我国金融排斥程度研究——基于金融排斥指数的构建与测算

李春霄，贾金荣

(西北农林科技大学经济管理学院，陕西 杨凌 712100)

一、引 言

近年来，金融发展与经济增长之间的相关关系一直是学界研究的热点，其中大量的文献证明，金融发展对经济增长具有重要的促进作用［1-5］，因此，各国都试图采取一系列措施促进金融发展，进而促进经济增长。改革开放以来，我国政府对金融体系进行了一系列改革，通过这些改革我国的金融体系得到了完善与发展，金融在我国经济增长和居民收入提高中的作用得到空前提高。但我国的金融体系还存在着许多问题，金融服务体系还不完善。仅从农村来看，根据银监会网站公布的《中国银行业农村金融服务分布图集》显示，2008年末金融服务严重不足(机构网点≤1)的乡镇有11885个，占全国乡镇总数的39%，获得贷款的农户比例仅为农户总数的28%，获得保险、基金、证券等金融服务的农户更是微乎其微［6］，由此来看，我国居民的很大一部分的金融需求还得不到满足，金融在促进我国经济增长和居民收入提高中的作用还是有限的，理论界将大多数国家面临的这一共同难题归结为严重的金融排斥①1993年，英国学者Leyshon and Thrift首次提出了金融排斥的概念，最早对金融排斥的研究主要集中于地理排斥。Leyshon and Thrift将金融排斥定义为贫困阶层和社会弱势群体由于远离金融服务机构及其分支机构而被排斥在主流金融服务之外［7］。Panigyrakis，Theodoridis和Veloutsou拓展了金融排斥的涵义，他们给金融排斥下的定义是:金融排斥是指由于没有合适的获取渠道，部分群体不能以合适的方式使用主流金融系统提供的金融服务［8］。本文把金融排斥定义为:一定时期内，在一定经济条件下，由于主流金融服务机构所提供的金融服务的普及程度、可得性、可使用性、可负担度等超出金融服务使用者的承受范围等原因阻碍了人们对金融服务的使用的一种状态。(Financial Exclusion)问题阻碍了金融服务的可得性［9］。

金融排斥问题的存在阻碍了金融的发展，系统研究并解决金融排斥问题，对促进金融和经济发展都具有重要的现实意义。我国2010年中央一号文件提出“抓紧制定对偏远地区新设农村金融机构费用补贴等办法，确保3年内消除基础金融服务空白的乡镇”，表明国家已经重视并试图消除金融排斥。要解决金融排斥问题，必须首先科学测度目前我国面临的金融排斥的程度，因此，本文基于省际数据运用一系列指标构建金融排斥指数(Index of Financial Exclusion，IFE)，试图对我国的金融排斥程度进行测度与分析。

二、文献综述

金融排斥的概念由Leyshon and Thrift提出后，Kempson and Whyley拓展了金融排斥的概念，认为金融排斥是一个复杂而多维的概念，提出了金融排斥的六维评价标准，分别是地理排斥①地理排斥是指被排斥的对象由于无法就进获取金融服务，不得不依赖公共交通系统到达相距较远的金融中介。(Physical Access Exclusion)、评估排斥②评估排斥是指金融机构通过风险评估程序限制了客户接近金融资源。(Access Exclusion)、条件排斥③条件排斥是指通过对金融产品附加苛刻的条件将某一类人群排除在外。(Condition Exclusion)、价格排斥④价格排斥是指现行金融产品的价格超过了某类人群的购买能力而造成的排斥。(Price Exclusion)、营销排斥⑤营销排斥是指金融机构在进行金融产品的营销时对某类人群进行了主观忽视。(Marketing Exclusion)和自我排斥⑥自我排斥是指居民对金融服务有需求，但由于曾经在申请金融产品时被拒绝或听说很难获得或对金融产品不了解而主动放弃申请使用该产品。(Self-exclusion)，金融排斥是这六个维度共同作用的结果［10］。王志军指出金融排斥是指社会中的一部分人由于多种原因难以进入主流金融体系获得必要的金融服务［11］。李涛、王志芳等认为金融排斥是人们不能以恰当的方式获得储蓄、基金、保险、贷款等方面的金融服务［12］。

在金融排斥程度的衡量方面，英格兰东南发展机构利用一系列数据，采用复合剥夺指数(Index of Multiple Deprivation)作为模型的因变量采用线性回归模型，以逐步回归的方式确定了金融排斥的相关变量，并计算出金融排斥指数，但是该指数所用到的相关数据，多数国家的统计机构目前还没有提供，所以影响了该指数的应用和推广［13］。李涛、王志芳等分析了我国城市居民受金融排斥的状况，在衡量金融排斥程度时他们采取问卷调查的方法，如果居民没有使用储蓄、基金、保险、贷款等金融服务时则认为该居民受到了相应的金融排斥［12］。田霖利用主成分分析、因子分析和聚类分析的方法，建立排序选择模型，分析了我国金融排斥空间差异及其影响要素［14］。王修华、邱兆祥建立了地理、评估、条件、价格、营销、自我等六维度的相应评价指标体系对我国农村金融排斥的现实困境进行定性与定量的描述［6］。高沛星、王修华把金融排斥的六个维度，合并减少为四个维度，建立相应评价指标体系，基于省际数据采用变异系数法定量分析了我国各省农村金融排斥程度，并利用皮尔逊相关系数法分析了形成我国农村金融排斥区域差异的主要影响因素［15］。

从国内外对金融排斥的研究来看，对金融排斥程度的测度主要是利用Kempson and Whyley提出的六维评价标准，利用相应的具体指标代表六个维度，例如王修华、马柯 等在测度我国的金融排斥程度时，利用地区银行类金融机构数比地区人口代表地理排斥，地区银行承兑汇票余额比地区人口数代表评估排斥，地区加权贷款利率水平代表价格排斥，地区人均贷款余额代表条件排斥，地区贷款余额比存款余额代表营销排斥，地区非金融机构融资规模比金融机构贷款余额代表自我排斥［16］。对比六个维度的涵义可以看出，他们创建的评价指标体系并不能准确的表示各维度所要表达的涵义。通过研究发现，就目前所能利用的数据和方法而言，试图利用六维标准比较准确地衡量和测度金融排斥程度是存在很大困难的。因此，本文试图从一个新的角度，建立衡量金融排斥的新的维度体系，并利用相应的指标体系，构建金融排斥指数，对金融排斥程度进行科学测度和分析。

三、金融排斥指数的构建

(一)金融排斥指数构建的目标和原则

通过研究已有的文献可以看出，传统的金融排斥评价方法基本都是用Kempson and Whyley提出的六个维度构建评价指标进行分析的。金融排斥的六个维度基本都是主观性比较强的指标，而且各个指标之间密切相关，相互重叠，要使用计量的方法和具体数据加以准确衡量是比较困难的，例如，评估排斥是指金融机构通过风险评估程序限制了客户接近金融资源，由于风险评估程序是人为制定的，具有较大的灵活性和针对性，要准确衡量金融排斥中评估排斥的程度就目前可用的方法和数据来看是比较困难的。从这六个维度构建的评价指标体系来衡量金融排斥程度是很难对金融排斥程度进行准确、客观地测度的，所以本文不以六个维度为标准，而是从新的角度构建衡量金融排斥的维度体系，并确定相应评价指标，对金融排斥指数进行构建和测度。金融排斥指数构建的目标为:基于金融排斥的涵义，利用客观、可得、全面的数据，建立一套在时空范围内可比较、可计算的评价体系，对金融排斥的程度进行科学衡量和测度。金融排斥指数构建的原则可分为以下几点:

1.建立的评价体系必须尽可能多地包含金融排斥的不同层面，能对金融排斥的基本内涵包含的信息进行科学测度。金融排斥包含的层面非常多，因此要准确评价金融排斥，其评价指标体系必须尽可能多的包含金融排斥的不同层面。

2.建立的评价指标体系必须是客观的、可得的，数据来源是有保证的，是可以用数学的方法加以衡量和计算的。

3.金融排斥指数的计算方法必须是简单容易的，并符合经济学、数学、统计学等学科的基本原理。

4.构建的金融排斥指数必须是可以进行时空比较的。只有对金融排斥进行时间和空间的比较，才能了解一个地区在不同时期金融排斥的具体程度和变化，这对制定金融排斥的破解对策具有重要的意义。

(二)金融排斥维度的确定

基于金融排斥的涵义，并根据金融排斥指数设定的目标原则，本文将金融排斥维度确定为以下四个维度:金融服务的深度(Depth)、金融服务的可得度(Availability)、金融服务的使用度(Usage)、金融服务的可负担度(Affordability)。

维度1:金融服务的深度。与金融排斥相对的概念是金融包容(financial inclusion)，一个包容性的金融体系必须尽可能多地包含所有的想得到金融服务的用户，金融排斥显然是使用户被排斥在金融服务体系之外，而得不到需要的金融服务。因此金融服务的深度表示金融服务在其用户中的渗透程度是怎样的，即有多少用户能够使用金融服务。具体的评价指标可用一个地区的银行账户开户数、平均每个人的存贷款余额等表示。

维度2:金融服务的可得度。包容性的金融体系的金融服务的可得度非常高，用户可以很容易的得到自己需要的金融服务，而排斥性的金融体系则使用户很难获得自己需要的金融服务。因此金融服务的可得度表示一个地区金融服务在多大程度上可以获得。具体的评价指标可用每万人拥有的金融机构网点数、每万人拥有的ATM机数、每万人拥有的金融机构服务人员数量、每万平方公里拥有的金融机构网点数、每万平方公里拥有的金融机构服务人员数等表示。

维度3:金融服务的使用度。包容性的金融体系的金融服务不但可以使用而且使用程度非常高，而排斥性的金融体系由于把部分使用者排除在金融服务体系之外，这就限制了金融服务的使用程度。因此金融服务的使用度表示一个地区金融服务在使用程度上是怎样的。这个维度具体的评价指标可用一个地区的存贷款余额占GDP的比重来表示。

维度4:金融服务的可负担度。一个包容性的金融体系提供的金融服务在价格上是使用者能够负担的，而排斥性的金融服务体系提供的金融服务由于价格太高使得有些使用者负担不起，进而影响了金融服务的推广和应用。因此金融服务的可负担度表示一个地区提供的金融服务的价格是否在使用者的可负担范围之内，具体的评价指标可用利率水平、金融服务价格等表示。

(三)金融排斥指数的构建

在构建金融排斥指数时，根据我们确定的金融排斥的涵义和金融排斥指数构建的目标和原则，借鉴国际认可度很高的联合国开发计划署(United Nations Development Program，UNDP)编制的人类发展指数①人类发展指数是联合国开发计划署在《1990年人文发展报告中》提出的用以衡量联合国各成员国经济社会发展水平的指标。人类发展指数是对人类发展成就的总体衡量尺度，是测量一个国家在人类发展的三个基本方面的平均成就:1.健康长寿的生活，用出生时的预期寿命表示;2.知识，用成人识字率及小学、中学和大学综合毛入学率表示;3.体面的生活水平，用人均GDP表示。各个指标都设定了最大值和最小值，指数的计算公式为:指数值=(实际值-最小值)∕(最大值-最小值)，而HDI值为三个基本指数的几何平均数。以上摘自互动百科，http://www.hudong.com/wiki/%E4%BA%BA%E7%B1%BB%E5%8F%91%E5%B1%95%E6%8C%87%E6%95%B0。(Human Development Index，HDI)的计算方法构建金融排斥指数的测算方法:

假设金融排斥有n个评价维度D，每个指标的权重w，用以表示该指标对量化金融排斥指数的重要程度。用以下公式表示每个指标的测度值:在公式(1)中，Dn表示第n个维度在测度金融排斥指数时的计算值，代表这个地区在这个维度取得的成就。

wn表示第n个维度的权重，设定0≤wn≤1，wn越大说明该维度对量化金融排斥的重要程度越高;

Xn表示第n个维度评价指标的实际值;

Mn表示设定的第n个维度评价指标的最大值;

mn表示设定的第n个维度评价指标的最小值。

当Dn是正向指标时，Dn越大代表这个地区在这个维度取得的成就越高，金融排斥的程度就越低;当Dn是逆向指标时，Dn越大代表这个地区在这个维度取得的成就越低，金融排斥的程度就越高。因此为了统一标准，方便金融排斥指数的计算，当Dn是逆向指标时，将Dn的计算公式转换为公式(2)的形式，这样Dn越大时，代表这个地区在这个维度取得的成就越高，与公式(1)标准一致。

由公式(1)、(2)可以看出，各维度评价指标D的取值范围为0≤Dn≤wn。设定一个地区各个维度的计算得分都为0，即Dn=(0，0，0，…0)时，代表这个地区在各个维度的计算值都是最低值，为金融排斥程度最高情况;如果一个地区各个维度的计算得分都为 wn，即Dn=(w1，w2，w3，…，wn)时，代表这个地区在各个维度的计算值都是最高值(也是最理想值)，为金融排斥程度最低的情况。因此，在构建金融排斥指数时就是要计算各个维度的测算值与最理想值的距离，并最终把所有距离整合在一起形成一个测度结果，所以我们将金融排斥指数的测度公式①根据Nathan et al的研究发现，这种基于距离的指数测算公式满足许多数理特性，如标准性、单调性、一致性、对称性等［17］。设定为以下形式:

在公式(3)中，由于Dn的取值范围为0≤Dn≤wn，所以金融排斥指数IFE的取值范围为0≤IFE≤1。如果 Dn=(0，0，0，…0)，则 IFE=1，为金融排斥最高的情况;如果 Dn=(w1，w2，w3，…，wn)，则 IFE=0，为金融排斥程度最低的情况。本文设定当0≤IFE≤0.5时，表示该地区的金融排斥程度较低;当0.5＜IFE≤0.8时，表示该地区金融排斥程度较为严重;当0.8＜IFE≤1时，表示该地区的金融排斥程度严重。

显然，本文设定的金融排斥指数的计算公式与人类发展指数的测度公式是有很大的不同的②主要不同点可分为以下两点:1.人类发展指数是用几何平均数的方法测算的，而本文确定的金融排斥指数测算方法是计算实际值与理想值的距离。2.确定最大值最小值的方法不同，人类发展指数的最大值和最小值是先前设定的，而本文确定的测算金融排斥指数的维度的最大值和最小值是根据样本的实际情况设定的。。通过测度公式可以看出，测算金融排斥指数的重点和难点可分为以下三方面:一是确定金融排斥的评价维度;二是确定各个维度在计算金融排斥指数时所占的权重;三是确定各个维度的评价指标的最大值和最小值。

(四)各维度权重的确定方法

由于本文构建的金融排斥指数是一个相对的计算值，因此本文采用变异系数法测算各个指标的权重。变异系数法的内涵是在用多个指标对一个问题进行综合评价时，如果一项指标的变异系数较大，则说明这个指标在衡量这个问题的差别方面具有较大的能力，那么这个指标就应该赋予较大的权重，反之，则赋予较小的权重。在赋予各指标的权重时，采用各指标的变异系数占所有指标变异系数之和的比值表示。具体的计算步骤和公式如下:

首先计算各指标的变异系数，计算公式如式(3)。

在公式(4)中，CVi代表各个指标的变异系数，Si代表各个指标的标准差代表各个指标的平均数。计算出变异系数后，各个指标的权重计算方法如公式(4)。

根据公式(4)和(5)，利用相关数据，就可以得到相应的农村金融排斥衡量维度的权重。

四、基于省际数据的金融排斥程度的测度

(一)具体评价指标、各个指标的权重、最大值及最小值的确定

由于银行服务是最基础的金融服务，很多金融服务都是建立在银行服务的基础上的，而且银行服务也是我国居民最迫切需要的金融服务(如贷款)，所以本文使用银行服务的相关指标和数据对金融排斥指数进行测度，这可以在很大程度上反映金融排斥程度的实际水平。用银行排斥类似代替金融排斥也是国际学术界通行的做法［18］。根据金融排斥指数构建的目标和原则，结合金融排斥指数测算公式和数据的可得性，本文确定金融排斥的具体评价指标见表1。

本文所用的各个指标的数据来源于中国人民银行发布的《2010年中国区域金融运行报告》、中国统计年鉴、中国金融年鉴、国家统计局发布的《2010年第六次全国人口普查主要数据公报(第2号)》等全国31个省区(不包括香港、澳门和台湾)的数据资料。根据所得数据及确定的各维度的评价指标权重的计算公式，可以计算得出各评价指标的权重。需要指出的是，本文构建的衡量金融排斥的四个维度的重要程度是相当的，在理想情况下他们的权重都应为1，本文所构建的各个维度的评价指标有可能不能完全涵盖各维度的全部内涵，但可以确定的是他们都是所在维度的重要方面，因此本文把各个维度的权重设定为1，各评价指标的权重按照确定的方法进行计算，具体计算结果见表1。

在确定各个维度计算指标的最大值和最小值时，为消除特殊极端情况对数据造成的极大、极小等异常值对整个指数准确性的干扰，考虑到样本的数量仅为31，本文选择各个指标升序排列的第10%位(约为第3位)对应的值为最小值，第90%位(约为第29位)对应的值为最大值。如果指标的实际值小于设定的最小值或大于设定的最大值，则设定这个指标的值等于该最小值或最大值。摆脱异常值的干扰，不但不会影响金融排斥指数的准确性，反而会使所计算的金融排斥指数更加有说服力，更加符合现实情况。

(二)测度结果

根据查阅到的数据和金融排斥指数的计算公式，已经确定的权重，可以对我国各省区的金融排斥的程度进行测度，具体测度结果见表2。

图1 各省区金融排斥程度示意图

由表2可以看出，总体上我国的金融排斥程度还是比较严重的。各省区中，北京、上海、天津、广东、重庆等省份的金融排斥指数小于0.5，属于金融排斥程度较轻的省份;青海、海南、新疆、西藏、江苏、云南、湖北、辽宁、浙江、山西、四川、陕西、福建、广西等14个省份属于金融排斥程度较重的省份;安徽、湖南、贵州、甘肃、宁夏、山东、吉林、江西、河北、河南、黑龙江、内蒙古等12省份属于金融排斥程度严重的省份。

为直观地反映各省区金融排斥的程度，本文运用ArcView GIS 3.3软件绘制我国金融排斥程度的分布图，如图1。从图1中可以看出，金融排斥程度较轻的省份为四个直辖市和经济发达的广东省。值得注意的是，新疆、西藏、青海等西部地区的金融排斥程度为较重，而山东、河北等经济相对发达省份的金融排斥程度却严重，这有可能与西部地区地广人稀，居民的金融需求较低，而东部地区人口稠密，经济发达，居民的金融需求较强，以至于金融需求满足的程度相对较低，进而导致金融排斥相对较为严重。具体引起金融排斥程度区域差异的原因值得专家学者们进一步探讨和研究，笔者将另拟文章专门探讨。

表2 基于省际数据的金融排斥指数的测度

五、结 论

本文借鉴联合国计划开发署编制的人类发展指数，不以当前应用较多但存在很多问题的金融排斥六维评价方法为标准，确定了衡量金融排斥程度的金融服务的深度、金融服务的可得度、金融服务的使用度、金融服务的可负担度等四个维度，并确定了四个维度的评价指标体系，建立了金融排斥指数的测度模型。金融排斥指数测度模型的创建可以用于不同时期、不同国家、不同区域的金融排斥指数的计算和对比，进而对一定时期内不同地区的金融排斥的程度进行分析和探讨。

基于省际数据，本文确定了平均每人的存款余额指数、每万人拥有的金融机构营业网点数指数、各项贷款占GDP的比重指数、利率上浮贷款占各项贷款的比重指数等9个评价指数，并根据具体情况确定了各指数在测度模型中的权重、最大值和最小值，利用金融排斥指数测度模型对我国各省区的金融排斥指数进行了具体测度。通过测度结果可以发现，我国的金融排斥程度是比较严重的，其中四个直辖市和广东省的金融排斥程度较低，西部地区的金融排斥程度较重，而中部地区的金融排斥程度却相对严重，引起金融排斥普遍较重和区域差异较大的原因值得专家学者们进一步研究和探讨。

［1］Goldsmith R.Financial structure and development［M］.New Haven:Yale University Press，1969.

［2］Levine R.Financial development and economic growth:Views and agenda［J］.Journal of Economic Literature，1997(6):688-726.

［3］谈儒勇.中国金融发展与经济增长关系的实证研究［J］.经济研究，1999(10):53-61.

［4］周立，王子明.中国各地区金融发展与经济增长实证分析:1978—2000［J］.金融研究，2002(10):1-13.

［5］王志强，孙刚.中国金融发展规模、结构、效率与经济增长关系的经验分析［J］.管理世界，2003(7):13-20.

［6］王修华，邱兆祥.农村金融排斥:现实困境与破解对策［J］.中央财经大学学报，2010(10):47-52.

［7］Leyshorn A，Thrift N.The restructuring of the UK financial services in the 1990s［J］.Journal of Rural Studies，1993(9):223-241.

［8］Panigyrakis G G，Theodoridis P K，Veloutsou C A.All customers are not treated equally:Financial exclusion in isolated Greek islands［J］.Journal of Financial Services Marketing，2002(7):54-66.

［9］Financial Services Authority(FSA).In or out?Financial exclusion:A literature research review［R］.London:FSA，Consumer Research Paper 3，2000.

［10］Kempson E，Whyley C.Understanding and combating financial exclusion［J］.Insurance Trends(The Association of British Insurers)，1999(21b):18-22.

［11］王志军.金融排斥:英国的经验［J］.世界经济研究，2007(2):64-82.

［12］李涛，王志芳，王海港，等.中国城市居民的金融受排斥状况研究［J］.经济研究，2010(7):15-30.

［13］田霖.我国金融排除空间差异的影响要素分析［J］.财经研究，2007(4):107-119.

［14］田霖.金融排斥:中原崛起的机遇与挑战［J］.金融理论与实践，2007(8):27-29.

［15］高沛星，王修华.我国农村金融排斥的区域差异与影响因素——基于省际面板数据的实证分析［J］.农业技术经济，2011(4):93-102.

［16］王修华，马柯，王翔.关于我国金融排斥状况的评价［J］.理论探索，2009(5):68-72.

［17］Nathan H S K，Mishra S，Reddy B S.An alternative approach to measure HDI［R］.IGIDR Working Paper，No.WP-2008-001，2008.

［18］Sarma M.Index of financial inclusion［R］.Discussion Papers in Economics，2010(5):1-28.