金融发展、结构偏差与农村贫困减缓的非线性关系研究

陈景帅　张东玲　范伟丽

摘   要：农村贫困减缓是中国农业农村现代化建设的根本保证。基于2007—2017年中国省级面板数据，运用门槛回归模型、SCC-FE模型和门槛变量二元虚拟变量法，对经济发展和政府干预背景下，金融发展、结构偏差和农村贫困减缓之间的非线性关系进行实证分析。结果发现：金融发展和结构偏差对农村贫困减缓存在基于经济发展水平和政府干预程度的单一门槛效应。金融发展规模在不同的门槛变量下均表现为减贫效应减弱，金融效率和结构偏差对农村贫困减缓转变为明显的抑制作用;经济发展水平越过门槛值后，产业结构高级化的减贫效应逐渐消失，较高政府干预下的产业结构高级化阻碍了农村贫困减缓。结合研究结论，发展普惠金融、培育农村人力资本和扶持乡村产业发展是农村贫困减缓的有效路径。

关键词：金融发展;结构偏差;农村贫困减缓;政府干预;门槛效应

中图分类号：F832  文献标识码： A  文章编号：1674-2265（2019）09-0025-09

DOI：10.19647/j.cnki.37-1462/f.2019.09.003

一、引言

乡村振兴战略是现阶段中国政府统筹城乡一体化发展、破解城乡二元化格局的系统性工程。农村贫困减缓以及精准扶贫路径探索是乡村振兴战略实施的重点内容和永恒课题。当前，中国农业农村现代化建设稳步推进，精准扶贫方略落地生效，中国农村绝对贫困人口数量得以逐年减少，从改革开放之初的77039万人下降至2017年的3046万人，绝对贫困状况大幅度缓解，但城乡之间、地区之间相对贫困现象依然存在，中国减缓农村贫困仍然面临严峻挑战（魏后凯，2018）。如何构建可持续的农村减贫长效机制，实现城乡贫困治理标准、制度和政策一体化是中国贫困减缓的战略任务。由于农村贫困减缓的复杂性和缓慢性，减贫工作的推进需要各项措施协同配合，金融发展和产业结构调整更是不可忽略的关键因素。改革开放以来，中国金融规模不断扩大，逐渐形成了以银行、保险和证券为主的多元化格局，金融资源配置效率不断提升，促进了农村贫困减缓。与此同时，金融发展并不是农村贫困减缓的“百灵药”，由于风险管控程度的不断提高以及金融资源的“高效率趋向性”和“高风险规避性”，造成农村金融资源缺乏。在当前中国经济转型和产业结构升级背景下，结构偏差的存在使产业间投入—产出效率差距进一步加大，农业生产效率和回报率得不到有效提升，造成农村居民增收困难、风险抵御能力较低，阻碍了金融资源向农业农村流动，抑制了贫困减缓作用的发挥。在此背景下，政府介入推动金融业服务农业农村发展和不断增强风险管控的同时，金融发展能否有效促进农村贫困减缓？另外，随着经济发展和政府“转方式”“调结构”的推进，促进了产业结构转型升级，致力于实现各产业投入—产出一致性，推动乡村产业振兴。那么，结构偏差的存在是否影响了农村贫困减缓的进程？基于此，从经济发展和政府干预视角出发，探究金融发展、结构偏差和农村贫困减缓的非线性关系，为农村减贫及与其相关的金融、产业扶贫路径的探索提供经验借鉴。

二、文献综述

一直以来贫困问题都是经济学研究的基本课题，贫困和反贫困成为国内外学界研究的重点内容。西方学界形成了一系列的贫困理论，如马尔萨斯贫困理论、马克思贫困理论、“恶性循环贫困”理论和“低水平均衡陷阱”理论等。国内学者对于贫困减缓的研究，也逐渐达成了共识，多数学者认为在目前的贫困标准下，中国绝对贫困状况极大缓解，但相对贫困仍是困扰现代化建设的重要问题。贫困问题也由原有的绝对贫困转变为相对贫困、由收入贫困转变为多维贫困，农村贫困问题及其复杂性依旧是阻碍农业农村现代化建设和乡村振兴战略实施的典型问题。近年来，在政府反贫困和“调结构”政策的指导下，金融发展和产业结构在贫困减缓工作中发挥了重要的作用。

学界针对金融发展与贫困减缓之间的关系研究的成果丰硕，主要包括以下三类：一是金融发展促进了贫困减缓。单德朋和王英（2017）以连片特困地区为例，研究表明金融发展和金融服务可得性能够改善贫困人口的收入状况，减缓贫困，但两者的益贫性较差。傅鹏等（2018）通过空间模型分析发现，金融发展对本地区和周边地区均有显著的减贫作用。二是金融发展对贫困减缓具有地区和时间差异。王鸾凤和方舟（2015）认为金融发展对农村贫困减缓的作用在短期内并不显著，长期来看，金融规模增长有利于贫困减缓，但在西部地区表现为抑制作用。杨俊等（2008）研究发现，整体、城镇和农村金融在长、短期内对贫困减缓的作用存在差异。三是金融发展的减贫效应具有门槛特征。多数学者认为金融发展对贫困减缓存在明显的非线性关系。刘芳等（2015）认为金融发展与贫困减缓之间存在类似倒U形曲线的关系。王汉杰等（2018）、蔡晓春（2018）对金融发展和贫困减缓之间的门槛效应进行了探讨，但其研究结论存在不同。

已有文献中，有关结构偏差的研究主要聚焦于产业结构与就业结构之间，又被称为产业结构偏离度、产业结构合理化等。针对产业结构及偏差对贫困减缓影响关系的研究成果较少。一是产业结构对城镇贫困减缓影响的研究，如高云虹（2006）研究發现产业结构调整更多地影响各产业间劳动力配置进而影响收入，而对城镇贫困的影响可能并不明显。张文武（2018）认为不同地区间产业结构对城市贫困的作用不同，在东部地区两者呈现负相关关系，中西部地区呈现倒U形关系。二是对农村贫困减缓的研究，如张凤华（2011）认为各产业对于农村贫困减缓的影响在不同的经济发展阶段表现不同。谭昶等（2019）运用空间模型实证分析得出，产业结构高级化和合理化有利于促进本地区和周边地区的农村贫困减缓。

现有研究成果表明，多数学者认为金融发展和贫困减缓之间存在非线性关系，并进行了大量的实证研究，为贫困减缓进程的推进提供了丰富的实践参考。但不难发现，已有文献对于当前经济发展转型和政府干预背景下，金融发展与农村贫困减缓的关系还存在较大的研究空间，针对结构偏差与农村贫困减缓的研究尚不多见。基于此，采用2007—2017年的省级面板数据，运用面板门槛模型、SCC-FE模型和门槛变量二元虚拟变量法等，以经济发展水平和政府干预程度为门槛变量，对金融发展、结构偏差和农村贫困减缓之间的非线性关系进行深入分析，以期为中国乡村振兴战略推进提供实践参考。

（4）产业结构高级化（Indup）。参照干春晖等（2011）的研究思路，利用第三产业与第二产业产值之比对产业结构高级化进行衡量。

3. 门槛变量及控制变量。研究将经济发展水平（Econo）和政府干预程度（Gov）作为门槛变量，并借鉴已有文献选取相应的控制变量，具体如表1所示。

（二）模型设计

研究采用面板门槛模型，探究不同经济发展水平（Econo）和政府干预程度（Gov）下，金融发展和产业结构变迁对农村贫困减缓的影响，基准回归模型设置为：

其中，[βi]分别表示各解释变量和控制变量的回归系数，[c]为常数项，[εit]为误差项。

依据前文分析，在不同的经济发展水平和政府干预程度下，各核心解释变量对农村贫困减缓的作用可能存在较大的差异。以经济发展水平为门槛变量，设置门槛回归模型如下：

其中，m为门槛值，[αi]表示在门槛变量不同区间内核心解释变量的回归系数，其余变量含义与公式（3）相同。进一步参照唐飞鹏（2017）的研究思路，采用以下方法對门槛模型进行实证分析：

1. 引入门槛变量（M）的二元虚拟变量与解释变量（X）的交互项。以门槛变量为经济发展水平（Econo），解释变量为金融发展规模（Finance），门槛值为m为例。当Econo>m时取值为1，否则取值为0，则交互项Finance（Econo>m）的回归系数代表门槛效应的作用方向。该方法能够反映不同地区间和同一区域内门槛变量变化所带来的影响。

2. 门槛回归模型。近年来，门槛回归模型受到大多数学者的青睐，其实现命令有xthreg、xtthres和xtptm等。依据数据特点，采用xthreg（Wang，2015）命令对门槛模型进行实证分析，其能够利用网格搜索法和Bootstrap自抽样法对门槛值进行估算，并列出门槛数量和相应的P值。

3. SCC模型。SCC模型与普通面板最小二乘法回归相比，能够全面处理异方差问题，并且更加适用于短面板数据。

（三）数据来源及描述性统计

实证研究采用2007—2017年中国省级面板数据，其中，农村贫困发生率（Ruralpool）的相关数据来源于中国民政部官网，金融发展的相关数据来源于2008—2018年《中国区域金融运行报告》，人口老龄化和城镇化数据来源于《中国人口统计年鉴》和《中国统计年鉴》，其余变量均来自2008—2018年《中国统计年鉴》。同时，对人均GDP以2007年为基期进行平减处理，并对经济发展水平和人力资本进行对数处理。各变量描述性统计如表2所示。

五、实证分析

（一）基准回归

通过Hausman检验和F检验发现模型的个体固定效应较为显著，因此，选择个体固定效应模型进行实证分析。考虑到SCC模型与普通最小二乘法（OLS）相比，能够全面处理异方差问题，并且更适用于短面板数据。因此，采用SCC-FE和OLS-FE两种模型进行基准回归分析，具体结果如表3所示。

从表3来看，在不同的回归模型下，随着核心解释变量的变化，各回归结果中变量系数和显著性并未发生明显变化，这表明回归结果较为稳健。金融发展规模（Finance）的回归系数为-0.00540，但并未通过显著性检验，这表明金融发展规模对于农村贫困减缓的促进作用并不明显，而金融发展效率（FE）在基准回归中的系数为0.0556，且通过了5%的显著性检验，对农村贫困减缓起到明显的抑制作用。产业结构中结构偏差（Indd）和产业结构高级化（Indup）的回归系数均为正，加剧了农村居民的贫困发生率，抑制农村贫困减缓。

控制变量中，人力资本（Edu）、政府干预程度（Gov）、老龄化（Aging）和城镇化（Urb）对农村贫困减缓均存在抑制作用，其中，人力资本的抑制作用显著性较差。这主要是由于长期以来的“城市偏向型”政策、城乡基础社会和公共服务的差距，造成城镇化、政府干预程度和老龄化的上升会带来农村农业发展缓慢和养老压力加重，农村贫困减缓受到阻碍。经济发展水平（Econo）的提高会使农业农村在经济发展中受益，但城乡多维度差异的存在造成经济发展的贫困减缓效应不显著。

（二）基于经济发展水平的门槛效应分析

1. 门槛检验结果。门槛检验是运用门槛模型进行回归分析的前提，使用网格搜索法和Bootstrap自抽样法，反复抽样500次来确定经济发展水平（Econo）的门槛值。结果发现：在样本期间内，以经济发展水平（Econo）为门槛变量，金融发展、结构偏差及产业结构高级化均通过了单一门槛效应的显著性检验，具体如表4所示。

由表4可以看出，以经济发展水平（Econo）为门槛变量，金融发展规模（Finance）、金融发展效率（FE）、结构偏差（Indd）和产业结构高级化（Indup）的门槛效应检验结果P值均小于0.05，表明存在单一门槛效应，而双重门槛效应检验结果均未通过显著性检验，说明以经济发展水平为门槛变量，各解释变量不存在双重门槛效应。由表4具体可以看出，门槛变量经济发展水平的单一门槛值为9.2629，这说明解释变量Finance、FE、Indd和Indup在经济发展水平的不同区间内，对农村贫困减缓的影响发生变化。

2. 基于经济发展水平的门槛回归结果。基于门槛效应检验结果，以经济发展水平（Econo）为门槛变量，分别从金融发展规模、金融发展效率、结构偏差和产业结构高级化4个维度设置单一门槛模型，运用SCC-FE模型和门槛变量二元虚拟变量方法，并控制时间固定效应进行回归分析，具体结果如表5所示。

表5显示：

（1）金融发展在不同的经济发展水平区间内对农村贫困减缓的影响作用存在差异。当Econo[≤]9.2629时，Finance的回归系数为-0.0320，且通过了1%的显著性检验，表明金融发展规模的上升对农村贫困减缓的促进作用较为明显。而当Econo>9.2629时，Finance的回归系数为-0.00533，但并未通过显著性检验，这说明当经济发展水平越过门槛值后，金融发展规模对农村贫困减缓的促进作用减弱。随着经济发展水平的提高，农业农村金融资源获取相对不足，造成金融发展规模的减贫效应减弱。

（2）基于金融发展效率（FE）维度，当Econo[≤]9.2629时，FE的回归系数为-0.0308，对农村贫困减缓起到促进作用，但作用并不显著，而经济发展水平（Econo）越过门槛值后，FE的回归系数为0.0574，且通过了5%的显著性检验，金融发展效率会抑制农村贫困减缓。这表明随着经济发展水平的提高，城乡居民差距逐渐加大，农村居民被“排除”在金融服务体系之外，贷存比的提高，并不能使农村居民获得足够金融贷款。

（3）产业结构对农村贫困减缓的影响也存在基于经济发展水平的门槛效应。当Econo[≤]9.2629时，Indd回归系数为-0.0561，但并未通过显著性检验，表明结构偏差对农村贫困减缓的影响不显著。而随着经济发展水平越过门槛值，结构偏差（Indd）的系数为0.0730，且通过了5%的显著性检验。这说明随着经济发展水平的提高，结构偏差会加大农村贫困的发生，特别是结构偏差的存在会造成农业投入—产出效率低于其他产业，不利于农村贫困减缓，也表明结构偏差的缩小，即产业结构合理化程度的提升，有助于农村贫困减缓。

（4）产业结构高级化在经济发展水平（Econo）门槛值前后区间内对农村贫困减缓的作用相反。从表5来看，在Econo[≤]9.2629时，产业结构高级化（Indup）的系数为0.0575，对农村贫困减缓起到显著的促进作用。当经济发展水平越过门槛值（9.2629）后，Indup的回归系数为0.00258，对贫困减缓的抑制作用并不明显，说明中国产业结构高级化中资本、技术密集型产业处于起步阶段，对农村剩余劳动力的影响不明显。

（三）基于政府干预程度的门槛效应分析

1. 基于政府干预程度的门槛检验结果。参照以经济发展水平为门槛变量的检验方法，以政府干预程度为门槛变量，对金融发展、结构偏差和产业结构高级化进行门槛效应检验，具体结果如表6所示。

由表6可以看出，单一门槛效应检验的P值均小于0.05，双重门槛检验结果并不显著，表明金融发展和产业结构变迁均具有基于政府干预程度（Gov）的单一门槛效应。其中，金融发展规模（Finance）、金融发展效率（FE）和产业结构高级化（Indup）3个维度的政府干预程度门槛值为0.3507，结构偏差（Indd）的政府干预程度门槛值为0.2918。这说明金融发展、结构偏差和产业结构高级化在不同的政府干预程度区间内对农村贫困减缓的作用存在差异。

2. 基于政府干预程度的门槛回归结果。以政府干预程度为门槛变量，同样利用面板门槛模型、门槛变量二元虚拟变量法和SCC-FE模型，从金融发展规模、金融发展效率、结构偏差和产业结构高级化4个维度进行门槛实证分析，回归结果如表7所示。

门槛回归结果表明，当政府干预程度低于门槛值（0.3507）时，金融发展规模对农村贫困发生率（Ruralpool）的影响系数为-0.00912，在10%的置信水平下显著，对农村贫困减缓起到促进作用。当Gov>0.3507时，Finance（Gov>0.3507）的回归系数为0.000640，对农村贫困减缓呈现抑制作用。金融發展效率（FE）在政府干预程度越过门槛值（0.3507）后，对农村贫困发生率的影响系数由0.0157变为0.0491，且通过了5%的显著性检验，对农村贫困减缓抑制作用加强。这表明政府干预程度的上升对金融发展的影响仍是以风险监管为主，金融规模和效率的发展更多面向城镇居民和产业，农业农村由于资金、抵押物等方面的不足，无法获得金融支持，抑制了农村贫困减缓。

另外，结构偏差（Indd）会抑制农村贫困减缓，且基于政府干预水平存在明显门槛效应。具体来看，当Gov[≤]0.2918时，结构偏差的回归系数为0.0543，通过了10%的显著性检验，抑制了农村贫困减缓。而政府干预程度越过门槛值0.2918后，结构偏差的回归系数变为0.116，显著性水平也有所提高，这表明政府干预程度越过门槛值后，两者呈现正相关关系，缩小结构偏差有助于农村贫困减缓，即产业结构合理化也是促进农村贫困减缓的重要工具。同样，产业结构高级化（Indup）在政府干预程度门槛值（0.3507）前后对农村贫困发生率的影响作用也发生变化，回归系数由-0.00292变为0.0284，影响也由不显著变为通过1%的显著性检验。这说明在政府干预程度越过门槛值后，产业结构高级化对农村贫困减缓的作用由不明显变为显著抑制。这表明政府干预下的产业结构高级化以发展技术、资本密集型产业为主，注重提高就业人员的知识技能，农村居民在劳动力市场上处于劣势，加大了农村贫困的发生。

六、结论与建议

金融发展和产业结构作为影响农业农村发展的关键因素，在经济发展水平不断提升和政府干预持续调整的背景下，两者对农村贫困减缓的影响呈现非线性的特征。因此，为更深层次地探究金融发展、结构偏差和产业结构高级化对农村贫困减缓的影响，采用门槛模型，结合门槛变量二元虚拟变量法和SCC-FE模型进行实证分析，得到以下研究结论：

第一，金融发展和结构偏差存在基于经济发展水平和政府干预程度的单一门槛效应，在不同区间内对农村贫困减缓的影响存在差异。

第二，以经济发展水平为门槛变量，越过门槛值后，金融发展规模对农村的减贫效应减弱，金融发展效率和结构偏差对农村贫困减缓的影响由不显著向抑制作用转变，产业结构高级化的减贫效应消失。

第三，以政府干预程度为门槛变量，越过门槛值后，对金融发展的影响以风险监管为主，金融发展规模的减贫效应减弱，金融发展效率和结构偏差减贫抑制作用逐渐提高。

研究结论表明，在经济发展水平和政府干预程度越过门槛值后，金融发展和产业结构高级化的减贫效应减弱，甚至转变为抑制作用。在当前农业农村发展不充分和扶贫攻坚背景下，金融体系和产业结构调整应是未来中国推动乡村振兴、提高农民收入的重要手段。

首先，大力发展普惠金融，提高农民的金融参与率。由于信用风险和资金实力等因素的影响，农村居民逐渐被“排除”在金融服务体系以外，金融参与率较低。普惠金融发展提高了金融体系的覆盖率、渗透度和可得性，能够为农村居民获得金融服务、融资贷款提供良好的平台，有助于促进城乡金融服务均等化，为农业农村发展提供必要资金支持，带动金融体系减贫效应的发挥。

其次，培育农村人力资本，合理应对产业结构转型。农村居民知识技能的缺失是其在劳动力市场竞争力缺失的主要原因。在“补短板、调结构”的背景下，应加大对农村人力资本的培育力度，扩大财政支持范围，实现城乡教育均等化，提升农村剩余劳动力在城镇产业中的竞争力，在提高产业结构合理化的同时促进农村贫困减缓。同时，还应加大农民的培养力度，培育职业化农民，提高农业回报率和产品附加值，增加农业及相关产业产值所占比重，化解结构偏差带来的不利影响。

最后，持续推动乡村振兴战略实施，提高农村减贫的自主性。乡村振兴战略是在总结国内外农业农村发展经验的基础上提出的，其包含了产业、文化、生态等多维度的内容，有助于提高农村贫困减缓的自主性。因此，应持续推动乡村振兴战略实施，结合地区资源和农业发展优势，开展特色农业、休闲业，建立农业产业园区，促使农村剩余劳动力“内部”消化。同时，加大科研创新力度，促进产学研融合发展，开发农产品深加工项目，提高产品附加值和市场竞争力，运用农业农村的自身优势实现减贫增收。

参考文献：

[1]Herrera M E B. 2016. Innovation for Impact：Business Innovation for Inclusive Growth[J].Journal of Business Research，69（5）.

[2]Ramani S V，Mukherjee V. 2014. Can Breakthrough Innovations Serve the Poor（bop）and Create Reputational （CSR） Value？ Indian Case Studies[J].Technovation，34（5-6）.

[3]Malthus T. 1992. An Essay on the Principle of Population[M].Cambridge： Cambridge University Press.

[4]Wang，Q. 2015.，Fixed-effect Panel Threshold Model Using Stata[J].Stata Journal，（15）.

[5]魏后凱.2020年后中国减贫的新战略[J].中州学刊，2018，（9）.

[6]邓金钱，李雪娇.改革开放四十年中国扶贫开发实践与理论创新研究[J].经济学家，2019，（2）.

[7]马克思恩格斯全集（第23卷）[M]. 北京：人民出版社，1973.

[8]罗格纳·讷克斯著，谨斋译.不发达国家的资本形成[M].北京：商务印书馆，1966.

[9]习明明，郭熙保.贫困陷阱理论研究的最新进展[J].经济学动态，2012，（3）.

[10]陈宗胜，沈扬扬，周云波.中国农村贫困状况的绝对与相对变动——兼论相对贫困线的设定[J].管理世界，2013，（1）.

[11]单德朋，王英.金融可得性、经济机会与贫困减缓——基于四川集中连片特困地区扶贫统计监测县级门限面板模型的实证分析[J].财贸研究，2017，28（4）.

[12]傅鹏，张鹏，周颖.多维贫困的空间集聚与金融减贫的空间溢出——来自中国的经验证据[J].财经研究，2018，44（2）.

[13]王鸾凤，方舟.金融发展、制度质量与农村贫困缓解——基于中国东中西部地区的经验研究[J].武汉大学学报（哲学社会科学版），2015，68（6）.

[14]杨俊，王燕，张宗益.中国金融发展与贫困减少的经验分析[J].世界经济，2008，（8）.

[15]刘芳，刘明，郭锋航.金融发展规模、效率与县区反贫困研究——基于陕西省50个国定贫困县的系统广义距估计[J].统计与信息论坛，2015，30（8）.

[16]王汉杰，温涛，韩佳丽.贫困地区农村金融减贫的产业结构门槛效应[J].财经科学，2018，（9）.

[17]蔡晓春，郭玉鑫.政府干预、金融发展对贫困减缓的影响分析——基于非线性交互效应动态面板模型[J].统计与信息论坛，2018，33（9）.

[18]赵贺，张华新.金融包容发展的减贫效应研究 ——基于产业结构升级的视角[J].武汉金融，2018，（8）.

[19]高云虹，张建华.中国产业结构变动对城市贫困的影响分析[J].华中科技大学学报（社会科学版），2006，（5）.

[20]张文武，左飞.产业结构和城市规模对城市减贫的影响——基于中国100个城市的面板数据的分析[J].城市问题，2018，（8）.

[21]张凤华，叶初升.经济增长、产业结构与农村减贫——基于省际面板数据的实证分析[J].当代财经，2011，（12）.

[22]谭昶，吴海涛，黄大湖.产业结构、空间溢出与农村减贫[J].华中农业大学学报（社会科学版），2019，（2）.

[23]肖挺.地区贫困、创新潜力与经济增长——基于中国省级面板数据的分析[J].财经研究，2016，42（2）.

[24]崔艳娟，孙刚.金融发展是贫困减缓的原因吗？——来自中国的证据[J].金融研究，2012，（11）.

[25]干春晖，郑若谷，余典范.中国产业结构变迁对经济增长和波动的影响[J].经济研究，2011，46（5）.