中國省域大數據產業與金融集聚耦合協調發展研究

龐路靜，張 目

（貴州財經大學大數據應用與經濟學院；2.貴州財經大學貴州科技創新創業投資研究院，貴州貴陽 550025）

黨的十八屆五中全會提出“實施國家大數據戰略”，國務院印發《促進大數據發展行動綱要》，要求全面推進大數據發展，加快建設數據強國。結合中國制造2025、“互聯網+”行動計劃、培育發展戰略性新興產業的決定等戰略文件，制定面向大數據產業發展的金融政策措施，引導金融機構對技術先進、帶動力強、惠及面廣的大數據項目優先予以信貸支持，鼓勵大數據企業進入資本市場融資，為企業重組并購創造更加寬松的市場環境。同時，推動金融行業大數據應用，推進行業數據資源的采集、整合、共享和利用，有利于充分釋放大數據在金融產業發展中的變革作用，加速傳統金融行業經營管理方式變革、服務模式和商業模式創新及產業價值鏈體系重構［1］。因此，對大數據產業-金融集聚耦合協調水平的研究，為理性認識中國省域大數據產業發展與金融集聚協調關系提供科學參考，從而進一步促進兩者的協調發展。

目前而言，國內外學者大多集中于對金融集聚與產業結構之間的關系研究。在國外研究中，Raghuram 等［2］通過建立理論模型研究金融發展到一定程度形成的金融集聚與產業結構之間的關系；Carlin 等［3］從不同類型的金融結構角度出發，研究其對產業的影響；Audretsch 等［4］和Cotugno 等［5］闡述了金融集聚帶來的空間溢出效應促進地區間的產業升級，帶動了周邊地區產業的發展。在國內研究中，陳峰［6］最早研究了金融發展與產業發展之間的關系；孫晶等［7］研究了金融集聚對區域產業結構升級存在空間溢出效應；楊義武等［8］運用面板向量自回歸模型研究金融集聚與產業結構變遷的互動關系；鄧向榮等［9］實證分析了金融集聚對產業結構升級作用；郭露等［10］運用協調發展度評價的改進模型對長三角地區16 個地級市的三大產業結構與金融集聚的分布進行綜合評價與比較；于斌斌［11］認為金融集聚對經濟增長的影響是通過促進產業結構升級實現的。還有部分學者通過構建評價指標體系，對金融集聚和產業結構進行了耦合協調實證研究，如何宜慶等［12］將金融要素集聚、區域產業結構和生態效率三個系統相結合進行耦合協調發展研究；謝婷婷等［13］以及郭彬等［14］則是將產業結構和金融集聚兩個子系統相結合進行耦合協調發展研究。

綜上所述，學者研究大多涉及的是金融集聚與產業結構升級之間的關系，鮮有學者研究金融集聚與大數據產業發展之間的關系。實際上，大數據產業與金融集聚的存在著相互作用的關系：一方面，建立大數據產業投融資體系，金融資本通過直接融資和間接融資方式，加大對大數據產業的金融支持力度，有效增加大數據產業的要素投入，促進了大數據產業的發展；另一方面，大數據正成為信息技術的新熱點、產業發展的新方向，將對人類的生產與生活產生巨大影響，對經濟與社會發展帶來深刻變革，大數據產業的發展將吸引更多的金融資本參與，從而進一步帶動金融集聚。

有鑒于此，本文對大數據產業-金融集聚的耦合協調發展狀況進行研究。首先構建大數據產業發展與金融集聚的評價指標體系，選取2013—2017 年31 省域的指標原始數據，運用猶豫模糊語言TOPSIS法和猶豫模糊語言TOPSIS 灰色關聯投影法分別對31 省域的大數據產業發展水平和金融集聚水平進行測度，然后運用耦合度和耦合協調模型計算31 個省域的大數據產業發展與金融集聚的耦合協調度，最后得出結論并提出相關政策建議。

1 指標體系與數據來源

1.1 指標體系

依據大數據產業發展的內涵，綜合相關研究成果［15-18］，參考工業和信息化部運行監測協調局發布的“中國電子信息產業綜合發展指數”編制原理，從大數據產業的產業規模、產品類型、招商引資、基礎設施和產業影響力5 個方面衡量大數據產業發展水平。同時，根據金融集聚的內涵，綜合相關研究成果［19-22］，參考中國（深圳）綜合開發研究院發表的“中國金融中心指數”（China Financial Center Index，CFCI）編制原理，從金融業、銀行業、保險業和證券業4 個方面衡量金融集聚水平。遵循科學性、代表性、客觀性、針對性、可比性及可操作性等評價指標選取原則，結合大數據產業與金融集聚耦合協調發展的機制和特征，構建大數據產業—金融集聚系統耦合協調發展評價指標體系，如表1 所示。

表1 大數據產業—金融集聚系統耦合協調發展評價指標體系

表1 （續）

指標說明：（1）區位熵，又稱專門化率，主要用于衡量地區產業集聚水平的高低，其計算公式為：

在表1 中，金融業區位熵=（地區金融業增加值/ 地區GDP）/（全國金融業增加值/ 全國GDP），銀行業區位熵=（地區年末銀行業金融機構存款余額/地區金融業增加值）/（全國年末銀行業金融機構存款余額/全國金融業增加值），證券業區位熵=（地區股票市價總值/地區金融業增加值）/（全國股票市價總值/全國金融業增加值），保險業區位熵=（地區年保費收入/地區金融業增加值）/（全國年保費收入/全國金融業增加值）。

（2）百度搜索指數，是以網民在百度的搜索量為數據基礎，以關鍵詞為統計對象，科學分析并計算出各個關鍵詞在百度網頁搜索中搜索頻次的加權和。根據搜索來源的不同，搜索指數分為PC 搜索指數和移動搜索指數（http://index.baidu.com）。在表1中，大數據產業百度搜索指數（PC 端）是以“大數據”為關鍵詞的PC 搜索指數，大數據產業百度搜索指數（移動端）是以“大數據”為關鍵詞的移動搜索指數，反映了某一地區大數據產業的影響力；金融業（或銀行業、證券業、保險業）百度搜索指數是以“金融（或銀行、證券、保險）”為關鍵詞的百度搜索指數（含PC 端和移動端），反映了某一地區金融業（或銀行業、證券業、保險業）的影響力。

1.2 數據來源

本文以我國31 個省（自治區、直轄市）為研究對象，選取的時間范圍為2013—2017 年。大數據產業子系統中的指標原始數據來源于2013—2017 年《中國電子信息產業統計年鑒》、國家統計局網站，以及百度指數網站。其中，由于缺乏大數據產業統計數據，考慮到電子信息產業是大數據產業的基礎產業，在反映大數據產業的發展水平上具有一定的代表性，因此，文中采用電子信息產業的產業規模、產品類型、招商引資近似替代大數據產業的產業規模、產品類型、招商引資。金融集聚子系統中的指標原始數據來源于2014—2018 年《中國統計年鑒》、2013—2017 年各省（自治區、直轄市）國民經濟和社會發展統計公報、2013—2017 年各省（自治區、直轄市）金融運行報告、國家統計局網站、RESSET金融研究數據庫以及百度指數網站。文中缺失數據通過均值插補法或手動插補法估算得到。限于篇幅，指標原始數據備索。

2 研究方法

2.1 猶豫模糊語言TOPSIS 法

2.2 猶豫模糊語言TOPSIS 灰色關聯投影法

步驟1 和步驟2 同上。

步驟4：確定加權正、負理想灰色關聯系數矩陣。采用熵權法對指標進行客觀賦權，得到指標權重向量則加權正、負理想灰色關聯系數矩陣為：

步驟5［25］：確定灰色關聯投影貼近度。將每一個方案看成一個行向量，則稱方案與理想方案之間的夾角為灰色關聯投影角，其余弦值為：

2.3 標準化處理

2.4 耦合度模型和耦合協調度模型

采用源于物理學容量耦合系數模型的耦合協調度模型來測度大數據產業-金融集聚間的耦合協調程度。耦合協調度模型包含耦合度和耦合協調度，用以反映多個系統間相互作用和相互影響的程度。多個系統相互作用的耦合度模型為：

式(12)中n為耦合子系統個數，則大數據產業—金融集聚系統耦合度模型為：

C為耦合度，用來衡量系統或要素間彼此相互作用影響的強弱程度，而協調度是系統或要素間協調配合、良性循環的關系，反映系統耦合的程度。當C=1 時，表明系統之間的耦合度處于最優的耦合；當C=0 時，表明系統之間的要素無關，呈無序發展；當0＜C≤0.3 時，系統之間低度耦合，處于耦合發展的起步階段；當0.3 ＜C≤0.8 時，系統之間是中度耦合，處在發展階段；當0.8 ＜C≤1時，系統是高度耦合，處于成熟階段［29］。分別為大數據產業發展和金融集聚的綜合評價值，若兩者實現耦合協調發展。當時，為金融集聚滯后類型；當時，為大數據產業滯后類型；當0 ≤時，為大數據產業金融集聚同步類型。若兩者耦合處于失衡衰退狀態，當時，為金融集聚受損類型；當時，為大數據產業受損類型；當時，為大數據產業金融集聚受損類型。

當兩個系統的綜合評價值相近且不高時，僅計算耦合度會出現協同發展程度較高的偽評價結果。為準確反映大數據產業和金融集聚的耦合協調度，進一步構建耦合協調模型：

式(14)中D 為耦合協調度，取值范圍為［0,1］，T為大數據產業-金融集聚系統的綜合評價值，α和β為待定系數（α+β=1），反映大數據產業和金融集聚對整體系統耦合協調作用的貢獻程度［29］，考慮二者對整體系統同等重要，選定α=β=0.5。整體系統耦合協調程度和對應接受區間如表2 所示［26］。

表2 大數據產業與金融集聚耦合協調判定標準

3 實證分析

將原始數據帶入評價方法進行計算，得到大數據產業發展水平和金融集聚水平的評價值，再運用公式(11)對大數據產業發展水平和金融集聚水平的評價值進行歸一化得到最后根據耦合協調度模型，通過公式11—13 計算出2013—2017 年中國31 個省域區大數據產業與金融集聚之間的耦合度C和耦合協調度D，并分別計算各省份的均值（見表3、表4）。

表3 省域大數據產業與金融集聚系統的耦合度

表4 （續）

表4 省域大數據產業與金融集聚系統的耦合協調度

由表4 可以看出，2013 年全國31 個省域大數據產業-金融集聚系統的耦合協調度從嚴重失衡到瀕臨失衡跨越了5 個等級，呈現“1 個初級協調、1 個勉強協調、3 個瀕臨失衡、6 個輕度失衡，20 個中級失衡”的空間格局；到2017 年，系統耦合協調度的空間格局大體保持穩定，其中，遼寧的耦合協調類型從2013 年中級失衡衰退下降到了2017 年輕度失衡衰退，而安徽、湖北和湖南均由2013 年中級失衡衰退發展到了2017 年輕度失衡衰退，廣東2013年為初級協調發展上升為2017 年的中級協調發展，其余省域的耦合協調類型保持不變。

由表3 和表4 可知，（1）2013—2017 年廣東的系統耦合協調度平均值排名全國第一，耦合協調類型屬于初級協調發展；結合表4 可知，廣東屬于大數據產業發展金融集聚同步發展的類型。（2）2013—2017 年江蘇的系統耦合協調度平均值排名全國第二，耦合協調類型屬于勉強協調發展；結合表4 可知，江蘇的主要制約因素為金融集聚滯后型。（3）2013—2017 年北京、浙江、上海的系統耦合協調度平均值排名全國第3—第5，耦合協調類型總體屬于瀕臨失衡衰退類型；結合表4 可知，北京、浙江、上海主要制約因素為大數據產業發展受損型。（4）2013—2017 年山東、四川、河南、福建、安徽、湖北的系統耦合協調度平均值排名全國第6—第11，耦合協調類型總體屬于輕度失衡衰退；結合表4 可知，這6 個省份主要制約因素為大數據產業發展和金融集聚受損類型。（5）2013—2017 年湖南、遼寧、陜西、重慶、江西等20 個省份的系統耦合協調度平均值排名全國第12—第31，耦合協調類型總體屬于中級失衡衰退；結合表4 可知，這20 個省域的主要制約因素為大數據產業發展和金融集聚受損類型。

從地區分組來看，2013—2017 年東部地區10個省域中有1 個省域的耦合協調類型為初級協調，1 個省域的耦合協調類型為勉強協調，3 個省域的耦合協調類型為瀕臨失衡，2 個省域的耦合協調類型為輕度失衡，3 個省域的耦合協調類型為中級失衡，系統耦合協調度平均值為0.408 0。中部地區6 個省域中有3 個耦合協調類型為中度失衡，3 個省域的耦合協調類型為輕度失衡，系統耦合協調度平均值為0.298 3。西部地區11 個省域耦合協調類型均為中度失衡，系統耦合協調度平均值為0.251 7。東北地區3 個省域的耦合協調類型均為中度失衡，系統耦合協調度平均值為0.265 1。

從省域增速來看，2013—2017 年，浙江、江西、湖北、貴州、安徽、山東、湖南、新疆、廣西、河南、吉林、河北、內蒙古、重慶、廣東、黑龍江、江蘇、上海、陜西等21 個省域的系統耦合協調度呈波動上升態勢，平均增速為4.31%；其中，浙江、江西、湖北、貴州的系統耦合協調度增速排名全國前四位，分別為12.43%、9.11%、9.16%、8.91%。2013—2017 年，甘肅、北京、海南、寧夏、遼寧、四川、青海、云南、西藏、天津等10 個省域的系統耦合協調度呈波動下降態勢，平均增速為-4.28%，其中；天津、西藏、云南、青海的系統耦合協調度增速排名全國末四位，分別為-11.85%、-9.23%、-4.06%、-6.28%。

4 結論與建議

根據2013—2017 年全國31 個省域兩個子系統的指標原始數據，運用耦合度模型、耦合協調度模型，對省域大數據產業-金融集聚耦合協調發展狀況進行實證分析，得出以下結論：

（1）從總體上看，全國31 個省域的系統耦合協調度普遍較低，省域大數據產業-金融集聚耦合協調類型跨越了5 個等級，沒有最好的優質耦合協調，也沒有特別差的耦合協調類型。耦合協調類型屬于初級協調發展的只有廣東，屬于勉強協調發展的只有江蘇，屬于瀕臨失衡衰退的有北京、浙江、上海，屬于輕度失衡衰退的有山東、四川、河南、福建、安徽、湖北6 個省份，，其余20 個省域屬于瀕臨失衡衰退。其中，大數據產業發展和金融集聚同步發展型的省域只有廣東1 個，屬于金融集聚滯后型省域有1 個，大數據產業發展受損型的省域有3 個，大數據產業發展和金融集聚受損型的省域有26 個。

（2）從空間上看，2013—2017 年全國31 個省域大數據產業-金融集聚系統的耦合協調度的空間格局大體保持穩定。其中，協調發展類型主要在廣東、江蘇地區，瀕臨協調衰退類型和輕度失衡衰退主要分布在北京、浙江、上海，山東等東部經濟發達地區，而中度失衡衰退類型主要分布在經濟欠發展地區。大數據產業-金融集聚的協調發展程度呈現出東部地區高于中部地區、中部地區高于西部和東北部的總體特征。

（3）從時間上看，全國31 個省域的耦合協調類型并非一成不變，遼寧的耦合協調類型由2013 年的輕度失衡衰退下降到2017 年的中級失衡衰退，而安徽、湖北和湖南均由2013 年的中級失衡衰退上升到2017 年的輕度失衡衰退，廣東則由2013 年的初級協調發展上升為2017 年的中級協調發展。2013—2017 年浙江、江西、湖北、貴州等21 個省域的系統耦合協調度呈波動上升態勢，平均增速為4.31%；甘肅、海南、寧夏、遼寧等10 個省域的系統耦合協調度呈波動下降態勢，平均增速為-4.28%；總體趨勢表現為升多降少。

根據上述研究結論，結合有關部門文件精神，提出以下政策建議：

（1）關于促進大數據產業發展方面，應加快培育和發展地區電子信息產業，重點發展與大數據關系密切的軟件、集成電路、物聯網、下一代互聯網、云計算等子產業，為大數據產業發展提供產業基礎。應充分發揮地區生態優勢、能源優勢、區位優勢、戰略優勢，采取政府引導、企業主體、市場化運作的模式，著力提高大數據產業的要素投入，在財政扶持、金融支持、用地保障、電力供給等方面加大扶持力度；以大數據領域研發和產業化項目為載體，積極引進高端人才，著力提高大數據產業的產業規模和產業影響力。

（2）關于加快金融集聚方面，應鼓勵和引導全國性股份制商業銀行、開發性政策性銀行、郵政儲蓄銀行等金融機構到縣及縣以下增設分支機構，扎根基層、服務社區，提供更有針對性、更加便利的金融服務。同時，加快推進村鎮銀行縣域全覆蓋，提高金融服務縣域、村鎮的能力。應加大對企業上市、掛牌的政策扶持力度，建立企業上市、掛牌全流程支持體系，培育與輔導符合條件的企業分別在區域性股權交易市場、全國中小企業股份轉讓系統和境內外證券交易所掛牌、上市、再融資、并購重組，有效發揮資本市場融資功能。應積極推進保險機構向市（州）、縣及鄉鎮、村延伸設立基層分支機構；支持中小保險公司創新發展；探索發展自保、相互等新型市場主體；引進和培育大型保險中介機構；加快建成多元化、多層次的區域保險市場體系，有效提高保險密度和保險深度。