政策实施前后，政策实施地区和未实施地区因变量的显著差别(李建军和韩珣，2019)[13]。2015年末，国务院出台《推进普惠金融发展规划(2016―2020年)》后，普惠金融政策在全国贫困地区得以推广，因此本文将2016年作为政策冲击年份。同时，普惠金融政策从地区均衡发展角度出发，统筹规划我国社会经济发展，明确要求优先发展薄弱环节和欠发达地区。西部地区和集中连片特困地区属于相较落后地区，与东部和中部相比具有明显的政策倾向，西部省份和集中连片特困县区与其他地区形成了天然的实验组和对照组。基于以上分析，本文采用DID进一步分析普惠金融政策的制造业就业影响。构建双重差分模型如(3)式所示：

式(3)中，yit为各个县区制造业就业指标；Treati为地区虚拟变量，西部地区(集中连片特困地区)为1，中部和东部(非集中连片特困地区)县区为0；Postt为时间虚拟变量，2016年之前为0，2016年之后为1；Treati×Postt为交互项，2016年以后的西部县区为1，其他年份和地区为0。如果交互项的系数β1显著为正，则表示普惠金融对西部地区的制造业就业具有正向的促进作用，符合政策实施的预期。Xit是控制变量，包括制造业比重、制造业企业规模、地区人均生产总值、财政支出、信息化水平、学校在校人数和人口数量等；εit为随机误差项。各变量的定义及计算方法见表1所示。

表1 变量定义

四、实证结果与分析

(一)描述性统计

表2是剔除异常和严重缺失的数据后的变量描述性统计结果，共包括全国2088县区2014―2018年的9828个观测值。不同县区各变量数据缺失年份不一致，可能会导致不同模型的实际估计过程中样本量存在差异。

表2 变量的描述性统计

表3 集中连片特困地区和非集中连片特困地区的均值差异

另外，本文采用Pearson相关系数分析对变量进行了检查，结果显示解释变量inclsv与控制变量的相关性比较小。解释变量普惠金融(inclsv)与控制变量人均GDP(lgdpp)的相关系数为-0.3410，是因为普惠金融政策推广主要是向贫困欠发达地区倾斜。普惠金融与其他控制变量的相关系数都小于0.1，因此解释变量和控制变量之间的多重共线性问题可以忽略不计。

为了进一步比较不同地区的制造业就业、普惠金融发展水平、制造业占比等方面是否存在显著差异，本文将样本分为集中连片特困地区和非连片特困地区两组，比较两者之间所包含变量的均值差并进行t检验，结果如表3所示。

表3中，集中连片特困地区的制造业就业(llbsec)、制造业比重(secgdp)、规上企业数量(lfirms)等指标均显著低于非连片特困地区，只有普惠金融指标(inclsv)显著高于非连片特困地区，这说明普惠金融政策重点向欠发达地区倾斜，普惠金融政策推广的力度在集中连片特困地区更大。

(二)基准模型

为了进一步分析普惠金融对制造业就业的影响，本文采用面板数据双维固定效应模型进行实证检验，并逐步对各组加入控制变量，探究普惠金融对制造业就业的促进效应，结果如表4所示。

表4中，四个模型全部采用了面板数据双向固定效应回归方法。从结果可以看出，无论是否加入控制变量，普惠金融指数的系数均显著为正，说明普惠金融指数对制造业就业具有显著的促进作用。表4中，区别于模型(1)和(3)，模型(2)和(4)通过变量secgdp控制了制造业比重，结果表明在控制制造业比重情况下，普惠金融仍然能够显著促进制造业就业提升。综上所述，在控制制造业比重情况下，普惠金融能够有效促进制造业就业提升。该结论有效验证了假设H1。

表4 基准模型回归结果

(三)中介效应机制检验

为了检验普惠金融对制造业就业影响的传导机制，本文使用面板数据中介效应模型进行回归分析，并控制了制造业比重等变量。在制造业比重维持基本稳定的条件下，普惠金融对制造业就业影响的直接和间接效应的检验结果如表5所示。

表5 普惠金融对制造业就业影响的中介效应检验

根据中介效应的检验机制和原理，表5中模型(1)的因变量是制造业就业，解释变量是普惠金融；模型(2)的因变量是规上企业数量，解释变量是普惠金融；模型(3)的因变量是制造业就业，解释变量是普惠金融和规上企业数量。

表5中，中介效应Sobel检验的结果在1%水平下显著，且模型(3)的两个解释变量均在1%水平下显著，说明普惠金融对制作业就业影响存在部分中介效应。即普惠金融不仅能够直接促进制造业就业提升，还可以通过促进地区“小转规”，增加地区规模以上工业企业数量，推动制造业转型升级和做大做强，进而间接促进制造业就业提升。根据表5的实证结果，普惠金融通过促进企业规模扩大间接推动制造业就业提升的间接效应比例为0.268，这说明普惠金融促进制造业就业提升的直接效应为73.2%，间接效应为26.8%。以上结论有效验证了假设H1。

(四)普惠金融制造业就业效应的地区差异

普惠金融服务的重点是处于金融排斥状态下的微观主体，致力于解决金融业发展不均衡以及金融服务存在薄弱环节和地区的问题。经济发展水平的不同可能使得地区间的金融发展存在着差异，金融服务发展水平、覆盖率和可得性情况也会不同(吕朝凤，2018)[20]。因此，普惠金融政策的推行力度可能存在明显的地区倾斜，进而对各地区的制造业就业影响效应不同。为了进一步检验普惠金融对制造业就业影响的地区差异，本文分集中连片特困地区与非集中连片地区，以及东部、中部和西部地区探讨普惠金融对制造业就业的异质性影响。

表6 普惠金融对不同地区制造业就业回归结果

从表6可以看出，模型(1)与模型(2)分别针对是否是集中连片特困地区进行回归，其结果均显示普惠金融指数的系数显著为正。集中连片特困地区的普惠金融指标系数相较于非集中连片地区更大，表明普惠金融对集中连片特困地区的制造业就业推动作用更加明显。模型(3)是基于全部地区样本进行回归的结果，inclsv×poverty为普惠金融指数与集中连片特困地区虚拟变量的交互项(poverty取值为1代表集中连片特困地区，取值为0代表非集中连片特困地区)，回归系数显著为正，进一步说明了普惠金融向集中连片特困地区的资源倾斜能够更加明显的推动该地区的制造业就业。模型(4)、模型(5)和模型(6)报告了针对我国东部、中部和西部地区进行回归的结果。从结果可以看出，普惠金融系数只对西部地区制造业就业具有显著正向影响，对东部地区以及中部地区的影响不显著，说明普惠金融对制造业就业的推动主要体现在对西部地区上，该结论有效说明普惠金融推动西部地区制造业就业提升具有重大意义。该结论有效验证了假设H2。

普惠金融为什么在集中连片特困地区和西部地区对就业的影响更加显著？首先，从需求角度看，一方面，是因为集中连片特困地区和西部地区制造业发展基础薄弱，不仅产业规模小，而且技术水平落后，企业盈利能力低，抗风险能力弱，更需要优惠金融信贷资金的支持；另一方面，集中连片特困地区和西部地区资本市场发展也相对较为落后，企业的资金来源渠道较为单一，民间借贷和“过桥”成本相对较高，普惠金融政策对当地制造业企业支持的边际效应会更大。其次，从供给角度看，2016年之后，普惠金融政策虽然在全国推广开来，但对贫困落后地区的支持力度更大，集中连片特困地区和西部地区能够得到的优惠服务支持更多，因而对当地制造业就业的影响更加显著。

五、稳健性检验

(一)普惠金融政策与制造业就业

前文从整体以及分地区的角度探究了普惠金融对地区制造业就业的影响，通过添加相关控制变量，在一定程度上缓解了遗漏变量的问题。但不容忽视的是，一方面，模型不可避免地存在一些不可观测的因素，可能遗漏重要变量；另一方面，地区制造业就业也会影响当地的普惠金融。由于遗漏变量和反向因果现象的存在，模型可能存在内生性问题，上述结论可能存在一定偏差。因此，本文采用双重差分模型(DID)进行分析，这样不仅能够缓解模型可能存在的内生性问题，还可以进一步评估普惠金融的政策效应。

2015年末我国颁布的《推进普惠金融发展规划(2016―2020年)》为本文提供一个很好的“准自然实验”。我国部分地区发展落后，如西部地区或集中连片特困地区，当地的金融发展程度较低，而《推进普惠金融发展规划(2016―2020年)》针对金融发展较为薄弱的地区给予部分特殊待遇。因此，本文以2016年为时间点，分别以西部地区和集中连片特困地区作为实验组，利用双重差分法，进一步从县级层面验证普惠金融的政策影响。

在表7中，模型(1)和模型(2)均以西部地区为实验组进行回归，Treat1_Post表示2016年后普惠金融发展规划在西部地区重点实施，同时控制年份效应和地区效应，其中模型(1)的解释变量只有核心解释变量，模型(2)加入其他控制变量。结果表明，是否包含控制变量对回归结果影响不大，核心解释变量均显著为正，说明我国普惠金融政策可以有效促进西部地区制造业就业水平提升。模型(3)和模型(4)以集中连片特困地区为实验组进行回归，Treat2_Post表示2016年后普惠金融发展规划在集中连片特困地区重点实施，且只有模型(4)加入控制变量。回归结果中，核心解释变量也显著为正，说明我国普惠金融政策也能促进集中连片特困地区制造业就业发展。从上述结果可以看出，无论是将西部地区作为贫困地区或是以更为贫困的集中连片特困地区作为贫困地区，我国普惠金融政策对贫困地区制造业就业均有显著的正向影响。另外，交互项系数显著为正，更进一步验证了假设H2中普惠金融政策对制造业就业的推动作用存在地区差异的观点。

表7 DID 估计与平行趋势假设检验

图1 平行趋势检验

(二)检验平行趋势假设

表7的回归结果成功印证了本文的假设H2，普惠金融政策能够促进贫困地区制造业就业。但在DID模型中，控制组与实验组要满足平行趋势假设，否则交互项并非政策处理效应。由图1可知，在政策颁布前，系数估计值在统计上无一显著，说明政策颁布前控制组与实验组之间的制造业就业没有差异。在政策颁布当年以及后两年，回归系数均显著为正，表明普惠金融政策有利于促进地区制造业就业水平的提升。该结论有效说明双重差分模型满足平行趋势假定，交互项能够有效体现政策效果。

(三)工具变量检验

为了进一步解决模型可能存在的内生性问题，本文继续使用工具变量对模型进行回归。首先，当年的制造业就业不会影响上一年的普惠金融发展水平，但上一年的普惠金融发展水平会通过影响当年的普惠金融发展水平，间接影响当年的制造业就业，因而可以采用普惠金融滞后期作为工具变量。其次，在我国的行政区划调整政策中，乡镇和街道的行政区域调整是由省级政府决定的，县级行政区域调整是由国务院决定的，这两者的调整短期内都不可能受到当地制造业就业的影响。参照余泳泽和潘妍(2019)[29]、余泳泽等(2020)[30]工具变量的处理方法，使用行政单位数量作为工具变量。考虑到本文样本使用的是县级面板数据，选取乡镇和街道等基层行政单位数量作为工具变量。在县域层面的普惠金融政策推广过程中，乡镇、街道办等基层行政单位是推进普惠金融政策实施的执行单位，是政策执行和落实的“最前线”单位。基层行政单位更加了解中小企业融资需求，更能引导普惠金融政策“精准滴灌”到当地的重点企业、重点产品、重点项目；并且基层行政单位数量越多，相关推行的人员、平台和资源也越多，在政策扶持、基层工作和基础设施等方面，对普惠金融政策落实的作用也会更加有效(粟芳和方蕾，2016)[17]。在短期内，制造业就业不会影响基层行政单位数量，基层行政单位数量也不会直接影响制造业就业，但基层行政单位数量可以通过影响地区普惠金融发展间接影响制造业就业。

表8报告了工具变量的回归结果，其中模型(1)和模型(2)是将解释变量滞后一期作为工具变量的回归结果，模型(3)和模型(4)是以基层行政单位数量作为工具变量的回归结果，模型(2)与模型(4)包含其他控制变量，上述模型均控制年份和地区效应。

回归结果显示，无论是以解释变量滞后期还是以基层行政单位数量作为工具变量，普惠金融指标的系数依旧显著为正。工具变量估计结果与基准回归结果存在显著差异，说明基准模型存在内生性问题，工具变量的结果是有效的，普惠金融对地区制造业就业仍有显著促进作用，结论与假设H1一致。同时，对比表8与表4中回归结果可以看出，使用工具变量法后，估计结果明显变大，说明潜在的内生性问题导致原模型低估了普惠金融对地区制造业就业的影响(李泽广等，2010；郭峰和洪占卿，2013)[16][11]。

表8 工具变量法检验

六、结论与启示

本文基于县域层面数据探讨了普惠金融对地区制造业就业的影响。结果显示：普惠金融不仅可以降低制造业融资成本和缓解融资约束，直接促进制造业就业显著提升，而且可以通过促进制造业转型升级和做大做强，间接创造更多的制造业就业岗位；并且对贫困落后地区，如我国西部地区和集中连片特困地区来说，普惠金融的制造业就业效应更为明显。另外，本文通过双重差分法分析方法对我国普惠金融发展政策进行评估，发现我国普惠金融政策对贫困地区的制造业就业有很大提升。在使用双重差分模型和工具变量方法解决了内生性问题后，上述结论依旧成立。

我国制造业正经历低端技术依赖向高精尖发展模式的转变，制造业转型升级并不是简单的“机器换人”，制造业技术提升在“消灭”部分传统就业岗位的同时，也会因为规模扩大、产业链延伸和技术迭代创造更多的新岗位。大力推动普惠金融，优先发展金融薄弱环节，促进金融服务向制造业中小企业倾斜，能够激发制造业生产技术创新，从而有利于制造业盘活人力资本，摆脱低级要素依赖，推动工业结构转型升级和就业结构升级，从而突破我国新时期经济增长减速困境，并创造出更多的制造业就业。因此，本文提出以下政策建议：(1)不断完善普惠金融服务体系，明确各市场主体的作用，构建普惠金融法规体系保障普惠金融政策措施的推行，积极发挥普惠金融对制造业就业的拉动作用，做好就业扶贫兜底工作；(2)推动普惠金融向重点领域倾斜，不断完善小微企业信贷体系和评级体系，降低中小企业市场信贷标准，拓宽制造业可得资金途径，解决企业发展资金制约，促进小微企业的发展和“小升规”进程加速，推动制造业转型升级，提升地区就业水平和质量；(3)着力就业脱贫、创业脱贫，实现精准扶持，重点解决城市低收入人群、困难人群以及村镇贫困户、创业农户、返乡创业大学生、残疾劳动者等初始创业者的信贷及服务支持，推动大众创业、万众创新，实现创业拉动制造业就业，增加制造业新兴就业岗位；(4)加大贫困地区和西部地区的普惠金融投入，推动基础普惠金融服务普及，挖掘贫困地区支柱型产业企业，培育新就业增长点；(5)完善普惠金融资金来源与投资规划，为制造业转型升级提供中长期普惠金融支持，进而推动就业结构升级。

[基金项目：国家自然科学基金项目“基于同伴效应的网络经济中的从众行为及其特征研究”(项目编号：71863011)、国家自然科学基金项目“政治制度对经济发展影响的随机动态规划与实证研究：基于DSGE与动态面板分析方法”(项目编号：71503110)、江西省高校人文社科青年基金项目“推动中部崛起与江西经济高质量发展研究”(项目编号：JJ19204)]

注释

1. 《中共中央关于制定国民经济和社会发展第十四个五年规划和二〇三五年远景目标的建议》，第四条“加快发展现代产业体系，推动经济体系优化升级”和第十二条“改善人民生活品质，提高社会建设水平”。

2. 金融排斥概念来源于金融地理学，是指部分个人、机构或地区，因为能力、竞争力、贫困等原因而不能进入金融体系获得相应的资金支持，从而被排斥在金融服务体系之外的现象。

3. 长尾群体是指在市场中需求容易被忽视的群体，属于市场细分的概念。

4. 国务院扶贫办公布的11个集中连片特困地区包括：六盘山区、秦巴山区、武陵山区、乌蒙山区、滇桂黔石漠化区、滇西边境山区、大兴安岭南麓山区、燕山-太行山区、吕梁山区、大别山区和罗霄山区。

5. 关键变量数据严重缺失和异常的县区有：安徽省临泉县、全椒县、凤台县、利辛县、枞阳县、涡阳县、界首市、肥东县、肥西县、长丰县、霍邱县；黑龙江省友谊县、呼玛县；新疆维吾尔自治区乌鲁木齐县、青河县；山西省怀仁县、清徐县、阳曲县、应县、山阴县、古交市、娄烦县；四川省炉霍县、石渠县；甘肃省碌曲县、阿克塞哈萨克族自治县、迭部县等。