基于因子分析法的中国地区金融发展水平实证分析Word下载.docx

基于因子分析法的中国地区金融发展水平实证分析Word下载.docx

《基于因子分析法的中国地区金融发展水平实证分析Word下载.docx》由会员分享，可在线阅读，更多相关《基于因子分析法的中国地区金融发展水平实证分析Word下载.docx（5页珍藏版）》请在冰点文库上搜索。

地区市场化进程（亿元X13）

地区政府执政能力（亿元X14）

法治水平（亿元X15）

金融产业规模二级指标主要反映金融发展水平中的金融结构总量，包括金融机构总资产、上市公司总市值、保费收入这三个三级指标。

这三个指标分别衡量了地区金融发展中最主要的三个金融产业的总量水平。

在衡量证券业发展总量水平时，我们没有选择地区证券公司资产总额，主要是因为地区证券市场的繁荣程度主要还是取决于其地区的上市公司，而各地区的证券公司仅起到服务作用。

同理在衡量保险业发展总量水平时，有三个可供选择的指标，即保险业总资产、保险业就业人数和地区保费收入，而我们在筛选时发现地区保险业总资产和就业人数与该地区保费收入并无显著的正向关系，即保费收入高的地区的保险业总资产和就业人数未必高。

经过衡量，我们选择了更具有说服力的地区保费收入这一指标。

金融市场规模二级指标主要反映金融发展水平中的金融结构流量，包括地区本外币存款余额、地区本外币贷款余额、地区金融机构票据业务额地区上市公司交易总额、地区金融市场筹资总额、保险深度、保险密度、本外币存、贷款余额这两个指标反映的是地区储蓄能力和提供资金的能力；

地区金融机构票据业务额反映的是金融机构间相互业务的活跃程度；

地区证券交易总额反映的是地区金融市场的活跃程度；

地区金融市场筹资额是地区股票市场筹资额和地区债券市场筹资额之和，反映的是金融市场的融资能力；

保险深度是地区保险收入与地区GDP之比，保险密度是地区保费收入与地区总人口之比，这两个指标衡量的是地区保险市场的发达程度。

金融生态环境的度量指标可从多个角度选择，最终从地区的经济情况、社会情况、市场化进程、政府执政能力和法治水平这五个方面来确定。

描述地区经济发展状况的指标有国民生产总值、财政收支情况、社会消费品零售总额、全社会固定资产投资总额、外商直接投资等，但不可能将所有相关指标均纳入指标体系。

经过分析，我们发现人均国民生产总值既体现了地区整体的经济实力，又可以通过控制人口变量体现地区经济的特点，且上述所列指标也与人均国民生产总值高度相关，故最终选择人均国民生产总值作为度量地区经济情况的指标。

我们选择地区城市化进程指标来度量地区的社会发展情况。

城市化进程是城镇总人口与地区总人口的比值。

2.实证研究

2.1 模型说明

根据上述指标体系，我们需要选择一种综合评价方法进行可比性数值的测算。

综合评价方法有很多，如层次分析法、因子分析法、墒权法等，其中因子分析法具有可不用对指标进行主观赋权且能够获得最终可比性得分的优点，因而被广泛应用。

因子分析法是一种处理降维的多元统计分析方法，运用该方法可实现将具有错综复杂关系的变量综合为数量较少的几个因子。

通过分析原始变量与因子之间的相互关系，可明确原始变量是如何受少数几个内在独立因子支配的，同时可根据各因子得分得到最终综合评价。

本文后续数学模型的测算结果均来自于软件SPSS18.0。

2.2 实证分析

模型运行方法确定

本文采用主成分分析法进行因子分析，假设变量是各因子的线性组合。

该方法从解释变量的差异出发，尽量使变量的方差能够被主成分所解释。

为了保持模型的解释力度我们选择此方法。

因子分析要求提取出的公共因子具有实际意义，而仅根据初始特征值提取公共因子一般很难得出具有实际意义的公共因子，因此需要对初始因子载荷矩阵进行旋转，使公共因子和原始变量之间的关系进行重新分配，从而使因子载荷矩阵中的原始变量系数更加显著。

在进行因子载荷矩阵旋转时，笔者选择了方差最大正交旋转法，该方法能使各因子在保持正交状态的同时尽量使各因子的方差差异达到最大从而方便对因子解释。

2.3 公共因子提取

表2给出了前3个因子的特征根、方差贡献率及累积贡献率。

由表3可知，只有前3个因子的特征根大于1，因此提取前3个因子作为公共因子。

在旋转后，3个公共因子的方差累积贡献率均发生了变化，但排序并未发生变化，而且前3个公共因子的方差累积贡献率仍为88.308%，与旋转前完全相同，这说明所选取的前3个因子能充分描述地区金融发展水平。

表2公共因子的方差解释

公共因子

初始特征值

旋转平方和载入

特征根

方差贡献率（%）

累计贡献率（%）

1

9.976

66.508

5.798

38.652

2

2.201

14.672

81.179

3.946

26.310

64.962

3

1.069

7.129

88.308

3.502

23.346

接着，利用具有Kaiser标准化正交法，经过6次迭代后得到旋转后的因子载荷矩阵。

旋转后的正交因子载荷矩阵将评价指标体系中的指标按照最高载荷提炼出三个公因子，见表3。

表3旋转后的各指标在公共因子上的载荷

指标

F1

F2

F3

地区保费收入

0.894

0.300

0044

地区本外币贷款余额

0.890

0314

0.253

地区金融机构票据业务额

0.885

-0.087

0.205

地区本外币存款余额

0.815

0.468

地区金融机构总资产

0.770

0.528

0.314

地区市场化进程

0.765

0.133

0.585

地区法治水平

0.703

0.16

0654

地区政府执政能力

0.694

0.084

0.339

地区上市公司总市值

0.135

0.921

0.266

地区金融市场筹资额

0.126

0.913

0.269

地区保险深度

0.176

0.756

0.141

地区证券交易额

0.545

0.587

0.493

地区城市化进程

0.267

0.368

0.854

地区人均国民生产总值

0.344

0.350

0.842

地区保险密度

0.228

0.598

0.712

2.4 公共因子得分计算

根据前面得到的因子结构表达式，通过采用一定的估计方法，可将公共因子表达为各变量的线性形式，公共因子的表达式也称为因子得分函数系数。

本文采用回归法得出公共因子得分系数，并据此按线性形式求出各公共因子的得分（见表4）。

以3个公共因子对应的方差贡献率为权数，利用如下公式，可计算得到个31省、自治区、直辖市的金融发展水平综合评价得分，见表4：

金融发展水平评价因子=0.4377*金融中介因子+0.2979*金融市场因子+0.2644*金融承载因子

表4我国31个省自治区直辖市金融发展水平综合评价得分及排名

地区

金融中介

发展因子

排名

金融市场

金融发展

承载因子

水平因子

北京

-0.2918

15

4.8856

0.7794

1.539

广东

2.6249

0.7180

-0.3364

17

1.2739

上海

0.4202

8

0.5275

3.5112

1.2693

江苏

2.4449

-0.6656

29

0.0580

12

0.8871

4

浙江

2.0620

-0.7102

30

0.6341

5

0.8586

山东

1.3389

-0.2417

20

-0.4039

19

0.4072

6

四川

0.8027

0.3239

-1.1265

31

0.1500

7

辽宁

0.14751

11

-0.1922

0.4993

0.1393

福建

0.3649

9

-0.6279

26

0.5466

0.1171

天津

-0.6618

24

-1.2844

2.8067

0.0697

10

安徽

0.6302

-0.1926

18

-0.7075

0.0314

河北

0.2992

0.3410

-0.7790

27

-0.0266

河南

0.6725

-0.1515

16

-0.9460

-0.0009

13

湖北

0.1055

-0.1397

14

-0.2665

-0.0659

重庆

-03312

-0.0904

0.1223

-0.1396

山西

-0.4701

0.4882

-0.4868

23

-0.1890

湖南

-0.1968

-0.0301

-0.4635

21

-0.2177

黑龙江

-0.6053

-0.1456

0.1623

-0.2654

吉林

-0.6438

-0.2651

0.3427

-0.2701

陕西

-0.4722

0.0800

-0.4292

-0.2963

江西

-0.3644

-0.3061

-0.2275

-0.3108

内蒙古

-0.7570

2+

-0.6589

28

0.7317

-0.3342

22

云南

-0.2874

-0.1336

-0.7378

25

-0.3606

广西

-0.3452

-0.4929

-0.3653

-0.3945

新疆

-0.8324

0.2831

-0.4043

甘肃

-0.7253

02538

-0.8939

-0.4782

海南

-0.8308

-0.6392

0.2810

-0.4798

宁夏

-1.0389

-0.2099

0.0538

-0.5030

贵州

-0.6147

-00724

-0.9135

-0.5321

青海

-1.1792

-0.2977

-0.2217

-0.6635

西藏

-1.2653

-0.3533

-0.7543

-0.8585

2.2结果分析

从地区金融发展总体水平来看，经济发达地区和沿海地区的省市排在前列，这些省市包括北京、广东、上海、江苏、浙江，而西部地区的省区则处于弱势，排名在最后几位的分别是宁夏、贵州、青海、西藏。

从各金融发展因子来看，金融中介发展因子得分排名靠前的是广东、江苏、浙江，上海和北京分处第8位和第15位，排名在最后的几位是宁夏、青海、西藏。

金融市场发展因子得分排名靠前的是北京、广东、上海——这些省市也是我国传统的金融中心所在地。

金融发展承载因子得分排名靠前的是上海、天津、北京，这说明地区的经济发展需要更强大的金融支持，排名靠后的是甘肃、贵州、河南、四川，这说明这些地区的金融承载能力较低，应先以发展实体经济为主，然后带动金融发展。

从具体数值来看，地区金融发展水平综合得分为正值的仅有12个省市，说明我国各地区的金融发展水平还相对较低，地区间差距明显。

各地区的金融融中介发展水平得分与金融市场发展水平得分差异显著。

以新疆为例，其金融市场发展水平得分为0.2538，排名为第8位，而其金融中介发展水平得分却仅为-0.8324，排名第28位，这充分说明了我国各地区对金融体系的利用还并不充分。

最后，需要强调的是，金融发展承载因子主要反映了地区的金融负荷能力，如果地区不顾自身实力，盲目扩大金融份额，则很可能给地区经济发展带来通货膨胀压力。

3.结论及政策建议

第一，影响地区金融发展水平的因素主要有金

融中介发展水平金融市场发展水平和金融发展承载水平，三者对总体的解释力度分别为43.77%、29.79%和26.44%。

鉴于地区金融中介发展与地区金融发展承载密切相关，我们认为，地区金融中介发展水平在很大程度上影响着地区金融总体发展水平。

第二，地区金融发展水平的区域间差异较大。

北京、广东、上海等传统金融中心在综合评价得分排名中位于前三位，广东在金融中介发展因子得分排名中居首，北京在金融市场发展因子得分排名中居首，上海具有最强的金融发展承载力，可以说它们各具特色。

而排名最后的部分西部省区则在每项因素方面都需要加强。

第三，各地区的金融中介和金融市场的利用效率存在明显差异。

金融中介较发达的地区的金融市场发展较弱，而金融市场发展较强的地区的金融中介发展较弱。

这说明各地区还是较依赖自身传统的金融优势，并未充分利用各种金融工具。

第四，与金融发展相匹配的外部承载力还有待提高。

大多数地区的金融发展承载能力较弱，这不利于地区金融的发展。

为了进一步提高地区金融发展水平，作者提出如下建议：

第一，充分利用我国现有金融体系中的各种金融工具。

各地区应打破传统思维，寻找能够促进自身发展的金融工具，大胆探索，使金融中介与金融市场能为实体经济的发展提供更好的支撑。

第二，金融发展要与实体经济发展相匹配，金融发展在一定程度上还要受到实体经济等其他因素的束缚，因此必须基于自身资源禀赋来发展地区金融，不可盲目扩张。