2005年,普惠金融概念一经提出就引起了社会各界的广泛关注。虽然我国接触到普惠金融的时间较晚,但是却不遗余力地推动其发展。2013年,中共中央提出要大力推进普惠金融的发展,标志着我国的经济发展出现了新气象;2016年,在我国杭州举办了G20峰会,进一步推动了普惠金融的发展。之后三年,我国参加了GPFI并作为领导者参与其中。相信未来我国普惠金融将会更加稳固地向前发展。
国内在关于普惠金融的研究现状方面:邢乐成等[1](2019)对普惠金融研究现状进行了初步梳理。从横向看,主要解释了普惠金融对小微企业融资问题的帮助;从纵向看,研究了普惠金融理论随时间的演进过程。在普惠金融发展指数的衡量方面:王婧和胡国晖[2](2013)从金融服务的使用范围和现状两个维度确定普惠金融发展指数,并利用变异系数法确定指标权重。徐敏[3](2013)从金融服务可获得性、使用情况、使用质量三个维度衡量了农村地区普惠金融服务水平和质量,并利用主成分分析法确定各指标的权重,以计算普惠金融指数。伍旭川等[4](2014)主要从服务质量方面来研究普惠金融,并计算了影响服务质量的指数。王国红[5](2015)对普惠金融指标体系的研究是从渗透率、可获性、使用率和服务质量四个维度展开的。许桂红等[6](2015)利用主成分分析法研究了我国各省区的普惠金融发展状况。在普惠金融的影响因素方面:唐文婷等[7](2018)研究了政府方面对普惠金融的影响,通过加强农村金融基础设施建设、完善金融监管制度等政策积极引导农村普惠金融更好地发展,更好地保护农村消费者权益。张勋等[8](2019)研究了近年来互联网发展和数字经济所推动的中国数字金融对普惠金融发展带来的积极影响。
国外对普惠金融也有较多研究。从普惠金融概念来讲,Corrado等[9](2017)提到普惠金融重点是向小微企业、农民等弱势群体提供其负担得起的金融产品,并为人们提供更多的经济机会,从而推动经济走上可持续发展轨道。从影响普惠金融发展的因素来看:Park等[10](2015)研究认为,良好的监管机制和健全的金融制度能够显著促进普惠金融的发展。Aisaiti等[11](2019)考察了农村居民对普惠金融知识、对融资收益和融资风险等问题的了解程度对普惠金融发展的影响。此外,将社会企业嵌入性和数字金融融入概念模型,进一步研究其如何影响普惠金融的发展。从普惠金融对经济发展的作用来看:Liu等[12](2018)提到中国的扶贫工作取得较大成效,而普惠金融在其中发挥着重要的作用。Han等[13](2019)利用VEP模型实证分析了普惠金融对消除农户贫困的影响。
可见,当前国内外关于普惠金融问题的研究取得了较大程度的进展。在构建普惠金融指数时,许多学者没有考虑到权重差异,对各个指标赋予相等权重,而主成分分析法修正了这一缺陷。故出于对权重问题的考虑,本文采用主成分分析法对普惠金融指标体系进行研究。本文在选择普惠金融的测量指标体系时考虑到指标的权重问题,故采用主成分分析法。根据上述文献,普惠金融及其体系的建立拓宽了传统的金融系统服务范围,对弱势群体和小微企业产生了较大的积极影响。
本文运用主成分分析法建立普惠金融指标体系。主成分分析法是多元分析,通过对选取的多个具有相关性的变量降维重新组合无相关关系的几个综合变量,并尽可能多地反映原变量的信息。运用主成分分析法不仅可以减少指标数量和计算压力,还可以消除指标之间的冗余[14]。
普惠金融服务于普惠群体,涉及多种金融服务与金融产品。一直以来,许多金融学家致力于研究普惠金融指标的选取。目前绝大多数文献采用Mandira Sarma[15](2008)提出的IFI指数来测算我国普惠金融发展水平,且普遍从供给和需求两个维度选取指标。本文参考前人的研究经验,并与我国金融业的发展程度相结合,考虑到数据的可获得性,充分结合我国城乡二元经济结构构建指标体系。
本文共选取11个指标:供给维度主要通过金融从业人数(万人拥有)、金融从业人数(万km2拥有)、金融机构数(万人拥有)、金融机构数(万km2拥有)来考察;需求维度主要通过保险保费收入、保险赔付支出、医疗保险人数、城镇职工养老保险人数、城乡职工养老保险人数、贷款余额、存款余额等方面考察。各指标来源于《2018年中国统计年鉴》和2018年中国人民银行年度报告。
本文选择的11个指标均对普惠金融发展有正向影响,且数值越大说明其对普惠金融发展的贡献程度越高。利用SPSS软件对数据进行标准化处理,消除数据量纲的影响,以增加数据之间的可比性,处理之后各数据均值为0,标准差为1。
对各变量进行相关性判定,结果如表1所示。
表1 KMO检验与Bartlett球形检验结果
取样足够度的KMO值Barlett球形度检验近似卡方值dfSig值0.739440.028550.000
由表1可知,KMO的值为0.739,在0.7与0.8之间,故可以采用主成分分析法。在Bartlett球形检验之后,得出近似卡方值为440.028,且Sig值小于0.05,说明数据可以用主成分分析法处理,结果有效。
运用主成分分析法时,需要使计算得出的方差贡献率的特征值大于1,同时所选取的因子总贡献程度要超过80%。检测各因子解释的总方差结果发现,初始特征值大于1的公因子个数有3个,并且其累积占比为88.812%,效果较为良好。具体结果如表2所示,成分特征碎石检验结果如图1所示。
表2 各因子解释的总方差 %
因子初始特征值合计方差占比累计占比提取平方和载入合计方差占比累计占比15.54850.44050.4405.54850.44050.44023.61432.85483.2943.61432.85483.29430.6075.51788.8120.6075.51788.81240.5304.81493.62650.2542.31295.93760.1941.76497.70270.0860.78598.48680.0760.68999.17690.0460.42299.597100.0350.31699.931110.0100.087100.000
图1 碎石检验结果
由图1可知,从斜率上看,前两个因子较为陡峭,而之后斜率小于1,比较平稳。故可以选择前3个因子进行分析。
表3为旋转成分矩阵,可以发现:
(1) 因子1中,城镇职工养老保险人数、贷款余额、保险赔付支出、存款余额、保险保费收入、医疗保险人数这6个变量数值较大,占较大比重。这6个变量主要体现的是该地区保险业的发展程度及居民的信贷状况。
(2) 因子2中,单位面积金融从业人员数、单位面积金融机构数、万人拥有金融从业人员数这3个变量占较大比重,其主要反映了地区的金融业发展水平。
(3) 因子3中,万人拥有金融机构数、城乡职工养老保险人数这两个变量占较大比重。前者反映金融业发展水平,后者反映社会保障程度。
表4为因子得分系数矩阵,依据其结果得到主成分表达式如式(1)~(3)所示。
表3 旋转成分矩阵
指标成分123城镇职工养老保险人数/万人0.966-0.023-0.018贷款余额/亿元0.9510.2090.081保险赔付支出/亿元0.9240.180-0.187存款余额/亿元0.9150.3320.073保险保费收入/亿元0.8920.133-0.096医疗保险人数/万人0.777-0.188-0.469单位面积金融从业人员数/个·(万km2)-10.1080.9700.080单位面积金融机构数/个·(万km2)-10.1660.9000.270万人拥有金融从业人员数/个·(万人)-10.1130.8220.425万人拥有金融机构数/个·(万人)-10.0860.4310.763城乡职工养老保险人数/万人0.502-0.261-0.703
表4 因子得分系数矩阵
指标变量成分123万人拥有金融从业人员数/个·(万人)-1X1-0.016 0.266 0.048单位面积金融从业人员数/个·(万km2)-1X2-0.1330.568-0.452万人拥有金融机构数/个·(万人)-1X30.136-0.1860.677单位面积金融机构数/个·(万km2)-1X4-0.0570.399-0.169保险保费收入/亿元X50.178-0.0220.034保险赔付支出/亿元X60.1540.057-0.095医疗保险人数/万人X70.1140.010-0.250城镇职工养老保险人数/万人X80.246-0.1840.238城乡职工养老保险人数/万人X9-0.0020.153-0.557贷款余额/亿元X100.224-0.0880.214存款余额/亿元X110.1900.0040.122
F1=-0.016X1-0.133X2+0.136X3-0.057X4+
0.178X5+0.154X6+0.114X7+0.246X8-
0.002X9+0.224X10+0.190X11
(1)
F2=0.266X1+0.568X2-0.186X3+0.399X4-
0.022X5+0.057X6+0.010X7-0.184X8+
0.153X9-0.088X10+0.004X11
(2)
F3=0.048X1-0.452X2+0.677X3-0.169X4+
0.034X5-0.095X6-0.250X7+0.238X8-
0.557X9+0.214X10+0.122X11
(3)
依据主成分表达式里的F1、F2、F3可以计算出普惠金融综合指数。按照其方差百分比来加权计算,通过在各因子解释的总方差中提取平方和载入的方差占比,可得因子1、2、3的方差占比分别为50.440、32.854、5.517。因此,F1、F2、F3的占比分别为57%、37%、6%,故其计算公式中可以表示为
F=0.57F1+0.37F2+0.06F3
(4)
据此计算出31省市的综合指数,结果如图2所示。
图2 各省、市、自治区普惠金融综合发展指数
从因子1的角度来看:广东和江浙地区的数值最高,表明该地区金融和保险业发展较快,保险覆盖率和信贷实力较高,主要原因在于这些地区金融机构和从业人员密度较大,资金流量较高;而宁夏、西藏、青海这些西部地区密度则比较低,主要是因为这些地区较偏远,居民资金流动较少,保险产业不成熟。
从因子2的角度来看:数值比较高的是上海、北京、天津地区,主要是由于这几个城市作为国际化大都市金融产业发展良好,金融机构较密集,金融从业人员较多;而宁夏、新疆地区数值较低,主要是由于该地区地域广袤,因此金融机构较分散。
从因子3的角度来看:比较高的是天津、北京和浙江地区,因为这些地区金融硬件水平比较高,金融机构数量较多;上海的数值较低是由于该地区人口密度太大,从而导致万人拥有的金融机构数降低;青海和西藏由于人口稀少,万人拥有金融机构数较高,故该地区的因子3数值比因子2高得多。
普惠金融综合发展指数用来反映某一省市综合的普惠金融发展状况。由实证分析可知,广东地区普惠金融指数最高,这是由于广州和深圳两大城市是我国的现代化大都市和国际创新城市,优越的地理位置、政策支持以及先进的发展理念使其金融发展较快。这些地区发挥了良好的模范带头作用,其他地区可以结合自身特点借鉴广州地区的先进经验,以推动我国普惠金融整体的又好又快发展。
根据以上实证分析,得出了我国各地区的普惠金融综合发展指数,但影响普惠金融发展的因素依旧有待研究。影响普惠金融发展程度的因素较多,主要包括经济、社会以及人为因素等。因此,本文从区域差异的角度出发引入虚拟变量,采用回归分析模型从经济、社会和人文因素角度研究其对普惠金融的影响。模型中将普惠金融发展综合指数IFI设为因变量,利用SPSS软件进行回归分析,并利用多元线性回归方法检验这些因素对普惠金融综合发展指数的影响程度。
在这部分中,因变量为普惠金融发展指数。利用SPSS软件建立多元回归模型,使用多元线性回归来检验各因素如何对IFI产生影响。其中城乡居民人均收入(RJSR)、财政支出规模(CZZC)、城镇化率(CZH)、网民普及率(HLW)、失业率(SYL)、大专以上学历人数(GDJY)、金融相关率(JRL)为自变量。因变量为普惠金融综合指数IFI,由此建立的计量经济模型为
IFI=α0+α1RJSR+α2CZZC+α3CZH+α4HLW+
α5SYL+α6GDJY+α7JRL+α8D1+α9D2+
α10D3+δ
(5)
式中:D1、D2、D3为虚拟变量;α1~α10为各变量的系数;δ为残差项。
由于指标数量众多,先检测各指标间的多重共线性,存在多重共线性的条件是VIF>10,否则即不存在。检验结果如表5所示。
表5 VIF检验结果
D1D2D3城乡居民人均收入/元财政支出规模/元城镇化率网民普及率大专以上学历人数/万人金融相关率失业率5.7383.0314.59810277146958.0615.4971.38213.9414.386
数据来源:SPSS计算所得。
城乡居民人均收入、财政支出规模和金融相关率之间存在多重共线性问题,回归方程为
IFI=-1.339+0.102D1+0.066D2-0.028D3+0.000 020 68RJSR+0.000 011 08CZZC+(-3.676)(0.697)(0.528)(-0.216) (2.357) (2.227)
0.083CZH-0.174HLW-6.914GDJW+0.000 069 14JRL+0.114SYL+δ
(0.120) (-0.243) (-1.305) (1.859) (2.488)
(6)
R2=0.966 调整后R2=0.948 F=54.045 DW=2.236
括号内为t检验值。从回归方程的测试结果可以看出,R2为0.966,方程拟合效果较好。同时,F检验顺利通过,DW检验结果表明方程不存在自相关问题,但没有通过t检验。综上,还需要处理多重共线性问题。采用逐步回归方法来消除多重共线性问题,经过测试将原始测量模型改为式(7),以保证最佳的拟合优度R2,使指标均可通过t检验,得到最终结果如表6所示。
IFI=α1GDJY+α2RJSR+α3CZZC+
α4JRL+δ
(7)
表6 最终实证结果
变量系数标准差t值常数项-1.647000000.087-18.934大专以上学历人数0.000062820.0002.116城乡居民人均收入0.000024540.0004.809财政支出规模0.000062820.0003.315金融相关率4.720000001.7032.771调整后R20.95300000F152.01400000DW值2.17000000
注:表中均为在5%的显著性水平下的系数。
最终回归方程的形式为
Y=-1.647 000 00+0.000 062 82GDJY+
0.000 024 54RJSR+0.000 062 82CZZC+
4.720 000 00JRL
(8)
实证结果发现,大专以上学历人数、城乡居民人均收入、财政支出规模、金融相关率的系数显著。大专以上学历人数对应的系数为正,说明居民受教育程度与普惠金融指数存在显著的正相关关系。一般来说,居民受教育程度和金融需求呈正相关关系,因为接受过良好教育的人更容易接受新型金融服务[16]。城乡居民人均收入系数为正,说明城乡居民人均收入水平越高,普惠金融发展得越好。随着收入水平的提高,人们会增加储蓄、投资、保险等方面的需求,加快金融机构的发展;另外消费也会增加,这会刺激产出的增加,如此便进入良性循环状态[17]。财政支出水平系数为正,表明普惠金融的发展和财政支出水平呈正相关关系。研究表明,经济发展速度与财政投入呈正相关关系,经济发展较快的地区财政支出也较高[18]。金融相关率对普惠金融也具有正向影响。金融业发达程度与公众的财务意识正相关,较发达地区金融机构分布比较密集,居民接触和使用先进的金融产品的机会较多,故这些地区金融相关率较高,金融业发展良好[19]。
基于以上分析,普惠金融受到多方面的影响,如经济、社会、人文等。要促进我国普惠金融发展,就要提高居民受教育水平,提高居民人均收入,加大财政支出力度,提高金融相关率。
提高国民的受教育水平,可使国民对知识的接受能力得到提升,政府可以更好地推行各项金融惠民政策。政府应保障九年义务教育政策的实施,确保国民可以在条件允许的情况下接受更高的教育;对贫困地区成绩优异学生提供一定资助,使其拥有接受教育的机会,鼓励家庭贫困的学生利用大学生贷款政策。除此之外,由于各省的教育水平存在差异,高等院校分布不均,国家可以多支持建设优秀高等院校,大力发展高等教育,从而提高国民素质[20]。
统筹城乡发展是科学发展观的核心和重点。要加强农村地区工业化建设,利用政策支持培育农村龙头企业,促进农村产业结构发展,利用工业带动农业的发展,开展农场等经营模式[21]。此外,政府可以通过减轻农民的税负和增加政策补贴来间接增加农民收入,在农村地区利用当地优势适当发展旅游业等,从而达到统筹城乡发展、提高居民收入的目的。
应加大财政支出力度,加强道路轨道交通等基础设施的建设,特别是要加强中西部普惠金融发展比较落后地区的基础设施建设。对于偏远地区,通过道路建设架起该地区与外界的桥梁,使金融服务能够轻松进出。基建行业的发展也可以带动生产力,给当地更多的人带来工作机会。同时要继续加大大城市基础设施建设力度,使其起到模范带头作用。
要促进金融工具多样化,银行业可以通过拓展多种存贷款业务来吸引客户,运用互联网技术拓宽供给服务渠道,发展手机银行和网上银行等业务,推动中西部金融发展较为落后地区的地方性银行建设[22]。另外,银行业也要和其他金融机构配合好,共谋发展之路。要加大保险、证券业等其他金融机构的自主创新力度,在风险可控的前提下进行业务拓展、产品创新,以更好地满足低收入群体和小微企业的需求。
[1]邢乐成,赵建.多维视角下的中国普惠金融:概念梳理与理论框架 [J].清华大学学报(哲学社会科学版),2019,34(1):164-172,198.
[2]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,2013,18(6):31-36.
[3]徐敏.农村金融服务水平的区域差异及影响因素分析 [J].西部金融,2013(3):59-63.
[4]伍旭川,肖翔.基于全球视角的普惠金融指数研究 [J].南方金融,2014(6):15-20.
[5]王国红.中国金融包容指标体系的构建 [J].湖北经济学院学报,2015,13(1):29-36.
[6]许桂红,周晨.我国各地区普惠金融发展程度的实证分析 [J].沈阳工业大学学报(社会科学版),2015,8(6):511-518.
[7]唐文婷,李明贤.普惠金融的政府行为与农村金融消费者权益保护 [J].财经科学,2018(11):3-14.
[8]张勋,万广华,张佳佳,等.数字经济、普惠金融与包容性增长 [J].经济研究,2019,54(8):71-86.
[9]Corrado G,Corrado L.Inclusive finance for inclusive growth and development [J].Current Opinion in Eviromental Sustainability,2017,24(2):19-23.
[10]Park C Y,Mercador R.Financial inclusion,poverty and income inequality in developing Asia [J].Social Science Electronic Publishing,2015(5):419-435.
[11]Aisaiti G,Liu L H.An empirical analysis of rural farmers’ financing intention of inclusive finance in China:the moderating role of digital finance and social enterprise embeddedness [J].Industrial Management & Data Systems,2019,119(7):1535-1563.
[12]Liu J,Ruan W.Analysis on the role and effect of inclusive finance in the development of green ecological industry under the background of poverty alleviation [J].Ekoloji,2018(5):1013-1020.
[13]Han J M,Wang J Q.Effects of farmers’ participation in inclusive finance on their vulnerability to poverty:evidence from Qinba poverty-stricken area in China [J].Emerging Markets Finance and Trade,2019,55(5):998-1013.
[14]李明贤,唐文婷.普惠金融发展中的农村金融消费者权益保护研究 [J].农村经济,2017(12):50-55.
[15]郝云平,雷汉云,董永亮.普惠金融与包容性经济增长——基于中国西部地区面板数据的实证 [J].金融与经济,2018(5):44-49.
[16]庄峻峰.普惠视域下民族地区金融发展法制保障的思考 [J].沈阳工业大学学报(社会科学版),2019,12(3):205-212.
[17]谈勇贤,郭颂.普惠金融与精准扶贫政策合力推进农村经济发展研究 [J].理论探讨,2017(6):99-103.
[18]张楠,孙湘淇,郭生富.金融服务贸易开放、人力资本积累与经济增长——基于PUA模型的实证分析 [J].沈阳工业大学学报(社会科学版),2018,11(6):505-511.
[19]陆凤芝,黄永兴,徐鹏.中国普惠金融的省域差异及影响因素 [J].金融经济学研究,2017,32(1):111-120.
[20]黄秋萍,胡宗义,刘亦文.中国普惠金融发展水平及其贫困减缓效应 [J].金融经济学研究,2017,32(6):75-84.
[21]陈金富.技术引领、“三流”融合助推普惠金融发展 [J].上海金融,2018(9):84-87.
[22]胡浩.新时代大型银行发展普惠金融的若干思考 [J].金融论坛,2018,23(12):3-9,20.