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：本文以武汉、长沙、郑州、南昌、合肥等五城市为研究对象，通过构建金融集聚评价指标体系，运用因子分析法对各城市2001-2010年的金融集聚程度进行了综合评价和比较；在此基础上，分析影响金融集聚的因素，采用灰色关联分析方法计算各影响因素与金融集聚之间的关联度，从而区分影响各城市金融集聚的主要因素与次要因素；根据实证研究的结果，进一步指出五城市金融集聚发展中存在的问题，提出相应的政策建议。
关键词：金融师论文发表,金融集聚,因子分析,灰色关联分析
一、引言
近几年来，国内外金融集聚的趋势日益明显。金融集聚可以为所在地带来巨额资金，促进金融机构之间的协作和资源共享，提高信息传递的效率，并可通过规模经济和辐射效应，对区域经济发展产生深刻的影响。随着中部崛起步伐的加快，为谋求区域金融主导权，拥有和支配更多金融资源，中部各大城市纷纷将金融发展和区域金融中心建设纳入各自的长远发展规划。目前，整个中部的区域金融布局尚未确定，对于处于竞争中的任一城市而言，都有必要明确自身金融资源集聚的相对优势及弱势，以便准确定位、科学发展。基于此，本文以武汉、长沙、郑州、南昌、合肥中部五城市为研究对象，拟从比较的视角，对中部五城市金融集聚程度及其影响因素进行实证检验。
从国内外相关文献来看，对于金融集聚程度的衡量，一般采用指标体系评估法、金融集聚指数评估法或产业集聚的测度方法等，且以指标体系评估法居多。要客观、全面地评价一个地区的金融集聚程度，关键是要建立科学、客观、有效的金融集聚评价指标体系。目前，多数学者是从金融竞争力的角度进行指标体系构建，并不特别区分金融竞争力与金融集聚的概念。实际上，这两个概念之间既有联系，又有区别。此外，以往的研究成果虽然不乏对各大城市金融竞争力的对比和排序，但很少定量研究影响金融集聚的因素及其关联程度。
有鉴于此，本文将首先针对金融集聚的特征构建评价指标体系，基于2001-2010年的面板数据，采用因子分析法衡量和比较中部五大城市的金融集聚程度和动态变化趋势；然后探讨影响金融集聚的因素，运用灰色关联分析方法揭示五城市金融集聚与其影响因素之间的关联性，分析各因素在推动金融集聚发展中所起的不同作用；最后归纳中部五城市金融集聚的特点及存在的问题，并提出若干结论。
二、中部五城市金融集聚程度的比较
（一）指标及数据。金融集聚是指金融市场、金融机构、金融产品、金融工具、金融制度、金融信息、金融人才等金融资源通过地域间的运动，形成一种集中聚合的状态或过程。金融集聚的形成与发展离不开充足的金融资源，而金融业的发展是吸引金融资源的重要力量，是金融集聚的直接诱因，也是其直接表现。因此，与一般文献中构建的金融竞争力指标不同，本文主要运用相关金融指标来衡量金融集聚的程度，主要包括金融总体规模、宏观金融效率、银行业、证券业和保险业的发展程度。
1、金融总体规模。金融规模是金融集聚的基础。金融总体规模体现在金融业增加值和金融从业人员的数量上。金融业增加值从总量上反映了一个地区金融业发展的基本情况；而金融业作为一个高技术、高人力资本、高附加值的产业，人力资本是其生存和发展的关键，金融人才的聚集是金融集聚形成的重要标志。
2、宏观金融效率。较高的宏观金融效率能促使资源高效配置，推动金融集聚和实体经济增长。宏观金融效率可主要由三个指标进行衡量：存贷比、储蓄投资转化率以及储蓄率。其中存贷比是金融机构年末贷款额与存款额之比，反映了金融机构将金融资源转化为实际利用资本的能力，存贷比越高表明银行资金使用效率越高；储蓄投资转化率是年末固定资产总额与年末储蓄总额之比，直观地反映出储蓄转化为投资的效率；储蓄率等于年末储蓄总额除以该年度的国内生产总值，是综合反映金融机构储蓄动员能力的指标。
3、银行业发展程度。高水平的银行业对金融集聚至关重要，尤其在中国现有以间接融资为主导的金融体系下，银行业是实现货币借贷和资金融通的主渠道，银行业发展加速了金融创新，吸引了大量的投资者，为金融集聚提供了条件。本文用金融机构年末存款总量和贷款总量表示银行业的发展程度，其中金融机构年末存款余额反映银行资金的总量，或是该地区银行资金的供给量；金融机构年末贷款余额则体现了该地区对银行资金的总体需求。
4、保险业发展程度。金融集聚不仅是银行业的集聚，同时也是保险业和证券业的集聚。保险密度和保险深度反映了保险行业的发展情况。其中保险密度是按照一个地区人口计算的人均保费收入，反映了保险的普及程度和发展水平；保险深度是指保费收入占GDP的比例，是衡量一个地区保险业在其国民经济中的地位的一个重要指标。
5、证券业发展程度。证券业的发展主要用证券行业总产值和证券化率（证券行业总产值/GDP）来衡量，它们分别从绝对量和相对量上反映一个地区证券市场的发展，证券业总产值和证券化率越高，意味着证券市场在经济中的地位越重要。
为了便于分析，本文将上述五个方面的指标划分为目标层、准则层和因子层三个层次（如表1所示）。将以中部五城市2001-2010年的数据为样本进行金融集聚的度量和比较，研究所需的数据主要来源于相应年份的《中国统计年鉴》、《金融统计年鉴》、《中国城市统计年鉴》，以及各城市的统计局网站和中国经济社会发展统计数据库等，对于缺失的数据，采用灰色预测方法进行补充。
（二）实证分析。运用DPS软件的因子分析功能，在对数据进行标准化处理的基础上，通过计算得到如下分析结果：
表2反映了KMO（KaiserMeyerOlkin）检验和巴特利特球形（BartlettsTestofSphericits）检验结果。在本研究中，KMO值为0.7134，大于0.5的最低标准，说明数据适合进行因子分析。同时，Bartlett球形检验的显著性水平为0.0001<0.05，由此否定了相关矩阵为单位阵的零假设，即表明各变量之间存在显著的相关性，同样说明数据适合进行因子分析。表3反映了因子的特征值和方差贡献率。贡献率越大，该因子就相对越重要，本文按照因子特征值大于0.9，累计贡献率达85%的原则确定4个主因子。
通过对因子载荷矩阵进行方差极大正交旋转，得到旋转后的因子载荷矩阵，如表4所示。可以看出，旋转后的载荷系数已经明显向0和1两极分化，更易分辨出主因子。第一个主因子F1在指标X1金融机构年末存款总量、X2金融机构年末贷款总量、X5证券业总产值、X6证券化率、X7金融业增加值上有较大的载荷，说明这5个指标有较强的相关性，可以归为一类；而这5个指标主要反映了地区金融业的发展，因此可将第一个主因子看作是金融发展因子。第二个主因子F2对指标X4保险深度的解释力度较大，可将其看作是金融深度因子。第三个主因子F3在指标X8金融从业人员上有较大的载荷，可命名为金融人才因子。第四个主因子F4主要反映了指标X9存贷比和X11储蓄率，代表了金融效率因子。
表5反映了五城市因子综合得分及归一化后的值。因子分析的目的是以较少的几个主因子反映原资料的大部分信息，因此因子综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。在计算出方差极大旋转后样本因子得分的基础上，按如下公式计算因子综合得分：
其中，q为旋转后第i个主因子的方差贡献率，f为第i个主因子的得分，p=4。
（三）实证结果。根据以上因子分析可以得出：五个城市的金融集聚程度排名依次为：武汉、长沙、郑州、合肥、南昌。五个城市金融集聚程度的历年发展趋势如图1所示。
由图1结合原始数据可以发现，除了2010年受金融机构年末贷款等因素的影响，五个城市的金融集聚均有不同程度的下降以外，2001-2009年五个城市金融集聚程度呈现出逐年增强的趋势。武汉的金融集聚程度一直保持强势，郑州、合肥的金融集聚发展较为平稳，南昌历年的金融集聚程度相对偏低，而长沙的金融集聚程度由弱逐年变强，且近年来有加速趋势。
三、中部五城市金融集聚的影响因素比较
（一）指标设计。在一般文献中，对于金融集聚的形成条件有较多的共识，可以归纳为经济水平、区位优势、人才集聚、基础设施等多个方面。这些因素对促成金融集聚发挥着重要作用，是金融集聚的主要影响因素。
1、经济水平。金融发展与经济增长两者具有互为因果的关系，呈现显著的同向变化。经济发展是金融集聚的基础，可以为金融集聚提供金融需求和实体产业支持，而金融集聚的发展又反过来促进经济的进一步增长。经济水平指标的设计应涵盖经济发展的各方面，本文分别从经济基础、经济开放度、经济结构三个方面全面地衡量不同地区的经济发展程度。
2、区位优势。金融集聚的形成离不开周围腹地的资源供给，与周边城市较强的经济联系是金融集聚不断深化的潜在支撑。金融中心对外部资源的吸引力是随着距离增加而逐渐衰减的，借鉴发展经济学中常用的“市圈”这一术语，本文把“以金融中心为圆心，一定距离为半径所包含的区域”设计为金融中心的城市圈；考虑到城市之间的距离以及经济联系的紧密程度，依次选取半径500公里和1000公里作为分析目标。2010年出版的《中小城市绿皮书》划定市区人口在100万-300万之间的为大城市，因此本文把包含在城市圈内人口达到100万的城市划定为该金融中心的腹地城市，并用城市腹地GDP之和来衡量区位优势的大小。
3、人才集聚。人才作为先进知识的创造者、使用者和传播者，是一国科技进步与经济社会发展的重要资源。众所周知，人力资本是金融发展的关键，是金融集聚必不可少的要素。本文将从人才数量和培养环境两个方面量化一个地区的人才优势。
4、基础设施。金融集聚的形成和发展还需要一系列的基础设施和载体，便捷的交通和邮电通信可使得人员、货物快速流动转移，大大节约管理和交易成本，吸引区域内外巨额的资金流入，促进贸易和投资，加快金融集聚的进程。
基于以上分析，本文将影响金融集聚的因素列入下表（如表6所示），并在下文中运用灰色关联分析法计算中部五城市金融集聚影响因素的关联度，找出各因素在推动金融集聚形成中所起的不同作用。同样以中部五城市2001-2010年的数据为样本，数据来源亦同表1。
（二）实证模型。灰色关联分析法是对系统中各因素间关联程度的比较，通过对系统动态发展变化态势进行量化比较分析，反映各因素间的远近次序和空间分布规律。关联度用来衡量因素之间关联程度大小，数值越大，关联程度越强。本文运用灰色关联分析法的基本分析步骤如下：
1、确定因子集。分别以武汉、长沙、郑州、南昌、合肥2001-2010年的数据组成因子集U=A，A，A，...，A，...，A，其中A...A为因子时间序列特征值向量，主因子（参考序列）为各城市历年的金融聚集程度：
待分析因子（比较序列）Ai为金融集聚影响因素中的三级指标：
其中，m=15，n=10，i=1，2，...，m，k=1，2，...，n。
2、因子特征值归一化处理。将每个指标的第一个值化为1，即每个指标值均除以对应时间序列的第一个值，=，x=（4）
3、计算关联系数及关联度。关联性实质上是反映曲线几何形状的差别，因此将以曲线间差值的大小作为关联程度的衡量尺度。常用的关联系数公式为：
r（k）=（5）
r（k）表示第i个比较曲线与参考曲线关于第k时刻的关联系数；p分辩系数，一般取p=0.5；d=minminx（k）-x（k）为两级最小指标差值，d=maxmaxx（k）-x（k）为两级最大指标差值。
计算出每个参考数列与比较序列的关联度，即各城市金融聚集程度与三级指标的关联度：
（三）实证结果。根据以上分析结果，把各二级指标所包含的三级指标的关联度取平均值，得到二级指标的关联度，同理得到一级指标的关联度，并根据关联度的大小分别对二级、一级指标排序，如表7-表9所示。四、结论及建议
（一）武汉作为中部五个城市中金融集聚程度最高的城市，四个一级指标都与金融集聚有很大的关联性，按关联程度的大小依次为经济水平、区位优势、基础设施、人才集聚，这说明经济水平是影响武汉金融集聚的主导因素，而人才集聚的影响相对最弱。在二级指标中交通运输关联度最大，经济结构次之，这证明了有“九省通衢”之称的武汉，其便利的水陆空交通条件有效促进了经济发展，增强了金融集聚程度。但是，作为全国的科教大省，武汉人才培养环境对金融集聚的贡献度不突出。通过对相关原始数据的分析可以发现，虽然武汉专业人才数量是五个城市中最多的，但培养经费投入却没有相应比例的加大。因此，武汉在未来的发展中应该进一步利用人才方面的优势，着力加大经费投入，为金融集聚提供更为强大的智力支持。
（二）长沙的金融集聚程度相对较高，各级指标与金融集聚有较大的关联性。一级指标中基础设施是影响长沙金融集聚的主导因素，此外，区位优势对长沙金融集聚的影响也较大。在二级指标中，人才数量的关联度最大，邮电通信次之。这些结果表明，由于长沙市处于中国的中心位置且基础设施完善，吸引了较多的外商投资，促进了当地经济发展，有效提高了金融集聚程度。但另一方面，尽管长沙人均GDP位居五城市之首，经济结构因素对长沙金融集聚的影响却相对靠后。结合对相关原始数据的分析，长沙在未来的发展中不仅要进一步完善基础设施、发挥吸引外资的优势，增强金融集聚的智力支持，同时还应重视加强外贸依存度、调整经济结构，增强经济实力以促进金融集聚的发展。
（三）郑州的金融集聚程度在五城市中排名第三，各级指标与金融集聚也有较高的关联性。郑州的特点是拥有最多的经济腹地，且有很强的区位优势。但是，郑州在经济开放度上相对较弱，进出口额、外商直接投资额在总量上落后于其他四个城市。因此，郑州作为一个内陆城市应该进一步加大经济开放程度，充分利用外资为城市的发展注入活力。
（四）合肥的各级指标都与金融集聚有很强的关联，但是金融集聚程度却在五个城市中排名第四。区位优势是影响合肥金融集聚程度的主导因素，但是，经济基础对金融集聚的贡献度较小。因此，合肥在未来的发展中要进一步发挥区位优势，拓展合肥经济圈发展空间，内联皖江城市带，对外融入长三角，促进当地经济发展。同时要大力发展银行、保险、证券业等相关金融产业，努力提高城市金融竞争力。
（五）南昌的金融集聚程度在五个城市中排名最后，且各级指标与金融集聚的关联度都不强。近年来，南昌经济发展速度比较平缓，特别在经济结构方面，第三产业和高新技术产业占GDP的比重都相对较低；由于城市腹地的数量相对较少，南昌在区位上也缺乏优势。因此，南昌在未来的发展中应该在各方面加强建设，尽快调整经济结构，并增加基础设施投资，提高交通通达度，为金融集聚提供良好的环境。
参考文献
[3]丁艺，李树丞，李林.中国金融集聚程度评价分析[J].软科学，2009，（6）：9-13。
[4]李杰.金融产业集聚：研究综述[J].金融经济，2010，（8）：94-97。
[5]刘军，黄解宇，曹利军.金融集聚影响实体经济机制研究[J].管理世界，2007，（4）：152-153。
[6]潘英丽.论金融中心形成的微观基础-金融机构的空间聚集[J].上海财经大学学报，2003，（1）：83-89。
