2023年普惠金融创业与经济增长的互动关系.docx

普惠金融创业与经济增长的互动关系 ：文章基于2023—2023年的省级面板数据，在合成普惠金融指数的根底上，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。结果说明：〔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，三个变量在确定程度上已经有了局部融合，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，而普惠金融进展和经济增长对创业的影响特殊有限。 关键词：普惠金融；创业；经济增长；PVAR 普惠金融在2023年联合国的“小额信贷年〞首次被提出，并快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争辩中，普惠金融与经济增长的关系始终是学术界的热点议题，大量实证争辩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，局部争辩者认为普惠金融进展促进经济增长。周斌等〔2023〕〔1〕、刘金全和毕振豫〔2023〕〔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，均觉察普惠金融的进展对经济增长具有促进作用。局部争辩者指出普惠金融进展抑制经济增长。李涛等〔2023〕〔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亲热相关，以间接金融为主、过度依靠银行供给流淌性的金融体系，由于追赶高利润、“惜贷〞、金融风险等缘由，在确定程度上阻碍经济增长。李梦雨〔2023〕〔4〕对“一带一路〞沿线国家的跨国面板数据的实证说明，普惠金融在确定程度上会抑制经济的增长，特殊是金融效劳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情愿贷款影响〔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泼度和创业的性质。不少文献对居民创业的影响因素进行争辩和争辩，觉察居民创业过程中面临的主要问题是缺乏足够的资金，而进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〕，在确定程度上影响创业。局部学者进一步分析了普惠金融的创业效应的异质性，觉察包涵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，特殊是对城市家庭、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〕。从现有文献分析觉察两个问题：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，无视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争辩框架，接受PVAR模型探究三者之间的动态互动关系及作用机制。 1争辩假设 作为传统金融的有力补充，普惠金融具有金融效劳可得性、本钱可负担性及全面性三个主要特征，这确定了普惠金融对创业具有正向促进作用。第一，金融效劳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本钱排斥和信贷约束〔10〕，为潜在创业者供给获得金融效劳的时机。其次，普惠金融强调金融本钱的可负担，且互联网和移动通讯技术的进展降低了金融效劳的信息本钱及交易本钱，因此，创业者的创业承受力量得到提高。第三，普惠金融强调金融效劳和产品的全面性即多样性〔11〕，使得创业者可依据自身需要选择适宜的产品和效劳。由于金融机构是理性经济的，在缩小城乡差距的状况下，金融机构会主动往农村地区延长，从而缓解了农村地区面临大量的金融排斥现象，这在确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、效劳可得性缓解制约创业的资金约束和效劳约束，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，普惠金融进展主要在于顶层设计及金融机构的政策制定和实施状况，因而创业对普惠金融进展的影响作用时间较短。鉴于此，本文提出：假设1：普惠金融进展与创业之间在短期内具有明显的相互促进作用。依据经济增长理论，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进展。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、信贷等各种金融的效劳需求也不断增加，从而拉动金融进展。同时，由于金融机构出于平安性和营利性的考虑，在供给贷款等金融效劳时卑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，普惠金融进展需要政府的财政支持，而经济增长直接为普惠金融进展供给强有力的经济后盾支持。鉴于此，本文提出：假设2：普惠金融进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进展。创业能够通过学问溢出、创新激发及就业渠道增加促进经济增长。创业是促进新学问突破学问“过滤器〞的重要途径，创业通过学问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特殊有限〔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宝水平的增加，还能促进国家在支持居民创业上的财政支出增加，从而为创业者供给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，但短期内促进效果特殊有限，而经济增长能够在短中期显著地促进创业。 2争辩设计 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〕模型根底上提出的面板向量自回归〔PVAR〕模型进行实证争辩。PVAR模型不仅具有解决样本量缺乏和表达个体异质性的优势，还能够在其他变量不变的状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为待估量的参数矩阵，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时点的普惠金融进展水平、创业水平及经济进展水平。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，接受向前差分Helmert转换法消退个体效应〔16〕。ψt为模型的时间效应，εit为随机误差项，听从期望为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根底上，本文结合我国普惠金融进展实际以及数据的可获得性，选取金融效劳可获得性、使用状况与效用性3个维度共11个指标构建普惠金融指数。〔1〕可获得性。可获得性是从供给金融产品与效劳的供给角度来刻画，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动身，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掩盖状况。〔2〕使用状况。使用状况维度用来测度居民金融效劳的参与状况，参与金融效劳的人越多，说明金融渗透率越高，金融的普惠性越高。除存款贷款等根本金融效劳的使用之外，还有保险等其他金融效劳的使用。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效劳发挥的成效和作用，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2023—2023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，接受熵值法和欧氏距离公式测算普惠金融指数〔IFI〕。首先，接受Max-Min方法对数据进行标准化处理以消退量纲影响。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;8201;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中呈现了各省普惠金融的年平均水平及平均进展速度。从均值来看，我国普惠金融进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，从年平均进展速度看，西部地区普惠金融进展格外快速，明显快于中东部地区，可见，中西部地区普惠金融进展势头足。2.2.2其他核心变量与数据来源创业〔ENTR〕。本文在参考Blanchflower〔2023〕〔17〕、代明和郑闽〔2023〕〔18〕的争辩，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。根底数据来源于2023—2023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2023—2023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模型并进行估量。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精确     性，进一步接受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三个准那么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比拟适宜。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意义下的缘由。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量、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估量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，接受系统GMM方法对模型参数进行估量，估量结果如表6所示。需要说明的是，VAR模型是把变量由全部内生变量的滞后期作为解释变量来模拟的一个动态模型，可能会由于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