金融排斥與中國家庭貧困

尹志超 耿梓瑜 潘北嘯

摘?要：本文基于中國家庭金融調查（CHFS）數據，從家庭儲蓄支付、信貸和保險幾個維度出發，研究了金融排斥對中國家庭貧困的影響。研究結果顯示，受到儲蓄和支付排斥的家庭，貧困的概率最高，其次是保險排斥，最低的是信貸排斥?？梢?，金融排斥對家庭貧困具有正向影響，家庭受到金融排斥會顯著增加家庭貧困的概率。進一步地，本文通過因子分析，構建金融排斥指數，研究結果表明，金融排斥指數對家庭貧困仍然具有顯著地正向影響。這表明，積極推行普惠金融，降低家庭金融排斥，是減少家庭貧困的有效措施。

關鍵詞：金融排斥;家庭貧困;金融排斥指數;內生性;因子分析

中圖分類號：F832.1??文獻標識碼：A

文章編號：1000-176X（2019）10-0060-09

一、問題的提出

聯合國在2005年提出“普惠金融”的概念，即以尚能負擔的成本為有金融需求的社會各階層和群體提供適當有效的金融服務，小微企業、農民和城鎮低收入者等弱勢群體為普惠金融重點服務和關注的對象。2013年，“普惠金融”概念被首次寫入黨的十八屆三中全會的決議中。國務院在2016年出臺的《推進普惠金融發展規劃（2016—2020年）》明確指出，到2020年將建立與全面建成和小康社會相適應的普惠金融服務保障體系。由此可見，普惠金融在中國的重要性已上升到國家戰略高度。推動普惠金融，就是要讓金融覆蓋到全部有金融需求的群體，尤其要覆蓋到農民和貧困家庭。

貧困問題作為一個世界性難題，一直得到廣泛關注。2013年，習近平總書記在尼雷爾國際會議上指出，中國仍有1.28億人生活在貧困線以下。中國社會科學院和國務院扶貧辦聯合發布的《中國扶貧開發報告2016》（扶貧藍皮書）指出，改革開放以來，中國實現了“迄今人類歷史上最快速度的大規模減貧”，按照2013年農民年人均純收入2 300元扶貧標準，中國農村貧困人口從1978年的7.700億人減少到2015年的5 575萬人，減少了71 425萬人。雖然脫貧事業取得了巨大的成就，但仍有大量人口生活在貧困線之下。習近平總書記在黨的十九大會議上指出，要動員全黨全國全社會力量，堅持精準扶貧、精準脫貧，確保到2020年中國現行標準下農村貧困人口實現脫貧，貧困縣全部摘帽，解決區域性貧困，做到脫真貧、真脫貧。結合當前普惠金融的要求，本文從中國家庭受到的金融服務障礙角度，探討金融排斥對中國家庭貧困的影響。

金融排斥即部分群體由于受到社會、經濟、地理和條件等方面的排斥從而無法合理地獲取或接近金融機構的服務和金融產品的過程[1]。金融排斥和普惠金融是一對相對的概念。金融排斥極大阻礙了普惠金融的發展。國外學者最早開始從金融排斥的概念、分類等角度研究金融排斥問題。Kempson和Whyley[2]將金融排斥分為評估排斥、地理排斥、條件排斥、價格排斥、營銷排斥和自我排斥。Cebulla[3]將金融排斥分為主體排斥和機構排斥。中國學者中，許圣道和田霖[4]最早引入金融排斥概念并進行研究。眾多學者通過構建金融排斥指數，衡量金融排斥問題。田霖[5]將金融機構網點覆蓋程度、農戶貸款比例和農戶貸款數量等因素綜合起來構建了金融排斥指數，提出金融機構應積極響應國家方針政策，利用政策優勢來完善農村地區相關金融體系建設，加大財政支農力度，為三農服務。李春宵和賈金榮[6]運用省際面板數據，從金融服務深度、可得性、可使用度和可負擔度四個方面測算各省金融排斥指數。王修華等[7]通過地理、條件以及價格和營銷四個排斥維度構建評價指標體系，發現農村金融排斥存在較大的地區差異。張國俊等[8]使用2004年和2012年的數據，以省際面板數據為樣本計算了兩年的金融排斥指數。眾多學者通過構建金融排斥指數的方法對金融排斥問題進行了定量研究，具有一定的借鑒意義。

目前直接對金融排斥與貧困之間關系進行研究的文獻較少，多數文獻是從金融發展與貧困之間的關系來進行研究的，目前理論界對金融發展與貧困之間的關系主要有三種解釋：

其一，部分學者認為，金融發展與貧困減緩之間存在正向關系，即金融發展水平越高，貧困減緩程度越大。Honohan[9]利用中國、英國、韓國和俄羅斯的數據發現，金融發展水平提高的同時貧困人口總數降低，說明金融發展與貧困減緩存在正相關關系。Kappel[10]發現，金融發展能夠減少貧困和收入不平等，且金融發展對貧困減少的效果大于對收入不平等的影響。呂勇斌和趙培培[11]利用面板模型研究發現，農村金融發展對貧困有減緩的作用。羅斯丹等[12]的研究顯示，金融發展的減貧作用受到人均收入影響，人均收入越高，貧困減緩效果越好。邵漢華和王凱月[13]的研究表明，發展普惠金融能夠減少貧困現象的發生，在減少貧困廣度方面的作用大于減少貧困深度方面的作用。陳華和孫忠琦[14]的研究也證明，金融發展能夠減少貧困。

其二，有的學者認為，金融發展與貧困之間不呈現正向關系。Maurer和Haber[15]認為，金融發展使資源更多的流向了富人，導致收入分配更加不平等。楊俊等[16]對城市和農村進行了實證研究，結果顯示，農村地區金融發展對貧困減緩作用不顯著，而城市地區金融發展明顯改善了貧困狀況。Perez-Moreno[17]認為，金融發展與貧困不存在格蘭杰因果關系的結論。Sehrawat和Giri[18]研究了南亞區域部分合作國家的金融發展與城鄉收入差距，發現金融發展會導致城鄉之間的收入差距擴大。

其三，一些學者認為，金融發展與貧困減緩之間不是線性關系。Greenwood和Jovanovic[19]的研究結果顯示，金融發展與收入分配呈倒U型關系，說明兩者之間并非單純的線性相關關系。Townsend和Ueda[20]認為，短期內金融發展會加大收入分配的不均衡，但長期內可通過改善收入分配的情況從而改善貧困狀況。崔艷娟和孫剛[21]的研究表明，由于存在金融服務成本的限制，金融發展減緩貧困的作用會出現先惡化后改善的效應。黃秋萍等[22]認為，中國金融發展水平與貧困減緩之間的關系，選用面板平滑轉換模型，結果顯示，兩者存在顯著的非線性關系，并具有顯著的單一門檻特征，在門檻值之前，金融發展對貧困減緩有抑制作用，跨過門檻值之后，金融發展減少了貧困的發生。

總結已有文獻，金融發展對貧困的作用存在不確定性，而直接研究金融排斥與家庭貧困之間關系的文獻則相對不足。根據2015年中國家庭金融調查的數據計算得出，非普惠家庭的貧困率為33.7%，普惠家庭的貧困率為12.5%。普惠家庭和非普惠家庭的貧困率相差21.2%，是否為普惠家庭極大地影響了家庭的貧困概率?？梢?，普惠金融可以降低貧困率[2]，那么金融排斥是否會反過來增加貧困的概率呢？家庭受到儲蓄和支付排斥，例如，家庭沒有正規金融賬戶將導致家庭無法參與金融活動，既然家庭沒有正規金融賬戶也就相應地缺乏金融投資機會，家庭貧困概率更高;家庭受到信貸排斥將導致家庭無法獲取相應的貸款，無法滿足生產經營、教育和住房等需求，使家庭難以脫離貧困現狀;家庭受到保險排斥則無法獲取相應的保險保障，一旦家庭面臨意外無法通過正規保險程序得到賠償，不得不依靠自身擺脫困境，導致家庭更為貧困?？傮w來看，本文從實證角度利用微觀數據直接研究金融排斥與家庭貧困的關系，彌補已有文獻的不足。

論證金融排斥對家庭貧困的影響。

二、數據與變量

（一）數據來源

本文數據源自西南財經大學中國家庭金融調查中心2015年對全國29個?。ㄊ?、區），360個縣，1 400個村（居）委會，37 000戶家庭實地調研得到的數據。調查采用三階段、分層和人口規模成比例的抽樣方法，借助計算機輔助調查系統完成了中國家庭的微觀信息調研。中國家庭金融調查（CHFS）數據代表性好、質量高，為國內外學者提供了豐富的微觀數據[23]。

（二）變量界定與描述性統計

1.被解釋變量

家庭貧困。根據2015年國家貧困線標準，本文以中國設定的農村家庭人均年收入2 800元為劃分標準，對數據進行處理，家庭人均年收入大于2 800元即認定為非貧困家庭，賦值為0;人均年收入小于等于2 800元即認定為貧困家庭，賦值為1。進一步地，根據2015年國家貧困線標準，對CHFS數據中的家庭進行0，1劃分，生成啞變量。實際操作中根據家庭年總收入除以家庭人口總數得到人均年收入。

2.解釋變量

金融排斥。根據普惠金融的定義，本文從儲蓄、支付、保險和信貸幾個方面來全面衡量家庭是否合理地獲取了金融產品或服務。因此，本文從上述幾方面對金融排斥進行衡量。儲蓄支付層面，以家庭是否具有正規金融賬戶（銀行儲蓄卡或活期存折）來考察家庭是否獲得儲蓄和對外支付服務[24];信貸層面，按照家庭在農業、工商業方面是否滿足了其全部貸款需求來劃分，首先考慮家庭是否需要貸款，其次考察家庭貸款需求是全部滿足，還是滿足一大部分、滿足一半、滿足一小部分。如果家庭貸款需求完全得到滿足，則認為無排斥，反之則有;保險層面，以家庭的戶主是否具有養老保險和醫療保險來衡量，而并不以簽訂勞務合同時劃分的五險一金來衡量，原因是很多人為農民、個體工商戶、自營手工業者和網店店主等，這些工作大多沒有單位給予繳納失業、工傷、生育保險及住房公積金，如果包括上述三險一金，任意受到一種排斥的概率就會變大，使解釋變量范圍擴大，回歸結果出現偏差。如果戶主在社會養老保險和社會醫療保險兩方面都獲得了保障，則認為沒有受到保險排斥，否則認為受到了保險排斥。

金融排斥指數。根據前述儲蓄、支付、保險和信貸三個維度的考察，本文通過因子分析方法，將上述幾個維度的變量降維成一個金融排斥指數進行分析。為避免極端值的影響，本文剔除極端值和數據缺失的樣本，剔除了戶主年齡小于16歲的家庭以及家庭房產數量大于30套的家庭，最終得到33 685個家庭數據。

3.控制變量

參考已有文獻[25-26]，結合本文研究特點，選擇如下控制變量：

戶主特征變量。具體包括：年齡、年齡2/100、是否為中共黨員、性別、有無工作、戶口類型、受教育年限和婚姻狀況。戶主為中共黨員賦值為1，否則為0;戶主為女性賦值為1，否則為0;戶主有工作賦值為1，無工作賦值為0;如果戶主有農業戶籍賦值為1，其余戶籍類型賦值為0;戶主已婚賦值為1，否則為0。

家庭特征變量。具體包括：風險態度、家庭房產數量、家庭資產，家庭對經濟和金融信息的關注度（簡稱“信息關注度”）。如果家庭的風險態度選擇高風險、高收益，或較高風險、較高收益，則認為其屬于風險偏好;如果家庭的風險態度選擇希望承受略低風險、獲得略低收益，或不承受風險則屬于風險厭惡;家庭房產數量按照家庭無房產取0，有一處房產取1，以此類推賦值。根據信息關注度，將非常關注、很關注、一般、不太關注、不關注進行五個層次的劃分，分為1—5進行賦值[25]。

地區特征變量。具體包括：地區性質（農村或城市）、區域類型（東部、中部、西部）。農村為1，城市為0;東部為1，中部為2，西部為3。

宏觀經濟變量。宏觀經濟變量選取2014年各省的GDP總量進行衡量。

4.變量的描述性統計

表1給出了變量的描述性統計結果。

三、模型設定與內生性討論

（一）模型設定

根據被解釋變量的特點，本文選用Probit模型進行回歸估計，具體如下：

Prob（Y=1|X）=Prob（αFinancial_Exclusion+Xβ+μ>0|X）（1）

其中，Y表示家庭貧困，如果家庭中的人均年收入比2015年國家貧困線標準低，則認為是貧困家庭，賦值為1;反之，賦值為0。X為控制變量，包括戶主特征變量、家庭特征變量、地區特征變量及宏觀經濟變量。Financial_Exclusion表示金融排斥，分別用儲蓄支付排斥、信貸排斥和保險排斥進行衡量。μ為隨機擾動項，μ～N（0，σ2），由于本文樣本數量足夠大，可認為其服從正態分布。

（二）內生性討論

可能存在互為因果、遺漏變量而導致的內生性問題。一方面，金融排斥與家庭貧困之間可能存在互為因果導致的內生性問題。家庭貧困會導致家庭缺乏足夠的社會和經濟資源進行儲蓄，不能成功地申請貸款，也不能參與購買養老保險和醫療保險。同時，貧困通常會導致家庭缺乏信心，沒有參與金融市場，積極申請貸款的意愿，從而產生自我排斥。另一方面，可能存在遺漏變量導致的內生性問題。戶主的性格特點是否積極樂觀，是否有脫貧致富的愿望可能會同時影響金融排斥和家庭貧困，而這些因素很難觀測和度量。因此，我們引入工具變量法運用IVProbit模型進行回歸，在工具變量的選擇方面，分別使用社區其他家庭受到的儲蓄支付排斥、信貸排斥和保險排斥的均值作為本家庭受到儲蓄支付排斥、信貸排斥和保險排斥的工具變量。由于本文因子分析降維形成的金融排斥指數是儲蓄支付排斥、信貸排斥和保險排斥三個方面的綜合，因此，進行IVProbit回歸時選擇社區層面除本家庭以外其余家庭的平均金融排斥指數。

由于篇幅限制，具體計算過程省略，留存備索。

四、回歸結果分析

（一）儲蓄支付排斥對家庭貧困的影響

儲蓄支付排斥對家庭貧困影響的回歸結果如表2所示。從表2可以看出，IVProbit模型中，儲蓄支付排斥與家庭貧困在1%水平上顯著正相關。儲蓄支付排斥使家庭貧困概率增加6.9%，即家庭受到的儲蓄支付排斥越嚴重，家庭越容易陷入貧困。工具變量的檢驗結果顯示，一階段F值為590.610，大于10%水平上的臨界值16.380，工具變量t值為39.270，這說明不存在弱工具變量問題。同時，Wald檢驗的估計值為41.820，在1%水平上拒絕了不存在內生性的原假設，說明使用工具變量進行估計是必要的。估計結果一致表明，儲蓄支付排斥會增加家庭貧困的概率。缺乏儲蓄支付這種基本金融服務會在一定程度上阻礙家庭正常開展生產經營活動，增大了家庭陷入貧困的概率。

從表2的控制變量來看，以第2列的估計結果為主。戶主年齡與家庭貧困呈先下降后上升的U型關系。戶主受教育年限的估計系數為-0.006，這表明戶主受教育程度每增加1年，家庭貧困的概率顯著降低0.6%。戶主受教育水平越高的家庭，越容易獲得中高層工作崗位，收入來源穩定，收入和資產會更多，可投資金融產品的資源和財富越多，貧困的可能性越低。相比其他情況，戶主為黨員的家庭陷入貧困的概率顯著降低1.7%。黨員性質對貧困具有反向影響，一般來說，黨員的先進性和積極性更高，主動參與的事務更多，得到資源的機會更多，社會資源豐富，有更多的投融資方式，因而黨員受到金融排斥的可能性較小，家庭貧困的概率更低。城市地區戶主為男性時，對家庭的貧困狀況有正向影響，而在農村地區這種情況則不顯著。這與張棟浩和尹志超[1]研究發現，在農村家庭，當戶主為男性時，普惠金融對農村家庭貧困脆弱性影響不顯著，這與本文的估計結果一致。戶主通常是家庭重要的經濟來源，戶主有工作，家庭有更穩定的經濟來源，貧困概率顯著降低6.3%。相比風險偏好和風險中性的家庭，風險厭惡家庭陷入貧困的概率顯著降低3.1%。這可能是因為，風險厭惡的家庭表現為不愿意承擔高風險獲得高收益，此類家庭普遍在金融市場上較為保守，往往持有穩健的投資態度，家庭貧困的概率更低。家庭對經濟和金融信息的關注度采用五級分類衡量，家庭非常關注、關注、一般、不關注、非常不關注從1—5賦值，回歸結果顯示，家庭信息關注度由非常關注到非常不關注的轉變會對家庭貧困產生正向影響，說明家庭積極關注經濟信息可以提高金融素養，擁有基礎金融知識的家庭在家庭財富方面資源更多，而從不關注金融和經濟信息的家庭則更容易出現信息匱乏，缺乏投資渠道，這會導致家庭更為貧困。家庭資產顯然對家庭貧困具有負向影響。戶主戶口類型的估計系數為0.105，在1%水平上顯著，當戶主有農業戶籍時，家庭貧困的概率顯著上升10.5%，這表明戶主有農業戶籍時家庭貧困的可能性更大。而區域類型對家庭貧困的影響并不顯著，由于各區域的家庭都有農戶、非農戶，富裕家庭、一般家庭、貧困家庭之分，故認為區域類型并不能充分反映家庭的貧困程度。農村家庭貧困的可能性更大，這和文獻結果是一致的[6-7-26]。宏觀經濟水平對家庭貧困具有顯著的負效應，當各省整體GDP水平更高時，該省家庭的綜合經濟實力相對更強，省內整體的金融基礎設施越完善，金融發展水平越高，居民金融素養也相對越高，金融知識越豐富，家庭貧困概率越低。

（二）信貸排斥對家庭貧困的影響

信貸排斥對家庭貧困影響的回歸結果如表3所示。從表3可以看出，Probit模型估計結果顯示，信貸排斥不僅顯著增加了農村家庭的貧困概率，而且顯著增加了城市家庭貧困概率?？紤]到潛在的內生性問題，本文進一步使用社區其他家庭的信貸排斥平均水平作為本家庭信貸排斥的工具變量。IVProbit模型估計結果顯示，信貸排斥對農村家庭貧困沒有顯著影響，但是對城市家庭貧困具有顯著的影響，當城市家庭受到信貸排斥時，陷入貧困的概率顯著上升7.2%。家庭面臨信貸排斥，導致家庭無法利用信貸開展生產經營活動，家庭無法利用現有資源也不能通過借貸的形式滿足家庭需求，導致家庭不能改善貧困現狀，提高了家庭貧困的概率。工具變量的檢驗結果表明，一階段F值為88.940，工具變量t值為17.340，因此，不存在弱工具變量問題。Wald檢驗的估計值為13.070，在1%水平上拒絕了不存在內在性的原假設，說明使用工具變量進行估計是必要的。

（三）保險排斥對家庭貧困的回歸結果

保險排斥對家庭貧困的回歸結果如表4所示。

從表4可以看出， Probit模型估計結果顯示，整體上保險排斥使家庭貧困的概率顯著上升7.1%。分農村和城市來看，保險排斥使農村家庭貧困的概率顯著上升5.9%，城市家庭貧困的概率顯著上升7.5%。進一步地，工具變量的估計結果是一致的，保險排斥不僅顯著增加了農村家庭陷入貧困的概率，而且顯著增加了城市家庭陷入貧困的概率。工具變量的檢驗結果顯示，一階段F值為298.600，工具變量t值為43.760，因而不存在弱工具變量問題。養老保險、醫療保險是重要的家庭保障，能夠有效分散家庭風險，是很多中國家庭保持生活正常運轉的一道重要防線。如果沒有養老保險和醫療保險，那么家庭就缺失重要的生活保障，這導致家庭缺乏穩定的收入來源，也限制了家庭從事創業等生產經營活動，導致家庭陷入貧困的概率更大。

五、進一步分析

（一） 金融排斥指數的構建

本文通過因子分析，將儲蓄支付排斥、信貸排斥和保險排斥三個維度降維，構建金融排斥指數，如表5所示。從表5可以看出，初始變量可以提取出三個因子，但其中只有因子1的特征值大于1。根據Kaiser準則，只有特征值大于1才可算作因子數，因此，因子1進入因子旋轉環節，用因子1代表金融排斥指數代替上述三個維度的金融排斥來全面衡量家庭的金融排斥程度。

對金融排斥指數提取的因子進行降維處理，具體如表6所示。從表6可以看出，上文構建的金融排斥指數可代表儲蓄支付排斥的比例為71.1%，可代表保險排斥的比例為73.8%，可代表信貸排斥的比例為29.0%，代表性良好，總體KMO值為0.505，滿足因子分析的條件，適合進行因子分析。

（二）金融排斥指數對家庭貧困的影響

以金融排斥指數為解釋變量，被解釋變量和控制變量保持不變，再對模型進行回歸。解釋變量和部分控制變量的回歸結果如表7所示。

從表7可以看出，Probit模型回歸結果顯示，金融排斥指數使家庭陷入貧困的概率增加4.7%，說明金融排斥有效增加了家庭貧困的概率，家庭受到的金融排斥越多，家庭貧困的概率越大。引入工具變量后，IVProbit模型回歸結果顯示，金融排斥指數每增加1單位，家庭貧困的概率顯著增加4.5%，其中農村家庭的貧困概率顯著增加4.5%，城市家庭的貧困概率顯著增加35.4%，這說明金融排斥使家庭貧困的概率大為提高，極大地影響了家庭貧困。

六、結論與政策建議

（一）結論

本文基于中國家庭金融調查（CHFS）2015年數據，從家庭儲蓄支付、信貸和保險幾個維度出發，運用Probit模型實證檢驗了金融排斥對家庭貧困的影響。研究發現，金融排斥是導致家庭貧困的重要原因，其中，儲蓄支付排斥、信貸排斥和保險排斥都對家庭的貧困狀況產生正向影響，增加家庭貧困的概率。進一步地，本文構建金融排斥指數，用金融排斥指數作為總體代表金融排斥各維度指標運用IVProbit模型進行回歸分析，結果發現，金融排斥指數對家庭貧困仍然具有顯著地正向影響。本文的回歸都采取了分樣本的檢驗方法，對城市和農村的分組考察也使得回歸結果更具說服力。

（二）政策建議

第一，積極推動金融基礎設施建設，緩解儲蓄支付排斥。應加大金融基礎設施的建設力度，積極推廣銀行卡的使用，加大對普惠金融和貧困農戶、城市低收入人群以及小微經濟體的支持力度，給弱勢群體和中小微經濟體更多扶持，加大金融支農支小的作用，積極推動普惠金融體系的硬件建設，緩解金融排斥現象。

第二，建設完善的信貸體系，減少中國家庭受到的信貸排斥。應加大對金融公司的支持力度，加大對小微金融業務的財政支持，使得更多金融機構，如小貸公司、信托公司能夠將貸款發放給貧困家庭從而支持普惠金融的建設，減少家庭受到的信貸排斥，減少沒有信貸額度或信貸額度不夠等情況的頻繁發生。

第三，擴大保險覆蓋范圍，保障國計民生，緩解保險排斥。加大對醫療保險、養老保險、失業保險、工傷保險和生育保險等通過簽訂勞動合同進行保障，大力擴大保險保障范圍，尤其是拓寬農民享受保險權利的途徑，減緩家庭保險排斥。

第四，促進區域經濟發展，全面提升金融發展水平。應大力發展實體經濟，促進人均GDP的增加，提升現代化科技水平，發展特色產業，提高中國綜合硬實力和經濟軟實力，積極推動技術轉型升級，大量發展金融業，保持社會和諧穩定，通過提升生活質量逐步提高人民生活幸福感和滿意度，使區域經濟良好發展，提升家庭經濟水平，降低家庭貧困的概率。

第五，全民普及金融知識，提升居民金融素養。金融機構如銀行應從多渠道開展金融知識教育，借助互聯網實施娛樂性教育，從而提升國民金融素養。此外，還可借助學校課堂作用，在中小學開展金融知識教育，從小抓起，培養新一代青少年的金融知識。另外，可以開展社區金融知識宣傳等教育，以社區為單位相互學習金融知識，有利于社會經濟文明建設，有利于脫貧減貧，減少金融排斥，實現金融普惠。

第五，大力發展金融科技，助力普惠金融體系建設?；ヂ摼W金融的發展、ATM自助柜員機、網上銀行和手機銀行等金融服務的產生大大推動了金融的發展。在貧困地區，人均金融機構擁有數量低，金融機構距離遠等問題突出，有了互聯網金融的助力，家庭成員能夠通過更多方式接觸金融服務。云計算、大數據等高新技術，更是將金融科技推到社會發展前列。因此，大力發展金融科技，勢必會提升社會整體的金融經濟水平，有助于普惠金融體系的構建，減緩金融排斥現象，提升家庭經濟水平，減少家庭貧困。

參考文獻：

[1]

張棟浩， 尹志超.?金融普惠、風險應對與農村家庭貧困脆弱性[J].?中國農村經濟， 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] 許圣道， 田霖.?我國農村地區金融排斥研究[J].?金融研究， 2008， （7）： 195-206.

[5] 田霖.?我國農村地區金融排斥研究[J].?調研世界， 2010， （2）： 6-8.

[6] 李春霄， 賈金榮.?我國金融排斥程度研究——基于金融排斥指數的構建與測算[J].?當代經濟科學， 2012， （2）： 9-15.

[7] 王修華， 傅勇， 賀小金， 等.?中國農戶受金融排斥狀況研究——基于我國 8省29縣1547戶農戶的調研[J].?金融研究， 2013， （7）： 139-152.

[8] 張國俊， 周春山， 許學強.?中國金融排斥的省際差異及影響因素[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] 呂勇斌， 趙培培.?我國農村金融發展與反貧困績效：基于2003—2010年的經驗證據[J].?農業經濟問題， 2014， （1）： 54-60.

[12] 羅斯丹， 陳曉， 姚悅欣.?我國普惠金融發展的減貧效應研究[J].?當代經濟研究， 2016， （12）： 84-93.

[13] 邵漢華， 王凱月.?普惠金融的減貧效應及作用機制——基于跨國面板數據的實證分析[J].?金融經濟學研究， 2017， （6）： 65-74.

[14] 陳華， 孫忠琦.?金融發展緩解了收入不平等和貧困嗎？——基于省區面板數據的實證研究[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] 楊俊， 王燕， 張宗益.?中國金融發展與貧困減少的經驗分析[J].?世界經濟， 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， 孫剛.?金融發展是貧困減緩的原因嗎？——來自中國的證據[J].?金融研究， 2012， （11）： 116-127.

[22] 黃秋萍， 胡宗義， 劉亦文.?中國普惠金融發展水平及其貧困減緩效應[J].?金融經濟學研究， 2017， （6）： 75-84.

[23] 甘犁， 尹志超， 賈男， 等.?中國家庭資產狀況及住房需求分析[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] 張號棟，尹志超.?金融知識和中國家庭的金融排斥——基于 CHFS 數據的實證研究[J].?金融研究， 2016， （7）： 80-95.

[25] 李濤， 王志芳， 王海港， 等.?中國城市居民的金融排斥狀況研究[J].?經濟研究， 2010， （7）： 15-30.

[26] 高沛星， 王修華.?我國農村金融排斥的區域差異——基于省際數據的實證分析[J].?農業技術經濟， 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