王善平 孙正欣

【摘要】金融扶贫是提升贫困者福利水平和实现可持续脱贫的一项重要方式， 互联网金融减贫具有一定的比较优势。 贫困者的减贫福利包括增加物质资本、人力资本、社会资本。 以2011 ～ 2018年我国31个省份的面板数据为样本， 采用系统GMM估计方法进行实证检验。 结果表明：互联网金融发展能够显著地直接促进减贫的物质资本积累和社会资本积累， 且比传统金融更有优势; 同时， 互联网金融基于经济增长效应和收入分配效应又能够间接实现减贫的福利增益。 根据实证结论， 为实现减贫长效性， 从互联网金融建设、与教育扶贫相结合、支持产业扶贫等方面提出政策建议。

【关键词】互联网金融;减贫;福利效应;经济增长;收入分配

【中图分类号】F830      【文献标识码】A      【文章编号】1004-0994（2021）03-0145-7

一、引言

全国人民在以习近平总书记为核心的党中央的统一领导下， 团结一心， 攻坚克难， 2020年按照既定标准实现全面脱贫， 创造了世界反贫奇迹。 但实事求是地说， 有的脱贫者的生计资本仍处于较低水平， 持续发展能力有限， 需要特别重视贫困者生计发展福利， 以实现长效减贫[1] 。

发展产业是消除贫困的一项关键举措， 金融是发展产业必不可少的“杠杆”。 金融发展通过储蓄等金融服务来帮助贫困者， 并通过提供贷款、发展产业来提升贫困者的收入水平、缩小贫困者与非贫困者的收入差距[2] 。 不过， 传统金融对减贫的影响存在门槛效应， 是非线性的[3] 。 与传统金融减贫相比， 互联网金融减贫具有诸如交易方式多元化和扩展性强、覆盖范围广等比较优势[4] ， 这主要缘于互联网信息技术可以解决信息不对称问题， 进而降低金融服务的成本和门槛、提高金融服务的精准性， 也更具包容性， 更能满足农户对金融服务的诉求[5] ， 为提升金融服务的福利水平提供了重要支持。

对于互联网金融究竟是如何提升贫困者福利水平的， 已有文献缺乏系统深入的理论分析， 也未提供相关经验证据。 鉴于此， 本文将贫困者的福利分为物质资本、人力资本和社会资本， 在分析互联网金融影响减贫福利效应机理的基础上， 以2011 ～ 2018年我国31个省份的面板数据为样本， 采用系统GMM估计方法进行实证检验， 并提出实现减贫长效性的政策建议。

二、机理分析与研究假设

互联网金融可通过物质资本、人力资本和社会资本的共同作用， 实现互联网金融减贫的福利效应[6] 。 其中， 物质资本是减贫的基础， 人力资本是实现减贫可持续性的关键， 社会资本在物质资本、人力资本的基础上发展壮大， 反过来又进一步促进其量和质的增长， 三者联合起来强化减贫的长效性。 互联网金融减贫的福利效应通常是先提升物质资本积累， 再提升人力资本、社会资本积累， 当物质资本积累到一定程度后， 互联网金融减贫的福利效应可能就体现为同时为积累这三种资本发挥提升作用。

（一）互联网金融减贫的物质资本效应

个人物质资本可以通过积累自身资本和运用贷款等外部方式来实现[7] 。 居民一般通过增加收入和储蓄两种方式增加自由资本积累， 而增加居民工资和劳动收入是提升其资本积累的重要来源。 贫困者自身的技术技能大多不能满足就业市场的需求， 无法在激烈的市场竞争中获得高额薪酬。 同时， 由于贫困者的收入低， 其当年收入用于满足预防性需求之后所剩无几， 基本上就没有多少储蓄。 互联网金融既可以通过人力资本效应提升贫困者在就业市场中的竞争力， 增加其获得相对高薪职位的可能性， 进而提升其物质资本积累; 同时， 又可以通过提供便利的储蓄服务等， 一方面把贫困者闲散的生产生活剩余存储起来， 给予其利息收入， 让其获取物质资本增值， 另一方面还可约束贫困者的消费行为， 引导贫困者合理规划和使用资金， 平滑其年度消费， 增强其以丰补欠的风控能力。

贫困者也可通过借贷、投资等外部资金增加个人物质资本。 如何在有效控制风险的基础上增加对贫困者的贷款， 是互联网金融扶贫的难点之一。 农村地区征信体系不完善， 金融服务的供给方和潜在使用者都存在较严重的信息不对称， 金融机构为控制风险、降低成本， 必然要求金融服务的需求者提供更多更好的抵押品等。 同時， 自然灾害、管理不善又进一步提高了贫困者违约的道德风险。 互联网金融利用互联网技术可精准识别贫困者的信用， 有效降低金融服务供需双方的信息不对称风险[8] ， 增加贫困者获得贷款、保险等金融资源的机会， 降低金融服务成本。 贫困地区传统金融服务存在大量“空白处”， 在这些“空白处”， 人们可以通过手机等移动终端设备进行消费收付、转账、投资等， 无须通过传统的固定金融网点来实现“现金类”交易。 互联网金融服务可实现全覆盖， 增强了贫困者金融服务的可获得性; 还可借助制度创新优势增加金融服务类型， 走上解决贫困者融资难和融资贵问题的新路， 缓解贫困者市场竞争力弱之局面[9] 。

综上， 本文提出假设1：互联网金融发展能够促进贫困者的物质资本积累。

（二）互联网金融减贫的人力资本效应

互联网金融减贫的人力资本效应， 一般通过如下两种机制来实现：一是促进贫困者人力资本优化; 二是贫困群体人力资本优化的反作用力[10] 。

人力资本是长期投资的结果， 其减贫效应的即期作用很小， 但长期效果显著[11] 。 互联网金融可以通过提高贫困者的健康水平、能力水平和道德素质等， 提高贫困者的人力资本。 健康是个人生存和发展的基本前提， 而贫困地区居民的身体素质低于全国居民的平均水平[12] 。 一方面， 基本医疗设施及其配套较差， 医务水平不高， 无法满足贫困者的医疗保健需求， 会在一定程度上影响贫困者的健康水平。 另一方面， 贫困者的收入水平不高， 难以支撑其接受看病就医和享受养老保健等服务， “因病致贫”成了“返贫”的重要因素。 互联网金融可以通过如下三类方式来帮助贫困者提升健康水平：一是丰富金融产品种类， 充分匹配贫困者的生活需求， 在降低贫困者生活成本的同时提升生活质量; 二是降低金融资源获取门槛， 鼓励贫困者通过信贷等发展生产， 增加收入， 提升生活水平和看病就医能力; 三是提供医疗保险服务， 提高贫困者看病就医的自信和降低其看病就医的成本。

人的能力是人获取收入、持续脱贫的核心要素。 接受教育是提升人的能力的主要机制。 绝对贫困者常为生计而疲于奔命， 除非外界援助、政府强制规定， 否则， 他们一般不会主动接受学历教育或职业教育。 在传统金融模式下， 贷款读书非常罕见。 但是在互联网金融模式下， 由于贷款的成本更低、速度更快、流程更简， 既可以支持教育机构传递针对性、实用性更强的海量信息给接收教育的贫困者， 直接或间接地降低其获取优质教育资源的成本， 提高其接受教育的效果， 也可以激励其贷款读书， 提高其受教育水平。 教育可以通过如下四种机制来促进经济增长， 进而提升贫困者人力资本积累：一是“提高人力资本的质量， 推动全要素生产率的提升”; 二是“提高人的知识技能， 造就相应产业所需要的劳动者， 推动产业结构升级”; 三是“提高农民的文化科学水平、生产操作能力和经济运作视野， 提高农业劳动生产率， 使更多的农民从土地上解放出来， 进入城镇的第二产业或第三产业， 加快以人为核心的新型城镇化进程”; 四是“更新消费观念， 促进居民消费增加”[13] 。 而经济增长又反过来促进教育进步， 两者相互促进， 相得益彰。

良好的道德是公民取信于世的基本条件。 互联网金融更能培养贫困者的自我约束能力进而提升其道德素养。 外界约束总是被动的、滞后的， 贫困者若不自我约束， 在贷款到期时， 可能会选择赖账、迟付等不良行为来博取短期自我收益最大化。 作为营利性组织的金融机构， 必然会控制这类风险， 或是不给他们提供贷款， 或是要求他们有更强的抵押能力， 从而使本就难以获得贷款的贫困者更难获得。 对此， 互联网金融的主要优势在于如下三个方面：一是改变了甄别风险的方式， 可以快速、精准地获得借款人的信用状况， 快速提供与之匹配的金融产品， 并实施精准的动态监控， 使借款人不得不守信、守约; 二是能增强借款人对守信重要性的认知， 激励借款人自觉守信， 以获取更多、更优的金融支持; 三是征信手段更丰富， 征信效果更及时、更全面， 不需要借款人为自己的贷款提供诸如不动产抵押和收入能力方面的证明， 借贷门槛更低。

综上， 本文提出假设2：互联网金融发展能够提升贫困者的人力资本水平。

（三）互联网金融减贫的社会资本效应

社会资本是指由社会网络、互惠性规范等相互作用而产生的信任关系网络及其效果。 互联网金融通过支持贫困者参与社会活动， 增加其社会归属感， 进而增加其社会资本。 互联网金融帮助贫困者获得实惠资本的方式主要有如下四类：一是提供诸如P2P、O2O、P2O等新型金融交易模式， 使贫困者的社会资本积累方式更具可选择性， 提高其参与金融的获得感; 二是以更低的成本为贫困者提供保险、贷款等， 支持其自主创业， 进一步激活贫困者积累社会资本的主动性; 三是以更广、更快、更准的信息传递， 协助贫困者进入经济发展水平较高的地区， 实现非农就业， 拓展社会网络， 增加其社会资本积累的面和总额; 四是支持创新意识强、有国际视野的贫困者参与国际竞争， 提升其对开放经济社会的参与感、獲得感和成功率。

综上， 本文提出假设3：互联网金融发展能够提升贫困者的社会资本水平。

三、研究设计

（一）变量的选取与衡量

1. 被解释变量。 被解释变量包括物质资本效应、人力资本效应和社会资本效应。 近年来， 学者们倾向于使用消费指标衡量贫困者的福利水平[14] 。 与收入指标相比， 消费指标能更好地衡量贫困者的长期生活水平。 因此， 本文选择农村居民消费水平cw的对数lncw衡量互联网金融减贫的物质资本效应。 贫困与受教育程度低密切相关， 贫困者受教育程度越高， 其工作能力越强， 收入越高， 工作越稳定， 越能实现脱贫不返贫[15] ， 因此选取农村劳动力受教育水平redu（平均受教育年限）衡量互联网金融减贫的人力资本效应。 社会资本越高的地区， 社会信任度越高， 经济开放程度越高[16] ， 为贫困者创造的工作机会就越多， 因此采用经济开放程度open的对数lnopen衡量互联网金融减贫的社会资本效应。

2. 解释变量。 解释变量包括互联网金融发展和传统金融发展。 本文借鉴北京大学互联网金融研究所的研究成果， 从互联网覆盖广度、使用深度、数字支持服务程度3个一级维度和账户覆盖率、支付、信互联网贷、保险等8个二级维度， 共24个指标， 编制省级、市级和县域三个层级的数字普惠金融指数， 衡量各地区互联网金融发展ifd。 采用赵勇等[17] 的做法， 用国内生产总值 GDP中金融机构各项存贷款总额占比， 衡量传统金融发展fd。

3. 控制变量。 本文主要研究互联网金融发展的减贫福利效应， 需要控制其他可能影响减贫福利效应的因素， 如经济增长、财政支农、通货膨胀和地域等。 经济增长的涓滴效应对减贫有重要影响， 本文用农村居民人均国民生产总值pgdp的对数lnpgdp作为经济增长衡量指标。 居民收入是国民收入分配的结果， 由于城乡之间存在的差异影响减贫的福利效应， 用居民收入差距gap（城市居民的收入水平除以农村居民的收入水平）来衡量。 财政支农政策对减贫的福利效应有直接和间接的重要影响， 用财政支农占比gov衡量其影响。 此外， 通货膨胀、地域等对减贫的福利效应也有重要影响， 用居民消费价格指数衡量通货膨胀率infl的影响; 将贫困者所在区域area分为东、中、西部， 并分别赋值0、1、2， 以衡量地域的影响。

（二）模型构建

本文借鉴崔艳娟、孙刚[18] 的研究， 根据上文分析的互联网金融减贫的福利效应机制， 运用系统GMM估计方法将物质资本效应、人力资本效应、社会资本效应作为被解释变量设定如下回归模型：

lncwi，t=?0+β1lncwi，t-1+β2ifdi，t+β3redui，t+

β4lnopeni，t+γXi，t+λi+μi+εi，t （1）

lncwi，t=?0+β1lncwi，t-1+β2ifdi，t+β3fdi，t+β4fd×

ifdi，t+β5redui，t+β6lnopeni，t+γXi，t+λi，t+μi，t+εi，t （2）

redui，t=?0+β1redui，t-1+β2ifdi，t+β3lncwi，t+

β4lnopeni，t+γXi，t+λt+μi+εi，t （3）

redui，t=?0+β1redui，t-1+β2ifdi，t+β3fdi，t+β4fd×

ifdi，t+β5lncwi，t+β6lnopeni，t+γXi，t+λt+μi+εi，t （4）

lnopeni，t=?0+β1lnopeni，t-1+β2ifdi，t+β3lncwi，t+

β4redui，t+γXi，t+λt+μi+εi，t （5）

lnopeni，t=?0+β1lnopeni，t-1+β2ifdi，t+β3fdi，t+

β4fd×ifdi，t+β5lncwi，t+β6redui，t+γXi，t+λt+μi+εi，t

（6）

其中：i表示省份; t表示时间; λ表示未观测的特定时间固定效应; μ表示未观测的特定地区固定效应; ε是随机误差项。

（三）数据来源与样本选择

本文所有面板数据样本均来自全国31个省级行政区2011 ～ 2018年的数据， 共计248个观测值。 数据来源于国泰安CSMAR经济数据库、EPS全球统计数据分析平台、北京大学互联网金融研究中心、《中国统计年鉴》、《中国金融年鉴》、《中国区域经济统计年鉴》等。 相关变量的描述性统计结果见表1。

四、实证检验结果及分析

（一）互联网金融减贫的福利效应估计结果

1. 互联网金融减贫的物质资本效应估计结果。 为了检验互联网金融发展对贫困者物质资本的影响， 本文基于模型（1）， 加入传统金融发展和互联网金融发展的交互项fd×ifd， 构成模型（2）， 以考察互联网金融减贫的福利效应与传统金融减贫间的关系， 估计结果见表2。

从表2可以看出， 模型（1）中， 农村居民消费水平的滞后一期L.lncw对于其当期消费水平lncw的影响系数为0.4567， 且在1%的水平上显著， 说明物质资本的积累是一个连续渐进的过程; 互联网金融发展ifd与农村居民消费水平lncw在5%的水平上显著正相关， 说明互联网金融发展有利于贫困者物质资本的积累。 模型（2）中， 互联网金融发展与传统金融发展交互项fd×ifd的系数在10%的水平上显著为正， 进一步说明在金融发展水平相似的前提下， 互联网金融发展水平越高， 金融发展对于贫困者物质资本积累的促进作用越强; 其他控制变量中， 通货膨胀率infl对贫困者物质资本的影响系数为

-0.0163， 且在5%的水平上显著， 说明物价上涨会导致贫困者物质资本福利下降; 财政支农占比gov对贫困者物质资本效应的影响系数显著为正， 说明财政支农能够提升贫困者的物质资本。

2. 互联网金融减贫的人力资本效应估计结果。 模型（3）是用来检验互联网金融对贫困者人力资本的影响的， 在其中加入传统金融发展和互联网金融发展的交互项fd×ifd， 构成模型（4）， 估计结果见表3。

从表3中模型（3）、模型（4）的系统GMM估计结果来看， 农村居民消费水平lncw对受教育水平redu的影响在5%的水平上显著为正， 说明贫困者收入的提高对其受教育程度有提升作用; 互联网金融发展ifd对受教育水平redu的影响系数为正， 说明互联网金融发展能够正向促进贫困者的受教育程度， 但影响不显著; 经济增长lnpgdp在10%的水平上显著正向影响贫困者受教育水平， 居民收入差距gap对受教育水平的影响在5%的水平上显著为负， 均说明收入水平的直接或间接提升有利于提升贫困者的受教育程度， 从而提升其人力资本积累。

3. 互联网金融减贫的社会资本效应估计结果。 模型（5）和模型（6）是用来检验互联网金融对贫困者社会资本的影响的， 其估计结果见表4。

从表4模型（5）的估计结果来看， 互联网金融发展ifd对经济开放程度lnopen的影响在5%的水平上显著为正， 说明互联网金融能够促进贫困地区社会资本的开放性发展; 受教育水平redu对经济开放程度的影响系数为0.1599， 且在10%的水平上显著， 说明受教育水平的提升有利于经济开放性发展。 模型（6）中，传统金融发展fd对经济开放程度lnopen的影响在5%的水平上显著为负， 说明互联网金融发展比传统金融发展更利于贫困地区社会资本的开放性发展; 经济增长lnpgdp对经济开放程度lnopen的影响在10%的水平上显著为正， 说明经济发达地区的经济开放程度越高， 越有利于社会资本的开放性发展。 财政支农占比gov与经济开放程度lnopen显著负相关， 说明财政扶持不利于市场开放的发展。

（二）稳健性检验

為检验互联网金融发展对减贫福利效应的稳健性， 在模型（1）、（3）和（5）中同时加入区域分类指标area， 以检验互联网金融发展的区域差异化影响。

lncwi，t=?0+β1lncwi，t-1+β2ifdi，t+β3areai，t+

β4area×ifdi，t+β5redui，t+β6lnopeni，t+γXi，t+λt+μi+

εi，t （7）

redui，t=?0+β1redui，t-1+β2ifdi，t+β3areai，t+

β4area×ifdi，t+β5lncwi，t+β6lnopeni，t+γXi，t+λt+μi+

εi，t （8）

lnopeni，t=?0+β1lnopeni，t-1+β2ifdi，t+β3areai，t+

β4area×ifdi，t+β5lncwi，t+β6redui，t+γXi，t+λt+μi+εi，t

（9）

表5列示了模型（7）、模型（8）、模型（9）的估计结果， 从中可以发现：互联网金融发展ifd与贫困者的物质资本lncw、受教育水平redu、经济开放程度lnopen的估计结果与上述估计结果一致; 且其他变量与物质资本效应的关系也与之前相吻合， 说明检验结果是稳健的。 互联网金融减贫的福利效应具有区域性差异， 即东部显著、中部居中、西部最弱， 这一实证结果也与相关实际情况相符。

五、进一步研究

理论上， 互联网金融可以通过促进经济增长和改善收入分配来实现减贫。 为此， 本文在模型（1）的基础上分别以经济增长、居民收入差距作为被解释变量， 构建模型（10）、模型（11）， 以全国31个省级行政区2011 ～ 2018年的相关数据为样本， 实证检验互联网金融通过促进经济增长和缩小收入差距对贫困者福利的影响。

lnpgdpi，t=?0+β1lnpgdpi，t-1+β2ifdi，t+β3gapi，t+

γXi，t+λt+μi+εi，t  （10）

gapi，t=?0+β1gapi，t-1+β2ifdi，t+β3lnpgdpi，t+

γXi，t+λt+μi+εi，t  （11）

表6列示了模型（10）、模型（11）的估计结果。 模型（10）中， 互联网金融发展ifd与经济增长lnpgdp在10%的水平上显著正相关， 说明互联网金融发展对经济增长有显著的促进作用; 通货膨胀率infl与居民收入差距gap对经济增长lnpgdp的作用在1%的水平上显著为正， 财政支农占比gov对经济增长lnpgdp的作用在1%的水平上显著为负， 说明财政扶持对经济增长具有负向作用。 模型（11）中， 互联网金融发展ifd与居民收入差距gap在1%的水平上显著为负， 说明互联网金融发展可有效地抑制收入分配差距扩大， 缩小城乡居民收入差距; 经济开放程度lnopen与居民收入差距gap在1%的水平上显著为负， 通货膨胀率infl与居民收入差距gap在5%的水平上显著为正， 说明通货膨胀使得贫富差距扩大。

六、研究结论与政策建议

（一）研究结论

长效脱贫才是精准扶贫追求的长远目标， 起步于全面消除绝对贫困的攻坚战， 主要依靠尊重市场规律的精准产业扶贫， 其中发挥当地特色优势、贫困者主动性和金融的杠杆作用尤其重要。 但是， 传统金融受风险控制偏好与能力的限制， 金融资源偏爱高收入群体， 贫困人口获取金融资源的门槛高， 而互联网金融利用其数据优势， 降低了人们获取金融资源的门槛， 提供的金融产品更丰富、更有针对性， 在帮助贫困者发展生产中发挥了金融对物质资本、人力资本、社会资本积累的杠杆作用。 本文以互联网金融发展为自变量， 以农村居民消费水平、农村劳动力受教育水平、经济开放程度为因变量， 以2011 ～ 2018年全国31个省级行政区的相关动态面板数据为样本进行实证检验， 结果发现， 互联网金融发展显著正向作用于贫困者的物质资本与社会资本福利， 但对人力资本福利的效应不显著。 进一步的实证检验发现， 互联网金融可通过影响经济增长和收入分配， 间接影响贫困者的人力资本福利。

（二）政策建议

1. 加强数字网络基础设施和征信体系建设。 为了使互联网金融更好地掌握脱贫者情况， 以便实现“应贷尽贷”， 防范“逆向选择”， 实现持续脱贫， 为了防止贫困者利用“信息盲区”滥用互联网金融优惠政策， 滋生“道德风险”、金融风险， 从而实现互联网金融的可持续发展， 有必要加强数字网络基础设施和征信体系建设。

2. 加强互联网金融与乡村教育的深度对接。 教育的反贫作用虽然不会“立竿见影”， 但具有根本性， 不仅可提高脱贫者个人的反贫能力， 而且可为发展集体经济储备人力资本、社會资本， 从而进一步增强脱贫者的反贫能力。 然而， 目前的大部分乡村教育质量差、师资力量弱、师资水平低， 会导致脱贫者因穷而不积极接受学历教育或职业教育， 从而危害可持续脱贫。 互联网金融既可支持优质的线上教育下乡， 降低脱贫者的学习成本， 增加其随时随地学习的机会， 提高学习效率， 又可实施激励机制， 将提供贷款、保险等服务与积极主动学习挂钩。

3. 将互联网金融与发展产业更有效地无缝对接。 其他扶贫措施若不与发展产业对接， 其反贫作用只是暂时的。 金融的杠杆作用只有在产业发展中才能发挥真正价值， 同时， 唯有特色产业才有更大的竞争优势， 才可实现可持续脱贫。 今后， 互联网金融应充分发挥其全面、及时、精准的信息优势， 以及针对性强、成本低和服务面广的金融服务优势， 在帮助脱贫地区把特色产业做大做强做优的同时， 提高自身竞争实力， 持续发挥其减贫的福利效应。

【 主 要 参 考 文 献 】

[1] 苏昕，赵琨.发展性福利视域下中国贫困的可持续治理[ J].山西大学学报（哲学社会科学版），2019（6）：73 ～ 79.

[2] 韩晓宇.普惠金融的减贫效应——基于中国省级面板数据的实证分析[ J].金融评论，2017（2）：69 ～ 82+125 ～ 126.

[3] Jeremy Greenwood，Boyan Jovanovic. Financial Development，Growth，and the Distribution of Income[ J].Journal of Political Economy，1990（5）：1076 ～ 1107.

[4] 谢平，邹传伟.互联网金融模式研究[ J].金融研究，2012（12）：11 ～ 22.

[5] 张彤进，任碧云.包容性金融发展与城乡居民收入差距——基于中国内地省级面板数据的实证研究[ J].经济理论与经济管理，2017（5）：90 ～ 101.

[6] 孙敬水，蔡培培.资本异质性与居民收入分配公平满意度——基于人力资本、物质资本、政治资本与社会资本的微观证据[ J].商业经济与管理，2018（11）：74 ～ 87.

[7] 田霖.我国农村金融包容的区域差异与影响要素解析[ J].金融理论与实践，2013（11）：39 ～ 48.

[8] 袁博，李永刚，张逸龙.互联网金融发展对中国商业银行的影响及对策分析[ J].金融理论与实践，2013（12）：66 ～ 70.

[9] 王晓军，刘加林，朱强.互联网金融精准扶贫认知及其行为影响研究[ J].统计与决策，2018（24）：108 ～ 112.

[10] 刘欢.人力资本投入对农村贫困家庭的减贫效應分析——基于健康、教育、社会保险、外出务工比较视角[ J].经济经纬，2017（9）：43 ～ 48.

[11] 刘修岩，章元，贺小海.教育与消除农村贫困：基于上海市农户调查数据的实证研究[ J].中国农村经济，2007（10）：61 ～ 68.

[12] 樊桦.农村居民健康投资不足的经济学分析[ J].中国农村观察，2001（6）：37 ～ 43.

[13] 闵维方.教育促进经济增长的作用机制研究[ J].北京大学教育评论，2017（3）：123 ～ 136.

[14] 刘海莺，张华新.消费需求模型及其对贫困和福利统计的改进[ J].统计与决策，2018（15）：18 ～ 22.

[15] 余少祥.人力资本在反贫困中的效用：理论模型与实证分析[ J].中国政法大学学报，2020（2）：5 ～ 16+206.

[16] 陈志刚，吴腾.金融发展与城市化是如何互动的——基于1997-2014年中国省级面板数据的实证研究[ J].中南民族大学学报（人文社会科学版），2017（1）：125 ～ 132.

[17] 赵勇，雷达.金融发展与经济增长：生产率促进抑或资本形成[ J].世界经济，2010（2）：37 ～ 50.

[18] 崔艳娟，孙刚.金融发展是贫困减缓的原因吗？——来自中国的证据[ J].金融研究，2012（11）：116 ～ 127.