方 蕾，粟 芳

(上海財經(jīng)大學(xué)金融學(xué)院，上海 200433)

我國農(nóng)村普惠金融的空間相關(guān)特征和影響因素分析
——基于上海財經(jīng)大學(xué)2015“千村調(diào)查”

方 蕾，粟 芳

(上海財經(jīng)大學(xué)金融學(xué)院，上海 200433)

基于上海財經(jīng)大學(xué)2015年“千村調(diào)查”的微觀數(shù)據(jù)，運用信息熵法衡量我國農(nóng)村地區(qū)普惠金融發(fā)展程度，并運用空間計量模型驗證普惠金融在村莊之間的空間傳染效應(yīng)，以空間的視角分析影響普惠金融發(fā)展的因素。研究發(fā)現(xiàn)：我國農(nóng)村普惠金融的發(fā)展普遍偏低，東部相對較好，中部最差；農(nóng)村普惠金融發(fā)展存在明顯的空間傳染效應(yīng)，地理矩陣下的空間傳染效應(yīng)尤其突出；東部地區(qū)顯著的HH型村莊較多，中部地區(qū)顯著的LL型村莊較多；空間滯后模型是分析地理矩陣空間特征下普惠金融影響因素的最佳模型，經(jīng)濟發(fā)展水平、基層民主、科學(xué)技術(shù)和快遞點均影響我國農(nóng)村地區(qū)的普惠金融發(fā)展。

普惠金融；空間相關(guān)性；影響因素

一、引 言

全世界普遍存在普惠金融發(fā)展程度較低的問題[1][2][3][4][5][6]，特別是在貧困地區(qū)和偏遠(yuǎn)地區(qū)更為嚴(yán)重。近年來，普惠金融成為聯(lián)合國和各國政府關(guān)心的重點領(lǐng)域。我國廣袤的農(nóng)村地區(qū)金融發(fā)展水平普遍較低[7][8][9]，如何提高農(nóng)村普惠金融程度是一個亟待解決的重要問題。

為了解我國農(nóng)村普惠金融的現(xiàn)狀及存在的問題，上海財經(jīng)大學(xué)千余師生于2015年暑期進(jìn)行了主題為“農(nóng)村基礎(chǔ)金融服務(wù)的覆蓋與使用”的“千村調(diào)查”。調(diào)研發(fā)現(xiàn)，普惠金融的發(fā)展具有明顯的地域特征。從地理位置來看，若某個村莊的金融發(fā)展較好，則其周圍村莊的金融也普遍較好，反之亦反；從經(jīng)濟差距來看，人均純收入相近的村莊具有相似的金融普惠水平。普惠金融似乎在村莊之間存在著某種傳染效應(yīng)，即空間相關(guān)性。為了甄別我國農(nóng)村普惠金融是否存在空間傳染特征，進(jìn)而分析其對提升農(nóng)村普惠金融水平的作用，本文運用空間計量模型研究各村莊普惠金融的空間關(guān)系，并深入探究空間相關(guān)前提下有效提升農(nóng)村普惠金融水平的方法與途徑。本文的貢獻(xiàn)包括：(1)基于微觀調(diào)研的第一手?jǐn)?shù)據(jù)，合理地反映了我國農(nóng)村普惠金融的微觀真實水平，并根據(jù)大金融概念聚焦含銀行、保險和互聯(lián)網(wǎng)的廣義普惠金融；(2)以最小的行政單元“村莊”為單位，分析了村莊間普惠金融發(fā)展的地理關(guān)聯(lián)和經(jīng)濟關(guān)聯(lián)，發(fā)現(xiàn)并驗證普惠金融在相鄰村莊之間具有明顯的傳染效應(yīng)，經(jīng)濟發(fā)展水平相近的村莊也具有相近的普惠金融水平；(3)在多維的空間視角下觀察了各影響因素對普惠金融發(fā)展的更為真實的影響關(guān)系*本文的研究基礎(chǔ)是2015年千村調(diào)查的調(diào)研數(shù)據(jù)，是典型的截面數(shù)據(jù)，因此研究結(jié)果僅反映2014～2015年間我國農(nóng)村普惠金融及其空間特征的情況，無法反映時間維度上的變化。。

二、我國農(nóng)村地區(qū)金融普惠的現(xiàn)狀及特征

(一)調(diào)查過程

上海財經(jīng)大學(xué)“千村調(diào)查”自2008年以來已實施八年。2015年暑期，30位帶隊老師與1418名學(xué)生深入調(diào)查除香港、澳門和臺灣之外的31個省、自治區(qū)和直轄市(下文均簡稱“省”)，詳細(xì)了解村莊的宏觀情況、政策、環(huán)境及農(nóng)戶家庭金融消費的微觀情況。在剔除數(shù)據(jù)遺漏或錯誤的調(diào)查問卷之后，最終得到有效的村委會問卷494份，有效的農(nóng)戶家庭問卷10989份。

(二)農(nóng)村普惠金融現(xiàn)狀和特征

1.農(nóng)村金融的宏觀滲透度不高

調(diào)研顯示，我國農(nóng)村金融的宏觀滲透度不高。以銀行業(yè)的硬件投入為例，被調(diào)查農(nóng)村地區(qū)人均ATM機和POS機之和僅為0.0016。地區(qū)間差異非常大，吉林、天津和上海等農(nóng)村地區(qū)中，金融機構(gòu)的投入情況較好，但在西藏、甘肅和海南的被調(diào)查村莊中都沒有ATM機或POS機?；ヂ?lián)網(wǎng)金融的宏觀滲透情況也不容樂觀，但地區(qū)差異相對較小。互聯(lián)網(wǎng)支付占家庭年收入的平均比例僅為0.29%，廣東省最高也僅為0.60%，而西藏、青海和寧夏為0。

2.農(nóng)戶家庭對農(nóng)村金融的微觀使用度不高

農(nóng)戶家庭在日常生活中對金融的微觀使用度不高。以所擁有的金融產(chǎn)品種類為例，人均*本文的人均按戶籍人口計算。擁有1.79種銀行賬戶(含銀行存折、貸款賬戶、借記卡、信用卡)，購買了0.06種保險產(chǎn)品。4.23%的農(nóng)戶沒有任何銀行賬戶，90.51%的農(nóng)戶從未購買過任何保險產(chǎn)品。相對而言，農(nóng)戶家庭擁有銀行賬戶較普及，地區(qū)差異也較??；而保險產(chǎn)品的購買情況整體較差。農(nóng)戶對互聯(lián)網(wǎng)金融的使用度也很低。被調(diào)查地區(qū)的農(nóng)戶家庭平均使用互聯(lián)網(wǎng)的得分為0.87*村委會問卷中調(diào)查了本村互聯(lián)網(wǎng)金融的整體使用情況。將“比較普遍”賦值為2，“有但很少”賦值為1，“幾乎沒有”賦值為0，然后計算出互聯(lián)網(wǎng)平均使用情況的得分。，即介于“幾乎沒有”和“有但很少”之間。其中，天津、江蘇和河北等9個省份的得分超過了1，而西藏的被調(diào)查村莊中沒有農(nóng)戶使用互聯(lián)網(wǎng)金融。

3.金融服務(wù)的整體滿意度不高

10989份農(nóng)戶家庭問卷中只有1933份問卷給出了金融滿意度的分值(0～10分)，占樣本的18%。以已回答的農(nóng)戶為基礎(chǔ)*眾多農(nóng)戶問卷中未給出金融滿意度的回答，其一可能因農(nóng)戶對金融服務(wù)不太滿意，但礙于情面不愿直接表達(dá)；其二則是可能因為農(nóng)戶根本沒有使用過任何金融服務(wù)，無法評價。所以，暫且把未給出分值的問卷中金融滿意度賦值為0。，被調(diào)查農(nóng)村地區(qū)的金融滿意度平均為7.27。若將未打分農(nóng)戶問卷的金融滿意度視為0，則被調(diào)查地區(qū)的金融滿意度平均僅為1.28。

三、文獻(xiàn)綜述與研究設(shè)計

(一)普惠金融的衡量

1.文獻(xiàn)綜述

目前，如何衡量普惠金融尚無統(tǒng)一觀點，但思考角度具有一致性。首先，普惠金融應(yīng)包含哪些行業(yè)？大多數(shù)學(xué)者有關(guān)普惠金融的研究集中于銀行業(yè)[10][11][12]，少數(shù)學(xué)者考慮了保險業(yè)[13][14][15]。根據(jù)2003年12月聯(lián)合國提出的廣義普惠金融概念，普惠金融應(yīng)包括儲蓄、信貸、保險等更廣泛意義的金融服務(wù)及新興的互聯(lián)網(wǎng)金融領(lǐng)域。目前，鮮有涉及互聯(lián)網(wǎng)金融普惠的研究，有學(xué)者研究互聯(lián)網(wǎng)金融能否提高金融普惠度[16][17]。其次，衡量普惠金融應(yīng)采用什么指標(biāo)？最早量化普惠金融的是英格蘭東南發(fā)展機構(gòu)所設(shè)計的“復(fù)合剝奪指數(shù)”，隨后各位學(xué)者提出了多維度的衡量體系。Beck et al.(2007)[18]、Sarma & Pais(2008[10]，2011[11])、Gupte et al.(2012)[19]、Rahman(2013)[20]、Ambarkhane et al.(2014)[21]等設(shè)計了各類指標(biāo)體系，包括滲透度、使用度、效用度等。國內(nèi)學(xué)者中，李濤等(2010)[15]采用虛擬變量，若居民沒有使用任何金融服務(wù)，則認(rèn)為該個體受到了金融排斥，沒有實現(xiàn)普惠金融。這是從使用度的角度進(jìn)行衡量。董曉林、徐虹(2012)[8]用縣域金融機構(gòu)網(wǎng)點分布代表農(nóng)村金融普惠程度。張國俊等(2014)[22]則以滲透度、使用度、效用度和承受度四維度指標(biāo)來反映普惠金融度。但學(xué)者們的研究大多未深入?yún)^(qū)分普惠金融的表現(xiàn)及導(dǎo)致普惠金融程度較低的原因。根據(jù)聯(lián)合國定義，普惠金融指人們能使用金融工具并由此改善生活，因此應(yīng)從對金融產(chǎn)品的使用和感受等角度來衡量普惠金融。學(xué)者們采取了多種方法。Cebulla(1999)[13]和Joassart-Marcelli & Stephens(2010)[14]采用主觀賦權(quán)的方式。張國俊等(2014)[22]則借鑒了聯(lián)合國計劃開發(fā)署編制的人類發(fā)展指數(shù)(HDI)。

2.普惠金融的研究設(shè)計

本文考慮廣義普惠金融，包括傳統(tǒng)的銀行和保險及新興的互聯(lián)網(wǎng)金融，被調(diào)查農(nóng)村地區(qū)幾乎沒有證券業(yè)務(wù)，故暫不考慮證券業(yè)，并僅圍繞“金融服務(wù)的使用”這一普惠金融核心，從滲透度、使用度和效用度三個維度來衡量普惠金融。其中，滲透度表現(xiàn)金融業(yè)的宏觀覆蓋情況，使用度表現(xiàn)農(nóng)戶對金融服務(wù)的微觀使用頻率，效用度用于衡量金融服務(wù)的有效性，即農(nóng)戶對金融服務(wù)的滿意度。各維度的調(diào)查問題、問卷來源及賦值見表1。

表1 普惠金融的指標(biāo)體系

在給各變量賦權(quán)重時通?？刹扇≈饔^賦權(quán)法和客觀賦權(quán)法?？陀^賦權(quán)法能利用樣本的信息，并排除主觀因素的影響[23][24]，因此本文用信息熵法進(jìn)行客觀賦權(quán)，即各變量權(quán)重由該變量的信息效用價值決定，效用價值越大該變量權(quán)重越大。所得到的熵值越大代表普惠金融度越高。假設(shè)某村中每個農(nóng)戶家庭都具有同等重要的地位，則可用該村的戶均普惠金融度代表該村的普惠金融度。

(二)農(nóng)村普惠金融的空間特征

無論是經(jīng)濟發(fā)展還是金融市場，都存在顯著的空間溢出效應(yīng)。在普惠金融方面，呂勇斌等(2015)[25]基于省際的宏觀數(shù)據(jù)，證明了我國金融排斥在地理上具有顯著的空間相關(guān)性，但未分析我國農(nóng)村地區(qū)普惠金融的空間特征。本文運用“千村調(diào)查”的微觀調(diào)研數(shù)據(jù)，以村為基本單位*根據(jù)《中華人民共和國村民委員會組織法》，村委會是在鄉(xiāng)鎮(zhèn)政府以下建立的中國最基層的農(nóng)村行政單元。，假設(shè)該村各農(nóng)戶家庭具有同等重要的地位，考慮地理關(guān)系和經(jīng)濟關(guān)系的不同情況，在多維距離下深入分析村莊的普惠金融在地理上和經(jīng)濟上的空間相關(guān)特征。

1.空間權(quán)重矩陣的選擇

2.農(nóng)村普惠金融的全局空間自相關(guān)

通常，學(xué)者采用“Moran’s I”指數(shù)(“Moran”，1950[28])來度量全局的空間自相關(guān)：

(1)

(三)空間視角下農(nóng)村普惠金融的發(fā)展分析

較多文獻(xiàn)研究了影響普惠金融發(fā)展的因素。董曉林、徐虹(2012)[8]、張國俊等(2014)[22]及李濤等(2010)[15]等分別從宏觀、微觀角度研究了影響金融普惠度的因素，但都未考慮普惠金融的空間特征，可能會有偏差。根據(jù)是否考慮空間滯后性和空間誤差相關(guān)性，空間計量模型可分為空間滯后模型、空間誤差模型、空間杜賓模型和廣義空間模型。

影響普惠金融發(fā)展的因素包括宏觀經(jīng)濟、社會環(huán)境和基礎(chǔ)設(shè)施三個方面。宏觀經(jīng)濟包括：(1)經(jīng)濟水平：經(jīng)濟發(fā)展較好的地區(qū)人均收入較高，金融需求較旺盛，因此具有較高的普惠金融水平[31][15][32][8][22][33]；(2)貧富差距：貧富差距較大的地區(qū)，小部分富人的金融需求可能會得到重視和滿足，而大部分窮人卻得不到金融服務(wù)，普惠金融度會更低[34][35]；(3)財政支出：政府促進(jìn)金融市場發(fā)展的積極投入有利于提高普惠金融[22]。社會環(huán)境包括：(1)基層民主：普惠金融的發(fā)展惠澤村民，但短期內(nèi)金融機構(gòu)無法獲利，需各級政府和村委會積極投入。因此越民主的村莊普惠金融可能發(fā)展越好；(2)外出務(wù)工：人口流動將增加村莊與外界的交流[36]，外出務(wù)工的人流還會帶來資金流，增加對金融服務(wù)的需求；(3)科學(xué)技術(shù)：科學(xué)技術(shù)水平在一定程度上反映了該村受教育水平和整體發(fā)展程度，也將促進(jìn)普惠金融的發(fā)展[37]?；A(chǔ)設(shè)施包括：(1)交通便利：交通便利對普惠金融應(yīng)當(dāng)會有重要影響[4][32][38]；(2)快遞業(yè)：快遞業(yè)是交通運輸發(fā)展的一個代表，定會影響該地的金融發(fā)展[39]，尤其是對互聯(lián)網(wǎng)金融有重大影響；(3)網(wǎng)絡(luò)設(shè)施：網(wǎng)絡(luò)是互聯(lián)網(wǎng)金融發(fā)展的前提條件，也是農(nóng)戶學(xué)習(xí)、交流、溝通的重要渠道[32][40]；(4)文化設(shè)施：圖書閱覽室作為村莊最基本的文化設(shè)施，是農(nóng)戶學(xué)習(xí)的重要渠道之一。各影響因素的調(diào)查問題、問卷來源和賦值見表2。

表2 普惠金融的影響因素

四、實證結(jié)果分析

(一)農(nóng)村普惠金融的描述性統(tǒng)計

根據(jù)信息熵法計算出各指標(biāo)權(quán)重(表1第3列)。銀行各指標(biāo)的權(quán)重之和為0.373，保險各指標(biāo)權(quán)重之和為0.369，互聯(lián)網(wǎng)金融的各指標(biāo)權(quán)重之和為0.260。這與銀行、保險和互聯(lián)網(wǎng)金融在整個金融業(yè)中的地位基本一致。進(jìn)而計算各農(nóng)戶家庭的普惠金融度。將全國分為東、中、西三個區(qū)域*東部包括遼寧、北京、天津、河北、山東、江蘇、上海、浙江、福建、廣東、廣西、海南；中部包括山西、內(nèi)蒙古、吉林、黑龍江、安徽、江西、河南、湖北、湖南；西部包括陜西、甘肅、青海、寧夏、新疆、四川、重慶、云南、貴州、西藏。，以區(qū)域為基礎(chǔ)進(jìn)行統(tǒng)計分析，各區(qū)域農(nóng)戶普惠金融的描述性統(tǒng)計見表3。均值越大，表明該區(qū)域的普惠金融平均而言發(fā)展越好，排名越靠前。

表3 農(nóng)村普惠金融的描述性統(tǒng)計

從東、中、西三大區(qū)域來看，中部地區(qū)的普惠金融最低(0.0865)，東部最高(0.0933)，西部次之(0.0929)，且東、西部的差距很小。這說明中部普惠金融發(fā)展水平最低，而東部最好。比較均值和中位數(shù)并結(jié)合偏斜度可發(fā)現(xiàn)，全國、東部、中部及西部的普惠金融均值都大于中位數(shù)，且偏斜度為正。這說明大多數(shù)村莊的普惠金融水平都較低。西部偏斜度較小，低值聚集較少。觀察極值之間的差距，東部最大而西部最小。這說明東部農(nóng)戶間的普惠金融差異較大，而西部農(nóng)戶間的普惠金融差異相對較小。

(二)農(nóng)村普惠金融的全局空間自相關(guān)

根據(jù)地理距離、經(jīng)濟距離和綜合距離三個權(quán)重矩陣分別計算全局Moran’s I(表4)。

表4 農(nóng)村金融普惠度的全局空間自相關(guān)

無論是以地理距離為權(quán)重，還是以經(jīng)濟距離或綜合距離為權(quán)重，我國農(nóng)村普惠金融均存在全局空間的正相關(guān)特征，且均在1%的置信水平下顯著。這表明農(nóng)村普惠金融發(fā)展存在著村莊之間的聚集現(xiàn)象。從地理距離的角度分析，普惠金融發(fā)展水平相近的村莊相互鄰近，具有空間聚集的特征。也就是說，普惠金融發(fā)展較好的村莊能有效帶動周圍村莊的普惠金融一并發(fā)展，同時也受周圍村莊的影響。這說明農(nóng)村普惠金融的發(fā)展具有明顯的地域集中性。從經(jīng)濟距離的角度分析，具有相似經(jīng)濟發(fā)展程度的村莊也具有相似的普惠金融發(fā)展水平。這說明農(nóng)村普惠金融的發(fā)展與經(jīng)濟水平密切相關(guān)。將地理距離和經(jīng)濟距離綜合考慮，普惠金融依然存在非常顯著的全局自相關(guān)，農(nóng)村普惠金融度在地理和經(jīng)濟上均存在顯著的集聚效應(yīng)和傳染效應(yīng)。

(三)Moran散點圖及LISA指標(biāo)的顯著性

采用Moran散點圖和LISA指標(biāo)進(jìn)一步研究局部相關(guān)性。圖1是以三個不同矩陣為權(quán)重的Moran散點圖。第一象限為HH型，其余依次為HL、LL和LH型。圖1中，無論是地理矩陣還是經(jīng)濟矩陣和綜合矩陣，大多數(shù)村莊都處于第一象限(HH)和第三象限(LL)，而第二象限(HL)和第四象限(LH)較少。這說明，即使從各村莊的微觀角度，我國農(nóng)村普惠金融也存在明顯的集聚效應(yīng)和傳染效應(yīng)。地理上，普惠金融發(fā)展度相近的村莊往往集聚在一起并相互影響；經(jīng)濟上，經(jīng)濟發(fā)展水平相近的村莊也具有相近的普惠金融發(fā)展度；即使同時考慮地理距離和經(jīng)濟距離，也具有如此特征。

圖1 Moran散點圖

進(jìn)一步用LISA考慮局部空間性顯著的村莊，表5匯總展示了各區(qū)域LISA集群顯著的村莊數(shù)占該區(qū)域全部村莊數(shù)的百分比，空值則代表該區(qū)域各村莊在該象限中均不顯著。

表5 LISA集群(顯著)的情況

在全國范圍內(nèi)，以地理距離為權(quán)重矩陣時，顯著的村莊占比為28%；以經(jīng)濟距離為權(quán)重矩陣時，顯著的村莊占比為22%；以綜合距離為權(quán)重矩陣時，顯著的村莊占比為14%。這說明，相對而言，農(nóng)村普惠金融的空間相關(guān)性主要以地理距離的影響為主，經(jīng)濟距離的影響次之。其次，觀察各矩陣各象限中顯著村莊的百分比，與Moran散點圖的結(jié)論完全一致，全國大多數(shù)顯著的村莊為HH型或LL型。深入比較，三類矩陣的結(jié)果區(qū)別很大。地理距離權(quán)重矩陣時，LISA值顯著的村莊中HH型的最多，其次為LL型。但HL型和LH型的顯著村莊合計仍然有8%的占比。這表明從地理距離來看，在某一區(qū)域中的領(lǐng)頭羊型或拖累型村莊仍有一定的比例。經(jīng)濟距離權(quán)重矩陣時，大多數(shù)LISA值顯著的村莊為LL型，其次是HH型，而沒有LISA值顯著的村莊是HL型或LH型的。這說明經(jīng)濟水平相近的村莊必定具有相似的普惠金融發(fā)展水平，一定不存在普惠金融發(fā)展水平與經(jīng)濟發(fā)展水平相左的情況。綜合矩陣的結(jié)果則明顯是地理矩陣和經(jīng)濟矩陣分析結(jié)果的綜合體現(xiàn)。

從東、中、西部三個區(qū)域來看，地理距離矩陣下，東部地區(qū)LISA值顯著的村莊占比最高，且HH型村莊占比也最高。這表明在東部地區(qū)村莊普惠金融整體水平都較高，而且各村莊能相互積極影響。但在東部地區(qū)仍有4%的村莊顯著為LL型，且還有一定比例的HL型和LH型村莊。另外，中部地區(qū)LISA值顯著的村莊中沒有HH型的，且LL型的村莊占比最大，這表明中部地區(qū)的村莊普惠金融水平較低，并都在低水平上相互影響。而西部的情況介于兩者之間。在經(jīng)濟距離矩陣下，各區(qū)域LISA值顯著的村莊比與地理距離矩陣下相似，但非常明顯的是，東部和西部地區(qū)的LL型村莊占比明顯增加，而西部地區(qū)的LL型村莊占比明顯下降。這再次表明普惠金融水平與經(jīng)濟發(fā)展水平密切相關(guān)。綜合矩陣下由于考慮了更多的因素，因此LISA值顯著的村莊占比明顯下降。

(四)農(nóng)村普惠金融的影響因素

先選擇合適的模型[41][42]，檢驗在不同權(quán)重的矩陣下農(nóng)村普惠金融是否存在空間滯后性或空間誤差相關(guān)性(表6)。

注：* 、** 和*** 分別表示在10%、5%和1%的顯著性水平下顯著。下同。

空間滯后檢驗的結(jié)果表明，無論在何種權(quán)重矩陣下，兩種檢驗均顯著拒絕不存在空間滯后性的原假設(shè)。因此，三個權(quán)重矩陣下均應(yīng)包含空間滯后項。而空間誤差檢驗的結(jié)果中當(dāng)?shù)乩砭嚯x為權(quán)重矩陣時，三個統(tǒng)計量均顯著大于0；在以經(jīng)濟距離和綜合距離為權(quán)重矩陣時，Moran’s I均顯著大于0，但LM和Robust LM均不顯著。所以，在地理距離為權(quán)重矩陣時需同時考慮空間滯后性和空間誤差相關(guān)性，則應(yīng)采用空間滯后模型和廣義空間模型。在以經(jīng)濟距離和綜合距離為權(quán)重矩陣時，因空間誤差檢驗結(jié)果不穩(wěn)健，故采用空間滯后模型。同時，還考慮空間杜賓模型(表7)。

表7中，地理矩陣下λ均不顯著，但在廣義空間模型下ρ在1%的水平下顯著，而在空間杜賓模型下ρ不顯著，σ在1%的水平下顯著。而經(jīng)濟矩陣和綜合矩陣下，空間滯后模型和空間杜賓模型的λ均不顯著，但是空間杜賓模型的σ在1%的水平下顯著。這說明，嚴(yán)格來講，空間滯后模型的分析結(jié)果不太可靠。村莊間普惠金融發(fā)展的空間相關(guān)性更多體現(xiàn)為地理位置的空間相關(guān)和鄰居自變量的影響，且以空間滯后模型和空間杜賓模型的擬合更為恰當(dāng)。

表7 農(nóng)村普惠金融的影響因素*空間相關(guān)性模型可以通過極大似然法(MLE)和廣義空間二段最小二乘法(GS2SLS)兩種方法進(jìn)行估計。根據(jù)Arraiz et al(2010)[43]，由于GS2SLS在異方差情況下結(jié)果一致，故更加穩(wěn)健。限于篇幅，僅報告GS2SLS估計結(jié)果，MLE估計結(jié)果類似。

注：括號內(nèi)為t值。

從各回歸變量的系數(shù)來看，表7中(1)～(4)的回歸結(jié)果一致，各模型中各變量對普惠金融的影響方向和顯著度均一致。(1)經(jīng)濟水平的提高能顯著提高農(nóng)村普惠金融水平，與Devlin(2005)[31]、田霖(2011)[32]等的結(jié)論相同。(2)基層民主能促進(jìn)普惠金融的發(fā)展，與假設(shè)一致，當(dāng)基層政府機構(gòu)更加民主時，政府更能從民生著手，促進(jìn)普惠金融水平的提高。(3)科學(xué)技術(shù)對普惠金融也有顯著的促進(jìn)作用，與假設(shè)一致。(4)快遞業(yè)的發(fā)展能顯著地提高普惠金融的發(fā)展水平。因為快遞點的數(shù)量反映農(nóng)戶與外界的聯(lián)系水平，與假設(shè)一致。其他因素對普惠金融的影響均不顯著。

五、結(jié)論與建議

本文基于上海財經(jīng)大學(xué)2015年“千村調(diào)查”的數(shù)據(jù)，運用信息熵法構(gòu)建普惠金融的衡量指標(biāo)體系，并運用空間計量模型驗證了金融普惠度在村莊間的傳染效應(yīng)，識別具有顯著傳染性的村莊，在考慮空間相關(guān)性的前提下找到顯著影響普惠金融發(fā)展的影響因素。本文的研究發(fā)現(xiàn)：(1)我國農(nóng)村普惠金融的發(fā)展普遍偏低，東部的普惠金融發(fā)展相對較好，中部的普惠金融發(fā)展水平最低；(2)農(nóng)村普惠金融發(fā)展存在明顯的空間傳染效應(yīng)，地理位置相近或經(jīng)濟發(fā)展水平相近的村莊都具有相似的普惠金融發(fā)展水平，并相互影響。相對而言，地理矩陣下的空間傳染效應(yīng)尤其突出；(3)東部地區(qū)顯著的HH型村莊較多，而中部地區(qū)顯著的LL型村莊較多，還存在顯著的LH和HL型村莊；(4)空間滯后模型是分析地理矩陣空間特征下普惠金融影響因素的最佳模型，提高經(jīng)濟發(fā)展水平、促進(jìn)基層民主、發(fā)展科學(xué)技術(shù)和增設(shè)快遞點均將有效提升我國農(nóng)村普惠金融發(fā)展。政府機構(gòu)在制定促進(jìn)農(nóng)村普惠金融發(fā)展的相關(guān)政策時，應(yīng)高度重視農(nóng)村普惠金融的空間傳染性，有針對性地選擇具有正向影響作用的村莊作為普惠金融示范村，有效帶動周圍村莊的普惠金融水平的提高。西部地區(qū)在政府的支持和關(guān)心下，普惠金融的發(fā)展程度已明顯好于中部。各級政府也應(yīng)重視中部的普惠金融發(fā)展，提高農(nóng)村普惠金融整體水平。

[1]Morrison P. S. ，O’Brien R. Bank branch closures in New Zealand: The application of a spatial interaction model[J]. Applied Geography, 2001, 21(4), pp.301-330.

[2]Leyshon A. ，Thrift N. The restructuring of the UK financial services industry in the 1990s: A reversal of fortune?[J]. Journal of Rural Studies, 1993, 9(3), pp.223-241.

[3]Leyshon A. ，Thrift N. Access to financial services and financial infrastructure withdrawal: Problems and policies[J]. Area, 1994, 26(3), pp. 268-275.

[4]Leyshon A. ，Thrift N. Geographies of financial exclusion: Financial abandonment in Britain and the United States[J]. Transactions of the Institute of British Geographers, 1995, 20(3), pp. 312-341.

[5]Wentzel P. Diatha S. ，Yadavalli S. An investigation into factors impacting financial exclusion at the bottom of the pyramid in South Africa[J]. Development Southern Africa, 2016, 33(2), pp. 202-214.

[6]Lamb L. Financial exclusion and financial capabilities in Canada [J]. Journal of Financial Economic Policy, 2016,8(2), pp.212-227.

[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.

[8]董曉林，徐虹.我國農(nóng)村金融排斥影響因素的實證分析——基于縣域金融機構(gòu)網(wǎng)點分布的視角[J].金融研究，2012，(9)：115-126.

[9]薛寶貴，何煉成.市場競爭、金融排斥與城鄉(xiāng)收入差距[J].財貿(mào)研究,2016，(1):1-8.

[10]Sarma M. & Pais J. Financial inclusion and development: A cross country analysis[A]. Annual Conference of the Human Development and Capability Association, New Delhi[C]. 2008.

[11]Sarma M. & Pais J. Financial inclusion and development[J].Journal of International Development, 2011, 23(5), pp. 613-628.

[12]Arora, U.Measuring Financial Access[Z]. Griffith University, Discussion Paper in Economics, 2010, (7), pp. 1-21.

[13]Cebulla, A.A geography of insurance exclusion: Perceptions of unemployment risk and actuarial risk assessment[J]. Area, 1999, 31(2), pp.111-121.

[14]Joassart-Marcelli P. and Stephens P. Immigrant banking and financial exclusion in Greater Boston[J]. Journal of Economic Geography, 2010, 10(6), pp. 883-912.

[15]李濤,王志芳，王海港.中國城市居民的金融排斥狀況研究——基于微觀調(diào)查數(shù)據(jù)的經(jīng)驗證據(jù)[J].經(jīng)濟研究，2010，(7):15-30.

[16]Komarova Y. and Gonzalez L. Competition against common sense: Insights on peer-to-peer lending as a tool to allay financial exclusion[J]. International Journal of Bank Marketing, 2015, 33(5), pp.605-623.

[17]曹廷貴，蘇靜，任渝.基于互聯(lián)網(wǎng)技術(shù)的軟信息成本與小微企業(yè)金融排斥度關(guān)系研究[J].經(jīng)濟學(xué)家，2015，(7)：1-10.

[18]Beck T. Demirgü?-Kunt A. and Peria M. Reaching out: Access to and use of banking services across countries[J]. Journal of Financial Economics, 2007, 85(1), pp. 234-266.

[19]Gupte R. Venkataramani B. and Gupta D. Computation of financial inclusion index for India[J]. Procedia-Social and Behavioral Sciences, 2012,(37), pp.133-149.

[20]Rahman M. H. Employees’ motivation in public and private commercial banks in Bangladesh: A study on need-based approach[J]. Global Disclosure of Economics and Business, 2013, 2(2), pp. 98-91.

[21]Ambarkhane D., Singh A. S., Venkataramani B. Measuring financial inclusion of Indian states[J]. International Journal of Rural Management, 2016, 12(1): 72-100.

[22]張國俊,周春山，許學(xué)強.中國金融排斥的省際差異及影響因素[J].地理研究,2014，(12):1-9.

[23]胡永宏.對統(tǒng)計綜合評價中幾個問題的認(rèn)識與探討[J].統(tǒng)計研究，2012，(1):26-30.

[24]粟芳，初立蘋.中國金融業(yè)綜合融資能力的動態(tài)比較及特征分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究,2013,(11):90-107.

[25]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)濟研究,2015，(12):51-62.

[26]林光平，龍志和，吳梅.中國地區(qū)經(jīng)濟σ-收斂的空間計量實證分析[J].數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2006，(4):14-23.

[27]魏下海.人力資本、空間溢出與省際全要素生產(chǎn)率增長——基于三種空間權(quán)重測度的實證檢驗[J].財經(jīng)研究,2010,(12):94-104.

[28]Moran P. Notes on continuous stochastic phenomena[J]. Biometrika, 1950, 37(1/2), pp. 17-23.

[29]Anselin L. The Moran Scatterplot as An ESDA Tool to Assess Local Instability in Spatial Association[M]. Morgantown, WV: Regional Research Institute, West Virginia University, 1993.

[30]Anselin L. Local indicators of spatial association—LISA[J]. Geographical Analysis, 1995, 27(2), pp. 93-115.

[31]Devlin J. F. A detailed study of financial exclusion in the UK[J]. Journal of Consumer Policy, 2005, 28(1), pp. 75-108.

[32]田霖.我國金融排斥的城鄉(xiāng)二元性研究[J].中國工業(yè)經(jīng)濟,2011,(2):36-45.

[33]Koku P. S. Financial exclusion of the poor: A literature review[J]. International Journal of Bank Marketing, 2015,(5), pp. 654-668.

[34]陶磊.中國少數(shù)民族地區(qū)金融排斥研究[D].成都：西南財經(jīng)大學(xué)博士學(xué)位論文,2013.

[35]魏晃.我國金融排斥問題研究[D].廈門：廈門大學(xué)碩士學(xué)位論文,2008.

[36]霍焰.農(nóng)民收入增長與農(nóng)村金融發(fā)展的互動研究[D].長春：吉林大學(xué)博士學(xué)位論文,2013.

[37]Bunyan, S., Collins, A., Torrisi, G. Analysing household and intra-urban variants in the consumption of financial services: Uncovering “Exclusion” in an English city[J]. Journal of Consumer Policy, 2016, 39(2): 1-23.

[38]Alamá L. & Tortosa‐Ausina E. Bank branch geographic location patterns in Spain: Some implications for financial exclusion[J]. Growth and Change, 2012, 43(3), pp. 505-543.

[39]張英.我國快遞行業(yè)發(fā)展現(xiàn)狀及策略探究[J].時代金融,2012，(10):201-201.

[40]謝平，鄒傳偉.互聯(lián)網(wǎng)金融模式研究[J].金融研究,2012,(12):11-23.

[41]Anselin L. & Hudak S. Spatial econometrics in practice: A review of software options[J]. Regional Science and Urban Economics, 1992, 22(3), pp. 509-536.

[42]Anselin L. Bera A. K. & Florax R. Simple diagnostic tests for spatial dependence[J]. Regional Science and Urban Economics, 1996, 26(1), pp. 77-104.

[43]Arraiz I., Drukker D. M., Kelejian H. H., et al. A spatial Cliff-Ord-type model with heteroskedastic innovations: Small and large sample results[J]. Journal of Regional Science, 2010, 50(2): 592-614.

(責(zé)任編輯:原 蘊)

Analysis of the Spatial Correlation and Influencing Factors for Inclusive Finance of Chinese Countryside——Based on 2015 “Investigation of Thousands of Villages” by SUFE

FANG Lei， SU Fang

(School of Finance, Shanghai University of Finance and Economics, Shanghai 200433, China)

Base on the micro data of 2015 “Investigation of Thousands of Villages” conducted by Shanghai University of Finance and Economics, this paper uses the information comentropy method to measure the development of inclusive finance in Chinese countryside and applies the spatial econometric models to examines the spatial correlations among villages and the influencing factors. The results indicate that the development of the inclusive finance in the countryside of China is far from satisfacory. Comparatively speaking, the development of the inclusive fincance is better in eastern area s than in western areas, and it’s the worst in central areas. There are obvious spatial correlations in the development of inclusive finance in the countryside, which are most conspicuous in the geographical matrix. There are more HH villages in eastern areas, and more LL villages in central areas. The spatial lag model is the best model to analyze the influencing factors of inclusive finance. Economical development level, democracy at the grassroots level, science & technology，and express shops all have an effect on the development of inclusive finance in Chinese countryside.

inclusive finance; spatial correlation; influencing factors

2016-06-28

方蕾(1991-)，女，浙江寧波人，上海財經(jīng)大學(xué)金融學(xué)院博士生；粟芳(1974-)，女，四川綿陽人，上海財經(jīng)大學(xué)金融學(xué)院副教授。

F830

A

1004-4892(2017)01-0039-10