金融发展与收入差距： 二元体制是一个决定性的因素吗？1

高明 李德龙 施雨水

0 引言

金融发展与经济增长、收入分配之间的关系得到学术界越来越多的关注。大量的宏观研究注意到了金融发展的外部效应，比如对经济增长的促进作用。也有一些学者指出，金融发展的程度影响到了经济的分配方式。一方面，金融发展可以创造更广泛的经济机会，特别是对低收入家庭，从而有助于缩小贫富差距。比如，信贷市场使更多贫穷家庭的孩子有了接受高等教育的机会，也降低了其因经济因素辍学的可能；金融市场通过帮助新兴企业获得融资促进新兴产业的发展，改善了社会整体福利(Jacoby and Skoufias, 1997; Mookherjee and Ray, 2003)。另一方面，金融发展对收入分配的影响也可经由间接途径。基于跨国、公司和家庭的实证研究指出，金融发展除强化市场竞争外，还可以通过影响总产出以及信用、资本的配给影响企业对劳动力的需求，进而改善收入分配(Townsend and Ueda, 2006)。

然而，现实中往往是那些具有更高财富水平、更高社会地位和更好教育程度的群体能够更加有效地利用金融市场，并进一步积累财富。金融市场效率提高，使用金融服务的边际成本降低，有助于提高那些一直在使用金融服务者的福利。财富移转(Wealth Transfer)使得金融发展很可能事实上是扩大了贫富差距(Becker and Tomes, 1979, 1986; Greenwood and Jovanovic, 1990)。对于，学术界也很难在理论和实证上达成一致。国内较早期研究认为金融发展不利于我国收入差距的缩小(章奇等，2004；温涛等，2005；孙永强和万玉琳，2011)，近期也有文献指出金融发展在一定条件下也可以缩小收入差距、有倒U型关系存在(如胡宗义和刘亦文，2010；丁志国等，2011)。

相关问题对当今的中国社会有着重大的意义。随着改革开放的进一步推进和市场体制的逐步确立，人均收入显著提高，但收入差距问题也更加凸显出来。这种收入差距又多被归结为城乡收入差距。对中国问题的研究，城乡二元体制是非常重要的因素，城镇和乡村因为体制原因有着系统性的差别。中国当前的金融体系，以国有商业银行为主体，以银行信贷为主要融资手段，具有明显的城市化倾向，这对收入分配的影响可能更加显著。面对城镇金融市场的快速发展与国民收入差距日趋扩大的现象，我们急需探求其中的因果关系——收入差距是由金融发展的外部性所致还是城乡二元体制本身对财富分配的影响。

本文在“城乡收入差距(income disparity between urban and rural areas)”的基础上，引入“城镇内收入差距(income disparity within urban areas)”的概念[注]与之对应的是“乡村内收入差距(income disparity within rural areas)”。但一方面，中国乡村区域的金融发展非常缓慢，远较城镇落后，不是研究金融发展与收入差距的适用样本；另一方面，各省关于乡村收入分配的数据统计标准差异很大，且样本缺失严重，暂时不具备实证研究的条件。。前者用城镇居民平均可支配收入与农村居民平均纯收入之比度量，后者用城镇居民收入的基尼系数度量。本文通过分析1991—2008年31个省级行政单位的面板数据，发现我国金融发展和收入分配之间的关系符合Greenwood and Jovanovic(1990)提出的库兹涅茨效应。随着金融发展的深化，城乡收入差距和城镇内收入差距都呈现倒U型的轨迹。倒U型曲线的存在并不是因为金融发展本身的外部性，而是金融市场存在“进入门槛”。在金融发展初期，穷人因为无法承担这个固定成本而享受不到金融发展的正外部性，收入差距会逐渐扩大；金融发展到一定程度后，低收入者进入金融市场，收入差距会因为金融发展的正外部性而缩小。若要通过金融手段促进收入差距缩小，就必须对低收入者和乡村区域更加关注。

本研究的创新之处主要有三点。首先，在实证模型上，本文引入金融发展变量的二次项来捕捉金融发展的库兹涅茨效应，检验金融发展对收入差距的倒U型非线性影响在中国是否成立。同时，比照了金融发展对城镇内收入差距和城乡收入差距的影响，以避免二元体制可能带来的影响。国内已有研究主要集中在金融发展对城乡收入差距的影响上，考虑到城乡差距在中国整体收入差距中的决定性意义，使用城镇内收入差距检验金融发展的影响并作比照是更为一般性的做法。[注]学界普遍认为，城乡收入差距是中国收入差距的重要组成部分；世界银行报告也指出，中国50%以上的收入差距可以被城乡差距所解释(Atinc，1997；Yang，1999；章奇等，2004；陆铭和陈钊，2004；叶志强等，2011)。其次，在数据选择上，本文在基于总收入检验的基础上，考虑到近年财产性收入的影响增大，也用城乡居民财产性收入差距作为因变量进行实证，得到一致结果。第三，在计量方法上，本文除了采用面板固定效应模型外，还使用工具变量法对内生性进行了控制，并使用广义矩估计(GMM)进行稳健性检验，得到了一致的结果。

本文其他章节安排如下：第1章回顾了国内外相关领域的研究，第2章是计量模型、变量构造与数据描述，第3章报告了实证结果并作讨论，第4章是结论和政策建议。

1 文献回顾

金融发展对收入差距的影响，国内外已有比较丰富的理论和实证研究，但并未达成一致结论。本章按照金融发展影响收入差距的三种可能性对相关文献进行回顾。

1.1 线性关系： 金融发展有助于缩小收入差距

一些理论研究从人力资本积累的角度出发，认为金融发展具有明显的正外部性，有利于缩小收入差距。反之，不完美的金融市场会使得收入差距长期存在。Becker and Tomes(1979, 1986)指出金融市场在父母对子女的人力资本投资决策中扮演着重要角色，非完美的信贷市场导致初始禀赋差距延续为后期持续存在的贫富差距。Galor and Zeira(1993)认为只有当金融系统得到发展和改善后，穷人能够低成本地对教育进行融资，收入分配的情况才会得以改善。很多实证结果支持了“金融影响人力资本积累”的假说。Jacoby(1994)显示信贷约束导致持续性贫困。Jacoby and Skoufias(1997)利用印度数据，发现存在借款约束的家庭遇到财务困难时更可能使子女辍学。Flug et al. (1998)和Beegle et al. (2006)分别利用跨国面板和坦桑尼亚数据，发现拥有少量资产的贫穷家庭更可能使未成年人参加工作。而Dehejia and Gatti(2005)运用跨国数据，发现1960—1995年间的金融发展显著降低了未成年人工作比例。

也有学者关注金融系统对分散风险的贡献，指出随着金融发展，市场将出现更多“分散化”经济机会，这无疑会提高社会整体福利(Stiglitz, 1974)。随着分散风险的固定成本降低，之前无法享受此类福利的穷人将因此获利；但如果分散风险的边际成本递减，一直享受此服务的富裕阶层会获益更多(Newbery, 1977; Townsend, 1982; Bardhan et al., 2000; Demirgüç-Kunt and Levine, 2009)。一些学者将金融市场分散风险的功能与个体成为企业家的机会联系起来，认为不够发达的金融市场会降低穷人成为企业家的机会(Evans and Jovanovic,1989; Mookherjee and Ray, 2003; Jeong and Townsend, 2007, 2008)，信贷约束又使得初始禀赋显著影响个体的企业家生涯及后期的财富分配(Aghion and Bolton, 1997; Piketty, 1997; Bardhan, 2000)。Paulson and Townsend(2004)和Demirgüç-Kunt et al. (2008)研究了家庭财富与创业之间的关系，发现相对富裕的家庭会更可能创业，创业之前与金融机构的良好关系对于新企业的生存有显著的正向作用。

金融市场对收入分配的影响还会通过间接途径传导。Gine and Townsend(2004)指出，金融扩张以及家庭信贷可得性可以解释样本期内泰国人均GDP的快速增长；与此同时，就业率和平均工资也有所上升。在这个过程的初期，只有那些具有企业家能力但缺乏资金支持的人能从金融发展中获利；随着金融市场推动经济的发展，大部分劳动者都能享受到工资上升带来的福利。Levine et al. (2011)指出，在发达的金融市场上，银行间的竞争使得其贷款甄别必须更加偏重于公司实力，这反过来迫使公司提高生产效率以吸引银行资本，从而显著加大公司之间的竞争。同时，金融发展会降低由于歧视造成的劳动力市场进入门槛，有助于缩小由此导致的收入差距。在发展中国家，大量劳动力被中小企业雇佣，金融发展对劳动力市场影响的一个重要方面在于其对中小企业的影响。[注]相关的实证研究包括Hubbard and Palia(1995)、Huo(1997)、Demirgüç-Kunt and Maksmovic(1998)、Rajan and Zingales(1998)、Black and Strahan(2002)、Beck et al. (2005, 2008)、Klapper et al. (2006)、 Cotler and Woodruff(2008)，De Mel et al. (2008)、Demirgüç-Kunt and Levine(2009)、Kerr and Nanda(2009)等。从已有的研究来看，无论是公司、行业还是国家层面的结果，基本都支持金融发展提高公司(特别是小公司)业绩、有助于新生公司进入市场的结论。

金融深度是一个重要的观察变量。Clarke et al. (2006)利用83个国家1960—1995年间的数据，检验了金融深度有助于缩小收入差距。Beck et al. (2007)利用1960—2005年间的跨国面板数据，发现基尼系数的增长率随金融深度增强而降低，并且金融发展对低收入人群更为有利，可以降低绝对贫困水平。Batuo et al. (2012)利用22个非洲国家1990—2004年间的面板数据，发现收入差距随着金融发展而减小，并且不支持Greenwood and Jovanovic(1990)的倒U假说。

1.2 线性关系： 金融发展扩大了收入差距

中文文献主要集中在金融深度对收入差距的影响，多数认为收入差距会被金融发展拉大。章奇等(2004)利用1978—1998年间的中国省级面板数据，发现金融深度的增加扩大城乡收入差距，且主要表现在20世纪90年代。另外，我国金融机构在向农村和农业配置资金方面缺乏效率。章奇等(2004)对金融深度的影响采取了线性假设，文章中运用了三种不同的计量方法，但是三者在主变量的显著性上并不一致。陆铭和陈钊(2004)的样本区间为1987—2001年，指出中国持续扩大的城乡收入差距源于地方政府实施的带有城市化倾向的经济政策，金融发展本身并无显著影响。该文得出与章奇等(2004)不同的结论，但未讨论内生性问题。

温涛等(2005)运用时间序列分析和格兰杰因果检验(Granger Causality Tests)对1952—2003年间中国的整体金融发展进行了研究，发现整体金融发展对农民收入的增长具有显著的负效应，并扩大了城乡收入差距。叶志强等(2011)将数据集扩展到了2006年，并参照Beck et al. (2007)的实证框架，指出金融发展对农村居民人均收入有显著的负向影响，对城镇居民人均收入则无显著影响。但该研究同样忽略了金融发展的内生性，也没有考虑政府对农业的财政支出。孙永强和万玉琳(2011)用泰尔熵指数度量城乡收入差距，运用中国1978—2008年间的省级数据，采用面板误差修正模型考察了金融发展、对外开放和城乡收入差距三者之间的长期关系，认为在长期金融发展会显著扩大城乡居民的收入差距。此外，Gimet and Lagoarde-Segot(2014)运用1994—2002年间49个国家的数据，发现金融发展与收入差距存在显著正向因果关系。并且，这种关系取决于金融部门的性质，而非其规模。相比于资本市场，银行部门对不平等有更强的影响。

1.3 金融发展与收入差距之间的非线性关系

Greenwood and Jovanovic(1990)认为金融影响家庭获得更高投资回报的可能性。他们假设，金融中介在项目识别方面具有绝对优势，其参与有助于提高投资者的投资回报率乃至社会的整体效率，并促进经济增长。然而，进入金融市场(接受到金融中介的服务)需要支付一定的固定成本，这个成本在初期并不是每个人都能支付得起。随着经济发展，越来越多的人有能力支付这一成本并接触到金融市场与金融中介，进而有机会获得更高的投资回报。Townsend and Ueda(2006)扩展了Greenwood and Jovanovic(1990)的理论，并指出贫富差距与金融发展之间的关系并非是单调的。Demirgüç-Kunt and Levine(2009)提出金融会影响不同个体的投资回报率。当金融市场的发展程度很低的时候，其不完美程度对投资机会造成了很大的限制；或者如果较高的初始资本会带来较高的投资回报，那么通常只有富人才能够通过投资来积累财富，贫富差距无疑会被扩大。Kim and Lin(2011)认为金融发展与城乡收入差距关系取决于某一国家金融发展的水平，强调了门槛的作用。

中文实证文献方面，丁志国等(2011)利用我国1985—2009年各省的数据证明了我国城乡收入差距与经济发展间存在倒U型关系。此外，结果显示单位GDP的农业贷款额、贷款网点比率、就业城市化等因素能显著缩小城乡收入差距。胡宗义和刘亦文(2010)对金融非均衡发展与城乡收入差距的关系进行了研究，研究结果支持倒U型关系，并发现拐点出现在金融发展20%～60%的分位数水平区间。而关于金融发展与收入差距的倒U型机制形成原因，孙永强(2012)虽未证实倒U型关系，但指出城市化可能是金融发展缩小城乡收入差距的中间渠道。杨楠和马绰欣(2014)研究两者的时变关系，并具体探讨了中国地区间的阶段性差异。

1.4 小结

现有理论文献对金融发展与收入差距之间的关系尚未取得一致结论。一些学者认为金融发展更有利于低收入者且会缩小收入差距。因为金融发展直接地降低进入金融市场、接受金融服务和管理风险的门槛，同时间接地通过增加劳动力市场的需求来促进就业公平并提高工资，有利于低收入者通过教育积累人力资本和拥有才能却缺乏初始资本的人成为企业家，使得经济机会的分布更加广泛。也有学者认为金融发展虽然会提高金融服务质量并降低服务成本，但由于存在进入门槛，只有已经在金融市场中的富裕阶层才能因此获益。即使金融市场的进入门槛会随着金融发展逐渐降低，富裕阶层仍会比穷人更加有效地利用金融服务积累财富，使得贫富差距进一步扩大。

实证研究大多认为金融发展有助于缩小贫富差距，尤其在金融发展的过程中，低收入的家庭和小公司会比富裕家庭和大公司获得更多经济机会。在家庭层面上，金融发展有助于平滑消费和对人力资本投资进行融资；在公司层面上，金融可得程度往往与高回报和更好的公司业绩相联系。中文文献大多支持金融发展扩大贫富差距，这可能与相关研究对中国城乡二元体制及其经济影响的控制程度有关。中国城乡收入差距较高的地区往往是那些整体经济不够发达、金融服务也很难覆盖的地区，金融发展并不完全外生于模型。国内已有研究多是利用各省或者全国的经济总量数据衡量金融发展与城乡收入差距之间的关系，这虽然可以很好地捕捉金融发展的整体效应(包括直接效应和间接效应)，但却存在内生性引起的识别问题。章奇等(2004)系统地考虑了内生性的问题，但通过不同方法得到的实证结果并不一致。

2 计量模型与变量构造

本文从两个层面讨论金融发展与收入差距的关系，一是金融发展与城乡收入差距，二是金融发展与城镇内收入差距，从而避免二元体制可能带来的影响，以期得到更一般性的结论。对中国的省级面板数据来讲，固定效应较之混合回归和随机效应更为广泛地采用。[注]如章奇等(2004)、陆铭和陈钊(2004)、叶志强等(2011)。英文文献中，Clarke et al. (2006)采用了随机效应模型，因为回归模型中包含了不随时间变化的虚拟变量，致使固定效应估计失效。本文运用双因素固定效应模型进行实证分析，这在理论上也符合模型的内涵假设，因为金融发展程度显然与省级效应相关。并且，以中国的情况而言，城乡收入差距较大的省份往往是不够发达的省份，很难吸引金融资源。因此，对于这个问题的研究，也必须考虑内生性问题。

2.1 计量模型与变量定义

2.1.1 金融发展与城乡收入差距

为了考查金融发展对中国城乡收入差距的影响，本文设定了以下基本的面板回归模型：[注]本文样本的截面跨度为31，时间跨度为18，仍可认为是一个短面板。故，不着重考虑面板时间序列特征。

其中，下标i和t分别表示第i个省级行政单位和第t年。INE和URRATIO表示以城镇居民平均可支配收入与农村居民平均纯收入之比度量的城乡收入差距，前者基于总收入(涵盖工资性收入和财产性收入)，后者基于财产性收入。FD表示以金融深度度量的金融发展指标，FD2是其二次项，用来捕捉金融发展对城乡收入差距影响的库兹涅茨效应。CV表示控制变量，在固定效应模型中特别包括了地区固定效应γi和时间固定效应δt。ε是随机干扰项。如果金融发展与城乡收入差距之间的库兹涅茨效应存在，则回归结果应显示：α1显著大于0且α2显著小于0。

2.1.2 金融发展与城镇内收入差距

为了考查金融发展对中国城镇内收入差距的影响，本文设定了以下基本回归模型：

(3)

其中，GINI表示以基尼系数度量的城镇内收入差距。其他变量设置与模型1相同。如果金融发展与城镇内收入差距之间的库兹涅茨效应存在，则回归结果应显示：α1显著大于0且α2显著小于0。

2.1.3 金融发展的度量

如何量化金融发展是金融深化理论提出后此领域研究面临的共同问题。McKinnon(1973)采用的是货币存量M2与GDP的比值，然而这一方法只能反映货币流通情况，无法与经济增长、收入分配等议题相匹配，随后即被认为存在缺陷。自Levine and Zervos(1998)使用银行对私人部门贷款总额与GDP比值度量金融发展以后，这个指标就被广泛接受。中国金融体系以商业银行为主体，其中又以存贷业务占比最多。因此，本文以银行贷款总额占GDP比重这一指标度量金融发展。[注]金融发展缩小收入差距的关键机制，在于金融市场和金融中介的发展使得低收入者能够获得更多的经济机会，如投融资机会、成为企业家机会(包含自雇劳动和自营工商业)等。银行体系的发展可以促进金融接触(Financial Access)，这已被众多文献所证明。就本文而言，银行贷款总额占GDP比重的增大意味着更多的借贷机会，即意味着更多的经济机会。这对于城市和农村具有相同的效果。

2.1.4 省级城镇基尼系数的计算

本文用基尼系数度量城镇内收入差距(Ray, 1998)。城镇基尼系数运用各省统计年鉴中“人民生活”项的城镇居民收入分组数据计算得到，方法参考谢建国和丁方(2011)。各省统计年鉴一般将城镇居民按照平均收入从低到高分为7组，每组分别占抽样总数的10%、10%、20%、20%、20%、10%、10%，以Xi表示各组的人口累计百分比，Yi表示各组的收入累计百分比，则城镇基尼系数为：

(4)

2.1.5 控制变量

在考察金融发展与城乡收入差距时，包含在模型中的控制变量如下：

(1) 二元对比系数(A_nA)：农业部门与非农业部门之间的二元结构是中国城乡收入差距的主导因素。为了控制二元结构对城乡收入差距的影响，本文根据彭建刚和李关政(2006)计算了二元对比系数：[注]此构造由陈宗胜于1994年提出(《经济发展中的收入分配》，上海人民出版杜)，最初只包含农业—工业的二元对比，彭建刚和李关政(2006)通过引入第三产业将其扩展为农业—非农业二元对比。

(5)

其中，非农业部门包括第二和第三产业。某部门比较劳动生产率等于其产出所占比重与投入劳动力所占比重之比。二元对比系数越低，说明二元性越强。预测其对城乡收入差距的影响为负。

(2) 人均实际GDP(GDP per capita以下简化为GDPp c，1991年价格)：Demirgüç-Kunt and Levine(2009)指出，金融对收入分配的影响可以分解成两个方面：一是通过促进经济增长增加低收入者的收入，二是通过改变洛伦兹曲线(Lorenz curve)影响不同阶层的相对收入。本文关心后者，回归模型应当控制人均实际GDP(取自然对数)。本文还引入其二次项以控制经济发展对收入差距的库兹涅茨效应(章奇等，2004；Clarke et al.,2006)。[注]对于名义值与实际值之间的差异，作者尝试过三种调整方式： GDP per capita Deflator、GDP Deflator和CPI。发现通过前两种方式计算出来的调整因子相差在1%以内，与第三种方式相差在10%以内。考虑到经济含义以及数据准确性，本文采用了第一种方式计算得到的人均实际GDP。

(3) 政府农业支出(AGRI)：农业支出占当年政府财政支出的比例，是支农政策的代理变量。可以预期，较高的农业支持将有助于缩小城乡差距，预测其符号为负。

(4) 政府财政支出(FIS)：当年政府财政支出占GDP的比例。由于政府政策存在城市化倾向(陆铭和陈钊，2004；温涛等，2005)，预测此项符号为正。

(5) 外贸的活跃程度(TRADE)：当年进出口总额占GDP的比例。对外贸易一般发生于城镇，故预测此项系数为正。

(6) 现代部门贡献率(MSVA)：当年第二、三产业增加值占GDP的比例，是产业结构的代理变量。考虑到其与二元对比系数之间可能存在多重共线性，故作为最后一个变量逐步加入回归模型。

在考虑金融发展与城镇内收入差距时，需要控制的因素有：(1)人均实际GDP；(2)政府财政支出；(3)外贸的活跃程度。认为更高的政府财政支出意味着对富人更高的税收和对穷人更多的转移支付(Clarke et al.,2006)，预期更高的政府财政支出有助于缩小城镇内收入差距。以国际贸易度量的开放程度会影响收入差距(Beck et al.,2007)，预测外贸的活跃程度会增大城镇内收入差距。

2.2 数据来源与描述分析

本文运用中国31个省级行政单位1991—2008年的面板数据。财产性收入来源于中经网数据库，其他资料均来自《新中国60年统计资料汇编》。选择1991—2008年这一时间区间是基于以下原因：

第一，现有研究发现，1990年是中国经济发展的一个拐点，之后经济进入了相对发达的时期，并且金融发展相对于经济发展是滞后的(如：章奇等，2004；陆铭和陈钊，2004；温涛等，2005)。这与Greenwood and Jovanovic(1990) 的理论背景恰好吻合，检验金融发展的库兹涅茨效应非常合适。

第二，农村经济改革的效应在1980年代后期逐渐释放干净。家庭联产承包责任制到1987年在中国大陆的所有省份均已推广，这无疑会对城乡收入差距造成影响。将时间区间截选自1990年以后则可以避免这些影响对估计的干扰。

第三，金融发展在1990年代也发生了变化。政府自1980年代末开始更加依靠金融体系作为主要的政策手段。中国农村金融的发展水平，无论是在信贷还是储蓄方面，与全国整体之间的差距都进一步地扩大了(章奇等，2004；温涛等，2005)。

变量的描述性统计如表1、表2所示。本文共有31个省的城乡545个样本点、城镇420个样本点。城乡收入差距变量ln(INE)和ln(URRATIO)的均值分别为1.014和1.331。城镇基尼系数ln(GINI)的均值为0.231。金融发展变量ln(FD)的均值为0.663。二元对比系数A_nA均值为0.218。

表1 金融发展与城乡收入差距： 描述性统计

表2 金融发展与城镇内收入差距： 描述性统计

3 实证结果

以下使用双因素固定效应模型(同时控制省份i和时间t)和工具变量法分别讨论金融发展与城乡收入差距和城镇内收入差距的关系，并进行了相关的稳健性检验。其中，对于城乡收入差距，进一步考虑了财产性收入。

之所以选择双因素固定效应模型，除其符合理论假设和实践中广泛使用外，对时间虚拟变量的联合显著性检验强烈拒绝“无时间效应”的原假设，所以本文在所有回归中也均包含了时间虚拟变量。另外，由于收入差距较大的省份往往经济不够发达，金融发展程度也较低，所以内生性问题必须慎重考虑。本文在此部分视金融深度为内生变量，采用其1阶滞后值作为工具变量进行估计。由于学术界对此尚无具体而公认有效的框架，本文参考Demirgüç-Kunt and Levine(2009)的观点，在各种计量方法的假设都与现实存在诸多不同时，通过不同计量方法得到类似的结论即认为在一定程度上是稳健的。

3.1 金融发展与城乡收入差距

表3报告了基于总收入的模型1的回归结果。本文在双因素固定效应回归中使用聚类稳健标准差控制可能的异方差和序列相关。对于可能存在的干扰项组间相关，作者通过Friedman(1937)和Pesaran(2004)检验，均无法拒绝“不存在组间截面相关”的原假设。由表3可以看出，对于双因素固定效应回归，在逐步加入控制变量的过程中，金融深度线性项(ln(FD))系数始终显著为正，其二次项(Sqr of ln(FD))系数显著为负。根据回归(6)，ln(FD) 的系数为0.841，二次项系数为-0.498，可知拐点处于ln(FD)的84.44百分位。这表明在样本期间内，以金融深度度量的金融发展与我国城乡收入差距之间存在倒U型的库兹涅茨关系。[注]本文也尝试了其他指标。樊纲等(2010)编制的“信贷资金分配市场化”(1997—2007)指标衡量了金融机构贷款中非国有企业贷款所占比重，该指标得分越高表示金融市场化程度越深，亦即民营企业和民营企业家获得融资的机会越大。本文以其替代“银行贷款总额/GDP”来衡量金融发展。结果显示，该变量一次项系数显著为负，二次项系数不显著，即金融发展有助于缩小城乡收入差距。考虑到该指标的样本期间为1997—2007年，其实证结果与运用1991—2008年样本得到的倒U型关系具有一致性。控制变量中，二元对比系数(A_nA)显著为负，表明二元性增强会导致城乡收入差距扩大；农业财政支出(AGRI)显著为负，说明政府对农业的支持有助于缩小城乡收入差距。工具变量法回归系数通过2SLS估计，结果类似，支持金融发展与城乡收入差距之间存在倒U型库兹涅茨关系。金融深度的线性项和二次项系数显著性增强。二元对比系数和农业财政支出同样对城乡收入差距表现出显著影响：随着二元性的减弱和农业扶持的增强，城乡收入差距有缩小的趋势。

表4报告了基于财产性收入的模型2回归结果，估计方法和模型1相同。工具变量法回归结果表明，金融深度线性项(ln(FD))系数始终显著为正，其二次项(Sqr of ln(FD))系数显著为负，金融发展对城乡财产性收入差距的影响也表现出库茨涅茨效应。与工具变量法相比，双因素固定效应回归结果在主变量的符号上保持了一致，大小略有改变，显著性水平变弱。类似地，由双因素固定效应回归(6)可得，ln(FD)系数为4.128，Sqr of ln(FD)系数为-2.338，拐点处于ln(FD)的88.28百分位，这与模型1得到的结果比较接近。此外，对比基于总收入的回归结果，基于财产性收入的回归结果中，金融发展与其二次项的回归系数的绝对值明显增大，可见我国金融发展对城乡财产性收入差距的影响要大于对工资性收入差距的影响。这与文献中所指出的，金融发展更与财产性收入直接联系、与工资性收入联系相对间接具有一致性。

出于稳健的目的，本文同样使用了金融深度的滞后1—2期值，利用过度识别的广义矩估计(GMM)方法对模型1和模型2进行了估计，系数的符号和显著性均无改变。结果见表5。

3.2 金融发展与城镇内收入差距

表6报告了金融发展对城镇内收入差距(模型3)的估计结果。此处的收入变量是指总收入。由于城镇内财产性收入的分组数据不可得，无法构造城镇内财产性收入的GINI系数，因此无法对城镇内财产性收入差距进行相关回归。

表6 金融发展与城镇内收入差距

VARIABLESln(GINI): 双因素固定效应ln(GINI): 工具变量法(1)(2)(3)(4)(1)(2)(3)(4)ln(FD)0.242***0.230***0.226***0.203***0.282***0.276***0.274***0.247***(0.08)(0.08)(0.08)(0.07)(0.07)(0.07)(0.07)(0.07)Sqr of ln(FD)-0.154***-0.150***-0.147***-0.132***-0.170***-0.168***-0.166***-0.150***(0.05)(0.05)(0.05)(0.04)(0.04)(0.04)(0.04)(0.05)ln(GDP pc)-0.0382-0.03490.0116-0.0127-0.01110.0522(0.05)(0.05)(0.06)(0.04)(0.04)(0.05)Sqr of ln(GDP pc)0.002640.00237-0.000550.0008910.000751-0.00299(0.00)(0.00)(0.00)(0.00)(0.00)(0.00)FIS-0.0186-0.0316-0.0097-0.0325(0.03)(0.03)(0.04)(0.04)TRADE0.0173**0.0192**(0.01)(0.01)Constant0.05710.2030.1970.02080.160***0.2040.204-0.0537(0.04)(0.29)(0.29)(0.32)(0.03)(0.23)(0.23)(0.24)Observations420420420420376376376376No. of Provinces3131313131313131R-squared0.8450.8470.8470.850

注： 括号里的数字为标准误差。***、**、*分别表示在1%、5%、10%显著性水平上显著。

从表6可以看出，在逐步加入控制变量的过程中，金融深度线性项(ln(FD))系数一直显著为正，其二次项(Sqr of ln(FD))系数则显著为负。这说明在样本期间内，以金融深度衡量的金融发展对城镇内收入差距的影响存在倒U型的库兹涅茨效应。同时也说明，排除二元体制对评估收入差距的结构性影响之后，金融发展对收入差距的库兹涅茨效应依然存在，支持了Greenwood and Jovanovic(1990)的理论预测。由双因素固定效应回归(4)可知，ln(FD)的系数估计值为0.203，二次项系数估计值为-0.312，拐点处于ln(FD)变量的76.89百分位。相比于金融发展影响城乡收入差距的库兹涅茨效应拐点，金融发展影响城镇内收入差距的拐点要更早一些。在控制变量中，贸易的开放性(TRADE)会显著增大城镇内收入差距，与预期相符。工具变量法回归系数通过2SLS估计。在考虑内生性以后，结果类似。金融深度的线性项和二次项系数均处于1%的显著性水平。

与估计金融发展对城乡收入差距的影响类似，出于稳健的目的，本文使用了金融深度的滞后1～2期值，利用过度识别的广义矩估计方法对金融发展与城乡收入差距(模型3)进行了估计，系数的符号和显著性均无改变。结果见表7。

表7 金融发展与城镇内收入差距： 广义矩估计回归结果

注： 括号里的数字为调整后标准误差。***、**、*分别表示在1%、5%、10%显著性水平上显著。

3.3 稳健性检验[注]由于篇幅所限，正文并未报告稳健性检验的细节。相关结果请见附录。

3.3.1 不包含“人均GDP”的估计

Clarke et al. (2006)指出，虽然人均实际GDP是讨论金融发展与收入分配关系时最重要的控制变量之一，但它与金融发展之间却很可能存在多重共线性，进而对估计结果产生影响。因此，本文在估计“金融发展与城乡收入差距”、“金融发展与城镇内收入差距”时，均分别删去人均实际GDP的线性项和二次项，发现变量系数的符号和显著性均未有实质改变，说明计量结果稳健。

3.3.2 平衡面板数据估计

之前在估计“金融发展与城乡收入差距”关系时，运用了中国31个省级行政单位1991—2008年的非平衡面板数据，样本中黑龙江、广东、四川3省的数据在某些年份有所缺失，但是这并不影响固定效应的估计结果。为了稳健，删去这3省的全部数据以构成平衡面板。类似地，在估计“金融发展与城乡财产性收入差距”关系时，删去了黑龙江和西藏的全部数据；在估计“金融发展与城镇内收入差距”关系时，删去9个省7年的全部数据以构成平衡面板。估计结果显示，变量系数的符号和显著性均未有实质改变。

3.4 进一步讨论

本文的数据样本既采用了非平衡面板，也采用了平衡面板；计量模型既使用了固定效应，也使用了工具变量法和广义矩估计；既有恰好识别，也有过度识别。所有的估计结果都显示中国金融发展与收入差距之间是倒U型非线性关系，根据Demirgüç-Kunt and Levine(2009)的评判标准，这个结论在一定程度上是稳健的。对此，Greenwood and Jovanovic(1990)的理论提供了非常好的解释，认为金融可以使家庭获得更高投资回报的机会，金融中介在项目甄别、风险管控等方面具有绝对优势，其参与有助于提高投资者的回报率。然而，进入金融市场(接触到金融中介服务)需要支付一定的固定成本，这个成本在金融发展初期并不是每个人都能支付得起。所以，在金融发展的初级阶段，由于进入门槛的限制，较少人能够接触到金融市场的正外部效应；随着市场的发展，逐渐更多人进入并获得高投资回报，收入差距逐步扩大；最终，随着金融市场的高度发达，大部分人都有能力进入并从中获利，收入差距会转而开始降低。

过去较早的文献几乎没有金融发展缩小收入差距的发现。比如，章奇等(2004)采用1978—1998年的数据，陆铭和陈钊(2004)采用1987—2001年的数据，温涛等(2005)采用1952—2003年的数据。可能的原因在于，早期研究处于金融发展的较早阶段。因此，本文截取早期资料(1991—2000年)进行检验，发现用早期样本也得到金融发展扩大收入差距的结果。本文推论，当金融发展程度较低时，金融资源向城镇倾斜，对于城镇的融资需求贡献较大，易扩大收入差距。随着城市化发展加速，乡村区域的发展速度大于城镇，金融资源可以较有机会服务于低收入者，从而产生拐点，对缩小城乡差距起到作用。此外，我们也针对城镇进行研究，发现早期城镇数据倒U型也存在。合理的推测是，由于城镇的金融发展水平较高，即使截取样本早期的数据也已经涵盖了其金融发展的拐点。之前研究并没有详细分析城镇内的收入差距，没有得出与我们类似的结论。

关于库兹涅茨效应的拐点数值，本文基于城乡总收入差距和财产性收入差距，分别得到处于金融发展指标自然对数的84.44百分位和88.28百分位。对于城镇内总收入差距，则处于金融发展指标自然对数76.89百分位。回归结果具有较高的一致性。过去检验城乡收入差距的文献也有部分支持倒U型关系(丁志国等，2011；胡宗义和刘亦文，2010)。胡宗义和刘亦文(2010)运用2007年我国2861个县(市)横截面数据，使用了与本文相同的“金融发展”和“城乡收入差距”指标构造方法，采用非参数检验给出了一个金融发展的库兹涅茨拐点的估计。其拐点值出现在2007年县(市)金融发展的20%～60%分位数附近，即FD值位于27%至51%之间。这个结果与本文估计的80%左右是有区别的(即使是在考虑了本文的对数化的情况下)。结果的区别主要来自于两点：首先，胡宗义、刘亦文(2010)使用的非参数模型并不包含控制变量，而本文则是通过回归分析研究在控制了其他因素后，金融发展对收入差距的残差的解释力度，二者的经济含义不同。其次，胡宗义和刘亦文(2010)使用的是2007年横截面数据，本文则使用的是面板数据。由于金融发展这一变量具有相当的时间序列特征，故而不同的数据来源也会造成对拐点估计的不同。

4 结论与政策涵义

本文利用中国31个省级行政单位1991—2008年的面板数据，通过金融机构贷款额占GDP比重所度量的金融深度衡量金融发展程度，以城乡居民收入比衡量城乡收入差距，以城镇基尼系数衡量城镇内收入差距，在控制城乡二元体制对收入分配的影响后，对金融发展与收入差距之间的关系进行了实证研究。结果表明，在控制了其他因素和内生性后，金融发展对收入差距的影响，无论是城乡间还是城镇内，都存在倒U型的库兹涅茨效应。基于1997—2012年城乡财产性收入数据的实证结果也具有一致性。这为Greenwood and Jovanovic(1990)的门槛理论提供了实证证据。本文同时表明，除金融深度以外，二元体制与政府对农业的支持同样会显著影响城乡收入差距。本文并不拒绝金融市场的正外部效应，而是指出这样的正外部效应可能会因为“进入门槛”的阻碍而无法被低收入阶层和农村居民获得。

就中国现状来看，金融的门槛效应十分明显。我国的经济政策和金融发展带有明显的城市化倾向、地域倾向和向财富阶层偏移的倾向。除了财富所造成的门槛外，经济政策和金融发展倾向及其导致的农村金融发展整体落后、大型国有银行垄断、中小企业融资困难、贫穷家庭子女的教育支持等问题，都对农村居民、低收入居民、缺乏资金的企业家以及迫切需要积累人力资本以改变收入现状的穷人子女造成门槛，使得收入差距持续存在甚至进一步扩大。因此，虽然面临相关制度设计的挑战[注]偏向穷人的政策可能意味着更高的逆向选择和道德风险，会导致社会整体效率的降低(Aghion and Bolton, 1997; Piketty, 1997; Bardhan, 2000)。，本文仍建议政府的金融政策应该更加关注农村居民和低收入者，以降低他们所面临的金融市场进入门槛，助其积累人力资本并获取投融资机会。

附录： 稳健性检验

附表1 金融发展与城乡收入差距： 稳健性检验—去除人均实际GDP

附表2 金融发展与财产性城乡收入差距： 稳健性检验—去除人均实际GDP

附表3 金融发展与城镇内收入差距： 稳健性检验—去除人均实际GDP

附表6 金融发展与城镇内收入差距： 稳健性检验—平衡面板数据估计

VARIABLESln(GINI): 双因素固定效应ln(GINI): 工具变量法(1)(2)(3)(4)(1)(2)(3)(4)ln(FD)0.233**0.202**0.207**0.193**0.258**0.245*0.256**0.229*(0.0978)(0.0899)(0.0927)(0.0825)(0.131)(0.130)(0.130)(0.129)Sqr of ln(FD)-0.154**-0.143**-0.146**-0.141***-0.146*-0.147*-0.155*-0.142*(0.0587)(0.0528)(0.0548)(0.0491)(0.0858)(0.0841)(0.0842)(0.0835)ln(GDP pc)-0.183**-0.163**-0.0429-0.149**-0.126*-0.0165(0.0850)(0.0726)(0.103)(0.0685)(0.0701)(0.0862)Sqr of ln(GDP pc)0.007380.00598-0.0005630.00591*0.00432-0.00148(0.00459)(0.00396)(0.00554)(0.00324)(0.00340)(0.00434)FIS-0.0825-0.131-0.108-0.160**(0.108)(0.127)(0.0701)(0.0735)TRADE0.0269*0.0258**(0.0145)(0.0126)Constant0.117***1.144**1.082**0.5430.161***1.042**0.983**0.480(0.0398)(0.463)(0.414)(0.525)(0.0479)(0.419)(0.420)(0.475)Observations242242242242220220220220No. of Provinces2222222222222222R-squared0.8000.8100.8110.816————