改革開放以來(lái)，中國(guó)經(jīng)濟(jì)發(fā)展取得了巨大成就。但資金短缺問題一直是農(nóng)村經(jīng)濟(jì)發(fā)展的巨大障礙，所以政府高度重視農(nóng)村金融問題，連續(xù)多年出臺(tái)的一號(hào)文件均涉及農(nóng)村金融問題。2012年一號(hào)文件明確提出農(nóng)村金融改革的方向就是要全面提升農(nóng)村金融服務(wù)水平。

　　摘要：依據(jù)銀監(jiān)會(huì)公布的《農(nóng)村金融服務(wù)分布圖集》等相關(guān)數(shù)據(jù)，對(duì)吉林省39個(gè)縣市2010年農(nóng)村金融排斥地域差異情況進(jìn)行了研究。在文獻(xiàn)研究的基礎(chǔ)上結(jié)合數(shù)據(jù)的可獲性，從農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)和人員數(shù)、存款情況及貸款情況3個(gè)維度9個(gè)指標(biāo)，作為農(nóng)村金融排斥衡量指標(biāo)體系。采用灰色聚類分析法，構(gòu)建更科學(xué)的農(nóng)村金融排斥指標(biāo)體系，然后運(yùn)用SPSS中的聚類分析法，對(duì)吉林省39個(gè)縣的農(nóng)村金融排斥情況進(jìn)行聚類分析，從而得出農(nóng)村金融排斥地域差異特點(diǎn)。結(jié)果表明，吉林省整體農(nóng)村金融排斥情況較嚴(yán)重；在地域上，金融排斥嚴(yán)重的縣近80%分布在東部和西部地區(qū)；全省金融排斥較輕的縣絕大部分分布在中部地區(qū)。

　　關(guān)鍵詞：經(jīng)濟(jì)學(xué)論文,灰色聚類,金融排斥,地域差異,吉林

　　2010年銀監(jiān)會(huì)發(fā)布的《中國(guó)銀行業(yè)農(nóng)村金融服務(wù)分布圖集》顯示：農(nóng)村金融服務(wù)缺乏，截至2010年末，全國(guó)農(nóng)村地區(qū)銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)共有105855個(gè)，占全國(guó)機(jī)構(gòu)網(wǎng)點(diǎn)總量的55.0%，平均每個(gè)鄉(xiāng)鎮(zhèn)分布銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)僅3.27個(gè)，每7.45個(gè)行政村才分布1個(gè)；平均每萬(wàn)名農(nóng)民擁有銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)1.29個(gè)；全國(guó)僅擁有1家營(yíng)業(yè)網(wǎng)點(diǎn)的鄉(xiāng)鎮(zhèn)9532個(gè)，約占全國(guó)鄉(xiāng)鎮(zhèn)總數(shù)的27.9%；未設(shè)任何銀行業(yè)機(jī)構(gòu)營(yíng)業(yè)網(wǎng)點(diǎn)尚有2312個(gè)鄉(xiāng)（鎮(zhèn)），約占全國(guó)鄉(xiāng)（鎮(zhèn)）總數(shù)的6.7%。理論界把這一難題歸結(jié)為農(nóng)村地區(qū)存在嚴(yán)重的金融排斥，阻止了農(nóng)戶金融服務(wù)的可得性。農(nóng)村金融排斥作為社會(huì)排斥的一個(gè)子集，對(duì)農(nóng)村社會(huì)經(jīng)濟(jì)發(fā)展具有深遠(yuǎn)的影響，農(nóng)村金融排斥程度的提高不僅會(huì)加劇城鄉(xiāng)二元經(jīng)濟(jì)差異程度，而且會(huì)加劇農(nóng)村不同群體的分化，從而對(duì)城鄉(xiāng)經(jīng)濟(jì)協(xié)調(diào)發(fā)展造成嚴(yán)重障礙。因此，中國(guó)具有研究農(nóng)村金融排斥的現(xiàn)實(shí)背景。

　　本研究具有以下兩個(gè)特點(diǎn)：一是研究范圍廣泛。現(xiàn)有文獻(xiàn)多是分析微觀個(gè)體層面的農(nóng)村金融排斥，對(duì)一個(gè)國(guó)家或地區(qū)內(nèi)部層面的分析較少，本研究是從縣域農(nóng)村金融排斥的視角進(jìn)行的，有助于擴(kuò)展農(nóng)村金融排斥的研究層面，同時(shí)吉林省又是中國(guó)傳統(tǒng)農(nóng)業(yè)大省，因此本研究具有較強(qiáng)的典型性和代表性；二是研究方法新穎。現(xiàn)有研究主要從兩個(gè)方向切入，要么宏觀理論的分析，要么通過微觀調(diào)研進(jìn)行計(jì)量分析，且用的較多的是回歸分析。中國(guó)經(jīng)濟(jì)統(tǒng)計(jì)經(jīng)歷幾次變革導(dǎo)致數(shù)據(jù)灰度較大，所以采用回歸分析可能會(huì)導(dǎo)致結(jié)果的不準(zhǔn)確。在現(xiàn)有研究成果中尚未見用灰色聚類和灰色關(guān)聯(lián)分析法進(jìn)行農(nóng)村金融排斥的研究，本研究利用灰色系統(tǒng)理論中的灰色聚類和灰色關(guān)聯(lián)分析法，適合用在數(shù)據(jù)存在灰度的研究中，并擴(kuò)展了農(nóng)村金融排斥的研究方法。

　　本研究的范圍是吉林省的農(nóng)村金融排斥，進(jìn)行的是縣域農(nóng)村金融排斥程度的地域差異研究。就全國(guó)而言，絕大多數(shù)地方特別是廣大中西部地區(qū)的縣域，仍然處在傳統(tǒng)的農(nóng)業(yè)時(shí)代。農(nóng)村范圍大、農(nóng)民數(shù)量多，并以農(nóng)業(yè)生產(chǎn)作為絕大多數(shù)老百姓居家度日、維系民生的主要收入渠道[1]。吉林省屬于典型的農(nóng)業(yè)大省，整體上屬于經(jīng)濟(jì)欠發(fā)達(dá)地區(qū)，本研究的范圍界定為吉林省的縣域農(nóng)村金融。

　　1文獻(xiàn)綜述

　　金融排斥（FinancialExclusion）概念最早于20世紀(jì)90年代在國(guó)外出現(xiàn)，是社會(huì)排斥的一個(gè)子集。Leyshon等[2]認(rèn)為金融排斥就是直接或間接排斥窮人以及弱勢(shì)群體享用主流零售金融服務(wù)的狀態(tài)。關(guān)于如何衡量金融排斥，Kempson等[3]提出“六維度”分析方法，通過六個(gè)指標(biāo)來(lái)衡量金融排斥情況。一是地理排斥，被排斥對(duì)象需要借助公共交通工具才能到達(dá)遠(yuǎn)處的金融服務(wù)機(jī)構(gòu)。二是評(píng)估排斥，如通過風(fēng)險(xiǎn)評(píng)估程序限制了客戶接近金融資源；三是條件排斥性，即附加于金融產(chǎn)品的條件不適合某些人群的需要；四是價(jià)格排斥性，即金融產(chǎn)品定價(jià)過高，一些人只有支付自己不能承受的價(jià)格才能獲得金融產(chǎn)品；五是市場(chǎng)營(yíng)銷排斥性，即一些人被排除在金融機(jī)構(gòu)產(chǎn)品營(yíng)銷目標(biāo)市場(chǎng)之外；六是自我排斥性，即人們認(rèn)為申請(qǐng)獲得金融產(chǎn)品的可能性很小，被拒絕的可能性很大，從而把自己排除在獲得金融服務(wù)的范圍之外，自我排斥還分為主動(dòng)自我排斥和被動(dòng)自我排斥。顯然這一指標(biāo)體系能夠從金融機(jī)構(gòu)的經(jīng)營(yíng)層面對(duì)某一地理區(qū)域的進(jìn)入那個(gè)服務(wù)水平進(jìn)行分析和評(píng)價(jià)，具有可操作性。Wayne等[4]利用1999至2005年的數(shù)據(jù)對(duì)加拿大的中低收入群體的金融排斥狀況進(jìn)行了研究，實(shí)證部分利用Probit模型分析金融排斥的影響因素，結(jié)論表明當(dāng)個(gè)人收入和財(cái)富減少時(shí)，金融排斥的可能性會(huì)上升，兩者的關(guān)系是非線性的。國(guó)內(nèi)學(xué)者也采取了類似的方法對(duì)中國(guó)金融排斥情況進(jìn)行了實(shí)證研究，比較具有代表性的如徐少君等[5]、隋艷穎等[6]；祝英麗等[7]以中國(guó)中部地區(qū)為例，采用AHP（因子分析法）計(jì)算了中部縣級(jí)單位的銀行業(yè)綜合指數(shù)；高沛星等[8]人基于省際數(shù)據(jù)，采用變異系數(shù)法，實(shí)證分析了中國(guó)農(nóng)村金融排斥的地域差異，同時(shí)還利用皮爾遜相關(guān)系數(shù)法分析了形成中國(guó)農(nóng)村金融排斥差異的主要影響因素；胡振[9]則從供給的視角對(duì)中國(guó)農(nóng)村金融排斥進(jìn)行了原因分析，認(rèn)為農(nóng)村金融機(jī)構(gòu)的風(fēng)險(xiǎn)評(píng)估程序、附加條件、經(jīng)營(yíng)取向、經(jīng)營(yíng)模式等均對(duì)農(nóng)村金融需求具有很強(qiáng)的排斥性；李濤等[10]則從儲(chǔ)蓄、基金、保險(xiǎn)、貸款等方面對(duì)中國(guó)城市居民的金融排斥狀況進(jìn)行了研究，結(jié)論表明城市居民在上述四方面存在著嚴(yán)重的金融排斥狀況。因?yàn)榻鹑谂懦獾难芯渴菑膰?guó)外起源的，目前關(guān)于金融排斥的衡量上接受度比較高的是“六維度”分析法，國(guó)內(nèi)的衡量指標(biāo)體系均是在此基礎(chǔ)上再結(jié)合國(guó)內(nèi)實(shí)際情況而構(gòu)建，同樣一個(gè)維度方面不同的研究者選用的具體指標(biāo)可能會(huì)有所不同，這樣就導(dǎo)致了結(jié)論的不一致。本研究的做法是在前人研究的基礎(chǔ)上，構(gòu)建一個(gè)包含3個(gè)類別9個(gè)具體指標(biāo)的指標(biāo)體系，然后基于灰色聚類當(dāng)中灰色關(guān)聯(lián)聚類法的特點(diǎn)（用于同類因素的歸并，使復(fù)雜系統(tǒng)簡(jiǎn)化），對(duì)農(nóng)村金融排斥衡量因素進(jìn)行歸并、提取，從而構(gòu)造一個(gè)新的農(nóng)村金融排斥指標(biāo)體系，再運(yùn)用聚類分析法利用新的指標(biāo)體系對(duì)吉林省農(nóng)村金融排斥進(jìn)行科學(xué)的聚類和分析。2模型簡(jiǎn)介、指標(biāo)設(shè)計(jì)及數(shù)據(jù)來(lái)源

　　灰色系統(tǒng)理論與方法中應(yīng)用比較多的是灰色關(guān)聯(lián)分析和灰色聚類分析。灰色關(guān)聯(lián)聚類是根據(jù)灰色關(guān)聯(lián)矩陣將一些觀測(cè)指標(biāo)劃分成若干個(gè)可定義類別的辦法，即進(jìn)行同類因素的歸并，使復(fù)雜系統(tǒng)簡(jiǎn)化，一個(gè)聚類可以看成是屬于同一類的因素的集合。通過灰色關(guān)聯(lián)聚類，可以判斷出哪些因素大體上屬于同一類，使得能用這些因素的綜合平均指標(biāo)或者其中的某一個(gè)因素來(lái)代表這若干個(gè)因素而使信息不受嚴(yán)重?fù)p失[11]。

　　基于金融排斥的定義和以上原則，結(jié)合吉林省農(nóng)村金融發(fā)展的現(xiàn)實(shí)情況，這里將以下三個(gè)方面作為金融排斥的維度：網(wǎng)點(diǎn)和人員維度、存款維度、貸款維度。如表1所示。其中網(wǎng)點(diǎn)和人員維度是指農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量分布情況，如萬(wàn)人機(jī)構(gòu)覆蓋度，即每10000名農(nóng)村居民所擁有的農(nóng)村金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量；萬(wàn)人擁有金融機(jī)構(gòu)服務(wù)人員數(shù)用每10000名農(nóng)村居民所擁有的農(nóng)村金融機(jī)構(gòu)服務(wù)人員數(shù)量表示；存款維度包含人均存款水平、人均儲(chǔ)蓄存款水平兩個(gè)指標(biāo)；貸款維度包含人均貸款水平、農(nóng)戶戶均貸款額度、獲得貸款農(nóng)戶所占比例、獲得貸款企業(yè)所占比例和貸存比來(lái)表示，人均貸款水平用縣及縣以下存款余額比鄉(xiāng)村總?cè)丝趤?lái)表示；農(nóng)戶戶均貸款額度即用全年農(nóng)戶貸款總額除以農(nóng)戶數(shù)量；獲得貸款農(nóng)戶所占比例用非市轄區(qū)獲得貸款農(nóng)戶數(shù)在非市轄區(qū)農(nóng)戶總數(shù)中的比表示；獲得貸款企業(yè)所占比例用非市轄區(qū)獲得貸款企業(yè)數(shù)占非市轄區(qū)企業(yè)總戶數(shù)的比表示；貸存比用非市轄區(qū)貸款總額除上非市轄區(qū)存款總額表示。從以上九個(gè)指標(biāo)可以看出，這一體系包含了六維度體系中的主要內(nèi)容，例如在金融機(jī)構(gòu)基本情況中，萬(wàn)人機(jī)構(gòu)覆蓋度準(zhǔn)確的體現(xiàn)了地理排斥，同時(shí)萬(wàn)人擁有金融機(jī)構(gòu)服務(wù)人員數(shù)體現(xiàn)了營(yíng)銷排斥，因?yàn)榻鹑跈C(jī)構(gòu)服務(wù)人員是實(shí)現(xiàn)營(yíng)銷的載體。在貸款維度中，獲得貸款的農(nóng)戶和獲得貸款的企業(yè)占比情況很好地反映了評(píng)估排斥的內(nèi)容。同時(shí)必須注意到金融排斥程度的衡量是一個(gè)比較困難的事情，所有的方法都有自身的局限性。

　　本研究所用的數(shù)據(jù)來(lái)源于中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)發(fā)布的《中國(guó)銀行業(yè)農(nóng)村金融機(jī)構(gòu)服務(wù)分布圖集》、歷年吉林省統(tǒng)計(jì)年鑒、歷年《中國(guó)銀行業(yè)監(jiān)督管理委員會(huì)年報(bào)》等。從圖集中獲得的數(shù)據(jù)包括吉林省39個(gè)縣（包含縣級(jí)市，縣級(jí)市也統(tǒng)稱縣），因?yàn)楸狙芯康氖羌�林省農(nóng)村金融排斥，而農(nóng)村多是在縣及縣以下，雖然地級(jí)市及省會(huì)城市下屬的區(qū)中也有農(nóng)村，但那不是通常意義上的典型農(nóng)村，本研究針對(duì)的是最具有代表性的縣域農(nóng)村金融排斥。表2是吉林省農(nóng)村金融排斥指標(biāo)體系數(shù)據(jù)的描述性統(tǒng)計(jì)分析。

　　3估計(jì)結(jié)果及說明

　　首先運(yùn)用灰色關(guān)聯(lián)分析方法，求出灰色關(guān)聯(lián)矩陣，表3給出了運(yùn)算結(jié)果，需要說明的是這里用的是灰色絕對(duì)關(guān)聯(lián)度。

　　利用表3對(duì)指標(biāo)進(jìn)行聚類，令臨界值r=0.9，從第一行開始挑出大于0.9的值，則有ε2，3=0.9159，ε2，6=0.9808，ε4，8=0.9755，ε4，9=0.9676，ε8，9=0.9447。從而可知X2、X3、X6可以歸為一類；X4、X8、X9可以歸為一類；剩下的X1、X5、X7各自作為一類。把9個(gè)因素歸為5個(gè)類別，取標(biāo)號(hào)最小的作為各類的代表，這5個(gè)因素是X1、X2、X4、X5、X7。經(jīng)過灰色關(guān)聯(lián)聚類，建立只包含5個(gè)指標(biāo)的農(nóng)村金融排斥衡量體系。通過灰色關(guān)聯(lián)聚類的降維處理，使得農(nóng)村金融排斥體系更科學(xué)和簡(jiǎn)單，這是相對(duì)比較客觀的處理方法，克服了人為增添指標(biāo)的主觀缺陷。吉林省39個(gè)縣的地理分布統(tǒng)計(jì)情況是：東部有延邊、通化、白山，順次下轄7、5、4個(gè)縣，合計(jì)占吉林省縣城數(shù)量的41%；中部有遼源、四平、吉林市、長(zhǎng)春四個(gè)城市，順次下轄縣的數(shù)量是2、4、5、4個(gè)縣，合計(jì)占吉林省縣城數(shù)量的38.46%；西部有白城、松原，各自下轄4個(gè)縣，合計(jì)占全省縣城數(shù)量的20.51%。

　　運(yùn)用灰色關(guān)聯(lián)聚類法提取5類因素之后，再用SPSS13.0中的聚類分析法對(duì)吉林省農(nóng)村金融排斥區(qū)劃進(jìn)行聚類。按照通常的做法，將金融排斥程度分為較輕、較重、嚴(yán)重3個(gè)等級(jí)。表4給出了吉林省39個(gè)縣3群集聚類的結(jié)果，從中可以看出吉林省農(nóng)村金融排斥程度的地域分布特點(diǎn)。金融排斥較嚴(yán)重的區(qū)縣數(shù)量較多；金融排斥較重和較輕的地區(qū)占的比重少。

　　出于統(tǒng)計(jì)上的簡(jiǎn)明性原則，這里把數(shù)量分布做出來(lái)，表5是吉林省縣域農(nóng)村金融排斥情況統(tǒng)計(jì)。從表5中可以看出吉林省農(nóng)村金融排斥具有如下幾個(gè)特點(diǎn)。

　　一是整體上吉林省農(nóng)村金融排斥比較嚴(yán)重。因?yàn)閷儆诮鹑谂懦鈬?yán)重的縣有24個(gè)，占全省的61.54%，屬于較重的有10個(gè)，占全省的25.64%，屬于較輕的僅5個(gè)，只占全省的12.82%；

　　二是地理分布上東、西部是金融排斥最嚴(yán)重和最集中的地方。東部和西部金融排斥嚴(yán)重的縣分別有13個(gè)和6個(gè)，合計(jì)19個(gè)，占到金融排斥嚴(yán)重的縣的79.17%。而中部屬于金融排斥嚴(yán)重的縣只有5個(gè)，僅占金融排斥嚴(yán)重類別縣的20.83%。

　　三是中部是金融排斥最輕的地區(qū)。金融排斥較重的有10個(gè)縣，較輕有5個(gè)縣，兩者合計(jì)15個(gè)縣，在這15個(gè)縣當(dāng)中屬于中部的縣有10個(gè)，占66.67%。在金融排斥較輕的類別當(dāng)中，中部縣占到80.00%。

　　4總結(jié)

　　本研究在總結(jié)前人關(guān)于金融排斥研究成果的基礎(chǔ)上，構(gòu)建新的農(nóng)村金融排斥衡量指標(biāo)體系，運(yùn)用灰色關(guān)聯(lián)聚類進(jìn)行同類因素的歸并、提取，運(yùn)用聚類分析方法對(duì)吉林省39個(gè)縣的農(nóng)村金融排斥程度進(jìn)行了聚類。在實(shí)證研究的基礎(chǔ)上，總結(jié)出吉林省農(nóng)村金融排斥地域差異、特點(diǎn)。一是整體上看，吉林省金融排斥比較嚴(yán)重；二是地理分布上，東部、西部是金融排斥最嚴(yán)重和最集中的地區(qū)；三是吉林省中部是金融排斥最輕的地區(qū)。吉林省農(nóng)村金融排斥地域差異要求政府在制定緩解農(nóng)村金融排斥程度措施時(shí)應(yīng)該結(jié)合這些差異，制定針對(duì)性的措施。認(rèn)識(shí)問題是為了更好的解決問題，引起吉林省金融排斥普遍較重和出現(xiàn)地域分布上述特點(diǎn)的具體原因值得專家學(xué)者們做更深入的研究。

　　參考文獻(xiàn)：

　　[1]宋亞平.“縣域經(jīng)濟(jì)”到底是什么[J].江漢論壇，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，金雪軍.農(nóng)戶金融排除的影響因素分析.中國(guó)農(nóng)村經(jīng)濟(jì)[J].2009（6）：62-72.

　　[6]隋艷穎，馬曉河.西部農(nóng)牧戶受金融排斥的影響因素分析[J].中國(guó)農(nóng)村觀察，2011（3）：50-60.

　　[7]祝英麗，劉貫華，李小建.中部地區(qū)金融排斥的衡量及原因探析[J].金融理論與實(shí)踐，2010（2）：70-74.

　　[8]高沛星，王修華.我國(guó)農(nóng)村金融排斥的區(qū)域差異與影響因素[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011（4）：93-102.

　　[9]胡振.基于供給視角我國(guó)農(nóng)村金融排斥的原因分析[J].吉林農(nóng)業(yè)，2012（5）：19.

　　[10]李濤，王志芳等.中國(guó)城市居民的金融受排斥狀況研究[J].經(jīng)濟(jì)研究，2010（7）：15-29.

　　[11]劉思峰，黨耀國(guó).灰色系統(tǒng)理論及其應(yīng)用[M].第五版.北京：科學(xué)出版社，2011.