论文部分内容阅读
摘 要：在当前全球疫情严峻局势和国际经济环境不确定性下，普惠金融将有助于优化金融结构，落实“六稳、六保”工作。本文以我国31个省份2010-2019年面板数据为样本，从普惠金融可得性、使用度及可持续性三个维度选取了8个指标，运用主成分分析法得出各地区不同年份的普惠金融指数。全样本实证结果表明普惠金融与地区经济发展呈倒U型关系，即先促进后抑制;分地区实证结果表明东部地区普惠金融水平能显著提高其地区经济发展，中部地区促进作用明显弱于东部地区，而西部地区普惠金融系数不显著。因此本文认为发展普惠金融应因地制宜，如继续发挥东部地区普惠金融引领优势、加大中部地区普惠金融的深化、加快对西部地区普惠金融发展环境的培育。
关键词：普惠金融;金融结构优化;经济发展;“六稳”;“六保”
中图分类号：F2 文献标识码：A doi：10.19311/j.cnki.16723198.2020.34.001
0 引言
金融排斥现象在社会中普遍存在，如居民的性别、户籍、民族、职业、教育、年龄、经济财富、风险偏好等会成为影响其获得金融服务的因素;私营、个体企业相较于国有企业更难获得优惠贷款;一些金融机构甚至“一刀切”地把经营利润下滑的行业排除在信贷范围之外。另外，受新冠肺炎疫情影响，我国经济受到巨大冲击。我国2020年第一季度GDP同比下降6.8%，第二季度GDP回暖增长3.2%。因此，从国内外宏观经济形势来看，我国经济未来仍面临很大不确定性，落实“六稳”“六保”工作依然任重道远。而普惠金融理念的落实将有助于在各地区完善金融市场体系和金融产品体系;将有助于促进金融资源实现跨期跨区跨产业的高效配置，推动产业结构升级与经济高质量发展;将有助于挖掘欠发达地区的居民消费潜力与企业生产动能，改善人们收入水平，缩小地区间收入差距，使得经济向着更加普惠与均衡的方向发展。因此，本文通过构建普惠金融体系来研究普惠金融对地区经济发展的影响，进而帮助地区落实“六稳”“六保”工作具有重要现实意义。
1 普惠金融指数的构建
1.1 指标选取
本文参考已有研究，并查阅2018年8月央行发布的中国普惠金融指标分析报告，最终从普惠金融可得性、普惠金融使用度、普惠金融可持续性三个维度选取八个指标来构建我国普惠金融指数。由于数字金融相关指标（如网银开户数、支付宝用户数及绑卡比例）和特定群体获得贷款情况等数据不易获得，本文不再涉及此类数据。本文构建普惠金融指数中各变量的原始数据主要从国家及地方统计局、中国人民银行及地区分行、中国银行保险监督管理委员会及派出机构、地方人民政府官网等搜集而来，各指标的描述性统计如表1所示。
1.2 普惠金融指数测算
本文运用主成分分析法对我国31个省份2010-2019年的八个指标来构建各地区各年份的普惠金融指数。主成分分析法的思路在于对原始变量做降维处理，即对相关性强的原始变量进行分组，并提取出公共因子。在本文普惠金融指数测算中，首先，本文运用Z-score法对原始数据进行标准化处理，且对银行业金融机构不良贷款率（负相关）这一指标进行倒数处理。其次，我们根据主成分特征值大于1的原则和主成分累计方差贡献率大于经验值80%的要求得到了满足我们要求的三个公因子及其因子载荷矩阵，其累计方差贡献率为80.17%。另外，我们根据“主成分对应特征值的平方根与特征向量乘积为因子载荷量”的性质，计算得到各主成分所对应的标准化正交特征向量。最后，我们把各主成分因子对应的方差贡献率作为权重，并与各主成分值进行加权即得某省当年的普惠金融指数。由于本文篇幅有限，仅展示2010和2019年结果，如表2所示。
2 普惠金融与地区经济发展的实证模型构建
2.1 变量选取与描述性统计
为研究各省普惠金融发展对其经济增长的影响，本文选取人均GDP的自然对数值（LNPGDP）作为被解释变量来描述各省的经济发展水平，普惠金融指数（F）作为主要核心解释变量。由于地区经济发展受其历史发展情况的影响，本文在解释变量中加入了人均GDP自然对数值的滞后一阶项（LNPGDP（-1））。另外，为了避免影响经济发展的其他因素对模型分析造成干扰，本文选取居民消费价格指数（CPI）、城镇人口占总人口比重（URL）、政府财政支出占GDP比重（EXS）、进出口總额占GDP比重（TO）作为控制变量。控制变量的样本仍然搜集自国家及地方统计局公布我国31个省份2010-2019年的面板数据。具体如表3所示。
2.2 数据平稳性检验
对面板数据进行单位根检验是回归分析前的重要步骤。因为若数据非平稳，则可能会出现不再满足大样本下的“一致性”要求、自回归系数估计有偏、t检验失效及虚假回归等问题，检验结果如表4所示。
2.3 模型构建
为研究普惠金融对地区经济发展的影响，现构建模型1。
3 普惠金融与地区经济发展的实证结果分析
3.1 全样本数据实证结果分析
如表5所示，本文对模型1进行回归得回归（1）和回归（2）（引入控制变量），由回归（1）和（2）结果看出，普惠金融指数（F）的系数均为负数。然而回归（2）在加入控制变量后，普惠金融指数（F）的系数未通过显著性检验，为此我们继续对模型2进行回归检验。
对模型2实证分析后得回归（3）和回归（4）（引入控制变量）。由回归（3）可知，F和F2的回归系数分别为0.249892（正） 和 -0.148218（负），且均在1%置信水平下显著成立，说明普惠金融发展与地区经济发展存在明显的非线性关系，即呈现倒U型关系（先促进后抑制）。进一步由回归（4）可知，加入控制变量后F和F2的回归系数分别为0.33052 和 -0.274433，不仅符号与回归（3）保持一致，而且均在1%置信水平下保持显著，再次验证倒U型关系。一方面这可能是由于金融资源过度倾向于特定群体，会挤占其他重大国计民生行业的资源，再次造成金融结构失衡，制约经济总体发展。另一方面由于当今国内国际宏观经济环境的不确定性和货币政策传导机制的滞后性，居民和企业短期内对未来预期的信心值下降，抑制了消费与投资水平，普惠金融的深化对经济的促进作用并不能立刻显现出来。 另外，从回归（2）和回归（4）来看控制变量的回归系数，发现通货膨胀水平（CPI）系数在1%置信水平下均显著，这与我们的理论预期一致，即经济的高增长往往伴随着较高的物价水平。城镇化率（URL）系数均不显著，如城镇化率远低于全国平均水平的贵州近年来借助于大数据等高新技术产业园的落地实现经济增速的弯道超车。另外，政府财政支出水平（EXS）回归系数在1%置信水平下均显著为负。这说明一些地方政府盲目借债来搞投资建设反而不利于地区经济发展，因此提高财政收支效率是关键。
3.2 分地区实证结果分析
考虑到三个子样本内部各省份之间普惠金融与经济发展水平的趋同性，下文仅进行模型1的分地区回归，结果如表6所示。
分地区实证分析结果表明，东部地区的普惠金融指数（F）的回归系数在1%的置信水平下显著为正，为0.195125，这说明东部地区普惠金融水平每提高一个单位，其地区人均GDP将平均提高19.51个单位。中部地区的普惠金融指数（F）的系数在10%置信水平下显著为正，仅为0.055629，这说明中部地区普惠金融水平每提高一个单位，其地区人均GDP仅平均提高5.56个单位。而西部地区的普惠金融指数（F）的回归系数不显著。
异质性分析如下：从普惠金融可得性指标来看，东部地区银行业金融机构布局较中西部地区完善，为公众增加了获得投资收益的机会。从普惠金融使用度指标來看，东部地区本外币存贷款业务远高于中西部地区，可通过间接融资渠道为企业信贷提供巨大“资金池”;东部地区保险密度与深度远高于中西部地区，可为居民与企业提供更多保障，熨平地区经济风险。从普惠金融可持续性指标来看，东部地区银行业不良贷款率较中西部地区防控好，这有助于银行业金融机构可持续发展，实现合作双方互利共赢。另外，东部地区市场竞争活力与发展潜力较大，市场主体中小微企业和民营企业也占比较重，若及时给予这些特定群体以金融资源扶持，则能够显著带动地区就业与经济发展，因此普惠金融能够显著提高东部地区经济发展。中部地区普惠金融指数的各项指标普遍低于东部沿海发达地区，且在人均可支配收入及民营企业占比等方面也都远低于东部地区，因此普惠金融对于中部地区经济发展的乘数作用小于东部地区。而西部欠发达地区普惠金融指数整体指标低于中西部地区，且由于地方官本位思想较重，市场创新活力与竞争度严重不足，科创企业和民营企业也屈指可数，因此普惠金融对于西部地区经济发展不显著，普惠金融的深化并不能有效推动西部地区经济发展，还需要先在体制机制等方面进行创新改革。
4 主要结论及政策建议
全样本实证结果表明普惠金融与地区经济发展呈现倒U型关系，即先促进后抑制。分地区实证结果显示东部地区的普惠金融指数（F）与地区经济发展显著正相关，中部地区的促进作用明显弱于东部地区，而西部地区的普惠金融指数（F）的回归系数不显著。
根据上述结论，本文认为我们应该继续保持东部地区普惠金融发展优势，同时注重中部地区普惠金融的深化，西部地区普惠金融发展环境的培育。首先，东部地区经济发展在普惠金融的乘数作用下，可能会加大与中西部地区间的经济差距。然而我们不能为了追求“公平”而放缓东部地区经济发展的脚步，而是应该继续保持东部地区普惠金融优势，充分发挥其在金融行业的引领作用，加强普惠金融的顶层设计，加强金融制度、产品与服务模式创新，更好地为地区经济高速发展提供动能。其次，对于中部地区，普惠金融对于经济发展的推动作用还处于倒U型曲线的上升阶段，因此我们应继续加大普惠金融深化，如加大专项贷款的精准扶持、加快多层次金融市场体系的构建与个性化多样化金融产品开发、加强金融基础设施建设、加大金融知识教育及宣传、加强金融机构信用风险管理及完善地区信用体系建设等，使更多的特定群体（贫困人口，创业者，农户、中小微企业和民营企业等）享有金融产品与服务。最后，对于西部地区，由于人均可支配收入和民营企业占比较低等因素制约，普惠金融对地区经济发展的推动作用暂时未显现出来，因此我们不能简单地从普惠金融深化入手，而是政府联合多部门加大体制机制的创新与改革，为中小微企业和民营企业提供良好的营商环境，增加项目投资机会与孵化落地，同时为中低收入群体拓宽收入渠道和提供社会兜底保障。
参考文献
[1]李建军，彭俞超，马思超.普惠金融与中国经济发展： 多维度内涵与实证分析[J].经济研究，2020，（04）.
[2]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）.
[3]付莎，王军.中国普惠金融发展对经济增长的影响—基于省际面板数据的实证研究[J].云南财经大学学报，2018，（03）.
[4]杜强，潘怡.普惠金融对我国地区经济发展的影响研究—基于省际面板数据的实证分析[J].经济问题探索，2016，（03）.
[5]赵瑞政，王文汇，王朝阳.金融供给侧的结构性问题及改革建议—基于金融结构视角的比较分析[J].经济学动态，2020，（04）.
[6]李涛，王志芳，王海港，等.中国城市居民的金融受排斥状况研究[J].经济研究，2010，（07）.
[7]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，（08）.
[8]方蕾，栗芳.我国农村普惠金融的空间相关特征和影响因素分析—基于上海财经大学 2015“千村调查”[J].财经论丛，2017，（01）.
[9]陆凤芝，黄永兴，徐鹏.中国普惠金融的省域差异及影响因素[J].金融经济学研究，2017，（01）.
[10]朱一鸣，王伟，孙硕.普惠金融如何实现精准扶贫？[J].财经研究，2017，（10）.
关键词：普惠金融;金融结构优化;经济发展;“六稳”;“六保”
中图分类号：F2 文献标识码：A doi：10.19311/j.cnki.16723198.2020.34.001
0 引言
金融排斥现象在社会中普遍存在，如居民的性别、户籍、民族、职业、教育、年龄、经济财富、风险偏好等会成为影响其获得金融服务的因素;私营、个体企业相较于国有企业更难获得优惠贷款;一些金融机构甚至“一刀切”地把经营利润下滑的行业排除在信贷范围之外。另外，受新冠肺炎疫情影响，我国经济受到巨大冲击。我国2020年第一季度GDP同比下降6.8%，第二季度GDP回暖增长3.2%。因此，从国内外宏观经济形势来看，我国经济未来仍面临很大不确定性，落实“六稳”“六保”工作依然任重道远。而普惠金融理念的落实将有助于在各地区完善金融市场体系和金融产品体系;将有助于促进金融资源实现跨期跨区跨产业的高效配置，推动产业结构升级与经济高质量发展;将有助于挖掘欠发达地区的居民消费潜力与企业生产动能，改善人们收入水平，缩小地区间收入差距，使得经济向着更加普惠与均衡的方向发展。因此，本文通过构建普惠金融体系来研究普惠金融对地区经济发展的影响，进而帮助地区落实“六稳”“六保”工作具有重要现实意义。
1 普惠金融指数的构建
1.1 指标选取
本文参考已有研究，并查阅2018年8月央行发布的中国普惠金融指标分析报告，最终从普惠金融可得性、普惠金融使用度、普惠金融可持续性三个维度选取八个指标来构建我国普惠金融指数。由于数字金融相关指标（如网银开户数、支付宝用户数及绑卡比例）和特定群体获得贷款情况等数据不易获得，本文不再涉及此类数据。本文构建普惠金融指数中各变量的原始数据主要从国家及地方统计局、中国人民银行及地区分行、中国银行保险监督管理委员会及派出机构、地方人民政府官网等搜集而来，各指标的描述性统计如表1所示。
1.2 普惠金融指数测算
本文运用主成分分析法对我国31个省份2010-2019年的八个指标来构建各地区各年份的普惠金融指数。主成分分析法的思路在于对原始变量做降维处理，即对相关性强的原始变量进行分组，并提取出公共因子。在本文普惠金融指数测算中，首先，本文运用Z-score法对原始数据进行标准化处理，且对银行业金融机构不良贷款率（负相关）这一指标进行倒数处理。其次，我们根据主成分特征值大于1的原则和主成分累计方差贡献率大于经验值80%的要求得到了满足我们要求的三个公因子及其因子载荷矩阵，其累计方差贡献率为80.17%。另外，我们根据“主成分对应特征值的平方根与特征向量乘积为因子载荷量”的性质，计算得到各主成分所对应的标准化正交特征向量。最后，我们把各主成分因子对应的方差贡献率作为权重，并与各主成分值进行加权即得某省当年的普惠金融指数。由于本文篇幅有限，仅展示2010和2019年结果，如表2所示。
2 普惠金融与地区经济发展的实证模型构建
2.1 变量选取与描述性统计
为研究各省普惠金融发展对其经济增长的影响，本文选取人均GDP的自然对数值（LNPGDP）作为被解释变量来描述各省的经济发展水平，普惠金融指数（F）作为主要核心解释变量。由于地区经济发展受其历史发展情况的影响，本文在解释变量中加入了人均GDP自然对数值的滞后一阶项（LNPGDP（-1））。另外，为了避免影响经济发展的其他因素对模型分析造成干扰，本文选取居民消费价格指数（CPI）、城镇人口占总人口比重（URL）、政府财政支出占GDP比重（EXS）、进出口總额占GDP比重（TO）作为控制变量。控制变量的样本仍然搜集自国家及地方统计局公布我国31个省份2010-2019年的面板数据。具体如表3所示。
2.2 数据平稳性检验
对面板数据进行单位根检验是回归分析前的重要步骤。因为若数据非平稳，则可能会出现不再满足大样本下的“一致性”要求、自回归系数估计有偏、t检验失效及虚假回归等问题，检验结果如表4所示。
2.3 模型构建
为研究普惠金融对地区经济发展的影响，现构建模型1。
3 普惠金融与地区经济发展的实证结果分析
3.1 全样本数据实证结果分析
如表5所示，本文对模型1进行回归得回归（1）和回归（2）（引入控制变量），由回归（1）和（2）结果看出，普惠金融指数（F）的系数均为负数。然而回归（2）在加入控制变量后，普惠金融指数（F）的系数未通过显著性检验，为此我们继续对模型2进行回归检验。
对模型2实证分析后得回归（3）和回归（4）（引入控制变量）。由回归（3）可知，F和F2的回归系数分别为0.249892（正） 和 -0.148218（负），且均在1%置信水平下显著成立，说明普惠金融发展与地区经济发展存在明显的非线性关系，即呈现倒U型关系（先促进后抑制）。进一步由回归（4）可知，加入控制变量后F和F2的回归系数分别为0.33052 和 -0.274433，不仅符号与回归（3）保持一致，而且均在1%置信水平下保持显著，再次验证倒U型关系。一方面这可能是由于金融资源过度倾向于特定群体，会挤占其他重大国计民生行业的资源，再次造成金融结构失衡，制约经济总体发展。另一方面由于当今国内国际宏观经济环境的不确定性和货币政策传导机制的滞后性，居民和企业短期内对未来预期的信心值下降，抑制了消费与投资水平，普惠金融的深化对经济的促进作用并不能立刻显现出来。 另外，从回归（2）和回归（4）来看控制变量的回归系数，发现通货膨胀水平（CPI）系数在1%置信水平下均显著，这与我们的理论预期一致，即经济的高增长往往伴随着较高的物价水平。城镇化率（URL）系数均不显著，如城镇化率远低于全国平均水平的贵州近年来借助于大数据等高新技术产业园的落地实现经济增速的弯道超车。另外，政府财政支出水平（EXS）回归系数在1%置信水平下均显著为负。这说明一些地方政府盲目借债来搞投资建设反而不利于地区经济发展，因此提高财政收支效率是关键。
3.2 分地区实证结果分析
考虑到三个子样本内部各省份之间普惠金融与经济发展水平的趋同性，下文仅进行模型1的分地区回归，结果如表6所示。
分地区实证分析结果表明，东部地区的普惠金融指数（F）的回归系数在1%的置信水平下显著为正，为0.195125，这说明东部地区普惠金融水平每提高一个单位，其地区人均GDP将平均提高19.51个单位。中部地区的普惠金融指数（F）的系数在10%置信水平下显著为正，仅为0.055629，这说明中部地区普惠金融水平每提高一个单位，其地区人均GDP仅平均提高5.56个单位。而西部地区的普惠金融指数（F）的回归系数不显著。
异质性分析如下：从普惠金融可得性指标来看，东部地区银行业金融机构布局较中西部地区完善，为公众增加了获得投资收益的机会。从普惠金融使用度指标來看，东部地区本外币存贷款业务远高于中西部地区，可通过间接融资渠道为企业信贷提供巨大“资金池”;东部地区保险密度与深度远高于中西部地区，可为居民与企业提供更多保障，熨平地区经济风险。从普惠金融可持续性指标来看，东部地区银行业不良贷款率较中西部地区防控好，这有助于银行业金融机构可持续发展，实现合作双方互利共赢。另外，东部地区市场竞争活力与发展潜力较大，市场主体中小微企业和民营企业也占比较重，若及时给予这些特定群体以金融资源扶持，则能够显著带动地区就业与经济发展，因此普惠金融能够显著提高东部地区经济发展。中部地区普惠金融指数的各项指标普遍低于东部沿海发达地区，且在人均可支配收入及民营企业占比等方面也都远低于东部地区，因此普惠金融对于中部地区经济发展的乘数作用小于东部地区。而西部欠发达地区普惠金融指数整体指标低于中西部地区，且由于地方官本位思想较重，市场创新活力与竞争度严重不足，科创企业和民营企业也屈指可数，因此普惠金融对于西部地区经济发展不显著，普惠金融的深化并不能有效推动西部地区经济发展，还需要先在体制机制等方面进行创新改革。
4 主要结论及政策建议
全样本实证结果表明普惠金融与地区经济发展呈现倒U型关系，即先促进后抑制。分地区实证结果显示东部地区的普惠金融指数（F）与地区经济发展显著正相关，中部地区的促进作用明显弱于东部地区，而西部地区的普惠金融指数（F）的回归系数不显著。
根据上述结论，本文认为我们应该继续保持东部地区普惠金融发展优势，同时注重中部地区普惠金融的深化，西部地区普惠金融发展环境的培育。首先，东部地区经济发展在普惠金融的乘数作用下，可能会加大与中西部地区间的经济差距。然而我们不能为了追求“公平”而放缓东部地区经济发展的脚步，而是应该继续保持东部地区普惠金融优势，充分发挥其在金融行业的引领作用，加强普惠金融的顶层设计，加强金融制度、产品与服务模式创新，更好地为地区经济高速发展提供动能。其次，对于中部地区，普惠金融对于经济发展的推动作用还处于倒U型曲线的上升阶段，因此我们应继续加大普惠金融深化，如加大专项贷款的精准扶持、加快多层次金融市场体系的构建与个性化多样化金融产品开发、加强金融基础设施建设、加大金融知识教育及宣传、加强金融机构信用风险管理及完善地区信用体系建设等，使更多的特定群体（贫困人口，创业者，农户、中小微企业和民营企业等）享有金融产品与服务。最后，对于西部地区，由于人均可支配收入和民营企业占比较低等因素制约，普惠金融对地区经济发展的推动作用暂时未显现出来，因此我们不能简单地从普惠金融深化入手，而是政府联合多部门加大体制机制的创新与改革，为中小微企业和民营企业提供良好的营商环境，增加项目投资机会与孵化落地，同时为中低收入群体拓宽收入渠道和提供社会兜底保障。
参考文献
[1]李建军，彭俞超，马思超.普惠金融与中国经济发展： 多维度内涵与实证分析[J].经济研究，2020，（04）.
[2]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）.
[3]付莎，王军.中国普惠金融发展对经济增长的影响—基于省际面板数据的实证研究[J].云南财经大学学报，2018，（03）.
[4]杜强，潘怡.普惠金融对我国地区经济发展的影响研究—基于省际面板数据的实证分析[J].经济问题探索，2016，（03）.
[5]赵瑞政，王文汇，王朝阳.金融供给侧的结构性问题及改革建议—基于金融结构视角的比较分析[J].经济学动态，2020，（04）.
[6]李涛，王志芳，王海港，等.中国城市居民的金融受排斥状况研究[J].经济研究，2010，（07）.
[7]张勋，万广华，张佳佳，等.数字经济、普惠金融与包容性增长[J].经济研究，2019，（08）.
[8]方蕾，栗芳.我国农村普惠金融的空间相关特征和影响因素分析—基于上海财经大学 2015“千村调查”[J].财经论丛，2017，（01）.
[9]陆凤芝，黄永兴，徐鹏.中国普惠金融的省域差异及影响因素[J].金融经济学研究，2017，（01）.
[10]朱一鸣，王伟，孙硕.普惠金融如何实现精准扶贫？[J].财经研究，2017，（10）.