寧夏金融排斥測度及動態(tài)機制實證研究

王浩+康彥華+何文虎+燕志堅

摘 ? 要：金融排斥在世界范圍內普遍存在，差距明顯，表現(xiàn)不一，世界銀行和國際貨幣基金組織對金融排斥也沒有形成統(tǒng)一的概念和標準劃分，國內對金融排斥理論的研究尚處于起步階段。受地理環(huán)境、文化、金融改革等眾多因素的影響，我國各地的金融排斥表現(xiàn)也參差不齊、各具特色。本文提出金融排斥概念和測度方法，并以寧夏為例，選取20個縣（區(qū)、市）2001-2012年經(jīng)濟金融統(tǒng)計數(shù)據(jù)，采用面板向量自回歸模型（PVAR）對金融排斥動態(tài)機制展開實證研究，測度金融排斥動態(tài)發(fā)展趨勢，給出研究結論，提出政策建議。

關鍵詞：金融排斥;PVAR;動態(tài)機制

中圖分類號：F830.31 ? ? ? ? ? ? ? ? ?文獻標識碼：B ? ? ? ? ? ? ? ? ? ? 文章編號：1674-0017-2014（11）-0058-07

一、引言

近年來，消除金融排斥成為許多國家金融政策的重要內容和優(yōu)先解決的主要問題，與之相對應的金融排斥理論研究已引起業(yè)界及學術領域的廣泛重視。Leyshon & Thrift（1995）、Kempson（1999）等學者對金融排斥定義、范疇進行了深入系統(tǒng)的研究;Beck（2007）提出了測度普惠性金融的八個指標，構建的IFE指數(shù)被廣泛引用;Sarma（2012）構造了反映金融機構滲透性、產(chǎn)品接觸性、使用效用性的IFI指數(shù)，測度金融排斥并且計算出全球包括澳大利亞、美國等28個國家的金融排斥指數(shù);Devlin（2005）、Kempson（1999， 2000）、Hersi（2009）、Beck（2008）等從需求、供給角度對金融排斥的誘因進行了實證分析;Honohan（2007）對全球177個國家的金融排斥現(xiàn)象研究表明：歐盟銀行賬戶使用比例為92%，非洲地區(qū)使用比例為20%，阿拉伯國家為33%，其他中亞、東歐、東亞、拉丁美洲、加勒比海地區(qū)及南亞地區(qū)的銀行賬戶使用比例在35%-51%之間。英國金融服務機構（FSA）（2000）研究表明金融排斥對社會經(jīng)濟和經(jīng)濟結構有著顯著影響;Chant Link（2005）經(jīng)過研究，證實金融排斥對微觀個體、宏觀經(jīng)濟都具有很大影響。杜曉山（2007）對金融排斥的定義進行了全面研究;徐少君（2008）、田霖（2011）、高沛星（2011）、田杰（2011）等通過實證分析了我國金融排斥的誘因;張軍（2005），袁云峰（2007）、田杰（2011）研究了金融排斥與經(jīng)濟增長、勞動生產(chǎn)率之間的相互關系。徐虹（2012）研究表明，截止2010年，我國平均每個鄉(xiāng)鎮(zhèn)的分布網(wǎng)點為3.27個，獲得金融機構貸款支持的農(nóng)戶數(shù)僅占農(nóng)戶總數(shù)的29.3%。田杰（2011）研究顯示，截止2007年，全球有53%的人未使用銀行賬戶。

在我國，總體上，越是欠發(fā)達地區(qū)，金融排斥的程度就越高，在低于全國金融機構網(wǎng)點覆蓋率平均水平的15個省市中，絕大部分是云南、貴州、重慶、甘肅、寧夏等欠發(fā)達省市，如寧夏2012年末仍存在15個無金融機構鄉(xiāng)鎮(zhèn)，占其全部鄉(xiāng)鎮(zhèn)數(shù)的8%。因此，以欠發(fā)達地區(qū)為落腳點，測度我國金融排斥現(xiàn)狀，研究金融排斥動態(tài)機理具有一定的理論和現(xiàn)實意義。

本文在梳理國內外研究綜述基礎上，給出金融排斥的定義，結合我國國情構建金融排斥指標體系，構造CIFI指數(shù)度量金融排斥狀況;以寧夏為例，選取20個區(qū)縣2001-2012年的經(jīng)濟金融統(tǒng)計數(shù)據(jù)測度寧夏金融排斥，采用面板向量自回歸模型（PVAR）實證研究寧夏金融排斥動態(tài)特征，給出研究結論，提出政策建議。

二、金融排斥定義、測度

（一）金融排斥定義

金融排斥概念源于“社會排斥”大的社會背景，被認為是社會排斥的一個主要方面。國內外學者對金融排斥給出了多種定義，如Sinclair（2001）認為金融排斥指一定的群體或個人沒有能力通過合適的方式獲取必要的金融服務，而導致金融排斥的原因是由于受到環(huán)境、價格和負面的社會經(jīng)歷等導致的自我排斥;Leyshon & Thrift（1995）則定義為：阻止一定的社會群體和個人獲取正規(guī)的金融服務;徐少君（2008）認為，從狹義角度看，金融排斥指個體未接觸儲蓄、貸款和保險等金融服務，從廣義角度看，金融排斥指貧困群體和貧困地區(qū)將完全無法獲取金融系統(tǒng)提供的金融服務。

經(jīng)過文獻梳理，我們認為國內外有關金融排斥概念尚無統(tǒng)一的認識與劃分標準。因此，我們對金融排斥的定義作如下闡述：金融排斥是指有獲取金融服務和產(chǎn)品的意愿或者能力的個人、企業(yè)和組織，由于主觀原因或者客觀環(huán)境限制而未能獲取金融服務和產(chǎn)品的現(xiàn)象。其按成因劃分為：區(qū)域排斥、條件排斥、價格排斥、評估排斥、營銷排斥和自我排斥;按供需原理劃分為：主觀需求型排斥和客觀供給型排斥，主觀需求型排斥指個體或組織由于受自我認識約束或者社會歧視影響等未享受到相應的金融服務和產(chǎn)品，客觀供給型排斥指金融系統(tǒng)或組織由于成本、盈利、政策等原因未向相對落后的地區(qū)或弱勢群體提供應有的金融網(wǎng)點、服務和產(chǎn)品;按接受服務的程度將金融排斥劃分為完全排斥，邊際排斥與不排斥，完全排斥指不享受交易賬戶、信用卡和保險任何一種服務和產(chǎn)品的單位個體，邊際排斥指享受到交易賬戶、信用卡和保險中的任意一項或兩項服務和產(chǎn)品的單位個體，不排除指享受到上述三種服務和產(chǎn)品的單位個體。

（二）金融排斥測度

1、金融排斥指數(shù)研究綜述。國內外有關金融排斥量化測度的研究文獻較少，Beck（2007）構建了測度普惠性金融（金融寬度）的指標體系，包括每萬人金融機構網(wǎng)點數(shù)、每百平方公里金融網(wǎng)點數(shù)、每萬人ATM數(shù)、每百平方公里ATM數(shù)、人均儲蓄/人均GDP、人均貸款/人均GDP、每千人儲蓄賬戶數(shù)、每千人貸款賬戶數(shù)。Sarma（2008）從反映金融機構滲透性、產(chǎn)品接觸性、使用效用性三個維度對金融普惠程度進行度量，構建IFI指數(shù)。Sarma（2012）對IFI指數(shù)做了進一步的改進，不同于Sarma（2010）構造的IFI指數(shù)的是，該指數(shù)分別考慮了多維度空間中各個指標與最低金融普惠程度和最高金融普惠程度之間的歐式距離，并將二者距離的平均數(shù)作為IFI指數(shù)。Sarm（2012）構造的IFI指數(shù)存在以下問題：首先，未對指標體系進行分類，相當于每類一級指標所占權重相同，這往往與經(jīng)濟事實不符，如從直觀經(jīng)驗判斷，代表條件排斥指標和代表價格排斥的指標應該有權重上的不同;另外，Sarma（2012）構造的IFI指數(shù)，采用兩個距離的加權平均數(shù)，之所以如此處理的原因解釋是，可能存在兩個國家，其反映普惠程度的項指標構成的向量與代表最高普惠程度向量矩陣之間的距離相等，但與代表最低普惠程度向量矩陣0之間的距離可能不相等，或者有可能與0之間距離相等，但可能與之間距離不相等，Sarma（2012）分析中存在上述現(xiàn)象的根本原因是0和的向量矩陣不對稱，在Sarma（2012）的文獻中，人為賦予代表最低普惠程度的向量為0=（0，0，…，0），但代表最高普惠程度的向量w=（w1，w2，…，wp）又是根據(jù)實踐經(jīng)驗判斷獲得。本文在借鑒國內外研究成果的基礎上提出測度金融排斥的指數(shù)CIFI。

2、金融排斥指數(shù)CIFI。將反映金融排斥的指標體系分為二級，具體表示如圖1表示。

依據(jù)已經(jīng)確定的金融排斥指標體系，構造不同級別指標的具體值，進而確定金融排斥指數(shù)。

第一步：計算每個一級指標下各二級指標的金融包容性

d = ?k=1，2，…，K ? ? ? ? ? ? ? ? ? ?（1）

其中d 表示第i個一級指標中第k個二級指標的金融包容性（為了標記簡潔，假定每個一級指標下所含二級指標個數(shù)相同），M ，m 分別表示該維度包容性的最大值與最小值。

第二步：計算一級指標體系的指標值，設第i項一級指標體系下每個二級指標的權重向量為ω =（ω ，ω ，…ω ），0≤ω ≤1且 ω =1，則第i個一級指標的普惠程度定義為：

d =d ?ω + d ?ω +L+ d ω ? ? ? ? ? ? ? ? （2）

第三步：計算金融排斥指數(shù)設m個一級指標權重矩陣為（f ，f ，L，f ），0≤f ≤1，i=1，2，L，m且 f =1，則有

CIFI=1- ?d ?f ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?（3）

CIFI指數(shù)性質性質1：有界性。很顯然，每個d 介于0和1之間，故有限個d 的線性組合有界。

性質2：單調性。即對于任意兩組衡量金融排斥的指標向量，x=（（x ，x ，…，x ），（x ，x ，x ），…，（x ，x ，x ）），y=（（y ，y ，…，y ），（y ，y ，y ），…，（y ，y ，y ））若有x≥y，則顯然有AIFE（x）≤AIFE（y）。

性質3：齊次性。即有AIFE（x，M ，m ）=AIFE（λx，λM ，λm ）

3、構造指數(shù)過程中幾個需要解決的問題。a.權重的確定，文章采用權重層次分析法（APH）確定一級指標的權重，層次分析法由美國運籌學家沙旦（T.L.satty）于上個世紀70年代提出，是一種定性定量相結合的目標決策分析方法，能有效避免評價中的主觀影響，是一種較科學的確定評價指標權重的方法。該方法具體操作步驟如下：

首先，定性問題量化處理，將一級平行指標兩兩比較，并對比較結果按照重要程度賦值，其比較結果以1-9標度法表示，各級標度含義如表1所示。按標度要求，對20位長期從事金融理論與實踐工作的專家進行深度訪談，得到各位專家關于一級指標產(chǎn)品接觸、使用效用、銀行滲透的標度評分，取各專家評分平均值，得到平均指標判斷矩陣，如表2。

標注：用k 表示第i個指標與第j個指標間比較的標度值，定義第j個指標與第i個指標間比較的標度值為1/k 構成比較矩陣。

1 ? ? ? 3 ? ? ? 41/3 ? ? 1 ? ? ? ?21/4 ? ?1/2 ? ? ?1

其次，采用特征值法確定單層指標權重向量（f ，f ，…，f ），詳細計算過程如下：

計算判斷矩陣每一行元素的積Ψ = k ? ?i=1，2，3。

得Ψ =1×3×4=12，Ψ =1/3×1×2=2/3，Ψ =1/4×1×1/2=1/8。

計算各行Ψ 的n次方根值 ?= ? i=1，2，3，n為判斷矩陣階數(shù)，得到各指標的權重為：

f = i=1，2，3 ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? （4）

即有f =0.62， f =0.23， f =0.15

同樣，結合所訪談專家的建議（一級指標下各二級指標所得到的標度值相當），對反映銀行滲透性指標中的ATM個數(shù)賦予1/3權重，銀行網(wǎng)點數(shù)權重為2/3。對度量使用效用性的二級指標等權重處理，金融排斥指數(shù)的計算需要確定每項指標x 的上界M 和下界m ，筆者參考Sarma（2012）確定上下界的方法，得到反映金融滲透性的指標的上界值分別為：M11=0.6（表明較理想的狀況是每1667個客戶享受一個銀行網(wǎng)點的服務），M12=1.2（即1個ATM機服務833位客戶）;反映使用效用性的指標的上限值為M21=300（單位GDP存款為300），按照國際金融監(jiān)管法包括國內的商業(yè)銀行執(zhí)行75%的存貸比，得到M22=240（單位GDP貸款為240）;度量產(chǎn)品接觸性的的最高值為M31=2500（平均每個人至少有兩個以上的賬戶）。

4、金融排斥指數(shù)計算（以寧夏回族自治區(qū)為個例）。本文選取寧夏二十個縣（區(qū)、市）2001-2012年反映經(jīng)濟金融發(fā)展情況的七項指標計算區(qū)域金融排斥指數(shù)，分別為網(wǎng)點數(shù)量、自助設備數(shù)量、各項貸款余額、各項存款余額、開戶數(shù)、地區(qū)GDP、地區(qū)總人口。計算結果見表3。

分析寧夏縣域金融排斥情況，見表3、圖2，從結構看，寧夏金融排斥差距明顯，主要體現(xiàn)在：一是首府或者地市市府所在地的金融排斥要低于同地區(qū)其他縣（市），如：銀川市、利通區(qū)、原州區(qū)、沙坡頭區(qū)和大武口區(qū)五個地區(qū)的金融排斥明顯低于同地區(qū)其他縣（市）;二是北部（川區(qū)）工業(yè)區(qū)的金融排斥要低于南部山區(qū)，位于圖2最上方的縣（市）分別是海原縣、西吉縣、隆德縣、彭陽縣、同心縣，上述五縣均屬于寧夏南部山區(qū)，而位于圖下方的大武口區(qū)，利通區(qū)、永寧縣、靈武市、賀蘭縣均屬于北部川區(qū)，金融排斥最高的海原縣和最低的大武口區(qū)真實反映了這種地域之間的金融排斥差異;從縱向看（2001-2012），寧夏金融排斥整體呈下降趨勢，且自2010年開始下降幅度較大。

三、金融排斥動態(tài)特征

考慮到金融排斥的變化受供給方金融機構和需求方消費者本身條件變化的影響，同時，金融排斥的變化反過來會影響金融機構和需求方條件的變化。因此，文章采用面板向量自回歸模型（PVAR）方法對金融排斥動態(tài)機制進行實證研究。選取金融排斥指數(shù)（CIFI）度量金融排斥現(xiàn)狀，選用資產(chǎn)利潤率來反映銀行資產(chǎn)盈利能力，用ROA表示，選定居民平均收入水平衡量需求方條件特征，用ICP表示，研究對象為寧夏20個縣（區(qū)、市）（考慮到紅寺堡區(qū)為移民搬遷區(qū)，2009年經(jīng)國務院批準設立吳忠市紅寺堡區(qū)，建區(qū)時間較短，不列入到研究樣本中），樣本觀察區(qū)間為2001-2012年。

（一）面板單位根及協(xié)整檢驗

進行向量自回歸分析前，需要對面板數(shù)據(jù)進行單位根檢驗與協(xié)整分析，本文分別采用LLC、IPS、Fisher-PP檢驗方法對CIFI、ROA、ICP面板數(shù)據(jù)進行單位根檢驗，結果列于表4。

檢驗結果均表明不能完全拒絕“存在單位根”的原假設，對各個面板數(shù)據(jù)的差分值單位根檢驗，得出的差分面板數(shù)據(jù)為平穩(wěn)數(shù)據(jù)。由于面板數(shù)據(jù)的不穩(wěn)定性，應用最小二乘法可能導致偽回歸，需分析變量間的協(xié)整關系，文章采用Pderoni（1999），Kao（1999）和Johasen方法判斷變量之間是否存在長期穩(wěn)定的均衡關系，結果顯示如表5。

從表中分析結果判斷，總體上CIFI、ROA、ICP變量之間存在協(xié)整關系，由此進一步可建立面板向量自回歸（PVAR）模型。

（二）PVAR模型建立

面板向量自回歸模型（PVAR）由Holtz-Eakin在1988年首次提出，后經(jīng)McCoskey & Kao（1998）、Joankim Westerlund（2005）等學者的追蹤研究，現(xiàn)已發(fā)展成為兼具時間序列分析和截面數(shù)據(jù)分析的較為成熟的模型，該模型除了保留VAR模型中沒有強事先約束的優(yōu)點外，降低了數(shù)據(jù)時間長度的要求，當時間長度T≥2m+2，m為滯后階數(shù)，就可估計穩(wěn)態(tài)下的滯后項階數(shù)。另外，PVAR克服了VAR中隱含的所有界面單位結構相同的約束，和現(xiàn)實情況更吻合。

模型表達式為：y =β +β y +β y +…+β y +ε ? ? ? ? ? ? ? ? ? ?（5）

其中：y 是由CIFI、ROA、ICP構成的三維內生變量向量即y =（CIFIt，ROAt，ICPt），p為滯后階數(shù)，β ，β ，…，β 為系數(shù)向量矩陣，ε 為3維隨即擾動向量，且ε 滿足cov（ε ，ε ）=0，i≠j，cov（ε ，y ），i，j，k=1，2… p即當期和滯后期之間不相關，且擾動項和等式方程中的其他變量不相關。

本文采用AIC準則確定模型中的最佳滯后為三期，在去除了模型中固定效應和時間效應后采用廣義矩（GMM）估計方法得到參數(shù)估計值。表6報告了估計結果。

分析結果初步顯示，在去除固定效應和時間效應的三變量之間存在交互動態(tài)影響關系，金融排斥除受本身滯后期的影響外，ROA和ICP對其影響也較大。但是，對PVAR單個參數(shù)值的解釋是困難的，本文后續(xù)部分采用脈沖響應分析和方差分析進一步刻畫變量之間的動態(tài)影響關系。

脈沖響應函數(shù)度量了PVAR模型中內生變量對相關新息變化的反映，具體體現(xiàn)為在保持模型中其他內生變量的外生沖擊為0，對模型中相關新息施加一個標準差大小的外生沖擊后，新息的外生沖擊對PVAR模型中內生變量的當前值和未來值的沖擊反映。在GMM估計中，得到的擾動項的方差-協(xié)方差矩陣并非是一個對角矩陣，表明PVAR模型中擾動項之間存在相關性，不能保證脈沖分析時其他內生變量外生沖擊為0的假定條件，對此問題，本文的處理方法是對GMM估計出的系數(shù)進行再抽樣，用bootstrap方法得到PVAR模型的脈沖響應分析的置信區(qū)間，這樣保證PVAR模型中的擾動項之間不再具有相關性。圖3給出了三個變量之間的動態(tài)交互作用及其效應。圖示信息說明銀行資產(chǎn)利潤率、平均收入水平對金融排斥的沖擊響應逐漸收斂，前三期的沖擊比較平穩(wěn)，到第三期以后沖擊迅速收斂，比較而言，一個標準差的平均收入水平對金融排斥的沖擊要比一個標準差的銀行資產(chǎn)利潤的沖擊對金融排斥的影響大，也就是說，微觀個體自身收入水平的變化對是否選擇金融服務的影響較大，另外圖示信息直觀顯示出三個變量以及變量的滯后期之間存在交互影響。

通過方差分析進一步度量變量之間沖擊作用的構成。表7給出了前10步、前20步、前30步預測期的方差分解結果。分析結果顯示前20個預測期與前30個預測期的方差分析結果基本相同，前10個預測期與前20個預測期的分析結果差異很小，表明10個預測期后系統(tǒng)已比較穩(wěn)定，對結果影響甚微。前10期平均收入水平、銀行資產(chǎn)利潤率對金融排斥的累積貢獻為12.2%、15.8%，可見影響變量對金融排斥的變量誤差有較大的貢獻率。

四、結論和建議

通過對寧夏金融排斥測度和實證研究表明：寧夏金融排斥的南北地區(qū)差異性較強;同一地區(qū)（以市為單位）的政治中心的金融排斥要遠低于其他地區(qū);從縱向看金融排斥總體上呈下降趨勢;從動態(tài)分析結果來看，金融排斥與金融機構資產(chǎn)利潤率、人均收入水平之間存在一種負相關的相互動態(tài)影響關系。因此，降低金融排斥：一是要推動地方經(jīng)濟發(fā)展，提高居民收入水平;二是要健全完善金融組織體系和市場體系，加大對欠發(fā)達、農(nóng)村地區(qū)的政策傾斜，適度放寬在上述地區(qū)設立、組建新型金融機構的政策條件并給予財政和稅收政策方面的鼓勵;三是要不斷改善金融生態(tài)環(huán)境，有效防范金融風險，增強金融機構盈利能力;四是金融機構自身要因地制宜地加大產(chǎn)品創(chuàng)新力度，改變收入結構，提高自身盈利能力。

參考文獻

[1] Beck T， Honohan. Finance for All？policies and Pitfalls in Expanding Access. 2007-10--20

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 許圣道，田霖，我國農(nóng)村地區(qū)金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 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。

[5] 朱方明，我國山區(qū)貧困與反貧困狀況的調查與思考[J].經(jīng)濟學家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao ?Kang Yanhua ?He Wenhu ?Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan ?Ningxia ?756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

責任編輯、校對：楊振峰

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 許圣道，田霖，我國農(nóng)村地區(qū)金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 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。

[5] 朱方明，我國山區(qū)貧困與反貧困狀況的調查與思考[J].經(jīng)濟學家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao ?Kang Yanhua ?He Wenhu ?Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan ?Ningxia ?756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

責任編輯、校對：楊振峰

[2] Sarma M， Pais J. Financial inclusion and development. Journal of International Development.2010，（3）： 1-16.

[3] 許圣道，田霖，我國農(nóng)村地區(qū)金融排斥研究[J]，金融研宄， 2008，（7） ：195-206。

[4] 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。

[5] 朱方明，我國山區(qū)貧困與反貧困狀況的調查與思考[J].經(jīng)濟學家，2013，（12）：84-92。

Measurement and dynamics of financial exclusion Analysis of Ningxia

Wang Hao ?Kang Yanhua ?He Wenhu ?Yan zhijian

（Guyuan Municipal Sub-branch PBC，GUyuan ?Ningxia ?756000）

Abstract：Financial exclusion prevalent in the world， the gap is obvious. World Bank and IMFfor financial exclusion nor the formation of a unified concepts and standards division. Domestic financial exclusion theory research is still in its infancy， due to geographical， cultural， financial reform， and many other factors， our country's financial exclusion also showed uneven， unique. This paper presents the concept of financial exclusion， financial exclusion indicator system to build， construct financial exclusion index measuring financial exclusion condition， Ningxia is one example. Select the 20 counties 2001-2012 annual financial statistic data， using the panel vector autoregressive model （PVAR）， quantitative analysis of financial exclusion dynamics. And gives conclusions， policy recommendations

Key words： financial exclusion ; PVAR ;dynamic mechanism

責任編輯、校對：楊振峰