我國農村普惠金融的空間相關特征和影響因素分析
——基于上海財經大學2015“千村調查”

方 蕾，粟 芳

(上海財經大學金融學院，上海 200433)

我國農村普惠金融的空間相關特征和影響因素分析
——基于上海財經大學2015“千村調查”

方 蕾，粟 芳

(上海財經大學金融學院，上海 200433)

基于上海財經大學2015年“千村調查”的微觀數據，運用信息熵法衡量我國農村地區普惠金融發展程度，并運用空間計量模型驗證普惠金融在村莊之間的空間傳染效應，以空間的視角分析影響普惠金融發展的因素。研究發現：我國農村普惠金融的發展普遍偏低，東部相對較好，中部最差；農村普惠金融發展存在明顯的空間傳染效應，地理矩陣下的空間傳染效應尤其突出；東部地區顯著的HH型村莊較多，中部地區顯著的LL型村莊較多；空間滯后模型是分析地理矩陣空間特征下普惠金融影響因素的最佳模型，經濟發展水平、基層民主、科學技術和快遞點均影響我國農村地區的普惠金融發展。

普惠金融；空間相關性；影響因素

一、引 言

全世界普遍存在普惠金融發展程度較低的問題[1][2][3][4][5][6]，特別是在貧困地區和偏遠地區更為嚴重。近年來，普惠金融成為聯合國和各國政府關心的重點領域。我國廣袤的農村地區金融發展水平普遍較低[7][8][9]，如何提高農村普惠金融程度是一個亟待解決的重要問題。

為了解我國農村普惠金融的現狀及存在的問題，上海財經大學千余師生于2015年暑期進行了主題為“農村基礎金融服務的覆蓋與使用”的“千村調查”。調研發現，普惠金融的發展具有明顯的地域特征。從地理位置來看，若某個村莊的金融發展較好，則其周圍村莊的金融也普遍較好，反之亦反；從經濟差距來看，人均純收入相近的村莊具有相似的金融普惠水平。普惠金融似乎在村莊之間存在著某種傳染效應，即空間相關性。為了甄別我國農村普惠金融是否存在空間傳染特征，進而分析其對提升農村普惠金融水平的作用，本文運用空間計量模型研究各村莊普惠金融的空間關系，并深入探究空間相關前提下有效提升農村普惠金融水平的方法與途徑。本文的貢獻包括：(1)基于微觀調研的第一手數據，合理地反映了我國農村普惠金融的微觀真實水平，并根據大金融概念聚焦含銀行、保險和互聯網的廣義普惠金融；(2)以最小的行政單元“村莊”為單位，分析了村莊間普惠金融發展的地理關聯和經濟關聯，發現并驗證普惠金融在相鄰村莊之間具有明顯的傳染效應，經濟發展水平相近的村莊也具有相近的普惠金融水平；(3)在多維的空間視角下觀察了各影響因素對普惠金融發展的更為真實的影響關系*本文的研究基礎是2015年千村調查的調研數據，是典型的截面數據，因此研究結果僅反映2014～2015年間我國農村普惠金融及其空間特征的情況，無法反映時間維度上的變化。。

二、我國農村地區金融普惠的現狀及特征

(一)調查過程

上海財經大學“千村調查”自2008年以來已實施八年。2015年暑期，30位帶隊老師與1418名學生深入調查除香港、澳門和臺灣之外的31個省、自治區和直轄市(下文均簡稱“省”)，詳細了解村莊的宏觀情況、政策、環境及農戶家庭金融消費的微觀情況。在剔除數據遺漏或錯誤的調查問卷之后，最終得到有效的村委會問卷494份，有效的農戶家庭問卷10989份。

(二)農村普惠金融現狀和特征

1.農村金融的宏觀滲透度不高

調研顯示，我國農村金融的宏觀滲透度不高。以銀行業的硬件投入為例，被調查農村地區人均ATM機和POS機之和僅為0.0016。地區間差異非常大，吉林、天津和上海等農村地區中，金融機構的投入情況較好，但在西藏、甘肅和海南的被調查村莊中都沒有ATM機或POS機。互聯網金融的宏觀滲透情況也不容樂觀，但地區差異相對較小?；ヂ摼W支付占家庭年收入的平均比例僅為0.29%，廣東省最高也僅為0.60%，而西藏、青海和寧夏為0。

2.農戶家庭對農村金融的微觀使用度不高

農戶家庭在日常生活中對金融的微觀使用度不高。以所擁有的金融產品種類為例，人均*本文的人均按戶籍人口計算。擁有1.79種銀行賬戶(含銀行存折、貸款賬戶、借記卡、信用卡)，購買了0.06種保險產品。4.23%的農戶沒有任何銀行賬戶，90.51%的農戶從未購買過任何保險產品。相對而言，農戶家庭擁有銀行賬戶較普及，地區差異也較小；而保險產品的購買情況整體較差。農戶對互聯網金融的使用度也很低。被調查地區的農戶家庭平均使用互聯網的得分為0.87*村委會問卷中調查了本村互聯網金融的整體使用情況。將“比較普遍”賦值為2，“有但很少”賦值為1，“幾乎沒有”賦值為0，然后計算出互聯網平均使用情況的得分。，即介于“幾乎沒有”和“有但很少”之間。其中，天津、江蘇和河北等9個省份的得分超過了1，而西藏的被調查村莊中沒有農戶使用互聯網金融。

3.金融服務的整體滿意度不高

10989份農戶家庭問卷中只有1933份問卷給出了金融滿意度的分值(0～10分)，占樣本的18%。以已回答的農戶為基礎*眾多農戶問卷中未給出金融滿意度的回答，其一可能因農戶對金融服務不太滿意，但礙于情面不愿直接表達；其二則是可能因為農戶根本沒有使用過任何金融服務，無法評價。所以，暫且把未給出分值的問卷中金融滿意度賦值為0。，被調查農村地區的金融滿意度平均為7.27。若將未打分農戶問卷的金融滿意度視為0，則被調查地區的金融滿意度平均僅為1.28。

三、文獻綜述與研究設計

(一)普惠金融的衡量

1.文獻綜述

目前，如何衡量普惠金融尚無統一觀點，但思考角度具有一致性。首先，普惠金融應包含哪些行業？大多數學者有關普惠金融的研究集中于銀行業[10][11][12]，少數學者考慮了保險業[13][14][15]。根據2003年12月聯合國提出的廣義普惠金融概念，普惠金融應包括儲蓄、信貸、保險等更廣泛意義的金融服務及新興的互聯網金融領域。目前，鮮有涉及互聯網金融普惠的研究，有學者研究互聯網金融能否提高金融普惠度[16][17]。其次，衡量普惠金融應采用什么指標？最早量化普惠金融的是英格蘭東南發展機構所設計的“復合剝奪指數”，隨后各位學者提出了多維度的衡量體系。Beck et al.(2007)[18]、Sarma & Pais(2008[10]，2011[11])、Gupte et al.(2012)[19]、Rahman(2013)[20]、Ambarkhane et al.(2014)[21]等設計了各類指標體系，包括滲透度、使用度、效用度等。國內學者中，李濤等(2010)[15]采用虛擬變量，若居民沒有使用任何金融服務，則認為該個體受到了金融排斥，沒有實現普惠金融。這是從使用度的角度進行衡量。董曉林、徐虹(2012)[8]用縣域金融機構網點分布代表農村金融普惠程度。張國俊等(2014)[22]則以滲透度、使用度、效用度和承受度四維度指標來反映普惠金融度。但學者們的研究大多未深入區分普惠金融的表現及導致普惠金融程度較低的原因。根據聯合國定義，普惠金融指人們能使用金融工具并由此改善生活，因此應從對金融產品的使用和感受等角度來衡量普惠金融。學者們采取了多種方法。Cebulla(1999)[13]和Joassart-Marcelli & Stephens(2010)[14]采用主觀賦權的方式。張國俊等(2014)[22]則借鑒了聯合國計劃開發署編制的人類發展指數(HDI)。

2.普惠金融的研究設計

本文考慮廣義普惠金融，包括傳統的銀行和保險及新興的互聯網金融，被調查農村地區幾乎沒有證券業務，故暫不考慮證券業，并僅圍繞“金融服務的使用”這一普惠金融核心，從滲透度、使用度和效用度三個維度來衡量普惠金融。其中，滲透度表現金融業的宏觀覆蓋情況，使用度表現農戶對金融服務的微觀使用頻率，效用度用于衡量金融服務的有效性，即農戶對金融服務的滿意度。各維度的調查問題、問卷來源及賦值見表1。

表1 普惠金融的指標體系

在給各變量賦權重時通?？刹扇≈饔^賦權法和客觀賦權法?？陀^賦權法能利用樣本的信息，并排除主觀因素的影響[23][24]，因此本文用信息熵法進行客觀賦權，即各變量權重由該變量的信息效用價值決定，效用價值越大該變量權重越大。所得到的熵值越大代表普惠金融度越高。假設某村中每個農戶家庭都具有同等重要的地位，則可用該村的戶均普惠金融度代表該村的普惠金融度。

(二)農村普惠金融的空間特征

無論是經濟發展還是金融市場，都存在顯著的空間溢出效應。在普惠金融方面，呂勇斌等(2015)[25]基于省際的宏觀數據，證明了我國金融排斥在地理上具有顯著的空間相關性，但未分析我國農村地區普惠金融的空間特征。本文運用“千村調查”的微觀調研數據，以村為基本單位*根據《中華人民共和國村民委員會組織法》，村委會是在鄉鎮政府以下建立的中國最基層的農村行政單元。，假設該村各農戶家庭具有同等重要的地位，考慮地理關系和經濟關系的不同情況，在多維距離下深入分析村莊的普惠金融在地理上和經濟上的空間相關特征。

1.空間權重矩陣的選擇

2.農村普惠金融的全局空間自相關

通常，學者采用“Moran’s I”指數(“Moran”，1950[28])來度量全局的空間自相關：

(1)

(三)空間視角下農村普惠金融的發展分析

較多文獻研究了影響普惠金融發展的因素。董曉林、徐虹(2012)[8]、張國俊等(2014)[22]及李濤等(2010)[15]等分別從宏觀、微觀角度研究了影響金融普惠度的因素，但都未考慮普惠金融的空間特征，可能會有偏差。根據是否考慮空間滯后性和空間誤差相關性，空間計量模型可分為空間滯后模型、空間誤差模型、空間杜賓模型和廣義空間模型。

影響普惠金融發展的因素包括宏觀經濟、社會環境和基礎設施三個方面。宏觀經濟包括：(1)經濟水平：經濟發展較好的地區人均收入較高，金融需求較旺盛，因此具有較高的普惠金融水平[31][15][32][8][22][33]；(2)貧富差距：貧富差距較大的地區，小部分富人的金融需求可能會得到重視和滿足，而大部分窮人卻得不到金融服務，普惠金融度會更低[34][35]；(3)財政支出：政府促進金融市場發展的積極投入有利于提高普惠金融[22]。社會環境包括：(1)基層民主：普惠金融的發展惠澤村民，但短期內金融機構無法獲利，需各級政府和村委會積極投入。因此越民主的村莊普惠金融可能發展越好；(2)外出務工：人口流動將增加村莊與外界的交流[36]，外出務工的人流還會帶來資金流，增加對金融服務的需求；(3)科學技術：科學技術水平在一定程度上反映了該村受教育水平和整體發展程度，也將促進普惠金融的發展[37]。基礎設施包括：(1)交通便利：交通便利對普惠金融應當會有重要影響[4][32][38]；(2)快遞業：快遞業是交通運輸發展的一個代表，定會影響該地的金融發展[39]，尤其是對互聯網金融有重大影響；(3)網絡設施：網絡是互聯網金融發展的前提條件，也是農戶學習、交流、溝通的重要渠道[32][40]；(4)文化設施：圖書閱覽室作為村莊最基本的文化設施，是農戶學習的重要渠道之一。各影響因素的調查問題、問卷來源和賦值見表2。

表2 普惠金融的影響因素

四、實證結果分析

(一)農村普惠金融的描述性統計

根據信息熵法計算出各指標權重(表1第3列)。銀行各指標的權重之和為0.373，保險各指標權重之和為0.369，互聯網金融的各指標權重之和為0.260。這與銀行、保險和互聯網金融在整個金融業中的地位基本一致。進而計算各農戶家庭的普惠金融度。將全國分為東、中、西三個區域*東部包括遼寧、北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、廣西、海南；中部包括山西、內蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部包括陜西、甘肅、青海、寧夏、新疆、四川、重慶、云南、貴州、西藏。，以區域為基礎進行統計分析，各區域農戶普惠金融的描述性統計見表3。均值越大，表明該區域的普惠金融平均而言發展越好，排名越靠前。

表3 農村普惠金融的描述性統計

從東、中、西三大區域來看，中部地區的普惠金融最低(0.0865)，東部最高(0.0933)，西部次之(0.0929)，且東、西部的差距很小。這說明中部普惠金融發展水平最低，而東部最好。比較均值和中位數并結合偏斜度可發現，全國、東部、中部及西部的普惠金融均值都大于中位數，且偏斜度為正。這說明大多數村莊的普惠金融水平都較低。西部偏斜度較小，低值聚集較少。觀察極值之間的差距，東部最大而西部最小。這說明東部農戶間的普惠金融差異較大，而西部農戶間的普惠金融差異相對較小。

(二)農村普惠金融的全局空間自相關

根據地理距離、經濟距離和綜合距離三個權重矩陣分別計算全局Moran’s I(表4)。

表4 農村金融普惠度的全局空間自相關

無論是以地理距離為權重，還是以經濟距離或綜合距離為權重，我國農村普惠金融均存在全局空間的正相關特征，且均在1%的置信水平下顯著。這表明農村普惠金融發展存在著村莊之間的聚集現象。從地理距離的角度分析，普惠金融發展水平相近的村莊相互鄰近，具有空間聚集的特征。也就是說，普惠金融發展較好的村莊能有效帶動周圍村莊的普惠金融一并發展，同時也受周圍村莊的影響。這說明農村普惠金融的發展具有明顯的地域集中性。從經濟距離的角度分析，具有相似經濟發展程度的村莊也具有相似的普惠金融發展水平。這說明農村普惠金融的發展與經濟水平密切相關。將地理距離和經濟距離綜合考慮，普惠金融依然存在非常顯著的全局自相關，農村普惠金融度在地理和經濟上均存在顯著的集聚效應和傳染效應。

(三)Moran散點圖及LISA指標的顯著性

采用Moran散點圖和LISA指標進一步研究局部相關性。圖1是以三個不同矩陣為權重的Moran散點圖。第一象限為HH型，其余依次為HL、LL和LH型。圖1中，無論是地理矩陣還是經濟矩陣和綜合矩陣，大多數村莊都處于第一象限(HH)和第三象限(LL)，而第二象限(HL)和第四象限(LH)較少。這說明，即使從各村莊的微觀角度，我國農村普惠金融也存在明顯的集聚效應和傳染效應。地理上，普惠金融發展度相近的村莊往往集聚在一起并相互影響；經濟上，經濟發展水平相近的村莊也具有相近的普惠金融發展度；即使同時考慮地理距離和經濟距離，也具有如此特征。

圖1 Moran散點圖

進一步用LISA考慮局部空間性顯著的村莊，表5匯總展示了各區域LISA集群顯著的村莊數占該區域全部村莊數的百分比，空值則代表該區域各村莊在該象限中均不顯著。

表5 LISA集群(顯著)的情況

在全國范圍內，以地理距離為權重矩陣時，顯著的村莊占比為28%；以經濟距離為權重矩陣時，顯著的村莊占比為22%；以綜合距離為權重矩陣時，顯著的村莊占比為14%。這說明，相對而言，農村普惠金融的空間相關性主要以地理距離的影響為主，經濟距離的影響次之。其次，觀察各矩陣各象限中顯著村莊的百分比，與Moran散點圖的結論完全一致，全國大多數顯著的村莊為HH型或LL型。深入比較，三類矩陣的結果區別很大。地理距離權重矩陣時，LISA值顯著的村莊中HH型的最多，其次為LL型。但HL型和LH型的顯著村莊合計仍然有8%的占比。這表明從地理距離來看，在某一區域中的領頭羊型或拖累型村莊仍有一定的比例。經濟距離權重矩陣時，大多數LISA值顯著的村莊為LL型，其次是HH型，而沒有LISA值顯著的村莊是HL型或LH型的。這說明經濟水平相近的村莊必定具有相似的普惠金融發展水平，一定不存在普惠金融發展水平與經濟發展水平相左的情況。綜合矩陣的結果則明顯是地理矩陣和經濟矩陣分析結果的綜合體現。

從東、中、西部三個區域來看，地理距離矩陣下，東部地區LISA值顯著的村莊占比最高，且HH型村莊占比也最高。這表明在東部地區村莊普惠金融整體水平都較高，而且各村莊能相互積極影響。但在東部地區仍有4%的村莊顯著為LL型，且還有一定比例的HL型和LH型村莊。另外，中部地區LISA值顯著的村莊中沒有HH型的，且LL型的村莊占比最大，這表明中部地區的村莊普惠金融水平較低，并都在低水平上相互影響。而西部的情況介于兩者之間。在經濟距離矩陣下，各區域LISA值顯著的村莊比與地理距離矩陣下相似，但非常明顯的是，東部和西部地區的LL型村莊占比明顯增加，而西部地區的LL型村莊占比明顯下降。這再次表明普惠金融水平與經濟發展水平密切相關。綜合矩陣下由于考慮了更多的因素，因此LISA值顯著的村莊占比明顯下降。

(四)農村普惠金融的影響因素

先選擇合適的模型[41][42]，檢驗在不同權重的矩陣下農村普惠金融是否存在空間滯后性或空間誤差相關性(表6)。

注：* 、** 和*** 分別表示在10%、5%和1%的顯著性水平下顯著。下同。

空間滯后檢驗的結果表明，無論在何種權重矩陣下，兩種檢驗均顯著拒絕不存在空間滯后性的原假設。因此，三個權重矩陣下均應包含空間滯后項。而空間誤差檢驗的結果中當地理距離為權重矩陣時，三個統計量均顯著大于0；在以經濟距離和綜合距離為權重矩陣時，Moran’s I均顯著大于0，但LM和Robust LM均不顯著。所以，在地理距離為權重矩陣時需同時考慮空間滯后性和空間誤差相關性，則應采用空間滯后模型和廣義空間模型。在以經濟距離和綜合距離為權重矩陣時，因空間誤差檢驗結果不穩健，故采用空間滯后模型。同時，還考慮空間杜賓模型(表7)。

表7中，地理矩陣下λ均不顯著，但在廣義空間模型下ρ在1%的水平下顯著，而在空間杜賓模型下ρ不顯著，σ在1%的水平下顯著。而經濟矩陣和綜合矩陣下，空間滯后模型和空間杜賓模型的λ均不顯著，但是空間杜賓模型的σ在1%的水平下顯著。這說明，嚴格來講，空間滯后模型的分析結果不太可靠。村莊間普惠金融發展的空間相關性更多體現為地理位置的空間相關和鄰居自變量的影響，且以空間滯后模型和空間杜賓模型的擬合更為恰當。

表7 農村普惠金融的影響因素*空間相關性模型可以通過極大似然法(MLE)和廣義空間二段最小二乘法(GS2SLS)兩種方法進行估計。根據Arraiz et al(2010)[43]，由于GS2SLS在異方差情況下結果一致，故更加穩健。限于篇幅，僅報告GS2SLS估計結果，MLE估計結果類似。

注：括號內為t值。

從各回歸變量的系數來看，表7中(1)～(4)的回歸結果一致，各模型中各變量對普惠金融的影響方向和顯著度均一致。(1)經濟水平的提高能顯著提高農村普惠金融水平，與Devlin(2005)[31]、田霖(2011)[32]等的結論相同。(2)基層民主能促進普惠金融的發展，與假設一致，當基層政府機構更加民主時，政府更能從民生著手，促進普惠金融水平的提高。(3)科學技術對普惠金融也有顯著的促進作用，與假設一致。(4)快遞業的發展能顯著地提高普惠金融的發展水平。因為快遞點的數量反映農戶與外界的聯系水平，與假設一致。其他因素對普惠金融的影響均不顯著。

五、結論與建議

本文基于上海財經大學2015年“千村調查”的數據，運用信息熵法構建普惠金融的衡量指標體系，并運用空間計量模型驗證了金融普惠度在村莊間的傳染效應，識別具有顯著傳染性的村莊，在考慮空間相關性的前提下找到顯著影響普惠金融發展的影響因素。本文的研究發現：(1)我國農村普惠金融的發展普遍偏低，東部的普惠金融發展相對較好，中部的普惠金融發展水平最低；(2)農村普惠金融發展存在明顯的空間傳染效應，地理位置相近或經濟發展水平相近的村莊都具有相似的普惠金融發展水平，并相互影響。相對而言，地理矩陣下的空間傳染效應尤其突出；(3)東部地區顯著的HH型村莊較多，而中部地區顯著的LL型村莊較多，還存在顯著的LH和HL型村莊；(4)空間滯后模型是分析地理矩陣空間特征下普惠金融影響因素的最佳模型，提高經濟發展水平、促進基層民主、發展科學技術和增設快遞點均將有效提升我國農村普惠金融發展。政府機構在制定促進農村普惠金融發展的相關政策時，應高度重視農村普惠金融的空間傳染性，有針對性地選擇具有正向影響作用的村莊作為普惠金融示范村，有效帶動周圍村莊的普惠金融水平的提高。西部地區在政府的支持和關心下，普惠金融的發展程度已明顯好于中部。各級政府也應重視中部的普惠金融發展，提高農村普惠金融整體水平。

[1]Morrison P. S. ，O’Brien R. Bank branch closures in New Zealand: The application of a spatial interaction model[J]. Applied Geography, 2001, 21(4), pp.301-330.

[2]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), pp.223-241.

[3]Leyshon A. ，Thrift N. Access to financial services and financial infrastructure withdrawal: Problems and policies[J]. Area, 1994, 26(3), pp. 268-275.

[4]Leyshon A. ，Thrift N. Geographies of financial exclusion: Financial abandonment in Britain and the United States[J]. Transactions of the Institute of British Geographers, 1995, 20(3), pp. 312-341.

[5]Wentzel P. Diatha S. ，Yadavalli S. An investigation into factors impacting financial exclusion at the bottom of the pyramid in South Africa[J]. Development Southern Africa, 2016, 33(2), pp. 202-214.

[6]Lamb L. Financial exclusion and financial capabilities in Canada [J]. Journal of Financial Economic Policy, 2016,8(2), pp.212-227.

[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.

[8]董曉林，徐虹.我國農村金融排斥影響因素的實證分析——基于縣域金融機構網點分布的視角[J].金融研究，2012，(9)：115-126.

[9]薛寶貴，何煉成.市場競爭、金融排斥與城鄉收入差距[J].財貿研究,2016，(1):1-8.

[10]Sarma M. & Pais J. Financial inclusion and development: A cross country analysis[A]. Annual Conference of the Human Development and Capability Association, New Delhi[C]. 2008.

[11]Sarma M. & Pais J. Financial inclusion and development[J].Journal of International Development, 2011, 23(5), pp. 613-628.

[12]Arora, U.Measuring Financial Access[Z]. Griffith University, Discussion Paper in Economics, 2010, (7), pp. 1-21.

[13]Cebulla, A.A geography of insurance exclusion: Perceptions of unemployment risk and actuarial risk assessment[J]. Area, 1999, 31(2), pp.111-121.

[14]Joassart-Marcelli P. and Stephens P. Immigrant banking and financial exclusion in Greater Boston[J]. Journal of Economic Geography, 2010, 10(6), pp. 883-912.

[15]李濤,王志芳，王海港.中國城市居民的金融排斥狀況研究——基于微觀調查數據的經驗證據[J].經濟研究，2010，(7):15-30.

[16]Komarova Y. and Gonzalez L. Competition against common sense: Insights on peer-to-peer lending as a tool to allay financial exclusion[J]. International Journal of Bank Marketing, 2015, 33(5), pp.605-623.

[17]曹廷貴，蘇靜，任渝.基于互聯網技術的軟信息成本與小微企業金融排斥度關系研究[J].經濟學家，2015，(7)：1-10.

[18]Beck T. Demirgü?-Kunt A. and Peria M. Reaching out: Access to and use of banking services across countries[J]. Journal of Financial Economics, 2007, 85(1), pp. 234-266.

[19]Gupte R. Venkataramani B. and Gupta D. Computation of financial inclusion index for India[J]. Procedia-Social and Behavioral Sciences, 2012,(37), pp.133-149.

[20]Rahman M. H. Employees’ motivation in public and private commercial banks in Bangladesh: A study on need-based approach[J]. Global Disclosure of Economics and Business, 2013, 2(2), pp. 98-91.

[21]Ambarkhane D., Singh A. S., Venkataramani B. Measuring financial inclusion of Indian states[J]. International Journal of Rural Management, 2016, 12(1): 72-100.

[22]張國俊,周春山，許學強.中國金融排斥的省際差異及影響因素[J].地理研究,2014，(12):1-9.

[23]胡永宏.對統計綜合評價中幾個問題的認識與探討[J].統計研究，2012，(1):26-30.

[24]粟芳，初立蘋.中國金融業綜合融資能力的動態比較及特征分析[J].數量經濟技術經濟研究,2013,(11):90-107.

[25]呂勇斌,鄧薇，顏潔.金融包容視角下我國區域金融排斥測度與影響因素的空間分析[J].宏觀經濟研究,2015，(12):51-62.

[26]林光平，龍志和，吳梅.中國地區經濟σ-收斂的空間計量實證分析[J].數量經濟技術經濟研究，2006，(4):14-23.

[27]魏下海.人力資本、空間溢出與省際全要素生產率增長——基于三種空間權重測度的實證檢驗[J].財經研究,2010,(12):94-104.

[28]Moran P. Notes on continuous stochastic phenomena[J]. Biometrika, 1950, 37(1/2), pp. 17-23.

[29]Anselin L. The Moran Scatterplot as An ESDA Tool to Assess Local Instability in Spatial Association[M]. Morgantown, WV: Regional Research Institute, West Virginia University, 1993.

[30]Anselin L. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2), pp. 93-115.

[31]Devlin J. F. A detailed study of financial exclusion in the UK[J]. Journal of Consumer Policy, 2005, 28(1), pp. 75-108.

[32]田霖.我國金融排斥的城鄉二元性研究[J].中國工業經濟,2011,(2):36-45.

[33]Koku P. S. Financial exclusion of the poor: A literature review[J]. International Journal of Bank Marketing, 2015,(5), pp. 654-668.

[34]陶磊.中國少數民族地區金融排斥研究[D].成都：西南財經大學博士學位論文,2013.

[35]魏晃.我國金融排斥問題研究[D].廈門：廈門大學碩士學位論文,2008.

[36]霍焰.農民收入增長與農村金融發展的互動研究[D].長春：吉林大學博士學位論文,2013.

[37]Bunyan, S., Collins, A., Torrisi, G. Analysing household and intra-urban variants in the consumption of financial services: Uncovering “Exclusion” in an English city[J]. Journal of Consumer Policy, 2016, 39(2): 1-23.

[38]Alamá L. & Tortosa‐Ausina E. Bank branch geographic location patterns in Spain: Some implications for financial exclusion[J]. Growth and Change, 2012, 43(3), pp. 505-543.

[39]張英.我國快遞行業發展現狀及策略探究[J].時代金融,2012，(10):201-201.

[40]謝平，鄒傳偉.互聯網金融模式研究[J].金融研究,2012,(12):11-23.

[41]Anselin L. & Hudak S. Spatial econometrics in practice: A review of software options[J]. Regional Science and Urban Economics, 1992, 22(3), pp. 509-536.

[42]Anselin L. Bera A. K. & Florax R. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1996, 26(1), pp. 77-104.

[43]Arraiz I., Drukker D. M., Kelejian H. H., et al. A spatial Cliff-Ord-type model with heteroskedastic innovations: Small and large sample results[J]. Journal of Regional Science, 2010, 50(2): 592-614.

(責任編輯:原 蘊)

Analysis of the Spatial Correlation and Influencing Factors for Inclusive Finance of Chinese Countryside——Based on 2015 “Investigation of Thousands of Villages” by SUFE

FANG Lei， SU Fang

(School of Finance, Shanghai University of Finance and Economics, Shanghai 200433, China)

Base on the micro data of 2015 “Investigation of Thousands of Villages” conducted by Shanghai University of Finance and Economics, this paper uses the information comentropy method to measure the development of inclusive finance in Chinese countryside and applies the spatial econometric models to examines the spatial correlations among villages and the influencing factors. The results indicate that the development of the inclusive finance in the countryside of China is far from satisfacory. Comparatively speaking, the development of the inclusive fincance is better in eastern area s than in western areas, and it’s the worst in central areas. There are obvious spatial correlations in the development of inclusive finance in the countryside, which are most conspicuous in the geographical matrix. There are more HH villages in eastern areas, and more LL villages in central areas. The spatial lag model is the best model to analyze the influencing factors of inclusive finance. Economical development level, democracy at the grassroots level, science & technology，and express shops all have an effect on the development of inclusive finance in Chinese countryside.

inclusive finance; spatial correlation; influencing factors

2016-06-28

方蕾(1991-)，女，浙江寧波人，上海財經大學金融學院博士生；粟芳(1974-)，女，四川綿陽人，上海財經大學金融學院副教授。

F830

A

1004-4892(2017)01-0039-10