普惠金融教育在金融精准扶贫中的效应研究——以兴国县为例随着农村经济市场化环境不断改善，农村金融需求激增，农村金融市场发展前景一片光明，大量的新型农村金融机构和新型农村金融工具应运而生。

但与此同时，农村贫困地区农民的受教育程度和金融素养明显偏低，对新金融工具的应用能力较弱，加之对农村地区金融知识的宣传和推广滞后，很大程度上制约了中央农村金融扶贫战略的有效实施。

2008年，中国金融教育发展基金会在全国开展西部民族贫困县农村金融知识普及教育，以提高农村贫困人口的财务质量，提高农户脱贫致富的能力，即“金惠工程”。

因此，针对性地开展普惠金融教育在金融精准扶贫中的效应研究，可以更直观地了解普惠金融教育在提高居民普惠金融素养和助推地方扶贫工作发挥的具体效用，对金融精准扶贫工作具有深远意义。

一、文献综述国内金融教育方面的研究，特别是对金融扶贫的效应研究文献比较少，比较有代表性的包括：吴伟星（2006）指出，金融教育的缺乏导致消费者过度自信，引发不应发生的交易而最终发生。

谭松涛和陈宇宇（2012）认为，投资者的投资经验可以提高选股和择时能力。

尹志超等（2014）研究表明，金融知识与家庭配置风险资产特别是股票资产呈正相关。

周虹（2015）发现消费者接受金融教育的差异对家庭金融市场的参与影响显著，接受金融消费者教育的家庭现金持有和存款更多，平均差异约为2%。

国外的研究结论与国内如出一辙。

Bourne Heim和碎石（2003）经济预算知识的缺乏增加家庭的融资成本，导致家庭财富的增长缓慢；卢萨阿迪和米切尔（2007）的研究发现，消费者金融知识与储蓄规模、股票市场的参与率呈正相关；Karl Waite （2009）根据瑞典的数据实证表明，投资失误概率越低的家庭，金融素养往往就越高；鲁伊等人(2011)发现无法掌握更高层次的金融知识将会制约家庭金融市场的参与。

Atkinson & Messy （2013）和OECD （2013）认为，普惠金融的发展水平与金融知识的普及水平正向相关；消费者和投资者提升对金融概念、产品服务、风险收益的认知程度，是其做出合理选择、获得更多金融福祉的必要前提。

Cole et al.（2011）研究了印度和印度尼西亚的农村家庭金融需求偏低的原因，结果发现，金融知识和金融行为之间有着明显的正向相关性， 金融教育可以增加他们的银行账户需求，如果对账户进行小额补贴 （如免开户手续费），可能会产生更大幅度的需求。

Atkinson & Messy （2013）认为，金融教育可以帮助消费者知道在哪里、怎样获得个人需要的金融产品，客观上等同于扩大了金融机构的服务范围，这对普惠金融的主客体都受益匪浅。

Tilman et al.（2012）研究表明，如果从供给的视角观察，目前有些国家的 ATM 、EPOS 机在农村地区的安置范围很广，但是，在消费者金融常识普及不高的现状下，它们的使用率仍然很低，政府必须在农村大力实施金融教育政策，才能克服由此引致的有效需求抑制问题。

例如， Berg & Zia （2013）指出政府可以将预先精心设计的金融知识植入大众媒介之中，这会有效影响民众的金融意识和行为。

然而，这些研究大多以国外消费者为研究对象。

研究的结论是否适用于解释中国的现实仍然是有待进一步探讨。

鉴于此，本文以“金惠工程”试点——兴国县为例，实证分析兴国县普惠金融教育在金融精准扶贫中的效应，分析彼此之间的关系。

二、模型建立1．模型介绍多元线性回归是以多个解释变量的给定值为条件的回归分析，研究一个因变量与多个自变量间的线性关系，其方程形式为[2]：01122...i i Y x x x ααααμ=++++式中α为回归系数，μ为去除个i 自变量对y 影响后的随机误差，由以上变形的n 个随机方程的矩阵表达式为：Y X αμ=+上式中，若X 的列满秩，可采用最小二乘法估值，其估值为:1ˆ()X X X Y α-''= 通过多元线性模型回归得到的参数后，还需对回归函数进行统计检验，以判段估计的可靠程度，包括拟合优度检验、方程显著性检验（F 检验）、变量的显著性检验（t 检验）、以及置信区间估计等。

（1）拟合优度检验，用统计量来衡量样本回归对样本观测值的拟合程度，其中离差平方和为2()i TSS Y Y =-∑，回归平方和为2ˆ()i ESS Y Y =-∑，残差平方和2ˆ()i iRSS Y Y =-∑。

21ESS RSSR TSS TSS==-其中，统计量越接近1，模型的拟合优度越高。

（2）方程显著性检验（F 检验） 012ˆ:0,:0(1)i i ii i t S H H t t n k ααααααα-==≠>--在原假设0H 成立的条件下，统计量服从F 分布，在给定显著性水平α，查表得到临界值(,1)F k n k α--，根据样本求出F 统计量的数值，通过(,1)F F k n k α>--来拒绝(或接受) 原假设0H ，以判定原方程总体上的线性关系是否显著成立。

（3）变量的显著性检验（t 检验）ˆˆ(1)i i i t t n k S ααα-==--: 在变量显著性检验中，01:0,:0i i H H αα=≠，给定一个显著水平α，得到临界值2(1)t n k α--则根据 2(1)t t n k α>--来接受原假设0H ，从而判定对应的解释变量是否应该包含在模型中。

2．变量选择及数据来源金融知识普及水平与普惠金融发展水平的关键变量选取包括以下几个因素：（1）经济增长指标：经济学上通行的做法是用人均GDP的增长率来衡量，因此本文用兴国县人均GDP的增长率来衡量。

（2）普惠金融发展水平指标：经济学界通常从金融深化程度和金融功效发挥程度来衡量金融发展水平，主要包括金融服务的使用情况、金融服务的质量、金融服务的可获得性三个方面[3]。

其中金融服务的可获得性包括每万平方公里金融机构营业网点数量（家/万平方公里）、每万平方公里金融机构从业人员数量（人/万平方公里）每万人拥有的金融机构营业网点数量（家/万人）、每万人金融机构从业人员数量（人/万人）；金融服务的使用情况包括金融机构各项存贷款占GDP比重、每人拥有的个人银行结算账户数（户/人）、网上支付金额占总支付金额比重、保险密度（保险收入/人口数量）、保险深度（保险收入/GDP）、股票市场筹资额占GDP比重；金融服务的质量包括小额贷款公司贷款余额占各项贷款余额比、农户贷款余额占各项贷款余额比例。

参照刘娜和姚耀军等人的做法，结合金惠工程实施县的实际情况，本文选取四个指标来衡量贫困县金融发展水平[4]：①金融发展规模RFS，即存贷余额总和与GDP的比值。

在普惠金融实施下，金惠工程的开展使农村地区居民的金融素养提高，农户储蓄存款余额和农业存贷款余额逐年增加，第一二三产业总值增多，企业数量扩张，农村的生产总产值增加，经济发展迅速。

②金融发展效率RFE，即居民储蓄转化成贷款以支持经济增长的效率，其数值为贷款余额与存款余额的比值。

③金融发展结构RFC，即涉农贷款余额与贷款余额总额的比值，反映贷款结构。

④金融机构分布密度RFD，即金融机构数量与当地总人数的比值，反映每万人拥有的金融机构数量，该指标度量金融机构在贫困地区的覆盖面。

（3）金融知识普及水平指标：金惠工程致力于国家贫困县为重点，面向农民群众，基层干部，农村中小学及基层金融机构从业人员广泛开展金融知识普及教育和培训，提升农村基层领导干部和农民群众的基础金融素质和基层金融从业者的服务水平，改善农村金融生态环境，提高现代金融服务在贫困地区的可获得性，进而助推国家扶贫开发事业的发展。

考虑数据的可获得性，本文主要用培训覆盖率（培训人数/总人数）来反应普惠金融教育的普及水平。

培训人数包括农民、金融从业人员、乡村干部、中小学生、教师。

表1 变量说明三、实证研究与结果分析本数据来源于《兴国县社会经济统计年检》《赣州统计年鉴》和兴国县政府报告。

该研究根据SPSS 软件进行计算建模，选取2010-2016年数据进行逐步回归。

模型1的被解释变量人均GDP 增长率（1Y ），解释变量RFC(1x )、RFD （2x ）、RFE(3x )、RFS （4x ）根据SPSS 输出结果得到人均GDP 的多元线性回归；模型2的被解释变量农户不良贷款(2Y ),解释变量农民（1x ）、金融从业人员（2x ）、乡村干部（3x ）、中小学生（4x ）、教师（5x ）；模型3的被解释变量农户不良贷款率（3Y ），解释变量培训覆盖率（1x ）的线性回归；模型4的被解释变量贫困发生率（4Y ），解释变量培训覆盖率（1x ）的线性回归。

1．拟合优度检验在用SPSS 软件进行回归过程中，模型2不符合判断条件，说明农户不良贷款与各培训人员的差异没有线性关系。

模型汇总表（表2）显示，从拟合优度来看，模型1的20.797R =，说明说明方程拟合优度较高，自变量可以解释因变量的 79.7%变化，模型3的21R =说明方程拟合优度非常好，自变量可以解释因变量的 100%变化，模型4的20.809R =说明说明方程拟合优度较高，自变量可以解释因变量的80.9%变化。

2．方程总体线性的显著性检验(F 检验)根据Anova表中显示，模型1中检验统计量的自由度（df），组间自由度是4，组内自由度为2，总自由度为6，偏差平方和与自由度的比为F分布的观测值1.967，它对应的概率P值为0.364。

在给定显著性水平α为0.05的前提下，由于概率P值大于α，故接受原假设，即认为人均GDP与金融发展规模、金融发展效率、金融发展结构、金融机构分布密度无显著差异。

模型3中sig小于0.05，说明在给定显著性水平α为0.05的前提下，拒绝原假设，则培训覆盖率与农户不良贷款率有显著性差异。

模型4中sig小于0.05，说明在给定显著性水平α为0.05的前提下，拒绝原假设，则培训覆盖率与贫困发生率有显著性差异。

3.线性关系表4 模型3的线性回归系数表根据 SPSS 输出结果得到农户不良贷款率线性回归模型为:10.0180.018Y x =-根据线性方程可知，培训覆盖率与农户不良贷款率呈负相关，随着培训覆盖率的增加即普惠金融知识的普及率提高，农户的金融素养提高，金融生态环境不断改善，农户不良贷款率逐步降低。

表5 模型4的线性回归系数表10.1940.161Y x =-根据线性方程可知，培训覆盖率与贫困发生率呈负相关，随着培训覆盖率的增加即普惠金融知识的普及率提高，大大刺激了兴国县农村对金融信贷的有效需求，金融精准扶贫得到提速，更多的人实现脱贫“梦想”。

四、结论[1]李书文, 钟建雄. 兴国县金融精准扶贫实践与思考[J]. 金融与经济, 2016(11):42-45.[2]张景阳, 潘光友. 多元线性回归与BP神经网络预测模型对比与运用研究[J]. 昆明理工大学学报(自然科学版), 2013(6):61-67.[3]和占琼, 赵秀琴, 柴正猛. 贫困地区金融发展对经济增长的效应——基于云南省69个贫困县数据的动态面板模型研究[J]. 昆明理工大学学报(社会科学版), 2017(6).[4]刘娜. 精准扶贫视角下农村金融发展对经济增长的影响--基于安徽省数据的实证分析[J]. 嘉兴学院学报, 2016, 28(5):78-84.[5]肖后宝. 凤阳县金融发展与经济增长关系研究[D]. 安徽财经大学, 2012.。