普惠金融论文篇(1)

关键词：普惠金融；城乡居民福利差异；面板门槛模型；门槛效应

中图分类号：F832.0 文献标识码：A 文章编号：1674-2265（2016）09-0058-05

普惠金融是近年来研究的热点问题。最初普惠金融的相关研究大多集中在普惠金融的内涵、普惠金融发展水平的测度以及普惠金融的影响因素等方面。随着普惠金融指数测度体系的逐渐完善，许多学者对我国普惠金融发展对城乡居民收入差距的影响进行了研究。田杰和陶建平（2012）对我国2006―2009年1877个县（市）的面板数据进行了分析，结果表明中国农村普惠金融发展对农民收入具有显著的正效应，但从区域层面看区域之间存在着一定差异。徐敏和张小林（2014）根据我国1985―2012年的时间序列数据，采用VAR模型对普惠金融对城乡居民收入差距的影响进行研究，研究结果表明普惠金融发展能够缩小城乡居民收入差距，但效果并不显著。李建伟等（2015）根据我国2004―2013年的相关数据，采用VEC模型分析，发现普惠金融特别是农村普惠金融的发展能够降低城乡收入比。但城乡居民收入差距只能在一定程度上反映生活水平的差异，并不能反映城乡居民的福利差异。谢升峰和卢娟红（2014）从“生活水平”和“生活质量”两个维度来衡量城乡居民福利差异。并根据我国2007―2012年的省级面板数据，构建固定效应模型测度普惠金融对城乡居民福利差异的影响，结果表明普惠金融的发展能够减小城乡居民福利差异，但在东中西地区之间存在着显著差异。

本文力图在以下方面有所贡献：第一，现有的实证研究成果是基于普惠金融对城乡居民收入和福利差异的影响存在线性关系，但普惠金融对城乡居民收入和福利差异的影响在不同阶段可能会呈现不同效果，本文构建面板门槛模型对普惠金融影响城乡居民福利差异的效应进行分析。第二，通过门槛区间的划分，将我国各区段的省份个数变化以及门槛区间的构成进行分析，对我国普惠金融影响城乡居民福利的地区差异做出更为详细的分析。

三、实证分析

（一）门槛效应检验

本文首先对普惠金融与城乡居民福利差异之间是否存在非线性的门槛效应进行检验。依次进行单一门槛、双重门槛和三重门槛的检验，门槛效应检验结果如表4所示。

由表4可知，三种门槛模型效果均通过了显著性检验，说明普惠金融影响城乡居民福利差异的效应存在显著的非线性关系，应构建三重门槛模型进行分析。但第三个门槛估计值位于双重门槛模型两个门槛值之间，因此双重门槛模型即可有效描述因变量与自变量之间的结构变化情况。本文根据两个门槛值将全国的31个省份划分为3个区段，其中将普惠金融指数满足[IFI]≤0.021的省份定义为低区段省份，将普惠金融指数满足0.0210.249的省份定义为高区段省份。

（二）门槛模型的估计

本文对普惠金融与城乡居民福利差异的非线性双重面板门槛模型进行估计，估计结果如表5所示。

由表5可知，当普惠金融指数处于不同区间范围时，普惠金融影响城乡居民福利差异的效应将呈现不同的效果。当普惠金融指数低于0.021时，普惠金融指数的回归系数为3.456，并且通过了1%的显著性检验；当普惠金融指数处于0.021―0.249之间时，普惠金融指数的回归系数仍然通过了显著性检验，但系数大小由3.456显著减小为0.535；当普惠金融指数大于0.249时，普惠金融指数的回归系数更小，减小为0.155，并且没有通过显著性检验。从回归结果可以看出，当普惠金融发展水平处于第一个区间时，普惠金融的发展影响城乡居民福利差异的效应为正且显著；当普惠金融发展水平位于第二个区间时，普惠金融的发展影响城乡居民福利差异效应仍为正，但与第一个区间相比，这种效果较小；当普惠金融位于第三个区间时，普惠金融的发展影响城乡居民福利差异效应为不显著的正效应。

综合三个阶段来看，从2008―2014年，普惠金融的发展拉大了城乡居民福利差异，但是这种效应不是线性的，而是存在一个双门槛效应的非线性特征，整体来看为逐步放缓的变化特征。这是由于当普惠金融发展水平比较低的时候，随着普惠金融的发展，普惠金融的受益群体主要是城镇居民，农村居民受益较少，普惠金融的发展会拉大城乡居民福利差异。随着普惠金融在城市发展的相对饱和，农村居民从普惠金融发展过程中能够获得越来越多的收益，普惠金融的发展对农村居民福利水平的拉动作用越来越大，因此增大城乡居民福利差异的作用会逐渐减小。当普惠金融发展到一定程度时，农村居民从普惠金融发展中所能获取的收益能够达到城镇居民所获取的收益，因此当普惠金融的发展水平较高时，对城乡居民福利差异的影响并不显著。

从控制变量来看，财政支出[gov]的回归系数为正且通过了显著性检验，这是由于中国政府财政支出的城镇偏向性显著地提高了城镇居民福利水平，而对农村居民福利水平提升作用较小，从而拉大了城乡居民福利差异。经济发展[lnpgdp]的系数为正，但没有通过显著性检验。对外开放[fdi]的系数为正，但不显著。城镇化率[city]的回归系数均为负且通过了显著性检验，说明城镇化会减小城乡居民福利差异。

（三）门槛区间的构成和变化

2008―2014年普惠金融三个区间内的省份个数如图1所示。从各区间内省份个数的时间变化趋势可知：位于低区段的省份个数由2008年的8个下降为2014年的3个；位于中区段的省份个数从2008年到2014年几乎是平稳的变化趋势；位于高区段的省份个数由2008年的2个增加到2014年的3个。整体来看，2008―2014年普惠金融在三个区段内的省份数量变化不大，普惠金融从2008―2014年发展速度较为缓慢。

从各区段内的省份个数比较来看：位于中区段的省份最多，占比达到了2/3以上；其次是位于低区段的省份个数；位于高区段的省份个数最少。由此可知，我国大多数地区位于低区段和中区段，其中位于中区段的省份个数最多，说明我国多数地区普惠金融的发展显著拉大了城乡居民福利差异，只有少数地区的普惠金融发展对城乡居民福利差异的影响为不显著的正影响。以2014年为例，我们观察各区段省份所处的地区，可以发现2014年位于高区段的3个省份为北京、天津、上海。西部地区的新疆、青海、内蒙古等地位于低区段，其余省份位于中区段。由此可推断我国只有少数地区普惠金融的发展影响城乡居民福利差异的效应为不显著的正效应，大部分地区普惠金融的发展仍然显著拉大了城乡居民福利差异。

（四）稳健性检验

上述分析表明了我国普惠金融影响城乡居民福利差异的效应存在显著的双门槛效应，但各变量大多呈现逐渐上升的变化趋势，变量过多容易影响模型估计结果的精确性，增加或减少某个控制变量都可能影响模型的估计结果。本文在上述门槛模型的基础上依次剔除其中的一个控制变量进行估计，用来检验模型的估计结果是否存在稳健性，在门槛效应的检验结果中，本文发现剔除变量[lnpgdp]和[gov]的门槛效应接受了双门槛效应，而且门槛值与不剔除控制变量的门槛值相同，剔除变量[city]和[fdi]的门槛效应接受了单门槛效应，单一门槛值为0.249。各门槛模型的估计结果如表6所示。

由表6可知，在原门槛模型中依次剔除控制变量[lnpgdp]、[gov]后，普惠金融指数的系数估计结果在量上有少许差别，但符号保持了一致性，这说明了普惠金融影响城乡居民福利差异的效应随着普惠金融指数的提高呈现逐步放缓的变化特征。剔除变量[city]和[fdi]的模型同样说明了普惠金融影响城乡居民福利差异的效应呈现逐步放缓的变化特征。上述结论说明本文的估计结果存在稳健性，不会因为增加或减少某个控制变量而使估计结果发生本质变化。

四、结论

本文根据2008―2014年中国31个省市的面板数据，构建面板门槛模型，对普惠金融影响城乡居民福利差异的效应进行考察，得到以下主要结论：

第一，普惠金融与城乡居民福利差异之间存在显著的双门槛效应。普惠金融发展初期，会拉大城乡居民福利差异。随着普惠金融的发展，其影响城乡居民福利差异的效应会逐渐减弱。原因在于当普惠金融发展水平比较低的时候，其受益群体主要是城镇居民，随着普惠金融在城市发展的相对饱和，农村居民从普惠金融发展过程中能够获得越来越多的收益。

第二，普惠金融影响城乡居民福利差异的效应在第一个门槛区间为显著正效应；在第二个门槛区间为正效应，但作用效果与第一个门槛区间相比较低；在第三个门槛区间为不显著的正效应。我国只有少数地区普惠金融的发展影响城乡居民福利差异的效应为不显著的正效应，大部分地区普惠金融的发展仍然显著拉大了城乡居民福利差异。

由以上结论可知，我国现阶段多数地区普惠金融的受益群体主要还是城镇居民，普惠金融的发展整体上拉大了城乡居民福利差异。本文提出以下建议：一是增加农村基础建设支持，尤其是在中西部地区，对农村普惠金融机构可给予减免税等优惠政策。发展农村普惠金融的成本较高。业务散、成本高、利润薄是农村普惠金融机构发展的重要阻力，也是长期我国金融机构在城镇覆盖率比较高、而在农村覆盖率较低的重要原因。给予农村普惠金融机构减免税等优惠政策以及增加农村基础设施建设，可以降低农村普惠金融机构的经营成本、增加农村普惠金融机构的营业利润，从而引导更多金融机构入驻农村。二是降低农村普惠金融准入门槛，加大农村普惠金融服务的深度和广度。推进银行业普惠金融工作、发展融资性担保机构、小贷、网贷等，使普惠金融能够真正“普之城乡，惠之于民”。

参考文献：

[1]Hansen B E. 1999. Threshold effects in non-dynamic panels：Estimation，testing and inference[J].Boston College Working Papers in Economics，volume 93（2）.

[2]莫开伟.为银监会首设普惠金融部点赞[N].上海金融报，2015-01-30.

[3]田杰，陶建平.农村普惠性金融发展对中国农户收入的影响――来自1877个县（市）面板数据的实证分析[J].财经论丛，2012，（2）.

[4]徐敏，张小林.普惠制金融对城乡居民收入差距的影响[J].金融论坛，2014，（9）.

[5]李建伟，李树生，胡斌.具有普惠金融内涵的金融发展与城乡收入分配的失衡调整――基于VEC模型的实证研究[J].云南财经大学学报，2015，（1）.

普惠金融论文篇(2)

关键词：普惠金融；消费投资决策；信贷市场；互联网金融

中图分类号：F830.92 文献标识码：B 文章编号：1674-0017-2017（1）-0011-08

一、引言

联合国于2005年正式提出普惠金融（Inclusive Finance）一词，又称包容性金融。目前，普惠金融发展战略已被全球50多个国家所采纳。2013年11月12日，党的十八届三中全会通过的《决定》中正式提出“发展普惠金融”。周小川（2013）认为普惠金融建设和巩固金融基础设施，在将金融服务扩展到欠发达地区和社会低收入人群，为其提供便捷、公平公正的金融服务，不断提高资金的可获得性。对我国而言，普惠金融旨在解决现实的“三农”、中小微企业、普通中低收入人群等弱势群体的金融支持问题，通过优质、高效的金融服务，提升全社会人民的生活水平和国家经济增长潜力。在资金供给方面，World Bank（2013）在全球137个国家的调查表明发展中国家的企业只有34%从银行获得过贷款，发达国家约为51%；在企业贷款需求方面，据Wind资讯调查数据显示1，中国的小型企业贷款需求最为旺盛，而后中型、大型企业的贷款需求依次递减，而大量的信贷资源却被大型企业和富裕人群所吸收。同时，数量众多的中小型企业是国家经济增长的重要力量，缺乏包容性2的金融体系不利于经济增长。然而，普惠金融的本质是金融，金融要求是资产配置最优化，将资金从低效能的生产部门转移至高效能的生产部门，其逐利的商业性与其福利经济的普惠性之间存在着与生俱来的矛盾和联系。普惠金融的普惠性能否得到有效实施？普惠金融的商业性如何影响普惠性的实现？对它的成效和可行性的评价及现实悖论是怎样的？只有从系统的理论角度对其商业性和其普惠性之间的内在关系进行研究，才能进一步找出推进普惠金融发展的痛点，也才能找准推进普惠金融进程的有效措施，提升金融服务普及率。本文通过引入经典的金融经济学理论--消费投资理论的建模思想作为理论基础，研究普惠金融商业性与普惠性之间的相互作用关系，进而利用“长尾”理论说明结合互联网的普惠金融缓解融资难的可行性，进一步探寻具有可操作性的政策建议。

二、普惠金融目标与市场性冲突分析

利用基于一定假设的跨期消费投资决策理论建模分析，可以清晰地分析当消费者分别在“生产性投资机会条件下3”和“生产性与金融性投资机会条件下4”的融资贷款可获得性情况，进而可以比较分析出普惠金融之于广大普通消费群体福祉的影响。同时，从微观效益最大化角度，我们又可以观察金融本身的商业性同普惠性之间的矛盾与统一。因此，我们选择将消费投资决策模型作为分析普惠金融的理论基础。

（一）消费者的消费-投资决策模型――普惠性体现

在图1中消费者的投资均为正值，在一定条件下作为消费者的0期投资可能有两种情况：一是无投资或储蓄行为，二是选择投资或储蓄。

（1）无投资或储蓄行为

从图1可知，A的0期自然消费禀赋较低，这说明了消费者在0期增加消费的边际效用较高；另一方面，制约了消费者在0期投资的额度；同时，A在1期的自然消费禀赋较高，这意味着消费者在1期提高消费的边际效用较低。此时如果消费者十分看重0期的消费，则很可能使得上述规划问题出现角点解，图2上表现为的无差异曲线与其生产转换曲线交于点A，即消费者在0期投资为零，其当前消费状况完全取决于他的禀赋财富。

（2）选择投资或储蓄

在另一种情况，如果消费者在点情况下并不十分看重0期消费，则可能通过生产性投资调整期在0期与1期的消费禀赋，在图2表现为无差异曲线与生产可能性曲线相切于A'点，一定程度上可平滑了消费，使得消费者消费情况得到了改善。

2.同时存在生产性与金融性投资机会条件下的消费与投资

当普惠金融介入普通消费者的消费投资决策中，就使其存在金融性投资机会，这意味着消费品在不同消费者之间允许借贷，即如同存在所谓的资本市场；自然地，有了借贷就必然有了借贷利率，我们假定借贷利率是一种均衡利率7。金融性投资机会的影响体现在以下两个方面：一是消费者可能在0期借入一部分消费品以增加当期的消费，代价就是降低1期的消费水平；二是消费者能够以类似生产性投资的渠道减少0期的消费，收获是增加1期的消费水平。

D2我们进一步添加了存在金融性投资机会的借贷曲线，消费者通过生产性投资机会调整了消费束由初始禀赋点A移动至点A'（借贷曲线与生产转换曲线的切点），一定程度改善了效用水平。再通过金融性投资机会进一步扩大了在0期的消费情况，消费束由A'移动至A"（借贷曲线与效用曲线的切点），大大提高了整体效用水平。

如同经济体中存在生产性投资机会可以一定程度改善消费者的整体效用水平一样，然而其作用缺乏灵活性，对消费者的效用改善是有限的，无法实现0期对1期的跨期资金配置。当金融的普惠性介入，经济体存在金融性投资机会时，消费者可以通过借贷活动实现消费品的跨期配置，从而拓展了自身的消费选择集，进而改善了自身的整体效用水平。

通过上述分析可知，本没有合适的金融性投资机会的普通消费者或小微企业，通过生产性投资或储蓄并无法有效拓展消费选择集，而普惠金融的普惠性可以有效促使消费者通过金融性投资（此处是负投资）进一步拓展消费选择集，从而实现自身整体消费效用水平的提高，这便是普惠金融的普惠性体现。然而需要注意的是，一是模型从微观的角度研究单一需求较小的但数量众多的“长尾”群体8；二是模型假定了普通消费者或小微企业均在0期和1期拥有适当的初始财富W、W，在现实情况中却并非是如此，遭遇融资难的小微企业或中低收入的普通消费者是不可能拥有足够的资产去进行融资的，在这样一种非理想的状态下，普惠金融的普惠性却难以实现。

（二）普惠金融机构商业模型

值得注意的是，从供给曲线的函数式可以看出，普惠金融机构的信贷供给多少与消费者的初始禀赋无关，而现实中普通消费者的禀赋可能并不能达到跨期消费或投资选择的水平。

（三）微观的信贷供求均衡分析――普惠性与商业性的矛盾

综上所述，结合式（6）和式（8）可以得到微观供求曲线（如图3所示）。

一方面，在现实情况中，低收入的普通消费者或轻资产的小微企业的初始禀赋W、W并不高，甚至会出现负投资或储蓄的情况，考虑到这一点，根据方程式（6）可知，图3中的需求曲线D可能会不断向右平移的趋势；另一方面，中低收入的普通消M者及小微企业没有承担风险的能力，以及履行偿还贷款的保障，又由于现实存在的金融资源稀缺性、信息不对称和经济政策环境不佳的情况，θ的取值会下降，金融机构信贷供给Q可行域也就会变小，导致供给曲线S存在不断上移的趋势，这样便越来越难以与信贷供给曲线相交点实现均衡。金融资源总量的稀缺性和有限性，与普惠金融本质上的政策属性和商业属性的冲突，决定了在特定的区域有限的金融资源条件下，资金的流向只会往风险系数相对较低的需求者或需求主体，从而导致普惠金融的普惠性始终得不到有效实施。因此，我们从微观的角度分析认为普惠金融的普惠性与其自身的商业性具有明确的内在矛盾，若没有一个良好的市场环境、完善政策环境和不断创新的金融体系，实现普惠金融的可行性则很低。

三、互联网金融助力普惠金融发展

下面我们进一步考察整个信贷市场供求关系，研究其供求曲线形态和位置。考察整个信贷市场供求关系，就是从单一消费者的微观信贷供求函数到整个信贷市场供求曲线，可以使用简单加总的办法得到。

（一）信贷市场供给曲线呈“回弯”形态

信贷市场中由于资源稀缺性和信息不对称的存在，最优信贷资金配置的状态很难实现，更不用提具有高风险轻资产的小微企业贷款了，因此传统供给曲线实际上市向回弯曲的，即上一部分中的线性供给曲线S是一种理想状态，实际上供给曲线是“回弯”形的曲线S'。当利率超过一定水平之后，金融机构的预期收益将随着名义贷款利率的提高而下降。如图4中，AD曲线就是由众多单一普通消费者的信贷需求曲线加总而得到的市场需求曲线，虚线是理想状态下的信贷供给需求，S"表示实际中回弯的供给曲线，r*为均衡利率。在这一利率水平下，信贷供需差额Q'Q*一般只能通过信贷配给的手段来实现，这就是金融机构逐利的商业性带来的效益损失。

由此可知，过度信贷配给会使得信贷供给不足，这又致使了中国小微企业的融资困境，这一问题的直接原因是由于信息在金融机构和企业之间的不对称分布，信贷市场上信息不完全必然使得金融机构进行信贷配给，一旦配给过度超过了合理的水平，就会产生如同中国商业银行对中小企业贷款配给过度导致的信贷供给不足，Q'Q*距离越大，就意味着信贷配给使得越多小微企业（或中低收入消费者）的贷款需求遭遇金融排斥。

（二）基于“长尾”理论的互联网金融对普惠金融的贡献

1.互联网金融适应了“长尾”市场

“长尾”（The Long Tail）是用来描述亚马逊、Netflix等互联网线上销售的商业模式，单一需求不大但商品体量很大的“尾”部所占份额与需求较大但商品数量较少的头部所占份额大体相当，用数学集合论表述是：一个大数（右半长尾部分产品）乘以一个相对较小的数（众多长尾部分的销量），仍是一个大数并且具有延展性。

从普惠金融的角度看，小微企业或普通消费者的资金需求就可被看作是与大型企业等热门企业相对性的“冷门商品”，而将迫切需要资金周转的小微企业等弱势群体的信贷市场看成是“长尾”市场。于是，互联网金融的融资低成本、高效率便适应了这一“长尾”市场资金需求的特征，有利于促使金融资源流向弱势群体领域中，推进了普惠金融的进展。

2.互联网技术的信息甄别作用

信息不对称是小微企业及普通消费者得不到金融服务的主要障碍，如何甄别这些信息并有效识别哪个是优质企业、哪个是劣质企业就需要互联网金融高效的信息处理技术加以“过滤”。在“长尾”需求市场中，小微企业数目巨大，有贷款需求的小微企业资信水平参差不齐。随着互联网技术快速发展，市场中的有效信息可以被保留下来，成为撮合资金供需的关键因素。因此，互联网金融通过信息技术的高效过滤能力扩大了“长尾”市场的范围，也就进一步拓展了普惠金融的服务领域。

3.互联网金融创新中小微企业的融资渠道

电商金融是互联网金融助力普惠金融缓解小微企业融资难的最具代表性的模式之一。数据表明，仅2013年内全国新增贷款额达1000亿元，2010年下半年至2014年2月，电商平台发放贷款累计约1700亿元，70万余家小微企业享受到了融资机会（朱永康，2014），电商平台不良率保持在较低的水平，显著低于传统金融对中小微放贷的不良率。

P2P网贷平台撮合“长尾”市场融资交易成交量。截至2016年2月底，中国P2P平台累计数量达到3944家10，2015年平均每月投资人数为123.77万人，借款人数为28.83万人，特别是2015年下半年，P2P平台活跃的投资者和借款者人数成倍增长。

（三）互联网金融创新对信贷市场供给曲线位置的影响

从上述分析中可以看到，互联网金融在解决“长尾”群体的优势：有利于解决小微企业的信息不对称，为低收入普通消费者提供充裕的资金供给、降低融资成本、提高融资效率以及提高风险防范的能力。供给方面，互联网金融推动普惠金融商业性与普惠性的结合，使得“回弯”的供给曲线S'向右平移至S"（如图6所示），降低了信贷配给（效益损失）的程度，有效提高了小微企业融资的可行性，扩大了信贷交易的边界，这符合Anderson早期提出的“长尾”依托于高科技降低供求双方交易、资金等成本可以拉动供给曲线右移并拓展整个市场供需范围。需求方面，互联网金融推动了微观信贷需求曲线右移（如图7所示，由D右移至D'），微观的信贷需求曲线与供给曲线相交，提高了单个消费者获得贷款的可能性，从微观角度表明了互联网金融有利于推动普惠金融进程的可行性。

四、结论与建议

（一）结论

普惠金融的出发点与理想的目标即人人享有平等金融资源的可获得权是美好的，但现实当中却又是不太可行的，因为市场最基本的规则是当获得金融资源权利的同时必须要承担相等的义务，而如果当需求主体无法履行义务而获得了权利，这样会导致社会经济秩序紊乱和低效的经济制度，进而阻碍经济的发展。与此同时，对于那些“高耗能、低效率、不规范”的小微企业应当从经市场中驱逐出去，而不是给予他们获得贷款的权利。

金融资源供给超过金融需求的这种可能，在目前的情况下，只能是区域性的、相对的现象，从全球的角度来看，世界经济发展是不平衡的，普惠金融真正意义上的实现是一个长期的工程。在中国，从企业性质的角度看，拥有国资背景的企业、大型企业等承担风险的能力最强，其获得金融资源的数量也是最多的，而中小型科技创新企业、小微企业等承担风险的能力相对更弱，其获得金融资源也就较少。从区域经济的角度，中西部地区经济发达程度相对落后，其享受的金融资源就相对较少，而经济较发达的东部地区享受到更多的金融资源。从城乡经济的角度看，城市经济发达程度更高，居民文化层次和收入水平更高于农村居民，因而城市居民享受到金融可获得性更高，这是符合市场经济的基本法则。如果从国家发展战略角度出发，为了使普惠金融服务的对象获得相等的金融资源，只有从政策上帮助弱势群体成为能够承担相应风险的群体。

金融资源的供给程度决定普惠金融服务对象的满足度。按照金融投入选择的原则，只有低风险的资金需求满足的情况下，金融资源才会进行较高风险资金需求者的选择，当然这当中不排除极少数个体的错位选择，如果当一个社会金融资源足够丰富时，普惠金融的服务对象也将是重要的目标服务对象。

互联网金融的创新和发展有利于推动普惠金融工程中一部分目标的实现。技术方面，一定程度上确实解决了一部分弱势群体贷款权的缺失，提高了其享有金融资源的满足度。信用方面，由于中国互联网知识的普及度和其技术的发展度尚未达到很高的水准，在目前的状况下互联网金融能够改善信用评估系统，尽可能降低融资过程中的信用风险和信息不对称程度，而不可能完全消除信用风险。因此，要实现普惠金融的使命还是一个长期的过程。

（二）当前推进普惠金融的发展建议

推进金融改革，发挥银行机构的作用。普惠金融的发展与金融体系的稳定性、区域经济发达程度、经济可持续发展性等方面有着密不可分的关系。政府方面应努力扶持高新科技的小微企业，缩小中西部与东部的经济发展差距，缩小城乡收入差距。另外，通过加强银行间有效合作，包括批发资金转贷模式等，有效降低银行的资金成本，提高可贷资金额，进而降低小微企业融资成本。

坚持发展互联网金融创新。互联网金融企业的创新必须是针对这一部分“长尾”群体的信贷需求，适应供需变化而进行金融创新，形成与传统金融有差异的和有互补性的金融产品及服务。就金融产品而言，互联网金融应做好服务于“长尾”群体市场定位，普惠金融意味着要为人们提供便捷化、小额、价格合理的金融服务，这需要互联网金融企业根据特定对象的需求特征，设计有针对性的金融创新产品，提高客户对金融产品的体验满意度，为弱势群体提供优质质量、价格适中的金融服务。

大力发展我国的金融事业。近年来我国的金融事业发展很快，在推进实体经济建设方面发挥了很大的作用，但从普惠金融的满足度来分析，金融的发展仍然有较大的空间，因为小微企业、弱势群体资金满足度很低。因此，当前推进普惠金融的发展力度，金融事业的发展更显重要。

传统金融机构要努力支持普惠金融业务的创新。比如，近期新兴的个人成长链金融理论就为推进普惠金融的创新提供了一个新的思维维度。成长链金融11理论上提出对弱势群体的阶段性过度授信思想，这对于普惠金融实现的可行性具有重要现实意义。陆岷峰、杨亮（2016）创新性地提出了“个人成长链金融”的概念，运用多元化金融工具为自然人客户提供终生性金融服务，基于整体性与阶段过渡授信等原则提升微观金融业务的服务效率，提高了弱势群体的融资能力，拓宽了其消费束，提高了其整体的效用。与此同时，发展成长链金融可以相对有效地控制“长尾”群体客户的信用风险。相类似地，小微企业的成长链金融就是，基于企业生命周期的融资需求特征，对企业的整个发展过程提供整体性和阶段性的金融服务，提高小微企业获得金融服务的权利。

参考文献

[1]李瑞红.对商业银行普惠金融服务的几点思考[J].天津金融，2016，（4）：41-45。

[2]刘建刚.我国普惠金融发展中的金融创新[J].理论导刊，2016，（10）：87-90。

[3]陆岷峰，汪祖刚.普惠金融的风险运行特征、管理难点与破解之道[J].广西经济管理干部学院党报，2016，（3）：16-20。

[4]孙天琦，汪天都，蒋智渊.国际普惠金融指标体系调研：进展、比较与启示[J].金融监管研究，2016，（4）：32-45。

[5]王清星.互联网金融助推普惠金融发展问题研究[J].区域金融研究，2016，（4）：51-55。

普惠金融论文篇(3)

文章编号：1000-176X（2017）07-0050-07

一、问题的提出

“普惠金融”（Financial Inclusion）这一概念由来已久。在融资端，传统金融机构长期延续根深蒂固“二八理论”的理念，金融资源更多倾斜于“头部”领域――20%的高中端客户，而80%小微企业、三农、低收入社区居民等“尾部”领域客户，由于存在信息不对称、缺乏信用评估和抵押物，加之交易金额小，运营成本过高等问题，往往得不到关注，产生金融排斥现象。Kempson和Whyley[1]、Leyshon和Thrift[2]先后指出，“普惠金融”是一个与金融排斥相对立的概念，这一词汇在联合国宣传2005年国际小额信贷年时被率先使用。其基本含义是：能够以可负担的成本，有效、全方位地为所有社会成员提供金融服务。Kodan 和Chhikara[3]认为，普惠金融强调金融服务的可获得性，如果需要人们能够使用这些金融服务。同时，普惠金融也强调了“可负担的成本”，作为金融机构尤其是追求利润最大化的商业性金融机构，开展普惠金融业务时，必须协调成本与收益、履行社会责任与利润最大化之间的关系。正是因为其间可能存在的冲突，使得长期以来普惠金融业务的开展，处于“外热内冷”的尴尬局面。

随着数字技术与金融业务融合的不断深入，面向中低端客户群体的金融服务成本不断下降，以商业银行为主体的金融机构的经营理念逐渐由“二八法则”转向“长尾理论”，客户端不断下移。同时，互联网金融企业把数字技术与普惠金融结合起来，为普通大众和中低端收入群体推出丰富的普惠金融产品，作为新兴行业异军突起，成为“互联网+”普惠金融的实践典范。2013年6月，阿里巴巴旗下的网上支付系统支付宝推出“余额宝”。作为一款“1元起购”的开放式基金，余额宝在短短三年内开户数超过2.95亿，为客户赚取收益572.93亿元，是目前互联网金融最成功的实践案例。也正是余额宝的成功，引发了国内2013年以来的互联网金融热潮。中国人民银行2014年《中国金融稳定报告》明确给出互联网金融的定义：互联网金融指金融借助互联网和移动通信技术，实现资金融通、支付和信息中介功能的新型金融模式。互联网和移动通信技术的普遍性，从根本上决定了这种新型金融模式具有传统金融难以企及的普惠性。

2016年9月G20峰会上《G20数字普惠金融高级原则》的正式公布，使得普惠金融这个热点话题，以一个新视角再次出现在实务界与学术界。数字普惠金融是指互联网、移动通讯、大数据、云计算等数字技术与普惠金融的有机融合。这一原则的公布，无疑为普惠金融的发展提供了技术的规则支撑，也为普惠金融这一概念注入新鲜养分。在此背景下，作为数字技术中起源较早并具有典型代表性的互联网技术，“互联网+”普惠金融的经济效用问题尤其值得关注。

近年来，随着数字技术与金融业务融合的不断深入，使得面向中低端客户群体的金融服务成本不断下降，由此以商业银行为主体金融机构的经营理念逐渐由“二八法则”转向“长尾理论”，客户端不断下移。同时，互联网等数字金融企业作为新兴行业异军突起，把数字技术与普惠金融结合起来，为普通大众和中低端收入群体推出丰富的普惠金融产品，成为“互联网+”普惠金融的实践典范。2013年6月，阿里巴巴旗下的网上支付系统支付??推出“余额宝”。作为一款“1元起购”开放式基金，余额宝在短短三年内开户数超过2.95亿，为客户赚取收益572.93亿元，是目前互联网金融最成功的实践案例。也正是余额宝的成功，引发了国内2013年以来的互联网金融热潮。中国人民银行2014年的《中国金融稳定报告》明确给出互联网金融的定义：互联网金融指金融借助互联网和移动通信技术，实现资金融通、支付和信息中介功能的新型金融模式。互联网和移动通信技术的普遍性，从根本上决定了这种新型金融模式具有传统金融难以企及的普惠性。

在“互联网+”普惠金融实践持续深入的同时，国内学者也开始了学术层面的探讨。林宏山[4]分析了中国普惠金融发展存在的不足以及互联网金融的优势，指出互联网金融的特性使之有助于社会各阶层便利地获取各种金融服务，规范互联网金融业务将推进中国普惠金融的发展。杨光[5]考察了互联网金融和普惠金融的结合点，认为两者核心理念（平等、普遍、共享）不谋而合，都关注“创造20%收益的80%普通客户群”，并且通过小金额、大客户量来进行风险控制，通过降低成本实现可持续经营。其他学者也大多从互联网金融促进普惠金融发展的角度展开理论研究并提出相关建议。

理论上讲，普惠金融会对低收入居民和小微企业的经济行为产生显著影响，这几乎得到了学界共识。星焱[6]、焦瑾璞[7]认为，普惠金融水平的提升有助于解决贫困问题、促进经济增长、实现城乡收入均衡。“互联网+”普惠金融有机融合的发展模式，将通过交互效应和乘数效应，发挥更加显著的作用，促进城乡均衡发展，缩小城乡收入差距。“互联网+”普惠金融是否显著促进了城乡收入均衡增长？要量化验证这个问题，需要首先梳理清楚三个概念：其一，如何测度普惠金融和“互联网+”普惠金融？其二，如何测度城乡收入均衡水平？其三，怎样量化分析金融发展对城乡居民收入的影响？

（一）普惠金融指数和“互联网+”普惠金融的测度

建立完善普惠金融理论体系，首先要确定测度普惠金融发展水平的指数。只有建立普惠金融指数的长期观测制度，才能够对普惠金融及相关影响因素进行定量分析。Sarma[8]借鉴联合国人类发展指数（HDI）的构建方法，从金融机构的渗透度（Penetration）、可获得性（Availability）和使用度（Usage）三个维度测度普惠金融发展水平，用每1 000成年人拥有的银行账户数表示渗透度，用每10万人口拥有的金融机构和自动柜员机（简称ATM，下同）数表示可获得性，用存贷款总额占GDP的比重表示使用度。Arora[9]考虑更多的指标，划分了金融机构服务的范围（包括地理覆盖度和人口覆盖度）、便利性和成本三个维度，其中，用每1 000平方千米的金融机构和ATM数（地理覆盖度）、10万人口拥有的金融机构和ATM数（人口覆盖度）测量服务范围，用申请存款账户或贷款的机构所在地、存款账户开户最低金额及余额下限、支票账户余额下限、申请存款账户和支票账户分别所需的文件数、消费者贷款下限及申请所需天数、抵押贷款下限及申请所需天数度量便利性，用消费者贷款和抵押贷款的费率、存款账户和支票账户的年费、在ATM每取100美元所需的费率计算金融服务成本。Sarma没有考虑获得金融服务的便利性和成本，而Arora没有考虑金融服务的使用情况。Gupte等[10]全面考虑各种因素，构建了多达24个指标的普惠金融指数算法。焦瑾璞等[11]总结对比了普惠金融联盟（AFI）普惠金融指标体系（两维度5指标）、世界银行普惠金融指标体系（五维度15指标）以及普惠金融全球合作伙伴（GPFI）普惠金融指标体系（3维度29指标），认为GPEI体系划分的三个维度（金融服务的获取、使用以及质量）能够比较科学、全面地反映普惠金融发展水平。

以上所述指标体系大多十分繁杂，超出了中国国家统计局和各地区统计局的统计范围。在对实际问题进行定量分析时，学者往往只能每个维度取一两个指标进行计算。例如，王婧和胡国晖[12]在充分考虑数据可获得性后，选取6个指标计算2002―2011年中国普惠金融指数，再用OLS回归检验普惠金融指数的影响因素。田杰和陶建平[13]选取5个指标，以2006―2009年全国1 877个县（市）的面板数据为样本，计算普惠金融指数并分析各个指标对农户收入的影响。本文将在充分考虑数据可获得性的基础上建立更为合理的指标体系。

现有文献鲜有对“互联网+”普惠金融的定量测度，为研究“互联网+”普惠金融对城乡收入均衡增长的影响，本文从两个方面来测度这一指标。其一，运用普惠金融发展指数和互联网普及率，分别测度普惠金融和互联网使用这两个变量各自的影响；第二，借鉴陈义国[14]对交互项变量的使用方法，运用普惠金融指数与互联网普及率的乘积，用于测度“互联网+”普惠金融（即两者的交互作用）的影响。

（二）城乡收入均衡增长的测度

衡量城乡收入均衡增长，需要从两个方面着手。一方面是总量情况，即城乡收入总水平，主流文献一般选择地区人均收入水平来衡量；另一方面是结构情况，即城乡收入均衡水平。既有文献中，衡量区域收入差距的代表性指标有两种，一是基尼系数。任媛和邰秀军[15] 构建长江三角洲与环渤海湾地区的基尼系数，实证研究了经济增长与收入分配差距之间的关系；徐虹和胡祖光[16]在计算基尼系数的基础上，分析了中国农村居民收入的区域差异并进而分析形成原因。二是城乡居民收入的比值。雷根强等[17]在计算该指标的基础上，基于中国中西部县域数据的模糊断点回归分析方法，实证分析了转移支付对城乡收入差距的影响。万晓萌[18]则采用该指标和空间计量方法，研究了农村劳动力转移对城乡收入差距的影响。用基尼系数和城乡居民收入的比值来测度城乡居民收入差距，直观并易于计算，这也是大多数文献采取这两种计算方法的主要原因。然而，这两种方法都忽略了城乡人口规模大小对城乡收入差距的影响，并且基尼系数对于中间阶层的收入变动较为敏感，对两端反应并不强烈，而城乡收入差距恰恰体现在高收入和低收入阶层的变化上。彭定?和王磊[19]、颜敏[20]认为，泰尔指数对处于收入两端的变动更为敏感，恰好能够解决这个问题。泰尔指数的计算公式如下：

GAPi，t=∑2j=1Pi，j，tPi，t×ln（Pi，j，tPi，t/Zi，j，tZi，t）（1）

其中，假设j=1表示城镇，j=2表示农村。GAPi，t表示第i个地区在t时期的泰??指数。Pi，1，t表示第i个地区在第t时期城镇总收入（用城镇居民人均可支配收入乘以城镇人口）。Pi，2，t表示第i个地区在第t时期农村的总收入（用农村居民人均纯收入收入乘以农村人口）。Pi，t表示第i个地区在第t时期城乡收入的总和。Zi，j，t表示第i个地区在第t时期城镇或农村的人口数。Zi，t表示第i个地区在第t时期的总人口数。此公式计算出来的结果越大，表明城乡收入差距越大。

本文所研究的城乡收入均衡水平，是一个与泰尔指数相对立的概念。因此，在第三部分变量选取时，对泰尔指数进一步处理，构造出城乡收入均衡指数。

（三）金融发展对城乡居民收入影响的量化分析

对金融发展与收入分配关系进行了研究，国内部分学者指出中国金融发展扩大了城乡收入差距。孙永强和万玉琳[8]基于1978―2008年中国30个省份的面板数据，通过建立面板协整与误差修正模型，对中国金融发展、对外开放与城乡居民收入差距之间的长期稳定关系和短期波动影响做出实证分析。结果表明，对全国而言，长期内金融发展和对外开放均显著扩大了城乡居民收入差距。张宏彦等[9]收集中国1983―2009年的相关数据，利用VAR模型分析中国农村金融发展对城乡收入差距的影响。结果显示，中国农村金融发展与城乡收入差距之间存在一种长期均衡关系，并且中国农村金融发展是城乡收入差距拉大的格兰杰成因。另外，李志军和奚君羊[10]的研究证实了西方学者提出的金融发展与收入差距之间的倒U型关系在中国也存在，即在金融发展的初期，其对收入差距具有扩大效应，而在金融发展达到一定程度时，收入差距就会随之缩小。孙永强和万玉琳[8]用“各地区金融机构存贷款余额占GDP比重”来衡量金融发展，张宏彦等[9]采用中国农户储蓄值与农业贷款值总额衡量中国农村金融发展水平，李志军和奚君羊[10]采用中国金融发展指数。这些学者都没引入普惠金融理念和相应测度指标，因而也就不能充分解释普惠金融发展对城乡居民收入和城乡收入均衡水平的影响。

二、指标体系构建与指数测度

1.普惠金融指标体系构建

在Sarma[9]、王婧和胡国晖[11]、田杰和陶建平[12]研究基础上，Sarma[11]借鉴联合国人类发展指数（HDI）的构建方法，从金融机构的渗透度（Penetration）、可获得性（Availability）和使用度（Usage）3个维度测度普惠金融发展水平，用每1 000成年人拥有的银行账户数表示渗透度，用每10万人拥有的金融机构和自动柜员机（简称ATM，下同）数表示可获得性，用存贷款总额占GDP的比重表示使用度。Arora[12]考虑更多的指标，划分了金融机构服务的范围（包括地理覆盖度和人口覆盖度）、便利性和成本3个维度，其中，用每1 000平方千米的金融机构和ATM数（地理覆盖度）、每10万人拥有的金融机构和ATM数（人口覆盖度）测量服务范围，用申请存款账户或贷款的机构所在地、存款账户开户最低金额及余额下限、支票账户余额下限、申请存款账户和支票账户分别所需的文件数、消费者贷款下限及申请所需天数、抵押贷款下限及申请所需天数度量便利性，用消费者贷款和抵押贷款的费率、存款账户和支票账户的年费、在ATM每取100美元所需的费率计算金融服务成本。Sarma[11]没有考虑获得金融服务的便利性和成本，而Arora[12]没有考虑金融服务的使用情况。Gupte等[13]全面考虑各种因素，构建了多达24个指标的普惠金融指数算法。焦瑾璞等[14]总结对比了普惠金融联盟（AFI）普惠金融指标体系（两个维度5个指标）、世界银行普惠金融指标体系（5个维度15个指标）以及普惠金融全球合作伙伴（GPFI）普惠金融指标体系（3个维度29个指标），认为GPEI体系划分的3个维度（金融服务的获取、使用以及质量）能够比较科学、全面地反映普惠金融发展水平。以上所述指标体系大多十分繁杂，超出了中国国家统计局和各地区统计局的统计范围。

考虑到中国金融数据的可获得性，以及侧重考虑普惠金融发展对农民及城市低收入人群收入的影响，本文选取了3个维度10个指标构建中国普惠金融测量指标体系。

下文括号内为具体测量指标，3个维度一共10个具体测度指标。

维度1：金融服务的范围。用地理维度的服务渗透性（每万平方千米的银行业金融机构数、每万平方千米的银行业金融机构从业人员数）和人口维度的服务可得性（每万人拥有的银行业金融机构数、每万人拥有的银行业金融机构从业人员数）两类描述性指标来衡量。

维度2：金融服务的使用情况。用存款服务的使用情况（金融机构人均各项存款占人均 GDP 的比重）、贷款服务的使用情况（金融机构人均各项贷款占人均 GDP 的比重）以及保险情况（保险密度和保险深度）三类描述性指标来衡量。

维度3：金融服务的质量。用三农融资状况（涉农贷款余额占各项贷款余额比重）、中小企业融资状况（小额贷款公司贷款余额占各项贷款余额比重）两类描述性指标来衡量。

2.普惠金融发展指数计算方法

Sarma[13]借鉴联合国开发计划署编制人类发展指数HDI的计算方法，构建了普惠金融发展指数，本文继续沿用这种计算方法，?算中国普惠金融发展指数。

用以衡量普惠金融的具体指标为10个，

在对实际问题进行定量分析时，学者往往只能每个维度取一两个指标进行计算。例如，王婧和胡国晖[15]在充分考虑数据可获得性后，选取6个指标计算2002―2011年中国普惠金融指数，再用OLS回归检验普惠金融指数的影响因素。田杰和陶建平[16]选取5个指标，以2006―2009年中国1 877个县（市）的面板数据为样本，计算普惠金融指数。笔者借鉴Sarma[11]的计算方法，具体计算我国普惠金融10个具体指标，

以di表示第i个指标，则普惠金融发展状况可以表示为10维笛卡尔空间中的点D=（d1，d2，…，d10）。这个空间中的点O=（0，0，…，0）是可能出现的最坏情形，即完全的金融排斥，而点 W=（w1，w2，…，w10）表示在普惠金融发展的所有层面上均达到最高水平。由此，普惠金融发展指数IFI可以表示为点D与点W之间归一化的反欧几里得距离，其公式表示为：

IFI=1-（w1-d1）2+（w2-d2）2+…+（w10-d10）2w12+w22+…+w102（1）

其中，Wi表示第i个指标的权重，通过变异系数法求得：wi=vi/∑n1vi，vi=SDi/Mi。vi表示第i个指标的变异系数，SDi表示第i个指标的标准差，Mi表示第i个指标的均值。

在计算过程中，需要先用公式di=[wi×（Ai-MINi）/（MAXi-MINi）]，将不同量纲的指标进行归一化处理，使各指标数据成为无量纲的标量。Ai表示第i个指标的实际观测值，MINi表示第i个指标样本中最小值，MAXi表示第i个指标样本中的最大值。因此，0≤di≤wi，di越大，表明该指标所代表的普惠程度越高。

3.中国内地31个省（自治区、直辖市）普惠金融发展指数测度

本文通过Wind资讯金融数据库、中国人民银行的《中国区域金融运行报告》、《中国金融年鉴》以及中国统计局采集到中国31个省份（自治区、直辖市）（以下简称为31个省）2010―2014年度10个指标的相关数据。各指标的观测值均为155个。按上述方法，对这些指标的原始数据进行标准化，并计算出各省普惠金融发展指数，如表1所示。

从表1可以看出，普惠金融发展指数为相对指数，用于同一地区不同时间（时间序列）纵向比较，或同一时间不同地区（截面）横向比较。数值越接近于1，表明在测度时间和地区中普惠金融发展水平越高；数值越接近于0，表示在测度时间和地区中普惠金融发展水平越低。

2010―2014年各省普惠金融发展指数均有所上升，表明各省普惠金融发展水平持续提高。各省2010年的普惠金融发展水平排名和2014年的排名变化不大。其中4大直辖市、东部省份排名保持靠前位置。

4.“互联网+”普惠金融的测度

现有文献鲜有对“互联网+”普惠金融进行定量测度，为研究“互联网+”普惠金融对城乡收入均衡增长的影响，本文具体从以下两个方面来测度这一指标。第一，运用普惠金融发展指数和互联网普及率，分别测度普惠金融和互联网使用这两个变量各自的影响。第二，运用普惠金融发展指数与互联网普及率的乘积具体测度“互联网+”普惠金融（即两者的交互作用）的影响。

三、模型设定与变量选取

1.面板数据模型设定

作为新兴的概念，普惠金融、互联网金融等相关领域只有近几年的统计数据，通过时间序列分析得到的参数估计精度较差。而在面板数据中，即使时间序列长度较短，但是大量的横截面个数能够扩大样本，使得模型更为可靠。另外，面板数据模型能够综合利用时序和截面样本信息，同时反映时期、地区两个方面的变化规律以及不同时期、不同地区的特性。因此，面板数据模型在分析跨时期跨地区问题时具有一定的操作性和稳健性。

本文借鉴田杰和陶建平[12]的做法，指出，在研究金融发展对收入水平影响的相关文献中，大多理论模型思路是：在总生产函数的传统分析框架下，将金融发展水平当作一项投入用于生产，同时考虑其他影响收入的因素。本文在模型设定上也遵循这一。作为新兴的概念，普惠金融、互联网金融等相关领域只有近几年的统计数据，通过时间序列分析得到的参数估计精度较差。而在面板数据中，即使时间序列长度较短，但是大量的横截面个数能够扩大样本，使得模型更为可靠。另外，面板数据模型能够综合利用时序和截面样本信息，同时反映时期、地区两个方面的变化规律以及不同时期、不同地区的特性在总生产函数的传统分析框架下，将金融发展水平当作一项投入用于生产，同时考虑其他影响收入的因素，采用一般线性面板数据模型进行回归，具体如下：

yit=αit+βitxit+μit（2）

其中，αit为常数项；xit=（x1it，x2it，…，xKit）为外生变量；βit=（β1it，β2it，…，βKit）

为参数向量。；K为外生变量个数；N为截面单位总数；基本假设是随机扰动项μit相互独立，且满足零均值、同方差。这里的αit和βit包含了时间和截面效应，αit还可以进一步分成总体效应与个体效应之和。i=1，2，…，N；t=1，2，…，T；T为时期总数。

2.变量定义与指标选取

被解释变量为地区人均收入水平（PGDP）和城乡收入均衡指数（URIBI）。

被解释变量为城乡收入均衡增长。衡量城乡收入均衡增长，需要从两个方面着手：一方面是总量情况，即城乡收入总水平，主流文献一般选择城乡人均收入水平（PGDP）来衡量；另一方面是结构情况，即城乡收入均衡水平（URIBI）。本文借鉴这种方法。

既有文献中，衡量区域收入差距的代表性指标有基尼系数和城乡居民收入的比值两种，这两种方法都忽略了城乡人口规模大小对城乡收入差距的影响，并且基尼系数对于中间阶层的收入变动较为敏感，对两端反应并不强烈，而城乡收入差距恰恰体现在高收入和低收入阶层的变化上。彭定?和王磊[17]、颜敏[18]认为，泰尔指数对处于收入两端的变动更为敏感，恰好能够解决这个问题。泰尔指数的计算公式如下：

GAPit=∑2j=1PijtPit×ln（PijtPit/ZijtZimt）（3）

其中，假设j=1表示城镇，j=2表示农村。GAPit表示第i个地区在t时期的泰尔指数。Pi1t表示第i个地区在第t时期城镇总收入（用城镇居民人均可支配收入乘以城镇人口）。Pi2t表示第i个地区在第t时期农村的总收入（用农村居民人均纯收入收入乘以农村人口）。Pit表示第i个地区在第t时期城乡收入的总和。Zijt表示第i个地区在第t时期城镇或农村的人口数。Zit表示第i个地区在第t时期的总人口数。此公式计算出来的结果越大，表明城乡收入差距越大。

本文不像很多文献中以基尼系数与城乡居民收入的比值来表示收入差距，而采用泰尔指数衡量城乡人均收入水平，采用为衡量的直观性并保持与普惠金融指数量纲相近，本文用（1/泰尔指数）×100来衡量城乡收入均衡水平，称为城乡收入均衡指数。数值越大，城乡收入均衡水平越高。

解?变量有三个：一是普惠金融发展指数（IFI），预期系数符号为正。二是N_rate为互联网普及率，用于研究互联网因素对收入水平的影响，预期系数符号为正。三是IFI_nrate，为普惠金融指数与互联网普及率的乘积，用于研究“互联网+”普惠金融（即两者的交互作用）对城乡人均收入水平的影响，预期系数符号为正。

控制变量有：地方人均公共财政支出（Pfin）、城市化水平（Ur）和人均固定资产投资完成额（Invst），预期这三个变量的系数符号均为正。

3.数据来源

鉴于数据的可获得性和时效性，本文研究的样本期为2010―2014年。普惠金融指数为上文计算所得。其余数据从Wind资讯金融数据库和国家统计局网站获取。由于各变量的数据单位量纲不一，例如人均GDP、人均财政支出和人均固定资产投资完成额的单位是人民币元，而互联网普及率和城市化水平是百分比，普惠金融发展指数是相对系数。为保持量纲的接近，本文将人均GDP、人均地方财政支出和人均社会固定投资完成额通过vi=Ai-MINMAX-MIN的方法标准化。

四、“互联网+”普惠金融对人均收入和城乡收入均衡水平影响的经验分析

1.面板单位根检验

常用的面板单位根检验有LLC检验、IPS检验、ADF检验和PP检验。四种检验的原假设都是存在单位根过程。面板单位根检验结果如表2所示。

表2显示，所有变量都基本通过了平稳性检验，可以视为平稳序列。

2.“互联网+”普惠金融对城乡人均收入水平和城乡收入均衡水平影响的平衡面板估计

首先，建立如下模型：

PGDPit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（4）

URIBIit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（5）

其次，对式（4）和式（5）进行Hausman检验，?x择固定效应模型。i=1，2，…，31；t=2010年，2011年，…，2014年。把人均收入水平作为被解释变量，其他变量作为解释变量和控制变量，运用面板数据逐步回归法，即逐步剔除不显著的变量，回归结果如表3所示。

从表3可以看出：

在模型（1）和模型（2）中，除截距外的各个自变量都在1%的显著性水平上显著。模型（1）中的普惠金融发展指数、互联网普及率、人均公共财政支出、人均固定资产投资系数均为正，这和预期是一致的。普惠金融、互联网两个变量各自都促进了城乡人均收入水平的增长。为考察互联网与普惠金融的交互影响，在模型（2）中加入了互联网与普惠金融相乘的自变量。由于该变量与普惠金融发展指数产生了共线性，所以把普惠金融发展指数这一自变量删除。模型（2）最终回归结果显示，互联网普及率、人均公共财政支出、人均固定资产投资、“互联网+”普惠金融都在1%的显著性水平上显著，且系数均为正，这和预期是一致的。说明“互联网+”普惠金融显著促进了城乡人均收入的总量增长。反映回归方程拟合优度的2很高，说明方程的解释力度很强。

（三）“互联网+”普惠金融对城乡收入均衡指数影响的平衡面板估计

对式（5）进行Hausman检验，选择固定效应模型。i=1，2，…，31；t=2010，2011，…，2014。把城乡收入均衡指数作为被解释变量，其他变量作为解释变量和控制变量，运用面板数据逐步回归法，即逐步剔除不显著的变量，回归结果如表4所示。

在模型（3）和模型（4）中，普惠金融发展指数、互联网普及率都在1%的显著性水平上显著，人均固定资产投资在5%的显著性水平上显著，且系数均为正，这和预期是一致的。为考察互联网与普惠金融的交互影响，在模型（4）中加入了互联网与普惠金融相乘的交互项，但是“互联网+”普惠金融的t值为-0.2905，P值为0.7719，P值未在表格中列出，如有需要请与作者联系。下同。显著性水平非常低。并且系数为负，与经济意义不符。回归结果显示：互联网和普惠金融这两个变量各自都对城乡收入均衡增长有促进作用，但二者的交互效应不显著，说明在促进城乡收入均衡增长方面，互联网与普惠金融的融合度不够。

此外说明两点：其一，在模型（3）和模型（4）当中，人均公共财政支出在统计上不显著，但P值=0.1600，在16%的置信度水平上可以接受，并且没有与其他变量产生共线性，增加了模型的拟合优度，所以把该变量仍然保留在模型（3）和模型（4）当中。其二，模型（1）―模型（4）中都加入了控制变量城市化水平（Ur），但是在回归时与其他变量有共线性，导致模型其他变量符号发生变化，影响其对经济含义的解释，所以在最终的模型中把该变量删除。

五、结论与启示

2010―2014年中国31个省份的数据统计结果表明，五年来各省份的普惠金融发展水平稳步提高。其中上海、北京、天津、浙江、江苏和广东保持领先发展水平。从2014年的数据情况可以看出，普惠金融发展水平与当地的经济发展水平正相关。发展普惠金融，让包括农民、城市低收入人群、小微企业等在内的社会各阶层和群体拥有平等的获取适当有效金融服务的机会，必须立足于发展经济之上。

普惠金融论文篇(4)

关键词：普惠金融；分布动态比较；分化格局

一、引言

联合国在“2005国际小额信贷年”的宣传中首次提出普惠金融的概念，被定义为能全面有效地为社会上所有阶层和群体提供金融服务的金融体系，普惠金融是小额信贷基础上的扩充，旨在降低金融排斥的程度，致力于让金融服务全面渗透于中低层收入阶层、边远地区困难群体和小微企业等弱势群体。

2013年11月，党的十八届三中全会通过《中共中央关于全面深化改革若干重大问题的决定》中正式提出发展普惠金融。从我国金融发展情况来看，金融资源配置不均衡现象长期存在且严重，金融排斥程度明显，更多优质的金融资源集中在大型企业和城市富裕人群手中，使得小微企业、边远地区和低收入阶层的金融需求难以得到满足。这就加剧了各企业部门发展的失衡，同时也阻碍了社会经济结构的调整，因此建立普惠金融体系日渐凸显重要性和紧迫性。

基于此，本文在此研究基础上，利用变异系数方法，测算出2008～2013年中国31个省份的普惠金融指数，比较中国普惠金融发展的区域差异，同时分析差异原因，并提出对策建议，旨在为中国金融的区域协调发展提供参考依据。

二、普惠金融指数的测度研究方法及数据说明

（一）研究方法

现有的测度普惠金融指数的成熟方法是选取几个衡量普惠制金融发展程度的指标，根据变异系数法、熵权法等确定指标权重，然后在指数权重确定的基础上构建普惠金融指数（Inclusive Finance Index，IFI）。

鉴于指标选取的全面性、科学性、有效性及数据可获得性原则，本文拟从供给和需求角度，从金融服务的范围和金融服务的使用这两个维度来衡量普惠制金融的发展水平。金融服务的范围进一步划分为地理维度的服务渗透性和人口维度的服务可得性两方面，金融服务的使用主要考察存款和贷款的使用情况，具体选取的6个衡量普惠制金融发展水平的指标如表1所示。

然后，我们采用变异系数法确定各指标的权重，消除各个指标单位不同的差异，衡量各个指标的不同程度，每一项指标都得到一个标准系数，再将变异系数求和，确定每一项指标的变异系数占总体的比值即为该指标的权重。即先分别计算第i项指标的平均数和标准差，（i=1，2，…，n），那么其变异系数为，由此，得到各指标的权重。

最后在指数权重的基础上测度普惠金融指数。具体过程为将不同量纲的指标归一化，即第i个指标的计算公式为，其中为变异系数法所确定的指标权重，为第i个指标的实际观测值，和分别为第i个指标的最大值和最小值。

那么普惠金融指数IFI可以表示为：

其中为第i个地区的普惠金融指数。普惠金融指数，当时，代表完全不存在金融排斥，普惠制金融发展水平越高，反之越低。

（二）数据来源与说明

本文所分析的样本为2008-2013年中国31个省市的面板数据，共计186个样本。原始数据主要来源于2009-2014年《中国统计年鉴》、《中国区域经济统计年鉴》，各年份的银行业金融机构从业人数和银行业金融机构网点数来源于2008-2013年各省市当年的《区域金融运行报告》。各项指标变量的统计性描述如表2所示。

三、实证分析

表2确定了均值，标准差，最值后，按照前文的计算公式，计算得出2008～2013年中国31个省份的普惠金融指数（以下简称IFI），2013年全国IFI均值为0.103，总体水平偏低，这表明中国普惠金融的提升空间较大。全国IFI近6年的指标数据逐年增加，IFI基本呈现上升趋势，均保持正的年均增长率。而其中，东部地区、中部地区和西部地区的2013年IFI均值分别为0.215、0.053和0.034，这表明中国普惠金融差异呈现东部向中西部梯度递减的现象。由其均值排名可以看出，IFI较高的地区主要集中在东部，尤其是沿海发达地区，其IFI均值高于全国平均水平的108.03%。再看中部和西部地区，二者发展水平相近，均未到全国发展平均水平，仅达到全国平均水平的51.6%和33.2%。

同时，在考察期内，各地区普惠金融指数的时序演变差异基本呈现稳定增长型和波动增长型两种格局。（1）稳定增长型地区。北京、天津、浙江、福建、山东、广东、海南这些东部省份总体出现增长态势，且每年增长率稳定，平均增长率分别为3.48%、5.29%、4.89%、3.97%、5.22%、4.00%、4.07%。而中部地区仅有河南省一直保持正的增长率，保持在3.21%。西部地区的省份广西、重庆、陕西、甘肃、青海、宁夏、新疆、8个城市也呈现稳定增长的态势，其中新疆和年均增长率保持在14.23%和13.56%高速增长期。（2）波动增长型地区。在东部地区，河北、辽宁、上海、江苏这4个省市总体上呈现上升状态，但增长率波动明显，其中辽宁省波动幅度最大，年均增长率仅为2.72%。山西、吉林、黑龙江、安徽、江西湖北、湖南这7个中部地区省份增长率有正有负，其中吉林省波动幅度较大，年均增长率仅为2.38%，为全国最低年均增长水平。而在西部地区，仅有内蒙古、贵州、云南、三个省份呈现波动增长势头，年均增长率分别为10.25%、7.23%和6.62%，保持在全国年均增长较高水平。

四、中国普惠金融现状影响成因分析

（一）国家政策支持

尽管中国在2013年才正式提出普惠金融这一概念，但是，针对低收入阶层、边远地区和小微企业等弱势群体的政策扶持一直都在进行当中，自1998年实行扶贫贷款贴息政策，就开始引导金融资本服务流向更大的范围中去。2009年财政部出台政策，对新型农村金融机构给予补贴，同时将降低其营业税至3%。这使得金融服务范围在地理渗透性方面扩大。

（二）基础设施建设

东部沿海经济发达地区的发展水平高，因此金融机构网点布局比较齐全，基本的金融服务能力较高，这就提高了金融服务的可得性与便利性。而在中西部地区，中国人民银行通过以农村信用社为主导，不断改善边远地区硬件设施落后的现状，同时继续完善金融支付服务的组织架构，提出将村镇银行等新型农村金融机构引入现代化支付体系，扩大金融服务的效用性来进一步提高中西部地区的普惠金融发展水平。

（三）信息科技技术

东部发达地区的科技技术领先于中西部地区，因此使得支付结算服务状况好于中西部地区，传统的支付渠道畅通外，网上银行等创新支付方式普及率也高于中西部。也正是由于东部地区银行网点的饱和性，使得越来越多的金融机构网点深入到中西部边远地区，同时大量招聘金融机构从业人数，中西部地区的地理渗透性和人口服务性有所扩大。

（四）金融资源价格

国有控股大型商业银行在东部发达地区有信息对称能力，使资金的供给和需求能够很好地匹配，因此金融资源的价格较低，同时信贷的支持力度较大，融资成本也相对较低，也就使得IFI指数较高。中西部地区有些地方地理位置偏僻，大型银行、证券、保险公司开设营业点的投入成本较高，因此实体网点的运营不现实，但更多拥有具有规模小、灵活性强的特点的金融机构。与传统商业银行贷款相比，小额贷款简化了贷款手续，同时扩大了金融服务的广度，对小微企业和在边远地区的受众来说非常受欢迎，使得IFI指数发展速度较快。

（五）居民金融意识

东部地区的居民投资理财意识较强，金融投资理财产品的多样化也赋予发达地区居民更多的投资机会。虽然中西部地区居民投资意识开始较晚，但随着经济的增长，该地区的金融服务需求（如保险）同样有所增长，农业保险力度也在逐年增大。

五、中国各地区普惠金融发展的结论和对策建议

本文通过对中国2008～2013年的数据测算出各省市的普惠金融发展水平，并对其发展的分布动态进行了研究，研究结果表明，（1）地理纬度的服务渗透性、人口维度的服务可得性和金融服务的使用性是影响普惠金融发展的重要因素；（2）中国普惠金融发展全国水平较低，存在明显的分化格局；（3）中国31个省份普惠金融发展水平整体呈上升趋势，东部地区发展水平较高，中西部普惠金融发展迅速但处于较低水平。据此提出以下建议。

（一）完善各地区普惠金融发展的制度体系

要制定出台促进各地区普惠金融发展的制度体系，强化对各地区普惠金融平衡发展的引导，同时也要推动当地金融机构在促进普惠金融发展的系统性信贷政策指导，实行差别化利率政策，也要综合运用税收优惠、风险补偿，贴息和保费补贴等财税保护手段，降低金融操作成本。在制度政策落实的过程中，要让各金融机构主动宣传扶持政策，让更多的居民享受普惠金融所带来的改革红利。

（二）拓展普惠金融发展渠道，提高中国金融服务的渗透性

要立足实际，在郊区厂矿、工业园区等人员相对密集的边远地区，扩大基层金融机构网点数量，加大ATM等金融自助机的投放力度。在广大农村边远地区，发展新型农村金融机构，完善金融基础设施建设，积极推广自助型金融服务便利点，全面推广网上银行、手机银行等自助业务，增强金融服务的辐射面，促进中国普惠金融发展的广度和深度。

（三）创新金融服务方式，引导区域间金融资源合理流动

以金融科技创新为途径，引导金融机构创新推出更多普惠金融产品，有效利用互联网服务载体，达成金融资源需求对接，引导发达地区闲散资金流向发展中地区，鼓励金融服务模式创新，逐步引导普惠金融高水平地区要素向相邻地区扩散，协助水平较低区域消化吸收金融空间辐射优势，努力促成区域间形成良好的逐级传导、协同发展机制。

（四）丰富普惠金融发展组织体系

要利用政策性、商业性和合作性金融机构的互补优势，鼓励大型国有政策性银行发挥金融职能，优化中部地区金融中心融资结构，支持欠发达地区基础设施服务建设和推动城镇化的发展，引导金融职能向边缘地区扩散。凝聚西部地区金融中心发展力量，鼓励民间资本参与筹建村镇银行、农村互助社等新型金融组织，形成多层次、多元化普惠金融服务体系，发挥中心辐射作用，将资源优势转化为金融优势，扩大普惠金融服务范围。

（五）普及不发达地区金融教育

各级政府和金融机构应加大普惠金融宣传力度，增强居民金融意识，尤其是对之前不了解获取金融资源途径的弱势群体，开展金融知识和融资渠道普及讲解，填补居民金融知识空白，将更多小微企业等弱势群体纳入普惠金融服务对象，吸引更多民间存贷款，促进普惠金融良性发展。同时对学生开展金融知识讲堂，从小普及投资理财意识，合理利用金融常识，提高金融实践能力。

参考文献：

[1]田霖.我国金融排斥的城乡二元性研究[J].中国工业经济，2011（2）.

[2]陈三毛，钱晓萍.中国各省金融包容性指数及其测算[J].金融论坛，2014（9）.

[3]张国俊，周春山，许学强.中国金融排斥的省际差异及影响因素[J].地理研究，2014.33（12）.

普惠金融论文篇(5)

关键词：“互联网+”；普惠金融；城乡收入均衡水平；平衡面板数据

中图分类号：F830.3 文献标识码：A

文章编号：1000-176X（2017）07-0050-07

一、问题的提出

“普惠金融”（Financial Inclusion）这一概念由来已久。在融资端，传统金融机构长期延续根深蒂固“二八理论”的理念，金融资源更多倾斜于“头部”领域――20%的高中端客户，而80%小微企业、三农、低收入社区居民等“尾部”领域客户，由于存在信息不对称、缺乏信用评估和抵押物，加之交易金额小，运营成本过高等问题，往往得不到关注，产生金融排斥现象。Kempson和Whyley[1]、Leyshon和Thrift[2]先后指出，“普惠金融”是一个与金融排斥相对立的概念，这一词汇在联合国宣传2005年国际小额信贷年时被率先使用。其基本含义是：能够以可负担的成本，有效、全方位地为所有社会成员提供金融服务。Kodan 和Chhikara[3]认为，普惠金融强调金融服务的可获得性，如果需要人们能够使用这些金融服务。同时，普惠金融也强调了“可负担的成本”，作为金融机构尤其是追求利润最大化的商业性金融机构，开展普惠金融业务时，必须协调成本与收益、履行社会责任与利润最大化之间的关系。正是因为其间可能存在的冲突，使得长期以来普惠金融业务的开展，处于“外热内冷”的尴尬局面。

随着数字技术与金融业务融合的不断深入，面向中低端客户群体的金融服务成本不断下降，以商业银行为主体的金融机构的经营理念逐渐由“二八法则”转向“长尾理论”，客户端不断下移。同时，互联网金融企业把数字技术与普惠金融结合起来，为普通大众和中低端收入群体推出丰富的普惠金融产品，作为新兴行业异军突起，成为“互联网+”普惠金融的实践典范。2013年6月，阿里巴巴旗下的网上支付系统支付宝推出“余额宝”。作为一款“1元起购”的开放式基金，余额宝在短短三年内开户数超过2.95亿，为客户赚取收益572.93亿元，是目前互联网金融最成功的实践案例。也正是余额宝的成功，引发了国内2013年以来的互联网金融热潮。中国人民银行2014年《中国金融稳定报告》明确给出互联网金融的定义：互联网金融指金融借助互联网和移动通信技术，实现资金融通、支付和信息中介功能的新型金融模式。互联网和移动通信技术的普遍性，从根本上决定了这种新型金融模式具有传统金融难以企及的普惠性。

2016年9月G20峰会上《G20数字普惠金融高级原则》的正式公布，使得普惠金融这个热点话题，以一个新视角再次出现在实务界与学术界。数字普惠金融是指互联网、移动通讯、大数据、云计算等数字技术与普惠金融的有机融合。这一原则的公布，无疑为普惠金融的发展提供了技术的规则支撑，也为普惠金融这一概念注入新鲜养分。在此背景下，作为数字技术中起源较早并具有典型代表性的互联网技术，“互联网+”普惠金融的经济效用问题尤其值得关注。

近年来，随着数字技术与金融业务融合的不断深入，使得面向中低端客户群体的金融服务成本不断下降，由此以商业银行为主体金融机构的经营理念逐渐由“二八法则”转向“长尾理论”，客户端不断下移。同时，互联网等数字金融企业作为新兴行业异军突起，把数字技术与普惠金融结合起来，为普通大众和中低端收入群体推出丰富的普惠金融产品，成为“互联网+”普惠金融的实践典范。2013年6月，阿里巴巴旗下的网上支付系统支付推出“余额宝”。作为一款“1元起购”开放式基金，余额宝在短短三年内开户数超过2.95亿，为客户赚取收益572.93亿元，是目前互联网金融最成功的实践案例。也正是余额宝的成功，引发了国内2013年以来的互联网金融热潮。中国人民银行2014年的《中国金融稳定报告》明确给出互联网金融的定义：互联网金融指金融借助互联网和移动通信技术，实现资金融通、支付和信息中介功能的新型金融模式。互联网和移动通信技术的普遍性，从根本上决定了这种新型金融模式具有传统金融难以企及的普惠性。

在“互联网+”普惠金融实践持续深入的同时，国内学者也开始了学术层面的探讨。林宏山[4]分析了中国普惠金融发展存在的不足以及互联网金融的优势，指出互联网金融的特性使之有助于社会各阶层便利地获取各种金融服务，规范互联网金融业务将推进中国普惠金融的发展。杨光[5]考察了互联网金融和普惠金融的结合点，认为两者核心理念（平等、普遍、共享）不谋而合，都关注“创造20%收益的80%普通客户群”，并且通过小金额、大客户量来进行风险控制，通过降低成本实现可持续经营。其他学者也大多从互联网金融促进普惠金融发展的角度展开理论研究并提出相关建议。

理论上讲，普惠金融会对低收入居民和小微企业的经济行为产生显著影响，这几乎得到了学界共识。星焱[6]、焦瑾璞[7]认为，普惠金融水平的提升有助于解决贫困问题、促进经济增长、实现城乡收入均衡。“互联网+”普惠金融有机融合的发展模式，将通过交互效应和乘数效应，发挥更加显著的作用，促进城乡均衡发展，缩小城乡收入差距。“互联网+”普惠金融是否显著促进了城乡收入均衡增长？要量化验证这个问题，需要首先梳理清楚三个概念：其一，如何测度普惠金融和“互联网+”普惠金融？其二，如何测度城乡收入均衡水平？其三，怎样量化分析金融发展对城乡居民收入的影响？

（一）普惠金融指数和“互联网+”普惠金融的测度

建立完善普惠金融理论体系，首先要确定测度普惠金融发展水平的指数。只有建立普惠金融指数的长期观测制度，才能够对普惠金融及相关影响因素进行定量分析。Sarma[8]借鉴联合国人类发展指数（HDI）的构建方法，从金融机构的渗透度（Penetration）、可获得性（Availability）和使用度（Usage）三个维度测度普惠金融发展水平，用每1 000成年人拥有的银行账户数表示渗透度，用每10万人口拥有的金融机构和自动柜员机（简称ATM，下同）数表示可获得性，用存贷款总额占GDP的比重表示使用度。Arora[9]考虑更多的指标，划分了金融机构服务的范围（包括地理覆盖度和人口覆盖度）、便利性和成本三个维度，其中，用每1 000平方千米的金融机构和ATM数（地理覆盖度）、10万人口拥有的金融机构和ATM数（人口覆盖度）测量服务范围，用申请存款账户或贷款的机构所在地、存款账户开户最低金额及余额下限、支票账户余额下限、申请存款账户和支票账户分别所需的文件数、消费者贷款下限及申请所需天数、抵押贷款下限及申请所需天数度量便利性，用消费者贷款和抵押贷款的费率、存款账户和支票账户的年费、在ATM每取100美元所需的费率计算金融服务成本。Sarma没有考虑获得金融服务的便利性和成本，而Arora没有考虑金融服务的使用情况。Gupte等[10]全面考虑各种因素，构建了多达24个指标的普惠金融指数算法。焦瑾璞等[11]总结对比了普惠金融联盟（AFI）普惠金融指标体系（两维度5指标）、世界银行普惠金融指标体系（五维度15指标）以及普惠金融全球合作伙伴（GPFI）普惠金融指标体系（3维度29指标），认为GPEI体系划分的三个维度（金融服务的获取、使用以及质量）能够比较科学、全面地反映普惠金融发展水平。

以上所述指标体系大多十分繁杂，超出了中国国家统计局和各地区统计局的统计范围。在对实际问题进行定量分析时，学者往往只能每个维度取一两个指标进行计算。例如，王婧和胡国晖[12]在充分考虑数据可获得性后，选取6个指标计算2002―2011年中国普惠金融指数，再用OLS回归检验普惠金融指数的影响因素。田杰和陶建平[13]选取5个指标，以2006―2009年全国1 877个县（市）的面板数据为样本，计算普惠金融指数并分析各个指标对农户收入的影响。本文将在充分考虑数据可获得性的基础上建立更为合理的指标体系。

现有文献鲜有对“互联网+”普惠金融的定量测度，为研究“互联网+”普惠金融对城乡收入均衡增长的影响，本文从两个方面来测度这一指标。其一，运用普惠金融发展指数和互联网普及率，分别测度普惠金融和互联网使用这两个变量各自的影响；第二，借鉴陈义国[14]对交互项变量的使用方法，运用普惠金融指数与互联网普及率的乘积，用于测度“互联网+”普惠金融（即两者的交互作用）的影响。

（二）城乡收入均衡增长的测度

衡量城乡收入均衡增长，需要从两个方面着手。一方面是总量情况，即城乡收入总水平，主流文献一般选择地区人均收入水平来衡量；另一方面是结构情况，即城乡收入均衡水平。既有文献中，衡量区域收入差距的代表性指标有两种，一是基尼系数。任媛和邰秀军[15] 构建长江三角洲与环渤海湾地区的基尼系数，实证研究了经济增长与收入分配差距之间的关系；徐虹和胡祖光[16]在计算基尼系数的基础上，分析了中国农村居民收入的区域差异并进而分析形成原因。二是城乡居民收入的比值。雷根强等[17]在计算该指标的基础上，基于中国中西部县域数据的模糊断点回归分析方法，实证分析了转移支付对城乡收入差距的影响。万晓萌[18]则采用该指标和空间计量方法，研究了农村劳动力转移对城乡收入差距的影响。用基尼系数和城乡居民收入的比值来测度城乡居民收入差距，直观并易于计算，这也是大多数文献采取这两种计算方法的主要原因。然而，这两种方法都忽略了城乡人口规模大小对城乡收入差距的影响，并且基尼系数对于中间阶层的收入变动较为敏感，对两端反应并不强烈，而城乡收入差距恰恰体现在高收入和低收入阶层的变化上。彭定和王磊[19]、颜敏[20]认为，泰尔指数对处于收入两端的变动更为敏感，恰好能够解决这个问题。泰尔指数的计算公式如下：

GAPi，t=∑2j=1Pi，j，tPi，t×ln（Pi，j，tPi，t/Zi，j，tZi，t）（1）

其中，假设j=1表示城镇，j=2表示农村。GAPi，t表示第i个地区在t时期的泰指数。Pi，1，t表示第i个地区在第t时期城镇总收入（用城镇居民人均可支配收入乘以城镇人口）。Pi，2，t表示第i个地区在第t时期农村的总收入（用农村居民人均纯收入收入乘以农村人口）。Pi，t表示第i个地区在第t时期城乡收入的总和。Zi，j，t表示第i个地区在第t时期城镇或农村的人口数。Zi，t表示第i个地区在第t时期的总人口数。此公式计算出来的结果越大，表明城乡收入差距越大。

本文所研究的城乡收入均衡水平，是一个与泰尔指数相对立的概念。因此，在第三部分变量选取时，对泰尔指数进一步处理，构造出城乡收入均衡指数。

（三）金融发展对城乡居民收入影响的量化分析

对金融发展与收入分配关系进行了研究，国内部分学者指出中国金融发展扩大了城乡收入差距。孙永强和万玉琳[8]基于1978―2008年中国30个省份的面板数据，通过建立面板协整与误差修正模型，对中国金融发展、对外开放与城乡居民收入差距之间的长期稳定关系和短期波动影响做出实证分析。结果表明，对全国而言，长期内金融发展和对外开放均显著扩大了城乡居民收入差距。张宏彦等[9]收集中国1983―2009年的相关数据，利用VAR模型分析中国农村金融发展对城乡收入差距的影响。结果显示，中国农村金融发展与城乡收入差距之间存在一种长期均衡关系，并且中国农村金融发展是城乡收入差距拉大的格兰杰成因。另外，李志军和奚君羊[10]的研究证实了西方学者提出的金融发展与收入差距之间的倒U型关系在中国也存在，即在金融发展的初期，其对收入差距具有扩大效应，而在金融发展达到一定程度时，收入差距就会随之缩小。孙永强和万玉琳[8]用“各地区金融机构存贷款余额占GDP比重”来衡量金融发展，张宏彦等[9]采用中国农户储蓄值与农业贷款值总额衡量中国农村金融发展水平，李志军和奚君羊[10]采用中国金融发展指数。这些学者都没引入普惠金融理念和相应测度指标，因而也就不能充分解释普惠金融发展对城乡居民收入和城乡收入均衡水平的影响。

二、指标体系构建与指数测度

1.普惠金融指标体系构建

在Sarma[9]、王婧和胡国晖[11]、田杰和陶建平[12]研究基础上，Sarma[11]借鉴联合国人类发展指数（HDI）的构建方法，从金融机构的渗透度（Penetration）、可获得性（Availability）和使用度（Usage）3个维度测度普惠金融发展水平，用每1 000成年人拥有的银行账户数表示渗透度，用每10万人拥有的金融机构和自动柜员机（简称ATM，下同）数表示可获得性，用存贷款总额占GDP的比重表示使用度。Arora[12]考虑更多的指标，划分了金融机构服务的范围（包括地理覆盖度和人口覆盖度）、便利性和成本3个维度，其中，用每1 000平方千米的金融机构和ATM数（地理覆盖度）、每10万人拥有的金融机构和ATM数（人口覆盖度）测量服务范围，用申请存款账户或贷款的机构所在地、存款账户开户最低金额及余额下限、支票账户余额下限、申请存款账户和支票账户分别所需的文件数、消费者贷款下限及申请所需天数、抵押贷款下限及申请所需天数度量便利性，用消费者贷款和抵押贷款的费率、存款账户和支票账户的年费、在ATM每取100美元所需的费率计算金融服务成本。Sarma[11]没有考虑获得金融服务的便利性和成本，而Arora[12]没有考虑金融服务的使用情况。Gupte等[13]全面考虑各种因素，构建了多达24个指标的普惠金融指数算法。焦瑾璞等[14]总结对比了普惠金融联盟（AFI）普惠金融指标体系（两个维度5个指标）、世界银行普惠金融指标体系（5个维度15个指标）以及普惠金融全球合作伙伴（GPFI）普惠金融指标体系（3个维度29个指标），认为GPEI体系划分的3个维度（金融服务的获取、使用以及质量）能够比较科学、全面地反映普惠金融发展水平。以上所述指标体系大多十分繁杂，超出了中国国家统计局和各地区统计局的统计范围。

考虑到中国金融数据的可获得性，以及侧重考虑普惠金融发展对农民及城市低收入人群收入的影响，本文选取了3个维度10个指标构建中国普惠金融测量指标体系。

下文括号内为具体测量指标，3个维度一共10个具体测度指标。

维度1：金融服务的范围。用地理维度的服务渗透性（每万平方千米的银行业金融机构数、每万平方千米的银行业金融机构从业人员数）和人口维度的服务可得性（每万人拥有的银行业金融机构数、每万人拥有的银行业金融机构从业人员数）两类描述性指标来衡量。

维度2：金融服务的使用情况。用存款服务的使用情况（金融机构人均各项存款占人均 GDP 的比重）、贷款服务的使用情况（金融机构人均各项贷款占人均 GDP 的比重）以及保险情况（保险密度和保险深度）三类描述性指标来衡量。

维度3：金融服务的质量。用三农融资状况（涉农贷款余额占各项贷款余额比重）、中小企业融资状况（小额贷款公司贷款余额占各项贷款余额比重）两类描述性指标来衡量。

2.普惠金融发展指数计算方法

Sarma[13]借鉴联合国开发计划署编制人类发展指数HDI的计算方法，构建了普惠金融发展指数，本文继续沿用这种计算方法，算中国普惠金融发展指数。

用以衡量普惠金融的具体指标为10个，

在对实际问题进行定量分析时，学者往往只能每个维度取一两个指标进行计算。例如，王婧和胡国晖[15]在充分考虑数据可获得性后，选取6个指标计算2002―2011年中国普惠金融指数，再用OLS回归检验普惠金融指数的影响因素。田杰和陶建平[16]选取5个指标，以2006―2009年中国1 877个县（市）的面板数据为样本，计算普惠金融指数。笔者借鉴Sarma[11]的计算方法，具体计算我国普惠金融10个具体指标，

以di表示第i个指标，则普惠金融发展状况可以表示为10维笛卡尔空间中的点D=（d1，d2，…，d10）。这个空间中的点O=（0，0，…，0）是可能出现的最坏情形，即完全的金融排斥，而点 W=（w1，w2，…，w10）表示在普惠金融发展的所有层面上均达到最高水平。由此，普惠金融发展指数IFI可以表示为点D与点W之间归一化的反欧几里得距离，其公式表示为：

IFI=1-（w1-d1）2+（w2-d2）2+…+（w10-d10）2w12+w22+…+w102（1）

其中，Wi表示第i个指标的权重，通过变异系数法求得：wi=vi/∑n1vi，vi=SDi/Mi。vi表示第i个指标的变异系数，SDi表示第i个指标的标准差，Mi表示第i个指标的均值。

在计算过程中，需要先用公式di=[wi×（Ai-MINi）/（MAXi-MINi）]，将不同量纲的指标进行归一化处理，使各指标数据成为无量纲的标量。Ai表示第i个指标的实际观测值，MINi表示第i个指标样本中最小值，MAXi表示第i个指标样本中的最大值。因此，0≤di≤wi，di越大，表明该指标所代表的普惠程度越高。

3.中国内地31个省（自治区、直辖市）普惠金融发展指数测度

本文通过Wind资讯金融数据库、中国人民银行的《中国区域金融运行报告》、《中国金融年鉴》以及中国统计局采集到中国31个省份（自治区、直辖市）（以下简称为31个省）2010―2014年度10个指标的相关数据。各指标的观测值均为155个。按上述方法，对这些指标的原始数据进行标准化，并计算出各省普惠金融发展指数，如表1所示。

从表1可以看出，普惠金融发展指数为相对指数，用于同一地区不同时间（时间序列）纵向比较，或同一时间不同地区（截面）横向比较。数值越接近于1，表明在测度时间和地区中普惠金融发展水平越高；数值越接近于0，表示在测度时间和地区中普惠金融发展水平越低。

2010―2014年各省普惠金融发展指数均有所上升，表明各省普惠金融发展水平持续提高。各省2010年的普惠金融发展水平排名和2014年的排名变化不大。其中4大直辖市、东部省份排名保持靠前位置。

4.“互联网+”普惠金融的测度

现有文献鲜有对“互联网+”普惠金融进行定量测度，为研究“互联网+”普惠金融对城乡收入均衡增长的影响，本文具体从以下两个方面来测度这一指标。第一，运用普惠金融发展指数和互联网普及率，分别测度普惠金融和互联网使用这两个变量各自的影响。第二，运用普惠金融发展指数与互联网普及率的乘积具体测度“互联网+”普惠金融（即两者的交互作用）的影响。

三、模型设定与变量选取

1.面板数据模型设定

作为新兴的概念，普惠金融、互联网金融等相关领域只有近几年的统计数据，通过时间序列分析得到的参数估计精度较差。而在面板数据中，即使时间序列长度较短，但是大量的横截面个数能够扩大样本，使得模型更为可靠。另外，面板数据模型能够综合利用时序和截面样本信息，同时反映时期、地区两个方面的变化规律以及不同时期、不同地区的特性。因此，面板数据模型在分析跨时期跨地区问题时具有一定的操作性和稳健性。

本文借鉴田杰和陶建平[12]的做法，指出，在研究金融发展对收入水平影响的相关文献中，大多理论模型思路是：在总生产函数的传统分析框架下，将金融发展水平当作一项投入用于生产，同时考虑其他影响收入的因素。本文在模型设定上也遵循这一。作为新兴的概念，普惠金融、互联网金融等相关领域只有近几年的统计数据，通过时间序列分析得到的参数估计精度较差。而在面板数据中，即使时间序列长度较短，但是大量的横截面个数能够扩大样本，使得模型更为可靠。另外，面板数据模型能够综合利用时序和截面样本信息，同时反映时期、地区两个方面的变化规律以及不同时期、不同地区的特性在总生产函数的传统分析框架下，将金融发展水平当作一项投入用于生产，同时考虑其他影响收入的因素，采用一般线性面板数据模型进行回归，具体如下：

yit=αit+βitxit+μit（2）

其中，αit为常数项；xit=（x1it，x2it，…，xKit）为外生变量；βit=（β1it，β2it，…，βKit）

为参数向量。；K为外生变量个数；N为截面单位总数；基本假设是随机扰动项μit相互独立，且满足零均值、同方差。这里的αit和βit包含了时间和截面效应，αit还可以进一步分成总体效应与个体效应之和。i=1，2，…，N；t=1，2，…，T；T为时期总数。

2.变量定义与指标选取

被解释变量为地区人均收入水平（PGDP）和城乡收入均衡指数（URIBI）。

被解释变量为城乡收入均衡增长。衡量城乡收入均衡增长，需要从两个方面着手：一方面是总量情况，即城乡收入总水平，主流文献一般选择城乡人均收入水平（PGDP）来衡量；另一方面是结构情况，即城乡收入均衡水平（URIBI）。本文借鉴这种方法。

既有文献中，衡量区域收入差距的代表性指标有基尼系数和城乡居民收入的比值两种，这两种方法都忽略了城乡人口规模大小对城乡收入差距的影响，并且基尼系数对于中间阶层的收入变动较为敏感，对两端反应并不强烈，而城乡收入差距恰恰体现在高收入和低收入阶层的变化上。彭定和王磊[17]、颜敏[18]认为，泰尔指数对处于收入两端的变动更为敏感，恰好能够解决这个问题。泰尔指数的计算公式如下：

GAPit=∑2j=1PijtPit×ln（PijtPit/ZijtZimt）（3）

其中，假设j=1表示城镇，j=2表示农村。GAPit表示第i个地区在t时期的泰尔指数。Pi1t表示第i个地区在第t时期城镇总收入（用城镇居民人均可支配收入乘以城镇人口）。Pi2t表示第i个地区在第t时期农村的总收入（用农村居民人均纯收入收入乘以农村人口）。Pit表示第i个地区在第t时期城乡收入的总和。Zijt表示第i个地区在第t时期城镇或农村的人口数。Zit表示第i个地区在第t时期的总人口数。此公式计算出来的结果越大，表明城乡收入差距越大。

本文不像很多文献中以基尼系数与城乡居民收入的比值来表示收入差距，而采用泰尔指数衡量城乡人均收入水平，采用为衡量的直观性并保持与普惠金融指数量纲相近，本文用（1/泰尔指数）×100来衡量城乡收入均衡水平，称为城乡收入均衡指数。数值越大，城乡收入均衡水平越高。

解变量有三个：一是普惠金融发展指数（IFI），预期系数符号为正。二是N_rate为互联网普及率，用于研究互联网因素对收入水平的影响，预期系数符号为正。三是IFI_nrate，为普惠金融指数与互联网普及率的乘积，用于研究“互联网+”普惠金融（即两者的交互作用）对城乡人均收入水平的影响，预期系数符号为正。

控制变量有：地方人均公共财政支出（Pfin）、城市化水平（Ur）和人均固定资产投资完成额（Invst），预期这三个变量的系数符号均为正。

3.数据来源

鉴于数据的可获得性和时效性，本文研究的样本期为2010―2014年。普惠金融指数为上文计算所得。其余数据从Wind资讯金融数据库和国家统计局网站获取。由于各变量的数据单位量纲不一，例如人均GDP、人均财政支出和人均固定资产投资完成额的单位是人民币元，而互联网普及率和城市化水平是百分比，普惠金融发展指数是相对系数。为保持量纲的接近，本文将人均GDP、人均地方财政支出和人均社会固定投资完成额通过vi=Ai-MINMAX-MIN的方法标准化。

四、“互联网+”普惠金融对人均收入和城乡收入均衡水平影响的经验分析

1.面板单位根检验

常用的面板单位根检验有LLC检验、IPS检验、ADF检验和PP检验。四种检验的原假设都是存在单位根过程。面板单位根检验结果如表2所示。

表2显示，所有变量都基本通过了平稳性检验，可以视为平稳序列。

2.“互联网+”普惠金融对城乡人均收入水平和城乡收入均衡水平影响的平衡面板估计

首先，建立如下模型：

PGDPit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（4）

URIBIit=αi+β1IFIit+β2N_rateit+β3Pfinit+β4Invstit+β5Urit+β6IFI_nrateit+μit（5）

其次，对式（4）和式（5）进行Hausman检验，x择固定效应模型。i=1，2，…，31；t=2010年，2011年，…，2014年。把人均收入水平作为被解释变量，其他变量作为解释变量和控制变量，运用面板数据逐步回归法，即逐步剔除不显著的变量，回归结果如表3所示。

从表3可以看出：

在模型（1）和模型（2）中，除截距外的各个自变量都在1%的显著性水平上显著。模型（1）中的普惠金融发展指数、互联网普及率、人均公共财政支出、人均固定资产投资系数均为正，这和预期是一致的。普惠金融、互联网两个变量各自都促进了城乡人均收入水平的增长。为考察互联网与普惠金融的交互影响，在模型（2）中加入了互联网与普惠金融相乘的自变量。由于该变量与普惠金融发展指数产生了共线性，所以把普惠金融发展指数这一自变量删除。模型（2）最终回归结果显示，互联网普及率、人均公共财政支出、人均固定资产投资、“互联网+”普惠金融都在1%的显著性水平上显著，且系数均为正，这和预期是一致的。说明“互联网+”普惠金融显著促进了城乡人均收入的总量增长。反映回归方程拟合优度的2很高，说明方程的解释力度很强。

（三）“互联网+”普惠金融对城乡收入均衡指数影响的平衡面板估计

对式（5）进行Hausman检验，选择固定效应模型。i=1，2，…，31；t=2010，2011，…，2014。把城乡收入均衡指数作为被解释变量，其他变量作为解释变量和控制变量，运用面板数据逐步回归法，即逐步剔除不显著的变量，回归结果如表4所示。

在模型（3）和模型（4）中，普惠金融发展指数、互联网普及率都在1%的显著性水平上显著，人均固定资产投资在5%的显著性水平上显著，且系数均为正，这和预期是一致的。为考察互联网与普惠金融的交互影响，在模型（4）中加入了互联网与普惠金融相乘的交互项，但是“互联网+”普惠金融的t值为-0.2905，P值为0.7719，P值未在表格中列出，如有需要请与作者联系。下同。显著性水平非常低。并且系数为负，与经济意义不符。回归结果显示：互联网和普惠金融这两个变量各自都对城乡收入均衡增长有促进作用，但二者的交互效应不显著，说明在促进城乡收入均衡增长方面，互联网与普惠金融的融合度不够。

此外说明两点：其一，在模型（3）和模型（4）当中，人均公共财政支出在统计上不显著，但P值=0.1600，在16%的置信度水平上可以接受，并且没有与其他变量产生共线性，增加了模型的拟合优度，所以把该变量仍然保留在模型（3）和模型（4）当中。其二，模型（1）―模型（4）中都加入了控制变量城市化水平（Ur），但是在回归时与其他变量有共线性，导致模型其他变量符号发生变化，影响其对经济含义的解释，所以在最终的模型中把该变量删除。

五、结论与启示

2010―2014年中国31个省份的数据统计结果表明，五年来各省份的普惠金融发展水平稳步提高。其中上海、北京、天津、浙江、江苏和广东保持领先发展水平。从2014年的数据情况可以看出，普惠金融发展水平与当地的经济发展水平正相关。发展普惠金融，让包括农民、城市低收入人群、小微企业等在内的社会各阶层和群体拥有平等的获取适当有效金融服务的机会，必须立足于发展经济之上。

互联网和普惠金融这两个变量各自都对城乡人均收入水平、城乡收入均衡水平有促进作用。二者的交互效应对城乡人均收入水平有显著促进作用，应当继续发挥互联网技术这种积极作用，并把互联网金融与普惠金融紧密结合起来，以促进城乡人均收入水平的增长。然而，二者的交互效应在促进城乡收入结构性均衡增长上并不显著。这说明在促进城乡收入均衡增长方面，互联网与普惠金融的融合度不够。

随着世界各国互联网使用率和手机普及率的不断提高，互联网金融和移动金融使得金融交易模式发生根本性变革。借助互联网媒介、无线通信技术、电脑与手机的高普及率和便捷性，互联网金融和移动金融服务边际成本大大降低，便捷度、覆盖面和效率有效提升，这使得面向三农、小微企业、低收入社区居民等普惠群体的金融服务变得更加可行。互联网金融和移动金融虽然在中国飞速发展，但是仍然有一些因素制约着互联网与普惠金融的有机融合。中国需要从完善信用保障机制、强化基础设施建设、增强外部政策激励、加强第三方支付与金融机构的跨界融合等多个方面，有力推进“互联网+”普惠金融在农村地区、小微企业和低收入社区的推广，在促进城乡人均收入总水平增长的基础之上，同时促进城乡收入均衡增长，实现城乡包容性发展和共同富裕。

参考文献：

[1] Kempson， E.， Whyley，C. Kept out or Opted out？ Understanding and Combating Financial Exclusion [M]. Bristol： Policy Press，1999.1-56.

[2] Leyshon，A.，Thrift，N. Geographies of Financial Inclusion：Financial Abandonment in Britain and the United States[J]. Transactions of the Institute of British Geographers， 1995，20（3）：312-341.

[3] Kodan，A. S.，Chhikara， K. S. A Theoretical and Quantitative Analysis of Financial Inclusion and Economic Growth[J].Management and Labour Studies， 2013，38（1）： 103-133.

[4] 林宏山.互联网金融助推普惠金融发展探讨[J].上海金融，2014，（12）：38-40.

[5] 杨光.互联网金融背景下普惠金融发展研究[J].征信，2015，（2）：21-24.

[6] 星焱.普惠金融的效用与实现：综述及启示[J].国际金融研究，2015，（11）：24-36.

[7] 焦瑾璞.构建普惠金融体系的重要性[J].中国金融，2010，（10）：12-13.

[8] 孙永强，万玉琳. 金融发展、对外开放与城乡居民收入差距――基于1978―2008年省际面板数据的实证分析[J] . 金融研究，2011，（1）：28-39.

[9] 张宏彦，何清，余谦.中国农村金融发展对城乡收入差距影响的实证研究[J].2013，（1）：83-88.

[10] 李志军，奚君羊.中国金融发展与收入差距的倒U关系分析[J].上海经济研究，2012，（9）：12-18.

[9] Arora， R. Measuring Financial Access[R]， Griffith University， Discussion Paper Economics No. 7， 2010.

[10] Gupte， R.， Venkataramani， B.， Gupta， D. Computation of Financial Inclusion Index for India [J]. Social and Behavioral Sciences， 2012， 37（1）：137-149.

[11] 焦瑾璞，黄亭亭，汪天都，等.中国普惠金融发展进程及实证研究[J].上海金融，2015，（4）：12-22.

[14] 陈义国.中国城市化对城乡平衡增长的影响[J].经济理论与经济管理，2016，（3）：72-85.

[15] 任媛，邰秀军.基于基尼系数的我国农村居民收入的区域差异与分解[J].经济体制改革，2016，（1）：70-76.

[16] 徐虹，胡祖光.经济增长与收入分配差距――基于长江三角洲与环渤海湾地区基尼系数的比较研究[J].宏观经济研究，2015，（10）：139-150.

[17] 雷根，黄晓虹，席鹏辉.转移支付对城乡收入差距的影响――基于我国中西部县域数据的模糊断点回归分析[J].财贸经济，2015，（12）：35-48.

[18] 万晓萌.农村劳动力转移对城乡收入差距影响的空间计量研究[J].山西财经大学学报，2016，38（3）：22-31.

[19] 彭定，王磊.财政调节、福利均等化与地区收入差距――基于泰尔指数的实证分析[J].经济学家，2013，（5）：21-28.

[20] 颜敏.高等教育对我国工资收入差距的贡献――基于泰尔指数测算及分解分析[J].上海经济研究，2013，（4）：119-132.

[11] 王婧，胡国晖. 中国普惠金融的发展评价及影响因素分析[J].金融论坛， 2013，（6）：31-36.

[12] 田杰，陶建平. 农村普惠性金融发展对中国农户收入的影响――来自1 877个县（市）面板数据的实证分析[J].财经论丛，2012，（2）：57-63.

[11] Sarma， M. Index of Financial Inclusion[R]. Indian Council for Research on International Economic Relations Working Paper No. 215， 2008.

[12] Arora， R. Measuring Financial Access[R].Griffith University， Discussion Paper Economics No. 7， 2010.

[13] Gupte，R.， Venkataramani， B.， Gupta， D. Computation of Financial Inclusion Index for India[J]. Social and Behavioral Sciences， 2012， 37（1）：137-149.

[14] 焦瑾璞，黄亭亭，汪天都，等.中国普惠金融发展进程及实证研究[J].上海金融，2015，（4）：12-22.

[15] 王婧，胡国晖. 中国普惠金融的发展评价及影响因素分析[J].金融论坛， 2013，（6）：31-36.

[16] 田杰，陶建平. 农村普惠性金融发展对中国农户收入的影响――来自1 877个县（市）面板数据的实证分析[J].财经论丛，2012，（2）：57-63.

普惠金融论文篇(6)

关键词：普惠金融；普惠金融发展指数；省际面板数据

一、引言

改革开放三十多年来，我国经济快速稳步发展，作为现代经济核心的金融业也在近几十年来有了长足进步，但同时，金融危机频发暴露出当前金融体系存在的内在缺陷，如今金融发展水平地区差距不断扩大、中小企业融资难问题长期存在、农村金融发展滞后，这些问题导致传统金融不能很好地回应时代和环境提出的要求，使得金融体系需要改革的呼声一直不断。为了解决传统金融体系存在的问题，一种强调一切有金融服务需求的群体都能以其能承受起的价格享有相应金融服务的普惠金融体系应运而生。这个最早由联合国在宣传2005年小额信贷年的时候提出的普惠金融体系是一种能够打破二元金融结构、消除金融排斥，是一个强调金融的全面性、公平性和包容性，面向所有人群、惠及所有人群的新型金融体系。

虽然普惠金融体系的建立有着十分重要的意义，也被党的十写入报告成为未来几年内我国金融体系的发展方向，但是目前学术界对普惠金融的研究并不充分，且大多局限在理论层次。仅有少数人对普惠发展水平进行测度，但都存在着各种局限性。例如普惠金融发展广泛应用在银行、保险、证券等领域，而现有指标测度仅仅局限在银行业的数据上；再比如基于现如今网络如此发达，网上支付占到了举足轻重的作用，也应该在测度指标上有所体现。本文希望在现有研究的基础上，提出一个较全面且符合中国国情的普惠金融发展指数测度方法，对中国各省的普惠金融发展状况及其发展变化进行实证分析，并提出相应的政策建议

二、普惠金融发展指数计算方法与指标选取

（一）计算方法

本文采用Sarma（2008）借鉴联合国开发计划署变质人类发展指数HDI的计算方法构建了普惠金融发展指数的计算方法。

假设普惠金融有n个评价维度Di（i=1，2，…，n），每个维度的权重Wi，最大值为Mi，最小值Mi，Ai为第i个准度的实际值。每个维度计算公式为：Di=WiAi-miMi-mi

由于每个维度的权重（0≤Wi≤1），因此，最理想的是当Dn=（W1，W2，…Wn）时，普惠金融发展水平达到更高。而构建普惠金融指数就是计算各个维度的测算值和最理想值之间的差距，并把所有差距整合形成一个测度结果，公式为：

IFI=1-（W1-D1）2+（W2-D2）2+…+（Wn-Dn）2（W21-W22+…+W2n）2

由上面公示可见，测度普惠金融指数的关键在于确定各个准度在计算普惠金融时所占的计算值。因此采用客观赋权法中的变异系数法测算各个准度的权重。

各准度的权重计算方法为：Wi=Vi∑n1Vi。其中Vi表示各维度的变异系数。Vi=SiAi。Si表示标准差，Ai表示均值。

（二）指标选取

普惠金融发展指数目前在国际上并没有完整的指标体系，目前使用较多的体系是Beck在2007年从银行服务的可获得性和银行服务的使用情况两个维度8个指标体系、金融包容全球合作伙伴组织（GPFI）在2012年提出的金融服务的可得性、使用情况和服务质量3个维度9个指标内容的指标体系，以及金融包容联盟（AFI）提出的由金融服务可获得行和金融服务使用情况两个维度5个指标的指标体系。

本文在借鉴多种普惠金融发展程度与指标体系的构建基础上，结合我国经济金融业的发展状况，并且考虑到我国典型的城乡二元经济结构。小微企业融资难等问题考虑到数据的可获得性，提出了如下指标体系。

1.金融服务的可获得性。其中包括网点数量、人员数量两个二级维度，每万平方公里金融机构营业网点数量（家/万平方公里）、每万平方公里金融机构从业人员数量（人/万平方公里）、每万人拥有的金融机构营业网点数量（家/万人）、每万人金融机构从业人员数量（人/万人）四个指标。

2、金融服务的使用情况。其中包括存款情况、贷款情况、账户情况、支付情况、保险情况、证券情况六个二级维度，金融机构各项人均存款占人均GDP比重、金融机构各项人均贷款占人均GDP比重、每人拥有的个人银行结算账户数（户/人）、网上支付金额占总支付金额比重、保险密度：保险收入/人口数量（元/人）、保险深度：保险收入/GDP、从股票市场筹资额占GDP比重七个指标。

3、金融服务的质量。其中包括对小微企业的金融支持、对三农的金融支持两个二级维度，小额贷款公司贷款余额占各项贷款余额比例、农户贷款余额占各项贷款余额比例两个指标。

其中金融服务的可获得性，从金融机构的设置和金融机构从业人员的配置上衡量了需求者从金融机构获得服务时面临的潜在障碍，其中金融机构不仅包括银行业金融机构，也包括证券公司和保险公司。金融服务的实际使用情况能更好地衡量金融机构的渗透性和服务的广度和深度，其中创新地引入了保险和证券的相应指标以及近年来使用范围越来越广的网上支付指标。金融服务的质量能够反映金融服务满足客户需求的能力和程度，尤其是对符合我国国情的三农以及小微企业的服务。

三、普惠金融发展指数测度结果与分析

本文考察了全国31个省和直辖市2008年到2014年的数据，每个指标的观测值都是217个。各个指标的数据来源于相应年份的中国统计年鉴、各省统计年鉴以及中国人民银行的《中国区域金融运行报告》、中国金融年鉴等数据资料。

普惠金融发展指数只是一个相对的指数，用于同一地区纵向事件序列和同一时间横向不同地区之间的比较。指数数值本身并不能代表普惠金融发展程度的大小，只能定量说明不同时期或者不容地区之间普惠金融发展水平的差距，即使如果测度出来的普惠金融发展指数达到1也不能说明该地区普惠金融已经发展到最高水平。同理，若测度指数为0，也不能说明该地区普惠金融没有发展。

横向比较各地区之间的测度结果，发现我国各地区普惠金融发展水平还是存在较大的差距。以2014年为例，发展水平最高的上海的普惠金融发展指数测度值为0.7，而最低的仅仅只有0.028。如此巨大的差距并不是个例，整体普惠金融发展指数在地区之间呈现出东部居上，东部居中，西部居下的格局。2008年东中西部各省普惠金融发展指数的平均值分别是0.1512、0.049和0.0368.而到2014年，东中西部指数均值分别为0.238、0.0826和0.0715。可见这种格局并没有改变。东部地区在普惠金融发展程度上遥遥领先于中部和西部，而中西部的差距并不太明显。

指数测度值最大的五个地区分别是上海、北京、天津、江苏和浙江，而最小的五个地区分别是广西、宁夏、新疆、青海和。这与各个地区之间的经济发展水平基本呈现出正相关的关系。具体关系见图。图中以2014年各省人均GDP作为体现该省经济发展水平的指标，将人均GDP的排名和2014年各省普惠金融发展指数排名进行对比。从图中可以看出，普惠金融发展程度与经济发展水平基本相符。特别是东部各省份，除海南外其余10个省份全部排名靠前，这与其人均GDP排名基本相符。在西部各省中，重庆的排名最靠前，重庆作为中西部地区唯一的直辖市各方面都酷爱书法展，各项指标均没有明显的短板。而普惠金融发展排名明显落后于人均GDP排名的内蒙古和宁夏。可能是因为其地广人稀且经济较大程度依赖于资源主导型产业，而金融发展水平相应比较落后。

纵向按时间序列比较各地区的普惠金融发展指数。各地区从2008年到2014年的普惠金融发展指数基本都是呈现出增长的趋势，且增长程度巨大，31个地区中这九年间平均增长了2.1倍，由此可见，当前国家提出的切实落实完善三农金融服务的优惠措施、提高金融覆盖率、降低金融准入门槛的政策是十分成功的。其中增长幅度最大的是青海，这九年增长幅度达到了3.25倍。总体来看，中西部地区这九年普惠金融发展程度要大于东部地区。究其原因，一方面固然是因为这些地区原本的普惠金融发展水平较低，但另一方面也是在国家政策的支持下，这些地区普惠金融发展水平提升程度是有目共睹的。

四、政策建议

第一、大力发展普惠金融，扩大普惠金融规模，加大金融服务深度和广度

提高各地区普惠金融发展水平，特别是西部农村地区，各级政府和金融部门应该切实落实和完善“三农”金融服务的优惠措施，提高金融覆盖率，降低金融准入门槛，为普惠金融发展提供资金以及政策支持。以改善部分地区金融覆盖率低、金融效率低、长期被排斥在金融服务之外的现状。对于小微企业的融资难问题要加大小额贷款公司的发展与监管，使之合乎规定上网民间资本阳光化，并相应建立资金回流机制，建立并完善中小企业的信用评级制度的制定与测评卖给与有金融需求以及信用评级良好的中小企业的以金融支持，加强金融服务的深度和广度，以发展提升普惠金融水平。

第二、完善普惠金融相关法律法规的制定以及建立适合普惠金融发展的监管政策

尽快完善普惠金融体系的法律制度，比如微型金融、小额贷款机构这些游离于正规金融机构之外的机构，比如村镇银行、从村资金互助社等新型金融机构。积极引导他们参与普惠金融的发展过程中，并根据这些新型金融机构的发展特点、发展阶段建立相应的监管体系，引导其健康、良性发展。

第三、根据趋于差异化现状，推行差异化政策

正如我们实证研究所显示，中国金融包容性状况在各个省区表现千差万别，程度高低迥异，各个地区提升金融包容性水平的目标和任务也会有很大差异。因此，对于改善普惠金融发展的政策不能简单的全国一刀切，应该根据各个地区不同的现状以及自身特征，实行差异化的政策安排。比如针对东部地区，其经济发展水平、金融发展水平本身就较好，应加强其普惠金融发展深度，提高消费者、中小企业对于金融服务的实际利用水平，让消费者以合理的方式和价格获得急需的消费金融服务、让中小企业得到所需要的发展资金，并且通过已较成熟的金融体系带动新型金融体系的发展，形成良性发展模式。而针对中西部地区，应大力加强普惠金融发展的广度，使得各广大群众能够享受到金融服务带来的切身好处，做好金融基础设施的建设，将更多人纳入现代支付体系，获得其所需的金融服务，同时加强金融知识教育，普及金融知识，切实通过资金以及政策扶持改善“三农”问题，从而有效提高其普惠金融发展水平。（作者单位：浙江工商大学金融学院）

参考文献：

[1] 王婧、胡国辉，2013.中国普惠金融的发展评价及影响因素分析[J].金融论坛（6）：31-36.

普惠金融论文篇(7)

当前，社会各界在努力推进普惠金融，将其建设为实现经济社会平衡发展的基础设施，这说明普惠金融正成为金融改革的着力点。即便如此，我们仍需注意一些问题。

首先，普惠金融应是赋能型金融服务，即普惠金融在向有融资需求的群体提供资金支持的同时，也要给予其技能、能力上的支持。

尤其是在涉农金服领域，普惠金融须驱动更多的社会资源、资本流入农村，激发农村中小企业、农户的创造力和生产力。在发展赋能型普惠金融方面，我国农村信用社有着较好的示范性案例。比如，不少农村信用社在向农户发放贷款的同时，还向其提供种植、养殖技能培训等上门服务，力求在向农户提供资金支持的同时，也提升其生产技能，以实现农民增收、致富的目的。

此外，普惠金融的发展应充分结合我国经济社会的主流需求，密切配合我国中小微企业和城镇化发展的融资需求，为我国经济结构转型升级提供有效的金融支撑。

其次，建立与政策激励相容的市场化普惠金融体系。

联合国提出普惠金融这一概念时，虽在一定程度上给予了其社会公益的属性，但归根结底仍须实现盈利来确保其经营的可持续性。可考虑从以下两个方面确保普惠金融的可持续发展。一方面，金融资源要实现向“三农”产业、中小微企业以及城乡低收入群体的配置，解决融资难、融资贵的问题，归根结底还是要依靠市场机制的作用。

另一方面，市场失灵时，实现商业可持续性和服务民生之间的平衡，还需依仗国家政策的介入。比如，国家可从财政、税收、产业、金融监管层面给予普惠金融机构以扶持，相关职能部门也可从利率、风险补偿方面给予补贴。从国际国内的发展历程看，普惠金融为实现服务社会弱势群体的使命，经营模式要避免因过度商业化而导致的利率过高、负债过度、偏离服务目标等问题。

最后，要充分意识到“数字化”是普惠金融的一把“双刃剑”。

今年9月，G20杭州峰会上通过并的《G20数字普惠金融高级原则》中，也明确提出需要平衡数字普惠金融发展中的创新与风险。

一方面，金融机构借助数字技术，尤其是移动端技术极大程度地扩展其服务覆盖面积，并降低服务成本。另一方面，我们在享受数字技术给普惠金融带来便利的同时，也需警惕其创新商业模式带来的金融风险和监管盲点。

比如，数字化背景下，普惠金融的低门槛、低成本和高覆盖特质可能增加金融风险的传导速度和范围。监管力度、范围或因赶不上数字金融的创新速度而出现监管空白等问题。再者，农村、中低收入群体对数字化产品的接受能力通常较低。因而普惠金融在运用数字技术升级服务、产品的同时，还须避免数字鸿沟影响该群体享受普惠金融的福利。