泉州市縣域金融排斥水平評價及化解對策

鄭健體，施湘賢，謝志忠

(1.泉州師范學院 商學院，福建 泉州 362000；2.福建農(nóng)林大學 安溪茶學院，福建 泉州 362400)

金融排斥(financial exclusion)也稱金融排除或金融排斥性，是指在金融體系中人們?nèi)鄙俜窒斫鹑诜?wù)的一種狀態(tài)，包括社會中的弱勢群體缺少足夠的途徑接近金融機構(gòu)，以及在利用金融產(chǎn)品或金融服務(wù)方面存在諸多困難和障礙.有關(guān)金融排斥問題的研究開始于20世紀末期，Leyshon等[1]從金融地理學的角度出發(fā)，對金融排斥問題進行了研究，金融排斥的概念最早也是由他們提出來的.隨著相關(guān)研究的持續(xù)推進，Kempson等[2]和Morrison等[3]對金融排斥的維度進行了擴展，范圍延伸到了像營銷排斥和自我排斥等非物質(zhì)性的排斥.之后，金融排斥進行了更大的維度擴展，Collard等[4]將金融排斥拓展到了涵蓋微觀企業(yè)的商業(yè)社群這一層次，Chant[5]則將金融排斥定義擴展到了企業(yè)和區(qū)域?qū)哟?金融排斥不僅適用于個人、家庭，也適用于小企業(yè)、社區(qū)企業(yè)組織和區(qū)域.

1 研究現(xiàn)狀

在金融排斥的量化分析方面，英格蘭東南發(fā)展機構(gòu)(SEEDA)采用線性回歸模型進行分析，對金融排斥問題的量化分析做出了開創(chuàng)性的貢獻.該機構(gòu)將復(fù)合剝奪指數(shù)(index of multiple deprivation)作為線性回歸模型的因變量，利用收集到的大量數(shù)據(jù)，使用逐步回歸法確定與金融排斥有關(guān)的變量，再計算出相應(yīng)的金融排斥指數(shù).但是該方法所收集采用的相關(guān)數(shù)據(jù)并不容易獲取，不具有普適性[6].在國內(nèi)，武巍等[7]最先對金融排斥問題進行研究，并從金融地理學的角度出發(fā)，提出了金融排斥的概念，但并沒有結(jié)合我國對該問題進行深入部析.田霖[8]基于“一個地區(qū)金融排斥的程度越高，那么該地區(qū)的金融綜合競爭力會越低”這個負相關(guān)的關(guān)系，分析了我國地理因素對金融排斥的影響，提出了“地理資產(chǎn)”的概念.而在此后的研究中，國內(nèi)的學者們又分別通過不同的視角對金融排斥問題進行了更廣泛的研究.許圣道等[9]建立計數(shù)模型分析了我國農(nóng)村地區(qū)的金融排斥情況，并確定了導(dǎo)致農(nóng)村金融排斥現(xiàn)象的一些相關(guān)因素.王修華等[10]基于四個維度指標的選擇建立了農(nóng)村金融排斥的評估指標體系，評估了2006-2009年的農(nóng)村金融排斥綜合指數(shù)的總體情況.蒲勇健等[11]利用空間面板數(shù)據(jù)模型對我國金融排斥和收斂性進行了實證研究.王飛[12]通過空間地理統(tǒng)計分析工具并結(jié)合空間差異性進行分析，提出了金融發(fā)展空間格局與金融排斥的相互關(guān)系.林柳彤等[13]運用定量分析從金融服務(wù)的使用性、便捷性、可得性和滲透性四個維度構(gòu)建金融排斥指數(shù),發(fā)現(xiàn)金融排斥在中國存在省際差異.王海琳等[14]由金融排斥的內(nèi)涵切入，總結(jié)整理中國金融排斥指標的構(gòu)建方法,從城鄉(xiāng)(宏觀)視角和供給(微觀)視角探究了中國金融排斥的影響因素.龔夕竹等[15]通過問卷調(diào)查結(jié)合計量分析方式，針對老年人這一特定群體的金融排斥情況進行分析.

總體來看，盡管國內(nèi)外學者意識到金融排斥多維度、多層次的屬性，但往往還是囿于微觀分析，而對區(qū)域?qū)哟蔚慕鹑谂懦庋芯窟€相當有限，關(guān)于區(qū)域性金融排斥水平及區(qū)域差異影響因素尚無準確的量化評價.本文基于目前普遍存在的金融排斥問題，結(jié)合泉州縣域的金融數(shù)據(jù)，構(gòu)建相關(guān)的指標體系和指數(shù)測算模型，對其各縣市的金融排斥水平進行量化評價，且對造成各縣市金融排拆水平差異的影響因素進行分析，并提出化解對策.

2 金融排斥指標體系與測算模型構(gòu)建

2.1 理論分析方法

從目前國內(nèi)外對金融排斥問題研究的情況來看，Kempson等[2]提出的六維評價標準基本成為金融排斥程度測度分析的主要參考標準，由于這六個方面里的幾個因素之間相互聯(lián)系、共同作用，最終導(dǎo)致了金融排斥情況的發(fā)生.六維評價體系標準主要包括以下6個方面.

2.1.1 地理排斥(physical access exclusion) 主要是指被排斥對象周邊無銀行網(wǎng)點，無法就近獲取金融服務(wù)，必須采用公共交通的方式到達更遠的金融機構(gòu).主要的評價指標為金融機構(gòu)網(wǎng)點數(shù)、ATM數(shù)等.

2.1.2 評估排斥(access exclusion) 主要是指金融機構(gòu)通過自行設(shè)計的評估程序?qū)鹑诜?wù)對象的風險等級進行評估，將風險評估結(jié)果作為準入依據(jù)，對金融服務(wù)對象進行準入限制，導(dǎo)致一些服務(wù)對象無法獲取金融服務(wù).最典型的金融排斥現(xiàn)象主要發(fā)生在農(nóng)村.主要的評價指標為民生信貸、涉農(nóng)信貸或者扶貧信貸的比例.

2.1.3 條件排斥(condition exclusion) 該項排斥與評估排斥類似，可以理解為由于某些額外附加的條件限制，導(dǎo)致了被服務(wù)對象無法正常享受到相關(guān)服務(wù)的現(xiàn)象.條件排斥主要指金融機構(gòu)通過附帶各種限制條件，使得一部分群體被排除在金融服務(wù)之外，無法享受相關(guān)的金融服務(wù).主要評價指標跟評估排斥相似，可用信貸比例作為評判指標.

2.1.4 價格排斥(price exclusion) 主要是指由于金融產(chǎn)品價格過高，導(dǎo)致超過了金融服務(wù)對象的承受范圍，從而造成對服務(wù)對象的金融排斥現(xiàn)象.主要評價指標為貸款利率水平.

2.1.5 營銷排斥(marketing exclusion) 主要指金融機構(gòu)在產(chǎn)品營銷時，主觀上將營銷目標定位到高質(zhì)量客戶群體，從而忽視了部分弱勢群體的現(xiàn)象.主要評價指標為購買投資理財或者保險產(chǎn)品的人員比例.

2.1.6 自我排斥(self-exclusion) 主要指人們在主觀上認為無法獲取金融服務(wù)，或者由于規(guī)定嚴格、手續(xù)繁瑣等原因而很難獲取到金融服務(wù)，從而自動被排除在金融服務(wù)范圍之外.該項指標主觀性較強，主要評價指標不好用數(shù)值性的指標進行量化.

通過研究六維評價標準的指標，可以看出金融排斥6個維度的指標互相關(guān)聯(lián)、部分重疊，部分指標也無法采用具體數(shù)值進行量化評估.例如，評估排斥跟條件排斥都涉及金融機構(gòu)附加額外條件，兩者的評價標準有重疊；價格排斥中，由于當前我國貸款利率已經(jīng)放開，金融機構(gòu)定價自由度加大，因此該指標在同一個地區(qū)內(nèi)，不能較好地進行對比；而自我排斥由于主觀性較強，無法用具體的數(shù)值進行量化.因此，想要較為準確地對金融排斥程度進行測算，單純采用這6個評價指標存在較大困難，也就無法較準確地進行評價.

為了能更客觀準確地對金融排斥的程度進行測算和研究，需要建立一套較為科學的評價指標體系，本文參考借鑒了金融排斥六維評價指標以及李春宵等[6]提出的金融排斥指標構(gòu)建測度方法，構(gòu)建金融排斥的相關(guān)指數(shù)和計算方法，進而對泉州各縣市金融排斥程度進行測度研究.

2.2 金融排斥評價指標體系構(gòu)建

2.2.1 構(gòu)建評價指標體系原則 為了能全面客觀地反映出金融排斥程度，進行科學測度，評價指標體系的構(gòu)建應(yīng)滿足以下5個原則：(1)全面性原則：評價指標體系應(yīng)具有全面性，盡可能覆蓋金融排斥研究領(lǐng)域的各個方面，確保構(gòu)成較為完整的評價指標體系，從而能夠?qū)鹑谂懦膺M行綜合全面的評價和分析；(2)客觀性原則：要建立在客觀性的原則上，選擇的指標要有代表性，能客觀反應(yīng)出金融排斥的特征，從而使評價結(jié)果更客觀、更真實；(3)易獲性原則：評價指標的選擇一定要在當前階段容易獲取數(shù)據(jù)，盡量保證能獲得第一手的數(shù)據(jù)，從而保證評價結(jié)果的準確性；(4)可度量原則：構(gòu)建出的評價指標體系要能夠符合經(jīng)濟、統(tǒng)計、數(shù)學等學科的基本原理，再進行計算度量；(5)可比性原則：指標體系計算得出的結(jié)果必須是可以進行時間與空間對比的.只有這樣才能反應(yīng)出同一地區(qū)、不同時間或者不同地區(qū)、相同時間內(nèi)的金融排斥度和變化情況.

2.2.2 金融排斥維度確定 根據(jù)上述構(gòu)建原則，以及結(jié)合泉州縣域經(jīng)濟發(fā)展的實際情況，本文將選取3個維度作為金融排斥維度(表1).

維度1：金融服務(wù)的使用度，該維度表示金融機構(gòu)提供的金融服務(wù)被金融服務(wù)對象使用的程度，也就是金融機構(gòu)提供的金融服務(wù)在金融服務(wù)使用群體中的滲透程度.主要的評價指標采用該地區(qū)人均存貸款余額表示.

維度2：金融服務(wù)的可得度，該維度表示用戶為了滿足自身需求，對金融服務(wù)獲取的難易程度.主要的評價指標采用該地區(qū)每萬人擁有的銀行網(wǎng)點數(shù)、每萬人擁有的ATM數(shù)、每萬人擁有的借記卡數(shù)表示.

表1 金融排斥維度Tab.1 Dimensions of financial exclusion

維度3：金融服務(wù)的效用度，該維度表示金融服務(wù)在一個地區(qū)的使用程度及對該地區(qū)人民生活水平和經(jīng)濟發(fā)展起到的貢獻程度.主要的評價指標采用該地區(qū)各項存款余額占GDP的比重、該地區(qū)各項貸款余額占GDP的比重表示.

2.2.3 各維度指標權(quán)重確定 采取變異系數(shù)法，首先計算各個指標的變異系數(shù)，再通過各個指標的變異系數(shù)計算出各維度中每個對應(yīng)指標的權(quán)重.具體的計算步驟和公式如下：

(1)計算各維度中每個指標的變異系數(shù)，計算公式為：

(1)

(2)由式(1)可以求出每個指標對應(yīng)的變異系數(shù)，再通過求出的變異系數(shù)來確定每個指標對應(yīng)的權(quán)重值，計算公式為：

(2)

通過式(2)求出各個指標相應(yīng)的權(quán)重ωij.

由式(1)和式(2)可知，0≤ωij≤1，ωij體現(xiàn)了維度中相對應(yīng)的指標在金融排斥測度中的重要程度，ωij的數(shù)值越大，說明該維度中相應(yīng)的指標在對金融排斥的測度中的重要性也越大.

2.3 金融排斥指數(shù)測算模型構(gòu)建

這里參考借鑒聯(lián)合國的人類發(fā)展指數(shù)(HDI)的計算方法，構(gòu)建金融排斥指數(shù)的測算模型.

2.3.1 計算每個維度指標的測度值 公式為：

(3)

其中：Dij表示第i個維度中第j個指標在金融排斥指標體系中的計算數(shù)值，Xij表示第i個維度中第j個指標的實際數(shù)值；minij表示在第i個維度中第j個指標的所有數(shù)值中取的最小值； maxij表示在第i個維度中第j個指標的所有數(shù)值中取的最大值.

由式(3)可知，0≤Dij≤ωij，Dij的值越大，說明該地區(qū)對于該指標的成就度越高，金融排斥程度也就越低.當Dij=0(i,j=1,2,3,…,n)時，表示該地區(qū)所有的量化指標數(shù)值均為最小值0，說明該地區(qū)的金融排斥程度是所有地區(qū)里最高的.相反的，如果Dij=ωij(i,j=1,2,3,…,n)時，就表示該地區(qū)的所有量化指標計算值都是最大值ωij，表示該地區(qū)的金融排斥程度是所有地區(qū)里里最低的.

2.3.2 計算金融排斥指數(shù)(FEI)的測度值 要求金融排斥指數(shù)(FEI)的測度值，首先求出最理想值ωij與各維度的計算值Dij的差值，再對求出的所有差值的平方進行求和，最后再對所有的數(shù)值進行整理，最后得出一個最終的FEI指數(shù)測算值.這里將FEI的計算方法規(guī)定為：

(4)

通過式(4)和Dij的取值范圍(0≤Dij≤ωij)可以知道，F(xiàn)EI的取值范圍在0～1，即0≤FEI≤1.當Dij=0(i,j=1,2,3,…,n)時，F(xiàn)EI為最大值1，說明金融排斥程度最高;當Dij=ωij(i,j=1,2,3,…,n)時，F(xiàn)EI為最小值0，說明金融排斥程度最低.

本文對FEI進行如下的設(shè)定：如果一個地區(qū)0≤FEI<0.5，說明該地區(qū)的金融排斥程度處于較低的水平，金融排斥情況為輕度.如果一個地區(qū)0.5≤FEI≤0.8，表示該地區(qū)的金融排斥程度處于中等的水平，金融排斥情況為中度.如果一個地區(qū)0.8

3 泉州各縣市金融排斥程度測算及影響因素分析

3.1 指標權(quán)重、維度數(shù)值、排斥指數(shù)的測算

由于泉州市本級(如鯉城區(qū)、豐澤區(qū)、洛江區(qū)等)屬城市中心地區(qū)，金融排斥現(xiàn)象不顯著，故本文不對其進行討論，這里只涉及晉江市、石獅市、南安市、惠安市、安溪縣、永春縣、德化縣等7個縣域地區(qū).根據(jù)泉州市各地的統(tǒng)計年鑒數(shù)據(jù)、第七次全國人口普查數(shù)據(jù)、泉州市普惠金融相關(guān)數(shù)據(jù)，可以得出泉州各縣市金融排斥評價指標的數(shù)值，如表2.

表2 泉州各縣市金融排斥評價指標數(shù)值Tab.2 Evaluation index value of financial exclusion in counties and cities of Quanzhou

根據(jù)表2的數(shù)據(jù)，由式(1)與式(2)計算可得泉州各縣市金融排斥評價指標權(quán)重值，見表3.

表3 泉州各縣市金融排斥評價指標權(quán)重Tab.3 Weight of financial exclusion evaluation indicators in counties and cities of Quanzhou

根據(jù)表3的數(shù)據(jù)，由式(3)與式(4)計算可得泉州各縣市的金融排斥指數(shù)，如表4.

表4 泉州各縣市金融排斥維度值與FEI值Tab.4 Dimension value and FEI value of financial exclusion in counties and cities of Quanzhou

3.2 泉州各縣市金融排斥程度情況分析

由表4的數(shù)據(jù)，通過對FEI的值按照從低到高進行排序，可得表5.

表5 泉州各縣市金融排斥程度Tab.5 Degree of financial exclusion in counties and cities of Quanzhou

由表5可以看出，石獅市、晉江市、德化縣、南安市這4個地區(qū)FEI值都低于0.5，金融排斥程度為輕度;安溪縣、惠安縣這兩個地區(qū)FEI值介于0.5到0.8之間，金融排斥程度為中度;僅有永春縣一個地區(qū)FEI值大于0.8，達到0.986，存在重度金融排斥的情況.泉州縣域金融排斥情況主要呈現(xiàn)以下特點：

(1)泉州市縣域總體的金融排斥程度不高.從表5可知，泉州各縣市的FEI平均值為0.57，可見泉州縣域的總體金融排斥程度并不高.泉州各縣市多數(shù)地區(qū)的金融排斥程度為輕度水平，僅永春縣一個地區(qū)處于重度水平.

(2)各縣市之間金融排斥程度差異較大.雖然泉州各縣市的FEI平均值不高，但是標準差為0.26，可見各個地區(qū)數(shù)值的離散度較高，各個地區(qū)金融排斥的程度差異較大.金融排斥程度最高的永春縣的FEI比排斥度最低的石獅市的FEI高了9.39倍.

(3)各縣市金融排斥程度高低的原因各不相同.從表4可以看出，晉江市作為泉州縣域經(jīng)濟最發(fā)達的縣市，其金融排斥度排第二，其各個指標均低于石獅市，部分指標也比其他縣市偏低.這主要是因為晉江市的人口基數(shù)較大，導(dǎo)致了相應(yīng)的人均指標值偏低.而石獅市之所以金融排斥程度低，主要是其在人均存貸款、每萬人擁有的網(wǎng)點數(shù)、ATM數(shù)量、借記卡數(shù)量5個評價指標上都是泉州各縣市的評價指標的最大值，可見其在金融服務(wù)使用度和金融服務(wù)可用度這兩個維度上的成就水平是泉州縣市里最高的，所以石獅市的金融排斥程度是泉州各縣市里最低水平.反觀金融排斥程度最高的永春縣，在7個評價指標上有6個評價指標的值是0，是評價指標的最低值，僅有人均存款1個指標比安溪縣略高，由此可見，永春縣在3個維度的成就水平都處于泉州各縣市的最低水平.惠安縣作為全國經(jīng)濟百強縣，經(jīng)濟發(fā)展水平并不低，但是惠安縣的FEI卻在泉州各縣市里排到第二位，指數(shù)值高達0.757.通過表4可以看到，惠安縣的金融服務(wù)使用度、可得度以及效用度三個維度上的成就均處于較低水平，地區(qū)的金融服務(wù)水平與經(jīng)濟發(fā)展水平并不匹配.德化縣在經(jīng)濟發(fā)展水平上雖然不及惠安縣與南安縣，但是其金融排斥程度卻比惠安與南安低，主要原因是德化縣在人均貸款、每萬人擁有的銀行網(wǎng)點數(shù)以及貸款與GDP比重這3個指標上比南安市高；與惠安縣相比，德化除了每萬人擁有的ATM數(shù)、每萬人擁有的借記卡數(shù)這兩個指標上略低于惠安，其余指標均比惠安縣高，可見德化縣在金融服務(wù)的使用度和效用度上，成就水平較高.

3.3 泉州各縣市金融排斥程度差異的影響因素分析

通過以上金融排斥指標體系的測度可以知道，泉州各縣市金融排斥程度總體并不高，但是導(dǎo)致各個地區(qū)金融排斥程度存在差異的影響因素卻各不相同.針對測算結(jié)果，通過以下4個方面來分析泉州各地市金融排斥程度差異的影響因素.

3.3.1 經(jīng)濟發(fā)展水平 一個地區(qū)經(jīng)濟發(fā)展的水平越高，當?shù)氐慕?jīng)濟越是發(fā)達，那么從感覺上來說，當?shù)氐慕鹑谂懦獬潭葢?yīng)該是不會高的.但是通過測算卻可以看出，晉江市作為泉州市GDP最高的地區(qū)，其金融排斥程度比石獅市高；從惠安縣也可以看到，其作為泉州市GDP第三的地區(qū)，經(jīng)濟發(fā)展水平在整個泉州縣域范圍內(nèi)算是比較高的，但是惠安縣的金融排斥度卻排在了泉州各縣市倒數(shù)第二的中度水平；而德化縣作為泉州市GDP最低的地區(qū)，其金融排斥程度卻僅次于石獅市與晉江市，位列第三位，金融排斥指數(shù)不足0.5，屬于輕度排斥.通過這3個地區(qū)的測算情況可以看出，一個地區(qū)經(jīng)濟發(fā)展水平的高低與金融排斥水平并沒有直接聯(lián)系.

3.3.2 金融服務(wù)的使用度 通過金融服務(wù)使用度的測算值可以看出，石獅市、晉江市、南安市3個地區(qū)在這個維度的成就度較高，安溪縣、永春縣、惠安縣3個地區(qū)在這個維度的成就度較低；晉江市、石獅市、南安市3個地區(qū)的存貸款余額也是泉州各縣市的前三位.由此可以看出，一個地區(qū)的銀行貸款的額度越高，說明當?shù)鼐用衲艿玫降慕鹑诜?wù)也越多，金融服務(wù)水平也越高，因此該地區(qū)的金融排斥程度也就越低，該指標也與金融排斥程度存在正相關(guān)的關(guān)系.晉江市作為泉州市貸款余額最高的地區(qū)，因人口基數(shù)較大，人均貸款余額偏低，導(dǎo)致了該指標反而略低于貸款余額較低但人口基數(shù)較小的石獅市.

3.3.3 金融服務(wù)的可得度 從金融服務(wù)的可得度上看，安溪縣、永春縣、德化縣3個地區(qū)的成就度較低，可見銀行網(wǎng)點及ATM的密度跟金融排斥程度是正相關(guān)的.安溪縣、永春縣、德化縣3個地區(qū)屬于山區(qū)，受到地理因素影響，考慮到成本問題，銀行設(shè)立網(wǎng)點的積極性不太高，銀行網(wǎng)點的設(shè)置也較少，3個地區(qū)均存在著一定的地理排斥現(xiàn)象.而反觀該維度得分最高的石獅市，由于該地區(qū)面積較小，銀行機構(gòu)進駐較多，金融服務(wù)較為集中，金融機構(gòu)網(wǎng)點密集，具有良好的金融生態(tài)環(huán)境，居民可以方便地獲取到所需要的金融服務(wù).另外，在每萬人擁有的借記卡數(shù)這個指標上，也能看出安溪縣、永春縣、德化縣的指標數(shù)值也不高，說明使用金融產(chǎn)品的居民不多，這與銀行的營銷推廣以及居民個人的辦卡意愿有關(guān).該數(shù)值偏低，說明該地區(qū)存在一定的營銷排斥與自我排斥現(xiàn)象.

3.3.4 金融服務(wù)的效用度 從金融服務(wù)的效用度上看，貸款對GDP的貢獻度越高，則當?shù)氐慕鹑谂懦獬潭仍降?，兩者之間存在著負相關(guān)的關(guān)系.以德化縣為例，德化縣的貸款與GDP的比重是泉州各縣市里最高的，也是泉州各縣市里唯一一個貸款余額比存款余額高的地區(qū)，貸款對GDP的貢獻度是泉州各縣市里最高的，所以德化縣的金融排斥程度在泉州市各地市里表現(xiàn)較好.這也從另一個角度印證了在金融服務(wù)的使用度上得出的結(jié)論，一個地區(qū)貸款額度的提升可以降低金融排斥程度.這主要是因為一個地區(qū)貸款額度的提升，說明該地區(qū)的居民能夠較為容易地獲取到銀行的貸款服務(wù)，從而也能從另一個角度反應(yīng)出當?shù)氐臈l件、評估、營銷以及價格等4個方面的排斥水平較低.

4 化解泉州縣域金融排斥問題的對策

當前泉州乃至全國范圍內(nèi)，金融排斥現(xiàn)象依舊普遍，解決金融排斥問題不僅需要金融服務(wù)使用者自身的改變，更需要政府相關(guān)職能部門、金融服務(wù)提供者等多個方面的共同努力.根據(jù)上述的測度分析結(jié)果，結(jié)合泉州地區(qū)的實際，現(xiàn)提出以下幾點對策.

4.1 發(fā)揮政府職能部門作用，調(diào)動金融機構(gòu)積極性

政府應(yīng)加大重視力度，通過頂層設(shè)計，將各個部門、各種政策進行統(tǒng)一規(guī)劃，進一步完善法律法規(guī)，并將統(tǒng)一規(guī)劃后的政策法規(guī)與金融行業(yè)進行有效的整合，充分放大政策的杠桿作用，降低金融機構(gòu)的服務(wù)成本和交易風險，保障各類群體都能享受到安全公平的金融服務(wù)產(chǎn)品.另外，政府要積極推進金融基礎(chǔ)設(shè)施建設(shè)，加強區(qū)域間的道路交通建設(shè)，這不僅可以降低地理排斥，更有助于激發(fā)金融服務(wù)使用者的積極性.同時，也要加強信息網(wǎng)絡(luò)的基礎(chǔ)設(shè)施建設(shè)，這不僅可以降低金融產(chǎn)品使用成本，也可以讓金融服務(wù)使用者更方便快捷使用金融產(chǎn)品.人民銀行作為金融監(jiān)管機構(gòu)，可以充分發(fā)揮貨幣政策工具的激勵作用，針對偏遠地區(qū)的金融機構(gòu)采用差別存款準備金政策，使用更加靈活的利率定價手段，提升偏遠地區(qū)金融機構(gòu)的競爭力，使金融機構(gòu)更愿意在偏遠的地方設(shè)置機構(gòu)網(wǎng)點，提供更優(yōu)質(zhì)的金融服務(wù)，更加有效地降低地理排斥的程度，進而提高偏遠地區(qū)金融機構(gòu)的金融服務(wù)水平.

4.2 健全社會信用體系，建立完善數(shù)據(jù)共享平臺

建立健全社會信用體系，不僅可以有效地降低融資成本，更能夠有效地防范經(jīng)濟風險、規(guī)范市場秩序、優(yōu)化營商環(huán)境.隨著大數(shù)據(jù)、區(qū)塊鏈等技術(shù)的高速發(fā)展并日趨成熟，各類信息接入互聯(lián)網(wǎng)的成本更低、信息獲取的渠道更廣、信息獲取的效率更高，這就為各行業(yè)的信息數(shù)據(jù)共享提供了良好的基礎(chǔ).金融機構(gòu)可以擴大信息的來源，融匯各方面信息，整合人社、稅務(wù)、住建、公安等多個職能部門的信息，完善經(jīng)濟體的信用檔案內(nèi)容，建立跨地區(qū)、跨部門、跨層級的客戶信息大數(shù)據(jù)服務(wù)平臺，實現(xiàn)客戶信息共享.金融機構(gòu)可以通過“AI”技術(shù)對現(xiàn)有掌握的信息進行大數(shù)據(jù)分析，掌握客戶的信用狀態(tài)、經(jīng)濟狀況、資金需求狀況，篩選出不符合準入的人員，以此作為貸前審批的重要依據(jù)，對有失信記錄的申請人慎重放貸，實現(xiàn)智慧化的管理，提高對不良貸款的管理效率，降低產(chǎn)生不良貸款的風險，盡可能地減少評估排斥與條件排斥對金融服務(wù)使用者造成的影響，提升金融服務(wù)水平.

4.3 推進金融科技創(chuàng)新，提高產(chǎn)品營銷與服務(wù)的效能

金融機構(gòu)要通過自身的品牌優(yōu)勢，結(jié)合自身的核心資源和業(yè)務(wù)，在核心區(qū)域強化戰(zhàn)略引導(dǎo)，將金融科技作為金融改革創(chuàng)新的推進器，通過金融科技的合理運用，創(chuàng)新服務(wù)手段和服務(wù)模式，有效地降低金融交易過程中的風險，同時也可以降低金融服務(wù)過程中的交易成本，進而減少價格排斥現(xiàn)象的發(fā)生，由此提高金融服務(wù)水平.完善數(shù)字金融運用的相關(guān)法律法規(guī)法規(guī)，加快大數(shù)據(jù)應(yīng)用平臺的建設(shè)，通過將獲取的各類信息資源的開放整合共享，依托大數(shù)據(jù)和區(qū)塊鏈技術(shù)，利用AI人工智能，搭建起多機構(gòu)、多來源、多要素的互聯(lián)互通數(shù)據(jù)共享平臺，精準定位客戶群體，制定綜合服務(wù)方案，深度挖掘有效信息，進而推出符合各類客戶群體特征和需要的金融產(chǎn)品和服務(wù)，高質(zhì)量地滿足各類型客戶群體基本的金融服務(wù)需求，采用精準營銷策略，消除營銷排斥現(xiàn)象，構(gòu)建健康繁榮的金融服務(wù)生態(tài)系統(tǒng).

4.4 加大金融知識宣傳力度，開拓金融知識宣傳渠道

隨著現(xiàn)代金融行業(yè)的不斷發(fā)展，各類金融術(shù)語層出不窮，各類金融產(chǎn)品日益復(fù)雜，在金融知識欠缺地區(qū)的人，很容易對紛繁復(fù)雜的金融術(shù)語跟產(chǎn)品產(chǎn)生自我排斥心理，主觀上自動將自己排除在金融服務(wù)范圍之外.因此，各類金融機構(gòu)應(yīng)加大金融知識的宣傳力度，對金融知識欠缺地區(qū)的人、老年人以及弱勢群體進行金融知識宣傳教育，著重提升這些群體的金融知識和應(yīng)用技能；同時要認真研究不同人群的金融知識和服務(wù)需求以及金融知識的獲取渠道，努力開拓金融知識宣傳新渠道，充分通過利用網(wǎng)絡(luò)、電視、短信、報紙、短視頻、公益廣告等宣傳渠道，向社會不同需求的金融使用群體進行相應(yīng)的金融知識推廣和普及，提高宣傳的精準度.隨著社會群體的金融知識水平的不斷提升，大眾對金融服務(wù)及金融產(chǎn)品的接受度也將會提高，這樣就可以有效地降低自我排斥對金融排斥程度的影響.

5 結(jié)語

金融排斥作為社會排斥問題的其中一個方面，已經(jīng)不僅僅是一個金融領(lǐng)域的問題，更加是一個社會性的問題.在日常生活中，那些沒有被金融排斥的群體，通常社會上其他形式的排斥也比較少；而那些被金融排斥的群體，往往社會上其他的排斥也較多.這兩者是互相影響的.如果不解決好金融排斥的問題，那些受到金融排斥的群體將會受到更多的社會排斥，從而導(dǎo)致社會兩極分化更加嚴重.因此，系統(tǒng)的研究并解決金融排斥問題，對促進經(jīng)濟發(fā)展和社會和諧都有重要的意義.只有采用科學的方法和模型對金融排斥程度進行測算，再通過對測算的結(jié)果進行分析，進而制定相應(yīng)的化解對策，才能更好地解決金融排斥的問題.本研究基于這個普遍存在的問題，結(jié)合泉州各縣市的金融數(shù)據(jù)，拋磚引玉給出了一個科學的分析方法和解決方案，希望日后的研究者能從更多層面、更深層次地量化評價金融排斥程度并揭示其差異原因.