三、民族地区农村普惠金融水平及影响因素的量化分析

前文从定性的角度对民族地区农村金融市场的主要矛盾和问题进行了分析，为了更好地把握民族地区农村普惠金融水平的现状、监控农村普惠金融政策实施进展、优化推进农村普惠金融的政策措施，还有必要借鉴国外的相关研究方法，从量化分析的角度对民族地区普惠金融水平及其主要影响因素进行测度。(21)

普惠金融是一个多维度的动态复合概念，(22)不仅普惠金融水平会受到多种因素的影响，就是金融普惠内涵本身，也具有“宽”且“深”的多维属性。从多个维度选择指标和数据，通过指数的测算进行综合评价，是目前国外学者测度普惠金融水平的普遍做法。其中，印度学者Sarma（2008）(23)在这方面具有开创性的贡献，他提出的多维度普惠金融指数（Index of Financial Inclusion，IFI），吸收了普惠金融的地理渗透性、使用效用性和产品接触性等多维度信息。国内学者已有的相关研究（如徐敏，2012；王婧，2013；伍旭川、肖翔，2014；谢升峰，2014），基本都借鉴了Sarma（2008）的指数构建方法。这些研究开创性地探索了我国普惠金融量化研究范式，为后续研究提供了宝贵的经验和积累。但总体来看，目前国内关于普惠金融的研究偏重于定性研究，有限的量化研究更多局限于国别层面和省级层面的测度，忽略了农村地区的特殊性，不能满足当前我国特别是西部边远地区加快推进农村普惠金融建设的实践需要。除此之外，在具体指标、数据及测算方法的选取上，也还有可商榷之处。本部分在借鉴国内外已有研究成果的基础上，从普惠金融“宽”且“深”的目标内涵出发，通过选择恰当的评价指标和数据，构建农村普惠金融指数（Index of Rural Financial Inclusion，IRFI），对民族地区农村普惠金融水平进行综合评价，并将其置于全国的系统结构中，通过地区间的横向比较和纵向分析，客观反映少数民族地区农村普惠金融水平及其主要影响因素。

（一）农村普惠金融水平的测度及比较

1．指标选取和数据说明

就个人或家庭的经济福利提升而言，仅仅使农村居民拥有金融服务是远远不够的，还必须使其能够有效使用金融服务，即利用金融服务摆脱贫困，并抓住机会增加收入，这在普惠金融领域已成共识。依据这一共识，结合数据的可获得性，本部分拟从普惠金融“宽”且“深”这两个基本维度出发，选择涉及“宽度”（服务覆盖面）和“深度”（使用有效性）的11项评价指标，构建农村普惠金融水平评价指标体系。其中，服务覆盖面包括地理覆盖面和人口覆盖面两个具体维度；使用有效性则借鉴戈德史密斯的“金融相关率”概念，采用“农村地区存贷款增加值与农村地区生产总值增加值之比”代表农村经济金融化程度，比值大的地区金融资源聚集程度高，经济增长得自金融体系的支持多，金融服务对居民福利提升的贡献大（见表1-1）。

使用的数据来源于《中国统计年鉴》《中国城市统计年鉴》《中国农业年鉴》《中国第三产业统计年鉴》《中国住户调查年鉴》《中国交通年鉴》以及第六次人口普查等。所选样本数据涉及26个省区2012年的相关数据以及除西藏外的民族七省区2005—2012年的相关数据，因京津沪渝四大直辖市不具可比性、西藏数据缺损严重而未收录相关数据。此外，由于我国现行统计体系缺乏关于农村金融专门而完整的统计资料，这里关于农村金融的数据采用“非市辖区”数据，由用省级数据减去该省市辖区数据的方式获得。

2．指数构建过程及评价结果

普惠金融水平的测度涉及多个评价维度的系列指标，需要通过一定方式将不可比较的多维度指标转变为可比较的一维综合性评价指数。多维指标综合评价指数的构建方法有很多，这里选择各环节方法都较为灵活的效用函数评价法对农村普惠金融指数进行构建，即首先利用效用函数对评价指标体系进行无量纲化处理，求得每一具体评价维度的效用值，然后利用适当的合成模型对各效用值进行加权平均，得出农村普惠金融水平的综合评价值。具体构建过程及评价结果如下：

（1）指标的无量纲化处理

所谓指标的无量纲化，就是将统计单位不一致的不可比较的各维度普惠金融指标通过一定方式转化为可比较的无量纲数值，从而消除量纲及数量级的影响，得出相应维度指标的效用值。已有文献在构建普惠金融指数时大多采用直线型的无量纲化方法，其公式是

其中，A_i为i维度指标测量的实际值；M_i为该维度指标的最大值；m_i为该维度指标的最小值。

这种变换方法的假设前提是：指标实际值的变动与普惠金融指数的变动呈直线型递增关系，即指标实际值每增加或减少一定的比例，该维度的指数值也相应地增加或减少相同的比例。然而，在实际的普惠金融推进过程中，随着时间的推移，各指标对普惠金融的贡献度并不是直线递增的，而是呈非线性变化的。因此，本部分在对农村普惠金融多维度指标作无量纲化处理时，采用使二者关系呈非线性变动的指数型效用函数。其公式是

其中d_i为i维度指标的效用值，即某地区在i维度上取得的分值；x_i为i项指标的实际值；x_l为i项指标的不允许值；x_u为i项指标的满意值；A、B为待定系数，由该项指标临界点的值来确定。

考虑到我国农村普惠金融水平普遍较低的实际情况，本部分设定每项评价指标效用值的满意值为80，不满意值为40。当x_i=x_l时，效用值d_i达到不满意值，则有A=40；当x_i=x_u时，d_i达到满意值，则有B=ln2。为实现普惠金融指数在不同时空范围内的可比较性，本部分以2012年为基期对各省区普惠金融水平进行绝对性评价，同时为排除样本数据最大值、最小值的影响，本部分确定x_i的不允许值为2012年该项指标的25%分位数，满意值为该项指标的95%分位数。通过上述变换，d_i指标的效用值大多位于40～80（见表1-2）。

（2）指标权重的确定

对不同评价指标赋予一定的权重，以确定各项指标对普惠金融的影响程度及影响方向，是多维指标综合评价方法中必不可少的基本环节。权重的确定一般有主观和客观两种方法。Sarma（2008）采用的是主观赋权法，即评价者基于对普惠金融的理解，从其掌握的主观信息出发进行赋权。由于权重的确定完全由评价者的主观意志决定，采用主观赋权法难免有失客观，不能真实反映普惠金融水平。为了避免这一缺陷，本部分选择用变异系数法对农村普惠金融各项评价指标进行客观赋权。其赋权思想是：变异系数是对一组数据变异程度的衡量，系数的大小反映了该组数据包含信息量的多少，一项指标的变异系数越大，说明该项指标对普惠金融的差异性具有越强的解释力，应该被赋予越高的权重。具体的赋权过程如下：

设有n个评价指标m个评价对象，x_ij表示评价对象中第j个省区的第i个评价指标值。首先，计算各指标的变异系数CV_i，具体公式如下

其中，S_i为第i项指标的标准差：S_i=；为第i项指标的平均值：。

其次，根据式（1-4）对其进行归一化处理，计算出各项评价指标的权重w_i（见表1-3）

（3）指数的合成及评价结果

即使经过上述处理，农村普惠金融水平的评价值也仍然是由多个指标效用值组成的多维空间内的点，依旧无法进行横纵向的对比排序。这时需要采取一定的方法，将上述求得的各项指标的效用值加以综合，形成一个综合性评价指数，即完成多维指标向一维指数的转化。指数合成的方法有很多，本部分选择几何合成法进行合成，主要基于以下3点考虑：第一，几何合成法强调各指标间的一致性，即各指标在综合评价中具有同等的重要性，不能依靠提升一个或几个指标的评价值来提高评价对象的整体水平，这比较符合普惠金融多维复杂集合的性质和特征；第二，本部分选取的普惠金融多维评价指标之间具有较强的关联性，这与几何合成法对评价指标的要求相一致；第三，几何合成法对评价对象各指标评价值的变动较为敏感，更有助于区分各省区普惠金融水平的差异。具体合成公式是

其中，IRFI为农村普惠金融指数；d_i为i维度指标的效用值；w_i为各项指标权重。

根据式（1-5），利用2012年的相关数据，得出全国26个省区农村普惠金融指数（见表1-4），用于在全国的系统结构中观察民族七省区农村普惠金融水平。同时，以2012年为评价基期，利用2005—2012年民族七省区的面板数据，得出民族七省区2005—2012年的农村普惠金融指数（见表1-5），用于观察民族地区内部不同省区农村金融普惠水平的空间差异及变动趋势。

综合表1-4、表1-5，可以得出关于民族地区农村普惠金融水平的下述基本判断：

第一，自新一轮农村金融改革以来，民族地区农村普惠金融指数呈缓慢攀升态势。这表明，随着农村金融的改革发展，民族地区农村金融服务已经有了初步的改善，农户融资难问题得到了初步缓解。

第二，民族地区农村普惠金融水平总体处于全国的低位，七省区中有5个省区的IRFI排名位于全国中等以下，并且，在全国排名后5的省区中，民族省区占据4位。这表明，民族地区至今仍是我国农村普惠金融的薄弱区域，理应成为未来我国农村普惠金融体系建设的主战场和攻坚地。

第三，民族地区内部不同省区农村普惠金融水平存在较大差异。内蒙古、宁夏是民族七省区中农村普惠金融指数提升最快的地区，其IRFI排名分别位居全国第11、第12；广西、贵州、青海、云南四省区IRFI的提升则严重滞缓，是民族七省区中农村普惠金融水平最低的地区；新疆的IRFI排名位居全国第18，在民族七省区中处于中等位置。

基于定量分析的上述测度结果，与国内一些文献的测度结论有所不同，但与笔者近年来在民族地区进行农村金融实地调查时了解和观察到的情况基本一致。

（二）民族地区农村普惠金融水平的影响因素分析

1．变量选择和模型设定

普惠金融水平不仅与金融体系的供给有关，还受到诸多外部环境因素的影响，包括服务区域的地理、经济、社会和政策环境，以及金融需求者个体的微观因素等。本部分从农村实体经济发展状况、农村地区地理和人文社会环境状况、政府普惠金融努力程度等3个维度汲取信息，将民族地区农村普惠金融水平（IRFI）视为下列11个变量的函数，即

式中各解释变量的选择及解释如下：

X₁为居民收入。大量研究表明，收入水平对金融排斥具有很强的解释力，是影响金融排斥的首要因素。这里用农村居民家庭人均纯收入指标衡量。

X₂为地区生产总值。该指标衡量农村经济发展的整体环境，地区生产总值高的地区，经济活跃度高，商业机会多，金融需求旺盛，金融承载力强。这里用农村地区生产总值指标衡量。

X₃为非农化水平。非农化水平高的农村地区，居民家庭收入来源广、增长快、水平高，规模化经营主体多，农村金融成长和发展的市场空间广大。这里用农村地区第二、第三产业总产值指标衡量。

X₄为就业水平。就业意味着收入，也意味着一个地区的金融市场需求和需求规模，以及当地居民金融消费能力的高低。这里用乡村从业人口占比指标衡量。

X₅为人口年龄结构。儿童、老人由于受教育程度低，缺乏使用金融工具的能力，这部分人口占比越高，普惠金融水平越低。这里用农村地区15～64岁人口占比指标衡量，比值越高，越有利于农村普惠金融的推进。

X₆为金融素养。居民必要的金融知识和金融能力，是一个地区金融创新的动力来源，也是实现金融机构运行效率和区域金融稳定必不可少的社会基础。金融素养与受教育程度紧密相关，这里用农村地区中专及以上学历人口占比指标衡量农村居民金融素养。

X₇为民族构成。国外有研究认为，民族差异对金融排斥也有影响，相对于其他族群，少数族群的金融排斥度更高、金融包容度更低。这里用农村地区少数民族人口占比指标衡量。

X₈为地理便利性。金融地理学重视地理因素对金融排斥或金融包容的影响，认为相对于人口密集、经济密度高的城市和经济中心区，交通不便的农村和边远地区的金融排斥会更加严重。这里用农村地区单位面积的公路（四级）里程数指标衡量。

X₉为信息技术条件。非洲、南亚和拉丁美洲的实践表明，以电话和网络为介质的金融服务在边远地区的普及，可以增加当地居民接触主流金融服务的便利性，从而起到缓释地理排斥、促进普惠金融的作用。这里用农村地区电话普及率和电脑普及率的加权平均值指标衡量。

X₁₀为农村金融制度创新。本部分用新型农村金融机构数来反映农村金融制度创新情况。新型农村金融机构建设数量多的地区，表示农村金融制度创新力度大，农村金融市场结构改善明显，普惠金融效果显著。

X₁₁为农村金融扶持政策。政府的金融扶持有助于引导、激励金融机构将金融服务向弱势群体和边远地区延伸。这里用“金融监管等事务支出”指标衡量，该指标包含了金融发展支出、政策性金融机构补贴支出等事项。

上述11个解释变量中，X₁～X₄反映农村实体经济发展状况，X₅～X₉反映农村地区地理和人文社会环境状况，X₁₀和X₁₁反映政府普惠金融努力程度。

2．实证检验及结果判断

为检验上述变量的纳入是否合理，本部分应用SPSS 18.0软件，将各解释变量与被解释变量（上文测度的全国26个省区的IRFI和民族七省区的IRFI）分别作Pearson相关性检验，检验结果见表1-6。

由表1-6可以得出关于民族地区农村普惠金融水平影响因素的如下判断：

第一，居民收入（X₁）、地区生产总值（X₂）和非农化水平（X₃）无论是在全国还是在民族地区，都在0.01水平上与农村普惠金融水平显著相关，说明优化农村产业结构，改善城乡收入分配格局，实现农民增产增收，对包括民族地区在内的全国各省区农村普惠金融的推进都具有显著而积极的影响。

第二，金融素养（X₆）、农村金融制度创新（X₁₀）和农村金融扶持政策（X₁₁）的Pearson相关系数，无论是在全国还是在民族地区都通过了显著性检验，但民族地区具有更高的相关度，说明在边远落后的西部少数民族地区，农村普惠金融的推进更加倚重政府的金融努力和农村居民金融素养的提升。本测度中，以新型农村金融机构数量表示的农村金融制度创新，之所以对民族地区农村普惠金融水平具有显著的解释力，与所选择的样本区间有关。2005—2012年正是我国放宽农村银行业市场准入、新型农村金融机构发展迅猛、农村普惠金融快速推进的阶段。但这也表明，对于地区城市密度低、城市金融机构及其服务难以辐射到的少数民族农村地区，大力发展各类根植农村、靠近农民的社区型金融机构，是当前缓释金融排斥、提升农村普惠金融程度的有效路径。

第三，就业水平（X₄）、人口年龄结构（X₅）和民族构成（X₇）无论是在全国还是在民族地区，都没有通过显著性检验。这说明在我国，并不存在民族歧视性的金融排斥，少数民族身份及其文化特质与民族地区农村普惠金融水平并无强的关联性，这一点是可以在实践中观察到的。但就业水平、人口年龄结构的检验结果与事实却不太一致。实际情况是，由于青壮年劳动力持续外流，部分地区，如桂黔山区农业劳动人口老龄化、农村人口两极化（幼龄化、老龄化）现象十分普遍，导致信贷、保险等金融业务在这些地区的开展面临重重困难。检验结果之所以与事实相悖，可能是受限于数据可得性，本测度使用的户籍人口数据未能剔除以农民工形式异地就业的人口数。

第四，地理便利性（X₈）和信息技术条件（X₉）分别在0.002和0.001水平上与全国IRFI显著相关，但在民族地区却没有通过显著性检验，说明对于经济欠发达的少数民族地区而言，技术还不是影响农村普惠金融水平的主要因素。笔者近年来在桂黔山区、宁南山区、青海玉树地区、甘南藏区等地进行相关调查，对此深有体会。以网络信息技术为例，从调查的情况来看，农户的银行卡持有率并不低，但用卡率极低；个别县乡（如广西田东县）甚至已经实现了电话POS机的行政村全覆盖，但日交易量极少。可见，尽管网络信息技术具有降低地理可及性障碍的潜力，但在边远落后的少数民族地区，如果缺乏持续发展的农业和农村经济、稳步增长的居民收入和必要的居民金融素质，那么以电话和网络为介质的手机银行、ATM、电话POS机等对普惠金融的推进作用，依然会非常有限。

（三）几点结论及政策启示

根据上述量化分析成果，可以得到如下几点结论及政策启示：

第一，少数民族地区农村普惠金融水平总体处于全国低位，当地农牧民在应对灾害、疾病等突发事件带来的家庭生计危机，把握机会、增加收入，支持子女接受更高层次的教育等方面难以获得主流金融体系的支持，这既不利于降低农牧民的脆弱性，缓释其社会排斥，又不利于缩小城乡差距和地区差距。国家有必要重视在民族地区发展普惠金融，引导金融资源在少数民族农村地区进行配置，帮助广大农牧民群众走出金融贫瘠的陷阱。

第二，我国农村普惠金融水平存在显著的区域差异，不同地区IRFI得分不同，各分项评价指标得分有别，主要影响因素也不尽相同，客观上要求农村普惠金融战略或政策的制定充分考虑区域特点。具体到少数民族地区，就是不能照搬发达地区的成功模式，而应从自身的实际和需要出发，因地制宜探索具有地方适应性的农村普惠金融推进模式和路径。

第三，人均纯收入、地区生产总值、非农化水平等经济性诱因，是影响农村普惠金融的主要因素，推动农村经济发展应当成为民族地区降低金融排斥、推进农村普惠金融的根本途径。一方面，要大力促进农村经济转型和结构优化，做大做强农村特色优势产业，提高农村第二、第三产业比重，努力培育农业和农村经济发展新动力，为金融机构的成长和发展提供良好土壤。另一方面，要突破将银行信贷资金直接配置给贫困和低收入人口的狭隘思维，引导金融资源向涉农企业、农民专业合作组织等组织化、规模化的新型农村市场经济主体聚集，力求在金融与经济的良性互动中拓展农村普惠金融的广度和深度。

第四，政府的金融努力是少数民族地区缓释金融排斥、提升农村普惠金融水平不可缺少的重要推动力，尤其是在边远贫困的“金融盲区”，更需要发挥政策性金融的作用，扶持新型农村金融机构发展，平衡金融机构营利目标与社会责任的冲突。此外，从个人和家庭的角度来看，农村居民金融服务的可得性除了与当地金融供给的整体状况有关，还与个体的金融努力程度密切相关，因此，政府有必要在努力推动完善农村金融供给体系的同时，同步推动农村金融知识普及教育和农村信用文化建设，以增强民族地区农牧民个人及家庭的金融努力程度。