中国金融发展的空间格局演变及驱动因素研究

摘 要：本文以中国295个地级及以上城市为研究对象，从金融发展规模、结构与效率三方面构建金融发展的评价指标体系，利用改进后的熵权法对各城市金融发展水平进行测度，并运用地理信息系统的可视化方法和重心模型，分析了中国金融发展的空间格局及其演变，最后利用面板数据模型剖析影响中国金融发展的因素。结果表明：中国金融发展的空间分布极不均衡，形成了以北京和上海为中心的金融发展城市群，自东向西，中国整体金融发展由聚集转为扩散状态；重心的移动方向很大程度上受东部沿海地区城市金融发展的影响；制约各地区金融发展的驱动因素具有地域差异。

关键词：金融发展；空间格局；演变特征；驱动因素；地级及以上城市

中图分类号：F830 文献标识码：A 文章编号：1674-2265（2016）10-0012-08

区域金融是一个国家或地区的金融活动或金融资源在若干区域的空间分布状态，但不均衡的金融资源将会通过产生金融空间运动和交互作用而影响区域经济的稳定发展，因此，研究金融发展的空间分布对于促进经济社会的协调发展具有重要意义。改革开放以来，我国金融业得到飞速发展，2014年，我国金融机构存贷款余额和货币供应量已突破100万亿，而在1995年仅为5亿。与此同时，我国各地区间金融发展的差异也在不断扩大，尤其是各城市之间更加不均衡，呈现出三种等级：落后、较发达和相对聚集。这种城市间金融发展的不均衡，一定程度上影响了我国区域经济的协调发展。

金融地理学是人文地理学科的一个分支学科，国外金融地理学的研究始于20世纪50年代，而在我国起步较晚，且主要集中在关于金融发展与经济增长的关系、金融发展的区域差异及金融发展的空间分布特征三方面的研究中。金融发展和经济增长以需求遵从和供应主导两种关系相互依存，当经济增长刚起步时，金融是带动经济增长；当经济处于快速稳定增长时期时，经济会产生对金融服务的需求，从而推动金融的发展，金融发展和经济增长存在相互依存，也相互制约的关系。国内学者通过对我国省际数据的研究，发现我国金融发展对经济增长有着正向推动作用。我国金融市场的两大主要融资渠道分别为外商直接投资与银行信贷，前者可通过对外贸易一定程度上放大对经济增长的推动作用，而后者则可能因为资金过多流入低效国企而削减这种作用。关于区域差异的研究，刘华军（2012）和孙国栋（2012）利用地理信息系统的可视化方法，研究表明我国金融发展存在显著差异。梁慧（2015）和李敬（2008）分别从不同角度分解这种差异，前者发现我国金融发展的差异主要是各地区间的差异，而后者则表明我国金融发展的区域差异性，更多地体现在城乡之间。在1992―2008年间，我国金融发展在省域间存在较强的空间溢出效应，同期，我国金融发展的区域差异呈现“U” 形走势。部慧（2014）、汤子隆（2013）和王认真（2013）分别对我国的金融业、金融活动和金融资源配置的空间分布特征进行了研究，结果发现：我国金融业从全局看，空间聚集不显著，从局部看，具有一定的辐射效应；我国省域金融活动呈现出明显的空间正相关，且省域间金融活动的空间差异也在不断扩大；我国金融资源的空间配置在区域间初始要素禀赋对称分布时是均衡的，反之，不均衡。然而，以上研究多是针对国家层面，以省级数据为基础，而对全国地级市的研究较少，且大多数研究主要采用全局Moran I检验、局部Moran I检验和Moran 散点图分析等方法，来分析我国金融发展的空间分布特征，对于空间分布动态演变的研究相对较少。

鉴于此，本文以全国295个地级及以上城市的数据为样本，构建金融发展的评价指标体系，运用改进后的熵权法，对全国295个城市的金融发展水平进行测度分析，借助ArcGIS软件，直观地描述我国金融发展的空间分布情况，然后构建金融发展的重心模型，研究我国城市金融发展的重心迁移轨迹，最后将我国划分为经济区域，利用面板数据模型分别剖析我国及经济区域的金融发展影响因素，从而为我国金融发展提供科学的理论依据。

一、数据与方法

（一）指标、数据与地域单元的划分

1. 指标体系的构建。在研究金融发展的空间格局之前，首先应解决如何度量金融发展的问题。解运亮（2013）和郑少智（2015）均从金融发展的规模、结构以及效率来设计金融发展指标体系。本文在已有文献的基础上，结合各地级及以上城市的实际情况和数据的可获得性，构建了金融发展的评价指标体系，如表1所示。

金融发展受诸多因素影响，不同学者依据自身研究的侧重点，提出不同的因素指标。郑少智（2015）从经济、政治和社会等方面选取指标，研究区域金融发展的影响因素；刘同山（2011）将科技创新能力、经济发展水平和对外开放程度等指标直接作为因素指标进行分析。本文借鉴已有文献的研究成果，遵循指标选取的科学性、全面性和可获得性原则，从经济因素、社会环境、人力资本和政治因素四方面，选取人均GDP、对外贸易程度、交通运输水平、信息化水平、人均受教育年限、就业情况和政府干预指数七项指标作为研究金融发展的影响因素指标，其中就业情况的计算，因各城市的劳动人口数据无法获取，选取就业人员数与该城市的总人口数比值来反映。具体定义如下：

2. 数据来源与处理。本文基于年度数据，选取我国地级及以上城市金融发展评价指标的相关数据进行研究，地级行政区中的30个自治州、8个地区和3个盟未作为研究样本单元，仅选取地级市和直辖市作为研究城市。金融机构存贷款额和地区GDP根据2005―2014年《中国区域经济统计年鉴》整理获得，保费收入、保险密度和保险深度指标数据由2005―2014年《中国保险年鉴》整理获得，其中个别城市的部分年份保险密度和保险深度数据缺失，按其定义，运用保费收入与该城市总人口的比值和保费收入占国民生产总值（GDP）的比例来分别计算保险密度和保险深度。金融发展影响因素指标主要从2005―2014年《中国区域经济统计年鉴》统计得来，部分缺失数据从各省的统计年鉴中获取。在数据统计过程中，因和青海的地级市的金融发展影响因素指标数据缺失较多，因此，在分析中国金融发展的空间格局演变时，样本城市个数为295个，而在分析驱动因素时，样本城市个数为288个，剔除了和青海的地级市数据。

3. 地域单元的划分。为研究中国金融发展的空间格局演变和影响因素，本文将全国划分为经济区域，按照国务院发展研究中心战略和区域经济研究部提出的方法进行划分。其中，广东、福建、海南属于南部沿海地区；上海、江苏、浙江属于东部沿海地区；山东、河北、北京、天津属于北部沿海地区；辽宁、吉林、黑龙江属于东北地区；湖南、湖北、江西、安徽属于长江中游地区；陕西、河南、山西、内蒙古属于黄河中游地区；广西、云南、贵州、四川、重庆归属西南地区；甘肃、青海、宁夏、、新疆归属西北地区。

（二）研究方法

1. 改进后的熵权法。研究中国金融发展的空间格局，首先需对金融发展的水平有一定了解，即选择合适的度量方法，对我国金融发展进行量化。本文选用改进后的熵权法来评价我国各地级及以上城市金融发展水平，具体步骤如下：

（1）为消除各指标量纲，首先将数据标准化。公式：[mij=xij-xminxmax-xmin]，其中xij表示指标值，xmin表示第j项指标中的最小值，xmax则表示第j项指标中的最大值。

（2）考虑后面计算需取对数，为保证数值为正数，对标准化后的数据进行线性平滑法处理，使其转化到[0.1，0.9]之间，公式：[m′ij=0.1+0.8mij]。

2. 重心模型。重心最初源于物理学，后被广泛应用于研究经济和社会问题。经济、人口和能量在空间上的聚集与扩散，将会导致重心的运动，同理，区域金融发展在空间分布上的变化也会导致金融重心的迁移。本文运用重心模型，通过对我国金融发展的空间分布重心变化的研究，了解研究时期内金融发展的空间格局变化规律。依据重心模型理论构建金融发展的重心模型，具体如下：

其中，Yit表示研究区域的城市金融发展综合指数，即分析全国金融发展驱动因素时，Yit代表全国288个城市中i城市t时期的金融发展综合指数，此时i的最大取值为288；当分析南部沿海地区金融发展的驱动因素时，Yit代表南部沿海32个城市中i城市t时期的金融发展综合指数，此时i的最大取值为32，依此类推。而x1it、x2it 、x3it 、x4it 、x5it 、x6it 和x7it是指i城市t时期影响金融发展综合指数的因素，[α1]，…，[α7]均是待估参数，[α0]是常数项，[μit]是随机扰动项。

二、金融发展的空间格局演变分析

（一）金融发展水平的测度

基于金融发展评价指标体系的数据，依据改进后的熵权法的计算步骤，本文分别计算出2004―2013年全国295个地级及以上城市的金融发展综合指数，因研究的样本城市较多，本文主要对2004年、2009年和2013年排名在前10名和后10名的城市进行分析，具体排名及综合指数见图1、图2。

图1和图2中，各城市金融发展综合指数由下到上依次减小，在全国城市的排名也依次降低。由图1可知，在2004年、2009年和2013年，北京、上海和深圳始终位居前三名，而广州、杭州、南京和太原虽然名次有所波动，但是仍在前10之列；2004年，东莞和西安分别位居第8名和第10名，但在2009年和2013年却被排挤出前10名，反而成都和昆明以较高的金融发展综合指数跻身前10名；观察排名第1和第10的城市的金融发展综合指数，可以发现两者间差异较大，北京综合指数在0.01以上，而排名第10的城市始终在0.006左右徘徊；且前10名的城市主要分布在我国南部和东部沿海地区。

由图2可得，金融发展综合指数排名位居后10名的城市变化较大，只有汕尾在2004年、2009年和2013年始终在第294和295名间徘徊；无论是2004年、2009年还是2013年，排名后10名的城市其金融发展综合指数均在0.002左右，数据差异较小。

（二）金融发展的可视化描述

根据中国295个地级及以上城市的金融发展综合指数，利用ArcGIS软件，分别绘制了2004年、2009年和2013年中国地级及以上城市金融发展分布图。按照金融发展综合指数越大、发展水平越高的原理，将金融发展水平分为低等、中等、较高和高等四个等级，白色区域表示无数据的城市，具体如图3、图4和图5所示。

从图3、图4和图5可知，中国地级及以上城市间的金融发展分布不均衡。金融发展水平较高的区域主要集中在以北京、上海为中心的城市群，这与王伟（2014）基于适配城镇视角的中国城市金融发展格局的研究结果基本一致。且各省的省会城市相对本省其他城市，其金融发展水平较高，如郑州、武汉、兰州、西宁、乌鲁木齐、贵阳、海口等。无论是2004年、2009年或是2013年，中国地级及以上城市的金融发展空间分布均呈现出东部聚集而西部较扩散的状态。由以上3个图还可以看出，金融发展处于高等水平的城市，其相邻城市的金融发展一般也处于高等或较高等水平，而距离相对较远的城市则处于中等或低等水平，其中，以北京和上海为中心的城市群，该特征较为明显。以金融发展高水平城市为中心，其对周边城市产生金融辐射效应，距离越近，效果越好。对于近距离城市，金融发展高水平城市可向其提供便捷、可靠的金融信息服务，传递先进的技术资源，从而促进其金融发展；而距离较远的城市，其金融资源要素，如资本、人才、市场和技术等，反而会被金融发展高水平的城市吸引，导致其金融发展较为缓慢。

根据中国地级及以上城市金融发展分布图，只能直观地描述金融发展的空间分布差异，要更深入了解金融发展的动态变化过程，还需进一步分析中国地级及以上城市的金融发展综合指数。差异系数是测算数据离散程度的相对指标，可表示为一组数据的标准差与其均值之比，其数值越大，表示数据离散程度越高。本文按照地域单元的划分，分别计算了全国及经济区的金融发展综合指数的平均值和差异系数，并绘制了2004―2013年综合指数的平均值和差异系数随时间变化的趋势图，如图6和图7：

从图6可以看出，南部沿海地区、东部沿海地区和北部沿海地区其金融发展综合指数的平均值均大于全国平均值，且东部沿海地区的平均值远远高于南部沿海和北部沿海地区，而我国的其他地区，如东北地区、长江中游地区等均在平均水平之下。改革开放以来，我国沿海地区作为前沿阵地，其经济得到飞速发展，始终位居我国前列，雄厚的资本、卓越的人才和先进的技术，均为该地区的金融发展提供了优越的条件。2004―2013年，我国东部沿海地区和西北地区金融发展综合指数呈现波动状态，东部沿海地区2004―2006年逐年增加，2006―2008年有下降趋势，2010―2011年又开始逐渐回升，而2011―2013年又呈缓慢下降趋势；而西北地区2004―2006年呈现下降趋势，2006―2013年又开始逐年上升。我国南部沿海、北部沿海、长江中游、黄河中游和西南地区较为稳定，在2004―2013年间波动不大。东北地区和西南地区金融发展综合指数一定程度上呈现线性变化，东北地区有逐渐下降趋势，而西南地区则呈现缓慢增长趋势。

图7直观地描述了我国各地区间金融发展差异的动态变化过程。我国南部沿海、东部沿海和北部沿海地区，地区内的城市间差异高于全国城市间的差异，且北部沿海城市间差异大于东北沿海城市和南部沿海城市，而我国其余地区，如东北地区、长江中游地区等其城市间的差异均小于全国城市间差异。我国沿海部分城市，如北京、上海、深圳和广州其金融发展水平远远高于全国水平，且始终位居我国前列，而这些城市所在地区的其他城市其金融发展水平较低，甚至部分排在我国后10名之列，如广东省的汕尾市和揭阳市，这必然会导致沿海地区金融发展的不均衡。相反，长江中游地区和西南地区虽然其金融发展综合指数不高，均在0.003左右，但这两地区城市的金融发展差异较小。2004―2013年间，我国北部沿海城市间金融发展差异在逐渐减小，而西南地区、长江中游地区和东北地区城市间的金融发展差异有缓慢增加的趋势。

（三）金融发展的重心移动轨迹

为分析中国地级及以上城市金融发展重心的空间分布与迁移特征，本文运用重心模型，分别计算了2004―2013年我国地级及以上城市金融发展重心时空演变规律（见表3），因重心迁移距离较小，难以在整个研究区域中表示，因此，本文仅按一定比例，描绘了金融发展重心迁移图（见图8）。

由表3可得，2004―2013年间，我国地级及以上城市的金融发展重心有小范围的移动过程，整体上，沿南偏西30.26°方向移动了277.85米。具体地，分为七个阶段：2004―2006年和2010―2011年，金融发展重心均沿南偏东方向移动，移动距离分别为117.5米和31.62米；2006―2008年和2009―2010年，金融发展重心分别沿南偏西方向移动了180.28米和120.83米；2008―2009年和2011―2012年，则分别沿北偏东71.57°和北偏西26.57°移动了31.62米和22.36米；而2012―2013年，金融发展重心则是沿正西方向移动了70米。且由移动距离可以看出，金融发展重心在这10年间移动范围较小，在2008―2009年和2010―2011年，移动距离基本相同。

我国自然地理重心坐标为（103.5°，36°），由图8可以看出，2004―2013年，我国金融发展重心相对自然地理重心而言，始终位于其东南方向，东部沿海的上海城市群和南部沿海的广州市和深圳市，金融发展始终占据我国前列，而我国西北地区金融发展仍处于相对落后状态，因此，推动和提升我国西北地区的金融发展，对于促进我国金融协调发展具有重要意义。从移动方向来看，南北方位上，我国地级及以上城市的金融发展重心有向南移动的趋势，而在东西方位上，存在时间拐点，如2006年 、2008年、2009年、2010年和2011年，而这些拐点恰巧是东部沿海地区金融发展综合指数平均值的拐点。我国东部沿海地区金融发展水平远远高于全国其他地区，2004―2006年，东部沿海地区金融发展综合指数增加，我国地级及以上城市金融发展重心向东移；2006―2008年、2009―2010年和2011―2013年，东部沿海地区综合指数减小，金融发展重心西移；2008―2009年和2010―2011年综合指数增加，金融发展重心又向西移动。由此可见，我国金融发展重心的移动方向很大程度上受东部沿海地区城市金融发展的影响。

三、金融发展的驱动因素分析

面板数据的回归模型常见的有混合回归模型、固定效应模型和随机效应模型三种，利用F统计量检验可比较混合回归模型和固定效应模型的优劣，通过 Hausman 检验能从固定效应模型与随机效应模型中筛选最优模型。为确定最佳模型，在进行面板数据分析之前，本文分别对全国及经济区域的面板数据模型进行了F统计量检验和Hausman检验，F值分别为：154.45、119.29、142.31、279.85、91.97、38.13、152.09、75.93和43.02，均拒绝原假设，模型为固定效应模型，否定混合回归模型；Hausman统计量结果分别为1182.11、163.86、388.76、858.47、245.67、144.66、126.68、115.81和69.73，且9个统计量的P值均小于0.05。因此，均选择固定效应模型。

通过F统计量检验和Hausman检验确定固定效应模型为最优模型后，利用固定效应模型分别分析全国和各地区金融发展的影响因素，模型结果如表4。

由表4可得，我国各地区金融发展的驱动因素并不完全相同。从显著水平来看，对于全国地级及以上城市，其金融发展受人均GDP（x1）、对外贸易程度（x2）、交通运输水平（x3）和政府干预指数（x7）的影响较显著；南部沿海地区和东部沿海地区城市其金融发展均受交通运输水平（x3）和政府干预指数（x7）影响；北部沿海地区和西南地区城市其金融发展影响因素相同，除就业情况（x6）对两者无明显影响外，其他因素均对其金融发展存在一定影响；东北地区和黄河中游地区城市其金融发展均受人均GDP（x1）、信息化水平（x4）、就业情况（x6）和政府干预指数（x7）的影响；长江中游地区和西北地区城市其金融发展驱动因素较为一致，人均GDP（x1）、信息化水平（x4）、人均受教育年限（x5）和政府干预指数（x7）对两者金融发展具有显著作用。从系数的符号观察可得，政府干预指数（x7）对全国、南部沿海、东部沿海、北部沿海、长江中游、西南地区和西北地区城市金融发展均有显著的正向影响，说明我国政府的相关政策及行为会对我国金融发展产生较大的引导作用，但对东北和黄河中游地区却起到了一定的负向作用，表明这两个地区政府干预一定程度上反而抑制了其金融发展；人均GDP（x1）对我国北部沿海地区、东北地区、长江中游地区、黄河中游地区、西南地区和西北地区的城市均存在一定程度的负向作用，表明这些地区的城市其经济增长对于金融发展并未起到推动作用；对外贸易程度（x2）、交通运输水平（x3）和人均受教育年限（x5）对于大多数地区城市的金融发展均有一定程度的正向推动作用。

四、结论与建议

本文在对全国295个城市金融发展水平综合评价的基础上，从全国地级及以上城市金融发展的分布情况和重心迁移轨迹两方面分析了中国金融发展的空间格局及演变过程，并建立面板数据模型，分别考察了全国及经济区域金融发展的驱动因素，通过研究得出以下主要结论：

第一，就金融发展水平而言，中国城市间金融发展极不均衡，排名第一的北京和第二的上海，其金融发展综合指数在0.01以上，而其他293个城市均在0.01以下，且与上海的综合指数相差较大。在2004年、2009年和2013年，北京、上海、深圳、广州、杭州、南京和太原排名始终比较靠前，均在前10名之列，而排名后10名的城市并不稳定，除了汕尾一直落在后10名之列，其他城市排名均有一定的波动。

第二，从中国金融发展的空间分布情况来看，中国地级及以上城市间的金融发展分布极不均衡，金融发展水平较高的区域主要集中在以北京和上海为中心的城市群；以金融发达城市为中心，其对周围城市金融发展有一定辐射效应，距离越近，程度越高，辐射越充分；且整体上，自东向西，中国金融发展由聚集状态逐渐变为扩散状态。

第三，由中国金融发展的重心移动轨迹可得，2004―2013年间，我国金融发展重心偏向于东南地区；在这10年间，金融发展重心移动范围较小，整体上，沿南偏西30.26°方向移动了277.85米；且中国金融发展重心的移动方向很大程度上受东部沿海地区城市金融发展的影响。

第四，在金融发展的驱动因素方面，我国各地区金融发展的影响因素并不完全相同，但政府干预指数却是全国及经济区域共同的影响因素，可见在我国金融发展的进程中，政府起到了无可替代的作用；对于沿海地区，其金融发展更多地受对外贸易程度和交通运输水平的影响；而信息化水平和人均受教育年限则对东北地区、长江中游地区、西南地区和西北地区的影响更大。

基于以上结论，在未来的金融发展过程中，采取相关区域政策，促进金融发展是必然之举，对于沿海地区，通过加大贸易程度、提升贸易竞争力、优化贸易结构、提高交通运输水平，进而促进该地区金融发展；对于东北地区、长江中游地区、西南地区和西北地区，应建设信息化基础设施，促进信息技术在金融领域的广泛应用，加大教育投入，提升区域内人均受教育水平，重视人才培养，引进高素质人才，为金融发展提升人力资本水平。同时，正视金融发展的不均衡，在塑造金融核心区的同时，缩小区域差异，保持区域内金融的均衡发展，对于中国西部金融发展较落后的城市，应给予更多的政策支持，加大推动力度，促进西部城市金融发展，缩小东西部城市间的差距。重视区域经济与区域金融的联系，通过提高经济总量、调整经济规模、促进经济增长等方式，加快区域金融的发展。

参考文献：

[1]Patrick H T. 1966. Financial development and economic growth in underdeveloped countries[J].Economic development and Cultural change.

[2]沈丽，鲍建慧.中国金融发展的分布动态演进：1978―2008年――基于非参数估计方法的实证研究[J]. 数量经济技术经济研究，2013，（5）.

[3]齐昕.金融资源的空间分布状态研究――以东北三省地级以上城市为例[J].石家庄经济学院学报，2014，（6）.

[4]王伟，徐世黔，赵璐.适配城镇化视角下中国城市金融发展格局――基于287个地级及以上城市实证[J].城市发展研究，2014，（9）.

[5]曾璐璐.金融发展、对外贸易与地区经济增长――基于省际面板数据的实证分析[J].云南财经大学学报，2015，（1）.

[6]刘华军，鲍振.中国金融发展的空间非均衡与极化研究[J].当代财经，2012，（9）.

[7]孙国栋，赵浩.中国区域金融发展的空间非均衡与随机收敛检验[J].山东财政学院学报，2012，（3）.

[8]梁慧.中国金融发展区域差异性及其原因分析――基于泰尔指数的分解[J].现代商贸工业，2015，（11）.

[9]李敬，冉光和，孙晓铎.中国区域金融发展差异的度量与变动趋势分析[J].当代财经，2008，（3）.

[10]杜家廷. 中国区域金融发展差异分析――基于空间面板数据模型的研究[J].财经科学，2010，（9）.

[11]严武军.中国区域金融发展水平差异分析[J].云南财经大学学报（社会科学版），2011，（4）.

[12]部慧，梁小珍，皮理.我国金融业区域发展差异的空间统计分析[J].系统工程理论与实践，2014，（5）.

Abstract：Based on the data of 295 cities at the prefecture level or above in China from 2004 to 2013，this paper constructs the evaluation index system of financial development in terms of the scale， structure and efficiency of financial development，and uses the improved entropy weight method to measure financial development of cities. Then we analyze the spatial pattern and evolution of China's financial development by using the visual method and the center of gravity model of GIS. Finally，we use the panel data model to analyze the factors that affect China's financial development. The results show that firstly the spatial distribution of China's financial development is extremely uneven，forming urban agglomeration of the financial development centering on Beijing and Shanghai，and from east to west，China's financial development turn from the gathering to the spread. Meanwhile，the movement direction of the financial development focus was influenced by the financial development of cities in the eastern coastal areas.The driving factors of financial development in different regions are different.

Key Words：financial development，spatial pattern，evolution characteristics，driving factors，cities at prefecture level or above