金融发展的差别性与依赖性探究范文

指标选取、研究方法与模型设定

（一）指标选取。

在参考同类研究的基础上，本文主要用金融相关比率、贷存比、信贷比率等作为金融发展的替代性指标。一是金融相关比率，指某一时刻一国全部金融资产价值与该国经济活动总量的比值，是衡量金融发展水平的重要指标。本文将其定义为全部金融机构年底存贷款余额与地区国内生产总值之比，即：FIR=（Dt+Lt）/GDP。其中，Dt和Lt分别代表全部金融机构年底存款余额贷款余额。二是贷存比。该指标反映了金融体系将储蓄转化为投资的效率，在其他因素不变的情况下，贷存比越高表明银行资产使用效率和盈利能力越强。本文贷存比定义为金融机构本外币各项贷款与各项存款的比值。三是信贷比率。该指标用全部金融机构年底本外币贷款余额与地区国内生产总值的比值表示，反映了单位GDP增长所需要的信贷支持。

本文选取2000-2011年广东省21个市的金融机构本外币存贷款数据、地区国内生产总值等，来源于历年《广东统计年鉴》及广东省各市2011年国民经济和社会发展统计公报。

（二）研究方法。

1、计算变异系数。首先计算与地理位置无关的变异系数，该指标仅单纯反映数据的离散程度，变异系数即标准差和均值的比值，公式为：2、探索性空间数据分析。第一，确定空间权重矩阵。空间权重矩阵反映了不同空间对象之间的空间布局，通常定义一个二元对称空间权重矩阵W，来表达空间区域的邻近关系。本文以广东省21个市建立基于空间邻接关系的权重矩阵，这里邻接的标准是rook标准，即具有公共边界，其形式如下：第二，求全局空间自相关指标。为了分析广东省金融发展的空间分布状况，本文通过GeoDA分析各市金融发展水平之间的空间关联性。Moran’sI指数是最早应用于全局聚类检验的方法，用于检验整个研究区域中邻近地区间是相似、相异，或者是相互独立的。

其计算公式如下：（2）式中，I为Moran指数;xi为区域i的观测值;wij为空间权重矩阵。I的取值一般在[-1，1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。第三，求局部空间自相关指标。全局空间自相关指标Moran''''sI用于验证广东全省的金融发展空间分布特征，而局域空间自相关指标LISA则用于反映一个区域金融发展水平与邻近区域金融发展水平的相关程度。局部Moran指数被定义为：若Ii>0，表示一个高值被高值所包围（高-高），或者一个低值被低值所包围（低-低）；若Ii<0表示一个低值被高值所包围（低-高），或者一个高值被低值所包围（高-低）。

（三）空间自回归模型。

空间滞后模型（SpatialLagModel，SLM）常用于研究被解释变量的扩散效应，体现了个别子区域相对于相邻区域经济的外溢，模型形式为空间误差模型（SpatialErrorModel，SEM）能够反映区域间相互影响因所处的相对位置不同而产生的差异，其形式为模型（4）和（5）中，y为n×1维向量，是被解释变量，X为n×k的数据矩阵，是解释变量，W是空间权重矩阵，参数ρ、λ分别是是空间滞后、空间误差变量的参数。

研究结果与分析

（一）广东金融发展的区域差异性分析。

从金融相关比率、贷存比、信贷比率三个指标的变异系数来看，广东各市金融发展差异性较为显著，2000-2011年三项指标变异系数的均值分别为0.37、0.19和0.49，信贷比率的差异性最大。整体来看，广东21市的金融发展指标的离散程度在金融危机前总体呈上升趋势，而在金融危机后则略有缓解。从2000、2006和2011年金融相关比率的四分位对比图来看，广州、深圳、佛山和珠海4市始终保持了领先地位，而茂名和汕尾则一直处于较低水平，韶关、肇庆、梅州、汕头、河源和湛江的所属地位则相对固定；同时，清远、阳江、江门相对水平则有所下降，而惠州、东莞、云浮、揭阳则上升。总体来说，广东各市金融发展水平相对高低总体上保持了稳定样本期间内相对位置并不十分剧烈。

（二）探索性空间数据分析。

计算2000-2011年广东省金融发展的全局Moran''''I指数发现，样本区内该指数始终为正值。这表明，广东省各市金融发展存在显著的正向空间依赖性，金融发展水平相近的省域互邻的概率大。从趋势走向看，2000年空间相关性最强，Moran''''I指数为0.304；在金融危机爆发以前，Moran''''I指数呈逐年下降趋势，并在2006年降到最小值0.144；金融危机爆发以后该指数略有上升，但幅度不大。总体上看，2000年伴随着统筹区域经济发展各项政策的逐渐深入，金融资源加速向欠发达地区流动，一定程度上缓解了金融发展的地区差异，金融发展的空间相关性呈现出弱化趋势。采用LISA方法进一步对广东金融发展的空间差异进行分析。根据2000、2006、2011年出各市金融相关比率的局部Moran''''I指数散点图，各市被划分为四种空间相关类型。第一象限（高-高），即观察值高的地区其周围也是观测值较高的地区，包括深圳、广州、东莞、中山、江门、佛山、珠海、惠州。这表明除肇庆外，珠三角各市金融发展存在显著的正的空间自相关关系。第二象（低-低），即观察值低的地区周围也是观察值较低地区，包括潮州、揭阳、汕尾、湛江、阳江、茂名，这表明受远离珠三角核心区域这一地理因素的影响，粤东、粤西金融发展水平均不高，形成了这种低-低格局。第三象限（低-高）则包括清远、河源、肇庆。而第四象限（高-低）则包括汕头、云浮、韶关、梅州。以上观测结果表明，处于前两个象限的地区体现了空间集聚，而后两个象限则反映了一定程度的空间离群。从离群的汕头与肇庆等市来看，汕头由于较早建立经济开发区，金融发展水平明显高于其他粤东地市，而与珠三角相对较近的肇庆、清远、韶关的金融发展则未能被珠三角地区的高速发展充分带动起来。综合来看，金融资源集聚于以广州、深圳为核心的珠三角地区，而粤东、粤西两区域的金融资源均较匮乏，该状况的形成体现了金融发展的空间依赖性，即各地市金融发展受到空间因素的长期影响和制约。

（三）空间滞后模型与空间误差模型结果。

金融发展可以为经济发展提供充足的资金和交易便利，可以通过降低交易成本、扩大总需求等途径促进经济发展。金融发展的空间依赖特征也将对这种促进作用的发挥产生一定的影响。为探讨各市金融发展与经济发展之间的关系，在不考虑空间因素的前提下，分别以2000、2006、2011年各市金融相关比率为自变量，同期各市地区国内生产总值为因变量（经对数化处理），运用普通最小二乘法建立回归方程（6）式，并通过OLS进行回导分析，结果见表1。从表1可以看出，在不考虑空间因素影响的情况下，金融发展对经济发展的解释力度不强。根据前文分析，广东各市金融发展存在较强的空间依赖性，简单使用普通最小二乘法将导致参数估计失真。引入空间滞后模型和空间误差模型后（见表2、3），模型可决系数均有所提高，AIC、SC值也均有改善。从SLM模型的结果（见表2）与SEM模型（见表3）对比来看，前者的所有参数Z值均通过了检验，而后者回归结果的显著性则相对较弱，因此SLM模型更为适当。

结论与对策建议

从广东各市金融相关比率、贷存比、信贷比率等金融发展指标分析入手，借助空间计量模型，考察了2000-2011年间广东各市金融发展的空间特征。研究结果表明：一是广东金融发展的区域差异性明显，但过去十多年来，差异扩大化的趋势有一定的缓解，尤其是在金融危机发生后，随着“双转移”等政策的实施，广东统筹区域经济发展步伐加快，欠发达地区金融资源可获得性有所增加。二是广东各市金融发展体现出了显著的空间集聚特征，空间依赖性较强。除肇庆外的其他珠三角8市聚集了较多的金融资源，金融发展水平高；而粤东的潮州、揭阳、汕尾与粤西的湛江、茂名、阳江的金融发展水平均相对滞后，且相互为邻；粤北山区各市及云浮等地空间集聚不显著。三是空间计量模型显示广东金融发展对经济发展的促进作用也体现了空间自相关性。加入空间权重指标后，金融发展对经济发展的解释力显著增强。

因此，各级政府应以贯彻落实《广东省建设珠江三角洲金融改革创新综合实验区总体方案》为契机，着力促进广东区域金融协调发展。一是更加注重金融发展的集聚效应，加快形成以广州、深圳为龙头的国际金融中心以及其他次区域性金融中心，带动金融产业集聚发展。二是正视并遵循金融发展的空间依赖性，加强区域间金融合作，健全区域性金融合作机制，加大支付结算领域的合作，鼓励金融机构在区域相近的地市设立分支机构，推动区域金融一体化发展。三是执行区域差异化货币政策，落实差别化存款准备金率等政策，给予落后地区更宽松的政策环境，避免货币政策“一刀切”给落后地区带来的冲击。

作者：王鹏飞单位：中国人民银行湛江市中心支行