?西北地区农村金融排斥的区域差异及影响因素分析

2020-05-06杨夏林陈步高

湖南农业科学 2020年2期

杨夏林陈步高

摘要：以市域为研究单位，运用金融发展指数和泰尔指数，从区域的角度对西北农村金融排斥程度进行比较和差异分解，并建立系统广义矩模型分析其影响因素。得出以下结论：2009—2018年西北农村金融排斥的区域总差异呈倒“U”型演变特征，地区内的差异大于地区间差异;农村人均纯收入、城乡收入差距、农村老龄化程度及农村就业人口是影响农村金融排斥差异的主要因素，且以上影响因素在不同地区和时期对农村金融排斥差异的影响程度不同。

关键词：西北地区;农村金融排斥;区域差异;系统广义矩

中图分类号：F327文献标识码：A文章编号：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

我国西北地区属偏远省份，金融机构数量极少，当地某些农户是典型的“边缘借款人”。理论界普遍认为金融排斥会制约当地经济的发展，尤其是在经济发展落后的农村地区，金融排斥会阻碍农民、农企、农业融资，导致城乡收入差距持续扩大[1-2]。国内学者对农村金融排斥的研究较晚，但目前已取得丰硕的成果。初期，学者使用了定性分析方法研究了我国农村金融排斥的原因[3-5]。随着研究的深入，学者们开始采用定量分析方法对农村金融排斥的区域差异进行测度，并通过构建模型来探析影响差异性的因素[6]。测度方法也更具科学性，由间接反映各省金融排斥程度的因子分析法演变到金融排斥指数（IFE）测度法[7-8]。对上述研究总结如下。首先，在研究尺度上，多以全国作为研究单位，少有从市级这一微观层面进行考察的。同一个省内部规模不同的城市间可能存在明显的异质性，很有必要进行不同维度的比较。其次，在模型的构建上，现有文献多选用时间序列或截面数据

构建模型，研究所用数据很少选用面板数据。最后，现有的文献鲜有研究少数民族地区的金融排斥现象。因此，笔者在借鉴以往相关研究成果的基础上对少数民族的农村金融排斥也进行了探索。选用西北地区5个省、自治区总计49个市的相关数据，运用金融发展指数和泰尔指数，从金融排斥的角度探析西北农村金融发展滞后的原因，以期为改善农村金融排斥状况，加快农村金融发展，有针对性的采取破解措施提供参考。

1 数据来源与模型方法

1.1 数据来源与说明

该研究的样本范围为2009—2018年陕西省、宁夏回族自治区、甘肃省、青海省及新疆维吾尔族自治的地级及以上城市的农村地区。由于某些省份个别地级市数据不全，因此剔除了个别地级市，最终保留的样本点为49个。研究所采用的数据主要来自于以上5个省份（自治区）的统计年鉴、中国银行业监督管理会网站、《中国银行业农村金融服务分布图集》、中国区域金融运行报告、中国县市经济统计年鉴和中国经济统计信息网。

1.2 模型方法

通过金融发展指数（IFE）测算了西北地区农村金融排斥程度，所选的指标为“四维度”分析指标，即金融服务的渗透度、使用度、可負担度、效用度;在衡量西北各地区农村金融排斥的差距时，采用了泰尔指数分析方法，这是由泰尔指数的分界性特征决定的[9-10]。在分析西北地区农村金融排斥的影响因素时，选用了面板数据估计和系统广义矩模型。选用系统广义矩模型，其原因有2点。第一，西北地区49市、自治区的农村人口规模、经济发展状况等条件的不同可能会导致回归结果出现异质性;样本包括了许多少数民族聚居区，少数民族与非少数民族相比，宗教信仰、历史文化的不同，回归结果可能也会存在异质性。第二，农村人均纯收入、城乡收入差距及农村就业人口等变量之间，或者遗漏变量与其他变量之间相关会产生内生性问题。因此，需要提高工具变量的有效性来解决样本的异质性和模型的内生性问题，系统广义矩（SYS-GMM）模型可以克服上述问题。在模型中，因变量为农村金融排斥指数，自变量如表1所示。

2 结果与分析

2.1 西北地区农村金融排斥的区域差异

2.1.1 西北各地区农村金融排斥程度表2为2009—2018年西北各地区农村金融排斥的均值及排名。指数越大，排名越靠前，则该地区农村金融排斥程度越高。由表2可知，各地区农村金融排斥程度具有一定的差距，其中最高的是喀什地区，达到0.952;最低的是银川市，为0.709;少数民族聚集地区的排斥指数相较于非少数民族地区要高;同一省份不同市区的农村金融排斥程度可能具有较大的差距，如甘肃省的庆阳市排名为3，而酒泉市排名为48，两者的排斥程度相差0.235;但陕西省西安市、甘肃省兰州市与宁夏回族自治区的石嘴山这3个不同省份的市区其农村金融排斥的差距较小，仅相差0.026左右。

2.1.2 西北地区农村金融排斥的区域差异演变特征运用泰尔指数，将西北地区各省按照行政区划分为5组，可测算出各省之间和省份内部差异程度及各自对总差异的贡献情况，以揭示农村金融排斥差异变化的原因。从图1可以看出，2009—2018年西北地区农村金融排斥的总差异呈倒“U”型演变特征，具体表现为：2009—2011年差距不断扩大，2011—2015年差距平稳变化，2015—2018年差距持续降低。省份内部差异与总差异的变化趋势一致，省份间的差距变化幅度较小。省份内部差异是西北地区农村金融排斥總差异的主要贡献者，最高达到了2011年的67.82%，此后呈逐年下降态势。相比于省份内部，省份间差异对总差异的贡献率较小，平均值为34.7%，但从2014年开始，农村金融排斥的总体差异正逐渐由省份内部转向省份之间。

由图1可知，西北地区农村金融排斥的总差异是由省份内部差异引起的，因此可对泰尔指数进行进一步分解，分析出省份内部差异变化的原因，结果如图2所示，新疆维吾尔族自治区农村金融排斥的内部差异是西北地区各省内部总差异的主要贡献力量，2009—2017年的变化趋势为先扩大后缩小，2018年内部差异又有所扩大。省份内部差异显著，表明新疆维吾尔族自治区各市之间农村金融排斥程度存在的差距较大。其次是青海省、甘肃省和宁夏回族自治区，这3个省份的农村金融排斥的内部差异大致趋同，陕西省农村金融排斥的内部差异最小。

2.2 西北地区农村金融排斥区域差异的影响因素

面板数据估计的方法包括2种：固定效应模型（FE）和随机效应模型（RE）。在FE中，个体效应或时间效应与模型中的解释变量具有相关性，而在RE中与解释变量不相关。使用Hausman检验来选择使用FE或RE，该研究中模型的 Hausman检验结果为接受原假设，因此选用了随机效应模型。使用随机效应法对样本进行回归可得到模型1和2，使用广义矩法得到了模型3和4，其中模型2和4中分别加入了省份变量，如表3所示。为进行更深入分析，笔者做了分样本回归。模型5将样本期间缩短为2013—2018年，以检验2013年党的十八届三中全会作出“发展普惠金融”战略部署，各地积极构建普惠型农村金融体系后，这一外生冲击对模型的影响。西北地区5省中有3个省份为少数民族聚居区，因此区分考虑了民族地区和非民族地区的样本，设计了模型6。具体的回归结果，见表4。在进行分样本回归时，选择了随机效应模型，原因有以下2点：一是在使用随机效应和广义矩分别进行回归时，随机效应模型中对被解释变量影响显著的变量较多;二是与随机效应模型相比，广义矩方法需要消耗较多的自由度，因为模型中包含了被解释变量的滞后项且需要纳入工具变量，在分样本回归中，样本的数量有所减少，因此需要选用随机效应模型来减少自由度的消耗，提高回归结果的准确性。

2.2.1 农民人均纯收入全球（FINDEX）数据库（WorldBank 2013）提供了148个国家的成年人储蓄、借贷、付费及管理风险行为方面的数据，数据显示高收入家庭和低收入家庭在金融服务使用方面存在巨大的差距，高收入家庭更容易获得金融服务[11]。在模型1和模型2中，农民人均纯收入均通过了显著性检验，这与上述研究相符，但农民人均纯收入与农村金融排斥程度呈正相关关系与其他学者的研究结论相反。结合西北实际情况，分析其原因可能在于：一是农民思想观念落后，且生活缺乏社会保障，在对抗疾病及生活中的其他风险时能力较低，导致他们习惯将收入储存在家中，而不去接触金融服务，加深了农村金融排斥程度;二是西北地区农民工输出数量庞大，且外出打工收入已成为农民家庭收入重要组成部分，农民工收入的特点是缺乏信贷需求，因而农民人均纯收入虽然有所提高，但是农村金融发展水平仍处于较低水平。因此，需要大力支持农村第二产业和第三产业的发展，增加农民收入来源的多样性，改变农民的思想观念，进而缓解农村金融排斥问题。

2.2.2 城乡收入差距的影响城乡收入差距在全部模型中均通过了显著性检验，且与农村金融排斥差异呈显著正相关，表明随着城乡收入差距的扩大，农村金融排斥差异也扩大。金融机构的“逐利”性和风险规避性使得其偏向于将资金投放到收益高、风险较低的地区，导致农村资金不断流向城市，农民得到信贷的难度也随之增大，进而加深了农村金融排斥程度。当农村金融排斥程度提高时，农村经济发展势必受到影响，城乡收入差距也会进一步拉大，农村金融发展和城乡收入差距将陷入恶性循环发展中。李小建[12]的研究也从侧面证实了这一观点，他认为收入水平影响着金融机构建立的区位选择。农村居民收入普遍偏低，城市居民收入相对较高，金融机构会更偏向于在城市设立服务网点，无形中减少了农村金融机构数量，农村金融服务渗透度也将随之降低。因此，要在西北地区大力支持合作金融的发展以及农村互助资金合作社的成立，以提高农村金融资源配置的效率，使农村资金能够完全服务于农业发展。

2.2.3 农村就业人口农村就业人口通过了显著性检验，系数为正，表明当农村就业人口增加时，农村金融排斥差异度会提高。而FSA研究表明具有稳定就业

的群体更容易获得金融服务[13]，就业能够促进农民收入的稳定性，提升农民资信度。模型中的结果与FSA的研究结论不相符，但结合农村家庭人均纯收入对农村金融排斥差距的影响，回归结果却具有合理性。农村就业人口每年都有所增加，且农民工所占比率较高，目前国内劳动密集型企业发展速度缓慢，且物价不断增长，导致农民工实际工资水平有所降低，加之农民工缺乏对信贷的需求，最终被主流金融机构所排斥。

2.2.4 农村人口老龄化程度农村人口老龄化程度在全部模型中通过了1%的显著性检验，系数为正，说明农村金融排斥差异随着农村人口老龄化程度的提高而加剧。这一结果与杜本峰[14]的研究大致相同，他认为人口老龄化会降低储蓄率，且农村老人缺乏收入来源，银行的逐利行为和门槛效应会将老人排斥在金融服务外，这势必会降低农村金融服务的使用度，加深农村金融排斥程度。另一方面，目前农村的社会保障机制尚不完善，农村老人只能依靠子女养老，这无形中降低了农村家庭的实际收入，致使农民无力跨越金融服务的门槛。因此，要从农村人口老龄化产生的原因着手，让金融机构能为更多农村居民提供服务，例如提高农村社会保障机制的运行效率、改变农村传统养老模式等。

2.2.5 不同时期的差异 2013年，党的十八届三中全会明确提出发展普惠金融，为推进普惠金融的发展，提高金融服务的覆盖率、可得性和满意度，国务院于2016年印发《推进普惠金融发展规划》，首次提出普惠金融发展五年规划。地方政府也先后根据国务院的规划，出台了地方实施方案，加快了地方普惠金融的发展进程。由模型5和模型2的对比分析可知，除城乡收入差距和农村就业人口外，其他变量对农村金融排斥影响的显著性均有所降低，且各变量的系数也有所降低，显示2013年以来农民人均纯收入、农村人口老龄化程度等变量的差异变得不是很显著，说明普惠金融发展五年规划的具体实施在一定程度上提高了农村金融服务的可获得性，促进了农村金融的发展。

2.2.6 民族的差異民族的差异在模型1和模型2中均对农村金融排斥差异表现出正向显著影响，少数民族聚居地区的农村居民受到的金融排斥程度高于非少数民族聚居地区。分析其原因可能是少数民族人口分布不均，经济发展水平较低，使得金融需求具有分散性、不足性特征;且受宗教文化的影响，少数民族地区居民对金融服务的需求度低，削弱了金融机构进驻并提供服务的吸引力。在模型6中，各因素的显著性与模型1和模型2相比有所降低，这说明了少数民族地区农村金融排斥程度对这些因素的依赖性较低，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响。

2.2.7 省份的差异省份的差异在模型2和模型4中均没有通过显著性检验，仅在模型6中通过了显著性检验。与泰尔指数的分析结果相同，进一步证实了西北地区农村金融排斥的省份内部差异大于省份之间的差异，总差异主要来自于省份内部，省份间差异对总差异的贡献较小，省份间差异的主要贡献者为少数民族聚居的地区。

3 结论

利用西北地区5个省、自治区共计49个市的数据对西北农村金融排斥的区域差异及影响因素进行实证分析，得出以下结论。

第一，2009—2018年西北各地区农村金融排斥程度表现出一定差异，总差异呈倒“U”型演变特征，具体表现为先不断扩大、后平稳变化、再持续缩小的演变趋势，省份内部差异大于省份之间的差异，省份内部差异是总差异的主要贡献者。

第二，在影响因素上，农民人均纯收入、农村就业人口对农村金融排斥差异均具有正向显著影响，这虽与国内其他学者的研究结论不同，但却符合西北农村的实际情况;城乡收入差距在模型中均通过了显著性检验，且系数为正，当城乡收入扩大时，会提高农村的金融排斥程度;农村人口老龄化程度也在全部模型中通过了1%的显著性检验，系数为正，农村金融排斥程度会随着农村人口老龄化程度的提高而加剧;民族这一因素作为虚拟变量引入模型后也通过了显著性检验，表明少数民族聚居地区的农村金融排斥程度高于非少数民族聚居地区。

第三，分样本回归的结果表明，在不同时期和地区，上述影响因素对农村金融排斥的影响程度不同。2013年国务院正式提出发展普惠金融、鼓励金融创新、丰富市场层次和产品的战略部署。这一政策的实施降低了以上因素对农村金融排斥的显著性，某种程度上促进了农村金融发展，缓解了农村金融排斥;在民族地区，农村金融排斥程度对以上因素的依赖性也有所降低，体现出农村金融排斥在民族地区和非民族地区的差异性。

参考文献：

[1] 戴洛特，张燕，李家华. 农村普惠金融的特点及制约因素[J]. 西南金融，2019（6）：66-73.

[2] 周天芸，刘虹，杨海洋. 中国农村金融的包容性及影响因素[J]. 财经论丛，2018（12）：55-64.

[3] 刘长庚，田龙鹏，陈彬，等. 农村金融排斥与城乡收入差距——基于我国省级面板数据模型的实证研究[J]. 经济理论与经济管理，2013（10）：17-27.

[4] 何德旭，饶明. 我国农村金融市场供求失衡的成因分析：金融排斥性视角[J]. 经济社会体制比较，2008（2）：108-114.

[5] 谭露. 基于供给偏好视角下的我国农村金融排斥问题研究[J]. 安徽农业科学，2009，37（16）：7694-7695，7703.

[6] 罗永明，蔡洋萍. 基于农户视角的农村金融排斥影响因素实证分析[J]. 金融理论与教学，2017（4）：10-14.

[7] 王一博，李翠霞，辛立秋. 农民专业合作社金融排斥影响因素研究——基于正规金融服务需求角度[J].农业经济与管理，2018（1）：35-47.

[8] 杨心影，俞颖. 我国省际金融排斥变化趋势及差异分析[J]. 时代金融，2019（13）：48-50.

[9] 韩晓宇. 普惠金融的减贫效应——基于中国省级面板数据的实证分析[J].金融评论，2017，9（2）：69-82，125-126.

[10] 李琳，张佳. 长江经济带工业绿色发展水平差异及其分解——基于2004～2013年108个城市的比较研究[J]. 软科学，2016，30（11）：48-53.

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