廣西縣域金融扶貧效應研究

羅琳（廣西師范大學經濟管理學院）

■ 問題的提出

金融作為當今經濟的核心，在服務鄉村振興與扶持脫貧方面也具有不可替代的作用。向農村地區、偏遠貧困山區提供持續的金融服務，滿足農民日常各種金融需求，能大大提高貧困地區自我發展能力。金融扶貧目前已成為精準扶貧戰略的重要組成部分，但農村貧困地區金融資源投入以及金融扶貧效率問題都需要重視。

金融扶貧效應體現在經濟增長效應與分配效應，經濟增長效應是指金融發展通過促進經濟增長以惠及貧困群體達到減貧的目的（孔凡斌等，2019）[1]；收入分配效應是指金融發展能夠減少收入分配差距來減少絕對貧困，改善收入分配狀況（張音等，2015）[2]。金融扶貧既能增加金融供給，降低貧困地區及貧困群眾貸款難度，同時金融能支持貧困地區發展特色產業，增加金融需求。金融發展通過提高貧困人口對金融服務的獲得性來對貧困減緩產生直接作用（陳銀娥等，2018）[3]。

另外，金融發展有助于降低農戶融資門檻和降低農村信息不對稱程度，緩解農村融資難、貴、慢的問題；將金融與本地特色產業相結合，能推動金融與鄉村振興的有機融合。目前金融監管制度不完善、金融扶貧成本高、難度大、農村金融排斥等問題都是金融扶貧面臨的困境（周天蕓，2018）[4]，金融發展難以滿足日益增長的資金需求，財政扶貧的效果沒有達到預期（朱玲等，2018）[5]。

本文基于廣西80個縣金融扶貧的實踐，采用GLS估計、固定效應模型以及系統GMM模型分析金融扶貧效果，據此提出優化金融扶貧效率的政策建議，以期對廣西縣域的金融扶貧實踐起到積極的推動作用。

■ 廣西縣域金融扶貧效應的實證分析

（一）數據來源

本文選取了廣西80個縣作為研究樣本，數據主要來源于《中國縣域統計年鑒（縣市卷）》與《廣西統計年鑒》?！吨袊h域統計年鑒（縣市卷）》中含有廣西81個縣域單位經濟社會發展資料，由于邕寧區的大部分數據缺失本文將此樣本剔除。

（二）變量選取

被解釋變量：以農村居民人均純收入的對數值（lnpov）作為衡量貧困程度的指標。農民可支配收入的多少直接關系農民貧困與否，可支配收入高于國家收入貧困線標準表示已脫貧，反之則表示仍處于貧困中。

核心解釋變量：金融資源注入（lnfinan）。該指標采用的是金融機構人均貸款余額的對數值衡量。

控制變量：參考王漢杰等（2020）[6]選取相應的控制變量，主要包括基礎設施（lninfra），采用固定資產投入的對數值衡量，產業結構（ind）采用第一產業增加值與第二、第三產業增加值之和的比值衡量，人力資本（edu）采用每萬人普通中學在校學生數衡量、農業發展水平（arg）采用農業機械動力衡量。

（三）模型構建

為檢驗金融發展的扶貧效應，構建以下模型來進行分析：

式中，i和t分別表示第i個縣和第t年，vit為隨機擾動項，μit為每個橫截面個體截距與截距均值的差值，βi(i=0，1，…，5）表示待估參數。系數β1反映金融發展的減貧效應，當系數β1顯著為正時，表明金融發展有減貧作用；相反，當系數β1顯著為負時，則意味著金融發展并不能達到減貧效果，甚至使得縣域地區更加貧窮。

（四）實證結果分析

模型（1）是在不考慮控制變量影響時采取廣義最小二乘法（GLS）估計結果。結果顯示金融資源的注入對農村貧困狀態具有減緩作用，即金融資源的注入有顯著的減貧效應。模型（2）是考慮控制變量影響時采取廣義最小二乘法（GLS）估計結果。結果與模型（1）保持一致，但控制變量的加入影響了金融扶貧的效果，金融扶貧的作用效果有所下降。其次，采用靜態面板的估計結果顯示金融發展確實能有效減貧，但此時依然可能內生性問題。因此，采用農村居民人均純收入的對數值滯后一期作為解釋變量加入到模型中，構建動態面板數據模型，采取系統GMM進行估計（模型（4）），緩解模型中的內生性問題，并檢驗模型的穩健性。結果顯示，AR（2）不再存在自相關，過度識別檢驗（即Sargan統計量和Hansen統計量）結果在5%顯著水平并沒有拒絕“所有工具變量均有效”的原假設，因而模型設定比較合理。

表1 金融發展減貧效應的實證結果

由表1可以得出結論：未加控制變量與加入控制變量情況下，金融發展減緩的效果均顯著，但加入控制變量的金融減緩效果有所降低，表明金融減緩效果受其他因素的影響。金融扶貧能發揮作用主要是因為金融能夠促進農民收入增加。第一，根據固定效應模型與系統GMM模型，基礎設施的發展對貧困減緩的系數為正，表明基礎設施的建設有利于廣西縣域的貧困減緩。第二，固定效應模型下，產業結構對貧困減緩顯著為負，表明廣西縣域產業結構不合理，客觀條件的限制難以發展第二、第三產業，難以帶動經濟的發展，產業結構的不合理不利于貧困減緩。第三，系統GMM估計下，受教育水平與貧困減緩呈正向關系，表明受教育水平的提高有利于貧困減緩。第四，農業發展水平在固定效應模型下與貧困減緩呈正相關關系，且影響顯著，但在系統GMM模型下為負相關關系，但顯著度并不明顯，所以農業發展水平即農業機械動力的投入對貧困是否能減緩可能要根據地區實際情況進行評判。另外，把農民人均純收入滯后一期加入模型中作為解釋變量檢驗農民收入的滯后效應，結果顯示農民的前一期收入并不能有效減緩貧困，這表明農民大部分收入都會作為各種支出消耗掉，未來的收入情況并不會因為上一期的收入而有所改善。

■ 結論及政策啟示

本文考察了金融發展對貧困減緩的影響及其作用，得出以下結論：利用GLS估計、固定效應模型以及系統GMM模型實證分析了廣西縣域金融扶貧效果，結果顯示金融的發展有利于減貧，但基礎設施、產業結構、人力資本、農業發展水平等因素干擾了金融發展減貧效應的發揮。其中，廣西縣域產業結構的不合理不利于縣域貧困減緩，而農業機械總動力的投入是否能促進縣域貧困減緩要根據各縣的實際情況進行評判。通過對比貧困縣與非貧困縣的金融扶貧效果，廣西貧困縣因為基礎條件較為落后，金融的減貧效應要優于非貧困縣，非貧困縣擁有更好的經濟基礎，金融減緩作用相對貧困縣而言效果較弱，絕對貧困在非貧困縣可能已經解決，但解決相對貧困仍然是非貧困縣未來發展的一大難題。

結合本文實證分析金融發展是否能有效減貧結果來看可以得出貧困減緩的政策啟示：第一，提升貧困區域的金融普惠的服務水平，降低農戶融資門檻和降低農村信息不對稱程度，緩解農村融資難、貴、慢的問題，降低貧困人口潛在的金融排斥。推動鄉村通訊基礎設施建設，使貧困群體更容易獲取金融服務。第二，重視改善貧困人口中的“因學致貧”現象。教育扶貧直接關系中國經濟未來增長潛力，是提升貧困人口素質和能力的根本點，能徹底阻斷貧困代際傳遞，提高貧困人口的能力（宋宸剛等，2018）[7]。可以適當向有適齡受教育的貧困人口傾斜金融資源。第三，產業扶貧是解決農村貧困問題的根本途徑（胡振光，2014）[8]。解決貧困地區在產業升級和研發創新等的融資約束。貧困地區研發創新能力要弱于非貧困地區，所以金融資源會向研發創新能力強的區域集聚，這將會在很大程度上擠占了貧困地區的金融資源份額。因此，金融扶貧過程中應當重視貧困人口和地區的產業發展金融需求，使其在經濟發展和脫貧能力提升方面具有可持續性。