普惠金融的收入分布效應

林騰雄 耿慶峰 婁磊

摘要：發(fā)揮普惠金融的減貧作用是脫貧攻堅戰(zhàn)場上必不可少的利刃。提出新的計算普惠金融指數(shù)的方法，以個體固定效應工具變量法賦予的權重在一定程度上排除了無關因素的影響，使構造出的普惠金融指數(shù)用于計量分析成為可能。利用我國31個省份2006年至2015年的面板數(shù)據(jù)，計量賦權法計算出的普惠金融指數(shù)對信息的利用更具有效率。在控制內(nèi)生問題后，動態(tài)面板和靜態(tài)面板的估計結果表明，人均GDP的增加和普惠金融的發(fā)展有利于收入差距的縮小；財政支出占比和消費者價格指數(shù)與收入差距之間沒有明確關系；現(xiàn)代部門的發(fā)展并不是有損于收入差距的縮小。

關鍵詞：普惠金融；收入分布效應；省際面板數(shù)據(jù)

中圖分類號：F832.35 文獻標識碼：A

文章編號：1005-913X（2019）05-0101-05

一、引言

改革開放以來，我國的經(jīng)濟發(fā)展迅猛。在GDP增速近年最低的2016年，還能保持6.7%的經(jīng)濟增長速度。2016年的GDP總值已突破74萬億人民幣，位列全球第二，人民生活水平不斷改善，貧困發(fā)生率從2012年的10.2%下降到2016年的4%。但是，與此同時，歷史遺留下來的城鄉(xiāng)二元結構的問題仍制約著經(jīng)濟的增長，加劇了收入的不平等。在全面建成小康社會的決勝時期，縮小城鄉(xiāng)收入差距，減小收入的不平等是黨中央、國務院帶領全國各族人民必須完成的重大戰(zhàn)略目標之一。根據(jù)2016年國務院出臺的《推進普惠金融發(fā)展規(guī)劃（2016～2020）》，大力發(fā)展普惠金融是我國全面建成小康社會的必然要求，可見普惠金融在脫貧攻堅中所扮演的角色具有重要現(xiàn)實意義。現(xiàn)從普惠金融發(fā)展的角度來探究其城鄉(xiāng)收入分布效應，以期能為全面建設小康社會發(fā)揮出應有的作用。

在早期研究金融發(fā)展的減貧效應的文獻中，大多數(shù)研究者僅僅關注金融深度所帶來的影響，而較少關注金融發(fā)展的普惠性。盡管金融發(fā)展對經(jīng)濟增長的正向作用被多數(shù)研究者所接受，但是，金融發(fā)展所產(chǎn)生的收入分配效應具有不確定性。總的說來，可以大致將這類研究分為三類。第一種，金融發(fā)展水平與收入不平等呈現(xiàn)負向線性關系。在完美的信貸市場中，出生在貧困家庭的人群的經(jīng)濟機會是由個人能力所決定而不再取決于父母的財富。人力資本的不斷上升會使收入差距逐步減少。第二種，金融的發(fā)展只會讓原本就得到金融服務的人群得到質量更好的服務，從而不利于收入分布的公平化。第三種，金融發(fā)展與收入的不平等呈現(xiàn)出非線性關系。在金融發(fā)展的初期，貧困人群因無法支付固定費用而被阻擋在金融服務之外，隨著經(jīng)濟水平的上升，越來越多的人能夠得到金融服務，收入差距會逐漸縮小。

隨著“普惠”理念的傳播，研究者還對金融的可得性和金融服務的使用產(chǎn)生興趣，并且考慮了在不同條件下的作用效果。比起國外用一個個指標來衡量普惠金融不同維度的發(fā)展，國內(nèi)似乎更熱衷于以合成指標來代表普惠金融的綜合發(fā)展水平。

比起逐一用單個代理量來衡量普惠金融的不同維度的發(fā)展水平，合成指數(shù)不僅僅能夠考慮更多的評價維度，而且給出了一個直觀的數(shù)值。但是，普惠金融評價體系的建立是個首要問題，更重要的是，直接用合成指標來進行計量分析會引入一些問題。

二、指數(shù)設計與數(shù)據(jù)處理

（一）泰爾指數(shù)

林燕平（2001）指出，基尼系數(shù)是用整體國民收入的平均值來計算，不僅難以反映城鄉(xiāng)收入差距的結構性特征，而且不能真實反映收入分布的非特征性。為彌補上述缺陷，選擇泰爾指數(shù)作為衡量貧富差距的統(tǒng)計指標，計算方法如下。

其中，Ti，t表示第i個省第t期的泰爾指數(shù)。j=1和j=2分別表示城鎮(zhèn)與農(nóng)村，Pi，t表示第i個省第t期的總收入，Ni，t表示第i個省第t期的總人口。泰爾指數(shù)越大表明城鄉(xiāng)收入差距越大。收入以城鎮(zhèn)居民可支配收入和農(nóng)村人均純收入衡量，人口以年末常住人口數(shù)作為代替，總收入是由相應人口和收入加權平均而計算出來。

（二）普惠金融指數(shù)

在考慮到數(shù)據(jù)可得性的基礎上，現(xiàn)從可得性和使用情況兩個方面入手，提出以下普惠金融評價體系。

印度經(jīng)濟學家Sarma（2015）構造了普惠金融指數(shù)（IFI），具體計算方法見下。先計算不同地區(qū)和時點的普惠金融評價體系中的每個指標的維度指數(shù)，將不同指標無量綱化以便于在時間和空間上比較，計算公式如下。

其中Ai表示第i個指標的真實值，mi和Mi分別表示第i個指標的最小值與最大值，wi表示該指標的權重。由（2）可知0≤di≤wi，反映在在n維空間中，D=（d1，d2，d3，L，dn）代表某個省份所達到的值，O=（01，02，03，L，0n）表示最壞的情況， W=（w1，w2，w3，L，wn）表示每個維度指數(shù)均達到了理想值。采取簡單的幾何加權平均的方法，對D與O之間的歐幾里得距離見式（3）和D與W之間的反歐幾里得距離見式（4）進行加權平均，從而計算出普惠金融指數(shù)見式（5）。由此計算出的普惠金融指數(shù)的值介于0和1之間，數(shù)值越大表明普惠金融的發(fā)展程度越高。

各個指標的權重的確定是一個重要的問題。主觀賦權法引入了人為因素，使構造出的指數(shù)不適用于計量分析。對根號項取平方之后并不會改變普惠金融指數(shù)的取值范圍，而且使計算變得更加方便。

其中，，Gi=（Ai-mi）/（Mi-mi）i=1，2，···，n。w不僅僅可以表示權重大小，其內(nèi)涵可以更為豐富，與之代替的是w*作為新的權重。以面板工具變量法確定權重可以減少人為因素帶來的影響。

其中，表示不隨時間變化的個體特征，μi表示個體的異質性，εi，t表示復合擾動項。式（7）意味著以指標對普惠金融指數(shù)的解釋力在乘以各自的w后作為相應的權重。作為評價體系中的一個指標，單個指標并不能完全解釋普惠金融指數(shù)，又因普惠金融指數(shù)和Gi，t都在0到1之間，所以Gi，t前的系數(shù)理應落在0和1之間，符合系數(shù)的設定原則。同時，在評價體系內(nèi)的指標都存在著一定程度的相關性，數(shù)據(jù)本身包含著其他因素的影響，這為評價體系內(nèi)所有指標前的系數(shù)和大于1的這一隱含條件提供了可能。為避免內(nèi)生性帶來的問題，采用矩估計來估計系數(shù)。對式（7）進行離差變換后，總體距條件如下。

其中，離差變換后的變量是個體對時間取的平均值。為工具變量的觀測值。Zi，t由方程（7）經(jīng)離差變換后的式子和方程（8）的聯(lián)合，可以得到一個聯(lián)立方程組來求出各個解。

（三）數(shù)據(jù)及處理結果

現(xiàn)所采用的是2006年到2015年我國31個省份、直轄市的面板數(shù)據(jù)，數(shù)據(jù)基本來源于《中國統(tǒng)計年鑒》、各省《統(tǒng)計年鑒》《區(qū)域金融運行報告》和《金融統(tǒng)計年鑒》。從普惠金融評價體系中各指標的相關系數(shù)矩陣（表2）可以看出，如果將所有指標控制在同一個方程會導致嚴重的多重共線性，直觀地將其分為兩組，分別進行計算可以緩解這一問題。以G1、G4、G7和G9為一組，以G2、G3、G5、G6和G8為另一組。在沒有找到有效的工具變量之前，且以自身作為工具變量，即使如此，與變異系數(shù)賦權法相比，計量賦權的優(yōu)點在于三點。第一，符合實際情況和權重本身的內(nèi)涵。第二，考慮了其他因素的影響，至少在此將個體特征帶來的影響考慮進來，雖然存在著內(nèi)生性，但從相關系數(shù)矩陣來看似乎并不嚴重，且分成兩個方程組的形式保證了對信息的完整利用又降低了多重共線性的問題。第三，根據(jù)回歸系數(shù)的設定，誤差是可以控制在一定范圍的，而基于變異系數(shù)計算出來的權重的誤差是不可控制的。

按照上述的思路，用迭代逼近的方法計算各指標的權重和普惠金融指數(shù)，為了作出比較，一并給出了變異系數(shù)法計算出的權重和指數(shù)，計量法賦權和變異系數(shù)法賦權所得到的權重見表3。從一級指標看，計量法確定的權重更注重普惠金融的使用性（權重和為0.68），變異系數(shù)法所確定的權重對可得性和使用性幾乎同樣重視（權重和分別為0.52和0.48）。從表2給出的不同方法下計算得到的普惠金融指數(shù)的相關系數(shù)來看，在變異系數(shù)賦權法下，不管是否對距離項取了平方，兩者的相關系數(shù)幾乎為1，說明對距離項取平方是合理的。對比三種方法下得到的普惠金融指數(shù)分別與九個指標的相關系數(shù)，總的來說，與另外兩種相比，現(xiàn)提出的計量賦權構造指數(shù)的方法更具有優(yōu)良性，其與九個指標的相關系數(shù)整體上都較高，對于信息的利用更具有效率。進一步地，從普惠金融指數(shù)本身來看，使用現(xiàn)提出的方法計算得到的普惠金融指數(shù)區(qū)分度較高。除特殊說明外，以下均使用計量賦權所構造的指數(shù)。

通過對泰爾指數(shù)的計算，發(fā)現(xiàn)整體上城鄉(xiāng)貧富差距都在縮小，平均變化33.8%，尤以天津、重慶變化最為明顯，減小的幅度都在55%以上。2015年城鄉(xiāng)收入差距最小的依次為天津、上海、北京，而收入差距較大的省份集中于西部，東部發(fā)展情況較好。普惠金融指數(shù)總體上呈現(xiàn)出上升趨勢，平均增加了77%，四川、甘肅、西藏和青海的增幅都超過100%。2015年僅有四個省市超過了0.4，北京和上海遠遠超過其他地區(qū)。北京的普惠金融指數(shù)達到0.87，上海為0.76，最低的是湖南，僅為0.18，接著是廣西和河南，大部分的水平集中在0.1至0.3之間。

三、估計方法與結果

（一）估計方法

如引言所梳理的，初始財富分布會對收入差距產(chǎn)生影響，將貧困代理量的初始值或者滯后值直接引入會導致估計的不一致。在對待內(nèi)生性問題上，以行政中心的地理經(jīng)度或者法律起源作為工具變量并不適用。所以，以普惠金融上一期的值作為工具變量。普惠金融的發(fā)展具有一定的滯后效應，而收入的分布并不會影響上一期的普惠金融發(fā)展水平。兼顧考慮短面板所產(chǎn)生的動態(tài)偏差，認為用動態(tài)面板模型進行系統(tǒng)GMM估計最為合適，模型設置如下。

其中，下標i表示第i個省市，t表示第t年，β0為常數(shù)項，β1和β2為系數(shù)，？鄣'為系數(shù)向量，ηi，t為可能包含其他形式的解釋變量和控制變量所組成的向量，μi表示第i個省市的個體效應，εi，t為復合擾動項。除了金融發(fā)展水平可以影響收入分布外，還有其他可能的因素對其產(chǎn)生影響，比如人均國內(nèi)生產(chǎn)總值（以GDP_per表示）、用進出口總額對國內(nèi)生產(chǎn)總值的比代表的外貿(mào)開放程度（以openess_GDP表示）、第三產(chǎn)業(yè)增加值（以modernization表示）、用財政支出對國內(nèi)生產(chǎn)總值的比值作為政府支出的水平（以GOV_GDP表示）、消費價格指數(shù)（CPI）。以上變量均作了以2006年為基期的物價平減。在進出口總額上，使用當年的平均匯率進行人民幣的換算。

（二）基本結果

為了討論倒“U”型或者是“U”型的關系，添加普惠金融指數(shù)的平方項（以s_IFI_mm），結果見表4的（1）列。與上述的結果類似，還是存在著不少不顯著的變量，再一次說明這些變量與被解釋變量并不是簡單的線性關系，甚至沒有明確的關系。逐步將不顯著變量剔除后，見表4的（2）列。普惠金融指數(shù)為負數(shù)且在5%水平上顯著而其平方項為正數(shù)且在1%水平上顯著，結果支持“U”型的假說而拒絕了倒“U”型關系的假說。特別在此驗證經(jīng)濟增長和貧困之間的倒“U”型假說，將人均GDP的平方項考慮進來（以s_GDP_per表示）。從表4的（3）列可以得知，在短面板下，盡管估計系數(shù)并不是很高，該假說依舊得到強有力的驗證。同樣，將交叉項的倒數(shù)項納入到模型中，仍然無法拒絕上述假說，見表4的（4）列。值得注意的是，在對線性關系的檢驗上，結果與非線性的結果十分類似。如果結合圖一來看，現(xiàn)更傾向于線性關系。

（三）靜態(tài)面板模型

雖然動態(tài)面板的應用比靜態(tài)面板模型更為合理，但是使用動態(tài)面板的一個條件是被解釋變量應處于均衡狀態(tài)，而關于此檢驗沒有統(tǒng)一的方法。江春等（2016）以靈活性傅里葉函數(shù)對我國省際城鄉(xiāng)收入差距的收斂性進行檢驗，發(fā)現(xiàn)大約有80%的省市的城鄉(xiāng)收入差距存在著隨機發(fā)散的趨勢。通過靜態(tài)面板的估計不僅可以避免該問題，而且可以用來檢測上述結論。為了避免內(nèi)生性問題，將普惠金融指數(shù)項設置為上一期的值。原理及理由與動態(tài)面板類似。對于其他變量，并沒有做出相應的處理。模型設置如下。

需要特別指出的是，IFIi，t-1表示的是普惠金融指數(shù)上一期的值。通過豪斯曼的檢驗，強烈拒絕個體效應與解釋變量不相關的原假設，應選用個體固定效應來進行估計。表5的（1）列給出了在反比例關系下的全部變量的回歸結果，（2）列針對性地剔除了不顯著變量，（3）列給出了在“U”型關系下的全部變量的結果，（4）列也相應剔除了不顯著變量。內(nèi)部的估計結果相比起來沒有太大的差別，兩種關系下剔除掉的不顯著變量都一樣，都是對外開放程度和CPI。反比例關系下的顯著性水平略遜于在“U”型關系下的顯著性。可是，與動態(tài)面板的結果相比，存在著較大出入。靜態(tài)面板所估計的普惠金融指數(shù)項前的系數(shù)較高，這可能是內(nèi)生性沒控制好的結果。控制變量中，除了人均GDP較為穩(wěn)定，其他三個變量的系數(shù)符號全都產(chǎn)生了變化。財政支出占比和消費價格指數(shù)的波動可能與城鄉(xiāng)收入差距的關系是不明確的。除此之外，還可能因為內(nèi)生性問題導致估計結果的不穩(wěn)定。可以肯定的是，普惠金融具有縮小收入差距的作用。

四、穩(wěn)健性檢驗

工具變量的大量使用導致Hansen檢驗的作用被削弱，為此，單獨將普惠金融項和一階滯后變量引入動態(tài)面板模型。在“U”型關系下結論沒有發(fā)生改變，但是Hansen統(tǒng)計量為0.968，工具變量個數(shù)仍然過多。考慮反比例關系下的模型會比較妥當，在工具變量只有34個的情況下，Hansen統(tǒng)計量下降到0.488，估計的結果也很穩(wěn)健，只有顯著性水平略微下降到5%水平，略微低于“U”型關系下的1%水平。考慮另外兩種方法的實證結果，結果與上述類似，強調(diào)了模型設置的合理性和結果的穩(wěn)健性。

五、總結

現(xiàn)構建了泰爾指數(shù)和普惠金融指數(shù)，引入合適的變量，主要借助動態(tài)面板這一方法，考量兩者之間可能存在的關系。通過一系列論證和檢驗，作出了以下的總結。第一，提出了新的計算普惠金融指數(shù)和計量賦權構造指數(shù)的方法。在變異系數(shù)法下，該計算方法與Sarma所用的具有非常好的擬合度，相關系數(shù)接近于1。即使沒有使用工具變量，計量賦權法所構造出來的指數(shù)對各指標的信息的利用更有效率。第二，近年來我國收入差距逐步縮小，普惠金融得到持續(xù)性的發(fā)展。收入差距較大的地區(qū)基本集中在西部地區(qū)，東部地區(qū)相對來說差距較小。普惠金融發(fā)展指數(shù)超過0.4的省市僅有北京、上海、浙江和天津，最高值與最低值相差懸殊，中部地區(qū)與西南地區(qū)的普惠金融有待進一步發(fā)展。第三，財政支出的相對水平、消費者價格指數(shù)和外貿(mào)的開放程度對于城鄉(xiāng)收入差距來說，關系并不是很明確。人均GDP和普惠金融水平的提高可以有效減少收入差距。普惠金融與收入差距之間的關系有反比例和“U”型，結合散點圖來判斷，沒有明顯的跡象說明普惠金融在發(fā)展到一定水平后會拉大收入差距，現(xiàn)傾向于支持反比例關系。現(xiàn)估計結果對內(nèi)生性進行了控制，在動態(tài)面板和靜態(tài)面板中均得到了良好的檢驗。

上述所作的總結包含了些許含義。一方面，需要維持經(jīng)濟的穩(wěn)步增長和普惠金融的持續(xù)性發(fā)展，對內(nèi)陸地區(qū)給予適當?shù)恼邇A斜，逐漸縮小城鄉(xiāng)收入差距，實現(xiàn)均衡發(fā)展。另一方面，對于普惠金融的評價體系的構建需要深入的探討，建立相應的數(shù)據(jù)庫也是大問題。至于普惠金融發(fā)揮作用的機制如何，以及在不同人群中發(fā)揮的作用如何，現(xiàn)并沒有給出相關的解答，還有待日后的探討。

參考文獻：

[1] 何雄浪，楊盈盈.金融發(fā)展與貧困減緩的非線性關系研究——基于省級面板數(shù)據(jù)的門限回歸分析[J].西南民族大學學報：人文社會科學版，2017（4）：127～133.

[2] 韓曉宇，星 焱.普惠金融的減貧效應——基于中國省級面板數(shù)據(jù)的實證分析[J].金融評論，2017（2）：69～82.

[3] 江 春，司登奎，蘇志偉.中國城鄉(xiāng)收入差距的動態(tài)變化及影響因素研究[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2016（2）：41～57.

[4] 羅斯丹，陳 曉，姚悅欣.我國普惠金融發(fā)展的減貧效應研究[J].當代經(jīng)濟研究，2016（12）：84～93.

[5] 林燕平.關于基尼系數(shù)局限性的幾點探討[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2001（6）：73～76.

[6] 馬彧菲，杜朝運. 普惠金融指數(shù)測度及減貧效應研究[J].經(jīng)濟與管理研究，2017（5）： 45～53.

[7] 蘇基溶，廖進中.中國金融發(fā)展與收入分配， 貧困關系的經(jīng)驗分析——基于動態(tài)面板數(shù)據(jù)的研究[J].財經(jīng)科學，2009（12）：10～16.

[8] Sarma M. Measuring financial inclusion[J]. Economics Bulletin，2015（1）：604～611.

[責任編輯：王功巧]