韩 扬 赵心怡

(安徽财经大学,安徽 蚌埠 233040)

目前,我国经济正处于向高质量发展转变的关键阶段,金融制度作为经济社会发展的基础性制度,对国民经济发展具有重要的支撑作用。随着金融体制改革的全面深化与推进,我国金融规模迅速扩大的同时，发展质量也在不断优化。王贤彬等(2020)通过渐进性双重差分法得出结论，国家金融综合改革对于促进地方经济发展与金融良性循环具有重要作用。杨伟中等(2020)通过构建内生增长DSGE模型发现，金融资源通过改变生产要素投入规模与技术进步率推动经济高质量发展。宋冉和生蕾(2020)结合我国“十三五”区域经济发展表现提出，区域金融供需不平衡虽有所改善,但区域金融协调机制的不完善、区域金融改革举措亟待完善等问题对我国“十四五”时期发挥金融促进区域经济协调发展具有重要作用。因此,采用合理指标定量研究我国区域性金融协调发展水平,分析金融发展整体水平与区域差异具有重要意义。

目前,我国金融发展水平处于何种状态?区域性金融发展是否存在不均衡性?影响区域性金融发展的因素有哪些?以上问题的解决对于促进我国区域性金融协调发展、深化金融体制改革具有重要现实意义与参考价值。以31个省(区、市)金融发展水平为研究对象，采用2014—2018年省际年度数据对构建的金融发展综合评价指标体系采用因子分析法、TOPSIS综合评价法动态研究我国金融发展整体水平、区域金融发展水平是否协调,以及金融发展区域性差异的形成原因。

一、文献综述

目前学术界关于金融发展水平评价体系构建的研究成果十分丰富,其普遍思路是结合地区具体的金融发展状况,从选取单一指标到构建多指标评价体系。国外学者Goldsmith(1969)提出了金融相关率、非金融相关率、外部融资率等8个指标构成一个国家的金融结构评价体系。King(1993)从Depth，Bank，Private，Privy等4个维度度量金融发展程度,但是随着证券市场的发展，该体系的缺陷逐渐暴露，因此基于King的研究基础,Thorsten(2000)参考了股票和债券市场的效率和规模,Nils(2008)参考了信仰偏向、贸易对金融的冲击效应。国内学者张旭和潘群(2002)将金融中介指标与证券市场指标相结合,指出各国应根据自身实际经济情况选择金融发展水平评价指标。张薄洋和牛凯龙(2005)提出将金融相关效率、金融深度、股市效率及流动性纳入我国金融发展评价体系。沈大庆(2008)将银行贷款与GDP的比值、M2与GDP的比值、股票指数、金融相关比率等作为重要变量对金融风险进行管控。

在区域性金融发展差异研究方面,袁云峰和黄炳艺(2011)建立了金融规模与效率两大体系,提出我国各地区金融效率差异较大、金融规模经济效应较明显等观点；张亮和衣保中(2013)增加了保险收入、人均可支配收入等共15个指标，量化东北地区的金融发展水平,表明东北地区与发达地区在金融发展水平上存在较大差距；夏祥谦(2014)从金融的基本功能角度选择21个指标,表明东部地区的金融发展水平优于中、西部地区；熊学萍和谭霖(2016)从金融宽度、深度、效率以及发展生态等角度表明东部地区多数省份的金融状况要高于中、西部地区；韩永楠和周启清(2019)选择7个指标度量西藏金融发展水平,发现西藏地区金融发展较为滞后；傅巧灵等(2019)从金融服务的可获得性和使用情况角度分析发现，京津冀地区金融发展水平总体上升但各地区差距逐步扩大。

在金融发展水平评价方法方面,许丹纯等(2013)将熵权TOPSIS结果与因子得分的结果相加取均值作为研究广东农业经济发展的测度,但这一做法忽略了直接均值处理合理性；曹栋和唐鑫(2016)对2006—2013年地区金融发展进行主成分分析,但该方法存在较强的线性假设,在实际经济中很难满足；熊晓炼和周迎丰(2016)通过因子得分对西南省份的金融发展进行评价,但忽略了因子得分结果在面板数据中的不可加性；陈盛伟和冯叶(2020)在对农村三产融合研究以及王鸣涛和叶春明(2020)对绿色制造水平评价中都使用了熵值法确定指标权重,但熵权法没有考虑到指标间的相关性,并且权重会随着样本的变化而变化。

综上所述,众多学者通过构建金融发展评价指标,可以实现我国金融发展水平测度与区域性差异分析,但是不同时期的度量方法都具有各自的特殊性。较早年份指标选取一般较为简单,全面、准确地评估金融发展水平的能力较弱,而近年来的文献大多使用截面数据,难以从动态的角度衡量我国金融发展状况。因此，本文选取2014—2018年的面板数据,从金融发展基础、金融发展规模、金融服务水平、金融发展效率和金融发展结构等5个维度,首先使用面板因子分析法计算出31个省(区、市)的面板得分,然后使用TOPSIS综合评价法克服面板得分的独立性和不可加性,实现我国各地区金融发展水平的动态量化。

二、研究设计

(一)研究方法

1.因子分析法。因子分析法的核心思想是通过几个解释程度较为全面的变量代替原有变量,在保留绝大多数有效信息的前提下进行降维分析，实现步骤如下:

首先,通过相关系数矩阵计算出特征值,选择最优公共因子个数。根据求出的相关系数和特征方程|γi-rij|=0,解得特征根γi(i=1,2，…,j),顺序排列为:γ1>γ2>…>γj>0。

再次,使用汤姆森回归法计算因子得分：

最后,分析得到的公共因子。

2.TOPSIS综合评价法。TOPSIS综合评价法是通过对有限个评价对象与理想解的接近程度进行排序,以实现对现有对象进行优劣比较的综合评价方法。若样本评价对象最接近最佳解又最远离最差解,则该样本评价对象被判定为最佳策略。基于因子分析法的TOPSIS评价体系的关键计算步骤如下:

首先,计算样本指标的正理想解值与负理想解值。正理想解值MAX+=(Mmax,1,Mmax,2,…，Mmax,l)为所有区间的最大值,负理想解值MIN-=(Mmin,1,Mmin,2,…，Mmin,l)为所有区间的最小值。

(二)指标体系构建

结合国内外学者研究,兼顾数据的可获得性以及金融发展的动态性,本文从金融发展基础、金融发展规模、金融服务水平、金融发展效率及金融发展结构等5个维度对我国省际金融发展程度进行度量评价。选取的5个一级指标和15个二级指标及相关解释如表1所示。

表1 金融发展综合评价指标体系

三、实证结果及分析

本文选取2014—2018年31个省(区、市)的年度样本数据,数据来源于中经网数据库,使用SPSS26.0软件,首先进行样本检验,验证样本进行因子分析的合理性,然后通过因子分析、TOPSIS综合评价法进行权重计算,最终得到31个省(区、市)金融发展水平得分值。

(一)KMO检验Bartlett球形度检验

根据2014—2018年数据进行KMO值与Bartlett球形度检验，结果如表2所示。由表2可看出，省际KMO值均大于0.6,且Bartlett球形度检验显著性均约为0.000,因此本文建立的金融发展综合评价指标体系适宜进行因子分析。

表2 2014—2018年数据KMO值与Bartlett球形度检验

(二)公因子的选择与解释

通过因子分析法提取出的4个公因子(F1,F2,F3,F4)对原始样本数据的解释程度达到了85%以上,可以解释绝大部分信息,继续使用最大方差法对因子载荷进行旋转。结果表明:公因子F1在K4，K6，K9，K11，K12，K15上的载荷值较高,可以反映金融市场状况,将其定义为金融市场综合因子;公因子F2在K1，K2，K3，K7上的载荷值较高,可以反映金融发展生态环境状况,将其定义为金融发展生态因子;公因子F3在K8，K14上载荷值较高,可以反映金融行业发展状况,将其定义为金融中介因子;公因子F4在K3，K15上载荷值较高,可以反映证券市场规模与融资状况,将其定义为发展效用因子。本文通过2018年样本数据处理结果进行说明,其他年份与之类似,因子分析结果如下：

K1=0.245F1+0.941F2-0.009F3+0.113F4

(1)

K2=0.117F1+0.929F2+0.247F3-0.027F4

(2)

K15=0.728F1+0.116F2-0.031F3+0.361F4

(3)

F1=0.254K1+0.117K2+…+0.728K15

(4)

F2=0.941K1+0.929K2+…+0.116K15

(5)

F3=-0.009K1+0.247K2+…-0.031K15

(6)

F4=0.114K1-0.027K2+…+0.361K15

(7)

综合得分方程为:

Score2018=0.410F1+0.291F2+0.190F3+0.109F4

(8)

(三)因子分析得分结果

通过将样本数据带入式(8)可得到2014—2018年31个省(区、市)因子分析法下的金融发展综合评价分值,如表3所示。

表3 面板因子综合得分结果

对表3面板因子分析得分结果进行初步分析可得出以下结论:首先,约2/3省份的得分结果为负值,表明总体而言我国金融发展水平比较滞后;其次,31个省(区、市)的综合得分存在较大差距,得分结果为正值的大多位于东部地区,而中西部地区的得分结果基本为负值,表明我国东部地区的金融发展程度优于中西部地区,金融发展水平呈现空间上的不均衡性;最后,在样本时间区间内,东部得分较高的地区发展持续较好,而中西部大多数省份得分始终偏低。

2018年31个省(区、市)的金融发展因子得分情况如表4所示。金融市场综合因子、金融发展生态因子、金融中介因子和发展效用因子在2018年的载荷值分别为:36.135%，25.647%，16.755%，9.565%。各个地区各因素发展不协调,大多数省份的金融市场得分和金融生态得分都为负值,而其对应的金融中介得分与发展效用得分都为正值,这表明我国金融发展对金融市场与金融生态的依赖程度较低,更大程度上是通过依赖金融工具来带动金融发展。例如,北京的金融市场综合因子、金融中介因子与发展效用因子得分均为最高；上海的金融发展生态因子得分最高;西藏的金融市场综合因子得分较高,但其金融发展生态因子得分与金融中介因子得分严重偏低。

表4 2018年金融发展因子得分情况

(四)TOPSIS综合评价结果

由于因子分析综合得分结果在时间上可能会发生变化,且每年各个地区的得分值相互独立,因此难以通过取均值后的结果作为综合评价指数。本文在面板因子分析得分的基础上使用TOPSIS综合评价法来弥补以上不足。基于面板因子分析得分下省际TOPSIS综合评价结果与排序如表5所示。北京、上海、广东、天津、浙江等5个省(市)的金融发展水平较好,而内蒙古、广西、湖南等省份的金融发展水平较为落后;东部沿海地区多数省份的金融发展水平要优于中西部地区,金融发展水平较高,中部地区省份的金融发展能力相对落后。在Arcgis软件中导入相关数据,通过空间分布可视化分析，可以发现东部地区和沿海地区多数省份的金融发展水平较高,而中部地区省份金融发展能力相对落后。

表5 基于面板因子分析得分下省际TOPSIS综合评价结果与排序

四、结论与建议

(一)结论

本文从金融发展基础、金融发展规模、金融服务水平、金融发展效率以及金融发展结构等5个维度出发,利用因子分析法、TOPSIS综合评价法得到了2014—2018年31个省(区、市)的金融发展水平度量值。结果表明，影响我国各地区金融发展水平的主要因素为金融市场、金融生态、金融中介与发展效用。总体而言,我国金融发展比较滞后。从各省(区、市)来看,各地的金融发展程度、对影响因素的偏重程度一直存在较大差距。

(二)政策建议

1.发挥地区发展优势,弥补金融“短板”。研究结果表明,从整体而言,我国金融的高质量发展普遍需要更加完善的金融基础设施、高质量的金融人才队伍、高效率的金融市场环境以及较高的经济发展水平。但是,不同地区对金融发展影响因素的依赖程度不同始终是我国全面深化金融体制改革过程中的一个显著特征,因此各地区在发挥自身金融优势的同时,也应注意弥补自身薄弱要素,从而全面提高金融发展水平。

2.高质量的经济增长是金融发展的基础。金融发展是以高质量的经济增长为基础的。从研究结果不难发现,经济发展水平较好的省份金融发展水平普遍优于经济发展较为落后的省份,如东部沿海地区金融发展水平明显比西南地区发展更好。经济的持续稳定增长可以为金融发展提供动力,而金融发展又可以为经济增长提供支持。因此各地区应当优化经济增长结构,促进金融健康发展。

3.加强金融合作,实现区域协调发展。我国各地区金融发展水平存在显著差异,一方面,各地区的金融资源要素禀赋差异较大加剧了金融发展的区域性不平衡;另一方面,金融发展的不均衡又进一步降低了金融资源的配置效率。因此，各个地区在发挥自身金融发展优势的同时,也应注意地区间金融资源的协调配合,加强金融资源的要素互补,促进社会整体金融资源的高效配置,实现金融服务于国家经济的效用最大化。