中国农村金融排斥区域差异的空间效应分析

吕勇斌+纪倩倩

摘要：基于农村金融排斥的最新研究成果，构建农村金融排斥的综合评价指标，对中国29个省（市、自治区）的排斥程度进行评价。利用Morans I指数和Moran散点图对中国农村金融排斥的空间特征进行了初步分析，并对农村金融排斥区域差异的空间效应进行了空间数据分析。结果表明，中国农村金融排斥的空间效应显著，邻近地区的排斥程度会对该地区农民的收入产生影响。

关键词：农村金融排斥；区域差异；空间效应

中图分类号：F830.34 文献标识码：A 文章编号：0439-8114（2014）19-4745-06

DOI：10.14088/j.cnki.issn0439-8114.2014.19.063

Analyzing Spatial Effect of Regional Disparity of Rural Financial Exclusion in China

L？譈 Yong-bin1，2， JI Qian-qian2

（1.Research Institute for Fiscal Science， Ministry of Finance of P. R. China， Beijing 100142， China；

2.Finance School， Zhongnan University of Economics and Law， Wuhan 430073， China）

Abstract： Based on the latest researches on rural financial exclusion， evaluating indicators were constructed comprehensively to sequence the exclusion level of 29 provinces in China. Using Morans I index and Moran scatter plot， spatial characteristics of rural financial exclusion were analyzed. Spatial effects of regional disparity of rural financial exclusion were empirically analyzed from spatial dependence and spatial heterogeneity. The results showed that spatial effects were significantly different. Exclusion levels of the neighboring provinces had effects on farmers incomes of the province.

Key words： rural financial exclusion； regional disparity； spatial effect

2004-2013年，中央一号文件连续10年聚焦“三农”问题。解决“三农”问题的基本举措在于构建完善的现代农村金融体系。随着国民经济的持续增长，中国农村金融改革与发展取得了较大成绩。根据中国人民银行发布的2012年《中国农村金融服务报告》，金融支持“三农”发展的力度持续加大。截至2012年底，全口径涉农贷款余额17.6万亿元，较2007年末增长188.2%，5年间年均增速24.3%。主要涉农金融机构涉农贷款不良率2.4%，同比下降0.5个百分点。然而，受各种因素的影响，农村金融仍然是中国金融改革发展最为薄弱的环节。

一般而言，金融发展应该包括金融深度（Financial depth）和金融宽度（Financial breadth）两个维度。中国农村金融发展的深度较浅，宽度较窄。相对而言，农村金融在深度即量的方面取得了较大的成效，在宽度即质的方面却没有得到相应的改善。根据银监会公布的《农村金融服务分布图集》显示，2008年末，39%的乡镇金融服务严重不足（机构网点数量小于或等于一）。学界把这一现象归结为中国农村地区存在严重的金融排斥（Financial exclusion），阻止了农村金融服务的可达性（Accessibility），抑制了农村经济的发展。学界对金融排斥并未形成一个被广泛接受的定义，但有学者认为对金融排斥定义的研究并不重要，而是将金融排斥看作是一个多维度的、动态的复合概念。一般认为，金融排斥包括地理排斥（Physical access exclusion）、价格排斥（Price exclusion）、营销排斥（Marketing exclusion）、条件排斥（Condition exclusion）、评估排斥（Assessing exclusion）、自我排斥（Self-exclusion）等多个维度[1]。由此，解决中国“三农”问题的根本在于缓解农村金融排斥性，提高农村金融服务质量。本研究运用空间思维对农村金融排斥的区域差异性及其空间效应问题进行研究，具有一定的理论价值和现实意义。

1 中国农村金融排斥的评价及其空间分布

1.1 中国农村金融排斥评价指标体系的构建与评价

1.1.1 评价指标体系的构建 考虑到数据的可得性，参考髙沛星等[2]、胡振等[3]、李春霄等[4]的研究成果，本研究将金融排斥分解为4个主要维度：地理排斥、评估及条件排斥、营销排斥和自我排斥。其中，地理排斥用农村地区每万人拥有的金融机构网点数这一指标来衡量；评估及条件排斥用农村地区人均农信社贷款余额来衡量（目前农村信用社发放的贷款仍然是农村地区经济主体资金需求的主要来源）；营销排斥用农村地区每万人拥有的金融机构从业人员数来反映；自我排斥用农村居民家庭劳动力初中及以上文化程度的比重这一指标来衡量。

1.1.2 农村金融排斥的评价 金融排斥是一个动态的多维度复合概念，因而本研究在测算各农村地区金融排斥程度时采用的方法是主成分分析法。根据上文对农村金融排斥4个维度指标的描述可知，农村金融排斥程度的大小与用主成分分析法得出的综合指标得分成反向变动关系，即综合指标得分越高，排名越靠前，表明该省农村地区金融排斥程度越轻。表1给出了各省（市、自治区）农村金融排斥综合得分和排名的具体数值。

根据表1中反映的情况，可以得出以下结论：一是从时间上看，从2004到2008年再到2011年，绝大部分省（市、自治区）农村金融排斥综合得分与排名情况的变化并不是很大，这一方面说明近些年中国广大农村地区受到金融排斥并不是某一年的偶然现象，另一方面说明农村地区金融排斥状况并没有得到有效缓解，有些省（市、自治区）甚至出现了逐渐恶化的情况，如青海、河南、安徽、湖北和湖南；二是从空间上看，中国农村金融排斥程度存在着较大的区域差异，中国东部或东北部地区（如北京、天津、上海、辽宁、浙江等）经济相对较发达，农村金融排斥综合得分均较高，即农村金融排斥程度较轻，而中国中西部地区（如青海、云南、贵州、广西、安徽、江西、甘肃等）经济欠发达，农村金融排斥的综合得分较低，即农村金融排斥程度较重。

1.2 中国农村金融排斥的探索性空间数据分析

1.2.1 全局空间自相关检验 基于Morans I指数的全局空间自相关检验，其计算公式如下：

I=■■wij（xi-x）（xj-x）/S2■■wij

式中，n是研究区内地区总数，wij是空间权重（若区域i和区域j相邻，则为1，反之，则为0），xi和xj分别是区域i和区域j的经济指标，x=■■xi，是经济指标的平均值，S2=■■（xi-x）2，是经济指标的方差。Morans I指数的取值一般为-1～1，大于0表示正相关，表示相似的属性值趋向于集聚在一个区域；小于0表示负相关，表示相异的属性值趋向于集聚在一个区域；Moran指数I接近于0，则表示属性值是随机分布的或者没有空间自相关性。

本研究用各地区农村金融排斥综合指标的得分来代表各地区的农村金融排斥（Rural Financial Exclusion，RFE ）这一个指标的水平，并运用GeoDa软件分别计算出2004-2011年间农村金融排斥（Rural Financial Exclusion，RFE）的Morans I指数和显著度，具体数值见表2。

从表2可以看出，2004-2011年间，中国各地区农村金融排斥存在着非常显著的空间正相关性，即农村金融排斥程度相似的地区趋向于集聚在一起，农村金融排斥的空间集聚在全局上表现出了显著的空间依赖特征。

1.2.2 Moran散点图 为了进一步研究各地区是属于农村金融排斥水平较高的区域还是较低的区域，可以运用Moran散点图进行局域的空间相关性检验。运用GeoDa软件绘制的Moran散点图可将各地区农村金融排斥的空间集聚划分成4个象限：第一象限，表示农村金融排斥得分高的地区被得分高的其他省份所包围（HH）；第二象限，表示农村金融排斥得分低的省份被得分高的其他地区所包围（LH）；第三象限，表示农村金融排斥得分低的地区被得分低的其他地区所包围（LL）；第四象限，表示农村金融排斥得分高的地区被得分低的其他地区所包围（HL）。鉴于篇幅，本研究分别绘制了2004、2008和2011年农村金融排斥RFE的Moran散点图，分别如图1、图2、图3所示。

通过对比2008年和2004年农村金融排斥RFE的Moran散点图，可以发现2008年的散点图发生了一些变化：黑龙江省由第二象限（LH）转入了第一象限（HH），即黑龙江省农村金融排斥的得分提高了，农村金融排斥程度得到了改善，成为排斥程度较轻的省份；上海由第四象限（HL）转入第一象限（HH），即上海邻近地区的农村金融排斥得分提高了，农村金融排斥的程度得到了缓解，从而使上海这一农村金融排斥程度较轻的地区被排斥程度较轻的其他地区所包围，进入了第一象限。

通过对比2011年和2008年农村金融排斥RFE的Moran散点图，可以发现2011年的散点图发生了以下的变化：黑龙江省和吉林省由第一象限（HH）转入了第二象限（LH），即这两个省份在2008-2011年的4年间农村金融排斥的得分降低了，农村金融排斥的程度加重了；宁夏由第三象限（LL）转入了第二象限（LH），即在这4年间宁夏周边地区的农村金融排斥得分提高了，农村金融排斥的程度得到了很大改善，从而使宁夏这一农村金融排斥程度较重的地区被排斥程度较轻的其他地区所包围，进入了第二象限；陕西由第三象限（LL）转入第四象限（HL），即陕西省在这4年间农村金融排斥的得分有所提高，成为了排斥程度较轻的地区；浙江从第一象限和第四象限的交界处转入第四象限（HL），即在这4年间浙江邻近地区的农村金融排斥得分降低了，排斥程度有所加重，从而使浙江这一农村金融排斥程度较轻的地区被排斥程度较重的其他地区所包围，进入了第四象限。

2 中国农村金融排斥的空间数据分析

2.1 空间计量模型选择

空间计量模型的基本思想是将空间因素引入普通的回归模型，对普通回归模型进行修正。本研究运用空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）来比较研究中国各地区农村金融排斥的空间相关性表现出的空间效应。

空间滞后模型（SLM）主要研究各变量在一地区是否有扩散效应，模型的表达式为：

y=？籽Wy+X？茁+？着

空间误差模型（SEM）认为指标的空间相关性体现在误差项中，其表达式为：

y=X？茁+？孜 ， ？孜=？姿W+？着

空间杜宾模型（SDM）是在空间滞后模型的基础上引入了一个空间滞后解释变量WX，该变量表示邻近区域自变量对本区域因变量的影响。其表达式为：

y=？籽Wy+X？茁1+WX？茁2+？着

2.2 变量的选择和设计

本研究重点研究的是农村金融排斥对农村居民生活水平的影响及其空间效应，因而本研究选择农村居民家庭人均纯收入（y）作为因变量来衡量农村居民的生活水平。

根据本文的研究目的，最重要的自变量为农村金融排斥（RFE）。农村金融排斥可以分为自我排斥、地理排斥、营销排斥、评估和条件排斥4个维度，但是如果将这4个变量直接引入回归模型会产生多重共线性问题，因而，本研究将对这4个维度的指标进行主成分分析后得到的综合指标作为农村金融排斥的衡量指标，即用各地区农村金融排斥的综合得分来代表各地区农村金融排斥的水平。

另外，在参考李涛等[5]、王修华等[6]、许圣道等[7]的研究基础上，本研究选择了4个控制变量来研究其对农村居民人均纯收入（y）的影响，分别为：城镇化水平（各地区城镇人口在总人口中所占的比重，CZH）、公路密度（各地区公路运营总里程与该地区国土面积的比值，ROAD）、第一产业占GDP的比重（NYH）、人均农作物播种面积（SQUARE）。

2.3 数据来源及处理

本章节分别选取2004、2008和2011年全国29个省（市、自治区，不包括西藏和新疆）的相关截面数据，其中各指标数据来源于相关年份的《中国统计年鉴》、《中国农村统计年鉴》、国研网金融统计数据库和人民银行网站公布的各地区历年区域金融运行报告。另外，为了减轻回归方程的异方差性，本章节对农村居民人均纯收入（y）、城镇化率（CZH）、公路密度（ROAD）、第一产业占GDP的比重（NYH）、人均农作物播种面积（SQUARE）均进行了对数化处理，即本章节的被解释变量为LNY，解释变量分别为RFE、LNCZH、LNROAD、LNNYH、LNSQUARE。

2.4 实证分析结果

本节分别运用空间滞后模型（SLM）、空间误差模型（SEM）和空间杜宾模型（SDM）对2004、2008和2011年中国农村金融排斥对农村居民人均纯收入的空间效应进行分析，并比较3个模型的实证结果，具体见表3、表4和表5。

通过表3对SLM、SEM、SDM模型的对比分析可知，SDM模型的拟合优度（R2）和LogL均是3个模型中最高的，这说明模型中引入自变量的空间因素是合理的，即SDM模型更好地拟合了空间效应。

在2004年的SDM模型中，农村金融排斥RFE对该地区农民人均纯收入的影响并不显著，但是相邻地区农村金融排斥指标对该地区农民收入的影响是显著的，不过方向为负，即邻近地区农村金融排斥越严重，该地区农民人均纯收入越高。这一方面可能是因为2004年金融机构在农村地区提供的金融服务非常有限，这使得广大农民无法享受金融服务带来的便利和收益，因而农村金融排斥对该地区农民的人均纯收入并没有产生显著的影响。另一方面，若邻近地区农村金融排斥程度比该地区严重很多，农民甚至无法享受基本的金融服务，邻近地区农民可能会被吸引到该地区就业，享受更好的金融服务，拥有更多的贷款投资机会，这相应地会促进该地区农村经济的发展，从而提高该地区农民的收入。

从2008年SLM、SEM、SDM模型的回归结果（表4）可以发现，3个模型中，SDM模型的拟合优度（R2）和LogL仍然是最高的，即SDM模型能更好地拟合空间效应。相比2004年SDM模型的回归结果，2008年农村金融排斥RFE对农民收入的影响并没有发生实质性的变化，该地区农村金融排斥对该地区农民收入的影响仍然不显著，邻近地区的农村金融排斥对该地区农民收入的影响仍然显著为负。这说明2004-2008年间中国各地区农村金融服务并没有得到有效的发展，农村金融未能发挥服务当地经济、提高农民生活水平的作用。

从2011年SLM、SEM、SDM模型的回归结果（表5）可以发现，3个模型中，SDM模型的拟合优度（R2）和LogL仍然是最高的，即SDM模型能更好地拟合空间效应，即对所有自变量引入空间因素具有合理性。另外比较SLM和SEM模型可知，SEM模型更优。在SEM模型中，农村金融排斥RFE对农民收入的影响是显著为正的，即该地区农村金融排斥程度越轻，农民人均纯收入会越高，农村金融促进了当地农村经济的发展和农民生活水平的提高。在对农村金融排斥RFE引入空间因素后，该地区农村金融排斥对农民收入的影响相对于邻近地区农村金融排斥对该地区农民收入的影响变得不显著，而邻近地区对该地区农民收入具有显著的负面影响。这说明虽然该地区农村金融服务可以提高农民的收入，但是由于邻近地区的农村金融排斥会对该地区农民收入产生负面影响，即邻近地区农村金融越发达，该地区农民收入会越低，综合下来农村金融排斥对农民收入的影响并不十分显著。这个结果与本研究预期相反，农村金融排斥对农民收入的影响不仅缺乏空间溢出效应，还表现出了空间竞争效应。这可能是因为各地区割据局面导致区域间缺乏必要的金融合作和交流，金融资源在区域间的流动受到了限制，农村金融服务的空间辐射能力并没有发挥出来。但是也可以发现W-RFE系数的绝对值由2004年的0.219 5下降至2008年的0.209 2和2011年的0.150 9，即邻近地区农村金融排斥对该地区农民收入的负面影响正逐渐减弱，农村金融排斥的空间竞争效应正慢慢得到抑制。

3 结论和政策建议

3.1 基本结论

本研究在对农村金融排斥理论进行剖析的基础上，构建了农村金融排斥的综合评价指标，并对各地区农村金融排斥程度进行了排名。在此基础上，本研究运用空间计量工具和模型对中国农村金融排斥进行了空间数据分析，得出了以下几点结论。

1）中国农村地区受到金融排斥并不是偶然现象，而且农村金融排斥程度存在着较明显的区域差异。中国东部或东北部地区，经济相对较发达，相应各地区农村金融排斥程度较轻，如北京、天津、上海、辽宁、浙江等。而中国中西部地区，也是经济欠发达和相对不发达的地区，相应各地区农村金融排斥程度较重，如青海、云南、贵州、广西、安徽、江西、甘肃等。

2）中国农村金融排斥对农民收入的空间效应是非常显著的，邻近地区对本地区农民收入具有显著的负面影响。虽然该地区农村金融的发展可以在一定程度上提高农民的收入，但是由于邻近地区的农村金融排斥会对该地区农民收入产生负面影响，综合下来农村金融排斥对农民收入的影响并不十分显著。这个结果与本研究预期相反，农村金融排斥对农民收入的影响不仅缺乏空间溢出效应，还表现出了空间竞争效应。

3）由于各区域地理条件、自然资源、金融资源、经济发展水平都存在较大差异性，农村金融排斥也表现出显著的空间异质性，不同地区农村金融排斥对农民收入的影响力度和方向都有较大差异。

3.2 政策建议

金融在中国农村经济的发展中起着至关重要的作用，然而，在空间因素的作用下，中国农村金融对农村经济的整体促进并不显著，空间溢出效应远远不如预期。农村金融排斥所导致的金融资源分配的“不公平”和“低效率”严重制约着广大农村地区收入水平的提高，在此有针对性地提出以下几点政策建议。

1）因地制宜地配置金融资源，构建多层次、普惠性的农村金融体系。中国农村金融排斥存在较大的地区差异，对农村金融排斥程度较重的地区要扩大新型农村金融机构的覆盖率，提高农民对金融资源的地理可得性，同时要加强对基本金融知识的教育和普及。金融机构也要提升从业人员的专业素质，因地制宜地开发适合当地农民的金融产品；而对农村金融排斥程度较轻的地区，应重点提高金融深度和金融效率，加大对农村金融产品和服务的创新，推出个性化、多样化的金融理财产品和服务以满足农民多层次的金融需求，构建普惠性的农村金融服务体系。

2）政府应鼓励并加强各地区间更广泛的金融合作和交流，真正打破地区割据局面，加快金融资源在区域间的流动，推动区域金融中心的形成，充分发挥农村金融对农民收入的空间溢出效应。

3）农村地区金融机构应通过宣传、咨询、培训等方式向农民普及金融知识，而农民也要积极主动地提高自身的金融参与程度，强化自身的信用意识，增强维护自身信用的观念，充分利用金融的资金融通功能为家庭生产和生活带来收益和便利，从自身出发来减轻农村金融排斥的程度。

参考文献：

[1] 陈 莎，蒋莉莉，周 立.中国农村金融地理排斥的省内差异——基于“地理金融密度不平等系数”衡量指标[J].银行家，2012（8）：108-111.

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

[3] 胡 振，范 静，刘 艳.中国农村金融排斥区域差异的聚类分析[J].吉林农业大学学报，2012（6）：705-710.

[4] 李春霄，贾金荣.我国金融排斥程度研究——基于金融排斥指数的构建与测算[J].当代经济科学，2012，34（2）：9-15.

[5] 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.

[6] 王修华，贺小金，徐 晶.中国农村金融排斥：总体评价、地区差异及影响因素研究[J].西部金融，2012（1）：75-83.

[7] 许圣道，田 霖.我国农村地区金融排斥研究[J].金融研究，2008（7）：195-206.

2）中国农村金融排斥对农民收入的空间效应是非常显著的，邻近地区对本地区农民收入具有显著的负面影响。虽然该地区农村金融的发展可以在一定程度上提高农民的收入，但是由于邻近地区的农村金融排斥会对该地区农民收入产生负面影响，综合下来农村金融排斥对农民收入的影响并不十分显著。这个结果与本研究预期相反，农村金融排斥对农民收入的影响不仅缺乏空间溢出效应，还表现出了空间竞争效应。

3）由于各区域地理条件、自然资源、金融资源、经济发展水平都存在较大差异性，农村金融排斥也表现出显著的空间异质性，不同地区农村金融排斥对农民收入的影响力度和方向都有较大差异。

3.2 政策建议

金融在中国农村经济的发展中起着至关重要的作用，然而，在空间因素的作用下，中国农村金融对农村经济的整体促进并不显著，空间溢出效应远远不如预期。农村金融排斥所导致的金融资源分配的“不公平”和“低效率”严重制约着广大农村地区收入水平的提高，在此有针对性地提出以下几点政策建议。

1）因地制宜地配置金融资源，构建多层次、普惠性的农村金融体系。中国农村金融排斥存在较大的地区差异，对农村金融排斥程度较重的地区要扩大新型农村金融机构的覆盖率，提高农民对金融资源的地理可得性，同时要加强对基本金融知识的教育和普及。金融机构也要提升从业人员的专业素质，因地制宜地开发适合当地农民的金融产品；而对农村金融排斥程度较轻的地区，应重点提高金融深度和金融效率，加大对农村金融产品和服务的创新，推出个性化、多样化的金融理财产品和服务以满足农民多层次的金融需求，构建普惠性的农村金融服务体系。

2）政府应鼓励并加强各地区间更广泛的金融合作和交流，真正打破地区割据局面，加快金融资源在区域间的流动，推动区域金融中心的形成，充分发挥农村金融对农民收入的空间溢出效应。

3）农村地区金融机构应通过宣传、咨询、培训等方式向农民普及金融知识，而农民也要积极主动地提高自身的金融参与程度，强化自身的信用意识，增强维护自身信用的观念，充分利用金融的资金融通功能为家庭生产和生活带来收益和便利，从自身出发来减轻农村金融排斥的程度。

参考文献：

[1] 陈 莎，蒋莉莉，周 立.中国农村金融地理排斥的省内差异——基于“地理金融密度不平等系数”衡量指标[J].银行家，2012（8）：108-111.

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

[3] 胡 振，范 静，刘 艳.中国农村金融排斥区域差异的聚类分析[J].吉林农业大学学报，2012（6）：705-710.

[4] 李春霄，贾金荣.我国金融排斥程度研究——基于金融排斥指数的构建与测算[J].当代经济科学，2012，34（2）：9-15.

[5] 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.

[6] 王修华，贺小金，徐 晶.中国农村金融排斥：总体评价、地区差异及影响因素研究[J].西部金融，2012（1）：75-83.

[7] 许圣道，田 霖.我国农村地区金融排斥研究[J].金融研究，2008（7）：195-206.

2）中国农村金融排斥对农民收入的空间效应是非常显著的，邻近地区对本地区农民收入具有显著的负面影响。虽然该地区农村金融的发展可以在一定程度上提高农民的收入，但是由于邻近地区的农村金融排斥会对该地区农民收入产生负面影响，综合下来农村金融排斥对农民收入的影响并不十分显著。这个结果与本研究预期相反，农村金融排斥对农民收入的影响不仅缺乏空间溢出效应，还表现出了空间竞争效应。

3）由于各区域地理条件、自然资源、金融资源、经济发展水平都存在较大差异性，农村金融排斥也表现出显著的空间异质性，不同地区农村金融排斥对农民收入的影响力度和方向都有较大差异。

3.2 政策建议

金融在中国农村经济的发展中起着至关重要的作用，然而，在空间因素的作用下，中国农村金融对农村经济的整体促进并不显著，空间溢出效应远远不如预期。农村金融排斥所导致的金融资源分配的“不公平”和“低效率”严重制约着广大农村地区收入水平的提高，在此有针对性地提出以下几点政策建议。

1）因地制宜地配置金融资源，构建多层次、普惠性的农村金融体系。中国农村金融排斥存在较大的地区差异，对农村金融排斥程度较重的地区要扩大新型农村金融机构的覆盖率，提高农民对金融资源的地理可得性，同时要加强对基本金融知识的教育和普及。金融机构也要提升从业人员的专业素质，因地制宜地开发适合当地农民的金融产品；而对农村金融排斥程度较轻的地区，应重点提高金融深度和金融效率，加大对农村金融产品和服务的创新，推出个性化、多样化的金融理财产品和服务以满足农民多层次的金融需求，构建普惠性的农村金融服务体系。

2）政府应鼓励并加强各地区间更广泛的金融合作和交流，真正打破地区割据局面，加快金融资源在区域间的流动，推动区域金融中心的形成，充分发挥农村金融对农民收入的空间溢出效应。

3）农村地区金融机构应通过宣传、咨询、培训等方式向农民普及金融知识，而农民也要积极主动地提高自身的金融参与程度，强化自身的信用意识，增强维护自身信用的观念，充分利用金融的资金融通功能为家庭生产和生活带来收益和便利，从自身出发来减轻农村金融排斥的程度。

参考文献：

[1] 陈 莎，蒋莉莉，周 立.中国农村金融地理排斥的省内差异——基于“地理金融密度不平等系数”衡量指标[J].银行家，2012（8）：108-111.

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

[3] 胡 振，范 静，刘 艳.中国农村金融排斥区域差异的聚类分析[J].吉林农业大学学报，2012（6）：705-710.

[4] 李春霄，贾金荣.我国金融排斥程度研究——基于金融排斥指数的构建与测算[J].当代经济科学，2012，34（2）：9-15.

[5] 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.

[6] 王修华，贺小金，徐 晶.中国农村金融排斥：总体评价、地区差异及影响因素研究[J].西部金融，2012（1）：75-83.

[7] 许圣道，田 霖.我国农村地区金融排斥研究[J].金融研究，2008（7）：195-206.