湖南武陵山片区普惠金融发展的减贫效应研究

1.模型设定与数据来源

（1）普惠金融发展减贫效应的计量模型构建。

参考国内学者的相关研究，这里采用湖南武陵山片区37个县级区域10年数据来实证研究片区各个县级区域的普惠金融发展与减贫效果之间的关系。因为数据为面板数据，因此采用面板（Panel）数据回归模型来进行计量分析，以控制年度与地区效应。本章建立的计量模型为

式中：POV——县级区域的贫困程度指数；

IFI——县级区域的普惠金融指数；

EDU——县级区域的教育水平；

IS——县级区域的产业结构；

GEB——县级区域的政府财政支出；

EMP——县级区域的人口就业率；

RINV——县级区域的固定资产投资；

μ——随机扰动项。

为了降低多重共线性，该模型对所有原始数据进行对数处理。

（2）相关变量说明。

①贫困指数（POV）。关于贫困程度，一般用贫困发生率衡量绝对贫困，以消费水平、收入水平衡量相对贫困。基于研究区大部分农户处于相对贫困阶段，因此采用相对贫困指标，学术界通常使用统计年鉴公布的农村居民家庭恩格尔系数（Engel's Coefficient）来表示相对贫困，该系数是用一个家庭食品消费支出占全部消费的比重来衡量的。一般来说，农村居民家庭恩格尔系数与家庭的贫困程度显现正向关系，即系数越高，家庭越贫困。本章的研究对象为片区农村人口的贫困程度，因此采用农村居民家庭恩格尔系数的变化来评价减贫的力度，系数越低，减贫力度越大，扶贫效果越显著。

②普惠金融指数（IFI）。本章选取6个指标衡量普惠金融指数，包括银行金融机构数量/万人、银行金融机构人员数量/万人、居民储蓄存款量/总人口、机构各项贷款余额/总人口、居民储蓄存款量/GDP、机构各项贷款量/GDP，具体衡量方法及结果前面已说明。

③教育发展水平（EDU）。教育水平是影响区域贫困的一个关键因素，良好的教育水平有助于提高人力资本价值，增加农村居民收入，本章考虑到数据的可获得性，采用每百人中在校人数作为地区教育发展水平的衡量指标。

④产业结构（IS）。非农产业（第二、三产业）在产业结构中的占比越高，表明农户就可以得到越多的收入，因此，本章采用第二、第三产业增加值在GDP中的比例来衡量产业结构。

⑤政府财政支出（GEB）。该指标用于反映政府对经济的支持力度，这里是指政府对农村经济的转移支付，可以增加农户的收入，也是考量政府业绩的重要指标。本章采用财政支出与GDP的比值作为政府财政支出的衡量指标。

⑥就业率（EMP）。村民充分就业，可以大大增加收入，本章用区域的农村就业人数与总人数比例表示就业率。

⑦投资水平（RINV）。投资对农户收入有直接的影响，本章采用县级区域的固定资产投资与总人口比值表示投资水平。鉴于农村地区的投资数据无法获取，本章采用城镇固定资产投资代表整个地区的投资水平。

（3）数据来源与描述性统计。

本章以湖南武陵山片区的37个县（市、区）为研究区域，考察2006—2015年10年间片区普惠金融发展的减贫效应，数据来源于2007—2016年《湘西统计年鉴》《张家界统计年鉴》《怀化统计年鉴》《邵阳统计年鉴》《湖南统计年鉴》和县（市、区）的统计公报、统计局公布的资料以及地区扶贫办的扶贫开发数据、地区金融办调研数据。由于研究的面板数据时间长、指标多，在进行数据统计时，出现了有些数据无法获取的情况，因此本章对缺失数据采用时间序列数据的趋势法和外推法进行合理推测。计量模型（2.6）中各变量的描述性统计结果如表2.7所示。

表2.7　各变量的描述性统计结果

(www.xing528.com)

2.模型检验

（1）时间序列数据的平稳性检验。

由于研究的是湖南武陵山片区近十年（2006—2015年）的普惠金融与减贫效应之间的关系，因而模型中的自变量与因变量都是时间序列数据。为了避免伪回归问题，在实证研究之前，需要对时间序列数据进行平稳性检验（单位根检验）。这里采用EViews 7.2中的ADF检验方法进行单位根检验。在检验因变量贫困率与自变量的协调关系之前，首先，使用ADF test验证时间序列数据的单整阶数（X～I（1）），其次，对变量的一阶滞后差分项（ΔX（-1）、ΔY（-1））进行ADF检验，其检验形式依据变量的趋势图判定是否包含常数项和趋势项。滞后项（X（-1）、Y（-1））由EViews 7.2计量软件根据赤池信息准则（AIC）与施瓦茨准则（SC）自动确定，变量的平稳性检验结果见表2.8。

表2.8　变量的单位根检验结果

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著；检验类型中c，t分别表示带有常数项、趋势项；Δ表示该变量的一阶差分。

单位根检验结果显示，所有变量（自变量、因变量）时间序列都是非平稳的，但这些数据经过一阶差分后表现在给定的显著性水平（1%、5%、10%）下平稳，差分后的所有变量都是一阶单整的（X～I（1））。对于变量是同阶单整序列，可以认为自变量与因变量之间存在长期协整关系，但需要对自变量与因变量进行协整检验。

（2）协整检验。

通过上述的单位根检验，发现所有变量都是一阶单整的，表明自变量与因变量之间存在长期、稳定关系，可以通过协整检验来确定这种关系。本章采用Johansen协整检验方法来检验变量之间的协整关系，选取滞后阶数为1的协整检验模型，其结果如表2.9所示。

表2.9　协整检验结果

注：*、**分别表示在5%、10%的显著性水平下拒绝该假设。

从协整检验结果看出，可以接受存在5个协整关系假设，也就是说6个变量间有协整关系存在。

3.实证结果

从表2.10显示的模型估计结果来看，无论回归结果是哪种（随机效应、固定效应），在给定的显著性水平下，InIFI的系数显著为负（β1=-0.064，p＜0.05；β2=-0.056，p＜0.05），表明普惠金融发展对减贫存在显著的影响。从Hausman test结果可知，估计结果在固定效应（Fixed Effect）方法下更可靠，表明普惠金融的发展可以显著缓解湖南武陵山片区的贫困程度。

表2.10　模型估计结果

续表

注：***、**、*分别表示在1%、5%、10%的显著性水平下显著。

教育发展水平、投资水平对贫困减缓的作用不显著，表明当前这些变量对减贫的作用是次要的。第二、第三产业结构（IS）的调整显著负向作用于基尼系数，贫困地区第二、第三产业的发展，可以为低收入群体提供大量的就业机会，加速农村劳动力的转移，增加劳动者的收入。政府财政支出负向显著地影响基尼系数，说明财政支出的增加，对于扶贫减贫的转移支出也会相应增加，农民的收入水平随之增加。就业率对地区减贫效应起到显著正向的作用，就业率提高了，农村居民的收入水平提高了，从而缓解了贫困程度。

【注释】

[1]书中未附地理分布图，读者如有需要，可向作者索取。

[2]书中未附地理分布图，读者如有需要，可向作者索取。