我國地區金融集聚水平的測度

李靜+白江

摘 要：由于我國經濟發展的不平衡，金融集聚在各區域發展的速度和程度存在明顯的差異。由于評價金融集聚的指標體系存在不足，不能真實反映金融集聚的真實情況。因此，從金融業的細分入手，選取具有代表性的指標構建金融集聚的衡量指標體系，運用因子分析方法計算各省市的分行業集聚度，進而得到全國各省市金融集聚度。最后根據實證的研究結果提出了改善金融集聚的政策建議。

關鍵詞：金融集聚；指標體系；因子分析

作者簡介：李靜，女，經濟學博士，吉林大學馬克思主義學院教師，從事區域經濟研究；白江，男，吉林大學東北亞研究院區域經濟學博士研究生，吉林大學計算機科學與技術學院講師，從事區域經濟研究。

基金項目：吉林省社會科學基金項目“吉林省建設區域金融中心的實證研究”，項目編號：2014BS41

中圖分類號：F061.5 文獻標識碼：A 文章編號：1000-7504（2014）04-0052-07

20世紀70年代以來，不同種類的金融機構在空間上集聚，在世界范圍內逐漸形成了紐約、倫敦和東京等世界金融中心。隨著金融全球化的發展，我國的金融機構在空間上的集聚趨勢也日益明顯，逐漸形成了北京、上海等全國性的金融中心以及區域性的金融中心，我國金融中心的綜合實力在不斷上升。但由于我國經濟發展的不平衡，金融集聚在各區域發展的速度和程度必然存在明顯的差異。那么各地區金融集聚的情況具體是怎樣的呢？國內學者近年來對金融集聚的測度已經做過一些嘗試。文獻中采用的金融集聚的評價方法主要有下面四種：

一是因子分析法，吳聰、王聰構建了經濟、金融和城市發展三方面的12項指標，運用因子分析方法對我國11個重要金融中心進行測度，并給出相應的排名。[1]黎平海和王雪選取8個指標，運用因子分析方法對廣東省的金融集聚度進行測度。[2]管馳明和徐愛華、劉衛等均采用因子分析方法對特定地區的金融集聚進行測度，并得出了有價值的結論。[3][4]

二是主成分分析法，丁藝等分別從目標層、準則層和因子層等三個層面選取了23個指標構建金融集聚的衡量體系，并采用主成分分析法對31個省（直轄市和自治區）的金融集聚度進行分析。[5]

三是赫芬達爾指數法，姜冉采用赫芬達爾指數（HI指數）對泛珠三角地區的金融集聚進行衡量，結果表明泛珠三角地區存在金融集聚現象。[6]

四是區位熵法，劉紅[7]采用區位熵方法分別對珠三角和上海市的金融集聚進行測度，結果均發現該地區存在明顯的金融集聚現象。殷興山采用金融集聚力、金融資源力和金融區位力三個方面的指標對我國長三角地區15個城市的金融競爭力進行評估，結果發現城市的金融競爭力與金融資源的分布有很大關系。[8]

上述研究取得了一定的成果，為本文提供了很好的借鑒作用，但是絕大多數研究選取的指標數量較少，不能完全涵蓋金融業的各細分行業，選取的地區都是發達地區或者針對個別的一些城市進行的研究，針對全國所有省份進行的系統對比和研究較少。以此為背景，本文運用因子分析方法從保險市場、信托市場、證券市場、信貸市場四個主要的金融市場入手，對我國31個省（直轄市和自治區）金融集聚水平進行綜合測度，以期能夠提供更具實際意義的研究結論，從而為政策制定提供參考。

一、金融集聚評價方法及指標體系構建

1. 金融集聚評價方法

從上文可知，金融集聚的評價方法有很多，本文采用的方法主要是因子分析方法。因子分析的主要思想是從參與數據建模的許多變量中，通過找到具有代表性的能夠表示多個變量之間相互關系的因子，在不造成統計信息丟失的情況下，用較少的變量反映原有變量的絕大部分信息。具體實施的主要步驟包括[9]：

（1）KMO檢驗和Bartlett球形檢驗

KMO（Kaiser-Meyer-Olkin）檢驗能夠對變量之間的相關性進行檢驗，從而確定變量之間的關系是否適合做因子分析。KMO統計量的取值在0—1之間。KMO統計量的值越接近1，表明變量越適合做因子分析；KMO統計量的值低于0.5，表明變量不適合做因子分析。

Bartlett球形檢驗主要是用于檢驗數據是否呈球形分布，相關系數矩陣是不是單位矩陣以及各變量的獨立情況。如果Bartlett球形檢驗的值高于指定顯著性水平下的臨界值，表明變量之間存在相關性，適合做因子分析；如果低于臨界值，則表明不適合做因子分析。

（2）計算變量的相關系數矩陣

在上述檢驗的基礎上，進一步計量變量的相關系數矩陣，如果相關系數矩陣中的大部分值均高于0.3，表明變量之間的相關性較強，原則上這些變量可以進行因子分析。

（3）計算公因子方差

通過公因子方差的計算，可以得到提取公因子前后各個變量的共同度，能夠反映提取公因子以后的信息損失程度。公因子提取的方法是主成分分析法。

（4）計算因子的累積方差貢獻率確定因子個數

因子的累積方差貢獻率是衡量因子是否具有公共性的重要指標。通常選取累積方差貢獻率大于0.85時因子的特征根個數。

（5）計算因子旋轉矩陣和因子得分系數

求因子旋轉矩陣的目的主要是為了使因子載荷矩陣的結構更加簡化，使每一個變量僅在一個公共因子上有較大載荷，在其他公共因子上的載荷較小。將較多的變量表示為公共因子的線性組合，這樣就可以利用因子變量對研究目標進行評價，實現降維和簡化，通過計算因子得分函數得到每個地區的因子得分（即金融集聚得分），因子得分是因子分析的最終體現。

2. 評價指標體系的構建

（1）指標構建原則

本文根據相關性原則、可操作性原則、可比性原則和科學性原則，構建我國各地區金融集聚測度的指標體系。金融集聚是一個復雜的經濟現象，由于政治、經濟、社會等因素都有可能對金融集聚的形成產生較大影響，本文選取的指標信息同我國金融集聚的實際情況相互關聯，是最直接的因素，以減少不必要的干擾。金融集聚評價指標體系的構建，既要考慮研究的需要，又要考慮到其他的客觀條件，并不是要將所有的東西全部加以量化才夠客觀，而是要避免衡量時的主觀臆斷與測量的偏差。因此，所選取的各項指標要具有可操作性，都能進行量化，并且按照現行的數據統計和處理方法，對金融集聚評價指標數據進行一致化的處理，使得指標元素口徑一致，以便于對不同區域進行比較分析。選取的金融集聚評價指標除了能夠客觀真實地反映影響金融集聚的各種因素外，還應該力求各項指標含義清晰、獨立，以便于得出科學的結論。

（2）指標的選擇

本文為了使金融集聚的測度盡可能地反映實際集聚水平，將金融市場細分為保險市場、信托市場、信貸市場和證券市場。對每一個行業均選擇多個代表性的指標納入金融集聚指標體系中。具體選取的指標如表1所示。

從表1可見，保險市場選取了6項主要指標，其中保費收入是保險公司資金的主要來源，保費收入總額直接體現了保險行業的規模；保險賠付支出反映了保險公司資金的使用情況，屬于保險公司的主要成本；國家規定保險公司必須按照一定的比例進行分保，由保險公司自身業務發展得到保費收入是原保費收入，接受其他公司保險分保收取的保費稱為再保險保費收入，因此選取原保費收入指標，可以反映保險業自身業務增強情況；保險深度是指某地保費收入占該地國內生產總值（GDP）之比，反映了該地保險業在整個經濟中的地位；保險密度是指按當地人口計算的人均保險費額，反映了該地國民參加保險的程度；保險類金融機構從業人員總數從另一個側面反映了該地區保險業的發展規模。所選的6項指標能夠比較全面地體現保險業集聚的程度。

信托市場選取了5項主要指標，其中信托資產總額反映的是信托行業的資產規模；信托資產營業收入是信托行業的重要收入來源，反映的是信托公司的經營能力；信托公司數能夠反映信托行業的景氣情況；信托公司固有資產總額區別于信托資產，反映的是信托公司的自有資產，是盈利所得；信托公司凈資產收益率反映的是公司的盈利能力。所選的5項指標能夠比較全面地體現信托業集聚的程度和水平。

信貸市場選取了4項主要指標，其中銀行業增加值反映的是銀行業產值的增長情況；各項存款、貸款余額反映的是銀行的資產負債情況；銀行網點數反映的是銀行業的規模。所選的4項指標能夠比較全面地衡量信貸市場的集聚情況。

證券市場選取了5項主要指標，股票市價總值是衡量股票市場發達程度的指標，具體到各地區就是地區企業參與股票市場的程度；A股IPO籌資總額反映的是該地區企業通過首次募股籌集到的資金總額；證券類金融機構總數及上市公司總數均是從不同側面反映證券市場的規模。所選的5項指標能夠比較全面地衡量證券市場的集聚情況。

二、我國地區金融集聚水平的測度

本文所用的數據主要來源于中國銀監會、中國證監會、中國保監會、中國銀行業協會、中國保險行業協會、中國證券業協會和中國信托業協會等統計數據，對上述指標的數據運用SPSS統計軟件進行因子分析。

1. KMO檢驗和Bartlett球形檢驗

在使用因子分子之前首先需要檢驗所選數據和指標是否適合進行因子分析。KMO檢驗和Bartlett球形檢驗的結果見表2。

從表2可以看到：保險業的KMO檢驗值為0.76，信托業的KMO檢驗值為0.73，銀行業的KMO檢驗值為0.72，證券業的KMO檢驗值為0.74，四個行業的KMO檢驗值均接近0.8，根據KMO檢驗衡量標準可以看出所選取的四個行業的變量均適合于進行因子分析。同時，Bartlett檢驗值保險業為261.971，信托業為246.59，銀行業為188.08，證券業為193.13，相應的Sig.取值均為0.000，即認為各行業變量之間的相關系數矩陣與單位陣具有顯著的差異，適合于進行因子分析。

2. 計算變量的相關系數矩陣

計算相關系數矩陣證明變量之間的相關關系能夠進一步判斷所選變量是否適合進行因子分析，計算結果見表3。

表3分別是證券業、信托業、保險業和銀行業集聚測度變量之間的相關系數矩陣，從表中可以

看到絕大部分的變量相關系數較高，表明變量之間有較強的線性關系，適合于進行因子分析。

3. 計算公因子方差

由上述分析證明，所選的四個行業的變量均可以分別進行因子分析，接下來通過主成分分析方法提取公因子，計算公因子方差，分析提取公因子前后的變量信息損失情況，結果見表4。

表4是公因子方差計算結果，表示的是提取公因子前后各個變量的共同度。最左側一列是因子分析初始解下的變量共同度，是對各行業原有變量采用主成分分析法提取所有特征根，那么原有變量的所有方差都可以被解釋，變量的共同度為1。公因子一列是按指定條件提取特征根時的共同度，即對原有變量的方差解釋度。從表4可見，保險業提取公因子后對變量B1的方差解釋度最高，能達到93%，對變量B4的方差解釋度最低，為42%，提取的公因子能夠解釋絕大多數的變量信息。信托業、證券業和銀行業提取的公因子也均能解釋絕大多數的變量信息。

表5中，成份列是按照計算得到的特征根大小排列，一般選取特征根大于1的成分作為主成分，從而確定提取的因子個數。保險業有兩個大于1的特征根，即有2個主成分，存在2個公因子，因子的方差貢獻率為87.35%；信托業有1個大于1的特征根，即有1個主成分，存在1個公因子，這1個因子的方差貢獻率為84.76%；銀行業有1個大于1的特征根，即有1個主成分，存在1個公因子，這個因子的方差貢獻率為84.43%；證券業有1個大于1的特征根，即有1個主成分，存在1個公因子，這個因子的方差貢獻率為81.89%。這四個行業提取的因子對方差的貢獻率均高于80%，因此計算得到的因子個數是合適的。

4. 計算因子得分系數

當因子確定以后，便可計算各因子在每個樣本上的具體數值，這些數值稱為因子得分。

第j個因子在第i個樣本上的值可表示為：

（1）

其中， 表示第j個因子和第i個原有變量間的因子得分系數。

所選四個行業的因子得分系數矩陣見表6。

根據表6的計算結果可得到四個行業因子得分的計算函數。

保險業因子分析的得分函數F如下：

F1=0.259B1+0.268B2+0.276B3-0.091B4- 0.244B5+0.376B6

F2=0.020B1-0.014B3+0.504B4+0.658B5-0.294B6

通過采用因子加權的方法，其中權數為兩個因子的方差貢獻率，可以得到計算公式為：

F=0.565F1+0.309F2

信托業因子分析的得分函數W如下：

W1=0.230X1+0.227X2+0.224X3+0.178X4+ 0.223X5

W=0.848W1

銀行業因子分析的得分函數G如下：

G1=0.287Y1+0.292Y2+0.283Y3+0.219Y4

G=0.844G1

證券業因子分析的得分函數H如下：

H1=0.215Z1+0.228Z2+0.218Z3+0.239Z4+ 0.203Z5

H=0.819H1

將我國31個省市區的相關指標分別代入到上述因子得分公式中，得到各省市區的保險業、信托業、銀行業、證券業集聚得分。同樣也可以得到我國31個省市區金融集聚的綜合得分。

三、我國地區金融集聚測度結果與評價

上文分別從行業、地區等方面計算了金融集聚的因子得分表，根據計算，我們能夠發現金融集聚度在金融行業之間、在不同地區之間均存在一定的共性。

從行業角度來看，保險業、信托業、銀行業和證券業的集聚度最高的省市均處于東部地區，保險業集聚度最高的是廣東省，信托業和證券業集聚度最高的是北京市，銀行業集聚度最高的是浙江省。四個行業集聚度最低的省區均處于西部地區，保險業、信托業和證券業集聚度最低的是西藏，銀行業集聚度最低的是海南省。

從地區角度來看，廣東省、江蘇省、浙江省和山東省四個省份的四個金融子行業的集聚度均處于前列，在綜合得分中處于前五位。西藏、青海、海南和寧夏四個省區的四個金融子行業的集聚度均處于較低水平，在綜合得分中處于末四位。我國的保險業、信貸業、證券業和信托業均呈現出向東部地區集聚的趨勢，東部地區的信托業占比為53.97%，證券業占比為74.23%，均大于50%，集聚趨勢明顯。

東部發達地區的金融集聚度明顯高于其他地區，這首先是因為地區經濟的發展水平是金融集聚的首要驅動因素（李靜，2013），金融是實體經濟的血液，地區實體經濟發達，必然需要高度發達的金融產業為之服務，對金融產品的需求以及對金融創新的要求就會較高，該地區就會形成一個程度較高的金融集聚區，如我國的東部地區。由于東部地區的海南省開發較晚，除個別城市依靠旅游業獲得發展之外，其他城市沒有主導

產業，實體經濟在全省均不發達，GDP總量在全國排名落后，所以其金融集聚度處于較低水平。其次，東部地區的地方政府在推動金融發展方面做出了更多的努力，其中提出建設金融中心目標的城市大多數都分布在中東部地區。大量研究成果表明，我國金融中心的形成模式屬于政府推動型，中央和地方政府的政策支持對產業集聚具有十分重要的作用。再次，東部地區的金融發展形成了規模經濟效應與相關產業的配套服務機構和人員聚集，包括律師援助、會計、投資咨詢、信用評估等，該地區具有更強的金融集聚力。

雖然銀行、保險、證券和信托行業的集聚表現出一定的共同點，但是各行業在同一省份發展并不平衡。在同一省市區，保險業的集聚度遠高于其他產業的有河南省和河北省，保險業的集聚度遠低于其他產業的有上海市、天津市和安徽省；信托業的集聚度遠高于其他產業的有黑龍江省、北京市、重慶市和陜西省，信托業的集聚度遠低于其他產業的有江蘇省和福建省；銀行業的集聚度遠高于其他產業的有浙江省、四川省、山西省和內蒙古自治區。銀行業的集聚度遠低于其他產業的有重慶市。證券業的集聚度遠高于其他產業的有北京市和福建省，證券業的集聚度遠低于其他產業的有河南省和陜西省。

基于上文的實證分析結果，我們發現，我國的地區金融集聚度存在顯著的差異，金融資源明顯地向東部地區集聚，主要是廣東、浙江、山東、江蘇、上海和北京。而西部地區金融集聚度要遠低于其他地區。針對上述結論，本文提出以下政策建議：

首先，政府要通過促進實體經濟的發展帶動金融業的集聚。如果一個地區的經濟發展程度不高，金融產業的作用就無法體現出來，由于資本具有逐利本性，它必然流入經濟發達地區。其次，政府應當從多方面對金融集聚度較低的地區進行支持。金融集聚一般來講有兩種模式，一種是市場主導型，一種是政府主導型，在發展中國家主要是政府主導型。尤其是我國，中央和地方政府的政策支持對金融集聚具有十分重要的作用。最后，政府應該努力實現金融業區域內的均衡發展。東部地區的一些省份金融業總體發展情況良好，但是存在個別行業發展落后的現象，形成金融發展的短板，這些相對落后的金融子行業需要引起政府的重視，在資源和政策方面給予適當傾斜，促進其加速發展，實現區域內的協調發展。西部地區的一些省份雖然金融業總體集聚水平偏低，但是也存在個別行業集聚度明顯領先于其他行業的情況，那么，這就需要政府在發展其他金融子行業時借鑒該行業發展的經驗，在保持優勢行業發展的前提下，促進其他行業的共同發展。

參 考 文 獻

[1] 吳聰、王聰：《我國金融中心競爭力的實證分析》，載《南方金融》2005年第12期.

[2] 黎平海、王雪：《基于金融集聚視角的產業結構升級研究》，載《廣東金融學院學報》2009年第6期.

[3] 管馳明、徐愛華：《基于面板數據的長三角金融業集聚動態研究》，載《商業研究》2010年第7期.

[4] 劉衛：《上海金融中心的形成與現狀分析》，載《上海經濟研究》2007年第11期.

[5] 丁藝、李樹丞、李林：《中國金融集聚程度評價分析》，載《軟科學》2009年第6期.

[6] 姜冉：《泛珠三角地區金融集聚與經濟增長》，載《經濟研究導刊》2010年第20期.

[7] 劉紅：《金融集聚對區域經濟的增長效應和輻射效應研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長三角金融集聚態勢與提升競爭力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統計分析與SPSS的應用》，北京：中國人民大學出版社， 2008.

[責任編輯 國勝鐵]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis

[7] 劉紅：《金融集聚對區域經濟的增長效應和輻射效應研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長三角金融集聚態勢與提升競爭力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統計分析與SPSS的應用》，北京：中國人民大學出版社， 2008.

[責任編輯 國勝鐵]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis

[7] 劉紅：《金融集聚對區域經濟的增長效應和輻射效應研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長三角金融集聚態勢與提升競爭力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統計分析與SPSS的應用》，北京：中國人民大學出版社， 2008.

[責任編輯 國勝鐵]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis