我國金融排斥程度研究——基于金融排斥指數的構建與測算

李春霄，賈金榮

(西北農林科技大學經濟管理學院，陜西 楊凌 712100)

一、引 言

近年來，金融發展與經濟增長之間的相關關系一直是學界研究的熱點，其中大量的文獻證明，金融發展對經濟增長具有重要的促進作用［1-5］，因此，各國都試圖采取一系列措施促進金融發展，進而促進經濟增長。改革開放以來，我國政府對金融體系進行了一系列改革，通過這些改革我國的金融體系得到了完善與發展，金融在我國經濟增長和居民收入提高中的作用得到空前提高。但我國的金融體系還存在著許多問題，金融服務體系還不完善。僅從農村來看，根據銀監會網站公布的《中國銀行業農村金融服務分布圖集》顯示，2008年末金融服務嚴重不足(機構網點≤1)的鄉鎮有11885個，占全國鄉鎮總數的39%，獲得貸款的農戶比例僅為農戶總數的28%，獲得保險、基金、證券等金融服務的農戶更是微乎其微［6］，由此來看，我國居民的很大一部分的金融需求還得不到滿足，金融在促進我國經濟增長和居民收入提高中的作用還是有限的，理論界將大多數國家面臨的這一共同難題歸結為嚴重的金融排斥①1993年，英國學者Leyshon and Thrift首次提出了金融排斥的概念，最早對金融排斥的研究主要集中于地理排斥。Leyshon and Thrift將金融排斥定義為貧困階層和社會弱勢群體由于遠離金融服務機構及其分支機構而被排斥在主流金融服務之外［7］。Panigyrakis，Theodoridis和Veloutsou拓展了金融排斥的涵義，他們給金融排斥下的定義是:金融排斥是指由于沒有合適的獲取渠道，部分群體不能以合適的方式使用主流金融系統提供的金融服務［8］。本文把金融排斥定義為:一定時期內，在一定經濟條件下，由于主流金融服務機構所提供的金融服務的普及程度、可得性、可使用性、可負擔度等超出金融服務使用者的承受范圍等原因阻礙了人們對金融服務的使用的一種狀態。(Financial Exclusion)問題阻礙了金融服務的可得性［9］。

金融排斥問題的存在阻礙了金融的發展，系統研究并解決金融排斥問題，對促進金融和經濟發展都具有重要的現實意義。我國2010年中央一號文件提出“抓緊制定對偏遠地區新設農村金融機構費用補貼等辦法，確保3年內消除基礎金融服務空白的鄉鎮”，表明國家已經重視并試圖消除金融排斥。要解決金融排斥問題，必須首先科學測度目前我國面臨的金融排斥的程度，因此，本文基于省際數據運用一系列指標構建金融排斥指數(Index of Financial Exclusion，IFE)，試圖對我國的金融排斥程度進行測度與分析。

二、文獻綜述

金融排斥的概念由Leyshon and Thrift提出后，Kempson and Whyley拓展了金融排斥的概念，認為金融排斥是一個復雜而多維的概念，提出了金融排斥的六維評價標準，分別是地理排斥①地理排斥是指被排斥的對象由于無法就進獲取金融服務，不得不依賴公共交通系統到達相距較遠的金融中介。(Physical Access Exclusion)、評估排斥②評估排斥是指金融機構通過風險評估程序限制了客戶接近金融資源。(Access Exclusion)、條件排斥③條件排斥是指通過對金融產品附加苛刻的條件將某一類人群排除在外。(Condition Exclusion)、價格排斥④價格排斥是指現行金融產品的價格超過了某類人群的購買能力而造成的排斥。(Price Exclusion)、營銷排斥⑤營銷排斥是指金融機構在進行金融產品的營銷時對某類人群進行了主觀忽視。(Marketing Exclusion)和自我排斥⑥自我排斥是指居民對金融服務有需求，但由于曾經在申請金融產品時被拒絕或聽說很難獲得或對金融產品不了解而主動放棄申請使用該產品。(Self-exclusion)，金融排斥是這六個維度共同作用的結果［10］。王志軍指出金融排斥是指社會中的一部分人由于多種原因難以進入主流金融體系獲得必要的金融服務［11］。李濤、王志芳等認為金融排斥是人們不能以恰當的方式獲得儲蓄、基金、保險、貸款等方面的金融服務［12］。

在金融排斥程度的衡量方面，英格蘭東南發展機構利用一系列數據，采用復合剝奪指數(Index of Multiple Deprivation)作為模型的因變量采用線性回歸模型，以逐步回歸的方式確定了金融排斥的相關變量，并計算出金融排斥指數，但是該指數所用到的相關數據，多數國家的統計機構目前還沒有提供，所以影響了該指數的應用和推廣［13］。李濤、王志芳等分析了我國城市居民受金融排斥的狀況，在衡量金融排斥程度時他們采取問卷調查的方法，如果居民沒有使用儲蓄、基金、保險、貸款等金融服務時則認為該居民受到了相應的金融排斥［12］。田霖利用主成分分析、因子分析和聚類分析的方法，建立排序選擇模型，分析了我國金融排斥空間差異及其影響要素［14］。王修華、邱兆祥建立了地理、評估、條件、價格、營銷、自我等六維度的相應評價指標體系對我國農村金融排斥的現實困境進行定性與定量的描述［6］。高沛星、王修華把金融排斥的六個維度，合并減少為四個維度，建立相應評價指標體系，基于省際數據采用變異系數法定量分析了我國各省農村金融排斥程度，并利用皮爾遜相關系數法分析了形成我國農村金融排斥區域差異的主要影響因素［15］。

從國內外對金融排斥的研究來看，對金融排斥程度的測度主要是利用Kempson and Whyley提出的六維評價標準，利用相應的具體指標代表六個維度，例如王修華、馬柯 等在測度我國的金融排斥程度時，利用地區銀行類金融機構數比地區人口代表地理排斥，地區銀行承兌匯票余額比地區人口數代表評估排斥，地區加權貸款利率水平代表價格排斥，地區人均貸款余額代表條件排斥，地區貸款余額比存款余額代表營銷排斥，地區非金融機構融資規模比金融機構貸款余額代表自我排斥［16］。對比六個維度的涵義可以看出，他們創建的評價指標體系并不能準確的表示各維度所要表達的涵義。通過研究發現，就目前所能利用的數據和方法而言，試圖利用六維標準比較準確地衡量和測度金融排斥程度是存在很大困難的。因此，本文試圖從一個新的角度，建立衡量金融排斥的新的維度體系，并利用相應的指標體系，構建金融排斥指數，對金融排斥程度進行科學測度和分析。

三、金融排斥指數的構建

(一)金融排斥指數構建的目標和原則

通過研究已有的文獻可以看出，傳統的金融排斥評價方法基本都是用Kempson and Whyley提出的六個維度構建評價指標進行分析的。金融排斥的六個維度基本都是主觀性比較強的指標，而且各個指標之間密切相關，相互重疊，要使用計量的方法和具體數據加以準確衡量是比較困難的，例如，評估排斥是指金融機構通過風險評估程序限制了客戶接近金融資源，由于風險評估程序是人為制定的，具有較大的靈活性和針對性，要準確衡量金融排斥中評估排斥的程度就目前可用的方法和數據來看是比較困難的。從這六個維度構建的評價指標體系來衡量金融排斥程度是很難對金融排斥程度進行準確、客觀地測度的，所以本文不以六個維度為標準，而是從新的角度構建衡量金融排斥的維度體系，并確定相應評價指標，對金融排斥指數進行構建和測度。金融排斥指數構建的目標為:基于金融排斥的涵義，利用客觀、可得、全面的數據，建立一套在時空范圍內可比較、可計算的評價體系，對金融排斥的程度進行科學衡量和測度。金融排斥指數構建的原則可分為以下幾點:

1.建立的評價體系必須盡可能多地包含金融排斥的不同層面，能對金融排斥的基本內涵包含的信息進行科學測度。金融排斥包含的層面非常多，因此要準確評價金融排斥，其評價指標體系必須盡可能多的包含金融排斥的不同層面。

2.建立的評價指標體系必須是客觀的、可得的，數據來源是有保證的，是可以用數學的方法加以衡量和計算的。

3.金融排斥指數的計算方法必須是簡單容易的，并符合經濟學、數學、統計學等學科的基本原理。

4.構建的金融排斥指數必須是可以進行時空比較的。只有對金融排斥進行時間和空間的比較，才能了解一個地區在不同時期金融排斥的具體程度和變化，這對制定金融排斥的破解對策具有重要的意義。

(二)金融排斥維度的確定

基于金融排斥的涵義，并根據金融排斥指數設定的目標原則，本文將金融排斥維度確定為以下四個維度:金融服務的深度(Depth)、金融服務的可得度(Availability)、金融服務的使用度(Usage)、金融服務的可負擔度(Affordability)。

維度1:金融服務的深度。與金融排斥相對的概念是金融包容(financial inclusion)，一個包容性的金融體系必須盡可能多地包含所有的想得到金融服務的用戶，金融排斥顯然是使用戶被排斥在金融服務體系之外，而得不到需要的金融服務。因此金融服務的深度表示金融服務在其用戶中的滲透程度是怎樣的，即有多少用戶能夠使用金融服務。具體的評價指標可用一個地區的銀行賬戶開戶數、平均每個人的存貸款余額等表示。

維度2:金融服務的可得度。包容性的金融體系的金融服務的可得度非常高，用戶可以很容易的得到自己需要的金融服務，而排斥性的金融體系則使用戶很難獲得自己需要的金融服務。因此金融服務的可得度表示一個地區金融服務在多大程度上可以獲得。具體的評價指標可用每萬人擁有的金融機構網點數、每萬人擁有的ATM機數、每萬人擁有的金融機構服務人員數量、每萬平方公里擁有的金融機構網點數、每萬平方公里擁有的金融機構服務人員數等表示。

維度3:金融服務的使用度。包容性的金融體系的金融服務不但可以使用而且使用程度非常高，而排斥性的金融體系由于把部分使用者排除在金融服務體系之外，這就限制了金融服務的使用程度。因此金融服務的使用度表示一個地區金融服務在使用程度上是怎樣的。這個維度具體的評價指標可用一個地區的存貸款余額占GDP的比重來表示。

維度4:金融服務的可負擔度。一個包容性的金融體系提供的金融服務在價格上是使用者能夠負擔的，而排斥性的金融服務體系提供的金融服務由于價格太高使得有些使用者負擔不起，進而影響了金融服務的推廣和應用。因此金融服務的可負擔度表示一個地區提供的金融服務的價格是否在使用者的可負擔范圍之內，具體的評價指標可用利率水平、金融服務價格等表示。

(三)金融排斥指數的構建

在構建金融排斥指數時，根據我們確定的金融排斥的涵義和金融排斥指數構建的目標和原則，借鑒國際認可度很高的聯合國開發計劃署(United Nations Development Program，UNDP)編制的人類發展指數①人類發展指數是聯合國開發計劃署在《1990年人文發展報告中》提出的用以衡量聯合國各成員國經濟社會發展水平的指標。人類發展指數是對人類發展成就的總體衡量尺度，是測量一個國家在人類發展的三個基本方面的平均成就:1.健康長壽的生活，用出生時的預期壽命表示;2.知識，用成人識字率及小學、中學和大學綜合毛入學率表示;3.體面的生活水平，用人均GDP表示。各個指標都設定了最大值和最小值，指數的計算公式為:指數值=(實際值-最小值)∕(最大值-最小值)，而HDI值為三個基本指數的幾何平均數。以上摘自互動百科，http://www.hudong.com/wiki/%E4%BA%BA%E7%B1%BB%E5%8F%91%E5%B1%95%E6%8C%87%E6%95%B0。(Human Development Index，HDI)的計算方法構建金融排斥指數的測算方法:

假設金融排斥有n個評價維度D，每個指標的權重w，用以表示該指標對量化金融排斥指數的重要程度。用以下公式表示每個指標的測度值:在公式(1)中，Dn表示第n個維度在測度金融排斥指數時的計算值，代表這個地區在這個維度取得的成就。

wn表示第n個維度的權重，設定0≤wn≤1，wn越大說明該維度對量化金融排斥的重要程度越高;

Xn表示第n個維度評價指標的實際值;

Mn表示設定的第n個維度評價指標的最大值;

mn表示設定的第n個維度評價指標的最小值。

當Dn是正向指標時，Dn越大代表這個地區在這個維度取得的成就越高，金融排斥的程度就越低;當Dn是逆向指標時，Dn越大代表這個地區在這個維度取得的成就越低，金融排斥的程度就越高。因此為了統一標準，方便金融排斥指數的計算，當Dn是逆向指標時，將Dn的計算公式轉換為公式(2)的形式，這樣Dn越大時，代表這個地區在這個維度取得的成就越高，與公式(1)標準一致。

由公式(1)、(2)可以看出，各維度評價指標D的取值范圍為0≤Dn≤wn。設定一個地區各個維度的計算得分都為0，即Dn=(0，0，0，…0)時，代表這個地區在各個維度的計算值都是最低值，為金融排斥程度最高情況;如果一個地區各個維度的計算得分都為 wn，即Dn=(w1，w2，w3，…，wn)時，代表這個地區在各個維度的計算值都是最高值(也是最理想值)，為金融排斥程度最低的情況。因此，在構建金融排斥指數時就是要計算各個維度的測算值與最理想值的距離，并最終把所有距離整合在一起形成一個測度結果，所以我們將金融排斥指數的測度公式①根據Nathan et al的研究發現，這種基于距離的指數測算公式滿足許多數理特性，如標準性、單調性、一致性、對稱性等［17］。設定為以下形式:

在公式(3)中，由于Dn的取值范圍為0≤Dn≤wn，所以金融排斥指數IFE的取值范圍為0≤IFE≤1。如果 Dn=(0，0，0，…0)，則 IFE=1，為金融排斥最高的情況;如果 Dn=(w1，w2，w3，…，wn)，則 IFE=0，為金融排斥程度最低的情況。本文設定當0≤IFE≤0.5時，表示該地區的金融排斥程度較低;當0.5＜IFE≤0.8時，表示該地區金融排斥程度較為嚴重;當0.8＜IFE≤1時，表示該地區的金融排斥程度嚴重。

顯然，本文設定的金融排斥指數的計算公式與人類發展指數的測度公式是有很大的不同的②主要不同點可分為以下兩點:1.人類發展指數是用幾何平均數的方法測算的，而本文確定的金融排斥指數測算方法是計算實際值與理想值的距離。2.確定最大值最小值的方法不同，人類發展指數的最大值和最小值是先前設定的，而本文確定的測算金融排斥指數的維度的最大值和最小值是根據樣本的實際情況設定的。。通過測度公式可以看出，測算金融排斥指數的重點和難點可分為以下三方面:一是確定金融排斥的評價維度;二是確定各個維度在計算金融排斥指數時所占的權重;三是確定各個維度的評價指標的最大值和最小值。

(四)各維度權重的確定方法

由于本文構建的金融排斥指數是一個相對的計算值，因此本文采用變異系數法測算各個指標的權重。變異系數法的內涵是在用多個指標對一個問題進行綜合評價時，如果一項指標的變異系數較大，則說明這個指標在衡量這個問題的差別方面具有較大的能力，那么這個指標就應該賦予較大的權重，反之，則賦予較小的權重。在賦予各指標的權重時，采用各指標的變異系數占所有指標變異系數之和的比值表示。具體的計算步驟和公式如下:

首先計算各指標的變異系數，計算公式如式(3)。

在公式(4)中，CVi代表各個指標的變異系數，Si代表各個指標的標準差代表各個指標的平均數。計算出變異系數后，各個指標的權重計算方法如公式(4)。

根據公式(4)和(5)，利用相關數據，就可以得到相應的農村金融排斥衡量維度的權重。

四、基于省際數據的金融排斥程度的測度

(一)具體評價指標、各個指標的權重、最大值及最小值的確定

由于銀行服務是最基礎的金融服務，很多金融服務都是建立在銀行服務的基礎上的，而且銀行服務也是我國居民最迫切需要的金融服務(如貸款)，所以本文使用銀行服務的相關指標和數據對金融排斥指數進行測度，這可以在很大程度上反映金融排斥程度的實際水平。用銀行排斥類似代替金融排斥也是國際學術界通行的做法［18］。根據金融排斥指數構建的目標和原則，結合金融排斥指數測算公式和數據的可得性，本文確定金融排斥的具體評價指標見表1。

本文所用的各個指標的數據來源于中國人民銀行發布的《2010年中國區域金融運行報告》、中國統計年鑒、中國金融年鑒、國家統計局發布的《2010年第六次全國人口普查主要數據公報(第2號)》等全國31個省區(不包括香港、澳門和臺灣)的數據資料。根據所得數據及確定的各維度的評價指標權重的計算公式，可以計算得出各評價指標的權重。需要指出的是，本文構建的衡量金融排斥的四個維度的重要程度是相當的，在理想情況下他們的權重都應為1，本文所構建的各個維度的評價指標有可能不能完全涵蓋各維度的全部內涵，但可以確定的是他們都是所在維度的重要方面，因此本文把各個維度的權重設定為1，各評價指標的權重按照確定的方法進行計算，具體計算結果見表1。

在確定各個維度計算指標的最大值和最小值時，為消除特殊極端情況對數據造成的極大、極小等異常值對整個指數準確性的干擾，考慮到樣本的數量僅為31，本文選擇各個指標升序排列的第10%位(約為第3位)對應的值為最小值，第90%位(約為第29位)對應的值為最大值。如果指標的實際值小于設定的最小值或大于設定的最大值，則設定這個指標的值等于該最小值或最大值。擺脫異常值的干擾，不但不會影響金融排斥指數的準確性，反而會使所計算的金融排斥指數更加有說服力，更加符合現實情況。

(二)測度結果

根據查閱到的數據和金融排斥指數的計算公式，已經確定的權重，可以對我國各省區的金融排斥的程度進行測度，具體測度結果見表2。

圖1 各省區金融排斥程度示意圖

由表2可以看出，總體上我國的金融排斥程度還是比較嚴重的。各省區中，北京、上海、天津、廣東、重慶等省份的金融排斥指數小于0.5，屬于金融排斥程度較輕的省份;青海、海南、新疆、西藏、江蘇、云南、湖北、遼寧、浙江、山西、四川、陜西、福建、廣西等14個省份屬于金融排斥程度較重的省份;安徽、湖南、貴州、甘肅、寧夏、山東、吉林、江西、河北、河南、黑龍江、內蒙古等12省份屬于金融排斥程度嚴重的省份。

為直觀地反映各省區金融排斥的程度，本文運用ArcView GIS 3.3軟件繪制我國金融排斥程度的分布圖，如圖1。從圖1中可以看出，金融排斥程度較輕的省份為四個直轄市和經濟發達的廣東省。值得注意的是，新疆、西藏、青海等西部地區的金融排斥程度為較重，而山東、河北等經濟相對發達省份的金融排斥程度卻嚴重，這有可能與西部地區地廣人稀，居民的金融需求較低，而東部地區人口稠密，經濟發達，居民的金融需求較強，以至于金融需求滿足的程度相對較低，進而導致金融排斥相對較為嚴重。具體引起金融排斥程度區域差異的原因值得專家學者們進一步探討和研究，筆者將另擬文章專門探討。

表2 基于省際數據的金融排斥指數的測度

五、結 論

本文借鑒聯合國計劃開發署編制的人類發展指數，不以當前應用較多但存在很多問題的金融排斥六維評價方法為標準，確定了衡量金融排斥程度的金融服務的深度、金融服務的可得度、金融服務的使用度、金融服務的可負擔度等四個維度，并確定了四個維度的評價指標體系，建立了金融排斥指數的測度模型。金融排斥指數測度模型的創建可以用于不同時期、不同國家、不同區域的金融排斥指數的計算和對比，進而對一定時期內不同地區的金融排斥的程度進行分析和探討。

基于省際數據，本文確定了平均每人的存款余額指數、每萬人擁有的金融機構營業網點數指數、各項貸款占GDP的比重指數、利率上浮貸款占各項貸款的比重指數等9個評價指數，并根據具體情況確定了各指數在測度模型中的權重、最大值和最小值，利用金融排斥指數測度模型對我國各省區的金融排斥指數進行了具體測度。通過測度結果可以發現，我國的金融排斥程度是比較嚴重的，其中四個直轄市和廣東省的金融排斥程度較低，西部地區的金融排斥程度較重，而中部地區的金融排斥程度卻相對嚴重，引起金融排斥普遍較重和區域差異較大的原因值得專家學者們進一步研究和探討。

［1］Goldsmith R.Financial structure and development［M］.New Haven:Yale University Press，1969.

［2］Levine R.Financial development and economic growth:Views and agenda［J］.Journal of Economic Literature，1997(6):688-726.

［3］談儒勇.中國金融發展與經濟增長關系的實證研究［J］.經濟研究，1999(10):53-61.

［4］周立，王子明.中國各地區金融發展與經濟增長實證分析:1978—2000［J］.金融研究，2002(10):1-13.

［5］王志強，孫剛.中國金融發展規模、結構、效率與經濟增長關系的經驗分析［J］.管理世界，2003(7):13-20.

［6］王修華，邱兆祥.農村金融排斥:現實困境與破解對策［J］.中央財經大學學報，2010(10):47-52.

［7］Leyshorn A，Thrift N.The restructuring of the UK financial services in the 1990s［J］.Journal of Rural Studies，1993(9):223-241.

［8］Panigyrakis G G，Theodoridis P K，Veloutsou C A.All customers are not treated equally:Financial exclusion in isolated Greek islands［J］.Journal of Financial Services Marketing，2002(7):54-66.

［9］Financial Services Authority(FSA).In or out?Financial exclusion:A literature research review［R］.London:FSA，Consumer Research Paper 3，2000.

［10］Kempson E，Whyley C.Understanding and combating financial exclusion［J］.Insurance Trends(The Association of British Insurers)，1999(21b):18-22.

［11］王志軍.金融排斥:英國的經驗［J］.世界經濟研究，2007(2):64-82.

［12］李濤，王志芳，王海港，等.中國城市居民的金融受排斥狀況研究［J］.經濟研究，2010(7):15-30.

［13］田霖.我國金融排除空間差異的影響要素分析［J］.財經研究，2007(4):107-119.

［14］田霖.金融排斥:中原崛起的機遇與挑戰［J］.金融理論與實踐，2007(8):27-29.

［15］高沛星，王修華.我國農村金融排斥的區域差異與影響因素——基于省際面板數據的實證分析［J］.農業技術經濟，2011(4):93-102.

［16］王修華，馬柯，王翔.關于我國金融排斥狀況的評價［J］.理論探索，2009(5):68-72.

［17］Nathan H S K，Mishra S，Reddy B S.An alternative approach to measure HDI［R］.IGIDR Working Paper，No.WP-2008-001，2008.

［18］Sarma M.Index of financial inclusion［R］.Discussion Papers in Economics，2010(5):1-28.