我國金融排斥的城鄉(xiāng)二元性研究

我國金融排斥的城鄉(xiāng)二元性研究

一、引言金融排斥(FinancialExclusion)是金融地理學的新興研究方向，1997年開始，成為國外政府部門金融管理決策過程中優(yōu)先考察的議題。中外學者從不同角度、不同層面對該專題進行了全方位探討，包括其概念的內(nèi)涵與外延、易被排斥對象、排斥的動態(tài)過程、原因與后果①等。目前尚缺乏從城鄉(xiāng)二元性視角研究金融排斥的文獻，本文試圖從以下層面展開分析：①城鄉(xiāng)金融排斥程度的時空差別。西方學者較少關(guān)注農(nóng)村地區(qū)的金融排斥，往往傾向于與當?shù)爻鞘形瘑T會(CityCouncil)合作，為城市金融包容(FinancialInclusion)開出藥方(AyadiandRodkiewicz，2007)。中國學者有限的量化研究，或局限于省級平均水平，或受限于數(shù)據(jù)，只能沿著城市或鄉(xiāng)村各自的時空差異分別展開研究。本文嘗試突破傳統(tǒng)的城、鄉(xiāng)金融體系的割裂思維，構(gòu)建我國31個省區(qū)市城鄉(xiāng)金融排斥二元性相對指數(shù)，客觀反映其空間差異，以新的視角豐富國際金融地理學界的相關(guān)研究。②不同區(qū)域城鄉(xiāng)金融排斥二元性的誘致因素。目前，金融排斥的誘因分析往往局限于某項金融產(chǎn)品或某個調(diào)研區(qū)域，樣本數(shù)量過少，代表性較差，受訪者拒絕合作，問卷信息失真，要素復合因果等問題導致難以準確界定我國金融排斥的誘致要素。本文不僅在一致、可比的指標基礎(chǔ)上，探討誘發(fā)城鄉(xiāng)金融排斥二元性的影響因素，而且利用模糊曲線法檢驗各要素的貢獻彈性，較好地解決金融復雜系統(tǒng)中各要素的交互作用、復合因果及非線性關(guān)系，彌補了傳統(tǒng)計量研究的不足。③從城鄉(xiāng)金融地域系統(tǒng)的空間溢出效應及有限聯(lián)動角度探討削減金融排斥二元性的渠道與途徑?，F(xiàn)有研究沒有考慮城市和鄉(xiāng)村金融體系的空間聯(lián)系，往往沿著城、鄉(xiāng)金融系統(tǒng)相互獨立、自我循環(huán)、封閉發(fā)展的思路進行，本文推翻各地區(qū)金融同質(zhì)的假說，重視空間維度，將“金融性”和“地域性”有機結(jié)合，指出金融的發(fā)展同樣要遵循系統(tǒng)觀和統(tǒng)籌觀，這是區(qū)域金融高效成長及城鄉(xiāng)協(xié)調(diào)發(fā)展的要求。二、模型構(gòu)建與變量選擇1.金融排斥城鄉(xiāng)二元性的客觀表現(xiàn)省域平均意義水平上的金融排斥程度差別往往掩蓋了農(nóng)村地區(qū)金融成長滯后問題，根據(jù)田霖(2010)研究，我國各省區(qū)共存的“短板”在于金融發(fā)展存在嚴重的城鄉(xiāng)失調(diào)。表1分列31個省區(qū)市(以下稱省份)農(nóng)村及省區(qū)市域的金融排斥相對得分和排名。由表1可見，省域與農(nóng)村區(qū)域的金融排斥程度存在較大差別，如山西省農(nóng)村金融排斥并不嚴重，排名第8，然而其全省區(qū)的金融排斥排名為21；東部的上海、廣東總體金融排斥水平不高，分列全國第1、2位，相對于城市，其農(nóng)村地區(qū)的金融排斥程度相對較為嚴重，分列第7、11位；除了四川、內(nèi)蒙古存在單項指標較為領(lǐng)先之外，西部各省份的省域及農(nóng)村金融排斥均比較嚴重。表1從側(cè)面反映了金融排斥的城鄉(xiāng)二元性，為了較為客觀、全面地考量這一問題，采用城鄉(xiāng)金融網(wǎng)點差異、存款規(guī)模差異、貸款規(guī)模差異、資金利用效率差異四項可比指標構(gòu)建區(qū)域金融排斥的城鄉(xiāng)二元性指數(shù)。利用全局主成分方法，提取規(guī)模、效率兩項主成分反映方差的大部分信息，綜合得分F=(F1×70.249+F2×25.084)/95.333。經(jīng)過標準化處理和逆向指標轉(zhuǎn)換后，得出各區(qū)域城鄉(xiāng)金融排斥二元性綜合指數(shù)，見表2。由表2可知，我國大部分省份存在比較嚴重的城鄉(xiāng)金融排斥的二元性，其中23個省份金融排斥二元性的程度高于全國平均水平。不僅中西部省份面臨金融排斥二元性問題，一些經(jīng)濟、金融相對發(fā)達的東部省份也受到二元性的困擾，影響區(qū)域的可持續(xù)協(xié)調(diào)發(fā)展。為了確定影響城鄉(xiāng)金融排斥的關(guān)鍵要素，擬構(gòu)建如下模型，并進行誘致因素剖析。2.模型構(gòu)建與變量選擇(1)理論分析與模型構(gòu)建。金融地理學的大生境與自組織理念要求認識事物時克服單維度看問題的傳統(tǒng)思維方式，轉(zhuǎn)而采取多維度、全維度的視角。對金融排斥而言，則要結(jié)合需求引致、供給誘導及社會環(huán)境影響，從三方面把握其誘因。需求引致著力解決金融需求主體的某項特征所引發(fā)的排斥，如收入、年齡、教育、種族、住房擁有狀況、不悅的金融借貸經(jīng)歷、心理因素等。供給誘導則涉及影響金融機構(gòu)資金供給的若干條件與因素，如產(chǎn)品多樣性、金融基礎(chǔ)設(shè)施、地理便利性、市場營銷策略、價格水平等。金融排斥的社會誘發(fā)要素則包括如下方面：人口統(tǒng)計的變化、收入差距及勞動力的結(jié)構(gòu)變動、社會支持、市場化程度等，這些社會要素會對某類社會群體的金融排斥水平產(chǎn)生影響(Hersi，2009)。需求、供給、社會這三方面誘致要素存在多重因果和互動關(guān)系。如技術(shù)水平的提高有利于增加收入，繼而提升對先進金融產(chǎn)品的需求，而金融產(chǎn)品需求的增加，將會進一步促進區(qū)域金融和經(jīng)濟的穩(wěn)健增長，而區(qū)域經(jīng)濟社會條件的改善引致排斥程度的進一步降低；金融教育低下，不僅直接減少對金融產(chǎn)品的需求，加大自我排斥，也會引發(fā)學習障礙，降低收入水平，惡化金融排斥及社區(qū)環(huán)境；良好的地理區(qū)位在某種程度上意味著排斥程度較輕，金融的集聚效應將有效促進該區(qū)域發(fā)展，而該區(qū)域先進的金融文化和技術(shù)的普及以及金融產(chǎn)品的豐富多樣進一步誘發(fā)經(jīng)濟主體的需求，主流金融機構(gòu)滿足農(nóng)戶、企業(yè)金融需求的過程，同時也是金融包容的過程?？梢姡鹑谂懦獾母髡T因呈復雜的非線性和因果關(guān)系，因此，在傳統(tǒng)的計量工具之外還需結(jié)合模糊曲線分析，以檢驗各要素的貢獻彈性。我國存在城鄉(xiāng)金融二元結(jié)構(gòu)，農(nóng)村和城市金融系統(tǒng)具有不同的運行特征，若進行城鄉(xiāng)金融排斥二元性的分析，需分別構(gòu)建城市金融系統(tǒng)、鄉(xiāng)村金融系統(tǒng)。為了保證城鄉(xiāng)空間系統(tǒng)的可比性，自變量與因變量的選擇在充分考慮數(shù)據(jù)可得性的基礎(chǔ)上，兼顧其一致性、可操作性與說服力，力求定位影響城鄉(xiāng)金融排斥的關(guān)鍵要素。擬構(gòu)建如下計量模型②：EXCLUDED(Urban)=f(Income,Employment,Age,Technology,Education,GDPDevelopment,Government'sRestriction,Gender,Ethnicity,Geography);EXCLUDED(Rural)=f(Income,Employment,Age,Technology,Education,GDPDevelopment,Government'sRestriction,Gender,Ethnicity,Geography)。城鄉(xiāng)金融排斥程度EXCLUDED均采用四項指標衡量：萬人機構(gòu)覆蓋度、人均貸款水平、存款資源利用水平及人均儲蓄存款水平。若尋找城鄉(xiāng)金融排斥差異的誘致因素，人均指標顯然優(yōu)于區(qū)域指標，這是由于區(qū)域總量指標的差異往往會造成統(tǒng)計結(jié)果的畸高或畸低，并且解釋變量往往考察某區(qū)域個人或家庭經(jīng)濟主體的特性，具有微觀特征，故而人均指標更加客觀、全面③。自變量的選擇廣泛借鑒國外學者的研究，如Hersi(2009)、KempsonandWhyley(2000)、KempsonandWhyley(1999)，以及FSA(2006)等的研究成果，并基于以下假設(shè)展開：H1：在其他條件不變的情況下，收入越高、就業(yè)比例越高、技術(shù)水平越高、金融教育越充分、GDP增長率越高、政府支持力度越強，則金融排斥程度較低。H2：在其他條件不變的情況下，老人、兒童總?cè)丝谒急壤礁?，女性人口比例越高，則金融排斥程度相對越高。H3：在其他條件不變的情況下，少數(shù)民族地區(qū)、中西部地區(qū)的金融排斥程度相對較高。(2)誘因選擇與處理。①Income。金融排斥首先是收入的函數(shù)，國外相關(guān)統(tǒng)計模型表明，是否接受收入援助這一變量對金融排斥具有最大的解釋力(KempsonandWhyley，1999)。保持其他控制變量不變，低收入顯著增加了金融排斥的機率，因此，各省份城鎮(zhèn)居民人均可支配收入及農(nóng)村居民人均純收入(取對數(shù))可作為金融排斥的解釋變量之一。②Emplo表示就業(yè)狀況。國外的彈性勞動力市場導致非全職工作、自雇傭等比例增加，而就業(yè)水平的高低直接導致金融排斥程度的動態(tài)變化，這里采用我國各省份城鎮(zhèn)就業(yè)人員、鄉(xiāng)村就業(yè)人員所占比例作為度量指標。③Tec技術(shù)水平。Geach(2007)指出，手機技術(shù)在農(nóng)村和城市貧民區(qū)的普及，將有助于彌合數(shù)字鴻溝(DigitalDivide)且便利于居民采用主流金融服務(wù)。本文采用城市/農(nóng)村地區(qū)固定電話普及率、移動電話普及率、電腦普及率及互聯(lián)網(wǎng)普及率的加權(quán)平均值反映不同區(qū)域城鄉(xiāng)的技術(shù)水平及金融基礎(chǔ)設(shè)施供給狀況。④Edu，又稱為金融教養(yǎng)(FinancialLiteracy)，它是一種隱性知識，且代際遺傳。比如富裕家庭的孩子耳濡目染，很容易掌握金融產(chǎn)品的使用方法，反之，貧困家庭的孩子往往對現(xiàn)代金融工具一無所知。另外，后天金融教育的薄弱也會導致金融排斥的發(fā)生。可利用城市高等院校數(shù)目、專任教師數(shù)目及農(nóng)村勞動力中大專以上人口所占比例近似反映。⑤GDP增長率。反映城鄉(xiāng)經(jīng)濟發(fā)展的宏觀環(huán)境優(yōu)劣，分別用城市、農(nóng)村年均GDP增長率來反映。城市的統(tǒng)計范疇包括各省份所有地級市、縣級市，及各區(qū)的GDP增長率的加權(quán)平均；農(nóng)村則是各縣、旗GDP增長率的加權(quán)平均。⑥Restri。政府對城鄉(xiāng)經(jīng)濟的支持力度用城市預算支出及農(nóng)村財政支農(nóng)力度近似替代反映。后者的數(shù)據(jù)來源于1988-2007年全國農(nóng)業(yè)綜合開發(fā)項目投入中央財政資金及地方財政配套資金總量(取對數(shù))。⑦Age表示各省份城鄉(xiāng)人口的年齡構(gòu)成。采用各省份城鄉(xiāng)少年兒童(0-14歲)和老年人口(65歲以上)所占比例反映區(qū)域的人口年齡結(jié)構(gòu)。⑧Gender(城鄉(xiāng)人口中女性所占比例)反映城鄉(xiāng)人口的性別結(jié)構(gòu)。KempsonandWhyley(1999)的調(diào)研說明，女性占總?cè)丝诘谋壤礁?，排斥指?shù)越高。⑨Dt。該指標為表示地理特征的虛擬變量，以反映地域差別的影響。即該虛擬變量反映區(qū)域的民族構(gòu)成。低收入的少數(shù)民族聚集區(qū)，金融排斥往往比較嚴重。少數(shù)民族聚集區(qū)(廣西、新疆、內(nèi)蒙古、寧夏和西藏)賦值1，其他地區(qū)賦值0。三、實證結(jié)果與檢驗1.計量分析結(jié)果為了檢驗解釋變量的納入是否合理，首先分別進行單一解釋變量的計量檢驗，共建立10個模型，被解釋變量分別為城、鄉(xiāng)金融排斥指數(shù)，解釋變量分別為前文列出的10個變量。模型的回歸系數(shù)、顯著性以及各解釋變量與因變量的相關(guān)系數(shù)見表3。由表3可知，農(nóng)村金融排斥與Income、Emplo、Tec及Edu顯著負相關(guān)，與Age顯著正相關(guān)，且回歸系數(shù)均在1％的水平上顯著。城市金融排斥與Income顯著負相關(guān)，且回歸系數(shù)在1％的水平上顯著。與農(nóng)村金融排斥的影響要素不同，城市的Emplo、Tec及Edu對其排斥程度的影響有限。這一方面是由于各要素的作用機制不同，比如技術(shù)，國外學者的研究存在爭論，如KempsonandWhyley(1999)對技術(shù)的正面影響持懷疑態(tài)度，提出電話和網(wǎng)絡(luò)為介質(zhì)的金融服務(wù)將加大金融排斥。就我國而言，技術(shù)對農(nóng)村金融發(fā)展有積極的推動作用，而對城市的金融發(fā)展影響卻非常有限。原因在于，城市的電話、網(wǎng)絡(luò)普及率較高，其對金融排斥的邊際影響較小，且已經(jīng)頗具規(guī)模的電話、網(wǎng)絡(luò)金融服務(wù)的風險加大導致原有用戶的自我排斥。而農(nóng)村信息技術(shù)的完善，將提高農(nóng)業(yè)的科技化程度，拓寬農(nóng)產(chǎn)品融資渠道，增加農(nóng)民收入，降低金融排斥；同時擁有電話、電腦的農(nóng)戶逐漸接受和采納高科技金融服務(wù)也引致金融排斥減小。另一方面則是由于城鄉(xiāng)金融體系是一個復雜的多維系統(tǒng)，金融排斥各誘致要素之間互相影響、互相作用、互為因果，且各要素存在非線性關(guān)系，傳統(tǒng)的線性分析方法只能部分反映其內(nèi)在關(guān)系與作用過程。如城市Income與Age、Tec、Edu、Restri均顯著相關(guān)，相關(guān)系數(shù)分別為-0.629、0.644、0.408及0.672，農(nóng)村Income與Emplo、Age、Tec、Edu的相關(guān)系數(shù)分別為0.638、-0.538、0.926、0.782，且均在0.01的水平上(雙側(cè))顯著相關(guān)。變量間的高度相關(guān)和復合因果使單一要素作用強度的確定更加困難。此外，GDP對城市和農(nóng)村的金融排斥均無顯著影響，這說明名義GDP的增長如果不能提升居民收入，其對金融排斥的影響將非常有限。Restri、Age、Gender在1％的水平上顯著影響農(nóng)村金融排斥，而對城市金融排斥水平并無顯著影響。我國少數(shù)民族聚居區(qū)城、鄉(xiāng)金融排斥相對嚴重，且在5％的水平上顯著?；貧w系數(shù)在1％的水平上顯著，且為負，說明不論城市抑或鄉(xiāng)村，東部省份的金融排斥水平顯然低于其他省份。盡管Mino及Dt對省區(qū)金融排斥的空間差異具有一定的解釋力，但是，對其城鄉(xiāng)二元性并無顯著解釋力。為了剔除自變量的相互作用及相互影響，進一步借鑒英格蘭東南發(fā)展機構(gòu)的量化研究，采用逐步回歸法確定與城、鄉(xiāng)金融排斥相關(guān)的變量。分析表明，影響城市金融排斥的最重要的三個要素為收入、技術(shù)及民族，且在1％的水平上顯著。其中收入對金融排斥具有最大的解釋力。單一要素分析表明，Tec對城市金融排斥的影響并不顯著，而逐步回歸結(jié)果證明，該要素在5％的水平上顯著，因此，初步推測Tec通過某種作用機制影響了收入，進而引發(fā)城市金融排斥的變動。采用同樣的分析方法，對農(nóng)村金融排斥模型進行逐步回歸，只有一個要素即Tec在1％的水平上顯著，且回歸系數(shù)為-0.008，即技術(shù)水平越高，則排斥程度越低。通過比較，某些要素在其他條件不變的情況下，與因變量顯著相關(guān)，但是，由于復雜系統(tǒng)各因子的交互作用，導致其多元回歸的顯著性大大下降，出現(xiàn)多重共線性。逐步回歸法部分解決了要素間的交互影響與作用，卻無法完全解決其非線性問題。除此之外，某些要素符號出現(xiàn)反常，如Tec對城市金融排斥具有提升作用。為了更好地理解其內(nèi)在機理，下文將采用模糊曲線方法檢驗各要素對城、鄉(xiāng)金融排斥的貢獻彈性。2.模糊曲線檢驗結(jié)果所謂模糊曲線分析法是由世界著名的實驗室諾斯—阿拉姆斯實驗室適應系統(tǒng)應用中心金融分析小組的需要最新開發(fā)的非常有價值的統(tǒng)計方法。它主要用來壓縮輸入數(shù)據(jù)的維度，發(fā)現(xiàn)影響產(chǎn)出變量的重要因素。步驟是通過求貢獻彈性，根據(jù)樣本點擬合樣本曲線，最后選出影響變量的最重要的因素。模糊曲線方法不需要建立數(shù)學模型，只根據(jù)輸入的采樣數(shù)據(jù)就可以估計出要求的決策，非常適合非線性、多變量的復雜系統(tǒng)分析。根據(jù)模糊曲線原理設(shè)計軟件程序，輸入各個地區(qū)有關(guān)樣本的數(shù)據(jù)，可以分別得出各誘因?qū)Τ?、鄉(xiāng)金融排斥的貢獻彈性，見表4。城市系統(tǒng)中，H1、H2成立，對金融排斥影響最大的要素為Income，其二次擬合曲線呈右下方傾斜狀態(tài)，表明城鎮(zhèn)居民收入每增長1單位，其對金融排斥指數(shù)的貢獻為0.35單位，且為負貢獻。相對于收入，其他要素的影響力比較微弱，貢獻彈性除Mino為0.129外，其他均在0.1以下，如Gender的貢獻可以忽略不計，而Emplo、Age、GDP的二次擬合曲線均非常平緩，表明其并非金融排斥的關(guān)鍵誘致要素。Tec對UFE的貢獻只有-0.048，二次擬合曲線前半段朝右下方傾斜而后半段則傾向于增加UFE，這表明，適度的技術(shù)將有利于排斥程度的降低，然而，由于城市金融技術(shù)的普及和金融基礎(chǔ)設(shè)施的完善，一方面，過度的技術(shù)采納與網(wǎng)絡(luò)化金融反而在某種程度上加大了金融風險，增加居民對金融中介的不信任感，進而導致自我排斥的上升；另一方面，先進的技術(shù)便利于金融部門掌握跟蹤客戶的信用記錄，有效地甄別客戶，將潛在風險客戶排斥在外。因而，Tec與UFE的擬合曲線表現(xiàn)出了復雜的形態(tài)。除此之外，Tec對城市金融排斥的直接影響并不明顯，其作用機制更多的表現(xiàn)在增加城鎮(zhèn)居民收入，進而作用于金融排斥，模糊曲線分析表明Tec對Income的貢獻彈性為0.217，證實了前文的推測，即某些要素的交互作用同樣影響區(qū)域金融排斥的大小。類似的指標還有Edu和Mino，其對收入的邊際貢獻分別為0.104及-0.045。盡管這些要素本身的計量結(jié)果并不顯著，但是通過作用于收入，引致其排斥水平的變化。農(nóng)村系統(tǒng)中，對金融排斥負貢獻最大的要素依次為收入、技術(shù)和教育(就業(yè)擬合圖形平緩，可忽略)。農(nóng)民純收入對金融排斥的貢獻彈性最大為-0.382，即Income每增加1單位，其排斥減少0.382個單位。Tec對我國農(nóng)村金融排斥的貢獻彈性排在第二位，且隨著信息技術(shù)的普及，排斥指數(shù)趨于縮小。這表明信息技術(shù)的普及不僅可以使已經(jīng)被排斥的農(nóng)戶和企業(yè)擺脫信息陰影(InformationShadow)，而且便利了已擁有發(fā)達金融基礎(chǔ)設(shè)施的經(jīng)濟主體采用高科技金融產(chǎn)品和服務(wù)。如我國廣東省信息直通車工程的實施，可以直接、及時、準確地把涉農(nóng)信息傳遞給農(nóng)村用戶，信息化盲點的消除，拓寬了農(nóng)產(chǎn)品銷售渠道，提高了農(nóng)業(yè)產(chǎn)出收入。同時吸引更多資金和技術(shù)，促進農(nóng)村加工業(yè)發(fā)展和農(nóng)民增收。Tec對Income的貢獻彈性為0.553，擬合曲線近似直線且向右上方傾斜，表明技術(shù)成為消減農(nóng)村金融排斥的關(guān)鍵變量，這也是前文逐步回歸法只提取一個技術(shù)要素的內(nèi)在原因。Edu對排斥的作用渠道包括：①教育水平的提高，傾向于增加收入，進而減少排斥(Edu對Income的邊際貢獻為0.396)；②金融教養(yǎng)的提高有利于經(jīng)濟主體掌握先進金融產(chǎn)品使用方法，從而增大金融包容。與此類似的要素還有Age，其對RFE的貢獻彈性為0.168，即一方面老人和兒童的比例過高意味著農(nóng)村收入的減少(對Income的邊際貢獻為-0.201)，另一方面，老人、兒童掌握金融技術(shù)的難度比較大，其本身就是易被排斥人群。此外，Mino對農(nóng)村金融排斥的貢獻幾乎為零，近乎水平的擬合曲線表明我國并不存在由于民族歧視而導致的金融排斥，這與國外種族歧視引致的排斥有著本質(zhì)區(qū)別(如伊斯蘭金融的出現(xiàn))。實證結(jié)果與H1、H2一致，H3不成立。3.城鄉(xiāng)聯(lián)動的變系數(shù)模型檢驗長期以來形成的城鄉(xiāng)經(jīng)濟二元結(jié)構(gòu)以及城鄉(xiāng)金融地域系統(tǒng)的割裂現(xiàn)狀，引致學者忽視城鄉(xiāng)空間聯(lián)系的傾向，從理論上講，開放系統(tǒng)之間應相互聯(lián)系、相互依賴、相互作用、相互促進及相互轉(zhuǎn)化，因此城鄉(xiāng)之間的金融資源稟賦可具體體現(xiàn)為貨幣、資金的雙向流動，或者金融工具、金融組織體系、整體功能性金融資源等方面的地域運動?！俺鞘蟹床皋r(nóng)村”的觀點從某種程度上反映了將兩者“互斥”而非“互補”的傾向。為了檢驗城鄉(xiāng)之間空間經(jīng)濟聯(lián)系及有效聯(lián)動的可能性，本文采用31個省份2001-2008年的面板數(shù)據(jù)建立變系數(shù)模型(自變量為城市金融相關(guān)比率，因變量為農(nóng)村金融相關(guān)比率)，分析結(jié)果見表5。從表5中可以看出，我國31個省份存在明顯的城鄉(xiāng)聯(lián)動及空間溢出效應，除了內(nèi)蒙古和西藏，其他省份的回歸系數(shù)均在1％的水平上顯著。這表明城市金融的發(fā)展對農(nóng)村金融具有一定的擴散效應，城鄉(xiāng)金融系統(tǒng)之間并非完全割裂，城市不能僅看做農(nóng)村資金的“抽水機”，它也通過實物渠道及資金渠道帶動農(nóng)村經(jīng)濟、金融的成長，兩者存在地理上的溢出關(guān)聯(lián)效應及互補效應。因此，降低金融排斥的城鄉(xiāng)二元性，并非要犧牲城市發(fā)展，而是促進城、鄉(xiāng)的同向成長，并且推進后者的加速度發(fā)展，逐漸縮減二元性的存在，使農(nóng)村居民最基本的金融需求得到滿足，走出“金融沙漠”陷阱。從回歸系數(shù)看，各省份城鄉(xiāng)聯(lián)動結(jié)構(gòu)存在一定差異。其中北京的城鄉(xiāng)聯(lián)動效應(UFIR)最強，UFIR每提高1個點，則RFIR提高0.36個點。內(nèi)蒙古的城鄉(xiāng)聯(lián)動效應最弱，UFIR每提高一個點，RFIR只提高0.05個點。東部某些區(qū)域金融的綜合競爭力很高，但是，城鄉(xiāng)聯(lián)動效應相對較弱，加劇了排斥的二元性，如上海。因此，盡管城市和農(nóng)村的金融系統(tǒng)具有各自的運行特征和規(guī)律，其金融排斥影響要素的作用機制和強度也具有一定差別，但是城、鄉(xiāng)系統(tǒng)并非互相割裂的，而是互相影響、互動耦合的，這為城鄉(xiāng)金融排斥二元性問題的解決提供了新的視角和思路。四、結(jié)論與建議(1)城鄉(xiāng)金融系統(tǒng)具有不同的運行特征與運作模式，導致相同的誘因其作用機制與渠道不盡相同，因而，解決城、鄉(xiāng)金融排斥的著力點和側(cè)重點應有所不同。如技術(shù)對金融排斥的作用始終存在爭議，部分學者贊成技術(shù)的普及將有助于降低金融排斥，也有部分學者認為網(wǎng)絡(luò)金融技術(shù)的普及會將弱勢人群排除在外。本文實證研究表明，農(nóng)村金融排斥的關(guān)鍵誘因之一為技術(shù)，且通過兩條渠道發(fā)揮作用，一是直接提高金融主體對各式金融產(chǎn)品和服務(wù)的使用技能，從而減少金融排斥，二是通過技術(shù)普及，提高收入水平，進而降低排斥程度。因此農(nóng)村地區(qū)需要完善金融基礎(chǔ)設(shè)施，彌補數(shù)字鴻溝。較之農(nóng)村，城市的金融基礎(chǔ)設(shè)施相對完善，其對金融排斥的直接貢獻不大，主要是通過促進收入增加而減少排斥。此外，當城市網(wǎng)絡(luò)金融普及率到達一定的臨界點，由于風險增大或客戶細分的需要，反而會引致自我排斥或營銷排斥。因此，城市重在建立健全系統(tǒng)性金融風險的防范預警體系和處置機制，以消除潛在的自我排斥。相對于城市，農(nóng)村地區(qū)的金融排斥水平對教育這一誘因更為敏感，在強化農(nóng)村金融教育方面，要細化為成人教育和兒童教育，前者主要教授經(jīng)濟主體掌握基本的金融技術(shù)，后者力求減低“代際遺傳”的消極影響，普及金融知識。城市相對而言不存在嚴重的反學習性，其對排斥的影響也往往通過提高勞動力素質(zhì)，增加收入而間接體現(xiàn)，因此，著力點在于實現(xiàn)文化力對經(jīng)濟力的良性推動作用。此外，由于缺乏可比數(shù)據(jù)，本文忽略了“住房擁有狀況”(Estate)這一變量，實際上，Mayne(2009)曾指出，無法獲得房屋所有權(quán)、申請政府住房及依賴援助和貸款的人群更易落于金融排斥的風險中。Estate對城、鄉(xiāng)金融排斥指數(shù)的作用強度不同，這是由于城市居民多屬于自購住房，而農(nóng)戶可以在宅基地上自建房屋，因此，該變量對RFE的貢獻度有限，而對UFE的貢獻彈性將會顯著增大。因此，城鄉(xiāng)金融排斥的二元性還需考慮房產(chǎn)的不同影響。(2)已有的研究往往以割裂的視角看待城、鄉(xiāng)金融排斥問題，或?qū)⒊恰⑧l(xiāng)利益加以對立，恰恰相反，實證分析表明，應從城鄉(xiāng)統(tǒng)籌的視角，借鑒城鄉(xiāng)金融地域系統(tǒng)的耦合機制與規(guī)律，充分利用城市金融的擴散力，實現(xiàn)農(nóng)村金融外部性的內(nèi)部化。變系數(shù)模型驗證了城市金融系統(tǒng)對農(nóng)村金融系統(tǒng)的空間溢出效應和聯(lián)動效應，可考慮利用城鄉(xiāng)之間的相互作用和良性互動，帶動其金融產(chǎn)業(yè)成長水平提升，最終實現(xiàn)城鄉(xiāng)金融地域系統(tǒng)的效率改進和協(xié)調(diào)發(fā)展。聯(lián)動效應較強、農(nóng)村經(jīng)濟較發(fā)達的地區(qū)，可以充分發(fā)揮市場作用，鼓勵不同金融機構(gòu)在農(nóng)村地區(qū)設(shè)立分支機構(gòu)，城鄉(xiāng)開展金融合作、信息共享等，實現(xiàn)城鄉(xiāng)金融網(wǎng)絡(luò)的多角度、多層次聯(lián)通。接收城市輻射能量有限的發(fā)展中地區(qū)可建立真正的合作金融，政府針對市場失靈，進行漸進性干預，如提供完善的制度安排或一定程度的金融傾斜等，吸引外部資金的流入。對于那些地處偏遠、人口稀少的農(nóng)村地區(qū)，由于基本不在城市金融核心的輻射范疇，很難與城市互動聯(lián)通，則可著力于供給推動，就地解決，建立新型農(nóng)村金融機構(gòu)，如采取流動服務(wù)的村鎮(zhèn)銀行、貸款公司、農(nóng)村資金互助社形式。政府亦可通過政策性金融的扶持，幫助農(nóng)民走出金融排斥的惡性循環(huán)。(3)金融排斥存在消極和積極兩個方面，政府干預的重點應為消極的金融排斥。國外學者關(guān)注微觀個體、家庭的金融排斥，往往忽視總量分析。對于個體而言，其收入的增加或許能促使其采納金融服務(wù)，減少金融排斥，但是，如果推廣到一個區(qū)域，則易發(fā)生“合成謬誤”，因為排斥總是相對的，金融包容和金融排斥是相互交織的，一部分人被包容選擇了某種金融產(chǎn)品和服務(wù)，就相應的有另外一部分主體由于條件、營銷等原因被排斥在外。因此，該現(xiàn)象是客觀普遍存在且無法根除的。與傳統(tǒng)觀念不同，這從另一個側(cè)面說明金融排斥有其積極的一面，如甄別客戶、提高經(jīng)營效率等。因而，政府的干預只是幫助陷入“金融沙漠”的區(qū)域走出陷阱，避免社會排斥的出現(xiàn)，而其他的干預手段則要尊重市場規(guī)律，盡量采取間接手段進行，以免擾亂金融系統(tǒng)的自組織運行，造成系統(tǒng)的混沌。政府應為自組織而非他組織主體，與企業(yè)及非營利組織開展基于市場經(jīng)濟的自愿合作，以平衡盈利目標與社會責任。作為獨立的利益主體，銀行很難主動承擔其“社會責任”，可參照英美經(jīng)驗，引導銀行關(guān)注其長期利益，如將銀行為低收入群體提供的金融服務(wù)納入信貸評級體系，該項評分高低直接影響其未來發(fā)展規(guī)劃，如兼并、規(guī)模擴張等，從而減少供給誘導型金融排斥。(4)城鄉(xiāng)金融排斥二元性的處理是一個復雜的多維系統(tǒng)工程。傳統(tǒng)研究只關(guān)注單一要素的影響，沒有考慮系統(tǒng)中各要素互相影響、互相作用和復合相關(guān)關(guān)系，導致政策的實際效果不盡如人意。如農(nóng)戶本身所獲