金融资源的空间分布状态研究——以东北三省地级以上城市为例

齐 昕

(中共大连市委党校 经济学教研部，辽宁 大连 116013)

金融资源的空间分布状态研究
——以东北三省地级以上城市为例

齐 昕

(中共大连市委党校 经济学教研部，辽宁 大连 116013)

金融资源的空间分布状态及其演进，影响着区域经济运行的进程和发展高度；金融资源的配置效率与经济运行效率能否协同提升，也日益成为衡量区域经济发展成熟与否的标准之一。时值金融经济力正逐步成为推进东北地区等老工业基地全面振兴的新型社会动力，运用探索性数据分析方法，研究几种典型金融资源在东北三省34座地级以上城市的空间分布格局、金融与经济重心的演进规律，以期从宏观上把握金融推进东北三省经济运行的实现状态，为进一步实现金融驱动下的东北老工业基地全面振兴提供借鉴。

金融资源；空间分布状态；重心；东北三省

一、引言

在转轨经济条件下，区域经济利益的分化更以市场机制为基础，这必然带来金融资源空间分布格局的重新调整。而金融资源的空间分布格局及其演进，作为金融制度改革的必然结果，也作为区域金融差异形成由外生化转向内生化[1]的集中反映，更作为金融潜能和金融经济力[2]形成的物质基础和发展动力，会影响并将动态地引导各层次经济和社会资源的配置状态和配置效率，最终形成区域经济运行新格局。

在空间分布格局形成并随时间演进的过程中，金融资源通过发挥一系列发展效应，影响区域经济运行效果。首先，存款和贷款资源的空间分布及演进，分别影响区域整体和内部各城市的经济发展、城市经济实力的格局及其演变；[3]金融机构和金融从业人员的空间分布及演进，能够在反映出各级政府对于金融政策和就业政策的配置偏好的同时，为区域经济运行主体提供进一步的政策制定导向。其次，作为区域经济运行的结果，金融资源的非均衡性空间分布，将引起以金融集聚或扩散为特征的金融空间运动过程和由此带来的金融空间交互作用，并通过改变金融区位来影响区域经济运行的稳定性。[4-5]再次，禀赋不同的资源由于在时空维度具有非均质性，会形成相异的空间分布状态；[6]这种空间分布状态将影响资源的空间分布效率，而后者又会直接影响区域经济发展效率。[7-9]因此，作为体现金融发展相对较好、金融引力相对较强的指标，金融重心的演进轨迹及与经济重心演进的协同性，也将影响到区域经济运行效率。[10]由此可见，金融根植于社会经济运行进程的属性，决定金融资源的空间运动与由此形成的空间分布格局，能够在一定程度上反映出金融推进区域经济发展、影响区域经济运行格局的状态。了解并掌握金融资源的空间分布状态，合理利用并发挥金融推进区域经济发展的潜能，对于全面振兴东北地区等老工业基地具有重大意义。

二、东北三省地级以上城市金融资源的空间分布格局

(一)空间异质与空间同质

在区域经济和金融的发展过程中，因初始禀赋和自身发展规律存在差异，每一个空间区位上的金融资源都会具有区别于其他区位上金融资源的特点，即空间异质性。这主要体现为位于不同区位的资金流量和流向、金融机构的数目和规模、金融从业人员数、金融工具品种、金融服务类型和辐射范围以及金融在不同区位的配置效率存在差异。随着区域之间经济金融往来联系的加深、要素跨区域流动日益频繁、区域间市场逐步建立，金融资源的空间关联与依赖现象，即金融空间同质性逐步显现。表现为银行间跨区域同业拆借业务的普遍化、资本资产跨区域流动、银行和非银行金融机构跨区域设置分支机构等，发展到一定程度便出现金融资源在同一空间集聚的现象，并逐步演化成金融产业集群、城市商务中心、区域金融中心或是国家金融中心等。金融资源在不同的地区所呈现出的空间异质性和空间依赖性既有赖于该区域经济运行，也会对其产生效率各异的影响。

在空间计量经济学中，这种空间异质性和空间同质性用空间自相关的程度来表示。当相邻地区属性变量的高值或低值在空间上出现集聚倾向时，称为正的空间自相关，也即空间依赖性；而当一个地区的某种属性变量被相异的属性变量包围时，则出现负的空间自相关，称为空间异质性。依据观察场域不同，分为全局空间自相关和局部空间自相关，分别用Moran指数I(公式1)和Lisa(公式2)来测度或检验。

(1)

(2)

其中，若Ii为正，表示一个具有高值属性变量的地理单元，被其他拥有高值的该属性变量的地理单元所包围；或者一个低值属性变量，被其他拥有低值的该属性变量所在地理单元包围，即存在该属性变量的局部空间相似或同质现象；反之，若Ii为负，则表示一个拥有低值属性变量的地理单元，被其他拥有高值的该变量的地理单元所包围，或反之，也即该属性变量在各局部地理单元中的空间分布状态相异或存在空间异质现象。

(二)金融资源的全局空间自相关特征

为明确东北三省地级以上城市金融发展的整体性空间格局，选取2005年—2011年《中国城市统计年鉴》中的金融机构存款余额、贷款余额、存贷款余额比值以及金融从业人员数等测度指标，建立四阶邻近空间权值矩阵，运用全局空间相关性计算公式，分别测度各指标在各年度的全局自相关指数。具体而言，金融机构存款反映金融机构的发达程度及其吸引、配置资源的能力，信贷规模反映地区所能控制的经济资源量，金融机构存贷款比反映其利润创造能力，从而在一定程度上反映金融机构的规模和金融发展的深度，金融从业人员反映地区金融业在所有地区产业中的发达程度和吸纳分流社会就业的能力。一般来说，地区经济越发达、经济与金融运行越协调，存款和贷款数量越大、质量越高，存贷比越适度、从业人员越集中于金融业，并且工作效率较高。结果如表1所示。

表1 东北三省地级以上城市金融资源空间分布Moran’sI指数表

年度存款余额贷款余额存贷比金融从业人员Moran’sIP(I)Moran’sIP(I)Moran’sIP(I)Moran’sIP(I)2004-0.0040.640.0110.33-0.1780.040.0150.272005-0.0840.32-0.0010.66-0.0360.480.0710.1020060.0040.320.0050.320.1120.090.0710.1520070.0020.310.0150.23-0.0140.59-0.1690.032008-0.1730.02-0.1470.060.0470.21-0.1710.042009-0.1680.02-0.1460.050.0590.17-0.2010.0120100.0060.310.0100.29-0.0810.300.0510.20

注：根据2005年—2011年《中国城市统计年鉴》全市口径下的相关指标，借助于GEODA软件测算得出；采用空间权重矩阵，k=4。

由表1可知，在时间段的样本城市所有金融属性指标中，金融从业人员的空间分布全局相关性特征最为显著(I值伴随概率值较小)，金融机构存贷款和存贷比等金融机构发展指标的空间全局相关性的显著性较弱(I值伴随概率值较大)。具体而言，在2004年—2009年期间，各指标呈现出正负波动趋势并且数值较小；2010年除存贷比之外的其他指标的全局空间相关性均为正值，这说明金融资源的空间分布格局逐渐呈现出全局空间正相关即空间依赖的特征，也就是从整体上看，各地金融发展趋势逐步趋同。存贷款余额除2008年、2009年具有较强全局空间负相关性外，其余年份各城市此二指标基本不具备全局空间关联性；存贷比指标在时间段内呈现全局空间负相关的年份较多，意味着在金融发展相对较深入的城市，周边地区金融发展水平较为低下，因而可能呈现出经济发达的城市金融发展相对较深入的普遍情况；金融从业人员则呈现出全局空间正相关、负相关、正相关分布特征，说明样本城市的金融从业人员呈现出先向金融业集聚、在少数城市中转向其他行业，再次向金融业集聚的空间演进特征，这也表明各城市金融业日益发达并且分流劳动力的能力逐步提升。在2007年—2009年期间，各指标发展趋势发生转折，这与金融危机对东北地区的影响有关，表现为失业人数增加、银行流动性从而外部性减弱。综上所述，东北三省地级以上城市的金融资源在时间段内基本无显著的、稳定性较高的空间分布格局特征，金融资源所可能具备的经济力尚处于成长时期。

(三)金融资源的局部空间自相关特征

如前文所述，全局空间自相关是假定属性变量在整个东北三省各地级市的变化相对恒定，即假定金融资源具有空间同质性；但事实上，区域内各地理单元未必同质，因此，需要进一步利用局部分析法来描述各属性变量的空间异质性，即分析金融资源的空间集群特征。根据公式(2)，绘制2004年和2010年东北三省金融资源在各地级以上城市间的空间集群特征，结果如图1至图8所示。

1.2004年四指标城市间空间集群特征

2004年这四个金融指标的空间集群特征如图1～图4所示。如组图所示，东北三省金融资源在城市间的局部空间自相关也即空间集群特征，分为各属性变量的高值与高值相邻、低值与高值相邻、低值与低值相邻和高值与低值相邻四类。其中，2004年的存款分布包含低—高和高—低两种类型，前者包含白城、松原、阜新三座城市，而后者则只包含哈尔滨。

图1 2004年存款分布图

图2 2004年贷款分布图

图3 2004年存贷比分布图

图4 2004年金融机构从业人员分布图

说明在2004年，哈尔滨市是较为明显的金融机构存款集中区，具有相对较强的存款吸引能力和经济发展潜力；也说明周边城市没有与哈尔滨市形成经济往来的良性互动，双方之间存在相对较大的金融势差，金融工具多样性较低，金融市场尚未起到分流资金的作用，这显然不利于区域经济一体化发展和城市群的构建。贷款的空间分布呈现出低—低型集群特征的城市为鹤岗、佳木斯和鸡西，低值城市集聚在一起，成为东北地区地级以上城市中较为突出的难以获得贷款或获取贷款数量较少的区域，这一区域经济发展相对落后，对于金融资源的控制和利用能力较弱。存贷比的空间分布呈现出低—高型特征的城市包括黑河、绥化和松原；呈现出高—低特征的城市包括哈尔滨、沈阳和大连。前者说明，这三座城市周边地区的金融发展水平相对较高，因此可能吸收到来自高值区域的辐射；后者则说明，这三座城市是金融深化程度较高的城市，可能成为金融极点，并对周边城市产生辐射。金融从业人员的空间分布，呈现出低—高类型集聚特征的城市包括黑河、鞍山和辽阳，反映出这些城市为低值区域，而周边为高值区域的空间分布特征。从图1～图4可以看出，在东北振兴初期的2004年，金融资源的空间局部自相关性不大且在城市间的分布类型较为单一，这与所有属性变量的全局空间自相关特征相呼应，说明城市金融发展水平尚不足以推进城市之间形成互动发展的局势。

2.2010年四指标城市间空间集群特征

2010年这四个金融指标的空间集群特征如图5～图8所示。

图5 2010年存款分布图

图6 2010年贷款分布图

图7 2010年存贷比分布图

图8 2010年金融机构从业人员分布图

如组图所示，2010年金融机构存款余额在城市间的空间分布呈现出四种类型。其中，高—高型热点区域包括大庆、吉林和鞍山；高—低型城市包括哈尔滨、沈阳、长春和大连，所有样本城市的存款向这四座城市集中；低—低型城市包括大兴安岭和延边，体现出这两座城市的周边区域存款也较低的特征；其他城市均呈现出低—高型集群特征。这说明东北各地级以上城市经济发展水平有所提升，对于资金的吸引力已增强，以省会城市最为明显。贷款与存款的空间集群特征较为相似。金融深化水平即金融机构存贷比呈现出高—高、低—低和高—低三种类型特征。其中，高—高型区域包括黑河、伊春、绥化、大庆、佳木斯、双鸭山、七台河、鸡西、牡丹江、吉林、抚顺、丹东、鞍山、盘锦和锦州市；低—低型区域为大兴安岭和延边，剩下的城市均呈现高—低型集群特征。金融深化呈现出高值集聚特征，说明各城市之间的金融深化进程趋同性逐步增强，并且所形成的空间集群分布较为紧密，表明这些城市之间的金融互动效应较为显著，可能存在金融资源在不同城市之间的空间溢出。金融从业人员的空间分布，呈现出高—高、高—低和低—高型三类空间集群特征，其中高—高型包括牡丹江和长春，高—低型包括哈尔滨、长春和大连，说明这三座城市金融单位从业人员分布较为集中而周边城市集中程度不高，也证明大城市对于金融资源的吸纳能力较强。由此可见，2010年度金融机构吸收存款和发放贷款的低值区域相对较多且分布集中，四座副省级以上城市成为低值区域中的次高级群体，在它们周围，散布着较为分散且数量较少的热点区域，这说明单就金融机构吸收存款和发放贷款的能力而言，金融资源尚未在城市之间形成高水平联动发展趋势。然而，金融机构经营存贷款及存贷款转化的能力，在较为多数的地理位置相对集中的城市间形成高值集聚，说明金融资源在众多城市之间存在空间溢出可能，金融综合能力正在加强。

综合比较2004年和2010年东北三省地级以上城市金融资源的集群特征，可以发现，东北三省各地级市的金融资源正在形成水平较低的空间集群，存在金融溢出的潜力，应加大力度建设金融集群，充分发挥集聚正效应。

三、东北三省地级以上城市金融、经济重心的演进状态

随着地理学和经济学联系的日益紧密，作为一个区域内部金融力量的地理支点，金融重心及其演进已成为描述区域内金融增长格局演变的重要变量。随着经济与经济关系的日益密切，学术界也开始用金融重心与经济发展重心二者的运动轨迹来表示金融与经济运行的协调程度。当金融重心与经济重心的运动轨迹较为吻合时，可以认为二者发展演进的过程相对同步，或者说在地理空间布局方面的演变趋势相对协调，也就意味着相互促进发展的能力较强。

(一)重心模型

在经济研究中，对于一个拥有若干个子地理单元的区域而言，计算该区域中某种属性变量的重心，通常是借助于所关注区域的次级单元的这种属性变量和地理坐标来表达。假设一个区域由n个次级区域P构成，第i个次级区域的中心城市的坐标为(xi,yi)，Mi为i区域的某种属性变量，设该属性值的重心在Q处。则该区域某属性变量重心Q的地理坐标为：

(3)

(二)金融重心测度

根据重心模型，考虑到东北三省的经济、金融重心多分布于二者均相对发达的地级以上城市，存贷款业务能够反映出资金这种基础性金融资源在各城市分布的集散程度和金融机构对于金融要素的吞吐能力，并且通过资金流动还能够折射出经济和社会资源的流向，以及数据可得性等原因，选取东北三省地级以上城市的经纬度和金融机构的存贷款之和两个指标来计算各地级以上城市的金融重心。测度结果如表2所示。

表2 东北三省地级以上城市金融重心演进情况表

年度黑龙江吉林辽宁东北三省经度纬度经度纬度经度纬度经度纬度2004127.1946.24125.3943.71122.5740.78124.3742.822005126.2646.54125.5243.52122.5640.75124.3343.162006127.3846.26125.4043.71122.5440.73124.3542.742007127.2347.37125.4043.71122.5540.75124.5843.432008129.3845.90125.2743.53122.5841.19124.5542.612009127.1946.23116.8840.76122.5540.73124.2542.672010127.1946.23125.3943.73122.5540.73124.2542.67

如表2所示，在时间段内，黑龙江省的金融重心呈现出沿东南—西北—东南—西北—东南的经纬度方向演进趋势，并于2009年—2010年基本稳定于哈尔滨市附近；吉林省呈现出沿西北—东南—西南—西南—东北方向的演进趋势，并于2010年达到长春市附近；辽宁省金融重心演进轨迹则相对稳定，基本围绕沈阳市周边运动。东北三省的金融重心在2004年—2007年期间，呈现出由北向南移动趋势，由辽宁和吉林交界移至辽宁省内部。实践证明，金融要素在向金融重心集中运动的过程中，会产生金融引力。金融引力可能带动经济和社会资源集聚运动。从金融重心的整体动态演进过程来看，虽然金融资源的空间集聚程度较低，但其空间自相关性在逐步提升，城市之间的金融对于经济、社会资源的吸引力正逐步增强。

(三)金融与经济发展协调性

金融与经济发展相互影响，金融重心演进与经济重心运动存在密切联系。二者运动轨迹能够在一定程度上衡量金融与经济发展的协调程度，从而达到在经济运行中剖析金融发展空间格局的目的。选取2004年—2010年东北地级以上城市的人均国内生产总值，作为衡量经济发展的指标，借助于公式(3)计算经济重心，结果如表3所示。

表3 东北三省地级以上城市经济重心演进情况表

年度黑龙江吉林辽宁东北经度纬度经度纬度经度纬度经度纬度2004127.6946.52135.4643.59122.6541.02124.7643.262005127.6546.53125.4743.35122.6441.01124.7643.182006128.4146.53125.3143.54122.6541.03124.6942.972007127.7046.84125.3343.54122.6641.03124.7643.342008127.7546.54125.3443.55122.6641.03124.7143.162009127.9446.50125.3443.54122.6641.01124.7643.142010127.9446.50125.3443.54122.6641.01124.7643.14

由表3可知，东北三省经济发展重心的位置相比于金融重心而言更为稳定，基本分布于各省会城市周边。金融重心运动相对活跃而经济重心相对稳健，经济与金融重心坐标基本重合，也说明金融是推进东北三省经济发展的重要力量，引导金融经济力形成的经济与金融协调运行的基础正在逐步形成。

四、结语

通过前文分析可知，东北三省金融资源在2004年—2010年期间基本无显著的、稳定性较高的空间格局特征。各地级市的金融资源正在形成空间集群，初步具备金融溢出的潜力，虽然金融资源的空间集聚程度尚较低，但其空间同质性在逐步提升，结合金融重心的整体动态演进进程来看，城市之间的金融吸引力正逐步增强。由于金融潜能及其经济力根植并渗透于产业、城市和区域经济发展过程中，金融资源的空间格局及其演进与以产业结构演进和城市形态演进为主要表现的现代经济发展互为因果，因此，进一步合理配置金融资源，应从金融资源的城市群配置战略和产业配置的战略视角着手，将对金融资源的利用置身于推进产业结构高级化和城市群构建视角来进行。

新型工业化和新型城镇化正当其时，并逐步成为东北地区等老工业基地全面振兴的新型动力支持。鉴于金融资源在城市间存在集群性分布特征，合理配置金融资源应首先从构建城市群着手，核心在于通过金融配置引导东北城市群转型升级，带动新老产业在新型城市群之间而不是仅仅在城市内部重新分工，形成金融促产业促城市发展的新格局，以缓解老工业地区因产业结构(从而城市结构)落后而减缓全面振兴进程的局面。

〔1〕 程必定.区域的内部性外部化和外部性内部化——缩小我国区域经济发展差距的一种思路[J].经济研究,1995(7):61-66.

〔2〕 齐昕.城市化经济运行中的金融经济力研究[J].现代经济探讨,2013(1):31-36.

〔3〕 王景武,王辰华.中国金融资源的空间分布：制度逻辑与绩效检讨[J].浙江金融,2005(10):24-26.

〔4〕 瑞斯托·劳拉詹南.金融地理学[M].北京:商务印书馆,2001.

〔5〕 曹源芳,谢惠贞,汪祖杰.金融地理对区域金融稳定的作用机理:基于金融功能观的分析视角[J].经济体制改革,2012(4):47-51.

〔6〕 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.

〔7〕 沈体雁，等.空间计量经济学[M].北京：北京大学出版社,2010:27-45.

〔8〕 曾五一,赵楠.中国区域资本配置效率及区域资本形成影响因素的实证分析[J].数量经济技术经济研究,2007(4):35-42.

〔9〕 韩立岩,王哲兵.我国实体经济资本配置效率与行业差异[J].经济研究,2005(1):77-84.

〔10〕 张伟丽,覃成林.中国区域经济增长关联性与协调发展研究[J].经济地理,2010(4):537-546.

(责任编辑 吴 星)

Research on the Spatial Distribution of Financial Resources—Using the Prefecture-level Cities of Three Provinces in the Northeast of China as an Example

QI Xin

(Dalian Municipal Party Committee Party School, Dalian, Liaoning 116013)

The space distribution and evolution of financial resources affect the process and the development level of regional economic running. Whether the efficiency of financial resources configuration and economic operation can raise together has become one of the measuring standards of mature of regional economic development. Financial economic power is becoming new social power to promote the overall revitalization of northeast China. By using exploratory data analysis method, this article makes some research on the spatial distribution pattern and evolution law of the financial and economic center, in order to grasp the status of economic operation promoted by finance of the three provinces in northeast China and guide the comprehensive revitalization of the Northeast.

financial resources; the space distribution state; center of gravity; three provinces in the northeast of China

10.13937/j.cnki.sjzjjxyxb.2014.06.008

2014-08-28

http://www.cnki.net/kcms/doi/10.13937/j.cnki.sjzjjxyxb.2014.06.008.html 网络出版时间：2014-12-29 15：30

2014年国家社会科学基金项目“新型城镇化的包容性发展及其空间效应”(14BJY052)。

齐昕(1984—)，女，黑龙江哈尔滨人，经济学博士，中共大连市委党校经济学教研部讲师，主要研究方向为城市经济与金融。

F83

A

1007-6875(2014)05-0037-06