我國(guó)金融排斥的城鄉(xiāng)二元性研究

我國(guó)金融排斥的城鄉(xiāng)二元性研究

一、引言金融排斥(FinancialExclusion)是金融地理學(xué)的新興研究方向，1997年開始，成為國(guó)外政府部門金融管理決策過(guò)程中優(yōu)先考察的議題。中外學(xué)者從不同角度、不同層面對(duì)該專題進(jìn)行了全方位探討，包括其概念的內(nèi)涵與外延、易被排斥對(duì)象、排斥的動(dòng)態(tài)過(guò)程、原因與后果①等。目前尚缺乏從城鄉(xiāng)二元性視角研究金融排斥的文獻(xiàn)，本文試圖從以下層面展開分析：①城鄉(xiāng)金融排斥程度的時(shí)空差別。西方學(xué)者較少關(guān)注農(nóng)村地區(qū)的金融排斥，往往傾向于與當(dāng)?shù)爻鞘形瘑T會(huì)(CityCouncil)合作，為城市金融包容(FinancialInclusion)開出藥方(AyadiandRodkiewicz，2007)。中國(guó)學(xué)者有限的量化研究，或局限于省級(jí)平均水平，或受限于數(shù)據(jù)，只能沿著城市或鄉(xiāng)村各自的時(shí)空差異分別展開研究。本文嘗試突破傳統(tǒng)的城、鄉(xiāng)金融體系的割裂思維，構(gòu)建我國(guó)31個(gè)省區(qū)市城鄉(xiāng)金融排斥二元性相對(duì)指數(shù)，客觀反映其空間差異，以新的視角豐富國(guó)際金融地理學(xué)界的相關(guān)研究。②不同區(qū)域城鄉(xiāng)金融排斥二元性的誘致因素。目前，金融排斥的誘因分析往往局限于某項(xiàng)金融產(chǎn)品或某個(gè)調(diào)研區(qū)域，樣本數(shù)量過(guò)少，代表性較差，受訪者拒絕合作，問(wèn)卷信息失真，要素復(fù)合因果等問(wèn)題導(dǎo)致難以準(zhǔn)確界定我國(guó)金融排斥的誘致要素。本文不僅在一致、可比的指標(biāo)基礎(chǔ)上，探討誘發(fā)城鄉(xiāng)金融排斥二元性的影響因素，而且利用模糊曲線法檢驗(yàn)各要素的貢獻(xiàn)彈性，較好地解決金融復(fù)雜系統(tǒng)中各要素的交互作用、復(fù)合因果及非線性關(guān)系，彌補(bǔ)了傳統(tǒng)計(jì)量研究的不足。③從城鄉(xiāng)金融地域系統(tǒng)的空間溢出效應(yīng)及有限聯(lián)動(dòng)角度探討削減金融排斥二元性的渠道與途徑?，F(xiàn)有研究沒(méi)有考慮城市和鄉(xiāng)村金融體系的空間聯(lián)系，往往沿著城、鄉(xiāng)金融系統(tǒng)相互獨(dú)立、自我循環(huán)、封閉發(fā)展的思路進(jìn)行，本文推翻各地區(qū)金融同質(zhì)的假說(shuō)，重視空間維度，將“金融性”和“地域性”有機(jī)結(jié)合，指出金融的發(fā)展同樣要遵循系統(tǒng)觀和統(tǒng)籌觀，這是區(qū)域金融高效成長(zhǎng)及城鄉(xiāng)協(xié)調(diào)發(fā)展的要求。二、模型構(gòu)建與變量選擇1.金融排斥城鄉(xiāng)二元性的客觀表現(xiàn)省域平均意義水平上的金融排斥程度差別往往掩蓋了農(nóng)村地區(qū)金融成長(zhǎng)滯后問(wèn)題，根據(jù)田霖(2010)研究，我國(guó)各省區(qū)共存的“短板”在于金融發(fā)展存在嚴(yán)重的城鄉(xiāng)失調(diào)。表1分列31個(gè)省區(qū)市(以下稱省份)農(nóng)村及省區(qū)市域的金融排斥相對(duì)得分和排名。由表1可見，省域與農(nóng)村區(qū)域的金融排斥程度存在較大差別，如山西省農(nóng)村金融排斥并不嚴(yán)重，排名第8，然而其全省區(qū)的金融排斥排名為21；東部的上海、廣東總體金融排斥水平不高，分列全國(guó)第1、2位，相對(duì)于城市，其農(nóng)村地區(qū)的金融排斥程度相對(duì)較為嚴(yán)重，分列第7、11位；除了四川、內(nèi)蒙古存在單項(xiàng)指標(biāo)較為領(lǐng)先之外，西部各省份的省域及農(nóng)村金融排斥均比較嚴(yán)重。表1從側(cè)面反映了金融排斥的城鄉(xiāng)二元性，為了較為客觀、全面地考量這一問(wèn)題，采用城鄉(xiāng)金融網(wǎng)點(diǎn)差異、存款規(guī)模差異、貸款規(guī)模差異、資金利用效率差異四項(xiàng)可比指標(biāo)構(gòu)建區(qū)域金融排斥的城鄉(xiāng)二元性指數(shù)。利用全局主成分方法，提取規(guī)模、效率兩項(xiàng)主成分反映方差的大部分信息，綜合得分F=(F1×70.249+F2×25.084)/95.333。經(jīng)過(guò)標(biāo)準(zhǔn)化處理和逆向指標(biāo)轉(zhuǎn)換后，得出各區(qū)域城鄉(xiāng)金融排斥二元性綜合指數(shù)，見表2。由表2可知，我國(guó)大部分省份存在比較嚴(yán)重的城鄉(xiāng)金融排斥的二元性，其中23個(gè)省份金融排斥二元性的程度高于全國(guó)平均水平。不僅中西部省份面臨金融排斥二元性問(wèn)題，一些經(jīng)濟(jì)、金融相對(duì)發(fā)達(dá)的東部省份也受到二元性的困擾，影響區(qū)域的可持續(xù)協(xié)調(diào)發(fā)展。為了確定影響城鄉(xiāng)金融排斥的關(guān)鍵要素，擬構(gòu)建如下模型，并進(jìn)行誘致因素剖析。2.模型構(gòu)建與變量選擇(1)理論分析與模型構(gòu)建。金融地理學(xué)的大生境與自組織理念要求認(rèn)識(shí)事物時(shí)克服單維度看問(wèn)題的傳統(tǒng)思維方式，轉(zhuǎn)而采取多維度、全維度的視角。對(duì)金融排斥而言，則要結(jié)合需求引致、供給誘導(dǎo)及社會(huì)環(huán)境影響，從三方面把握其誘因。需求引致著力解決金融需求主體的某項(xiàng)特征所引發(fā)的排斥，如收入、年齡、教育、種族、住房擁有狀況、不悅的金融借貸經(jīng)歷、心理因素等。供給誘導(dǎo)則涉及影響金融機(jī)構(gòu)資金供給的若干條件與因素，如產(chǎn)品多樣性、金融基礎(chǔ)設(shè)施、地理便利性、市場(chǎng)營(yíng)銷策略、價(jià)格水平等。金融排斥的社會(huì)誘發(fā)要素則包括如下方面：人口統(tǒng)計(jì)的變化、收入差距及勞動(dòng)力的結(jié)構(gòu)變動(dòng)、社會(huì)支持、市場(chǎng)化程度等，這些社會(huì)要素會(huì)對(duì)某類社會(huì)群體的金融排斥水平產(chǎn)生影響(Hersi，2009)。需求、供給、社會(huì)這三方面誘致要素存在多重因果和互動(dòng)關(guān)系。如技術(shù)水平的提高有利于增加收入，繼而提升對(duì)先進(jìn)金融產(chǎn)品的需求，而金融產(chǎn)品需求的增加，將會(huì)進(jìn)一步促進(jìn)區(qū)域金融和經(jīng)濟(jì)的穩(wěn)健增長(zhǎng)，而區(qū)域經(jīng)濟(jì)社會(huì)條件的改善引致排斥程度的進(jìn)一步降低；金融教育低下，不僅直接減少對(duì)金融產(chǎn)品的需求，加大自我排斥，也會(huì)引發(fā)學(xué)習(xí)障礙，降低收入水平，惡化金融排斥及社區(qū)環(huán)境；良好的地理區(qū)位在某種程度上意味著排斥程度較輕，金融的集聚效應(yīng)將有效促進(jìn)該區(qū)域發(fā)展，而該區(qū)域先進(jìn)的金融文化和技術(shù)的普及以及金融產(chǎn)品的豐富多樣進(jìn)一步誘發(fā)經(jīng)濟(jì)主體的需求，主流金融機(jī)構(gòu)滿足農(nóng)戶、企業(yè)金融需求的過(guò)程，同時(shí)也是金融包容的過(guò)程。可見，金融排斥的各誘因呈復(fù)雜的非線性和因果關(guān)系，因此，在傳統(tǒng)的計(jì)量工具之外還需結(jié)合模糊曲線分析，以檢驗(yàn)各要素的貢獻(xiàn)彈性。我國(guó)存在城鄉(xiāng)金融二元結(jié)構(gòu)，農(nóng)村和城市金融系統(tǒng)具有不同的運(yùn)行特征，若進(jìn)行城鄉(xiāng)金融排斥二元性的分析，需分別構(gòu)建城市金融系統(tǒng)、鄉(xiāng)村金融系統(tǒng)。為了保證城鄉(xiāng)空間系統(tǒng)的可比性，自變量與因變量的選擇在充分考慮數(shù)據(jù)可得性的基礎(chǔ)上，兼顧其一致性、可操作性與說(shuō)服力，力求定位影響城鄉(xiāng)金融排斥的關(guān)鍵要素。擬構(gòu)建如下計(jì)量模型②：EXCLUDED(Urban)=f(Income,Employment,Age,Technology,Education,GDPDevelopment,Government'sRestriction,Gender,Ethnicity,Geography);EXCLUDED(Rural)=f(Income,Employment,Age,Technology,Education,GDPDevelopment,Government'sRestriction,Gender,Ethnicity,Geography)。城鄉(xiāng)金融排斥程度EXCLUDED均采用四項(xiàng)指標(biāo)衡量：萬(wàn)人機(jī)構(gòu)覆蓋度、人均貸款水平、存款資源利用水平及人均儲(chǔ)蓄存款水平。若尋找城鄉(xiāng)金融排斥差異的誘致因素，人均指標(biāo)顯然優(yōu)于區(qū)域指標(biāo)，這是由于區(qū)域總量指標(biāo)的差異往往會(huì)造成統(tǒng)計(jì)結(jié)果的畸高或畸低，并且解釋變量往往考察某區(qū)域個(gè)人或家庭經(jīng)濟(jì)主體的特性，具有微觀特征，故而人均指標(biāo)更加客觀、全面③。自變量的選擇廣泛借鑒國(guó)外學(xué)者的研究，如Hersi(2009)、KempsonandWhyley(2000)、KempsonandWhyley(1999)，以及FSA(2006)等的研究成果，并基于以下假設(shè)展開：H1：在其他條件不變的情況下，收入越高、就業(yè)比例越高、技術(shù)水平越高、金融教育越充分、GDP增長(zhǎng)率越高、政府支持力度越強(qiáng)，則金融排斥程度較低。H2：在其他條件不變的情況下，老人、兒童總?cè)丝谒急壤礁?，女性人口比例越高，則金融排斥程度相對(duì)越高。H3：在其他條件不變的情況下，少數(shù)民族地區(qū)、中西部地區(qū)的金融排斥程度相對(duì)較高。(2)誘因選擇與處理。①Income。金融排斥首先是收入的函數(shù)，國(guó)外相關(guān)統(tǒng)計(jì)模型表明，是否接受收入援助這一變量對(duì)金融排斥具有最大的解釋力(KempsonandWhyley，1999)。保持其他控制變量不變，低收入顯著增加了金融排斥的機(jī)率，因此，各省份城鎮(zhèn)居民人均可支配收入及農(nóng)村居民人均純收入(取對(duì)數(shù))可作為金融排斥的解釋變量之一。②Emplo表示就業(yè)狀況。國(guó)外的彈性勞動(dòng)力市場(chǎng)導(dǎo)致非全職工作、自雇傭等比例增加，而就業(yè)水平的高低直接導(dǎo)致金融排斥程度的動(dòng)態(tài)變化，這里采用我國(guó)各省份城鎮(zhèn)就業(yè)人員、鄉(xiāng)村就業(yè)人員所占比例作為度量指標(biāo)。③Tec技術(shù)水平。Geach(2007)指出，手機(jī)技術(shù)在農(nóng)村和城市貧民區(qū)的普及，將有助于彌合數(shù)字鴻溝(DigitalDivide)且便利于居民采用主流金融服務(wù)。本文采用城市/農(nóng)村地區(qū)固定電話普及率、移動(dòng)電話普及率、電腦普及率及互聯(lián)網(wǎng)普及率的加權(quán)平均值反映不同區(qū)域城鄉(xiāng)的技術(shù)水平及金融基礎(chǔ)設(shè)施供給狀況。④Edu，又稱為金融教養(yǎng)(FinancialLiteracy)，它是一種隱性知識(shí)，且代際遺傳。比如富裕家庭的孩子耳濡目染，很容易掌握金融產(chǎn)品的使用方法，反之，貧困家庭的孩子往往對(duì)現(xiàn)代金融工具一無(wú)所知。另外，后天金融教育的薄弱也會(huì)導(dǎo)致金融排斥的發(fā)生?？衫贸鞘懈叩仍盒?shù)目、專任教師數(shù)目及農(nóng)村勞動(dòng)力中大專以上人口所占比例近似反映。⑤GDP增長(zhǎng)率。反映城鄉(xiāng)經(jīng)濟(jì)發(fā)展的宏觀環(huán)境優(yōu)劣，分別用城市、農(nóng)村年均GDP增長(zhǎng)率來(lái)反映。城市的統(tǒng)計(jì)范疇包括各省份所有地級(jí)市、縣級(jí)市，及各區(qū)的GDP增長(zhǎng)率的加權(quán)平均；農(nóng)村則是各縣、旗GDP增長(zhǎng)率的加權(quán)平均。⑥Restri。政府對(duì)城鄉(xiāng)經(jīng)濟(jì)的支持力度用城市預(yù)算支出及農(nóng)村財(cái)政支農(nóng)力度近似替代反映。后者的數(shù)據(jù)來(lái)源于1988-2007年全國(guó)農(nóng)業(yè)綜合開發(fā)項(xiàng)目投入中央財(cái)政資金及地方財(cái)政配套資金總量(取對(duì)數(shù))。⑦Age表示各省份城鄉(xiāng)人口的年齡構(gòu)成。采用各省份城鄉(xiāng)少年兒童(0-14歲)和老年人口(65歲以上)所占比例反映區(qū)域的人口年齡結(jié)構(gòu)。⑧Gender(城鄉(xiāng)人口中女性所占比例)反映城鄉(xiāng)人口的性別結(jié)構(gòu)。KempsonandWhyley(1999)的調(diào)研說(shuō)明，女性占總?cè)丝诘谋壤礁?，排斥指?shù)越高。⑨Dt。該指標(biāo)為表示地理特征的虛擬變量，以反映地域差別的影響。即該虛擬變量反映區(qū)域的民族構(gòu)成。低收入的少數(shù)民族聚集區(qū)，金融排斥往往比較嚴(yán)重。少數(shù)民族聚集區(qū)(廣西、新疆、內(nèi)蒙古、寧夏和西藏)賦值1，其他地區(qū)賦值0。三、實(shí)證結(jié)果與檢驗(yàn)1.計(jì)量分析結(jié)果為了檢驗(yàn)解釋變量的納入是否合理，首先分別進(jìn)行單一解釋變量的計(jì)量檢驗(yàn)，共建立10個(gè)模型，被解釋變量分別為城、鄉(xiāng)金融排斥指數(shù)，解釋變量分別為前文列出的10個(gè)變量。模型的回歸系數(shù)、顯著性以及各解釋變量與因變量的相關(guān)系數(shù)見表3。由表3可知，農(nóng)村金融排斥與Income、Emplo、Tec及Edu顯著負(fù)相關(guān)，與Age顯著正相關(guān)，且回歸系數(shù)均在1％的水平上顯著。城市金融排斥與Income顯著負(fù)相關(guān)，且回歸系數(shù)在1％的水平上顯著。與農(nóng)村金融排斥的影響要素不同，城市的Emplo、Tec及Edu對(duì)其排斥程度的影響有限。這一方面是由于各要素的作用機(jī)制不同，比如技術(shù)，國(guó)外學(xué)者的研究存在爭(zhēng)論，如KempsonandWhyley(1999)對(duì)技術(shù)的正面影響持懷疑態(tài)度，提出電話和網(wǎng)絡(luò)為介質(zhì)的金融服務(wù)將加大金融排斥。就我國(guó)而言，技術(shù)對(duì)農(nóng)村金融發(fā)展有積極的推動(dòng)作用，而對(duì)城市的金融發(fā)展影響卻非常有限。原因在于，城市的電話、網(wǎng)絡(luò)普及率較高，其對(duì)金融排斥的邊際影響較小，且已經(jīng)頗具規(guī)模的電話、網(wǎng)絡(luò)金融服務(wù)的風(fēng)險(xiǎn)加大導(dǎo)致原有用戶的自我排斥。而農(nóng)村信息技術(shù)的完善，將提高農(nóng)業(yè)的科技化程度，拓寬農(nóng)產(chǎn)品融資渠道，增加農(nóng)民收入，降低金融排斥；同時(shí)擁有電話、電腦的農(nóng)戶逐漸接受和采納高科技金融服務(wù)也引致金融排斥減小。另一方面則是由于城鄉(xiāng)金融體系是一個(gè)復(fù)雜的多維系統(tǒng)，金融排斥各誘致要素之間互相影響、互相作用、互為因果，且各要素存在非線性關(guān)系，傳統(tǒng)的線性分析方法只能部分反映其內(nèi)在關(guān)系與作用過(guò)程。如城市Income與Age、Tec、Edu、Restri均顯著相關(guān)，相關(guān)系數(shù)分別為-0.629、0.644、0.408及0.672，農(nóng)村Income與Emplo、Age、Tec、Edu的相關(guān)系數(shù)分別為0.638、-0.538、0.926、0.782，且均在0.01的水平上(雙側(cè))顯著相關(guān)。變量間的高度相關(guān)和復(fù)合因果使單一要素作用強(qiáng)度的確定更加困難。此外，GDP對(duì)城市和農(nóng)村的金融排斥均無(wú)顯著影響，這說(shuō)明名義GDP的增長(zhǎng)如果不能提升居民收入，其對(duì)金融排斥的影響將非常有限。Restri、Age、Gender在1％的水平上顯著影響農(nóng)村金融排斥，而對(duì)城市金融排斥水平并無(wú)顯著影響。我國(guó)少數(shù)民族聚居區(qū)城、鄉(xiāng)金融排斥相對(duì)嚴(yán)重，且在5％的水平上顯著?；貧w系數(shù)在1％的水平上顯著，且為負(fù)，說(shuō)明不論城市抑或鄉(xiāng)村，東部省份的金融排斥水平顯然低于其他省份。盡管Mino及Dt對(duì)省區(qū)金融排斥的空間差異具有一定的解釋力，但是，對(duì)其城鄉(xiāng)二元性并無(wú)顯著解釋力。為了剔除自變量的相互作用及相互影響，進(jìn)一步借鑒英格蘭東南發(fā)展機(jī)構(gòu)的量化研究，采用逐步回歸法確定與城、鄉(xiāng)金融排斥相關(guān)的變量。分析表明，影響城市金融排斥的最重要的三個(gè)要素為收入、技術(shù)及民族，且在1％的水平上顯著。其中收入對(duì)金融排斥具有最大的解釋力。單一要素分析表明，Tec對(duì)城市金融排斥的影響并不顯著，而逐步回歸結(jié)果證明，該要素在5％的水平上顯著，因此，初步推測(cè)Tec通過(guò)某種作用機(jī)制影響了收入，進(jìn)而引發(fā)城市金融排斥的變動(dòng)。采用同樣的分析方法，對(duì)農(nóng)村金融排斥模型進(jìn)行逐步回歸，只有一個(gè)要素即Tec在1％的水平上顯著，且回歸系數(shù)為-0.008，即技術(shù)水平越高，則排斥程度越低。通過(guò)比較，某些要素在其他條件不變的情況下，與因變量顯著相關(guān)，但是，由于復(fù)雜系統(tǒng)各因子的交互作用，導(dǎo)致其多元回歸的顯著性大大下降，出現(xiàn)多重共線性。逐步回歸法部分解決了要素間的交互影響與作用，卻無(wú)法完全解決其非線性問(wèn)題。除此之外，某些要素符號(hào)出現(xiàn)反常，如Tec對(duì)城市金融排斥具有提升作用。為了更好地理解其內(nèi)在機(jī)理，下文將采用模糊曲線方法檢驗(yàn)各要素對(duì)城、鄉(xiāng)金融排斥的貢獻(xiàn)彈性。2.模糊曲線檢驗(yàn)結(jié)果所謂模糊曲線分析法是由世界著名的實(shí)驗(yàn)室諾斯—阿拉姆斯實(shí)驗(yàn)室適應(yīng)系統(tǒng)應(yīng)用中心金融分析小組的需要最新開發(fā)的非常有價(jià)值的統(tǒng)計(jì)方法。它主要用來(lái)壓縮輸入數(shù)據(jù)的維度，發(fā)現(xiàn)影響產(chǎn)出變量的重要因素。步驟是通過(guò)求貢獻(xiàn)彈性，根據(jù)樣本點(diǎn)擬合樣本曲線，最后選出影響變量的最重要的因素。模糊曲線方法不需要建立數(shù)學(xué)模型，只根據(jù)輸入的采樣數(shù)據(jù)就可以估計(jì)出要求的決策，非常適合非線性、多變量的復(fù)雜系統(tǒng)分析。根據(jù)模糊曲線原理設(shè)計(jì)軟件程序，輸入各個(gè)地區(qū)有關(guān)樣本的數(shù)據(jù)，可以分別得出各誘因?qū)Τ?、鄉(xiāng)金融排斥的貢獻(xiàn)彈性，見表4。城市系統(tǒng)中，H1、H2成立，對(duì)金融排斥影響最大的要素為Income，其二次擬合曲線呈右下方傾斜狀態(tài)，表明城鎮(zhèn)居民收入每增長(zhǎng)1單位，其對(duì)金融排斥指數(shù)的貢獻(xiàn)為0.35單位，且為負(fù)貢獻(xiàn)。相對(duì)于收入，其他要素的影響力比較微弱，貢獻(xiàn)彈性除Mino為0.129外，其他均在0.1以下，如Gender的貢獻(xiàn)可以忽略不計(jì)，而Emplo、Age、GDP的二次擬合曲線均非常平緩，表明其并非金融排斥的關(guān)鍵誘致要素。Tec對(duì)UFE的貢獻(xiàn)只有-0.048，二次擬合曲線前半段朝右下方傾斜而后半段則傾向于增加UFE，這表明，適度的技術(shù)將有利于排斥程度的降低，然而，由于城市金融技術(shù)的普及和金融基礎(chǔ)設(shè)施的完善，一方面，過(guò)度的技術(shù)采納與網(wǎng)絡(luò)化金融反而在某種程度上加大了金融風(fēng)險(xiǎn)，增加居民對(duì)金融中介的不信任感，進(jìn)而導(dǎo)致自我排斥的上升；另一方面，先進(jìn)的技術(shù)便利于金融部門掌握跟蹤客戶的信用記錄，有效地甄別客戶，將潛在風(fēng)險(xiǎn)客戶排斥在外。因而，Tec與UFE的擬合曲線表現(xiàn)出了復(fù)雜的形態(tài)。除此之外，Tec對(duì)城市金融排斥的直接影響并不明顯，其作用機(jī)制更多的表現(xiàn)在增加城鎮(zhèn)居民收入，進(jìn)而作用于金融排斥，模糊曲線分析表明Tec對(duì)Income的貢獻(xiàn)彈性為0.217，證實(shí)了前文的推測(cè)，即某些要素的交互作用同樣影響區(qū)域金融排斥的大小。類似的指標(biāo)還有Edu和Mino，其對(duì)收入的邊際貢獻(xiàn)分別為0.104及-0.045。盡管這些要素本身的計(jì)量結(jié)果并不顯著，但是通過(guò)作用于收入，引致其排斥水平的變化。農(nóng)村系統(tǒng)中，對(duì)金融排斥負(fù)貢獻(xiàn)最大的要素依次為收入、技術(shù)和教育(就業(yè)擬合圖形平緩，可忽略)。農(nóng)民純收入對(duì)金融排斥的貢獻(xiàn)彈性最大為-0.382，即Income每增加1單位，其排斥減少0.382個(gè)單位。Tec對(duì)我國(guó)農(nóng)村金融排斥的貢獻(xiàn)彈性排在第二位，且隨著信息技術(shù)的普及，排斥指數(shù)趨于縮小。這表明信息技術(shù)的普及不僅可以使已經(jīng)被排斥的農(nóng)戶和企業(yè)擺脫信息陰影(InformationShadow)，而且便利了已擁有發(fā)達(dá)金融基礎(chǔ)設(shè)施的經(jīng)濟(jì)主體采用高科技金融產(chǎn)品和服務(wù)。如我國(guó)廣東省信息直通車工程的實(shí)施，可以直接、及時(shí)、準(zhǔn)確地把涉農(nóng)信息傳遞給農(nóng)村用戶，信息化盲點(diǎn)的消除，拓寬了農(nóng)產(chǎn)品銷售渠道，提高了農(nóng)業(yè)產(chǎn)出收入。同時(shí)吸引更多資金和技術(shù)，促進(jìn)農(nóng)村加工業(yè)發(fā)展和農(nóng)民增收。Tec對(duì)Income的貢獻(xiàn)彈性為0.553，擬合曲線近似直線且向右上方傾斜，表明技術(shù)成為消減農(nóng)村金融排斥的關(guān)鍵變量，這也是前文逐步回歸法只提取一個(gè)技術(shù)要素的內(nèi)在原因。Edu對(duì)排斥的作用渠道包括：①教育水平的提高，傾向于增加收入，進(jìn)而減少排斥(Edu對(duì)Income的邊際貢獻(xiàn)為0.396)；②金融教養(yǎng)的提高有利于經(jīng)濟(jì)主體掌握先進(jìn)金融產(chǎn)品使用方法，從而增大金融包容。與此類似的要素還有Age，其對(duì)RFE的貢獻(xiàn)彈性為0.168，即一方面老人和兒童的比例過(guò)高意味著農(nóng)村收入的減少(對(duì)Income的邊際貢獻(xiàn)為-0.201)，另一方面，老人、兒童掌握金融技術(shù)的難度比較大，其本身就是易被排斥人群。此外，Mino對(duì)農(nóng)村金融排斥的貢獻(xiàn)幾乎為零，近乎水平的擬合曲線表明我國(guó)并不存在由于民族歧視而導(dǎo)致的金融排斥，這與國(guó)外種族歧視引致的排斥有著本質(zhì)區(qū)別(如伊斯蘭金融的出現(xiàn))。實(shí)證結(jié)果與H1、H2一致，H3不成立。3.城鄉(xiāng)聯(lián)動(dòng)的變系數(shù)模型檢驗(yàn)長(zhǎng)期以來(lái)形成的城鄉(xiāng)經(jīng)濟(jì)二元結(jié)構(gòu)以及城鄉(xiāng)金融地域系統(tǒng)的割裂現(xiàn)狀，引致學(xué)者忽視城鄉(xiāng)空間聯(lián)系的傾向，從理論上講，開放系統(tǒng)之間應(yīng)相互聯(lián)系、相互依賴、相互作用、相互促進(jìn)及相互轉(zhuǎn)化，因此城鄉(xiāng)之間的金融資源稟賦可具體體現(xiàn)為貨幣、資金的雙向流動(dòng)，或者金融工具、金融組織體系、整體功能性金融資源等方面的地域運(yùn)動(dòng)?！俺鞘蟹床皋r(nóng)村”的觀點(diǎn)從某種程度上反映了將兩者“互斥”而非“互補(bǔ)”的傾向。為了檢驗(yàn)城鄉(xiāng)之間空間經(jīng)濟(jì)聯(lián)系及有效聯(lián)動(dòng)的可能性，本文采用31個(gè)省份2001-2008年的面板數(shù)據(jù)建立變系數(shù)模型(自變量為城市金融相關(guān)比率，因變量為農(nóng)村金融相關(guān)比率)，分析結(jié)果見表5。從表5中可以看出，我國(guó)31個(gè)省份存在明顯的城鄉(xiāng)聯(lián)動(dòng)及空間溢出效應(yīng)，除了內(nèi)蒙古和西藏，其他省份的回歸系數(shù)均在1％的水平上顯著。這表明城市金融的發(fā)展對(duì)農(nóng)村金融具有一定的擴(kuò)散效應(yīng)，城鄉(xiāng)金融系統(tǒng)之間并非完全割裂，城市不能僅看做農(nóng)村資金的“抽水機(jī)”，它也通過(guò)實(shí)物渠道及資金渠道帶動(dòng)農(nóng)村經(jīng)濟(jì)、金融的成長(zhǎng)，兩者存在地理上的溢出關(guān)聯(lián)效應(yīng)及互補(bǔ)效應(yīng)。因此，降低金融排斥的城鄉(xiāng)二元性，并非要犧牲城市發(fā)展，而是促進(jìn)城、鄉(xiāng)的同向成長(zhǎng)，并且推進(jìn)后者的加速度發(fā)展，逐漸縮減二元性的存在，使農(nóng)村居民最基本的金融需求得到滿足，走出“金融沙漠”陷阱。從回歸系數(shù)看，各省份城鄉(xiāng)聯(lián)動(dòng)結(jié)構(gòu)存在一定差異。其中北京的城鄉(xiāng)聯(lián)動(dòng)效應(yīng)(UFIR)最強(qiáng)，UFIR每提高1個(gè)點(diǎn)，則RFIR提高0.36個(gè)點(diǎn)。內(nèi)蒙古的城鄉(xiāng)聯(lián)動(dòng)效應(yīng)最弱，UFIR每提高一個(gè)點(diǎn)，RFIR只提高0.05個(gè)點(diǎn)。東部某些區(qū)域金融的綜合競(jìng)爭(zhēng)力很高，但是，城鄉(xiāng)聯(lián)動(dòng)效應(yīng)相對(duì)較弱，加劇了排斥的二元性，如上海。因此，盡管城市和農(nóng)村的金融系統(tǒng)具有各自的運(yùn)行特征和規(guī)律，其金融排斥影響要素的作用機(jī)制和強(qiáng)度也具有一定差別，但是城、鄉(xiāng)系統(tǒng)并非互相割裂的，而是互相影響、互動(dòng)耦合的，這為城鄉(xiāng)金融排斥二元性問(wèn)題的解決提供了新的視角和思路。四、結(jié)論與建議(1)城鄉(xiāng)金融系統(tǒng)具有不同的運(yùn)行特征與運(yùn)作模式，導(dǎo)致相同的誘因其作用機(jī)制與渠道不盡相同，因而，解決城、鄉(xiāng)金融排斥的著力點(diǎn)和側(cè)重點(diǎn)應(yīng)有所不同。如技術(shù)對(duì)金融排斥的作用始終存在爭(zhēng)議，部分學(xué)者贊成技術(shù)的普及將有助于降低金融排斥，也有部分學(xué)者認(rèn)為網(wǎng)絡(luò)金融技術(shù)的普及會(huì)將弱勢(shì)人群排除在外。本文實(shí)證研究表明，農(nóng)村金融排斥的關(guān)鍵誘因之一為技術(shù)，且通過(guò)兩條渠道發(fā)揮作用，一是直接提高金融主體對(duì)各式金融產(chǎn)品和服務(wù)的使用技能，從而減少金融排斥，二是通過(guò)技術(shù)普及，提高收入水平，進(jìn)而降低排斥程度。因此農(nóng)村地區(qū)需要完善金融基礎(chǔ)設(shè)施，彌補(bǔ)數(shù)字鴻溝。較之農(nóng)村，城市的金融基礎(chǔ)設(shè)施相對(duì)完善，其對(duì)金融排斥的直接貢獻(xiàn)不大，主要是通過(guò)促進(jìn)收入增加而減少排斥。此外，當(dāng)城市網(wǎng)絡(luò)金融普及率到達(dá)一定的臨界點(diǎn)，由于風(fēng)險(xiǎn)增大或客戶細(xì)分的需要，反而會(huì)引致自我排斥或營(yíng)銷排斥。因此，城市重在建立健全系統(tǒng)性金融風(fēng)險(xiǎn)的防范預(yù)警體系和處置機(jī)制，以消除潛在的自我排斥。相對(duì)于城市，農(nóng)村地區(qū)的金融排斥水平對(duì)教育這一誘因更為敏感，在強(qiáng)化農(nóng)村金融教育方面，要細(xì)化為成人教育和兒童教育，前者主要教授經(jīng)濟(jì)主體掌握基本的金融技術(shù)，后者力求減低“代際遺傳”的消極影響，普及金融知識(shí)。城市相對(duì)而言不存在嚴(yán)重的反學(xué)習(xí)性，其對(duì)排斥的影響也往往通過(guò)提高勞動(dòng)力素質(zhì)，增加收入而間接體現(xiàn)，因此，著力點(diǎn)在于實(shí)現(xiàn)文化力對(duì)經(jīng)濟(jì)力的良性推動(dòng)作用。此外，由于缺乏可比數(shù)據(jù)，本文忽略了“住房擁有狀況”(Estate)這一變量，實(shí)際上，Mayne(2009)曾指出，無(wú)法獲得房屋所有權(quán)、申請(qǐng)政府住房及依賴援助和貸款的人群更易落于金融排斥的風(fēng)險(xiǎn)中。Estate對(duì)城、鄉(xiāng)金融排斥指數(shù)的作用強(qiáng)度不同，這是由于城市居民多屬于自購(gòu)住房，而農(nóng)戶可以在宅基地上自建房屋，因此，該變量對(duì)RFE的貢獻(xiàn)度有限，而對(duì)UFE的貢獻(xiàn)彈性將會(huì)顯著增大。因此，城鄉(xiāng)金融排斥的二元性還需考慮房產(chǎn)的不同影響。(2)已有的研究往往以割裂的視角看待城、鄉(xiāng)金融排斥問(wèn)題，或?qū)⒊恰⑧l(xiāng)利益加以對(duì)立，恰恰相反，實(shí)證分析表明，應(yīng)從城鄉(xiāng)統(tǒng)籌的視角，借鑒城鄉(xiāng)金融地域系統(tǒng)的耦合機(jī)制與規(guī)律，充分利用城市金融的擴(kuò)散力，實(shí)現(xiàn)農(nóng)村金融外部性的內(nèi)部化。變系數(shù)模型驗(yàn)證了城市金融系統(tǒng)對(duì)農(nóng)村金融系統(tǒng)的空間溢出效應(yīng)和聯(lián)動(dòng)效應(yīng)，可考慮利用城鄉(xiāng)之間的相互作用和良性互動(dòng)，帶動(dòng)其金融產(chǎn)業(yè)成長(zhǎng)水平提升，最終實(shí)現(xiàn)城鄉(xiāng)金融地域系統(tǒng)的效率改進(jìn)和協(xié)調(diào)發(fā)展。聯(lián)動(dòng)效應(yīng)較強(qiáng)、農(nóng)村經(jīng)濟(jì)較發(fā)達(dá)的地區(qū)，可以充分發(fā)揮市場(chǎng)作用，鼓勵(lì)不同金融機(jī)構(gòu)在農(nóng)村地區(qū)設(shè)立分支機(jī)構(gòu)，城鄉(xiāng)開展金融合作、信息共享等，實(shí)現(xiàn)城鄉(xiāng)金融網(wǎng)絡(luò)的多角度、多層次聯(lián)通。接收城市輻射能量有限的發(fā)展中地區(qū)可建立真正的合作金融，政府針對(duì)市場(chǎng)失靈，進(jìn)行漸進(jìn)性干預(yù)，如提供完善的制度安排或一定程度的金融傾斜等，吸引外部資金的流入。對(duì)于那些地處偏遠(yuǎn)、人口稀少的農(nóng)村地區(qū)，由于基本不在城市金融核心的輻射范疇，很難與城市互動(dòng)聯(lián)通，則可著力于供給推動(dòng)，就地解決，建立新型農(nóng)村金融機(jī)構(gòu)，如采取流動(dòng)服務(wù)的村鎮(zhèn)銀行、貸款公司、農(nóng)村資金互助社形式。政府亦可通過(guò)政策性金融的扶持，幫助農(nóng)民走出金融排斥的惡性循環(huán)。(3)金融排斥存在消極和積極兩個(gè)方面，政府干預(yù)的重點(diǎn)應(yīng)為消極的金融排斥。國(guó)外學(xué)者關(guān)注微觀個(gè)體、家庭的金融排斥，往往忽視總量分析。對(duì)于個(gè)體而言，其收入的增加或許能促使其采納金融服務(wù)，減少金融排斥，但是，如果推廣到一個(gè)區(qū)域，則易發(fā)生“合成謬誤”，因?yàn)榕懦饪偸窍鄬?duì)的，金融包容和金融排斥是相互交織的，一部分人被包容選擇了某種金融產(chǎn)品和服務(wù)，就相應(yīng)的有另外一部分主體由于條件、營(yíng)銷等原因被排斥在外。因此，該現(xiàn)象是客觀普遍存在且無(wú)法根除的。與傳統(tǒng)觀念不同，這從另一個(gè)側(cè)面說(shuō)明金融排斥有其積極的一面，如甄別客戶、提高經(jīng)營(yíng)效率等。因而，政府的干預(yù)只是幫助陷入“金融沙漠”的區(qū)域走出陷阱，避免社會(huì)排斥的出現(xiàn)，而其他的干預(yù)手段則要尊重市場(chǎng)規(guī)律，盡量采取間接手段進(jìn)行，以免擾亂金融系統(tǒng)的自組織運(yùn)行，造成系統(tǒng)的混沌。政府應(yīng)為自組織而非他組織主體，與企業(yè)及非營(yíng)利組織開展基于市場(chǎng)經(jīng)濟(jì)的自愿合作，以平衡盈利目標(biāo)與社會(huì)責(zé)任。作為獨(dú)立的利益主體，銀行很難主動(dòng)承擔(dān)其“社會(huì)責(zé)任”，可參照英美經(jīng)驗(yàn)，引導(dǎo)銀行關(guān)注其長(zhǎng)期利益，如將銀行為低收入群體提供的金融服務(wù)納入信貸評(píng)級(jí)體系，該項(xiàng)評(píng)分高低直接影響其未來(lái)發(fā)展規(guī)劃，如兼并、規(guī)模擴(kuò)張等，從而減少供給誘導(dǎo)型金融排斥。(4)城鄉(xiāng)金融排斥二元性的處理是一個(gè)復(fù)雜的多維系統(tǒng)工程。傳統(tǒng)研究只關(guān)注單一要素的影響，沒(méi)有考慮系統(tǒng)中各要素互相影響、互相作用和復(fù)合相關(guān)關(guān)系，導(dǎo)致政策的實(shí)際效果不盡如人意。如農(nóng)戶本身所獲