浙江省普惠金融发展的测度及影响因素研究

浙江省普惠金融发展的测度及影响因素研究_全面深化改革与法治宁波建设：宁波市社会科学界第五届学术大会文集：2015年度

一、引 言

普惠金融，即包容性金融，是在小额信贷、微型信贷的基础上发展起来的。这个概念最初是由联合国于2005年在宣传小额信贷年时提出的，其主要含义是指能为绝大多数社会群体提供全面、有效、可持续的金融服务，以满足他们金融需求的具有包容性的金融体系。更具体的，普惠金融是指能使经济体中所有成员，尤其是弱势群体及低收入人群，在其可承担的价格上获得全方位金融服务的金融体系（Leeladhar，2006；Bebczuk，2008；Szrath Chandran ＆Manju，2011）。因此，普惠金融实质上是金融公平的体现（焦瑾璞，2010），有利于改善金融排斥、缓减居民贫困、缩小收入差距，是实现经济包容性增长的重要途径。随着国内外普惠金融进程的不断推进，如何有效地测度普惠金融的发展水平以及挖掘其影响因素成为一个重要的研究课题。

在衡量普惠金融的发展水平方面，国内外学者主要是通过构建普惠金融指数（index of financial inclusion，IFI），选取多个维度、多个指标来综合测算评价。World Bank（2012）罗列了多个国际组织的指标构建模型，国际货币基金组织、金融包容全球合作伙伴组织、金融包容联盟均从可获得性和使用情况两个维度来构建普惠金融相关指数，世界银行则选取了银行账户使用情况、储蓄、借款、支付、保险五个维度。Sarma（2010）借鉴联合国开发计划署的指标构建方法，从银行业渗透、银行服务的可获得性、银行服务的使用三个维度来测算，并以0.3和0.5为分界点将金融普惠程度分为低、中、高三个层级。国内学者在借鉴国际经验基础上还创造性地增加了金融服务的可负担度（李春宵和贾金荣，2012）、银行服务覆盖深度（向静和时金春，2013）、金融服务质量（伍旭川和肖翔，2014）等不同维度。但研究中仍存在着一些不足，例如较多地在全国层面进行考察，在不多的区域研究上也主要集中于中西部贫困地区，或是用横截面数据对不同省份的差异性进行探讨，缺少对经济较发达地区纵向发展的深度研究。

在研究影响普惠金融的因素方面，最早可追溯到对普惠金融的对立面———金融排斥的影响因素研究。Leyshon＆ Thrift（1995）从地理排斥的角度解释金融排斥现象，认为地理便利性能够影响金融服务的供给。Kempson＆Whyley（2000）则从主观和客观两方面，细分为地理、评估、条件、价格、营销以及自身六个维度，较全面地对产生金融排斥的原因进行了分析。普惠金融概念提出后，Anderloni（2008）以欧盟国家为样本，从金融自由化水平、劳动力状况、人口变化、居民收入、反洗钱政策、财政政策、社会救助政策等社会及经济因素来研究。国内学者在这一方面的研究起步较晚，徐少君和金雪军（2009）利用调查问卷所得数据，建立Probit模型和Logit模型对农户金融排斥的影响因素进行了分析；高沛星和王修华（2011）基于省际数据，采用皮尔逊相关系数法进行分析，得出收入、金融效率、就业和农业化水平是形成我国农村金融排斥的区域差异性的主要影响因素的结论；王婧和胡国晖（2013）从宏观经济、收入差距、接触便利、货币政策四方面，检验了它们对我国普惠金融程度的影响；李滨（2014）则考察了居民收入、互联网普及率、教育水平、城镇化率、金融深度等因素，其实证结果显示，居民收入、教育水平、金融深度的提升有助于促进普惠金融的发展，互联网普及率对普惠金融的影响尚不明显。目前由于各个国家及地区间的社会经济发展程度的不同，研究结果也存在着较大的差异，但在因素的选取上大同小异，主要包含社会人口因素、经济金融因素及政府政策因素等方面。

本文利用浙江省2004—2012年统计数据，借鉴国内外相关文献经验，在变异系数法确定的权重基础上构建普惠金融指数，综合测度近些年浙江省普惠金融的发展变化，再运用逐步回归法实证检验了五类因素对浙江省普惠金融发展的影响，以期更有针对性地为推进浙江省普惠金融体系的建设提供参考。

二、浙江省普惠金融发展的测度

（一）普惠金融指数的构建

1.构建普惠金融指数的测算方法

考虑到现有的研究主要借鉴了被学术界高度认可的联合国开发计划署的指标测算方法，本文也沿用此方法来构建普惠金融指数。

假设普惠金融水平有n个评价指标di，构成指标向量D＝（d1 ，d2，… ，dn）。对每个指标di赋予权重ωi，以区别不同指标对量化普惠金融指数的重要程度，为了将不同量纲的指标进行归一化处理，可以用以下公式来表示每个指标的测度值：

其中，Xi表示第i个指标的实际值，Mi表示第i个指标的最大值，mi表示第i个指标的最小值。

若di为正向指标时，di越大，表示在这一指标项下取得的成绩越好，普惠金融的水平越高；若di为反向指标时，di越大，表示在这一指标项下取得的成绩越差，普惠金融的水平越低。因此，为了统一计算标准，当di为反向指标时，计算公式转换为：

此时di越大，也表示在这一指标项下取得的成绩越好，普惠金融的水平越高。

由式（1）和式（2）得到各个指标di的取值范围为0≪di≪ωi。假如浙江省第j年各个指标项的测度值均为0，即Dj＝（0，0，0，… ，0）时，表示第j年在各个指标项的测度值均为最小值，为普惠金融水平最低的情况。假如浙江省第j年各个指标项的测度值均为ωi，即Dj＝（ω1，ω2，ω3，… ，ωn）时，表示第j年在各个指标项的测度值均为最大值，为普惠金融水平最高的情况。因此，在构建普惠金融指数时，即是要测度各指标项的实际值与最理想值的距离，并将n个指标项的距离整合在一起形成一个最终的测度值，具体可以表示成：

其中，由于di的取值范围为0≪di≪ωi，所以IFI的取值范围为0≪IFI≪1。假如Dj＝（0，0，0，… ，0）时，则普惠金融指数IFI＝0，表示普惠金融水平最低的情形；如果Dj＝（ω1，ω2，ω3，… ，ωn）时，则普惠金融指数IFI＝1，表示普惠金融水平最高的情形。

这里有必要说明的是，普惠金融指数是一个相对指数，其指数大小本身并不表示普惠金融水平的实际值，只是用于衡量在这一段时间序列期间的纵向发展比较，表示在这一时间区域内的普惠金融水平相对大小。

2.各指标权重的赋权方法

由于本文的普惠金融指数是一个相对指数，所以各个指标的权重可以采用变异系数法来确定。变异系数法的内涵是在用多个指标对一个问题进行综合评价时，如果某项指标的变异系数较大，则表示该指标在衡量这个问题的差别方面具有较大的能力，那么该指标就应该赋予较大的权重；反之，则赋予较小的权重。因此，在对各指标赋权时，用各指标的变异系数占所有指标变异系数之和的比值来表示。

3.普惠金融的维度及具体指标的确定

在参考现有文献，并考虑实际数据的可得性及维度的全面性的基础上，本文将普惠金融的维度确定为以下四个方面：金融服务的深度、金融服务的可得度、金融服务的使用度、金融服务的可负担度。其中，金融服务的深度表示金融服务在社会群体中的渗透程度，具体用人均存款余额、人均贷款余额表示；金融服务的可得度表示社会群体获得金融服务的方便容易程度，具体用每万平方公里拥有的银行业机构数、每万平方公里拥有的银行业从业人员数、每万人拥有的银行业机构数、每万人拥有的银行业从业人员数表示；金融服务的使用度用来衡量金融服务的使用程度，具体用各项存款占GDP的比重、各项贷款占GDP的比重表示；金融服务的可负担度用来衡量金融服务的价格是否在使用者的可负担范围之内，具体用利率上浮贷款的占比来表示。以上指标按次序分别编号为第1～9号指标。

（二）普惠金融指数的测度及结果分析

本文通过测度浙江省2004—2012年的普惠金融指数，衡量浙江省普惠金融发展水平的整体趋势。各指标的原始统计数据来源于历年《浙江统计年鉴》、中国人民银行发布的历年《浙江省金融运行情况》以及中经网统计数据库，部分指标以原始数据整理计算得到。再通过变异系数法确定各评价指标的权重，具体见表1。

表1 浙江省普惠金融指数评价指标体系及各项权重

续表

然后，进一步确定各指标的最大、最小值，按照di及IFI的计算公式，分别求出2004—2012年各指标的测度值以及在此基础上形成的普惠金融指数，具体结果如表2所示。

表2 2004—2012年浙江省普惠金融指数的测度结果

从总体上看，2004—2012年间浙江省的普惠金融指数整体呈显著上升趋势，在普惠金融发展的初期增速迅猛，2010年之后则增长缓慢。分维度看，金融服务的深度和使用度呈不断上升趋势，其中深度这一维度对普惠金融的影响程度较大；金融服务的可得度整体向上增长，个别年份有小幅调整波动；金融服务的可负担度较为特殊，波动性较大，特别自2010年起这一分项指标测度值迅速下滑，致使综合性的普惠金融指数近年来仅有微幅增长。所以，从测度结果看，浙江省的普惠金融发展在金融服务的深度、可得度及使用度方面取得了显著的进展，而在金融服务的可负担度方面发展受阻，尤其是2010年后金融服务的价格显示出较大的金融排斥效应。

三、浙江省普惠金融的影响因素研究

（一）变量选取及模型设计

影响普惠金融水平的因素是复杂多样的，既包括了居民收入、受教育程度、人口结构、接触便利性等社会因素，也包括了金融机构数量、金融服务价格等如上文提到的多种金融因素。本文选取了2004—2012年居民加权人均收入（SR）、平均受教育年限（JY）、城镇化率（CZH）、公路里程数（JT）以及金融相关比率（JR）五个指标作为解释变量，普惠金融指数（IFI）作为被解释变量，来实证检验浙江省普惠金融发展的影响因素。相关原始数据来源于历年的《浙江统计年鉴》、《浙江人口与就业统计年鉴》、《浙江金融年鉴》、中经网统计数据库等。

文中变量的选择依据主要基于以下考虑：

（1）普惠金融指数的构建过程中已包含了大量的金融因素，故在本模型中用能综合反应金融发展的金融相关比率（JR）这一指标来代表金融因素，金融相关比率＝金融资产总量／GDP，文中金融资产总量以金融机构存贷款余额代替。

（2）社会因素层面的考虑主要有：①居民收入会影响金融需求程度及居民可负担的金融服务价格水平，文中用居民加权人均收入（SR）来表示，具体以农村及城镇人口比例为权重，对农村居民收入和城镇居民收入进行加权计算；②居民受教育程度通过直接影响金融需求和金融供给的偏好，而对普惠金融产生重要影响，文中用6岁及以上居民的平均受教育年限（JY）来表示；③城镇化率（CZH）用城镇人口占总人口比例衡量，反映社会人口结构、经济二元结构、地理分割结构，一般来说，城镇化水平的提高有利于促进普惠金融的发展；④由于电子银行、互联网金融近些年才兴起发展，地理性的接触便利相对更能促进金融服务对弱势地区的惠及程度，因此，本文选用公路里程数（JT）这一反映交通基础设施的指标来代表接触便利程度。

根据普惠金融影响因素的分析，并结合前文构建的普惠金融指数，我们构建如下经验方程：

IFI1＝α0＋α1SR1＋α2JYi＋α3CZHi＋α4JTi＋α5JRi＋εi

其中，αi为各解释变量的系数值，εi为误差项。

（二）实证检验及结果分析

运用最小二乘法对多元线性模型进行回归，Eviews的回归输出结果如表3所示。

表3 最初回归结果

注：*** 、**分别表示在1％ ，5％的显著性水平下显著的。

表3结果显示，回归方程的拟合优度为0.9875，表示模型中五个解释变量解释了被解释变量普惠金融指数总方差的98.75％ ，具有非常高的拟合度。同时，F检验通过，表示多元线性回归方程整体上存在显著的线性关系。但6个t统计量中，有5个均没有通过显著性检验，故此多元线性回归方程可能存在严重的多重共线性。通过计算解释变量的相关系数矩阵，表4结果显示，5个变量之间的相关关系较大，故需要对回归的多重共线性进行处理。

表4 解释变量的相关系数矩阵

本文运用逐步回归法进行多重共线性的消除以及最优回归的选择。首先进行一元回归，对被解释变量与每个解释变量分别进行回归，得到5个一元回归方程式，从中选取最适合的方程式所对应的解释变量与被解释变量，保证其R2最优并且t值可通过检验；其次进行二元回归，在一元回归最优变量的基础上继续分别加入其他4个解释变量进行回归，选取能使总体R2变好的变量，从中择一最优，并保证t值通过检验；依次进行加元回归，最终选择具有最优R2且通过t检验的方程式所对应的变量进行回归，求得效果最好的回归方程。

以IFI为被解释变量分别对SR，JY，CZH，JT，JR做一元回归，结果如表5所示。

表5 五个一元回归的结果

注：***表示系数值在1％的显著性水平下显著。

可以发现，各解释变量的t值均通过1％显著性水平的检验，按拟合优度R2从大到小排列的顺序为：SR，JR，CZH，JY，JT，即SR是对普惠金融指数影响最大的因素。因此，以SR为基础变量，分别加入其他变量进行验证，最终得到以SR，JT，JR三个变量拟合的回归方程效果最好，回归结果如表6所示。

表6 最终回归结果

注：*** 、**分别表示系数值在1％ ，5％的显著性水平下显著。

从一元回归结果看，5个解释变量均在1％的显著性水平上通过检验，系数值均为正，表明居民加权人均收入（SR）、平均受教育年限（JY）、城镇化率（CZH）、公路里程数（JT）以及金融相关比率（JR）的增加均能够有效促进普惠金融水平的提升，其中拟合优度最大的居民加权人均收入（SR）影响力最大。从最终回归结果看，居民加权人均收入（SR）、公路里程数（JT）以及金融相关比率（JR）与普惠金融指数（IFI）呈正相关。其中居民加权人均收入（SR）和金融相关比率（JR）影响显著，表明居民收入的增加与金融总量规模的扩大均有利于普惠金融的发展；而公路里程数（JT）的实证结果不显著，表示在统计意义上，以公路里程数衡量的交通基础设施的完善对金融普惠程度并没有产生实质的影响，这可能是由于在互联网普及率较高的浙江省，电子化的金融服务快速发展弱化了地理性的接触便利对普惠金融水平的影响。[1]

四、主要结论及政策建议

2004—2012年间，浙江省普惠金融整体呈现良好的发展态势，不过经历发展初期的迅猛增长后，2010年起增速明显减缓。从四个维度看，金融服务在深度、可得度、使用度方面均有明显的改善，但在可负担度方面则出现恶化，说明浙江省的普惠金融并未在各评价维度均表现出包容性，未来在推进普惠金融的进程中，要注意普惠金融的全面协调发展。

由普惠金融指数的构成可知，在金融服务的深度和可得度方面，贷款指标的权重仅略微大于存款指标，表明普惠金融水平的提高需要存款与贷款共同作用；在金融服务的可得度方面，银行业从业人数上涨明显而银行业机构数平稳波动，表明从业人员规模的扩张是金融服务可得度提升的主导力量，表明向现有机构配置更多的从业人员比单纯地增设金融网点个数更有利于推动普惠金融的发展；金融服务的可负担度呈下滑趋势，表明当前金融服务的价格偏高，抑制了普惠金融的发展，为了普惠金融的进一步发展，未来要着重考虑弱势群体对金融服务的可负担度。

通过对普惠金融的影响因素进行实证检验，我们可以得到除了在金融因素方面提升普惠金融水平，还需要经济社会各方面因素的协同推进：①要致力于增加居民收入，一方面可以刺激居民增加金融服务需求，另一方面可以提高金融服务的可负担度；②要持续实施科教兴国战略，提升居民的受教育程度，加强经济金融知识的普及，让多样化的金融产品被百姓熟知，增加金融服务对象的受众面；③加快城镇化建设，为城乡接合部的弱势群体提供平等的金融服务创造条件；④在加强交通基础设施建设的同时，要更多地普及互联网及电子金融产品，不仅在地理空间上为弱势群体提供便利，而且要让更多的居民能更自由地享受到金融服务，让普惠金融水平随着互联网金融浪潮的涌起而迈向更高的台阶。

参考文献

Anderloni，L．Financial Services Provision and Prevention of Financial Exclu‐sion．European Commission，2008．

Bebczuk，RN．Financial Inclusion in Latin America and the Caribbean ：Review and Lessons．CEDLAS Working Paper，Universidad Nacional de La Plata，2008．

Kempson，E，Whyley，C．Financial Exclusion：ALiterature and Research Re‐view．London：Financial Services Authority，2000．

Leeladhar，V．Taking banking services to the common man‐financial inclusion． Reserve Bank of India Bulletin，2006．

Leyshon，A，Thrift，N．Geographies of financial exclusion：financial abandon‐ment in Britain and the United States．Transactions of the Institute of British Geographers，1995，20（3）：312‐341．

Sarma，M．Index of Financial Inclusion．Jawaharlal Nehru University，Discus‐sion Paper in Economics，2010．

Szrath Chandran，BP，Manju，TK．Financial Inclusion Strategies For Inclusive Growth In India．Munich Personal Re PEc Archive Paper，2011．

World Bank．Financial Inclusion Strategies Reference Framework ．www．world‐bank．org，2012．

高沛星，王修华．我国农村金融排斥的区域差异与影响因素———基于省际数据的实证分析．农业技术经济，2011（4）．

李滨．普惠金融的制度分析及测度研究．硕士学位论文，厦门大学，2014．

李春宵，贾金荣．我国金融排斥程度研究———基于金融排斥指数的构建与测算．当代经济科学，2012（2）．

王婧，胡国晖．中国普惠金融的发展评价及影响因素分析．金融论坛，2013（6）．

伍旭川，肖翔．基于全球视角的普惠金融指数研究．南方金融，2014（6）．

向静，时金春．普惠性金融程度的测算．经济视野，2013（22）．

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．中国农村经济，2009（6）．

作者单位：浙商银行宁波分行

[1] 由于浙江省互联网普及率及电子化金融服务在2004—2012年间的统计数据缺失严重，所以文章未能将该因素加入到时间序列模型中进行考察，是本文的一个遗憾，也是未来值得研究的一个方向。