东北三省区域金融生态环境评价

1（长春金融高等专科学校创业教育学院,长春 130028)

2（吉林省金融安全研究中心,长春 130028) 3（东北师范大学经济与管理学院,长春 130117)

金融的发展，不仅是金融主体的发展，也包括影响金融主体的金融生态环境的完善。金融生态环境包括经济基础、金融资源、政府行为、诚信环境、法律环境、中介服务、教育、科技水平等多层面的因素［1］。近3年 《中国区域金融运行报告》显示，东北三省金融业以市场为导向的金融资源配置能力不断增强，为经济社会发展提供了强有力的支撑，在完善金融生态环境方面取得了重大进展，但尚未达到自我调节、自我优化的良性发展状态。尤其是随着 “互联网+”新业态的发展，互联网金融产生的 “鲶鱼效应”成功扰动传统金融生态系统，传统金融生态如何演变、优化并达到新的平衡成为理论界和实务界关注的焦点。

国外学者没有明确提出金融生态环境的概念，Kenneth Boulding最早运用生态经济学考察金融生态系统的演化与发展机制；国内学者周小川正式提出 “金融生态”的仿生学概念，鉴于此，本文将金融生态界定为金融主体与金融生态环境间相互依赖、相互制约的动态平衡系统。

现有文献对于东北三省区域金融的研究主要集中在区域金融与经济增长关系、对现有金融模式进行创新以及金融监管等，对于金融生态环境整体性评价较少。纪明辉和吴伟 （2011）［2］对东北地区金融生态环境现状进行研究，得出东北三省金融生态环境各项指标均排名靠后，在经济基础、金融发展、政府治理和制度环境方面都存在制约因素。何昆 （2013）［3］通过构建3个层面的建议体系框架，为东北三省农村金融体系改革提供了参考，为全国农村金融体系建设的有效推进提供了证据。李中梅等 （2019）［4］对东北三省普惠金融进行回归分析与主成分因子分析，发现地方经济发展水平、互联网普及率、受教育程度、金融贷款余额增长率对东北三省的普惠金融具有正向影响。罗丹程等 （2020）［5］对东北三省金融发展、科技创新与经济增长的关系进行实证分析，发现金融发展与科技创新对经济发展有显着促进作用，人均消费水平不利于地区经济发展。

综上，国内对于东北三省金融生态环境的研究基本停留在省域或省内的比较分析，本文在前人研究的基础上，对东北三省金融生态环境评价体系进行了细化，按照各个城市不同发展水平分类，以期丰富金融生态环境评价理论。

本文在遵循基本指标构建系统性、典型性、可量化、动态性原则的基础上，采用了多级指标的设计，吸收采纳学者在构建区域金融生态环境评价指标体系中使用过的适用于东北三省具体情况的指标，并结合东北地区的新金融环境对原有指标体系中的指标进行更新，构建东北三省区域金融生态环境评价指标体系。

在遵循基本原则基础上，本文从经济金融、政策服务、社会人文3个层面筛选了21个对东北地区区域金融生态环境存在影响的指标，建立了区域金融生态环境评价指标体系。

经济金融层面可以分为经济运行情况和金融行业发展情况。经济基础方面我们主要关心的是一个地区经济运行的质量。城乡居民人均可支配收入可以反映居民的消费潜力，经济发展水平越高的地区，人均可支配收入也会越高，消费能力就越强。失业率和物价指数可以用来衡量区域经济发展的稳定程度，如果区域经济发展稳定，城乡居民会有更多资金进行投资等金融活动，从而有利于区域金融机构的发展。金融发展可以从金融机构的盈利能力角度来衡量。金融机构人民币各项存款余额是金融机构资金的主要来源，是其发放贷款的基础，只有金融机构中的存款总额充足才能满足该地区企业贷款的需求，从而满足该地区经济发展的需要。金融机构人民币各项贷款余额占GDP的比重则体现了金融业为地区经济增长做出的贡献。保险费用收入代表了保险公司的盈利能力，体现保险行业的发展情况。而金融行业增加值与金融从业人员数量则反映了一个地区金融行业的发展程度。

除经济基础和金融发展外，政府在区域金融发展中所起到的主导作用也是重要影响因素。一般性公共预算收支的差额可以体现财政赤字或盈余的情况。税收收入占财政收入的比重则反映了一个地区政府财政收入来源的结构。地区财政对公共服务投入占财政支出的比重越大，说明该地区的政府鼓励外界人员对当地企业进行投资的意愿越强。这些指标对区域金融生态环境的发展均起到重要的作用。

金融行业的发展不仅需要经济金融环境的支撑和政府政策服务的支持，还离不开人才和社会环境的助力。普通高等学校在校生数、普通高等学校专任教师数、财政教育支出主要反映了一个地区的教育发展情况，公共文化设施数体现了一个地区的文化相关基础设施建设的情况，互联网普及率体现了一个地区在大数据与人工智能兴起的背景下，原有的金融理财手段在互联网的作用下得到丰富、区域金融生态环境受到影响的程度［6］。

综上，整理出本文评价东北三省区域金融生态环境的一级指标、二级指标如表1所示。

鉴于金融生态系统的动态性，本文选用面板数据分析，数据是由黑龙江省、吉林省、辽宁省的统计年鉴 （2009～2018年）和各省中国保监会监管局中的原始数据经整理、计算而得。对缺失数据的处理，均采用回归替换插补法补充部分地区部分年份的缺失数据信息。

因子分析模型是由查尔斯·斯皮尔曼提出的，是利用降维的思想，从研究原始变量的相关矩阵内部的依赖关系出发，将一些关系错综复杂的变量归结成少数几个综合因子的一种多变量统计分析方法。灰色关联度分析是在一个灰色系统中，已知某个指标和其他几个因素相关，通过对因素进行排序得到该指标与哪些因素更加相关的结论，也是一种常用的多因素统计分析的方法［7］。本文将因子分析与灰色关联度分析相结合，用因子分析法确定各个指标的权重，再基于因子分析进行灰色关联度分析确定与区域金融生态环境发展更为相关的因素，其具体步骤为：

（1）将原始数据进行标准化处理，以消除量纲以及各指标间量级不同的影响。得到标准化后的数据并对其求相关阵，分析变量之间的相关性。设选用了n个地区，p个指标，原始数据矩阵为X＝（x1，x2，…，xp）。

标准化后的数据矩阵为：

（2）使用主成分法求解初始公共因子和因子载荷矩阵。p个变量可以找出p个主成分，将p个主成分按由大到小的顺序排序，记作F1，F2，…，Fp，又由于特征向量之间是正交的，因此Y到F的转换关系是可逆的，可以得到F到Y的转换关系：

其中，γij为随机向量Y的相关矩阵的特征根所对应的的特征向量的分量。

（3）计算主成分贡献率，确定主成分。前m个主成分的累计贡献率为若累计贡献率大于0.9，说明前m个主成分可以解释大部分的重要信息，可以选择前m个主成分进行分析，剩下的部分计入εi。

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

（5）将n个地区的主成分得分作为比较数列，记为x0＝［x0（1），x0（2），…，x0（n）］， 根据主成分得分计算出的各地区的综合得分作为参考数列，记为，x1＝［x1（1），x1（2），…，x1（n）］，…，xn＝［xn（1），xn（2），…，xn（n）］。 计算灰色关联系数：

取ρ＝0.5。

（6）计算关联度，为保证结果的客观，选用加权平均的方法进行计算，

本文选择了21个与区域金融生态环境相关的指标，并依据地区GDP总额排序在东北三省筛选出26个地区，对其数据进行标准化处理。使用SPSS20.0对标准化后的数据进行因子分析，得到公共因子方差解释比例、初始载荷矩阵和公共因子等结果。

根据表2中的结果，选择保留特征值大于1的5个主成分，其方差贡献率分别为：第1主成分为45.448%，第2主成分为15.361%，第3主成分为11.975%，第4主成分为7.254%，第5主成分为5.308%。前5个主成分累计贡献率为85.386%，因此保留前5个主成分可以解释大部分的数据信息。这一点在图1中有更加直观的体现，曲线开始斜率十分陡峭，但在第5主成分后曲线斜率逐渐平缓。

表2 公共因子方差解释比例

图1 因子分析碎石图

为了明确各个主成分所代表的信息，本文还得到了旋转后的成分矩阵。根据表3可知，第1主成分主要反映的是地区GDP总额、金融机构人民币各项存款总额、保险费用收入、普通高等学校的在校生数和专任教师数、财政教育支出、公共文化设施数7个指标，代表了一个地区经济基础的发展状况和社会人文因素对金融行业潜在收益能力的影响。

第2主成分主要反映的是外商直接投资、金融行业增加值、金融从业人员数量3个指标，代表了一个地区的金融发展状况和外部因素对当地金融行业的推动作用。

第3主成分主要反映了互联网普及率这一个指标中的信息，主要体现大数据发展、互联网金融的出现对区域金融生态环境的影响。

第4主成分主要反映了地区人均GDP、城镇居民人均可支配收入、失业率这3个指标，体现出人在区域金融生态环境发展中所起到的作用。

第5主成分主要反映了财政对公共服务投入占财政支出的比重，体现的是地方政府所提供的公共服务的作用。

为计算东北三省各地区的区域金融生态环境综合得分，首先要写出各主成分得分的表达式，为此我们算得主成分的得分系数矩阵［8］，见表4。依据其结果可以写出5个公共因子的表达式：

区域金融生态环境综合得分为：

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

表4 成分得分系数矩阵

进行因子分析后，根据上式可以计算出2009～2018年10年间东北三省26个地区区域金融生态环境综合得分，见表5。

表5 东北三省各地区区域金融生态环境综合得分表

续 表

在得到了东北三省各地区区域金融生态环境综合得分的基础上，可以进一步计算得到进行灰色关联度分析所需的参考数列和比较数列，再使用DPS数据处理系统计算灰色关联度，结果见表6。

表6 灰色关联度

（1）因子分析得到的东北三省各地区金融生态环境综合得分显示大连、沈阳、鞍山、营口、哈尔滨、长春综合得分较高。通过对东北三省各地区的横向对比表明，在整体上，东北三省中辽宁省的金融生态环境最好，黑龙江省和吉林省金融生态环境相对较差。而从每个省份内部各地区发展比较，辽宁省和吉林省各地区的金融生态发展较为平均，辽宁省内各地区金融生态环境发展情况普遍较好，吉林省内各地区发展情况较为一般；而黑龙江省各地区的金融生态环境发展有较大差距，资源分布较为集中的省会城市所管辖的地区一般是各省内金融生态环境发展水平较高的地区。通过对东北三省各地区在2009～2018年区间内的纵向对比，可以看出东北三省的金融生态环境发展变化虽然不是一帆风顺的，但是总体趋势逐年向好［9］。

（2）由公共因子的提取结果，可以得到评价一个地区金融生态环境发展情况的重要因素。第1主成分方差贡献率超过40%，其所反映的地区GDP总额、金融机构人民币各项存款总额、保险费用收入、普通高等学校的在校生数和专任教师数、财政教育支出、公共文化设施数指标，是对区域金融生态环境存在较大影响的因素，表明地区经济基础的发展状况和社会人文因素对金融行业发展潜力的影响。而大连、沈阳、哈尔滨、长春这些地区都有着较好的经济基础和金融行业发展潜力，其综合得分也在东北三省中排名靠前，从侧面印证了上述因素在评价区域金融生态环境的重要地位。

（3）根据灰色关联度检验，本文将提取出的5个公共因子在时间维度上进行对比，可以看出提取因子与金融生态环境的关联程度都较强。且随着时间推移，提取出的因子与金融生态环境的关联程度的强度逐渐增加，表明这些因素对东北三省的金融生态环境的影响程度逐渐加深。

根据研究结论，提出如下政策建议：

（1）对于金融生态环境综合得分较低的地区，当务之急是要提高当地经济发展水平。经济基础对于优化金融生态环境起到重要作用，东北三省应着力解读国家相关政策，与自身实际相结合，调结构去杠杆，转变经济发展方式，提高经济核心竞争力。发挥东北三省老工业基地的优势，作好将工业制造业进行转型升级的准备，利用自身资源条件，发展第一产业，培育新兴产业，制定符合本省发展的经济战略，与国家经济政策相结合，探寻新的经济发展方式。吉林省应鼓励一汽等龙头企业发挥带动作用，政府在政策上给予扶持，同时兼顾其他产业发展，对于新进项目加强监管力度，切实提高发展质量，促进经济增长。在去产能经济下行压力之下，辽宁省应着力于发展民营企业经济，提升区域经济实力，促进产业结构优化。作为第一粮食大省的黑龙江，应通过“两链共舞”打造第一支柱产业，充分利用自然资源禀赋优势［10］。

（2）对于金融生态环境综合得分一般，与省会城市具有较大差距的地区，在保持经济发展的同时，还应注意建立更加有效的政策服务体制。东北三省政府在金融生态领域中作用重大，需要实现行政干预向服务职能的转变，给予金融领域足够的发展空间，使其发展更具灵活性和弹性，避免出现政府对金融领域改革创新行为进行不合理干预，出现地区保护主义，破坏金融生态环境的平衡。尤其在 “一带一路”背景下，东三省政府要加强对金融领域的认知和宣传，通过实施规章制度、制定目标等方式引导金融监管部门明确职责，承担责任，形成各部门各司其职、分工合作的良好金融生态氛围，推动金融生态环境建设［11］。

（3）对于金融生态坏境综合得分较高的地区，要补齐短板，打造良好的社会人文环境。社会人文环境可以影响当地金融生态环境的稳定性，对优化地区金融生态环境能够产生重要影响。政府部门要根据本地区金融发展需要，加强基础设施建设，提升当地教育发展水平，为金融生态环境增添新的创新活力，同时要顾及一些金融机构在运作失利后选择退出金融业的想法，及时制定相关退出机制，满足现实社会需求。