农村金融排斥与中国相对贫困减缓

吴华敏 杨兴洪

摘   要：基于2011—2019年全国省级面板数据，从实证角度分析我国农村金融排斥对相对贫困的影响机制。研究发现，地理排斥、评估及条件排斥和营销排斥都对农村相对贫困产生显著影响。其中，地理排斥对我国相对贫困发生率具有正向影响，而评估及条件排斥、营销排斥则在一定程度上显著缓解了农村地区的相对贫困水平。此外，根据回归模型的实证结果来看，教育发展水平、城乡收入差距、产业结构等非金融因素的影响也达显著水平。因此，发展教育、缩小城乡差距及降低产业结构等对缓解我国相对贫困也具有重要作用。

关键词：农村金融排斥;相对贫困;固定效应

中图分类号：F832.35 文献标志码：A 文章编号：1008-2697（2022）02-0033-06

一、引言

2020年是我国完成脱贫攻坚工作的关键之年。在全面消除了绝对贫困之后，我国开始步入以巩固拓展脱贫工作成效和相对贫困治理能力为重心的后扶贫时代。相比较于绝对贫困，相对贫困的概念和治理成效更为复杂，且具有动态性的特点，对其进行治理也是一项长期且艰巨的任务，需要多角度地探索及分析研究。解决相对贫困不仅仅是单纯地以经济帮扶为重点，更多是注重能力及体面生活的提升。

金融服务作为治理相对贫困不可忽视的因素，能够有效地引导金融资源充分参与市场，具有强大的资源配置功能，也可以直接促进农村经济发展和社会产业水平发展，为农村贫困群体提供更多的就业机会，以提高农民收入水平，从而积极参与和支持反贫困的实践。因此，发展普惠金融对缓解相对贫困具有积极的意义。但是，在普惠金融的快速发展过程中却产生了一系列问题，正规金融机构的盈利性目标往往与普惠金融政策性目标出现了偏离，大多金融机构在成本数量及风险配给的前提下，进行网点布局时将目光更多地关注于城镇地区人口。其次，由于农户自身的金融知识缺乏难以及时捕捉金融市场信息，或是对金融资源没有过多的需求、利用效率偏低而引起严重的金融排斥现象。金融排斥，即一部分经济主体由于受限于社会、经济、地理条件等，而难以获取甚至无法获取金融服务和金融产品的过程。

在早期关于金融排斥的研究中，Kempson和Whyley（1999）根据金融排斥的原因，将经济主体受到排斥划分为六个维度：地理排斥、价格排斥、条件排斥、评价排斥、营销排斥和自我排斥，并认为要想解决金融排斥问题，必须首先得区分这类人群是因为何种原因而受到金融排斥，以便有针对性地解决各维度金融排斥以满足经济主体的金融需要。國内最早引入金融排斥概念的是许圣道和田霖，随后国内外众多学者开始在此基础上构建金融排斥指数衡量金融排斥问题，利用政策优势完善地区金融发展水平，加大财政支农力度以更好地为“三农”服务。那么，农村金融排斥对中国相对贫困造成何种影响呢？其影响路径及对农村相对贫困的改善效应是本文所要探讨的问题，这将对“后2020扶贫时代”相对贫困的治理具有重要的参考价值。

二、文献综述

金融发展与贫困的关系研究一直是当下学术界的热点问题，金融扶贫是我国打赢脱贫攻坚的关键之举，发展金融水平在减贫或是改善相对贫困方面起到了积极作用。梳理文献更是验证了这一观点，Akhter & Daly（2009）和谭燕芝等（2018）实证分析得到，发展金融水平能通过促进经济增长、改善收入分配、提高自有资本以缓解贫困，发展数字普惠金融具有直接的减贫作用（Geda， et al， 2006; Jeanneney & Kpodar， 2011）。这一理论基础使得大量学者开始研究不限于金融发展与贫困的效应问题，且进一步探究出金融发展的直接减贫作用在长期范围内并不发挥显著的作用，该作用只在短期内有效（杨俊，2008）;而丁志国（2011）和崔艳娟（2012）的研究结论进一步也证实了发展农村金融在间接效应上起到了更为显著的作用，主要是来源于经济增长且其影响大于直接作用，建议政府应将重点放在对减贫的间接效应上以助力巩固脱贫攻坚。邵汉华和王凯月（2017）的研究结果得出，普惠金融在减贫广度方面的效力要大于贫困深度。原因往往是政府加强了在农业中小型金融机构以及对农业保险方面的支持力度等措施，使普惠金融的广度大大增加了（何学松，2017）。 罗斯丹（2016）也在此基础上进一步论证了教育水平、基础设施、财政支农等非金融因素对减贫存在着正效应。

数字普惠金融发展从2016年作为一项外生冲击的政策以来，不断通过信贷、保险等的发展带动农村经济、减缓农村贫困水平，但是我国金融行业在迅速发展过程中为了追求自身利益最大化，有选择性地排除了农村地区对金融服务的获得性。由于农户普遍存在的特征，如文化素质偏低、金融知识欠缺以及经济收入较少等，决定了农户的经济行为和还款能力相比于城镇人口偏低一些，因此也使得金融机构为了追求自身利益最大化而对农户获取金融服务引起了一定的金融排斥现象，正规金融机构未能对农户提供有效的金融服务。同时，由于存在的“剪刀差”政策，使得农村金融得不到优势发展而更多地将资源输送到城市金融，造成城乡金融组织制度结构存在严重的不均衡，加剧了农村贫困群体的金融排斥现象（温涛等，2005）;何德旭（2008）在研究中发现，金融市场中并不是供求对等的关系，尤其是在农村地区存在着明显的供求失衡关系，大多数正规金融机构无法满足农村金融需要，农村地区经济主体很难获得金融服务，正规金融机构对农村金融需求存在着明显的排斥行为。农村商业银行在开展网点布局时，越来越多地关注城乡居民规模经济和城镇居民收入水平（董晓林、徐虹，2012），而很少将目光关注到农村地区，使得广大农户在获得金融服务方面受到排斥。因此现阶段，我国在普惠金融发展过程中应将关注点更多地放在农户对金融资源的可获得性上，使其更加直接地获取金融服务（刘锦怡、刘纯阳，2020）。

综上所述，既有文献更多关注金融发展对减贫效应的影响机制问题，但鲜有谈及受到严重金融排斥的农村地区对我国相对贫困的影响机理探讨。因此，农村金融排斥对我国相对贫困的影响成为本文的研究重点。

三、变量选择与研究方法

（一）模型设定

梳理文献得到金融发展会对相对贫困水平产生影响。为了进一步探究农村金融排斥对我国相对贫困发生率的影响路径与影响程度，除了核心解释变量外，我国尚存在多种致贫因素，因而引入农村地区受教育程度、第二三产业的占比情况、城镇化水平、农村经济发展水平、城乡收入差距及财政支出水平等6个控制变量，构建模型如公式（1）所示：

Pov=β+βInst+βPloan+βWat+βEdu+βlnUrb+βPGDP+βlnInd+βlnGap+βFis+ε（1）

式中，i表示第i个省份，t表示第t年;Pov作为被解释变量，代表农村相对贫困程度;Inst、Ploan和Wat是核心解释变量，分别代表农村金融机构的覆盖率、农村人均贷款水平和和农村地区每万人拥有服务人员数量;Edu、lnUrb、PGDP、lnInd、lnGap、Fis为控制变量，分别表示教育发展水平、城镇化水平、人均GDP、产业结构、城乡收入差距及财政支出水平;β（i=1，2，3…9）为代估参数，ε为随机干扰项。

（二）数据来源

由于西藏地区部分资料不全面及金融排斥相关指标数据缺失严重，本文选取了除西藏外的30个省市2011—2019年的面板数据。数据来源于《中国统计年鉴》《中国金融统计年鉴》《中国农村统计年鉴》《中国区域金融运行报告》和wind数据库。本文中个别年份的缺失数据通过采用插值法预测得到，为了降低异方差带来的不平稳，对城镇化水平、产业结构和城乡收入差距等变量取对数处理。

（三）变量选取及描述

1. 被解释变量。本文的核心研究变量为相对贫困程度，国际上对于相对贫困的测量指标各不相同，但普遍为人们所接受的是具有更明确含义、数学性质更为稳定的恩格尔系数，故本文选择恩格尔系数作为相对贫困的测度指标。

2. 核心解释变量。关于农村金融排斥的测度指标已有大量文献对其阐述，本文选择受到国际上广为认可的“金融排斥六维度测算法”。由于评估排斥和条件排斥都指的是营销对象范围的不同而产生的金融排斥现象，二者具有高度的重叠性，因此可合并为一个维度进行测算。价格排斥是由于金融产品及服务的价格过高或过低而将某些人群排除在外的现象，但根据我国农村地区的情况来看，其价格难以构成对农村金融的排斥，目前金融市场发展迅速，普遍存在的小额贷款公司其金融服务远远落后于农村金融供给，因此可排除价格排斥和自我排斥。综上所述，选择从地理排斥、评估排斥及条件排斥、营销排斥三个维度来综合衡量我国农村金融排斥程度，具体测量指标如表1所示。

3. 控制变量。为了剔除其他因素对相对贫困的影响，选取教育发展水平（Edu）、城镇化水平（lnUrb）、人均地区GDP（PGDP）、产业结构（lnInd）、城乡收入差距（lnGap）及财政支出水平（Fis）作为控制变量。其中，教育发展水平以人均受教育年限来测度;城镇化水平以城镇常住人口占比测度;产业结构指标则以第二产业、第三产业的占比情况来测度;城乡收入差距以城镇与农村居民的人均可支配收入的比值测度。

四、实证结果及分析

（一）多重共线性

本文借助统计软件stata15对（1）式进行分析。在对模型进行回归之前，首先选择方差膨胀因子（VIF）对2011—2019年省级面板数据进行多重共线性检验，根据VIF的判断经验，当VIF值大于10时，认为回归存在有害的多重共线性。检验结果表明，本文所构建的模型不存在多重共线性问题。

（二）基准回归结果

研究农村金融排斥对相对贫困的影响，需要通过特定的检验来选择合适的回归模型。根据以上公式得出三种基准回归结果（表2），由BP检验得到P值为0拒绝了混合回归的假设，显示随机效应更优。为了考虑到个体之间存在的特征差异使得到的结果更具有参考性，因此选择对固定效应和随机效应进行检验。其中，固定效应检验和随机效应的检验估计结果如表2同时，用F检验得到P值为0拒绝了原假设，Hausman检验结果表明，P值等于0小于0.05，这显著拒绝了随机效应假设。因此，本文基于固定效应对其进行分析。根据表2的回归结果可以看出，农村地区金融机构覆盖率在5%的显著性水平上显著，农村人均贷款水平及农村地区万人拥有服务人员数分别在1%、10%的显著性水平上显著，表明农村金融排斥会对相对贫困水平产生影响。

根据表2回归结果来看，控制变量农村教育水平的系数为负且在10%的显著性水平上顯著，说明提高农村教育水平、不断提升人均受教育年限可以有效减缓相对贫困发生率;城镇化水平的系数为负且估计结果在1%的显著性水平上通过了检验，说明当前城镇化水平能够抑制贫困发生率;控制变量农村经济发展水平以农村地区的人均GDP来衡量，由估计结果得到系数为负但不显著，且得到的数值很小，说明在解决了绝对贫困之后的农村经济发展水平已不是减缓相对贫困的主要因素了，更需要从多维的角度来分析致贫因素;而另一变量产业结构的系数为正且在5%的显著性水平上显著，说明第二、三产业的发展有助于提高相对贫困水平的缓解程度;城乡收入差距指标在固定效应模型中的估计结果显著为正，说明城乡收入差距能够增大农村地区间的相对贫困水平;财政支出水平显著为负，但是系数估计值相对较小，说明这一指标对减缓农村地区的相对贫困发生率存在较小的显著影响。

（三）农村金融排斥减贫效应分析

为了更好地验证农村金融排斥指数对农村地区相对贫困水平的影响程度，选择用分指标来探析三者对相对贫困产生的影响差异。由于回归模型的选择已经在基准回归分析中得到验证，为了保证结果的一致性，农村金融排斥的减贫效应分指标检验同样采用固定效应模型进行分析。

根据估计结果来看，系数为正且在10%水平上显著，说明现阶段农村地区的万人机构覆盖率并不会对农村相对贫困地区产生太大的负面影响。近年来，“三农”问题不断得到关注，政府利用政策优惠组建了大批农村商业银行，金融机构针对农户也扩展了金融服务，不断加大了支农力度。农村人均贷款水平在1%水平上显著且系数为负，表明条件排斥显著扩大了农村的相对贫困水平。这是因为大部分商业银行为了追求自身利益最大化，在进行信贷资源配置时将金融机构网点设立在经济较发达、收益更好的城镇地区，忽视了农村地区的经济发展，以致农村贫困问题显著扩大，而其他为“三农”服务的商业银行，也不断将农村资源输送给城市，支农功能严重边缘化。因此，现阶段下农村的信贷资源匮乏，不足以支撑农村经济的发展，而城镇经济在得到更多的金融资源流动下得以不断发展，从而形成了“富人越富，穷人越穷”、农村相对贫困水平愈加扩大的情形。农村地区万人拥有服务人员数在10%水平下顯著且系数为负，指标越小，营销排斥越严重，金融服务覆盖范围的扩大，使得农户获得金融服务的机会增加，从一定程度上能够保障农村地区居民获得金融服务的机会均等化，从而抑制营销排斥效应。因此，农村金融机构万人拥有服务人员数量的提升能够有效降低农村地区相对贫困水平。

（四）稳健型检验

1. 双重差分检验。2013年，发展“普惠金融”作为我国一项外生冲击的政策，开始在全国范围内迅速发展。但是，在我国的东部地区与中西部地区间存在着明显的政策偏差。从李建军和韩珣（2019）的研究结论来看，东部地区相比中西部地区金融发展水平更高，受到的金融政策影响也更深，两地区之间存在的不同政策效应为本文研究结论创造了控制组与实验组。本文将东部地区作为控制组，中西部地区作为实验组（钱海章，2020），同样基于双重差分实证检验2011—2019年农村金融排斥与相对贫困的省际面板数据，检验其政策效应。双差分模型如公式（2）所示：

在式（2）中，I和t分别表示城市和时间。Pov

双重差分回归结果见表3，其DID估计结果显著，说明农村金融排斥会显著影响我国农村地区相对贫困水平。从一定意义上来说，缓解农村地区各方面因素而拒绝农户获得金融服务受到的排斥能有效地降低相对贫困水平，从系数估计结果来看，双重差分模型的系数大小及其正负性与基准回归模型得到的结果相对应，其估计结果并未发生显著变化，因此可以证明本文的结论是稳健有效的。

2. 对数据进行缩尾处理。通常数据样本中会存在一些极端值，而这些极端值又可能会影响最后的回归结果，因此需要对极端值做一些缩尾处理。所谓缩尾就是将超过设定百分位之外的数值用百分位处的数值替代。因此，选择对面板数据的农村万人拥有机构网点数（Inst）、农村地区人均贷款水平（Ploan）、农村万人拥有服务人员数（Wat）三个解释变量进行1%水平的缩尾处理后，再次采用固定效应模型进行分析，其检验结果如表3第（2）列所示。可以发现，缩尾后的系数大小及估计结果仍然在10%的显著性水平上显著，并且与前文所得的结论均无明显变化，由此可以判断该结论是稳健可行的。

3. 替换被解释变量。为了检验模型的有效性，本文采用相对贫困（pov）的对数值来重新衡量相对贫困发生率，基于省级面板数据的特点选择固定效应，其回归结果见表3第（3）列。地理排斥、评估及条件排斥和营销排斥仍然在10%水平上显著，其他参数估计没有发生明显变化。从判断结果来看，本文的研究结论是稳健的。

五、结论与启示

为了探究农村金融排斥对我国农村地区相对贫困的减缓效应，本文利用除西藏外的30个省市的2011—2019年面板数据，实证分析了我国农村金融排斥对相对贫困的影响程度并得出以下结论：地理排斥、评估及条件排斥和营销排斥对我国相对贫困产生显著效应，其中地理排斥对农村地区的相对贫困状况具有正向影响，由此增加相对贫困的概率，评估排斥及条件排斥、营销排斥则对相对贫困状况产生负效应。

为了更好缓解受到金融排斥地区的相对贫困程度，根据本文研究结果提出以下建议：

一是采用政策引导、优惠互利等手段，吸引各类正规金融机构扎根于农村地区，将网点布局及更多的金融资源向农村地区倾斜，服务“三农”，使得更多的贫困经济主体合理地获取或接近金融机构的服务和金融产品，对农村地区比较突出性的问题及矛盾采取针对性的措施手段，缩小由于地理位置、交通条件等因素而引起的地理排斥问题，减缓农村相对贫困。

二是在在金融机构市场化改革和金融服务准入的背景下，创新和改变现有的农村金融体系，对受到严格准入条件下的经济主体放宽要求，降低门槛，切实缓解农户贷款难的问题。

三是发挥供求双方的共同努力。首先，加强农村地区的教育扶持力度，教育知识的普及能够促使传统小农思想的转变。其次，政府应加大财政资金的支出以提高农村扶贫力度。第三，应注重对农户金融服务知识及获得方式的普及，而不应仅局限于供求方单方面的金融补给，加大农村金融使用广度及深度，使得农户更便捷地获取金融机构的金融服务及金融产品，有效推动农村减贫事业。

参考文献：

[1] Kempson H， Whyley C K. Out or Opted Out？Understanding and Combating Financial Exclusion[M]. Bristol： Policy Press， 1999.

[2] 许圣道，田霖.我国农村地区金融排斥研究[ J ].金融研究，2008（07）：195-206.

[3] Akhter S， Daly K J. Finance and poverty： Evidence from Fixed Effect Vector Decomposition[ J ]. Emerging Markets Review， 2009，10（3）：191-206.

[4] 谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应[ J ].当代财经，2018（03）：56-67.

[5] Geda A， Shimeles A， Zerfu D. Finance and Poverty in Ethiopia[R]. Research Paper No 51， United Nations University， 2006.

[6] Jeanneney S G， Kpodar K. Financial Development and Poverty Reduction： Can There be a Benefit without a Cost[ J ]. The Journal of Development Studies， 2011（06）：143-163.

[7] 杨俊，王燕，张宗益.中国金融发展与贫困减少的经验分析[ J ].世界经济，2008（08）：62-76.

[8] 丁志国，谭伶俐，赵晶.农村金融对减少贫困的作用研究[ J ].农业经济问题，2011，32（11）：72-77.

[9] 邵汉华，王凯月.普惠金融的减贫效应及作用机制——基于跨国面板数据的实证分析[ J ].金融经济学研究，2017，32（06）：65-74.

[10] 何学松，孔荣.普惠金融减缓农村贫困的机理分析与实证检验[ J ].西北农林科技大学学报（社会科学版），2017，17（03）：76-83.

[11] 罗斯丹，陈晓，姚悦欣.我国普惠金融发展的减贫效应研究[ J ].当代经济研究，2016（12）：84-93.

[12] 郑秀峰，朱一鸣.普惠金融、经济机会与减贫增收[ J ].世界经济文汇，2019（01）：101-120.

[13] 温涛，冉光和，熊德平.中国金融发展与农民收入增长[ J ].经济研究，2005（09）：30-43.

[14] 何德旭，饶明.我国农村金融市场供求失衡的成因分析：金融排斥性视角[ J ].经济社会体制比较，2008（02）：108-114.

[15] 董晓林，徐虹.我国农村金融排斥影响因素的实证分析——基于县域金融机构网点分布的视角[ J ].金融研究，2012（09）：115-126.

[16] 刘锦怡，刘纯阳.数字普惠金融的农村减贫效应：效果与机制[ J ]，财经论丛，2020（01）：43-53.

[17] 李建军，韩珣.普惠金融、收入分配和贫困减缓——推进效率和公平的政策框架选择[ J ].金融研究，2019（03）：129-148

[18] 钱海章，陶云清，曹松威，等.中国数字金融发展与经济增长的理论与实证[ J ].数量经济技术经济研究，2020，37（06）：26-46.

（责任编辑：楚  霞）

Rural Financial Exclusion and Relative Poverty Alleviation in China

——Empirical Analysis Based on Provincial Data

WU Hua-min，YANG Xing-hong

（School of Economics，Guizhou University，Guiyang 550025）

Abstract： Based on the national provincial panel data from 2011 to 2019， this paper empirically analyzes the impact mechanism of Rural Financial Exclusion on relative poverty in China. The study found that geographical exclusion， evaluation and condition exclusion and marketing exclusion can have a significant impact on rural relative poverty. Among them， geographical exclusion has a positive impact on the incidence of relative poverty in China， while evaluation， conditional exclusion and marketing exclusion have significantly alleviated the relative poverty level in rural areas to a certain extent. In addition， according to the empirical results of the regression model， non-financial factors such as education development level， urban-rural income gap and industrial structure are also significant. Therefore， developing education level， narrowing the urban-rural gap and reducing industrial structure also have an important impact on alleviating China's relative poverty level.

Key words： Rural financial exclusion;Relative poverty;Fixed effect

收稿日期：2021-11-04

基金項目：2020贵州省高校人文社会科学研究项目“贵州世居少数民族金融扶贫研究”（2020SSD010）。

作者简介：吴华敏，女，硕士研究生，研究方向：农村金融;杨兴洪（通讯作者），女，教授，研究方向：农业保险、贫困治理。