?西北地區農村金融排斥的區域差異及影響因素分析

楊夏林 陳步高

摘 要：以市域為研究單位，運用金融發展指數和泰爾指數，從區域的角度對西北農村金融排斥程度進行比較和差異分解，并建立系統廣義矩模型分析其影響因素。得出以下結論：2009—2018年西北農村金融排斥的區域總差異呈倒“U”型演變特征，地區內的差異大于地區間差異;農村人均純收入、城鄉收入差距、農村老齡化程度及農村就業人口是影響農村金融排斥差異的主要因素，且以上影響因素在不同地區和時期對農村金融排斥差異的影響程度不同。

關鍵詞：西北地區;農村金融排斥;區域差異;系統廣義矩

中圖分類號：F327文獻標識碼：A文章編號：1006-060X（2020）02-0107-05

Abstract： Taking the city area as the research unit， using financial development index and Theil index， this paper compares and decomposes the degree of rural financial exclusion in Northwest China from the regional perspective， and establishes the system generalized moment model to analyze its influencing factors. The conclusion is as follows： from 2009 to 2018， the total regional difference of rural financial exclusion in Northwest China shows an inverted “U” type evolution feature， and the difference within the region is greater than that between regions; rural per capita net income， urban-rural income gap， rural aging degree and rural employment population are the main factors affecting the difference of rural financial exclusion， and the above factors have different influence on the difference of rural financial exclusion in different regions and periods.

Key words： northwest China; rural financial exclusion; regional differences; system of generalized moment model

我國西北地區屬偏遠省份，金融機構數量極少，當地某些農戶是典型的“邊緣借款人”。理論界普遍認為金融排斥會制約當地經濟的發展，尤其是在經濟發展落后的農村地區，金融排斥會阻礙農民、農企、農業融資，導致城鄉收入差距持續擴大[1-2]。國內學者對農村金融排斥的研究較晚，但目前已取得豐碩的成果。初期，學者使用了定性分析方法研究了我國農村金融排斥的原因[3-5]。隨著研究的深入，學者們開始采用定量分析方法對農村金融排斥的區域差異進行測度，并通過構建模型來探析影響差異性的因素[6]。測度方法也更具科學性，由間接反映各省金融排斥程度的因子分析法演變到金融排斥指數（IFE）測度法[7-8]。對上述研究總結如下。首先，在研究尺度上，多以全國作為研究單位，少有從市級這一微觀層面進行考察的。同一個省內部規模不同的城市間可能存在明顯的異質性，很有必要進行不同維度的比較。其次，在模型的構建上，現有文獻多選用時間序列或截面數據

構建模型，研究所用數據很少選用面板數據。最后，現有的文獻鮮有研究少數民族地區的金融排斥現象。因此，筆者在借鑒以往相關研究成果的基礎上對少數民族的農村金融排斥也進行了探索。選用西北地區5個省、自治區總計49個市的相關數據，運用金融發展指數和泰爾指數，從金融排斥的角度探析西北農村金融發展滯后的原因，以期為改善農村金融排斥狀況，加快農村金融發展，有針對性的采取破解措施提供參考。

1 數據來源與模型方法

1.1 數據來源與說明

該研究的樣本范圍為2009—2018年陜西省、寧夏回族自治區、甘肅省、青海省及新疆維吾爾族自治的地級及以上城市的農村地區。由于某些省份個別地級市數據不全，因此剔除了個別地級市，最終保留的樣本點為49個。研究所采用的數據主要來自于以上5個省份（自治區）的統計年鑒、中國銀行業監督管理會網站、《中國銀行業農村金融服務分布圖集》、中國區域金融運行報告、中國縣市經濟統計年鑒和中國經濟統計信息網。

1.2 模型方法

通過金融發展指數（IFE）測算了西北地區農村金融排斥程度，所選的指標為“四維度”分析指標，即金融服務的滲透度、使用度、可負擔度、效用度;在衡量西北各地區農村金融排斥的差距時，采用了泰爾指數分析方法，這是由泰爾指數的分界性特征決定的[9-10]。在分析西北地區農村金融排斥的影響因素時，選用了面板數據估計和系統廣義矩模型。選用系統廣義矩模型，其原因有2點。第一，西北地區49市、自治區的農村人口規模、經濟發展狀況等條件的不同可能會導致回歸結果出現異質性;樣本包括了許多少數民族聚居區，少數民族與非少數民族相比，宗教信仰、歷史文化的不同，回歸結果可能也會存在異質性。第二，農村人均純收入、城鄉收入差距及農村就業人口等變量之間，或者遺漏變量與其他變量之間相關會產生內生性問題。因此，需要提高工具變量的有效性來解決樣本的異質性和模型的內生性問題，系統廣義矩（SYS-GMM）模型可以克服上述問題。在模型中，因變量為農村金融排斥指數，自變量如表1所示。

2 結果與分析

2.1 西北地區農村金融排斥的區域差異

2.1.1 西北各地區農村金融排斥程度 表2為2009—2018年西北各地區農村金融排斥的均值及排名。指數越大，排名越靠前，則該地區農村金融排斥程度越高。由表2可知，各地區農村金融排斥程度具有一定的差距，其中最高的是喀什地區，達到0.952;最低的是銀川市，為0.709;少數民族聚集地區的排斥指數相較于非少數民族地區要高;同一省份不同市區的農村金融排斥程度可能具有較大的差距，如甘肅省的慶陽市排名為3，而酒泉市排名為48，兩者的排斥程度相差0.235;但陜西省西安市、甘肅省蘭州市與寧夏回族自治區的石嘴山這3個不同省份的市區其農村金融排斥的差距較小，僅相差0.026左右。

2.1.2 西北地區農村金融排斥的區域差異演變特征 運用泰爾指數，將西北地區各省按照行政區劃分為5組，可測算出各省之間和省份內部差異程度及各自對總差異的貢獻情況，以揭示農村金融排斥差異變化的原因。從圖1可以看出，2009—2018年西北地區農村金融排斥的總差異呈倒“U”型演變特征，具體表現為：2009—2011年差距不斷擴大，2011—2015年差距平穩變化，2015—2018年差距持續降低。省份內部差異與總差異的變化趨勢一致，省份間的差距變化幅度較小。省份內部差異是西北地區農村金融排斥總差異的主要貢獻者，最高達到了2011年的67.82%，此后呈逐年下降態勢。相比于省份內部，省份間差異對總差異的貢獻率較小，平均值為34.7%，但從2014年開始，農村金融排斥的總體差異正逐漸由省份內部轉向省份之間。

由圖1可知，西北地區農村金融排斥的總差異是由省份內部差異引起的，因此可對泰爾指數進行進一步分解，分析出省份內部差異變化的原因，結果如圖2所示，新疆維吾爾族自治區農村金融排斥的內部差異是西北地區各省內部總差異的主要貢獻力量，2009—2017年的變化趨勢為先擴大后縮小，2018年內部差異又有所擴大。省份內部差異顯著，表明新疆維吾爾族自治區各市之間農村金融排斥程度存在的差距較大。其次是青海省、甘肅省和寧夏回族自治區，這3個省份的農村金融排斥的內部差異大致趨同，陜西省農村金融排斥的內部差異最小。

2.2 西北地區農村金融排斥區域差異的影響因素

面板數據估計的方法包括2種：固定效應模型（FE）和隨機效應模型（RE）。在FE中，個體效應或時間效應與模型中的解釋變量具有相關性，而在RE中與解釋變量不相關。使用Hausman檢驗來選擇使用FE或RE，該研究中模型的 Hausman檢驗結果為接受原假設，因此選用了隨機效應模型。使用隨機效應法對樣本進行回歸可得到模型1和2，使用廣義矩法得到了模型3和4，其中模型2和4中分別加入了省份變量，如表3所示。為進行更深入分析，筆者做了分樣本回歸。模型5將樣本期間縮短為2013—2018年，以檢驗2013年黨的十八屆三中全會作出“發展普惠金融”戰略部署，各地積極構建普惠型農村金融體系后，這一外生沖擊對模型的影響。西北地區5省中有3個省份為少數民族聚居區，因此區分考慮了民族地區和非民族地區的樣本，設計了模型6。具體的回歸結果，見表4。在進行分樣本回歸時，選擇了隨機效應模型，原因有以下2點：一是在使用隨機效應和廣義矩分別進行回歸時，隨機效應模型中對被解釋變量影響顯著的變量較多;二是與隨機效應模型相比，廣義矩方法需要消耗較多的自由度，因為模型中包含了被解釋變量的滯后項且需要納入工具變量，在分樣本回歸中，樣本的數量有所減少，因此需要選用隨機效應模型來減少自由度的消耗，提高回歸結果的準確性。

2.2.1 農民人均純收入 全球（FINDEX）數據庫（WorldBank 2013）提供了148個國家的成年人儲蓄、借貸、付費及管理風險行為方面的數據，數據顯示高收入家庭和低收入家庭在金融服務使用方面存在巨大的差距，高收入家庭更容易獲得金融服務[11]。在模型1和模型2中，農民人均純收入均通過了顯著性檢驗，這與上述研究相符，但農民人均純收入與農村金融排斥程度呈正相關關系與其他學者的研究結論相反。結合西北實際情況，分析其原因可能在于：一是農民思想觀念落后，且生活缺乏社會保障，在對抗疾病及生活中的其他風險時能力較低，導致他們習慣將收入儲存在家中，而不去接觸金融服務，加深了農村金融排斥程度;二是西北地區農民工輸出數量龐大，且外出打工收入已成為農民家庭收入重要組成部分，農民工收入的特點是缺乏信貸需求，因而農民人均純收入雖然有所提高，但是農村金融發展水平仍處于較低水平。因此，需要大力支持農村第二產業和第三產業的發展，增加農民收入來源的多樣性，改變農民的思想觀念，進而緩解農村金融排斥問題。

2.2.2 城鄉收入差距的影響 城鄉收入差距在全部模型中均通過了顯著性檢驗，且與農村金融排斥差異呈顯著正相關，表明隨著城鄉收入差距的擴大，農村金融排斥差異也擴大。金融機構的“逐利”性和風險規避性使得其偏向于將資金投放到收益高、風險較低的地區，導致農村資金不斷流向城市，農民得到信貸的難度也隨之增大，進而加深了農村金融排斥程度。當農村金融排斥程度提高時，農村經濟發展勢必受到影響，城鄉收入差距也會進一步拉大，農村金融發展和城鄉收入差距將陷入惡性循環發展中。李小建[12]的研究也從側面證實了這一觀點，他認為收入水平影響著金融機構建立的區位選擇。農村居民收入普遍偏低，城市居民收入相對較高，金融機構會更偏向于在城市設立服務網點，無形中減少了農村金融機構數量，農村金融服務滲透度也將隨之降低。因此，要在西北地區大力支持合作金融的發展以及農村互助資金合作社的成立，以提高農村金融資源配置的效率，使農村資金能夠完全服務于農業發展。

2.2.3 農村就業人口 農村就業人口通過了顯著性檢驗，系數為正，表明當農村就業人口增加時，農村金融排斥差異度會提高。而FSA研究表明具有穩定就業

的群體更容易獲得金融服務[13]，就業能夠促進農民收入的穩定性，提升農民資信度。模型中的結果與FSA的研究結論不相符，但結合農村家庭人均純收入對農村金融排斥差距的影響，回歸結果卻具有合理性。農村就業人口每年都有所增加，且農民工所占比率較高，目前國內勞動密集型企業發展速度緩慢，且物價不斷增長，導致農民工實際工資水平有所降低，加之農民工缺乏對信貸的需求，最終被主流金融機構所排斥。

2.2.4 農村人口老齡化程度 農村人口老齡化程度在全部模型中通過了1%的顯著性檢驗，系數為正，說明農村金融排斥差異隨著農村人口老齡化程度的提高而加劇。這一結果與杜本峰[14]的研究大致相同，他認為人口老齡化會降低儲蓄率，且農村老人缺乏收入來源，銀行的逐利行為和門檻效應會將老人排斥在金融服務外，這勢必會降低農村金融服務的使用度，加深農村金融排斥程度。另一方面，目前農村的社會保障機制尚不完善，農村老人只能依靠子女養老，這無形中降低了農村家庭的實際收入，致使農民無力跨越金融服務的門檻。因此，要從農村人口老齡化產生的原因著手，讓金融機構能為更多農村居民提供服務，例如提高農村社會保障機制的運行效率、改變農村傳統養老模式等。

2.2.5 不同時期的差異 2013年，黨的十八屆三中全會明確提出發展普惠金融，為推進普惠金融的發展，提高金融服務的覆蓋率、可得性和滿意度，國務院于2016年印發《推進普惠金融發展規劃》，首次提出普惠金融發展五年規劃。地方政府也先后根據國務院的規劃，出臺了地方實施方案，加快了地方普惠金融的發展進程。由模型5和模型2的對比分析可知，除城鄉收入差距和農村就業人口外，其他變量對農村金融排斥影響的顯著性均有所降低，且各變量的系數也有所降低，顯示2013年以來農民人均純收入、農村人口老齡化程度等變量的差異變得不是很顯著，說明普惠金融發展五年規劃的具體實施在一定程度上提高了農村金融服務的可獲得性，促進了農村金融的發展。

2.2.6 民族的差異 民族的差異在模型1和模型2中均對農村金融排斥差異表現出正向顯著影響，少數民族聚居地區的農村居民受到的金融排斥程度高于非少數民族聚居地區。分析其原因可能是少數民族人口分布不均，經濟發展水平較低，使得金融需求具有分散性、不足性特征;且受宗教文化的影響，少數民族地區居民對金融服務的需求度低，削弱了金融機構進駐并提供服務的吸引力。在模型6中，各因素的顯著性與模型1和模型2相比有所降低，這說明了少數民族地區農村金融排斥程度對這些因素的依賴性較低，金融排斥可能多受宗教信仰或除上述因素以外其他因素的影響。

2.2.7 省份的差異 省份的差異在模型2和模型4中均沒有通過顯著性檢驗，僅在模型6中通過了顯著性檢驗。與泰爾指數的分析結果相同，進一步證實了西北地區農村金融排斥的省份內部差異大于省份之間的差異，總差異主要來自于省份內部，省份間差異對總差異的貢獻較小，省份間差異的主要貢獻者為少數民族聚居的地區。

3 結 論

利用西北地區5個省、自治區共計49個市的數據對西北農村金融排斥的區域差異及影響因素進行實證分析，得出以下結論。

第一，2009—2018年西北各地區農村金融排斥程度表現出一定差異，總差異呈倒“U”型演變特征，具體表現為先不斷擴大、后平穩變化、再持續縮小的演變趨勢，省份內部差異大于省份之間的差異，省份內部差異是總差異的主要貢獻者。

第二，在影響因素上，農民人均純收入、農村就業人口對農村金融排斥差異均具有正向顯著影響，這雖與國內其他學者的研究結論不同，但卻符合西北農村的實際情況;城鄉收入差距在模型中均通過了顯著性檢驗，且系數為正，當城鄉收入擴大時，會提高農村的金融排斥程度;農村人口老齡化程度也在全部模型中通過了1%的顯著性檢驗，系數為正，農村金融排斥程度會隨著農村人口老齡化程度的提高而加劇;民族這一因素作為虛擬變量引入模型后也通過了顯著性檢驗，表明少數民族聚居地區的農村金融排斥程度高于非少數民族聚居地區。

第三，分樣本回歸的結果表明，在不同時期和地區，上述影響因素對農村金融排斥的影響程度不同。2013年國務院正式提出發展普惠金融、鼓勵金融創新、豐富市場層次和產品的戰略部署。這一政策的實施降低了以上因素對農村金融排斥的顯著性，某種程度上促進了農村金融發展，緩解了農村金融排斥;在民族地區，農村金融排斥程度對以上因素的依賴性也有所降低，體現出農村金融排斥在民族地區和非民族地區的差異性。

參考文獻：

[1] 戴洛特，張 燕，李家華. 農村普惠金融的特點及制約因素[J]. 西南金融，2019（6）：66-73.

[2] 周天蕓，劉 虹，楊海洋. 中國農村金融的包容性及影響因素[J]. 財經論叢，2018（12）：55-64.

[3] 劉長庚，田龍鵬，陳 彬，等. 農村金融排斥與城鄉收入差距——基于我國省級面板數據模型的實證研究[J]. 經濟理論與經濟管理，2013（10）：17-27.

[4] 何德旭，饒 明. 我國農村金融市場供求失衡的成因分析：金融排斥性視角[J]. 經濟社會體制比較，2008（2）：108-114.

[5] 譚 露. 基于供給偏好視角下的我國農村金融排斥問題研究[J]. 安徽農業科學，2009，37（16）：7694-7695，7703.

[6] 羅永明，蔡洋萍. 基于農戶視角的農村金融排斥影響因素實證分析[J]. 金融理論與教學，2017（4）：10-14.

[7] 王一博，李翠霞，辛立秋. 農民專業合作社金融排斥影響因素研究——基于正規金融服務需求角度[J].農業經濟與管理，2018（1）：35-47.

[8] 楊心影，俞 穎. 我國省際金融排斥變化趨勢及差異分析[J]. 時代金融，2019（13）：48-50.

[9] 韓曉宇. 普惠金融的減貧效應——基于中國省級面板數據的實證分析[J].金融評論，2017，9（2）：69-82，125-126.

[10] 李 琳，張 佳. 長江經濟帶工業綠色發展水平差異及其分解——基于2004～2013年108個城市的比較研究[J]. 軟科學，2016，30（11）：48-53.

[11] World Bank. 2014 Global Financial Development Report：financial inclusion[R]. http：// www.worldbank.org， 2015-07-28.

[12] 李小建. 金融地理學理論視角及中國金融地理研究[J]. 經濟地理，2006，26（5）：721-725，730.

[13] Financial Services Authority. In or Out？ Financial Exclusion：A Literature and research review[R]. London：FSA，Consumer research Paper，2000.

[14] 杜本峰. 人口老齡化對金融市場的影響分析[J]. 經濟問題，2007（6）：111-113.

（責任編輯：成 平）