摘要：加快发展民族地区普惠金融,对推进和实现各民族共同富裕,铸牢中华民族共同体意识,具有深远的历史和现实意义。如何更好地识别民族地区普惠金融发展的水平和影响因素,是一个重要且紧迫的问题。本文构建了包含“广泛的可得性、民族地区配比程度以及商业可持续性”三个维度的民族地区普惠金融评价指标体系,利用2013-2021年中国省级民族地区面板据行民族地区普惠金融发展影响因素的实证检验。研究发现,民族地区普惠金融指数总体上呈现出稳步上升的趋势。民族地区教育水平提高、产业结构高度化、人均收入的增长、交通便利程度提高显著提升了普惠金融发展水平,而少数民族人口集聚和政府财政支出规模扩大则对民族地区普惠金融发展水平有较显著的抑制作用。教育水平和产业结构两个因素在所有民族地区都与普惠金融显著正相关,而人均收入水平、交通便利程度和政府财政支出的影响具有异质性。
关键词：民族地区;普惠金融;指数;影响因素
作者简介：
李俊清，中央民族大学国家安全研究院执行院长、博士生导师。
戴思国，中央民族大学博士研究生。
一、引言
普惠金融(FinancialInclusion)是指立足于机会平等和商业可持续原则,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当、有效的金融服务。党和国家高度重视普惠金融发展,并将其上升为一项重要的国家发展战略。党的十八届三中全会明确提出发展普惠金融;2015年底,国务院印发《推进普惠金融发展规划(2016—2020年)(国发〔2015〕74号)》;2023年,国务院印发《关于推进普惠金融高质量发展的实施意见(国发〔2023〕15号)》;党的二十届三中全会再次提出要积极发展包括普惠金融在内的五大金融,加强对重大战略、重点领域、薄弱环节的优质金融服务。
民族地区由于其独特的地理环境、经济结构和社会文化背景,长期以来是金融服务的薄弱环节,也是普惠金融实践的重点和难点区域。在党中央新一轮农村金融改革政策推动下,民族地区金融生态长足进步,民族地区金融网点数量和服务中小企业的银行机构或部门数量都在增加。但真正能够扎根基层、服务“三农”和民族地区的专业性中小金融机构数量不足、能力有限。总体来看,民族地区普惠金融难以满足乡村振兴的需要,尤其难以为民族边远地区及弱势群体提供有效的金融支撑,民族地区迫切需要进一步提升金融包容性水平。
从学术研究视角看,尽管国内外大量学者开展了普惠金融的测度和影响因素研究,但针对民族地区的专项研究仍然处于起步阶段。部分涉及到民族地区的研究也往往将其视为“区域异质性”的一般案例,未充分探讨民族地区特征对普惠金融的要求及普惠金融普遍影响因素对民族地区的复杂异质性。因此,本文认为民族地区普惠金融这个命题还需进一步阐释,并深入论证如下问题:民族地区普惠金融的重点是什么?民族地区普惠金融处于什么水平?哪些因素影响了民族地区普惠金融的发展?主要影响因素对不同民族地区普惠金融发展的影响是否存在差异?深入解答这些问题对于深刻把握民族地区的条件差异,因地制宜地发展普惠金融,从而更好地推进中华民族共同体建设具有参考价值。
二、文献综述
自从联合国在“2005国际小额信贷年”提出普惠金融倡议,普惠金融就成为国内外学者广泛关注的议题。与本文相关的研究主要从如下几个线索展开:
国内外学者对普惠金融的测度与评价开展了广泛研究。从理论上看,普惠金融是一个多维度的复合概念,普惠金融内涵本身也具有多维属性,因此往往从多个维度选择指标和数据对其进行综合评价。国外学者对普惠金融评价的维度从单一指标(Becketal.,2007)到可得性、使用情况的二维评价体系(IMF)再上升到可得性、使用情况、质量的三维评价体系(Sarma,2008;WBG,2012;GPFI,2016;中国人民银行,2018)。国内学者开发的普惠金融指标在大量拓展普惠金融可得性、使用情况和质量的基础上,加强了对普惠金融“可持续性”(李建军等,2020)或“可负担性”(王修华等,2014;刘亦文等,2017)的探讨,可以说这一趋势与中国普惠金融发展强调“机会平等”原则和“可持续性”原则是一致的。在普惠金融测度方法的演进过程中,权重确定技术的优化成为一条主线,学者们探讨了欧式距离法(Sarma,2008)、变异系数法(范兆斌、张柳青,2017;王新等,2023)、主成分分析法(李建军等,2020;华秀萍等,2023)、熵权法(陈银娥等,2020)等赋权和核算方法。综合学者们的研究,我国普惠金融取得较大进展,但不同区域的普惠金融发展存在异质性。
国内外学者对普惠金融的影响因素也开展了深入研究。从中发现,普惠金融的影响因素较为庞杂,学者们探讨了宏观经济发展水平(Becketal.,2009;王婧、胡国晖,2013;杜敏哲、黄杰,2023)、收入水平(王修华等,2016;陈银娥等,2020;曾燕等,2024)、产业结构(林春、孙英杰,2019;李琼等,2021)、交通便利程度(龙云飞、王丹,2017)、文化及教育水平(陆凤芝等,2017;方蕾、粟芳,2017;刘毓芸等,2025)、人口结构(万千等,2020;谢丽霜、李可,2015)、政府支持力度(Priyadarsheeetal.,2010;孙英杰、林春,2018;韩健、张又文,2024)、城镇化率(王修华等,2016;陈银娥等,2020)、信息化水平(孙英杰、林春,2018;曾燕等,2024)、普惠金融前一期发展状况(陆凤芝等,2017)等因素对普惠金融的影响方向和程度。整体来看,影响普惠金融发展的因素可以被归纳为经济因素、监管因素、社会因素和文化技术四大核心维度。这些维度相互交织、共同作用,决定了普惠金融服务的可及性、使用深度和发展质量。
针对重点区域和特定对象的普惠金融发展测度和影响因素研究是另一个引起关注的领域,如陈银娥等(2020)、蒋庆正等(2019)、方蕾和粟芳(2017)等针对农村地区,林春和谭学通(2021)针对县域样本,李明贤等(2021)、杨明婉等(2019)针对特定省份,久毛措等(2021)针对民族地区的普惠金融发展水平和影响因素进行了探讨。对这些研究进行梳理发现,对于特定地区而言,经济增长、政府扶持、交通及基础设施等因素对普惠金融的影响存在一定的时空差异性,单一因素对普惠金融的影响可能也是非线性的。
现有研究为本研究的开展提供了重要的理论支撑与丰富的实证证据,但仍然存在研究空间。主要表现在,现有研究对普惠金融发展区域差异性的解释不足,特别是在城乡二元结构和区域经济发展不平衡背景下,普惠金融的影响因素可能呈现显著差异,但相关研究仍较为薄弱。对于民族地区而言,上述普遍性因素依然适用,但其作用机制和相对重要性可能因地而异,但针对民族地区普惠金融的发展测度和影响因素研究仍然十分鲜见。特殊的地理条件、民族组成、文化传统等赋予了民族地区普惠金融发展独特的背景,也带来了特殊的研究挑战。有鉴于此,本文在已有文献的基础上,构建反映民族地区特点的普惠金融指标体系,测算民族地区2013—2021年的普惠金融指数,进一步利用面板数据构建固定效应模型对民族地区普惠金融的影响因素进行深入探讨和异质性分析,以期为民族地区普惠金融发展提供决策理论依据。
三、民族地区普惠金融发展指标构建及测度
(一)民族地区普惠金融发展指标构建
现有研究对民族地区普惠金融发展水平的评价较少,也尚未建立起对于充分反映民族地区特点的评价指标体系的共识。本文在借鉴现有文献的基础上,构建适合民族地区特点的普惠金融评价指标。本文评价指标的构建逻辑及相对已有研究的新探索如下:
1.广泛的可获得性
可获得性是普惠金融的基本要求,国内外机构和学者的研究中,可获得性也是普惠金融评价的起点。特别是民族地区天然具有非自愿金融排斥群体的自身特点和外在环境,即收入低、财富少、能力弱、居住偏远等特征,应强调普惠金融服务可获得性的“广泛性”。参考中国人民银行(2018)等机构的评价指标,将“银行服务获得”“数字普惠金融获得”“保险服务获得”这三个二级指标纳入评价指标中。同时,根据国务院《关于推进普惠金融高质量发展的实施意见》(国发〔2023〕15号),“支持符合条件的涉农企业、欠发达地区和民族地区企业利用多层次资本市场直接融资和并购重组”,利用多层次资本市场进行股权融资将成为民族地区企业获得普惠金融服务的重要产品形式,故本文将“证券服务获得”也作为二级指标纳入“广泛的可获得性”维度中。在指标选择上,“银行服务获得”二级指标中,鉴于民族地区具有地广人稀的特点,本文选择单位土地面积的银行服务指标即银行网点密度、银行人员密度;“数字普惠金融获得”中,引用郭峰等(2020)的数字普惠金融指数结果;“保险服务获得”中,同时采用保险密度和保险深度指标全面衡量保险服务的获得性;“证券服务获得”中,采用地区股权融资规模与地区GDP的比值进行衡量。
2.民族地区配比情况
对于民族地区而言,农业农村、小微企业领域是通过金融包容,提高金融密度水平,进而消除金融排斥的重点领域,因而是普惠金融服务可使用性的重点领域。有鉴于此,本文将“支持农户情况”和“支持中小微企业情况”作为这一维度的两个二级指标。在指标选择上,根据金融监管总局发布《关于做好2024年普惠信贷工作的通知》(金办发〔2024〕26号),对各银行业金融机构“普惠小微贷款”的考核指标简化为“不低于本行各项贷款的增速”,对大型商业银行及股份制银行“普惠涉农贷款”的考核指标简化为“不低于各项贷款增速”。为研究便利,并与普惠金融机构的实际工作相衔接,本文选择“涉农贷款增速”和“小微贷款增速”作为三级指标。同时,鉴于保险服务对民族地区农业农村领域的巨大意义,本文将“农业保险深度”作为“支持农户情况”的三级指标。
3.商业可持续性
从金融机构的角度看,普惠金融的服务客体是传统金融模式下的“长尾客体”,向其提供普惠金融服务具有一定的潜在风险性。民族地区绵延几千年的社会文化传统在客观上加剧了民族地区金融机构提供普惠金融服务的风险。同时,“经济改革在空间上的非均衡性使地区间金融深化处于不同的发展阶段,金融发展规模和效率存在明显的地区差异”(李建伟,2017),民族地区普惠金融更需关注商业可持续性。本文的“商业可持续性”维度强调最大化降低普惠金融的风险,从“资金成本情况”“利率情况”“贷款经营情况”“保险经营情况”四个二级指标考察民族地区普惠金融的可支付性和风险规避程度。在指标选择上,参考李建军等(2020)的做法,分别采用“存贷比”“上浮贷款占比”“商业银行不良率”“保险赔付率”进行衡量。
综上,本文构建了一个涵盖广泛的可得性、民族地区配比程度以及商业可持续性三大维度、共14个指标的民族地区普惠金融发展评价指标体系(见表1)。
(二)样本选取与数据来源
鉴于现有研究对民族地区尚未有统一的定义,本文参考曹妍雪和马蓝(2017)的做法,选取本地区少数民族人口比例大于全国少数民族比例的省级行政区作为民族地区。根据第七次全国人口普查数据,全国各少数民族人口占总人口的比重为8.89%。通过比对,有12个省级行政区少数民族人口所占比重大于全国平均水平。故本文将西藏、新疆、青海、广西、贵州、宁夏、云南、内蒙古、海南、辽宁、甘肃、湖南这12个省级行政区作为民族地区。在确定民族地区的基础上,进而利用2013-2021年上述省级行政区面板数据测度民族地区普惠金融发展水平。数据来自《中国统计年鉴》、各省级行政区统计年鉴、《中国金融年鉴》《中国民族统计年鉴》、Wind数据库等。
(三)民族地区普惠金融指数测算结果
熵值法以其客观性和科学性,在多指标综合评价中广泛应用,确保了各指标对整体评价的贡献度得以合理反映。本文采用熵值法对相关指标进行加权处理和指标测算。
图1报告了2013—2021年民族地区普惠金融发展水平的演变趋势。在观测期内,民族地区普惠金融指数尽管存在一定波动,但总体上均呈现出稳步上升的趋势,2021年民族地区普惠金融指数均值相比2013年增长51.68%。细分区域来看,各地区的普惠金融发展速度和水平表现出较大的差异。增长最快的民族地区都位于南部地区,西藏、海南、贵州、青海四省区2021年普惠金融指数相比2013年的增长率超过70%,分别达到126.62%、85.06%、82.05%、70.35%。
图1 2013-2021年民族地区普惠金融发展测度结果
四、民族地区普惠金融发展影响因素实证检验
由于本文已将金融系统供给层面的因素纳入普惠金融发展水平评价指标,故此处将重点讨论外部因素对民族地区普惠金融发展的影响。
(一)变量定义
1.被解释变量
本文的被解释变量为普惠金融发展水平,用本文第三部分测度的普惠金融发展指数作为代表变量,具体的指标选择说明和测算过程参见本文的第三部分,在此不赘述。
2.解释变量
收入水平。收入水平提升会直接增加居民对金融服务的“有效需求”,对金融服务的需求从“生存型”转向“发展型”,倒逼金融机构扩大覆盖。居民收入提升也能够改善金融机构的风险评估基础。同时,收入增长会扩大金融机构的客户基础和业务规模,提升普惠金融的可持续性。民族地区往往因居民收入较低被排斥在金融体系之外,故本文将收入水平作为重要的解释变量。本文采用各地区人均可支配收入与全国水平之比作为代表变量,数据来源于历年《中国统计年鉴》。
产业结构。产业结构作为经济系统的核心结构变量,产业结构高度化本质上是一个经济主体多元化、需求分层精细化的过程。产业结构高度化能够扩大普惠金融的需求总量,推动金融需求结构升级。特别是第三产业的发展,在催生多元化金融需求的同时,通过技术扩散为金融机构提供了低成本服务普惠群体的工具。本文采用各地区第三产业增加值与GDP之比作为代表变量,数据来源于历年《中国统计年鉴》。
民族人口结构。人口结构是影响普惠金融发展的重要结构性变量,其通过改变金融需求的总量、结构与特征,以及与金融供给的适配性,最终作用于普惠金融的发展水平。对于民族地区而言,少数民族人口占比是人口结构的核心特征,是民族地区“文化-经济-地理”复合金融排斥的重要表现。本文采用少数民族人口与总人口之比作为代表变量,数据来源于历年《中国民族统计年鉴》。
教育水平。教育水平一般通过提升人力资本提高金融素养等机制影响普惠金融发展。教育水平较高地区因居民具备更强的财富管理能力和金融产品理解能力,其金融排斥程度显著较低。特定地域内的少数民族在长期历史中形成了一种安土重迁、重信义轻市场的民风民俗,对市场、合同等商品经济领域的概念知之甚少甚至排斥。同时相对落后的教育事业也制约了民族地区群众人力资本的提升(李俊清、向娟,2018)。因此,对于民族地区而言,教育水平对普惠金融发展至关重要。本文采用每十万人口高等学校平均在校生数作为代表变量,数据来源于历年《中国统计年鉴》。
地理便利程度。交通和通讯等“硬”基础设施的完善程度直接影响金融服务的地理可得性。民族地区由于地理偏远、地广人稀、交通成本较高使其难以获得有效金融服务,是典型的受“地理排斥”的地区。在民族地区既有地形地理与基础设施的条件下,私人汽车作为主动交通方式,能够有效地突破地理隔离,降低居民获得金融服务的时间和成本。因而本文采用私人汽车拥有量作为代表变量,数据来源于历年《中国统计年鉴》。
政府干预程度。从理论上看,政府部门一般通过纠正市场失灵与促进资源配置优化两个维度影响普惠金融发展。财政资金介入起到独特的作用,一方面,普惠金融的高成本、高风险特征导致私人部门供给不足,财政资金通过风险补偿和成本分担机制可有效降低金融机构服务弱势群体的边际成本;另一方面政府介入能够解决普惠金融领域的信息不对称与负外部性问题。但现有研究对于政府干预施加于普惠金融的影响方向存在一定的争论,本文进一步验证在民族地区政府干预的影响。本文采用财政支出与GDP之比作为代表变量,数据来源于历年《中国统计年鉴》。
(二)模型设定
为考察民族地区普惠金融发展的影响因素,本文构建如下模型:
yit=α+β1incnit+β2tertit+β3minrit+β4cstuit+β5caroit+β6finait+μi+εit
其中,被解释变量yit表示民族地区i在年份t的普惠金融发展指数。核心解释变量包括:居民人均可支配收入与全国水平之比(incnit)、第三产业增加值与GDP之比(tertit)、少数民族人口与总人口之比(minrit)、每十万人口高等学校平均在校生数(cstuit)、私人汽车拥有量(caroit)、财政支出与GDP之比(finait)。μi为个体固定效应,用于控制不同地区间不随时间变化的潜在异质性,如地理区位、历史传统、制度环境等。εit为随机扰动项。
本文主要变量的描述性统计见表2。被解释变量普惠金融发展指数均值0.110、标准差0.017,波动较小。解释变量中,收入水平均值0.787,产业结构与民族人口结构均值分别为0.514与0.576,离散度相对较低。规模与强度类变量差异更为显著:教育水平均值为0.022,地理便利程度均值0.051,政府干预程度均值0.416。
表2 主要变量的描述性统计分析结果
(三)基准回归结果
研究基于面板数据特征,在同一设定下分别估计了随机效应(RE)与固定效应(FE)模型,并结合Hausman检验对模型设定进行判别,结果见表3(为节省篇幅RE结果不再列示)。Hausman检验统计量显著,拒绝了随机效应模型的原假设,说明个体不可观测效应与解释变量之间存在相关性。在此情况下,固定效应模型能够有效控制区域间不随时间变化的异质性因素,更适合刻画普惠金融发展的影响机制。此外,固定效应模型的R2明显高于随机效应模型,进一步验证了固定效应模型在解释力上的优势。基于以上模型选择思路,表3报告了固定效应的逐步回归结果。总体上,模型拟合优度显著提升,变量的系数方向与显著性保持一致,在逐步回归的过程中,各因素对普惠金融的影响表现出良好的稳健性。
表3 普惠金融发展影响因素逐步回归结果
注：括号内为标准误；*,**,***分别表示在10%、5%和1%水平上显著。
从各解释变量的估计结果来看,在控制个体固定效应的情况下,部分变量对普惠金融发展表现出显著且方向一致的作用,而另一些变量的影响则较为有限。如表3列(6)所示,具体如下:
每十万人口高等学校平均在校生数(cstuit)在1%的水平上显著为正,回归系数为1.5570,表明教育水平对民族地区普惠金融发展起到显著而重大的促进作用;第三产业增加值与GDP之比(tertit)在1%的水平上显著为正,回归系数为0.2390,表明产业结构高度化显著促进了民族地区普惠金融发展;居民人均可支配收入与全国水平之比(incnit)在1%的水平上显著为正,回归系数为0.1560,表明居民收入水平对于民族地区普惠金融发展具有显著的促进作用;私人汽车拥有量(caroit)在1%的水平上显著为正,回归系数为0.0039,表明交通便利程度对于民族地区普惠金融起到了促进作用,但影响程度较为微弱。
少数民族人口与总人口之比(minrit)在5%的水平上显著为负,回归系数为-0.1160,表明少数民族人口占比较高的地区普惠金融发展存在一定的障碍。原因可能在于民族地区普惠金融的“最后一公里”,不仅仅是物理距离,更是文化和心理上的距离。少数民族群众在语言习惯、风俗文化、聚居形态、生产生活方式等方面具有独特性。标准化的、以汉语言文化为载体的金融产品和服务,可能不适应民族地区的不同语言和文化传统。此外,许多民族地区以家庭或村寨为单位的生产生活模式,与现代金融强调的个体信用评估体系存在错位,使得传统信贷模式难以有效介入;财政支出与GDP之比(finait)在1%的水平上显著为负,回归系数为-0.0970,表明大规模的财政支出对民族地区普惠金融发展水平产生了负面影响,此处与孙英杰和林春(2018)的研究结果不一致,与陆凤芝等(2017)的研究一致。原因在于尽管理论上政府财政支出可能对于民族地区普惠金融发展具有正外部性,但政府的过度干预可能扭曲市场机制。特别是在金融市场相对脆弱的民族地区,大规模、结构单一的财政输血,可能抑制本地化、市场化金融体系的自我发育,甚至加剧金融排斥。
(四)稳健性检验
为确保实证结果的可靠性和结论的稳健性,本文在基准回归的基础上进行了稳健性检验。首先,替换被解释变量的稳健性检验。将被解释变量的构建口径由“按省分别估计熵权重”调整为“在全样本上统一估计熵权重”,并作为新的被解释变量进行稳健性检验。表4模型(1)显示,解释变量的方向与显著性与前文基准检验保持一致。其次,引入被解释变量的一期滞后项。加入被解释变量的一期滞后,在模型中引入L.yit以验证模型对数据微小变化的敏感性。表4模型(2)显示,各解释变量的符号与显著性基本和基准回归结果相一致,表明基准回归结果具有稳健性。
表4 基于替换被解释变量和引入被解释变量滞后项的稳健性检验结果
注:括号内为标准误;*,**,***分别表示在10%、5%和1%水平上显著。
(五)异质性分析
为进一步检验普惠金融影响因素在不同地区的影响程度差异,本文对样本从经济发展水平和民族人口集聚程度两个维度进行分组检验。
在经济发展水平维度,由于各民族地区人均GDP指标相对集中,本文依据样本人均GDP的中位数(6万元),将其划分为“较高经济发展水平”和“较低经济发展水平”两组,回归结果见表5列(1)和列(2)。结果显示,教育水平对两组的影响均显著为正,对于“较低经济发展水平”组的影响高于“较高经济发展水平”组,可能的原因在于较低经济发展水平组可能存在居民金融素养较低、金融服务需求抑制等困境,而教育水平能同时破解这些瓶颈问题,针对这些地区的边际贡献显著较高;产业结构高度化对两组的影响也显著为正,对于“较高经济发展水平”组的影响高于“较低经济发展水平”组,原因可能在于较低经济发展水平地区,存在金融基础设施薄弱、居民金融需求以生存型为主等问题,导致产业结构高度化尤其是第三产业扩张难以激发新的金融需求;收入水平仅对“较低经济发展水平”组影响显著,原因可能在于收入水平是这些地区突破金融排斥门槛的关键要素;政府财政支出仅对“较高经济发展水平”组产生显著负面影响,原因在于这些地区金融市场相对成熟度高、机构竞争激烈,财政支出若缺乏精准性,可能引发“挤出效应”和“资源错配”;地理便利程度仅对“较低经济发展水平”组影响显著,可能的原因是这些地区存在基础设施薄弱、金融服务供给能力不足等问题,私人汽车是突破“地理-经济双重隔离”的关键工具。
在民族人口集中程度维度,鉴于少数民族人口占总人口比重指标离散程度较大,本文采用自然断点法(Jenks),在样本中得到最优阈值为37.52%,据此划分为“较低民族人口集聚”和“较高民族人口集聚”两组,分组回归结果见表5列(3)和列(4)。从中可见,教育水平对两组的影响均显著为正,对于“较高民族人口集聚”组的影响显著高于“较低民族人口集聚”组,表明较高民族人口集聚地区可能因语言差异、文化习俗多元、金融信息传递不畅等导致所谓能力型金融排斥,教育水平提高的边际贡献显著高于较低民族人口集聚地区;产业结构高度化对两组的影响也显著为正,系数差异较小;收入水平仅对“较高民族人口集聚”组影响显著,原因可能在于在这些地区,收入水平是克服民族特定社会文化壁垒的关键要素;政府财政支出仅对“较低民族人口集聚”组产生显著负面影响,原因在于这些地区市场需求相对趋同,财政支出形式若未匹配本地金融生态,可能出现边际效益递减或效率损失;地理便利程度仅对“较高民族人口集聚”组影响显著,可能原因是这些地区存在地广人稀、地形复杂、文化壁垒等复杂问题,私人汽车是跨越“地理-文化双重壁垒”的关键工具。
总体来看,教育水平和产业结构高度化两个因素在所有分组结果中都是显著为正的,表明上述两个因素是显著促进所有民族地区普惠金融发展的重要因素。部分影响因素在不同组别中的显著性和影响程度有较大差异,其中收入水平的影响可能存在特定群体突破普惠金融瓶颈的门槛效应,财政支出的效果可能视特定地区承接能力和政策精准性而异。
表5 民族地区普惠金融影响因素的异质性分析结果
注：括号内为标准误；*,**,***分别表示在10%、5%和1%水平上显著。
五、结论与启示
本文从广泛的可得性、民族地区配比程度和商业可持续性三个维度构建了民族地区普惠金融发展指标体系,并利用2013—2021年12个民族地区省级层面的面板数据进行评价。进而构建固定效应模型,对民族地区普惠金融发展的影响因素进行了实证检验。研究表明民族地区普惠金融指数总体上呈现出稳步上升的趋势。民族地区教育水平提高、产业结构高度化、人均收入的增长、交通便利程度提高显著提升了普惠金融发展水平,而少数民族人口集聚和政府财政支出规模扩大则对民族地区普惠金融发展水平有较显著的抑制作用。教育水平和产业结构两个因素在所有民族地区都与普惠金融显著正相关,而人均收入水平、政府财政支出、地理便利程度的影响具有异质性。
为进一步推动民族地区普惠金融的进一步发展,政策制定者需要重点关注民族地区的特殊需求,提升金融服务的适应性和覆盖面。本文提出如下政策建议:一是加强基础教育与金融教育的适应性。夯实基础教育中的金融启蒙,将金融素养纳入民族地区义务教育课程,支持民族地区职业院校开展“金融事务(民族方向)”专业。重视金融教育作为连接通识教育与金融素养的关键桥梁作用,加强培养民族地区居民对金钱管理、信用维护等基础金融概念的认知框架。特别是对于少数民族人口高度集聚的地区,需加强双语教育和跨文化金融沟通培训,推广传统信用观念与现代金融知识相融合的教育实践,使教育水平提升真正转化为普惠金融的包容性红利。二是强化产业发展与金融供给对接。民族地区普惠金融的政策设计不能局限于加大各类财政支出,而应着眼于解决民族地区的产业结构高度化和内部收入不平衡问题。地方政府和金融监管部门应引导金融机构,围绕民族地区具有比较优势的特色产业和经济,开发专项金融产品,扩大经济规模。加强金融支持就业创业和技能培育等活动,提升居民收入水平。对低收入群体、偏远农牧民提供更具有适应性的金融产品,鼓励创业和生产,防止其在地区整体经济增长过程中被边缘化。三是提升财政资金支出的精准性和有效性。通过差异化的“政策组合拳”提升金融包容性,使财政资金真正成为民族地区普惠金融的“催化剂”而非“替代品”。对于经济发展水平较高的地区,避免财政资金的过度干预,强化财政资金的杠杆作用,建议设立民族地区普惠金融发展基金,通过风险补偿、担保费补贴等形式,引导社会资本主动服务薄弱领域。对于民族人口集聚程度较高的地区,着眼于提升财政资金的精准性和可得性,如定向支持金融基础设施下沉,降低金融机构服务成本。强化需求侧能力建设,向民族地区金融教育与信用体系建设倾斜。
责任编辑 | 吴成斌
优选来源：《上海经济研究》2025年第11期。
