方 芳

（东北财经大学 金融学院，辽宁 大连 116025）

一、引 言

2020年，农村贫困人口“两不愁三保障”的基本实现标志着中国脱贫攻坚战的全面胜利，这意味着中国扶贫工作的重心在完成“消灭绝对贫困”的阶段性目标后，已经开始转向相对贫困治理［1-2］。一方面，国家在政策层面突出强调“坚决守住不发生规模性返贫底线”，其关键就在于以构建长效机制为支撑、以帮扶政策有效衔接为路径。构建贫困人口内生性的可持续增收机制以突破贫困恶性循环陷阱，这成为未来一个时期中国巩固脱贫攻坚成果、降低脱贫脆弱性、防止返贫出现的核心思路与基本方向［3］。另一方面，随着农业产业结构升级与新型经营农户的规模扩张，农村人口内部收入分化趋势渐趋明显，收入差距呈逐年扩大趋势［4-5］。农村人口内部收入分配治理成为共同富裕宏伟目标的新内容。因此，从帮扶政策有效性命题切入，本文重新审视在精准扶贫政策下，金融资本的差异化注入在公平性框架下对农村人口收入分布的冲击效应，进而有效平衡贫困人口的“增收”与“缩差”关系。

回顾中国精准扶贫政策的实践过程，在早期金融资本多以“授人以鱼”的普惠金融模式注入，即商业银行为贫困人口提供普惠式的无抵押信用贷款，但随着“造血”优于“输血”的反贫困理念的深入［6］与精准扶贫政策的确立，“授人以渔”的产业扶贫方式①政府以隐性契约的方式激励与指定企业参与扶贫，由国家开发银行与中国农业发展银行提供专项信贷资金，贫困人口以自愿方式联结到企业生产循环中。开始逐渐成为中国金融资本注入的重要方式。尽管产业扶贫可能导致“精英俘获”②“精英俘获”是指商业银行在发放信贷时，为控制违约风险会优先向收入等级较高、抵押物充实的居民发放贷款，从而偏离了普惠金融与倾斜性信贷的本意。，但对构建贫困人口长效增收机制具有不可替代的作用。因此，本文尝试基于中国局部地区贫困人口建档立卡微观跟踪数据，通过分析产业扶贫与普惠金融这两种金融资本注入模式在绝对贫困与相对贫困治理上的差异化效应，识别两种模式对“增收”与“缩差”的异质性影响，以期为当前金融资本注入最优模式选择提供经验证据，为中国巩固脱贫攻坚成果、优化金融扶持政策、实现可持续扶贫提供启示。

本文的可能边际贡献体现在：第一，将“缩差”引入贫困治理问题，立足于相对贫困治理与金融资本注入，建立贫困治理与缩小福利差距的一致性分析框架，拓展贫困治理问题的研究视域，有效拓展金融扶贫政策效应评估的理论链条。第二，基于贫困人口建档立卡微观跟踪数据，在一个准自然实验框架中基于双重差分模型（Differt in Differt，DID）精准识别不同金融资本注入模式的差异性影响。第三，基于绝对贫困与相对贫困治理的比较分析，建立贫困治理中的“缩差”效应识别，增加了农村人口收入分布的异质性冲击问题的应用场景。

二、理论分析和研究假设

（一）金融资本注入与贫困人口“增收”

早期金融资本参与贫困治理，主要是通过普惠金融方式为锁定的贫困人口提供低息甚至无息的无抵押信贷。根据世界银行《贫困与共享繁荣：2022》报告，国际开发协会（IDA）在1960—2022年间，已经为世界74个最贫困国家提供了20期累计8 918亿美元的贫困人口专项信贷［7］。然而，在这一过程中，贫困人口的高违约率限制了信贷规模与金融资本的可持续供给，也一定程度上催生了信贷投放的“精英俘获”，导致了金融资本与贫困区域的错位配置。

在中国精准扶贫政策实施过程中，在较强的政府背书下形成了一种“政府管理、银行供资、企业参与”的产业扶贫模式，金融资本不再直接注入贫困人口，而是进入地区龙头企业、合作社和集体，同时企业与集体组织承担了为贫困人口提供就业机会的义务，这实际以政府干预的方式形成了“银行+企业+贫困人口”的利益联结［8］。因此，这种“授人以渔”的产业扶贫方式，实际是基于中国制度环境与市场结构实现了社会再生产循环与贫困人口间更紧密地捆绑，至少在短时期内能够迅速实现对贫困人口的社会再生产撬动，并有效缓解贫困人口由于健康、知识与资本积累不足导致的机会缺失与社会排斥［9］。

本质上，贫困人口之所以贫困，更多源自社会接入障碍、个体禀赋不足与市场应对能力差等方面。张栋浩和尹志超［8］认为，农村家庭的产业禀赋、土地和资本结构一定程度上决定了其收入平滑能力。王庶和岳希明［10］认为，除了健康和能力瓶颈外，地理禀赋如远离城市等原因减少了贫困人口的就业机会，也成为引致贫困的关键因素。现有研究［11-13］发现，当贫困人口获取信贷资本后，通常会用来偿债或进行短期福利补偿（这种短期福利补偿主要表现为购买必需的生活资料，改善健康、居住、饮食、与生活环境，甚至储蓄以应对短期必要支出）。随着精准扶贫政策的确定，以“银行+产业+贫困人口”方式的专项扶贫信贷，能够实现优势产业对贫困人口的生产覆盖，形成将贫困人口纳入社会再生产循环的全流程支持。因此，产业扶贫这种“授人以渔”的金融资本供给模式，能够通过被雇佣机会增加、资本权益获取、生产能力提升以及社会再生产环境改善，确实加速了“社会+贫困人口”的对接［14］。

虽然普惠金融允许贫困人口基于自身土地与资本禀赋，选择合适的再生产经营活动，但中国农村贫困相对于存在的“资本瓶颈”，更多地表现为“机会贫困”。贫困人口受限于较低的人力资本储备能力，难以形成有效的市场对接，即使贫困人口能够克服“等靠要”心理，保持足够的资本投入，也缺乏有效的市场渠道与运营管理能力，这会大大降低现金注入对贫困人口或贫困家庭社会再生产能力撬动的效率，而产业扶贫能够迅速实现贫困人口经营活动的规模化捆绑，大大提升市场议价能力，并降低新技术和销售网络的应用成本。

据此，本文提出以下假设：

H1：产业扶贫对贫困人口的“增收”效应强于普惠金融。

（二）金融资本注入与农村人口收入“缩差”

理论上，产业扶贫能够为贫困人口提供多种收入渠道，就业机会的拓展、资本性收益的获取、家庭生产禀赋在社会循环中的再配置都能够迅速实现贫困人口的资本社会化［15］，从而对贫困人口的收入产生“低点撬动”，这会使得收入存量较低的个体在短时期内实现收入的快速增加。

市场能力缺失、信息限制和社会性生产管理经验匮乏也是导致贫困的关键原因，而通过“授人以渔”的产业扶贫方式，辅助性地提供了一种“场景培训”，为贫困人口对市场的理解、市场机会的把握、新技术的应用等提供了帮助。因此，产业扶贫会对农村低收入人口收入形成更高强度的拉升作用，从而通过对农村人口收入分布的“缩尾”式冲击来实现“缩差”。

同时，现有部分研究认为，产业扶贫实际剥夺了贫困人口资本再配置的自主权，并容易形成“精英俘获”，也会使得贫困人口社会资本配置偏离最优状态，从而导致“低效率生产”。由于专项生产资料信贷中，贫困人口缺乏选择权，使得产业存在偏离贫困人口生产性禀赋的普遍特征，从而导致在贫困减缓上，产业扶贫所实现的生产性覆盖的福利效应被大大地对冲了［8］。张海洋和韩晓［15］认为，与再生产捆绑的信贷投放，无论从长期还是短期福利实现看，其贫困摆脱效应都弱于非捆绑性信贷投放，因为在信息高度不对称约束下，贫困人口存在为迎合信贷门槛盲目生产的激励。另外，产业扶贫在分配机制缺乏透明规则与公示渠道，或者由于阶段性扶贫目标的实现降低了政府监管强度时，占据内部信息优势与资本优势的企业方必然会形成不公平分配的激励，这会导致产业积累的资本收益进一步向农村富裕群体集中，从而形成产业扶贫内部的分配不公，最终产业扶贫虽然使得贫困人口收入实现了“存量增长”，但却进一步扭曲了“增量分配”。

据此，针对产业扶贫与普惠金融对农村人口收入差距的影响，本文提出以下假设：

H2a：产业扶贫对贫困人口的“缩差”效应强于普惠金融。

H2b：普惠金融对贫困人口的“缩差”效应强于产业扶贫。

三、研究设计

（一）变量说明

1. 被解释变量

在现有研究中，测度扶贫政策与扶贫方式对贫困人口的“增收”效应的方法通常是建立贫困人口的收入决定方程计算“增收”效应边际，或者以静态的贫困线为标准，分析扶贫政策与扶贫方式对贫困发生率的影响。因此，通过直接比较产业扶贫与普惠金融对绝对贫困即贫困发生率的影响，即可以识别差异性金融资本注入的“增收”效应。

“缩差”效应的识别需要建立在外生冲击对人口收入分布的异质性影响基础上。现有研究是通过对不同收入分位点人口的收入影响边际差异进行间接识别。考虑到产业扶贫与普惠金融具有典型的受众局部性特征，缺乏政策实验的样本覆盖性，难以实现对农村人口收入分布的全维度检验。鉴于此，本文尝试通过检验产业扶贫与普惠金融对FGT指数的影响，厘清差异性金融资本注入对农村人口收入分布的影响，进而通过对绝对贫困与相对贫困的差异性影响，识别不同金融资本注入模式对“增收”和“缩差”的影响。

具体地，本文引入Hagenaars 和Aldi［16］的FGT指数进行绝对贫困与相对贫困的测度，GT指数满足弱传递性、收入累退转移敏感和子集单调性等性质，且能够反映贫困人口距离贫困线的实际程度，也能够实现对贫困人口内部收入分布不均匀程度的测度，因而克服了传统贫困指数无法反映实际贫困感受、无法反映贫困人口的实际贫困程度的缺点。FGT指数计算公式如式（1）所示：

其中，n为总人口数，z为贫困线收入标准，①本文直接使用国定贫困线，其中，2013—2015 年为年均纯收入2 300 元、2016 年为3 200 元、2017 年为3 400 元、2018 年为3 600元。yp为贫困人口绝对收入，q为收入处于标准线以下的贫困人口数，α为最贫困群体收入权重，能够间接表示贫困厌恶程度，衡量了极端贫困的收入分布分配比重与受关注程度。当α=0时，FGT指数是绝对贫困指数，即，反映贫困的广度，此时贫困人口内部收入分布被完全忽视；当α=2时，FGT指数是相对贫困指数，此时极端贫困人口的收入分布被赋予较大权重，能够描述贫困人口内部收入不平等程度。

2. 解释变量

本文的解释变量为普惠金融和产业扶贫。Treatfin为贫困人口受到普惠金融扶持的情况（参与则Treatfin=1，否则记为0），Postfin衡量贫困人口受到普惠金融的实际发生时点（参与前Postfin=1，参与后Postfin=0）。Treatind为贫困人口受到产业扶贫的情况（参与则Treatind=1，否则记为0），Postind衡量贫困人口受到产业扶贫的实际发生时点（参与前Postind=1，参与后Postind=0）。

3. 控制变量

本文引入贫困人口特征变量与属地特征变量作为控制变量，以有效剥离其他与收入动态变化及贫困发生相关的混杂因素影响。其中，贫困人口特征变量包括贫困户抚养系数、户主年龄、户主受教育程度、户主基本劳动能力、家庭外出务工收入、是否参加医疗保险（含新农合）六个控制变量，属地特征变量为村庄到最近乡镇距离。

（二）模型设计

在产业扶贫与普惠金融的“增收”“缩差”效应识别上，本文基于准自然实验的政策效应评估框架，利用双重查分模型进行检验，构建模型如式（2）所示：

其中，FGT为贫困指数，Treat为贫困人口参与金融扶贫行动的情况（参与则Treat=1，否为0），i为贫困人口，t为不同时间点，并以Post衡量贫困人口受到金融资本注入的实际发生时点（参与前Post=0，参与后Post=1）。交互项Treat×Post的系数值β1为代表金融扶贫政策对农村贫困人口脱贫的净影响，如果β> 0，说明金融扶贫政策对农村贫困人口脱贫效果有显著正向影响。X为贫困人口的控制变量，γ为控制变量的系数值，μ为个体固定效应，λ为年份固定效应，ε为误差扰动项。另外，为验证不同金融资本扶持模式对贫困人口脱贫效果的差异性，进一步将金融扶持模式分别区分为普惠金融组FGT fin和产业扶贫组FGT ind，本文构建模型如式（3）和式（4）所示：

（三）样本说明和变量的描述性统计

考虑到贫困人口的收入变化与地区特征、属地禀赋和农户家庭个体特征相关，本文选择贫困人口建档立卡微观跟踪数据进行分析。由于金融扶贫资本在不同省份和地区间配置的不均衡会导致金融扶持强度异质性。因此，本文集中于具体省份与地区的样本分析，试图构建一个相对完美的外生冲击试验，即假定在同一省份的不同乡村的金融资本扶持强度、服务支撑和跟踪管理都是基本一致的。

2013年，辽宁阜新被选定为中国首批三个扶贫改革试验区之一（中国首批三个扶贫改革试验区分别为辽宁阜新、广东清远和云南丽水），基于“先试先行”的政策试验区推广范式，辽宁阜新存在扶贫重视程度高、扶贫政策高强度供给、综合性辅助措施到位、政策执行力较强的制度特征，中央专项扶贫资金支持与政策性银行倾斜性信贷投放也一定程度上规避了金融资本扶贫“有名无实”的影响。因此，本文选取辽宁阜新贫困人口建档立卡微观跟踪数据进行分析，其中包括257个贫困村。其他村镇数据源自阜新2014—2020年城市统计年鉴及辽宁阜新市扶贫办统计资料。本文收集了5 127个贫困户的数据，主要变量的描述性统计结果如表1所示。

表1 主要变量的描述性统计结果

2019年，本文样本接受的金融资本扶贫模式统计如表2所示。由表2可知，产业扶贫为主要模式，而以商业银行为主体投放的普惠金融个人信用贷款，无论从规模还是覆盖群体上都远低于产业扶贫金融供给强度及覆盖面。

表2 金融资本扶贫模式统计（2019年）

四、实证分析

（一）基准回归分析

本文在估计时，为了分离截面个体与时间维度上不可观测变量的影响，控制了个体固定效应和年份固定效应。不同金融资本扶持模式的DID估计结果如表3所示。

表3 不同金融资本扶持模式的DID估计结果

1. 金融资本注入的“增收”效应分析

由表3可知，产业扶贫和普惠金融两种金融资本注入模式都能够显著降低贫困发生率，在静态的贫困标准约束下，两种金融资本注入模式对贫困人口的“增收”效应都得到证实。自精准扶贫政策确定后，中国扶贫政策从“救济式”向“帮扶式”转移，将贫困人口纳入社会再生产循环，一定程度上缓解了贫困人口由于技能缺失、健康限制、禀赋约束和意识落后等导致的劳动参与障碍与社会再生产瓶颈约束，从而增加了贫困人口通过金融资本干预获取劳动收入、资本权益收入与耕地收入的可能，表现为绝对贫困人口数量的持续减少并最终实现全面脱贫目标。

由表3 可知，产业扶贫组的估计系数绝对值大于普惠金融组，本文H1 得到证实。这表明从“增收”目标看，产业扶贫相较于普惠金融确实具有更高的贫困摆脱效应与脱贫功能，降低了贫困人口参与社会生产的决策困难与技术和市场限制，实现了成熟产业向贫困人口的覆盖，而搬迁扶贫则直接通过禀赋置换，为贫困人口增收拓展了收入渠道与劳动参与可能性，从而呈现出更强的贫困摆脱效应。普惠金融的“增收”效应偏弱，则是因为贫困人口的机会缺失导致普惠金融形成的资本门槛超越效应难以有效发挥，贫困人口即使获得了普惠金融的资本支持，也缺乏有效的市场渠道、明智的生产选择与合理的市场组织形成扶贫资源促进“增收”。而机会缺失则进一步降低了贫困人口信用贷款的可偿性，也使得持续性信贷资本供给难以实现。

2. 金融资本注入的“缩差”效应分析

考察产业扶贫与普惠金融对贫困人口相对贫困减缓的作用。由表3可知，与“增收”效应类似，产业扶贫与普惠金融对相对贫困的治理效应同样得到证实，无论是产业扶贫还是普惠金融，在实现低收入群体的收入存量增长的同时，都能够通过提供生产机会与构建收入机制实现极低收入人口向低收入群体收入均值的收敛，缓解了农村低收入人口收入差距。通过提供生产机会与提供生产资本，在两个维度上实现了贫困人口与社会再生产循环的联结，形成稳定“增收”机制。

进一步分析，比较不同金融扶持模式对相对贫困治理的边际效应强弱，即产业扶贫与普惠金融虽然都具有显著的“缩差”效应，但两种金融扶持模式的“缩差”效应即相对贫困指数并不存在显著区别，本文的假设H2a与H2b均未得到证实。

（二）平行趋势检验① 平行趋势检验结果未在正文中列出，留存备索。

为了验证使用双重差分模型的合理性，本文对产业扶贫形式以及普惠金融方式参与金融扶贫的处理组与控制组进行平行趋势检验，如式（5）所示：

其中，表示金融资本注入发生开始k年的虚拟变量与政策变量Treat的交互项，回归中省略政策发生前一年（k=-1）与政策变量的交互项。

由结果可知，在期数为0（该例为2015年）以前，系数均是不显著的，而在政策实施以后的所有年份，系数基本显著且显著性逐年提高，说明该政策的影响具有一定的持续性，并且在样本期间内于实施后的第二年该政策取得最大的效果。其中，产业扶贫组在政策执行后，相比普惠金融组更加显著。

（三）稳健性检验

1. 剔除同时接受两种金融资本扶持的样本

考虑到基准回归中对照组相对于控制组具有样本容量偏少的问题，本文剔除了同时接受普惠金融和产业扶贫的贫困人口样本，此时控制组中仅为受到单一金融资本扶持的个体，而对照组中为未受到任何金融资本扶持的个体。剔除同时接受两种金融资本扶持的样本的DID估计结果如表4所示。

表4 剔除同时接受两种金融资本扶持的样本的DID估计结果

由表4可知，在剔除同时接受两种金融资本扶持的样本后，与基准模型相比，关键系数变量的估值与符号保持稳定，同时主要结论也保持不变，即在绝对贫困治理与“增收”上，产业扶贫效果强于普惠金融，而控制能力信号干扰后，在相对贫困治理与“缩差”上，普惠金融的边际影响更强，本文实证估计通过稳健性检验。

2. 调整FGT指数的国定贫困线标准

在FGT指数水平依赖于贫困线的设定，而贫困线水平约束了低收入贫困人口的人口规模进而反映在其收入分布特征上。本文一个研究重点就是分析产业扶贫与普惠金融对低收入人口内部收入差距的影响。因此，本文分别将国定贫困线标准上浮10%与上浮20%，以进一步放大贫困人口统计口径，进而分析不同金融资本扶持模式对贫困人口收入分布的异质性影响。调整贫困线标准的DID估计结果如表5所示。

表5 调整贫困线标准的DID估计结果

由表5可知，当调整FGT指数中的贫困线标准后，重新进行DID估计，其估计结果依然与基准回归结果一致，即在“增收”上，产业扶贫对贫困人口的“增收”效应优于普惠金融；而在“缩差”上，产业扶贫对农村人口内部收入差距的降低作用弱于普惠金融。因此，本文的主要结论通过稳健性检验。

（四）异质性分析

产业扶贫和普惠金融两种模式哪种扶贫效应更强，同样与贫困人口的能力禀赋相关。当贫困人口具有更强的市场与经营能力时，其更能够结合个体禀赋现状选择恰当的经营机会，这能够显著提升其禀赋资源的配置效率。同时，个体能力信号会催生信贷资本的最优配置结构，具备高能力的个体能够更高效地将信贷资本应用于教育、生产投资、福利消费、市场服务购买、关系维持等环节［17］。但是，在个人能力约束下，贫困人口缺乏选择生产方式、投资规模、产品取向的能力，会出现信贷向消费环节的过度使用。

同时，产业扶贫作为一种相对外生的捆绑性扶贫，限制了贫困人口的自主选择，一定程度上强制性地促成了贫困人口自有资本与社会资本的融合，这种选择权上移对于具有能力禀赋限制的个体，有时不可避免出现“盲从”行为，若能够控制试错成本，并通过收益渠道的扩张与生产机会的实现在短期内保证收入增长。换言之，产业扶贫与普惠金融的最终贫困摆脱效应，可能与贫困人口的能力禀赋密切相关，而针对不同能力禀赋个体的贫困人口，产业扶贫与普惠金融的“增收”与“缩差”效应是否存在差异？

基于此，本文通过引入个体能力信号变量，控制贫困人口能力信号的干扰，更为准确地识别产业扶贫与普惠金融的异质性影响。具体地，本文引入变量Cap衡量贫困人口能力，并进行如下处理：当贫困人口受教育程度超过均值且其收入超过均值时，样本为高能力组，定义Cap= 1；反之，当贫困人口受教育程度与收入水平均处于均值以下时，样本为低能力组，定义Cap= 0。本文识别在不同的个体能力约束下，产业扶贫与普惠金融对绝对贫困与相对贫困的影响。控制贫困人口能力的DID估计结果如表6所示。

表6 控制贫困人口能力的DID估计结果

由表6可知，在绝对贫困治理上，控制贫困人口能力后，产业扶贫相比于普惠金融，依然是具有更强绝对贫困治理与“增收”效应的金融扶持模式，而普惠金融虽然能够实现贫困人口“增收”，但边际影响远弱于产业扶贫。在相对贫困治理上，当控制个体能力影响后，普惠金融的“缩差”效应得到大幅度增强，而产业扶贫的“缩差”效应略有下降，此时两种不同金融资本注入模式的效应开始呈现分化，普惠金融在高能力贫困人口中，开始表现出更强的“缩差”效应。在个体能力禀赋支持下，普惠金融是推动低收入人口内部收入均值收敛且实现增量提升的最优金融资本扶持模式。

换言之，相对于产业扶贫的“授人以渔”，普惠金融的“授人以鱼”通过高能力组的有效资产配置，更好地实现了相对贫困治理效应与“缩差”效应。因此，对于扶贫与乡村振兴的所处不同阶段，打好产业扶贫与普惠金融的“组合拳”，协调两种差异性金融资本扶持模式对不同能力个体的异质性影响，进一步提升精准扶贫“因地制宜、因人而异”的政策效果，是构建农村人口“增收”与“缩差”行之有效的目标框架。

五、研究结论与政策建议

在“后2020时代”，绝对贫困治理的阶段性目标顺利实现，精准扶贫的重心开始转向相对贫困治理与返贫控制，而中国农村人口内部收入差距的持续扩大，进一步将扶贫“增收”与公平性治理的“缩差”内容相联系。本文通过对绝对贫困与相对贫困的比较分析，建立“增收”与“缩差”统一机制框架，检验“授人以渔”的产业扶贫与“授人以鱼”的普惠金融，在“增收”与“缩差”目标上的差异性影响，从而为构建有机统一的多维金融扶贫政策，优化不同政策间的有效衔接提供启示。本文研究结论如下：无论是绝对贫困还是相对贫困，产业扶贫与普惠金融都具有显著的贫困摆脱效应，但在绝对贫困治理即“增收”效应上，产业扶贫具有更高的效率，低收入人口的收入增长与返贫控制，需要继续发挥产业扶贫的独特功效。在“缩差”效应上，产业扶贫的增量拉动效应并不强于普惠金融，而控制住贫困人口能力干扰后，普惠金融具有更强的“缩差”效应，通过产业扶贫实现贫困人口社会再生产的对接，通过普惠金融发挥贫困人口主体能动性，优化个体资本配置，将是构建低收入人口长效收入机制、缩小中国农村人口内部收入差距的关键，不同金融扶持策略间的有效衔接，将是决定未来时期金融资本扶持效率的关键。

据此，本文提出如下政策建议：构建以社会再生产覆盖及利益联结机制为核心的产业扶贫模式，是乡村振兴战略中农村低收入人口的主要金融资本扶持模式，同样也是“坚决守住不发生规模性返贫底线”的关键。在政策实施过程中，获得金融资本注入的本地企业要提升相对贫困人口对资源、禀赋的吸收利用能力，进一步发挥“因地制宜”“优势+特色”的贫困人口产业发展逻辑，强化金融资本扶贫政策的效应。同时，考虑到普惠金融对农村人口收入差距的“缩差”效应，金融扶持在未来应进一步扩大普金融的相对规模，增强信用贷款对农村低收入人口的信贷可达性，降低商业银行发放个人信贷时的“精英俘获”，进一步厘清政策性金融机构与商业银行在金融资本投入上“该做什么”与“能做什么”的职能划分。允许商业银行发放低收入群体个人信贷时，能够有更大裁量权实施信贷风险定价，从而实现信贷资本向低收入群体的下沉，以保证普惠金融政策成为农村人口收入差距缩小的重要政策手段。同时，在金融扶贫过程中，应进一步强调产业扶贫与普惠金融的有效衔接，确定政策组合实践思路，实现不同信贷主体间的信息共享与协同行动框架，有效衡量产业扶贫过程中的半强制捆绑与低收入群体选择间的平衡，建立产业扶贫资金与普惠金融资本的互联互通，最终服务于乡村振兴的大局。