长三角是我国发展基础良好、充满经济活力的区域之一,其基础设施完善,城市化水平较高。2019年12月,中共中央、国务院印发《长江三角洲区域一体化发展规划纲要》,强调不仅要提升长三角地区整体经济实力,辐射带动周边区域经济共同发展,还要着眼于解决内部区域发展不平衡问题,明确提出到2035年,实现城乡收入差距显著缩小,区域内各阶层人民生活保障基本相当,长三角一体化发展达到更高水平。然而统计数据显示,2019年上海、安徽、江苏和浙江城乡收入差距之比分别为2.21、2.44、2.25和2.01,说明现阶段长三角各地区的城乡收入差距仍然较大。未来长三角一体化发展的方向,不仅仅是要推动核心城市的进步,更要提高农村地区的经济水平,城乡协同发展,实现共同富裕。因此,区域内发展不平衡是当前长三角区域一体化面临的主要问题,缩小长三角城乡收入差距是现阶段一体化的首要任务。普惠金融的主要服务对象是农民、小微企业等经济群体,其在缩小城乡收入差距过程中获得了发展机遇。
普惠金融是指社会各阶层都能以合理的成本享受到高效的金融服务。由于普惠金融所具有的包容性和非歧视性,使得农民和其他弱势群体能够享受到与其需求相适应的金融服务,从而提高经济弱势群体的收入。学者们认为,普惠金融对收入分配必然会产生影响,关于二者关系主要有以下三种观点:
一是普惠金融发展会缩小城乡收入差距。农村金融需求得不到满足,将极大地制约农民收入的增长[1]。普惠金融致力于为农民等经济弱势群体摆脱贫困约束力,不仅加大了金融资源投入,而且扩大了金融服务的覆盖面,极大地降低了贫困发生率[2-4]。研究发现,低收入农民贷款意愿强烈,普惠金融可以增加农民信贷的可得性,提高农民收入,进而改善城乡收入二元结构[5]。高收入群体通过投资、消费等活动创造出更多就业机会,使低收入者通过就业来改善收入状况,最终缩小收入差距[6]。吕文辉的研究佐证了这一观点,他利用黑龙江省面板数据实证得出普惠金融发展对农村居民收入提高的促进作用远远大于城镇居民的结论[7]。因此,普惠金融发展能够显著改善城乡居民收入分配不均衡的局面[8]。
二是普惠金融发展会扩大城乡收入差距。金融资源分配过程中可能发生二次排斥现象,导致金融资源无法准确到达小微企业和低收入群体手中,收入差距进一步拉大,进而导致普惠金融聚焦收入缩小的效果与预期差距较大[9-10]。孙继国等在与数字普惠金融比较中得出传统普惠金融会扩大东、中、西部城乡收入差距的结论[11]。
三是普惠金融发展与城乡收入差距之间存在倒U型关系。胡宗义等基于县域截面数据研究发现,在中国各县域普惠金融发展水平具有差异性,与城乡收入差距呈倒U型的关系,U型拐点范围主要在金融深度分位数水平20%~60%[12]。刘军弟和黄敦平等均发现,在中国东、中、西部普惠金融发展水平呈梯度下降,我国东部地区普惠金融发展指数高于西部地区[13-14],普惠金融发展水平与城乡收入差距整体上呈倒U型关系[15-16]。
为了进一步揭示二者之间的关系,部分学者深入研究了区域异质性问题。普惠金融对不同国家和地区城乡收入水平差异的影响各不相同,中部地区既缺乏西部地区精准的金融服务,也缺乏东部地区的人才与技术,是普惠金融发展最为薄弱的地区[17]。田杰等对此进一步研究,将中国分为东、中、西部三个地区,并分别检验了普惠金融发展对各地区城乡居民收入差距的影响,结果发现中国的经济发展东部地区明显强于中、西部地区,普惠金融能够促进东部地区农户收入提高,抑制中、西部地区农户收入提高[18]。
通过对上述文献的梳理可知,不同学者由于选取的指标、样本不同,普惠金融对城乡收入差距的影响也存在差异。长三角地区拥有相对自由的金融市场和领先的金融水平,如何发挥普惠金融的优势,以及普惠金融发展在缩小城乡收入差距方面起到什么作用?本文对此进行了实证检验和机制分析。
普惠金融主要是在传统金融发展未能惠及全民方面进行了改进,使得传统金融体系之外的弱势群体也能享受到需求匹配的金融服务,进而提高经济弱势群体的收入水平。为了深入研究普惠金融对城乡收入差距的影响,本文从不同途径分析普惠金融对城乡收入差距影响的传导机制。
从直接途径看,普惠金融发展主要通过3种方式直接影响城乡收入差距。一是降低门槛效应。收入较高的群体自身经济实力较强,并且能够提供足够价值的抵押品,因而相比农民更容易享受到金融服务。农民的经济实力和信用环境相对落后,而普惠金融就是有针对性地帮助农民等低收入者,使他们以较低的成本获得同等金融服务,从而缩小城乡收入差距。二是提升减贫效应。其本质就是向农民等弱势群体提供信贷、汇兑、支付、保险等金融服务,帮助其获得更多投资机会来增加收入。因为种种原因,农民想要获得信贷支持很困难,而普惠金融的作用就是为那些长期在传统金融服务之外的低收入者或者偏远地区的农民提供服务,使他们享受到与城镇居民同等的金融服务,进而提高金融服务的覆盖率。三是减缓非均衡效应。由于金融资源有限,金融机构出于风险、盈利的考虑,大大减少乡镇地区的分支机构,导致金融资源分配不均。随着普惠金融市场的完善,农村低收入人口已经成为普惠金融最重要的服务对象,金融资源也越来越多地转向农村地区,使农村和城镇的资源越来越平衡,最终达到缩小城乡收入差距的效果。
从间接途径看,普惠金融对城乡收入差距的影响实际上是把经济增长作为中间变量。但经济增长的结果可能扩大城乡收入差距,只有当经济增长具有包容性,能够让越来越多的农户参与其中,让他们享受到经济增长成果时,才能达到缩小收入差距的目的。而普惠金融的目的就是使经济增长具有包容性,真正做到惠及大众,使人人都能享受到经济增长带来的实惠。
从上述分析可知,普惠金融主要通过4种路径缩小城乡收入差距,如图1所示。
图1 普惠金融对城乡收入差距影响传导机制
结合当前实际情况,在普惠金融发展初期,普惠金融市场不完善,金融基础设施建设准备不充分,金融资源分配不均衡,即使地方政府支持发展普惠金融,也很难直接惠及农民等弱势群体。经济弱势群体仍然难以获得金融服务,非弱势群体却可以跨越门槛使用金融资源。因此,在普惠金融发展初期,城乡收入差距可能会拉大,但是随着普惠金融市场的完善,农民的金融资本使用率逐步提高,经济弱势群体收入增加,最终使城乡收入差距收敛。基于以上分析,本文提出假设:
H 普惠金融发展对城乡收入差距的影响呈倒U型。
(1) 普惠金融发展水平指标。参考王英姿的指标构建方法,从服务渗透性效用性、服务可得性和服务效用性3个维度选取普惠金融发展指标[19],如表1所示。
考虑到各种指标数据具有不同的量纲,为提高实证分析的准确性,首先对指标运用线性阈值法进行归一化处理,各项指标的权重用变异系数来确定,即代表变异系数。此外,定义普惠金融发展程度指标mi分别表示第i个指标的实际值、最大值和最小值。在此基础上,运用n维欧式距离法构建普惠金融发展水平指标,如式(1)所示。
表1 普惠金融发展水平指标体系
衡量维度描述性指标具体指标服务渗透性服务可得性服务效用性地理服务渗透性每百万平方公里金融机构从业人员数/人·百万平方公里-1人口服务渗透性每万人拥有的金融机构从业人员数/人·万人-1存款服务可得情况金融机构人均存款余额/万元·人-1贷款服务可得情况金融机构人均贷款余额/万元·人-1存款使用效用情况金融机构存款占GDP比重/%贷款使用效用情况金融机构贷款占GDP比重/%保险密度保费收入占GDP比重/%保险深度保费收入占地区人口数比重/%
(1)
式中:hi为指标权重;di为金融普惠程度;IFI为普惠金融发展水平。
(2) 城乡收入差距指标。对于城乡收入差距,目前大多数学者使用基尼系数比值来计算。但是考虑到长三角地区27个城市所需数据的可得性,本文采用相对值法进行计算,即城镇居民可支配收入与农村居民人均纯收入之比。
借鉴邓光耀的静态空间面板模型设定[20],除解释变量和被解释变量外,加入经济增长、产业结构、政府干预程度、投资水平4个变量作为控制变量,建立静态空间面板模型,如式(2)、(3)所示。
(2)
μ=ρWμ+μi+μt+ε
(3)
式中:Y为城乡收入差距;λ和ρ分别为空间滞后和空间误差项系数;W为长三角27个城市的空间权重矩阵(0~1权重矩阵);X1为经济增长(PGDP),用人均GDP表示;X2为产业结构(ind),用第二、三产业产值/GDP来表示;X3为政府干预程度(gov),用财政支出/GDP表示;X4为投资水平(tz),用固定资产投资/GDP表示;α0为普惠金融发展水平一次项系数;α1为普惠金融发展水平二次项系数;β1为经济增长的回归系数;β2为产业结构的回归系数;β3为政府干预程度的回归系数;β4为投资水平的回归系数;ut和ui分别为时间和个体效应;ε为随机扰动项。
(1) 指标描述性分析。本文选取的样本为中国长三角地区27个核心城市2005—2019年的面板数据。普惠金融发展水平指数与城乡收入差距分别由欧式距离法和相对值法测算得出,数据来自《中国统计年鉴》。产业结构、经济增长、政府干预程度和投资水平数据由《中经网统计数据库》以及各主要城市统计年鉴提供,各指标的描述如表2所示。
表2 变量统计性描述
变量符号指标样本量平均值方差最小值最大值被解释变量解释变量控制变量Y城乡收入差距4052.220.391.663.56IFI普惠金融发展水平4050.150.140.120.95IFI2普惠金融发展水平二次方4050.040.110.000.91PGDP经济增长40511.170.599.0713.77ind产业结构40596.064.0178.1199.74gov政府干预程度4050.130.050.050.30tz投资水平4050.660.250.221.40
(2) 城乡收入差距空间相关性分析。某一领域的城乡收入差距可能受到周边领域的城乡收入差距的影响,也就是说空间上可能存在一定的连贯性。莫兰指数(Moran’s I)是验证是否存在空间相关性最常用的方法。本文运用双边检验测算2005—2019年长三角地区27个核心城市城乡收入差距的莫兰指数,结果如表3所示。
表3 2005—2019年长三角地区城乡收入差距的莫兰指数
年份莫兰指数期望值标准差Z统计量P值20050.382-0.040.1303.2390.00120060.389-0.040.1313.2710.00120070.477-0.040.1314.0320.00020080.532-0.040.1304.3940.00020090.582-0.040.1304.7860.00020100.523-0.040.1294.6500.00020110.625-0.040.1305.1060.00020120.256-0.040.1312.2640.01220130.581-0.040.1304.7790.00020140.113-0.040.1311.1720.12120150.102-0.040.1311.0850.13920160.229-0.040.1312.0560.02020170.234-0.040.1312.0980.01820180.268-0.040.1302.3640.00920190.599-0.040.1304.9160.000
由表3可知,长三角地区城乡收入差距的莫兰指数均为正数,说明这些区域的收入差距均存在空间正相关性,所选取的经济指标适宜进行空间回归分析。因此,在研究长三角地区普惠金融对城乡收入差距的影响时,应当考虑它们之间的空间相关性。
为了使结论更准确,以散点图的形式进一步展示长三角地区27个核心城市城乡收入差距空间相关性情况。本文以2019年为例,绘出各城市的莫兰指数散点图,如图2所示。
注:第一象限是1-南京、18-合肥、19-滁州、20-马鞍山、21-芜湖、22-宣城、23-铜陵、24-池州、25-安庆,第二象限是14-绍兴,第三象限是2-无锡、3-常州、4-苏州、5-南通、6-盐城、7-扬州、8-镇江、9-泰州、10-杭州、11-宁波、12-嘉兴、13-湖州、15-舟山、27-温州,第四象限是16-金华、17-台州、26-上海。
图2 2019年长三角地区城乡收入差距的莫兰指数散点图
由图2可知:第一,多数城市处于第一象限和第三象限,说明长三角地区绝大部分城市的城乡收入差距与其临近城市的城乡收入差距同向变动。第二,处于第一象限的城市有合肥、滁州、马鞍山等9个城市。处于第二象限的只有绍兴市,说明绍兴市的城乡收入差距随着临近城市城乡收入差距的扩大而缩小。处于第三象限的有无锡、常州、苏州等14个城市。处于第四象限的有金华、台州、上海3个城市,说明它们自身城乡收入差距较低,但是临近城市的城乡收入差距较高。第三,处于第一象限的主要是安徽,处于第三象限的是江苏和浙江,上海处于第四象限。这可能是由于上海经济高度发达,与临近城市的城乡收入差距关联性不大,而安徽、江苏、浙江三省区域比较广,人口众多,经济层次较为复杂,因而各区域之间城乡收入差距呈现出显著的空间正相关性。
(3) 回归模型的空间相关性检验。可以根据拉格朗日乘子(Lagrange Multiplier,LM)和稳健性Robust LM检验数值来判断是采用空间滞后模型(SLM),还是空间误差模型(SEM)。模型一是指自变量中不包括IFI2,模型二是指自变量中包括IFI2。对模型一和二分别进行LM检验,结果如表4所示。
表4 回归模型的LM检验
检验类型模型一统计量P值模型二统计量P值Moran’sI检验空间误差14.0820.00013.5330.000LM检验空间误差184.9780.001170.6220.000RobustLM检验空间误差3.1630.0757.2460.007LM检验空间滞后187.2310.000172.3660.000RobustLM检验空间滞后5.4830.0198.9590.003
由表4可知,模型一和模型二均可以采用空间滞后和空间误差模型。但对于模型一来说,LM检验空间滞后统计量的值明显高于LM检验空间误差的值;同时,Robust LM检验空间滞后的统计量值也高于Robust LM检验空间误差的值,所以相比之下模型一、二均选用空间滞后模型更为合理。
(4) 回归模型的估计结果。进行豪斯曼检验,结果均拒绝原假设,故无论模型一还是模型二均选择固定效应模型检验,回归结果如表5所示。
由表5可知:空间滞后项系数λ或者空间误差项系数ρ显著为正,进一步说明长三角地区城乡收入差距存在显著正相关,因此在研究普惠金融对收入差距的影响时必须考虑其空间特征。此外,在空间滞后和空间误差模型中,IFI系数α0均显著为正,IFI2系数α1均显著为负。这说明普惠金融初始阶段会扩大收入差距,但当其发展达到一定水平后,就会缩小城乡收入差距,这与假设H相呼应。对于4个控制变量来说,回归系数β1为负,说明随着经济快速增长城乡收入差距也在缩小。回归系数β2~β4均为负,说明产业结构、政府干预和投资水平均会对城乡收入差距的缩小起到促进作用。
表5 回归模型的估计结果
估计系数模型一空间滞后空间误差模型二空间滞后空间误差λ0.3453∗∗∗(5.50)0.3378∗∗∗(5.39)ρ0.3513∗∗∗(6.38)0.3496∗∗∗(6.34)α00.6201∗∗(2.36)0.6775∗∗∗(2.61)0.5714∗∗(2.19)0.6049∗∗(2.33)α1-0.0772∗∗(-2.53)-0.0780∗∗∗(-2.67)β1-3.31(-0.20)-5.13(-0.32)-3.61(-0.23)-4.04(-0.25)β2-0.0324∗∗∗(-4.68)-0.0315∗∗∗(-4.58)-0.0237∗∗∗(-3.07)-0.0223∗∗∗(-2.92)β3-0.8821∗∗(-1.97)-1.1124∗∗(-2.58)-0.9506∗∗(-2.12)-1.2458∗∗∗(-2.90)β4-0.1335∗∗(-2.35)-0.1437∗∗(-2.50)-0.1263∗∗(-2.24)-0.1326∗∗(-2.32)R20.00070.00200.17600.2101似然对数值213.4072218.1675216.6127221.7098
注:括号内为t值;**、***分别代表在5%和1%水平上显著。
本文基于2005—2019年长三角地区27个核心城市的面板数据,发现城乡收入差距在长三角各地区之间空间聚集效应明显,普惠金融发展与城乡收入差距之间存在非完全一致的关系,两者呈倒U型关系。基于此,本文认为长三角地区应该采取以下措施来缩小城乡收入差距。
长三角地区应该加大普惠金融供给力度,完善普惠金融的基础设施建设,鼓励金融产品创新,促使更多金融资源向普惠金融领域倾斜,提升落后地区金融服务的深度和广度。此外,应积极引入金融科技的力量,利用金融科技进一步提升普惠金融供给能力。政府要进一步加大资源投入与工作力度,出台更加惠民的金融产业发展扶持政策,并对金融资源进行适度引导与干预,鼓励更多金融资源向农村地区倾斜,使其在城镇与农村之间形成良性循环。
长三角地区之间的城乡收入差距存在正相关性,说明各城市应该相互配合、互帮互助。各城市在建立与自身发展相符合的普惠金融政策时,也要考虑对临近城市的影响,实现普惠金融政策协同与机制连贯。长三角各城市可以联合建立普惠金融发展交流平台,通过交流分享普惠金融发展经验,加强区域内普惠金融合作。同时,长三角地区各城市应注重地理上的空间关联,保障区域内部金融资源自由流动,促进城乡之间金融资源整合,使长三角地区整体城乡收入差距不断缩小。
地方政府应当加强普惠金融软环境建设,在普惠金融发展的不同阶段出台有针对性的政策措施。普及普惠金融知识,加强居民金融知识和信用意识,建立健全地方信用评级体系,将更多的农民以及小微企业纳入服务范围。利用大数据、区块链等技术,解决在传统金融发展过程中存在的严重信息不对称问题。此外,政府可以通过减税、适当的费用补贴等政策鼓励支持企业在农村投资,积极引导金融机构发展涉农业务,使得城镇与农村的投资水平达到均衡,最终逐步缩小城乡收入差距。
[1] 陈培礼.我国落后地区农村金融的边缘化与对策 [J].经济问题探索,2006(4):117-121.
[2] 李建军,韩珣.普惠金融、收入分配和贫困减缓——推进效率和公平的政策框架选择 [J].金融研究,2019(3):129-148.
[3] 李建伟.普惠金融发展与城乡收入分配失衡调整——基于空间计量模型的实证研究 [J].国际金融研究,2017(10):14-23.
[4] 胡中立,王书华.数字普惠金融发展能否缓解城乡收入差距——基于省级面板数据的检验 [J].统计学报,2021,2(3):1-13.
[5] 何欣,周宇红.微观家庭视角下信贷可得性的城乡差异研究 [J].西南金融,2019(7):11-19.
[6] 杜强,潘怡.普惠金融对我国地区经济发展的影响研究——基于省际面板数据的实证分析 [J].经济问题探索,2016(3):178-184.
[7] 吕文辉.金融普惠对农村居民收入的影响研究 [J].金融经济,2019(10):50-52.
[8] 郭雪,雷雨箫,董继华.普惠金融对城乡收入差距抑制效应的检验 [J].统计与决策,2020,36(5):142-144.
[9] 何德旭,苗文龙.金融排斥、金融包容与中国普惠金融制度的构建 [J].财贸经济,2015(3):5-16.
[10] 杨虹,张柯.普惠金融发展、经济增长与城乡收入差距影响研究——基于云南省面板数据的实证分析 [J].云南财经大学学报,2020,36(5):52-65.
[11] 孙继国,赵俊美.普惠金融是否缩小了城乡收入差距?——基于传统和数字的比较分析 [J].福建论坛(人文社会科学版),2019(10):179-189.
[12] 胡宗义,刘亦文.金融非均衡发展与城乡收入差距的库兹涅茨效应研究——基于中国县域截面数据的实证分析 [J].统计研究,2010,27(5):25-31.
[13] 刘军弟,张亚新.我国普惠金融发展的地区差异及其影响因素 [J].沈阳工业大学学报(社会科学版),2020,13(6):527-533.
[14] 黄敦平,徐馨荷,方建.中国普惠金融对农村贫困人口的减贫效应研究 [J].人口学刊,2019,41(3):52-62.
[15] 游鲁昊.普惠金融发展对城乡收入差距的影响研究 [J].特区经济,2021(6):79-83.
[16] 张建波.关于普惠金融对城乡收入差距影响的门槛效应研究 [J].甘肃社会科学,2018(1):146-152.
[17] 殷贺,江红莉,张财经,等.数字普惠金融如何响应城乡收入差距?——基于空间溢出视角的实证检验 [J].金融监管研究,2020(9):33-49.
[18] 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.
[19] 王英姿.数字普惠金融对城乡收入差距的效应研究——以中国长三角地区为例 [J].山西大学学报(哲学社会科学版),2020,43(6):118-126.
[20] 邓光耀.金融发展对中国各省份城乡收入差距的影响研究——基于静态和动态空间面板模型的分析 [J].金融理论与实践,2017(9):47-52.