The Comparative Study on the Financial Agglomeration Degree and Influencing Factors of the Five Cities in China's Middle Region
HU Guohui LI Li
（School of Economics， Wuhan University of Technology， Wuhan Hubei 430070）
Abstract：Setting Wuhan， Changsha， Zhengzhou， Nanchang and Hefei as the study object， by constructing the evaluation index system of the financial agglomeration， using the factor analysis method， the paper comprehensively evaluates and compares the degree of the financial agglomeration of above cities from 2001 to 2010. On this basis， the paper analyzes the factors influencing the financial agglomeration， calculates the correlation between each influencing factor and the financial agglomeration by means of the gray correlation analysis method so as to distinguish between the primary influencing factors and secondary factors of the financial agglomeration of each city. According to the results of the empirical study， the paper further points out the problems existing in the financial agglomeration development of five cities， and put forward corresponding policy suggestions.
Keywords： financial agglomeration； factor analysis； gray correlation analysis

　　摘要：本文以武漢、長沙、鄭州、南昌、合肥等五城市為研究對象，通過構建金融集聚評價指標體系，運用因子分析法對各城市2001-2010年的金融集聚程度進行了綜合評價和比較；在此基礎上，分析影響金融集聚的因素，采用灰色關聯分析方法計算各影響因素與金融集聚之間的關聯度，從而區分影響各城市金融集聚的主要因素與次要因素；根據實證研究的結果，進一步指出五城市金融集聚發展中存在的問題，提出相應的政策建議。

　　關鍵詞：金融師論文發表,金融集聚,因子分析,灰色關聯分析

　　一、引言

　　近幾年來，國內外金融集聚的趨勢日益明顯。金融集聚可以為所在地帶來巨額資金，促進金融機構之間的協作和資源共享，提高信息傳遞的效率，并可通過規模經濟和輻射效應，對區域經濟發展產生深刻的影響。隨著中部崛起步伐的加快，為謀求區域金融主導權，擁有和支配更多金融資源，中部各大城市紛紛將金融發展和區域金融中心建設納入各自的長遠發展規劃。目前，整個中部的區域金融布局尚未確定，對于處于競爭中的任一城市而言，都有必要明確自身金融資源集聚的相對優勢及弱勢，以便準確定位、科學發展。基于此，本文以武漢、長沙、鄭州、南昌、合肥中部五城市為研究對象，擬從比較的視角，對中部五城市金融集聚程度及其影響因素進行實證檢驗。

　　從國內外相關文獻來看，對于金融集聚程度的衡量，一般采用指標體系評估法、金融集聚指數評估法或產業集聚的測度方法等，且以指標體系評估法居多。要客觀、全面地評價一個地區的金融集聚程度，關鍵是要建立科學、客觀、有效的金融集聚評價指標體系。目前，多數學者是從金融競爭力的角度進行指標體系構建，并不特別區分金融競爭力與金融集聚的概念。實際上，這兩個概念之間既有聯系，又有區別。此外，以往的研究成果雖然不乏對各大城市金融競爭力的對比和排序，但很少定量研究影響金融集聚的因素及其關聯程度。

　　有鑒于此，本文將首先針對金融集聚的特征構建評價指標體系，基于2001-2010年的面板數據，采用因子分析法衡量和比較中部五大城市的金融集聚程度和動態變化趨勢；然后探討影響金融集聚的因素，運用灰色關聯分析方法揭示五城市金融集聚與其影響因素之間的關聯性，分析各因素在推動金融集聚發展中所起的不同作用；最后歸納中部五城市金融集聚的特點及存在的問題，并提出若干結論。

　　二、中部五城市金融集聚程度的比較

　　（一）指標及數據。金融集聚是指金融市場、金融機構、金融產品、金融工具、金融制度、金融信息、金融人才等金融資源通過地域間的運動，形成一種集中聚合的狀態或過程。金融集聚的形成與發展離不開充足的金融資源，而金融業的發展是吸引金融資源的重要力量，是金融集聚的直接誘因，也是其直接表現。因此，與一般文獻中構建的金融競爭力指標不同，本文主要運用相關金融指標來衡量金融集聚的程度，主要包括金融總體規模、宏觀金融效率、銀行業、證券業和保險業的發展程度。

　　1、金融總體規模。金融規模是金融集聚的基礎。金融總體規模體現在金融業增加值和金融從業人員的數量上。金融業增加值從總量上反映了一個地區金融業發展的基本情況；而金融業作為一個高技術、高人力資本、高附加值的產業，人力資本是其生存和發展的關鍵，金融人才的聚集是金融集聚形成的重要標志。

　　2、宏觀金融效率。較高的宏觀金融效率能促使資源高效配置，推動金融集聚和實體經濟增長。宏觀金融效率可主要由三個指標進行衡量：存貸比、儲蓄投資轉化率以及儲蓄率。其中存貸比是金融機構年末貸款額與存款額之比，反映了金融機構將金融資源轉化為實際利用資本的能力，存貸比越高表明銀行資金使用效率越高；儲蓄投資轉化率是年末固定資產總額與年末儲蓄總額之比，直觀地反映出儲蓄轉化為投資的效率；儲蓄率等于年末儲蓄總額除以該年度的國內生產總值，是綜合反映金融機構儲蓄動員能力的指標。

　　3、銀行業發展程度。高水平的銀行業對金融集聚至關重要，尤其在中國現有以間接融資為主導的金融體系下，銀行業是實現貨幣借貸和資金融通的主渠道，銀行業發展加速了金融創新，吸引了大量的投資者，為金融集聚提供了條件。本文用金融機構年末存款總量和貸款總量表示銀行業的發展程度，其中金融機構年末存款余額反映銀行資金的總量，或是該地區銀行資金的供給量；金融機構年末貸款余額則體現了該地區對銀行資金的總體需求。

　　4、保險業發展程度。金融集聚不僅是銀行業的集聚，同時也是保險業和證券業的集聚。保險密度和保險深度反映了保險行業的發展情況。其中保險密度是按照一個地區人口計算的人均保費收入，反映了保險的普及程度和發展水平；保險深度是指保費收入占GDP的比例，是衡量一個地區保險業在其國民經濟中的地位的一個重要指標。

　　5、證券業發展程度。證券業的發展主要用證券行業總產值和證券化率（證券行業總產值/GDP）來衡量，它們分別從絕對量和相對量上反映一個地區證券市場的發展，證券業總產值和證券化率越高，意味著證券市場在經濟中的地位越重要。

　　為了便于分析，本文將上述五個方面的指標劃分為目標層、準則層和因子層三個層次（如表1所示）。將以中部五城市2001-2010年的數據為樣本進行金融集聚的度量和比較，研究所需的數據主要來源于相應年份的《中國統計年鑒》、《金融統計年鑒》、《中國城市統計年鑒》，以及各城市的統計局網站和中國經濟社會發展統計數據庫等，對于缺失的數據，采用灰色預測方法進行補充。

　　（二）實證分析。運用DPS軟件的因子分析功能，在對數據進行標準化處理的基礎上，通過計算得到如下分析結果：

　　表2反映了KMO（KaiserMeyerOlkin）檢驗和巴特利特球形（BartlettsTestofSphericits）檢驗結果。在本研究中，KMO值為0.7134，大于0.5的最低標準，說明數據適合進行因子分析。同時，Bartlett球形檢驗的顯著性水平為0.0001<0.05，由此否定了相關矩陣為單位陣的零假設，即表明各變量之間存在顯著的相關性，同樣說明數據適合進行因子分析。表3反映了因子的特征值和方差貢獻率。貢獻率越大，該因子就相對越重要，本文按照因子特征值大于0.9，累計貢獻率達85%的原則確定4個主因子。

　　通過對因子載荷矩陣進行方差極大正交旋轉，得到旋轉后的因子載荷矩陣，如表4所示。可以看出，旋轉后的載荷系數已經明顯向0和1兩極分化，更易分辨出主因子。第一個主因子F1在指標X1金融機構年末存款總量、X2金融機構年末貸款總量、X5證券業總產值、X6證券化率、X7金融業增加值上有較大的載荷，說明這5個指標有較強的相關性，可以歸為一類；而這5個指標主要反映了地區金融業的發展，因此可將第一個主因子看作是金融發展因子。第二個主因子F2對指標X4保險深度的解釋力度較大，可將其看作是金融深度因子。第三個主因子F3在指標X8金融從業人員上有較大的載荷，可命名為金融人才因子。第四個主因子F4主要反映了指標X9存貸比和X11儲蓄率，代表了金融效率因子。

　　表5反映了五城市因子綜合得分及歸一化后的值。因子分析的目的是以較少的幾個主因子反映原資料的大部分信息，因此因子綜合得分可以反映出城市的金融集聚程度，得分越高，表示金融集聚程度越高。在計算出方差極大旋轉后樣本因子得分的基礎上，按如下公式計算因子綜合得分：

　　其中，q為旋轉后第i個主因子的方差貢獻率，f為第i個主因子的得分，p=4。

　　（三）實證結果。根據以上因子分析可以得出：五個城市的金融集聚程度排名依次為：武漢、長沙、鄭州、合肥、南昌。五個城市金融集聚程度的歷年發展趨勢如圖1所示。

　　由圖1結合原始數據可以發現，除了2010年受金融機構年末貸款等因素的影響，五個城市的金融集聚均有不同程度的下降以外，2001-2009年五個城市金融集聚程度呈現出逐年增強的趨勢。武漢的金融集聚程度一直保持強勢，鄭州、合肥的金融集聚發展較為平穩，南昌歷年的金融集聚程度相對偏低，而長沙的金融集聚程度由弱逐年變強，且近年來有加速趨勢。

　　三、中部五城市金融集聚的影響因素比較

　　（一）指標設計。在一般文獻中，對于金融集聚的形成條件有較多的共識，可以歸納為經濟水平、區位優勢、人才集聚、基礎設施等多個方面。這些因素對促成金融集聚發揮著重要作用，是金融集聚的主要影響因素。

　　1、經濟水平。金融發展與經濟增長兩者具有互為因果的關系，呈現顯著的同向變化。經濟發展是金融集聚的基礎，可以為金融集聚提供金融需求和實體產業支持，而金融集聚的發展又反過來促進經濟的進一步增長。經濟水平指標的設計應涵蓋經濟發展的各方面，本文分別從經濟基礎、經濟開放度、經濟結構三個方面全面地衡量不同地區的經濟發展程度。

　　2、區位優勢。金融集聚的形成離不開周圍腹地的資源供給，與周邊城市較強的經濟聯系是金融集聚不斷深化的潛在支撐。金融中心對外部資源的吸引力是隨著距離增加而逐漸衰減的，借鑒發展經濟學中常用的“市圈”這一術語，本文把“以金融中心為圓心，一定距離為半徑所包含的區域”設計為金融中心的城市圈；考慮到城市之間的距離以及經濟聯系的緊密程度，依次選取半徑500公里和1000公里作為分析目標。2010年出版的《中小城市綠皮書》劃定市區人口在100萬-300萬之間的為大城市，因此本文把包含在城市圈內人口達到100萬的城市劃定為該金融中心的腹地城市，并用城市腹地GDP之和來衡量區位優勢的大小。

　　3、人才集聚。人才作為先進知識的創造者、使用者和傳播者，是一國科技進步與經濟社會發展的重要資源。眾所周知，人力資本是金融發展的關鍵，是金融集聚必不可少的要素。本文將從人才數量和培養環境兩個方面量化一個地區的人才優勢。

　　4、基礎設施。金融集聚的形成和發展還需要一系列的基礎設施和載體，便捷的交通和郵電通信可使得人員、貨物快速流動轉移，大大節約管理和交易成本，吸引區域內外巨額的資金流入，促進貿易和投資，加快金融集聚的進程。

　　基于以上分析，本文將影響金融集聚的因素列入下表（如表6所示），并在下文中運用灰色關聯分析法計算中部五城市金融集聚影響因素的關聯度，找出各因素在推動金融集聚形成中所起的不同作用。同樣以中部五城市2001-2010年的數據為樣本，數據來源亦同表1。

　　（二）實證模型。灰色關聯分析法是對系統中各因素間關聯程度的比較，通過對系統動態發展變化態勢進行量化比較分析，反映各因素間的遠近次序和空間分布規律。關聯度用來衡量因素之間關聯程度大小，數值越大，關聯程度越強。本文運用灰色關聯分析法的基本分析步驟如下：

　　1、確定因子集。分別以武漢、長沙、鄭州、南昌、合肥2001-2010年的數據組成因子集U=A，A，A，...，A，...，A，其中A...A為因子時間序列特征值向量，主因子（參考序列）為各城市歷年的金融聚集程度：

　　待分析因子（比較序列）Ai為金融集聚影響因素中的三級指標：

　　其中，m=15，n=10，i=1，2，...，m，k=1，2，...，n。

　　2、因子特征值歸一化處理。將每個指標的第一個值化為1，即每個指標值均除以對應時間序列的第一個值，=，x=（4）

　　3、計算關聯系數及關聯度。關聯性實質上是反映曲線幾何形狀的差別，因此將以曲線間差值的大小作為關聯程度的衡量尺度。常用的關聯系數公式為：

　　r（k）=（5）

　　r（k）表示第i個比較曲線與參考曲線關于第k時刻的關聯系數；p分辯系數，一般取p=0.5；d=minminx（k）-x（k）為兩級最小指標差值，d=maxmaxx（k）-x（k）為兩級最大指標差值。

　　計算出每個參考數列與比較序列的關聯度，即各城市金融聚集程度與三級指標的關聯度：

　　（三）實證結果。根據以上分析結果，把各二級指標所包含的三級指標的關聯度取平均值，得到二級指標的關聯度，同理得到一級指標的關聯度，并根據關聯度的大小分別對二級、一級指標排序，如表7-表9所示。四、結論及建議

　　（一）武漢作為中部五個城市中金融集聚程度最高的城市，四個一級指標都與金融集聚有很大的關聯性，按關聯程度的大小依次為經濟水平、區位優勢、基礎設施、人才集聚，這說明經濟水平是影響武漢金融集聚的主導因素，而人才集聚的影響相對最弱。在二級指標中交通運輸關聯度最大，經濟結構次之，這證明了有“九省通衢”之稱的武漢，其便利的水陸空交通條件有效促進了經濟發展，增強了金融集聚程度。但是，作為全國的科教大省，武漢人才培養環境對金融集聚的貢獻度不突出。通過對相關原始數據的分析可以發現，雖然武漢專業人才數量是五個城市中最多的，但培養經費投入卻沒有相應比例的加大。因此，武漢在未來的發展中應該進一步利用人才方面的優勢，著力加大經費投入，為金融集聚提供更為強大的智力支持。

　　（二）長沙的金融集聚程度相對較高，各級指標與金融集聚有較大的關聯性。一級指標中基礎設施是影響長沙金融集聚的主導因素，此外，區位優勢對長沙金融集聚的影響也較大。在二級指標中，人才數量的關聯度最大，郵電通信次之。這些結果表明，由于長沙市處于中國的中心位置且基礎設施完善，吸引了較多的外商投資，促進了當地經濟發展，有效提高了金融集聚程度。但另一方面，盡管長沙人均GDP位居五城市之首，經濟結構因素對長沙金融集聚的影響卻相對靠后。結合對相關原始數據的分析，長沙在未來的發展中不僅要進一步完善基礎設施、發揮吸引外資的優勢，增強金融集聚的智力支持，同時還應重視加強外貿依存度、調整經濟結構，增強經濟實力以促進金融集聚的發展。

　　（三）鄭州的金融集聚程度在五城市中排名第三，各級指標與金融集聚也有較高的關聯性。鄭州的特點是擁有最多的經濟腹地，且有很強的區位優勢。但是，鄭州在經濟開放度上相對較弱，進出口額、外商直接投資額在總量上落后于其他四個城市。因此，鄭州作為一個內陸城市應該進一步加大經濟開放程度，充分利用外資為城市的發展注入活力。

　　（四）合肥的各級指標都與金融集聚有很強的關聯，但是金融集聚程度卻在五個城市中排名第四。區位優勢是影響合肥金融集聚程度的主導因素，但是，經濟基礎對金融集聚的貢獻度較小。因此，合肥在未來的發展中要進一步發揮區位優勢，拓展合肥經濟圈發展空間，內聯皖江城市帶，對外融入長三角，促進當地經濟發展。同時要大力發展銀行、保險、證券業等相關金融產業，努力提高城市金融競爭力。

　　（五）南昌的金融集聚程度在五個城市中排名最后，且各級指標與金融集聚的關聯度都不強。近年來，南昌經濟發展速度比較平緩，特別在經濟結構方面，第三產業和高新技術產業占GDP的比重都相對較低；由于城市腹地的數量相對較少，南昌在區位上也缺乏優勢。因此，南昌在未來的發展中應該在各方面加強建設，盡快調整經濟結構，并增加基礎設施投資，提高交通通達度，為金融集聚提供良好的環境。

　　參考文獻

　　[3]丁藝，李樹丞，李林.中國金融集聚程度評價分析[J].軟科學，2009，（6）：9-13。

　　[4]李杰.金融產業集聚：研究綜述[J].金融經濟，2010，（8）：94-97。

　　[5]劉軍，黃解宇，曹利軍.金融集聚影響實體經濟機制研究[J].管理世界，2007，（4）：152-153。

　　[6]潘英麗.論金融中心形成的微觀基礎-金融機構的空間聚集[J].上海財經大學學報，2003，（1）：83-89。