江西區域金融生態環境評價

陳雁云 劉 曄

江西區域金融生態環境評價

陳雁云 劉 曄

通過建立系統的金融生態環境評價指標體系，并綜合運用因子分析與AHP，分析江西11個地級市的金融生態環境現狀及影響因素。研究結果表明：影響區域金融生態環境的因素是多方面的，其中經濟基礎、金融穩定與發展、市場中介與信用、政府治理是影響區域金融生態環境的主要因素。因此，構建良好的經濟與金融發展環境、建立有效的信用體系、改善政府治理效能以及協調區域經濟發展，將有利于區域金融生態環境的改善。

金融生態環境；因子分析；層次分析法；江西

陳雁云，江西財經大學江西經濟發展研究院副研究員，博士；

劉 曄，江西財經大學江西經濟發展研究院區域經濟學碩士生。（江西南昌 330013）

一、評價指標體系和研究方法

金融生態環境反映的是金融主體的外部運行環境，其好壞在很大程度上會影響地區的經濟社會發展。自周小川在國內首次提出金融生態這一概念以來[1]，國內關于金融生態的研究越來越多。研究金融生態環境最終要落實到如何對其的評價上，關于評價指標體系，許多學者根據各自的理解分別進行了構建(見表1)。

表1 部分文獻構建金融生態環境評價指標的維度

從這些文獻可以看出，大多數文獻的共同點是把經濟、金融、信用、政府治理和法律環境作為評價金融生態的因素。在評價方法上，常用的金融生態環境定量評價方法主要有DEA、AHP、因子分析法、主成分分析法、人工神經網絡評價法、聚類分析法等[5]。

由于金融生態這一概念較為寬泛，學者們在進行地區金融生態環境評價時選取的指標與評價方法各異，從而使得評價結論不一。并且，許多文獻中僅僅用總量指標進行評價，沒有考慮區域的條件差異如面積和人口等，從而造成評價結果的失真。本文將借鑒現有文獻研究，結合江西省金融生態環境的現實，構建系統的評價指標體系，并綜合運用因子分析與AHP分析江西省11個地級市的金融生態環境現狀及影響因素，以期為地區金融生態環境的改善提供參考。

（一）評價指標體系的建立

本文的金融生態環境評價指標體系，包括經濟基礎、金融穩定與發展、市場中介與信用等八個方面的41個指標(見表2)。

表2 地區金融生態環境評價指標體系

（二）研究方法

本文綜合應用因子分析法和層次分析法 （Analytic Hierarchy Process，簡稱AHP）。其中，因子分析是一種多元統計方法，它的核心是用最少的互相獨立的因子反映原有變量的絕大部分信息，它可以消除指標的線性相關問題，通過因子得分，可以得到各經濟單元的經濟效益情況；層次分析法的計算結果簡單、明確，可以解決系統存在的不確定性和復雜性。AHP模型評價值反映決策者的主觀偏好，因子分析模型評價值反映各單元的經濟效益，利用線性加權的方法把兩者聯用，可以更客觀地反映區域生態環境的真實情況。為了消除兩種方法計算結果數據的差異，需先進行無量綱化，之后采用以下計算公式：

式中，A為綜合評價值；y為AHP模型評價值；?為主觀偏好系數，取[0,1]中任何一個數值，由決策者根據偏好給出；1－?為客觀偏好系數；θ*為因子分析模型評價值[6]。

另外，在數據處理方面，由于本文所選指標既有正指標也有逆指標。因此，為了使指標數值與所要反映的經濟與社會意義一致，必須先將逆向指標數據進行正向化處理，所采用的公式如下：

設 Xi為逆指標數據，

則X′i為正向化后的指標數據。在進行正向化處理后，再對數據進行標準化處理。

二、江西區域金融生態環境的實證分析

（一）數據來源

為了更準確地反映各地區情況，本文所選指標大多數采用3年加權平均方法進行處理，所用數據大多數來源于 《2010—2012江西統計年鑒》、 江西各地級市2010—2012年統計年鑒。由于數據可得性，本文最終只搜集到 41個指標中的 38個指標 2009—2011年的數據。

（二）實證分析與結果

1.因子分析

（1）因子的提取與命名

在對所有指標進行標準化處理消除數據的量綱以后，方可進行因子分析，本文采用了SPSS17.0軟件進行處理，將所有數據導入軟件進行一次因子分析，得出了表3的因子方差表。從表3可以看出，前八個因子的特征值大于1，累計方差貢獻度達97.302%，能夠反映原始數據的絕大多數信息。

表3 因子方差表

因此，選擇前8個公因子計算因子載荷矩陣，并對其進行旋轉，得到旋轉后的因子載荷矩陣，并按變量序號進行排序。結果顯示，因子1基本涵蓋了金融發展、市場中介與信用、法治環境和部分企業狀況的指標，可視為前三者的集合；因子2可以大致描述企業狀況指標；因子3大體可作為政府治理指標的概括；因子4則可描述人口素質指標；因子5可用來指代居民生活水平；而經濟基礎一欄則不容易解釋，只能被看WDT是因子1、6、7的綜合表示；固定資產增長率波動較為獨立，因子8單獨反映了這一指標。

（2）計算因子得分

由SPSS17.0可以得到因子得分矩陣，根據因子方差表和因子得分系數矩陣建立綜合評價得分模型，計算出最終因子綜合得分的結果如圖1所示。

圖1 各地區因子綜合得分

結果顯示，新余市、南昌市與鷹潭市的金融生態環境評價值最高，而上饒市、九江市和贛州市的金融生態環境評價值最低。從第6到第10位的地區，因子得分值相差不大。

2.層次分析法分析

根據前述步驟，利用yaahp0.5.3軟件構造江西省11個地級市區的金融生態環境的遞階層次結構模型。在構造判斷矩陣時，運用Saatty提出的1－9標度法進行成對比較，并邀請多位金融生態方面的學者進行各因素重要性的相互比較，利用群決策對各指標相對重要性進行合理賦權，構造判斷矩陣，該判斷矩陣符合要求，滿足一致性檢驗。

由于各指標數據的量綱不同，本文在進行無量綱化處理后得到樣本指標值,采用加權求和的評價模型，計算得到地區的AHP評價值見表4。

表4 地區各準則層AHP 評價值排序

從單純運用層次分析法得到的評價結果來看，南昌市、新余市與鷹潭市的金融生態環境AHP評價最高，吉安市、撫州市和贛州市的金融生態環境的AHP評價最低。不過，只有在權重分配合理的條件下，評價結果的正確性才能得到保證。因此，要得到更加符合實際情況的評價結果，需綜合考慮兩種方法。

3.因子分析與層次分析評價結果的集成

為了消除兩種不同數據的量綱，首先對數據進行標準化處理。由于因子得分中包含負數，這里采用功效系數法處理數據，將數據的范圍歸到[0，1]間。而后，計算因子分析與AHP的綜合評價值，這里取?＝0.5，結果見表5。

三、評價結果分析

（一）區域金融生態環境評價結果分析

本文從八個維度對江西省的金融生態環境進行評價，無論采用哪種方法，江西省區域金融生態環境狀況都存在明顯的區域差距，南昌、新余和鷹潭的金融生態環境較好，而上饒、撫州和贛州的金融生態環境較差。

通過對比原始數據我們進一步發現，經濟發展水平較高的新余、南昌和鷹潭其金融生態環境也較好，而較低的上饒和贛州則排位較后。因此，區域金融生態環境評價結果從側面反映出區域經濟實力與金融生態環境的狀況具有一定的關聯性。然而，九江有所不同，其連續三年工業總產值排全省第二，但金融生態環境評價結果居于中間。這說明地區經濟實力的強弱并不是金融生態環境好壞的唯一決定因素，金融生態環境可以通過改善其他要素進行優化。

表5 因子分析與AHP 評價結果的數據標準化與最終得分

（二）區域金融生態環境影響因素分析

從AHP給出的權重看，經濟基礎、金融穩定與發展、政府治理、企業狀況和市場中介與信用這五類指標涵蓋了76.82%的權重，可視為影響金融生態環境的主要因素。就單個指標而言，企業經濟效益綜合指數、人均GDP、金融效率、全員勞動生產率、地方法規健全性和金融深度在全部指標中排名靠前，是影響金融生態環境的重要因素。

從因子分析來看，前三個綜合因子反映的原始數據信息達到73%以上，他們分別指代了金融穩定與發展、市場中介和信用、法律環境和政府治理這四大類指標，這些因素是影響金融生態環境的主要因素。因此，綜合兩種方法來看，可主要從金融穩定與發展、政府治理和市場中介與信用等方面來改善地區金融生態環境。

（三）江西各地區金融生態環境差異分析

江西各地區在經濟水平、金融發展、企業效益、人口素質、地理環境均存在著較大差別，發展還不平衡。

1.區域經濟與金融發展水平差距懸殊

反映經濟與金融發展水平的人均GDP、固定資產投資、消費與進出口貿易、金融深度、金融效率等指標在各地區的差距明顯。其一，從3年的加權平均來看，江西人均GDP最高的新余市為59 246.3元，而排在倒數第5位的宜春市人均GDP僅為16 862.75元。其二，從拉動經濟的“三駕馬車”情況看，將三者標準化后的數據加總進行對比，鷹潭、宜春二市表現最佳，贛州、景德鎮數值最低，最高與最低數值相差近1倍。其三，從金融發展的關鍵指標來看，由表4可知，經濟基礎居中的景德鎮與宜春市，在金融發展程度上靠后，表現出經濟與金融發展水平的不協調，而南昌、鷹潭、新余、九江和上饒的排序比較穩定。

2.政府財政能力不一

本文在選擇政府治理層面維度時考慮了政府主導性、財政平衡能力、政府規模以及政府效率，政府主導性主要反映政府在除民生領域以外的其他領域的影響力，可以間接地反映市場配置資源狀況，因為地區財政支出占當地GDP的比重越低，則地區的市場化程度越高[7]。該指標與政府規模和政府效率在江西省各地區的差異并不大，這里主要討論各地的財政平衡能力，包括財政缺口與政府除稅收外的財政能力。從財政缺口看，南昌、新余的財政缺口達到0.63和0.64，近年來這兩市的政府利用地方融資平臺舉債數量較大，未來可能存在一定債務風險，最低的贛州僅為0.34。政府除稅收外的財政收入能力指標在0.5上下波動，最高的景德鎮為0.64，最低的鷹潭為0.40，各地在財政平衡能力方面存在一定差距。

3.市場中介發育情況與信用狀況差距較大

各地區在中介機構數上差距十分顯著，最高與最低地區相關數據相差值均在1倍以上。經濟與金融發展水平高的南昌、新余，市場中介機構也較多，而發展水平較低的上饒和撫州中介機構則較少。這說明市場中介機構是伴隨著經濟與金融發展的發展而發展的。而信用狀況方面，鷹潭的企業信用數值最高，遠遠超過其他地區，這可能是與當地企業效益良好有關，撫州與景德鎮的企業信用數值較低，其余地區的數值相當；個人信用方面，也是經濟實力較強的地區數值高，而經濟實力弱的地區數值低。

（四）江西各地區金融生態環境比較

這里對比2006年與2011年江西各地區金融生態環境的變化。前述表明，經濟基礎、金融穩定與發展、政治治理、市場中介與信用是影響金融生態環境的主要因素，因此按這幾個維度進行比較。根據AHP的指標賦權，各提取一個權重最高的指標。

經濟基礎中的人均GDP所占權重最高，2011年江西省各設區市的人均GDP較2006年大幅增長，其中以新余市表現最為顯著，其值為2006年的3.6倍，其他地區的該倍數大多在2.3～2.4之間，發展比較均衡。

金融穩定與發展中的金融效率 （銀行存貸比）對金融生態環境影響最大，從該指標看，各地區的變化趨勢不一，僅有南昌市、鷹潭市、宜春市以及新余市的銀行存貸比比2006年上升，其他地區除九江市外，其比值均降至60%以下。2006年，各地區的銀行存貸比均值為67%，到了2011年，這一均值為60%，這可能與前些年的銀根縮緊政策有關。值得注意的是，南昌市與新余市的銀行存貸比在 2011年超過 75%，分別為 82%與81.7%，需對風險嚴密把控。

市場中介與信用方面，信用擔保機構數為權重最高的指標，該指標在一定程度上可以反映信用中介市場的發育情況，由于2006年的數據不可得，無法對其進行分析。

政府治理層面的財政缺口為權重最高的指標，通過比較，各地區的財政缺口值除南昌市外均出現了下降，表現出江西省的政府財政平衡能力得到了提高，政府債務問題得到緩解。

四、結論

本文運用因子分析與AHP對江西省11個地級市的金融生態環境狀況進行了評價和分析，得出了以下幾點結論：第一，影響區域金融生態環境的因素是多方面的，不應僅僅局限于經濟基礎、金融、信用和法律環境，還應適當考慮地區的企業經營效益、人口素質及居民生活水平等指標進行評價。第二，江西省區域金融生態環境存在明顯的區域差距。南昌、新余和鷹潭的金融生態環境最佳，撫州和贛州的金融生態環境較差。第三，經濟基礎、金融穩定與發展、政府治理、市場中介與信用是影響金融生態環境的主要因素。

綜合以上結論，本文認為，改善區域金融生態環境需要從多方面入手。其一，要夯實經濟基礎，必須改善政府治理方式，轉變政府職能，創造良好的企業經營環境，優化區域投資環境；其二，要通過不斷深化金融及經濟體制改革、大力發展區域的金融市場和金融服務，讓金融成為實體經濟的有效助推器，努力提高銀行業和其他金融機構的金融服務效率，控制金融風險；其三，建立完善的社會信用體系，既要根據個體的信用狀況給予不同的授信，也要通過細致調查，支持那些一時困難但未來增長潛力大的企業，鼓勵金融機構多扮演做“雪中送炭”的角色；其四，努力調整產業結構，加快地區的第三產業發展和城鎮化進程，實現經濟發展方式的轉變。

[1]周小川.完善法律制度,改進金融生態[N].金融時報，2004－12－07.

[2]李揚，王國剛，劉煜輝.中國城市金融生態環境評價[M].北京：人民出版社，2005.

[3]中國人民銀行洛陽市中心支行課題組.區域金融生態環境評價指標體系研究[J].金融研究，2006，(1).

[4]胡濱.區域金融生態環境評價方法與實證研究[J].經濟管理，2009，(6).

[5]程毅.基于因子分析和DEA的金融生態環境綜合評價研究[D].邯鄲：河北工程大學，2010.

[6]周妮笛.基于AHP－DEA模型的農村金融生態環境評價——以湖南省為例[J].中國農村觀察，2010，(4).

[7]劉煌輝，等.地方政府行為模式對地區金融生態的影響[J].中國金融，2008，(3).

【責任編輯：陳保林】

F830.2

A

1004－518X（2013）05－0077－05