方法和数据

（一）变量选取

如上文所述，从服务产品角度看，金融排斥主要包括储蓄排斥、贷款排斥、基本保险排斥（FSA，2000）。因此，我们从上述三方面对金融排斥变量进行刻画，当农户未享受该服务时，设为1，即发生了该类服务的金融排斥[1]。

关于金融排斥的影响因素，借鉴文献研究结果以及实际情况，各解释变量如下（表7．6）：

（1）户主个人特征。例如受教育情况，就业状态、年龄等，由于户主作为一家之主，其个人特征将影响到整个家庭的金融排斥程度。根据已有研究结果，预期受教育程度越高，金融排斥程度越低；处于就业状态、或是有非农的稳定工作收入，则金融排斥程度也越低；但年龄对金融排斥的作用并非单调。由于我们所调研的农户均是汉族，未出现少数民族，因此未对少数民族情况进行进一步分析。

（2）农户家庭特征。农户年收入是影响金融排斥的最重要变量之一[2]，收入越高，被金融排斥的可能性就越小，因此预期农户年收入对金融排斥的作用方向为负；农户家庭规模也会影响金融排斥程度，一般而言，在我国农村地区，往往家庭规模越大，意味着老人、小孩相对更多，因而生活负担越重，所以对金融排斥有正向作用；农户经营的耕地面积往往与就业状态和家庭规模有一定的关系，以务农为主业、家庭人口越多，耕地面积往往相对较多，因而金融排斥程度也会相对较高。此外，农户的信息化程度，例如是否安装了电话、是否使用网络等，将直接影响到接触金融排斥的便利性问题，所以，信息化程度越高，金融排斥的程度相对会较小。当然，距离车站、银行（或信用社）的远近等交通便利性也会对金融排斥产生一定影响，但由于调研的几个地区基本上都呈现出了较便利的交通条件，因此在后文的研究中便不予具体分析了。

（3）农户主观感受到的接触金融服务的障碍性，主要是针对储蓄服务、贷款服务和保险服务，BDP（2007）等研究均发现金融接触的障碍性与金融服务的可得性之间存在紧密的关系，所以我们对此变量也进行了分析。

表7．6 变量说明及预期关系

续表

（二）研究方法

我们将金融排斥的发生概率作为被解释变量，将其定义为一个二元定性变量，即当金融排斥发生时，定义为1；当不发生时，定义为0，分别对其建立Probit和Logit模型[3]，通过一系列解释变量的观测值来分析金融排斥发生的概率问题。

其中，Probit模型假设：yi＝c＋βxi，pi＝F（yi）＝dt，即yi服从正态分布，相应概率值大于0且小于1。

Logit模型的分布函数服从Logistic概率分布函数，其形式为：pi＝F（yi）＝，对于给定的xi，pi表示相应的概率。

Probit曲线和Logit曲线很相似，两曲线都在pi＝ 0．5时有拐点，但Logit曲线在两个尾部要比Probit曲线厚。

由于调研结果显示，储蓄、贷款、保险主观障碍变量BDEP、BLOA、BINS均与对应的金融排斥变量YDEPO、YLOAN、YINSU间存在高度的相关性（见后文表7．9相关系数分析表），因此，未在回归中加入这三个障碍变量BDEP、BLOA、BINS。

所以，基本的计量模型设为：

yexclui＝ c＋β1INCOi＋β2POPUi＋β3EDUCi＋β4ln（AGEi）＋β5WORKi＋β6LANDi＋β7TELEi＋β8NETWi＋εi

其中，yexclu可分别表示储蓄排斥（YDEPO）、贷款排斥（YLOAN）、保险排斥（YINSU）；εi服从正态分布或Logistic分布。模型采用极大似然估计法。

（三）数据来源

本研究所利用数据来源于笔者2008年5月、6月对浙江省农户的调查。调查主要涉及到了农户金融排斥状态、农户及其家庭特征、以及接触金融服务的障碍程度等方面的信息。调查抽样主要以浙江省各地级市为基本单位，并兼顾收入分布，从乡镇中抽取样本，直接入户进行问卷调查。最终选取的样本乡镇为浙江省宁波市慈溪市横河镇、上虞市东关街道、富阳市万事镇、金华市浦江县郑宅镇、湖州市和孚镇、衢州市龙游县龙州街道、嘉兴市海宁市斜桥镇、台州仙居县白塔镇、丽水庆元县屏都镇，调查共收回347份问卷，剔除重要指标缺失样本，最后得到有效样本317个。

主要变量的统计量见表7．7。由此可见，相当比例的农户处于金融排斥状态，特别是贷款排斥，有72％的农户存在被排斥倾向。

表7．7 变量的统计量摘要

注：数据来源于对浙江省农户的调查，有效样本为317个，下表同。