普惠金融发展水平与商业银行不良贷款——基于中国省级面板数据的经验分析

张国庆 马 敏

（兰州大学经济学院 甘肃 兰州730000）

一、引言

普惠金融最初是在联合国“2005国际小额信贷年”提出，后被大力推行。我国在2013年党的十八届三中全会中正式提出“发展普惠金融”，2015年发布《推进普惠金融发展规划（2016—2020年）》，普惠金融成为中国金融改革目标和任务的重要组成部分。在政府的大力支持和金融机构的积极努力下，我国普惠金融快速发展。2015年第一季度，我国银行业金融机构用于小微企业的贷款是214132亿元，到2018年第四季度，银行业金融机构用于小微企业的贷款为334923亿元，增长了56.41%。据银保监会统计，对于小微企业中的相对薄弱群体，2019年第一季度银行业金融机构对普惠型小微企业的贷款（单户授信总额1000万元及以下小微企业贷款）是99693亿元，到2020年第四季度，普惠型小微企业贷款增长到152672亿元，两年之内增长了53.14%，我国普惠金融蓬勃发展之势可见一斑。

普惠金融的快速发展令人欣喜，但可能伴随的风险不能被轻视懈怠。2011年末，我国商业银行的不良贷款余额是4279亿元，到2020年末增长到27015亿元。从不良贷款率看，自2013年起，我国不良贷款率呈上升趋势，2012年末我国不良贷款率为0.95%，到2020年末增长到1.84%。分地区看，2018年，东、中、西部地区的不良贷款率分别为1.7%、2.3%、2.1%，东部地区不良贷款率相对较低，2012—2018年，东、中、西部地区不良贷款率的平均增长速度分别是9.51%、11.26%和11.02%，其中东部地区不良贷款率的平均增速也相对较低。分行业看，2018年不良贷款率前四位的行业分别是农林牧渔业（5.6%）、批发和零售业（5%）、制造业（4.8%）及住宿和餐饮业（4.3%），同时制造业、批发和零售业、农林牧渔业三个行业积聚了全部不良贷款余额的74.75%。不难发现，不良贷款率较高的地区和行业也是普惠金融重点关注和服务的领域。

普惠金融是金融服务的重要组成部分，鉴于普惠金融服务对象自身的脆弱性、市场竞争能力弱等特征，普惠金融风险同样需要政府和社会给予充分的关注。研究普惠金融的风险问题，对于更好地控制经济金融风险，促进普惠金融高效可持续发展和经济社会健康持续发展具有重要意义。对此，焦瑾璞、南京市农村金融学会课题组、陆岷峰、许友清等许多学者已经做了初步研究。本文拟用我国31个省区市2011—2018年的面板数据，以不良贷款率为被解释变量，普惠金融发展水平为解释变量，辅以宏观经济形势、地方财政收支压力、地区存贷比率等控制变量，实证检验普惠金融发展水平对不良贷款率的影响。

二、文献综述与研究假设

从普惠金融的发展及普惠金融的服务对象、服务内容及发展目标等基本问题出发，学者们围绕普惠金融的发展水平及其影响因素、普惠金融的减贫效应和推动经济增长效应、普惠金融对城乡收入差距和中小企业融资的影响等方面做了广泛而丰富的研究。王婧、胡国晖构建普惠金融指数对中国普惠金融的发展状况进行了综合评价，并进一步实证检验了宏观经济、收入差距、接触便利和金融调控四类因素对中国普惠金融发展的影响。刘亦文、丁李平等结合我国国情构建了普惠金融发展水平评价指标体系，使用固定效应面板门槛模型实证分析了普惠金融发展的不同阶段对经济增长影响的非线性关系。罗斯丹、陈晓等依据改进型指数功效函数计算各省2005—2014年普惠金融指数，用面板门槛模型分析发现普惠金融发展的减贫效应存在显著的门槛特征。朱一鸣、王伟发现普惠金融发展的减贫增收效应对不同收入水平群体有显著异质性，其对贫困县农民的减贫增收效应明显小于非贫困县。马彧菲、杜朝运构建并测算了2005—2013年中国各省的普惠金融指数和包容性增长指数，并实证检验了普惠金融对贫困减缓的作用机制。褚丽云、黄华继运用面板向量自回归模型（PVAR）分析了普惠金融、经济增长及城乡收入差距之间的动态关系。张建波认为我国普惠金融发展对城乡收入差距的影响存在门槛效应，随着经济发展水平的提高，普惠金融对城乡收入差距的影响表现出先明显扩大、再缓慢扩大、最后显著减小的倒“U”型关系。吴庆田、王倩用系统GMM模型实证分析了普惠金融发展质量对中小企业融资效率的影响及其潜在机制。邹伟、凌江怀基于现金-现金流模型实证分析了普惠金融对中小微企业融资约束的影响。

普惠金融有利于推动经济社会持续发展，也有助于减缓贫困，促进社会公平，应该得到持续的支持和发展，也正因此，关注普惠金融的风险控制尤为重要。焦瑾璞对我国普惠金融体系的治理结构及其风险监管进行了分析。陆岷峰、徐博欢系统全面地总结了普惠金融的风险特征，分析了普惠金融管理的难点并给出了建议。李毅、杨蓬勃具体分析了普惠金融实践中农资消费信贷行为的违约风险。常媛媛和赵玉龙分别对普惠金融背景下农户贷款和小微企业贷款的信用风险进行了研究。蒋亮、郭晓蓓等分析了我国普惠小额信贷发展的主要特征、面临的主要问题及影响普惠小额信贷发展的深层次因素。南京市农村金融学会课题组分析了我国商业银行普惠金融发展的现状及其面临的风险和防范。许友清分析了我国普惠金融的发展历程和风险防范现状，指出了普惠金融风险防控存在的问题及原因。张文菲、金祥义从银行距离其破产的程度的角度对银行风险进行了衡量，对普惠金融与银行风险承担进行了事实考察和机理分析，发现普惠金融会通过降低付息成本和提高零售资金占比，即降低资产结构中批发资金的占比对银行风险起到消减作用。杭珺研究了普惠金融政策下小微企业贷款对于工行某分行不良贷款率的影响，从不良贷款率的角度在微观层面对普惠金融发展中的风险问题进行了实证分析。

不良贷款率是反映金融机构信贷资产安全状况和衡量宏观经济风险水平的重要指标。学者们采用多种方法从不同视角对不良贷款率进行了研究。蒋玲、夏鸣基于灰色关联度分析，运用VAR模型分析了其中关联度较大的因素与不良贷款率之间的相互影响关系和冲击方向。蒋亮、何永锋等基于宏观视角实证分析了宏观经济变化和产业调整与不良贷款的关系。邹克、蔡晓春结合双向固定效应模型和基于GMM的动态面板模型对不良贷款率的影响因素进行了实证分析。庞晓波、钱锟基于87家银行的微观数据对货币政策对于银行风险承担的影响和流动性监管中净稳定资金比率的调控作用做了实证检验。丁浩研究了产业结构转型对城商银行不良贷款率的影响。孙光林、王雪标研究了政府过度干预对不良贷款率的影响机理。段军山、庄旭东研究发现加强地方金融监管能够降低不良贷款率，提高信贷质量。郭晓蓓、麻艳分析了商业银行不良贷款的存量特征，系统归纳了近年来商业银行不良贷款问题的内外部因素。

综上所述，学者们围绕普惠金融和不良贷款率分别做了广泛而丰富的研究，并逐渐将研究视角转向了普惠金融的风险控制及其对不良贷款率的影响。总体上，多数研究只是从现实观察的角度出发，对普惠金融的风险特征以及普惠金融风险防控的现状、难点、存在的问题及原因等进行了分析，很少有学者基于社会经济发展的经验数据对普惠金融的风险问题进行实证分析。本文尝试从不良贷款角度出发，实证检验普惠金融发展水平对不良贷款率的影响方向与程度，并考察在不同的经济发展阶段，其对不良贷款率的影响可能存在的差异性。为了探究普惠金融发展水平对不良贷款率的影响，提出如下假设：

假设1：普惠金融发展水平对不良贷款率存在正向影响。

考虑不同经济发展水平下普惠金融发展水平对不良贷款率影响的差异。发展经济学认为，一国的人均收入和资本积累必须越过一定的门槛，经济才能发展起来。经济社会中的很多现象都存在门槛效应。在普惠金融发展初期，通常也是人均收入相对处于低水平均衡的阶段，普惠金融服务的主要群体往往没有足够的经济实力及相应的生产经营能力及时偿债，导致不良贷款率上升。当人均收入水平提高，即经济社会跳出贫困陷阱进入更高水平的均衡时，普惠金融服务对象的经济状况及其生产经营能力相对提高，能够更高效地使用普惠金融服务，偿债能力也相应有所提高，普惠金融发展伴随的不良贷款问题可能有所改善。此外，更高的经济发展水平下，社会诚信、文化以及科技和信息化水平往往也更高，征信和监管系统相对更完善，伴随普惠金融发展的不良贷款问题可能会减小。因此，推测普惠金融发展水平对不良贷款率的影响可能在不同的经济发展水平下会有所不同，为进一步探究普惠金融发展水平对不良贷款率影响的门槛效应，提出如下假设：

假设2：普惠金融发展水平对不良贷款率的影响存在门槛效应，在不同经济发展水平下普惠金融发展水平对不良贷款率的影响有差异。

三、实证分析

（一）普惠金融指数的测算

普惠金融是多维概念，必须通过科学有效的普惠金融指数进行全面、综合的测度，为进一步实证分析普惠金融发展水平对不良贷款率的影响提供数据基础。在参考现有文献的基础上，考虑相关数据的可得性，本文从金融服务的可获得性、使用情况、服务质量三个方面选取共12个指标，编制普惠金融指数，具体指标如表1所示。选取2011—2018年我国31省（自治区、直辖市）的省际数据作样本，数据主要来源于万德数据库，小部分缺失数据用趋势拟合法补齐。

表1 普惠金融指数评价指标

普惠金融指标体系的构建综合考虑了金融服务的可获得性、使用情况及金融服务质量，力图更全面地反映我国各地区的普惠金融发展水平。参与分析的各个指标有着不同的量纲单位，需要进行标准化处理以消除量纲。由于所选指标均是正向指标，本文采用如下方法对数据进行标准化处理：

式中，xpit是p省（自治区、直辖市）第t年第i个指标的初始值，Xpit是其标准化值，max（xi）和min（xi）分别是第i个指标的最大值和最小值。

为了客观地反映各指标对不同地区普惠金融发展水平差异的贡献率，采用变异系数法确定各指标权重：

其中，Si和X¯i分别是第i个指标的标准差和算术平均数，CVi是第i个指标的变异系数，wi是第i个指标的权重。

常见的指数合成方法有加权算术平均法和加权几何平均法。伍旭川、肖翔和罗斯丹、陈晓等认为，相对而言，加权几何平均法更适合普惠金融指数中可获得性、使用情况和服务质量三个维度各指标间存在关联特征的情况；几何加权法不容许任何一个指标的偏废，能够较好地反映普惠金融发展的协调性；各地区的社会经济文化及各地区对普惠金融服务的需求和运用能力存在差异，给各指标权重的确定带来了困难，而几何加权法对指标权重的精度要求相对较低。基于上述考虑，使用加权几何平均法合成普惠金融指数：

式中，Xpit是p省（自治区、直辖市）第t年第i个指标的标准化数值，wi是相应第i个指标的权重，IFIpt是加权几何平均法合成的p省第t年的普惠金融指数值。

（二）变量选取和说明

本文重点对普惠金融发展水平对不良贷款率的影响做实证分析，被解释变量、解释变量及控制变量选取如下：

1.被解释变量：不良贷款率（NPLR），指金融机构不良贷款占总贷款余额的比重，是评价金融机构信贷资产安全状况的重要指标之一。不良贷款

2.解释变量：普惠金融发展水平（IF）。

3.控制变量：

（1）宏观经济形势（GDPR）。宏观经济周期是不良贷款率变化的重要原因，地区生产总值增速的趋势性变化可以反映宏观经济周期。通常来说，宏观经济处于复苏或繁荣阶段时，不良贷款率趋于下降；当宏观经济处于衰退或萧条阶段时，不良贷款率趋于上升。

（2）地方财政收支压力（FP）。邹克、蔡晓春研究认为地方财政收支长期失衡导致地方政府性债务积累，挤压实体企业贷款，使部分企业资金链断裂，不良率升高；随着贷款资源的紧张，金融机构倾向于选择收益更高的项目，继而承担了更多风险。借鉴邹克、蔡晓春和段军山、庄旭东的研究，加入地方财政收支压力作为控制变量。

（3）地区存贷比率（LDR）。从盈利角度看，存贷比越高越好，因为增加贷款会带来更多的利息收入；从风险控制角度出发，存贷比不宜过高，以避免引致支付危机。存贷比一定程度上反映了金融机构的风险偏好程度，与不良贷款率息息相关。

（4）产能过剩（OC）。产能过剩导致存货积压，大量产能被闲置，企业营业收入减少，总资产周转率下降，盈利和偿债能力相应下降，从而可能导致不良贷款率上升。本文借鉴孙光林、王海军等和丁浩的做法，从产能利用率角度考察产能过剩程度，并考虑企业总资产周转率（营业收入/总资产）与产能利用率有很高的相关性（纪志宏），用各地区规模以上工业企业总资产周转率（主营业务收入/总资产）来反映产能过剩程度。

（5）出口增速（EG）。参考刘妍和蒋亮、何永锋等的研究，考虑出口因素对不良贷款率的影响，以经营单位所在地出口总额同比增长率来衡量。

本文采用我国31个省（自治区、直辖市）2011—2018年的年度数据，各研究变量的具体说明及数据来源如表2所示。

表2 研究变量具体说明及数据来源

各变量的描述性统计特征如表3。可以看出，各省贷款质量参差不齐，不良贷款率最低为0.23%，最高达到了4.4%。用以测度普惠金融发展水平的普惠金融指数的标准差为0.069，最小值为0，最大值为0.363，从指数看总体上各省各年的普惠金融发展水平差异不大，都处于较低水平。衡量宏观经济形势的地区生产总值增速的标准差为2.555，最小值为-2.5%，最大是16.4%，表现出一定的地区和时间差异；出口增速的数值在不同年份和地区间差异较大；其他变量的描述性统计分析也都表现出一定差异。

表3 描述性统计

表5 方差膨胀因子检验

进一步考察每个变量的分位数等详细的描述性统计信息，并结合被解释变量和解释变量及各个控制变量间的散点图进行分析，发现少数变量存在异常值现象，且引致该现象的部分原因是部分省份存在较大的个体效应①（如图1所例）。为了更好地分析变量之间的相关关系，在进行相关性分析时未包含具有较强个体效应的西藏。由表4可以看出，被解释变量与解释变量及各控制变量间都具有显著的相关关系，解释变量和各控制变量之间的相关系数绝对值都小于0.7。进一步进行方差膨胀因子检验，结果显示，解释变量和各控制变量的VIF值都远小于10，基本可排除多重共线性干扰。

表4 相关性分析

图1 不良贷款率和地方财政收支压力的散点图注：图中用深色菱形对西藏观测值做了特别标记

（三）模型设定

根据假设建立模型。模型（1）是面板数据模型的标准形式，经检验，选择用固定效应模型（表6），其中，下标i和t分别表示不同的省份和年份，NPLR为被解释变量不良贷款率，IF为解释变量普惠金融发展水平，GDPR、FP、LDR、OC和EG分别表示控制变量宏观经济形势、地方财政收支压力、地区存贷比率、产能过剩和出口增速，ci为个体固定效应，ηt为时间固定效应，μit为随机误差项，βk（k=0，…，6）为待估参数。在此基础上，根据Hansen提出的面板门槛模型，建立以人均地区生产总值（PGDP）为门槛变量的门槛模型，如模型（2）。其中，I（·）是示性函数，PGDP是门槛变量，当PGDP满足条件时I=1，否则I=0。γi是第i个门槛值，α1i是在各门槛值划出的相应区间内解释变量对应的待估系数，Xit是上述所列的控制变量列向量，α是其对应的参数列向量，υi是未观测的个体效应，εit是随机误差项。固定效应面板门槛模型具体的参数估计采用王群勇的方法。

表6 模型设定形式检验

（四）实证结果

表7 给出了固定各省份个体效应的单向固定效应估计结果。可以看出，相关变量系数的显著性良好。模型（1）至模型（6）中普惠金融发展水平对不良贷款率均表现出正向影响，且均在1%显著性水平下显著，由此可以验证假设1成立，即总体上普惠金融发展水平对不良贷款率存在正向影响，说明目前普惠金融发展中可能存在某些问题使不良贷款率升高，加大金融体系的信贷风险。除此之外，控制变量中，宏观经济形势，即地区经济增速与不良贷款率负相关，在10%显著性水平下显著，即经济发展较快时，不良贷款率趋于下降，反之不良贷款率趋于上升；地方财政收支压力与不良贷款率正相关，且在1%显著性水平下显著，即地方财政收支压力增加时，不良贷款率趋于上升，反之不良贷款率趋于下降；地区存贷比率与不良贷款率正相关，且在1%显著性水平下显著，即地区存贷比率提高时，不良贷款率趋于上升，反之不良贷款率趋于下降；反映产能过剩程度的各地区规模以上工业企业总资产周转率（主营业务收入/总资产）与不良贷款率呈现负相关，且在1%显著性水平下显著，即产能过剩程度较高时，产能利用率低，企业总资产周转率也低，不良贷款率趋于上升，反之产能过剩程度较低时，企业总资产周转率相对较高，不良贷款率趋于下降；从符号看，出口增速提高有助于降低不良贷款率，但这一估计结果不显著。实证结果基本符合前文对不良贷款率影响因素的分析和预期。

表7 单向固定效应模型估计

考虑到回归结果的稳健性，在个体固定效应模型的基础上，进一步控制时间（年份）效应，进行双向固定效应估计。可以看到，控制时间效应后，解释变量普惠金融发展水平的显著性略有下降，但仍在10%的显著性水平上显著为正；宏观经济形势的显著性也略有下降，但其系数估计值的大小、符号及标准误差与单向固定效应估计结果相差不大；其他变量估计结果也与单向固定效应大体一致。此外，将控制变量地区存贷比率（LDR）替换为地区贷款增速（LG），分别进行单向固定效应和双向固定效应回归，各变量系数估计的大小、符号及显著性水平均与替换前基本一致（表8）。总体而言，实证结果较为稳健。

表8 稳健性检验

基于固定效应模型的估计结果，可以证实普惠金融发展水平对不良贷款率的正向影响，但固定效应估计假定普惠金融发展水平对不良贷款率的影响是线性不变的，而忽略了随着经济社会的发展，人均地区生产总值达到更高水平后，普惠金融发展水平对不良贷款率的影响可能会发生变化。接下来以人均地区生产总值作为门槛变量，进一步分析普惠金融发展水平对不良贷款率的影响可能存在的门槛效应。

由表9可知，将人均地区生产总值（PGDP）作为门槛变量时，单一门槛效应在1%显著性水平下显著，双重门槛效应在5%显著性水平下显著，三重门槛效应不显著。可以认为普惠金融发展水平对不良贷款率的影响存在双门槛效应。进一步用双门槛效应模型分析普惠金融发展水平对不良贷款率影响的门槛效应。

表9 门槛效应检验结果

表10 的估计结果显示：以人均地区生产总值（PGDP）作门槛变量时，单一门槛的估计值为27643，双重门槛的估计值为87995，由此将我国普惠金融发展水平对不良贷款率的影响划分为三个区段，即IF1（PGDP〈27643）、IF2（27643≤PGDP〈87995）和IF3（87995≤PGDP）。

表10 门槛值估计结果

表11 给出了双门槛效应面板模型的估计结果。在经济发展的不同阶段，普惠金融发展水平对不良贷款率的影响有所不同：当人均生产总值低于第一个门槛值（27643元/人）时，普惠金融发展水平对不良贷款率影响的估计系数是-2.483，但没有通过显著性检验，这个阶段普惠金融发展水平对不良贷款率的影响不显著；当人均生产总值介于27643元/人和87995元/人之间时，普惠金融发展水平对不良率影响的估计系数是5.239，在1%显著性水平上显著，这一阶段普惠金融发展水平对不良贷款率有显著的正向影响；当人均生产总值跨过第二个门槛值（87995元/人）时，系数估计值为2.937，在1%显著性水平上显著，即第三阶段普惠金融发展水平对不良贷款率依然有显著的正向影响，但与第二阶段相比，其影响系数的估计值有很大程度的减小。可见，普惠金融发展水平对不良贷款率的影响存在门槛效应，在经济发展的不同阶段，其对不良贷款率的影响有差异。当人均生产总值很低时，普惠金融发展水平对不良贷款率的影响不明显，可能是因为经济发展水平很低时，普惠金融发展也很有限，其中有些潜在问题尚未显现，当经济发展到一定阶段，普惠金融发展水平对不良贷款率有正向影响，但在经济社会发展到更高水平后，这种影响会有所减小。此外，与固定效应估计相比，其他控制变量的影响系数的估计结果也基本一致，实证结果总体上是稳健的。

表11 模型估计结果

为了进一步了解各地区在普惠金融发展水平对不良贷款率的影响中所处的阶段，以门槛效应的两个门槛值为标准，将31个省份划入PGDP〈27643、27643≤PGDP〈87995和87995≤PGDP三个区段，如图2所示，可以看到，2011年我国还没有进入高区段的省份，2011—2018年间，我国大部分省份都处在中间区段（普惠金融发展水平对不良贷款率具有较大的正向影响），处于低区段的省份数量不断减少至0，同时有越来越多的省份进入了高区段，即有更多的省份在迈入普惠金融发展水平对不良贷款率的正向影响较小的阶段。

图2 以门槛值划分的近年来各区段省份数量

结合我国东中西部经济带的划分，具体分析2011年和2018年东中西部地区各省份在普惠金融发展水平对不良贷款率的影响中所处阶段的情况（图3）。2011年，各省份的人均GDP都在第二道门槛以下，其中，除中部地区的安徽和江西，西部地区的广西、四川、贵州、云南、西藏和甘肃外，大部分省份迈过了第一个门槛值（27643元），处于普惠金融发展水平对不良贷款率具有较大正向影响的中间区段。到2018年，所有省份的人均GDP都迈过了第一个门槛值，但只有6个（北京、上海、江苏、浙江、福建、广东）东部地区省份的人均GDP超过了第二个门槛值87995元，进入了普惠金融发展水平对不良贷款率的正向影响较小的阶段。

图3 2011年和2018年我国各省份人均地区生产总值与门槛值比较

四、主要结论与对策建议

近年来我国普惠金融发展迅速，不良贷款率也呈现上升趋势。围绕可获得性、使用情况和服务质量三个维度构建普惠金融指数对各省份普惠金融发展水平进行测度，通过固定效应模型分析发现，总体上，普惠金融发展水平对不良贷款率存在正向影响。以人均地区生产总值作为门槛变量，进一步进行门槛效应分析发现，普惠金融发展水平对不良贷款率的影响存在双门槛效应，人均生产总值很低时，普惠金融发展水平对不良贷款率的影响不显著；当经济发展到一定阶段，普惠金融发展水平对不良贷款率有正向影响；在经济社会发展到更高水平后，这种影响会有所减小。我国多数省份还处在普惠金融发展水平对不良贷款率具有较大正向影响的第二阶段，只有部分东部省份进入了普惠金融发展水平对不良贷款率影响较小的第三阶段。基于上述结论，为了进一步做好普惠金融风险控制，推动普惠金融更好发展，提出以下建议。

（一）发展差异化、多元化的普惠金融服务

一方面，要深入分析用户需求，提供满足用户多样化需求的普惠金融服务。普惠金融的主要服务对象是小微企业、个体经营者、农户和其他贫困群体等，他们对金融服务有着各自不同的需求，也各有不同的风险特征，金融机构应基于深度的用户分析，对现有普惠金融产品体系进行完善和优化，使金融服务更契合社会需求。另一方面，发展多元化、富有竞争活力的普惠金融机构体系。政府应积极引导民间资本阳光化，激发民间资本活力，鼓励和发展贴近市场和微观经济主体的小微型金融机构，发挥小微金融机构经营机制灵活、管理扁平化和决策链条短等优势，引导小微金融深入群众、普惠大众。

（二）履行社会责任，开展普惠金融教育

普惠金融的发展，要求从事普惠金融的机构和人员具有高度的社会责任感和扎实的专业素养，从而减少操作风险和徇私逐利现象的发生，并对普惠金融的运营、业务、风险控制等多方面实行专业化管理。另外，普惠金融教育也很重要，负责任的普惠金融还应该帮助弱势群体更好地了解和掌握金融知识，更好地利用金融产品，从而提高普惠金融效率。通过普惠金融教育，一方面让弱势群体更好管理自身资产，避免过度负债；另一方面，提高弱势群体在资产管理、风险防范以及生产经营管理等方面的能力，高效利用普惠金融产品，提高普惠金融效率。

（三）结合金融科技发展普惠金融服务和监管

金融科技通过信息化技术和产品创新，降低普惠金融服务的成本，扩大普惠金融服务的覆盖范围，使得金融服务的可得性和便利性大幅提高，极大地推动了普惠金融的发展，让更多有需要的群体享受到普惠金融服务。同时，大数据、云计算、物联网等数字技术与普惠金融的深度融合使得金融机构在数据收集、处理、利用、价值转化等过程中展现出高效、全面、细致等优势。普惠金融机构应积极探索应用金融科技，如，用大数据和云计算技术对数量巨大、来源分散、格式多样的数据进行采集、存储、处理和深度分析，并进一步应用：了解用户的征信情况并进行评估，解决信息不对称问题；基于大数据进行用户需求的分析，设计出更适合用户差别化需求的普惠金融产品，对现有普惠金融产品体系进行充实和优化；对项目的发展情况和潜在风险进行分析和实时监测，提升风险识别和风险控制能力等。政府方面，可以出台相应政策鼓励和支持金融机构加大金融科技研发力度，推进普惠金融数字化运用；推行数据的整合应用，推动各金融体系实现数据对接，建立统一的征信系统。

（四）建立完善的普惠金融风险监管体系

普惠金融风险监管与传统金融的风险监管有所不同，普惠金融服务主要面向小微企业、农民、城镇低收入群体、贫困群体等，其服务对象有许多差异化的困难和风险特征，应积极探索实行“分类”或“有差别”的普惠金融监管。同时，须完善征信体系，健全普惠金融风险识别和预警机制。在全社会建立科学完善的失信惩戒和守信激励机制，借助大数据和云计算系统，构建以政府和市场为核心的多层次征信系统。运用互联网大数据等新兴科技，及时跟踪、测评、发现和处置相关风险，建立风险联防、联控机制。

注释：

①个体效应可以通过差分或组内离差的方式消去，不影响后续的实证分析。