周天蕓

摘 要：農(nóng)村金融發(fā)展的目標(biāo)是實(shí)現(xiàn)普惠金融，緩解和消除“金融排斥”現(xiàn)象。本文基于金融地理排斥的理論模型，運(yùn)用中國縣域數(shù)據(jù)，實(shí)證檢驗(yàn)中國縣域地區(qū)的金融排斥程度及其成因。結(jié)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(qū)人口密度、從業(yè)人數(shù)、人均收入、社會消費(fèi)、居民儲蓄、政府支出、基礎(chǔ)設(shè)施、教育水平和與省會城市的距離。此外，少數(shù)民族和地區(qū)變量也對金融密度產(chǎn)生明顯的影響。

關(guān)鍵詞：金融密度；服務(wù)可及；金融排斥；縣域金融

中圖分類號：F832.43 文獻(xiàn)標(biāo)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(xí)近平總書記在黨的十九大報(bào)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(fā)展之間的矛盾。從經(jīng)濟(jì)基礎(chǔ)的角度看，“不平衡不充分”主要體現(xiàn)在經(jīng)濟(jì)的產(chǎn)業(yè)結(jié)構(gòu)、需求結(jié)構(gòu)、增長動力以及區(qū)域和城鄉(xiāng)的差異上。由此，金融業(yè)需要從以往注重傳統(tǒng)行業(yè)轉(zhuǎn)向?yàn)楝F(xiàn)代服務(wù)業(yè)和先進(jìn)制造業(yè)服務(wù)，從以往主要為生產(chǎn)者服務(wù)轉(zhuǎn)向更多地為消費(fèi)者服務(wù)，從以往集中于東部、集中于大城市更多地向中西部和鄉(xiāng)村延伸，從以往動員儲蓄、推動大規(guī)模投資的粗放式金融發(fā)展模式轉(zhuǎn)向利用金融科技、高效配置金融資源的集約型金融發(fā)展模式。

縣域經(jīng)濟(jì)是國民經(jīng)濟(jì)中相對獨(dú)立的基本單元。截至2017年底，我國縣級行政區(qū)劃數(shù)為2581個，縣級行政區(qū)域土地面積約占全國陸地面積的90%；縣域人口約占總?cè)丝诘?5%以上；縣域GDP占國民經(jīng)濟(jì)整體比重約為50%，縣域經(jīng)濟(jì)成為推動我國國民經(jīng)濟(jì)持續(xù)快速發(fā)展的重要力量。但是，縣域城鄉(xiāng)居民儲蓄存款余額只占全國城鄉(xiāng)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(qū)低17.2個百分點(diǎn)，涉農(nóng)貸款不良貸款率為2.3%，作為縣域金融主力軍的農(nóng)村信用社不良貸款率為6.44%，遠(yuǎn)高于同期銀行業(yè)金融機(jī)構(gòu)1.55%的水平，縣域金融發(fā)展滯后，與縣域在全國的經(jīng)濟(jì)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(guān)聯(lián)。

中國縣域地區(qū)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(jī)構(gòu)撤并，其中以銀行的工作人員數(shù)量和吸收存款額為依據(jù)，人均存款額（存款額/工作人員數(shù)）在50萬元以下的營業(yè)網(wǎng)點(diǎn)全部撤銷，50萬—100萬元的營業(yè)網(wǎng)點(diǎn)部分撤銷，100萬—150萬元的營業(yè)網(wǎng)點(diǎn)合并，同時二級分行也大量撤并。1998—2001年間，國有商業(yè)銀行撤并境內(nèi)分支機(jī)構(gòu)和營業(yè)網(wǎng)點(diǎn)達(dá)到4.4萬個。正是這次改革，國有商業(yè)銀行大幅度撤并其基層分支機(jī)構(gòu)，紛紛從效率不高的縣域地區(qū)撤離，造成縣域金融服務(wù)缺乏，加劇中國縣域的金融排斥。

由于金融機(jī)構(gòu)的分布數(shù)量和規(guī)模的限制，縣域經(jīng)濟(jì)中的中小企業(yè)和農(nóng)村經(jīng)濟(jì)主體難以獲得充足的融資服務(wù)，導(dǎo)致金融發(fā)展難以發(fā)揮促進(jìn)經(jīng)濟(jì)增長的作用。在金融排斥問題被關(guān)注之后，學(xué)者們的研究證實(shí)了金融排斥對縣域經(jīng)濟(jì)的不良影響。鐘笑寒等（2005）利用中國農(nóng)業(yè)銀行的數(shù)據(jù)，研究國有商業(yè)銀行在農(nóng)村網(wǎng)點(diǎn)的收縮，證實(shí)其對農(nóng)村經(jīng)濟(jì)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(xué)者則進(jìn)一步證實(shí)中國農(nóng)村金融的地理排斥。

金融發(fā)展對縣域地區(qū)的經(jīng)濟(jì)增長有著不可替代的意義，因此，金融機(jī)構(gòu)的地理分布直接影響著金融服務(wù)的可及性，并與縣域金融地理排斥息息相關(guān)。本文嘗試分析影響中國縣域金融發(fā)展的因素，解析導(dǎo)致中國縣域金融地理排斥的原因。

一、文獻(xiàn)綜述

“金融排斥”的概念由金融地理學(xué)家Leyshon和Thrift于1993年提出，他們在研究金融地理學(xué)的過程中發(fā)現(xiàn)金融排斥現(xiàn)象，即貧困人群由于地理因素的限制受到金融機(jī)構(gòu)的排斥，使他們難以獲得金融產(chǎn)品和金融服務(wù)，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(jī)構(gòu)的距離。早期的金融排斥實(shí)際是金融地理排斥（Geographic Financial Exclusion），而此后金融排斥的內(nèi)涵得到學(xué)者們的拓展。

西方學(xué)者最早關(guān)注和研究金融排斥的地理傾向性，Pollard（1996）與Fuller（1998）發(fā)現(xiàn)金融排斥的地理空間傾向明顯，金融機(jī)構(gòu)多在欠發(fā)達(dá)地區(qū)關(guān)閉。由于農(nóng)村地區(qū)明顯落后于城市，金融服務(wù)在農(nóng)村的單位成本高于城市，人口密集度不同，農(nóng)村地區(qū)金融機(jī)構(gòu)的關(guān)閉率相當(dāng)高。Lamer和Heron（2002）發(fā)現(xiàn)新西蘭的金融機(jī)構(gòu)網(wǎng)點(diǎn)主要在農(nóng)村地區(qū)關(guān)閉；Argent和Ropey（2000）也證實(shí)澳大利亞的情況，除去人口變遷的因素，金融機(jī)構(gòu)仍然呈現(xiàn)出在城市擴(kuò)展、在農(nóng)村收縮的不平衡現(xiàn)象。同樣的現(xiàn)象也發(fā)生在中國，四大國有商業(yè)銀行的撤出造成中國縣域金融的“真空”，引發(fā)我國學(xué)者的關(guān)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(nèi)研究金融排斥問題的也越來越多，尤其在衡量我國農(nóng)村地區(qū)的金融排斥程度方面，國內(nèi)學(xué)者得到大量結(jié)論。田霖（2011）發(fā)現(xiàn)我國金融排斥的城鄉(xiāng)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(fā)現(xiàn)中國各省的農(nóng)村金融排斥有著明顯的區(qū)域差異。

對金融排斥現(xiàn)象探討之后，學(xué)者們開始分析造成這一現(xiàn)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(jī)構(gòu)在某些地區(qū)撤并的原因以及金融機(jī)構(gòu)密度低、缺乏金融服務(wù)地區(qū)的特征，進(jìn)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(qū)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(jìn)行補(bǔ)充，認(rèn)為即使控制一定的社會經(jīng)濟(jì)因素，地區(qū)因素仍然對金融排斥產(chǎn)生顯著影響。隨后國外學(xué)者在微觀層面開展研究，對受排斥群體的個體屬性進(jìn)行更深入的研究，認(rèn)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(wù)監(jiān)管局（FSA）在已有文獻(xiàn)的基礎(chǔ)上，從宏觀層面調(diào)查世界范圍內(nèi)金融排斥的現(xiàn)狀。我國學(xué)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(jìn)行分析。田霖（2008）開始采用定量研究方法，證明影響我國省域?qū)用孓r(nóng)村金融排斥程度的因素包括人均純收入、從業(yè)人員數(shù)、農(nóng)戶儲蓄和農(nóng)民金融知識；高沛星等（2011）補(bǔ)充的影響因素是收入、金融效率、就業(yè)和農(nóng)業(yè)化水平；董曉林和徐虹（2012）基于縣域金融機(jī)構(gòu)的分布，發(fā)現(xiàn)人口規(guī)模、社會消費(fèi)品零售總額、金融基礎(chǔ)設(shè)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(wù)的因素。

本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上，基于數(shù)據(jù)的可獲得性，設(shè)立全面的金融密度指數(shù)，探討中國農(nóng)村的金融排斥程度及其影響因素，深度解剖中國農(nóng)村金融的發(fā)展進(jìn)程。

二、金融地理排斥的理論模型

對于農(nóng)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(jīng)典理論模型，學(xué)者后續(xù)在此模型基礎(chǔ)上進(jìn)行拓展分析，通過放松相關(guān)假設(shè)，加入更多反映現(xiàn)實(shí)情況的變量，如市場結(jié)構(gòu)（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(jù)中國農(nóng)村的實(shí)際情況修正模型，探討農(nóng)村金融地理排斥的因素。

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

假設(shè)銀行提供活期存款和定期存款兩種服務(wù)，則第i個縣對這兩種服務(wù)的需求函數(shù)可表示如下：

[ηyi>0]、[ηPi>0]、[ηKi<0]。等式（9）是基于各地區(qū)對銀行分支機(jī)構(gòu)的設(shè)立沒有任何政策限制的前提下得到，因此，設(shè)立限制的存在將會增加銀行的成本，但也會限制壟斷的產(chǎn)生。當(dāng)考慮放松假設(shè)（2）時，引入系數(shù)[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(fā)現(xiàn)影響金融地理排斥的因素包括經(jīng)濟(jì)變量（人均收入）、社會變量（人口、人口集中度）、金融生態(tài)環(huán)境（金融基礎(chǔ)設(shè)施）以及其他因素（政府干預(yù)）。

根據(jù)國內(nèi)外研究成果、理論模型和研究目的，同時考慮數(shù)據(jù)的可獲得性，在模型的基本設(shè)定中，本文將下列六類因素納入模型：

第一類變量是人口統(tǒng)計(jì)指標(biāo)，包括人口規(guī)模、人口密度、就業(yè)人數(shù)；第二類變量是經(jīng)濟(jì)活動指標(biāo)，包括農(nóng)村居民人均純收入、地區(qū)實(shí)際GDP增長率、社會消費(fèi)品零售總額；第三類變量是金融資源指標(biāo)，包括居民儲蓄存款余額；第四類變量是社會環(huán)境指標(biāo)，包括少數(shù)民族虛擬變量、地區(qū)虛擬變量、政府財(cái)政支出占GDP比重、普通中學(xué)在校學(xué)生數(shù)；第五類變量是地理位置指標(biāo)，包括與中心城市的距離；第六類變量是信息技術(shù)指標(biāo)，包括固定電話用戶數(shù)。表1列出各解釋變量的定義及對農(nóng)村金融密度的作用方向。

正如Leyshon和Thrift（1996）指出，金融機(jī)構(gòu)的作用在于減少信息不對稱，從而降低金融機(jī)構(gòu)向貧困人群提供金融服務(wù)的成本，有效緩解因節(jié)約成本而發(fā)生的金融排斥問題。本文認(rèn)同金融機(jī)構(gòu)數(shù)量是金融排斥的直觀體現(xiàn)，對被解釋變量的選取參照陳莎和周立（2012）的研究，以金融機(jī)構(gòu)數(shù)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(biāo)，構(gòu)建縣域金融的4個“金融密度”指標(biāo)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(jīng)濟(jì)金融密度”。

三、數(shù)據(jù)與實(shí)證

本文運(yùn)用2015年全國2580個縣域的截面數(shù)據(jù)進(jìn)行實(shí)證分析，其中縣域金融機(jī)構(gòu)的數(shù)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(jī)構(gòu)”，然后地圖顯示出該縣域及周邊的銀行與金融機(jī)構(gòu)數(shù)量。對此指標(biāo)有4點(diǎn)說明：一是所得機(jī)構(gòu)數(shù)是在該縣域居民可觸及范圍之內(nèi)，而不是限制在行政邊界之內(nèi)，因?yàn)槿珖骺h域之間并不存在金融阻隔，處在縣域邊界的居民或企業(yè)，出于方便快捷的考慮，可能去相鄰縣域的金融機(jī)構(gòu)辦理業(yè)務(wù)；二是關(guān)于這一數(shù)據(jù)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(jìn)行更新，因此數(shù)據(jù)具有一定的時效性；三是地圖上搜索出的銀行和金融機(jī)構(gòu)包括銀行（含ATM）、證券營業(yè)部、理財(cái)公司、期貨公司、信用社、保險公司和會計(jì)師事務(wù)所等各種金融機(jī)構(gòu)及服務(wù)機(jī)構(gòu)；四是本文對不同縣域采取同樣的比例尺，以保證數(shù)據(jù)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(diǎn)之間的直線距離定義為縣域與省會城市之間的距離，因?yàn)閮傻刂g介質(zhì)（河流、海洋或陸地）的不同也會對交通的便利程度產(chǎn)生影響。為統(tǒng)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(shù)據(jù)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(shù)據(jù)來源于《中國縣域統(tǒng)計(jì)年鑒（縣市卷）》（2016）、《中國區(qū)域統(tǒng)計(jì)年鑒》（2016）及各地區(qū)的2016年統(tǒng)計(jì)年鑒。

1. 描述性統(tǒng)計(jì)。根據(jù)表3的統(tǒng)計(jì)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(biāo)準(zhǔn)差達(dá)到483.5；其次是人口金融密度，經(jīng)濟(jì)金融密度的差異較小，地理金融密度的差異最小，標(biāo)準(zhǔn)差僅為0.804。由此推測，金融機(jī)構(gòu)在我國縣域的分布并不帶有強(qiáng)烈的行政平均主義色彩，人口、地理面積和經(jīng)濟(jì)發(fā)展等因素影響的金融機(jī)構(gòu)分布可能更趨于均衡。

同時，標(biāo)準(zhǔn)差雖然能客觀準(zhǔn)確地反映一組數(shù)據(jù)的離散程度，但是對于不同的項(xiàng)目，或同一項(xiàng)目不同的樣本，標(biāo)準(zhǔn)差就缺乏可比性了，因此本文引入變異系數(shù)CV，將一組數(shù)據(jù)的平均值及標(biāo)準(zhǔn)差同時作為參考的依據(jù)。變異系數(shù)為標(biāo)準(zhǔn)差除以平均值所得的商，能夠更好地比較數(shù)據(jù)的離散程度。比較4個金融密度變量的變異系數(shù)，結(jié)果發(fā)生很大變化，地理金融密度的變異系數(shù)最大，經(jīng)濟(jì)金融密度則最小，反映出中國縣域的金融機(jī)構(gòu)分布與當(dāng)?shù)氐慕?jīng)濟(jì)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(shù)，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(jìn)一步分析。

在對原始數(shù)據(jù)進(jìn)行統(tǒng)計(jì)分析后，本文對數(shù)據(jù)進(jìn)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(jié)果的準(zhǔn)確性，對缺漏值進(jìn)行刪除，刪除后的各變量均有2476個觀察值；第二，由數(shù)據(jù)的偏度與峰度值可知，各變量的分布并不符合正態(tài)分布的要求，為保證最小二乘回歸方法的適用性，對除了經(jīng)濟(jì)增長率之外的其他變量進(jìn)行對數(shù)轉(zhuǎn)換，數(shù)據(jù)基本上滿足偏度為0、峰度為3的正態(tài)分布要求，對數(shù)變化后的數(shù)據(jù)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(shù)據(jù)。

通過對數(shù)據(jù)進(jìn)行共線性檢驗(yàn)，發(fā)現(xiàn)年末人口數(shù)與鄉(xiāng)村從業(yè)人員數(shù)、普通中學(xué)在校學(xué)生數(shù)的相關(guān)系數(shù)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(shù)（pop）這一變量。

2. OLS回歸及其結(jié)果。根據(jù)上文的計(jì)量模型，運(yùn)用stata11.0軟件對4個被解釋變量（administration、geographic、demographic、economic）進(jìn)行回歸的結(jié)果如表4所示。

結(jié)果表明，人口密度的影響符合預(yù)期，人口密度反映出人群離金融機(jī)構(gòu)的距離，人口密度越大，人群距離金融機(jī)構(gòu)越近，從定義上就反映金融地理排斥程度越低；從業(yè)人員數(shù)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(shù)量和經(jīng)濟(jì)總量因素后，二者顯著正相關(guān)，說明從業(yè)人員一定程度上仍反映對金融服務(wù)的潛在需求，通過銀行提供金融服務(wù)的風(fēng)險和管理成本，影響農(nóng)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(yù)期相同，因?yàn)楦鶕?jù)已有研究結(jié)果，金融意識越高的農(nóng)戶發(fā)生借貸的概率越大，選擇正規(guī)金融機(jī)構(gòu)借貸的概率也越大，從而對金融機(jī)構(gòu)的需求增加，催生金融機(jī)構(gòu)的設(shè)立，故二者正相關(guān)。

農(nóng)民人均純收入、社會消費(fèi)和居民儲蓄在回歸方程中都基本上保持顯著為正，說明經(jīng)濟(jì)變量對金融密度的影響不可忽視，經(jīng)濟(jì)越發(fā)達(dá)意味著金融機(jī)構(gòu)經(jīng)營貸款的風(fēng)險相對越小，提供金融產(chǎn)品服務(wù)的單位成本越低，所以經(jīng)濟(jì)較發(fā)達(dá)地區(qū)擁有更密集的金融網(wǎng)點(diǎn)。但上述三個變量對金融密度的影響是與經(jīng)濟(jì)總量息息相關(guān)的，經(jīng)濟(jì)增長率在所有回歸模型中均不顯著，結(jié)果與預(yù)期不符，可能是經(jīng)濟(jì)增長率對金融機(jī)構(gòu)分布的影響具有滯后性。代入上一年的增長率進(jìn)行回歸，結(jié)果仍不顯著。由此說明，現(xiàn)階段農(nóng)村金融機(jī)構(gòu)選址過程中，過多考慮的是經(jīng)濟(jì)總量而非經(jīng)濟(jì)增長率。

政府支出在前3個回歸方程中均顯著為負(fù)，但在（4）中顯著為正。究其原因可能是GDP和政府支出的相關(guān)系數(shù)為-0.308，所以政府支出越大，在一定程度上反映出當(dāng)?shù)丶毙枵哟笾С隼瓌咏?jīng)濟(jì)，表明當(dāng)?shù)亟?jīng)濟(jì)越落后，故金融機(jī)構(gòu)分布越少，當(dāng)排除經(jīng)濟(jì)總量因素后，政府支出對金融機(jī)構(gòu)的分布是有積極作用的；基礎(chǔ)設(shè)施在4個回歸方程中均不顯著，且系數(shù)接近于零，說明農(nóng)村地區(qū)虛擬的金融服務(wù)體系并沒有替代實(shí)體的金融機(jī)構(gòu)網(wǎng)點(diǎn)，即使有電子銀行，農(nóng)村居民還是選擇在傳統(tǒng)的營業(yè)網(wǎng)點(diǎn)辦理金融業(yè)務(wù)。對此，許圣道和田霖（2008）也曾經(jīng)得出相似的結(jié)論。

距離變量如預(yù)期，縣市離省會城市越遠(yuǎn)，受其金融輻射的影響就越弱，與省會城市之間的經(jīng)濟(jì)金融活動交流變得更加困難，因此金融機(jī)構(gòu)的分布就越少；少數(shù)民族虛擬變量的符號與預(yù)期相同，少數(shù)民族聚集區(qū)往往金融基礎(chǔ)設(shè)施薄弱，又因?yàn)樽晕遗懦舛狈ο鄳?yīng)的金融服務(wù)需求，構(gòu)成Leyshon和Thrift（1997） 所說的金融排斥的“地理空洞”現(xiàn)象；地區(qū)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(qū)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(qū)差異的west系數(shù)在行政和經(jīng)濟(jì)金融密度中都顯著為負(fù)，說明在控制其他變量不變的情況下，西部地區(qū)的金融排斥比中部地區(qū)更為嚴(yán)重。

3. 模型的穩(wěn)健性檢驗(yàn)及調(diào)整。由于中國各個縣域的差異較大，傳統(tǒng)OLS的均值回歸不能全面反映所考察問題，本文運(yùn)用具有更高穩(wěn)健性的分位數(shù)回歸，依據(jù)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(diǎn)縣域金融密度的影響效應(yīng)及顯著性差異。由于地理金融密度、人口金融密度的分位點(diǎn)回歸結(jié)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(jīng)濟(jì)金融密度的分位數(shù)回歸結(jié)果如表5、表6所示。

行政金融密度的分位點(diǎn)回歸結(jié)果表明，人口密度、經(jīng)濟(jì)增長、社會消費(fèi)、居民儲蓄、政府支出、距離變量都與OLS回歸的結(jié)果一致。從業(yè)人數(shù)的符號都為正，但只有處于中間區(qū)間的分位點(diǎn)才顯著；基礎(chǔ)設(shè)施在OLS回歸分析中，系數(shù)雖然為正，但并不顯著，分位數(shù)回歸結(jié)果在10%分位點(diǎn)上，基礎(chǔ)設(shè)施顯著為正，這意味著金融機(jī)構(gòu)匱乏地區(qū)可以通過改善當(dāng)?shù)鼗A(chǔ)設(shè)施提高金融密度，但當(dāng)金融機(jī)構(gòu)數(shù)量上升到一定水平時，這一拉動效應(yīng)變得不顯著；教育水平保持正向影響，但系數(shù)及其顯著性都變小，當(dāng)行政金融密度位于90%分位點(diǎn)時，教育水平的影響變得不顯著，說明對于金融機(jī)構(gòu)分布密集地區(qū)，金融意識已經(jīng)相當(dāng)普及，并不能影響金融機(jī)構(gòu)的區(qū)位選擇；少數(shù)民族虛擬變量的影響并不穩(wěn)定，僅對10%和25%分位點(diǎn)的行政金融密度有顯著的負(fù)向影響，東部地區(qū)虛擬變量（east）也是如此，西部地區(qū)虛擬變量（west）雖然符號在各分位點(diǎn)都保持一致，但只有75%分位點(diǎn)通過了顯著性檢驗(yàn)。

經(jīng)濟(jì)金融密度排除經(jīng)濟(jì)總量GDP對金融機(jī)構(gòu)數(shù)量的影響，考察每億元GDP擁有金融機(jī)構(gòu)數(shù)量的影響因素，結(jié)果表明人口密度、從業(yè)人數(shù)、經(jīng)濟(jì)增長 、教育水平和距離變量的影響均保持穩(wěn)定；社會消費(fèi)和居民儲蓄的影響變小且不顯著，說明是通過經(jīng)濟(jì)總量對金融機(jī)構(gòu)分布產(chǎn)生間接影響；政府支出在分位點(diǎn)回歸中得到進(jìn)一步補(bǔ)充，政府支出的系數(shù)隨著經(jīng)濟(jì)金融密度的增加而減小，說明排除經(jīng)濟(jì)因素后，政府支出對金融機(jī)構(gòu)數(shù)量的影響會隨著政府支出的增大而變小，這符合經(jīng)濟(jì)學(xué)里的邊際遞減效應(yīng)；基礎(chǔ)設(shè)施的影響仍不顯著，但當(dāng)經(jīng)濟(jì)金融密度較大時其符號變?yōu)樨?fù)，可能是對于經(jīng)濟(jì)金融較發(fā)達(dá)地區(qū)，虛擬的金融服務(wù)體系對實(shí)體的金融機(jī)構(gòu)網(wǎng)點(diǎn)有所替代，人們開始傾向于使用電話銀行等；少數(shù)民族虛擬變量和西部地區(qū)虛擬變量（west）的影響顯著增強(qiáng)，但東部地區(qū)虛擬變量（east）變得不顯著。

四、結(jié)論和建議

本文分析了中國縣域的金融排斥現(xiàn)象，度量中國縣域金融排斥的程度，并實(shí)證檢驗(yàn)中國縣域金融排斥的影響因素，研究主要得到以下結(jié)論：

第一，中國縣域金融機(jī)構(gòu)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(shù)最大，經(jīng)濟(jì)金融密度則最小，反映中國縣域的金融機(jī)構(gòu)分布更主要與當(dāng)?shù)氐慕?jīng)濟(jì)水平、人口數(shù)量相一致，受行政區(qū)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(yè)人員數(shù)并不影響行政區(qū)劃內(nèi)的金融機(jī)構(gòu)總數(shù)，而是對每平方公里、每萬人和每單位GDP所擁有的金融機(jī)構(gòu)數(shù)量有顯著影響。金融知識一定程度上代表對金融機(jī)構(gòu)的需求，從而影響金融機(jī)構(gòu)的分布，但對于金融機(jī)構(gòu)分布密集地區(qū)，金融意識已經(jīng)相當(dāng)普及，并不能影響金融機(jī)構(gòu)的區(qū)位選擇。

第三，農(nóng)民人均純收入、居民儲蓄、社會消費(fèi)的確可以減緩金融地理排斥，但并不能對金融密度產(chǎn)生直接影響，而是通過經(jīng)濟(jì)總量而產(chǎn)生間接影響。政府支出對金融機(jī)構(gòu)的分布有積極作用，但這一影響會隨著政府支出的進(jìn)一步增大而變小，符合經(jīng)濟(jì)學(xué)的邊際遞減效應(yīng)。

第四，對于金融機(jī)構(gòu)匱乏地區(qū)，通過改善當(dāng)?shù)鼗A(chǔ)設(shè)施可以拉動金融機(jī)構(gòu)的數(shù)量增長，但一旦金融機(jī)構(gòu)數(shù)量上升到一定水平，則這一效應(yīng)消失；絕大部分地區(qū)虛擬的金融服務(wù)體系并不構(gòu)成對實(shí)體的金融機(jī)構(gòu)網(wǎng)點(diǎn)的替代，但對于經(jīng)濟(jì)金融較發(fā)達(dá)地區(qū)，人們開始傾向于使用電話銀行和網(wǎng)絡(luò)銀行等，且金融機(jī)構(gòu)分布越密集的地區(qū)受中心城市金融輻射力的影響越大。

第五，少數(shù)民族地區(qū)的金融排斥程度相對較高，東部地區(qū)的金融機(jī)構(gòu)分布密度大于中部地區(qū)，而中部地區(qū)的金融機(jī)構(gòu)分布密度又大于西部地區(qū)。

綜上，為緩解中國縣域的金融排斥，政府應(yīng)加大投入支持金融機(jī)構(gòu)的發(fā)展，改善縣域的經(jīng)濟(jì)社會環(huán)境，普及縣域居民的金融知識，加快縣域金融基礎(chǔ)設(shè)施的建設(shè)，發(fā)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(qū)傾斜。

參考文獻(xiàn)：

[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(nóng)村金融機(jī)構(gòu)收縮對農(nóng)村經(jīng)濟(jì)影響的實(shí)證分析[J].上海金融，2009，（5）.

[13]鐘笑寒，湯荔.農(nóng)村金融機(jī)構(gòu)收縮的經(jīng)濟(jì)影響： 對中國的實(shí)證研究[J].經(jīng)濟(jì)評論，2005，（1）.

[14] 王修華，馬柯，王翔.關(guān)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(nóng)村金融排除對城鄉(xiāng)收入差距的影響——來自我國 1578 個縣 （市） 面板數(shù)據(jù)的實(shí)證分析[J]. 中國經(jīng)濟(jì)問題，2011，（5）.

[16]石盛林.縣域金融密度與經(jīng)濟(jì)增長的實(shí)證研究：基于壟斷競爭的解釋[J].中央財(cái)經(jīng)大學(xué)學(xué)報(bào)，2011a（4）.

[17]石盛林.縣域金融對經(jīng)濟(jì)增長的影響機(jī)理——基于DEA方法的前沿分析[J].財(cái)貿(mào)經(jīng)濟(jì)，2011b，（4）.

[18]張國俊，周春山，許學(xué)強(qiáng).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(qū)域金融排斥測度與影響因素的空間分析[J].宏觀經(jīng)濟(jì)研究，2015，（12）.

[20]李建軍，盧盼盼.中國居民金融服務(wù)包容性測度與空間差異[J].經(jīng)濟(jì)地理，2016，（3）.

[21]王錚，武巍，吳靜.中國各省區(qū)經(jīng)濟(jì)增長溢出分析[J]. 地理研究，2005，24（2）.

[22]高沛星，王修華.我國農(nóng)村金融排斥的區(qū)域差異與影響因素——基于省際數(shù)據(jù)的實(shí)證分析. 農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011，（4）.

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

[24]董曉林，徐虹. 我國農(nóng)村金融排斥影響因素的實(shí)證分析——基于縣域金融機(jī)構(gòu)網(wǎng)點(diǎn)分布的視角. 金融研究，2012，（9）.

[25]陳莎，周立.中國農(nóng)村金融地理排斥的空間差異——基于 “金融密度” 衡量指標(biāo)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(zé)任編輯 劉西順；校對 GY，XS）