安徽省普惠金融發展水平測度和減貧效應分析

張夢德

摘 要：以安徽省16個地級市2007—2017年的年度數據為樣本，構建可進行測算的安徽普惠金融發展指標體系，運用變異系數法賦權后，對安徽普惠金融發展水平進行測度。實證結果顯示：除合肥外，安徽省普惠金融發展水平偏低，各地級市發展水平失衡，并且泰爾系數和人口城鎮化率會受到普惠金融的影響。

關鍵詞：普惠金融；綜合評價；VAR模型；區域差異

文章編號：1004-7026（2019）03-0019-03 中國圖書分類號：F832.1 文獻標志碼：A

普惠金融自提出以來便受到國內外學者的廣泛關注。汪曉文等（2014）研究表明，金融機構為貧困地區提供貸款，促進貧困地區產業的發展，以此達到脫貧的目的；江春等（2015）認為最好的減貧方式是建立支持企業家創新創業活動的金融體系，改善宏觀經濟運行環境；申云（2016）認為應通過金融創新對貧困人口的生產和生活給予信貸支持。在減貧效果研究中，普惠金融總體上是有利于貧困減緩的（韓曉宇，2017），但貧困減緩效應隨著普惠金融發展水平的提高有所減弱（黃秋萍等，2017），并且呈現出區域性差異（劉華珂，2018）。

1 安徽省普惠金融發展水平

1.1 構建指標體系

為了分析安徽普惠金融發展水平，需要計算其普惠金融發展指數（IFDI）。對于內容豐富的普惠金融來說，單一指標很難測度，所以應首先構建具體的指標體系。基于選取指標的適用性、包容性和可得性原則，同時借鑒國內外專家學者關于普惠金融發展水平評估指標構建的研究文獻。結合安徽省16個地級市的實際情況，從金融服務的可獲得性、金融服務的效用性和金融服務的相對質量3個主維度、7個子維度出發，具體情況見表1。

1.2 計算安徽省普惠金融發展指數（IFDI）

由于指標的量綱方面存在較大差異，這里我們運用極差法對數據進行線性變換，將其映射到[0，1]之間，以除去原始數據的量綱。具體如式：

xij=■

其中，Xij為數據原始值，Xminj為第j個指標的最小值，Xmaxj為第j個指標的最大值，xij為標準化后的數據矩陣。

為了反映各個指標對安徽普惠金融發展水平的貢獻度，并且避免主觀因素對各維度進行賦權帶來的誤差，本項目采用變異系數法對各指標和各維度賦權，具體如下：

ej=■ ；wj=■

其中，σj為第j個指標的標準差， aj為第j個指標的均值，ej為第j個指標的變異系數，wj為第j個指標的權重。由于選取時間段為2007—2017年，共11個維度，所以最終權重是一個k行、n列的矩陣。

最后根據王婧（2013）普惠金融發展指數可表示為n維笛卡爾空間中的點與最優普惠金融水平點之間的反歐幾里德距離，可計算出安徽省各地級市的普惠金融發展指數，用IFDI表示，得出普惠金融指數公式如下：

IFDIik=■

其中，由于xij在2007—2017年每年1個，所以共有k個xij，這里用x■■表示；w■■為wkj矩陣的平方；IFDIik為第i個地級市，第k年的普惠金融發展水平。

1.3 評價安徽省普惠金融發展水平

從橫向看，由上測算得出的普惠金融發展指數IFDI的排名可以看出合肥市、黃山市及銅陵市位居前三。其中有合肥市普惠金融發展水平前期較高，近兩年的發展水平有所下降，就指標來看，主要是金融業從業人數以及金融網點數增速減慢，然而人口卻不斷在增加的原因。同時，也有如亳州市這樣逐漸提高的，整體可見2008年和2013年，各市出現普惠金融發展峰值。從橫向看，安徽省普惠金融發展水平區域性失衡，發展水平大都集中在0.2左右，為了更加直觀地反映安徽16個地級市的普惠金融發展水平，利用k-means聚類分析歸類，結果如表2。

2 安徽省普惠金融發展的減貧效應實證檢驗

2.1 建立VAR模型

本項目基于面板數據，選取普惠金融發展指數、貧富差距（泰爾指數）、城鎮化率3個解釋變量建立該領域較少運用的VAR模型。前文中已經獲得了相應的普惠金融發展指數，這里我們對泰爾指數和城鎮化率的獲取作出解釋：

2.1.1 泰爾指數（TI）

分析減貧效應，此處選擇了能反映區域貧富差距的指標。具體公式如下：

TI=∑■×log■

其中，TI是泰爾指數，I是總收入，Ii是第i個地區的收入，P是總人口，Pi是地區i的人口。

2.1.2 城鎮化率（UR）

城鎮化率具有廣泛的含義，狹義上一般指人口城鎮化。其計算公式為：UR=城鎮常住人口/總人口。

參照一般VAR模型，VAR模型如下：

IFDIi=A1IFDIi-1+…+ApIFDIi-p+B1TIi+…+BrTIi-r+C1 URi+…+CδTIi-δ+εi

TIi=A1TIi-1+…+ApTIi-p+B1IFDIi+…+BrIFDIi-r+C1 URi+…+CδTIi-δ+εi

URi=A1URi-1+…+ApURi-p+B1TIi+…+BrTIi-r+C1 IFDIi+…+CδIFDIi-δ+εi

其中，IFDI、TI和UR均為i維變量，p、r和δ表示滯后期階數。

2.2 單位根檢驗與Granger因果關系檢驗

本文首先對IFDI、TI和UR的序列進行單位根檢驗，以判斷各序列是否平穩。利用EViews.10分析軟件，得到結果如表3所示，檢驗結果表明，變量在二階差分后均變為平穩序列，且在三階差分后各變量的平穩性相較于二階差分變差。

為分析普惠金融發展與泰爾系數以及人口城鎮化率之間的關系，同時研究本項目選取的控制變量是否真正影響泰爾系數以及人口城鎮化率，本文通過Granger因果關系檢驗來判斷相關關系。具體結果如表4。

可以看出，在1%的顯著水平下，普惠金融發展水平IFDI為泰爾系數TI的格蘭杰原因，說明區域貧富差距（泰爾系數）受到普惠金融發展水平差異的影響；普惠金融發展水平IFDI為人口城鎮化率的格蘭杰原因，說明普惠金融在一定程度上影響了人口的遷移。但是從顯著性的大小來看，對泰爾系數的解釋情況，IFDI以0.003 0的概率拒絕原假設，而對城鎮化率的解釋情況，IFDI以0.009 2的概率拒絕原假設，這說明IFDI對泰爾系數TI的解釋能力更強。

2.3 VAR模型的分析

利用EViews.10計量經濟分析軟件，得出方程的系數矩陣如表5。

各方程的擬合優度分別為0.96、0.88和0.81，均高于0.8，表明模型整體顯著。同時我們發現以IFDI作為內生變量，優度明顯高于另外兩種情況。這與之前的格蘭杰因果檢驗得到的結果大致相似，即普惠金融的發展水平能更好地解釋地區間的貧富差距及人口城鎮化率的差異。

為進一步了解VAR模型整體的穩定性及平穩性，借助AR根的圖表進行分析。如圖1所示，所有的點都落在單位圓內，說明建立的VAR模型滿足平穩性條件。

在VAR穩定的基礎下，為了進一步了解隨機擾動項對變量的影響關系，利用較為常用的沖擊反應圖進行說明。圖2是這3個經濟變量間的沖擊反應圖。

縱向來看，拋開IFDI對其自身正向沖擊的影響來看，TI和UR對IFDI也均為正向沖擊；在對TI的沖擊中，IFDI為正向沖擊，且作用緩慢增加，而其本身及UR的沖擊則不太明顯；在對UR的沖擊中，IFDI為負向沖擊，其本身及TI的沖擊均為不太明顯的負向沖擊。

橫向來看，IFDI對其本身及TI為正向沖擊，且對其自身的沖擊效果較好，對UR則為較弱的負向沖擊；TI對其自身及UR沖擊均較弱，對IFDI則為較強的正向沖擊；UR對自身及TI的沖擊都較弱，對IFDI也為正向沖擊。

由圖2可知，對一個變量的變動均受到3個變量的影響，為了解各個變量長期影響的相互程度，得出方差分解圖，如圖3所示。可以看出，在各個變量的長期影響中，其自身均占有較大的一部分，且在第五期以后均保持平穩。在對IFDI的影響中，自身占68%，TI和UR均占15%左右，TI略高，可以說，后期IFDI的解釋，其自身和TI就占85%以上，所以長期來看，人口城鎮化率對普惠金融發展水平影響并不大。在對TI的解釋中，后期的解釋自身和IFDI占89%左右，同上可知，長期來看人口城鎮化率對泰爾系數的影響不大。對比UR和TI的解釋可知，在其自身的較大解釋程度下，IFDI依舊持有30%左右的解釋程度，而TI和UR對IFDI的解釋卻均維持在10%左右，所以可知，相比二者對IFDI的解釋，IFDI對其二者的解釋更有力度。

3 結論與啟示

從宏觀層面來看，由于3個變量變動大都由其自身所決定，唯有普惠金融發展水平對另外二者有著相對較大的影響，但也只有30%左右。所以，為了更好地制定政策和措施來促進3者的發展，必須切實完善3者之間的傳導機制。

從微觀層面看，安徽省的普惠金融發展時間較長，就目前而言，為進一步解決小微企業和三農的問題，必須在堅持既定政策的基礎下，精準化地利用資源，完善信息傳導機制，避免信息欠缺。

同時，必須形成普惠金融發展水平的核準機制，確保并監督相關政策的推行和落實，借此也可以加快人口城鎮化率和縮小貧富差距，從而促進3者協同發展。