非正規(guī)金融對農(nóng)村居民多維貧困影響研究

雷文杰 王敏杰 周磊 王杰 譚曌 曾雙珠

摘 ? 要：本文基于中國家庭追蹤調(diào)查（CFPS）2014年數(shù)據(jù)，構(gòu)建了包含個人行為能力和主觀感受的多維貧困識別體系，并運用多元線性回歸模型、Probit模型實證分析了非正規(guī)金融對我國農(nóng)村居民多維貧困的影響。結(jié)果表明非正規(guī)金融與農(nóng)村居民多維貧困之間存在倒U形關(guān)系，即在非正規(guī)金融借貸規(guī)模較小階段，隨著非正規(guī)金融借貸的增加，會加劇貧困，而在其借貸規(guī)模到某一臨界值之后，則會抑制多維貧困的發(fā)生，且減貧效應(yīng)隨著借貸規(guī)模增長不斷增強。因此在制定脫貧政策時，政府應(yīng)積極發(fā)揮非正規(guī)金融的正向作用，加強正規(guī)金融與非正規(guī)金融合作，有效利用非正規(guī)金融緩解農(nóng)村居民多維貧困狀況。

關(guān)鍵詞：非正規(guī)金融;多維貧困;貧困發(fā)生率;減貧效應(yīng)

中圖分類號：F832.3 ?文獻標識碼：A 文章編號：1674-2265（2019）05-0075-07

DOI：10.19647/j.cnki.37-1462/f.2019.05.012

自我國1978年改革開放以來，農(nóng)村脫貧事業(yè)取得驕人的成績。統(tǒng)計數(shù)據(jù)顯示，按當年價現(xiàn)行農(nóng)村貧困標準衡量，1978—2017年，我國農(nóng)村貧困人口減少了7.4億人，平均每年貧困人口規(guī)模減少將近1900萬人;農(nóng)村貧困發(fā)生率從1978年的97.5%左右下降到2017年的3.1%，年平均下降2.4個百分點，為全球減貧事業(yè)做出巨大貢獻①。黨的十八大以來，黨中央、國務(wù)院實施精準扶貧、精準脫貧基本方略，為實現(xiàn)2020年現(xiàn)行標準下農(nóng)村貧困人口全面脫貧打下堅實基礎(chǔ)。要解決農(nóng)村居民貧困問題，首先需要對其進行精準識別，《中國農(nóng)村扶貧開發(fā)綱要（2011—2020）》提出，農(nóng)村扶貧既要從收入維度衡量貧困，同時也要納入教育、醫(yī)療、社會保障、生活條件等維度進行考量。鄒薇和方迎風(fēng)（2011）認為僅從收入單一維度考慮無法全面衡量農(nóng)村居民貧困狀況，受教育程度、健康、生活條件等因素同樣需要重點關(guān)注，多維貧困更能準確反映農(nóng)戶貧困狀況?？梢?，農(nóng)村居民的多維貧困識別具有重要價值，有助于對貧困者進行“精準扶貧”，進而實現(xiàn)“精準脫貧”。

由于我國金融體系發(fā)展起步晚，使得在信貸供給和市場結(jié)構(gòu)等方面存在一些不足，還需要進一步發(fā)展和完善，加之各大正規(guī)金融機構(gòu)對資金的逐利性、安全性要求，使得我國農(nóng)村居民在融資方面受到較大約束，往往無法通過正規(guī)金融獲得足額借款。相比于正規(guī)金融，非正規(guī)金融在信息對稱性、門檻準入等方面具有優(yōu)勢，農(nóng)戶可以利用當?shù)厝司?、地緣和血緣關(guān)系獲得非正規(guī)金融資金支持，滿足其借款需求。黃建新（2008）認為由于正規(guī)金融存在欠缺和不足，非正規(guī)金融為廣大農(nóng)民和中小企業(yè)提供了金融服務(wù)，對經(jīng)濟發(fā)展起到積極作用，有其存在的必要性。譚燕芝等（2017）實證得出非正規(guī)金融的加入使部分農(nóng)戶獲得資金支持，從而有效降低農(nóng)村居民陷入貧困的可能，可以發(fā)揮積極的減貧作用。在精準扶貧、精準脫貧的關(guān)鍵時期，研究非正規(guī)金融對農(nóng)村居民多維貧困的影響對于實現(xiàn)全面脫貧具有重要意義。

一、文獻綜述和理論分析

（一）文獻綜述

目前，關(guān)于多維貧困的研究，國內(nèi)外已經(jīng)取得了一定成果，并應(yīng)用于一些國家的貧困識別與測度。Mark Tomunsond等（2008）基于英國家庭小組數(shù)據(jù)利用結(jié)構(gòu)方程模型從多個角度衡量貧困，分析表明1991—2003年間英國貧困人口減少的原因是物質(zhì)匱乏的減少，特別是經(jīng)濟負擔(dān)大幅減輕。Alkire和Foster（2011）提出了A-F雙重臨界值法對多維貧困進行識別，該方法已被學(xué)界廣泛接受。Sebastian Levine等（2014）基于烏干達家庭調(diào)查數(shù)據(jù)測算其多維貧困發(fā)生率，結(jié)果顯示多維貧困發(fā)生率呈現(xiàn)下降趨勢，并解釋了烏干達貧困減少的原因。Quentin Kane等（2017）基于2006—2011年貝寧人口與健康調(diào)查數(shù)據(jù)，通過多重對應(yīng)分析測算了多維貧困指數(shù)。Azeem等（2018）根據(jù)巴基斯坦90000個家庭調(diào)查數(shù)據(jù)從收入單維貧困和多維貧困兩個方面測量其貧困發(fā)生狀況，結(jié)果表明部分家庭在收入維度表現(xiàn)為非貧困但卻陷入多維貧困。國內(nèi)方面，也有不少關(guān)于多維貧困的研究，王艷慧等（2013）采用A-F雙重臨界值法對我國河南省南陽市連片特困區(qū)扶貧重點縣進行了多維貧困度量及空間格局分析。高帥和畢潔穎（2016）基于個人層面可行能力和主觀福利感受構(gòu)建多維貧困識別體系，認為農(nóng)村人口貧困狀態(tài)由一維貧困向多維貧困、絕對貧困向相對貧困轉(zhuǎn)變。謝家智和車四方（2017）運用人工神經(jīng)網(wǎng)絡(luò)法對我國農(nóng)村家庭多維貧困進行精準識別和維度分解。支俊立等（2017）基于中國家庭追蹤調(diào)查（CFPS）2010年、2012年數(shù)據(jù)對農(nóng)村居民進行多維貧困識別，并分別對多維貧困各項指標及25個調(diào)查省份進行分解識別。

為了解決低收入貧困居民借款難問題，政府通過實施各種優(yōu)惠貸款利率、成立政策性銀行等措施支持農(nóng)村發(fā)展，但由于種種因素的影響，仍然無法滿足農(nóng)村居民借款需求，而非正規(guī)金融則在很大程度上彌補了正規(guī)金融的不足，成為農(nóng)村居民的重要融資渠道，對農(nóng)村貧困起著重要的作用。Bell等（1990）測度了印度農(nóng)村信用合作社對農(nóng)村借貸市場的影響，分析得出正規(guī)金融與非正規(guī)金融存在某種相互作用。Lainez和Nicolas（2014）分析了在高利率、高風(fēng)險情況下越南非正規(guī)金融依然受到農(nóng)村家庭的歡迎及非正規(guī)金融在越南的借貸模式，認為非正規(guī)金融的存在是合理且必要的。Zhou等（2010）指出我國農(nóng)民難以從銀行甚至農(nóng)村信用社等正規(guī)金融機構(gòu)獲得足夠的貸款，為了滿足融資需要，農(nóng)民們選擇向非正規(guī)金融借貸，建立一個能夠滿足農(nóng)民需求的有效且高效的金融體系，需要發(fā)揮非正規(guī)貸款在農(nóng)村金融中的積極作用。胡宗義等（2014）研究發(fā)現(xiàn)正規(guī)金融抑制貧困的作用不具有持續(xù)性，只在短期對減貧有影響，在長期基本沒有影響，而非正規(guī)金融在短期和長期減貧效應(yīng)都很顯著。高遠東等（2014）基于農(nóng)村省級面板數(shù)據(jù)實證分析得出非正規(guī)金融對農(nóng)村貧困抑制作用明顯，并且減貧力度強于正規(guī)金融。謝婷婷等（2015）實證分析了新疆少數(shù)民族地區(qū)非正規(guī)金融的減貧效應(yīng)，發(fā)現(xiàn)其具有正向減少貧困作用。殷浩棟等（2018）研究表明貧困村互助資金對農(nóng)戶非正規(guī)金融借款具有明顯的替代效應(yīng)，在一定程度上可以調(diào)整非正規(guī)金融在農(nóng)村的借款結(jié)構(gòu)。趙潔（2018）利用中國家庭追蹤調(diào)查數(shù)據(jù)，實證分析了收入不平等與非正規(guī)金融對農(nóng)戶多維貧困的影響，認為非正規(guī)金融對農(nóng)村居民多維貧困具有顯著抑制作用，并能調(diào)節(jié)收入不平等對多維貧困的影響。

（二）理論分析

總的來說，基于人緣、地緣和血緣的密切關(guān)系，非正規(guī)金融借貸具有信息對稱度高、交易費用低、準入門檻低等優(yōu)勢，但非正規(guī)金融對于農(nóng)村居民多維貧困的影響學(xué)界尚未達成共識。張寧等（2015）研究發(fā)現(xiàn)非正規(guī)金融可以滿足低收入農(nóng)村居民的借款需求，使其收入增加，進而有效抑制貧困人口增長。Mohieldin等（2000）實證分析了埃及村莊金融市場，表明非正規(guī)金融借貸規(guī)模沒有正規(guī)金融大，但其活躍度高于正規(guī)金融。低收入貧困家庭可以通過非正規(guī)金融獲得借款從事非生產(chǎn)性活動，平滑消費。蘇靜等（2014）、張夢緣等（2017）基于門檻回歸模型研究指出，我國非正規(guī)金融對農(nóng)村貧困具有顯著的非線性影響，且呈現(xiàn)出門檻效應(yīng)，即在非正規(guī)金融借貸的發(fā)展處于較低階段，非正規(guī)金融會促進農(nóng)戶貧困，在越過門檻值達到一定水平后，非正規(guī)金融則呈現(xiàn)出顯著的減貧效應(yīng)。陳銀娥等（2010）研究發(fā)現(xiàn)非正規(guī)金融發(fā)展會起到加劇農(nóng)村貧困的負面作用，認為農(nóng)村貧困問題導(dǎo)致了非正規(guī)金融產(chǎn)生和發(fā)展。韓悅等（2015）研究表明非正規(guī)金融對于農(nóng)村居民脫貧作用具有不穩(wěn)定性，容易受到正規(guī)金融、財政支農(nóng)、政府補貼等相關(guān)因素的影響，而正規(guī)金融顯著抑制貧困的發(fā)生。

本文的探索主要有以下兩方面;第一，在選取教育、健康、收入、生活條件四個反映個人行為能力維度基礎(chǔ)上，進一步引入生活滿意度、未來信心度、社會公平感三大主觀心理感受構(gòu)建多維貧困識別測度體系;第二，將非正規(guī)金融對收入貧困單一維度的影響擴展到多維貧困層面，且充分考慮非正規(guī)金融對農(nóng)戶脫貧的非線性影響，在模型構(gòu)建時引入平方項探索非正規(guī)金融對農(nóng)戶多維貧困的減貧效應(yīng)。

二、數(shù)據(jù)來源與指標選取

（一）數(shù)據(jù)來源

本文研究數(shù)據(jù)來源于中國家庭追蹤調(diào)查（CFPS），CFPS2010年基線樣本覆蓋了25個省/市/自治區(qū)，代表全國95%的人口，完成對14960戶家庭、33600名成人、8990名兒童的訪問，并在后期每兩年進行一次追蹤調(diào)查，以此來反映中國社會、經(jīng)濟、人口等方面的變遷。鑒于本文研究需要，選取2014年CFPS中的相關(guān)數(shù)據(jù)，通過對數(shù)據(jù)的篩選以及缺失值的剔除處理，最后選取了5002組農(nóng)戶樣本數(shù)據(jù)。

（二）多維貧困識別

1. 識別指標選取。在進行農(nóng)村居民多維貧困識別時，首先要做的是選取多維貧困指標。本文將國內(nèi)外相關(guān)的多維貧困識別方法（Alkire和Foster，2011;高帥和畢潔穎，2016;支俊立，2017）與我國目前精準扶貧的實際情況相結(jié)合，構(gòu)建了包含教育、健康、經(jīng)濟能力、生活水平、主觀感受5個維度的多維貧困識別指標體系，如表1所示。具體地，對每個指標而言，若指標原始值符合該指標的貧困判別標準，則賦值為1，否則賦值為0。進一步，以賦值后的各指標取值結(jié)合對應(yīng)的權(quán)重計算多維貧困指數(shù)K，該指數(shù)值越大，表明多維貧困狀況越嚴重。

2. 結(jié)果分析。表2給出了農(nóng)村居民單維度貧困發(fā)生狀況，總共有14個維度指標。統(tǒng)計結(jié)果顯示，按照國家農(nóng)村扶貧收入最低標準2300元測算，仍有14.08%的農(nóng)村居民收入低于國家貧困線，收入維度表現(xiàn)貧困，是生活中典型的貧困戶。除收入維度貧困外，農(nóng)村居民在其他維度也表現(xiàn)出不同程度的貧困。從表中可以看出，受教育程度、自評健康、飲水情況、家用燃料、垃圾處理幾個維度貧困發(fā)生率突出，其中自評健康的貧困發(fā)生率最高為65.48%，表明多數(shù)農(nóng)村居民的健康狀況需要引起重視;有超過40%的農(nóng)村居民無法使用自來水，做飯燃料仍然是柴草或煤炭，生活垃圾沒有專人處理或公共垃圾箱，還有35.30%的農(nóng)村居民幾乎沒有受過教育，為文盲/半文盲。主觀感受上，社會公平感貧困發(fā)生率達到27.60%，說明有不少農(nóng)戶感知到不公平對待?？偟膩碚f，扶貧工作既要解決收入貧困，同時也要從教育、生活條件、健康等多方面考慮農(nóng)村居民貧困問題。

農(nóng)村居民多維貧困識別結(jié)果如表3所示，表中一項多維貧困發(fā)生率指在十四項衡量指標中有一項及以上指標表現(xiàn)為“貧困”;以此類推，十四項貧困發(fā)生率指在十四項衡量指標中有十四項指標均表現(xiàn)為“貧困”。具體的，由表3可知，農(nóng)村居民一項指標的貧困發(fā)生率最高，達到96.38%，也就是說完全不貧困的居民僅有3.62%。此外，隨著“貧困”指標項數(shù)的增加，相應(yīng)的貧困發(fā)生率逐漸減小;符合十二項指標的貧困發(fā)生率為0.02%，這已經(jīng)達到極度貧困，不存在同時符合十三項、十四項貧困指標的貧困居民。

（三）變量選取

非正規(guī)金融。非正規(guī)金融是指在正規(guī)金融機構(gòu)之外的所有信貸，其主要來源有親友借款、地下錢莊、民間借款等。本文用非正規(guī)金融借款作為核心解釋變量，包含了親友借款及民間借款總額。

村級特征變量。研究非正規(guī)金融對農(nóng)村居民多維貧困的影響，同時設(shè)置村級控制變量，包括村莊設(shè)施擁有量、村莊交通情況及村莊轉(zhuǎn)移支付。農(nóng)村居民居住的村莊基礎(chǔ)設(shè)施、交通及政府補貼會在一定程度上影響農(nóng)戶多維貧困，如村莊擁有小學(xué)、中學(xué)、醫(yī)院、百貨店等相關(guān)設(shè)施越多，則有助于改善農(nóng)村居民在教育、醫(yī)療、生活方面的條件，提高其獲得感和幸福感。

家庭及個人特征變量?？紤]到受訪者的家庭和個人狀況可能對農(nóng)戶多維貧困產(chǎn)生一定的促進或抑制作用，設(shè)置家庭特征及個人控制變量，家庭層面包括戶主年齡、家庭金融資產(chǎn)、家庭規(guī)模，受訪者個人層面包括政治面貌、婚姻情況。例如家庭規(guī)模越大意味著家庭成員越多，需要供養(yǎng)的人越多，可能會加重家庭經(jīng)濟負擔(dān)，導(dǎo)致農(nóng)村居民多維貧困;若已經(jīng)成家，雙方家庭互幫互助，可以從多方面提高生活水平。

表4為變量描述性統(tǒng)計，數(shù)據(jù)顯示非正規(guī)金融借款的均值為4303.82元，且其較大的標準差說明農(nóng)村不同居民的借款數(shù)額差異較大。選取的農(nóng)戶樣本中有10.32%通過非正規(guī)金融獲得借款，其中9.97%的農(nóng)戶是通過親友借款，僅有0.35%的農(nóng)戶通過民間機構(gòu)借款，可見非正規(guī)金融的主要構(gòu)成部分為親友借款。

表5列示了被解釋變量、解釋變量以及控制變量間的相關(guān)關(guān)系?？梢钥闯觯唤忉屪兞颗c除交通狀況外的其余變量存在顯著相關(guān)關(guān)系，結(jié)合前述理論，可以進一步考慮被解釋變量與其余變量的因果關(guān)系;此外，各解釋變量間的相關(guān)系數(shù)普遍小于0.5，因此可認為模型不存在嚴重的多重共線性問題。

三、實證分析

（一）模型構(gòu)建

（二）實證結(jié)果分析

表6給出了非正規(guī)金融對農(nóng)村居民多維貧困影響的擬合結(jié)果，在模型顯著性方面，由各模型相應(yīng)F統(tǒng)計量對應(yīng)的P值可知，各模型均具有顯著的統(tǒng)計意義。

在回歸結(jié)果方面，回歸結(jié)果（1）顯示在全國層面非正規(guī)金融借款在1%的顯著性水平下正向影響農(nóng)村居民多維貧困即促進貧困，其平方項對多維貧困則有顯著負向影響即抑制貧困，表明非正規(guī)金融借款對農(nóng)村居民多維貧困的影響呈現(xiàn)倒U形關(guān)系。該形態(tài)說明存在一個非正規(guī)金融借款的臨界值，在未到達臨界值前借款的增加會加劇農(nóng)村多維貧困狀況，但在越過臨界值之后，其對農(nóng)村多維貧困有明顯的抑制作用，且隨著借款的增加減貧效應(yīng)不斷增強。（2）—（4）列給出了東部、中部、西部三個區(qū)域樣本的估計結(jié)果;在非正規(guī)金融的影響方式上，可以看出非正規(guī)金融在各區(qū)域均對農(nóng)村居民的多維貧困狀況呈現(xiàn)出倒U形影響;在影響顯著性方面，除西部地區(qū)二次項系數(shù)不顯著外，其余系數(shù)均在5%的顯著水平下顯著。

從村級特征變量看，估計結(jié)果顯示在全國范圍內(nèi)村莊設(shè)施擁有量、村莊交通狀況、村莊轉(zhuǎn)移支付分別在1%、5% 、5%的顯著性水平下減貧效應(yīng)明顯，表明村莊擁有的基礎(chǔ)配套設(shè)施越多、交通運輸越發(fā)達、政府轉(zhuǎn)移支付越多，對多維貧困的抑制效應(yīng)越強。同時，不同區(qū)域村級特征變量對多維貧困的影響存在差異性，例如村莊設(shè)施擁有量對中部、西部地區(qū)多維貧困有顯著抑制作用，而在東部地區(qū)則無顯著影響，可能是由于中西部地區(qū)經(jīng)濟發(fā)展相對落后，農(nóng)村基礎(chǔ)設(shè)施建設(shè)有待進一步提高。

從家庭及個人特征變量看，家庭金融資產(chǎn)在1%顯著性水平下負向影響多維貧困，表明家庭金融資產(chǎn)越多，用于教育、健康、農(nóng)業(yè)生產(chǎn)的投入就越多，農(nóng)村居民更容易遠離貧困。家庭規(guī)模對中部貧困狀況有顯著負向影響，而對西部地區(qū)則起到促進貧困作用，可能是西部經(jīng)濟相對落后使得收入有限，龐大的家庭規(guī)模導(dǎo)致沉重經(jīng)濟負擔(dān)，促使部分家庭陷入貧困。在全國層面來看，年齡、政治面貌、婚姻狀況對農(nóng)村居民多維貧困均具有顯著影響。

（三）穩(wěn)健性檢驗

在進行多元線性回歸基礎(chǔ)上，采用Probit回歸對上述回歸模型擬合效果進行穩(wěn)健性檢驗。由于Probit模型直接回歸結(jié)果表現(xiàn)為模型（3）的形式，只能從系數(shù)顯著性及正負性對解釋變量的效應(yīng)進行定性分析，難以進行直觀的定量判斷。因此，本文運用Probit模型的邊際效應(yīng)對解釋變量的效應(yīng)進行定量分析。

由全國層面以及東中西部層面的回歸結(jié)果可知，在回歸系數(shù)方面，非正規(guī)金融對農(nóng)村居民多維貧困的影響仍呈現(xiàn)出倒U形效應(yīng);在顯著性方面，所有系數(shù)均在5%的顯著性水平下顯著。由此可知，線性模型的擬合效果穩(wěn)健，非正規(guī)金融對農(nóng)村居民多維貧困狀態(tài)存在顯著倒U形影響。

四、結(jié)論與政策建議

本文在已有研究基礎(chǔ)之上，基于CFPS數(shù)據(jù)，實證分析了非正規(guī)金融對我國農(nóng)村居民多維貧困的影響，得出以下結(jié)論;第一，非正規(guī)金融顯著影響我國農(nóng)村居民多維貧困，表現(xiàn)為倒U形態(tài)，即在非正規(guī)金融借貸規(guī)模較小階段，隨著非正規(guī)金融借貸的增加，會促進貧困，在其借貸規(guī)模達到某一臨界點之后，則會抑制多維貧困的發(fā)生，且隨著借貸增長抑制貧困作用不斷增強。第二，不同地區(qū)非正規(guī)金融對多維貧困的影響存在差異，如東部、中部非正規(guī)金融對多維貧困有顯著倒U形影響，而對西部的影響則不顯著。第三，村莊設(shè)施擁有量、交通狀況及轉(zhuǎn)移支付對多維貧困有顯著負向影響，基礎(chǔ)配套設(shè)施越多、交通越發(fā)達、村莊轉(zhuǎn)移支付越多，更能有效抑制貧困。家庭金融資產(chǎn)、年齡、政治面貌、婚姻情況均對多維貧困影響顯著，有著不可忽視的作用。

本文研究結(jié)論對我國脫貧攻堅關(guān)鍵期扶貧政策的制定具有一定的參考意義。第一，在進一步發(fā)展和完善農(nóng)村金融市場的同時，充分考慮非正規(guī)金融對于農(nóng)村居民多維貧困的影響，積極發(fā)揮非正規(guī)金融的正向作用，讓非正規(guī)金融更高效地服務(wù)于農(nóng)村居民，有助于實現(xiàn)脫貧致富。第二，推動建立正規(guī)金融與非正規(guī)金融緊密合作機制，實現(xiàn)非正規(guī)金融低信息成本和正規(guī)金融資金量大的優(yōu)勢互補，從而降低借款準入門檻，滿足廣大低收入農(nóng)村貧困居民的融資需求，減少多維貧困發(fā)生的可能。第三，結(jié)合非正規(guī)金融對多維貧困影響的倒U形關(guān)系及對各地區(qū)影響的差異性，政府應(yīng)當結(jié)合當?shù)胤钦?guī)金融發(fā)展現(xiàn)狀因地施策，充分發(fā)揮其正向作用，有效促進農(nóng)村居民實現(xiàn)脫貧。第四，鑒于村莊設(shè)施擁有量、交通情況和轉(zhuǎn)移支付均對減貧的積極作用，政府應(yīng)進一步加大農(nóng)村基礎(chǔ)設(shè)施建設(shè)，改善和提高農(nóng)村交通便利程度（特別是西部地區(qū)）。增強政府財政補貼力度，充分保障農(nóng)村貧困居民的基本生活，努力提高農(nóng)民生活的獲得感、幸福感。

注：

①數(shù)據(jù)來源;國家統(tǒng)計局發(fā)布的改革開放40年系列報告《扶貧開發(fā)成就舉世矚目 脫貧攻堅取得決定性進展》。

參考文獻：

[1]Mark Tomlinson，Robert Walker，Glenn Williams. 2008. Measuring Poverty in Britain as a Multi-dimensional Concept，1991 to 2003[J].Journal of Social Policy，37（4）.

[2]Alkire S，F(xiàn)oster J. 2011. Counting and multidimensional poverty measurement. Journal of Public Economics， 95（7）.

[3]Sebastian Levine，James Muwonge，Yélé Maweki Batana. 2014. A Robust Multi-dimensional Poverty Profile for Uganda[J].Journal of Human Development and Capabilities，15（4）.

[4]Gbetoton Nadege Djossou，Gilles Quentin Kane，Jacob Novignon. 2017. Is Growth Pro-Poor in Benin？ Evidence Using a Multidimensional Measure of Poverty[J]. Poverty & Public Policy，9（4）.

[5]Azeem，Mugera，Schilizzi. 2018. Vulnerability to Multi-Dimensional Poverty：An Empirical Comparison of Alternative Measurement Approaches[J].The Journal of Development Studies，54（9）.

[6]Bell，Clive. 1990. Interactions between Institutional and Informal Credit Agencies in Rural India. The World Bank Economic Review， vol. 4， no. 3，JSTOR， www.jstor.org/stable/3989879..

[7]Lainez， Nicolas. 2014. Informal Credit in Vietnam： A Necessity Rather Than an Evil. Journal of Southeast Asian Economies，vol.31，no.1，JSTOR， www.jstor.org/stable/43264704..

[8]Zhou，Li，and Hiroki Takeuchi. 2010. Informal Lenders and Rural Finance in China：A Report from the Field. Modern China，vol. 36，no. 3， JSTOR， www.jstor.org/stable/20721315.

[9]Mohieldin，Mahmoud S.， and Peter W. Wright. 2000. Formal and Informal Credit Markets in Egypt. Economic Development and Cultural Change，vol.48，no.3，JSTOR， www.jstor.org/stable/10.1086/452614.

[10]鄒薇，方迎風(fēng).關(guān)于中國貧困的動態(tài)多維度研究[J].中國人口科學(xué)，2011，（6）.

[11]黃建新.論非正規(guī)金融之于農(nóng)村反貧困的作用機制與制度安排[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2008，（5）.

[12]譚燕芝，張子豪，眭張媛.非正規(guī)金融能否促進農(nóng)戶脫貧——基于CFPS 2012年微觀數(shù)據(jù)的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2017，（2）.

[13]王艷慧，錢樂毅，段福洲.縣級多維貧困度量及其空間分布格局研究——以連片特困區(qū)扶貧重點縣為例[J].地理科學(xué)，2013，33（12）.

[14]高帥，畢潔穎.農(nóng)村人口動態(tài)多維貧困：狀態(tài)持續(xù)與轉(zhuǎn)變[J].中國人口·資源與環(huán)境，2016，26（2）.

[15]謝家智，車四方.農(nóng)村家庭多維貧困測度與分析[J].統(tǒng)計研究，2017，34（9）.

[16]支俊立，姚宇馳，曹晶.精準扶貧背景下中國農(nóng)村多維貧困分析[J].現(xiàn)代財經(jīng)（天津財經(jīng)大學(xué)學(xué)報），2017，37（1）.

[17]胡宗義，唐李偉，蘇靜.農(nóng)村正規(guī)金融與非正規(guī)金融的減貧效應(yīng)——基于PVAR模型的經(jīng)驗分析[J].統(tǒng)計與信息論壇，2014，29（11）.

[18]高遠東，張衛(wèi)國.中國農(nóng)村非正規(guī)金融發(fā)展的減貧效應(yīng)研究[J].西南民族大學(xué)學(xué)報（人文社會科學(xué)版），2014，35（12）.

[19]謝婷婷，郭艷芳.西部少數(shù)民族地區(qū)非正規(guī)金融減貧效應(yīng)研究——以新疆為例[J].中央民族大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2015，42（5）.

[20]殷浩棟，王瑜，汪三貴.貧困村互助資金與農(nóng)戶正規(guī)金融、非正規(guī)金融：替代還是互補？[J].金融研究，2018，（5）.

[21]趙潔.收入不平等、非正規(guī)金融與農(nóng)戶多維貧困[J].科學(xué)決策，2018，（10）.

[22]張寧，張兵.農(nóng)村非正規(guī)金融、農(nóng)戶內(nèi)部收入差距與貧困[J].經(jīng)濟科學(xué)，2015，（1）.

[23]蘇靜，胡宗義，唐李偉.農(nóng)村非正規(guī)金融發(fā)展的減貧效應(yīng)非線性研究——基于PSTR模型的分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2014，（1）.

[24]張夢緣，宋坤，諶希，汪璐.農(nóng)村非正規(guī)金融發(fā)展的多維減貧效應(yīng)研究——基于門檻面板數(shù)據(jù)的實證分析[J].金融發(fā)展研究，2017，（4）.

[25]陳銀娥，師文明.中國農(nóng)村金融發(fā)展與貧困減少的經(jīng)驗研究[J].中國地質(zhì)大學(xué)學(xué)報（社會科學(xué)版），2010，10，（6）.

[26]韓悅，仲深.農(nóng)村非正規(guī)金融發(fā)展的減貧效應(yīng)分析——來自省級面板數(shù)據(jù)的經(jīng)驗證據(jù)[J].商業(yè)經(jīng)濟研究，2015，（8）.

Abstract：Based on the data of Chinese Family tracking Survey（CFPS）in 2014，this paper constructs a multidimensional poverty identification system including personal behavior ability and subjective feelings，and uses multiple linear regression model and Probit model empirically analyzes the impact of informal finance on multidimensional poverty of rural residents in China. The results show that there is an inverted U-shape relationship between informal finance and rural residents' multidimensional poverty，that is，in the small scale of informal financial lending，with the increase of informal financial lending，poverty will be exacerbated. However，when the scale of borrowing reaches a certain threshold，the occurrence of multidimensional poverty will be inhibited，and the poverty reduction effect will be dependent on the effect of poverty reduction. The scale of borrowing has been increasing. It is pointed out that the government should actively play a positive role in informal finance，strengthen the cooperation between formal finance and informal finance，and effectively utilize informal finance to alleviate the multidimensional poverty of rural residents.

Key Words：informal finance，multidimensional poverty，incidence of poverty，poverty reduction effect