EN中文

Economic geography >

2019 , Vol. 39 >Issue 9: 48 - 55

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.09.007

The Differences of the Financial Development Level of Provinces in China along the Belt and Road

  • LUO Bailu , 1 ,
  • ZHAO Shaoping 1 ,
  • JIANG Manlin 2
Expand
  • 1. School of Economics and Management，Hunan Institute of technology，Hengyang 421002，Hunan，China
  • 2. School of Business，Guilin University of Electronic Technology，Guilin 541004，Guangxi，China

Received date: 2019-03-17

  Revised date: 2019-08-01

  Online published: 2025-04-17

Fold

Abstract

It is of great significance to the implementation of the Belt and Road Initiative to monitor regional financial development differences of provinces and cities along the Belt and Road. This paper first reviews the literature from three aspects: the evaluation of regional financial development differences, influencing factors and effect research, then it constructs the evaluation index system of regional financial development and adopts the analytic hierarchy process to determine the weight to evaluate the financial development status of 18 provinces and cities along the Belt and Road. Besides, this paper analyzes the difference characteristics of regional financial development from the dimensions of geographical region and economic distance; what's more, this paper explores the reasons for the differences in regional financial development from the perspectives of the financial development level and restrictive factors. The following basic conclusions are drawn: the Belt and Road provincial financial development has significant geographical differences, and the influencing factors also have regional differences. The core factors influencing regional financial development are, in order of degree, economic development level, development status of banking financial institutions, and development status of insurance markets.

Key words： the Belt and Road Initiative; regional financial development level; Silk Road Economic Belt; financing institutions; banking industry; high-quality development of finance

Cite this article

LUO Bailu , ZHAO Shaoping , JIANG Manlin . The Differences of the Financial Development Level of Provinces in China along the Belt and Road[J]. Economic geography, 2019 , 39(9) : 48 -55 . DOI: 10.15957/j.cnki.jjdl.2019.09.007

金融活，经济活；金融稳，经济稳。“十九大”报告指出我国脱贫攻坚任务艰巨，区域发展差距较大，据此提出实施区域协调发展的战略，加大力度深化金融改革，加大金融服务实体经济的能力，积极促进“一带一路”国际合作，促进资金融通，为缩小区域差距做出贡献。随着经济发展的不平衡，金融发展也表现出明显的非均衡发展态势。区域间金融发展不平衡不协调的状态，势必会影响现代化经济体系的建成。2015年，中国政府发布《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》，明确指出推进“一带一路”倡议需要强大的资金流作为保障。置身于“一带一路”下，如何打通区域内的金融血脉，找到沿“带”沿“路”省域金融发展差异，推动金融的高质量发展，更好地支持经济全面对外开放，构建现代经济体系，就显得十分必要。

1 文献述评

国内外对区域金融发展的研究起步较早，总体上可以分为三个类别。一是关于区域金融差异的评价研究。这些研究根据区域的大小差异，采用不完全一致的方法。如Abraham从宏观视角，以国家为样本，搜集全球37个国家的国际金融中心数据，并构建了一套评价金融发展差异的指标体系[1]。Scott Leander Tor把美国与27个金融服务大国进行对比，结论显示美国在所有的金融服务国家中处于优势地位，具有其他国家所没有的条件[2]。任广乾等采用数据包络方法对“一带一路”沿线国家的金融效率进行综合评价，结果发现“一带一路”沿线国家金融资源投入产出效率总体不高且差异较大[3]。Reed以城市为样本，对76个城市的金融发展按簇进行评价与分析，得出了排名靠前的金融中心包含的共同特质[4]。Choi对14个金融中心所在的银行进行研究。根据城市之间的差异性[5]，刘传明等以城市群为样本，搜集蚂蚁金融服务数据，采用Dagum基尼系数评价中国八大城市群互联网金融发展的区域差异，对差异性进行分解，并采用空间面板数据回归模型对σ收敛、β收敛、俱乐部收敛进行检验[6]。俞颖等运用1978—2014年数据对中国整体、东部、西部地区的金融发展差异做路径分析，得出中国整体和东部地区呈现倒“U”形的金融发展差异路径，中西部地区金融发展差异处于平稳低位运行状态[7]。第二类是关于区域金融发展差异影响因素的研究，不同研究认为其影响因素具有较大差异。Patrick在评价金融的区域差异后，从微观市场和绩效角度入手，认为核心影响因素为微观市场和绩效[8]。Molyneux等从区域内部的金融机构角度阐述，认为风险调整资本比率是影响商业银行竞争力的关键因素，进而影响区域金融发展[9]。王明虎等通过搜集沪深两市上市公司财务数据，以2004—2015年为时间跨度，研究区域金融发展对处于不同生命周期阶段的企业信用融资的影响机制，将区域金融发展差异主要归因于生命周期等[10]。王新玉等通过单位根检验和协整检验，认为京津冀三地的金融发展差距较大，保险、证券、银行业发展不平衡，导致三地金融发展差距较大的原因主要是科技水平和交通设施两个方面[11]。邹小芃等以31个金融中心城市为样本，分析了文化资本和制度环境对区域金融的影响[12]。第三类是区域金融发展差异的效应研究，即区域金融发展会产生哪些影响。孙少勤等认为区域金融发展对出口结构具有非常重要的优化作用，但中国是一个非均质国家，通过实证发现我国金融发展水平的不同指标对出口结构的优化作用存在显著的区域差异[13]。周丽丽等则在中国区域金融与经济可持续发展之间关系的实证结果中发现，中国金融发展收敛速度远大于经济增长收敛速度，中国经济增长差异每降低1%，其金融发展差异缩小8.79%，所以区域金融的过度差异化将会产生负面效应[14]。黄建欢等分析了金融发展影响区域绿色发展的四个机理，以及它们对区域绿色发展的影响和效应差异[15]。
各种文献为本研究提供了非常强的理论基础。一方面中国作为非均质的大国，区域金融发展具有显著的差异性。这种差异形成的原因不仅来源于大国经济所存在的资源禀赋和经济水平等差异，还源于不同区域对金融效应的吸收能力。另一方面区域金融差异性评价发自于不同视角。区域的定义可以放在不同国家，也可以放在不同省域，也能够置于不同的城市群，而这些不同的区域群组核心特征具有差异性，所以评价指标存在差异。
本文基于前述文献基础，研究中更突出以下视角：一方面是突出中国“一带一路”的省域。“一带一路”的倡议推出，要求各个省域在政策指向和其他国家之间的互补效应上具有一致性，所以要求国内的“一带一路”省域之间的差异不能够太大，以免造成区域的非平衡发展。另一方面是监测“一带一路”省域金融发展。本文从自身发展和环境发展两个维度评价区域金融发展，自身发展拟从总量、效率和结构三个方面进行评价，环境发展从经济实力和开放度两个方面评价，从而更适应“一带一路”省域的金融发展评价。

2 区域金融发展评价指标体系构建

2.1 指标体系构建

在综合考虑指标体系构建的原则和数据的可得性的基础上，本文提出并构建衡量区域金融发展差异的指标体系，大体思路为：一级指标为金融自身发展的差异、金融环境发展的差异。二级指标为：在金融自身发展发展差异的基础上进一步划分为总量差异、结构差异和效率差异，在金融环境发展差异的基础上细分为经济实力差异和开放力度差异。三级指标7个和四级指标23个，具体见表1。
表1 区域金融发展水平指标体系构建

Tab.1 Construction of regional financial development level indicator system

目标层 准则层 子准则层 指标层 权重 最终权重
金融自身发展水平
（0.500000）		 总量 组织规模（0.500000） 金融机构数（X1） 0.500000 0.008988
（0.071902） 金融机构职工数（X2） 0.500000 0.008988
资产规模（0.500000） 金融业增加值（X3） 0.537643 0.009664
保费收入（X4） 0.280022 0.005034
社会融资规模（X5） 0.063605 0.001143
金融业固定资产投资（X6） 0.118729 0.002134
效率 银行业效率（0.711462） 存款增长率（X7） 0.166667 0.108742
（0.588985） 贷款增长率（X8） 0.250000 0.020540
存款/GDP（X9） 0.194444 0.040275
贷款/GDP（X10） 0.388889 0.034920
证券业效率（0.189723） 地区A股新增开户数/全国A股新增开户数（X11） 0.133758 0.052380
年末国内上市公司数量占比（X12） 0.254777 0.040740
地区A股流通股市值/GDP（X13） 0.611465 0.081480
保险业效率（0.098814） 保险密度（X14） 0.500000 0.007473
保险深度（X15） 0.500000 0.014235
结构 金融上层结构（0.500000） 金融相关比率（X16） 0.641330 0.034164
（0.339113） 金融资产结构（0.500000） 短期贷款/银行贷款总额（X17） 0.121140 0.014550
中长期贷款/银行贷款总额（X18） 0.237530 0.014550
金融发展环境
（0.500000）		 经济实力 GDP总量（X19） 0.668896 0.167224
（0.500000） 财政收入（X20） 0.217391 0.054348
全社会固定资产投资（X21） 0.113712 0.028428
开放力度 进出口总额（X22） 0.500000 0.125000
（0.500000） 外商直接投资（FDI）（X23） 0.500000 0.125000
区域金融发展评价是在指标体系构建的基础上，利用综合评价方法构建区域金融发展指数，从指数分析“一带一路”区域金融发展水平差异。综合评价的核心流程包括构建指标体系、原始数据标准化、权重确定和指标汇总。
指标体系在第二部分理论分析的基础上得以构建。指标数据标准化是为了消除量纲的影响而实行的数据处理方式，本文采用0~1标准化方式对原始数据进行标准化处理。综合评价流程中非常关键的环节是权重处理。权重有多种选择方式，大体上分为主观赋权和客观赋权方式，且不同权重选择方法具有不同的适应性和特点，本文采用层次分析法对指标和不同维度进行赋权，能够将主观经验性和客观逻辑性相结合。层次分析法是一种模拟人们决策过程的思维方式的方法，它将决策问题分解为不同的层次结构，通过构建判断矩阵并计算矩阵向量的方法求得每一层次的各元素相对于上一层次某指标的优先权重，最后按照加权和的方法确定备选方案相对于目标的最终权重。通过定性与定量方法的结合，层次分析法以其简洁实用、操作简单的特点得到了广泛的应用。层次分析法的具体步骤比较成熟，在此不再赘述。利用层次分析法得到各个指标和维度的权重见表1。

2.2 指标体系的内部一致性检验和信度分析

为了验证本文前面建立的衡量区域金融发展水平的指标体系的合理性，本文利用Excel 2010进行了实际的计算，结果显示内部一致性检验系数即Cronbach α值为0.777，根据前文关于信度分析的介绍，得出本文所建立的综合评价指标体系具有良好的内部一致性。

2.3 研究范围与数据来源

在实证研究中，指标数据维度包括时间和空间两个核心维度。从时间维度来看，由于中国在2015年提出“一带一路”的倡议，根据本文的研究目标是对倡议提出之时，省域金融发展的差异、原因及其相关政策作出建议，故本文选取的时间维度为2016年度各个样本省域的数据。指标数据的空间维度以参与“一带一路”省域为区域空间，具体为我国18个省域，分别是东北地区的黑龙江、辽宁、吉林，西北地区的新疆、甘肃、宁夏以及内蒙古、青海、陕西，东部沿海的上海、广东、浙江、海南、福建，西南地区的广西、云南、西藏以及重庆。
根据指标体系和数据的维度，本文确定数据来源于中国国家统计局网站及2016年各省份区域金融运行报告。

3 区域金融发展水平的实证分析

3.1 区域金融发展水平的评价与排名

区域金融是指宏观金融体系在空间上的分布与运行，在外延上表现为具有不同形态、不同层次和金融活动相对集中的若干金融区域。
根据表1得到各个指标的权重，在对原始数据0~1标准化基础上乘以100，得到相应指标的0~100分分值，进一步对各个指标和各个维度进行加权算数平均，得到“一带一路”下18个省份的最终排名情况（表2）。
表2 18个省份金融发展水平的综合排名情况

Tab.2 Comprehensive ranking of financial development levels of 18 provinces

省份 总分数 名次 省份 总分数 名次
广东 69.642035 1 甘肃 22.740095 10
上海 56.767216 2 陕西 22.501156 11
浙江 48.239937 3 青海 21.925460 12
辽宁 39.466820 4 新疆 20.766482 13
西藏 29.090599 5 广西 17.656481 14
福建 28.481997 6 宁夏 17.101717 15
重庆 26.883200 7 黑龙江 16.670026 16
云南 24.193034 8 吉林 15.602103 17
海南 23.196610 9 内蒙古 14.471494 18
“一带一路”沿线18省份的金融发展差距显著。从得分极值来看，最高的广东与得分最低的内蒙古分值相差55.170541分，相差近5倍，排名前三的省份分别是广东、上海、浙江，均属于东南沿海地区；排名最后的3个省（区）依次为黑龙江、吉林和内蒙古。西藏金融发展指数为异常值。西藏综合排名第五位，与经济意义在一定程度上不吻合，原因主要有以下几点：①从表面上容易观察出西藏自治区单项指标金融相关比率得分较高，为76.766692；中长期贷款/银行全部贷款总额得分也高，为79.117529；存款增长率、贷款增长率、存款/GDP得分分别为100、100、95.240462。所以虽然西藏自治区有7项指标得分为0分，但综合排名还是排到了第五位。②深层次的原因有：首先，层次分析法中判断矩阵的构建有比较大的主观性，可能造成偏差；其次，本文中存贷款增长率的计算均是2013年相对于2012年的增速，所有数据均采用2013年这一年的数值而非近几年来的数据均值，可能会导致结果出现一定的偏差。再次，西藏自治区23个评价指标中金融机构数、金融机构职工数、金融业增加值、保费收入、财政收入、全社会固定资产投资、GDP总量这7项指标的得分为0，反映了该地区无论是从金融自身发展还是金融发展环境来说都是十分薄弱的。综上本文认为，西藏自治区排名第五位是一个例外。

3.2 区域金融发展差异的聚类特征

一方面，从地理区划对“一带一路”沿线18个省份进行分类，考察其中的特征。分类后的基本情况见表3。
表3 18个省份金融发展水平排名的区域划分

Tab.3 Regional division of financial development rankings in 18 provinces

区域 省份 名次 区域 省份 名次
东南沿海地区 广东 1 西北地区 西藏 5
上海 2 甘肃 10
浙江 3 陕西 11
福建 6 青海 12
海南 9 新疆 13
辽宁 3 宁夏 15
内蒙古 18
东北地区 黑龙江 16 西南地区 重庆 7
吉林 17 云南 8
广西 14
从表3可以得出，地理区划的金融发展差异显著，这种显著性不仅表现在得分高低上，也表现在不同区划金融发展的内部差异上。东南沿海和东北地区省份之间的金融发展差异明显，东南沿海地区中3个省份：广东、上海、浙江排名前三；福建和海南排名较后。东南沿海地区综合得分的极差是46.445425，广东的得分是海南的3倍，福建的2.4倍。18个省份的平均分排名为：东南沿海地区（45.27）>东北地区（23.91）>西南地区（22.91）>西北地区（21.23），区域之间的金融发展呈现出由东向西递减态势。18个省份的样本标准差排名情况为：东南沿海地区（17.344014）>东北部（11.00686153）>西北部（4.294579）>西南部（3.874358）。金融市场发展相对成熟的东南沿海地区以及东北地区之间的金融发展差异十分明显，而金融市场发展程度比较欠缺的西南地区和西北地区各省份之间的金融发展差异比较小。
另一方面，从经济距离来看，可以通过聚类分析考察样本的聚类特征。本文以“一带一路”沿线18个省份的23个指标数据作为样品数据，只涉及到了样品数据相近程度的测量，又因为欧氏距离与平方欧氏距离在上述几个距离公式中应用最为广泛，所以本文采用平方欧氏距离法进行计算。关于聚类分析的方法有很多种，本文将借助多元统计分析软件SAS对“一带一路”18个省份做系统聚类。
R 2统计量（列标为RSQ*）用于评价每次合并成NCL个类时聚类效果。 R 2越大说明NCL个分类越分开； R 2的值在0~1之间，而且 R 2的值总是随着分类个数NCL的减少而变小。如果通过分析 R 2值来确定n个样品应分为几类最合适，应该看 R 2值的变化。
伪F统计量（列标为PSF）用于评价为NCL个类的聚类效果。伪F统计量值越大，表示这些观测样品可显著地分为NCL个类。伪 t 2统计量（列标为SPRSQ）用于评价此步合并类的效果。
根据分析得出： R 2准则支持分为二类、三类和四类；伪F统计量支持分为四类和五类；伪 t 2统计量支持分为二类和四类。综合分析，认为用类平均法18个省份分为二类或四类较合适。
从图1的分类结果看，可分为四类： G 1 4 ={云南，重庆，吉林，广西，海南，青海，新疆，甘肃，陕西，内蒙古，黑龙江，宁夏，福建，西藏}， G 2 4 ={浙江，辽宁}， G 3 4 ={上海}， G 4 4 ={广东}。从经济距离划分来看，基本符合地理区划的特征，只是更为细分一些而已，故得出的基本特征和前面一致。当然，通过聚类分析进行研究，进一步说明前述聚类特征的稳健性。
图1 类平均聚类的谱系聚类图

Fig.1 The clustering diagram of class average clustering

3.3 区域金融发展差异的原因分析

区域金融发展差异总体上可归纳为两个方面：一方面是受关联性发展水平制约的；另一方面是金融发展因素制约的。从关联性发展水平来看，可以从金融综合得分的贡献度进行分析；而金融发展的制约因素，则可以采用主成分分析，进而考察影响因素。
贡献度可以区分为自身发展的贡献度和环境差异的贡献度，通过贡献度分析，计算“一带一路”沿线18省份综合得分的贡献度见表4。
表4 18个省份综合得分的贡献度

Tab.4 Contribution degrees of comprehensive scores of 18 provinces

自身发展差异贡献率 环境差异贡献率
东南沿海地区 广东 31.21080 68.78920
上海 61.86024 38.13976
浙江 47.84658 52.15342
福建 51.66005 48.33995
海南 84.40932 15.59068
平均贡献率 55.40000 44.60000
东北地区 辽宁 33.26393 66.73607
黑龙江 50.43584 49.56416
吉林 59.88596 40.11404
平均贡献率 47.86000 52.14000
西北地区 西藏 99.83837 0.16163
甘肃 88.23806 11.76194
陕西 60.50446 39.49555
青海 96.51823 3.48177
宁夏 94.63116 5.36884
内蒙古 35.70638 64.29362
平均贡献率 79.11000 20.89000
西南地区 重庆 72.60881 27.39119
云南 72.79689 27.20311
广西 62.69528 37.30472
平均贡献率 69.37000 30.63000

数据来源：在Excel 2010版中计算得出。

从表5可以看出，不同地理区域的金融发展差异原因显著不同。西北地区和西南地区的金融发展主要依赖于金融自身的发展水平，而金融发展环境对这两个地区金融发展的贡献较小，东北地区的金融发展比较偏向于依赖金融发展的外部环境，其金融自身发展水平对区域金融的带动作用不够明显。东南沿海地区金融自身发展的贡献率是55.40，金融发展的环境贡献为44.60，这说明东南沿海地区2013年金融发展更多地依赖于内因即自身的发展。因此，本文得出如下结论：第一，西南地区的省份和西北地区的省份的金融发展内因作用明显，外因作用较小，国家应当更多地为这些地区创造宽松的金融发展环境；第二，东北地区的金融发展外因性作用明显，为了进一步促进该地区金融发展，应该鼓励和发展本地区的金融市场，激发各类有利于金融发展的因素；第三，东南沿海地区金融发展的自身贡献度较之于西南和西北地区不够高，在已经拥有良好的外部金融发展环境下，应进一步提高自身的金融发展水平，努力与世界金融市场接轨。
表5 旋转后的成分矩阵

Tab.5 Components matrix after rotation

主成分1 主成分2 主成分3
金融机构个数 0.255166 -0.112960 0.231501
金融机构职工数 0.278937 0.001777 -0.017920
金融业增加值 0.272064 0.144374 -0.027570
保费收入 0.275566 0.090876 0.080294
社会融资规模 0.271558 0.105865 0.046160
金融业固定资产投资 0.188375 -0.341860 0.269764
短期贷款/银行业贷款总额 0.145535 -0.453470 -0.222340
中长期贷款/银行业贷款总额 -0.157690 0.367592 0.327684
存款增长率 -0.147830 0.258832 0.377191
贷款增长率 -0.145440 0.233791 0.228199
地区A股新增开户数/全国A股新增开户数 0.266702 0.172423 0.025162
年末国内上市公司数量占比 0.262964 0.193148 -0.005890
保险密度 0.186614 0.239721 -0.394200
保险深度 0.146913 0.259759 -0.476600
GDP总量 0.272301 -0.006960 0.169845
财政收入 0.274210 0.093761 0.070592
全社会固定资产投资 0.217257 -0.326200 0.256912
进出口总额 0.241787 0.277163 0.105332
FDI 0.242233 -0.037890 0.135837
对于金融发展的制约因素，本文采用主成分方法对评价指标做主成分分析。从评价指标体系来看，考虑到对18个省份从23个指标即23个方面去阐述金融发展水平的差异的不可操作性，以及23个指标之间由于存在相关性可能存在信息之间的重叠，本文将借助多元统计分析软件SPSS19.0，利用多元统计分析中的主成分分析，从23个指标中提取出几个主成分，在此基础上阐述省份之间金融发展差异的原因。以累计主成分贡献率达到80%以上为标准，选取得到3个主成分，为便于解释，旋转后的充分矩阵见表5。
根据表5，通过主成分分析模型，得到各个主成分表达式如下：
Y 1 = 0.252166 X 1 * + 0.278937 X 2 * + 0.272064 X 3 * + 0.275566 X 4 * + 0.271558 X 5 * + 0.188375 X 6 * + 0.145535 X 7 * - 0.157685 X 8 * - 0.147830 X 9 * - 0.145438 X 10 * + 0.266702 X 11 * + 0.262964 X 12 * + 0.186614 X 13 * + 0.146913 X 14 * + 0.272301 X 15 * + 0.274210 X 16 * + 0.217257 X 17 * + 0.241787 X 18 * + 0.242233 X 19 *
Y 2 = - 0.112957 X 1 * + 0.001777 X 2 * + 0.144374 X 3 * + 0.090876 X 4 * + 0.105865 X 5 * - 0.314860 X 6 * - 0.453468 X 7 * + 0.367592 X 8 * + 0.258832 X 9 * + 0.233791 X 10 * + 0.172423 X 11 * + 0.193148 X 12 * + 0.239721 X 13 * + 0.259759 X 14 * - 0.006963 X 15 * + 0.093761 X 16 * - 0.326203 X 17 * + 0.277163 X 18 * - 0.037891 X 19 *
Y 3 = 0.231501 X 1 * - 0.017922 X 2 * - 0.027565 X 3 * + 0.080294 X 4 * + 0.046160 X 5 * + 0.269764 X 6 * - 0.222342 X 7 * + 0.327684 X 8 * + 0.377191 X 9 * + 0.228199 X 10 * + 0.025062 X 11 * - 0.005888 X 12 * - 0.394197 X 13 * - 0.476604 X 14 * + 0.169845 X 15 * + 0.071592 X 16 * + 0.256912 X 17 * + 0.105332 X 18 * + 0.135837 X 19 *
式中： X 1 *、 X 2 *、 X 3 *、 X 4 *、⋯ X 19 *表示数据原始数据标准化之后的值。
由式（1）、（2）、（3）可以清晰地看到本文提取的第一个主成分是一个综合性的因子，除了中长期贷款/银行业贷款总额（X8）、存款增长率（X9）、贷款增长率（X10）这三个指标值为负值且较小之外，其余变量对第一个主成分的影响（即系数绝对值大小）相当，所以本文将该主成分命名为经济发展水平。第二个主成分的线性组合中短期贷款/银行贷款总额（X7）、中长期贷款/银行贷款总额（X8）、全社会固定资产投资（X17）、金融固定资产投资（X6）等指标前的系数绝对值较大，说明第二主成分可以看成是这些指标的综合变量，再结合目前我国绝大多数地区仍然是以银行业金融机构为主要筹融资的主要渠道，本文将第二主成分分析命名为银行业金融机构的发展状况；第三主成分则主要从保险市场的运作效率来衡量各地区金融发展的状况，即可以看成是保险密度、保险深度的综合变量，故而命名为保险市场的发展状况。由上述实证分析我们得到第一主成分能够反映原始数据66.036%的信息，第二主成分可以解释11.870%的信息，第三主成分可解释9.004%的信息。基于方差贡献率可知，影响金融发展差异的核心因素依次为经济发展水平、银行业金融机构发展状况、保险市场发展状况。
进一步利用式（1）、（2）、（3）计算出18个省份各主成分的得分情况，具体见表6。
表6 18个省份各主成分的得分情况一览表

Tab.6 List of scores of principal components in 18 provinces

得分 第一主成分得分 第二主成分得分 第三主成分得分
上海 3.948590 2.480444 -3.006762
福建 1.408886 -0.738550 -0.198282
广东 9.340218 2.420190 2.092843
浙江 6.033620 -1.899512 -1.140461
海南 -3.364819 1.702810 0.713787
黑龙江 -0.125130 -1.457908 -0.975393
吉林 -1.458455 -0.649505 0.237133
辽宁 3.021764 -2.450844 1.670169
新疆 -1.462875 0.363782 -1.302694
陕西 -0.327461 -0.145969 0.298371
甘肃 -2.090662 0.050885 -0.264636
宁夏 -2.502868 -0.508819 -1.979528
青海 -3.571192 0.574112 0.358550
西藏 -4.311956 2.075698 1.513882
内蒙古 -1.165816 -2.171973 0.725578
广西 -1.301427 -0.553096 1.133576
云南 -1.201114 0.110353 0.044069
重庆 -0.869306 0.797928 0.079786
表6显示，第一主成分只有上海、福建、广东、浙江、辽宁得分为正值，且从大到小依次排序为：广东>浙江>上海>辽宁>福建，因为第一主成分的综合经济含义为经济发展水平，而我们得到的数据恰恰反映了这18个省份2013年的经济发展状况。第二主成分代表的是银行业的发展状况，金融发展水平好的上海和广东均为正值，西藏的值较其他省份表现突出，主要是因为国家西部大开发战略的落实取得了较大成果，西藏的中长期贷款/银行业全部贷款总值、存款增长率和贷款增长率都明显优于其他身份。东北三省的第二主成分的得分为负值，主要是因为短期贷款/银行业贷款总额、金融业固定资产投资、全社会固定资产投资前面的系数为负，而东北三省的这三个指标的标准化数据均为正值导致的。第三主成分代表的是保险业发展的状况，因为保险密度与保险深度这两项指标前面的系数为负值，所以第三主成分越小表示保险市场的发展状况越好，其中上海、浙江、新疆、宁夏的保险市场发展比较好，而广东省与其它经济发展水平相似的上海、浙江、江苏的保险业发展存在一定差距。2013年的各省份区域金融发展报告显示：广东省人均保费收入即保险密度为1 795元<江苏省（1 823.6元/人）<浙江省（2 018.7元/人）<上海市（3 401.2元/人）。

4 区域金融差异形成的原因及政策建议

4.1 18个省份区域金融差异形成的原因

4.1.1 地区经济发展水平的差异

从前文实证分析可以看到东南沿海省份的金融发展状况普遍优于西北、西南以及东北地区。聚类结果显示：上海、广东各为一类，浙江、辽宁为一类，其余的比如云南、青海、新疆、甘肃等归为一类。我们从上述结果中可以发现金融发展水平较高的上海、广东、浙江、辽宁等都位于东部沿海一带。东部沿海一带位于黄河、长江的下游地带，地势平坦，土壤肥沃，水路便利，农业发达，为工业以及第三产业的发展提供了原材料。同时又濒临渤海、黄海、东海，对外贸易发达，对外开放度高，便于引进外资和先进的技术和管理经验。而向西南地区、西北地区等西部内陆地区，自然条件相对恶劣，地势不平坦，不利于农业的专业化生产，濒临的国家像蒙古、哈萨克斯坦、吉尔吉斯斯坦等均为经济不发达国家，沿边贸易落后。以上自然条件的差异造就了各地区不同的产业结构。而不同的产业结构又影响了各地区的经济结构状况。经济结构的差异导致了各地区经济发展水平的差异，经济发展水平的差异最终导致了地区金融发展的差异。

4.1.2 银行业发展

西部地区金融机构数量少，结构单一，以四大国有商业银行为主，这势必会造成金融机构竞争机制不健全，金融机构缺乏金融产品和金融结构创新的动力。企业投融资渠道单一，主要依靠内源性融资方式，以间接融资为主。我国金融市场发展不健全，股票市场，期货期权交易市场发展严重滞后。上海、广东、辽宁、浙江等地区银行类金融机构资产充足，不良贷款率低，且金融机构数量多，企业的筹资渠道多，筹资成本低。其中上海证券交易所2017年股票成交量达到26 718.85亿元，筹资额达到2 515.72亿元，上海市场股票市值GDP占比中，总市值占比为26.57%，流通市值占比为24.00%。

4.1.3 保险市场的状况

“一带一路”背景下省份之间经济发展存在巨大差异，这在一定程度上决定了地区不同的保险市场的发展状况。上海、浙江、辽宁等地区人均收入水平高，而且微观主体的金融意识、保险意识比较强，对保险业的需求多，自然相应的供给就会多，保险密度、保险深度就大。而宁夏、广西、重庆等地经济相对欠发达，教育落后，受到当地文化、习俗的影响，人们参保意识普遍较弱，保险业务需求不足，供给必然更少。

4.1.4 人力资本与科技发展水平

一个地区金融方面的人才素质与质量越高，该地区在发挥金融服务实体经济的过程中效率就越高。2017年末，上海共有普通高等院校68所，毕业生数约13.38万人；广东高等院校数共计138所，毕业生人数（本科、专科）达到41.23万人；浙江共有106所（含独立学校及筹建院校），本专科生毕业数约24.5万人；2013年末，辽宁普通高等院校数达到115所，毕业生数则约为24.1万人次；陕西有80所普通高等学校，毕业生25.38万人；内蒙古有49所普通高等院校，毕业生10.83万人次；西藏仅有6所普通高等院校，毕业生（本专科）共计9 139人。以上数字可以从侧面反映出各省份教育水平的差异。经济发展水平较高的地区（上海、广东、浙江、辽宁）受教育水平高，人力资本水平明显优于陕西、内蒙古、西藏等省份。

4.1.5 金融信息化水平

金融信息化水平的高低直接关系到金融体系运行效率。2017年末，上海银行卡累计发卡量达到了16 556.26万张，银行卡交易额达21 403.08亿元，移动电话普及率为132.5%，互联网普及率75.7%；广东通信业业务总量达1 915.99亿元，本地移动电话用户数为14 706.06万户，普及率达到138.16户/百人，本地交换设备容量为4 086.51万门；浙江邮政业务总量约为1.18亿元，本地电话交换机容量是2 613万门，移动电话普及率达到128.7部/百人。相比之下，西部省份信息化水平稍显落后。2017年末，宁夏电信业务总量为66.96亿元，电信业全年局用交换机总容量仅为198万门，互联网普及率仅43.7%；广西电信业务总量为363.25亿元，内蒙古则为270.63亿元。

4.1.6 政策因素

实行区域不均衡发展战略，允许区位条件优越的东部沿海地区先发展。在此背景下，形成了经济特区、沿海开放城市、沿海经济开放区，最后内陆这样一个由东向西成梯度的对外开放格局。东部各省份比如上海、广东、浙江等在享受国家优惠政策后，经济迅速崛起，市场化程度明显提高，国家的经济迅速腾飞。但是，东部地区崛起后并没有有效反哺于西部各省份，即发挥金融扩散效应，相反，东西部差异越来越大，西部地区的资金在趋利性的本质作用下，源源不断地流向东部各地。

4.2 建议

聚类结果中金融发展良好地区，如上海、广东、浙江和辽宁，金融市场化程度高，区域金融市场内的各种金融机构种类丰富，金融工具多样化，竞争机制相对完善，金融市场整体较为活跃，针对此类省份，应加强立法、促进区域金融合作、建立人才队伍、加强信息化建设、加快与国际接轨，政府这只“看得见的手”在市场中应该扮演“裁判员”的作用，充分发挥市场调配资源的作用机制。可以考虑建立区域性的金融中心，发挥金融增长极的扩散效应，带动周围地区金融发展。
聚类结果中金融发展相对滞后地区，建议从缩小地区经济发展水平、差别化的区域金融政策、政府政策倾斜、加强金融生态环境建设等方面提高区域金融发展水平。

References

Publishing order | Descend order by publishing year | Descend order by cited within
[1]
Abraham, Jean Paul, Bevies Nadia. The Competitiveness of In-ternational Financial Centers InJack Revel. The Changing Face of European Banks and Securities Markets[M]. London:St. Martin’s Press, 1994.

[2]
Scott Leander. A Model of Trade Liberalization in Services[J]. Review of International Economies, 2006, 18(3):148-168.

[3]
任广乾, 刘莉. “一带一路”沿线国家金融效率综合评价[J]. 经济地理, 2018, 38(6):109-116.

DOI

[4]
Reed H C. The Preeminence of International Finance Centers[M]. New York: Praeger Publishers, 1981.

[5]
Choi S R, Park D, Tschoegl A E. Banks and the world’s majorbanking centers[J]. Review of WorldEconomics, 2003, 139(3):550-568.

[6]
刘传明, 王卉彤, 魏晓敏. 中国八大城市群互联网金融发展的区域差异分解及收敛性研究[J]. 数量经济技术经济研究, 2017, 34(8):3-20.

[7]
俞颖, 苏慧琨, 李勇. 区域金融差异演进路径与机理[J]. 中国工业经济, 2017(4):74-93.

[8]
Patrick, Hugh T. Financial Development and Economic Growthin Underdeveloped Countries[J]. Economic Development and Cultural Change, 1966, 14(2):174-189.

[9]
Molyneux P, Seth R. Foreign banks,profits and commercialcredit extension in the United States[J]. Applied Financial Economics, 1998, 8(5):533-539.

[10]
王明虎, 魏良张. 区域金融,企业生命周期与商业信用融资[J]. 南京审计大学学报, 2017, 14(1):1-9.

[11]
王新玉, 刘淑娥. 京津冀一体化下金融协同发展研究——基于金融发展视角[J]. 技术经济与管理研究, 2017(11):113-117.

[12]
邹小芃, 叶子涵, 杨亚静. 文化资本,制度环境对区域金融中心的影响[J]. 经济地理, 2018, 38(4):73-80.

DOI

[13]
孙少勤, 邱斌. 金融发展与我国出口结构优化研究——基于区域差异视角的分析[J]. 南开经济研究, 2014(4):17-31.

[14]
周丽丽, 杨刚强, 江洪. 中国金融发展速度与经济增长可持续性——基于区域差异的视角[J]. 科技与经济, 2014(2):58-69.

[15]
黄建欢, 吕海龙, 王良健. 金融发展影响区域绿色发展的机理——基于生态效率和空间计量的研究[J]. 地理研究, 2014, 33(3):532-545.

DOI

Options
Outlines

/

〈 〉