江西区域金融生态环境评价

陈雁云 刘 晔

江西区域金融生态环境评价

陈雁云 刘 晔

通过建立系统的金融生态环境评价指标体系，并综合运用因子分析与AHP，分析江西11个地级市的金融生态环境现状及影响因素。研究结果表明：影响区域金融生态环境的因素是多方面的，其中经济基础、金融稳定与发展、市场中介与信用、政府治理是影响区域金融生态环境的主要因素。因此，构建良好的经济与金融发展环境、建立有效的信用体系、改善政府治理效能以及协调区域经济发展，将有利于区域金融生态环境的改善。

金融生态环境；因子分析；层次分析法；江西

陈雁云，江西财经大学江西经济发展研究院副研究员，博士；

刘 晔，江西财经大学江西经济发展研究院区域经济学硕士生。（江西南昌 330013）

一、评价指标体系和研究方法

金融生态环境反映的是金融主体的外部运行环境，其好坏在很大程度上会影响地区的经济社会发展。自周小川在国内首次提出金融生态这一概念以来[1]，国内关于金融生态的研究越来越多。研究金融生态环境最终要落实到如何对其的评价上，关于评价指标体系，许多学者根据各自的理解分别进行了构建(见表1)。

表1 部分文献构建金融生态环境评价指标的维度

从这些文献可以看出，大多数文献的共同点是把经济、金融、信用、政府治理和法律环境作为评价金融生态的因素。在评价方法上，常用的金融生态环境定量评价方法主要有DEA、AHP、因子分析法、主成分分析法、人工神经网络评价法、聚类分析法等[5]。

由于金融生态这一概念较为宽泛，学者们在进行地区金融生态环境评价时选取的指标与评价方法各异，从而使得评价结论不一。并且，许多文献中仅仅用总量指标进行评价，没有考虑区域的条件差异如面积和人口等，从而造成评价结果的失真。本文将借鉴现有文献研究，结合江西省金融生态环境的现实，构建系统的评价指标体系，并综合运用因子分析与AHP分析江西省11个地级市的金融生态环境现状及影响因素，以期为地区金融生态环境的改善提供参考。

（一）评价指标体系的建立

本文的金融生态环境评价指标体系，包括经济基础、金融稳定与发展、市场中介与信用等八个方面的41个指标(见表2)。

表2 地区金融生态环境评价指标体系

（二）研究方法

本文综合应用因子分析法和层次分析法 （Analytic Hierarchy Process，简称AHP）。其中，因子分析是一种多元统计方法，它的核心是用最少的互相独立的因子反映原有变量的绝大部分信息，它可以消除指标的线性相关问题，通过因子得分，可以得到各经济单元的经济效益情况；层次分析法的计算结果简单、明确，可以解决系统存在的不确定性和复杂性。AHP模型评价值反映决策者的主观偏好，因子分析模型评价值反映各单元的经济效益，利用线性加权的方法把两者联用，可以更客观地反映区域生态环境的真实情况。为了消除两种方法计算结果数据的差异，需先进行无量纲化，之后采用以下计算公式：

式中，A为综合评价值；y为AHP模型评价值；∂为主观偏好系数，取[0,1]中任何一个数值，由决策者根据偏好给出；1－∂为客观偏好系数；θ*为因子分析模型评价值[6]。

另外，在数据处理方面，由于本文所选指标既有正指标也有逆指标。因此，为了使指标数值与所要反映的经济与社会意义一致，必须先将逆向指标数据进行正向化处理，所采用的公式如下：

设 Xi为逆指标数据，

则X′i为正向化后的指标数据。在进行正向化处理后，再对数据进行标准化处理。

二、江西区域金融生态环境的实证分析

（一）数据来源

为了更准确地反映各地区情况，本文所选指标大多数采用3年加权平均方法进行处理，所用数据大多数来源于 《2010—2012江西统计年鉴》、 江西各地级市2010—2012年统计年鉴。由于数据可得性，本文最终只搜集到 41个指标中的 38个指标 2009—2011年的数据。

（二）实证分析与结果

1.因子分析

（1）因子的提取与命名

在对所有指标进行标准化处理消除数据的量纲以后，方可进行因子分析，本文采用了SPSS17.0软件进行处理，将所有数据导入软件进行一次因子分析，得出了表3的因子方差表。从表3可以看出，前八个因子的特征值大于1，累计方差贡献度达97.302%，能够反映原始数据的绝大多数信息。

表3 因子方差表

因此，选择前8个公因子计算因子载荷矩阵，并对其进行旋转，得到旋转后的因子载荷矩阵，并按变量序号进行排序。结果显示，因子1基本涵盖了金融发展、市场中介与信用、法治环境和部分企业状况的指标，可视为前三者的集合；因子2可以大致描述企业状况指标；因子3大体可作为政府治理指标的概括；因子4则可描述人口素质指标；因子5可用来指代居民生活水平；而经济基础一栏则不容易解释，只能被看WDT是因子1、6、7的综合表示；固定资产增长率波动较为独立，因子8单独反映了这一指标。

（2）计算因子得分

由SPSS17.0可以得到因子得分矩阵，根据因子方差表和因子得分系数矩阵建立综合评价得分模型，计算出最终因子综合得分的结果如图1所示。

图1 各地区因子综合得分

结果显示，新余市、南昌市与鹰潭市的金融生态环境评价值最高，而上饶市、九江市和赣州市的金融生态环境评价值最低。从第6到第10位的地区，因子得分值相差不大。

2.层次分析法分析

根据前述步骤，利用yaahp0.5.3软件构造江西省11个地级市区的金融生态环境的递阶层次结构模型。在构造判断矩阵时，运用Saatty提出的1－9标度法进行成对比较，并邀请多位金融生态方面的学者进行各因素重要性的相互比较，利用群决策对各指标相对重要性进行合理赋权，构造判断矩阵，该判断矩阵符合要求，满足一致性检验。

由于各指标数据的量纲不同，本文在进行无量纲化处理后得到样本指标值,采用加权求和的评价模型，计算得到地区的AHP评价值见表4。

表4 地区各准则层AHP 评价值排序

从单纯运用层次分析法得到的评价结果来看，南昌市、新余市与鹰潭市的金融生态环境AHP评价最高，吉安市、抚州市和赣州市的金融生态环境的AHP评价最低。不过，只有在权重分配合理的条件下，评价结果的正确性才能得到保证。因此，要得到更加符合实际情况的评价结果，需综合考虑两种方法。

3.因子分析与层次分析评价结果的集成

为了消除两种不同数据的量纲，首先对数据进行标准化处理。由于因子得分中包含负数，这里采用功效系数法处理数据，将数据的范围归到[0，1]间。而后，计算因子分析与AHP的综合评价值，这里取∂＝0.5，结果见表5。

三、评价结果分析

（一）区域金融生态环境评价结果分析

本文从八个维度对江西省的金融生态环境进行评价，无论采用哪种方法，江西省区域金融生态环境状况都存在明显的区域差距，南昌、新余和鹰潭的金融生态环境较好，而上饶、抚州和赣州的金融生态环境较差。

通过对比原始数据我们进一步发现，经济发展水平较高的新余、南昌和鹰潭其金融生态环境也较好，而较低的上饶和赣州则排位较后。因此，区域金融生态环境评价结果从侧面反映出区域经济实力与金融生态环境的状况具有一定的关联性。然而，九江有所不同，其连续三年工业总产值排全省第二，但金融生态环境评价结果居于中间。这说明地区经济实力的强弱并不是金融生态环境好坏的唯一决定因素，金融生态环境可以通过改善其他要素进行优化。

表5 因子分析与AHP 评价结果的数据标准化与最终得分

（二）区域金融生态环境影响因素分析

从AHP给出的权重看，经济基础、金融稳定与发展、政府治理、企业状况和市场中介与信用这五类指标涵盖了76.82%的权重，可视为影响金融生态环境的主要因素。就单个指标而言，企业经济效益综合指数、人均GDP、金融效率、全员劳动生产率、地方法规健全性和金融深度在全部指标中排名靠前，是影响金融生态环境的重要因素。

从因子分析来看，前三个综合因子反映的原始数据信息达到73%以上，他们分别指代了金融稳定与发展、市场中介和信用、法律环境和政府治理这四大类指标，这些因素是影响金融生态环境的主要因素。因此，综合两种方法来看，可主要从金融稳定与发展、政府治理和市场中介与信用等方面来改善地区金融生态环境。

（三）江西各地区金融生态环境差异分析

江西各地区在经济水平、金融发展、企业效益、人口素质、地理环境均存在着较大差别，发展还不平衡。

1.区域经济与金融发展水平差距悬殊

反映经济与金融发展水平的人均GDP、固定资产投资、消费与进出口贸易、金融深度、金融效率等指标在各地区的差距明显。其一，从3年的加权平均来看，江西人均GDP最高的新余市为59 246.3元，而排在倒数第5位的宜春市人均GDP仅为16 862.75元。其二，从拉动经济的“三驾马车”情况看，将三者标准化后的数据加总进行对比，鹰潭、宜春二市表现最佳，赣州、景德镇数值最低，最高与最低数值相差近1倍。其三，从金融发展的关键指标来看，由表4可知，经济基础居中的景德镇与宜春市，在金融发展程度上靠后，表现出经济与金融发展水平的不协调，而南昌、鹰潭、新余、九江和上饶的排序比较稳定。

2.政府财政能力不一

本文在选择政府治理层面维度时考虑了政府主导性、财政平衡能力、政府规模以及政府效率，政府主导性主要反映政府在除民生领域以外的其他领域的影响力，可以间接地反映市场配置资源状况，因为地区财政支出占当地GDP的比重越低，则地区的市场化程度越高[7]。该指标与政府规模和政府效率在江西省各地区的差异并不大，这里主要讨论各地的财政平衡能力，包括财政缺口与政府除税收外的财政能力。从财政缺口看，南昌、新余的财政缺口达到0.63和0.64，近年来这两市的政府利用地方融资平台举债数量较大，未来可能存在一定债务风险，最低的赣州仅为0.34。政府除税收外的财政收入能力指标在0.5上下波动，最高的景德镇为0.64，最低的鹰潭为0.40，各地在财政平衡能力方面存在一定差距。

3.市场中介发育情况与信用状况差距较大

各地区在中介机构数上差距十分显著，最高与最低地区相关数据相差值均在1倍以上。经济与金融发展水平高的南昌、新余，市场中介机构也较多，而发展水平较低的上饶和抚州中介机构则较少。这说明市场中介机构是伴随着经济与金融发展的发展而发展的。而信用状况方面，鹰潭的企业信用数值最高，远远超过其他地区，这可能是与当地企业效益良好有关，抚州与景德镇的企业信用数值较低，其余地区的数值相当；个人信用方面，也是经济实力较强的地区数值高，而经济实力弱的地区数值低。

（四）江西各地区金融生态环境比较

这里对比2006年与2011年江西各地区金融生态环境的变化。前述表明，经济基础、金融稳定与发展、政治治理、市场中介与信用是影响金融生态环境的主要因素，因此按这几个维度进行比较。根据AHP的指标赋权，各提取一个权重最高的指标。

经济基础中的人均GDP所占权重最高，2011年江西省各设区市的人均GDP较2006年大幅增长，其中以新余市表现最为显著，其值为2006年的3.6倍，其他地区的该倍数大多在2.3～2.4之间，发展比较均衡。

金融稳定与发展中的金融效率 （银行存贷比）对金融生态环境影响最大，从该指标看，各地区的变化趋势不一，仅有南昌市、鹰潭市、宜春市以及新余市的银行存贷比比2006年上升，其他地区除九江市外，其比值均降至60%以下。2006年，各地区的银行存贷比均值为67%，到了2011年，这一均值为60%，这可能与前些年的银根缩紧政策有关。值得注意的是，南昌市与新余市的银行存贷比在 2011年超过 75%，分别为 82%与81.7%，需对风险严密把控。

市场中介与信用方面，信用担保机构数为权重最高的指标，该指标在一定程度上可以反映信用中介市场的发育情况，由于2006年的数据不可得，无法对其进行分析。

政府治理层面的财政缺口为权重最高的指标，通过比较，各地区的财政缺口值除南昌市外均出现了下降，表现出江西省的政府财政平衡能力得到了提高，政府债务问题得到缓解。

四、结论

本文运用因子分析与AHP对江西省11个地级市的金融生态环境状况进行了评价和分析，得出了以下几点结论：第一，影响区域金融生态环境的因素是多方面的，不应仅仅局限于经济基础、金融、信用和法律环境，还应适当考虑地区的企业经营效益、人口素质及居民生活水平等指标进行评价。第二，江西省区域金融生态环境存在明显的区域差距。南昌、新余和鹰潭的金融生态环境最佳，抚州和赣州的金融生态环境较差。第三，经济基础、金融稳定与发展、政府治理、市场中介与信用是影响金融生态环境的主要因素。

综合以上结论，本文认为，改善区域金融生态环境需要从多方面入手。其一，要夯实经济基础，必须改善政府治理方式，转变政府职能，创造良好的企业经营环境，优化区域投资环境；其二，要通过不断深化金融及经济体制改革、大力发展区域的金融市场和金融服务，让金融成为实体经济的有效助推器，努力提高银行业和其他金融机构的金融服务效率，控制金融风险；其三，建立完善的社会信用体系，既要根据个体的信用状况给予不同的授信，也要通过细致调查，支持那些一时困难但未来增长潜力大的企业，鼓励金融机构多扮演做“雪中送炭”的角色；其四，努力调整产业结构，加快地区的第三产业发展和城镇化进程，实现经济发展方式的转变。

[1]周小川.完善法律制度,改进金融生态[N].金融时报，2004－12－07.

[2]李扬，王国刚，刘煜辉.中国城市金融生态环境评价[M].北京：人民出版社，2005.

[3]中国人民银行洛阳市中心支行课题组.区域金融生态环境评价指标体系研究[J].金融研究，2006，(1).

[4]胡滨.区域金融生态环境评价方法与实证研究[J].经济管理，2009，(6).

[5]程毅.基于因子分析和DEA的金融生态环境综合评价研究[D].邯郸：河北工程大学，2010.

[6]周妮笛.基于AHP－DEA模型的农村金融生态环境评价——以湖南省为例[J].中国农村观察，2010，(4).

[7]刘煌辉，等.地方政府行为模式对地区金融生态的影响[J].中国金融，2008，(3).

【责任编辑：陈保林】

F830.2

A

1004－518X（2013）05－0077－05