尹志超 耿梓瑜 潘北嘯

摘?要：本文基于中國家庭金融調(diào)查（CHFS）數(shù)據(jù)，從家庭儲(chǔ)蓄支付、信貸和保險(xiǎn)幾個(gè)維度出發(fā)，研究了金融排斥對(duì)中國家庭貧困的影響。研究結(jié)果顯示，受到儲(chǔ)蓄和支付排斥的家庭，貧困的概率最高，其次是保險(xiǎn)排斥，最低的是信貸排斥?？梢姡鹑谂懦鈱?duì)家庭貧困具有正向影響，家庭受到金融排斥會(huì)顯著增加家庭貧困的概率。進(jìn)一步地，本文通過因子分析，構(gòu)建金融排斥指數(shù)，研究結(jié)果表明，金融排斥指數(shù)對(duì)家庭貧困仍然具有顯著地正向影響。這表明，積極推行普惠金融，降低家庭金融排斥，是減少家庭貧困的有效措施。

關(guān)鍵詞：金融排斥;家庭貧困;金融排斥指數(shù);內(nèi)生性;因子分析

中圖分類號(hào)：F832.1??文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1000-176X（2019）10-0060-09

一、問題的提出

聯(lián)合國在2005年提出“普惠金融”的概念，即以尚能負(fù)擔(dān)的成本為有金融需求的社會(huì)各階層和群體提供適當(dāng)有效的金融服務(wù)，小微企業(yè)、農(nóng)民和城鎮(zhèn)低收入者等弱勢(shì)群體為普惠金融重點(diǎn)服務(wù)和關(guān)注的對(duì)象。2013年，“普惠金融”概念被首次寫入黨的十八屆三中全會(huì)的決議中。國務(wù)院在2016年出臺(tái)的《推進(jìn)普惠金融發(fā)展規(guī)劃（2016—2020年）》明確指出，到2020年將建立與全面建成和小康社會(huì)相適應(yīng)的普惠金融服務(wù)保障體系。由此可見，普惠金融在中國的重要性已上升到國家戰(zhàn)略高度。推動(dòng)普惠金融，就是要讓金融覆蓋到全部有金融需求的群體，尤其要覆蓋到農(nóng)民和貧困家庭。

貧困問題作為一個(gè)世界性難題，一直得到廣泛關(guān)注。2013年，習(xí)近平總書記在尼雷爾國際會(huì)議上指出，中國仍有1.28億人生活在貧困線以下。中國社會(huì)科學(xué)院和國務(wù)院扶貧辦聯(lián)合發(fā)布的《中國扶貧開發(fā)報(bào)告2016》（扶貧藍(lán)皮書）指出，改革開放以來，中國實(shí)現(xiàn)了“迄今人類歷史上最快速度的大規(guī)模減貧”，按照2013年農(nóng)民年人均純收入2 300元扶貧標(biāo)準(zhǔn)，中國農(nóng)村貧困人口從1978年的7.700億人減少到2015年的5 575萬人，減少了71 425萬人。雖然脫貧事業(yè)取得了巨大的成就，但仍有大量人口生活在貧困線之下。習(xí)近平總書記在黨的十九大會(huì)議上指出，要?jiǎng)訂T全黨全國全社會(huì)力量，堅(jiān)持精準(zhǔn)扶貧、精準(zhǔn)脫貧，確保到2020年中國現(xiàn)行標(biāo)準(zhǔn)下農(nóng)村貧困人口實(shí)現(xiàn)脫貧，貧困縣全部摘帽，解決區(qū)域性貧困，做到脫真貧、真脫貧。結(jié)合當(dāng)前普惠金融的要求，本文從中國家庭受到的金融服務(wù)障礙角度，探討金融排斥對(duì)中國家庭貧困的影響。

金融排斥即部分群體由于受到社會(huì)、經(jīng)濟(jì)、地理和條件等方面的排斥從而無法合理地獲取或接近金融機(jī)構(gòu)的服務(wù)和金融產(chǎn)品的過程[1]。金融排斥和普惠金融是一對(duì)相對(duì)的概念。金融排斥極大阻礙了普惠金融的發(fā)展。國外學(xué)者最早開始從金融排斥的概念、分類等角度研究金融排斥問題。Kempson和Whyley[2]將金融排斥分為評(píng)估排斥、地理排斥、條件排斥、價(jià)格排斥、營銷排斥和自我排斥。Cebulla[3]將金融排斥分為主體排斥和機(jī)構(gòu)排斥。中國學(xué)者中，許圣道和田霖[4]最早引入金融排斥概念并進(jìn)行研究。眾多學(xué)者通過構(gòu)建金融排斥指數(shù)，衡量金融排斥問題。田霖[5]將金融機(jī)構(gòu)網(wǎng)點(diǎn)覆蓋程度、農(nóng)戶貸款比例和農(nóng)戶貸款數(shù)量等因素綜合起來構(gòu)建了金融排斥指數(shù)，提出金融機(jī)構(gòu)應(yīng)積極響應(yīng)國家方針政策，利用政策優(yōu)勢(shì)來完善農(nóng)村地區(qū)相關(guān)金融體系建設(shè)，加大財(cái)政支農(nóng)力度，為三農(nóng)服務(wù)。李春宵和賈金榮[6]運(yùn)用省際面板數(shù)據(jù)，從金融服務(wù)深度、可得性、可使用度和可負(fù)擔(dān)度四個(gè)方面測(cè)算各省金融排斥指數(shù)。王修華等[7]通過地理、條件以及價(jià)格和營銷四個(gè)排斥維度構(gòu)建評(píng)價(jià)指標(biāo)體系，發(fā)現(xiàn)農(nóng)村金融排斥存在較大的地區(qū)差異。張國俊等[8]使用2004年和2012年的數(shù)據(jù)，以省際面板數(shù)據(jù)為樣本計(jì)算了兩年的金融排斥指數(shù)。眾多學(xué)者通過構(gòu)建金融排斥指數(shù)的方法對(duì)金融排斥問題進(jìn)行了定量研究，具有一定的借鑒意義。

目前直接對(duì)金融排斥與貧困之間關(guān)系進(jìn)行研究的文獻(xiàn)較少，多數(shù)文獻(xiàn)是從金融發(fā)展與貧困之間的關(guān)系來進(jìn)行研究的，目前理論界對(duì)金融發(fā)展與貧困之間的關(guān)系主要有三種解釋：

其一，部分學(xué)者認(rèn)為，金融發(fā)展與貧困減緩之間存在正向關(guān)系，即金融發(fā)展水平越高，貧困減緩程度越大。Honohan[9]利用中國、英國、韓國和俄羅斯的數(shù)據(jù)發(fā)現(xiàn)，金融發(fā)展水平提高的同時(shí)貧困人口總數(shù)降低，說明金融發(fā)展與貧困減緩存在正相關(guān)關(guān)系。Kappel[10]發(fā)現(xiàn)，金融發(fā)展能夠減少貧困和收入不平等，且金融發(fā)展對(duì)貧困減少的效果大于對(duì)收入不平等的影響。呂勇斌和趙培培[11]利用面板模型研究發(fā)現(xiàn)，農(nóng)村金融發(fā)展對(duì)貧困有減緩的作用。羅斯丹等[12]的研究顯示，金融發(fā)展的減貧作用受到人均收入影響，人均收入越高，貧困減緩效果越好。邵漢華和王凱月[13]的研究表明，發(fā)展普惠金融能夠減少貧困現(xiàn)象的發(fā)生，在減少貧困廣度方面的作用大于減少貧困深度方面的作用。陳華和孫忠琦[14]的研究也證明，金融發(fā)展能夠減少貧困。

其二，有的學(xué)者認(rèn)為，金融發(fā)展與貧困之間不呈現(xiàn)正向關(guān)系。Maurer和Haber[15]認(rèn)為，金融發(fā)展使資源更多的流向了富人，導(dǎo)致收入分配更加不平等。楊俊等[16]對(duì)城市和農(nóng)村進(jìn)行了實(shí)證研究，結(jié)果顯示，農(nóng)村地區(qū)金融發(fā)展對(duì)貧困減緩作用不顯著，而城市地區(qū)金融發(fā)展明顯改善了貧困狀況。Perez-Moreno[17]認(rèn)為，金融發(fā)展與貧困不存在格蘭杰因果關(guān)系的結(jié)論。Sehrawat和Giri[18]研究了南亞區(qū)域部分合作國家的金融發(fā)展與城鄉(xiāng)收入差距，發(fā)現(xiàn)金融發(fā)展會(huì)導(dǎo)致城鄉(xiāng)之間的收入差距擴(kuò)大。

其三，一些學(xué)者認(rèn)為，金融發(fā)展與貧困減緩之間不是線性關(guān)系。Greenwood和Jovanovic[19]的研究結(jié)果顯示，金融發(fā)展與收入分配呈倒U型關(guān)系，說明兩者之間并非單純的線性相關(guān)關(guān)系。Townsend和Ueda[20]認(rèn)為，短期內(nèi)金融發(fā)展會(huì)加大收入分配的不均衡，但長期內(nèi)可通過改善收入分配的情況從而改善貧困狀況。崔艷娟和孫剛[21]的研究表明，由于存在金融服務(wù)成本的限制，金融發(fā)展減緩貧困的作用會(huì)出現(xiàn)先惡化后改善的效應(yīng)。黃秋萍等[22]認(rèn)為，中國金融發(fā)展水平與貧困減緩之間的關(guān)系，選用面板平滑轉(zhuǎn)換模型，結(jié)果顯示，兩者存在顯著的非線性關(guān)系，并具有顯著的單一門檻特征，在門檻值之前，金融發(fā)展對(duì)貧困減緩有抑制作用，跨過門檻值之后，金融發(fā)展減少了貧困的發(fā)生。

總結(jié)已有文獻(xiàn)，金融發(fā)展對(duì)貧困的作用存在不確定性，而直接研究金融排斥與家庭貧困之間關(guān)系的文獻(xiàn)則相對(duì)不足。根據(jù)2015年中國家庭金融調(diào)查的數(shù)據(jù)計(jì)算得出，非普惠家庭的貧困率為33.7%，普惠家庭的貧困率為12.5%。普惠家庭和非普惠家庭的貧困率相差21.2%，是否為普惠家庭極大地影響了家庭的貧困概率?？梢姡栈萁鹑诳梢越档拓毨蔥2]，那么金融排斥是否會(huì)反過來增加貧困的概率呢？家庭受到儲(chǔ)蓄和支付排斥，例如，家庭沒有正規(guī)金融賬戶將導(dǎo)致家庭無法參與金融活動(dòng)，既然家庭沒有正規(guī)金融賬戶也就相應(yīng)地缺乏金融投資機(jī)會(huì)，家庭貧困概率更高;家庭受到信貸排斥將導(dǎo)致家庭無法獲取相應(yīng)的貸款，無法滿足生產(chǎn)經(jīng)營、教育和住房等需求，使家庭難以脫離貧困現(xiàn)狀;家庭受到保險(xiǎn)排斥則無法獲取相應(yīng)的保險(xiǎn)保障，一旦家庭面臨意外無法通過正規(guī)保險(xiǎn)程序得到賠償，不得不依靠自身擺脫困境，導(dǎo)致家庭更為貧困?？傮w來看，本文從實(shí)證角度利用微觀數(shù)據(jù)直接研究金融排斥與家庭貧困的關(guān)系，彌補(bǔ)已有文獻(xiàn)的不足。

論證金融排斥對(duì)家庭貧困的影響。

二、數(shù)據(jù)與變量

（一）數(shù)據(jù)來源

本文數(shù)據(jù)源自西南財(cái)經(jīng)大學(xué)中國家庭金融調(diào)查中心2015年對(duì)全國29個(gè)?。ㄊ?、區(qū)），360個(gè)縣，1 400個(gè)村（居）委會(huì)，37 000戶家庭實(shí)地調(diào)研得到的數(shù)據(jù)。調(diào)查采用三階段、分層和人口規(guī)模成比例的抽樣方法，借助計(jì)算機(jī)輔助調(diào)查系統(tǒng)完成了中國家庭的微觀信息調(diào)研。中國家庭金融調(diào)查（CHFS）數(shù)據(jù)代表性好、質(zhì)量高，為國內(nèi)外學(xué)者提供了豐富的微觀數(shù)據(jù)[23]。

（二）變量界定與描述性統(tǒng)計(jì)

1.被解釋變量

家庭貧困。根據(jù)2015年國家貧困線標(biāo)準(zhǔn)，本文以中國設(shè)定的農(nóng)村家庭人均年收入2 800元為劃分標(biāo)準(zhǔn)，對(duì)數(shù)據(jù)進(jìn)行處理，家庭人均年收入大于2 800元即認(rèn)定為非貧困家庭，賦值為0;人均年收入小于等于2 800元即認(rèn)定為貧困家庭，賦值為1。進(jìn)一步地，根據(jù)2015年國家貧困線標(biāo)準(zhǔn)，對(duì)CHFS數(shù)據(jù)中的家庭進(jìn)行0，1劃分，生成啞變量。實(shí)際操作中根據(jù)家庭年總收入除以家庭人口總數(shù)得到人均年收入。

2.解釋變量

金融排斥。根據(jù)普惠金融的定義，本文從儲(chǔ)蓄、支付、保險(xiǎn)和信貸幾個(gè)方面來全面衡量家庭是否合理地獲取了金融產(chǎn)品或服務(wù)。因此，本文從上述幾方面對(duì)金融排斥進(jìn)行衡量。儲(chǔ)蓄支付層面，以家庭是否具有正規(guī)金融賬戶（銀行儲(chǔ)蓄卡或活期存折）來考察家庭是否獲得儲(chǔ)蓄和對(duì)外支付服務(wù)[24];信貸層面，按照家庭在農(nóng)業(yè)、工商業(yè)方面是否滿足了其全部貸款需求來劃分，首先考慮家庭是否需要貸款，其次考察家庭貸款需求是全部滿足，還是滿足一大部分、滿足一半、滿足一小部分。如果家庭貸款需求完全得到滿足，則認(rèn)為無排斥，反之則有;保險(xiǎn)層面，以家庭的戶主是否具有養(yǎng)老保險(xiǎn)和醫(yī)療保險(xiǎn)來衡量，而并不以簽訂勞務(wù)合同時(shí)劃分的五險(xiǎn)一金來衡量，原因是很多人為農(nóng)民、個(gè)體工商戶、自營手工業(yè)者和網(wǎng)店店主等，這些工作大多沒有單位給予繳納失業(yè)、工傷、生育保險(xiǎn)及住房公積金，如果包括上述三險(xiǎn)一金，任意受到一種排斥的概率就會(huì)變大，使解釋變量范圍擴(kuò)大，回歸結(jié)果出現(xiàn)偏差。如果戶主在社會(huì)養(yǎng)老保險(xiǎn)和社會(huì)醫(yī)療保險(xiǎn)兩方面都獲得了保障，則認(rèn)為沒有受到保險(xiǎn)排斥，否則認(rèn)為受到了保險(xiǎn)排斥。

金融排斥指數(shù)。根據(jù)前述儲(chǔ)蓄、支付、保險(xiǎn)和信貸三個(gè)維度的考察，本文通過因子分析方法，將上述幾個(gè)維度的變量降維成一個(gè)金融排斥指數(shù)進(jìn)行分析。為避免極端值的影響，本文剔除極端值和數(shù)據(jù)缺失的樣本，剔除了戶主年齡小于16歲的家庭以及家庭房產(chǎn)數(shù)量大于30套的家庭，最終得到33 685個(gè)家庭數(shù)據(jù)。

3.控制變量

參考已有文獻(xiàn)[25-26]，結(jié)合本文研究特點(diǎn)，選擇如下控制變量：

戶主特征變量。具體包括：年齡、年齡2/100、是否為中共黨員、性別、有無工作、戶口類型、受教育年限和婚姻狀況。戶主為中共黨員賦值為1，否則為0;戶主為女性賦值為1，否則為0;戶主有工作賦值為1，無工作賦值為0;如果戶主有農(nóng)業(yè)戶籍賦值為1，其余戶籍類型賦值為0;戶主已婚賦值為1，否則為0。

家庭特征變量。具體包括：風(fēng)險(xiǎn)態(tài)度、家庭房產(chǎn)數(shù)量、家庭資產(chǎn)，家庭對(duì)經(jīng)濟(jì)和金融信息的關(guān)注度（簡稱“信息關(guān)注度”）。如果家庭的風(fēng)險(xiǎn)態(tài)度選擇高風(fēng)險(xiǎn)、高收益，或較高風(fēng)險(xiǎn)、較高收益，則認(rèn)為其屬于風(fēng)險(xiǎn)偏好;如果家庭的風(fēng)險(xiǎn)態(tài)度選擇希望承受略低風(fēng)險(xiǎn)、獲得略低收益，或不承受風(fēng)險(xiǎn)則屬于風(fēng)險(xiǎn)厭惡;家庭房產(chǎn)數(shù)量按照家庭無房產(chǎn)取0，有一處房產(chǎn)取1，以此類推賦值。根據(jù)信息關(guān)注度，將非常關(guān)注、很關(guān)注、一般、不太關(guān)注、不關(guān)注進(jìn)行五個(gè)層次的劃分，分為1—5進(jìn)行賦值[25]。

地區(qū)特征變量。具體包括：地區(qū)性質(zhì)（農(nóng)村或城市）、區(qū)域類型（東部、中部、西部）。農(nóng)村為1，城市為0;東部為1，中部為2，西部為3。

宏觀經(jīng)濟(jì)變量。宏觀經(jīng)濟(jì)變量選取2014年各省的GDP總量進(jìn)行衡量。

4.變量的描述性統(tǒng)計(jì)

表1給出了變量的描述性統(tǒng)計(jì)結(jié)果。

三、模型設(shè)定與內(nèi)生性討論

（一）模型設(shè)定

根據(jù)被解釋變量的特點(diǎn)，本文選用Probit模型進(jìn)行回歸估計(jì)，具體如下：

Prob（Y=1|X）=Prob（αFinancial_Exclusion+Xβ+μ>0|X）（1）

其中，Y表示家庭貧困，如果家庭中的人均年收入比2015年國家貧困線標(biāo)準(zhǔn)低，則認(rèn)為是貧困家庭，賦值為1;反之，賦值為0。X為控制變量，包括戶主特征變量、家庭特征變量、地區(qū)特征變量及宏觀經(jīng)濟(jì)變量。Financial_Exclusion表示金融排斥，分別用儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥進(jìn)行衡量。μ為隨機(jī)擾動(dòng)項(xiàng)，μ～N（0，σ2），由于本文樣本數(shù)量足夠大，可認(rèn)為其服從正態(tài)分布。

（二）內(nèi)生性討論

可能存在互為因果、遺漏變量而導(dǎo)致的內(nèi)生性問題。一方面，金融排斥與家庭貧困之間可能存在互為因果導(dǎo)致的內(nèi)生性問題。家庭貧困會(huì)導(dǎo)致家庭缺乏足夠的社會(huì)和經(jīng)濟(jì)資源進(jìn)行儲(chǔ)蓄，不能成功地申請(qǐng)貸款，也不能參與購買養(yǎng)老保險(xiǎn)和醫(yī)療保險(xiǎn)。同時(shí)，貧困通常會(huì)導(dǎo)致家庭缺乏信心，沒有參與金融市場(chǎng)，積極申請(qǐng)貸款的意愿，從而產(chǎn)生自我排斥。另一方面，可能存在遺漏變量導(dǎo)致的內(nèi)生性問題。戶主的性格特點(diǎn)是否積極樂觀，是否有脫貧致富的愿望可能會(huì)同時(shí)影響金融排斥和家庭貧困，而這些因素很難觀測(cè)和度量。因此，我們引入工具變量法運(yùn)用IVProbit模型進(jìn)行回歸，在工具變量的選擇方面，分別使用社區(qū)其他家庭受到的儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥的均值作為本家庭受到儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥的工具變量。由于本文因子分析降維形成的金融排斥指數(shù)是儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥三個(gè)方面的綜合，因此，進(jìn)行IVProbit回歸時(shí)選擇社區(qū)層面除本家庭以外其余家庭的平均金融排斥指數(shù)。

由于篇幅限制，具體計(jì)算過程省略，留存?zhèn)渌鳌?/p>

四、回歸結(jié)果分析

（一）儲(chǔ)蓄支付排斥對(duì)家庭貧困的影響

儲(chǔ)蓄支付排斥對(duì)家庭貧困影響的回歸結(jié)果如表2所示。從表2可以看出，IVProbit模型中，儲(chǔ)蓄支付排斥與家庭貧困在1%水平上顯著正相關(guān)。儲(chǔ)蓄支付排斥使家庭貧困概率增加6.9%，即家庭受到的儲(chǔ)蓄支付排斥越嚴(yán)重，家庭越容易陷入貧困。工具變量的檢驗(yàn)結(jié)果顯示，一階段F值為590.610，大于10%水平上的臨界值16.380，工具變量t值為39.270，這說明不存在弱工具變量問題。同時(shí)，Wald檢驗(yàn)的估計(jì)值為41.820，在1%水平上拒絕了不存在內(nèi)生性的原假設(shè)，說明使用工具變量進(jìn)行估計(jì)是必要的。估計(jì)結(jié)果一致表明，儲(chǔ)蓄支付排斥會(huì)增加家庭貧困的概率。缺乏儲(chǔ)蓄支付這種基本金融服務(wù)會(huì)在一定程度上阻礙家庭正常開展生產(chǎn)經(jīng)營活動(dòng)，增大了家庭陷入貧困的概率。

從表2的控制變量來看，以第2列的估計(jì)結(jié)果為主。戶主年齡與家庭貧困呈先下降后上升的U型關(guān)系。戶主受教育年限的估計(jì)系數(shù)為-0.006，這表明戶主受教育程度每增加1年，家庭貧困的概率顯著降低0.6%。戶主受教育水平越高的家庭，越容易獲得中高層工作崗位，收入來源穩(wěn)定，收入和資產(chǎn)會(huì)更多，可投資金融產(chǎn)品的資源和財(cái)富越多，貧困的可能性越低。相比其他情況，戶主為黨員的家庭陷入貧困的概率顯著降低1.7%。黨員性質(zhì)對(duì)貧困具有反向影響，一般來說，黨員的先進(jìn)性和積極性更高，主動(dòng)參與的事務(wù)更多，得到資源的機(jī)會(huì)更多，社會(huì)資源豐富，有更多的投融資方式，因而黨員受到金融排斥的可能性較小，家庭貧困的概率更低。城市地區(qū)戶主為男性時(shí)，對(duì)家庭的貧困狀況有正向影響，而在農(nóng)村地區(qū)這種情況則不顯著。這與張棟浩和尹志超[1]研究發(fā)現(xiàn)，在農(nóng)村家庭，當(dāng)戶主為男性時(shí)，普惠金融對(duì)農(nóng)村家庭貧困脆弱性影響不顯著，這與本文的估計(jì)結(jié)果一致。戶主通常是家庭重要的經(jīng)濟(jì)來源，戶主有工作，家庭有更穩(wěn)定的經(jīng)濟(jì)來源，貧困概率顯著降低6.3%。相比風(fēng)險(xiǎn)偏好和風(fēng)險(xiǎn)中性的家庭，風(fēng)險(xiǎn)厭惡家庭陷入貧困的概率顯著降低3.1%。這可能是因?yàn)?，風(fēng)險(xiǎn)厭惡的家庭表現(xiàn)為不愿意承擔(dān)高風(fēng)險(xiǎn)獲得高收益，此類家庭普遍在金融市場(chǎng)上較為保守，往往持有穩(wěn)健的投資態(tài)度，家庭貧困的概率更低。家庭對(duì)經(jīng)濟(jì)和金融信息的關(guān)注度采用五級(jí)分類衡量，家庭非常關(guān)注、關(guān)注、一般、不關(guān)注、非常不關(guān)注從1—5賦值，回歸結(jié)果顯示，家庭信息關(guān)注度由非常關(guān)注到非常不關(guān)注的轉(zhuǎn)變會(huì)對(duì)家庭貧困產(chǎn)生正向影響，說明家庭積極關(guān)注經(jīng)濟(jì)信息可以提高金融素養(yǎng)，擁有基礎(chǔ)金融知識(shí)的家庭在家庭財(cái)富方面資源更多，而從不關(guān)注金融和經(jīng)濟(jì)信息的家庭則更容易出現(xiàn)信息匱乏，缺乏投資渠道，這會(huì)導(dǎo)致家庭更為貧困。家庭資產(chǎn)顯然對(duì)家庭貧困具有負(fù)向影響。戶主戶口類型的估計(jì)系數(shù)為0.105，在1%水平上顯著，當(dāng)戶主有農(nóng)業(yè)戶籍時(shí)，家庭貧困的概率顯著上升10.5%，這表明戶主有農(nóng)業(yè)戶籍時(shí)家庭貧困的可能性更大。而區(qū)域類型對(duì)家庭貧困的影響并不顯著，由于各區(qū)域的家庭都有農(nóng)戶、非農(nóng)戶，富裕家庭、一般家庭、貧困家庭之分，故認(rèn)為區(qū)域類型并不能充分反映家庭的貧困程度。農(nóng)村家庭貧困的可能性更大，這和文獻(xiàn)結(jié)果是一致的[6-7-26]。宏觀經(jīng)濟(jì)水平對(duì)家庭貧困具有顯著的負(fù)效應(yīng)，當(dāng)各省整體GDP水平更高時(shí)，該省家庭的綜合經(jīng)濟(jì)實(shí)力相對(duì)更強(qiáng)，省內(nèi)整體的金融基礎(chǔ)設(shè)施越完善，金融發(fā)展水平越高，居民金融素養(yǎng)也相對(duì)越高，金融知識(shí)越豐富，家庭貧困概率越低。

（二）信貸排斥對(duì)家庭貧困的影響

信貸排斥對(duì)家庭貧困影響的回歸結(jié)果如表3所示。從表3可以看出，Probit模型估計(jì)結(jié)果顯示，信貸排斥不僅顯著增加了農(nóng)村家庭的貧困概率，而且顯著增加了城市家庭貧困概率。考慮到潛在的內(nèi)生性問題，本文進(jìn)一步使用社區(qū)其他家庭的信貸排斥平均水平作為本家庭信貸排斥的工具變量。IVProbit模型估計(jì)結(jié)果顯示，信貸排斥對(duì)農(nóng)村家庭貧困沒有顯著影響，但是對(duì)城市家庭貧困具有顯著的影響，當(dāng)城市家庭受到信貸排斥時(shí)，陷入貧困的概率顯著上升7.2%。家庭面臨信貸排斥，導(dǎo)致家庭無法利用信貸開展生產(chǎn)經(jīng)營活動(dòng)，家庭無法利用現(xiàn)有資源也不能通過借貸的形式滿足家庭需求，導(dǎo)致家庭不能改善貧困現(xiàn)狀，提高了家庭貧困的概率。工具變量的檢驗(yàn)結(jié)果表明，一階段F值為88.940，工具變量t值為17.340，因此，不存在弱工具變量問題。Wald檢驗(yàn)的估計(jì)值為13.070，在1%水平上拒絕了不存在內(nèi)在性的原假設(shè)，說明使用工具變量進(jìn)行估計(jì)是必要的。

（三）保險(xiǎn)排斥對(duì)家庭貧困的回歸結(jié)果

保險(xiǎn)排斥對(duì)家庭貧困的回歸結(jié)果如表4所示。

從表4可以看出， Probit模型估計(jì)結(jié)果顯示，整體上保險(xiǎn)排斥使家庭貧困的概率顯著上升7.1%。分農(nóng)村和城市來看，保險(xiǎn)排斥使農(nóng)村家庭貧困的概率顯著上升5.9%，城市家庭貧困的概率顯著上升7.5%。進(jìn)一步地，工具變量的估計(jì)結(jié)果是一致的，保險(xiǎn)排斥不僅顯著增加了農(nóng)村家庭陷入貧困的概率，而且顯著增加了城市家庭陷入貧困的概率。工具變量的檢驗(yàn)結(jié)果顯示，一階段F值為298.600，工具變量t值為43.760，因而不存在弱工具變量問題。養(yǎng)老保險(xiǎn)、醫(yī)療保險(xiǎn)是重要的家庭保障，能夠有效分散家庭風(fēng)險(xiǎn)，是很多中國家庭保持生活正常運(yùn)轉(zhuǎn)的一道重要防線。如果沒有養(yǎng)老保險(xiǎn)和醫(yī)療保險(xiǎn)，那么家庭就缺失重要的生活保障，這導(dǎo)致家庭缺乏穩(wěn)定的收入來源，也限制了家庭從事創(chuàng)業(yè)等生產(chǎn)經(jīng)營活動(dòng)，導(dǎo)致家庭陷入貧困的概率更大。

五、進(jìn)一步分析

（一） 金融排斥指數(shù)的構(gòu)建

本文通過因子分析，將儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥三個(gè)維度降維，構(gòu)建金融排斥指數(shù)，如表5所示。從表5可以看出，初始變量可以提取出三個(gè)因子，但其中只有因子1的特征值大于1。根據(jù)Kaiser準(zhǔn)則，只有特征值大于1才可算作因子數(shù)，因此，因子1進(jìn)入因子旋轉(zhuǎn)環(huán)節(jié)，用因子1代表金融排斥指數(shù)代替上述三個(gè)維度的金融排斥來全面衡量家庭的金融排斥程度。

對(duì)金融排斥指數(shù)提取的因子進(jìn)行降維處理，具體如表6所示。從表6可以看出，上文構(gòu)建的金融排斥指數(shù)可代表儲(chǔ)蓄支付排斥的比例為71.1%，可代表保險(xiǎn)排斥的比例為73.8%，可代表信貸排斥的比例為29.0%，代表性良好，總體KMO值為0.505，滿足因子分析的條件，適合進(jìn)行因子分析。

（二）金融排斥指數(shù)對(duì)家庭貧困的影響

以金融排斥指數(shù)為解釋變量，被解釋變量和控制變量保持不變，再對(duì)模型進(jìn)行回歸。解釋變量和部分控制變量的回歸結(jié)果如表7所示。

從表7可以看出，Probit模型回歸結(jié)果顯示，金融排斥指數(shù)使家庭陷入貧困的概率增加4.7%，說明金融排斥有效增加了家庭貧困的概率，家庭受到的金融排斥越多，家庭貧困的概率越大。引入工具變量后，IVProbit模型回歸結(jié)果顯示，金融排斥指數(shù)每增加1單位，家庭貧困的概率顯著增加4.5%，其中農(nóng)村家庭的貧困概率顯著增加4.5%，城市家庭的貧困概率顯著增加35.4%，這說明金融排斥使家庭貧困的概率大為提高，極大地影響了家庭貧困。

六、結(jié)論與政策建議

（一）結(jié)論

本文基于中國家庭金融調(diào)查（CHFS）2015年數(shù)據(jù)，從家庭儲(chǔ)蓄支付、信貸和保險(xiǎn)幾個(gè)維度出發(fā)，運(yùn)用Probit模型實(shí)證檢驗(yàn)了金融排斥對(duì)家庭貧困的影響。研究發(fā)現(xiàn)，金融排斥是導(dǎo)致家庭貧困的重要原因，其中，儲(chǔ)蓄支付排斥、信貸排斥和保險(xiǎn)排斥都對(duì)家庭的貧困狀況產(chǎn)生正向影響，增加家庭貧困的概率。進(jìn)一步地，本文構(gòu)建金融排斥指數(shù)，用金融排斥指數(shù)作為總體代表金融排斥各維度指標(biāo)運(yùn)用IVProbit模型進(jìn)行回歸分析，結(jié)果發(fā)現(xiàn)，金融排斥指數(shù)對(duì)家庭貧困仍然具有顯著地正向影響。本文的回歸都采取了分樣本的檢驗(yàn)方法，對(duì)城市和農(nóng)村的分組考察也使得回歸結(jié)果更具說服力。

（二）政策建議

第一，積極推動(dòng)金融基礎(chǔ)設(shè)施建設(shè)，緩解儲(chǔ)蓄支付排斥。應(yīng)加大金融基礎(chǔ)設(shè)施的建設(shè)力度，積極推廣銀行卡的使用，加大對(duì)普惠金融和貧困農(nóng)戶、城市低收入人群以及小微經(jīng)濟(jì)體的支持力度，給弱勢(shì)群體和中小微經(jīng)濟(jì)體更多扶持，加大金融支農(nóng)支小的作用，積極推動(dòng)普惠金融體系的硬件建設(shè)，緩解金融排斥現(xiàn)象。

第二，建設(shè)完善的信貸體系，減少中國家庭受到的信貸排斥。應(yīng)加大對(duì)金融公司的支持力度，加大對(duì)小微金融業(yè)務(wù)的財(cái)政支持，使得更多金融機(jī)構(gòu)，如小貸公司、信托公司能夠?qū)①J款發(fā)放給貧困家庭從而支持普惠金融的建設(shè)，減少家庭受到的信貸排斥，減少?zèng)]有信貸額度或信貸額度不夠等情況的頻繁發(fā)生。

第三，擴(kuò)大保險(xiǎn)覆蓋范圍，保障國計(jì)民生，緩解保險(xiǎn)排斥。加大對(duì)醫(yī)療保險(xiǎn)、養(yǎng)老保險(xiǎn)、失業(yè)保險(xiǎn)、工傷保險(xiǎn)和生育保險(xiǎn)等通過簽訂勞動(dòng)合同進(jìn)行保障，大力擴(kuò)大保險(xiǎn)保障范圍，尤其是拓寬農(nóng)民享受保險(xiǎn)權(quán)利的途徑，減緩家庭保險(xiǎn)排斥。

第四，促進(jìn)區(qū)域經(jīng)濟(jì)發(fā)展，全面提升金融發(fā)展水平。應(yīng)大力發(fā)展實(shí)體經(jīng)濟(jì)，促進(jìn)人均GDP的增加，提升現(xiàn)代化科技水平，發(fā)展特色產(chǎn)業(yè)，提高中國綜合硬實(shí)力和經(jīng)濟(jì)軟實(shí)力，積極推動(dòng)技術(shù)轉(zhuǎn)型升級(jí)，大量發(fā)展金融業(yè)，保持社會(huì)和諧穩(wěn)定，通過提升生活質(zhì)量逐步提高人民生活幸福感和滿意度，使區(qū)域經(jīng)濟(jì)良好發(fā)展，提升家庭經(jīng)濟(jì)水平，降低家庭貧困的概率。

第五，全民普及金融知識(shí)，提升居民金融素養(yǎng)。金融機(jī)構(gòu)如銀行應(yīng)從多渠道開展金融知識(shí)教育，借助互聯(lián)網(wǎng)實(shí)施娛樂性教育，從而提升國民金融素養(yǎng)。此外，還可借助學(xué)校課堂作用，在中小學(xué)開展金融知識(shí)教育，從小抓起，培養(yǎng)新一代青少年的金融知識(shí)。另外，可以開展社區(qū)金融知識(shí)宣傳等教育，以社區(qū)為單位相互學(xué)習(xí)金融知識(shí)，有利于社會(huì)經(jīng)濟(jì)文明建設(shè)，有利于脫貧減貧，減少金融排斥，實(shí)現(xiàn)金融普惠。

第五，大力發(fā)展金融科技，助力普惠金融體系建設(shè)?；ヂ?lián)網(wǎng)金融的發(fā)展、ATM自助柜員機(jī)、網(wǎng)上銀行和手機(jī)銀行等金融服務(wù)的產(chǎn)生大大推動(dòng)了金融的發(fā)展。在貧困地區(qū)，人均金融機(jī)構(gòu)擁有數(shù)量低，金融機(jī)構(gòu)距離遠(yuǎn)等問題突出，有了互聯(lián)網(wǎng)金融的助力，家庭成員能夠通過更多方式接觸金融服務(wù)。云計(jì)算、大數(shù)據(jù)等高新技術(shù)，更是將金融科技推到社會(huì)發(fā)展前列。因此，大力發(fā)展金融科技，勢(shì)必會(huì)提升社會(huì)整體的金融經(jīng)濟(jì)水平，有助于普惠金融體系的構(gòu)建，減緩金融排斥現(xiàn)象，提升家庭經(jīng)濟(jì)水平，減少家庭貧困。

參考文獻(xiàn)：

[1]

張棟浩， 尹志超.?金融普惠、風(fēng)險(xiǎn)應(yīng)對(duì)與農(nóng)村家庭貧困脆弱性[J].?中國農(nóng)村經(jīng)濟(jì)， 2018， （4）： 54-73.

[2]?Kempson， H.， Whyley， C.?Kept Out or Opted Out？ Understanding and Combating Financial Exclusion[M].Bristol ： Policy Press，1999.

[3] Cebulla， A.?A Geography of Insurance Exclusion： Perceptions of Unemployment Risk and Actuarial Risk Assessment[J].Area， 1999， 31（2）： 111-121.

[4] 許圣道， 田霖.?我國農(nóng)村地區(qū)金融排斥研究[J].?金融研究， 2008， （7）： 195-206.

[5] 田霖.?我國農(nóng)村地區(qū)金融排斥研究[J].?調(diào)研世界， 2010， （2）： 6-8.

[6] 李春霄， 賈金榮.?我國金融排斥程度研究——基于金融排斥指數(shù)的構(gòu)建與測(cè)算[J].?當(dāng)代經(jīng)濟(jì)科學(xué)， 2012， （2）： 9-15.

[7] 王修華， 傅勇， 賀小金， 等.?中國農(nóng)戶受金融排斥狀況研究——基于我國 8省29縣1547戶農(nóng)戶的調(diào)研[J].?金融研究， 2013， （7）： 139-152.

[8] 張國俊， 周春山， 許學(xué)強(qiáng).?中國金融排斥的省際差異及影響因素[J].?地理研究， 2014， （2）： 2299-2311.

[9] Honohan， P.?Financial Sector Policy and the Poor： Selected Findings and Issues[EB/OL].?https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=874524， 2006-01-10.

[10] Kappel，V.?The Effects of Financial Development on Income Inequality and Poverty[EB/OL].https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1585148， 2010-04-07.

[11] 呂勇斌， 趙培培.?我國農(nóng)村金融發(fā)展與反貧困績效：基于2003—2010年的經(jīng)驗(yàn)證據(jù)[J].?農(nóng)業(yè)經(jīng)濟(jì)問題， 2014， （1）： 54-60.

[12] 羅斯丹， 陳曉， 姚悅欣.?我國普惠金融發(fā)展的減貧效應(yīng)研究[J].?當(dāng)代經(jīng)濟(jì)研究， 2016， （12）： 84-93.

[13] 邵漢華， 王凱月.?普惠金融的減貧效應(yīng)及作用機(jī)制——基于跨國面板數(shù)據(jù)的實(shí)證分析[J].?金融經(jīng)濟(jì)學(xué)研究， 2017， （6）： 65-74.

[14] 陳華， 孫忠琦.?金融發(fā)展緩解了收入不平等和貧困嗎？——基于省區(qū)面板數(shù)據(jù)的實(shí)證研究[J].?上海金融， 2017， （11）： 3-13.

[15] Maurer， N.， Haber， S.Related Lending and Economic Performance： Evidence From Mexico[J].?Journal of Economic History， 2007， 67（3）： 551-581.

[16] 楊俊， 王燕， 張宗益.?中國金融發(fā)展與貧困減少的經(jīng)驗(yàn)分析[J].?世界經(jīng)濟(jì)， 2008， （8）： 62-76.

[17] Perez-Moreno，S.?Financial Development and Poverty in Developing Countries： A Causal Analysis[J].Empirical Economics， 2011， 41（1）： 57-80.

[18] Sehrawat，M.， Giri， A.?K.?Panel Data Analysis of Financial Development， Economic Growth and Rural-Urban Income Inequality： Evidence From SAARC Countries[J].?International Journal of Social Economics， 2016， 43（10）： 998-1015.

[19] Greenwood， J.， Jovanovic， B.?Financial Development， Growth， and the Distribution of Income[J].Journal of Political Economy， 1990， 98（5）： 1076-1107.

[20] Townsend， R.?M.， Ueda， K.?Financial Deepening， Inequality， and Growth： A Model-Based Quantitative Evaluation[J].Review of Economic Studies， 2006， 73（1）： 251-280.

[21] 崔艷娟， 孫剛.?金融發(fā)展是貧困減緩的原因嗎？——來自中國的證據(jù)[J].?金融研究， 2012， （11）： 116-127.

[22] 黃秋萍， 胡宗義， 劉亦文.?中國普惠金融發(fā)展水平及其貧困減緩效應(yīng)[J].?金融經(jīng)濟(jì)學(xué)研究， 2017， （6）： 75-84.

[23] 甘犁， 尹志超， 賈男， 等.?中國家庭資產(chǎn)狀況及住房需求分析[J].?金融研究， 2013， （4）： 1-14.

[24] Demirguc-Kunt，A.， Singer， D.?Financial Inclusion and Inclusive Growth： A Review of Recent Empirical Evidence[EB/OL].?https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2958542， 2017-04-26.

[27] Stock，J.?H.， Yogo， M.Testing for Weak Instruments in Linear IV Regression[EB/OL].?https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=346941， 2003-04-02.

[29] Devlin， J.?F.?A Detailed Study of Financial Exclusion in the UK[J].?Journal of Consumer Policy， 2005， 28（1）： 75-108.

[24] 張?zhí)枟?，尹志??金融知識(shí)和中國家庭的金融排斥——基于 CHFS 數(shù)據(jù)的實(shí)證研究[J].?金融研究， 2016， （7）： 80-95.

[25] 李濤， 王志芳， 王海港， 等.?中國城市居民的金融排斥狀況研究[J].?經(jīng)濟(jì)研究， 2010， （7）： 15-30.

[26] 高沛星， 王修華.?我國農(nóng)村金融排斥的區(qū)域差異——基于省際數(shù)據(jù)的實(shí)證分析[J].?農(nóng)業(yè)技術(shù)經(jīng)濟(jì)， 2011， （4）： 93-102.

Financial Exclusion and Chinese Families Poverty

——Evidence from CHFS data

YIN Zhi-chao， GENG Zi-yu， PAN Bei-xiao

（School of finance， Capital University of Economics and Business， Beijing， 100070， China）

Abstract：Based on the 2015 CHFS China Household Finance Survey of Southwestern University of Finance and Economics， this paper uses the poverty of Chinese household as an explanatory variable to measure its impact on Chinese households （including urban households and rural residents） from three perspectives： savings and payment exclusion， credit exclusion and insurance exclusion.?The study found that households who are subject to savings and payment exclusion have the highest probability of poverty， followed by insurance exclusion， and the lowest is credit exclusion.?Financial exclusion has a positive impact on household poverty.?Financial exclusion can significantly increase the probability of household poverty.?Based on the above three aspects of analysis， this paper uses factor analysis methods to extract the principal component factors to represent the comprehensive index of financial exclusion， and returns the model.?The significance of this paper is to respond to the requirements of inclusive finance from the policy perspective and take the perspective of the financial exclusion of households as an analysis to see what aspects Chinese families need to improve， also ease the occurrence of financial exclusion and reduce the probability of household poverty.

Key words：financial exclusion; poor; financial exclusion index; endogenous problem; factor analysis