長(zhǎng)江中下游地區(qū)金融排斥的影響因素分析

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(zhǎng)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(zhǎng)江中下游地區(qū)，橫穿我國(guó)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(guó)具有重要的戰(zhàn)略地位。隨著長(zhǎng)江經(jīng)濟(jì)帶發(fā)展戰(zhàn)略的提出，長(zhǎng)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(wèn)題。其中，金融排斥的問(wèn)題會(huì)阻礙該地區(qū)的金融發(fā)展。

金融排斥是指社會(huì)中的某些群體沒(méi)有能力進(jìn)入金融體系，沒(méi)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(wú)法享受到金融服務(wù)是由于一些地區(qū)金融網(wǎng)點(diǎn)的缺失。Kempson和Whyley(1999)[2]從六個(gè)方面來(lái)分析金融排斥，分別是：價(jià)格排斥、評(píng)估排斥、條件排斥、營(yíng)銷排斥和自我排斥。這一觀點(diǎn)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(guó)外對(duì)于金融排斥問(wèn)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(lái)，以評(píng)估信用約束和金融排斥對(duì)中低收入消費(fèi)者的財(cái)務(wù)狀況的影響。并通過(guò)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(fèi)者特征和生命周期行為聯(lián)系起來(lái)。最終得出結(jié)論：金融知識(shí)，正規(guī)教育，資產(chǎn)建設(shè)對(duì)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(dòng)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(guò)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(huì)宗教參與度對(duì)金融排斥具有重要的經(jīng)濟(jì)影響。

我國(guó)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(jī)構(gòu)網(wǎng)點(diǎn)覆蓋率等指標(biāo)，分析出我國(guó)農(nóng)村地區(qū)的金融排斥存在空間差異性。最近，我國(guó)對(duì)于這一問(wèn)題的研究不斷豐富。張國(guó)俊，姚洋洋和周春山(2018)[6]基于我國(guó)31個(gè)省份2004-2012年的面板數(shù)據(jù)，研究我國(guó)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(guó)各個(gè)省份金融排斥的空間集聚效應(yīng)。最終得出結(jié)論：我國(guó)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(píng)價(jià)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(wèn)題。李偉(2019)[8]通過(guò)金融排斥六個(gè)方面分析法，計(jì)算我國(guó)各個(gè)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(wèn)題，減小金融區(qū)域的差異性。

二、長(zhǎng)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(huì)經(jīng)濟(jì)水平，社會(huì)治理水平以及社會(huì)文化水平三個(gè)方面來(lái)分析長(zhǎng)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(gè)變量，分別是：金融網(wǎng)點(diǎn)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(xiàng)，β1到β10是金融排斥影響因素的系數(shù)，ε是隨機(jī)誤差項(xiàng)。LnY代表長(zhǎng)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(duì)數(shù)處理。Api代表加權(quán)平均個(gè)人收入，根據(jù)城鄉(xiāng)經(jīng)濟(jì)增加值的比重，加權(quán)計(jì)算長(zhǎng)江中下游地區(qū)的平均個(gè)人收入。Ump代表長(zhǎng)江中下游地區(qū)的失業(yè)率，通過(guò)失業(yè)人數(shù)與勞動(dòng)力人數(shù)的比例進(jìn)行計(jì)算。Fpd代表金融網(wǎng)點(diǎn)地理分布，通過(guò)金融網(wǎng)點(diǎn)個(gè)數(shù)與地區(qū)面積的比例進(jìn)行計(jì)算。Tir代表第三產(chǎn)業(yè)貢獻(xiàn)率，通過(guò)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(jì)算。Hel代表高等教育普及率，通過(guò)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(jì)算。Brc代表工商監(jiān)管程度，通過(guò)政府工商監(jiān)管支出與財(cái)政總支出的比例進(jìn)行計(jì)算。Rle代表法治水平，通過(guò)執(zhí)法支出與財(cái)政總支出的比例進(jìn)行計(jì)算。Icc代表產(chǎn)業(yè)集中度，通過(guò)規(guī)模企業(yè)數(shù)量與企業(yè)總數(shù)的比例進(jìn)行計(jì)算。Gcm代表政府支出創(chuàng)造乘數(shù)，通過(guò)財(cái)政總支出與地區(qū)內(nèi)部生產(chǎn)總值的比例進(jìn)行計(jì)算。

(二)分析結(jié)果

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

表1 長(zhǎng)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(shuō)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(zhǎng)江中下游地區(qū)的生產(chǎn)總值增加1%時(shí)，長(zhǎng)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(shuō)明地區(qū)加權(quán)平均個(gè)人收入越大，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)的加權(quán)平均個(gè)人收入增加1%時(shí)，長(zhǎng)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(shuō)明失業(yè)率越大，金融排斥指數(shù)越大。當(dāng)長(zhǎng)江中下游地區(qū)的失業(yè)率增加1%，長(zhǎng)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(shuō)明金融網(wǎng)點(diǎn)地理分布越密集，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)金融網(wǎng)點(diǎn)的地理分布指數(shù)增加1%，長(zhǎng)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(shuō)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(zhǎng)江中下游地區(qū)的第三產(chǎn)業(yè)貢獻(xiàn)率增加1%，長(zhǎng)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(shuō)明高等教育普及率越大，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)的高等教育普及率增加1%，長(zhǎng)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(shuō)明工商監(jiān)管程度越大，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)工商監(jiān)管支出的比例增加1%，長(zhǎng)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(shuō)明法治水平越高，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)公檢法支出的比例增加1%，長(zhǎng)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(shuō)明產(chǎn)業(yè)集中度越高，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)產(chǎn)業(yè)集中比率增加1%，長(zhǎng)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(shuō)明政府財(cái)政支出創(chuàng)造乘數(shù)越高，金融排斥指數(shù)越小。當(dāng)長(zhǎng)江中下游地區(qū)的財(cái)政效力增加1%，長(zhǎng)江中下游地區(qū)的金融排斥指數(shù)下降0.184%。

三、長(zhǎng)江中下游地區(qū)金融排斥的治理對(duì)策

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

長(zhǎng)江中下游地區(qū)的金融網(wǎng)點(diǎn)分布不太平均?？傮w上來(lái)說(shuō)，江蘇省和浙江省分布較為合理，各個(gè)區(qū)域金融網(wǎng)點(diǎn)的配置比較充分。其他省份與這兩個(gè)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(diǎn)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(diǎn)的地理分布與人口分布不合理，主要是因?yàn)閷?duì)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(diǎn)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(diǎn)。

其次，豐富金融網(wǎng)點(diǎn)形式，適應(yīng)市場(chǎng)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(diǎn)。一些地區(qū)人煙稀少，地域面積狹小，市場(chǎng)需求不夠旺盛，可以設(shè)置便攜式電子金融網(wǎng)點(diǎn)以及非主要分支機(jī)構(gòu)，例如銀行體系中的存儲(chǔ)現(xiàn)金的ATM機(jī)。一些地區(qū)人口眾多，地域面積寬闊，商場(chǎng)需求旺盛，可以設(shè)置金融機(jī)構(gòu)總店或者主要分支機(jī)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(duì)于金融服務(wù)的需求不同。對(duì)于經(jīng)濟(jì)條件相對(duì)較好的地區(qū)，該地區(qū)的居民對(duì)于未來(lái)的經(jīng)濟(jì)趨勢(shì)是極為樂(lè)觀的，也會(huì)加大對(duì)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(duì)于經(jīng)濟(jì)條件相對(duì)較差的地區(qū)，該地區(qū)的居民對(duì)于未來(lái)的經(jīng)濟(jì)趨勢(shì)是不太樂(lè)觀的，便會(huì)加大對(duì)于存儲(chǔ)服務(wù)的需求，因此需要設(shè)置存儲(chǔ)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(zhǎng)江中下游地區(qū)各個(gè)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(zhǎng)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(zhǎng)江中下游地區(qū)的教育程度與金融排斥指數(shù)成反比。長(zhǎng)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(shí)，增加市場(chǎng)需求。通過(guò)市場(chǎng)需求的提升，增加金融機(jī)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(zhǎng)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(zhǎng)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(zhǎng)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(zhǎng)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(duì)金融排斥進(jìn)行有效治理。