长江中下游地区金融排斥的影响因素分析

孙雨麒

(中南民族大学经济学院 湖北 武汉 430074)

一、引言

长江中下游地区主要包括六省一市，分别是湖北、湖南、江西、安徽、江苏、浙江以及上海。长江中下游地区，横穿我国的中东部地区，拥有着丰富的自然资源，优越的人力资源以及先进的科学技术水平，在我国具有重要的战略地位。随着长江经济带发展战略的提出，长江中下游地区的经济不断向前发展，金融水平也不断提升。但是，由于地区内部经济发展的不平衡，造成了一系列的发展问题。其中，金融排斥的问题会阻碍该地区的金融发展。

金融排斥是指社会中的某些群体没有能力进入金融体系，没有能力以恰当的形式获得必要的金融服务。最早提出金融排斥这一概念的是Leyshon和Thrift(1993)[1]。他们认为一些群体无法享受到金融服务是由于一些地区金融网点的缺失。Kempson和Whyley(1999)[2]从六个方面来分析金融排斥，分别是：价格排斥、评估排斥、条件排斥、营销排斥和自我排斥。这一观点构成了金融排斥指数模型的理论基础。最近，随着金融业的不断发展，国外对于金融排斥问题的研究也呈现出多样性的特征。Wayne Simpson和Jerry Buckland(2009)[3]将有关信用约束和金融排斥的现有文献联系起来，以评估信用约束和金融排斥对中低收入消费者的财务状况的影响。并通过构建金融排斥影响因素模型，将观察到的信贷约束和金融排斥措施与消费者特征和生命周期行为联系起来。最终得出结论：金融知识，正规教育，资产建设对金融排斥和信贷约束具有重要影响。Nikolaos Mylonidis等(2019)[4]使用2013年收入动态小组研究的详细数据，调查文化因素与金融排斥之间的联系。通过控制大量的人口特征和背景因素，发现天主教徒更有可能被排除在基本银行服务之外。由此，可以得出结论：社会宗教参与度对金融排斥具有重要的经济影响。

我国最早研究金融排斥的学者是田霖(2010)。[5]他从贷款支持农户数、农业贷款比例、金融机构网点覆盖率等指标，分析出我国农村地区的金融排斥存在空间差异性。最近，我国对于这一问题的研究不断丰富。张国俊，姚洋洋和周春山(2018)[6]基于我国31个省份2004-2012年的面板数据，研究我国省际之间的金融排斥差异，再根据Moran's I指数模型，分析我国各个省份金融排斥的空间集聚效应。最终得出结论：我国的金融排斥的空间分布呈现东部低聚集，西部高聚集的特征。邹嫄(2018)[7]基于金融排斥指数综合评价体系，使用空间杜宾分析模型，探究广西各地的金融排斥的空间分布。研究表明：城市化水平的提升能够有效治理金融排斥的问题。李伟(2019)[8]通过金融排斥六个方面分析法，计算我国各个省份2018年的金融排斥指数，并分析金融排斥指数与金融区域差异之间的关系。最终发现：金融信息化水平的提升有利于治理金融排斥的问题，减小金融区域的差异性。

二、长江中下游地区金融排斥影响因素分析

(一)模型的建立

本文借鉴Beck(2007)[9]、田霖(2010)[5]、黄琦(2013)[10]、田杰(2013)[11]以及何婧田(2017)[12]的方法，分别从社会经济水平，社会治理水平以及社会文化水平三个方面来分析长江中下游地区金融排斥的影响因素。本文在此基础上，新增了三个变量，分别是：金融网点地理分布，新增法治水平以及工商监管程度作为变量。构造的模型如下：

Ife=α+β1LnY+β2Api+β3Ump+β4Fpd+β5Tir+β6Hel+β7Brc+β8Rle+β9Icc+β10Gcm+ε

其中，α是截距项，β1到β10是金融排斥影响因素的系数，ε是随机误差项。LnY代表长江中下游地区的区域内部生产总值，为了增加截面数据的平稳性以及维持方差的恒定，将其进行对数处理。Api代表加权平均个人收入，根据城乡经济增加值的比重，加权计算长江中下游地区的平均个人收入。Ump代表长江中下游地区的失业率，通过失业人数与劳动力人数的比例进行计算。Fpd代表金融网点地理分布，通过金融网点个数与地区面积的比例进行计算。Tir代表第三产业贡献率，通过第三产业产值与地区内部生产总值的比例进行计算。Hel代表高等教育普及率，通过受到高等教育的人数与地区总人数的比例进行计算。Brc代表工商监管程度，通过政府工商监管支出与财政总支出的比例进行计算。Rle代表法治水平，通过执法支出与财政总支出的比例进行计算。Icc代表产业集中度，通过规模企业数量与企业总数的比例进行计算。Gcm代表政府支出创造乘数，通过财政总支出与地区内部生产总值的比例进行计算。

(二)分析结果

本文选取2018年长江中下游地区的405个县(市)级单位的截面数据，并通过R软件，进行多元回归分析。最终，回归结果如下：

表1 长江中下游地区金融排斥影响因素的多元分析

根据表1的数据，可以得到以下结论：

(1)LnY的回归系数为负数，说明地区内部的生产总值越大，金融排斥指数越小。当长江中下游地区的生产总值增加1%时，长江中下游地区的金融排斥指数下降1.098%。

(2)Api的回归系数为负数，说明地区加权平均个人收入越大，金融排斥指数越小。当长江中下游地区的加权平均个人收入增加1%时，长江中下游地区的金融排斥指数下降0.587%。

(3)Ump的回归系数为正数，说明失业率越大，金融排斥指数越大。当长江中下游地区的失业率增加1%，长江中下游地区的金融排斥指数上升2.225%。

(4)Fpd的回归系数为负数，说明金融网点地理分布越密集，金融排斥指数越小。当长江中下游地区金融网点的地理分布指数增加1%，长江中下游地区的金融排斥指数下降0.052%。

(5)Tir的回归系数为负数，说明第三产业贡献率越大，金融排斥指数越小。当长江中下游地区的第三产业贡献率增加1%，长江中下游地区的金融排斥指数下降1.169%。

(6)Hel的回归系数为负数，说明高等教育普及率越大，金融排斥指数越小。当长江中下游地区的高等教育普及率增加1%，长江中下游地区的金融排斥指数下降3.744%。

(7)Brc的回归系数为负数，说明工商监管程度越大，金融排斥指数越小。当长江中下游地区工商监管支出的比例增加1%，长江中下游地区的金融排斥指数下降0.106%。

(8)Rle的回归系数为负数，说明法治水平越高，金融排斥指数越小。当长江中下游地区公检法支出的比例增加1%，长江中下游地区的金融排斥指数下降1.467%。

(9)Icc的回归系数为负数，说明产业集中度越高，金融排斥指数越小。当长江中下游地区产业集中比率增加1%，长江中下游地区的金融排斥指数下降2.003%。

(10)Gcm的回归系数为负数，说明政府财政支出创造乘数越高，金融排斥指数越小。当长江中下游地区的财政效力增加1%，长江中下游地区的金融排斥指数下降0.184%。

三、长江中下游地区金融排斥的治理对策

(一)合理设立金融网点，完善金融基础设施建设

长江中下游地区的金融网点分布不太平均。总体上来说，江苏省和浙江省分布较为合理，各个区域金融网点的配置比较充分。其他省份与这两个省份之间存在一定的差距。因此，湖北省，湖南省，江西省以及安徽省在金融网点配置上需要进一步完善。

首先，明确区域发展目标，完成城市布局与规划。金融网点的地理分布与人口分布不合理，主要是因为对于区域内部的规划和布局不合理。从而，导致地区内部的金融网点设置不太平均。因此，应该做好良好的城市规划，按照人口数量与地域面积双向指标去完善与配置相应的金融网点。

其次，丰富金融网点形式，适应市场需求。应该根据不同的地域面积与人群特征，设置差异化形式的金融网点。一些地区人烟稀少，地域面积狭小，市场需求不够旺盛，可以设置便携式电子金融网点以及非主要分支机构，例如银行体系中的存储现金的ATM机。一些地区人口众多，地域面积宽阔，商场需求旺盛，可以设置金融机构总店或者主要分支机构。

最后，根据地理与人口特征，设置相应的金融服务。不同地域的人群对于金融服务的需求不同。对于经济条件相对较好的地区，该地区的居民对于未来的经济趋势是极为乐观的，也会加大对于信贷服务的需求，因此需要设置信贷类型的金融服务。对于经济条件相对较差的地区，该地区的居民对于未来的经济趋势是不太乐观的，便会加大对于存储服务的需求，因此需要设置存储类型的金融服务。

(二)提升居民教育水平，增加金融从业人数

长江中下游地区各个省份的金融从业人数相差很大。江苏省的金融从业人数很多，江西省的金融从业人数较少，其余省份适中。金融从业人数越高，能够提供的金融服务越多，金融排斥的程度越低。因此，增加长江中下游地区的金融从业人数迫在眉睫。

根据金融排斥影响因素的分析结果可以看出，长江中下游地区的教育程度与金融排斥指数成反比。长江中下游地区的教育程度越高，金融排斥指数越低，金融发展越好。因此，应该提升居民的教育程度，从而提升居民的金融意识，增加市场需求。通过市场需求的提升，增加金融机构数量，从而增加金融从业人数。

(三)创新经济发展方式，提升居民可支配收入

根据金融排斥影响因素的分析结果可以看出，长江中下游地区的生产总值与金融排斥指数成反比。长江中下游地区的生产总值越高，金融排斥指数越低，金融发展越好。同样可以看出长江中下游地区的居民可支配收入与金融排斥指数成反比。长江中下游地区的居民可支配收入越高，金融排斥指数越低，金融发展越好。因此，大力发展地区经济，增加居民可支配收入，可以对金融排斥进行有效治理。