农村金融排除的空间差异及其收敛性分析——来自中国1 728个县（市）的数据

田 杰，陶建平

（华中农业大学a.经济管理学院；b.湖北农村发展研究中心，湖北 武汉 430070）

农村金融排除的空间差异及其收敛性分析
——来自中国1 728个县（市）的数据

田 杰a，b，陶建平a，b

（华中农业大学a.经济管理学院；b.湖北农村发展研究中心，湖北 武汉 430070）

构建普惠性农村金融体系是实现中国农村经济包容增长及建立和谐社会主义新农村的重要组成部分，但目前鲜有文献分析中国农村金融排除的空间差异及其收敛性的因素。鉴此，采用σ收敛、β收敛和“俱乐部收敛”三种分析方法，使用来自中国2006—2009年1 728个县（市）的数据，以金融排除指数（IFE）为衡量指标，对中国农村金融排除收敛性进行分析，并对影响农村金融排除的关键因素进行了条件β收敛的检验。研究表明：中国各个县（市）金融排除总体存在σ收敛并表现出明显的β绝对收敛特征；在控制了地理位置、人均GDP、城镇化比例、受教育水平、城乡收入差距、信息技术、就业率和商业环境后，中国农村地区金融排除表现出条件β收敛；东、中、西三大地区不存在俱乐部收敛，东、西部地区呈现出发散，中部地区表现出收敛。以上结论对中国农村普惠性金融体系建设具有指导意义。

农村金融；金融排除指数；σ收敛；β收敛；俱乐部收敛

一、前 言

金融排除作为金融地理学的一个重要分支已经引起了学者和政策制定者的广泛关注。金融排除的反面是金融包容，也称为普惠性金融，建立完善的包容性金融体系，并通过提供安全可靠的储蓄、贷款和汇兑、理财投资等金融服务以有效地提高整个社会的效率，从而促进整个社会包容性增长。普惠性金融包括三个方面的维度：即地理渗透性、使用效用性和产品接触性，并由这些维度一起建立一个普惠性金融体系。作为发展中的大国，中国的金融排除状况已越来越引起世界的关注，而中国农村地区却遭受着相对更为严重的金融排除。那么，如何测度中国农村不同地区金融排除之状况？农村不同地区金融排除的空间差异如何？这种发展趋势是呈现差距收敛还是发散的状态？这些都是亟待解决与研究的问题。

目前，国内对金融排除收敛进行研究的学者较少。张杰最早通过“新古典均衡假说”、“循环积累因果原理”及“威廉姆斯倒U型假说”对中国经济的区域差异状况做了比较分析，认为区域金融会呈现出类似于经济发展的“威廉姆斯倒 U 型”趋势［1］25－30；其后的大量文献从金融深度的视角对中国金融发展的收敛性问题进行了研究，如田霖分析认为中国金融发展的差距在1978—1984年扩大，1980年中期到1993年下降，而从90年代中期开始又呈现上升趋势［2］37－156，这一证实结果显然与张杰的“威廉姆森倒 U 型”观点不一致［1］90－102；郑长德的实证分析结果也没有支持“倒 U 型”假说［3］28－70；目前的文献使用不同年份的数据得到了不同的分析结果，如陆文喜和李国平研究表明东、中、西部地区的金融发展存在收敛性，而且具备阶段性，经济金融发展政策影响了收敛性［4］；赵伟和马瑞永的研究发现中国的区域金融发展不存在σ收敛，但存在β绝对收敛，区域金融发展表现出了一定的“俱乐部收敛”特征［5］。

国外文献对金融发展的收敛性也进行了大量研究，其研究表明不同国家金融体系的收敛性普遍存在，但收敛性进程却总是受到各种因素的干扰，如Bartiloro和DeBonis对欧盟12个国家的研究表明金融发展不存在σ收敛，而存在β收敛［6］；Magda等人通过研究法、德、日、意、英、美这六个发达国家的金融体系的历史演进发现，不同金融体系之间的收敛性是有限的，而且还会受到不同金融制度的影响［7］。

目前，很少有文献对中国农村金融排除的收敛性进行分析，而对这个问题的研究不仅是关系农户能否享受金融服务的基本问题，同时也是关系农村各地区能否和谐发展的社会问题。笔者选取县（市）作为研究样本具有一定的现实意义，因县域经济是国民经济体系的基础和关键环节，农村包容性金融的发展将会更好地促进县域经济实现包容性增长，而且使用县（市）级层面数据对中国农村金融排除收敛性进行分析，可进一步丰富金融排除收敛方面的研究。因此，笔者认为使用来自县（市）的数据对中国农村金融排除的空间差异及收敛性进行研究，非常必要。

二、研究方法与数据来源

（一）普惠性金融发展指标和金融排除指数（IFE）

Beck等人最早提出了测度普惠性金融发展的八个指标：每万人金融机构网点数、每百平方公里金融网点数、每万人ATM、每百平方公里的ATM、人均储蓄／人均GDP、人均贷款／人均GDP、每千人储蓄账户数、每千人贷款账户数［8］；Sarma结合金融排除的概念，又提出了金融排除的三大维度：地理渗透性、使用效用性、产品接触性［9］，具体指标解释如表1所示：

表1 农村普惠性金融发展指标表

所有这些指标能够用来表示金融发展的宽度，考虑到金融排除的过程非常复杂和多维，这些指标假如被单独使用，将仅仅提供部分的关于普惠性金融发展的信息。Kempson等人观察到对于一些具有很高的银行账户使用比的国家，仅用银行账户来测量普惠性金融发展程度是不够的［10］，因此任何单一指标都不能充分反应普惠性金融发展。学者们常用的金融发展水平测度方法有因子分析法和主成分分析法［11－12］，但考虑到每个维度都是同等的重要，Sarma提出了IFI（Index of financial inclusion）［9］，这个指数吸收了普惠性金融发展三个维度的重要信息，提供了一个较综合的测度普惠性金融发展的方法。之后，Chakravarty对IFI指数又进行了改进，其计算方法更加完善，即：

其中IFI指数介于0～1之间，0表示完全的金融排除，1表示完全的金融包容；r＝0.25、0.5或1；IFI是一个递减函数，且满足如下特性：最小值和最大值分别为0和1，并满足单调性，同质性，递减函数；Ar（x i，mi，Mi）100／（KIr）可被认为是维度i对总的普惠性金融发展的贡献，从而可确认不同的维度对总的普惠性金融发展的贡献率。

与普惠性金融发展指数相对应，金融排除指数用下式表达：

（二）收敛性模型

学者们研究发现，经济意义上的收敛在金融领域同样适用。金融体系的收敛性可分为：σ收敛（σconvergence）、β收敛（β－convergence）和“俱乐部收敛”（club convergence），对这三种收敛的介绍如下：

1.σ收敛。σ通常是指研究对象的标准差，简单的理解σ收敛就是研究对象的标准差随时间变小。假设用金融排除指数（IFE）来衡量经济体的金融排除度，σ收敛则指各经济体的IFE对数值的变异系数随着时间的变化下降，σ收敛的检验方程为：

其中i代表经济体，一共为n个；t表示期初；t＋T表示期末；σt为时间t时各经济体IFE对数值的标准差，用σt来表示其离散水平是无法反映各区域之间的真实离散度的［13］，而采用变异系数（CV）则可克服这种平均金融排除度的影响。用变异系数来对农村金融排除的收敛性做出总体判断，如果CVt＋T＜CVt，说明中国农村金融排除存在σ收敛。

2.β收敛。β收敛是针对农村金融排除的下降速度而言的，是指金融排除度初始水平较高的经济体比初始水平较低的经济体有更高的下降率。β收敛又可以分为β绝对收敛和β条件收敛。β绝对收敛不考虑不同经济体之间结构上的差异，检验β绝对收敛的目的是确定农村金融排除较高地区能否赶上较低地区，如果方程（3）的回归结果取决于初期的农村金融排除度，且不受其他附加变量的影响，那么就属于β绝对收敛。检验β绝对收敛一般采用下述方程：

其中γi，t，t＋T为单位时间logIFE 的增长率，α为常数项，εi，t为误差项。

检验β条件收敛的目的则是检验其能否收敛到自身稳定状态。β条件收敛放弃了各个经济体结构相同的假设，因为各个经济体的金融排除下降速度会受到其制度和结构因素的影响，然而目前的文献表明农村金融包容不仅取决于初期的农村金融排除度，而且也受到诸如地理位置、人均GDP、城镇化水平、受教育水平、城乡收入差距、信息技术、就业率、商业环境等其他因素的影响。为此，将以上变量加入到如下方程中：

检验β条件收敛采用的方程为：

其中Ψ是系数矩阵，X i，t为影响收敛的其他变量矩阵。

3.“俱乐部收敛”。“俱乐部收敛”指初期经济集团内部经济体之间的金融排除度接近，且在具有相似制度和结构特征的情况下趋于收敛，即金融排除较低的经济体集团和金融排除较高的经济体集团各自内部存在着条件收敛，而集团之间却没有收敛的现象。比如将中国划分为东、中、西部，如果三大区域内部金融排除收敛明显，而三大区域之间却不存在收敛现象，笔者则认为存在“俱乐部收敛”，而对各区域的收敛用β绝对收敛的方法进行检验。“俱乐部收敛”的检验方程为：其中γi，t，t＋T为单位时间logIFE 的增长率；α为常数项；εi，t为误差项；γi，t为t年间区域i的农村金融排除的平均增长率；IFEi，t为基期区域i的农村金融排除指数；β为待估参数。如果β为正值，就称这n个区域间呈现“俱乐部收敛”；若β为负值，则表明n个区域间趋于发散。

（三）数据来源

以上变量的数据时间段为2006—2009年；数据来源于2007—2010《中国县（市）社会经济统计年鉴》、中国银监会官方网站中农村金融图集收集的2006—2009年各个县市的银行类和经济类统计数据、国研网县级经济数据以及2010各个省份的统计年鉴；剔除统计偏差的异常值后，共计1 728个县（市），四年共6 912个样本。

三、结果分析

（一）农村金融排除的空间差异分析

表2 2006－2009年中国各个县（市）分区域统计描述表

从表2可看出：区域间金融排除水平同样存在一定差异，西部地区IFE均值较高，平均达0.687，同时变异系数最高，平均为0.098，表明西部地区县（市）在金融排除相对较高的同时其发展不均衡；中、东部地区的IFE均值相对较低，分别为0.667和0.636，但相对于西部，中、东部地区农村金融排除度相对均衡，变异系数都为0.070。

表3是农村金融排除各维度指数的平均数及各维度指数对总金融排除度的贡献率，考虑到样本数量较多及东、中、西发展的不平衡，将样本县（市）划分为东、中、西部，并计算了三大区域平均的金融排除指数及各维度的平均指数。从表3可看出：东、中、西部地区金融排除度依次递增，从金融排除的各指数贡献率看，每百平方公里的网点数过低导致了较高的金融排除度；人均储蓄／人均GDP、人均贷款／人均GDP、对金融排除贡献最低的是每万人的金融网点数，这种顺序也表明了降低金融排除需要从以上各方面依次着手。

表3 农村金融排除指数各个维度表

（二）农村金融排除的σ收敛分析

2006—2009年，中国1 728个县（市）金融排除的变异系数总体呈下降趋势，说明中国农村金融排除存在σ收敛。2008年的变异系数高于其他年份并达0.095，总体变异系数从2006年的0.094下降到2009年的0.085，表明这一时期中国农村地区金融排除呈现空间收敛趋势，农村金融排除的区域差距以较快速度缩小。从表4可看出：中国农村地区金融排除的平均值从2006年的0.638上升到2009年的0.682，表明农村普惠性金融建设滞后于中国经济增长及农村普惠性金融建设，仍处在低水平进行中。

表4 2006－2009年农村金融排除σ收敛分析表

（三）农村金融排除的β收敛分析

1.农村金融排除的绝对收敛性分析。笔者研究的金融收敛性是指金融排除越高的县，其潜在普惠性金融发展的速度越快。利用2006—2009年各县的IFE变化度量该时期金融排除程度，各县金融排除指数的初始值为2006年的IFE值。回归方程采用β绝对收敛方程：此处为第i个县的对数化IFE变化，即2006年第i个经过对数化处理的IFE值。从表5可看出：IFEi，t前面的系数为负，并且系数都是显著的。整体看，2006—2009年间中国县域金融排除是收敛的，同时收敛速度与初始值相关，这意味着县域金融排除的收敛属于β收敛，即原来金融排除越高的县，普惠性金融发展增速越快。由此中国县域经济的金融排除水平存在β绝对收敛的趋势。

表5 2006－2009年农村金融排除的β绝对收敛分析表

2.农村金融排除的条件收敛性分析。β条件收敛是在β绝对收敛方程的基础上引入新变量，新变量的引入可据具体情况定。综合以往文献的研究发现：地理位置、人均GDP、城镇化水平、受教育水平、城乡收入差距、信息技术、就业率、商业环境等都是影响各地区农村金融排除的重要因素，故选取各县（市）所处的东、中、西地理位置、人均GDP、非农人口占总人口比例、每百人中学生在校学生数、城乡收入差距、每百人本地电话使用比例、就业率及每百人中个体工商户和小企业数的比例等指标，作为决定农村金融排除收敛的条件。

利用EViews3.1软件对农村金融排除进行β条件收敛检验，结果如表6所示。通过分析结果可知：影响中国农村金融排除呈β条件收敛的首要因素是信息技术，加入信息技术这一条件后，β估计值达到0.171；另两个重要因素是商业环境和受教育水平，其β估计值分别为0.130和0.123；其他引入条件如城镇化水平、人均GDP、地理位置、城乡收入差距、就业率对中国农村金融排除呈β收敛也均有不同程度的促进作用，这说明商业环境、受教育水平、人均GDP、城镇化水平、地理位置、城乡收入差距、就业率等动态变量均为影响中国农村金融排除收敛性的重要变量。如果政策制定者在适度调控的前提下控制以上动态变量，则可促使中国各个县（市）农村金融排除收敛于各自的稳态。

表6 2006—2009年农村金融排除的β条件收敛分析表

（四）农村金融排除的“俱乐部收敛”分析

整体上中国县域金融的排除呈现β收敛的特征，那么地区之间是否有所差异呢？下面设置虚拟变量对东、中、西部县域进行分析。

设west＝1表示西部地区的县，设east＝1为东部地区的县，回归方程如下：

其中a4和a5分别度量西部和东部地区相对于中部地区金融排除收敛（发散）的相对快慢程度，若该值为正，则说明该地区相对于中部地区更加发散；若该值为负，则说明该地区相对于中部地区更加收敛；该负值的绝对值越大，说明其收敛速度越快，回归结果如表7。

表7可看出：回归方程对应的系数都是显著的，west＊logIFEi，t和east＊logIFEi，t分别表示east和west与logIFEi，t的交叉项，考虑到虚拟变量的取值情况，只有中部地区对应的系数均显著为负，并表现出收敛性，西部地区和东部地区呈发散状态，这表明中国区域间农村金融排除不存在“俱乐部收敛”。

四、结论与政策涵义

（一）结论

采用σ收敛、β收敛和“俱乐部收敛”三种分析方法，使用来自中国2006—2009年1 728个县（市）的数据，以IFE（金融排除指数）为衡量指标，对中国农村金融排除收敛性进行了分析，并对影响农村金融排除的关键因素进行了条件β收敛的检验。研究表明：东、中、西部地区农村金融排除依次上升，从构成农村金融排除的各指数贡献率看，首先是每百平方公里的网点数过低导致了较高的金融排除度；其次是人均储蓄／人均GDP、人均贷款／人均GDP、每千人贷款账户拥有量等指标对农村金融排除有明显的影响，而对农村金融排除贡献最低的是每万人的金融网点数。中国农村地区金融排除总体存在σ收敛并表现出明显的β绝对收敛特征。控制地理位置、人均GDP、城镇化比例、受教育水平、城乡收入差距、信息技术、就业率和商业环境后，中国农村地区金融排除表现出条件β收敛；东、中、西三大地区不存在“俱乐部收敛”，即东、西部地区呈现发散，中部地区表现收敛。

（二）政策建议

1.增设金融网点，着力提高农村地区金融服务覆盖面。县域内偏远地区金融服务设施严重不足，为解决这一问题，就要着力完善网点布局，做到“不空白”。为了使被传统金融体系所排斥的农村弱势群体能获取金融服务，监管部门要积极鼓励各类社会资本进入农村地区设立金融机构，解决农村地区金融机构因为竞争不充分、网点覆盖率低等问题所导致的金融供给不足。

2.建立互补有序、协调发展的农村金融资源配置体系，有效缩短地区间金融资源配置差异，以提高农村金融体系效率。引导金融资源向欠发达地区流动，是各个地区金融协调发展的关键所在。为此，金融监管部门应充分利用宏观调控手段和货币政策工具，具体解决“资金外流”和“信贷歧视”问题。

3.普及金融服务的新技术，有效减少农村金融排除。银行业金融机构要总结推广和不断创新金融服务方式，研发推广适合当地农户服务需求的金融业务产品，积极发展现代支付工具，如电话银行、手机银行等，提高空白乡镇金融服务的充分性与多样性。各县域银行类金融机构着力布设ATM机等自助设备，做到金融服务全覆盖，让农民共享科技金融的便捷性。

4.加快农村城镇化、工业化、农业产业化进程，推动县域经济发展。县域经济的壮大、特别是中西部地区县域经济的发展，必将促进中国农村地区金融排除的收敛性增强。

［1］ 张杰.中国金融成长的经济分析［M］.北京：中国经济出版社，1995.

［2］ 田霖.区域金融成长差异——金融地理视角［M］.北京：经济科学出版社，2006.

［3］ 郑长德.中国区域金融问题研究［M］.北京：中国财政经济出版社，2007.

［4］ 陆文喜，李国平.中国区域金融发展的收敛性分析［J］.数量经济技术经济研究，2004（2）.

［5］ 赵伟，马瑞永.中国区域金融发展的收敛性、成因及政策建议［J］.中国软科学，2006（2）.

［6］ Bartiloro L，DeBonis R.The Financial Systems of European Countries：Theoretical Issues and Empirical Evidence［C］.Irving Fisher Committee on Central－Bank Statistics，2005.

［7］ Magda B，Gerali A，Massaro R.Financial Systems Across“Developed Economies”：Convergence or Path Dependence？［J］.Research in Economics，1997，51（3）.

［8］ Beck T，Demirguc－Kunt A，Martinez Peria M S.Reaching out：Access to and Use of Banking Services Across Countries［J］.Journal of Financial Economics，2007，85（1）.

［9］ Sarma Mandira，Pais J.Financial Inclusion and Development［J］.Journal of International Development，2010（4）.

［10］Kempson E，Atkinson A，Pilley O.Policy Level Response to Financial Exclusion in Developed Economies：Lessons for Developing Countries［R］.University of Bristol，2004.

［11］潘传快，熊巍.基于因子分析法的湖北省新农村建设实证分析［J］.华中农业大学学报：社会科学版，2010（3）.

［12］蒋满霖.新农村建设中农村金融生态质量的实证分析——以安徽为个案［J］.华中农业大学学报：社会科学版，2009（1）.

［13］李然，冯中朝.中国各地区油菜生产率的增长及收敛性分析［J］.华中农业大学学报：社会科学版，2010（1）.

Empirical Analysis on Spatial Differences and Convergence of the Rural Financial Exclusion：Based on the Data from 1728 Counties and Cities

TIAN Jiea，b，TAO Jian-pinga，b

（a.School of Economics and management；b.Hubei Rural Development Research Center，Huazhong Agricultural University，Wuhan 430070，China）

Building an inclusive rural financial system is an important part for achieving inclusive rural economic growth and for building a harmonious socialist，but we rarely have seen the literature on the positive Analysis of China＇s rural financial exclusion and factors which affected the spatial differences of convergence.This paper uses financial exclusion index （IFE）as a measure to analyze Chinese rural financial exclusion convergence，with the help ofσ－convergence，β－convergence and club convergence analysis ways，using the data of 1728 counties from 2006 to 2009，and tests the key elements which impact rural finance withβ－convergence.The results show that：China＇s each county（city）＇s financial exclusion generally characterized convergence and showed significantβabsolute convergence characteristics.Controlling the location，the per capita GDP，urbanization ratio，education level，urban－rural income gap，information technology，employment and business environment，China＇s rural financial exclusion conditions showβconvergence；there are no club convergence in eastern，central and western regions，eastern and western regions show divergence，the central region showed convergence.The above conclusion has guiding significance to rural inclusive financial system construction in our country.

rural finance；index of financial exclusion；σ－convergence；β－convergence；club convergence

（责任编辑：郭诗梦）

F832.6

A

1007－3116（2011）12－0097－06

2011－07－08；修复日期：2011－10－13

高等学校博士学科点专项科研基金博导类基金项目《农业保险主体博弈与最优作物保险契约形成机制研究》（20090146110001）；中央高校基本科研业务费专项基金项目《基于主体效用博弈的农业保险契约机制研究》（2009RW003）

田 杰，男，湖北枣阳人，博士生，研究方向：农村金融；

陶建平，男，湖北麻城人，教授，博士生导师，研究方向：农村金融与农业风险管理。

【统计应用研究】