第PAGE\*Arabic\*MERGEFORMAT7页共NUMPAGES\*MERGEFORMAT7页普惠金融减贫效果研究摘要。本文在对普惠金融测度和普惠金融减贫效果相关文献的梳理和总结归纳的基础上，选取XX省43个国家级贫困县作为样本，采用系统gmm法，对县域普惠金融的减贫效果展开实证分析。结论显示，普惠金融能较好地降低贫困发生率，而贫困具有固化倾向，加大了贫困地区脱贫的难度。关键词：普惠金融；减贫效果；县域本文以2011-2017年XX省43个国家级贫困县为研究对象，分析普惠金融的减贫效果，希望能为普惠金融助推脱贫攻坚提供参考。一、文献综述1.普惠金融的测度。在普惠金融测度相关研究方面，sarma（2008）选取了银行渗透率、金融服务可得性与使用状况这三个层面，来测度不同国家的普惠金融发展水平[1]。arora（2010）进一步考虑了获得金融服务的便利性和交易成本，分别从金融服务范围、交易便利性以及交易成本这三个层面对普惠金融水平进行测度[2]。sama与pais（2011）参考联合国hdi的做法，从地理渗透性、产品接触性与使用效用性这三个维度来建立普惠金融指数。从国内来看，我国从引入普惠金融这一概念起就对普惠金融的测度作了较多研究[3]。伍旭川、肖翔（2014）用国际组织所公布的数据，测度了全球一百多个经济体的普惠金融发展指数，并运用聚类分析法，将我国的普惠金融发展水平与其他金砖国家展开了对比分析[4]。王韦程（2015）认为要分别构建包含供、需双方以及外部因素这三个维度的分析框架，并按照该分析框架选取一系列指标，对我国普惠金融的发展情况展开了综合分析与评价[5]。焦瑾璞等（2015）在参考国际做法的基础上，结合我国的实际情况，从金融服务的可获得性、使用情况与服务质量三个维度建立指标体系，来测度我国各省份的普惠金融发展水平[6]。2.普惠金融的减贫效果。nanda和kaur（2016）设计了一个综合性的普惠金融指数，测算了68个国家的普惠金融发展水平，证实研究期内发展落后的国家普惠金融指数是上升的并趋同于发达地区，普惠金融指数与人类发展指数（减贫是其重要内容）具有强相关性[7]。国内的实证研究虽处于起步阶段，但大部分研究证实了普惠金融对减贫的积极影响。例如，韩晓宇（2017）对我国各省份2006-2014年间的普惠金融发展指数，并运用面板向量自回归模型进行了实证研究，结果表明我国普惠金融存在显著的减贫效应[8]。朱一鸣和王伟（2017）以2014年2018个县的截面数据为样本，利用2sls展开实证分析，结果表明普惠金融的减贫增收效果对不同收入水平的人群存在明显差异，对贫困县的减贫增收影响显著小于非贫困县[9]。武丽娟和徐璋勇（2018）采用模糊断点回归法，选取我国27个省517个村的4023户农户微观数据，对我国普惠金融的减贫效果展开了实证分析，结果表明普惠金融对贫困减缓具有明显的正向作用[10]。ding等（2018）分析了我国政府主导型小额信贷项目的微观作用机制，并研究了其反贫困效果[11]。基于此，本文选取2011-2017年XX省43个国家级贫困县为研究样本，建立动态面板数据模型，对普惠金融的减贫效果进行实证分析。二、数据来源和变量选取1.数据来源本文选取。2011-2017年XX省43个国家级贫困县为研究样本，采用的是动态面板数据。其中，银行网点数据来源于中国银监会网站公布的持有金融许可证的金融网点分布情况，贫困发生率数据来源于各县政府工作报告，其他数据来自于2011-2017年《中国县（市）社会经济统计年鉴》和《甘肃发展年鉴》。2.模型设定。根据普惠金融主要通过经济增长、收入分配等影响贫困减缓这一作用机制来设定模型。此外，基于贫困的延续性，这里参考jeanneney和kpodar（2008）的方法[12]，加入因变量的滞后项充当解释变量，由此得到以下模型：povi，t=α0povi，t-1+α1ifii，t+α2grpi，t+α3igi，t+βxi，t+φi+μi+εi，t（1）其中，pov表示贫困减缓指标；ifi表示普惠金融指标；grp表示经济增长；ig表示收入分配；x表示其他控制变量；i表示县域个体；t表示时期；φ是时间哑变量；μ是个体固定效应；ε是误差项；α和β为待估系数。因变量的滞后项充当解释变量会造成内生性问题。因此本文采用系统gmm法对模型（1）进行估计，能够消除面板数据中的固定效应的影响，同时放宽随机误差项要求服从正态分布的前提条件，也无须顾虑异方差与序列相关问题，所估计出来的参数估计量也更加有效、可靠。3.变量选取及基本统计特征。贫困指标（pov）。贫困发生率是普遍使用的贫困测度指标，具有易于理解、横纵向可比等优点。普惠金融发展水平（ifi）。本文从金融服务的可获得