金融排斥的动态测度与空间特征——基于安徽县域数据

张 晴， 龚 亮

（1.滁州学院 经济与管理学院，安徽 滁州 239000；2.中国人民银行滁州中心支行，安徽 滁州 239000）

实践证明，完善的金融体系是提升区域经济实力的重要支撑.近年来安徽省金融业水平整体提升的同时，却面临着较为普遍的金融排斥问题，严重影响该地区金融服务的可获得性，不利于县域经济发展.在2017年4月《安徽省脱贫攻坚工作要点》及《安徽省推进金融扶贫工程的实施意见》中，提出了“发挥金融支持，实现县域脱贫”的战略要求，而金融排斥恰恰是毁约县域脱贫的重要成因.此时把脉现阶段县域金融排斥困境，具有一定的现实意义.

1 文献综述

20世纪90年代初，Leyshon和Thrift[1]（1993）由金融地理学中引入金融排斥概念，提出地理距离是影响金融网点服务获取与否的直接原因.Carbo[2]（2007）、雷汉云[3]（2015）等学者认为，金融排斥表现的是某些群体被完全排斥在金融体系之外的现象；Sherman Chan[4]（2004）、封思贤[5]（2014）、沈丽[6]（2016）等认为金融排斥不是绝对现象，表现的是某些群体在金融服务的接触或获取途径方面存在难度.本文认为，金融排斥是指金融体系中大众缺少金融服务的分享状态，并受多种因素的影响.金融排斥的评价方面，Kempson和Whyley[7]（1999）引入六个维度，包括条件排斥、价格排斥、营销排斥、评估排斥、自我排斥与地理排斥，并被广泛认可.国内各学者（王修华，2010[8]；杨德勇，2013[9]；吴静茹，2017[10]；王磊玲，2017[11]）等多沿用此维度体系，选择差异性的具体指标，针对各层次的研究对象展开金融排斥的测度研究.因此，本文着眼于金融排斥，基于安徽县域样本，运用维度分析与主成分分析法，构建金融排斥指标体系，并剖析安徽县域的金融排斥特征及困境，给予相应的政策建议.

2 指标构建与样本选择

本文沿用Kempson和Whyley[7]（1999）提出的六维度框架.其中，地理排斥是指客户到金融机构的地理距离，多采用该县域金融机构的相对数量来衡量.条件排斥与价格排斥分别指客户因金融产品或服务所需要的必要条件与价格而被排斥在外，如苛刻的贷款复交条件、担保及偿还条件；对客户制定不同的价格.本文采用存贷比来衡量，存贷比越高，则该区域在金融服务可获得的前提下，贷款越少，条件排斥与价格排斥程度越高.营销排斥是指金融机构的营销与目标定位中，将某类人群（往往为农民）排斥在外.第三产业占总产值的比重，可代表该县域的经济发展水平，而金融机构往往不会拒绝第三产业较为发达的县域客户，因此，将其作为营销排斥的测度指标.评估排斥是指金融机构采用较为严格的评估程序而限制客户享受金融服务，本文采用各县人均贷款额代表该县域的评估排斥程度.基于此，构建县域金融排斥维度的指标体系，见表1所示.

表1 县域金融排斥维度分析与指标选择

考虑到数据的可获得性，本文采用2011-2015年的安徽62个县（市）数据，均来源于《安徽省统计年鉴》《安徽省金融统计月报》.

3 安徽县域金融排斥特征分析

采用主成分分析法，提取5个变量主成分，并计算综合指标.结果见表2，即安徽县域金融排斥的测度及排名情况.

表2 2011年、2015年安徽县域金融排斥排名情况

第一，横向来看，不同县域的金融排斥差异化较为明显.从2015年来看，灵璧、利辛、临泉、寿县、庐江县的金融排斥状况较为严重，而繁昌、宁国、芜湖县、天长、广德县的金融排斥状况程度较轻.第二，纵向来看，安徽各县域的金融排斥程度较为稳定.除阜南、涡阳、蒙城、界首、霍邱、休宁、肥东县外，随着时间的变化，其金融排斥程度虽有一定幅度的波动，但未发生质变.第三，随着各县经济与金融基础的发展，绝大多数县域的金融排斥呈下降趋势.除五河、霍邱、东至、怀远等县外，大部分县域的金融业快速发展.尤其是原金融排斥程度较重的区域，如涡阳县由第6位的提升为第23位，蒙城县由第7位的提升为第32位，金融排斥困境有较大缓解.

4 安徽县域金融排斥空间分异分析

4.1 全局自相关分析

为考察安徽县域金融排斥的地理相关性，本文采用全局自相关系数与分位图，研究县域之间金融排斥的空间分异特征.选用莫兰指数检验安徽县域金融排斥的空间自相关性（Anselin，1988[12]）.计算公式如式（1）所示.

其中,n为研究区域内区域单元的个数，ei和ej分别为地区i和j的观测值；指数的取值范围为[-1,1]，且绝对值越大其空间自相关性越显著.

表3 安徽县域金融排斥的莫兰指数

计算安徽县域金融排斥的莫兰指数，结果如表3，可得莫兰指数均大于零，并通过了10%的显著性检验.整体来说，莫兰指数由2011年的0.1154上升为2015年的0.2147，表明安徽县域金融排斥呈现空间正向自相关，且随着要素与资源的流动，金融排斥的空间相关性日益加强.

4.2 空间分异分析

采用分位数地图法，剖析安徽县域金融排斥的空间特征.见图1为2015年安徽县域的金融排斥四分位图，其中，图中颜色越深，则该县域金融排斥程度越高.

图1 安徽县域金融排斥四分位图

呈现以下特征：第一，整体来看，安徽县域呈现由北向南，即从皖北、皖中至皖南，其金融排斥程度逐渐减弱的空间特征.如皖北的灵璧、临泉、利辛县，皖中的明光、濉溪、无为、定远县，皖南的宁国、芜湖、繁昌县.而此种梯队式的空间布局，恰恰与各县域差异化的经济基础、收入水平、资源与基础设施、政策倾斜程度相关.这也为落后县域摆脱金融排斥困境提供了努力方向.第二，县域金融排斥程度往往高于其所属城市，呈现盆地式的空间结构.由图1可见，如阜阳市、蚌埠市等所辖县域的金融排斥程度明显高于市级，此种特征几乎存在于安徽省所有县域.

5 缓解金融排斥政策建议

5.1 政府主导配置金融资源，改善县域金融供给

金融机构出于追逐利润的商业考虑，导致落后县域金融服务不足.而金融市场失灵的表现，亟须政府介入，健全金融政策，完善基础设施，保证金融资源向县域包括农村倾斜，满足贫困户、小微企业、个体经营者的基本金融需求.

5.2 创新经营模式与业务种类，突破地理排斥与条件排斥

开发新的业务品种，如担保贷款或小额信贷与小额保险相结合，解决信息不对称或高风险的考虑而产生的金融排斥.尝试开展互联网金融，依赖手机、网上银行、P2P网络贷款等方式，帮助县域客户与中小微企业获取金融产品与服务.

5.3 推动贫困县域的金融环境改善

贫困县域经济与人文环境落后，金融服务本身需求不足，阻碍金融市场发展.此时要振兴经济，改善教育与基础设施，刺激有效的金融需求，吸引金融供给，从而缓解贫困县域的金融排斥现象.

〔1〕Leyshon A,Thrift N．The restructuring of the UK financial services industry in the 1990s：A reversal of fortune[J]．Journal of Rural Studies,1993,9(3)：223-241．

〔2〕Carbo S．Gardener E．P．M．Molyneaux P．Financial Exclusion in Europe[J]．Public Money ＆Management,2007,(2)．

〔3〕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．

〔4〕Sherman Chan．Financial Exclusion in Australia[A]．The Third Australian Society of Heterodox Economists Conference[C]．University of New South Wales，2004．

〔5〕封思贤,王伟．农村金融排斥对城乡收入差距的影响——基于中国省域面板数据的分析[J]．统计与信息论坛,2014(09)：44-50．

〔6〕沈丽,刘亚琳金融排斥对经济增长的空间溢出效应[J]．经济与管理评论,2016(06)：94-99．

〔7〕Kempson E,Whyley C．Kept out or opted out．Understanding and combating financial exclusion[M]．London：The Policy Press,1999．

〔8〕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．

〔9〕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,2013(6)：81-88．

〔10〕吴静茹．新农村建设中的金融排斥与破解新思路[J]．现代商业,2017(1)：115-117．

〔11〕王磊玲．传统农区农村金融排斥问题研究[J]．山西农业大学学报,2017(1)：29-35．

〔12〕王庆喜、蒋烨、陈卓咏．区域经济研究实用方法——基于ArcGIS、GeoDa和R的运用[M]．北京：经济科学出版社，2014（5）：1-18．