Calculation of Inclusive Development Index of Inclusive Financeand Its Impact on Targeted Poverty Alleviation
-
摘要: 普惠金融的市场化与政策性为精准扶贫工作的开展提供了一个切入点，践行普惠金融，探索金融助推精准扶贫的协同实施路径，成为我国要打赢脱贫攻坚战的一个共同目标。本文从地理维度、人口维度和使用效用性三个维度运用2004—2018年中每万平方千米银行机构数量、金融机构各项存款余额与GDP之比等8个指标作为解释变量构建了普惠金融包容发展指标体系，对我国27个省、直辖市及自治区的普惠金融发展水平进行了测算与估计；此前提下，运用多元线性回归分析、固定效应及随机效应模型进行实证分析，讨论普惠金融的包容发展对精准扶贫的作用。结论表明：每个解释变量对不同模型中的被解释变量均有不同程度的影响，普惠金融对精准扶贫起着正向积极的促进作用，同时精准扶贫也加快了农村金融改革的发展步伐。Abstract: The marketization and policy of inclusive finance provide an entry point for the development of precision poverty alleviation work, practice inclusive finance, explore the coordinated implementation path of financial assistance for precision poverty alleviation has become a common unit in China to win the fight against poverty aims. This paper constructs the general benefit by using eight indicators, such as the number of banking institutions per 10 000 square kilometers and the ratio of deposits to GDP of financial institutions in 2004—2018, from the three dimensions of geographic dimension, population dimension and utility. The financial inclusion development index system measures and estimates the development level of inclusive finance in 27 provinces, municipalities directly under the Central Government and autonomous regions. Under this premise, multiple linear regression analysis, fixed effects and random effects models are used for empirical analysis, and the impact of the inclusive development of Hui Finance on precision poverty alleviation are disscussed. The conclusions show that each explanatory variable has different degrees of influence on the explained variables in different models, inclusive finance plays a positive role in promoting poverty alleviation, at the same time, accurate poverty alleviation also accelerates the development of rural financial reform.
-
Keywords:
- inclusive finance /
- precision poverty alleviation /
- IFI
-
普惠金融是指金融主体在其可承担的成本范围内为有金融服务需求的小微企业、农民等各社会群体提供合理、有效的金融服务。自我国引进“普惠金融”到实施布局甚至发展护航的过程中，普惠金融已经成为我国金融行业发展的重要着力点之一。2015年中共中央国务院发布的《关于打赢脱贫攻坚战的决定》要求我国在2020年必须团结各级主体统筹扶贫资源，开辟扶贫路径，坚决打赢脱贫攻坚战，全面建成小康社会。中国的“十三五”规划明确指出大力发展普惠金融，重点加强对中小企业、农村，特别是贫困地区的金融服务水平建设。我国的农村金融扶贫事业历经30余年，不同的历史阶段都有着各自的理论支撑与国家态度。
2016年年底人民银行从使用情况、可得性、质量3个维度出发建立了中国普惠金融指标体系，从2017年报告结果来看，我国普惠金融一直在稳步上升发展。“普惠金融”这一概念引自国外，Audil Rashid Khaki等采用了事后分析方法调查政府对贫困人口资助计划的目标以及这种干预在金融服务环境变化中的效用，结果表明居民生活水平提高，多维贫困现状得到改善[1]。Germana Corrado等发现普惠金融市场为所有尤其是处于边缘的人口提供了公平合理的金融产品获取渠道，通过赋予贫困人口更多获取金融服务的权力，普惠金融可以推动经济按照可持续方向稳步增长，从而减少生产性经济活动的风险[2]。普惠金融在中国提出以来引起了学者的广泛关注。李祺等从省域互动的角度分析普惠金融的空间差异表明我国普惠金融空间差异具有明显的阶梯性特征，经济发展水平、技术水平和金融素养等对普惠金融的作用强度较为明显[3]。尽管普惠金融与精准扶贫存在一定的差别，但是贫困地区同时推进普惠金融与精准扶贫在政策、实践、目标、机制等方面具有高度的一致性。为了践行普惠金融，探索金融助推精准扶贫的协同实施路径，我国理论界从政策出发，贾晋等结合试点实践全面论述了精准扶贫背景下的农村普惠金融创新发展情况，研究表明：农村普惠金融的创新发展强化了精准扶贫效果，后期发展的重点在于小微非正规的合作金融[4]。王薇等基于普惠金融视角探究金融支持脱贫攻坚得出扶贫创新金融业务有利于改善农村地区金融环境、提高金融服务水平、降低贫困发生率的结论[5]。
农村金融普惠程度的提升可以有效缓解农村金融供需矛盾，精准扶贫背景下农村普惠金融创新发展的新趋向也强化了精准扶贫效果。在精准扶贫、脱贫攻坚的背景下如何做好金融扶贫工作并找准金融与扶贫的契合点？贫困地区如何有效推进普惠金融的开展？普惠金融如何才能更好地助力精准扶贫？本文从地理维度、人口维度和使用效用性三个维度运用2004—2018年中每万平方千米银行机构数量、每万人拥有银行机构数量、金融机构各项存款余额与GDP之比等八个指标作为解释变量对全国27个省、直辖市及自治区的普惠金融包容发展指数进行测算与实证分析。研究结论表明：每个解释变量对不同模型中的被解释变量均有不同程度的影响。综合来说，普惠金融对精准扶贫起着正向积极的促进作用，同时精准扶贫也加快了农村金融改革的发展步伐。
一、 模型及体系构建
（一） 普惠金融包容发展指标体系构建
为了深入调查我国普惠金融的运行状况，测度普惠金融的发展水平，在数据搜集渠道有限的前提下，本文选取8个具体指标从地理维度、人口维度、使用效用性三个维度对其进行考察。具体指标选取见表1。
表 1 普惠金融包容发展指标体系构建维度 指标 指标 指标 指标 地理维度 银行机构数量/地区面积
（每万km2银行机构数量）银行从业人数/地区面积
（每万km2银行从业人数）人口维度 银行机构数量/地区人数
（每万人拥有银行机构数量）银行从业人数/地区人数
（每万人拥有银行从业人数）使用效用性 金融机构各项存款余额/GDP 金融机构各项贷款余额/GDP 保费收入/地区人数
（每万人拥有保费收入）贷款利率 （二） 普惠金融包容发展指数测算
在已有研究的基础上，本文采用Sarma借鉴联合国开发计划署用于计算发展指数所提出的方法，构建了普惠金融包容发展指数的计算方法[6]，运用变异系数法先计算出各指标的权重，然后计算各指标的无量纲化值，消除变量之间的量纲关系。该方法保证了最终测算的普惠金融包容发展指数的取值区间为［0，1］，且其值越接近于1，就代表该区域的普惠金融的普惠效应越高。但是当IFI=1时不代表普惠水平达到最高水平，当IFI=0时不表示普惠金融处于最低的发展水平。测算普惠金融包容发展指数的相关数据来源于各省、直辖市及自治区各年金融运行报告以及国民经济社会发展统计公报。
$$ \begin{aligned} &{\text{各指标的权重}}{\rm{ = }}\dfrac{{{\text{各指标的变异系数}}}}{{{\text{各指标的变异系数加总求和}}}}\\ &{\text{各指标的变异系数}}{\rm{ = }}\dfrac{{{\text{各指标的标准差}}}}{{{\text{各指标的平均值}}}}\\ &{{\rm{Q}}_{\rm{i}}}{\rm{ = }}{{\rm{V}}_{\rm{i}}}{\rm{ \times }}\frac{{{{\rm{G}}_{\rm{i}}}{\rm{ - MI}}{{\rm{N}}_{\rm{i}}}}}{{{\rm{MA}}{{\rm{X}}_{\rm{i}}}{\rm{ - MI}}{{\rm{N}}_{\rm{i}}}}} \end{aligned} $$ Qi：第i个指标对应的无量纲化测度值；Vi：第i个指标的权重，选用变异系数法来确定各指标在普惠金融指数中所占的权重；Gi：第i个指标的实际测量值；MAXi：第i个指标所对应的最大值；MINi：第i个指标所对应的最小值。
IFI计算公式如下：
$$ \begin{aligned} &IF{I_1} = \frac{{\sqrt {{{({q_1})}^2} + {{({q_2})}^2} + \ldots {{({q_n})}^2}} }}{{\sqrt {{v_1}^2 + {v_2}^2 + \ldots {v_n}^2} }}\\ &IF{I_2} = \frac{{\sqrt {{{({v_1} - {q_1})}^2} + {{({v_2} - {q_2})}^2} + \ldots {{({v_n} - {q_n})}^2}} }}{{\sqrt {{v_1}^2 + {v_2}^2 + \ldots {v_n}^2} }}\\ &IFI = \frac{{IF{I_1}{\rm{ + }}IF{I_{_2}}}}{2} \end{aligned}$$ 二、 普惠金融包容发展对精准扶贫影响的实证分析
（一） 普惠金融包容发展指数测算结果分析
普惠金融包容发展指数侧重于垂直时间序列和水平空间区域之间的比较，指数只是一个相对指数，数值的大小不代表普惠金融的发展程度，代表普惠金融在不同区域或不同时期内的发展中所存在的差距，测算结果见表2。
表 2 普惠金融包容发展指数测算年份 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 排名 北京 0.16 0.22 0.20 0.22 0.24 0.28 0.33 0.32 0.34 0.37 0.42 0.48 0.54 0.58 0.55 4 天津 0.09 0.11 0.11 0.12 0.13 0.11 0.14 0.17 0.17 0.18 0.20 0.21 0.23 0.25 0.24 19 河北 0.21 0.23 0.23 0.24 0.24 0.25 0.27 0.28 0.29 0.31 0.32 0.35 0.37 0.41 0.39 9 山西 0.13 0.18 0.18 0.16 0.17 0.17 0.18 0.21 0.21 0.23 0.23 0.25 0.27 0.29 0.28 15 辽宁 0.23 0.20 0.19 0.22 0.23 0.22 0.25 0.27 0.27 0.30 0.32 0.34 0.36 0.38 0.37 10 吉林 0.10 0.16 0.15 0.12 0.13 0.14 0.16 0.16 0.17 0.16 0.19 0.20 0.22 0.24 0.22 22 黑龙江 0.14 0.15 0.15 0.15 0.17 0.17 0.19 0.20 0.20 0.22 0.22 0.22 0.24 0.26 0.25 18 上海 0.16 0.18 0.20 0.22 0.23 0.25 0.29 0.30 0.31 0.34 0.37 0.42 0.47 0.50 0.48 6 江苏 0.20 0.27 0.26 0.28 0.29 0.31 0.36 0.39 0.42 0.45 0.49 0.53 0.59 0.47 0.57 3 浙江 0.20 0.26 0.27 0.28 0.29 0.32 0.36 0.40 0.42 0.45 0.48 0.51 0.54 0.58 0.59 2 安徽 0.13 0.15 0.15 0.16 0.16 0.18 0.19 0.22 0.21 0.23 0.25 0.27 0.28 0.32 0.31 12 福建 0.12 0.15 0.15 0.16 0.17 0.15 0.18 0.22 0.23 0.25 0.26 0.28 0.29 0.31 0.32 11 江西 0.13 0.15 0.15 0.15 0.15 0.15 0.16 0.18 0.19 0.20 0.22 0.23 0.24 0.26 0.25 17 山东 0.25 0.30 0.30 0.30 0.29 0.32 0.34 0.37 0.39 0.41 0.40 0.44 0.50 0.55 0.52 5 河南 0.24 0.25 0.24 0.24 0.25 0.25 0.27 0.30 0.31 0.32 0.33 0.36 0.37 0.45 0.40 8 湖北 0.10 0.17 0.16 0.17 0.18 0.18 0.19 0.21 0.22 0.24 0.26 0.27 0.24 0.32 0.30 13 湖南 0.14 0.19 0.19 0.19 0.19 0.20 0.20 0.23 0.23 0.24 0.26 0.27 0.29 0.31 0.30 14 广东 0.33 0.34 0.36 0.38 0.39 0.41 0.46 0.49 0.46 0.57 0.61 0.68 0.74 0.83 0.77 1 广西 0.10 0.13 0.13 0.13 0.12 0.13 0.14 0.16 0.17 0.16 0.20 0.20 0.20 0.22 0.21 23 重庆 0.11 0.12 0.12 0.11 0.12 0.13 0.14 0.17 0.18 0.20 0.21 0.21 0.22 0.25 0.24 20 四川 0.22 0.24 0.25 0.25 0.25 0.27 0.31 0.33 0.35 0.37 0.39 0.41 0.43 0.46 0.46 7 贵州 0.07 0.11 0.11 0.11 0.10 0.11 0.12 0.15 0.14 0.16 0.18 0.19 0.19 0.21 0.21 24 云南 0.11 0.11 0.10 0.12 0.13 0.13 0.14 0.18 0.18 0.19 0.21 0.21 0.21 0.23 0.23 21 陕西 0.13 0.15 0.14 0.16 0.16 0.16 0.18 0.19 0.21 0.22 0.22 0.24 0.25 0.27 0.27 16 甘肃 0.09 0.14 0.12 0.12 0.11 0.11 0.13 0.14 0.14 0.16 0.16 0.18 0.20 0.21 0.20 25 青海 0.02 0.10 0.08 0.08 0.06 0.05 0.06 0.07 0.07 0.09 0.10 0.09 0.10 0.12 0.10 27 宁夏 0.04 0.11 0.10 0.10 0.09 0.09 0.10 0.11 0.11 0.12 0.14 0.09 0.09 0.09 0.11 26 表2给出了各省、直辖市及自治区的普惠金融包容发展指数情况，从表2可见2004—2018年各省、直辖市及自治区的普惠金融发展状况总体来说是呈上升趋势的，但普惠金融包容发展指数差距较大。广东、浙江、江苏这三个省的普惠金融包容发展指数均大于0.55，发展水平较高。北京、山东、上海、四川、河南、河北、辽宁这七个城市普惠金融包容发展指数处于0.35~55之间，发展水平处于相对中等的包容水平。福建、安徽、湖北等17个城市普惠金融包容发展指数低于0.35，发展水平较低。
2016年年初发布的《国务院关于印发推进普惠金融发展规划（2016—2020年）的通知》在政策和实践要求上进一步规范了普惠金融的运行机制和实现目标，2016年各个地区的发展有了上升的转折。从区域上看，西北地区的普惠金融总体发展水平居于末端，华东地区普惠金融总体发展水平处于前列。其中影响广东、浙江与江苏三个省份普惠金融发展水平不断提升的助力可能来源于该省份本身经济发展水平较高，经济发展带动生活水平的日益改善，农民存贷款稳步上升，金融行业的多元包容性发展促进了农民金融意识的提升与农村专项金融产品使用率的提高，都是可能提高普惠金融发展水平的动力。2018年的数据为预测数据，从结果上来看部分地区的发展水平变化趋势较小或与前一年持平，甚至有所下降。普惠金融政策的发展落地已到了一个瓶颈期，如何打破屏障实现新的跨越也是未来农村金融政策制定要考虑的重点问题。
（二） 模型构建与变量选取
1. 模型构建
为了更好地比较实证分析结果的合理性，本文同时使用多元线性回归、固定效应和随机效应估计方法构建模型进行分析。具体处理时使用EVIEWS软件。
$$\begin{aligned} {{{Y}}_{{i}}} =& {\rm{\alpha}} + {{\rm{\beta}} _1}{{IFI}} + {{\rm{\beta}} _2}{{LPGDP}} + {{\rm{\beta}} _3}{{LROAD}} + {{\rm{\beta}} _4}{{LINT}} + \\&{{\rm{\beta}} _5}{{LEDU}} + {{\rm{\beta}} _6}{{LOPEN}} + {{\rm{\beta}} _7}{{CPI}} + {{\rm{\beta}} _8}{{GOV}} + {{\rm{\varepsilon}} _{\rm{i}}} \end{aligned}$$ ${{{Y}}_{{i}}}$ 为被解释变量，${\rm{\alpha}}$ 、${\rm{\beta}}$ 为系数，${{IFI}}$ 、${{LPGDP}}$ 、${{LROAD}}$ 、${{LINT}}$ 、${{LEDU}}$ 、${{LOPEN}}$ 、${{CPI}}$ 、${{GOV}}$ 等为解释变量，${{\rm{\varepsilon}} _{\rm{i}}}$ 为随机干扰项。2. 变量选取
本文以贫困水平（
${{{Y}}_{{i}}}$ ）作为被解释变量，在已有研究的基础上，选取普惠金融包容发展指数、宏观经济状况、交通便利、信息化水平、受教育程度、进出口等几方面因素作为解释变量。其中以人均国民生产总值（PGDP，对其取对数后为LPGDP）、居民消费价格水平（CPI）、财政支出规模（GOV）表示宏观经济发展情况；公路里程数（ROAD，对其取对数后为LROAD）来表示各地区交通便利水平；互联网用户数（INT，对其取对数后为LINT）表示信息化发展水平；高等学校在校学生人数（EDU，对其取对数后为LEDU）表示受教育程度；该地区的进出口总额（OPEN，对其取对数后为LOPEN）来表示进出口情况。普惠金融包容发展指数为上面测算的数据，其他解释变量的相关数据来源于各省、市及自治区的统计年鉴及国家统计局。3. 各变量的描述性统计分析
本文查找了27个省、直辖市及自治区2004年到2017年的相关数据，并根据已有数据对2018年进行了数据预测。各变量的描述性统计分析见表3。从表3中可以看出，各地在不同变量上存在一定差异，人均GDP（LPGDP）、交通便利（LROAD）、信息化发展水平（LINT）、进出口（LOPEN）差异比较明显。
表 3 各变量的描述性统计分析项目 均值 最大值 最小值 标准差 普惠金融包容发展指数（IFI） 0.241 0.828 0.021 0.126 人均GDP（LPGDP） 4.468 5.122 3.635 0.301 交通便利（LROAD） 5.000 5.577 3.892 0.377 信息化发展水平（LINT） 3.028 3.996 1.301 0.468 受教育程度（LEDU） 3.346 3.839 2.872 0.178 进出口（LOPEN） 2.517 4.199 0.653 0.743 居民消费价格水平（CPI） 4.060 5.178 2.589 0.300 财政支出规模（GOV） 0.242 3.584 0.008 0.287 三、 实证分析
本文对普惠金融包容发展对精准扶贫影响的实证分析利用Eviews软件采取多元线性回归分析、固定效应以及随机效应三种模型对相关变量的数据进行分析。实证分析的具体结果参见表4。
表 4 普惠金融发展指数影响因素实证分析结果变量 多元线性回归分析 随机效应 固定效应 C 3.783 526***(12.946 91) 3.527 834***(5.204 373) IFI 0.129 134(1.542 401) 0.035 851(0.646 480) 0.152 964**(2.303 576) LPGDP 0.392 066***(12.142 53) 0.348 945***(16.255 87) 0.131 695***(5.236 207) LROAD −0.317 175***(−12.946 41) −0.418 531***(−23.390 29) −0.423 932***(−21.768 53) LINT 0.390 486***(11.222 42) 0.480 432***(20.114 67) 0.344 319***(10.716 17) LEDU 0.255 221***（4.935 508） 0.039 192(1.035 741) 0.061 788(1.557 933) LOPEN 0.061 334***（5.049 734） 0.062 833***(7.876 012) 0.020 827**(2.308 669) CPI 0.017 670***（9.770 637） −0.007 686***(−3.355 558) 0.007 789(1.261 360) GOV −0.040 330*（−1.719 108） −0.056 217***(−3.637 192) −0.094 861***(−5.928 141) N 405 405 405 R2 0.831 986 0.862 584 0.930 269 F 310.720 5 231.644 注：*为P<0.1，**为P<0.05，***为P<0.01 从表5中可以看出模型的Hausman检验P值为0，显示随机效应模型在5%的置信水平上拒绝原假设，所以本文采用固定效应模型进行分析。
表 5 霍斯曼检验Test Summary Chi-Sq.Statistic Chi-Sq.d.f Prob. Period randon 367.513 314 8 0.000 0 从固定效应的实证结果来看，各解释变量在对被解释变量贫困水平均有不同程度的影响。普惠金融发展指数的系数为0.153，在5%的水平上显著，说明普惠金融的发展对贫困水平的减缓有着正向的积极作用；人均GDP的系数为0.132，与普惠金融的发展指数呈显著相关；交通便利水平系数为负值说明只加大基础设施的建设对贫困减缓是负相关的，可能是因为贫困地区本身经济发展水平较低，劳动力资源并不充足，在缺乏人力与财力的前提下再扩大基础设施建设对脱贫工作可能会产生消极影响；信息化水平的系数为0.344，也呈现出显著的相关性，证明了要想推进普惠金融要将传统产业与科技创新型行业相结合，找到普惠金融与信息化行业的契合点从而实现共同发展；普惠金融的发展还需要“知识型”人才带动推进，受教育程度对普惠金融发展指数也起到正向的促进作用；进出口的系数为正，且在5%的水平上显著，说明提高对外开放水平有利于贫困减缓；政府的财政支出与普惠金融的发展指数呈现出显著的相关性但是财政支出的系数为−0.095，说明扩大财政支出规模对贫困减缓的影响可能是负向的，原因可能是因为政府加大对经济的干预可能会影响个人投资活动，从而降低个人消费水平，不利于贫困减缓。
四、 对策与讨论
通过对普惠金融包容发展指数测算，并据此所构建的多元线性回归分析、固定效应及随机效应模型都显示出普惠金融包容发展对贫困减缓有着显著的正相关作用，不同方面的影响因素对精准扶贫的作用效果及相关程度不同，各省、直辖市及自治区的普惠金融包容发展水平整体呈现上升趋势，但各地存在较大差异，普惠金融的发展已到达“攻坚”阶段。普惠金融对扶贫工作的促进作用不仅直接作用于精准扶贫，还可以通过促进经济增长、缩小收入分配差距、提高受教育程度等途径间接作用于贫困减缓。由此发现，想在普惠金融的背景下实现全面精准脱贫，各地应在就业、收入、教育、科技、公共服务等方面因地制宜地制定政策，并进行合理的资源配置。虽然现如今我国农村的进出口发展并不完备，但在坚持对外开放的政策引导下，随着世界经济一体化的趋势以及习近平总书记提出的“乡村振兴”战略的发展，我国农村成为进出口贸易的主要供销商阵地之一指日可待。
近些年来，我国越来越重视普惠金融事业的发展，对增加贫困地区金融服务的供给发挥着至关重要的作用。然而，农村金融体系不健全、金融服务成本高、政策环境有待优化、专业人才有待加强等诸多问题依然突出，会在一定程度上降低普惠金融扶贫的成效。本文根据实证分析结果提出以下几点建议。
（一） 依托网络科技载体，拓宽精准扶贫渠道
从上文所介绍的普惠金融的理论和实证分析的测算结果可以看出，普惠金融的重要手段是要通过创新发展新路径来实现既能服务贫困群体，也可以获得自身经济可持续发展的双目标。当前互联网已成为推动时代发展的主旋律，为了能更进一步的促进我国普惠金融发展进程，要找到农业与金融业、信息技术等行业的交叉点，在传统金融框架体系内结合大数据、云计算等媒介建设金融扶贫长效机制，因户而异、因地制宜、因势制宜地制定合理“一对一”的扶贫政策。鼓励金融机构运用现代科技手段，如网络银行、手机银行等新型支付工具和手段提高农村基础型金融服务水平。
（二） 构建人才培养机制，提升精准扶贫效率
金融体系的建立完善和发展还要依靠高素质人才，普惠金融的发展同样需要专业人才发挥创新引领的带头作用。金融理论基础知识薄弱、金融风险判断与防范能力较差等问题严重阻碍了金融扶贫开展的广度和深度，且目前我国面向贫困地区培养的普惠金融专业人才数量少、水平低，从而无法有效开展精准扶贫。因此政府可以联合参与扶贫项目的金融机构成立普惠金融服务中心，设置专门部门、专门岗位与专业的工作人员，促进校企合作，鼓励各大高校针对所处城市或周边城市设置普惠金融与精准扶贫帮扶项目，让普惠金融与“大学生志愿服务西部计划”“三支一扶”“苏北计划”等面向大学生群体的专项计划进行结合。保证金融扶贫工作的顺利开展，增强金融助贫工作的专业性。
（三） 强化政策扶持力度，推进精准扶贫升级
普惠金融体系的运行与发展只有和实际的扶贫政策有效结合才能最终实现脱贫目标。只依靠商业性金融机构无法有效改善农村金融市场中资金供给不足的现状。普惠金融与精准扶贫具有很强的政策性，要构建政府引导、市场运作的科学机制，为打赢脱贫攻坚战提供坚强的制度保障。在精准扶贫的大环境下，各级政府应加大对公益属性的小额信贷机构的支持，推进扶贫工作更好更快的开展。但是政府应避免对金融市场和金融机构的过度干预，明确自身职能，规范各类小额信贷和小微企业的金融服务健康发展，合理利用农村经济中闲置的社会资本，提高金融资源的使用效率，增强贫困地区信贷资金的供给和流动能力。
五、 结束语
普惠金融促进精准扶贫的不断实现，同时精准扶贫也在反向刺激普惠金融体系的完善和发展，拓展金融扶贫业务的种类和范畴，商业性金融机构也开始更多地关注农村金融市场。以精准扶贫推动普惠金融体系的构建，有利于形成完善服务各个层次人群的金融市场。从国际普惠金融来看，当普惠金融发展迅速且成功时，会为该国的金融领域创新带来新的增长点和创收点，我国目前普惠金融发展过程中的主要问题就是商业可持续较弱、农村地区尤其是贫困地区的金融机构入驻率低，而精准扶贫能有效解决这一问题。距离全面建成小康社会的目标只剩下一年多的时间，践行普惠金融推进精准扶贫的任务依旧很艰巨，这需要服务在扶贫一线的工作人员坚守岗位，不忘初心，牢记使命，为普惠金融体系的建设和精准扶贫的高效完成不断做出自己的贡献。
-
表 1 普惠金融包容发展指标体系构建
维度 指标 指标 指标 指标 地理维度 银行机构数量/地区面积
（每万km2银行机构数量）银行从业人数/地区面积
（每万km2银行从业人数）人口维度 银行机构数量/地区人数
（每万人拥有银行机构数量）银行从业人数/地区人数
（每万人拥有银行从业人数）使用效用性 金融机构各项存款余额/GDP 金融机构各项贷款余额/GDP 保费收入/地区人数
（每万人拥有保费收入）贷款利率 
下载: 导出CSV
表 2 普惠金融包容发展指数测算
年份 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 排名 北京 0.16 0.22 0.20 0.22 0.24 0.28 0.33 0.32 0.34 0.37 0.42 0.48 0.54 0.58 0.55 4 天津 0.09 0.11 0.11 0.12 0.13 0.11 0.14 0.17 0.17 0.18 0.20 0.21 0.23 0.25 0.24 19 河北 0.21 0.23 0.23 0.24 0.24 0.25 0.27 0.28 0.29 0.31 0.32 0.35 0.37 0.41 0.39 9 山西 0.13 0.18 0.18 0.16 0.17 0.17 0.18 0.21 0.21 0.23 0.23 0.25 0.27 0.29 0.28 15 辽宁 0.23 0.20 0.19 0.22 0.23 0.22 0.25 0.27 0.27 0.30 0.32 0.34 0.36 0.38 0.37 10 吉林 0.10 0.16 0.15 0.12 0.13 0.14 0.16 0.16 0.17 0.16 0.19 0.20 0.22 0.24 0.22 22 黑龙江 0.14 0.15 0.15 0.15 0.17 0.17 0.19 0.20 0.20 0.22 0.22 0.22 0.24 0.26 0.25 18 上海 0.16 0.18 0.20 0.22 0.23 0.25 0.29 0.30 0.31 0.34 0.37 0.42 0.47 0.50 0.48 6 江苏 0.20 0.27 0.26 0.28 0.29 0.31 0.36 0.39 0.42 0.45 0.49 0.53 0.59 0.47 0.57 3 浙江 0.20 0.26 0.27 0.28 0.29 0.32 0.36 0.40 0.42 0.45 0.48 0.51 0.54 0.58 0.59 2 安徽 0.13 0.15 0.15 0.16 0.16 0.18 0.19 0.22 0.21 0.23 0.25 0.27 0.28 0.32 0.31 12 福建 0.12 0.15 0.15 0.16 0.17 0.15 0.18 0.22 0.23 0.25 0.26 0.28 0.29 0.31 0.32 11 江西 0.13 0.15 0.15 0.15 0.15 0.15 0.16 0.18 0.19 0.20 0.22 0.23 0.24 0.26 0.25 17 山东 0.25 0.30 0.30 0.30 0.29 0.32 0.34 0.37 0.39 0.41 0.40 0.44 0.50 0.55 0.52 5 河南 0.24 0.25 0.24 0.24 0.25 0.25 0.27 0.30 0.31 0.32 0.33 0.36 0.37 0.45 0.40 8 湖北 0.10 0.17 0.16 0.17 0.18 0.18 0.19 0.21 0.22 0.24 0.26 0.27 0.24 0.32 0.30 13 湖南 0.14 0.19 0.19 0.19 0.19 0.20 0.20 0.23 0.23 0.24 0.26 0.27 0.29 0.31 0.30 14 广东 0.33 0.34 0.36 0.38 0.39 0.41 0.46 0.49 0.46 0.57 0.61 0.68 0.74 0.83 0.77 1 广西 0.10 0.13 0.13 0.13 0.12 0.13 0.14 0.16 0.17 0.16 0.20 0.20 0.20 0.22 0.21 23 重庆 0.11 0.12 0.12 0.11 0.12 0.13 0.14 0.17 0.18 0.20 0.21 0.21 0.22 0.25 0.24 20 四川 0.22 0.24 0.25 0.25 0.25 0.27 0.31 0.33 0.35 0.37 0.39 0.41 0.43 0.46 0.46 7 贵州 0.07 0.11 0.11 0.11 0.10 0.11 0.12 0.15 0.14 0.16 0.18 0.19 0.19 0.21 0.21 24 云南 0.11 0.11 0.10 0.12 0.13 0.13 0.14 0.18 0.18 0.19 0.21 0.21 0.21 0.23 0.23 21 陕西 0.13 0.15 0.14 0.16 0.16 0.16 0.18 0.19 0.21 0.22 0.22 0.24 0.25 0.27 0.27 16 甘肃 0.09 0.14 0.12 0.12 0.11 0.11 0.13 0.14 0.14 0.16 0.16 0.18 0.20 0.21 0.20 25 青海 0.02 0.10 0.08 0.08 0.06 0.05 0.06 0.07 0.07 0.09 0.10 0.09 0.10 0.12 0.10 27 宁夏 0.04 0.11 0.10 0.10 0.09 0.09 0.10 0.11 0.11 0.12 0.14 0.09 0.09 0.09 0.11 26
下载: 导出CSV
表 3 各变量的描述性统计分析
项目 均值 最大值 最小值 标准差 普惠金融包容发展指数（IFI） 0.241 0.828 0.021 0.126 人均GDP（LPGDP） 4.468 5.122 3.635 0.301 交通便利（LROAD） 5.000 5.577 3.892 0.377 信息化发展水平（LINT） 3.028 3.996 1.301 0.468 受教育程度（LEDU） 3.346 3.839 2.872 0.178 进出口（LOPEN） 2.517 4.199 0.653 0.743 居民消费价格水平（CPI） 4.060 5.178 2.589 0.300 财政支出规模（GOV） 0.242 3.584 0.008 0.287
下载: 导出CSV
表 4 普惠金融发展指数影响因素实证分析结果
变量 多元线性回归分析 随机效应 固定效应 C 3.783 526***(12.946 91) 3.527 834***(5.204 373) IFI 0.129 134(1.542 401) 0.035 851(0.646 480) 0.152 964**(2.303 576) LPGDP 0.392 066***(12.142 53) 0.348 945***(16.255 87) 0.131 695***(5.236 207) LROAD −0.317 175***(−12.946 41) −0.418 531***(−23.390 29) −0.423 932***(−21.768 53) LINT 0.390 486***(11.222 42) 0.480 432***(20.114 67) 0.344 319***(10.716 17) LEDU 0.255 221***（4.935 508） 0.039 192(1.035 741) 0.061 788(1.557 933) LOPEN 0.061 334***（5.049 734） 0.062 833***(7.876 012) 0.020 827**(2.308 669) CPI 0.017 670***（9.770 637） −0.007 686***(−3.355 558) 0.007 789(1.261 360) GOV −0.040 330*（−1.719 108） −0.056 217***(−3.637 192) −0.094 861***(−5.928 141) N 405 405 405 R2 0.831 986 0.862 584 0.930 269 F 310.720 5 231.644 注：*为P<0.1，**为P<0.05，***为P<0.01
下载: 导出CSV
-
[1] AUDIL RASHID KHAKI, MOHI-UD-DIN SANGMI. Does Access to Finance Alleviate Poverty?A Case Study of SGSY Beneficiaries in Kashmir Valley[J]. International Journal of Social Economics, 2017(8): 1032.
[2] GERMANA CORRADO, LUISA CORRADO. Inclusive finance for inclusive growth and development[J]. Current Opinion in Environmental Sustainability, 2017(24): 19.
[3] 李祺, 许舜威. 我国普惠金融空间差异及影响要素分析[J]. 郑州大学学报(哲学社会科学版), 2018, 51(5): 67. [4] 贾晋, 肖建. 精准扶贫背景下农村普惠金融创新发展研究[J]. 理论探讨, 2017(1): 70. [5] 王薇, 孙健. 金融支持脱贫攻坚的实证分析: 基于普惠金融发展的视角[J]. 武汉金融, 2018(11): 66. DOI: 10.3969/j.issn.1009-3540.2018.11.012. [6] SARMA M. Index of Financial Inclusion[J]. Indian Council for Research on International Economic Relations, New Delhi Working Papers, 2008. DOI: 10.1530/endoabs.32.P228.
[7] 何雄浪, 杨莹莹. 金融发展与贫困减缓的非线性关系研究: 基于省级面板数据的门限回归分析[J]. 西南民族大学学报, 2017(4): 127. [8] 尤圣光. 普惠金融与精准扶贫的研究[J]. 当代经济, 2016(5): 62. DOI: 10.3969/j.issn.1007-9378.2016.05.025. [9] 陈志刚, 田江慧子. 中国区域普惠金融测度及影响因素的实证分析[J]. 资源开发与市场, 2018(4): 445. DOI: 10.3969/j.issn.1005-8141.2018.04.001. [10] 刘春腊, 黄嘉钦, 龚娟, 等. 中国精准扶贫的省域差异及影响因素[J]. 地理科学, 2018(7): 1098. [11] 杨钊. 金融精准扶贫的路径选择与实践演进路径选择与实践演进[J]. 武汉金融, 2016(11): 60. [12] 周孟亮. 普惠金融与精准扶贫协调的路径创新研究[J]. 南京农业大学学报(社会科学版), 2018(2): 149. [13] 邱俊如. 普惠金融的发展与我国农村地区精准扶贫的有效开展[J]. 农业经济, 2018(7): 94. DOI: 10.3969/j.issn.1001-6139.2018.07.037. [14] ABDUI RASHID, MAURIZIO INTARTAGLIA. Financial development-Does it Lessen Poverty?[J]. Journal of Economic Studies, 2017, 44(1): 69. DOI: 10.1108/JES-06-2015-0111.
-
期刊类型引用(2)
1. 陈烨丹，范云芳. 农村金融发展减贫动态效应的实证分析. 统计与决策. 2021(03): 162-165 . 
百度学术
2. 吕知新，包权，李国锋. 互联网背景下商业银行普惠金融业务发展策略研究. 科技经济导刊. 2020(33): 208-209 . 百度学术
其他类型引用(5)
计量
- 文章访问数: 1991
- HTML全文浏览量: 1076
- PDF下载量: 18
- 被引次数: 7