中國農村金融排斥區域差異的空間效應分析

呂勇斌+紀倩倩

摘要：基于農村金融排斥的最新研究成果，構建農村金融排斥的綜合評價指標，對中國29個省（市、自治區）的排斥程度進行評價。利用Morans I指數和Moran散點圖對中國農村金融排斥的空間特征進行了初步分析，并對農村金融排斥區域差異的空間效應進行了空間數據分析。結果表明，中國農村金融排斥的空間效應顯著，鄰近地區的排斥程度會對該地區農民的收入產生影響。

關鍵詞：農村金融排斥；區域差異；空間效應

中圖分類號：F830.34 文獻標識碼：A 文章編號：0439-8114（2014）19-4745-06

DOI：10.14088/j.cnki.issn0439-8114.2014.19.063

Analyzing Spatial Effect of Regional Disparity of Rural Financial Exclusion in China

L？譈 Yong-bin1，2， JI Qian-qian2

（1.Research Institute for Fiscal Science， Ministry of Finance of P. R. China， Beijing 100142， China；

2.Finance School， Zhongnan University of Economics and Law， Wuhan 430073， China）

Abstract： Based on the latest researches on rural financial exclusion， evaluating indicators were constructed comprehensively to sequence the exclusion level of 29 provinces in China. Using Morans I index and Moran scatter plot， spatial characteristics of rural financial exclusion were analyzed. Spatial effects of regional disparity of rural financial exclusion were empirically analyzed from spatial dependence and spatial heterogeneity. The results showed that spatial effects were significantly different. Exclusion levels of the neighboring provinces had effects on farmers incomes of the province.

Key words： rural financial exclusion； regional disparity； spatial effect

2004-2013年，中央一號文件連續10年聚焦“三農”問題。解決“三農”問題的基本舉措在于構建完善的現代農村金融體系。隨著國民經濟的持續增長，中國農村金融改革與發展取得了較大成績。根據中國人民銀行發布的2012年《中國農村金融服務報告》，金融支持“三農”發展的力度持續加大。截至2012年底，全口徑涉農貸款余額17.6萬億元，較2007年末增長188.2%，5年間年均增速24.3%。主要涉農金融機構涉農貸款不良率2.4%，同比下降0.5個百分點。然而，受各種因素的影響，農村金融仍然是中國金融改革發展最為薄弱的環節。

一般而言，金融發展應該包括金融深度（Financial depth）和金融寬度（Financial breadth）兩個維度。中國農村金融發展的深度較淺，寬度較窄。相對而言，農村金融在深度即量的方面取得了較大的成效，在寬度即質的方面卻沒有得到相應的改善。根據銀監會公布的《農村金融服務分布圖集》顯示，2008年末，39%的鄉鎮金融服務嚴重不足（機構網點數量小于或等于一）。學界把這一現象歸結為中國農村地區存在嚴重的金融排斥（Financial exclusion），阻止了農村金融服務的可達性（Accessibility），抑制了農村經濟的發展。學界對金融排斥并未形成一個被廣泛接受的定義，但有學者認為對金融排斥定義的研究并不重要，而是將金融排斥看作是一個多維度的、動態的復合概念。一般認為，金融排斥包括地理排斥（Physical access exclusion）、價格排斥（Price exclusion）、營銷排斥（Marketing exclusion）、條件排斥（Condition exclusion）、評估排斥（Assessing exclusion）、自我排斥（Self-exclusion）等多個維度[1]。由此，解決中國“三農”問題的根本在于緩解農村金融排斥性，提高農村金融服務質量。本研究運用空間思維對農村金融排斥的區域差異性及其空間效應問題進行研究，具有一定的理論價值和現實意義。

1 中國農村金融排斥的評價及其空間分布

1.1 中國農村金融排斥評價指標體系的構建與評價

1.1.1 評價指標體系的構建 考慮到數據的可得性，參考髙沛星等[2]、胡振等[3]、李春霄等[4]的研究成果，本研究將金融排斥分解為4個主要維度：地理排斥、評估及條件排斥、營銷排斥和自我排斥。其中，地理排斥用農村地區每萬人擁有的金融機構網點數這一指標來衡量；評估及條件排斥用農村地區人均農信社貸款余額來衡量（目前農村信用社發放的貸款仍然是農村地區經濟主體資金需求的主要來源）；營銷排斥用農村地區每萬人擁有的金融機構從業人員數來反映；自我排斥用農村居民家庭勞動力初中及以上文化程度的比重這一指標來衡量。

1.1.2 農村金融排斥的評價 金融排斥是一個動態的多維度復合概念，因而本研究在測算各農村地區金融排斥程度時采用的方法是主成分分析法。根據上文對農村金融排斥4個維度指標的描述可知，農村金融排斥程度的大小與用主成分分析法得出的綜合指標得分成反向變動關系，即綜合指標得分越高，排名越靠前，表明該省農村地區金融排斥程度越輕。表1給出了各省（市、自治區）農村金融排斥綜合得分和排名的具體數值。

根據表1中反映的情況，可以得出以下結論：一是從時間上看，從2004到2008年再到2011年，絕大部分省（市、自治區）農村金融排斥綜合得分與排名情況的變化并不是很大，這一方面說明近些年中國廣大農村地區受到金融排斥并不是某一年的偶然現象，另一方面說明農村地區金融排斥狀況并沒有得到有效緩解，有些省（市、自治區）甚至出現了逐漸惡化的情況，如青海、河南、安徽、湖北和湖南；二是從空間上看，中國農村金融排斥程度存在著較大的區域差異，中國東部或東北部地區（如北京、天津、上海、遼寧、浙江等）經濟相對較發達，農村金融排斥綜合得分均較高，即農村金融排斥程度較輕，而中國中西部地區（如青海、云南、貴州、廣西、安徽、江西、甘肅等）經濟欠發達，農村金融排斥的綜合得分較低，即農村金融排斥程度較重。

1.2 中國農村金融排斥的探索性空間數據分析

1.2.1 全局空間自相關檢驗 基于Morans I指數的全局空間自相關檢驗，其計算公式如下：

I=■■wij（xi-x）（xj-x）/S2■■wij

式中，n是研究區內地區總數，wij是空間權重（若區域i和區域j相鄰，則為1，反之，則為0），xi和xj分別是區域i和區域j的經濟指標，x=■■xi，是經濟指標的平均值，S2=■■（xi-x）2，是經濟指標的方差。Morans I指數的取值一般為-1～1，大于0表示正相關，表示相似的屬性值趨向于集聚在一個區域；小于0表示負相關，表示相異的屬性值趨向于集聚在一個區域；Moran指數I接近于0，則表示屬性值是隨機分布的或者沒有空間自相關性。

本研究用各地區農村金融排斥綜合指標的得分來代表各地區的農村金融排斥（Rural Financial Exclusion，RFE ）這一個指標的水平，并運用GeoDa軟件分別計算出2004-2011年間農村金融排斥（Rural Financial Exclusion，RFE）的Morans I指數和顯著度，具體數值見表2。

從表2可以看出，2004-2011年間，中國各地區農村金融排斥存在著非常顯著的空間正相關性，即農村金融排斥程度相似的地區趨向于集聚在一起，農村金融排斥的空間集聚在全局上表現出了顯著的空間依賴特征。

1.2.2 Moran散點圖 為了進一步研究各地區是屬于農村金融排斥水平較高的區域還是較低的區域，可以運用Moran散點圖進行局域的空間相關性檢驗。運用GeoDa軟件繪制的Moran散點圖可將各地區農村金融排斥的空間集聚劃分成4個象限：第一象限，表示農村金融排斥得分高的地區被得分高的其他省份所包圍（HH）；第二象限，表示農村金融排斥得分低的省份被得分高的其他地區所包圍（LH）；第三象限，表示農村金融排斥得分低的地區被得分低的其他地區所包圍（LL）；第四象限，表示農村金融排斥得分高的地區被得分低的其他地區所包圍（HL）。鑒于篇幅，本研究分別繪制了2004、2008和2011年農村金融排斥RFE的Moran散點圖，分別如圖1、圖2、圖3所示。

通過對比2008年和2004年農村金融排斥RFE的Moran散點圖，可以發現2008年的散點圖發生了一些變化：黑龍江省由第二象限（LH）轉入了第一象限（HH），即黑龍江省農村金融排斥的得分提高了，農村金融排斥程度得到了改善，成為排斥程度較輕的省份；上海由第四象限（HL）轉入第一象限（HH），即上海鄰近地區的農村金融排斥得分提高了，農村金融排斥的程度得到了緩解，從而使上海這一農村金融排斥程度較輕的地區被排斥程度較輕的其他地區所包圍，進入了第一象限。

通過對比2011年和2008年農村金融排斥RFE的Moran散點圖，可以發現2011年的散點圖發生了以下的變化：黑龍江省和吉林省由第一象限（HH）轉入了第二象限（LH），即這兩個省份在2008-2011年的4年間農村金融排斥的得分降低了，農村金融排斥的程度加重了；寧夏由第三象限（LL）轉入了第二象限（LH），即在這4年間寧夏周邊地區的農村金融排斥得分提高了，農村金融排斥的程度得到了很大改善，從而使寧夏這一農村金融排斥程度較重的地區被排斥程度較輕的其他地區所包圍，進入了第二象限；陜西由第三象限（LL）轉入第四象限（HL），即陜西省在這4年間農村金融排斥的得分有所提高，成為了排斥程度較輕的地區；浙江從第一象限和第四象限的交界處轉入第四象限（HL），即在這4年間浙江鄰近地區的農村金融排斥得分降低了，排斥程度有所加重，從而使浙江這一農村金融排斥程度較輕的地區被排斥程度較重的其他地區所包圍，進入了第四象限。

2 中國農村金融排斥的空間數據分析

2.1 空間計量模型選擇

空間計量模型的基本思想是將空間因素引入普通的回歸模型，對普通回歸模型進行修正。本研究運用空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）來比較研究中國各地區農村金融排斥的空間相關性表現出的空間效應。

空間滯后模型（SLM）主要研究各變量在一地區是否有擴散效應，模型的表達式為：

y=？籽Wy+X？茁+？著

空間誤差模型（SEM）認為指標的空間相關性體現在誤差項中，其表達式為：

y=X？茁+？孜 ， ？孜=？姿W+？著

空間杜賓模型（SDM）是在空間滯后模型的基礎上引入了一個空間滯后解釋變量WX，該變量表示鄰近區域自變量對本區域因變量的影響。其表達式為：

y=？籽Wy+X？茁1+WX？茁2+？著

2.2 變量的選擇和設計

本研究重點研究的是農村金融排斥對農村居民生活水平的影響及其空間效應，因而本研究選擇農村居民家庭人均純收入（y）作為因變量來衡量農村居民的生活水平。

根據本文的研究目的，最重要的自變量為農村金融排斥（RFE）。農村金融排斥可以分為自我排斥、地理排斥、營銷排斥、評估和條件排斥4個維度，但是如果將這4個變量直接引入回歸模型會產生多重共線性問題，因而，本研究將對這4個維度的指標進行主成分分析后得到的綜合指標作為農村金融排斥的衡量指標，即用各地區農村金融排斥的綜合得分來代表各地區農村金融排斥的水平。

另外，在參考李濤等[5]、王修華等[6]、許圣道等[7]的研究基礎上，本研究選擇了4個控制變量來研究其對農村居民人均純收入（y）的影響，分別為：城鎮化水平（各地區城鎮人口在總人口中所占的比重，CZH）、公路密度（各地區公路運營總里程與該地區國土面積的比值，ROAD）、第一產業占GDP的比重（NYH）、人均農作物播種面積（SQUARE）。

2.3 數據來源及處理

本章節分別選取2004、2008和2011年全國29個省（市、自治區，不包括西藏和新疆）的相關截面數據，其中各指標數據來源于相關年份的《中國統計年鑒》、《中國農村統計年鑒》、國研網金融統計數據庫和人民銀行網站公布的各地區歷年區域金融運行報告。另外，為了減輕回歸方程的異方差性，本章節對農村居民人均純收入（y）、城鎮化率（CZH）、公路密度（ROAD）、第一產業占GDP的比重（NYH）、人均農作物播種面積（SQUARE）均進行了對數化處理，即本章節的被解釋變量為LNY，解釋變量分別為RFE、LNCZH、LNROAD、LNNYH、LNSQUARE。

2.4 實證分析結果

本節分別運用空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）對2004、2008和2011年中國農村金融排斥對農村居民人均純收入的空間效應進行分析，并比較3個模型的實證結果，具體見表3、表4和表5。

通過表3對SLM、SEM、SDM模型的對比分析可知，SDM模型的擬合優度（R2）和LogL均是3個模型中最高的，這說明模型中引入自變量的空間因素是合理的，即SDM模型更好地擬合了空間效應。

在2004年的SDM模型中，農村金融排斥RFE對該地區農民人均純收入的影響并不顯著，但是相鄰地區農村金融排斥指標對該地區農民收入的影響是顯著的，不過方向為負，即鄰近地區農村金融排斥越嚴重，該地區農民人均純收入越高。這一方面可能是因為2004年金融機構在農村地區提供的金融服務非常有限，這使得廣大農民無法享受金融服務帶來的便利和收益，因而農村金融排斥對該地區農民的人均純收入并沒有產生顯著的影響。另一方面，若鄰近地區農村金融排斥程度比該地區嚴重很多，農民甚至無法享受基本的金融服務，鄰近地區農民可能會被吸引到該地區就業，享受更好的金融服務，擁有更多的貸款投資機會，這相應地會促進該地區農村經濟的發展，從而提高該地區農民的收入。

從2008年SLM、SEM、SDM模型的回歸結果（表4）可以發現，3個模型中，SDM模型的擬合優度（R2）和LogL仍然是最高的，即SDM模型能更好地擬合空間效應。相比2004年SDM模型的回歸結果，2008年農村金融排斥RFE對農民收入的影響并沒有發生實質性的變化，該地區農村金融排斥對該地區農民收入的影響仍然不顯著，鄰近地區的農村金融排斥對該地區農民收入的影響仍然顯著為負。這說明2004-2008年間中國各地區農村金融服務并沒有得到有效的發展，農村金融未能發揮服務當地經濟、提高農民生活水平的作用。

從2011年SLM、SEM、SDM模型的回歸結果（表5）可以發現，3個模型中，SDM模型的擬合優度（R2）和LogL仍然是最高的，即SDM模型能更好地擬合空間效應，即對所有自變量引入空間因素具有合理性。另外比較SLM和SEM模型可知，SEM模型更優。在SEM模型中，農村金融排斥RFE對農民收入的影響是顯著為正的，即該地區農村金融排斥程度越輕，農民人均純收入會越高，農村金融促進了當地農村經濟的發展和農民生活水平的提高。在對農村金融排斥RFE引入空間因素后，該地區農村金融排斥對農民收入的影響相對于鄰近地區農村金融排斥對該地區農民收入的影響變得不顯著，而鄰近地區對該地區農民收入具有顯著的負面影響。這說明雖然該地區農村金融服務可以提高農民的收入，但是由于鄰近地區的農村金融排斥會對該地區農民收入產生負面影響，即鄰近地區農村金融越發達，該地區農民收入會越低，綜合下來農村金融排斥對農民收入的影響并不十分顯著。這個結果與本研究預期相反，農村金融排斥對農民收入的影響不僅缺乏空間溢出效應，還表現出了空間競爭效應。這可能是因為各地區割據局面導致區域間缺乏必要的金融合作和交流，金融資源在區域間的流動受到了限制，農村金融服務的空間輻射能力并沒有發揮出來。但是也可以發現W-RFE系數的絕對值由2004年的0.219 5下降至2008年的0.209 2和2011年的0.150 9，即鄰近地區農村金融排斥對該地區農民收入的負面影響正逐漸減弱，農村金融排斥的空間競爭效應正慢慢得到抑制。

3 結論和政策建議

3.1 基本結論

本研究在對農村金融排斥理論進行剖析的基礎上，構建了農村金融排斥的綜合評價指標，并對各地區農村金融排斥程度進行了排名。在此基礎上，本研究運用空間計量工具和模型對中國農村金融排斥進行了空間數據分析，得出了以下幾點結論。

1）中國農村地區受到金融排斥并不是偶然現象，而且農村金融排斥程度存在著較明顯的區域差異。中國東部或東北部地區，經濟相對較發達，相應各地區農村金融排斥程度較輕，如北京、天津、上海、遼寧、浙江等。而中國中西部地區，也是經濟欠發達和相對不發達的地區，相應各地區農村金融排斥程度較重，如青海、云南、貴州、廣西、安徽、江西、甘肅等。

2）中國農村金融排斥對農民收入的空間效應是非常顯著的，鄰近地區對本地區農民收入具有顯著的負面影響。雖然該地區農村金融的發展可以在一定程度上提高農民的收入，但是由于鄰近地區的農村金融排斥會對該地區農民收入產生負面影響，綜合下來農村金融排斥對農民收入的影響并不十分顯著。這個結果與本研究預期相反，農村金融排斥對農民收入的影響不僅缺乏空間溢出效應，還表現出了空間競爭效應。

3）由于各區域地理條件、自然資源、金融資源、經濟發展水平都存在較大差異性，農村金融排斥也表現出顯著的空間異質性，不同地區農村金融排斥對農民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農村經濟的發展中起著至關重要的作用，然而，在空間因素的作用下，中國農村金融對農村經濟的整體促進并不顯著，空間溢出效應遠遠不如預期。農村金融排斥所導致的金融資源分配的“不公平”和“低效率”嚴重制約著廣大農村地區收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構建多層次、普惠性的農村金融體系。中國農村金融排斥存在較大的地區差異，對農村金融排斥程度較重的地區要擴大新型農村金融機構的覆蓋率，提高農民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構也要提升從業人員的專業素質，因地制宜地開發適合當地農民的金融產品；而對農村金融排斥程度較輕的地區，應重點提高金融深度和金融效率，加大對農村金融產品和服務的創新，推出個性化、多樣化的金融理財產品和服務以滿足農民多層次的金融需求，構建普惠性的農村金融服務體系。

2）政府應鼓勵并加強各地區間更廣泛的金融合作和交流，真正打破地區割據局面，加快金融資源在區域間的流動，推動區域金融中心的形成，充分發揮農村金融對農民收入的空間溢出效應。

3）農村地區金融機構應通過宣傳、咨詢、培訓等方式向農民普及金融知識，而農民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產和生活帶來收益和便利，從自身出發來減輕農村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農村金融地理排斥的省內差異——基于“地理金融密度不平等系數”衡量指標[J].銀行家，2012（8）：108-111.

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

[3] 胡 振，范 靜，劉 艷.中國農村金融排斥區域差異的聚類分析[J].吉林農業大學學報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數的構建與測算[J].當代經濟科學，2012，34（2）：9-15.

[5] 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.

[6] 王修華，賀小金，徐 晶.中國農村金融排斥：總體評價、地區差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農村地區金融排斥研究[J].金融研究，2008（7）：195-206.

2）中國農村金融排斥對農民收入的空間效應是非常顯著的，鄰近地區對本地區農民收入具有顯著的負面影響。雖然該地區農村金融的發展可以在一定程度上提高農民的收入，但是由于鄰近地區的農村金融排斥會對該地區農民收入產生負面影響，綜合下來農村金融排斥對農民收入的影響并不十分顯著。這個結果與本研究預期相反，農村金融排斥對農民收入的影響不僅缺乏空間溢出效應，還表現出了空間競爭效應。

3）由于各區域地理條件、自然資源、金融資源、經濟發展水平都存在較大差異性，農村金融排斥也表現出顯著的空間異質性，不同地區農村金融排斥對農民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農村經濟的發展中起著至關重要的作用，然而，在空間因素的作用下，中國農村金融對農村經濟的整體促進并不顯著，空間溢出效應遠遠不如預期。農村金融排斥所導致的金融資源分配的“不公平”和“低效率”嚴重制約著廣大農村地區收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構建多層次、普惠性的農村金融體系。中國農村金融排斥存在較大的地區差異，對農村金融排斥程度較重的地區要擴大新型農村金融機構的覆蓋率，提高農民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構也要提升從業人員的專業素質，因地制宜地開發適合當地農民的金融產品；而對農村金融排斥程度較輕的地區，應重點提高金融深度和金融效率，加大對農村金融產品和服務的創新，推出個性化、多樣化的金融理財產品和服務以滿足農民多層次的金融需求，構建普惠性的農村金融服務體系。

2）政府應鼓勵并加強各地區間更廣泛的金融合作和交流，真正打破地區割據局面，加快金融資源在區域間的流動，推動區域金融中心的形成，充分發揮農村金融對農民收入的空間溢出效應。

3）農村地區金融機構應通過宣傳、咨詢、培訓等方式向農民普及金融知識，而農民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產和生活帶來收益和便利，從自身出發來減輕農村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農村金融地理排斥的省內差異——基于“地理金融密度不平等系數”衡量指標[J].銀行家，2012（8）：108-111.

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

[3] 胡 振，范 靜，劉 艷.中國農村金融排斥區域差異的聚類分析[J].吉林農業大學學報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數的構建與測算[J].當代經濟科學，2012，34（2）：9-15.

[5] 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.

[6] 王修華，賀小金，徐 晶.中國農村金融排斥：總體評價、地區差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農村地區金融排斥研究[J].金融研究，2008（7）：195-206.

2）中國農村金融排斥對農民收入的空間效應是非常顯著的，鄰近地區對本地區農民收入具有顯著的負面影響。雖然該地區農村金融的發展可以在一定程度上提高農民的收入，但是由于鄰近地區的農村金融排斥會對該地區農民收入產生負面影響，綜合下來農村金融排斥對農民收入的影響并不十分顯著。這個結果與本研究預期相反，農村金融排斥對農民收入的影響不僅缺乏空間溢出效應，還表現出了空間競爭效應。

3）由于各區域地理條件、自然資源、金融資源、經濟發展水平都存在較大差異性，農村金融排斥也表現出顯著的空間異質性，不同地區農村金融排斥對農民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農村經濟的發展中起著至關重要的作用，然而，在空間因素的作用下，中國農村金融對農村經濟的整體促進并不顯著，空間溢出效應遠遠不如預期。農村金融排斥所導致的金融資源分配的“不公平”和“低效率”嚴重制約著廣大農村地區收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構建多層次、普惠性的農村金融體系。中國農村金融排斥存在較大的地區差異，對農村金融排斥程度較重的地區要擴大新型農村金融機構的覆蓋率，提高農民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構也要提升從業人員的專業素質，因地制宜地開發適合當地農民的金融產品；而對農村金融排斥程度較輕的地區，應重點提高金融深度和金融效率，加大對農村金融產品和服務的創新，推出個性化、多樣化的金融理財產品和服務以滿足農民多層次的金融需求，構建普惠性的農村金融服務體系。

2）政府應鼓勵并加強各地區間更廣泛的金融合作和交流，真正打破地區割據局面，加快金融資源在區域間的流動，推動區域金融中心的形成，充分發揮農村金融對農民收入的空間溢出效應。

3）農村地區金融機構應通過宣傳、咨詢、培訓等方式向農民普及金融知識，而農民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產和生活帶來收益和便利，從自身出發來減輕農村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農村金融地理排斥的省內差異——基于“地理金融密度不平等系數”衡量指標[J].銀行家，2012（8）：108-111.

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

[3] 胡 振，范 靜，劉 艷.中國農村金融排斥區域差異的聚類分析[J].吉林農業大學學報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數的構建與測算[J].當代經濟科學，2012，34（2）：9-15.

[5] 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.

[6] 王修華，賀小金，徐 晶.中國農村金融排斥：總體評價、地區差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農村地區金融排斥研究[J].金融研究，2008（7）：195-206.