馮 林，劉華軍，宋建林

（1.山東財經(jīng)大學(xué)金融學(xué)院，山東濟(jì)南 250014；2.山東財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，山東濟(jì)南 250014）

?

基于熵權(quán)TOPSIS法的縣域金融集聚評價研究——以山東省為例

馮 林1，劉華軍2，宋建林1

（1.山東財經(jīng)大學(xué)金融學(xué)院，山東濟(jì)南 250014；2.山東財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院，山東濟(jì)南 250014）

摘 要：首先構(gòu)建縣域金融集聚水平的評價指標(biāo)體系，利用指標(biāo)數(shù)據(jù)的熵值確定各指標(biāo)權(quán)重，然后運(yùn)用TOPSIS法對山東省90個縣級單位2009 -2013年的金融集聚水平進(jìn)行了綜合評價，并在此基礎(chǔ)上分析了山東省縣域金融集聚水平的演進(jìn)趨勢。研究發(fā)現(xiàn)：山東省縣域金融集聚水平呈現(xiàn)出十分明顯的集群分布和梯度分布規(guī)律，其中半島沿海地區(qū)、魯中經(jīng)濟(jì)帶以及魯南部分地區(qū)金融集聚水平最高，而魯北、魯西的多數(shù)縣域都處于相對落后的位置；2009年以來金融集聚水平排名上升幅度較大的縣域主要分布在菏澤、德州、日照以及半島腹地等區(qū)域，而排名下降幅度較大的縣域主要分布在濱州、棗莊、聊城以及魯中山區(qū)等區(qū)域。據(jù)此，對不同梯度的縣域提出了提升金融集聚水平的政策建議。

關(guān)鍵詞：金融集聚；縣域金融；熵權(quán)法；TOPSIS法；模糊綜合評價

0 引 言

縣域經(jīng)濟(jì)是經(jīng)濟(jì)社會發(fā)展的重要支撐，縣域金融業(yè)發(fā)展水平對縣域經(jīng)濟(jì)發(fā)展、經(jīng)濟(jì)結(jié)構(gòu)調(diào)整和產(chǎn)業(yè)轉(zhuǎn)型升級支持作用巨大［1］。目前我國縣域?qū)用娼鹑诩鄣臉O化效應(yīng)已經(jīng)顯現(xiàn)，一些發(fā)達(dá)縣域依靠區(qū)位、資源等基礎(chǔ)條件實(shí)現(xiàn)了經(jīng)濟(jì)的率先起步，吸引了大量金融和信貸資源，為產(chǎn)業(yè)結(jié)構(gòu)升級和經(jīng)濟(jì)轉(zhuǎn)型提供了進(jìn)一步支持，金融與經(jīng)濟(jì)之間已呈現(xiàn)良性互動局面，而一些落后縣域卻依然徘徊在粗放發(fā)展的路徑當(dāng)中，飽受金融資源流失之苦，經(jīng)濟(jì)轉(zhuǎn)型步履維艱?？茖W(xué)評價縣域金融集聚水平是分析金融集聚演進(jìn)趨勢，加快縣域金融集聚，充分發(fā)揮金融集聚對縣域經(jīng)濟(jì)助推作用的基礎(chǔ)。本文將首先構(gòu)建縣域金融集聚水平評價指標(biāo)體系，利用指標(biāo)數(shù)據(jù)的熵值確定各指標(biāo)權(quán)重，然后運(yùn)用TOPSIS法對山東省90個縣級單位2009 -2013年的金融集聚水平進(jìn)行了綜合評價，在分析了山東省縣域金融集聚水平的演進(jìn)趨勢的基礎(chǔ)上提出了相關(guān)政策建議。

1 文獻(xiàn)綜述

1.1 對金融集聚界定的研究

金融集聚水平的衡量需要構(gòu)建全面、科學(xué)、客觀的指標(biāo)體系，而指標(biāo)體系取決于評價對象經(jīng)濟(jì)及金融發(fā)展特征及學(xué)者對金融集聚內(nèi)涵的理解。就目前而言，國內(nèi)對金融集聚還沒有明確的定義，但不同的學(xué)者也都給出了自己相應(yīng)的見解。Porter［2］在其《國家競爭優(yōu)勢》一書中提出了產(chǎn)業(yè)集聚的定義，即產(chǎn)業(yè)集聚是一組在地理上接近的相互聯(lián)系企業(yè)及相關(guān)機(jī)構(gòu)，這些企業(yè)和機(jī)構(gòu)同處于某一特定的產(chǎn)業(yè)領(lǐng)域，由于需求供應(yīng)的共同性和互補(bǔ)需求而集聚在一起。這里指的企業(yè)主要指的是制造型企業(yè)，然而金融集聚不同于制造業(yè)集群，金融集聚是金融資源、金融系統(tǒng)在結(jié)構(gòu)、功能、規(guī)模等級上的時空有序演變的結(jié)果，是金融資源和地理因素、文化環(huán)境以及其他行業(yè)融合，相互作用和相互促進(jìn)的結(jié)果。Kindle［3］從功能的角度對金融中心進(jìn)行了定義：金融中心不僅可以平衡私人企業(yè)儲蓄和投資并將金融資源從資金持有者的手中向資金需求方轉(zhuǎn)移，而且也可以影響地區(qū)之間的存款轉(zhuǎn)移。滕春強(qiáng)［4］認(rèn)為金融產(chǎn)業(yè)集群是具有空間地理接近性、行業(yè)互動性、社會接近性的金融企業(yè)及其相關(guān)輔助產(chǎn)業(yè)，通過金融資源與地域條件協(xié)調(diào)、融合、組合的時間和空間的動態(tài)變化，達(dá)到一定規(guī)模和集聚程度的介于金融市場組織和金融企業(yè)的一種中間網(wǎng)絡(luò)組織。王步芳［5］的研究則認(rèn)為，金融產(chǎn)業(yè)集群具備金融市場和金融企業(yè)科層組織的功能，能有利于形成一個穩(wěn)定有序的金融生態(tài)環(huán)境，同時金融集聚在金融整合力、綜合競爭力、資源吸引力和社會影響力等方面具備金融市場或金融機(jī)構(gòu)層次組織所不具備的競爭優(yōu)勢。金融產(chǎn)業(yè)集群是指金融產(chǎn)業(yè)的各種企業(yè)和輔助行業(yè)結(jié)構(gòu)根據(jù)縱向?qū)I(yè)化分工和橫向競爭與合作關(guān)系，大量集中于某一特定城市而形成具有聚集經(jīng)濟(jì)性的金融產(chǎn)業(yè)組織，金融產(chǎn)業(yè)集群的形成一般不是靠政府政策主導(dǎo)能夠?qū)崿F(xiàn)的，而是通過市場長期競爭發(fā)展的結(jié)果。梁穎等［6］把金融集聚定義為：金融集聚是指一國的金融監(jiān)管部門、金融中介機(jī)構(gòu)、金融輔助機(jī)構(gòu)、國內(nèi)金融企業(yè)等具有總部功能的機(jī)構(gòu)在向某一特定區(qū)域集聚，并與其他國際性金融機(jī)構(gòu)、跨國公司、國內(nèi)企業(yè)總部之間存在密切的相互聯(lián)系的特殊產(chǎn)業(yè)空間組織。

1.2 對金融集聚評價指標(biāo)體系的研究

關(guān)于金融集聚的衡量指標(biāo)，近年來對金融集聚成因及經(jīng)濟(jì)效應(yīng)的相關(guān)研究往往采用某一類金融指標(biāo)作為金融集聚的代理變量，如成春林等［7］在對江蘇省縣域?qū)用娼鹑诩鄣挠绊懸蛩剡M(jìn)行分析時使用存貸款總量作為金融集聚的代理變量，周天蕓等［8］在對金融機(jī)構(gòu)空間集聚與經(jīng)濟(jì)增長關(guān)系的研究中使用金融機(jī)構(gòu)密度來衡量金融集聚水平。但是有關(guān)金融集聚水平評價的研究更多地使用了復(fù)合指標(biāo)體系。如胡堅等［9］認(rèn)為經(jīng)濟(jì)因素、金融因素和政治因素是影響一個地區(qū)能否成為國際金融中心的三個最主要因素。在構(gòu)建國際金融中心的評估指標(biāo)體系中引入了經(jīng)濟(jì)指標(biāo)、金融指標(biāo)和政治指標(biāo)三類指標(biāo)，包含GDP增長率、金融部門產(chǎn)值/ GDP、金融從業(yè)人員占全部人員的比例等22個指標(biāo)，并通過回歸和實(shí)證檢驗方法從統(tǒng)計的角度檢驗了這些指標(biāo)對國際金融中心評估的顯著性。張澤慧［10］則認(rèn)為金融中心指標(biāo)體系的構(gòu)成應(yīng)包括國內(nèi)霸主地位、金融中心的流動性、金融的集中度、資本的安全性等四個方面。因此在金融中心指標(biāo)體系中引入了金融部門產(chǎn)值/ GDP，金融中心從業(yè)人員數(shù)量，金融機(jī)構(gòu)數(shù)量等指標(biāo)。殷興山等［11］在其構(gòu)建的城市金融競爭力評價指標(biāo)體系中主要包含了金融集聚力，金融資源率和金融區(qū)位力。其中金融集聚力的評價模型的指標(biāo)主要選取了金融機(jī)構(gòu)存款余額、金融機(jī)構(gòu)貸款余額、保費(fèi)收入、金融從業(yè)人員等。王仁祥等［12］在區(qū)域金融中心的研究中采用了模糊綜合評判與AHP相結(jié)合的方法，其一級指標(biāo)包含了經(jīng)濟(jì)發(fā)展、金融發(fā)展、城市發(fā)展；二級指標(biāo)經(jīng)濟(jì)發(fā)展包含GDP、人均GDP、GDP增長、社會消費(fèi)品零售總額、財政收入、固定資產(chǎn)投資。金融發(fā)展指標(biāo)包含本外幣存款余額，本外幣貸款余額，外資銀行家數(shù)，商業(yè)銀行分支機(jī)構(gòu)數(shù)，金融從業(yè)人員數(shù)，金融從業(yè)人員占總就業(yè)人員比率，保險收入，證券交易量，期貨交易量。城市發(fā)展指標(biāo)包含第三產(chǎn)業(yè)增加值，第三產(chǎn)業(yè)增加值占GDP比重，基礎(chǔ)設(shè)施投資，基礎(chǔ)設(shè)施投資占總投資的比重，貨物周轉(zhuǎn)量，旅客周轉(zhuǎn)量，郵電業(yè)務(wù)量。法律政治環(huán)境包含法律環(huán)境，信用環(huán)境，優(yōu)惠政策。黃解宇等［13］構(gòu)建了金融中心建設(shè)條件的基本評價指標(biāo)，并認(rèn)為經(jīng)濟(jì)規(guī)模、金融集聚程度、機(jī)構(gòu)集聚程度、經(jīng)濟(jì)區(qū)位力、金融需求因素、環(huán)境因素、制度因素、金融基礎(chǔ)設(shè)施指標(biāo)是國內(nèi)金融中心的形成與集聚的主要條件?，F(xiàn)有評價研究為本文指標(biāo)體系的構(gòu)建和研究方法的選取提供了良好的借鑒，但大多針對省級或區(qū)域金融集聚情況進(jìn)行評價，尚缺乏有針對性的縣域金融集聚指標(biāo)體系及實(shí)證評價研究。

2 指標(biāo)體系及評價模型構(gòu)建

2.1 評價指標(biāo)體系構(gòu)建

評價指標(biāo)的選取不僅關(guān)系到整個評價體系構(gòu)建的合理性，更關(guān)系到最終評價結(jié)果的準(zhǔn)確性。相對于省市層面的地區(qū)單位，縣域金融集聚尚處于初級階段，從而呈現(xiàn)出獨(dú)有的特點(diǎn)：一是縣域金融集聚層次較低。與省市單位尤其是發(fā)達(dá)地區(qū)相比，縣域金融市場規(guī)模較小，高度依賴銀行信貸為主的間接融資。同時，縣域金融市場金融機(jī)構(gòu)規(guī)模較小，以中小金融機(jī)構(gòu)為主，非正規(guī)渠道融資占有相當(dāng)大的比重。因此，銀行存貸款規(guī)模及儲蓄存款規(guī)模是縣域金融集聚水平的直接體現(xiàn)。二是縣域金融集聚水平差異明顯。基于縣域經(jīng)濟(jì)發(fā)展的不平衡性，縣域金融集聚水平呈現(xiàn)出較大差異，部分發(fā)達(dá)縣域憑借良好的資源環(huán)境稟賦和產(chǎn)業(yè)基礎(chǔ)吸引了大量金融機(jī)構(gòu)和金融資源的集聚，而一些落后縣域經(jīng)濟(jì)發(fā)展尚處于起步階段，金融資源處于凈流出狀態(tài)，更是難以吸引外部金融資源和金融機(jī)構(gòu)的進(jìn)入。以上差異集中表現(xiàn)在縣域金融機(jī)構(gòu)種類和數(shù)量的明顯差異。因此金融機(jī)構(gòu)及其從業(yè)人員數(shù)量也是衡量縣域金融集聚的重要標(biāo)準(zhǔn)。

綜合以上分析，本研究認(rèn)為縣域金融集聚水平可以用金融資源的集聚、金融機(jī)構(gòu)的集聚和金融產(chǎn)值的集聚來衡量。金融資源的集聚即銀行存貸款規(guī)模的大小，而儲蓄存款是存款派生的基礎(chǔ)，是金融機(jī)構(gòu)集聚的基礎(chǔ)，故將其也納入指標(biāo)體系中。金融機(jī)構(gòu)集聚可以用縣域金融機(jī)構(gòu)及其從業(yè)人員數(shù)量來衡量。縣域金融產(chǎn)值體現(xiàn)了縣域金融產(chǎn)業(yè)的總體規(guī)模，可以用金融產(chǎn)業(yè)增加值來衡量。

借鑒現(xiàn)有研究成果中金融集聚的相關(guān)指標(biāo)，同時結(jié)合縣域金融發(fā)展特點(diǎn)及數(shù)據(jù)可得性，依據(jù)科學(xué)性、合理性、可比性和操作性的原則，本文構(gòu)建了如表1所示的指標(biāo)體系，該指標(biāo)體系分為目標(biāo)層、準(zhǔn)則層和指標(biāo)層，其中目標(biāo)層是金融集聚程度指標(biāo)；準(zhǔn)則層包含金融資源、金融機(jī)構(gòu)和金融產(chǎn)值三個層次，分別反應(yīng)各縣域存貸款規(guī)模、金融機(jī)構(gòu)數(shù)量和金融產(chǎn)值的大小；指標(biāo)層由6個具體指標(biāo)構(gòu)成，其中金融資源包括存款金額、貸款金額和儲蓄金額；金融機(jī)構(gòu)包括金融機(jī)構(gòu)數(shù)量和金融從業(yè)人員數(shù)量；金融產(chǎn)值包括金融增加值。

表1 山東金融集聚程度評價指標(biāo)體系

2.2 評價模型構(gòu)建

2.2.1 指標(biāo)規(guī)范化處理

為消除各個指標(biāo)間數(shù)量級別和量綱之間的差異，首先需要對指標(biāo)數(shù)據(jù)進(jìn)行無量綱化處理。由于各個指標(biāo)代表了某一縣市的金融集聚程度，均屬于越大越優(yōu)型的指標(biāo)，即測度值越大，該縣市金融集聚程度越高。因此，選用公式（1）對決策矩陣進(jìn)行規(guī)范化處理，規(guī)范化后的決策矩陣記為A =（asj）p×n。其中：

2.2.2 指標(biāo)權(quán)重計算

本文應(yīng)用熵權(quán)法對各縣域金融集聚程度的單項指標(biāo)進(jìn)行賦權(quán)。熵起源于熱力學(xué)，是信息論中的重要概念，它代表了系統(tǒng)的無序程度。熵權(quán)法是一種客觀賦權(quán)方法。在具體的使用過程中，熵權(quán)法根據(jù)各指標(biāo)的變異程度，利用信息熵計算出各個指標(biāo)的熵權(quán)，再通過熵權(quán)對各個指標(biāo)進(jìn)行修正，從而得出指標(biāo)權(quán)重權(quán)重。一般地，某項指標(biāo)的熵值越小，則該指標(biāo)值變異程度越大，該指標(biāo)所包含的信息量就越大；反之，某項指標(biāo)的熵值越大，則該指標(biāo)值變異程度越小，該指標(biāo)所包含的信息量就越小。

2.2.3 運(yùn)用TOPSIS法進(jìn)行評價

TOPSIS（Technique for Order Preference by Similarity to ideal Solution）法由Hwang［14］首次提出，也稱優(yōu)劣解距離法。是一種多目標(biāo)的決策方法，可用于效益評價、決策、管理多個領(lǐng)域。TOPSIS法的基本原理是通過檢測評價對象與最優(yōu)解、最劣解的距離來進(jìn)行排序，若評價對象最靠近最優(yōu)解同時又最遠(yuǎn)離最劣解，則為最好；否則不為最優(yōu)。其中最優(yōu)解的各指標(biāo)值都達(dá)到各評價指標(biāo)的最優(yōu)值。最劣解的各指標(biāo)值都達(dá)到各評價指標(biāo)的最差值。TOPSIS法相對于傳統(tǒng)的評價方法具有計算簡便，對樣本要求量不大等特點(diǎn)，因此采用TOPSIS法來建立各縣域金融集聚程度評價模型。

首先，運(yùn)用規(guī)范化的決策矩陣和權(quán)重向量構(gòu)成加權(quán)的決策矩陣，即：

然后，確定理想解S+和負(fù)理想解S-，及各列最大、最小值構(gòu)成的向量：

再后，確定評價對象與理想解和負(fù)理想解的距離。分別為：

最后，確定被評價對象與最優(yōu)方案的接近程度L，即各縣域金融集聚程度綜合評價值。L值越大，說明金融集聚程度越高。

當(dāng)評價對象的指標(biāo)劃分成不同層次時，就需要利用多層次評價模型進(jìn)行評價。多層次模型是在單層次評價模型基礎(chǔ)上得到的，將單層次評價的結(jié)果構(gòu)成更高層次的評價矩陣，再采用上述步驟對矩陣進(jìn)行評價，即可得到最終評價結(jié)果從而確定最終的縣域金融集聚程度排序。

3 縣域金融集聚水平的評價及分析

3.1 數(shù)據(jù)來源

由于各縣域有關(guān)金融機(jī)構(gòu)數(shù)量的數(shù)據(jù)于2009年開始發(fā)布，因此我們選取2009 -2013年這一時間段進(jìn)行計量統(tǒng)計分析。其中存款金額、貸款金額和儲蓄金額來自于各年《山東省統(tǒng)計年鑒》；金融機(jī)構(gòu)數(shù)量以及金融機(jī)構(gòu)從業(yè)人員數(shù)來自于各年《山東省金融年鑒》；各年金融增加值來自于山東省統(tǒng)計局。根據(jù)《2014年山東省統(tǒng)計年鑒》公布的數(shù)據(jù)，為更加準(zhǔn)確地反映縣域單位金融集聚水平，本文在山東省2013年底所轄137個縣級單位中剔除了所有市轄區(qū)，得到90個縣級單位。其中2012年12月1日開始青島膠南市與黃島區(qū)合并為新的青島市黃島區(qū)，考慮到樣本的連貫性本文保留了膠南市并利用2012年膠南市數(shù)據(jù)代替其2013年數(shù)據(jù)；同時由于長島縣面積較小，在此不予考慮。因此最終所評價縣域數(shù)量依然為90個。本文實(shí)際計算過程利用MATLAB編程實(shí)現(xiàn)。

3.2 山東省縣域金融集聚水平評價結(jié)果及分析

結(jié)合公式（1）～（11），我們首先計算得出準(zhǔn)則層各項指標(biāo)的熵值、變異度和權(quán)重等階段性參數(shù)（如表2所示），根據(jù)各指標(biāo)數(shù)值及其權(quán)重，我們進(jìn)一步得出金融資源（X1）、金融機(jī)構(gòu)（X2）和金融產(chǎn)值（X3）三項準(zhǔn)則層指標(biāo)的評價結(jié)果L1、L2、L3。為更加清晰地展示評價結(jié)果，我們進(jìn)一步利用ARCGIS軟件繪制了三項指標(biāo)評價得分排名的分布地圖，限于篇幅，文中未對所有縣市得分進(jìn)行列示，且只展示了評價階段期初和期末即2009年和2013年的得分地圖，具體如圖1～圖6所示，圖中對評價得分進(jìn)行了五級等分，顏色越深代表集聚水平越高，地級市未進(jìn)行評價，其地圖著色與最高等級相同。

表2 準(zhǔn)則層評價階段性參數(shù)

圖1 2009年山東省縣域金融資源集聚水平分布圖

圖2 2013年山東省縣域金融資源集聚水平分布圖

圖3 2009年山東省縣域金融機(jī)構(gòu)集聚水平分布圖

圖4 2013年山東省縣域金融機(jī)構(gòu)集聚水平分布圖

圖5 2009年山東省縣域金融產(chǎn)值集聚水平分布圖

圖6 2013年山東省縣域金融產(chǎn)值集聚水平分布圖

利用準(zhǔn)則層評價結(jié)果L1、L2、L3構(gòu)建決策矩陣，可以進(jìn)一步計算目標(biāo)層即各縣域金融集聚程度的總體評價指標(biāo)L，其中目標(biāo)層評價的階段性參數(shù)如表3所示，目標(biāo)層評價結(jié)果如圖7、圖8所示。

圖7 2009年山東省縣域金融集聚水平分布圖

圖8 2013年山東省縣域金融集聚水平分布圖

表3 目標(biāo)層評價階段性指標(biāo)

圖1～圖8展示了各單項評價指標(biāo)及總體評價指標(biāo)下山東省各縣域金融集聚水平的排名分布，呈現(xiàn)出十分明顯的集群分布和梯度分布規(guī)律，其中第一梯隊主要分布在三個區(qū)域：半島沿海地區(qū)，魯中經(jīng)濟(jì)帶以及魯南強(qiáng)縣鄒城市和滕州市。山東半島黃渤海沿岸借助區(qū)位優(yōu)勢和外向型產(chǎn)業(yè)吸附了大量金融資源，這一地區(qū)的典型代表如威海的榮成市，煙臺的龍口市、招遠(yuǎn)市和萊州市，青島的平度市、即墨市、膠州市和膠南市，魯中經(jīng)濟(jì)帶聚集了濟(jì)南、淄博、萊蕪、泰安四個地級市，因此市轄區(qū)周邊的肥城市、新泰市、鄒平縣、博興縣、廣饒縣和壽光市金融集聚水平也在省內(nèi)處于領(lǐng)先位置。第二梯隊以半島地區(qū)的其他縣域為主，這些縣域以煙臺的棲霞市、萊陽市和海陽市，濰坊的昌樂縣、安丘市、高密市和昌邑市為典型代表，他們雖然稍遜于第一梯隊，但是處于半島腹地及半島和內(nèi)陸連接地帶，其經(jīng)濟(jì)發(fā)展水平相對較高，因此及所集聚的金融資源依然高于省內(nèi)其他地區(qū)。第三梯隊主要以臨沂市的縣域和分散在魯西、魯南的部分縣域組成，他們在山東省內(nèi)陸地區(qū)的縣域中處于領(lǐng)先位置，因而能夠吸引到相對多的金融資源，這些縣域包括臨沂的沂水縣、沂南縣、平邑縣、蒼山縣和費(fèi)縣，聊城的臨清市、茌平縣和高唐縣。而第四和第五梯隊多集中在魯北及魯西的落后地區(qū)，包括了濱州、德州和濟(jì)寧的大部分縣域以及位于該地帶地市交接位置少數(shù)縣域如東阿縣和平陰縣等，這些縣域區(qū)位優(yōu)勢并不明顯，屬于省內(nèi)傳統(tǒng)落后地區(qū)，人口少，經(jīng)濟(jì)基數(shù)小，金融資源大量外流，其金融集聚水平處于明顯的落后地位。此外，金融機(jī)構(gòu)和金融從業(yè)人員的集聚水平與縣域行政區(qū)劃面積和人口數(shù)量高度相關(guān)，因為較大的行政區(qū)劃面積和人口數(shù)量需要更多的金融機(jī)構(gòu)和從業(yè)人員提供金融服務(wù)。

3.3 山東省縣域金融集聚水平變動規(guī)律分析

為更加清晰地反映縣域金融集聚水平變動規(guī)律，我們根據(jù)得分對各縣域金融集聚水平進(jìn)行了排名（表4），并據(jù)此生成了排名變動分布圖（圖9～圖12），圖中對金融集聚水平排名進(jìn)行了等級劃分。

圖9 金融集聚水平排名分布圖

圖10 金融資源集聚水平排名分布圖

圖11 金融機(jī)構(gòu)集聚水平排名分布圖

圖12 金融產(chǎn)值集聚水平排名分布圖

根據(jù)圖9～圖12所示，無論是金融資源、金融機(jī)構(gòu)、金融產(chǎn)值還是總體情況，2009 -2013年山東省多數(shù)縣域金融集聚水平排名都發(fā)生了不同程度的變化，結(jié)合表4我們發(fā)現(xiàn)，各個評價標(biāo)準(zhǔn)下排名上升的縣域數(shù)量和排名下降的縣域數(shù)量基本相當(dāng)，其中金融集聚水平排名上升幅度較大的縣域主要分布在魯西南的菏澤、魯北的德州、魯中的日照以及魯東半島腹地等區(qū)域，而排名下降幅度較大的縣域主要分布在魯北的濱州、魯南的棗莊、魯西的聊城以及魯中山區(qū)等區(qū)域，各評價指標(biāo)下排名變動前十的縣域如表5所示。

表4 山東省縣域金融集聚水平排名變動情況

表5 山東省縣域金融集聚水平排名變化前十的縣域

續(xù)表5

4 結(jié)論及政策建議

本文通過構(gòu)建縣域金融集聚水平的評價指標(biāo)體系，利用指標(biāo)數(shù)據(jù)的熵值確定各指標(biāo)權(quán)重，在此基礎(chǔ)上運(yùn)用TOPSIS法對山東省90個縣級單位2009 -2013年的金融集聚水平進(jìn)行綜合評價后發(fā)現(xiàn)：山東省縣域金融集聚水平呈現(xiàn)出十分明顯的集群分布和梯度分布規(guī)律，其中半島沿海地區(qū)、魯中經(jīng)濟(jì)帶以及魯南部分地區(qū)金融集聚水平最高，而魯北、魯西的多數(shù)縣域都處于相對落后的位置。同時2009年以來多數(shù)縣域金融集聚水平排名發(fā)生了變化，排名上升幅度較大的縣域主要分布在菏澤、德州、日照以及半島腹地區(qū)域，而排名下降幅度較大的縣域主要分布在濱州、棗莊、聊城以及魯中山區(qū)等區(qū)域。

基于上述縣域金融集聚分布及變動規(guī)律，本文提出如下政策建議：一是繼續(xù)推動半島沿海地區(qū)和魯中經(jīng)濟(jì)帶發(fā)揮區(qū)位優(yōu)勢，吸引省外甚至全球金融資本集聚，借助“藍(lán)黃”兩區(qū)經(jīng)濟(jì)帶建設(shè)提升該地區(qū)對金融資源、金融機(jī)構(gòu)、金融人才的吸引力，同時依托濟(jì)南國際金融中心和青島財富管理中心的外溢效應(yīng)發(fā)展金融配套產(chǎn)業(yè)，提升金融集聚水平；二是加快魯東其他縣域經(jīng)濟(jì)結(jié)構(gòu)轉(zhuǎn)型和產(chǎn)業(yè)結(jié)構(gòu)調(diào)整，提升產(chǎn)業(yè)對金融資源的吸附能力，實(shí)現(xiàn)產(chǎn)業(yè)-資本相互助推的良性循環(huán)；三是通過加快推進(jìn)省內(nèi)魯北、魯西和魯南縣域新型工業(yè)化、城鎮(zhèn)化、信息化、農(nóng)業(yè)現(xiàn)代化及綠色化進(jìn)程，通過尋求產(chǎn)業(yè)突破口、加速人口集聚、接力互聯(lián)網(wǎng)金融、完善農(nóng)村金融體系及生態(tài)文明建設(shè)等途徑扭轉(zhuǎn)金融資源流失的窘境，吸引更多金融資源助推經(jīng)濟(jì)發(fā)展；四是積極完善縣域金融政策體系，搭建統(tǒng)一性的產(chǎn)權(quán)及信用信息平臺，通過優(yōu)化財政支出方式、整合稅收優(yōu)惠政策、落實(shí)地方金融監(jiān)管職能等方式搭建縣域金融發(fā)展政策體系，提高縣域金融集聚水平；五是積極借助資本市場和互聯(lián)網(wǎng)金融的“兩翼”跨越式提升縣域尤其是落后縣域金融集聚水平。

參考文獻(xiàn)：

［1］張志元，李東霖.金融資源優(yōu)化配置與縣域經(jīng)濟(jì)發(fā)展關(guān)系研究——以山東省臨朐縣為例［J］.山東財經(jīng)大學(xué)學(xué)報，2015，27 （1）：9 -17.

［2］PORTER M E.The Competitive Advantage of Nations.New York，The Free Press［J］.Competitive Intelligence Review，1990，1 （1）：427.

［3］KINDLE J C.The horizontal coherence of inertial oscillations in a coastal region［J］.Geophysical Research Letters，1974，1（3）：127 -130.

［4］滕春強(qiáng).區(qū)域金融企業(yè)集群的競爭優(yōu)勢［J］.經(jīng)濟(jì)咨詢，2006（1）：29 -33.

［5］王步芳.首都金融產(chǎn)業(yè)集群優(yōu)勢與發(fā)展研究［J］.北京市經(jīng)濟(jì)管理干部學(xué)院學(xué)報，2006（4）：11 -16.

［6］梁穎，羅霄.金融產(chǎn)業(yè)集聚的形成模式研究：全球視角與中國的選擇［J］.南京財經(jīng)大學(xué)學(xué)報，2006（5）：16 -20.

［7］成春林，華桂宏.金融集聚影響因素的縣域分析——基于2002 - 2011年江蘇64個縣市的實(shí)證研究［J］.江蘇社會科學(xué)，2013（6）：238 -243.

［8］周天蕓，王瑩.金融機(jī)構(gòu)空間集聚與經(jīng)濟(jì)增長——來自廣東省縣域的實(shí)證檢驗［J］.地理研究，2014，33（6）：1119 -1128.

［9］胡堅，楊素蘭.國際金融中心評估指標(biāo)體系的構(gòu)建——兼及上海成為國際金融中心的可能性分析［J］.北京大學(xué)學(xué)報（哲學(xué)社會科學(xué)版），2003，40（5）：40 -47.

［10］張澤慧.國際金融中心指標(biāo)評估方法及指標(biāo)評價體系［J］.社會科學(xué)研究，2005（1）：45 -48.

［11］殷興山，賀繹奮，徐洪水.長三角金融集聚態(tài)勢與提升競爭力分析［J］.上海金融，2003（8）：42 -44.

［12］王仁祥，石丹.武漢建設(shè)區(qū)域金融中心的優(yōu)勢、劣勢分析及對策［J］.武漢金融，2005（6）：41 -43.

［13］黃解宇，楊再斌.金融集聚論［M］.北京：中國社會科學(xué)出版社，2006.

（責(zé)任編輯 時明芝）

［14］HWANG C L，YOON K S.Multiple Attribute Decision Making［J］.Lecture Notes in Economics and Mathematical Systems，1981：186.

Evaluation of County Financial Agglomeration Based on Entropy TOPSIS Method——A Case Study of Shandong Province

FENG Lin1，LIU Huajun2，SONG Jianlin1
（1.School of Finance，Shandong University of Finance and Economics，Jinan 250014，China；2.School of Economics，Shandong University of Finance and Economics，Jinan 250014，China）

Abstract：This paper constructs an index system for evaluating county financial agglomeration levels，determines the weight of each index via the entropy value of index data，and via the TOPSIS method conducts a comprehensive evaluation of the financial agglomeration levels from 2009 to 2013 in 90 county - level units in Shandong Province，based on which the evolution trend in Shandong county financial agglomeration levels is analyzed.The results show that Shandong county financial agglomeration levels present an obvious distribution law of cluster and gradient with the highest financial agglomeration level in Peninsula coastal area，the Middle Shandong economic belt and parts of Southern Shandong area and the lowest financial agglomeration level in most counties in Northern and Western Shandong areas，and that since 2009，the counties whose financial agglomeration level ranking has increased significantly mainly come from the areas of Heze，Dezhou，Rizhao and the Peninsula hinterland while the counties whose financial agglomeration level ranking has decreased significantly mainly come from the areas of Binzhou，Zaozhuang，Liaocheng and Middle Shandong mountain areas.Accordingly，policy recommendations for raising financial agglomeration level are put forward for different counties based on their ranking and gradients.

Keywords：financial agglomeration；county finance；entropy method；TOPSIS method；fuzzy comprehensive evaluation

作者簡介：馮林，男，山東沾化人，管理學(xué)博士，山東財經(jīng)大學(xué)金融學(xué)院副教授，研究方向：農(nóng)村金融、縣域金融，Email：fenglinn@163.com；劉華軍，男，山東廣饒人，經(jīng)濟(jì)學(xué)博士，山東財經(jīng)大學(xué)經(jīng)濟(jì)學(xué)院教授，研究方向：空間經(jīng)濟(jì)學(xué)；宋建林，男，山東陽信人，山東財經(jīng)大學(xué)金融學(xué)院金融學(xué)創(chuàng)新實(shí)驗班。

基金項目：國家自然科學(xué)基金項目“政府競爭視角下縣域金融集聚演進(jìn)及政策機(jī)制研究”（71303139）；山東省社會科學(xué)規(guī)劃重大委托項目“區(qū)域金融風(fēng)險生成機(jī)制與管控體系構(gòu)建”（14AWTJ01 -86）；山東省金融產(chǎn)業(yè)優(yōu)化與區(qū)域發(fā)展管理協(xié)同創(chuàng)新中心一般項目“山東省縣域金融市場發(fā)展政策支持體系研究”（14XTYB22）。

中圖分類號：F832.3

文獻(xiàn)標(biāo)識碼：A

文章編號：2095 -929X（2016）02 -0001 -09

修回日期：2016 -01 -19