李建軍 韓 珣

一、引言

我國(guó)長(zhǎng)期處于金融抑制、銀行壟斷經(jīng)營(yíng)的經(jīng)濟(jì)環(huán)境中,正規(guī)金融機(jī)構(gòu)普遍存在金融歧視行為。隨著監(jiān)管政策的進(jìn)一步放松,金融部門(mén)資金融通、風(fēng)險(xiǎn)管理和價(jià)格發(fā)現(xiàn)的功能逐漸被忽視,支持實(shí)體經(jīng)濟(jì)、改善收入分配、促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、提升社會(huì)福利等方面的作用被削弱,金融的普惠性不足。金融機(jī)構(gòu)通過(guò)嚴(yán)格的資信評(píng)估過(guò)程、不合理的金融定價(jià)以及區(qū)別性營(yíng)銷等方式把低收入人群、農(nóng)村偏遠(yuǎn)地區(qū)、中小微企業(yè)等弱勢(shì)群體排斥在金融服務(wù)體系之外,經(jīng)濟(jì)難以實(shí)現(xiàn)包容性發(fā)展。好的金融與好的社會(huì)和諧發(fā)展是“金融功能觀”的體現(xiàn)。金融發(fā)展與金融包容的背離導(dǎo)致金融資源在空間配置上的不均衡,即出現(xiàn)金融密度的空間差異。

國(guó)內(nèi)外很早就有學(xué)者關(guān)注到社會(huì)中某類具有相同特征的群體,通常缺乏足夠的途徑或方式獲得金融服務(wù),并將這種現(xiàn)象定義為金融排斥或金融歧視行為(Leyshon和 Thrift,1993［1］)。早期對(duì)金融排斥的研究大多集中于金融網(wǎng)絡(luò)的地理滲透性,隨后Kempson和 Whyley(1999)［2］提出金融排斥是地理排斥(Physical Access Exclusion)、評(píng)估排斥(Assessing Exclusion)、條件排斥(Condition Exclusion)、價(jià)格排斥(Price Exclusion)、營(yíng)銷排斥(Marketing Exclusion)以及自我排斥(Self-Exclusion)共同復(fù)合、動(dòng)態(tài)作用的結(jié)果。其中,有學(xué)者拓展了金融排斥的內(nèi)涵,Regan和Paxton(2003)［3］提出金融寬度和參與深度兩個(gè)范疇,用以衡量金融服務(wù)的可及性和有效性。呂勇斌等(2014)［4］從金融服務(wù)的可得度、使用度、使用效度三個(gè)維度構(gòu)建金融排斥指標(biāo)體系；在金融排斥的空間差異上,田霖(2011)［5］以城鄉(xiāng)互動(dòng)耦合為切入點(diǎn)探究了金融排斥的空間差異與誘導(dǎo)因素。孟德鋒等(2012)［6］從金融排斥的形成機(jī)制角度剖析了村鎮(zhèn)銀行發(fā)展的影響因素及其對(duì)破解金融排斥的作用；從金融排斥方來(lái)看,被歧視對(duì)象不僅限于個(gè)人、家庭,也適用于中小企業(yè)以及弱勢(shì)產(chǎn)業(yè)(李建軍,張丹俊,2015［7］)。

金融排斥導(dǎo)致了金融密度空間上的差異,那么金融排斥的深層原因有哪些呢？金融排斥實(shí)際上是金融機(jī)構(gòu)基于“收益最大化”的原則,兼顧貸款主體社會(huì)關(guān)系、抵押品價(jià)值、預(yù)期還款能力,將金融資源在不同經(jīng)濟(jì)主體間進(jìn)行差異性分配的行為機(jī)制。Kempson(2000)［8］認(rèn)為社會(huì)經(jīng)濟(jì)因素如收入水平、人口密集度、產(chǎn)業(yè)聚集程度以及經(jīng)濟(jì)發(fā)展水平會(huì)對(duì)金融排斥行為產(chǎn)生一定的影響。李濤等(2010)［9］利用2007年的調(diào)研數(shù)據(jù),研究中國(guó)城市居民在儲(chǔ)蓄、基金、保險(xiǎn)、貸款等方面的金融排斥狀況,實(shí)證結(jié)果顯示家庭資產(chǎn)的增加和社會(huì)互動(dòng)程度的提高有助于緩解金融歧視現(xiàn)象。許圣道和田霖(2008)［10］研究表明金融教養(yǎng)、收入水平、政府規(guī)管等是造成金融排斥的主要原因。董曉林和徐虹(2012)［11］從縣域機(jī)構(gòu)網(wǎng)點(diǎn)分布視角考察我國(guó)農(nóng)村金融排斥的影響因素,提出人口規(guī)模、社會(huì)消費(fèi)品零售總額、金融基礎(chǔ)設(shè)施狀態(tài)會(huì)對(duì)金融排斥造成顯著的影響。金融供給方通過(guò)機(jī)構(gòu)網(wǎng)點(diǎn)的移出、設(shè)置金融門(mén)檻、差別性營(yíng)銷等方式使得一部分微觀主體因主觀或客觀因素?zé)o法享有金融服務(wù),這種金融排斥行為必然會(huì)導(dǎo)致金融密度的區(qū)域性差異。

金融密度這一概念最早源于金融地理學(xué),Porteous(1995)［12］曾對(duì)銀行的區(qū)位模型進(jìn)行理論分析,提出市場(chǎng)潛力分布的空間差異是造成銀行集聚的根本原因。石盛林(2011)［13］借鑒保險(xiǎn)密度的概念對(duì)金融密度進(jìn)行定義,認(rèn)為金融密度在一定程度上反映了金融機(jī)構(gòu)提供金融產(chǎn)品和服務(wù)的能力和完善程度,是區(qū)域性金融發(fā)展程度的衡量指標(biāo)。金融機(jī)構(gòu)通過(guò)對(duì)客戶參與金融活動(dòng)的意愿和風(fēng)險(xiǎn)承受力、地區(qū)經(jīng)濟(jì)稟賦、信息不對(duì)稱程度、國(guó)家政策導(dǎo)向等方面的綜合評(píng)估,更愿意為資本回報(bào)率較高的主體提高金融產(chǎn)品和金融服務(wù)。金融密度體現(xiàn)了金融供給方對(duì)不同經(jīng)濟(jì)主體資源配置的空間差異狀態(tài)。田杰和陶建平(2012)［14］選取縣(市)地區(qū)人均金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)來(lái)衡量農(nóng)村金融密度,并發(fā)現(xiàn)農(nóng)村金融密度與經(jīng)濟(jì)增長(zhǎng)存在倒U形關(guān)系。楊德勇等(2014)［15］選取農(nóng)村金融個(gè)數(shù)、農(nóng)村機(jī)構(gòu)從業(yè)人數(shù)、農(nóng)村金融機(jī)構(gòu)存款、農(nóng)村金融機(jī)構(gòu)貸款和農(nóng)村居民儲(chǔ)蓄存款五個(gè)密度指標(biāo),利用主成分分析法衡量了農(nóng)村金融發(fā)展情況。

學(xué)界對(duì)金融密度的認(rèn)識(shí)有不同的觀點(diǎn),金融密度是指在一定區(qū)域范圍內(nèi)設(shè)立的金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)或者按照人口數(shù)量計(jì)算的人均金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)(石盛林,2011［16］),這是從機(jī)構(gòu)空間布局上給出的界定。筆者認(rèn)為,金融密度是在特定區(qū)域范圍內(nèi),各類金融資源的配置狀態(tài)在一定程度上反映了金融供給者對(duì)地區(qū)金融需求、信用環(huán)境以及債務(wù)清償能力的預(yù)期。金融密度是金融排斥和金融包容力量對(duì)比產(chǎn)生的結(jié)果,它一方面反映了銀行、證券、保險(xiǎn)等金融服務(wù)供給方資源配置的結(jié)果；另一方面決定了居民和企業(yè)等金融需求方能夠獲取所需金融服務(wù)的機(jī)會(huì),是普惠金融發(fā)展過(guò)程中包容程度的表現(xiàn)。那么,如何評(píng)價(jià)中國(guó)金融排斥與金融包容的程度,過(guò)去的文獻(xiàn)研究給出了對(duì)這兩個(gè)范疇基本一致的評(píng)價(jià)指標(biāo),導(dǎo)致概念范疇邊界不清,內(nèi)涵混淆,由此在實(shí)踐政策層面難以給出有效的理論指引。因此,有必要構(gòu)建全新的金融密度指標(biāo)體系,用于評(píng)估金融排斥的空間狀態(tài),對(duì)金融包容或普惠金融發(fā)展趨勢(shì)給出針對(duì)性的政策設(shè)計(jì)。

金融密度水平反映了社會(huì)所有階層和群體在金融服務(wù)上的可得性,是金融排斥的結(jié)果,也是普惠金融體系建設(shè)的核心所在。但在金融密度與度量指標(biāo)研究方面,現(xiàn)有文獻(xiàn)僅僅停留在內(nèi)涵界定與局部指標(biāo)設(shè)計(jì)上,如金融機(jī)構(gòu)的地理分布、地區(qū)存款、貸款等維度上,對(duì)金融密度的系統(tǒng)計(jì)量與決定因素的研究并不多見(jiàn)。本文擬對(duì)金融密度的經(jīng)濟(jì)金融含義進(jìn)行理論分析,在指標(biāo)系統(tǒng)構(gòu)建方面,跳出基于銀行機(jī)構(gòu)的地理滲透性、服務(wù)有效性等研究視角,從人口、地理、企業(yè)和產(chǎn)業(yè)四個(gè)層次,銀行、證券、保險(xiǎn)三個(gè)維度設(shè)計(jì)金融密度空間分布指標(biāo)體系,并測(cè)算2006—2014年中國(guó)31個(gè)省市區(qū)的金融密度綜合指數(shù),對(duì)比分析地區(qū)金融密度差異,之后從需求因素、政策因素、信息因素和經(jīng)濟(jì)發(fā)展因素構(gòu)建金融密度差異影響因素模型并進(jìn)行實(shí)證檢驗(yàn),最后提出緩解金融排斥、縮小金融密度差異的政策建議。

二、指標(biāo)體系的設(shè)計(jì)與測(cè)度

（一）金融密度的評(píng)估視角及指標(biāo)體系的設(shè)計(jì)

金融密度沒(méi)有脫離物理學(xué)“密度”的內(nèi)涵,“密度”表示物質(zhì)在空間分布的密集程度,可以進(jìn)一步被延伸為“點(diǎn)”在特定區(qū)域內(nèi)集聚、分布的狀態(tài)。金融密度實(shí)際上是一個(gè)多維度的概念,一定地理面積或者人口范圍內(nèi)金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)僅是金融中介的空間分布密度,不能完全反映金融資源的地域配置狀況,這些資源的動(dòng)員與空間配置需要通過(guò)銀行、證券、保險(xiǎn)等金融機(jī)構(gòu)來(lái)完成。因此,金融密度應(yīng)從銀行、證券、保險(xiǎn)三個(gè)方面進(jìn)行評(píng)判。金融機(jī)構(gòu)的空間分布密度,可以間接反映社會(huì)群體在儲(chǔ)蓄、信貸、證券投資以及保險(xiǎn)服務(wù)上的可得性。從金融深度來(lái)看,機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)和金融從業(yè)人員數(shù)量只能從覆蓋面上反應(yīng)金融可接觸性。而金融服務(wù)消費(fèi)者獲取金融產(chǎn)品和服務(wù)的程度則可以進(jìn)一步衡量金融效度水平。本文根據(jù)被排斥對(duì)象的差異,構(gòu)建銀行、證券、保險(xiǎn)三維度,人口、地理、企業(yè)、產(chǎn)業(yè)四層次金融密度指標(biāo)體系。

人口金融密度系指居民能夠通過(guò)一定方式和渠道獲得合意、公平、收益與風(fēng)險(xiǎn)匹配的金融產(chǎn)品和高質(zhì)量服務(wù)的狀態(tài),可以從機(jī)構(gòu)滲透性和使用性兩個(gè)方面加以評(píng)估。其中人均機(jī)構(gòu)數(shù)量、人均從業(yè)人員數(shù)量能夠影響客戶獲取金融服務(wù)的交通成本和信息傳遞效率,反映了金融服務(wù)的覆蓋面；人均儲(chǔ)蓄存款、人均消費(fèi)貸款、人均證券交易額以及人均保費(fèi)支出則從金融服務(wù)層面衡量了居民存貸款、投融資與保險(xiǎn)活動(dòng)的參與程度。地理金融密度是指在一定空間范圍內(nèi),金融機(jī)構(gòu)對(duì)地區(qū)內(nèi)居民和企業(yè)資源的分布狀況。地理金融密度可以用網(wǎng)點(diǎn)密度、從業(yè)人員密度和存貸款密度反映；證券密度可以根據(jù)網(wǎng)點(diǎn)密度、投資密度和交易密度來(lái)反映；保險(xiǎn)密度由網(wǎng)點(diǎn)密度、有效保單密度、保費(fèi)收入和支出密度來(lái)衡量。隨著金融排斥對(duì)象的外延,我們意識(shí)到除了弱勢(shì)人口和偏遠(yuǎn)地區(qū)外,中小企業(yè)也因抵押品價(jià)值低、財(cái)務(wù)報(bào)告不完善、缺乏政府擔(dān)保等原因面臨嚴(yán)重的信貸配給問(wèn)題。商業(yè)銀行可以在借款人資質(zhì)審查、材料復(fù)核、風(fēng)險(xiǎn)評(píng)估、產(chǎn)品定價(jià)等任何一個(gè)階段,以正當(dāng)?shù)睦碛删芙^中小企業(yè)的借貸申請(qǐng),從而導(dǎo)致金融資源配置密度在不同規(guī)模、不同所有制結(jié)構(gòu)和不同財(cái)務(wù)杠桿水平的企業(yè)之間的差異(劉瑞明,2011［17］；徐思遠(yuǎn)、洪占卿,2016［18］)。企業(yè)金融密度可以采用戶均企業(yè)存貸款、上市公司密度、證券融資密度、戶均企業(yè)財(cái)產(chǎn)保險(xiǎn)保費(fèi)收入和支出密度來(lái)反映。在政治、經(jīng)濟(jì)社會(huì)環(huán)境的雙重作用下,我國(guó)早期選擇優(yōu)先發(fā)展國(guó)防業(yè)以及重工業(yè),產(chǎn)業(yè)政策引致的行業(yè)金融排斥明顯。隨著金融市場(chǎng)的不斷完善,重點(diǎn)行業(yè)優(yōu)先發(fā)展戰(zhàn)略導(dǎo)致的行業(yè)排斥現(xiàn)象有所減弱,而房地產(chǎn)市場(chǎng)利潤(rùn)高企帶來(lái)的金融資本過(guò)度流入開(kāi)始占主導(dǎo)地位。正規(guī)金融機(jī)構(gòu)的資金大部分流向房地產(chǎn)、信息技術(shù)等新興行業(yè),農(nóng)業(yè)等弱勢(shì)行業(yè)的資金支持嚴(yán)重不足。為了更為全面地評(píng)估行業(yè)金融密度,本文用建筑業(yè)貸款與第二產(chǎn)業(yè)產(chǎn)值占比、房地產(chǎn)貸款與第三產(chǎn)業(yè)產(chǎn)值占比兩個(gè)指標(biāo),從銀行維度反映第三產(chǎn)業(yè)金融密度；工業(yè)類上市公司市值與第二產(chǎn)業(yè)產(chǎn)值占比,從證券維度評(píng)估第二產(chǎn)業(yè)金融密度；農(nóng)業(yè)保險(xiǎn)收入和支出與第一產(chǎn)業(yè)產(chǎn)值占比,從保險(xiǎn)視角測(cè)算第一產(chǎn)業(yè)金融密度。具體的指標(biāo)選取如表1所示。

表1 四層次、三維度金融密度指標(biāo)體系

（二）金融密度指數(shù)的合成方法

1.指標(biāo)無(wú)量綱化處理。

本文借鑒聯(lián)合國(guó)人類發(fā)展指數(shù)編制以及Nathan等(2008)［19］對(duì)其改進(jìn)的方法,從人口、地理、企業(yè)、產(chǎn)業(yè)四個(gè)層面,銀行、證券、保險(xiǎn)三個(gè)維度測(cè)算金融密度指數(shù)。由于指標(biāo)性質(zhì)和計(jì)量單位的不同,需要對(duì)原始數(shù)據(jù)進(jìn)行無(wú)量綱化處理,以便于指標(biāo)之間的對(duì)比和綜合評(píng)價(jià)指標(biāo)體系的構(gòu)建。現(xiàn)有文獻(xiàn)大多采用極差法測(cè)算普惠金融和金融排斥指數(shù)(呂勇斌等,2015［4］；李建軍和盧盼盼,2016［20］)。極差法可以實(shí)現(xiàn)數(shù)據(jù)的歸一化處理,但仍存在兩方面的問(wèn)題,一是極差法將最大值或者最小值作為上下限,但在最大值或最小值出現(xiàn)極端值或異常值的情況下,會(huì)導(dǎo)致映射后指標(biāo)值的異常；二是極差法不會(huì)影響指標(biāo)的橫向可比性,但會(huì)導(dǎo)致不同年份地區(qū)的基準(zhǔn)發(fā)生變化,消除了數(shù)據(jù)原有的時(shí)間變化趨勢(shì),使得處理后的指標(biāo)縱向不可比。鑒于以上兩點(diǎn),本文對(duì)極差法在原有基礎(chǔ)上改進(jìn),并做出如下處理:

首先對(duì)所有數(shù)據(jù)在5%水平下進(jìn)行極端值處理,并且將初始年份高于指標(biāo)實(shí)際值95%分位數(shù)設(shè)為上限max,低于5%分位數(shù)設(shè)為下限min,然后根據(jù)采用改進(jìn)后的極差法對(duì)數(shù)據(jù)進(jìn)行歸一化處理,如式(1)所示。極差法處理后基期指標(biāo)的映射值均在 ［0,1］之間,之后年份映射后的指數(shù)則可能小于0,也可能大于1,指標(biāo)的正負(fù)以及大小反映了時(shí)間變化趨勢(shì)。

式中均為經(jīng)過(guò)5%極端值處理后的數(shù)據(jù)。i表示銀行、證券、保險(xiǎn)三個(gè)維度；z表示人口、地理、企業(yè)、產(chǎn)業(yè)四個(gè)層次,j表示對(duì)應(yīng)的分項(xiàng)指標(biāo)。di,j,z表示在z(z＝1,2,3,4)層次,i(i＝1,2,3)維度下,第j個(gè)指標(biāo)映射后的值；Xi,j,z、maxi,j,z、mini,j,分別表示在z層次i維度,第j個(gè)指標(biāo)的實(shí)際值、最大值與最小值。

2.權(quán)重確定。

在多維度指標(biāo)體系中,權(quán)重的確定方法大致可以分為主觀賦權(quán)法和客觀賦權(quán)法兩類。主觀賦權(quán)法憑借以往經(jīng)驗(yàn)主觀判斷而得,這類方法的客觀性較差。客觀賦權(quán)法則依據(jù)各指標(biāo)的具體數(shù)值計(jì)算得到,包括主成分分析法、方差賦權(quán)法、變異系數(shù)法等。變異系數(shù)法對(duì)于權(quán)重的確定具有科學(xué)性、客觀性以及可操作性。因此,本文用變異系數(shù)法確定權(quán)重。金融密度指標(biāo)賦權(quán)時(shí),涉及單一維度以及多維度指標(biāo)賦權(quán),兩者計(jì)算方法相同,如式(2)和(3)所示。

式中表示在z層次,i維度下第j個(gè)分項(xiàng)指標(biāo)的變異系數(shù)、標(biāo)準(zhǔn)差、平均值和權(quán)重。

3.指數(shù)合成。

在多維指標(biāo)體系中,指數(shù)合成能夠?qū)⒍鄠€(gè)指標(biāo)的不同方面進(jìn)行綜合反映,從而得到一個(gè)更為全面、完善、準(zhǔn)確的指標(biāo)體系。本文運(yùn)用加權(quán)算數(shù)平均法進(jìn)行指數(shù)合成,如式(4)所示。

其中,dz、wi,z和di,z分別表示在z層次,銀行、證券、保險(xiǎn)三維度金融密度合成指標(biāo)、i維度指標(biāo)權(quán)重以及i維度金融密度合成指數(shù)。CVi,z和CVi,j,z表示在z層次i維度、z層次i維度下第j個(gè)分項(xiàng)指標(biāo)的變異系數(shù)。di,j,z代表z金融密度層次i維度下,j指標(biāo)的映射值。

（三）我國(guó)金融密度指數(shù)的測(cè)度

本文選取中國(guó)31個(gè)省、直轄市和自治區(qū)作為樣本,分別從銀行、證券、保險(xiǎn)三個(gè)維度,人口、地理、企業(yè)、產(chǎn)業(yè)四個(gè)層面測(cè)算2006—2014年金融密度指數(shù)。企業(yè)數(shù)目數(shù)據(jù)只包括2010、2011、2012以及2014年的數(shù)據(jù),因此,受限于數(shù)據(jù)的可得性,只測(cè)算這四年的金融密度指數(shù),數(shù)據(jù)來(lái)源于 《中國(guó)區(qū)域金融運(yùn)行報(bào)告》、《中國(guó)證券期貨統(tǒng)計(jì)年鑒》、國(guó)泰安數(shù)據(jù)庫(kù)以及wind數(shù)據(jù)庫(kù)。人口、地理、企業(yè)以及產(chǎn)業(yè)金融密度的測(cè)算結(jié)果如附錄表6～表9所示。

人口金融密度的測(cè)算結(jié)果表明①受限制于文章篇幅的限制,人口、地理、企業(yè)和產(chǎn)業(yè)金融密度的測(cè)算結(jié)果不在文中顯示,讀者可以向作者索要測(cè)算結(jié)果。:縱向?qū)Ρ?2006—2014年人口金融密度指數(shù)整體呈上升趨勢(shì)。從區(qū)域分布來(lái)看,東部地區(qū)金融密度指數(shù)最高,其中北京和上海2014年人口金融密度指數(shù)分別為0.785 3和0.796 1,遠(yuǎn)超2014年?yáng)|部地區(qū)均值水平(0.528 7)。東北地區(qū)人口金融資源的密集程度低于東部,但仍高于中、西部。我國(guó)中、西部地區(qū)人均金融資源較為稀缺,2006—2014年江西、安徽、甘肅、廣西、云南、貴州的人口金融密度的均值小于0.10。可見(jiàn),人口金融密度表現(xiàn)出一定的地區(qū)性差異,東部地區(qū)金融密度指數(shù)高于中、西部地區(qū),人口金融資源配置水平密集度較高的城市大多集中在人均收入水平高、基礎(chǔ)設(shè)施相對(duì)完善、經(jīng)濟(jì)發(fā)達(dá)的一線城市。

地理金融密度呈逐年上升趨勢(shì),但省際差異很大。2014年?yáng)|部、中部、西部、東北四大地區(qū)平均地理金融密度指數(shù)分別為0.528 7、0.243 6、0.197 0和0.310 4,東部最高,東北地區(qū)其次,中西部較低。東部地區(qū)中北京、上海、廣東、江蘇、天津、浙江的密度指數(shù)較高,河北和海南兩地較低。西部地區(qū)的密度水平在四個(gè)地區(qū)中是最低的,2006—2014年地理金融密度水平排名后十位的省市中,西部地區(qū)占九個(gè),分別是西藏、青海、新疆、內(nèi)蒙古、甘肅、云南、貴州、四川和廣西?？梢?jiàn)西部地區(qū)在儲(chǔ)蓄、信貸、理財(cái)以及保險(xiǎn)等金融產(chǎn)品的可得性和使用性上較差,地理密度不僅在不同區(qū)域之間存在差距,同一地區(qū)的省份之間的金融密度水平也不盡相同。

通過(guò)對(duì)人口和地理金融密度的橫、縱向?qū)Ρ?我們可以發(fā)現(xiàn)人口、地理兩個(gè)層面上的金融密度指數(shù)在截面特征和時(shí)間趨勢(shì)上表現(xiàn)比較一致,即東部地區(qū)對(duì)金融資本的吸引力最強(qiáng),金融機(jī)構(gòu)更愿意為東部人口和區(qū)域提供金融產(chǎn)品和服務(wù)。金融資源的分布存在嚴(yán)重的地區(qū)傾向性和非均衡性。

企業(yè)金融密度反映企業(yè)從商業(yè)銀行、證券公司和保險(xiǎn)公司獲得貸款、上市募集資金、財(cái)產(chǎn)保險(xiǎn)等金融產(chǎn)品的程度。通過(guò)對(duì)2010,2011,2012和2014年各個(gè)省份以及四大地區(qū)的企業(yè)金融密度指數(shù)的測(cè)算,我們發(fā)現(xiàn)東、中、西部和東北四個(gè)地區(qū)企業(yè)金融密度比較平穩(wěn),不存在明顯的時(shí)間變化趨勢(shì)。從各個(gè)地區(qū)來(lái)看,2010—2014年中部、東部、西部和東北地區(qū)企業(yè)金融密度的均值分別為0.287 1、0.254 7、0.325 4和0.411 1,東北企業(yè)金融密度略高于其他區(qū)域?？梢?jiàn),企業(yè)金融密度與人口、地理金融密度的表現(xiàn)截然不同,地區(qū)性差異并不明顯。金融機(jī)構(gòu)是否會(huì)對(duì)當(dāng)?shù)仄髽I(yè)提供金融支持,主要取決于企業(yè)自身的所有制結(jié)構(gòu)、經(jīng)營(yíng)風(fēng)險(xiǎn)、成長(zhǎng)性等因素,區(qū)域經(jīng)濟(jì)發(fā)展水平等外部因素對(duì)其影響較小。

產(chǎn)業(yè)金融密度是將銀行維度下第三產(chǎn)業(yè)密度、證券維度下第二產(chǎn)業(yè)密度以及保險(xiǎn)維度下第三產(chǎn)業(yè)密度進(jìn)行指數(shù)合成之后的結(jié)果。產(chǎn)業(yè)金融密度的測(cè)算結(jié)果顯示:東部地區(qū)產(chǎn)業(yè)金融密度最高,北京、上海兩地2006—2014年平均產(chǎn)業(yè)金融密度為1.212 0和1.038 2,遠(yuǎn)高于全國(guó)平均值0.305 7。東北和西部地區(qū)產(chǎn)業(yè)金融密度僅次于東部地區(qū)。中部地區(qū)產(chǎn)業(yè)金融密度最低,中部六個(gè)省市產(chǎn)業(yè)金融密度全部小于全國(guó)均值,其中河南(0.080 6)、山西(0.176 7)、湖北(0.176 9)的產(chǎn)業(yè)金融密度小于0.18。因此,產(chǎn)業(yè)金融密度分布存在區(qū)域配置不平衡現(xiàn)象,東部地區(qū)產(chǎn)業(yè)金融資源十分充足,中部地區(qū)三大產(chǎn)業(yè)金融供給嚴(yán)重不足。產(chǎn)業(yè)金融密度在不同省份之間的配置情況主要由政府產(chǎn)業(yè)支持政策以及產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級(jí)兩個(gè)因素驅(qū)動(dòng)。東北地區(qū)初期的金融密度指數(shù)較高,這與東北地區(qū)優(yōu)先發(fā)展重工業(yè)的產(chǎn)業(yè)政策以及銀行對(duì)工業(yè)資本強(qiáng)烈的路徑依賴效應(yīng)緊密相關(guān)(張輝等,2016［21］)。而隨著我國(guó)產(chǎn)業(yè)結(jié)構(gòu)不斷轉(zhuǎn)型升級(jí),大量信息技術(shù)、通信、互聯(lián)網(wǎng)行業(yè)在東部地區(qū)快速發(fā)展,新型產(chǎn)業(yè)的高成長(zhǎng)性吸納了大量資金。2006年?yáng)|部地區(qū)平均產(chǎn)品金融密度為0.163 3,但在2014年上升到0.522 1,可見(jiàn),由技術(shù)創(chuàng)新、產(chǎn)業(yè)結(jié)構(gòu)引致的金融資本流動(dòng),對(duì)我國(guó)金融資源在不同產(chǎn)業(yè)之間的配置趨勢(shì)產(chǎn)生顯著的影響。

圖1 2006—2014年各省份四層次金融密度平均指數(shù)

三、計(jì)量模型與實(shí)證檢驗(yàn)

（一）金融密度差異影響因素模型的構(gòu)建

金融機(jī)構(gòu)在不同微觀主體之間的資源分布狀態(tài)受到需求方自身結(jié)構(gòu)以及政策規(guī)制、信息化水平、經(jīng)濟(jì)發(fā)達(dá)程度等外部因素的影響。本文在四層次、三維度金融密度指數(shù)測(cè)算的基礎(chǔ)上,從需求方結(jié)構(gòu)、地方政府政策、信息化程度以及宏觀經(jīng)濟(jì)環(huán)境四個(gè)方面探究人口、地理、企業(yè)以及產(chǎn)業(yè)金融密度差異的決定因素。

1.人口金融差異影響因素模型的構(gòu)建。

正規(guī)金融機(jī)構(gòu)對(duì)高收入優(yōu)質(zhì)客戶的青睞,對(duì)低收入、農(nóng)村居民等弱勢(shì)群體的歧視,導(dǎo)致了人口金融密度差異。金融機(jī)構(gòu)對(duì)不同居民的金融排斥行為受到性別、年齡、教育水平、家庭結(jié)構(gòu)、宗教信仰等多方面因素的影響。通常情況下,女性的風(fēng)險(xiǎn)厭惡程度明顯高于男性,金融機(jī)構(gòu)會(huì)根據(jù)性別結(jié)構(gòu)導(dǎo)致的風(fēng)險(xiǎn)承受能力的不同,進(jìn)行策略性營(yíng)銷(李濤等,2010［9］)。但女性的風(fēng)險(xiǎn)規(guī)避傾向并非與生俱來(lái),同時(shí)會(huì)受到年齡、收入狀況、教育水平等因素的 影 響 (Christiansen 等,2009［22］； 潘 麗 群 等,2015［23］),考慮到性別結(jié)構(gòu)的內(nèi)生影響路徑,我們認(rèn)為單純由性別導(dǎo)致的金融密度差異可能并不明顯。人口結(jié)構(gòu)中除性別因素外,農(nóng)村人口規(guī)模也可能會(huì)影響到當(dāng)?shù)厝丝诮鹑诿芏人?王修華等,2013［24］)。教育程度也是導(dǎo)致弱勢(shì)群體受到排擠的決定因素之一。一般而言,高學(xué)歷人群對(duì)金融的認(rèn)知能力很強(qiáng),更能理解資源跨期配置、高杠桿以及收益不確定的金融本質(zhì),并且受教育年限長(zhǎng)的居民,違約風(fēng)險(xiǎn)也相對(duì)更低。因此,金融機(jī)構(gòu)更愿意將教育水平高的居民作為首選客戶(王修華等,2013［23］；Guiso 等,2008［25］)。Devlin(2005)［26］提出居民的財(cái)富狀況也會(huì)影響其受金融排斥的程度。收入水平高、家庭資產(chǎn)多、家庭負(fù)債少的家庭意味著其受到的信貸約束較弱,這類居民成為金融機(jī)構(gòu)青睞的服務(wù)對(duì)象。

在已有文獻(xiàn)研究的基礎(chǔ)上,我們將人口結(jié)構(gòu)、教育程度、收入水平作為解釋變量。由于互聯(lián)網(wǎng)和移動(dòng)互聯(lián)網(wǎng)的發(fā)展有助于彌合數(shù)字鴻溝,在一定程度上反映了當(dāng)?shù)氐募夹g(shù)發(fā)展水平和基礎(chǔ)設(shè)施情況,因此,選取移動(dòng)電話用戶與當(dāng)?shù)厝丝诘谋戎底鳛樾畔l(fā)展程度的代理變量。此外,我們選取地方財(cái)政支出占GDP比重來(lái)反映地方政府對(duì)經(jīng)濟(jì)的政策支持力度。GDP和物價(jià)水平用以衡量經(jīng)濟(jì)環(huán)境。人口金融密度決定因素模型構(gòu)建如式(5)所示。

式中DensityP為人口金融密度,Rural為鄉(xiāng)村人口占比,Edu為大專及以上人口占比,Personalrev為人均收入水平,Telusers是移動(dòng)電話用戶與地區(qū)人數(shù)占比。Policy、GDP、CPI分別為地方政府財(cái)政支出占比、地方GDP占比和價(jià)格環(huán)比指數(shù)。

2.地理金融差異影響因素模型的構(gòu)建。

國(guó)內(nèi)外對(duì)金融排斥最早關(guān)注于金融網(wǎng)絡(luò)的地理可及性,20世紀(jì)90年代以后,隨著股份制銀行的進(jìn)入,信托、證券和保險(xiǎn)公司的多元化經(jīng)營(yíng),金融機(jī)構(gòu)之間的競(jìng)爭(zhēng)加劇,國(guó)有銀行的壟斷經(jīng)營(yíng)利潤(rùn)被攤薄。于是部分金融中介選擇關(guān)閉農(nóng)村偏遠(yuǎn)地區(qū)、小城市的營(yíng)業(yè)網(wǎng)點(diǎn),將金融服務(wù)對(duì)象定位于經(jīng)濟(jì)發(fā)達(dá)地區(qū),以實(shí)現(xiàn)資本的快速增值(王修華和邱兆祥,2010［27］)。金融機(jī)構(gòu)的地理排斥行為直接引起了弱勢(shì)地區(qū)金融資源的稀缺性(許圣道和田霖,2008［10］)。我們擬用鄉(xiāng)村人口占比和固定資產(chǎn)投資占地區(qū)GDP比重來(lái)分別作為區(qū)域結(jié)構(gòu)和區(qū)域社會(huì)投資水平的代理變量,并用移動(dòng)電話地理覆蓋率、地區(qū)GDP占比和通貨膨脹率反映當(dāng)?shù)匦畔⒒揭约敖?jīng)濟(jì)發(fā)展?fàn)顩r,模型如下所示。

其中DensityG為地理金融密度,Rural為鄉(xiāng)村人口占比,Fixassetinv為地區(qū)固定資產(chǎn)投資總額占地區(qū)GDP比重,Telcover為移動(dòng)電話用戶/區(qū)域面積來(lái)反映信息化地理覆蓋率。

3.企業(yè)金融差異影響因素模型的構(gòu)建。

我國(guó)中小企業(yè)存在嚴(yán)重的信貸歧視問(wèn)題。李建軍和張丹俊(2015)［7］從地理排斥、評(píng)估排斥、條件排斥、自我排斥和信息排斥五個(gè)維度測(cè)算了中小企業(yè)金融排斥的省際差異及不同金融排斥構(gòu)成因素的貢獻(xiàn)程度。大型金融機(jī)構(gòu)單位貸款處理成本與貸款規(guī)模的聯(lián)動(dòng)效應(yīng)決定了其必然會(huì)忽視中小企業(yè)的融資需求(Loury,1998［28］)。在信息不對(duì)稱條件下,商業(yè)銀行很難識(shí)別出企業(yè)的還款能力和貸款風(fēng)險(xiǎn),此時(shí),銀行貸款的“規(guī)模效應(yīng)”和“所有制偏好”更為明顯?？梢?jiàn),主流金融機(jī)構(gòu)對(duì)大型國(guó)有企業(yè)和中小企業(yè)的金融排斥行為,導(dǎo)致了企業(yè)在信貸、投資、資產(chǎn)管理、保險(xiǎn)等金融資源配置上的差異,表現(xiàn)為企業(yè)金融密度差異。國(guó)有所有制傳遞著政府隱性擔(dān)保的信號(hào),而經(jīng)營(yíng)狀況和財(cái)務(wù)杠桿率則是銀行識(shí)別企業(yè)破產(chǎn)風(fēng)險(xiǎn)和融資能力的主要渠道。因此,我們將所有制結(jié)構(gòu)、上市公司凈資產(chǎn)收益率以及資產(chǎn)負(fù)債率作為企業(yè)需求因素進(jìn)行考察,信息化發(fā)展水平用企業(yè)信息化發(fā)展指數(shù)來(lái)反映,實(shí)證模型如式(7)所示。

其中DensityE為企業(yè)金融密度,Nature為國(guó)有企業(yè)法人單位數(shù)占比,ROA和Lev分別為上市公司平均資產(chǎn)收益率和資產(chǎn)負(fù)債率,Inforindex是企業(yè)信息化發(fā)展指數(shù),用以反映當(dāng)?shù)仄髽I(yè)信息發(fā)展水平。

4.產(chǎn)業(yè)金融差異影響因素模型的構(gòu)建。

我國(guó)金融資本在產(chǎn)業(yè)之間分配也存在不均衡的現(xiàn)象。銀行信貸資金大部分流向房地產(chǎn)、信息技術(shù)等高利潤(rùn)、高成長(zhǎng)性的行業(yè),農(nóng)業(yè)等弱勢(shì)產(chǎn)業(yè)很難從金融市場(chǎng)融入資金。我國(guó)產(chǎn)業(yè)資源配置失衡主要源于兩點(diǎn)原因,其一,農(nóng)業(yè)在中國(guó)仍屬于弱質(zhì)型產(chǎn)業(yè),具有收入低、季節(jié)性變化大、風(fēng)險(xiǎn)高等特點(diǎn)。農(nóng)業(yè)貸款面臨交易成本高、貸款額度小、貸款難度大、道德風(fēng)險(xiǎn)較高等問(wèn)題。因此,金融機(jī)構(gòu)通過(guò)嚴(yán)格的農(nóng)村信貸發(fā)放條件以及較高的貸款成本,使得這部分金融需求無(wú)法得到滿足。其二,政府對(duì)重點(diǎn)產(chǎn)業(yè)的偏向型政策以及銀行產(chǎn)業(yè)投資的依賴性也會(huì)導(dǎo)致資源有意識(shí)地向這些產(chǎn)業(yè)流動(dòng)(宋凌云和王賢彬,2013［29］)。本文將從產(chǎn)業(yè)結(jié)構(gòu)、地方政府財(cái)政支出水平、信息發(fā)展水平以及宏觀經(jīng)濟(jì)環(huán)境構(gòu)建金融密度決定因素模型,如式(8)所示。

DensityI是產(chǎn)業(yè)金融密度水平,Industhird為第三產(chǎn)業(yè)與第二產(chǎn)業(yè)占比,Indusecond為第二產(chǎn)業(yè)與第一產(chǎn)業(yè)占比,兩者均為產(chǎn)業(yè)結(jié)構(gòu)的代理變量。Posttelpro是交通運(yùn)輸、倉(cāng)儲(chǔ)及郵電通信業(yè)占第三產(chǎn)業(yè)比重,反映當(dāng)?shù)匦畔a(chǎn)業(yè)發(fā)展情況。

（二）金融密度差異影響因素模型的實(shí)證檢驗(yàn)

為了探究銀行、證券、保險(xiǎn)三個(gè)維度下以及合成的金融密度指數(shù)的決定因素,我們將四個(gè)層次下人口金融密度、銀行人口金融密度、證券人口金融密度、保險(xiǎn)人口金融密度分別作為被解釋變量,檢驗(yàn)金融密度空間分布差異的影響因素,如表2所示。模型(1)是人口金融密度決定因素的實(shí)證結(jié)果,我們可以看到人口結(jié)構(gòu)、教育程度和收入水平的影響分別在10%、5%和1%的水平下是顯著的。鄉(xiāng)村人口占比低、教育程度高、收入水平高的地區(qū)所在的居民更容易獲得金融服務(wù)?？梢?jiàn),金融機(jī)構(gòu)基于違約風(fēng)險(xiǎn)和還款能力的考慮,更傾向于將金融資源從弱勢(shì)、高風(fēng)險(xiǎn)群體向高學(xué)歷、高收入的城鎮(zhèn)人口轉(zhuǎn)移。信息化程度的系數(shù)顯著為正,手機(jī)覆蓋率每提高1%,金融密度指數(shù)將增加0.774%。隨著替代性金融體系的發(fā)展,移動(dòng)金融將逐步取代傳統(tǒng)金融機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)的模式,提高居民信貸、理財(cái)、保險(xiǎn)金融服務(wù)的可得性,促進(jìn)金融普惠性的實(shí)現(xiàn)。模型(2)、模型(3)、模型(4)對(duì)應(yīng)銀行、證券、保險(xiǎn)人口金融密度決定因素的實(shí)證結(jié)果。其中,人均收入、信息化程度均對(duì)銀行人口金融密度有顯著正向效應(yīng),教育程度的提高則會(huì)緩解證券、保險(xiǎn)機(jī)構(gòu)在對(duì)特定人群的金融排斥行為。因此,政府可以通過(guò)改善人口結(jié)構(gòu)、加強(qiáng)金融教育、完善收入分配制度以及提高手機(jī)、網(wǎng)絡(luò)普及率等方式,從根本上解決金融密度在不同人群分配不均的問(wèn)題。

表2 人口金融密度決定因素模型實(shí)證檢驗(yàn)結(jié)果

續(xù)前表

從表3中可以得到地理金融密度主要受到區(qū)域內(nèi)信息化程度的影響,手機(jī)地理覆蓋率每增加1%,地理金融密度提高1.196%,其他因素的效應(yīng)不明顯。在模型(2)銀行維度下地理金融密度的決定因素中,地區(qū)固定資產(chǎn)投資占比對(duì)銀行地理金融密度有顯著的正向影響,全社會(huì)固定資產(chǎn)投資占比增加1%,銀行地理金融密度水平提高0.448%。模型(3)和模型(4)對(duì)應(yīng)證券、保險(xiǎn)金融密度的實(shí)證結(jié)果,只有信息化程度的系數(shù)是顯著為正的,區(qū)域結(jié)構(gòu)、地方政府支出占比和經(jīng)濟(jì)因素對(duì)證券、保險(xiǎn)金融密度幾乎沒(méi)有影響。

表3 地理金融密度決定因素模型實(shí)證檢驗(yàn)結(jié)果

續(xù)前表

表4給出了企業(yè)金融密度影響因素的回歸結(jié)果。模型(1)中,國(guó)有企業(yè)法人單位數(shù)占比和企業(yè)信息化指數(shù)的系數(shù)為正,在1%水平上顯著,凈資產(chǎn)收益率系數(shù)不顯著,財(cái)務(wù)杠桿系數(shù)在10%水平上顯著為負(fù)?？梢?jiàn),國(guó)有企業(yè)占比越高、企業(yè)財(cái)務(wù)杠桿比率越低、企業(yè)信息化指數(shù)越高的省份,企業(yè)金融密度水平越高。金融機(jī)構(gòu)基于抵押品價(jià)值、政府隱性擔(dān)保、經(jīng)營(yíng)風(fēng)險(xiǎn)的考慮,更傾向于將資產(chǎn)分配到國(guó)有、財(cái)務(wù)風(fēng)險(xiǎn)低、信息化程度高的企業(yè),當(dāng)?shù)卣吆徒?jīng)濟(jì)發(fā)展程度對(duì)企業(yè)金融密度幾乎沒(méi)有影響。模型(2)、模型(3)和模型(4)分別是銀行、證券、保險(xiǎn)金融密度決定因素的實(shí)證檢驗(yàn)結(jié)果,其中企業(yè)所有制性質(zhì)依然是銀行、證券、保險(xiǎn)資源傾向性配置的決定性因素。但銀行和證券兩者在企業(yè)經(jīng)營(yíng)績(jī)效對(duì)金融資源的效應(yīng)上表現(xiàn)出一定的背離,證券公司更愿意為經(jīng)營(yíng)狀況良好的企業(yè)提供投融資服務(wù),然而企業(yè)凈資產(chǎn)收益率對(duì)銀行企業(yè)金融密度有負(fù)向影響。對(duì)于這種背離主要有兩方面的考慮:第一,由于數(shù)據(jù)的局限性,我們選取當(dāng)?shù)厣鲜泄酒骄Y產(chǎn)負(fù)債率和凈經(jīng)營(yíng)資產(chǎn)收益率作為全部企業(yè)資產(chǎn)負(fù)債率和凈經(jīng)營(yíng)資產(chǎn)收益率的代理指標(biāo),證券公司更愿意為經(jīng)營(yíng)績(jī)效高的企業(yè)提供投融資服務(wù)；但銀行提供存貸款業(yè)務(wù)的企業(yè)與上市公司在公司選擇上可能存在一定的偏差,進(jìn)而導(dǎo)致企業(yè)凈經(jīng)營(yíng)資產(chǎn)收益率對(duì)銀行、證券金融密度的影響存在差異；第二,銀行更愿意將信貸資金分配給國(guó)有、大型企業(yè),經(jīng)營(yíng)效率并不是其決定是否放貸的主要因素,而國(guó)有、大型企業(yè)一般都是成長(zhǎng)性較弱、生產(chǎn)經(jīng)營(yíng)效率較低的企業(yè),實(shí)證結(jié)果上表現(xiàn)為凈經(jīng)營(yíng)資產(chǎn)收益率對(duì)銀行企業(yè)金融密度的負(fù)向影響。

表4 企業(yè)金融密度決定因素模型實(shí)證檢驗(yàn)結(jié)果

續(xù)前表

表5給出了產(chǎn)業(yè)金融密度決定因素的實(shí)證結(jié)果,模型(1)表明產(chǎn)業(yè)金融密度與產(chǎn)業(yè)結(jié)構(gòu)緊密相關(guān),第三產(chǎn)業(yè)與第二產(chǎn)業(yè)占比、第二產(chǎn)業(yè)與第一產(chǎn)業(yè)占比的提高會(huì)增加產(chǎn)業(yè)金融資源的配置水平。其他因素對(duì)產(chǎn)業(yè)資源的空間分布狀態(tài)幾乎沒(méi)有影響。模型(2)的被解釋變量是建筑業(yè)貸款和房地產(chǎn)貸款合成密度指數(shù),從銀行角度測(cè)算了第三產(chǎn)業(yè)金融密度水平,可以看到,第二產(chǎn)業(yè)與第一產(chǎn)業(yè)占比的提高,會(huì)降低銀行金融密度水平。地方政府財(cái)政支出的增加也會(huì)提高銀行在建筑業(yè)和房地產(chǎn)行業(yè)信貸資金的配給。從模型(3)和模型(4)的R2分別是0.055和0.189來(lái)看,模型的解釋作用不強(qiáng)。產(chǎn)業(yè)金融密度的擬合值是0.599,表明產(chǎn)業(yè)結(jié)構(gòu)在一定程度上決定了金融資源在三大產(chǎn)業(yè)上的分布狀態(tài)。

表5 產(chǎn)業(yè)密度決定因素模型實(shí)證檢驗(yàn)結(jié)果

續(xù)前表

（三）穩(wěn)健性檢驗(yàn)

為了考察本文實(shí)證結(jié)果的可靠性,本文對(duì)四層次、三維度金融密度影響因素模型的估計(jì)結(jié)果進(jìn)行穩(wěn)健性檢驗(yàn)①限于文章篇幅要求,穩(wěn)健性檢驗(yàn)結(jié)果不在文中顯示,讀者可向作者索要。。首先,考慮到在金融密度水平的不同階段,影響因素對(duì)金融資源在人口、地理、企業(yè)和產(chǎn)業(yè)之間的差異性作用機(jī)制,我們采用分位數(shù)回歸方法對(duì)原有模型進(jìn)行實(shí)證檢驗(yàn),主要估計(jì)系數(shù)的方向和顯著性沒(méi)有發(fā)生改變；其次,考慮到經(jīng)濟(jì)增長(zhǎng)與金融密度之間因相互作用導(dǎo)致的內(nèi)生性問(wèn)題,我們使用工具變量回歸進(jìn)行實(shí)證分析,得到的實(shí)證結(jié)果與原有回歸結(jié)果相一致,因此,本文的結(jié)論是穩(wěn)健的。

四、結(jié)論與政策建議

本文從被歧視經(jīng)濟(jì)主體的差異出發(fā),構(gòu)建四層次、三維度金融密度指標(biāo)體系,并且在金融密度指數(shù)測(cè)算的基礎(chǔ)上,實(shí)證檢驗(yàn)了人口、地理、企業(yè)和產(chǎn)業(yè)金融密度差異的影響因素。從金融密度測(cè)算結(jié)果可以看出,我國(guó)金融資源在人口、地理、企業(yè)和產(chǎn)業(yè)之間存在分布不均衡現(xiàn)象,儲(chǔ)蓄、信貸、投資理財(cái)以及保險(xiǎn)在東部地區(qū)的密集度高于中、西部地區(qū),但地區(qū)之間企業(yè)金融密度的差異較小。對(duì)金融密度差異性決定因素進(jìn)行實(shí)證檢驗(yàn)發(fā)現(xiàn),鄉(xiāng)村人口占比低、教育程度高、人均收入水平高的地區(qū),人口金融密度水平高。手機(jī)地理覆蓋率也會(huì)對(duì)地理金融密度產(chǎn)生一定的影響。企業(yè)所有制結(jié)構(gòu)、財(cái)務(wù)杠桿率和信息化水平是決定其能否獲得金融資源的關(guān)鍵所在。產(chǎn)業(yè)結(jié)構(gòu)會(huì)顯著影響產(chǎn)業(yè)金融資本的分布狀態(tài)。此外,地方政府財(cái)政支出占比、當(dāng)?shù)亟?jīng)濟(jì)發(fā)達(dá)程度等外部因素也會(huì)對(duì)人口、地理、企業(yè)和產(chǎn)業(yè)金融密度造成一定的影響。

基于以上結(jié)論,我們認(rèn)為,建設(shè)中國(guó)普惠金融體系應(yīng)當(dāng)從改進(jìn)金融密度入手。要改善經(jīng)濟(jì)主體的自身因素和加強(qiáng)外部環(huán)境,鼓勵(lì)銀行、證券、保險(xiǎn)向弱勢(shì)群體提供金融產(chǎn)品和服務(wù),縮小金融密度差異,以緩解金融資源區(qū)域性分布不均衡的問(wèn)題。對(duì)于加強(qiáng)金融需求方自身競(jìng)爭(zhēng)力方面,首先,在弱勢(shì)人口層面,應(yīng)當(dāng)對(duì)教育程度較低以及農(nóng)村居民加強(qiáng)金融知識(shí)的培訓(xùn),使其更能理解貸款還款付息的本質(zhì)以及投資理財(cái)?shù)娘L(fēng)險(xiǎn),以期提高低收入和農(nóng)村人口的金融參與度,降低違約概率。政府部門(mén)則應(yīng)完善收入分配政策,推進(jìn)“金字塔型”向“橄欖型”收入分配結(jié)構(gòu)的演進(jìn)。其次,偏遠(yuǎn)地區(qū)需要關(guān)注所在區(qū)位的地理特征,切忌盲目投資,應(yīng)當(dāng)關(guān)注到空間區(qū)域主體之間的協(xié)同和制約機(jī)制。對(duì)于網(wǎng)點(diǎn)布局成本高、貸款主體風(fēng)險(xiǎn)高的地區(qū),可以通過(guò)提高網(wǎng)絡(luò)和手機(jī)的覆蓋率,借助互聯(lián)網(wǎng)金融解決傳統(tǒng)金融機(jī)構(gòu)因成本—收益不配比導(dǎo)致的金融資源移出的困境。再次,通過(guò)拓寬企業(yè)融資渠道、提高企業(yè)資產(chǎn)擔(dān)保能力等手段緩解正規(guī)金融機(jī)構(gòu)對(duì)于中小企業(yè)的歧視行為。最后,對(duì)于農(nóng)業(yè)等弱勢(shì)產(chǎn)業(yè),僅依靠商業(yè)銀行、保險(xiǎn)公司意愿提供必然會(huì)導(dǎo)致金融有效供給不足。因此,政府應(yīng)當(dāng)通過(guò)財(cái)政補(bǔ)貼、設(shè)計(jì)針對(duì)性金融產(chǎn)品等方式為弱勢(shì)產(chǎn)業(yè)提供最基本的貸款和保險(xiǎn)服務(wù)。同時(shí),完善產(chǎn)業(yè)結(jié)構(gòu)、發(fā)揮優(yōu)勢(shì)產(chǎn)業(yè)引領(lǐng)作用,改善目前產(chǎn)業(yè)資本布局失衡的狀態(tài)。此外,地方政府還可以通過(guò)適當(dāng)增加財(cái)政支出水平、調(diào)整稅制結(jié)構(gòu)、增加財(cái)政補(bǔ)貼、加強(qiáng)金融基礎(chǔ)設(shè)施建設(shè)、提升經(jīng)濟(jì)增長(zhǎng)活力等方式吸引資本回流,實(shí)現(xiàn)公平性、包容性的金融發(fā)展策略。

附 錄

表6 人口金融密度指數(shù)

表7 地理金融密度指數(shù)

表8 企業(yè)金融密度指數(shù)

表9 產(chǎn)業(yè)金融密度指數(shù)

［1］Leyshon A,Thrift N.The Restructuring of the UK Financial Services Industry in the 1990s:A Reversal of Fortune ［J］.Journal of Rural Studies,1993,9(3):223－241.

［2］Kempson E,Whyley C,Foundation J R.Kept out or Opted out？ Understanding and Combating Financial Exclusion ［M］.Bristol UK:the Policy Press,1999.

［3］Regan S,Paxton W.Beyond Bank Accounts:Full Financial Inclusion［M］.London Institute for Public Policy Research and Citizens Advice Bureau,2003.

［4］呂勇斌,鄧薇,顏潔.金融包容視角下我國(guó)區(qū)域金融排斥測(cè)度與影響因素的空間分析 ［J］.宏觀經(jīng)濟(jì)研究,2015(12):51－62.

［5］田霖.我國(guó)金融排斥的城鄉(xiāng)二元性研究 ［J］.中國(guó)工業(yè)經(jīng)濟(jì),2011(2):36－45.

［6］孟德鋒,盧亞娟,方金兵.金融排斥視角下村鎮(zhèn)銀行發(fā)展的影響因素分析 ［J］.經(jīng)濟(jì)學(xué)動(dòng)態(tài),2012(9):70－73.

［7］李建軍,張丹俊.中小企業(yè)金融排斥程度的省域差異 ［J］.經(jīng)濟(jì)理論與經(jīng)濟(jì)管理,2015(8):92－103.

［8］Kempson E.In or out？ Financial exclusion:Liferafure and Research Review ［R］.Consumer Research Paper,No.3,London 2000.

［9］李濤,王志芳,王海港等.中國(guó)城市居民的金融受排斥狀況研究 ［J］.經(jīng)濟(jì)研究,2010(7):15－30.

［10］許圣道,田霖.我國(guó)農(nóng)村地區(qū)金融排斥研究 ［J］.金融研究,2008(7):195－206.

［11］董曉林,徐虹.我國(guó)農(nóng)村金融排斥影響因素的實(shí)證分析——基于縣域金融機(jī)構(gòu)網(wǎng)點(diǎn)分布的視角 ［J］.金融研究,2012(9):115－126.

［12］Porteous D J.The Geography of Finance:Spatial Dimensions of Intermediary Behavior:Aldershot；Brookfield,USA:Avebury.1995.

［13］石盛林.縣域金融對(duì)經(jīng)濟(jì)增長(zhǎng)的影響機(jī)理——基于DEA方法的前沿分析 ［J］.財(cái)貿(mào)經(jīng)濟(jì),2011(4):68－72.

［14］田杰,陶建平.農(nóng)村金融密度對(duì)農(nóng)村經(jīng)濟(jì)增長(zhǎng)的影響——來(lái)自我國(guó)1 883個(gè)縣(市)面板數(shù)據(jù)的實(shí)證研究 ［J］.經(jīng)濟(jì)經(jīng)緯,2012(1):108－111.

［15］楊德勇,陳妍,辛士波.區(qū)域視角下我國(guó)農(nóng)村金融差異的影響因素分析 ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2014(8):22－30.

［16］石盛林.縣域金融密度與經(jīng)濟(jì)增長(zhǎng)的實(shí)證研究:基于壟斷競(jìng)爭(zhēng)的解釋 ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2011(4):39－44.

［17］劉瑞明.金融壓抑、所有制歧視與增長(zhǎng)拖累——國(guó)有企業(yè)效率損失再考察 ［J］.經(jīng)濟(jì)學(xué):季刊,2011(2):603－618.

［18］徐思遠(yuǎn),洪占卿.信貸歧視下的金融發(fā)展與效率拖累 ［J］.金融研究,2016(5):51－64.

［19］Nathan H S K,Reddy B S,Mishra S.An Alternative Approach to Measure HDI ［R］.Indira Gandhi Institute of Development Researching Paper No.001,2008.

［20］李建軍,盧盼盼.中國(guó)居民金融服務(wù)包容性測(cè)度與空間差異 ［J］.經(jīng)濟(jì)地理,2016(3):118－124.

［21］張輝,劉鵬,于濤,安虎森,戚安邦.金融空間分布、異質(zhì)性與產(chǎn)業(yè)布局 ［J］.中國(guó)工業(yè)經(jīng)濟(jì),2016(12):40－57.

［22］Christiansen C,Rangvid J,Joensen J S.Fiction or Fact:Systematic Gender Differences in Financial Investments？ ［R］.Working Paper,SSRN,2009.

［23］潘麗群,李靜,蹤家峰.教育同質(zhì)性婚配與家庭收入不平等 ［J］.中國(guó)工業(yè)經(jīng)濟(jì),2015(8):35－49.

［24］王修華,傅勇,賀小金,譚開(kāi)通.中國(guó)農(nóng)戶受金融排斥狀況研究——基于我國(guó)8省29縣1 547戶農(nóng)戶的調(diào)研數(shù)據(jù) ［J］.金融研究,2013(7):139－152.

［25］Guiso L,Sapienza P,Zingales L.Trusting the Stock Market ［J］.Journal of Finance,2005,63(6):2557 －2600.

［26］Devlin J F.A Detailed Study of Financial Exclusion in the UK ［J］.Journal of Consumer Policy,2005,28(1):75 －108.

［27］王修華,邱兆祥.農(nóng)村金融排斥:現(xiàn)實(shí)困境與破解對(duì)策 ［J］.中央財(cái)經(jīng)大學(xué)學(xué)報(bào),2010(10):47－52.

［28］Loury G C.Discrimination in the Post-civil Rights Era:Beyond Market Interactions. ［J］.Journal of Economic Perspectives,1998,12(12):117－26.

［29］宋凌云,王賢彬.重點(diǎn)產(chǎn)業(yè)政策、資源重置與產(chǎn)業(yè)生產(chǎn)率 ［J］.管理世界,2013(12):63－77.