李靜+白江

摘 要：由于我國(guó)經(jīng)濟(jì)發(fā)展的不平衡，金融集聚在各區(qū)域發(fā)展的速度和程度存在明顯的差異。由于評(píng)價(jià)金融集聚的指標(biāo)體系存在不足，不能真實(shí)反映金融集聚的真實(shí)情況。因此，從金融業(yè)的細(xì)分入手，選取具有代表性的指標(biāo)構(gòu)建金融集聚的衡量指標(biāo)體系，運(yùn)用因子分析方法計(jì)算各省市的分行業(yè)集聚度，進(jìn)而得到全國(guó)各省市金融集聚度。最后根據(jù)實(shí)證的研究結(jié)果提出了改善金融集聚的政策建議。

關(guān)鍵詞：金融集聚；指標(biāo)體系；因子分析

作者簡(jiǎn)介：李靜，女，經(jīng)濟(jì)學(xué)博士，吉林大學(xué)馬克思主義學(xué)院教師，從事區(qū)域經(jīng)濟(jì)研究；白江，男，吉林大學(xué)東北亞研究院區(qū)域經(jīng)濟(jì)學(xué)博士研究生，吉林大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院講師，從事區(qū)域經(jīng)濟(jì)研究。

基金項(xiàng)目：吉林省社會(huì)科學(xué)基金項(xiàng)目“吉林省建設(shè)區(qū)域金融中心的實(shí)證研究”，項(xiàng)目編號(hào)：2014BS41

中圖分類號(hào)：F061.5 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1000-7504（2014）04-0052-07

20世紀(jì)70年代以來(lái)，不同種類的金融機(jī)構(gòu)在空間上集聚，在世界范圍內(nèi)逐漸形成了紐約、倫敦和東京等世界金融中心。隨著金融全球化的發(fā)展，我國(guó)的金融機(jī)構(gòu)在空間上的集聚趨勢(shì)也日益明顯，逐漸形成了北京、上海等全國(guó)性的金融中心以及區(qū)域性的金融中心，我國(guó)金融中心的綜合實(shí)力在不斷上升。但由于我國(guó)經(jīng)濟(jì)發(fā)展的不平衡，金融集聚在各區(qū)域發(fā)展的速度和程度必然存在明顯的差異。那么各地區(qū)金融集聚的情況具體是怎樣的呢？國(guó)內(nèi)學(xué)者近年來(lái)對(duì)金融集聚的測(cè)度已經(jīng)做過(guò)一些嘗試。文獻(xiàn)中采用的金融集聚的評(píng)價(jià)方法主要有下面四種：

一是因子分析法，吳聰、王聰構(gòu)建了經(jīng)濟(jì)、金融和城市發(fā)展三方面的12項(xiàng)指標(biāo)，運(yùn)用因子分析方法對(duì)我國(guó)11個(gè)重要金融中心進(jìn)行測(cè)度，并給出相應(yīng)的排名。[1]黎平海和王雪選取8個(gè)指標(biāo)，運(yùn)用因子分析方法對(duì)廣東省的金融集聚度進(jìn)行測(cè)度。[2]管馳明和徐愛(ài)華、劉衛(wèi)等均采用因子分析方法對(duì)特定地區(qū)的金融集聚進(jìn)行測(cè)度，并得出了有價(jià)值的結(jié)論。[3][4]

二是主成分分析法，丁藝等分別從目標(biāo)層、準(zhǔn)則層和因子層等三個(gè)層面選取了23個(gè)指標(biāo)構(gòu)建金融集聚的衡量體系，并采用主成分分析法對(duì)31個(gè)?。ㄖ陛犑泻妥灾螀^(qū)）的金融集聚度進(jìn)行分析。[5]

三是赫芬達(dá)爾指數(shù)法，姜冉采用赫芬達(dá)爾指數(shù)（HI指數(shù)）對(duì)泛珠三角地區(qū)的金融集聚進(jìn)行衡量，結(jié)果表明泛珠三角地區(qū)存在金融集聚現(xiàn)象。[6]

四是區(qū)位熵法，劉紅[7]采用區(qū)位熵方法分別對(duì)珠三角和上海市的金融集聚進(jìn)行測(cè)度，結(jié)果均發(fā)現(xiàn)該地區(qū)存在明顯的金融集聚現(xiàn)象。殷興山采用金融集聚力、金融資源力和金融區(qū)位力三個(gè)方面的指標(biāo)對(duì)我國(guó)長(zhǎng)三角地區(qū)15個(gè)城市的金融競(jìng)爭(zhēng)力進(jìn)行評(píng)估，結(jié)果發(fā)現(xiàn)城市的金融競(jìng)爭(zhēng)力與金融資源的分布有很大關(guān)系。[8]

上述研究取得了一定的成果，為本文提供了很好的借鑒作用，但是絕大多數(shù)研究選取的指標(biāo)數(shù)量較少，不能完全涵蓋金融業(yè)的各細(xì)分行業(yè)，選取的地區(qū)都是發(fā)達(dá)地區(qū)或者針對(duì)個(gè)別的一些城市進(jìn)行的研究，針對(duì)全國(guó)所有省份進(jìn)行的系統(tǒng)對(duì)比和研究較少。以此為背景，本文運(yùn)用因子分析方法從保險(xiǎn)市場(chǎng)、信托市場(chǎng)、證券市場(chǎng)、信貸市場(chǎng)四個(gè)主要的金融市場(chǎng)入手，對(duì)我國(guó)31個(gè)省（直轄市和自治區(qū)）金融集聚水平進(jìn)行綜合測(cè)度，以期能夠提供更具實(shí)際意義的研究結(jié)論，從而為政策制定提供參考。

一、金融集聚評(píng)價(jià)方法及指標(biāo)體系構(gòu)建

1. 金融集聚評(píng)價(jià)方法

從上文可知，金融集聚的評(píng)價(jià)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從參與數(shù)據(jù)建模的許多變量中，通過(guò)找到具有代表性的能夠表示多個(gè)變量之間相互關(guān)系的因子，在不造成統(tǒng)計(jì)信息丟失的情況下，用較少的變量反映原有變量的絕大部分信息。具體實(shí)施的主要步驟包括[9]：

（1）KMO檢驗(yàn)和Bartlett球形檢驗(yàn)

KMO（Kaiser-Meyer-Olkin）檢驗(yàn)?zāi)軌驅(qū)ψ兞恐g的相關(guān)性進(jìn)行檢驗(yàn)，從而確定變量之間的關(guān)系是否適合做因子分析。KMO統(tǒng)計(jì)量的取值在0—1之間。KMO統(tǒng)計(jì)量的值越接近1，表明變量越適合做因子分析；KMO統(tǒng)計(jì)量的值低于0.5，表明變量不適合做因子分析。

Bartlett球形檢驗(yàn)主要是用于檢驗(yàn)數(shù)據(jù)是否呈球形分布，相關(guān)系數(shù)矩陣是不是單位矩陣以及各變量的獨(dú)立情況。如果Bartlett球形檢驗(yàn)的值高于指定顯著性水平下的臨界值，表明變量之間存在相關(guān)性，適合做因子分析；如果低于臨界值，則表明不適合做因子分析。

（2）計(jì)算變量的相關(guān)系數(shù)矩陣

在上述檢驗(yàn)的基礎(chǔ)上，進(jìn)一步計(jì)量變量的相關(guān)系數(shù)矩陣，如果相關(guān)系數(shù)矩陣中的大部分值均高于0.3，表明變量之間的相關(guān)性較強(qiáng)，原則上這些變量可以進(jìn)行因子分析。

（3）計(jì)算公因子方差

通過(guò)公因子方差的計(jì)算，可以得到提取公因子前后各個(gè)變量的共同度，能夠反映提取公因子以后的信息損失程度。公因子提取的方法是主成分分析法。

（4）計(jì)算因子的累積方差貢獻(xiàn)率確定因子個(gè)數(shù)

因子的累積方差貢獻(xiàn)率是衡量因子是否具有公共性的重要指標(biāo)。通常選取累積方差貢獻(xiàn)率大于0.85時(shí)因子的特征根個(gè)數(shù)。

（5）計(jì)算因子旋轉(zhuǎn)矩陣和因子得分系數(shù)

求因子旋轉(zhuǎn)矩陣的目的主要是為了使因子載荷矩陣的結(jié)構(gòu)更加簡(jiǎn)化，使每一個(gè)變量?jī)H在一個(gè)公共因子上有較大載荷，在其他公共因子上的載荷較小。將較多的變量表示為公共因子的線性組合，這樣就可以利用因子變量對(duì)研究目標(biāo)進(jìn)行評(píng)價(jià)，實(shí)現(xiàn)降維和簡(jiǎn)化，通過(guò)計(jì)算因子得分函數(shù)得到每個(gè)地區(qū)的因子得分（即金融集聚得分），因子得分是因子分析的最終體現(xiàn)。

2. 評(píng)價(jià)指標(biāo)體系的構(gòu)建

（1）指標(biāo)構(gòu)建原則

本文根據(jù)相關(guān)性原則、可操作性原則、可比性原則和科學(xué)性原則，構(gòu)建我國(guó)各地區(qū)金融集聚測(cè)度的指標(biāo)體系。金融集聚是一個(gè)復(fù)雜的經(jīng)濟(jì)現(xiàn)象，由于政治、經(jīng)濟(jì)、社會(huì)等因素都有可能對(duì)金融集聚的形成產(chǎn)生較大影響，本文選取的指標(biāo)信息同我國(guó)金融集聚的實(shí)際情況相互關(guān)聯(lián)，是最直接的因素，以減少不必要的干擾。金融集聚評(píng)價(jià)指標(biāo)體系的構(gòu)建，既要考慮研究的需要，又要考慮到其他的客觀條件，并不是要將所有的東西全部加以量化才夠客觀，而是要避免衡量時(shí)的主觀臆斷與測(cè)量的偏差。因此，所選取的各項(xiàng)指標(biāo)要具有可操作性，都能進(jìn)行量化，并且按照現(xiàn)行的數(shù)據(jù)統(tǒng)計(jì)和處理方法，對(duì)金融集聚評(píng)價(jià)指標(biāo)數(shù)據(jù)進(jìn)行一致化的處理，使得指標(biāo)元素口徑一致，以便于對(duì)不同區(qū)域進(jìn)行比較分析。選取的金融集聚評(píng)價(jià)指標(biāo)除了能夠客觀真實(shí)地反映影響金融集聚的各種因素外，還應(yīng)該力求各項(xiàng)指標(biāo)含義清晰、獨(dú)立，以便于得出科學(xué)的結(jié)論。

（2）指標(biāo)的選擇

本文為了使金融集聚的測(cè)度盡可能地反映實(shí)際集聚水平，將金融市場(chǎng)細(xì)分為保險(xiǎn)市場(chǎng)、信托市場(chǎng)、信貸市場(chǎng)和證券市場(chǎng)。對(duì)每一個(gè)行業(yè)均選擇多個(gè)代表性的指標(biāo)納入金融集聚指標(biāo)體系中。具體選取的指標(biāo)如表1所示。

從表1可見，保險(xiǎn)市場(chǎng)選取了6項(xiàng)主要指標(biāo)，其中保費(fèi)收入是保險(xiǎn)公司資金的主要來(lái)源，保費(fèi)收入總額直接體現(xiàn)了保險(xiǎn)行業(yè)的規(guī)模；保險(xiǎn)賠付支出反映了保險(xiǎn)公司資金的使用情況，屬于保險(xiǎn)公司的主要成本；國(guó)家規(guī)定保險(xiǎn)公司必須按照一定的比例進(jìn)行分保，由保險(xiǎn)公司自身業(yè)務(wù)發(fā)展得到保費(fèi)收入是原保費(fèi)收入，接受其他公司保險(xiǎn)分保收取的保費(fèi)稱為再保險(xiǎn)保費(fèi)收入，因此選取原保費(fèi)收入指標(biāo)，可以反映保險(xiǎn)業(yè)自身業(yè)務(wù)增強(qiáng)情況；保險(xiǎn)深度是指某地保費(fèi)收入占該地國(guó)內(nèi)生產(chǎn)總值（GDP）之比，反映了該地保險(xiǎn)業(yè)在整個(gè)經(jīng)濟(jì)中的地位；保險(xiǎn)密度是指按當(dāng)?shù)厝丝谟?jì)算的人均保險(xiǎn)費(fèi)額，反映了該地國(guó)民參加保險(xiǎn)的程度；保險(xiǎn)類金融機(jī)構(gòu)從業(yè)人員總數(shù)從另一個(gè)側(cè)面反映了該地區(qū)保險(xiǎn)業(yè)的發(fā)展規(guī)模。所選的6項(xiàng)指標(biāo)能夠比較全面地體現(xiàn)保險(xiǎn)業(yè)集聚的程度。

信托市場(chǎng)選取了5項(xiàng)主要指標(biāo)，其中信托資產(chǎn)總額反映的是信托行業(yè)的資產(chǎn)規(guī)模；信托資產(chǎn)營(yíng)業(yè)收入是信托行業(yè)的重要收入來(lái)源，反映的是信托公司的經(jīng)營(yíng)能力；信托公司數(shù)能夠反映信托行業(yè)的景氣情況；信托公司固有資產(chǎn)總額區(qū)別于信托資產(chǎn)，反映的是信托公司的自有資產(chǎn)，是盈利所得；信托公司凈資產(chǎn)收益率反映的是公司的盈利能力。所選的5項(xiàng)指標(biāo)能夠比較全面地體現(xiàn)信托業(yè)集聚的程度和水平。

信貸市場(chǎng)選取了4項(xiàng)主要指標(biāo)，其中銀行業(yè)增加值反映的是銀行業(yè)產(chǎn)值的增長(zhǎng)情況；各項(xiàng)存款、貸款余額反映的是銀行的資產(chǎn)負(fù)債情況；銀行網(wǎng)點(diǎn)數(shù)反映的是銀行業(yè)的規(guī)模。所選的4項(xiàng)指標(biāo)能夠比較全面地衡量信貸市場(chǎng)的集聚情況。

證券市場(chǎng)選取了5項(xiàng)主要指標(biāo)，股票市價(jià)總值是衡量股票市場(chǎng)發(fā)達(dá)程度的指標(biāo)，具體到各地區(qū)就是地區(qū)企業(yè)參與股票市場(chǎng)的程度；A股IPO籌資總額反映的是該地區(qū)企業(yè)通過(guò)首次募股籌集到的資金總額；證券類金融機(jī)構(gòu)總數(shù)及上市公司總數(shù)均是從不同側(cè)面反映證券市場(chǎng)的規(guī)模。所選的5項(xiàng)指標(biāo)能夠比較全面地衡量證券市場(chǎng)的集聚情況。

二、我國(guó)地區(qū)金融集聚水平的測(cè)度

本文所用的數(shù)據(jù)主要來(lái)源于中國(guó)銀監(jiān)會(huì)、中國(guó)證監(jiān)會(huì)、中國(guó)保監(jiān)會(huì)、中國(guó)銀行業(yè)協(xié)會(huì)、中國(guó)保險(xiǎn)行業(yè)協(xié)會(huì)、中國(guó)證券業(yè)協(xié)會(huì)和中國(guó)信托業(yè)協(xié)會(huì)等統(tǒng)計(jì)數(shù)據(jù)，對(duì)上述指標(biāo)的數(shù)據(jù)運(yùn)用SPSS統(tǒng)計(jì)軟件進(jìn)行因子分析。

1. KMO檢驗(yàn)和Bartlett球形檢驗(yàn)

在使用因子分子之前首先需要檢驗(yàn)所選數(shù)據(jù)和指標(biāo)是否適合進(jìn)行因子分析。KMO檢驗(yàn)和Bartlett球形檢驗(yàn)的結(jié)果見表2。

從表2可以看到：保險(xiǎn)業(yè)的KMO檢驗(yàn)值為0.76，信托業(yè)的KMO檢驗(yàn)值為0.73，銀行業(yè)的KMO檢驗(yàn)值為0.72，證券業(yè)的KMO檢驗(yàn)值為0.74，四個(gè)行業(yè)的KMO檢驗(yàn)值均接近0.8，根據(jù)KMO檢驗(yàn)衡量標(biāo)準(zhǔn)可以看出所選取的四個(gè)行業(yè)的變量均適合于進(jìn)行因子分析。同時(shí)，Bartlett檢驗(yàn)值保險(xiǎn)業(yè)為261.971，信托業(yè)為246.59，銀行業(yè)為188.08，證券業(yè)為193.13，相應(yīng)的Sig.取值均為0.000，即認(rèn)為各行業(yè)變量之間的相關(guān)系數(shù)矩陣與單位陣具有顯著的差異，適合于進(jìn)行因子分析。

2. 計(jì)算變量的相關(guān)系數(shù)矩陣

計(jì)算相關(guān)系數(shù)矩陣證明變量之間的相關(guān)關(guān)系能夠進(jìn)一步判斷所選變量是否適合進(jìn)行因子分析，計(jì)算結(jié)果見表3。

表3分別是證券業(yè)、信托業(yè)、保險(xiǎn)業(yè)和銀行業(yè)集聚測(cè)度變量之間的相關(guān)系數(shù)矩陣，從表中可以

看到絕大部分的變量相關(guān)系數(shù)較高，表明變量之間有較強(qiáng)的線性關(guān)系，適合于進(jìn)行因子分析。

3. 計(jì)算公因子方差

由上述分析證明，所選的四個(gè)行業(yè)的變量均可以分別進(jìn)行因子分析，接下來(lái)通過(guò)主成分分析方法提取公因子，計(jì)算公因子方差，分析提取公因子前后的變量信息損失情況，結(jié)果見表4。

表4是公因子方差計(jì)算結(jié)果，表示的是提取公因子前后各個(gè)變量的共同度。最左側(cè)一列是因子分析初始解下的變量共同度，是對(duì)各行業(yè)原有變量采用主成分分析法提取所有特征根，那么原有變量的所有方差都可以被解釋，變量的共同度為1。公因子一列是按指定條件提取特征根時(shí)的共同度，即對(duì)原有變量的方差解釋度。從表4可見，保險(xiǎn)業(yè)提取公因子后對(duì)變量B1的方差解釋度最高，能達(dá)到93%，對(duì)變量B4的方差解釋度最低，為42%，提取的公因子能夠解釋絕大多數(shù)的變量信息。信托業(yè)、證券業(yè)和銀行業(yè)提取的公因子也均能解釋絕大多數(shù)的變量信息。

表5中，成份列是按照計(jì)算得到的特征根大小排列，一般選取特征根大于1的成分作為主成分，從而確定提取的因子個(gè)數(shù)。保險(xiǎn)業(yè)有兩個(gè)大于1的特征根，即有2個(gè)主成分，存在2個(gè)公因子，因子的方差貢獻(xiàn)率為87.35%；信托業(yè)有1個(gè)大于1的特征根，即有1個(gè)主成分，存在1個(gè)公因子，這1個(gè)因子的方差貢獻(xiàn)率為84.76%；銀行業(yè)有1個(gè)大于1的特征根，即有1個(gè)主成分，存在1個(gè)公因子，這個(gè)因子的方差貢獻(xiàn)率為84.43%；證券業(yè)有1個(gè)大于1的特征根，即有1個(gè)主成分，存在1個(gè)公因子，這個(gè)因子的方差貢獻(xiàn)率為81.89%。這四個(gè)行業(yè)提取的因子對(duì)方差的貢獻(xiàn)率均高于80%，因此計(jì)算得到的因子個(gè)數(shù)是合適的。

4. 計(jì)算因子得分系數(shù)

當(dāng)因子確定以后，便可計(jì)算各因子在每個(gè)樣本上的具體數(shù)值，這些數(shù)值稱為因子得分。

第j個(gè)因子在第i個(gè)樣本上的值可表示為：

（1）

其中， 表示第j個(gè)因子和第i個(gè)原有變量間的因子得分系數(shù)。

所選四個(gè)行業(yè)的因子得分系數(shù)矩陣見表6。

根據(jù)表6的計(jì)算結(jié)果可得到四個(gè)行業(yè)因子得分的計(jì)算函數(shù)。

保險(xiǎn)業(yè)因子分析的得分函數(shù)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

通過(guò)采用因子加權(quán)的方法，其中權(quán)數(shù)為兩個(gè)因子的方差貢獻(xiàn)率，可以得到計(jì)算公式為：

F=0.565F1+0.309F2

信托業(yè)因子分析的得分函數(shù)W如下：

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

W=0.848W1

銀行業(yè)因子分析的得分函數(shù)G如下：

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

G=0.844G1

證券業(yè)因子分析的得分函數(shù)H如下：

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

H=0.819H1

將我國(guó)31個(gè)省市區(qū)的相關(guān)指標(biāo)分別代入到上述因子得分公式中，得到各省市區(qū)的保險(xiǎn)業(yè)、信托業(yè)、銀行業(yè)、證券業(yè)集聚得分。同樣也可以得到我國(guó)31個(gè)省市區(qū)金融集聚的綜合得分。

三、我國(guó)地區(qū)金融集聚測(cè)度結(jié)果與評(píng)價(jià)

上文分別從行業(yè)、地區(qū)等方面計(jì)算了金融集聚的因子得分表，根據(jù)計(jì)算，我們能夠發(fā)現(xiàn)金融集聚度在金融行業(yè)之間、在不同地區(qū)之間均存在一定的共性。

從行業(yè)角度來(lái)看，保險(xiǎn)業(yè)、信托業(yè)、銀行業(yè)和證券業(yè)的集聚度最高的省市均處于東部地區(qū)，保險(xiǎn)業(yè)集聚度最高的是廣東省，信托業(yè)和證券業(yè)集聚度最高的是北京市，銀行業(yè)集聚度最高的是浙江省。四個(gè)行業(yè)集聚度最低的省區(qū)均處于西部地區(qū)，保險(xiǎn)業(yè)、信托業(yè)和證券業(yè)集聚度最低的是西藏，銀行業(yè)集聚度最低的是海南省。

從地區(qū)角度來(lái)看，廣東省、江蘇省、浙江省和山東省四個(gè)省份的四個(gè)金融子行業(yè)的集聚度均處于前列，在綜合得分中處于前五位。西藏、青海、海南和寧夏四個(gè)省區(qū)的四個(gè)金融子行業(yè)的集聚度均處于較低水平，在綜合得分中處于末四位。我國(guó)的保險(xiǎn)業(yè)、信貸業(yè)、證券業(yè)和信托業(yè)均呈現(xiàn)出向東部地區(qū)集聚的趨勢(shì)，東部地區(qū)的信托業(yè)占比為53.97%，證券業(yè)占比為74.23%，均大于50%，集聚趨勢(shì)明顯。

東部發(fā)達(dá)地區(qū)的金融集聚度明顯高于其他地區(qū)，這首先是因?yàn)榈貐^(qū)經(jīng)濟(jì)的發(fā)展水平是金融集聚的首要驅(qū)動(dòng)因素（李靜，2013），金融是實(shí)體經(jīng)濟(jì)的血液，地區(qū)實(shí)體經(jīng)濟(jì)發(fā)達(dá)，必然需要高度發(fā)達(dá)的金融產(chǎn)業(yè)為之服務(wù)，對(duì)金融產(chǎn)品的需求以及對(duì)金融創(chuàng)新的要求就會(huì)較高，該地區(qū)就會(huì)形成一個(gè)程度較高的金融集聚區(qū)，如我國(guó)的東部地區(qū)。由于東部地區(qū)的海南省開發(fā)較晚，除個(gè)別城市依靠旅游業(yè)獲得發(fā)展之外，其他城市沒(méi)有主導(dǎo)

產(chǎn)業(yè)，實(shí)體經(jīng)濟(jì)在全省均不發(fā)達(dá)，GDP總量在全國(guó)排名落后，所以其金融集聚度處于較低水平。其次，東部地區(qū)的地方政府在推動(dòng)金融發(fā)展方面做出了更多的努力，其中提出建設(shè)金融中心目標(biāo)的城市大多數(shù)都分布在中東部地區(qū)。大量研究成果表明，我國(guó)金融中心的形成模式屬于政府推動(dòng)型，中央和地方政府的政策支持對(duì)產(chǎn)業(yè)集聚具有十分重要的作用。再次，東部地區(qū)的金融發(fā)展形成了規(guī)模經(jīng)濟(jì)效應(yīng)與相關(guān)產(chǎn)業(yè)的配套服務(wù)機(jī)構(gòu)和人員聚集，包括律師援助、會(huì)計(jì)、投資咨詢、信用評(píng)估等，該地區(qū)具有更強(qiáng)的金融集聚力。

雖然銀行、保險(xiǎn)、證券和信托行業(yè)的集聚表現(xiàn)出一定的共同點(diǎn)，但是各行業(yè)在同一省份發(fā)展并不平衡。在同一省市區(qū)，保險(xiǎn)業(yè)的集聚度遠(yuǎn)高于其他產(chǎn)業(yè)的有河南省和河北省，保險(xiǎn)業(yè)的集聚度遠(yuǎn)低于其他產(chǎn)業(yè)的有上海市、天津市和安徽??；信托業(yè)的集聚度遠(yuǎn)高于其他產(chǎn)業(yè)的有黑龍江省、北京市、重慶市和陜西省，信托業(yè)的集聚度遠(yuǎn)低于其他產(chǎn)業(yè)的有江蘇省和福建??；銀行業(yè)的集聚度遠(yuǎn)高于其他產(chǎn)業(yè)的有浙江省、四川省、山西省和內(nèi)蒙古自治區(qū)。銀行業(yè)的集聚度遠(yuǎn)低于其他產(chǎn)業(yè)的有重慶市。證券業(yè)的集聚度遠(yuǎn)高于其他產(chǎn)業(yè)的有北京市和福建省，證券業(yè)的集聚度遠(yuǎn)低于其他產(chǎn)業(yè)的有河南省和陜西省。

基于上文的實(shí)證分析結(jié)果，我們發(fā)現(xiàn)，我國(guó)的地區(qū)金融集聚度存在顯著的差異，金融資源明顯地向東部地區(qū)集聚，主要是廣東、浙江、山東、江蘇、上海和北京。而西部地區(qū)金融集聚度要遠(yuǎn)低于其他地區(qū)。針對(duì)上述結(jié)論，本文提出以下政策建議：

首先，政府要通過(guò)促進(jìn)實(shí)體經(jīng)濟(jì)的發(fā)展帶動(dòng)金融業(yè)的集聚。如果一個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展程度不高，金融產(chǎn)業(yè)的作用就無(wú)法體現(xiàn)出來(lái)，由于資本具有逐利本性，它必然流入經(jīng)濟(jì)發(fā)達(dá)地區(qū)。其次，政府應(yīng)當(dāng)從多方面對(duì)金融集聚度較低的地區(qū)進(jìn)行支持。金融集聚一般來(lái)講有兩種模式，一種是市場(chǎng)主導(dǎo)型，一種是政府主導(dǎo)型，在發(fā)展中國(guó)家主要是政府主導(dǎo)型。尤其是我國(guó)，中央和地方政府的政策支持對(duì)金融集聚具有十分重要的作用。最后，政府應(yīng)該努力實(shí)現(xiàn)金融業(yè)區(qū)域內(nèi)的均衡發(fā)展。東部地區(qū)的一些省份金融業(yè)總體發(fā)展情況良好，但是存在個(gè)別行業(yè)發(fā)展落后的現(xiàn)象，形成金融發(fā)展的短板，這些相對(duì)落后的金融子行業(yè)需要引起政府的重視，在資源和政策方面給予適當(dāng)傾斜，促進(jìn)其加速發(fā)展，實(shí)現(xiàn)區(qū)域內(nèi)的協(xié)調(diào)發(fā)展。西部地區(qū)的一些省份雖然金融業(yè)總體集聚水平偏低，但是也存在個(gè)別行業(yè)集聚度明顯領(lǐng)先于其他行業(yè)的情況，那么，這就需要政府在發(fā)展其他金融子行業(yè)時(shí)借鑒該行業(yè)發(fā)展的經(jīng)驗(yàn)，在保持優(yōu)勢(shì)行業(yè)發(fā)展的前提下，促進(jìn)其他行業(yè)的共同發(fā)展。

參 考 文 獻(xiàn)

[1] 吳聰、王聰：《我國(guó)金融中心競(jìng)爭(zhēng)力的實(shí)證分析》，載《南方金融》2005年第12期.

[2] 黎平海、王雪：《基于金融集聚視角的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)研究》，載《廣東金融學(xué)院學(xué)報(bào)》2009年第6期.

[3] 管馳明、徐愛(ài)華：《基于面板數(shù)據(jù)的長(zhǎng)三角金融業(yè)集聚動(dòng)態(tài)研究》，載《商業(yè)研究》2010年第7期.

[4] 劉衛(wèi)：《上海金融中心的形成與現(xiàn)狀分析》，載《上海經(jīng)濟(jì)研究》2007年第11期.

[5] 丁藝、李樹丞、李林：《中國(guó)金融集聚程度評(píng)價(jià)分析》，載《軟科學(xué)》2009年第6期.

[6] 姜冉：《泛珠三角地區(qū)金融集聚與經(jīng)濟(jì)增長(zhǎng)》，載《經(jīng)濟(jì)研究導(dǎo)刊》2010年第20期.

[7] 劉紅：《金融集聚對(duì)區(qū)域經(jīng)濟(jì)的增長(zhǎng)效應(yīng)和輻射效應(yīng)研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長(zhǎng)三角金融集聚態(tài)勢(shì)與提升競(jìng)爭(zhēng)力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統(tǒng)計(jì)分析與SPSS的應(yīng)用》，北京：中國(guó)人民大學(xué)出版社， 2008.

[責(zé)任編輯 國(guó)勝鐵]

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] 劉紅：《金融集聚對(duì)區(qū)域經(jīng)濟(jì)的增長(zhǎng)效應(yīng)和輻射效應(yīng)研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長(zhǎng)三角金融集聚態(tài)勢(shì)與提升競(jìng)爭(zhēng)力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統(tǒng)計(jì)分析與SPSS的應(yīng)用》，北京：中國(guó)人民大學(xué)出版社， 2008.

[責(zé)任編輯 國(guó)勝鐵]

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] 劉紅：《金融集聚對(duì)區(qū)域經(jīng)濟(jì)的增長(zhǎng)效應(yīng)和輻射效應(yīng)研究》，載《上海金融》2008年第5.

[8] 殷興山、賀繹奮、徐洪水：《長(zhǎng)三角金融集聚態(tài)勢(shì)與提升競(jìng)爭(zhēng)力分析》，載《上海金融》2003年第8期.

[9] 薛薇：《統(tǒng)計(jì)分析與SPSS的應(yīng)用》，北京：中國(guó)人民大學(xué)出版社， 2008.

[責(zé)任編輯 國(guó)勝鐵]

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