中國農村金融包容性發展水平綜合測度分析

公茂剛 張梅嬌

摘 要：基于滲透性、產品接觸性和使用效用性三個基本維度構建農村金融包容測度指標體系，采用變異系數法、熵值法和因子分析法分別測算中國30個省份2005-2018年農村金融包容指數，對農村金融包容性發展趨勢、存在問題及區域差異進行綜合探析。結果表明：三大維度對整體包容性均有重要解釋作用，滲透性是基礎，產品接觸性是關鍵，使用效用性是核心;觀測區間內，中國農村金融包容性整體呈逐年上升趨勢，但仍處于較低發展水平;四大區域農村金融包容性呈明顯分化格局，東部最高，東北地區略高于中、西部但均位于全國平均水平以下;總體地區差異存在縮小趨勢，但可能出現“中部塌陷”問題。因此，有效發揮金融服務需求、供給和監管三方協同作用，對于進一步推進農村金融包容性發展具有重要實踐意義。

關鍵詞： 變異系數法;熵值法;因子分析法;農村金融包容指數

中圖分類號：F832.35 文獻標識碼： A 文章編號：1003-7217（2020）06-0018-09

一、引言及文獻回顧

金融包容性發展旨在通過正規的金融渠道，有效、全方位地為包括邊緣化人群在內的社會所有階層提供合適、安全、負擔得起的金融產品和融資渠道，消除金融排斥，提高金融普惠性。農村由于金融基礎設施落后，農戶資信水平低，多數金融機構不愿向農戶發放信用貸款，即使發放貸款也需要非常嚴苛的條件，致使農戶的有效信貸需求得不到滿足。自2005年引入普惠金融概念以來，提高金融包容性、消除金融排斥、促進金融發展一直是中國金融體制改革的重要內容。2015年12月國務院印發《推進普惠金融發展規劃》，提出立足機會平等與可持續性原則，為金融服務需求者提供可負擔得起的有效金融服務。2017年7月，黨中央特別強調建設普惠金融體系，加強 “三農”金融服務。2020年中央一號文件提出穩妥擴大農村普惠金融改革試點，加快構建普惠金融服務體系，推動農村金融包容性發展。目前，中國農村金融包容性發展水平如何，存在哪些問題，今后如何發展，值得關注、研究。

關于金融包容性的衡量，學界提出了多種不同方法，但尚未形成統一衡量標準。金融包容性指標體系構建涉及不同維度的多個指標。Beck 等（2007）選取銀行分行及ATM機的地理與人口滲透率衡量可獲得性，選取人均存貸款數、存款收入比和貸款收入比衡量使用狀況[1]，該指標體系僅針對銀行服務，遺漏了其他機構的金融服務。Mialou等（2017）在此基礎上加入了對信用合作社和小額信貸公司等金融機構的研究[2]。Sarma（2008）提出了包含滲透性、可用性和效用性三個維度的普惠金融指標體系[3]，維度涵蓋較全面，得到后來較多學者的借鑒[4-7]，但該指標體系每個維度僅包含一個指標，不能充分反映各國普惠金融客觀發展水平。Arora（2010）在此基礎上進行了兩方面改進，一是每個維度均采用了多個指標，二是考慮了交易便利性和交易成本[8];其他相關研究還加入了信息化、保險、易用性、交易成本和可負擔性等不同維度重構指標體系[9-12]。此外，田霖（2012）考慮到我國顯著區域差異，構建了包含農戶、企業和區域三個層面共16個指標的農村金融包容性指標體系[13]。Allen等（2016）基于個體和總體兩個層面構建了全球金融包容性指標體系[14]。Kabakova和Plaksenkov（2018）從社會人口、技術、經濟和政治層面測算了新興國家和低收入國家的金融包容性指數[15]。綜上所述，盡管學者們構建的金融包容性指標體系各異，但均涵蓋信貸提供者和使用者兩方面信息。

在指數計算方法的選取上，部分學者選擇等權重法對所有維度和變量賦予同等權重[16]，但實際中各維度指標對金融包容性的貢獻度有較大差異，等權重法會導致測算結果偏離實際水平。焦瑾璞等（2015）采用主客觀結合賦權的層次分析法，能夠較精確反映各指標貢獻度[17]，但指標過多時會出現計算復雜、指標權重難以確定等問題。Dungey等（2018）采用多重對應分析和聚類分析評估現有金融產品的需求滿足程度[18]。Ahamed和Mallick（2019）基于模糊集定性比較分析法測算了金融包容性水平的差異[19]?？陀^賦權法以指標本身區分度作為賦權標準，其結果受人的主觀因素影響較小，故現有研究主要采用客觀賦權法，比如因子分析[20，21]、主成分分析[22]、變異系數法[23]和熵值法[24]。

已有文獻的研究重點集中于城鄉總體金融包容性，而受到金融排斥的群體（如弱勢群體、邊緣人群等）主要集中在農村，學者們對于農村地區金融包容性的研究還不夠充分，具體指標的選取代表性不足，指標體系的構建缺乏完整性;沒有深入考量指標與維度的貢獻度，測算方法不具有普遍適用性。因此，本文基于已有研究成果，在指標選取和測算方法上加以改進，旨在構建更加科學合理的綜合指數以衡量農村金融包容性真實水平，以期在我國經濟、金融發展不平衡、不充分的大環境下，科學客觀地測算各省市農村金融包容性并分析區域差異與存在的問題，為實現我國農村金融包容性發展提供決策依據。

二、農村金融包容評價指標體系構建

（一）維度設定與指標選取

遵循機構設置、服務提供是基礎，產品與服務的可及是關鍵，服務有效使用是核心的原則，選取滲透性、產品接觸性和使用效用性三個維度構建指標體系。其中，滲透性維度反映地區金融機構網點和服務人員在人口與地理層面的覆蓋度，代表提供金融服務的基礎條件;產品接觸性維度描述居民獲得金融服務情況;使用效用性維度反映農村金融服務使用情況，共計十二個指標，均為農村金融包容性的正向指標（見表1）。

（二）農村金融包容性指數（RFII）的構建方法

1.變異系數法。

3.因子分析法。

因子分析適用于指標間存在較強相關性的情況。將原始變量的大部分信息濃縮到少數幾個公因子中，消除原始變量間多重共線性問題，起到降維作用。以公因子的旋轉方差貢獻率作為指標權重，但提取得到的公因子的意義不能完全確定，且會損失一些信息。

三、中國農村金融包容性發展水平測算

（一）樣本選擇與數據來源

選取2005-2018年中國30個省（自治區、直轄市）的面板數據（由于西藏數據缺失過多，故剔除）。對于個別數據缺失，采用線性插值法來補齊。十二個指標，每一指標共420個觀測值。數據來自Wind數據庫、國家統計局、中國人民銀行、中國銀行業監督管理委員會、中國銀行保險監督管理委員會、各省份統計局網站以及歷年《中國金融年鑒》《中國區域金融運行報告》和《中國農村金融服務報告》。農村金融機構指小型農村金融機構（包括農村商業銀行、農村合作銀行和農村信用社）和新型農村金融機構（包括村鎮銀行、貸款公司、農村資金互助社和小額貸款公司）。

（二）農村金融包容指數（RFII）計算結果

1.變異系數法。

首先，計算農村金融包容性維度權重和指標權重（見表2）。可見滲透性、使用效用性和產品接觸性維度對農村金融包容指數的貢獻度依次遞增，分別為0.292、0.313和0.395。具體指標中，農戶儲蓄存款占比與涉農貸款占比權重僅在0.1左右，對農村金融包容性貢獻度較小，表明這兩個指標在各省間差異較小。地理滲透性、農業保險密度以及農業保險深度指標權重均大于0.3，說明農村金融機構網點與服務人員分布、農業保險接觸性及農業保險使用效用的地域差異顯著。

其次，確定各維度指標最小值和最大值，計算各維度農村金融包容性指數。圖1為我國30個省份2005-2018年農村金融包容及其各維度平均發展水平。各維度指數均值存在顯著地域差異，上海、北京、天津均位于全國前三位，表明三個地區農村金融基礎設施相對完善，金融資源豐富，金融發展較為成熟，農村金融包容發展全國領先。浙江、江蘇、山東和廣東等東部沿海地區城鄉一體化水平較高，故農村金融服務的滲透度較高。新疆、內蒙古等畜牧業生產區具有較優惠的農業政策，規?；B殖的發展促進了大量養殖大戶、家庭牧場和產業龍頭等新型農業經營主體的發展，具有較高的經營收益預期，故參與金融服務的意愿較強。廣西、湖北、云南和海南等地區農村金融包容性各維度整體發展相對滯后。最后，利用各維度指數及其權重計算得到30個省份2005-2018年農村金融包容性指數，并分為東、中、西和東北四大區域具體測度結果③。

2.熵值法。

利用熵值法測算得到的各維度權重與指標權重（見表3）。在維度層，金融產品的接觸性權重最大，使用效用性次之，滲透性最小，但整體差異不大，表明各維度對農村金融包容性均有重要作用。指標層面，農村金融機構網點人口滲透性和農戶存、貸款占比分別僅為0.059、0.084和0.062，均不足0.1，表明三者對農村金融包容性貢獻度較小。地理滲透性、農業保險密度、農戶儲蓄存款效率和農業保險深度權重均在0.3以上，表明這些指標對農村金融包容性影響較大?？梢?，熵值法與變異系數法對維度權重與指標權重的測算結果具有一致性。圖2為基于熵值法測算得到各省2005-2018年農村金融包容及其各維度平均發展水平。上海和北京的各維度指數最高，農村金融包容發展位于全國前列。新疆、內蒙古、黑龍江等省份農村區域廣闊，農村金融機構網點和服務人員分布密度較低，金融服務滲透性較差，但這些地區大力推行普惠金融，農村金融機構發展迅速，農戶涉農貸款及參保意愿較高，金融產品接觸性和使用效用性水平均處于較高水平，因此整體農村金融包容性發展較好。浙江、江蘇、山西、吉林等省農村金融包容性均處于中高等水平，各維度發展較全面，廣西、云南、海南等地區各維度水平整體較差（具體測算結果省略）③。

3.因子分析法。

首先，進行KMO和巴特利特檢驗判斷因子分析的適合性。分維度進行因子分析時，雖然巴特利特球度檢驗結果均顯著（p<0.05），但KMO檢驗結果較小，分別為0.440、0.571和0.436，均小于0.5，故各維度內部指標間相關性差，不適宜因子分析。由此放棄維度分析，直接使用十二個原始指標進行因子分析，表4為KMO和巴特利特檢驗結果。KMO檢驗值為0.721，大于0.7;巴特利特檢驗的伴隨概率為0.000，拒絕原假設，表明變量間具有較強相關性，較適宜因子分析。

其次，進行公因子提取及方差貢獻率分析（見表5）。因子1、2、3對應的初始特征值分別為7.029、1.634、1.117，相應方差貢獻率分別為58.579%、13.617%、9.304%，累計方差貢獻率達81.501%，大于75%，故提取三個公因子。旋轉處理后各公因子的方差貢獻率更為接近，因子解釋效果更加一致，累積因子貢獻率保持穩定。

再次，為得到三個公因子與原始指標間的相關關系，采用方差最大化正交旋轉法計算因子旋轉載荷，并對公因子進行經濟學命名解釋。由表6可知，第一公因子F1在農村每百平方公里金融機構網點數、金融從業人員數、農業保險密度、農戶儲蓄存款效率、涉農貸款效率和農業保險深度六個指標上具有較大載荷值，分別為0.507、0.598、0.902、0.767、0.606和0.909，反映了金融服務的滲透性、可得性及使用度等各方面信息，因此，可將其命名為“包容綜合因子”;第二公因子F2在農村每萬人擁有金融機構網點數、金融機構從業人員數、農戶人均儲蓄存款水平和人均涉農貸款水平四個指標上載荷較大，賦值分別為0.852、0.853、0.678和0.820，因此，將其命名為“金融服務人均獲得實力因子”;第三公因子F3在農戶儲蓄存款占比和涉農貸款占比上的因子載荷分別為-0.711和-0.914，可將其命名為“信貸實力因子”（見表7）。

四、測算結果分析

以上三種測算結果均表示農村金融包容性發展的相對水平，其數值的大小取決于樣本時空維度。但并不影響以此對特定時期金融包容性情況的分析。盡管不同評價方法的測度結果存在些許差異，但整體排名相近。

從整體變動趨勢看，全國農村金融包容性平均水平逐年提高。變異系數法和熵值法的測算結果顯示，全國RFII分別由2005年的0.056和0.048逐年提升至2018年的最高水平0.267和0.254，年均提升12.8%和13.7%。其中，2005年全國RFII為-0.283，隨后逐年提升，2018年達到0.397。但從數值大小來看，均表明發展水平較低。從全國RFII增長速度來看，三種結果均顯示2014年之后金融包容指數增長率存在下降趨勢。隨著經濟轉入高質量發展階段，金融供給側結構性改革不斷優化農村金融機構融資和信貸結構，農村金融包容性更注重高質量發展。分區域來看，東、中、西和東北地區農村金融包容性存在明顯差異，東部農村金融包容程度最高;東北略高于中、西部，但均低于全國平均水平。以變異系數法測算結果為例，2005年東、中、西和東北地區RFII分別為0.100、0.045、0.028和0.037，隨后呈波動性增長，至2018年分別達到0.393、0.196、0.201和0.231，年均增長率分別為11.1%、11.98%、16.37%、15.13%。可見，西部和東北農村金融包容發展速度快于東、中部，表明區域差異出現縮小趨勢的同時，“中部塌陷”可能隨之出現。東部沿海地區經濟發達，城鄉一體化水平高，農村金融市場相對活躍，金融資源相對豐富，農村金融包容性發展程度較高。西部和東北增長速度較快，原因在于這兩大區域是農業規模生產聚集區，農地“三權分置”改革的深化進一步促進了土地流轉和農地專業化、規模化經營，故而產生了大規模農業生產資金需求。另一方面，農地產權的明晰界定賦予了經營權抵押物屬性，提高了農戶資信水平，降低了信息不對稱和逆向選擇風險，增強了金融機構提供農業貸款意愿，增強了農村金融服務滲透性。

橫向分省來看，各省農村金融包容發展水平存在明顯差異。變異系數法測算結果顯示，上海、北京、天津、浙江、江蘇、內蒙古的農村金融包容性依次位列前六。2018年發展狀況最好的上海、北京和天津分別達到0.968、0.697和0.605，均大于0.5。這些地區均屬直轄市，農村面積小且城鄉一體化水平高，城鎮金融服務對農村的正向溢出效應明顯;這些地區農村擁有便利的交通條件和充足的金融資源，金融基礎設施完善，人均收入水平高，農民金融意識強，金融知識豐富。農村金融包容度最高的上海作為我國金融中心，2018年末已全面實現鄉鎮基礎金融服務轄內全覆蓋。廣東、山東、河北等省的農村金融包容指數在0.2～0.25間，低于全國平均水平。這些省份雖然經濟發展水平高，但農村地區面積和人口基數較大，農戶金融服務的獲得和使用效率相對低。而中西部地區除能源大省山西、畜牧業生產區新疆和內蒙古外，廣西、云南、湖北、貴州、陜西等省份農村金融包容性較低。受限于地理位置、交通區位等因素，金融資源欠缺，農村金融發展落后。農村金融包容性最差的廣西、湖北、云南的RFII均值分別僅為0.060、0.064、0.067。東北三省黑龍江（0.128）、吉林（0.123）、遼寧（0.118）農村金融包容性略高于中西部地區，但低于全國平均水平（0.152）。基于熵值法測算結果來看，上海、北京、天津、浙江、新疆、內蒙古的RFII分居前六，廣西、湖北、云南的農村金融包容性最差。上海、北京、天津、浙江、廣東、江蘇、山西、內蒙古、遼寧的RFII均值依次位列前九，均值均大于0，表明農村金融包容性高于全國平均;低于全國平均水平的省仍占70%。三種方法的測度結果具有一致性，農村金融包容性最高的地區為上海、北京、天津和浙江等省市，最差為廣西、湖北、云南等省，排名表明農村金融包容性與各省經濟發展水平高度契合。

縱向分省來看，2005-2018年各省RFII均呈波動性增長趨勢，表明各省農村金融包容性逐漸改善。以熵值法測算結果為例，增長速度最快的省份為西部青海、內蒙古、甘肅、貴州和東北吉林等，年均增長率分別達到28.19%、25.85%、21.76%、19.64%、18.15%。西部和東北地區畜牧業和種植業規模大，農地“三權分置”改革和農業優惠政策扶持增強了農戶農業生產經營投入意愿和金融機構貸款意愿，促進了金融發展。農村金融包容性水平最高的上海、北京、天津、浙江等東部省份的RFII年均增長率分別為11.21%、14.35%、13.83%和9.17%，增長明顯放緩，進入到高質量發展階段。從波動性來看，經濟發達地區（上海、北京、天津等）和較落后地區（廣西、湖北等）的農村金融包容指數增速自2008年均開始減緩，黑龍江、重慶等地甚至部分年份出現負增長。表明2007年美國次貸危機及全球金融危機影響了我國貿易發達地區信貸供給，進而波及到發展落后地區的信貸需求，對農村金融包容性發展產生不利影響。

五、結論與政策建議

以上研究表明：（1）中國農村金融包容性水平呈逐年增長趨勢，但目前仍處于較低層次。普惠金融服務客戶群體的特殊性決定了其業務成本高、風險高的特點。我國農戶資信水平較低，金融機構關于農戶的信息不充分，存在逆向選擇風險，多數金融機構不愿向農戶貸款。農戶自身擁有的可用于抵押貸款的抵押物較少，獲得貸款難度大，故而導致我國農村金融包容性處于較低水平。（2）農村金融包容程度存在明顯區域差異，東部最高，東北地區略高于中、西部但均低于全國平均水平。從發展趨勢來看，西部、東北地區較中、東部農村金融包容性發展速度更快，表明區域差異呈現縮小趨勢，但可能伴隨“中部塌陷”問題。（3）全國各省農村金融包容性呈現明顯分化格局。上海、北京、天津等中心城市的農村金融包容性位于全國前列，廣西、湖北、云南等中西部省份的農村金融包容性發展較為落后，省際差異明顯。各省RFII均呈現波動性增長趨勢，但從增長速度來看，青海、內蒙古、甘肅、貴州等省份增長速度較快，上海、北京、天津等發達省份增速放緩。

鑒于上述研究結論，農村金融包容性發展還需要金融服務需求、供給和監管三方協同努力。（1）加大農村地區金融知識普及力度，提高農戶金融意識與信用意識。可通過村委會宣傳欄、電視廣播以及互聯網、微信等現代信息手段，加強金融知識在農村的宣傳，促使農戶主觀上接受各種金融服務形式，增加貸款需求。注重對農戶的金融風險教育，鼓勵農戶積極參與建立信用檔案，培養農戶信用意識與風險識別能力，深化農戶參保意識，引導農戶樹立正確的金融觀念。（2）鼓勵創新金融產品與服務，優化金融網點建設。推動金融機構積極探索適合當地農業產業化發展的金融聯合模式，創新金融產品類型與服務模式，健全貸款渠道，拓展貸款抵押物，探索多種農業保險形式，完善農戶信用評價體系，健全風險預防處理機制。以補貼政策鼓勵金融機構入駐偏遠地區，改善周邊交通環境拓展金融網點。根據人口密度及需求狀況調整優化金融網點。（3）完善普惠金融體制，推進農村普惠金融可持續發展。加大政策支持力度，實施激勵性優惠政策，發揮財政補貼杠桿作用，調動金融機構服務農戶的積極性。完善相關法律制度，優化承包地、宅基地“三權分置”改革成果，落實經營權抵押貸款。調整再貸款、再貼現率等鼓勵金融機構發展普惠金融業務。加強政府對普惠金融發展的監督，特別是防范金融風險的發生和傳導。

注釋：

① 普惠金融全球合作伙伴組織（http：//www.gpfi.org/data）。

② 變異系數法易于計算，還可消除測量尺度或量綱不同對指標變異程度比較的影響，科學客觀地反映原始指標貢獻度。

③ 限于篇幅，文中未列出基于變異系數法和熵值法的具體測算結果，如有需要可聯系作者獲取。

參考文獻：

[1] Beck T， Demirguc-Kunt A， Martinez M S. Reaching out： Access to and use of banking services across countries[J]. Social Science Electronic Publishing， 2007， 85（1）：234-266.

[2] Mialou A， Amidzic G， Massara A. Assessing countries financial inclusion standing： A new composite index[J]. Journal of Banking and Financial Economics， 2017，2（8）：105-126.

[3] Sarma M. Index of financial inclusion[R]. Indian Council for Research on International Economic Relations， 2008.

[4] Kuri P K， Laha A. Financial inclusion and human development in India： An inter-state analysis[J]. Indian Journal of Human Development， 2011， 5（1）， 61-77.

[5] Jong-Hee K. A study on the effect of financial inclusion on the relationship between income inequality and economic growth[J]. Emerging Markets Finance and Trade， 2016， 52（2）：498-512.

[6] 李建偉. 普惠金融發展與城鄉收入分配失衡調整——基于空間計量模型的實證研究[J].國際金融研究，2017（10）：14-23.

[7] Park C Y， Mercado R J. Financial inclusion， poverty， and income inequality[J]. The Singapore Economic Review， 2018， 63（1）：185-206.

[8] Arora R U. Measuring financial access[R]. Discussion Papers in Economics， 2010.

[9] Allen F， Carletti E， Cull R， et al. The African financial development and financial inclusion gaps[J]. Journal of African Economies， 2014， 23（5）：614-642.

[10]王修華，關鍵，谷溪. 中國農村金融包容的省際差異及影響因素[J]. 經濟評論， 2016（4）：50-62.

[11]Goel S， Sharma R. Developing a financial inclusion index for India[J]. Procedia Computer Science， 2017：949-956.

[12]Yorulmaz R. An analysis of constructing global financial inclusion indices[J]. Borsa Istanbul Review， 2018，18（3）：248-258.

[13]田霖. 我國農村金融包容的區域差異與影響要素解析[J]. 金融理論與實踐， 2012（11）：39-48.

[14]Allen F， Demirguc-Kunt A， Klapper L F， et al. The foundations of financial inclusion： Understanding ownership and use of formal accounts[J]. Journal of Financial Intermediation， 2016，27（1）：1-30.

[15]Kabakova O， Plaksenkov E. Analysis of factors affecting financial inclusion： Ecosystem view[J]. Journal of Business Research. 2018，89（8）：198-205.

[16]Sarma M， Pais J. Financial inclusion and development[J]. Journal of International Development， 2011， 23（5）：613-628.

[17]焦瑾璞， 黃亭亭， 汪天都，等. 中國普惠金融發展進程及實證研究[J]. 上海金融， 2015（4）：12-22.

[18]Dungey M， Tchatoka F D， Yanotti M B. Using multiple correspondence analysis for finance： A tool for assessing financial inclusion[J]. International Review of Financial Analysis， 2018（59）：212-222.

[19]Ahamed M M， Mallick S K. Is financial inclusion good for bank stability？ International evidence[J]. Journal of Economic Behavior & Organization， 2017（157）：403-427.

[20]Goswami G G， Haider S. Does political risk deter FDI inflow？ An analytical approach using panel data and factor analysis[J]. Journal of Economic Studies， 2014， 41（2）：233-252.

[21]勾東寧， 趙禎. 我國普惠金融發展水平的省際比較[J]. 統計與決策， 2019，35（15）：162-165.

[22]Le T H， Chuc A T， Taghizadeh H F. Financial inclusion and its impact on financial efficiency and sustainability： Empirical evidence from Asia[J]. Borsa Istanbul Review， 2019，19（4）：310-322.

[23]王珂英， 張鴻武. 農村金融包容發展對農戶創業影響的實證分析[J]. 統計與決策，2016（11）：133-136.

[24]陳銀娥， 孫瓊， 徐文赟. 中國普惠金融發展的分布動態與空間趨同研究[J]. 金融經濟學研究， 2015（6）：72-81.

[25]王修華， 關鍵. 中國農村金融包容水平測度與收入分配效應[J]. 中國軟科學， 2014（8）：150-161.

[26]張曉琳， 董繼剛. 農村普惠金融發展評價分析——來自山東的實證研究[J]. 東岳論叢， 2017（11）：118-126.

[27]于曉虹， 樓文高， 余秀榮. 中國省際普惠金融發展水平綜合評價與實證研究[J]. 金融論壇， 2016（5）：18-32.

[28]張建波， 郭麗萍. 關于普惠金融影響收入分配差距的理論機制及實證分析——我國普惠金融發展對城鄉居民收入差距的影響[J]. 武漢金融，2017（8）：13-17.

[29]吳雄周， 曾福生. 湖南城市可持續發展水平的區域差異實證分析——基于因子分析法和聚類分析法[J]. 華中農業大學學報（社會科學版）， 2010（5）：99-103.

（責任編輯：寧曉青）