呂勇斌+紀(jì)倩倩

摘要：基于農(nóng)村金融排斥的最新研究成果，構(gòu)建農(nóng)村金融排斥的綜合評價指標(biāo)，對中國29個?。ㄊ小⒆灾螀^(qū)）的排斥程度進行評價。利用Morans I指數(shù)和Moran散點圖對中國農(nóng)村金融排斥的空間特征進行了初步分析，并對農(nóng)村金融排斥區(qū)域差異的空間效應(yīng)進行了空間數(shù)據(jù)分析。結(jié)果表明，中國農(nóng)村金融排斥的空間效應(yīng)顯著，鄰近地區(qū)的排斥程度會對該地區(qū)農(nóng)民的收入產(chǎn)生影響。

關(guān)鍵詞：農(nóng)村金融排斥；區(qū)域差異；空間效應(yīng)

中圖分類號：F830.34 文獻標(biāo)識碼：A 文章編號：0439-8114（2014）19-4745-06

DOI：10.14088/j.cnki.issn0439-8114.2014.19.063

Analyzing Spatial Effect of Regional Disparity of Rural Financial Exclusion in China

L？譈 Yong-bin1，2， JI Qian-qian2

（1.Research Institute for Fiscal Science， Ministry of Finance of P. R. China， Beijing 100142， China；

2.Finance School， Zhongnan University of Economics and Law， Wuhan 430073， China）

Abstract： Based on the latest researches on rural financial exclusion， evaluating indicators were constructed comprehensively to sequence the exclusion level of 29 provinces in China. Using Morans I index and Moran scatter plot， spatial characteristics of rural financial exclusion were analyzed. Spatial effects of regional disparity of rural financial exclusion were empirically analyzed from spatial dependence and spatial heterogeneity. The results showed that spatial effects were significantly different. Exclusion levels of the neighboring provinces had effects on farmers incomes of the province.

Key words： rural financial exclusion； regional disparity； spatial effect

2004-2013年，中央一號文件連續(xù)10年聚焦“三農(nóng)”問題。解決“三農(nóng)”問題的基本舉措在于構(gòu)建完善的現(xiàn)代農(nóng)村金融體系。隨著國民經(jīng)濟的持續(xù)增長，中國農(nóng)村金融改革與發(fā)展取得了較大成績。根據(jù)中國人民銀行發(fā)布的2012年《中國農(nóng)村金融服務(wù)報告》，金融支持“三農(nóng)”發(fā)展的力度持續(xù)加大。截至2012年底，全口徑涉農(nóng)貸款余額17.6萬億元，較2007年末增長188.2%，5年間年均增速24.3%。主要涉農(nóng)金融機構(gòu)涉農(nóng)貸款不良率2.4%，同比下降0.5個百分點。然而，受各種因素的影響，農(nóng)村金融仍然是中國金融改革發(fā)展最為薄弱的環(huán)節(jié)。

一般而言，金融發(fā)展應(yīng)該包括金融深度（Financial depth）和金融寬度（Financial breadth）兩個維度。中國農(nóng)村金融發(fā)展的深度較淺，寬度較窄。相對而言，農(nóng)村金融在深度即量的方面取得了較大的成效，在寬度即質(zhì)的方面卻沒有得到相應(yīng)的改善。根據(jù)銀監(jiān)會公布的《農(nóng)村金融服務(wù)分布圖集》顯示，2008年末，39%的鄉(xiāng)鎮(zhèn)金融服務(wù)嚴(yán)重不足（機構(gòu)網(wǎng)點數(shù)量小于或等于一）。學(xué)界把這一現(xiàn)象歸結(jié)為中國農(nóng)村地區(qū)存在嚴(yán)重的金融排斥（Financial exclusion），阻止了農(nóng)村金融服務(wù)的可達性（Accessibility），抑制了農(nóng)村經(jīng)濟的發(fā)展。學(xué)界對金融排斥并未形成一個被廣泛接受的定義，但有學(xué)者認(rèn)為對金融排斥定義的研究并不重要，而是將金融排斥看作是一個多維度的、動態(tài)的復(fù)合概念。一般認(rèn)為，金融排斥包括地理排斥（Physical access exclusion）、價格排斥（Price exclusion）、營銷排斥（Marketing exclusion）、條件排斥（Condition exclusion）、評估排斥（Assessing exclusion）、自我排斥（Self-exclusion）等多個維度[1]。由此，解決中國“三農(nóng)”問題的根本在于緩解農(nóng)村金融排斥性，提高農(nóng)村金融服務(wù)質(zhì)量。本研究運用空間思維對農(nóng)村金融排斥的區(qū)域差異性及其空間效應(yīng)問題進行研究，具有一定的理論價值和現(xiàn)實意義。

1 中國農(nóng)村金融排斥的評價及其空間分布

1.1 中國農(nóng)村金融排斥評價指標(biāo)體系的構(gòu)建與評價

1.1.1 評價指標(biāo)體系的構(gòu)建 考慮到數(shù)據(jù)的可得性，參考髙沛星等[2]、胡振等[3]、李春霄等[4]的研究成果，本研究將金融排斥分解為4個主要維度：地理排斥、評估及條件排斥、營銷排斥和自我排斥。其中，地理排斥用農(nóng)村地區(qū)每萬人擁有的金融機構(gòu)網(wǎng)點數(shù)這一指標(biāo)來衡量；評估及條件排斥用農(nóng)村地區(qū)人均農(nóng)信社貸款余額來衡量（目前農(nóng)村信用社發(fā)放的貸款仍然是農(nóng)村地區(qū)經(jīng)濟主體資金需求的主要來源）；營銷排斥用農(nóng)村地區(qū)每萬人擁有的金融機構(gòu)從業(yè)人員數(shù)來反映；自我排斥用農(nóng)村居民家庭勞動力初中及以上文化程度的比重這一指標(biāo)來衡量。

1.1.2 農(nóng)村金融排斥的評價 金融排斥是一個動態(tài)的多維度復(fù)合概念，因而本研究在測算各農(nóng)村地區(qū)金融排斥程度時采用的方法是主成分分析法。根據(jù)上文對農(nóng)村金融排斥4個維度指標(biāo)的描述可知，農(nóng)村金融排斥程度的大小與用主成分分析法得出的綜合指標(biāo)得分成反向變動關(guān)系，即綜合指標(biāo)得分越高，排名越靠前，表明該省農(nóng)村地區(qū)金融排斥程度越輕。表1給出了各?。ㄊ?、自治區(qū)）農(nóng)村金融排斥綜合得分和排名的具體數(shù)值。

根據(jù)表1中反映的情況，可以得出以下結(jié)論：一是從時間上看，從2004到2008年再到2011年，絕大部分?。ㄊ小⒆灾螀^(qū)）農(nóng)村金融排斥綜合得分與排名情況的變化并不是很大，這一方面說明近些年中國廣大農(nóng)村地區(qū)受到金融排斥并不是某一年的偶然現(xiàn)象，另一方面說明農(nóng)村地區(qū)金融排斥狀況并沒有得到有效緩解，有些?。ㄊ?、自治區(qū)）甚至出現(xiàn)了逐漸惡化的情況，如青海、河南、安徽、湖北和湖南；二是從空間上看，中國農(nóng)村金融排斥程度存在著較大的區(qū)域差異，中國東部或東北部地區(qū)（如北京、天津、上海、遼寧、浙江等）經(jīng)濟相對較發(fā)達，農(nóng)村金融排斥綜合得分均較高，即農(nóng)村金融排斥程度較輕，而中國中西部地區(qū)（如青海、云南、貴州、廣西、安徽、江西、甘肅等）經(jīng)濟欠發(fā)達，農(nóng)村金融排斥的綜合得分較低，即農(nóng)村金融排斥程度較重。

1.2 中國農(nóng)村金融排斥的探索性空間數(shù)據(jù)分析

1.2.1 全局空間自相關(guān)檢驗 基于Morans I指數(shù)的全局空間自相關(guān)檢驗，其計算公式如下：

I=■■wij（xi-x）（xj-x）/S2■■wij

式中，n是研究區(qū)內(nèi)地區(qū)總數(shù)，wij是空間權(quán)重（若區(qū)域i和區(qū)域j相鄰，則為1，反之，則為0），xi和xj分別是區(qū)域i和區(qū)域j的經(jīng)濟指標(biāo)，x=■■xi，是經(jīng)濟指標(biāo)的平均值，S2=■■（xi-x）2，是經(jīng)濟指標(biāo)的方差。Morans I指數(shù)的取值一般為-1～1，大于0表示正相關(guān)，表示相似的屬性值趨向于集聚在一個區(qū)域；小于0表示負(fù)相關(guān)，表示相異的屬性值趨向于集聚在一個區(qū)域；Moran指數(shù)I接近于0，則表示屬性值是隨機分布的或者沒有空間自相關(guān)性。

本研究用各地區(qū)農(nóng)村金融排斥綜合指標(biāo)的得分來代表各地區(qū)的農(nóng)村金融排斥（Rural Financial Exclusion，RFE ）這一個指標(biāo)的水平，并運用GeoDa軟件分別計算出2004-2011年間農(nóng)村金融排斥（Rural Financial Exclusion，RFE）的Morans I指數(shù)和顯著度，具體數(shù)值見表2。

從表2可以看出，2004-2011年間，中國各地區(qū)農(nóng)村金融排斥存在著非常顯著的空間正相關(guān)性，即農(nóng)村金融排斥程度相似的地區(qū)趨向于集聚在一起，農(nóng)村金融排斥的空間集聚在全局上表現(xiàn)出了顯著的空間依賴特征。

1.2.2 Moran散點圖 為了進一步研究各地區(qū)是屬于農(nóng)村金融排斥水平較高的區(qū)域還是較低的區(qū)域，可以運用Moran散點圖進行局域的空間相關(guān)性檢驗。運用GeoDa軟件繪制的Moran散點圖可將各地區(qū)農(nóng)村金融排斥的空間集聚劃分成4個象限：第一象限，表示農(nóng)村金融排斥得分高的地區(qū)被得分高的其他省份所包圍（HH）；第二象限，表示農(nóng)村金融排斥得分低的省份被得分高的其他地區(qū)所包圍（LH）；第三象限，表示農(nóng)村金融排斥得分低的地區(qū)被得分低的其他地區(qū)所包圍（LL）；第四象限，表示農(nóng)村金融排斥得分高的地區(qū)被得分低的其他地區(qū)所包圍（HL）。鑒于篇幅，本研究分別繪制了2004、2008和2011年農(nóng)村金融排斥RFE的Moran散點圖，分別如圖1、圖2、圖3所示。

通過對比2008年和2004年農(nóng)村金融排斥RFE的Moran散點圖，可以發(fā)現(xiàn)2008年的散點圖發(fā)生了一些變化：黑龍江省由第二象限（LH）轉(zhuǎn)入了第一象限（HH），即黑龍江省農(nóng)村金融排斥的得分提高了，農(nóng)村金融排斥程度得到了改善，成為排斥程度較輕的省份；上海由第四象限（HL）轉(zhuǎn)入第一象限（HH），即上海鄰近地區(qū)的農(nóng)村金融排斥得分提高了，農(nóng)村金融排斥的程度得到了緩解，從而使上海這一農(nóng)村金融排斥程度較輕的地區(qū)被排斥程度較輕的其他地區(qū)所包圍，進入了第一象限。

通過對比2011年和2008年農(nóng)村金融排斥RFE的Moran散點圖，可以發(fā)現(xiàn)2011年的散點圖發(fā)生了以下的變化：黑龍江省和吉林省由第一象限（HH）轉(zhuǎn)入了第二象限（LH），即這兩個省份在2008-2011年的4年間農(nóng)村金融排斥的得分降低了，農(nóng)村金融排斥的程度加重了；寧夏由第三象限（LL）轉(zhuǎn)入了第二象限（LH），即在這4年間寧夏周邊地區(qū)的農(nóng)村金融排斥得分提高了，農(nóng)村金融排斥的程度得到了很大改善，從而使寧夏這一農(nóng)村金融排斥程度較重的地區(qū)被排斥程度較輕的其他地區(qū)所包圍，進入了第二象限；陜西由第三象限（LL）轉(zhuǎn)入第四象限（HL），即陜西省在這4年間農(nóng)村金融排斥的得分有所提高，成為了排斥程度較輕的地區(qū)；浙江從第一象限和第四象限的交界處轉(zhuǎn)入第四象限（HL），即在這4年間浙江鄰近地區(qū)的農(nóng)村金融排斥得分降低了，排斥程度有所加重，從而使浙江這一農(nóng)村金融排斥程度較輕的地區(qū)被排斥程度較重的其他地區(qū)所包圍，進入了第四象限。

2 中國農(nóng)村金融排斥的空間數(shù)據(jù)分析

2.1 空間計量模型選擇

空間計量模型的基本思想是將空間因素引入普通的回歸模型，對普通回歸模型進行修正。本研究運用空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）來比較研究中國各地區(qū)農(nóng)村金融排斥的空間相關(guān)性表現(xiàn)出的空間效應(yīng)。

空間滯后模型（SLM）主要研究各變量在一地區(qū)是否有擴散效應(yīng)，模型的表達式為：

y=？籽Wy+X？茁+？著

空間誤差模型（SEM）認(rèn)為指標(biāo)的空間相關(guān)性體現(xiàn)在誤差項中，其表達式為：

y=X？茁+？孜 ， ？孜=？姿W+？著

空間杜賓模型（SDM）是在空間滯后模型的基礎(chǔ)上引入了一個空間滯后解釋變量WX，該變量表示鄰近區(qū)域自變量對本區(qū)域因變量的影響。其表達式為：

y=？籽Wy+X？茁1+WX？茁2+？著

2.2 變量的選擇和設(shè)計

本研究重點研究的是農(nóng)村金融排斥對農(nóng)村居民生活水平的影響及其空間效應(yīng)，因而本研究選擇農(nóng)村居民家庭人均純收入（y）作為因變量來衡量農(nóng)村居民的生活水平。

根據(jù)本文的研究目的，最重要的自變量為農(nóng)村金融排斥（RFE）。農(nóng)村金融排斥可以分為自我排斥、地理排斥、營銷排斥、評估和條件排斥4個維度，但是如果將這4個變量直接引入回歸模型會產(chǎn)生多重共線性問題，因而，本研究將對這4個維度的指標(biāo)進行主成分分析后得到的綜合指標(biāo)作為農(nóng)村金融排斥的衡量指標(biāo)，即用各地區(qū)農(nóng)村金融排斥的綜合得分來代表各地區(qū)農(nóng)村金融排斥的水平。

另外，在參考李濤等[5]、王修華等[6]、許圣道等[7]的研究基礎(chǔ)上，本研究選擇了4個控制變量來研究其對農(nóng)村居民人均純收入（y）的影響，分別為：城鎮(zhèn)化水平（各地區(qū)城鎮(zhèn)人口在總?cè)丝谥兴嫉谋戎?，CZH）、公路密度（各地區(qū)公路運營總里程與該地區(qū)國土面積的比值，ROAD）、第一產(chǎn)業(yè)占GDP的比重（NYH）、人均農(nóng)作物播種面積（SQUARE）。

2.3 數(shù)據(jù)來源及處理

本章節(jié)分別選取2004、2008和2011年全國29個?。ㄊ小⒆灾螀^(qū)，不包括西藏和新疆）的相關(guān)截面數(shù)據(jù)，其中各指標(biāo)數(shù)據(jù)來源于相關(guān)年份的《中國統(tǒng)計年鑒》、《中國農(nóng)村統(tǒng)計年鑒》、國研網(wǎng)金融統(tǒng)計數(shù)據(jù)庫和人民銀行網(wǎng)站公布的各地區(qū)歷年區(qū)域金融運行報告。另外，為了減輕回歸方程的異方差性，本章節(jié)對農(nóng)村居民人均純收入（y）、城鎮(zhèn)化率（CZH）、公路密度（ROAD）、第一產(chǎn)業(yè)占GDP的比重（NYH）、人均農(nóng)作物播種面積（SQUARE）均進行了對數(shù)化處理，即本章節(jié)的被解釋變量為LNY，解釋變量分別為RFE、LNCZH、LNROAD、LNNYH、LNSQUARE。

2.4 實證分析結(jié)果

本節(jié)分別運用空間滯后模型（SLM）、空間誤差模型（SEM）和空間杜賓模型（SDM）對2004、2008和2011年中國農(nóng)村金融排斥對農(nóng)村居民人均純收入的空間效應(yīng)進行分析，并比較3個模型的實證結(jié)果，具體見表3、表4和表5。

通過表3對SLM、SEM、SDM模型的對比分析可知，SDM模型的擬合優(yōu)度（R2）和LogL均是3個模型中最高的，這說明模型中引入自變量的空間因素是合理的，即SDM模型更好地擬合了空間效應(yīng)。

在2004年的SDM模型中，農(nóng)村金融排斥RFE對該地區(qū)農(nóng)民人均純收入的影響并不顯著，但是相鄰地區(qū)農(nóng)村金融排斥指標(biāo)對該地區(qū)農(nóng)民收入的影響是顯著的，不過方向為負(fù)，即鄰近地區(qū)農(nóng)村金融排斥越嚴(yán)重，該地區(qū)農(nóng)民人均純收入越高。這一方面可能是因為2004年金融機構(gòu)在農(nóng)村地區(qū)提供的金融服務(wù)非常有限，這使得廣大農(nóng)民無法享受金融服務(wù)帶來的便利和收益，因而農(nóng)村金融排斥對該地區(qū)農(nóng)民的人均純收入并沒有產(chǎn)生顯著的影響。另一方面，若鄰近地區(qū)農(nóng)村金融排斥程度比該地區(qū)嚴(yán)重很多，農(nóng)民甚至無法享受基本的金融服務(wù)，鄰近地區(qū)農(nóng)民可能會被吸引到該地區(qū)就業(yè)，享受更好的金融服務(wù)，擁有更多的貸款投資機會，這相應(yīng)地會促進該地區(qū)農(nóng)村經(jīng)濟的發(fā)展，從而提高該地區(qū)農(nóng)民的收入。

從2008年SLM、SEM、SDM模型的回歸結(jié)果（表4）可以發(fā)現(xiàn)，3個模型中，SDM模型的擬合優(yōu)度（R2）和LogL仍然是最高的，即SDM模型能更好地擬合空間效應(yīng)。相比2004年SDM模型的回歸結(jié)果，2008年農(nóng)村金融排斥RFE對農(nóng)民收入的影響并沒有發(fā)生實質(zhì)性的變化，該地區(qū)農(nóng)村金融排斥對該地區(qū)農(nóng)民收入的影響仍然不顯著，鄰近地區(qū)的農(nóng)村金融排斥對該地區(qū)農(nóng)民收入的影響仍然顯著為負(fù)。這說明2004-2008年間中國各地區(qū)農(nóng)村金融服務(wù)并沒有得到有效的發(fā)展，農(nóng)村金融未能發(fā)揮服務(wù)當(dāng)?shù)亟?jīng)濟、提高農(nóng)民生活水平的作用。

從2011年SLM、SEM、SDM模型的回歸結(jié)果（表5）可以發(fā)現(xiàn)，3個模型中，SDM模型的擬合優(yōu)度（R2）和LogL仍然是最高的，即SDM模型能更好地擬合空間效應(yīng)，即對所有自變量引入空間因素具有合理性。另外比較SLM和SEM模型可知，SEM模型更優(yōu)。在SEM模型中，農(nóng)村金融排斥RFE對農(nóng)民收入的影響是顯著為正的，即該地區(qū)農(nóng)村金融排斥程度越輕，農(nóng)民人均純收入會越高，農(nóng)村金融促進了當(dāng)?shù)剞r(nóng)村經(jīng)濟的發(fā)展和農(nóng)民生活水平的提高。在對農(nóng)村金融排斥RFE引入空間因素后，該地區(qū)農(nóng)村金融排斥對農(nóng)民收入的影響相對于鄰近地區(qū)農(nóng)村金融排斥對該地區(qū)農(nóng)民收入的影響變得不顯著，而鄰近地區(qū)對該地區(qū)農(nóng)民收入具有顯著的負(fù)面影響。這說明雖然該地區(qū)農(nóng)村金融服務(wù)可以提高農(nóng)民的收入，但是由于鄰近地區(qū)的農(nóng)村金融排斥會對該地區(qū)農(nóng)民收入產(chǎn)生負(fù)面影響，即鄰近地區(qū)農(nóng)村金融越發(fā)達，該地區(qū)農(nóng)民收入會越低，綜合下來農(nóng)村金融排斥對農(nóng)民收入的影響并不十分顯著。這個結(jié)果與本研究預(yù)期相反，農(nóng)村金融排斥對農(nóng)民收入的影響不僅缺乏空間溢出效應(yīng)，還表現(xiàn)出了空間競爭效應(yīng)。這可能是因為各地區(qū)割據(jù)局面導(dǎo)致區(qū)域間缺乏必要的金融合作和交流，金融資源在區(qū)域間的流動受到了限制，農(nóng)村金融服務(wù)的空間輻射能力并沒有發(fā)揮出來。但是也可以發(fā)現(xiàn)W-RFE系數(shù)的絕對值由2004年的0.219 5下降至2008年的0.209 2和2011年的0.150 9，即鄰近地區(qū)農(nóng)村金融排斥對該地區(qū)農(nóng)民收入的負(fù)面影響正逐漸減弱，農(nóng)村金融排斥的空間競爭效應(yīng)正慢慢得到抑制。

3 結(jié)論和政策建議

3.1 基本結(jié)論

本研究在對農(nóng)村金融排斥理論進行剖析的基礎(chǔ)上，構(gòu)建了農(nóng)村金融排斥的綜合評價指標(biāo)，并對各地區(qū)農(nóng)村金融排斥程度進行了排名。在此基礎(chǔ)上，本研究運用空間計量工具和模型對中國農(nóng)村金融排斥進行了空間數(shù)據(jù)分析，得出了以下幾點結(jié)論。

1）中國農(nóng)村地區(qū)受到金融排斥并不是偶然現(xiàn)象，而且農(nóng)村金融排斥程度存在著較明顯的區(qū)域差異。中國東部或東北部地區(qū)，經(jīng)濟相對較發(fā)達，相應(yīng)各地區(qū)農(nóng)村金融排斥程度較輕，如北京、天津、上海、遼寧、浙江等。而中國中西部地區(qū)，也是經(jīng)濟欠發(fā)達和相對不發(fā)達的地區(qū)，相應(yīng)各地區(qū)農(nóng)村金融排斥程度較重，如青海、云南、貴州、廣西、安徽、江西、甘肅等。

2）中國農(nóng)村金融排斥對農(nóng)民收入的空間效應(yīng)是非常顯著的，鄰近地區(qū)對本地區(qū)農(nóng)民收入具有顯著的負(fù)面影響。雖然該地區(qū)農(nóng)村金融的發(fā)展可以在一定程度上提高農(nóng)民的收入，但是由于鄰近地區(qū)的農(nóng)村金融排斥會對該地區(qū)農(nóng)民收入產(chǎn)生負(fù)面影響，綜合下來農(nóng)村金融排斥對農(nóng)民收入的影響并不十分顯著。這個結(jié)果與本研究預(yù)期相反，農(nóng)村金融排斥對農(nóng)民收入的影響不僅缺乏空間溢出效應(yīng)，還表現(xiàn)出了空間競爭效應(yīng)。

3）由于各區(qū)域地理條件、自然資源、金融資源、經(jīng)濟發(fā)展水平都存在較大差異性，農(nóng)村金融排斥也表現(xiàn)出顯著的空間異質(zhì)性，不同地區(qū)農(nóng)村金融排斥對農(nóng)民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農(nóng)村經(jīng)濟的發(fā)展中起著至關(guān)重要的作用，然而，在空間因素的作用下，中國農(nóng)村金融對農(nóng)村經(jīng)濟的整體促進并不顯著，空間溢出效應(yīng)遠(yuǎn)遠(yuǎn)不如預(yù)期。農(nóng)村金融排斥所導(dǎo)致的金融資源分配的“不公平”和“低效率”嚴(yán)重制約著廣大農(nóng)村地區(qū)收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構(gòu)建多層次、普惠性的農(nóng)村金融體系。中國農(nóng)村金融排斥存在較大的地區(qū)差異，對農(nóng)村金融排斥程度較重的地區(qū)要擴大新型農(nóng)村金融機構(gòu)的覆蓋率，提高農(nóng)民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構(gòu)也要提升從業(yè)人員的專業(yè)素質(zhì)，因地制宜地開發(fā)適合當(dāng)?shù)剞r(nóng)民的金融產(chǎn)品；而對農(nóng)村金融排斥程度較輕的地區(qū)，應(yīng)重點提高金融深度和金融效率，加大對農(nóng)村金融產(chǎn)品和服務(wù)的創(chuàng)新，推出個性化、多樣化的金融理財產(chǎn)品和服務(wù)以滿足農(nóng)民多層次的金融需求，構(gòu)建普惠性的農(nóng)村金融服務(wù)體系。

2）政府應(yīng)鼓勵并加強各地區(qū)間更廣泛的金融合作和交流，真正打破地區(qū)割據(jù)局面，加快金融資源在區(qū)域間的流動，推動區(qū)域金融中心的形成，充分發(fā)揮農(nóng)村金融對農(nóng)民收入的空間溢出效應(yīng)。

3）農(nóng)村地區(qū)金融機構(gòu)應(yīng)通過宣傳、咨詢、培訓(xùn)等方式向農(nóng)民普及金融知識，而農(nóng)民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產(chǎn)和生活帶來收益和便利，從自身出發(fā)來減輕農(nóng)村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農(nóng)村金融地理排斥的省內(nèi)差異——基于“地理金融密度不平等系數(shù)”衡量指標(biāo)[J].銀行家，2012（8）：108-111.

[2] 髙沛星，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)的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2011（4）：93-102.

[3] 胡 振，范 靜，劉 艷.中國農(nóng)村金融排斥區(qū)域差異的聚類分析[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數(shù)的構(gòu)建與測算[J].當(dāng)代經(jīng)濟科學(xué)，2012，34（2）：9-15.

[5] 李 濤，王志芳，王海港，等.中國城市居民的金融受排斥狀況研究[J].經(jīng)濟研究，2010（7）：15-30.

[6] 王修華，賀小金，徐 晶.中國農(nóng)村金融排斥：總體評價、地區(qū)差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農(nóng)村地區(qū)金融排斥研究[J].金融研究，2008（7）：195-206.

2）中國農(nóng)村金融排斥對農(nóng)民收入的空間效應(yīng)是非常顯著的，鄰近地區(qū)對本地區(qū)農(nóng)民收入具有顯著的負(fù)面影響。雖然該地區(qū)農(nóng)村金融的發(fā)展可以在一定程度上提高農(nóng)民的收入，但是由于鄰近地區(qū)的農(nóng)村金融排斥會對該地區(qū)農(nóng)民收入產(chǎn)生負(fù)面影響，綜合下來農(nóng)村金融排斥對農(nóng)民收入的影響并不十分顯著。這個結(jié)果與本研究預(yù)期相反，農(nóng)村金融排斥對農(nóng)民收入的影響不僅缺乏空間溢出效應(yīng)，還表現(xiàn)出了空間競爭效應(yīng)。

3）由于各區(qū)域地理條件、自然資源、金融資源、經(jīng)濟發(fā)展水平都存在較大差異性，農(nóng)村金融排斥也表現(xiàn)出顯著的空間異質(zhì)性，不同地區(qū)農(nóng)村金融排斥對農(nóng)民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農(nóng)村經(jīng)濟的發(fā)展中起著至關(guān)重要的作用，然而，在空間因素的作用下，中國農(nóng)村金融對農(nóng)村經(jīng)濟的整體促進并不顯著，空間溢出效應(yīng)遠(yuǎn)遠(yuǎn)不如預(yù)期。農(nóng)村金融排斥所導(dǎo)致的金融資源分配的“不公平”和“低效率”嚴(yán)重制約著廣大農(nóng)村地區(qū)收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構(gòu)建多層次、普惠性的農(nóng)村金融體系。中國農(nóng)村金融排斥存在較大的地區(qū)差異，對農(nóng)村金融排斥程度較重的地區(qū)要擴大新型農(nóng)村金融機構(gòu)的覆蓋率，提高農(nóng)民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構(gòu)也要提升從業(yè)人員的專業(yè)素質(zhì)，因地制宜地開發(fā)適合當(dāng)?shù)剞r(nóng)民的金融產(chǎn)品；而對農(nóng)村金融排斥程度較輕的地區(qū)，應(yīng)重點提高金融深度和金融效率，加大對農(nóng)村金融產(chǎn)品和服務(wù)的創(chuàng)新，推出個性化、多樣化的金融理財產(chǎn)品和服務(wù)以滿足農(nóng)民多層次的金融需求，構(gòu)建普惠性的農(nóng)村金融服務(wù)體系。

2）政府應(yīng)鼓勵并加強各地區(qū)間更廣泛的金融合作和交流，真正打破地區(qū)割據(jù)局面，加快金融資源在區(qū)域間的流動，推動區(qū)域金融中心的形成，充分發(fā)揮農(nóng)村金融對農(nóng)民收入的空間溢出效應(yīng)。

3）農(nóng)村地區(qū)金融機構(gòu)應(yīng)通過宣傳、咨詢、培訓(xùn)等方式向農(nóng)民普及金融知識，而農(nóng)民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產(chǎn)和生活帶來收益和便利，從自身出發(fā)來減輕農(nóng)村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農(nóng)村金融地理排斥的省內(nèi)差異——基于“地理金融密度不平等系數(shù)”衡量指標(biāo)[J].銀行家，2012（8）：108-111.

[2] 髙沛星，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)的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2011（4）：93-102.

[3] 胡 振，范 靜，劉 艷.中國農(nóng)村金融排斥區(qū)域差異的聚類分析[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數(shù)的構(gòu)建與測算[J].當(dāng)代經(jīng)濟科學(xué)，2012，34（2）：9-15.

[5] 李 濤，王志芳，王海港，等.中國城市居民的金融受排斥狀況研究[J].經(jīng)濟研究，2010（7）：15-30.

[6] 王修華，賀小金，徐 晶.中國農(nóng)村金融排斥：總體評價、地區(qū)差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農(nóng)村地區(qū)金融排斥研究[J].金融研究，2008（7）：195-206.

2）中國農(nóng)村金融排斥對農(nóng)民收入的空間效應(yīng)是非常顯著的，鄰近地區(qū)對本地區(qū)農(nóng)民收入具有顯著的負(fù)面影響。雖然該地區(qū)農(nóng)村金融的發(fā)展可以在一定程度上提高農(nóng)民的收入，但是由于鄰近地區(qū)的農(nóng)村金融排斥會對該地區(qū)農(nóng)民收入產(chǎn)生負(fù)面影響，綜合下來農(nóng)村金融排斥對農(nóng)民收入的影響并不十分顯著。這個結(jié)果與本研究預(yù)期相反，農(nóng)村金融排斥對農(nóng)民收入的影響不僅缺乏空間溢出效應(yīng)，還表現(xiàn)出了空間競爭效應(yīng)。

3）由于各區(qū)域地理條件、自然資源、金融資源、經(jīng)濟發(fā)展水平都存在較大差異性，農(nóng)村金融排斥也表現(xiàn)出顯著的空間異質(zhì)性，不同地區(qū)農(nóng)村金融排斥對農(nóng)民收入的影響力度和方向都有較大差異。

3.2 政策建議

金融在中國農(nóng)村經(jīng)濟的發(fā)展中起著至關(guān)重要的作用，然而，在空間因素的作用下，中國農(nóng)村金融對農(nóng)村經(jīng)濟的整體促進并不顯著，空間溢出效應(yīng)遠(yuǎn)遠(yuǎn)不如預(yù)期。農(nóng)村金融排斥所導(dǎo)致的金融資源分配的“不公平”和“低效率”嚴(yán)重制約著廣大農(nóng)村地區(qū)收入水平的提高，在此有針對性地提出以下幾點政策建議。

1）因地制宜地配置金融資源，構(gòu)建多層次、普惠性的農(nóng)村金融體系。中國農(nóng)村金融排斥存在較大的地區(qū)差異，對農(nóng)村金融排斥程度較重的地區(qū)要擴大新型農(nóng)村金融機構(gòu)的覆蓋率，提高農(nóng)民對金融資源的地理可得性，同時要加強對基本金融知識的教育和普及。金融機構(gòu)也要提升從業(yè)人員的專業(yè)素質(zhì)，因地制宜地開發(fā)適合當(dāng)?shù)剞r(nóng)民的金融產(chǎn)品；而對農(nóng)村金融排斥程度較輕的地區(qū)，應(yīng)重點提高金融深度和金融效率，加大對農(nóng)村金融產(chǎn)品和服務(wù)的創(chuàng)新，推出個性化、多樣化的金融理財產(chǎn)品和服務(wù)以滿足農(nóng)民多層次的金融需求，構(gòu)建普惠性的農(nóng)村金融服務(wù)體系。

2）政府應(yīng)鼓勵并加強各地區(qū)間更廣泛的金融合作和交流，真正打破地區(qū)割據(jù)局面，加快金融資源在區(qū)域間的流動，推動區(qū)域金融中心的形成，充分發(fā)揮農(nóng)村金融對農(nóng)民收入的空間溢出效應(yīng)。

3）農(nóng)村地區(qū)金融機構(gòu)應(yīng)通過宣傳、咨詢、培訓(xùn)等方式向農(nóng)民普及金融知識，而農(nóng)民也要積極主動地提高自身的金融參與程度，強化自身的信用意識，增強維護自身信用的觀念，充分利用金融的資金融通功能為家庭生產(chǎn)和生活帶來收益和便利，從自身出發(fā)來減輕農(nóng)村金融排斥的程度。

參考文獻：

[1] 陳 莎，蔣莉莉，周 立.中國農(nóng)村金融地理排斥的省內(nèi)差異——基于“地理金融密度不平等系數(shù)”衡量指標(biāo)[J].銀行家，2012（8）：108-111.

[2] 髙沛星，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)的實證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟，2011（4）：93-102.

[3] 胡 振，范 靜，劉 艷.中國農(nóng)村金融排斥區(qū)域差異的聚類分析[J].吉林農(nóng)業(yè)大學(xué)學(xué)報，2012（6）：705-710.

[4] 李春霄，賈金榮.我國金融排斥程度研究——基于金融排斥指數(shù)的構(gòu)建與測算[J].當(dāng)代經(jīng)濟科學(xué)，2012，34（2）：9-15.

[5] 李 濤，王志芳，王海港，等.中國城市居民的金融受排斥狀況研究[J].經(jīng)濟研究，2010（7）：15-30.

[6] 王修華，賀小金，徐 晶.中國農(nóng)村金融排斥：總體評價、地區(qū)差異及影響因素研究[J].西部金融，2012（1）：75-83.

[7] 許圣道，田 霖.我國農(nóng)村地區(qū)金融排斥研究[J].金融研究，2008（7）：195-206.