农村普惠金融发展空间差异与集聚效应

蔡四平　李莉

摘 要：基于中国农村普惠金融发展的空间地理特征，依据2006-2015年30个省市相关数据，测算农村普惠金融水平；建立空间自回归模型（SLM）和空间误差模型（SEM）检验普惠金融发展空间集聚效应。结果发现：各省市农村普惠金融指数总体呈上升趋势，农村普惠金融发展空间相关性逐年增强，局部空间差异逐渐缩小。普惠金融集聚与农民收入变化之间存在正空间相关性，普惠金融水平的提高能够促进农民收入水平的提高。鉴此，应加强区域空间金融合作，提高保险业普惠度；加强地方政府之间交流合作，发挥普惠金融集聚辐射作用，推动农民收入水平进一步提高。

关键词： 普惠金融；金融集聚；空间相关性；区域经济

中图分类号：F832 文獻标识码： A 文章编号：10037217（2018）03002407

一、引 言

近年来，我国普惠金融发展已呈现服务多元化、覆盖面广等特点，基础金融服务水平在国际上也已达到中上游水平，但普惠金融服务不均衡现象依然存在。空间经济学理论认为，地区经济活动在空间上会产生集中经济效果，加入空间计量方法对我国普惠金融发展进行研究，能够更好地解释区域化现象，对提高普惠金融集聚度，促进农村地区普惠金融可持续发展，促进农民收入水平的提高有重要指导意义。

目前，对普惠金融的研究大多集中于对其影响因素的研究，未考虑加入空间因素后地区经济活动之间的相互影响。李涛和徐翔（2016）认为，普惠金融在不同经济社会条件的不同经济体中存在异质性影响[1]。陈银娥（2015）认为，中国普惠金融发展的分布为多级分化格局，且存在一定的空间趋同现象[2]。杜强和潘怡（2016）认为，普惠金融既能促进地区经济的发展，也有可能抑制地区经济的发展[3]。在普惠金融与金融扶贫方面，罗斯丹（2016）认为，发展普惠金融是金融扶贫的重要着力点，减贫效应会随收入水平的提高而增强[4]。马彧菲和杜朝运（2017）认为，普惠金融除对减贫有直接作用外，其对包容性增长也有促进作用，而包容性增长能解释部分的贫困减缓情况，因此，普惠金融对贫困减缓有间接作用[5]。

利用空间集聚的辐射效应对经济发展情况进行研究的模式逐渐受到重视，但对于金融集聚的现有研究大多集中在产业结构方面。Davis（1990）通过对金融服务业进行调研发现，各层次金融服务机构都有聚集发展的倾向 [6]。Pandit（2001）通过研究发现，金融中心的形成实际上是由于金融集聚的发展[7]。Taylor（2003）对英国的金融集聚进行研究发现，地理相邻与人际交往是金融集聚的重要影响因素[8]。Hus（2012）从金融集聚与企业发展方面进行研究发现，两者之间相互影响，且金融集聚会影响企业的选址[9]。李思霖和魏修建（2017）认为，经济增长与金融集聚在不同省份间存在空间相关性[10]。潘辉（2013）认为，金融集聚度的提高对实体经济增长有正向作用[11]。王丹和叶蜀君（2015）认为，由于金融集聚水平的不同所产生的不同集聚效应会影响劳动生产率，进而会导致区域间的收入差距[12]。李林（2011）认为金融资源主要是由银行业实现，我国金融集聚的空间相关性主要表现在银行业集聚[13]。张秀娟（2015）认为在农村金融实施改革后，金融集聚发展对城乡收入有影响，能在一定程度缩小城乡收入差距[14]。王耀中（2014）认为，生产性服务业集聚与城镇化发展存在正的空间相关性，且促进作用显著[15]。

综观当前相关研究，更多地集中在普惠金融与金融集聚各自对经济发展的影响方面，而对普惠金融发展的集聚效应研究还相对缺乏。鉴于此，本文在现有文献基础上，从农村银行业、保险业两类主要金融领域建立三个维度的指标，对普惠金融指数进行测算；同时，引入空间计量方法分析近年来我国各省市农村普惠金融发展现状及空间差异，并对普惠金融发展与农民收入增长之间的集聚效应进行检验，以期为制定农民收入增长政策提供理论依据。

二、农村普惠金融指数构建与计算

（一）指标确立与数据说明

农村普惠金融指数的设计应以农村普惠金融内涵为基础，以此来反映我国农村普惠金融的发展趋势。张宇、赵敏（2017）从农村金融机构设置比例及市场份额、农村金融服务覆盖率及使用情况等维度来衡量普惠金融发展情况[16]；陈银娥（2015）从金融服务渗透度、可获得性、使用效率性、承受度等方面来反映普惠金融发展状况[2]。通过借鉴以上研究，同时考虑指标的有效性与数据的可获取性，本文从以下三个维度构建普惠金融指标体系，如表1所示。

1.金融服务可获得性——“银行网点密度”和“万人银行业服务人员数”反映银行业网点及服务人员在人口维度上的普惠性，网点密度越高、万人拥有服务人员数越多，农村居民越能享受到便利、细致的金融服务。“农村银行业金融机构占比”和“农村银行业从业人员占比” 在一定程度上衡量了农村银行服务的可获得性，占比越大，农村居民越容易获取金融服务。考虑到农村银行业金融机构主要以农村商业银行、农村合作银行、农村信用社为主，故以上指标均选用这三家银行的相关数据。

2.金融服务使用情况——“万人平均存款水平”和“万人平均贷款水平”主要衡量农村银行业金融服务的使用情况，考虑到农村存贷款业务主要集中在农村信用社与农村商业银行，而农村合作银行数量不多，相关数据无法获取，所以（储蓄）存款、贷款数据均选取农村商业银行和农村信用社相关数据。“农业保险密度”和“农业保险人均赔付”主要衡量农业保险的覆盖情况及使用情况，参保金额及赔付金额越高，说明越多的农村居民能够享受到社会保障，农村保险业普惠性越高。

3.金融服务使用效率——“农业保险购买所占比率”“农业保险赔付所占比率”“银行存款总额占地区GDP比重”“银行贷款总额占地区GDP比重”这四个指标主要是对农业保险业务、银行存款业务、银行贷款业务的普惠程度进行衡量。

本文选取2006-2015年30个省市数据，数据来源于各省金融运行报告、《中国保险年鉴》、国家统计局网站、EPS数据库，个别数据由网站公布数据计算得到。农信社、农商行存贷款余额数据中，北京、天津、重庆三个省市的数据由各省市农村商业银行年度报告及EPS数据库数据汇总所得，上海市的数据由《上海金融年鉴》中农信社储蓄存款、农信社贷款数据代替。

（二）方法选取

本文通过构建普惠金融指数来对中国各省农村普惠金融发展水平进行测度，并以此为基础进行后续研究分析。在参考已有研究的基础上[2，17-19]，对我国各省普惠金融指数进行测算，公式如下：

IFIit=1-

（w1-p1t）2+（w2-p2t）2+…+（wk-pkt）2

/w21+w22+…+w2k（1）

其中，IFIit为普惠金融指数，pkt为指标测度值，wk为权重。IFIit∈0，1，IFI值代表普惠金融发展水平。

由于普惠金融指数是一个相对值，所以首先要对各指标权重进行确定。本文采用变异系数法对指标权重进行确定，具体如下：

Vk=δk/k（2）

其中，k为平均值，δk为标准差（k=1，2，…，8），Vk为变异系数。对Vk加总求和，则指标权重可表示为：

wk=Vk∑8k=1Vk（3）

由于各指标的计量单位各不相同，经济意义也不相同，所以，在计算IFI之前采用线性阈值法对各指标进行无量纲化处理：

pit=wi（xit-mit）/（Mit-mit）

i=1，2，…，k（4）

其中，pit、xit、Mit、mit分别是进行无量纲化后的测度值、实际测量值、测量最大值、测量最小值。

（三）结果分析

利用式（1）对各省市农村普惠金融水平进行测算，测算结果见表2。由表2可知，我国2006-2015年IFI平均值逐年递增，说明我国农村普惠金融水平整体处于上升趋势，其质量也在逐渐提升。2006年、2009年、2012年、2015年各省市均值分别为0.0740、0.1544、0.1808、0.1832，年均增长1.1%，总体呈递增趋势，但增长幅度逐年递减。

各省市普惠金融指数存在一定的地区差异，但总体呈上升趋势，这也是我国高度重视金融改革、金融发展所取得的成就。部分省市普惠金融指数呈先上升后逐渐持平的变化趋势，北京、上海普惠金融水平较高，其均值达到0.4405、0.4179，远高于其他省市，主要原因在于，都属中心城市，金融服务水平与经济水平都相对较高。北京在加入农业保险相关指标后，2006年普惠金融指数计算结果达到高点，但随着2007年中央财政全面开启农业保险试点，其他省份陆续加大在农业保险方面的資金投入，保险业整体普惠性提高，北京、上海在保险业普惠性方面优势不再明显，因此，出现了后期普惠金融指数逐渐持平现象。在加入农业保险相关指标后的普惠金融指数计算结果中，新疆、内蒙古、黑龙江等省份普惠金融水平较为靠前，这与各省在农业保险方面的大额投入有关。2015年，新疆、内蒙古、黑龙江三省的农业保险保费收入分别达到350.5亿元、313.5亿元、289.5亿元，而福建、贵州分别为44.4亿元、51.89亿元。新疆、黑龙江在2006年已率先在农业保险方面进行了大量资金投入，保险业普惠度相对较高，因此，这两省在2006年普惠金融指数相对较高。

三、农村普惠金融发展空间差异

（一）基于Moran's I的全局空间自相关检验

空间经济学理论认为，相邻地区同种经济活动之间存在一定联系，可以概述为空间依赖或者空间相关。在一个区域内，地理位置相关的空间数据存在一定的自相关性。为了验证我国普惠金融发展具有空间集聚的特征，本文运用空间统计学技术对地区普惠金融集聚进行空间自相关检验，即运用Moran's I对各相邻省份普惠金融发展情况进行空间自相关检验。

构造各空间权重矩阵D，元素aij为：

aij=1，当i省份和j省份相邻0，当i省份和j省份不相邻

Moran's I指数计算公式如下：

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中所计算的各IFI指数，S2=12∑i（yi-）2，=1n∑ni=1yi。

Moran's I取值为（-1，1），正负值表示空间的正负相关性。如果I=0，则表示不相关。此外，可用正态统计量Z值来对n个地区进行空间自相关检验。如果Z值为正且显著，则观测值趋于空间聚集，为正的空间自相关。如果Z值为负且显著，观测值趋于空间分散，为负的空间自相关。如果Z值等于0，则表示不存在空间相关性。各年份Moran's I结果见表3。

表3显示，我国农村普惠金融发展存在空间相关关系，由此说明普惠金融发展的区域分化现象是由空间相关性造成，而不是随机发生的。普惠金融发展较好的省市产生了空间溢出效应，带动了周边省市普惠金融的发展，但发展较差的省市同时又限制了周边省市的进一步发展。各省市普惠金融发展在全局上表现为空间相依性，其Moran's I呈波动式变化，整体呈上升趋势。特别是近年来各省市普惠金融发展的空间相关性已趋于正向并稳定增强。

（二）基于Moran's I散点图的局部空间自相关检验

局部Moran's I统计是对各省市自身普惠金融集聚水平进行检验，即从局部进行空间相关性检验。本文采用Moran's I散点图法对我国地域空间中的每一个分布对象进行局部空间自相关检验。

Moran's I散点图坐标点为x，laggedx，由于laggedx表示对邻近省份观测值的加权平均，因此，对x和滞后因子laggedx数据的线性关系用可视化的二维图表示。空间相关系数Moran's I散点图可将集聚模式划分为四种（四个象限），即根据第一、二、三、四象限顺序，依次为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样集聚水平高的省份包围，LH代表集聚水平低的省份被其他高集聚水平省份包围，LL代表低集聚水平省份被同样低集聚水平省份包围，HL代表高集聚水平省份被其他低集聚水平省份包围。第一、三象限属于典型的空间聚集，存在正局部空间相关性；第二、四象限称为空间离群，存在负局部空间相关性。

为比较我国普惠金融发展的空间相关性变化情况，本文分别列举2006、2009、2012、2015年四年的情况加以分析。从图1到图4的Moran's I散点图数据分布情况可知，我国普惠金融发展存在一定的空间相关性，并且有逐年增强的趋势。由2006年较低的负的局部相关性向正的局部空间相关性演变，且2015年的空间正相关性要明显强于2009年，说明我国普惠金融发展的集聚情况在空间辐射作用下呈上升趋势。2015年，我国76.7%的省市表现为正的空间相关性；其中26.7%属于HH，即高的普惠金融集聚—高的空间滞后；50%属于LL，即低的普惠金融集聚—低的空间滞后。

（三）局部空间差异分析

表4列举了2006-2015年间四个年份各省普惠金融水平的空间相关模式。从中可以看出，在四个观测年份中，HH型、LL型省份数量占比较高，HH型省份数量有逐年增加的趋势，LL型省份数量则逐渐趋于稳定，说明我国普惠金融水平的局部空间差异较小，且整体相对稳定。HH型省份大多集中在京津等经济发展水平较高的地区，以及保险业普惠性较高的内蒙古、黑龍江等地区。因此保险业普惠性的提高，同样带动了地区普惠金融的发展，而普惠金融集聚高值集聚区也不再仅限于经济金融发展较好、信用机制健全的地区。LL型省份大多为中、西部地区省份，包括安徽、河南、陕西、云南等省份。这在一定程度上说明了近十年间，多数原先普惠金融水平相对较低、相邻省份也较低的地区，依然存在普惠金融发展相对落后的情况。这也说明普惠金融的推进发展还有很长的路要走，让广大农村居民享受到切实的金融服务、普惠红利还需付出更多努力。

由表4还可以发现，个别省份的集聚模式变化值得关注：一是河北省，在2006年为LL型空间相关模式，说明其自身普惠金融水平较低，相邻省份也相对较低，虽然北京、天津的普惠金融水平较高，但其辐射效应还不明显；到2009年、2012年，河北省已升至LH型，但北京、天津的辐射效应仍不明显；直到2015年河北省升至HH型，普惠金融发展水平较高，周边省份也相对较高，辐射效应才开始显现。二是甘肃省，从LH型上升至HH型，其周边省份新疆、内蒙都属于高集聚水平地区，辐射效应带动了甘肃省普惠金融水平的提升。三是青海省，2006-2015年都处于LH型地区，自身普惠金融水平相对较低，虽然周边省份新疆、四川等在加入保险因素后普惠金融水平呈较高状态，但还是受区域经济金融发展限制，存在发展不协调的情况。四是上海市，在四个观测值中，上海一直属于HL型，虽然其自身普惠金融发展水平较高，但其相邻省份江苏、安徽、浙江都较低，可见上海在提升自身普惠金融水平的同时，并未较好地发挥辐射作用带动周边省份发展。五是山东省，虽然山东地处东部沿海地区，但就四年的观测值来看，其一直处于LL型空间相关模式。虽然山东邻省河北省逐渐发展为普惠金融水平相对较高的地区，但其辐射效应还未开始显现；周边省份山西、江苏等普惠金融水平相对较低，在一定程度上也会对山东产生影响，且山东是人口大省、农业大省，在金融发展方面相对滞后也可能是其一直处于LL型地区的原因。

四、普惠金融集聚效应的空间计量分析

（一）空间计量理论模型

根据以上分析可证明，我国普惠金融集聚存在显著的空间相关性。本文采用空间滞后模型（SLM）和空间误差模型（SEM）来对普惠金融集聚效应进行分析。

SLM模型主要探讨各变量在某一地区的溢出效应存在情况。其表达式为：

y=ρWy+Xβ+ε（6）

其中，ρ是空间自回归系数，W是n×n空间权值矩阵，y是n×1的决策变量观察值向量，X是k个外生变量观察值的n×k阶矩阵，β是k×1阶回归系数向量，ε是随机误差序列向量。

SEM模型主要通过误差项来体现地区间的相互联系。其表达式为：

y=Xβ+ε，ε=λWψ+ξ（7）

其中， λ是空间自相关系数，ξ是n×1列的区域内随机扰动项，并假定ψ和ξ服从独立同分布且不相关。

（二）变量选取

本文选取农民收入指标（LnInc）作为被解释变量，选取普惠金融指数指标（LnIFI）作为解释变量，采用2006-2015年的省际面板数据，IFI数据由式（1）计算所得，农民收入数据来源于国家统计局网站。

考察普惠金融集聚与农民收入增长的空间滞后模型为：

LnInc=α+βLnIFI+ρLnW×Inc+ε（8）

其中，W是空间权重矩阵，其元素定义了空间邻接关系，如果地理单元i与j邻接，取1；反之，不邻接，则取0。W×LnInC为空间滞后因变量。ρ为空间自回归系数。

考察普惠金融集聚与农民收入增长的空间误差模型为：

LnInc=α+βLnIFI+λLnW×μ+ε（9）

其中，W×μ为空间滞后误差项。

由于存在空间效应，为防止系数估计值有偏或者无效，对于上述两个模型均不能采用OLS估计。因此，利用极大似然法来对模型进行参数估计。

（三）结果分析

表5为随机效应下SLM模型和SEM模型检验结果。通过极大似然法对包含了空间滞后项与空间误差项的两模型进行回归，结果显示：SLM模型与SEM模型中空间自相关系数分别为0.1291、8.4618，并且通过1%的显著性检验，说明农民收入增长存在空间自相关效应。此外，相对于SLM模型，SEM模型对数似然函数值相对较高，所以，它更好地拟合了空间效应。

通过比较模型（8）（9）的拟合优度值，SEM模型拟合优度较高，达到0.9650。IFI变量在各模型中对农民收入水平的影响系数分别为4453.0062、1913.1625，说明普惠金融集聚水平的提高对农民收入水平有促进作用，模型引入农民收入水平作为空间变量是合适的，普惠金融集聚对农民收入增长的效应明显。IFI变量在各模型中对农村经济发展的影响系数都为正，表明普惠金融集聚水平的提高对周边地区农民收入增长有正向作用。

五、结论与建议

以上采用2006-2015年我国30个省市的数据对各省市农村普惠金融水平进行测度。结果表明：（1）各省市农村普惠金融水平存在一定的地区分化差异，但整体呈上升趋势，说明我国普惠金融质量在逐渐提升。（2）我国农村普惠金融发展存在一定的空间相关性，并且有逐年增强的趋势，局部空间差异逐渐缩小；个别省份的集聚模式变化值得关注，河南省从最初的LL型上升至HH型，甘肃省从LH型上升至HH型，而青海、上海、山东各省市则一直分别处于LH型、HL型、LL型。（3）普惠金融集聚与农民收入水平之间呈正相关关系，普惠金融集聚度的提高对农民收入有正向促进作用。

基于以上结论，提出以下政策建议：（1）普惠金融发展要加强区域空间金融合作。位于HH型区域的省份要充分发挥其辐射效应，加强各省份之间的交流合作，充分带动周边省市的发展。LH型区域要利用周边省市的辐射效应，以此来提升自身普惠金融水平。LL型、HL型区域可通过构建区域普惠金融中心，提升农村地区金融资源流动性，扩大服务区域，加快区域间资源流动，形成最优集聚状态与“以点带面”的金融普惠格局。（2）除实现传统银行业金融服务普惠外，还需充分提高保险业普惠度，包括在農业保险方面，对参保居民可给予财政补助，或根据农村市场需求创新保险种类等。（3）地方政府要加强交流合作，从制度、政策、法规方面解决地区割据局面，发挥普惠金融集聚的辐射作用，缩小各地区普惠金融水平差距，推动农民收入水平的提高。

参考文献：

[1] 李涛， 徐翔， 孙硕. 普惠金融与经济增长[J]. 金融研究， 2016（4）：1-16.

[2] 陈银娥， 孙琼， 徐文赟. 中国普惠金融发展的分布动态与空间趋同研究[J].金融经济学研究，2015，30（6）：72-81.

[3] 杜强， 潘怡. 普惠金融对我国地区经济发展的影响研究——基于省际面板数据的实证分析[J].经济问题探索，2016（3）：178-184.

[4] 罗斯丹， 陈晓， 姚悦欣. 我国普惠金融发展的减贫效应研究[J].当代经济研究， 2016 （12）： 84-93.

[5] 马彧菲，杜朝运.普惠金融指数测度及减贫效应研究[J].经济与管理研究，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. 我国金融集聚与经济增长的空间相关性研究[J].财经问题研究， 2017（3）：55-59.

[11]潘辉， 冉光和， 张冰，等. 金融集聚与实体经济增长关系的区域差异研究[J].经济问题探索，2013（5）：102-107.

[12]王丹， 叶蜀君. 金融集聚对区域收入差距的影响机理研究[J].经济问题探索， 2015 （7）：160-165.

[13]李林， 丁艺， 刘志华. 金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究， 2011（5）：113-123.

[14]张秀娟. 金融集聚对城乡收入差距的影响——基于省际面板数据的实证分析[J].农业技术经济，2015（4）：98-107.

[15]王耀中，欧阳彪，李越. 生产性服务业集聚与新型城镇化——基于城市面板数据的空间计量分析[J]. 财经理论与实践，2014，35（4）：105-110.

[16]张宇， 赵敏. 农村普惠金融发展水平与影响因素研究——基于西部六省的实证分析[J]. 华东经济管理，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，黄亭亭，汪天都，等. 中国普惠金融发展进程及实证研究[J]. 上海金融，2015（4）：12-22.

[19]叶伟超.普惠金融的发展对城乡居民收入差距的影响——以华东七省为例[J].哈尔滨商业大学学报：社会科学版，2016（4）：50-58.

（责任编辑：宁晓青）