金融規模、效率對減緩貧困的實證研究

許志鵬

0 引言及文獻綜述

黨的十九大報告提出,堅決打贏脫貧攻堅戰,確保到2020 年我國現行標準下農村貧困人口實現脫貧,貧困縣全部摘帽,解決區域性整體貧困,做到脫真貧、真脫貧。今年正是全面實現小康社會的收官之年，亟需通過金融機構解決經濟發展所需要的融資需求，金融機構更好服務實體經濟，促進經濟增長，為全面建成小康社會創造有利條件。

當前，關于金融發展減貧效果的研究，主要形成了三種觀點：促進、抑制和不確定性。（1）金融發展對減緩貧困有促進作用。Galor and Zeira[1]通過對人力資本的投資分析，金融發展在短期和長期內都會影響總產出和投資，有效改善貧富收入差距。Dollar and Kraay[2]研究發現，金融發展間接促進經濟增長，通過“涓滴效應”使得貧困群體收入的增加、居住環境的改善、醫療、教育水平等方面的提高。（2）金融發展對減緩貧困具有抑制作用。王偉,朱一鳴[3]通過對全國592 個國家級貧困縣的數據,金融發展只注重解決貧困地區對金融機構的接觸性排斥,會進一步加劇資金外流,對減貧產生負向影響,這種致貧效應具有明顯的空間外溢性。（3）金融發展對減緩貧困具有不確定性作用。任碧云和陳曦[4]研究發現，包容性金融發展對減貧始終發揮積極作用，并表現出顯著的雙門檻特征，越過第二門檻值后,減貧效應趨于收斂。

梳理已有文獻發現，學者們多從金融發展促進經濟增長、收入差距的角度進行研究，但研究對象多為中國全域和發達省區，中部、尤其是安徽省金融發展減緩貧困的研究相對不足。為此，本文選用2011-2018 年安徽省市級面板數據，揭示安徽省金融發展對經濟增長及減緩貧困提供實證研究，以期為安徽省有效實施脫真貧、真脫貧、防返貧提供理論支撐。

1 實證分析

1.1 變量選取

1.1.1 被解釋變量。

關于衡量貧困水平的指標主要有貧困發生率、sen 指數、FGT 指數，但貧困是個相對概念。本文在師榮蓉[5]等人研究基礎上加以創新采用城鎮和農村居民恩格爾系數的均值來度量安徽省各地級市的貧困水平，該指數越小代表貧困程度越低。

1.1.2 核心解釋變量。

從金融規模和金融效率方面來衡量金融發展。通常采用戈氏指標來衡量金融規模，為各地級市金融機構的存貸款之和與GDP 的比值。本文根據王志強、孫剛[6]等人研究結果，采用存款余額與貸款余額的比值來衡量金融發展效率。

1.1.3 控制變量

考慮到金融發展減緩貧困可以通過涓滴效應、經濟增長等其他渠道，故模型中加入政府干預程度（財政支出/GDP 的比重）、城鎮化率(城市人口數/總人口數)、公共服務(科教文衛支出/財政支出)、就業水平(就業人口/常住總人口)、固定資產投資水平(固定資產投資總額/GDP)等控制變量，保證估計結果的準確性。

1.2 數據來源及描述性統計

本文研究涵蓋安徽省16 個地級市，時間跨度為2011—2018 年，相關數據來源于《安徽省統計年鑒》和各地級市統計年鑒，少數缺失數據，采用線性插值法補全。使用stata16.0 軟件進行分析，各變量的統計特征見表1。

表1 各變量描述性統計

1.3 模型構建

由于本文選取的數據N=16,T=8,屬于短面板數據，因此不需要面板單位根檢驗。基于以上分析，構建以下面板數據模型。量的系數, 為隨機擾動項。本文以城鄉居民恩格爾系數均值（Pen）作為被解釋變量，以金融規模（Sca）和金融效率（Eff）作為解釋變量，進行面板回歸分析。為確定最優模型，先通過F 檢驗，金融規模（Sca）和金融效率（Eff）的統計量分別為9.32 和10.40，對應的P 值均小于0.001，拒絕不存在個體效應的原假設,認為固定效應優于混合回歸。其次通過LM 檢驗，其統計量分別為55.37 和56.23，對應的P值小于0.001，拒絕不存在個體隨機效應的原假設，認為應選擇隨機效應。最后通過豪爾曼檢驗，其統計量均為22.65，對應的P 值均小于0.01，固定效應優于隨機效應模型。考慮到各地級市金融發展、財政支出、產業結構等因素的不同，可能存在異方差的情形，為此進行穩健的豪斯曼檢驗，卡方統計量分別為26.295 和28.742，p 值均小于0.001，仍拒絕隨機效應，說明固定效應模型為最優選擇。

為進一步研究金融發展與減緩貧困之間的關系，為獲得穩健性檢驗結果，采用面板數據逐步回歸法，即依次刪除不顯著的變量，回歸結果如表2 和表3。

表2 金融規模

表3 金融效率

由表2 可知，金融規模在3 個模型中在95%置信水平下都顯著且系數為負,表明金融規模的發展降低城鄉居民恩格爾系數都有積極作用。由表3 可知，金融效率在5%的置信水平下顯著且系數為正，表明金融效率的提高會增加城鄉居民恩格爾系數，即增加貧困效應，可能是過高的貸存比會增加整個社會的金融杠桿率，抑制經濟增長。政府干預程度、城鎮化率、公共服務、固定資產投資水平在10%的顯著水平下系數顯著為負，說明政府的財政支出會通過促進經濟發展，進而增加消費，居民會通過涓滴效應獲得生活水平的提高。

2 結論與啟示

本文利用安徽省16 個地級市2011—2018 年的面板數據，通過F 檢驗、LM 檢驗、豪斯曼檢驗最終確定固定效應模型，研究發現安徽省金融發展規模和政府干預程度、城鎮化率、公共服務、固定資產投資水平等控制變量均會顯著抑制貧困水平；而金融效應則抑制經濟增長，增加貧困效應，這與劉必麟[7]研究結果相同。根據前文研究結果，提出以下建議。

（1）金融貸款機構需加強對不良貸款監管，使不良貸款率保持在較低水平，保證對系統性風險的管控。過高的貸存比將有限金融資源流向劣質的項目，提高了商業銀行的壞賬率，增加系統性風險系數，惡化宏觀經濟的平穩運行。

（2）增加對大別山連片特困地區精準扶貧，增加財政貼息、金融政策扶持、稅收減免等優惠，支持各類涉農行業信貸投放，提高對低收入人群的金融服務力度，幫助貧困群體形成自我“造血”的能力，改變有限金融資源配置的扭曲。

（3）“合作社+”推進產業扶貧，著力培育農民產業合作社，提高貧困勞動力的發展技能，對農戶進行種養業、農產品加工、銷售等技術培訓，搭建城市與農村、線上與線下的網絡便捷服務，發展特色產業，為就地解決就業、增收、脫貧開辟新渠道。

（4）提高公共產品和服務經濟建設費用支出，固定資產投資水平、城鎮化率等。增加安徽省各地市與長三角經濟圈的聯系與合作，加速黃山市全面融入杭州都市圈，提升長三角都市圈同城化水平。