俞思静，徐维祥（浙江工业大学经贸管理学院，浙江杭州310023）



金融产业集聚与新型城镇化耦合协调关系时空分异研究——以江浙沪为例

俞思静，徐维祥
（浙江工业大学经贸管理学院，浙江杭州310023）

摘要：文章利用2004-2013年相关数据，以江浙沪地区25个市为研究对象，构建金融产业集聚与新型城镇化评价指标体系，采用PLS通径模型和耦合模型测度两者的发展水平及耦合协调度，并分析各市耦合协调度的时空分异规律。结果表明：各市两者之间的耦合协调度逐年升高，空间分布呈板块化结构，现已形成以上海、杭州为中心，以南京、无锡、常州、苏州、嘉兴、金华、绍兴、宁波、舟山为辐射面的“Z”形耦合协调发展区。

关键词：金融产业集聚；新型城镇化；耦合；江浙沪

［DOI］10.3969/j.issn.1007-5097.2016.02.005

徐维祥（1963-），男，浙江东阳人，教授，博士生导师，研究方向：产业集群，区域创新。

一、引言

城镇化是人类社会发展的必然趋势，是随着工业化的发展，非农产业在城镇集聚、农村人口向城镇集中的自然历史过程。中国的城镇化建设在改革开放以来取得了显著成绩，然而随着城镇化的发展也涌现出了诸多弊端，为了顺应经济社会转型发展，党中央提出坚持走中国特色新型城镇化道路的重要战略，因此推进以人为本、四化同步、优化布局、生态文明、传承文化的新型城镇化建设是未来中国现代化建设的重要任务［1］。金融是现代经济发展的核心，金融集聚现象作为区域金融发展的普遍现象引起了国内外诸多学者的关注。在世界范围内现已形成的美国纽约、英国伦敦、日本东京三大国际金融集聚区都处于城镇化水平较高的地区，这说明金融产业集聚与城镇化相互促进发展。一方面，金融集聚是城镇化建设的支撑，为其提供资金融通，城镇化建设中涉及的城市公共建设、环境保护、医疗及教育等问题都需要强大的资金支持；另一方面，城镇化是金融发展的基础和依托，其发展过程中的知识溢出、资本积累、人才集聚、信息技术的发展无一不为金融业提供了良好的发展环境［2］。

现阶段相关研究大多关注产业集聚与城镇化之间的关系，但对于金融产业集聚鲜有涉及。张贵先利用多元回归分析得出重庆市产业集群与城镇化之间存在密切关系［3］；于斌斌、胡汉辉的研究显示产业集群与城镇化之间的互动关系是多层级、多阶段的［4］；饶宝红等以义乌和昆山为例进行实证研究，结论表明产业集群与城市化之间存在联动发展机制［5］；徐维祥在研究了产业集群与城镇化的耦合关系的基础上，运用动力学系统仿真模型揭示了义乌市两者发展的系统动力学关系［6］。这些研究大多采用单一指标法测度产业集聚程度及城镇化发展水平，对两者之间的关系也缺乏时空维度的探索，对金融产业集聚与新型城镇化关系的领域更是未曾涉及。本文在相关研究基础上，以江苏、浙江、上海地区25个地级市（直辖市）为单元，以2004-2013年为研究时段，构建金融产业集聚与新型城镇化评价指标体系，并采用PLS通径模型计算两者的发展水平。进而借鉴物理学中的耦合评价模型，定量测评两者之间的耦合协调发展度，在此基础上分析各区域耦合协调度的时空分异规律。

二、指标选取及研究方法

（一）指标设计及数据来源

（1）新型城镇化评价指标体系构建。基于新型城镇化的内涵，在借鉴有关新型城镇化研究成果的基础上［7-9］，选取人口城镇化、经济城镇化、社会城镇化、生活城镇化、空间城镇化、生态环境城镇化6个一级指标，下设23个二级指标，构建新型城镇化评价指标体系。

（2）金融集聚评价指标体系构建。在借鉴以往研究成果的基础上［10-11］，本文从金融规模、金融深度、金融密度三个方面设立一级指标，下设9个二级指标，构建金融集聚评价指标体系。

（3）数据来源。本文研究对象为江苏、浙江、上海两省一市25个地级市（包括上海直辖市）。数据主要来源于2005-2013年的《中国城市统计年鉴》、《中国区域经济统计年鉴》、《江苏统计年鉴》、《浙江统计年鉴》、《上海统计年鉴》，相关年份的《长江和珠江三角洲及港澳台统计年鉴》、《中国城市（镇）生活与价格年鉴》，部分地级市统计年鉴及Wind资讯等。

指标体系构建见表1所列。

表1　新型城镇化及金融集聚评价指标体系

（二）研究方法

1. PLS通径模型

PLS（偏最小二乘）通径模型是PLS回归的一种扩展，它的优点在于指标之间的高相关性可以避免。类似于SEM（结构方程模型），PLS通径模型也分为两个部分：外部模型（也称测量模型）和内部模型（也称结构模型）［12-13］。

（1）外部模型。反映显变量与隐变量之间的关系，通常有反映式、结构式两种形式，本文选用的是反映式，模型方程为：

其中，ξi是潜变量；xij是ξi所对应的显变量；εij为随机误差项；λij是第i个隐变量对它第j个显变量的负载系数。在这里，要求每一组显变量都是唯一维度的，即其所反映的隐变量是唯一的。

（2）内部模型。反映隐变量之间的关系，模型方程为：

其中，βkh是隐变量ξh对隐变量ξk的路径系数，表示隐变量ξk受到其他隐变量的直接影响。

2.耦合模型

（1）耦合关联度。借鉴物理学中容量耦合概念，构造能够全面反映两个或两个以上系统相互作用影响程度的耦合关联度函数：

其中，U1和U2分别代表金融产业集聚综合发展水平得分和新型城镇化综合发展水平得分；C表示耦合关联值，0≤C≤1，C值越大系统的耦合度越大，反之，C值越小系统的耦合度越小。

（2）耦合协调度。虽然耦合关联度可以有效评价系统之间的交互耦合强度，但是各系统的发展水平存在差异，会存在两个系统发展水平都较低、耦合度却很高的情况，难以与两系统发展水平都较高、耦合度较高的情况区分开来。为了避免这个问题，引入耦合协调度模型，使之能客观反映系统间的耦合协调发展水平：

其中，D为耦合协调度；C为耦合关联值；T为两系统综合评价指数；a、b为待定系数，由于金融集聚发展系统与新型城镇化发展系统有相同的重要性，因此本文中取a=b=0.5。则t年度内两者耦合协调度的表达式为：

三、基于PLS通径模型的金融集聚与新型城镇化发展水平测度

（一）模型建立

针对2005-2013年江苏、浙江、上海地区25个地级市（直辖市）的相关数据，采用上文所述的PLS通径模型对金融产业集聚子系统与新型城镇化子系统发展水平进行测度。首先进行唯一维度检验，本文选用常用的显变量组的主成分分析来进行，若一组显变量组的第一特征值大于1，而其余特征值皆小于1，则认为该组满足唯一维度检验。利用SPSS19.0对各组显变量做主成分分析，经过对二级指标的筛选，修正指标体系。从表1中可见，修正后的显变量组的第一特征值均大于1，第二特征值均小于1，说明各显变量组都通过唯一维度检验。

基于PLS通径模型的构建要求及表1中隐变量与修正后的显变量的对应关系，分别建立金融产业集聚与新型城镇化两系统的PLS路径图如图1所示。图中，左边反映的是隐变量X1-X6及隐变量Y1-Y3的显变量组；右边反映的是所有显变量组成的变量组，相应地记作隐变量X和Y，它们可以作为概括原始变量信息的综合指标。

图1　金融产业集聚与新型城镇化的PLS路径设计

（二）模型检验

PLS通径模型的检验也分为外部模型检验与内部模型检验两个部分。外部模型检验一般通过平均方差提取率（Average Variance Extracted; AVE）和复合信度（Composite Reliability; CR）来进行，通常要求AVE的值大于0.5，表示该变量可以解释50％以上显变量的方差和；CR的值要大于0.7，才能说明该显变量组的内部一致性高。内部模型检验必须满足两个条件：一是每个隐变量AVE的开方值要大于该隐变量与其他隐变量之间的相关系数；二是隐变量测定系数R2越大，说明内部关系的解释越好。本文利用SmartPLS2.0进行PLS分析运算，从表2中的检验指标来看，AVE值、CR值均通过了外部模型检验。从隐变量的测定系数中可见，新型城镇化综合评价和金融产业集聚综合评价的R2均约等于1.000，说明两个模型的内部拟合效果非常好；此外，每个隐变量AVE的开方值也满足要求（由于篇幅有限，具体数值略），说明该模型通过了内部检验［14］。

表2　PLS通径模型检验指标

（三）子系统发展水平分析

利用SmartPLS2.0中内置的Bootstraping功能对指标进行检验，结果表明所有指标t检验均在0.05置信水平上显著，即拒绝系数等于0的假设，说明这些指标都能较好地反映隐变量的属性。在上文进行模型检验的同时，得到了子系统各隐变量与其对应的显变量组的相关系数及外部权重（见表3），相关系数反映了隐变量包含显变量的信息程度，一般要求在0.7以上；外部权重反映的是隐变量受各显变量的影响程度。从表3来看，各相关系数均在0.7以上，表明显变量很好地包含了隐变量的信息。

从两个子系统的外部关系模型来看，在新型城镇化子系统中，城镇人口比重（X11）、每万人拥有卫生技术人员数量（X31）、每万人拥有医院床位数（X32）对新型城镇化的发展影响最大，说明在追求城镇化快速发展的同时，应该注重人民生活水平及基础医疗的建设；在金融产业集聚子系统中，年末金融机构各项存款余额（Y12）、年末金融机构各项贷款余额（Y13）、上市公司数量（Y14）、保险密度（Y31）对金融产业的发展具有很大的促进作用，说明银行业、证券业、保险业三驾马车缺一不可。

从两个子系统的内部关系模型可以得到各系统隐变量之间的关系式（6）和（7），两个子系统的路径系数的t值均通过了显著性检验，表明各维度隐变量可以很好地解释子系统综合评价值水平的隐变量。从回归系数上看，新型城镇化子系统中，人口城镇化、社会城镇化、生活城镇化的路径系数分别为0.226、0.242、0.219，排名前三。表明中国当前城镇化的主要动力来源于人口城镇化、社会城镇化和生活城镇化。在金融产业集聚子系统中，金融规模的路径系数远高于金融深度与金融密度，表明目前江浙沪地区的金融业仍以扩大金融规模、发展基础金融为主。

表3　显变量与隐变量的相关系数及外部权重

依据（6）式、（7）式，求得2005-2013年江浙沪25个地级市（直辖市）的金融产业集聚综合发展水平得分与新型城镇化综合发展水平得分，具体测算值略，其2005年、2009年、2013年的空间分布见图2、图3。

（1）新型城镇化综合发展水平。从总体上看，新型城镇化发展水平逐年提高，在空间上的差异也逐渐减小，发展较好的地区包括苏南地区、上海地区及杭州湾地区。从图2a、2c的对比中可见，2005年除上海市新型城镇化发展属较高水平、个别地区属中等水平外，大部分地区都属较低水平甚至低水平阶段。但经过近10年的发展，25个市均跨越了低水平阶段，江苏省中南部、浙江省北部及沿海地区、上海地区都登上了中等以上的发展阶段，并形成了以上海、苏州、无锡、常州、南京带状区为主体和以杭州、宁波为两翼的高水平新型城镇化发展区。

（2）金融产业集聚综合发展水平。从图3可以看出，金融产业集聚水平在江苏、浙江、上海两省一市的空间分布存在很大的差异，但近年来各地区在差距缩小的基础上逐年提高，且空间集聚特征明显。2005年，上海市已经成为金融产业集聚的高水平发展区，其余地区均在中等及以下水平，上海市在金融业发展方面一枝独秀；2009年，杭州市金融产业集聚水平一跃成为较高水平发展区，此外无锡、苏州、金华、绍兴、宁波、温州的金融业也得到了很好的发展，金融集聚区初显；2013年，已经形成以上海、杭州为两大核心，以周边城市为辐射区的金融集聚区。

图2　2005年、2009年、2013年新型城镇化综合发展水平空间分异

图3　2005年、2009年、2013年金融产业集聚综合发展水平空间分异

四、金融集聚与新型城镇化耦合协调发展实证研究

（一）指标非负化处理

上文中通过PLS通径模型计算出的各市金融产业集聚综合发展水平得分和新型城镇化综合发展水平得分出现负值，由于耦合函数中开方的底数必须为非负，因此要对数据进行非负化处理：

（二）耦合模型评价结果

将2005-2013年各市金融产业集聚水平得分和新型城镇化发展水平得分经过（8）式非负化处理后，利用公式（3）-（5）分别计算2005-2007年、2008-2010年、2011-2013年三个时间序列段中各区域两者之间的耦合协调度，并将结果用SPSS19.0进行聚类分析，将25个地级市（直辖市）在三个时段内的等级进行分类（表4），其中Ⅰ类为高度耦合协调；Ⅱ类为中度耦合协调；Ⅲ类为轻度耦合协调；Ⅳ类为低度耦合协调［15-17］。

（三）各市耦合协调发展分析

从纵向角度来看，江苏、浙江、上海地区的耦合协调度不断提高。2005-2007年，处于高度耦合协调与中度耦合协调阶段的分别为1市和2市，其余均为轻度耦合协调与低度耦合协调阶段；2008-2010年，高度耦合协调阶段1市，中度耦合协调阶段上升为5市；2011-2013年，高度耦合协调阶段的有2市，中度耦合协调阶段的上升为10市，如图4所示。可见，各市金融产业集聚与新型城镇化的耦合协调状况在近年来得到了持续优化。

从横向空间耦合协调度分布来看，耦合协调类型基本呈现板块化结构，其中浙江省与上海市的总体耦合协调度明显高于江苏省。从图4c2011-2013年段的分布图来看，①高度耦合协调型：分布于上海与杭州两市，说明上海市与杭州市在该时段内金融产业集聚与新型城镇化关系步入良性循环，其中上海市作为中国第一大城市以及国际经济中心、国际金融中心，三个时段内的金融产业集聚水平和新型城镇化发展水平均为首位，两者的耦合协调度非常高；②中度耦合协调型：呈带状分布于苏南地区、浙江沿海地区及金华市、绍兴市，这些地区受到上海市、杭州市的引领效应，未来发展潜力巨大；③轻度耦合协调型：包括江苏省的徐州市、扬州市、镇江市、泰州市、南通市以及浙江省的湖州市、衢州市、丽水市、台州市，处在这一阶段的城市金融集聚水平和新型城镇化水平都不高，但相比2005-2007年段，这些地区的耦合协调度从低度耦合协调上升至轻度耦合协调，说明未来有提升空间；④低度耦合协调型：集中在苏北地区，包括连云港市、宿迁市、淮安市和盐城市，这些区域在三个时段都维持低度耦合协调，属于金融业和城镇化的“后发展”区域，两者的耦合协调要达到高水平需要漫长的发展时间。

总的来说，江浙沪地区已经形成以上海、杭州为中心，以南京、无锡、常州、苏州、嘉兴、金华、绍兴、宁波、舟山为辐射面的“Z”形耦合协调发展区。

表4　2005-2013年金融产业集聚与新型城镇化耦合协调度及聚类分析

图4　金融产业集聚与新型城镇化发展间的耦合协调度空间分布

五、结论与建议

本文在指标体系的构建及PLS通径模型、耦合模型的支持下，分析了江浙沪25市金融产业集聚与新型城镇化发展水平以及两者之间耦合协调关系的时空演变特征。由此得出以下结论：①本文通过PLS通径模型分析了金融产业集聚与新型城镇化发展的影响因素。总体上，社会生活、经济规模方面的指标对两者的影响较大，说明我国的金融发展及城镇化建设仍停留在盲目扩张的粗放型阶段，应重视两者发展的质量。②江浙沪地区金融产业集聚水平与新型城镇化发展水平在空间差异逐渐缩小的基础上逐年提高，并形成了以上海、苏州、无锡、常州、南京带状区为主体，以杭州、宁波为两翼的高水平新型城镇化发展区，以及以上海、杭州为两大核心，以周边城市为辐射区的金融集聚区。③通过对金融产业集聚与新型城镇化耦合协调度的测算，利用聚类分析把25市的耦合协调度分为高度耦合协调、中度耦合协调、轻度耦合协调、低度耦合协调四个类型。从纵向角度看，各市的耦合协调状况在近年来得到了持续优化；从空间分布角度来看，浙江省与上海市的总体耦合协调度明显高于江苏省，特别是苏北地区，基本处于低度耦合协调阶段。总的来说，江浙沪地区已经形成以上海、杭州为中心，以南京、无锡、常州、苏州、嘉兴、金华、绍兴、宁波、舟山为辐射面的“Z”形耦合协调发展区。

基于以上结论，提出以下建议：

（1）尽管江浙沪地区现已形成“Z”形耦合协调发展区，但每个城市的发展优势仍有差异。例如上海有金融、汽车制造等产业优势，杭州有电商、旅游业等产业优势，苏州有轻工、纺织等产业优势。因此要加强耦合协调发展区内各城市的深度合作，利用各自优势促进区域分工，从而提升发展区整体的耦合协调发展度，进一步突出发展区的区域优势。

（2）轻度耦合协调区大多毗邻耦合协调发展区，因此，一方面发挥耦合协调发展区的引领作用，增强对周边轻度耦合协调区的辐射力；另一方面处于轻度耦合协调阶段的城市应主动承接耦合协调发展区的辐射效应，引进优势资源，借鉴发展模式，进一步提升自身的发展水平。

（3）对于低度耦合协调区域，政府要采取“两手抓”政策，在推进新型城镇化发展的同时，提高金融产业集聚水平。低度耦合协调区域抱团集聚在苏北地区，这些地区经济基础薄弱，但其是沿海经济带与陆桥经济带的交汇处，有着丰富的自然资源与区位优势，因此发展空间巨大。

参考文献：

［1］国家发展和改革委员会.国家新型城镇化规划（2014-2020年）［EB/OL］.（2014-03-16）［2015-06-20］. http:// www.gov.cn/zhengce/2014-03/16/content_2640075.htm.

［2］王贺敏.我国城市化和金融发展的相互作用关系研究［D］.大连：东北财经大学，2012.

［3］张贵先.重庆市产业集群与城镇化互动发展模式研究［D］.重庆：西南大学，2012.

［4］于斌斌，胡汉辉.产业集群与城市化的共同演化机制：理论与实证［J］.产业经济研究，2013（6）:1-11.

［5］饶宝红，徐维祥，陆央央，等.产业集群与城市化的实证研究——以浙江义乌、江苏昆山为例［J］.经济问题探索，2006（9）：149-152.

［6］徐维祥.产业集群与城镇化互动发展机制及运作模式研究［D］.杭州：浙江大学，2005.

［7］王新越，宋飏，宋斐红，等.山东省新型城镇化的测度与空间分异研究［J］.经济科学，2014，34（9）：1069-1076.

［8］李哲.河南省新型城镇化进程评估与发展预测［D］.武汉：华中师范大学，2014.

［9］牛晓春，杜忠潮，李同昇.基于新型城镇化视角的区域城镇化水平评价——以陕西省10个直辖市为例［J］.干旱区地理，2013，36（2）：354-363.

［10］黄解宇，杨再斌.金融集聚论［M］.北京:中国社会科学出版社，2006：94-120.

［11］茹乐峰，苗长虹，王海江.我国中心城市金融集聚水平与空间格局研究［J］.经济地理，2014，34（2）：58-66.

［12］郝冉. PLS路径建模在2007北京市诚信调查中的应用研究［D］.北京：首都经济贸易大学，2008.

［13］王惠文，吴载斌.偏最小二乘回归的线性与非线性方法［M］.北京:国防工业出版社，2006：102-134.

［14］徐维祥，舒季君，唐根年.中国工业化、信息化、城镇化、农业现代化同步发展测度［J］.经济地理，2014，34（9）：1-6.

［15］高楠，马耀峰，李天顺，等. 1993-2010年中国入境旅游与进口贸易耦合关系时空分异研究［J］.经济地理，2012，32 （11）：143-148，161.

［16］刘浩，张毅，郑文升.城市土地集约利用与区域城市化的时空耦合协调发展评价——以环渤海地区城市为例［J］.地理科学，2011，30（10）：1805-1817.

［17］陈立泰，刘倩.我国西部地区金融集聚与城镇化互动关系实证分析［J］.城市问题，2012（9）：17-22.

［责任编辑：余志虎］

●中国经济新常态

A Study on Spatial-temporal Differences in Coupling Relationship between Financial Industrial Agglomeration and New Urbanization —A Case of Jiangsu，Zhejiang and Shanghai

YU Si-jing，XU Wei-xiang
(School of Economics & Management，Zhejiang University of Technology，Hangzhou 310023，China)

Abstract:This paper，by taking 25 cities in Jiangsu，Zhejiang and Shanghai area as the study object and employing the rele⁃vant data from 2004 to 2013，constructed the evaluation index system of financial industrial agglomeration and new urbaniza⁃tion，measured the development level and coupling coordination degree between them by using PLS path model and coupling model，and analyzed the spatial-temporal variation characteristics of coupling coordination degree in these cities. The results show that: The coupling coordination degree between financial industrial agglomeration and new urbanization increases year by year and the spatial distribution presents the plate structure in these cities. A Z-shaped coupling coordination development zone is being formed，which takes Shanghai and Hangzhou as the center，takes Nanjing，Wuxi，Changzhou，Suzhou，Jiaxing，Ji⁃nhua，Shaoxing，Ningbo，Zhoushan as the radiating surface.

Keywords:financial industrial agglomeration; new urbanization; coupling; Jiangsu，Zhejiang and Shanghai

作者简介：俞思静（1990-），女，浙江湖州人，硕士研究生，研究方向：产业集群，区域发展;

基金项目：国家社会科学基金重点项目（13AZD013）；浙江省高校重大人文社会科学研究项目（2013GH010）

收稿日期：2015-07-09

中图分类号：F263；F291

文献标志码：A

文章编号：1007-5097（2016）02-0027-07