论文部分内容阅读
“金融排斥”是农村金融领域的一个常用概念，指的是一部分人由于各种原因被排斥在金融机构服务之外，无法获得如存款、贷款这样的基本金融服务。“金融排斥”通常分为六个维度：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，一些偏远落后地区设置的金融机构网点很少，人们到达金融机构网点十分不便。在中国农村地区，地理排斥仍然占有最基础性的地位。
在衡量地理排斥时，金融机构网点数量是最常用的指标。不少学者已经利用金融机构网点数量对各省的金融排斥情况进行了对比研究，这些研究的主要方法是选择省级层面的数据进行省市、地区对比，却没有考虑省内差异，而较高的省级平均水平却掩盖了省市内部农村地区金融排斥的严重程度。如图1所示，四川省的金融机构网点分布呈现明显的“东多西少”特征。2010年，在四川省的西部，各县金融机构网点数量均在48个以下，这部分地区在地理面积上约占四川省总面积的2/3。而四川省东部各县的网点数量较多。2010年，四川省盐源县仅有6个网点，而成都市金牛区则有287个营业网点，是盐源县网点数量的47.8倍。
因此，在对地理排斥地区差异的研究中，省内差异可以说是不可或缺的一部分内容。然而，由于全国省市数量众多，在度量省内差异时不可能按照每个省的情况分别进行省内的对比分析，因此，以往的研究方法均失效了。但有一个思路可以为我们展示省内差异：当我们知道了各省地理排斥的一般情况时，只要我们知道了省内农村地区银行网点布局的不平等程度，就能对省内差异有较好的理解。
要度量“各省地理排斥的一般情况”，笔者在《中国农村金融地理排斥的地区差异》一文（见本刊2012年第7期第106页）中构建了四个“金融密度”指标，其基本含义、计算方法及适用性如表1所示。
此处的计算是以各县为基本计算单位，当要计算省的“金融密度”时，本文提出的方法是：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“金融密度”。同样的，在计算各地区和全国的四个“金融密度”时，也采用中位数方法。
四个“金融密度”在衡量各省农村金融地理排斥时具有不同的含义和代表性。中国广大的农村地区人口分散，因此，地理金融密度最符合中国农村地区的实际情况。地理金融密度也最符合地理排斥的内涵——地理可及性问题，即在同样的地理面积内，金融机构网点数量越多，人们就越能方便地选择离自己较近的网点获得金融服务。因此，本文最终选择“地理金融密度”作为衡量各省农村地区地理排斥程度的指标，并在此基础上仿照基尼系数的方法构建“地理金融密度不平等系数”这一指标，用以衡量各省农村地区银行网点分布的不平等性，以此度量各省农村金融地理排斥的省内差异，这样的研究在国内中还是首次。
测量指标：地理金融密度不平等系数
为了能够度量省内农村地区的地理排斥程度差异，本文参照基尼系数的计算方法构建了用于衡量省内、地区内部金融排斥差异程度的指标——地理金融密度不平等系数。
基尼系数的计算方法如图2所示。将人口按照收入水平从低到高进行排序后，横轴表示的是人口的百分比，纵轴表示对应的人口拥有的收入所占的百分比。由此绘制出的代表各百分比人群拥有的收入占比曲线即为洛伦兹曲线。图中的对角线为完全平等线，表示的是人口的百分比与收入的百分比完全相等的情况。假设完全平等线与洛伦兹曲线之间的面积为A，洛伦兹曲线以下的面积为B。则基尼系数=A/（A+B）。
当以地理金融密度为指标衡量各省农村地区的金融排斥程度时，如果省内各个县之间的地理金融密度完全平等，则意味着全省每平方公里拥有的网点数量相等。换句话说，就是各县地理面积占比与各县拥有的金融机构网点数量占比是相等的。由此，本文仿照着基尼系数的定义也构造了一个“地理金融密度不平等系数”(见图3)——用各县的地理面积代替基尼系数中的人口数，用各县的金融机构网点数量代替基尼系数中的收入。只不过，本文的分析单位不是個人，而是以县为基本的计算单位。其计算方法与基尼系数一致，都是用A/(A+B)而得到。
中国农村金融地理排斥的省内差异
通过计算，各省市的地理金融密度和地理金融密度不平等系数（以下简称“不平等系数”）如表2所示。
表2将各省、各地区的不平等系数按照从低到高进行排序。由于上海、天津和北京三市内农村地区的县的数量太少（最多的天津农村地区仅包括3个县），因此三者的不平等系数小，均在0.1以下。安徽、江西、山东、海南和贵州等地的不平等系数均在0.2～0.3之间，属于农村地区地理金融密度较为平等的省份。四川、甘肃、西藏、内蒙古、新疆和青海的不平等系数均在0.5以上，地理金融密度极不平等。其中，青海的不平等系数为0.74，为各省最大值。同时，青海的地理金融密度仅0.1个/百平方公里。这就意味着：青海省不仅农村金融排斥严重，而且各县之间的农村金融排斥程度存在极大的差异，其省内每平方公里上分布的网点数量极不平等。在青海农村地区的42个县中，共有20个县的行政金融密度不足10个，这20个县的地理金融密度最大者也仅为0.15个/百平方公里。其中，有6个县都只有1个有贷款功能的网点。难以想象，在这样的地区，农民是如何经过步行、骑马、坐车才能获得金融服务的。
为了更直观地反映各省市在不平等系数方面的差异，本文绘制出了全国各省市的不平等系数分布图，如图4所示。
在图4中，红色越深的地方，其不平等系数越大，表示地理金融密度的省内差异越严重。从图4中可以直观地看到，西部地区除贵州、广西外，普遍呈深红色，其不平等系数很大，省内差异巨大；东部地区红色较浅，其不平等系数小，省内差异也较小，但广东省、浙江省的不平等系数依然较大,剔出城市后，这两个发达地区留下的县域，发展程度差异很大，网点数量也差异很大；中部地区安徽、江西两省不平等系数较小，其余省市依然处于居中水平。
中国农村金融地理排斥的地区内部差异
表3直观地展示了中国中东西部的地理金融密度不平等系数。从中可以看到，中部地区和西部地区的不平等系数约为0.4左右，虽然已经达到基尼系数的0.4的“警戒线”，但和西部地区比起来，其银行网点分布不平等状况已经较为轻松了。西部地区的不平等系数为0.78，内部发展极不平衡。而从全国范围内来看，由于全国各省之间差异较大，尤其西部地区的银行网点分布极不平等，因此全国的不平等系数也非常大，为0.73。 进一步的讨论：四种地理排斥类型
通过将不平等系数与地理金融密度的数值进行对比分析，可以将全国31个省归为如图5所示的四类情况。
本文将地理金融密度为4个/百平方公里作为划分标准，4个/百平方公里以上的归入“农村金融排斥较轻”一组，本文将这样的状态简称为“富”，4个/百平方公里以下的省归入“农村金融排斥严重”一组，简称为“不富”；将不平等系数为0.4以下的归入“不平等状况较轻”一组，简称为“均”，0.4以上的归入“不平等状况严重”一组，简称为“不均”。这样的划分法是综合考虑了各省的地理金融密度和不平等系数，也考虑到基尼系数以0.4作为社会分配不平等的警戒线这一因素。由此，图5被分为“富而且均”、“富而不均”、“均而不富”和“不富不均”四大类型，通过这四个类型的划分，可以大致看出我国各省农村地区整体的地理排斥状况和银行网点布局的不平等情况。
为更直观地展示各省农村地理排斥的类型，本文绘制了中国各省农村地理排斥类型图，如图6所示。
一是“富而且均”型，即地理金融密度高于4个/百平方公里、不平等系数小于0.4的省份，包括：上海、天津、山东、江苏、河南、重庆和安徽7个省市。
二是“富而不均”型。即地理金融密度高于4个/百平方公里、不平等系数大于0.4的省份。“富而不均”类省份包括河北和浙江两省。因此，在这两个省份中，应该着力改善银行网点分布不平等的状况，首先追求“公平”，其次才是“效率”。
三是“均而不富”型。即地理金融密度低于4个/百平方公里、不平等系数小于0.4的省份。“均而不富”类包括：北京、江西、海南、湖南、辽宁、湖北、山西、贵州、广西、吉林、黑龙江、陕西和云南这13省（市、区）。在这类地区，容易产生追求“效率”、忽视“公平”的倾向，金融机构网点的增加往往也是分布在城市地区，因此会导致农村地区的网点数量相对减少，不平等系数有增大的趋势。
四是“不富不均”型。即地理金融密度低于4个/百平方公里、不平等系数在0.4以上（包括0.4）的省份，包括：福建、广东、宁夏、四川、甘肃、西藏、内蒙古、新疆和青海这9省（区）。其中，福建、广东这两个经济发达地区，提出“城市”后的县域发展程度较低，网点分布也不均。青海、新疆、西藏和内蒙古4省（区）的地理金融密度很低，都在0.5个/百平方公里以下，农村金融排斥程度极其严重。若考虑到县域内部也存在地理金融密度极其不平等的状况，则实际的金融排斥程度要比我们想象的严重得多。
在图5中，深蓝色点表示西部地区，橙色点表示中部地区，红色点表示东部地区。可以看到，红色点分布在四个区域中，说明东部地区内部各省的地理排斥类型差异很大，四種类型均有。其中，浙江、河北、福建和广东四省县域的不平等系数大，因此，要尤其注意向“公平”的方向发展。中部地区各省不平等系数小，只是大部分省的地理金融密度都较低。因此，中部地区各省内要协调发展，既要注重“效率”，也要关注“公平”。西部地区除重庆这个直辖市外，所有的省份地理金融密度都较低，且有7个省不平等系数在0.4以上。西部地区内金融发展水平低、且不平等，这样的状况令人堪忧。
从图5中也可以看到，不平等系数与地理金融密度大致有负相关的关系。这也就意味着：金融发展平均水平越高的省份，金融的发展也更均等；金融发展平均水平越低的地区，金融发展越不均等。尤其要注意的就是“不富不均”型，在这样的地区，金融机构新增网点时依然会考虑在经济较为发达的城市地区，而不会选择落后的农村地区。因此，会导致其不平等系数的增大，落入“不平等陷阱”，即金融发展越不平等的地方，其金融发展将越来越不平等。这是一个可怕的结论，它意味着“马太效应”已经扩散到金融发展之中。因此，如果不改变当前追求“效率”、忽视“公平”的发展思路，这类地区的前途是让人极其担忧的。同时，这类地区的经济落后，若因只追求“公平”而在农村地区新增网点，也可能导致这些网点经营困难、亏损严重。因此，如何平衡“效率”和“公平”、如何寻找一条适合“三农”特征的农村金融发展之路，将是当前和未来一段时间内农村金融领域的重要课题。
（作者单位：重庆农村商业银行江北支行，西华师范大学管理学院，中国人民大学农业与农村发展学院）
项目研究得到国家自然科学基金（71073163）和教育部博士点基金（20110004110003）资助
在衡量地理排斥时，金融机构网点数量是最常用的指标。不少学者已经利用金融机构网点数量对各省的金融排斥情况进行了对比研究，这些研究的主要方法是选择省级层面的数据进行省市、地区对比，却没有考虑省内差异，而较高的省级平均水平却掩盖了省市内部农村地区金融排斥的严重程度。如图1所示，四川省的金融机构网点分布呈现明显的“东多西少”特征。2010年，在四川省的西部，各县金融机构网点数量均在48个以下，这部分地区在地理面积上约占四川省总面积的2/3。而四川省东部各县的网点数量较多。2010年，四川省盐源县仅有6个网点，而成都市金牛区则有287个营业网点，是盐源县网点数量的47.8倍。
因此，在对地理排斥地区差异的研究中，省内差异可以说是不可或缺的一部分内容。然而，由于全国省市数量众多，在度量省内差异时不可能按照每个省的情况分别进行省内的对比分析，因此，以往的研究方法均失效了。但有一个思路可以为我们展示省内差异：当我们知道了各省地理排斥的一般情况时，只要我们知道了省内农村地区银行网点布局的不平等程度，就能对省内差异有较好的理解。
要度量“各省地理排斥的一般情况”，笔者在《中国农村金融地理排斥的地区差异》一文（见本刊2012年第7期第106页）中构建了四个“金融密度”指标，其基本含义、计算方法及适用性如表1所示。
此处的计算是以各县为基本计算单位，当要计算省的“金融密度”时，本文提出的方法是：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“金融密度”。同样的，在计算各地区和全国的四个“金融密度”时，也采用中位数方法。
四个“金融密度”在衡量各省农村金融地理排斥时具有不同的含义和代表性。中国广大的农村地区人口分散，因此，地理金融密度最符合中国农村地区的实际情况。地理金融密度也最符合地理排斥的内涵——地理可及性问题，即在同样的地理面积内，金融机构网点数量越多，人们就越能方便地选择离自己较近的网点获得金融服务。因此，本文最终选择“地理金融密度”作为衡量各省农村地区地理排斥程度的指标，并在此基础上仿照基尼系数的方法构建“地理金融密度不平等系数”这一指标，用以衡量各省农村地区银行网点分布的不平等性，以此度量各省农村金融地理排斥的省内差异，这样的研究在国内中还是首次。
测量指标：地理金融密度不平等系数
为了能够度量省内农村地区的地理排斥程度差异，本文参照基尼系数的计算方法构建了用于衡量省内、地区内部金融排斥差异程度的指标——地理金融密度不平等系数。
基尼系数的计算方法如图2所示。将人口按照收入水平从低到高进行排序后，横轴表示的是人口的百分比，纵轴表示对应的人口拥有的收入所占的百分比。由此绘制出的代表各百分比人群拥有的收入占比曲线即为洛伦兹曲线。图中的对角线为完全平等线，表示的是人口的百分比与收入的百分比完全相等的情况。假设完全平等线与洛伦兹曲线之间的面积为A，洛伦兹曲线以下的面积为B。则基尼系数=A/（A+B）。
当以地理金融密度为指标衡量各省农村地区的金融排斥程度时，如果省内各个县之间的地理金融密度完全平等，则意味着全省每平方公里拥有的网点数量相等。换句话说，就是各县地理面积占比与各县拥有的金融机构网点数量占比是相等的。由此，本文仿照着基尼系数的定义也构造了一个“地理金融密度不平等系数”(见图3)——用各县的地理面积代替基尼系数中的人口数，用各县的金融机构网点数量代替基尼系数中的收入。只不过，本文的分析单位不是個人，而是以县为基本的计算单位。其计算方法与基尼系数一致，都是用A/(A+B)而得到。
中国农村金融地理排斥的省内差异
通过计算，各省市的地理金融密度和地理金融密度不平等系数（以下简称“不平等系数”）如表2所示。
表2将各省、各地区的不平等系数按照从低到高进行排序。由于上海、天津和北京三市内农村地区的县的数量太少（最多的天津农村地区仅包括3个县），因此三者的不平等系数小，均在0.1以下。安徽、江西、山东、海南和贵州等地的不平等系数均在0.2～0.3之间，属于农村地区地理金融密度较为平等的省份。四川、甘肃、西藏、内蒙古、新疆和青海的不平等系数均在0.5以上，地理金融密度极不平等。其中，青海的不平等系数为0.74，为各省最大值。同时，青海的地理金融密度仅0.1个/百平方公里。这就意味着：青海省不仅农村金融排斥严重，而且各县之间的农村金融排斥程度存在极大的差异，其省内每平方公里上分布的网点数量极不平等。在青海农村地区的42个县中，共有20个县的行政金融密度不足10个，这20个县的地理金融密度最大者也仅为0.15个/百平方公里。其中，有6个县都只有1个有贷款功能的网点。难以想象，在这样的地区，农民是如何经过步行、骑马、坐车才能获得金融服务的。
为了更直观地反映各省市在不平等系数方面的差异，本文绘制出了全国各省市的不平等系数分布图，如图4所示。
在图4中，红色越深的地方，其不平等系数越大，表示地理金融密度的省内差异越严重。从图4中可以直观地看到，西部地区除贵州、广西外，普遍呈深红色，其不平等系数很大，省内差异巨大；东部地区红色较浅，其不平等系数小，省内差异也较小，但广东省、浙江省的不平等系数依然较大,剔出城市后，这两个发达地区留下的县域，发展程度差异很大，网点数量也差异很大；中部地区安徽、江西两省不平等系数较小，其余省市依然处于居中水平。
中国农村金融地理排斥的地区内部差异
表3直观地展示了中国中东西部的地理金融密度不平等系数。从中可以看到，中部地区和西部地区的不平等系数约为0.4左右，虽然已经达到基尼系数的0.4的“警戒线”，但和西部地区比起来，其银行网点分布不平等状况已经较为轻松了。西部地区的不平等系数为0.78，内部发展极不平衡。而从全国范围内来看，由于全国各省之间差异较大，尤其西部地区的银行网点分布极不平等，因此全国的不平等系数也非常大，为0.73。 进一步的讨论：四种地理排斥类型
通过将不平等系数与地理金融密度的数值进行对比分析，可以将全国31个省归为如图5所示的四类情况。
本文将地理金融密度为4个/百平方公里作为划分标准，4个/百平方公里以上的归入“农村金融排斥较轻”一组，本文将这样的状态简称为“富”，4个/百平方公里以下的省归入“农村金融排斥严重”一组，简称为“不富”；将不平等系数为0.4以下的归入“不平等状况较轻”一组，简称为“均”，0.4以上的归入“不平等状况严重”一组，简称为“不均”。这样的划分法是综合考虑了各省的地理金融密度和不平等系数，也考虑到基尼系数以0.4作为社会分配不平等的警戒线这一因素。由此，图5被分为“富而且均”、“富而不均”、“均而不富”和“不富不均”四大类型，通过这四个类型的划分，可以大致看出我国各省农村地区整体的地理排斥状况和银行网点布局的不平等情况。
为更直观地展示各省农村地理排斥的类型，本文绘制了中国各省农村地理排斥类型图，如图6所示。
一是“富而且均”型，即地理金融密度高于4个/百平方公里、不平等系数小于0.4的省份，包括：上海、天津、山东、江苏、河南、重庆和安徽7个省市。
二是“富而不均”型。即地理金融密度高于4个/百平方公里、不平等系数大于0.4的省份。“富而不均”类省份包括河北和浙江两省。因此，在这两个省份中，应该着力改善银行网点分布不平等的状况，首先追求“公平”，其次才是“效率”。
三是“均而不富”型。即地理金融密度低于4个/百平方公里、不平等系数小于0.4的省份。“均而不富”类包括：北京、江西、海南、湖南、辽宁、湖北、山西、贵州、广西、吉林、黑龙江、陕西和云南这13省（市、区）。在这类地区，容易产生追求“效率”、忽视“公平”的倾向，金融机构网点的增加往往也是分布在城市地区，因此会导致农村地区的网点数量相对减少，不平等系数有增大的趋势。
四是“不富不均”型。即地理金融密度低于4个/百平方公里、不平等系数在0.4以上（包括0.4）的省份，包括：福建、广东、宁夏、四川、甘肃、西藏、内蒙古、新疆和青海这9省（区）。其中，福建、广东这两个经济发达地区，提出“城市”后的县域发展程度较低，网点分布也不均。青海、新疆、西藏和内蒙古4省（区）的地理金融密度很低，都在0.5个/百平方公里以下，农村金融排斥程度极其严重。若考虑到县域内部也存在地理金融密度极其不平等的状况，则实际的金融排斥程度要比我们想象的严重得多。
在图5中，深蓝色点表示西部地区，橙色点表示中部地区，红色点表示东部地区。可以看到，红色点分布在四个区域中，说明东部地区内部各省的地理排斥类型差异很大，四種类型均有。其中，浙江、河北、福建和广东四省县域的不平等系数大，因此，要尤其注意向“公平”的方向发展。中部地区各省不平等系数小，只是大部分省的地理金融密度都较低。因此，中部地区各省内要协调发展，既要注重“效率”，也要关注“公平”。西部地区除重庆这个直辖市外，所有的省份地理金融密度都较低，且有7个省不平等系数在0.4以上。西部地区内金融发展水平低、且不平等，这样的状况令人堪忧。
从图5中也可以看到，不平等系数与地理金融密度大致有负相关的关系。这也就意味着：金融发展平均水平越高的省份，金融的发展也更均等；金融发展平均水平越低的地区，金融发展越不均等。尤其要注意的就是“不富不均”型，在这样的地区，金融机构新增网点时依然会考虑在经济较为发达的城市地区，而不会选择落后的农村地区。因此，会导致其不平等系数的增大，落入“不平等陷阱”，即金融发展越不平等的地方，其金融发展将越来越不平等。这是一个可怕的结论，它意味着“马太效应”已经扩散到金融发展之中。因此，如果不改变当前追求“效率”、忽视“公平”的发展思路，这类地区的前途是让人极其担忧的。同时，这类地区的经济落后，若因只追求“公平”而在农村地区新增网点，也可能导致这些网点经营困难、亏损严重。因此，如何平衡“效率”和“公平”、如何寻找一条适合“三农”特征的农村金融发展之路，将是当前和未来一段时间内农村金融领域的重要课题。
（作者单位：重庆农村商业银行江北支行，西华师范大学管理学院，中国人民大学农业与农村发展学院）
项目研究得到国家自然科学基金（71073163）和教育部博士点基金（20110004110003）资助