摘要：
关键词：金融发展；区域金融；区域差异；经济增长
从全国范围来看，credit指标的变异系数为0.35，private指标的变异系数为1.02，这两个指标的全国变异系数小于东部，大于西部、中部及东北。相比ctedit指标，private指标的地区差异更显著。
（2）资本市场发展差异。区域资本市场发展差异（如图2所示）。
从四大区域之间来看，股票指标均值依次为：东部35.21%、西部19.35%、中部13.64%、东北12.34%；债券指标均值依次为：东部9.52%、中部1.64%、西部1.45%、东北0.56%。东部省市资本市场发展的整体水平遥遥领先，排除北京对东部的影响后，由于北京集聚了大量金融机构总部和央企总部，而股票和债券大多以总公司的名义发行，导致北京股票和债券规模偏大，其中，债券出现了75.05%的离群值。东部股票指标均值为25.46%，债券指标均值为2.24%，仍然居四大区域之首，显示了东部省市较强的直接融资能力，其次是西部，中部和东北的整体发展水平仍然较弱。
从四大区域内部来看，股票指标变异系数依次为：东部1.08、西部0.69、中部0.49、东北0.31；债券指标变异系数依次为：东部2.43、西部0.78、东北0.75、中部0.40，排除北京的影响后，东部股票指标变异系数为0.93，债券指标变异系数为0.81，东部各省市的资本市场发展仍存在最严重的不平衡；西部区内差异次于东部，其中，西藏的债券指标趋于0；东北三省的债券市场较股票市场发展差异明显；中部的区内差异较小。wWw.11665.coM
从全国范围来看，股票指标的变异系数为1.07，债券指标的变异系数为3.31，排除北京的影响后，股票指标的变异系数为0.82，债券指标的变异系数为0.81。整体上看，资本市场发展的规模远不及金融中介发展的规模，而且资本市场发展的地区差异大于金融中介发展差异。
（3）保险市场发展差异（如图3所示）。
从四大区域之间来看，保险深度指标均值依次为：东部3.11%、中部2.95%、东北2.86%、西部2.67%；保险密度指标均值依次为：东部1 537.85元/人、东北749.48元/人、中部523.35元/人、西部433.55元/人。东部省市保险市场发展的整体水平领先，中部和东北居中，而西部最弱，排除了西藏对西部的影响后，西部地区保险深度指标均值为2.84%、保险密度指标均值为462.67元/人，与中部和东北仍有差距，表明西部的保险市场欠发展，这也是未来西部金融发展的主要方向。
从四大区域内部来看，保险深度指标变异系数依次为：西部0.37、东部0.35、中部0.13、东北0.08；保险密度指标变异系数依次为：东部0.86、西部0.45、东北0.30、中部0.26。显示了东部与西部保险市场发展的区内差异较大，造成这一问题的关键原因在于北京、上海两地的保险深度分别为5.59%和4.38%，保险密度分别为3 521.31元/人和4 376.68元/人，大大高于地区均值，而西藏保险深度为0.82%，保险密度为113.24，均为全国最低，拉大了区内差距。
从全国范围来看，保险深度指标的变异系数为0.31，保险密度指标的变异系数为1.07，相对保险深度指标，保险密度指标的地区差异更显著。我国保险深度和保险密度的平均指标与同年全球新兴市场国家的平均水平相当，但是与同年全球工业化国家平均保险深度8.8%、平均保险密度3 655美元相比，较低的保险深度和密度说明了我国保险公司总体保费收入规模偏小。数据来源：《sigma：2008年度世界保险业》
2.区域金融发展差异的整体考察：主成分因子分析
本文采用主成分因子分析的方法对区域金融发展差异作整体上的考察。因子分析是多元统计分析技术的一个分支，其主要目的是浓缩数据。它通过研究众多变量之间的内部依赖关系，探求观测数据的基本结构，并用少数几个假想变量来表示基本的数据结构，这些假想变量被称为“因子”。因子能够反映原来众多观测变量所代表的主要信息，并解释观测变量之间的依存关系。通过因子分析把一组观测变量化为少数几个因子后，可以进一步将原始观测变量的信息转换成这些因子的因子值，利用因子值可以直接对样本进行综合评价和分类。
首先，为了消除原始数据不同量纲的影响，需要对各金融发展指标的原始数据做标准化处理，并用处理后的数据进行后续的分析，标准化的方法为：
zi=xi-σx(2)
其中，xi为指标x的第i个观测值，为指标x的均值，σx为指标x的标准差。并用巴特莱特球度检验，判断数据是否合适做因子分析。巴特莱特球度检验值为116.2097，显著性为0.0000，拒绝指标相关矩阵是单位阵的零假设，显示各指标的观测数据具有共同变异，适合做因子分析。
其次，基于主成分法提取初始因子。按照主成分分析通常遵循的“85原则”，即因子方差累计贡献率超过85%，确定提取的因子个数。主成分提取结果显示只需选取前三个因子即可，其方差累计贡献率为88.5833%。
再次，再用varimax正交旋转法简化因子载荷矩阵，寻求有实际意义的因子解。旋转后，因子1主要与“credit”、“stock”、“bond”、“保险密度”等指标相关，这四个指标的因子载荷分别为：0.6972、0.9574、0.8390、0.6754，可概括为“金融发展规模总量因子”；因子2主要与“保险密度”、“保险深度”等指标相关，这两个指标的因子载荷分别为0.9319、0.5368，可概括为“保险市场发展因子”；因子3主要与“private”指标相关，指标的因子载荷为0.9842，可概括为“金融中介效率因子” 。旋转后的因子解反映了
区域金融就是将金融运行和发展置于一定的地理空间加以考察，金融系统作为区域经济体系的组成部分，不仅直接反映经济的区域性特点，而且自身的发展也必然带有所在区域的烙印。我国是一个多民族、多文化、资源分布不均衡和气候环境多样化的国家，金融差异是各种区域差异的集中反映。区域金融差异表现在量与质两个层面上：量的差异包括金融资源与交易数量的差异；质的差异主要是指金融结构不同，包括金融机构、金融工具、融资方式、融资机制和金融行为的不同特点，以及金融深化程度的不同。从我国区域金融整体发展的现状来看，区域差异主要体现为量的差异，而非质的不同，在主成分因子分析中，金融中介效率因子的方差贡献率只占17.9005%。
2.政府干预、以银行为基础的金融体系未彻底变革
迄今，
