中國(guó)農(nóng)村金融包容性發(fā)展水平綜合測(cè)度分析

公茂剛 張梅嬌

摘 要：基于滲透性、產(chǎn)品接觸性和使用效用性三個(gè)基本維度構(gòu)建農(nóng)村金融包容測(cè)度指標(biāo)體系，采用變異系數(shù)法、熵值法和因子分析法分別測(cè)算中國(guó)30個(gè)省份2005-2018年農(nóng)村金融包容指數(shù)，對(duì)農(nóng)村金融包容性發(fā)展趨勢(shì)、存在問題及區(qū)域差異進(jìn)行綜合探析。結(jié)果表明：三大維度對(duì)整體包容性均有重要解釋作用，滲透性是基礎(chǔ)，產(chǎn)品接觸性是關(guān)鍵，使用效用性是核心;觀測(cè)區(qū)間內(nèi)，中國(guó)農(nóng)村金融包容性整體呈逐年上升趨勢(shì)，但仍處于較低發(fā)展水平;四大區(qū)域農(nóng)村金融包容性呈明顯分化格局，東部最高，東北地區(qū)略高于中、西部但均位于全國(guó)平均水平以下;總體地區(qū)差異存在縮小趨勢(shì)，但可能出現(xiàn)“中部塌陷”問題。因此，有效發(fā)揮金融服務(wù)需求、供給和監(jiān)管三方協(xié)同作用，對(duì)于進(jìn)一步推進(jìn)農(nóng)村金融包容性發(fā)展具有重要實(shí)踐意義。

關(guān)鍵詞： 變異系數(shù)法;熵值法;因子分析法;農(nóng)村金融包容指數(shù)

中圖分類號(hào)：F832.35 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：1003-7217（2020）06-0018-09

一、引言及文獻(xiàn)回顧

金融包容性發(fā)展旨在通過正規(guī)的金融渠道，有效、全方位地為包括邊緣化人群在內(nèi)的社會(huì)所有階層提供合適、安全、負(fù)擔(dān)得起的金融產(chǎn)品和融資渠道，消除金融排斥，提高金融普惠性。農(nóng)村由于金融基礎(chǔ)設(shè)施落后，農(nóng)戶資信水平低，多數(shù)金融機(jī)構(gòu)不愿向農(nóng)戶發(fā)放信用貸款，即使發(fā)放貸款也需要非常嚴(yán)苛的條件，致使農(nóng)戶的有效信貸需求得不到滿足。自2005年引入普惠金融概念以來，提高金融包容性、消除金融排斥、促進(jìn)金融發(fā)展一直是中國(guó)金融體制改革的重要內(nèi)容。2015年12月國(guó)務(wù)院印發(fā)《推進(jìn)普惠金融發(fā)展規(guī)劃》，提出立足機(jī)會(huì)平等與可持續(xù)性原則，為金融服務(wù)需求者提供可負(fù)擔(dān)得起的有效金融服務(wù)。2017年7月，黨中央特別強(qiáng)調(diào)建設(shè)普惠金融體系，加強(qiáng) “三農(nóng)”金融服務(wù)。2020年中央一號(hào)文件提出穩(wěn)妥擴(kuò)大農(nóng)村普惠金融改革試點(diǎn)，加快構(gòu)建普惠金融服務(wù)體系，推動(dòng)農(nóng)村金融包容性發(fā)展。目前，中國(guó)農(nóng)村金融包容性發(fā)展水平如何，存在哪些問題，今后如何發(fā)展，值得關(guān)注、研究。

關(guān)于金融包容性的衡量，學(xué)界提出了多種不同方法，但尚未形成統(tǒng)一衡量標(biāo)準(zhǔn)。金融包容性指標(biāo)體系構(gòu)建涉及不同維度的多個(gè)指標(biāo)。Beck 等（2007）選取銀行分行及ATM機(jī)的地理與人口滲透率衡量可獲得性，選取人均存貸款數(shù)、存款收入比和貸款收入比衡量使用狀況[1]，該指標(biāo)體系僅針對(duì)銀行服務(wù)，遺漏了其他機(jī)構(gòu)的金融服務(wù)。Mialou等（2017）在此基礎(chǔ)上加入了對(duì)信用合作社和小額信貸公司等金融機(jī)構(gòu)的研究[2]。Sarma（2008）提出了包含滲透性、可用性和效用性三個(gè)維度的普惠金融指標(biāo)體系[3]，維度涵蓋較全面，得到后來較多學(xué)者的借鑒[4-7]，但該指標(biāo)體系每個(gè)維度僅包含一個(gè)指標(biāo)，不能充分反映各國(guó)普惠金融客觀發(fā)展水平。Arora（2010）在此基礎(chǔ)上進(jìn)行了兩方面改進(jìn)，一是每個(gè)維度均采用了多個(gè)指標(biāo)，二是考慮了交易便利性和交易成本[8];其他相關(guān)研究還加入了信息化、保險(xiǎn)、易用性、交易成本和可負(fù)擔(dān)性等不同維度重構(gòu)指標(biāo)體系[9-12]。此外，田霖（2012）考慮到我國(guó)顯著區(qū)域差異，構(gòu)建了包含農(nóng)戶、企業(yè)和區(qū)域三個(gè)層面共16個(gè)指標(biāo)的農(nóng)村金融包容性指標(biāo)體系[13]。Allen等（2016）基于個(gè)體和總體兩個(gè)層面構(gòu)建了全球金融包容性指標(biāo)體系[14]。Kabakova和Plaksenkov（2018）從社會(huì)人口、技術(shù)、經(jīng)濟(jì)和政治層面測(cè)算了新興國(guó)家和低收入國(guó)家的金融包容性指數(shù)[15]。綜上所述，盡管學(xué)者們構(gòu)建的金融包容性指標(biāo)體系各異，但均涵蓋信貸提供者和使用者兩方面信息。

在指數(shù)計(jì)算方法的選取上，部分學(xué)者選擇等權(quán)重法對(duì)所有維度和變量賦予同等權(quán)重[16]，但實(shí)際中各維度指標(biāo)對(duì)金融包容性的貢獻(xiàn)度有較大差異，等權(quán)重法會(huì)導(dǎo)致測(cè)算結(jié)果偏離實(shí)際水平。焦瑾璞等（2015）采用主客觀結(jié)合賦權(quán)的層次分析法，能夠較精確反映各指標(biāo)貢獻(xiàn)度[17]，但指標(biāo)過多時(shí)會(huì)出現(xiàn)計(jì)算復(fù)雜、指標(biāo)權(quán)重難以確定等問題。Dungey等（2018）采用多重對(duì)應(yīng)分析和聚類分析評(píng)估現(xiàn)有金融產(chǎn)品的需求滿足程度[18]。Ahamed和Mallick（2019）基于模糊集定性比較分析法測(cè)算了金融包容性水平的差異[19]?？陀^賦權(quán)法以指標(biāo)本身區(qū)分度作為賦權(quán)標(biāo)準(zhǔn)，其結(jié)果受人的主觀因素影響較小，故現(xiàn)有研究主要采用客觀賦權(quán)法，比如因子分析[20，21]、主成分分析[22]、變異系數(shù)法[23]和熵值法[24]。

已有文獻(xiàn)的研究重點(diǎn)集中于城鄉(xiāng)總體金融包容性，而受到金融排斥的群體（如弱勢(shì)群體、邊緣人群等）主要集中在農(nóng)村，學(xué)者們對(duì)于農(nóng)村地區(qū)金融包容性的研究還不夠充分，具體指標(biāo)的選取代表性不足，指標(biāo)體系的構(gòu)建缺乏完整性;沒有深入考量指標(biāo)與維度的貢獻(xiàn)度，測(cè)算方法不具有普遍適用性。因此，本文基于已有研究成果，在指標(biāo)選取和測(cè)算方法上加以改進(jìn)，旨在構(gòu)建更加科學(xué)合理的綜合指數(shù)以衡量農(nóng)村金融包容性真實(shí)水平，以期在我國(guó)經(jīng)濟(jì)、金融發(fā)展不平衡、不充分的大環(huán)境下，科學(xué)客觀地測(cè)算各省市農(nóng)村金融包容性并分析區(qū)域差異與存在的問題，為實(shí)現(xiàn)我國(guó)農(nóng)村金融包容性發(fā)展提供決策依據(jù)。

二、農(nóng)村金融包容評(píng)價(jià)指標(biāo)體系構(gòu)建

（一）維度設(shè)定與指標(biāo)選取

遵循機(jī)構(gòu)設(shè)置、服務(wù)提供是基礎(chǔ)，產(chǎn)品與服務(wù)的可及是關(guān)鍵，服務(wù)有效使用是核心的原則，選取滲透性、產(chǎn)品接觸性和使用效用性三個(gè)維度構(gòu)建指標(biāo)體系。其中，滲透性維度反映地區(qū)金融機(jī)構(gòu)網(wǎng)點(diǎn)和服務(wù)人員在人口與地理層面的覆蓋度，代表提供金融服務(wù)的基礎(chǔ)條件;產(chǎn)品接觸性維度描述居民獲得金融服務(wù)情況;使用效用性維度反映農(nóng)村金融服務(wù)使用情況，共計(jì)十二個(gè)指標(biāo)，均為農(nóng)村金融包容性的正向指標(biāo)（見表1）。

（二）農(nóng)村金融包容性指數(shù)（RFII）的構(gòu)建方法

1.變異系數(shù)法。

3.因子分析法。

因子分析適用于指標(biāo)間存在較強(qiáng)相關(guān)性的情況。將原始變量的大部分信息濃縮到少數(shù)幾個(gè)公因子中，消除原始變量間多重共線性問題，起到降維作用。以公因子的旋轉(zhuǎn)方差貢獻(xiàn)率作為指標(biāo)權(quán)重，但提取得到的公因子的意義不能完全確定，且會(huì)損失一些信息。

三、中國(guó)農(nóng)村金融包容性發(fā)展水平測(cè)算

（一）樣本選擇與數(shù)據(jù)來源

選取2005-2018年中國(guó)30個(gè)?。ㄗ灾螀^(qū)、直轄市）的面板數(shù)據(jù)（由于西藏?cái)?shù)據(jù)缺失過多，故剔除）。對(duì)于個(gè)別數(shù)據(jù)缺失，采用線性插值法來補(bǔ)齊。十二個(gè)指標(biāo)，每一指標(biāo)共420個(gè)觀測(cè)值。數(shù)據(jù)來自Wind數(shù)據(jù)庫(kù)、國(guó)家統(tǒng)計(jì)局、中國(guó)人民銀行、中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)、中國(guó)銀行保險(xiǎn)監(jiān)督管理委員會(huì)、各省份統(tǒng)計(jì)局網(wǎng)站以及歷年《中國(guó)金融年鑒》《中國(guó)區(qū)域金融運(yùn)行報(bào)告》和《中國(guó)農(nóng)村金融服務(wù)報(bào)告》。農(nóng)村金融機(jī)構(gòu)指小型農(nóng)村金融機(jī)構(gòu)（包括農(nóng)村商業(yè)銀行、農(nóng)村合作銀行和農(nóng)村信用社）和新型農(nóng)村金融機(jī)構(gòu)（包括村鎮(zhèn)銀行、貸款公司、農(nóng)村資金互助社和小額貸款公司）。

（二）農(nóng)村金融包容指數(shù)（RFII）計(jì)算結(jié)果

1.變異系數(shù)法。

首先，計(jì)算農(nóng)村金融包容性維度權(quán)重和指標(biāo)權(quán)重（見表2）。可見滲透性、使用效用性和產(chǎn)品接觸性維度對(duì)農(nóng)村金融包容指數(shù)的貢獻(xiàn)度依次遞增，分別為0.292、0.313和0.395。具體指標(biāo)中，農(nóng)戶儲(chǔ)蓄存款占比與涉農(nóng)貸款占比權(quán)重僅在0.1左右，對(duì)農(nóng)村金融包容性貢獻(xiàn)度較小，表明這兩個(gè)指標(biāo)在各省間差異較小。地理滲透性、農(nóng)業(yè)保險(xiǎn)密度以及農(nóng)業(yè)保險(xiǎn)深度指標(biāo)權(quán)重均大于0.3，說明農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)與服務(wù)人員分布、農(nóng)業(yè)保險(xiǎn)接觸性及農(nóng)業(yè)保險(xiǎn)使用效用的地域差異顯著。

其次，確定各維度指標(biāo)最小值和最大值，計(jì)算各維度農(nóng)村金融包容性指數(shù)。圖1為我國(guó)30個(gè)省份2005-2018年農(nóng)村金融包容及其各維度平均發(fā)展水平。各維度指數(shù)均值存在顯著地域差異，上海、北京、天津均位于全國(guó)前三位，表明三個(gè)地區(qū)農(nóng)村金融基礎(chǔ)設(shè)施相對(duì)完善，金融資源豐富，金融發(fā)展較為成熟，農(nóng)村金融包容發(fā)展全國(guó)領(lǐng)先。浙江、江蘇、山東和廣東等東部沿海地區(qū)城鄉(xiāng)一體化水平較高，故農(nóng)村金融服務(wù)的滲透度較高。新疆、內(nèi)蒙古等畜牧業(yè)生產(chǎn)區(qū)具有較優(yōu)惠的農(nóng)業(yè)政策，規(guī)?；B(yǎng)殖的發(fā)展促進(jìn)了大量養(yǎng)殖大戶、家庭牧場(chǎng)和產(chǎn)業(yè)龍頭等新型農(nóng)業(yè)經(jīng)營(yíng)主體的發(fā)展，具有較高的經(jīng)營(yíng)收益預(yù)期，故參與金融服務(wù)的意愿較強(qiáng)。廣西、湖北、云南和海南等地區(qū)農(nóng)村金融包容性各維度整體發(fā)展相對(duì)滯后。最后，利用各維度指數(shù)及其權(quán)重計(jì)算得到30個(gè)省份2005-2018年農(nóng)村金融包容性指數(shù)，并分為東、中、西和東北四大區(qū)域具體測(cè)度結(jié)果③。

2.熵值法。

利用熵值法測(cè)算得到的各維度權(quán)重與指標(biāo)權(quán)重（見表3）。在維度層，金融產(chǎn)品的接觸性權(quán)重最大，使用效用性次之，滲透性最小，但整體差異不大，表明各維度對(duì)農(nóng)村金融包容性均有重要作用。指標(biāo)層面，農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)人口滲透性和農(nóng)戶存、貸款占比分別僅為0.059、0.084和0.062，均不足0.1，表明三者對(duì)農(nóng)村金融包容性貢獻(xiàn)度較小。地理滲透性、農(nóng)業(yè)保險(xiǎn)密度、農(nóng)戶儲(chǔ)蓄存款效率和農(nóng)業(yè)保險(xiǎn)深度權(quán)重均在0.3以上，表明這些指標(biāo)對(duì)農(nóng)村金融包容性影響較大?？梢?，熵值法與變異系數(shù)法對(duì)維度權(quán)重與指標(biāo)權(quán)重的測(cè)算結(jié)果具有一致性。圖2為基于熵值法測(cè)算得到各省2005-2018年農(nóng)村金融包容及其各維度平均發(fā)展水平。上海和北京的各維度指數(shù)最高，農(nóng)村金融包容發(fā)展位于全國(guó)前列。新疆、內(nèi)蒙古、黑龍江等省份農(nóng)村區(qū)域廣闊，農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)和服務(wù)人員分布密度較低，金融服務(wù)滲透性較差，但這些地區(qū)大力推行普惠金融，農(nóng)村金融機(jī)構(gòu)發(fā)展迅速，農(nóng)戶涉農(nóng)貸款及參保意愿較高，金融產(chǎn)品接觸性和使用效用性水平均處于較高水平，因此整體農(nóng)村金融包容性發(fā)展較好。浙江、江蘇、山西、吉林等省農(nóng)村金融包容性均處于中高等水平，各維度發(fā)展較全面，廣西、云南、海南等地區(qū)各維度水平整體較差（具體測(cè)算結(jié)果省略）③。

3.因子分析法。

首先，進(jìn)行KMO和巴特利特檢驗(yàn)判斷因子分析的適合性。分維度進(jìn)行因子分析時(shí)，雖然巴特利特球度檢驗(yàn)結(jié)果均顯著（p<0.05），但KMO檢驗(yàn)結(jié)果較小，分別為0.440、0.571和0.436，均小于0.5，故各維度內(nèi)部指標(biāo)間相關(guān)性差，不適宜因子分析。由此放棄維度分析，直接使用十二個(gè)原始指標(biāo)進(jìn)行因子分析，表4為KMO和巴特利特檢驗(yàn)結(jié)果。KMO檢驗(yàn)值為0.721，大于0.7;巴特利特檢驗(yàn)的伴隨概率為0.000，拒絕原假設(shè)，表明變量間具有較強(qiáng)相關(guān)性，較適宜因子分析。

其次，進(jìn)行公因子提取及方差貢獻(xiàn)率分析（見表5）。因子1、2、3對(duì)應(yīng)的初始特征值分別為7.029、1.634、1.117，相應(yīng)方差貢獻(xiàn)率分別為58.579%、13.617%、9.304%，累計(jì)方差貢獻(xiàn)率達(dá)81.501%，大于75%，故提取三個(gè)公因子。旋轉(zhuǎn)處理后各公因子的方差貢獻(xiàn)率更為接近，因子解釋效果更加一致，累積因子貢獻(xiàn)率保持穩(wěn)定。

再次，為得到三個(gè)公因子與原始指標(biāo)間的相關(guān)關(guān)系，采用方差最大化正交旋轉(zhuǎn)法計(jì)算因子旋轉(zhuǎn)載荷，并對(duì)公因子進(jìn)行經(jīng)濟(jì)學(xué)命名解釋。由表6可知，第一公因子F1在農(nóng)村每百平方公里金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、金融從業(yè)人員數(shù)、農(nóng)業(yè)保險(xiǎn)密度、農(nóng)戶儲(chǔ)蓄存款效率、涉農(nóng)貸款效率和農(nóng)業(yè)保險(xiǎn)深度六個(gè)指標(biāo)上具有較大載荷值，分別為0.507、0.598、0.902、0.767、0.606和0.909，反映了金融服務(wù)的滲透性、可得性及使用度等各方面信息，因此，可將其命名為“包容綜合因子”;第二公因子F2在農(nóng)村每萬人擁有金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、金融機(jī)構(gòu)從業(yè)人員數(shù)、農(nóng)戶人均儲(chǔ)蓄存款水平和人均涉農(nóng)貸款水平四個(gè)指標(biāo)上載荷較大，賦值分別為0.852、0.853、0.678和0.820，因此，將其命名為“金融服務(wù)人均獲得實(shí)力因子”;第三公因子F3在農(nóng)戶儲(chǔ)蓄存款占比和涉農(nóng)貸款占比上的因子載荷分別為-0.711和-0.914，可將其命名為“信貸實(shí)力因子”（見表7）。

四、測(cè)算結(jié)果分析

以上三種測(cè)算結(jié)果均表示農(nóng)村金融包容性發(fā)展的相對(duì)水平，其數(shù)值的大小取決于樣本時(shí)空維度。但并不影響以此對(duì)特定時(shí)期金融包容性情況的分析。盡管不同評(píng)價(jià)方法的測(cè)度結(jié)果存在些許差異，但整體排名相近。

從整體變動(dòng)趨勢(shì)看，全國(guó)農(nóng)村金融包容性平均水平逐年提高。變異系數(shù)法和熵值法的測(cè)算結(jié)果顯示，全國(guó)RFII分別由2005年的0.056和0.048逐年提升至2018年的最高水平0.267和0.254，年均提升12.8%和13.7%。其中，2005年全國(guó)RFII為-0.283，隨后逐年提升，2018年達(dá)到0.397。但從數(shù)值大小來看，均表明發(fā)展水平較低。從全國(guó)RFII增長(zhǎng)速度來看，三種結(jié)果均顯示2014年之后金融包容指數(shù)增長(zhǎng)率存在下降趨勢(shì)。隨著經(jīng)濟(jì)轉(zhuǎn)入高質(zhì)量發(fā)展階段，金融供給側(cè)結(jié)構(gòu)性改革不斷優(yōu)化農(nóng)村金融機(jī)構(gòu)融資和信貸結(jié)構(gòu)，農(nóng)村金融包容性更注重高質(zhì)量發(fā)展。分區(qū)域來看，東、中、西和東北地區(qū)農(nóng)村金融包容性存在明顯差異，東部農(nóng)村金融包容程度最高;東北略高于中、西部，但均低于全國(guó)平均水平。以變異系數(shù)法測(cè)算結(jié)果為例，2005年東、中、西和東北地區(qū)RFII分別為0.100、0.045、0.028和0.037，隨后呈波動(dòng)性增長(zhǎng)，至2018年分別達(dá)到0.393、0.196、0.201和0.231，年均增長(zhǎng)率分別為11.1%、11.98%、16.37%、15.13%?？梢姡鞑亢蜄|北農(nóng)村金融包容發(fā)展速度快于東、中部，表明區(qū)域差異出現(xiàn)縮小趨勢(shì)的同時(shí)，“中部塌陷”可能隨之出現(xiàn)。東部沿海地區(qū)經(jīng)濟(jì)發(fā)達(dá)，城鄉(xiāng)一體化水平高，農(nóng)村金融市場(chǎng)相對(duì)活躍，金融資源相對(duì)豐富，農(nóng)村金融包容性發(fā)展程度較高。西部和東北增長(zhǎng)速度較快，原因在于這兩大區(qū)域是農(nóng)業(yè)規(guī)模生產(chǎn)聚集區(qū)，農(nóng)地“三權(quán)分置”改革的深化進(jìn)一步促進(jìn)了土地流轉(zhuǎn)和農(nóng)地專業(yè)化、規(guī)模化經(jīng)營(yíng)，故而產(chǎn)生了大規(guī)模農(nóng)業(yè)生產(chǎn)資金需求。另一方面，農(nóng)地產(chǎn)權(quán)的明晰界定賦予了經(jīng)營(yíng)權(quán)抵押物屬性，提高了農(nóng)戶資信水平，降低了信息不對(duì)稱和逆向選擇風(fēng)險(xiǎn)，增強(qiáng)了金融機(jī)構(gòu)提供農(nóng)業(yè)貸款意愿，增強(qiáng)了農(nóng)村金融服務(wù)滲透性。

橫向分省來看，各省農(nóng)村金融包容發(fā)展水平存在明顯差異。變異系數(shù)法測(cè)算結(jié)果顯示，上海、北京、天津、浙江、江蘇、內(nèi)蒙古的農(nóng)村金融包容性依次位列前六。2018年發(fā)展?fàn)顩r最好的上海、北京和天津分別達(dá)到0.968、0.697和0.605，均大于0.5。這些地區(qū)均屬直轄市，農(nóng)村面積小且城鄉(xiāng)一體化水平高，城鎮(zhèn)金融服務(wù)對(duì)農(nóng)村的正向溢出效應(yīng)明顯;這些地區(qū)農(nóng)村擁有便利的交通條件和充足的金融資源，金融基礎(chǔ)設(shè)施完善，人均收入水平高，農(nóng)民金融意識(shí)強(qiáng)，金融知識(shí)豐富。農(nóng)村金融包容度最高的上海作為我國(guó)金融中心，2018年末已全面實(shí)現(xiàn)鄉(xiāng)鎮(zhèn)基礎(chǔ)金融服務(wù)轄內(nèi)全覆蓋。廣東、山東、河北等省的農(nóng)村金融包容指數(shù)在0.2～0.25間，低于全國(guó)平均水平。這些省份雖然經(jīng)濟(jì)發(fā)展水平高，但農(nóng)村地區(qū)面積和人口基數(shù)較大，農(nóng)戶金融服務(wù)的獲得和使用效率相對(duì)低。而中西部地區(qū)除能源大省山西、畜牧業(yè)生產(chǎn)區(qū)新疆和內(nèi)蒙古外，廣西、云南、湖北、貴州、陜西等省份農(nóng)村金融包容性較低。受限于地理位置、交通區(qū)位等因素，金融資源欠缺，農(nóng)村金融發(fā)展落后。農(nóng)村金融包容性最差的廣西、湖北、云南的RFII均值分別僅為0.060、0.064、0.067。東北三省黑龍江（0.128）、吉林（0.123）、遼寧（0.118）農(nóng)村金融包容性略高于中西部地區(qū)，但低于全國(guó)平均水平（0.152）?；陟刂捣y(cè)算結(jié)果來看，上海、北京、天津、浙江、新疆、內(nèi)蒙古的RFII分居前六，廣西、湖北、云南的農(nóng)村金融包容性最差。上海、北京、天津、浙江、廣東、江蘇、山西、內(nèi)蒙古、遼寧的RFII均值依次位列前九，均值均大于0，表明農(nóng)村金融包容性高于全國(guó)平均;低于全國(guó)平均水平的省仍占70%。三種方法的測(cè)度結(jié)果具有一致性，農(nóng)村金融包容性最高的地區(qū)為上海、北京、天津和浙江等省市，最差為廣西、湖北、云南等省，排名表明農(nóng)村金融包容性與各省經(jīng)濟(jì)發(fā)展水平高度契合。

縱向分省來看，2005-2018年各省RFII均呈波動(dòng)性增長(zhǎng)趨勢(shì)，表明各省農(nóng)村金融包容性逐漸改善。以熵值法測(cè)算結(jié)果為例，增長(zhǎng)速度最快的省份為西部青海、內(nèi)蒙古、甘肅、貴州和東北吉林等，年均增長(zhǎng)率分別達(dá)到28.19%、25.85%、21.76%、19.64%、18.15%。西部和東北地區(qū)畜牧業(yè)和種植業(yè)規(guī)模大，農(nóng)地“三權(quán)分置”改革和農(nóng)業(yè)優(yōu)惠政策扶持增強(qiáng)了農(nóng)戶農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)投入意愿和金融機(jī)構(gòu)貸款意愿，促進(jìn)了金融發(fā)展。農(nóng)村金融包容性水平最高的上海、北京、天津、浙江等東部省份的RFII年均增長(zhǎng)率分別為11.21%、14.35%、13.83%和9.17%，增長(zhǎng)明顯放緩，進(jìn)入到高質(zhì)量發(fā)展階段。從波動(dòng)性來看，經(jīng)濟(jì)發(fā)達(dá)地區(qū)（上海、北京、天津等）和較落后地區(qū)（廣西、湖北等）的農(nóng)村金融包容指數(shù)增速自2008年均開始減緩，黑龍江、重慶等地甚至部分年份出現(xiàn)負(fù)增長(zhǎng)。表明2007年美國(guó)次貸危機(jī)及全球金融危機(jī)影響了我國(guó)貿(mào)易發(fā)達(dá)地區(qū)信貸供給，進(jìn)而波及到發(fā)展落后地區(qū)的信貸需求，對(duì)農(nóng)村金融包容性發(fā)展產(chǎn)生不利影響。

五、結(jié)論與政策建議

以上研究表明：（1）中國(guó)農(nóng)村金融包容性水平呈逐年增長(zhǎng)趨勢(shì)，但目前仍處于較低層次。普惠金融服務(wù)客戶群體的特殊性決定了其業(yè)務(wù)成本高、風(fēng)險(xiǎn)高的特點(diǎn)。我國(guó)農(nóng)戶資信水平較低，金融機(jī)構(gòu)關(guān)于農(nóng)戶的信息不充分，存在逆向選擇風(fēng)險(xiǎn)，多數(shù)金融機(jī)構(gòu)不愿向農(nóng)戶貸款。農(nóng)戶自身?yè)碛械目捎糜诘盅嘿J款的抵押物較少，獲得貸款難度大，故而導(dǎo)致我國(guó)農(nóng)村金融包容性處于較低水平。（2）農(nóng)村金融包容程度存在明顯區(qū)域差異，東部最高，東北地區(qū)略高于中、西部但均低于全國(guó)平均水平。從發(fā)展趨勢(shì)來看，西部、東北地區(qū)較中、東部農(nóng)村金融包容性發(fā)展速度更快，表明區(qū)域差異呈現(xiàn)縮小趨勢(shì)，但可能伴隨“中部塌陷”問題。（3）全國(guó)各省農(nóng)村金融包容性呈現(xiàn)明顯分化格局。上海、北京、天津等中心城市的農(nóng)村金融包容性位于全國(guó)前列，廣西、湖北、云南等中西部省份的農(nóng)村金融包容性發(fā)展較為落后，省際差異明顯。各省RFII均呈現(xiàn)波動(dòng)性增長(zhǎng)趨勢(shì)，但從增長(zhǎng)速度來看，青海、內(nèi)蒙古、甘肅、貴州等省份增長(zhǎng)速度較快，上海、北京、天津等發(fā)達(dá)省份增速放緩。

鑒于上述研究結(jié)論，農(nóng)村金融包容性發(fā)展還需要金融服務(wù)需求、供給和監(jiān)管三方協(xié)同努力。（1）加大農(nóng)村地區(qū)金融知識(shí)普及力度，提高農(nóng)戶金融意識(shí)與信用意識(shí)。可通過村委會(huì)宣傳欄、電視廣播以及互聯(lián)網(wǎng)、微信等現(xiàn)代信息手段，加強(qiáng)金融知識(shí)在農(nóng)村的宣傳，促使農(nóng)戶主觀上接受各種金融服務(wù)形式，增加貸款需求。注重對(duì)農(nóng)戶的金融風(fēng)險(xiǎn)教育，鼓勵(lì)農(nóng)戶積極參與建立信用檔案，培養(yǎng)農(nóng)戶信用意識(shí)與風(fēng)險(xiǎn)識(shí)別能力，深化農(nóng)戶參保意識(shí)，引導(dǎo)農(nóng)戶樹立正確的金融觀念。（2）鼓勵(lì)創(chuàng)新金融產(chǎn)品與服務(wù)，優(yōu)化金融網(wǎng)點(diǎn)建設(shè)。推動(dòng)金融機(jī)構(gòu)積極探索適合當(dāng)?shù)剞r(nóng)業(yè)產(chǎn)業(yè)化發(fā)展的金融聯(lián)合模式，創(chuàng)新金融產(chǎn)品類型與服務(wù)模式，健全貸款渠道，拓展貸款抵押物，探索多種農(nóng)業(yè)保險(xiǎn)形式，完善農(nóng)戶信用評(píng)價(jià)體系，健全風(fēng)險(xiǎn)預(yù)防處理機(jī)制。以補(bǔ)貼政策鼓勵(lì)金融機(jī)構(gòu)入駐偏遠(yuǎn)地區(qū)，改善周邊交通環(huán)境拓展金融網(wǎng)點(diǎn)。根據(jù)人口密度及需求狀況調(diào)整優(yōu)化金融網(wǎng)點(diǎn)。（3）完善普惠金融體制，推進(jìn)農(nóng)村普惠金融可持續(xù)發(fā)展。加大政策支持力度，實(shí)施激勵(lì)性優(yōu)惠政策，發(fā)揮財(cái)政補(bǔ)貼杠桿作用，調(diào)動(dòng)金融機(jī)構(gòu)服務(wù)農(nóng)戶的積極性。完善相關(guān)法律制度，優(yōu)化承包地、宅基地“三權(quán)分置”改革成果，落實(shí)經(jīng)營(yíng)權(quán)抵押貸款。調(diào)整再貸款、再貼現(xiàn)率等鼓勵(lì)金融機(jī)構(gòu)發(fā)展普惠金融業(yè)務(wù)。加強(qiáng)政府對(duì)普惠金融發(fā)展的監(jiān)督，特別是防范金融風(fēng)險(xiǎn)的發(fā)生和傳導(dǎo)。

注釋：

① 普惠金融全球合作伙伴組織（http：//www.gpfi.org/data）。

② 變異系數(shù)法易于計(jì)算，還可消除測(cè)量尺度或量綱不同對(duì)指標(biāo)變異程度比較的影響，科學(xué)客觀地反映原始指標(biāo)貢獻(xiàn)度。

③ 限于篇幅，文中未列出基于變異系數(shù)法和熵值法的具體測(cè)算結(jié)果，如有需要可聯(lián)系作者獲取。

參考文獻(xiàn)：

[1] Beck T， Demirguc-Kunt A， Martinez M S. Reaching out： Access to and use of banking services across countries[J]. Social Science Electronic Publishing， 2007， 85（1）：234-266.

[2] Mialou A， Amidzic G， Massara A. Assessing countries financial inclusion standing： A new composite index[J]. Journal of Banking and Financial Economics， 2017，2（8）：105-126.

[3] Sarma M. Index of financial inclusion[R]. Indian Council for Research on International Economic Relations， 2008.

[4] Kuri P K， Laha A. Financial inclusion and human development in India： An inter-state analysis[J]. Indian Journal of Human Development， 2011， 5（1）， 61-77.

[5] Jong-Hee K. A study on the effect of financial inclusion on the relationship between income inequality and economic growth[J]. Emerging Markets Finance and Trade， 2016， 52（2）：498-512.

[6] 李建偉. 普惠金融發(fā)展與城鄉(xiāng)收入分配失衡調(diào)整——基于空間計(jì)量模型的實(shí)證研究[J].國(guó)際金融研究，2017（10）：14-23.

[7] Park C Y， Mercado R J. Financial inclusion， poverty， and income inequality[J]. The Singapore Economic Review， 2018， 63（1）：185-206.

[8] Arora R U. Measuring financial access[R]. Discussion Papers in Economics， 2010.

[9] Allen F， Carletti E， Cull R， et al. The African financial development and financial inclusion gaps[J]. Journal of African Economies， 2014， 23（5）：614-642.

[10]王修華，關(guān)鍵，谷溪. 中國(guó)農(nóng)村金融包容的省際差異及影響因素[J]. 經(jīng)濟(jì)評(píng)論， 2016（4）：50-62.

[11]Goel S， Sharma R. Developing a financial inclusion index for India[J]. Procedia Computer Science， 2017：949-956.

[12]Yorulmaz R. An analysis of constructing global financial inclusion indices[J]. Borsa Istanbul Review， 2018，18（3）：248-258.

[13]田霖. 我國(guó)農(nóng)村金融包容的區(qū)域差異與影響要素解析[J]. 金融理論與實(shí)踐， 2012（11）：39-48.

[14]Allen F， Demirguc-Kunt A， Klapper L F， et al. The foundations of financial inclusion： Understanding ownership and use of formal accounts[J]. Journal of Financial Intermediation， 2016，27（1）：1-30.

[15]Kabakova O， Plaksenkov E. Analysis of factors affecting financial inclusion： Ecosystem view[J]. Journal of Business Research. 2018，89（8）：198-205.

[16]Sarma M， Pais J. Financial inclusion and development[J]. Journal of International Development， 2011， 23（5）：613-628.

[17]焦瑾璞， 黃亭亭， 汪天都，等. 中國(guó)普惠金融發(fā)展進(jìn)程及實(shí)證研究[J]. 上海金融， 2015（4）：12-22.

[18]Dungey M， Tchatoka F D， Yanotti M B. Using multiple correspondence analysis for finance： A tool for assessing financial inclusion[J]. International Review of Financial Analysis， 2018（59）：212-222.

[19]Ahamed M M， Mallick S K. Is financial inclusion good for bank stability？ International evidence[J]. Journal of Economic Behavior & Organization， 2017（157）：403-427.

[20]Goswami G G， Haider S. Does political risk deter FDI inflow？ An analytical approach using panel data and factor analysis[J]. Journal of Economic Studies， 2014， 41（2）：233-252.

[21]勾東寧， 趙禎. 我國(guó)普惠金融發(fā)展水平的省際比較[J]. 統(tǒng)計(jì)與決策， 2019，35（15）：162-165.

[22]Le T H， Chuc A T， Taghizadeh H F. Financial inclusion and its impact on financial efficiency and sustainability： Empirical evidence from Asia[J]. Borsa Istanbul Review， 2019，19（4）：310-322.

[23]王珂英， 張鴻武. 農(nóng)村金融包容發(fā)展對(duì)農(nóng)戶創(chuàng)業(yè)影響的實(shí)證分析[J]. 統(tǒng)計(jì)與決策，2016（11）：133-136.

[24]陳銀娥， 孫瓊， 徐文赟. 中國(guó)普惠金融發(fā)展的分布動(dòng)態(tài)與空間趨同研究[J]. 金融經(jīng)濟(jì)學(xué)研究， 2015（6）：72-81.

[25]王修華， 關(guān)鍵. 中國(guó)農(nóng)村金融包容水平測(cè)度與收入分配效應(yīng)[J]. 中國(guó)軟科學(xué)， 2014（8）：150-161.

[26]張曉琳， 董繼剛. 農(nóng)村普惠金融發(fā)展評(píng)價(jià)分析——來自山東的實(shí)證研究[J]. 東岳論叢， 2017（11）：118-126.

[27]于曉虹， 樓文高， 余秀榮. 中國(guó)省際普惠金融發(fā)展水平綜合評(píng)價(jià)與實(shí)證研究[J]. 金融論壇， 2016（5）：18-32.

[28]張建波， 郭麗萍. 關(guān)于普惠金融影響收入分配差距的理論機(jī)制及實(shí)證分析——我國(guó)普惠金融發(fā)展對(duì)城鄉(xiāng)居民收入差距的影響[J]. 武漢金融，2017（8）：13-17.

[29]吳雄周， 曾福生. 湖南城市可持續(xù)發(fā)展水平的區(qū)域差異實(shí)證分析——基于因子分析法和聚類分析法[J]. 華中農(nóng)業(yè)大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版）， 2010（5）：99-103.

（責(zé)任編輯：寧曉青）