本站原创摘 要 ： 本文选取1983-2011年的相关数据,以农村人均储蓄和人均贷款水平作为农村金融排斥指标的变量,利用多元线性回归研究各因素对我国农村金融排斥指标的影响程度.结果表明,收入、知识及政府态度是影响金融排斥的重要因素.故促进农村经济发展,拓宽农民收入渠道,合理化政府规管程度,将有助于缓解农村金融排斥现象.
关 键 词 ： 农村金融排斥；实证分析；政策建议
一、引言
我国农村金融排斥现象的产生有一定的根源：一方面我国建设初期重工业优先发展的赶超战略造成当前城乡二元经济的格局,农业成为国家制度改革的实际承担者,金融机构在农村地区的“系统性负投资”问题严重；另一方面由于农业自身的弱质性特点,使得以农业为主的农村经济发展也伴随着脆弱性、风险性,对于追逐高利润、服务门槛高的的金融机构必然会对农村避之不及,“服务半径”不能有效触及农村地区.2014年和国务院发布的《关于全面深化农村改革加快推进农业现代化的若干意见》中明确提出加快农村金融制度创新,鼓励金融和社会资金更多地投入农业农村.银监会在《关于做好2014年农村金融服务工作的通知》中也要求2014年在保持合理信贷投放总量前提下信贷资源继续向“三农”倾斜,突出加大对现代农业的金融支持,保持涉农信贷投放总量持续增长.在全国大力提倡发展普惠金融环境下,尽管截至2013年末全国涉农贷款余额已达到209万亿元,但金融机构空白或仅有一个的乡镇数量仍有近万个,可见研究农村金融排斥现象的发展情况以及影响因素,并在此基础上提出针对性的政策建议有一定的必要性.
二、我国农村金融排斥的现状
(一)地理排斥
一般认为机构覆盖度和网点占比越高,则该地农村金融机构的分布越是密集,农民能比较便利地从距离较近的金融机构获得所需的金融服务,地理排斥程度就比较轻,两者是负相关关系.全国金融机构网点空白乡镇截止2009年6月有2945个,2010年减少至2312个,2011年解决了616个未设立任何金融机构网点的乡镇,截止2011年年末仅剩1696个,《2013中国金融稳定报告》指出全国24个省（自治区、直辖市） 均实现基础金融服务空白乡镇全覆盖,反映出国家一直致力于消除由于金融网点不足所带来的地理排斥问题.此外机构网点占比仅管在2011年达到了585%的水平,与其他发展中国家相比不是很低,但较之发达国家还是无法满足农村金融的巨大需求.
从空间上分析,根据2010年我国各省份农村金融机构分布情况得知我国地理排斥现象存在严重的区域不平衡.就万人机构覆盖度指标而言,有18个省份未达到全国平均水平,有些地区比如河南、湖北、广西、安徽、贵州和云南覆盖度低于1,而北京、天津竟分别高达185和181个,可见我国经济发达地区的农村金融排斥现象较弱,而中西部偏远省份的农村地区金融机构的占有率较低,金融排斥水平处于高位状态对于各省农村地区金融网点数占全国农村营业网点数总量的比例,北京和上海这一比重均只达到004%,此外全国还有9个省份低于全国平均水平,有些还是经济发展程度平比较高的例如广东省,陕西和甘肃两个省份与全国均值持平,可见不仅我国西部地区存在农村金融排斥,这种现象也出现在东部发达省份.
(二)条件排斥
条件排斥是指金融机构在提供金融服务时所附加的条件对于农户来说很难满足或者这些条件本身就很苛刻.由于我国农村居民财产的实际分布状态及其可抵押性的错位使得农村地区出现“抵押难”[1],从而被排斥在贷款范围之外.
(三)评估排斥
农业生产的弱质性、分散性,使得正规金融在农村中的金融活动风险更高,更为谨慎,尤其是我国农村生产和投资行为高度分散,缺乏完善的可查信用档案,使得农村金融对于农户信用信息的获取困难,为降低不良贷款率,减少逆向选择和道德风险的现象,就要求金融机构对借款者的信用风险以及贷款项目风险进行详细和严格的信息搜集、信息甄别以及最终贷款决策评估,这延长了农户在金融供给机构中的贷款等待时间,加大了被评估排斥的机率.
四）排斥
利率一直是构成农户使用贷款的成本主要构成部分,对于农村贷款项目较低的收益率,高额的利息率必然不公平地加大了农户贷款负担.2013年7月20日央行宣布全面放开金融机构的贷款利率管制,取消贷款机构贷款利率07倍的下限,央行对农村信用社贷款利率也不设置下限,明确其可以突破4倍限制,这一政策必将加大我国农民被排斥的现象.王修华、谭开通2012）[2]在2011年对我国8个省份农村金融状况调查后发现有借贷需求但没有获得贷款的农户中有58%的是由于利息费用太高以及借款程序太麻烦而受到排斥.熊建国2006）[3]的研究显示对于中国人民银行的贷款款基准利率558%）水平,竟有六成左右的农户表示超过其承受能力,但农村信用社发放的贷款利率已明显超过央行及其他商业型银行提供的利率水平,达到642%.
五）营销排斥
虽然改革以来国家大力提倡发展农村金融,但金融机构嫌贫爱富的本质使得其总是出于规模经济和利润最大化的考虑,在经济发达之处聚集,远离经济欠发达、信息不完全和交通落后的农村地区[1].不仅仅是信贷投放对象上对农民忽略,而且在出售的金融产品类型上也与农村所需贷款的期限长、金额小等特点不匹配.高沛星、王修华2011）[4]以及胡振等2012）[5]学者采用农村地区每万人拥有的金融服务人员数量衡量营销排斥的大小.根据2012年的中国人民银行《中国农村金融服务报告》显示,在涉农金融机构中农村信用社依旧是为农村提供金融服务的主力军,2012年我国乡村人口数达到64222万人,计算可知我国农村地区2012年每万人拥有13人左右的金融从业人员,相比2009年的10人左右变化幅度不大,仍然水平较低,金融人员在农村地区是稀缺品,全国农村营销排斥程度仍处于高位. 六）自我排斥
自我排斥是指在农民自身心理、知识因素和长期形成的贷款习惯等影响下,借款者认为自己可以从金融机构获得所需贷款的机率很小,故而自己主动放弃申请.
三、实证分析我国农村金融排斥程度的影响因素
(一)变量选取与数据说明
本文选取我国农村1983-2011年相关时间序列数据进行研究分析,以农村人均贷款水平DD）和农户人均储蓄存款SS）指标来衡量农村金融排斥程度,选取的影响金融排斥的因素有农村用户T）、乡镇企业数X）、农村居民消费水平指数B）、农村居民家庭劳动文化状况E）、国家财政用于农业支出F）、农村居民人均纯收入M）、乡村人口数N）.指标数据来源于中国经济与社会发展统计数据库中的《中国统计年鉴》、《新中国六十年统计资料汇编》、《中国金融年鉴》、《中国农村统计年鉴》以及国家统计局网站、中国银行业监督管理会网站中国农村金融服务分布图集、中国人民银行网站、中国农业信息网.本文数据由Eviews31软件处理完成.
(二)模型设定
研究前对所有数据进行对数化处理,再利用OLS建立一个金融排斥指标LNSS、LNDD与其影响因素LNT、LNX、LNB、LNE、LNF、LNM、LNN之间的多元线性回归方程.
Yi等于a1LNT+a2LNX+a3LNB+a4LNE+ a5LNF+a6LNM +a7LNN+ μ [JY]1）
其中Yi等于[JB{]LNSSLNDD[JB）}]
(三)相关性分析
对LNSS、LNDD与LNT、LNX、LNB、LNE、LNF、LNM、LNN作皮尔逊相关系数检验,由检验结果知,除变量LNB之外的各影响因素与金融排斥指标之间相关性较为明显,系数均在60%以上.
(四)平稳性检验
观察各序列的相关分析图,可初步判断其均为非平稳序列.我们对数据进行ADF单位根检验,检验结果如下表所示,其中C,T,P）中C、T、P分别表示检验模型中的常数项、时间趋势和滞后阶数.可以看出各序列的水平检验值均大于1%的显著性水平下对应的临界值.因此,不能拒绝存在单位根的原假设,即原时间序列都是非平稳的.
经过一次差分后,各指标的ADF统计值均小于10%显著性水平下的临界值.也就是说,这些序列属于一阶单整.因此,我们将对LNSS、LNDD与LNT、LNX、LNB、LNE、LNF、LNM、LNN进行进一步的协整检验.