金融资源配置效率的度量

一、数据来源

本章采用的空间样本数据是湖南武陵山片区37个县级行政单元的年度数据，样本数据的时间跨度为2004—2014年，数据主要来源于《湖南统计年鉴》及各地区统计公报。变量选取了金融发展效率和储蓄—投资转化率两个指标来衡量湖南武陵山片区金融资源配置效率，其中金融发展效率是指金融机构作为中介在金融市场中循环资金的能力，储蓄—投资转化率是指储蓄总额转化为固定资产投资额的效率，本章用金融贷存比来衡量地区的金融发展效率，用全社会固定资产投资额与年末存款总额之比来衡量该地区的储蓄—投资转化率。

二、研究方法

(一)全局空间自相关分析方法

全局空间自相关是从区域空间的整体上刻画湖南武陵山片区金融资源配置效率的空间分布。在现有的文献中，Moran指数和G统计量都能用于空间自相关检验，两者的计算方法相似，但相比之下Moran指数更为常用，因此本章采用Moran指数，其定义如下:

其中，，Xi表示第i个区域的观测值，n为区域总数，Wij为二进制的邻近空间权值矩阵，其目的是定义空间对象的相互邻近关系。空间矩阵Wij的构造原则为:

其中，i=1，2，…，n;j=1，2，…，m。

Moran指数的取值区间为［-1，1］，若I＞0，则表明湖南武陵山片区金融资源配置效率具有空间正相关性，即相邻空间单元之间具有相似属性，存在集聚现象，该数值越大表明集聚效应越强;若I＜0，则表明该区域金融资源配置效率具有空间负相关性，说明相邻空间单元之间不具有相似属性，数值越小表明各空间单元离散性越大;若I为0，则表明不相关，说明该地区金融资源配置效率是独立随机分布的。

对于Moran指数的计算结果，可以采用标准化渐进正态统计量Z来检验n个区域是否存在空间自相关，Z的计算公式为:Z，其中E(I)为I的期望值，D(I)为I的方差。如果Z值为正且显著，则表明金融产业在空间分布上具有明显的正向相关性，即具有空间依赖性。

(二)局部空间自相关分析

由于全局自相关分析只是反映整体区域的空间自相关性，很难探测到存在于地理上不同位置的区域空间关联模式，因此，为了分析湖南武陵山片区各地区金融资源与相邻单元的空间关联模式，本章采用局部Moran指数进行局部空间自相关分析。局部Moran指数是由Anselin在1995年提出的，用于分析各单元属性在异质性空间的分布格局，度量每个区域与相邻地区之间的局部空间相关性，其表达式为:

其中，Zi=Xi-X，Zj=Xj-X为观测值与均值的离差，Xi和Xj分别表示第i单元的观测值和第j单元的观测值，Wij与式(6-1)中的含义相同。若Ii为正，表示该区域单元与周围相似的空间存在集聚现象;若为负，则表示该区域单元与周围相似的空间不存在集聚现象。

为了清晰地识别一个区域与其相邻区域的空间关系，通常会在二维平面上绘制出Moran散点图。Moran散点图共分为四个象限，第一象限表示金融资源配置效率水平高的地区被金融资源配置效率水平高的其他地区所包围(HH)，该象限代表正的空间自相关关系，可把处于该象限的地区称为“热点区”;第二象限表示金融资源配置效率水平低的地区被金融资源配置效率水平高的其他地区所包围(LH)，该象限代表负的空间自相关关系;第三象限表示金融资源配置效率水平低的地区被金融资源配置效率水平低的其他地区所包围(LL)，该象限代表正的空间自相关关系，可把处于该象限的地区称为“盲点区”;第四象限表示金融资源配置效率水平高的地区被金融资源配置效率水平低的地区所包围(HL)，该象限代表负的空间自相关关系。如果观测值均匀地分布在四个象限，则表示地区之间不存在空间自相关性。