【摘要】通过运用数据包络分析法（DEA模型），测度2009-2015年我国31个省（市、自治区）的金融扶贫效率值，在此基础上运用泰尔指数（Theil Index）对我国八大综合经济区的农村金融扶贫效率差异进行分解，并运用Moran’s I指数对各地区金融扶贫效率的空间相关情况及空间关联模式进行分析。结果表明：我国各地区农村金融扶贫效率整体水平不高，并呈南高北低、东高西低的空间非均衡分布；农村金融扶贫效率区域总差异在2012年以前主要体现为区域间差异，之后则受区域内差异影响较大，单个区域中，以大西北地区内各省差异最大；农村金融扶贫效率在空间分布上具有显著的区域聚集效应，且呈现一定的路径依赖特征，此外，相邻地区间还存在较强空间溢出效应。因此，要提高我国农村金融扶贫效率，应进一步优化农村金融资源配置，提高金融扶贫效率；把握区域差异特点，提高金融扶贫精准度；加强区域金融合作交流，促进区域间金融资源合理流动；等等。
【关键词】农村金融扶贫效率；区域差异；空间自相关分析
一、引言
金融扶贫在提高扶贫精准度及增强贫困家庭减贫、脱贫的自我能力方面具有独特的不可替代的作用。自精准扶贫、精准脱贫方略实施以来，各地先后开展了金融扶贫的实践。据统计，2016年全国贫困地区金融扶贫贷款余额达24878亿元，单年增加8181亿元。①金融扶贫效果在各地的实施情况及效果等问题受到普遍关注。因而对我国金融扶贫的效率及其区域差异、空间分布特征等进行研究，对于提升我国农村金融扶贫有效性和精准性、缩小区域间金融扶贫效率差距以及加快完成脱贫攻坚任务等方面具有重要意义。
目前，金融扶贫效果问题是理论关注的重点领域。学者们进行了诸多研究，取得了一些成果。主要有以下几个方面：第一，金融发展通过促进经济增长来缓解贫困。金融发展可以通过经济增长[1][2]、收入分配调节[3][4]等间接机制以及直接向贫困人口提供全面的金融服务来缓解贫困[5][6]。但受地区金融市场发展程度等因素制约，金融发展与贫困减缓之间并非简单的线性关系，而多呈“倒U型”，即地区贫富差距会随着金融发展先升后降。第二，农村金融扶贫实效性受多种因素的影响。农村金融供需对接不顺畅[7]、服务体系不完善、保障机制不健全[8]等因素会制约金融扶贫实效性的提升；而金融减贫过程中的门槛效应会影响不同经济发展水平地区的金融扶贫效应[9][10]，金融波动时甚至对贫困减缓产生负效应［11］。第三，农村金融资源配置效率及其提升路径。大部分国外学者研究了不发达国家或地区的农村金融资源配置效率，尤其是农村信贷资金配置效率［12］［13］［14］；采用随机前沿分析法［15］等实证研究，发现不发达国家的农村金融资源配置效率普遍低下[16]。因此，应通过农村金融机构创新[17]、完善农村金融制度和竞争环境等途径来提升资金配置效率。第四，对农村金融效率进行了度量。如以生产函数模型为分析框架进行参数估计［18］［19］，通过资金要素的边际产出衡量农村金融效率［20］；运用DEA模型分析地区农村金融投入产出效率及其影响因素[21][22]［23］［24］。第五，探讨了测度金融扶贫效率的指标。在投入指标方面，或者以农业信贷作为单一投入变量［25］，或者以人均涉农贷款、人均农业劳动力、人均农业资本作为多元投入变量［23］，还有学者将具有地理特性的金融机构营业网点覆盖率、地区金融从业人员占比等指标作为投入变量［21］；在产出指标方面，多数学者使用农民人均纯收入、人均农业增加值、城镇化率等经济维度指标；分析结果表明我国金融扶贫效率的整体水平不高，究其原因，主要是与各地区的农村金融市场发展程度［22］等因素有关。第六，分区域对农村金融扶贫效率进行比较。结果显示我国农村金融扶贫效率区域差异明显［26］，其中，东部地区的农村金融扶贫效率高于中西部地区［27］，而中部地区存在“塌陷”特征［28］；关于金融扶贫效率的空间分析发现，农村金融效率对农村经济存在正向空间溢出效应［29］，各地区金融扶贫效率存在空间相关性［30］。
目前，理论界关于金融扶贫效率的研究虽刚起步，但取得了诸多进展，尤其是在农村金融扶贫效率的研究方法和研究视角方面为后续研究提供了启发。但关于金融扶贫效率的测度及空间分布的研究仍显不足，尤其是关于金融扶贫效率的区域差异及空间分布研究的文献较少。基于此，本文试图运用数据包络分析（DEA模型）测度2009-2015年全国31个省（市、自治区）的农村金融扶贫效率，并采用泰尔指数（Theil Index）对全国八大综合经济区的金融扶贫效率差异进行分解，再运用Morans I指数模型对各地区农村金融扶贫效率的空间相关性、空间关联特征及其时空演化情况进行分析，以期对进一步提升农村金融扶贫效率、缩小其空间差异有所裨益。
二、研究方法及数据来源
（一）研究方法
本文采用DEA指数模型考察农村金融扶贫的投入产出效率。为此构建以产出为导向的规模报酬可变DEA模型（1）。
方程组（1）中，表示j地区的第i种投入变量，表示j地区的第k种产出变量。θ为决策单元效率值；ε为非阿基米德无穷小量；为单位向量；表示输入超量，表示输出亏量；为权重系数，代表j地区投入产出组合占全部组合的比重。当θ=1时，表明该地区金融扶贫为有效率，同时具备技术效率和规模效率；当θ＜1时，表明地区金融扶贫效率未达到最优，且θ值越小，表明效率越低。
为了分析我国农村金融扶贫效率的区域差异，本文将全国31个省（市、自治区）划分东北地区、北部沿海地区、东部沿海地区、南部沿海地区、黄河中游地区、长江中游地区、西南地区、大西北地区八大综合经济区，并构建金融扶贫效率区域差异分析的泰尔指数（Theil Index）模型（2）-（4）。泰尔指数数值越小，表明差异程度越小；数值越大，表明差异程度越大。
式（2）、（3）、（4）中，θi表示各省（市、自治区）农村金融扶贫效率；表示全国农村金融扶贫效率平均值；m为区域分组数；表示第k区域农村金融扶贫效率平均值与全国平均值之比；表示第k区域的省份数量占比；表示第k区域农村金融扶贫效率的泰尔指数值。表示区域间差异对地区总差异贡献率；表示区域内差异对地区总差异贡献率。
为了从整体上描述我国农村金融扶贫效率的空间分布特征，本文采用Moran’s I指数模型对我国农村金融扶贫效率进行全局空间自相关分析和局部空间自相关分析。其中，农村金融扶贫效率的全局空间自相关分析结果以全局Moran’s I指数表示，其公式见（5）。
式（5）中，I为全局Moran’s I指数值；为空间权重矩阵（相邻时，；不相邻时，=0）。全局Moran’s I指数的取值区间为[-1，1]；I＞0，表明具有空间正相关性，即相邻省份间存在聚集效应，且数值越大聚集效应越强；I＜0，表明具有空间负相关性，即相邻省份间存在离散效应，且数值越小离散效应越强；I=0，表明空间不相关，即相邻省份间是独立随机分布的。
同时通过标准化Z统计量检验各省农村金融扶贫效率空间自相关的显著性水平。
局部空间自相关分析结果则通过局部Moran’s I指数及Moran散点图表示。局部Moran’s I指数可以度量单个地区与其相邻地区的空间关联程度，Moran散点图则进一步将其空间关联分为高高（HH）、低低（LL）、高低（HL）和低高（LH）四种模式。
地区i的局部Moran’s I指数表示为：
式（7）中，为标准化的金融扶贫效率值。
在给定置信水平下，若，且，则地区i位于HH象限，为高高聚集区；若，且，则地区i位于LH象限，为低高聚集区；若，且，则地区i位于LL象限，为低低聚集区；若，且，则地区i位于HL象限，为高低聚集区。HH象限和LL象限表示该地区与其周围地区间具有正空间自相关性，存在空间聚集效应；LH象限和HL象限表示该地区与其周围地区间具有负空间自相关性，存在空间异常效应。
（二）数据说明
由于贫困主要是对人们生活状态的描述，通常用收入水平来衡量；在当前金融扶贫过程中，金融资本主要通过支持贫困地区产业发展来实现农户增收，因而本文选取农村人均纯收入（万元/人）指标作为投入指标，并用人均农业GDP(万元/人)作为补充指标；同时，选取代表金融服务覆盖率的每万人金融机构网点数（个/万人）、每万人金融服务人员数（个/万人），以及代表金融资本投入量的人均涉农贷款额(万元/人)、人均农业生产投资额(万元/人)等。
本文选取2009—2015年全国31个省（市、自治区）的数据作为分析样本。数据主要来源于历年《中国统计年鉴》《中国金融年鉴》《区域金融运行报告》《中国农村金融服务报告》以及中国人民银行网站。
三、实证分析
（一）基于DEA指数模型的金融扶贫效率测度
本部分首先使用DEAP 2.1软件，测算出全国31个省（市、自治区）2009-2015年金融扶贫效率值，从总体上分析全国各地区金融扶贫效率水平及其变动趋势；同时，借助ArcGIS 10.2空间计量分析软件，采用自然断裂聚类分析法，将2009-2015年各地区的农村金融扶贫效率分为低水平、中低水平、中高水平及高水平4个层次，具体结果如表1。
据此可以得到我国各地区金融扶贫效率具有以下特征。
第一，金融扶贫效率总体水平不高，存在较大提升空间。表1显示，2009-2015年我国农村金融扶贫效率值维持在0.724上下，处于中低水平；2009-2011年全国只有6个省（市、自治区）的效率值达到DEA最优，占比19.35%，分别为上海、江苏、浙江、广东、海南和西藏；浙江省的效率值则在2012年退出DEA最优，说明近几年浙江省的农村金融投入产出结构不太合理；而湖南省则通过不断优化农村金融资源配置，其效率值在2014年、2015年达到DEA最优。
第二，金融扶贫效率的均值具有不断增长的趋势。我国农村金融扶贫效率平均值在2012年虽跌至波谷，为0.689，但此后一直在上升，且增速较快，平均年增幅达到4.3%。其原因可能是，国家全面实施精准扶贫、精准脱贫战略，加大了金融扶贫投入力度，创新金融扶贫方式，推进农村普惠金融发展等一系列措施所产生的效果明显。
第三，从金融扶贫效率的区域分布特征来看，呈明显的南高北低、东高西低的空间非均衡分布特征，在一定程度上呈现出区域聚集现象。具体来看，2009-2015年上海、江苏、广东、海南以及西藏的农村金融扶贫效率一直处于DEA有效状态，说明这些地区的农村金融资本投入对于农村贫困减缓效果较好。其中，上海、江苏、广东和海南属等经济较发达地区，长期保持农村地区大量金融资源投入，农村金融市场和金融制度比较完善，同时农村居民的金融素质较高，金融服务使用意识较强，使得其农村金融扶贫效率较高；而处于西部地区的西藏自治区，经济发展水平较低，金融活动较为单一，但其金融扶贫效率较高，主要与供给较少而需求较大有关。安徽、湖北、湖南、浙江、贵州、广西、福建的农村金融扶贫效率在高水平和中高水平区域之间变动，并主要分布于长江中游、大西南及东南沿海地区。天津、山西、宁夏和青海一直处于农村金融扶贫效率低水平区域；而甘肃、陕西、内蒙古、吉林、辽宁、北京、重庆则在低水平和中低水平之间变动。
第四，从空间分布趋势看，我国农村金融扶贫效率值随年份变动有较大提升。具体表现为2010-2015年高水平区域所涵盖的省（市、自治区）数量由7个增加至8个，占比由22.58%上升至25.8%；中高水平所涵盖的省（市、自治区）数量由7个增加到11个，占比由22.58%上升至35.48%；中低水平所涵盖的省（市、自治区）数量由6个增加到7个，占比由19.35%上升至22.58%；低水平区域所涵盖的省（市、自治区）数量由11个减少为5个，占比由35.48%下降为16.13%。值得注意的是，近年来安徽、浙江农村金融资源配置方面存在投入冗余或产出不足现象，其效率水平下降，而湖北、湖南和贵州则水平上升进入高水平区域；黑龙江、内蒙古和河南等省金融扶贫效率增幅最高，分列前三；天津、山西、宁夏和青海在测度期间一直处于低水平区域，这些地区农村金融扶贫效率有待提高，需要重点关注。
第五，金融扶贫效率与地区经济增长不完全正相关。也就是说，经济产出效益大的地区，其农村金融扶贫并不一定是有效率的。如人均纯收入排名第一、第二位的天津和北京，其农村金融扶贫效率一直处于低水平和中低水平；经济发展水平较落后的西藏自治区、海南省的人均纯收入均未达到全国平均水平，但其农村金融扶贫却始终处于DEA最优。其原因可能是由于各地区经济产出效益所衡量的是其绝对值，而金融扶贫效率衡量的是金融资本投入对农民增收的带动作用，经济产出效益高的地区并不等于其金融资本投入已经发挥其全部效力。
（二）基于泰尔指数（Theil Index）的金融扶贫效率区域差异分析
从全国各地区农村金融扶贫效率水平及其空间分布状况分析发现，各地区效率水平存在较大差异且分布不均衡。本部分采用泰尔指数（Theil Index）模型，按八大综合经济区的区域划分法，将总差异分解为区域间差异和区域内差异，同时计算其对总差异的贡献率，具体结果见表2、图1-2。由此可以看出我国金融扶贫效率具有以下区域差异特征。
第一，我国农村金融扶贫效率在各地区之间分布不均衡，存在较大差异。2009-2015年我国农村金融扶贫效率总差异均值为0.0434，期间经历先增后减的变动，2012年区域总差异达到最大，泰尔指数值达到0.050，较2009年的差异程度增加27.19%。
第二，八大区农村金融扶贫效率差异呈现出三个档次。大西北地区内部各省的差异最大，其次是北部沿海、黄河中游和西南地区，东北、东部沿海、南部沿海、长江中游地区的差异变化则较平缓（见图1）。具体来说，2009-2015年间，大西北地区的差异变化趋势线要明显高于其他地区，差异平均水平达到0.073，区域内部各省（市、自治区）的农村金融扶贫效率存在很大差异，如西藏、新疆的效率值一直处于高水平及中高水平，而甘肃、青海、宁夏的效率值则一直处于低水平。北部沿海、黄河中游和西南地区，内部各省的差异平均水平分别为0.029、0.031、0.019；东北、东部沿海、南部沿海和长江中游地区内部各省（市、自治区）的差异则较低，平均水平分别为0.0034、0.0023、0.0056、0.0021，表明内部各省的农村金融在规模和结构上发展较为均衡。而从差异变化趋势来看，大西北地区内部农村金融扶贫效率差异变动最大，并逐年扩大。这一趋势的继续，会导致区域内各省（市、自治区）的农村金融发展形成“位差”，效率高省（市、自治区）会进一步将效率低省（市、自治区）的农村金融资源吸引过去，而形成“马太效应”，对地区经济均衡产生消极影响。北部沿海、黄河中游和西南地区的差异变动则存在“先升后降”的趋势，差异程度在到达“峰顶”之后，均逐步缩小。东北、东部沿海、南部沿海、长江中游地区的差异变化则较平缓，且长期处于较低水平，说明地区内部各省（市、自治区）间的农村金融结构、农村金融资源投入规模等长期保持一致。此外，区位相近省（市、自治区）间的金融聚集和辐射效应也是不可忽视的因素。
第三，从八大区域分布来看，我国农村金融扶贫效率总差异在区域内的差异与区域间的差异在不同年份有所不同。由图2可知，八大综合经济区的区域内部差异在2009-2012年逐年上升，之后则平稳下降，区域内部差异最大值在2012年达到0.026；区域间差异变化则较平稳，并有逐步下降的趋势，2015年区域间差异下降到期间最小值0.016。具体来看，2009-2011年间，区域内部差异小于区域间差异，区域间差异对地区总体差异影响较大；2012-2015年间，区域内部差异大于区域间差异，区域内部差异对地区总体差异影响较大。目前，八大综合经济区农村金融扶贫效率的区域内部差异和区域间差异均在逐渐缩小。现阶段，对总差异影响较大的是各区域的内部差异，尤其是大西北地区5省（自治区）之间的农村金融扶贫效率仍然呈扩大的趋势。
（三）基于Moran’s I指数的金融扶贫效率空间分布
为了进一步分析我国农村金融扶贫效率的空间分布特征，本部分采用全局和局部空间自相关分析法，使用Geoda 1.6.7空间计量软件，计算2009-2015年全国金融扶贫效率的全局Moran’s I指数、局部Moran’s I指数及其Moran散点图，结果见表3-4。据此可以得到我国农村金融扶贫效率具有以下空间分布特征。
第一，我国农村金融扶贫效率相似的地区表现出显著地理群集性特征，即存在较强的空间集聚效应。2009-2015年我国农村金融扶贫效率的全局Moran’s I指数值在0.395上下波动，均大于0，且通过P值小于0.01的显著性检验，说明我国各地区农村金融扶贫效率具有显著的空间正相关关系，即存在较强的空间聚集效应。但这种空间收敛性在不同年份程度会有所不同，呈先降后升的态势。Moran散点图也证明了这一点。表5显示，2009-2015年全国31个省（市、自治区）中位于HH和LL象限的地区，分别占比83.87%、77.42%、77.42%、70.97%、74.19%、74.19%及67.74%，表明这些地区的农村金融扶贫效率表现为空间上显著的正自相关性，即空间分布上存在依赖性。
第二，从其空间关联特征来看，我国地区金融扶贫效率呈南高北低、东高西低的聚集态势。2009-2015年期间，处于长江中游地区及东部、南部沿海地区的上海、江苏、浙江、安徽、福建、湖南、广东、广西以及海南等地区处于HH象限，这类地区经济发展水平较高，农村地区金融资源投入多，农村金融市场和金融制度较完善，使得其金融扶贫效率较高，对周围省份具有较强的空间溢出效应，从而其相邻省份农村金融扶贫效率也较高。位于北方地区的天津、河北、山西、内蒙古、辽宁、吉林、陕西、甘肃以及宁夏等地区处于LL象限，金融扶贫效率较低。重庆、青海则处于LH象限，自身的金融扶贫效率较低，而与效率值较高的省份相邻，一般情况下会受到正负两个方面的影响，即与高效率邻省（市、自治区）争取农村金融资源时会处于劣势，同时具有被高效率邻省（市、自治区）辐射带动的区位优势，其农村金融扶贫效率提升较快。
第三，从我国农村金融扶贫效率的时空演化情况来看，空间关联结构比较稳定，跨象限的跃迁现象较少。2009-2015年间的6个时间段内未发生时空跃迁，即省域自身及其邻省（市、自治区）保持原有关联模式不变，其省份占比分别为80.65%、80.65%、93.55%、90.32%、100%、90.32%，说明各地区农村金融扶贫效率的空间集聚性存在较高的路径锁定特征。但在不同时段，一些省（市、自治区）出现跨象限跃迁现象。如2009-2010年间北京、湖北、四川、贵州、云南、新疆6省（市、自治区）发生跨象限跃迁，2010-2011年间北京、山东、河南、四川、贵州、新疆6省（市、自治区）发生跨象限跃迁，2012-2013年间黑龙江、江西、湖北3省发生跨象限跃迁， 2013-2014年间各省（市、自治区）的效率值则保持空间上的稳定性，没有出现跨象限跃迁。2014-2015年黑龙江、贵州、福建3省发生跨象限跃迁，且3省的农村金融扶贫效率均有所下降。这说明，不仅效率值高的聚集区对效率值低的聚集区具有较强的辐射带动效应，效率值低的聚集区对其相邻地区也具有一定的锁定特征。
四、政策建议
本文运用数据包络分析，采用泰尔指数及Moran’s I指数模型等方法对我国各地区农村金融扶贫效率进行了实证研究，结果表明，我国农村金融扶贫效率的总体水平不高，金融扶贫效率的空间分布不均衡，且在地理分布上呈现空间相关性和集聚特征，同时在一定程度上存在空间溢出效应且依赖于空间邻近性。基于以上结论，为进一步缩小区域间金融扶贫效率差距，促进区域协调发展，本文提出以下对策建议。
（一）因地制宜，优化农村金融资源配置，提高金融扶贫效率
对于农村金融扶贫效率低的地区，首要任务是优化农村金融资源配置，实现供需有效对接，保证金融资源得到充分利用。具体做法包括：一是增加农村普惠金融供给，提高金融服务渗透率及使用性。为此，需要完善农村金融基础设施建设，加大农村金融服务网点下沉力度，实施“金融服务进村入户”工程；同时适当降低农村金融服务准入门槛，鼓励民间资本进入农村金融市场，加大涉农资金供给。二是加强农村金融知识普及宣传，实施“金惠工程”，保护贫困地区金融消费者权益；加快建设农村信贷、保险及贷款抵押、融资租赁等农村金融市场，促进农村金融各主体间供需平衡。三是通过加快农村金融法律法规立法进度、搭建中小企业和农户的信用信息收集平台、统筹出台金融扶贫优惠政策等措施，优化农村金融生态环境。
对于效率较高的地区，要建立地区农村金融扶贫长效机制，同时积极探索该区域的农村金融机构与其他效率较低地区金融机构的合作方式，使其在保持自身金融扶贫高效率的同时，发挥辐射带动作用。具体做法包括：实施农村金融扶贫激励政策，对涉农金融机构实行税收优惠和奖励措施；建立贷款增信支撑体系，在推进村民互保、联保、第三方担保等方式的基础上，激活农村担保资源；完善金融扶贫风险防范和补偿机制，金融机构自身要严格遵循审慎经营原则，建立风险关联共同体，增加风险防控保障；设立风险补偿基金，增加政策性农业保险。同时，实行金融扶贫东西协作、南北协作，建立对口互助机制；加强各地区金融扶贫经验交流，使全国开发性金融扶贫经验交流会常态化。
因地制宜，根据不同地区的具体有针对性地采取相关措施。对于经济产出效益较高地区出现的金融扶贫低效率，如北京市和天津市，应重点优化其内部金融产业结构，加强资金管理，减少冗余资金，提高资金使用效率。而对金融业不发达但农村金融扶贫效率较高的地区，如海南省和西藏自治区，则应逐步增加金融资金投入，实现金融服务多元化。
（二）把握农村金融扶贫效率区域差异特点，提高金融扶贫精准度
一是建立区域农村金融扶贫协调发展机制，防止区域差异继续扩大。具体做法包括：突破现有行政划区约束，以整体片区为单位进行资金投入、开发管理、绩效评估，通过共同投资、联合开发、股份运作等方式，建立区域金融扶贫利益共享机制；推进区域信贷市场信用体系建设，建立跨区域贫困数据共享机制，使各地区金融部门的扶贫信贷形成合理分工、优势互补的合作竞争格局；在确立区域整体金融扶贫战略规划的同时，扶贫开发政策应根据不同地区贫困状况有所侧重；完善财政扶贫资金转移支付增长机制，重点增加对农村金融发展薄弱地区的支持，探索建立区域间横向转移支付制度。
二是围绕各地区重点产业发展，加强金融支持力度，提高金融扶贫精准度。具体做法包括：结合各地区资源禀赋，培育发展有特色、可持续的扶贫支撑产业，提高金融扶贫资金回报率；推广“政府+银行+企业+贫困户”合作扶贫模式；拓宽金融支持产业发展渠道，适当加大农村非金融企业直接融资占比；推动农业规模化、集约化经营，提高农业产业获利能力，吸引金融资金增加投入；打造社会资本融资平台，根据扶贫项目类别不同，采取PPP等模式引进社会资本。
（三）加强区域金融合作交流，促进区域间金融资源合理流动
一是引导资金由高高聚集区（HH）向低低聚集区（LL）合理流动。具体做法包括：组建由区域金融机构、扶贫部门、企业组织代表共同参与的区域金融扶贫协调委员会，成立联合扶贫开发投资公司；建立区域农村金融大市场，清除市场壁垒，推进资本要素跨区域流动；建立区域融资平台，引导和协调区域间货币信贷政策；支持地区金融机构开展银团贷款和联合授信，扩大地区贷款服务网络；建立区域经济金融监测体系，建立经济调查监测分析协作和金融统计数据资料共享机制；以区域金融联席会、金融研讨会为基础，强化地区金融合作，并建立金融建立区域金融协作机制，消除行政区划对金融合作的阻碍。
二是从低低聚集区内部寻找突破口，优化区域农村金融布局。具体做法包括：利用北京市、天津市两个金融资源富集地区的区位优势，发挥其金融集聚和辐射带动功能，以点连线，以线带面，推动整个北方低低聚集区的扶贫开发；以京津冀协同发展战略为依托，联动地区扶贫开发资金投入；将新兴互联网金融技术和农村金融扶贫相结合，促进城市富余资金流向农村。
（作者简介：陈银娥，长沙理工大学经济与管理学院教授、博士生导师，研究方向为金融理论、普惠金融与反贫困问题研究；金润楚，长沙理工大学经济与管理学院硕士研究生。）
中国乡村发现网转自：《福建论坛》2018年第4期（总第311期）
(扫一扫，更多精彩内容！)
