1、互联网金融离农户有多远欠发达地区农户互联网金融排斥及影响因素分析 何婧 田雅群 刘甜 李庆海 中国农业大学经济管理学院 中国农业大学经济管理学院金融系 南京财经大学经济学院 摘 要： 迅猛发展的互联网金融能否切实缓解农户金融排斥, 是值得探索的问题。本文从储蓄、信贷和支付三个方面, 构造农村互联网金融排斥指标, 利用农户调查数据, 识别农户互联网金融排斥不同方面的影响因素。结论表明, 多数农户存在较为严重的互联网金融排斥, 其中互联网储蓄排斥和互联网信贷排斥最为严重, 互联网支付排斥次之。互联网排斥的主要原因不是设施排斥和条件排斥, 而是自我排斥。引发自我排斥的主要因素包括农户性别、年龄、家庭
2、收入、教育程度、到最近银行网点的时间和是否进行过网络购物和销售。本文同时分析了传统信贷与互联网信贷的关系, 结论表明两者存在竞争关系, 受到传统信贷排斥的农户也较容易受到互联网信贷排斥。关键词： 农村互联网金融; 储蓄排斥; 信贷排斥; 支付排斥; 作者简介：何婧, 中国农业大学经济管理学院副教授, 金融系主任, 博士, 100083;作者简介：田雅群, 中国农业大学经济管理学院硕士研究生, 100083;作者简介：刘甜, 中国农业大学经济管理学院博士研究生, 100083;作者简介：李庆海 (通讯作者) , 南京财经大学经济学院副教授, 博士, 210023。基金：国家自然科学基金青年项目“
3、多元信息传递视角下互联网金融对缓解农户信贷约束的影响及对策优化” (71603259) ;国家自然科学基金青年项目“新型城镇化中失地农民融资困境的形成、现状及治理研究” (71503118) How Far is Internet Finance from Farmers?Internet Financial Exclusion in Developing AreasHE Jing TIAN Yaqun LIU Tian LI Qinghai China Agricultural University; Nanjing University of Finance and Economics;
4、Abstract： This paper examines that whether the fast-growing internet finance can promote financial availability and alleviate financial exclusion for the farmers.Using a sample of peasant household survey data, we divide rural internet financial exclusion into three dimensions-wealth management, cre
5、dit and payment, and develop a methodology for measuring the extent of internet financial exclusion.We find that the level of internet financial exclusion is surprisingly high, especially in savings and credit.This can be mainly due to self-exclusion, which is related to age, income, family size, ti
6、me to the nearest bank and whether having online shopping or sales experience.Additionally, we study the connection between traditional credit and Internet credit, and imply that exclusion by traditional credit increases the likelihood of exclusion by internet credit.Keyword： Rural Internet Finance;
7、 Savings Exclusion; Credit Exclusion; Payment Exclusion; 一、引言由于受到交易成本高、信息不对称严重、缺乏法定意义上的抵押物等多种因素的影响, 金融排斥在我国农村地区一直普遍存在 (许圣道、田霖, 2008;徐少君、金雪军, 2009;田霖, 2011;隋艳颖、马晓河, 2011;董晓林、徐虹, 2012;王修华等, 2013;粟芳、方蕾, 2016) 。已经建立的以传统银行为核心、非银行业金融机构和其他微型金融组织并存的农村金融服务体系并未从根本上改变广泛存在的农户金融排斥问题。陆磊 (2014) 形象地将其称为“普惠金融悖论”, 即金
8、融服务的需求方希望以低成本获得金融服务, 而金融服务的供给方则希望以高收益提供金融服务。互联网的出现似乎能极大地缓解农村的金融排斥。互联网金融在降低交易成本、增加信贷可得性、减少信息不对称、拓展交易可能性集合方面发挥重要作用 (谢平等, 2015) 。政策层面对互联网金融的发展也给予高度重视, 2016 年发布的普惠金融发展规划 (20162020 年) 提出“发挥互联网促进普惠金融发展的有益作用, 引导其缓解小微企业、农户和各类低收入人群的融资难问题”。同时, 我们还注意到在实务界的阿里巴巴和京东金融等互联网金融公司主动选择进入农村市场, 翼龙贷、宜农贷等针对农村和农户的 P2P 和众筹机构
9、纷纷产生。但相比于城镇, 农村地区也存在诸多制约互联网金融发展的不利因素。在基础设施方面, 农村地区网络不甚发达, 农村居民较少拥有电脑和智能手机等电子设备, 这些不利条件将降低农村居民对互联网的使用频率。在农户自身条件方面, 农村居民对金融知识的掌握程度远低于城镇居民, 对互联网等新生事物的接受程度有限。我国农村人口的受教育程度普遍低于城镇人口, 研究已表明受教育程度较高的居民更愿意接受互联网银行 (Polatoglu 和 Ekin, 2001;Nasri和 Charfeddine, 2012) 。由此我们不禁要问, 呼声甚高的互联网金融是否真的能够成为农村居民新的金融渠道?能否缓解农村居民
10、的金融抑制?什么因素影响农村居民对它的接受程度?能否有效弥补传统金融的不足?除了粟芳、方蕾 (2016) 在分析农村金融排斥时, 涉及互联网金融, 现有关于互联网金融对农户影响的文献, 主要是从供给方展开分析, 注重分析互联网金融的运作机理, 鲜有从农村的微观主体农户出发, 研究农户对互联网金融的使用和接受情况。金融排斥是衡量农户金融抑制水平的重要指标, 本文拟从微观视角出发, 将农户传统的金融排斥 (Leyshon 和 Thrift, 1993) 扩展到互联网金融领域, 通过构建互联网金融排斥指标, 详细考察我国现阶段农户对互联网金融的排斥现状。本文的理论意义在于: (1) 从农户的微观视角
11、出发, 首次全面分析了农户的互联网金融使用现状, 创新地依照储蓄、信贷和支付的分类, 将互联网金融排斥细分为互联网储蓄排斥、互联网信贷排斥和互联网支付排斥三个方面, 分别分析农户受到互联网金融的排斥情况。 (2) 研究互联网金融排斥产生的根源, 根据互联网金融的独特发展模式, 将传统的六维度排斥 (Kempson 和 Whyley, 1999;王修华等, 2013) 重新定义为互联网设施排斥、条件排斥和自我排斥, 发现自我排斥是诱发互联网金融排斥的主要原因, 而农户的自身和家庭特征是产生互联网金融自我排斥的原因。 (3) 揭示互联网金融与传统金融的关系, 以信贷排斥为例, 研究结论支持两者存在
12、竞争而非互补关系, 即现阶段已经使用互联网信贷的农户多数是没有受到传统金融信贷排斥的农户, 该部分农户之前已经能够获得传统正规和非正规信贷的支持。从农户角度来说, 互联网金融服务的对象并不是存在金融排斥的弱势农户群体, 互联网金融没有弥补传统金融的不足, 是锦上添花而非雪中送炭, 该结论为农村互联网普惠金融的发展方向提供了理论思考。本文还具有较强的实践意义。本文的研究对如何有效利用互联网金融, 服务我国农村市场, 促进普惠金融的实现有重要意义。李克强总理在 2015 年政府工作报告中提出“互联网+”行动计划, 农村互联网金融的发展是“互联网+普惠金融”和“互联网+现代农业”的重要组成部分。20
13、16 年中央一号文件首次针对农村市场提出“引导互联网金融、移动金融在农村规范发展”。本文的研究结论表明在欠发达的农村地区, 互联网金融的实际使用率较低, 且使用互联网金融服务的农户主要是之前能够享受到传统金融服务的人群。因此, 互联网金融服务深化之路任重道远。二、文献评述与理论分析(一) 金融排斥概念的提出与发展互联网金融排斥的概念源于金融排斥。金融排斥 (Financial Exclusion) 最早由 Leyshon 和 Thrift (1993) 提出, 研究因为银行关闭偏远地区的网点, 影响民众获得金融服务的问题。随后, 金融排斥主要围绕弱势群体的金融可得性展开, Kempson 等
14、(2008) 认为金融排斥是弱势群体获得最基本金融产品和服务过程中面临诸多困难和障碍的一种状态。作为社会排斥的一个子集, 金融排斥是社会排斥在经济层面上的一个表现, 其产生往往伴随着社会排斥的存在和加剧 (高沛星、王修华, 2011) 。在我国, 因为农村地域广阔、正规金融机构缺乏、农户金融知识匮乏等诸多原因, 金融排斥主要以农村居民为主, 尤其是贫困地区的农村居民最为突出, 诸多关于金融排斥的研究都是围绕农村居民展开 (王修华等, 2013;田霖等, 2011;隋艳颖、马晓河, 2011;粟芳、方蕾, 2016) 。在金融排斥的内容方面, 虽然金融排斥包括各类的金融服务, 但学者们主要聚焦在
15、是否能够获得正规金融机构的服务, 尤其是能否获得银行的服务 (王修华等, 2013;田霖, 2011;隋艳颖、马晓河, 2011) , 少部分研究涉及保险排斥 (李涛等, 2010;粟芳、方蕾, 2016) 。随着互联网的发展, “互联网+金融”成为农村金融发展的新趋势。支持的学者认为互联网金融将极大地缓解金融排斥现象。从降低信息获取成本的角度, 互联网能降低信息成本, 扩大小微企业融资可能性边界, 拓展融资可能性集合, 最终降低小微企业的金融排斥度 (曹廷贵等, 2015) 。从信息环境的角度, 互联网可以改进农村金融机构信贷决策的信息环境, 提高信贷决策效率, 提高金融服务的覆盖面和可获得
16、性, 实现普惠金融 (马九杰、吴本健, 2014) 。但也有学者提出质疑, Kempson 等 (2004) 指出互联网金融的发展将会加剧无法获得电脑和网络人群的金融排斥, 且对受教育低 (Polatoglu 和 Ekin, 2001) 和年龄大 (Nasri 和 Charfeddine, 2012) 的弱势群体更加不利。我国 P2P 农户信贷也表现出一定的局限性, 因为农村的基础设施薄弱, 对互联网的使用存在限制, 城乡信息不对称, 城市出借人无法判断农户的财务状况及经营风险, 所以借贷关系很难形成 (朱乾宇、罗兴, 2013) 。为了更加清晰地描述互联网金融的发展对我国农户的实质影响, 本
17、文将互联网金融纳入金融排斥的分析框架。粟芳、方蕾 (2016) 将金融排斥扩展到互联网领域, 从渗透度、使用度和效用度三个角度分析, 但却缺乏对互联网金融各项内容的深入剖析。在他们的基础上, 本文构建互联网金融排斥的概念, 试图辨析互联网金融对缓解农户信贷约束的实质影响。(二) 传统金融排斥的原因分析和延伸具体到金融排斥的原因, 最早主要关注地理因素对金融排斥的影响, 认为地理位置的偏远阻碍获得金融服务 (Leyshon 和 Thrift, 1993) ;随后, 金融排斥的内涵拓展到评估排斥、条件排斥、价格排斥、营销排斥和自我排斥五个方面 (Kempson 和 Whyley, 1999) ,
18、共计 6 个维度, 构成分析金融排斥的经典模型。其中金融机构供给方面的原因包括评估排斥、条件排斥、价格排斥和营销排斥。评估排斥是指金融机构为追求利润而设置的评价体系排除了弱势群体;条件排斥是指金融服务的准入条件过高所导致的金融排斥;营销排斥是指由于金融机构将金融产品的目标客户设定过高导致的金融排斥;需求方面的原因为自我排斥, 即需求者认为申请到金融产品的可能性小。诸多学者在此维度下展开分析, 许圣道、田霖 (2008) 以河南省为例, 证明我国金融地理排斥普遍存在;高沛星、王修华 (2011) 认为评估排斥和条件排斥存在重合, 且自我排斥在我国表现得不甚显著, 将六维度缩减到地理排斥、评估排斥
19、、条件排斥和价格排斥四个方面, 全面分析后得出中国农村金融排斥程度存在由东到西逐渐加深的趋势;粟芳、方蕾 (2016) 提出因互联网金融具有跨越时空、坐等宣传、对象均等等业务特征, 仅存在物理排斥, 且物理排斥严重。(三) 互联网金融排斥概念的提出与原因分析结合上述金融排斥文献的综述, 本文将互联网金融排斥定义为金融服务需求者难以通过合理方式获得互联网金融产品和服务的一种状态。其中的互联网金融既包括传统金融的互联网化, 如互联网对金融中介、市场网店、人工服务的替代, 也包括互联网的金融化, 如第三方支付、网络融资、网络投资等。根据互联网金融的特点, 将互联网金融服务细化为储蓄、信贷和支付三个方
20、面:针对资金的运用, 储蓄主要是指基于余额宝等互联网理财平台, 投资者可通过互联网金融平台, 实现存款、储蓄和理财等金融产品的购买;针对资金来源, 信贷主要是通过互联网平台直接进行的资金借贷行为, 如诸多的 P2P 网络借款平台;支付是指通过支付宝和微信等互联网第三方支付平台, 也包括使用网上银行和手机银行进行资金的转移和清算业务。不同于传统金融排斥的原因, 本文认为互联网金融排斥具有一定的特殊性: (1) 互联网可以跨越地理区域的限制, 不需要居民到固定的营业点进行面对面交易, 供需双方可通过网络平台直接对接, 因此不存在地理排斥。 (2) 使用互联网金融需要农民拥有电脑或智能手机设备, 农
21、村居民人均收入不高将阻碍农户购买较为昂贵的电子设备, 且农村居民知识水平较低、对新生事物的认识不足, 缺乏使用能力, 这构成了新的设施排斥。 (3) 使用互联网金融, 需要该地区覆盖有线或者无线网络信号, 且用户能够接入其中。从基础设施来看, 农村地区基础网络不甚发达, 多数农村居民家庭未接入网络, 这将极大地阻碍互联网金融的获得, 本文将此排斥称为新的条件排斥。 (4) 互联网金融重要的特征之一是客户具有低准入门槛的性质, 面向低端客户、金融服务的价格低、交互感强, 服务对象是被金融服务机构忽略的中低端客户, 具有长尾效应 (霍兵、张延良, 2015) 。因此, 本文认为互联网金融不存在评估
22、排斥、价格排斥和营销排斥。 (5) 自我排斥在互联网金融中依然存在, 由于对互联网的不了解和不认可, 对网络安全的质疑, 对电子和手机银行的不信任, 可能存在自身对互联网金融的排斥行为。综上所述, 本文将互联网金融排斥的根源细分为设施排斥、条件排斥和自我排斥。同时, 根据之前的文献, 本文将影响因素分为微观个体和区域宏观经济两部分。微观方面包括个人特征 (王修华等, 2013) 、经济状况 (李涛等, 2010;徐少君、金雪军, 2009) 、社会资本 (李涛等, 2010;隋艳颖、马晓河, 2013) 、金融知识等人力资本因素 (张号栋、尹志超, 2016;隋艳颖、马晓河, 2013;王修华
23、等, 2013) 。区域经济状况也将影响该地区的金融排斥程度。人口规模小、社会消费品零售总额小、居民收入低、金融基础设施状况差的县域更易受到金融排斥 (董晓林、徐虹, 2012) 。三、数据来源及描述性分析(一) 数据来源关于互联网金融排斥行为, 本文主要基于我国农村贫困地区进行考察。因为贫困地区的金融抑制情况往往较为严重, 互联网金融作为一种新兴的金融方式, 具有交易成本低、不受时间和空间限制等优势, 理论上有助于在之前传统金融未能覆盖的贫困地区发挥作用, 缓解贫困地区农户的融资困境, 具有鲜明的政策意义和应用价值。2015 年的数据表明, 贫困人口超过 500 万的省份有河南、湖南、广西、
24、四川、贵州、云南六个省份, 我们从中选择广西、四川和贵州三个省份展开调研, 每个省各选择 2 个县, 故选择了四川的仪陇县和宣汉县、贵州的兴仁县和紫云县、广西的田东县和都安县。每县根据经济发达程度, 将乡镇分为上、中、下三类, 对每类乡镇选择 1 个典型村, 进行农户入户访谈, 共调研农户 1035 户, 得到有效样本数为 925 户, 有效样本率为 89.37%。(二) 互联网金融排斥变量选取1.互联网金融排斥。当农户未享受到互联网金融产品和服务时, 认为存在排斥, 设为 1, 否则为 0。本文将互联网金融排斥细分为互联网储蓄排斥、互联网信贷排斥和互联网支付排斥。(1) 互联网储蓄排斥 (E
25、xclu_savings) 通过问题 1 获得:问题 1:农户是否尝试过网络理财服务, 如余额宝等产品 (选项:1.是;2.否) 如果农户选择“2.否”, 表示受到互联网储蓄排斥, 则 Exclu_savings=1, 反之 Exclu_savings=0。(2) 互联网信贷排斥 (Exclu_credit) 通过问题 2 和 3 获得:问题 2:农户是否尝试通过 P2P 或众筹等网络借贷进行借贷 (选项:1.是;2.否) 问题 3:未尝试过互联网借款或众筹的原因 (选项:1.自有资金已满足需要;2.已从银行等金融机构获得借款;3.利率太高;4.担心抵押担保物不安全;5.申请也会被拒绝;6.不
26、安全、不可靠;7.没接触过, 不了解;8.其他) 如果问题 2 的答案为“2.否”, 且问题 3 的答案没有选择“1.自有资金已满足需求”和“2.已从银行等金融机构获得借款”, 则认为受到互联网信贷排斥, Exclu_credit=1, 反之 Exclu_credit=0。(3) 互联网支付排斥 (Exclu_payment) 通过问题 4 获得:问题 4:您尝试过如下哪种支付方式 (选项:1.电脑网上银行转账;2.手机银行转账;3.微信支付;4.支付宝;5.财付通;6.盛付通;7.快钱;8.汇付天下;9.各种电子钱包类产品 (百度钱包;京东钱包;翼支付等) ;10.其他移动支付产品;11.都
27、没有) 如果问题 4 的答案为“11.都没有”, 表示受到互联网支付排斥, 则Exclu_payment=1, 反之 Exclu_payment=0。2.设施排斥。通过询问“家中是否配备电脑”和“是否拥有手机”两项内容, 如果两项均回答“没有”, 则认为存在设施排斥, 取值为 1, 否则为 0。3.条件排斥。通过询问“家中电脑是否能够上网”和“手机是否能上网”两项内容获得, 如果两项均回答“没有”, 则为 1, 认为存在条件排斥, 否则为 0。4.自我排斥。针对互联网支付排斥, 在未尝试过互联网金融产品后, 继续询问为何没有使用互联网支付时, 选择“完全不知道移动支付方式”, 则认为存在自我排
28、斥, 取值为 1, 否则为 0;针对互联网储蓄排斥, 通过继续询问“若未尝试过互联网金融产品, 您是否了解这些产品”, 如果回答“完全不知道”, 则认为存在自我排斥, 取值为 1, 否则为 0;针对互联网信贷排斥, 针对“未尝试过互联网借款或众筹的原因”, 如果回答“不安全、不可靠”和“申请也会被拒绝”, 则认为存在自我排斥, 取值为 1, 否则为 0。(三) 农户互联网金融排斥类型分析表 1 为农户互联网金融排斥类型分析。从表中可以看出, 农户受到较严重的互联网金融排斥, 其中 98.49%的农户存在互联网储蓄排斥, 98.81%的农户存在互联网信贷排斥, 即基本上绝大多数农户从来没有使用过
29、网络理财和网络借贷等金融服务。互联网支付排斥的比例稍低, 仅有 76.11%的农户存在互联网支付排斥, 剩余的 23.89%的农户曾经使用过网银、手机银行转账或各类移动支付方式。表 1 互联网排斥类型分析 下载原表 (四) 农户互联网金融排斥维度分析表 2 为农户互联网金融排斥维度分析。从表中可以看出, 设施排斥仅为 0.43%, 仅有 0.43%的农户没有智能手机且没有电脑, 表明绝大多数样本农户家中拥有智能手机或电脑, 即农户面临较少的设施排斥;条件排斥为 20.11%, 条件排斥的程度高于设施排斥, 但也仅有 20.11%, 剩余的 79.89%的农户已经能够接触互联网, 农户面临的条件
30、排斥不是很强烈。这与表 1 中显示的农户存在较为严重的互联网金融排斥存在强烈的反差, 说明绝大多数农户拥有手机或者电脑等互联网硬件设施, 且大多数农户已经接入互联网, 设施排斥和条件排斥不是引发互联网金融排斥的主要原因。与设施排斥和条件排斥形成对比, 表 2 中诸多农户存在较为强烈的自我排斥, 支付中自我排斥的比例最低, 为 38.38%, 说明多数农户仅对移动支付方式有一定的了解;其次为储蓄中自我排斥的占比, 有 58.70%的农户不了解可以通过互联网进行理财和储蓄;信贷中自我排斥的占比最高, 为 94.59%, 说明绝大多数农户认为“自己申请了互联网借款或众筹也会被拒绝”或“此类互联网金融
31、服务不安全、不可靠”。由此可见, 自我排斥是诱发互联网金融排斥的主要原因。表 2 互联网金融排斥维度分析 下载原表 (五) 影响因素变量选择本文把影响因素分为个人特征、家庭特征、社会资本和区域金融及互联网发展水平四个方面。具体如下:1.农户个人特征。包括性别 (Sex) , 男性取值为 1, 女性为 0;年龄 (Age) , 受访者年龄取对数;受教育状况 (Education) , 受访者教育年限取对数;是否参加过互联网金融知识的培训 (Knowledge) , 是为 1, 否取值为 0;是否会进行网络购物和销售 (Online_Shopping) , 如果没有网络购物和销售经历, 则为 1,
32、 否则为 0。2.农户家庭特征。包括家庭年总收入 (Income) , 农户家庭年收入取对数;非农收入占比 (Imi_Income) , 取值为非农收入/ (非农收入+出售农林牧渔业产品收入) 100%;家庭成员数 (Family) , 家庭成员个数取对数;家庭成员外出务工人数占比 (Imi_Family) , 等于家庭外出务工人数/家庭总人口100%。3.社会资本。包括是否有亲戚朋友在金融机构工作 (Relative) , 有取值为 1, 无取值为 0;是否为村干部 (Official) , 是取值为 1, 否取值为 0;家里是否有大学生 (Col_Family) , 有取值为 1, 无取值
33、为 0。4.区域金融及互联网发展水平。普惠金融政策 (Gov) 。政府促进互联网与普惠金融发展的政策对农村互联网发展水平也有重要影响。考虑到难以一一列举所有政策, 我们选择典型政策作为虚拟变量, 不少省份为促进互联网和普惠金融的发展, 发布了“互联网+普惠金融专项行动计划”, 且针对该行动计划推进了相应的系列配套措施。因此, 将发布该政策的省份取值为 1, 如贵州, 没有发布该政策的省份取值为 0。普惠金融发展水平 (Inclusive) , 用 2015 年年末省级金融服务密度衡量, 金融服务密度=贷款余额 (亿元) /总人口 (万人) 。村里是否有淘宝店 (Taobao) , 有取值为 1
34、, 无取值为 0。离最近银行网点的距离 (Time) , 等于 log (实际时间 (分钟) +1) 。具体的描述性统计结果如表 3 所示。表 3 描述性统计结果 下载原表 从农户个人特征来看:73.7%的受访者为男性, 年龄平均在 43.6 岁左右, 平均受教育时间为 8.023 年, 将近初中毕业, 仅有 3.4%的农户受到过互联网金融培训, 互联网金融教育不发达, 39.6%的农户有网络购物或者网络销售的经历。从农户的家庭特征看:农户家庭收入平均为 30031.437 元, 与贫困地区的情况相符;非农收入占家庭总收入的 78.763%, 打工等非农收入是主要的收入来源;家庭平均人口数为
35、4.848 人, 其中 17.254%的人外出打工。在社会资本特征中, 平均13.4%的农户家庭有人在金融机构工作, 13.9%的受访者为村干部, 平均 26.6%的家庭有大学生。在区域发展水平中, 贵州出台了普惠金融专项行动计划, 为1, 其他省份为 0;三省普惠金融发展水平平均值为 4.259, 最高为 4.717, 最低为 3.778;仅有 7.1%的村中有淘宝店, 说明淘宝店普及程度有待提高;农户从家到银行网点的时间平均需要 10.848 分钟。四、计量模型和实证结论(一) 模型选择之前文献对金融排斥的检验方法, 多采用二元 Probit、Tobit 或者有序Probit、Tobit
36、模型, 分析农户是否存在金融排斥以及影响因素, 但是深入剖析地理排斥等多维度排斥时, 如果也采用 Probit 模型, 则会产生偏差, 因为只有存在金融排斥的人群中才可能存在地理排斥等多重维度排斥的问题, 而Probit 模型将存在金融排斥和不存在金融排斥的样本均包括在内, 样本存在自选择问题。此外, 通过农户互联网金融排斥维度分析结果, 可以发现设施排斥和条件排斥并不是造成农户互联网排斥的主要原因。随着经济水平和家庭收入的增长, 诸多的农户已经拥有了电脑和智能手机等通信设备, 并且通信网络现已经基本覆盖我国的城乡地区, 诸多农户之所以存在互联网金融排斥, 主要是因为存在自我排斥, 即对于互联
37、网金融不信任和不了解。随后将重点考察引发自我排斥的原因。因此, 本文采用 Heckman 两阶段选择模型。第一个阶段通过 Probit 模型, 估计农户受到互联网金融排斥的影响因素, 分别检验互联网储蓄排斥、信贷排斥和支付排斥。在农户已存在互联网金融排斥的情况下, 进行第二阶段回归, 检验哪些因素造成了自我排斥的产生。本文将农户两个阶段的互联网金融排斥方程设定为:其中:方程 (1) 和 (2) 分别是第一阶段的选择方程和第二阶段的自我排斥方程。第一阶段回归中, Exclu_j 为农户是否受到互联网金融排斥的虚拟变量, j=savings, credit, payment, 分别表示农户是否受到
38、互联网储蓄排斥、互联网信贷排斥和互联网支付排斥, 受到排斥时取值为 Exclu_ji=1, 否则为0。Exclu_Facilities i、Exclu_Condition i和 Online_Shoppingi是第一阶段的识别变量, 这三个变量影响农户是否受到互联网金融排斥, 但不影响农户的自我排斥。因此, 本文将这三个变量作为识别变量。X i是包括个人特征、家庭特征、社会资本和区域金融及互联网发展水平的解释变量。本文关注 1、 2、 3和 系数的显著性。第二阶段回归考察在存在互联网金融排斥的情况下, 影响自我排斥的因素, 将第一阶段得到的逆米尔斯 i代入方程 (2) 克服样本选择性偏差问题。Exclu_Self_ji为自我排斥, j=savings, credit, payment, 分别表示储蓄状态下的自我排斥、信贷状态下的自我排斥、支付状态下的自我排斥。本文关注系数 的显著性。本文采用最大似然估计法 (MLE) 估计 Heckman 两阶段选择模型, 并使用稳健标准差, i和 i是随机误差项。在检验样本是否存在自选择问题时, 本文采用Wald 检验。(二) 实证回归结果分析
