鄭健體，施湘賢，謝志忠

(1.泉州師范學(xué)院 商學(xué)院，福建 泉州 362000；2.福建農(nóng)林大學(xué) 安溪茶學(xué)院，福建 泉州 362400)

金融排斥(financial exclusion)也稱金融排除或金融排斥性，是指在金融體系中人們?nèi)鄙俜窒斫鹑诜?wù)的一種狀態(tài)，包括社會(huì)中的弱勢(shì)群體缺少足夠的途徑接近金融機(jī)構(gòu)，以及在利用金融產(chǎn)品或金融服務(wù)方面存在諸多困難和障礙.有關(guān)金融排斥問題的研究開始于20世紀(jì)末期，Leyshon等[1]從金融地理學(xué)的角度出發(fā)，對(duì)金融排斥問題進(jìn)行了研究，金融排斥的概念最早也是由他們提出來的.隨著相關(guān)研究的持續(xù)推進(jìn)，Kempson等[2]和Morrison等[3]對(duì)金融排斥的維度進(jìn)行了擴(kuò)展，范圍延伸到了像營銷排斥和自我排斥等非物質(zhì)性的排斥.之后，金融排斥進(jìn)行了更大的維度擴(kuò)展，Collard等[4]將金融排斥拓展到了涵蓋微觀企業(yè)的商業(yè)社群這一層次，Chant[5]則將金融排斥定義擴(kuò)展到了企業(yè)和區(qū)域?qū)哟?金融排斥不僅適用于個(gè)人、家庭，也適用于小企業(yè)、社區(qū)企業(yè)組織和區(qū)域.

1 研究現(xiàn)狀

在金融排斥的量化分析方面，英格蘭東南發(fā)展機(jī)構(gòu)(SEEDA)采用線性回歸模型進(jìn)行分析，對(duì)金融排斥問題的量化分析做出了開創(chuàng)性的貢獻(xiàn).該機(jī)構(gòu)將復(fù)合剝奪指數(shù)(index of multiple deprivation)作為線性回歸模型的因變量，利用收集到的大量數(shù)據(jù)，使用逐步回歸法確定與金融排斥有關(guān)的變量，再計(jì)算出相應(yīng)的金融排斥指數(shù).但是該方法所收集采用的相關(guān)數(shù)據(jù)并不容易獲取，不具有普適性[6].在國內(nèi)，武巍等[7]最先對(duì)金融排斥問題進(jìn)行研究，并從金融地理學(xué)的角度出發(fā)，提出了金融排斥的概念，但并沒有結(jié)合我國對(duì)該問題進(jìn)行深入部析.田霖[8]基于“一個(gè)地區(qū)金融排斥的程度越高，那么該地區(qū)的金融綜合競(jìng)爭力會(huì)越低”這個(gè)負(fù)相關(guān)的關(guān)系，分析了我國地理因素對(duì)金融排斥的影響，提出了“地理資產(chǎn)”的概念.而在此后的研究中，國內(nèi)的學(xué)者們又分別通過不同的視角對(duì)金融排斥問題進(jìn)行了更廣泛的研究.許圣道等[9]建立計(jì)數(shù)模型分析了我國農(nóng)村地區(qū)的金融排斥情況，并確定了導(dǎo)致農(nóng)村金融排斥現(xiàn)象的一些相關(guān)因素.王修華等[10]基于四個(gè)維度指標(biāo)的選擇建立了農(nóng)村金融排斥的評(píng)估指標(biāo)體系，評(píng)估了2006-2009年的農(nóng)村金融排斥綜合指數(shù)的總體情況.蒲勇健等[11]利用空間面板數(shù)據(jù)模型對(duì)我國金融排斥和收斂性進(jìn)行了實(shí)證研究.王飛[12]通過空間地理統(tǒng)計(jì)分析工具并結(jié)合空間差異性進(jìn)行分析，提出了金融發(fā)展空間格局與金融排斥的相互關(guān)系.林柳彤等[13]運(yùn)用定量分析從金融服務(wù)的使用性、便捷性、可得性和滲透性四個(gè)維度構(gòu)建金融排斥指數(shù),發(fā)現(xiàn)金融排斥在中國存在省際差異.王海琳等[14]由金融排斥的內(nèi)涵切入，總結(jié)整理中國金融排斥指標(biāo)的構(gòu)建方法,從城鄉(xiāng)(宏觀)視角和供給(微觀)視角探究了中國金融排斥的影響因素.龔夕竹等[15]通過問卷調(diào)查結(jié)合計(jì)量分析方式，針對(duì)老年人這一特定群體的金融排斥情況進(jìn)行分析.

總體來看，盡管國內(nèi)外學(xué)者意識(shí)到金融排斥多維度、多層次的屬性，但往往還是囿于微觀分析，而對(duì)區(qū)域?qū)哟蔚慕鹑谂懦庋芯窟€相當(dāng)有限，關(guān)于區(qū)域性金融排斥水平及區(qū)域差異影響因素尚無準(zhǔn)確的量化評(píng)價(jià).本文基于目前普遍存在的金融排斥問題，結(jié)合泉州縣域的金融數(shù)據(jù)，構(gòu)建相關(guān)的指標(biāo)體系和指數(shù)測(cè)算模型，對(duì)其各縣市的金融排斥水平進(jìn)行量化評(píng)價(jià)，且對(duì)造成各縣市金融排拆水平差異的影響因素進(jìn)行分析，并提出化解對(duì)策.

2 金融排斥指標(biāo)體系與測(cè)算模型構(gòu)建

2.1 理論分析方法

從目前國內(nèi)外對(duì)金融排斥問題研究的情況來看，Kempson等[2]提出的六維評(píng)價(jià)標(biāo)準(zhǔn)基本成為金融排斥程度測(cè)度分析的主要參考標(biāo)準(zhǔn)，由于這六個(gè)方面里的幾個(gè)因素之間相互聯(lián)系、共同作用，最終導(dǎo)致了金融排斥情況的發(fā)生.六維評(píng)價(jià)體系標(biāo)準(zhǔn)主要包括以下6個(gè)方面.

2.1.1 地理排斥(physical access exclusion) 主要是指被排斥對(duì)象周邊無銀行網(wǎng)點(diǎn)，無法就近獲取金融服務(wù)，必須采用公共交通的方式到達(dá)更遠(yuǎn)的金融機(jī)構(gòu).主要的評(píng)價(jià)指標(biāo)為金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、ATM數(shù)等.

2.1.2 評(píng)估排斥(access exclusion) 主要是指金融機(jī)構(gòu)通過自行設(shè)計(jì)的評(píng)估程序?qū)鹑诜?wù)對(duì)象的風(fēng)險(xiǎn)等級(jí)進(jìn)行評(píng)估，將風(fēng)險(xiǎn)評(píng)估結(jié)果作為準(zhǔn)入依據(jù)，對(duì)金融服務(wù)對(duì)象進(jìn)行準(zhǔn)入限制，導(dǎo)致一些服務(wù)對(duì)象無法獲取金融服務(wù).最典型的金融排斥現(xiàn)象主要發(fā)生在農(nóng)村.主要的評(píng)價(jià)指標(biāo)為民生信貸、涉農(nóng)信貸或者扶貧信貸的比例.

2.1.3 條件排斥(condition exclusion) 該項(xiàng)排斥與評(píng)估排斥類似，可以理解為由于某些額外附加的條件限制，導(dǎo)致了被服務(wù)對(duì)象無法正常享受到相關(guān)服務(wù)的現(xiàn)象.條件排斥主要指金融機(jī)構(gòu)通過附帶各種限制條件，使得一部分群體被排除在金融服務(wù)之外，無法享受相關(guān)的金融服務(wù).主要評(píng)價(jià)指標(biāo)跟評(píng)估排斥相似，可用信貸比例作為評(píng)判指標(biāo).

2.1.4 價(jià)格排斥(price exclusion) 主要是指由于金融產(chǎn)品價(jià)格過高，導(dǎo)致超過了金融服務(wù)對(duì)象的承受范圍，從而造成對(duì)服務(wù)對(duì)象的金融排斥現(xiàn)象.主要評(píng)價(jià)指標(biāo)為貸款利率水平.

2.1.5 營銷排斥(marketing exclusion) 主要指金融機(jī)構(gòu)在產(chǎn)品營銷時(shí)，主觀上將營銷目標(biāo)定位到高質(zhì)量客戶群體，從而忽視了部分弱勢(shì)群體的現(xiàn)象.主要評(píng)價(jià)指標(biāo)為購買投資理財(cái)或者保險(xiǎn)產(chǎn)品的人員比例.

2.1.6 自我排斥(self-exclusion) 主要指人們?cè)谥饔^上認(rèn)為無法獲取金融服務(wù)，或者由于規(guī)定嚴(yán)格、手續(xù)繁瑣等原因而很難獲取到金融服務(wù)，從而自動(dòng)被排除在金融服務(wù)范圍之外.該項(xiàng)指標(biāo)主觀性較強(qiáng)，主要評(píng)價(jià)指標(biāo)不好用數(shù)值性的指標(biāo)進(jìn)行量化.

通過研究六維評(píng)價(jià)標(biāo)準(zhǔn)的指標(biāo)，可以看出金融排斥6個(gè)維度的指標(biāo)互相關(guān)聯(lián)、部分重疊，部分指標(biāo)也無法采用具體數(shù)值進(jìn)行量化評(píng)估.例如，評(píng)估排斥跟條件排斥都涉及金融機(jī)構(gòu)附加額外條件，兩者的評(píng)價(jià)標(biāo)準(zhǔn)有重疊；價(jià)格排斥中，由于當(dāng)前我國貸款利率已經(jīng)放開，金融機(jī)構(gòu)定價(jià)自由度加大，因此該指標(biāo)在同一個(gè)地區(qū)內(nèi)，不能較好地進(jìn)行對(duì)比；而自我排斥由于主觀性較強(qiáng)，無法用具體的數(shù)值進(jìn)行量化.因此，想要較為準(zhǔn)確地對(duì)金融排斥程度進(jìn)行測(cè)算，單純采用這6個(gè)評(píng)價(jià)指標(biāo)存在較大困難，也就無法較準(zhǔn)確地進(jìn)行評(píng)價(jià).

為了能更客觀準(zhǔn)確地對(duì)金融排斥的程度進(jìn)行測(cè)算和研究，需要建立一套較為科學(xué)的評(píng)價(jià)指標(biāo)體系，本文參考借鑒了金融排斥六維評(píng)價(jià)指標(biāo)以及李春宵等[6]提出的金融排斥指標(biāo)構(gòu)建測(cè)度方法，構(gòu)建金融排斥的相關(guān)指數(shù)和計(jì)算方法，進(jìn)而對(duì)泉州各縣市金融排斥程度進(jìn)行測(cè)度研究.

2.2 金融排斥評(píng)價(jià)指標(biāo)體系構(gòu)建

2.2.1 構(gòu)建評(píng)價(jià)指標(biāo)體系原則 為了能全面客觀地反映出金融排斥程度，進(jìn)行科學(xué)測(cè)度，評(píng)價(jià)指標(biāo)體系的構(gòu)建應(yīng)滿足以下5個(gè)原則：(1)全面性原則：評(píng)價(jià)指標(biāo)體系應(yīng)具有全面性，盡可能覆蓋金融排斥研究領(lǐng)域的各個(gè)方面，確保構(gòu)成較為完整的評(píng)價(jià)指標(biāo)體系，從而能夠?qū)鹑谂懦膺M(jìn)行綜合全面的評(píng)價(jià)和分析；(2)客觀性原則：要建立在客觀性的原則上，選擇的指標(biāo)要有代表性，能客觀反應(yīng)出金融排斥的特征，從而使評(píng)價(jià)結(jié)果更客觀、更真實(shí)；(3)易獲性原則：評(píng)價(jià)指標(biāo)的選擇一定要在當(dāng)前階段容易獲取數(shù)據(jù)，盡量保證能獲得第一手的數(shù)據(jù)，從而保證評(píng)價(jià)結(jié)果的準(zhǔn)確性；(4)可度量原則：構(gòu)建出的評(píng)價(jià)指標(biāo)體系要能夠符合經(jīng)濟(jì)、統(tǒng)計(jì)、數(shù)學(xué)等學(xué)科的基本原理，再進(jìn)行計(jì)算度量；(5)可比性原則：指標(biāo)體系計(jì)算得出的結(jié)果必須是可以進(jìn)行時(shí)間與空間對(duì)比的.只有這樣才能反應(yīng)出同一地區(qū)、不同時(shí)間或者不同地區(qū)、相同時(shí)間內(nèi)的金融排斥度和變化情況.

2.2.2 金融排斥維度確定 根據(jù)上述構(gòu)建原則，以及結(jié)合泉州縣域經(jīng)濟(jì)發(fā)展的實(shí)際情況，本文將選取3個(gè)維度作為金融排斥維度(表1).

維度1：金融服務(wù)的使用度，該維度表示金融機(jī)構(gòu)提供的金融服務(wù)被金融服務(wù)對(duì)象使用的程度，也就是金融機(jī)構(gòu)提供的金融服務(wù)在金融服務(wù)使用群體中的滲透程度.主要的評(píng)價(jià)指標(biāo)采用該地區(qū)人均存貸款余額表示.

維度2：金融服務(wù)的可得度，該維度表示用戶為了滿足自身需求，對(duì)金融服務(wù)獲取的難易程度.主要的評(píng)價(jià)指標(biāo)采用該地區(qū)每萬人擁有的銀行網(wǎng)點(diǎn)數(shù)、每萬人擁有的ATM數(shù)、每萬人擁有的借記卡數(shù)表示.

表1 金融排斥維度Tab.1 Dimensions of financial exclusion

維度3：金融服務(wù)的效用度，該維度表示金融服務(wù)在一個(gè)地區(qū)的使用程度及對(duì)該地區(qū)人民生活水平和經(jīng)濟(jì)發(fā)展起到的貢獻(xiàn)程度.主要的評(píng)價(jià)指標(biāo)采用該地區(qū)各項(xiàng)存款余額占GDP的比重、該地區(qū)各項(xiàng)貸款余額占GDP的比重表示.

2.2.3 各維度指標(biāo)權(quán)重確定 采取變異系數(shù)法，首先計(jì)算各個(gè)指標(biāo)的變異系數(shù)，再通過各個(gè)指標(biāo)的變異系數(shù)計(jì)算出各維度中每個(gè)對(duì)應(yīng)指標(biāo)的權(quán)重.具體的計(jì)算步驟和公式如下：

(1)計(jì)算各維度中每個(gè)指標(biāo)的變異系數(shù)，計(jì)算公式為：

(1)

(2)由式(1)可以求出每個(gè)指標(biāo)對(duì)應(yīng)的變異系數(shù)，再通過求出的變異系數(shù)來確定每個(gè)指標(biāo)對(duì)應(yīng)的權(quán)重值，計(jì)算公式為：

(2)

通過式(2)求出各個(gè)指標(biāo)相應(yīng)的權(quán)重ωij.

由式(1)和式(2)可知，0≤ωij≤1，ωij體現(xiàn)了維度中相對(duì)應(yīng)的指標(biāo)在金融排斥測(cè)度中的重要程度，ωij的數(shù)值越大，說明該維度中相應(yīng)的指標(biāo)在對(duì)金融排斥的測(cè)度中的重要性也越大.

2.3 金融排斥指數(shù)測(cè)算模型構(gòu)建

這里參考借鑒聯(lián)合國的人類發(fā)展指數(shù)(HDI)的計(jì)算方法，構(gòu)建金融排斥指數(shù)的測(cè)算模型.

2.3.1 計(jì)算每個(gè)維度指標(biāo)的測(cè)度值 公式為：

(3)

其中：Dij表示第i個(gè)維度中第j個(gè)指標(biāo)在金融排斥指標(biāo)體系中的計(jì)算數(shù)值，Xij表示第i個(gè)維度中第j個(gè)指標(biāo)的實(shí)際數(shù)值；minij表示在第i個(gè)維度中第j個(gè)指標(biāo)的所有數(shù)值中取的最小值； maxij表示在第i個(gè)維度中第j個(gè)指標(biāo)的所有數(shù)值中取的最大值.

由式(3)可知，0≤Dij≤ωij，Dij的值越大，說明該地區(qū)對(duì)于該指標(biāo)的成就度越高，金融排斥程度也就越低.當(dāng)Dij=0(i,j=1,2,3,…,n)時(shí)，表示該地區(qū)所有的量化指標(biāo)數(shù)值均為最小值0，說明該地區(qū)的金融排斥程度是所有地區(qū)里最高的.相反的，如果Dij=ωij(i,j=1,2,3,…,n)時(shí)，就表示該地區(qū)的所有量化指標(biāo)計(jì)算值都是最大值ωij，表示該地區(qū)的金融排斥程度是所有地區(qū)里里最低的.

2.3.2 計(jì)算金融排斥指數(shù)(FEI)的測(cè)度值 要求金融排斥指數(shù)(FEI)的測(cè)度值，首先求出最理想值ωij與各維度的計(jì)算值Dij的差值，再對(duì)求出的所有差值的平方進(jìn)行求和，最后再對(duì)所有的數(shù)值進(jìn)行整理，最后得出一個(gè)最終的FEI指數(shù)測(cè)算值.這里將FEI的計(jì)算方法規(guī)定為：

(4)

通過式(4)和Dij的取值范圍(0≤Dij≤ωij)可以知道，F(xiàn)EI的取值范圍在0～1，即0≤FEI≤1.當(dāng)Dij=0(i,j=1,2,3,…,n)時(shí)，F(xiàn)EI為最大值1，說明金融排斥程度最高;當(dāng)Dij=ωij(i,j=1,2,3,…,n)時(shí)，F(xiàn)EI為最小值0，說明金融排斥程度最低.

本文對(duì)FEI進(jìn)行如下的設(shè)定：如果一個(gè)地區(qū)0≤FEI<0.5，說明該地區(qū)的金融排斥程度處于較低的水平，金融排斥情況為輕度.如果一個(gè)地區(qū)0.5≤FEI≤0.8，表示該地區(qū)的金融排斥程度處于中等的水平，金融排斥情況為中度.如果一個(gè)地區(qū)0.8

3 泉州各縣市金融排斥程度測(cè)算及影響因素分析

3.1 指標(biāo)權(quán)重、維度數(shù)值、排斥指數(shù)的測(cè)算

由于泉州市本級(jí)(如鯉城區(qū)、豐澤區(qū)、洛江區(qū)等)屬城市中心地區(qū)，金融排斥現(xiàn)象不顯著，故本文不對(duì)其進(jìn)行討論，這里只涉及晉江市、石獅市、南安市、惠安市、安溪縣、永春縣、德化縣等7個(gè)縣域地區(qū).根據(jù)泉州市各地的統(tǒng)計(jì)年鑒數(shù)據(jù)、第七次全國人口普查數(shù)據(jù)、泉州市普惠金融相關(guān)數(shù)據(jù)，可以得出泉州各縣市金融排斥評(píng)價(jià)指標(biāo)的數(shù)值，如表2.

表2 泉州各縣市金融排斥評(píng)價(jià)指標(biāo)數(shù)值Tab.2 Evaluation index value of financial exclusion in counties and cities of Quanzhou

根據(jù)表2的數(shù)據(jù)，由式(1)與式(2)計(jì)算可得泉州各縣市金融排斥評(píng)價(jià)指標(biāo)權(quán)重值，見表3.

表3 泉州各縣市金融排斥評(píng)價(jià)指標(biāo)權(quán)重Tab.3 Weight of financial exclusion evaluation indicators in counties and cities of Quanzhou

根據(jù)表3的數(shù)據(jù)，由式(3)與式(4)計(jì)算可得泉州各縣市的金融排斥指數(shù)，如表4.

表4 泉州各縣市金融排斥維度值與FEI值Tab.4 Dimension value and FEI value of financial exclusion in counties and cities of Quanzhou

3.2 泉州各縣市金融排斥程度情況分析

由表4的數(shù)據(jù)，通過對(duì)FEI的值按照從低到高進(jìn)行排序，可得表5.

表5 泉州各縣市金融排斥程度Tab.5 Degree of financial exclusion in counties and cities of Quanzhou

由表5可以看出，石獅市、晉江市、德化縣、南安市這4個(gè)地區(qū)FEI值都低于0.5，金融排斥程度為輕度;安溪縣、惠安縣這兩個(gè)地區(qū)FEI值介于0.5到0.8之間，金融排斥程度為中度;僅有永春縣一個(gè)地區(qū)FEI值大于0.8，達(dá)到0.986，存在重度金融排斥的情況.泉州縣域金融排斥情況主要呈現(xiàn)以下特點(diǎn)：

(1)泉州市縣域總體的金融排斥程度不高.從表5可知，泉州各縣市的FEI平均值為0.57，可見泉州縣域的總體金融排斥程度并不高.泉州各縣市多數(shù)地區(qū)的金融排斥程度為輕度水平，僅永春縣一個(gè)地區(qū)處于重度水平.

(2)各縣市之間金融排斥程度差異較大.雖然泉州各縣市的FEI平均值不高，但是標(biāo)準(zhǔn)差為0.26，可見各個(gè)地區(qū)數(shù)值的離散度較高，各個(gè)地區(qū)金融排斥的程度差異較大.金融排斥程度最高的永春縣的FEI比排斥度最低的石獅市的FEI高了9.39倍.

(3)各縣市金融排斥程度高低的原因各不相同.從表4可以看出，晉江市作為泉州縣域經(jīng)濟(jì)最發(fā)達(dá)的縣市，其金融排斥度排第二，其各個(gè)指標(biāo)均低于石獅市，部分指標(biāo)也比其他縣市偏低.這主要是因?yàn)闀x江市的人口基數(shù)較大，導(dǎo)致了相應(yīng)的人均指標(biāo)值偏低.而石獅市之所以金融排斥程度低，主要是其在人均存貸款、每萬人擁有的網(wǎng)點(diǎn)數(shù)、ATM數(shù)量、借記卡數(shù)量5個(gè)評(píng)價(jià)指標(biāo)上都是泉州各縣市的評(píng)價(jià)指標(biāo)的最大值，可見其在金融服務(wù)使用度和金融服務(wù)可用度這兩個(gè)維度上的成就水平是泉州縣市里最高的，所以石獅市的金融排斥程度是泉州各縣市里最低水平.反觀金融排斥程度最高的永春縣，在7個(gè)評(píng)價(jià)指標(biāo)上有6個(gè)評(píng)價(jià)指標(biāo)的值是0，是評(píng)價(jià)指標(biāo)的最低值，僅有人均存款1個(gè)指標(biāo)比安溪縣略高，由此可見，永春縣在3個(gè)維度的成就水平都處于泉州各縣市的最低水平.惠安縣作為全國經(jīng)濟(jì)百強(qiáng)縣，經(jīng)濟(jì)發(fā)展水平并不低，但是惠安縣的FEI卻在泉州各縣市里排到第二位，指數(shù)值高達(dá)0.757.通過表4可以看到，惠安縣的金融服務(wù)使用度、可得度以及效用度三個(gè)維度上的成就均處于較低水平，地區(qū)的金融服務(wù)水平與經(jīng)濟(jì)發(fā)展水平并不匹配.德化縣在經(jīng)濟(jì)發(fā)展水平上雖然不及惠安縣與南安縣，但是其金融排斥程度卻比惠安與南安低，主要原因是德化縣在人均貸款、每萬人擁有的銀行網(wǎng)點(diǎn)數(shù)以及貸款與GDP比重這3個(gè)指標(biāo)上比南安市高；與惠安縣相比，德化除了每萬人擁有的ATM數(shù)、每萬人擁有的借記卡數(shù)這兩個(gè)指標(biāo)上略低于惠安，其余指標(biāo)均比惠安縣高，可見德化縣在金融服務(wù)的使用度和效用度上，成就水平較高.

3.3 泉州各縣市金融排斥程度差異的影響因素分析

通過以上金融排斥指標(biāo)體系的測(cè)度可以知道，泉州各縣市金融排斥程度總體并不高，但是導(dǎo)致各個(gè)地區(qū)金融排斥程度存在差異的影響因素卻各不相同.針對(duì)測(cè)算結(jié)果，通過以下4個(gè)方面來分析泉州各地市金融排斥程度差異的影響因素.

3.3.1 經(jīng)濟(jì)發(fā)展水平 一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展的水平越高，當(dāng)?shù)氐慕?jīng)濟(jì)越是發(fā)達(dá)，那么從感覺上來說，當(dāng)?shù)氐慕鹑谂懦獬潭葢?yīng)該是不會(huì)高的.但是通過測(cè)算卻可以看出，晉江市作為泉州市GDP最高的地區(qū)，其金融排斥程度比石獅市高；從惠安縣也可以看到，其作為泉州市GDP第三的地區(qū)，經(jīng)濟(jì)發(fā)展水平在整個(gè)泉州縣域范圍內(nèi)算是比較高的，但是惠安縣的金融排斥度卻排在了泉州各縣市倒數(shù)第二的中度水平；而德化縣作為泉州市GDP最低的地區(qū)，其金融排斥程度卻僅次于石獅市與晉江市，位列第三位，金融排斥指數(shù)不足0.5，屬于輕度排斥.通過這3個(gè)地區(qū)的測(cè)算情況可以看出，一個(gè)地區(qū)經(jīng)濟(jì)發(fā)展水平的高低與金融排斥水平并沒有直接聯(lián)系.

3.3.2 金融服務(wù)的使用度 通過金融服務(wù)使用度的測(cè)算值可以看出，石獅市、晉江市、南安市3個(gè)地區(qū)在這個(gè)維度的成就度較高，安溪縣、永春縣、惠安縣3個(gè)地區(qū)在這個(gè)維度的成就度較低；晉江市、石獅市、南安市3個(gè)地區(qū)的存貸款余額也是泉州各縣市的前三位.由此可以看出，一個(gè)地區(qū)的銀行貸款的額度越高，說明當(dāng)?shù)鼐用衲艿玫降慕鹑诜?wù)也越多，金融服務(wù)水平也越高，因此該地區(qū)的金融排斥程度也就越低，該指標(biāo)也與金融排斥程度存在正相關(guān)的關(guān)系.晉江市作為泉州市貸款余額最高的地區(qū)，因人口基數(shù)較大，人均貸款余額偏低，導(dǎo)致了該指標(biāo)反而略低于貸款余額較低但人口基數(shù)較小的石獅市.

3.3.3 金融服務(wù)的可得度 從金融服務(wù)的可得度上看，安溪縣、永春縣、德化縣3個(gè)地區(qū)的成就度較低，可見銀行網(wǎng)點(diǎn)及ATM的密度跟金融排斥程度是正相關(guān)的.安溪縣、永春縣、德化縣3個(gè)地區(qū)屬于山區(qū)，受到地理因素影響，考慮到成本問題，銀行設(shè)立網(wǎng)點(diǎn)的積極性不太高，銀行網(wǎng)點(diǎn)的設(shè)置也較少，3個(gè)地區(qū)均存在著一定的地理排斥現(xiàn)象.而反觀該維度得分最高的石獅市，由于該地區(qū)面積較小，銀行機(jī)構(gòu)進(jìn)駐較多，金融服務(wù)較為集中，金融機(jī)構(gòu)網(wǎng)點(diǎn)密集，具有良好的金融生態(tài)環(huán)境，居民可以方便地獲取到所需要的金融服務(wù).另外，在每萬人擁有的借記卡數(shù)這個(gè)指標(biāo)上，也能看出安溪縣、永春縣、德化縣的指標(biāo)數(shù)值也不高，說明使用金融產(chǎn)品的居民不多，這與銀行的營銷推廣以及居民個(gè)人的辦卡意愿有關(guān).該數(shù)值偏低，說明該地區(qū)存在一定的營銷排斥與自我排斥現(xiàn)象.

3.3.4 金融服務(wù)的效用度 從金融服務(wù)的效用度上看，貸款對(duì)GDP的貢獻(xiàn)度越高，則當(dāng)?shù)氐慕鹑谂懦獬潭仍降?，兩者之間存在著負(fù)相關(guān)的關(guān)系.以德化縣為例，德化縣的貸款與GDP的比重是泉州各縣市里最高的，也是泉州各縣市里唯一一個(gè)貸款余額比存款余額高的地區(qū)，貸款對(duì)GDP的貢獻(xiàn)度是泉州各縣市里最高的，所以德化縣的金融排斥程度在泉州市各地市里表現(xiàn)較好.這也從另一個(gè)角度印證了在金融服務(wù)的使用度上得出的結(jié)論，一個(gè)地區(qū)貸款額度的提升可以降低金融排斥程度.這主要是因?yàn)橐粋€(gè)地區(qū)貸款額度的提升，說明該地區(qū)的居民能夠較為容易地獲取到銀行的貸款服務(wù)，從而也能從另一個(gè)角度反應(yīng)出當(dāng)?shù)氐臈l件、評(píng)估、營銷以及價(jià)格等4個(gè)方面的排斥水平較低.

4 化解泉州縣域金融排斥問題的對(duì)策

當(dāng)前泉州乃至全國范圍內(nèi)，金融排斥現(xiàn)象依舊普遍，解決金融排斥問題不僅需要金融服務(wù)使用者自身的改變，更需要政府相關(guān)職能部門、金融服務(wù)提供者等多個(gè)方面的共同努力.根據(jù)上述的測(cè)度分析結(jié)果，結(jié)合泉州地區(qū)的實(shí)際，現(xiàn)提出以下幾點(diǎn)對(duì)策.

4.1 發(fā)揮政府職能部門作用，調(diào)動(dòng)金融機(jī)構(gòu)積極性

政府應(yīng)加大重視力度，通過頂層設(shè)計(jì)，將各個(gè)部門、各種政策進(jìn)行統(tǒng)一規(guī)劃，進(jìn)一步完善法律法規(guī)，并將統(tǒng)一規(guī)劃后的政策法規(guī)與金融行業(yè)進(jìn)行有效的整合，充分放大政策的杠桿作用，降低金融機(jī)構(gòu)的服務(wù)成本和交易風(fēng)險(xiǎn)，保障各類群體都能享受到安全公平的金融服務(wù)產(chǎn)品.另外，政府要積極推進(jìn)金融基礎(chǔ)設(shè)施建設(shè)，加強(qiáng)區(qū)域間的道路交通建設(shè)，這不僅可以降低地理排斥，更有助于激發(fā)金融服務(wù)使用者的積極性.同時(shí)，也要加強(qiáng)信息網(wǎng)絡(luò)的基礎(chǔ)設(shè)施建設(shè)，這不僅可以降低金融產(chǎn)品使用成本，也可以讓金融服務(wù)使用者更方便快捷使用金融產(chǎn)品.人民銀行作為金融監(jiān)管機(jī)構(gòu)，可以充分發(fā)揮貨幣政策工具的激勵(lì)作用，針對(duì)偏遠(yuǎn)地區(qū)的金融機(jī)構(gòu)采用差別存款準(zhǔn)備金政策，使用更加靈活的利率定價(jià)手段，提升偏遠(yuǎn)地區(qū)金融機(jī)構(gòu)的競(jìng)爭力，使金融機(jī)構(gòu)更愿意在偏遠(yuǎn)的地方設(shè)置機(jī)構(gòu)網(wǎng)點(diǎn)，提供更優(yōu)質(zhì)的金融服務(wù)，更加有效地降低地理排斥的程度，進(jìn)而提高偏遠(yuǎn)地區(qū)金融機(jī)構(gòu)的金融服務(wù)水平.

4.2 健全社會(huì)信用體系，建立完善數(shù)據(jù)共享平臺(tái)

建立健全社會(huì)信用體系，不僅可以有效地降低融資成本，更能夠有效地防范經(jīng)濟(jì)風(fēng)險(xiǎn)、規(guī)范市場(chǎng)秩序、優(yōu)化營商環(huán)境.隨著大數(shù)據(jù)、區(qū)塊鏈等技術(shù)的高速發(fā)展并日趨成熟，各類信息接入互聯(lián)網(wǎng)的成本更低、信息獲取的渠道更廣、信息獲取的效率更高，這就為各行業(yè)的信息數(shù)據(jù)共享提供了良好的基礎(chǔ).金融機(jī)構(gòu)可以擴(kuò)大信息的來源，融匯各方面信息，整合人社、稅務(wù)、住建、公安等多個(gè)職能部門的信息，完善經(jīng)濟(jì)體的信用檔案內(nèi)容，建立跨地區(qū)、跨部門、跨層級(jí)的客戶信息大數(shù)據(jù)服務(wù)平臺(tái)，實(shí)現(xiàn)客戶信息共享.金融機(jī)構(gòu)可以通過“AI”技術(shù)對(duì)現(xiàn)有掌握的信息進(jìn)行大數(shù)據(jù)分析，掌握客戶的信用狀態(tài)、經(jīng)濟(jì)狀況、資金需求狀況，篩選出不符合準(zhǔn)入的人員，以此作為貸前審批的重要依據(jù)，對(duì)有失信記錄的申請(qǐng)人慎重放貸，實(shí)現(xiàn)智慧化的管理，提高對(duì)不良貸款的管理效率，降低產(chǎn)生不良貸款的風(fēng)險(xiǎn)，盡可能地減少評(píng)估排斥與條件排斥對(duì)金融服務(wù)使用者造成的影響，提升金融服務(wù)水平.

4.3 推進(jìn)金融科技創(chuàng)新，提高產(chǎn)品營銷與服務(wù)的效能

金融機(jī)構(gòu)要通過自身的品牌優(yōu)勢(shì)，結(jié)合自身的核心資源和業(yè)務(wù)，在核心區(qū)域強(qiáng)化戰(zhàn)略引導(dǎo)，將金融科技作為金融改革創(chuàng)新的推進(jìn)器，通過金融科技的合理運(yùn)用，創(chuàng)新服務(wù)手段和服務(wù)模式，有效地降低金融交易過程中的風(fēng)險(xiǎn)，同時(shí)也可以降低金融服務(wù)過程中的交易成本，進(jìn)而減少價(jià)格排斥現(xiàn)象的發(fā)生，由此提高金融服務(wù)水平.完善數(shù)字金融運(yùn)用的相關(guān)法律法規(guī)法規(guī)，加快大數(shù)據(jù)應(yīng)用平臺(tái)的建設(shè)，通過將獲取的各類信息資源的開放整合共享，依托大數(shù)據(jù)和區(qū)塊鏈技術(shù)，利用AI人工智能，搭建起多機(jī)構(gòu)、多來源、多要素的互聯(lián)互通數(shù)據(jù)共享平臺(tái)，精準(zhǔn)定位客戶群體，制定綜合服務(wù)方案，深度挖掘有效信息，進(jìn)而推出符合各類客戶群體特征和需要的金融產(chǎn)品和服務(wù)，高質(zhì)量地滿足各類型客戶群體基本的金融服務(wù)需求，采用精準(zhǔn)營銷策略，消除營銷排斥現(xiàn)象，構(gòu)建健康繁榮的金融服務(wù)生態(tài)系統(tǒng).

4.4 加大金融知識(shí)宣傳力度，開拓金融知識(shí)宣傳渠道

隨著現(xiàn)代金融行業(yè)的不斷發(fā)展，各類金融術(shù)語層出不窮，各類金融產(chǎn)品日益復(fù)雜，在金融知識(shí)欠缺地區(qū)的人，很容易對(duì)紛繁復(fù)雜的金融術(shù)語跟產(chǎn)品產(chǎn)生自我排斥心理，主觀上自動(dòng)將自己排除在金融服務(wù)范圍之外.因此，各類金融機(jī)構(gòu)應(yīng)加大金融知識(shí)的宣傳力度，對(duì)金融知識(shí)欠缺地區(qū)的人、老年人以及弱勢(shì)群體進(jìn)行金融知識(shí)宣傳教育，著重提升這些群體的金融知識(shí)和應(yīng)用技能；同時(shí)要認(rèn)真研究不同人群的金融知識(shí)和服務(wù)需求以及金融知識(shí)的獲取渠道，努力開拓金融知識(shí)宣傳新渠道，充分通過利用網(wǎng)絡(luò)、電視、短信、報(bào)紙、短視頻、公益廣告等宣傳渠道，向社會(huì)不同需求的金融使用群體進(jìn)行相應(yīng)的金融知識(shí)推廣和普及，提高宣傳的精準(zhǔn)度.隨著社會(huì)群體的金融知識(shí)水平的不斷提升，大眾對(duì)金融服務(wù)及金融產(chǎn)品的接受度也將會(huì)提高，這樣就可以有效地降低自我排斥對(duì)金融排斥程度的影響.

5 結(jié)語

金融排斥作為社會(huì)排斥問題的其中一個(gè)方面，已經(jīng)不僅僅是一個(gè)金融領(lǐng)域的問題，更加是一個(gè)社會(huì)性的問題.在日常生活中，那些沒有被金融排斥的群體，通常社會(huì)上其他形式的排斥也比較少；而那些被金融排斥的群體，往往社會(huì)上其他的排斥也較多.這兩者是互相影響的.如果不解決好金融排斥的問題，那些受到金融排斥的群體將會(huì)受到更多的社會(huì)排斥，從而導(dǎo)致社會(huì)兩極分化更加嚴(yán)重.因此，系統(tǒng)的研究并解決金融排斥問題，對(duì)促進(jìn)經(jīng)濟(jì)發(fā)展和社會(huì)和諧都有重要的意義.只有采用科學(xué)的方法和模型對(duì)金融排斥程度進(jìn)行測(cè)算，再通過對(duì)測(cè)算的結(jié)果進(jìn)行分析，進(jìn)而制定相應(yīng)的化解對(duì)策，才能更好地解決金融排斥的問題.本研究基于這個(gè)普遍存在的問題，結(jié)合泉州各縣市的金融數(shù)據(jù)，拋磚引玉給出了一個(gè)科學(xué)的分析方法和解決方案，希望日后的研究者能從更多層面、更深層次地量化評(píng)價(jià)金融排斥程度并揭示其差異原因.