论文部分内容阅读
摘 要：本文基于中国家庭金融调查（CHFS）数据，从家庭储蓄支付、信贷和保险几个维度出发，研究了金融排斥对中国家庭贫困的影响。研究结果显示，受到储蓄和支付排斥的家庭，贫困的概率最高，其次是保险排斥，最低的是信贷排斥。可见，金融排斥对家庭贫困具有正向影响，家庭受到金融排斥会显著增加家庭贫困的概率。进一步地，本文通过因子分析，构建金融排斥指数，研究结果表明，金融排斥指数对家庭贫困仍然具有显著地正向影响。这表明，积极推行普惠金融，降低家庭金融排斥，是减少家庭贫困的有效措施。
关键词：金融排斥;家庭贫困;金融排斥指数;内生性;因子分析
中图分类号：F832.1 文献标识码：A
文章编号：1000-176X（2019）10-0060-09
一、问题的提出
联合国在2005年提出“普惠金融”的概念，即以尚能负担的成本为有金融需求的社会各阶层和群体提供适当有效的金融服务，小微企业、农民和城镇低收入者等弱势群体为普惠金融重点服务和关注的对象。2013年，“普惠金融”概念被首次写入党的十八届三中全会的决议中。国务院在2016年出台的《推进普惠金融发展规划（2016—2020年）》明确指出，到2020年将建立与全面建成和小康社会相适应的普惠金融服务保障体系。由此可见，普惠金融在中国的重要性已上升到国家战略高度。推动普惠金融，就是要让金融覆盖到全部有金融需求的群体，尤其要覆盖到农民和贫困家庭。
贫困问题作为一个世界性难题，一直得到广泛关注。2013年，习近平总书记在尼雷尔国际会议上指出，中国仍有1.28亿人生活在贫困线以下。中国社会科学院和国务院扶贫办联合发布的《中国扶贫开发报告2016》（扶贫蓝皮书）指出，改革开放以来，中国实现了“迄今人类历史上最快速度的大规模减贫”，按照2013年农民年人均纯收入2 300元扶贫标准，中国农村贫困人口从1978年的7.700亿人减少到2015年的5 575万人，减少了71 425万人。虽然脱贫事业取得了巨大的成就，但仍有大量人口生活在贫困线之下。习近平总书记在党的十九大会议上指出，要动员全党全国全社会力量，坚持精准扶贫、精准脱贫，确保到2020年中国现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，解决区域性贫困，做到脱真贫、真脱贫。结合当前普惠金融的要求，本文从中国家庭受到的金融服务障碍角度，探讨金融排斥对中国家庭贫困的影响。
金融排斥即部分群体由于受到社会、经济、地理和条件等方面的排斥从而无法合理地获取或接近金融机构的服务和金融产品的过程[1]。金融排斥和普惠金融是一对相对的概念。金融排斥极大阻碍了普惠金融的发展。国外学者最早开始从金融排斥的概念、分类等角度研究金融排斥问题。Kempson和Whyley[2]将金融排斥分为评估排斥、地理排斥、条件排斥、价格排斥、营销排斥和自我排斥。Cebulla[3]将金融排斥分为主体排斥和机构排斥。中国学者中，许圣道和田霖[4]最早引入金融排斥概念并进行研究。众多学者通过构建金融排斥指数，衡量金融排斥问题。田霖[5]将金融机构网点覆盖程度、农户贷款比例和农户贷款数量等因素综合起来构建了金融排斥指数，提出金融机构应积极响应国家方针政策，利用政策优势来完善农村地区相关金融体系建设，加大财政支农力度，为三农服务。李春宵和贾金荣[6]运用省际面板数据，从金融服务深度、可得性、可使用度和可负担度四个方面测算各省金融排斥指数。王修华等[7]通过地理、条件以及价格和营销四个排斥维度构建评价指标体系，发现农村金融排斥存在较大的地区差异。张国俊等[8]使用2004年和2012年的数据，以省际面板数据为样本计算了两年的金融排斥指数。众多学者通过构建金融排斥指数的方法对金融排斥问题进行了定量研究，具有一定的借鉴意义。
目前直接对金融排斥与贫困之间关系进行研究的文献较少，多数文献是从金融发展与贫困之间的关系来进行研究的，目前理论界对金融发展与贫困之间的关系主要有三种解释：
其一，部分学者认为，金融发展与贫困减缓之间存在正向关系，即金融发展水平越高，贫困减缓程度越大。Honohan[9]利用中国、英国、韩国和俄罗斯的数据发现，金融发展水平提高的同时贫困人口总数降低，说明金融发展与贫困减缓存在正相关关系。Kappel[10]发现，金融发展能够减少贫困和收入不平等，且金融发展对贫困减少的效果大于对收入不平等的影响。吕勇斌和赵培培[11]利用面板模型研究发现，农村金融发展对贫困有减缓的作用。罗斯丹等[12]的研究显示，金融发展的减贫作用受到人均收入影响，人均收入越高，贫困减缓效果越好。邵汉华和王凯月[13]的研究表明，发展普惠金融能够减少贫困现象的发生，在减少贫困广度方面的作用大于减少贫困深度方面的作用。陈华和孙忠琦[14]的研究也证明，金融发展能够减少贫困。
其二，有的学者认为，金融发展与贫困之间不呈现正向关系。Maurer和Haber[15]认为，金融发展使资源更多的流向了富人，导致收入分配更加不平等。杨俊等[16]对城市和农村进行了实证研究，结果显示，农村地区金融发展对贫困减缓作用不显著，而城市地区金融发展明显改善了贫困状况。Perez-Moreno[17]认为，金融发展与贫困不存在格兰杰因果关系的结论。Sehrawat和Giri[18]研究了南亚区域部分合作国家的金融发展与城乡收入差距，发现金融发展会导致城乡之间的收入差距扩大。
其三，一些学者认为，金融发展与贫困减缓之间不是线性关系。Greenwood和Jovanovic[19]的研究结果显示，金融发展与收入分配呈倒U型关系，说明两者之间并非单纯的线性相关关系。Townsend和Ueda[20]认为，短期内金融发展会加大收入分配的不均衡，但长期内可通过改善收入分配的情况从而改善贫困状况。崔艷娟和孙刚[21]的研究表明，由于存在金融服务成本的限制，金融发展减缓贫困的作用会出现先恶化后改善的效应。黄秋萍等[22]认为，中国金融发展水平与贫困减缓之间的关系，选用面板平滑转换模型，结果显示，两者存在显著的非线性关系，并具有显著的单一门槛特征，在门槛值之前，金融发展对贫困减缓有抑制作用，跨过门槛值之后，金融发展减少了贫困的发生。 总结已有文献，金融发展对贫困的作用存在不确定性，而直接研究金融排斥与家庭贫困之间关系的文献则相对不足。根据2015年中国家庭金融调查的数据计算得出，非普惠家庭的贫困率为33.7%，普惠家庭的贫困率为12.5%。普惠家庭和非普惠家庭的贫困率相差21.2%，是否为普惠家庭极大地影响了家庭的贫困概率。可见，普惠金融可以降低贫困率[2]，那么金融排斥是否会反过来增加贫困的概率呢？家庭受到储蓄和支付排斥，例如，家庭没有正规金融账户将导致家庭无法参与金融活动，既然家庭没有正规金融账户也就相应地缺乏金融投资机会，家庭贫困概率更高;家庭受到信贷排斥将导致家庭无法获取相应的贷款，无法满足生产经营、教育和住房等需求，使家庭难以脱离贫困现状;家庭受到保险排斥则无法获取相应的保险保障，一旦家庭面临意外无法通过正规保险程序得到赔偿，不得不依靠自身摆脱困境，导致家庭更为贫困。总体来看，本文从实证角度利用微观数据直接研究金融排斥与家庭贫困的关系，弥补已有文献的不足。
论证金融排斥对家庭贫困的影响。
二、数据与变量
（一）数据来源
本文数据源自西南财经大学中国家庭金融调查中心2015年对全国29个省（市、区），360个县，1 400个村（居）委会，37 000户家庭实地调研得到的数据。调查采用三阶段、分层和人口规模成比例的抽样方法，借助计算机辅助调查系统完成了中国家庭的微观信息调研。中国家庭金融调查（CHFS）数据代表性好、质量高，为国内外学者提供了丰富的微观数据[23]。
（二）变量界定与描述性统计
1.被解释变量
家庭贫困。根据2015年国家贫困线标准，本文以中国设定的农村家庭人均年收入2 800元为划分标准，对数据进行处理，家庭人均年收入大于2 800元即认定为非贫困家庭，赋值为0;人均年收入小于等于2 800元即认定为贫困家庭，赋值为1。进一步地，根据2015年国家贫困线标准，对CHFS数据中的家庭进行0，1划分，生成哑变量。实际操作中根据家庭年总收入除以家庭人口总数得到人均年收入。
2.解释变量
金融排斥。根据普惠金融的定义，本文从储蓄、支付、保险和信贷几个方面来全面衡量家庭是否合理地获取了金融产品或服务。因此，本文从上述几方面对金融排斥进行衡量。储蓄支付层面，以家庭是否具有正规金融账户（银行储蓄卡或活期存折）来考察家庭是否获得储蓄和对外支付服务[24];信贷层面，按照家庭在农业、工商业方面是否满足了其全部贷款需求来划分，首先考虑家庭是否需要贷款，其次考察家庭贷款需求是全部满足，还是满足一大部分、满足一半、满足一小部分。如果家庭贷款需求完全得到满足，则认为无排斥，反之则有;保险层面，以家庭的户主是否具有养老保险和医疗保险来衡量，而并不以签订劳务合同时划分的五险一金来衡量，原因是很多人为农民、个体工商户、自营手工业者和网店店主等，这些工作大多没有单位给予缴纳失业、工伤、生育保险及住房公积金，如果包括上述三险一金，任意受到一种排斥的概率就会变大，使解释变量范围扩大，回归结果出现偏差。如果户主在社会养老保险和社会医疗保险两方面都获得了保障，则认为没有受到保险排斥，否则认为受到了保险排斥。
金融排斥指数。根据前述储蓄、支付、保险和信贷三个维度的考察，本文通过因子分析方法，将上述几个维度的变量降维成一个金融排斥指数进行分析。为避免极端值的影响，本文剔除极端值和数据缺失的样本，剔除了户主年龄小于16岁的家庭以及家庭房产数量大于30套的家庭，最终得到33 685个家庭数据。
3.控制变量
参考已有文献[25-26]，结合本文研究特点，选择如下控制变量：
户主特征变量。具体包括：年龄、年龄2/100、是否为中共党员、性别、有无工作、户口类型、受教育年限和婚姻状况。户主为中共党员赋值为1，否则为0;户主为女性赋值为1，否則为0;户主有工作赋值为1，无工作赋值为0;如果户主有农业户籍赋值为1，其余户籍类型赋值为0;户主已婚赋值为1，否则为0。
家庭特征变量。具体包括：风险态度、家庭房产数量、家庭资产，家庭对经济和金融信息的关注度（简称“信息关注度”）。如果家庭的风险态度选择高风险、高收益，或较高风险、较高收益，则认为其属于风险偏好;如果家庭的风险态度选择希望承受略低风险、获得略低收益，或不承受风险则属于风险厌恶;家庭房产数量按照家庭无房产取0，有一处房产取1，以此类推赋值。根据信息关注度，将非常关注、很关注、一般、不太关注、不关注进行五个层次的划分，分为1—5进行赋值[25]。
地区特征变量。具体包括：地区性质（农村或城市）、区域类型（东部、中部、西部）。农村为1，城市为0;东部为1，中部为2，西部为3。
宏观经济变量。宏观经济变量选取2014年各省的GDP总量进行衡量。
4.变量的描述性统计
表1给出了变量的描述性统计结果。
三、模型设定与内生性讨论
（一）模型设定
根据被解释变量的特点，本文选用Probit模型进行回归估计，具体如下：
Prob（Y=1|X）=Prob（αFinancial_Exclusion+Xβ+μ>0|X）（1）
其中，Y表示家庭贫困，如果家庭中的人均年收入比2015年国家贫困线标准低，则认为是贫困家庭，赋值为1;反之，赋值为0。X为控制变量，包括户主特征变量、家庭特征变量、地区特征变量及宏观经济变量。Financial_Exclusion表示金融排斥，分别用储蓄支付排斥、信贷排斥和保险排斥进行衡量。μ为随机扰动项，μ～N（0，σ2），由于本文样本数量足够大，可认为其服从正态分布。
（二）内生性讨论
可能存在互为因果、遗漏变量而导致的内生性问题。一方面，金融排斥与家庭贫困之间可能存在互为因果导致的内生性问题。家庭贫困会导致家庭缺乏足够的社会和经济资源进行储蓄，不能成功地申请贷款，也不能参与购买养老保险和医疗保险。同时，贫困通常会导致家庭缺乏信心，没有参与金融市场，积极申请贷款的意愿，从而产生自我排斥。另一方面，可能存在遗漏变量导致的内生性问题。户主的性格特点是否积极乐观，是否有脱贫致富的愿望可能会同时影响金融排斥和家庭贫困，而这些因素很难观测和度量。因此，我们引入工具变量法运用IVProbit模型进行回归，在工具变量的选择方面，分别使用社区其他家庭受到的储蓄支付排斥、信贷排斥和保险排斥的均值作为本家庭受到储蓄支付排斥、信贷排斥和保险排斥的工具变量。由于本文因子分析降维形成的金融排斥指数是储蓄支付排斥、信贷排斥和保险排斥三个方面的综合，因此，进行IVProbit回归时选择社区层面除本家庭以外其余家庭的平均金融排斥指数。 由于篇幅限制，具体计算过程省略，留存备索。
四、回归结果分析
（一）储蓄支付排斥对家庭贫困的影响
储蓄支付排斥对家庭贫困影响的回归结果如表2所示。从表2可以看出，IVProbit模型中，储蓄支付排斥与家庭贫困在1%水平上显著正相关。储蓄支付排斥使家庭贫困概率增加6.9%，即家庭受到的储蓄支付排斥越严重，家庭越容易陷入贫困。工具变量的检验结果显示，一阶段F值为590.610，大于10%水平上的临界值16.380，工具变量t值为39.270，这说明不存在弱工具变量问题。同时，Wald检验的估计值为41.820，在1%水平上拒绝了不存在内生性的原假设，说明使用工具变量进行估计是必要的。估计结果一致表明，储蓄支付排斥会增加家庭贫困的概率。缺乏储蓄支付这种基本金融服务会在一定程度上阻碍家庭正常开展生产经营活动，增大了家庭陷入贫困的概率。
从表2的控制变量来看，以第2列的估计结果为主。户主年龄与家庭贫困呈先下降后上升的U型关系。户主受教育年限的估计系数为-0.006，这表明户主受教育程度每增加1年，家庭贫困的概率显著降低0.6%。户主受教育水平越高的家庭，越容易获得中高层工作岗位，收入来源稳定，收入和资产会更多，可投资金融产品的资源和财富越多，贫困的可能性越低。相比其他情况，户主为党员的家庭陷入贫困的概率显著降低1.7%。党员性质对贫困具有反向影响，一般来说，党员的先进性和积极性更高，主动参与的事务更多，得到资源的机会更多，社会资源丰富，有更多的投融资方式，因而党员受到金融排斥的可能性较小，家庭贫困的概率更低。城市地区户主为男性时，对家庭的贫困状况有正向影响，而在农村地区这种情况则不显著。这与张栋浩和尹志超[1]研究发现，在农村家庭，当户主为男性时，普惠金融对农村家庭贫困脆弱性影响不显著，这与本文的估计结果一致。户主通常是家庭重要的经济来源，户主有工作，家庭有更稳定的经济来源，贫困概率显著降低6.3%。相比风险偏好和风险中性的家庭，风险厌恶家庭陷入贫困的概率显著降低3.1%。这可能是因为，风险厌恶的家庭表现为不愿意承担高风险获得高收益，此类家庭普遍在金融市场上较为保守，往往持有稳健的投资态度，家庭贫困的概率更低。家庭对经济和金融信息的关注度采用五级分类衡量，家庭非常关注、关注、一般、不关注、非常不关注从1—5赋值，回归结果显示，家庭信息关注度由非常关注到非常不关注的转变会对家庭贫困产生正向影响，说明家庭积极关注经济信息可以提高金融素养，拥有基础金融知识的家庭在家庭财富方面资源更多，而从不关注金融和经济信息的家庭则更容易出现信息匮乏，缺乏投资渠道，这会导致家庭更为贫困。家庭资产显然对家庭贫困具有负向影响。户主户口类型的估计系数为0.105，在1%水平上显著，当户主有农业户籍时，家庭贫困的概率显著上升10.5%，这表明户主有农业户籍时家庭贫困的可能性更大。而区域类型对家庭贫困的影响并不显著，由于各区域的家庭都有农户、非农户，富裕家庭、一般家庭、贫困家庭之分，故认为区域类型并不能充分反映家庭的贫困程度。农村家庭贫困的可能性更大，这和文献结果是一致的[6-7-26]。宏观经济水平对家庭贫困具有显著的负效应，当各省整体GDP水平更高时，该省家庭的综合经济实力相对更强，省内整体的金融基础设施越完善，金融发展水平越高，居民金融素养也相对越高，金融知识越丰富，家庭贫困概率越低。
（二）信贷排斥对家庭贫困的影响
信贷排斥对家庭贫困影响的回归结果如表3所示。从表3可以看出，Probit模型估计结果显示，信贷排斥不仅显著增加了农村家庭的贫困概率，而且显著增加了城市家庭贫困概率。考虑到潜在的内生性问题，本文进一步使用社区其他家庭的信贷排斥平均水平作为本家庭信贷排斥的工具变量。IVProbit模型估计结果显示，信贷排斥对农村家庭贫困没有显著影响，但是对城市家庭贫困具有显著的影响，当城市家庭受到信贷排斥时，陷入贫困的概率显著上升7.2%。家庭面临信贷排斥，导致家庭无法利用信贷开展生产经营活动，家庭无法利用现有资源也不能通过借贷的形式满足家庭需求，导致家庭不能改善贫困现状，提高了家庭贫困的概率。工具变量的检验结果表明，一阶段F值为88.940，工具变量t值为17.340，因此，不存在弱工具变量问题。Wald检验的估计值为13.070，在1%水平上拒绝了不存在内在性的原假设，说明使用工具变量进行估计是必要的。
（三）保险排斥对家庭贫困的回归结果
保险排斥对家庭贫困的回归结果如表4所示。
从表4可以看出， Probit模型估計结果显示，整体上保险排斥使家庭贫困的概率显著上升7.1%。分农村和城市来看，保险排斥使农村家庭贫困的概率显著上升5.9%，城市家庭贫困的概率显著上升7.5%。进一步地，工具变量的估计结果是一致的，保险排斥不仅显著增加了农村家庭陷入贫困的概率，而且显著增加了城市家庭陷入贫困的概率。工具变量的检验结果显示，一阶段F值为298.600，工具变量t值为43.760，因而不存在弱工具变量问题。养老保险、医疗保险是重要的家庭保障，能够有效分散家庭风险，是很多中国家庭保持生活正常运转的一道重要防线。如果没有养老保险和医疗保险，那么家庭就缺失重要的生活保障，这导致家庭缺乏稳定的收入来源，也限制了家庭从事创业等生产经营活动，导致家庭陷入贫困的概率更大。
五、进一步分析
（一） 金融排斥指数的构建
本文通过因子分析，将储蓄支付排斥、信贷排斥和保险排斥三个维度降维，构建金融排斥指数，如表5所示。从表5可以看出，初始变量可以提取出三个因子，但其中只有因子1的特征值大于1。根据Kaiser准则，只有特征值大于1才可算作因子数，因此，因子1进入因子旋转环节，用因子1代表金融排斥指数代替上述三个维度的金融排斥来全面衡量家庭的金融排斥程度。
对金融排斥指数提取的因子进行降维处理，具体如表6所示。从表6可以看出，上文构建的金融排斥指数可代表储蓄支付排斥的比例为71.1%，可代表保险排斥的比例为73.8%，可代表信贷排斥的比例为29.0%，代表性良好，总体KMO值为0.505，满足因子分析的条件，适合进行因子分析。 （二）金融排斥指数对家庭贫困的影响
以金融排斥指数为解释变量，被解释变量和控制变量保持不变，再对模型进行回归。解释变量和部分控制变量的回归结果如表7所示。
从表7可以看出，Probit模型回归结果显示，金融排斥指数使家庭陷入贫困的概率增加4.7%，说明金融排斥有效增加了家庭贫困的概率，家庭受到的金融排斥越多，家庭贫困的概率越大。引入工具变量后，IVProbit模型回归结果显示，金融排斥指数每增加1单位，家庭贫困的概率显著增加4.5%，其中农村家庭的贫困概率显著增加4.5%，城市家庭的贫困概率显著增加35.4%，这说明金融排斥使家庭贫困的概率大为提高，极大地影响了家庭贫困。
六、结论与政策建议
（一）结论
本文基于中国家庭金融调查（CHFS）2015年数据，从家庭储蓄支付、信贷和保险几个维度出发，运用Probit模型实证检验了金融排斥对家庭贫困的影响。研究发现，金融排斥是导致家庭贫困的重要原因，其中，储蓄支付排斥、信贷排斥和保险排斥都对家庭的贫困状况产生正向影响，增加家庭贫困的概率。进一步地，本文构建金融排斥指数，用金融排斥指数作为总体代表金融排斥各维度指标运用IVProbit模型进行回归分析，结果发现，金融排斥指数对家庭贫困仍然具有显著地正向影响。本文的回归都采取了分样本的检验方法，对城市和农村的分组考察也使得回归结果更具说服力。
（二）政策建议
第一，积极推动金融基础设施建设，缓解储蓄支付排斥。应加大金融基础设施的建设力度，积极推广银行卡的使用，加大对普惠金融和贫困农户、城市低收入人群以及小微经济体的支持力度，给弱势群体和中小微经济体更多扶持，加大金融支农支小的作用，积极推动普惠金融体系的硬件建设，缓解金融排斥现象。
第二，建设完善的信贷体系，减少中国家庭受到的信贷排斥。应加大对金融公司的支持力度，加大对小微金融业务的财政支持，使得更多金融机构，如小贷公司、信托公司能够将贷款发放给贫困家庭从而支持普惠金融的建设，减少家庭受到的信贷排斥，减少没有信贷额度或信贷额度不够等情况的频繁发生。
第三，扩大保险覆盖范围，保障国计民生，缓解保险排斥。加大对医疗保险、养老保险、失业保险、工伤保险和生育保险等通过签订劳动合同进行保障，大力扩大保險保障范围，尤其是拓宽农民享受保险权利的途径，减缓家庭保险排斥。
第四，促进区域经济发展，全面提升金融发展水平。应大力发展实体经济，促进人均GDP的增加，提升现代化科技水平，发展特色产业，提高中国综合硬实力和经济软实力，积极推动技术转型升级，大量发展金融业，保持社会和谐稳定，通过提升生活质量逐步提高人民生活幸福感和满意度，使区域经济良好发展，提升家庭经济水平，降低家庭贫困的概率。
第五，全民普及金融知识，提升居民金融素养。金融机构如银行应从多渠道开展金融知识教育，借助互联网实施娱乐性教育，从而提升国民金融素养。此外，还可借助学校课堂作用，在中小学开展金融知识教育，从小抓起，培养新一代青少年的金融知识。另外，可以开展社区金融知识宣传等教育，以社区为单位相互学习金融知识，有利于社会经济文明建设，有利于脱贫减贫，减少金融排斥，实现金融普惠。
第五，大力发展金融科技，助力普惠金融体系建设。互联网金融的发展、ATM自助柜员机、网上银行和手机银行等金融服务的产生大大推动了金融的发展。在贫困地区，人均金融机构拥有数量低，金融机构距离远等问题突出，有了互联网金融的助力，家庭成员能够通过更多方式接触金融服务。云计算、大数据等高新技术，更是将金融科技推到社会发展前列。因此，大力发展金融科技，势必会提升社会整体的金融经济水平，有助于普惠金融体系的构建，减缓金融排斥现象，提升家庭经济水平，减少家庭贫困。
参考文献：
[1]
张栋浩， 尹志超. 金融普惠、风险应对与农村家庭贫困脆弱性[J]. 中国农村经济， 2018， （4）： 54-73.
[2] Kempson， H.， Whyley， C. Kept Out or Opted Out？ Understanding and Combating Financial Exclusion[M].Bristol ： Policy Press，1999.
[3] Cebulla， A. A Geography of Insurance Exclusion： Perceptions of Unemployment Risk and Actuarial Risk Assessment[J].Area， 1999， 31（2）： 111-121.
[4] 许圣道， 田霖. 我国农村地区金融排斥研究[J]. 金融研究， 2008， （7）： 195-206.
[5] 田霖. 我国农村地区金融排斥研究[J]. 调研世界， 2010， （2）： 6-8.
[6] 李春霄， 贾金荣. 我国金融排斥程度研究——基于金融排斥指数的构建与测算[J]. 当代经济科学， 2012， （2）： 9-15.
[7] 王修华， 傅勇， 贺小金， 等. 中国农户受金融排斥状况研究——基于我国 8省29县1547户农户的调研[J]. 金融研究， 2013， （7）： 139-152.
[8] 张国俊， 周春山， 许学强. 中国金融排斥的省际差异及影响因素[J]. 地理研究， 2014， （2）： 2299-2311.
[9] Honohan， P. Financial Sector Policy and the Poor： Selected Findings and Issues[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=874524， 2006-01-10. [10] Kappel，V. The Effects of Financial Development on Income Inequality and Poverty[EB/OL].https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1585148， 2010-04-07.
[11] 吕勇斌， 赵培培. 我国农村金融发展与反贫困绩效：基于2003—2010年的经验证据[J]. 农业经济问题， 2014， （1）： 54-60.
[12] 罗斯丹， 陈晓， 姚悦欣. 我国普惠金融发展的减贫效应研究[J]. 当代经济研究， 2016， （12）： 84-93.
[13] 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.
[14] 陈华， 孙忠琦. 金融发展缓解了收入不平等和贫困吗？——基于省区面板数据的实证研究[J]. 上海金融， 2017， （11）： 3-13.
[15] Maurer， N.， Haber， S.Related Lending and Economic Performance： Evidence From Mexico[J]. Journal of Economic History， 2007， 67（3）： 551-581.
[16] 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）： 62-76.
[17] Perez-Moreno，S. Financial Development and Poverty in Developing Countries： A Causal Analysis[J].Empirical Economics， 2011， 41（1）： 57-80.
[18] Sehrawat，M.， Giri， A. K. Panel Data Analysis of Financial Development， Economic Growth and Rural-Urban Income Inequality： Evidence From SAARC Countries[J]. International Journal of Social Economics， 2016， 43（10）： 998-1015.
[19] Greenwood， J.， Jovanovic， B. Financial Development， Growth， and the Distribution of Income[J].Journal of Political Economy， 1990， 98（5）： 1076-1107.
[20] Townsend， R. M.， Ueda， K. Financial Deepening， Inequality， and Growth： A Model-Based Quantitative Evaluation[J].Review of Economic Studies， 2006， 73（1）： 251-280.
[21] 崔艷娟， 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）： 116-127.
[22] 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.
[23] 甘犁， 尹志超， 贾男， 等. 中国家庭资产状况及住房需求分析[J]. 金融研究， 2013， （4）： 1-14.
[24] Demirguc-Kunt，A.， Singer， D. Financial Inclusion and Inclusive Growth： A Review of Recent Empirical Evidence[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2958542， 2017-04-26.
[27] Stock，J. H.， Yogo， M.Testing for Weak Instruments in Linear IV Regression[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=346941， 2003-04-02.
[29] Devlin， J. F. A Detailed Study of Financial Exclusion in the UK[J]. Journal of Consumer Policy， 2005， 28（1）： 75-108.
[24] 张号栋，尹志超. 金融知识和中国家庭的金融排斥——基于 CHFS 数据的实证研究[J]. 金融研究， 2016， （7）： 80-95.
[25] 李涛， 王志芳， 王海港， 等. 中国城市居民的金融排斥状况研究[J]. 经济研究， 2010， （7）： 15-30. [26] 高沛星， 王修華. 我国农村金融排斥的区域差异——基于省际数据的实证分析[J]. 农业技术经济， 2011， （4）： 93-102.
Financial Exclusion and Chinese Families Poverty
——Evidence from CHFS data
YIN Zhi-chao， GENG Zi-yu， PAN Bei-xiao
（School of finance， Capital University of Economics and Business， Beijing， 100070， China）
Abstract：Based on the 2015 CHFS China Household Finance Survey of Southwestern University of Finance and Economics， this paper uses the poverty of Chinese household as an explanatory variable to measure its impact on Chinese households （including urban households and rural residents） from three perspectives： savings and payment exclusion， credit exclusion and insurance exclusion. The study found that households who are subject to savings and payment exclusion have the highest probability of poverty， followed by insurance exclusion， and the lowest is credit exclusion. Financial exclusion has a positive impact on household poverty. Financial exclusion can significantly increase the probability of household poverty. Based on the above three aspects of analysis， this paper uses factor analysis methods to extract the principal component factors to represent the comprehensive index of financial exclusion， and returns the model. The significance of this paper is to respond to the requirements of inclusive finance from the policy perspective and take the perspective of the financial exclusion of households as an analysis to see what aspects Chinese families need to improve， also ease the occurrence of financial exclusion and reduce the probability of household poverty.
Key words：financial exclusion; poor; financial exclusion index; endogenous problem; factor analysis
关键词：金融排斥;家庭贫困;金融排斥指数;内生性;因子分析
中图分类号：F832.1 文献标识码：A
文章编号：1000-176X（2019）10-0060-09
一、问题的提出
联合国在2005年提出“普惠金融”的概念，即以尚能负担的成本为有金融需求的社会各阶层和群体提供适当有效的金融服务，小微企业、农民和城镇低收入者等弱势群体为普惠金融重点服务和关注的对象。2013年，“普惠金融”概念被首次写入党的十八届三中全会的决议中。国务院在2016年出台的《推进普惠金融发展规划（2016—2020年）》明确指出，到2020年将建立与全面建成和小康社会相适应的普惠金融服务保障体系。由此可见，普惠金融在中国的重要性已上升到国家战略高度。推动普惠金融，就是要让金融覆盖到全部有金融需求的群体，尤其要覆盖到农民和贫困家庭。
贫困问题作为一个世界性难题，一直得到广泛关注。2013年，习近平总书记在尼雷尔国际会议上指出，中国仍有1.28亿人生活在贫困线以下。中国社会科学院和国务院扶贫办联合发布的《中国扶贫开发报告2016》（扶贫蓝皮书）指出，改革开放以来，中国实现了“迄今人类历史上最快速度的大规模减贫”，按照2013年农民年人均纯收入2 300元扶贫标准，中国农村贫困人口从1978年的7.700亿人减少到2015年的5 575万人，减少了71 425万人。虽然脱贫事业取得了巨大的成就，但仍有大量人口生活在贫困线之下。习近平总书记在党的十九大会议上指出，要动员全党全国全社会力量，坚持精准扶贫、精准脱贫，确保到2020年中国现行标准下农村贫困人口实现脱贫，贫困县全部摘帽，解决区域性贫困，做到脱真贫、真脱贫。结合当前普惠金融的要求，本文从中国家庭受到的金融服务障碍角度，探讨金融排斥对中国家庭贫困的影响。
金融排斥即部分群体由于受到社会、经济、地理和条件等方面的排斥从而无法合理地获取或接近金融机构的服务和金融产品的过程[1]。金融排斥和普惠金融是一对相对的概念。金融排斥极大阻碍了普惠金融的发展。国外学者最早开始从金融排斥的概念、分类等角度研究金融排斥问题。Kempson和Whyley[2]将金融排斥分为评估排斥、地理排斥、条件排斥、价格排斥、营销排斥和自我排斥。Cebulla[3]将金融排斥分为主体排斥和机构排斥。中国学者中，许圣道和田霖[4]最早引入金融排斥概念并进行研究。众多学者通过构建金融排斥指数，衡量金融排斥问题。田霖[5]将金融机构网点覆盖程度、农户贷款比例和农户贷款数量等因素综合起来构建了金融排斥指数，提出金融机构应积极响应国家方针政策，利用政策优势来完善农村地区相关金融体系建设，加大财政支农力度，为三农服务。李春宵和贾金荣[6]运用省际面板数据，从金融服务深度、可得性、可使用度和可负担度四个方面测算各省金融排斥指数。王修华等[7]通过地理、条件以及价格和营销四个排斥维度构建评价指标体系，发现农村金融排斥存在较大的地区差异。张国俊等[8]使用2004年和2012年的数据，以省际面板数据为样本计算了两年的金融排斥指数。众多学者通过构建金融排斥指数的方法对金融排斥问题进行了定量研究，具有一定的借鉴意义。
目前直接对金融排斥与贫困之间关系进行研究的文献较少，多数文献是从金融发展与贫困之间的关系来进行研究的，目前理论界对金融发展与贫困之间的关系主要有三种解释：
其一，部分学者认为，金融发展与贫困减缓之间存在正向关系，即金融发展水平越高，贫困减缓程度越大。Honohan[9]利用中国、英国、韩国和俄罗斯的数据发现，金融发展水平提高的同时贫困人口总数降低，说明金融发展与贫困减缓存在正相关关系。Kappel[10]发现，金融发展能够减少贫困和收入不平等，且金融发展对贫困减少的效果大于对收入不平等的影响。吕勇斌和赵培培[11]利用面板模型研究发现，农村金融发展对贫困有减缓的作用。罗斯丹等[12]的研究显示，金融发展的减贫作用受到人均收入影响，人均收入越高，贫困减缓效果越好。邵汉华和王凯月[13]的研究表明，发展普惠金融能够减少贫困现象的发生，在减少贫困广度方面的作用大于减少贫困深度方面的作用。陈华和孙忠琦[14]的研究也证明，金融发展能够减少贫困。
其二，有的学者认为，金融发展与贫困之间不呈现正向关系。Maurer和Haber[15]认为，金融发展使资源更多的流向了富人，导致收入分配更加不平等。杨俊等[16]对城市和农村进行了实证研究，结果显示，农村地区金融发展对贫困减缓作用不显著，而城市地区金融发展明显改善了贫困状况。Perez-Moreno[17]认为，金融发展与贫困不存在格兰杰因果关系的结论。Sehrawat和Giri[18]研究了南亚区域部分合作国家的金融发展与城乡收入差距，发现金融发展会导致城乡之间的收入差距扩大。
其三，一些学者认为，金融发展与贫困减缓之间不是线性关系。Greenwood和Jovanovic[19]的研究结果显示，金融发展与收入分配呈倒U型关系，说明两者之间并非单纯的线性相关关系。Townsend和Ueda[20]认为，短期内金融发展会加大收入分配的不均衡，但长期内可通过改善收入分配的情况从而改善贫困状况。崔艷娟和孙刚[21]的研究表明，由于存在金融服务成本的限制，金融发展减缓贫困的作用会出现先恶化后改善的效应。黄秋萍等[22]认为，中国金融发展水平与贫困减缓之间的关系，选用面板平滑转换模型，结果显示，两者存在显著的非线性关系，并具有显著的单一门槛特征，在门槛值之前，金融发展对贫困减缓有抑制作用，跨过门槛值之后，金融发展减少了贫困的发生。 总结已有文献，金融发展对贫困的作用存在不确定性，而直接研究金融排斥与家庭贫困之间关系的文献则相对不足。根据2015年中国家庭金融调查的数据计算得出，非普惠家庭的贫困率为33.7%，普惠家庭的贫困率为12.5%。普惠家庭和非普惠家庭的贫困率相差21.2%，是否为普惠家庭极大地影响了家庭的贫困概率。可见，普惠金融可以降低贫困率[2]，那么金融排斥是否会反过来增加贫困的概率呢？家庭受到储蓄和支付排斥，例如，家庭没有正规金融账户将导致家庭无法参与金融活动，既然家庭没有正规金融账户也就相应地缺乏金融投资机会，家庭贫困概率更高;家庭受到信贷排斥将导致家庭无法获取相应的贷款，无法满足生产经营、教育和住房等需求，使家庭难以脱离贫困现状;家庭受到保险排斥则无法获取相应的保险保障，一旦家庭面临意外无法通过正规保险程序得到赔偿，不得不依靠自身摆脱困境，导致家庭更为贫困。总体来看，本文从实证角度利用微观数据直接研究金融排斥与家庭贫困的关系，弥补已有文献的不足。
论证金融排斥对家庭贫困的影响。
二、数据与变量
（一）数据来源
本文数据源自西南财经大学中国家庭金融调查中心2015年对全国29个省（市、区），360个县，1 400个村（居）委会，37 000户家庭实地调研得到的数据。调查采用三阶段、分层和人口规模成比例的抽样方法，借助计算机辅助调查系统完成了中国家庭的微观信息调研。中国家庭金融调查（CHFS）数据代表性好、质量高，为国内外学者提供了丰富的微观数据[23]。
（二）变量界定与描述性统计
1.被解释变量
家庭贫困。根据2015年国家贫困线标准，本文以中国设定的农村家庭人均年收入2 800元为划分标准，对数据进行处理，家庭人均年收入大于2 800元即认定为非贫困家庭，赋值为0;人均年收入小于等于2 800元即认定为贫困家庭，赋值为1。进一步地，根据2015年国家贫困线标准，对CHFS数据中的家庭进行0，1划分，生成哑变量。实际操作中根据家庭年总收入除以家庭人口总数得到人均年收入。
2.解释变量
金融排斥。根据普惠金融的定义，本文从储蓄、支付、保险和信贷几个方面来全面衡量家庭是否合理地获取了金融产品或服务。因此，本文从上述几方面对金融排斥进行衡量。储蓄支付层面，以家庭是否具有正规金融账户（银行储蓄卡或活期存折）来考察家庭是否获得储蓄和对外支付服务[24];信贷层面，按照家庭在农业、工商业方面是否满足了其全部贷款需求来划分，首先考虑家庭是否需要贷款，其次考察家庭贷款需求是全部满足，还是满足一大部分、满足一半、满足一小部分。如果家庭贷款需求完全得到满足，则认为无排斥，反之则有;保险层面，以家庭的户主是否具有养老保险和医疗保险来衡量，而并不以签订劳务合同时划分的五险一金来衡量，原因是很多人为农民、个体工商户、自营手工业者和网店店主等，这些工作大多没有单位给予缴纳失业、工伤、生育保险及住房公积金，如果包括上述三险一金，任意受到一种排斥的概率就会变大，使解释变量范围扩大，回归结果出现偏差。如果户主在社会养老保险和社会医疗保险两方面都获得了保障，则认为没有受到保险排斥，否则认为受到了保险排斥。
金融排斥指数。根据前述储蓄、支付、保险和信贷三个维度的考察，本文通过因子分析方法，将上述几个维度的变量降维成一个金融排斥指数进行分析。为避免极端值的影响，本文剔除极端值和数据缺失的样本，剔除了户主年龄小于16岁的家庭以及家庭房产数量大于30套的家庭，最终得到33 685个家庭数据。
3.控制变量
参考已有文献[25-26]，结合本文研究特点，选择如下控制变量：
户主特征变量。具体包括：年龄、年龄2/100、是否为中共党员、性别、有无工作、户口类型、受教育年限和婚姻状况。户主为中共党员赋值为1，否则为0;户主为女性赋值为1，否則为0;户主有工作赋值为1，无工作赋值为0;如果户主有农业户籍赋值为1，其余户籍类型赋值为0;户主已婚赋值为1，否则为0。
家庭特征变量。具体包括：风险态度、家庭房产数量、家庭资产，家庭对经济和金融信息的关注度（简称“信息关注度”）。如果家庭的风险态度选择高风险、高收益，或较高风险、较高收益，则认为其属于风险偏好;如果家庭的风险态度选择希望承受略低风险、获得略低收益，或不承受风险则属于风险厌恶;家庭房产数量按照家庭无房产取0，有一处房产取1，以此类推赋值。根据信息关注度，将非常关注、很关注、一般、不太关注、不关注进行五个层次的划分，分为1—5进行赋值[25]。
地区特征变量。具体包括：地区性质（农村或城市）、区域类型（东部、中部、西部）。农村为1，城市为0;东部为1，中部为2，西部为3。
宏观经济变量。宏观经济变量选取2014年各省的GDP总量进行衡量。
4.变量的描述性统计
表1给出了变量的描述性统计结果。
三、模型设定与内生性讨论
（一）模型设定
根据被解释变量的特点，本文选用Probit模型进行回归估计，具体如下：
Prob（Y=1|X）=Prob（αFinancial_Exclusion+Xβ+μ>0|X）（1）
其中，Y表示家庭贫困，如果家庭中的人均年收入比2015年国家贫困线标准低，则认为是贫困家庭，赋值为1;反之，赋值为0。X为控制变量，包括户主特征变量、家庭特征变量、地区特征变量及宏观经济变量。Financial_Exclusion表示金融排斥，分别用储蓄支付排斥、信贷排斥和保险排斥进行衡量。μ为随机扰动项，μ～N（0，σ2），由于本文样本数量足够大，可认为其服从正态分布。
（二）内生性讨论
可能存在互为因果、遗漏变量而导致的内生性问题。一方面，金融排斥与家庭贫困之间可能存在互为因果导致的内生性问题。家庭贫困会导致家庭缺乏足够的社会和经济资源进行储蓄，不能成功地申请贷款，也不能参与购买养老保险和医疗保险。同时，贫困通常会导致家庭缺乏信心，没有参与金融市场，积极申请贷款的意愿，从而产生自我排斥。另一方面，可能存在遗漏变量导致的内生性问题。户主的性格特点是否积极乐观，是否有脱贫致富的愿望可能会同时影响金融排斥和家庭贫困，而这些因素很难观测和度量。因此，我们引入工具变量法运用IVProbit模型进行回归，在工具变量的选择方面，分别使用社区其他家庭受到的储蓄支付排斥、信贷排斥和保险排斥的均值作为本家庭受到储蓄支付排斥、信贷排斥和保险排斥的工具变量。由于本文因子分析降维形成的金融排斥指数是储蓄支付排斥、信贷排斥和保险排斥三个方面的综合，因此，进行IVProbit回归时选择社区层面除本家庭以外其余家庭的平均金融排斥指数。 由于篇幅限制，具体计算过程省略，留存备索。
四、回归结果分析
（一）储蓄支付排斥对家庭贫困的影响
储蓄支付排斥对家庭贫困影响的回归结果如表2所示。从表2可以看出，IVProbit模型中，储蓄支付排斥与家庭贫困在1%水平上显著正相关。储蓄支付排斥使家庭贫困概率增加6.9%，即家庭受到的储蓄支付排斥越严重，家庭越容易陷入贫困。工具变量的检验结果显示，一阶段F值为590.610，大于10%水平上的临界值16.380，工具变量t值为39.270，这说明不存在弱工具变量问题。同时，Wald检验的估计值为41.820，在1%水平上拒绝了不存在内生性的原假设，说明使用工具变量进行估计是必要的。估计结果一致表明，储蓄支付排斥会增加家庭贫困的概率。缺乏储蓄支付这种基本金融服务会在一定程度上阻碍家庭正常开展生产经营活动，增大了家庭陷入贫困的概率。
从表2的控制变量来看，以第2列的估计结果为主。户主年龄与家庭贫困呈先下降后上升的U型关系。户主受教育年限的估计系数为-0.006，这表明户主受教育程度每增加1年，家庭贫困的概率显著降低0.6%。户主受教育水平越高的家庭，越容易获得中高层工作岗位，收入来源稳定，收入和资产会更多，可投资金融产品的资源和财富越多，贫困的可能性越低。相比其他情况，户主为党员的家庭陷入贫困的概率显著降低1.7%。党员性质对贫困具有反向影响，一般来说，党员的先进性和积极性更高，主动参与的事务更多，得到资源的机会更多，社会资源丰富，有更多的投融资方式，因而党员受到金融排斥的可能性较小，家庭贫困的概率更低。城市地区户主为男性时，对家庭的贫困状况有正向影响，而在农村地区这种情况则不显著。这与张栋浩和尹志超[1]研究发现，在农村家庭，当户主为男性时，普惠金融对农村家庭贫困脆弱性影响不显著，这与本文的估计结果一致。户主通常是家庭重要的经济来源，户主有工作，家庭有更稳定的经济来源，贫困概率显著降低6.3%。相比风险偏好和风险中性的家庭，风险厌恶家庭陷入贫困的概率显著降低3.1%。这可能是因为，风险厌恶的家庭表现为不愿意承担高风险获得高收益，此类家庭普遍在金融市场上较为保守，往往持有稳健的投资态度，家庭贫困的概率更低。家庭对经济和金融信息的关注度采用五级分类衡量，家庭非常关注、关注、一般、不关注、非常不关注从1—5赋值，回归结果显示，家庭信息关注度由非常关注到非常不关注的转变会对家庭贫困产生正向影响，说明家庭积极关注经济信息可以提高金融素养，拥有基础金融知识的家庭在家庭财富方面资源更多，而从不关注金融和经济信息的家庭则更容易出现信息匮乏，缺乏投资渠道，这会导致家庭更为贫困。家庭资产显然对家庭贫困具有负向影响。户主户口类型的估计系数为0.105，在1%水平上显著，当户主有农业户籍时，家庭贫困的概率显著上升10.5%，这表明户主有农业户籍时家庭贫困的可能性更大。而区域类型对家庭贫困的影响并不显著，由于各区域的家庭都有农户、非农户，富裕家庭、一般家庭、贫困家庭之分，故认为区域类型并不能充分反映家庭的贫困程度。农村家庭贫困的可能性更大，这和文献结果是一致的[6-7-26]。宏观经济水平对家庭贫困具有显著的负效应，当各省整体GDP水平更高时，该省家庭的综合经济实力相对更强，省内整体的金融基础设施越完善，金融发展水平越高，居民金融素养也相对越高，金融知识越丰富，家庭贫困概率越低。
（二）信贷排斥对家庭贫困的影响
信贷排斥对家庭贫困影响的回归结果如表3所示。从表3可以看出，Probit模型估计结果显示，信贷排斥不仅显著增加了农村家庭的贫困概率，而且显著增加了城市家庭贫困概率。考虑到潜在的内生性问题，本文进一步使用社区其他家庭的信贷排斥平均水平作为本家庭信贷排斥的工具变量。IVProbit模型估计结果显示，信贷排斥对农村家庭贫困没有显著影响，但是对城市家庭贫困具有显著的影响，当城市家庭受到信贷排斥时，陷入贫困的概率显著上升7.2%。家庭面临信贷排斥，导致家庭无法利用信贷开展生产经营活动，家庭无法利用现有资源也不能通过借贷的形式满足家庭需求，导致家庭不能改善贫困现状，提高了家庭贫困的概率。工具变量的检验结果表明，一阶段F值为88.940，工具变量t值为17.340，因此，不存在弱工具变量问题。Wald检验的估计值为13.070，在1%水平上拒绝了不存在内在性的原假设，说明使用工具变量进行估计是必要的。
（三）保险排斥对家庭贫困的回归结果
保险排斥对家庭贫困的回归结果如表4所示。
从表4可以看出， Probit模型估計结果显示，整体上保险排斥使家庭贫困的概率显著上升7.1%。分农村和城市来看，保险排斥使农村家庭贫困的概率显著上升5.9%，城市家庭贫困的概率显著上升7.5%。进一步地，工具变量的估计结果是一致的，保险排斥不仅显著增加了农村家庭陷入贫困的概率，而且显著增加了城市家庭陷入贫困的概率。工具变量的检验结果显示，一阶段F值为298.600，工具变量t值为43.760，因而不存在弱工具变量问题。养老保险、医疗保险是重要的家庭保障，能够有效分散家庭风险，是很多中国家庭保持生活正常运转的一道重要防线。如果没有养老保险和医疗保险，那么家庭就缺失重要的生活保障，这导致家庭缺乏稳定的收入来源，也限制了家庭从事创业等生产经营活动，导致家庭陷入贫困的概率更大。
五、进一步分析
（一） 金融排斥指数的构建
本文通过因子分析，将储蓄支付排斥、信贷排斥和保险排斥三个维度降维，构建金融排斥指数，如表5所示。从表5可以看出，初始变量可以提取出三个因子，但其中只有因子1的特征值大于1。根据Kaiser准则，只有特征值大于1才可算作因子数，因此，因子1进入因子旋转环节，用因子1代表金融排斥指数代替上述三个维度的金融排斥来全面衡量家庭的金融排斥程度。
对金融排斥指数提取的因子进行降维处理，具体如表6所示。从表6可以看出，上文构建的金融排斥指数可代表储蓄支付排斥的比例为71.1%，可代表保险排斥的比例为73.8%，可代表信贷排斥的比例为29.0%，代表性良好，总体KMO值为0.505，满足因子分析的条件，适合进行因子分析。 （二）金融排斥指数对家庭贫困的影响
以金融排斥指数为解释变量，被解释变量和控制变量保持不变，再对模型进行回归。解释变量和部分控制变量的回归结果如表7所示。
从表7可以看出，Probit模型回归结果显示，金融排斥指数使家庭陷入贫困的概率增加4.7%，说明金融排斥有效增加了家庭贫困的概率，家庭受到的金融排斥越多，家庭贫困的概率越大。引入工具变量后，IVProbit模型回归结果显示，金融排斥指数每增加1单位，家庭贫困的概率显著增加4.5%，其中农村家庭的贫困概率显著增加4.5%，城市家庭的贫困概率显著增加35.4%，这说明金融排斥使家庭贫困的概率大为提高，极大地影响了家庭贫困。
六、结论与政策建议
（一）结论
本文基于中国家庭金融调查（CHFS）2015年数据，从家庭储蓄支付、信贷和保险几个维度出发，运用Probit模型实证检验了金融排斥对家庭贫困的影响。研究发现，金融排斥是导致家庭贫困的重要原因，其中，储蓄支付排斥、信贷排斥和保险排斥都对家庭的贫困状况产生正向影响，增加家庭贫困的概率。进一步地，本文构建金融排斥指数，用金融排斥指数作为总体代表金融排斥各维度指标运用IVProbit模型进行回归分析，结果发现，金融排斥指数对家庭贫困仍然具有显著地正向影响。本文的回归都采取了分样本的检验方法，对城市和农村的分组考察也使得回归结果更具说服力。
（二）政策建议
第一，积极推动金融基础设施建设，缓解储蓄支付排斥。应加大金融基础设施的建设力度，积极推广银行卡的使用，加大对普惠金融和贫困农户、城市低收入人群以及小微经济体的支持力度，给弱势群体和中小微经济体更多扶持，加大金融支农支小的作用，积极推动普惠金融体系的硬件建设，缓解金融排斥现象。
第二，建设完善的信贷体系，减少中国家庭受到的信贷排斥。应加大对金融公司的支持力度，加大对小微金融业务的财政支持，使得更多金融机构，如小贷公司、信托公司能够将贷款发放给贫困家庭从而支持普惠金融的建设，减少家庭受到的信贷排斥，减少没有信贷额度或信贷额度不够等情况的频繁发生。
第三，扩大保险覆盖范围，保障国计民生，缓解保险排斥。加大对医疗保险、养老保险、失业保险、工伤保险和生育保险等通过签订劳动合同进行保障，大力扩大保險保障范围，尤其是拓宽农民享受保险权利的途径，减缓家庭保险排斥。
第四，促进区域经济发展，全面提升金融发展水平。应大力发展实体经济，促进人均GDP的增加，提升现代化科技水平，发展特色产业，提高中国综合硬实力和经济软实力，积极推动技术转型升级，大量发展金融业，保持社会和谐稳定，通过提升生活质量逐步提高人民生活幸福感和满意度，使区域经济良好发展，提升家庭经济水平，降低家庭贫困的概率。
第五，全民普及金融知识，提升居民金融素养。金融机构如银行应从多渠道开展金融知识教育，借助互联网实施娱乐性教育，从而提升国民金融素养。此外，还可借助学校课堂作用，在中小学开展金融知识教育，从小抓起，培养新一代青少年的金融知识。另外，可以开展社区金融知识宣传等教育，以社区为单位相互学习金融知识，有利于社会经济文明建设，有利于脱贫减贫，减少金融排斥，实现金融普惠。
第五，大力发展金融科技，助力普惠金融体系建设。互联网金融的发展、ATM自助柜员机、网上银行和手机银行等金融服务的产生大大推动了金融的发展。在贫困地区，人均金融机构拥有数量低，金融机构距离远等问题突出，有了互联网金融的助力，家庭成员能够通过更多方式接触金融服务。云计算、大数据等高新技术，更是将金融科技推到社会发展前列。因此，大力发展金融科技，势必会提升社会整体的金融经济水平，有助于普惠金融体系的构建，减缓金融排斥现象，提升家庭经济水平，减少家庭贫困。
参考文献：
[1]
张栋浩， 尹志超. 金融普惠、风险应对与农村家庭贫困脆弱性[J]. 中国农村经济， 2018， （4）： 54-73.
[2] Kempson， H.， Whyley， C. Kept Out or Opted Out？ Understanding and Combating Financial Exclusion[M].Bristol ： Policy Press，1999.
[3] Cebulla， A. A Geography of Insurance Exclusion： Perceptions of Unemployment Risk and Actuarial Risk Assessment[J].Area， 1999， 31（2）： 111-121.
[4] 许圣道， 田霖. 我国农村地区金融排斥研究[J]. 金融研究， 2008， （7）： 195-206.
[5] 田霖. 我国农村地区金融排斥研究[J]. 调研世界， 2010， （2）： 6-8.
[6] 李春霄， 贾金荣. 我国金融排斥程度研究——基于金融排斥指数的构建与测算[J]. 当代经济科学， 2012， （2）： 9-15.
[7] 王修华， 傅勇， 贺小金， 等. 中国农户受金融排斥状况研究——基于我国 8省29县1547户农户的调研[J]. 金融研究， 2013， （7）： 139-152.
[8] 张国俊， 周春山， 许学强. 中国金融排斥的省际差异及影响因素[J]. 地理研究， 2014， （2）： 2299-2311.
[9] Honohan， P. Financial Sector Policy and the Poor： Selected Findings and Issues[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=874524， 2006-01-10. [10] Kappel，V. The Effects of Financial Development on Income Inequality and Poverty[EB/OL].https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=1585148， 2010-04-07.
[11] 吕勇斌， 赵培培. 我国农村金融发展与反贫困绩效：基于2003—2010年的经验证据[J]. 农业经济问题， 2014， （1）： 54-60.
[12] 罗斯丹， 陈晓， 姚悦欣. 我国普惠金融发展的减贫效应研究[J]. 当代经济研究， 2016， （12）： 84-93.
[13] 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.
[14] 陈华， 孙忠琦. 金融发展缓解了收入不平等和贫困吗？——基于省区面板数据的实证研究[J]. 上海金融， 2017， （11）： 3-13.
[15] Maurer， N.， Haber， S.Related Lending and Economic Performance： Evidence From Mexico[J]. Journal of Economic History， 2007， 67（3）： 551-581.
[16] 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）： 62-76.
[17] Perez-Moreno，S. Financial Development and Poverty in Developing Countries： A Causal Analysis[J].Empirical Economics， 2011， 41（1）： 57-80.
[18] Sehrawat，M.， Giri， A. K. Panel Data Analysis of Financial Development， Economic Growth and Rural-Urban Income Inequality： Evidence From SAARC Countries[J]. International Journal of Social Economics， 2016， 43（10）： 998-1015.
[19] Greenwood， J.， Jovanovic， B. Financial Development， Growth， and the Distribution of Income[J].Journal of Political Economy， 1990， 98（5）： 1076-1107.
[20] Townsend， R. M.， Ueda， K. Financial Deepening， Inequality， and Growth： A Model-Based Quantitative Evaluation[J].Review of Economic Studies， 2006， 73（1）： 251-280.
[21] 崔艷娟， 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）： 116-127.
[22] 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.
[23] 甘犁， 尹志超， 贾男， 等. 中国家庭资产状况及住房需求分析[J]. 金融研究， 2013， （4）： 1-14.
[24] Demirguc-Kunt，A.， Singer， D. Financial Inclusion and Inclusive Growth： A Review of Recent Empirical Evidence[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=2958542， 2017-04-26.
[27] Stock，J. H.， Yogo， M.Testing for Weak Instruments in Linear IV Regression[EB/OL]. https：//papers.ssrn.com/sol3/papers.cfm？abstract_id=346941， 2003-04-02.
[29] Devlin， J. F. A Detailed Study of Financial Exclusion in the UK[J]. Journal of Consumer Policy， 2005， 28（1）： 75-108.
[24] 张号栋，尹志超. 金融知识和中国家庭的金融排斥——基于 CHFS 数据的实证研究[J]. 金融研究， 2016， （7）： 80-95.
[25] 李涛， 王志芳， 王海港， 等. 中国城市居民的金融排斥状况研究[J]. 经济研究， 2010， （7）： 15-30. [26] 高沛星， 王修華. 我国农村金融排斥的区域差异——基于省际数据的实证分析[J]. 农业技术经济， 2011， （4）： 93-102.
Financial Exclusion and Chinese Families Poverty
——Evidence from CHFS data
YIN Zhi-chao， GENG Zi-yu， PAN Bei-xiao
（School of finance， Capital University of Economics and Business， Beijing， 100070， China）
Abstract：Based on the 2015 CHFS China Household Finance Survey of Southwestern University of Finance and Economics， this paper uses the poverty of Chinese household as an explanatory variable to measure its impact on Chinese households （including urban households and rural residents） from three perspectives： savings and payment exclusion， credit exclusion and insurance exclusion. The study found that households who are subject to savings and payment exclusion have the highest probability of poverty， followed by insurance exclusion， and the lowest is credit exclusion. Financial exclusion has a positive impact on household poverty. Financial exclusion can significantly increase the probability of household poverty. Based on the above three aspects of analysis， this paper uses factor analysis methods to extract the principal component factors to represent the comprehensive index of financial exclusion， and returns the model. The significance of this paper is to respond to the requirements of inclusive finance from the policy perspective and take the perspective of the financial exclusion of households as an analysis to see what aspects Chinese families need to improve， also ease the occurrence of financial exclusion and reduce the probability of household poverty.
Key words：financial exclusion; poor; financial exclusion index; endogenous problem; factor analysis