宁夏金融排斥测度及动态机制实证研究

王浩+康彦华+何文虎+燕志坚

摘   要：金融排斥在世界范围内普遍存在，差距明显，表现不一，世界银行和国际货币基金组织对金融排斥也没有形成统一的概念和标准划分，国内对金融排斥理论的研究尚处于起步阶段。受地理环境、文化、金融改革等众多因素的影响，我国各地的金融排斥表现也参差不齐、各具特色。本文提出金融排斥概念和测度方法，并以宁夏为例，选取20个县（区、市）2001-2012年经济金融统计数据，采用面板向量自回归模型（PVAR）对金融排斥动态机制展开实证研究，测度金融排斥动态发展趋势，给出研究结论，提出政策建议。

关键词：金融排斥;PVAR;动态机制

中图分类号：F830.31                  文献标识码：B                     文章编号：1674-0017-2014（11）-0058-07

一、引言

近年来，消除金融排斥成为许多国家金融政策的重要内容和优先解决的主要问题，与之相对应的金融排斥理论研究已引起业界及学术领域的广泛重视。Leyshon & Thrift（1995）、Kempson（1999）等学者对金融排斥定义、范畴进行了深入系统的研究;Beck（2007）提出了测度普惠性金融的八个指标，构建的IFE指数被广泛引用;Sarma（2012）构造了反映金融机构渗透性、产品接触性、使用效用性的IFI指数，测度金融排斥并且计算出全球包括澳大利亚、美国等28个国家的金融排斥指数;Devlin（2005）、Kempson（1999， 2000）、Hersi（2009）、Beck（2008）等从需求、供给角度对金融排斥的诱因进行了实证分析;Honohan（2007）对全球177个国家的金融排斥现象研究表明：欧盟银行账户使用比例为92%，非洲地区使用比例为20%，阿拉伯国家为33%，其他中亚、东欧、东亚、拉丁美洲、加勒比海地区及南亚地区的银行账户使用比例在35%-51%之间。英国金融服务机构（FSA）（2000）研究表明金融排斥对社会经济和经济结构有着显著影响;Chant Link（2005）经过研究，证实金融排斥对微观个体、宏观经济都具有很大影响。杜晓山（2007）对金融排斥的定义进行了全面研究;徐少君（2008）、田霖（2011）、高沛星（2011）、田杰（2011）等通过实证分析了我国金融排斥的诱因;张军（2005），袁云峰（2007）、田杰（2011）研究了金融排斥与经济增长、劳动生产率之间的相互关系。徐虹（2012）研究表明，截止2010年，我国平均每个乡镇的分布网点为3.27个，获得金融机构贷款支持的农户数仅占农户总数的29.3%。田杰（2011）研究显示，截止2007年，全球有53%的人未使用银行账户。

在我国，总体上，越是欠发达地区，金融排斥的程度就越高，在低于全国金融机构网点覆盖率平均水平的15个省市中，绝大部分是云南、贵州、重庆、甘肃、宁夏等欠发达省市，如宁夏2012年末仍存在15个无金融机构乡镇，占其全部乡镇数的8%。因此，以欠发达地区为落脚点，测度我国金融排斥现状，研究金融排斥动态机理具有一定的理论和现实意义。

本文在梳理国内外研究综述基础上，给出金融排斥的定义，结合我国国情构建金融排斥指标体系，构造CIFI指数度量金融排斥状况;以宁夏为例，选取20个区县2001-2012年的经济金融统计数据测度宁夏金融排斥，采用面板向量自回归模型（PVAR）实证研究宁夏金融排斥动态特征，给出研究结论，提出政策建议。

二、金融排斥定义、测度

（一）金融排斥定义

金融排斥概念源于“社会排斥”大的社会背景，被认为是社会排斥的一个主要方面。国内外学者对金融排斥给出了多种定义，如Sinclair（2001）认为金融排斥指一定的群体或个人没有能力通过合适的方式获取必要的金融服务，而导致金融排斥的原因是由于受到环境、价格和负面的社会经历等导致的自我排斥;Leyshon & Thrift（1995）则定义为：阻止一定的社会群体和个人获取正规的金融服务;徐少君（2008）认为，从狭义角度看，金融排斥指个体未接触储蓄、贷款和保险等金融服务，从广义角度看，金融排斥指贫困群体和贫困地区将完全无法获取金融系统提供的金融服务。

经过文献梳理，我们认为国内外有关金融排斥概念尚无统一的认识与划分标准。因此，我们对金融排斥的定义作如下阐述：金融排斥是指有获取金融服务和产品的意愿或者能力的个人、企业和组织，由于主观原因或者客观环境限制而未能获取金融服务和产品的现象。其按成因划分为：区域排斥、条件排斥、价格排斥、评估排斥、营销排斥和自我排斥;按供需原理划分为：主观需求型排斥和客观供给型排斥，主观需求型排斥指个体或组织由于受自我认识约束或者社会歧视影响等未享受到相应的金融服务和产品，客观供给型排斥指金融系统或组织由于成本、盈利、政策等原因未向相对落后的地区或弱势群体提供应有的金融网点、服务和产品;按接受服务的程度将金融排斥划分为完全排斥，边际排斥与不排斥，完全排斥指不享受交易账户、信用卡和保险任何一种服务和产品的单位个体，边际排斥指享受到交易账户、信用卡和保险中的任意一项或两项服务和产品的单位个体，不排除指享受到上述三种服务和产品的单位个体。

（二）金融排斥测度

1、金融排斥指数研究综述。国内外有关金融排斥量化测度的研究文献较少，Beck（2007）构建了测度普惠性金融（金融宽度）的指标体系，包括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数、每百平方公里ATM数、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。Sarma（2008）从反映金融机构渗透性、产品接触性、使用效用性三个维度对金融普惠程度进行度量，构建IFI指数。Sarma（2012）对IFI指数做了进一步的改进，不同于Sarma（2010）构造的IFI指数的是，该指数分别考虑了多维度空间中各个指标与最低金融普惠程度和最高金融普惠程度之间的欧式距离，并将二者距离的平均数作为IFI指数。Sarm（2012）构造的IFI指数存在以下问题：首先，未对指标体系进行分类，相当于每类一级指标所占权重相同，这往往与经济事实不符，如从直观经验判断，代表条件排斥指标和代表价格排斥的指标应该有权重上的不同;另外，Sarma（2012）构造的IFI指数，采用两个距离的加权平均数，之所以如此处理的原因解释是，可能存在两个国家，其反映普惠程度的项指标构成的向量与代表最高普惠程度向量矩阵之间的距离相等，但与代表最低普惠程度向量矩阵0之间的距离可能不相等，或者有可能与0之间距离相等，但可能与之间距离不相等，Sarma（2012）分析中存在上述现象的根本原因是0和的向量矩阵不对称，在Sarma（2012）的文献中，人为赋予代表最低普惠程度的向量为0=（0，0，…，0），但代表最高普惠程度的向量w=（w1，w2，…，wp）又是根据实践经验判断获得。本文在借鉴国内外研究成果的基础上提出测度金融排斥的指数CIFI。

2、金融排斥指数CIFI。将反映金融排斥的指标体系分为二级，具体表示如图1表示。

依据已经确定的金融排斥指标体系，构造不同级别指标的具体值，进而确定金融排斥指数。

第一步：计算每个一级指标下各二级指标的金融包容性

d =  k=1，2，…，K                    （1）

其中d 表示第i个一级指标中第k个二级指标的金融包容性（为了标记简洁，假定每个一级指标下所含二级指标个数相同），M ，m 分别表示该维度包容性的最大值与最小值。

第二步：计算一级指标体系的指标值，设第i项一级指标体系下每个二级指标的权重向量为ω =（ω ，ω ，…ω ），0≤ω ≤1且 ω =1，则第i个一级指标的普惠程度定义为：

d =d  ω + d  ω +L+ d ω                 （2）

第三步：计算金融排斥指数设m个一级指标权重矩阵为（f ，f ，L，f ），0≤f ≤1，i=1，2，L，m且 f =1，则有

CIFI=1-  d  f                                （3）

CIFI指数性质性质1：有界性。很显然，每个d 介于0和1之间，故有限个d 的线性组合有界。

性质2：单调性。即对于任意两组衡量金融排斥的指标向量，x=（（x ，x ，…，x ），（x ，x ，x ），…，（x ，x ，x ）），y=（（y ，y ，…，y ），（y ，y ，y ），…，（y ，y ，y ））若有x≥y，则显然有AIFE（x）≤AIFE（y）。

性质3：齐次性。即有AIFE（x，M ，m ）=AIFE（λx，λM ，λm ）

3、构造指数过程中几个需要解决的问题。a.权重的确定，文章采用权重层次分析法（APH）确定一级指标的权重，层次分析法由美国运筹学家沙旦（T.L.satty）于上个世纪70年代提出，是一种定性定量相结合的目标决策分析方法，能有效避免评价中的主观影响，是一种较科学的确定评价指标权重的方法。该方法具体操作步骤如下：

首先，定性问题量化处理，将一级平行指标两两比较，并对比较结果按照重要程度赋值，其比较结果以1-9标度法表示，各级标度含义如表1所示。按标度要求，对20位长期从事金融理论与实践工作的专家进行深度访谈，得到各位专家关于一级指标产品接触、使用效用、银行渗透的标度评分，取各专家评分平均值，得到平均指标判断矩阵，如表2。

标注：用k 表示第i个指标与第j个指标间比较的标度值，定义第j个指标与第i个指标间比较的标度值为1/k 构成比较矩阵。

1       3       41/3     1        21/4    1/2      1

其次，采用特征值法确定单层指标权重向量（f ，f ，…，f ），详细计算过程如下：

计算判断矩阵每一行元素的积Ψ = k    i=1，2，3。

得Ψ =1×3×4=12，Ψ =1/3×1×2=2/3，Ψ =1/4×1×1/2=1/8。

计算各行Ψ 的n次方根值  =   i=1，2，3，n为判断矩阵阶数，得到各指标的权重为：

f = i=1，2，3                                     （4）

即有f =0.62， f =0.23， f =0.15

同样，结合所访谈专家的建议（一级指标下各二级指标所得到的标度值相当），对反映银行渗透性指标中的ATM个数赋予1/3权重，银行网点数权重为2/3。对度量使用效用性的二级指标等权重处理，金融排斥指数的计算需要确定每项指标x 的上界M 和下界m ，笔者参考Sarma（2012）确定上下界的方法，得到反映金融渗透性的指标的上界值分别为：M11=0.6（表明较理想的状况是每1667个客户享受一个银行网点的服务），M12=1.2（即1个ATM机服务833位客户）;反映使用效用性的指标的上限值为M21=300（单位GDP存款为300），按照国际金融监管法包括国内的商业银行执行75%的存贷比，得到M22=240（单位GDP贷款为240）;度量产品接触性的的最高值为M31=2500（平均每个人至少有两个以上的账户）。

4、金融排斥指数计算（以宁夏回族自治区为个例）。本文选取宁夏二十个县（区、市）2001-2012年反映经济金融发展情况的七项指标计算区域金融排斥指数，分别为网点数量、自助设备数量、各项贷款余额、各项存款余额、开户数、地区GDP、地区总人口。计算结果见表3。

分析宁夏县域金融排斥情况，见表3、图2，从结构看，宁夏金融排斥差距明显，主要体现在：一是首府或者地市市府所在地的金融排斥要低于同地区其他县（市），如：银川市、利通区、原州区、沙坡头区和大武口区五个地区的金融排斥明显低于同地区其他县（市）;二是北部（川区）工业区的金融排斥要低于南部山区，位于图2最上方的县（市）分别是海原县、西吉县、隆德县、彭阳县、同心县，上述五县均属于宁夏南部山区，而位于图下方的大武口区，利通区、永宁县、灵武市、贺兰县均属于北部川区，金融排斥最高的海原县和最低的大武口区真实反映了这种地域之间的金融排斥差异;从纵向看（2001-2012），宁夏金融排斥整体呈下降趋势，且自2010年开始下降幅度较大。

三、金融排斥动态特征

考虑到金融排斥的变化受供给方金融机构和需求方消费者本身条件变化的影响，同时，金融排斥的变化反过来会影响金融机构和需求方条件的变化。因此，文章采用面板向量自回归模型（PVAR）方法对金融排斥动态机制进行实证研究。选取金融排斥指数（CIFI）度量金融排斥现状，选用资产利润率来反映银行资产盈利能力，用ROA表示，选定居民平均收入水平衡量需求方条件特征，用ICP表示，研究对象为宁夏20个县（区、市）（考虑到红寺堡区为移民搬迁区，2009年经国务院批准设立吴忠市红寺堡区，建区时间较短，不列入到研究样本中），样本观察区间为2001-2012年。

（一）面板单位根及协整检验

进行向量自回归分析前，需要对面板数据进行单位根检验与协整分析，本文分别采用LLC、IPS、Fisher-PP检验方法对CIFI、ROA、ICP面板数据进行单位根检验，结果列于表4。

检验结果均表明不能完全拒绝“存在单位根”的原假设，对各个面板数据的差分值单位根检验，得出的差分面板数据为平稳数据。由于面板数据的不稳定性，应用最小二乘法可能导致伪回归，需分析变量间的协整关系，文章采用Pderoni（1999），Kao（1999）和Johasen方法判断变量之间是否存在长期稳定的均衡关系，结果显示如表5。

从表中分析结果判断，总体上CIFI、ROA、ICP变量之间存在协整关系，由此进一步可建立面板向量自回归（PVAR）模型。

（二）PVAR模型建立

面板向量自回归模型（PVAR）由Holtz-Eakin在1988年首次提出，后经McCoskey & Kao（1998）、Joankim Westerlund（2005）等学者的追踪研究，现已发展成为兼具时间序列分析和截面数据分析的较为成熟的模型，该模型除了保留VAR模型中没有强事先约束的优点外，降低了数据时间长度的要求，当时间长度T≥2m+2，m为滞后阶数，就可估计稳态下的滞后项阶数。另外，PVAR克服了VAR中隐含的所有界面单位结构相同的约束，和现实情况更吻合。

模型表达式为：y =β +β y +β y +…+β y +ε                    （5）

其中：y 是由CIFI、ROA、ICP构成的三维内生变量向量即y =（CIFIt，ROAt，ICPt），p为滞后阶数，β ，β ，…，β 为系数向量矩阵，ε 为3维随即扰动向量，且ε 满足cov（ε ，ε ）=0，i≠j，cov（ε ，y ），i，j，k=1，2… p即当期和滞后期之间不相关，且扰动项和等式方程中的其他变量不相关。

本文采用AIC准则确定模型中的最佳滞后为三期，在去除了模型中固定效应和时间效应后采用广义矩（GMM）估计方法得到参数估计值。表6报告了估计结果。

分析结果初步显示，在去除固定效应和时间效应的三变量之间存在交互动态影响关系，金融排斥除受本身滞后期的影响外，ROA和ICP对其影响也较大。但是，对PVAR单个参数值的解释是困难的，本文后续部分采用脉冲响应分析和方差分析进一步刻画变量之间的动态影响关系。

脉冲响应函数度量了PVAR模型中内生变量对相关新息变化的反映，具体体现为在保持模型中其他内生变量的外生冲击为0，对模型中相关新息施加一个标准差大小的外生冲击后，新息的外生冲击对PVAR模型中内生变量的当前值和未来值的冲击反映。在GMM估计中，得到的扰动项的方差-协方差矩阵并非是一个对角矩阵，表明PVAR模型中扰动项之间存在相关性，不能保证脉冲分析时其他内生变量外生冲击为0的假定条件，对此问题，本文的处理方法是对GMM估计出的系数进行再抽样，用bootstrap方法得到PVAR模型的脉冲响应分析的置信区间，这样保证PVAR模型中的扰动项之间不再具有相关性。图3给出了三个变量之间的动态交互作用及其效应。图示信息说明银行资产利润率、平均收入水平对金融排斥的冲击响应逐渐收敛，前三期的冲击比较平稳，到第三期以后冲击迅速收敛，比较而言，一个标准差的平均收入水平对金融排斥的冲击要比一个标准差的银行资产利润的冲击对金融排斥的影响大，也就是说，微观个体自身收入水平的变化对是否选择金融服务的影响较大，另外图示信息直观显示出三个变量以及变量的滞后期之间存在交互影响。

通过方差分析进一步度量变量之间冲击作用的构成。表7给出了前10步、前20步、前30步预测期的方差分解结果。分析结果显示前20个预测期与前30个预测期的方差分析结果基本相同，前10个预测期与前20个预测期的分析结果差异很小，表明10个预测期后系统已比较稳定，对结果影响甚微。前10期平均收入水平、银行资产利润率对金融排斥的累积贡献为12.2%、15.8%，可见影响变量对金融排斥的变量误差有较大的贡献率。

四、结论和建议

通过对宁夏金融排斥测度和实证研究表明：宁夏金融排斥的南北地区差异性较强;同一地区（以市为单位）的政治中心的金融排斥要远低于其他地区;从纵向看金融排斥总体上呈下降趋势;从动态分析结果来看，金融排斥与金融机构资产利润率、人均收入水平之间存在一种负相关的相互动态影响关系。因此，降低金融排斥：一是要推动地方经济发展，提高居民收入水平;二是要健全完善金融组织体系和市场体系，加大对欠发达、农村地区的政策倾斜，适度放宽在上述地区设立、组建新型金融机构的政策条件并给予财政和税收政策方面的鼓励;三是要不断改善金融生态环境，有效防范金融风险，增强金融机构盈利能力;四是金融机构自身要因地制宜地加大产品创新力度，改变收入结构，提高自身盈利能力。

参考文献

[1] Beck T， Honohan. Finance for All？policies and Pitfalls in Expanding Access. 2007-10--20

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 许圣道，田霖，我国农村地区金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 田霖，我国金融排斥的城乡二元性研究[J]，中国工业经济， 2011，（2） ：36-45。

[5] 朱方明，我国山区贫困与反贫困状况的调查与思考[J].经济学家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao  Kang Yanhua  He Wenhu  Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan  Ningxia  756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

责任编辑、校对：杨振峰

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 许圣道，田霖，我国农村地区金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 田霖，我国金融排斥的城乡二元性研究[J]，中国工业经济， 2011，（2） ：36-45。

[5] 朱方明，我国山区贫困与反贫困状况的调查与思考[J].经济学家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao  Kang Yanhua  He Wenhu  Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan  Ningxia  756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

责任编辑、校对：杨振峰

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 许圣道，田霖，我国农村地区金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 田霖，我国金融排斥的城乡二元性研究[J]，中国工业经济， 2011，（2） ：36-45。

[5] 朱方明，我国山区贫困与反贫困状况的调查与思考[J].经济学家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao  Kang Yanhua  He Wenhu  Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan  Ningxia  756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

责任编辑、校对：杨振峰