中国省域大数据产业与金融集聚耦合协调发展研究

庞路静，张 目

（贵州财经大学大数据应用与经济学院；2.贵州财经大学贵州科技创新创业投资研究院，贵州贵阳 550025）

党的十八届五中全会提出“实施国家大数据战略”，国务院印发《促进大数据发展行动纲要》，要求全面推进大数据发展，加快建设数据强国。结合中国制造2025、“互联网+”行动计划、培育发展战略性新兴产业的决定等战略文件，制定面向大数据产业发展的金融政策措施，引导金融机构对技术先进、带动力强、惠及面广的大数据项目优先予以信贷支持，鼓励大数据企业进入资本市场融资，为企业重组并购创造更加宽松的市场环境。同时，推动金融行业大数据应用，推进行业数据资源的采集、整合、共享和利用，有利于充分释放大数据在金融产业发展中的变革作用，加速传统金融行业经营管理方式变革、服务模式和商业模式创新及产业价值链体系重构［1］。因此，对大数据产业-金融集聚耦合协调水平的研究，为理性认识中国省域大数据产业发展与金融集聚协调关系提供科学参考，从而进一步促进两者的协调发展。

目前而言，国内外学者大多集中于对金融集聚与产业结构之间的关系研究。在国外研究中，Raghuram 等［2］通过建立理论模型研究金融发展到一定程度形成的金融集聚与产业结构之间的关系；Carlin 等［3］从不同类型的金融结构角度出发，研究其对产业的影响；Audretsch 等［4］和Cotugno 等［5］阐述了金融集聚带来的空间溢出效应促进地区间的产业升级，带动了周边地区产业的发展。在国内研究中，陈峰［6］最早研究了金融发展与产业发展之间的关系；孙晶等［7］研究了金融集聚对区域产业结构升级存在空间溢出效应；杨义武等［8］运用面板向量自回归模型研究金融集聚与产业结构变迁的互动关系；邓向荣等［9］实证分析了金融集聚对产业结构升级作用；郭露等［10］运用协调发展度评价的改进模型对长三角地区16 个地级市的三大产业结构与金融集聚的分布进行综合评价与比较；于斌斌［11］认为金融集聚对经济增长的影响是通过促进产业结构升级实现的。还有部分学者通过构建评价指标体系，对金融集聚和产业结构进行了耦合协调实证研究，如何宜庆等［12］将金融要素集聚、区域产业结构和生态效率三个系统相结合进行耦合协调发展研究；谢婷婷等［13］以及郭彬等［14］则是将产业结构和金融集聚两个子系统相结合进行耦合协调发展研究。

综上所述，学者研究大多涉及的是金融集聚与产业结构升级之间的关系，鲜有学者研究金融集聚与大数据产业发展之间的关系。实际上，大数据产业与金融集聚的存在着相互作用的关系：一方面，建立大数据产业投融资体系，金融资本通过直接融资和间接融资方式，加大对大数据产业的金融支持力度，有效增加大数据产业的要素投入，促进了大数据产业的发展；另一方面，大数据正成为信息技术的新热点、产业发展的新方向，将对人类的生产与生活产生巨大影响，对经济与社会发展带来深刻变革，大数据产业的发展将吸引更多的金融资本参与，从而进一步带动金融集聚。

有鉴于此，本文对大数据产业-金融集聚的耦合协调发展状况进行研究。首先构建大数据产业发展与金融集聚的评价指标体系，选取2013—2017 年31 省域的指标原始数据，运用犹豫模糊语言TOPSIS法和犹豫模糊语言TOPSIS 灰色关联投影法分别对31 省域的大数据产业发展水平和金融集聚水平进行测度，然后运用耦合度和耦合协调模型计算31 个省域的大数据产业发展与金融集聚的耦合协调度，最后得出结论并提出相关政策建议。

1 指标体系与数据来源

1.1 指标体系

依据大数据产业发展的内涵，综合相关研究成果［15-18］，参考工业和信息化部运行监测协调局发布的“中国电子信息产业综合发展指数”编制原理，从大数据产业的产业规模、产品类型、招商引资、基础设施和产业影响力5 个方面衡量大数据产业发展水平。同时，根据金融集聚的内涵，综合相关研究成果［19-22］，参考中国（深圳）综合开发研究院发表的“中国金融中心指数”（China Financial Center Index，CFCI）编制原理，从金融业、银行业、保险业和证券业4 个方面衡量金融集聚水平。遵循科学性、代表性、客观性、针对性、可比性及可操作性等评价指标选取原则，结合大数据产业与金融集聚耦合协调发展的机制和特征，构建大数据产业—金融集聚系统耦合协调发展评价指标体系，如表1 所示。

表1 大数据产业—金融集聚系统耦合协调发展评价指标体系

表1 （续）

指标说明：（1）区位熵，又称专门化率，主要用于衡量地区产业集聚水平的高低，其计算公式为：

在表1 中，金融业区位熵=（地区金融业增加值/ 地区GDP）/（全国金融业增加值/ 全国GDP），银行业区位熵=（地区年末银行业金融机构存款余额/地区金融业增加值）/（全国年末银行业金融机构存款余额/全国金融业增加值），证券业区位熵=（地区股票市价总值/地区金融业增加值）/（全国股票市价总值/全国金融业增加值），保险业区位熵=（地区年保费收入/地区金融业增加值）/（全国年保费收入/全国金融业增加值）。

（2）百度搜索指数，是以网民在百度的搜索量为数据基础，以关键词为统计对象，科学分析并计算出各个关键词在百度网页搜索中搜索频次的加权和。根据搜索来源的不同，搜索指数分为PC 搜索指数和移动搜索指数（http://index.baidu.com）。在表1中，大数据产业百度搜索指数（PC 端）是以“大数据”为关键词的PC 搜索指数，大数据产业百度搜索指数（移动端）是以“大数据”为关键词的移动搜索指数，反映了某一地区大数据产业的影响力；金融业（或银行业、证券业、保险业）百度搜索指数是以“金融（或银行、证券、保险）”为关键词的百度搜索指数（含PC 端和移动端），反映了某一地区金融业（或银行业、证券业、保险业）的影响力。

1.2 数据来源

本文以我国31 个省（自治区、直辖市）为研究对象，选取的时间范围为2013—2017 年。大数据产业子系统中的指标原始数据来源于2013—2017 年《中国电子信息产业统计年鉴》、国家统计局网站，以及百度指数网站。其中，由于缺乏大数据产业统计数据，考虑到电子信息产业是大数据产业的基础产业，在反映大数据产业的发展水平上具有一定的代表性，因此，文中采用电子信息产业的产业规模、产品类型、招商引资近似替代大数据产业的产业规模、产品类型、招商引资。金融集聚子系统中的指标原始数据来源于2014—2018 年《中国统计年鉴》、2013—2017 年各省（自治区、直辖市）国民经济和社会发展统计公报、2013—2017 年各省（自治区、直辖市）金融运行报告、国家统计局网站、RESSET金融研究数据库以及百度指数网站。文中缺失数据通过均值插补法或手动插补法估算得到。限于篇幅，指标原始数据备索。

2 研究方法

2.1 犹豫模糊语言TOPSIS 法

2.2 犹豫模糊语言TOPSIS 灰色关联投影法

步骤1 和步骤2 同上。

步骤4：确定加权正、负理想灰色关联系数矩阵。采用熵权法对指标进行客观赋权，得到指标权重向量则加权正、负理想灰色关联系数矩阵为：

步骤5［25］：确定灰色关联投影贴近度。将每一个方案看成一个行向量，则称方案与理想方案之间的夹角为灰色关联投影角，其余弦值为：

2.3 标准化处理

2.4 耦合度模型和耦合协调度模型

采用源于物理学容量耦合系数模型的耦合协调度模型来测度大数据产业-金融集聚间的耦合协调程度。耦合协调度模型包含耦合度和耦合协调度，用以反映多个系统间相互作用和相互影响的程度。多个系统相互作用的耦合度模型为：

式(12)中n为耦合子系统个数，则大数据产业—金融集聚系统耦合度模型为：

C为耦合度，用来衡量系统或要素间彼此相互作用影响的强弱程度，而协调度是系统或要素间协调配合、良性循环的关系，反映系统耦合的程度。当C=1 时，表明系统之间的耦合度处于最优的耦合；当C=0 时，表明系统之间的要素无关，呈无序发展；当0＜C≤0.3 时，系统之间低度耦合，处于耦合发展的起步阶段；当0.3 ＜C≤0.8 时，系统之间是中度耦合，处在发展阶段；当0.8 ＜C≤1时，系统是高度耦合，处于成熟阶段［29］。分别为大数据产业发展和金融集聚的综合评价值，若两者实现耦合协调发展。当时，为金融集聚滞后类型；当时，为大数据产业滞后类型；当0 ≤时，为大数据产业金融集聚同步类型。若两者耦合处于失衡衰退状态，当时，为金融集聚受损类型；当时，为大数据产业受损类型；当时，为大数据产业金融集聚受损类型。

当两个系统的综合评价值相近且不高时，仅计算耦合度会出现协同发展程度较高的伪评价结果。为准确反映大数据产业和金融集聚的耦合协调度，进一步构建耦合协调模型：

式(14)中D 为耦合协调度，取值范围为［0,1］，T为大数据产业-金融集聚系统的综合评价值，α和β为待定系数（α+β=1），反映大数据产业和金融集聚对整体系统耦合协调作用的贡献程度［29］，考虑二者对整体系统同等重要，选定α=β=0.5。整体系统耦合协调程度和对应接受区间如表2 所示［26］。

表2 大数据产业与金融集聚耦合协调判定标准

3 实证分析

将原始数据带入评价方法进行计算，得到大数据产业发展水平和金融集聚水平的评价值，再运用公式(11)对大数据产业发展水平和金融集聚水平的评价值进行归一化得到最后根据耦合协调度模型，通过公式11—13 计算出2013—2017 年中国31 个省域区大数据产业与金融集聚之间的耦合度C和耦合协调度D，并分别计算各省份的均值（见表3、表4）。

表3 省域大数据产业与金融集聚系统的耦合度

表4 （续）

表4 省域大数据产业与金融集聚系统的耦合协调度

由表4 可以看出，2013 年全国31 个省域大数据产业-金融集聚系统的耦合协调度从严重失衡到濒临失衡跨越了5 个等级，呈现“1 个初级协调、1 个勉强协调、3 个濒临失衡、6 个轻度失衡，20 个中级失衡”的空间格局；到2017 年，系统耦合协调度的空间格局大体保持稳定，其中，辽宁的耦合协调类型从2013 年中级失衡衰退下降到了2017 年轻度失衡衰退，而安徽、湖北和湖南均由2013 年中级失衡衰退发展到了2017 年轻度失衡衰退，广东2013年为初级协调发展上升为2017 年的中级协调发展，其余省域的耦合协调类型保持不变。

由表3 和表4 可知，（1）2013—2017 年广东的系统耦合协调度平均值排名全国第一，耦合协调类型属于初级协调发展；结合表4 可知，广东属于大数据产业发展金融集聚同步发展的类型。（2）2013—2017 年江苏的系统耦合协调度平均值排名全国第二，耦合协调类型属于勉强协调发展；结合表4 可知，江苏的主要制约因素为金融集聚滞后型。（3）2013—2017 年北京、浙江、上海的系统耦合协调度平均值排名全国第3—第5，耦合协调类型总体属于濒临失衡衰退类型；结合表4 可知，北京、浙江、上海主要制约因素为大数据产业发展受损型。（4）2013—2017 年山东、四川、河南、福建、安徽、湖北的系统耦合协调度平均值排名全国第6—第11，耦合协调类型总体属于轻度失衡衰退；结合表4 可知，这6 个省份主要制约因素为大数据产业发展和金融集聚受损类型。（5）2013—2017 年湖南、辽宁、陕西、重庆、江西等20 个省份的系统耦合协调度平均值排名全国第12—第31，耦合协调类型总体属于中级失衡衰退；结合表4 可知，这20 个省域的主要制约因素为大数据产业发展和金融集聚受损类型。

从地区分组来看，2013—2017 年东部地区10个省域中有1 个省域的耦合协调类型为初级协调，1 个省域的耦合协调类型为勉强协调，3 个省域的耦合协调类型为濒临失衡，2 个省域的耦合协调类型为轻度失衡，3 个省域的耦合协调类型为中级失衡，系统耦合协调度平均值为0.408 0。中部地区6 个省域中有3 个耦合协调类型为中度失衡，3 个省域的耦合协调类型为轻度失衡，系统耦合协调度平均值为0.298 3。西部地区11 个省域耦合协调类型均为中度失衡，系统耦合协调度平均值为0.251 7。东北地区3 个省域的耦合协调类型均为中度失衡，系统耦合协调度平均值为0.265 1。

从省域增速来看，2013—2017 年，浙江、江西、湖北、贵州、安徽、山东、湖南、新疆、广西、河南、吉林、河北、内蒙古、重庆、广东、黑龙江、江苏、上海、陕西等21 个省域的系统耦合协调度呈波动上升态势，平均增速为4.31%；其中，浙江、江西、湖北、贵州的系统耦合协调度增速排名全国前四位，分别为12.43%、9.11%、9.16%、8.91%。2013—2017 年，甘肃、北京、海南、宁夏、辽宁、四川、青海、云南、西藏、天津等10 个省域的系统耦合协调度呈波动下降态势，平均增速为-4.28%，其中；天津、西藏、云南、青海的系统耦合协调度增速排名全国末四位，分别为-11.85%、-9.23%、-4.06%、-6.28%。

4 结论与建议

根据2013—2017 年全国31 个省域两个子系统的指标原始数据，运用耦合度模型、耦合协调度模型，对省域大数据产业-金融集聚耦合协调发展状况进行实证分析，得出以下结论：

（1）从总体上看，全国31 个省域的系统耦合协调度普遍较低，省域大数据产业-金融集聚耦合协调类型跨越了5 个等级，没有最好的优质耦合协调，也没有特别差的耦合协调类型。耦合协调类型属于初级协调发展的只有广东，属于勉强协调发展的只有江苏，属于濒临失衡衰退的有北京、浙江、上海，属于轻度失衡衰退的有山东、四川、河南、福建、安徽、湖北6 个省份，，其余20 个省域属于濒临失衡衰退。其中，大数据产业发展和金融集聚同步发展型的省域只有广东1 个，属于金融集聚滞后型省域有1 个，大数据产业发展受损型的省域有3 个，大数据产业发展和金融集聚受损型的省域有26 个。

（2）从空间上看，2013—2017 年全国31 个省域大数据产业-金融集聚系统的耦合协调度的空间格局大体保持稳定。其中，协调发展类型主要在广东、江苏地区，濒临协调衰退类型和轻度失衡衰退主要分布在北京、浙江、上海，山东等东部经济发达地区，而中度失衡衰退类型主要分布在经济欠发展地区。大数据产业-金融集聚的协调发展程度呈现出东部地区高于中部地区、中部地区高于西部和东北部的总体特征。

（3）从时间上看，全国31 个省域的耦合协调类型并非一成不变，辽宁的耦合协调类型由2013 年的轻度失衡衰退下降到2017 年的中级失衡衰退，而安徽、湖北和湖南均由2013 年的中级失衡衰退上升到2017 年的轻度失衡衰退，广东则由2013 年的初级协调发展上升为2017 年的中级协调发展。2013—2017 年浙江、江西、湖北、贵州等21 个省域的系统耦合协调度呈波动上升态势，平均增速为4.31%；甘肃、海南、宁夏、辽宁等10 个省域的系统耦合协调度呈波动下降态势，平均增速为-4.28%；总体趋势表现为升多降少。

根据上述研究结论，结合有关部门文件精神，提出以下政策建议：

（1）关于促进大数据产业发展方面，应加快培育和发展地区电子信息产业，重点发展与大数据关系密切的软件、集成电路、物联网、下一代互联网、云计算等子产业，为大数据产业发展提供产业基础。应充分发挥地区生态优势、能源优势、区位优势、战略优势，采取政府引导、企业主体、市场化运作的模式，着力提高大数据产业的要素投入，在财政扶持、金融支持、用地保障、电力供给等方面加大扶持力度；以大数据领域研发和产业化项目为载体，积极引进高端人才，着力提高大数据产业的产业规模和产业影响力。

（2）关于加快金融集聚方面，应鼓励和引导全国性股份制商业银行、开发性政策性银行、邮政储蓄银行等金融机构到县及县以下增设分支机构，扎根基层、服务社区，提供更有针对性、更加便利的金融服务。同时，加快推进村镇银行县域全覆盖，提高金融服务县域、村镇的能力。应加大对企业上市、挂牌的政策扶持力度，建立企业上市、挂牌全流程支持体系，培育与辅导符合条件的企业分别在区域性股权交易市场、全国中小企业股份转让系统和境内外证券交易所挂牌、上市、再融资、并购重组，有效发挥资本市场融资功能。应积极推进保险机构向市（州）、县及乡镇、村延伸设立基层分支机构；支持中小保险公司创新发展；探索发展自保、相互等新型市场主体；引进和培育大型保险中介机构；加快建成多元化、多层次的区域保险市场体系，有效提高保险密度和保险深度。