孫雨麒

(中南民族大學(xué)經(jīng)濟(jì)學(xué)院 湖北 武漢 430074)

一、引言

長江中下游地區(qū)主要包括六省一市，分別是湖北、湖南、江西、安徽、江蘇、浙江以及上海。長江中下游地區(qū)，橫穿我國的中東部地區(qū)，擁有著豐富的自然資源，優(yōu)越的人力資源以及先進(jìn)的科學(xué)技術(shù)水平，在我國具有重要的戰(zhàn)略地位。隨著長江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略的提出，長江中下游地區(qū)的經(jīng)濟(jì)不斷向前發(fā)展，金融水平也不斷提升。但是，由于地區(qū)內(nèi)部經(jīng)濟(jì)發(fā)展的不平衡，造成了一系列的發(fā)展問題。其中，金融排斥的問題會阻礙該地區(qū)的金融發(fā)展。

金融排斥是指社會中的某些群體沒有能力進(jìn)入金融體系，沒有能力以恰當(dāng)?shù)男问将@得必要的金融服務(wù)。最早提出金融排斥這一概念的是Leyshon和Thrift(1993)[1]。他們認(rèn)為一些群體無法享受到金融服務(wù)是由于一些地區(qū)金融網(wǎng)點的缺失。Kempson和Whyley(1999)[2]從六個方面來分析金融排斥，分別是：價格排斥、評估排斥、條件排斥、營銷排斥和自我排斥。這一觀點構(gòu)成了金融排斥指數(shù)模型的理論基礎(chǔ)。最近，隨著金融業(yè)的不斷發(fā)展，國外對于金融排斥問題的研究也呈現(xiàn)出多樣性的特征。Wayne Simpson和Jerry Buckland(2009)[3]將有關(guān)信用約束和金融排斥的現(xiàn)有文獻(xiàn)聯(lián)系起來，以評估信用約束和金融排斥對中低收入消費者的財務(wù)狀況的影響。并通過構(gòu)建金融排斥影響因素模型，將觀察到的信貸約束和金融排斥措施與消費者特征和生命周期行為聯(lián)系起來。最終得出結(jié)論：金融知識，正規(guī)教育，資產(chǎn)建設(shè)對金融排斥和信貸約束具有重要影響。Nikolaos Mylonidis等(2019)[4]使用2013年收入動態(tài)小組研究的詳細(xì)數(shù)據(jù)，調(diào)查文化因素與金融排斥之間的聯(lián)系。通過控制大量的人口特征和背景因素，發(fā)現(xiàn)天主教徒更有可能被排除在基本銀行服務(wù)之外。由此，可以得出結(jié)論：社會宗教參與度對金融排斥具有重要的經(jīng)濟(jì)影響。

我國最早研究金融排斥的學(xué)者是田霖(2010)。[5]他從貸款支持農(nóng)戶數(shù)、農(nóng)業(yè)貸款比例、金融機構(gòu)網(wǎng)點覆蓋率等指標(biāo)，分析出我國農(nóng)村地區(qū)的金融排斥存在空間差異性。最近，我國對于這一問題的研究不斷豐富。張國俊，姚洋洋和周春山(2018)[6]基于我國31個省份2004-2012年的面板數(shù)據(jù)，研究我國省際之間的金融排斥差異，再根據(jù)Moran's I指數(shù)模型，分析我國各個省份金融排斥的空間集聚效應(yīng)。最終得出結(jié)論：我國的金融排斥的空間分布呈現(xiàn)東部低聚集，西部高聚集的特征。鄒嫄(2018)[7]基于金融排斥指數(shù)綜合評價體系，使用空間杜賓分析模型，探究廣西各地的金融排斥的空間分布。研究表明：城市化水平的提升能夠有效治理金融排斥的問題。李偉(2019)[8]通過金融排斥六個方面分析法，計算我國各個省份2018年的金融排斥指數(shù)，并分析金融排斥指數(shù)與金融區(qū)域差異之間的關(guān)系。最終發(fā)現(xiàn)：金融信息化水平的提升有利于治理金融排斥的問題，減小金融區(qū)域的差異性。

二、長江中下游地區(qū)金融排斥影響因素分析

(一)模型的建立

本文借鑒Beck(2007)[9]、田霖(2010)[5]、黃琦(2013)[10]、田杰(2013)[11]以及何婧田(2017)[12]的方法，分別從社會經(jīng)濟(jì)水平，社會治理水平以及社會文化水平三個方面來分析長江中下游地區(qū)金融排斥的影響因素。本文在此基礎(chǔ)上，新增了三個變量，分別是：金融網(wǎng)點地理分布，新增法治水平以及工商監(jiān)管程度作為變量。構(gòu)造的模型如下：

Ife=α+β1LnY+β2Api+β3Ump+β4Fpd+β5Tir+β6Hel+β7Brc+β8Rle+β9Icc+β10Gcm+ε

其中，α是截距項，β1到β10是金融排斥影響因素的系數(shù)，ε是隨機誤差項。LnY代表長江中下游地區(qū)的區(qū)域內(nèi)部生產(chǎn)總值，為了增加截面數(shù)據(jù)的平穩(wěn)性以及維持方差的恒定，將其進(jìn)行對數(shù)處理。Api代表加權(quán)平均個人收入，根據(jù)城鄉(xiāng)經(jīng)濟(jì)增加值的比重，加權(quán)計算長江中下游地區(qū)的平均個人收入。Ump代表長江中下游地區(qū)的失業(yè)率，通過失業(yè)人數(shù)與勞動力人數(shù)的比例進(jìn)行計算。Fpd代表金融網(wǎng)點地理分布，通過金融網(wǎng)點個數(shù)與地區(qū)面積的比例進(jìn)行計算。Tir代表第三產(chǎn)業(yè)貢獻(xiàn)率，通過第三產(chǎn)業(yè)產(chǎn)值與地區(qū)內(nèi)部生產(chǎn)總值的比例進(jìn)行計算。Hel代表高等教育普及率，通過受到高等教育的人數(shù)與地區(qū)總?cè)藬?shù)的比例進(jìn)行計算。Brc代表工商監(jiān)管程度，通過政府工商監(jiān)管支出與財政總支出的比例進(jìn)行計算。Rle代表法治水平，通過執(zhí)法支出與財政總支出的比例進(jìn)行計算。Icc代表產(chǎn)業(yè)集中度，通過規(guī)模企業(yè)數(shù)量與企業(yè)總數(shù)的比例進(jìn)行計算。Gcm代表政府支出創(chuàng)造乘數(shù)，通過財政總支出與地區(qū)內(nèi)部生產(chǎn)總值的比例進(jìn)行計算。

(二)分析結(jié)果

本文選取2018年長江中下游地區(qū)的405個縣(市)級單位的截面數(shù)據(jù)，并通過R軟件，進(jìn)行多元回歸分析。最終，回歸結(jié)果如下：

表1 長江中下游地區(qū)金融排斥影響因素的多元分析

根據(jù)表1的數(shù)據(jù)，可以得到以下結(jié)論：

(1)LnY的回歸系數(shù)為負(fù)數(shù)，說明地區(qū)內(nèi)部的生產(chǎn)總值越大，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)的生產(chǎn)總值增加1%時，長江中下游地區(qū)的金融排斥指數(shù)下降1.098%。

(2)Api的回歸系數(shù)為負(fù)數(shù)，說明地區(qū)加權(quán)平均個人收入越大，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)的加權(quán)平均個人收入增加1%時，長江中下游地區(qū)的金融排斥指數(shù)下降0.587%。

(3)Ump的回歸系數(shù)為正數(shù)，說明失業(yè)率越大，金融排斥指數(shù)越大。當(dāng)長江中下游地區(qū)的失業(yè)率增加1%，長江中下游地區(qū)的金融排斥指數(shù)上升2.225%。

(4)Fpd的回歸系數(shù)為負(fù)數(shù)，說明金融網(wǎng)點地理分布越密集，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)金融網(wǎng)點的地理分布指數(shù)增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降0.052%。

(5)Tir的回歸系數(shù)為負(fù)數(shù)，說明第三產(chǎn)業(yè)貢獻(xiàn)率越大，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)的第三產(chǎn)業(yè)貢獻(xiàn)率增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降1.169%。

(6)Hel的回歸系數(shù)為負(fù)數(shù)，說明高等教育普及率越大，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)的高等教育普及率增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降3.744%。

(7)Brc的回歸系數(shù)為負(fù)數(shù)，說明工商監(jiān)管程度越大，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)工商監(jiān)管支出的比例增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降0.106%。

(8)Rle的回歸系數(shù)為負(fù)數(shù)，說明法治水平越高，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)公檢法支出的比例增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降1.467%。

(9)Icc的回歸系數(shù)為負(fù)數(shù)，說明產(chǎn)業(yè)集中度越高，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)產(chǎn)業(yè)集中比率增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降2.003%。

(10)Gcm的回歸系數(shù)為負(fù)數(shù)，說明政府財政支出創(chuàng)造乘數(shù)越高，金融排斥指數(shù)越小。當(dāng)長江中下游地區(qū)的財政效力增加1%，長江中下游地區(qū)的金融排斥指數(shù)下降0.184%。

三、長江中下游地區(qū)金融排斥的治理對策

(一)合理設(shè)立金融網(wǎng)點，完善金融基礎(chǔ)設(shè)施建設(shè)

長江中下游地區(qū)的金融網(wǎng)點分布不太平均。總體上來說，江蘇省和浙江省分布較為合理，各個區(qū)域金融網(wǎng)點的配置比較充分。其他省份與這兩個省份之間存在一定的差距。因此，湖北省，湖南省，江西省以及安徽省在金融網(wǎng)點配置上需要進(jìn)一步完善。

首先，明確區(qū)域發(fā)展目標(biāo)，完成城市布局與規(guī)劃。金融網(wǎng)點的地理分布與人口分布不合理，主要是因為對于區(qū)域內(nèi)部的規(guī)劃和布局不合理。從而，導(dǎo)致地區(qū)內(nèi)部的金融網(wǎng)點設(shè)置不太平均。因此，應(yīng)該做好良好的城市規(guī)劃，按照人口數(shù)量與地域面積雙向指標(biāo)去完善與配置相應(yīng)的金融網(wǎng)點。

其次，豐富金融網(wǎng)點形式，適應(yīng)市場需求。應(yīng)該根據(jù)不同的地域面積與人群特征，設(shè)置差異化形式的金融網(wǎng)點。一些地區(qū)人煙稀少，地域面積狹小，市場需求不夠旺盛，可以設(shè)置便攜式電子金融網(wǎng)點以及非主要分支機構(gòu)，例如銀行體系中的存儲現(xiàn)金的ATM機。一些地區(qū)人口眾多，地域面積寬闊，商場需求旺盛，可以設(shè)置金融機構(gòu)總店或者主要分支機構(gòu)。

最后，根據(jù)地理與人口特征，設(shè)置相應(yīng)的金融服務(wù)。不同地域的人群對于金融服務(wù)的需求不同。對于經(jīng)濟(jì)條件相對較好的地區(qū)，該地區(qū)的居民對于未來的經(jīng)濟(jì)趨勢是極為樂觀的，也會加大對于信貸服務(wù)的需求，因此需要設(shè)置信貸類型的金融服務(wù)。對于經(jīng)濟(jì)條件相對較差的地區(qū)，該地區(qū)的居民對于未來的經(jīng)濟(jì)趨勢是不太樂觀的，便會加大對于存儲服務(wù)的需求，因此需要設(shè)置存儲類型的金融服務(wù)。

(二)提升居民教育水平，增加金融從業(yè)人數(shù)

長江中下游地區(qū)各個省份的金融從業(yè)人數(shù)相差很大。江蘇省的金融從業(yè)人數(shù)很多，江西省的金融從業(yè)人數(shù)較少，其余省份適中。金融從業(yè)人數(shù)越高，能夠提供的金融服務(wù)越多，金融排斥的程度越低。因此，增加長江中下游地區(qū)的金融從業(yè)人數(shù)迫在眉睫。

根據(jù)金融排斥影響因素的分析結(jié)果可以看出，長江中下游地區(qū)的教育程度與金融排斥指數(shù)成反比。長江中下游地區(qū)的教育程度越高，金融排斥指數(shù)越低，金融發(fā)展越好。因此，應(yīng)該提升居民的教育程度，從而提升居民的金融意識，增加市場需求。通過市場需求的提升，增加金融機構(gòu)數(shù)量，從而增加金融從業(yè)人數(shù)。

(三)創(chuàng)新經(jīng)濟(jì)發(fā)展方式，提升居民可支配收入

根據(jù)金融排斥影響因素的分析結(jié)果可以看出，長江中下游地區(qū)的生產(chǎn)總值與金融排斥指數(shù)成反比。長江中下游地區(qū)的生產(chǎn)總值越高，金融排斥指數(shù)越低，金融發(fā)展越好。同樣可以看出長江中下游地區(qū)的居民可支配收入與金融排斥指數(shù)成反比。長江中下游地區(qū)的居民可支配收入越高，金融排斥指數(shù)越低，金融發(fā)展越好。因此，大力發(fā)展地區(qū)經(jīng)濟(jì)，增加居民可支配收入，可以對金融排斥進(jìn)行有效治理。