我國農村金融排斥影響因素的空間相關性分析

姚鳳閣 劉宇宏 汪曉梅

內容提要：緩解農村金融排斥程度是促進我國農村經濟發展、實現全面建成小康社會的有力支持。本文采用國際上公認的六維評價體系構建我國農村金融排斥評價指標體系，根據2008-2017年我國30個省份（不包括港奧臺藏）的面板數據，采用變異系數法測算農村金融排斥指數，并利用SDM模型對我國農村金融排斥影響因素的空間特征進行探究。研究表明：我國各省農村金融排斥空間相關性顯著。在考察期間內，GDP貸款貢獻率、居民受教育程度、居民可支配收入以及產業結構影響本地區農村金融排斥程度，農村就業人員規模、居民受教育程度以及居民可支配收入具有較強的外溢作用。鑒于此，加強各地區農村金融合作，提高經濟增長速度與促進產業結構合理調整相結合，提高農村居民教育水平等，有利于緩解我國農村金融排斥程度。

關鍵詞：農村金融排斥;空間效應;莫蘭指數

中圖分類號：F831.4 ?文獻標識碼：A ?文章編號：1001-148X（2020）07-0081-09

一、引言

金融發展是現代經濟發展不可或缺的推動力。改革開放以來，由于社會主義市場經濟的建立，許多農村金融機構在面臨巨大競爭壓力的同時紛紛從控制風險、降低成本、提高利潤等方面出發，在增加城市金融產品和服務的同時大量減少了農村地區的金融產品和服務，存在事實上的排斥低收入居民和農村居民使其無法獲得金融產品和服務的“金融排斥”現象，這在很大程度上抑制了我國農村經濟發展。金融排斥現象存在于我國城市和農村，但是由于我國長期實行優先發展城市的戰略方針，大部分農村經濟資本與剩余被強制地分配到城市和工業領域。相對于城市而言，農村金融排斥問題更為突出。因此，緩解農村金融排斥問題對于促進農村金融協調發展，最終使普惠金融得以真正實現具有重要意義。

金融排斥是阻礙金融發展程度的重要影響因素之一，在20世紀90年代受到英美等發達國家的廣泛關注。由英國地理學家Leyshon（1993）最早提出這一概念：由于受到地理空間等的限制，一部分人群難以獲得正規金融服務，由此引發的現象稱之為金融排斥。Morrison（2001）、Affleck A（2006）等學者也強調金融排斥是由于地理排斥所決定的。Fuller（1998）等專家學者認為，基于地理空間的視角，一個地區金融排斥的情況可以用該地區的金融網點數來衡量。該地區金融網點數越多，金融排斥程度越小。反之，金融網點數越少，金融排斥程度越嚴重。Kempson（1999）建立了金融排斥的六維評價標準，他認為金融排斥不應僅僅只包含地理排斥，還應考慮條件排斥、評估排斥、營銷排斥、價格排斥以及自我排斥。Cebulla（1999）從金融供給方和金融需求方出發，將金融排斥分為主體性金融排斥以及結構性金融排斥兩部分。Sarma（2010）從金融機構的滲透度、產品及服務的可獲得度以及使用度這三個維度出發構建金融包容性指數，其中金融包容性指數越大，金融排斥程度越小。Carbo（2010）則認為，之所以貧困人群無法通過正規渠道獲得金融產品及服務主要是因為金融機構對于貧困地區的弱勢群體的金融需求意愿不夠重視。Guiso（2008）、Bongomin（2016）則認為，受教育程度嚴重影響著金融排斥程度。受教育程度越高的人群往往越容易接受新的關于金融產品及服務的知識，越容易產生金融需求。

我國對于金融排斥問題的研究起步相對較晚。王修華（2009）運用Kempson的六維評價方法，并將這六個維度具體量化，分析新農村建設中農村金融排斥的具體情況。李濤等（2010）從儲蓄、貸款、保險、基金這四個層面入手考察居民的金融排斥情況。譚燕芝和陳彬等（2014）認為金融排斥主要是由于地理排斥所引起的，因此用縣域金融機構的營業網點數來衡量金融排斥。張國俊、周春山和許學強（2014）從金融服務的滲透度、使用度與效應度出發衡量金融發展程度，進而反映出金融排斥情況。李建軍和張丹?。?016）以我國中小板上市公司為樣本，將金融排斥分成幾個維度，探究金融排斥對企業財務結構的影響，研究發現，評估排斥提高了中小企業內部融資以及外部非銀行融資的比例，而地理排斥和技術排斥使得企業短期負債率有所提高。張號棟和尹志超（2016）以我國家庭金融調查數據為基礎，分析發現金融知識的掌握程度直接影響著金融排斥程度。一個家庭所掌握的金融知識越多，受到的金融排斥越小。侯凱（2019）基于金融服務的滲透度、使用度、效用度和承受度等指標，研究發現金融排斥對東部地區農民工的市民化進程影響顯著。

但是傳統的農村金融排斥影響因素研究往往沒有考慮農村地理位置之間空間因素的相互影響。隨著我國農村交通基礎設施和網絡建設的不斷完善，地區之間信息溝通、生產要素流動等變得更為快捷。因此，采用空間計量的分析方法來研究我國農村金融排斥問題，更加有利于全面揭示我國農村金融排斥的影響因素。鑒于此，本文的研究主要集中在以下兩個方面：首先，使用2008-2017年我國30個省份的面板數據，運用變異系數法計算我國30個省份的農村金融排斥指數。其次，在研究我國農村金融排斥的影響因素時，通過莫蘭指數分析我國農村金融排斥是否存在空間相關性。并利用SDM模型探析我國農村金融排斥影響因素的空間溢出效應。

二、農村金融排斥的內在形成機理

農村金融排斥理論源于農村金融發展理論，是一個動態的過程。在我國，由于城鄉差距較大且農業是弱質性產業的特性使得農村金融市場并不是十分完善。正如金融供求理論所強調的，在我國農村金融市場中，農村金融排斥主要是由于農村金融供給方和需求方未能實現有效對接，是供需雙方共同作用的結果。因此可以從供給和需求兩個方面來分別進行分析。

一方面，供給方。我國農村金融機構主要包括銀行、保險等金融機構。這些金融機構在我國農村地區分布相對較少，作為金融產品和服務的供給方，主要是通過在農村地區設立相應的營業網點及分支機構來提供服務。農村金融機構在決定是否提供金融產品和服務時往往要考慮以下幾個方面：（1）成本消耗。農村金融機構在提供金融產品和服務時往往要遵循利潤最大化的原則，因此在提供金融產品服務時會盡可能地選擇降低成本。目前，由于我國農業仍屬于弱質性產業，即具有收入低、風險大、生長周期長、易受天氣變化的影響等特點，這在一定程度上增加了時間成本與人力成本，因此產生金融交易成本高、農村貸款難度大、額度小等一系列問題。（2）運營風險。金融機構為防止違約風險發生，在提供金融產品及服務時，往往要嚴格審查金融需求方的信用水平及還款能力，相對于城市而言，我國各農村地區經濟增長和金融發展不平衡，沒有建立完善的信用體系，農村金融機構的系統和非系統風險明顯高于城市地區。（3）經營狀況。金融機構會隨時考慮自身的經營狀況，在農村地區開設營業網點或撤退營業網點。早在20世紀90年代中后期，一些國有金融機構為了實現更好的經營狀況紛紛撤并了許多農村貧困地區的經營網點，由此造成的營銷排斥影響至今?，F如今，大多數農村金融機構的服務群體大都脫離了“三農”領域，這將在很大程度上導致農村地區的資金外流。

另一方面，需求導向。農村地區對于金融服務的需求主體主要集中于農戶。金融需求大都離不開儲蓄、貸款等基礎類金融服務。需求方在提出具體的金融需求時往往會考慮以下幾個方面：（1）與城鎮居民相比，由于我國大多數農村地區人群的受教育水平有限，并且收入較低，對金融產品及服務沒有足夠多的了解，同時我國農村地區金融機構的貸款手續較為麻煩，由此引發農村居民將自己排斥在正規金融服務之外。（2）在我國農村地區，居民相對比較封閉，無法準確獲得充分的金融信息，導致其對于正規金融機構的服務十分陌生。與正規金融機構相比，農村居民往往更愿意選擇一些非正規的金融機構以滿足自身的金融需求（如高利貸等）。（3）農村居民可能由于沒有抵押物、程序不合法等原因被金融機構拒絕提供金融服務，由此產生的不愉快的借貸經歷導致對農村正規金融機構的不信任，由此主動將自己排除在正規金融機構之外，無法獲得正規金融機構提供的產品和服務。

此外，外部環境的變化（如交通、信息等）也能導致供需雙方不能有效對接。從而產生農村金融排斥狀況。綜上所述，農村金融排斥的形成是由于多方面的原因，不僅單純的是供給方與需求方未能實現有效對接，同時也可能會受到外部環境的影響。

三、農村金融排斥指數的測算

（一）指標體系與數據來源

1.指標體系構建。關于金融排斥程度的衡量與測算，現有文獻已經較為成熟，本文借鑒高沛星和王修華（2011）等的研究成果，從地理排斥、評價排斥、條件排斥、營銷排斥、價格排斥、自我排斥六維度綜合評價我國各省農村金融排斥程度。其中地理排斥是指由于地理位置偏遠而遭受金融排斥的現象，可以通過農村金融機構覆蓋率衡量。評估排斥和條件排斥二者都可以理解為由于某些評估條件限制而產生的金融排斥現象，因此可以合并為一個指標，以人均貸款水平衡量。營銷排斥是指由于營銷對象的范圍不同而產生的金融排斥現象，可用存款與貸款的比值來衡量。自我排斥是指由于自身受教育程度等原因而產生的金融排斥現象，可以用農村居民的平均受教育水平來衡量。關于價格排斥，就我國目前的情況來看，金融產品和服務的價格難以構成價格排斥。小額貸款公司的快速發展以及高利貸的普遍存在都足以說明消費者對金融服務的需求很少會受到價格的影響，由此可排除價格排斥。綜上所述，將評估排斥和條件排斥濃縮合并，最終從地理排斥、營銷排斥、自我排斥和評估與條件排斥這四個維度共同衡量我國各省農村金融排斥程度，如表1所示。

（四）變量的選取

從理論視角出發，農村金融排斥產生的根本原因是需求方和供給方未能實現有效對接。鑒于此，在參考潘經韜（2016）等人的文獻，本文主要從供給方（金融機構）、需求方（農戶）、以及外部環境三方面選取我國農村金融排斥的影響因素。為了避免分析有失偏頗，同時兼顧數據的可得性，本文最終選取指標如下：

1.被解釋變量：農村金融排斥指數（IFE）。該指數的測算，在上一節中已對其進行詳細介紹，在此不再贅述。

2.解釋變量：

（1）供給層面影響因素。供給層面所引發的金融排斥主要是由于金融機構本身提供金融產品和服務的局限性。本文從供給層面所選取的影響因素包括：

農村金融機構資產規模（Asset）。農村金融機構資產規?？梢灾苯臃从吵鲈摰貐^金融機構的發展規模。因此將農村金融機構資產規模作為衡量供給引致的金融排斥的影響因素之一。

農村金融機構網點規模（Ins）。金融機構網點數量的多少可以直接反映該地區金融機構的分布密度以及金融產品和服務的可得度。因此將農村金融機構網點數作為衡量供給引致的金融排斥的影響因素之一。

農村GDP貸款貢獻率（Gdpc）。中國人民銀行貴港市中心支行課題組（2016）認為農村百元GDP貸款貢獻率是衡量農村金融深化程度的一個重要指標。因此將農村百元GDP貸款貢獻率作為衡量供給引致的金融排斥的影響因素之一。

（2）需求層面影響因素。需求層面所引發的金融排斥主要是因為金融需求主體受自身受教育水平、收入等方面的影響而產生的自我排斥。本文從需求層面所選取的影響因素包括：

農村居民受教育程度（Edu）。農村居民自身受教育程度可能會影響自身對金融產品和服務的認可程度。因此將農村居民人均受教育年限作為衡量需求引致的金融排斥的影響因素之一。

農村居民可支配收入（Inc）。農村居民家庭的收入情況直接影響著居民能否有效獲得金融服務，農戶的收入水平直接反映了其購買能力與儲蓄投資水平，同時也代表了其獲得一切金融服務的資金信貸規模，因此，本文選取農村居民人均可支配收入作為衡量需求引致的金融排斥的影響因素之一。

農村就業人員規模（Emp）。由于我國農業仍具有收入低、風險大等特點，因此金融機構更愿意選擇職業穩定的經濟主體為其提高金融服務。因此選取農村就業人員數作為衡量需求引致的金融排斥的影響因素之一。

（3）社會環境因素。金融排斥的外部影響因素比較豐富。這些因素不僅會對金融需求方產生影響，同時也會對金融供給方產生影響。本文從社會層面選取的因素包括：

產業結構（Agr）。產業結構能夠合理地反映出農村經濟發展的狀況，并且農村經濟的發展影響著農村金融的發展。本文將產業結構作為衡量社會環境引致的金融排斥的影響因素之一。

財政支農力度（Fin）。政府在宏觀經濟運行中起著不可或缺的作用，政府的財政支出力度對于發展農村經濟、改善農村金融環境具有不可或缺的推動作用。因此本文采用財政支農力度作為衡量社會環境引致的金融排斥的影響因素之一。

（五）數據來源與描述性統計

為了更全面地研究我國農村金融排斥的影響因素，本文選擇使用2008-2017年我國省級面板數據進行實證分析，數據主要來源于歷年 《中國金融年鑒》、《中國農村統計年鑒》以及人民銀行公布的中國區域運行報告。由于西藏、香港、澳門、臺灣地區數據缺失嚴重，故在研究過程中將該地區剔除，最終選取了我國30個省級區域。文中個別年份的缺失數據采用插值法預測取得。同時為消除異方差影響，對所有變量全部進行對數轉換。樣本的基本統計性描述如表4所示。

五、實證結果

（一）農村金融排斥的空間相關性分析

本文采用鄰近矩陣對我國30個省份的農村金融排斥程度進行了全局Morans I指數檢驗，表5為2008-2017年我國農村金融排斥空間相關性的檢驗結果。根據表5所示，從2008-2017 年，我國農村金融排斥的Morans I均大于-1小于1，P值都小于等于0.05;Z值均大于0且都大于臨界值，因此拒絕原假設，這表明我國農村金融排斥程度并非空間隨機分布，而是會受到鄰近地區有關因素的影響，在空間地理位置上呈現出一定的空間集聚性。為了更好地觀察全局莫蘭指數情況，根據表5的結果編制了 Morans I指數趨勢圖（圖1）。

由于SDM模型中包含了解釋變量和被解釋變量的空間滯后項，因此其回歸系數中包含了大量相鄰區域的交互信息，使得模型參數的解釋變得復雜且不能直接反映給定地區解釋變量的變化對該地區本身和相鄰地區被解釋變量的影響程度。因此通過直接效應、間接效應分別對其進行分析。其中，直接效應指的是本地區供給、需求以及社會環境因素引起的本地區農村金融排斥程度的變化，間接效應指的是本地區供給、需求以及社會環境因素對其他相關地區農村金融排斥程度的溢出效應。如表9所示：

首先，農村居民受教育程度、農村居民可支配收入的變化不僅對本地區金融排斥程度有顯著影響，還具有明顯的外溢作用。正所謂教育是國之大計，隨著農村居民受教育程度的增加，農村居民對金融產品和服務的了解程度以及認可度不斷增強，從而使得農村居民因自我排斥而產生的金融排斥程度降低。居民可支配收入可以直接反映出經濟發展水平，一地區的經濟發展水平不僅對本地區農村金融排斥程度產生影響，還對相關地區的農村金融排斥程度產生影響，農村居民可支配收入增加可以減緩本地區以及相關地區農村金融排斥程度。這恰好可以說明，要想緩解我國農村金融排斥程度，使普惠金融得以實現就必須縮小我國城鄉收入差距，弱化區域差異。

其次，農村GDP貸款貢獻率、產業結構的變化都只對本地區農村金融排斥程度產生顯著影響，而不影響其他地區農村金融排斥程度。暗示著本地區農村GDP貸款貢獻率、產業結構變化的空間溢出效應不明顯。其中GDP貸款貢獻率的提高、以及調整產業結構都有利于降低本地區金融排斥程度。GDP貸款貢獻率的提升說明該地區得到金融服務的人群增加，而金融排斥程度恰恰隨著獲取金融產品和服務人群的增多而降低。增大第一產業所占比重不利于緩解我國農村金融排斥程度。這表明不合理的產業結構會使得我國農村金融排斥程度越來越嚴重。農村就業人員規模雖然對本地區金融排斥影響不顯著，但卻影響著相關地區的金融排斥程度。這可能是因為我國區域經濟差異顯著，一部分有勞動能力的人群紛紛選擇外出到發達地區務工，致使其影響相關地區的金融排斥程度。

最后，農村金融機構資產規模、網點規模以及財政用于農業的支出，均對本地區及相關地區農村金融排斥程度沒有顯著的影響。一方面，隨著互聯網行業的廣泛興起，人們辦理金融業務已經不能完全局限于到當地的金融網點辦理，所以金融機構的資產規模、網點數所構成的地理排斥逐漸弱化，并不能成為影響我國農村金融排斥的主要原因。另一方面，由于財政支出的地理指向性較為明確，因此本地區財政用于農業的支出并沒有明顯的外溢作用。此外，政府在發揮其在農村地區“看得見的手”的作用時，不應僅僅增加對于農業的支出，第三產業等也需要政府扶持。

六、結論與政策建議

本文利用我國2008-2017 年30個省份（不包括港、澳、臺、藏）的面板數據，探究我國農村金融排斥的影響因素，在考慮空間因素的基礎上，構建我國農村金融排斥影響因素的空間杜賓模型（SDM），并最終得到以下結論：

1.我國農村金融排斥存在顯著的空間相關性。從模型的選擇以及比較分析中可以看出，同普通OLS模型相比，空間計量模型能夠更好地解釋我國農村地區的金融排斥問題。在SDM空間固定效應模型中：系數λ=-0.0518且通過1%的顯著性檢驗，這恰好可以說明，在研究我國農村金融排斥問題時，空間效應顯著。也就是說，在我國農村地區，金融排斥問題不光受到自身因素的影響，也與其周邊省份有關。因此，要想緩解我國各省農村金融排斥現象，應該加強區域周邊合作，共同提高經濟水平，以此來緩解我國農村金融排斥程度。

2.GDP貸款貢獻率、居民受教育程度、居民可支配收入以及產業結構影響本地區農村金融排斥程度。GDP貸款貢獻率系數為負且通過1%的顯著性檢驗，這可以說明農村地區貸款額越大，即農村居民所得到的金融服務越多，我國農村金融排斥程度越輕。農村居民受教育程度系數為負且通過1%的顯著性檢驗，即農村地區居民受教育程度越多，對金融產品及服務的認知度越大，農村金融排斥程度越輕。農村居民可支配收入以及第一產業所占比重的系數為正且通過5%的顯著性檢驗，這說明單純的提高經濟增速并不能有效緩解我國農村金融排斥，應將提高經濟增速與調整產業結構相結合。

3.農村就業人員規模、居民受教育程度以及居民可支配收入具有外溢作用。在間接效應的實證模型中，農村就業人員規模、居民受教育程度以及居民可支配收入均通過10%的顯著性檢驗。這恰好可以說明本地區的農村金融排斥程度可以受到相關地區就業人員規模、居民受教育程度以及居民可支配收入的影響。

結合實證分析的結果，對于緩解我國農村金融排斥問題，提出以下建議。（1）注重發展本地區農村金融業務的同時，加強相鄰省份的區域合作。有必要利用我國金融排斥的這空間相關關系，增強區域合作，實現區域經濟共同發展，最終減緩我國農村地區整體的金融排斥程度。（2）提高經濟增速與調整產業結構相結合。提高經濟增速雖然有利于緩解我國農村金融排斥問題，但合理的產業結構能推動經濟持續健康發展，只有將調整產業結構與提高經濟增速相結合才能更好地緩解我國農村金融排斥程度。（3）提高我國農村地區教育水平以緩解自我排斥。農村居民受教育程度低是產生農村金融排斥特別是自我排斥的最重要因素之一，因此提高農村居民整體教育水平具有十分重要的現實意義。

參考文獻：

[1] Leyshon A， Thrift N. The Restructuring of U.K. Financial Services Industry in the 1990s：a Reversal ofFortune[J].Journal of ?Rural Studies， 1993，9（3）：223-241.

[2] Morrison P S， OBrien R. Bank Branch Closures in New Zealand： the Application of a Spatial Interaction Model[J].Applied Geography，2001，21（4）：301-330.

[3] Affleck， Mellor. Community development finance： A neo-market solution to social exclusion[J].Journal of Social Policy， 2006，35（2）：303-319.

[4] Fuller D. Credit Union Development： Financial Deepening and Financial Inclusion[J].Geoforum， 1998，29（2）：145-157.

[5] Kempson E， Whyley C， Understanding and Combating Financial Exclusion Insurance Trends[J].The Association of British Insurers， 1999（21）：18-22.

[6] Cebulla A. A Geography of Insurance Exclusion： Perceptions of Unemployment Risk and Actuarial Risk Assessment[J].Area，1999，31（2）：111-121.

[7] Sarma M. Index of Financial Inclusion[J].Indian Council for Research on International Economic Relations New Delhi Working Papers， 2010（11）：1-28.

[8] Carbo S， Gardener E P M， Moyneux P. Financial Exclusion in Europe[J].Public Money & Management， 2010， 27（1）：21-27.

[9] Guiso， Sapienza， P， Zingales L. Trusting the Stock Market[J].Journal of Finance，2008：25-57.

[10]Bongomin， Ntayi， Munene J. Institutional frames for financial inclusion of poor households in Sub-Saharan Africa evidencefrom rural Uganda[J].International Journal of Social Economics， 2016，43（11）：1096-1114.

[11]王修華，黃明. 金融資源空間分布規律： 一個金融地理學的分析框架[J].經濟地理2009，29（11）：1808-1811，1815.

[12]李濤，王志芳，王海港. 中國城市居民的金融排斥狀況研究[J].經濟研究，2010（7）：15-30.

[13]賀燦飛，劉浩. 銀行業改革與國有商業銀行網點空間布局——以中國工商銀行和中國銀行為例[J].地理研究， 2013（1）：111-122.

[14]譚燕芝，陳彬，田龍鵬，等. 什么因素在多大程度上導致農村金融排斥難題——基于2010年中部六省667縣（區）數據的實證分析[J].經濟評論，2014（1）：25-37.

[15]張國俊，周春山，許學強. 中國金融排斥的省際差異及影響因素[J].地理研究，2014（12）：2229-2311.

[16]張號棟，尹志超. 金融知識和中國家庭的金融排斥—基于CHFS數據的實證研究[J].金融研究，2016（7）：80-95.

[17]侯凱.金融排斥影響我國農民工市民化的實證分析[J].哈爾濱商業大學學報：社會科學版，2019（1）：68-84.

[18]高沛星，王修華. 我國農村金融排斥的區域差異與影響因素——基于省際數據的實證分析[J].農業技術經濟，2011（4）：93-102.

[19]潘經韜. 農村金融排斥區域差異及影響因素研究—基于省際面板數據的實證分析[J].新疆農墾經濟，2016（1）：76-83.