金融發展與收入差距： 二元體制是一個決定性的因素嗎？1

高明 李德龍 施雨水

0 引言

金融發展與經濟增長、收入分配之間的關系得到學術界越來越多的關注。大量的宏觀研究注意到了金融發展的外部效應，比如對經濟增長的促進作用。也有一些學者指出，金融發展的程度影響到了經濟的分配方式。一方面，金融發展可以創造更廣泛的經濟機會，特別是對低收入家庭，從而有助于縮小貧富差距。比如，信貸市場使更多貧窮家庭的孩子有了接受高等教育的機會，也降低了其因經濟因素輟學的可能；金融市場通過幫助新興企業獲得融資促進新興產業的發展，改善了社會整體福利(Jacoby and Skoufias, 1997; Mookherjee and Ray, 2003)。另一方面，金融發展對收入分配的影響也可經由間接途徑。基于跨國、公司和家庭的實證研究指出，金融發展除強化市場競爭外，還可以通過影響總產出以及信用、資本的配給影響企業對勞動力的需求，進而改善收入分配(Townsend and Ueda, 2006)。

然而，現實中往往是那些具有更高財富水平、更高社會地位和更好教育程度的群體能夠更加有效地利用金融市場，并進一步積累財富。金融市場效率提高，使用金融服務的邊際成本降低，有助于提高那些一直在使用金融服務者的福利。財富移轉(Wealth Transfer)使得金融發展很可能事實上是擴大了貧富差距(Becker and Tomes, 1979, 1986; Greenwood and Jovanovic, 1990)。對于，學術界也很難在理論和實證上達成一致。國內較早期研究認為金融發展不利于我國收入差距的縮小(章奇等，2004；溫濤等，2005；孫永強和萬玉琳，2011)，近期也有文獻指出金融發展在一定條件下也可以縮小收入差距、有倒U型關系存在(如胡宗義和劉亦文，2010；丁志國等，2011)。

相關問題對當今的中國社會有著重大的意義。隨著改革開放的進一步推進和市場體制的逐步確立，人均收入顯著提高，但收入差距問題也更加凸顯出來。這種收入差距又多被歸結為城鄉收入差距。對中國問題的研究，城鄉二元體制是非常重要的因素，城鎮和鄉村因為體制原因有著系統性的差別。中國當前的金融體系，以國有商業銀行為主體，以銀行信貸為主要融資手段，具有明顯的城市化傾向，這對收入分配的影響可能更加顯著。面對城鎮金融市場的快速發展與國民收入差距日趨擴大的現象，我們急需探求其中的因果關系——收入差距是由金融發展的外部性所致還是城鄉二元體制本身對財富分配的影響。

本文在“城鄉收入差距(income disparity between urban and rural areas)”的基礎上，引入“城鎮內收入差距(income disparity within urban areas)”的概念[注]與之對應的是“鄉村內收入差距(income disparity within rural areas)”。但一方面，中國鄉村區域的金融發展非常緩慢，遠較城鎮落后，不是研究金融發展與收入差距的適用樣本；另一方面，各省關于鄉村收入分配的數據統計標準差異很大，且樣本缺失嚴重，暫時不具備實證研究的條件。。前者用城鎮居民平均可支配收入與農村居民平均純收入之比度量，后者用城鎮居民收入的基尼系數度量。本文通過分析1991—2008年31個省級行政單位的面板數據，發現我國金融發展和收入分配之間的關系符合Greenwood and Jovanovic(1990)提出的庫茲涅茨效應。隨著金融發展的深化，城鄉收入差距和城鎮內收入差距都呈現倒U型的軌跡。倒U型曲線的存在并不是因為金融發展本身的外部性，而是金融市場存在“進入門檻”。在金融發展初期，窮人因為無法承擔這個固定成本而享受不到金融發展的正外部性，收入差距會逐漸擴大；金融發展到一定程度后，低收入者進入金融市場，收入差距會因為金融發展的正外部性而縮小。若要通過金融手段促進收入差距縮小，就必須對低收入者和鄉村區域更加關注。

本研究的創新之處主要有三點。首先，在實證模型上，本文引入金融發展變量的二次項來捕捉金融發展的庫茲涅茨效應，檢驗金融發展對收入差距的倒U型非線性影響在中國是否成立。同時，比照了金融發展對城鎮內收入差距和城鄉收入差距的影響，以避免二元體制可能帶來的影響。國內已有研究主要集中在金融發展對城鄉收入差距的影響上，考慮到城鄉差距在中國整體收入差距中的決定性意義，使用城鎮內收入差距檢驗金融發展的影響并作比照是更為一般性的做法。[注]學界普遍認為，城鄉收入差距是中國收入差距的重要組成部分；世界銀行報告也指出，中國50%以上的收入差距可以被城鄉差距所解釋(Atinc，1997；Yang，1999；章奇等，2004；陸銘和陳釗，2004；葉志強等，2011)。其次，在數據選擇上，本文在基于總收入檢驗的基礎上，考慮到近年財產性收入的影響增大，也用城鄉居民財產性收入差距作為因變量進行實證，得到一致結果。第三，在計量方法上，本文除了采用面板固定效應模型外，還使用工具變量法對內生性進行了控制，并使用廣義矩估計(GMM)進行穩健性檢驗，得到了一致的結果。

本文其他章節安排如下：第1章回顧了國內外相關領域的研究，第2章是計量模型、變量構造與數據描述，第3章報告了實證結果并作討論，第4章是結論和政策建議。

1 文獻回顧

金融發展對收入差距的影響，國內外已有比較豐富的理論和實證研究，但并未達成一致結論。本章按照金融發展影響收入差距的三種可能性對相關文獻進行回顧。

1.1 線性關系： 金融發展有助于縮小收入差距

一些理論研究從人力資本積累的角度出發，認為金融發展具有明顯的正外部性，有利于縮小收入差距。反之，不完美的金融市場會使得收入差距長期存在。Becker and Tomes(1979, 1986)指出金融市場在父母對子女的人力資本投資決策中扮演著重要角色，非完美的信貸市場導致初始稟賦差距延續為后期持續存在的貧富差距。Galor and Zeira(1993)認為只有當金融系統得到發展和改善后，窮人能夠低成本地對教育進行融資，收入分配的情況才會得以改善。很多實證結果支持了“金融影響人力資本積累”的假說。Jacoby(1994)顯示信貸約束導致持續性貧困。Jacoby and Skoufias(1997)利用印度數據，發現存在借款約束的家庭遇到財務困難時更可能使子女輟學。Flug et al. (1998)和Beegle et al. (2006)分別利用跨國面板和坦桑尼亞數據，發現擁有少量資產的貧窮家庭更可能使未成年人參加工作。而Dehejia and Gatti(2005)運用跨國數據，發現1960—1995年間的金融發展顯著降低了未成年人工作比例。

也有學者關注金融系統對分散風險的貢獻，指出隨著金融發展，市場將出現更多“分散化”經濟機會，這無疑會提高社會整體福利(Stiglitz, 1974)。隨著分散風險的固定成本降低，之前無法享受此類福利的窮人將因此獲利；但如果分散風險的邊際成本遞減，一直享受此服務的富裕階層會獲益更多(Newbery, 1977; Townsend, 1982; Bardhan et al., 2000; Demirgü?-Kunt and Levine, 2009)。一些學者將金融市場分散風險的功能與個體成為企業家的機會聯系起來，認為不夠發達的金融市場會降低窮人成為企業家的機會(Evans and Jovanovic,1989; Mookherjee and Ray, 2003; Jeong and Townsend, 2007, 2008)，信貸約束又使得初始稟賦顯著影響個體的企業家生涯及后期的財富分配(Aghion and Bolton, 1997; Piketty, 1997; Bardhan, 2000)。Paulson and Townsend(2004)和Demirgü?-Kunt et al. (2008)研究了家庭財富與創業之間的關系，發現相對富裕的家庭會更可能創業，創業之前與金融機構的良好關系對于新企業的生存有顯著的正向作用。

金融市場對收入分配的影響還會通過間接途徑傳導。Gine and Townsend(2004)指出，金融擴張以及家庭信貸可得性可以解釋樣本期內泰國人均GDP的快速增長；與此同時，就業率和平均工資也有所上升。在這個過程的初期，只有那些具有企業家能力但缺乏資金支持的人能從金融發展中獲利；隨著金融市場推動經濟的發展，大部分勞動者都能享受到工資上升帶來的福利。Levine et al. (2011)指出，在發達的金融市場上，銀行間的競爭使得其貸款甄別必須更加偏重于公司實力，這反過來迫使公司提高生產效率以吸引銀行資本，從而顯著加大公司之間的競爭。同時，金融發展會降低由于歧視造成的勞動力市場進入門檻，有助于縮小由此導致的收入差距。在發展中國家，大量勞動力被中小企業雇傭，金融發展對勞動力市場影響的一個重要方面在于其對中小企業的影響。[注]相關的實證研究包括Hubbard and Palia(1995)、Huo(1997)、Demirgü?-Kunt and Maksmovic(1998)、Rajan and Zingales(1998)、Black and Strahan(2002)、Beck et al. (2005, 2008)、Klapper et al. (2006)、 Cotler and Woodruff(2008)，De Mel et al. (2008)、Demirgü?-Kunt and Levine(2009)、Kerr and Nanda(2009)等。從已有的研究來看，無論是公司、行業還是國家層面的結果，基本都支持金融發展提高公司(特別是小公司)業績、有助于新生公司進入市場的結論。

金融深度是一個重要的觀察變量。Clarke et al. (2006)利用83個國家1960—1995年間的數據，檢驗了金融深度有助于縮小收入差距。Beck et al. (2007)利用1960—2005年間的跨國面板數據，發現基尼系數的增長率隨金融深度增強而降低，并且金融發展對低收入人群更為有利，可以降低絕對貧困水平。Batuo et al. (2012)利用22個非洲國家1990—2004年間的面板數據，發現收入差距隨著金融發展而減小，并且不支持Greenwood and Jovanovic(1990)的倒U假說。

1.2 線性關系： 金融發展擴大了收入差距

中文文獻主要集中在金融深度對收入差距的影響，多數認為收入差距會被金融發展拉大。章奇等(2004)利用1978—1998年間的中國省級面板數據，發現金融深度的增加擴大城鄉收入差距，且主要表現在20世紀90年代。另外，我國金融機構在向農村和農業配置資金方面缺乏效率。章奇等(2004)對金融深度的影響采取了線性假設，文章中運用了三種不同的計量方法，但是三者在主變量的顯著性上并不一致。陸銘和陳釗(2004)的樣本區間為1987—2001年，指出中國持續擴大的城鄉收入差距源于地方政府實施的帶有城市化傾向的經濟政策，金融發展本身并無顯著影響。該文得出與章奇等(2004)不同的結論，但未討論內生性問題。

溫濤等(2005)運用時間序列分析和格蘭杰因果檢驗(Granger Causality Tests)對1952—2003年間中國的整體金融發展進行了研究，發現整體金融發展對農民收入的增長具有顯著的負效應，并擴大了城鄉收入差距。葉志強等(2011)將數據集擴展到了2006年，并參照Beck et al. (2007)的實證框架，指出金融發展對農村居民人均收入有顯著的負向影響，對城鎮居民人均收入則無顯著影響。但該研究同樣忽略了金融發展的內生性，也沒有考慮政府對農業的財政支出。孫永強和萬玉琳(2011)用泰爾熵指數度量城鄉收入差距，運用中國1978—2008年間的省級數據，采用面板誤差修正模型考察了金融發展、對外開放和城鄉收入差距三者之間的長期關系，認為在長期金融發展會顯著擴大城鄉居民的收入差距。此外，Gimet and Lagoarde-Segot(2014)運用1994—2002年間49個國家的數據，發現金融發展與收入差距存在顯著正向因果關系。并且，這種關系取決于金融部門的性質，而非其規模。相比于資本市場，銀行部門對不平等有更強的影響。

1.3 金融發展與收入差距之間的非線性關系

Greenwood and Jovanovic(1990)認為金融影響家庭獲得更高投資回報的可能性。他們假設，金融中介在項目識別方面具有絕對優勢，其參與有助于提高投資者的投資回報率乃至社會的整體效率，并促進經濟增長。然而，進入金融市場(接受到金融中介的服務)需要支付一定的固定成本，這個成本在初期并不是每個人都能支付得起。隨著經濟發展，越來越多的人有能力支付這一成本并接觸到金融市場與金融中介，進而有機會獲得更高的投資回報。Townsend and Ueda(2006)擴展了Greenwood and Jovanovic(1990)的理論，并指出貧富差距與金融發展之間的關系并非是單調的。Demirgü?-Kunt and Levine(2009)提出金融會影響不同個體的投資回報率。當金融市場的發展程度很低的時候，其不完美程度對投資機會造成了很大的限制；或者如果較高的初始資本會帶來較高的投資回報，那么通常只有富人才能夠通過投資來積累財富，貧富差距無疑會被擴大。Kim and Lin(2011)認為金融發展與城鄉收入差距關系取決于某一國家金融發展的水平，強調了門檻的作用。

中文實證文獻方面，丁志國等(2011)利用我國1985—2009年各省的數據證明了我國城鄉收入差距與經濟發展間存在倒U型關系。此外，結果顯示單位GDP的農業貸款額、貸款網點比率、就業城市化等因素能顯著縮小城鄉收入差距。胡宗義和劉亦文(2010)對金融非均衡發展與城鄉收入差距的關系進行了研究，研究結果支持倒U型關系，并發現拐點出現在金融發展20%～60%的分位數水平區間。而關于金融發展與收入差距的倒U型機制形成原因，孫永強(2012)雖未證實倒U型關系，但指出城市化可能是金融發展縮小城鄉收入差距的中間渠道。楊楠和馬綽欣(2014)研究兩者的時變關系，并具體探討了中國地區間的階段性差異。

1.4 小結

現有理論文獻對金融發展與收入差距之間的關系尚未取得一致結論。一些學者認為金融發展更有利于低收入者且會縮小收入差距。因為金融發展直接地降低進入金融市場、接受金融服務和管理風險的門檻，同時間接地通過增加勞動力市場的需求來促進就業公平并提高工資，有利于低收入者通過教育積累人力資本和擁有才能卻缺乏初始資本的人成為企業家，使得經濟機會的分布更加廣泛。也有學者認為金融發展雖然會提高金融服務質量并降低服務成本，但由于存在進入門檻，只有已經在金融市場中的富裕階層才能因此獲益。即使金融市場的進入門檻會隨著金融發展逐漸降低，富裕階層仍會比窮人更加有效地利用金融服務積累財富，使得貧富差距進一步擴大。

實證研究大多認為金融發展有助于縮小貧富差距，尤其在金融發展的過程中，低收入的家庭和小公司會比富裕家庭和大公司獲得更多經濟機會。在家庭層面上，金融發展有助于平滑消費和對人力資本投資進行融資；在公司層面上，金融可得程度往往與高回報和更好的公司業績相聯系。中文文獻大多支持金融發展擴大貧富差距，這可能與相關研究對中國城鄉二元體制及其經濟影響的控制程度有關。中國城鄉收入差距較高的地區往往是那些整體經濟不夠發達、金融服務也很難覆蓋的地區，金融發展并不完全外生于模型。國內已有研究多是利用各省或者全國的經濟總量數據衡量金融發展與城鄉收入差距之間的關系，這雖然可以很好地捕捉金融發展的整體效應(包括直接效應和間接效應)，但卻存在內生性引起的識別問題。章奇等(2004)系統地考慮了內生性的問題，但通過不同方法得到的實證結果并不一致。

2 計量模型與變量構造

本文從兩個層面討論金融發展與收入差距的關系，一是金融發展與城鄉收入差距，二是金融發展與城鎮內收入差距，從而避免二元體制可能帶來的影響，以期得到更一般性的結論。對中國的省級面板數據來講，固定效應較之混合回歸和隨機效應更為廣泛地采用。[注]如章奇等(2004)、陸銘和陳釗(2004)、葉志強等(2011)。英文文獻中，Clarke et al. (2006)采用了隨機效應模型，因為回歸模型中包含了不隨時間變化的虛擬變量，致使固定效應估計失效。本文運用雙因素固定效應模型進行實證分析，這在理論上也符合模型的內涵假設，因為金融發展程度顯然與省級效應相關。并且，以中國的情況而言，城鄉收入差距較大的省份往往是不夠發達的省份，很難吸引金融資源。因此，對于這個問題的研究，也必須考慮內生性問題。

2.1 計量模型與變量定義

2.1.1 金融發展與城鄉收入差距

為了考查金融發展對中國城鄉收入差距的影響，本文設定了以下基本的面板回歸模型：[注]本文樣本的截面跨度為31，時間跨度為18，仍可認為是一個短面板。故，不著重考慮面板時間序列特征。

其中，下標i和t分別表示第i個省級行政單位和第t年。INE和URRATIO表示以城鎮居民平均可支配收入與農村居民平均純收入之比度量的城鄉收入差距，前者基于總收入(涵蓋工資性收入和財產性收入)，后者基于財產性收入。FD表示以金融深度度量的金融發展指標，FD2是其二次項，用來捕捉金融發展對城鄉收入差距影響的庫茲涅茨效應。CV表示控制變量，在固定效應模型中特別包括了地區固定效應γi和時間固定效應δt。ε是隨機干擾項。如果金融發展與城鄉收入差距之間的庫茲涅茨效應存在，則回歸結果應顯示：α1顯著大于0且α2顯著小于0。

2.1.2 金融發展與城鎮內收入差距

為了考查金融發展對中國城鎮內收入差距的影響，本文設定了以下基本回歸模型：

(3)

其中，GINI表示以基尼系數度量的城鎮內收入差距。其他變量設置與模型1相同。如果金融發展與城鎮內收入差距之間的庫茲涅茨效應存在，則回歸結果應顯示：α1顯著大于0且α2顯著小于0。

2.1.3 金融發展的度量

如何量化金融發展是金融深化理論提出后此領域研究面臨的共同問題。McKinnon(1973)采用的是貨幣存量M2與GDP的比值，然而這一方法只能反映貨幣流通情況，無法與經濟增長、收入分配等議題相匹配，隨后即被認為存在缺陷。自Levine and Zervos(1998)使用銀行對私人部門貸款總額與GDP比值度量金融發展以后，這個指標就被廣泛接受。中國金融體系以商業銀行為主體，其中又以存貸業務占比最多。因此，本文以銀行貸款總額占GDP比重這一指標度量金融發展。[注]金融發展縮小收入差距的關鍵機制，在于金融市場和金融中介的發展使得低收入者能夠獲得更多的經濟機會，如投融資機會、成為企業家機會(包含自雇勞動和自營工商業)等。銀行體系的發展可以促進金融接觸(Financial Access)，這已被眾多文獻所證明。就本文而言，銀行貸款總額占GDP比重的增大意味著更多的借貸機會，即意味著更多的經濟機會。這對于城市和農村具有相同的效果。

2.1.4 省級城鎮基尼系數的計算

本文用基尼系數度量城鎮內收入差距(Ray, 1998)。城鎮基尼系數運用各省統計年鑒中“人民生活”項的城鎮居民收入分組數據計算得到，方法參考謝建國和丁方(2011)。各省統計年鑒一般將城鎮居民按照平均收入從低到高分為7組，每組分別占抽樣總數的10%、10%、20%、20%、20%、10%、10%，以Xi表示各組的人口累計百分比，Yi表示各組的收入累計百分比，則城鎮基尼系數為：

(4)

2.1.5 控制變量

在考察金融發展與城鄉收入差距時，包含在模型中的控制變量如下：

(1) 二元對比系數(A_nA)：農業部門與非農業部門之間的二元結構是中國城鄉收入差距的主導因素。為了控制二元結構對城鄉收入差距的影響，本文根據彭建剛和李關政(2006)計算了二元對比系數：[注]此構造由陳宗勝于1994年提出(《經濟發展中的收入分配》，上海人民出版杜)，最初只包含農業—工業的二元對比，彭建剛和李關政(2006)通過引入第三產業將其擴展為農業—非農業二元對比。

(5)

其中，非農業部門包括第二和第三產業。某部門比較勞動生產率等于其產出所占比重與投入勞動力所占比重之比。二元對比系數越低，說明二元性越強。預測其對城鄉收入差距的影響為負。

(2) 人均實際GDP(GDP per capita以下簡化為GDPp c，1991年價格)：Demirgü?-Kunt and Levine(2009)指出，金融對收入分配的影響可以分解成兩個方面：一是通過促進經濟增長增加低收入者的收入，二是通過改變洛倫茲曲線(Lorenz curve)影響不同階層的相對收入。本文關心后者，回歸模型應當控制人均實際GDP(取自然對數)。本文還引入其二次項以控制經濟發展對收入差距的庫茲涅茨效應(章奇等，2004；Clarke et al.,2006)。[注]對于名義值與實際值之間的差異，作者嘗試過三種調整方式： GDP per capita Deflator、GDP Deflator和CPI。發現通過前兩種方式計算出來的調整因子相差在1%以內，與第三種方式相差在10%以內。考慮到經濟含義以及數據準確性，本文采用了第一種方式計算得到的人均實際GDP。

(3) 政府農業支出(AGRI)：農業支出占當年政府財政支出的比例，是支農政策的代理變量。可以預期，較高的農業支持將有助于縮小城鄉差距，預測其符號為負。

(4) 政府財政支出(FIS)：當年政府財政支出占GDP的比例。由于政府政策存在城市化傾向(陸銘和陳釗，2004；溫濤等，2005)，預測此項符號為正。

(5) 外貿的活躍程度(TRADE)：當年進出口總額占GDP的比例。對外貿易一般發生于城鎮，故預測此項系數為正。

(6) 現代部門貢獻率(MSVA)：當年第二、三產業增加值占GDP的比例，是產業結構的代理變量。考慮到其與二元對比系數之間可能存在多重共線性，故作為最后一個變量逐步加入回歸模型。

在考慮金融發展與城鎮內收入差距時，需要控制的因素有：(1)人均實際GDP；(2)政府財政支出；(3)外貿的活躍程度。認為更高的政府財政支出意味著對富人更高的稅收和對窮人更多的轉移支付(Clarke et al.,2006)，預期更高的政府財政支出有助于縮小城鎮內收入差距。以國際貿易度量的開放程度會影響收入差距(Beck et al.,2007)，預測外貿的活躍程度會增大城鎮內收入差距。

2.2 數據來源與描述分析

本文運用中國31個省級行政單位1991—2008年的面板數據。財產性收入來源于中經網數據庫，其他資料均來自《新中國60年統計資料匯編》。選擇1991—2008年這一時間區間是基于以下原因：

第一，現有研究發現，1990年是中國經濟發展的一個拐點，之后經濟進入了相對發達的時期，并且金融發展相對于經濟發展是滯后的(如：章奇等，2004；陸銘和陳釗，2004；溫濤等，2005)。這與Greenwood and Jovanovic(1990) 的理論背景恰好吻合，檢驗金融發展的庫茲涅茨效應非常合適。

第二，農村經濟改革的效應在1980年代后期逐漸釋放干凈。家庭聯產承包責任制到1987年在中國大陸的所有省份均已推廣，這無疑會對城鄉收入差距造成影響。將時間區間截選自1990年以后則可以避免這些影響對估計的干擾。

第三，金融發展在1990年代也發生了變化。政府自1980年代末開始更加依靠金融體系作為主要的政策手段。中國農村金融的發展水平，無論是在信貸還是儲蓄方面，與全國整體之間的差距都進一步地擴大了(章奇等，2004；溫濤等，2005)。

變量的描述性統計如表1、表2所示。本文共有31個省的城鄉545個樣本點、城鎮420個樣本點。城鄉收入差距變量ln(INE)和ln(URRATIO)的均值分別為1.014和1.331。城鎮基尼系數ln(GINI)的均值為0.231。金融發展變量ln(FD)的均值為0.663。二元對比系數A_nA均值為0.218。

表1 金融發展與城鄉收入差距： 描述性統計

表2 金融發展與城鎮內收入差距： 描述性統計

3 實證結果

以下使用雙因素固定效應模型(同時控制省份i和時間t)和工具變量法分別討論金融發展與城鄉收入差距和城鎮內收入差距的關系，并進行了相關的穩健性檢驗。其中，對于城鄉收入差距，進一步考慮了財產性收入。

之所以選擇雙因素固定效應模型，除其符合理論假設和實踐中廣泛使用外，對時間虛擬變量的聯合顯著性檢驗強烈拒絕“無時間效應”的原假設，所以本文在所有回歸中也均包含了時間虛擬變量。另外，由于收入差距較大的省份往往經濟不夠發達，金融發展程度也較低，所以內生性問題必須慎重考慮。本文在此部分視金融深度為內生變量，采用其1階滯后值作為工具變量進行估計。由于學術界對此尚無具體而公認有效的框架，本文參考Demirgü?-Kunt and Levine(2009)的觀點，在各種計量方法的假設都與現實存在諸多不同時，通過不同計量方法得到類似的結論即認為在一定程度上是穩健的。

3.1 金融發展與城鄉收入差距

表3報告了基于總收入的模型1的回歸結果。本文在雙因素固定效應回歸中使用聚類穩健標準差控制可能的異方差和序列相關。對于可能存在的干擾項組間相關，作者通過Friedman(1937)和Pesaran(2004)檢驗，均無法拒絕“不存在組間截面相關”的原假設。由表3可以看出，對于雙因素固定效應回歸，在逐步加入控制變量的過程中，金融深度線性項(ln(FD))系數始終顯著為正，其二次項(Sqr of ln(FD))系數顯著為負。根據回歸(6)，ln(FD) 的系數為0.841，二次項系數為-0.498，可知拐點處于ln(FD)的84.44百分位。這表明在樣本期間內，以金融深度度量的金融發展與我國城鄉收入差距之間存在倒U型的庫茲涅茨關系。[注]本文也嘗試了其他指標。樊綱等(2010)編制的“信貸資金分配市場化”(1997—2007)指標衡量了金融機構貸款中非國有企業貸款所占比重，該指標得分越高表示金融市場化程度越深，亦即民營企業和民營企業家獲得融資的機會越大。本文以其替代“銀行貸款總額/GDP”來衡量金融發展。結果顯示，該變量一次項系數顯著為負，二次項系數不顯著，即金融發展有助于縮小城鄉收入差距。考慮到該指標的樣本期間為1997—2007年，其實證結果與運用1991—2008年樣本得到的倒U型關系具有一致性。控制變量中，二元對比系數(A_nA)顯著為負，表明二元性增強會導致城鄉收入差距擴大；農業財政支出(AGRI)顯著為負，說明政府對農業的支持有助于縮小城鄉收入差距。工具變量法回歸系數通過2SLS估計，結果類似，支持金融發展與城鄉收入差距之間存在倒U型庫茲涅茨關系。金融深度的線性項和二次項系數顯著性增強。二元對比系數和農業財政支出同樣對城鄉收入差距表現出顯著影響：隨著二元性的減弱和農業扶持的增強，城鄉收入差距有縮小的趨勢。

表4報告了基于財產性收入的模型2回歸結果，估計方法和模型1相同。工具變量法回歸結果表明，金融深度線性項(ln(FD))系數始終顯著為正，其二次項(Sqr of ln(FD))系數顯著為負，金融發展對城鄉財產性收入差距的影響也表現出庫茨涅茨效應。與工具變量法相比，雙因素固定效應回歸結果在主變量的符號上保持了一致，大小略有改變，顯著性水平變弱。類似地，由雙因素固定效應回歸(6)可得，ln(FD)系數為4.128，Sqr of ln(FD)系數為-2.338，拐點處于ln(FD)的88.28百分位，這與模型1得到的結果比較接近。此外，對比基于總收入的回歸結果，基于財產性收入的回歸結果中，金融發展與其二次項的回歸系數的絕對值明顯增大，可見我國金融發展對城鄉財產性收入差距的影響要大于對工資性收入差距的影響。這與文獻中所指出的，金融發展更與財產性收入直接聯系、與工資性收入聯系相對間接具有一致性。

出于穩健的目的，本文同樣使用了金融深度的滯后1—2期值，利用過度識別的廣義矩估計(GMM)方法對模型1和模型2進行了估計，系數的符號和顯著性均無改變。結果見表5。

3.2 金融發展與城鎮內收入差距

表6報告了金融發展對城鎮內收入差距(模型3)的估計結果。此處的收入變量是指總收入。由于城鎮內財產性收入的分組數據不可得，無法構造城鎮內財產性收入的GINI系數，因此無法對城鎮內財產性收入差距進行相關回歸。

表6 金融發展與城鎮內收入差距

VARIABLESln(GINI): 雙因素固定效應ln(GINI): 工具變量法(1)(2)(3)(4)(1)(2)(3)(4)ln(FD)0.242***0.230***0.226***0.203***0.282***0.276***0.274***0.247***(0.08)(0.08)(0.08)(0.07)(0.07)(0.07)(0.07)(0.07)Sqr of ln(FD)-0.154***-0.150***-0.147***-0.132***-0.170***-0.168***-0.166***-0.150***(0.05)(0.05)(0.05)(0.04)(0.04)(0.04)(0.04)(0.05)ln(GDP pc)-0.0382-0.03490.0116-0.0127-0.01110.0522(0.05)(0.05)(0.06)(0.04)(0.04)(0.05)Sqr of ln(GDP pc)0.002640.00237-0.000550.0008910.000751-0.00299(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)FIS-0.0186-0.0316-0.0097-0.0325(0.03)(0.03)(0.04)(0.04)TRADE0.0173**0.0192**(0.01)(0.01)Constant0.05710.2030.1970.02080.160***0.2040.204-0.0537(0.04)(0.29)(0.29)(0.32)(0.03)(0.23)(0.23)(0.24)Observations420420420420376376376376No. of Provinces3131313131313131R-squared0.8450.8470.8470.850

注： 括號里的數字為標準誤差。***、**、*分別表示在1%、5%、10%顯著性水平上顯著。

從表6可以看出，在逐步加入控制變量的過程中，金融深度線性項(ln(FD))系數一直顯著為正，其二次項(Sqr of ln(FD))系數則顯著為負。這說明在樣本期間內，以金融深度衡量的金融發展對城鎮內收入差距的影響存在倒U型的庫茲涅茨效應。同時也說明，排除二元體制對評估收入差距的結構性影響之后，金融發展對收入差距的庫茲涅茨效應依然存在，支持了Greenwood and Jovanovic(1990)的理論預測。由雙因素固定效應回歸(4)可知，ln(FD)的系數估計值為0.203，二次項系數估計值為-0.312，拐點處于ln(FD)變量的76.89百分位。相比于金融發展影響城鄉收入差距的庫茲涅茨效應拐點，金融發展影響城鎮內收入差距的拐點要更早一些。在控制變量中，貿易的開放性(TRADE)會顯著增大城鎮內收入差距，與預期相符。工具變量法回歸系數通過2SLS估計。在考慮內生性以后，結果類似。金融深度的線性項和二次項系數均處于1%的顯著性水平。

與估計金融發展對城鄉收入差距的影響類似，出于穩健的目的，本文使用了金融深度的滯后1～2期值，利用過度識別的廣義矩估計方法對金融發展與城鄉收入差距(模型3)進行了估計，系數的符號和顯著性均無改變。結果見表7。

表7 金融發展與城鎮內收入差距： 廣義矩估計回歸結果

注： 括號里的數字為調整后標準誤差。***、**、*分別表示在1%、5%、10%顯著性水平上顯著。

3.3 穩健性檢驗[注]由于篇幅所限，正文并未報告穩健性檢驗的細節。相關結果請見附錄。

3.3.1 不包含“人均GDP”的估計

Clarke et al. (2006)指出，雖然人均實際GDP是討論金融發展與收入分配關系時最重要的控制變量之一，但它與金融發展之間卻很可能存在多重共線性，進而對估計結果產生影響。因此，本文在估計“金融發展與城鄉收入差距”、“金融發展與城鎮內收入差距”時，均分別刪去人均實際GDP的線性項和二次項，發現變量系數的符號和顯著性均未有實質改變，說明計量結果穩健。

3.3.2 平衡面板數據估計

之前在估計“金融發展與城鄉收入差距”關系時，運用了中國31個省級行政單位1991—2008年的非平衡面板數據，樣本中黑龍江、廣東、四川3省的數據在某些年份有所缺失，但是這并不影響固定效應的估計結果。為了穩健，刪去這3省的全部數據以構成平衡面板。類似地，在估計“金融發展與城鄉財產性收入差距”關系時，刪去了黑龍江和西藏的全部數據；在估計“金融發展與城鎮內收入差距”關系時，刪去9個省7年的全部數據以構成平衡面板。估計結果顯示，變量系數的符號和顯著性均未有實質改變。

3.4 進一步討論

本文的數據樣本既采用了非平衡面板，也采用了平衡面板；計量模型既使用了固定效應，也使用了工具變量法和廣義矩估計；既有恰好識別，也有過度識別。所有的估計結果都顯示中國金融發展與收入差距之間是倒U型非線性關系，根據Demirgü?-Kunt and Levine(2009)的評判標準，這個結論在一定程度上是穩健的。對此，Greenwood and Jovanovic(1990)的理論提供了非常好的解釋，認為金融可以使家庭獲得更高投資回報的機會，金融中介在項目甄別、風險管控等方面具有絕對優勢，其參與有助于提高投資者的回報率。然而，進入金融市場(接觸到金融中介服務)需要支付一定的固定成本，這個成本在金融發展初期并不是每個人都能支付得起。所以，在金融發展的初級階段，由于進入門檻的限制，較少人能夠接觸到金融市場的正外部效應；隨著市場的發展，逐漸更多人進入并獲得高投資回報，收入差距逐步擴大；最終，隨著金融市場的高度發達，大部分人都有能力進入并從中獲利，收入差距會轉而開始降低。

過去較早的文獻幾乎沒有金融發展縮小收入差距的發現。比如，章奇等(2004)采用1978—1998年的數據，陸銘和陳釗(2004)采用1987—2001年的數據，溫濤等(2005)采用1952—2003年的數據。可能的原因在于，早期研究處于金融發展的較早階段。因此，本文截取早期資料(1991—2000年)進行檢驗，發現用早期樣本也得到金融發展擴大收入差距的結果。本文推論，當金融發展程度較低時，金融資源向城鎮傾斜，對于城鎮的融資需求貢獻較大，易擴大收入差距。隨著城市化發展加速，鄉村區域的發展速度大于城鎮，金融資源可以較有機會服務于低收入者，從而產生拐點，對縮小城鄉差距起到作用。此外，我們也針對城鎮進行研究，發現早期城鎮數據倒U型也存在。合理的推測是，由于城鎮的金融發展水平較高，即使截取樣本早期的數據也已經涵蓋了其金融發展的拐點。之前研究并沒有詳細分析城鎮內的收入差距，沒有得出與我們類似的結論。

關于庫茲涅茨效應的拐點數值，本文基于城鄉總收入差距和財產性收入差距，分別得到處于金融發展指標自然對數的84.44百分位和88.28百分位。對于城鎮內總收入差距，則處于金融發展指標自然對數76.89百分位。回歸結果具有較高的一致性。過去檢驗城鄉收入差距的文獻也有部分支持倒U型關系(丁志國等，2011；胡宗義和劉亦文，2010)。胡宗義和劉亦文(2010)運用2007年我國2861個縣(市)橫截面數據，使用了與本文相同的“金融發展”和“城鄉收入差距”指標構造方法，采用非參數檢驗給出了一個金融發展的庫茲涅茨拐點的估計。其拐點值出現在2007年縣(市)金融發展的20%～60%分位數附近，即FD值位于27%至51%之間。這個結果與本文估計的80%左右是有區別的(即使是在考慮了本文的對數化的情況下)。結果的區別主要來自于兩點：首先，胡宗義、劉亦文(2010)使用的非參數模型并不包含控制變量，而本文則是通過回歸分析研究在控制了其他因素后，金融發展對收入差距的殘差的解釋力度，二者的經濟含義不同。其次，胡宗義和劉亦文(2010)使用的是2007年橫截面數據，本文則使用的是面板數據。由于金融發展這一變量具有相當的時間序列特征，故而不同的數據來源也會造成對拐點估計的不同。

4 結論與政策涵義

本文利用中國31個省級行政單位1991—2008年的面板數據，通過金融機構貸款額占GDP比重所度量的金融深度衡量金融發展程度，以城鄉居民收入比衡量城鄉收入差距，以城鎮基尼系數衡量城鎮內收入差距，在控制城鄉二元體制對收入分配的影響后，對金融發展與收入差距之間的關系進行了實證研究。結果表明，在控制了其他因素和內生性后，金融發展對收入差距的影響，無論是城鄉間還是城鎮內，都存在倒U型的庫茲涅茨效應。基于1997—2012年城鄉財產性收入數據的實證結果也具有一致性。這為Greenwood and Jovanovic(1990)的門檻理論提供了實證證據。本文同時表明，除金融深度以外，二元體制與政府對農業的支持同樣會顯著影響城鄉收入差距。本文并不拒絕金融市場的正外部效應，而是指出這樣的正外部效應可能會因為“進入門檻”的阻礙而無法被低收入階層和農村居民獲得。

就中國現狀來看，金融的門檻效應十分明顯。我國的經濟政策和金融發展帶有明顯的城市化傾向、地域傾向和向財富階層偏移的傾向。除了財富所造成的門檻外，經濟政策和金融發展傾向及其導致的農村金融發展整體落后、大型國有銀行壟斷、中小企業融資困難、貧窮家庭子女的教育支持等問題，都對農村居民、低收入居民、缺乏資金的企業家以及迫切需要積累人力資本以改變收入現狀的窮人子女造成門檻，使得收入差距持續存在甚至進一步擴大。因此，雖然面臨相關制度設計的挑戰[注]偏向窮人的政策可能意味著更高的逆向選擇和道德風險，會導致社會整體效率的降低(Aghion and Bolton, 1997; Piketty, 1997; Bardhan, 2000)。，本文仍建議政府的金融政策應該更加關注農村居民和低收入者，以降低他們所面臨的金融市場進入門檻，助其積累人力資本并獲取投融資機會。

附錄： 穩健性檢驗

附表1 金融發展與城鄉收入差距： 穩健性檢驗—去除人均實際GDP

附表2 金融發展與財產性城鄉收入差距： 穩健性檢驗—去除人均實際GDP

附表3 金融發展與城鎮內收入差距： 穩健性檢驗—去除人均實際GDP

附表6 金融發展與城鎮內收入差距： 穩健性檢驗—平衡面板數據估計

VARIABLESln(GINI): 雙因素固定效應ln(GINI): 工具變量法(1)(2)(3)(4)(1)(2)(3)(4)ln(FD)0.233**0.202**0.207**0.193**0.258**0.245*0.256**0.229*(0.0978)(0.0899)(0.0927)(0.0825)(0.131)(0.130)(0.130)(0.129)Sqr of ln(FD)-0.154**-0.143**-0.146**-0.141***-0.146*-0.147*-0.155*-0.142*(0.0587)(0.0528)(0.0548)(0.0491)(0.0858)(0.0841)(0.0842)(0.0835)ln(GDP pc)-0.183**-0.163**-0.0429-0.149**-0.126*-0.0165(0.0850)(0.0726)(0.103)(0.0685)(0.0701)(0.0862)Sqr of ln(GDP pc)0.007380.00598-0.0005630.00591*0.00432-0.00148(0.00459)(0.00396)(0.00554)(0.00324)(0.00340)(0.00434)FIS-0.0825-0.131-0.108-0.160**(0.108)(0.127)(0.0701)(0.0735)TRADE0.0269*0.0258**(0.0145)(0.0126)Constant0.117***1.144**1.082**0.5430.161***1.042**0.983**0.480(0.0398)(0.463)(0.414)(0.525)(0.0479)(0.419)(0.420)(0.475)Observations242242242242220220220220No. of Provinces2222222222222222R-squared0.8000.8100.8110.816————