金融集聚測度方法國內外研究述評

沈戰

內容摘要：金融集聚的測度方法是金融集聚理論與實務領域中一項復雜而前沿的研究課題。本文對金融集聚測度方法的國內外相關研究予以梳理和評述，對各種研究方法自身特點及在實踐當中存在的不足予以歸納總結，以期為相關領域的進一步研究提供借鑒。

關鍵詞：金融集聚 測度方法 集聚效率

引言

金融集聚既可以定義為一個過程，也可以定義為一個狀態或結果。前者指通過金融資源與地域條件協調、配置、組合的時空動態變化，促進金融產業成長、發展，進而在一定地域空間生成金融地域密集系統的變化過程。也可以看作是金融運動的地域選擇和落實，金融效率的空間調整和提高的過程。后者則指經過上述過程，達到一定規模和密集程度的金融產品、工具、機構、制度、法規、政策文化在一定地域空間有機組合的現象和狀態（黃解宇等，2006）。D.KEEBLE指出，金融集聚是金融發展到高級階段的標志?，F如今，金融集聚儼然成為最具代表性的現代金融組織形式。紐約、倫敦及東京構成世界范圍內的三大金融集聚區，同時部分經濟后起步國家及地區也出現金融機構集聚趨勢。

通過文獻檢索并進行總結分析，當前對金融集聚水平測度方法的研究主要從兩方面展開：一是依托于特定區域的金融集聚水平測度法，主要有金融集中度以及基尼系數等；二是依托于距離的金融集聚水平測度，主要有K函數和L函數、SP指數等。本文的綜述也是由此展開的，并在縱向比較代表性方法的原理后， 圍繞其共同存在的問題做一簡要橫向評析，以期為相關領域的進一步研究提供借鑒。

基于區域的金融集聚水平測度

此類測度方法分為行業集中度、赫芬達爾指數、區位基尼系數、產業集群指數和哈萊-克依指數等五種。

（一）行業集中度

行業集中度是所有金融集聚水平測度方法當中難度最低、應用最為廣泛的一種，實踐中常用行業集中度這一指標作為對某一領域中競爭激烈程度進行判斷和評價的標準。所謂行業集中度（Concentration Ratio），也叫行業集中率或者市場集中度，具體指的是一個行業各個有關市場當中最具實力的幾家企業的產值、產量、銷售額、銷售量、在職人員以及資產總額等在市場中所占比重的綜合。高雅靜（2012）指出，用行業集中度來測量金融業市場結構集中程度，明確行業內企業數量及各自所擁有的實力，在此基礎之上對金融業競爭激烈程度做出判斷。

行業集中度對應的計算公式：

在上述公式當中，字母CRn表示金融領域中最具實力的n家企業的市場集中度，Xi表示金融業當中實力排名第i的企業所對應的生產額、銷售額以及所擁有的在職員工數量，N表示金融業當中所擁有的所有機構數量總和。葉耀明（2007）指出，金融業市場集中水平主要通過行業集中度指標得以展示，通過行業集中度還可以對金融業中實力較為雄厚的企業對應的市場壟斷程度做出判斷。利用上述公式計算金融業行業集中度就是將金融業實力較雄厚的幾家企業各自所占市場份額進行簡單相加即可。

黃永興（2011）等人提出，采用行業集中度公式進行金融集聚測算的優勢在于能夠更加準確、及時的顯示金融業中實力較為雄厚的幾家企業各自份額的變動情況，操作簡單；但同時也存在自身的不足，主要是：首先，金融業當中的企業數量以及各自的市場分布狀況兩大因素均會在一定程度上影響金融業集中度，而行業集中度公式只是對金融業當中最具規模和實力的前幾家機構予以考慮，沒有對金融業中企業數量及分布的變動情況予以綜合全面考慮；其次，所選擇的企業數量也會對行業集中度造成一定影響，也就是說，所選擇的最具實力的企業的數量不同，所計算出來的集中度水平也存在一定差異，這勢必會對產業集中度指標橫向對比造成一定影響，換言之，借助該公式所得出的計算結果是不確定的。

（二）赫芬達爾指數

對金融業行業結構進行判斷的另外一個關鍵指標就是赫芬達爾指數，1950年O.C.Herfirida最先提出用于對行業集中度進行測算的赫芬達爾指數，王偉（2012）等人指出，具體到金融業中，赫芬達爾指數就是全部企業所擁有的市場份額平方和。

赫芬達爾指數計算公式：

，

在上述公式當中，字母Xi表示金融業各個機構相關數值，T表示金融業規模，Si表示在金融業當中排名第i的機構所擁有的市場份額，n則表示金融業當中所擁有的機構數量總和。原立勛（2011）等人總結認為通常情況下，赫芬達爾指數系數與金融業集中度之間具有正相關關系，也就是說，該系數越大，行業集中度也就越高，反之亦然。

一般情況下，在金融業集中度研究、金融業結構研究當中常常會涉及赫芬達爾指數，利用赫芬達爾指數對金融業集聚水平進行測算的原因主要有：第一，通過赫芬達爾指數能夠了解金融業的集中度狀況；第二，赫芬達爾指數對金融業集聚度進行測算主要是通過金融業相對規模平方得以實現，這就意味著該指數能夠對金融業中優勢機構所占據的壟斷地位及競爭激烈程度的變動情況及時做出反應；最后，從具體的操作應用角度分析，赫芬達爾指數能夠更加靈活、準確的反應金融業當中企業合并及分解狀況，且應用難度系數低。與此同時，利用赫芬達爾指數對金融業集聚度進行測算也存在缺點，主要有：第一，赫芬達爾指數屬于絕對集中度指標，忽視了金融業中其余部門空間分布情況，所以無法將其應用于行業間的對比分析；第二，赫芬達爾指數沒有將不同地理單元面積差異納入考量范圍。

（三）區位基尼系數

區位基尼系數可以有效彌補上文所列舉的赫芬達爾指數所存在的缺點，相比較而言，區位基尼系數的應用范圍更加廣泛。1912年，意大利經濟學家拉多基尼最先提出了基尼系數概念，當時主要是在國家之間或者區域之間在收入方面不平等程度測算過程中使用到基尼系數；直到1986年，Keeble等人最先將基尼系數引入行業區域間分布集中度測算領域，這就是在此所探討的區位基尼系數。

區位基尼系數計算公式為：endprint

在上述公式當中，xi表示在i這一區域當中，已經就業的人數在全國就業總人數中所占比例，si表示的是i這一區域范圍內，金融業中就業人數在全國范圍內金融業就業總數中所占比例。

李偉軍（2010）等人總結出將區位基尼系數應用于金融領域聚集度計算的理由主要有：第一，從區位基尼系數計算公式中我們可以得知，次級地理單元就業人數與該區域范圍中全部就業人數之比充當的是變量，這也就表明，該公式對區域面積對集中度計算結果的影響予以綜合分析，從地理集中度角度分析，所得出的結果要比赫芬達爾指標更加精確；第二，該公式中以所有行業地理分布為基準進行對比，從而確保了最終計算結果是能夠用于對各個行業進行對比的，應用范圍更加普遍。同樣，區位基尼系數在計算金融集聚度方面也具有自身的不足，主要體現在對不同產業集聚度進行對比分析時，受產業組織或者區域差異等因素的影響，會使得最終計算出的結果準確性受到影響。

（四）產業集群指數

產業集群指數，即EG指數，最早是Ellison及Glaeser于1997年所提出的，Ellison及Glaeser構建起標靶模型，在所構建的企業區位選擇模型的基礎之上，對產業組織之間的區別予以了綜合考慮，同時將利用空間基尼系數及赫芬達爾指數所計算出的結果納入其中，具體是：假設企業相互間在區位選擇方面存在聯系，企業將會更加傾向集中在擁有自然優勢或者可以從行業內其他企業得到溢出效應的區域。任英華（2010）等指出，產業集群指數最突出的特點就是對區位基尼系數所反映出的區域差異以及赫芬達爾指數所關注的金融領域當中機構實力對集聚度的影響予以了全面綜合考慮。

產業集群指數對應的計算公式為：

在上述公式當中，字母Xi代表的是在i這一區域范圍之中所有就業人數在經濟體就業人數當中所占的比例，H表示前文所討論的赫芬達爾指標，G表示基尼指數。

在金融集聚度測算當中采用產業集群指數的原因在于：產業集群指數對金融領域中各個機構相互間因對外部性或自然優勢進行共享的集中以及隨機集中進行了區別對待，相比較于基尼系數而言，基尼系數沒有對金融業當中各個機構的要求予以綜合考慮，所以產業集群指數具有更加突出的地理意義；除此之外，借助產業集群指數進行對比分析可以突破國家、產業以及時間方面的限制。在金融業集聚測度過程中采取產業集群指數進行分析，產業規模、機構所處的具體位置以及地理數據精準性等因素并不會對最終判斷結果造成實質性影響。

姜冉（2010）等指出，在應用產業集群指數公式對金融集聚測度進行計算分析的過程中，所得出的產業集群指數越大，表明金融業存在額外集中，也就是說，相比較于隨機集中而言，其能夠產生更加明顯的集中。產業集群指數在進行金融集聚測算方面也存在自身的不足，主要是對能夠給金融機構規模分布地理集中產生控制性影響的因素進行判斷，通過產業集群指數指標，無法對導致金融業所存在的額外集中的原因做出準確判斷。

盡管產業集群指數對于金融產業集中影響主要是通過赫芬達爾指數予以控制，但并不意味著產業集群指數可以抵制金融業中機構規模所導致的影響。

（五）哈萊-克依指數

L.Hannah與J.Kay二人提出的哈萊-克依指數，是一個依托于赫芬達爾指標、利用復雜數學方法對產業集聚程度進行測算的更加常規的指數簇。

定義，則對應的哈萊-克依指數表達公式為：

通過上述哈萊-克依指數表達式可知，哈萊-克依指數與產業經濟學領域中的集中曲線之間存在密切聯系，將哈萊-克依指數應用到金融領域當中，將金融業當中的機構數量按照由大到小的順序進行排列構成橫軸，金融機構所占市場份額的總和構成縱軸，哈萊-克依指數曲線向上凸出的程度意味著金融業機構大小分布的不均衡程度，哈萊-克依指數曲線與100%水平線相交點對應的數值就是金融業中機構的總數量。

石沛（2012）等認為，從某種意義上講，赫芬達爾指數就是哈萊-克依指數的一種特殊情況，即R在α取值2的情況下的哈萊-克依指數。依據哈萊-克依指數公式所得出的結果與常規情況不同，換言之，哈萊-克依指數數值與集聚度之間具有負相關關系，具體到金融行業當中，哈萊-克依指數數值越大，意味著金融業集聚度越低，相反，如果哈萊-克依指數數值越小，則意味著金融業集聚度越高。

依托于距離的金融集聚度測算

當前在進行金融集聚度測算過程中所采用的方法大多是建立在行政單元基礎之上的，這種金融集聚度測算方法所得出的結果只能對金融領域某一空間尺度的集聚度做出反映，但實際上，金融業不同單元相互間存在明顯差距，這一點突出體現在區域空間范圍方面，如我國的新疆、內蒙等省份在地理范圍方面遠遠超出安徽、江西等省份。所以，依托于行政單元進行金融地理集中或集聚度測算所得出的結果有可能會對金融空間模式判斷造成一定的負面影響。針對傳統金融集聚度測算方法中所存在的不足，March、Puech以及Duranton及Overman將依托于距離的測算方法引入到金融集聚度測算過程中。

（一）K函數及L函數

所謂K函數，即March、Puech所提出的建立在Ripley基礎之上的函數，該函數的存在需要設定以下假設條件：

第一，將既定區域當中所涉及的機構均視為一個點，將以i點為中心，以r為半徑畫圓，處于該圓輻射領域當中的所有點的數量總和記作f，f充當i的鄰居，即N（i，r），全部點對應的鄰居數的平均值記作：N（r）；第二，假設各個機構相互間彼此獨立存在，同時在圓圈各個點分布的幾率無異，則該區域當中機構平均密度可以記作一個常數λ，則上一步驟所確定的圓圈區域當中所涉及的金融機構數量可以記作λπr2，這就是完全空間隨機分布情況，一般情況下會將這種隨機分布作為基準展開對比分析；第三，某一區域范圍內的金融機構相互間存在緊密聯系，而事實上的分布情況可能與完全空間隨機分布相一致，要么偏向于集中，要么偏向于分散，對于事實上與理論上之間必然存在的偏離可以用K函數進行衡量；所謂K函數，即散布于r距離中全部點鄰居數的平均值與隨機獨立分布情況下的密度之比，將其記作K（r），則有公式：endprint

在上述公式當中，g（ρ）表示徑向分布函數，如果確保不變動方向，則該徑向分布函數只受點之間的距離因素影響，可將其記作g（r）。因為r在取值范圍上并無特殊限制，所以，利用K函數便可以對在不同空間范圍內的經濟活動集聚狀況進行分析。當然，應用K函數對金融集聚度進行測算也存在一定的不足，主要表現為要對比分析每次測算值與πr2上。

鑒于K函數存在的不足，Besag進行了完善，其比較基準選定為0，由此推導出L函數，對應的表達公式為：

在上述公式當中，L（r）意味著分布在r范圍當中的各點對應的區域平均分布密度取λ的情況下，實際分布范圍與理論分布范圍之間的差值。舉例來講，在L（10）=5的情況下，意味著在半徑為10km的范圍之內實際點數量完全隨機分布情況下與15km范圍之內的點的數量并無差異。將L函數應用于金融領域當中，如果根據L函數所得出的數值為正，意味著于r范圍之內金融地理分布集中；相反，如果根據L函數所得出的數值為負，意味著于r范圍之內金融地理分布分散。

徐玲（2011）等通過對L函數當中的半徑賦予不同的數值進行計算便可以總結出金融領域當中各個尺度地理區域范圍當中在分布上的規律。對于傳統金融集聚測度方法在實際應用中所暴露出的缺點，借助K函數及L函數可以進行有效彌補，但在有關研究過程中也面臨一系列的不足，具體體現在以下幾方面：第一，實踐研究過程中所針對的研究對象所處區域展現出較為復雜的地理特征，簡單的設定區域當中點是均勻且隨機分布顯然是不科學的；第二，Ripley在研究過程中將各企業均視為一個點，忽視了對金融機構自身規模因素的考慮，而實際上，既定地理區域范圍當中的金融機構的規模會或多或少影響到金融集聚測度結果；第三，將處于研究區邊界周邊、不屬于研究區但處于r范圍當中的點涵蓋其中的可能性客觀存在，而避免此種現象的難度相當大，由此也決定了在相對復雜的空間運算當中引入該方法并不現實；最后，該函數設定完全隨機空間分布為基準進行對比，密度設定為常數，采取此種方案并無實際意義，原因在于通過地圖可以較為清晰的對此種集聚進行展示，鑒于此，以所有行業為基準進行對比分析更具科學性和可行性。

（二）SP指數

SP指數是由克魯格曼及米德法特-納維克所提出的，該指數主要是對實踐應用當中空間基尼系數及赫芬達爾指數所存在的不足所提出的。不管是空間基尼系數還是赫芬達爾指數的主要任務或價值都是對某一行業的空間集中情況進行分析和判斷，其中并未涉及空間距離變量。車欣薇（2012）等指出，實際上，具體到金融業而言，在其相關的空間基尼系數以及赫芬達爾指數數值均不發生任何變動的情況下，由于金融業空間分布因素的影響，相應的空間集中度必然不會像空間基尼系數以及赫芬達爾指數那樣不會出現數值的變動，然而距離相差不大的行業對應的集中度也不高。對于這一問題可以采用SP指數予以解決。SP指數對應的計算公式為：

在上述公式當中，vik表示第i地市的金融產業值在本省金融生產總值中所占份額，vjk表示第j地市的金融產業值在本省金融生產總值中所占份額，δij表示兩個地區i及j首府之間的最短路程。具體到金融領域當中，SP指數值越小，表明金融業相對集中，相反，隨著SP指數的增加，意味著金融業在空間上逐漸趨于擴散。

結語

金融集聚的測度方法是金融集聚理論與實務領域中一項復雜而前沿的研究課題。本文對金融集聚測度方法的國內外相關研究予以梳理和評述，對各種研究方法自身特點及在實踐當中存在的不足予以歸納總結，以期為相關領域的進一步研究提供借鑒。

當前，學術界關于產業集聚及金融集聚的研究已經較為深入，特別是關于金融集聚測度方法的研究已經取得階段性進展。在本文中，筆者重點對現有關于金融集聚測度方法的研究成果進行了歸納總結，接下來的主要任務就是針對金融集聚系統性及實證性進行更加深入的研究，以期更好地指導實踐。

參考文獻：

1.黃解宇，楊再斌.金融集聚論[M].中國社會科學出版社，2006

2.D. KEEBLE，L. NACHUM.Why do business service firms cluster？ Small consultancies，clustering and decentralization in London and Southern England. Transactions of the Institute of British Geographers.2002

3.高雅靜.金融集聚、制造業集聚與區域經濟增長關系研究[D].南京大學.2012（5）

4.葉耀明，王勝.長三角城市群金融發展對經濟增長促進作用的實證分析—基于動態計量經濟學分析方法的應用[J].經濟問題探索，2007（4）

5.黃永興，徐鵬，孫彥驪.金融集聚影響因素及其溢出效應—基于長三角的實證分析[J].投資研究，2011（8）

6.王偉.我國沿海地區金融集聚的經濟發展效應研究[D].中國海洋大學，2012（6）

7.原立勛.區域金融發展與經濟增長關系的實證分析—基于東西部地區銀行業發展的視角[J].中國集體經濟，2011（1）

8.李偉軍.經濟增長極視角下的金融集聚問題研究[J].安徽工業大學學報（社會科學版），2010（1）

9.任英華，姚莉媛.金融集聚核心能力評價指標體系與模糊綜合評價研究[J].統計與決策，2010（11）

10.姜冉.泛珠三角地區金融集聚與經濟增長—基于1982—2007年的數據分析[J].經濟研究導刊，2010（20）

11.石沛.金融集聚對區域經濟增長的空間影響機制研究[D].重慶大學，2012（3）

12.徐玲.金融集聚與區域經濟增長的空間計量研究[D].湖南大學，2011（9）

13.車欣薇，部慧，梁小珍，王拴紅，汪壽陽.一個金融集聚動因的理論模型[J].管理科學學報，2012（3）endprint

在上述公式當中，g（ρ）表示徑向分布函數，如果確保不變動方向，則該徑向分布函數只受點之間的距離因素影響，可將其記作g（r）。因為r在取值范圍上并無特殊限制，所以，利用K函數便可以對在不同空間范圍內的經濟活動集聚狀況進行分析。當然，應用K函數對金融集聚度進行測算也存在一定的不足，主要表現為要對比分析每次測算值與πr2上。

鑒于K函數存在的不足，Besag進行了完善，其比較基準選定為0，由此推導出L函數，對應的表達公式為：

在上述公式當中，L（r）意味著分布在r范圍當中的各點對應的區域平均分布密度取λ的情況下，實際分布范圍與理論分布范圍之間的差值。舉例來講，在L（10）=5的情況下，意味著在半徑為10km的范圍之內實際點數量完全隨機分布情況下與15km范圍之內的點的數量并無差異。將L函數應用于金融領域當中，如果根據L函數所得出的數值為正，意味著于r范圍之內金融地理分布集中；相反，如果根據L函數所得出的數值為負，意味著于r范圍之內金融地理分布分散。

徐玲（2011）等通過對L函數當中的半徑賦予不同的數值進行計算便可以總結出金融領域當中各個尺度地理區域范圍當中在分布上的規律。對于傳統金融集聚測度方法在實際應用中所暴露出的缺點，借助K函數及L函數可以進行有效彌補，但在有關研究過程中也面臨一系列的不足，具體體現在以下幾方面：第一，實踐研究過程中所針對的研究對象所處區域展現出較為復雜的地理特征，簡單的設定區域當中點是均勻且隨機分布顯然是不科學的；第二，Ripley在研究過程中將各企業均視為一個點，忽視了對金融機構自身規模因素的考慮，而實際上，既定地理區域范圍當中的金融機構的規模會或多或少影響到金融集聚測度結果；第三，將處于研究區邊界周邊、不屬于研究區但處于r范圍當中的點涵蓋其中的可能性客觀存在，而避免此種現象的難度相當大，由此也決定了在相對復雜的空間運算當中引入該方法并不現實；最后，該函數設定完全隨機空間分布為基準進行對比，密度設定為常數，采取此種方案并無實際意義，原因在于通過地圖可以較為清晰的對此種集聚進行展示，鑒于此，以所有行業為基準進行對比分析更具科學性和可行性。

（二）SP指數

SP指數是由克魯格曼及米德法特-納維克所提出的，該指數主要是對實踐應用當中空間基尼系數及赫芬達爾指數所存在的不足所提出的。不管是空間基尼系數還是赫芬達爾指數的主要任務或價值都是對某一行業的空間集中情況進行分析和判斷，其中并未涉及空間距離變量。車欣薇（2012）等指出，實際上，具體到金融業而言，在其相關的空間基尼系數以及赫芬達爾指數數值均不發生任何變動的情況下，由于金融業空間分布因素的影響，相應的空間集中度必然不會像空間基尼系數以及赫芬達爾指數那樣不會出現數值的變動，然而距離相差不大的行業對應的集中度也不高。對于這一問題可以采用SP指數予以解決。SP指數對應的計算公式為：

在上述公式當中，vik表示第i地市的金融產業值在本省金融生產總值中所占份額，vjk表示第j地市的金融產業值在本省金融生產總值中所占份額，δij表示兩個地區i及j首府之間的最短路程。具體到金融領域當中，SP指數值越小，表明金融業相對集中，相反，隨著SP指數的增加，意味著金融業在空間上逐漸趨于擴散。

結語

金融集聚的測度方法是金融集聚理論與實務領域中一項復雜而前沿的研究課題。本文對金融集聚測度方法的國內外相關研究予以梳理和評述，對各種研究方法自身特點及在實踐當中存在的不足予以歸納總結，以期為相關領域的進一步研究提供借鑒。

當前，學術界關于產業集聚及金融集聚的研究已經較為深入，特別是關于金融集聚測度方法的研究已經取得階段性進展。在本文中，筆者重點對現有關于金融集聚測度方法的研究成果進行了歸納總結，接下來的主要任務就是針對金融集聚系統性及實證性進行更加深入的研究，以期更好地指導實踐。

參考文獻：

1.黃解宇，楊再斌.金融集聚論[M].中國社會科學出版社，2006

2.D. KEEBLE，L. NACHUM.Why do business service firms cluster？ Small consultancies，clustering and decentralization in London and Southern England. Transactions of the Institute of British Geographers.2002

3.高雅靜.金融集聚、制造業集聚與區域經濟增長關系研究[D].南京大學.2012（5）

4.葉耀明，王勝.長三角城市群金融發展對經濟增長促進作用的實證分析—基于動態計量經濟學分析方法的應用[J].經濟問題探索，2007（4）

5.黃永興，徐鵬，孫彥驪.金融集聚影響因素及其溢出效應—基于長三角的實證分析[J].投資研究，2011（8）

6.王偉.我國沿海地區金融集聚的經濟發展效應研究[D].中國海洋大學，2012（6）

7.原立勛.區域金融發展與經濟增長關系的實證分析—基于東西部地區銀行業發展的視角[J].中國集體經濟，2011（1）

8.李偉軍.經濟增長極視角下的金融集聚問題研究[J].安徽工業大學學報（社會科學版），2010（1）

9.任英華，姚莉媛.金融集聚核心能力評價指標體系與模糊綜合評價研究[J].統計與決策，2010（11）

10.姜冉.泛珠三角地區金融集聚與經濟增長—基于1982—2007年的數據分析[J].經濟研究導刊，2010（20）

11.石沛.金融集聚對區域經濟增長的空間影響機制研究[D].重慶大學，2012（3）

12.徐玲.金融集聚與區域經濟增長的空間計量研究[D].湖南大學，2011（9）

13.車欣薇，部慧，梁小珍，王拴紅，汪壽陽.一個金融集聚動因的理論模型[J].管理科學學報，2012（3）endprint

在上述公式當中，g（ρ）表示徑向分布函數，如果確保不變動方向，則該徑向分布函數只受點之間的距離因素影響，可將其記作g（r）。因為r在取值范圍上并無特殊限制，所以，利用K函數便可以對在不同空間范圍內的經濟活動集聚狀況進行分析。當然，應用K函數對金融集聚度進行測算也存在一定的不足，主要表現為要對比分析每次測算值與πr2上。

鑒于K函數存在的不足，Besag進行了完善，其比較基準選定為0，由此推導出L函數，對應的表達公式為：

在上述公式當中，L（r）意味著分布在r范圍當中的各點對應的區域平均分布密度取λ的情況下，實際分布范圍與理論分布范圍之間的差值。舉例來講，在L（10）=5的情況下，意味著在半徑為10km的范圍之內實際點數量完全隨機分布情況下與15km范圍之內的點的數量并無差異。將L函數應用于金融領域當中，如果根據L函數所得出的數值為正，意味著于r范圍之內金融地理分布集中；相反，如果根據L函數所得出的數值為負，意味著于r范圍之內金融地理分布分散。

徐玲（2011）等通過對L函數當中的半徑賦予不同的數值進行計算便可以總結出金融領域當中各個尺度地理區域范圍當中在分布上的規律。對于傳統金融集聚測度方法在實際應用中所暴露出的缺點，借助K函數及L函數可以進行有效彌補，但在有關研究過程中也面臨一系列的不足，具體體現在以下幾方面：第一，實踐研究過程中所針對的研究對象所處區域展現出較為復雜的地理特征，簡單的設定區域當中點是均勻且隨機分布顯然是不科學的；第二，Ripley在研究過程中將各企業均視為一個點，忽視了對金融機構自身規模因素的考慮，而實際上，既定地理區域范圍當中的金融機構的規模會或多或少影響到金融集聚測度結果；第三，將處于研究區邊界周邊、不屬于研究區但處于r范圍當中的點涵蓋其中的可能性客觀存在，而避免此種現象的難度相當大，由此也決定了在相對復雜的空間運算當中引入該方法并不現實；最后，該函數設定完全隨機空間分布為基準進行對比，密度設定為常數，采取此種方案并無實際意義，原因在于通過地圖可以較為清晰的對此種集聚進行展示，鑒于此，以所有行業為基準進行對比分析更具科學性和可行性。

（二）SP指數

SP指數是由克魯格曼及米德法特-納維克所提出的，該指數主要是對實踐應用當中空間基尼系數及赫芬達爾指數所存在的不足所提出的。不管是空間基尼系數還是赫芬達爾指數的主要任務或價值都是對某一行業的空間集中情況進行分析和判斷，其中并未涉及空間距離變量。車欣薇（2012）等指出，實際上，具體到金融業而言，在其相關的空間基尼系數以及赫芬達爾指數數值均不發生任何變動的情況下，由于金融業空間分布因素的影響，相應的空間集中度必然不會像空間基尼系數以及赫芬達爾指數那樣不會出現數值的變動，然而距離相差不大的行業對應的集中度也不高。對于這一問題可以采用SP指數予以解決。SP指數對應的計算公式為：

在上述公式當中，vik表示第i地市的金融產業值在本省金融生產總值中所占份額，vjk表示第j地市的金融產業值在本省金融生產總值中所占份額，δij表示兩個地區i及j首府之間的最短路程。具體到金融領域當中，SP指數值越小，表明金融業相對集中，相反，隨著SP指數的增加，意味著金融業在空間上逐漸趨于擴散。

結語

金融集聚的測度方法是金融集聚理論與實務領域中一項復雜而前沿的研究課題。本文對金融集聚測度方法的國內外相關研究予以梳理和評述，對各種研究方法自身特點及在實踐當中存在的不足予以歸納總結，以期為相關領域的進一步研究提供借鑒。

當前，學術界關于產業集聚及金融集聚的研究已經較為深入，特別是關于金融集聚測度方法的研究已經取得階段性進展。在本文中，筆者重點對現有關于金融集聚測度方法的研究成果進行了歸納總結，接下來的主要任務就是針對金融集聚系統性及實證性進行更加深入的研究，以期更好地指導實踐。

參考文獻：

1.黃解宇，楊再斌.金融集聚論[M].中國社會科學出版社，2006

2.D. KEEBLE，L. NACHUM.Why do business service firms cluster？ Small consultancies，clustering and decentralization in London and Southern England. Transactions of the Institute of British Geographers.2002

3.高雅靜.金融集聚、制造業集聚與區域經濟增長關系研究[D].南京大學.2012（5）

4.葉耀明，王勝.長三角城市群金融發展對經濟增長促進作用的實證分析—基于動態計量經濟學分析方法的應用[J].經濟問題探索，2007（4）

5.黃永興，徐鵬，孫彥驪.金融集聚影響因素及其溢出效應—基于長三角的實證分析[J].投資研究，2011（8）

6.王偉.我國沿海地區金融集聚的經濟發展效應研究[D].中國海洋大學，2012（6）

7.原立勛.區域金融發展與經濟增長關系的實證分析—基于東西部地區銀行業發展的視角[J].中國集體經濟，2011（1）

8.李偉軍.經濟增長極視角下的金融集聚問題研究[J].安徽工業大學學報（社會科學版），2010（1）

9.任英華，姚莉媛.金融集聚核心能力評價指標體系與模糊綜合評價研究[J].統計與決策，2010（11）

10.姜冉.泛珠三角地區金融集聚與經濟增長—基于1982—2007年的數據分析[J].經濟研究導刊，2010（20）

11.石沛.金融集聚對區域經濟增長的空間影響機制研究[D].重慶大學，2012（3）

12.徐玲.金融集聚與區域經濟增長的空間計量研究[D].湖南大學，2011（9）

13.車欣薇，部慧，梁小珍，王拴紅，汪壽陽.一個金融集聚動因的理論模型[J].管理科學學報，2012（3）endprint