黃建康 張丹慧

摘 要：該文章用金融發(fā)展的規(guī)模、金融發(fā)展的結(jié)構(gòu)和金融發(fā)展的效率三個指標(biāo)，來構(gòu)建江蘇省金融發(fā)展水平的綜合指標(biāo)評價體系，其中采用了因子分析方法以及樹狀圖分析法，對江蘇省13個地區(qū)金融發(fā)展進(jìn)行較為科學(xué)的測度。研究結(jié)果顯示：江蘇金融發(fā)展主要依靠金融規(guī)模的擴(kuò)張，能夠在金融發(fā)展的規(guī)模、結(jié)構(gòu)方面同時均衡發(fā)展的城市除了有蘇南的兩個城市蘇州和無錫外，其他大部分城市的金融發(fā)展都在不同程度上顯示“數(shù)量型”這一特征，轉(zhuǎn)換金融增長方式，優(yōu)化金融發(fā)展結(jié)構(gòu)是江蘇省區(qū)域金融發(fā)展的路徑選擇。

關(guān)鍵詞：區(qū)域金融；測度；因子分析；聚類分析

區(qū)域金融及其發(fā)展方式的不同是由金融資源在空間層面的供求不對稱決定的，而這種不對稱又是由區(qū)域的非均質(zhì)性決定的（李嵐，2008）。改革開放40年以來，我國金融業(yè)經(jīng)歷了迅速發(fā)展的階段。以江蘇省為例，2016年全省GDP達(dá)到7.6萬億元，在全國GDP排行榜穩(wěn)居第二的位置；截至2016年底，江蘇省金融機(jī)構(gòu)本外幣存款余額12.6萬億元，四年間年均增長率為12.6%；全省本外幣貸款余額9.3萬億元，2013年-2016年連續(xù)四年邁上萬億新臺階，年均增長12.7%。但是，江蘇省區(qū)域經(jīng)濟(jì)發(fā)展與金融發(fā)展之間不平衡的問題仍然比較突出，截至2016年末，蘇南GDP總量是蘇北的2.47倍；蘇南存貸款總量是蘇北的4.75倍；蘇北人均存貸款比蘇南少151.51萬元，差距已經(jīng)達(dá)9倍；蘇南地區(qū)保險密度達(dá)到人均2.36萬元，而蘇北地區(qū)人均只有8124元，蘇北距蘇南的差距是2.90倍；上市公司數(shù)量方面，蘇南有244家，而蘇北僅有27家，差距已到9倍（董金玲，2009）。因此衡量江蘇省區(qū)域金融發(fā)展水平，探討江蘇省區(qū)域金融發(fā)展的變化特征，這對減小中國區(qū)域發(fā)展存在的差異有一定的積極影響。

一、區(qū)域金融發(fā)展水平評價體系

在現(xiàn)有的理論研究中，衡量金融發(fā)展常用的指標(biāo)如下：存貸款規(guī)模、金融機(jī)構(gòu)數(shù)量、金融市場交易金額以及金融深度指標(biāo)等等。然而，這些指標(biāo)多少有單一性問題的缺陷。本文在參考之前一些學(xué)者的研究的基礎(chǔ)上，基于一定的內(nèi)在邏輯選擇了三個維度來衡量金融發(fā)展水平：金融發(fā)展的規(guī)模、結(jié)構(gòu)以及效率，金融發(fā)展的規(guī)模可以代表金融發(fā)展的整體水平；金融發(fā)展的結(jié)構(gòu)可以體現(xiàn)出金融發(fā)展的趨勢；金融發(fā)展的效率可以度量金融發(fā)展的速度（江遠(yuǎn)，2014）。

1.金融發(fā)展的規(guī)模指標(biāo)

金融發(fā)展的規(guī)模是金融發(fā)展的顯性衡量指標(biāo)?；趨^(qū)域間的人口和經(jīng)濟(jì)規(guī)模存在一定差異，我們利用人均存款余額和人均貸款余額代替反映金融發(fā)展實(shí)力的金融機(jī)構(gòu)年末存款總額和年末貸款總額；利用保費(fèi)收入反映保險市場的發(fā)展；區(qū)域金融機(jī)構(gòu)的規(guī)模我們用金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、金融從業(yè)人員和地區(qū)上市公司的數(shù)量來衡量。

2.金融發(fā)展的結(jié)構(gòu)指標(biāo)

金融發(fā)展不僅體現(xiàn)在金融資源量的增加上，還體現(xiàn)在其質(zhì)的改善上。本文運(yùn)用金融相關(guān)比率、保險深度、保險密度和存貸比指標(biāo)來體現(xiàn)。

（1）金融相關(guān)比率。這一指標(biāo)是戈德史密斯首次提出的，在他看來，存在于金融上層和經(jīng)濟(jì)基礎(chǔ)結(jié)構(gòu)間的規(guī)模變化關(guān)系可由金融相關(guān)比率的變化來體現(xiàn)（楊曉敏，2007）。一般情況下，國內(nèi)學(xué)術(shù)界是利用銀行存貸款之和與GDP的比率來計(jì)算金融相關(guān)比率的，所以本文也借鑒了此方法。計(jì)算公式如下：

金融相關(guān)比率=期末金融機(jī)構(gòu)存貸款余額/GDP

（2）保險深度。保險深度這一指標(biāo)是用來衡量保險業(yè)的綜合發(fā)展水平的，一般是用保費(fèi)收入占據(jù)GDP的比重來計(jì)算保險深度。計(jì)算公式如下：保險深度=保費(fèi)收入/GDP

（3）保險密度。保險密度是指在有限的統(tǒng)計(jì)范圍內(nèi)，常住人口平均每個人占到的保險費(fèi)的金額數(shù)。計(jì)算公式如下：

保險密度=保險收入/常駐人口數(shù)

（4）存貸比。一般用金融機(jī)構(gòu)貸款和存款的比值來計(jì)算。計(jì)算公式如下：存貸比=期末金融機(jī)構(gòu)貸款余額/期末金融機(jī)構(gòu)存款余額

3.金融發(fā)展的效率指標(biāo)

（1）信用資源占用系數(shù)

信用資源占用系數(shù)=本外幣貸款余額/同期GDP

（2）投資效率

投資效率=資本形成總額/同期GDP

二、模型設(shè)立和指標(biāo)數(shù)據(jù)選取

因子分析可以把可能存在潛在關(guān)聯(lián)的大量變量轉(zhuǎn)換成相對較少且沒有相關(guān)關(guān)系的綜合指標(biāo)（焦婧，2012）。這種方法不僅減少了信息收集的工作量，而且綜合指標(biāo)所表示的信息不會重疊，易于分析。模型的數(shù)據(jù)是基于江蘇省13個城市的相關(guān)截面數(shù)據(jù)，為了減少短期波動對研究結(jié)果的影響，上述提到的一些指標(biāo)在本文中都采用2014年-2016年的算術(shù)平均值。由于數(shù)據(jù)不全的問題，文中涉及到的金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)由證券及期貨營業(yè)部的個數(shù)來代替反映；金融從業(yè)人員由銀行、信用社、財務(wù)公司、信托公司、租賃公司的從業(yè)人員來反映（莊慶，2008）。數(shù)據(jù)來源于2014年-2016年《江蘇統(tǒng)計(jì)年鑒》、江蘇省各市《統(tǒng)計(jì)年鑒》、江蘇保監(jiān)局、江蘇證監(jiān)會網(wǎng)站。

三、實(shí)證過程與結(jié)果分析

1.實(shí)證過程

首先對原始數(shù)據(jù)進(jìn)行無量綱化處理，將原始值標(biāo)準(zhǔn)化為Z分?jǐn)?shù)。再根據(jù)13個地區(qū)12個指標(biāo)的數(shù)據(jù)建立評價矩陣，共12列13行，然后對其中變量之間的相關(guān)性進(jìn)行分析，以此驗(yàn)證能否進(jìn)行因子分析（董金玲，2009）。本文中用到的驗(yàn)證方法是Bartlett球度檢驗(yàn)和KMO測度法。檢驗(yàn)結(jié)果如下：KMO為0.545，大于0.5；另外，Bartlett統(tǒng)計(jì)值的顯著性概率為0.000，小于等于1%，因此拒絕原假設(shè)，非常適合做因子分析。

通常情況下，公因子的方差貢獻(xiàn)決定我們要抽取多少個公因子，公因子的重要程度取決于其方差貢獻(xiàn)。一般來說，對于排名前幾個的因子，如果能滿足特征值>1的同時，累計(jì)方差貢獻(xiàn)率≥85%，那么綜合特征就可以用這幾個因子來代替反映（董金玲，2008）。主成分特征值及總方差解釋的研究結(jié)果為：成分1和2的特征值分別為9.225和1.164，累計(jì)方差貢獻(xiàn)率為76.872和86.575，所以可選取2個公因子（李國紅和趙息，2014）。利用最大四次方值法將指標(biāo)數(shù)據(jù)進(jìn)行25次的旋轉(zhuǎn)，結(jié)果顯示：第一主成分和第二主成分解釋的方差分別占整個方差的76.872%和9.703%，累計(jì)方差貢獻(xiàn)率達(dá)到86.575%，明顯大于85%這個臨界值，所以把這兩個公因子作為綜合評價指標(biāo)是合理的（馮玥和王如淵，2007）。

根據(jù)旋轉(zhuǎn)后的因載荷矩陣，進(jìn)行進(jìn)一步分析。第一主成分在如下指標(biāo)層面載荷都較大：人均存款、人均貸款、保費(fèi)收入、金融機(jī)構(gòu)網(wǎng)點(diǎn)數(shù)、金融從業(yè)人員、上市公司家數(shù)、金融相關(guān)比率、保險深度、保險密度以及信用資源占用系數(shù)，都達(dá)到了0.75以上，這體現(xiàn)出金融發(fā)展量的擴(kuò)張性，當(dāng)作金融發(fā)展規(guī)模因子，貢獻(xiàn)率是76.872%；第二主成分唯獨(dú)在存貸比上載荷較大，達(dá)到0.967，反映的是金融發(fā)展量的分布情況，可以看成是金融發(fā)展結(jié)構(gòu)因子，貢獻(xiàn)率為9.703%。第一步先根據(jù)回歸法得到公因子得分F1、F2，第二步是以方差貢獻(xiàn)率為權(quán)重，將旋轉(zhuǎn)后的2個公因子得分加權(quán)求和，得到綜合得分（譚華和陳燕華，2012），即F=（F1*76.872+F2*9.703）/86.575。

2.結(jié)果分析

上表中的綜合排序反映了江蘇省各地區(qū)的金融發(fā)展差異情況，其中金融發(fā)展水平較高的地區(qū)有南京、蘇州、無錫、常州和南通，因子綜合得分為正，高于省內(nèi)平均水平。南京金融發(fā)展規(guī)模遙遙領(lǐng)先于其他城市，雖然金融發(fā)展結(jié)構(gòu)為負(fù)值，落后于一些城市，但是金融總體發(fā)展水平位居第一；蘇州F1、F2得分均較高，說明蘇州銀行、證券與保險發(fā)展整體較均衡；無錫、常州、南通三個城市的總體發(fā)展較好；宿遷在金融結(jié)構(gòu)方面的存貸比在13個城市里面最高，這就使它的F2很高，穩(wěn)居第一；作為蘇南地區(qū)城市之一的鎮(zhèn)江，整體金融發(fā)展水平卻不高。綜上所述，金融發(fā)展領(lǐng)先的還是以蘇南地區(qū)為主，蘇北地區(qū)相對而言還是較為落后，這與經(jīng)濟(jì)發(fā)展的情況相匹配。

四、相似性測度及樹狀圖聚類

對江蘇13個城市的金融發(fā)展結(jié)構(gòu)性差異進(jìn)行進(jìn)一步的研究。這一部分仍然采用前文提到的Z分?jǐn)?shù)法進(jìn)行數(shù)據(jù)處理，選擇組間連接法，如下圖。

聚類結(jié)果如下：13個地區(qū)被切割成了兩個大類，第一大類中包含南京和蘇州，第二大類包含了其余11個地區(qū)，這種結(jié)果反映出這兩類地區(qū)在金融發(fā)展結(jié)構(gòu)方面有較大差異。基于原始數(shù)據(jù)及根據(jù)聚類的結(jié)果、因子得分結(jié)果進(jìn)一步分析：南京和蘇州的金融發(fā)展水平比其余11個城市都要高，高于江蘇省平均水平，劃為金融高發(fā)展區(qū)域；其余地區(qū)除無錫、常州和南通外，發(fā)展都低于全省平均水平，劃為金融中低發(fā)展地區(qū)。

進(jìn)一步分析第一大類，高發(fā)展的兩個地區(qū)中，金融的整體規(guī)模都較大，但是根據(jù)數(shù)據(jù)發(fā)現(xiàn)南京F1得分較高，金融量的擴(kuò)張直接促進(jìn)了其金融發(fā)展，再看其原始數(shù)據(jù)中的存貸比這一指標(biāo)，相對于其他地區(qū)偏低，說明南京金融發(fā)展結(jié)構(gòu)需要優(yōu)化改善；而蘇州相對來說金融發(fā)展較為均衡。

第二大類金融中低發(fā)展的11個地區(qū)，又可以歸為兩類，若干分類。第一類是無錫、常州和南通。這類地區(qū)金融發(fā)展高于全省均值，總體規(guī)模大于其他8個地區(qū)。與常州和南通相比，無錫發(fā)展相對更加均衡，無論是金融發(fā)展規(guī)模還是結(jié)構(gòu)都是正值，高于全省均值，因此無錫單獨(dú)分類；常州和南通兩個城市分為一類，這兩個地區(qū)結(jié)構(gòu)相似，從他們F1的排名可以看出金融發(fā)展的規(guī)模是它們金融發(fā)展貢獻(xiàn)的主要來源。

第二類是鎮(zhèn)江、泰州、徐州、鹽城、揚(yáng)州、連云港、淮安和宿遷。這8個地區(qū)金融發(fā)展低于全省平均水平，規(guī)模不大、結(jié)構(gòu)突出。宿遷作為江蘇省新興城市，金融發(fā)展存在嚴(yán)重不均衡，金融發(fā)展規(guī)模很低，F(xiàn)1排名居全省最后，金融發(fā)展結(jié)構(gòu)因子卻是全省第一，F(xiàn)2排名最靠前，因此將它單獨(dú)歸為一類。鎮(zhèn)江和泰州歸屬于一類，鎮(zhèn)江雖然屬于蘇南地區(qū)，但是其金融發(fā)展水平整體來說并不高，而泰州也具備相似的特點(diǎn)，所以將它們歸為一類。而徐州、揚(yáng)州和鹽城又屬于另一分類，這三個城市的F1和F2分?jǐn)?shù)都低于全省平均值，整體金融發(fā)展水平偏弱。連云港和淮安的結(jié)構(gòu)相似：F1分?jǐn)?shù)都是負(fù)值，低于全省均值；F2分?jǐn)?shù)都為正值，高于全省均值，表明連云港和淮安的金融發(fā)展偏結(jié)構(gòu)型。

五、結(jié)論及建議

本文主要的研究目的是對江蘇省區(qū)域金融發(fā)展水平進(jìn)行測度及評價，用到的方法有因子分析法和聚類分析法，數(shù)據(jù)基礎(chǔ)是江蘇13個城市的截面數(shù)據(jù)，涉及到的指標(biāo)層面有金融發(fā)展規(guī)模、結(jié)構(gòu)。研究得出的結(jié)論如下：江蘇省金融發(fā)展靠前的地區(qū)分別是南京、蘇州、無錫、常州和南通，而金融發(fā)展靠后的城市有鹽城、淮安、宿遷和徐州。根據(jù)聚類分析得出的結(jié)論如下：除了蘇南地區(qū)的蘇州和無錫外，江蘇的其他地區(qū)主要還是通過擴(kuò)張自身的金融規(guī)模來發(fā)展金融，離均衡發(fā)展金融規(guī)模和優(yōu)化金融結(jié)構(gòu)還是有些差距的，這些地區(qū)大部分凸顯出的金融發(fā)展特征依舊是“數(shù)量型特征”。綜上所述，蘇南地區(qū)、蘇中地區(qū)應(yīng)該優(yōu)化金融結(jié)構(gòu)，進(jìn)一步將金融的功能特征凸顯出來；蘇北地區(qū)應(yīng)該轉(zhuǎn)變金融發(fā)展模式，從以往的粗放型轉(zhuǎn)變?yōu)榧s型，提升效率，如此江蘇省各個地區(qū)才能充分發(fā)揮各自的區(qū)域金融作用，促進(jìn)對經(jīng)濟(jì)發(fā)展的影響，實(shí)現(xiàn)省內(nèi)區(qū)域發(fā)展差距越來越小的奮斗目標(biāo)。

參考文獻(xiàn)：

[1]李嵐.我國區(qū)域金融發(fā)展差異度量及影響因素分析[D].復(fù)旦大學(xué)，2008.

[2]董金玲.江蘇區(qū)域金融作用機(jī)制及發(fā)展差異研究[D].中國礦業(yè)大學(xué)，2009.

[3]江遠(yuǎn).我國金融發(fā)展對OFDI影響研究[D].南京大學(xué)，2014.

[4]楊曉敏.中國金融業(yè)資產(chǎn)的規(guī)模與效率[J].金融論壇，2007（05）：41-47.

[5]焦婧.區(qū)域金融發(fā)展水平差異研究[D].青島大學(xué)，2012.

[6]莊慶.城市金融競爭力研究與評價——以江蘇省為例[J].金融縱橫，2008（04）：52-56.

[7]董金玲.江蘇區(qū)域金融發(fā)展水平測度及聚類[J].華東經(jīng)濟(jì)管理，2009，23（12）：20-25.

[8]董金玲.城市金融競爭力研究與評價：以江蘇省為例[J].江蘇商論，2008（02）：170-172.

[9]李國紅，趙息.SDGOLD集團(tuán)金融管控價值創(chuàng)造效應(yīng)實(shí)證研究[J].經(jīng)濟(jì)問題探索，2014（09）：134-140.

[10]馮玥，王如淵.對我國區(qū)域金融發(fā)展的聚類分析[J].統(tǒng)計(jì)與決策，2007（02）：73-75.

[11]譚華，陳燕華.基于因子分析的上市商業(yè)銀行經(jīng)營績效實(shí)證研究[J].特區(qū)經(jīng)濟(jì)，2012（10）：84-86.

作者簡介：黃建康（1965- ），江蘇蘇州人，江南大學(xué)商學(xué)院，博士，教授，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)學(xué)；張丹慧（1993- ），江蘇鎮(zhèn)江人，江南大學(xué)商學(xué)院，碩士研究生，研究方向：產(chǎn)業(yè)經(jīng)濟(jì)學(xué)