金融密度、服務可及與中國的縣域金融

周天蕓

摘 要：農村金融發展的目標是實現普惠金融，緩解和消除“金融排斥”現象。本文基于金融地理排斥的理論模型，運用中國縣域數據，實證檢驗中國縣域地區的金融排斥程度及其成因。結果表明，中國縣域具有典型的金融排斥特征，影響中國縣域金融密度的因素包括縣域地區人口密度、從業人數、人均收入、社會消費、居民儲蓄、政府支出、基礎設施、教育水平和與省會城市的距離。此外，少數民族和地區變量也對金融密度產生明顯的影響。

關鍵詞：金融密度；服務可及；金融排斥；縣域金融

中圖分類號：F832.43 文獻標識碼：A 文章編號：1674-2265（2018）09-0016-08

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

習近平總書記在黨的十九大報告中提出，新時代我國社會的主要矛盾是人民日益增長的美好生活需要和不平衡不充分的發展之間的矛盾。從經濟基礎的角度看，“不平衡不充分”主要體現在經濟的產業結構、需求結構、增長動力以及區域和城鄉的差異上。由此，金融業需要從以往注重傳統行業轉向為現代服務業和先進制造業服務，從以往主要為生產者服務轉向更多地為消費者服務，從以往集中于東部、集中于大城市更多地向中西部和鄉村延伸，從以往動員儲蓄、推動大規模投資的粗放式金融發展模式轉向利用金融科技、高效配置金融資源的集約型金融發展模式。

縣域經濟是國民經濟中相對獨立的基本單元。截至2017年底，我國縣級行政區劃數為2581個，縣級行政區域土地面積約占全國陸地面積的90%；縣域人口約占總人口的65%以上；縣域GDP占國民經濟整體比重約為50%，縣域經濟成為推動我國國民經濟持續快速發展的重要力量。但是，縣域城鄉居民儲蓄存款余額只占全國城鄉居民儲蓄存款余額的不到

1/3，2015年縣域存貸比僅為57.6%，比城市地區低17.2個百分點，涉農貸款不良貸款率為2.3%，作為縣域金融主力軍的農村信用社不良貸款率為6.44%，遠高于同期銀行業金融機構1.55%的水平，縣域金融發展滯后，與縣域在全國的經濟地位不相稱。究其原因，這與中國縣域的金融排斥存在緊密關聯。

中國縣域地區的金融地理排斥有著深刻的歷史淵源。1998年開始，四大國有銀行機構撤并，其中以銀行的工作人員數量和吸收存款額為依據，人均存款額（存款額/工作人員數）在50萬元以下的營業網點全部撤銷，50萬—100萬元的營業網點部分撤銷，100萬—150萬元的營業網點合并，同時二級分行也大量撤并。1998—2001年間，國有商業銀行撤并境內分支機構和營業網點達到4.4萬個。正是這次改革，國有商業銀行大幅度撤并其基層分支機構，紛紛從效率不高的縣域地區撤離，造成縣域金融服務缺乏，加劇中國縣域的金融排斥。

由于金融機構的分布數量和規模的限制，縣域經濟中的中小企業和農村經濟主體難以獲得充足的融資服務，導致金融發展難以發揮促進經濟增長的作用。在金融排斥問題被關注之后，學者們的研究證實了金融排斥對縣域經濟的不良影響。鐘笑寒等（2005）利用中國農業銀行的數據，研究國有商業銀行在農村網點的收縮，證實其對農村經濟的不利影響；楊兆廷等（2009）、王翔（2009）、田杰和陶建平（2011）、石盛林（2011）等學者則進一步證實中國農村金融的地理排斥。

金融發展對縣域地區的經濟增長有著不可替代的意義，因此，金融機構的地理分布直接影響著金融服務的可及性，并與縣域金融地理排斥息息相關。本文嘗試分析影響中國縣域金融發展的因素，解析導致中國縣域金融地理排斥的原因。

一、文獻綜述

“金融排斥”的概念由金融地理學家Leyshon和Thrift于1993年提出，他們在研究金融地理學的過程中發現金融排斥現象，即貧困人群由于地理因素的限制受到金融機構的排斥，使他們難以獲得金融產品和金融服務，因此，他們對于金融排斥的研究就是分析特定人群與金融機構的距離。早期的金融排斥實際是金融地理排斥（Geographic Financial Exclusion），而此后金融排斥的內涵得到學者們的拓展。

西方學者最早關注和研究金融排斥的地理傾向性，Pollard（1996）與Fuller（1998）發現金融排斥的地理空間傾向明顯，金融機構多在欠發達地區關閉。由于農村地區明顯落后于城市，金融服務在農村的單位成本高于城市，人口密集度不同，農村地區金融機構的關閉率相當高。Lamer和Heron（2002）發現新西蘭的金融機構網點主要在農村地區關閉；Argent和Ropey（2000）也證實澳大利亞的情況，除去人口變遷的因素，金融機構仍然呈現出在城市擴展、在農村收縮的不平衡現象。同樣的現象也發生在中國，四大國有商業銀行的撤出造成中國縣域金融的“真空”，引發我國學者的關注。早期有金雪軍和田霖（2004）、武巍等（2005）對金融排斥問題的介紹；近年國內研究金融排斥問題的也越來越多，尤其在衡量我國農村地區的金融排斥程度方面，國內學者得到大量結論。田霖（2011）發現我國金融排斥的城鄉二元性特征明顯；高沛星和王修華（2011）、許圣道和田霖（2008）、王修華和邱兆祥（2010）、張國俊（2014）等發現中國各省的農村金融排斥有著明顯的區域差異。

對金融排斥現象探討之后，學者們開始分析造成這一現象的原因。早期對金融排斥影響因素的研究，大多分析金融機構在某些地區撤并的原因以及金融機構密度低、缺乏金融服務地區的特征，進而探究影響金融排斥地理分布的因素。Kenipson和Whyley于1999年分析得出某地區的收入水平、受教育程度、民族、語言和宗教信仰等個人屬性對金融排斥具有顯著的影響；Cebulla（1999）對此進行補充，認為即使控制一定的社會經濟因素，地區因素仍然對金融排斥產生顯著影響。隨后國外學者在微觀層面開展研究，對受排斥群體的個體屬性進行更深入的研究，認為影響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）、性別（Muhalnl和Yunus，2008）。2000年，英國金融服務監管局（FSA）在已有文獻的基礎上，從宏觀層面調查世界范圍內金融排斥的現狀。我國學者在對金融排斥的影響因素探析中，最初建立在定性分析上，周立和胡鞍鋼（2002）從信息不對稱的角度，何德旭和饒明（2007）從信貸資源配置的角度進行分析。田霖（2008）開始采用定量研究方法，證明影響我國省域層面農村金融排斥程度的因素包括人均純收入、從業人員數、農戶儲蓄和農民金融知識；高沛星等（2011）補充的影響因素是收入、金融效率、就業和農業化水平；董曉林和徐虹（2012）基于縣域金融機構的分布，發現人口規模、社會消費品零售總額、金融基礎設施與金融排斥程度成正比；呂勇斌等（2015）、李建軍和盧盼盼（2016）則從空間和地理分布角度，探討影響金融服務的因素。

本文在現有文獻基礎上，基于數據的可獲得性，設立全面的金融密度指數，探討中國農村的金融排斥程度及其影響因素，深度解剖中國農村金融的發展進程。

二、金融地理排斥的理論模型

對于農村金融地理排斥及其影響因素的理論研究，主要是Lanzillotti和Saving（1969）的經典理論模型，學者后續在此模型基礎上進行拓展分析，通過放松相關假設，加入更多反映現實情況的變量，如市場結構（White，1976）、法律因素（Savage和Humphrey，1979）、城市類型（Seaver和Fraser，1979、1983）和放松管制（Gunther，1997；Bernad等，2008）等。本文借鑒Lanzillotti和Saving的理論模型，根據中國農村的實際情況修正模型，探討農村金融地理排斥的因素。

由于在中國縣域經濟中，基金、證券、保險、信托等非銀行金融機構的影響較小，故本文用銀行數量代替金融機構數量。某一地區銀行的均衡數量取決于人們對金融產品或服務的需求，以及商業銀行提供服務的成本和其他供給條件，商業銀行基于所經營的環境和條件，使提供金融服務的成本最小化。此外，銀行分支機構數量的增加會提高服務的可及性，給客戶帶來更多便利，故對金融產品和服務的需求受分支機構數量的影響。因此，銀行及其分支機構的均衡數量都取決于對金融服務的需求和銀行的經營成本，為此，本文提出以下兩個假設，（1） 各地區的銀行經營成本相同；（2） 銀行分支機構的設立沒有任何政策限制。

假設銀行提供活期存款和定期存款兩種服務，則第i個縣對這兩種服務的需求函數可表示如下：

[ηyi>0]、[ηPi>0]、[ηKi<0]。等式（9）是基于各地區對銀行分支機構的設立沒有任何政策限制的前提下得到，因此，設立限制的存在將會增加銀行的成本，但也會限制壟斷的產生。當考慮放松假設（2）時，引入系數[β]，用以表示政府管理的影響，即：

通過理論模型的分析，可以發現影響金融地理排斥的因素包括經濟變量（人均收入）、社會變量（人口、人口集中度）、金融生態環境（金融基礎設施）以及其他因素（政府干預）。

根據國內外研究成果、理論模型和研究目的，同時考慮數據的可獲得性，在模型的基本設定中，本文將下列六類因素納入模型：

第一類變量是人口統計指標，包括人口規模、人口密度、就業人數；第二類變量是經濟活動指標，包括農村居民人均純收入、地區實際GDP增長率、社會消費品零售總額；第三類變量是金融資源指標，包括居民儲蓄存款余額；第四類變量是社會環境指標，包括少數民族虛擬變量、地區虛擬變量、政府財政支出占GDP比重、普通中學在校學生數；第五類變量是地理位置指標，包括與中心城市的距離；第六類變量是信息技術指標，包括固定電話用戶數。表1列出各解釋變量的定義及對農村金融密度的作用方向。

正如Leyshon和Thrift（1996）指出，金融機構的作用在于減少信息不對稱，從而降低金融機構向貧困人群提供金融服務的成本，有效緩解因節約成本而發生的金融排斥問題。本文認同金融機構數量是金融排斥的直觀體現，對被解釋變量的選取參照陳莎和周立（2012）的研究，以金融機構數量分布衡量縣域金融排斥狀況，從供給視角分析我國縣域金融排斥的影響因素。

本文使用縣域i的金融密度（Ni）作為衡量指標，構建縣域金融的4個“金融密度”指標體系，分別為“行政金融密度”、“地理金融密度”、“人口金融密度”和“經濟金融密度”。

三、數據與實證

本文運用2015年全國2580個縣域的截面數據進行實證分析，其中縣域金融機構的數量通過“谷歌地圖”獲得。方法是通過定位某一縣域，利用“搜索周邊”功能，尋找“銀行和金融機構”，然后地圖顯示出該縣域及周邊的銀行與金融機構數量。對此指標有4點說明：一是所得機構數是在該縣域居民可觸及范圍之內，而不是限制在行政邊界之內，因為全國各縣域之間并不存在金融阻隔，處在縣域邊界的居民或企業，出于方便快捷的考慮，可能去相鄰縣域的金融機構辦理業務；二是關于這一數據的時效性，通過搜索得出，谷歌地圖是定期分批更新的，谷歌公司每隔18個月對地圖信息進行更新，因此數據具有一定的時效性；三是地圖上搜索出的銀行和金融機構包括銀行（含ATM）、證券營業部、理財公司、期貨公司、信用社、保險公司和會計師事務所等各種金融機構及服務機構；四是本文對不同縣域采取同樣的比例尺，以保證數據的可比性。

對于與中心城市的距離這一變量，本文未將地圖上兩點之間的直線距離定義為縣域與省會城市之間的距離，因為兩地之間介質（河流、海洋或陸地）的不同也會對交通的便利程度產生影響。為統一起見，本文中的距離采用地圖上所得出的駕駛距離，即各縣域與其省會城市的距離，數據也通過谷歌地圖的“獲取路線”這一功能，得出某一縣域與省會城市的駕車路線及距離。

本文其他變量的數據來源于《中國縣域統計年鑒（縣市卷）》（2016）、《中國區域統計年鑒》（2016）及各地區的2016年統計年鑒。

1. 描述性統計。根據表3的統計描述，從衡量中國縣域金融地理排斥的4個變量來看，行政金融密度差異最大，最大值為6665，最小值僅為1，標準差達到483.5；其次是人口金融密度，經濟金融密度的差異較小，地理金融密度的差異最小，標準差僅為0.804。由此推測，金融機構在我國縣域的分布并不帶有強烈的行政平均主義色彩，人口、地理面積和經濟發展等因素影響的金融機構分布可能更趨于均衡。

同時，標準差雖然能客觀準確地反映一組數據的離散程度，但是對于不同的項目，或同一項目不同的樣本，標準差就缺乏可比性了，因此本文引入變異系數CV，將一組數據的平均值及標準差同時作為參考的依據。變異系數為標準差除以平均值所得的商，能夠更好地比較數據的離散程度。比較4個金融密度變量的變異系數，結果發生很大變化，地理金融密度的變異系數最大，經濟金融密度則最小，反映出中國縣域的金融機構分布與當地的經濟水平相一致，而并不受地理面積的約束。反觀解釋變量的變異系數，有些比金融密度變量大，有些則較小，故其對被解釋變量差異的解釋能力還需要進一步分析。

在對原始數據進行統計分析后，本文對數據進行如下處理：第一，變量的觀察值并不完全相等，為了保證回歸結果的準確性，對缺漏值進行刪除，刪除后的各變量均有2476個觀察值；第二，由數據的偏度與峰度值可知，各變量的分布并不符合正態分布的要求，為保證最小二乘回歸方法的適用性，對除了經濟增長率之外的其他變量進行對數轉換，數據基本上滿足偏度為0、峰度為3的正態分布要求，對數變化后的數據僅用于回歸分析之中，其他分析都使用刪除缺漏值后的原始數據。

通過對數據進行共線性檢驗，發現年末人口數與鄉村從業人員數、普通中學在校學生數的相關系數都超過90%，分別為94.37%和90.01%，為避免共線性問題，剔除年末人口數（pop）這一變量。

2. OLS回歸及其結果。根據上文的計量模型，運用stata11.0軟件對4個被解釋變量（administration、geographic、demographic、economic）進行回歸的結果如表4所示。

結果表明，人口密度的影響符合預期，人口密度反映出人群離金融機構的距離，人口密度越大，人群距離金融機構越近，從定義上就反映金融地理排斥程度越低；從業人員數對行政金融密度的影響并不顯著，但在排除地理面積、人口數量和經濟總量因素后，二者顯著正相關，說明從業人員一定程度上仍反映對金融服務的潛在需求，通過銀行提供金融服務的風險和管理成本，影響農村金融排斥的程度；教育水平在4個回歸方程中都保持顯著為正，這與預期相同，因為根據已有研究結果，金融意識越高的農戶發生借貸的概率越大，選擇正規金融機構借貸的概率也越大，從而對金融機構的需求增加，催生金融機構的設立，故二者正相關。

農民人均純收入、社會消費和居民儲蓄在回歸方程中都基本上保持顯著為正，說明經濟變量對金融密度的影響不可忽視，經濟越發達意味著金融機構經營貸款的風險相對越小，提供金融產品服務的單位成本越低，所以經濟較發達地區擁有更密集的金融網點。但上述三個變量對金融密度的影響是與經濟總量息息相關的，經濟增長率在所有回歸模型中均不顯著，結果與預期不符，可能是經濟增長率對金融機構分布的影響具有滯后性。代入上一年的增長率進行回歸，結果仍不顯著。由此說明，現階段農村金融機構選址過程中，過多考慮的是經濟總量而非經濟增長率。

政府支出在前3個回歸方程中均顯著為負，但在（4）中顯著為正。究其原因可能是GDP和政府支出的相關系數為-0.308，所以政府支出越大，在一定程度上反映出當地急需政府加大支出拉動經濟，表明當地經濟越落后，故金融機構分布越少，當排除經濟總量因素后，政府支出對金融機構的分布是有積極作用的；基礎設施在4個回歸方程中均不顯著，且系數接近于零，說明農村地區虛擬的金融服務體系并沒有替代實體的金融機構網點，即使有電子銀行，農村居民還是選擇在傳統的營業網點辦理金融業務。對此，許圣道和田霖（2008）也曾經得出相似的結論。

距離變量如預期，縣市離省會城市越遠，受其金融輻射的影響就越弱，與省會城市之間的經濟金融活動交流變得更加困難，因此金融機構的分布就越少；少數民族虛擬變量的符號與預期相同，少數民族聚集區往往金融基礎設施薄弱，又因為自我排斥而缺乏相應的金融服務需求，構成Leyshon和Thrift（1997） 所說的金融排斥的“地理空洞”現象；地區虛擬變量（east、west）中，代表中東部差異的east雖然為正，但并不顯著，說明中東地區的金融排斥確有差異，但可能存在其他原因；代表中西部地區差異的west系數在行政和經濟金融密度中都顯著為負，說明在控制其他變量不變的情況下，西部地區的金融排斥比中部地區更為嚴重。

3. 模型的穩健性檢驗及調整。由于中國各個縣域的差異較大，傳統OLS的均值回歸不能全面反映所考察問題，本文運用具有更高穩健性的分位數回歸，依據金融密度的高低將縣域分為不同組別，分別分析各影響因素對0.1、0.25、0.5、0.75、0.9分位點縣域金融密度的影響效應及顯著性差異。由于地理金融密度、人口金融密度的分位點回歸結果與行政金融密度類似，受篇幅所限不予列出，行政金融密度、經濟金融密度的分位數回歸結果如表5、表6所示。

行政金融密度的分位點回歸結果表明，人口密度、經濟增長、社會消費、居民儲蓄、政府支出、距離變量都與OLS回歸的結果一致。從業人數的符號都為正，但只有處于中間區間的分位點才顯著；基礎設施在OLS回歸分析中，系數雖然為正，但并不顯著，分位數回歸結果在10%分位點上，基礎設施顯著為正，這意味著金融機構匱乏地區可以通過改善當地基礎設施提高金融密度，但當金融機構數量上升到一定水平時，這一拉動效應變得不顯著；教育水平保持正向影響，但系數及其顯著性都變小，當行政金融密度位于90%分位點時，教育水平的影響變得不顯著，說明對于金融機構分布密集地區，金融意識已經相當普及，并不能影響金融機構的區位選擇；少數民族虛擬變量的影響并不穩定，僅對10%和25%分位點的行政金融密度有顯著的負向影響，東部地區虛擬變量（east）也是如此，西部地區虛擬變量（west）雖然符號在各分位點都保持一致，但只有75%分位點通過了顯著性檢驗。

經濟金融密度排除經濟總量GDP對金融機構數量的影響，考察每億元GDP擁有金融機構數量的影響因素，結果表明人口密度、從業人數、經濟增長 、教育水平和距離變量的影響均保持穩定；社會消費和居民儲蓄的影響變小且不顯著，說明是通過經濟總量對金融機構分布產生間接影響；政府支出在分位點回歸中得到進一步補充，政府支出的系數隨著經濟金融密度的增加而減小，說明排除經濟因素后，政府支出對金融機構數量的影響會隨著政府支出的增大而變小，這符合經濟學里的邊際遞減效應；基礎設施的影響仍不顯著，但當經濟金融密度較大時其符號變為負，可能是對于經濟金融較發達地區，虛擬的金融服務體系對實體的金融機構網點有所替代，人們開始傾向于使用電話銀行等；少數民族虛擬變量和西部地區虛擬變量（west）的影響顯著增強，但東部地區虛擬變量（east）變得不顯著。

四、結論和建議

本文分析了中國縣域的金融排斥現象，度量中國縣域金融排斥的程度，并實證檢驗中國縣域金融排斥的影響因素，研究主要得到以下結論：

第一，中國縣域金融機構的地理分布差異很大，4個衡量金融地理排斥的因變量中，地理金融密度的變異系數最大，經濟金融密度則最小，反映中國縣域的金融機構分布更主要與當地的經濟水平、人口數量相一致，受行政區劃和地理面積的影響較小。

第二，人口密度對各類衡量縣域金融排斥的被解釋變量的影響都十分顯著。從業人員數并不影響行政區劃內的金融機構總數，而是對每平方公里、每萬人和每單位GDP所擁有的金融機構數量有顯著影響。金融知識一定程度上代表對金融機構的需求，從而影響金融機構的分布，但對于金融機構分布密集地區，金融意識已經相當普及，并不能影響金融機構的區位選擇。

第三，農民人均純收入、居民儲蓄、社會消費的確可以減緩金融地理排斥，但并不能對金融密度產生直接影響，而是通過經濟總量而產生間接影響。政府支出對金融機構的分布有積極作用，但這一影響會隨著政府支出的進一步增大而變小，符合經濟學的邊際遞減效應。

第四，對于金融機構匱乏地區，通過改善當地基礎設施可以拉動金融機構的數量增長，但一旦金融機構數量上升到一定水平，則這一效應消失；絕大部分地區虛擬的金融服務體系并不構成對實體的金融機構網點的替代，但對于經濟金融較發達地區，人們開始傾向于使用電話銀行和網絡銀行等，且金融機構分布越密集的地區受中心城市金融輻射力的影響越大。

第五，少數民族地區的金融排斥程度相對較高，東部地區的金融機構分布密度大于中部地區，而中部地區的金融機構分布密度又大于西部地區。

綜上，為緩解中國縣域的金融排斥，政府應加大投入支持金融機構的發展，改善縣域的經濟社會環境，普及縣域居民的金融知識，加快縣域金融基礎設施的建設，發揮金融中心城市的金融輻射力量，并在一定程度上向中西部地區傾斜。

參考文獻：

[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.農村金融機構收縮對農村經濟影響的實證分析[J].上海金融，2009，（5）.

[13]鐘笑寒，湯荔.農村金融機構收縮的經濟影響： 對中國的實證研究[J].經濟評論，2005，（1）.

[14] 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）.

[15]田杰，陶建平.農村金融排除對城鄉收入差距的影響——來自我國 1578 個縣 （市） 面板數據的實證分析[J]. 中國經濟問題，2011，（5）.

[16]石盛林.縣域金融密度與經濟增長的實證研究：基于壟斷競爭的解釋[J].中央財經大學學報，2011a（4）.

[17]石盛林.縣域金融對經濟增長的影響機理——基于DEA方法的前沿分析[J].財貿經濟，2011b，（4）.

[18]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）.

[19]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）.

[20]李建軍，盧盼盼.中國居民金融服務包容性測度與空間差異[J].經濟地理，2016，（3）.

[21]王錚，武巍，吳靜.中國各省區經濟增長溢出分析[J]. 地理研究，2005，24（2）.

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

[23]許圣道，田霖. 我國農村地區金融排斥研究. 金融研究，2008，377（7）.

[24]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. 金融研究，2012，（9）.

[25]陳莎，周立.中國農村金融地理排斥的空間差異——基于 “金融密度” 衡量指標體系的研究. 銀行家， 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；

（責任編輯 劉西順；校對 GY，XS）