京津冀区域金融集聚及其变化趋势研究

　　摘要：近年来随着城市化进程的推动，相邻城市间的交互作用日益凸显。在长江三角洲、珠江三角洲建立协同发展战略后，2014年2月，习xxxx强调京津冀协同发展也成为重大国家战略。在区域协同发展过程中金融业发挥着重要的作用，金融资本及金融机构的集聚活动己经成为金融业发展的核心推动力。

　　本文将从金融集聚的视角探究京津冀区域金融集聚发展现状及其发展趋势。首先利用金融相关指标对京津冀区域金融业发展现状进行量化分析，可以看到金融业的地位和作用日益提高，京津冀区域的资源分配呈现趋同的态势。接着运用区位熵和金融相关率分别测算京津冀区域金融集聚水平，探究近十年来金融集聚的变化趋势，可以得出金融集聚这一动态过程在时间和空间上的变化历程。然后利用统计学回归分析对京津冀区域城市金融集聚的影响因素进行了探究。最后结合分析结果对未来京津冀区域金融集聚走向进行合理预测，给出促进金融集聚的政策建议。

　　关键词：金融集聚；京津冀区域；区位熵；金融相关率；回归分析

　　近年来随着城市化进程的推动，相邻城市间的交互作用日益凸显。在长江三角洲、珠江三角洲建立协同发展战略后，2014年2月，习xxxx强调京津冀协同发展也成为重大国家战略。在区域协同发展过程中金融业发挥着重要的作用，其发展水平对于金融集聚的推动作用日益重要，金融资本及金融机构的集聚活动己经成为金融业发展的核心推动力。

　　北京市、天津市和河北省的金融业发展迅速，但发展过程中城市间协作不明显，大部分规划停滞于倡议阶段，少有落实推动。京津冀区域金融资源的碎片化扩大了城市间的差异，使得区域内金融业的发展不平衡，限制了一体化的推进。因此，研究京津冀区域金融集聚现状及变化趋势对促进区域金融协作，维持区域间的金融稳定，加快区域金融一体化进程具有重要的意义。

　　本文从金融集聚的视角，分析京津冀区域金融集聚的变化趋势和影响因素，对京津冀区域金融集聚的未来走向进行科学预测，对核心的影响因素进行探究，指导人们能动地推进京津冀区域的协作效率和进程，促使我国经济增长和金融发展迈上新台阶。

　　1.1.1 理论意义

　　金融集聚一直是金融学探究的重要课题，国内相关研究正逐步完善，但是己完备的理论基础大多是宏观省域视角，而中宏观区域视角的理论体系还有待完备。对京津冀区域金融集聚的研究能够丰富区域视角的相关内容。

　　1.1.2 现实意义

　　对京津冀区域金融集聚发展水平进行测算，利用横向和纵向两个视角分析金融集聚的变化趋势，并进一步探究其影响因素，可以提出有效推动京津冀区域金融集聚的建议，通过金融这一核心产业推动京津冀协调发展。

　　1.1.3 国外研究综述

　　Goldsmith(1969)[1]使用全球多个国家一个世纪时间跨度的有关金融指标，通过金融相关率衡量国家金融业发展水平，通过人均GDP衡量国家经济增长水平，得出了二者之间显著相关的结论。

　　Feldstein、Horioka(1980)[2]研究提出了一种F-H检验，该方法的思想是将储蓄与投资的相关性作为衡量指标，如果相关系数趋于0则表示区域金融集聚水平越高，系数趋于1则表示区域金融集聚水平较低。

　　Krugman(1991)[3]对比了伦敦金融业和制造业，通过实证分析得出结论，科技发展的溢出影响是金融集聚的重要影响因素。

　　Naresh(2003)[4]从供给和需求的角度探究了金融集聚的影响因素，通过实证研究得出结论，基础设施建设、人力资源发展、科技溢出效应以及市场的良性竞争是金融集聚发展的重要因素。

　　Levine(2004)[5]通过实证研究得出结论，金融市场对经济增长有促进作用，相反经济增长对金融市场的影响用并不明显。

　　Feiock(2007)[6]通过分析得出结论，如果XX可以减少区域之间的交易成本，则可以提高区域间运行效率，从而推动金融集聚的发展。

　　1.1.4 国内研究综述

　　李文哲(2012)[7]通过分析得出结论，应该进一步明确XX干预和市场导向的合作原则，把金融合作发展拓宽到京津冀区域经济社会一体化的宏观视野下，寻找多方收益的平衡点。研究认为，金融合作发展的关键在于银行业的结算服务。

　　黄希睿(2013)[8]对京津冀区域金融发展现状进行了整理综述，从中发现合作中潜在的问题。探究了京津冀区域经济增长与金融集聚之间的相关关系，并从投入和产出视角，探究京津冀区域多个产业与金融业之间的相关关系，最后结合实证结果对京津冀区域金融合作总结提出了政策性建议。

　　陆军(2014)[9]梳理了京津冀区域金融集聚的发展现状，并利用区位熵、格兰杰检验方法进行分析。研究发现随着经济水平的发展，北京的金融集聚水平得到了显著的提升，对天津、河北产生了扩散拉动效应，对周边区域的经济发展水平有显著的促进作用。

　　胡晓威(2015)[10]探究了京津冀区域服务业的发展情况，并进一步探究其各子行业在京津冀区域的发展异同，通过分析服务业的区域间差异，可以确定服务业是京津冀区域的协作发展效率的重要影响因素。

　　李兰兰(2015)[11]通过“一价定律”探究京津冀区域与长江三角洲的银行贷款利率水平，分析表明京津冀区域金融集聚水平较低。

　　谷瑞(2016)[12]基于改革创新对区域金融协同发展的影响，探究京津冀区域各城市的金融发展有着较大差异。使用F-H模型对京津冀区域进行实证研究，从而通过数据得出了抑制金融集聚发展的短板因素。

　　李延军(2016)[13]从京津冀全部城市出发使用空间计量模型探究区域金融集聚程度的影响因素，实证研究得出结论，京津冀区域城市存在着很强的地域相关性，XX干预和劳动力是核心影响因素。

　　桑丽丽(2016)[14]梳理了京津冀地区金融和经济的运行情况，对存在的问题进行剖析，总结出抑制京津冀区域金融合作的影响因素主要包括区域划分、政策制度、信息以及人力方面，并提出了政策建议。

　　周海鹏(2016)[15]实证分析了京津冀区域七年间金融创新的协同度，结果表明，绝大多数年份系统均处于协调发展状态，但协同度量水平较低，波动趋势不平稳，这表明京津冀区域金融创新的协同关系有待进一步巩固加强。

　　张晓盼(2017)[16]在京津冀区域金融发展收敛性问题上进行了理论分析，以京津冀区域区县样本入手，使用地理加权回归模型对金融收敛性进行分析。运用最小二乘估计，检验是否存在收敛。之后进一步建立计量模型，对空间上金融相关率的相关性进行检验，比较两种模型的优良性。

　　陈禹旭(2017)[17]使用区位熵度量京津冀区域金融集聚水平，并以京津冀区域金融业的区位熵以及子行业区位熵作为研究对象，运用面板数据对金融集聚的影响因素进行了探究，最后有针对性的结合关键的影响因素提出政策建议。

　　杨贵军(2017)[18]通过研究发现京津冀区域金融资源的流动对区域金融协作起着至关重要的作用。区域内金融资源的不均衡、金融相关程度不一致等现象导致了区域金融资本的变化的不稳定。文章分别使用有无正则条件的F-H模型，对京津冀区域金融资本流动程度进行度量。实证结果表明，经济增长推动了京津冀区域金融资本流动性的不断升高，XX干预引导的作用较为显著。

　　王安怡(2017)[19]通过探究京津冀区域金融集聚的情况，研究CBD的发展潜力，指出应该以XX干预为主，注重顶层规划，从CBD合作的角度促进京津冀区域的协作发展。

　　王红婕(2017)[20]从经济发展水平、基础设施建设水平和生态结构三个方面入手分析得出结论，京津冀区域协同发展需要金融资源的支持，存在区域之间联系有待加强、金融资源分配有待优化等问题。

　　1.1.5 小结

　　从国内外相关研究看，国际学术界关于区域金融集聚变化趋势这一课题的研究，大多是从国家层面和宏观经济角度出发的，对于中微观层面上国家或区域内部金融集聚变化过程研究相对较少。而国内学者的研究也主要集中于金融协调机制和区域金融政策等宏观方面的研究，鉴于现有研究成果的地域差异特性，其对京津冀区域开展合作发展的指导性较弱。

　　总之，基于理论研究的缺乏和现实的需要，为了京津冀区域金融协同发展这一战略能够持续、顺利的推进，急需加强对京津冀区域金融集聚变化趋势规律的探究，对未来该区域金融发展进行评估和预测，利用金融的力量把市场要素驱动起来，通过金融集聚推动京津冀区域协调发展。

　　第一章，绪论。本章先阐述了京津冀区域金融集聚的现实背景、意义，梳理了该领域的研究现状，并说明了本文的內容安排及研究方法。

　　第二章，理论基础。本章介绍了金融集聚的概念，并对金融集聚的两种测算方法进行了说明，为实证部分提供理论基础。

　　第三章，京津冀区域金融业发展现状。本章结合近十年金融相关指标对京津冀区域金融业发展现状进行了分析。

　　第四章，京津冀区域金融集聚变化趋势。本章运用区位熵和金融相关率两种测算方法对京津冀区域各城市近十年来的金融集聚水平进行测算，探究金融集聚横向和纵向的变化趋势。

　　第五章，京津冀区域金融集聚的影响因素。本章选取了多个可量化金融相关指标作为解释变量，以金融相关率作为被解释变量，实证探究京津冀区域金融集聚的影响因素。

　　最后，结论部分整理前文的研究结果，对京津冀区域金融集聚未来发展的走向进行合理预测，并根据影响因素提出更有效的推动金融集聚的建议。

　　本论文的研究方法如下：

　　(1) 定量分析与定性分析相结合。首先定性分析京津冀区域金融集聚的大背景，后以定量分析为核心，利用面板数据对京津冀区域金融业发展现状进行分析，通过区位熵和金融相关率两种方法处理面板数据进而分析京津冀区域金融集聚的变化趋势，最后利用回归分析对金融集聚的影响因素进行探究，并根据测算结果进行深入分析。

　　(2) 文献分析与实证分析相结合。通过梳理京津冀区域金融集聚相关领域的已有研究并进行文献综述，形成较为全面的理论架构，而后利用实证分析对金融集聚的变化趋势和影响因素进行测算，并保证测算结果既满足统计学意义也满足金融学现实意义。

　　(3) 横向比较与纵向比较相结合。横向比较即在某一既定时间探究京津冀区域各城市在空间上的金融集聚分布情况，纵向比较即在时间区间上探究京津冀区域各城市金融集聚水平的变化趋势。

　　上个世纪70年代至今，金融机构开始密集的采用相互协作的方式开展生产活动与交易。从最初银行的局部聚集到控股公司的发展，再到如今机构间的集聚现象，集聚已成为金融发展的基本模式。随着金融集聚水平逐渐提高，北京金融街金融集聚现象显著，上海浦东也逐渐成为了金融的集聚地，因此十分需要对金融集聚的发展变化趋势进行研究，并进一步探究其影响因素，从而推动区域间金融集聚的发展进程。

　　金融集聚是金融机构的集聚，即大量金融机构与其附属服务机构在空间上的集聚。集聚群体包括证券、银行和保险等金融机构，同时也包括会计、投资顾问、审计等服务机构。另一方面，金融集聚也是金融功能的集聚，金融集聚的区域要充分利用集聚条件对金融资源进行合理的优化配置，充分发挥金融的功能，在提升该区域金融业发展的同时，对周边区域的金融发展产生扩散连带作用，产生正向的循环影响，将金融资源的能量最大化的释放。

　　金融集聚是一种静态结果，是金融资源在实现空间运动后的结果，金融机构和服务机构在特定区域集中，从而使该地区的金融资源达到一定规模，形成金融业的集聚。另一方面，金融集聚又是一种动态变化，是金融资本向特定区域转移的变化过程，金融资源的逐步选择和流动，从而使特定区域的金融资源达到一定集中度的有机过程。

　　1.1.6 区位熵

　　区位熵(LocationQuotient)。所谓熵，就是专门化率，由Haggett提出，体现了产业的专业化程度，以及局部区域在整体的作用。计算公式为：

　　其中，为区域产业在整体区域的集聚水平，为区域产业的客观反映(例如生产总值、从业人数)，为区域所有产业的客观反映，为产业数量。为产业在整体区域的客观反映，为区域数量，为整体区域所有产业的客观反映。当即越高时，我们认为区域的该产业集聚水平在整体区域较高。

　　1.1.7 金融相关率

　　金融相关率(FinancialInterrelationsRatio)，由Goldsmith提出，表示一时段内社会金融活跃水平与经济活跃水平的比。金融活跃水平通常以金融资产总额代替。计算公式为：

　　其中，表示在时点上金融工具未清偿的市场价值；表示在时点上国民财富的市场价值；表示时段内GNP与时段末年GNP之比；表示时段末年GNP；表示金融工具发行总额与GNP之比；是估值调整项。

　　我国国民经济产业包括农业、工业、服务业三大产业，金融业属于第三产业。近年来京津冀区域金融业发展速度迅猛。在总量方面，如表1和图1所示，金融业增加值、第三产业增加值和GDP均呈现上涨趋势。自2007年以来，GDP提升2.6倍，第三产业増加值提升3.1倍，金融业增加值提升近4.0倍。在占比方面，如表1和图2所示，2007至2016年，金融业增加值占GDP比例由6.8%增长至10.3%；占第三产业比例方面，除2009年和2016年有所回落外，由13.8%增长至17.7%，金融业的发展十分活跃。数据均来自《中国统计年鉴》(2008-2017年)。

　　探究金融业发展现状，可以进一步分析京津冀三地的金融指标占比。

　　如图3所示，河北省地域广阔，GDP总量长年占比接近50%。北京市的GDP总量一直占比30%左右保持稳定；天津市逐年发展势头明显，十年间GDP占比升高5%。总体来看京津冀GDP占比有趋同态势。

　　如图4所示，北京市在第三产业上的投入最高，占比50%左右；河北省占比较为平稳处于中游，在33%左右波动；天津市所占比例逐年提升，十年间占比升高6%。总体呈现趋同的态势。

　　如图5所示，在金融业方面，北京市的优势十分清晰；天津市金融业的也逐年加快增速。2011年前，河北省金融业优于天津市，之后天津市超越了河北省，跃居第二，二者金融业占比稳定在20%。总体上看有趋同的态势。

　　纵观2007至2016年京津冀各项金融指标占比的变化趋势，如图3、图4和图5所示，各项指标占比差距均在逐年减小。虽然现阶段的绝对差异还很明显，但不可否认京津冀的各项金融指标占比正在向京津冀区域的平均水平回归。

　　本节采取较为常用的区位熵()来测算京津冀区域金融业的集聚水平，利用2007至2016年京津冀区域各市金融业从业人数与第三产业从业人员数进行测算，数据均来自《中国城市统计年鉴》(2008-2017年)。计算公式为：

　　其中，为市金融业从业人数指标，为市城镇从业人数指标，为京津冀区域金融业从业人数指标，为京津冀区域城镇从业人数指标。

　　测算结果如表2和表3，其中表2为京津冀区域各城市的集聚水平；表3将河北省合并分析，便于对京津冀三地的金融集聚水平进行宏观比较。

　　区位熵大于1时，说明金融业在该市区金融集聚水平较高。根据表2和表3，京津冀区域金融业总体呈现集聚现象。在表2中，根据城市在2007-2016年中金融业区位熵值大于1的数量可以分成三种层次，如表4所示：2007-2016年内区位熵大于1的次数不低于7次，即金融业集聚效应非常明显；区位熵大于1的次数不低于3次，即金融业集聚效应一般；区位熵大于1的次数小于等于2次，即金融业集聚效应不明显。

　　北京市在2010年之前区位熵在1的上下浮动，表明其金融业集聚程度在京津冀区域处于平均水平，自2011年起，北京市的区位熵有了显著的提升，在2012至2014年间均达到1.2以上，金融集聚水平在京津冀区域达到领先水平，而后在2015年适当下调，说明北京市的金融业正在向着京津冀区域的平均水平回归，同年天津市的金融集聚水平有所提高，说明北京市的金融业有外迁行为，促进京津冀区域的协同发展。天津市在2010年之前区位熵值在0.7以上，而后2010至2014年均在0.7以下，表明在此期间天津市的金融业发展没有得到实质的改善提升，但在2015年能够明显看到天津市的区位熵值即将达到0.8，表明京津冀区域协同发展带动了天津市金融业的集聚水平。河北省在2010年之前区位熵都大于1且高于北京市，说明河北省整体金融发展与集聚水平优于北京市，而后区位熵有所下调且低于北京市，能看出在2011年后河北省的金融业集聚程度有所下降，说明在2011年后的几年内河北省和天津市的金融从业人员突然向北京市迁移，造成了这种区域差异的扩大，而后在2015年得到了实质性的缓解。在此纵观2007至2016年两市一省的金融集聚水平变化趋势，可以大胆预测未来三地的金融集聚水平将逐渐靠拢，减少区域差异，促进协同发展。

　　根据上文的分析，2010年以前的金融集聚效应不显著，故以2010年为起始年对之后每两年的金融集聚情况进行空间映射，使用ArcGIS软件完成空间分析如下：

　　通过图7和图8能够直观的看到在从业人员变动的视角下，京津冀区域金融集聚在横向和纵向上的变化情况。2010年，京津冀区域金融集聚主要集中在衡水市、承德市、秦皇岛市以及石家庄市，金融集聚的城市主要集中在京津冀区域东北部和南部。2012年，北京市的金融集聚水平显著的增强，其他城市的金融集聚水平适当下调，说明了金融资源向北京市集中流动的现象。2014年，北京市和承德市成为了京津冀区域金融集聚水平的领先城市，京津冀区域上部和中部的金融业较为集聚，其代价是周边城市金融集聚水平较低。2016年，除保定市外，其余北京周边城市的金融集聚水平均有了显著的提高，中部金融业也逐渐南下向邯郸市扩散。

　　本节采取较为常见的金融相关率()来衡量京津冀区域金融业的集聚水平，利用2007至2016年京津冀区域各市国内生产总值以及年末金融机构存贷款余额进行测算，数据均来自《中国城市统计年鉴》(2008-2017年)。计算公式为：

　　在实际应用中，衡量金融业的集聚水平，一般将其简化为金融资产总量与之比。在本文的研究中，简化了计算公式：

　　其中表示京津冀区域各市年末金融机构存款余额；表示京津冀区域各市年末金融机构贷款余额；表示京津冀区域各城市国内生产总值。

　　计算结果如表5和表6，其中表5将京津冀各城市进行分析；表6将河北合并分析，便于对京津冀三地的金融集聚水平进行比较。

　　如表5所示，京津冀区域各个城市近十年的金融集聚水平呈现稳中有升的态势。上一节根据金融集聚水平将京津冀区域的城市划分了三个层次，其中金融集聚效应非常明显的有北京市、石家庄市、秦皇岛市、承德市、沧州市、衡水市；金融集聚效应不明显的有天津市、保定市、张家口市、廊坊市。表5也可以看到，上述金融集聚明显的城市中北京市、石家庄市、秦皇岛市、衡水市的金融集聚水平在近几年出现了持平甚至下行的趋势，而金融集聚效应不明显的天津市、张家口市、廊坊市近几年出现了金融集聚水平急剧上涨的趋势。这也印证了上文的观点，金融集聚水平较好的城市正在协助其他城市共同发展，减少了两极分化的现象，真正做到了区域协调发展。

　　如图9所示，近十年京津冀的金融集聚水平均呈现稳中有升的态势。北京市在2009至2014年间金融集聚程度趋于平缓，在2015年产生了激增，这是由于2015年北京市的金融发展得到了显著的促进。而后在京津冀区域的协同作用下，北京市的金融发展在2016年保持稳定，并未发生进一步的增长。天津市和河北省近十年金融发展情况类似，在2010至2011年间有了略微的下调，但整体形势基本保持上涨，特别是2012年至今，金融发展增速均匀。天津市和河北省的金融业进一步发展，是京津冀区域协同发展的结果。北京市作为首都有着难以追赶的金融集聚水平，但可以预见的是，在京津冀区域协同发展的推动下，天津市和河北省的金融集聚水平也将显著增长。

　　根据上文的分析，同样以2010年为起始年对之后每两年的金融集聚情况进行空间映射，使用ArcGIS软件完成空间分析如下：

　　通过图10和图11能够直观的看到在金融行为的视角下，京津冀区域金融集聚在横向和纵向上的变化情况。2010年，金融集聚主要集中在北京市、石家庄市、衡水市以及北京周边城市。2012年，北京市周边城市的金融资源向北京市流动，造成了区域内的金融发展差异增大。2014年，北京市的金融集聚水平仍在领跑京津冀区域，同时北京市周边城市的金融集聚水平较2012年已有了明显的好转。2016年，京津冀区域城市间的金融集聚差异明显的减小，可以直观的感受到京津冀区域协同发展的成效。

　　由上节分析可以了解到，京津冀区域金融业的发展呈现出集聚的变化趋势。本节通过模型假设对京津冀区域金融集聚影响因素的指标体系进行构建，运用2007至2016年的面板数据对京津冀区域城市进行实证分析，选取京津冀区域金融集聚程度指标金融相关率()作为被解释变量，探究金融集聚的影响因素。

　　通过上文的相关文献综述和理论基础，提出以下模型假设：

　　(1) 经济发展水平影响金融集聚发展水平

　　经济背景是金融集聚的基础。通常，经济落后的城市金融业发展缓慢，经济发达的城市能够为金融业提供丰富的金融资源，促进金融集聚的发展。可见，经济发展水平与金融集聚有着密不可分的关系。

　　(2) 工业化发展水平影响金融集聚发展水平

　　实体经济是金融业发展的基础，工业化水平的提高将推动京津冀区域各城市金融业的发展。当京津冀区域内各城市工业化水平不断提升，金融市场的不断壮大，多数金融机构与金融资源将集聚到工业化水平较高的城市。由此，工业化发展是金融集聚发展的必要条件。

　　(3) 第三产业发展水平影响金融集聚发展水平

　　随着产业结构的不断升级，第二产业正向第三产业转变，第三产业的地位日益凸显。金融业是第三产业的核心产业，第三产业的其他部门将对金融集聚提供集中资源和帮助，第三产业的整体发展水平对金融集聚发展的影响也十分明显。

　　(4) 教育水平发展水平影响金融集聚发展水平

　　作为需要高等人力资源的金融业，对社会人力资源需求较高。通常，教育水平越高、专业化程度越高，金融产出效率越高，进而影响金融集聚不断发展。

　　(5) 社会劳动力工资水平影响金融集聚发展水平

　　社会劳动力工资水平对人力资源发展的促进是显而易见的，工资能够激发人力资源的参与积极性。另一方面工资水平高，人民可支配收入提高，储蓄能力增强，也将推动金融集聚的发展。

　　(6) 金融业劳动力水平影响金融集聚发展水平

　　金融业的劳动力水平影响金融机构配给资源和处理业务的能力，提高金融业的产出水平，有利于促进金融集聚水平的提高。

　　(7) XX活动水平影响金融集聚发展水平

　　XX通过财政货币政策调控着金融资源的流动方向，间接影响金融集聚的发展。眼下，我国市场经济有待进一步发展健全，各产业均一定程度上受到XX宏观调控的影响。

　　(8) 基础设施建设水平影响金融集聚发展水平

　　提高基础设施建设水平，进而提高金融业的运转能力，对金融业的正向集中、集聚发展有着深远的影响。

　　(9) 信息化水平影响金融集聚发展水平

　　信息化是当今社会各行业发展运作都依赖的前提，金融业更是如此。互联网的发展程度影响着场内金融的运行能力和场外金融的参与力度，高层次的信息化可以促进金融集聚水平的提高。

　　(10) 对外开放水平影响金融集聚发展水平

　　通常情况下，对外开放水平较高的区域，可以吸引外资流入，提高经济水平，要求金融业有相匹配的发展水平。另一方面，在对外贸易的过程中，金融业在结算和融资等方面发挥着重要作用，对外贸易水平越高，使金融业活动更加密集，促进了金融集聚的发展。

　　根据上文的模型假设，结合数据的获取情况，本节选取以下变量：

　　1.1.8 被解释变量

　　本节以上文中金融相关率()指标作为被解释变量，用以衡量京津冀区域城市金融集聚水平。

　　1.1.9 解释变量

　　(1) 经济发展水平

　　本节选取2007至2016年京津冀区域各城市人均地区生产总值(全市)作为衡量经济发展水平的指标，后文以(PerCapitalGDP)简化表示。

　　(2) 工业化发展水平

　　本节选取2007至2016年京津冀区域各城市规模以上工业总产值(全市)作为衡量工业化发展水平的指标，后文以(Industrial)简化表示。

　　(3) 第三产业发展水平

　　本节选取2007至2016年京津冀区域各城市第三产业生产总值(全市)作为衡量第三产业发展水平的指标，后文以(TertiaryIndustry)简化表示。

　　(4) 教育水平发展水平

　　本节选取2007至2016年京津冀区域各城市普通高等学校在校学生数(全市)作为衡量教育水平发展水平的指标，后文以(Education)简化表示。

　　(5) 社会劳动力工资水平

　　本节选取2007至2016年京津冀区域各城市在岗职工平均工资(全市)作为衡量社会劳动力工资水平的指标，后文以(LevelofWage)简化表示。

　　(6) 金融业劳动力水平

　　本节选取2007至2016年京津冀区域各城市金融业年末城镇单位从业人员数(全市)作为衡量金融业劳动力水平的指标，后文以(FinancialLaborForce)简化表示。

　　(7) XX活动水平

　　本节选取2007至2016年京津冀区域各城市地方公共财政支出(全市)作为衡量XX活动水平的指标，后文以(GovernmentActivities)简化表示。

　　(8) 基础设施建设水平

　　本节选取2007至2016年京津冀区域各城市固定资产投资(全市)作为衡量基础设施建设水平的指标，后文以(InfrastructureConstruction)简化表示。

　　(9) 信息化水平

　　本节选取2007至2016年京津冀区域各城市互联网宽带接入用户数(全市)作为衡量信息化水平的指标，后文以(LevelofInformation)简化表示。

　　(10) 对外开放水平

　　本节选取2007至2016年京津冀区域各城市当年实际使用外资金额(全市)作为衡量对外开放水平的指标，后文以(Opening)简化表示。

　　本节中人均地区生产总值()、规模以上工业总产值()、第三产业生产总值()、普通高等学校在校学生数()、在岗职工平均工资()、金融业年末城镇单位从业人员数()、地方公共财政支出()、固定资产投资()、互联网宽带接入用户数()、对外开放程度()数据均来自《中国城市统计年鉴》(2008-2017年)。

　　首先利用SPSS对上文中10个解释变量与被解释变量金融相关率()之间的相关性进行分析。其中皮尔逊相关系数(PearsonCorrelationCoefficient)的计算公式如下：

　　其中和分别为解释变量和被解释变量样本组成的向量；为样本均值；为样本标准差。如果两个变量是正相关的，相关系数大于0；相反则小于0。相关系数的绝对值约接近于1说明相关性越好，否则相关性越差。

　　近十年的样本数据为130组，其中包含缺失解释变量数据6组，各解释变量与被解释变量金融相关率()之间的皮尔逊相关系数计算如下：

　　如表7所示，通过对相关系数进行分层，我们可以了解到相关系数大于0.8的解释变量：金融业劳动力水平()、第三产业发展水平()以及XX活动水平()与的相关性较好。而其余相关系数低于0.8则说明相关性较弱。考虑本节实证分析的目的是探究金融集聚的影响因素，而上文中提及的10个解释变量均可在一定程度上影响京津冀区域金融集聚发展水平，故保留全部解释变量进行进一步分析。

　　基于上文的分析假设，本节建立面板数据多元线性回归模型：

　　考虑到面板数据的不平稳，且解释变量间量纲不同，为剔除异方差对回归方程的影响，并且保留面板数据的金融学意义，将各解释变量与被解释变量取自然对数再做回归，此时回归方程的系数可理解为弹性。调整后的回归模型：

　　其中，表示124组样本。为常数项；为回归系数，为误差。

　　为了进一步对参数进行估计，需对模型作如下假设。误差项具有0均值和等方差，即满足Gauss-Markov条件：

　　且有正态分布的假定条件：

　　利用SPSS对上文中10个解释变量与被解释变量金融相关率()之间建立回归分析模型，参数估计采用常用的最小二乘估计。回归方程的模型摘要如表7所示；回归方程的方差分析(ANOVA)如表9所示；回归方程系数如表10所示。

　　根据输出数据，可作回归诊断如下：

　　(1) 拟合优度检验

　　该回归模型复相关系数，决定系数。回归平方和占比越大，决定系数越趋于1，拟合结果越好，所以该回归模型对样本数据点的拟合程度较好。

　　(2) 回归方程显著性检验

　　方差分析表中对应的值为0.000，表示回归方程显著性非常好，说明解释变量整体上对被解释变量的解释能力很强。

　　(3) 回归系数显著性检验

　　在0.05的显著性水平下，解释变量、、、均通不过显著性检验，说明上述变量在整个模型中对被解释变量的解释能力较弱。模型还需要进一步修正。

　　(4) 共线性统计诊断

　　当值大于10时有理由相信该解释变量与其他解释变量间存在多重共线性，解释变量、、、均通不过共线性统计诊断，说明上述变量间存在着相关性。模型还需要进一步修正。

　　由表10的回归方程系数，可以看到大部分解释变量的回归系数为正数，且95%的置信区间为正区间，符合相关性和金融学意义的真实预期。考虑部分解释变量未通过显著性检验以及部分解释变量间存在多重共线性，在此不对上述分析结果进行详细分析。下面利用逐步回归法修正模型。

　　通过逐步回归法，设定显著性水平不断剔除和选入解释变量，最终使得选入解释变量均通过显著性检验；然后修正共线性问题，剔除大于10的解释变量。最终确定回归模型。回归方程的模型摘要如表11所示；回归方程的方差分析(ANOVA)如表12所示；回归方程系数如表13所示。

　　通过修正回归模型，得到了较好的分析结果。首先依然进行回归诊断：

　　(1) 拟合优度检验

　　修正后的模型复相关系数，决定系数接近1，回归方程对样本数据点的拟合程度较好。

　　(2) 回归方程显著性检验

　　方差分析表中对应的值为0.000，表示回归方程显著性非常好，说明解释变量整体上对被解释变量的解释能力很强。

　　(3) 回归方程系数显著性检验

　　在0.05的显著性水平下，解释变量均通过显著性检验，说明留下的解释变量均对被解释变量有良好的解释能力。

　　(4) 共线性统计诊断

　　所有解释变量均小于10，说明均通过共线性诊断，解释变量间的相关性较低。

　　经过回归诊断，修正后的回归模型具有良好的统计学意义，我们可以得到回归方程：

　　回归模型中还保存了工业化发展水平()、教育水平发展水平()、社会劳动力工资水平()、金融业劳动力水平()、信息化水平()和对外开放水平()6个解释变量，上述方程可作为拟合预测的重要参考方程。

　　为了探究通过显著性检验的6个解释变量对金融集聚影响的程度，选取标准化后的作为重要的衡量指标，避免了未标准化回归系数所带来的量纲差异的影响。对金融集聚发展程度的正向影响由大到小依次为：

　　(1) 金融业劳动力水平()

　　(2) 社会劳动力工资水平()

　　(3) 信息化水平()

　　(4) 教育水平发展程度()

　　(5) 对外开放程度()

　　工业化发展程度()这一解释变量在修正后的回归模型中系数为负。这也是可以接受的结果，虽然金融业的发展确实需要工业基础，但工业中的重工业或是原料指向型工业均不宜设立在人口密集、金融集聚的区域，北京作为首都，更多的是发展以第三产业为基础的服务业，工业化则扩散和依赖于周边城市，这导致近几年来北京市的工业生产总值低于天津市，可以说工业发展对金融集聚的影响是把双刃剑，需要辩证的看待。为了尊重回归模型中的统计学意义，选择保留了通过显著性检验的该解释变量，但由于其回归系数为负，所以不将该解释变量列入对金融集聚正向影响的指标中。其余5个解释变量均对金融业有较显著的正向影响，我们应该重点关注在这5个方面，能动的从这5个切入点对京津冀区域金融集聚进行切实有效的推动，从而更好更快地实现京津冀区域协同发展。

　　本文首先对近十年京津冀区域金融业发展现状进行了分析，利用近十年京津冀区域GDP、第三产业增加值以及金融业增加值等金融相关指标量化分析区域金融的发展趋势，可以看到近十年金融业增加值在GDP和第三产业的占比逐年增高，金融业的发展正在逐年提升。通过横向比较北京、天津和河北金融业增加值占比，可以发现北京的金融发展遥遥领先，而天津和河北的金融增加值占比较小，但从近十年变化趋势来看，北京金融业增加值占比有向天津和河北转移的趋势，三地金融业增加值占比逐渐趋同，这是京津冀区域协同发展的客观反映。

　　接着本文利用从业人数作为研究指标，利用区位熵计算京津冀区域城市的金融集聚水平。集聚水平可根据近十年的集聚水平分为三个层次，金融集聚效应明显的地区为北京市、石家庄市、秦皇岛市、承德市、沧州市、衡水市；金融集聚效应一般的地区为唐山市、邯郸市、邢台市、廊坊市；金融集聚效应不明显的地区为天津市、保定市、张家口市。为了对区位熵测算的结果进行有力的支持，又利用金融相关率对金融集聚水平进行了测算，得到了和区位熵测算相似的结果。

　　然后通过横向和纵向结合分析北京、天津以及河北的金融集聚发展变化趋势，能够看出在2010年后，北京的金融集聚水平有了明显的提高，但此时河北和天津的金融集聚水平仍然没有改善，在2015年，北京的金融集聚水平有所回落，且天津市和河北省的金融集聚水平有了明显的提高，可以看到2015年后京津冀区域的金融水平差异有了明显的降低，三地金融业的协同发展有了明显的改善和促进，可以预见在国家政策和三地协同发展的推进下，未来三地的金融集聚水平将进一步的趋于一致，北京市的金融业资源将得到外迁，带动京津冀区域整体金融业进一步发展和提升。

　　最后在一系列模型假设下，探究了10个潜在的影响因素对金融集聚的贡献水平。使用相关分析和回归分析，最终通过模型检验的线性回归模型系数表明了金融业劳动力水平、社会劳动力工资水平、信息化水平、教育水平发展水平和对外开放水平这5方面对京津冀区域的金融集聚发展起到了决定性作用。由此可以有针对性的进行调控。可以通过XX干预、福利政策等方式鼓励京津冀区域金融集聚水平较高的城市在上述5方面对集聚水平较低的城市进行迁移和扩散，进而缩小城市间的差异，促进区域协同发展。纵观金融集聚的发展历程，既有XX干预，更有市场自然形成。因此，我国京津冀区域的协同发展，需要在尊重市场客观规律的基础之上，适时适度地依照规划逐渐推进，相信京津冀区域的协同发展将逐渐产生实质性进展，真正惠及京津冀区域的人民利益。

　　参考文献

　　[1] GoldsmithR.W.,“Financialstructureanddevelopment,”NewHaven:YaleUniversity Press,1969.

　　[2] FeldsteinM.andHoriokaC.,“Domesticsavingandinternationalcapitalflows,”[J], EconomicJournal,1980, (90):314-329.

　　[3] KrugmanP.,“IncreasingReturnandEconomicGeography,”JournalofPolitical Economy,1991,99:483-499.

　　[4] NareshandGary,“ThebenefitsofIndustrialClustering:insightsfromthefinancial servicesindustryatthreelocations,”JournalofFinancialServicesMarketing,2013, V21(6):3-4.

　　[5] LevineR.,“Financeandgrowth:theoryandevidence,”NationalBureauofEconomic Research,2004,(9).

　　[6] Feiock,RichardC.,“RationalChoiceandRegionalGovernance,”[J],JournalofFinance, 1991,29(1):49-65.

　　[7] 李文哲.京津冀区域金融合作的机制创新及切入点[J].改革与战略,2012,226(28): 75-77.

　　[8] 黄希睿.京津冀区域金融发展与合作研究[D].天津:南开大学,2013

　　[9] 陆军.金融集聚与区域经济增长的实证分析——以京津冀地区为例[J].学术交流, 2014,239(2):107-113.

　　[10] 胡晓威.京津冀现代服务业区域差异及协同发展研究[D].河北:河北经贸大学, 2015.

　　[11] 李兰兰.京津冀与长三角区域金融一体化比较研究[D].河北:河北经贸大学,2015.

　　[12] 谷瑞.京津冀金融协同发展测度与优化研究[D].北京:首都经济贸易大学,2016.

　　[13] 李延军.京津冀区域金融集聚影响因素的空间计量经济分析[J].河北工业大学学报 (社会科学版),2016,8(3):19-24.

　　[14] 桑丽丽.京津冀协同发展背景下区域金融合作研究[D].天津:天津科技大学,2016.

　　[15] 周海鹏.区域金融协同创新测度与分析[J].天津大学学报(社会科学版),2016,18(3): 237-242.

　　[16] 张晓盼.京津冀区域金融发展收敛性研究[D].天津:天津工业大学,2017.

　　[17] 陈禹旭.京津冀区域金融产业集聚影响因素研究[D].天津:天津工业大学,2017.

　　[18] 杨贵军.京津冀区域金融资本流动趋势分析[J].财经纵横,2017(15):153-157.

　　[19] 王安怡.CBD金融集聚现状浅析——以京津冀区域为例[J].现代经济信息,2017(02): 453-454.

　　[20] 王红婕.支持京津冀一体化的区域金融协作研究[J].当代经济,2017(8):6-7