赵瑞婷，海新权，魏馨柔，赵皓然

（甘肃农业大学财经学院，甘肃兰州 730070）

甘肃省作为西部重要省份和脱贫攻坚的主战场，经济发展较为落后，金融资源相对稀缺，城镇化水平较低，农村地区是贫困的高发地。农村金融作为脱贫攻坚的重要力量，有力支持了甘肃省农村贫困地区、深度贫困地区的脱贫工作。2020 年，现行标准下农村贫困人口全部脱贫，通过探究农村金融发展的扶贫效应以及二者之间的良性互动，对于巩固脱贫成果有重大意义。因此研究二者之间的关系更加具有重要现实意义。

一、文献回顾

国内外学者对于金融发展和贫困减缓的关系展开了大量分析研究，部分学者认为二者存在正相关性。Jalilian 和Kirkpatrick（2005）[1]以部分发展中和发达国家为研究对象，通过数据实证分析得出金融发展和贫困减缓之间存在明显正相关性（Dollar 和Kraay，2001）[2]；Burgess 和Pande（2003）[3]以1977—1990 年的印度农村金融机构为研究对象，研究结果表明金融机构数量每增加1%，贫困的缓解程度则增加0.34%，金融业的繁荣与发展对于贫困人口的收入提高和贫困缓解有着很大的帮助（Clarke 和Zou，2003；Abate 等，2016）[4-5]；Beck 等（2007）[6]研究发现，金融发展有利于缩小收入差距，带动经济发展，从而能够有效地抑制贫困。

国内学者主要从金融发展、扶贫效应的时间性和区域性差异以及对贫困的多维度测算来进行二者相关性的实证分析。多数学者认为农村金融发展对扶贫有显著促进作用，张伟（2010）[7]实证分析了农村金融的扶贫效果，结论表明，健全的主体金融能够长期抑制贫困的发生，稳定的金融环境能够在贫困地区发挥较好的扶贫效果（崔金平等，2018）[8]，丁志国等（2011）[9]使用了向量分解模型，选取我国各省2000—2008 年的数据，结果显示农村金融对于扶贫具有直接与间接效应，教育和医疗等间接效应比直接效应突出，总体对贫困具有抑制作用。苏静等（2013）[10]通过区域化研究比较我国中东西部的农村金融收入效应，研究发现东部农村金融发展影响收入效应明显，中西部则没有明显变化（薛书明等，2018，武丽娟和徐璋勇，2018）[11-12]，李鸿渐（2016）[13]选用PSTR 模型，选取了教育、医疗、收入三维贫困指标来探究农村金融发展对贫困的影响，结果表明农村金融的发展对于贫困地区有相对明显的帮扶效果。

但也有学者提出不同看法，认为金融发展不一定有利于减缓贫困，主要基于以下几种思考，Chakraborty 和Ray（2007）[14]研究发现金融发展与贫困减缓存在非线性关系，贫困群体因为道德风险和信用等级评级而无法获得资金，因此金融发展并不能解贫困问题。Weinstein 和Yafeh（1998）[15]发现当经济处于衰退或萧条周期时，银行“惜贷”会成为一种“常态”，从而阻碍经济增长。杨俊等（2008）[16]从全国、城镇、农村三个角度进行分析，发现金融发展短期内可以改善贫困，但从长期来看并不是贫困减缓的主要原因。刘纯彬和桑铁柱（2010）[17]从理论和实证双重角度出发研究发现农村信贷市场的不完善扩大了农村收入差距，不利于农村地区贫困减缓。

因此，有必要基于目前甘肃省脱贫成效对金融发展与扶贫脱贫的关系进行深入研究，从而为金融扶贫提供支撑，以推进甘肃省脱贫攻坚与乡村振兴战略的有效衔接。

二、农村金融发展的扶贫效应测度方法及指标选取

（一）建立模型

VAR 模型即向量自回归模型，因其不存在外生变量，所有变量都可用其内生变量滞后项及随机误差项来解释，可以用来处理多个相关经济指标的分析与预测，适合研究金融发展多维度的减贫效应。因此，为了验证农村金融是否能够推动贫困减缓与消除，将通过使用实际滞后阶数来确保结果的准确性，在不确定最优阶数的情况下，拟构建n 阶模型，分别研究农村金融发展对甘肃省医疗、生活、教育的作用与影响，并通过参数选择进行验证。

其中，D 表示一阶差分后的变量，γ 为三个模型的常数项，αi与βi为不同时间序列下的系数，σ 为随机扰动项，t 为时间虚拟变量，t-i 代表滞后期。

（二）确定衡量扶贫效应和金融发展的基本指标

贫困不止收入过低导致的生活贫困，同时贫困的衡量也应考虑医疗、教育及金融参与度等方面。为了多方位探究甘肃省的贫困状况，通过查询与扶贫效应和金融发展相关文献资料确定了三个贫困指标，并统计甘肃省农村存款与农村贷款，计算农村金融发展规模与农村金融发展效率，选取核心解释变量如下：

医疗减贫指标（ME）=每千口人医疗卫生人员数量

恩格尔系数（EN）=食品支出/家庭总支出

教育减贫指标（ST）=每千口人高校在校生数量

农村金融发展规模（fs）=（农村存款额+农村贷款）/农业生产总值

农村金融发展效率（fe）=农村存款/农村贷款

三、农村金融发展的扶贫效应分析检验

（一）平稳性检验

首先对选取的减贫指标、金融发展指标、控制变量进行单位根（ADF）检验，发现多数变量存在单位根，不是平稳的时间序列。因此，通过对所有变量进行一阶差分再次检验，如表1 所示，得到的所有变量的ADF 单位根检验全部通过，因此可以用于VAR 模型的实验操作。

表1 ADF 单位根检验

（二）滞后阶数选择

本文选用LL、LR、FPE、AIC、SC、HQ 信息量准则尝试找到三个模型相统一的最优滞后阶数，发现模型根据不同信息量准则所达成的最优滞后阶数不同。因此在确保模型稳定的前提下，按表2、表3、表4 中的AIC（赤池信息量）准则，通过多次不同阶数的测算与比较，模型（1）、模型（2）、模型（3）的最优阶数分别为3 阶、2 阶和4 阶。

表2 模型（1）的最优滞后阶数

表3 模型（2）的最优滞后阶数

表4 模型（3）的最优滞后阶数

（三）参数估计

通过Stata 估计的带参数的VAR 模型如下，其所有变量都是经过ADF 单位根检验后的一阶差分结果，全部用D 来表示差分后的变量，括号中的（-1）、（-2）、（-3）、（-4）代表滞后一阶、二阶、三阶、四阶，形成以下带参数的具体VAR 模型的表现形式。详细参数如表5、表6、表7、表8 所示。

从T 值来看，很多参数并不显著，但VAR 模型在实际运用中并不需要解释单体参数的经济意义，不施加单个参数的零约束。从调整后的R2来看，ME系数分项94.85%的变异可由方程（1）解释，EN 系数分项94.70%的变异可由方程（2）解释，ST 变异的系数分项94.80%可被方程（3）解释，F 统计均显著，说明模型因子影响显著，拟合效果较好。

表5 模型（1）的参数估计结果简表

表6 模型（2）的参数估计结果简表

表7 模型（3）的参数估计结果简表

表8 模型评价参数简表

对模型的特征根进行检验，如图1、图2、图3所示，所有特征根的模的倒数均落在单位圆内，说明模型稳定，能够进行下一步的检验分析，从而进一步分析甘肃省农村金融发展的扶贫脱贫效应。

（四）格兰杰因果检验

格兰杰因果检验常被用来分析平稳时间序列中，各个经济变量间各自的因果关系，因此尝试用来探究甘肃省农村金融发展规模与效率和各扶贫指标的因果关系（见表9）。

表9 格兰杰因果检验结果

前面已经建立了ME、EN 和ST 的模型，但是其变量与fs、fe 之间在时间上存在谁因谁果、或者互为促进关系，模型没能清楚解释出来，因此我们用格兰杰因果检验。从表9 可以看出，在滞后3 阶，5%的临界值显著性水平下，ME 与fs、fe 均有相互促进的因果关系，fs 不是fe 的格兰杰原因，而fe 是fs的格兰杰原因。在滞后2 阶，5%的临界值显著性水平下，fs 和fe 是EN 的格兰杰原因，而EN 不是fs 和fe 的格兰杰原因。在滞后4 阶，5%的临界值显著性水平下，fs 和fe 不是ST 的格兰杰原因；ST 同样不是fs 的格兰杰原因，但是fe 的格兰杰原因。

（五）脉冲响应

脉冲响应描述的是一个内生变量对残差冲击的反应程度，可以推测出变量的调节时间与峰值时间，对变量做出分析与计量。因此不仅能给出金融发展扶贫效应时滞区间，还可以分析在指定期数内的影响与敏感程度。ME、EN 和ST 冲击后10 期的脉冲响应函数图如图4、图5、图6 所示。

图4 的一个共同特点是在施加一个冲击后，它们对ME 的冲击在一段时间内持续存在，但影响程度先增强后衰减。具体表现为ME 受fs 冲击后先是小幅下降，后在0 附近小幅波动；ME 受fe 冲击后大幅上升，后有所下降。说明ME 在受到各变量的冲击后前期更为敏感。图5 中，EN 受到两个变量的冲击后，总体上呈现下降趋势。但前期变量fs 和fe 所造成的冲击各不相同，EN 受到fs 冲击后表现为下降、波动再下降；EN 受到fe 冲击后先是小幅上升，后逐渐下降到0 轴以下，并呈现持续下降趋势。这说明fs 及fe 的变动对EN 产生了显著的反向影响。图6中，ST 对两个变量的冲击反应，都呈现出先小幅上升后逐渐下降趋势，不同的是受到fs 冲击后ST 后期下降幅度缓慢扩大，而fe 所造成的ST 下降大幅扩大。这说明持续性的fs 及fe 增加才能真正起到减贫效果，从而增加ST。

（六）预测方差分解

由于方差分解能进一步评价各内生变量对预测方差的贡献度，所以用来研究政策变量对扶贫效应影响程度。由表10 可知，预测末期fe 对ME 增加影响明显，ME 变动的35.28%可由fe 来解释、64.15%可由自身变动来解释，而fs 对ME 增加贡献非常有限，贡献度为0.57%。由表11 可知，fs 对EN 影响最大，其变动的54%以上可由fs 解释；fe 变动对EN 变动的贡献程度有限，到第10 期fe 贡献率仅为6.72%；EN 变动的35.42%可由自身解释。由表12 可知，预测末期ST 主要是受其自身和fe 影响，贡献度分别为39.55%和56.78%，而fs 对其变动贡献较小，仅为3.66%。

四、结论与政策启示

通过以上对比分析，农村金融发展的扶贫效应具体体现在三个方面：一是农村金融规模对千口人中医疗人员比例变化影响并不明显，而农村金融效率提高能够促进千口人中医疗人员比例的增加。二是农村金融规模和效率提升都能够降低农村恩格尔系数，提高居民生活水平。三是农村金融规模扩大和农村金融效率提高在短期内可以促进高等教育学生比例提升，但这种作用并不持续，且农村金融效率提升比规模扩大更能发挥作用。最终结果显示：农村金融发展的各扶贫变量响应程度不同，但总体来讲，甘肃省农村金融的发展对甘肃省具有多维扶贫的正向效应，并长期持续存在。

表10 ME 的10 期方差分解结果

表11 EN 的10 期方差分解结果

表12 ST 的10 期方差分解结果

通过实证结论可得出如下政策启示：

第一，发挥农村金融的精准帮扶作用，建立精准甄别与投放金融服务机制。金融机构应瞄准需要金融服务的农村人口，精准使用金融资金和投放贷款，建立有效的金融对接服务，从而提高金融资金使用效率，建立精准对接模式。

第二，发挥农业保险的金融保障作用，政府与金融机构应将生产经营和生活中各类风险进行充分评估，并建立较为完整的风险管控机制。并且规范农村金融保险行业，提升农险公司的市场准入门槛，为农村地区提供优质实惠的农险产品。

第三，丰富农村金融组织结构，不断创新农村金融发展方式和完善金融市场，鼓励金融机构积极参与到农村发展事业中来。

第四，加强农村金融信贷风险管控，金融机构应该建设并不断完善行业内征信系统，同时还应将金融政策法规纳入信贷发放过程之中，引导大众形成良好的风险与契约意识，从而提升群众诚信意识。