金融排斥對農(nóng)戶收入的影響——基于PSM 方法的經(jīng)驗分析

黃 瀟

（1.西南財經(jīng)大學博士后流動站，成都 610074；2.重慶工商大學 經(jīng)濟學院，重慶 400067）

1 研究背景

解決中國“三農(nóng)”問題的關(guān)鍵之一在于促進農(nóng)戶收入增長。其中，農(nóng)村金融發(fā)展對農(nóng)村經(jīng)濟發(fā)展和農(nóng)民增收具有重要作用——這已成為廣泛共識［1-2］。黨的十七屆三中全會更是明確指出，“農(nóng)村金融是現(xiàn)代農(nóng)村經(jīng)濟的核心”。然而，受金融資源匱乏、地理位置、信息傳播等因素的制約，目前中國農(nóng)村金融發(fā)展仍缺乏普惠性：部分金融機構(gòu)仍不同程度地具有“離農(nóng)脫農(nóng)”的傾向，致使不少農(nóng)戶受到金融排斥。據(jù)統(tǒng)計，2011年末全國金融機構(gòu)空白鄉(xiāng)鎮(zhèn)仍有1696個，農(nóng)戶貸款余額僅占涉農(nóng)貸款余額的21%①資料來源：中國人民銀行農(nóng)村金融服務(wù)研究小組.中國農(nóng)村金融服務(wù)報告［R］.北京：中國金融出版社，2013.金融網(wǎng)點分布不均、供給型抑制加大資金供需缺口、金融產(chǎn)品不適應性等，都是當前中國農(nóng)村金融體系的普惠性不高的體現(xiàn)。。這意味著，中國農(nóng)村存在相當程度的金融排斥（financial exclusion），即某類群體因遠離金融服務(wù)機構(gòu)及其分支機構(gòu)而被排斥在主流金融服務(wù)之外［3］。

考察農(nóng)村金融對農(nóng)戶收入的影響，需要回答一個重要問題：如果存在金融排斥，那么農(nóng)村居民收入會受到多大程度的沖擊？改善農(nóng)村金融環(huán)境、降低農(nóng)戶金融排斥到底能在多大程度上增加農(nóng)村居民的收入？上述問題非常重要，但是專門對之進行探討的文獻還不多見。本文利用“中國家庭收入調(diào)查”（CHIP2002）的微觀數(shù)據(jù)，結(jié)合金融排斥的內(nèi)涵，從貸款、儲蓄、證券和關(guān)系4個維度構(gòu)建微觀層面的金融排斥變量，并采用近似自然實驗的傾向得分匹配法（propensity score matching，PSM）來解決樣本選擇性偏誤和遺漏變量問題，利用自抽樣方法（bootstrap）獲得穩(wěn)健性統(tǒng)計推斷，為上述問題的解答提供一個穩(wěn)健的實證支撐。

下文的結(jié)構(gòu)安排如下：文獻回顧；研究方法說明；數(shù)據(jù)來源及描述；實證結(jié)果探討；全文總結(jié)及政策建議提出。

2 文獻回顧

早期文獻主要考察金融發(fā)展與農(nóng)戶收入的關(guān)系。例如，溫濤、冉光和和熊德平［1］利用1952—2003年的數(shù)據(jù)進行實證研究，結(jié)果表明中國金融發(fā)展對農(nóng)民收入增長具有顯著的負效應，原因在于中國金融發(fā)展存在明顯的結(jié)構(gòu)性和功能性的失衡，特別是金融中介的低效率阻礙了金融發(fā)展對農(nóng)民收入促進作用的有效提升［4］。深入考察中國農(nóng)村的金融結(jié)構(gòu)不難發(fā)現(xiàn)：農(nóng)村存款和農(nóng)業(yè)保險賠付與農(nóng)民收入增長之間存在正向關(guān)系；而農(nóng)村貸款和農(nóng)業(yè)保險收入與農(nóng)民收入增長之間存在負向關(guān)系［2］。上述研究表明，雖然中國農(nóng)村金融的發(fā)展在一定程度上有助于提升農(nóng)民收入水平，但是農(nóng)村金融發(fā)展總體上缺乏普惠性①資料來源：中國人民銀行農(nóng)村金融服務(wù)研究小組.中國農(nóng)村金融服務(wù)報告［R］.北京：中國金融出版社，2013.金融網(wǎng)點分布不均、供給型抑制加大資金供需缺口、金融產(chǎn)品不適應性等，都是當前中國農(nóng)村金融體系的普惠性不高的體現(xiàn)。使得普通農(nóng)戶的金融可及性較差，從而引致金融排斥問題。

金融排斥的概念始于20世紀90年代中后期。與經(jīng)常被使用的金融發(fā)展不同，金融排斥更關(guān)注金融市場的破壞、分割及其影響?！芭懦狻边@一概念最初引自社會學領(lǐng)域，與金融相結(jié)合，體現(xiàn)出經(jīng)濟主體與金融服務(wù)的隔離。Leyshon和Thrift［3］首次對金融排斥進行了定義，即金融排斥是指某類群體因遠離金融服務(wù)機構(gòu)及其分支機構(gòu)而被排斥在主流金融服務(wù)之外。Panigyrakis、Theodoridis 和Veloutsou［5］進一步指出，金融排斥就是因主流金融缺乏覆蓋面和普適性而使部分經(jīng)濟主體不能以合適的方式融入主流金融服務(wù)中，進而形成金融服務(wù)的剝奪。Kempson和Whyley［6］系統(tǒng)性地指出金融排斥是一個多維概念，它包括地理排斥（geographical access exclusion）、評估排斥（access exclusion）、條件排斥（condition exclusion）、價格排斥（price exclusion）、營銷排斥（marketing exclusion）和自我排斥（selfexclusion）。地理排斥是指交通不便而引致的金融服務(wù)不可及；評估排斥、條件排斥、價格排斥和營銷排斥分別是指金融服務(wù)中評估、附加條件、服務(wù)價格和營銷策略的排斥性而使某類經(jīng)濟主體因無法支付或無法接受而被排除在金融服務(wù)之外；自我排斥是指經(jīng)濟主體因主觀原因而主動放棄獲取金融服務(wù)②關(guān)于這6個維度的概念，還可以參見許圣道和田霖［12］的研究。。

在明確金融排斥的定義后，有關(guān)其影響因素的研究逐漸豐富。例如，Devlin［7］對英國的研究表明，在引致個體遭受金融排斥的因素中，教育程度和以住房表征的財富水平是最主要的，其次是收入水平、職業(yè)和地位。Simpson和Buckland［8］從信用約束的視角，利用1999—2005 年加拿大的調(diào)查數(shù)據(jù)以及Probit模型進行研究，發(fā)現(xiàn)收入（財富）水平與金融排斥概率顯著負相關(guān)。Rama和Rupayan［9］對印度的經(jīng)驗研究表明，金融排斥程度隨農(nóng)戶收入的增加而降低。也有學者認為居民收入低下并非引致金融排斥的最主要因素。Horska、Szafeanska 和Matysik-Pejas［10］對1000戶波蘭農(nóng)村居民的研究顯示，是否遭受金融排斥主要與個體的教育水平相關(guān)——后者直接影響個體的金融獲取技能。

近年來，金融排斥同樣引起國內(nèi)學者的高度關(guān)注，國內(nèi)學者對之進行了較為深入的探討?？偟膩砜?，中國的金融排斥具有明顯的城鄉(xiāng)二元性，即農(nóng)村更容易存在“金融沙漠”［11］。在中國農(nóng)村，農(nóng)民的金融知識匱乏是造成農(nóng)民遭受金融排斥的重要原因之一，而這種知識是隱性且代際遺傳的［12］。同時，中國農(nóng)村的金融排斥還存在明顯的地區(qū)差異：某地區(qū)的農(nóng)村居民人均收入水平越高，該地區(qū)農(nóng)村居民面臨的金融排斥程度往往越低［13］。在影響因素方面，農(nóng)戶的收入和受教育程度對儲蓄排除、貸款排除和基本保險排除3類主要的金融排除均有顯著的負向作用［14］。李春霄和賈金榮［15］的研究也表明，農(nóng)戶的收入水平直接決定農(nóng)戶在貸款服務(wù)和儲蓄服務(wù)上是否遭受排斥。即使在金融發(fā)展水平相對較高的城市，金融排斥亦存在。中國城市居民在儲蓄、基金、保險和貸款等方面存在嚴重的金融受排斥狀況，即城市居民不能以恰當、合理的方式獲得這些金融服務(wù)［16］。

已有文獻著重就金融排斥的成因進行了較為深入的探討，并得出了豐富的結(jié)論。但是，金融排斥作為內(nèi)生于經(jīng)濟環(huán)境的重要變量，不僅影響金融資源配置，而且會與經(jīng)濟發(fā)展和居民收入產(chǎn)生聯(lián)系。在金融發(fā)展相對滯后的農(nóng)村地區(qū)，金融排斥到底對農(nóng)村居民的收入有多大影響？目前相關(guān)研究尚不多見。與以往研究相比，本文的特色在于：第一，考察金融排斥對農(nóng)戶收入的影響；第二，利用微觀調(diào)查數(shù)據(jù)進行經(jīng)驗分析，更直觀地考察金融排斥影響農(nóng)民收入的誘因，對主要利用宏觀數(shù)據(jù)進行分析的已有研究而言是一個有效補充；第三，采用近似自然實驗的傾向得分法進行實證檢驗，有助于克服傳統(tǒng)OLS（ordinary least square）方法存在的內(nèi)生性偏誤問題③在傳統(tǒng)的OLS方法中，金融排斥通常被設(shè)置為一個虛擬變量來考察其對農(nóng)民收入的影響；按照OLS方法，這種收入差異歸結(jié)于是否受到金融排斥，但是這會出現(xiàn)某些不可觀測變量（如文化觀念、能力、機遇等）的缺失而導致估計結(jié)果有偏誤（bias）的問題。，從而使估計結(jié)果更為穩(wěn)健。

3 研究方法

已有文獻通?；贛incer收入方程來考察重要變量對居民收入的影響，即將居民收入的對數(shù)作為被解釋變量，然后采用OLS方法考察重要控制變量的估計系數(shù)。但是，這可能產(chǎn)生兩類問題：一是遺漏變量問題，即無法控制研究對象本身的趨勢和特征導致難以完全分離引致收入差異的其他相關(guān)因素④例如，殘差項可能包括與金融排斥相關(guān)但無法通過可觀測變量（如性別、教育、年齡等）控制的“能力”或“稟賦”因素。；二是內(nèi)生性問題，這會造成基于OLS 方法的估計結(jié)果是有偏的，即估計系數(shù)被放大或縮小。盡管工具變量（instrumental variable，IV）法是解決上述問題的主要方法之一，但是合適的工具變量往往難以獲?。ㄌ貏e是在樣本獲得較為困難的調(diào)查數(shù)據(jù)中）。解決上述問題的另一個方法是自然實驗，近年來該方法被越來越多地應用于計量分析。但是，社會科學研究中不可控的因素較多，一個純粹的自然實驗往往受限于成本、試驗控制性因素，因此難以被施行。近年來，微觀計量經(jīng)濟學領(lǐng)域中新發(fā)展起來的PSM 方法是一種近似于自然實驗的方法，利用該方法可實現(xiàn)盡可能地分離出實驗本身對實驗對象的凈效應，能有效克服上述OLS估計存在的不足。

Rosenbaum 和Rubin［17］提出的傾向得分匹 配法是典型的反事實（counterfactual）因果推斷分析框架。觀察樣本后，可將受到金融排斥的個體劃為處理組（treat group），將未受到金融排斥的個體劃為對照組（control group）。傾向得分匹配法的基本思想是：將處理組與對照組的樣本進行逐一匹配，使處理組與對照組的主要特征盡可能相似；然后，利用對照組盡可能地模擬處理組的反事實狀態(tài)（即未受到金融排斥），比較個體在受到和不受到金融排斥這兩種對立情形下的收入差異。傾向得分匹配法的基本步驟如下：

首先，運用Logit模型或Probit模型①本文采用Logit模型。Logit模型和Probit模型的差異在于密度函數(shù)的設(shè)定不同。筆者也用Probit模型進行了估計，其估計結(jié)果與Logit模型的估計結(jié)果相差不大。并結(jié)合反映農(nóng)戶金融特征的匹配變量，計算每個樣本受到金融排斥的條件概率（即傾向得分值），使匹配標準由多維的降為一維的傾向得分值（PS）。

式（1）中：Di=1表示農(nóng)戶遭受金融排斥，Di=0表示農(nóng)戶未受到金融排斥；Xi表示處理組的可觀察的農(nóng)戶特征（即上述的匹配變量）。

然后，對控制組與對照組的樣本進行匹配。不同的匹配方法會導致不完全一致的匹配結(jié)果。常用的匹配方法有最近鄰匹配（K-nearest neighbor matching）、半徑匹配（radius matching）、核匹配（Kernel matching）和馬氏距離匹配（Mahalanobis distance matching）等。最近鄰匹配的規(guī)則是：從處理組和對照組中各找出一個樣本，如果兩者之間的PS值最?。╩in｛|PSi-PS0|｝），則認為兩個樣本的特征最接近。半徑匹配的規(guī)則是：預先設(shè)定一個常數(shù)r，控制組中其PS與激勵樣本i的PS的差異小于r的樣本都被選為匹配對象，即按照來min｛|PSi-PS0|≤r｝確定匹配樣本。核匹配是基于非參數(shù)估計方法進行匹配，其基本思想是：抽取若干個來自對照組的樣本以構(gòu)成一個虛擬樣本，使該虛擬樣本的特征與控制組中某個樣本的特征最為接近，從而完成匹配。當然，采用的核不一樣，匹配結(jié)果也不一致，通常Gaussian核最為常用、其效果也比較穩(wěn)健。馬氏距離匹配是通過計算不同樣本的協(xié)方差距離來考慮特征變量之間的聯(lián)系，進而得到不同樣本的相似度并進行匹配。上述匹配方法都有其適用性。為保證匹配結(jié)果的穩(wěn)健性，本文同時采用上述4種方法進行匹配。

接著，進行平衡性假設(shè)檢驗，通過檢驗配對樣本在上有無顯著差異來確保匹配效果的精確性。值得注意的是，控制變量并非越多越好，雖然越多可帶來更為豐富的匹配信息，但是會使平衡性假設(shè)更難被滿足。

最后，計算處理組與對照組的平均收入差異，即平均處理效應（average treatment effect on treated），以得到金融排斥影響農(nóng)戶收入的凈效應。

式（2）中：ATT表示金融排斥影響農(nóng)戶收入的凈效應；表示農(nóng)戶受到金融排斥后的收入；表示農(nóng)戶未受到金融排斥的收入。

為保證估計結(jié)果的穩(wěn)健性，本文采用自抽樣（Bootstrap）來獲得ATT 的標準誤，自抽樣循環(huán)次數(shù)設(shè)定為300。在基于大樣本量的PSM 運算中，通常經(jīng)過300次自抽樣所得到的標準誤在統(tǒng)計上已較為穩(wěn)健。

4 樣本篩選

4.1 數(shù)據(jù)來源

本文所用研究數(shù)據(jù)來源于“中國家庭收入調(diào)查”（CHIP2002）。根據(jù)研究目的，剔除城鎮(zhèn)樣本，并提出缺失關(guān)鍵變量（如收入、資產(chǎn)狀況、負債狀況、戶主的年齡和受教育程度等）的樣本，最終得到7664個有效樣本。

4.2 變量選擇

是否受到金融排斥是關(guān)鍵的識別變量。結(jié)合已有文獻中有關(guān)金融排斥的內(nèi)涵以及CHIP數(shù)據(jù)的特點，本文從貸款、儲蓄、證券、關(guān)系4個方面考察中國農(nóng)戶遭受的金融排斥。如果農(nóng)戶受到金融排斥，則對相應變量賦值為1，否則賦值為0。

1）貸款排斥。它是指農(nóng)戶有貸款需求而金融機構(gòu)拒絕提供貸款，或農(nóng)戶雖獲得了貸款但實際獲得的貸款量小于其貸款需求［15］。利用CHIP 數(shù)據(jù)，可通過考察農(nóng)戶是否獲得扶貧貸款、是否獲得其他形式貸款以及農(nóng)戶貸款額與農(nóng)戶脫貧所需資金數(shù)量的差額來辨別農(nóng)戶是否遭受貸款排斥。

2）儲蓄排斥。它是指農(nóng)戶有儲蓄需求但因金融機構(gòu)的地理位置偏僻、儲蓄產(chǎn)品不合適、不信任金融機構(gòu)等原因而未將多余資金存入金融機構(gòu)。如果在農(nóng)戶家庭的資產(chǎn)結(jié)構(gòu)中有現(xiàn)金但無活期存款或定期存款，則認為它受到儲蓄排斥。

3）證券排斥。是否有渠道接觸有價證券在很大程度上體現(xiàn)了農(nóng)戶對現(xiàn)代金融的參與程度。若農(nóng)戶未接觸股票、債券等有價證券，則認為農(nóng)戶受到有價證券排斥。根據(jù)中國銀監(jiān)會網(wǎng)站在2008年公布的《中國銀行業(yè)農(nóng)村金融服務(wù)分布圖集》，獲得保險、基金和證券等高端金融服務(wù)的農(nóng)戶微乎其微。而有價證券正日益成為農(nóng)村個體獲得投機性收入的主要途徑。

4）關(guān)系排斥。中國農(nóng)村是一個典型的關(guān)系型社會網(wǎng)絡(luò)，農(nóng)戶的關(guān)系網(wǎng)絡(luò)在很大程度上影響個體獲取金融資源的渠道和能力。近期研究也表明，民間借貸組織的存在有助于增加農(nóng)戶的非正規(guī)借款數(shù)量［18］。結(jié)合本文所采用樣本的特點，如果農(nóng)戶參加了互助合作基金社、小貸組織，或家庭中有縣級以上機關(guān)干部、戶主曾擔任過企業(yè)管理人員和曾在金融部門任職，則認為該農(nóng)戶未受到關(guān)系排斥，否則認為受到關(guān)系排斥。

需要說明的是，以上金融排斥定義還包括那些對金融產(chǎn)品或服務(wù)沒有需求的居民。然而，正是由于一些居民沒有真正的金融需求，由此造成金融排斥程度被估計過高，因此需要對此進行剔除。但是，由于CHIP調(diào)查并未提供足夠的調(diào)查信息來區(qū)分上述情況，因此采用上述方式構(gòu)建金融排斥變量不失為數(shù)據(jù)受限條件下的一種嘗試?；诖耍疚耐瑫r從上述4個維度考察金融排斥及其對農(nóng)戶收入的影響。

另外，為了在處理組（受到金融排斥）與對照組（未受到金融排斥）之間進行傾向得分匹配，需要尋找合適的匹配變量。選取匹配變量既要考慮經(jīng)濟理論，又要注重匹配假設(shè)的成立和匹配的有效性。也就是說，既要選擇那些在理論上（或被經(jīng)驗研究證明）與金融排斥相關(guān)的變量，又要保證這些變量滿足平衡性假設(shè)。結(jié)合關(guān)于金融排斥的既有經(jīng)驗研究，以下3類變量在不同程度上與金融排斥存在明顯聯(lián)系。第一，居民的社會人口學特征，主要包括性別、年齡、婚姻狀況、受教育程度、健康狀況、宗教信仰、種族、政治面貌和家庭結(jié)構(gòu)等；第二，家庭的經(jīng)濟財富特征，包括收入、家庭資產(chǎn)、家庭負債和信貸約束等；第三，居民的主觀心態(tài)、態(tài)度和信念，包括信任度、樂觀度、風險態(tài)度和社會互動程度等［16］。較為理想的方式是選取上述所有變量進行分析。

受樣本信息限制，本文主要選取如下兩類變量：一類是涉及戶主信息的變量，具體包括戶主年齡、受教育年限、健康水平、婚姻狀態(tài)、戶主的政治面貌，以及戶主父親的受教育水平、政治面貌、是否從事工商業(yè)經(jīng)營，這是因為戶主的稟賦在很大程度上決定家庭的資源獲取能力和收入水平；一類是涉及戶主背景條件的變量，具體包括家庭人均住房面積、家庭耕地面積、家庭生產(chǎn)性固定資產(chǎn)價值、家庭是否從事個體經(jīng)營以及從事個體經(jīng)營的年限、家庭外出人口占總?cè)丝诒壤Ｓ纱?，上述變量基本覆蓋了家庭的生產(chǎn)資本、社會資本和人力資本等信息，并考慮了代際傳遞的影響。在理想狀態(tài)下，應盡可能多地選擇上述變量，以便更貼近現(xiàn)實狀況、更易發(fā)揮傾向得分匹配法的優(yōu)勢——消除選擇性偏差。要完全消除這種偏差，需要匹配時能夠控制所有可能對選擇和結(jié)果產(chǎn)生影響的協(xié)變量，這往往要求在進行匹配時盡量控制足夠多的變量［19］。然而，控制變量的數(shù)目越多，傾向得分匹配法的平衡性假設(shè)越難得到滿足。為此，可采取逐步回歸法來剔除那些對金融排斥影響不太顯著的變量①逐步回歸的基本思想是：按偏相關(guān)系數(shù)的大小次序?qū)⒆宰兞恐饌€引入方程，對引入方程中的每個自變量的偏相關(guān)系數(shù)進行統(tǒng)計檢驗，效應顯著的自變量留在回歸方程中，循此繼續(xù)遴選下一個自變量，最終得到最優(yōu)的顯著方程。本文將變量顯著與否的標準設(shè)定為P值是否小于等于0.1。。本文對4個金融排斥維度都進行逐步回歸判別，并綜合結(jié)果選擇了10個匹配變量②限于篇幅，未報告逐步回歸及其結(jié)果篩選的過程，相關(guān)資料備索?！獞糁鞯哪挲g、受教育程度、政治面貌，戶主父親的受教育程度和政治面貌，以及家庭人均住房面積、家庭是否從事個體經(jīng)營、家庭耕地面積、家庭生產(chǎn)性固定資產(chǎn)價值和家庭外出人口占總?cè)丝诒壤?/p>

4.3 描述性統(tǒng)計

相關(guān)變量的含義及其描述性統(tǒng)計結(jié)果如表1所示。其中，重點關(guān)注農(nóng)戶受金融排斥的情況?？偟膩砜?，絕大多數(shù)農(nóng)戶受到證券排斥（均值最大），所受到的貸款排斥、儲蓄排斥和關(guān)系排斥的比例基本接近，說明高端金融對農(nóng)戶的排斥程度遠大于其他類型的金融排斥。

表1 變量選取及其基本描述性統(tǒng)計結(jié)果

5 實證結(jié)果分析

5.1 匹配檢驗

對Logit模型回歸，估計出農(nóng)戶受金融排斥的概率（即對Logit模型進行回歸所得的預測值），從而使匹配變量由多維轉(zhuǎn)換為單維，Logit模型的回歸結(jié)果見表2。從表2所示的Logit模型中各變量估計系數(shù)的顯著性來看：在不同的金融排斥視角下，盡管仍有個別變量的系數(shù)不顯著，但是總體上Logit模型中控制變量系數(shù)的符號是基本一致的且大多在10%水平下顯著，說明這些匹配變量對農(nóng)戶是否受到金融排斥具有顯著影響。

Logit模型的回歸結(jié)果基本上符合預期，與既有的經(jīng)驗研究結(jié)果也基本一致。具體分析如下：

1）戶主年齡。隨著年齡（Age）的增加，農(nóng)戶受到各種類型的金融排斥的概率顯著降低①筆者曾嘗試加入年齡的平方項，但是年齡平方項的估計系數(shù)大多不顯著，并且加入年齡平方項對年齡的估計系數(shù)的影響不大，故最終未將年齡的平方項作為匹配變量。。這是因為：樣本戶主的平均年齡為45歲，根據(jù)既有的經(jīng)驗分析結(jié)論，這個年齡的農(nóng)戶正處于收入水平隨年齡的增加而升高的階段；同時，年齡增長帶來的閱歷、社會資源、技能的豐富也有助于降低金融排斥概率。

2）戶主的受教育程度。戶主受教育程度（Edu）的提高也顯著降低了金融排斥概率——這與預期基本相符。這是因為：教育是形成人力資本的主要渠道，教育水平往往與收入和地位正相關(guān)；不僅如此，農(nóng)戶的教育程度越高，農(nóng)戶接受金融知識、金融資訊的能力往往越強，越難受到金融排斥。

3）戶主的黨員身份（Political）。該變量的系數(shù)顯著為負，說明具有黨員身份的受訪戶具有更低的金融排斥概率，意味著政治資本在農(nóng)戶獲取金融資源方面發(fā)揮著重要作用。

4）家庭人均住房面積。家庭人均住房面積（House）越大，農(nóng)戶受到金融排斥的概率相對越低。這是因為：家庭人均住房面積在一定意義上體現(xiàn)了農(nóng)戶的財富水平，而財富越多的個體往往是金融服務(wù)競爭的對象，受到金融排斥的概率相對越低。

5）家庭是否從事個體經(jīng)營。家庭從事個體經(jīng)營（Private）更易受到貸款排斥，而不易受到儲蓄排斥、證券排斥和關(guān)系排斥。從事個體經(jīng)營的農(nóng)戶受到貸款排斥的主要原因往往是未能獲取足額的信貸資金。從事個體經(jīng)營的農(nóng)戶之所以不易受到儲蓄排斥、證券排斥和關(guān)系排斥，是因為他們在經(jīng)營活動中通常會接觸到這些金融體系。

6）家庭耕地面積。家庭耕地面積（Land）對不同類別的金融排斥的影響存在差異。擁有土地面積越多的農(nóng)戶越易受到儲蓄排斥和證券排斥。其原因在于：農(nóng)業(yè)的低收入和農(nóng)地的非流動性使得土地對于農(nóng)村家庭財富構(gòu)成的意義大為縮減。不過，農(nóng)戶耕地面積較多會降低其受到關(guān)系排斥的概率。

7）家庭生產(chǎn)性固定資產(chǎn)價值。家庭生產(chǎn)性固定資產(chǎn)價值（Capital）在一定層面上反映了家庭擁有生產(chǎn)資本的能力，其數(shù)量的增加有助于借貸資金需求的減少，進而有助于家庭遭受金融排斥概率的降低。

8）家庭外出人口占總?cè)丝诒壤＜彝ネ獬鋈丝谡伎側(cè)丝诒壤∕igration）越高，農(nóng)戶受金融排斥的概率越低。這是因為：外出人口主要流向城鎮(zhèn)等金融排斥度相對較低的區(qū)域，有助于將金融信息、金融知識乃至投資需求帶回流出地，進而降低金融排斥程度。

9）父代特征。戶主父親的黨員身份（F＿politi-cal）和戶主父親的受教育程度（F＿edu）的系數(shù)都顯著為負，這揭示出教育和政治資本的代際傳承性，它們有助于降低農(nóng)村家庭受金融排斥的概率。

表2 Logit模型的回歸結(jié)果

傾向匹配得分法的另一重要假設(shè)是平衡性假設(shè)。如果匹配后所有變量在處理組和對照組的均值偏誤都能大幅降低，則意味著不同組別的個體特征差異得到了大幅消除，配對樣本具有高度相似性。本文僅列出了按照最近鄰匹配法進行匹配后的平衡性假設(shè)檢驗結(jié)果（見表3），其他3種匹配方法的平衡性假設(shè)檢驗結(jié)果同樣滿足平衡性假設(shè)的要求，限于篇幅不再一一列出。從表3不難看出，無論從金融排斥的哪個維度來看，大多數(shù)變量在進行傾向得分匹配后的均值偏差在5%以下，說明滿足平衡性假設(shè)①參照既有研究的做法，以處理組與對照組的均值偏差（Bias%）不超過5%作為是否通過平衡性檢驗的判斷標準。。

表3 平衡性假設(shè)檢驗結(jié)果 %

5.2 匹配結(jié)果分析

表4列示了平均處理效應的估計結(jié)果。從表4可以得出：即使采用PSM 方法盡可能地控制內(nèi)生性，金融排斥也仍會顯著影響農(nóng)戶收入（大多數(shù)情況下在1%的水平下顯著）。從ATT 的估計系數(shù)來看，證券排斥對農(nóng)戶收入的沖擊效應最大，若農(nóng)戶遭受證券排斥，則其收入平均將降低32.7%，儲蓄排斥（16.8%）、貸款排斥（11.7%）和關(guān)系排斥（3.8%）對農(nóng)戶收入的影響依次降低。

為何不同類型的金融排斥對農(nóng)戶收入的影響程度存在明顯差異呢？本文深入不同類型的金融排斥的具體機理加以分析。

1）證券排斥。若農(nóng)戶受到該類型的金融排斥，則表明該農(nóng)戶未能觸及股票、債券等有價證券。雖然改革開放以來中國農(nóng)村居民的人均純收入增長較快，但是農(nóng)民投資渠道的發(fā)展相對緩慢。證券機構(gòu)在農(nóng)村地區(qū)的布局不足，加之農(nóng)民缺乏金融知識和風險意識，因此大多數(shù)農(nóng)民難以涉水資本市場。有條件進入資本市場進行投資的農(nóng)村群體，往往是農(nóng)村先富起來的且具有一定財富積累的高收入階層。從本文的樣本來看，受證券排斥的農(nóng)戶的年收入均值為2754元，遠低于未受證券排斥的農(nóng)戶的年收入均值（4461元）。同時，未受證券排斥的農(nóng)戶的戶主還具有更高的受教育水平①樣本中未受到證券排斥的農(nóng)戶戶主的平均受教育年限為8.91年，高于受到證券排斥的農(nóng)戶戶主的平均受教育年限（7.30年）。，而較高的受教育程度會使農(nóng)民更容易理解并以更低成本消費金融機構(gòu)的產(chǎn)品和服務(wù)［20］。因此，農(nóng)村地區(qū)證券投資服務(wù)的稀缺使得僅有少部分農(nóng)村富裕階層能獲取資本投資渠道，在客觀上形成了證券排斥，進而對農(nóng)戶的收入機會和收入水平產(chǎn)生不利影響。隨著資本市場投資收入在居民收入中占比的增加，證券排斥對農(nóng)村居民收入的影響在長期內(nèi)將更為明顯。

表4 平均處理效應（ATT）的估計系數(shù)

2）儲蓄排斥。受到儲蓄排斥的農(nóng)戶的收入水平比未受到儲蓄排斥的農(nóng)戶平均低16.8%。雖然流動性約束、預防性儲蓄是中國農(nóng)村居民儲蓄的主要動機［21］，但是若農(nóng)戶收入水平較低則難以有剩余收入進行儲蓄，從而直接形成儲蓄排斥。樣本中，存在“入不敷出”（家庭總收入小于家庭總消費支出）的家庭在受儲蓄排斥群體中達25.5%，而未受儲蓄排斥群體中則鮮有家庭存在此現(xiàn)象。不僅如此，農(nóng)戶的儲蓄行為還與其工作狀態(tài)有關(guān)，因為農(nóng)戶從事非農(nóng)工作會因工資發(fā)放、資金往來等而擁有銀行存款。結(jié)合樣本可知，未受儲蓄排斥群體中有22%的農(nóng)戶從事非農(nóng)個體經(jīng)營，遠高于受儲蓄排斥群體中的該比例（12%）。因此，考慮到儲蓄產(chǎn)品能為儲戶帶來直接的利息收入，受儲蓄排斥群體的收入往往更低。

3）貸款排斥。受到貸款排斥的農(nóng)戶的收入水平與未受到貸款排斥的農(nóng)戶平均低11.7%。通常農(nóng)戶貸款分為兩類：一類是生產(chǎn)性貸款，主要用于進行生產(chǎn)性投資（如購置農(nóng)業(yè)生產(chǎn)資料）；一類是生活性貸款，主要用于彌補家庭消費支出缺口，貸款主體集中在低收入階層。在本文樣本中，對農(nóng)戶貸款的調(diào)查主要集中生產(chǎn)性貸款，即多數(shù)農(nóng)戶的生產(chǎn)性融資需求無法滿足。事實上，政府干預和信息不對稱的存在使得一半以上具備有效需求的農(nóng)戶因信貸配給因素而無法得到正式機構(gòu)的貸款［22］；正規(guī)貸款更偏向那些非農(nóng)經(jīng)營收入占比較大的農(nóng)戶，而對那些主要從事傳統(tǒng)農(nóng)業(yè)的農(nóng)戶（特別是貧困農(nóng)戶）覆蓋不足，由此造成福利水平的提升極為有限［23］。因此，貸款排斥在抑制農(nóng)戶信貸需求的同時，進一步對其收入增長產(chǎn)生不利影響。

4）關(guān)系排斥。關(guān)系排斥對農(nóng)戶收入的影響程度最小，受到關(guān)系排斥的農(nóng)戶的收入水平比未受到關(guān)系排斥的農(nóng)戶平均要低3.8%。中國農(nóng)村是一個典型的關(guān)系型網(wǎng)絡(luò)社會，社會資本中的政治背景、農(nóng)民與專業(yè)合作組織和正規(guī)金融機構(gòu)的關(guān)系對農(nóng)戶獲得的有效借貸機會和實際借貸額度均具有顯著影響［24］，社會資本較少的農(nóng)戶難以獲取足夠的金融資源和金融服務(wù)。結(jié)合樣本不難發(fā)現(xiàn)，2002年受關(guān)系排斥的農(nóng)戶的平均獲得貸款額為246元，遠低于未受關(guān)系排斥的農(nóng)戶的平均獲得貸款額（701元）。而這種差異會逐漸轉(zhuǎn)化為收入水平差距。由此，受關(guān)系排斥的農(nóng)戶的收入顯著偏低也就不難理解了。

5.3 金融排斥對農(nóng)戶收入影響的地區(qū)差異分析

中國是一個區(qū)域發(fā)展差異明顯的經(jīng)濟體，這同樣表現(xiàn)在地區(qū)金融發(fā)展水平上。改革開放以來，中國東、中、西部地區(qū)的金融發(fā)展存在明顯差異，東部地區(qū)的區(qū)位優(yōu)勢、政策性傾斜相對良好，引致中國金融發(fā)展的地區(qū)差異［25］。金融業(yè)的發(fā)展要以經(jīng)濟發(fā)展、人民生活水平的提高為基礎(chǔ)，農(nóng)村居民的收入水平?jīng)Q定了其能否在滿足自身生存需要的基礎(chǔ)上尋求更高層次的產(chǎn)品和服務(wù)。經(jīng)驗研究也表明，農(nóng)村金融排斥存在明顯的區(qū)域差異，農(nóng)村居民收入水平越高的地區(qū)的金融排斥程度往往越低［13］。因此，考察金融排斥對農(nóng)戶收入影響的地區(qū)差異尤為必要。

本文根據(jù)樣本所在省區(qū)，將樣本劃分為東部、中部和西部三類，分別利用4種匹配方法計算4類金融排斥的ATT 估計系數(shù)，結(jié)果如表5所示。

表5 分地區(qū)的ATT估計結(jié)果

1）貸款排斥。由表5可知，中國中、西部地區(qū)貸款排斥的平均處理效應要明顯大于東部地區(qū)，說明貸款排斥對中、西部地區(qū)農(nóng)戶收入的沖擊效應相對更大。其原因在于，東部地區(qū)的經(jīng)濟相對發(fā)達，因此貸款排斥對其農(nóng)戶收入的影響沒有中、西部地區(qū)這么明顯：一是農(nóng)戶自身收入較高和資本積累較多；二是金融網(wǎng)點、金融服務(wù)的普惠性較強；三是金融資源的傾斜度較大。反觀中、西部地區(qū)（特別是部分西部邊遠地區(qū)），由于經(jīng)濟發(fā)展相對滯后，因此農(nóng)戶獲取貸款的意愿與機會相距甚遠，由此引致更大的沖擊效應。

2）儲蓄排斥。東部地區(qū)儲蓄排斥的平均處理效應要遠大于中、西部地區(qū)。儲蓄排斥使得居民難以獲取儲蓄類金融產(chǎn)品及其相關(guān)收益。如果農(nóng)戶收入水平較低，那么儲蓄排斥對農(nóng)戶收入的沖擊效應相對較??；如果農(nóng)戶收入水平較高，那么農(nóng)戶為實現(xiàn)資產(chǎn)保值會更傾向于投資儲蓄產(chǎn)品，由此導致農(nóng)戶在利息收入上的差異。。就現(xiàn)實情況而言，東部地區(qū)農(nóng)村居民的收入要高于中、西部地區(qū)，因此東部地區(qū)農(nóng)戶的收入受儲蓄排斥的影響相對更大。

3）證券排斥。東部地區(qū)證券排斥的平均處理效應大于中、西部地區(qū)。雖然中國農(nóng)村居民總體上較少接觸諸如證券等金融產(chǎn)品和服務(wù)，但是在一些相對發(fā)達的農(nóng)村地區(qū)仍有少數(shù)先富農(nóng)戶有機會接觸證券。而證券產(chǎn)品具有較大的收益性，能夠直接提升農(nóng)戶的收入水平。反之，在金融發(fā)展水平相對較低的中、西部農(nóng)村，由于接觸證券的農(nóng)戶較少，因此證券排斥引致的收入差異也就不那么明顯。

4）關(guān)系排斥。就估計系數(shù)的顯著性而言，東、中部地區(qū)ATT 的估計系數(shù)雖然為負但大多不顯著，說明受關(guān)系排斥和未受關(guān)系排斥的群體的收入差異并不十分明顯。而西部地區(qū)ATT 的估計系數(shù)顯著為負，說明受到關(guān)系排斥的個體的收入水平相應較低。原因在于：西部地區(qū)的金融發(fā)展相對滯后，正規(guī)金融的覆蓋面較小、支持能力較有限，主要供給對象為富裕的或擁有較多社會資本的農(nóng)戶；貧困農(nóng)戶主要從非正規(guī)金融渠道獲得金融支持［26］，而非正規(guī)金融的供給能力較為有限，且非正規(guī)金融的獲取更多依賴于社會資本。因此，農(nóng)戶一旦受到關(guān)系排斥，便很難獲得金融資源，由此造成關(guān)系排斥對收入的負向沖擊。

6 結(jié)論及政策建議

本文基于金融排斥的內(nèi)涵并利用“中國家庭收入調(diào)查”（CHIP2002）的數(shù)據(jù)，從貸款、儲蓄、證券和關(guān)系4個維度構(gòu)造了反映中國農(nóng)村微觀層面的金融排斥變量，進一步利用近似模擬自然實驗的傾向得分匹配法考察了金融排斥對農(nóng)戶收入的影響。研究結(jié)果顯示：第一，證券排斥對農(nóng)戶收入的沖擊效應最大，若農(nóng)戶遭受證券排斥，則其收入平均下降32.7%，儲蓄排斥（16.8%）、貸款排斥（11.7%）和關(guān)系排斥（3.8%）的沖擊效應依次遞減。第二，金融排斥對農(nóng)戶收入的影響存在明顯的地區(qū)差異，即證券排斥和儲蓄排斥對東部地區(qū)農(nóng)戶的沖擊效應相對較大，說明金融產(chǎn)品和投資渠道的差異對發(fā)達地區(qū)農(nóng)戶收入的影響更為明顯；西部地區(qū)農(nóng)戶的收入受貸款排斥和關(guān)系排斥的影響較大，這意味著生產(chǎn)性資本、社會資本的分布差異決定了欠發(fā)達地區(qū)農(nóng)戶的金融資源獲取能力及其收入水平。

本研究的政策含義明顯。一是要加大對農(nóng)村金融的發(fā)展力度。目前中國農(nóng)村金融服務(wù)的主要提供者仍是信用合作社，農(nóng)民獲得金融資源的渠道比較有限。金融機構(gòu)可通過擴大金融網(wǎng)點的覆蓋面、創(chuàng)新支付方式、增強金融產(chǎn)品的適應性、創(chuàng)新金融服務(wù)以滿足差異化需求等，以及在有條件的地區(qū)推廣手機銀行、網(wǎng)絡(luò)銀行等，來降低農(nóng)戶受金融排斥的概率。二是要實施瞄準性的金融扶持政策，以滿足不同地區(qū)、不同收入層級、不同社會背景的農(nóng)村居民的金融需求?！昂唵?、快捷、靈活”是農(nóng)村金融產(chǎn)品應具備的特征，農(nóng)村金融供給主體在設(shè)計農(nóng)戶金融產(chǎn)品時應切實考慮到這些特征，提高金融服務(wù)的針對性和有效性。三是在農(nóng)村正規(guī)金融發(fā)展尚不健全的情況下重視對非正規(guī)金融的正確引導和開發(fā)，促進民間金融為農(nóng)業(yè)生產(chǎn)和農(nóng)民增收服務(wù)，形成新型化、多元化的農(nóng)村金融組織體系。四是加強農(nóng)村金融知識傳播和金融風險教育。這一方面可有效消除資金供需雙方的信息不對稱問題、降低金融市場的交易成本，另一方面可拓寬居民的金融資源獲取渠道、提升其金融產(chǎn)品甄別能力，同時促進金融風險可控。

［1］溫濤，冉光和，熊德平.中國金融發(fā)展與農(nóng)民收入增長［J］.經(jīng)濟研究，2005（9）：30-43.

［2］余新平，熊皛白，熊德平.中國農(nóng)村金融發(fā)展與農(nóng)民收入增長［J］.中國農(nóng)村經(jīng)濟，2010（6）：77-86.

［3］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）：223-241.

［4］劉忠群，黃金，梁彭勇.金融發(fā)展對農(nóng)民收入增長的影響——來自中國面板數(shù)據(jù)的再檢視［J］.財貿(mào)經(jīng)濟，2008（6）：27-33.

［5］PANIGYRAKIS G G，THEODORIDIS P K，VELOUTSOU C A.All customers are not treated equally：Financial exclusion in isolated Greek Islands［J］.Journal of Financial Services Marketing，2002，7（1）：54-66.

［6］KEMPSON E，WHYLEY C.Understanding and combating financial exclusion［J］.Insurance Trends（The Association of British Insurers），1999，21：18-22.

［7］DEVLIN J F.An analysis of influences on total financial exclusion［J］.Services industry journal，2009，28（8）：1021-1036.

［8］SIMPSON W，BUCKLAND J.Examining evidence of financial and credit exclusion in Canada from 1999to 2005［J］.The Journal of Socio-Economics，2009，38（6）：966-976.

［9］RAMA P，RUPAYAN P.Income related inequality in financial inclusion and role of banks：evidence on financial exclusion in India［C］.Indira Gandhi Institute of Development Research，working paper，2012，No.013.

［10］HORSKA E，SZAFEANSKA M，MATYSIK-PEJAS R.Knowledge and financial skills as the factors determining the financial exclusion process of rural dwellers in Poland［J］.Agricultural economics-zemedelska ekonomika，2013，59（1）：29-37.

［11］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.

［12］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.

［13］高沛星，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.

［14］徐少君，金雪軍.農(nóng)戶金融排除的影響因素分析——以浙江省為例［J］.中國農(nóng)村經(jīng)濟，2009（6）：62-72.

［15］李春宵，賈金榮.基于農(nóng)戶視角的金融排斥影響因素研究［J］.現(xiàn)代財經(jīng)，2013（4）：21-29.

［16］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.

［17］ROSENBAUM P R，RUBIN D B.The central role of the propensity score in observational studies for causal effects［J］.Biometrika，1983，70（1）：41-55.

［18］譚燕芝，丁浩，黃向陽.金融排斥視角下的中國農(nóng)戶正規(guī)借貸行為研究［J］.區(qū)域經(jīng)濟評論，2013（3）：86-94.

［19］BROOKHART M A，SCHNEEWEISS S，ROTHMAN K J，et al.Variable selection for propensity score models［J］.American journal of epidemiology，2006，163（12）：1149-1156.

［20］GUISO L，SAPIENZA P，ZINGALES L.Trusting the stock market［J］.Journal of Finance，2008，63：2557-2600.

［21］高夢滔，畢嵐嵐，師慧麗.持久收入與農(nóng)戶儲蓄：基于八省微觀面板數(shù)據(jù)的經(jīng)驗研究［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2008（4）：40-52.

［22］朱喜，李子奈.我國農(nóng)村正式金融機構(gòu)對農(nóng)戶的信貸配給：一個聯(lián)立離散選擇模型的實證分析［J］.數(shù)量經(jīng)濟技術(shù)經(jīng)濟研究，2007（3）：37-49.

［23］黃祖輝，劉西川，程恩江.貧困地區(qū)農(nóng)戶正規(guī)信貸市場低參與程度的經(jīng)驗解釋［J］.經(jīng)濟研究，2009（4）：116-128.

［24］童馨樂，褚保金，楊向陽.社會資本對農(nóng)戶借貸行為影響的實證研究——基于八省1003個農(nóng)戶的調(diào)查數(shù)據(jù)［J］.金融研究，2011（12）：177-191.

［25］李敬，冉光和，萬廣華 .中國區(qū)域金融發(fā)展差異的解釋——基于勞動分工理論與Shapley值分解方法［J］.經(jīng)濟研究，2007（5）：42-54.

［26］葉敬忠，朱炎潔，楊洪萍.社會學視角的農(nóng)戶金融需求與農(nóng)村金融供給［J］.中國農(nóng)村經(jīng)濟，2004（8）：31-43.