文章信息
财经研究 2017年43卷第8期 |
- 姚梅洁, 康继军, 华莹.
- Yao Meijie, Kang Jijun, Hua Ying.
- 金融排斥对中国县域经济影响研究:实现路径与动态特征
- A study on the impact of financial exclusion on china's county economy: implementation path and dynamic characteristics
- 财经研究, 2017, 43(8): 96-108
- Journal of Finance and Economics, 2017, 43(8): 96-108.
-
文章历史
- 收稿日期:2016-10-19
2017第43卷第8期
2. 重庆大学 能源技术经济研究院,重庆 400045;
3. 重庆银行,重庆 400010
2. Research Institute of Energy Technology and Economics, Chongqing University, Chongqing 400045, China;
3. Chongqing Bank, Chongqing 400010, China
一、引言
中国县域经济的重要性怎么强调都不为过。截至2015年,县(市)域人口占我国总人口的74.28%,县(市)GDP占国民经济的比重为55.15%。①在我国以工业化和城市化为主线的现代化进程中,县(市)作为城乡的连接地带,其经济发展水平、产业结构和城乡一体化程度决定了经济发展的均衡度、富足度和可持续性。而金融是现代经济的核心,也是一个国家在工业化和城市化进程中争夺最激烈的资源之一,工业化和城市化过程都伴有资本的极度短缺。②因此,在较长的一段时期内,我国县域始终会存在金融资源相对缺乏的情况,其中处于资源劣势的经济主体则可能面临更高的交易门槛和交易成本,这一现象被学界称为“金融排斥”。相对于产业资本,金融资本并不依赖于某个特定的产业或地域,通常具有更强的同质性、波动性及更短的资本周期。正是这些特质,金融资源的流向总是以市场中价值增值最大化作为内在驱动力。金融排斥看似市场的优胜劣汰行为,其本质确是在国家发展过程中部分群体的经济和社会处境被边缘化的代价。部分拉美国家的发展经验表明,如果不进行调整和干预,这种代价将会被固化和代际传递。因此,对金融排斥状况进行深入分析,是促进我国经济动能转换、实现城乡共享发展成果的重要前提。
① 数据来源:《中国县域统计年鉴2016》。
② 温铁军:《告别百年激进》,东方出版社,2016。
当前,研究我国金融排斥的文献较多,得到了很多有意义的结论。不过,我国有关金融排斥的现有研究主要存在以下问题:一是大多数研究均采用省级行政区划作为分析的基本单元(尹志超等,2015;焦瑾璞等,2015)。这样做的问题在于,省级层面的数据将大部分“老少边穷”地区的情况湮没在平均化意义的数据中,而这些地区无疑是我国金融资源最为匮乏的。根据短板原理,这些地区的发展状况才能真正决定中国经济的质量和效益。过于宏观的数据在很大程度上基于目前城市经济主体的生产和生活方式,而绝大多数农村中的金融排斥问题无法得到解释。二是样本的代表性不足,难以反映我国金融排斥的整体情况。现有研究主要集中在单个省份内部或几个省份间的比较(李少星和吴凡,2016;徐少君和金雪军,2009)。虽然个案分析有助于我们理解金融排斥的逻辑演绎,但很难判断这种逻辑演绎在多大程度上具有共性。有的研究虽然采用县(市)数据,但样本数不到全国县(市)总数的一半(田杰和陶建平,2012),罕有在国家整体视野下利用中微观数据对我国金融排斥状况的全景式研究。我们认为,基于特定样本和特定时点所得出结论的稳健性还有待于更大范围和更长时间样本的检验。三是重定量刻画而轻理论分析。对某一现象的量化是现实世界在数理空间上的“投影”,但其自身却无法回答逻辑结构为何如此,必须要靠理论予以解释。从文献来看,现有研究主要使用不同方法和指标体系测度不同时空下的金融排斥,而鲜有对我国金融排斥的主要特征及对实体经济的影响路径展开有针对性的理论探讨。四是基于我国大样本数据实证检验金融排斥与经济增长关系的研究非常缺乏,现有研究主要集中于分析影响金融排斥程度的因素,而金融排斥与我国经济增长的关系被忽略了。
本文的研究贡献主要体现在:(1) 使用超过全国80%县(市)的大样本数据,从区域向度对我国金融排斥进行了系统性地衡量,并实证检验了金融排斥与县域经济增长的关系,提供了大样本的“中国证据”。(2) 在此基础上,分析了金融排斥对资源优化配置的影响路径,为政府动态把握我国金融排斥特征提供了可靠依据。
二、文献综述
目前学界对金融排斥的研究主要集中在三个方面:金融排斥的定义、金融排斥的对象及影响因素、金融排斥的外部性及作用机制。Dymski和Li(2003) 首次在理论上对金融排斥进行了广义和狭义之分。他们认为,广义的金融排斥是指一些人系统地被核心金融服务所拒绝,而狭义的定义是指被排斥者无法享有某些特定类型的金融服务或产品。Gardener等(2004) 认为,未能接触金融服务的群体常常也无法获得其他一些主要的社会供给,而金融排斥会使这类群体最终被锁定在难以改变生存处境的状态。沿着这一思路,Affleck和Mellor(2006) 考察了英国伦敦街区的金融排斥问题,将不同种类家庭接触金融产品的难易与否作为分析重点,发现家庭结构特征对金融产品获取的难易程度有显著影响,单亲、成员中有残疾人、子女较多的家庭面临不同程度的金融排斥问题。
20世纪90年代后期开始,学者对发展中国家的金融排斥情况也做了专门研究。Santiago等(2005) 指出,由于现代化进程中资本极度稀缺,这些国家的金融资源更为贫乏,人们的生活水平普遍偏低。因此,金融排斥对发展中国家的影响不是小部分群体,而是大部分居民。Pal和Pal(2012) 在分析印度居民相关调查数据后发现,收入不平等与财富过度集中是造成当地金融排斥的重要因素。Khan(2015) 研究了社会机构对金融排斥的影响,以伊斯兰教会的微型金融机构作为分析对象,认为这类金融机构通过降低低收入群体的借贷成本而减少了金融排斥,对当地经济发展和治安状况均有正向效应。
关于中国的经验,田霖(2007) 利用主成分分析、因子分析和聚类分析,建立排序选择模型,确定了我国金融排斥空间差异的影响要素。李涛等(2010) 对2007年中国15个城市居民投资行为调查数据进行了分析,指出家庭资产的增加和社会互动程度的提高都能降低居民的金融排斥程度。田霖(2011) 通过测算城乡金融排斥的波动情况,证明了存在城乡间空间溢出效应。董晓林和徐虹(2012) 从金融供给视角分析了影响我国农村金融排斥的因素,指出人口规模小、社会消费品零售总额小、金融基础设施状况差的县域更易受到金融排斥。徐少君(2012) 构建分地区的金融排斥指数,研究了中国金融排斥情况,指出我国东部地区的金融排斥程度低于中西部地区。田杰等(2012) 使用1 728个县(市)四年的数据对我国农村金融排斥诱因进行了实证分析,结果显示地区人均收入、就业水平与金融排斥程度显著负相关。焦璞瑾等(2015) 利用中国人民银行2013年相关数据,测算了我国31个省市的金融排斥情况。
三、中国县域金融排斥情况
对于我国各县(市)的金融排斥状况,我们制定相应的指标体系进行测度。本文的设计遵循两个原则:一是指标符合我国县域金融普遍的发展水平。例如,虽然手机支付方式在城市已较为普及,但在广大农村及偏远地区,这种支付方式还很少被使用。二是数据可得性。县域层面的金融数据在统计时间和统计口径等方面都不及省级数据,如徐少君(2012) 构建的指标体系中与保险相关的一系列指标就难以获取县(市)域层面数据。
(一) 金融排斥指标体系①
① 本文参考田杰等(2012) 构建的指标体系,增添了涉及企业和农户金融情况的9个指标,以求全面刻画我国的县域金融排斥情况。
借鉴Beck等(2000) 关于金融宽度的论述,本文将金融排斥划为三个维度:
1.金融机构地理渗透性。该维度刻画的是某地区金融机构的物理可达性,它可以类似地看作潜在客户离最近银行机构的平均距离。
2.金融产品接触性。该维度是指居民在物理可达性的前提下,接触金融产品的人数百分比。由于当前金融产品种类繁多,存在统计口径不一致的问题,因此本文使用获得金融机构贷款的人数占比来衡量。考虑到我国城乡二元结构,本文选用企业和农户两类主体的金融产品接触性来综合衡量。
3.金融服务使用效用性。现有研究表明,即使在一些金融发达程度非常高的国家,也存在大量拥有银行账户的居民却很少使用银行金融服务(Rolley,2000)。因此,仅使用地理渗透性和金融产品接触性来衡量某地区金融排斥程度是不够的,还应加入效用性因素。本文基于储蓄和贷款这两种最基本的金融产品来衡量金融服务的效用性,它反映的是各地区居民储蓄和贷款产品的实际使用情况。我们选用小微企业和农户两类主体,以避免市场优势主体的数据所产生的遮蔽效应。
该指标体系由三个维度指标(一级指标)、七个二级指标和十四个二级分项指标构成,指标名称及计算公式如表 1所示。
总指数 | 一级指标 | 二级指标 | 二级分项指标 | 指标方向 |
金融 排斥 综合 指数 | 金融机构地理渗透性 | 人口维度的银行机构渗透性 | 银行营业网点数/总人口数(万人) | 反向 |
地理维度的银行机构渗透性 | 银行营业网点数/土地面积(10平方公里) | 反向 | ||
金融产品接触性 | 企业的金融产品接触性 | 获得贷款的企业数/地区人数×100% | 反向 | |
农户的金融产品接触性 | 获得贷款的农户数/地区人数×100% | 反向 | ||
金融服务使用效用性 | 储蓄服务使用效用性 | 储蓄存款余额/总人口数 | 反向 | |
储蓄存款余额/GDP | 反向 | |||
贷款服务使用效用性 | 小微企业贷款余额/总人口数 | 反向 | ||
小微企业贷款余额/GDP | 反向 | |||
农户贷款余额/总人口数 | 反向 | |||
农户贷款余额/GDP | 反向 | |||
广义服务使用效用性 | 各项贷款总额/总人口数 | 反向 | ||
各项贷款总额/GDP | 反向 | |||
各项存款余额/总人口数 | 反向 | |||
各项存款余额/GDP | 反向 |
(二) 数据说明及计算方法
本文使用2 578个县(市)作为研究对象,①并按照发改委的相关说明,将其划分为东部、中部、西部三个组别。②由于统计口径的差异,本文未包括中国香港、澳门和台湾。本文涉及的金融机构性质包括国有大型股份制商业银行、政策性银行、股份制商业银行、城市商业银行及城市信用社、各级农村信用社、农村合作银行、农村商业银行、邮政储蓄机构、农村村镇银行、贷款公司和农村资金互助社。相关数据来源于《中国县(市)社会统计年鉴》(现更名为《中国县域统计年鉴》)、国研网区域经济数据库和中国银监会官方网站。需要特别说明的是,较长的样本期能使我们更好地把握客观实践的动态性,但受限于银监会仅公布了2006-2010年的监测数据,而这类数据目前既无法从其他渠道获得,也无法通过计算生成,因此本文的样本期为2006-2010年。
① 最新统计资料显示,截至2015年,我国共有县级行政区划单位2 850个,其中361个县级市、1 397个县、117个自治县、49个旗、3个自治旗、1个特区、1个林区。
② 根据国家发改委的说明,我国东、中、西部的划分是政策上的划分,不是根据行政区域或地理概念来划分的。因此,东部是指最早实行沿海开放政策且经济发展水平较高的省市,中部是指经济次发达地区,而西部则是指经济欠发达地区。根据该解释及相关政策,且考虑到本文的研究需要,本文中的东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省(市),中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省,西部地区包括内蒙古、四川、重庆、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆和广西12个省(市、自治区)。
本文计算时采用“相对比较法”,将每一级指数下面一级的指标数据进行评分,即指标的评分表示某年度该指标在整个样本期的相对位置。第i个指标得分为:
由于各项指标均为反向指标,要将各个县(市)所得的指数换算成金融排斥综合指数,因此我国各县(市)金融排斥综合指数最终为:Vexc-i=1-Vi′。结合数据特征,本文采用算术平均法加权合成金融排斥综合指数(见表 2)。
指标类别 | 一级指数权重 | 二级指数权重 | 二级分项指数权重 | |
1.金融机构地理渗透性 | 一级指数 | 0.33 | ||
1a.银行营业网点数/总人口数 | 分项指数 | 0.5 | ||
1b.银行营业网点数/土地面积 | 分项指数 | 0.5 | ||
2.金融产品接触性 | 一级指数 | 0.33 | ||
2a.获得贷款的企业数/地区人数 | 分项指数 | 0.5 | ||
2b.获得贷款的农户数/地区人数 | 分项指数 | 0.5 | ||
3.金融服务使用效用性 | 一级指数 | 0.33 | ||
3a.储蓄服务使用效用性 | 分项指数 | 0.33 | ||
3a1.储蓄存款余额/总人口数 | 二级分项指数 | 0.5 | ||
3a2.储蓄存款余额/GDP | 二级分项指数 | 0.5 | ||
3b.贷款服务使用效用性 | 分项指数 | 0.33 | ||
3b1.小微企业贷款余额/总人口数 | 二级分项指数 | 0.25 | ||
3b2.小微企业贷款余额/GDP | 二级分项指数 | 0.25 | ||
3b3.农户贷款余额/总人口数 | 二级分项指数 | 0.25 | ||
3b4.农户贷款余额/GDP | 二级分项指数 | 0.25 | ||
3c.广义服务使用效用性 | 分项指数 | 0.33 | ||
3c1.各项贷款总额/总人口数 | 二级分项指数 | 0.25 | ||
3c2.各项贷款总额/GDP | 二级分项指数 | 0.25 | ||
3c3.各项存款余额/总人口数 | 二级分项指数 | 0.25 | ||
3c4.各项存款余额/GDP | 二级分项指数 | 0.25 |
(三) 计算结果及分析
各县(市)2006-2010年金融机构地理渗透性情况如表 3所示。可以看到,在这一期间,三大区域的金融机构地理渗透性皆呈上升趋势,西部地区上升幅度最大。从分值来看,西部地区2010年比2006年提高了7%,中部地区提高了5%,东部地区提高了3%。这说明从2003年国务院颁布《深化农村信用社改革试点方案》开始,我国县域金融服务网点的覆盖率明显提高,农民获得金融服务的时间消耗减少,便利度上升。比较而言,东部地区的分数遥遥领先,东部一直是我国金融发展的中心,经济总量、全要素生产率以及市场化程度在三大区域中位列第一,先发优势明显。西部地区则由于开发战略的不断推进,一直是国家政策鼓励和扶持的重点地区,因此金融机构网点的覆盖率也在不断增加,2010年已经超过了中部地区。但西部和中部地区在此期间都未达到全国均值,说明我国金融资源总体上还是集聚在东部。
年份 | 2006 | 2007 | 2008 | 2009 | 2010 |
均值 | 9.20 | 9.28 | 9.32 | 9.36 | 9.43 |
最大值 | 55.37 | 59.87 | 60.34 | 63.28 | 67.84 |
最小值 | 0.85 | 1.01 | 1.16 | 1.23 | 1.25 |
标准差 | 6.19 | 6.25 | 6.18 | 6.16 | 6.09 |
东部地区 | 11.41 | 11.51 | 11.59 | 11.64 | 11.73 |
中部地区 | 7.91 | 7.96 | 8.17 | 8.32 | 8.38 |
西部地区 | 7.88 | 7.95 | 7.97 | 8.28 | 8.41 |
表 4反映的是各县(市)2006-2010年金融产品接触性情况。可以看出,全国各县(市)的均值普遍较低,说明物理可达性只是使用金融资源的前提,而能否真正获取金融资源显然还取决于其他条件。在样本期内,东部地区的分值是持续增长的,虽然增幅不及西部,但绝对值远大于西部。而中部地区不仅出现分值一直下降的情况,并且明显落后于同期西部地区。另外,西部和中部的分值无一年达到全国均值,并且这两个地区与东部地区的差距都在扩大。
年份 | 2006 | 2007 | 2008 | 2009 | 2010 |
均值 | 1.82 | 1.64 | 1.77 | 2.22 | 2.47 |
最大值 | 26.37 | 26.23 | 26.06 | 26.23 | 25.31 |
最小值 | 0.03 | 0.01 | 0.01 | 0.01 | 0.02 |
标准差 | 1.73 | 1.45 | 1.67 | 1.89 | 1.65 |
东部地区 | 2.74 | 2.65 | 3.09 | 3.72 | 4.25 |
中部地区 | 1.54 | 1.49 | 1.47 | 1.43 | 1.52 |
西部地区 | 1.15 | 1.16 | 1.26 | 1.43 | 1.79 |
表 5反映的是各县(市)2006-2010年金融服务使用效用性情况。可以看出,在样本期间,东部的分值持续增长,而中部与西部的分值持续下降,与东部地区的差距在扩大,且全国均值一直处于下降态势。通过相关资料和调研走访,我们发现在此期间中部和西部地区小微企业难以获得正规金融支持的情况并未随着经济发展而有所改善。比较而言,东部的小微企业获得正规金融资源的概率更高,成本更低,而这是因为区域间的禀赋差异导致了同一类别主体在不同地区市场上的差别化待遇,这种情况下的金融排斥已很难用需求主体自身的特征(如资产状况、盈利能力、财务规范性等)来解释,应考虑异质性区域因素的影响。
年份 | 2006 | 2007 | 2008 | 2009 | 2010 |
均值 | 4.27 | 4.19 | 4.11 | 4.22 | 4.24 |
最大值 | 30.12 | 30.05 | 33.14 | 30.64 | 31.28 |
最小值 | 0.13 | 0.15 | 0.28 | 0.25 | 0.27 |
标准差 | 1.19 | 1.48 | 1.53 | 1.03 | 1.23 |
东部地区 | 5.03 | 4.99 | 5.08 | 5.23 | 5.44 |
中部地区 | 3.83 | 3.70 | 3.60 | 3.57 | 3.54 |
西部地区 | 3.86 | 3.78 | 3.67 | 3.66 | 3.61 |
表 6给出了2006-2010年中国县域金融排斥综合指数。在样本期内,东部地区的金融排斥情况呈明显下降趋势,中部和西部却缓慢上升。东部地区的金融排斥程度远低于中部和西部,中部与西部的差异则不显著。这一情况不仅表明我国三大区域间金融发展极不平衡,也表明金融排斥并不会随着经济增长而必然减少。这是否意味着金融排斥与经济增长关系不大,这一问题还需要实证分析来回答。
年份 | 2006 | 2007 | 2008 | 2009 | 2010 |
均值 | 82.18 | 82.26 | 82.34 | 82.23 | 82.12 |
最大值 | 99.18 | 99.47 | 99.26 | 99.67 | 99.32 |
最小值 | 62.45 | 66.03 | 66.52 | 62.62 | 63.01 |
标准差 | 2.46 | 2.41 | 2.49 | 2.56 | 2.65 |
东部地区 | 74.97 | 75.67 | 74.46 | 74.38 | 74.32 |
中部地区 | 86.17 | 86.30 | 86.40 | 86.43 | 86.46 |
西部地区 | 86.14 | 86.22 | 86.32 | 86.39 | 86.47 |
四、金融排斥对中国县域经济的影响分析
(一) 模型构建
根据经典金融理论,金融行业对一个地区的经济系统具有很强的外部性。然而,金融排斥对经济系统的影响并不确定:单个市场主体(金融机构)的行为会在分散的市场主体间发生交互作用,无法直接在总量关系上建立起关联。①除了要符合现实经济状态外,更需要运用不同地区、不同性质、不同时期的数据,在大量局部性的经验中勾勒出理论的效用边界和约束条件。
① 托马斯·谢林:《微观动机与宏观行为》,中国人民大学出版社,2005。
在经济增长相关研究中,生产函数是被广泛运用的研究框架。本文参考King和Levine(1993) 研究金融发展与经济增长关系时的做法,将影响金融发展的变量加入生产函数。本文的实证模型在传统柯布-道格拉斯生产函数的基础上,加入了金融排斥指数,用其变动情况作为金融排斥程度的替代变量。在式(1) 中,lnGDPit反映各县(市)经济增长变动;lnKit反映资本投入变动,用各县(市)全社会固定资产投资自然对数值来衡量;lnLit反映劳动力投入变动,采用各县(市)劳动总人口数自然对数值衡量。随着社会变迁,影响经济增长的因素增多,参考Honohan(2008) 在跨国金融排斥研究中的做法,本文在模型中还加入了导致各地区经济增长差异的变量,包括GOVit、TSit、CIit和URit,分别代表政府行为、产业结构、城乡收入分配结构和城市化水平,分别用财政支出在当地收入中的占比、第二产业在当地收入中的占比、农村家庭与城镇家庭的收入比例以及城镇人口占总人口的比例来衡量。本文变量定义见表 7。
$\begin{array}{l} {\rm{ln}}GD{P_{it}} = A + \alpha {\rm{ln}}EX{C_{it}} + {\beta _1}{\rm{ln}}{K_{it}} + {\beta _2}{\rm{ln}}{L_{it}} + {\beta _3}GO{V_{it}} + {\beta _4}T{S_{it}}\\ \quad \quad \quad \quad \; + {\beta _5}C{I_{it}} + {\beta _6}U{R_{it}} + {\varepsilon _{it}} \end{array}$ | (1) |
变量名称 | 代码 | 预期符号 | 定义 |
县(市)经济增长变动 | lnGDPit | 各县(市)人均GDP自然对数值 | |
金融排斥程度变动 | lnEXCit | - | 各县(市)金融排斥指数自然对数值 |
资本投入变动 | lnKit | + | 各县(市)全社会固定资产投资自然对数值 |
劳动力投入变动 | lnLit | + | 各县(市)劳动总人口数自然对数值 |
政府行为 | GOVit | ? | 政府财政支出/GDP |
产业结构 | TSit | + | 第二产业产值/GDP |
城乡收入分配结构 | CIit | ? | 农村居民家庭人均纯收入/城镇居民家庭人均可支配收入 |
城市化水平 | URit | + | 城镇人口/总人口 |
(二) 数据来源与处理
由于数据可得性的限制,本文的样本期为2006-2010年。其间,中国银行业全面向外资开放,中国银行、中国建设银行、中国工商银行和中国农业银行先后完成股份制改造后上市,国家开发银行改制。这些外生冲击为研究金融排斥与经济增长的关系提供了一个理想的自然实验。本文中县(市)个数为2 578个,其中东部785个,中部752个,西部1 041个,既包含农村,也包含城镇。相关数据来源于《中国县(市)社会统计年鉴》、国研网区域经济数据库以及中国银监会官方网站。各县(市)GDP数据以及其他控制变量数据来自《中国统计年鉴》与《中国县(市)社会统计年鉴》。变量描述性统计结果见表 8。
变量符号 | 变量名称 | 均值 | 最大值 | 最小值 | 标准差 | 观测数 |
lnGDPit | 县(市)经济增长状况 | 13.158 | 18.404 | 4.962 | 1.301 | 12 890 |
lnEXCit | 金融排斥程度 | 4.566 | 4.601 | 3.876 | 0.027 | 12 890 |
lnKit | 资本投入 | 13.159 | 18.404 | 4.963 | 0.116 | 12 890 |
lnLit | 劳动力投入 | 4.566 | 4.601 | 3.876 | 0.922 | 12 890 |
GOVit | 政府行为 | 2.516 | 2.857 | 1.443 | 0.745 | 12 890 |
TSit | 产业结构 | 12.809 | 16.193 | 8.858 | 0.169 | 12 890 |
CIit | 城乡收入分配结构 | 2.758 | 7.267 | 1.116 | 0.175 | 12 890 |
URit | 城市化水平 | 0.429 | 0.952 | 0.002 | 0.249 | 12 890 |
(三) 实证分析结果
根据样本性质,本文使用两步系统广义矩(GMM)方法来估计面板数据模型的参数,即利用第一阶段估计得到的残差来构造方差—协方差矩阵来重新估计模型,该方法已被广泛用来处理可能存在的内生性问题。
本文采用上述方法对全样本进行了回归,结果见表 9。我们对模型设定的合理性和工具变量的有效性进行了检验,重点报告了与系统GMM相关的三项检验统计量指标:Arellano-Bond AR(1) 检验和Arellano-Bond AR(2) 检验的Z值和p值,以及Sargan过度识别检验的卡方值和p值。Sargan过度识别检验的p值为0.812,不能拒绝原假设,表明模型过度识别约束有效,这意味着系统GMM估计所选的工具变量是有效的。AR(1) 检验的p值为0,而AR(2) 检验的p值为0.127。这表明估计残差存在一阶自相关,不存在二阶自相关,说明模型设置合理。
回归系数 | Z统计值 | p值 | |
ln GDPit-1 | 0.6810 | 7.74 | 0.000*** |
ln EXCit | -9.6139 | -3.33 | 0.001*** |
ln Kit | 1.4073 | 2.39 | 0.013** |
ln Lit | 0.2591 | 4.00 | 0.000*** |
GOVit | 0.0189 | 2.05 | 0.041** |
TSit | 0.6323 | 3.21 | 0.001*** |
CIit | -0.0286 | -2.68 | 0.007*** |
URit | 1.06E-05 | 2.06 | 0.029** |
AR(1) 检验 | -4.83 | 0.000 | |
AR(2) 检验 | 1.13 | 0.259 | |
Sargan检验 | 18.99 | 0.752 | |
注:Arellano-Bond AR(1) 检验和Arellano-Bond AR(2) 检验报告的是Z值和p值,Sargan过度识别检验报告的是卡方值和p值;***、**和*分别表示1%、5%和10%的显著性水平。下表同。 |
金融排斥程度指标(lnEXC)是本文关注的重点。从估计结果来看,该指标系数的绝对值最大,符号为负,且在1 %的水平上显著,说明金融排斥对各县(市)经济增长有明显的阻碍作用。在其他控制变量中,lnL(劳动力投入)与CI(城乡收入分配结构)通过了1 %的显著性检验,说明劳动力投入对经济增长有显著的促进作用,城乡收入分配差异则会在较大程度上阻碍经济增长。lnK(资本投入)、TS(产业结构)、GOV(政府行为)和UR(城市化水平)均对经济增长有促进作用,这与相关文献中的分析结论一致。
(四) 稳健性检验
本文模型的自变量只有金融排斥综合指数,其他变量均为控制变量。为了防止使用单一自变量导致研究结果有偏,本文将采用替代变量对实证结果进行稳健性检验。本文采用了国内文献中另外两个与金融排斥相关的指数:徐少君指数与田杰指数,徐少君(2008) 从地理渗透性、使用效用性和产品接触性三个维度出发,每个维度从储蓄服务、贷款服务和基本保险服务三个方面来构造金融排斥指标体系,计算了省级金融排斥指数。①估计方法与上文保持一致,检验结果见表 10。结果表明,将金融排斥综合指数替换为田杰指数与徐少君指数,其他控制变量的结果依然显著,表明本文的实证结果是稳健的。
金融排斥综合指数 | 田杰指数 | 徐少君指数 | |
ln GDPit-1 | 0.6811*** | 0.6557*** | 0.7373*** |
(7.74) | (7.93) | (8.65) | |
ln EXCit | -9.6139*** | ||
(-3.33) | |||
ln EXC1it | -8.2315*** | ||
(-3.14) | |||
ln EXC2it | -9.7056*** | ||
(-4.58) | |||
ln Kit | 1.4073** | 1.6383** | 1.2833* |
(2.39) | (2.36) | (1.45) | |
ln Lit | 0.2591*** | 0.05695*** | 0.22021*** |
(4.00) | (4.59) | (4.68) | |
GOVit | 0.0189** | 0. 02675* | 0.01452** |
(2.05) | (1.72) | (2.47) | |
TSit | 0.6323*** | 0. 46246*** | 0.44762*** |
(3.21) | (2.99) | (2.87) | |
CIit | -0.0286*** | -0.03054*** | -0.06548*** |
(-2.68) | (-2.83) | (-3.04) | |
URit | 1.06E-05** | 1.22E-05** | 0.98E-05** |
(2.06) | (2.25) | (1.98) | |
AR(1) 检验 | -4.83 | -5.47 | -3.01 |
(0.000) | (0.000) | (0.003) | |
AR(2) 检验 | 1.13 | 2.21 | 1.87 |
(0.259) | (0.127) | (0.062) | |
Sargan检验 | 18.99 | 24.36 | 32.43 |
(0.752) | (0.441) | (0.318) |
① 田杰和陶建平(2012) 采用三个维度的五个分指标,由主成分分析法所生成的权重,加权得到县级金融排斥指标。
五、金融排斥影响实体经济资源优化配置的路径分析
根据上文的结果,金融排斥对我国县域经济系统存在显著的负向影响,那么这种负向影响是如何产生的呢?由于金融体系是通过影响资源配置而影响实际产出的,从上文的实证结果以及我国县域金融体系的运行状态来看,本文认为影响路径主要有以下几个方面:
1.交易成本。交易成本几乎决定了生产利润和消费者剩余,是决定市场效率的关键因素。平均而言,在金融普惠程度较高的地区,金融市场存在大量买方和卖方,交易达成的几率高,量大且稳定,规模经济和范围经济效果突显。而金融排斥程度较高的县域,资金难以找到效率组合,也无法形成产品间成本协同节约的能力。过高的交易成本导致许多潜在的交易无法达成,各类资源难以按照市场逻辑进行有效配置,资源资本化无法实现。
2.金融产品供给。金融市场的效率在很大程度上取决于投资组合的易得性,异质、丰富的金融产品能够满足各类情境需要的投资效率,释放出新的生产力和经济活力。而金融排斥使金融机构减少了可供交易的金融产品供给,金融产品难以获得。目前,我国县域的经济结构以第一和第二产业为主,快速的投资增长和资本支出使个人和企业亟须融资类的金融产品,因此这些县域的金融排斥主要通过阻碍扩大再生产而影响经济。而对于经济发展较为成熟的县域,经济结构已转向以第三产业为主,对消费、个人理财性质的金融产品需求占据首位,因此这些地区的金融排斥对当地消费的抑制作用较大。
3.创新能力。金融市场能够以市场机制低成本实现产业整合,发展高新技术。金融排斥阻碍了投资项目甄别,使资金无法投向生产率高的项目,降低了对开拓型企业家的金融支持。技术创新具有高度不确定性,而金融机构能够通过相应的产品设计,促使企业家投资于风险更高但更具生产性的技术。同时,金融排斥降低了优质项目的成功概率。金融机构本应提高优质项目的成功概率,而金融排斥却使金融机构将关注的重点放在了需求者的现有资源禀赋而非成长性上。
4.信息收集。我国的金融制度属于银行主导型,银行等金融机构仍然是资金需求者的首要选择。而在银行主导型模式下,金融排斥对企业的影响更为突出。其原因在于,银行体系在市场中发挥了收集借款人信息,并据此建立长期关系的功能,长期关系的建立可以显著减少信息不对称所引发的过高信息溢价,这对于中小企业尤为关键。而金融排斥使县域内众多小企业一开始就与银行处于信息隔离状态,时间越长,隔离就越深,突破这种状态的代价就越大,使双方都面临高风险的交易预期,最终陷入“柠檬市场”的困境,优质要素无法组合,发展潜力难以释放。
5.抗风险能力。金融(狭义金融)与保险都具有抗风险功能,但两者的机制并不相同,无法互相替代。金融机构为市场主体减少生产和交易过程中的不确定性,便利流动性配置,用其独特的预期收益信号系统对企业当期的现金流进行平滑,最终增强整个经济系统的运行效率。而金融排斥则使一部分主体,尤其是县域内的涉农主体,始终处于市场风险传导机制的最末端,其生产的连贯性和可持续性无法得到保障,最终演变为社会生产力的损耗。
六、结论与政策建议
(一) 我国县域金融排斥的主要特征
结合上文的分析,本文认为我国县域的金融排斥主要有以下特征:
1.金融排斥的原因逐渐由设施缺乏转变为机制缺乏。虽然在一些老少边穷地区,金融基础设施供给还不充分,当地居民的“存、取、汇”需求难以满足,但随着我国城乡金融进入深化改革阶段,绝大多数乡镇实现了金融服务网点的覆盖。而本文“金融服务使用效用性”这一分项指标显示,中西部地区2006-2010年一直落后于东部,说明中西部地区农户及小微企业贷款状况并没有大的改善。一些县(市)缺乏把富余资金转化为群体贷款的保障机制,各种担保、资产评估体系落后。
2.处于农业产业链前端的企业和农户金融排斥更为严重。2006-2010年,农林牧渔业贷款年均增速仅为12%,比城市企业涉农贷款年均增速低22个百分点。①本文“金融服务可接触性”这一指标的计算结果也反映出这一特征:在样本期内,东部地区的分值是持续增长的,虽然增幅不及西部,但绝对值远大于西部;而中部地区的分值则持续下降,到2010年已经落后于西部地区。东部地区的农户和企业大多从事运输、深加工、收购销售等处于农业产业链末端的业务;而中部和西部则以农业生产为主,当地农户和企业大多从事农业产业链前端的业务。农业的融资门槛较高,而我国超小规模农户经营对农产品加工链条的控制能力较弱,进而又放大了这一缺陷。
① 数据来源:《中国金融年鉴2011》。
3.由个体特征指向逐渐转变为区域禀赋指向。从本文结果来看,金融排斥已不仅仅与需求主体的经济特征有关,更是与区域禀赋以及区县经济深层次的结构性因素有关。本文的计算结果显示,中部和西部金融基础设施在地理上的渗透是逐年增长的,但在此期间同一类主体(小微企业)在东部与中西部的金融排斥差距却在扩大。而这种差距的扩大已经不能用小微企业本身的特征来解释,而需要从区域禀赋、区域异质性中寻找原因。例如,现有研究表明,小微企业这种形式更适合开展第三产业的业务,而在第三产业成为主导产业的区域,其获得银行贷款的概率则比其他区域高出很多。
(二) 政策建议
针对我国县域金融排斥的实际情况,本文提出以下政策建议:
1.丰富涉农金融服务主体,大力创新涉农金融产品和服务方式。支持组建服务“三农”的金融租赁公司,鼓励组建政府出资为主、重点开展涉农担保业务的县域融资性担保机构或担保基金。应探索发展新型合作金融,在符合条件的农民合作社和供销合作社基础上培育发展农村合作金融组织。积极推动十八届三中全会确立的激活农村农民财产要素政策的实施,探索开展“三权”抵押贷款试点,用好农村有限的担保资源。
2.结合区域发展的阶段和特点,对需要支持的主体或项目建立县(市)分支机构的信贷投放承诺制度,稳步扩大现有的县支行业务授权。我国现阶段的金融排斥仅靠市场是无法解决的,因为这本身就是市场行为的结果,因此政府一定程度的干预和引导是必要的。应优化相关制度环境,稳妥探索农村金融供给的新路径,打造服务“三农”的专业化村镇银行。
3.推进农业产业组织和产业结构现代化。超小规模的农业生产经营毕竟对各种风险的应对能力非常有限,这无疑会提高融资的风险溢价,增加获取金融资源的成本。对此,应扶持发展农民合作社、家庭农场和农业产业化龙头企业等新型农业经营主体,引导农村土地经营权有序流转,发展农业适度规模经营,努力走出一条生产技术先进、经营规模适度、市场竞争力强、生态环境可持续的新型农业现代化道路。
4.加大农业保险的支持力度。农业产业链前端受金融排斥加重的趋势在某种程度上降低了农业的抗风险能力,这就要求相关部门采取多种形式,加强对农业保险的宣传,增强农民和农业生产经营组织的保险意识,组织引导农民和农业生产经营组织积极参加农业保险。同时,保险机构、农业、林业、气象等相关部门应建立相关信息的共享路径及农业保险大灾风险分散机制。
金融排斥问题的解决不仅涉及资源的合理配置,更涉及手段与目标的协调、社会生产与政府分配的协调、市场逻辑与伦理价值的协调等深层次问题。只有对这些问题进行系统分析和全面反思,才能发展出符合中国国情且满足大部分人需求的金融实践。
[1] | 董晓林, 徐虹. 我国农村金融排斥影响因素的实证分析——基于县域金融机构网点分布的视角[J]. 金融研究, 2012(9): 115–126. |
[2] | 何德旭, 饶明. 我国农村金融市场供求失衡的成因分析:金融排斥性视角[J]. 经济社会体制比较, 2008(2): 108–114. |
[3] | 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. |
[4] | 李少星, 吴凡. 县域金融排除测度与影响因素分析——以江苏省为例[J]. 制度经济学研究, 2016(2): 170–183. |
[5] | 李涛, 王志芳, 王海港, 等. 中国城市居民的金融受排斥状况研究[J]. 经济研究, 2010(7): 15–30. |
[6] | 李英飞. 中国经济增长与中小企业对社会性资源的利用——以浦镇H企业为例[J]. 社会发展研究, 2015(3): 85–108. |
[7] | 彭国华. 中国地区收入差距、全要素生产率及其收敛分析[J]. 经济研究, 2005(9): 19–29. |
[8] | 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): 57–63. |
[9] | 田霖. 我国金融排除空间差异的影响要素分析[J]. 财经研究, 2007(4): 107–119. |
[10] | 托马斯·谢林. 微观动机与宏观行为[M]. 北京: 中国人民大学出版社, 2005. |
[11] | 徐少君, 金雪军. 农户金融排除的影响因素分析——以浙江省为例[J]. 中国农村经济, 2009(6): 62–72. |
[12] | 许圣道, 田霖. 我国农村地区金融排斥研究[J]. 金融研究, 2008(7): 195–206. |
[13] | 尹志超, 吴雨, 甘犁. 金融可得性、金融市场参与和家庭资产选择[J]. 经济研究, 2015(3): 87–99. |
[14] | Affleck A, Mellor M. Community development finance: A neo-market solution to social exclusion[J]. Journal of Social Policy, 2006, 35(2): 303–319. |
[15] | Beck T, Levine R. Big bad banks? The impact of U.S. branch deregulation on income distribution[R]. NBER Working Paper No.13299, 2007. |
[16] | Beck T, Levine R, Loayza N. Finance and the sources of growth[J]. Journal of Financial Economics, 2000, 58(1): 261–300. |
[17] | Dayson K. Improving financial inclusion: The hidden story of how building societies serve the financially excluded[R]. University of Salford, 2004. |
[18] | Dymski G, Li W. The macrostructure of financial exclusion: Mainstream, ethnic, and fringe banks in money space[J]. Espace, Populations, Sociétés, 2003, 21(1): 183–201. DOI:10.3406/espos.2003.2072 |
[19] | Honohan P. Cross-country variation in household access to financial services[J]. Journal of Banking & Finance, 2008, 32(11): 2493–2500. |
[20] | Larner W, Le Heron R. The spaces and subjects of a globalising economy: A situated exploration of method[J]. Environment and Planning, 2002, 20(6): 753–774. |
[21] | Pal R, Pal R. Income related inequality in financial inclusion and role of banks: Evidence on financial exclusion in India[R]. Working Paper, 2012. |
[22] | Sarma M Pairs. Financial inclusion and development[J]. Journal of International Development, 2011, 23(5): 613–628. DOI:10.1002/jid.v23.5 |