我國金融業(yè)空間布局及影響因素分析

鄧 薇

（中南財經(jīng)政法大學(xué) 統(tǒng)計與數(shù)學(xué)學(xué)院，武漢 430074）

0 引言

金融發(fā)展對資本積累與經(jīng)濟增長具有極其重要的作用，是現(xiàn)代經(jīng)濟發(fā)展的核心。自金融改革以來，我國金融資產(chǎn)的規(guī)模迅速膨脹，金融體系也不斷完善和優(yōu)化。與此同時，金融發(fā)展表現(xiàn)出越來越明顯的區(qū)域化差異。研究我國區(qū)域金融的空間布局，找出其空間分布的特點及影響因素對實現(xiàn)金融業(yè)的合理布局、促進金融資源的在空間上的有效配置具有重要的現(xiàn)實意義。

現(xiàn)有的實證研究一般使用時間序列數(shù)據(jù)或面板數(shù)據(jù)，利用傳統(tǒng)的計量經(jīng)濟模型分析區(qū)域金融發(fā)展在時間維度、空間維度的特征，少有涉及到金融業(yè)空間分布格局的描述和統(tǒng)計分析。大部分研究將區(qū)域樣本當成一個獨立的個體進行分析，沒有考慮到相鄰區(qū)域之間的相關(guān)性，只有極少數(shù)文獻將空間因素納入了相關(guān)的分析模型中。然而，在空間數(shù)據(jù)存在空間相關(guān)性的情況下，采用傳統(tǒng)模型進行分析就會使模型的結(jié)果出現(xiàn)一定的偏差，難以得出真正反映現(xiàn)實的分析結(jié)論。因此，在分析區(qū)域數(shù)據(jù)時，需要引入空間統(tǒng)計分析方法。本文將利用探索性空間數(shù)據(jù)分析方法對我國省級區(qū)域金融業(yè)的空間布局和空間相關(guān)性進行分析，然后通過建立空間計量經(jīng)濟模型來分析其影響因素。

1 空間計量分析方法

空間數(shù)據(jù)分析的一般思路是首先運用探索性空間數(shù)據(jù)分析的基本工具空間分位數(shù)圖、空間自相關(guān)指標等來直觀地描述空間數(shù)據(jù)；然后通過證實性空間數(shù)據(jù)分析方法建立空間計量模型來進行更深入的分析。探索性空間數(shù)據(jù)分析在分析空間相關(guān)性時最常用的指標為全局Moran's I指數(shù)、局部空間相關(guān)性的指數(shù)和Moran散點圖。

全局Moran's I指數(shù)的定義如下：

其中，n空間單元總數(shù)，xi和xj分別為目標變量x在區(qū)域i和區(qū)域j的觀測值，表示目標變量x的平均值，S2是目標變量x的方差，ωij是空間權(quán)重矩陣W中的元素：

Moran's I指數(shù)的取值范圍介于-1和1之間，取值大于0則表示目標變量存在正的空間自相關(guān)，即空間上相互鄰近的單元有相似的屬性值。當取值小于0則表示目標變量存在負的空間自相關(guān)，即空間上相互鄰近的單元具有不相似的屬性值。如果取值為0，那么表示屬性值的空間分布是隨機的。

在全局Moran's I指數(shù)中，由于部分空間單元正的空間自相關(guān)和另一部分空間單元負的空間自相關(guān)會相互抵消，Moran's I指數(shù)是抵消后的剩余值，不能反映每一空間單元的局部空間關(guān)聯(lián)效應(yīng)。因此，實際應(yīng)用中還需使用局部Moran's I指數(shù)來檢驗局部地區(qū)是否存在空間相關(guān)性。局部Moran's I指數(shù)的定義為：

正的Ii表示區(qū)域i的屬性值xi與所有相鄰地區(qū)的屬性值是正相關(guān)關(guān)系，即具有相似的屬性值；負的Ii則區(qū)域i的屬性值xi與所有相鄰地區(qū)的屬性值是負相關(guān)關(guān)系，即具有相異的屬性值；Ii為零則表示區(qū)域i的屬性值xi與所有相鄰地區(qū)的屬性值不相關(guān)，即不受相鄰地區(qū)的影響。

Moran散點圖是反映局部區(qū)域空間相關(guān)性的二維可視化圖形，散點圖中的點以標準化的變量z為橫坐標，以z的空間滯后Wz為縱坐標，位于四個象限的點分別對應(yīng)四種不同的局部空間關(guān)聯(lián)性：第一象限（高-高型，標記為HH）：表示地區(qū)i具有較高的屬性值，與其鄰近的其它地區(qū)也具有較高的屬性值，即高-高集聚；第二象限（低-高型，標記為LH）：表示地區(qū)i具有較低的屬性值，而與其鄰近的其它地區(qū)具有較高的屬性值，即低值被高值包圍；第三象限（低-低型，標記為LL）：表示地區(qū)i具有較低的屬性值，與其鄰近的其它地區(qū)也具有較低的屬性值，即低-低集聚；第四象限（高-低型，標記為HL）：表示地區(qū)i具有較高的屬性值，而與其鄰近的其它地區(qū)具有較低的屬性值，即高值被低值包圍。

空間面板模型中，根據(jù)誤差項的不同形式可分為固定效應(yīng)模型和隨機效應(yīng)模型。本文所采用的主要為具有固定效應(yīng)的空間滯后面板模型和空間誤差面板模型，具體形式如下：

空間滯后面板模型（SAR panel）：

y=ρ（IT?WN)y+X′β+ε

空間誤差面板模型（SEM panel）：

y=X′β+μ

μ=λ（IT?WN)μ+ε

式中，ρ和λ為空間自相關(guān)系數(shù)，誤差項可進行分解ε=η+δ+v。其中，η是空間固定效應(yīng)，代表隨區(qū)域變化、但不隨時間變化的隨機變量對均值水平的影響；δ是第t年的時間固定效應(yīng)，代表隨時間變化、但不隨地理位置變化的隨機變量對均值水平的影響；v為隨機誤差項向量。在模型中引入了空間誤差項后，最小二乘法不再是有效的估計方法，一般使用極大似然估計法來進行估計。

2 金融業(yè)的空間布局

本文將采用31個省級區(qū)域2006～2012年的金融業(yè)增加值來衡量各個地區(qū)的金融業(yè)發(fā)展水平，采用存貸款余額、股票市價總值和保費收入來衡量各個地區(qū)銀行業(yè)、證券業(yè)和保險業(yè)的發(fā)展水平。利用分位數(shù)圖、全局相關(guān)性分析、全局相關(guān)性分析、區(qū)位熵指標來研究金融業(yè)的空間布局。

2.1 分位數(shù)圖

圖1 2012年金融業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)五分位圖

圖1為2012年金融業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)的五分位圖，由圖可以看出，我國金融業(yè)發(fā)展水平呈現(xiàn)由東向西遞減的態(tài)勢。金融業(yè)整體與銀行業(yè)、保險業(yè)呈現(xiàn)出相似的分布特征，發(fā)展水平較高的地區(qū)除首都北京外主要集中在東部沿海一帶，包括上海、北京、廣東、江蘇、浙江和山東；其次是遼寧、天津、四川、河北、河南、湖北、福建、山西、陜西、湖南、重慶、安徽和廣西；發(fā)展水平較低的地區(qū)主要位于西部和東北部，包括黑龍江、吉林、內(nèi)蒙古、云南、新疆、江西、甘肅、海南、寧夏、貴州、青海和西藏。證券業(yè)的分布特征略有不同，主要表現(xiàn)在新疆和內(nèi)蒙古的證券業(yè)發(fā)展水平要高于中部的陜西和重慶。

2.2 全局相關(guān)性分析

表1 2006～2012年金融業(yè)、銀行業(yè)、證券業(yè)、保險業(yè)的全局Moran’s I指數(shù)

利用全局空間自相關(guān)系數(shù)分析金融業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)的空間效應(yīng)。從表1所列結(jié)果可以看出，金融業(yè)增加值的moran’s I指數(shù)為正，在5%水平下顯著，表明金融業(yè)具有正的空間相關(guān)性，相鄰地區(qū)的金融業(yè)增加值具有相似性，即具有較高金融業(yè)增加值的省份其相鄰省份也具有較高的金融業(yè)增加值；具有較低金融業(yè)增加值的省份其相鄰省份也具有較低的金融業(yè)增加值。并且，金融業(yè)增加值的moran’s I指數(shù)在2006～2012年間從0.1981增加至0.2458，說明金融業(yè)空間相關(guān)性逐漸增強，集聚趨勢越來越明顯。

從各行業(yè)上來看，銀行業(yè)的moran’s I指數(shù)為正，除2006年外，其余年份的指數(shù)均在10%水平下顯著，moran’s I指數(shù)在2006～2012年間呈上升趨勢，變化趨勢與金融業(yè)整體基本一致，說明各省域銀行業(yè)具有正的空間相關(guān)，這種相關(guān)性逐漸增強，銀行業(yè)的集聚趨勢加劇。證券業(yè)的moran’s I指數(shù)為負，但數(shù)值較小，沒有通過顯著性水平檢驗，并且指數(shù)變化幅度較小，說明在考察的時間區(qū)間內(nèi)證券業(yè)整體的空間相關(guān)性不顯著。這種不顯著的原因在于31個省級區(qū)域中，北京、上海、廣東的股票市價總值遠遠高于其它地區(qū)，這些地區(qū)的鄰近地區(qū)的證券業(yè)發(fā)展水平相對較低，其負的空間自相關(guān)抵消了其余地區(qū)的正的空間自相關(guān)，導(dǎo)致moran’s I指數(shù)為一個較小的負值，未能通過顯著性檢驗。由此可見，此處并不能由moran’s I指數(shù)這一全局自相關(guān)指標來推斷證券業(yè)不存在集聚趨勢，需要結(jié)合局部空間自相關(guān)指數(shù)進行進一步分析。保險業(yè)的moran’s I指數(shù)為正，具有正的空間相關(guān)性和集聚現(xiàn)象，但除2006年之外其余年份的指數(shù)未通過10%的顯著性檢驗，說明保險業(yè)集聚水平不及銀行業(yè)顯著。

2.3 局部相關(guān)系分析

利用散點圖分析各個地區(qū)金融業(yè)、銀行業(yè)、證券業(yè)和保險業(yè)的局部空間自相關(guān)形式。從散點分布圖可以看出，就金融業(yè)整體而言，有21個省位于第一和第三象限，說明大部分省份都具有正的空間相關(guān)性，屬于高-高集聚或者低-低集聚。位于第一象限的有上海、浙江、江蘇、福建、天津和山東，均為東部地區(qū)。這些地區(qū)及其周邊地區(qū)金融業(yè)發(fā)展較好，可通過吸收效應(yīng)和極化效應(yīng)促進本地區(qū)金融業(yè)進一步發(fā)展與集聚。位于第三象限的有黑龍江、內(nèi)蒙古、新疆、吉林、遼寧、甘肅、山西、陜西、寧夏、青海、西藏、湖北和重慶，絕大部分為中部地區(qū)和西部地區(qū)，其自身及周邊金融業(yè)發(fā)展水平低下主要受中西部地區(qū)較低經(jīng)濟水平的影響。另外，安徽、湖南、江西、廣西、海南、河北位于第二象限，這些地區(qū)本省金融業(yè)發(fā)展水平不高，但其周邊地區(qū)的金融業(yè)發(fā)展水平較高，應(yīng)通過加強與周邊地區(qū)的金融合作來促進本地區(qū)金融業(yè)的發(fā)展。北京、廣東、四川、河南位于第四象限，本身具有較高的金融業(yè)水平，但周邊地區(qū)金融業(yè)發(fā)展水平不高，應(yīng)加強輻射效應(yīng)，帶動周邊地區(qū)的金融業(yè)發(fā)展。

從行業(yè)來看，銀行業(yè)、證券業(yè)、保險業(yè)呈現(xiàn)不同程度的集聚。證券業(yè)集聚程度最為明顯，其次為銀行業(yè)和保險業(yè)。證券業(yè)的散點圖中位于第一和第四象限的僅有6個省份，位于第三象限的有19個省份，這說明我國證券業(yè)在上海、北京、廣州等極少數(shù)地區(qū)集聚，但絕大部分地區(qū)的證券業(yè)發(fā)展水平低下。北京位于第四項限，上海、廣東位于第一象限，說明北京對周邊地區(qū)證券業(yè)發(fā)展的輻射效應(yīng)要弱于上海和廣東。銀行業(yè)與保險業(yè)的散點圖分布較為相似，位于第一和第三象限的省份分別有20個和19個，位于第一象限和第四象限的除河南、四川、湖北外其余均為東部地區(qū)，中西部地區(qū)大部分位于第二和第三象限，說明東部地區(qū)銀行業(yè)、保險業(yè)發(fā)展水平高于中西部地區(qū)。西部四川的銀行業(yè)、保險業(yè)發(fā)展領(lǐng)先于周邊地區(qū)，中部河南、湖北的保險業(yè)發(fā)展領(lǐng)先于周邊地區(qū)。

2.4 區(qū)位熵分析

全局moran’I指數(shù)和局部moran’I指數(shù)指數(shù)反映了金融業(yè)省際之間的集聚狀況，下面將通過計算2006年至2012年各個區(qū)域的區(qū)位熵來進一步揭示金融業(yè)在各個省級區(qū)域內(nèi)部的集聚情況。金融業(yè)的區(qū)位熵計算公式如下：

其中，Ej表示 j地區(qū)金融業(yè)的增加值，Gj表示 j地區(qū)的生產(chǎn)總值，E表示全國金融業(yè)的增加值，G表示全國生產(chǎn)總值。區(qū)位熵的臨界值為1，等于1，則表示金融業(yè)的比重與全國平均水平相同；若小于1，則表示j地區(qū)金融業(yè)的比重低于它的全國平均水平；若大于1，則表示j地區(qū)金融也的比重高于它的全國平均水平，其值越大，表示地區(qū)金融業(yè)集聚水平越高。

將五分位數(shù)由高到低的分組分別稱為第一、二、三、四、五梯隊。從2006金融業(yè)區(qū)位熵的分布來看，北京與上海的金融業(yè)區(qū)位熵分別3.54和2.27，位于第一梯隊的前兩位，并遠遠領(lǐng)先于同梯隊的其他地區(qū)。位于前兩個梯隊的還有東部地區(qū)浙江、天津、廣東、江蘇，西部地區(qū)寧夏、貴州、云南，四川、青海、新疆。中部地區(qū)、東北部地區(qū)和西部其他地區(qū)位于后三個梯隊。

2012年金融業(yè)區(qū)位熵的分布與2006年略有變化，重慶的區(qū)位熵增加為1.52，由第三梯隊上升至第一梯隊。青海、新疆的區(qū)位熵下降為0.84、0.91，由第二梯隊下降至第三梯隊。海南的區(qū)位熵由0.37增加至0.81，由第五梯隊上升至第三梯隊。

需要指出的是，區(qū)位熵是一個反映區(qū)域產(chǎn)業(yè)集聚水平的相對性指標，其弱點是不能反映產(chǎn)業(yè)發(fā)展的絕對規(guī)模，有些地區(qū)雖然具有較高的區(qū)位熵，但其產(chǎn)業(yè)規(guī)模可能非常小。在利用區(qū)位熵指標考察區(qū)域金融業(yè)集聚水平時需結(jié)合絕對指標來分析。由五分位圖可以看出位于前兩個梯隊的東部地區(qū)北京、上海、浙江、天津、廣東、江蘇，區(qū)位熵較高，同時金融業(yè)增加值也較高，金融業(yè)集聚水平高于全國平均水平。而同樣位于第一梯隊的西部地區(qū)寧夏、貴州、云南，四川、青海、新疆，金融業(yè)增加值較低，其區(qū)位熵值偏高是由于這些地區(qū)的GDP值較低所致。

對2006～2012年金融業(yè)區(qū)位熵做全局相關(guān)性分析，從表2所示結(jié)果可以看出，金融業(yè)區(qū)位熵具有正的空間相關(guān)性，即具有較高區(qū)位熵的省份其鄰近省份的區(qū)位熵也較高；具有較低區(qū)位熵的省份其鄰近省份的區(qū)位熵也較低。指數(shù)在2006～2012年之間呈上升趨勢，說明這種正的空間相關(guān)性在逐漸加強。

3 金融集聚的影響因素分析

表2 2006～2012年金融業(yè)區(qū)位熵的全局Moran指數(shù)I

為進一步分析區(qū)域金融集聚的影響因素，本文將以金融業(yè)區(qū)位熵為被解釋變量，以各影響因素為解釋變量，納入空間因素，建立空間面板模型?？紤]的影響因素包括經(jīng)濟發(fā)展水平、人力資本水平、對外開放和政府支持。

（1）經(jīng)濟發(fā)展水平。區(qū)域金融產(chǎn)業(yè)的發(fā)展與集聚依賴于實體經(jīng)濟的發(fā)展。實體經(jīng)濟中投資者和儲蓄者對金融機構(gòu)及相關(guān)金融服務(wù)的需求是促使金融業(yè)發(fā)展的強大動力，生產(chǎn)力的發(fā)展推動著金融業(yè)的不斷發(fā)展。理論上看來，經(jīng)濟水平越高的區(qū)域，其金融集聚水平也相應(yīng)較高。本文使用各區(qū)域人均GDP與全國人均GDP之比來表示各區(qū)域的經(jīng)濟發(fā)展水平。

（2）人力資本。高水平的人力資本是提升金融企業(yè)創(chuàng)新能力，促進金融企業(yè)發(fā)展的重要因素。因此，金融機構(gòu)傾向于集聚在人力資本水平高、人才儲備充足的區(qū)域。本文使用各區(qū)域金融業(yè)人均收入與全國金融業(yè)人均收入之比來衡量人力資本水平。

（3）對外開放。跨國公司總部總是定位于開放程度高的城市，而金融機構(gòu)由于其“客戶追隨”的特性，也傾向于選址于其主要客戶總公司的附近。因此，開放程度越高的區(qū)域，金融集聚水平越高。本文使用各區(qū)域進出口總額與GDP之比與全國進出口總額與GDP之比的比值來反映各區(qū)域?qū)ν忾_放水平。

（4）政府支持。政府行為是影響金融集聚的重要因素之一，為使金融業(yè)更好地發(fā)揮其促進經(jīng)濟發(fā)展的作用，地方政府將會加強對金融業(yè)的引導(dǎo)，實行獎勵措施和優(yōu)惠政策吸引金融機構(gòu)將總部設(shè)于當?shù)兀瑥亩龠M地方金融集聚的發(fā)展。本文使用地方政府的財政支出與GDP之比與全國地方政府財政支出與GDP之比的比值與來衡量地方政府對金融發(fā)展的作用力。

本文的研究樣本是2006～2010年我國31個省（除香港、澳門、臺灣省外）的省級數(shù)據(jù)，數(shù)據(jù)來源于歷年的《中國統(tǒng)計年鑒》、《中國金融年鑒》、《中國區(qū)域金融運行報告》。由于樣本是全部總體，我們選擇固定效應(yīng)模型建模，使用的空間計量模型為具有固定效應(yīng)的空間自相關(guān)面板模型和空間誤差面板模型：

固定效應(yīng)的空間滯后面板模型（SAR panel）：

固定效應(yīng)的空間誤差面板模型（SEM panel）：

式中，誤差項 εit=ηi+δt+vit。其中，ηi是區(qū)域i的特定固定效應(yīng)，即空間固定效應(yīng)，代表隨區(qū)域變化、但不隨時間變化的隨機變量對均值水平的影響，比如各個地區(qū)的資源稟賦；δt是第t年的時間固定效應(yīng)，代表隨時間變化、但不隨地理位置變化的隨機變量對均值水平的影響，比如國家政策等；vit為隨機誤差項向量。使用matlab空間計量工具箱spatial econometrics toolbox對模型進行估計與檢驗。在無固定效應(yīng)、空間固定效應(yīng)、時間固定效應(yīng)、時空固定效應(yīng)四個模型中，只有時空固定效應(yīng)模型的空間誤差項通過了顯著性檢驗，因此，此處僅列出具有時空固定效應(yīng)的空間誤差面板模型的檢驗結(jié)果，如表3所示：

表3 時空固定效應(yīng)SEM panel模型估計結(jié)果

表4列出了時空固定效應(yīng)SEM panel模型中各省級區(qū)域的空間固定效應(yīng)ηi，以及各個年份的時間固定效應(yīng)。

表4 時空固定效應(yīng)SEM panel模型下各地區(qū)空間固定效應(yīng)ηi

表5 時空固定效應(yīng)SEM panel模型下各年份的時間固定效應(yīng)δt

從模型估計結(jié)果來看，具有時間和空間固定效應(yīng)的SEM panel模型擬合得到的R2為0.9570，擬合效果比較好。各個回歸變量都顯著且系數(shù)為正，說明經(jīng)濟發(fā)展水平、人力資本水平、對外開放和政府支持對區(qū)域金融集聚都具有顯著的正向影響，地區(qū)可以通過加快經(jīng)濟發(fā)展、提高人力資本水平、加強對外開放和政府對金融業(yè)發(fā)展的支持來促進本地區(qū)的金融業(yè)集聚?？臻g誤差項通過了顯著性水平檢驗，說明模型中未考慮的其他因素對周邊地區(qū)具有較強的擴散效應(yīng)。

從表4中可以看出，各地區(qū)的空間固定效應(yīng)ηi存在較大的差異性。北京的空間固定效應(yīng)在所有地區(qū)中居于首位，浙江、上海、廣東、江蘇、福建等東部地區(qū)的固定效應(yīng)也較高。中部地區(qū)湖北的固定效應(yīng)最高，安徽的固定效應(yīng)最低。西部與東北部地區(qū)固定效應(yīng)多數(shù)為負值。整體來看，固定效應(yīng)東部地區(qū)較高、中西部及東北部地區(qū)偏低。時間固定效應(yīng)在2006年為0.0072，2007年和2008年下降為負值，2009年和2010年回升至0.0359和0.0218，呈現(xiàn)不斷波動并不斷增加的變化趨勢，說明各地區(qū)金融集聚水平隨時間的推移不斷提高。

4 結(jié)論

本文首先利用五分位圖、全局moran’I指數(shù)、moran散點圖、區(qū)位熵對我國金融業(yè)的區(qū)布局進行了分析，然后通過建立空間面板模型分析了區(qū)域金融集聚的影響因素。主要結(jié)論如下：

（1）我國金融業(yè)發(fā)展水平呈現(xiàn)由東向西遞減的態(tài)勢。金融業(yè)整體與銀行業(yè)、證券業(yè)、保險業(yè)呈現(xiàn)出相似的分布特征，發(fā)展水平較高的地區(qū)除首都北京外主要集中在東部沿海一帶，包括上海、北京、廣東、江蘇、浙江和山東，中西部地區(qū)金融業(yè)發(fā)展水平較低。全局空間自相關(guān)分析表明金融業(yè)具有正的空間相關(guān)性，相鄰地區(qū)的金融業(yè)增加值具有相似性，集聚趨勢越來越明顯。從各行業(yè)上來看，銀行業(yè)集聚趨勢加劇；證券業(yè)全局自相關(guān)系數(shù)未通過顯著性檢驗；保險業(yè)集聚水平不及銀行業(yè)顯著。

（2）局部空間自相關(guān)分析表明，就金融業(yè)整體而言，大部分省份都具有正的空間相關(guān)性，屬于高-高集聚或者低-低集聚。上海、浙江、江蘇、福建、天津和山東這些東部地區(qū)屬于高-高集聚，而黑龍江、內(nèi)蒙古、新疆、吉林、遼寧、甘肅、山西、陜西、寧夏、青海、西藏、湖北和重慶等中西部地區(qū)屬低-低集聚。北京、廣東屬于高-低型區(qū)域，雖本地區(qū)具有較高的金融業(yè)水平，但周邊地區(qū)金融業(yè)發(fā)展水平不高，應(yīng)加強輻射效應(yīng)，帶動周邊地區(qū)的金融業(yè)發(fā)展。安徽、湖南、江西、廣西、海南、河北屬于低-高型區(qū)域，這些地區(qū)本省金融業(yè)發(fā)展水平不高，但其周邊地區(qū)的金融業(yè)發(fā)展水平較高，應(yīng)通過加強與周邊地區(qū)的金融合作來促進本地區(qū)金融業(yè)的發(fā)展。從行業(yè)來看，銀行業(yè)、證券業(yè)、保險業(yè)呈現(xiàn)不同程度的集聚。證券業(yè)集聚程度最為明顯，其次為銀行業(yè)和保險業(yè)。證券業(yè)在上海、北京、廣州等極少數(shù)地區(qū)集聚，但絕大部分地區(qū)的證券業(yè)發(fā)展水平低下。東部地區(qū)銀行業(yè)、保險業(yè)發(fā)展水平高于中西部地區(qū)。西部四川的銀行業(yè)、保險業(yè)發(fā)展領(lǐng)先于周邊地區(qū)，中部河南、湖北的保險業(yè)發(fā)展領(lǐng)先于周邊地區(qū)。

（3）區(qū)位熵分析表明金融業(yè)區(qū)位熵位于前兩位的是北京與上海，其次是浙江、天津和廣東，這些地區(qū)金融集聚高于全國平均水平。與東部地區(qū)相比，中部、西部以及東北部金融業(yè)區(qū)位熵較低，金融集聚水平不顯著。金融業(yè)區(qū)位熵全局自相關(guān)系數(shù)顯著，具有正的空間自相關(guān)性。通過納入空間因素，建立空間面板模型分析了區(qū)域金融集聚的影響因素，結(jié)果表明經(jīng)濟發(fā)展水平、人力資本水平、對外開放和政府支持對區(qū)域金融集聚都具有顯著的正向影響。地區(qū)可以通過加快經(jīng)濟發(fā)展、提高人力資本水平、加強對外開放和政府對金融業(yè)發(fā)展的支持來促進本地區(qū)的金融業(yè)集聚。

[1]Levine R.Financial Development and Economic Growth：Views and Agenda[J].Journal of Economic Literatures，1997，（35）.

[2]Elhorst J P.Spatial Panel Data Models[C]//Fisher M M，Getis A.Handbook of Applied Spatial Analysis.Berlin：2003.

[3]丁藝，李靖霞，李林.金融集聚與區(qū)域經(jīng)濟增長-基于省際數(shù)據(jù)的實證分析[J].保險研究，2010,（2）.

[4]王仁祥,石丹.區(qū)域金融中心指標體系的構(gòu)建與模糊綜合評判[J].統(tǒng)計與決策，2005,（9）.

[5]馬丹.金融集聚淺析以及金融產(chǎn)業(yè)集聚程度評價指標體系的實證研究[D].碩士論文,2007.

[6]田霖.中國區(qū)域金融成長差異——基于金融地理學(xué)視角[M].北京：經(jīng)濟科學(xué)出版社，2006.