陳雅琳

（集美大學(xué) 財(cái)經(jīng)學(xué)院，福建 廈門 361021）

普惠金融對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響研究

陳雅琳

（集美大學(xué) 財(cái)經(jīng)學(xué)院，福建 廈門 361021）

以全國(guó)30個(gè)省域?yàn)檠芯繉?duì)象，采用30個(gè)省域2005—2014年的數(shù)據(jù)，從金融服務(wù)可得性和使用有效性兩個(gè)方面構(gòu)建普惠金融指數(shù)，對(duì)我國(guó)30個(gè)省域普惠金融發(fā)展水平進(jìn)行測(cè)度，并通過(guò)建立空間面板數(shù)據(jù)模型進(jìn)行實(shí)證研究。結(jié)果表明：普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)有正向影響作用，并且普惠金融的程度與經(jīng)濟(jì)增長(zhǎng)的速度高度相關(guān)；我國(guó)各地區(qū)經(jīng)濟(jì)增長(zhǎng)存在空間溢出效應(yīng)，地理區(qū)位特征對(duì)省域經(jīng)濟(jì)增長(zhǎng)的變動(dòng)存在顯著影響；普惠金融的發(fā)展對(duì)周邊地區(qū)的經(jīng)濟(jì)增長(zhǎng)存在負(fù)的空間溢出效應(yīng)。因此，應(yīng)重視區(qū)域經(jīng)濟(jì)增長(zhǎng)與普惠金融的互動(dòng)；著力發(fā)展金融企業(yè)，繁榮金融活動(dòng)；高度重視空間因素，充分利用相鄰省域的相互支持，推動(dòng)普惠金融，帶動(dòng)經(jīng)濟(jì)的發(fā)展。

普惠金融；地區(qū)經(jīng)濟(jì)增長(zhǎng)；空間溢出效應(yīng)

2013年黨的十八屆三中全會(huì)明確提出要發(fā)展普惠金融，2015年《政府工作報(bào)告》提出要大力發(fā)展普惠金融，2016年1月國(guó)務(wù)院出臺(tái)了 《推進(jìn)普惠金融發(fā)展規(guī)劃》。由此可見，發(fā)展普惠金融已成為我國(guó)深化金融體制改革的重要內(nèi)容。構(gòu)建普惠金融體系，拓展金融服務(wù)的深度和廣度，提升金融資源的配置效率，對(duì)于我國(guó)經(jīng)濟(jì)發(fā)展具有重要的意義。

關(guān)于普惠金融的研究，大多數(shù)文獻(xiàn)是從普惠金融發(fā)展對(duì)城鄉(xiāng)居民收入的影響這個(gè)角度進(jìn)行探究，結(jié)果均表明普惠金融發(fā)展程度的提高對(duì)縮小城鄉(xiāng)收入差距發(fā)揮顯著的正向作用（李建偉[1]；肖瑞[2]；張曉燕[3]；葉偉超[4]；呂勇斌[5]）。而關(guān)于普惠金融對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響，相關(guān)研究較少。杜強(qiáng)[6]利用面板模型進(jìn)行OLS回歸，對(duì)普惠金融與地區(qū)經(jīng)濟(jì)發(fā)展之間的關(guān)系進(jìn)行實(shí)證研究，結(jié)果表明：從整體上看，普惠金融與地區(qū)經(jīng)濟(jì)發(fā)展之間關(guān)系呈倒U型；從各區(qū)域看，東部地區(qū)普惠金融抑制了經(jīng)濟(jì)的發(fā)展，而中西部地區(qū)普惠金融對(duì)經(jīng)濟(jì)發(fā)展有明顯的促進(jìn)作用。楊燕[7]采用VAR模型，實(shí)證分析了普惠金融水平對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，研究表明：普惠金融水平呈上升趨勢(shì)，它的發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)有積極的作用。然而，關(guān)于普惠金融對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響的文獻(xiàn)，在研究方法上均未將空間溢出效應(yīng)的影響考慮在內(nèi)。所謂空間溢出效應(yīng)，是指一個(gè)地區(qū)的某種經(jīng)濟(jì)地理現(xiàn)象在一般情況下會(huì)與其相鄰地區(qū)的同一現(xiàn)象相關(guān)。因此，忽視空間溢出效應(yīng)而對(duì)研究對(duì)象進(jìn)行單一、割裂的研究，得出的最終結(jié)果必然不夠準(zhǔn)確。Anselin創(chuàng)立的空間計(jì)量經(jīng)濟(jì)學(xué)方法有效地解決了這一問(wèn)題。

因此，筆者基于以下兩種考慮進(jìn)行本文的撰寫：第一，在關(guān)于普惠金融的研究中，現(xiàn)有的研究成果更多地集中在普惠金融對(duì)城鄉(xiāng)居民收入的影響這一角度，而缺乏對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響研究。因此，本文在現(xiàn)有文獻(xiàn)的基礎(chǔ)上，重點(diǎn)分析普惠金融對(duì)我國(guó)地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響，對(duì)普惠金融的研究進(jìn)行一定的補(bǔ)充。第二，多數(shù)文獻(xiàn)忽視空間溢出效應(yīng)，這樣得出的最終結(jié)果必然不夠準(zhǔn)確。考慮到普惠金融本身具有的空間特性，空間計(jì)量經(jīng)濟(jì)學(xué)模型是最能明確地把地理空間因素納入到普惠金融與區(qū)域經(jīng)濟(jì)增長(zhǎng)的實(shí)證研究中的模型。因而本文從空間交互作用的角度，采用空間計(jì)量經(jīng)濟(jì)學(xué)方法研究普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)的影響作用。

本文的研究框架做如下安排：先對(duì)全國(guó)普惠金融的現(xiàn)狀進(jìn)行測(cè)度，然后采用全國(guó)30個(gè)省域2005—2014年數(shù)據(jù)，通過(guò)建立空間面板數(shù)據(jù)模型進(jìn)行實(shí)證研究，分析普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，最后一部分為結(jié)論及相關(guān)政策建議。

1 普惠金融指數(shù)的測(cè)算

1.1 指標(biāo)的構(gòu)建

本文在綜合國(guó)內(nèi)外學(xué)者研究的基礎(chǔ)上，構(gòu)建了普惠金融指數(shù)指標(biāo)體系，從服務(wù)可得性和使用有效性兩個(gè)維度選取對(duì)應(yīng)的8個(gè)指標(biāo)進(jìn)行分類評(píng)價(jià)，并給出每個(gè)具體指標(biāo)的計(jì)算方法。本文選取的8個(gè)指標(biāo)概括了普惠金融的基本范疇，并且指標(biāo)容易計(jì)算、實(shí)操性強(qiáng)、涉及的數(shù)據(jù)較易獲得。具體內(nèi)容見表1。

表1 普惠金融指數(shù)指標(biāo)體系Table 1 HPFinance index system

1.2 指標(biāo)的測(cè)度及分析

首先，采用標(biāo)準(zhǔn)化方法對(duì)30個(gè)省份的原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理，剔除各個(gè)指標(biāo)間由于量綱差異對(duì)研究結(jié)果可能存在的影響。然后采用主成分分析法提取主成分，將提取的公因子分別乘上以各自的方差貢獻(xiàn)率占提取因子總方差貢獻(xiàn)率的比重為權(quán)重進(jìn)行加權(quán)求和，得到綜合得分F，由此計(jì)算出各地區(qū)的普惠金融指數(shù)。

在進(jìn)行主成分分析之前，先進(jìn)行KMO和Bartlett的檢驗(yàn)。結(jié)果顯示，KMO統(tǒng)計(jì)量為0.673，巴特利球形檢驗(yàn)Sig為0，表明數(shù)據(jù)的統(tǒng)計(jì)意義顯著，適合采用主成分分析。本文利用SPSS進(jìn)行主成分分析，采用累計(jì)貢獻(xiàn)率大于85%的主成分提取原則，選取3個(gè)主成分。表2給出了特征值、貢獻(xiàn)率和累計(jì)貢獻(xiàn)率，可以看到第一主成分、第二主成分及第三主成分的特征值相對(duì)較大，其方差累計(jì)貢獻(xiàn)率為88.631%，符合主成分提取原則，因此選擇前三個(gè)成分進(jìn)行分析。此外，用載荷數(shù)除以對(duì)應(yīng)的特征根的開方得到各成分中每個(gè)指標(biāo)的系數(shù)。

表2 普惠金融主成分載荷矩陣Tabel 2 HPFinance componentmatrix

各系數(shù)乘以標(biāo)準(zhǔn)化的原始數(shù)據(jù)即可得到各主成分的表達(dá)式。經(jīng)計(jì)算，三個(gè)主成分的線性組合如下：

綜合得分F為將各因子得分以其方差貢獻(xiàn)率占三個(gè)因子總方差貢獻(xiàn)率的比重作為權(quán)重進(jìn)行加權(quán)之和。因此，綜合得分 F=（F1×59.101+F2×17.168+F2×12.362）/88.631，得出的結(jié)果即普惠金融指數(shù)。

根據(jù)上述方法計(jì)算2005—2014年中國(guó)30個(gè)省域的普惠金融指數(shù)，并計(jì)算均值，結(jié)果表明，北京、上海、天津位居前三位，北京的普惠金融指數(shù)處于領(lǐng)先地位，平均得分為2.16，可見北京的普惠金融程度相對(duì)較高。2016年10月28日，北京市金融發(fā)展促進(jìn)中心和北京大學(xué)在京聯(lián)合發(fā)布北京金融發(fā)展指數(shù)（2015）。北京金融發(fā)展指數(shù)以2010年1000點(diǎn)為基期，2015年上升至2 502.35，同比增長(zhǎng)28.63%，期間年均復(fù)合增長(zhǎng)率為20.13%，北京金融業(yè)呈現(xiàn)穩(wěn)健強(qiáng)勁的發(fā)展勢(shì)頭。這一現(xiàn)實(shí)正與本文的研究結(jié)果相符合。而廣西的普惠金融指數(shù)最低，平均得分只有-0.65，這說(shuō)明廣西的普惠金融程度較低。

2 模型、變量與數(shù)據(jù)

2.1 空間計(jì)量模型

2.1.1 空間滯后面板數(shù)據(jù)模型

空間滯后面板數(shù)據(jù)模型（SAR Panel）設(shè)定為：

其中，（IT? WN）y為空間滯后因變量，ρ為空間自回歸系數(shù)，ρ的估計(jì)量在統(tǒng)計(jì)上顯著則表明存在空間相關(guān)，ρ是正數(shù)則表明存在正的空間相關(guān)，反之為負(fù)相關(guān)。x為NT×k自變量觀測(cè)值矩陣，β為對(duì)應(yīng)的k×1參數(shù)向量。η為空間固定效應(yīng)列向量：η=iN?sf，sf為空間固定效應(yīng)的 N 維列向量：sf=（η1，η2，…，ηN）'，iN為 N 維元素為1的列向量。

2.1.2 空間誤差面板數(shù)據(jù)模型

空間誤差面板數(shù)據(jù)模型（SEM Panel）設(shè)定為：

其中，y為NT×1因變量觀測(cè)值向量，x為NT×k自變量觀測(cè)值矩陣（包括常數(shù)項(xiàng)），β為k×1參數(shù)向量?？臻g和時(shí)間固定效應(yīng)列向量為：η=iN?sf，δ=tf?iT。sf和tf表示空間固定效應(yīng)的N維列向量和時(shí)間固定效應(yīng)的 T 維列向量，即 sf=（η1，η2，… ，ηN）'，tf=（δ1，δ2，… ，δT）'，iN和 iT分別為 N維和 T維元素為 1的列向量。（IT?WN）u是空間滯后誤差項(xiàng)，λ為空間誤差自回歸系數(shù)。

2.1.3 空間杜賓面板數(shù)據(jù)模型

空間杜賓面板數(shù)據(jù)模型（SDM Panel）設(shè)定為：

其中，y 為 NT×1 因變量觀測(cè)值向量，（IT? WN）y為空間滯后因變量，ρ為空間自回歸系數(shù)，x為NT×k自變量觀測(cè)值矩陣 （包括常數(shù)項(xiàng)），β1為k×1參數(shù)向量，（IT?WN）x是模型中加入的一個(gè)空間滯后解釋變量，β2是其回歸系數(shù)向量，該變量表示相鄰地區(qū)變量對(duì)因變量的影響。

2.2 變量與數(shù)據(jù)

2.2.1 被解釋變量

本文用地區(qū)生產(chǎn)總值（Y）來(lái)衡量地區(qū)的經(jīng)濟(jì)增長(zhǎng)情況。本文在建模過(guò)程中對(duì)地區(qū)生產(chǎn)總值取自然對(duì)數(shù)。這是因?yàn)榈貐^(qū)生產(chǎn)總值的數(shù)值較大，取對(duì)數(shù)可以使之與其他變量處于同一數(shù)量層次，統(tǒng)一研究的尺度。

2.2.2 核心解釋變量

普惠金融的發(fā)展水平是本文主要關(guān)注的解釋變量，本文用普惠金融指數(shù)（X1）來(lái)衡量地區(qū)普惠金融的發(fā)展程度。

2.2.3 其他控制變量

經(jīng)濟(jì)開放度（X2）：本文用進(jìn)出口總額來(lái)衡量經(jīng)濟(jì)開放度，為了統(tǒng)一研究的尺度，在建模過(guò)程中對(duì)進(jìn)出口總額取自然對(duì)數(shù)。城鎮(zhèn)化率（X3）：本文用城鎮(zhèn)化率來(lái)衡量城鎮(zhèn)化進(jìn)程，城鎮(zhèn)化率用城鎮(zhèn)人口與常住人口的比值來(lái)表示。物價(jià)水平（X4）：本文用CPI來(lái)衡量物價(jià)水平。

就業(yè)人員文化水平（X5）：本文采用就業(yè)人員文化水平這一指標(biāo)來(lái)衡量勞動(dòng)力的人力資本投資水平，就業(yè)人員文化水平用大專及以上人口占勞動(dòng)力的比例來(lái)表示。勞動(dòng)生產(chǎn)率（X6）：本文中勞動(dòng)生產(chǎn)率是用工業(yè)增加值與年平均就業(yè)人員的比值來(lái)衡量。固定資產(chǎn)投資額（X7）：為了統(tǒng)一研究的尺度，在建模過(guò)程中對(duì)固定資產(chǎn)投資額取自然對(duì)數(shù)。

本文選取了2005—2014年中國(guó)30個(gè)省域各變量的年度數(shù)據(jù)，由于西藏、香港和澳門特別行政區(qū)、臺(tái)灣省的個(gè)別數(shù)據(jù)缺失，并且個(gè)別指標(biāo)的數(shù)據(jù)明顯異常于其他省區(qū)，因此剔除其數(shù)據(jù)，最終篩選有效樣本為300個(gè)。本文數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局、2006—2015年《中國(guó)統(tǒng)計(jì)年鑒》及各省統(tǒng)計(jì)年鑒、《中國(guó)人口和就業(yè)統(tǒng)計(jì)年鑒》和《中國(guó)勞動(dòng)統(tǒng)計(jì)年鑒》。本文變量的描述性統(tǒng)計(jì)如表3所示。

表3 變量的描述性統(tǒng)計(jì)Table 3 Descriptive statistics of variable

3 實(shí)證分析

3.1 空間相關(guān)性檢驗(yàn)

Moran’s I檢驗(yàn)是最常見的全局空間相關(guān)性檢驗(yàn)方法。Moran’s I統(tǒng)計(jì)量反映了空間鄰接或空間臨近的區(qū)域單元屬性值的相似度。本文利用Matlab 2015進(jìn)行 Moran’s I檢驗(yàn)，得出的 Moran’s I統(tǒng)計(jì)值 2.493 738 77，大于臨界值0.090 969 48，P值0.012 640 55小于0.05，所以拒絕“不存在空間相關(guān)性”的原假設(shè)。

局部空間自相關(guān)指標(biāo)包括Moran散點(diǎn)圖和空間聯(lián)系的局部指標(biāo) （LISA集聚圖）。本文分別考察2005—2014年我國(guó)地區(qū)生產(chǎn)總值和普惠金融指數(shù)的Moran散點(diǎn)圖和LISA集聚圖，二者的Moran散點(diǎn)圖和LISA集聚圖分布較為穩(wěn)定，因此本文選擇2014年結(jié)果為代表，利用Geoda軟件作出Moran散點(diǎn)圖（如圖1）進(jìn)行分析說(shuō)明。

圖1 我國(guó)2014年地區(qū)生產(chǎn)總值和普惠金融指數(shù)Moran散點(diǎn)圖Fig.1 Moran scatter diagram of regional total output value and HPFinance index in 2014 in China

表4 地區(qū)生產(chǎn)總值和普惠金融指數(shù)Moran散點(diǎn)圖各象限省份Tab.4 Moran scatter diagram of all quadrant provinces of regional total output value and HP Finance index

從地區(qū)生產(chǎn)總值的Moran散點(diǎn)圖上，我們可以發(fā)現(xiàn)，山東、江蘇、浙江、福建等8個(gè)省份都處于第一象限，這說(shuō)明它們自身的地區(qū)生產(chǎn)總值高，并且與其他地區(qū)生產(chǎn)總值高的地區(qū)集聚在一起。安徽、江西、廣西等7個(gè)省份位于第二象限，這說(shuō)明它們自身的地區(qū)生產(chǎn)總值低，但其周邊地區(qū)生產(chǎn)總值高。新疆、青海、陜西等11個(gè)省份位于第三象限，這說(shuō)明它們自身的地區(qū)生產(chǎn)總值低，并且與其他地區(qū)生產(chǎn)總值低的地區(qū)集聚在一起。四川、廣東等4個(gè)省份位于第四象限，這說(shuō)明它們自身的地區(qū)生產(chǎn)總值高，但其周邊地區(qū)生產(chǎn)總值低。

從普惠金融指數(shù)的Moran散點(diǎn)圖上，我們可以發(fā)現(xiàn)，北京、天津、浙江3個(gè)省份都處于第一象限，這說(shuō)明它們自身的普惠金融程度高，并且與其他普惠金融程度高的地區(qū)集聚在一起。江蘇、河北2個(gè)省份位于第二象限，這說(shuō)明它們自身的普惠金融程度低，但其周邊普惠金融程度高。新疆、云南、河南等20個(gè)省份位于第三象限，這說(shuō)明它們自身的普惠金融程度低，并且與其他普惠金融程度低的地區(qū)集聚在一起。上海、重慶、江西、湖南、黑龍江5個(gè)省份位于第四象限，這說(shuō)明它們自身的普惠金融程度高，但其周邊普惠金融程度低。

3.2 模型估計(jì)與結(jié)果分析

3.2.1 模型選擇

通常，空間計(jì)量經(jīng)濟(jì)學(xué)將空間回歸模型分為兩種：空間滯后模型（SAR）和空間誤差模型（SEM）。若變量間的空間依賴性對(duì)模型很關(guān)鍵而導(dǎo)致空間自相關(guān)，則應(yīng)采用空間滯后模型（SAR）；若模型的誤差項(xiàng)存在空間自相關(guān)，則應(yīng)采用空間誤差模型（SEM）。表5給出的拉格朗日乘子滯后和誤差及其穩(wěn)健性檢驗(yàn)，該結(jié)果顯示，LMlag比LMerr更為顯著，R-LMlag顯著而RLMerr不顯著，因此，在研究金融集聚對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的影響這一問(wèn)題上，應(yīng)該選擇空間滯后（SAR）模型。

表5 模型設(shè)定檢驗(yàn)Table 5 Inspection ofmodel specification

3.2.2 模型估計(jì)結(jié)果

本文利用matlab 2015軟件分別對(duì)空間滯后面板數(shù)據(jù)模型（SAR Panel）和空間誤差面板數(shù)據(jù)模型（SEM Panel）進(jìn)行估計(jì)。根據(jù)LM檢驗(yàn)結(jié)果，本文選擇SAR模型作為解釋模型。此外，為了研究本省普惠金融發(fā)展水平對(duì)相鄰省域的影響，本文還對(duì)空間杜賓面板數(shù)據(jù)模型 （SDM Panel）進(jìn)行估計(jì)。表6給出了SAR、SEM、SDM三個(gè)模型估計(jì)結(jié)果。

從SAR模型估計(jì)結(jié)果來(lái)看，普惠金融指數(shù)的系數(shù)為正，通過(guò)了5%的顯著性檢驗(yàn)，說(shuō)明普惠金融程度越高，地區(qū)的經(jīng)濟(jì)增長(zhǎng)越快。從表6可以看出，經(jīng)濟(jì)開放度、城鎮(zhèn)化率、物價(jià)水平、就業(yè)人員文化水平、勞動(dòng)生產(chǎn)率以及固定資產(chǎn)投資額的系數(shù)均顯著為正，這表明它們均對(duì)地區(qū)經(jīng)濟(jì)增長(zhǎng)起正向影響作用。此外，空間自回歸系數(shù)ρ結(jié)果顯著，說(shuō)明地區(qū)經(jīng)濟(jì)增長(zhǎng)存在顯著的空間相關(guān)性，而這種空間相關(guān)性作為一種重要影響因素，應(yīng)在構(gòu)建模型時(shí)加以考慮?？臻g計(jì)量模型考慮空間相關(guān)性的影響，比傳統(tǒng)計(jì)量方法建立回歸模型更優(yōu)?？臻g自回歸系數(shù)ρ估計(jì)值為0.341 959，且在1%水平下顯著，說(shuō)明我國(guó)各地區(qū)經(jīng)濟(jì)增長(zhǎng)存在空間溢出效應(yīng)，地理區(qū)位特征對(duì)省域經(jīng)濟(jì)增長(zhǎng)的變動(dòng)存在顯著影響。而從SEM模型的估計(jì)結(jié)果可知，普惠金融指數(shù)的系數(shù)不顯著，與現(xiàn)實(shí)不符，這也進(jìn)一步驗(yàn)證了LM檢驗(yàn)結(jié)果的正確性。

表6 SAR、SEM、SDM 模型估計(jì)結(jié)果Table 6 Model estimation results of SAR、SEM and SDM

通過(guò)分析SDM模型結(jié)果發(fā)現(xiàn)，該模型的擬合優(yōu)度為0.995 7，是三個(gè)模型中最高的，并且各變量系數(shù)顯著性都較高，說(shuō)明模型中引入普惠金融的空間變量是合理的。普惠金融指數(shù)X1的系數(shù)顯著為正，而W*X1的系數(shù)顯著為負(fù)，這說(shuō)明我國(guó)的普惠金融通過(guò)地理空間機(jī)制對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)發(fā)揮作用，普惠金融的發(fā)展對(duì)周邊地區(qū)的經(jīng)濟(jì)增長(zhǎng)存在負(fù)的空間溢出效應(yīng)，表明相鄰地區(qū)的普惠金融程度的提高會(huì)使得本地區(qū)的經(jīng)濟(jì)增長(zhǎng)減慢。這可能是因?yàn)楸镜貐^(qū)的普惠金融程度落后于相鄰地區(qū)，那么該地區(qū)經(jīng)濟(jì)增長(zhǎng)會(huì)落后于相鄰地區(qū)，作為經(jīng)濟(jì)發(fā)展重要要素的勞動(dòng)力，在普惠金融程度高的地區(qū)意味著更多的機(jī)會(huì)和更好的發(fā)展前景，這使得大量勞動(dòng)力涌向普惠金融程度較高的地區(qū)。而受累積因果關(guān)系的影響，相鄰地區(qū)發(fā)展優(yōu)勢(shì)的集聚會(huì)強(qiáng)化這種現(xiàn)有的差異格局，促進(jìn)其經(jīng)濟(jì)增長(zhǎng)。所以相鄰地區(qū)的普惠金融程度的提高會(huì)使得本地區(qū)的經(jīng)濟(jì)增長(zhǎng)減慢。

4 結(jié)論與建議

本文通過(guò)研究普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)的影響，得出如下結(jié)論：普惠金融對(duì)經(jīng)濟(jì)增長(zhǎng)有正向影響作用，并且普惠金融的程度與經(jīng)濟(jì)增長(zhǎng)的速度高度相關(guān)；我國(guó)各地區(qū)經(jīng)濟(jì)增長(zhǎng)存在空間溢出效應(yīng)，地理區(qū)位特征對(duì)省域經(jīng)濟(jì)增長(zhǎng)的變動(dòng)存在顯著影響；普惠金融的發(fā)展對(duì)周邊地區(qū)的經(jīng)濟(jì)增長(zhǎng)存在負(fù)的空間溢出效應(yīng)。

為了使普惠金融對(duì)我國(guó)經(jīng)濟(jì)增長(zhǎng)起到有效推進(jìn)作用，筆者根據(jù)本文的研究結(jié)果提出如下三點(diǎn)建議：

1）應(yīng)重視區(qū)域經(jīng)濟(jì)增長(zhǎng)與普惠金融的互動(dòng)。普惠金融的發(fā)展水平會(huì)對(duì)一個(gè)地區(qū)的經(jīng)濟(jì)增長(zhǎng)起到強(qiáng)有力的推動(dòng)作用。相應(yīng)地，一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平也會(huì)影響普惠金融的程度。因此，應(yīng)重視區(qū)域經(jīng)濟(jì)增長(zhǎng)與普惠金融的互動(dòng)。當(dāng)一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展起來(lái)后，應(yīng)該大力發(fā)展普惠金融，金融必須為廣大中小企業(yè)服務(wù)，讓所有市場(chǎng)主體都能分享金融服務(wù)的雨露甘霖，這有利于促進(jìn)金融業(yè)可持續(xù)均衡發(fā)展，推動(dòng)大眾創(chuàng)業(yè)、萬(wàn)眾創(chuàng)新，助推經(jīng)濟(jì)發(fā)展方式轉(zhuǎn)型升級(jí)，從而進(jìn)一步促進(jìn)區(qū)域經(jīng)濟(jì)增長(zhǎng)，實(shí)現(xiàn)區(qū)域經(jīng)濟(jì)增長(zhǎng)與普惠金融的互動(dòng)。

2）著力發(fā)展金融企業(yè)，繁榮金融活動(dòng)。經(jīng)濟(jì)落后的省份為縮小與經(jīng)濟(jì)發(fā)達(dá)的省份之間的差距，應(yīng)該發(fā)展金融企業(yè)、繁榮金融活動(dòng)，更加注重推動(dòng)普惠金融，促進(jìn)金融業(yè)的進(jìn)一步發(fā)展。為此，迫切要求地方政府從加強(qiáng)金融服務(wù)可得性和使用有效性兩個(gè)方面進(jìn)一步提升地區(qū)的普惠金融水平，進(jìn)一步增強(qiáng)金融業(yè)對(duì)經(jīng)濟(jì)發(fā)展的滲透力和支撐力。

3）高度重視空間因素，充分利用相鄰省份的相互作用，推動(dòng)普惠金融。首先，應(yīng)加強(qiáng)金融發(fā)達(dá)地區(qū)的區(qū)域輻射力度。這要求政府應(yīng)該健全勞動(dòng)力市場(chǎng)的協(xié)調(diào)機(jī)制、減少勞動(dòng)力資源的跨區(qū)域流動(dòng)障礙，并且對(duì)落后的地區(qū)采取更多的政策紅利，引導(dǎo)勞動(dòng)力從金融發(fā)達(dá)地區(qū)向相鄰的較不發(fā)達(dá)地區(qū)轉(zhuǎn)移，從而克服普惠金融的發(fā)展對(duì)周邊地區(qū)的經(jīng)濟(jì)增長(zhǎng)存在的負(fù)空間溢出效應(yīng)，產(chǎn)生有利的影響。其次，普惠金融水平落后的省份，應(yīng)該積極配合發(fā)達(dá)省份，推進(jìn)金融資源共享，注重相鄰省份的協(xié)作，促進(jìn)區(qū)域間的影響作用。只有通過(guò)整體的金融合作，加快區(qū)域經(jīng)濟(jì)一體化，普惠金融水平落后的省份才能享受到普惠金融水平高的省份的空間溢出效應(yīng)，從而縮小各省份之間的差距，達(dá)到協(xié)調(diào)發(fā)展、共享發(fā)展的目標(biāo)，帶動(dòng)經(jīng)濟(jì)的發(fā)展。

[1] 李建偉,李樹生,胡斌.具有普惠金融內(nèi)涵的金融發(fā)展與城鄉(xiāng)收入分配的失衡調(diào)整:基于VEC模型的實(shí)證研究[J].云南財(cái)經(jīng)大學(xué)學(xué)報(bào),2015(1):110-116.

[2] 肖瑞.普惠金融發(fā)展對(duì)城鄉(xiāng)收入差距的影響分析[D].浙江:浙江工商大學(xué),2015.

[3] 張曉燕 互聯(lián)網(wǎng)金融背景下普惠金融發(fā)展對(duì)城鄉(xiāng)收入差距的影響[J].財(cái)會(huì)月刊,2016(17):94-97.

[4] 葉偉超.普惠金融的發(fā)展對(duì)城鄉(xiāng)居民收入差距的影響:以華東七省為例[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版),2016(4):50-58.

[5] 呂勇斌,李儀.金融包容對(duì)城鄉(xiāng)收入差距的影響研究:基于空間模型[J].財(cái)政研究,2016(7):22-34.

[6] 杜強(qiáng),潘怡.普惠金融對(duì)我國(guó)地區(qū)經(jīng)濟(jì)發(fā)展的影響研究:基于省際面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)問(wèn)題探索,2016(3):178-184.

[7] 楊燕.普惠金融水平的衡量及其對(duì)經(jīng)濟(jì)增長(zhǎng)的影響:基于中國(guó)經(jīng)濟(jì)區(qū)域2005—2013年的面板數(shù)據(jù) [J].金融與經(jīng)濟(jì),2015(6):38-44.

（責(zé)任編輯：夏婷婷）

Research about HP Finance’s Im pact on Regional Econom ic Grow th

CHEN Yalin

(College of Finance and Economics,Jimei University,Xiamen,Fujian 361021)

This article takes 30 provinces and regions of China as research objects,adopts data of them from 2005 to 2014 and build HP Finance index from finance service availability and use effectiveness,so as to measure developmental level of HP Finance in 30 provinces and regions and empirically studies it through building spatial panel datamodels.The result shows that:(1)HP Finance has positive impact on economic growth and the degree of HP Finance is highly related to the speed of economic growth;(2)Regional economic growth presents spatial spillover effect,the features of geographical location remarkably affect the variation of economic growth;(3)HP Finance has negative spatial spillover effect on economic growth of surrounding areas.Therefore,the interaction between regional economic growth and HP Finance should be highly valued and focus on developing financial enterprises,prospering financial activities.We should also pay high attention to spatial factors,fully utilizemutual support of neighboring provinces and regions,boost HPFinance and drive the developmentof the economy.

HPFinance;regional economic growth;spatial spillover effect

F832.0

A

1674－2109(2017)09－0060－07

2017-03-19

陳雅琳（1992-），女，漢族，碩士研究生，主要從事金融理論研究。