福建省金融产业集聚水平及省内9地市空间相关性分析

薛襄稷

(集美大学 诚毅学院，福建 厦门 361021)

从各国经验来看，金融产业集聚与金融中心的形成往往具有高度关联性。产业集聚程度高的城市或地区，更易发展成为具有较大影响力的金融中心。金融资源的集聚和辐射与金融中心的建立能够推动经济增长。促进经济的持续发展已经成为学术界的共识，其产生的外部经济规模效应以及扩散效应极大地促进了区域经济的增长。全国30多个城市均把建立区域性金融中心列在其经济发展规划之中。在诸多政策引导和支持下，作为海峡西岸经济区的主体城市，福州、厦门等地以此为契机，加快了建立两岸区域性金融服务中心的步伐。近些年，福建省金融集聚程度不断提高，但与发达地区相比，其金融基础薄弱，产业发展相对滞后，资源配置有待改善，中心城市的辐射力有待提高。

目前，很多学者针对金融集聚问题进行了探索，而有关福建省金融集聚程度方面的研究较少，主要从城市的综合竞争力角度分析金融中心城市的选择。如陈福生、雷小秋、戴淑庚等通过熵值法、因子分析法和灰色关联分析法对福建一些城市金融竞争力进行研究[1-3]。严玉华利用Moran指数和LISA，分析了福建省金融业集聚的空间效应[4]。马雨倩利用Moran指数检验法和威尔逊模型，分析了福建金融集聚发展的空间特征[5]。从上述对文献的分析中可以发现，不少学者对金融产业聚集进行了研究，但还不够系统。本文从银行业、证券业、保险业、金融深度、经济发展等多角度构建指标体系，使评价指标更加完善。首先，利用因子分析法对31个省市的金融发展进行综合评价，并在此基础上找出福建省与其他省份尤其是东部省份的差距。然后，利用Moran指数和威尔逊模型，从空间关联的角度对福建9地市空间相关性及中心城市辐射范围进行分析，进而指出福建金融集聚过程中存在的问题以及发展对策。

1 指标体系构建及相关方法介绍

1.1 因子分析及指标体系构建

从研究变量之间内部的依赖关系出发，把变量之间错综复杂的关系归因于几个因子，以较少的几个因子考察原变量的大部分信息，即是因子分析法。

在构建指标体系时，金融集聚程度应从以下3个方面选取指标：金融机构数量与规模、金融市场发展深度以及经济规模。详情见表1。

表1 金融集聚度量指标体系的构建

1.2 Moran指数

Moran指数是对空间邻近的区域单元属性值相似程度的度量。通过测量区域单元空间关联关系反映空间集聚效应，分析地理位置相邻的区域单元是否具有相同属性。Moran指数包含全局Moran's I和局部Moran's I两种形式。全局Moran's I利用式1进行计算，用于测度总体观测值空间自相关水平以及性质。局部空间层面的空间相关性可以用Moran散点图来表示。

(式1)

1.3 威尔逊模型

威尔逊在研究人类活动产生的空间相互作用的基础上，提出了威尔逊模型, 笔者将其运用到福建中心城市辐射能力的研究上。根据威尔逊模型，其表达式为：

Tjk=KOjDkexp(-βrjk)

(式2)

其中，Tjk是区域k流向区域j的资源总量；K为归一化因子，通常取1；Oj、Dk分别是区域j、k的资源总量(强度)；β为空间衰减系数；rjk表示两区域间的距离。在实际计算中，式2较为复杂，不易获得。因此，诸多学者将其简化。本文依据王铮[7]对公式的调整，简化为：

(式3)

2 福建省金融集聚水平及各地市空间相关性实证研究

近年来，福建省根据自身战略地位、区位特点和发展特色，相继出台并实施了一系列政策措施，促进金融业快速发展。随着福建省金融机构数量和种类的增多、规模的逐年扩大以及金融市场功能的不断完善，金融业集聚水平逐年提升，集聚辐射效应逐渐得到释放。

2.1 福建金融集聚水平整体分析

很多学者运用区位熵对金融产业集聚度进行测度，但因选择的不同指标所代表的含义不同，计算结果偏差较大，且衡量指标过于单一，有可能与现实相背离。为了解决单因素存在的问题，本文从多角度出发，构建金融集聚综合指标体系，采用因子分析法进行综合评价。运用SPSS21.0统计分析软件，以全国31个省(市、区)为研究样本，对2010—2016年数据进行分析。

首先，通过KMO检验和Bartlett球形检验方法可得，KMO值为0.746，Bartlett球形检验Sig值为0，适合进行因子分析。其次，对15个变量提取公因子，相关系数矩阵有2个特征根大于1，累积解释率为77.894%，说明提取2个公因子可累计解释原变量的大部分信息，信息丢失较少。对2010—2015年金融集聚程度进行测算，都得出相同的结论。再次，3次迭代后，因子载荷系数已经明显向两极分化。第一个公因子在指标X1、X2、X3、X5、X6、X7、X14、X15上有较大载荷，说明这8个指标有较强的相关性，可以归为一类。从指标类型看，这8个指标主要是总量指标，包括金融机构数量与规模。第二个公因子在这7个指标X4、X8、X9、X10、X11、X12、X13上有较大载荷，可以归为一类。第二个因子主要反映了金融市场的深度和经济发展规模。最后，根据因子得分矩阵，得出模型并计算得分。结果见图1。

图1 2010—2016年各省市金融集聚得分

从图1可以看出，位于东、中、西部的省(市、区)金融集聚差距较为明显，与区域经济发展情况相似，具有较为明显的非均衡特征。金融集聚水平较高的省(市、区)主要分布在东部地区，尤其是长三角地区、珠三角地区和环渤海地区。这些地方金融活动比较活跃，中、西部地区的金融集聚程度明显较低，区域间发展极不平衡。从福建省的综合得分看，2013—2015年的综合得分超过0，高于平均水平，但2016年又变为负数，排名从第9位下降到第12位，与北京、广东、上海等地得分差距很大。若将集聚程度分为五个梯队，福建省由第三梯队(2010年，0<综合得分<0.5)下降为第四梯队(2016年，0.5<综合得分<0)，不仅金融集聚程度有所下降，且不够稳定。从福建省两大公因子得分看，2016年，第一公因子得分为0.164，全国排名第11位，但在东部10省市中排名并不高，金融机构与规模集聚程度有待提升。第二公因子得分为负数，低于平均水平，在全国排名第18位，金融发展深度与经济规模集聚程度较差，在一定程度上影响了综合得分。

2.2 福建省9地市金融集聚水平及空间自相关检验

通过因子分析评价地市金融业的集聚程度，运用Geoda软件，计算Moran’I指数来检验各地市空间关联情况，反映空间距离的密切相关程度，在此基础上，得出主要的中心城市，并利用威尔逊模型计算辐射半径。

2.2.1 福建省9地市金融集聚因子分析

对表1指标体系进行微调，因个别地市外资银行比率为0，删除了外资银行比例，得到表2。

表2 2016年福建省9地市因子得分情况

从表2可以看出，福州、厦门表现出较强的集聚优势，远远高于其他地市，是福建省重要的金融发展及金融中心潜在城市。泉州的总得分也超过了0，高于平均水平，排名第3位，但与福州、厦门相差较大，集聚水平还不明显。其他地市的数据均小于0，金融集聚状况较差，始终处于较低的状态。

2.2.2 空间相关性分析

利用Geoda软件对Moran’I指数进行计算，结果见表3。

表3 2010—2016年福建省9地市Moran’I指数

从表3可知，2010—2016年，福建省Moran’I指数均为负数，且统计量Z值均小于临界值Z0.05=1.96。这表明福建省9地市金融发展在空间分布上处于完全随机的状态，在空间上不存在显著的金融集聚现象。

为分析福建省金融发展的空间集聚特征和类型，利用Moran散点图来分析，结果如图2所示。可见，没有哪一个城市落在第1象限(HH)，没有高集聚区被相邻高集聚区包围的情况。福州、厦门均位于第4象限(HL)，表明集聚较高的两个城市被低集聚地区所包围，这些相邻的低集聚城市分别为宁德、漳州、莆田和泉州，均处在第2象限(LH)。龙岩与南平相邻，与福州和厦门的距离较远，三明虽然与福州相邻，但没有相关性，此三地均出现在第3象限(LL)，即低集聚増长城市被低集聚增长城市包围，彼此存在消极影响。从总体上来看，福建省金融集聚在空间分布上不存在依赖关系。

图2 2016年福建Moran’I局部散点

2.2.3 福建省中心地市辐射范围计算

3 结论与相关建议

根据实证分析得到如下结果：第一，福建金融业总量仍然较小，在一定程度上制约着金融集聚水平的提高。从因子分析结果来看，2016年第一公因子(主要包含金融规模等相关指标)得分为0.164，全国排名第11位，在东部10个省(市、区)中排名靠后。福建省金融机构数量与规模集聚程度仍然偏弱，金融综合竞争力不强，难以发挥规模效应，在一定程度上影响金融集聚的进度。第二，金融体系功能不健全。第二公因子得分为负数，在全国排名第18位，低于全国平均水平。金融市场深度与经济规模集聚程度较差，在一定程度上影响了综合得分。从金融机构结构看，福建省仍以大中型银行等金融机构为主要组成部分，民营资本的金融机构覆盖面窄，为小微企业、个体工商户服务的小微金融机构更少，新型业态的金融机构发展缓慢。从金融市场看，福建银行间同业拆放市场、银行间债券市场、产权交易市场、证券市场和保险市场等发展也比较缓慢。福建全省没有可覆盖全国范围的资本市场平台，区域性的金融交易市场也很不发达。如何构建完善的多层次金融市场体系，使其更好地发挥金融功能，对省金融业集聚和辐射能力的提高具有重要意义。第三，福建省各地市金融发展呈现不均衡状态，不利于区域金融集聚效应的发挥。从9个地市因子分析和Moran指数分析均可看出，福建省在金融集聚过程中，地市间呈现出明显的非均衡状态。从威尔逊模型可以看出，高集聚城市有一定的金融辐射能力，但还没有形成紧密联系的网络，对南平、三明、龙岩等地的影响十分有限。建议福建省要尽快打破市场地域间的界限[8]，削弱市场壁垒，探索彼此合作的空间和措施，创造各地市区域间金融资源的良性竞争环境，进而缩小各地市之间的差距。