一、引言

贫困问题是我国全面建成小康社会的突出短板。当前我国贫困问题与脱贫攻坚的重点在农村，没有农村贫困人口全部脱贫，就没有全面建成小康社会，农村减贫关乎我国人民对美好生活的向往和我国经济能否实现高质量发展。随着坚决打赢脱贫攻坚战的持续推进，减贫质量引起了社会各界的重视。减贫质量不仅关乎我国能否解决剩余贫困人口的脱贫问题，更关系着我国能否守住来之不易的减贫成果，而只有切实提高减贫质量才能从根本上解决贫困问题。《中共中央国务院关于打赢脱贫攻坚战三年行动的指导意见》和《中共中央国务院关于实施乡村振兴战略的意见》都指出，要坚持把提高脱贫质量放在首位。金融普惠作为我国当前金融改革的重要内容，是否有助于提高减贫质量是本文的核心问题。

本文将从多维贫困视角考察减贫质量，多维贫困不仅契合了贫困问题的本质与内涵，还有助于为我国2020年之后的扶贫战略实施提供新思路。一方面，多维贫困摆脱了收入等经济贫困只从货币维度衡量贫困的范畴，进一步加入了可行能力的考量。正如Sen(1999)指出，贫困问题的根源是对人们可行能力的剥夺，这种可行能力不仅包括收入增长，还包括教育、健康和生活质量改善等多维能力的获得。我国农村贫困具有多发性和表现形式多样性的复杂特征，并不局限于收入或消费维度的经济贫困，还表现为教育、健康和生活质量等多维方面的匮乏。另一方面，随着2020年我国绝对贫困问题的解决，多维贫困和相对贫困问题将会逐渐凸显，我国扶贫战略思路需要对此进行相应方向的转变(陈志钢等，2019)。

具体而言，我们利用“多维贫困”和“多维贫困脆弱性”衡量减贫质量。首先，多维贫困与经济贫困不同。经济贫困下降主要表现为收入增长，但若缺少教育提升和健康改善等可行能力的支持，风险或意外事件仍可能导致家庭收入下降而重新陷入贫困，由此经济贫困减少难以准确刻画减贫质量，而多维贫困降低可以通过改善可行能力的方式提高减贫质量。其次，进一步将贫困脆弱性的思想用于多维贫困概念之中，用以衡量农村家庭未来发生多维贫困的可能性。与多维贫困只是静态变量相比，多维贫困脆弱性可以动态前瞻性地刻画减贫质量。正如檀学文(2018)在评价脱贫质量时考虑了“稳定可持续”问题，指出脱贫不能只是当前达标而未来有很大的脆弱性；与国内文献刻画贫困脆弱性时只考虑了经济贫困不同(樊丽明、解垩，2014；张栋浩、尹志超，2018；涂冰倩等，2018)，多维贫困脆弱性还考虑了教育、健康和生活质量等多维度的贫困脆弱性，这有助于更加综合性地刻画减贫质量问题。借鉴Chaudhuri et al.(2002)的基于预期贫困的脆弱性概念(Vulnerability as Expected Poverty)，我们利用三阶段可行广义最小二乘法(FGLS)估计农村家庭未来时期发生多维贫困的概率，即多维贫困脆弱性。

金融普惠对促进我国农村减贫而言具有重要意义，它是基于机会平等要求和商业可持续原则，以可负担的成本为有金融服务需求的社会各阶层和群体提供适当有效的金融服务，主要强调金融服务的广度, 旨在从金融角度促进经济社会实现包容性发展。与之不同，传统金融主要强调金融服务的深度，比如加强金融深化或金融竞争等。传统金融发展模式下，随着金融竞争加剧，金融机构出于降低成本、控制风险或提高收益的考虑，撤并了大量农村基层网点，导致金融资源向城市或高收入群体转移，加剧了金融资源的地区分配不平等问题，由此导致农村减贫缺少足够的金融支持。比如，金融市场化作为提高金融竞争的方式，导致我国金融资源从农业部门向工业部门转移，显著地降低了农户正规信贷获得(汪昌云等，2014)。为建成与全面小康社会相适应的现代金融体系，近年来国家和社会各界开始加大推动金融普惠发展，我国农村金融普惠状况得到了明显改善，涉农贷款余额、农户贷款余额和商业补充医疗保险覆盖等不断增加(银保监会，2018)，但整体水平仍然较低。中国家庭金融调查2015年数据显示，农村每千人银行网点数量为0.3个, ATM和惠农服务点数量为0.35个，农村家庭中只有不到10%获得正规贷款、9%拥有商业保险。

就金融普惠减贫效应而言，现有文献主要研究了金融普惠是否有助于实现减贫，而较少关注减贫质量问题(Park and Mercado, 2018；Inoue，2019；罗斯丹等，2016；马彧菲、杜朝运，2017；武丽娟、徐璋勇，2018)。理论上，金融普惠可以通过提供避险工具和风险共担等直接机制、促进人力与物质资本积累和地区经济发展等间接机制提高减贫质量。第一，金融普惠可以通过提供避险工具，帮助农村家庭合理恰当的处置风险，避免由于意外事件发生导致内生发展动力下降。如果农村家庭无法获取正规金融服务，在遭遇意外事件时则可能采用适龄儿童辍学、降低营养摄入和变卖资产等非正规方式进行应对，这将极易导致农村家庭再次发生贫困。第二，金融普惠可通过金融资源跨时间和跨空间配置帮助农村家庭融入社会、降低社会排斥，进而实现风险共担，降低再次发生贫困的可能性。当前我国家庭结构日趋小型化，传统人情网络已很难对潜在风险实现完全分散与共担，正规金融服务可对此进行有益补充。第三，金融普惠可通过降低交易成本和缓解信贷约束，促进农村家庭增加职业技能和降低失业以提升人力资本积累, 进行农工商生产与扩大再生产以实现物质资本累积，进而增强内生发展动力(Bruhn and Love, 2014；Popov，2014)；并且，与财政支持或低保等可能造成“养懒汉”不同，金融普惠的商业可持续原则具有还本付息机制，可激励农村家庭自主发展。最后，金融普惠还可通过促进地区经济发展，为提高农村减贫质量提供良好的外部环境，比如激活地区产业发展、创造更多就业机会和完善民生基础设施建设等。

为此，本文利用中国家庭金融调查(CHFS)2015年数据，研究金融普惠对我国农村家庭减贫质量的影响，以期为我国打赢、打好脱贫攻坚战和守住来之不易的减贫成果提供政策工具。研究内容包括，第一，金融普惠能否有效降低我国农村家庭多维贫困及多维贫困脆弱性，进而提高减贫质量；第二，金融普惠是否发挥了“雪中送炭”的作用，同时金融普惠对不同贫困问题、以及不同类型金融服务对减贫质量是否具有差异性影响；第三，村庄市场与制度环境、家庭需求环境如何作用于金融普惠的减贫质量效应; 最后，金融普惠通过何种机制对减贫质量发挥了积极作用。余下结构安排是：第二部分是文献综述，第三部分是数据、变量与模型设定，第四部分是主要实证结果，第五部分是金融普惠提高减贫质量的环境条件分析，第六部分是影响机制及稳健性检验，最后是结论与政策含义。

二、文献综述

就多维贫困而言，文献分别从影响因素、贡献度分解、特殊群体贫困及减贫政策瞄准性等方面开展了研究。首先，国内外学者研究了多维贫困的影响因素，包括公共转移支付(陈国强等，2018；康锋莉，2018)、住房援助(Loschmann et al., 2015)、道路设施(Bucheli et al., 2017)、土地流转(夏玉莲、匡远配，2017)、社会保险(刘一伟，2017)、社会资本(谭燕芝、张子豪，2017)、农业产业扶贫(杨龙等，2019)、农民创业(袁方等，2019)、风险遭遇和发展机会(王文略等，2019)等方面。其次，文献利用分解方法研究了多维贫困的贡献因素，即收入、教育、健康保险、卫生设施和户籍制度等可以在多大程度上解释多维贫困严重性(王小林、Alkire，2009；高艳云，2012；王春超、叶琴，2014；郭熙保、周强，2016；周强、张全红，2017)。此外，部分文献还研究了某些特殊群体的多维贫困状况，比如王春超、叶琴(2014)、葛岩等(2018)和殷浩栋等(2018)分别研究了农民工、儿童和异地扶贫搬迁户的多维贫困问题。最后，还有部分文献比较了收入贫困和多维贫困的匹配差异，并据此分析了低保等减贫政策的瞄准效果(朱梦冰、李实，2013)。

就多维贫困脆弱性而言，Chaudhuri et al.(2002)指出，贫困是多维度剥夺问题，因此贫困脆弱性也应该是一个多维度概念和结构，只是基于经济贫困的脆弱性估计是对贫困范畴的重要限制。Feeny and McDonald(2016)利用三阶段可行广义最小二乘法，估计了美拉尼西亚家庭的多维贫困脆弱性，发现多维贫困脆弱性比多维贫困更加普遍。Azeem et al.(2018)通过比较不同贫困指标发现，事后的经济贫困指标在识别贫困群体时更易出现偏差，有必要从经济贫困转向多维贫困和多维贫困脆弱性。罗玉辉、侯亚景(2019)基于多维贫困考察了农村家庭脱贫质量，发现边缘性多维贫困群体比极端多维贫困群体的脱贫质量相对更高，但是该文只是以多维贫困剥夺得分值主观地界定了多维贫困家庭的脆弱性，而并未直接估算出多维贫困脆弱性大小。

现有文献利用地区宏观数据就收入贫困或消费贫困问题，对金融普惠的减贫效应进行了较为充分的研究(Park and Mercado, 2018；Inoue，2019；罗斯丹等，2016；马彧菲、杜朝运，2017)。但是，金融普惠对减贫质量的研究尚不充分。一方面，少数文献虽然在一定程度上考察了金融普惠对多维贫困的影响，但是并未进一步考虑多维贫困脆弱性，同时针对我国情境下的研究也相对缺乏。比如，Jones(2008)和Marsden and Nileshwar(2014)从理论上指出，金融普惠能够通过资产积累和正规贷款等途径促进家庭在健康、教育和幸福感等方面得到改善。Khaki and Sangmi(2017)和Ibrahim et al.(2019)实证研究了金融普惠对降低国外家庭多维贫困或改善家庭福利的影响。杨艳琳、付晨玉(2019)发现，农村普惠金融发展能够通过提高金融产品和服务可得性来改善农村劳动年龄人口的多维贫困状况，但对不同贫困强度的劳动年龄人口的影响存在差异。

另一方面，已有文献还忽略了金融普惠影响减贫质量的环境条件约束。考虑到金融体系并非独立地在经济系统中发挥作用、而是依赖于其所处的环境条件，那么金融普惠能否提高减贫质量可能还受内部与外部环境条件的影响。比如，李扬等(2005)指出，金融体系运行涉及到赖以活动之区域的基本环境要素, 还涉及这种环境的具体构成及变化, 以及由此导致的主体行为异化对整个金融生态系统所产生的影响。Sahay et al.(2018)指出，金融普惠发展过程中应避免将金融普惠置于一条单独的轨道上进行，“孤岛心理”不利于充分发挥金融普惠的经济社会效益。贝多广、莫秀根(2018)从金融科技、基础设施和监管环境三方面阐述了攻坚金融服务“最后一公里”的环境条件。王国刚(2018)从金融功能角度阐述了金融的普惠性，并指出在推进振兴乡村战略过程中需要创造金融服务“三农”的条件。为此，本文扩展金融普惠的减贫效应研究，将问题聚焦于减贫质量，并且通过实证分析揭示出金融普惠能否显著提高减贫质量及其环境条件约束。

三、数据、变量与模型设定 (一) 数据来源

本文采用中国家庭金融调查2015年数据(CHFS)，该调查采用三阶段分层、与人口规模成比例的抽样方法，所抽样本具有良好的代表性，数据质量较高(甘犁等，2013)。本文采用该数据中的农村样本，将无效样本、变量存在缺失或异常值的样本删除之后，得到将近640个村庄、13000多个观测值。

(二) 村庄金融普惠指数^①

① 限于篇幅，文中未予汇报构建指数的详细过程，读者如有兴趣可与作者联系。

本文借鉴张栋浩、尹志超(2018)方法，基于《推进普惠金融发展规划(2016-2020)》的总体目标，从渗透度、使用度和满意度等三方面选取金融服务指标，利用因子分析法构建了村庄金融普惠指数，用以直接反映我国金融资源在微观主体的分配状况和金融服务下沉状况。参考已有文献和数据可得性，本文分别从地理和人口角度选取渗透度指标(Sarma and Pais, 2011；Sarma，2015；Chakravarty and Pal, 2013；Ambarkhane et al., 2016)；从银行账户、贷款、保险、信用卡和数字金融等方面选取使用度指标；从农村家庭对银行服务的主观评价选取满意度指标。特别地，就使用度问题，本文不仅选取了“户均存款余额”等均值意义的指标，还选取了“拥有存款账户的家庭数量占比”等比例意义的指标。如果只选用均值指标，将会忽略金融资源在不同微观主体之间的分布状况，均值水平高并不代表分配状况好，类似于人均收入无法刻画收入差距。为此，我们进一步加入了比例指标，用以直接刻画群体中使用金融服务的占比是多少，类似于以分位数方法考察收入分布。

(三) 减贫质量

首先，我们通过对多维贫困指标赋权加总的方式得到多维贫困变量，以此衡量农村家庭多维贫困(Feeny and McDonald, 2016；Bucheli et al., 2017)。不同于已有文献主要刻画了地区层面的多维贫困问题，本文直接刻画了农村家庭自身的多维贫困状况。多维贫困变量构建方法和指标见公式(1)和下表 2，MPI_i是家庭i的多维贫困剥夺得分，取值介于[0, 1]之间，取值越大、代表多维贫困越严重。本文借鉴文献普遍做法和数据可得性，从收入、教育、健康和生活质量等四个方面衡量农村家庭多维贫困，并为不同维度、同一维度内的不同指标赋予相等权重(UNDP，2010；王小林、Alkire，2009；王春超、叶琴，2014；郭熙保、周强，2016；陈国强等，2018)^①。等权重的好处在于，可以保证每个维度所刻画的可行能力对家庭减贫的同等重要性，无论教育还是健康等其他因素，都对家庭减贫和长期发展至关重要，而不因不同维度指标在地区间的差异大小而有所区别。

① 联合国开发计划署(UNDP)和牛津大学贫困和人类发展研究中心(OPHI)在2010年开发了多维贫困指数(UNDP-MPI)，并将其纳入人类发展指数报告。UNDP-MPI包括健康、教育和生活质量三个维度，但考虑到我国扶贫是以农户收入为基本依据，本文还加入了收入维度。

$ \begin{array}{l} {\rm{MP}}{{\rm{I}}_{\rm{i}}}{\rm{ = 0}}{\rm{.25*Incom}}{{\rm{e}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Educatio}}{{\rm{n}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Healt}}{{\rm{h}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Lqualit}}{{\rm{y}}_{\rm{i}}}\\ {\rm{Educatio}}{{\rm{n}}_{\rm{i}}}{\rm{ = 0}}{\rm{.5*Eduyea}}{{\rm{r}}_{\rm{i}}}{\rm{ + 0}}{\rm{.5*Childdro}}{{\rm{p}}_{\rm{i}}}\\ {\rm{Healt}}{{\rm{h}}_{\rm{i}}}{\rm{ = 0}}{\rm{.5*Minsu}}{{\rm{r}}_{\rm{i}}}{\rm{ + 0}}{\rm{.5*Chroni}}{{\rm{c}}_{\rm{i}}}\\ {\rm{Lqualit}}{{\rm{y}}_{\rm{i}}}{\rm{ = 0}}{\rm{.25*Hare}}{{\rm{a}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Asse}}{{\rm{t}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Wate}}{{\rm{r}}_{\rm{i}}}{\rm{ + 0}}{\rm{.25*Fue}}{{\rm{l}}_{\rm{i}}} \end{array} $

(1)

其次，本文借鉴Chaudhuri et al.(2002)的贫困脆弱性思想和Feeny and McDonald(2016)的做法，利用三阶段可行广义最小二乘法(FGLS)估计农村家庭多维贫困脆弱性，用以衡量未来发生多维贫困的可能性。如果多维贫困脆弱性较高，反映这些家庭在未来仍有很大可能再次发生多维贫困，即减贫质量不高。当家庭i未来发生多维贫困的概率值大于多维贫困发生率或50%时，定义其为相对脆弱性或严重脆弱性。家庭多维贫困脆弱性的估计式可表达为下式(2)。^②

② 多维贫困脆弱性的具体估计过程，读者可参考Feeny and McDonald(2016)一文，也可与作者联系。

$ {\hat V_{MPI, i}} = \hat Pr\left({MP{I_i} > k|{X_i}} \right) = \Phi \left({\frac{{{X_i}{{\hat \beta }_{FGLS}} - k}}{{\sqrt {{X_i}{{\hat \theta }_{FGLS}}} }}} \right) $

(2)

其中，V_{MPI, i}即是估计出的家庭i在未来发生多维贫困的概率值，MPI_i是家庭i多维贫困剥夺得分，k是设定的多维贫困临界值(k=1/4或1/3)，Φ是正态分布累计密度函数，X_iβ_FGLS和X_iθ_FGLS分别是未来时期家庭多维贫困的期望值和波动的一致性估计值。进一步，本文采用Gunther and Harttgen(2009)方法，基于多维贫困脆弱性的诱因，将多维贫困脆弱性分解为结构脆弱性和风险脆弱性。当家庭多维贫困期望值X_iβ_FGLS大于临界值k时，定义该家庭是结构脆弱性，反映了未来时期多维贫困的平均剥脱程度；而如果家庭多维贫困期望值X_iβ_FGLS小于临界值k、但由于多维贫困方差X_iθ_FGLS过大导致了多维贫困脆弱性时，则定义该家庭是风险脆弱性，反映了未来时期多维贫困的波动程度。

(四) 模型设定

本文针对不同问题设定了不同的计量模型，包括采用OLS模型估计金融普惠对农村家庭多维贫困和多维贫困脆弱性的影响、采用分位数回归模型估计金融普惠对不同贫困家庭的差异性影响、采用多项Logit模型估计金融普惠对结构脆弱性和风险脆弱性的影响等。以OLS为例，下式(3)汇报了模型基本设定：

${\rm{MP}}{{\rm{I}}_{{\rm{ij}}}}{\rm{ = }}{{\rm{ \mathsf{ α} }}_{\rm{1}}}{\rm{ + }}{{\rm{ \mathsf{ α} }}_{\rm{2}}}{\rm{Finde}}{{\rm{x}}_{\rm{j}}}{\rm{ + }}{{\rm{ \mathsf{ α} }}_{\rm{3}}}{{\rm{X}}_{{\rm{ij}}}}{\rm{ + }}{{\rm{ \mathsf{ α} }}_{\rm{4}}}{{\rm{Z}}_{\rm{j}}}{\rm{ + }}{{\rm{ \mathsf{ ε} }}_{{\rm{ij}}}} $

(3)

其中，MPI_ij是村庄j家庭i的多维贫困变量；Findex_j是村庄j的金融普惠指数，经过标准化处理之后，其取值介于[0, 100]之间；X_ij是家庭特征变量，Z_j是村庄特征变量和省份固定效应。表 3汇报了变量描述统计结果。其中，村庄金融普惠指数的平均值是14.95，标准差是8.77(大约占均值的58.67%)，表明不同村庄之间金融普惠状况存在较大差异；农村家庭多维贫困剥夺得分的平均值是0.17、标准差是0.16，即家庭多维贫困剥夺状况也存在明显差异；以1/4设定多维贫困的临界值，农村家庭未来发生多维贫困的平均概率是27%。此外，农村家庭之间金融知识和关系网络也存在较大差异，80%拥有社会养老保险、养老保险余额平均为1500元，家庭规模平均3.7人、抚养比为32%，户主之中88%为男性、平均年龄55岁、89%已婚；村庄通往县城中心平均有2.58条道路、距离县城中心29.57公里，平均拥有0.56个幼儿园、1.47个医疗点，基层治理、公共服务和现代农业发展仍处于较低水平，尤其是公共服务状况较差、指数平均值只有15.72，42%处于平原地区。

四、主要实证结果 (一) 金融普惠对多维贫困的影响

本文首先通过研究金融普惠对农村家庭多维贫困的影响，分析金融普惠能否提高减贫质量。由于金融普惠指数是村庄层面变量、而多维贫困是家庭层面变量，家庭个体状况很难对村庄整体产生影响，所以模型并不存在严重的反向因果问题。同时，模型中添加了通往县中心的道路数等一系列村庄特征变量，可进一步降低遗漏变量问题。但是，一些不可观测因素仍可能导致内生性问题，比如家庭脱贫意愿、户主认知与非认知能力等。本文采取工具变量法克服潜在内生性。其一，以相同县内其他村庄的金融普惠指数均值作为工具变量，记为“县级Ⅳ”。县是我国金融改革举措的重要落实单位，银行网点撤并主要在县域开展，所以相同县内不同村庄的金融普惠状况存在相关性，而同县内其他村庄金融普惠很难直接影响本村庄家庭多维贫困，由此Ⅳ可满足相关性及外生性要求。其二，参考Goetz et al.(2016)、尹志超等(2019)等文献，本文继续加入村庄人口密度作为Ⅳ。金融机构倾向于在人口密度高的地区布局网点，而人口密度与多维贫困并不直接相关，二者依赖于地区经济发展，在经济发达地区，即使人口密度高、家庭也不大可能出现多维贫困，而在经济落后地区，即使人口密度低、多维贫困也可能比较严重，由此Ⅳ也可满足要求。表 4汇报了相关估计结果。

表 4第1-2列OLS结果显示，控制了家庭特征、村庄特征及省份固定效应后，金融普惠与农村家庭多维贫困显著负相关。第3-4列利用县级Ⅳ进行工具变量估计显示，县级Ⅳ通过了弱工具检验、金融普惠指数不存在严重的内生性问题，且金融普惠能够显著降低多维贫困，金融普惠指数增加一个标准差，我国农村家庭发生多维贫困的可能性将显著下降2.02%。第5-6列进一步利用县级Ⅳ和村庄人口密度进行估计，结论基本保持一致，并且工具变量通过了弱工具检验和过度识别检验，控制了村庄特征后，金融普惠指数也不再存在显著的内生性问题。整体而言，研究表明推进农村金融普惠发展可以有效改善农村家庭可行能力，进而对提高减贫质量产生积极影响。另外，金融知识、关系网络、社会养老保险、已婚、道路数量、幼儿园数量和农业发展等有助于降低多维贫困，而抚养比、和县城中心的距离不利于改善多维贫困。家庭规模和户主年龄对多维贫困呈现U型影响，这可能由于家庭规模增加可以发挥规模经济、规模过大则会增加家庭负担，户主年龄增加会逐渐积累人力和物质资本、但年龄过大则会逐渐丧失人力资本优势和持续消耗物质资本积累。

(二) 金融普惠对降低多维贫困是否发挥了“雪中送炭”的作用？

本节研究金融普惠对多维贫困程度不同的农村家庭是否具有差异性影响。多维贫困越严重、减贫难度更大，这些家庭在未来返贫的可能性也越高，这也是我国打赢打好脱贫攻坚战中的硬骨头。如果金融普惠对多维贫困严重的家庭发挥更大的作用，意味着金融普惠在减贫中扮演了“雪中送炭”的角色。相反，则可能体现了金融普惠“嫌贫爱富”的特点。金融普惠若不能显著改善多维贫困问题严重家庭的可行能力，那么这些家庭即使当前收入有所改善、也极可能在未来再次陷入贫困。为此，本文通过如下两种方法揭示金融普惠在减贫中角色。第一，基于农村家庭所在县是否是国定贫困县进行分组回归。第二，采用分位数回归研究金融普惠对不同贫困程度的农村家庭的影响，和低分位点(25%)的农村家庭相比，处在高分位点(90%)的农村家庭多维贫困更为突出。表 5汇报了相关估计结果。^①

① 考虑到前文工具变量检验结果显示，在控制了相关变量、尤其是村庄特征变量之后，村庄金融普惠指数不存在显著的内生性问题，本文余下部分不再利用工具变量进行估计。但是，利用工具变量估计显示，余文结论仍然保持一致。

从表 5可知，金融普惠对贫困县家庭和多维贫困高分位点家庭有更大的影响，即金融普惠不仅可以显著降低农村家庭多维贫困，而且对减贫中的“硬骨头”发挥了更大的作用，这对提高减贫质量和防止返贫发生至关重要。在金融“嫌贫爱富”的传统认知与理解下，金融普惠发挥“雪中送炭”作用的原因在于，一方面，金融普惠促进了农村金融服务的渗透与使用，一定程度上弱化了传统金融发展对贫困家庭等弱势群体的排斥，如惠农服务点和农村金融综合服务站等金融基础设施建设增加了农村金融服务渗透，农户联保贷款、小额贷款、“两权”抵押贷款、农业保险、小额保险和数字金融服务等增加了农村家庭金融服务使用。另一方面，贫困家庭获得正规金融服务可更加积极地促进其自身发展。与多维贫困不严重的家庭相比，多维贫困严重的家庭用于生产发展的自有物质资本和人力资本更少、应对意外事件或冲击的能力更差，并且贫困地区经济发展落后、也难以提供更多的发展机会，所以更加难以依靠自身禀赋摆脱贫困状态，这就需要借助一定的金融支持进行资本积累和生产发展，进而促使金融普惠发挥了“雪中送炭”的积极影响。

(三) 金融普惠能否降低“多维贫困脆弱性”？

多维贫困脆弱性衡量了农村家庭未来发生多维贫困的可能性，是刻画多维贫困动态变化的前瞻性指标。如果金融普惠在降低多维贫困的基础上能够进一步降低多维贫困脆弱性，那么金融普惠对我国守住脱贫成果将具有重要的现实意义。相反，如果金融普惠不能有效降低多维贫困脆弱性，则意味着金融普惠在防止农村家庭未来再次陷入多维贫困问题上无法发挥积极作用，通过推进农村金融普惠发展有效提高减贫质量也将难以实现。为此，本文利用多项式Logit模型(Multinomial Logit)分析金融普惠对农村家庭多维贫困脆弱性的影响。

表 6汇报了相关估计结果。首先，从Panel A可知，在多维贫困剥夺得分不同临界值设定下或者不同的脆弱性定义下(以未来发生多维贫困的概率值衡量脆弱性，或者以多维贫困发生率和50%为门槛值设定哑变量衡量)，金融普惠都可以显著降低农村家庭多维贫困脆弱性。这说明，除了改善农村家庭可行能力以外，金融普惠还可以通过降低农村家庭在未来发生多维贫困的可能性来提高减贫质量。

进一步地，从Panel B可知，金融普惠显著降低了结构脆弱性，对风险脆弱性的影响相对较小。这是因为，相比于结构脆弱性问题，多维贫困的风险脆弱性是更深层次的难题。对降低多维贫困脆弱性而言，首先是能够切实降低多维贫困的剥夺程度(结构脆弱性)，然后是降低多维贫困的波动问题(风险脆弱性)，进而保证在当前减贫的基础上不再返贫。金融普惠对风险脆弱性的影响不显著，一方面说明需要继续推进农村金融普惠发展，尤其要提高农村基层组织和弱势群体的金融普惠水平；另一方面也说明，与收入或消费等经济贫困不同，金融普惠尽管可以促进当前收入增加或消费平滑，但由于可行能力还涉及教育、健康和生活质量等问题，多维贫困脆弱性问题更难解决。

(四) 金融普惠对不同贫困问题是否存在差异性影响？

前文从总体上考察了金融普惠对农村家庭多维贫困的影响，证实了金融普惠对提升减贫质量的积极作用。我们进一步研究金融普惠对不同贫困问题是否存在差异性的影响，用于揭示金融普惠主要对何种贫困问题发挥了作用、又未能有效降低何种贫困问题，并从中分析当前金融普惠发展对提升减贫质量存在的不足之处，进而更具针对性地完善金融普惠发展机制和结合其他扶贫举措等切实降低不同贫困问题和提高减贫质量。

表 7汇报了相关估计结果。首先，从Panel A可知，金融普惠显著降低了农村家庭收入贫困、教育贫困和生活质量贫困，对健康贫困则无显著的影响。这主要因为我国现阶段基本完成了社会医疗保险覆盖，无任何医疗保险的农村家庭已经很少，金融普惠通过提高医疗保险覆盖来降低多维贫困的渠道已不存在，同时身体健康是长期积累过程，金融普惠很难短期内直接改善家庭成员的健康状况。其次，从Panel B还可知，金融普惠对教育贫困的影响主要体现在提升教育年限，对生活质量贫困的影响主要体现在改善生活饮水和生活燃料，对儿童失学、住房面积和耐用消费的影响则不显著。这可能由于当前我国已基本实现义务教育普及、儿童在义务教育阶段失学的可能性较低，住房贫困主要由住房与城乡建设部牵头利用财政资金进行解决、金融服务介入度相对较低，并且金融普惠在减贫中重在支持农村家庭生产发展需求、对满足耐用消费品需求的支持则相对不足。由此，在推进我国金融普惠发展进程中需要进一步加强金融服务创新, 建立对贫困家庭的长效支持机制, 并加强与财政资金等其他扶贫举措的融合，进而切实降低不同类型贫困问题和提高减贫质量。

(五) 不同类型金融服务对减贫质量是否存在差异性影响？

考虑到农村家庭对不同类型金融服务的差异性需求和不同类型金融服务发展状况的差异，我们进一步研究不同类型金融服务对农村家庭减贫质量的影响，以期在金融普惠发展进程中采取针对性举措最大化金融普惠的减贫质量效应。^①具体而言，从银行营业网点、金融服务点等九方面对此进行考察，并利用因子分析法将每个方面对应的子指标进行加总。估计显示，其一，银行营业网点和金融服务点增加能够降低多维贫困及多维贫困脆弱性、进而提高减贫质量，而村镇银行等其他金融机构的作用不明显。这主要因为多维贫困相比消费或收入贫困更加复杂，降低多维贫困及其脆弱性也更加困难，而其他金融机构的规模较小、对农村家庭的支持力度相对有限，由此导致其影响不显著。其二，储蓄、贷款、保险和数字金融可以显著提升减贫质量，信用卡和银行服务主观评价的影响则不显著。这主要因为，信用卡尽管可以提供一定的流动性，但在日常生活中信用卡主要作为支付工具使用及依据收入设定信用额度都限制了其对减贫质量的作用；银行服务创新不足、难以满足家庭多样化金融服务需求等导致服务评价有待提高，进而也限制了金融服务满意度对减贫质量的作用。

① 感谢审稿专家的建设性意见，本文补充了不同类型金融服务的差异性分析。限于篇幅，文中未汇报具体估计结果，读者如有需要，可联系作者索要。

五、金融普惠提高减贫质量的环境条件分析

金融体系并非独立的在经济系统中运行，而是依赖于其所处的环境条件(李扬等，2005；Sahay et al., 2018；贝多广、莫秀根，2018；王国刚，2018)。由此金融普惠对减贫质量的影响可能受到其所处环境条件的影响，当环境条件改善时，金融普惠可以更大程度地提高减贫质量，相反则可能抑制金融普惠的减贫质量效应。为此，本文基于《乡村振兴战略规划(2018－2022年)》和《关于推进农业供给侧结构性改革的实施意见》，从村庄市场制度环境和家庭需求环境出发，分析外部和内部环境条件如何作用于金融普惠的减贫质量效应。^①

① 感谢审稿专家的建设性意见，本文从市场及制度因素出发考察了村庄环境的影响。另外，还可能存在其他影响金融普惠减贫质量效应的环境条件，比如金融创新环境。但是，受限于数据，本文无法穷尽所有可能的环境因素，同时通过添加地区固定效应对这类宏观环境条件已进行了一定的控制。

(一) 村庄环境改善与金融普惠的减贫质量效应

在村庄环境方面，本文主要考察村庄市场及制度环境如何影响金融普惠的减贫质量效应，一般而言，更好的市场及制度环境有利于金融普惠发挥积极作用。我们首先利用樊纲等编制的2015年各省市场化指数在整体上刻画村庄市场及制度环境，然后分别从村庄治理机制、市场连接程度等方面选取指标进行细致分析。具体而言，如果村内有更多的公共宣传及交流渠道，则认为村庄治理机制更加完善；如果村内有特色产业或宽带覆盖，则认为村庄与市场连接程度更高，更容易实现市场触达。产业扶贫对农村长效减贫有重要的意义，金融普惠与产业发展相结合不仅可以避免农村家庭由于缺少生产投资用途而无法有效使用金融服务，也有助于通过产业发展提升贫困家庭内生脱贫动力；同时，宽带覆盖有利于解决农户信息不顺畅、提高农业生产与市场需求的协调程度和降低金融服务的下沉成本，进而促进金融普惠发挥减贫质量效应。

表 8Panel A汇报了相关估计结果，其中基于市场化指数和公共宣传渠道的中位数进行了分组。第1-2列显示，金融普惠显著降低了市场化程度更高的地区农村家庭的多维贫困问题，而对低市场化地区农村家庭的影响虽然也为负、但并不显著。进一步地，第3-8列还显示，当村庄拥有更多公共宣传渠道、特色产业和宽带覆盖时，金融普惠能够显著降低农村家庭多维贫困，相反则可能抑制金融普惠对减贫质量的积极影响。总体而言，研究表明金融普惠的减贫质量效应会受到村庄市场及制度环境的影响，通过推进地区市场化发展、完善村庄治理机制和增强村庄市场连接程度等，有助于促进金融普惠的减贫质量效应。

(二) 家庭环境改善与金融普惠的减贫质量效应

在家庭环境方面，本文主要考察家庭规划安排、信任程度和信用水平对金融普惠减贫质量效应的影响。金融普惠产生经济社会效益不仅需要完善的基础设施，也需要高素养的金融消费者。首先，家庭基于自身生存发展制定规划安排，有助于合理使用金融资源，进而可以最大化金融效应，如果缺少规划安排则可能造成金融资源浪费或使用扭曲。其次，信任对金融市场至关重要(Fungacova et al., 2019)。当农村家庭信任金融机构时，才会更加积极地使用储蓄账户、贷款和保险等各项金融服务，如此金融普惠才能显著提高减贫质量。最后，信用水平可以通过降低银行不良贷款率和融资成本对金融普惠的商业可持续性产生积极影响，而只有在商业可持续性的保证下，农村家庭才能持久稳定地从金融机构获得所需的金融服务，这对金融普惠从根本上发挥减贫质量效应具有积极意义。

表 8Panel B汇报了相关估计结果。从中可知，金融普惠显著降低了有规划安排的农村家庭的多维贫困问题，对没有规划的农村家庭则无显著影响。此外，金融普惠有助于改善信任水平高和有信用的农村家庭的多维贫困，对信任水平低和无信用的农村家庭没有显著的影响。这表明了，金融普惠的减贫质量效应还会显著受到家庭环境的影响，改善农村家庭规划能力、信任程度与信用水平有助于显著提高金融普惠的减贫质量效应，否则将会抑制金融普惠的积极影响。

六、影响机制及稳健性检验 (一) 影响机制检验

前文理论分析表明，金融普惠可以通过提供避险工具和风险共担等直接机制、促进人力与物质资本积累和地区经济发展等间接机制提高减贫质量。据此逻辑，本部分进一步从非农就业和村内财富差距刻画农村家庭人力与物质资本积累、从村庄经济和人均收入状况衡量地区经济发展，进而实证检验金融普惠对减贫质量的间接机制。其中，从非农就业和村内财富差距出发是考虑到，人力资本积累有助于促进农村家庭实现非农就业、由此非农就业可在一定程度上代表农村家庭的人力资本积累；村内财富差距反映了不同家庭财富积累的差异，财富差距越小意味着贫困家庭更多地实现了财富积累、缩小了与富裕家庭的差距。另外，从村庄人均收入出发是因为，人均收入是反映地区经济发展状况的直接指标，村庄所在地区经济发展越好，人均收入水平也越高。就变量定义而言，如果家庭有成员的工作性质为受雇、个体经营、自由职业及临时性工作等，则定义该家庭进行了非农就业、变量取值1，否则取值0；村内财富差距为不同家庭之间的财富基尼系数；村庄经济为访员对村庄经济状况的主观评价，取值范围为1-10，取值越大、村庄经济状况越好；村庄人均收入为样本家庭人均收入的平均值。

利用中介效应模型，表 9汇报了机制检验的估计结果。从第1-3列可知，非农就业增加和财富差距缩小有利于降低多维贫困，且当模型中加入非农就业和财富差距之后，金融普惠对家庭多维贫困的影响有所下降，中介效应检验统计量在1%水平上显著，证实了部分中介效应成立，中介效应大约可以解释金融普惠总体效应的23.87%。进一步地，从第4-6列可知，村庄经济发展和人均收入增长有利于降低多维贫困，当模型加入村庄经济和人均收入后，金融普惠对家庭多维贫困的影响减弱，中介效应同样在1%水平上显著、且大约可以解释金融普惠总体效应的38.78%。特别地，考虑到非农就业和村庄经济、人均收入等存在直接相关关系，尽管第6列中金融普惠的回归系数不再显著，但不能由此简单推断非农就业的部分中介效应不再存在，而是部分中介效应可能体现于村庄经济发展变量之中。总体而言，研究表明金融普惠可通过促进农村家庭人力及物质资本积累、地区经济发展等间接机制对减贫质量产生积极影响，进而证实了前文理论分析。

(二) 稳健性检验^①

① 限于篇幅，文中未予详细汇报稳健性估计结果，读者如有兴趣，可联系作者索要。

首先，通过控制县级固定效应、利用其它工具变量、在原有Ⅳ基础上控制县级特征变量和双重稳健估计等进行稳健性检验。其一，相同省份不同县域之间存在的差异可能对金融普惠的影响造成干扰，为此我们在回归模型中控制县级固定效应。其二，利用北京大学数字金融研究中心编制的县级数字普惠金融指数进行Ⅳ估计。数字普惠金融可推动农村金融普惠发展，所以该Ⅳ与村庄金融普惠指数存在相关性，同时在模型中加入人均GDP等县级特征变量增强工具变量外生性。其三，利用县级Ⅳ和村庄人口密度作为Ⅳ的同时，在模型中加入人均GDP等县级特征变量，用以避免工具变量只是反映了县级经济发展程度。其四，利用了“倾向得分匹配+回归”的双重稳健估计方法进行因果估计。结果显示，本文结论保持稳健，金融普惠能够显著降低农村家庭多维贫困。

其次，更改多维贫困变量的构建方法。(1)采用门槛值设定多维贫困的哑变量。(2)以家庭贫困指标数或维度数衡量多维贫困，即在多少指标上或多少维度上是贫困的。(3)将教育年限指标调整为“16-23岁成员中有人受教育年限小于6年”，以反映金融普惠对农村家庭学龄人群教育贫困的影响。(4)将医疗保险指标调整为“家庭有成员无任何社会医疗保险”，以反映社会医疗保险在健康贫困中的角色；为避免社会医疗保险和社会养老保险在回归中可能存在同义反复，将社会养老保险从控制变量中删除、或利用村庄其他家庭社会养老保险参与率和保险余额进行工具变量估计。(5)由于我国扶贫以收入为主要参考，所以赋予收入贫困更大权重(40%)，其他三个维度赋予较小权重(20%)；由于部分文献只从教育、健康和生活质量等三方面衡量多维贫困，本文也考虑了删除收入贫困指标。(6)利用变异系数法进行指标赋权以避免等权重法的主观性。结果显示，这些调整都未显著改变本文结论。

最后，利用Alkire and Foster(2011)方法得到村庄层面的多维贫困指标，在村庄层面重新检验金融普惠的减贫质量效应；另外，在等权重法、变异系数和熵值法对金融服务指标进行赋权的基础上，还利用Sarma and Pais(2011)和Sarma(2015)方法构建了金融普惠指数；同时，为避免金融普惠指数和多维贫困变量的构建方法不一致对研究造成影响，本文除了都利用等权重法进行指标赋权以外，还利用主成分分析法分别构建了金融普惠指数和多维贫困变量。结果显示，本文结论依旧保持稳健。

七、结论与政策含义

本文利用中国家庭金融调查2015年数据，以多维贫困为切入点研究了金融普惠发展对我国农村家庭减贫质量的影响，以期为我国提高减贫质量和守住脱贫成果提供证据支持。首先，我们利用因子分析法，从金融服务渗透度、使用度和满意度方面选取指标构建了村庄金融普惠指数；然后，利用赋权加总方法得到多维贫困变量，并利用三阶段可行广义最小二乘法估计了多维贫困脆弱性。研究发现，金融普惠能够显著降低我国农村家庭多维贫困，且多维贫困问题越严重、金融普惠的多维减贫效应越大；进一步地，金融普惠还能显著降低多维贫困脆弱性，即金融普惠发展程度越高，农村家庭在未来发生多维贫困的可能性就越小。整体而言，研究表明金融普惠可以通过改善农村家庭可行能力和降低农村家庭未来发生多维贫困的可能性来提高减贫质量。

此外，通过区分不同类型贫困和不同类型金融服务之后发现，金融普惠显著降低了收入贫困、教育贫困及生活质量贫困，对健康贫困的影响则相对有限；银行营业网点与金融服务点渗透，以及储蓄存款、正规贷款、商业保险及数字金融服务使用可以提高减贫质量，而其他类型金融机构渗透、信用卡使用和银行服务评价的影响并不明显。进一步地，环境条件分析结果表明，改善村庄市场及制度环境和家庭需求环境有助于充分发挥金融普惠的减贫质量效应，否则可能抑制金融普惠的积极作用。最后，渠道检验表明，金融普惠通过促进农村家庭人力与物质资本积累、以及地区经济发展等机制显著提高了减贫质量。利用其它工具变量等一系列稳健性检验都证实了本文结论的一致性。

本文结论具有如下政策含义：第一，推进农村金融普惠发展需要不断加强金融服务创新，用以覆盖多维贫困严重的农村家庭等长尾群体，由此不仅可以满足多维贫困家庭的金融服务需求，也可增强金融普惠对减贫质量的积极作用；第二，推进农村金融普惠发展还需提升金融服务在基层组织的渗透功能，除转账和小额现金支取等日常生活所需金融服务外，还可通过完善征信体系建设和数字金融发展等进一步满足多维贫困家庭的生产、投资与发展需求；第三，建立完善金融扶贫对多维贫困家庭的长效支持机制，增强金融扶贫与财政扶贫等其他机制的有效衔接与融合，进而切实降低健康贫困等不同维度贫困问题。最后，不断改善村庄市场及制度环境和家庭需求环境，通过推进村庄市场化发展、完善治理机制、增强市场连接和提高家庭规划能力、信任及信用水平等，充分发挥金融普惠的减贫质量效应。