農(nóng)村普惠金融發(fā)展空間差異與集聚效應

蔡四平　李莉

摘 要：基于中國農(nóng)村普惠金融發(fā)展的空間地理特征，依據(jù)2006-2015年30個省市相關數(shù)據(jù)，測算農(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）檢驗普惠金融發(fā)展空間集聚效應。結果發(fā)現(xiàn)：各省市農(nóng)村普惠金融指數(shù)總體呈上升趨勢，農(nóng)村普惠金融發(fā)展空間相關性逐年增強，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性，普惠金融水平的提高能夠促進農(nóng)民收入水平的提高。鑒此，應加強區(qū)域空間金融合作，提高保險業(yè)普惠度；加強地方政府之間交流合作，發(fā)揮普惠金融集聚輻射作用，推動農(nóng)民收入水平進一步提高。

關鍵詞： 普惠金融；金融集聚；空間相關性；區(qū)域經(jīng)濟

中圖分類號：F832 文獻標識碼： A 文章編號：10037217（2018）03002407

一、引 言

近年來，我國普惠金融發(fā)展已呈現(xiàn)服務多元化、覆蓋面廣等特點，基礎金融服務水平在國際上也已達到中上游水平，但普惠金融服務不均衡現(xiàn)象依然存在?？臻g經(jīng)濟學理論認為，地區(qū)經(jīng)濟活動在空間上會產(chǎn)生集中經(jīng)濟效果，加入空間計量方法對我國普惠金融發(fā)展進行研究，能夠更好地解釋區(qū)域化現(xiàn)象，對提高普惠金融集聚度，促進農(nóng)村地區(qū)普惠金融可持續(xù)發(fā)展，促進農(nóng)民收入水平的提高有重要指導意義。

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

利用空間集聚的輻射效應對經(jīng)濟發(fā)展情況進行研究的模式逐漸受到重視，但對于金融集聚的現(xiàn)有研究大多集中在產(chǎn)業(yè)結構方面。Davis（1990）通過對金融服務業(yè)進行調(diào)研發(fā)現(xiàn)，各層次金融服務機構都有聚集發(fā)展的傾向 [6]。Pandit（2001）通過研究發(fā)現(xiàn)，金融中心的形成實際上是由于金融集聚的發(fā)展[7]。Taylor（2003）對英國的金融集聚進行研究發(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)展方面進行研究發(fā)現(xiàn)，兩者之間相互影響，且金融集聚會影響企業(yè)的選址[9]。李思霖和魏修建（2017）認為，經(jīng)濟增長與金融集聚在不同省份間存在空間相關性[10]。潘輝（2013）認為，金融集聚度的提高對實體經(jīng)濟增長有正向作用[11]。王丹和葉蜀君（2015）認為，由于金融集聚水平的不同所產(chǎn)生的不同集聚效應會影響勞動生產(chǎn)率，進而會導致區(qū)域間的收入差距[12]。李林（2011）認為金融資源主要是由銀行業(yè)實現(xiàn)，我國金融集聚的空間相關性主要表現(xiàn)在銀行業(yè)集聚[13]。張秀娟（2015）認為在農(nóng)村金融實施改革后，金融集聚發(fā)展對城鄉(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）認為，生產(chǎn)性服務業(yè)集聚與城鎮(zhèn)化發(fā)展存在正的空間相關性，且促進作用顯著[15]。

綜觀當前相關研究，更多地集中在普惠金融與金融集聚各自對經(jīng)濟發(fā)展的影響方面，而對普惠金融發(fā)展的集聚效應研究還相對缺乏。鑒于此，本文在現(xiàn)有文獻基礎上，從農(nóng)村銀行業(yè)、保險業(yè)兩類主要金融領域建立三個維度的指標，對普惠金融指數(shù)進行測算；同時，引入空間計量方法分析近年來我國各省市農(nóng)村普惠金融發(fā)展現(xiàn)狀及空間差異，并對普惠金融發(fā)展與農(nóng)民收入增長之間的集聚效應進行檢驗，以期為制定農(nóng)民收入增長政策提供理論依據(jù)。

二、農(nóng)村普惠金融指數(shù)構建與計算

（一）指標確立與數(shù)據(jù)說明

農(nóng)村普惠金融指數(shù)的設計應以農(nóng)村普惠金融內(nèi)涵為基礎，以此來反映我國農(nóng)村普惠金融的發(fā)展趨勢。張宇、趙敏（2017）從農(nóng)村金融機構設置比例及市場份額、農(nóng)村金融服務覆蓋率及使用情況等維度來衡量普惠金融發(fā)展情況[16]；陳銀娥（2015）從金融服務滲透度、可獲得性、使用效率性、承受度等方面來反映普惠金融發(fā)展狀況[2]。通過借鑒以上研究，同時考慮指標的有效性與數(shù)據(jù)的可獲取性，本文從以下三個維度構建普惠金融指標體系，如表1所示。

1.金融服務可獲得性——“銀行網(wǎng)點密度”和“萬人銀行業(yè)服務人員數(shù)”反映銀行業(yè)網(wǎng)點及服務人員在人口維度上的普惠性，網(wǎng)點密度越高、萬人擁有服務人員數(shù)越多，農(nóng)村居民越能享受到便利、細致的金融服務?！稗r(nóng)村銀行業(yè)金融機構占比”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)村銀行服務的可獲得性，占比越大，農(nóng)村居民越容易獲取金融服務?？紤]到農(nóng)村銀行業(yè)金融機構主要以農(nóng)村商業(yè)銀行、農(nóng)村合作銀行、農(nóng)村信用社為主，故以上指標均選用這三家銀行的相關數(shù)據(jù)。

2.金融服務使用情況——“萬人平均存款水平”和“萬人平均貸款水平”主要衡量農(nóng)村銀行業(yè)金融服務的使用情況，考慮到農(nóng)村存貸款業(yè)務主要集中在農(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，相關數(shù)據(jù)無法獲取，所以（儲蓄）存款、貸款數(shù)據(jù)均選取農(nóng)村商業(yè)銀行和農(nóng)村信用社相關數(shù)據(jù)?！稗r(nóng)業(yè)保險密度”和“農(nóng)業(yè)保險人均賠付”主要衡量農(nóng)業(yè)保險的覆蓋情況及使用情況，參保金額及賠付金額越高，說明越多的農(nóng)村居民能夠享受到社會保障，農(nóng)村保險業(yè)普惠性越高。

3.金融服務使用效率——“農(nóng)業(yè)保險購買所占比率”“農(nóng)業(yè)保險賠付所占比率”“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”這四個指標主要是對農(nóng)業(yè)保險業(yè)務、銀行存款業(yè)務、銀行貸款業(yè)務的普惠程度進行衡量。

本文選取2006-2015年30個省市數(shù)據(jù)，數(shù)據(jù)來源于各省金融運行報告、《中國保險年鑒》、國家統(tǒng)計局網(wǎng)站、EPS數(shù)據(jù)庫，個別數(shù)據(jù)由網(wǎng)站公布數(shù)據(jù)計算得到。農(nóng)信社、農(nóng)商行存貸款余額數(shù)據(jù)中，北京、天津、重慶三個省市的數(shù)據(jù)由各省市農(nóng)村商業(yè)銀行年度報告及EPS數(shù)據(jù)庫數(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)信社儲蓄存款、農(nóng)信社貸款數(shù)據(jù)代替。

（二）方法選取

本文通過構建普惠金融指數(shù)來對中國各省農(nóng)村普惠金融發(fā)展水平進行測度，并以此為基礎進行后續(xù)研究分析。在參考已有研究的基礎上[2，17-19]，對我國各省普惠金融指數(shù)進行測算，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為指標測度值，wk為權重。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)是一個相對值，所以首先要對各指標權重進行確定。本文采用變異系數(shù)法對指標權重進行確定，具體如下：

Vk=δk/k（2）

其中，k為平均值，δk為標準差（k=1，2，…，8），Vk為變異系數(shù)。對Vk加總求和，則指標權重可表示為：

wk=Vk∑8k=1Vk（3）

由于各指標的計量單位各不相同，經(jīng)濟意義也不相同，所以，在計算IFI之前采用線性閾值法對各指標進行無量綱化處理：

pit=wi（xit-mit）/（Mit-mit）

i=1，2，…，k（4）

其中，pit、xit、Mit、mit分別是進行無量綱化后的測度值、實際測量值、測量最大值、測量最小值。

（三）結果分析

利用式（1）對各省市農(nóng)村普惠金融水平進行測算，測算結果見表2。由表2可知，我國2006-2015年IFI平均值逐年遞增，說明我國農(nóng)村普惠金融水平整體處于上升趨勢，其質量也在逐漸提升。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1.1%，總體呈遞增趨勢，但增長幅度逐年遞減。

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，這也是我國高度重視金融改革、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，北京、上海普惠金融水平較高，其均值達到0.4405、0.4179，遠高于其他省市，主要原因在于，都屬中心城市，金融服務水平與經(jīng)濟水平都相對較高。北京在加入農(nóng)業(yè)保險相關指標后，2006年普惠金融指數(shù)計算結果達到高點，但隨著2007年中央財政全面開啟農(nóng)業(yè)保險試點，其他省份陸續(xù)加大在農(nóng)業(yè)保險方面的資金投入，保險業(yè)整體普惠性提高，北京、上海在保險業(yè)普惠性方面優(yōu)勢不再明顯，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)保險相關指標后的普惠金融指數(shù)計算結果中，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)保險方面的大額投入有關。2015年，新疆、內(nèi)蒙古、黑龍江三省的農(nóng)業(yè)保險保費收入分別達到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)保險方面進行了大量資金投入，保險業(yè)普惠度相對較高，因此，這兩省在2006年普惠金融指數(shù)相對較高。

三、農(nóng)村普惠金融發(fā)展空間差異

（一）基于Moran's I的全局空間自相關檢驗

空間經(jīng)濟學理論認為，相鄰地區(qū)同種經(jīng)濟活動之間存在一定聯(lián)系，可以概述為空間依賴或者空間相關。在一個區(qū)域內(nèi)，地理位置相關的空間數(shù)據(jù)存在一定的自相關性。為了驗證我國普惠金融發(fā)展具有空間集聚的特征，本文運用空間統(tǒng)計學技術對地區(qū)普惠金融集聚進行空間自相關檢驗，即運用Moran's I對各相鄰省份普惠金融發(fā)展情況進行空間自相關檢驗。

構造各空間權重矩陣D，元素aij為：

aij=1，當i省份和j省份相鄰0，當i省份和j省份不相鄰

Moran's I指數(shù)計算公式如下：

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），正負值表示空間的正負相關性。如果I=0，則表示不相關。此外，可用正態(tài)統(tǒng)計量Z值來對n個地區(qū)進行空間自相關檢驗。如果Z值為正且顯著，則觀測值趨于空間聚集，為正的空間自相關。如果Z值為負且顯著，觀測值趨于空間分散，為負的空間自相關。如果Z值等于0，則表示不存在空間相關性。各年份Moran's I結果見表3。

表3顯示，我國農(nóng)村普惠金融發(fā)展存在空間相關關系，由此說明普惠金融發(fā)展的區(qū)域分化現(xiàn)象是由空間相關性造成，而不是隨機發(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，帶動了周邊省市普惠金融的發(fā)展，但發(fā)展較差的省市同時又限制了周邊省市的進一步發(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呈波動式變化，整體呈上升趨勢。特別是近年來各省市普惠金融發(fā)展的空間相關性已趨于正向并穩(wěn)定增強。

（二）基于Moran's I散點圖的局部空間自相關檢驗

局部Moran's I統(tǒng)計是對各省市自身普惠金融集聚水平進行檢驗，即從局部進行空間相關性檢驗。本文采用Moran's I散點圖法對我國地域空間中的每一個分布對象進行局部空間自相關檢驗。

Moran's I散點圖坐標點為x，laggedx，由于laggedx表示對鄰近省份觀測值的加權平均，因此，對x和滯后因子laggedx數(shù)據(jù)的線性關系用可視化的二維圖表示?？臻g相關系數(shù)Moran's I散點圖可將集聚模式劃分為四種（四個象限），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性；第二、四象限稱為空間離群，存在負局部空間相關性。

為比較我國普惠金融發(fā)展的空間相關性變化情況，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散點圖數(shù)據(jù)分布情況可知，我國普惠金融發(fā)展存在一定的空間相關性，并且有逐年增強的趨勢。由2006年較低的負的局部相關性向正的局部空間相關性演變，且2015年的空間正相關性要明顯強于2009年，說明我國普惠金融發(fā)展的集聚情況在空間輻射作用下呈上升趨勢。2015年，我國76.7%的省市表現(xiàn)為正的空間相關性；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年間四個年份各省普惠金融水平的空間相關模式。從中可以看出，在四個觀測年份中，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，LL型省份數(shù)量則逐漸趨于穩(wěn)定，說明我國普惠金融水平的局部空間差異較小，且整體相對穩(wěn)定。HH型省份大多集中在京津等經(jīng)濟發(fā)展水平較高的地區(qū)，以及保險業(yè)普惠性較高的內(nèi)蒙古、黑龍江等地區(qū)。因此保險業(yè)普惠性的提高，同樣帶動了地區(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)濟金融發(fā)展較好、信用機制健全的地區(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。這在一定程度上說明了近十年間，多數(shù)原先普惠金融水平相對較低、相鄰省份也較低的地區(qū)，依然存在普惠金融發(fā)展相對落后的情況。這也說明普惠金融的推進發(fā)展還有很長的路要走，讓廣大農(nóng)村居民享受到切實的金融服務、普惠紅利還需付出更多努力。

由表4還可以發(fā)現(xiàn)，個別省份的集聚模式變化值得關注：一是河北省，在2006年為LL型空間相關模式，說明其自身普惠金融水平較低，相鄰省份也相對較低，雖然北京、天津的普惠金融水平較高，但其輻射效應還不明顯；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，周邊省份也相對較高，輻射效應才開始顯現(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)，輻射效應帶動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較低，雖然周邊省份新疆、四川等在加入保險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，在四個觀測值中，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，可見上海在提升自身普惠金融水平的同時，并未較好地發(fā)揮輻射作用帶動周邊省份發(fā)展。五是山東省，雖然山東地處東部沿海地區(qū)，但就四年的觀測值來看，其一直處于LL型空間相關模式。雖然山東鄰省河北省逐漸發(fā)展為普惠金融水平相對較高的地區(qū)，但其輻射效應還未開始顯現(xiàn)；周邊省份山西、江蘇等普惠金融水平相對較低，在一定程度上也會對山東產(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、普惠金融集聚效應的空間計量分析

（一）空間計量理論模型

根據(jù)以上分析可證明，我國普惠金融集聚存在顯著的空間相關性。本文采用空間滯后模型（SLM）和空間誤差模型（SEM）來對普惠金融集聚效應進行分析。

SLM模型主要探討各變量在某一地區(qū)的溢出效應存在情況。其表達式為：

y=ρWy+Xβ+ε（6）

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

SEM模型主要通過誤差項來體現(xiàn)地區(qū)間的相互聯(lián)系。其表達式為：

y=Xβ+ε，ε=λWψ+ξ（7）

其中， λ是空間自相關系數(shù)，ξ是n×1列的區(qū)域內(nèi)隨機擾動項，并假定ψ和ξ服從獨立同分布且不相關。

（二）變量選取

本文選取農(nóng)民收入指標（LnInc）作為被解釋變量，選取普惠金融指數(shù)指標（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）計算所得，農(nóng)民收入數(shù)據(jù)來源于國家統(tǒng)計局網(wǎng)站。

考察普惠金融集聚與農(nóng)民收入增長的空間滯后模型為：

LnInc=α+βLnIFI+ρLnW×Inc+ε（8）

其中，W是空間權重矩陣，其元素定義了空間鄰接關系，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。

由于存在空間效應，為防止系數(shù)估計值有偏或者無效，對于上述兩個模型均不能采用OLS估計。因此，利用極大似然法來對模型進行參數(shù)估計。

（三）結果分析

表5為隨機效應下SLM模型和SEM模型檢驗結果。通過極大似然法對包含了空間滯后項與空間誤差項的兩模型進行回歸，結果顯示：SLM模型與SEM模型中空間自相關系數(shù)分別為0.1291、8.4618，并且通過1%的顯著性檢驗，說明農(nóng)民收入增長存在空間自相關效應。此外，相對于SLM模型，SEM模型對數(shù)似然函數(shù)值相對較高，所以，它更好地擬合了空間效應。

通過比較模型（8）（9）的擬合優(yōu)度值，SEM模型擬合優(yōu)度較高，達到0.9650。IFI變量在各模型中對農(nóng)民收入水平的影響系數(shù)分別為4453.0062、1913.1625，說明普惠金融集聚水平的提高對農(nóng)民收入水平有促進作用，模型引入農(nóng)民收入水平作為空間變量是合適的，普惠金融集聚對農(nóng)民收入增長的效應明顯。IFI變量在各模型中對農(nóng)村經(jīng)濟發(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周邊地區(qū)農(nóng)民收入增長有正向作用。

五、結論與建議

以上采用2006-2015年我國30個省市的數(shù)據(jù)對各省市農(nóng)村普惠金融水平進行測度。結果表明：（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，說明我國普惠金融質量在逐漸提升。（2）我國農(nóng)村普惠金融發(fā)展存在一定的空間相關性，并且有逐年增強的趨勢，局部空間差異逐漸縮?。粋€別省份的集聚模式變化值得關注，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關系，普惠金融集聚度的提高對農(nóng)民收入有正向促進作用。

基于以上結論，提出以下政策建議：（1）普惠金融發(fā)展要加強區(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，加強各省份之間的交流合作，充分帶動周邊省市的發(fā)展。LH型區(qū)域要利用周邊省市的輻射效應，以此來提升自身普惠金融水平。LL型、HL型區(qū)域可通過構建區(qū)域普惠金融中心，提升農(nóng)村地區(qū)金融資源流動性，擴大服務區(qū)域，加快區(qū)域間資源流動，形成最優(yōu)集聚狀態(tài)與“以點帶面”的金融普惠格局。（2）除實現(xiàn)傳統(tǒng)銀行業(yè)金融服務普惠外，還需充分提高保險業(yè)普惠度，包括在農(nóng)業(yè)保險方面，對參保居民可給予財政補助，或根據(jù)農(nóng)村市場需求創(chuàng)新保險種類等。（3）地方政府要加強交流合作，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，推動農(nóng)民收入水平的提高。

參考文獻：

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

[2] 陳銀娥， 孫瓊， 徐文赟. 中國普惠金融發(fā)展的分布動態(tài)與空間趨同研究[J].金融經(jīng)濟學研究，2015，30（6）：72-81.

[3] 杜強， 潘怡. 普惠金融對我國地區(qū)經(jīng)濟發(fā)展的影響研究——基于省際面板數(shù)據(jù)的實證分析[J].經(jīng)濟問題探索，2016（3）：178-184.

[4] 羅斯丹， 陳曉， 姚悅欣. 我國普惠金融發(fā)展的減貧效應研究[J].當代經(jīng)濟研究， 2016 （12）： 84-93.

[5] 馬彧菲，杜朝運.普惠金融指數(shù)測度及減貧效應研究[J].經(jīng)濟與管理研究，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. 我國金融集聚與經(jīng)濟增長的空間相關性研究[J].財經(jīng)問題研究， 2017（3）：55-59.

[11]潘輝， 冉光和， 張冰，等. 金融集聚與實體經(jīng)濟增長關系的區(qū)域差異研究[J].經(jīng)濟問題探索，2013（5）：102-107.

[12]王丹， 葉蜀君. 金融集聚對區(qū)域收入差距的影響機理研究[J].經(jīng)濟問題探索， 2015 （7）：160-165.

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

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

[15]王耀中，歐陽彪，李越. 生產(chǎn)性服務業(yè)集聚與新型城鎮(zhèn)化——基于城市面板數(shù)據(jù)的空間計量分析[J]. 財經(jīng)理論與實踐，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——基于西部六省的實證分析[J]. 華東經(jīng)濟管理，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. 中國普惠金融發(fā)展進程及實證研究[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)大學學報：社會科學版，2016（4）：50-58.

（責任編輯：寧曉青）