基于網(wǎng)絡(luò)分析法的中國(guó)區(qū)域金融空間關(guān)聯(lián)分析研究

袁 野，錢蓮芬

(溫州大學(xué)數(shù)理與電子信息工程學(xué)院，浙江溫州 325035)

金融是一個(gè)國(guó)家的核心競(jìng)爭(zhēng)力，區(qū)域金融是一個(gè)國(guó)家或地區(qū)金融資源在若干區(qū)域的空間分布狀態(tài)．近年來(lái)，經(jīng)濟(jì)全球化進(jìn)程不斷加快，金融系統(tǒng)的區(qū)域性功能逐漸增強(qiáng)，不平衡區(qū)域金融發(fā)展已經(jīng)是一種普遍存在的現(xiàn)象．

目前，國(guó)內(nèi)外學(xué)者主要從金融機(jī)構(gòu)的區(qū)位特征、金融中心的形成、金融排斥、金融集聚現(xiàn)象和原因等方面進(jìn)行研究，也有部分學(xué)者開(kāi)始引入空間因素到研究范圍．Park[1]通過(guò)微觀經(jīng)濟(jì)學(xué)的規(guī)模理論研究了金融中心的形成因素，認(rèn)為集聚能夠促進(jìn)金融中心的形成．楊志民等[2]以浙江省為例，運(yùn)用地理計(jì)量學(xué)理論以及牛頓萬(wàn)有引力模型分析了金融空間聯(lián)系特征，集合 SOM（Self Organizing Maps）神經(jīng)網(wǎng)絡(luò)以識(shí)別金融中心等級(jí)，結(jié)果顯示：近10年來(lái)浙江省區(qū)域金融“質(zhì)量”空間總體格局趨勢(shì)比較穩(wěn)定，杭州市金融空間聯(lián)系最大，引力線聯(lián)結(jié)最為廣泛．錢明輝等[3]通過(guò)對(duì)中國(guó)地級(jí)市以上行政區(qū)域以及部分縣級(jí)行政區(qū)域金融業(yè)的空間分布格局和空間相關(guān)性分析，將金融業(yè)的空間區(qū)位差作為衡量區(qū)域性金融中心輻射能力的指標(biāo)，并在新經(jīng)濟(jì)地理學(xué)理論框架下，擴(kuò)展傳統(tǒng)的空間計(jì)量回歸模型，對(duì)中國(guó)區(qū)域性金融中心輻射能力進(jìn)行影響因素分析，研究表明：中國(guó)金融業(yè)存在較強(qiáng)的空間相關(guān)性和空間溢出效應(yīng)，中國(guó)區(qū)域性金融中心具有很強(qiáng)的輻射能力．李紅等[4]基于1995 - 2011年中國(guó)城市面板數(shù)據(jù)，采用改進(jìn)權(quán)重的空間杜賓模型檢驗(yàn)了金融集聚以及空間溢出與城市經(jīng)濟(jì)增長(zhǎng)的關(guān)系，結(jié)果顯示：金融集聚帶來(lái)了人才、機(jī)構(gòu)、資本和稀缺資源的日益集中，但沒(méi)有產(chǎn)生擁擠效應(yīng)，金融人力資本、金融集聚規(guī)模與金融產(chǎn)出密度不僅促進(jìn)了城市經(jīng)濟(jì)增長(zhǎng)，在臨近城市還存在顯著空間溢出效應(yīng)．

本文采用一種新的研究方法——網(wǎng)絡(luò)分析法和QAP（Quadratic Assignment Procedure）[5]方法，對(duì)中國(guó)金融發(fā)展的空間關(guān)聯(lián)關(guān)系進(jìn)行研究．網(wǎng)絡(luò)分析法主要分析的是結(jié)構(gòu)關(guān)系，而結(jié)構(gòu)往往決定屬性數(shù)據(jù)的表現(xiàn)，更加具有分析的價(jià)值，除此之外，網(wǎng)絡(luò)分析法具有全局性分析特點(diǎn)，可避開(kāi)傳統(tǒng)空間計(jì)量分析方法位置相鄰的局限．

1 數(shù)據(jù)來(lái)源與研究方法

本文采用全國(guó)31個(gè)省份（港、澳、臺(tái)除外）金融機(jī)構(gòu)1991 - 2015年人民幣存款和貸款數(shù)據(jù)及GDP數(shù)據(jù)，構(gòu)建中國(guó)金融業(yè)的區(qū)位熵．?dāng)?shù)據(jù)來(lái)自歷年中國(guó)統(tǒng)計(jì)年鑒．余凌曲[6]研究表明，金融機(jī)構(gòu)人民幣存款和貸款數(shù)據(jù)可以反映金融業(yè)的深度和廣度，因此，本文選取金融機(jī)構(gòu)人民幣存款和貸款之和構(gòu)建中國(guó)金融業(yè)的區(qū)位熵，計(jì)算公式為：

1.1 區(qū)域金融發(fā)展空間關(guān)聯(lián)網(wǎng)絡(luò)的構(gòu)建

區(qū)域金融發(fā)展的空間關(guān)聯(lián)網(wǎng)絡(luò)是區(qū)域金融相互關(guān)系的集合．我們選擇VAR Granger Causality[7]方法來(lái)構(gòu)建金融發(fā)展的網(wǎng)絡(luò)結(jié)構(gòu)，其中兩個(gè)時(shí)間序列進(jìn)行Granger因果檢驗(yàn)，并在VAR模型框架下進(jìn)行，可以由（2）、（3）推導(dǎo)得出．其中 X1,t, X2,t分別是兩個(gè)區(qū)域的一階差分區(qū)位熵時(shí)間序列變量，α,β,δ,φ是被估計(jì)參數(shù)，ε1,t, ε2,t是殘差序列， p1, p2, p3, p4是滯后階數(shù)．

1.2 區(qū)域金融空間關(guān)聯(lián)網(wǎng)絡(luò)的特征刻畫

1.2.1 網(wǎng)絡(luò)密度

網(wǎng)絡(luò)密度是反映網(wǎng)絡(luò)中各個(gè)區(qū)域之間關(guān)聯(lián)關(guān)系疏密情況的指標(biāo)．可以把網(wǎng)絡(luò)中實(shí)際擁有的連線數(shù)與整個(gè)網(wǎng)絡(luò)最多擁有的連線數(shù)之比叫做網(wǎng)絡(luò)密度[8]，取值范圍在0和1之間，網(wǎng)絡(luò)密度可以表示為：其中N是網(wǎng)絡(luò)中省份數(shù)量（即N=31），L是網(wǎng)絡(luò)中實(shí)際擁有的有向關(guān)聯(lián)數(shù)量．

1.2.2 關(guān)聯(lián)性分析

網(wǎng)絡(luò)關(guān)聯(lián)性分析由三個(gè)度量來(lái)衡量：網(wǎng)絡(luò)關(guān)聯(lián)度、網(wǎng)絡(luò)等級(jí)和網(wǎng)絡(luò)效率．網(wǎng)絡(luò)關(guān)聯(lián)度反映金融聯(lián)動(dòng)網(wǎng)絡(luò)自身的穩(wěn)健性和脆弱性，取值介于0到1之間．如果網(wǎng)絡(luò)中不可達(dá)點(diǎn)對(duì)數(shù)為V，那么網(wǎng)絡(luò)關(guān)聯(lián)度C可表示為：

網(wǎng)絡(luò)等級(jí)[9]反映各個(gè)省份之間在網(wǎng)絡(luò)中的支配地位，取值為0到1．如果整個(gè)網(wǎng)絡(luò)中對(duì)稱可達(dá)點(diǎn)對(duì)數(shù)為K，那么網(wǎng)絡(luò)中最大可能的對(duì)稱可達(dá)點(diǎn)數(shù)就是max(K)，等級(jí)度H，可表示為：

網(wǎng)絡(luò)效率[5]反映金融聯(lián)動(dòng)網(wǎng)絡(luò)中各省份之間的連接效率，取值范圍為0 - 1．設(shè)網(wǎng)絡(luò)中存在M條多余線條，最大的可能多余線數(shù)目為 m ax（M ） ，那么網(wǎng)絡(luò)效率E的計(jì)算公式為：

1.2.3 中心性分析

中心性是研究網(wǎng)絡(luò)中各區(qū)域在網(wǎng)絡(luò)中地位和作用的指標(biāo)．點(diǎn)度中心度是指在網(wǎng)絡(luò)中與某省份直接相關(guān)聯(lián)的區(qū)域數(shù)目（用n表示）和最大可能直接相連的區(qū)域數(shù)目（用N-1表示）之比，點(diǎn)度中心度表達(dá)式為： C e=n/(N - 1 )．

中介中心度由 Freeman[10]提出.該指標(biāo)可反映某個(gè)省份對(duì)其它省份金融聯(lián)動(dòng)關(guān)系的控制程度．假如網(wǎng)絡(luò)中有N個(gè)節(jié)點(diǎn)，其中節(jié)點(diǎn)j和k之間有條捷徑，j和k之間經(jīng)過(guò)第三個(gè)節(jié)點(diǎn)i的捷徑數(shù)為（i），節(jié)點(diǎn)i對(duì)j,k兩點(diǎn)交往的控制能力為（i），那么則中介中間度可表示為：

1.3 區(qū)域金融空間關(guān)聯(lián)網(wǎng)絡(luò)的塊模型分析

塊模型分析[11]是由White等[12]提出的一種研究網(wǎng)絡(luò)位置模型的方法，主要有四種區(qū)域金融增長(zhǎng)的角色位置：主受益板塊、凈溢出板塊、雙向溢出板塊、經(jīng)紀(jì)人板塊．網(wǎng)絡(luò)內(nèi)部關(guān)系趨勢(shì)指標(biāo)由Wasserman等[13]在1994年提出：假如位置Bk有yk個(gè)金融主體，那么Bk內(nèi)部所有可能具有的有向關(guān)系總數(shù)為 yk（yk- 1 ），如果整個(gè)網(wǎng)絡(luò)中的金融主體個(gè)數(shù)為y個(gè)，那么Bk位置的各個(gè)成員所有的可能關(guān)系數(shù)目為 yk（y- 1 ），這樣 yk( yk- 1 )/[yk(y - 1 )]=(yk- 1 )/(y - 1 )就可以代表網(wǎng)絡(luò)中一個(gè)位置的總關(guān)系期望比例．根據(jù)這個(gè)理論，可以劃分四種金融發(fā)展板塊，見(jiàn)表1．

表1 金融發(fā)展板塊分類Table 1 Classification of Financial Development Plates

1.4 QAP分析法

QAP是一種非參數(shù)方法，比參數(shù)方法更加有效．本文將選取QAP分析法對(duì)我國(guó)區(qū)域金融發(fā)展空間關(guān)聯(lián)聯(lián)動(dòng)網(wǎng)絡(luò)影響因素進(jìn)行回歸分析．QAP回歸分析是研究一個(gè)矩陣對(duì)多個(gè)矩陣之間的回歸關(guān)系，首先將響應(yīng)變量矩陣對(duì)應(yīng)長(zhǎng)向量與解釋變量矩陣對(duì)應(yīng)長(zhǎng)向量進(jìn)行常規(guī)的多元線性回歸分析，得到實(shí)際參數(shù)估計(jì)值和可決系數(shù)，然后將響應(yīng)變量矩陣的行和列進(jìn)行隨機(jī)置換，接著與自變量矩陣重新計(jì)算回歸，重復(fù)這個(gè)過(guò)程足夠多次，對(duì)所有的系數(shù)值和可決系數(shù)進(jìn)行判斷得到相應(yīng)的分布，以此估計(jì)統(tǒng)計(jì)量的標(biāo)注誤差．

2 中國(guó)區(qū)域金融空間關(guān)聯(lián)的結(jié)構(gòu)特征

2.1 中國(guó)區(qū)域金融增長(zhǎng)空間關(guān)聯(lián)網(wǎng)絡(luò)建立

通過(guò)對(duì)31個(gè)省份區(qū)位熵一階差分進(jìn)行VAR Granger Causality / Block Exogeneity Wald 檢驗(yàn)，最終確定省份之間204個(gè)關(guān)聯(lián)關(guān)系，利用UCINET可視化工具Netdraw根據(jù)各個(gè)省份的關(guān)聯(lián)矩陣?yán)L制我國(guó)31個(gè)省份金融發(fā)展聯(lián)動(dòng)關(guān)系的網(wǎng)絡(luò)圖結(jié)構(gòu)（見(jiàn)圖1）．

2.2 中國(guó)區(qū)域金融增長(zhǎng)空間關(guān)聯(lián)網(wǎng)絡(luò)的特征分析

根據(jù)我國(guó)金融發(fā)展區(qū)位熵的Granger因果檢驗(yàn)結(jié)果，借助UCINET分析軟件得到了我國(guó)金融增長(zhǎng)空間關(guān)聯(lián)網(wǎng)絡(luò)的關(guān)聯(lián)總數(shù)、網(wǎng)絡(luò)密度、網(wǎng)絡(luò)等級(jí)和網(wǎng)絡(luò)效率（見(jiàn)表2）．

表2 整體網(wǎng)絡(luò)結(jié)構(gòu)特征Table 2 Overall Network Structure Characteristics

我國(guó)31個(gè)省份金融增長(zhǎng)之間存在最大的關(guān)聯(lián)數(shù)是930，目前實(shí)際存在關(guān)聯(lián)數(shù)為204，計(jì)算可得網(wǎng)絡(luò)密度為0.219．中國(guó)金融增長(zhǎng)聯(lián)動(dòng)網(wǎng)絡(luò)關(guān)聯(lián)度為1，表明區(qū)域金融增長(zhǎng)整體聯(lián)動(dòng)性強(qiáng)，省份金融之間普遍存在溢出效應(yīng)．網(wǎng)絡(luò)等級(jí)度為0.72，說(shuō)明中國(guó)區(qū)域金融發(fā)展結(jié)構(gòu)存在等級(jí)“森嚴(yán)”的情況，金融發(fā)展更加趨向金融中心的輻射，更加需要加強(qiáng)不同水平區(qū)域之間金融的整體協(xié)調(diào)關(guān)系．網(wǎng)絡(luò)效率為0.192，說(shuō)明金融發(fā)展區(qū)域之間存在較多的冗余連線，關(guān)聯(lián)較為緊密，網(wǎng)絡(luò)較為穩(wěn)定．

2.3 網(wǎng)絡(luò)中心性分析

本文對(duì)點(diǎn)度中心度、接近中心度指標(biāo)進(jìn)行網(wǎng)絡(luò)的中心性分析，通過(guò)UNICET計(jì)算出中心性指標(biāo)，結(jié)果見(jiàn)表3．

1）點(diǎn)度中心度．從表 3可以看出，排名前五名的省份分別是山西、湖北、湖南、安徽、浙江，這些省份與其它省份金融發(fā)展之間存在較多的聯(lián)動(dòng)關(guān)系，在整個(gè)網(wǎng)絡(luò)中處于中心地位．在所有城市溢出關(guān)系數(shù)當(dāng)中，排名前五名的分別是天津、陜西、上海、浙江、山東，在網(wǎng)絡(luò)中主要處于輻射影響其它省份的角色，屬于溢出關(guān)系，這些省份有4個(gè)屬于沿海城市，說(shuō)明東部發(fā)達(dá)城市在我國(guó)金融增長(zhǎng)當(dāng)中起著引擎作用．

2）在網(wǎng)絡(luò)中心度指標(biāo)中，山西、湖北、湖南、安徽、浙江位列前五名，最高可以達(dá)到85.714，說(shuō)明這些省份在網(wǎng)絡(luò)中與其它省份的“捷徑”距離短，有良好的通達(dá)性、緊密型，這些省份大部分在中國(guó)中部地區(qū)，在中國(guó)東西部之間的資源傳送、貿(mào)易往來(lái)等方面起著重要的傳導(dǎo)作用．

圖1 中國(guó)區(qū)域金融增長(zhǎng)空間關(guān)聯(lián)網(wǎng)絡(luò)Fig 1 The Spatial Association Network for China Regional Financial

表3 中國(guó)金融增長(zhǎng)空間關(guān)聯(lián)網(wǎng)絡(luò)的中心性分析Table 3 The Centrality Analysis of China’s Financial Growth Spatial Correlation Network

3 塊模型分析

根據(jù)圖1，本文采用CONCOR方法，選擇最大分割深度為2，得4個(gè)板塊，集中標(biāo)準(zhǔn)為0.2，對(duì)中國(guó)31個(gè)省份金融發(fā)展關(guān)聯(lián)關(guān)系進(jìn)行塊模型分析，將31個(gè)省份網(wǎng)絡(luò)節(jié)點(diǎn)劃為4個(gè)板塊，見(jiàn)表4．

表4 中國(guó)省際區(qū)域金融增長(zhǎng)空間關(guān)聯(lián)板塊劃分Table 4 The Spatial Correlation Plate Division for Financial Growth in China’s Interprovincial Regions

從表5可以看出，204個(gè)關(guān)聯(lián)關(guān)系當(dāng)中，四個(gè)板塊內(nèi)部關(guān)系有50個(gè)，板塊之間關(guān)聯(lián)數(shù)為154個(gè)，板塊之間有很強(qiáng)的溢出關(guān)系．第一板塊成員有6個(gè)，接收關(guān)系數(shù)為36個(gè)，其中板塊內(nèi)部關(guān)系數(shù)3個(gè)，溢出關(guān)系總數(shù)為23個(gè)，期望內(nèi)部關(guān)系比例為17%，實(shí)際內(nèi)部關(guān)系比例為13%，為主受益板塊．第二板塊成員數(shù)有4個(gè)，接收關(guān)系數(shù)為23個(gè)，其中內(nèi)部關(guān)系數(shù)為3，溢出關(guān)系數(shù)為29，期望內(nèi)部關(guān)系比例為 10%，實(shí)際內(nèi)部關(guān)系比例為 10%，為經(jīng)紀(jì)人板塊．第三板塊成員數(shù)為11個(gè)，主要是東部發(fā)達(dá)城市，該板塊接收關(guān)系數(shù)為98個(gè)，其中內(nèi)部關(guān)系數(shù)為36個(gè)，溢出關(guān)系總數(shù)為83個(gè)，期望內(nèi)部關(guān)系為33%，實(shí)際內(nèi)部關(guān)系為43%，為凈溢出板塊．第四板塊成員數(shù)為10個(gè)，主要是中部發(fā)展較快省份，板塊接收數(shù)為47個(gè)，溢出關(guān)系數(shù)為69個(gè)，期望內(nèi)部關(guān)系比例為30%，實(shí)際內(nèi)部關(guān)系比例為12%，為“雙向溢出板塊”．

我們計(jì)算出四個(gè)板塊的密度矩陣和像矩陣．整體網(wǎng)密度為 0.219，如果板塊網(wǎng)絡(luò)的密度矩陣大于0.219就賦值為1，否則為0，可以得到板塊網(wǎng)絡(luò)的像矩陣如表6．按照密度準(zhǔn)則得到了板塊像矩陣的可視化關(guān)聯(lián)圖（見(jiàn)圖2）．從圖2可以看出，中國(guó)金融發(fā)展的主要?jiǎng)恿?lái)自于第三板塊，第三板塊成員主要為東部發(fā)達(dá)城市，它將金融增長(zhǎng)的動(dòng)力傳遞給扮演中介作用的第二板塊，第二板塊充當(dāng)了橋梁和紐帶的作用，第二板塊又將金融發(fā)展的主要?jiǎng)恿鬟f給“主受益”的第一板塊和“雙向溢出的”第四板塊，各板塊的傳遞關(guān)系具有明顯的“梯度”溢出特征．

圖2 中國(guó)金融發(fā)展板塊相互關(guān)系Fig 2 The Mutual Relationship of China’s Financial Development Plates

表5 各金融增長(zhǎng)板塊之間溢出效應(yīng)Table 5 Overflow Effect between all Financial Growth Plates

表6 金融增長(zhǎng)空間關(guān)聯(lián)板塊的密度矩陣Table 6 The Density Matrix of the Financial Growth Spatial Correlation Plate

4 中國(guó)區(qū)域金融增長(zhǎng)空間關(guān)聯(lián)分析影響因素—— QAP分析

4.1 理論假設(shè)、數(shù)據(jù)選擇及模型構(gòu)建

本文從經(jīng)濟(jì)、地理、社會(huì)、政治因素等方面，選取交通運(yùn)輸能力、人均收入、進(jìn)出口貿(mào)易程度、第三產(chǎn)業(yè)增長(zhǎng)情況、就業(yè)情況以及區(qū)域省份鄰接和政府干預(yù)程度等方面作為研究指標(biāo)，選取1991年到2015年25年的數(shù)據(jù)，數(shù)據(jù)來(lái)自歷年中國(guó)統(tǒng)計(jì)年鑒，具體指標(biāo)定義見(jiàn)表7．

4.2 QAP回歸分析

接4.1內(nèi)容，采用QAP回歸分析法隨機(jī)置換5 000次，結(jié)果如表8所示，其中概率1代表的是隨機(jī)置換產(chǎn)生的回歸系數(shù)不小于實(shí)際觀察到回歸系數(shù)的概率，概率2則是隨機(jī)置換產(chǎn)生的回歸系數(shù)不大于實(shí)際觀察到回歸系數(shù)的概率．

表7 金融發(fā)展影響因素指標(biāo)Table 7 The Affecting Factors and Targets for Financial Development

表8 QAP回歸分析結(jié)果Table 8 QAP Regression Analysis Results

表8是QAP回歸分析的結(jié)果．結(jié)果表明，人均收入比例矩陣X1在10%的顯著性水平下顯著，說(shuō)明各個(gè)地區(qū)人均收入的差距對(duì)于我國(guó)金融發(fā)展有很大影響；對(duì)外貿(mào)易比例矩陣 X2和第三產(chǎn)業(yè)比例矩陣在顯著性水平為10%的水平下都顯著，表明進(jìn)出口貿(mào)易和第三產(chǎn)業(yè)發(fā)展指數(shù)也是影響我國(guó)金融發(fā)展的因素；交通運(yùn)輸能力在 1%的水平下也顯著，說(shuō)明我國(guó)金融發(fā)展和地區(qū)內(nèi)部交通便利發(fā)達(dá)有顯著關(guān)系；政府的干預(yù)指數(shù)顯著性水平為0.097，在10%的顯著性水平下顯著，可見(jiàn)，政府在我國(guó)金融發(fā)展當(dāng)中起了無(wú)可代替的作用，政府通過(guò)宏觀調(diào)控和市場(chǎng)需求雙向協(xié)調(diào)和指揮，極大促進(jìn)了我國(guó)金融健康穩(wěn)定的發(fā)展．

5 結(jié)論和建議

本文采用網(wǎng)絡(luò)分析法，對(duì)我國(guó)區(qū)域金融發(fā)展的空間關(guān)聯(lián)進(jìn)行了研究，以下為主要結(jié)論：

1）中國(guó)區(qū)域金融發(fā)展空間網(wǎng)絡(luò)總有204個(gè)關(guān)聯(lián)關(guān)系，網(wǎng)絡(luò)密度為0.219，網(wǎng)絡(luò)關(guān)聯(lián)度為1，具有很好的穩(wěn)健性；網(wǎng)絡(luò)效率為19.2%，網(wǎng)絡(luò)等級(jí)為72%，我國(guó)區(qū)域金融發(fā)展空間存在溢出效應(yīng)．

2）中國(guó)區(qū)域金融增長(zhǎng)可以分為四個(gè)板塊，第一板塊包括北京、內(nèi)蒙古、山西、四川、青海、西藏，為主受益板塊；第二板塊包括：江蘇、安徽、寧夏、云南，主要是具有較強(qiáng)金融發(fā)展活力的城市；第三板塊有湖南、天津、上海、廣東、浙江、遼寧、廣西、貴州、陜西，板塊內(nèi)和板塊外均產(chǎn)生溢出效應(yīng)，是“凈溢出板塊”；第四個(gè)板塊主要為中部發(fā)達(dá)城市，山東、重慶、河南、吉林、河北、黑龍江、海南、新疆、江西、甘肅，為“雙向溢出板塊”．

3）影響我國(guó)金融發(fā)展的主要因素為：人均收入、對(duì)外貿(mào)易、第三產(chǎn)業(yè)發(fā)展指數(shù)、交通運(yùn)輸能力和政府的干預(yù)指數(shù)．

基于以上結(jié)論，在未來(lái)金融發(fā)展過(guò)程中，應(yīng)該采取積極有效的措施來(lái)增加區(qū)域之間金融發(fā)展的關(guān)聯(lián)性．政府應(yīng)該高度重視我國(guó)金融發(fā)展的不平衡，增加各個(gè)地區(qū)金融發(fā)展的溢出渠道，科學(xué)全面地認(rèn)識(shí)我國(guó)金融發(fā)展網(wǎng)絡(luò)的結(jié)構(gòu)和特點(diǎn)，對(duì)于發(fā)展落后的地區(qū)要基于政策上的支持和鼓勵(lì)，以防止區(qū)域金融發(fā)展差距的不斷擴(kuò)大．各個(gè)地區(qū)之間的聯(lián)動(dòng)關(guān)系錯(cuò)綜復(fù)雜，牽一發(fā)而動(dòng)全身，國(guó)家應(yīng)該在市場(chǎng)正常發(fā)展的基礎(chǔ)上加強(qiáng)宏觀調(diào)控，為區(qū)域金融發(fā)展之間的交流和資源的優(yōu)化配置創(chuàng)造條件，要熟悉了解各個(gè)地區(qū)金融發(fā)展的狀況，進(jìn)行精準(zhǔn)化調(diào)控，充分發(fā)揮“動(dòng)力源”功能，進(jìn)一步加強(qiáng)“中介”板塊的傳導(dǎo)作用．要提高公民的人均收入水平，擴(kuò)大內(nèi)需，刺激消費(fèi)，同時(shí)也要提高交通運(yùn)輸能力，拓展對(duì)外貿(mào)易的廣度和深度，提高其質(zhì)量和效益．中國(guó)金融業(yè)的空間擴(kuò)散不同于傳統(tǒng)工業(yè)，有其自身的特點(diǎn)，要在省份自身、相鄰區(qū)域和區(qū)域之間，打造適合區(qū)域金融發(fā)展的空間載體和政策平臺(tái)，加速金融流動(dòng)，提高資源優(yōu)化配置，以實(shí)現(xiàn)我國(guó)金融發(fā)展又快又好的社會(huì)目標(biāo)．