我国农村金融排斥影响因素的空间相关性分析

姚凤阁 刘宇宏 汪晓梅

内容提要：缓解农村金融排斥程度是促进我国农村经济发展、实现全面建成小康社会的有力支持。本文采用国际上公认的六维评价体系构建我国农村金融排斥评价指标体系，根据2008-2017年我国30个省份（不包括港奥台藏）的面板数据，采用变异系数法测算农村金融排斥指数，并利用SDM模型对我国农村金融排斥影响因素的空间特征进行探究。研究表明：我国各省农村金融排斥空间相关性显著。在考察期间内，GDP贷款贡献率、居民受教育程度、居民可支配收入以及产业结构影响本地区农村金融排斥程度，农村就业人员规模、居民受教育程度以及居民可支配收入具有较强的外溢作用。鉴于此，加强各地区农村金融合作，提高经济增长速度与促进产业结构合理调整相结合，提高农村居民教育水平等，有利于缓解我国农村金融排斥程度。

关键词：农村金融排斥;空间效应;莫兰指数

中图分类号：F831.4  文献标识码：A  文章编号：1001-148X（2020）07-0081-09

一、引言

金融发展是现代经济发展不可或缺的推动力。改革开放以来，由于社会主义市场经济的建立，许多农村金融机构在面临巨大竞争压力的同时纷纷从控制风险、降低成本、提高利润等方面出发，在增加城市金融产品和服务的同时大量减少了农村地区的金融产品和服务，存在事实上的排斥低收入居民和农村居民使其无法获得金融产品和服务的“金融排斥”现象，这在很大程度上抑制了我国农村经济发展。金融排斥现象存在于我国城市和农村，但是由于我国长期实行优先发展城市的战略方针，大部分农村经济资本与剩余被强制地分配到城市和工业领域。相对于城市而言，农村金融排斥问题更为突出。因此，缓解农村金融排斥问题对于促进农村金融协调发展，最终使普惠金融得以真正实现具有重要意义。

金融排斥是阻碍金融发展程度的重要影响因素之一，在20世纪90年代受到英美等发达国家的广泛关注。由英国地理学家Leyshon（1993）最早提出这一概念：由于受到地理空间等的限制，一部分人群难以获得正规金融服务，由此引发的现象称之为金融排斥。Morrison（2001）、Affleck A（2006）等学者也强调金融排斥是由于地理排斥所决定的。Fuller（1998）等专家学者认为，基于地理空间的视角，一个地区金融排斥的情况可以用该地区的金融网点数来衡量。该地区金融网点数越多，金融排斥程度越小。反之，金融网点数越少，金融排斥程度越严重。Kempson（1999）建立了金融排斥的六维评价标准，他认为金融排斥不应仅仅只包含地理排斥，还应考虑条件排斥、评估排斥、营销排斥、价格排斥以及自我排斥。Cebulla（1999）从金融供给方和金融需求方出发，将金融排斥分为主体性金融排斥以及结构性金融排斥两部分。Sarma（2010）从金融机构的渗透度、产品及服务的可获得度以及使用度这三个维度出发构建金融包容性指数，其中金融包容性指数越大，金融排斥程度越小。Carbo（2010）则认为，之所以贫困人群无法通过正规渠道获得金融产品及服务主要是因为金融机构对于贫困地区的弱势群体的金融需求意愿不够重视。Guiso（2008）、Bongomin（2016）则认为，受教育程度严重影响着金融排斥程度。受教育程度越高的人群往往越容易接受新的关于金融产品及服务的知识，越容易产生金融需求。

我国对于金融排斥问题的研究起步相对较晚。王修华（2009）运用Kempson的六维评价方法，并将这六个维度具体量化，分析新农村建设中农村金融排斥的具体情况。李涛等（2010）从储蓄、贷款、保险、基金这四个层面入手考察居民的金融排斥情况。谭燕芝和陈彬等（2014）认为金融排斥主要是由于地理排斥所引起的，因此用县域金融机构的营业网点数来衡量金融排斥。张国俊、周春山和许学强（2014）从金融服务的渗透度、使用度与效应度出发衡量金融发展程度，进而反映出金融排斥情况。李建军和张丹俊（2016）以我国中小板上市公司为样本，将金融排斥分成几个维度，探究金融排斥对企业财务结构的影响，研究发现，评估排斥提高了中小企业内部融资以及外部非银行融资的比例，而地理排斥和技术排斥使得企业短期负债率有所提高。张号栋和尹志超（2016）以我国家庭金融调查数据为基础，分析发现金融知识的掌握程度直接影响着金融排斥程度。一个家庭所掌握的金融知识越多，受到的金融排斥越小。侯凯（2019）基于金融服务的渗透度、使用度、效用度和承受度等指标，研究发现金融排斥对东部地区农民工的市民化进程影响显著。

但是传统的农村金融排斥影响因素研究往往沒有考虑农村地理位置之间空间因素的相互影响。随着我国农村交通基础设施和网络建设的不断完善，地区之间信息沟通、生产要素流动等变得更为快捷。因此，采用空间计量的分析方法来研究我国农村金融排斥问题，更加有利于全面揭示我国农村金融排斥的影响因素。鉴于此，本文的研究主要集中在以下两个方面：首先，使用2008-2017年我国30个省份的面板数据，运用变异系数法计算我国30个省份的农村金融排斥指数。其次，在研究我国农村金融排斥的影响因素时，通过莫兰指数分析我国农村金融排斥是否存在空间相关性。并利用SDM模型探析我国农村金融排斥影响因素的空间溢出效应。

二、农村金融排斥的内在形成机理

农村金融排斥理论源于农村金融发展理论，是一个动态的过程。在我国，由于城乡差距较大且农业是弱质性产业的特性使得农村金融市场并不是十分完善。正如金融供求理论所强调的，在我国农村金融市场中，农村金融排斥主要是由于农村金融供给方和需求方未能实现有效对接，是供需双方共同作用的结果。因此可以从供给和需求两个方面来分别进行分析。

一方面，供给方。我国农村金融机构主要包括银行、保险等金融机构。这些金融机构在我国农村地区分布相对较少，作为金融产品和服务的供给方，主要是通过在农村地区设立相应的营业网点及分支机构来提供服务。农村金融机构在决定是否提供金融产品和服务时往往要考虑以下几个方面：（1）成本消耗。农村金融机构在提供金融产品和服务时往往要遵循利润最大化的原则，因此在提供金融产品服务时会尽可能地选择降低成本。目前，由于我国农业仍属于弱质性产业，即具有收入低、风险大、生长周期长、易受天气变化的影响等特点，这在一定程度上增加了时间成本与人力成本，因此产生金融交易成本高、农村贷款难度大、额度小等一系列问题。（2）运营风险。金融机构为防止违约风险发生，在提供金融产品及服务时，往往要严格审查金融需求方的信用水平及还款能力，相对于城市而言，我国各农村地区经济增长和金融发展不平衡，没有建立完善的信用体系，农村金融机构的系统和非系统风险明显高于城市地区。（3）经营状况。金融机构会随时考虑自身的经营状况，在农村地区开设营业网点或撤退营业网点。早在20世纪90年代中后期，一些国有金融机构为了实现更好的经营状况纷纷撤并了许多农村贫困地区的经营网点，由此造成的营销排斥影响至今。现如今，大多数农村金融机构的服务群体大都脱离了“三农”领域，这将在很大程度上导致农村地区的资金外流。

另一方面，需求导向。农村地区对于金融服务的需求主体主要集中于农户。金融需求大都离不开储蓄、贷款等基础类金融服务。需求方在提出具体的金融需求时往往会考虑以下几个方面：（1）与城镇居民相比，由于我国大多数农村地区人群的受教育水平有限，并且收入较低，对金融产品及服务没有足够多的了解，同时我国农村地区金融机构的贷款手续较为麻烦，由此引发农村居民将自己排斥在正规金融服务之外。（2）在我国农村地区，居民相对比较封闭，无法准确获得充分的金融信息，导致其对于正规金融机构的服务十分陌生。与正规金融机构相比，农村居民往往更愿意选择一些非正规的金融机构以满足自身的金融需求（如高利贷等）。（3）农村居民可能由于没有抵押物、程序不合法等原因被金融机构拒绝提供金融服务，由此产生的不愉快的借贷经历导致对农村正规金融机构的不信任，由此主动将自己排除在正规金融机构之外，无法获得正规金融机构提供的产品和服务。

此外，外部环境的变化（如交通、信息等）也能导致供需双方不能有效对接。从而产生农村金融排斥状况。综上所述，农村金融排斥的形成是由于多方面的原因，不仅单纯的是供给方与需求方未能实现有效对接，同时也可能会受到外部环境的影响。

三、农村金融排斥指数的测算

（一）指标体系与数据来源

1.指标体系构建。关于金融排斥程度的衡量与测算，现有文献已经较为成熟，本文借鉴高沛星和王修华（2011）等的研究成果，从地理排斥、评价排斥、条件排斥、营销排斥、价格排斥、自我排斥六维度综合评价我国各省农村金融排斥程度。其中地理排斥是指由于地理位置偏远而遭受金融排斥的现象，可以通过农村金融机构覆盖率衡量。评估排斥和条件排斥二者都可以理解为由于某些评估条件限制而产生的金融排斥现象，因此可以合并為一个指标，以人均贷款水平衡量。营销排斥是指由于营销对象的范围不同而产生的金融排斥现象，可用存款与贷款的比值来衡量。自我排斥是指由于自身受教育程度等原因而产生的金融排斥现象，可以用农村居民的平均受教育水平来衡量。关于价格排斥，就我国目前的情况来看，金融产品和服务的价格难以构成价格排斥。小额贷款公司的快速发展以及高利贷的普遍存在都足以说明消费者对金融服务的需求很少会受到价格的影响，由此可排除价格排斥。综上所述，将评估排斥和条件排斥浓缩合并，最终从地理排斥、营销排斥、自我排斥和评估与条件排斥这四个维度共同衡量我国各省农村金融排斥程度，如表1所示。

（四）变量的选取

从理论视角出发，农村金融排斥产生的根本原因是需求方和供给方未能实现有效对接。鉴于此，在参考潘经韬（2016）等人的文献，本文主要从供给方（金融机构）、需求方（农户）、以及外部环境三方面选取我国农村金融排斥的影响因素。为了避免分析有失偏颇，同时兼顾数据的可得性，本文最终选取指标如下：

1.被解释变量：农村金融排斥指数（IFE）。该指数的测算，在上一节中已对其进行详细介绍，在此不再赘述。

2.解释变量：

（1）供给层面影响因素。供给层面所引发的金融排斥主要是由于金融机构本身提供金融产品和服务的局限性。本文从供给层面所选取的影响因素包括：

农村金融机构资产规模（Asset）。农村金融机构资产规模可以直接反映出该地区金融机构的发展规模。因此将农村金融机构资产规模作为衡量供给引致的金融排斥的影响因素之一。

农村金融机构网点规模（Ins）。金融机构网点数量的多少可以直接反映该地区金融机构的分布密度以及金融产品和服务的可得度。因此将农村金融机构网点数作为衡量供给引致的金融排斥的影响因素之一。

农村GDP贷款贡献率（Gdpc）。中国人民银行贵港市中心支行课题组（2016）认为农村百元GDP贷款贡献率是衡量农村金融深化程度的一个重要指标。因此将农村百元GDP贷款贡献率作为衡量供给引致的金融排斥的影响因素之一。

（2）需求层面影响因素。需求层面所引发的金融排斥主要是因为金融需求主体受自身受教育水平、收入等方面的影响而产生的自我排斥。本文从需求层面所选取的影响因素包括：

农村居民受教育程度（Edu）。农村居民自身受教育程度可能会影响自身对金融产品和服务的认可程度。因此将农村居民人均受教育年限作为衡量需求引致的金融排斥的影响因素之一。

农村居民可支配收入（Inc）。农村居民家庭的收入情况直接影响着居民能否有效获得金融服务，农户的收入水平直接反映了其购买能力与储蓄投资水平，同时也代表了其获得一切金融服务的资金信贷规模，因此，本文选取农村居民人均可支配收入作为衡量需求引致的金融排斥的影响因素之一。

农村就业人员规模（Emp）。由于我国农业仍具有收入低、风险大等特点，因此金融机构更愿意选择职业稳定的经济主体为其提高金融服务。因此选取农村就业人员数作为衡量需求引致的金融排斥的影响因素之一。

（3）社会环境因素。金融排斥的外部影响因素比较丰富。这些因素不仅会对金融需求方产生影响，同时也会对金融供给方产生影响。本文从社会层面选取的因素包括：

产业结构（Agr）。产业结构能够合理地反映出农村经济发展的状况，并且农村经济的发展影响着农村金融的发展。本文将产业结构作为衡量社会环境引致的金融排斥的影响因素之一。

财政支农力度（Fin）。政府在宏观经济运行中起着不可或缺的作用，政府的财政支出力度对于发展农村经济、改善农村金融环境具有不可或缺的推动作用。因此本文采用财政支农力度作为衡量社会环境引致的金融排斥的影响因素之一。

（五）数据来源与描述性统计

为了更全面地研究我国农村金融排斥的影响因素，本文选择使用2008-2017年我国省级面板数据进行实证分析，数据主要来源于历年 《中国金融年鉴》、《中国农村统计年鉴》以及人民银行公布的中国区域运行报告。由于西藏、香港、澳门、台湾地区数据缺失严重，故在研究过程中将该地区剔除，最终选取了我国30个省级区域。文中个别年份的缺失数据采用插值法预测取得。同时为消除异方差影响，对所有变量全部进行对数转换。样本的基本统计性描述如表4所示。

五、实证结果

（一）农村金融排斥的空间相关性分析

本文采用邻近矩阵对我国30个省份的农村金融排斥程度进行了全局Morans I指数检验，表5为2008-2017年我国农村金融排斥空间相关性的检验结果。根据表5所示，从2008-2017 年，我国农村金融排斥的Morans I均大于-1小于1，P值都小于等于0.05;Z值均大于0且都大于临界值，因此拒绝原假设，这表明我国农村金融排斥程度并非空间随机分布，而是会受到邻近地区有关因素的影响，在空间地理位置上呈现出一定的空间集聚性。为了更好地观察全局莫兰指数情况，根据表5的结果编制了 Morans I指数趋势图（图1）。

由于SDM模型中包含了解释变量和被解释变量的空间滞后项，因此其回归系数中包含了大量相邻区域的交互信息，使得模型参数的解释变得复杂且不能直接反映给定地区解释变量的变化对该地区本身和相邻地区被解释变量的影响程度。因此通过直接效应、间接效应分别对其进行分析。其中，直接效应指的是本地区供给、需求以及社会环境因素引起的本地区农村金融排斥程度的变化，间接效应指的是本地区供给、需求以及社会环境因素对其他相关地区农村金融排斥程度的溢出效应。如表9所示：

首先，农村居民受教育程度、农村居民可支配收入的变化不仅对本地区金融排斥程度有显著影响，还具有明显的外溢作用。正所谓教育是国之大计，随着农村居民受教育程度的增加，农村居民对金融产品和服务的了解程度以及认可度不断增强，从而使得农村居民因自我排斥而产生的金融排斥程度降低。居民可支配收入可以直接反映出经济发展水平，一地区的经济发展水平不仅对本地区农村金融排斥程度产生影响，还对相关地区的农村金融排斥程度产生影響，农村居民可支配收入增加可以减缓本地区以及相关地区农村金融排斥程度。这恰好可以说明，要想缓解我国农村金融排斥程度，使普惠金融得以实现就必须缩小我国城乡收入差距，弱化区域差异。

其次，农村GDP贷款贡献率、产业结构的变化都只对本地区农村金融排斥程度产生显著影响，而不影响其他地区农村金融排斥程度。暗示着本地区农村GDP贷款贡献率、产业结构变化的空间溢出效应不明显。其中GDP贷款贡献率的提高、以及调整产业结构都有利于降低本地区金融排斥程度。GDP贷款贡献率的提升说明该地区得到金融服务的人群增加，而金融排斥程度恰恰随着获取金融产品和服务人群的增多而降低。增大第一产业所占比重不利于缓解我国农村金融排斥程度。这表明不合理的产业结构会使得我国农村金融排斥程度越来越严重。农村就业人员规模虽然对本地区金融排斥影响不显著，但却影响着相关地区的金融排斥程度。这可能是因为我国区域经济差异显著，一部分有劳动能力的人群纷纷选择外出到发达地区务工，致使其影响相关地区的金融排斥程度。

最后，农村金融机构资产规模、网点规模以及财政用于农业的支出，均对本地区及相关地区农村金融排斥程度没有显著的影响。一方面，随着互联网行业的广泛兴起，人们办理金融业务已经不能完全局限于到当地的金融网点办理，所以金融机构的资产规模、网点数所构成的地理排斥逐渐弱化，并不能成为影响我国农村金融排斥的主要原因。另一方面，由于财政支出的地理指向性较为明确，因此本地区财政用于农业的支出并没有明显的外溢作用。此外，政府在发挥其在农村地区“看得见的手”的作用时，不应仅仅增加对于农业的支出，第三产业等也需要政府扶持。

六、结论与政策建议

本文利用我国2008-2017 年30个省份（不包括港、澳、台、藏）的面板数据，探究我国农村金融排斥的影响因素，在考虑空间因素的基础上，构建我国农村金融排斥影响因素的空间杜宾模型（SDM），并最终得到以下结论：

1.我国农村金融排斥存在显著的空间相关性。从模型的选择以及比较分析中可以看出，同普通OLS模型相比，空间计量模型能够更好地解释我国农村地区的金融排斥问题。在SDM空间固定效应模型中：系数λ=-0.0518且通过1%的显著性检验，这恰好可以说明，在研究我国农村金融排斥问题时，空间效应显著。也就是说，在我国农村地区，金融排斥问题不光受到自身因素的影响，也与其周边省份有关。因此，要想缓解我国各省农村金融排斥现象，应该加强区域周边合作，共同提高经济水平，以此来缓解我国农村金融排斥程度。

2.GDP贷款贡献率、居民受教育程度、居民可支配收入以及产业结构影响本地区农村金融排斥程度。GDP贷款贡献率系数为负且通过1%的显著性检验，这可以说明农村地区贷款额越大，即农村居民所得到的金融服务越多，我国农村金融排斥程度越轻。农村居民受教育程度系数为负且通过1%的显著性检验，即农村地区居民受教育程度越多，对金融产品及服务的认知度越大，农村金融排斥程度越轻。农村居民可支配收入以及第一产业所占比重的系数为正且通过5%的显著性检验，这说明单纯的提高经济增速并不能有效缓解我国农村金融排斥，应将提高经济增速与调整产业结构相结合。

3.农村就业人员规模、居民受教育程度以及居民可支配收入具有外溢作用。在间接效应的实证模型中，农村就业人员规模、居民受教育程度以及居民可支配收入均通过10%的显著性检验。这恰好可以说明本地区的农村金融排斥程度可以受到相关地区就业人员规模、居民受教育程度以及居民可支配收入的影响。

结合实证分析的结果，对于缓解我国农村金融排斥问题，提出以下建议。（1）注重发展本地区农村金融业务的同时，加强相邻省份的区域合作。有必要利用我国金融排斥的这空间相关关系，增强区域合作，实现区域经济共同发展，最终减缓我国农村地区整体的金融排斥程度。（2）提高经济增速与调整产业结构相结合。提高经济增速虽然有利于缓解我国农村金融排斥问题，但合理的产业结构能推动经济持续健康发展，只有将调整产业结构与提高经济增速相结合才能更好地缓解我国农村金融排斥程度。（3）提高我国农村地区教育水平以缓解自我排斥。农村居民受教育程度低是产生农村金融排斥特别是自我排斥的最重要因素之一，因此提高农村居民整体教育水平具有十分重要的现实意义。

参考文献：

[1] Leyshon A， Thrift N. The Restructuring of U.K. Financial Services Industry in the 1990s：a Reversal ofFortune[J].Journal of  Rural Studies， 1993，9（3）：223-241.

[2] Morrison P S， OBrien R. Bank Branch Closures in New Zealand： the Application of a Spatial Interaction Model[J].Applied Geography，2001，21（4）：301-330.

[3] Affleck， Mellor. Community development finance： A neo-market solution to social exclusion[J].Journal of Social Policy， 2006，35（2）：303-319.

[4] Fuller D. Credit Union Development： Financial Deepening and Financial Inclusion[J].Geoforum， 1998，29（2）：145-157.

[5] Kempson E， Whyley C， Understanding and Combating Financial Exclusion Insurance Trends[J].The Association of British Insurers， 1999（21）：18-22.

[6] Cebulla A. A Geography of Insurance Exclusion： Perceptions of Unemployment Risk and Actuarial Risk Assessment[J].Area，1999，31（2）：111-121.

[7] Sarma M. Index of Financial Inclusion[J].Indian Council for Research on International Economic Relations New Delhi Working Papers， 2010（11）：1-28.

[8] Carbo S， Gardener E P M， Moyneux P. Financial Exclusion in Europe[J].Public Money & Management， 2010， 27（1）：21-27.

[9] Guiso， Sapienza， P， Zingales L. Trusting the Stock Market[J].Journal of Finance，2008：25-57.

[10]Bongomin， Ntayi， Munene J. Institutional frames for financial inclusion of poor households in Sub-Saharan Africa evidencefrom rural Uganda[J].International Journal of Social Economics， 2016，43（11）：1096-1114.

[11]王修華，黄明. 金融资源空间分布规律： 一个金融地理学的分析框架[J].经济地理2009，29（11）：1808-1811，1815.

[12]李涛，王志芳，王海港. 中国城市居民的金融排斥状况研究[J].经济研究，2010（7）：15-30.

[13]贺灿飞，刘浩. 银行业改革与国有商业银行网点空间布局——以中国工商银行和中国银行为例[J].地理研究， 2013（1）：111-122.

[14]谭燕芝，陈彬，田龙鹏，等. 什么因素在多大程度上导致农村金融排斥难题——基于2010年中部六省667县（区）数据的实证分析[J].经济评论，2014（1）：25-37.

[15]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）：2229-2311.

[16]张号栋，尹志超. 金融知识和中国家庭的金融排斥—基于CHFS数据的实证研究[J].金融研究，2016（7）：80-95.

[17]侯凯.金融排斥影响我国农民工市民化的实证分析[J].哈尔滨商业大学学报：社会科学版，2019（1）：68-84.

[18]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.

[19]潘经韬. 农村金融排斥区域差异及影响因素研究—基于省际面板数据的实证分析[J].新疆农垦经济，2016（1）：76-83.