长三角城市群金融业和谐发展：指标、测定与评价

2009-02-18薛玉春

经济师 2009年1期

关键词：金融业

薛玉春

摘要：基于和谐发展的视角，提出一套检验区域经济金融业是否和谐发展的指标体系，并运用主成分分析和聚类分析法对长三角城市群和谐发展指数进行测定、评价和分类。

关键词：长三角城市群金融业和谐发展指数

中图分类号：F832.3文献标识码：A

文章编号：1004-4914（2009）01-188-02

一、长三角城市群的界定

长江三角洲是我国最大的河口三角洲，泛指镇江、扬州以东长江泥沙积成的冲积平原，位于江苏省东南部、上海市及浙江省杭嘉湖地区。本文所指的长三角城市群包括上海市，江苏省的南京、苏州、无锡、常州、扬州、镇江、南通、泰州，以及浙江省的杭州、宁波、湖州、嘉兴、绍兴、舟山、台州，共16个城市。

二、长三角金融业和谐发展的意义

“长三角”金融协调发展有利于推动金融创新，提高“长三角”金融机构的综合实力。“长三角”经济圈是我国改革开放的前沿地带，经济实力雄厚，金融基础相对较好，风险承受能力较强，有能力、有条件在金融创新方面进行探索。推动“长三角”金融协调发展为在“长三角”地区开展金融创新试点提供了契机，有利于积累成功经验，并与“珠三角”、“京津冀”等经济相对发达区域相互借鉴经验与合作，共同推动全国范围内的金融改革和创新。金融创新方面的不断探索与发展也有助于“长三角”金融机构提高竞争力，更好地参与国际市场竞争。

三、长三角金融业和谐指数分析

1.长三角金融业和谐发展指数。和服务业指数类似，金融和谐发展程度本文用金融业和谐发展指数来衡量。用什么指标体系构建一个金融业和谐发展指数，学术界并没有统一的结论。在前人研究成果的基础上，结合数据的可获得性，本文采用下列8个指标进行金融业和谐发展指数的衡量。包括：（1）金融业增加值；（2）金融业从业人员；（3）金融业增加值增长速度；（4）金融业增加值占服务业增加值比重；（5）金融业增加值占GDP比重；（6）金融业劳动生产率；（7）金融业区位熵；（8）金融业专门化率。

（数据来源：中国统计年鉴2007，上海统计年鉴2007，江苏统计年鉴2007，浙江统计年鉴2007，长三角16个城市统计年鉴，以及2007年各城市国民经济和社会发展统计公报）

2.长三角金融业和谐发展指数的计量分析。对和谐发展指数指标的计量采用因子分析法中的主成分分析法，使用的是SPSS软件。在作因子分析前，首先需要检验指标间的相关性。从表2可以看出，KMO＝0.592>0.5，因子分析的效度还行，可以进行因子分析；另外，如果巴特利检验的P＝0.000<0.001，说明因子的相关系数矩阵非单位矩阵，能够提取最少的因子同时又能解释大部分的方差，即效度可以。故很适合作因子分析。因子分析中，采用4次最大旋转后得到表3。

根据主成分分析法的基本原理，主成分的个数可以通过累积贡献率来确定。通常以累积贡献率α≥0.85为标准。对于选定的q个主成分，若其累积贡献率达到了85%，即α≥0.85，则主成分可确定为q个。它表示，所选定的q个主成分，基本保留了原来p个变量的信息。在决定主成分的个数时，应在α≥0.85的条件下，尽量减少主成分的个数。

表3给出了SPSS软件计算出的金融业和谐发展指数指标主成分的贡献率，第三主成分的累积贡献率达到了92.437%，超过了85%，表明前3个主成分基本保留了原来8个变量的信息，故主成分确定为3个，以每个主成分所对应的特征值占所提取主成分总的特征值之和的比例,可求出每个主成分的权重（见表4）。

以每个主成分的权重乘以相应主成分值，即可得到主成分综合模型：F。根据主成分综合模型即可计算综合主成分值，并对其按综合主成分值进行排序，即可对各地区进行综合评价比较。

本例中，各个城市3个主成分值乘上相应的权重即得到表4,3个主成分权重得分值加总得到各城市金融业和谐发展指数1；因经过旋转以后的主成分值数据中有负数，故对各城市金融业和谐发展指数1进行指标平移得到各城市金融业和谐发展指数2，并不影响各城市金融业和谐发展指数排序，处理方法采用极差标准化公式对数据进行非负化处理，结果见表5。

从表5中数据可以看出，长三角16城市间金融和谐指数相对不平衡。上海、杭州和宁波分别占前三位，其次为苏州、无锡绍兴。且在前6名当中，上海数值与第二的杭州相差太大，而杭州、宁波又与第四的苏州相距甚远。最后几名的常州、扬州和镇江的和谐指数更是小的很。