我國金融業空間布局及影響因素分析

鄧 薇

（中南財經政法大學 統計與數學學院，武漢 430074）

0 引言

金融發展對資本積累與經濟增長具有極其重要的作用，是現代經濟發展的核心。自金融改革以來，我國金融資產的規模迅速膨脹，金融體系也不斷完善和優化。與此同時，金融發展表現出越來越明顯的區域化差異。研究我國區域金融的空間布局，找出其空間分布的特點及影響因素對實現金融業的合理布局、促進金融資源的在空間上的有效配置具有重要的現實意義。

現有的實證研究一般使用時間序列數據或面板數據，利用傳統的計量經濟模型分析區域金融發展在時間維度、空間維度的特征，少有涉及到金融業空間分布格局的描述和統計分析。大部分研究將區域樣本當成一個獨立的個體進行分析，沒有考慮到相鄰區域之間的相關性，只有極少數文獻將空間因素納入了相關的分析模型中。然而，在空間數據存在空間相關性的情況下，采用傳統模型進行分析就會使模型的結果出現一定的偏差，難以得出真正反映現實的分析結論。因此，在分析區域數據時，需要引入空間統計分析方法。本文將利用探索性空間數據分析方法對我國省級區域金融業的空間布局和空間相關性進行分析，然后通過建立空間計量經濟模型來分析其影響因素。

1 空間計量分析方法

空間數據分析的一般思路是首先運用探索性空間數據分析的基本工具空間分位數圖、空間自相關指標等來直觀地描述空間數據；然后通過證實性空間數據分析方法建立空間計量模型來進行更深入的分析。探索性空間數據分析在分析空間相關性時最常用的指標為全局Moran's I指數、局部空間相關性的指數和Moran散點圖。

全局Moran's I指數的定義如下：

其中，n空間單元總數，xi和xj分別為目標變量x在區域i和區域j的觀測值，表示目標變量x的平均值，S2是目標變量x的方差，ωij是空間權重矩陣W中的元素：

Moran's I指數的取值范圍介于-1和1之間，取值大于0則表示目標變量存在正的空間自相關，即空間上相互鄰近的單元有相似的屬性值。當取值小于0則表示目標變量存在負的空間自相關，即空間上相互鄰近的單元具有不相似的屬性值。如果取值為0，那么表示屬性值的空間分布是隨機的。

在全局Moran's I指數中，由于部分空間單元正的空間自相關和另一部分空間單元負的空間自相關會相互抵消，Moran's I指數是抵消后的剩余值，不能反映每一空間單元的局部空間關聯效應。因此，實際應用中還需使用局部Moran's I指數來檢驗局部地區是否存在空間相關性。局部Moran's I指數的定義為：

正的Ii表示區域i的屬性值xi與所有相鄰地區的屬性值是正相關關系，即具有相似的屬性值；負的Ii則區域i的屬性值xi與所有相鄰地區的屬性值是負相關關系，即具有相異的屬性值；Ii為零則表示區域i的屬性值xi與所有相鄰地區的屬性值不相關，即不受相鄰地區的影響。

Moran散點圖是反映局部區域空間相關性的二維可視化圖形，散點圖中的點以標準化的變量z為橫坐標，以z的空間滯后Wz為縱坐標，位于四個象限的點分別對應四種不同的局部空間關聯性：第一象限（高-高型，標記為HH）：表示地區i具有較高的屬性值，與其鄰近的其它地區也具有較高的屬性值，即高-高集聚；第二象限（低-高型，標記為LH）：表示地區i具有較低的屬性值，而與其鄰近的其它地區具有較高的屬性值，即低值被高值包圍；第三象限（低-低型，標記為LL）：表示地區i具有較低的屬性值，與其鄰近的其它地區也具有較低的屬性值，即低-低集聚；第四象限（高-低型，標記為HL）：表示地區i具有較高的屬性值，而與其鄰近的其它地區具有較低的屬性值，即高值被低值包圍。

空間面板模型中，根據誤差項的不同形式可分為固定效應模型和隨機效應模型。本文所采用的主要為具有固定效應的空間滯后面板模型和空間誤差面板模型，具體形式如下：

空間滯后面板模型（SAR panel）：

y=ρ（IT?WN)y+X′β+ε

空間誤差面板模型（SEM panel）：

y=X′β+μ

μ=λ（IT?WN)μ+ε

式中，ρ和λ為空間自相關系數，誤差項可進行分解ε=η+δ+v。其中，η是空間固定效應，代表隨區域變化、但不隨時間變化的隨機變量對均值水平的影響；δ是第t年的時間固定效應，代表隨時間變化、但不隨地理位置變化的隨機變量對均值水平的影響；v為隨機誤差項向量。在模型中引入了空間誤差項后，最小二乘法不再是有效的估計方法，一般使用極大似然估計法來進行估計。

2 金融業的空間布局

本文將采用31個省級區域2006～2012年的金融業增加值來衡量各個地區的金融業發展水平，采用存貸款余額、股票市價總值和保費收入來衡量各個地區銀行業、證券業和保險業的發展水平。利用分位數圖、全局相關性分析、全局相關性分析、區位熵指標來研究金融業的空間布局。

2.1 分位數圖

圖1 2012年金融業、銀行業、證券業和保險業五分位圖

圖1為2012年金融業、銀行業、證券業和保險業的五分位圖，由圖可以看出，我國金融業發展水平呈現由東向西遞減的態勢。金融業整體與銀行業、保險業呈現出相似的分布特征，發展水平較高的地區除首都北京外主要集中在東部沿海一帶，包括上海、北京、廣東、江蘇、浙江和山東；其次是遼寧、天津、四川、河北、河南、湖北、福建、山西、陜西、湖南、重慶、安徽和廣西；發展水平較低的地區主要位于西部和東北部，包括黑龍江、吉林、內蒙古、云南、新疆、江西、甘肅、海南、寧夏、貴州、青海和西藏。證券業的分布特征略有不同，主要表現在新疆和內蒙古的證券業發展水平要高于中部的陜西和重慶。

2.2 全局相關性分析

表1 2006～2012年金融業、銀行業、證券業、保險業的全局Moran’s I指數

利用全局空間自相關系數分析金融業、銀行業、證券業和保險業的空間效應。從表1所列結果可以看出，金融業增加值的moran’s I指數為正，在5%水平下顯著，表明金融業具有正的空間相關性，相鄰地區的金融業增加值具有相似性，即具有較高金融業增加值的省份其相鄰省份也具有較高的金融業增加值；具有較低金融業增加值的省份其相鄰省份也具有較低的金融業增加值。并且，金融業增加值的moran’s I指數在2006～2012年間從0.1981增加至0.2458，說明金融業空間相關性逐漸增強，集聚趨勢越來越明顯。

從各行業上來看，銀行業的moran’s I指數為正，除2006年外，其余年份的指數均在10%水平下顯著，moran’s I指數在2006～2012年間呈上升趨勢，變化趨勢與金融業整體基本一致，說明各省域銀行業具有正的空間相關，這種相關性逐漸增強，銀行業的集聚趨勢加劇。證券業的moran’s I指數為負，但數值較小，沒有通過顯著性水平檢驗，并且指數變化幅度較小，說明在考察的時間區間內證券業整體的空間相關性不顯著。這種不顯著的原因在于31個省級區域中，北京、上海、廣東的股票市價總值遠遠高于其它地區，這些地區的鄰近地區的證券業發展水平相對較低，其負的空間自相關抵消了其余地區的正的空間自相關，導致moran’s I指數為一個較小的負值，未能通過顯著性檢驗。由此可見，此處并不能由moran’s I指數這一全局自相關指標來推斷證券業不存在集聚趨勢，需要結合局部空間自相關指數進行進一步分析。保險業的moran’s I指數為正，具有正的空間相關性和集聚現象，但除2006年之外其余年份的指數未通過10%的顯著性檢驗，說明保險業集聚水平不及銀行業顯著。

2.3 局部相關系分析

利用散點圖分析各個地區金融業、銀行業、證券業和保險業的局部空間自相關形式。從散點分布圖可以看出，就金融業整體而言，有21個省位于第一和第三象限，說明大部分省份都具有正的空間相關性，屬于高-高集聚或者低-低集聚。位于第一象限的有上海、浙江、江蘇、福建、天津和山東，均為東部地區。這些地區及其周邊地區金融業發展較好，可通過吸收效應和極化效應促進本地區金融業進一步發展與集聚。位于第三象限的有黑龍江、內蒙古、新疆、吉林、遼寧、甘肅、山西、陜西、寧夏、青海、西藏、湖北和重慶，絕大部分為中部地區和西部地區，其自身及周邊金融業發展水平低下主要受中西部地區較低經濟水平的影響。另外，安徽、湖南、江西、廣西、海南、河北位于第二象限，這些地區本省金融業發展水平不高，但其周邊地區的金融業發展水平較高，應通過加強與周邊地區的金融合作來促進本地區金融業的發展。北京、廣東、四川、河南位于第四象限，本身具有較高的金融業水平，但周邊地區金融業發展水平不高，應加強輻射效應，帶動周邊地區的金融業發展。

從行業來看，銀行業、證券業、保險業呈現不同程度的集聚。證券業集聚程度最為明顯，其次為銀行業和保險業。證券業的散點圖中位于第一和第四象限的僅有6個省份，位于第三象限的有19個省份，這說明我國證券業在上海、北京、廣州等極少數地區集聚，但絕大部分地區的證券業發展水平低下。北京位于第四項限，上海、廣東位于第一象限，說明北京對周邊地區證券業發展的輻射效應要弱于上海和廣東。銀行業與保險業的散點圖分布較為相似，位于第一和第三象限的省份分別有20個和19個，位于第一象限和第四象限的除河南、四川、湖北外其余均為東部地區，中西部地區大部分位于第二和第三象限，說明東部地區銀行業、保險業發展水平高于中西部地區。西部四川的銀行業、保險業發展領先于周邊地區，中部河南、湖北的保險業發展領先于周邊地區。

2.4 區位熵分析

全局moran’I指數和局部moran’I指數指數反映了金融業省際之間的集聚狀況，下面將通過計算2006年至2012年各個區域的區位熵來進一步揭示金融業在各個省級區域內部的集聚情況。金融業的區位熵計算公式如下：

其中，Ej表示 j地區金融業的增加值，Gj表示 j地區的生產總值，E表示全國金融業的增加值，G表示全國生產總值。區位熵的臨界值為1，等于1，則表示金融業的比重與全國平均水平相同；若小于1，則表示j地區金融業的比重低于它的全國平均水平；若大于1，則表示j地區金融也的比重高于它的全國平均水平，其值越大，表示地區金融業集聚水平越高。

將五分位數由高到低的分組分別稱為第一、二、三、四、五梯隊。從2006金融業區位熵的分布來看，北京與上海的金融業區位熵分別3.54和2.27，位于第一梯隊的前兩位，并遠遠領先于同梯隊的其他地區。位于前兩個梯隊的還有東部地區浙江、天津、廣東、江蘇，西部地區寧夏、貴州、云南，四川、青海、新疆。中部地區、東北部地區和西部其他地區位于后三個梯隊。

2012年金融業區位熵的分布與2006年略有變化，重慶的區位熵增加為1.52，由第三梯隊上升至第一梯隊。青海、新疆的區位熵下降為0.84、0.91，由第二梯隊下降至第三梯隊。海南的區位熵由0.37增加至0.81，由第五梯隊上升至第三梯隊。

需要指出的是，區位熵是一個反映區域產業集聚水平的相對性指標，其弱點是不能反映產業發展的絕對規模，有些地區雖然具有較高的區位熵，但其產業規模可能非常小。在利用區位熵指標考察區域金融業集聚水平時需結合絕對指標來分析。由五分位圖可以看出位于前兩個梯隊的東部地區北京、上海、浙江、天津、廣東、江蘇，區位熵較高，同時金融業增加值也較高，金融業集聚水平高于全國平均水平。而同樣位于第一梯隊的西部地區寧夏、貴州、云南，四川、青海、新疆，金融業增加值較低，其區位熵值偏高是由于這些地區的GDP值較低所致。

對2006～2012年金融業區位熵做全局相關性分析，從表2所示結果可以看出，金融業區位熵具有正的空間相關性，即具有較高區位熵的省份其鄰近省份的區位熵也較高；具有較低區位熵的省份其鄰近省份的區位熵也較低。指數在2006～2012年之間呈上升趨勢，說明這種正的空間相關性在逐漸加強。

3 金融集聚的影響因素分析

表2 2006～2012年金融業區位熵的全局Moran指數I

為進一步分析區域金融集聚的影響因素，本文將以金融業區位熵為被解釋變量，以各影響因素為解釋變量，納入空間因素，建立空間面板模型?？紤]的影響因素包括經濟發展水平、人力資本水平、對外開放和政府支持。

（1）經濟發展水平。區域金融產業的發展與集聚依賴于實體經濟的發展。實體經濟中投資者和儲蓄者對金融機構及相關金融服務的需求是促使金融業發展的強大動力，生產力的發展推動著金融業的不斷發展。理論上看來，經濟水平越高的區域，其金融集聚水平也相應較高。本文使用各區域人均GDP與全國人均GDP之比來表示各區域的經濟發展水平。

（2）人力資本。高水平的人力資本是提升金融企業創新能力，促進金融企業發展的重要因素。因此，金融機構傾向于集聚在人力資本水平高、人才儲備充足的區域。本文使用各區域金融業人均收入與全國金融業人均收入之比來衡量人力資本水平。

（3）對外開放?？鐕究偛靠偸嵌ㄎ挥陂_放程度高的城市，而金融機構由于其“客戶追隨”的特性，也傾向于選址于其主要客戶總公司的附近。因此，開放程度越高的區域，金融集聚水平越高。本文使用各區域進出口總額與GDP之比與全國進出口總額與GDP之比的比值來反映各區域對外開放水平。

（4）政府支持。政府行為是影響金融集聚的重要因素之一，為使金融業更好地發揮其促進經濟發展的作用，地方政府將會加強對金融業的引導，實行獎勵措施和優惠政策吸引金融機構將總部設于當地，從而促進地方金融集聚的發展。本文使用地方政府的財政支出與GDP之比與全國地方政府財政支出與GDP之比的比值與來衡量地方政府對金融發展的作用力。

本文的研究樣本是2006～2010年我國31個?。ǔ愀?、澳門、臺灣省外）的省級數據，數據來源于歷年的《中國統計年鑒》、《中國金融年鑒》、《中國區域金融運行報告》。由于樣本是全部總體，我們選擇固定效應模型建模，使用的空間計量模型為具有固定效應的空間自相關面板模型和空間誤差面板模型：

固定效應的空間滯后面板模型（SAR panel）：

固定效應的空間誤差面板模型（SEM panel）：

式中，誤差項 εit=ηi+δt+vit。其中，ηi是區域i的特定固定效應，即空間固定效應，代表隨區域變化、但不隨時間變化的隨機變量對均值水平的影響，比如各個地區的資源稟賦；δt是第t年的時間固定效應，代表隨時間變化、但不隨地理位置變化的隨機變量對均值水平的影響，比如國家政策等；vit為隨機誤差項向量。使用matlab空間計量工具箱spatial econometrics toolbox對模型進行估計與檢驗。在無固定效應、空間固定效應、時間固定效應、時空固定效應四個模型中，只有時空固定效應模型的空間誤差項通過了顯著性檢驗，因此，此處僅列出具有時空固定效應的空間誤差面板模型的檢驗結果，如表3所示：

表3 時空固定效應SEM panel模型估計結果

表4列出了時空固定效應SEM panel模型中各省級區域的空間固定效應ηi，以及各個年份的時間固定效應。

表4 時空固定效應SEM panel模型下各地區空間固定效應ηi

表5 時空固定效應SEM panel模型下各年份的時間固定效應δt

從模型估計結果來看，具有時間和空間固定效應的SEM panel模型擬合得到的R2為0.9570，擬合效果比較好。各個回歸變量都顯著且系數為正，說明經濟發展水平、人力資本水平、對外開放和政府支持對區域金融集聚都具有顯著的正向影響，地區可以通過加快經濟發展、提高人力資本水平、加強對外開放和政府對金融業發展的支持來促進本地區的金融業集聚。空間誤差項通過了顯著性水平檢驗，說明模型中未考慮的其他因素對周邊地區具有較強的擴散效應。

從表4中可以看出，各地區的空間固定效應ηi存在較大的差異性。北京的空間固定效應在所有地區中居于首位，浙江、上海、廣東、江蘇、福建等東部地區的固定效應也較高。中部地區湖北的固定效應最高，安徽的固定效應最低。西部與東北部地區固定效應多數為負值。整體來看，固定效應東部地區較高、中西部及東北部地區偏低。時間固定效應在2006年為0.0072，2007年和2008年下降為負值，2009年和2010年回升至0.0359和0.0218，呈現不斷波動并不斷增加的變化趨勢，說明各地區金融集聚水平隨時間的推移不斷提高。

4 結論

本文首先利用五分位圖、全局moran’I指數、moran散點圖、區位熵對我國金融業的區布局進行了分析，然后通過建立空間面板模型分析了區域金融集聚的影響因素。主要結論如下：

（1）我國金融業發展水平呈現由東向西遞減的態勢。金融業整體與銀行業、證券業、保險業呈現出相似的分布特征，發展水平較高的地區除首都北京外主要集中在東部沿海一帶，包括上海、北京、廣東、江蘇、浙江和山東，中西部地區金融業發展水平較低。全局空間自相關分析表明金融業具有正的空間相關性，相鄰地區的金融業增加值具有相似性，集聚趨勢越來越明顯。從各行業上來看，銀行業集聚趨勢加劇；證券業全局自相關系數未通過顯著性檢驗；保險業集聚水平不及銀行業顯著。

（2）局部空間自相關分析表明，就金融業整體而言，大部分省份都具有正的空間相關性，屬于高-高集聚或者低-低集聚。上海、浙江、江蘇、福建、天津和山東這些東部地區屬于高-高集聚，而黑龍江、內蒙古、新疆、吉林、遼寧、甘肅、山西、陜西、寧夏、青海、西藏、湖北和重慶等中西部地區屬低-低集聚。北京、廣東屬于高-低型區域，雖本地區具有較高的金融業水平，但周邊地區金融業發展水平不高，應加強輻射效應，帶動周邊地區的金融業發展。安徽、湖南、江西、廣西、海南、河北屬于低-高型區域，這些地區本省金融業發展水平不高，但其周邊地區的金融業發展水平較高，應通過加強與周邊地區的金融合作來促進本地區金融業的發展。從行業來看，銀行業、證券業、保險業呈現不同程度的集聚。證券業集聚程度最為明顯，其次為銀行業和保險業。證券業在上海、北京、廣州等極少數地區集聚，但絕大部分地區的證券業發展水平低下。東部地區銀行業、保險業發展水平高于中西部地區。西部四川的銀行業、保險業發展領先于周邊地區，中部河南、湖北的保險業發展領先于周邊地區。

（3）區位熵分析表明金融業區位熵位于前兩位的是北京與上海，其次是浙江、天津和廣東，這些地區金融集聚高于全國平均水平。與東部地區相比，中部、西部以及東北部金融業區位熵較低，金融集聚水平不顯著。金融業區位熵全局自相關系數顯著，具有正的空間自相關性。通過納入空間因素，建立空間面板模型分析了區域金融集聚的影響因素，結果表明經濟發展水平、人力資本水平、對外開放和政府支持對區域金融集聚都具有顯著的正向影響。地區可以通過加快經濟發展、提高人力資本水平、加強對外開放和政府對金融業發展的支持來促進本地區的金融業集聚。

[1]Levine R.Financial Development and Economic Growth：Views and Agenda[J].Journal of Economic Literatures，1997，（35）.

[2]Elhorst J P.Spatial Panel Data Models[C]//Fisher M M，Getis A.Handbook of Applied Spatial Analysis.Berlin：2003.

[3]丁藝，李靖霞，李林.金融集聚與區域經濟增長-基于省際數據的實證分析[J].保險研究，2010,（2）.

[4]王仁祥,石丹.區域金融中心指標體系的構建與模糊綜合評判[J].統計與決策，2005,（9）.

[5]馬丹.金融集聚淺析以及金融產業集聚程度評價指標體系的實證研究[D].碩士論文,2007.

[6]田霖.中國區域金融成長差異——基于金融地理學視角[M].北京：經濟科學出版社，2006.