金融地理学视角下中国农村金融省际差异探究

《金融地理学视角下中国农村金融省际差异探究》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、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

2、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

3、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

4、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

5、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

6、。（三）研究方法1.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。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

7、、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、贷款产出率和储蓄动员率有较大载荷值，代表农村金融效率。综合得分F=(43.351F1+15.954F2+14.059F3+10.197F4+7.144F5)/90.706o由此，