基于灰色聚類的吉林省農(nóng)村金融排斥地域差異研究

摘要：依據(jù)銀監(jiān)會公布的《農(nóng)村金融服務分布圖集》等相關數(shù)據(jù)，對吉林省39個縣市2010年農(nóng)村金融排斥地域差異情況進行了研究。在文獻研究的基礎上結合數(shù)據(jù)的可獲性，從農(nóng)村金融機構網(wǎng)點和人員數(shù)、存款情況及貸款情況3個維度9個指標，作為農(nóng)村金融排斥衡量指標體系。采用灰色聚類分析法，構建更科學的農(nóng)村金融排斥指標體系，然后運用SPSS中的聚類分析法，對吉林省39個縣的農(nóng)村金融排斥情況進行聚類分析，從而得出農(nóng)村金融排斥地域差異特點。結果表明，吉林省整體農(nóng)村金融排斥情況較嚴重；在地域上，金融排斥嚴重的縣近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)。

關鍵詞：灰色聚類；金融排斥；地域差異；吉林

中圖分類號：F830.6 文獻標識碼：A 文章編號：0439-8114（2013）24-6217-05

改革開放以來，中國經(jīng)濟發(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)多年出臺的一號文件均涉及農(nóng)村金融問題。2012年一號文件明確提出農(nóng)村金融改革的方向就是要全面提升農(nóng)村金融服務水平。2010年銀監(jiān)會發(fā)布的《中國銀行業(yè)農(nóng)村金融服務分布圖集》顯示：農(nóng)村金融服務缺乏，截至2010年末，全國農(nóng)村地區(qū)銀行業(yè)金融機構網(wǎng)點共有105 855個，占全國機構網(wǎng)點總量的55.0%，平均每個鄉(xiāng)鎮(zhèn)分布銀行業(yè)金融機構網(wǎng)點僅3.27個，每7.45個行政村才分布1個；平均每萬名農(nóng)民擁有銀行業(yè)金融機構網(wǎng)點1.29個；全國僅擁有1家營業(yè)網(wǎng)點的鄉(xiāng)鎮(zhèn)9 532個，約占全國鄉(xiāng)鎮(zhèn)總數(shù)的27.9%；未設任何銀行業(yè)機構營業(yè)網(wǎng)點尚有2 312個鄉(xiāng)（鎮(zhèn)），約占全國鄉(xiāng)（鎮(zhèn)）總數(shù)的6.7%。理論界把這一難題歸結為農(nóng)村地區(qū)存在嚴重的金融排斥，阻止了農(nóng)戶金融服務的可得性。農(nóng)村金融排斥作為社會排斥的一個子集，對農(nóng)村社會經(jīng)濟發(fā)展具有深遠的影響，農(nóng)村金融排斥程度的提高不僅會加劇城鄉(xiāng)二元經(jīng)濟差異程度，而且會加劇農(nóng)村不同群體的分化，從而對城鄉(xiāng)經(jīng)濟協(xié)調(diào)發(fā)展造成嚴重障礙。因此，中國具有研究農(nóng)村金融排斥的現(xiàn)實背景。

本研究具有以下兩個特點：一是研究范圍廣泛?，F(xiàn)有文獻多是分析微觀個體層面的農(nóng)村金融排斥，對一個國家或地區(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行的，有助于擴展農(nóng)村金融排斥的研究層面，同時吉林省又是中國傳統(tǒng)農(nóng)業(yè)大省，因此本研究具有較強的典型性和代表性；二是研究方法新穎?，F(xiàn)有研究主要從兩個方向切入，要么宏觀理論的分析，要么通過微觀調(diào)研進行計量分析，且用的較多的是回歸分析。中國經(jīng)濟統(tǒng)計經(jīng)歷幾次變革導致數(shù)據(jù)灰度較大，所以采用回歸分析可能會導致結果的不準確。在現(xiàn)有研究成果中尚未見用灰色聚類和灰色關聯(lián)分析法進行農(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聯(lián)分析法，適合用在數(shù)據(jù)存在灰度的研究中，并擴展了農(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，進行的是縣域農(nóng)村金融排斥程度的地域差異研究。就全國而言，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)濟欠發(fā)達地區(qū)，本研究的范圍界定為吉林省的縣域農(nóng)村金融。

1 文獻綜述

金融排斥（Financial Exclusion）概念最早于20世紀90年代在國外出現(xiàn)，是社會排斥的一個子集。Leyshon等[2]認為金融排斥就是直接或間接排斥窮人以及弱勢群體享用主流零售金融服務的狀態(tài)。關于如何衡量金融排斥，Kempson等[3]提出“六維度”分析方法，通過六個指標來衡量金融排斥情況。一是地理排斥，被排斥對象需要借助公共交通工具才能到達遠處的金融服務機構。二是評估排斥，如通過風險評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；四是價格排斥性，即金融產(chǎn)品定價過高，一些人只有支付自己不能承受的價格才能獲得金融產(chǎn)品；五是市場營銷排斥性，即一些人被排除在金融機構產(chǎn)品營銷目標市場之外；六是自我排斥性，即人們認為申請獲得金融產(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的范圍之外，自我排斥還分為主動自我排斥和被動自我排斥。顯然這一指標體系能夠從金融機構的經(jīng)營層面對某一地理區(qū)域的進入那個服務水平進行分析和評價，具有可操作性。Wayne等[4]利用1999至2005年的數(shù)據(jù)對加拿大的中低收入群體的金融排斥狀況進行了研究，實證部分利用Probit模型分析金融排斥的影響因素，結論表明當個人收入和財富減少時，金融排斥的可能性會上升，兩者的關系是非線性的。國內(nèi)學者也采取了類似的方法對中國金融排斥情況進行了實證研究，比較具有代表性的如徐少君等[5]、隋艷穎等[6]；祝英麗等[7]以中國中部地區(qū)為例，采用AHP（因子分析法）計算了中部縣級單位的銀行業(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，實證分析了中國農(nóng)村金融排斥的地域差異，同時還利用皮爾遜相關系數(shù)法分析了形成中國農(nóng)村金融排斥差異的主要影響因素；胡振[9]則從供給的視角對中國農(nóng)村金融排斥進行了原因分析，認為農(nóng)村金融機構的風險評估程序、附加條件、經(jīng)營取向、經(jīng)營模式等均對農(nóng)村金融需求具有很強的排斥性；李濤等[10]則從儲蓄、基金、保險、貸款等方面對中國城市居民的金融排斥狀況進行了研究，結論表明城市居民在上述四方面存在著嚴重的金融排斥狀況。因為金融排斥的研究是從國外起源的，目前關于金融排斥的衡量上接受度比較高的是 “六維度”分析法，國內(nèi)的衡量指標體系均是在此基礎上再結合國內(nèi)實際情況而構建，同樣一個維度方面不同的研究者選用的具體指標可能會有所不同，這樣就導致了結論的不一致。本研究的做法是在前人研究的基礎上，構建一個包含3個類別9個具體指標的指標體系，然后基于灰色聚類當中灰色關聯(lián)聚類法的特點（用于同類因素的歸并，使復雜系統(tǒng)簡化），對農(nóng)村金融排斥衡量因素進行歸并、提取，從而構造一個新的農(nóng)村金融排斥指標體系，再運用聚類分析法利用新的指標體系對吉林省農(nóng)村金融排斥進行科學的聚類和分析。

2 模型簡介、指標設計及數(shù)據(jù)來源

灰色系統(tǒng)理論與方法中應用比較多的是灰色關聯(lián)分析和灰色聚類分析?；疑P聯(lián)聚類是根據(jù)灰色關聯(lián)矩陣將一些觀測指標劃分成若干個可定義類別的辦法，即進行同類因素的歸并，使復雜系統(tǒng)簡化，一個聚類可以看成是屬于同一類的因素的集合。通過灰色關聯(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或者其中的某一個因素來代表這若干個因素而使信息不受嚴重損失[11]。

基于金融排斥的定義和以上原則，結合吉林省農(nóng)村金融發(fā)展的現(xiàn)實情況，這里將以下三個方面作為金融排斥的維度：網(wǎng)點和人員維度、存款維度、貸款維度。如表1所示。其中網(wǎng)點和人員維度是指農(nóng)村金融機構網(wǎng)點數(shù)量分布情況，如萬人機構覆蓋度，即每10 000名農(nóng)村居民所擁有的農(nóng)村金融機構網(wǎng)點數(shù)量；萬人擁有金融機構服務人員數(shù)用每10 000名農(nóng)村居民所擁有的農(nóng)村金融機構服務人員數(shù)量表示；存款維度包含人均存款水平、人均儲蓄存款水平兩個指標；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表示，人均貸款水平用縣及縣以下存款余額比鄉(xiāng)村總人口來表示；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。從以上九個指標可以看出，這一體系包含了六維度體系中的主要內(nèi)容，例如在金融機構基本情況中，萬人機構覆蓋度準確的體現(xiàn)了地理排斥，同時萬人擁有金融機構服務人員數(shù)體現(xiàn)了營銷排斥，因為金融機構服務人員是實現(xiàn)營銷的載體。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估排斥的內(nèi)容。同時必須注意到金融排斥程度的衡量是一個比較困難的事情，所有的方法都有自身的局限性。

本研究所用的數(shù)據(jù)來源于中國銀行業(yè)監(jiān)督管理委員會發(fā)布的《中國銀行業(yè)農(nóng)村金融機構服務分布圖集》、歷年吉林省統(tǒng)計年鑒、歷年《中國銀行業(yè)監(jiān)督管理委員會年報》等。從圖集中獲得的數(shù)據(jù)包括吉林省39個縣（包含縣級市，縣級市也統(tǒng)稱縣），因為本研究的是吉林省農(nóng)村金融排斥，而農(nóng)村多是在縣及縣以下，雖然地級市及省會城市下屬的區(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)村金融排斥指標體系數(shù)據(jù)的描述性統(tǒng)計分析。

3 估計結果及說明

首先運用灰色關聯(lián)分析方法，求出灰色關聯(lián)矩陣，表3給出了運算結果，需要說明的是這里用的是灰色絕對關聯(lián)度。

利用表3對指標進行聚類，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=0.915 9，ε2，6=0.980 8，ε4，8=0.975 5，ε4，9=0.967 6，ε8，9=0.944 7。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個因素歸為5個類別，取標號最小的作為各類的代表，這5個因素是X1、X2、X4、X5、X7。經(jīng)過灰色關聯(lián)聚類，建立只包含5個指標的農(nóng)村金融排斥衡量體系。通過灰色關聯(lián)聚類的降維處理，使得農(nóng)村金融排斥體系更科學和簡單，這是相對比較客觀的處理方法，克服了人為增添指標的主觀缺陷。吉林省39個縣的地理分布統(tǒng)計情況是：東部有延邊、通化、白山，順次下轄7、5、4個縣，合計占吉林省縣城數(shù)量的41%；中部有遼源、四平、吉林市、長春四個城市，順次下轄縣的數(shù)量是2、4、5、4個縣，合計占吉林省縣城數(shù)量的38.46%；西部有白城、松原，各自下轄4個縣，合計占全省縣城數(shù)量的20.51%。

運用灰色關聯(lián)聚類法提取5類因素之后，再用SPSS 13.0中的聚類分析法對吉林省農(nóng)村金融排斥區(qū)劃進行聚類。按照通常的做法，將金融排斥程度分為較輕、較重、嚴重3個等級。表4給出了吉林省39個縣3群集聚類的結果，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。金融排斥較嚴重的區(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)計上的簡明性原則，這里把數(shù)量分布做出來，表5是吉林省縣域農(nóng)村金融排斥情況統(tǒng)計。從表5中可以看出吉林省農(nóng)村金融排斥具有如下幾個特點。

一是整體上吉林省農(nóng)村金融排斥比較嚴重。因為屬于金融排斥嚴重的縣有24個，占全省的61.54%，屬于較重的有10個，占全省的25.64%，屬于較輕的僅5個，只占全省的12.82%；

二是地理分布上東、西部是金融排斥最嚴重和最集中的地方。東部和西部金融排斥嚴重的縣分別有13個和6個，合計19個，占到金融排斥嚴重的縣的79.17%。而中部屬于金融排斥嚴重的縣只有5個，僅占金融排斥嚴重類別縣的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個縣，較輕有5個縣，兩者合計15個縣，在這15個縣當中屬于中部的縣有10個，占66.67%。在金融排斥較輕的類別當中，中部縣占到80.00%。

4 總結

本研究在總結前人關于金融排斥研究成果的基礎上，構建新的農(nóng)村金融排斥衡量指標體系，運用灰色關聯(lián)聚類進行同類因素的歸并、提取，運用聚類分析方法對吉林省39個縣的農(nóng)村金融排斥程度進行了聚類。在實證研究的基礎上，總結出吉林省農(nóng)村金融排斥地域差異、特點。一是整體上看，吉林省金融排斥比較嚴重；二是地理分布上，東部、西部是金融排斥最嚴重和最集中的地區(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應該結合這些差異，制定針對性的措施。認識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)地域分布上述特點的具體原因值得專家學者們做更深入的研究。

參考文獻：

[1] 宋亞平.“縣域經(jīng)濟”到底是什么[J].江漢論壇，2009（5）：5-12.

[2] LEYSHON A， THRIFT N. Access to Financial Services and Financial Infrastructure Withdrawal[J]. Problems and Policies，Area，1994，26：268-275.

[3] KEMPSON E， WHYLEY C. Understanding and Combating Financial Exclusion[J].Insurance Tends，1999，21（4）：18-22.

[4] WAYNE S， JERRY B. Examining evidence of financial and credit exclusion in Canada from 1999 to 2005，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.中國農(nóng)村經(jīng)濟[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].金融理論與實踐，2010（2）：70-74.

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

[9] 胡 振.基于供給視角我國農(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.中國城市居民的金融受排斥狀況研究[J].經(jīng)濟研究，2010（7）：15-29.

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