金融地理学视角下中国农村金融省际差异探究.docxVIP

金融地理学视角下中国农村金融省际差异探究 摘要：从金融总量、金融结构、金融效率和金融 环境四个方面构建农村金融综合发展水平评价指标体系，并 基于2006?2010年5年实际平均数据，从金融地理学角度 运用因子分析法和模糊曲线法考察环境因子、文化因子、设 施因子、科技因子、经济因子等金融地理因素对各省(区) 农村金融综合发展水平的贡献程度。研究结果表明：我国各 省农村金融综合发展水平存在明显差异，各影响因子中科技 因子影响程度最大，经济、文化、基础设施、开放、劳动因 子影响次之，聚集因子影响程度较小。因此，缩小农村金融 省际差异，必须统筹各金融地理因素，尤其应注重农村科技、 经济和文化对金融的提升作用。 关键词：农村金融；金融地理学；金融发展水平；省 际差异 中图分类号：F833/837文献标识码：A文章编号： 1003-7217 (2013) 05-0015-05 一、引言与文献回顾 “十八大”报告提出：解决好农业、农村、农民问题是 全党工作重中之重。发展农村经济的关键是提高农村金融发 展水平、缩小农村金融发展差距，而探究农村金融发展差异 的影响因素乃是基本前提。 我国农村金融发展差异研究一般包含在区域金融差异 研究之中。宋宏谋等以农村信用社为研究对象，实证分析了 1979?2000年中国农村金融发展的区域差异问题［1］；伍艳 等发现我国农村金融制度安排和金融供给的区域布局不均 衡［2］；黎翠梅分析我国在农村金融相关率方面区域差异明 显，且农村金融对农村经济的影响也存在明显的区域差异 ［3］；高新才等认为经济发展水平的区域差异、市场化进程 的区域差异以及政府行为的区域差异是造成这一问题的主 要原因［4］。 瑞托斯?劳拉詹南(2001)提出了金融地理学这一新兴 学科概念［5］。随着金融地理学的发展，越来越多学者尝试 将这一理论运用于区域金融发展差异研究中，如田霖(2005) 将各种金融地理因素一起纳入实证分析，认为经济、科技、 文化、开放、基础设施、劳动力等金融地理因素对区域金融 综合竞争力有显著影响［6］；卢佳、金雪军(2007)实证表 明：地理位置等新经济地理因素对区域金融发展均有显著影 响［7］。但目前国内从金融地理学角度研究农村金融的文献 并不多见。 本文试图将金融地理学理论创新性地运用于我国农村 金融区域发展差异研究之中。假定各金融地理因素均对农村 金融产生影响，且影响程度不同，并运用模糊曲线法考察各 金融地理因素对农村金融综合发展水平的贡献程度，以期拓 宽金融地理学在农村金融发展方面的应用领域，为国家实施 惠农政策、缩小农村金融发展差异提供理论指导。 二、指标选取、数据来源及研究方法 （一）指标体系的构建 考察我国农村金融发展差异影响因素的前提是衡量农 村金融发展水平。国内关于农村金融发展水平指标体系构建 的研究不多，本文借鉴区域金融研究中指标构建思路［6-8］, 进行一定调整和整合，从金融总量、金融结构、金融效率、 金融环境四个方面来构建农村金融综合发展水平指标体系 （见表1）,运用因子分析法得出量化的各省农村金融综合发 展水平。（二）数据来源及处理 各指标数据均来源于2006?2010年中国统计年鉴、中 国金融年鉴、中国农村统计年鉴、农业统计年鉴、中国财政 年鉴、银监会网站农村金融服务图集。我国农村金融协调发 展是合作性金融机构、商业性金融机构等相互依存，面向 “三农”的协同过程［9］。下面选取五大国有商业银行、股 份制商业银行、城市商业银行、农村信用社、农村合作银行、 农村商业银行、邮政储蓄银行和农村新型金融机构的农村地 区金融数据。为了使数据平稳可靠，取2006?2010年的平 均值作为基础数据。 （三）研究方法 因子分析法。 因子分析法是考察多个变量间相关性的一种多元统计 方法，利用因子得分可以对样本进行分类和综合评价①。 模糊曲线法。 金融地理贡献因子和农村金融综合发展水平的关系是 复杂的非线性形式，模糊曲线法不需要建立数学模型就能识 别最有效的输入变量，比较适合解决金融地理因子的贡献程 度问题②。 本文综合考虑特征根值大于1、累积贡献率大于85%两 个标准来提取因子，由表2可以看出，前五个因子的特征值 大于1,且累计方差贡献率大于85%,即前五个因子可以解 释原始变量90%左右的方差，已经包含了 14个统计指标绝大 部分的信息。 由旋转后因子载荷矩阵可知，公因子F1在网点分布密 度、金融从业、人均存款、人均贷款的载荷值较大，可代表 农村金融资源覆盖水平；公因子F2在金融相关率、金融市 场化率载荷值较大，代表农村金融结构；公因子F3在储蓄 投资转化率、农村GDP、农村财政支出载荷值较大，代表农 村金融环境；公因子F4在贷款增长率、存款增长率载荷值 较大，代表金融增长潜力；公因子F5在存贷比、贷款产出