江西區(qū)域金融生態(tài)環(huán)境評(píng)價(jià)

陳雁云 劉 曄

江西區(qū)域金融生態(tài)環(huán)境評(píng)價(jià)

陳雁云 劉 曄

通過(guò)建立系統(tǒng)的金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系，并綜合運(yùn)用因子分析與AHP，分析江西11個(gè)地級(jí)市的金融生態(tài)環(huán)境現(xiàn)狀及影響因素。研究結(jié)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(jì)基礎(chǔ)、金融穩(wěn)定與發(fā)展、市場(chǎng)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(gòu)建良好的經(jīng)濟(jì)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(jì)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(cái)經(jīng)大學(xué)江西經(jīng)濟(jì)發(fā)展研究院副研究員，博士；

劉 曄，江西財(cái)經(jīng)大學(xué)江西經(jīng)濟(jì)發(fā)展研究院區(qū)域經(jīng)濟(jì)學(xué)碩士生。（江西南昌 330013）

一、評(píng)價(jià)指標(biāo)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(yùn)行環(huán)境，其好壞在很大程度上會(huì)影響地區(qū)的經(jīng)濟(jì)社會(huì)發(fā)展。自周小川在國(guó)內(nèi)首次提出金融生態(tài)這一概念以來(lái)[1]，國(guó)內(nèi)關(guān)于金融生態(tài)的研究越來(lái)越多。研究金融生態(tài)環(huán)境最終要落實(shí)到如何對(duì)其的評(píng)價(jià)上，關(guān)于評(píng)價(jià)指標(biāo)體系，許多學(xué)者根據(jù)各自的理解分別進(jìn)行了構(gòu)建(見(jiàn)表1)。

表1 部分文獻(xiàn)構(gòu)建金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)的維度

從這些文獻(xiàn)可以看出，大多數(shù)文獻(xiàn)的共同點(diǎn)是把經(jīng)濟(jì)、金融、信用、政府治理和法律環(huán)境作為評(píng)價(jià)金融生態(tài)的因素。在評(píng)價(jià)方法上，常用的金融生態(tài)環(huán)境定量評(píng)價(jià)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(luò)評(píng)價(jià)法、聚類分析法等[5]。

由于金融生態(tài)這一概念較為寬泛，學(xué)者們?cè)谶M(jìn)行地區(qū)金融生態(tài)環(huán)境評(píng)價(jià)時(shí)選取的指標(biāo)與評(píng)價(jià)方法各異，從而使得評(píng)價(jià)結(jié)論不一。并且，許多文獻(xiàn)中僅僅用總量指標(biāo)進(jìn)行評(píng)價(jià)，沒(méi)有考慮區(qū)域的條件差異如面積和人口等，從而造成評(píng)價(jià)結(jié)果的失真。本文將借鑒現(xiàn)有文獻(xiàn)研究，結(jié)合江西省金融生態(tài)環(huán)境的現(xiàn)實(shí)，構(gòu)建系統(tǒng)的評(píng)價(jià)指標(biāo)體系，并綜合運(yùn)用因子分析與AHP分析江西省11個(gè)地級(jí)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(píng)價(jià)指標(biāo)體系的建立

本文的金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系，包括經(jīng)濟(jì)基礎(chǔ)、金融穩(wěn)定與發(fā)展、市場(chǎng)中介與信用等八個(gè)方面的41個(gè)指標(biāo)(見(jiàn)表2)。

表2 地區(qū)金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)體系

（二）研究方法

本文綜合應(yīng)用因子分析法和層次分析法 （Analytic Hierarchy Process，簡(jiǎn)稱AHP）。其中，因子分析是一種多元統(tǒng)計(jì)方法，它的核心是用最少的互相獨(dú)立的因子反映原有變量的絕大部分信息，它可以消除指標(biāo)的線性相關(guān)問(wèn)題，通過(guò)因子得分，可以得到各經(jīng)濟(jì)單元的經(jīng)濟(jì)效益情況；層次分析法的計(jì)算結(jié)果簡(jiǎn)單、明確，可以解決系統(tǒng)存在的不確定性和復(fù)雜性。AHP模型評(píng)價(jià)值反映決策者的主觀偏好，因子分析模型評(píng)價(jià)值反映各單元的經(jīng)濟(jì)效益，利用線性加權(quán)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(shí)情況。為了消除兩種方法計(jì)算結(jié)果數(shù)據(jù)的差異，需先進(jìn)行無(wú)量綱化，之后采用以下計(jì)算公式：

式中，A為綜合評(píng)價(jià)值；y為AHP模型評(píng)價(jià)值；?為主觀偏好系數(shù)，取[0,1]中任何一個(gè)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(píng)價(jià)值[6]。

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

設(shè) Xi為逆指標(biāo)數(shù)據(jù)，

則X′i為正向化后的指標(biāo)數(shù)據(jù)。在進(jìn)行正向化處理后，再對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。

二、江西區(qū)域金融生態(tài)環(huán)境的實(shí)證分析

（一）數(shù)據(jù)來(lái)源

為了更準(zhǔn)確地反映各地區(qū)情況，本文所選指標(biāo)大多數(shù)采用3年加權(quán)平均方法進(jìn)行處理，所用數(shù)據(jù)大多數(shù)來(lái)源于 《2010—2012江西統(tǒng)計(jì)年鑒》、 江西各地級(jí)市2010—2012年統(tǒng)計(jì)年鑒。由于數(shù)據(jù)可得性，本文最終只搜集到 41個(gè)指標(biāo)中的 38個(gè)指標(biāo) 2009—2011年的數(shù)據(jù)。

（二）實(shí)證分析與結(jié)果

1.因子分析

（1）因子的提取與命名

在對(duì)所有指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理消除數(shù)據(jù)的量綱以后，方可進(jìn)行因子分析，本文采用了SPSS17.0軟件進(jìn)行處理，將所有數(shù)據(jù)導(dǎo)入軟件進(jìn)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(gè)因子的特征值大于1，累計(jì)方差貢獻(xiàn)度達(dá)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(gè)公因子計(jì)算因子載荷矩陣，并對(duì)其進(jìn)行旋轉(zhuǎn)，得到旋轉(zhuǎn)后的因子載荷矩陣，并按變量序號(hào)進(jìn)行排序。結(jié)果顯示，因子1基本涵蓋了金融發(fā)展、市場(chǎng)中介與信用、法治環(huán)境和部分企業(yè)狀況的指標(biāo)，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(biāo)；因子3大體可作為政府治理指標(biāo)的概括；因子4則可描述人口素質(zhì)指標(biāo)；因子5可用來(lái)指代居民生活水平；而經(jīng)濟(jì)基礎(chǔ)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(zhǎng)率波動(dòng)較為獨(dú)立，因子8單獨(dú)反映了這一指標(biāo)。

（2）計(jì)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(píng)價(jià)得分模型，計(jì)算出最終因子綜合得分的結(jié)果如圖1所示。

圖1 各地區(qū)因子綜合得分

結(jié)果顯示，新余市、南昌市與鷹潭市的金融生態(tài)環(huán)境評(píng)價(jià)值最高，而上饒市、九江市和贛州市的金融生態(tài)環(huán)境評(píng)價(jià)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(gòu)造江西省11個(gè)地級(jí)市區(qū)的金融生態(tài)環(huán)境的遞階層次結(jié)構(gòu)模型。在構(gòu)造判斷矩陣時(shí)，運(yùn)用Saatty提出的1－9標(biāo)度法進(jìn)行成對(duì)比較，并邀請(qǐng)多位金融生態(tài)方面的學(xué)者進(jìn)行各因素重要性的相互比較，利用群決策對(duì)各指標(biāo)相對(duì)重要性進(jìn)行合理賦權(quán)，構(gòu)造判斷矩陣，該判斷矩陣符合要求，滿足一致性檢驗(yàn)。

由于各指標(biāo)數(shù)據(jù)的量綱不同，本文在進(jìn)行無(wú)量綱化處理后得到樣本指標(biāo)值,采用加權(quán)求和的評(píng)價(jià)模型，計(jì)算得到地區(qū)的AHP評(píng)價(jià)值見(jiàn)表4。

表4 地區(qū)各準(zhǔn)則層AHP 評(píng)價(jià)值排序

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

3.因子分析與層次分析評(píng)價(jià)結(jié)果的集成

為了消除兩種不同數(shù)據(jù)的量綱，首先對(duì)數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理。由于因子得分中包含負(fù)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(jì)算因子分析與AHP的綜合評(píng)價(jià)值，這里取?＝0.5，結(jié)果見(jiàn)表5。

三、評(píng)價(jià)結(jié)果分析

（一）區(qū)域金融生態(tài)環(huán)境評(píng)價(jià)結(jié)果分析

本文從八個(gè)維度對(duì)江西省的金融生態(tài)環(huán)境進(jìn)行評(píng)價(jià)，無(wú)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(guò)對(duì)比原始數(shù)據(jù)我們進(jìn)一步發(fā)現(xiàn)，經(jīng)濟(jì)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(píng)價(jià)結(jié)果從側(cè)面反映出區(qū)域經(jīng)濟(jì)實(shí)力與金融生態(tài)環(huán)境的狀況具有一定的關(guān)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(píng)價(jià)結(jié)果居于中間。這說(shuō)明地區(qū)經(jīng)濟(jì)實(shí)力的強(qiáng)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(guò)改善其他要素進(jìn)行優(yōu)化。

表5 因子分析與AHP 評(píng)價(jià)結(jié)果的數(shù)據(jù)標(biāo)準(zhǔn)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(quán)重看，經(jīng)濟(jì)基礎(chǔ)、金融穩(wěn)定與發(fā)展、政府治理、企業(yè)狀況和市場(chǎng)中介與信用這五類指標(biāo)涵蓋了76.82%的權(quán)重，可視為影響金融生態(tài)環(huán)境的主要因素。就單個(gè)指標(biāo)而言，企業(yè)經(jīng)濟(jì)效益綜合指數(shù)、人均GDP、金融效率、全員勞動(dòng)生產(chǎn)率、地方法規(guī)健全性和金融深度在全部指標(biāo)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(lái)看，前三個(gè)綜合因子反映的原始數(shù)據(jù)信息達(dá)到73%以上，他們分別指代了金融穩(wěn)定與發(fā)展、市場(chǎng)中介和信用、法律環(huán)境和政府治理這四大類指標(biāo)，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(lái)看，可主要從金融穩(wěn)定與發(fā)展、政府治理和市場(chǎng)中介與信用等方面來(lái)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(jì)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(jì)與金融發(fā)展水平差距懸殊

反映經(jīng)濟(jì)與金融發(fā)展水平的人均GDP、固定資產(chǎn)投資、消費(fèi)與進(jìn)出口貿(mào)易、金融深度、金融效率等指標(biāo)在各地區(qū)的差距明顯。其一，從3年的加權(quán)平均來(lái)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(dòng)經(jīng)濟(jì)的“三駕馬車”情況看，將三者標(biāo)準(zhǔn)化后的數(shù)據(jù)加總進(jìn)行對(duì)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(guān)鍵指標(biāo)來(lái)看，由表4可知，經(jīng)濟(jì)基礎(chǔ)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(jì)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(cái)政能力不一

本文在選擇政府治理層面維度時(shí)考慮了政府主導(dǎo)性、財(cái)政平衡能力、政府規(guī)模以及政府效率，政府主導(dǎo)性主要反映政府在除民生領(lǐng)域以外的其他領(lǐng)域的影響力，可以間接地反映市場(chǎng)配置資源狀況，因?yàn)榈貐^(qū)財(cái)政支出占當(dāng)?shù)谿DP的比重越低，則地區(qū)的市場(chǎng)化程度越高[7]。該指標(biāo)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(cái)政平衡能力，包括財(cái)政缺口與政府除稅收外的財(cái)政能力。從財(cái)政缺口看，南昌、新余的財(cái)政缺口達(dá)到0.63和0.64，近年來(lái)這兩市的政府利用地方融資平臺(tái)舉債數(shù)量較大，未來(lái)可能存在一定債務(wù)風(fēng)險(xiǎn)，最低的贛州僅為0.34。政府除稅收外的財(cái)政收入能力指標(biāo)在0.5上下波動(dòng)，最高的景德鎮(zhèn)為0.64，最低的鷹潭為0.40，各地在財(cái)政平衡能力方面存在一定差距。

3.市場(chǎng)中介發(fā)育情況與信用狀況差距較大

各地區(qū)在中介機(jī)構(gòu)數(shù)上差距十分顯著，最高與最低地區(qū)相關(guān)數(shù)據(jù)相差值均在1倍以上。經(jīng)濟(jì)與金融發(fā)展水平高的南昌、新余，市場(chǎng)中介機(jī)構(gòu)也較多，而發(fā)展水平較低的上饒和撫州中介機(jī)構(gòu)則較少。這說(shuō)明市場(chǎng)中介機(jī)構(gòu)是伴隨著經(jīng)濟(jì)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(yuǎn)遠(yuǎn)超過(guò)其他地區(qū)，這可能是與當(dāng)?shù)仄髽I(yè)效益良好有關(guān)，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(dāng)；個(gè)人信用方面，也是經(jīng)濟(jì)實(shí)力較強(qiáng)的地區(qū)數(shù)值高，而經(jīng)濟(jì)實(shí)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(duì)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(jì)基礎(chǔ)、金融穩(wěn)定與發(fā)展、政治治理、市場(chǎng)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(gè)維度進(jìn)行比較。根據(jù)AHP的指標(biāo)賦權(quán)，各提取一個(gè)權(quán)重最高的指標(biāo)。

經(jīng)濟(jì)基礎(chǔ)中的人均GDP所占權(quán)重最高，2011年江西省各設(shè)區(qū)市的人均GDP較2006年大幅增長(zhǎng)，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(duì)金融生態(tài)環(huán)境影響最大，從該指標(biāo)看，各地區(qū)的變化趨勢(shì)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(guān)。值得注意的是，南昌市與新余市的銀行存貸比在 2011年超過(guò) 75%，分別為 82%與81.7%，需對(duì)風(fēng)險(xiǎn)嚴(yán)密把控。

市場(chǎng)中介與信用方面，信用擔(dān)保機(jī)構(gòu)數(shù)為權(quán)重最高的指標(biāo)，該指標(biāo)在一定程度上可以反映信用中介市場(chǎng)的發(fā)育情況，由于2006年的數(shù)據(jù)不可得，無(wú)法對(duì)其進(jìn)行分析。

政府治理層面的財(cái)政缺口為權(quán)重最高的指標(biāo)，通過(guò)比較，各地區(qū)的財(cái)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(cái)政平衡能力得到了提高，政府債務(wù)問(wèn)題得到緩解。

四、結(jié)論

本文運(yùn)用因子分析與AHP對(duì)江西省11個(gè)地級(jí)市的金融生態(tài)環(huán)境狀況進(jìn)行了評(píng)價(jià)和分析，得出了以下幾點(diǎn)結(jié)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(yīng)僅僅局限于經(jīng)濟(jì)基礎(chǔ)、金融、信用和法律環(huán)境，還應(yīng)適當(dāng)考慮地區(qū)的企業(yè)經(jīng)營(yíng)效益、人口素質(zhì)及居民生活水平等指標(biāo)進(jìn)行評(píng)價(jià)。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(jì)基礎(chǔ)、金融穩(wěn)定與發(fā)展、政府治理、市場(chǎng)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(jié)論，本文認(rèn)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(shí)經(jīng)濟(jì)基礎(chǔ)，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(yíng)環(huán)境，優(yōu)化區(qū)域投資環(huán)境；其二，要通過(guò)不斷深化金融及經(jīng)濟(jì)體制改革、大力發(fā)展區(qū)域的金融市場(chǎng)和金融服務(wù)，讓金融成為實(shí)體經(jīng)濟(jì)的有效助推器，努力提高銀行業(yè)和其他金融機(jī)構(gòu)的金融服務(wù)效率，控制金融風(fēng)險(xiǎn)；其三，建立完善的社會(huì)信用體系，既要根據(jù)個(gè)體的信用狀況給予不同的授信，也要通過(guò)細(xì)致調(diào)查，支持那些一時(shí)困難但未來(lái)增長(zhǎng)潛力大的企業(yè)，鼓勵(lì)金融機(jī)構(gòu)多扮演做“雪中送炭”的角色；其四，努力調(diào)整產(chǎn)業(yè)結(jié)構(gòu)，加快地區(qū)的第三產(chǎn)業(yè)發(fā)展和城鎮(zhèn)化進(jìn)程，實(shí)現(xiàn)經(jīng)濟(jì)發(fā)展方式的轉(zhuǎn)變。

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

[2]李揚(yáng)，王國(guó)剛，劉煜輝.中國(guó)城市金融生態(tài)環(huán)境評(píng)價(jià)[M].北京：人民出版社，2005.

[3]中國(guó)人民銀行洛陽(yáng)市中心支行課題組.區(qū)域金融生態(tài)環(huán)境評(píng)價(jià)指標(biāo)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(píng)價(jià)方法與實(shí)證研究[J].經(jīng)濟(jì)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(píng)價(jià)研究[D].邯鄲：河北工程大學(xué)，2010.

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

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

【責(zé)任編輯：陳保林】

F830.2

A

1004－518X（2013）05－0077－05