潘經(jīng)韜（中南財經(jīng)政法大學工商管理學院，湖北武漢430073）

農(nóng)村金融排斥區(qū)域差異及影響因素研究——基于省際面板數(shù)據(jù)的實證分析

潘經(jīng)韜
（中南財經(jīng)政法大學工商管理學院，湖北武漢430073）

［摘要］文章基于2006－2010年中國26個省份的面板數(shù)據(jù)，構建了農(nóng)村金融排斥測算指標體系，對中國農(nóng)村金融排斥區(qū)域差異及影響因素進行了實證研究。研究結(jié)果表明：中國農(nóng)村金融排斥區(qū)域差異較大；農(nóng)村家庭人均純收入、收入結(jié)構、就業(yè)比例、城鎮(zhèn)化水平對農(nóng)村金融排斥有著顯著負向影響；而產(chǎn)業(yè)結(jié)構、財政支持力度對農(nóng)村金融排斥有著顯著正向影響。最后，根據(jù)研究結(jié)論，提出了緩解農(nóng)村金融排斥的政策建議。

［關鍵詞］農(nóng)村金融排斥；區(qū)域差異；影響因素

一、引言

農(nóng)村金融在農(nóng)村經(jīng)濟的發(fā)展中起著重要的作用。改革開放以來，中國政府一直非常重視農(nóng)村金融的發(fā)展。2003年國務院印發(fā)了《深化農(nóng)村信用社改革試點方案》，指出要加大了農(nóng)村信用社的改革力度，推進農(nóng)村金融改革的進程。2009年中央一號文件提出要全面提高農(nóng)村金融服務能力。2010年中央一號文件要求提高農(nóng)村金融服務質(zhì)量和水平。2014年中央一號文件明確提出：要加快農(nóng)村金融制度創(chuàng)新、強化金融機構“三農(nóng)”職責，發(fā)展新型農(nóng)村合作金融組織。隨著中國經(jīng)濟的快速發(fā)展和相關政策的有效實施，中國農(nóng)村金融發(fā)展取得了一定的成果，農(nóng)村金融服務質(zhì)量和水平得到了顯著的提高，農(nóng)村金融服務基礎設施得到了明顯的改善。以涉農(nóng)貸款為例，截至2012年底，中國金融機構農(nóng)村貸款余額為14．5萬億，占貸款總余額的21．6%，相比2007年末和2011年末分別增長了188．6%和19．7%。盡管中國農(nóng)村金融發(fā)展取得了較大的進步，但是中國農(nóng)村金融服務還存在嚴重的“金融排斥”現(xiàn)象，現(xiàn)行的農(nóng)村金融服務體系仍無法滿足“三農(nóng)”需求；并且由于中國區(qū)域間發(fā)展不均衡，農(nóng)村金融排斥現(xiàn)象在中國具有了明顯的區(qū)域差異。以2008年末為例，中國有39%的鄉(xiāng)鎮(zhèn)沒有或者僅有1個農(nóng)村金融機構網(wǎng)點，僅有28%的農(nóng)戶獲得過貸款［1］。農(nóng)村金融排斥已成為制約中國農(nóng)村金融發(fā)展的障礙，如何深化農(nóng)村金融改革破解農(nóng)村“金融排斥”難題，已成為政府和學術界關注的熱點問題。

金融排斥概念最早由Leyshon和Thrift提出，他們認為地理因素會制約居民獲取金融服務的便捷程度［2］。Theodoridis和Veloutsou認為金融排斥是指部分經(jīng)濟主體不能通過合理的渠道獲取金融服務［3］。Kempson和Whyley最先提出了六維度金融排斥指標體系，即從地理排斥、評估排斥、條件排斥、營銷排斥、價格排斥、自我排斥六個維度來衡量金融排斥。六維度金融排斥指標體系在學術界得到了廣泛的認可和運用。中國對金融排斥研究起步較晚，仍處在初級階段［4］。田霖從金融資源的地理分布角度入手，對中國金融排斥區(qū)域差異及其影響因素進行了實證研究［5］。王修華等基于六維度金融排斥指標體系，對中國31個省（市、自治區(qū)）的金融排斥進行的定量評價［6］。李濤通過研究發(fā)現(xiàn)中國城市居民在不同程度上存在著嚴重的金融排斥現(xiàn)象［7］。隨著對金融排斥的深入研究，越來越多的學者們對農(nóng)村金融排斥領域展開了豐富的研究。蔣潤祥，謝欣分析了中國農(nóng)村金融排斥的現(xiàn)狀，并結(jié)合國外經(jīng)驗提出了緩解農(nóng)村金融排斥的政策建議［8］。高沛星、胡振等利用面板數(shù)據(jù)分析中國農(nóng)村金融排斥區(qū)域差異及影響因素［9］［10］，但他們對影響因素的分析過于簡單，僅僅采用了相關系數(shù)檢驗，缺乏一定的說服力。劉長庚基于省級面板數(shù)據(jù)從理論和實證角度分析了農(nóng)村金融排斥對城鄉(xiāng)收入差距的影響［11］。譚燕芝等從理論和實證兩方面分析了農(nóng)村金融排斥的影響因素，但是僅僅用金融機構網(wǎng)點數(shù)來衡量金融排斥不夠全面［12］。

表1　　農(nóng)村金融排斥測算的指標體系

基于前人的研究成果和現(xiàn)實背景，本文試圖構建農(nóng)村金融排斥測算指標體系，利用2006－2010年26個省份（由于北京、天津、上海、重慶、西藏及港澳臺的部分數(shù)據(jù)缺失，因此選取剩下的26個省份）的面板數(shù)據(jù)對農(nóng)村金融排斥區(qū)域差異及其影響因素進行實證分析，并根據(jù)研究結(jié)論，就如何破解“農(nóng)村金融排斥難題”提出政策建議。

二、中國農(nóng)村金融排斥的區(qū)域差異分析

（一）農(nóng)村金融排斥指數(shù)測算的指標體系

Kempson等最先提出了六維度金融排斥指標體系［4］。目前，“六維度法”在農(nóng)村金融排斥程度的測算中得到了廣泛的運用。但是六維度金融排斥模型也存在一定的缺陷，特別是評估排斥和條件排斥具有很高的重疊性。因此本文借鑒前人的研究成果，在六維度金融排斥指標體系的基礎上，將評估排斥和條件排斥合并，建立五維度金融排斥指標體系，即：地理排斥、自我排斥、價格排斥、評估／條件排斥、營銷排斥，如表1所示。

1．地理排斥（F1）。指經(jīng)濟主體由于地理因素（距離、地理條件等）很難獲取金融服務或者完全無法獲取金融服務的現(xiàn)象。農(nóng)村金融機構覆蓋度是指農(nóng)村地區(qū)單位人口金融機構擁有數(shù)量，在一定程度上能夠反映農(nóng)村金融服務在地理上的可達性。因此本文采用農(nóng)村金融機構萬人覆蓋度來衡量地理排斥，相關數(shù)據(jù)來自于《中國農(nóng)村金融服務圖集》，其中：

2．評估／條件排斥（F2）。指金融機構基于盈利和風險的考慮，針對經(jīng)濟主體建立嚴格的評估體系和金融服務準入條件，從而使一些經(jīng)濟主體難以或者無法獲取金融服務的現(xiàn)象。本文采用農(nóng)村人均貸款水平來衡量評估／條件排斥，相關數(shù)據(jù)均來自于《中國金融年鑒》和《中國農(nóng)村金融服務圖集》，其中：

3．營銷排斥（F3）。指特定的經(jīng)濟主體被金融機構排除在金融產(chǎn)品的營銷市場之內(nèi)的現(xiàn)象。農(nóng)村金融機構貸存比反映了農(nóng)村金融機構在農(nóng)村地區(qū)吸收存款后再向農(nóng)村地區(qū)提供金融服務的積極性。因此本文采用農(nóng)村金融機構貸存比（X3）來衡量營銷排斥，相關數(shù)據(jù)均來自于《中國金融年鑒》和《中國農(nóng)村金融服務圖集》，其中：

4．價格排斥（F4）。指經(jīng)濟主體由于金融服務的價格過高而無法獲得金融服務的現(xiàn)象。本文采用農(nóng)村人均儲蓄水平（X4）來衡量價格排斥，相關數(shù)據(jù)均來自于《中國金融年鑒》和《中國農(nóng)村金融服務圖集》，其中：

5．自我排斥（F5）。指經(jīng)濟主體由于缺乏金融知識、無法理解金融服務或者因為風俗習慣等因素主觀放棄金融服務的現(xiàn)象。本文采用農(nóng)村從業(yè)人員平均文化教育程度（X5）來衡量自我排斥，相關數(shù)據(jù)來自于《中國農(nóng)村統(tǒng)計年鑒》。小學文化程度的從業(yè)人員受教育年限為6年，初中文化程度的農(nóng)村從業(yè)人員受教育年限為9年，高中及大專文化程度的農(nóng)村從業(yè)人員受教育年限為12年，大專及以上的農(nóng)村從業(yè)人員為15年。因此本文采用下面的公式來計算農(nóng)村從業(yè)人員平均文化程度：

（二）農(nóng)村金融排斥指數(shù)測算

本文采用變異系數(shù)法對五個維度的金融排斥指標賦予權重，從而計算出2006－2010年中國26個省的農(nóng)村金融排斥指數(shù)，進而分析2006－2010年26個省農(nóng)村金融排斥程度的區(qū)域差異。具體的測算步驟如下：

1．對五個維度的相關指標變量進行標準化處理。由于各個指標變量的量綱不一致，因此本文采用極差變化法對相關指標的數(shù)據(jù)進行標準化處理，計算公式如下所示：

其中Xmax、Xmin分別表示每個維度指標變量序列內(nèi)的最大值和最小值，x表示經(jīng)過標準化處理后的序列。

2．計算每個維度指標變量的平均數(shù)和標準差：

其中i表示第i個省份，j表示第j維度，xij表示第i個省份j維度指標變量值，表示第j個維度的指標變量的平均值，Sj表示第j個維度指標的標準差。

3．計算每個維度指標變量的變異系數(shù)：

其中Vj表示第j個維度指標變量的變異系數(shù)。

4．對每個維度指標變量的變異系數(shù)進行歸一化處理，并計算出每個維度的權重

其中，Wj表示第j個維度的權重值。

5．根據(jù)每個維度的權重，計算出各個省份的農(nóng)村金融排斥指數(shù)，其中，農(nóng)村金融排斥指數(shù)越高，農(nóng)村金融排斥程度越高。

（三）農(nóng)村金融排斥的區(qū)域差異分析

根據(jù)前面的農(nóng)村金融排斥指數(shù)的計算步驟，通過MATLAB2010軟件可以計算出各個維度指標的權重和2006－2010年中國26個省農(nóng)村金融排斥指數(shù)，如表2和表3所示。

由表2可知，從平均值看，各個維度占農(nóng)村金融排斥指數(shù)的權重從小到大依次為：自我排斥（0．3761）、地理排斥（0．2117）、營銷排斥（0．1479）、價格排斥（0．1357）、評估排斥（0．1286），由此可見，影響農(nóng)村金融排斥指數(shù)的兩個重要維度是自我排斥和地理排斥，這也與中國農(nóng)村金融的實際情況相符合，廣大農(nóng)村居民由于缺乏金融知識和對金融服務不夠了解，從而產(chǎn)生了“自我排斥”現(xiàn)象，此外金融機構在農(nóng)村分布也相對比較少，容易造成“地理排斥”現(xiàn)象。從時間變化上看，自我排斥和地理排斥的權重呈現(xiàn)下降的趨勢，近年來，中國農(nóng)村居民文化教育程度逐漸提高和金融機構在農(nóng)村地區(qū)的網(wǎng)點逐漸增多，因此自我排斥和地理排斥對農(nóng)村金融排斥的影響逐漸減弱，相反評估排斥、價格排斥和營銷排斥所占權重呈現(xiàn)上升的趨勢。

表2　　各排斥維度指標的權重

表3　2006－2010年中國26個省份農(nóng)村金融排斥指數(shù)

由表3可知，中國農(nóng)村金融排斥存在明顯的區(qū)域差異。第一，從省份層面看，農(nóng)村金融排斥指數(shù)最大的是云南（0．7801），其次是貴州（0．7679）、青海（0．7165）、甘肅（0．6336），這些省份的金融排斥指數(shù)均大于0．6，且都位于西部地區(qū)；農(nóng)村金融排斥指數(shù)最低的省份是浙江（0．2984），其次是廣東（0．3079）、遼寧（0．3087），這些省份的農(nóng)村金融排斥指數(shù)均在0．3左右，且都位于東部地區(qū)。第二，從地區(qū)層面看，農(nóng)村金融排斥指數(shù)從小到大依次為東部地區(qū)（0．3754）、中部地區(qū)（0．5254）、西部地區(qū)（0．6046），這也與中國的實際情況相符合。東部地區(qū)由于經(jīng)濟發(fā)展水平較高，金融市場相對活躍，因此農(nóng)村金融排斥的程度較低，而中西部地區(qū)經(jīng)濟發(fā)展水平相對較低，金融發(fā)展相對落后，因此農(nóng)村金融排斥現(xiàn)象比較嚴重。第三，從時間上看，東部地區(qū)的農(nóng)村金融排斥程度有緩解的趨勢，而中西部地區(qū)的農(nóng)村金融排斥程度有明顯加深的趨勢。

三、農(nóng)村金融排斥區(qū)域差異影響因素的實證分析

（一）變量選擇及數(shù)據(jù)來源

參照前人的研究，本文利用面板模型對中國農(nóng)村金融排斥區(qū)域差異的影響因素進行實證研究，設定的面板模型如下所示：

在上式中，Index是農(nóng)村金融排斥指數(shù)，其他變量說明及數(shù)據(jù)來源如下：

1．農(nóng)村居民家庭人均純收入（income）。農(nóng)村家庭的經(jīng)濟狀況影響著家庭能否有效獲得農(nóng)村金融服務，而農(nóng)村居民家庭人均純收入是衡量農(nóng)村家庭經(jīng)濟狀況的重要指標，因此本文選取農(nóng)村居民家庭人均純收入作為影響農(nóng)村金融排斥的因素之一，并對income進行對數(shù)化處理得到lnincome。相關數(shù)據(jù)來源于2007－2011年的《中國農(nóng)村統(tǒng)計年鑒》。

2．農(nóng)村家庭收入結(jié)構（is）。農(nóng)村家庭的收入結(jié)構對農(nóng)村家庭金融服務的可獲得性具有重要影響（胡振，2014）。農(nóng)村家庭的收入來源主要包括家庭經(jīng)營收入、工資性收入、轉(zhuǎn)移收入和財產(chǎn)收入。本文選取農(nóng)村家庭收入結(jié)構作為影響農(nóng)村金融排斥的因素之一，并用工資性收入占家庭純收入的比重來衡量。相關數(shù)據(jù)均來源于2007－2011年的《中國農(nóng)村統(tǒng)計年鑒》。

3．就業(yè)比例（employ）。職業(yè)較為穩(wěn)定的經(jīng)濟主體，收入相對比較穩(wěn)定，這對經(jīng)濟主體的信用具有重要影響，因此這類經(jīng)濟主體不易受到金融排斥。本文選取就業(yè)比例作為影響農(nóng)村金融排斥的因素之一，并用鄉(xiāng)村從業(yè)人員占鄉(xiāng)村總?cè)丝诘谋戎貋砗饬俊Ｏ嚓P數(shù)據(jù)來自于2007－2011年的《中國農(nóng)村統(tǒng)計年鑒》。

4．產(chǎn)業(yè)結(jié)構（idus）。產(chǎn)業(yè)結(jié)構的變化情況能夠反映出農(nóng)村經(jīng)濟發(fā)展的狀況和第一產(chǎn)業(yè)總值占GDP的比重變化，而農(nóng)村經(jīng)濟的發(fā)展影響著農(nóng)村金融的發(fā)展。本文將產(chǎn)業(yè)結(jié)構作為影響農(nóng)村金融排斥的因素之一是用第一產(chǎn)業(yè)總值占GDP的比重來衡量產(chǎn)業(yè)結(jié)構。相關數(shù)據(jù)來源于2007－2011年的《中國統(tǒng)計年鑒》。

5．財政支農(nóng)力度（fs）。政府的財政支農(nóng)政策對發(fā)展農(nóng)村經(jīng)濟、提高農(nóng)民純收入和改善農(nóng)村金融環(huán)境具有重要推動作用。本文采用財政支農(nóng)資金占財政支出的比重來衡量財政支農(nóng)力度。相關數(shù)據(jù)均來自于2007－2011年《中國財政年鑒》和《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》。

6．城鎮(zhèn)化水平（urban）。城鎮(zhèn)化進程的有序推進能夠改善農(nóng)村地區(qū)的經(jīng)濟環(huán)境、基礎設施及交通條件，從而改善農(nóng)村的金融環(huán)境。因此，本文采用城鎮(zhèn)人口占總?cè)丝诘谋戎刈鳛槌擎?zhèn)化水平的指標。相關數(shù)據(jù)均來自于2007－2011年的《中國統(tǒng)計年鑒》。

7．區(qū)域因素。中國東部地區(qū)、中部地區(qū)和西部地區(qū)的金融排斥程度表現(xiàn)出了明顯的差異，因此本文將區(qū)域因素作為影響農(nóng)村金融排斥的因素之一，設置了middle和west兩個虛擬變量，其中：

各變量的描述性統(tǒng)計分析結(jié)果及對農(nóng)村金融排斥的預期影響方向如表4所示。

（二）實證結(jié)果分析

本文采用對數(shù)據(jù)截面異方差、序列相關性都穩(wěn)健的FGLS方法，通過stata12．0軟件來估計面板模型中的各個參數(shù)。估計結(jié)果如表5所示。其中方程1為全國26個省份的FGLS面板估計結(jié)果，方程2為加入滯后一階index的FGLS面板估計結(jié)果，方程3為加入地區(qū)虛擬變量的FGLS面板估計結(jié)果，方程4為東部地區(qū)的FGLS面板估計結(jié)果，方程5為中部地區(qū)的FGLS面板估計結(jié)果，方程6為西部地區(qū)的FGLS面板估計結(jié)果。

表4　　變量的描述性統(tǒng)計

表5　FGLS面板估計結(jié)果

由表5可知，從方程1的估計結(jié)果來看，農(nóng)村居民家庭人均純收入、農(nóng)村家庭收入結(jié)構、就業(yè)比例、城鎮(zhèn)化水平對農(nóng)村金融排斥指數(shù)具有顯著的負向影響；而產(chǎn)業(yè)結(jié)構和財政支持力度對農(nóng)村金融排斥指數(shù)有著顯著正向影響。從方程2來看，上期金融排斥指數(shù)對當期農(nóng)村金融排斥指數(shù)有著顯著正向影響。從方程3來看，中部地區(qū)和西部地區(qū)的虛擬變量對農(nóng)村排斥有著顯著正向影響。從方程4的估計結(jié)果來看，城鎮(zhèn)化水平的提高在1%水平上對于緩解東部農(nóng)村金融排斥有著顯著正向影響。從方程5的估計結(jié)果來看，產(chǎn)業(yè)結(jié)構在1%水平上對中部地區(qū)農(nóng)村金融排斥有著顯著正向影響，而就業(yè)比例在1%水平上對中部地區(qū)農(nóng)村金融排斥有著顯著負向影響。從方程6的估計結(jié)果來看收入結(jié)構和城鎮(zhèn)化水平在5%水平上對西部地區(qū)農(nóng)村金融排斥程度有著顯著負向影響，而財政支持力度在5%水平上對西部地區(qū)農(nóng)村金融排斥程度有著顯著正向影響。

1．農(nóng)村居民家庭人均純收入。以方程1為例，農(nóng)村居民家庭人均純收入在5%水平上對農(nóng)村金融排斥指數(shù)有著顯著負向影響。農(nóng)村居民家庭人均收入越高，家庭的經(jīng)濟狀況相對較好，還款能力強，家庭更容易或者更有能力獲得金融服務，因此在農(nóng)村居民家庭人均純收入較高的地區(qū)，金融排斥程度相對較弱。

2．農(nóng)村家庭收入結(jié)構。以方程1為例，農(nóng)村家庭收入結(jié)構在10%水平上對農(nóng)村金融排斥指數(shù)有著顯著負向影響。農(nóng)村家庭收入結(jié)構反應的是家庭工資性收入占家庭總收入的比重，這說明農(nóng)村家庭收入結(jié)構中工資性收入所占比重越高，農(nóng)村家庭受到家庭排斥的可能性越低。

3．就業(yè)比例。以方程1為例，就業(yè)比例在5%水平上對農(nóng)村金融排斥指數(shù)有顯著負向影響。就業(yè)比例反應的是鄉(xiāng)村從業(yè)人員占鄉(xiāng)村總?cè)丝诘谋戎?，從方?、方程2和方程3的結(jié)果看，就業(yè)比例越高，農(nóng)村金融排斥越低。就業(yè)比例是農(nóng)村居民就業(yè)狀態(tài)的體現(xiàn)，職業(yè)較為穩(wěn)定的經(jīng)濟主體，收入相對比較穩(wěn)定，這對經(jīng)濟主體的信用具有重要影響，因此這類經(jīng)濟主體不易受到金融排斥。

4．產(chǎn)業(yè)結(jié)構。以方程1為例，產(chǎn)業(yè)結(jié)構在1%水平上對農(nóng)村金融排斥有著顯著正向影響。產(chǎn)業(yè)結(jié)構反映的是農(nóng)業(yè)生產(chǎn)總值占GDP的比重，農(nóng)業(yè)生產(chǎn)總值比重越高，第二三產(chǎn)業(yè)的發(fā)展相對滯后，農(nóng)村居民相對難以獲得農(nóng)村金融服務，因此農(nóng)村金融排斥程度越嚴重。

5．財政支持力度。以方程1為例，財政支持力度在5%水平上對農(nóng)村金融排斥指數(shù)有著顯著正向影響，這與本文的預期結(jié)論相矛盾。財政支持力度是農(nóng)業(yè)財政支出占總財政支出的比重，財政支持力度與農(nóng)村金融排斥程度正相關，一方面因為本文選取的財政支持力度指標為比例指標而非總量指標，發(fā)達地區(qū)的農(nóng)業(yè)財政支出總量較高而比例較低，而不發(fā)達地區(qū)與之相反；另一方面，發(fā)達地區(qū)與不發(fā)達地區(qū)農(nóng)村金融排斥差距較大，財政支農(nóng)支出效率不高，緩解農(nóng)村金融排斥的作用有限。

6．城鎮(zhèn)化水平。以方程1為例，城鎮(zhèn)化水平在1%水平上對農(nóng)村金融排斥指數(shù)有著顯著負向影響，這表明城鎮(zhèn)化的有序推進能夠顯著緩解農(nóng)村金融排斥程度，究其原因城鎮(zhèn)化的推進完善了農(nóng)村地區(qū)的基礎設施、交通條件和通信條件，從而在一定程度上改善了農(nóng)村金融環(huán)境，因此農(nóng)村居民更容易獲得農(nóng)村金融服務。

7．區(qū)位因素。以方程2為例，中部地區(qū)和西部地區(qū)虛擬變量均在1%水平上對農(nóng)村金融排斥指數(shù)有著顯著正向影響，這表明相比東部地區(qū)，中西部地區(qū)的農(nóng)村金融排斥程度更嚴重。從估計系數(shù)上看，中部地區(qū)虛擬變量的系數(shù)要小于西部地區(qū)，說明相比中部地區(qū)，西部地區(qū)的農(nóng)村金融排斥情況更為嚴重。

四、結(jié)論與政策建議

（一）結(jié)論

本文利用2006－2010年中國26個省的面板數(shù)據(jù)，構建了農(nóng)村金融排斥指數(shù)測算的“五維”指標體系，分析了中國農(nóng)村金融排斥的區(qū)域差異，并利用FGLS回歸方法對農(nóng)村金融排斥區(qū)域差異的影響因素進行了實證分析，得出了如下結(jié)論：第一，從總體上看，中國農(nóng)村金融排斥區(qū)域差異較大，西部地區(qū)（0．6046）的農(nóng)村金融排斥指數(shù)最高，其次是中部地區(qū)（0．5254），東部地區(qū)（0．3754）的農(nóng)村金融排斥指數(shù)最小。第二，在農(nóng)村金融排斥區(qū)域差異的影響因素中，農(nóng)村居民家庭人均純收入、農(nóng)村家庭收入結(jié)構、就業(yè)比例、城鎮(zhèn)化水平和上期農(nóng)村金融排斥指數(shù)對農(nóng)村金融排斥指數(shù)具有顯著的負向影響；而產(chǎn)業(yè)結(jié)構、財政支持力度和中西部地區(qū)虛擬變量對農(nóng)村金融排斥指數(shù)有著顯著正向影響。目前中國農(nóng)村金融發(fā)展狀況并不樂觀，農(nóng)村金融排斥程度依然較高，這就需要各級政府積極尋求破解農(nóng)村金融排斥的新途徑，努力改善農(nóng)村金融環(huán)境，實現(xiàn)農(nóng)村金融的健康發(fā)展，緩解農(nóng)村金融排斥程度較高的現(xiàn)狀。

（二）政策建議

1．積極有序推進新型城鎮(zhèn)化進程。從前文的結(jié)論可以得出，城鎮(zhèn)化水平的提高對于緩解農(nóng)村金融排斥具有積極作用。加快新型城鎮(zhèn)化建設是解決“三農(nóng)”問題的重要途徑，通過推進新型城鎮(zhèn)化，可以改善農(nóng)村地區(qū)的基礎設施和經(jīng)濟環(huán)境，利用城鎮(zhèn)的“涓滴效應”和輻射效應可以吸引各類金融機構在農(nóng)村地區(qū)布置網(wǎng)點，從而在一定程度上緩解農(nóng)村金融排斥。

2．提高農(nóng)村居民收入。農(nóng)村居民收入和農(nóng)村居民收入結(jié)構對緩解農(nóng)村金融排斥具有積極作用。實現(xiàn)農(nóng)村居民收入的增加是緩解農(nóng)村金融排斥的有效途徑。政府要加大對農(nóng)業(yè)的投入，促進農(nóng)業(yè)增產(chǎn)和農(nóng)民增收；大力支持農(nóng)業(yè)龍頭企業(yè)的發(fā)展，通過龍頭企業(yè)帶動農(nóng)民增收；此外還要鼓勵農(nóng)民工回鄉(xiāng)創(chuàng)業(yè)，拓寬農(nóng)民增收渠道，增加農(nóng)村經(jīng)濟的活力。

3．加強農(nóng)村地區(qū)的金融服務建設，創(chuàng)新農(nóng)村金融服務方式和理念。增加農(nóng)村地區(qū)金融服務機構的數(shù)量，改善農(nóng)村金融服務的硬件條件，大力發(fā)揮農(nóng)村金融對農(nóng)村發(fā)展的支持作用，增強農(nóng)村金融機構的貸款功能，減少對農(nóng)村資金的轉(zhuǎn)移；完善小額貸款公司的相關制度和政策法規(guī)，發(fā)揮小額貸款公司在農(nóng)村金融發(fā)展中的重要作用，提高農(nóng)村資金的利用效率；建立農(nóng)村征信體系，完善農(nóng)村金融信息服務平臺，增加農(nóng)戶獲得金融服務的機會。

4．加強對農(nóng)村地區(qū)金融知識的普及力度。農(nóng)村居民的文化程度相對城市較低，金融知識和金融信息在城鄉(xiāng)之間差距較大，農(nóng)村居民金融知識的匱乏是造成金融“自我排斥”的重要原因。因此政府要鼓勵農(nóng)村地區(qū)的金融機構向農(nóng)村居民普及金融信息和金融知識，提高農(nóng)民的金融意識。

參考文獻

［1］王修華．新農(nóng)村建設中的金融排斥與破解思路［J］．農(nóng)業(yè)經(jīng)濟問題，2009，（07）：42－48，111．

［2］Leyshorn，Thrift．The restructuring of the UK financial services in the 1990s［J］．Journal of Rural Studies，1993 （9）：223－241．

［3］G．，Theodoridis，P．K．，Veloutsou，C．All customers are not treated equally：Financial exclusion in isolated Greek islands［J］．Journal of Financial Services Marketing，2002，（7）：54－66．

［4］Kempson E，Whyley C．Understanding and combating financial exclusion［J］Insurance Tends，1999，21（4）：18－22．

［5］田霖．中國金融排除空間差異的影響要素分析［J］．財經(jīng)研究，2007，（04）：107－119．

［6］王修華，馬柯，王翔．關于中國金融排斥狀況的評價［J］．理論探索，2009，（05）：68－72．

［7］李濤，王志芳，王海港，譚松濤．中國城市居民的金融受排斥狀況研究［J］．經(jīng)濟研究，2010，（07）：15－30．

［8］蔣潤祥，謝欣．金融排斥與農(nóng)村金融服務空白的消除［J］．銀行家，2010，（06）：108－111．

［9］高沛星，王修華．中國農(nóng)村金融排斥的區(qū)域差異與影響因素——基于省際數(shù)據(jù)的實證分析［J］．農(nóng)業(yè)技術經(jīng)濟，2011，（04）：93－102．

［10］胡振，臧日宏．中國農(nóng)村金融排斥地域差異及因素研究［J］．中國農(nóng)業(yè)大學學報（社會科學版），2014，（02）：115－123．

［11］劉長庚，田龍鵬，陳彬，戴克明．農(nóng)村金融排斥與城鄉(xiāng)收入差距——基于中國省級面板數(shù)據(jù)模型的實證研究［J］．經(jīng)濟理論與經(jīng)濟管理，2013，（10）：17－27．

［12］譚燕芝，陳彬，田龍鵬，黃向陽．什么因素在多大程度上導致農(nóng)村金融排斥難題——基于2010年中部六省667縣（區(qū)）數(shù)據(jù)的實證分析［J］．經(jīng)濟評論，2014，（01）：25－3．

（責任編輯：李亞利）

［作者簡介］潘經(jīng)韜（1992－），男，湖北監(jiān)利人，碩士研究生，研究方向：農(nóng)業(yè)經(jīng)濟理論與政策。