農(nóng)村互聯(lián)網(wǎng)金融排斥的區(qū)域差異以及優(yōu)化路徑研究

王可欣 董月 王涵 齊鑫媛

摘要：在十四五規(guī)劃中，我國提出了建立普惠金融的互聯(lián)網(wǎng)金融體系。該金融體系在未來毋庸置疑則是作為重要的部分。尤其是在我國具有社會主義的金融歷史上?？梢哉f絕無僅有。但是在此基礎(chǔ)上金融的追逐利潤本性則是迫使金融具有排斥性。其中比較典型的則是一些優(yōu)質(zhì)的金融資源將一些農(nóng)村和低收入性人群排斥在外。在此基礎(chǔ)上本項(xiàng)目采用GARC的方法對于我國的中部、西部、東部地區(qū)等農(nóng)村金融排斥性的差別進(jìn)行研究。其中主要是依據(jù)坎普森和韋利提出的6個維度性的指標(biāo)。同時在此運(yùn)用GSL方法對于農(nóng)村金融排斥進(jìn)行研究。進(jìn)而在此基礎(chǔ)上提出優(yōu)化路徑方案。進(jìn)而更好的為普惠金融服務(wù)。

關(guān)鍵詞：GARC方法;普惠金融;排異性

1.緒論

1.1研究背景以及意義

在我國十四五規(guī)劃的綱要中，主要是對于我國進(jìn)行普惠金融，主要是指全方位的為社會提供高效的金融性服務(wù)。尤其在2006年的時候，我國則是正式的引進(jìn)普惠金融的概念。另外就會在黨的十八屆三中全會中，普惠金融被賦予了新的時代定義以及內(nèi)涵。在2020年的當(dāng)?shù)氖奈逡?guī)劃中，進(jìn)而提出堅(jiān)持發(fā)展普惠金融政策以及增強(qiáng)為“三農(nóng)”的方針。其中對于小微企業(yè)和對于低服務(wù)人群的力度，進(jìn)而稱為現(xiàn)代性社會。因此建立一個具有互聯(lián)網(wǎng)性質(zhì)的普惠金融具有比較大的價值以及重要性。但是資本的追逐利潤。使得大部分的企業(yè)在金融的融資過程中，很多都是集中在城鎮(zhèn)以及比較大城市中。但是于此同時將鄉(xiāng)村以及低收入的人群排出在外。

1.2研究現(xiàn)狀以及文獻(xiàn)綜述

在從研究對象上看，很多的學(xué)者將“金額排斥”定義為對于某些貧困的弱勢群體缺少合適的傳播途徑以及比較好方式接近金融機(jī)構(gòu)。同時在此基礎(chǔ)上也是沒有對應(yīng)的能力進(jìn)行接收金融服務(wù)。在2017年的時候，世界銀行則是發(fā)布了《全球金融包容性白皮書》該書則是深刻的揭示了全球每一年有20億人口則是處于金融服務(wù)排斥外端。這時候的很多的國外的學(xué)者將自身的研究重點(diǎn)轉(zhuǎn)為金融排斥以及金融深化上。如Neaime（2018）其中以中東以及南非等8個國家2002-2015年其中面板數(shù)據(jù)為主要研究對象。主要是通過GMM估計(jì)法和GLS模型對于對于金融排斥以及收入不等人群進(jìn)行實(shí)證分析，主要分析貧窮和金融穩(wěn)定之間關(guān)系。其中結(jié)果則進(jìn)一步的表明金融不穩(wěn)定和貧窮具有一定的相關(guān)性。在國內(nèi)的學(xué)者楊伊、高彪等（2017）則是對于江西1700戶人家以及1000對個中小企業(yè)，進(jìn)行了相關(guān)的性實(shí)地調(diào)研，結(jié)果顯示降低金融服務(wù)性成本則是有利于加快金融體系的構(gòu)建。

從研究方法上看，其中很多的學(xué)者則是采用實(shí)證分析方法。采用的面板數(shù)據(jù)則是為省級在此基礎(chǔ)上則是重視金融排斥性在金融產(chǎn)品提供過程中的微觀作用。主要偏向于農(nóng)村以及小微企業(yè)的研究。主要是通過具體的數(shù)量以及數(shù)量等進(jìn)行衡量。這時候眾多學(xué)者也是證實(shí)了金融在排斥上作用。但是如何能夠有效的解決金融排斥性發(fā)展普惠金融成為目前的一個難題。很多的學(xué)者則是提出必須根據(jù)我國金融在農(nóng)村排斥程度以及排斥差異性上進(jìn)行研究，如何更快更好發(fā)展普惠金融。需要在深層上做出努力。但是在國外的很多的學(xué)者則是從宏觀以及微觀兩個方面的角度進(jìn)行深入分析以及剖析對于小微企業(yè)和弱勢群體的影響。進(jìn)而通過探究互聯(lián)網(wǎng)普惠金融和振興戰(zhàn)略進(jìn)而提出比較好的優(yōu)化策略。

1.3研究內(nèi)容

本文研究的內(nèi)容則是設(shè)計(jì)互聯(lián)網(wǎng)金融排斥性指標(biāo)體系的建立，主要是利用其可信度、參與度、效用度等三維指標(biāo)進(jìn)行計(jì)算各個區(qū)域之間的排斥性以及差異性。同時在此基礎(chǔ)上需要將互聯(lián)網(wǎng)金融作為供給性排斥、需求性排斥以及無需求性排斥。其中的供給性排斥主要包含的是物理、營銷、價格等三方面排斥。需求性排斥則是含有自我以及價格排斥。其中無需排斥主要是體現(xiàn)在任何需求上。進(jìn)而根據(jù)這些因素，探索出互聯(lián)網(wǎng)深層西的原因。并根據(jù)研究的內(nèi)容給出相關(guān)優(yōu)化方案。

2.基于信息熵的關(guān)聯(lián)分類方法GARC

2.1信息熵分類概念

分類方式也是有很多，其中在各個領(lǐng)域都能用到分類，電子商務(wù)、信息檢索等這些都是比較廣泛的使用。因此這些年對于關(guān)聯(lián)性分類方法慢慢的得到人們比較廣泛的關(guān)注以及重視。進(jìn)而在此基礎(chǔ)上形成分類方法等若干的特征，本文主要是圍繞這一種新的分類方法以及方法對于（即基于信息熵的GARC類方法）進(jìn)行綜述，通過對于其基本思想的闡述以及可理解性以及精度等方面特點(diǎn)，進(jìn)而使得分類具有一定的簡約性以及在此實(shí)際使用的過程中消除了可能的規(guī)則冗余和沖突。此外，針對數(shù)值屬性分區(qū)離散化中的"鋒利邊界"問題進(jìn)行了相應(yīng)的模糊擴(kuò)展（GARCf）

2.2基于信息熵關(guān)聯(lián)分類

和傳統(tǒng)的關(guān)聯(lián)分類不同，GARC則是引入了最佳性的屬性概念。一般在保持信息量前提下，使得規(guī)則候選集合規(guī)模在不斷減少。另外就是在具體的規(guī)則生產(chǎn)以及排除中排除了沖突性的規(guī)則，進(jìn)而在此基礎(chǔ)上則是得到更加簡單的規(guī)則構(gòu)造的分類器。這個時候規(guī)則可以說更加的簡約以及比價的容易性的理解。這個時候GARC則是保證了比較高的分類精度以及簡約性，之后在此基礎(chǔ)上，則是提出了很多的擴(kuò)展性方案。比方說從GEAR從具體的沖突以及規(guī)則入手，進(jìn)一步的提煉其中性質(zhì)這樣可以增加先剪枝最佳的分類性效果。另外就是對于GARCII的連續(xù)性的數(shù)據(jù)而言分類問題，對于GARC進(jìn)行模糊性的擴(kuò)展，其中主要是將GARC為主要核心的基于熵的關(guān)聯(lián)性方法則是稱為GARC類方法，其中具體的脈絡(luò)如圖2-1所示。

3.研究方法、變量選取及數(shù)據(jù)說明

3.1農(nóng)村金融排斥指數(shù)的測算

在計(jì)算我國農(nóng)村金融排斥程度時，參考聯(lián)合國人類發(fā)展指數(shù)的度量方法及變異系數(shù)法測算我國農(nóng)村金融排斥指數(shù)，計(jì)算步驟如下：

1.標(biāo)準(zhǔn)化處理：

2.利用變異系數(shù)發(fā)啊計(jì)算各個指標(biāo)的權(quán)重，計(jì)算公式如下：

3.計(jì)算各指標(biāo)綜合得分，計(jì)算公式如下：

4.構(gòu)建農(nóng)村金融排斥指數(shù)，計(jì)算公式如下：

3.2變量選擇與數(shù)據(jù)來源

1.變量的選取

研究金融排斥程度的基礎(chǔ)問題是如何構(gòu)建評估指標(biāo)體系。本文采用國際公認(rèn)的六維評價體系評估我國農(nóng)村金融排斥程度。根據(jù)我國現(xiàn)有的國情，各個維度之間有重疊，很難完全量化評估標(biāo)準(zhǔn)，因此，將2008—2017年我國各省農(nóng)村金融排斥程度濃縮合并。其中，地理排斥用金融機(jī)構(gòu)覆蓋率衡量，評估及條件排斥用人均貸款水平衡量，營銷排斥用存貸款余額之比衡量，自我排斥用居民受教育程度衡量。

2.數(shù)據(jù)來源

本文研究所涉及到的2008—2017年我國30個省份數(shù)據(jù)，由于港、澳、臺、藏?cái)?shù)據(jù)缺失嚴(yán)重，故將其剔除。數(shù)據(jù)來源于《中國農(nóng)村統(tǒng)計(jì)年鑒》、《中國統(tǒng)計(jì)年鑒》、《中國區(qū)域金融運(yùn)行報(bào)告》。

4.區(qū)域農(nóng)村金融排斥差異分析

從整體上看，我國各地區(qū)都存在較為嚴(yán)重的農(nóng)村金融排斥現(xiàn)象，且在整個研究階段我國30個省份的農(nóng)村金融排斥指數(shù)跨度較大。從區(qū)域差異上來看，東部沿海地區(qū)由于經(jīng)濟(jì)較為發(fā)達(dá)，農(nóng)村金融排斥程度相對于中、西部地區(qū)較低。北京、上海、天津三市的農(nóng)村金融排斥程度最弱，明顯低于其地區(qū)。這些地區(qū)金融機(jī)構(gòu)數(shù)量多、金融產(chǎn)品齊全、金融服務(wù)網(wǎng)絡(luò)體系完善，且都位于我國東部地區(qū)。中部地區(qū)大多為農(nóng)業(yè)大省，農(nóng)作物生產(chǎn)周期長、自然風(fēng)險(xiǎn)大等因素都使得農(nóng)民貸款難度增大，因此，農(nóng)村金融排斥程度高于東部地區(qū)。西部地區(qū)由于地域遼闊、人口稀少，許多農(nóng)村居民都紛紛外出到東部沿海城市打工，資本的逐利性使得商業(yè)銀行考慮到距離等多方面因素的影響而減少西部地區(qū)金融網(wǎng)點(diǎn)的設(shè)立，從而使得原本經(jīng)濟(jì)不發(fā)達(dá)的西部農(nóng)村地區(qū)金融排斥程度最高。

通過局部特征分析可以發(fā)現(xiàn)，農(nóng)村金融排斥程度較低的地區(qū)，其周邊地區(qū)的農(nóng)村金融排斥程度較高，金融資源更加傾向于向經(jīng)濟(jì)發(fā)達(dá)的地區(qū)聚集。例如，一方面，地處東部沿海地區(qū)的廣東省，其農(nóng)村金融排斥程度低于與它相鄰的廣西、湖南等地區(qū);另一方面，與廣東省相鄰的江西省，農(nóng)村金融排斥程度卻高于湖南、廣西等省、區(qū)，這在一定程度上反映了農(nóng)村金融排斥具有一定的空間相關(guān)性。

綜上所述，地域差異的不同會嚴(yán)重影響我國農(nóng)村金融排斥程度，這很可能會使得我國區(qū)域農(nóng)村金融排斥具有一定的空間相關(guān)性。因此，本文在研究我國區(qū)域農(nóng)村金融排斥的差異時，納入了空間效應(yīng)分析。

5.結(jié)論與政策建議

自全面深化農(nóng)村信用社改革以來，在各級政府及政策的大力支持下，我國農(nóng)村金融體系基本建成。然而，由于農(nóng)業(yè)生產(chǎn)較為脆弱、農(nóng)村生態(tài)環(huán)境較為惡劣、農(nóng)村居民收入水平低下、農(nóng)村居民金融知識匱乏等問題的存在，我國農(nóng)村金融排斥程度依然十分嚴(yán)重。本文選取2008—2017年我國30個省份的面板數(shù)據(jù)，借鑒人類發(fā)展指數(shù)測算我國農(nóng)村金融排斥程度，并運(yùn)用探索性空間計(jì)量分析方法分析我國區(qū)域農(nóng)村金融排斥問題，最終得到以下結(jié)論。

我國區(qū)域農(nóng)村金融排斥現(xiàn)象依然普遍存在且農(nóng)村金融排斥區(qū)域差異明顯。所以，根據(jù)地理排斥、評估排斥及條件排斥、營銷排斥和自我排斥，采用變異系數(shù)法測算我國農(nóng)村金融排斥指數(shù)。從各省排斥指數(shù)可以看出，我國農(nóng)村金融排斥現(xiàn)象依然普遍存在且區(qū)域差異明顯，其中北京、上海、天津三市的農(nóng)村金融排斥指數(shù)在0.4以下，其余省份均在0.4以上，農(nóng)村金融排斥呈現(xiàn)出從東部地區(qū)到西部地區(qū)逐漸遞增的態(tài)勢。

結(jié)合實(shí)證分析的結(jié)果，對于緩解我國區(qū)域農(nóng)村金融排斥問題，提出了以下建議。結(jié)合本地區(qū)特征制定緩解我國區(qū)域農(nóng)村金融排斥的措施。由于我國各省農(nóng)村金融排斥存在明顯的差異性，因此，各級政府在制定措施時應(yīng)充分考慮區(qū)域特征。由于不同省份的農(nóng)村金融排斥指數(shù)不同，所以影響我國各省份農(nóng)村金融排斥程度的主要因素也不盡相同。故而各級政府在制定緩解我國區(qū)域農(nóng)村金融排斥程度措施時，應(yīng)充考慮各地區(qū)的特征情況，擔(dān)當(dāng)宏觀引領(lǐng)角色，因地制宜制定相關(guān)政策，采取相應(yīng)措施，弱化其金融排斥程度。

參考文獻(xiàn)：

[1]劉歷波， 趙廷廷， 李彥蒼，等. 基于信息熵的改進(jìn)鯨魚優(yōu)化算法[J]. 數(shù)學(xué)的實(shí)踐與認(rèn)識， 2020， v.50（02）：213-221.

[2]田越鑫. 基于信息熵的疲勞狀態(tài)決策研究[D]. 西安工業(yè)大學(xué)， 2019.

[3]楊夏林， 陳步高. 西北地區(qū)農(nóng)村金融排斥的區(qū)域差異及影響因素分析[J]. 湖南農(nóng)業(yè)科學(xué)， 2020， No.413（02）：115-119.

[4]李民， 姚建明， 吳陽，等. 基于信息熵-VIKOR模型的4PL供應(yīng)商優(yōu)選決策研究[J]. 工業(yè)技術(shù)經(jīng)濟(jì)， 2019， 38（03）：3-11.

[5]曾錦松， 許佳慶， 施宇翔，等. 基于信息熵，自期望的電力安全作業(yè)神經(jīng)元網(wǎng)絡(luò)優(yōu)化方法：， CN111523661A[P]. 2020.

[6]艾江波. 基于信息熵的細(xì)分類識別模型訓(xùn)練，圖像識別方法及裝置：， CN110929802A[P]. 2020.

[7]陳歲歲， 李娟. 基于信息熵的軟件攻擊面威脅評估方法研究[J]. 電腦知識與技術(shù)， 2020， v.16（12）：33-34.

[8]李秋香， 李蒙蒙， 黃毅敏. 基于信息熵的省域制造業(yè)價值鏈測度方法研究[J]. 創(chuàng)新科技， 2020， v.20;No.241（03）：26-37.

[9]閻海玲. 基于信息熵技術(shù)的智慧農(nóng)業(yè)平臺優(yōu)化設(shè)計(jì)[J]. 農(nóng)機(jī)化研究， 2021， v.43（09）：239-242+259.

[10]林芳， 陳文相. 金融排斥的理論邏輯與精準(zhǔn)扶貧的機(jī)制創(chuàng)新——基于福建省農(nóng)村地區(qū)研究[J]. 山西經(jīng)濟(jì)管理干部學(xué)院學(xué)報(bào)， 2019， 027（004）：47-51.

作者簡介：王可欣（2000.02—），女，漢族，安徽省合肥人，蚌埠市蚌山區(qū)安徽財(cái)經(jīng)大學(xué)金融學(xué)專業(yè)本科生 本文研究方向?yàn)椋赫咝越鹑趩栴}

董月（2000.5—），女，漢族，安徽省六安人，蚌埠市蚌山區(qū)安徽財(cái)經(jīng)大學(xué)金融專業(yè)本科生

王涵（2000.2—），男，漢族，浙江金華人，漢族蚌埠市蚌山區(qū)安徽財(cái)經(jīng)大學(xué)會計(jì)專業(yè)本科生

齊鑫媛（2000.8-），女，漢族，山西省太原人，安徽省蚌埠市安徽財(cái)經(jīng)大學(xué)財(cái)務(wù)管理專業(yè)本科生

基金項(xiàng)目 ：本文系安徽財(cái)經(jīng)大學(xué)大學(xué)生科研基金項(xiàng)目研究成果，項(xiàng)目編號：XSKY2154