农村金融排斥与中国相对贫困减缓
作者： 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[1]。国内最早引入金融排斥概念的是许圣道和田霖[2]，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[3，4]，发展数字普惠金融具有直接的减贫作用（Geda， et al， 2006; Jeanneney & Kpodar， 2011）[5，6]。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）[7];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[8]。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[9]。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）[10]。 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[11]。
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[12]，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）[13];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[14]。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）[15]，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）[16]。
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：
Povit=β0+β1Instit+β2Ploanit+β3Watit+β4Eduit+β5lnUrbit+β6PGDPit+β7lnIndit+β8lnGapit+β9Fisit+εit（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;βi（i=1，2，3…9）为代估参数，εit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%的显著性水平上显著，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。