縣域普惠金融發(fā)展水平測(cè)度及影響因素分析

張兵+張洋

摘要：以江蘇省44個(gè)縣域?yàn)闃颖?，測(cè)度2009—2014年江蘇省各縣域普惠金融的發(fā)展水平，并構(gòu)建空間計(jì)量模型分析縣域普惠金融的影響因素。結(jié)果表明，江蘇省44個(gè)縣域普惠金融的發(fā)展水平存在顯著差異，蘇南縣域地區(qū)金融普惠水平較高，多數(shù)蘇中和蘇北縣域地區(qū)金融普惠水平較低，且存在空間正相關(guān)性，即地理位置相近的縣域具有相似的普惠金融發(fā)展水平；影響縣域普惠金融水平的主要因素有經(jīng)濟(jì)發(fā)展水平、互聯(lián)網(wǎng)普及率、教育普及程度和道路密度。

關(guān)鍵詞：普惠金融；因子分析；縣域普惠金融；空間計(jì)量模型

中圖分類號(hào)： F830.34文獻(xiàn)標(biāo)志碼： A

文章編號(hào)：1002-1302（2017）10-0307-05

“普惠金融”這一概念引入我國(guó)后，受到高度重視，2013年黨的十八屆三中全會(huì)通過(guò)《中共中央關(guān)于全面深化改革若干重大問(wèn)題的決定》，正式提出發(fā)展普惠金融。李克強(qiáng)總理強(qiáng)調(diào)“大力發(fā)展普惠金融，讓所有市場(chǎng)主體都能分享金融服務(wù)的雨露甘霖”，實(shí)際上就是為傳統(tǒng)金融機(jī)構(gòu)服務(wù)不到的低端客戶——農(nóng)戶、低薪工人、小微企業(yè)和失業(yè)人員降低金融服務(wù)門檻。此外，我國(guó)城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)決定了包含廣大農(nóng)村的縣域金融與城市相比差距較大，普遍存在信息不對(duì)稱、規(guī)模不經(jīng)濟(jì)等問(wèn)題，導(dǎo)致農(nóng)戶、小微企業(yè)融資困難，嚴(yán)重制約著縣域經(jīng)濟(jì)的快速發(fā)展。

2014年，國(guó)務(wù)院發(fā)布《國(guó)家新型城鎮(zhèn)化規(guī)劃（2014—2020年）》后，縣域金融機(jī)構(gòu)多元化趨勢(shì)明顯，小貸公司、村鎮(zhèn)銀行、農(nóng)民資金互助社都不斷增加。但已有研究表明，這些新型的金融機(jī)構(gòu)都傾向于在經(jīng)濟(jì)發(fā)展水平較高的地區(qū)設(shè)立網(wǎng)點(diǎn)，那么經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)如何吸引這些金融機(jī)構(gòu)，進(jìn)而提高地區(qū)金融普惠水平？深度分析普惠金融發(fā)展受何種因素的影響非常重要，目前國(guó)內(nèi)外關(guān)于這方面的實(shí)證研究也非常多，但是，大多數(shù)學(xué)者忽略了經(jīng)濟(jì)區(qū)域差異對(duì)普惠金融發(fā)展的影響?？臻g計(jì)量經(jīng)濟(jì)學(xué)理論認(rèn)為，經(jīng)濟(jì)的區(qū)域差異對(duì)普惠金融發(fā)展具有一定的影響，因?yàn)橐粋€(gè)地區(qū)空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象或?qū)傩灾蹬c鄰近地區(qū)同一現(xiàn)象或?qū)傩允窍嚓P(guān)的。因此，考慮到以上因素，本研究從縣域?qū)用鏈y(cè)度普惠金融發(fā)展水平，并利用各個(gè)縣域存貸款金融機(jī)構(gòu)的面板數(shù)據(jù)，建立空間計(jì)量模型，進(jìn)一步分析縣域普惠金融發(fā)展水平的影響因素，以期為推動(dòng)欠發(fā)達(dá)地區(qū)普惠金融水平的提高提供政策建議。

[JP+1]在普惠金融測(cè)度研究方面，Beck等采用每萬(wàn)人每百平方千米金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、每萬(wàn)人每百平方千米ATM機(jī)數(shù)量及人均儲(chǔ)蓄額與人均GDP的比值等共8個(gè)指標(biāo)衡量國(guó)家金融服務(wù)水平[1]。Sarma首次創(chuàng)建了多維度普惠金融指數(shù)（index of financial inclusion，簡(jiǎn)稱IFI），吸收普惠金融的地理滲透性、使用效用性和產(chǎn)品接觸性“三維度”信息來(lái)測(cè)算不同國(guó)家的普惠金融發(fā)展水平[2]。普惠金融全球合作伙伴從金融服務(wù)的獲取、使用及質(zhì)量3方面進(jìn)一步制定了較為全面的普惠金融指標(biāo)體系[3]。國(guó)內(nèi)學(xué)者中，李濱選取了保險(xiǎn)密度、保險(xiǎn)深度和銀行資產(chǎn)總額等12個(gè)指標(biāo)計(jì)算全國(guó)各省的普惠金融水平[4]。此外，多數(shù)學(xué)者在調(diào)查普惠金融發(fā)展水平時(shí)，采用“三維度”分析法及Beck提出的8個(gè)指標(biāo)進(jìn)行實(shí)證研究[5-7]。

國(guó)外對(duì)普惠金融影響因素研究中，Anderloni提出普惠金融的發(fā)展水平受到金融市場(chǎng)自由化程度、財(cái)政政策、人口、收入及勞動(dòng)力市場(chǎng)狀況等因素的影響[8]。Helms等進(jìn)一步發(fā)現(xiàn)，手機(jī)銀行的產(chǎn)生和發(fā)展可以滿足印度貧困人群和非銀行客戶對(duì)于普惠金融的基本需求[9]。在國(guó)內(nèi)，徐少君等發(fā)現(xiàn)收入是普惠金融發(fā)展的關(guān)鍵性因素[10-11]。董曉林等則突出了金融機(jī)構(gòu)網(wǎng)點(diǎn)布局對(duì)普惠金融的影響作用[12]。與此同時(shí)，城鄉(xiāng)收入差距的影響也得到了部分學(xué)者的關(guān)注和研究[13]。

綜上所述，已有研究在普惠金融發(fā)展水平測(cè)度及影響因素方面取得了大量成果，對(duì)了解地區(qū)普惠金融水平提供了重要幫助。現(xiàn)有研究主要從不同國(guó)家或省級(jí)層面測(cè)度普惠金融發(fā)展水平，但我國(guó)城鄉(xiāng)二元經(jīng)濟(jì)結(jié)構(gòu)決定了普惠金融發(fā)展的關(guān)鍵在于縣域地區(qū)，把握縣域普惠金融的發(fā)展水平，對(duì)縮小城鄉(xiāng)差距、吸引新型金融機(jī)構(gòu)具有現(xiàn)實(shí)意義，多數(shù)學(xué)者忽略了這點(diǎn)，所以本研究從縣域角度測(cè)度普惠金融發(fā)展水平。另外，國(guó)內(nèi)外學(xué)者在研究普惠金融發(fā)展水平影響因素時(shí)，主要對(duì)經(jīng)濟(jì)發(fā)展水平、就業(yè)及金融知識(shí)等因素進(jìn)行分析，鮮有學(xué)者考慮區(qū)域差異對(duì)普惠金融發(fā)展水平的影響，普遍使用最小二乘法進(jìn)行模型估計(jì)，因而得出的結(jié)論在一定程度上缺乏客觀性。因此，本研究在縣域普惠金融發(fā)展水平測(cè)度的基礎(chǔ)上，建立空間計(jì)量模型對(duì)影響縣域普惠金融發(fā)展的因素進(jìn)行分析，以期得出客觀、全面的結(jié)論。

1縣域普惠金融發(fā)展水平測(cè)度及分析

1.1研究方法

Sarma創(chuàng)建的計(jì)算公式測(cè)算多維度普惠金融指數(shù)IFI，沒(méi)有充分考慮各維度間的權(quán)重差異性，所以本研究借鑒石建民等的因子分析法[14]進(jìn)行測(cè)度。因子分析法可以簡(jiǎn)化原始指標(biāo)，提煉出關(guān)鍵因子，并合理賦予權(quán)重大小。普惠金融發(fā)展水平綜合總得分計(jì)算方法為：

[HS2][JZ（]C（j）=[∑[DD（]mi=1[DD）]（k）Qj（k）]/[∑[DD（]mi=1[DD）]（k）]。[JZ）][JY]（1）

式中：（k）表示因子分析第j個(gè)樣本第k年的方差累計(jì)貢獻(xiàn)率；Qj（k）表示第j個(gè)樣本第k年的因子得分；C（j）表示第j個(gè)樣本的總得分。

1.2指標(biāo)體系的構(gòu)建

測(cè)度縣域普惠金融發(fā)展水平時(shí)，借鑒普惠金融全球合作伙伴方案的構(gòu)架來(lái)選取評(píng)價(jià)維度，本研究選擇可獲得性、使用情況和服務(wù)質(zhì)量3個(gè)維度，其中以可獲得性評(píng)價(jià)普惠金融的覆蓋范圍，以使用情況評(píng)價(jià)普惠金融需求主體獲得金融機(jī)構(gòu)提供金融服務(wù)的狀況，以服務(wù)質(zhì)量評(píng)價(jià)金融普惠過(guò)程中金融機(jī)構(gòu)提供金融要素的質(zhì)量情況。在充分借鑒國(guó)際主流成果的基礎(chǔ)上，參考中國(guó)人民銀行的工作報(bào)告選取具體指標(biāo)，在可獲得性、使用情況及服務(wù)質(zhì)量3個(gè)方面，本研究共設(shè)計(jì)了29項(xiàng)指標(biāo)（表1）。

本研究選取2009—2014年江蘇省44個(gè)縣域作為研究對(duì)象，充分考慮了數(shù)據(jù)的可得性和充分性。其中，江蘇省縣域樣本來(lái)源于《江蘇省統(tǒng)計(jì)年鑒：2015》公布的縣（市）。商業(yè)銀行分支機(jī)構(gòu)、pos機(jī)數(shù)、金融服務(wù)人員、農(nóng)村金融綜合服務(wù)站、農(nóng)戶貸款額、地方政府對(duì)民生、“三農(nóng)”貸款貼息資金等普惠性金融數(shù)據(jù)來(lái)源于中國(guó)人民銀行南京分行。國(guó)內(nèi)生產(chǎn)總值（gross domestic product，簡(jiǎn)稱GDP）、從業(yè)人員、年末戶籍人口、公路里程、區(qū)域面積等原始數(shù)據(jù)來(lái)源于2009—2014年《江蘇省統(tǒng)計(jì)年鑒》中縣（市）社會(huì)經(jīng)濟(jì)和社會(huì)經(jīng)濟(jì)發(fā)展序列主要指標(biāo)部分。其中商業(yè)銀行包括中國(guó)農(nóng)業(yè)銀行、中國(guó)工商銀行、中國(guó)銀行、中國(guó)建設(shè)銀行、交通銀行、中信銀行、華夏銀行、上海浦東銀行、興業(yè)銀行、民生銀行、南京銀行、江蘇銀行和郵政儲(chǔ)蓄銀行。

1.4實(shí)證分析

首先，運(yùn)用SPSS 19.0軟件對(duì)指標(biāo)體系構(gòu)建時(shí)設(shè)計(jì)的29個(gè)指標(biāo)進(jìn)行因子分析，KMO（Kaiser-Meyer-Olkin，簡(jiǎn)稱KMO）檢驗(yàn)和巴特利特球形檢驗(yàn)（bartlett test of sphercity，簡(jiǎn)稱Bartlett）（表2）通過(guò)后，進(jìn)行主成分分析，根據(jù)特征值大于1說(shuō)明，貢獻(xiàn)程度較大以及方差貢獻(xiàn)率值越高，因子對(duì)整體問(wèn)題解釋性越強(qiáng)的原則，提取3個(gè)公因子解釋原29個(gè)指標(biāo)82654%的信息，并得到3個(gè)公因子的方差貢獻(xiàn)率。再運(yùn)用最大方差法計(jì)算出因子旋轉(zhuǎn)后的載荷矩陣，對(duì)因子載荷進(jìn)行歸一化處理可得10個(gè)公因子在3個(gè)指標(biāo)上的權(quán)重，算出3個(gè)公因子得分，最后根據(jù)公式（1），計(jì)算出2009—2014年江蘇省44個(gè)縣域普惠金融水平總得分及排名（表3、圖1）?？偟梅衷礁撸瑢?duì)應(yīng)的圖形顏色越深，表明該地區(qū)的普惠金融發(fā)展情況越好。由于對(duì)數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，總得分計(jì)算時(shí)存在正負(fù)，正值表示普惠金融水平高于平均水平，負(fù)值則相反。

從表3、圖1可以看出，江蘇省縣域普惠金融水平存在明顯的區(qū)域空間差異，按照通行的行政區(qū)域?qū)⒔K省劃分為蘇南、蘇中和蘇北3個(gè)地區(qū)，可以發(fā)現(xiàn)普惠金融水平較高的地區(qū)多集中在蘇南地區(qū)，如昆山市、常熟市和太倉(cāng)市，說(shuō)明普惠金

融的發(fā)展受經(jīng)濟(jì)條件的影響較大，這些地區(qū)金融硬件水平較高，和蘇中、蘇北地區(qū)相比，蘇南地區(qū)經(jīng)濟(jì)發(fā)展較快，人均GDP較高，金融機(jī)構(gòu)、金融從業(yè)人員相對(duì)密集；此外，近幾年在政府的支持下，大力推進(jìn)新型金融機(jī)構(gòu)建設(shè)，提高地區(qū)的金融普惠水平。而蘇中、蘇北地區(qū)普惠金融水平相對(duì)較低，與蘇南[CM（25]地區(qū)相比，蘇中、蘇北地區(qū)的經(jīng)濟(jì)發(fā)展較慢，金融機(jī)構(gòu)網(wǎng)點(diǎn)

發(fā)展。

2普惠金融水平的影響因素分析

上述結(jié)果表明，江蘇省縣域普惠金融發(fā)展水平具有一定的空間相關(guān)性，所以，在分析普惠金融發(fā)展水平影響因素時(shí)須考慮空間效應(yīng)，否則得出的結(jié)論將存在誤差。本研究在測(cè)算出江蘇省44個(gè)縣域普惠金融發(fā)展水平的基礎(chǔ)上，使用2009—2014年的面板數(shù)據(jù)對(duì)江蘇省縣域普惠金融發(fā)展的影響因素進(jìn)行空間計(jì)量分析。

2.1研究方法

2.1.1[JP3]空間自相關(guān)度量空間自相關(guān)定義為一些變量在同一個(gè)分布區(qū)內(nèi)的觀測(cè)數(shù)據(jù)之間潛在的相互依賴性?？臻g統(tǒng)計(jì)學(xué)上最常用Morans I值，Morans I取值范圍為[-1，1]，大于0表示存在空間正相關(guān)，小于0表示存在負(fù)相關(guān)，等于0表示不相關(guān)。

2.1.2在空間計(jì)量經(jīng)濟(jì)中，常見(jiàn)的面板數(shù)據(jù)模型包括固定效應(yīng)模型和隨機(jī)效應(yīng)模型當(dāng)樣本是隨機(jī)抽取來(lái)考察總體時(shí)，隨機(jī)效應(yīng)模型較為恰當(dāng)；而當(dāng)樣本是一些特定個(gè)體時(shí)，固定效應(yīng)模型較為恰當(dāng)。根據(jù)本研究選取了江蘇省44個(gè)縣域作為研究樣本的實(shí)際情況，故選擇固定效應(yīng)模型。固定效應(yīng)的空間計(jì)量模型主要包括2種：空間滯后面板數(shù)據(jù)模型（spatial lag model，簡(jiǎn)稱SLM）和空間誤差面板數(shù)據(jù)模型（spatial error model，簡(jiǎn)稱SEM）。

空間滯后面板數(shù)據(jù)模型：

[JZ（]Y=μ+Xβ+ρWnt+ε，εi～N（0，σ2In）；[JZ）][JY]（2）

空間誤差面板數(shù)據(jù)模型：

[JZ（]Y=Xβ+μ+=λWnt+ε，εi～N（0，σ2In）。[JZ）][JY]（3）

式中，t表示研究的時(shí)間；n表示測(cè)量區(qū)域數(shù)目；Y是被解釋變量的nt×1維向量，指縣域普惠金融發(fā)展水平；X表示解釋變量的nt×k維向量；Wnt是nt×nt階空間權(quán)重矩陣；參數(shù)β是k×1階的待估系數(shù)，反映解釋變量對(duì)被解釋變量的影響；ρ是空間滯后回歸系數(shù)，用于衡量觀測(cè)值之間的空間相互作用程度；ε表示隨機(jī)干擾誤差向量，且滿足正態(tài)獨(dú)立分布，即εi～N（0，σ2In）；λ表示自回歸參數(shù)，用于衡量樣本觀測(cè)值中的空間依賴作用；μ是常數(shù)項(xiàng)；是隨機(jī)誤差項(xiàng)。

2.2變量選取

經(jīng)濟(jì)發(fā)展水平Y(jié)1：多數(shù)學(xué)者認(rèn)為GDP值高的地區(qū)，金融需求旺盛，金融資源會(huì)傾向該地區(qū)，促進(jìn)普惠金融水平提高[10-11]，采用各縣域人均GDP來(lái)表示該變量；城鄉(xiāng)居民收入差距Y2：城鄉(xiāng)居民收入差距加大通常會(huì)導(dǎo)致金融機(jī)構(gòu)遠(yuǎn)離農(nóng)村，從而負(fù)面影響普惠金融水平，采用各縣域城鎮(zhèn)常住居民人均可支配收入與農(nóng)村常住居民人均可支配收入差值來(lái)表示該變量；互聯(lián)網(wǎng)普及率Y3：非洲等地區(qū)的實(shí)證表明，以電話和網(wǎng)絡(luò)為介質(zhì)的金融服務(wù)在邊遠(yuǎn)地區(qū)的普及，可以增加當(dāng)?shù)鼐用窠佑|金融服務(wù)的便利性；另一方面為解決信息不對(duì)稱、商業(yè)可持續(xù)性等問(wèn)題創(chuàng)造了條件，采用各縣域互聯(lián)網(wǎng)用戶數(shù)與總戶數(shù)比值來(lái)表示該變量。道路密度Y4：交通建設(shè)能提高金融供需雙方接觸的便利程度，降低金融服務(wù)成本，采用各縣域公路里程與總面積比值來(lái)表示該變量。教育普及程度Y5：通常教育普及程度由受教育年限體現(xiàn)，居民受教育水平越高，越容易接受和使用新的金融產(chǎn)品和服務(wù)，采用各縣域在校學(xué)生占比來(lái)表示該變量。就業(yè)水平Y(jié)6：就業(yè)意味著收入和消費(fèi)，也意味著地區(qū)的金融需求及金融消費(fèi)能力，采用各縣域從業(yè)人員總數(shù)與戶籍人口數(shù)比值表示該變量。城鄉(xiāng)金融制度創(chuàng)新Y7：謝麗霜等發(fā)現(xiàn)新型農(nóng)村金融機(jī)構(gòu)建設(shè)數(shù)量較多的地區(qū)，金融制度創(chuàng)新力度大，能夠快速推進(jìn)普惠金融的發(fā)展[13]，采用各縣域新型農(nóng)村金融機(jī)構(gòu)數(shù)表示該變量。

2.3數(shù)據(jù)來(lái)源

GDP、年末戶籍人口、城鎮(zhèn)常住居民人均可支配收入、農(nóng)村常住居民人均可支配收入、互聯(lián)網(wǎng)用戶數(shù)、總戶數(shù)、公路里程、區(qū)域面積、在校學(xué)生、從業(yè)人員數(shù)據(jù)來(lái)源于2009—2014年《江蘇省統(tǒng)計(jì)年鑒》中縣（市）社會(huì)經(jīng)濟(jì)和社會(huì)經(jīng)濟(jì)發(fā)展序列主要指標(biāo)部分，新型農(nóng)村金融機(jī)構(gòu)數(shù)據(jù)來(lái)源于中國(guó)人民銀行南京分行。

2.4實(shí)證分析

首先對(duì)江蘇省縣域普惠金融發(fā)展水平進(jìn)行空間自相關(guān)分析，運(yùn)用STATA 11.0軟件計(jì)算空間相關(guān)系數(shù)（Morans I）。從表4可以看出，2009—2014年總體上Morans I指數(shù)變化不大，一直在0.16～0.21之間浮動(dòng)，在10%的水平下顯著，表明縣域普惠金融發(fā)展水平在空間上存在正相關(guān)關(guān)系，即某縣域普惠金融的發(fā)展水平會(huì)受到鄰近縣域地區(qū)的正向影響。因此，在分析普惠金融發(fā)展水平影響因素時(shí)須考慮空間效應(yīng)，此時(shí)普通最小二乘法將不再適用于對(duì)普惠金融發(fā)展水平的影響因素問(wèn)題進(jìn)行分析，需要選擇合適的空間計(jì)量模型對(duì)普惠金融發(fā)展的影響因素進(jìn)行研究。從表5中空間滯后模型和空間誤差模型的相關(guān)指標(biāo)結(jié)果來(lái)看，滯后模型的拉格朗日乘數(shù)LML值大于誤差模型的拉格朗日乘數(shù)LME值，所以滯后模型相對(duì)于誤差模型更顯著，且LML值和其穩(wěn)健性RLML值在5%的水平下均顯著，通過(guò)了空間依賴性檢驗(yàn)，因此選擇空間滯后模型更為合適。

進(jìn)一步運(yùn)用STATA 11.0軟件對(duì)數(shù)據(jù)進(jìn)行空間滯后模型和空間誤差模型擬合。從表6中可知，空間滯后模型的各項(xiàng)檢驗(yàn)值均優(yōu)于空間誤差模型，SLM的擬合優(yōu)度R2值大于SEM的擬合優(yōu)度，SLM的對(duì)數(shù)似然函數(shù)值（log likelihood，簡(jiǎn)稱logL）值大于SEM的logL值，表明空間滯后模型擬合效果優(yōu)于空間誤差模型，因此，本研究選擇空間滯后模型對(duì)縣域普惠金融發(fā)展水平的影響因素進(jìn)行分析。

由表6還可以看出，經(jīng)濟(jì)發(fā)展水平對(duì)縣域普惠金融發(fā)展水平具有正向影響，影響系數(shù)為0.711且顯著。從江蘇省經(jīng)濟(jì)現(xiàn)狀來(lái)看，江蘇省由南至北經(jīng)濟(jì)發(fā)展水平依次遞減，44個(gè)縣域普惠金融發(fā)展水平中蘇南地區(qū)普惠金融水平較高，蘇中、蘇北地區(qū)普惠金融水平較低，可見(jiàn)在一定程度上縣域普惠金融的發(fā)展依賴經(jīng)濟(jì)的推動(dòng)?；ヂ?lián)網(wǎng)普及率有利于縣域普惠金融發(fā)展水平的提高，影響系數(shù)為0.627且顯著，近幾年，互聯(lián)網(wǎng)金融的興起有益于互聯(lián)網(wǎng)對(duì)普惠金融正向促進(jìn)，互聯(lián)網(wǎng)普及率的提高為居民接觸金融服務(wù)提供了便利，推動(dòng)地區(qū)的金融普惠程度。教育普及程度對(duì)縣域普惠金融發(fā)展水平具有正向作用，影響系數(shù)為0.102且顯著，一方面，教育程度較高的群體具有基本的金融知識(shí)和正確的金融觀念；另一方面，高教育水平群體的收入一般較高，他們的金融需求能夠帶動(dòng)地區(qū)的金融建設(shè)。道路密度對(duì)縣域普惠金融發(fā)展水平有顯著正向影響，影響系數(shù)為0.108且顯著，說(shuō)明地區(qū)基礎(chǔ)設(shè)施的完善在一定程度上促進(jìn)普惠金融的發(fā)展水平。

城鄉(xiāng)收入差距對(duì)縣域普惠金融發(fā)展水平具有負(fù)向影響，影響系數(shù)為-1.760且顯著，說(shuō)明城鄉(xiāng)收入差距會(huì)促使農(nóng)村居民流入城鎮(zhèn)，金融機(jī)構(gòu)更偏向于城鎮(zhèn)，使得農(nóng)村地區(qū)的金融服務(wù)無(wú)法得到進(jìn)一步改善。

就業(yè)水平、城鄉(xiāng)金融制度創(chuàng)新對(duì)縣域普惠金融發(fā)展水平的影響并不顯著，說(shuō)明就業(yè)水平和城鄉(xiāng)金融制度創(chuàng)新對(duì)縣域普惠金融發(fā)展程度有一定的影響，但并不是主要影響因素。

3結(jié)論與對(duì)策建議

研究結(jié)果表明，江蘇省44個(gè)縣域普惠金融發(fā)展水平存在明顯的差異性，蘇南地區(qū)縣域金融普惠水平較高，多數(shù)蘇中和蘇北地區(qū)的縣域普惠金融水平較低；且存在空間正相關(guān)性，地理位置相近的縣域具有相似的普惠金融發(fā)展水平。影響縣域普惠金融水平的主要因素中經(jīng)濟(jì)發(fā)展水平、互聯(lián)網(wǎng)普及率、教育普及程度和道路密度與普惠金融水平呈正相關(guān)關(guān)系；城鄉(xiāng)收入差距與普惠金融水平呈負(fù)相關(guān)關(guān)系。針對(duì)以上研究結(jié)論，為進(jìn)一步推動(dòng)普惠金融的進(jìn)程，提出以下建議：

第一，江蘇省各縣域普惠金融發(fā)展存在明顯的空間正相關(guān)關(guān)系，宜兼顧?quán)徑h域普惠金融的發(fā)展動(dòng)向，加強(qiáng)縣域之間的合作交流，特別是蘇北地區(qū)，有著多種多樣相似和相近的經(jīng)濟(jì)基礎(chǔ)，應(yīng)積極推動(dòng)普惠金融發(fā)展水平較高的縣域作為示范點(diǎn)，帶動(dòng)周圍普惠金融協(xié)調(diào)發(fā)展。

第二，推動(dòng)區(qū)域經(jīng)濟(jì)協(xié)調(diào)發(fā)展是促進(jìn)普惠金融發(fā)展的根本途徑。江蘇省各縣域普惠金融發(fā)展存在明顯的空間正相關(guān)關(guān)系，宜充分考慮區(qū)域特點(diǎn)，加強(qiáng)相鄰地區(qū)合作，促進(jìn)經(jīng)濟(jì)協(xié)調(diào)發(fā)展，吸引金融資源，從而促進(jìn)各地區(qū)金融普惠程度。首先應(yīng)采取符合各地區(qū)實(shí)際情況的經(jīng)濟(jì)措施來(lái)縮小城鄉(xiāng)收入差距，加快城鎮(zhèn)化進(jìn)程；其次應(yīng)加大基礎(chǔ)設(shè)施建設(shè)，減少金融服務(wù)提供的成本。

第三，隨著互聯(lián)網(wǎng)的普及，近年來(lái)互聯(lián)網(wǎng)金融得到蓬勃發(fā)展，并推動(dòng)了普惠金融的進(jìn)程，在提升小微企業(yè)融資覆蓋率、降低投資理財(cái)門檻等方面作出了巨大貢獻(xiàn)。接下來(lái)應(yīng)準(zhǔn)確把握互聯(lián)網(wǎng)金融在農(nóng)村的布局發(fā)展，盡管農(nóng)村經(jīng)濟(jì)正走在“電商化”“信息化”的道路，如京東、阿里、蘇寧等均已建立農(nóng)村電商，但絕大多數(shù)農(nóng)村仍面臨改善居民金融服務(wù)的需求。同時(shí)，應(yīng)加強(qiáng)互聯(lián)網(wǎng)建設(shè)，增加網(wǎng)絡(luò)覆蓋率。

第四，一方面，各級(jí)政府和相關(guān)部門應(yīng)積極加大教育投入，提高教育普及率，從而居民了解、接受新事物的能力加強(qiáng)，對(duì)金融的需求也會(huì)增加；另一方面，推動(dòng)普惠金融知識(shí)的普及，定期安排金融服務(wù)人員開(kāi)展金融知識(shí)講解活動(dòng)，使居民樹立普惠金融意識(shí)，及時(shí)了解金融產(chǎn)品和服務(wù)。

參考文獻(xiàn)：

[1]Beck T，Demirguc-Kunt A，Peria M S M. Reaching out：access to and use of banking services across countries[J]. Journal of Financial Economics，2007，85（1）：234-266.

[2]Sarma M. Index of financial inclusion[D]. New Delhi：Jawaharlal Nehru University，2010：1-28.

[3]焦瑾璞. 構(gòu)建普惠金融體系的重要性[J]. 中國(guó)金融，2010（10）：12-13.

[4][JP4]李濱. 普惠金融的制度分析與測(cè)度研究[D]. 廈門：廈門大學(xué)，2014.

[5]田杰，陶建平. 農(nóng)村普惠性金額發(fā)展對(duì)中國(guó)農(nóng)戶收入的影響——來(lái)自1877個(gè)縣（市）面板數(shù)據(jù)的實(shí)證分析[J]. 財(cái)經(jīng)論叢，2012（2）：57-63.

[6]謝升峰，路萬(wàn)忠. 農(nóng)村普惠金融統(tǒng)籌城鄉(xiāng)發(fā)展的效應(yīng)測(cè)度——基于中部六省18縣（市）的調(diào)查研究[J]. 湖北社會(huì)科學(xué)，2014（11）：59-64.

[7]翟帥. 江蘇省普惠金融指數(shù)及其影響因素研究[J]. 財(cái)會(huì)月刊，2015（12）：65-69.

[8]Anderloni L. Financial services provision and prevention of financial exclusion[R]. Brussels：European Commission，2008.

[9][JP3]Helms B，Assistpoor C G T，Bank W. Access for all：building inclusive financial systems[J]. World Bank Publications，2006，9（2）：247-264.

[10]徐少君，金雪軍. 農(nóng)戶金融排除的影響因素分析——以浙江省為例[J]. 中國(guó)農(nóng)村經(jīng)濟(jì)，2009（6）：62-72.

[11]劉明，劉震，郭峰. 山東省普惠金融發(fā)展現(xiàn)狀及影響因素分析——基于普惠金融發(fā)展指數(shù)的實(shí)證研究[J]. 金融發(fā)展研究，2014（12）：54-59.

[12][JP3]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.

[13]謝麗霜，李可. 我國(guó)民族地區(qū)農(nóng)村金融普惠水平及影響因素分析[J]. 改革與戰(zhàn)略，2015（7）：111-116.

[14]石建民，馬森，于海燕. 普惠金融指標(biāo)體系的構(gòu)建——以菏澤市為例[J]. 征信，2014（12）：69-72.