金融集聚时空格局演变及影响因素研究

陈俊华， 李宗绍， 姚 丽， 邓碧云

(西南大学 a.地理科学学院；b.教师教育学院，重庆 400715)

0 引言

金融产业的不均衡分布是一种客观经济地理现象，金融机构、人才、资源倾向于条件优越的地区集中，从而形成金融集聚[1]。金融集聚有利于资源配置效率的提高和城市综合竞争力的提升。2020年重庆市发改委提出重庆金融业要围绕“强核提能级”，重点推进长江、嘉陵江交汇处形成的“两江四岸”核心区整体提升的发展规划。2021年《成渝地区双城经济圈建设规划纲要》正式发布，纲要提出支持重庆打造成为西部金融中心。可见，重庆主城区金融产业迎来全新的规划建设时期，通过提升能级不断增强重庆经济竞争力。

围绕金融集聚，国内外学者在其空间布局、影响因素、作用和效应等领域展开系列研究。金融集聚的空间布局方面，学界有较丰富的研究成果，如D.Wojcik等[2]研究德国和英国金融业的规模、结构和空间集聚特征，M.E.Jin等[3]研究首尔都市圈的金融业的空间分布，彭宝玉等[4]研究河南省金融业的空间集聚程度，刘丙章等[5]研究全国外资银行的空间格局。一些学者还关注新兴金融业和机构的空间布局，如潘峰华等[6]总结了金融科技产业在不同尺度的空间分布特征，徐宜青等[7]研究风险投资机构的空间分布与合作网络。金融集聚的影响因素方面，Y.S.Park[8]，D.J.Porteous[9]，A.J.Taylor等[10]国外学者结合外部经济、区位论、新竞争优势等理论，发现规模经济、资源禀赋、客户联系等因素对金融集聚均有显著影响。国内学者则分析了制度演变、投资水平、科技创新、人力资源、政府行为等因素对金融集聚的影响[11-13]。此外，不少学者注重研究金融集聚的作用和效应，如关于金融集聚对绿色发展的作用[14-15]、金融集聚对城市格局时空演变的作用[16]、金融集聚对城市经济增长的空间溢出效应[17]等。

综上，本研究认为当前研究仍存在以下不足：首先，以往学者对金融集聚的研究比较笼统或单一，缺乏对不同子行业之间的比较分析，如关于影响因素对不同金融子行业集聚的影响是否存在差异，以及差异存在的原因等仍鲜有研究。其次，研究数据的来源以地方统计数据为主，而基于空间网络大数据，利用较新颖的研究方法探究金融集聚的时空格局演变及其影响因素的研究成果较欠缺。最后，目前关于中国西部城市金融集聚的研究仍比较薄弱，西部城市有较为复杂的自然地理条件和经济社会环境，其金融集聚的时空格局演变、影响因素的作用应有别于其他地区。因此，本研究以重庆主城区为研究区域，利用多种POI数据，分析金融子行业集聚的时空演变过程、影响因素及其呈现出来的差异，提出针对性建议以助力于将重庆打造成西部金融中心，也可为其他西部城市的金融产业发展规划提供借鉴。

1 研究区概况、研究方法与数据来源

1.1 研究区概况

重庆主城区又称重庆中心城区，包括渝中区、江北区、南岸区、九龙坡区、沙坪坝区、大渡口区、北碚区、渝北区、巴南区9个行政区，总面积5 472.48 km2，是成渝地区双城经济圈中最具活力的区域。重庆主城区南北向的缙云山、中梁山、铜锣山、明月山以及东西向的长江、嘉陵江将主城区划分成多个相对独立的地理单元，这种山水相间的自然地理条件一定程度上影响着重庆主城区的产业空间发展。因此，本研究参考《2007—2020年重庆市城乡总体规划》，识别出主城区13个城市功能比较完善的地区，这些地理单元也适宜作为研究主城区金融集聚的代表性地区。

1.2 研究方法

1.2.1核密度方法。核密度通过点、线要素统计产生连续的密度表面，在样方中心生成圆形区域，离样方中心越近的点会赋予越高的权重，核密度值越大表示集聚程度越高[18]。本研究利用核密度测算重庆主城区各金融子行业的集聚程度。

1.2.2标准差椭圆方法。标准差椭圆是一种通过椭圆中心、面积、长短轴、旋转角度等参数分析地理要素在空间上呈现的布局特征的方法，椭圆中心、面积、旋转角度可分别反映集聚中心、演变动力、布局方向等特征[19]。本研究利用标准差椭圆分析各金融子行业空间发展形态的演变。

1.2.3地理探测器方法。地理探测器是一种探测空间分异性、分析造成分异性因素的工具，本研究利用其中的分异及因子和交互作用2个探测器[20]，以识别影响因子在各金融子行业中的作用及其差异。其中，分异及因子探测器可以分析被解释因子的空间分异性及各解释因子能多大程度反映被解释因子的空间分异性，用q值衡量，值域为[0,1]，其值越高表明解释因子影响程度越强，反之则越弱。交互作用探测器用于分析2个解释因子结合后是否存在交互作用，以及交互作用能多大程度反映被解释因子的空间分异。根据作用强度由小至大，交互作用可分为非线性减弱、单因子非线性减弱、双因子增强、独立、非线性增强5个类别。具体方法过程参考王劲峰等[20]的研究。

1.3 数据来源

POI为抽象化的地理实体数据，包含名称、行业类型、详细地址、经纬度等一系列信息。本研究的金融业POI数据来源于企查查，根据成立时间和注册情况搜索1985年以来成立的且2020年仍处于营业状态的银行业、保险业、证券业网点。对获取的各类POI数据进行清洗，剔除冗杂无效数据，最终得到重庆主城区金融业的POI数据(表1)。其他数据通过爬虫软件和重庆市科学技术局的《2021年重庆市科技投入统计公报》获得。

表1 重庆主城区金融业POI数据内容及数量

2 重庆主城区金融集聚的时空格局演变

2.1 重庆主城区金融业空间集聚格局演变

以2000年、2010年、2020年为3个时间节点，对银行业、保险业和证券业三大子行业分别作核密度分析，结合研究区尺度和已有的地区案例[21]，以不同搜索半径进行调试，最终确定搜索半径为1.5 km，并发现各子行业呈现出差异较大的空间集聚格局。

银行业集聚呈现出由“单核”逐渐转变为“一主轴带、两副核心”的空间格局(图1)。2000年银行网点集中在渝中半岛，解放碑—江北嘴成为银行业核密度值最高的地区，与之相邻的南坪—弹子石、观音桥地区也具有较高的密度值，且有与解放碑—江北嘴连成一片的迹象，2010年这种连接更为明显，与此同时，沙坪坝地区也单独形成重要的银行网点集聚区。2020年，处于解放碑—江北嘴和观音桥的银行业高密度集聚区已由双核心转变成为连接渝北、江北、渝中三区的主轴带，而南坪—弹子石和沙坪坝也发展成为密度较高、规模较大的集聚区。其他区域也都存在银行业网点集聚的现象，如北碚、渝北区的两路—空港、大渡口区的九宫庙等，但集聚程度弱，与相邻区域联系度也较低。

图1 2000年、2010年、2020年重庆主城区银行业核密度

保险业集聚形成了由零星分布到逐渐成为“一点轴带、四副核心”的空间格局(图2)。2000年重庆主城区中除了北碚区外均有高密度集聚区，不过由于此时这些行政区的保险业网点数量较少而又高度集中，因而实际成零星分布。2010年，解放碑—江北嘴处率先成为高密度集聚区，而其他区也逐步形成了密度较低的网点集聚区。2020年，保险网点最为集中的解放碑—江北嘴的地区集聚效应更为显著，并向观音桥、人和—大竹林、南坪—弹子石辐射。与此同时北碚、大坪—杨家坪—石桥铺、保税区—寸滩、李家沱—鱼洞也分别形成了网点密度较高的集聚区。

图2 2000年、2010年、2020年重庆主城区保险业核密度

证券业集聚由“单核”发展成为“一主核心、一副核心”的空间格局(图3)。2000年主城区的证券网点在解放碑—江北嘴处高度集中，与解放碑—江北嘴相邻的观音桥也具有较高密度。2010年，证券业网点有向人和—大竹林方向集聚的趋势，实际变成了以解放碑—江北嘴为核心和以观音桥、人和—大竹林为辐射区的点轴带。2020年，观音桥与人和—大竹林也联合形成1个密度较高的网点集聚区。而其他区域证券网点少，没有出现较明显的集中现象。

图3 2000年、2010年、2020年重庆主城区证券业核密度

总体来看，重庆主城区各金融子行业都率先在解放碑—江北嘴处形成空间集聚，且在该地的集聚程度最高，同时随着时间的推移有向观音桥、人和—大竹林方向延展的态势。不过保险网点和证券网点的高密度集聚区基本局限于解放碑—江北嘴一带，而银行网点在观音桥、人和—大竹林、沙坪坝处都发展成为比较成熟的集聚区。

2.2 重庆主城区金融业空间发展形态演变

对重庆主城区银行业、保险业、证券业分别进行标准差椭圆分析，发现各子行业有不同的空间发展形态(图4)。银行业集聚区的椭圆面积经历了由明显增大到略微变小的过程，反映出银行网点早期出现扩散现象，后期扩散作用减弱乃至出现集聚的态势，但网点集聚区在研究期内总体增大，银行网点基本沿西南—东北方向分布，椭圆的中心坐标一直处于观音桥处，反映出银行业的发展方向变化不大。保险业集聚区的椭圆面积先变大后变小，表明保险网点既有扩散现象，也出现集聚现象。保险网点表现为沿西北—东南方向分布，椭圆的中心坐标有明显的从渝中区北移到江北区观音桥的过程，反映出保险业向北面发展。证券业集聚区的椭圆面积在研究期内持续扩展，但与银行业一致，扩散作用到后期明显减弱。相比银行业和保险业，证券业集聚区面积明显较小。证券网点由原来的东—西走向转变成南—北方向分布，椭圆的中心坐标也整体向观音桥转移，证券网点呈现出向主城区北面方向发展的趋势。

图4 2000年、2010年、2020年重庆主城区银行业、保险业、证券业标准差椭圆Fig.4 Standard deviation ellipse of banking, insurance and securities industries in Chongqing urban area in 2000, 2010 and 2020

总体来看，虽然在研究期内重庆主城区各金融子行业的集聚区面积整体上是增大的，但后期扩散作用显著减弱，银行业和保险业出现网点集聚区面积萎缩的现象，网点向外扩散的动力明显弱化。此外，各金融子行业网点基本呈南—北布局，椭圆的中心坐标向北移动，反映出主城区金融业整体上往北面方向发展。

3 金融集聚时空格局演变的影响因素

3.1 因子选取与空间格网化

以各金融子行业的集聚程度为被解释因子，人口密度、经济发展水平、交通通达度、公共服务水平、科技创新水平为解释因子(表2)。(1)人口密度。人口分布、市场供求对经济主体会造成经济利益的空间差异[22]，一般而言，人口密度越高，金融消费的市场规模越大。本研究以每个网格所包含的住宅区数量表征地区人口密度。(2)经济发展水平。经济发达地区资金流动、市场需求往往更大，也容易催生金融机构集聚，而写字楼、购物中心也倾向于经济水平高乃至金融业网点密集的地区集聚[23]。本研究以每个网格所包含的写字楼、购物中心数量表征地区经济发展水平。(3)交通通达度。完善的交通基础设施推动人力、信息、知识等要素自由流动，有利于金融机构汇聚人才和降低信息交流成本，从而促进地方金融集聚[24]。本研究以每个网格所包含的轻轨站数量表征地区交通通达度。(4)公共服务水平。政府在金融产业发展中起着引导和协调的作用，为金融机构直接或间接提供相应服务系统、产品等[25]，而公立学校、医院主要经费来源于政府公共预算拨款，能反映出政府政策对地区公共服务的推动作用。本研究以每个网格所包含的高等学校、三甲医院数量表征地区公共服务水平。(5)科技创新水平。科技创新能促进金融业新业态发展，创新水平越高的地区，金融产品的供给能力也会越强，从而进一步促进金融集聚[26]。本研究以每个网格所属行政区的R&D投入强度表征地区科技创新水平。

表2 选取因子的内容与测算方式Tab.2 Content and calculation method of selecting factors

为了以每个网格所包含的POI数量来表征因子的密度或水平，首先通过ArcGIS 10.1软件对重庆主城区的矢量地图进行格网化处理，参考其他地区的研究案例[27]，综合考虑本研究中各类POI数据的数量、分布以及重庆主城区面积情况，将网格大小设置为1.5 km×1.5 km。其次利用空间连接工具对各网格的各个影响因子赋值，在使用地理探测器分析之前，出于离散化目的将各个因子的数值大小进行分类，并按照分类结果重新赋值。最后输出属性表，基于属性表数据使用进行因子及分异探测、交互作用探测。

3.2 地理探测器探测结果

3.2.1因子及分异探测结果。各解释因子对金融集聚均产生一定影响，但影响程度在不同因子、不同行业之间存在较大差异(表3)。从各解释因子的影响差异看，经济发展水平的q值在各金融子行业中都是最高的，反映出经济发展水平是影响重庆主城区金融集聚的核心因素。交通通达度对金融集聚的影响程度仅次于经济发展水平，可见即使在金融业信息化、数字化时代，对重庆这样的组团状城市来说，金融产业也倾向于交通发达地区布局，克服地理距离的影响对金融业务开展仍有重大意义。人口密度对银行业和保险业集聚的影响均位居第三位，反映银行网点和保险网点偏向于能够覆盖大多数社会群体的地区集聚。科技创新水平对证券业集聚的影响则仅次于经济发展水平和交通通达度，反映出证券业对科创环境的要求较高。公共服务水平对各金融子行业集聚的影响均最低。从对各行业的影响差异看，银行业各类解释因子的q值均比保险业和证券业高，反映出各因子对银行业集聚都具有相对更强的影响。银行业承担着储蓄、贷款、理财、交换等基础性金融职能，受众群体广，在科技推动下其服务、产品、管理革新也最为明显，因而各解释因子对其空间集聚的影响都比较明显。相对而言，保险业用于规避家庭和个人风险，承担保障功能为主，而证券业主要开展股票、债券、期货等交易业务，这些并非刚性需求，且证券业对服务人群和服务范围有更高要求，因而各解释因子的影响程度相对较弱。

表3 金融业的因子及分异作用结果Tab.3 Factors and differentiation results of financial industry

3.2.2交互作用探测结果。重庆主城区金融集聚是受多种影响因素共同作用下的结果，且组合因子比单一因子的影响程度强(表4)。影响因子两两之间均具有相互协调从而对金融集聚产生更显著的影响，交互作用的类别均属于双因子增强或者非线性增强，特别是经济发展水平分别与公共服务水平、交通通达度、人口密度、科技创新水平因子结合后，其产生的交互影响都是其他组合不可比拟的，也进一步印证经济发展水平是影响金融集聚的核心因素。而科技创新水平因子分别与其他类因子结合后，交互作用的上升幅度最大，反映科技创新水平对金融集聚起到引领带动作用。

表4 金融业解释因子的交互作用及其结果

从不同子行业来看，人口密集同时经济发展水平高的地区对银行业集聚的影响较大，反映收入较高的社会群体会产生较大的银行业务需求，有利于银行业集聚。而科技创新与经济发展的交互作用对保险业、证券业集聚有较大影响，在经济发达的地区，科技创新对保险和证券产品、模式、服务方式的变革更为明显，扩展了金融服务的受众群体，也有利于保险业和证券业集聚。

4 结论与建议

4.1 结论

(1)重庆主城区各金融子行业呈现出格局特征相异的空间集聚模式，银行业形成以解放碑—江北嘴、观音桥、人和—大竹林为主轴带，南坪—弹子石和沙坪坝为副核心的“一主轴带、两副核心”集聚区；保险业演变成包含以解放碑—江北嘴为核心，观音桥、人和—大竹林、南坪—弹子石为辐射区的点轴带，北碚、大坪—杨家坪—石桥铺、保税区—寸滩、李家沱—鱼洞为副核心的“一点轴带、四副核心”集聚区；证券业形成了以解放碑—江北嘴为核心、观音桥与人和—大竹林为副核心“一主核心、一副核心”的集聚区。总的来看，解放碑—江北嘴是重庆主城区金融集聚程度最高的地区。

(2)重庆主城区各金融子行业的空间形态发展动力、空间布局、发展方向大体一致。研究期内主城区金融网点以空间扩散为主，集聚区面积整体上在增大，但后期银行业、保险业集聚区面积都出现一定程度的萎缩，向外扩展的动力显著减弱。重庆主城区金融业总体上呈南—北方向分布，并逐渐向北面方向发展。

(3)经济发展水平对重庆主城区金融集聚的推动作用最为突出，交通通达度对类似于重庆的山地城市的金融产业布局仍具重大作用，此外，提高科技创新水平、完善公共服务设施等也都有利于金融集聚。这些因素对银行业集聚的影响最为明显，对保险业和证券业集聚的影响变弱，这与居民对保险、证券业务需求不如银行业敏感和强烈有密切联系。金融集聚是受多种因素共同作用的结果，经济发展水平、科技创新水平都强的地区会引领创造更多的金融消费需求，从而促进金融集聚，这对保险业和证券业集聚来说尤为明显，而银行业对人口密集同时经济发展水平高的地区有更强的集聚倾向。

4.2 建议

(1)解放碑—江北嘴地区作为重庆主城区密度最高、规模最大的金融业集聚区，应勇于先行探索，积极争取更多国家战略性试点与项目落地生根，吸引各类金融机构在该地设立总部、区域性总部，提高其核心竞争力。另外，要构建有序运行、优势互补的金融机构体系，发挥各类金融机构的比较优势，明确市场定位，实现银行业、保险业、证券业的错位竞争。

(2)重庆主城区金融集聚的空间布局、发展方向和发展动力受到自然地理条件的显著制约。因此，沙坪坝、大坪—杨家坪—石桥铺、两路—空港等外围重要城区需优化营商环境，促进其域内金融业提升能级，同时，需强化对周边地区的金融资源配置能力和辐射影响力，带动周边地区金融业发展。

(3)进一步完善基础设施建设以提高重庆主城区金融集聚水平，刺激金融业务需求。同时，要密切关注国家金融改革方向与政策动向，促进主城区金融机构经营模式、交易方式和交易品种创新，依托科技创新实现产品创新和服务创新，形成物流金融、医疗金融等金融服务新业态以满足居民多元消费需求。