（河南財(cái)經(jīng)政法大學(xué)金融學(xué)院 河南·鄭州 450000）

0 引言

改革開放以來，金融業(yè)迅速發(fā)展。1978年-2020年，我國用40余年的時間走完了發(fā)達(dá)國家近百年的金融歷程。一方面金融總產(chǎn)值迅速增長，另一方面區(qū)域發(fā)展水平不平衡問題也日益顯著。國內(nèi)外研究表明，區(qū)域間金融一體化可以充分發(fā)揮金融優(yōu)化資源配置的功能，從而起到優(yōu)化金融結(jié)構(gòu)、合理分配收入的作用，因此研究我國區(qū)域間金融發(fā)展水平對于我國金融資源配置和經(jīng)濟(jì)高質(zhì)量增長至關(guān)重要。譚霖(2016)從金融深度、寬度、效率和環(huán)境四個維度構(gòu)建指標(biāo)體系對我國2004-2014年間各區(qū)域金融發(fā)展水平進(jìn)行評價(jià)。本文將運(yùn)用因子分析法來建立（2005-2019年）我國31個省的金融發(fā)展水平的量化分析模型，并在此基礎(chǔ)上，對我國31省在金融發(fā)展上進(jìn)行聚類分析。

1 我國區(qū)域間金融發(fā)展水平現(xiàn)狀

根據(jù)《2020中國區(qū)域金融運(yùn)行報(bào)告》可知，近年來金融體系結(jié)構(gòu)優(yōu)化穩(wěn)步推進(jìn)，銀行業(yè)金融機(jī)構(gòu)總體穩(wěn)健。但區(qū)域金融差異化也較為顯著。主要表現(xiàn)為一方面金融業(yè)總體實(shí)力差距明顯：2019年末，東部地區(qū)銀行業(yè)資產(chǎn)規(guī)模保持較快增長，資產(chǎn)總額高達(dá)143.7萬億元；而中部地、西部地區(qū)、東北地區(qū)銀行業(yè)金融機(jī)構(gòu)總資產(chǎn)分別為40.4萬億元、46.1萬億元、15.9萬億元。另一方面表現(xiàn)為金融機(jī)構(gòu)數(shù)量地區(qū)分布不合理：2019年末東部地區(qū)銀行業(yè)金融機(jī)構(gòu)網(wǎng)點(diǎn)個數(shù)高達(dá)91038，而中部、西部、東北地區(qū)的銀行業(yè)金融機(jī)構(gòu)的網(wǎng)點(diǎn)個數(shù)分別為 53335、60750、21275。

2 我國區(qū)域間金融發(fā)展水平的量化評價(jià)模型

2.1 構(gòu)建評價(jià)指標(biāo)體系

為了構(gòu)建全面衡量我國各省的金融發(fā)展水平的指標(biāo)體系，我們通過分析國內(nèi)外相關(guān)文獻(xiàn)，在借鑒相關(guān)學(xué)者的研究基礎(chǔ)上，本著全面、方便、準(zhǔn)確的原則，本文選取了經(jīng)管類專業(yè)大學(xué)生總數(shù)、應(yīng)用經(jīng)濟(jì)學(xué)畢業(yè)生就業(yè)率、第四輪學(xué)科評估應(yīng)用經(jīng)濟(jì)學(xué)評選結(jié)果、不良貸款率、地區(qū)數(shù)字普惠金融指數(shù)、各省貸款總額占各省GDP總額的比值、金融機(jī)構(gòu)貸款總額、保險(xiǎn)公司保費(fèi)收入、股票交易規(guī)模與債券交易規(guī)模比值、金融資產(chǎn)市價(jià)總值與國民財(cái)富的比率、保險(xiǎn)深度、金融科技實(shí)驗(yàn)室數(shù)、科創(chuàng)板上市公司數(shù)共13個指標(biāo)。

2.2 因子分析

2.2.1 因子相關(guān)性檢驗(yàn)

利用 SPSS17.0對數(shù)據(jù)進(jìn)行數(shù)據(jù)的適合度檢驗(yàn)。本文通過巴特利特球形度檢驗(yàn)和 KMO檢驗(yàn)得出 KMO檢驗(yàn)值為0.852，巴特利特球形度檢驗(yàn)的顯著性概率為0.000，說明指標(biāo)間的相關(guān)性較強(qiáng)，適合做因子分析。如表1所示

表1：KMO和Bartlett的檢驗(yàn)

2.2.2 主因子提取

依據(jù)特征值大于1，累計(jì)方差貢獻(xiàn)率達(dá)到92.152%，前5個因子已經(jīng)代表了原始數(shù)據(jù)的絕大部分信息，因此，選取前5個因子作為主因子，如表2所示。

表2：特征值及累計(jì)方差貢獻(xiàn)率

2.2.3 因子旋轉(zhuǎn)并對因子進(jìn)行命名

根據(jù)旋轉(zhuǎn)后的成分矩陣表可以看出，第一主因子F1在X1、X2、X3的載荷系數(shù)較高，分別達(dá)到了 0.775、0.922、0.660，因此可以將因子命名為高等教育發(fā)展水平因子，第二主因子F2在X4、X5上載荷系數(shù)相對較高，達(dá)到了0.926和0.574，因此將其命名為金融發(fā)展質(zhì)量因子；第三主因子F3在X6、X7、X8的載荷系數(shù)較高,分別達(dá)到0.790、0.636和0.920，所以將其命名為金融發(fā)展規(guī)模因子；第四主因子F4在X9、X10、X11上載荷系數(shù)較高，分別達(dá)到0.832、0.823、0.822，所以將其命名為金融結(jié)構(gòu)健全度因子；第五主因子F5在X12、X13上的載荷系數(shù)較高，分別達(dá)到0.927，0.964，將其命名為金融科技發(fā)展水平因子。

2.2.4 構(gòu)建因子得分模型

在進(jìn)行因子分析后，對我國各省金融發(fā)展水平綜合評價(jià)模型進(jìn)行搭建。據(jù)因子分析結(jié)果可得5個主因子經(jīng)過旋轉(zhuǎn)后的特征值分別是6.469、3.174、1.652、1.364和1.163。且5個主因子的方差共解釋了原始數(shù)據(jù)的92.152%，5個因子的貢獻(xiàn)率分別為 0.2478、0.2168、0.205、0.1695和 0.1609。全球高等教育系統(tǒng)健康度及可持續(xù)性的綜合得分記為F，F(xiàn)i為相應(yīng)因子得分，ui為因子方差貢獻(xiàn)率，其一般表達(dá)式如下：

結(jié)合因子分析的結(jié)果，構(gòu)建出我國各區(qū)域金融發(fā)展水平綜合評價(jià)模型為：

結(jié)合旋轉(zhuǎn)載荷矩陣和該評價(jià)模型即可得到我國排名靠前和靠后的四個省的因子得分及其排名如下表3所示：

表3：代表省市金融發(fā)展水平排名

2.3 聚類分析

以31個省份5個公因子的作為變量，根據(jù)各個省份因子得分?jǐn)?shù)據(jù)，采用系統(tǒng)聚類分析，根據(jù)金融水平的發(fā)展特點(diǎn)，可以將我國31個省分成四類，這四種類型在金融發(fā)展水平的5個主因子上的得分如下表4所示。

表4：不同類型省份在金融發(fā)展水平各主因子上的得分

由以上的分析數(shù)據(jù)可以將我國31個省劃分為四個類別，其每個類別里的各個省市見下表5所示。

表5：各類別具體省市

第一類的廣東、上海、北京擁有金融領(lǐng)域的絕對競爭力，也是中國的主要金融中心和金融交易市場所在地。這些地區(qū)的金融發(fā)展水平居于前列，位于中國金融市場的領(lǐng)先地位。

第二類包括江蘇、浙江、山東等8個省，排名依次是從4到11.其中除了四川、湖北和河南外，基本都位于我國東部地區(qū)。他們有著先天的地理優(yōu)勢，也具備一定的金融實(shí)力，金融發(fā)展水平也處于上游，但與第一類相比，仍有差距。

第三類包括河北、遼寧、重慶等10個省份，排名依次是12到21，其中除了遼寧和河北外，基本都位于中部和西南地區(qū)。這些省市的金融發(fā)展水平得分差距不大，并且處于平均水平。

第四類包括內(nèi)蒙古、青海、貴州等10個省份，其排名依次是22到31。這10個省市除海南外，基本都位于西部和東北地區(qū)，這些省市的金融發(fā)展水平顯著處于底部水平。

3 得出結(jié)論并提出政策性建議

本文通過建立我國區(qū)域金融發(fā)展水平的評價(jià)模型，對各省的金融發(fā)展水平進(jìn)行量化分析，我們將中國31個省份劃分為四大類，這四大類省份的金融發(fā)展水平差異較大，即中國當(dāng)前的區(qū)域金融發(fā)展水平是顯著不均衡的。其中，東部沿海地區(qū)的省份的金融發(fā)展水平要顯著高于中西部及東北地區(qū)等等。針對這種不均衡的狀態(tài)，本文認(rèn)為應(yīng)積極構(gòu)建區(qū)域經(jīng)濟(jì)和區(qū)域金融的和諧關(guān)系，建立東部與西部互補(bǔ)互幫互助的金融結(jié)構(gòu)體系，提高高等教育質(zhì)量并培養(yǎng)高素質(zhì)金融人才。