安徽省普惠金融发展水平测度和减贫效应分析.docxVIP

?

?

安徽省普惠金融发展水平测度和减贫效应分析

?

?

张梦德

摘要：以安徽省16个地级市2007—2017年的年度数据为样本，构建可进行测算的安徽普惠金融发展指标体系，运用变异系数法赋权后，对安徽普惠金融发展水平进行测度。实证结果显示：除合肥外，安徽省普惠金融发展水平偏低，各地级市发展水平失衡，并且泰尔系数和人口城镇化率会受到普惠金融的影响。

关键词：普惠金融；综合评价；VAR模型；区域差异

：1004-7026（2019）03-0019-03中国图书分类号：F832.1文献标志码：A

普惠金融自提出以来便受到国内外学者的广泛关注。汪晓文等（2014）研究表明，金融机构为贫困地区提供贷款，促进贫困地区产业的发展，以此达到脱贫的目的；江春等（2015）认为最好的减贫方式是建立支持企业家创新创业活动的金融体系，改善宏观经济运行环境；申云（2016）认为应通过金融创新对贫困人口的生产和生活给予信贷支持。在減贫效果研究中，普惠金融总体上是有利于贫困减缓的（韩晓宇，2017），但贫困减缓效应随着普惠金融发展水平的提高有所减弱（黄秋萍等，2017），并且呈现出区域性差异（刘华珂，2018）。

1安徽省普惠金融发展水平

1.1构建指标体系

为了分析安徽普惠金融发展水平，需要计算其普惠金融发展指数（IFDI）。对于内容丰富的普惠金融来说，单一指标很难测度，所以应首先构建具体的指标体系。基于选取指标的适用性、包容性和可得性原则，同时借鉴国内外专家学者关于普惠金融发展水平评估指标构建的研究文献。结合安徽省16个地级市的实际情况，从金融服务的可获得性、金融服务的效用性和金融服务的相对质量3个主维度、7个子维度出发，具体情况见表1。

1.2计算安徽省普惠金融发展指数（IFDI）

由于指标的量纲方面存在较大差异，这里我们运用极差法对数据进行线性变换，将其映射到[0，1]之间，以除去原始数据的量纲。具体如式：

xij=■

其中，Xij为数据原始值，Xminj为第j个指标的最小值，Xmaxj为第j个指标的最大值，xij为标准化后的数据矩阵。

为了反映各个指标对安徽普惠金融发展水平的贡献度，并且避免主观因素对各维度进行赋权带来的误差，本项目采用变异系数法对各指标和各维度赋权，具体如下：

ej=■；wj=■

其中，σj为第j个指标的标准差，aj为第j个指标的均值，ej为第j个指标的变异系数，wj为第j个指标的权重。由于选取时间段为2007—2017年，共11个维度，所以最终权重是一个k行、n列的矩阵。

最后根据王婧（2013）普惠金融发展指数可表示为n维笛卡尔空间中的点与最优普惠金融水平点之间的反欧几里德距离，可计算出安徽省各地级市的普惠金融发展指数，用IFDI表示，得出普惠金融指数公式如下：

IFDIik=■

其中，由于xij在2007—2017年每年1个，所以共有k个xij，这里用x■■表示；w■■为wkj矩阵的平方；IFDIik为第i个地级市，第k年的普惠金融发展水平。

1.3评价安徽省普惠金融发展水平

从横向看，由上测算得出的普惠金融发展指数IFDI的排名可以看出合肥市、黄山市及铜陵市位居前三。其中有合肥市普惠金融发展水平前期较高，近两年的发展水平有所下降，就指标来看，主要是金融业从业人数以及金融网点数增速减慢，然而人口却不断在增加的原因。同时，也有如亳州市这样逐渐提高的，整体可见2008年和2013年，各市出现普惠金融发展峰值。从横向看，安徽省普惠金融发展水平区域性失衡，发展水平大都集中在0.2左右，为了更加直观地反映安徽16个地级市的普惠金融发展水平，利用k-means聚类分析归类，结果如表2。

2安徽省普惠金融发展的减贫效应实证检验

2.1建立VAR模型

本项目基于面板数据，选取普惠金融发展指数、贫富差距（泰尔指数）、城镇化率3个解释变量建立该领域较少运用的VAR模型。前文中已经获得了相应的普惠金融发展指数，这里我们对泰尔指数和城镇化率的获取作出解释：

2.1.1泰尔指数（TI）

分析减贫效应，此处选择了能反映区域贫富差距的指标。具体公式如下：

TI=∑■×log■

其中，TI是泰尔指数，I是总收入，Ii是第i个地区的收入，P是总人口，Pi是地区i的人口。

2.1.2城镇化率（UR）

城镇化率具有广泛的含义，狭义上一般指人口城镇化。其计算公式为：UR=城镇常住人口/总人口。

参照一般VAR模型，VAR模型如下：

IFDIi=A1IFDIi-1+…+ApIFDIi-p+B1TIi+…+BrTIi-r+C1URi+…+CδTIi-δ+εi

TIi=A1TIi-1+…+ApTIi-p+B1IFDIi+…+BrIFDIi-r+C1URi+…+CδTIi-δ+εi

URi=A1URi-1+…+ApURi-p+B1T