实证结果与分析

（一）基本统计结果

表7．8对金融排斥各变量与其他变量间的关系进行了基本统计分析。从表7．8中可以看出，无论是储蓄、贷款，还是保险，使用了三类服务的农户与被这三类金融服务排斥的农户之间存在显著的分组统计差异。例如，被这三类金融服务排斥的农户的收入、接受的教育程度、以及安装电话和网络的概率显著低于享受了这三类金融服务的农户，同时，被金融排斥的农户往往具有更大的家庭规模、更高的年龄、经营着更多的耕地面积，并且也更倾向于从事务农工作。

此外，无论是储蓄排斥、贷款排斥还是保险排斥，有排斥倾向的农户体现出了显著更高的障碍指数，体现出了接触金融服务的方便性与金融排斥间的紧密关系，下文的相关分析（表7．9）就显示储蓄排斥、贷款排斥、保险排斥与对应的障碍指数间的相关系数分别达到0．93、0．76和0．89，因此，为避免出现多重共线性，这三个障碍变量将不进入后文的回归分析。

进一步对金融排斥与各影响因素之间进行相关性考察，表7．9显示了相关系数及协方差值。从表中可以看出，收入与储蓄、贷款、保险三类金融排斥指标之间均存在较高的相关性，其相关系数分别为－0．54、－0．52和－0． 51；同时，三大金融排斥指标与接受教育情况、就业情况、电话、网络使用性之间也均存在负相关性，即表明：户主所接受的教育程度越高、从事非务农的工作（如打工、个体经营等）、安装有电话和网络往往伴随着较低程度的金融排斥；而随着家庭人口规模的增加、年龄的增加、耕地面积的增加，金融排斥的程度相对而言较高，这与上文的独立样本T检验结果高度一致。

为进一步揭示这些变量对金融排斥的影响，需要建立回归模型，下文将对此进行具体分析。

（二）回归结果

表7．10显示了Probit模型结果，从中我们会发现，无论是对于储蓄排斥、还是贷款排斥、亦或是保险排斥，收入均对其有显著的负作用，尤其是对于储蓄排斥，其影响系数达到－1．61，对于信贷和保险而言，其影响系数分别为－0．32和－0．43，均在1％的水平上高度显著，有力地支持了上文中的预期方向（－）。

家庭规模对储蓄、贷款、保险三类金融排斥均有显著的正向作用，也就是说，家庭规模越大，金融排斥的概率就越大。因为家庭规模越大，往往意味着家庭主要劳动力所要负担的老人、小孩比重较大，因而在一定程度上提高了金融排斥的概率，支持表7．6中的预期方向（＋）。

户主所接受的教育程度也对金融排斥有显著的负向作用，较高的教育水平，一方面有助于提高农户的收入，两者间存在0．66的相关性（表7．9）；另一方面，良好的教育水平也有助于提高对金融服务的认识与掌握，降低农户的“自我排斥”程度，表7．9显示储蓄排斥、贷款排斥、保险排斥与教育变量间的相关系数分别为约为－0．34、－0．5和－0．45，较好地支持了表7．6中的预期方向（－）。

表7．10 金融排斥影响因素的Probit模型估计结果

注：***，**，*分别表示在1％ 、5％和10％水平下显著。

然而，对于年龄变量而言，不同的金融排斥表现出了不一致的作用方向。对于储蓄排斥而言，户主年龄越高，伴随的储蓄排斥概率越大，这表明老年人有更强的金融排斥倾向，支持Hogarth and O'Donnell（1997）的结论；然而，对于贷款排斥而言，年龄却对金融排斥有负向作用，即户主年龄越大，贷款排斥的概率越小；但是，这些结论对于保险排斥却不适用，年龄并没有发挥出对保险排斥的显著作用。因而，对于不同的金融排斥，年龄所起的作用是不一样的，较好地论证了FSA（2000）关于年龄的不确定作用这一论断。

在我们所调研的样本中，农户的工作状态仅仅对储蓄排斥有显著作用，也就是说，相比较于从事非务农工作（如打工、个体经营等）的农户，从事务农的农户有更大的概率处于储蓄排斥状态。这一方面体现为与农户收入的相关性，另一方面也与其所从事的工作对银行服务存在需求是有一定关系的，从事非务农工作的农户有更大的可能性会与银行服务相联系，例如工资的发放、资金的流转等。但是，对于贷款排斥和保险排斥，工作状态并没有发挥显著作用，例如务农的农户可能由于农业生产需求等原因而享受了小额贷款等金融服务，因而工作状态对贷款排斥的作用并不显著。同时，在我国农村地区，保险服务有时会涉及到政策的普及性与参与的强制性，所以工作状态对保险排斥的作用也便不显著了。因此，实证结果并不支持表7．6中的预期方向（－）。

农户经营的耕地面积在一定程度上反映了农户的就业状态和收入水平，其与就业与收入的相关系数分别为－0．49和－0．61，因而经营的耕地面积越多，被储蓄排斥和保险排斥的概率就越大；然而对于贷款排斥而言，农户经营的耕地面积并没有发挥出显著作用。因此，实证结果并不完全支持表7．6中的预期方向（－）。

家庭安装了电话则对储蓄排斥和保险排斥有显著的负作用，也就是说，电话通讯的方便性显著降低了储蓄排斥和保险排斥的可能性；对于贷款排斥而言，并不能得出上述结论。然而，网络接触性没有对金融排斥起到重要作用，也就是说，在目前农村地区，网络的使用并没有成为农户提高接触金融服务的一种有效手段。所以，实证结果并不完全支持表7．6中的预期方向（－）。

因此，本实证研究结果并不完全支持已有文献的相关结论，反映出不同的金融排斥类型往往受到不同因素的影响，所以需要对各类型金融排斥进行具体分析。同时，各影响变量对这三类金融排斥的不同作用，也反映出了和国外研究相比，我国农户金融排斥受到的影响因素具有一定的独特性，这将有利于加深对金融排斥的理解，进一步丰富金融排斥的微观研究内容。

对上述关系采用Logit模型，基本上也显示了类似的结论，如表7．11所示。

表7．11 金融排斥影响因素的Logit模型估计结果

注：***，**，*分别表示在1％ 、5％和10％水平下显著。