普惠金融與中小微企業融資約束
——來自中國中小微企業的經驗證據

鄒 偉，凌江懷

(華南師范大學經濟與管理學院，廣東 廣州 510006)

一、引 言

自十八屆三中全會提出發展普惠金融以來，普惠金融已引起社會各界的廣泛關注。2015年12月，國務院頒布《推進普惠金融發展規劃(2016—2020年)》，提出我國普惠金融發展目標是到2020年，建立與全面建成小康社會相適應的普惠金融服務和保障體系。這意味著發展普惠金融已經上升為國家戰略，在“十三五”乃至未來更長時期，我國金融改革與發展將迎來一個以普惠金融為重要內容的全面深化和創新發展時期。

2005年，聯合國在推廣“國際小額信貸年”時首次提出普惠金融體系(Inclusive Finance System)的概念，其基本含義是“一個能夠有效地、全方位地為社會所有階層和群體(尤其是貧困、低收入人口)提供服務的金融體系”，達到“讓每一個人在有金融需求時都能以合適的價格，享受到及時的、有尊嚴的、方便的、高質量的金融服務”的目的。周小川(2013)認為，普惠金融是“通過完善金融基礎設施，以可負擔的成本將金融服務擴展到欠發達地區和社會低收入人群，向他們提供價格合理、方便快捷的金融服務，不斷提高金融服務的可得性”[1]。可以看出，不斷提高弱勢群體金融服務的可得性，是普惠金融概念的內涵之一，也是發展普惠金融的首要目標。在金融服務實體經濟過程中，中小微企業往往被排斥在正規金融體系外，成為市場經濟中的弱勢群體。因此，緩解中小微企業融資約束，不斷提高中小微企業融資可得性是發展普惠金融的應有之意。經濟新常態下，作為經濟增長重要支持力量的中小微企業正承受著市場和融資的雙重考驗，研究普惠金融對中小微企業融資約束的影響，對促進中小微企業健康發展具有重要的現實意義。

基于內生金融理論，本文主要關注三個問題：第一，發展普惠金融能否緩解中小微企業的融資約束？第二，不同經濟發展水平下，普惠金融對中小微企業融資約束緩解的作用力度是否相同？第三，法律制度環境是否是制約普惠金融緩解中小微企業融資約束的因素？本文從傳統普惠金融和數字普惠金融兩個層面，利用熵值-關聯度法構建傳統普惠金融指數并結合北京大學數字普惠金融指數，使用2008年至2014年中國中小企業板上市公司數據和世界銀行2012年中國企業調查數據，實證分析了普惠金融與中小微企業融資約束的關系。研究表明：發展普惠金融能夠緩解中小微企業融資約束；經濟發展水平、法律制度環境是制約普惠金融緩解中小微企業融資約束的重要因素，較高的經濟發展水平和良好的法律制度環境下，發展普惠金融能夠更加顯著提高中小微企業融資可得性，緩解融資約束。

二、文獻綜述

(一)普惠金融發展水平測度

目前，衡量普惠金融發展水平的指標主要有三種：一是金融服務的可獲得性水平。如Beck et al.(2007)從銀行服務覆蓋度和使用度的角度，設置了8個指標測度了全球99個國家銀行金融服務的可獲得性，發現銀行金融服務可獲得性越高，企業融資約束越小[2]。孫翯和李凌云(2011)從金融網點、存款、貸款、匯兌、保險等角度對我國農村金融服務的覆蓋程度進行了分析，認為我國不同省份農村金融服務可獲得性存在差異[3]。二是金融排斥程度。Kempson和Whyley(1999)認為，在自我排斥、地理排斥、條件排斥、評估排斥、營銷排斥和價格排斥等的共同作用下，弱勢群體很難獲得正規金融服務[4]。高沛星和王修華(2011)借鑒以上指標考察了我國農村金融排斥程度，發現我國農村金融排斥存在明顯的區域差異[5]。三是構建多維度多指標的普惠金融發展指數。如從金融機構滲透度、金融機構服務可用度和金融服務的使用程度等維度，綜合評價普惠金融發展水平[6]。2016年7月，北京大學公布了2011年至2015年中國數字普惠金融指數，該指數從互聯網金融服務的覆蓋廣度、使用深度和數字支持服務3個維度出發構建指標體系，測量了除港澳臺地區外，全國31個省區市的數字普惠金融發展狀況。

(二)普惠金融的影響因素

前期文獻主要從宏觀環境、金融服務供給方和需求方等方面分析普惠金融的影響因素。宏觀環境主要包括宏觀政策、法律制度、經濟發展水平等。不同時期的宏觀政策對普惠金融發展有顯著影響[7]。良好的法律制度環境是提高金融服務可獲得性的重要條件[2]。經濟發展水平越高，普惠金融發展得越好[8]。另外，如交通情況、產業結構、投資環境、城市化程度、網絡普及程度等都在不同程度上影響普惠金融發展。從金融服務供給方來看，影響普惠金融發展的因素包括金融產品設計、金融基礎設施水平、金融機構的服務壁壘、金融機構的地理位置等。從金融服務需求方來看，普惠金融發展水平與金融服務的渠道選擇、金融服務需求方的個體特征如性格、年齡、收入、職業、受教育程度、金融知識的掌握程度等密切相關。

(三)普惠金融與中小微企業融資

普惠金融能夠幫助低收入群體和中小微企業獲得信貸支持，緩解金融排斥，提高金融資源配置效率，促進經濟增長。前期文獻主要圍繞如何發展普惠金融，緩解中小微企業融資約束問題展開研究，提出發展中小微金融機構和互聯網金融，創新融資方式，探索橋隧模式、路衢模式、平臺模式、金融倉儲模式與科技金融模式等，破解中小微企業融資難題[9]。

前期文獻對普惠金融的研究，存在以下三個特點：第一，從銀行、證券、保險等傳統金融服務的角度，采用變異系數法、熵值法或層次分析法等單一權重確定方法測度普惠金融發展水平。第二，對普惠金融與中小微企業融資約束的關系，定性分析較多，定量分析較少。第三，現有文獻較少涉及從經濟發展水平、法律制度環境等角度分析普惠金融與中小微企業融資約束的關系。基于此，本文可能的貢獻在于：第一，在構建普惠金融指數時，加入小額貸款和融資租賃指標，采用熵值-關聯度法進行綜合賦權，使之更符合客觀事實；第二，利用2008年至2014年中小企業板上市公司數據和世界銀行2012年中國企業調查數據，對普惠金融與中小微企業融資約束的關系進行定量分析；第三，研究在不同經濟發展水平和法律制度環境下，普惠金融對中小微企業融資約束的影響，豐富了相關文獻。

三、理論分析和研究假設

普惠金融是在金融機構成本可負擔的前提下，通過不斷的競爭和創新，保證金融服務排斥的對象逐步獲得其需要的相關服務。中小微企業的市場風險承受能力較小，破產概率較高，針對其特點的金融服務還較少，導致其融資渠道狹窄和融資成本較高，無法獲得擴大生產所需資金，在市場競爭中易失去生存和發展機會。發展普惠金融，一方面，通過改善資金供求雙方信息不對稱程度，減少企業外部融資成本，提高企業發展速度，降低企業投資活動對內部資金的敏感度和現金流敏感度，緩解融資約束[10]；另一方面，金融組織體系更加完善，金融產品更加豐富，金融資源逐步增加，有利于擴大金融資源配置的廣度和深度，增加中小微企業融資渠道，即使大企業憑借其資產實力獲得外部融資的機會遠大于中小微企業，中小金融機構也可能發生“使命飄移”等問題，但中小微企業仍會從金融資源增加的“漏損效應”中受益[11]。基于以上分析，本文提出假說1：

假說1：發展普惠金融可以緩解中小微企業融資約束，提高融資可得性。

內生金融發展理論認為，金融體系的形成與發展需要成本。在經濟發展水平較低時，經濟主體無法承擔形成金融體系所需的成本，普惠金融體系不會內生形成[12]。此時，金融發展處于低效率狀態，無法充分滿足中小微企業融資需求。在經濟發展水平較高時，金融中介機構利用借貸雙方的規模經濟，降低金融交易成本；金融市場在信息獲取和傳播方面的比較優勢也有利于減少信息不對稱，提高中小微企業的融資可得性。

制度是影響普惠金融發展的重要因素[12]。法律制度越完善，對投資者的保護越充分，金融市場和金融中介越發達，越有利于企業的成長。隨著社會主義法律體系的不斷完善，我國法律制度環境總體向好，但各地開放程度、文化傳統和社會風俗以及部分地區存在的地方保護主義和部門利益傾向等因素導致地區間法律制度環境存在客觀差異[13]。在法律制度環境較好時，若出現信貸違約風險，司法機關通過法律程序保護合同的履行，為資金出借方提供補償，降低了金融機構的風險成本。同時，較好的法律制度環境也有利于保護投資者的利益，減少控股股東的“掏空”行為，提高外部投資者資金供給意愿，有助于緩解中小微企業融資約束[10][11][14]。總之，良好的法律制度環境是普惠金融發展的前提，不僅讓企業減少了對內部資源的依賴，提高了外部融資比例，也可以成為企業內部治理的替代機制，降低企業融資成本。而在法律制度環境較差時，對投資者保護的缺失，不利于發揮普惠金融緩解中小微企業融資約束的作用。基于以上分析，本文提出假說2和假說3：

假說2：在經濟發展水平較高時，發展普惠金融更能顯著緩解中小微企業融資約束。

假說3：在法律制度環境較好時，發展普惠金融更能顯著緩解中小微企業融資約束。

四、數據來源、模型設定及變量說明

(一)數據來源

1.中小微企業數據來源

本文的主要研究對象是中小企業板上市公司，樣本區間為2008年至2014年，觀測點有625家公司，共3620個非平衡面板數據，數據來自CSMAR數據庫。參照Khurana et al.(2006)、姚耀軍和董鋼鋒(2015)等的做法[10][15]，對數據進行篩選：(1)剔除金融業上市公司；(2)剔除*ST、ST、PT以及資產負債率大于1的公司；(3)剔除數據中的異常值，如現金流和資本支出指標絕對值大于1的數據，并采用Winsorize方法對數據按照1%的標準進行縮尾處理。穩健性檢驗的數據來自世界銀行2012年中國企業調查數據，研究對象為500家制造業小微企業。

2.普惠金融指數測算

本文將普惠金融指數分為傳統普惠金融指數和數字普惠金融指數。傳統普惠金融指數是從傳統金融機構的金融服務可得性(金融服務滲透性)、金融服務使用情況(金融服務使用性)、金融服務質量(金融服務效用性)等維度考察普惠金融發展程度。數字普惠金融指數是從創新性互聯網金融的覆蓋廣度、使用深度和數字支持服務程度等維度考察數字普惠金融發展程度。本文基于熵值-關聯度方法，從服務中小微企業的銀行、證券、保險、小額貸款、融資租賃等多個視角，運用金融服務可得性、金融服務的使用性和金融服務質量等3個維度，共12個指標來構建傳統普惠金融指數(見表1)，并結合北京大學數字普惠金融發展指數，全面考察我國普惠金融發展水平。下面主要介紹傳統普惠金融指數的測算方法。

表1 傳統普惠金融指數指標體系

表1中，為解決指標X21、X22的分子為存量，分母為流量，無法直接相除的問題，將存量指標用t年年末CPI(CPI數據來自中國統計年鑒，下同)平減，流量指標用t年年均CPI平減，并計算存量指標在t年和t-1年的均值，并除以t年實際GDP，具體公式如下：

其中，e代表年末，a代表年均。

借鑒Sarma和Pais(2011)的方法，傳統普惠金融指數測算公式如下[16]：

(1)

其中，TIFIit為第i個省份在t年的傳統普惠金融指數，取值在[0，1]之間，該值越大，表明普惠金融發展越好。wjt為第j個維度在t年的權重，Djt為第j個維度在t年的測度值，其計算公式為：

(2)

(3)

普惠金融指數測算的關鍵是確定各個維度的權重。前期文獻所使用變異系數法，對指標的經濟意義重視不夠，特別是當個體在具體指標上差別不大時，利用該方法確定的權重存在較大的誤差。熵值法是通過指標數據反映的信息量大小確定權重，能夠客觀反映不同指標的信息量，但缺乏指標間的橫向比較。灰色關聯度法能充分利用評價過程獲得的信息，客觀處理評價中遇到的不確定性等問題。而采用熵值-關聯度法確定權重，既能充分利用指標所提供的信息，也能反映單一指標對其他各指標所起到的影響，具體做法如下。首先，利用熵值法確定權重。計算公式如下：

(4)

式(4)中，ej表示第j個指標的熵值；m為研究對象個數，本文中m=31。根據熵值求其差異系數，即

gj=1-ej

(5)

式(5)中，gj為第i個指標的差異系數。差異系數越大，該指標的作用越大，熵值越小。反之，差異系數越小，作用越小，熵值越大。

其次，利用灰色關聯度法確定權重。在指標賦權過程中，需要消除指標間的信息重復。指標間的關聯度越大，說明指標間的重復信息越多，應賦予較小的權重，反之，應賦予較大權重。灰色關聯度確定權重的步驟如下：

第一步，確定研究矩陣，根據本文的數據，構造初始矩陣{Xij}(i=1，2…，m;j=1，2…，k)。

xkm為第m個省份第k個指標。

第二步，將指標進行標準化處理。

(6)

其中，X0j=max(X1j，X2j，…Xmj)

得到矩陣：

X′=(X′ij)(m+1)×k(i=0，1，2…，m;j=1，2…，k)

則X′0j=1(i=0，1，2…，m)

第三步，確定參考數列。令X0=(1，1，…1)k

第四步，計算第i個單位第j個指標與參考序列相比較的關聯系數rij。

(7)

ρ為分辨系數，一般取ρ=0.5

得到灰色關聯度判斷矩陣：

計算反映第j個指標與參考序列的關聯程度：

(8)

計算υij指標與其他指標的沖突系數：

(9)

熵權反映了指標所含的信息量，而指標間重復信息的消除用沖突系數來體現。

Hj=gj×Pj

(10)

最后得到各指標的綜合權重：

(11)

利用上述權重確定方法，并結合式(1)、(2)和(3)，最終得到傳統普惠金融指數。從2008年至2014年的數據看，我國東部、中部和西部地區傳統普惠金融發展水平呈現依次遞減的梯度特征。

(二)模型設定及變量說明

目前，度量融資約束方法主要有兩種：一是單一指標或約束指數，如利息保障倍數、股利支付率、債券評級和產權性質；KZ約束指數、WW約束指數、ZFC約束指數等；二是量化模型，如投資-現金流模型和現金-現金流模型。單一指標無法綜合衡量企業的融資約束程度，而構建約束指數需要嚴格的假設條件(如發達的資本市場等)，是否適用于我國企業還有待檢驗。投資-現金流模型也存在明顯的局限性：一方面，在外部融資環境寬松時，良好的投資機會可以吸引外部資金流入企業，擴大投資-現金流敏感性，此時企業可能并不存在融資約束；另一方面，當存在嚴重的委托-代理問題時，職業經理人通過過度投資來追求利益最大化，此時投資-現金流敏感性也會比較大。因此，本文借鑒Khurana et al.(2006)的方法，利用現金-現金流模型來研究中小微企業融資約束問題[10]，基本模型設定如下：

△Cashit=β0+β1CFit+β2Sizeit+β3ΔStdit+β4ΔNwcit+β5Growit+β6Expendit+β7CFit×IFIjt+

dt+fi+εit

(12)

式(12)中，被解釋變量△Cash是現金持有量變動；解釋變量CF是現金流，CF×IFI是企業現金流(CF)與普惠金融指數(IFI)的交叉項；控制變量包括企業規模(Size)、企業短期負債變動(△Std)、企業凈營運資本變動(△Nwc)、企業成長性(Grow)、企業資本支出(Expend)。普惠金融指數(IFI)分為傳統普惠金融指數(TIFI)和數字普惠金融指數(DIFI)，通過皮爾遜相關關系檢驗得知，兩個指數之間存在顯著的正相關關系。因此，將CF×TIFI和CF×DIFI分別放在式(12)中回歸。d為時間效應，f為個體效應，ε為誤差項，i為企業標識，j為省份標識，t為時間標識。

表2 變量說明

表2中，法律制度環境(Law)數據來自王小魯、樊綱、余靜文編制的《中國分省份市場化指數報告(2016)》中的“市場中介組織的發育和法律制度環境指數”，與傳統普惠金融指數(TIFI)、數字普惠金融指數(DIFI)和經濟發展水平(GDP)一樣，均按照企業辦公地所在的省區市進行匹配。企業所在的行業按照《上市公司行業分類指引(2012年修訂)》進行分類。表3給出了這些變量的描述性統計。

表3 變量描述性統計

五、實證結果分析

(一)普惠金融對中小微企業融資約束影響的回歸結果

對式(12)采用雙向固定效應方法進行估計。為了處理可能存在的內生性問題，同時利用一階差分GMM方法估計，以便進行比較[15]。表4報告了兩種方法的估計結果，其中(1)和(2)是雙向固定效應估計結果，(3)和(4)是一階差分GMM估計結果。所有結果的CF系數都顯著為正，表明樣本企業雖然是上市公司，仍存在融資約束。在(1)和(2)中，CF×TIFI和CF×DIFI交叉項系數為負，說明發展普惠金融可以降低中小微企業現金流敏感性，緩解融資約束。在(3)和(4)中，CF×TIFI系數為負，未通過統計檢驗，但CF×DIFI的系數在5%水平下顯著為負，表明發展數字普惠金融能夠顯著降低中小微企業融資約束，這與假說1的預期基本一致。

在控制變量方面，企業規模的系數在(1)和(2)中不顯著，但在(3)和(4)中顯著為負，說明企業規模越大，融資約束越小；企業短期負債變動和企業凈營運資本變動的系數顯著為正，表明短期負債和凈營運資本增加，企業將持有更多現金資產；企業成長性系數在(1)、(2)和(3)中顯著為負，說明企業成長性越好，現金資產越多；企業資本支出的系數只在(1)中顯著為負，表明企業資本支出越多，現金流敏感度越低。

表4 普惠金融對中小微企業融資約束影響

注：括號內的值為t統計值；*、** 和*** 分別表示在10%、5%和1%水平上顯著。下同。

(二)不同經濟發展水平下普惠金融對中小微企業融資約束的影響

為了驗證假說2，將樣本數據按照企業所在省區市的人均GDP分兩組進行分析：一組的人均GDP大于中值，代表經濟發展水平較高；另一組的人均GDP小于中值，代表經濟發展水平較低。

表5 不同經濟發展水平下普惠金融對中小微企業融資約束的影響

表5的回歸結果(1)、(2)和(4)中，CF×TIFI和CF×DIFI的系數顯著為負，表明在經濟發展水平較高時，發展普惠金融有利于緩解中小微企業融資約束。在人均GDP小于中值組，CF×TIFI和CF×DIFI的系數在(6)和(7)中不顯著，甚至在(5)和(8)中為正，表明在經濟發展水平較低時，普惠金融與中小企業融資約束緩解之間沒有形成穩健的聯系，與假說2預期基本一致。

(三)不同法律制度環境下普惠金融對中小微企業融資約束的影響

為了驗證假說3，將樣本數據按照法律制度環境指數分為兩組進行分析：法律制度環境指數大于中值組，代表法律制度環境較好；法律制度環境指數小于中值組，代表法律制度環境較差。表6顯示，法律制度環境較好時，CF×TIFI和CF×DIFI的系數顯著為負，說明此時發展普惠金融有利于緩解中小企業融資約束。法律制度環境較差時，CF×TIFI和CF×DIFI的系數有正有負，但都不顯著，表明此時發展普惠金融與緩解中小企業融資約束之間沒有形成穩健的聯系，與假設3的預期基本相符。作為法律制度環境的營造者，政府在普惠金融發展中承擔著重要的任務，如建立健全征信體系，加強金融消費者教育與保護等，但這并不意味著推進普惠金融的主導力量是政府。根據聯合國對普惠金融發展目標的界定，普惠金融要在“政府引導、市場主導”的原則下進行市場化操作，走商業化可持續發展之路。法律制度環境較差時，政府如果通過財政補貼或行政命令的方式，要求金融機構為中小微企業提供金融服務，這樣的服務不符合商業可持續發展的原則，不能被看作是普惠金融的做法[17]。此時，政府若能為金融機構服務中小微企業營造良好的法律制度環境，促進普惠金融發展，可以降低金融機構服務中小微企業的風險成本，增加中小微企業融資可得性，緩解融資約束。因此，法律制度環境是制約普惠金融緩解中小微企業融資約束的重要因素。

表6 不同法律制度環境下普惠金融對中小微企業融資約束的影響

六、穩健性檢驗

本文用兩種方法進行穩健性檢驗：第一，上市公司的現金流敏感性可能受發放現金股利相關，故在模型性中加入股利發放率作為控制變量，結論不變；第二，考慮到前文研究對象是中小企業板上市公司，為了避免樣本選擇對結論造成的影響，本文基于世界銀行2012年中國企業調查數據，借鑒王春超和賴艷(2017)的做法，構造以下模型進行穩健性檢驗[18]：

Formalfinancingi=α0+α1IFIj+α2Govi+α3Agei+α4Sizei+α5Manageri+α6Growi+μk+εik

(13)

式(13)中，被解釋變量Formalfinancing為企業營運資金中從銀行和非銀行金融機構融資的比例；解釋變量IFI為普惠金融指數，為了更好地與微觀數據進行匹配，傳統普惠金融指數TIFI取2010年至2012年的平均值，數字普惠金融指數DIFI取2011年和2012年的平均值。控制變量包括企業股權結構中政府持股比重(Gov)；企業年齡(Age)，用2012年減去企業注冊年份并取對數來衡量；企業規模(Size)，用2011年銷售額的自然對數來表示；管理者特征(Manager)，用企業CEO行業工作年數取自然對數來衡量；企業成長性(Grow)，用2012年減去2009年銷售額然后除以2009年銷售額的比率表示；法律制度環境(Law)和經濟發展水平(GDP)的數據來源與前文一致，均按照企業辦公地所在的省區市進行匹配。

表7 變量描述性統計

2012年世界銀行中國企業問卷調查共涉及12個省、25個城市的制造業和服務業企業2700家。經過整理，去掉數據嚴重缺失的樣本，最終選取其中的500家制造業小微企業*該調查中所定義的小微企業是指員工數量大于5人且小于等于19人的企業。作為研究對象。為了考察多重共線性問題，對變量進行了皮爾遜相關分析。表8的結果表明，各變量之間相關系數較小，不存在多重共線問題。

表8 變量相關系數表

表9 普惠金融對小微企業融資約束影響

表9的回歸結果顯示，TIFI和DIFI的系數均顯著為正，說明發展普惠金融提高了小微企業從銀行和非銀行金融機構融資的比例，有助于緩解小微企業融資約束，證明了假說1的穩健性。企業規模的系數顯著為正，說明企業規模越大，越有利于從銀行和非銀行金融機構獲得融資，其他控制變量不顯著。

將樣本數據按照人均GDP和法律制度環境指數的中值進行分組回歸。表10的回歸結果(1)、(2)、(5)和(6)中，TIFI和DIFI的系數顯著為正，表明經濟發展水平和法律制度環境較好時，發展普惠金融可以增加小微企業從銀行和非銀行金融機構融資的比例，緩解融資約束。在回歸結果(3)和(4)中TIFI系數為負，(4)和(8)中DIFI的系數為正，但都不顯著，表明在經濟發展水平和法律制度較差時，發展普惠金融與小微企業從銀行和非銀行金融機構獲得融資之間沒有形成穩健的聯系，證實了假說2和假說3的穩健性。

表10 按人均GDP和法律制度環境指數分組回歸結果

注：表中只報告了解釋變量的系數和t統計值，控制變量略去。

七、主要結論和政策含義

本文基于內生金融理論視角，從傳統普惠金融和數字普惠金融兩個層面，考察了普惠金融對中小微企業融資約束的影響，結果表明：(1)發展普惠金融能夠緩解中小微企業融資約束，增加中小微企業融資可得性。(2)經濟發展水平較好時，發展普惠金融能夠顯著緩解中小微企業融資約束；在經濟發展水平較低時，發展普惠金融緩解中小微企業融資約束的作用效果不顯著。(3)在法律制度環境較好時，發展普惠金融有利于緩解中小企業融資約束；在法律制度環境較差時，發展普惠金融與緩解中小微企業融資約束之間沒有形成穩健的聯系。

本文結論的政策含義是：發展普惠金融是緩解中小微企業融資約束的重要途徑，經濟發展水平和法律制度環境是制約普惠金融緩解中小微企業融資約束的重要因素。根據普惠金融需求多樣性特點，在防范金融風險的前提下，政府應著力打造滿足中小微企業融資需求的多層次金融服務體系：加快傳統金融機構改革轉型，提高金融服務的滲透率和覆蓋面；大力發展諸如社區銀行、民營銀行等新型普惠金融機構；推動數字普惠金融的創新發展。在經濟發展水平較低地區，除發展經濟，提升經濟總量外，政府部門還應著力加強普惠金融基礎設施建設，改善法律制度環境，降低金融機構風險成本和金融市場的信息不對稱程度，引導金融機構服務中小微企業。

參考文獻:

[1] 周小川.踐行黨的群眾路線推進包容性金融發展[J]. 中國金融家，2013，(10):18-21．

[2] Beck T.， Demirguc-Kunt A., Martinez Peria M.S.Reaching Out: Access to and Use of Banking Services across Countries[J]. Journal of Financial Economics，2007，85(1):234-266．

[3] 孫翯，李凌云.我國農村金融服務覆蓋面狀況分析——基于層次分析法的經驗研究[J]. 經濟問題探索，2011，(4):131-137．

[4] Kempson E.， Whyley C., Foundation J.R. Kept Out or Opted Out？ Understanding and Combating Financial Exclusion[M]. London: The Policy Press，1999.4-13．

[5] 高沛星，王修華.我國農村金融排斥的區域差異與影響因素——基于省際數據的實證分析[J]. 農業技術經濟，2011，(4)：93-102.

[6] Sarma M.Index of Financial Inclusion[Z]. Indian Council for Research on International Economic Relations Working Paper，2008，(215)：1-20．

[7] Chakravarty S.R.， Pal R.Measuring Financial Inclusion：An Axiomatic Approach[J]. Journal of Policy Modeling，2013， 35(5): 813-837．

[8] 方蕾，粟芳.我國農村普惠金融的空間相關特征和影響因素分析——基于上海財經大學2015“千村調查”[J]. 財經論叢，2017， (1):39-48.

[9] 田霖.金融普惠、金融包容與中小企業融資模式創新[J]. 金融理論與實踐，2013，(6):17-20．

[10] Khurana I.K.，Martin X.，Pereira R. Financial Development and the Cash Flow Sensitivity of Cash[J]. Journal of Financial & Quantitative Analysi，2006，41(4)：787-807．

[11] 盧峰，姚洋.金融壓抑下的法制、金融發展和經濟增長[J]. 中國社會科學，2004，(1):42-55．

[12] 星焱.普惠金融:一個基本理論框架[J]. 國際金融研究，2016，(9):21-37．

[13] 潘克勤.法制環境及金融發展、企業的金融機構背景與融資約束——中國民營上市公司的經驗證據[J]. 經濟經緯，2011，(1):68-73．

[14] 王俊秋，張奇峰.法律環境、金字塔結構與家族企業的“掏空”行為[J]. 華東理工大學學報(社會科學版)，2007，(3):97-104．

[15] 姚耀軍，董鋼鋒.中小企業融資約束緩解:金融發展水平重要抑或金融結構重要？——來自中小企業板上市公司的經驗證據[J]. 金融研究，2015，(4):148-161.

[16] Sarma M.， Pais J.Financial Inclusion and Development[J]. Journal of International Development，2011，23(5)：613-628．

[17] 黃益平.數字普惠金融的機會與風險[J]. 新金融，2017，(8):4-7．

[18] 王春超，賴艷.金融抑制與企業融資渠道選擇行為研究[J]. 經濟評論，2017，(5):51-63．