农村信贷排斥区域差异及其相关因素分析——基于甘肃省14市(州)的比较

华怡婷，杨林娟



农村信贷排斥区域差异及其相关因素分析
——基于甘肃省14市(州)的比较

华怡婷，杨林娟

(甘肃农业大学经济管理学院，甘肃兰州 730070)

基于甘肃省14市(州)的农村金融机构信贷支农数据，从信贷可得度、效用度、服务深度及可负担度四个维度测算了的农村信贷排斥程度，在此基础上，运用皮尔逊相关系数法，对农村信贷排斥程度的主要影响因素进行了相关性分析，研究结果表明：甘肃省农村信贷排斥问题普遍较为严重，农村信贷排斥程度区域性差异明显，大体呈现出东高西低的空间分布格局。这与区域的经济发展和城镇化率有关，更与农村就业结构、农村人均纯收入、就业人口中女性占比以及财政支农支出力度具有明显的相关关系，其中农村就业结构、农村人均纯收入与农村信贷排斥的相关性最为显著。

农村金融机构；金融排斥；信贷排斥；综合评价法；甘肃省

一、问题的提出

长期以来，金融排斥问题一直是制约中国农村经济发展的主要瓶颈之一[1]。广义上看，金融排斥既是一个金融问题也是一个社会问题；狭义上看，金融排斥是缺少贷款、储蓄、保险等某特定金融产品或服务的状态[2-5]，因此可以将其细分为信贷排斥、储蓄排斥和保险排斥。英国金融服务监管局通过调查研究发现，在各种金融服务中，信贷排斥是金融排斥的主要表现形式[6]。在中国农村地区，信贷排斥是最迫切也是最难以解决的问题[3]。随着农村新型经营主体的产生、农业规模化生产方式的转变以及农村土地流转制度改革的推进，中国农村地区的资金需求呈现出量大、面广、期限长等特点。信贷是农村金融应该解决“三农”问题最基本也是最有力的工具。但中国农村金融机构的服务效率普遍较低，农村中小企业与广大农户面临着较为严重的信贷排斥问题，这一现象在经济欠发达的西部地区更加严峻[7,8]。

国内学者马九杰等较早地从信贷的角度考察了中国农村金融排斥的态势，认为中国农村地区存在的信贷排斥是普惠金融亟需解决的关键问题[8]。王晓颖从社会排斥的视角分析发现，农村信贷配给不足是导致小额信贷困境的重要原因[9]。王修华利用微观调查数据，从信贷供需双方实现效用(利益)最大化方面定量分析了农户信贷排斥的内在原因。王静等人以陕西关中地区为例分析了农村金融排斥的影响因素[10]。甘宇等人则基于大量微观调研数据分析了中国31省农户面临的信贷排斥问题[11]。

综上所述，国内学者从定性定量的角度对信贷排斥问题做了较为全面的研究，取得了丰富的研究成果。然而，关于农村信贷排斥问题的研究大多基于对农户的微观调查，鲜有立足农村金融服务水平的宏观定量分析，这可能会使研究结果趋于片面性。另外，已有文献多集中于分析全国范围的农村信贷排斥问题，但东西部地区的经济、制度、产业结构及生态等环境各异，故所得结论在不同区域水平上并不具有针对性和普适性。基于此，本文以西北经济欠发达地区的甘肃省为例对农村信贷排斥问题进行针对性探析，争取为解决西北地区的农村信贷排斥问题提供参考。

二、农村信贷排斥程度的评价方法

要解决农村信贷排斥问题首先需要准确衡量农村信贷排斥的程度。对于信贷排斥程度的测评，具代表性的是英格兰东南发展机构测算出的金融排斥指数(Index of Financial Exclusion)[2]，该指数能够精确反映出各地区的金融排斥程度，但对于数据的完整性要求很高，故只适用于统计数据完善的地区。国内学者李春霄、贾金荣等根据联合国开发计划署编制的人类发展指数(Human Development Index，以下简称HDI)计算方法构建的金融排斥指数受到较多学者的认可[12-13]，笔者借鉴其方法构建了农村信贷排斥的评价模型，公式如下所示：

其中，IRCE为地区的农村信贷排斥指数，IRCEϵ [0,1]。IRCE数值越大则排斥程度越高。其中，W为第个指标的权重，X代表第个地区第个指标值，为消除不同指标的单位和数量级对测评结果的影响，笔者将用极差法对数据进行标准化处理；D表示第个指标的得分。D为：

(2)

为确保测评结果的客观性，笔者使用客观赋权法来测算各个指标的权重。在利用多个评价指标进行差异性测评时，变异系数法能够通过各指标观测值的相对离散程度来有效地描述其差别，差别越大的指标被赋予较大的权重。笔者选择变异系数法对各指标赋权，公式如下所示：

(3)

(4)

式中，表示标准差；代表样本均值；表示变异系数；某单个指标的变异系数与各指标变异系数之和的比值即可反映该指标的权重，用表示。

根据前人研究成果[13-15]，依据指标选取的科学性、全面性及可操作性等原则，构建甘肃省农村信贷排斥程度评价指标体系(表1)。

表1　农村信贷排斥程度评价指标体系

一是农村信贷服务的可得度。金融机构的分布密度往往具有明显的地理空间倾向，即金融机构在经济发达地区的分布相对密集[16]。相对于东部发达地区而言，中国西北部农村地广人稀、农户居住分散，缺乏信贷服务的便利性。一方面，农村信贷服务的可得性取决于农村金融机构的分布密度，适量地增加金融机构营业网点能够降低农村经济主体信贷的获取成本从而降低排斥程度；另一方面，金融机构服务人员是信贷服务的载体，也能够较好地反映信贷服务的可得程度。因此，笔者以万人农村金融机构覆盖度、万人拥有服务人员数作为农村信贷服务可得性的主要指标。指标得分越高，说明农村信贷可得性越高，排斥程度就越低。

二是农村信贷服务的效用度。涉农贷款(包含农户贷款、农村各类组织贷款以及农业产业化龙头企业的贷款)按照贷款用途可分为生活类贷款和生产性贷款，用于生产经营的贷款能够带来一定的经济效益，地区经济越发展，信贷排斥程度就越小。农村信贷服务的效用度可表示为农村信贷服务对农业经济的贡献力度，故以百元GDP涉农贷款贡献率这一指标来测度。指标得分越高，农村信贷服务的效用越大，信贷排斥程度越小。

三是农村信贷服务深度。金融服务的深度既包含服务效率也包括服务的规模[15]。与信贷排斥相反，农村信贷服务的效率越高、信贷投放规模越大，其渗透性越好。根据金融深度的涵义，农村信贷服务的深度可以表示为农村信贷投放的倾斜度和规模。倾斜程度越高、规模越大，信贷服务越有深度，排斥程度就越小。因此，以人均贷款水平、涉农贷款占各项贷款比重两个指标来表示农村信贷服务深度。

四是农村信贷服务可负担度。即农村金融机构向农村信贷需求者收取信贷资金价格时，信贷需求者对于这一价格的可接受程度。农村信贷服务的可负担度又与信贷服务的成本直接相关。利率是制约信贷需求的主要显性成本，随着金融管制的放松，利率在一定程度上完成了市场化改革，不少金融机构为了规避不良贷款的发生对收入不稳定的农户设置较高的利率门槛，从而增强了农村信贷排斥程度。故以利率上浮涉农贷款占比这一指标近似地表示农村信贷服务的可负担度。

三、甘肃农村信贷排斥程度及分类

资金缺乏是妨碍农村普惠金融发展和金融扶贫的桎梏。甘肃省位于中国西部，是一个以农业人口为主的经济欠发达省份，其农村金融生态环境恶劣、资金供给不足、金融服务的质量和数量不高，信贷排斥问题最为严峻[17]。因此，笔者选择甘肃省作为研究对象，对西北经济欠发达地区农村信贷排斥问题进行深入分析，具有一定的代表意义。

在甘肃农村地区，农户更多地倾向于民间借贷，农村正规金融机构并不能满足农户的借贷资金需求。新型农村金融机构虽然在资金供给上发挥了一定的作用，但由于成立时间不久，其普及程度和影响力远不如农村正规金融机构。故笔者选择以农业发展银行、农村信用社、农业银行以及邮储银行为代表的农村正规金融机构作为研究对象。

2016年3月，笔者所在项目组对甘肃省农村四大正规金融机构系统进行了走访调查，从甘肃省金融办和农业发展银行、农业银行、农村信用社以及邮政储蓄银行的甘肃省总行获得2015年涉农贷款、农村金融机构各项贷款、利率上浮涉农贷款、农村金融机构数、农村金融机构从业人员数的数据。甘肃省2015年农业人口数、农业GDP数据查阅于中国统计局官方网站。基于获得的截面数据，利用公式(3)和(4)计算得出各指标的权重。甘肃省14个市(州)农村信贷排斥指标的描述性统计如表2所示。

表2　农村信贷排斥程度评价指标描述性统计及权重

甘肃省农村正规金融机构网点数年均增长率仅为3.5%，从表2可以看出，全省平均农村金融机构万人拥有率远不足三成，说明其地理可达性普遍较低，贷款很不方便；贷款难，人均可获得的贷款额度不超过4万，可获得率仅29.1%；贷款贵，所有涉农贷款项目中，近五成的贷款利率有上浮。不难发现，除利率外，其他指标极值间差异很大，说明甘肃省农村金融服务的可得度、效用度及深度存在较大区域差异。根据相关指标数据以及表2已经计算出来的权重，运用公式(1)和(2)，计算得出14个市(州)农村信贷排斥程度测评结果，如表3所示。

表3　甘肃省14个市(州)农村信贷排斥程度及分类

由表3可知，甘肃省农村信贷排斥程度普遍较高且较为严重。借鉴相关文献[13]，笔者对甘肃农村信贷排斥程度进行了划分。即在0~0.5范围内的视为轻度排斥；在0.5~0.8范围内的划分为中度排斥；在0.8~1范围内的属重度排斥。分类结果显示，嘉峪关农村信贷排斥程度最弱，这可能与嘉峪关城镇化率已达92.8%有关；金昌、兰州、酒泉的农村信贷排斥程度稍重；甘南、武威、张掖、临夏、平凉、白银、陇南都属于农村信贷重度排斥地区，而庆阳、天水、定西的农村信贷排斥程度更加严重，农村信贷排斥程度在重度以上的地区数量高达71.43%，可见甘肃农村信贷排斥问题普遍十分严重。

按照甘肃省的地理特征将其行政区域划分为河西地区、陇中地区、陇东地区以及陇南地区四大块。可以看出，甘肃省农村信贷排斥程度空间差异较大，且空间格局明显，排斥严重的地区主要分布在陇东和陇中地区。从极端值的视角来看，排斥程度最高的定西(0.972)是排斥程度最低的嘉峪关(0.26)的3.74倍。结合表3计算结果，用简单算术平均法计算出四大区块的农村排斥程度指数，发现陇东和陇中地区的最高，分别高达0.945、0.917，陇南地区的也较高为0.905，而河西地区的农村信贷排斥程度明显相对较弱，均值为0.706，与其他区块差异相对较大。总的来说，甘肃省农村信贷排斥程度呈现出东高西低的空间分布格局。

四、甘肃农村信贷排斥差异相关性分析

究竟是什么原因导致了甘肃农村信贷排斥的差异性呢？一方面，可能由于嘉峪关和金昌已经基本完成城镇化转变，农村信贷排斥指数较低，在数值上降低了平均排斥程度；另一方面，河西地区有着粮食、棉花、果蔬等丰富的农业资源，加之大量以粮油加工业、酒酿业、蔬菜和果品加工业等为主导的农业产业化龙头企业的带动，使得河西区块的农村信贷排斥程度普遍不是很高。当然，甘肃农村信贷排斥程度空间差异的具体原因复杂多维，既要从客观环境、需求主体的角度来分析，还需从供给主体信贷服务水平的视角进行探讨。

目前国内学者对于信贷排斥问题的研究成果可分为影响因素分析和差异相关性分析两大类。学者们更倾向于利用大量调研数据并采用Tobit模型、Logit模型等方法进行影响因素分析[18-20]，少有学者就区域差异影响因素相关性进行量化分析[14]。笔者旨在探讨甘肃农村信贷排斥区域差异形成的主要原因，需要说明的是各相关因素与农村信贷排斥度之间是相关关系，并非严格的因果关系。鉴此，笔者运用皮尔逊相关系数法进行农村信贷排斥区域差异相关性分析。

在相关影响因素方面，概括地说，经济、社会、政策等信贷投放环境往往是构成信贷排斥的主要影响因素[18,21]。但不同地区影响因素的重要程度不同，需结合具体情况具体分析[14]。结合已有研究成果以及甘肃省现实情况[23,24]，笔者选择以下几个关键影响因素作为研究指标。

农村就业结构()，用农村就业人数与农村人口数的比值表示。21世纪初期一项关于伦敦金融排斥的研究显示，就业岗位没有保障使得个人更容易受到排斥[4]。就业是保障民生的基本渠道，一方面，稳定的就业有助于劳动者取得稳定的经济来源；另一方面，通过就业为社会创造新的物质或精神财富能提升个人的社会价值，从而避免被排斥。这对于农村金融机构向需求者发放贷款时进行的风险评估项目来说意义重大，因而选择该指标作为相关影响因素指标之一。

农村人均纯收入()，该指标基本上能够反映农民的可支配收入，包括用于储蓄、再生产以及生活消费等方面的支出，是衡量农村居民社会生活水平的重要指标。大量文献证明，农村人均纯收入是影响金融排斥的关键因素[3,12]，所以笔者将该指标引入模型。

农村就业人口中女性占比()，用农村就业人口中的女性人数与农村就业人口数的比值表示。长期以来性别指标对金融排斥的影响备受争议，Hogarth 和O'Donnell等研究指出，性别会对获得某种金融产品的难易产生影响，而女性更易受到排斥[10,22]。增加就业能够对信贷排斥程度产生逆向影响[16]，如果增加女性的就业可能会在某种程度上降低信贷排斥程度。因此，笔者将该指标引入模型。

财政支农支出占比()，用财政支农支出与财政总支出之比表示。该指标反映了政府对于农村的资金支持力度。适当的财政支持对于提高农民的生产生活水平有一定的积极作用，日本和美国政府长期通过不断的财政补贴来缓释金融排斥问题[4,6]。近年来，甘肃省亦不断加大精准扶贫等支农力度，因此这是一个重要指标，也是以往研究鲜有考虑到的因素，故将该指标作为重要指标引入模型。

此外，农村金融机构不良贷款率、地区非农业化水平及农户金融认知水平等指标也应作为主要因素予以考虑，但由于未能获得相应数据，无法加入模型进行探讨而只能放弃。

笔者运用Stata13.0，借鉴胡振、高沛星等人的分析方法[16,24]，采用皮尔逊相关系数法考察了农村信贷排斥程度与其影响因素之间的相关关系，结果如表4所示。

表4　农村信贷排斥的影响因素关联度及皮尔逊相关系数

根据表4分析结果可知：

农村就业结构与农村信贷排斥程度呈现明显的负相关关系，其皮尔逊相关系数达0.704，在1%的显著性水平上通过了检验。说明农村人口中就业率越低的地区，其信贷排斥程度就越高，即农村就业率越高越倾向于更低的农村信贷排斥程度，就越难以遭到正规金融机构的排斥。目前甘肃省的平均农村人口就业率仅46.7%，故而还有很大的发展空间和潜力。

农村人均纯收入与农村信贷排斥有很强的负相关关系，其相关度高达0.801，并且在0.1%的显著性水平上通过了显著性检验。该结果表明农村人均收入对于农村信贷排斥程度有着非常大的影响力。究其原因，可能是收入较高地区的偿债能力较强，金融机构出于利益最大化以及尽量降低不良贷款率的目标，会首先考虑向收入高的地区发放贷款。因此，若农村人均纯收入提高，则信贷排斥程度会大大降低。

农村就业人口中女性占比与农村信贷排斥程度也存在一种负相关关系。由于自然因素，女性的农业生产能力普遍低于男性，因而女性本身比男性更易受到排斥。没有稳定工作的女性越多，金融机构的放贷风险就越大，最终就会加大农村整体的信贷难度。结合前述分析可以认为，单凭增加农村就业人口数而不注重农村就业人员性别结构的配比不利于缓解农村信贷排斥问题，故适当增加农村女性的就业机会有助于降低农村信贷排斥程度。

财政支农支出占比与农村信贷排斥程度密切相关，其相关系数为0.676且在1%的水平上通过了显著性检验。值得注意的是，财政支农支出与农村信贷排斥程度二者呈现出正相关关系，财政支农力度越大的地区农村信贷排斥程度反而越高，这与已有的研究结果相悖。深思之后不难发现，出现这种“悖论”的原因是笔者在农村信贷排斥程度量化分析时只立足于农村正规金融机构的角度，忽视了财政支农力度大的地区资金相对充足，农户向金融机构申请贷款的意愿会相对较弱。事实上财政支农与农村金融机构支农两者是相辅相成的，适当地增加财政支农力度，盘活地方金融资源能够助力农村信贷难度的降低，从而减弱农村信贷排斥程度。

五、结论及其启示

上述研究表明：第一，以甘肃省为代表的西北经济欠发达地区农村信贷排斥区域差异跨度很大，农村信贷排斥问题普遍较为严重。第二，农村就业结构、农村人均纯收入、就业人口中女性占比以及财政支农支出力度是影响西部地区农村信贷排斥区域差异形成的主要因素，其中农村就业结构和农村人均纯收入对农村信贷排斥的影响最为显著。

根据以上结论可以得出如下启示：第一，农村金融机构需加强服务，持续投入金融支农资金。金融机构须提高农村金融服务水平，妥善处理过去的过度“惜贷”和“压贷”问题，通过增强金融包容度、提高农村金融资源效率、创新贷款模式等方式改善农村金融环境，以吸引更多的金融服务和产品流入农村。第二，增强农村信贷需求主体的经济实力。良好的经济环境是金融得以生存和发展的沃土，而合理的就业结构是促进经济发展的基本保障，因此，提高人均纯收入能够直接快速地降低信贷难度。同时，提高农村人口就业率并合理配置就业岗位性别比例能够在根本上缓释农村信贷排斥问题。第三，重视地区差异，因地制宜，避免“一刀切”的管理模式。从本质上讲，信贷排斥是一种市场失灵，政府部门应当针对农村信贷排斥状况作合理的干涉和调控。据计算结果可知，无论在是单一指标还是农村信贷排斥程度整体指标上，各地区的差异都很大，因此，省级政府应积极推动普惠金融发展，在对地方政府进行宏观引领的同时简政放权，适量加大地方自主性，建立并完善政府绩效第三方评估专业机构[25]，通过奖励机制鼓励地方政府采取符合其地方特色的政策措施，实现农村信贷排斥问题的缓解。

参考文献：

[1] 王佳楣，罗剑朝，张珩．新型农村金融机构绩效评价及影响因素——基于陕西与宁夏20家机构的调查[J]．西北农林科技大学学报(社会科学版)，2014(4)：72-78．

[2] 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．

[3] 隋艳颖，马晓河．西部农牧户受金融排斥的影响因素分析——基于内蒙古自治区7个旗(县)338户农牧户的调查数据[J]．中国农村观察，2011(3)：50-60．

[4] 王志军．金融排斥：英国的经验[J]．世界经济研究，2007(2)：64-68，82，89．

[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，周翼璇．破解金融排斥：英国的经验及借鉴作用[J]．理论探索，2013(6)：80-83，88．

[7] 胡振．基于供给视角我国农村金融排斥的原因分析[J]．吉林农业，2012(5)：11．

[8] 马九杰，沈杰．中国农村金融排斥态势与金融普惠策略分析[J]．农村金融研究，2010(5)：5-10．

[9] 王晓颖．社会排斥视角下中国农村小额信贷的困境[J]．现代经济探讨，2007(6)：52-55．

[10] 王静，吴海霞，霍学喜．信贷约束、农户融资困境及金融排斥影响因素分析[J]．西北农林科技大学学报(社会科学版)，2014(3)：62-70，75．

[11] 甘宇，朱静，刘成玉．中国农户面临的信贷排斥——来自4625个样本的数据[J]．财经理论与实践，2015(6)：25-30．

[12] 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(2)：9-15，124．

[13] 张国俊，周春山，许学强．中国金融排斥的省际差异及影响因素[J]．地理研究，2014(12)：2299-2311．

[14] 鲁强．农村金融排斥的区域差异与影响因素——理论分析与实证检验[J]．金融论坛，2014(1)：17-27，35．

[15] 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．

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

[17] 杨德勇，田园．区域差异视角下我国金融排斥的测度与影响因素分析——基于四大经济区域的划分[J]．北京工商大学学报(社会科学版)，2013(4)：81-88．

[18] 王修华，谭开通．农户信贷排斥形成的内在机理及其经验检验——基于中国微观调查数据[J]．中国软科学，2012(6)：139-150．

[19] 李春霄，贾金荣．我国金融排斥程度省际差异的影响因素研究[J]．西北农林科技大学学报(社会科学版)，2014(2)：120-127．

[20] 巴曙松，赵茂，杨洋，等．欠发达地区农户信贷参与及规模的影响因素——基于云南地区的调查数据分析[J]．湖南农业大学学报(社会科学版)，2016(2)：1-8．

[21] 谭艳芝，彭文平．金融发展与经济增长的因素分析[J]．上海经济研究，2003(10)：3-12．

[22] 何晓夏，刘妍杉．金融排斥评价指标体系与农村金融普惠机制的建构——基于云南省农村信用社联合社实践的分析[J]．经济社会体制比较，2014，(3)：70-82．

[23] 雷汉云．贫困地区居民完全金融排斥影响因素的实证研究[J]．经济经纬，2015(2)：149-154．

[24] 胡振，臧日宏．中国农村金融排斥地域差异及因素研究[J]．中国农业大学学报(社会科学版)，2014(2)：115-123．

[25] 汪三贵，曾小溪，殷浩栋．中国扶贫开发绩效第三方评估简论——基于中国人民大学反贫困问题研究中心的实践[J]．湖南农业大学学报(社会科学版)，2016(3)：1-5．

责任编辑：李东辉

Rural credit exclusion regional differences and its correlation factors: Based on the comparison of 14 municipalities

HUA Yiting, YANG Linjuan

(Economics and Management Institute, Gansu Agriculture University, Lanzhou 730070, China)

On the data bases of 14 municipalities’ rural financial credit for agriculture in Gansu, the paper calculated the degree of rural credit exclusion from fourdimensionalities including credit availability, effectiveness, depth of services and affordability. Then, the paper analyzed main influencing factors using Pearson Correlation Coefficient. The results show that rural credit exclusion problem is generally heavy and there exists a big gap among 14 municipalities in Gansu, which presents a distribution of heavy in east and slight in west. This result indicates that regional differences of rural credit exclusion are related to the development of economics and urbanization, furthermore, it shows a prominent correlation between rural credit exclusion and rural employment structure, rural net per capita income, women proportion of rural employment and fiscal agriculture expenditure. In addition, rural employment structure and rural net per capita income respectively are significant correlative to it.

rural financial institutions; financial exclusion; credit exclusion; comprehensive evaluation; Gansu province

10.13331/j.cnki.jhau(ss).2016.05.005

F832.43

A

1009-2013(2016)05-0027-06

2016－09－08

甘肃省科技厅项目(150IKCA007-5；1504ZK CA007-2)

华怡婷(1992—)，女，陕西咸阳人，硕士研究生，主要研究方向为区域经济学。