基于主成分分析的廣東省各市普惠金融水平測(cè)度研究

程玉倩，毛 偉

(廣東海洋大學(xué)經(jīng)濟(jì)學(xué)院，廣東 湛江 524088)

一、 引言

現(xiàn)實(shí)表明，廣東省作為中國(guó)經(jīng)濟(jì)發(fā)展高地，其經(jīng)濟(jì)發(fā)展?fàn)顩r呈現(xiàn)兩大明顯特點(diǎn)：第一，廣東省整體經(jīng)濟(jì)實(shí)力雄厚，經(jīng)濟(jì)總量連續(xù)33 年居全國(guó)首位；第二，廣東省內(nèi)資源稟賦存在差異，區(qū)域經(jīng)濟(jì)發(fā)展不均衡不協(xié)調(diào)，兩極分化嚴(yán)重，相對(duì)貧困問(wèn)題突出，是中國(guó)貧富差距最大的省份。 2022 年1 月，廣東省統(tǒng)計(jì)局官網(wǎng)公布了最新年度廣東全省地區(qū)生產(chǎn)總值，2021年廣東全省經(jīng)濟(jì)發(fā)展再創(chuàng)新高，地區(qū)生產(chǎn)總值超過(guò)12 萬(wàn)億元，省域經(jīng)濟(jì)綜合競(jìng)爭(zhēng)力仍位居全國(guó)第一，已達(dá)到中上等發(fā)達(dá)國(guó)家發(fā)展水平。 可見(jiàn)，廣東經(jīng)濟(jì)走勢(shì)非常強(qiáng)勢(shì)，但整體經(jīng)濟(jì)騰飛的廣東內(nèi)部發(fā)展卻面臨失衡狀態(tài)。 2021 年廣東省內(nèi)各市地區(qū)生產(chǎn)總值數(shù)據(jù)顯示(圖1)，僅廣州和深圳兩市的地區(qū)生產(chǎn)總值之和就已占據(jù)廣東全省的半壁江山，而生產(chǎn)總值最小的云浮市占廣東全省的比值卻不及1%。 雖然廣東省經(jīng)濟(jì)總量全國(guó)最高，但2021 年廣東省人均地區(qū)生產(chǎn)總值卻排名全國(guó)第七，這反映出廣東省各市之間經(jīng)濟(jì)發(fā)展存在一定差異，人均地區(qū)生產(chǎn)總值還有待提升。 對(duì)比其他省份，如江蘇、浙江等，其地區(qū)生產(chǎn)總值雖不及廣東，但人均地區(qū)生產(chǎn)總值在廣東之上，各市經(jīng)濟(jì)發(fā)展相對(duì)均衡。 地區(qū)普惠金融水平對(duì)經(jīng)濟(jì)發(fā)展具有重要影響，地區(qū)發(fā)展的不平衡、不充分、不協(xié)調(diào)是廣東省經(jīng)濟(jì)發(fā)展的主要問(wèn)題。 探究地區(qū)金融的普惠程度對(duì)促進(jìn)社會(huì)經(jīng)濟(jì)發(fā)展具有指導(dǎo)意義。

圖1 2021 年廣東省各市地區(qū)生產(chǎn)總值

提高普惠金融發(fā)展水平對(duì)緩解區(qū)域經(jīng)濟(jì)發(fā)展差距及解決相對(duì)貧困問(wèn)題具有促進(jìn)作用。 在一定程度上，地區(qū)和人口普惠金融的滲透度和使用度與地區(qū)經(jīng)濟(jì)發(fā)展是相輔相成、相互促進(jìn)的，共同致力于實(shí)現(xiàn)廣東省平衡、協(xié)調(diào)、可持續(xù)的長(zhǎng)久高質(zhì)量發(fā)展。 一方面普惠金融的滲透性和使用度能有效提高低收入地區(qū)人口和地區(qū)經(jīng)濟(jì)收益，為廣東省經(jīng)濟(jì)高質(zhì)量發(fā)展打下堅(jiān)實(shí)的物質(zhì)基礎(chǔ)；另一方面，廣東省普惠金融的發(fā)展是深入貫徹新發(fā)展理念和新發(fā)展格局的重要體現(xiàn)，為解決我國(guó)長(zhǎng)期面臨的地區(qū)發(fā)展不均衡問(wèn)題和相對(duì)貧困問(wèn)題提供了充足的力量源泉。 促進(jìn)地區(qū)普惠金融的發(fā)展和創(chuàng)新是廣東省未來(lái)經(jīng)濟(jì)高質(zhì)量均衡增長(zhǎng)的發(fā)展目標(biāo)，對(duì)地區(qū)普惠金融問(wèn)題的研究不容忽視。

普惠金融在中國(guó)的發(fā)展源于小額信貸聯(lián)盟，主要是面向小微企業(yè)、城市低收入者、農(nóng)戶(hù)等原先被排斥在傳統(tǒng)金融服務(wù)范圍之外的弱勢(shì)群體，具有涉及面更廣、服務(wù)種類(lèi)更豐富、準(zhǔn)入門(mén)檻更低等特點(diǎn)的金融發(fā)展體系。 2022 年2 月，習(xí)近平總書(shū)記在中央全面深化改革委員會(huì)第二十四次會(huì)議上審議通過(guò)了《推進(jìn)普惠金融高質(zhì)量發(fā)展的實(shí)施意見(jiàn)》，并就國(guó)家深入貫徹落實(shí)《推進(jìn)普惠金融發(fā)展規(guī)劃(2016—2020 年)》以來(lái)，普惠金融在疫情防控、經(jīng)濟(jì)社會(huì)發(fā)展、助力打贏脫貧攻堅(jiān)戰(zhàn)和保障基本民生等領(lǐng)域發(fā)揮的重要作用進(jìn)行了說(shuō)明。 普惠金融對(duì)縮小收入差距，促進(jìn)城鄉(xiāng)均衡發(fā)展和區(qū)域協(xié)調(diào)可持續(xù)發(fā)展具有重要意義。

二、 文獻(xiàn)綜述

國(guó)內(nèi)學(xué)者對(duì)金融領(lǐng)域的研究主要從宏觀、中觀、微觀三個(gè)層面進(jìn)行。 宏觀層面：陳長(zhǎng)認(rèn)為數(shù)字化金融驅(qū)動(dòng)著金融供給側(cè)結(jié)構(gòu)性改革。 張嘉怡和胡志明對(duì)當(dāng)下流行的普惠金融發(fā)展的時(shí)空演化特征及影響因素進(jìn)行了研究。 中觀層面：粟勤和楊景陸認(rèn)為金融科技水平的提高對(duì)銀行風(fēng)險(xiǎn)控制起到促進(jìn)作用，而對(duì)企業(yè)信貸無(wú)顯著正向影響。 微觀層面：黃飛鳴等研究發(fā)現(xiàn)金融素養(yǎng)對(duì)農(nóng)村“值守”群體的可持續(xù)生機(jī)能力具有顯著促進(jìn)作用。

當(dāng)下，普惠金融之所以成為金融領(lǐng)域的研究熱點(diǎn)，是因?yàn)槠鋵?duì)國(guó)內(nèi)各領(lǐng)域有重要影響。 第一，對(duì)家庭的影響。 段軍山和邵驕陽(yáng)認(rèn)為普惠金融對(duì)家庭資產(chǎn)配置結(jié)構(gòu)產(chǎn)生一定影響。 王海燕等發(fā)現(xiàn)普惠金融發(fā)展顯著提升了家庭創(chuàng)業(yè)意愿。 第二，對(duì)企業(yè)的影響。 劉勇強(qiáng)認(rèn)為數(shù)字金融對(duì)中小企業(yè)技術(shù)創(chuàng)新具有顯著促進(jìn)作用。 陳旭和趙全厚通過(guò)研究發(fā)現(xiàn)數(shù)字金融對(duì)正規(guī)融資的促進(jìn)效應(yīng)大于擠出效應(yīng)。 孫志紅和琚望靜發(fā)現(xiàn)，從總體效應(yīng)來(lái)看，數(shù)字金融對(duì)銀行主動(dòng)和被動(dòng)風(fēng)險(xiǎn)承擔(dān)具有風(fēng)險(xiǎn)抑制效應(yīng)。 俞毛毛等認(rèn)為數(shù)字金融發(fā)展增加了企業(yè)的金融可得性和所在城市銀行網(wǎng)點(diǎn)競(jìng)爭(zhēng)程度，降低了企業(yè)的債務(wù)違約風(fēng)險(xiǎn)。 楊潔和馬從文認(rèn)為金融科技的發(fā)展抑制了企業(yè)避稅行為。 第三，對(duì)個(gè)人的影響。 李春風(fēng)和徐雅軒研究發(fā)現(xiàn)，數(shù)字金融促進(jìn)了居民不同結(jié)構(gòu)的消費(fèi)，其中對(duì)發(fā)展和享受型消費(fèi)的影響最為明顯，有利于消費(fèi)結(jié)構(gòu)優(yōu)化。 陳文和劉漢成認(rèn)為數(shù)字普惠金融的發(fā)展能夠促進(jìn)居民的金融行為，提高其進(jìn)入金融市場(chǎng)的概率以及程度。向玉冰就數(shù)字普惠金融對(duì)農(nóng)村居民消費(fèi)的影響進(jìn)行了論述。 第四，對(duì)區(qū)域經(jīng)濟(jì)社會(huì)發(fā)展的影響。 張珍花和楊朝暉認(rèn)為數(shù)字普惠金融與政府財(cái)政支出的交互效應(yīng)對(duì)經(jīng)濟(jì)高質(zhì)量發(fā)展具有正向促進(jìn)作用。楊城強(qiáng)認(rèn)為數(shù)字普惠金融具有某些改善收入不平等狀況的特性。 王利曉和韓先鋒認(rèn)為數(shù)字金融對(duì)綠色創(chuàng)新具有促進(jìn)作用。

國(guó)內(nèi)學(xué)者對(duì)普惠金融的研究對(duì)后續(xù)相關(guān)研究的展開(kāi)奠定了堅(jiān)實(shí)的基礎(chǔ)，本文在已有文獻(xiàn)和相關(guān)研究的基礎(chǔ)上，運(yùn)用主成分分析法，對(duì)廣東省各市普惠金融發(fā)展水平進(jìn)行測(cè)度，挖掘地區(qū)出現(xiàn)的問(wèn)題，并提出相應(yīng)的對(duì)策建議。

三、 廣東省各市普惠金融水平測(cè)度

(一)指標(biāo)體系構(gòu)建

對(duì)普惠金融的指標(biāo)體系構(gòu)建主要從普惠金融的滲透性和使用度兩個(gè)維度設(shè)定，在普惠金融滲透性維度下設(shè)置每萬(wàn)人銀行機(jī)構(gòu)數(shù)、每百平方公里銀行機(jī)構(gòu)數(shù)、每萬(wàn)人銀行從業(yè)人員數(shù)和每百平方公里銀行從業(yè)人員數(shù)4 個(gè)指標(biāo)，在普惠金融使用度維度下設(shè)存款/GDP、貸款/GDP、保險(xiǎn)保費(fèi)收入和保險(xiǎn)賠付支出4 個(gè)指標(biāo)(表1)。 普惠金融的普惠程度主要從地理和人口覆蓋范圍兩方面得到體現(xiàn)，所以選取每萬(wàn)人銀行機(jī)構(gòu)數(shù)、每萬(wàn)人銀行從業(yè)人員數(shù)、每百平方公里銀行機(jī)構(gòu)數(shù)和每百平方公里銀行從業(yè)人員數(shù)進(jìn)行測(cè)度。 數(shù)據(jù)主要來(lái)源于《2021 年廣東省統(tǒng)計(jì)年鑒》，研究方法采用主成分分析法，統(tǒng)計(jì)軟件是SPSS 26。

表1 普惠金融水平測(cè)度指標(biāo)

(二)實(shí)證分析過(guò)程

1. 原始數(shù)據(jù)標(biāo)準(zhǔn)化處理

首先，將獲取的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以消除變量在數(shù)量級(jí)或量綱上的影響。 由于主成分分析的結(jié)果受量綱的影響，各變量的單位可能不同，如果各自改變量綱，結(jié)果可能會(huì)有出入，這是主成分分析的最大問(wèn)題。 所以實(shí)際中可以先把各變量的原始數(shù)據(jù)

X

進(jìn)行標(biāo)準(zhǔn)化處理(

Z

-score 法)，得到原始數(shù)據(jù)標(biāo)準(zhǔn)化后處理結(jié)果

ZX

。

2. 建立變量之間的相關(guān)系數(shù)矩陣R

運(yùn)用主成分分析法需要建立變量之間的相關(guān)系數(shù)矩陣R。 主成分分析適用于變量之間存在較強(qiáng)相關(guān)性的數(shù)據(jù)，如果原始數(shù)據(jù)相關(guān)性較弱，應(yīng)用主成分分析后不能起到很好的降維作用，所得的各個(gè)主成分濃縮原始變量信息的能力相差不大。

一般認(rèn)為，原始數(shù)據(jù)大部分變量的相關(guān)性矩陣值越接近于1，表明因素之間的相關(guān)性越強(qiáng)，做主成分分析取得的效果就越理想；如果原始數(shù)據(jù)大部分變量的相關(guān)性系數(shù)＜0.3，應(yīng)用主成分分析取得的效果就不太理想。 據(jù)表2 可知，原始數(shù)據(jù)的大部分變量的相關(guān)系數(shù)＞0.3，適用于主成分分析方法的計(jì)算。

表2 相關(guān)性矩陣表

續(xù)表

3. KMO 和 Bartlett 球形檢驗(yàn)

通過(guò)KMO 檢驗(yàn)法和Bartlett 球形檢驗(yàn)法進(jìn)行主成分分析的適應(yīng)性檢驗(yàn)。 KMO 和Bartlett 的檢驗(yàn)主要用于檢驗(yàn)各因素之間有沒(méi)有關(guān)聯(lián)程度。 一般情況下，KMO 值應(yīng)≥0.6，或 Sig 值(顯著性水平的值)應(yīng)≤0.05，就表明各因素之間的關(guān)聯(lián)程度較高，主成分分析的結(jié)果也比較理想。 據(jù)表3 可知，KMO 值為0.617，說(shuō)明指標(biāo)間存在一定的相關(guān)性。 Bartlett 球形檢驗(yàn)結(jié)果為289.553，Sig 值為0.000，說(shuō)明拒絕相關(guān)系數(shù)是單位陣，即各個(gè)指標(biāo)是相關(guān)的。 兩項(xiàng)結(jié)果檢驗(yàn)均表明該數(shù)據(jù)適用于主成分分析法。

表3 KMO 和巴特利特檢驗(yàn)

4. 提取公因子方差

對(duì)原始數(shù)據(jù)提取公因子方差，提取的公因子方差值越高，表明提取的公因子的代表性或者說(shuō)解釋率就越高，整體效果就越好。 據(jù)表4 可知，提取得到的公因子方差均超過(guò)0.8，指標(biāo)選取的解釋率較高。

表4 公因子方差

5. 計(jì)算總方差解釋?zhuān)崛≈鞒煞?/p>

據(jù)表5 可知，總方差解釋(解釋的總方差)提取出了2 個(gè)特征值大于1 的主成分，這2 個(gè)主成分加起來(lái)可以解釋總方差的89.144%，符合因子累積貢獻(xiàn)率超過(guò)80%的要求，代表這兩個(gè)成分能解釋原先8 個(gè)指標(biāo)的89.144%。

表5 總方差解釋

6. 確定主成分

將得到的兩個(gè)主成分從大到小進(jìn)行排序。 將表5 得到的兩個(gè)大于1 的主成分與表6 成分矩陣中的各個(gè)數(shù)值進(jìn)行計(jì)算，為確定主成分綜合得分做鋪墊。

表6 成分矩陣a

7. 計(jì)算綜合得分

綜合得分公式：

借助SPSS 將原始數(shù)據(jù)

X

標(biāo)準(zhǔn)化，得到標(biāo)準(zhǔn)化后的數(shù)據(jù)

ZX

以后，將主成分的特征值與成分矩陣系數(shù)進(jìn)行運(yùn)算，得到各權(quán)重。 最后將標(biāo)準(zhǔn)化后數(shù)據(jù)和權(quán)重代入主成分表達(dá)式中，就可以計(jì)算各個(gè)樣本的主成分得分。 在分別計(jì)算了

y

、

y

的綜合得分后，還需要根據(jù)表5 中主成分1 和主成分2 的方差百分比來(lái)計(jì)算綜合得分。 其中，主成分1 初始特征值方差百分比為72.346%，主成分2 初始特征值方差百分比為16.798%。 根據(jù)二者占比，把它們寫(xiě)成公式

y

=0

.

72346

y

+0

.

16798

y

，計(jì)算綜合得分

y

。

8. 繪制綜合得分表

最后，根據(jù)綜合得分表對(duì)

y

進(jìn)行排序，可以得到廣東省內(nèi)各市普惠金融排名。 由表7 可以看出，廣東省內(nèi)21 市普惠金融發(fā)展水平與各地經(jīng)濟(jì)發(fā)達(dá)程度密切相關(guān)。 其中，排在前兩位的城市是經(jīng)濟(jì)發(fā)展水平較高的深圳和廣州，排在后兩位的是經(jīng)濟(jì)發(fā)展相對(duì)靠后的茂名和汕尾。

表7 綜合得分表

續(xù)表

四、 相關(guān)對(duì)策建議

地區(qū)普惠金融發(fā)展水平與經(jīng)濟(jì)發(fā)展程度具有較強(qiáng)關(guān)聯(lián)性，普惠金融發(fā)展程度與經(jīng)濟(jì)發(fā)展相輔相成、相互促進(jìn)，二者同步發(fā)展對(duì)縮小地區(qū)經(jīng)濟(jì)發(fā)展差距、緩解相對(duì)貧困具有促進(jìn)作用。 從不同角色出發(fā)，對(duì)政府、銀行金融機(jī)構(gòu)和小微企業(yè)等群體提出促進(jìn)普惠金融發(fā)展的相關(guān)對(duì)策建議。

首先，政府出臺(tái)相關(guān)政策文件。 完善經(jīng)濟(jì)相對(duì)落后地區(qū)的金融基礎(chǔ)設(shè)施建設(shè)，打通普惠金融覆蓋到基層的“最后一公里”，把地區(qū)經(jīng)濟(jì)基礎(chǔ)設(shè)計(jì)建設(shè)落實(shí)到位。 同時(shí)，相關(guān)金融監(jiān)管部門(mén)要加強(qiáng)監(jiān)督和管理，建立健全金融法規(guī)制度，規(guī)范金融市場(chǎng)秩序。

其次，銀行業(yè)金融機(jī)構(gòu)積極探索金融科技創(chuàng)新發(fā)展之路。 以大數(shù)據(jù)和互聯(lián)網(wǎng)信息技術(shù)探索普惠金融發(fā)展新模式，增加金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)量和相關(guān)金融創(chuàng)新服務(wù)，以實(shí)體金融和數(shù)字普惠金融共同推動(dòng)普惠金融體系的發(fā)展。

再次，小微企業(yè)、農(nóng)民、低收入群體和老年人等作為普惠金融的受眾群體，主動(dòng)融入金融發(fā)展浪潮，拓寬融資渠道。 在面對(duì)數(shù)字信息鴻溝的情況下要積極主動(dòng)了解相關(guān)普惠金融政策，提高專(zhuān)業(yè)化和信息獲取水平，以相關(guān)金融服務(wù)的發(fā)展帶動(dòng)產(chǎn)業(yè)發(fā)展。