首页 百科知识 金融排斥对各地区微观个体影响的实证分析

金融排斥对各地区微观个体影响的实证分析

时间:2022-07-23 百科知识 版权反馈
【摘要】:对各地区的人均收入、金融排斥综合指标、就业比例、知识以及金融排斥各维度指标分别进行LLC单位根检验、W检验,结果如表8.1所示。反过来,人均收入也是金融排斥各维度的长期原因,表8.5的LLC检验和W检验,以及表8.7的ECM系数均论证了这一点。

对各地区的人均收入(lninco)、金融排斥综合指标(chaall)、就业比例(empl)、知识(know)以及金融排斥各维度指标分别进行LLC单位根检验、W检验,结果如表8.1所示。

表8.1 人均收入和金融排斥各指标单位根检验

注释:由于chadepo和chainsu两指标无论是LLC检验还是W检验,其水平值已经是高度显著,因为未报告其一阶滞后值。

根据Harris& Tzavalis(1999)所提出的,在时间跨度较小时,LLC检验能力相对较差,因此当LLC检验和W检验发生冲突时,主要以W检验为主,因此,表8.1显示,lninco、empl、know、以及chaall、chaxia、chageo、chauti、chause、chaloan均有单位根,但是经过一阶差分后均为平稳的,因此这几个变量均为一阶单整I(1)。而chadepo、chainsu两变量却不存在单位根,表现出了显著的平稳性,因此与lninco等指标间并不存在同阶的协整性,因此,后文的分析中将对其不予考虑。

因此,对人均收入与金融排斥(chaall)间进行因果关系的考察,根据协整方程模型的检验,最终双向模型选择了FE形式,根据LLC检验和W检验规则,发现残差序列Eit均为平稳序列,如表8.2所示。因此,金融排斥是人均收入的长期原因,同时,人均收入也是金融排斥的长期原因。

因此,可以得到两个协整方程,如表8.3所示。从长期来看,(1)模型显示,金融排斥对人均收入有高度显著的负作用,金融排斥每提高1个单位,人均收入就降低2个百分点;同时,知识也对人均收入产生了显著的正影响,知识的普遍提高,有助于提高人均收入;而就业比例并没有发挥显著的作用。反过来,(2)模型显示,人均收入对金融排斥也有高度显著的负作用,较好地支持了第7章的结论;此外,就业比例、知识等也对金融排斥产生了显著的影响。

表8.2 协整检验结果

注释:该检验为对 lninco和chaall因果关系的残差进行检验,其相应的模型均为FE。

表8.3 协整方程结果

注释:(1)模型主要考察金融排斥是否是人均收入的原因,经过FE模型的F检验和RE模型的hausman检验,最终选择了FE形式;(2)模型主要查考人均收入是否是金融排斥的原因,同样经过检验后选择FE形式。其中,***表示在1%水平上显著,**表示在5%水平上显著,*表示在10%水平上显著。

经过面板数据协整检验,我们建立了如上两个协整方程,但由于时间跨度较小(仅为14年),因此,需要通过短期因果关系分析来进一步检验这两个协整方程的可靠性,为此建立了面板数据误差修正模型,结果见表8.4。

模型(1)显示,ECM在10%的水平上显著,因而进一步确认了金融排斥是人均收入的长期原因这一结论;同时,金融排斥两阶滞后差分对金融收入差分也有显著的影响,就业比例、知识水平均发挥了一定的作用,因此,我们可以认为,金融排斥也是人均收入的短期原因。

反过来,模型(2)显示,ECM也显著不为0,而且人均收入滞后二期的差分变量也在5%水平上显著。因此,人均收入不仅仅是金融排斥的长期原因,同时也是短期原因;此外,知识对金融排斥起到了重要作用,进一步支持了第7章中的结论。

进一步,我们对人均收入与金融排斥各维度指标间的因果性也进行了检验,结果见表8.5、8.6和8.7。由于chadepo和chainsu序列服从I(0),并不与lninco、empl、know等变量单阶同整,因此,我们未对这两个维度指标与人均收入间进行检验。

表8.5显示,无论是chaxia,还是chageo、chauti、chause,还是chaloan,这些金融排斥维度均是人均收入的长期原因,均通过LLC检验和W检验;表8.7(一)面板数据误差修正模型的ECM也在10%水平上显著,进一步支持了金融排斥各维度指标是人均收入的长期原因这一结论。也就是说,金融排斥各维度指标值越大,也就意味着人均收入越低。表8.6显示,从长期来看,chaxia、chageo、chauti、chause、chaload每提高1个单位,则人均收入会分别显著降低0.026、0.020、0.010、0.028、0.014个百分点,因此,金融排斥各维度指标均对人均收入产生了显著的影响。同时,知识也对人均收入产生了显著的正作用,而就业比例发挥的作用却有限,造成这一原因的主要与变量的指标选择有一定关系,是否就业这一状态并没有直接对人均收入产生影响。

表8.4 面板数据误差修正模型的检验结果

续表

注释:以Δlnincoit为因变量的模型检验中,若采用FE模型,其allu_i=0的F检验值为1.05(p=0.40),所以采用OLS模型;在以Δchaallit为因变量的模型检验中,FE模型的allu_i=0之F检验值为3.02(p=0.00),且hausman检验显著,故采用FE模型。其中,***表示在1%水平上显著,**表示5%水平上显著,*表示在10%水平上显著。

进一步,表8.7显示,chaxia、chageo、chauti、chaloan滞后一阶或二阶差分对lninco差分值产生了显著的影响,这表明,chaxia、chageo、chauti、chaloan这四个维度衡量的金融排斥不仅是人均收入的长期原因,同时也是短期原因。而chause并没有体现出如此的结果,这从另一个角度论证了我们在第7章中提到的chause的衡量问题,从短期而言,参与金融服务的人数比例并不直接构成对收入的影响,而是发挥着长期的作用。

反过来,人均收入也是金融排斥各维度的长期原因,表8.5的LLC检验和W检验,以及表8.7的ECM系数均论证了这一点。人均收入每提高1个百分点,金融排斥各维度指标值分别减少8.734、17.709、4.510、4.971和12.255个百分点。同时,就业比例、知识都发挥了重要的作用。并且面板数据误差修正模型(表8.7(二))显示,人均收入也是chaxia、chageo、chauti和chaloan的短期原因,但并没有对chause带来直接的短期影响。

因此,我们可以得出结论:从长期来看,金融排斥各维度指标chaxia、chageo、chauti、chaloan、chause与人均收入lninco之间存在着显著的长期因果关系,金融排斥程度的降低,有助于提高人均收入,同时,人均收入的提高又会进一步促进金融排斥程度的降低。然而,从短期来看,尽管chaxia、chageo、chauti、chaloan与人均收入lninco之间存在短期因果性,但chause的这种短期作用并不成立。因此,金融机构分支地理渗透性的提高、服务质量的提高、服务范围的拓宽、以及惠及更多群体的金融服务提供,将会通过各种渠道提高人们的可支配收入,提高人们的生活水平。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈