普惠金融促進了制造業就業嗎？
——基于縣級面板數據的實證研究

習明明 李鑫 何炳林

(江西財經大學江西經濟發展與改革研究院，江西 南昌 330013)

一、引言

黨的十九屆五中全會提出：“開啟全面建設社會主義現代化國家新征程，要堅持把發展經濟著力點放在實體經濟上，保持制造業比重基本穩定。千方百計穩定和擴大就業，堅持經濟發展就業導向，擴大就業容量，提升就業質量，促進充分就業”。1為什么這次全會要突出強調“保持制造業比重基本穩定和促進充分就業”的重要性，將其提高到未來五年乃至十五年重大發展戰略的位置？一方面，是因為過去十年的發展中，隨著我國服務業的不斷發展壯大，制造業國民經濟占比出現了持續下降，經濟有過早“脫實向虛”的征兆，這將不利于我國國民經濟社會穩定和長期發展，更不利于我國在全球市場中的核心競爭力提升；另一方面，就促進國內國際雙循環發展新格局而言，我國制造業比其他產業的比較優勢更加突出。制造業屬于勞動和技術密集型產業，更能促進就業、出口和消費升級，對國民經濟和社會發展的拉動效應也更大。制造業就業提升不僅有利于國內市場消費，也有利于國際出口業務，是推動國內國際雙循環發展和提升經濟發展質量的關鍵。因而在當前背景下，研究制造業就業問題具有重要的理論和實踐意義。

保持制造業比重基本穩定對提升就業質量和促進充分就業意義重大。但制造業發展仍然面臨較為嚴峻的形勢，提升制造業就業面臨諸多挑戰和問題。第一，從制造業發展質量來看，我國制造業仍然屬于勞動密集型產業，高新技術產業占比較低，尚處在產業轉型升級成長階段。制造業普遍具有抗風險能力較低、企業利潤率低、資金成本高、資產負債率高的“兩低兩高”特征。第二，從制造業企業數量和結構來看，我國制造業中小微企業占比相對較高。相對于大中型企業而言，這些小微企業不僅經營的資金流動性差，而且融資渠道單一、可抵押資產較少，更難獲得金融機構的信貸支持，更需要優惠信貸資金支持，尤其是普惠金融政策的“精準滴灌”。普惠金融促進金融資源向薄弱環節轉移，有利于改變制造業物質資本積累和低端路徑依賴，促進產業轉型升級并增加制造業就業機會(張平等，2015)[35]。第三，從區域發展不平衡角度看，我國地區金融資源配置不均和金融排斥問題仍然嚴重。2有學者研究表明中國金融賬戶人均持有比例較低，正規金融機構賬戶持有比例僅有63.8%，中國家庭存在嚴重的金融排斥問題(Demirgü?-Kunt and Klapper，2013；張號棟和尹志超，2016)[3][32]。金融排斥情況在不同省份之間存在差異，并且單個地區金融排斥在農村地區明顯大于城市，金融發展呈現出城鄉二元性發展的特征(田霖，2011)[25]。

普惠金融政策從我國嚴重的金融排斥和區域發展不平衡狀況出發，致力于改善金融資源分配，推動金融業與實體經濟融合發展，能夠顯著促進我國現代化經濟體系的構建。發展普惠金融正在成為中國經濟發展的新興關注點。其中，普惠金融對經濟發展的影響主要包括收入分配和改善就業兩個方面。與“撒胡椒粉”式的傳統金融發展不同，普惠金融通過改善金融結構，影響經濟發展的效率和公平(李建軍等，2020)[15]。我國的金融結構主要是以銀行貸款為主導的間接金融體系(習明明和彭鎮華，2019)[27]，對企業信貸抵押的要求過高，不利于中小微企業融資借貸，提高金融中介率可以顯著地解決我國收入差距和推動就業(謝世清和劉宇璠，2019)[28]。此外，構建信息化普惠金融體系能夠提高金融中介服務率，降低金融服務門檻，促進落后地區的企業和經濟發展(李建軍和韓珣，2019)[13]。

普惠金融對地區就業和創業的影響也是學者們關注的重點。張號棟等(2017)[31]研究發現，普惠金融能夠通過改善個人信貸能力，提升人力資本積累，進而降低失業率。Bruhn and Love(2014)[2]基于墨西哥的實證研究表明，普惠金融推廣與就業結構有著緊密關聯。林春等(2019)[18]從小微企業著手，分析了普惠金融對產業就業總量和結構的影響，并且發現普惠金融對產業就業的影響存在地區差異。在普惠金融與創業的研究方面，李建軍和李俊成(2020)[14]從家庭資金約束、金融教育等角度出發，論證了普惠金融對創業的增進作用主要來源于對居民金融能力的提升。張勛等(2019)[34]研究表明，普惠金融顯著改善了農村居民的創業行為，促進了落后地區的發展。

現有文獻針對普惠金融做了大量研究，但仍然有兩方面問題關注不夠：一是主要是基于普惠金融對微觀個體信貸能力和融資約束影響的角度，忽略了普惠金融對就業的影響，尤其是普惠金融對制造業就業的影響機制；二是忽略了金融地理排斥問題和普惠金融在不同發展地區的政策效應差異，很少從縣域經濟和貧困地區的角度，研究普惠金融政策對推動制造業就業的影響。與以往研究相比，本文的研究貢獻主要體現在以下四個方面：第一，從縣域層面分析了普惠金融對制造業就業的影響機制。普惠金融不僅能直接緩解制造業企業的融資約束問題，幫助企業恢復生產，還可以通過金融信貸支持制造業轉型升級和做大做強，間接創造更多新的就業崗位。第二，證實了普惠金融能顯著促進制造業就業空間拓展，為解決中西部地區的就業難題提供了可行思路。第三，分中、東、西部探究了普惠金融的地區異質性影響，分析普惠金融在不同縣區的推行效果。第四，研究了普惠金融在集中連片特困地區對就業的影響，為連片特困地區防止返貧和促進就業的保障兜底工作提供政策啟示。

二、理論分析與研究假設

(一)普惠金融對制造業就業影響

金融對制造業就業的支持作用不僅可以體現在降低貸款利率和促進產業發展方面，還可以體現在降低企業貸款門檻要求方面，如放寬中小企業貸款要求等(McKinnon，1973)[6]。普惠金融政策貫徹商業循環原則，向制造業中小企業和初始創業人群提供價格合理的資金支持。一方面，普惠金融能夠直接降低個人和中小企業的融資貸款成本，有利于促進制造業創業和創新，從而創造更多的制造業就業崗位(張勛等，2019；趙濤等，2020)[34][33]；另一方面，普惠金融提高了金融服務的可得性，放寬對中小企業和工廠獲得貸款的限制，提高其對抗行業風險能力和經營周轉能力，為制造業就業拓展了空間。

中小微企業是拉動就業的重要力量和主力軍，中小微企業能否獲得信貸資金支持，能否成功生存并發展，關系著制造業發展和就業穩定(Beck et al.，2000；Konings，1995)[1][5]。但是，中小微企業因為“輕資產、無抵押”的發展特征，屬于難以獲得信貸資金的長尾群體3，長期被排斥在金融服務體系之外，解決其融資問題成為拉動制造業就業的首要關鍵(王博等，2019)[26]。普惠金融通過降低制造業中小企業融資門檻和融資成本，能夠幫助企業順利“過橋”并生存發展下去，提升企業現金流、盈利能力和業務周轉能力，從而幫助企業成長并創造更多的就業崗位。

隨著經濟發展和技術水平的提升，我國制造業正經歷著轉型升級和技術革新(孫元元和張建清，2015)[24]。但是，制造業轉型升級并不一定就是簡單的“機器換人”，制造業轉型升級也不一定是以犧牲就業為代價。相反，制造業大規模的就業創造和就業消失同時進行，但新增就業機會仍然大于就業的消失(馬弘等，2013)[22]。這說明制造業的新技術創新，不僅促進了產業轉型升級，推動了企業和產業做大做強，還創造了新的就業模式和更多的就業崗位。由此，本文提出研究假設：

H1：在維持制造業比重基本穩定的情況下，普惠金融不僅可以降低制造業融資成本和緩解融資約束，直接促進制造業就業顯著提升，還可以通過促進制造業轉型升級和做大做強，間接創造更多的新就業崗位。

(二)普惠金融對制造業就業影響的異質性分析

經濟發展水平的不同，可能使得不同地區的金融發展存在著差異(Karl and Chen，2011；呂朝鳳，2018)[8][20]。普惠金融在全國范圍的正式推開，正是以解決我國存在的金融發展不均衡和嚴重金融排斥問題為目標。金融排斥屬于金融地理學的研究范疇，不同地區金融排斥現象也存在差異(呂勇斌等，2015)[21]。因此，普惠金融實施力度和對就業的影響也存在地區差異。

集中連片特困地區因地理位置、資源稟賦和發展模式等因素，很大程度上存在連片金融資源薄弱的現象，集體被排斥在金融服務體系之外。普惠金融對集中連片特困地區的政策傾斜使得其對就業的促進作用在這些地區更加明顯。Greenwood et al.(2010)[4]研究發現，金融的發展能夠推動社會資本分配效率的提高，普惠金融為原先處在金融排斥狀態下的微觀主體提供可負擔的資金支持，能夠激發社會的投資生產活力，進而創造新的就業機會。相較于非集中連片特困地區，集中連片特困地區的經濟社會發展潛力還未完全挖掘，地區產業薄弱，制造業就業未形成規模。普惠金融在集中連片特困地區的低門檻特惠投資，解決了地區發展的資金難題，給制造業產業規模的形成、企業生產的擴大帶來可能，從而創造了更多的就業機會，使得普惠金融對制造業就業的影響相較于非集中連片特困地區更加明顯。

西部地區發展較為落后，同時存在嚴重的金融排斥現象，也是金融產業和資本市場發展的落后地區。普惠金融資源向西部地區傾斜能夠有效促進西部大開發，為西部經濟發展挖掘新活力，因此，普惠金融對西部制造業就業空間開拓作用相較于中部和東部更加明顯。另外，從行業細分來看，西部地區勞動密集制造業占比更高。普惠金融資源的注入，使得從事勞動密集制造業生產的中小企業，特別是小微企業獲得資金和金融服務的門檻降低，能夠促進西部制造業企業擴大生產規模，在有效促進西部地區制造業就業的同時，還為西部地區制造業的轉型升級創造了條件。東部地區和中部地區相較于西部地區而言，擁有更好的經濟基礎和交通地理位置，金融業有發展飽和的趨勢，有些地方甚至出現了銀行等金融機構擁擠的情況，呈現出邊際收益遞減的現象(林春，2016)[19]。因此，普惠金融在中東部地區的發展，對制造業就業的拉動作用較小。由此，本文提出研究假設：

H2：普惠金融對制造業就業的促進作用存在異質性，在西部地區對制造業就業的拉動作用更加明顯，在集中連片特困地區的效果優于非集中連片特困地區。

三、研究設計

(一)樣本選擇和數據來源

“普惠金融”政策最早來源于2005年聯合國工作報告。雖然2013年十八屆三中全會提出了要發展普惠金融，但直到2015年末國務院下發“著力推動普惠金融在貧困和欠發達地區優先發展”的通知，要求各級政府因地制宜發展和規劃普惠金融政策，并出臺《推進普惠金融發展規劃(2016―2020年)》，普惠金融政策才開始在我國欠發達地區逐漸推廣。因此，普惠金融政策在我國大范圍推廣是在2016年及以后，本文以2014―2018年縣域數據作為研究樣本。數據來自歷年中國縣域經濟統計年鑒、各省市地方統計局和政府統計公報。其中，集中連片特困地區和非集中連片特困地區是根據國務院扶貧辦公布的六盤山區等11個集中連片特殊困難地區分縣名單劃分。4由于縣域統計年鑒有較多指標缺失，本文除了剔除西藏自治區和青海省的數據之外，還剔除了其他省份中存在缺失數據的部分縣市和民族自治地區。5

(二)普惠金融發展水平測算

我國央行公布的《中國普惠金融指標分析報告(2019年)》重點從使用情況維度、可得性維度和質量維度分析了普惠金融發展水平。現有的普惠金融指標也大多從金融密度、可得性等角度構建(Sarma and Pais，2011)[7]。齊紅倩和李志創(2019)[23]在測算普惠金融發展水平時，將正規金融賬戶的持有數量作為重點指標；范兆斌和張柳青(2017)[9]從地理分布密度(GP)、金融服務可得(AS)及賬戶使用頻率(UF)三個維度出發，選取人均貸款占GDP比重、銀行網點密度和金融從業人員人數等指標構建普惠金融指數，對測算普惠金融發展水平具有啟示意義。

解決人民日益增長的金融需求與供給之間的矛盾主要依靠普惠金融深度的提升。普惠金融深度指標主要從存款轉化率和貸款配比兩個角度構建(龔曉葉和李穎，2020)[10]。地區存款轉化率等于“人均存款/人均地區收入總值”。存款是銀行的主要資金來源，而居民的儲蓄和收入是存款的主要來源(雷震和彭歡，2009)[12]。地區存款轉化是影響銀行等金融機構資金實力的重要因素，是地區金融支持實力的重要體現；同時資金實力決定銀行等金融機構吸收風險的能力，進而影響其管理資產的風險決策。普惠金融將被排斥在正規金融、風險評級系統以外的群體重新納入，在很大程度上屬于風險投資行為，需要較為充足的資金實力支持；除此之外，普惠金融以微觀主體可負擔的成本提供金融服務，政策性質決定其發放貸款和進行金融服務的低收益性質。因此，成本較低的存款可能成為影響普惠金融推行的重要因素。貸款的配比指標也是普惠金融深度的體現，表示在貸款可獲得的前提下，一定收入的微觀主體能獲得的貸款數量(李建軍和韓珣，2019)[13]。普惠金融促進金融業發展向弱勢群體和薄弱環節傾斜，主要通過貸款這一環節實現。貸款配比度的適當提高，能促進金融資源的有效均衡配置，最終能推動金融與實體經濟的融合發展。因此，應該將貸款配比度納入主要普惠金融測度指標。

以現有文獻為基礎，結合研究問題和縣域數據的可得性，本文主要選取“人均居民儲蓄存款余額/人均地區生產總值”和“人均貸款余額/人均地區生產總值”兩個指標，即存款轉化比和貸款配比度，并且使用變異系數法構建普惠金融指數。本文所使用的變異系數法，主要是通過指標的標準差和均值計算出變異系數，然后根據各指標的變異系數值進行賦權。這種方法在一定程度上能夠避免普惠金融指數和其他控制變量的共線性問題(李建軍和韓珣，2019)[13]。

(三)模型設定和變量定義

首先，考慮到各全國各縣區之間較大的地理、文化等固定因素差異，為了進一步減少不可觀測固定因素對估計結果的影響，本文首先使用時間和地區雙固定效應面板數據模型，實證研究普惠金融對制造業就業的影響，具體函數模型如式(1)所示。

其中，yit表示制造業就業指標，inclsvit為縣域的普惠金融指標，Xit為其他控制變量，μi為地區固定效應，vt為時間固定效應，εit為隨機誤差項，i代表地區，t代表時間。

其次，普惠金融推廣不僅可以直接降低中小企業融資成本，緩解中小企業面臨的金融約束，直接促進制造業企業發展和就業提升，還可以通過對制造業企業的“精準滴灌”來幫助企業做大做強，幫助各縣區推進“小升規”工作，進而創造更多的就業崗位，間接促進制造業就業提升。為了檢驗這一機制，本文構造面板數據的雙固定中介效應模型如式(2)所示。

式(2)中，中介變量為地區規模以上工業企業數量lfirms，本文用此變量代表地區制造業企業規模。考慮到樣本有2088個縣區，為避免變量太多而導致模型估計的有效性下降，式(2)中地區固定效應使用的是省份，時間固定效應仍然是年份。

最后，政策的推出時間具有外生性，DID是檢驗政策效果的有效工具，能夠對比政策實施前后，政策實施地區和未實施地區因變量的顯著差別(李建軍和韓珣，2019)[13]。2015年末，國務院出臺《推進普惠金融發展規劃(2016―2020年)》后，普惠金融政策在全國貧困地區得以推廣，因此本文將2016年作為政策沖擊年份。同時，普惠金融政策從地區均衡發展角度出發，統籌規劃我國社會經濟發展，明確要求優先發展薄弱環節和欠發達地區。西部地區和集中連片特困地區屬于相較落后地區，與東部和中部相比具有明顯的政策傾向，西部省份和集中連片特困縣區與其他地區形成了天然的實驗組和對照組。基于以上分析，本文采用DID進一步分析普惠金融政策的制造業就業影響。構建雙重差分模型如(3)式所示：

式(3)中，yit為各個縣區制造業就業指標；Treati為地區虛擬變量，西部地區(集中連片特困地區)為1，中部和東部(非集中連片特困地區)縣區為0；Postt為時間虛擬變量，2016年之前為0，2016年之后為1；Treati×Postt為交互項，2016年以后的西部縣區為1，其他年份和地區為0。如果交互項的系數β1顯著為正，則表示普惠金融對西部地區的制造業就業具有正向的促進作用，符合政策實施的預期。Xit是控制變量，包括制造業比重、制造業企業規模、地區人均生產總值、財政支出、信息化水平、學校在校人數和人口數量等；εit為隨機誤差項。各變量的定義及計算方法見表1所示。

表1 變量定義

四、實證結果與分析

(一)描述性統計

表2是剔除異常和嚴重缺失的數據后的變量描述性統計結果，共包括全國2088縣區2014―2018年的9828個觀測值。不同縣區各變量數據缺失年份不一致，可能會導致不同模型的實際估計過程中樣本量存在差異。

表2 變量的描述性統計

表3 集中連片特困地區和非集中連片特困地區的均值差異

另外，本文采用Pearson相關系數分析對變量進行了檢查，結果顯示解釋變量inclsv與控制變量的相關性比較小。解釋變量普惠金融(inclsv)與控制變量人均GDP(lgdpp)的相關系數為-0.3410，是因為普惠金融政策推廣主要是向貧困欠發達地區傾斜。普惠金融與其他控制變量的相關系數都小于0.1，因此解釋變量和控制變量之間的多重共線性問題可以忽略不計。

為了進一步比較不同地區的制造業就業、普惠金融發展水平、制造業占比等方面是否存在顯著差異，本文將樣本分為集中連片特困地區和非連片特困地區兩組，比較兩者之間所包含變量的均值差并進行t檢驗，結果如表3所示。

表3中，集中連片特困地區的制造業就業(llbsec)、制造業比重(secgdp)、規上企業數量(lfirms)等指標均顯著低于非連片特困地區，只有普惠金融指標(inclsv)顯著高于非連片特困地區，這說明普惠金融政策重點向欠發達地區傾斜，普惠金融政策推廣的力度在集中連片特困地區更大。

(二)基準模型

為了進一步分析普惠金融對制造業就業的影響，本文采用面板數據雙維固定效應模型進行實證檢驗，并逐步對各組加入控制變量，探究普惠金融對制造業就業的促進效應，結果如表4所示。

表4中，四個模型全部采用了面板數據雙向固定效應回歸方法。從結果可以看出，無論是否加入控制變量，普惠金融指數的系數均顯著為正，說明普惠金融指數對制造業就業具有顯著的促進作用。表4中，區別于模型(1)和(3)，模型(2)和(4)通過變量secgdp控制了制造業比重，結果表明在控制制造業比重情況下，普惠金融仍然能夠顯著促進制造業就業提升。綜上所述，在控制制造業比重情況下，普惠金融能夠有效促進制造業就業提升。該結論有效驗證了假設H1。

表4 基準模型回歸結果

(三)中介效應機制檢驗

為了檢驗普惠金融對制造業就業影響的傳導機制，本文使用面板數據中介效應模型進行回歸分析，并控制了制造業比重等變量。在制造業比重維持基本穩定的條件下，普惠金融對制造業就業影響的直接和間接效應的檢驗結果如表5所示。

表5 普惠金融對制造業就業影響的中介效應檢驗

根據中介效應的檢驗機制和原理，表5中模型(1)的因變量是制造業就業，解釋變量是普惠金融；模型(2)的因變量是規上企業數量，解釋變量是普惠金融；模型(3)的因變量是制造業就業，解釋變量是普惠金融和規上企業數量。

表5中，中介效應Sobel檢驗的結果在1%水平下顯著，且模型(3)的兩個解釋變量均在1%水平下顯著，說明普惠金融對制作業就業影響存在部分中介效應。即普惠金融不僅能夠直接促進制造業就業提升，還可以通過促進地區“小轉規”，增加地區規模以上工業企業數量，推動制造業轉型升級和做大做強，進而間接促進制造業就業提升。根據表5的實證結果，普惠金融通過促進企業規模擴大間接推動制造業就業提升的間接效應比例為0.268，這說明普惠金融促進制造業就業提升的直接效應為73.2%，間接效應為26.8%。以上結論有效驗證了假設H1。

(四)普惠金融制造業就業效應的地區差異

普惠金融服務的重點是處于金融排斥狀態下的微觀主體，致力于解決金融業發展不均衡以及金融服務存在薄弱環節和地區的問題。經濟發展水平的不同可能使得地區間的金融發展存在著差異，金融服務發展水平、覆蓋率和可得性情況也會不同(呂朝鳳，2018)[20]。因此，普惠金融政策的推行力度可能存在明顯的地區傾斜，進而對各地區的制造業就業影響效應不同。為了進一步檢驗普惠金融對制造業就業影響的地區差異，本文分集中連片特困地區與非集中連片地區，以及東部、中部和西部地區探討普惠金融對制造業就業的異質性影響。

表6 普惠金融對不同地區制造業就業回歸結果

從表6可以看出，模型(1)與模型(2)分別針對是否是集中連片特困地區進行回歸，其結果均顯示普惠金融指數的系數顯著為正。集中連片特困地區的普惠金融指標系數相較于非集中連片地區更大，表明普惠金融對集中連片特困地區的制造業就業推動作用更加明顯。模型(3)是基于全部地區樣本進行回歸的結果，inclsv×poverty為普惠金融指數與集中連片特困地區虛擬變量的交互項(poverty取值為1代表集中連片特困地區，取值為0代表非集中連片特困地區)，回歸系數顯著為正，進一步說明了普惠金融向集中連片特困地區的資源傾斜能夠更加明顯的推動該地區的制造業就業。模型(4)、模型(5)和模型(6)報告了針對我國東部、中部和西部地區進行回歸的結果。從結果可以看出，普惠金融系數只對西部地區制造業就業具有顯著正向影響，對東部地區以及中部地區的影響不顯著，說明普惠金融對制造業就業的推動主要體現在對西部地區上，該結論有效說明普惠金融推動西部地區制造業就業提升具有重大意義。該結論有效驗證了假設H2。

普惠金融為什么在集中連片特困地區和西部地區對就業的影響更加顯著？首先，從需求角度看，一方面，是因為集中連片特困地區和西部地區制造業發展基礎薄弱，不僅產業規模小，而且技術水平落后，企業盈利能力低，抗風險能力弱，更需要優惠金融信貸資金的支持；另一方面，集中連片特困地區和西部地區資本市場發展也相對較為落后，企業的資金來源渠道較為單一，民間借貸和“過橋”成本相對較高，普惠金融政策對當地制造業企業支持的邊際效應會更大。其次，從供給角度看，2016年之后，普惠金融政策雖然在全國推廣開來，但對貧困落后地區的支持力度更大，集中連片特困地區和西部地區能夠得到的優惠服務支持更多，因而對當地制造業就業的影響更加顯著。

五、穩健性檢驗

(一)普惠金融政策與制造業就業

前文從整體以及分地區的角度探究了普惠金融對地區制造業就業的影響，通過添加相關控制變量，在一定程度上緩解了遺漏變量的問題。但不容忽視的是，一方面，模型不可避免地存在一些不可觀測的因素，可能遺漏重要變量；另一方面，地區制造業就業也會影響當地的普惠金融。由于遺漏變量和反向因果現象的存在，模型可能存在內生性問題，上述結論可能存在一定偏差。因此，本文采用雙重差分模型(DID)進行分析，這樣不僅能夠緩解模型可能存在的內生性問題，還可以進一步評估普惠金融的政策效應。

2015年末我國頒布的《推進普惠金融發展規劃(2016―2020年)》為本文提供一個很好的“準自然實驗”。我國部分地區發展落后，如西部地區或集中連片特困地區，當地的金融發展程度較低，而《推進普惠金融發展規劃(2016―2020年)》針對金融發展較為薄弱的地區給予部分特殊待遇。因此，本文以2016年為時間點，分別以西部地區和集中連片特困地區作為實驗組，利用雙重差分法，進一步從縣級層面驗證普惠金融的政策影響。

在表7中，模型(1)和模型(2)均以西部地區為實驗組進行回歸，Treat1_Post表示2016年后普惠金融發展規劃在西部地區重點實施，同時控制年份效應和地區效應，其中模型(1)的解釋變量只有核心解釋變量，模型(2)加入其他控制變量。結果表明，是否包含控制變量對回歸結果影響不大，核心解釋變量均顯著為正，說明我國普惠金融政策可以有效促進西部地區制造業就業水平提升。模型(3)和模型(4)以集中連片特困地區為實驗組進行回歸，Treat2_Post表示2016年后普惠金融發展規劃在集中連片特困地區重點實施，且只有模型(4)加入控制變量。回歸結果中，核心解釋變量也顯著為正，說明我國普惠金融政策也能促進集中連片特困地區制造業就業發展。從上述結果可以看出，無論是將西部地區作為貧困地區或是以更為貧困的集中連片特困地區作為貧困地區，我國普惠金融政策對貧困地區制造業就業均有顯著的正向影響。另外，交互項系數顯著為正，更進一步驗證了假設H2中普惠金融政策對制造業就業的推動作用存在地區差異的觀點。

表7 DID 估計與平行趨勢假設檢驗

圖1 平行趨勢檢驗

(二)檢驗平行趨勢假設

表7的回歸結果成功印證了本文的假設H2，普惠金融政策能夠促進貧困地區制造業就業。但在DID模型中，控制組與實驗組要滿足平行趨勢假設，否則交互項并非政策處理效應。由圖1可知，在政策頒布前，系數估計值在統計上無一顯著，說明政策頒布前控制組與實驗組之間的制造業就業沒有差異。在政策頒布當年以及后兩年，回歸系數均顯著為正，表明普惠金融政策有利于促進地區制造業就業水平的提升。該結論有效說明雙重差分模型滿足平行趨勢假定，交互項能夠有效體現政策效果。

(三)工具變量檢驗

為了進一步解決模型可能存在的內生性問題，本文繼續使用工具變量對模型進行回歸。首先，當年的制造業就業不會影響上一年的普惠金融發展水平，但上一年的普惠金融發展水平會通過影響當年的普惠金融發展水平，間接影響當年的制造業就業，因而可以采用普惠金融滯后期作為工具變量。其次，在我國的行政區劃調整政策中，鄉鎮和街道的行政區域調整是由省級政府決定的，縣級行政區域調整是由國務院決定的，這兩者的調整短期內都不可能受到當地制造業就業的影響。參照余泳澤和潘妍(2019)[29]、余泳澤等(2020)[30]工具變量的處理方法，使用行政單位數量作為工具變量。考慮到本文樣本使用的是縣級面板數據，選取鄉鎮和街道等基層行政單位數量作為工具變量。在縣域層面的普惠金融政策推廣過程中，鄉鎮、街道辦等基層行政單位是推進普惠金融政策實施的執行單位，是政策執行和落實的“最前線”單位。基層行政單位更加了解中小企業融資需求，更能引導普惠金融政策“精準滴灌”到當地的重點企業、重點產品、重點項目；并且基層行政單位數量越多，相關推行的人員、平臺和資源也越多，在政策扶持、基層工作和基礎設施等方面，對普惠金融政策落實的作用也會更加有效(粟芳和方蕾，2016)[17]。在短期內，制造業就業不會影響基層行政單位數量，基層行政單位數量也不會直接影響制造業就業，但基層行政單位數量可以通過影響地區普惠金融發展間接影響制造業就業。

表8報告了工具變量的回歸結果，其中模型(1)和模型(2)是將解釋變量滯后一期作為工具變量的回歸結果，模型(3)和模型(4)是以基層行政單位數量作為工具變量的回歸結果，模型(2)與模型(4)包含其他控制變量，上述模型均控制年份和地區效應。

回歸結果顯示，無論是以解釋變量滯后期還是以基層行政單位數量作為工具變量，普惠金融指標的系數依舊顯著為正。工具變量估計結果與基準回歸結果存在顯著差異，說明基準模型存在內生性問題，工具變量的結果是有效的，普惠金融對地區制造業就業仍有顯著促進作用，結論與假設H1一致。同時，對比表8與表4中回歸結果可以看出，使用工具變量法后，估計結果明顯變大，說明潛在的內生性問題導致原模型低估了普惠金融對地區制造業就業的影響(李澤廣等，2010；郭峰和洪占卿，2013)[16][11]。

表8 工具變量法檢驗

六、結論與啟示

本文基于縣域層面數據探討了普惠金融對地區制造業就業的影響。結果顯示：普惠金融不僅可以降低制造業融資成本和緩解融資約束，直接促進制造業就業顯著提升，而且可以通過促進制造業轉型升級和做大做強，間接創造更多的制造業就業崗位；并且對貧困落后地區，如我國西部地區和集中連片特困地區來說，普惠金融的制造業就業效應更為明顯。另外，本文通過雙重差分法分析方法對我國普惠金融發展政策進行評估，發現我國普惠金融政策對貧困地區的制造業就業有很大提升。在使用雙重差分模型和工具變量方法解決了內生性問題后，上述結論依舊成立。

我國制造業正經歷低端技術依賴向高精尖發展模式的轉變，制造業轉型升級并不是簡單的“機器換人”，制造業技術提升在“消滅”部分傳統就業崗位的同時，也會因為規模擴大、產業鏈延伸和技術迭代創造更多的新崗位。大力推動普惠金融，優先發展金融薄弱環節，促進金融服務向制造業中小企業傾斜，能夠激發制造業生產技術創新，從而有利于制造業盤活人力資本，擺脫低級要素依賴，推動工業結構轉型升級和就業結構升級，從而突破我國新時期經濟增長減速困境，并創造出更多的制造業就業。因此，本文提出以下政策建議：(1)不斷完善普惠金融服務體系，明確各市場主體的作用，構建普惠金融法規體系保障普惠金融政策措施的推行，積極發揮普惠金融對制造業就業的拉動作用，做好就業扶貧兜底工作；(2)推動普惠金融向重點領域傾斜，不斷完善小微企業信貸體系和評級體系，降低中小企業市場信貸標準，拓寬制造業可得資金途徑，解決企業發展資金制約，促進小微企業的發展和“小升規”進程加速，推動制造業轉型升級，提升地區就業水平和質量；(3)著力就業脫貧、創業脫貧，實現精準扶持，重點解決城市低收入人群、困難人群以及村鎮貧困戶、創業農戶、返鄉創業大學生、殘疾勞動者等初始創業者的信貸及服務支持，推動大眾創業、萬眾創新，實現創業拉動制造業就業，增加制造業新興就業崗位；(4)加大貧困地區和西部地區的普惠金融投入，推動基礎普惠金融服務普及，挖掘貧困地區支柱型產業企業，培育新就業增長點；(5)完善普惠金融資金來源與投資規劃，為制造業轉型升級提供中長期普惠金融支持，進而推動就業結構升級。

[基金項目：國家自然科學基金項目“基于同伴效應的網絡經濟中的從眾行為及其特征研究”(項目編號：71863011)、國家自然科學基金項目“政治制度對經濟發展影響的隨機動態規劃與實證研究：基于DSGE與動態面板分析方法”(項目編號：71503110)、江西省高校人文社科青年基金項目“推動中部崛起與江西經濟高質量發展研究”(項目編號：JJ19204)]

注釋

1. 《中共中央關于制定國民經濟和社會發展第十四個五年規劃和二〇三五年遠景目標的建議》，第四條“加快發展現代產業體系，推動經濟體系優化升級”和第十二條“改善人民生活品質，提高社會建設水平”。

2. 金融排斥概念來源于金融地理學，是指部分個人、機構或地區，因為能力、競爭力、貧困等原因而不能進入金融體系獲得相應的資金支持，從而被排斥在金融服務體系之外的現象。

3. 長尾群體是指在市場中需求容易被忽視的群體，屬于市場細分的概念。

4. 國務院扶貧辦公布的11個集中連片特困地區包括：六盤山區、秦巴山區、武陵山區、烏蒙山區、滇桂黔石漠化區、滇西邊境山區、大興安嶺南麓山區、燕山-太行山區、呂梁山區、大別山區和羅霄山區。

5. 關鍵變量數據嚴重缺失和異常的縣區有：安徽省臨泉縣、全椒縣、鳳臺縣、利辛縣、樅陽縣、渦陽縣、界首市、肥東縣、肥西縣、長豐縣、霍邱縣；黑龍江省友誼縣、呼瑪縣；新疆維吾爾自治區烏魯木齊縣、青河縣；山西省懷仁縣、清徐縣、陽曲縣、應縣、山陰縣、古交市、婁煩縣；四川省爐霍縣、石渠縣；甘肅省碌曲縣、阿克塞哈薩克族自治縣、迭部縣等。