一、引言
中国是一个典型的城乡二元经济结构国家，其城乡收入差距堪称“世界之最”（李实、岳希明，2003）[1]。而金融作为经济增长过程中最重要的兴趣变量之一，金融因素能否减少收入差距一直是经济学家和政策者感兴趣的话题。金融集聚具有而丰富而深刻的内涵。具体地，金融集聚是指金融资源、金融机构和金融系统在结构、功能、规模和等级上时空两种角度的有序演化过程，是金融资源（金融系统）与当地地理环境、人文环境及其他产业（经济环境）间不断融合、不断影响以及不断促进的一个动态过程或者静态结果（王曼怡，2010）[2]。本文进一步将金融集聚划分为证券、银行和保险业集聚来探究其与城乡收入差距的关系。
二、中国金融集聚的空间相关性分析
（一）中国金融集聚程度衡量
自20世纪90年代以来，随着产业集聚理论的发展，有关产业集聚程度的测度方法也经历了从简单到复杂，从粗略到精细的过程。目前，对产业集聚测度的指标主要有：1.行业地区集中度（CRN指数）；2.赫芬达尔指数（H指数）；3.区位熵（LQ）以及（4）空间基尼系数（GiNi）。
考虑到数据的可得性和计算的准确性，下文采用区位熵对金融集聚进行测度。区位熵是经济空间分析中的一个重要指标，用于考察特定经济活动在某个地区全部经济活动中的相对表现。在衡量某一行业在某地区的集聚程度时，区位熵是指该行业的地区比重与国家比重之间的比值。具体地，其计算方法如下：
上式中，表示区位熵；表示某省份金融业的从业人数，e为该省的总就业人数；类似地，表示全国金融业的从业人数，表示全国的总就业人数。一般而言，如果LQ大于1，则说明金融业在该省内呈现集聚态势，且较其他产业而言更为重要。类似地，当LQ小于1时，则说明金融业在该省份没有出现集聚现象。
在此基础上，考虑到金融业的不同划分对金融集聚的影响，我们将金融集聚划分为银行业、证券业和保险业集聚。其中，银行业集聚的区位熵计算方法如下：
其中，Pij表示j省银行业城镇就业人数，Pj表示j省的总的城镇就业人数；Pi表示全国银行业城镇就业人数，P表示全国的总城镇就业人数。类似地，我们也可以定义证券业集聚和保险业集聚。
（二）Moran’s I金融聚集指数
由表1可知，我国金融业在省际区域内出现了集聚现象。除个别年份外，2007～2012年银行业集聚和保险业集聚在10%的显著性水平上都拒绝了原假设，这说明我国银行业和保险业在省域空间内存在集聚现象。从检验值来看，两者的Moran’sI均呈下降的趋势，这说明随着金融业的进步，银行业和保险业的发展也逐步趋于均衡。但是，同期内证券业集聚的P值接近于1，且出现了空间负相关的现象。部分学者认为这是由于我国证券业市场发展不完善所致。然而，我们在调查数据的基础上，发现了另一种可能的原因。北京历年证券业集聚的检验值均显著高于周边省份，从而造成了空间负相关性。例如，北京2012年证券业集聚的区位熵为6.37，而周边省份天津和河北的区位熵只有0.09和0.54。
三、金融集聚地理溢出效应
我国的金融集聚存在较为明显的空间相关性。根据Tobler（1979）提出的地理第一定理，地理事物或属性在空间分布上互为相关，存在集聚（clustering）、随机（random）、规则（Regularity）分布[3]。因此，银行、证券和保险业的集聚可能会通过集聚或者扩散效应影响本省或周边省份的城乡收入差距。通过分析，我们得出以下结论：
第一，总体上，银行业集聚和证券业集聚对城乡收入差距有一定影响，而保险业集聚对其影响则不显著。这与我国金融集聚的实际情况是相符的，目前银行业和证券业处于不断发展和完善之中，而保险业的发展则相对滞后。第二，证券业集聚有效地缩小了城乡收入差距，但其影响力度有限。这说明，金融集聚通过资本市场渠道一定程度上缩小了城乡收入差距。目前，我国资本市场处于不断完善中，一方面股票市场结构更加合理，中小板、创业板以及新三板等政策的出台方便了不同规模的企业进行融资；另一方面债券市场不断发展，企业债和私募债等债券发行规模大幅增加，债券在直接融资中的比重显著增加。资本市场的不断完善优化了金融资源的配置，加大了对城乡之间各层次企业的支持力度，通过促进经济增长和带动就业等方式缩小了我国的城乡收入差距。第三，银行业集聚在一定程度上扩大了城乡收入差距，其影响力相对证券业而言较大。这说明，金融集聚通过信贷渠道在一定程度上扩大了城乡收入差距。这主要体现在金融集聚的排斥效应上。金融资源在“追求利益”最大化目标的过程中，为了降低成本增加利润，过度集中于金融中心。这导致中心区域内的金融机构数目不断增加和金融服务范围不断扩大的同时，农村地区的金融机构和金融服务却因利润过低而被排斥在外。这限制了农村居民享受储蓄和信贷等金融业务带来的经济福利，从而扩大了城乡收入差距。第四，保险业集聚对城乡收入差距影响不显著。这主要是因为相对于银行业和证券业，保险业的发展还相对滞后，市场创新能力不足。第五，在空间权重矩阵的选择上，经济权重矩阵和地理权重矩阵得出了较为一致的结论。在引入空间权重矩阵之后，主要解释变量的显著性得到了一定程度的提高，但是模型的R2和极大似然值没有地理权重矩阵的情况下理想，说明金融集聚的地理相关性要强于经济相关性。
四、结论
本文通过分析说明金融资源的运动属性使得大多数金融要素都流向了东部地区，从而导致区域经济发展的不平衡。最后，我们通过建立地理权重矩阵和经济权重矩阵情况下的空间滞后模型、空间误差模型和空间自回归模型研究了金融集聚对城乡收入差距的空间影响，并得出结论：银行业集聚通过信贷渠道扩大了城乡收入差距，证券业集聚通过资本市场渠道缩小了城乡收入差距，而保险业对城乡收入差距的影响不明显。对此，本文提出几点简要的政策建议：
首先，政府应该加强区域金融合作，着力中部、西部区域金融中心的建设，有效发挥金融因素的空间集聚作用与扩散作用；其次，应该进一步完善金融集聚的信贷传递渠道，大力发展农村
金融建设，减少金融排斥效应，从而缩小城乡收入差距。最后，应该进一步发展证券业和保险业等金融机构，完善多层次资本市场，促进金融资源的合理配置。
参考文献
[1]李实，岳希明.中国个人收入分配[J].经济学（季刊），2003，2（2）.
[2]王曼怡.北京金融产业集聚效应研究[M].中国金融出版社，2010.
//Philosophyingeography.Spring-
erNetherlands，1979：379-386.
作者简介：张磊（1982-），男，四川成都人，硕士研究生，职称：中级经济师，研究方向：经济、金融。
