长三角区域互联网金融发展评价——基于因子分析法

吴思柳, 田 发

(上海理工大学 管理学院， 上海 200093)

随着信息科技和金融行业的迅速发展，“互联网+”经济时代全面到来。传统金融模式受到强烈冲击，互联网经济逐步融入社会生活中，互联网金融作为传统金融机构与互联网企业结合的一种新型金融模式，通过互联网、信息科技技术实现资金的融通、支付、投资等多方面功能。近年来，这种新型的金融业态发展迅速，在多个领域中覆盖全面、影响深刻，逐步改变推动着经济发展，打造新型网络经济时代。作为目前经济发展最活跃的地区之一，长三角地区互联网金融的发展在全国互联网金融中心的形成过程中占据着至关重要的地位。因此明确互联网金融发展概念，构建地区互联网发展综合评价指标体系，评估长三角地区各市互联网金融发展状况可以为政府制定相关政策、实现可持续发展提供有效参考依据，并进一步促进经济发展。

1 互联网金融及发展现状

1.1 互联网金融概念

不同于传统金融,互联网金融将金融服务和互联网技术结合,运用大数据分析、云计算等先进科学技术通过互联网平台等传播媒介向大众提供服务。不仅包括以网络平台为主的金融和服务体制、组织和产品系统以及金融监管体系,还兼具了平台、信息、普惠等不同于传统金融的形式,包括线上理财产品销售和办理、三方支付及电子商务等多种形式。互联网金融是社会发展的必然产物，其发展不仅利于中小型企业的发展及扩张，对就业环境也产生了难以替代的积极影响，为人们就业、创业、创新提供了新机遇，同时也改进了传统金融服务“低质量、低效率”局面，兼具了金融改革和创新的优势[1]。

1.2 互联网金融发展现状

2016年发布的“十三五”规划中首次将互联网金融发展相关计划纳入五年规划，在规划中指出“互联网金融作为一种新型金融模式要加强规范发展，同时也要大力发展普惠金融和促进中小微企业的互联网金融发展”，此举表明互联网金融逐步在国内金融市场中占据重要地位，其发展也受到相应监管机构认可，未来地位将进一步提升。

目前，互联网金融的主要模式为第三方支付、网络融资(网贷、众筹和电商均属于此类)、虚拟货币、渠道业务及其他。第三方支付是指独立机构通过与银联或网联对接而促成交易双方进行交易的网络支付模式,如支付宝、微信、网银等。第三方支付简化了业务手续、完善了功能、提供了专业化服务,优势突出、核心竞争力强。网络融资是指企业与银行等金融机构之间的借贷活动，是以网络中介服务为基础而建立的金融活动。目前国内共有将近560家网贷公司,贷款规模巨大并持续保持增长速度,如今融资贷款普遍化,给企业发展带来了极大的便利,企业能通过融资贷款迅速调整资金链帮助公司运营。渠道业务十分多元化,例如保险业在互联网时代增值较快,通过互联网出售保险产品使得国内保险行业发展突飞猛进,销售规模巨大,增长率极高。

互联网金融与传统金融并非对立模式，在一定程度上相辅相成，共同发展和进步。互联网金融的发展在某些方面改革创新了传统金融模式，而传统金融模式也为互联网金融的发展奠定了良好的基础，使得金融行业能够成功转型升级，迅速发展。

2 长三角区域互联网金融指标体系的构建及分析

2.1 长三角区域城市类别划分

上海市和江苏省、浙江省、安徽省范围内的部分城市共26市构成了长江三角洲城市群。长三角城市群是中国经济发展的重要引擎，分布于国家“两纵三横”城市化格局的优化开发和重点开发区域。以2019年地区生产总值为划分标准对长三角城市群进行分类，具体分类结果见表1。

表1 长三角城市群分类结果

2.2 长三角区域互联网金融指标体系

互联网金融发展指标体系建立在影响因素分析之上，宏观经济状况、金融市场环境、互联网发展现状是地区互联网金融发展的3大层次影响因素[2]，本文拟从这3方面构建指标体系对地区互联网金融发展状况进行综合评价。北京大学数字金融研究中心构建了数字普惠金融指标体系，在金融市场环境评价指标中，本文借鉴该项体系中各市普惠金融使用深度(支付、信贷、保险)相关指数，互联网发展评价指标体系中，借鉴该项体系中各市普惠金融数字化程度相关指数[3]，并综合其他衡量指标，构建互联网金融发展指标体系。具体指标体系的设立见表2。

表2 互联网金融指标体系设立

2.3 因子分析

因子分析是通过研究众多变量之间的内部依赖关系从而观测出变量数据中的基本结构，并用几个独立的变量即公因子表示其依存关系，尽可能避免由于指标之间相关性而对测度结果造成影响的现象。

本文数据均来源于2010—2019年《中国统计年鉴》各省市《统计年鉴》《中国金融年鉴》《互联网络发展统计报告》以及《北京大学数字普惠金融指数》等。计算指标体系中各项指标数据，运用SPSS统计软件进行因子分析，通过KMO和巴特利特球形检验、公因子提取、因子贡献率计算、旋转后因子载荷值等综合计算得出长三角区域各市互联网金融发展指数值并进行排序。

表3显示，KMO检验值为0.886，接近于1，同时，Bartlett检验的原假设为相关系数矩阵为单位矩阵，检验结果显示Sig值为0.000,小于显著水平0.05，因此拒绝原假设，认为相关变量之间存在关系，适合做因子分析。

表4给出了每个变量共同度的结果。从表中可以看到，因子分析的变量共同度都非常高，说明因子提取了变量中的大部分信息，其分析结果是有效的。

表3 KMO和巴特利特球形检验

表4 公因子方差

表5给出了因子贡献率结果。表5显示，4个主成分因子方差累积贡献率约93%，地区互联网金融发展指数由成分得分系数矩阵计算出的各因子得分与对应因子权重之积的总和计算得出，具体公式为

(1)

式中：Z为综合得分；Zx(x=1，2，3，4)为各公因子得分。

2.4 长三角区域各市互联网金融发展状况综合指数及分析

长三角区域26市2010—2019年互联网金融发展综合得分见表6，互联网金融发展指数增值如图1所示。

表5 总方差解释

表6 长三角区域26市2010—2019年互联网金融发展综合得分

由表6、图1可知，纵向比较各地区2010—2019年的变化速度，可以看到长三角地区互联网金融发展水平均有不同程度的上升。随着“互联网+”时代的到来，互联网金融业发展迅速，互联网金融产品琳琅满目，正在逐步改变着国内金融市场结构。近年来各城市间的互联网金融差异虽然呈现缩小趋势，但地区间差异仍然较大。上海作为中国最大的经济、金融中心，重要的工业基地和世界著名的港口城市，互联网金融发展水平近10年互联网发展指数增值位居长三角区域第1。作为国内人工智能第一梯队的城市——杭州，既是互联网之都,也是高新技术产业发展的热土，互联网金融发展水平仅次于上海，互联网金融发展水平增长速度第2。合肥市虽然起点低，在2010年互联网金融指数仅为-0.56，但是增长幅度远远大于同类城市中其他地区，从2010年到2019年上升了3倍。但池州市、铜陵市、马鞍山市的综合评分垫底，可以看出整体金融环境及互联网环境较为落后，第三产业增加值较低，主要依靠一、二产业发展地区经济[4]。按城市类别来看，一类城市的增长速度显著高于二三类城市，GDP在一定程度上反映了地区经济实力及市场规模，以上海为首的经济较为发达的城市互联网金融发展水平较高，二类城市如合肥、南通等经济较发达城市互联网发展水平起点低但发展趋势较快，与一类城市互联网金融发展水平存在趋同，三类城市为经济较为落后城市，互联网发展水平仍处于较为落后状态。

3 结论

近年来,长三角地区互联网金融发展总体呈现上涨趋势，发展速度较快。这说明互联网金融作为新型金融模式充分发挥了自身优势，发展势态良好，在一定程度上弥补了传统金融市场的缺陷与空白，为国民经济的发展注入了不容小觑的新势力。长三角地区是中国经济发展速度最快、规模总量最大、发展潜力最大的经济区域。同时,上海作为全国金融中心是长三角地区的最大优势之一,全国近60%的外商直接投资资金均流入上海及周边地区,上海的金融发展在全国遥遥领先,资金集中度高、金融市场体系完善,在一定程度上保证了长三角区域金融交易的频繁、密集,是长三角互联网金融中心形成的重要条件之一[5]。长三角互联网金融这一“领头羊”地区将会对全国互联网金融发展产生深远影响。但是，在互联网金融蓬勃发展的同时也会存在一定波动，行业监管缺乏、准入门槛低下、从业者资质参差不齐等问题亟待解决。因此，互联网金融仍需近一步改革创新，成为全方位推动经济发展的重要助力。