薛襄稷

(集美大學(xué) 誠毅學(xué)院，福建 廈門 361021)

從各國經(jīng)驗(yàn)來看，金融產(chǎn)業(yè)集聚與金融中心的形成往往具有高度關(guān)聯(lián)性。產(chǎn)業(yè)集聚程度高的城市或地區(qū)，更易發(fā)展成為具有較大影響力的金融中心。金融資源的集聚和輻射與金融中心的建立能夠推動經(jīng)濟(jì)增長。促進(jìn)經(jīng)濟(jì)的持續(xù)發(fā)展已經(jīng)成為學(xué)術(shù)界的共識，其產(chǎn)生的外部經(jīng)濟(jì)規(guī)模效應(yīng)以及擴(kuò)散效應(yīng)極大地促進(jìn)了區(qū)域經(jīng)濟(jì)的增長。全國30多個城市均把建立區(qū)域性金融中心列在其經(jīng)濟(jì)發(fā)展規(guī)劃之中。在諸多政策引導(dǎo)和支持下，作為海峽西岸經(jīng)濟(jì)區(qū)的主體城市，福州、廈門等地以此為契機(jī)，加快了建立兩岸區(qū)域性金融服務(wù)中心的步伐。近些年，福建省金融集聚程度不斷提高，但與發(fā)達(dá)地區(qū)相比，其金融基礎(chǔ)薄弱，產(chǎn)業(yè)發(fā)展相對滯后，資源配置有待改善，中心城市的輻射力有待提高。

目前，很多學(xué)者針對金融集聚問題進(jìn)行了探索，而有關(guān)福建省金融集聚程度方面的研究較少，主要從城市的綜合競爭力角度分析金融中心城市的選擇。如陳福生、雷小秋、戴淑庚等通過熵值法、因子分析法和灰色關(guān)聯(lián)分析法對福建一些城市金融競爭力進(jìn)行研究[1-3]。嚴(yán)玉華利用Moran指數(shù)和LISA，分析了福建省金融業(yè)集聚的空間效應(yīng)[4]。馬雨倩利用Moran指數(shù)檢驗(yàn)法和威爾遜模型，分析了福建金融集聚發(fā)展的空間特征[5]。從上述對文獻(xiàn)的分析中可以發(fā)現(xiàn)，不少學(xué)者對金融產(chǎn)業(yè)聚集進(jìn)行了研究，但還不夠系統(tǒng)。本文從銀行業(yè)、證券業(yè)、保險業(yè)、金融深度、經(jīng)濟(jì)發(fā)展等多角度構(gòu)建指標(biāo)體系，使評價指標(biāo)更加完善。首先，利用因子分析法對31個省市的金融發(fā)展進(jìn)行綜合評價，并在此基礎(chǔ)上找出福建省與其他省份尤其是東部省份的差距。然后，利用Moran指數(shù)和威爾遜模型，從空間關(guān)聯(lián)的角度對福建9地市空間相關(guān)性及中心城市輻射范圍進(jìn)行分析，進(jìn)而指出福建金融集聚過程中存在的問題以及發(fā)展對策。

1 指標(biāo)體系構(gòu)建及相關(guān)方法介紹

1.1 因子分析及指標(biāo)體系構(gòu)建

從研究變量之間內(nèi)部的依賴關(guān)系出發(fā)，把變量之間錯綜復(fù)雜的關(guān)系歸因于幾個因子，以較少的幾個因子考察原變量的大部分信息，即是因子分析法。

在構(gòu)建指標(biāo)體系時，金融集聚程度應(yīng)從以下3個方面選取指標(biāo)：金融機(jī)構(gòu)數(shù)量與規(guī)模、金融市場發(fā)展深度以及經(jīng)濟(jì)規(guī)模。詳情見表1。

表1 金融集聚度量指標(biāo)體系的構(gòu)建

1.2 Moran指數(shù)

Moran指數(shù)是對空間鄰近的區(qū)域單元屬性值相似程度的度量。通過測量區(qū)域單元空間關(guān)聯(lián)關(guān)系反映空間集聚效應(yīng)，分析地理位置相鄰的區(qū)域單元是否具有相同屬性。Moran指數(shù)包含全局Moran's I和局部Moran's I兩種形式。全局Moran's I利用式1進(jìn)行計算，用于測度總體觀測值空間自相關(guān)水平以及性質(zhì)。局部空間層面的空間相關(guān)性可以用Moran散點(diǎn)圖來表示。

(式1)

1.3 威爾遜模型

威爾遜在研究人類活動產(chǎn)生的空間相互作用的基礎(chǔ)上，提出了威爾遜模型, 筆者將其運(yùn)用到福建中心城市輻射能力的研究上。根據(jù)威爾遜模型，其表達(dá)式為：

Tjk=KOjDkexp(-βrjk)

(式2)

其中，Tjk是區(qū)域k流向區(qū)域j的資源總量；K為歸一化因子，通常取1；Oj、Dk分別是區(qū)域j、k的資源總量(強(qiáng)度)；β為空間衰減系數(shù)；rjk表示兩區(qū)域間的距離。在實(shí)際計算中，式2較為復(fù)雜，不易獲得。因此，諸多學(xué)者將其簡化。本文依據(jù)王錚[7]對公式的調(diào)整，簡化為：

(式3)

2 福建省金融集聚水平及各地市空間相關(guān)性實(shí)證研究

近年來，福建省根據(jù)自身戰(zhàn)略地位、區(qū)位特點(diǎn)和發(fā)展特色，相繼出臺并實(shí)施了一系列政策措施，促進(jìn)金融業(yè)快速發(fā)展。隨著福建省金融機(jī)構(gòu)數(shù)量和種類的增多、規(guī)模的逐年擴(kuò)大以及金融市場功能的不斷完善，金融業(yè)集聚水平逐年提升，集聚輻射效應(yīng)逐漸得到釋放。

2.1 福建金融集聚水平整體分析

很多學(xué)者運(yùn)用區(qū)位熵對金融產(chǎn)業(yè)集聚度進(jìn)行測度，但因選擇的不同指標(biāo)所代表的含義不同，計算結(jié)果偏差較大，且衡量指標(biāo)過于單一，有可能與現(xiàn)實(shí)相背離。為了解決單因素存在的問題，本文從多角度出發(fā)，構(gòu)建金融集聚綜合指標(biāo)體系，采用因子分析法進(jìn)行綜合評價。運(yùn)用SPSS21.0統(tǒng)計分析軟件，以全國31個省(市、區(qū))為研究樣本，對2010—2016年數(shù)據(jù)進(jìn)行分析。

首先，通過KMO檢驗(yàn)和Bartlett球形檢驗(yàn)方法可得，KMO值為0.746，Bartlett球形檢驗(yàn)Sig值為0，適合進(jìn)行因子分析。其次，對15個變量提取公因子，相關(guān)系數(shù)矩陣有2個特征根大于1，累積解釋率為77.894%，說明提取2個公因子可累計解釋原變量的大部分信息，信息丟失較少。對2010—2015年金融集聚程度進(jìn)行測算，都得出相同的結(jié)論。再次，3次迭代后，因子載荷系數(shù)已經(jīng)明顯向兩極分化。第一個公因子在指標(biāo)X1、X2、X3、X5、X6、X7、X14、X15上有較大載荷，說明這8個指標(biāo)有較強(qiáng)的相關(guān)性，可以歸為一類。從指標(biāo)類型看，這8個指標(biāo)主要是總量指標(biāo)，包括金融機(jī)構(gòu)數(shù)量與規(guī)模。第二個公因子在這7個指標(biāo)X4、X8、X9、X10、X11、X12、X13上有較大載荷，可以歸為一類。第二個因子主要反映了金融市場的深度和經(jīng)濟(jì)發(fā)展規(guī)模。最后，根據(jù)因子得分矩陣，得出模型并計算得分。結(jié)果見圖1。

圖1 2010—2016年各省市金融集聚得分

從圖1可以看出，位于東、中、西部的省(市、區(qū))金融集聚差距較為明顯，與區(qū)域經(jīng)濟(jì)發(fā)展情況相似，具有較為明顯的非均衡特征。金融集聚水平較高的省(市、區(qū))主要分布在東部地區(qū)，尤其是長三角地區(qū)、珠三角地區(qū)和環(huán)渤海地區(qū)。這些地方金融活動比較活躍，中、西部地區(qū)的金融集聚程度明顯較低，區(qū)域間發(fā)展極不平衡。從福建省的綜合得分看，2013—2015年的綜合得分超過0，高于平均水平，但2016年又變?yōu)樨?fù)數(shù)，排名從第9位下降到第12位，與北京、廣東、上海等地得分差距很大。若將集聚程度分為五個梯隊(duì)，福建省由第三梯隊(duì)(2010年，0<綜合得分<0.5)下降為第四梯隊(duì)(2016年，0.5<綜合得分<0)，不僅金融集聚程度有所下降，且不夠穩(wěn)定。從福建省兩大公因子得分看，2016年，第一公因子得分為0.164，全國排名第11位，但在東部10省市中排名并不高，金融機(jī)構(gòu)與規(guī)模集聚程度有待提升。第二公因子得分為負(fù)數(shù)，低于平均水平，在全國排名第18位，金融發(fā)展深度與經(jīng)濟(jì)規(guī)模集聚程度較差，在一定程度上影響了綜合得分。

2.2 福建省9地市金融集聚水平及空間自相關(guān)檢驗(yàn)

通過因子分析評價地市金融業(yè)的集聚程度，運(yùn)用Geoda軟件，計算Moran’I指數(shù)來檢驗(yàn)各地市空間關(guān)聯(lián)情況，反映空間距離的密切相關(guān)程度，在此基礎(chǔ)上，得出主要的中心城市，并利用威爾遜模型計算輻射半徑。

2.2.1 福建省9地市金融集聚因子分析

對表1指標(biāo)體系進(jìn)行微調(diào)，因個別地市外資銀行比率為0，刪除了外資銀行比例，得到表2。

表2 2016年福建省9地市因子得分情況

從表2可以看出，福州、廈門表現(xiàn)出較強(qiáng)的集聚優(yōu)勢，遠(yuǎn)遠(yuǎn)高于其他地市，是福建省重要的金融發(fā)展及金融中心潛在城市。泉州的總得分也超過了0，高于平均水平，排名第3位，但與福州、廈門相差較大，集聚水平還不明顯。其他地市的數(shù)據(jù)均小于0，金融集聚狀況較差，始終處于較低的狀態(tài)。

2.2.2 空間相關(guān)性分析

利用Geoda軟件對Moran’I指數(shù)進(jìn)行計算，結(jié)果見表3。

表3 2010—2016年福建省9地市Moran’I指數(shù)

從表3可知，2010—2016年，福建省Moran’I指數(shù)均為負(fù)數(shù)，且統(tǒng)計量Z值均小于臨界值Z0.05=1.96。這表明福建省9地市金融發(fā)展在空間分布上處于完全隨機(jī)的狀態(tài)，在空間上不存在顯著的金融集聚現(xiàn)象。

為分析福建省金融發(fā)展的空間集聚特征和類型，利用Moran散點(diǎn)圖來分析，結(jié)果如圖2所示。可見，沒有哪一個城市落在第1象限(HH)，沒有高集聚區(qū)被相鄰高集聚區(qū)包圍的情況。福州、廈門均位于第4象限(HL)，表明集聚較高的兩個城市被低集聚地區(qū)所包圍，這些相鄰的低集聚城市分別為寧德、漳州、莆田和泉州，均處在第2象限(LH)。龍巖與南平相鄰，與福州和廈門的距離較遠(yuǎn)，三明雖然與福州相鄰，但沒有相關(guān)性，此三地均出現(xiàn)在第3象限(LL)，即低集聚増長城市被低集聚增長城市包圍，彼此存在消極影響。從總體上來看，福建省金融集聚在空間分布上不存在依賴關(guān)系。

圖2 2016年福建Moran’I局部散點(diǎn)

2.2.3 福建省中心地市輻射范圍計算

3 結(jié)論與相關(guān)建議

根據(jù)實(shí)證分析得到如下結(jié)果：第一，福建金融業(yè)總量仍然較小，在一定程度上制約著金融集聚水平的提高。從因子分析結(jié)果來看，2016年第一公因子(主要包含金融規(guī)模等相關(guān)指標(biāo))得分為0.164，全國排名第11位，在東部10個省(市、區(qū))中排名靠后。福建省金融機(jī)構(gòu)數(shù)量與規(guī)模集聚程度仍然偏弱，金融綜合競爭力不強(qiáng)，難以發(fā)揮規(guī)模效應(yīng)，在一定程度上影響金融集聚的進(jìn)度。第二，金融體系功能不健全。第二公因子得分為負(fù)數(shù)，在全國排名第18位，低于全國平均水平。金融市場深度與經(jīng)濟(jì)規(guī)模集聚程度較差，在一定程度上影響了綜合得分。從金融機(jī)構(gòu)結(jié)構(gòu)看，福建省仍以大中型銀行等金融機(jī)構(gòu)為主要組成部分，民營資本的金融機(jī)構(gòu)覆蓋面窄，為小微企業(yè)、個體工商戶服務(wù)的小微金融機(jī)構(gòu)更少，新型業(yè)態(tài)的金融機(jī)構(gòu)發(fā)展緩慢。從金融市場看，福建銀行間同業(yè)拆放市場、銀行間債券市場、產(chǎn)權(quán)交易市場、證券市場和保險市場等發(fā)展也比較緩慢。福建全省沒有可覆蓋全國范圍的資本市場平臺，區(qū)域性的金融交易市場也很不發(fā)達(dá)。如何構(gòu)建完善的多層次金融市場體系，使其更好地發(fā)揮金融功能，對省金融業(yè)集聚和輻射能力的提高具有重要意義。第三，福建省各地市金融發(fā)展呈現(xiàn)不均衡狀態(tài)，不利于區(qū)域金融集聚效應(yīng)的發(fā)揮。從9個地市因子分析和Moran指數(shù)分析均可看出，福建省在金融集聚過程中，地市間呈現(xiàn)出明顯的非均衡狀態(tài)。從威爾遜模型可以看出，高集聚城市有一定的金融輻射能力，但還沒有形成緊密聯(lián)系的網(wǎng)絡(luò)，對南平、三明、龍巖等地的影響十分有限。建議福建省要盡快打破市場地域間的界限[8]，削弱市場壁壘，探索彼此合作的空間和措施，創(chuàng)造各地市區(qū)域間金融資源的良性競爭環(huán)境，進(jìn)而縮小各地市之間的差距。