经济学论文吉林省农村金融排斥地域差异研究

所属栏目:经济学论文 发布日期:2014-04-25 09:22 热度:

  改革开放以来,中国经济发展取得了巨大成就。但资金短缺问题一直是农村经济发展的巨大障碍,所以政府高度重视农村金融问题,连续多年出台的一号文件均涉及农村金融问题。2012年一号文件明确提出农村金融改革的方向就是要全面提升农村金融服务水平。

  摘要:依据银监会公布的《农村金融服务分布图集》等相关数据,对吉林省39个县市2010年农村金融排斥地域差异情况进行了研究。在文献研究的基础上结合数据的可获性,从农村金融机构网点和人员数、存款情况及贷款情况3个维度9个指标,作为农村金融排斥衡量指标体系。采用灰色聚类分析法,构建更科学的农村金融排斥指标体系,然后运用SPSS中的聚类分析法,对吉林省39个县的农村金融排斥情况进行聚类分析,从而得出农村金融排斥地域差异特点。结果表明,吉林省整体农村金融排斥情况较严重;在地域上,金融排斥严重的县近80%分布在东部和西部地区;全省金融排斥较轻的县绝大部分分布在中部地区。

  关键词:经济学论文,灰色聚类,金融排斥,地域差异,吉林

  2010年银监会发布的《中国银行业农村金融服务分布图集》显示:农村金融服务缺乏,截至2010年末,全国农村地区银行业金融机构网点共有105855个,占全国机构网点总量的55.0%,平均每个乡镇分布银行业金融机构网点仅3.27个,每7.45个行政村才分布1个;平均每万名农民拥有银行业金融机构网点1.29个;全国仅拥有1家营业网点的乡镇9532个,约占全国乡镇总数的27.9%;未设任何银行业机构营业网点尚有2312个乡(镇),约占全国乡(镇)总数的6.7%。理论界把这一难题归结为农村地区存在严重的金融排斥,阻止了农户金融服务的可得性。农村金融排斥作为社会排斥的一个子集,对农村社会经济发展具有深远的影响,农村金融排斥程度的提高不仅会加剧城乡二元经济差异程度,而且会加剧农村不同群体的分化,从而对城乡经济协调发展造成严重障碍。因此,中国具有研究农村金融排斥的现实背景。

  本研究具有以下两个特点:一是研究范围广泛。现有文献多是分析微观个体层面的农村金融排斥,对一个国家或地区内部层面的分析较少,本研究是从县域农村金融排斥的视角进行的,有助于扩展农村金融排斥的研究层面,同时吉林省又是中国传统农业大省,因此本研究具有较强的典型性和代表性;二是研究方法新颖。现有研究主要从两个方向切入,要么宏观理论的分析,要么通过微观调研进行计量分析,且用的较多的是回归分析。中国经济统计经历几次变革导致数据灰度较大,所以采用回归分析可能会导致结果的不准确。在现有研究成果中尚未见用灰色聚类和灰色关联分析法进行农村金融排斥的研究,本研究利用灰色系统理论中的灰色聚类和灰色关联分析法,适合用在数据存在灰度的研究中,并扩展了农村金融排斥的研究方法。

  本研究的范围是吉林省的农村金融排斥,进行的是县域农村金融排斥程度的地域差异研究。就全国而言,绝大多数地方特别是广大中西部地区的县域,仍然处在传统的农业时代。农村范围大、农民数量多,并以农业生产作为绝大多数老百姓居家度日、维系民生的主要收入渠道[1]。吉林省属于典型的农业大省,整体上属于经济欠发达地区,本研究的范围界定为吉林省的县域农村金融。

  1文献综述

  金融排斥(FinancialExclusion)概念最早于20世纪90年代在国外出现,是社会排斥的一个子集。Leyshon等[2]认为金融排斥就是直接或间接排斥穷人以及弱势群体享用主流零售金融服务的状态。关于如何衡量金融排斥,Kempson等[3]提出“六维度”分析方法,通过六个指标来衡量金融排斥情况。一是地理排斥,被排斥对象需要借助公共交通工具才能到达远处的金融服务机构。二是评估排斥,如通过风险评估程序限制了客户接近金融资源;三是条件排斥性,即附加于金融产品的条件不适合某些人群的需要;四是价格排斥性,即金融产品定价过高,一些人只有支付自己不能承受的价格才能获得金融产品;五是市场营销排斥性,即一些人被排除在金融机构产品营销目标市场之外;六是自我排斥性,即人们认为申请获得金融产品的可能性很小,被拒绝的可能性很大,从而把自己排除在获得金融服务的范围之外,自我排斥还分为主动自我排斥和被动自我排斥。显然这一指标体系能够从金融机构的经营层面对某一地理区域的进入那个服务水平进行分析和评价,具有可操作性。Wayne等[4]利用1999至2005年的数据对加拿大的中低收入群体的金融排斥状况进行了研究,实证部分利用Probit模型分析金融排斥的影响因素,结论表明当个人收入和财富减少时,金融排斥的可能性会上升,两者的关系是非线性的。国内学者也采取了类似的方法对中国金融排斥情况进行了实证研究,比较具有代表性的如徐少君等[5]、隋艳颖等[6];祝英丽等[7]以中国中部地区为例,采用AHP(因子分析法)计算了中部县级单位的银行业综合指数;高沛星等[8]人基于省际数据,采用变异系数法,实证分析了中国农村金融排斥的地域差异,同时还利用皮尔逊相关系数法分析了形成中国农村金融排斥差异的主要影响因素;胡振[9]则从供给的视角对中国农村金融排斥进行了原因分析,认为农村金融机构的风险评估程序、附加条件、经营取向、经营模式等均对农村金融需求具有很强的排斥性;李涛等[10]则从储蓄、基金、保险、贷款等方面对中国城市居民的金融排斥状况进行了研究,结论表明城市居民在上述四方面存在着严重的金融排斥状况。因为金融排斥的研究是从国外起源的,目前关于金融排斥的衡量上接受度比较高的是“六维度”分析法,国内的衡量指标体系均是在此基础上再结合国内实际情况而构建,同样一个维度方面不同的研究者选用的具体指标可能会有所不同,这样就导致了结论的不一致。本研究的做法是在前人研究的基础上,构建一个包含3个类别9个具体指标的指标体系,然后基于灰色聚类当中灰色关联聚类法的特点(用于同类因素的归并,使复杂系统简化),对农村金融排斥衡量因素进行归并、提取,从而构造一个新的农村金融排斥指标体系,再运用聚类分析法利用新的指标体系对吉林省农村金融排斥进行科学的聚类和分析。2模型简介、指标设计及数据来源

  灰色系统理论与方法中应用比较多的是灰色关联分析和灰色聚类分析。灰色关联聚类是根据灰色关联矩阵将一些观测指标划分成若干个可定义类别的办法,即进行同类因素的归并,使复杂系统简化,一个聚类可以看成是属于同一类的因素的集合。通过灰色关联聚类,可以判断出哪些因素大体上属于同一类,使得能用这些因素的综合平均指标或者其中的某一个因素来代表这若干个因素而使信息不受严重损失[11]。

  基于金融排斥的定义和以上原则,结合吉林省农村金融发展的现实情况,这里将以下三个方面作为金融排斥的维度:网点和人员维度、存款维度、贷款维度。如表1所示。其中网点和人员维度是指农村金融机构网点数量分布情况,如万人机构覆盖度,即每10000名农村居民所拥有的农村金融机构网点数量;万人拥有金融机构服务人员数用每10000名农村居民所拥有的农村金融机构服务人员数量表示;存款维度包含人均存款水平、人均储蓄存款水平两个指标;贷款维度包含人均贷款水平、农户户均贷款额度、获得贷款农户所占比例、获得贷款企业所占比例和贷存比来表示,人均贷款水平用县及县以下存款余额比乡村总人口来表示;农户户均贷款额度即用全年农户贷款总额除以农户数量;获得贷款农户所占比例用非市辖区获得贷款农户数在非市辖区农户总数中的比表示;获得贷款企业所占比例用非市辖区获得贷款企业数占非市辖区企业总户数的比表示;贷存比用非市辖区贷款总额除上非市辖区存款总额表示。从以上九个指标可以看出,这一体系包含了六维度体系中的主要内容,例如在金融机构基本情况中,万人机构覆盖度准确的体现了地理排斥,同时万人拥有金融机构服务人员数体现了营销排斥,因为金融机构服务人员是实现营销的载体。在贷款维度中,获得贷款的农户和获得贷款的企业占比情况很好地反映了评估排斥的内容。同时必须注意到金融排斥程度的衡量是一个比较困难的事情,所有的方法都有自身的局限性。

  本研究所用的数据来源于中国银行业监督管理委员会发布的《中国银行业农村金融机构服务分布图集》、历年吉林省统计年鉴、历年《中国银行业监督管理委员会年报》等。从图集中获得的数据包括吉林省39个县(包含县级市,县级市也统称县),因为本研究的是吉林省农村金融排斥,而农村多是在县及县以下,虽然地级市及省会城市下属的区中也有农村,但那不是通常意义上的典型农村,本研究针对的是最具有代表性的县域农村金融排斥。表2是吉林省农村金融排斥指标体系数据的描述性统计分析。

  3估计结果及说明

  首先运用灰色关联分析方法,求出灰色关联矩阵,表3给出了运算结果,需要说明的是这里用的是灰色绝对关联度。

  利用表3对指标进行聚类,令临界值r=0.9,从第一行开始挑出大于0.9的值,则有ε2,3=0.9159,ε2,6=0.9808,ε4,8=0.9755,ε4,9=0.9676,ε8,9=0.9447。从而可知X2、X3、X6可以归为一类;X4、X8、X9可以归为一类;剩下的X1、X5、X7各自作为一类。把9个因素归为5个类别,取标号最小的作为各类的代表,这5个因素是X1、X2、X4、X5、X7。经过灰色关联聚类,建立只包含5个指标的农村金融排斥衡量体系。通过灰色关联聚类的降维处理,使得农村金融排斥体系更科学和简单,这是相对比较客观的处理方法,克服了人为增添指标的主观缺陷。吉林省39个县的地理分布统计情况是:东部有延边、通化、白山,顺次下辖7、5、4个县,合计占吉林省县城数量的41%;中部有辽源、四平、吉林市、长春四个城市,顺次下辖县的数量是2、4、5、4个县,合计占吉林省县城数量的38.46%;西部有白城、松原,各自下辖4个县,合计占全省县城数量的20.51%。

  运用灰色关联聚类法提取5类因素之后,再用SPSS13.0中的聚类分析法对吉林省农村金融排斥区划进行聚类。按照通常的做法,将金融排斥程度分为较轻、较重、严重3个等级。表4给出了吉林省39个县3群集聚类的结果,从中可以看出吉林省农村金融排斥程度的地域分布特点。金融排斥较严重的区县数量较多;金融排斥较重和较轻的地区占的比重少。

  出于统计上的简明性原则,这里把数量分布做出来,表5是吉林省县域农村金融排斥情况统计。从表5中可以看出吉林省农村金融排斥具有如下几个特点。

  一是整体上吉林省农村金融排斥比较严重。因为属于金融排斥严重的县有24个,占全省的61.54%,属于较重的有10个,占全省的25.64%,属于较轻的仅5个,只占全省的12.82%;

  二是地理分布上东、西部是金融排斥最严重和最集中的地方。东部和西部金融排斥严重的县分别有13个和6个,合计19个,占到金融排斥严重的县的79.17%。而中部属于金融排斥严重的县只有5个,仅占金融排斥严重类别县的20.83%。

  三是中部是金融排斥最轻的地区。金融排斥较重的有10个县,较轻有5个县,两者合计15个县,在这15个县当中属于中部的县有10个,占66.67%。在金融排斥较轻的类别当中,中部县占到80.00%。

  4总结

  本研究在总结前人关于金融排斥研究成果的基础上,构建新的农村金融排斥衡量指标体系,运用灰色关联聚类进行同类因素的归并、提取,运用聚类分析方法对吉林省39个县的农村金融排斥程度进行了聚类。在实证研究的基础上,总结出吉林省农村金融排斥地域差异、特点。一是整体上看,吉林省金融排斥比较严重;二是地理分布上,东部、西部是金融排斥最严重和最集中的地区;三是吉林省中部是金融排斥最轻的地区。吉林省农村金融排斥地域差异要求政府在制定缓解农村金融排斥程度措施时应该结合这些差异,制定针对性的措施。认识问题是为了更好的解决问题,引起吉林省金融排斥普遍较重和出现地域分布上述特点的具体原因值得专家学者们做更深入的研究。

  参考文献:

  [1]宋亚平.“县域经济”到底是什么[J].江汉论坛,2009(5):5-12.

  [2]LEYSHONA,THRIFTN.AccesstoFinancialServicesandFinancialInfrastructureWithdrawal[J].ProblemsandPolicies,Area,1994,26:268-275.

  [3]KEMPSONE,WHYLEYC.UnderstandingandCombatingFinancialExclusion[J].InsuranceTends,1999,21(4):18-22.

  [4]WAYNES,JERRYB.ExaminingevidenceoffinancialandcreditexclusioninCanadafrom1999to2005,Socio-Economics,2009,38(12):966-976.

  [5]徐少君,金雪军.农户金融排除的影响因素分析.中国农村经济[J].2009(6):62-72.

  [6]隋艳颖,马晓河.西部农牧户受金融排斥的影响因素分析[J].中国农村观察,2011(3):50-60.

  [7]祝英丽,刘贯华,李小建.中部地区金融排斥的衡量及原因探析[J].金融理论与实践,2010(2):70-74.

  [8]高沛星,王修华.我国农村金融排斥的区域差异与影响因素[J].农业技术经济,2011(4):93-102.

  [9]胡振.基于供给视角我国农村金融排斥的原因分析[J].吉林农业,2012(5):19.

  [10]李涛,王志芳等.中国城市居民的金融受排斥状况研究[J].经济研究,2010(7):15-29.

  [11]刘思峰,党耀国.灰色系统理论及其应用[M].第五版.北京:科学出版社,2011.

文章标题:经济学论文吉林省农村金融排斥地域差异研究

转载请注明来自:http://www.sofabiao.com/fblw/jingji/jingjixue/20847.html

相关问题解答

SCI服务

搜论文知识网的海量职称论文范文仅供广大读者免费阅读使用! 冀ICP备15021333号-3