我国农村金融包容的区域差异与影响要素解析（中）

三、计量分析及检验
    
    对于金融包容影响要素的界定，包括很多层面：如经济主体的身份、年龄与社会地位、金融知识、收入水平、金融产品的各项条件、复杂繁琐的手续、心理或文化障碍、居住地点、金融意识等，它们会对金融包容产生推进或者阻碍作用。这些要素的差别会诱发金融包容程度的差别，这些要素的变化也会引致金融包容水平的变化。本文广泛借鉴国外学者的研究，如Hersi（2009）、Kempson（2000）、Kempson和Whyley（2000）、布里斯班会议讨论（2005）、Leyshon和Thrift（1997）以及FSA（2006）等的研究成果[17-18]，撷取典型的、并初步达成共识的关键要素指标，并结合我国国情，拟从需求、供给及社会三个层面确立农村金融包容的影响要素。
    从需求层面来看，主要包括如下变量：（1）Income。金融包容首先是收入的函数，国外相关统计模型表明，是否接受收入援助这一变量对金融包容具有最大的解释力（Kempson和Whyley，1999）。保持其他控制变量不变，高收入显著增加了金融包容的几率，因此各省区农村居民人均纯收入（取对数）可以作为金融包容的解释变量之一。（2）Age.表示各省份非市辖区农村人口的年龄构成。采用少年儿童（0～14岁）和老年人口（65岁以上）所占比例来反映。一般假定老人和儿童对金融产品与服务的接纳能力有限，因此儿童和老人人口所占比重越高，金融包容程度就越低。（3）Knowl.金融教养或金融知识（Financial Literacy），是造成金融包容的原因之一，它是一种隐性知识，且代际遗传。金融教养的薄弱成为经济主体了解及使用金融产品的重要障碍。采用各地区农村居民平均每百个劳动力中不识字或者很少识字人数比例来替代。（4）Mino是一个虚拟变量，反映区域的民族构成。国外学者特别关注民族差异导致的金融包容，特别是低收入的少数民族聚集区。因此对我国少数民族聚集区（广西、新疆、内蒙古、宁夏和西藏）赋值1，其他地区赋值0，以反映民族差异对农村金融包容的影响。（5）Estate.住房拥有状况。Mayne J（2009）指出，无法获得房屋所有权、申请政府住房及依赖援助和贷款的人群阻碍其金融包容进程，因此采用拥有一处以上房产的农村常住户所占比例替代住房拥有率指标。
    供给层面主要包括两个影响要素：地理特征及技术（Tec）。前者反映地域差别的影响，即D1t＝；后者对金融包容的影响存在争论，如Geach N（2007）指出，手机技术在农村和城市贫民区的普及，将有助于弥合数字鸿沟（Digital divide）且便利于居民采用主流金融服务。Kempson和Whyley（2000）则持反对意见，认为大部分被排斥家庭并不拥有网络和电话，因此以电话和网络为介质的金融服务将降低金融包容。本文采用农村地区固定电话普及率、移动电话普及率、电脑普及率及农户上网比率反映不同区域的技术水平及金融基础设施供给状况。
    金融包容的社会诱发因子包括如下方面：Hersi（2009）指出，人口统计的变化、收入差距及劳动力的结构变动等社会要素会对某类社会群体的金融包容水平产生影响；Kempson和Whyley（1999）的调研说明，女性占总人口的比例越高，包容指数越低。因而本文采用Gender（乡村人口中女性所占比例）、Emplo（农村劳动力所占比重）、Dif（f城乡收入差距）分别反映农业人口性别结构、劳动力结构变化及城乡社会差异。此外，Restri（各省农村地区的政府规管情况）用全国农业综合开发项目投入中央财政资金及地方财政配套资金总量（取对数）代表政府财政支农力度。Business表示商业文化环境，用在私营企业和个体企业的乡村就业人数/总的乡村从业人数来反映。Growth（农村GDP增长率）反映了农村地区经济发展的宏观环境。这三个指标从不同角度反映了农村社会环境的优劣。
    （一）实证分析结果
    
    为了检验解释变量的纳入是否合理，首先分别进行单一解释变量的计量检验，共建立13个模型，被解释变量为农村金融包容指数，解释变量分别为前文列出的13个变量。模型的回归系数与显著性以及各解释变量与因变量的相关系数见表3：
    

    从表3中可以看出，Income、Tec、Growth、Emplo、Age、Knowl、Gender（不显著相关）、Diff和Dt都在1%的水平上显著，其中前四个解释变量的回归系数为正，表明自变量取值越高，农村金融包容程度越高。农民人均纯收入是金融包容的重要影响因素，收入越低的区域，银行的分支机构也就越少（Vass，1997）。李小建（2006）利用中国发展中地区河南省的第一手调查数据，对内陆省份银行业空间系统变化进行的量化分析和解释表明，邻近地段“人均收入水平高”作为一个重要区位影响因素，决定着相当一部分银行网点的布局。我国农村居民的纯收入与金融包容的显著相关再次验证了收入是金融包容的关键诱因。Tec主要反映了信息技术对农村金融包容的影响，信息技术的普及将显著提高我国农村区域的金融包容指数。这说明，信息技术对我国农村地区的金融成长有积极的推动作用，这可以从两方面解释：第一，拥有电话、电脑并用本户电脑上网的农户可以直接选取高科技金融服务，引致包容程度的提高；第二，农村基层服务信息体系的完善提高了农业科技化程度，为农村吸引资金与技术，拓宽农产品销售渠道，增加农民收入，从而提升农村金融包容。Growth代表农村地区的经济增长率，具有较好经济发展环境的区域，其包容指数相应较高。Emplo就业状态一直被认为是金融包容的影响要素，实证分析表明，我国农村就业人口比重的增加将显著提高包容指数。Knowl与金融包容显著相关，说明金融知识越发达，金融包容程度越高。贫困地区金融教养的缺乏往往容易导致居民的怀疑心理和反学习性，影响金融产品的推广和使用。因此，消除知识差异是金融包容的重要方面。Hogarth和O′Donnell（1997）以及FSA（2000）均验证了性别是影响银行服务使用状况的重要指标，而女性更倾向于自我排斥于主流金融体系之外。该变量对我国农村金融包容也具有一定的解释力。Diff反映了城乡收入差距。Kempson et al（2004）指出收入不平等程度（用基尼系数衡量）越低的国家其金融包容程度相应较高，这一规律同样适用于我国的不同区域。目前我国的城乡收入差距不断拉大，马太效应和贫困陷阱导致金融机构倾向于首先从农村地区撤出迁往城市，因此城乡收入差距的增大引致农村金融包容指数的降低。金融包容也与居民居住的地理位置相关，统计分析表明，从D1t和D2t指标来看，回归系数分别为0.359712和-0.256554，表明东部地区的良好区位已经形成一种循环累积效应，相对于中西部地区，其金融包容程度较高。而中西部地区其区位特征直接导致金融包容指数降低25个百分点。此外，商业文化环境（Business）与金融包容正相关，且在5%的水平上显著。Mino、Restri、Estate回归系数的显著性大大降低，因此初步考虑这些要素不构成我国农村地区金融包容的影响因素。
    综合以上分析，对我国农村金融包容具有显著解释力的指标为Income、Tec、Growth、Emplo、Age、Knowl、Diff、Dt和Business。
    上文所进行的是单方程一元变量的分析，为了剖析各要素对农村金融包容的综合影响，需要建立多元回归模型。由于收入变量与金融包容存在双向交互影响，为解决内生性问题，采用工具变量法T（其他借款），T与Income相关，而与RICLU（农村金融包容）不相关。将内生变量Income对所有的外生变量进行回归，得到Income的估计值：
    

    用估计出来的代替原来的Income，进行OLS估计，可以得到产生的无偏估计。通过投影，得到了内生变量的外生部分，再进入回归方程。通过变量的相关分析，发现变量之间高度相关：如Income与Tec、Diff、D1t、D2t、Age、Business、Knowl、Emplo及Growth均在1%的显著性水平上高度相关，相关系数分别为0.762、-0.847、0.768、-0.695、-0.714、0.655、-0.478、0.638及0.613；Tec与Business、Restri与Estate相关系数分别为0.633和0.839。为了避免回归参数的估计问题、多重共线性问题、模型参数难以解析等问题，故采用主成分回归法确定金融排斥的诱因。
    

    主成分分析结果表明，3个主成分的方差累积共享率超过80%，所包含信息量为原始数据信息量的81.977%。提取出来的主成分Z1、Z2、Z3可分别用下式表示：
    利用提取出来的主成分Z1、Z2、Z3进行主成分回归分析，根据回归模型系数可知常数项对应P值为0.000<0.01，Z1的系数为0.189，P值为0.000，Z2的系数为-0.005，对应的P值为0.041<0.05，Z3的系数为-0.021，P值为0.090<0.10.主成分回归模型为：。
    主成分回归模型的复相关系数为0.967，决定系数为0.936，而调整决定系数为0.926，可见模型的拟合效果较理想；且回归方程P值为0.000<0.05，可见方程显著。将Z1、Z2、Z3代回原变量得方程：
    

    由此可见，收入水平的增加、技术水平的提高、农村就业人员比例的上升及商业环境的完善可以促进包容指数的增加，而城乡收入差距的拉大、金融教育水平的不足及年龄结构的两极化则会导致农村金融包容的降低。由于金融包容的成因复杂多维，使线性模型的解释力受到一定程度的影响。Hersi（2009）指出，金融包容的诱发因素非常复杂，想要确定某特定影响要素异常困难，低收入可能导致储蓄匮乏，进而引发低资产拥有量，同样，失业会进一步引发低收入。所有要素并非是互相排斥的（Not mutually exclusive），而是呈现复合因果关系。Kempson和Whyley（1999）研究发现，各种影响金融包容的社会经济要素存在复杂的相互交错作用（Complex interactions），比如在英国，金融教育的缺乏并非直接导致对金融产品的低使用率，而是增加了低收入的可能性。因此，为了解决诸要素间非线性的复合因果关系，拟采用模糊曲线法验证各影响要素对农村金融包容的贡献弹性。