“金融排斥”是農(nóng)村金融領域的一個常用概念，指的是一部分人由于各種原因被排斥在金融機構服務之外，無法獲得如存款、貸款這樣的基本金融服務?！敖鹑谂懦狻蓖ǔ７譃榱鶄€維度：地理排斥、價格排斥、條件排斥、營銷排斥、評估排斥和自我排斥。其中，地理排斥指的是金融機構的地理可及性問題，一些偏遠落后地區(qū)設置的金融機構網(wǎng)點很少，人們到達金融機構網(wǎng)點十分不便。在中國農(nóng)村地區(qū)，地理排斥仍然占有最基礎性的地位。
　　在衡量地理排斥時，金融機構網(wǎng)點數(shù)量是最常用的指標。不少學者已經(jīng)利用金融機構網(wǎng)點數(shù)量對各省的金融排斥情況進行了對比研究，這些研究的主要方法是選擇省級層面的數(shù)據(jù)進行省市、地區(qū)對比，卻沒有考慮省內(nèi)差異，而較高的省級平均水平卻掩蓋了省市內(nèi)部農(nóng)村地區(qū)金融排斥的嚴重程度。如圖1所示，四川省的金融機構網(wǎng)點分布呈現(xiàn)明顯的“東多西少”特征。2010年，在四川省的西部，各縣金融機構網(wǎng)點數(shù)量均在48個以下，這部分地區(qū)在地理面積上約占四川省總面積的2/3。而四川省東部各縣的網(wǎng)點數(shù)量較多。2010年，四川省鹽源縣僅有6個網(wǎng)點，而成都市金牛區(qū)則有287個營業(yè)網(wǎng)點，是鹽源縣網(wǎng)點數(shù)量的47.8倍。
　　因此，在對地理排斥地區(qū)差異的研究中，省內(nèi)差異可以說是不可或缺的一部分內(nèi)容。然而，由于全國省市數(shù)量眾多，在度量省內(nèi)差異時不可能按照每個省的情況分別進行省內(nèi)的對比分析，因此，以往的研究方法均失效了。但有一個思路可以為我們展示省內(nèi)差異：當我們知道了各省地理排斥的一般情況時，只要我們知道了省內(nèi)農(nóng)村地區(qū)銀行網(wǎng)點布局的不平等程度，就能對省內(nèi)差異有較好的理解。
　　要度量“各省地理排斥的一般情況”，筆者在《中國農(nóng)村金融地理排斥的地區(qū)差異》一文（見本刊2012年第7期第106頁）中構建了四個“金融密度”指標，其基本含義、計算方法及適用性如表1所示。
　　此處的計算是以各縣為基本計算單位，當要計算省的“金融密度”時，本文提出的方法是：計算出各縣的四個“金融密度”后，以該省的中位數(shù)來代表該省的四個“金融密度”。同樣的，在計算各地區(qū)和全國的四個“金融密度”時，也采用中位數(shù)方法。
　　四個“金融密度”在衡量各省農(nóng)村金融地理排斥時具有不同的含義和代表性。中國廣大的農(nóng)村地區(qū)人口分散，因此，地理金融密度最符合中國農(nóng)村地區(qū)的實際情況。地理金融密度也最符合地理排斥的內(nèi)涵——地理可及性問題，即在同樣的地理面積內(nèi)，金融機構網(wǎng)點數(shù)量越多，人們就越能方便地選擇離自己較近的網(wǎng)點獲得金融服務。因此，本文最終選擇“地理金融密度”作為衡量各省農(nóng)村地區(qū)地理排斥程度的指標，并在此基礎上仿照基尼系數(shù)的方法構建“地理金融密度不平等系數(shù)”這一指標，用以衡量各省農(nóng)村地區(qū)銀行網(wǎng)點分布的不平等性，以此度量各省農(nóng)村金融地理排斥的省內(nèi)差異，這樣的研究在國內(nèi)中還是首次。
　　測量指標：地理金融密度不平等系數(shù)
　　為了能夠度量省內(nèi)農(nóng)村地區(qū)的地理排斥程度差異，本文參照基尼系數(shù)的計算方法構建了用于衡量省內(nèi)、地區(qū)內(nèi)部金融排斥差異程度的指標——地理金融密度不平等系數(shù)。
　　基尼系數(shù)的計算方法如圖2所示。將人口按照收入水平從低到高進行排序后，橫軸表示的是人口的百分比，縱軸表示對應的人口擁有的收入所占的百分比。由此繪制出的代表各百分比人群擁有的收入占比曲線即為洛倫茲曲線。圖中的對角線為完全平等線，表示的是人口的百分比與收入的百分比完全相等的情況。假設完全平等線與洛倫茲曲線之間的面積為A，洛倫茲曲線以下的面積為B。則基尼系數(shù)=A/（A+B）。
　　當以地理金融密度為指標衡量各省農(nóng)村地區(qū)的金融排斥程度時，如果省內(nèi)各個縣之間的地理金融密度完全平等，則意味著全省每平方公里擁有的網(wǎng)點數(shù)量相等。換句話說，就是各縣地理面積占比與各縣擁有的金融機構網(wǎng)點數(shù)量占比是相等的。由此，本文仿照著基尼系數(shù)的定義也構造了一個“地理金融密度不平等系數(shù)”(見圖3)——用各縣的地理面積代替基尼系數(shù)中的人口數(shù)，用各縣的金融機構網(wǎng)點數(shù)量代替基尼系數(shù)中的收入。只不過，本文的分析單位不是個人，而是以縣為基本的計算單位。其計算方法與基尼系數(shù)一致，都是用A/(A+B)而得到。
　　中國農(nóng)村金融地理排斥的省內(nèi)差異
　　通過計算，各省市的地理金融密度和地理金融密度不平等系數(shù)（以下簡稱“不平等系數(shù)”）如表2所示。
　　表2將各省、各地區(qū)的不平等系數(shù)按照從低到高進行排序。由于上海、天津和北京三市內(nèi)農(nóng)村地區(qū)的縣的數(shù)量太少（最多的天津農(nóng)村地區(qū)僅包括3個縣），因此三者的不平等系數(shù)小，均在0.1以下。安徽、江西、山東、海南和貴州等地的不平等系數(shù)均在0.2～0.3之間，屬于農(nóng)村地區(qū)地理金融密度較為平等的省份。四川、甘肅、西藏、內(nèi)蒙古、新疆和青海的不平等系數(shù)均在0.5以上，地理金融密度極不平等。其中，青海的不平等系數(shù)為0.74，為各省最大值。同時，青海的地理金融密度僅0.1個/百平方公里。這就意味著：青海省不僅農(nóng)村金融排斥嚴重，而且各縣之間的農(nóng)村金融排斥程度存在極大的差異，其省內(nèi)每平方公里上分布的網(wǎng)點數(shù)量極不平等。在青海農(nóng)村地區(qū)的42個縣中，共有20個縣的行政金融密度不足10個，這20個縣的地理金融密度最大者也僅為0.15個/百平方公里。其中，有6個縣都只有1個有貸款功能的網(wǎng)點。難以想象，在這樣的地區(qū)，農(nóng)民是如何經(jīng)過步行、騎馬、坐車才能獲得金融服務的。
　　為了更直觀地反映各省市在不平等系數(shù)方面的差異，本文繪制出了全國各省市的不平等系數(shù)分布圖，如圖4所示。
　　在圖4中，紅色越深的地方，其不平等系數(shù)越大，表示地理金融密度的省內(nèi)差異越嚴重。從圖4中可以直觀地看到，西部地區(qū)除貴州、廣西外，普遍呈深紅色，其不平等系數(shù)很大，省內(nèi)差異巨大；東部地區(qū)紅色較淺，其不平等系數(shù)小，省內(nèi)差異也較小，但廣東省、浙江省的不平等系數(shù)依