中国农村金融地理排斥空间差异基于金融密度衡量指标体系研究.docVIP

中国农村金融地理排斥的空间差异—基于“金融密度”衡量指标体系的研究 　　“金融排斥”指的是在金融体系中，一部分人由于各种原因无法享受到基本金融服务的一种状态，具有六个维度：地理排斥、价格排斥、条件排斥、营销排斥、评估排斥和自我排斥。其中，地理排斥指的是金融机构的地理可及性问题。无论是在理论上还是在实践上，地理排斥在金融排斥的六个维度中都具有基础性的地位。 　　目前国内学者对金融排斥的研究仍是以各省份平均值的对比分析为主，而平均值易受极端值的影响，各省份极少数的金融网点极其密集的地区会拉高该省份的平均值，较高的省级平均水平却掩盖了省份内部农村地区金融排斥的严重程度。为此，本文将以各省份的区县中位数值作为该省金融发展情况的一般代表，能够克服平均值易受极端值影响这一缺点。本文将以四个金融密度的测量指标，衡量中国金融排斥的空间差异。 　　测量指标体系：“四个金融密度” 　　在金融排斥的各个维度中，地理排斥具有最基础性的地位。尤其在偏远落后的农村地区，金融机构的地理可及性是最重要。在对地理排斥的衡量中，金融机构网点数量是最常用的指标。以金融机构网点数量为基础，本文构建了“四个金融密度”指标体系，包括“行政金融密度”、“地理金融密度”、“人口金融密度”和“地理金融密度”四个具体指标，其含义及计算公式如表1所示。 　　此处的计算是以各县为基本的计算单位，当要计算省的金融密度时，本文的方法是：计算出各县的四个金融密度后，以该省的中位数来代表该省的四个指标。同样的，在计算各地区、全国的金融密度时，也采用中位数方法。由此避免了平均值易受极端值影响的弊端，而全国各省份的网点数量也或多或少地呈现偏态分布的情况。因此，以中位数而非省级层面的平均值为计算依据，更能代表各省农村地区金融排斥的一般水平。 　　中国农村金融地理排斥的省间差距 　　根据本文的定义，全国各省份（不包括港澳台地区）的“四个金融密度”计算结果如表2所示。 　　先看行政金融密度。上海、江苏和天津三地农村地区的行政金融密度均在100个/县以上，在全国各省份中遥遥领先。然而，表中统计的上海农村地区仅包括崇明县1个县，天津农村地区仅包括宁河县、静海县和蓟县这3个县，县的数量少，且受惠于整个省市的城市发展，农村地区的发展也较好。表中统计的江苏农村地区数据包括25个县和26个地级市的情况，总体而言，江苏农村地区的金融发展程度较好，网点数量最少的洪泽县也有34个网点。重庆的农村地区行政金融密度为92个/县，在西部地区中处于领先水平。安徽、湖南、湖北、河北等地的网点数量在45～70个/县，在全国处于中等水平；甘肃、贵州、内蒙古、宁夏、云南等省份农村地区的金融发展程度较低，行政金融密度仅在30个/县上下；行政金融密度最低的是新疆、西藏和青海三地，行政金融密度均在20个/县以下，其中西藏仅为7个/县，行政金融密度最高的上海市117个/县，是西藏的近17倍，江苏则是西藏的15倍多。由此可见，我国县域金融网点已呈现明显的按市场原则配置的特征，而在行政金融密度低的地区，地理排斥极其严重，严重制约着当地经济的发展。 　　再看地理金融密度。地理金融密度是由各个县的金融机构网点数量除以该县的地理面积，再用地理金融密度的中位数来代表该省的地理金融密度。由于地理金融密度剔除了地理面积这一因素的影响，平均而言，县的面积越大，该省的地理金融密度排名就较行政金融密度排名落后了，如江苏、重庆，其地理金融密度的排名均比行政金融密度落后。然而，虽然各省份的排名有小幅变动，但总的趋势仍然不变。上海、天津、浙江、江苏等省市的地理金融密度仍名列前茅，均在6.5个/百平方公里以上；新疆、青海、西藏这三个省区的地理金融密度仍然垫底，均在0.2个/百平方公里以下。地理金融密度最高的上海市达9.78个/百平方公里，是最低的西藏（0.09个/百平方公里）的109倍。为避免这两个地区特殊原因的影响，我们进一步选取东部地区的典型代表浙江（其地理金融密度为6.55个/百平方公里），是西部地区的典型代表贵州（1.68个/百平方公里）的4倍多，是西藏的73倍。西部内部的巨大差异，远超过东中西这三大区域之间的差异。 　　接着看人口金融密度。人口金融密度是剔除了人口数量的影响，因此，在行政金融密度一定时，各县的人口数量越多，算出的人口金融密度越低；人口数量越少，人口金融密度越高。由于各省农村地区在人口数量上的巨大差异，导致人口金融密度排序与行政金融密度的排序出现了巨大的跳跃和翻转。在行政金融密度和地理金融密度均为倒数第一的西藏，却在人口金融密度中名列第一位，这并不是由于其金融机构网点数量多，而是由于其人口十分稀少。同样，内蒙古、宁夏、新疆、青海等地，也由于人口数量少的原因而在人口金融密度中排序上升。而河南却由于人口数量太多、人口密度很大，一下子排在了人口金融