我国西部地区金融生态环境评价及分析

宋　策，朱家明

(安徽财经大学，安徽 蚌埠　233030)



我国西部地区金融生态环境评价及分析

宋策，朱家明

(安徽财经大学，安徽 蚌埠233030)

首先对我国西部地区12个省市的11个指标进行主成份分析，提取影响金融生态环境的两大因素：基础因子(现实竞争力)和推动因子(潜在竞争力)，分析结果表明西部地区的金融生态环境具有明显的分层特征。接着采用聚类分析将西部12个省市的金融生态环境划分为四个等级，并对每个等级进行评价分析，最后提出改善西部金融生态环境的对策。

金融生态环境；评价体系；主成份分析；聚类分析；SPSS

金融生态环境是借用生态学概念,将金融看做是由金融子系统以及与之相关的一定环境条件综合作用的结果,是金融运行规律和生态特征的系统性抽象。它包含了与金融息息相关的各个方面,是自然因素、政治因素、经济因素等相关外部因素的有机组合。西部地区作为当前我国经济整体规划中的重点支持地区，经济已得到快速发展，但在取得发展的同时，无论是发展数量还是质量都远远落后于中东部地区。西部省份之间自然资源、生态环境资源差异较大，整体发展基础相对薄弱，导致了当前西部地区的金融生态环境基础较差，而相应金融机构的业务能力与支持力度又相对有限，这也就造成了西部地区金融发展落后的现状。但与此同时，西部地区有以四川、陕西为代表的“金融高地”也有以重庆为代表的金融生态发展前景巨大的地区。其他省市则可以从中吸取经验，同时通过构建西部金融中心不断辐射周边城市，借助我国西部大开发战略这一有利条件优化当地金融生态环境。

本文针对西部地区金融生态环境进行研究，部分指标采用三年的平均增长率，使指标更具说服力，深入探析西部地区金融生态环境的影响因素，并对西部地区12个省市进行聚类分析，对各省市的金融生态的实际情况进行分类，同时指出当前西部地区在金融生态环境建设中所存在的问题，提出相应建议。

一　文献综述

一个地区的金融生态关系到与金融发展有关的各个方面，是一系列因素综合作用的结果。而影响金融生态环境的因子之间又存在相互作用，因此要想全面系统地评价西部地区的金融生态水平，就必须要构建一系列包括金融发展因素的指标体系。近年来，众多学者使用不同方法对金融生态环境进行了研究，张瑞怀(2006)以湖南省为例，通过BP人工神经网络模型(ANN)建立了现实状况的综合评价模型与农村金融生态环境构成要素对金融生态环境进行研究；[1]苗丽娜(2007)将系统动力学方法运用到金融生态环境的评价中，基于武汉市的统计数据对模型进行仿真模拟，并对仿真结果进行分析；[2]在金融生态环境评价指标构建方面，徐诺金(2007)将金融生态环境分为软环境和硬环境两大类，提出改善金融生态环境其根本是改善法制环境的观点；[3]在金融生态机制运行上，乔立娟(2012)采用不完全信息动态博弈模型对对农村金融生态主体的选择进行分析，并寻找政府、各类借款人和非正规金融机构三者之间的均衡；[4]周炯，魏佩佳(2012)通过金融资源水平、政府财政能力、经济基础和社会信用水平这四个方面进行评价指标体系的构建；[5]张孟云(2015)结合时序全局主成分分析法和FAVAR模型对我国各省份的金融竞争力进行测算和评价。[6]以上这些对金融生态水平的研究所选取的指标通常为静态指标，这样的指标不能有效地反映一个地区金融生态发展的潜力与趋势，同时评价方法的主观性较强，不能反映客观情况。

本文根据指标数据的可获得性以及各个分指标的选取频度，采取动态指标与静态指标相结合的方式将金融生态环境的总体框架划分为金融生态环境基础因子(现实竞争力)、金融生态环境推动因子(潜在竞争力)两个一级指标，通过主成份分析法与聚类分析法来构建金融生态环境评价体系，指标体系见表1。综合看来，评价方法的选择直接影响评价结果，比起单一使用某种方法，两种评价方法结合能够在一定程度上克服单一方法的弊端，使研究结果的合理性与科学性更高，能够在数据搜集准确有效的前提下，进一步提升评价结果的可信度，使之对改善区域金融生态环境的政策制定有实际的指导意义。

表1　金融生态环境评价框架

二　模型的构建与分析

1.主成分分析法。

(1)因子分析前提条件检验。

利用巴特利特球度检验，由结果可知，KMO统计量为0.628>0.500，符合因子分析要求。

(2)提取因子。

使用SPSS软件对原有的11组变量指标进行提取，选用基于主成分模型的主成份分析法并提取特征值大于1的特征根。由结果可知，变量的共同度基本都在0.9以上表明提取的因子全体对每个变量都有较高的解释程度，各变量丢失的信息较少，因子分析的效果较好。

(3)确定公因子数目。

当提取特征值大于1时，两个因子的累计贡献率达到了87.078%，基本上能够涵盖所选数据的统计信息，所以本次因子提取过程的效果较为理想。

(4)公因子成份分析。

对于上述提取出的两个主成分，运行SPSS得到11个指标在这2个主成分上的旋转因子载荷矩阵，之后根据旋转因子载荷矩阵对两个主成分进行命名。这里使用方差最大法进行正交旋转得到旋转因子载荷矩阵，结果见表2。

表2　旋转后因子载荷矩阵

表2中第一个因子由人均GDP、居民人民币储蓄存款、一般公共预算支出、固定资产投资、普通高等学校教职工数、城镇失业保险人数、本专科毕业人数这7个指标组成，其中人均GDP、居民人民币储蓄存款、一般公共预算支出、固定资产投资这4个指标所反映的是当地的经济运行体系，而普通高等学校教职工数、城镇失业保险人数、本专科毕业人数这3个指标则表明了一个地区社会诚信及保障体系的情况，所以第一个因子是由一个地区的经济运行体系与社会诚信及保障体系所组成，故将它命名为金融生态环境的基础因子(现实竞争力)；第二个因子是由消费总支出增长率、人均GDP增长率、固定资产投资总额增长率、资本形成总额增长率构成，居民消费总支出可以反映当地的消费状况，资本形成总额和固定资产投资总额增长率则反映了当地的投资状况，故可以将其命名为金融生态环境的推动因子(潜在竞争力)。

(5)计算因子得分。

为了得到因子得分系数，使用回归法对其进行估计，得到因子得分系数矩阵。将各指标因子得分数值作为因子分析函数的系数，可得因子分析函数：

F1=0.109X1+0.192X2+0.179X3+0.092X4+0.163X5-0.184X6-0.124X7+0.196X8+0.182X9+0.128X10-0.134X11

F2=0.123X1-0.109X2+0.083X3+0.174X4-0.042X5+0.680X6+0.547X7-0.144X8+0.091X9+0.105X10-0.156X11

提取方差载荷值的各因子方差贡献率为权重，由以上2个因子线性组合得到综合评价指标函数为：

根据综合得分模型，可以计算出各城市的综合得分值并进行排名，得到各城市综合得分表，得分结果见表3。

表3　各城市综合得分表

(6)结果分析。

从综合得分的结果来看，四川省的金融生态环境最好，陕西省紧随其后，而西藏、青海、宁夏的金融生态环境综合表现较差。对比两个因子的得分可知各省的排名在基础因子(现实竞争力)方面与推动因子(潜在竞争力)有较大的差异。这是由于金融潜在竞争力的数据使用的是各省三年间增长率的平均值，而金融现实竞争力是通过2014年的年度数据得到，这就解释了很多我们印象中一些落后的省份反而排名却很靠前：像四川、陕西这种现实竞争力很强的省,之所以短期内难以有很大幅度的提高，是因为各项指标的基数相对较大；而西藏、内蒙古这些省份,其指标的基数比较小,因此增长率可以比较大，这是与现实情况相符的。

2.聚类分析。

为了进一步描述这12个地区的金融生态环境，对各个地区的相关数据进行聚类分析，聚类分析结果如图1所示。根据聚类分析结果，将12个地区分为四类，可以发现其与因子分析法综合排名的结果相吻合：第一类为四川、陕西，虽然这两个城市在推动因子上表现较差，但是其金融生态环境的基础相对其他省市较好，金融规模较大，故综合能力最强；第二类为广西、重庆和云南，这三个城市在两项排名中的位置都相对靠前，发展潜力较好。从结果来看，重庆是唯一一个在两项排名中都处于靠前的地区,说明重庆的金融生态环境具有很强的可塑性与发展潜能；第三类为内蒙古、甘肃、贵州和新疆，这四个省在两项排名中的位置都相对居中，表明其无论从现实竞争力来讲,还是从潜在竞争力来看在西部都处于中等位置；第四类为西藏、青海、宁夏，这三个省的潜在竞争力排名靠前,说明其增长潜力很大,在最近三年的发展势头强劲。但由于其基数较小，仍属于西部地区的金融生态环境相对较差的地区,应加大对这三个省的政策扶持。

图1　西部地区12个省市聚类分析树状图

三　结论与对策建议

从以上分析可以看出，潜在金融竞争力和现实金融竞争力的综合排名与我们的经验判断基本吻合。但是从金融潜在竞争力方面来看，某些省份存在只重规模而忽视效率的问题，其金融规模虽然很大，但金融效率却不高。如果继续这种发展模式，必然会由于缺乏发展潜力导致后续力量不足。基于上述结论，结合我国西部地区金融生态环境发展情况，针对西部地区金融生态环境发展现状，给出以下四点对策建议：

第一，借助中央政策，构建西部金融中心。通过构建西部金融中心形成强大的资金集聚和辐射能力，吸引区域外资金不断流向西部，发挥其内向型金融中介的作用，促进西部社会经济的发展与金融生态环境的优化。通过构建西部金融中心、打造西部经济“增长极”，解决西部大开发中的资金短缺问题。在将西部金融中心的建设纳入西部大开发和统筹城乡总体规划的同时，还需要配套政策的大力支持，才能从整体层次上提升整个西部地区的金融生态环境。

第二，注意个中差异，采取针对性措施。四川、陕西两省的金融现实竞争力排在最前，而潜在竞争力却排在最后，其发展的潜力差是一个不可忽视的问题。其中固然有基数大、增长率短期难以和基数较小的省份相比的原因，但如果想保持西部大省的地位，并建设为西部地区的金融中心，就应在金融方面加大投入并不断地改革创新。而对于西藏、青海、宁夏此类城市，应当改变其产业结构单一、交通不发达等制约经济发展的因素，不断健全其金融发展体系。

第三，解决融资难问题，完善注册制的实施。通过融资渠道的不断拓宽以解决中小企业融资难问题，并强化小额信贷公司的作用，加大银行等金融机构的建立。完善证券市场，扩大中小企业融资空间，同时扩大企业债券发行规模，减少企业发行债券限制，放开股票一级市场，实行真正的注册制，促进证券市场成为大中型企业融资的主渠道，增强大型银行对中小企业信贷支持能力。

第四，健全征信体系，完善地区金融生态环境。当前西部地区居民、企业的金融意识不高、征信体系不健全、征信市场监管缺位以及征信法律缺失必然会阻碍金融生态环境的构建，故应努力健全征信体系，通过完善个人征信、企业征信和政府信息平台，争取建立一套较为完善和科学的社会征信体系。同时，制订切实可行的金融人才引进策略，为西部地区金融生态环境提供可持续的人才建设队伍，引进和培育扎根西部的金融人才。

[1]张瑞怀.基于BP神经网络模型的农村金融生态环境综合评价[J]. 金融理论与实践，2006(10):29- 31.

[2]苗丽娜.基于系统动力学的金融生态环境评价研究[D].武汉理工大学，2007.

[3]徐诺金.论我国金融生态环境问题[J].金融研究，2005(11):31- 38.

[4]乔立娟，赵桂玲，王文青，杜英娜. 农村非正规金融存续与发展的博弈分析—基于金融生态主体发展失衡的视角[J]. 中国农学通报，2011(29):199- 203.

[5]周炯，魏佩佳.省域金融生态环境评价研究[J].西北大学学报(哲学社会科学版)，2012(1):123- 126.

[6]张梦云.省域金融竞争力的综合评价研究[D].上海师范大学，2015.

[7]邓淇中.区域金融生态系统运行效率及协调发展研究[D].武汉大学，2011.

[8]张志元，雷良海，杨艺. 区域金融可持续发展的城市金融生态研究[J]. 金融研究，2006(6):159- 169.

[9]汪祖杰，张轶峰.区域金融生态环境质量评估指标体系研究[J].金融研究，2006(5):150- 158.

[10]李强. 重庆市金融生态环境评价及对策研究[D].西南大学，2007.

[11]王玉芳.西部金融生态问题研究[D].西北民族大学，2012.

Class No.:F832.7Document Mark：A

(责任编辑：蔡雪岚)

Evaluation and Analysis of Financial Ecological Environment in Western Region of China

Song Ce，Zhu Jiaming

(Anhui University of Finance and Economics, Bengbu, Anhui 233030，China)

We analyzed the 11 indexes of 12 provinces and cities in the western region of China and the two major factors that affected the financial ecological environment . The results show that the financial ecological environment in the western regions have an obvious layered structure. The western 12 provinces and cities of financial ecological environment can be divided into four levels. The paper puts forward some suggestions to improve the financial ecological environment in the western region of China.

financial ecological environment; evaluation system; principal component analysis; cluster analysis; SPSS

宋策，学生，安徽财经大学金融学院。研究方向：区域投资学。

国家自然科学基金(11301001)；安徽财经大学教研项目(acjyzd201429)。

1672-6758(2016)09-0069-4

F832.7

A

朱家明，硕士，副教授，安徽财经大学统计与应用数学学院。研究方向: 应用数学与数学建模。