论文部分内容阅读
【摘要】普惠金融是我国脱贫攻坚战略的重要手段。 对普惠金融减贫领域的研究热点进行综述， 介绍普惠金融及贫困水平的主流测度方法， 阐释普惠金融与贫困减缓的理论机制， 探讨普惠金融与贫困减缓的作用效果， 并进一步聚焦和解析普惠金融减贫的马太效应及其机理。 在此基础上， 提出未来研究方向。
【关键词】普惠金融;贫困减缓;金融扶贫;马太效应
【中图分类号】F830 【文献标识码】A 【文章编号】1004-0994（2021）22-0130-7
一、引言
金融減贫是我国政府扶贫工作体系的重要组成部分。 金融减贫旨在利用金融杠杆放大政府及社会扶贫资金投入的作用范围， 推动扶贫方式从短期扶贫向长期扶贫转变， 形成扶贫工作长效机制; 从以往“输血式”扶贫向“造血式”扶贫转变， 激发自主脱贫动力机制。 党的十八大以来， 我国不断完善金融扶贫政策体系， 为打赢脱贫攻坚战提供了有力支撑。
普惠金融 （Inclusive Finance）的出现， 使得金融发展普惠性的减贫价值备受瞩目。 国务院出台的《推动普惠金融发展规划（2016-2020年）》将普惠金融纳入我国扶贫战略的顶层框架。 普惠金融凭借其低成本、高可得性的崭新优势， 成为弥合贫富差距鸿沟、引导经济益贫式发展的动力引擎。 党的十九届四中全会明确提出， 2020年之后我国脱贫攻坚战略向减少相对贫困转变。 在解决相对贫困的长效机制中， 普惠金融进一步被赋予促进脱贫攻坚高质量发展的重要使命。
学术界对普惠金融与贫困减缓的关系进行了广泛的探讨。 本文围绕普惠金融减贫领域的研究热点进行综述， 以期为理论界与实务界提供借鉴与参考。 本文介绍了普惠金融及贫困水平的主流测度方法， 阐释了普惠金融与贫困减缓的理论机制， 探讨了普惠金融与贫困减缓的作用效果， 并进一步聚焦和解析了普惠金融减贫的马太效应及其机理。 在此基础上， 本文还对未来研究方向进行了展望。
二、普惠金融与贫困水平测度的演变
近年来， 随着普惠金融与贫困减缓在国内外关注度的不断提高， 现有研究在普惠金融与贫困水平测度方面取得了大量成果， 为客观认识普惠金融减贫效应奠定了基础。
1. 普惠金融水平测度： 基于金融成本和金融效率。 梳理相关文献可知， 国外大多数学者对普惠金融水平测度的研究主要集中在指标体系的构建上， 并主要从供给与需求两个维度展开， 具体包括可获得性、地理渗透性、使用效用性以及使用情况等方面。 Beck等[1] 首次提出了普惠金融发展水平测度问题， 根据金融服务的可获得性和使用情况进行测算， 选取金融机构网点、ATM机等八个指标进行度量; 随后， Sarma等[2] 在Beck等[1] 提出的八个指标基础上， 首次提出了普惠金融指数（Inclusive Financial Index， IFI）， 该指数从可获得性、使用情况和使用效用三个维度进行了考虑; 之后， Arora[3] 对Sarma等[2] 提出的指标进行了完善， 将地理渗透性、使用成本以及便利性等因素也纳入测量范围; Gupte等[4] 则借鉴了Sarma等[2] 和Arora[3] 的研究成果， 并在此基础上做了进一步研究， 认为使用成本、便利性、渗透性以及使用效用性都能在一定程度上反映普惠金融的水平。
我国关于普惠金融水平测度的研究开始得较晚， 且集中于拓展评价维度和实证检验两个方面。 学者们大多基于Sarma等[2] 的测量指标进行研究， 主要从金融服务的可获得性、使用情况和使用效用性三个维度进行测量。 徐敏[5] 对Sarma等[2] 的研究进行了改进， 从可获得性、地理渗透性和使用情况三个维度进行考察， 并测量了2010年新疆83个县的农村普惠金融水平。 陈三毛和钱晓萍[6] 则借鉴了Chakravarty和Pal[7] 的研究成果， 从可获得性、地理渗透性、使用效用性和使用情况四个维度选择指标， 构建了CP 金融包容性指数。 焦瑾璞等[8] 结合我国国情， 从金融服务的可获得性、使用情况和服务质量三个维度选取指标， 合成了普惠金融发展指数， 并测算了2013 年我国 31个省域的普惠金融发展指数。
综上所述， 大多数学者关于普惠金融水平测度的研究都是基于Sarma等[2] 的多维度框架， 逐步构建起完善的指标体系。 但建立的指标体系都是基于银行的视角， 而随着现代金融体系框架的不断完善及新金融与新业务的不断产生， 仅运用银行相关指标和数据难以全面、准确地反映普惠金融的真实发展水平。
2. 贫困水平测度： 基于相对视角和多维视角。 国外关于贫困水平的测度研究经历了从单一收入维度到多维度测算的演进历程。 随着社会经济的发展， 学者发现， 致贫原因不仅是物质层面的缺失， 还包含多种社会因素。 于是， Amartya[9] 最早将“能力贫困”纳入贫困分析中， 创立了多维贫困理论， 认为贫困的实质是能力被剥夺的结果。 之后， 多维贫困测度开始成为研究重点。 多维贫困的测算方法按计算特点分类， 主要包含两大类： 第一， 使用加总数据的边际计算方法， 包括仪表盘法和综合指数法; 第二， 使用微观数据的联合分布法， 包括模糊集方法、韦恩图表法、随机占优方法和公理化方法[10] 。 之后学者发现， 这两种测度和计算方法均未能产生综合性指标， 无法进行跨区比较和动态追踪。 因此， Alkire和Foster[11] 基于Amartya[9] 的“能力贫困”理论， 开创性地提出了AF多维贫困指数法（MPI）， 该方法首次将多维贫困测量广泛应用于全球多维贫困测量实践， 并越来越受到各个国家的认可。
早期国内学者对贫困的认识主要是单一维度的经济贫困， 即绝对贫困。 但随着我国脱贫攻坚转向， 学者大多借鉴Alkire-Foster的多维贫困指数法， 采用多维贫困标准进行度量[12] 。 通过文献梳理可知， 学者对我国贫困水平进行研究时， 采用的数据主要包括中国营养与健康调查（CHNS）数据、中国家庭追踪调查（CFPS）数据、中国家庭收入调查（CHIP）数据、中国综合社会调查（CGSS）数据、建档立卡数据、农村贫困监测数据、各地贫困县官方数据、深度贫困地区数据等[13] 。 学者主要从教育、健康、生活水平、收入、住房和资产状况等六个维度对多维贫困进行衡量[14] 。 不同研究测得的中国总体多维贫困发生率如图1所示： 综上所述， 国内外学者关于贫困水平测度的研究已取得阶段性成果， 但2020年作为脱贫攻坚的收官之年， 意味着我国进入了相对贫困的后扶贫时代。 正如十九届四中全会强调要建立解决相对贫困的长效机制， 如何有效识别相对贫困的特征成为政府和学术界亟待研究的前瞻性命题。
三、普惠金融与贫困减缓： 理论逻辑
传统金融的痛点在于金融扶贫的成本收益不匹配， 与政府提倡的市场机制背道而驰， 因而难以被持续推广。 与传统金融不同， 普惠金融与金融排斥相对， 旨在拓展金融服务的广度， 强调所有人都能享受金融服务的雨露甘霖， 使得那些被排斥在金融体系之外的经济主体能够以可负担的成本享受金融服务[21] 。 普惠金融通过提高贫困农户的金融可得性和降低金融产品与服务的成本， 从而缓解信贷约束， 提高农户可负担性， 进一步增强农户享用金融服务的意愿及能力， 以此增强抗险能力， 从而实现农户增收的目的。 鉴于传统金融的短板， 普惠金融减贫的理论逻辑如图2所示：
1. 提高金融可得性， 缓解信贷约束。 传统金融机构“嫌贫爱富”“逐利”现象普遍， 制约了贫困人民获取金融服务。 而且在农贷市场中“精英俘获”现象普遍（精英主要指农村中有一定经济实力和关系的农户）， 精英农户利用自身优势逐利， 进而占有更多资源， 乡村内部大部分农贷资金被精英把控， 造成扶贫边际效益递减的“内卷化”困境。 因此， 大多数农户被“客体化”“边缘化”， 加剧农贷市场分化[22] 。 而普惠金融旨在为社会各阶层和群体尤其是贫困和低收入人群提供金融服务与产品， 这便拓寬了金融服务范围， 提升了金融可得性。 何光文等[23] 指出， 普惠金融提供的小额信贷等微型金融产品满足了那些不符合传统金融抵押担保要求的贫困农民的金融需求， 提升了其金融可得性。 卢盼盼和张长全[24] 通过对我国普惠金融的作用机理进行研究发现， 普惠金融惠及的贫困家庭可以从金融机构获得信贷支持， 投向回报率更高的项目， 从而越过贫困线， 转变成非贫困家庭。
2. 提高金融可负担性， 增强农户意愿。 金融抑制论表明， 由于发展中国家对金融产品价格控制不合理， 抑制了金融需求发展， 贫困农民难以从正规金融机构获取金融产品和服务， 不得不通过民间借贷来满足资金需求。 然而， 民间借贷成本较高， 不仅制约了农民对金融产品的需求， 而且使资金借入者背上沉重的财务负担。 而普惠金融的出现， 大大改变了这一现状， 显著降低了金融市场的获得成本、交易成本以及中间成本， 提高了贫困农户的金融可负担性， 增强了贫困农户享用金融产品与服务的意愿和能力。 金融市场成本降低的路径表现为： 第一， 基于获得成本， 我国制定了利率市场化、对服务“三农”的金融机构实行差别存款准备金等措施; 第二， 基于交易成本， 由于金融机构数量的增加使其竞争加剧， 从而提升效率以此降低价格; 第三， 基于中间成本， 互联网金融降低了农民使用金融产品的时间、交通和价格成本。
3. 提高金融安全性， 增强抗险能力。 世界银行报告认为， 贫困不仅指收入低微和个人发展能力不足， 还包括人们应对外部冲击的脆弱性。 在社会风险的研究中， Cannon Blaikie等[25] 指出： 灾害=致灾因子+脆弱性。 综合贫困成因和社会风险分析的思路， 可得出： 农民贫困风险=农民的脆弱性+外部影响。 其中， 农民的脆弱性与其拥有的资源和能力相关， 外部冲击来自自然灾害和社会影响两个方面。 因此， 在金融可得性和可负担性的条件下， 普惠金融提供的保险产品等能大大降低贫困农民“因病致穷”的风险， 从而避免陷入贫困陷阱。 主要表现在： 第一， 通过普及新型农村合作医疗、大病保险等金融产品降低“因病致贫”的健康风险; 第二， 通过农业保险、财产保险等金融产品降低“因灾致贫”的自然风险; 第三， 通过农产品保险、期货等金融产品降低“谷贱伤农”的市场风险[26，27] 。
4. 拓展金融服务多样性， 增加农户收入。 在金融服务过程中， 信贷需求能否得到满足将对发展中国家农民增收产生重要影响。 在信贷约束得到缓解的情况下， 普惠金融通过向贫困群体提供金融产品和服务使其获得资金等， 对其增产创收提供支持。 金融机构主要是配置市场金融资源， 本着“授之以渔”理念在金融扶贫中发挥重要作用， 其“造血式”和“可持续性”效应明显， 对贫困主体增强减贫能力、达到致富目的、实现脱贫目标具有不可小觑的促进作用。 其针对不同贫困个体的禀赋能力， 将扶贫资金“下沉”到贫困人口手中， 提供产业支持资金、创业扶持资金等， 同时向“造血产业”领域倾斜， 这就促进了农村家庭提升职业技能， 提高了农业产业化和降低了失业率， 实现了资金扶持农村产业发展的“杠杆作用”， 增强了农户内生发展动力， 进而增加农户收入[28，29] 。
四、普惠金融与贫困减缓： 效果检验
发展普惠金融的社会目的在于更好地为“三农”提供金融服务， 最终促进农村贫困地区经济发展、农户收入增加以及城乡收入差距缩小。 普惠金融减贫的效果主要从空间效应、门槛效应、渠道效应三个维度进行考察， 其效果检验路径如图3所示：
1. 普惠金融减贫的空间效应。 随着空间模型的兴起， 学者们开始探究地理位置影响下的金融减贫。 由于资本、资源和技术等生产要素能跨区域流动， 且流动的效率与区域间的距离成反比， 所以这就使得相近区域在生产活动方面表现出类似特征， 因此， 普惠金融与贫困减缓可能存在空间溢出效应[30-32] 。 例如， 谭燕芝等[33] 研究发现普惠金融不仅对减贫有促进作用， 还通过空间溢出效应显著降低了邻近区域的贫困发生率。 傅鹏等[34] 基于空间视角， 从收入、教育和医疗贫困的多维贫困维度进行研究， 发现金融发展能显著抑制收入和教育贫困， 具有正向空间溢出效应。 基于当前的互联网背景， 钱鹏岁等[35] 与时俱进， 将其与普惠金融相结合， 借助空间杜宾模型研究发现： 短期内普惠金融发展对减贫具有显著的正向空间溢出效应， 但从长期来看， 空间溢出效应不够显著。 普惠金融减贫的空间效应是指， 普惠金融发展不仅对某一区域内的贫困减缓有促进作用， 还通过空间互动对邻近区域的贫困产生影响。 这提示政府在开展扶贫工作时不仅要实现定点帮扶， 还要发挥金融活动的空间延展性与流动性优势， 凸显空间“涓滴效应”。
2. 普惠金融减贫的门槛效应。 已有大量学者通过实证研究发现金融发展存在门槛效应。 在经济发展初期， 因为金融服务具有高门槛和信息不对称等特点， 使得穷人无法承担金融服务的成本， 对贫困弱势群体产生金融排斥， 从而致使贫富差距扩大。 随着时间的推移， 穷人才能够承担相应的成本， 满足金融服务准入条件， 此时金融发展有利于贫富差距缩小。 例如， 张立军和湛泳[36] 利用1978 ～ 2004年的数据构建面板模型， 通过实证检验研究了金融发展的门槛效应和排除效应， 发现金融发展通过门槛效应和排除效应拉大了城乡收入差距。 师荣蓉等[37] 选取我国西部省市的面板数据， 从金融规模、结构和效率方面实证检验了金融减贫的门槛效应。 研究发现： 当人均收入水平较低时， 金融发展对减贫有着隐性积累作用; 随着收入增加， 金融发展对减贫的作用更加显著; 而当人均收入继续提高到一定水平时， 金融发展的减贫效应却逐渐减弱。 傅鹏和张鹏[38] 则将其研究范围进一步扩展到全国， 实证分析农村金融减贫的门槛效应， 发现门槛效应存在且表现为一个门槛值， 东部地区表现为收敛门槛， 中部地区表现为加速门槛， 西部地区表现为分化门槛。 而Zahonogo[39] 、黄秋萍等[40] 研究发现普惠金融发展水平与贫困表现出明显的单一门槛特征。 还有学者将互联网与普惠金融相结合， 认为传统普惠金融和互联网金融均存在双重门槛。
由文献可知， 普惠金融减贫存在非线性特征。 在经济发展的不同階段， 普惠金融减贫效用存在差异。 随着经济发展， 普惠金融对贫困的抑制作用在跨越门槛值后显著强化， 呈现出边际效益递增的特点。 因此， 扶贫应当依据当地经济增长阶段来优化配置相应的金融资源， 以更合理地助力本地区金融减贫。
3. 普惠金融减贫的渠道效应。 普惠金融减贫的渠道效应主要通过直接和间接两大渠道来发挥。 直接作用渠道体现在金融产品与服务对贫困的影响上; 间接作用渠道体现为普惠金融通过经济增长、收入分配等路径对贫困产生影响。 第一， 直接作用路径方面， 主要研究普惠金融发展的可获得性、使用状况、渗透性及使用效用渠道， 皆能有效促进贫困减缓。 例如， Levine[41] 认为普惠金融能够提高低收入者的金融可获得性， 从而帮助减少贫困和消除不平等。 第二， 间接作用路径方面， 主要研究普惠金融减贫的经济增长与收入分配渠道。 苏基溶等[42] 运用不同方法分别检验了我国农村金融减贫的渠道效应差异。 随后， 邵汉华等[43] 将研究领域延伸至普惠金融， 提出普惠金融可以通过改善收入分配来减缓贫困， 但是经济增长效应的减贫机制还未得到检验。
综上， 基于金融减贫的渠道效应， 扶贫既要重视金融减贫的直接渠道， 提升金融服务的可得性， 营造良好的金融生态环境， 降低金融服务成本， 进一步扩大普惠金融覆盖面， 以此提升金融直接减贫的效用与力度， 也要充分发挥经济增长、收入分配的间接减贫渠道作用， 使得金融发展可以通过各个渠道间的协同发展进而惠及广大贫困群体。
五、进一步研究： 普惠金融发展削弱了马太效应吗
党的十九大报告指出， 我国社会的主要矛盾已经转化为人民群众日益增长的美好生活需要和不平衡、不充分的发展之间的矛盾。 金融资源配置是金融发展不平衡、不充分的主要体现。 我国农村地区金融发展相对滞后， 贫困户等弱势群体的融资需求无法得到有效满足， 从而致使贫富收入差距越来越大。 对于收入差距， 一些学者认为， 普惠金融发展因降低了金融服务成本而显著缩小了城乡收入差距， 让农村居民享受到金融服务， 有效缓解了农村贫困[44，45] 。 而另一些学者则认为， 普惠金融发展对城乡收入差距的影响呈现非线性特征， 当前的普惠金融发展未能有效缩小城乡收入差距[46] 。 城乡收入差距的扩大显然不利于脱贫事业的推进， 那么， 普惠金融发展是否削弱了马太效应呢？ 厘清这一问题对我国普惠金融发展具有重大的理论和实践意义。 接下来， 对既有文献中普惠金融对于城乡收入差距的影响机制进行梳理， 并分别从直接和间接机制两个方面给予解释， 以期为克服金融发展中不平衡、不充分问题， 以及“后扶贫时代”金融减贫过程中利用普惠金融缩小城乡收入差距政策的制定提供借鉴和参考。 普惠金融对城乡收入差距的影响机制如图4所示：
1. 直接减贫： 金融服务。 在直接机制层面， 城乡收入差距主要受金融服务供给的影响。 第一， 减贫效应。 减贫效应的本质是把金融作为一种手段， 向农村居民等弱势群体提供广泛的金融服务来减缓贫困。 虽然传统金融在一定程度上也能产生减贫效应， 但减贫力度远远不够。 通过发展新、微型金融等普惠金融模式， 向农户提供信贷、支付、汇兑以及保险等金融产品， 使游离于经济增长轨道及传统金融服务之外的农民也能有机会获得与城镇居民同样的金融服务， 提高金融服务覆盖率， 从而更好地发挥减贫效应。 第二， 非均衡效应。 传统金融服务中资源错配问题严重， 金融资源配置更倾向于城市， 致使城乡金融资源配置不均衡， 贫困农户被传统金融服务“拒之门外”， 从而扩大了城乡经济发展和城乡居民收入的差异。 第三， 拐点效应。 在经济发展初期， 因金融服务存在高门槛、信息不对称、投资歧视、机构脆弱等缺点， 贫困农民无法负担金融服务成本， 因而金融排斥现象普遍存在， 导致贫富差距扩大。 当越过拐点后， 穷人才能获得相关金融服务， 此时金融发展便有利于贫富差距的缩小。 因而， 普惠金融发展对城乡收入差距的影响具有非线性特征[46，47] 。
2. 间接促贫： “涓滴效应”。 在间接机制层面， 城乡居民收入差距主要受经济刺激的影响， 表现为“涓滴效应”（Trickle-down Effects）。 第一， 金融发展通过储蓄、资源配置等金融功能发挥刺激经济增长的作用， 促进农村产业的全面发展， 使贫困人群获得更多的就业创业机会， 拓宽了增收渠道， 间接提高了其脱贫致富的“造血”能力[27，48，49] 。 第二， 随着经济持续增长， 高收入人群的投资需求增加， 利率会上升， 从而收入较低的人群能以较高的利率把钱贷出去， 获得较多的利息所得。 高收入人群的投资最终会把低收入人群拉出贫困陷阱， 从而减缓贫困， 缩小城乡收入差距。 第三， 普惠金融通过益贫式增长间接带动弱势群体和贫困地区的发展和富裕， 改善收入分配格局， 促进社会公平， 使社会各阶层“雨露均沾”， 益贫式增长（Pro-poor Growth）即有利于穷人的财富增长模式[21，50] 。 综上， 普惠金融发展对城乡收入差距的影响取决于实践和理论层面的共同作用， 因此， 普惠金融是否削弱了马太效应还有待进一步研究。
六、评价与展望
本文围绕普惠金融、金融减贫与贫困减缓等核心概念， 系统总结了普惠金融和贫困水平测度的演进、普惠金融减贫的理论逻辑、普惠金融减贫的效果、普惠金融发展是否削弱了马太效应的国内外研究进展。 通过梳理国内外有关普惠金融减贫效应的研究， 发现以往研究还存在不足之处， 因此， 基于不足之处指出未来还需要进一步探讨、突破的重点方向。
1. 基于动态“防贫”视角研究普惠金融与贫困脆弱性。 党的十九届五中全会提出“健全防止返贫监测和帮扶机制”， 因此农村贫困治理战略亟须由“脱贫”向“防贫”转变[51] 。 而且， 目前我国保险市场还不够成熟， 农户难以有效应对各类风险的冲击[52] 。 因此即使已经脱贫， 有些农户还是可能返贫， 一些原本不算穷困的家庭也有落入贫困陷阱的可能[53] 。 这就要求我们能够识别农户未来是否会陷入贫困， 即测度其“贫困脆弱性”。 贫困脆弱性刻画的是家庭在未来陷入贫困的可能性， 是描述家庭贫困动态变化的前瞻性指标[54，55] 。 已有文献大多研究普惠金融对贫困的影响， 较少从动态“防贫”视角加入脆弱性进行考虑， 这不利于脱贫攻坚长效机制的建立。 因此， 普惠金融能够降低农户的脆弱性吗？ 其作用机制又是什么？ 其对于特征各异的农户又会有何种异质性的影响？ 是否会带来“精英俘获”而益贫性不足？ 其在贫困户与非贫困户之间的效应有何差异？ 这些都是亟待研究的问题。 深入研究普惠金融的防贫效应等问题， 有利于我国实现高质量可持续的金融扶贫， 进一步促进乡村振兴战略的实施。
2. 借力数字时代探索“互联网+普惠金融”与贫困减缓。 随着移动互联网、区块链以及最新的大数据、云计算等高新技术的发展， 以“数字”“普惠”“金融”为关键特征的数字普惠金融逐渐成为关注的焦点。 数字普惠金融首次在2016年的G20峰会上被提出， 数字普惠金融概念由此诞生。 目前学术界关于普惠金融与贫困减缓关系的研究已经十分丰富， 但由于数字普惠金融的概念还比较新， 学术界对数字普惠金融的减贫效应研究虽呈现一定的增长之势， 但仍然相对较少。 “互联网+普惠金融”的减贫效应如何？ 是“数字红利”还是“数字鸿沟”？ 其内在机理和传导机制是什么？ 不同机制的减贫效果有何不同？ 基于互联网生态环境的长尾理论如何发挥作用？ 数字时代下的信息沟壑问题在金融扶贫过程中会产生怎样的影响？ 同时， 由于我国地区间差异巨大， 不同地区的减贫效应是否存在不同？ 传导机制又是什么？ 经济发展水平不同地区数字普惠金融的减贫效应有何不同？ 厘清这些问题无论是对学术界还是实务界皆具有重要意义， 对于推动普惠性金融体系建设进而促进贫困问题的解决更是意义重大。
3. “瞄准”相对贫困探究普惠金融减贫的长效机制。 党的十九届四中全会明确指出， 要“坚决打赢脱贫攻坚战， 巩固脱贫攻坚成果， 建立解决相对贫困的长效机制”。 2020年是精准扶贫的收官之年， 中国脱贫攻坚的重点将转向解决相对贫困[14] 。 因此， 扶贫主体转变为已实现绝对脱贫但又处于贫困标准线上下的“边缘贫困人口”， 扶贫目标应是解决人们的精神贫困、能力贫困、权利贫困等内在抽象贫困问题[56] 。 此外， 贫困瞄准问题一直是影响社会政策执行及其效果的核心问题， 因此， 在扶贫过程中应聚焦于扶贫的精准性， 避免“瞄准性偏误”。 已有学者对绝对贫困进行了大量探讨， 但对相对贫困问题研究有限， 尤其对于贫困瞄准的研究更是甚少。 在此背景下， 普惠金融与相对贫困会产生什么反应？ 基于相对贫困怎样分析贫困户精准识别和扶贫瞄准？ 边缘贫困人口怎样识别？ 有何中介效应？ 这些都是亟待解决的问题。 回答这些问题不仅具有重大理论意义， 还兼具实践价值， 可以在政策层面上为建立解决相对贫困的长效机制提供参考。
【 主 要 参 考 文 献 】
[1] Beck T.， Demirguc-Kunt A.， Martinez Peria M. S.. Reaching out： Access to and use of banking services across countries[ J].Social Science Electronic Publishing，2007（1）：234 ～ 266.
[2] Sarma M.， Pais J.. Financial inclusion and development[ J].Journal of International Development，2011（5）：613 ～ 628.
[3] Arora R.. Measuring financial access[Z].Griffith University Discussion Paper in Economics，2010.
[4] Gupte R.， Venkataramani B.， Gupta D.. Computation of financial inclusion index for India[ J].Procedia Social & Behavioral Sciences，2012（1）：133 ～ 149.
[5] 徐敏.农村金融普惠的水平测度及影响因素分析——以新疆為例[ J].开发研究，2012（5）：104 ～ 107.
[6] 陈三毛，钱晓萍.中国各省金融包容性指数及其测算[ J].金融论坛，2014（9）：3 ～ 8.
[7] Chakravarty S. R.， Pal R.. Financial inclusion in India： An axiomatic approach[ J].Journal of Policy Modeling，2013（5）：813 ～ 837. [8] 焦瑾璞，黄亭亭，汪天都.中国普惠金融发展进程及实证研究[ J].上海金融，2015（4）：12 ～ 20.
[9] Amartya Sen. ?thique et finance[Z].Revue D'économie Financière，1998.
[10] 张建华，陈立中.总量贫困测度研究述评[ J].经济学（季刊），2006（2）：675 ～ 694.
[11] Alkire S.， Foster J.. Counting and multidimensional poverty measurement[ J].Journal of Public Economics，2011（7-8）：476 ～ 487.
[12] 孙久文，夏添.中国扶贫战略与2020年后相对贫困线划定——基于理论、政策和数据的分析[ J].中国农村经济，2019（10）：98 ～ 113.
[13] 陈宗胜，黄云，周云波.多维贫困理论及测度方法在中国的应用研究与治理实践[ J].国外社会科学，2020（6）：15 ～ 34.
[14] 施琳娜，文琦.相对贫困视角下的精准扶贫多维减贫效应研究——以宁夏彭阳县为例[ J].地理研究，2020（5）：1139 ～ 1151.
[15] 徐文奇，周云波，平萍.多维视角下的中国贫困问题研究——基于MPI指数的比较静态分析[ J].经济问题探索，2017（12）：31 ～ 41.
[16] 沈扬扬，Sabina Alkire，詹鹏.中国多维贫困的测度与分解[ J].南开经济研究，2018（5）：3 ～ 18.
[17] 张全红，周强.中国多维贫困的测度及分解：1989～2009年[ J].数量经济技术经济研究，2014（6）：88 ～ 101.
[18] 张全红，周强.中国贫困测度的多维方法和实证应用[ J].中国软科学，2015（7）：29 ～ 41.
[19] 张全红.中国多维贫困的动态变化：1991 ～ 2011[ J].财经研究，2015（4）：31 ～ 41+133.
[20] 李东，孙东琪.2010 ～ 2016年中国多维贫困动态分析——基于中国家庭跟踪调查（CFPS）数据的实证研究[ J].经济地理，2020（1）：41 ～ 49.
[21] 马彧菲，杜朝运.普惠金融指数测度及减贫效应研究[ J].经济与管理研究，2017（5）：45 ～ 53.
[22] 仝志辉，温铁军.资本和部门下乡与小农户经济的组织化道路——兼对专业合作社道路提出质疑[ J].开放时代，2009（4）：5 ～ 26.
[23] 何光文，何婧，王雪.抵押对农户信贷风险的影响研究[ J].北京联合大学学报（人文社会科学版），2016（4）：103 ～ 109.
[24] 卢盼盼，张长全.中国普惠金融的减贫效应[ J].宏观经济研究，2017（8）：33 ～ 43.
[25] Cannon Blaikie， Davis I. P. T.， Wisner B.. At risk： Natural hazards， people's vulnerability， and disasters[M].London： Routledge，1994：141 ～ 156.
[26] 黄薇.医保政策精准扶贫效果研究——基于URBMI试点评估入户调查数据[ J].经济研究，2017（9）：117 ～ 132.
[27] 何学松，孔荣.普惠金融减缓农村贫困的机理分析与实证检验[ J].西北农林科技大学学报（社会科学版），2017（3）：76 ～ 83.
[28] Popov A.. Credit constraints and investment in human capital： Training evidence from transition economies[ J].Journal of Financial Intermediation，2014（1）：76 ～ 100.
[29] 谭江华.后脱贫时代推动金融扶贫高质量发展研究[ J].理论探讨，2021（1）：99 ～ 104.
[30] 李鸿渐.财政金融支农减贫效应的空间计量分析[ J].统计与决策，2016（7）：162 ～ 165.
[31] 孙继国，赵俊美.普惠金融是否缩小了城乡收入差距？——基于传统和数字的比较分析[ J].福建论坛（人文社会科学版），2019（10）：179 ～ 189.
[32] 赵丙奇，李露丹.中西部地区20省份普惠金融对精准扶贫的效果评价[ J].农业经济问题，2020（1）：104 ～ 113.
[33] 谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应[ J].当代财经，2018（3）：56 ～ 67.
[34] 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（2）：115 ～ 126.
[35] 錢鹏岁，孙姝.数字普惠金融发展与贫困减缓——基于空间杜宾模型的实证研究[ J].武汉金融，2019（6）：39 ～ 46.
[36] 张立军，湛泳.我国金融发展与城镇居民收入差距的关系[ J].财经论丛（浙江财经学院学报），2005（2）：66 ～ 70.
[37] 师荣蓉，徐璋勇，赵彦嘉.金融减贫的门槛效应及其实证检验——基于中国西部省际面板数据的研究[ J].中国软科学，2013（3）：32 ～ 41. [38] 傅鹏，张鹏.农村金融发展减贫的门槛效应与区域差异——来自中国的证据[ J].当代财经， 2016（6）：55 ～ 64.
[39] Zahonogo P.. Financial development and poverty in develo-
ping countries： Evidence from Sub-Saharan Africa[ J].International Journal of Economics and Finance，2016（1）：211.
[40] 黄秋萍，胡宗义，刘亦文.中国普惠金融发展水平及其贫困减缓效应[ J].金融经济学研究，2017（6）：75 ～ 84.
[41] Levine R.. Finance and the poor[Z].The Manchester School，2008.
[42] 苏基溶，廖进中.中国金融发展与收入分配、贫困关系的经验分析——基于动态面板数据的研究[ J].财经科学，2009（12）：10 ～ 16.
[43] 邵汉华，王凯月.普惠金融的减贫效应及作用机制——基于跨国面板数据的实证分析[ J].金融经济学研究，2017（6）：65 ～ 74.
[44] Burgess Robin. Do rural banks matter？ Evidence from the Indian social banking experiment[ J].American Economic Review，2005（3）：780 ～ 795.
[45] Jin D.. The inclusive finance have effects on alleviating poverty[ J].Open Journal of Social Sciences，2017（3）：233 ～ 242.
[46] 吕勇斌，李仪.金融包容对城乡收入差距的影响研究——基于空间模型[ J].财政研究，2016（7）：22 ～ 34.
[47] 何宗樾，张勋，万广华.数字金融、数字鸿沟与多维贫困[ J].统计研究，2020（10）：79 ～ 89.
[48] 黄倩，李政.县域普惠金融发展与经济包容性增长——基于云南省120个县域数据的实证分析[ J].云南财经大学学报，2019（1）：52 ～ 66.
[49] 刘长庚，罗午阳.互联网使用与农户金融排斥——基于CHFS2013的实证研究[ J].经济经纬，2019（2）：141 ～ 148.
[50] 韩晓宇.普惠金融的减贫效应——基于中国省级面板数据的实证分析[ J].金融评论，2017（2）：69 ～ 82.
[51] 李小云，苑军军，于乐荣.论2020后農村减贫战略与政策：从“扶贫”向“防贫”的转变[ J].农业经济问题，2020（2）：15 ～ 22.
[52] Christiaensen L.， Subbarao K.. Towards an understanding of household vulnerability in rural kenya[ J].Social Science Electronic Publishing，2005（4）：520 ～ 558.
[53] Swain R. B.， M Floro. Assessing the effect of microfinance on vulnerability and poverty among low income households[ J].Journal of Development Studies，2012（5）：605 ～ 618.
[54] Chaudhuri S.， Jalan J.， Suryahadi A.. Assessing household vulnerability to poverty from cross-sectional data： A methodology and estimates from Indonesia[ J].Discussion Papers，2005（1）：2 ～ 52.
[55] Han J.， Wang J.， Ma X.. Effects of farmers' participation in inclusive finance on their vulnerability to poverty： Evidence from qinba poverty-stricken area in China[ J].Emerging Markets Finance and Trade，2019（5）：998 ～ 1013.
[56] Yanlin Yang， Chenyu Fu. Inclusive financial development and multidimensional poverty reduction： An empirical assessment from rural China[ J].Sustainability，2019（7）：1107 ～ 1900.
【关键词】普惠金融;贫困减缓;金融扶贫;马太效应
【中图分类号】F830 【文献标识码】A 【文章编号】1004-0994（2021）22-0130-7
一、引言
金融減贫是我国政府扶贫工作体系的重要组成部分。 金融减贫旨在利用金融杠杆放大政府及社会扶贫资金投入的作用范围， 推动扶贫方式从短期扶贫向长期扶贫转变， 形成扶贫工作长效机制; 从以往“输血式”扶贫向“造血式”扶贫转变， 激发自主脱贫动力机制。 党的十八大以来， 我国不断完善金融扶贫政策体系， 为打赢脱贫攻坚战提供了有力支撑。
普惠金融 （Inclusive Finance）的出现， 使得金融发展普惠性的减贫价值备受瞩目。 国务院出台的《推动普惠金融发展规划（2016-2020年）》将普惠金融纳入我国扶贫战略的顶层框架。 普惠金融凭借其低成本、高可得性的崭新优势， 成为弥合贫富差距鸿沟、引导经济益贫式发展的动力引擎。 党的十九届四中全会明确提出， 2020年之后我国脱贫攻坚战略向减少相对贫困转变。 在解决相对贫困的长效机制中， 普惠金融进一步被赋予促进脱贫攻坚高质量发展的重要使命。
学术界对普惠金融与贫困减缓的关系进行了广泛的探讨。 本文围绕普惠金融减贫领域的研究热点进行综述， 以期为理论界与实务界提供借鉴与参考。 本文介绍了普惠金融及贫困水平的主流测度方法， 阐释了普惠金融与贫困减缓的理论机制， 探讨了普惠金融与贫困减缓的作用效果， 并进一步聚焦和解析了普惠金融减贫的马太效应及其机理。 在此基础上， 本文还对未来研究方向进行了展望。
二、普惠金融与贫困水平测度的演变
近年来， 随着普惠金融与贫困减缓在国内外关注度的不断提高， 现有研究在普惠金融与贫困水平测度方面取得了大量成果， 为客观认识普惠金融减贫效应奠定了基础。
1. 普惠金融水平测度： 基于金融成本和金融效率。 梳理相关文献可知， 国外大多数学者对普惠金融水平测度的研究主要集中在指标体系的构建上， 并主要从供给与需求两个维度展开， 具体包括可获得性、地理渗透性、使用效用性以及使用情况等方面。 Beck等[1] 首次提出了普惠金融发展水平测度问题， 根据金融服务的可获得性和使用情况进行测算， 选取金融机构网点、ATM机等八个指标进行度量; 随后， Sarma等[2] 在Beck等[1] 提出的八个指标基础上， 首次提出了普惠金融指数（Inclusive Financial Index， IFI）， 该指数从可获得性、使用情况和使用效用三个维度进行了考虑; 之后， Arora[3] 对Sarma等[2] 提出的指标进行了完善， 将地理渗透性、使用成本以及便利性等因素也纳入测量范围; Gupte等[4] 则借鉴了Sarma等[2] 和Arora[3] 的研究成果， 并在此基础上做了进一步研究， 认为使用成本、便利性、渗透性以及使用效用性都能在一定程度上反映普惠金融的水平。
我国关于普惠金融水平测度的研究开始得较晚， 且集中于拓展评价维度和实证检验两个方面。 学者们大多基于Sarma等[2] 的测量指标进行研究， 主要从金融服务的可获得性、使用情况和使用效用性三个维度进行测量。 徐敏[5] 对Sarma等[2] 的研究进行了改进， 从可获得性、地理渗透性和使用情况三个维度进行考察， 并测量了2010年新疆83个县的农村普惠金融水平。 陈三毛和钱晓萍[6] 则借鉴了Chakravarty和Pal[7] 的研究成果， 从可获得性、地理渗透性、使用效用性和使用情况四个维度选择指标， 构建了CP 金融包容性指数。 焦瑾璞等[8] 结合我国国情， 从金融服务的可获得性、使用情况和服务质量三个维度选取指标， 合成了普惠金融发展指数， 并测算了2013 年我国 31个省域的普惠金融发展指数。
综上所述， 大多数学者关于普惠金融水平测度的研究都是基于Sarma等[2] 的多维度框架， 逐步构建起完善的指标体系。 但建立的指标体系都是基于银行的视角， 而随着现代金融体系框架的不断完善及新金融与新业务的不断产生， 仅运用银行相关指标和数据难以全面、准确地反映普惠金融的真实发展水平。
2. 贫困水平测度： 基于相对视角和多维视角。 国外关于贫困水平的测度研究经历了从单一收入维度到多维度测算的演进历程。 随着社会经济的发展， 学者发现， 致贫原因不仅是物质层面的缺失， 还包含多种社会因素。 于是， Amartya[9] 最早将“能力贫困”纳入贫困分析中， 创立了多维贫困理论， 认为贫困的实质是能力被剥夺的结果。 之后， 多维贫困测度开始成为研究重点。 多维贫困的测算方法按计算特点分类， 主要包含两大类： 第一， 使用加总数据的边际计算方法， 包括仪表盘法和综合指数法; 第二， 使用微观数据的联合分布法， 包括模糊集方法、韦恩图表法、随机占优方法和公理化方法[10] 。 之后学者发现， 这两种测度和计算方法均未能产生综合性指标， 无法进行跨区比较和动态追踪。 因此， Alkire和Foster[11] 基于Amartya[9] 的“能力贫困”理论， 开创性地提出了AF多维贫困指数法（MPI）， 该方法首次将多维贫困测量广泛应用于全球多维贫困测量实践， 并越来越受到各个国家的认可。
早期国内学者对贫困的认识主要是单一维度的经济贫困， 即绝对贫困。 但随着我国脱贫攻坚转向， 学者大多借鉴Alkire-Foster的多维贫困指数法， 采用多维贫困标准进行度量[12] 。 通过文献梳理可知， 学者对我国贫困水平进行研究时， 采用的数据主要包括中国营养与健康调查（CHNS）数据、中国家庭追踪调查（CFPS）数据、中国家庭收入调查（CHIP）数据、中国综合社会调查（CGSS）数据、建档立卡数据、农村贫困监测数据、各地贫困县官方数据、深度贫困地区数据等[13] 。 学者主要从教育、健康、生活水平、收入、住房和资产状况等六个维度对多维贫困进行衡量[14] 。 不同研究测得的中国总体多维贫困发生率如图1所示： 综上所述， 国内外学者关于贫困水平测度的研究已取得阶段性成果， 但2020年作为脱贫攻坚的收官之年， 意味着我国进入了相对贫困的后扶贫时代。 正如十九届四中全会强调要建立解决相对贫困的长效机制， 如何有效识别相对贫困的特征成为政府和学术界亟待研究的前瞻性命题。
三、普惠金融与贫困减缓： 理论逻辑
传统金融的痛点在于金融扶贫的成本收益不匹配， 与政府提倡的市场机制背道而驰， 因而难以被持续推广。 与传统金融不同， 普惠金融与金融排斥相对， 旨在拓展金融服务的广度， 强调所有人都能享受金融服务的雨露甘霖， 使得那些被排斥在金融体系之外的经济主体能够以可负担的成本享受金融服务[21] 。 普惠金融通过提高贫困农户的金融可得性和降低金融产品与服务的成本， 从而缓解信贷约束， 提高农户可负担性， 进一步增强农户享用金融服务的意愿及能力， 以此增强抗险能力， 从而实现农户增收的目的。 鉴于传统金融的短板， 普惠金融减贫的理论逻辑如图2所示：
1. 提高金融可得性， 缓解信贷约束。 传统金融机构“嫌贫爱富”“逐利”现象普遍， 制约了贫困人民获取金融服务。 而且在农贷市场中“精英俘获”现象普遍（精英主要指农村中有一定经济实力和关系的农户）， 精英农户利用自身优势逐利， 进而占有更多资源， 乡村内部大部分农贷资金被精英把控， 造成扶贫边际效益递减的“内卷化”困境。 因此， 大多数农户被“客体化”“边缘化”， 加剧农贷市场分化[22] 。 而普惠金融旨在为社会各阶层和群体尤其是贫困和低收入人群提供金融服务与产品， 这便拓寬了金融服务范围， 提升了金融可得性。 何光文等[23] 指出， 普惠金融提供的小额信贷等微型金融产品满足了那些不符合传统金融抵押担保要求的贫困农民的金融需求， 提升了其金融可得性。 卢盼盼和张长全[24] 通过对我国普惠金融的作用机理进行研究发现， 普惠金融惠及的贫困家庭可以从金融机构获得信贷支持， 投向回报率更高的项目， 从而越过贫困线， 转变成非贫困家庭。
2. 提高金融可负担性， 增强农户意愿。 金融抑制论表明， 由于发展中国家对金融产品价格控制不合理， 抑制了金融需求发展， 贫困农民难以从正规金融机构获取金融产品和服务， 不得不通过民间借贷来满足资金需求。 然而， 民间借贷成本较高， 不仅制约了农民对金融产品的需求， 而且使资金借入者背上沉重的财务负担。 而普惠金融的出现， 大大改变了这一现状， 显著降低了金融市场的获得成本、交易成本以及中间成本， 提高了贫困农户的金融可负担性， 增强了贫困农户享用金融产品与服务的意愿和能力。 金融市场成本降低的路径表现为： 第一， 基于获得成本， 我国制定了利率市场化、对服务“三农”的金融机构实行差别存款准备金等措施; 第二， 基于交易成本， 由于金融机构数量的增加使其竞争加剧， 从而提升效率以此降低价格; 第三， 基于中间成本， 互联网金融降低了农民使用金融产品的时间、交通和价格成本。
3. 提高金融安全性， 增强抗险能力。 世界银行报告认为， 贫困不仅指收入低微和个人发展能力不足， 还包括人们应对外部冲击的脆弱性。 在社会风险的研究中， Cannon Blaikie等[25] 指出： 灾害=致灾因子+脆弱性。 综合贫困成因和社会风险分析的思路， 可得出： 农民贫困风险=农民的脆弱性+外部影响。 其中， 农民的脆弱性与其拥有的资源和能力相关， 外部冲击来自自然灾害和社会影响两个方面。 因此， 在金融可得性和可负担性的条件下， 普惠金融提供的保险产品等能大大降低贫困农民“因病致穷”的风险， 从而避免陷入贫困陷阱。 主要表现在： 第一， 通过普及新型农村合作医疗、大病保险等金融产品降低“因病致贫”的健康风险; 第二， 通过农业保险、财产保险等金融产品降低“因灾致贫”的自然风险; 第三， 通过农产品保险、期货等金融产品降低“谷贱伤农”的市场风险[26，27] 。
4. 拓展金融服务多样性， 增加农户收入。 在金融服务过程中， 信贷需求能否得到满足将对发展中国家农民增收产生重要影响。 在信贷约束得到缓解的情况下， 普惠金融通过向贫困群体提供金融产品和服务使其获得资金等， 对其增产创收提供支持。 金融机构主要是配置市场金融资源， 本着“授之以渔”理念在金融扶贫中发挥重要作用， 其“造血式”和“可持续性”效应明显， 对贫困主体增强减贫能力、达到致富目的、实现脱贫目标具有不可小觑的促进作用。 其针对不同贫困个体的禀赋能力， 将扶贫资金“下沉”到贫困人口手中， 提供产业支持资金、创业扶持资金等， 同时向“造血产业”领域倾斜， 这就促进了农村家庭提升职业技能， 提高了农业产业化和降低了失业率， 实现了资金扶持农村产业发展的“杠杆作用”， 增强了农户内生发展动力， 进而增加农户收入[28，29] 。
四、普惠金融与贫困减缓： 效果检验
发展普惠金融的社会目的在于更好地为“三农”提供金融服务， 最终促进农村贫困地区经济发展、农户收入增加以及城乡收入差距缩小。 普惠金融减贫的效果主要从空间效应、门槛效应、渠道效应三个维度进行考察， 其效果检验路径如图3所示：
1. 普惠金融减贫的空间效应。 随着空间模型的兴起， 学者们开始探究地理位置影响下的金融减贫。 由于资本、资源和技术等生产要素能跨区域流动， 且流动的效率与区域间的距离成反比， 所以这就使得相近区域在生产活动方面表现出类似特征， 因此， 普惠金融与贫困减缓可能存在空间溢出效应[30-32] 。 例如， 谭燕芝等[33] 研究发现普惠金融不仅对减贫有促进作用， 还通过空间溢出效应显著降低了邻近区域的贫困发生率。 傅鹏等[34] 基于空间视角， 从收入、教育和医疗贫困的多维贫困维度进行研究， 发现金融发展能显著抑制收入和教育贫困， 具有正向空间溢出效应。 基于当前的互联网背景， 钱鹏岁等[35] 与时俱进， 将其与普惠金融相结合， 借助空间杜宾模型研究发现： 短期内普惠金融发展对减贫具有显著的正向空间溢出效应， 但从长期来看， 空间溢出效应不够显著。 普惠金融减贫的空间效应是指， 普惠金融发展不仅对某一区域内的贫困减缓有促进作用， 还通过空间互动对邻近区域的贫困产生影响。 这提示政府在开展扶贫工作时不仅要实现定点帮扶， 还要发挥金融活动的空间延展性与流动性优势， 凸显空间“涓滴效应”。
2. 普惠金融减贫的门槛效应。 已有大量学者通过实证研究发现金融发展存在门槛效应。 在经济发展初期， 因为金融服务具有高门槛和信息不对称等特点， 使得穷人无法承担金融服务的成本， 对贫困弱势群体产生金融排斥， 从而致使贫富差距扩大。 随着时间的推移， 穷人才能够承担相应的成本， 满足金融服务准入条件， 此时金融发展有利于贫富差距缩小。 例如， 张立军和湛泳[36] 利用1978 ～ 2004年的数据构建面板模型， 通过实证检验研究了金融发展的门槛效应和排除效应， 发现金融发展通过门槛效应和排除效应拉大了城乡收入差距。 师荣蓉等[37] 选取我国西部省市的面板数据， 从金融规模、结构和效率方面实证检验了金融减贫的门槛效应。 研究发现： 当人均收入水平较低时， 金融发展对减贫有着隐性积累作用; 随着收入增加， 金融发展对减贫的作用更加显著; 而当人均收入继续提高到一定水平时， 金融发展的减贫效应却逐渐减弱。 傅鹏和张鹏[38] 则将其研究范围进一步扩展到全国， 实证分析农村金融减贫的门槛效应， 发现门槛效应存在且表现为一个门槛值， 东部地区表现为收敛门槛， 中部地区表现为加速门槛， 西部地区表现为分化门槛。 而Zahonogo[39] 、黄秋萍等[40] 研究发现普惠金融发展水平与贫困表现出明显的单一门槛特征。 还有学者将互联网与普惠金融相结合， 认为传统普惠金融和互联网金融均存在双重门槛。
由文献可知， 普惠金融减贫存在非线性特征。 在经济发展的不同階段， 普惠金融减贫效用存在差异。 随着经济发展， 普惠金融对贫困的抑制作用在跨越门槛值后显著强化， 呈现出边际效益递增的特点。 因此， 扶贫应当依据当地经济增长阶段来优化配置相应的金融资源， 以更合理地助力本地区金融减贫。
3. 普惠金融减贫的渠道效应。 普惠金融减贫的渠道效应主要通过直接和间接两大渠道来发挥。 直接作用渠道体现在金融产品与服务对贫困的影响上; 间接作用渠道体现为普惠金融通过经济增长、收入分配等路径对贫困产生影响。 第一， 直接作用路径方面， 主要研究普惠金融发展的可获得性、使用状况、渗透性及使用效用渠道， 皆能有效促进贫困减缓。 例如， Levine[41] 认为普惠金融能够提高低收入者的金融可获得性， 从而帮助减少贫困和消除不平等。 第二， 间接作用路径方面， 主要研究普惠金融减贫的经济增长与收入分配渠道。 苏基溶等[42] 运用不同方法分别检验了我国农村金融减贫的渠道效应差异。 随后， 邵汉华等[43] 将研究领域延伸至普惠金融， 提出普惠金融可以通过改善收入分配来减缓贫困， 但是经济增长效应的减贫机制还未得到检验。
综上， 基于金融减贫的渠道效应， 扶贫既要重视金融减贫的直接渠道， 提升金融服务的可得性， 营造良好的金融生态环境， 降低金融服务成本， 进一步扩大普惠金融覆盖面， 以此提升金融直接减贫的效用与力度， 也要充分发挥经济增长、收入分配的间接减贫渠道作用， 使得金融发展可以通过各个渠道间的协同发展进而惠及广大贫困群体。
五、进一步研究： 普惠金融发展削弱了马太效应吗
党的十九大报告指出， 我国社会的主要矛盾已经转化为人民群众日益增长的美好生活需要和不平衡、不充分的发展之间的矛盾。 金融资源配置是金融发展不平衡、不充分的主要体现。 我国农村地区金融发展相对滞后， 贫困户等弱势群体的融资需求无法得到有效满足， 从而致使贫富收入差距越来越大。 对于收入差距， 一些学者认为， 普惠金融发展因降低了金融服务成本而显著缩小了城乡收入差距， 让农村居民享受到金融服务， 有效缓解了农村贫困[44，45] 。 而另一些学者则认为， 普惠金融发展对城乡收入差距的影响呈现非线性特征， 当前的普惠金融发展未能有效缩小城乡收入差距[46] 。 城乡收入差距的扩大显然不利于脱贫事业的推进， 那么， 普惠金融发展是否削弱了马太效应呢？ 厘清这一问题对我国普惠金融发展具有重大的理论和实践意义。 接下来， 对既有文献中普惠金融对于城乡收入差距的影响机制进行梳理， 并分别从直接和间接机制两个方面给予解释， 以期为克服金融发展中不平衡、不充分问题， 以及“后扶贫时代”金融减贫过程中利用普惠金融缩小城乡收入差距政策的制定提供借鉴和参考。 普惠金融对城乡收入差距的影响机制如图4所示：
1. 直接减贫： 金融服务。 在直接机制层面， 城乡收入差距主要受金融服务供给的影响。 第一， 减贫效应。 减贫效应的本质是把金融作为一种手段， 向农村居民等弱势群体提供广泛的金融服务来减缓贫困。 虽然传统金融在一定程度上也能产生减贫效应， 但减贫力度远远不够。 通过发展新、微型金融等普惠金融模式， 向农户提供信贷、支付、汇兑以及保险等金融产品， 使游离于经济增长轨道及传统金融服务之外的农民也能有机会获得与城镇居民同样的金融服务， 提高金融服务覆盖率， 从而更好地发挥减贫效应。 第二， 非均衡效应。 传统金融服务中资源错配问题严重， 金融资源配置更倾向于城市， 致使城乡金融资源配置不均衡， 贫困农户被传统金融服务“拒之门外”， 从而扩大了城乡经济发展和城乡居民收入的差异。 第三， 拐点效应。 在经济发展初期， 因金融服务存在高门槛、信息不对称、投资歧视、机构脆弱等缺点， 贫困农民无法负担金融服务成本， 因而金融排斥现象普遍存在， 导致贫富差距扩大。 当越过拐点后， 穷人才能获得相关金融服务， 此时金融发展便有利于贫富差距的缩小。 因而， 普惠金融发展对城乡收入差距的影响具有非线性特征[46，47] 。
2. 间接促贫： “涓滴效应”。 在间接机制层面， 城乡居民收入差距主要受经济刺激的影响， 表现为“涓滴效应”（Trickle-down Effects）。 第一， 金融发展通过储蓄、资源配置等金融功能发挥刺激经济增长的作用， 促进农村产业的全面发展， 使贫困人群获得更多的就业创业机会， 拓宽了增收渠道， 间接提高了其脱贫致富的“造血”能力[27，48，49] 。 第二， 随着经济持续增长， 高收入人群的投资需求增加， 利率会上升， 从而收入较低的人群能以较高的利率把钱贷出去， 获得较多的利息所得。 高收入人群的投资最终会把低收入人群拉出贫困陷阱， 从而减缓贫困， 缩小城乡收入差距。 第三， 普惠金融通过益贫式增长间接带动弱势群体和贫困地区的发展和富裕， 改善收入分配格局， 促进社会公平， 使社会各阶层“雨露均沾”， 益贫式增长（Pro-poor Growth）即有利于穷人的财富增长模式[21，50] 。 综上， 普惠金融发展对城乡收入差距的影响取决于实践和理论层面的共同作用， 因此， 普惠金融是否削弱了马太效应还有待进一步研究。
六、评价与展望
本文围绕普惠金融、金融减贫与贫困减缓等核心概念， 系统总结了普惠金融和贫困水平测度的演进、普惠金融减贫的理论逻辑、普惠金融减贫的效果、普惠金融发展是否削弱了马太效应的国内外研究进展。 通过梳理国内外有关普惠金融减贫效应的研究， 发现以往研究还存在不足之处， 因此， 基于不足之处指出未来还需要进一步探讨、突破的重点方向。
1. 基于动态“防贫”视角研究普惠金融与贫困脆弱性。 党的十九届五中全会提出“健全防止返贫监测和帮扶机制”， 因此农村贫困治理战略亟须由“脱贫”向“防贫”转变[51] 。 而且， 目前我国保险市场还不够成熟， 农户难以有效应对各类风险的冲击[52] 。 因此即使已经脱贫， 有些农户还是可能返贫， 一些原本不算穷困的家庭也有落入贫困陷阱的可能[53] 。 这就要求我们能够识别农户未来是否会陷入贫困， 即测度其“贫困脆弱性”。 贫困脆弱性刻画的是家庭在未来陷入贫困的可能性， 是描述家庭贫困动态变化的前瞻性指标[54，55] 。 已有文献大多研究普惠金融对贫困的影响， 较少从动态“防贫”视角加入脆弱性进行考虑， 这不利于脱贫攻坚长效机制的建立。 因此， 普惠金融能够降低农户的脆弱性吗？ 其作用机制又是什么？ 其对于特征各异的农户又会有何种异质性的影响？ 是否会带来“精英俘获”而益贫性不足？ 其在贫困户与非贫困户之间的效应有何差异？ 这些都是亟待研究的问题。 深入研究普惠金融的防贫效应等问题， 有利于我国实现高质量可持续的金融扶贫， 进一步促进乡村振兴战略的实施。
2. 借力数字时代探索“互联网+普惠金融”与贫困减缓。 随着移动互联网、区块链以及最新的大数据、云计算等高新技术的发展， 以“数字”“普惠”“金融”为关键特征的数字普惠金融逐渐成为关注的焦点。 数字普惠金融首次在2016年的G20峰会上被提出， 数字普惠金融概念由此诞生。 目前学术界关于普惠金融与贫困减缓关系的研究已经十分丰富， 但由于数字普惠金融的概念还比较新， 学术界对数字普惠金融的减贫效应研究虽呈现一定的增长之势， 但仍然相对较少。 “互联网+普惠金融”的减贫效应如何？ 是“数字红利”还是“数字鸿沟”？ 其内在机理和传导机制是什么？ 不同机制的减贫效果有何不同？ 基于互联网生态环境的长尾理论如何发挥作用？ 数字时代下的信息沟壑问题在金融扶贫过程中会产生怎样的影响？ 同时， 由于我国地区间差异巨大， 不同地区的减贫效应是否存在不同？ 传导机制又是什么？ 经济发展水平不同地区数字普惠金融的减贫效应有何不同？ 厘清这些问题无论是对学术界还是实务界皆具有重要意义， 对于推动普惠性金融体系建设进而促进贫困问题的解决更是意义重大。
3. “瞄准”相对贫困探究普惠金融减贫的长效机制。 党的十九届四中全会明确指出， 要“坚决打赢脱贫攻坚战， 巩固脱贫攻坚成果， 建立解决相对贫困的长效机制”。 2020年是精准扶贫的收官之年， 中国脱贫攻坚的重点将转向解决相对贫困[14] 。 因此， 扶贫主体转变为已实现绝对脱贫但又处于贫困标准线上下的“边缘贫困人口”， 扶贫目标应是解决人们的精神贫困、能力贫困、权利贫困等内在抽象贫困问题[56] 。 此外， 贫困瞄准问题一直是影响社会政策执行及其效果的核心问题， 因此， 在扶贫过程中应聚焦于扶贫的精准性， 避免“瞄准性偏误”。 已有学者对绝对贫困进行了大量探讨， 但对相对贫困问题研究有限， 尤其对于贫困瞄准的研究更是甚少。 在此背景下， 普惠金融与相对贫困会产生什么反应？ 基于相对贫困怎样分析贫困户精准识别和扶贫瞄准？ 边缘贫困人口怎样识别？ 有何中介效应？ 这些都是亟待解决的问题。 回答这些问题不仅具有重大理论意义， 还兼具实践价值， 可以在政策层面上为建立解决相对贫困的长效机制提供参考。
【 主 要 参 考 文 献 】
[1] Beck T.， Demirguc-Kunt A.， Martinez Peria M. S.. Reaching out： Access to and use of banking services across countries[ J].Social Science Electronic Publishing，2007（1）：234 ～ 266.
[2] Sarma M.， Pais J.. Financial inclusion and development[ J].Journal of International Development，2011（5）：613 ～ 628.
[3] Arora R.. Measuring financial access[Z].Griffith University Discussion Paper in Economics，2010.
[4] Gupte R.， Venkataramani B.， Gupta D.. Computation of financial inclusion index for India[ J].Procedia Social & Behavioral Sciences，2012（1）：133 ～ 149.
[5] 徐敏.农村金融普惠的水平测度及影响因素分析——以新疆為例[ J].开发研究，2012（5）：104 ～ 107.
[6] 陈三毛，钱晓萍.中国各省金融包容性指数及其测算[ J].金融论坛，2014（9）：3 ～ 8.
[7] Chakravarty S. R.， Pal R.. Financial inclusion in India： An axiomatic approach[ J].Journal of Policy Modeling，2013（5）：813 ～ 837. [8] 焦瑾璞，黄亭亭，汪天都.中国普惠金融发展进程及实证研究[ J].上海金融，2015（4）：12 ～ 20.
[9] Amartya Sen. ?thique et finance[Z].Revue D'économie Financière，1998.
[10] 张建华，陈立中.总量贫困测度研究述评[ J].经济学（季刊），2006（2）：675 ～ 694.
[11] Alkire S.， Foster J.. Counting and multidimensional poverty measurement[ J].Journal of Public Economics，2011（7-8）：476 ～ 487.
[12] 孙久文，夏添.中国扶贫战略与2020年后相对贫困线划定——基于理论、政策和数据的分析[ J].中国农村经济，2019（10）：98 ～ 113.
[13] 陈宗胜，黄云，周云波.多维贫困理论及测度方法在中国的应用研究与治理实践[ J].国外社会科学，2020（6）：15 ～ 34.
[14] 施琳娜，文琦.相对贫困视角下的精准扶贫多维减贫效应研究——以宁夏彭阳县为例[ J].地理研究，2020（5）：1139 ～ 1151.
[15] 徐文奇，周云波，平萍.多维视角下的中国贫困问题研究——基于MPI指数的比较静态分析[ J].经济问题探索，2017（12）：31 ～ 41.
[16] 沈扬扬，Sabina Alkire，詹鹏.中国多维贫困的测度与分解[ J].南开经济研究，2018（5）：3 ～ 18.
[17] 张全红，周强.中国多维贫困的测度及分解：1989～2009年[ J].数量经济技术经济研究，2014（6）：88 ～ 101.
[18] 张全红，周强.中国贫困测度的多维方法和实证应用[ J].中国软科学，2015（7）：29 ～ 41.
[19] 张全红.中国多维贫困的动态变化：1991 ～ 2011[ J].财经研究，2015（4）：31 ～ 41+133.
[20] 李东，孙东琪.2010 ～ 2016年中国多维贫困动态分析——基于中国家庭跟踪调查（CFPS）数据的实证研究[ J].经济地理，2020（1）：41 ～ 49.
[21] 马彧菲，杜朝运.普惠金融指数测度及减贫效应研究[ J].经济与管理研究，2017（5）：45 ～ 53.
[22] 仝志辉，温铁军.资本和部门下乡与小农户经济的组织化道路——兼对专业合作社道路提出质疑[ J].开放时代，2009（4）：5 ～ 26.
[23] 何光文，何婧，王雪.抵押对农户信贷风险的影响研究[ J].北京联合大学学报（人文社会科学版），2016（4）：103 ～ 109.
[24] 卢盼盼，张长全.中国普惠金融的减贫效应[ J].宏观经济研究，2017（8）：33 ～ 43.
[25] Cannon Blaikie， Davis I. P. T.， Wisner B.. At risk： Natural hazards， people's vulnerability， and disasters[M].London： Routledge，1994：141 ～ 156.
[26] 黄薇.医保政策精准扶贫效果研究——基于URBMI试点评估入户调查数据[ J].经济研究，2017（9）：117 ～ 132.
[27] 何学松，孔荣.普惠金融减缓农村贫困的机理分析与实证检验[ J].西北农林科技大学学报（社会科学版），2017（3）：76 ～ 83.
[28] Popov A.. Credit constraints and investment in human capital： Training evidence from transition economies[ J].Journal of Financial Intermediation，2014（1）：76 ～ 100.
[29] 谭江华.后脱贫时代推动金融扶贫高质量发展研究[ J].理论探讨，2021（1）：99 ～ 104.
[30] 李鸿渐.财政金融支农减贫效应的空间计量分析[ J].统计与决策，2016（7）：162 ～ 165.
[31] 孙继国，赵俊美.普惠金融是否缩小了城乡收入差距？——基于传统和数字的比较分析[ J].福建论坛（人文社会科学版），2019（10）：179 ～ 189.
[32] 赵丙奇，李露丹.中西部地区20省份普惠金融对精准扶贫的效果评价[ J].农业经济问题，2020（1）：104 ～ 113.
[33] 谭燕芝，彭千芮.普惠金融发展与贫困减缓：直接影响与空间溢出效应[ J].当代财经，2018（3）：56 ～ 67.
[34] 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（2）：115 ～ 126.
[35] 錢鹏岁，孙姝.数字普惠金融发展与贫困减缓——基于空间杜宾模型的实证研究[ J].武汉金融，2019（6）：39 ～ 46.
[36] 张立军，湛泳.我国金融发展与城镇居民收入差距的关系[ J].财经论丛（浙江财经学院学报），2005（2）：66 ～ 70.
[37] 师荣蓉，徐璋勇，赵彦嘉.金融减贫的门槛效应及其实证检验——基于中国西部省际面板数据的研究[ J].中国软科学，2013（3）：32 ～ 41. [38] 傅鹏，张鹏.农村金融发展减贫的门槛效应与区域差异——来自中国的证据[ J].当代财经， 2016（6）：55 ～ 64.
[39] Zahonogo P.. Financial development and poverty in develo-
ping countries： Evidence from Sub-Saharan Africa[ J].International Journal of Economics and Finance，2016（1）：211.
[40] 黄秋萍，胡宗义，刘亦文.中国普惠金融发展水平及其贫困减缓效应[ J].金融经济学研究，2017（6）：75 ～ 84.
[41] Levine R.. Finance and the poor[Z].The Manchester School，2008.
[42] 苏基溶，廖进中.中国金融发展与收入分配、贫困关系的经验分析——基于动态面板数据的研究[ J].财经科学，2009（12）：10 ～ 16.
[43] 邵汉华，王凯月.普惠金融的减贫效应及作用机制——基于跨国面板数据的实证分析[ J].金融经济学研究，2017（6）：65 ～ 74.
[44] Burgess Robin. Do rural banks matter？ Evidence from the Indian social banking experiment[ J].American Economic Review，2005（3）：780 ～ 795.
[45] Jin D.. The inclusive finance have effects on alleviating poverty[ J].Open Journal of Social Sciences，2017（3）：233 ～ 242.
[46] 吕勇斌，李仪.金融包容对城乡收入差距的影响研究——基于空间模型[ J].财政研究，2016（7）：22 ～ 34.
[47] 何宗樾，张勋，万广华.数字金融、数字鸿沟与多维贫困[ J].统计研究，2020（10）：79 ～ 89.
[48] 黄倩，李政.县域普惠金融发展与经济包容性增长——基于云南省120个县域数据的实证分析[ J].云南财经大学学报，2019（1）：52 ～ 66.
[49] 刘长庚，罗午阳.互联网使用与农户金融排斥——基于CHFS2013的实证研究[ J].经济经纬，2019（2）：141 ～ 148.
[50] 韩晓宇.普惠金融的减贫效应——基于中国省级面板数据的实证分析[ J].金融评论，2017（2）：69 ～ 82.
[51] 李小云，苑军军，于乐荣.论2020后農村减贫战略与政策：从“扶贫”向“防贫”的转变[ J].农业经济问题，2020（2）：15 ～ 22.
[52] Christiaensen L.， Subbarao K.. Towards an understanding of household vulnerability in rural kenya[ J].Social Science Electronic Publishing，2005（4）：520 ～ 558.
[53] Swain R. B.， M Floro. Assessing the effect of microfinance on vulnerability and poverty among low income households[ J].Journal of Development Studies，2012（5）：605 ～ 618.
[54] Chaudhuri S.， Jalan J.， Suryahadi A.. Assessing household vulnerability to poverty from cross-sectional data： A methodology and estimates from Indonesia[ J].Discussion Papers，2005（1）：2 ～ 52.
[55] Han J.， Wang J.， Ma X.. Effects of farmers' participation in inclusive finance on their vulnerability to poverty： Evidence from qinba poverty-stricken area in China[ J].Emerging Markets Finance and Trade，2019（5）：998 ～ 1013.
[56] Yanlin Yang， Chenyu Fu. Inclusive financial development and multidimensional poverty reduction： An empirical assessment from rural China[ J].Sustainability，2019（7）：1107 ～ 1900.