我国地区金融集聚水平的测度

李静+白江

摘 要：由于我国经济发展的不平衡，金融集聚在各区域发展的速度和程度存在明显的差异。由于评价金融集聚的指标体系存在不足，不能真实反映金融集聚的真实情况。因此，从金融业的细分入手，选取具有代表性的指标构建金融集聚的衡量指标体系，运用因子分析方法计算各省市的分行业集聚度，进而得到全国各省市金融集聚度。最后根据实证的研究结果提出了改善金融集聚的政策建议。

关键词：金融集聚；指标体系；因子分析

作者简介：李静，女，经济学博士，吉林大学马克思主义学院教师，从事区域经济研究；白江，男，吉林大学东北亚研究院区域经济学博士研究生，吉林大学计算机科学与技术学院讲师，从事区域经济研究。

基金项目：吉林省社会科学基金项目“吉林省建设区域金融中心的实证研究”，项目编号：2014BS41

中图分类号：F061.5 文献标识码：A 文章编号：1000-7504（2014）04-0052-07

20世纪70年代以来，不同种类的金融机构在空间上集聚，在世界范围内逐渐形成了纽约、伦敦和东京等世界金融中心。随着金融全球化的发展，我国的金融机构在空间上的集聚趋势也日益明显，逐渐形成了北京、上海等全国性的金融中心以及区域性的金融中心，我国金融中心的综合实力在不断上升。但由于我国经济发展的不平衡，金融集聚在各区域发展的速度和程度必然存在明显的差异。那么各地区金融集聚的情况具体是怎样的呢？国内学者近年来对金融集聚的测度已经做过一些尝试。文献中采用的金融集聚的评价方法主要有下面四种：

一是因子分析法，吴聪、王聪构建了经济、金融和城市发展三方面的12项指标，运用因子分析方法对我国11个重要金融中心进行测度，并给出相应的排名。[1]黎平海和王雪选取8个指标，运用因子分析方法对广东省的金融集聚度进行测度。[2]管驰明和徐爱华、刘卫等均采用因子分析方法对特定地区的金融集聚进行测度，并得出了有价值的结论。[3][4]

二是主成分分析法，丁艺等分别从目标层、准则层和因子层等三个层面选取了23个指标构建金融集聚的衡量体系，并采用主成分分析法对31个省（直辖市和自治区）的金融集聚度进行分析。[5]

三是赫芬达尔指数法，姜冉采用赫芬达尔指数（HI指数）对泛珠三角地区的金融集聚进行衡量，结果表明泛珠三角地区存在金融集聚现象。[6]

四是区位熵法，刘红[7]采用区位熵方法分别对珠三角和上海市的金融集聚进行测度，结果均发现该地区存在明显的金融集聚现象。殷兴山采用金融集聚力、金融资源力和金融区位力三个方面的指标对我国长三角地区15个城市的金融竞争力进行评估，结果发现城市的金融竞争力与金融资源的分布有很大关系。[8]

上述研究取得了一定的成果，为本文提供了很好的借鉴作用，但是绝大多数研究选取的指标数量较少，不能完全涵盖金融业的各细分行业，选取的地区都是发达地区或者针对个别的一些城市进行的研究，针对全国所有省份进行的系统对比和研究较少。以此为背景，本文运用因子分析方法从保险市场、信托市场、证券市场、信贷市场四个主要的金融市场入手，对我国31个省（直辖市和自治区）金融集聚水平进行综合测度，以期能够提供更具实际意义的研究结论，从而为政策制定提供参考。

一、金融集聚评价方法及指标体系构建

1. 金融集聚评价方法

从上文可知，金融集聚的评价方法有很多，本文采用的方法主要是因子分析方法。因子分析的主要思想是从参与数据建模的许多变量中，通过找到具有代表性的能够表示多个变量之间相互关系的因子，在不造成统计信息丢失的情况下，用较少的变量反映原有变量的绝大部分信息。具体实施的主要步骤包括[9]：

（1）KMO检验和Bartlett球形检验

KMO（Kaiser-Meyer-Olkin）检验能够对变量之间的相关性进行检验，从而确定变量之间的关系是否适合做因子分析。KMO统计量的取值在0—1之间。KMO统计量的值越接近1，表明变量越适合做因子分析；KMO统计量的值低于0.5，表明变量不适合做因子分析。

Bartlett球形检验主要是用于检验数据是否呈球形分布，相关系数矩阵是不是单位矩阵以及各变量的独立情况。如果Bartlett球形检验的值高于指定显著性水平下的临界值，表明变量之间存在相关性，适合做因子分析；如果低于临界值，则表明不适合做因子分析。

（2）计算变量的相关系数矩阵

在上述检验的基础上，进一步计量变量的相关系数矩阵，如果相关系数矩阵中的大部分值均高于0.3，表明变量之间的相关性较强，原则上这些变量可以进行因子分析。

（3）计算公因子方差

通过公因子方差的计算，可以得到提取公因子前后各个变量的共同度，能够反映提取公因子以后的信息损失程度。公因子提取的方法是主成分分析法。

（4）计算因子的累积方差贡献率确定因子个数

因子的累积方差贡献率是衡量因子是否具有公共性的重要指标。通常选取累积方差贡献率大于0.85时因子的特征根个数。

（5）计算因子旋转矩阵和因子得分系数

求因子旋转矩阵的目的主要是为了使因子载荷矩阵的结构更加简化，使每一个变量仅在一个公共因子上有较大载荷，在其他公共因子上的载荷较小。将较多的变量表示为公共因子的线性组合，这样就可以利用因子变量对研究目标进行评价，实现降维和简化，通过计算因子得分函数得到每个地区的因子得分（即金融集聚得分），因子得分是因子分析的最终体现。

2. 评价指标体系的构建

（1）指标构建原则

本文根据相关性原则、可操作性原则、可比性原则和科学性原则，构建我国各地区金融集聚测度的指标体系。金融集聚是一个复杂的经济现象，由于政治、经济、社会等因素都有可能对金融集聚的形成产生较大影响，本文选取的指标信息同我国金融集聚的实际情况相互关联，是最直接的因素，以减少不必要的干扰。金融集聚评价指标体系的构建，既要考虑研究的需要，又要考虑到其他的客观条件，并不是要将所有的东西全部加以量化才够客观，而是要避免衡量时的主观臆断与测量的偏差。因此，所选取的各项指标要具有可操作性，都能进行量化，并且按照现行的数据统计和处理方法，对金融集聚评价指标数据进行一致化的处理，使得指标元素口径一致，以便于对不同区域进行比较分析。选取的金融集聚评价指标除了能够客观真实地反映影响金融集聚的各种因素外，还应该力求各项指标含义清晰、独立，以便于得出科学的结论。

（2）指标的选择

本文为了使金融集聚的测度尽可能地反映实际集聚水平，将金融市场细分为保险市场、信托市场、信贷市场和证券市场。对每一个行业均选择多个代表性的指标纳入金融集聚指标体系中。具体选取的指标如表1所示。

从表1可见，保险市场选取了6项主要指标，其中保费收入是保险公司资金的主要来源，保费收入总额直接体现了保险行业的规模；保险赔付支出反映了保险公司资金的使用情况，属于保险公司的主要成本；国家规定保险公司必须按照一定的比例进行分保，由保险公司自身业务发展得到保费收入是原保费收入，接受其他公司保险分保收取的保费称为再保险保费收入，因此选取原保费收入指标，可以反映保险业自身业务增强情况；保险深度是指某地保费收入占该地国内生产总值（GDP）之比，反映了该地保险业在整个经济中的地位；保险密度是指按当地人口计算的人均保险费额，反映了该地国民参加保险的程度；保险类金融机构从业人员总数从另一个侧面反映了该地区保险业的发展规模。所选的6项指标能够比较全面地体现保险业集聚的程度。

信托市场选取了5项主要指标，其中信托资产总额反映的是信托行业的资产规模；信托资产营业收入是信托行业的重要收入来源，反映的是信托公司的经营能力；信托公司数能够反映信托行业的景气情况；信托公司固有资产总额区别于信托资产，反映的是信托公司的自有资产，是盈利所得；信托公司净资产收益率反映的是公司的盈利能力。所选的5项指标能够比较全面地体现信托业集聚的程度和水平。

信贷市场选取了4项主要指标，其中银行业增加值反映的是银行业产值的增长情况；各项存款、贷款余额反映的是银行的资产负债情况；银行网点数反映的是银行业的规模。所选的4项指标能够比较全面地衡量信贷市场的集聚情况。

证券市场选取了5项主要指标，股票市价总值是衡量股票市场发达程度的指标，具体到各地区就是地区企业参与股票市场的程度；A股IPO筹资总额反映的是该地区企业通过首次募股筹集到的资金总额；证券类金融机构总数及上市公司总数均是从不同侧面反映证券市场的规模。所选的5项指标能够比较全面地衡量证券市场的集聚情况。

二、我国地区金融集聚水平的测度

本文所用的数据主要来源于中国银监会、中国证监会、中国保监会、中国银行业协会、中国保险行业协会、中国证券业协会和中国信托业协会等统计数据，对上述指标的数据运用SPSS统计软件进行因子分析。

1. KMO检验和Bartlett球形检验

在使用因子分子之前首先需要检验所选数据和指标是否适合进行因子分析。KMO检验和Bartlett球形检验的结果见表2。

从表2可以看到：保险业的KMO检验值为0.76，信托业的KMO检验值为0.73，银行业的KMO检验值为0.72，证券业的KMO检验值为0.74，四个行业的KMO检验值均接近0.8，根据KMO检验衡量标准可以看出所选取的四个行业的变量均适合于进行因子分析。同时，Bartlett检验值保险业为261.971，信托业为246.59，银行业为188.08，证券业为193.13，相应的Sig.取值均为0.000，即认为各行业变量之间的相关系数矩阵与单位阵具有显著的差异，适合于进行因子分析。

2. 计算变量的相关系数矩阵

计算相关系数矩阵证明变量之间的相关关系能够进一步判断所选变量是否适合进行因子分析，计算结果见表3。

表3分别是证券业、信托业、保险业和银行业集聚测度变量之间的相关系数矩阵，从表中可以

看到绝大部分的变量相关系数较高，表明变量之间有较强的线性关系，适合于进行因子分析。

3. 计算公因子方差

由上述分析证明，所选的四个行业的变量均可以分别进行因子分析，接下来通过主成分分析方法提取公因子，计算公因子方差，分析提取公因子前后的变量信息损失情况，结果见表4。

表4是公因子方差计算结果，表示的是提取公因子前后各个变量的共同度。最左侧一列是因子分析初始解下的变量共同度，是对各行业原有变量采用主成分分析法提取所有特征根，那么原有变量的所有方差都可以被解释，变量的共同度为1。公因子一列是按指定条件提取特征根时的共同度，即对原有变量的方差解释度。从表4可见，保险业提取公因子后对变量B1的方差解释度最高，能达到93%，对变量B4的方差解释度最低，为42%，提取的公因子能够解释绝大多数的变量信息。信托业、证券业和银行业提取的公因子也均能解释绝大多数的变量信息。

表5中，成份列是按照计算得到的特征根大小排列，一般选取特征根大于1的成分作为主成分，从而确定提取的因子个数。保险业有两个大于1的特征根，即有2个主成分，存在2个公因子，因子的方差贡献率为87.35%；信托业有1个大于1的特征根，即有1个主成分，存在1个公因子，这1个因子的方差贡献率为84.76%；银行业有1个大于1的特征根，即有1个主成分，存在1个公因子，这个因子的方差贡献率为84.43%；证券业有1个大于1的特征根，即有1个主成分，存在1个公因子，这个因子的方差贡献率为81.89%。这四个行业提取的因子对方差的贡献率均高于80%，因此计算得到的因子个数是合适的。

4. 计算因子得分系数

当因子确定以后，便可计算各因子在每个样本上的具体数值，这些数值称为因子得分。

第j个因子在第i个样本上的值可表示为：

（1）

其中， 表示第j个因子和第i个原有变量间的因子得分系数。

所选四个行业的因子得分系数矩阵见表6。

根据表6的计算结果可得到四个行业因子得分的计算函数。

保险业因子分析的得分函数F如下：

F1=0.259B1+0.268B2+0.276B3-0.091B4- 0.244B5+0.376B6

F2=0.020B1-0.014B3+0.504B4+0.658B5-0.294B6

通过采用因子加权的方法，其中权数为两个因子的方差贡献率，可以得到计算公式为：

F=0.565F1+0.309F2

信托业因子分析的得分函数W如下：

W1=0.230X1+0.227X2+0.224X3+0.178X4+ 0.223X5

W=0.848W1

银行业因子分析的得分函数G如下：

G1=0.287Y1+0.292Y2+0.283Y3+0.219Y4

G=0.844G1

证券业因子分析的得分函数H如下：

H1=0.215Z1+0.228Z2+0.218Z3+0.239Z4+ 0.203Z5

H=0.819H1

将我国31个省市区的相关指标分别代入到上述因子得分公式中，得到各省市区的保险业、信托业、银行业、证券业集聚得分。同样也可以得到我国31个省市区金融集聚的综合得分。

三、我国地区金融集聚测度结果与评价

上文分别从行业、地区等方面计算了金融集聚的因子得分表，根据计算，我们能够发现金融集聚度在金融行业之间、在不同地区之间均存在一定的共性。

从行业角度来看，保险业、信托业、银行业和证券业的集聚度最高的省市均处于东部地区，保险业集聚度最高的是广东省，信托业和证券业集聚度最高的是北京市，银行业集聚度最高的是浙江省。四个行业集聚度最低的省区均处于西部地区，保险业、信托业和证券业集聚度最低的是西藏，银行业集聚度最低的是海南省。

从地区角度来看，广东省、江苏省、浙江省和山东省四个省份的四个金融子行业的集聚度均处于前列，在综合得分中处于前五位。西藏、青海、海南和宁夏四个省区的四个金融子行业的集聚度均处于较低水平，在综合得分中处于末四位。我国的保险业、信贷业、证券业和信托业均呈现出向东部地区集聚的趋势，东部地区的信托业占比为53.97%，证券业占比为74.23%，均大于50%，集聚趋势明显。

东部发达地区的金融集聚度明显高于其他地区，这首先是因为地区经济的发展水平是金融集聚的首要驱动因素（李静，2013），金融是实体经济的血液，地区实体经济发达，必然需要高度发达的金融产业为之服务，对金融产品的需求以及对金融创新的要求就会较高，该地区就会形成一个程度较高的金融集聚区，如我国的东部地区。由于东部地区的海南省开发较晚，除个别城市依靠旅游业获得发展之外，其他城市没有主导

产业，实体经济在全省均不发达，GDP总量在全国排名落后，所以其金融集聚度处于较低水平。其次，东部地区的地方政府在推动金融发展方面做出了更多的努力，其中提出建设金融中心目标的城市大多数都分布在中东部地区。大量研究成果表明，我国金融中心的形成模式属于政府推动型，中央和地方政府的政策支持对产业集聚具有十分重要的作用。再次，东部地区的金融发展形成了规模经济效应与相关产业的配套服务机构和人员聚集，包括律师援助、会计、投资咨询、信用评估等，该地区具有更强的金融集聚力。

虽然银行、保险、证券和信托行业的集聚表现出一定的共同点，但是各行业在同一省份发展并不平衡。在同一省市区，保险业的集聚度远高于其他产业的有河南省和河北省，保险业的集聚度远低于其他产业的有上海市、天津市和安徽省；信托业的集聚度远高于其他产业的有黑龙江省、北京市、重庆市和陕西省，信托业的集聚度远低于其他产业的有江苏省和福建省；银行业的集聚度远高于其他产业的有浙江省、四川省、山西省和内蒙古自治区。银行业的集聚度远低于其他产业的有重庆市。证券业的集聚度远高于其他产业的有北京市和福建省，证券业的集聚度远低于其他产业的有河南省和陕西省。

基于上文的实证分析结果，我们发现，我国的地区金融集聚度存在显著的差异，金融资源明显地向东部地区集聚，主要是广东、浙江、山东、江苏、上海和北京。而西部地区金融集聚度要远低于其他地区。针对上述结论，本文提出以下政策建议：

首先，政府要通过促进实体经济的发展带动金融业的集聚。如果一个地区的经济发展程度不高，金融产业的作用就无法体现出来，由于资本具有逐利本性，它必然流入经济发达地区。其次，政府应当从多方面对金融集聚度较低的地区进行支持。金融集聚一般来讲有两种模式，一种是市场主导型，一种是政府主导型，在发展中国家主要是政府主导型。尤其是我国，中央和地方政府的政策支持对金融集聚具有十分重要的作用。最后，政府应该努力实现金融业区域内的均衡发展。东部地区的一些省份金融业总体发展情况良好，但是存在个别行业发展落后的现象，形成金融发展的短板，这些相对落后的金融子行业需要引起政府的重视，在资源和政策方面给予适当倾斜，促进其加速发展，实现区域内的协调发展。西部地区的一些省份虽然金融业总体集聚水平偏低，但是也存在个别行业集聚度明显领先于其他行业的情况，那么，这就需要政府在发展其他金融子行业时借鉴该行业发展的经验，在保持优势行业发展的前提下，促进其他行业的共同发展。

参 考 文 献

[1] 吴聪、王聪：《我国金融中心竞争力的实证分析》，载《南方金融》2005年第12期.

[2] 黎平海、王雪：《基于金融集聚视角的产业结构升级研究》，载《广东金融学院学报》2009年第6期.

[3] 管驰明、徐爱华：《基于面板数据的长三角金融业集聚动态研究》，载《商业研究》2010年第7期.

[4] 刘卫：《上海金融中心的形成与现状分析》，载《上海经济研究》2007年第11期.

[5] 丁艺、李树丞、李林：《中国金融集聚程度评价分析》，载《软科学》2009年第6期.

[6] 姜冉：《泛珠三角地区金融集聚与经济增长》，载《经济研究导刊》2010年第20期.

[7] 刘红：《金融集聚对区域经济的增长效应和辐射效应研究》，载《上海金融》2008年第5.

[8] 殷兴山、贺绎奋、徐洪水：《长三角金融集聚态势与提升竞争力分析》，载《上海金融》2003年第8期.

[9] 薛薇：《统计分析与SPSS的应用》，北京：中国人民大学出版社， 2008.

[责任编辑 国胜铁]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis

[7] 刘红：《金融集聚对区域经济的增长效应和辐射效应研究》，载《上海金融》2008年第5.

[8] 殷兴山、贺绎奋、徐洪水：《长三角金融集聚态势与提升竞争力分析》，载《上海金融》2003年第8期.

[9] 薛薇：《统计分析与SPSS的应用》，北京：中国人民大学出版社， 2008.

[责任编辑 国胜铁]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis

[7] 刘红：《金融集聚对区域经济的增长效应和辐射效应研究》，载《上海金融》2008年第5.

[8] 殷兴山、贺绎奋、徐洪水：《长三角金融集聚态势与提升竞争力分析》，载《上海金融》2003年第8期.

[9] 薛薇：《统计分析与SPSS的应用》，北京：中国人民大学出版社， 2008.

[责任编辑 国胜铁]

Measurement of the Level of Regional Financial

Congregation in China

LI Jing1，2，BAI Jiang2

（1.School of Marxism， Jilin University； 2. Institute of Northeast Asia， Jilin University，

Changchun， Jilin 130012， China）

Abstract： Due to the imbalance of economic development of our country， the financial agglomeration have obvious differences in the speed and extent of regional development. The evaluation index system of financial agglomeration problems， can not reflect the real situation of financial agglomeration. Therefore， from the perspective of the financial industry subdivision， the representative indicators of financial agglomeration index system by calculating various provinces and cities， industry factor analysis method of agglomeration， and the various provinces and cities nationwide financial agglomeration degree. Finally， according to empirical results are proposed to improve the financial agglomeration policy recommendations.

Key words： financial congregation； index system； factor analysis