趙德起, 趙 紅

(遼寧大學(xué) 經(jīng)濟(jì)學(xué)院, 沈陽(yáng) 110136)

0 引 言

貧困問(wèn)題是人類發(fā)展進(jìn)程中長(zhǎng)期存在的歷史問(wèn)題,是黨和政府致力解決的重大問(wèn)題。脫貧攻堅(jiān)取得突出成績(jī),來(lái)自于各方的共同努力,特別是近年來(lái)我國(guó)農(nóng)村金融的快速發(fā)展給農(nóng)村快速脫貧提供了有力支持。當(dāng)前我國(guó)已經(jīng)陸續(xù)推出扶貧小額信貸、扶貧再貸款、扶貧金融債等金融產(chǎn)品,每年投向貧困地區(qū)和脫貧攻堅(jiān)項(xiàng)目的金融資金超過(guò)萬(wàn)億元,金融扶貧在脫貧攻堅(jiān)中發(fā)揮了主力軍作用。

通過(guò)對(duì)已有文獻(xiàn)進(jìn)行梳理,發(fā)現(xiàn)學(xué)者們針對(duì)金融發(fā)展與農(nóng)村貧困關(guān)系的研究存在3類觀點(diǎn):

1) 認(rèn)為農(nóng)村金融服務(wù)對(duì)貧困有顯著的線性影響,認(rèn)為人們通過(guò)對(duì)金融產(chǎn)品的使用、進(jìn)行理財(cái)投資等增加收入,從而能顯著降低貧困[1-2],并且在促進(jìn)農(nóng)村貧困緩減的過(guò)程中中介效應(yīng)與直接效應(yīng)并存[3-4],同時(shí)還通過(guò)空間溢出效應(yīng)對(duì)鄰近省份發(fā)揮間接減貧作用[5-6];

2) 認(rèn)為農(nóng)村金融服務(wù)對(duì)農(nóng)村貧困具有較為明顯的非線性影響[7-8],即金融發(fā)展對(duì)降低貧困發(fā)生率存在著一定的邊界,或者說(shuō)在不同階段金融發(fā)展對(duì)貧困的作用存在差異[9];

3) 認(rèn)為農(nóng)村金融服務(wù)對(duì)農(nóng)村貧困影響不顯著[10-11],如果金融體系是非競(jìng)爭(zhēng)的,金融僅僅讓富人受益[12],受資源傾向性配置的效率損失、農(nóng)貸的“精英俘獲”以及金融知識(shí)匱乏的影響,銀行服務(wù)包容性的提高沒有反映出明顯的益貧性[13]。

1 農(nóng)村多維貧困指數(shù)測(cè)算

1.1 數(shù)據(jù)來(lái)源及研究方法

本文選取中國(guó)動(dòng)態(tài)跟蹤調(diào)查(CFPS)2018年的數(shù)據(jù),根據(jù)研究對(duì)象首先將家庭數(shù)據(jù)進(jìn)行清理,篩選出農(nóng)村家庭;然后根據(jù)研究?jī)?nèi)容用個(gè)人數(shù)據(jù)對(duì)家庭數(shù)據(jù)進(jìn)行補(bǔ)充,接著刪掉缺失值、無(wú)效值等,最終得到有效的農(nóng)村家庭5 131戶。采用A-F雙臨界值法來(lái)綜合評(píng)價(jià)貧困個(gè)體在所構(gòu)建的多維度指標(biāo)體系中的貧困狀況[14]。其中,維度加總可以計(jì)算出貧困個(gè)體的綜合貧困指數(shù),維度分解可以計(jì)算出各個(gè)維度指標(biāo)對(duì)綜合貧困指數(shù)的貢獻(xiàn)程度。

1.2 指標(biāo)的構(gòu)建

本文借鑒聯(lián)合國(guó)開發(fā)計(jì)劃署2010年《人類發(fā)展報(bào)告》,采用健康、教育和生活標(biāo)準(zhǔn)3個(gè)維度10個(gè)指標(biāo)[15]。根據(jù)農(nóng)戶實(shí)際貧困狀況,綜合考慮后選取收入、生活、教育、醫(yī)療和住房5個(gè)維度共10個(gè)指標(biāo)對(duì)農(nóng)戶多維貧困狀況進(jìn)行測(cè)度。對(duì)于各維度和指標(biāo)的權(quán)重的確定,參考大部分文獻(xiàn),采用維度等權(quán)重方法。具體指標(biāo)及界定標(biāo)準(zhǔn)見表1。

表1 多維貧困指標(biāo)及界定標(biāo)準(zhǔn)Table 1 Multi-dimensional poverty index and definition standard

1.3 多維貧困的測(cè)算與分解

1.3.1 多維貧困指數(shù)的測(cè)算

利用我國(guó)家庭動(dòng)態(tài)跟蹤調(diào)查2018年農(nóng)戶數(shù)據(jù)及本文所用的多維貧困A-F雙臨界值方法,估算出我國(guó)農(nóng)戶在不同貧困臨界值K下農(nóng)戶多維貧困結(jié)果。如表2所示,當(dāng)K=1時(shí),存在貧困農(nóng)戶數(shù)4 737戶,農(nóng)戶貧困發(fā)生率為92.32%,即92.32%的農(nóng)村家庭存在5個(gè)維度10個(gè)指標(biāo);剝奪強(qiáng)度指數(shù)為0.237 0,多維貧困指數(shù)為0.218 8。當(dāng)K=7時(shí),貧困農(nóng)戶數(shù)為1戶,多維貧困發(fā)生率接近于0(四舍五入的近似值,實(shí)際非零),剝奪強(qiáng)度指數(shù)為0.65,多維貧困指數(shù)亦接近于0。

表2 不同K值下農(nóng)戶多維貧困測(cè)算結(jié)果Table 2 Measurement results of Multi-dimension poverty of farmers under different Kvalues

1.3.2 多維貧困指數(shù)的分解

為了更清楚地描述不同K值時(shí)農(nóng)戶多維貧困特征,表3給出了各個(gè)維度貧困指數(shù)及5個(gè)維度10個(gè)指標(biāo)對(duì)多維貧困指數(shù)的貢獻(xiàn)率。從5個(gè)維度上對(duì)農(nóng)戶多維貧困貢獻(xiàn)率看,各維度依次是人均純收入維度、基本醫(yī)療醫(yī)療維度、義務(wù)教育教育維度、生活維度、住房保障維度,各維度對(duì)農(nóng)戶多維貧困指數(shù)貢獻(xiàn)率依次為32.9%、25.6%、23.6%、16.1%及1.5%。從10個(gè)指標(biāo)多農(nóng)戶多維貧困指數(shù)貢獻(xiàn)率看,各指標(biāo)對(duì)農(nóng)戶多維貧困指數(shù)貢獻(xiàn)率較大的依次為人均收入、家庭平均受教育年限以及農(nóng)戶自評(píng)健康狀況,貢獻(xiàn)率依次為29.5%、31.5%及16.9%;各指標(biāo)對(duì)農(nóng)戶多維貧困指數(shù)貢獻(xiàn)率較小的依次是家中通電情況、家庭中兒童失學(xué)及住房貧困,貢獻(xiàn)率依次為0.3%、0.3%及1.5%。

表3 多維貧困指數(shù)按指標(biāo)分解Table 3 Decomposition of Multi-dimensional poverty index by index

2 農(nóng)村金融服務(wù)對(duì)農(nóng)戶貧困影響的實(shí)證分析

2.1 變量選取與模型設(shè)計(jì)

2.1.1 變量選取

考慮A-F雙臨界值法(Alkire&Foster,2011),通常取指標(biāo)剝奪數(shù)量占指標(biāo)總數(shù)約30%的農(nóng)戶代表該單元多維貧困狀況,因此本文取K=3作為農(nóng)戶處于多維貧困的界定標(biāo)準(zhǔn)。當(dāng)K≥3時(shí),農(nóng)戶處于多維貧困中,賦值為1;否則賦值為0。本文從金融服務(wù)可得性、金融服務(wù)使用度及金融服務(wù)滿意3方面共6個(gè)指標(biāo)作為解釋變量,以此說(shuō)明農(nóng)村金融發(fā)展情況;根據(jù)農(nóng)戶實(shí)際情況,選擇人口規(guī)模、外出打工、政府補(bǔ)助等變量作為控制變量。具體變量說(shuō)明及賦值見表4。

2.1.2 模型設(shè)定

農(nóng)民多維貧困狀況只有2種情況,是一個(gè)“是”與“否”的二分變量,若直接采用傳統(tǒng)的多元線性回歸模型將無(wú)法反映數(shù)據(jù)的真實(shí)情況,因此本文構(gòu)建Logit模型分析普惠金融對(duì)農(nóng)戶貧困狀況的影響程度。Logit模型將概率值轉(zhuǎn)化為解釋變量的非線性函數(shù),將事件發(fā)生的概率值P控制在0-1。若以y表示農(nóng)戶是否陷入多維貧困,其中y=1陷入多維貧困,y=0表示農(nóng)戶未陷入多維貧困。

Logit模型表達(dá)式為

表4 變量說(shuō)明及賦值Table 4 Variable description and assignment

2.2 實(shí)證結(jié)果分析

為了避免自變量之間存在多重共線性,在回歸之前進(jìn)行方差膨脹因子檢驗(yàn)可知自變量的VIF均值為1.05,最大值為1.335,容差在0.749～0.949,小于1,故自變量之間不存在多重共線性。同時(shí)利用進(jìn)行Pearson相關(guān)系數(shù)檢驗(yàn)可知各自變量之間相關(guān)系數(shù)不存在顯著的高度相關(guān)性。本文利用SPSS26軟件進(jìn)行回歸性分析,回歸結(jié)果如表5所示。

表5 Logit實(shí)證回歸結(jié)果Table 5 Logit empirical regression results

通過(guò)表5可以看出,模型系數(shù)經(jīng)LR檢驗(yàn)在5%水平下顯著,說(shuō)明納入的變量具有統(tǒng)計(jì)學(xué)意義;Hosmer and Lemeshow檢驗(yàn)P值為0.391,表明當(dāng)前數(shù)據(jù)中的信息已經(jīng)被充分提取,模型擬合度較好。

具體地看: 1)從農(nóng)戶對(duì)金融服務(wù)可得性看。變量“現(xiàn)金及存款”“定期存款”在5%水平上顯著,說(shuō)明“現(xiàn)金及存款”及“定期存款”影響農(nóng)戶多維貧困的發(fā)生;與沒有現(xiàn)金及存款的農(nóng)戶相比,有現(xiàn)金及存款的農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)會(huì)降低;與沒有定期存款的農(nóng)戶相比,有定期存款的農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)會(huì)降低。2)從農(nóng)戶對(duì)金融服務(wù)使用度看。變量“金融產(chǎn)品”“銀行貸款”在5%水平上顯著,說(shuō)明“金融產(chǎn)品” “銀行貸款”影響農(nóng)戶多維貧困的發(fā)生。由B值可知模型中變量系數(shù)均為負(fù),這說(shuō)明提高金融服務(wù)使用度能減緩農(nóng)戶陷入多維貧困;與未持有金融產(chǎn)品的農(nóng)戶相比,持有金融產(chǎn)品的農(nóng)戶陷入多維貧困的概率會(huì)顯著降低;與不能向銀行貸款的農(nóng)戶相比,其陷入多維貧困的風(fēng)險(xiǎn)會(huì)降低。3)從農(nóng)戶對(duì)金融服務(wù)滿意度看。變量“首選銀行借款”與“被銀行拒絕借款”在5%水平上均不顯著,說(shuō)明變量“首選銀行借款”與“被銀行拒絕借款”均不影響農(nóng)戶多維貧困的發(fā)生,意味著提高金融服務(wù)滿意度在一定程度上對(duì)農(nóng)戶多維貧困發(fā)生不顯著。4)從家庭特征來(lái)看。變量“家庭人口規(guī)?！薄?外出打工”“ 政府補(bǔ)助”等在5%水平上顯著,說(shuō)明農(nóng)戶家庭特征將會(huì)影響農(nóng)戶多維貧困的發(fā)生。如農(nóng)戶家庭規(guī)模越大,農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)將會(huì)增加;而農(nóng)戶家庭成員中有成員外出打工會(huì)使農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)降低。

2.3 區(qū)域回歸結(jié)果分析

為了更好地說(shuō)明金融服務(wù)對(duì)各地區(qū)的影響,使回歸結(jié)果更具有穩(wěn)健性,進(jìn)一步進(jìn)行區(qū)域分析。表6報(bào)告了金融服務(wù)對(duì)農(nóng)戶多維貧困影響的區(qū)域回歸結(jié)果。

由表6可以看出,從選定的“農(nóng)戶對(duì)金融服務(wù)可得性”系列變量看:農(nóng)戶現(xiàn)金及存款增加,各地區(qū)農(nóng)戶陷入多維貧困的概率均會(huì)降低,這種影響不具備區(qū)域差異性;但中部地區(qū)農(nóng)戶持有現(xiàn)金及存款與未持有現(xiàn)金及存款的農(nóng)戶相比,陷入多維貧困的風(fēng)險(xiǎn)比東、西部地區(qū)低得多。從選定的“農(nóng)戶對(duì)金融服務(wù)使用度”系列變量看,金融產(chǎn)品對(duì)農(nóng)戶多維貧困的影響具有地區(qū)差異性,僅東部地區(qū)的農(nóng)戶會(huì)因?yàn)槌钟薪鹑诋a(chǎn)品而降低貧困;銀行貸款對(duì)農(nóng)戶多維貧困的影響不具備地區(qū)差異性,可以申請(qǐng)到銀行貸款的農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)比東、中部地區(qū)低得多。從選定的“農(nóng)戶對(duì)金融服務(wù)滿意度”系列變量看,西部地區(qū)首先選擇銀行借款的農(nóng)戶陷入多維貧困的風(fēng)險(xiǎn)比東、中部地區(qū)低得多,同時(shí)農(nóng)戶不會(huì)在意是否曾經(jīng)被銀行拒絕借款。

表6 Logit分區(qū)域?qū)嵶C回歸結(jié)果Table 6 Empirical regression results of Logit in different regions

2.4 二元Logit模型對(duì)農(nóng)戶多維貧困的預(yù)測(cè)效果

為了檢驗(yàn)?zāi)Ｐ徒Y(jié)果好壞,需要進(jìn)行樣本內(nèi)預(yù)測(cè)效果檢驗(yàn)。具體做法是以多維貧困是否發(fā)生作為因變量,將各解釋變量的樣本數(shù)據(jù)帶入二元Logit模型中,預(yù)測(cè)結(jié)果如表7所示。

表7顯示了樣本內(nèi)模型預(yù)測(cè)效果。從表7可以看出,模型共判斷正確3 381次,其中,多維貧困不發(fā)生判斷正確2 872次,多維貧困發(fā)生判斷正確509次,多維貧困不發(fā)生卻判斷發(fā)生1 389次,多維貧困發(fā)生卻判斷發(fā)生有509次。

表7 模型預(yù)測(cè)效果表Table 7 Effect table of model prediction

模型整體正確預(yù)測(cè)率為

在預(yù)測(cè)的樣本數(shù)據(jù)中,多維貧困實(shí)際發(fā)生且發(fā)出預(yù)測(cè)信號(hào)占26.8%,即如果多維貧困發(fā)生,能夠準(zhǔn)確預(yù)測(cè)的概率為26.8%。多維貧困不發(fā)生且沒有發(fā)出預(yù)測(cè)信號(hào)占88.8%,即如果多維貧困沒有發(fā)生,能夠準(zhǔn)確預(yù)測(cè)的概率為88.8%。從模型的預(yù)測(cè)效果可以看出,預(yù)測(cè)模型整體預(yù)測(cè)準(zhǔn)確率為65.89%,表明二元Logit模型對(duì)多維貧困的預(yù)測(cè)具有一定的作用。

3 結(jié) 論

以中國(guó)家庭動(dòng)態(tài)跟蹤調(diào)查2018年5 131個(gè)農(nóng)戶的微觀調(diào)查數(shù)據(jù)為例,采用A-F雙臨界值法測(cè)算了農(nóng)戶多維貧困指數(shù),并在此基礎(chǔ)上,運(yùn)用二元Logit模型實(shí)證分析了農(nóng)村金融服務(wù)的減貧效應(yīng),主要研究結(jié)論如下:1)從多維貧困加總看,隨著貧困臨界值的增大,多維貧困發(fā)生率迅速減少,多維貧困強(qiáng)度指數(shù)逐漸增加;從維度分解看,收入維度對(duì)農(nóng)戶多維貧困指數(shù)的貢獻(xiàn)率最大,均值為32.4%。2)從實(shí)證結(jié)果看,我國(guó)農(nóng)村金融服務(wù)具有很強(qiáng)的減貧效應(yīng);金融服務(wù)滿意度的影響具有地區(qū)差異性,而農(nóng)村金融服務(wù)的可得性與使用度不具有地區(qū)差異性。