東北三省區域金融生態環境評價

1（長春金融高等專科學校創業教育學院,長春 130028)

2（吉林省金融安全研究中心,長春 130028) 3（東北師范大學經濟與管理學院,長春 130117)

金融的發展，不僅是金融主體的發展，也包括影響金融主體的金融生態環境的完善。金融生態環境包括經濟基礎、金融資源、政府行為、誠信環境、法律環境、中介服務、教育、科技水平等多層面的因素［1］。近3年 《中國區域金融運行報告》顯示，東北三省金融業以市場為導向的金融資源配置能力不斷增強，為經濟社會發展提供了強有力的支撐，在完善金融生態環境方面取得了重大進展，但尚未達到自我調節、自我優化的良性發展狀態。尤其是隨著 “互聯網+”新業態的發展，互聯網金融產生的 “鯰魚效應”成功擾動傳統金融生態系統，傳統金融生態如何演變、優化并達到新的平衡成為理論界和實務界關注的焦點。

1 文獻回顧

國外學者沒有明確提出金融生態環境的概念，Kenneth Boulding最早運用生態經濟學考察金融生態系統的演化與發展機制；國內學者周小川正式提出 “金融生態”的仿生學概念，鑒于此，本文將金融生態界定為金融主體與金融生態環境間相互依賴、相互制約的動態平衡系統。

現有文獻對于東北三省區域金融的研究主要集中在區域金融與經濟增長關系、對現有金融模式進行創新以及金融監管等，對于金融生態環境整體性評價較少。紀明輝和吳偉 （2011）［2］對東北地區金融生態環境現狀進行研究，得出東北三省金融生態環境各項指標均排名靠后，在經濟基礎、金融發展、政府治理和制度環境方面都存在制約因素。何昆 （2013）［3］通過構建3個層面的建議體系框架，為東北三省農村金融體系改革提供了參考，為全國農村金融體系建設的有效推進提供了證據。李中梅等 （2019）［4］對東北三省普惠金融進行回歸分析與主成分因子分析，發現地方經濟發展水平、互聯網普及率、受教育程度、金融貸款余額增長率對東北三省的普惠金融具有正向影響。羅丹程等 （2020）［5］對東北三省金融發展、科技創新與經濟增長的關系進行實證分析，發現金融發展與科技創新對經濟發展有顯著促進作用，人均消費水平不利于地區經濟發展。

綜上，國內對于東北三省金融生態環境的研究基本停留在省域或省內的比較分析，本文在前人研究的基礎上，對東北三省金融生態環境評價體系進行了細化，按照各個城市不同發展水平分類，以期豐富金融生態環境評價理論。

2 區域金融生態環境評價指標體系的構建

2.1 指標構建原則

本文在遵循基本指標構建系統性、典型性、可量化、動態性原則的基礎上，采用了多級指標的設計，吸收采納學者在構建區域金融生態環境評價指標體系中使用過的適用于東北三省具體情況的指標，并結合東北地區的新金融環境對原有指標體系中的指標進行更新，構建東北三省區域金融生態環境評價指標體系。

2.2 構建指標體系

在遵循基本原則基礎上，本文從經濟金融、政策服務、社會人文3個層面篩選了21個對東北地區區域金融生態環境存在影響的指標，建立了區域金融生態環境評價指標體系。

經濟金融層面可以分為經濟運行情況和金融行業發展情況。經濟基礎方面我們主要關心的是一個地區經濟運行的質量。城鄉居民人均可支配收入可以反映居民的消費潛力，經濟發展水平越高的地區，人均可支配收入也會越高，消費能力就越強。失業率和物價指數可以用來衡量區域經濟發展的穩定程度，如果區域經濟發展穩定，城鄉居民會有更多資金進行投資等金融活動，從而有利于區域金融機構的發展。金融發展可以從金融機構的盈利能力角度來衡量。金融機構人民幣各項存款余額是金融機構資金的主要來源，是其發放貸款的基礎，只有金融機構中的存款總額充足才能滿足該地區企業貸款的需求，從而滿足該地區經濟發展的需要。金融機構人民幣各項貸款余額占GDP的比重則體現了金融業為地區經濟增長做出的貢獻。保險費用收入代表了保險公司的盈利能力，體現保險行業的發展情況。而金融行業增加值與金融從業人員數量則反映了一個地區金融行業的發展程度。

除經濟基礎和金融發展外，政府在區域金融發展中所起到的主導作用也是重要影響因素。一般性公共預算收支的差額可以體現財政赤字或盈余的情況。稅收收入占財政收入的比重則反映了一個地區政府財政收入來源的結構。地區財政對公共服務投入占財政支出的比重越大，說明該地區的政府鼓勵外界人員對當地企業進行投資的意愿越強。這些指標對區域金融生態環境的發展均起到重要的作用。

金融行業的發展不僅需要經濟金融環境的支撐和政府政策服務的支持，還離不開人才和社會環境的助力。普通高等學校在校生數、普通高等學校專任教師數、財政教育支出主要反映了一個地區的教育發展情況，公共文化設施數體現了一個地區的文化相關基礎設施建設的情況，互聯網普及率體現了一個地區在大數據與人工智能興起的背景下，原有的金融理財手段在互聯網的作用下得到豐富、區域金融生態環境受到影響的程度［6］。

綜上，整理出本文評價東北三省區域金融生態環境的一級指標、二級指標如表1所示。

2.3 數據來源

鑒于金融生態系統的動態性，本文選用面板數據分析，數據是由黑龍江省、吉林省、遼寧省的統計年鑒 （2009～2018年）和各省中國保監會監管局中的原始數據經整理、計算而得。對缺失數據的處理，均采用回歸替換插補法補充部分地區部分年份的缺失數據信息。

3 模型設計與實證分析

3.1 模型構建

因子分析模型是由查爾斯·斯皮爾曼提出的，是利用降維的思想，從研究原始變量的相關矩陣內部的依賴關系出發，將一些關系錯綜復雜的變量歸結成少數幾個綜合因子的一種多變量統計分析方法。灰色關聯度分析是在一個灰色系統中，已知某個指標和其他幾個因素相關，通過對因素進行排序得到該指標與哪些因素更加相關的結論，也是一種常用的多因素統計分析的方法［7］。本文將因子分析與灰色關聯度分析相結合，用因子分析法確定各個指標的權重，再基于因子分析進行灰色關聯度分析確定與區域金融生態環境發展更為相關的因素，其具體步驟為：

（1）將原始數據進行標準化處理，以消除量綱以及各指標間量級不同的影響。得到標準化后的數據并對其求相關陣，分析變量之間的相關性。設選用了n個地區，p個指標，原始數據矩陣為X＝（x1，x2，…，xp）。

標準化后的數據矩陣為：

（2）使用主成分法求解初始公共因子和因子載荷矩陣。p個變量可以找出p個主成分，將p個主成分按由大到小的順序排序，記作F1，F2，…，Fp，又由于特征向量之間是正交的，因此Y到F的轉換關系是可逆的，可以得到F到Y的轉換關系：

其中，γij為隨機向量Y的相關矩陣的特征根所對應的的特征向量的分量。

（3）計算主成分貢獻率，確定主成分。前m個主成分的累計貢獻率為若累計貢獻率大于0.9，說明前m個主成分可以解釋大部分的重要信息，可以選擇前m個主成分進行分析，剩下的部分計入εi。

（4）計算前m個主成分的主成分得分A＝（a1，a2，…，am）。ai表示第i個主成分的主成分得分。

（5）將n個地區的主成分得分作為比較數列，記為x0＝［x0（1），x0（2），…，x0（n）］， 根據主成分得分計算出的各地區的綜合得分作為參考數列，記為，x1＝［x1（1），x1（2），…，x1（n）］，…，xn＝［xn（1），xn（2），…，xn（n）］。 計算灰色關聯系數：

取ρ＝0.5。

（6）計算關聯度，為保證結果的客觀，選用加權平均的方法進行計算，

3.2 實證分析

本文選擇了21個與區域金融生態環境相關的指標，并依據地區GDP總額排序在東北三省篩選出26個地區，對其數據進行標準化處理。使用SPSS20.0對標準化后的數據進行因子分析，得到公共因子方差解釋比例、初始載荷矩陣和公共因子等結果。

根據表2中的結果，選擇保留特征值大于1的5個主成分，其方差貢獻率分別為：第1主成分為45.448%，第2主成分為15.361%，第3主成分為11.975%，第4主成分為7.254%，第5主成分為5.308%。前5個主成分累計貢獻率為85.386%，因此保留前5個主成分可以解釋大部分的數據信息。這一點在圖1中有更加直觀的體現，曲線開始斜率十分陡峭，但在第5主成分后曲線斜率逐漸平緩。

表2 公共因子方差解釋比例

圖1 因子分析碎石圖

為了明確各個主成分所代表的信息，本文還得到了旋轉后的成分矩陣。根據表3可知，第1主成分主要反映的是地區GDP總額、金融機構人民幣各項存款總額、保險費用收入、普通高等學校的在校生數和專任教師數、財政教育支出、公共文化設施數7個指標，代表了一個地區經濟基礎的發展狀況和社會人文因素對金融行業潛在收益能力的影響。

第2主成分主要反映的是外商直接投資、金融行業增加值、金融從業人員數量3個指標，代表了一個地區的金融發展狀況和外部因素對當地金融行業的推動作用。

第3主成分主要反映了互聯網普及率這一個指標中的信息，主要體現大數據發展、互聯網金融的出現對區域金融生態環境的影響。

第4主成分主要反映了地區人均GDP、城鎮居民人均可支配收入、失業率這3個指標，體現出人在區域金融生態環境發展中所起到的作用。

第5主成分主要反映了財政對公共服務投入占財政支出的比重，體現的是地方政府所提供的公共服務的作用。

為計算東北三省各地區的區域金融生態環境綜合得分，首先要寫出各主成分得分的表達式，為此我們算得主成分的得分系數矩陣［8］，見表4。依據其結果可以寫出5個公共因子的表達式：

區域金融生態環境綜合得分為：

Score＝32.718%F1+16.056%F2+13.444%F3+13.028%F4+10.1%F5

表4 成分得分系數矩陣

進行因子分析后，根據上式可以計算出2009～2018年10年間東北三省26個地區區域金融生態環境綜合得分，見表5。

表5 東北三省各地區區域金融生態環境綜合得分表

續 表

在得到了東北三省各地區區域金融生態環境綜合得分的基礎上，可以進一步計算得到進行灰色關聯度分析所需的參考數列和比較數列，再使用DPS數據處理系統計算灰色關聯度，結果見表6。

表6 灰色關聯度

3.3 模型結果分析

（1）因子分析得到的東北三省各地區金融生態環境綜合得分顯示大連、沈陽、鞍山、營口、哈爾濱、長春綜合得分較高。通過對東北三省各地區的橫向對比表明，在整體上，東北三省中遼寧省的金融生態環境最好，黑龍江省和吉林省金融生態環境相對較差。而從每個省份內部各地區發展比較，遼寧省和吉林省各地區的金融生態發展較為平均，遼寧省內各地區金融生態環境發展情況普遍較好，吉林省內各地區發展情況較為一般；而黑龍江省各地區的金融生態環境發展有較大差距，資源分布較為集中的省會城市所管轄的地區一般是各省內金融生態環境發展水平較高的地區。通過對東北三省各地區在2009～2018年區間內的縱向對比，可以看出東北三省的金融生態環境發展變化雖然不是一帆風順的，但是總體趨勢逐年向好［9］。

（2）由公共因子的提取結果，可以得到評價一個地區金融生態環境發展情況的重要因素。第1主成分方差貢獻率超過40%，其所反映的地區GDP總額、金融機構人民幣各項存款總額、保險費用收入、普通高等學校的在校生數和專任教師數、財政教育支出、公共文化設施數指標，是對區域金融生態環境存在較大影響的因素，表明地區經濟基礎的發展狀況和社會人文因素對金融行業發展潛力的影響。而大連、沈陽、哈爾濱、長春這些地區都有著較好的經濟基礎和金融行業發展潛力，其綜合得分也在東北三省中排名靠前，從側面印證了上述因素在評價區域金融生態環境的重要地位。

（3）根據灰色關聯度檢驗，本文將提取出的5個公共因子在時間維度上進行對比，可以看出提取因子與金融生態環境的關聯程度都較強。且隨著時間推移，提取出的因子與金融生態環境的關聯程度的強度逐漸增加，表明這些因素對東北三省的金融生態環境的影響程度逐漸加深。

4 政策建議

根據研究結論，提出如下政策建議：

（1）對于金融生態環境綜合得分較低的地區，當務之急是要提高當地經濟發展水平。經濟基礎對于優化金融生態環境起到重要作用，東北三省應著力解讀國家相關政策，與自身實際相結合，調結構去杠桿，轉變經濟發展方式，提高經濟核心競爭力。發揮東北三省老工業基地的優勢，作好將工業制造業進行轉型升級的準備，利用自身資源條件，發展第一產業，培育新興產業，制定符合本省發展的經濟戰略，與國家經濟政策相結合，探尋新的經濟發展方式。吉林省應鼓勵一汽等龍頭企業發揮帶動作用，政府在政策上給予扶持，同時兼顧其他產業發展，對于新進項目加強監管力度，切實提高發展質量，促進經濟增長。在去產能經濟下行壓力之下，遼寧省應著力于發展民營企業經濟，提升區域經濟實力，促進產業結構優化。作為第一糧食大省的黑龍江，應通過“兩鏈共舞”打造第一支柱產業，充分利用自然資源稟賦優勢［10］。

（2）對于金融生態環境綜合得分一般，與省會城市具有較大差距的地區，在保持經濟發展的同時，還應注意建立更加有效的政策服務體制。東北三省政府在金融生態領域中作用重大，需要實現行政干預向服務職能的轉變，給予金融領域足夠的發展空間，使其發展更具靈活性和彈性，避免出現政府對金融領域改革創新行為進行不合理干預，出現地區保護主義，破壞金融生態環境的平衡。尤其在 “一帶一路”背景下，東三省政府要加強對金融領域的認知和宣傳，通過實施規章制度、制定目標等方式引導金融監管部門明確職責，承擔責任，形成各部門各司其職、分工合作的良好金融生態氛圍，推動金融生態環境建設［11］。

（3）對于金融生態壞境綜合得分較高的地區，要補齊短板，打造良好的社會人文環境。社會人文環境可以影響當地金融生態環境的穩定性，對優化地區金融生態環境能夠產生重要影響。政府部門要根據本地區金融發展需要，加強基礎設施建設，提升當地教育發展水平，為金融生態環境增添新的創新活力，同時要顧及一些金融機構在運作失利后選擇退出金融業的想法，及時制定相關退出機制，滿足現實社會需求。