2.5 普惠金融的研究方法

普惠金融的研究主要有三种：定性研究、比较研究和实证分析。其中定性研究多采用案例分析（陈正源，2018；张正平等，2019）。比较研究主要是借鉴国外的普惠金融模式或经验（焦瑾璞，2014）。实证分析是最主要的研究方法：一方面是对普惠金融本身进行评测（尹志超，2019），分析普惠金融的特征；另一方面则是对普惠金融的影响因素进行分析（杜兴洋，2018），其数据来源为问卷调查或宏观经济数据。

2.5.1 普惠金融的计算

农村经济对金融服务的多元化需求，使普惠金融的发展水平难以用单一的指标进行评价；而金融科技应用对普惠金融发展水平的影响，要求对普惠金融进行客观的度量。普惠金融的演变和发展使普惠金融的测评从单一的指标发展到综合指标体系，使用综合评分对普惠金融的发展程度进行评定。

普惠金融包含普惠金融的广度，如业务范围，服务对象在地域上、时间上的范围，等等；也包含普惠金融的服务质量，还包括普惠金融对经济、金融和其他产业发展的影响。

Beck et al. （2007）开创性地构建了测度金融部门覆盖面的8个指标，用来衡量普惠金融的发展程度，其指标内容如表2.3所示。

表2.3 Beck et al. （2007）的普惠金融测度指标①

表2.3的指标衡量了普惠金融的不同方面，在后来的研究中被综合成指数（IFI），以指数作为普惠金融的衡量方式，对农村的普惠金融指数则记为RIFI。

不同于Beck et al．的普惠金融指数，Mandira Sarma（2008）提出普惠金融发展水平的三大维度指标，分别是地理渗透性、产品接触性和使用效用性，他参考联合国开发计划署（UNDP）编制人类发展指数的方法构建普惠金融发展指数；Chakravarty（2012）运用Sarma的普惠金融发展指数衡量印度1972—2009年的普惠金融发展水平，同时还测算了每个维度对普惠金融发展水平的贡献度。

我国在普惠金融的计量方面也做了积极探索。蔡洋萍（2015）使用了改良的普惠金融发展评价指数，对我国中部三省湖南、湖北、河南2005—2013年的普惠金融发展水平进行测度，而且还研究了普惠金融发展的因素；王婧和胡国晖（2013）构建了我国普惠金融发展的评价指标体系，主要从经济方面分析了我国普惠金融的影响因素；焦瑾璞等（2015）在研究普惠金融发展水平时，认为2013年的普惠金融全球合作伙伴（GPFI）的普惠金融指标体系更为全面。

除上述普惠金融指标外，世界银行对普惠金融定义的核心指标，包括银行账户使用情况、存款、借款、支付和保险；有全球普惠金融合作组织（GPFI）定义的普惠金融的核心指标，包括享有正规银行服务的成年人，享有正规银行服务的企业，在正规金融机构发生信贷业务的成年人，以及在正规机构有贷款约定或授信额度的企业；普惠金融联盟（AFI）定义的普惠金融核心指标，有服务网点、金融服务的可获得性和金融服务使用情况。我国定义的普惠金融指数核心指标有银行服务的供给、金融服务的需求，其中银行服务的供给是银行服务的覆盖率和便利性，金融服务的需求是人们的账户开立情况、支付情况、存款使用情况以及贷款使用情况等；也有人使用行政、地理、人口、经济四个维度的金融密度来衡量普惠金融的发展程度，或者以金融服务广度和深度两方面对普惠金融进行评价。

在普惠金融测评中，即使不同的文献选择了相同的普惠金融指标，然而，其各指标的定义也不完全一致：一部分文献将普惠金融的服务质量定义为信贷对经济的增长的效用；一部分文献则将服务质量定义为法律权益的保护、征信信息的深度以及服务质量（伍旭川和肖翔，2014）；还有部分文献的普惠金融服务质量的定义中加入了对保险、证券市场的考察。

随着信息科技在金融领域越来越广泛的应用，非金融机构的数字化程度进一步提高，通过技术优势让更多的人使用金融服务，从而推动了普惠金融的进一步发展，同时，数字普惠金融也引起了广大学者的关注。在数字普惠金融方面，北京大学数字金融研究中心构建的数字普惠金融指数，不同于传统的普惠金融指数，数字普惠金融指数如表2.4所示。

表2.4 北京大学数字金融普惠指数①

总之，从普惠金融到数字普惠金融，都有关于普惠金融测评的研究，而且对普惠金融主要关注其广度、深度和有效度等方面的问题。实际运用中，根据数据的可得性、是宏观数据还是微观数据以及研究需要，在保障指标体系的信度和效度的原则下，重新定义其二级指标的内容和具体含义。

2.5.2 普惠金融实证分析的模型选择

普惠金融的实证分析主要有两种模型，一种是将普惠金融的发展作为产出，将影响因素作为对普惠金融的投入，采用乘数模型，参照柯布—道格拉斯生产函数Y＝A（t）Kα Lβu，将经济、人口分别作为投入普惠金融的资本和劳动力，A（t）作为综合技术水平，用于表达其他技术环境因素对普惠金融的影响，普惠金融的发展与影响因素间的关系简化为投入—产出的关系；郭田勇和丁潇（2015）在研究普惠金融的影响因素时采用乘数模型进行研究。另一种是采用多元线性回归模型，杜兴洋（2018）等在研究ICT对普惠金融的影响时采用线性回归模型进行研究。

在普惠金融的实证分析的过程中，乘数模型和线性回归模型各有优势。在模型选择的实际过程中，其模型最终根据理论分析、数据特征、解释变量以及模型的相关检验等进行综合考虑。

① 董鹏丽．我国农村普惠金融发展研究：以山西省为例［D］．北京：首都经济贸易大学，2017: 17－18.

① 北京大学数字普惠金融指数［EB/OL］. （2017－03－26）［2020－10－28］. http://idf.pku.edu.cn/results/zsbg/2017/0326/28651.html.