普惠金融對地區經濟增長的影響研究

陳雅琳

（集美大學 財經學院，福建 廈門 361021）

普惠金融對地區經濟增長的影響研究

陳雅琳

（集美大學 財經學院，福建 廈門 361021）

以全國30個省域為研究對象，采用30個省域2005—2014年的數據，從金融服務可得性和使用有效性兩個方面構建普惠金融指數，對我國30個省域普惠金融發展水平進行測度，并通過建立空間面板數據模型進行實證研究。結果表明：普惠金融對經濟增長有正向影響作用，并且普惠金融的程度與經濟增長的速度高度相關；我國各地區經濟增長存在空間溢出效應，地理區位特征對省域經濟增長的變動存在顯著影響；普惠金融的發展對周邊地區的經濟增長存在負的空間溢出效應。因此，應重視區域經濟增長與普惠金融的互動；著力發展金融企業，繁榮金融活動；高度重視空間因素，充分利用相鄰省域的相互支持，推動普惠金融，帶動經濟的發展。

普惠金融；地區經濟增長；空間溢出效應

2013年黨的十八屆三中全會明確提出要發展普惠金融，2015年《政府工作報告》提出要大力發展普惠金融，2016年1月國務院出臺了 《推進普惠金融發展規劃》。由此可見，發展普惠金融已成為我國深化金融體制改革的重要內容。構建普惠金融體系，拓展金融服務的深度和廣度，提升金融資源的配置效率，對于我國經濟發展具有重要的意義。

關于普惠金融的研究，大多數文獻是從普惠金融發展對城鄉居民收入的影響這個角度進行探究，結果均表明普惠金融發展程度的提高對縮小城鄉收入差距發揮顯著的正向作用（李建偉[1]；肖瑞[2]；張曉燕[3]；葉偉超[4]；呂勇斌[5]）。而關于普惠金融對地區經濟增長的影響，相關研究較少。杜強[6]利用面板模型進行OLS回歸，對普惠金融與地區經濟發展之間的關系進行實證研究，結果表明：從整體上看，普惠金融與地區經濟發展之間關系呈倒U型；從各區域看，東部地區普惠金融抑制了經濟的發展，而中西部地區普惠金融對經濟發展有明顯的促進作用。楊燕[7]采用VAR模型，實證分析了普惠金融水平對經濟增長的影響，研究表明：普惠金融水平呈上升趨勢，它的發展對經濟增長有積極的作用。然而，關于普惠金融對地區經濟增長的影響的文獻，在研究方法上均未將空間溢出效應的影響考慮在內。所謂空間溢出效應，是指一個地區的某種經濟地理現象在一般情況下會與其相鄰地區的同一現象相關。因此，忽視空間溢出效應而對研究對象進行單一、割裂的研究，得出的最終結果必然不夠準確。Anselin創立的空間計量經濟學方法有效地解決了這一問題。

因此，筆者基于以下兩種考慮進行本文的撰寫：第一，在關于普惠金融的研究中，現有的研究成果更多地集中在普惠金融對城鄉居民收入的影響這一角度，而缺乏對地區經濟增長的影響研究。因此，本文在現有文獻的基礎上，重點分析普惠金融對我國地區經濟增長的影響，對普惠金融的研究進行一定的補充。第二，多數文獻忽視空間溢出效應，這樣得出的最終結果必然不夠準確。考慮到普惠金融本身具有的空間特性，空間計量經濟學模型是最能明確地把地理空間因素納入到普惠金融與區域經濟增長的實證研究中的模型。因而本文從空間交互作用的角度，采用空間計量經濟學方法研究普惠金融對經濟增長的影響作用。

本文的研究框架做如下安排：先對全國普惠金融的現狀進行測度，然后采用全國30個省域2005—2014年數據，通過建立空間面板數據模型進行實證研究，分析普惠金融對經濟增長的影響，最后一部分為結論及相關政策建議。

1 普惠金融指數的測算

1.1 指標的構建

本文在綜合國內外學者研究的基礎上，構建了普惠金融指數指標體系，從服務可得性和使用有效性兩個維度選取對應的8個指標進行分類評價，并給出每個具體指標的計算方法。本文選取的8個指標概括了普惠金融的基本范疇，并且指標容易計算、實操性強、涉及的數據較易獲得。具體內容見表1。

表1 普惠金融指數指標體系Table 1 HPFinance index system

1.2 指標的測度及分析

首先，采用標準化方法對30個省份的原始數據進行無量綱化處理，剔除各個指標間由于量綱差異對研究結果可能存在的影響。然后采用主成分分析法提取主成分，將提取的公因子分別乘上以各自的方差貢獻率占提取因子總方差貢獻率的比重為權重進行加權求和，得到綜合得分F，由此計算出各地區的普惠金融指數。

在進行主成分分析之前，先進行KMO和Bartlett的檢驗。結果顯示，KMO統計量為0.673，巴特利球形檢驗Sig為0，表明數據的統計意義顯著，適合采用主成分分析。本文利用SPSS進行主成分分析，采用累計貢獻率大于85%的主成分提取原則，選取3個主成分。表2給出了特征值、貢獻率和累計貢獻率，可以看到第一主成分、第二主成分及第三主成分的特征值相對較大，其方差累計貢獻率為88.631%，符合主成分提取原則，因此選擇前三個成分進行分析。此外，用載荷數除以對應的特征根的開方得到各成分中每個指標的系數。

表2 普惠金融主成分載荷矩陣Tabel 2 HPFinance componentmatrix

各系數乘以標準化的原始數據即可得到各主成分的表達式。經計算，三個主成分的線性組合如下：

綜合得分F為將各因子得分以其方差貢獻率占三個因子總方差貢獻率的比重作為權重進行加權之和。因此，綜合得分 F=（F1×59.101+F2×17.168+F2×12.362）/88.631，得出的結果即普惠金融指數。

根據上述方法計算2005—2014年中國30個省域的普惠金融指數，并計算均值，結果表明，北京、上海、天津位居前三位，北京的普惠金融指數處于領先地位，平均得分為2.16，可見北京的普惠金融程度相對較高。2016年10月28日，北京市金融發展促進中心和北京大學在京聯合發布北京金融發展指數（2015）。北京金融發展指數以2010年1000點為基期，2015年上升至2 502.35，同比增長28.63%，期間年均復合增長率為20.13%，北京金融業呈現穩健強勁的發展勢頭。這一現實正與本文的研究結果相符合。而廣西的普惠金融指數最低，平均得分只有-0.65，這說明廣西的普惠金融程度較低。

2 模型、變量與數據

2.1 空間計量模型

2.1.1 空間滯后面板數據模型

空間滯后面板數據模型（SAR Panel）設定為：

其中，（IT? WN）y為空間滯后因變量，ρ為空間自回歸系數，ρ的估計量在統計上顯著則表明存在空間相關，ρ是正數則表明存在正的空間相關，反之為負相關。x為NT×k自變量觀測值矩陣，β為對應的k×1參數向量。η為空間固定效應列向量：η=iN?sf，sf為空間固定效應的 N 維列向量：sf=（η1，η2，…，ηN）'，iN為 N 維元素為1的列向量。

2.1.2 空間誤差面板數據模型

空間誤差面板數據模型（SEM Panel）設定為：

其中，y為NT×1因變量觀測值向量，x為NT×k自變量觀測值矩陣（包括常數項），β為k×1參數向量。空間和時間固定效應列向量為：η=iN?sf，δ=tf?iT。sf和tf表示空間固定效應的N維列向量和時間固定效應的 T 維列向量，即 sf=（η1，η2，… ，ηN）'，tf=（δ1，δ2，… ，δT）'，iN和 iT分別為 N維和 T維元素為 1的列向量。（IT?WN）u是空間滯后誤差項，λ為空間誤差自回歸系數。

2.1.3 空間杜賓面板數據模型

空間杜賓面板數據模型（SDM Panel）設定為：

其中，y 為 NT×1 因變量觀測值向量，（IT? WN）y為空間滯后因變量，ρ為空間自回歸系數，x為NT×k自變量觀測值矩陣 （包括常數項），β1為k×1參數向量，（IT?WN）x是模型中加入的一個空間滯后解釋變量，β2是其回歸系數向量，該變量表示相鄰地區變量對因變量的影響。

2.2 變量與數據

2.2.1 被解釋變量

本文用地區生產總值（Y）來衡量地區的經濟增長情況。本文在建模過程中對地區生產總值取自然對數。這是因為地區生產總值的數值較大，取對數可以使之與其他變量處于同一數量層次，統一研究的尺度。

2.2.2 核心解釋變量

普惠金融的發展水平是本文主要關注的解釋變量，本文用普惠金融指數（X1）來衡量地區普惠金融的發展程度。

2.2.3 其他控制變量

經濟開放度（X2）：本文用進出口總額來衡量經濟開放度，為了統一研究的尺度，在建模過程中對進出口總額取自然對數。城鎮化率（X3）：本文用城鎮化率來衡量城鎮化進程，城鎮化率用城鎮人口與常住人口的比值來表示。物價水平（X4）：本文用CPI來衡量物價水平。

就業人員文化水平（X5）：本文采用就業人員文化水平這一指標來衡量勞動力的人力資本投資水平，就業人員文化水平用大專及以上人口占勞動力的比例來表示。勞動生產率（X6）：本文中勞動生產率是用工業增加值與年平均就業人員的比值來衡量。固定資產投資額（X7）：為了統一研究的尺度，在建模過程中對固定資產投資額取自然對數。

本文選取了2005—2014年中國30個省域各變量的年度數據，由于西藏、香港和澳門特別行政區、臺灣省的個別數據缺失，并且個別指標的數據明顯異常于其他省區，因此剔除其數據，最終篩選有效樣本為300個。本文數據來源于國家統計局、2006—2015年《中國統計年鑒》及各省統計年鑒、《中國人口和就業統計年鑒》和《中國勞動統計年鑒》。本文變量的描述性統計如表3所示。

表3 變量的描述性統計Table 3 Descriptive statistics of variable

3 實證分析

3.1 空間相關性檢驗

Moran’s I檢驗是最常見的全局空間相關性檢驗方法。Moran’s I統計量反映了空間鄰接或空間臨近的區域單元屬性值的相似度。本文利用Matlab 2015進行 Moran’s I檢驗，得出的 Moran’s I統計值 2.493 738 77，大于臨界值0.090 969 48，P值0.012 640 55小于0.05，所以拒絕“不存在空間相關性”的原假設。

局部空間自相關指標包括Moran散點圖和空間聯系的局部指標 （LISA集聚圖）。本文分別考察2005—2014年我國地區生產總值和普惠金融指數的Moran散點圖和LISA集聚圖，二者的Moran散點圖和LISA集聚圖分布較為穩定，因此本文選擇2014年結果為代表，利用Geoda軟件作出Moran散點圖（如圖1）進行分析說明。

圖1 我國2014年地區生產總值和普惠金融指數Moran散點圖Fig.1 Moran scatter diagram of regional total output value and HPFinance index in 2014 in China

表4 地區生產總值和普惠金融指數Moran散點圖各象限省份Tab.4 Moran scatter diagram of all quadrant provinces of regional total output value and HP Finance index

從地區生產總值的Moran散點圖上，我們可以發現，山東、江蘇、浙江、福建等8個省份都處于第一象限，這說明它們自身的地區生產總值高，并且與其他地區生產總值高的地區集聚在一起。安徽、江西、廣西等7個省份位于第二象限，這說明它們自身的地區生產總值低，但其周邊地區生產總值高。新疆、青海、陜西等11個省份位于第三象限，這說明它們自身的地區生產總值低，并且與其他地區生產總值低的地區集聚在一起。四川、廣東等4個省份位于第四象限，這說明它們自身的地區生產總值高，但其周邊地區生產總值低。

從普惠金融指數的Moran散點圖上，我們可以發現，北京、天津、浙江3個省份都處于第一象限，這說明它們自身的普惠金融程度高，并且與其他普惠金融程度高的地區集聚在一起。江蘇、河北2個省份位于第二象限，這說明它們自身的普惠金融程度低，但其周邊普惠金融程度高。新疆、云南、河南等20個省份位于第三象限，這說明它們自身的普惠金融程度低，并且與其他普惠金融程度低的地區集聚在一起。上海、重慶、江西、湖南、黑龍江5個省份位于第四象限，這說明它們自身的普惠金融程度高，但其周邊普惠金融程度低。

3.2 模型估計與結果分析

3.2.1 模型選擇

通常，空間計量經濟學將空間回歸模型分為兩種：空間滯后模型（SAR）和空間誤差模型（SEM）。若變量間的空間依賴性對模型很關鍵而導致空間自相關，則應采用空間滯后模型（SAR）；若模型的誤差項存在空間自相關，則應采用空間誤差模型（SEM）。表5給出的拉格朗日乘子滯后和誤差及其穩健性檢驗，該結果顯示，LMlag比LMerr更為顯著，R-LMlag顯著而RLMerr不顯著，因此，在研究金融集聚對區域經濟增長的影響這一問題上，應該選擇空間滯后（SAR）模型。

表5 模型設定檢驗Table 5 Inspection ofmodel specification

3.2.2 模型估計結果

本文利用matlab 2015軟件分別對空間滯后面板數據模型（SAR Panel）和空間誤差面板數據模型（SEM Panel）進行估計。根據LM檢驗結果，本文選擇SAR模型作為解釋模型。此外，為了研究本省普惠金融發展水平對相鄰省域的影響，本文還對空間杜賓面板數據模型 （SDM Panel）進行估計。表6給出了SAR、SEM、SDM三個模型估計結果。

從SAR模型估計結果來看，普惠金融指數的系數為正，通過了5%的顯著性檢驗，說明普惠金融程度越高，地區的經濟增長越快。從表6可以看出，經濟開放度、城鎮化率、物價水平、就業人員文化水平、勞動生產率以及固定資產投資額的系數均顯著為正，這表明它們均對地區經濟增長起正向影響作用。此外，空間自回歸系數ρ結果顯著，說明地區經濟增長存在顯著的空間相關性，而這種空間相關性作為一種重要影響因素，應在構建模型時加以考慮?？臻g計量模型考慮空間相關性的影響，比傳統計量方法建立回歸模型更優。空間自回歸系數ρ估計值為0.341 959，且在1%水平下顯著，說明我國各地區經濟增長存在空間溢出效應，地理區位特征對省域經濟增長的變動存在顯著影響。而從SEM模型的估計結果可知，普惠金融指數的系數不顯著，與現實不符，這也進一步驗證了LM檢驗結果的正確性。

表6 SAR、SEM、SDM 模型估計結果Table 6 Model estimation results of SAR、SEM and SDM

通過分析SDM模型結果發現，該模型的擬合優度為0.995 7，是三個模型中最高的，并且各變量系數顯著性都較高，說明模型中引入普惠金融的空間變量是合理的。普惠金融指數X1的系數顯著為正，而W*X1的系數顯著為負，這說明我國的普惠金融通過地理空間機制對我國經濟增長發揮作用，普惠金融的發展對周邊地區的經濟增長存在負的空間溢出效應，表明相鄰地區的普惠金融程度的提高會使得本地區的經濟增長減慢。這可能是因為本地區的普惠金融程度落后于相鄰地區，那么該地區經濟增長會落后于相鄰地區，作為經濟發展重要要素的勞動力，在普惠金融程度高的地區意味著更多的機會和更好的發展前景，這使得大量勞動力涌向普惠金融程度較高的地區。而受累積因果關系的影響，相鄰地區發展優勢的集聚會強化這種現有的差異格局，促進其經濟增長。所以相鄰地區的普惠金融程度的提高會使得本地區的經濟增長減慢。

4 結論與建議

本文通過研究普惠金融對經濟增長的影響，得出如下結論：普惠金融對經濟增長有正向影響作用，并且普惠金融的程度與經濟增長的速度高度相關；我國各地區經濟增長存在空間溢出效應，地理區位特征對省域經濟增長的變動存在顯著影響；普惠金融的發展對周邊地區的經濟增長存在負的空間溢出效應。

為了使普惠金融對我國經濟增長起到有效推進作用，筆者根據本文的研究結果提出如下三點建議：

1）應重視區域經濟增長與普惠金融的互動。普惠金融的發展水平會對一個地區的經濟增長起到強有力的推動作用。相應地，一個地區的經濟發展水平也會影響普惠金融的程度。因此，應重視區域經濟增長與普惠金融的互動。當一個地區的經濟發展起來后，應該大力發展普惠金融，金融必須為廣大中小企業服務，讓所有市場主體都能分享金融服務的雨露甘霖，這有利于促進金融業可持續均衡發展，推動大眾創業、萬眾創新，助推經濟發展方式轉型升級，從而進一步促進區域經濟增長，實現區域經濟增長與普惠金融的互動。

2）著力發展金融企業，繁榮金融活動。經濟落后的省份為縮小與經濟發達的省份之間的差距，應該發展金融企業、繁榮金融活動，更加注重推動普惠金融，促進金融業的進一步發展。為此，迫切要求地方政府從加強金融服務可得性和使用有效性兩個方面進一步提升地區的普惠金融水平，進一步增強金融業對經濟發展的滲透力和支撐力。

3）高度重視空間因素，充分利用相鄰省份的相互作用，推動普惠金融。首先，應加強金融發達地區的區域輻射力度。這要求政府應該健全勞動力市場的協調機制、減少勞動力資源的跨區域流動障礙，并且對落后的地區采取更多的政策紅利，引導勞動力從金融發達地區向相鄰的較不發達地區轉移，從而克服普惠金融的發展對周邊地區的經濟增長存在的負空間溢出效應，產生有利的影響。其次，普惠金融水平落后的省份，應該積極配合發達省份，推進金融資源共享，注重相鄰省份的協作，促進區域間的影響作用。只有通過整體的金融合作，加快區域經濟一體化，普惠金融水平落后的省份才能享受到普惠金融水平高的省份的空間溢出效應，從而縮小各省份之間的差距，達到協調發展、共享發展的目標，帶動經濟的發展。

[1] 李建偉,李樹生,胡斌.具有普惠金融內涵的金融發展與城鄉收入分配的失衡調整:基于VEC模型的實證研究[J].云南財經大學學報,2015(1):110-116.

[2] 肖瑞.普惠金融發展對城鄉收入差距的影響分析[D].浙江:浙江工商大學,2015.

[3] 張曉燕 互聯網金融背景下普惠金融發展對城鄉收入差距的影響[J].財會月刊,2016(17):94-97.

[4] 葉偉超.普惠金融的發展對城鄉居民收入差距的影響:以華東七省為例[J].哈爾濱商業大學學報(社會科學版),2016(4):50-58.

[5] 呂勇斌,李儀.金融包容對城鄉收入差距的影響研究:基于空間模型[J].財政研究,2016(7):22-34.

[6] 杜強,潘怡.普惠金融對我國地區經濟發展的影響研究:基于省際面板數據的實證分析[J].經濟問題探索,2016(3):178-184.

[7] 楊燕.普惠金融水平的衡量及其對經濟增長的影響:基于中國經濟區域2005—2013年的面板數據 [J].金融與經濟,2015(6):38-44.

（責任編輯：夏婷婷）

Research about HP Finance’s Im pact on Regional Econom ic Grow th

CHEN Yalin

(College of Finance and Economics,Jimei University,Xiamen,Fujian 361021)

This article takes 30 provinces and regions of China as research objects,adopts data of them from 2005 to 2014 and build HP Finance index from finance service availability and use effectiveness,so as to measure developmental level of HP Finance in 30 provinces and regions and empirically studies it through building spatial panel datamodels.The result shows that:(1)HP Finance has positive impact on economic growth and the degree of HP Finance is highly related to the speed of economic growth;(2)Regional economic growth presents spatial spillover effect,the features of geographical location remarkably affect the variation of economic growth;(3)HP Finance has negative spatial spillover effect on economic growth of surrounding areas.Therefore,the interaction between regional economic growth and HP Finance should be highly valued and focus on developing financial enterprises,prospering financial activities.We should also pay high attention to spatial factors,fully utilizemutual support of neighboring provinces and regions,boost HPFinance and drive the developmentof the economy.

HPFinance;regional economic growth;spatial spillover effect

F832.0

A

1674－2109(2017)09－0060－07

2017-03-19

陳雅琳（1992-），女，漢族，碩士研究生，主要從事金融理論研究。