黑龙江省各地区金融生态环境综合评价实证研究

仲深+高巍+田立

摘 要：在构建金融生态环境评价指标体系的基础上，运用因子分析模型，对黑龙江省各地区金融生态环境进行综合评价。实证结果表明，各地区金融生态环境水平差距明显，各地区内部金融生态环境状况并不均衡；金融生态环境的优化是一个系统工程，受多方面因素的影响。

关键词：金融生态环境；综合评价；因子分析；黑龙江省

中图分类号：F323 文献标志码：A 文章编号：1673-291X（2014）23-0049-03

引言

周小川（2004）最早将生态学概念系统地引申到金融领域，并强调用生态学的方法来考察金融发展问题。金融生态指对金融的生态特征和规律的系统性抽象，本质反映金融内外部各因素之间相互依存、相互制约的有机的价值关系。进一步来说，金融生态就是由金融子系统和与之相关联的其他系统所组成的生态链，这个生态链与金融业可持续发展息息相关。而金融生态环境是指宏观层面的金融环境，指与金融业生存、发展具有互动关系的社会、自然因素的总和，包括政治、经济、文化、地理、人口等一切与金融业相互影响、相互作用的方面，主要强调金融运行的外部环境，是金融运行的一些基础条件。

近些年，学术界和金融界都对金融生态环境进行了深入了研究，也发表了大量的成果。综合这些成果我们可以看到，这些成果主要集中在金融生态环境的学理探讨、金融生态环境评价指标体系的构建、国家级或省级层面数据在相关实证研究中的运用等等方面，但是缺乏对更为具体的城市金融生态环境综合评价指标体系的研究，也缺乏运用地区级金融生态环境数据进行实证测度。鉴于此，本文利用因子分析模型，对黑龙江省各地区的金融生态环境进行综合评价，对各地区金融生态环境状况给出科学的评估，希望为黑龙江金融生态环境的进一步优化提供一定的参考。

一、评价模型原理

综合评价方法是一个多学科边缘交叉、相互渗透、多点支撑的新兴研究领域，有的从统计学角度对其进行研究，有的从系统工程学角度对其进行研究，有的则从专业角度对其进行研究。由于研究出发点与基础不同，研究观点、偏好也不尽相同，使得综合评价这一重要技术仍然处于一种分散、零乱的状态中。选择不同的研究方法很可能得出不同的研究结论。综合评价包含许多种方法，其中有新兴学科方法如模糊数学、人工神经网络、灰色系统理论等等；以运筹学为基础的层次分析法和数据包络分析；以传统统计学方法为基础的聚类分析、主成分分析和因子分析等方法。每种方法都有其科学性和实用性，在对不同系统进行综合评价时，我们应当选取适当的方法，根据相关文献的研究，在对金融生态环境进行多指标综合评价时，因子分析法是一种行之有效的方法。

因子分析是通过研究多个变量间相关系数矩阵或协方差矩阵的内部之间依赖关系，找出能综合所有变量的少数几个随机变量（即，因子），然后根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。它将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。

二、实证研究

（一）指标选择及样本数据来源

进行综合评价，确定评价的指标体系是重中之重。科学合理地选择指标可以保证最终运算结果的有效性。在进行地区金融生态环境指标选择时，我们遵循以下的原则：科学性、系统性、可比性、定性与定量相结合。针对以上原则，我们具体分析了在地区金融生态环境中起到重要作用的指标，选择如下指标：地区生产总值、固定资产投资总额、规模以上工业企业生产总值、进出口总额、存款余额、贷款余额、财政公共收入、财政公共支出、规模以上批发贸易业商品销售总额、教育经费支出、医疗经费支出，共11项，具体详见表1。

选定的指标原始数据来源于2013年《黑龙江统计年鉴》和2013年《中国城市统计年鉴》中黑龙江省各地区的相关数据，并经过相应测算得出。表1给出了指标数据的描述性统计，由此我们可以看出，来源数据具有科学性和可测性。

（二）实证分析

1.数据的无量纲化

评价指标是由多个指标构成，为了避免量纲和数量级的影响，必须对数据进行标准化处理，将它们都转化为无量纲数据。按以下公式进行处理。为节省篇幅，无量纲化处理数据不在文中列示。

3.确定解释因子

4.因子得分

为了考察各地区的金融生态环境状况，并对其进行分析和综合评价，根据函数系数矩阵，采用回归方法求出因子得分函数。由系数矩阵将3个公因子表示为11个指标的线性形式。

（三）实证结果

根据上述公式，我们可以得出黑龙江省各地区金融生态环境综合评价得分，具体见表4。从表4中我们可以看到，地区金融生态环境因子得分最高的是哈尔滨市，为2.230，其次则是大庆市和齐齐哈尔市，因子得分分别为0.5010和0.1952。得分最后的三个地区分别是抚远、大兴安岭和七台河，因子得分分别为-0.5156、-0.4107和-0.3853。再从3个分因子来看，F1代表的经济综合环境因子，以哈尔滨、齐齐哈尔和绥化得分最高，这意味着这三个地区的经济综合发展水平能更好地促进金融发展；F2代表的社会综合因子，则以大庆市、哈尔滨市得分较高，大庆市的得分高达3.4654，这意味着社会综合环境状况较好；F3代表的商品流通综合因子，则以绥芬河市、哈尔滨市、牡丹江市得分较高，绥芬河市的得分高达2.8664，这意味着当地的商品流通为金融发展提供了良好的外部环境。

三、结论

通过上述实证研究，我们可以得出以下结论：

第一，各地区金融生态环境水平差距明显。根据上述实证所得，我们可以看出，最高得分与最低得分差距极其明显，且大多数地区的金融生态环境得分处于负分。其中，经济发展水平较高、城市规模较大的地区金融生态环境得分较高，而经济发展程度较低、城市规模较小的地区则金融生态环境得分较低。

第二，各地区内部金融生态环境状况并不均衡。由表4我们可以看出，各地区在主要因子得分中都没有处于完全优势，在各个方面或多或少存在一定的缺陷。例如，哈尔滨市在经济综合发展因子得分非常高，大庆市则在社会综合发展因子得分中遥遥领先，而绥芬河有其自然地理优势，在商品流通综合发展因子得分最高。所以，各地区应该因地制宜，制定适合自身的金融生态环境优化政策。

第三，金融生态环境的优化是一个系统工程，受多方面因素的影响。通过实证研究我们发现，可能影响金融生态环境的因素较多，其中包括经济因素、社会因素、教育、医疗、卫生，甚至还包括地方习俗和生活习惯等因素。所以，优化金融生态环境需要统筹考虑，系统优化。

参考文献：

[1] 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社，2008.

[2] 张文彤.SPSS统计分析高级教程[M].北京：高等教育出版社，2006.

[责任编辑 王 莉]endprint

摘 要：在构建金融生态环境评价指标体系的基础上，运用因子分析模型，对黑龙江省各地区金融生态环境进行综合评价。实证结果表明，各地区金融生态环境水平差距明显，各地区内部金融生态环境状况并不均衡；金融生态环境的优化是一个系统工程，受多方面因素的影响。

关键词：金融生态环境；综合评价；因子分析；黑龙江省

中图分类号：F323 文献标志码：A 文章编号：1673-291X（2014）23-0049-03

引言

周小川（2004）最早将生态学概念系统地引申到金融领域，并强调用生态学的方法来考察金融发展问题。金融生态指对金融的生态特征和规律的系统性抽象，本质反映金融内外部各因素之间相互依存、相互制约的有机的价值关系。进一步来说，金融生态就是由金融子系统和与之相关联的其他系统所组成的生态链，这个生态链与金融业可持续发展息息相关。而金融生态环境是指宏观层面的金融环境，指与金融业生存、发展具有互动关系的社会、自然因素的总和，包括政治、经济、文化、地理、人口等一切与金融业相互影响、相互作用的方面，主要强调金融运行的外部环境，是金融运行的一些基础条件。

近些年，学术界和金融界都对金融生态环境进行了深入了研究，也发表了大量的成果。综合这些成果我们可以看到，这些成果主要集中在金融生态环境的学理探讨、金融生态环境评价指标体系的构建、国家级或省级层面数据在相关实证研究中的运用等等方面，但是缺乏对更为具体的城市金融生态环境综合评价指标体系的研究，也缺乏运用地区级金融生态环境数据进行实证测度。鉴于此，本文利用因子分析模型，对黑龙江省各地区的金融生态环境进行综合评价，对各地区金融生态环境状况给出科学的评估，希望为黑龙江金融生态环境的进一步优化提供一定的参考。

一、评价模型原理

综合评价方法是一个多学科边缘交叉、相互渗透、多点支撑的新兴研究领域，有的从统计学角度对其进行研究，有的从系统工程学角度对其进行研究，有的则从专业角度对其进行研究。由于研究出发点与基础不同，研究观点、偏好也不尽相同，使得综合评价这一重要技术仍然处于一种分散、零乱的状态中。选择不同的研究方法很可能得出不同的研究结论。综合评价包含许多种方法，其中有新兴学科方法如模糊数学、人工神经网络、灰色系统理论等等；以运筹学为基础的层次分析法和数据包络分析；以传统统计学方法为基础的聚类分析、主成分分析和因子分析等方法。每种方法都有其科学性和实用性，在对不同系统进行综合评价时，我们应当选取适当的方法，根据相关文献的研究，在对金融生态环境进行多指标综合评价时，因子分析法是一种行之有效的方法。

因子分析是通过研究多个变量间相关系数矩阵或协方差矩阵的内部之间依赖关系，找出能综合所有变量的少数几个随机变量（即，因子），然后根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。它将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。

二、实证研究

（一）指标选择及样本数据来源

进行综合评价，确定评价的指标体系是重中之重。科学合理地选择指标可以保证最终运算结果的有效性。在进行地区金融生态环境指标选择时，我们遵循以下的原则：科学性、系统性、可比性、定性与定量相结合。针对以上原则，我们具体分析了在地区金融生态环境中起到重要作用的指标，选择如下指标：地区生产总值、固定资产投资总额、规模以上工业企业生产总值、进出口总额、存款余额、贷款余额、财政公共收入、财政公共支出、规模以上批发贸易业商品销售总额、教育经费支出、医疗经费支出，共11项，具体详见表1。

选定的指标原始数据来源于2013年《黑龙江统计年鉴》和2013年《中国城市统计年鉴》中黑龙江省各地区的相关数据，并经过相应测算得出。表1给出了指标数据的描述性统计，由此我们可以看出，来源数据具有科学性和可测性。

（二）实证分析

1.数据的无量纲化

评价指标是由多个指标构成，为了避免量纲和数量级的影响，必须对数据进行标准化处理，将它们都转化为无量纲数据。按以下公式进行处理。为节省篇幅，无量纲化处理数据不在文中列示。

3.确定解释因子

4.因子得分

为了考察各地区的金融生态环境状况，并对其进行分析和综合评价，根据函数系数矩阵，采用回归方法求出因子得分函数。由系数矩阵将3个公因子表示为11个指标的线性形式。

（三）实证结果

根据上述公式，我们可以得出黑龙江省各地区金融生态环境综合评价得分，具体见表4。从表4中我们可以看到，地区金融生态环境因子得分最高的是哈尔滨市，为2.230，其次则是大庆市和齐齐哈尔市，因子得分分别为0.5010和0.1952。得分最后的三个地区分别是抚远、大兴安岭和七台河，因子得分分别为-0.5156、-0.4107和-0.3853。再从3个分因子来看，F1代表的经济综合环境因子，以哈尔滨、齐齐哈尔和绥化得分最高，这意味着这三个地区的经济综合发展水平能更好地促进金融发展；F2代表的社会综合因子，则以大庆市、哈尔滨市得分较高，大庆市的得分高达3.4654，这意味着社会综合环境状况较好；F3代表的商品流通综合因子，则以绥芬河市、哈尔滨市、牡丹江市得分较高，绥芬河市的得分高达2.8664，这意味着当地的商品流通为金融发展提供了良好的外部环境。

三、结论

通过上述实证研究，我们可以得出以下结论：

第一，各地区金融生态环境水平差距明显。根据上述实证所得，我们可以看出，最高得分与最低得分差距极其明显，且大多数地区的金融生态环境得分处于负分。其中，经济发展水平较高、城市规模较大的地区金融生态环境得分较高，而经济发展程度较低、城市规模较小的地区则金融生态环境得分较低。

第二，各地区内部金融生态环境状况并不均衡。由表4我们可以看出，各地区在主要因子得分中都没有处于完全优势，在各个方面或多或少存在一定的缺陷。例如，哈尔滨市在经济综合发展因子得分非常高，大庆市则在社会综合发展因子得分中遥遥领先，而绥芬河有其自然地理优势，在商品流通综合发展因子得分最高。所以，各地区应该因地制宜，制定适合自身的金融生态环境优化政策。

第三，金融生态环境的优化是一个系统工程，受多方面因素的影响。通过实证研究我们发现，可能影响金融生态环境的因素较多，其中包括经济因素、社会因素、教育、医疗、卫生，甚至还包括地方习俗和生活习惯等因素。所以，优化金融生态环境需要统筹考虑，系统优化。

参考文献：

[1] 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社，2008.

[2] 张文彤.SPSS统计分析高级教程[M].北京：高等教育出版社，2006.

[责任编辑 王 莉]endprint

摘 要：在构建金融生态环境评价指标体系的基础上，运用因子分析模型，对黑龙江省各地区金融生态环境进行综合评价。实证结果表明，各地区金融生态环境水平差距明显，各地区内部金融生态环境状况并不均衡；金融生态环境的优化是一个系统工程，受多方面因素的影响。

关键词：金融生态环境；综合评价；因子分析；黑龙江省

中图分类号：F323 文献标志码：A 文章编号：1673-291X（2014）23-0049-03

引言

周小川（2004）最早将生态学概念系统地引申到金融领域，并强调用生态学的方法来考察金融发展问题。金融生态指对金融的生态特征和规律的系统性抽象，本质反映金融内外部各因素之间相互依存、相互制约的有机的价值关系。进一步来说，金融生态就是由金融子系统和与之相关联的其他系统所组成的生态链，这个生态链与金融业可持续发展息息相关。而金融生态环境是指宏观层面的金融环境，指与金融业生存、发展具有互动关系的社会、自然因素的总和，包括政治、经济、文化、地理、人口等一切与金融业相互影响、相互作用的方面，主要强调金融运行的外部环境，是金融运行的一些基础条件。

近些年，学术界和金融界都对金融生态环境进行了深入了研究，也发表了大量的成果。综合这些成果我们可以看到，这些成果主要集中在金融生态环境的学理探讨、金融生态环境评价指标体系的构建、国家级或省级层面数据在相关实证研究中的运用等等方面，但是缺乏对更为具体的城市金融生态环境综合评价指标体系的研究，也缺乏运用地区级金融生态环境数据进行实证测度。鉴于此，本文利用因子分析模型，对黑龙江省各地区的金融生态环境进行综合评价，对各地区金融生态环境状况给出科学的评估，希望为黑龙江金融生态环境的进一步优化提供一定的参考。

一、评价模型原理

综合评价方法是一个多学科边缘交叉、相互渗透、多点支撑的新兴研究领域，有的从统计学角度对其进行研究，有的从系统工程学角度对其进行研究，有的则从专业角度对其进行研究。由于研究出发点与基础不同，研究观点、偏好也不尽相同，使得综合评价这一重要技术仍然处于一种分散、零乱的状态中。选择不同的研究方法很可能得出不同的研究结论。综合评价包含许多种方法，其中有新兴学科方法如模糊数学、人工神经网络、灰色系统理论等等；以运筹学为基础的层次分析法和数据包络分析；以传统统计学方法为基础的聚类分析、主成分分析和因子分析等方法。每种方法都有其科学性和实用性，在对不同系统进行综合评价时，我们应当选取适当的方法，根据相关文献的研究，在对金融生态环境进行多指标综合评价时，因子分析法是一种行之有效的方法。

因子分析是通过研究多个变量间相关系数矩阵或协方差矩阵的内部之间依赖关系，找出能综合所有变量的少数几个随机变量（即，因子），然后根据相关性大小把变量分组，使得同组内的变量之间相关性较高，但不同组的变量相关性较低。它将多个变量综合为少数几个因子，以再现原始变量与因子之间的相关关系。

二、实证研究

（一）指标选择及样本数据来源

进行综合评价，确定评价的指标体系是重中之重。科学合理地选择指标可以保证最终运算结果的有效性。在进行地区金融生态环境指标选择时，我们遵循以下的原则：科学性、系统性、可比性、定性与定量相结合。针对以上原则，我们具体分析了在地区金融生态环境中起到重要作用的指标，选择如下指标：地区生产总值、固定资产投资总额、规模以上工业企业生产总值、进出口总额、存款余额、贷款余额、财政公共收入、财政公共支出、规模以上批发贸易业商品销售总额、教育经费支出、医疗经费支出，共11项，具体详见表1。

选定的指标原始数据来源于2013年《黑龙江统计年鉴》和2013年《中国城市统计年鉴》中黑龙江省各地区的相关数据，并经过相应测算得出。表1给出了指标数据的描述性统计，由此我们可以看出，来源数据具有科学性和可测性。

（二）实证分析

1.数据的无量纲化

评价指标是由多个指标构成，为了避免量纲和数量级的影响，必须对数据进行标准化处理，将它们都转化为无量纲数据。按以下公式进行处理。为节省篇幅，无量纲化处理数据不在文中列示。

3.确定解释因子

4.因子得分

为了考察各地区的金融生态环境状况，并对其进行分析和综合评价，根据函数系数矩阵，采用回归方法求出因子得分函数。由系数矩阵将3个公因子表示为11个指标的线性形式。

（三）实证结果

根据上述公式，我们可以得出黑龙江省各地区金融生态环境综合评价得分，具体见表4。从表4中我们可以看到，地区金融生态环境因子得分最高的是哈尔滨市，为2.230，其次则是大庆市和齐齐哈尔市，因子得分分别为0.5010和0.1952。得分最后的三个地区分别是抚远、大兴安岭和七台河，因子得分分别为-0.5156、-0.4107和-0.3853。再从3个分因子来看，F1代表的经济综合环境因子，以哈尔滨、齐齐哈尔和绥化得分最高，这意味着这三个地区的经济综合发展水平能更好地促进金融发展；F2代表的社会综合因子，则以大庆市、哈尔滨市得分较高，大庆市的得分高达3.4654，这意味着社会综合环境状况较好；F3代表的商品流通综合因子，则以绥芬河市、哈尔滨市、牡丹江市得分较高，绥芬河市的得分高达2.8664，这意味着当地的商品流通为金融发展提供了良好的外部环境。

三、结论

通过上述实证研究，我们可以得出以下结论：

第一，各地区金融生态环境水平差距明显。根据上述实证所得，我们可以看出，最高得分与最低得分差距极其明显，且大多数地区的金融生态环境得分处于负分。其中，经济发展水平较高、城市规模较大的地区金融生态环境得分较高，而经济发展程度较低、城市规模较小的地区则金融生态环境得分较低。

第二，各地区内部金融生态环境状况并不均衡。由表4我们可以看出，各地区在主要因子得分中都没有处于完全优势，在各个方面或多或少存在一定的缺陷。例如，哈尔滨市在经济综合发展因子得分非常高，大庆市则在社会综合发展因子得分中遥遥领先，而绥芬河有其自然地理优势，在商品流通综合发展因子得分最高。所以，各地区应该因地制宜，制定适合自身的金融生态环境优化政策。

第三，金融生态环境的优化是一个系统工程，受多方面因素的影响。通过实证研究我们发现，可能影响金融生态环境的因素较多，其中包括经济因素、社会因素、教育、医疗、卫生，甚至还包括地方习俗和生活习惯等因素。所以，优化金融生态环境需要统筹考虑，系统优化。

参考文献：

[1] 杜栋，庞庆华，吴炎.现代综合评价方法与案例精选[M].北京：清华大学出版社，2008.

[2] 张文彤.SPSS统计分析高级教程[M].北京：高等教育出版社，2006.

[责任编辑 王 莉]endprint