陳雁云 劉 曄

江西區(qū)域金融生態(tài)環(huán)境評價

陳雁云 劉 曄

通過建立系統(tǒng)的金融生態(tài)環(huán)境評價指標體系，并綜合運用因子分析與AHP，分析江西11個地級市的金融生態(tài)環(huán)境現(xiàn)狀及影響因素。研究結果表明：影響區(qū)域金融生態(tài)環(huán)境的因素是多方面的，其中經(jīng)濟基礎、金融穩(wěn)定與發(fā)展、市場中介與信用、政府治理是影響區(qū)域金融生態(tài)環(huán)境的主要因素。因此，構建良好的經(jīng)濟與金融發(fā)展環(huán)境、建立有效的信用體系、改善政府治理效能以及協(xié)調(diào)區(qū)域經(jīng)濟發(fā)展，將有利于區(qū)域金融生態(tài)環(huán)境的改善。

金融生態(tài)環(huán)境；因子分析；層次分析法；江西

陳雁云，江西財經(jīng)大學江西經(jīng)濟發(fā)展研究院副研究員，博士；

劉 曄，江西財經(jīng)大學江西經(jīng)濟發(fā)展研究院區(qū)域經(jīng)濟學碩士生。（江西南昌 330013）

一、評價指標體系和研究方法

金融生態(tài)環(huán)境反映的是金融主體的外部運行環(huán)境，其好壞在很大程度上會影響地區(qū)的經(jīng)濟社會發(fā)展。自周小川在國內(nèi)首次提出金融生態(tài)這一概念以來[1]，國內(nèi)關于金融生態(tài)的研究越來越多。研究金融生態(tài)環(huán)境最終要落實到如何對其的評價上，關于評價指標體系，許多學者根據(jù)各自的理解分別進行了構建(見表1)。

表1 部分文獻構建金融生態(tài)環(huán)境評價指標的維度

從這些文獻可以看出，大多數(shù)文獻的共同點是把經(jīng)濟、金融、信用、政府治理和法律環(huán)境作為評價金融生態(tài)的因素。在評價方法上，常用的金融生態(tài)環(huán)境定量評價方法主要有DEA、AHP、因子分析法、主成分分析法、人工神經(jīng)網(wǎng)絡評價法、聚類分析法等[5]。

由于金融生態(tài)這一概念較為寬泛，學者們在進行地區(qū)金融生態(tài)環(huán)境評價時選取的指標與評價方法各異，從而使得評價結論不一。并且，許多文獻中僅僅用總量指標進行評價，沒有考慮區(qū)域的條件差異如面積和人口等，從而造成評價結果的失真。本文將借鑒現(xiàn)有文獻研究，結合江西省金融生態(tài)環(huán)境的現(xiàn)實，構建系統(tǒng)的評價指標體系，并綜合運用因子分析與AHP分析江西省11個地級市的金融生態(tài)環(huán)境現(xiàn)狀及影響因素，以期為地區(qū)金融生態(tài)環(huán)境的改善提供參考。

（一）評價指標體系的建立

本文的金融生態(tài)環(huán)境評價指標體系，包括經(jīng)濟基礎、金融穩(wěn)定與發(fā)展、市場中介與信用等八個方面的41個指標(見表2)。

表2 地區(qū)金融生態(tài)環(huán)境評價指標體系

（二）研究方法

本文綜合應用因子分析法和層次分析法 （Analytic Hierarchy Process，簡稱AHP）。其中，因子分析是一種多元統(tǒng)計方法，它的核心是用最少的互相獨立的因子反映原有變量的絕大部分信息，它可以消除指標的線性相關問題，通過因子得分，可以得到各經(jīng)濟單元的經(jīng)濟效益情況；層次分析法的計算結果簡單、明確，可以解決系統(tǒng)存在的不確定性和復雜性。AHP模型評價值反映決策者的主觀偏好，因子分析模型評價值反映各單元的經(jīng)濟效益，利用線性加權的方法把兩者聯(lián)用，可以更客觀地反映區(qū)域生態(tài)環(huán)境的真實情況。為了消除兩種方法計算結果數(shù)據(jù)的差異，需先進行無量綱化，之后采用以下計算公式：

式中，A為綜合評價值；y為AHP模型評價值；?為主觀偏好系數(shù)，取[0,1]中任何一個數(shù)值，由決策者根據(jù)偏好給出；1－?為客觀偏好系數(shù)；θ*為因子分析模型評價值[6]。

另外，在數(shù)據(jù)處理方面，由于本文所選指標既有正指標也有逆指標。因此，為了使指標數(shù)值與所要反映的經(jīng)濟與社會意義一致，必須先將逆向指標數(shù)據(jù)進行正向化處理，所采用的公式如下：

設 Xi為逆指標數(shù)據(jù)，

則X′i為正向化后的指標數(shù)據(jù)。在進行正向化處理后，再對數(shù)據(jù)進行標準化處理。

二、江西區(qū)域金融生態(tài)環(huán)境的實證分析

（一）數(shù)據(jù)來源

為了更準確地反映各地區(qū)情況，本文所選指標大多數(shù)采用3年加權平均方法進行處理，所用數(shù)據(jù)大多數(shù)來源于 《2010—2012江西統(tǒng)計年鑒》、 江西各地級市2010—2012年統(tǒng)計年鑒。由于數(shù)據(jù)可得性，本文最終只搜集到 41個指標中的 38個指標 2009—2011年的數(shù)據(jù)。

（二）實證分析與結果

1.因子分析

（1）因子的提取與命名

在對所有指標進行標準化處理消除數(shù)據(jù)的量綱以后，方可進行因子分析，本文采用了SPSS17.0軟件進行處理，將所有數(shù)據(jù)導入軟件進行一次因子分析，得出了表3的因子方差表。從表3可以看出，前八個因子的特征值大于1，累計方差貢獻度達97.302%，能夠反映原始數(shù)據(jù)的絕大多數(shù)信息。

表3 因子方差表

因此，選擇前8個公因子計算因子載荷矩陣，并對其進行旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣，并按變量序號進行排序。結果顯示，因子1基本涵蓋了金融發(fā)展、市場中介與信用、法治環(huán)境和部分企業(yè)狀況的指標，可視為前三者的集合；因子2可以大致描述企業(yè)狀況指標；因子3大體可作為政府治理指標的概括；因子4則可描述人口素質(zhì)指標；因子5可用來指代居民生活水平；而經(jīng)濟基礎一欄則不容易解釋，只能被看WDT是因子1、6、7的綜合表示；固定資產(chǎn)增長率波動較為獨立，因子8單獨反映了這一指標。

（2）計算因子得分

由SPSS17.0可以得到因子得分矩陣，根據(jù)因子方差表和因子得分系數(shù)矩陣建立綜合評價得分模型，計算出最終因子綜合得分的結果如圖1所示。

圖1 各地區(qū)因子綜合得分

結果顯示，新余市、南昌市與鷹潭市的金融生態(tài)環(huán)境評價值最高，而上饒市、九江市和贛州市的金融生態(tài)環(huán)境評價值最低。從第6到第10位的地區(qū)，因子得分值相差不大。

2.層次分析法分析

根據(jù)前述步驟，利用yaahp0.5.3軟件構造江西省11個地級市區(qū)的金融生態(tài)環(huán)境的遞階層次結構模型。在構造判斷矩陣時，運用Saatty提出的1－9標度法進行成對比較，并邀請多位金融生態(tài)方面的學者進行各因素重要性的相互比較，利用群決策對各指標相對重要性進行合理賦權，構造判斷矩陣，該判斷矩陣符合要求，滿足一致性檢驗。

由于各指標數(shù)據(jù)的量綱不同，本文在進行無量綱化處理后得到樣本指標值,采用加權求和的評價模型，計算得到地區(qū)的AHP評價值見表4。

表4 地區(qū)各準則層AHP 評價值排序

從單純運用層次分析法得到的評價結果來看，南昌市、新余市與鷹潭市的金融生態(tài)環(huán)境AHP評價最高，吉安市、撫州市和贛州市的金融生態(tài)環(huán)境的AHP評價最低。不過，只有在權重分配合理的條件下，評價結果的正確性才能得到保證。因此，要得到更加符合實際情況的評價結果，需綜合考慮兩種方法。

3.因子分析與層次分析評價結果的集成

為了消除兩種不同數(shù)據(jù)的量綱，首先對數(shù)據(jù)進行標準化處理。由于因子得分中包含負數(shù)，這里采用功效系數(shù)法處理數(shù)據(jù)，將數(shù)據(jù)的范圍歸到[0，1]間。而后，計算因子分析與AHP的綜合評價值，這里取?＝0.5，結果見表5。

三、評價結果分析

（一）區(qū)域金融生態(tài)環(huán)境評價結果分析

本文從八個維度對江西省的金融生態(tài)環(huán)境進行評價，無論采用哪種方法，江西省區(qū)域金融生態(tài)環(huán)境狀況都存在明顯的區(qū)域差距，南昌、新余和鷹潭的金融生態(tài)環(huán)境較好，而上饒、撫州和贛州的金融生態(tài)環(huán)境較差。

通過對比原始數(shù)據(jù)我們進一步發(fā)現(xiàn)，經(jīng)濟發(fā)展水平較高的新余、南昌和鷹潭其金融生態(tài)環(huán)境也較好，而較低的上饒和贛州則排位較后。因此，區(qū)域金融生態(tài)環(huán)境評價結果從側(cè)面反映出區(qū)域經(jīng)濟實力與金融生態(tài)環(huán)境的狀況具有一定的關聯(lián)性。然而，九江有所不同，其連續(xù)三年工業(yè)總產(chǎn)值排全省第二，但金融生態(tài)環(huán)境評價結果居于中間。這說明地區(qū)經(jīng)濟實力的強弱并不是金融生態(tài)環(huán)境好壞的唯一決定因素，金融生態(tài)環(huán)境可以通過改善其他要素進行優(yōu)化。

表5 因子分析與AHP 評價結果的數(shù)據(jù)標準化與最終得分

（二）區(qū)域金融生態(tài)環(huán)境影響因素分析

從AHP給出的權重看，經(jīng)濟基礎、金融穩(wěn)定與發(fā)展、政府治理、企業(yè)狀況和市場中介與信用這五類指標涵蓋了76.82%的權重，可視為影響金融生態(tài)環(huán)境的主要因素。就單個指標而言，企業(yè)經(jīng)濟效益綜合指數(shù)、人均GDP、金融效率、全員勞動生產(chǎn)率、地方法規(guī)健全性和金融深度在全部指標中排名靠前，是影響金融生態(tài)環(huán)境的重要因素。

從因子分析來看，前三個綜合因子反映的原始數(shù)據(jù)信息達到73%以上，他們分別指代了金融穩(wěn)定與發(fā)展、市場中介和信用、法律環(huán)境和政府治理這四大類指標，這些因素是影響金融生態(tài)環(huán)境的主要因素。因此，綜合兩種方法來看，可主要從金融穩(wěn)定與發(fā)展、政府治理和市場中介與信用等方面來改善地區(qū)金融生態(tài)環(huán)境。

（三）江西各地區(qū)金融生態(tài)環(huán)境差異分析

江西各地區(qū)在經(jīng)濟水平、金融發(fā)展、企業(yè)效益、人口素質(zhì)、地理環(huán)境均存在著較大差別，發(fā)展還不平衡。

1.區(qū)域經(jīng)濟與金融發(fā)展水平差距懸殊

反映經(jīng)濟與金融發(fā)展水平的人均GDP、固定資產(chǎn)投資、消費與進出口貿(mào)易、金融深度、金融效率等指標在各地區(qū)的差距明顯。其一，從3年的加權平均來看，江西人均GDP最高的新余市為59 246.3元，而排在倒數(shù)第5位的宜春市人均GDP僅為16 862.75元。其二，從拉動經(jīng)濟的“三駕馬車”情況看，將三者標準化后的數(shù)據(jù)加總進行對比，鷹潭、宜春二市表現(xiàn)最佳，贛州、景德鎮(zhèn)數(shù)值最低，最高與最低數(shù)值相差近1倍。其三，從金融發(fā)展的關鍵指標來看，由表4可知，經(jīng)濟基礎居中的景德鎮(zhèn)與宜春市，在金融發(fā)展程度上靠后，表現(xiàn)出經(jīng)濟與金融發(fā)展水平的不協(xié)調(diào)，而南昌、鷹潭、新余、九江和上饒的排序比較穩(wěn)定。

2.政府財政能力不一

本文在選擇政府治理層面維度時考慮了政府主導性、財政平衡能力、政府規(guī)模以及政府效率，政府主導性主要反映政府在除民生領域以外的其他領域的影響力，可以間接地反映市場配置資源狀況，因為地區(qū)財政支出占當?shù)谿DP的比重越低，則地區(qū)的市場化程度越高[7]。該指標與政府規(guī)模和政府效率在江西省各地區(qū)的差異并不大，這里主要討論各地的財政平衡能力，包括財政缺口與政府除稅收外的財政能力。從財政缺口看，南昌、新余的財政缺口達到0.63和0.64，近年來這兩市的政府利用地方融資平臺舉債數(shù)量較大，未來可能存在一定債務風險，最低的贛州僅為0.34。政府除稅收外的財政收入能力指標在0.5上下波動，最高的景德鎮(zhèn)為0.64，最低的鷹潭為0.40，各地在財政平衡能力方面存在一定差距。

3.市場中介發(fā)育情況與信用狀況差距較大

各地區(qū)在中介機構數(shù)上差距十分顯著，最高與最低地區(qū)相關數(shù)據(jù)相差值均在1倍以上。經(jīng)濟與金融發(fā)展水平高的南昌、新余，市場中介機構也較多，而發(fā)展水平較低的上饒和撫州中介機構則較少。這說明市場中介機構是伴隨著經(jīng)濟與金融發(fā)展的發(fā)展而發(fā)展的。而信用狀況方面，鷹潭的企業(yè)信用數(shù)值最高，遠遠超過其他地區(qū)，這可能是與當?shù)仄髽I(yè)效益良好有關，撫州與景德鎮(zhèn)的企業(yè)信用數(shù)值較低，其余地區(qū)的數(shù)值相當；個人信用方面，也是經(jīng)濟實力較強的地區(qū)數(shù)值高，而經(jīng)濟實力弱的地區(qū)數(shù)值低。

（四）江西各地區(qū)金融生態(tài)環(huán)境比較

這里對比2006年與2011年江西各地區(qū)金融生態(tài)環(huán)境的變化。前述表明，經(jīng)濟基礎、金融穩(wěn)定與發(fā)展、政治治理、市場中介與信用是影響金融生態(tài)環(huán)境的主要因素，因此按這幾個維度進行比較。根據(jù)AHP的指標賦權，各提取一個權重最高的指標。

經(jīng)濟基礎中的人均GDP所占權重最高，2011年江西省各設區(qū)市的人均GDP較2006年大幅增長，其中以新余市表現(xiàn)最為顯著，其值為2006年的3.6倍，其他地區(qū)的該倍數(shù)大多在2.3～2.4之間，發(fā)展比較均衡。

金融穩(wěn)定與發(fā)展中的金融效率 （銀行存貸比）對金融生態(tài)環(huán)境影響最大，從該指標看，各地區(qū)的變化趨勢不一，僅有南昌市、鷹潭市、宜春市以及新余市的銀行存貸比比2006年上升，其他地區(qū)除九江市外，其比值均降至60%以下。2006年，各地區(qū)的銀行存貸比均值為67%，到了2011年，這一均值為60%，這可能與前些年的銀根縮緊政策有關。值得注意的是，南昌市與新余市的銀行存貸比在 2011年超過 75%，分別為 82%與81.7%，需對風險嚴密把控。

市場中介與信用方面，信用擔保機構數(shù)為權重最高的指標，該指標在一定程度上可以反映信用中介市場的發(fā)育情況，由于2006年的數(shù)據(jù)不可得，無法對其進行分析。

政府治理層面的財政缺口為權重最高的指標，通過比較，各地區(qū)的財政缺口值除南昌市外均出現(xiàn)了下降，表現(xiàn)出江西省的政府財政平衡能力得到了提高，政府債務問題得到緩解。

四、結論

本文運用因子分析與AHP對江西省11個地級市的金融生態(tài)環(huán)境狀況進行了評價和分析，得出了以下幾點結論：第一，影響區(qū)域金融生態(tài)環(huán)境的因素是多方面的，不應僅僅局限于經(jīng)濟基礎、金融、信用和法律環(huán)境，還應適當考慮地區(qū)的企業(yè)經(jīng)營效益、人口素質(zhì)及居民生活水平等指標進行評價。第二，江西省區(qū)域金融生態(tài)環(huán)境存在明顯的區(qū)域差距。南昌、新余和鷹潭的金融生態(tài)環(huán)境最佳，撫州和贛州的金融生態(tài)環(huán)境較差。第三，經(jīng)濟基礎、金融穩(wěn)定與發(fā)展、政府治理、市場中介與信用是影響金融生態(tài)環(huán)境的主要因素。

綜合以上結論，本文認為，改善區(qū)域金融生態(tài)環(huán)境需要從多方面入手。其一，要夯實經(jīng)濟基礎，必須改善政府治理方式，轉(zhuǎn)變政府職能，創(chuàng)造良好的企業(yè)經(jīng)營環(huán)境，優(yōu)化區(qū)域投資環(huán)境；其二，要通過不斷深化金融及經(jīng)濟體制改革、大力發(fā)展區(qū)域的金融市場和金融服務，讓金融成為實體經(jīng)濟的有效助推器，努力提高銀行業(yè)和其他金融機構的金融服務效率，控制金融風險；其三，建立完善的社會信用體系，既要根據(jù)個體的信用狀況給予不同的授信，也要通過細致調(diào)查，支持那些一時困難但未來增長潛力大的企業(yè)，鼓勵金融機構多扮演做“雪中送炭”的角色；其四，努力調(diào)整產(chǎn)業(yè)結構，加快地區(qū)的第三產(chǎn)業(yè)發(fā)展和城鎮(zhèn)化進程，實現(xiàn)經(jīng)濟發(fā)展方式的轉(zhuǎn)變。

[1]周小川.完善法律制度,改進金融生態(tài)[N].金融時報，2004－12－07.

[2]李揚，王國剛，劉煜輝.中國城市金融生態(tài)環(huán)境評價[M].北京：人民出版社，2005.

[3]中國人民銀行洛陽市中心支行課題組.區(qū)域金融生態(tài)環(huán)境評價指標體系研究[J].金融研究，2006，(1).

[4]胡濱.區(qū)域金融生態(tài)環(huán)境評價方法與實證研究[J].經(jīng)濟管理，2009，(6).

[5]程毅.基于因子分析和DEA的金融生態(tài)環(huán)境綜合評價研究[D].邯鄲：河北工程大學，2010.

[6]周妮笛.基于AHP－DEA模型的農(nóng)村金融生態(tài)環(huán)境評價——以湖南省為例[J].中國農(nóng)村觀察，2010，(4).

[7]劉煌輝，等.地方政府行為模式對地區(qū)金融生態(tài)的影響[J].中國金融，2008，(3).

【責任編輯：陳保林】

F830.2

A

1004－518X（2013）05－0077－05