普惠金融创业与经济增长的互动关系

导语：普惠金融创业与经济增长的互动关系一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：文章基于2006—2017年的省级面板数据，在合成普惠金融指数的基础上，通过面板向量自回归（PVAR）模型将普惠金融、创业和经济增长纳入同一个框架，检验三个变量之间动态相互作用及作用机制。结果表明：（1）普惠金融、创业和经济增长三个变量之间存在较强的Granger因果关系。（2）普惠金融、创业及经济增长之间均存在正向动态互动关系，且以短期影响为主。其中，普惠金融和创业对经济增长的促进作用持续时间较长，且短期内的促进作用有限。（3）从长期来看，三个变量在一定程度上已经有了部分融合，但其影响程度存在差异。创业较经济增长对普惠金融的影响大，普惠金融较创业对经济增长的作用程度大，而普惠金融发展和经济增长对创业的影响非常有限。

关键词：普惠金融；创业；经济增长；PVAR

普惠金融在2005年联合国的“小额信贷年”首次被提出，并迅速得到世界银行等国际组织、各国政府以及国内外学者的重点关注。在普惠金融相关的诸多问题研究中，普惠金融与经济增长的关系一直是学术界的热点议题，大量实证研究探讨了二者之间的关系。从普惠金融对经济增长的作用方向看，部分研究者认为普惠金融发展促进经济增长。周斌等（2017）[1]、刘金全和毕振豫（2019）[2]分别利用面板数据的PVAR法和GMM模型等方法对普惠金融与经济增长的关系进行实证检验，均发现普惠金融的发展对经济增长具有促进作用。部分研究者指出普惠金融发展抑制经济增长。李涛等（2016）[3]认为其负面作用与银行等金融中介在整个金融体系中所占比重密切相关，以间接金融为主、过度依赖银行提供流动性的金融体系，由于追逐高利润、“惜贷”、金融风险等原因，在一定程度上阻碍经济增长。李梦雨（2019）[4]对“一带一路”沿线国家的跨国面板数据的实证表明，普惠金融在一定程度上会抑制经济的增长，特别是金融服务地理渗透性维度的普惠金融与经济增长之间呈现显著的负相关。与此同时，普惠金融的创业效应也得到一些关注。金融是影响创业的一个重要的因素，小企业融资的创业活动直接受到金融机构是否愿意贷款影响[5]，不仅如此，一个国家的金融系统对创业企业的友好程度会影响该国的创业活跃度和创业的性质。不少文献对居民创业的影响因素进行研究和讨论，发现居民创业过程中面临的主要问题是缺乏足够的资金，而发展普惠金融有效地缓解这一约束，从而推动居民创业[6]。普惠金融还通过缓解融资约束，激发创新创业精神[7,8]，在一定程度上影响创业。部分学者进一步分析了普惠金融的创业效应的异质性，发现包容性金融可有效降低家庭创业融资风险，提高创业率，促进居民创业，特别是对城市家庭、高收入家庭和受教育程度高的家庭的创业决策具有明显的促进作用[9]。从现有文献分析发现两个问题：其一，目前关于普惠金融对经济增长的影响及创业对经济增长的影响形式和方向仍存在争议。其二，已有文献主要关注普惠金融、创业和经济增长的两两之间单向关系，忽略了三个变量之间的双向因果关系及相互作用的时滞性与持续时间。鉴于此，本文基于我国30个省份的面板数据合成普惠金融指数，将普惠金融、创业和经济增长纳入统一研究框架，采用PVAR模型探索三者之间的动态互动关系及作用机制。

1研究假设

作为传统金融的有力补充，普惠金融具有金融服务可得性、成本可负担性及全面性三个主要特征，这决定了普惠金融对创业具有正向促进作用。第一，金融服务可得性要求不断完善普惠金融机构体系，从而缓解农村等偏远地区受到的地理排斥，以及贫困群体和中小微企业受到的成本排斥和信贷约束[10]，为潜在创业者提供获得金融服务的机会。第二，普惠金融强调金融成本的可负担，且互联网和移动通讯技术的发展降低了金融服务的信息成本及交易成本，因此，创业者的创业承受能力得到提高。第三，普惠金融强调金融服务和产品的全面性即多样性[11]，使得创业者可根据自身需要选择合适的产品和服务。由于金融机构是理性经济的，在缩小城乡差距的情况下，金融机构会主动往农村地区延伸，从而缓解了农村地区面临大量的金融排斥现象，这在一定程度上提高了普惠金融水平。此外，普惠金融在短期内通过资金支持、服务可得性缓解制约创业的资金约束和服务约束，从而促进创业。然而，创业的成功率和持续性主要受创业者的主管经营和外部市场环境的影响。同样，普惠金融发展主要在于顶层设计及金融机构的政策制定和实施情况，因而创业对普惠金融发展的影响作用时间较短。鉴于此，本文提出：假设1：普惠金融发展与创业之间在短期内具有明显的互相促进作用。根据经济增长理论，技术进步、资金配置效率及全要素生产率的提高无疑能推动经济增长。然而，这种方式具有时滞性，需要较长时间才能充分发挥出来。在普惠金融促进经济增长的同时，经济增长也可促进普惠金融发展。依据“需求遵从”理论假说，随着经济不断增长，人们对投融资、保险、信贷等各种金融的服务需求也不断增加，从而拉动金融发展。同时，由于金融机构出于安全性和营利性的考虑，在提供贷款等金融服务时歧视没有资产担保和固定收入来源的中小企业及弱势群体，因此，普惠金融发展需要政府的财政支持，而经济增长直接为普惠金融发展提供强有力的经济后盾支持。鉴于此，本文提出：假设2：普惠金融发展能够持续地促进经济增长，但在短期内的促进作用有限，经济增长在短期内显著地促进普惠金融发展。创业能够通过知识溢出、创新激发及就业渠道增加促进经济增长。创业是促进新知识突破知识“过滤器”的重要途径，创业通过知识外溢对技术进步产生重大推动作用[12]。与资本积累对经济增长的推动作用相比，创业对经济增长的促进效果还非常有限[13]。与此同时，经济增长能够促进创业。国民经济持续稳定的增长是促进创业带动就业的重要动力[14]，经济增长不仅促进居民财富水平的增加，还能促进国家在支持居民创业上的财政支出增加，从而为创业者提供良好的自身和外部创业条件，进一步促进居民创业。鉴于此，本文提出：假设3：创业持续地促进经济增长，但短期内促进效果非常有限，而经济增长能够在短中期显著地促进创业。

2研究设计

2.1计量模型构建

为揭示普惠金融、创业与经济增长之间的动态互动关系，本文借鉴Holtz-Eakin等（1988）[15]在向量自回归（VAR）模型基础上提出的面板向量自回归（PVAR）模型进行实证研究。PVAR模型不仅具有解决样本量不足和体现个体异质性的优势，还能够在其他变量不变的情况下通过正交化响应，分解出系统每个解释变量的冲击对内生变量的影响。本文设定的模型如下：Yit=åj=1pAjYit-j+ψt+fi+εiti=12N;t=12T（1）式（1）中，A为待估计的参数矩阵，i代表地区，t代表时间，p代表滞后阶数。Yit为被解释变量，包括IFIit、ENTRit、LMGDPit，是三维列向量，分别表示i地区在t时点的普惠金融发展水平、创业水平及经济发展水平。fi表示模型的个体效应，受到因变量滞后期的影响，fi与自变量相关。因此，采用向前差分Helmert转换法消除个体效应[16]。ψt为模型的时间效应，εit为随机误差项，服从期望为0、协方差为Σ的独立同分布。

2.2变量与数据

2.2.1普惠金融指数的测度在现有普惠金融指数体系的构建基础上，本文结合我国普惠金融发展实际以及数据的可获得性，选取金融服务可获得性、使用情况与效用性3个维度共11个指标构建普惠金融指数。（1）可获得性。可获得性是从提供金融产品与服务的供给角度来刻画，主要包括金融机构的设置及金融人员的配备。本文主要从人口和地理两个层面出发，选取人均拥有银行业金融机构数（家/万人）、人均拥有的银行业金融从业人员（人/万人）、地均银行业金融机构数（家/平方公里）和人均银行金融机构从业人员（人/平方公里），此外，还选取每个乡镇拥有的农村金融机构数来重点考察农村金融机构的覆盖情况。（2）使用情况。使用情况维度用来测度居民金融服务的参与情况，参与金融服务的人越多，说明金融渗透率越高，金融的普惠性越高。除存款贷款等基本金融服务的使用之外，还有保险等其他金融服务的使用。该维度包括人均存款余额、人均贷款余额及保险密度（保险收入/总人口）3个指标。（3）效用性。效应性主要反映某个地区金融服务发挥的功效和作用，选取金融机构各项存款余额占GDP比重、各项贷款余额占GDP比重以及保险深度即保险收入占GDP比重3个指标来衡量。本文选取2006—2017年我国30个省份（不含西藏和港澳台）的年度数据作为样本。相关数据来源于《中国统计年鉴》《中国金融统计年鉴》《中国区域金融运行报告以及各省份金融运行报告和银保监会发布的年报。在测度方法上，采用熵值法和欧氏距离公式测算普惠金融指数（IFI）。首先，采用Max-Min方法对数据进行标准化处理以消除量纲影响。由于本文的普惠金融指数的构建指标均为正向指标，因此，处理公式为：X'ij=Xij-minXjmaxXj-minXji=12n; j=12m（2）式（2）中，Xij为第i个需要进行评价目标的第j个指标的数值，X′ij为标准化后的值。表1中展示了各省普惠金融的年平均水平及平均发展速度。从均值来看，我国普惠金融发展存在明显的区域差异。东部地区远高于中西部地区，中部地区整体上略高于西部地区，呈现由东向西梯度递减分布。不过，从年平均发展速度看，西部地区普惠金融发展十分迅速，明显快于中东部地区，可见，中西部地区普惠金融发展势头足。2.2.2其他核心变量与数据来源创业（ENTR）。本文在参考Blanchflower（2000）[17]、代明和郑闽（2018）[18]的研究，选取每万人拥有的私营企业与个体户数的变化率来衡量居民创业参与率，其中，人口数据为常住人口。基础数据来源于2007—2018年《中国统计年鉴》。经济增长（LMGDP）。本文用CPI对各省人均GDP进行平减后并作对数化处理，将其作为经济增长的衡量指标。数据来源2007—2018年《中国统计年鉴》。数据的描述性统计结果如表2所示。

3实证分析

3.1模型的校准

本文构建一个包含普惠金融、创业和经济增长的PVAR模型并进行估计。本文数据的特点是宽截面、短时间数据，一般可视为平稳数据，但为了保证后文分析结果的准确性，进一步采用LLC（Levin-Lin-Chu）法和IPS（Im-Pesaran-Shin）法进行检验。从表3可知，LLC和IPS两种方法下，IFI、ENTR以及LMGDP在1%的置信水平下均显著平稳。本文参考AIC、BIC和HQIC三个准则确定模型的滞后阶数。表4显示PVAR模型滞后1阶的AIC、BIC及HQIC均是最小的，因此，PVAR模型的滞后阶数取1比较合适。从表5结果可知：在普惠金融方程（h_IFI）中，创业以及创业与经济增长的联合检验在1%的显著性水平下都拒绝原假设，说明创业和经济增长在Granger意义下影响普惠金融。在创业（h_ENTR）方程中，普惠金融在5%的显著性水平下拒绝原假设，普惠金融与经济增长的联合检验在1%的显著性水平下拒绝原假设，说明普惠金融和经济增长是创业在Granger意义下的原因。在经济增长方程（h_LMGDP）中，普惠金融以及普惠金融与创业的联合检验在1%的显著性下都拒绝原假设，创业在10%的显著性水平下拒绝原假设，说明普惠金融和创业在Granger意义下影响经济增长。总体来看，三个变量之间存在较强的Granger因果关系，因而可以进行下一步的面板向量自回归估计、脉冲响应分析及方差分解分析。

3.2实证结果

3.2.1PVAR模型的系统GMM估计在变量进行向前差分处理后，本文选取变量的滞后1阶作为工具变量，采用系统GMM方法对模型参数进行估计，估计结果如表6所示。需要说明的是，VAR模型是把变量由所有内生变量的滞后期作为解释变量来模拟的一个动态模型，可能会因为共线性问题造成模型中的参数不显著，甚至造成模型中滞后解释变量的系数符号与理论不符，但这并不妨碍后面的分析结论，因为VAR模型考虑的是一个系统，通常关注的是预测分析，一般不对滞后解释变量的系数作过多关注。3.2.2脉冲响应结果为探索各变量间的动态传导机制和路径，本文运用正交化脉冲响应进行解释。正交化脉冲响应函数是通过Cholesky分解得到的，而Cholesky分解的结果严格依赖于模型中变量的次序，一般要求外生性越强的变量越放前面。在三个变量组成的系统中，经济增长的内生性更强，因而把经济增长放在第三个位置。普惠金融发展主导创业，故把普惠金融放在第一个位置。即在Cholesky分解时，变量的次序依次为IFI、ENTR、LMGDP。通过蒙特卡洛模拟200次，将冲击时间设置为18期，最终得到脉冲响应图（见图1）。脉冲响应基本都收敛，可认为本文构建的PVAR模型是稳定的。图1中的图（a）与（b）表示普惠金融与创业的相互冲击响应，图（c）与（d）表示普惠金融与经济增长的相互冲击响应，图（e）与（f）表示创业与经济增长的相互冲击响应。总的来说，脉冲响应图表明各变量之间存在正向动态互动关系。然而，其作用速度和作用程度存在差异性，且作用时长存在非对称性。具体表现如下：（1）对于普惠金融1个标准差的冲击，创业的响应呈现明显的倒勾型。响应值在当期为0，然后急剧增大，在第2期达到最大值0.018，之后响应值逐渐减少，直到第15期左右稳定趋于0。这表明普惠金融对创业具有正向推动作用，且在短期内的作用较大，但是作用时间持续较长。反过来看，创业一个标准差的冲击使普惠金融在当期作出正向响应，其响应值在1期达到最大值0.0021，之后逐渐减弱，在第9期左右稳定到0，即创业对普惠金融发展在短期内起到一定的促进作用，作用时间相对较短。由此可见，创业与普惠金融之间在短期内具有双向的促进作用，且影响作用先后在第2期和第1期达到最大值，这验证了假设1。（2）从经济增长对于普惠金融冲击的响应来看，其脉冲响应值始终为正，且在第3期达到最大值只有0.0003，之后呈现阶梯式递减的变化，在第12期平稳，但是影响效应并未减为0。这表明普惠金融对经济增长具有正向推动作用，但短期作用非常有限，且持续作用时间长。对于经济增长一个标准差的冲击，普惠金融有正向的响应，在0期达到最大0.002，之后迅速减弱，并于第5期平稳趋于0，即经济增长在短期内明显地促进普惠金融发展。由此可见，假设2成立。（3）对于创业1个标准差的冲击，经济增长的脉冲响应值为正，但响应值非常小，且持续作用时间长，直到第15期减为0，说明创业促进经济增长，促进效果十分有限。反过来看，对于经济增长1个标准差的冲击，创业的响应值开始为正，在第6期达到最大值0.0056，之后逐渐减小并稳定趋于0，说明经济增长在短中期内对创业具有促进作用。以上验证了假设3。3.2.3方差分解结果为进一步清晰度量三个指标之间的长期相互影响程度，本文利用预测误差方差分解来解释各指标对冲击响应的方差贡献率，结果如表7所示。普惠金融的方差贡献率在第1期全部来自自身，在第5期和第10期，自身的贡献有所减小，分别为90.7%和88.3%，而创业的贡献率明显增大，分别为9.2%和11.3%，经济增长的方差贡献率较小，分别为1.4%和2.1%。这表明创业对普惠金融的影响比经济增长对普惠金融的影响更大。从创业的方差分解来看，在第1至10期的方差贡献率几乎全部来自自身，表明创业受普惠金融发展和经济增长的影响非常有限，这可能是因为当前我国普惠金融发展水平较低以及普惠金融政策在实施时存在时滞性等原因，导致其对创业的促进作用未得到充分发挥。从经济增长的方差分解来看，第1期的经济增长的方差贡献率有97.6%来自自身，而在第5期和第10期，自身的贡献有所减小,普惠金融对经济增长的方差贡献率增加到12.3%和13.8%，创业对经济增长的方差贡献率分别为0.8%和0.7%。可见，与创业相比，经济增长受普惠金融发展的影响相对较大。总之，从三个变量间动态互动关系上看，三个变量在一定程度上已经有了部分融合，然而变量之间的作用程度存在差异。

3.3稳健性检验

由于PVAR模型中的内生变量与其误差项之间存在相关性，导致系统GMM法估计得到的系数估计量可能出现偏差。本文将被解释变量的滞后期纳入解释变量，采用两步差分GMM法对参数进行估计，结果略。从被解释变量为普惠金融（IFI）的估计结果看，创业（ENTR）和普惠金融（IFI）的系数均为正，表明创业和经济增长均能够促进普惠金融发展。从被解释变量为创业（ENTR）的估计结果看，普惠金融（IFI）和经济增长（LMG-DP）的系数均为正，即普惠金融和经济增长均对创业起到正向推动作用。从被解释变量为经济增长（LMGDP）的估计结果看，普惠金融（IFI）和创业（ENTR）的系数均为正，表明普惠金融和创业均能够促进经济增长。可见，本文的结论具有较好的稳健性。

4结论

本文首先通过我国30个省份2006—2017年的相关指标数据构建并测算了普惠金融指数，随后将普惠金融、创业和经济增长纳入一个框架构造了PVAR模型，在此基础上，进一步通过GMM估计、Granger因果检验、脉冲响应分析和预测误差方差分解对普惠金融、创业和经济增长之间的互动关系进行了检验，主要结论如下：（1）Granger因果检验结果说明普惠金融、创业和经济增长三个变量之间存在较强的Granger因果关系。（2）脉冲响应结果表明普惠金融、创业及经济增长存在正向动态互动关系，但各变量之间作用程度和速度及持续时长具有非对称性。其中，创业与普惠金融之间在短期内具有双向的促进作用，且影响作用先后在第2期和第1期达到最大值。普惠金融发展促进经济增长，但在短期内的促进作用程度有限且持续时间长，经济增长在短期内显著地促进普惠家金融发展。创业促进经济增长，但在短期内促进效果非常有限，而经济增长能够在短中期显著地促进创业。（3）预测误差方差分解的结果显示三个变量在一定程度上已经有了部分融合，然而变量之间的作用程度存在差异。其中，创业对普惠金融的影响比经济增长对普惠金融的影响更大。普惠金融发展和经济增长对创业的影响非常有限。与创业相比，经济增长受普惠金融发展的影响相对较大。

作者：封艳红 许涤龙 单位：南华大学 经济管理与法学学院 广州大学 经济与统计学院