2020年中国城市金融竞争力评价报告

前言

城市是国家经济社会运行的核心载体，城市发展水平决定着国家经济社会现代化建设程度，城市金融竞争力的高低决定着金融服务实体经济的综合能力。为了深入研究城市金融竞争力，中国社会科学院金融研究所、特华博士后科研工作站和《银行家》研究中心联合组建了课题组，并将研究成果汇总成了《2020年中国城市金融竞争力报告》。本报告包括中国城市金融竞争力总报告和四个专题报告，总报告是2020年中国298个地级以上城市金融竞争力报告和排名榜单，四个专题报告：中国直辖市、省会城市和计划单列市金融竞争力报告;中国四大城市群城市金融竞争力报告;中国四大湾区城市金融竞争力报告;中国自贸试验区城市金融竞争力报告。四个专题报告的评价结果将陆续在《银行家》刊载。

城市金融竞争力是指城市在竞争性和开放性市场条件下，城市金融体系在优化金融资源配置、服务实体经济成长和推动城市经济发展的规模水平，以及与其影响因素相互作用所表现出来的综合竞争优势。简而言之，城市金融竞争力是城市整合金融资源的综合能力、竞争优势和发展潜力。城市金融竞争力受城市经济发展、金融规模、金融要素、金融创新、金融生态等诸多因素影响，单一指标或者孤立指标都难以反映城市金融竞争力的整体水平。为此，迫切需要构建城市金融竞争力评价指标体系，来全方位测度评价中国城市金融竞争力水平，以便更好地服务实体经济实现更高质量发展。

城市金融竞争力评价指标体系的功能与构建原则

城市金融竞争力评价指标体系的功能

城市金融竞争力评价指标体系突出体现以下三大功能。

评价功能。通过确定研究逻辑和技术路线，构建起科学的评价指标体系，在完成数据采集和加工处理的基础上，运用数学建模手段对样本城市金融竞争力的结构、增量和效率等因素进行客观测度分析，最终完成中国城市金融竞争力评价报告。

预测功能。通过系统分析样本城市的基础指标、发展指标、优化指标，细化研究与之相对应的二级和三级指标的现状能级、运行特征和发展态势，来对中国城市金融竞争力的发展状况、存在问题和变化趋势作出基于客观规律的预测和理性判断。

引导功能。通过对样本城市金融竞争力评价结果的定量定性分析，来引导社会公众、城市管理决策部门、实体经济部门以及学术研究机构关注中国城市金融竞争力的变化情况，并在实践中为城市决策机关提升金融竞争力提供咨询方案。

城市金融竞争力评价指标体系的构建原则

城市金融竞争力评价指标体系的构建原则包括全面性、可行性、可比性、层次性、相关性和启发性六大原则。其中，全面性原则是指要综合考虑城市经济发展、科技创新、城市治理和营商环境等诸多因素;可行性原则是指要考虑原始资料和数据的可得性、可量化性、可标准化性和信息资讯的权威性;可比性原则是指所选指标能够在不同规模、不同特征城市之间进行比较，能反映样本城市的差异程度;层次性原则是指要区分影响样本城市金融竞争力水平的层次因素;相关性原则是指评价指标之间具有计量统计的关联性;启发性原则是指样本城市制定的金融政策和发展规划要具有引导作用。总之，评价中国城市金融竞争力，要力求做到指標科学、数据可得、定量可比、因素分层和权重合理。

城市金融竞争力评价样本城市选择与数据来源

课题组选择中国地级以上城市作为样本城市，涵盖了大陆地区、港澳地区和台湾地区的城市，样本数量共计298个（分别为大陆地级以上城市290个，港澳台地区城市8个）。需要特别说明的是，海南省和西藏自治区限于资料可得性原因，没有将全部地级市纳入样本;港澳特别行政区和四大直辖市各自只作为一个样本，没有把下辖区纳入样本;台湾省限于数据的可得性，只选取了6个代表性城市作为样本。

在数据采集过程中，课题组遵循指标体系的构建原则，全部样本数据均通过公开渠道获取，均有真实可靠的渠道来源。数据来源主要包括三种途径：一是城市统计公报、城市统计年鉴等统计部门发布的2019年及过往时间周期数据;二是第三方研究机构公布的年度研究数据，如2020年粤港澳大湾区研究院发布的中国城市营商环境报告;三是在腾讯、企查查等互联网工具性资讯网站上搜集的数据。样本城市中有关香港、澳门和台湾的数据来源分别为港澳数据主要来自《中国统计年鉴》;中国台湾市县数据主要来自大陆学者的学术研究文献以及《中国统计年鉴》等。

城市金融竞争力评价指标体系构建

在城市金融竞争力评价指标体系构建中，课题组选择基础指标、发展指标和优化指标三个维度的一级指标作为核心指标， 其中，基础指标包括融资规模、GDP规模和财政规模等三个二级维度指标;发展指标包括金融发展力、经济支持力和城市保障力三个次一级维度指标;优化指标包括金融密度、金融浓度和金融速度三个二级维度指标。在发展指标中，金融发展力包括资本规模、金融效率、金融要素、金融创新和金融生态五个二级维度指标;经济支持力包括外贸规模、经济结构和经济效率三个二级维度指标;城市保障力包括城市治理、城市环境两个二级维度指标（见表1）。

基础指标

基础指标可以视作带有决定性影响的规模指标，它是城市发展中不可或缺的经济总量指标，主要反映城市经济发展规模的属性。经济基础决定上层建筑，城市基础指标是基础中的基础，其他一切经济活动相关指标都由其衍生而来。

课题组选取融资规模、GDP规模和财政规模三个二级指标来反映城市的经济发展规模水平。其中，融资规模用金融机构人民币存贷款余额来衡量，能够反映城市汇聚使用货币资金的规模及特征;地区生产总值是城市所有生产活动的最终成果，是衡量城市经济状况和整体实力的重要指标;财政规模用地方本级财政收入总额来衡量，能够反映当地政府可以支配的财力以及可用于公共部门支出的资金量级。

发展指标

发展指标又称城市经济社会综合发展水平指标，是关于城市经济、金融、社会、环境、城市治理等方面的指标，主要反映出城市竞争力“好坏”的属性。课题组选取金融发展力、经济支持力和城市保障力三个次一级维度指标来反映城市经济金融发展水平状况。

金融发展力

金融发展力是推动城市金融竞争力提升的关键性力量，可通过城市资本市场的活跃度、金融资源配置效率的高低、金融体系的发育完善程度、金融创新活力和金融生态环境建设水平等得到具体展现。所以，课题组选取资本规模、金融效率、金融要素、金融创新、金融生态等二级维度指标来综合反映衡量城市金融发展力。

资本规模。资本规模主要是从数量方面反映城市金融发展力，城市资本规模主要是指直接融资市场的规模。课题组选择境内A股上市公司市值（截至2019年12月31日）和保费总收入这两个三级维度指标来反映城市资本规模。其中，上市公司市值能反映本地企业利用资本市场融资的活跃程度，保费收入能反映居民保险意识和保险业发展规模。

金融效率。评价样本城市金融发展力不仅要看金融资本规模，还要看金融效率高低。金融效率主要从金融市场资源配置效率的高低来反映城市金融发展水平。课题组选取金融相关比例、商业银行贷存比和保险密度来衡量城市金融效率。其中，金融相关比率是指城市金融资产总量占GDP的比重，用以反映城市财富金融化完成度;商业银行贷存比是指金融机构人民币贷款与存款之比，用以反映融资渠道畅通程度;保险密度是指人均保费收入，用以反映样本城市居民保险意识的强弱和保险市场的活跃程度。

金融要素。金融要素是反映样本城市各类金融要素市场化发展程度的重要指标。金融要素市场的发展能够为城市金融发展提供更加精准便利、优质高效的金融服务。课题组选取金融要素市场建设和金融机构网点数来衡量城市金融要素的发展水平。一方面，金融要素市场建设是金融要素流动循环过程中最重要的环节。金融要素市场通常是指各类生产要素流通交换的渠道和场所，广义上可以指所有生产要素交易行为和主体的总和。对金融部门而言，资金和资产是最普遍的要素存在形态，经营这两类要素交易业务的市场主体除了金融机构、政府机构和部分实业企业外，最常见的是以投资管理为主业的各类公司。根据数据可得性原则，课题组选择样本城市在“企查查”官网“投资管理”类企业数量，来间接衡量样本城市金融资本层面的抽象要素交易市场的发育完善程度。另一方面，金融机构网点数可以直观地反映城市金融服务的规模、效率和便捷程度。课题组选取银行、证券和保险三类行业作为代表来反映金融机构网点数情况。根据数据可得性原则，课题组选取样本城市腾讯soso地图上ATM柜员机设施数量、证监会公示的2019年末样本城市证券公司营业部数量以及“企查查”官网查询的样本城市保险行业市场主体数量，依次代表银行、证券和保险三类金融机构网点数量，并依据相应的统计数据分别进行打分，最后将三类金融机构数量对应得分进行加权汇总。

金融创新。金融创新是引领城市金融竞争力提升的原动力，城市金融的成长和发展离不开金融机构的创新能力提升，金融创新的强弱直接影响金融市场的完善程度和金融交易的活跃程度，进而影响实体经济能否实现高质量发展。课题组选取中国金融业两大前沿创新领域——绿色金融和金融科技两项三级维度指标来衡量城市金融创新水平。其中，以支持城市污染治理和应对气候变化为主要内容的绿色金融发展日益成为市场关注的热点问题，也代表着金融监管部门推动绿色金融发展的大趋势。根據数据可得性原则，课题组选择样本城市是否出台支持绿色金融发展的政策（包括涵盖绿色金融内容的其他政策文件），并以政策颁布时间先后作为赋分依据。金融科技是实现城市金融创新的核心驱动力，是金融机构利用信息技术和数字化手段提升金融业务效能的应用领域，与信息技术部门关系最为紧密。课题组从城镇单位就业人数中选取第三产业中信息传输、计算机服务和软件统计分项就业人数，来测算样本城市信息技术产业市场规模，从而间接反映当地信息技术产业生态规模和成熟度、推广应用金融科技技术手段的物理条件和外部需求，以此作为衡量样本城市金融科技发展的指标。

金融生态。金融生态反映金融部门开展业务经营所依托的商业环境和社会因素，作为难以量化的社会学指标是一个上层建筑层面的问题。在金融业务所面向的诸多部门中，批发零售行业地域属性最强，更能体现地方金融生态背后的地域文化和社会结构的差异性，该行业是小微金融的主战场，也是金融机构风险管控的重点和难点。所以课题组选取该行业相关衍生指标，即购买力聚集度来间接反映城市金融生态发展情况。购买力聚集度由样本城市规模以上批发零售行业全年销售总额占当地社会商品零售总额的比值来衡量。这一比值越大，说明当地商贸流通产业（相对本地经济发展水平、消费水平）越发达，吸引汇聚外来购买力的能力就越强;如果这一指标低于全国平均值，说明当地商贸流通不发达，对外来经营主体缺少吸引力，本地购买力存在流失现象，商业生态环境相对恶劣，无法形成可以提供优质金融服务的良好生态环境。

经济支持力

经济支持力是指城市经济为金融业发展提供的支持能力，主要是指为金融服务于实体经济发展创造的基础条件。课题组选取外贸规模、经济结构和经济效率三个二级维度指标来反映经济支持力。

外贸规模。在开放和竞争的市场条件下，对外贸易是反映一个国家经济实力的重要指标，能够反映出样本城市在国内外市场上的产品和服务的规模和水平。课题组用进出口总额来反映样本城市的外贸规模。

经济结构。经济结构是指城市经济发展的质量效益，是决定样本城市高质量发展的重要因素。课题组选取第三产业劳动生产率、国家特殊监管区数量和是否设立自贸试验片区等三个三级维度指标来具体衡量样本城市的经济结构。

第三产业劳动生产率反映了城市产业结构的高级化程度。课题组将单位第三产业就业人口创造的增加值作为衡量产业结构的参照指标。考虑到最普遍的生活性服务业各地人均产值差距不大，该指标数值越高，说明本地第三产业结构中以金融、物流、科技和商务服务为代表的现代生产性服务业比重越高，地方产业结构越呈现高端化发展趋势，也越有利于本地金融部门创造更高质量的经营成果。

海关特殊监管区是反映样本城市对外开放水平的重要指标。海关特殊监管区指标主要是根据国家商务部和海关总署发布的截至2020年全国约190个海关特殊监管区在样本城市的空间分布来确定，根据具体数量分别赋予相应的分数。

自贸试验区和海关特殊监管区一样，也是国家对外开放的重要平台，能够反映双循环背景下新发展格局基础设施水平。课题组依据样本城市是否设有国家自贸试验区片区，以及所划定的自贸试验片区的数量来赋予相应分数。

经济效率。经济效率反映样本城市经济高质量发展的现实结果。课题组选取单位工业产值用电量和固定资产投资结构两个三级维度指标衡量城市经济效率高低。其中，将固定资产投资增速作为固定资产投资结构的重要指标，用以反映固定资产投资结构的优化程度。

固定资产投资增速方面。当前形势下固定资产投资多用于城市基本公共服务或新兴产业投资，固定资产投资的年化增速可从侧面反映样本城市的经济增长潜力，进而反映地方产业运行效率和人口、要素等外部吸引力。基于数据的关联性原则，课题组选取固定资产投资增速来反映样本城市的资本流入趋势和资本转化比例，进而间接反映城市经济运行效率。

单位工业产值用电量方面。生产环节电力需求主要来自于工业生产部门，不同样本城市由于工业部门产品结构差异，在单位工业增加值用电能耗方面存在较大差异，单位工业产值用电量可以反映城市经济的资源利用效率。基于数据可得性原则，课题组选取工业部门的用电量与同期样本城市第二产业增加值的比值，来测度单位工业产值用电量。若这一指数偏高，说明其工业产出结构带有典型的“两高一资”特征，产业发展水平比较落后粗放。

城市保障力

城市保障力是保障城市正常运转的重要条件。城市的正常运转离不开城市的基本公共服务供给和人民的安居乐业。公共服务越健全，营商环境越好，诚信建设水平越高，金融业发展也越畅通，资本投入的安全性也就越高，失业率也会相应降低，经济循环得以顺畅运行，金融业发展获得更多竞争优势。由于城市治理和城市环境关系到城市居民生活的质量和幸福程度，课题组选取城市治理和城市环境两个二级维度指标来衡量城市保障力。

城市治理。高效运转的城市治理体系能够支撑城市金融的发展。课题组选取城市公共服务能力和城市就业发展机会两个三级指标来衡量城市治理水平。其中，按照常驻人口平均人均财政支出是地方政府提升城市公共服务能力的基础物质保障;城市登记失业率能够逆向反映城市的就业发展机会，進而间接反映城市治理水平。

城市环境。课题组选取营商环境和城市诚信建设水平两个三级维度指标来衡量样本城市治理水平。课题组选择引用《2020年中国296个城市营商环境报告》的评价结果对样本城市的营商环境进行测度评价。样本城市诚信建设水平选择用地方诚信失信被执行人与公司企业类市场主体数量的比值来衡量。其中，地方诚信失信被执行人的数量通过样本城市在全国法院执行结果公示查询网站搜索获取，企业类市场主体数量选择引用粤港澳大湾区研究院等机构发布的营商环境报告指标。

优化指标

优化指标是从金融业这一国民经济特定部门视角出发设定的特殊指标，设置金融业增加值三个衍生指标。其中金融业的界定基于国民经济行业分类，特指受银保监会等金融监管部门直接管辖，需要持有金融牌照开展业务的金融实体。

金融业代表城市产业层次的金字塔塔尖部分，优化指标最能反映样本城市产业发展优化升级的特点。该指标由金融密度、金融浓度、金融速度三个维度指标构成，能反映金融的效率、结构和增量。其中，金融密度由样本城市单位常驻人口对应的金融业增加值来衡量;金融浓度由样本城市金融业增加值占同期地区生产总值比重来衡量;金融速度由样本城市连续五年内金融业所创造增加值的增量来衡量。

城市金融竞争力评价方法选择

指标数据处理的基本方法

根据相关原始数据的采集特点，课题组对单一性客观指标原始数据采取标准化法、指数化法、阈值法和百分比等级法等无量纲化的处理方法;而对综合性客观指标，原始数据的无量纲化处理方法是先对构成中的各单个指标进行量化处理，再用等权法或赋予权重方法来求得综合性指标值。

标准化法

（1）

公式（1）中的为转换后的值，为原始数据，为平均值，为方差，为标准化后数据。

指数法

（2）

公式（2）中的为转换后的值，为原始值，为最大值，为指数。

阈值法

（3）

公式（3）中的为转换后的值，为原始值，为最大样本值，为最小样本值。

百分比等级法

（4）

公式（4）中的为转换后的值，为原始值，为小于的样本值数量，为除外大于等于的样本值数量。

各级维度指标的计算方法

课题组对城市金融竞争力的计算，主要通过先标准化法，再等权法以及非线性加权综合两种方法完成。标准化方法如前所述，这两种方法的计算公式如下：

其中，表示i的二级指标，表示i的三级指标。

其中，表示各一级指标，表示各二级指标的权重，表示各二级指标的合成值。运用非线性加权综合法进行城市金融竞争力的计量，能够更全面、科学地反映城市金融竞争力的综合指标值。

聚类分析方法

聚类分析方法是把相似样本分成若干组别或子集，从而使同一子集中的样本对象都具有相似属性。如何对样本进行系统量化分类，是聚类分析需要解决的核心问题。系统聚类分析的基本思想就是将距离相近的样本城市先聚成类，距离相远的后聚成类，重复这一步骤，最终将每个样本城市分别归集到合适的类别中。系统聚类的过程如下：假设总共有n个样本，首先是将每个样本独自聚成一类，共计n类;其次是根据所确定的样本“距离”公式，将距离较近的两个样本聚合成一类，其余仍各自聚为一类，共聚成n-1类;再次是将“距离”最近的两类再聚成一类，共聚成n-2类。上述步骤再继续重复操作，最后将所有的样本城市或者变量都聚成类。

考虑本研究课题选取的样本数量较多，分析全部评价指标得分排名不仅过程复杂，而且混乱无序，难以突出重点。为此，课题组选择采用基于不同分组标准的聚类分析方法，有针对性地在聚类分组基础上对样本城市得分排名进行对比分析，再通过实证数据探究来探究评价指标数据之间的内在逻辑关系、外部影响因素以及相互作用机制，为理论指导实践以及不断改进完善评价指标体系提供有力支撑。

中国城市金融竞争力评价结果分析

基于本课题设计的评价指标体系，在数据采集和初步加工的基础上，通过数学建模进行统计测算，最终完成了中国内地和港澳台地区298个样本城市金融竞争力评价总得分、三大维度指标得分和样本城市金融竞争力评价结果排名。在此基础上，通过对选择样本城市的省域地理分布、三大维度指标得分进行横向对比分析，最后再对样本城市进行聚类分组，对总体评价结果进行综合分析。

样本城市统计分类分析

对样本城市金融竞争力总得分和三大维度指标得分进行分类分析（见表2）。

对中国内地和港澳台地区298个样本城市金融竞争力总得分的分布形态进行分析，其全部样本城市的中位数低于平均值，说明在略微低于平均值的局部区间，样本城市高度聚集，呈现出轻度右偏的不显著长尾分布特征，即头部样本城市指标分化大于尾部样本城市。数据分布反映出在金融竞争力这一特定指标上，呈现出全国少数城市表现出众、多数城市表现平庸的逐步分化“二八定律”。

样本城市按省域分布分析

为便于对样本城市按省域分布进行比较分析，课题组设定港澳台地区城市和仅有一个样本的四大直辖市以及西藏自治区不参与此分析。对其余26个省级行政单位样本城市总得分和三大维度指标得分对比分析如表3所示。

根据样本城市按省域分布的总得分均值和三大维度指标得分均值，计算26个省级单位得分名次排序，客观反映出内地各省区所辖地级市的经济发展水平和综合实力的梯度差异。名次排序依次为江苏、浙江、福建、山东、河北和广东等东部沿海经济强省，其中广东因为省内样本城市发展水平差异较大，导致其平均得分名次排序相对靠后。其次为江西、湖北等中部基础实力较雄厚的经济大省以及湖南、河南和安徽等后来居上的省份。中间区域为四川和辽宁等传统中西部经济强省和东北经济大省。排名比较靠后的为东北、西北地区经济欠发达省份，西南地区省份普遍好于东北、西北省份。按省域分布的样本城市态势与我国现阶段经济“南强北弱”的格局基本一致。

样本城市比较优势聚类分析

对样本城市六大聚类逻辑分析

如前文所述，不同样本城市之间在三大维度指标得分排名中存在显著差异，如某个样本城市优化指标排名为第55，明显高于基础指标和发展指标第78和第105的排名，说明该样本城市在优化指标方面存在比较优势，在发展指标方面存在比较劣势，在基础指标方面居中优劣不明显。根据全部样本城市三大维度指标比较优劣势的强弱关系，可以划分为六个聚类。优化指标选择金融业增加值等指标，体现样本城市金融业发展水平和专属特性，从金融竞争力视角可以视作对“专精”的衡量;基础指标选择经济规模等指标，体现样本城市经济实力的“强弱”;发展指标选择经济社会发展水平等指标，体现样本城市发展质量的“高低”。如某样本城市的优化指标位次既高于基础指标又高于发展指标，则纳入第一聚类，简称为“专强高”聚类，以此类推（见表4）。

对样本城市六大聚类表现特征分析

在描述六大聚类样本城市表现特征的基础上，分别对每个聚类样本城市所包含的经济社会发展比较优劣势进行梳理归纳。

第一聚类——优化指标领先于基础指标、基础指标领先于发展指标。此聚类样本城市是典型的“金融先行”发展路径形态，同时也存在一定程度的产业失衡化特征。此聚类前段次主要是经济实力较强的省会中心城市，中间部分多为产业结构偏失衡的中西部三四线地市，尾部为企业债务负担沉重的东北老工业城市以及过度依赖国家扶持的西部资源枯竭型地市。第一聚类代表性样本城市有宁波、杭州、成都、福州、阜阳、桂林、汕头、承德、丽江、定西、鸡西、鹤岗等。

第二聚类——优化指标领先于发展指标、发展指标领先于基础指标。此聚类样本城市数量最多，是经济结构转型升级较缓慢的特定城市形态。此聚类前段次多为中西部省会城市，中间部分城市为人口规模和经济体量不大的中西部和东北功能性城市（旅游、交通枢纽、资源开采类城市），尾部为西部及东北地区依靠外部财政转移支付的中小规模地市。第二聚类代表性样本城市有厦门、兰州、南宁、贵阳、锦州、攀枝花、张家界、黄山、武威、安康、固原、伊春等。

第三聚类——基础指标领先于优化指标、优化指标领先于发展指标。此聚类样本城市前段次多为经济实力雄厚的二线城市，中间部分为中西部传统资源型城市，尾部为欠发达地区具有一定人口规模和经济体量的中小城市。此聚类中大部分样本城市的产业特色与金融业关联度并不高。第三聚類代表性样本城市有重庆、武汉、无锡、长春、邯郸、榆林、包头、枣庄、渭南、通辽、昭通、吐鲁番等。

第四聚类——基础指标领先于发展指标、发展指标领先于优化指标。此聚类样本城市前段次多为东部地区第二产业优势突出、第三产业相对滞后的二线城市，中间部分主要是东部地区产业发展具有一定特色和实力的三线城市，尾部主要是中部和东北地区的资源枯竭、产业转型升级缓慢的三四线城市。第四聚类代表性样本城市有苏州、青岛、大连、东莞、南通、绍兴、唐山、烟台、惠州、淄博、株洲、大庆、吉林等。

第五聚类——发展指标领先于优化指标、优化指标领先于基础指标。此聚类样本城市最为少见，除前部几个台湾省样本城市外，内地样本城市总体规模偏小，产业形态分布无显著特征。第五聚类代表性样本城市中经济体量最大的样本是湖州、人口规模最大的样本是梅州，其他样本的人口和经济规模都不突出。

第六聚类——发展指标领先于基础指标、基础指标领先于优化指标。此聚类样本城市极少有综合得分排名靠前的地级市，前段次主要为样本规模不大的沿海经济强市，中间部分为人口规模不大的中部工业城市，尾部多为东中部和欠发达地区的三四线城市。第六聚类代表性样本城市有嘉兴、泉州、威海、连云港、马鞍山、德阳、新余、焦作、池州、汕尾、哈密等。

从全部298个样本城市三大维度指标得分均值与总得分均值对比分析，优化指标得分与总得分关联系数最小，基础指标得分占优的样本总得分更有优势。相应的优化指标得分与基础指标得分关联系数最小，为0.695;发展指标得分与基础指标得分关联系数最大，为0.8388。而优化指标得分与发展指标得分之间的关联系数为0.8212。从中可以得出三大维度指标的递进关系依次为基础指标、发展指标和优化指标。

三大维度指标得分关联性差异反映出的经济发展一般规律为：先有规模后有质量，最后才谈得上有发展水平，即经济基础决定上层建筑。因此，举一反三得出三大维度评价指标聚类的一般规律：聚类越遵循这一规律，样本平均质量越好;反之对应的聚类质量就越差。最符合这一规律特征的样本数量较多，样本均分最高的是第四聚类“强高专”;与之形成反差的是数量最多、样本均分最低的第二聚类“专高强”。

对样本城市六大聚类经济指标比较分析

对样本城市六大聚类290个内地城市对比GDP总量、人口规模、财政支出和固定资产投资等经济指标并挖掘其内在规律。在表5中指标值除标注外均为代数均值。表中GDP含税率是样本地方财政收入比当年GDP总额。固定资产投资产出比是当年城镇规模以上固定资产投资总额比当年GDP总额。

基于表5的对比，第二聚类和第四聚类是样本数量最多的聚类，从经济金融发展规律上看是南辕北辙的对立面。其中最符合规律的是第四聚类——“强高专”，经济总量和人口规模都比较高，是推动国民经济增长的主力军。这一聚类在经济指标方面呈现如下特征：人均GDP高，但人均财政支出不多，地方政府收支平衡状况最好，第三产业比重适中，固定资产投入产出比较低，工业产出能耗表现最佳。第二聚类——“专高强”背离经济规律与之截然相反，即样本经济总量最小，人均GDP最低，但人均财政支出最多，地方收支赤字较为严重，众多样本严重依赖外部输血。这一聚类固定资产投入产出比严重偏高，工业产出能耗最高，说明其产出构成不合理且增长模式粗放。

第一聚类和第三聚类可以视作上述两种情况的弱化，第一聚类更接近第二聚类，第三聚类更接近第四聚类。第五聚类较为特殊，样本数量稀少，經济体量和人口规模偏小，各项经济指标表现不突出，特殊之处是城区规模小导致三产比重低，地方税收最低。第六聚类样本数量不少，经济体量和人口规模体量适中，各项经济指标表现平淡，但突出特征是固定资投入产出效率较高，工业生产能耗最低。从经济地理分布形态来看，这种样本的发展业态更多分布在东部沿海和长江经济带省份，多为外向型经济、旅游服务业和高新技术产业发展具有优势的三线新兴城市。

（本报告由中国社会科学院金融研究所、特华博士后科研工作站、《银行家》研究中心联合课题组共同完成，课题主持人为王力、黄育华，课题组成员包括王师、刘笑男、王伟、谢典均、王子鹏、张晓娇）