蔡四平　李莉

摘 要：基于中國(guó)農(nóng)村普惠金融發(fā)展的空間地理特征，依據(jù)2006-2015年30個(gè)省市相關(guān)數(shù)據(jù)，測(cè)算農(nóng)村普惠金融水平；建立空間自回歸模型（SLM）和空間誤差模型（SEM）檢驗(yàn)普惠金融發(fā)展空間集聚效應(yīng)。結(jié)果發(fā)現(xiàn)：各省市農(nóng)村普惠金融指數(shù)總體呈上升趨勢(shì)，農(nóng)村普惠金融發(fā)展空間相關(guān)性逐年增強(qiáng)，局部空間差異逐漸縮小。普惠金融集聚與農(nóng)民收入變化之間存在正空間相關(guān)性，普惠金融水平的提高能夠促進(jìn)農(nóng)民收入水平的提高。鑒此，應(yīng)加強(qiáng)區(qū)域空間金融合作，提高保險(xiǎn)業(yè)普惠度；加強(qiáng)地方政府之間交流合作，發(fā)揮普惠金融集聚輻射作用，推動(dòng)農(nóng)民收入水平進(jìn)一步提高。

關(guān)鍵詞： 普惠金融；金融集聚；空間相關(guān)性；區(qū)域經(jīng)濟(jì)

中圖分類號(hào)：F832 文獻(xiàn)標(biāo)識(shí)碼： A 文章編號(hào)：10037217（2018）03002407

一、引 言

近年來(lái)，我國(guó)普惠金融發(fā)展已呈現(xiàn)服務(wù)多元化、覆蓋面廣等特點(diǎn)，基礎(chǔ)金融服務(wù)水平在國(guó)際上也已達(dá)到中上游水平，但普惠金融服務(wù)不均衡現(xiàn)象依然存在?？臻g經(jīng)濟(jì)學(xué)理論認(rèn)為，地區(qū)經(jīng)濟(jì)活動(dòng)在空間上會(huì)產(chǎn)生集中經(jīng)濟(jì)效果，加入空間計(jì)量方法對(duì)我國(guó)普惠金融發(fā)展進(jìn)行研究，能夠更好地解釋區(qū)域化現(xiàn)象，對(duì)提高普惠金融集聚度，促進(jìn)農(nóng)村地區(qū)普惠金融可持續(xù)發(fā)展，促進(jìn)農(nóng)民收入水平的提高有重要指導(dǎo)意義。

目前，對(duì)普惠金融的研究大多集中于對(duì)其影響因素的研究，未考慮加入空間因素后地區(qū)經(jīng)濟(jì)活動(dòng)之間的相互影響。李濤和徐翔（2016）認(rèn)為，普惠金融在不同經(jīng)濟(jì)社會(huì)條件的不同經(jīng)濟(jì)體中存在異質(zhì)性影響[1]。陳銀娥（2015）認(rèn)為，中國(guó)普惠金融發(fā)展的分布為多級(jí)分化格局，且存在一定的空間趨同現(xiàn)象[2]。杜強(qiáng)和潘怡（2016）認(rèn)為，普惠金融既能促進(jìn)地區(qū)經(jīng)濟(jì)的發(fā)展，也有可能抑制地區(qū)經(jīng)濟(jì)的發(fā)展[3]。在普惠金融與金融扶貧方面，羅斯丹（2016）認(rèn)為，發(fā)展普惠金融是金融扶貧的重要著力點(diǎn)，減貧效應(yīng)會(huì)隨收入水平的提高而增強(qiáng)[4]。馬彧菲和杜朝運(yùn)（2017）認(rèn)為，普惠金融除對(duì)減貧有直接作用外，其對(duì)包容性增長(zhǎng)也有促進(jìn)作用，而包容性增長(zhǎng)能解釋部分的貧困減緩情況，因此，普惠金融對(duì)貧困減緩有間接作用[5]。

利用空間集聚的輻射效應(yīng)對(duì)經(jīng)濟(jì)發(fā)展情況進(jìn)行研究的模式逐漸受到重視，但對(duì)于金融集聚的現(xiàn)有研究大多集中在產(chǎn)業(yè)結(jié)構(gòu)方面。Davis（1990）通過(guò)對(duì)金融服務(wù)業(yè)進(jìn)行調(diào)研發(fā)現(xiàn)，各層次金融服務(wù)機(jī)構(gòu)都有聚集發(fā)展的傾向 [6]。Pandit（2001）通過(guò)研究發(fā)現(xiàn)，金融中心的形成實(shí)際上是由于金融集聚的發(fā)展[7]。Taylor（2003）對(duì)英國(guó)的金融集聚進(jìn)行研究發(fā)現(xiàn)，地理相鄰與人際交往是金融集聚的重要影響因素[8]。Hus（2012）從金融集聚與企業(yè)發(fā)展方面進(jìn)行研究發(fā)現(xiàn)，兩者之間相互影響，且金融集聚會(huì)影響企業(yè)的選址[9]。李思霖和魏修建（2017）認(rèn)為，經(jīng)濟(jì)增長(zhǎng)與金融集聚在不同省份間存在空間相關(guān)性[10]。潘輝（2013）認(rèn)為，金融集聚度的提高對(duì)實(shí)體經(jīng)濟(jì)增長(zhǎng)有正向作用[11]。王丹和葉蜀君（2015）認(rèn)為，由于金融集聚水平的不同所產(chǎn)生的不同集聚效應(yīng)會(huì)影響勞動(dòng)生產(chǎn)率，進(jìn)而會(huì)導(dǎo)致區(qū)域間的收入差距[12]。李林（2011）認(rèn)為金融資源主要是由銀行業(yè)實(shí)現(xiàn)，我國(guó)金融集聚的空間相關(guān)性主要表現(xiàn)在銀行業(yè)集聚[13]。張秀娟（2015）認(rèn)為在農(nóng)村金融實(shí)施改革后，金融集聚發(fā)展對(duì)城鄉(xiāng)收入有影響，能在一定程度縮小城鄉(xiāng)收入差距[14]。王耀中（2014）認(rèn)為，生產(chǎn)性服務(wù)業(yè)集聚與城鎮(zhèn)化發(fā)展存在正的空間相關(guān)性，且促進(jìn)作用顯著[15]。

綜觀當(dāng)前相關(guān)研究，更多地集中在普惠金融與金融集聚各自對(duì)經(jīng)濟(jì)發(fā)展的影響方面，而對(duì)普惠金融發(fā)展的集聚效應(yīng)研究還相對(duì)缺乏。鑒于此，本文在現(xiàn)有文獻(xiàn)基礎(chǔ)上，從農(nóng)村銀行業(yè)、保險(xiǎn)業(yè)兩類主要金融領(lǐng)域建立三個(gè)維度的指標(biāo)，對(duì)普惠金融指數(shù)進(jìn)行測(cè)算；同時(shí)，引入空間計(jì)量方法分析近年來(lái)我國(guó)各省市農(nóng)村普惠金融發(fā)展現(xiàn)狀及空間差異，并對(duì)普惠金融發(fā)展與農(nóng)民收入增長(zhǎng)之間的集聚效應(yīng)進(jìn)行檢驗(yàn)，以期為制定農(nóng)民收入增長(zhǎng)政策提供理論依據(jù)。

二、農(nóng)村普惠金融指數(shù)構(gòu)建與計(jì)算

（一）指標(biāo)確立與數(shù)據(jù)說(shuō)明

農(nóng)村普惠金融指數(shù)的設(shè)計(jì)應(yīng)以農(nóng)村普惠金融內(nèi)涵為基礎(chǔ)，以此來(lái)反映我國(guó)農(nóng)村普惠金融的發(fā)展趨勢(shì)。張宇、趙敏（2017）從農(nóng)村金融機(jī)構(gòu)設(shè)置比例及市場(chǎng)份額、農(nóng)村金融服務(wù)覆蓋率及使用情況等維度來(lái)衡量普惠金融發(fā)展情況[16]；陳銀娥（2015）從金融服務(wù)滲透度、可獲得性、使用效率性、承受度等方面來(lái)反映普惠金融發(fā)展?fàn)顩r[2]。通過(guò)借鑒以上研究，同時(shí)考慮指標(biāo)的有效性與數(shù)據(jù)的可獲取性，本文從以下三個(gè)維度構(gòu)建普惠金融指標(biāo)體系，如表1所示。

1.金融服務(wù)可獲得性——“銀行網(wǎng)點(diǎn)密度”和“萬(wàn)人銀行業(yè)服務(wù)人員數(shù)”反映銀行業(yè)網(wǎng)點(diǎn)及服務(wù)人員在人口維度上的普惠性，網(wǎng)點(diǎn)密度越高、萬(wàn)人擁有服務(wù)人員數(shù)越多，農(nóng)村居民越能享受到便利、細(xì)致的金融服務(wù)?！稗r(nóng)村銀行業(yè)金融機(jī)構(gòu)占比”和“農(nóng)村銀行業(yè)從業(yè)人員占比” 在一定程度上衡量了農(nóng)村銀行服務(wù)的可獲得性，占比越大，農(nóng)村居民越容易獲取金融服務(wù)?？紤]到農(nóng)村銀行業(yè)金融機(jī)構(gòu)主要以農(nóng)村商業(yè)銀行、農(nóng)村合作銀行、農(nóng)村信用社為主，故以上指標(biāo)均選用這三家銀行的相關(guān)數(shù)據(jù)。

2.金融服務(wù)使用情況——“萬(wàn)人平均存款水平”和“萬(wàn)人平均貸款水平”主要衡量農(nóng)村銀行業(yè)金融服務(wù)的使用情況，考慮到農(nóng)村存貸款業(yè)務(wù)主要集中在農(nóng)村信用社與農(nóng)村商業(yè)銀行，而農(nóng)村合作銀行數(shù)量不多，相關(guān)數(shù)據(jù)無(wú)法獲取，所以（儲(chǔ)蓄）存款、貸款數(shù)據(jù)均選取農(nóng)村商業(yè)銀行和農(nóng)村信用社相關(guān)數(shù)據(jù)。“農(nóng)業(yè)保險(xiǎn)密度”和“農(nóng)業(yè)保險(xiǎn)人均賠付”主要衡量農(nóng)業(yè)保險(xiǎn)的覆蓋情況及使用情況，參保金額及賠付金額越高，說(shuō)明越多的農(nóng)村居民能夠享受到社會(huì)保障，農(nóng)村保險(xiǎn)業(yè)普惠性越高。

3.金融服務(wù)使用效率——“農(nóng)業(yè)保險(xiǎn)購(gòu)買所占比率”“農(nóng)業(yè)保險(xiǎn)賠付所占比率”“銀行存款總額占地區(qū)GDP比重”“銀行貸款總額占地區(qū)GDP比重”這四個(gè)指標(biāo)主要是對(duì)農(nóng)業(yè)保險(xiǎn)業(yè)務(wù)、銀行存款業(yè)務(wù)、銀行貸款業(yè)務(wù)的普惠程度進(jìn)行衡量。

本文選取2006-2015年30個(gè)省市數(shù)據(jù)，數(shù)據(jù)來(lái)源于各省金融運(yùn)行報(bào)告、《中國(guó)保險(xiǎn)年鑒》、國(guó)家統(tǒng)計(jì)局網(wǎng)站、EPS數(shù)據(jù)庫(kù)，個(gè)別數(shù)據(jù)由網(wǎng)站公布數(shù)據(jù)計(jì)算得到。農(nóng)信社、農(nóng)商行存貸款余額數(shù)據(jù)中，北京、天津、重慶三個(gè)省市的數(shù)據(jù)由各省市農(nóng)村商業(yè)銀行年度報(bào)告及EPS數(shù)據(jù)庫(kù)數(shù)據(jù)匯總所得，上海市的數(shù)據(jù)由《上海金融年鑒》中農(nóng)信社儲(chǔ)蓄存款、農(nóng)信社貸款數(shù)據(jù)代替。

（二）方法選取

本文通過(guò)構(gòu)建普惠金融指數(shù)來(lái)對(duì)中國(guó)各省農(nóng)村普惠金融發(fā)展水平進(jìn)行測(cè)度，并以此為基礎(chǔ)進(jìn)行后續(xù)研究分析。在參考已有研究的基礎(chǔ)上[2，17-19]，對(duì)我國(guó)各省普惠金融指數(shù)進(jìn)行測(cè)算，公式如下：

IFIit=1-

（w1-p1t）2+（w2-p2t）2+…+（wk-pkt）2

/w21+w22+…+w2k（1）

其中，IFIit為普惠金融指數(shù)，pkt為指標(biāo)測(cè)度值，wk為權(quán)重。IFIit∈0，1，IFI值代表普惠金融發(fā)展水平。

由于普惠金融指數(shù)是一個(gè)相對(duì)值，所以首先要對(duì)各指標(biāo)權(quán)重進(jìn)行確定。本文采用變異系數(shù)法對(duì)指標(biāo)權(quán)重進(jìn)行確定，具體如下：

Vk=δk/k（2）

其中，k為平均值，δk為標(biāo)準(zhǔn)差（k=1，2，…，8），Vk為變異系數(shù)。對(duì)Vk加總求和，則指標(biāo)權(quán)重可表示為：

wk=Vk∑8k=1Vk（3）

由于各指標(biāo)的計(jì)量單位各不相同，經(jīng)濟(jì)意義也不相同，所以，在計(jì)算IFI之前采用線性閾值法對(duì)各指標(biāo)進(jìn)行無(wú)量綱化處理：

pit=wi（xit-mit）/（Mit-mit）

i=1，2，…，k（4）

其中，pit、xit、Mit、mit分別是進(jìn)行無(wú)量綱化后的測(cè)度值、實(shí)際測(cè)量值、測(cè)量最大值、測(cè)量最小值。

（三）結(jié)果分析

利用式（1）對(duì)各省市農(nóng)村普惠金融水平進(jìn)行測(cè)算，測(cè)算結(jié)果見(jiàn)表2。由表2可知，我國(guó)2006-2015年IFI平均值逐年遞增，說(shuō)明我國(guó)農(nóng)村普惠金融水平整體處于上升趨勢(shì)，其質(zhì)量也在逐漸提升。2006年、2009年、2012年、2015年各省市均值分別為0.0740、0.1544、0.1808、0.1832，年均增長(zhǎng)1.1%，總體呈遞增趨勢(shì)，但增長(zhǎng)幅度逐年遞減。

各省市普惠金融指數(shù)存在一定的地區(qū)差異，但總體呈上升趨勢(shì)，這也是我國(guó)高度重視金融改革、金融發(fā)展所取得的成就。部分省市普惠金融指數(shù)呈先上升后逐漸持平的變化趨勢(shì)，北京、上海普惠金融水平較高，其均值達(dá)到0.4405、0.4179，遠(yuǎn)高于其他省市，主要原因在于，都屬中心城市，金融服務(wù)水平與經(jīng)濟(jì)水平都相對(duì)較高。北京在加入農(nóng)業(yè)保險(xiǎn)相關(guān)指標(biāo)后，2006年普惠金融指數(shù)計(jì)算結(jié)果達(dá)到高點(diǎn)，但隨著2007年中央財(cái)政全面開(kāi)啟農(nóng)業(yè)保險(xiǎn)試點(diǎn)，其他省份陸續(xù)加大在農(nóng)業(yè)保險(xiǎn)方面的資金投入，保險(xiǎn)業(yè)整體普惠性提高，北京、上海在保險(xiǎn)業(yè)普惠性方面優(yōu)勢(shì)不再明顯，因此，出現(xiàn)了后期普惠金融指數(shù)逐漸持平現(xiàn)象。在加入農(nóng)業(yè)保險(xiǎn)相關(guān)指標(biāo)后的普惠金融指數(shù)計(jì)算結(jié)果中，新疆、內(nèi)蒙古、黑龍江等省份普惠金融水平較為靠前，這與各省在農(nóng)業(yè)保險(xiǎn)方面的大額投入有關(guān)。2015年，新疆、內(nèi)蒙古、黑龍江三省的農(nóng)業(yè)保險(xiǎn)保費(fèi)收入分別達(dá)到350.5億元、313.5億元、289.5億元，而福建、貴州分別為44.4億元、51.89億元。新疆、黑龍江在2006年已率先在農(nóng)業(yè)保險(xiǎn)方面進(jìn)行了大量資金投入，保險(xiǎn)業(yè)普惠度相對(duì)較高，因此，這兩省在2006年普惠金融指數(shù)相對(duì)較高。

三、農(nóng)村普惠金融發(fā)展空間差異

（一）基于Moran's I的全局空間自相關(guān)檢驗(yàn)

空間經(jīng)濟(jì)學(xué)理論認(rèn)為，相鄰地區(qū)同種經(jīng)濟(jì)活動(dòng)之間存在一定聯(lián)系，可以概述為空間依賴或者空間相關(guān)。在一個(gè)區(qū)域內(nèi)，地理位置相關(guān)的空間數(shù)據(jù)存在一定的自相關(guān)性。為了驗(yàn)證我國(guó)普惠金融發(fā)展具有空間集聚的特征，本文運(yùn)用空間統(tǒng)計(jì)學(xué)技術(shù)對(duì)地區(qū)普惠金融集聚進(jìn)行空間自相關(guān)檢驗(yàn)，即運(yùn)用Moran's I對(duì)各相鄰省份普惠金融發(fā)展情況進(jìn)行空間自相關(guān)檢驗(yàn)。

構(gòu)造各空間權(quán)重矩陣D，元素aij為：

aij=1，當(dāng)i省份和j省份相鄰0，當(dāng)i省份和j省份不相鄰

Moran's I指數(shù)計(jì)算公式如下：

I=n∑ni=1∑nj=1aij（yi-）（yj-）∑ni=1∑nj=1aij∑ni=1（yi-）2=

n∑ni=1∑nj=1aij（yi-）（yj-）S2∑ni=1∑ni≠jaij（5）

其中，yi是表2中所計(jì)算的各IFI指數(shù)，S2=12∑i（yi-）2，=1n∑ni=1yi。

Moran's I取值為（-1，1），正負(fù)值表示空間的正負(fù)相關(guān)性。如果I=0，則表示不相關(guān)。此外，可用正態(tài)統(tǒng)計(jì)量Z值來(lái)對(duì)n個(gè)地區(qū)進(jìn)行空間自相關(guān)檢驗(yàn)。如果Z值為正且顯著，則觀測(cè)值趨于空間聚集，為正的空間自相關(guān)。如果Z值為負(fù)且顯著，觀測(cè)值趨于空間分散，為負(fù)的空間自相關(guān)。如果Z值等于0，則表示不存在空間相關(guān)性。各年份Moran's I結(jié)果見(jiàn)表3。

表3顯示，我國(guó)農(nóng)村普惠金融發(fā)展存在空間相關(guān)關(guān)系，由此說(shuō)明普惠金融發(fā)展的區(qū)域分化現(xiàn)象是由空間相關(guān)性造成，而不是隨機(jī)發(fā)生的。普惠金融發(fā)展較好的省市產(chǎn)生了空間溢出效應(yīng)，帶動(dòng)了周邊省市普惠金融的發(fā)展，但發(fā)展較差的省市同時(shí)又限制了周邊省市的進(jìn)一步發(fā)展。各省市普惠金融發(fā)展在全局上表現(xiàn)為空間相依性，其Moran's I呈波動(dòng)式變化，整體呈上升趨勢(shì)。特別是近年來(lái)各省市普惠金融發(fā)展的空間相關(guān)性已趨于正向并穩(wěn)定增強(qiáng)。

（二）基于Moran's I散點(diǎn)圖的局部空間自相關(guān)檢驗(yàn)

局部Moran's I統(tǒng)計(jì)是對(duì)各省市自身普惠金融集聚水平進(jìn)行檢驗(yàn)，即從局部進(jìn)行空間相關(guān)性檢驗(yàn)。本文采用Moran's I散點(diǎn)圖法對(duì)我國(guó)地域空間中的每一個(gè)分布對(duì)象進(jìn)行局部空間自相關(guān)檢驗(yàn)。

Moran's I散點(diǎn)圖坐標(biāo)點(diǎn)為x，laggedx，由于laggedx表示對(duì)鄰近省份觀測(cè)值的加權(quán)平均，因此，對(duì)x和滯后因子laggedx數(shù)據(jù)的線性關(guān)系用可視化的二維圖表示。空間相關(guān)系數(shù)Moran's I散點(diǎn)圖可將集聚模式劃分為四種（四個(gè)象限），即根據(jù)第一、二、三、四象限順序，依次為HH（高—高）、LH（低—高）、LL（低—低）、HL（高—低）。HH代表集聚水平高的省份被同樣集聚水平高的省份包圍，LH代表集聚水平低的省份被其他高集聚水平省份包圍，LL代表低集聚水平省份被同樣低集聚水平省份包圍，HL代表高集聚水平省份被其他低集聚水平省份包圍。第一、三象限屬于典型的空間聚集，存在正局部空間相關(guān)性；第二、四象限稱為空間離群，存在負(fù)局部空間相關(guān)性。

為比較我國(guó)普惠金融發(fā)展的空間相關(guān)性變化情況，本文分別列舉2006、2009、2012、2015年四年的情況加以分析。從圖1到圖4的Moran's I散點(diǎn)圖數(shù)據(jù)分布情況可知，我國(guó)普惠金融發(fā)展存在一定的空間相關(guān)性，并且有逐年增強(qiáng)的趨勢(shì)。由2006年較低的負(fù)的局部相關(guān)性向正的局部空間相關(guān)性演變，且2015年的空間正相關(guān)性要明顯強(qiáng)于2009年，說(shuō)明我國(guó)普惠金融發(fā)展的集聚情況在空間輻射作用下呈上升趨勢(shì)。2015年，我國(guó)76.7%的省市表現(xiàn)為正的空間相關(guān)性；其中26.7%屬于HH，即高的普惠金融集聚—高的空間滯后；50%屬于LL，即低的普惠金融集聚—低的空間滯后。

（三）局部空間差異分析

表4列舉了2006-2015年間四個(gè)年份各省普惠金融水平的空間相關(guān)模式。從中可以看出，在四個(gè)觀測(cè)年份中，HH型、LL型省份數(shù)量占比較高，HH型省份數(shù)量有逐年增加的趨勢(shì)，LL型省份數(shù)量則逐漸趨于穩(wěn)定，說(shuō)明我國(guó)普惠金融水平的局部空間差異較小，且整體相對(duì)穩(wěn)定。HH型省份大多集中在京津等經(jīng)濟(jì)發(fā)展水平較高的地區(qū)，以及保險(xiǎn)業(yè)普惠性較高的內(nèi)蒙古、黑龍江等地區(qū)。因此保險(xiǎn)業(yè)普惠性的提高，同樣帶動(dòng)了地區(qū)普惠金融的發(fā)展，而普惠金融集聚高值集聚區(qū)也不再僅限于經(jīng)濟(jì)金融發(fā)展較好、信用機(jī)制健全的地區(qū)。LL型省份大多為中、西部地區(qū)省份，包括安徽、河南、陜西、云南等省份。這在一定程度上說(shuō)明了近十年間，多數(shù)原先普惠金融水平相對(duì)較低、相鄰省份也較低的地區(qū)，依然存在普惠金融發(fā)展相對(duì)落后的情況。這也說(shuō)明普惠金融的推進(jìn)發(fā)展還有很長(zhǎng)的路要走，讓廣大農(nóng)村居民享受到切實(shí)的金融服務(wù)、普惠紅利還需付出更多努力。

由表4還可以發(fā)現(xiàn)，個(gè)別省份的集聚模式變化值得關(guān)注：一是河北省，在2006年為L(zhǎng)L型空間相關(guān)模式，說(shuō)明其自身普惠金融水平較低，相鄰省份也相對(duì)較低，雖然北京、天津的普惠金融水平較高，但其輻射效應(yīng)還不明顯；到2009年、2012年，河北省已升至LH型，但北京、天津的輻射效應(yīng)仍不明顯；直到2015年河北省升至HH型，普惠金融發(fā)展水平較高，周邊省份也相對(duì)較高，輻射效應(yīng)才開(kāi)始顯現(xiàn)。二是甘肅省，從LH型上升至HH型，其周邊省份新疆、內(nèi)蒙都屬于高集聚水平地區(qū)，輻射效應(yīng)帶動(dòng)了甘肅省普惠金融水平的提升。三是青海省，2006-2015年都處于LH型地區(qū)，自身普惠金融水平相對(duì)較低，雖然周邊省份新疆、四川等在加入保險(xiǎn)因素后普惠金融水平呈較高狀態(tài)，但還是受區(qū)域經(jīng)濟(jì)金融發(fā)展限制，存在發(fā)展不協(xié)調(diào)的情況。四是上海市，在四個(gè)觀測(cè)值中，上海一直屬于HL型，雖然其自身普惠金融發(fā)展水平較高，但其相鄰省份江蘇、安徽、浙江都較低，可見(jiàn)上海在提升自身普惠金融水平的同時(shí)，并未較好地發(fā)揮輻射作用帶動(dòng)周邊省份發(fā)展。五是山東省，雖然山東地處東部沿海地區(qū)，但就四年的觀測(cè)值來(lái)看，其一直處于LL型空間相關(guān)模式。雖然山東鄰省河北省逐漸發(fā)展為普惠金融水平相對(duì)較高的地區(qū)，但其輻射效應(yīng)還未開(kāi)始顯現(xiàn)；周邊省份山西、江蘇等普惠金融水平相對(duì)較低，在一定程度上也會(huì)對(duì)山東產(chǎn)生影響，且山東是人口大省、農(nóng)業(yè)大省，在金融發(fā)展方面相對(duì)滯后也可能是其一直處于LL型地區(qū)的原因。

四、普惠金融集聚效應(yīng)的空間計(jì)量分析

（一）空間計(jì)量理論模型

根據(jù)以上分析可證明，我國(guó)普惠金融集聚存在顯著的空間相關(guān)性。本文采用空間滯后模型（SLM）和空間誤差模型（SEM）來(lái)對(duì)普惠金融集聚效應(yīng)進(jìn)行分析。

SLM模型主要探討各變量在某一地區(qū)的溢出效應(yīng)存在情況。其表達(dá)式為：

y=ρWy+Xβ+ε（6）

其中，ρ是空間自回歸系數(shù)，W是n×n空間權(quán)值矩陣，y是n×1的決策變量觀察值向量，X是k個(gè)外生變量觀察值的n×k階矩陣，β是k×1階回歸系數(shù)向量，ε是隨機(jī)誤差序列向量。

SEM模型主要通過(guò)誤差項(xiàng)來(lái)體現(xiàn)地區(qū)間的相互聯(lián)系。其表達(dá)式為：

y=Xβ+ε，ε=λWψ+ξ（7）

其中， λ是空間自相關(guān)系數(shù)，ξ是n×1列的區(qū)域內(nèi)隨機(jī)擾動(dòng)項(xiàng)，并假定ψ和ξ服從獨(dú)立同分布且不相關(guān)。

（二）變量選取

本文選取農(nóng)民收入指標(biāo)（LnInc）作為被解釋變量，選取普惠金融指數(shù)指標(biāo)（LnIFI）作為解釋變量，采用2006-2015年的省際面板數(shù)據(jù)，IFI數(shù)據(jù)由式（1）計(jì)算所得，農(nóng)民收入數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局網(wǎng)站。

考察普惠金融集聚與農(nóng)民收入增長(zhǎng)的空間滯后模型為：

LnInc=α+βLnIFI+ρLnW×Inc+ε（8）

其中，W是空間權(quán)重矩陣，其元素定義了空間鄰接關(guān)系，如果地理單元i與j鄰接，取1；反之，不鄰接，則取0。W×LnInC為空間滯后因變量。ρ為空間自回歸系數(shù)。

考察普惠金融集聚與農(nóng)民收入增長(zhǎng)的空間誤差模型為：

LnInc=α+βLnIFI+λLnW×μ+ε（9）

其中，W×μ為空間滯后誤差項(xiàng)。

由于存在空間效應(yīng)，為防止系數(shù)估計(jì)值有偏或者無(wú)效，對(duì)于上述兩個(gè)模型均不能采用OLS估計(jì)。因此，利用極大似然法來(lái)對(duì)模型進(jìn)行參數(shù)估計(jì)。

（三）結(jié)果分析

表5為隨機(jī)效應(yīng)下SLM模型和SEM模型檢驗(yàn)結(jié)果。通過(guò)極大似然法對(duì)包含了空間滯后項(xiàng)與空間誤差項(xiàng)的兩模型進(jìn)行回歸，結(jié)果顯示：SLM模型與SEM模型中空間自相關(guān)系數(shù)分別為0.1291、8.4618，并且通過(guò)1%的顯著性檢驗(yàn)，說(shuō)明農(nóng)民收入增長(zhǎng)存在空間自相關(guān)效應(yīng)。此外，相對(duì)于SLM模型，SEM模型對(duì)數(shù)似然函數(shù)值相對(duì)較高，所以，它更好地?cái)M合了空間效應(yīng)。

通過(guò)比較模型（8）（9）的擬合優(yōu)度值，SEM模型擬合優(yōu)度較高，達(dá)到0.9650。IFI變量在各模型中對(duì)農(nóng)民收入水平的影響系數(shù)分別為4453.0062、1913.1625，說(shuō)明普惠金融集聚水平的提高對(duì)農(nóng)民收入水平有促進(jìn)作用，模型引入農(nóng)民收入水平作為空間變量是合適的，普惠金融集聚對(duì)農(nóng)民收入增長(zhǎng)的效應(yīng)明顯。IFI變量在各模型中對(duì)農(nóng)村經(jīng)濟(jì)發(fā)展的影響系數(shù)都為正，表明普惠金融集聚水平的提高對(duì)周邊地區(qū)農(nóng)民收入增長(zhǎng)有正向作用。

五、結(jié)論與建議

以上采用2006-2015年我國(guó)30個(gè)省市的數(shù)據(jù)對(duì)各省市農(nóng)村普惠金融水平進(jìn)行測(cè)度。結(jié)果表明：（1）各省市農(nóng)村普惠金融水平存在一定的地區(qū)分化差異，但整體呈上升趨勢(shì)，說(shuō)明我國(guó)普惠金融質(zhì)量在逐漸提升。（2）我國(guó)農(nóng)村普惠金融發(fā)展存在一定的空間相關(guān)性，并且有逐年增強(qiáng)的趨勢(shì)，局部空間差異逐漸縮?。粋€(gè)別省份的集聚模式變化值得關(guān)注，河南省從最初的LL型上升至HH型，甘肅省從LH型上升至HH型，而青海、上海、山東各省市則一直分別處于LH型、HL型、LL型。（3）普惠金融集聚與農(nóng)民收入水平之間呈正相關(guān)關(guān)系，普惠金融集聚度的提高對(duì)農(nóng)民收入有正向促進(jìn)作用。

基于以上結(jié)論，提出以下政策建議：（1）普惠金融發(fā)展要加強(qiáng)區(qū)域空間金融合作。位于HH型區(qū)域的省份要充分發(fā)揮其輻射效應(yīng)，加強(qiáng)各省份之間的交流合作，充分帶動(dòng)周邊省市的發(fā)展。LH型區(qū)域要利用周邊省市的輻射效應(yīng)，以此來(lái)提升自身普惠金融水平。LL型、HL型區(qū)域可通過(guò)構(gòu)建區(qū)域普惠金融中心，提升農(nóng)村地區(qū)金融資源流動(dòng)性，擴(kuò)大服務(wù)區(qū)域，加快區(qū)域間資源流動(dòng)，形成最優(yōu)集聚狀態(tài)與“以點(diǎn)帶面”的金融普惠格局。（2）除實(shí)現(xiàn)傳統(tǒng)銀行業(yè)金融服務(wù)普惠外，還需充分提高保險(xiǎn)業(yè)普惠度，包括在農(nóng)業(yè)保險(xiǎn)方面，對(duì)參保居民可給予財(cái)政補(bǔ)助，或根據(jù)農(nóng)村市場(chǎng)需求創(chuàng)新保險(xiǎn)種類等。（3）地方政府要加強(qiáng)交流合作，從制度、政策、法規(guī)方面解決地區(qū)割據(jù)局面，發(fā)揮普惠金融集聚的輻射作用，縮小各地區(qū)普惠金融水平差距，推動(dòng)農(nóng)民收入水平的提高。

參考文獻(xiàn)：

[1] 李濤， 徐翔， 孫碩. 普惠金融與經(jīng)濟(jì)增長(zhǎng)[J]. 金融研究， 2016（4）：1-16.

[2] 陳銀娥， 孫瓊， 徐文赟. 中國(guó)普惠金融發(fā)展的分布動(dòng)態(tài)與空間趨同研究[J].金融經(jīng)濟(jì)學(xué)研究，2015，30（6）：72-81.

[3] 杜強(qiáng)， 潘怡. 普惠金融對(duì)我國(guó)地區(qū)經(jīng)濟(jì)發(fā)展的影響研究——基于省際面板數(shù)據(jù)的實(shí)證分析[J].經(jīng)濟(jì)問(wèn)題探索，2016（3）：178-184.

[4] 羅斯丹， 陳曉， 姚悅欣. 我國(guó)普惠金融發(fā)展的減貧效應(yīng)研究[J].當(dāng)代經(jīng)濟(jì)研究， 2016 （12）： 84-93.

[5] 馬彧菲，杜朝運(yùn).普惠金融指數(shù)測(cè)度及減貧效應(yīng)研究[J].經(jīng)濟(jì)與管理研究，2017， 38 （5）：45-53.

[6] Davis E P.International financial centersan industrial analysis[R]. Discussion Paper，Bank of England，1990.

[7] Pandilt N R，Gary A S， Cook G M，et al. A comparison of clustering dynamics in the british broadcasting and financial services industries [J]. International Journal of the Economics of Business，2002，9（2） ： 195 - 224.

[8] Taylor，Peter J. Financial services clustering and its significance for london[M].London： Corporation of London，2003.

[9] Hsu W T， Wang P. Trade，firm selection，and industrial aglomeration[J]. Regional Science and Urban Economics，2012，42（6） ： 975 - 986

[10]李思霖， 魏修建. 我國(guó)金融集聚與經(jīng)濟(jì)增長(zhǎng)的空間相關(guān)性研究[J].財(cái)經(jīng)問(wèn)題研究， 2017（3）：55-59.

[11]潘輝， 冉光和， 張冰，等. 金融集聚與實(shí)體經(jīng)濟(jì)增長(zhǎng)關(guān)系的區(qū)域差異研究[J].經(jīng)濟(jì)問(wèn)題探索，2013（5）：102-107.

[12]王丹， 葉蜀君. 金融集聚對(duì)區(qū)域收入差距的影響機(jī)理研究[J].經(jīng)濟(jì)問(wèn)題探索， 2015 （7）：160-165.

[13]李林， 丁藝， 劉志華. 金融集聚對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)溢出作用的空間計(jì)量分析[J].金融研究， 2011（5）：113-123.

[14]張秀娟. 金融集聚對(duì)城鄉(xiāng)收入差距的影響——基于省際面板數(shù)據(jù)的實(shí)證分析[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2015（4）：98-107.

[15]王耀中，歐陽(yáng)彪，李越. 生產(chǎn)性服務(wù)業(yè)集聚與新型城鎮(zhèn)化——基于城市面板數(shù)據(jù)的空間計(jì)量分析[J]. 財(cái)經(jīng)理論與實(shí)踐，2014，35（4）：105-110.

[16]張宇， 趙敏. 農(nóng)村普惠金融發(fā)展水平與影響因素研究——基于西部六省的實(shí)證分析[J]. 華東經(jīng)濟(jì)管理，2017，31（3）：77-82.

[17]Sarma M， J Pais. Financial inclusion and development[J]. Journal of International Development，2011，23（5）：613-628.

[18]焦瑾璞，黃亭亭，汪天都，等. 中國(guó)普惠金融發(fā)展進(jìn)程及實(shí)證研究[J]. 上海金融，2015（4）：12-22.

[19]葉偉超.普惠金融的發(fā)展對(duì)城鄉(xiāng)居民收入差距的影響——以華東七省為例[J].哈爾濱商業(yè)大學(xué)學(xué)報(bào)：社會(huì)科學(xué)版，2016（4）：50-58.

（責(zé)任編輯：寧曉青）