论文投稿_医学论文投稿_核心期刊,职称论文投稿发表_论文部落

　　金融排斥（Financial Exclusion）概念最早于20世纪90年代在国外出现，是社会排斥的一个子集。Leyshon等[2]认为金融排斥就是直接或间接排斥穷人以及弱势群体享用主流零售金融服务的状态。关于如何衡量金融排斥，Kempson等[3]提出“六维度”分析方法，通过六个指标来衡量金融排斥情况。一是地理排斥，被排斥对象需要借助公共交通工具才能到达远处的金融服务机构。二是评估排斥，如通过风险评估程序限制了客户接近金融资源；三是条件排斥性，即附加于金融产品的条件不适合某些人群的需要；四是价格排斥性，即金融产品定价过高，一些人只有支付自己不能承受的价格才能获得金融产品；五是市场营销排斥性，即一些人被排除在金融机构产品营销目标市场之外；六是自我排斥性，即人们认为申请获得金融产品的可能性很小，被拒绝的可能性很大，从而把自己排除在获得金融服务的范围之外，自我排斥还分为主动自我排斥和被动自我排斥。显然这一指标体系能够从金融机构的经营层面对某一地理区域的进入那个服务水平进行分析和评价，具有可操作性。Wayne等[4]利用1999至2005年的数据对加拿大的中低收入群体的金融排斥状况进行了研究，实证部分利用Probit模型分析金融排斥的影响因素，结论表明当个人收入和财富减少时，金融排斥的可能性会上升，两者的关系是非线性的。国内学者也采取了类似的方法对中国金融排斥情况进行了实证研究，比较具有代表性的如徐少君等[5]、隋艳颖等[6]；祝英丽等[7]以中国中部地区为例，采用AHP（因子分析法）计算了中部县级单位的银行业综合指数；高沛星等[8]人基于省际数据，采用变异系数法，实证分析了中国农村金融排斥的地域差异，同时还利用皮尔逊相关系数法分析了形成中国农村金融排斥差异的主要影响因素；胡振[9]则从供给的视角对中国农村金融排斥进行了原因分析，认为农村金融机构的风险评估程序、附加条件、经营取向、经营模式等均对农村金融需求具有很强的排斥性；李涛等[10]则从储蓄、基金、保险、贷款等方面对中国城市居民的金融排斥状况进行了研究，结论表明城市居民在上述四方面存在着严重的金融排斥状况。因为金融排斥的研究是从国外起源的，目前关于金融排斥的衡量上接受度比较高的是 “六维度”分析法，国内的衡量指标体系均是在此基础上再结合国内实际情况而构建，同样一个维度方面不同的研究者选用的具体指标可能会有所不同，这样就导致了结论的不一致。本研究的做法是在前人研究的基础上，构建一个包含3个类别9个具体指标的指标体系，然后基于灰色聚类当中灰色关联聚类法的特点（用于同类因素的归并，使复杂系统简化），对农村金融排斥衡量因素进行归并、提取，从而构造一个新的农村金融排斥指标体系，再运用聚类分析法利用新的指标体系对吉林省农村金融排斥进行科学的聚类和分析。
      2 模型简介、指标设计及数据来源
　　灰色系统理论与方法中应用比较多的是灰色关联分析和灰色聚类分析。灰色关联聚类是根据灰色关联矩阵将一些观测指标划分成若干个可定义类别的办法，即进行同类因素的归并，使复杂系统简化，一个聚类可以看成是属于同一类的因素的集合。通过灰色关联聚类，可以判断出哪些因素大体上属于同一类，使得能用这些因素的综合平均指标或者其中的某一个因素来代表这若干个因素而使信息不受严重损失[11]。
　　基于金融排斥的定义和以上原则，结合吉林省农村金融发展的现实情况，这里将以下三个方面作为金融排斥的维度：网点和人员维度、存款维度、贷款维度。如表1所示。其中网点和人员维度是指农村金融机构网点数量分布情况，如万人机构覆盖度，即每10 000名农村居民所拥有的农村金融机构网点数量；万人拥有金融机构服务人员数用每10 000名农村居民所拥有的农村金融机构服务人员数量表示；存款维度包含人均存款水平、人均储蓄存款水平两个指标；贷款维度包含人均贷款水平、农户户均贷款额度、获得贷款农户所占比例、获得贷款企业所占比例和贷存比来表示，人均贷款水平用县及县以下存款余额比乡村总人口来表示；农户户均贷款额度即用全年农户贷款总额除以农户数量；获得贷款农户所占比例用非市辖区获得贷款农户数在非市辖区农户总数中的比表示；获得贷款企业所占比例用非市辖区获得贷款企业数占非市辖区企业总户数的比表示；贷存比用非市辖区贷款总额除上非市辖区存款总额表示。从以上九个指标可以看出，这一体系包含了六维度体系中的主要内容，例如在金融机构基本情况中，万人机构覆盖度准确的体现了地理排斥，同时万人拥有金融机构服务人员数体现了营销排斥，因为金融机构服务人员是实现营销的载体。在贷款维度中，获得贷款的农户和获得贷款的企业占比情况很好地反映了评估排斥的内容。同时必须注意到金融排斥程度的衡量是一个比较困难的事情，所有的方法都有自身的局限性。
　　本研究所用的数据来源于中国银行业监督管理委员会发布的《中国银行业农村金融机构服务分布图集》、历年吉林省统计年鉴、历年《中国银行业监督管理委员会年报》等。从图集中获得的数据包括吉林省39个县（包含县级市，县级市也统称县），因为本研究的是吉林省农村金融排斥，而农村多是在县及县以下，虽然地级市及省会城市下属的区中也有农村，但那不是通常意义上的典型农村，本研究针对的是最具有代表性的县域农村金融排斥。表2是吉林省农村金融排斥指标体系数据的描述性统计分析。
　　3 估计结果及说明
　　首先运用灰色关联分析方法，求出灰色关联矩阵，表3给出了运算结果，需要说明的是这里用的是灰色绝对关联度。
　　利用表3对指标进行聚类，令临界值r=0.9，从第一行开始挑出大于0.9的值，则有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。从而可知X2、X3、X6可以归为一类；X4、X8、X9可以归为一类；剩下的X1、X5、X7各自作为一类。把9个因素归为5个类别，取标号最小的作为各类的代表，这5个因素是X1、X2、X4、X5、X7。经过灰色关联聚类，建立只包含5个指标的农村金融排斥衡量体系。通过灰色关联聚类的降维处理，使得农村金融排斥体系更科学和简单，这是相对比较客观的处理方法，克服了人为增添指标的主观缺陷。吉林省39个县的地理分布统计情况是：东部有延边、通化、白山，顺次下辖7、5、4个县，合计占吉林省县城数量的41%；中部有辽源、四平、吉林市、长春四个城市，顺次下辖县的数量是2、4、5、4个县，合计占吉林省县城数量的38.46%；西部有白城、松原，各自下辖4个县，合计占全省县城数量的20.51%。
　　运用灰色关联聚类法提取5类因素之后，再用SPSS 13.0中的聚类分析法对吉林省农村金融排斥区划进行聚类。按照通常的做法，将金融排斥程度分为较轻、较重、严重3个等级。表4给出了吉林省39个县3群集聚类的结果，从中可以看出吉林省农村金融排斥程度的地域分布特点。金融排斥较严重的区县数量较多；金融排斥较重和较轻的地区占的比重少。
　　出于统计上的简明性原则，这里把数量分布做出来，表5是吉林省县域农村金融排斥情况统计。从表5中可以看出吉林省农村金融排斥具有如下几个特点。
　　一是整体上吉林省农村金融排斥比较严重。因为属于金融排斥严重的县有24个，占全省的61.54%，属于较重的有10个，占全省的25.64%，属于较轻的仅5个，只占全省的12.82%；
　　二是地理分布上东、西部是金融排斥最严重和最集中的地方。东部和西部金融排斥严重的县分别有13个和6个，合计19个，占到金融排斥严重的县的79.17%。而中部属于金融排斥严重的县只有5个，仅占金融排斥严重类别县的20.83%。