金融密度、服务可及与中国的县域金融

周天芸

摘 要：农村金融发展的目标是实现普惠金融，缓解和消除“金融排斥”现象。本文基于金融地理排斥的理论模型，运用中国县域数据，实证检验中国县域地区的金融排斥程度及其成因。结果表明，中国县域具有典型的金融排斥特征，影响中国县域金融密度的因素包括县域地区人口密度、从业人数、人均收入、社会消费、居民储蓄、政府支出、基础设施、教育水平和与省会城市的距离。此外，少数民族和地区变量也对金融密度产生明显的影响。

关键词：金融密度；服务可及；金融排斥；县域金融

中图分类号：F832.43 文献标识码：A 文章编号：1674-2265（2018）09-0016-08

DOI：10.19647/j.cnki.37-1462/f.2018.09.003

习近平总书记在党的十九大报告中提出，新时代我国社会的主要矛盾是人民日益增长的美好生活需要和不平衡不充分的发展之间的矛盾。从经济基础的角度看，“不平衡不充分”主要体现在经济的产业结构、需求结构、增长动力以及区域和城乡的差异上。由此，金融业需要从以往注重传统行业转向为现代服务业和先进制造业服务，从以往主要为生产者服务转向更多地为消费者服务，从以往集中于东部、集中于大城市更多地向中西部和乡村延伸，从以往动员储蓄、推动大规模投资的粗放式金融发展模式转向利用金融科技、高效配置金融资源的集约型金融发展模式。

县域经济是国民经济中相对独立的基本单元。截至2017年底，我国县级行政区划数为2581个，县级行政区域土地面积约占全国陆地面积的90%；县域人口约占总人口的65%以上；县域GDP占国民经济整体比重约为50%，县域经济成为推动我国国民经济持续快速发展的重要力量。但是，县域城乡居民储蓄存款余额只占全国城乡居民储蓄存款余额的不到

1/3，2015年县域存贷比仅为57.6%，比城市地区低17.2个百分点，涉农贷款不良贷款率为2.3%，作为县域金融主力军的农村信用社不良贷款率为6.44%，远高于同期银行业金融机构1.55%的水平，县域金融发展滞后，与县域在全国的经济地位不相称。究其原因，这与中国县域的金融排斥存在紧密关联。

中国县域地区的金融地理排斥有着深刻的历史渊源。1998年开始，四大国有银行机构撤并，其中以银行的工作人员数量和吸收存款额为依据，人均存款额（存款额/工作人员数）在50万元以下的营业网点全部撤销，50万—100万元的营业网点部分撤销，100万—150万元的营业网点合并，同时二级分行也大量撤并。1998—2001年间，国有商业银行撤并境内分支机构和营业网点达到4.4万个。正是这次改革，国有商业银行大幅度撤并其基层分支机构，纷纷从效率不高的县域地区撤离，造成县域金融服务缺乏，加剧中国县域的金融排斥。

由于金融机构的分布数量和规模的限制，县域经济中的中小企业和农村经济主体难以获得充足的融资服务，导致金融发展难以发挥促进经济增长的作用。在金融排斥问题被关注之后，学者们的研究证实了金融排斥对县域经济的不良影响。钟笑寒等（2005）利用中国农业银行的数据，研究国有商业银行在农村网点的收缩，证实其对农村经济的不利影响；杨兆廷等（2009）、王翔（2009）、田杰和陶建平（2011）、石盛林（2011）等学者则进一步证实中国农村金融的地理排斥。

金融发展对县域地区的经济增长有着不可替代的意义，因此，金融机构的地理分布直接影响着金融服务的可及性，并与县域金融地理排斥息息相关。本文尝试分析影响中国县域金融发展的因素，解析导致中国县域金融地理排斥的原因。

一、文獻综述

“金融排斥”的概念由金融地理学家Leyshon和Thrift于1993年提出，他们在研究金融地理学的过程中发现金融排斥现象，即贫困人群由于地理因素的限制受到金融机构的排斥，使他们难以获得金融产品和金融服务，因此，他们对于金融排斥的研究就是分析特定人群与金融机构的距离。早期的金融排斥实际是金融地理排斥（Geographic Financial Exclusion），而此后金融排斥的内涵得到学者们的拓展。

西方学者最早关注和研究金融排斥的地理倾向性，Pollard（1996）与Fuller（1998）发现金融排斥的地理空间倾向明显，金融机构多在欠发达地区关闭。由于农村地区明显落后于城市，金融服务在农村的单位成本高于城市，人口密集度不同，农村地区金融机构的关闭率相当高。Lamer和Heron（2002）发现新西兰的金融机构网点主要在农村地区关闭；Argent和Ropey（2000）也证实澳大利亚的情况，除去人口变迁的因素，金融机构仍然呈现出在城市扩展、在农村收缩的不平衡现象。同样的现象也发生在中国，四大国有商业银行的撤出造成中国县域金融的“真空”，引发我国学者的关注。早期有金雪军和田霖（2004）、武巍等（2005）对金融排斥问题的介绍；近年国内研究金融排斥问题的也越来越多，尤其在衡量我国农村地区的金融排斥程度方面，国内学者得到大量结论。田霖（2011）发现我国金融排斥的城乡二元性特征明显；高沛星和王修华（2011）、许圣道和田霖（2008）、王修华和邱兆祥（2010）、张国俊（2014）等发现中国各省的农村金融排斥有着明显的区域差异。

对金融排斥现象探讨之后，学者们开始分析造成这一现象的原因。早期对金融排斥影响因素的研究，大多分析金融机构在某些地区撤并的原因以及金融机构密度低、缺乏金融服务地区的特征，进而探究影响金融排斥地理分布的因素。Kenipson和Whyley于1999年分析得出某地区的收入水平、受教育程度、民族、语言和宗教信仰等个人属性对金融排斥具有显著的影响；Cebulla（1999）对此进行补充，认为即使控制一定的社会经济因素，地区因素仍然对金融排斥产生显著影响。随后国外学者在微观层面开展研究，对受排斥群体的个体属性进行更深入的研究，认为影响金融地理排斥的因素有家庭（Honohan，Affleck和M.Mellor，2006）、教育（Helen Russell等，2011、Guiso等，Ameriks和Zeldes，2004）、性别（Muhalnl和Yunus，2008）。2000年，英国金融服务监管局（FSA）在已有文献的基础上，从宏观层面调查世界范围内金融排斥的现状。我国学者在对金融排斥的影响因素探析中，最初建立在定性分析上，周立和胡鞍钢（2002）从信息不对称的角度，何德旭和饶明（2007）从信贷资源配置的角度进行分析。田霖（2008）开始采用定量研究方法，证明影响我国省域层面农村金融排斥程度的因素包括人均纯收入、从业人员数、农户储蓄和农民金融知识；高沛星等（2011）补充的影响因素是收入、金融效率、就业和农业化水平；董晓林和徐虹（2012）基于县域金融机构的分布，发现人口规模、社会消费品零售总额、金融基础设施与金融排斥程度成正比；吕勇斌等（2015）、李建军和卢盼盼（2016）则从空间和地理分布角度，探讨影响金融服务的因素。

本文在现有文献基础上，基于数据的可获得性，设立全面的金融密度指数，探讨中国农村的金融排斥程度及其影响因素，深度解剖中国农村金融的发展进程。

二、金融地理排斥的理论模型

对于农村金融地理排斥及其影响因素的理论研究，主要是Lanzillotti和Saving（1969）的经典理论模型，学者后续在此模型基础上进行拓展分析，通过放松相关假设，加入更多反映现实情况的变量，如市场结构（White，1976）、法律因素（Savage和Humphrey，1979）、城市类型（Seaver和Fraser，1979、1983）和放松管制（Gunther，1997；Bernad等，2008）等。本文借鉴Lanzillotti和Saving的理论模型，根据中国农村的实际情况修正模型，探讨农村金融地理排斥的因素。

由于在中国县域经济中，基金、证券、保险、信托等非银行金融机构的影响较小，故本文用银行数量代替金融机构数量。某一地区银行的均衡数量取决于人们对金融产品或服务的需求，以及商业银行提供服务的成本和其他供给条件，商业银行基于所经营的环境和条件，使提供金融服务的成本最小化。此外，银行分支机构数量的增加会提高服务的可及性，给客户带来更多便利，故对金融产品和服务的需求受分支机构数量的影响。因此，银行及其分支机构的均衡数量都取决于对金融服务的需求和银行的经营成本，为此，本文提出以下两个假设，（1） 各地区的银行经营成本相同；（2） 银行分支机构的设立没有任何政策限制。

假设银行提供活期存款和定期存款两种服务，则第i个县对这两种服务的需求函数可表示如下：

[ηyi>0]、[ηPi>0]、[ηKi<0]。等式（9）是基于各地区对银行分支机构的设立没有任何政策限制的前提下得到，因此，设立限制的存在将会增加银行的成本，但也会限制垄断的产生。当考虑放松假设（2）时，引入系数[β]，用以表示政府管理的影响，即：

通过理论模型的分析，可以发现影响金融地理排斥的因素包括经济变量（人均收入）、社会变量（人口、人口集中度）、金融生态环境（金融基础设施）以及其他因素（政府干預）。

根据国内外研究成果、理论模型和研究目的，同时考虑数据的可获得性，在模型的基本设定中，本文将下列六类因素纳入模型：

第一类变量是人口统计指标，包括人口规模、人口密度、就业人数；第二类变量是经济活动指标，包括农村居民人均纯收入、地区实际GDP增长率、社会消费品零售总额；第三类变量是金融资源指标，包括居民储蓄存款余额；第四类变量是社会环境指标，包括少数民族虚拟变量、地区虚拟变量、政府财政支出占GDP比重、普通中学在校学生数；第五类变量是地理位置指标，包括与中心城市的距离；第六类变量是信息技术指标，包括固定电话用户数。表1列出各解释变量的定义及对农村金融密度的作用方向。

正如Leyshon和Thrift（1996）指出，金融机构的作用在于减少信息不对称，从而降低金融机构向贫困人群提供金融服务的成本，有效缓解因节约成本而发生的金融排斥问题。本文认同金融机构数量是金融排斥的直观体现，对被解释变量的选取参照陈莎和周立（2012）的研究，以金融机构数量分布衡量县域金融排斥状况，从供给视角分析我国县域金融排斥的影响因素。

本文使用县域i的金融密度（Ni）作为衡量指标，构建县域金融的4个“金融密度”指标体系，分别为“行政金融密度”、“地理金融密度”、“人口金融密度”和“经济金融密度”。

三、数据与实证

本文运用2015年全国2580个县域的截面数据进行实证分析，其中县域金融机构的数量通过“谷歌地图”获得。方法是通过定位某一县域，利用“搜索周边”功能，寻找“银行和金融机构”，然后地图显示出该县域及周边的银行与金融机构数量。对此指标有4点说明：一是所得机构数是在该县域居民可触及范围之内，而不是限制在行政边界之内，因为全国各县域之间并不存在金融阻隔，处在县域边界的居民或企业，出于方便快捷的考虑，可能去相邻县域的金融机构办理业务；二是关于这一数据的时效性，通过搜索得出，谷歌地图是定期分批更新的，谷歌公司每隔18个月对地图信息进行更新，因此数据具有一定的时效性；三是地图上搜索出的银行和金融机构包括银行（含ATM）、证券营业部、理财公司、期货公司、信用社、保险公司和会计师事务所等各种金融机构及服务机构；四是本文对不同县域采取同样的比例尺，以保证数据的可比性。

对于与中心城市的距离这一变量，本文未将地图上两点之间的直线距离定义为县域与省会城市之间的距离，因为两地之间介质（河流、海洋或陆地）的不同也会对交通的便利程度产生影响。为统一起见，本文中的距离采用地图上所得出的驾驶距离，即各县域与其省会城市的距离，数据也通过谷歌地图的“获取路线”这一功能，得出某一县域与省会城市的驾车路线及距离。

本文其他变量的数据来源于《中国县域统计年鉴（县市卷）》（2016）、《中国区域统计年鉴》（2016）及各地区的2016年统计年鉴。

1. 描述性统计。根据表3的统计描述，从衡量中国县域金融地理排斥的4个变量来看，行政金融密度差异最大，最大值为6665，最小值仅为1，标准差达到483.5；其次是人口金融密度，经济金融密度的差异较小，地理金融密度的差异最小，标准差仅为0.804。由此推测，金融机构在我国县域的分布并不带有强烈的行政平均主义色彩，人口、地理面积和经济发展等因素影响的金融机构分布可能更趋于均衡。

同时，标准差虽然能客观准确地反映一组数据的离散程度，但是对于不同的项目，或同一项目不同的样本，标准差就缺乏可比性了，因此本文引入变异系数CV，将一组数据的平均值及标准差同时作为参考的依据。变异系数为标准差除以平均值所得的商，能够更好地比较数据的离散程度。比较4个金融密度变量的变异系数，结果发生很大变化，地理金融密度的变异系数最大，经济金融密度则最小，反映出中国县域的金融机构分布与当地的经济水平相一致，而并不受地理面积的约束。反观解释变量的变异系数，有些比金融密度变量大，有些则较小，故其对被解释变量差异的解释能力还需要进一步分析。

在对原始数据进行统计分析后，本文对数据进行如下处理：第一，变量的观察值并不完全相等，为了保证回归结果的准确性，对缺漏值进行删除，删除后的各变量均有2476个观察值；第二，由数据的偏度与峰度值可知，各变量的分布并不符合正态分布的要求，为保证最小二乘回归方法的适用性，对除了经济增长率之外的其他变量进行对数转换，数据基本上满足偏度为0、峰度为3的正态分布要求，对数变化后的数据仅用于回归分析之中，其他分析都使用删除缺漏值后的原始数据。

通过对数据进行共线性检验，发现年末人口数与乡村从业人员数、普通中学在校学生数的相关系数都超过90%，分别为94.37%和90.01%，为避免共线性问题，剔除年末人口数（pop）这一变量。

2. OLS回归及其结果。根据上文的计量模型，运用stata11.0软件对4个被解释变量（administration、geographic、demographic、economic）进行回归的结果如表4所示。

结果表明，人口密度的影响符合预期，人口密度反映出人群离金融机构的距离，人口密度越大，人群距离金融机构越近，从定义上就反映金融地理排斥程度越低；从业人员数对行政金融密度的影响并不显著，但在排除地理面积、人口数量和经济总量因素后，二者显著正相关，说明从业人员一定程度上仍反映对金融服务的潜在需求，通过银行提供金融服务的风险和管理成本，影响农村金融排斥的程度；教育水平在4个回归方程中都保持显著为正，这与预期相同，因为根据已有研究结果，金融意识越高的农户发生借贷的概率越大，选择正规金融机构借贷的概率也越大，从而对金融机构的需求增加，催生金融机构的设立，故二者正相关。

农民人均纯收入、社会消费和居民储蓄在回归方程中都基本上保持显著为正，说明经济变量对金融密度的影响不可忽视，经济越发达意味着金融机构经营贷款的风险相对越小，提供金融产品服务的单位成本越低，所以经济较发达地区拥有更密集的金融网点。但上述三个变量对金融密度的影响是与经济总量息息相关的，经济增长率在所有回归模型中均不显著，结果与预期不符，可能是经济增长率对金融机构分布的影响具有滞后性。代入上一年的增长率进行回归，结果仍不显著。由此说明，现阶段农村金融机构选址过程中，过多考虑的是经济总量而非经济增长率。

政府支出在前3个回归方程中均显著为负，但在（4）中显著为正。究其原因可能是GDP和政府支出的相关系数为-0.308，所以政府支出越大，在一定程度上反映出当地急需政府加大支出拉动经济，表明当地经济越落后，故金融机构分布越少，当排除经济总量因素后，政府支出对金融机构的分布是有积极作用的；基础设施在4个回归方程中均不显著，且系数接近于零，说明农村地区虚拟的金融服务体系并没有替代实体的金融机构网点，即使有电子银行，农村居民还是选择在传统的营业网点办理金融业务。对此，许圣道和田霖（2008）也曾经得出相似的结论。

距离变量如预期，县市离省会城市越远，受其金融辐射的影响就越弱，与省会城市之间的经济金融活动交流变得更加困难，因此金融机构的分布就越少；少数民族虚拟变量的符号与预期相同，少数民族聚集区往往金融基础设施薄弱，又因为自我排斥而缺乏相应的金融服务需求，构成Leyshon和Thrift（1997） 所说的金融排斥的“地理空洞”现象；地区虚拟变量（east、west）中，代表中东部差异的east虽然为正，但并不显著，说明中东地区的金融排斥确有差异，但可能存在其他原因；代表中西部地区差异的west系数在行政和经济金融密度中都显著为负，说明在控制其他变量不变的情况下，西部地区的金融排斥比中部地区更为严重。

3. 模型的稳健性检验及调整。由于中国各个县域的差异较大，传统OLS的均值回归不能全面反映所考察问题，本文运用具有更高稳健性的分位数回归，依据金融密度的高低将县域分为不同组别，分别分析各影响因素对0.1、0.25、0.5、0.75、0.9分位点县域金融密度的影响效应及显著性差异。由于地理金融密度、人口金融密度的分位点回归结果与行政金融密度类似，受篇幅所限不予列出，行政金融密度、经济金融密度的分位数回归结果如表5、表6所示。

行政金融密度的分位点回归结果表明，人口密度、经济增长、社会消费、居民儲蓄、政府支出、距离变量都与OLS回归的结果一致。从业人数的符号都为正，但只有处于中间区间的分位点才显著；基础设施在OLS回归分析中，系数虽然为正，但并不显著，分位数回归结果在10%分位点上，基础设施显著为正，这意味着金融机构匮乏地区可以通过改善当地基础设施提高金融密度，但当金融机构数量上升到一定水平时，这一拉动效应变得不显著；教育水平保持正向影响，但系数及其显著性都变小，当行政金融密度位于90%分位点时，教育水平的影响变得不显著，说明对于金融机构分布密集地区，金融意识已经相当普及，并不能影响金融机构的区位选择；少数民族虚拟变量的影响并不稳定，仅对10%和25%分位点的行政金融密度有显著的负向影响，东部地区虚拟变量（east）也是如此，西部地区虚拟变量（west）虽然符号在各分位点都保持一致，但只有75%分位点通过了显著性检验。

经济金融密度排除经济总量GDP对金融机构数量的影响，考察每亿元GDP拥有金融机构数量的影响因素，结果表明人口密度、从业人数、经济增长 、教育水平和距离变量的影响均保持稳定；社会消费和居民储蓄的影响变小且不显著，说明是通过经济总量对金融机构分布产生间接影响；政府支出在分位点回归中得到进一步补充，政府支出的系数随着经济金融密度的增加而减小，说明排除经济因素后，政府支出对金融机构数量的影响会随着政府支出的增大而变小，这符合经济学里的边际递减效应；基础设施的影响仍不显著，但当经济金融密度较大时其符号变为负，可能是对于经济金融较发达地区，虚拟的金融服务体系对实体的金融机构网点有所替代，人们开始倾向于使用电话银行等；少数民族虚拟变量和西部地区虚拟变量（west）的影响显著增强，但东部地区虚拟变量（east）变得不显著。

四、结论和建议

本文分析了中国县域的金融排斥现象，度量中国县域金融排斥的程度，并实证检验中国县域金融排斥的影响因素，研究主要得到以下结论：

第一，中国县域金融机构的地理分布差异很大，4个衡量金融地理排斥的因变量中，地理金融密度的变异系数最大，经济金融密度则最小，反映中国县域的金融机构分布更主要与当地的经济水平、人口数量相一致，受行政区划和地理面积的影响较小。

第二，人口密度对各类衡量县域金融排斥的被解释变量的影响都十分显著。从业人员数并不影响行政区划内的金融机构总数，而是对每平方公里、每万人和每单位GDP所拥有的金融机构数量有显著影响。金融知识一定程度上代表对金融机构的需求，从而影响金融机构的分布，但对于金融机构分布密集地区，金融意识已经相当普及，并不能影响金融机构的区位选择。

第三，农民人均纯收入、居民储蓄、社会消费的确可以减缓金融地理排斥，但并不能对金融密度产生直接影响，而是通过经济总量而产生间接影响。政府支出对金融机构的分布有积极作用，但这一影响会随着政府支出的进一步增大而变小，符合经济学的边际递减效应。

第四，对于金融机构匮乏地区，通过改善当地基础设施可以拉动金融机构的数量增长，但一旦金融机构数量上升到一定水平，则这一效应消失；绝大部分地区虚拟的金融服务体系并不构成对实体的金融机构网点的替代，但对于经济金融较发达地区，人们开始倾向于使用电话银行和网络银行等，且金融机构分布越密集的地区受中心城市金融辐射力的影响越大。

第五，少数民族地区的金融排斥程度相对较高，东部地区的金融机构分布密度大于中部地区，而中部地区的金融机构分布密度又大于西部地区。

综上，为缓解中国县域的金融排斥，政府应加大投入支持金融机构的发展，改善县域的经济社会环境，普及县域居民的金融知识，加快县域金融基础设施的建设，发挥金融中心城市的金融辐射力量，并在一定程度上向中西部地区倾斜。

参考文献：

[1]Affleck A，Mellor M. 2006. Community development finance：a neo-market solution to social exclusion？. Journal of social policy，35（2）.

[2]Ameriks J， Zeldes S P. 2004. How do household portfolio shares vary with age. Working Paper，Columbia University.

[3]Argent N， F Rolley. 1999. Lopping the branches： bank branch closure and rural Australian communities. Sydney，UNSW Press.

[4]Cebulla A. 1999. A geography of insurance exclusion： perceptions of unemployment risk and actuarial risk assessment. Area，31（2）.

[5]Honohan P. 2006. Household financial assets in the process of development. Research Paper，UNU-WIDER， United Nations University （UNU）.

[6]Kempson E，Whyley C. 1999. The extent and nature of financial exclusion. Working Paper 1，Bristol： Personal Finance Research Centre，University of Bristol.

[7]Larner W， Le Heron R. 2002. The spaces and subjects of a globalizing economy：a situated exploration of method. Environment and Planning D，20（6）.

[8]Leyshorn，Thrift. 1993. The restructuring of the UK financial services in the 1990s.Journal of Rural Studies， 19.

[9]Muhammad Yunus. 2008. Creating a world without poverty：social business and the future of capitalism. Public Affairs.

[10]Pollard J S. 1996. Banking at the margins： a geography of financial exclusion in Los Angeles. Environment and Planning A，28（7）.

[11]Russell H，Ma?tre B，Donnelly N. 2011. Financial Exclusion and Over-indebtedness in Irish Households. Department of Community， Equality&Gaeltacht; Affairs and Economic and Social Research Institute.

[12]楊兆廷.农村金融机构收缩对农村经济影响的实证分析[J].上海金融，2009，（5）.

[13]钟笑寒，汤荔.农村金融机构收缩的经济影响： 对中国的实证研究[J].经济评论，2005，（1）.

[14] 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）.

[15]田杰，陶建平.農村金融排除对城乡收入差距的影响——来自我国 1578 个县 （市） 面板数据的实证分析[J]. 中国经济问题，2011，（5）.

[16]石盛林.县域金融密度与经济增长的实证研究：基于垄断竞争的解释[J].中央财经大学学报，2011a（4）.

[17]石盛林.县域金融对经济增长的影响机理——基于DEA方法的前沿分析[J].财贸经济，2011b，（4）.

[18]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）.

[19]吕勇斌，邓薇，颜洁.金融包容视角下我国区域金融排斥测度与影响因素的空间分析[J].宏观经济研究，2015，（12）.

[20]李建军，卢盼盼.中国居民金融服务包容性测度与空间差异[J].经济地理，2016，（3）.

[21]王铮，武巍，吴静.中国各省区经济增长溢出分析[J]. 地理研究，2005，24（2）.

[22]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. 农业技术经济，2011，（4）.

[23]许圣道，田霖. 我国农村地区金融排斥研究. 金融研究，2008，377（7）.

[24]董晓林，徐虹. 我国农村金融排斥影响因素的实证分析——基于县域金融机构网点分布的视角. 金融研究，2012，（9）.

[25]陈莎，周立.中国农村金融地理排斥的空间差异——基于 “金融密度” 衡量指标体系的研究. 银行家， 2012，（7）.

Abstract："Financial Exclusion" is the phenomenon that financial products and financial services are more difficult to be obtained. Low density of financial institutions of China's county area means characteristic of China county finance. This paper uses counties data to empirically test the degree of financial exclusion and its causes in China's county areas. Our results show that county financial exclusion is quite different among different regions. The results show that China's counties have typical financial exclusion characteristics，and factors affecting China's county financial density include population density，employment，per capita income，social consumption，household savings，government expenditure，infrastructure，education level and distance from the provincial capital. In addition，minority and regional variables have a significant impact on county financial exclusion.

Key Words：financial density，access to services，financial exclusion，rural finance；

（责任编辑 刘西顺；校对 GY，XS）