縣域數字普惠金融的發展現狀和困境分析
——基于傳統銀行網點擴張的視角

林麗泰

(南京財經大學金融學院，江蘇 南京 210023)

自2006年放寬縣域銀行準入政策以來，國家對貧困偏遠地區的金融扶持力度加大，金融資源也向經濟發展落后的地區傾斜。2021年中央一號文件首次提出“發展農村數字普惠金融”，試圖改變農村地區金融資源不均衡的問題。但截至2018年年末，農村地區網點數為12.66萬個，村均銀行網點數僅為0.24個，可見金融網點的廣覆蓋并不夠。

隨著信息技術的進步，數字普惠金融在縣域的發展勢頭強勁，?2019年中國普惠金融發展報告?中指出電子支付在農村地區得到了進一步推廣。支付寶、微信、財付通為代表的第三方機構的興起，改變了人們的支付方式和消費習慣，Bjrkegren和Grissen指出它們利用數字技術獲取個人的行為特征、消費習慣，推測還款能力與信用狀況。北京大學公布的數字普惠金融數據顯示，2014年縣域數字普惠金融總指數是47，2018年增長至101，年增長率高達21.1%。陳寶珍和任金政研究發現數字普惠金融能顯著緩解低收入農戶面臨的金融排斥，促使農民使用更多的金融服務，增強了信貸可得性。在理論上，數字普惠金融的發展會降低農戶對于傳統金融機構的需求，對傳統金融機構帶來較大的沖擊。但現實情況是，近年來各縣域銀行網點數依然在增加，卻并沒有出現傳統銀行網點由于數字技術的進步而逐年消逝的現象。因此本文就數字普惠金融與傳統普惠金融在縣域的發展現狀進行比較分析，以期在數字普惠金融與傳統普惠金融的比較中尋求如何實現縣域包容性金融的發展。

一、數據來源與研究方法

(一)數據來源

數字普惠金融有兩種模式:傳統銀行服務的數字化與互聯網公司的普惠金融業務。前者是普惠金融的數字化，后者表現為數字金融的普惠性。本文所討論的數字普惠金融僅為互聯網公司的普惠金融業務，數據來源為北京大學縣級數字普惠金融指數，數據本身具有一定代表性。傳統普惠金融數據來源中國銀保監會金融許可證信息，參考王雪和何廣文的做法，本文從機構滲透度、金融服務可得性與使用效用性維度，使用熵值法構建傳統普惠金融指標。如表1所示。

表1 縣域普惠金融指標定義及數據來源

(二)研究方法

1.變異系數

變異系數是數據組標準偏差與平均數的比值，常用于分析數據的離散程度以及是否存在

σ

收斂，是分析內部差異與收斂性較為合理的指標。公式如下:

2.泰爾指數及其分解

泰爾指數由荷蘭經濟學家Henri Thei于1976年研究收入差距時最先提出。相比于基尼系數，泰爾指數具有更易于分解的特征，本文將各地區普惠金融發展總體差距

T

分解為組內差距

T

與組間差距

T

，公式如下所示:

3.全局自相關與局部自相關

為了衡量縣域普惠金融的空間聚集程度，本文使用Moran's I進行全局自相關檢驗。Moran's I公式如下:

三、發展現狀分析

(一)縣域普惠金融發展的收斂性分析

為了比較不同年份數字普惠金融發展的普惠性，本文采用變異系數衡量總指數的離散程度以及該指數是否存在σ收斂。如圖1所示，分別使用省、市、縣口徑的數字普惠金融指數計算得出變異系數。數字普惠金融在省、市、縣內部之間的差異不斷縮小，其中縣域數字普惠金融的發展更能體現普惠性的特征。可能的原因在于，在經濟落后的縣域地區，數字普惠金融有較大的潛在市場。以數字化程度為例，2018年排名前20名的縣域中有70%來自中西部地區，這表明經濟水平高低不是數字普惠金融發展水平高低的唯一標準。

圖1 省、市、縣數字普惠金融指數變異系數

(二)縣域普惠金融發展水平差距分析

根據表2，縣域傳統普惠金融泰爾指數呈現下降趨勢，這表明各個縣域傳統普惠金融的發展水平之間的差距在逐漸縮小。從泰爾指數分解結果看，各個縣域傳統普惠金融發展水平的主要差距來源于省內差距，但省內差距也在逐漸降低。

表2 全國縣域傳統普惠金融發展水平差距及來源

根據表3，各縣域數字普惠金融的總體差距在逐漸降低，從2014年的0.0231降低至2018年的0.0011。從泰爾指數分解結果看，全國縣域數字普惠金融的差距的主要來源從省內差距轉變為省際差距。2014~2015年省內差距的貢獻率較大，但2016~2018年，省內差距貢獻率明顯低于省際差距貢獻率。

表3 全國縣域數字普惠金融發展水平差距及來源

(三)縣域普惠金融發展時空演化分析及聚集性分析

根據自然斷點法分級法的分組規則自動將數據分為五組，本文使用ArcGIS 10.2進一步分析2014年與2018年數字普惠金融(difi)與傳統普惠金融總指數(ifi)的空間分布情況。研究發現:從時間趨勢看，各地區2018年縣域普惠金融發展水平顯著高于2014年；從空間分布看，全國縣域普惠金融發展的空間異質性特征明顯，且存在明顯的時空變化特征。傳統普惠金融發展水平較高的區域主要集中在東部地區，中等水平集中在中部地區，低水平集中在西部地區，普惠金融發展水平呈現出從西向東逐漸提高的空間分布格局。而數字普惠金融的空間分布更為均勻，更能體現普惠性的特征。

為了更為客觀地檢驗各縣域之間普惠金融發展水平的空間依賴性，首先使用莫蘭指數檢驗縣域數字普惠金融與傳統普惠金融是否存在空間依賴。

表4顯示了2014~2018年的全國數字普惠金融與傳統普惠金融各維度指數的全局莫蘭指數，數值均大于0，且通過1%的顯著性檢驗，拒絕了“不存在空間自相關”的原假設。這表明各個年份的指數并不是隨機分布的，而是存在著顯著的空間正相關性；且相比于傳統普惠金融，數字普惠金融莫蘭指數均大于0.5，全局相關性更高。在全國縣域層面，普惠金融存在著高高空間聚集與低低空間聚集的空間分布特征。即在相鄰地區有一定聚集趨勢，普惠金融發展水平高的縣(縣級市)聚集在一起，發展水平低的縣(縣級市)聚集在一起。

表4 全局莫蘭指數

接著，使用Lisa聚類圖研究全國縣域數字普惠金融與傳統普惠金融各維度的空間聚集情況。研究發現:從整體上看，數字普惠金融與傳統普惠金融發展水平的空間聚集情況一直處于動態變化中，相比于2014年，普惠金融高高聚集的縣域數量明顯提升；從空間分布特點看，全國傳統普惠金融水平呈現出“東西部高高聚集，中部低低聚集，且高高聚集的區域向東北三省進一步擴張”的特點；全國數字普惠金融水平呈現出“東部高高聚集、中西部低低聚集，且聚集性在本地區進一步擴張”的特點。

四、縣域數字普惠金融發展的困境與特征分析

縣域地區的普惠金融發展實際上存在很多瓶頸與阻礙，具體如下:

(一)縣域地區存在嚴重的“工具排斥”

現有研究發現，對于原先難以獲得傳統信貸服務的農民同樣很難獲得互聯網金融服務，依然被排斥在金融服務外，除了農民自身原因，主要原因在于存在“工具排斥”。數據顯示:電腦、智能手機等設備在農村地區的普及率相比于城市還遠遠不夠，農村寬帶接入用戶數雖然近年來以較高的增速每年保持平穩的增長，但總量水平仍然處于低位。

(二)農村居民有嚴重的“自我排斥”

農村居民金融知識欠缺，理財意識淡薄，對數字金融產品的使用保持謹慎甚至排斥的態度。大部分農民(尤其是建檔立卡貧困戶)是風險厭惡者，風險厭惡偏好導致的“自我排斥”是原因之一。2018年發布的?中國電信網絡詐騙分析報告?中指出，最容易受騙的四類人群是:大學生(含大專生)、城市外來務工人員、老年人和農村地區人群，且金融理財類詐騙是涉案金額最高、人均損失最大的詐騙類型。

(三)數字普惠金融風險高且監管機制不完備

數字技術具有開放性的特征，以此為基礎數字普惠金融面臨嚴峻的數據安全問題，存在信息泄露風險。傳統商業銀行破產風險極小，且在中央銀行有充足的存款準備金，資金流動性強。相比之下數字普惠金融機構難免面臨資金安全風險，且很多數字普惠金融機構跨越了地理的限制，在提供更便捷服務的同時，也帶了更大難度的監管問題。

五、建議與展望

相比于傳統普惠金融，數字普惠金融更符合商業可持續性要求，為農村地區普惠金融提供了一個新的思路，但也存在不少發展瓶頸。針對數字普惠金融在農村地區的困境，本文提出以下建議，以期為促進建立以傳統銀行為中心，互聯網為支撐的農村數字普惠金融生態體系提供一些對策建議。

一是完善電信基礎設施，減少“工具排斥”。政府應加大農村地區信息基礎設施建設，提高農村地區網絡通達率和智能設備普及率，為農村地區數字普惠金融的發展奠定扎實的基礎。數字普惠金融機構應設計更適合農村居民的金融產品，滿足農村居民多樣化金融需求。

二是多渠道宣傳金融知識，提高農村居民的金融素養，減少“自我排斥”。增加農村居民可接觸金融知識的可能性，開展金融知識普及、防范金融詐騙等宣傳。加強地方政府與金融機構和互聯網金融企業的聯系與合作，著力提高農民金融素養，減少“自我排斥”。

三是構建數字普惠金融監管體系，降低信用風險、數據安全等風險。加快構建新的數字普惠金融監管體系，對數字技術存在的信用風險、數據安全風險等進行管控。同時建立健全機構的準入與退出制度，對數字普惠金融機構的資質定期進行評估，保障市場環境的健康。