金融服務(wù)業(yè)空間格局及影響因素

前言：想要寫出一篇引人入勝的文章？我們特意為您整理了金融服務(wù)業(yè)空間格局及影響因素范文，希望能給你帶來(lái)靈感和參考，敬請(qǐng)閱讀。

隨著社會(huì)經(jīng)濟(jì)的快速發(fā)展，服務(wù)型經(jīng)濟(jì)成為現(xiàn)代經(jīng)濟(jì)的核心。服務(wù)業(yè)在城市發(fā)展過(guò)程中帶動(dòng)區(qū)域經(jīng)濟(jì)增長(zhǎng)、調(diào)整產(chǎn)業(yè)經(jīng)濟(jì)結(jié)構(gòu)，成為建立城市空間格局的重要力量[1]。其中金融服務(wù)業(yè)是現(xiàn)代服務(wù)業(yè)發(fā)展最為迅速的產(chǎn)業(yè)之一，對(duì)于金融空間的研究也引起了經(jīng)濟(jì)地理學(xué)者的廣泛關(guān)注[2]。社會(huì)的進(jìn)步帶動(dòng)著金融服務(wù)業(yè)進(jìn)入了新階段。我國(guó)許多學(xué)者開始從地理學(xué)的角度對(duì)金融活動(dòng)進(jìn)行研究，總體來(lái)看研究?jī)?nèi)容針對(duì)金融服務(wù)業(yè)總體及其細(xì)分行業(yè)展開，多角度下探討城市金融服務(wù)業(yè)的空間格局和演變規(guī)律等[2,3]，應(yīng)用與之相適應(yīng)的方法與技術(shù)。其中在細(xì)分行業(yè)，學(xué)者們對(duì)銀行業(yè)的空間格局更感興趣。近年來(lái)，大數(shù)據(jù)的出現(xiàn)加固了對(duì)城市空間布局的研究，興趣點(diǎn)（PointofInterest，POI）能夠真實(shí)反映地理位置，被廣泛應(yīng)用在城市功能區(qū)識(shí)別[4]、商業(yè)中心識(shí)別[5]以及旅游空間特征分析[6]等方面，在金融服務(wù)業(yè)內(nèi)應(yīng)用鮮少。本文采用大連市POI數(shù)據(jù)，運(yùn)用空間分析方法，從整體上對(duì)大連市金融服務(wù)業(yè)的空間格局進(jìn)行探究；結(jié)合定性與定量的分析方法研究影響金融服務(wù)業(yè)空間分布的因素。從研究結(jié)果中可以掌握金融服務(wù)業(yè)的空間分布特征，既能促進(jìn)大連市的金融發(fā)展，又為優(yōu)化金融服務(wù)業(yè)空間結(jié)構(gòu)提供了理論依據(jù)。

一、研究區(qū)概況

大連市位于中國(guó)東部沿海地區(qū)，港口、工業(yè)經(jīng)濟(jì)發(fā)達(dá)，金融輻射力強(qiáng)。截至2020年末，全年地區(qū)生產(chǎn)總值7030.4億元。其中在金融業(yè)，金融機(jī)構(gòu)本外幣存款余額達(dá)16003.8億元，較比2009年增長(zhǎng)9.3%；證券交易額及期貨成交量都有明顯的增長(zhǎng)，發(fā)展態(tài)勢(shì)良好。本文選取大連市下轄的七個(gè)區(qū)（中山區(qū)、西崗區(qū)、沙河口區(qū)、甘井子區(qū)、旅順口區(qū)、金州區(qū)和普蘭店區(qū)）、兩個(gè)縣級(jí)市（莊河市和瓦房店市）和一個(gè)縣（長(zhǎng)?？h）為研究對(duì)象，全域面積12574平方公里，旨在更加全面地反映大連市金融服務(wù)業(yè)的客觀情況。

二、數(shù)據(jù)來(lái)源與研究方法

（一）數(shù)據(jù)來(lái)源

基于高德地圖開放平臺(tái)，獲取研究區(qū)內(nèi)銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)三種金融經(jīng)營(yíng)行業(yè)2021年7月的POI數(shù)據(jù)，經(jīng)去重篩選和坐標(biāo)糾偏，得到有效的金融機(jī)構(gòu)數(shù)據(jù)3609個(gè)，建立大連市金融服務(wù)業(yè)POI數(shù)據(jù)庫(kù)；道路數(shù)據(jù)來(lái)源于OpenStreetMap；其他統(tǒng)計(jì)數(shù)據(jù)來(lái)源于《2020年大連市統(tǒng)計(jì)年鑒》。

（二）研究方法

1.平均最近鄰分析。根據(jù)每個(gè)點(diǎn)要素與其鄰近要素之間的平均距離得出最近鄰指數(shù)，最近鄰指數(shù)＞1代表要素集聚分布，最近鄰指數(shù)=1代表要素隨機(jī)分布，最近鄰指數(shù)＜1代表要素離散分布。2.核密度估計(jì)（KDE）。通過(guò)計(jì)算每個(gè)單元格內(nèi)點(diǎn)要素的密度值來(lái)估計(jì)樣本點(diǎn)周圍的密度，并擬合出光滑平面。具體計(jì)算公式如下：式中，n為數(shù)據(jù)點(diǎn)個(gè)數(shù)，hn為帶寬，即核密度函數(shù)的搜索半徑，為核函數(shù)。

三、結(jié)果與分析

（一）大連市金融服務(wù)業(yè)空間格局分析

基于平均最近鄰分析法對(duì)金融機(jī)構(gòu)POI數(shù)據(jù)進(jìn)行分析，其結(jié)果z，p值顯示，大連市金融服務(wù)業(yè)集聚特征顯著?？傮w來(lái)看，金融服務(wù)業(yè)呈“東北—西南”的分布趨勢(shì)，主要集中在大連市南部地區(qū)，中部及北部相對(duì)分散，這與大連市沿山脈自北向南入海分布的城市格局相符合（見圖1）。根據(jù)核密度結(jié)果可以識(shí)別出：（1）大連市金融機(jī)構(gòu)分布形成了明顯的集聚區(qū)，按集聚狀態(tài)分為三個(gè)等級(jí)：高值集聚區(qū)，主要為大連市中心城區(qū)即甘井子區(qū)、沙河口區(qū)、西崗區(qū)和中山區(qū)，具有一定的規(guī)模優(yōu)勢(shì)，連片分布；中值集聚區(qū)包括旅順口區(qū)、金州區(qū)和瓦房店市，呈現(xiàn)多核集聚狀態(tài)，所在區(qū)域內(nèi)不止一個(gè)集聚中心；低值集聚區(qū)，包括長(zhǎng)?？h、普蘭店區(qū)和莊河市，位于城市外圍，金融機(jī)構(gòu)分布相對(duì)分散，多分布在行政區(qū)附近，區(qū)域內(nèi)只存在一個(gè)集聚中心。（2）金融服務(wù)業(yè)各集聚中心基本沿城市道路延伸集中分布，如高值集聚區(qū)內(nèi)，金融機(jī)構(gòu)東西走向沿主軸黃河路、中山路分布，南北走向沿主軸山東路、西南路分布，其他金融機(jī)構(gòu)分散布局；同樣中值和低值集聚中心沿城市服務(wù)功能強(qiáng)、金融環(huán)境優(yōu)良的道路分布。這是由金融服務(wù)業(yè)的產(chǎn)業(yè)特性決定的，金融中心是城市經(jīng)濟(jì)發(fā)展的產(chǎn)物，隨著大連市經(jīng)濟(jì)、人口的增長(zhǎng)，構(gòu)建了更加完善的城市金融空間。

（二）影響因素

金融服務(wù)業(yè)的空間分布在城市中心，表現(xiàn)出集聚特性，受地域空間的影響，與城市發(fā)展有關(guān)，因此本文針對(duì)大連市金融服務(wù)業(yè)布局現(xiàn)狀，從經(jīng)濟(jì)規(guī)模、人口密度、城市化水平和交通便捷程度四個(gè)方面，對(duì)金融服務(wù)業(yè)空間分布的影響程度進(jìn)行定性與定量的分析。1.經(jīng)濟(jì)規(guī)模在經(jīng)濟(jì)體系中，產(chǎn)業(yè)經(jīng)營(yíng)者希望借助金融機(jī)構(gòu)的資金助力，在發(fā)展規(guī)模擴(kuò)大的同時(shí)降低經(jīng)營(yíng)風(fēng)險(xiǎn)；區(qū)域經(jīng)濟(jì)規(guī)模的擴(kuò)大，提升了消費(fèi)者的生活水平，他們希望通過(guò)金融機(jī)構(gòu)來(lái)實(shí)現(xiàn)對(duì)資產(chǎn)有效利用。因此，金融服務(wù)業(yè)在經(jīng)濟(jì)發(fā)達(dá)地區(qū)分布更加集中。本文選取大連市各區(qū)縣的GDP數(shù)據(jù)代表該地的經(jīng)濟(jì)規(guī)模。除沙河口、中山、甘井子區(qū)外，金融機(jī)構(gòu)的數(shù)量與各區(qū)的GDP數(shù)值大致成正相關(guān)，這三區(qū)以第三產(chǎn)業(yè)為主，大型企業(yè)較少，經(jīng)濟(jì)產(chǎn)值低，不如企業(yè)集聚的金州區(qū)，但由于這三區(qū)位于人口密集的中心城區(qū)，對(duì)于金融機(jī)構(gòu)的需求卻很大。2.人口密度金融服務(wù)業(yè)面向居民服務(wù)，其服務(wù)機(jī)構(gòu)的數(shù)量由人口數(shù)來(lái)確定；根據(jù)人口密度進(jìn)一步對(duì)這些金融機(jī)構(gòu)進(jìn)行合理布局，顯然二者具有較強(qiáng)的關(guān)聯(lián)性。本文將大連市金融機(jī)構(gòu)的位置數(shù)據(jù)與各區(qū)縣的人口密度數(shù)據(jù)相疊加。由圖2可知，人口密集區(qū)金融機(jī)構(gòu)的數(shù)量多，如位于市中心的金州區(qū)、甘井子區(qū)、沙河口區(qū)，中山區(qū)；北部的瓦房店市、普蘭店區(qū)和莊河市占地面積較大，人口密度值低，因而對(duì)金融機(jī)構(gòu)的需求量較小；此外長(zhǎng)海縣人口密度值雖然偏高，但城市等級(jí)低，發(fā)展水平不高，限制該地區(qū)金融服務(wù)業(yè)的發(fā)展?？傮w來(lái)看，人口的數(shù)量與密集程度可以影響金融服務(wù)業(yè)在城市中的布局。3.城市化水平近年來(lái)，金融服務(wù)業(yè)已從傳統(tǒng)的勞動(dòng)密集型產(chǎn)業(yè)轉(zhuǎn)化為知識(shí)與人力密集型產(chǎn)業(yè)，實(shí)現(xiàn)了產(chǎn)業(yè)現(xiàn)代化。城市化水平作為城市發(fā)展程度的重要指標(biāo)，同樣影響著金融服務(wù)業(yè)的發(fā)展。故本文利用SPSS軟件對(duì)大連市各區(qū)的金融機(jī)構(gòu)數(shù)量與相對(duì)應(yīng)的城市化水平進(jìn)行皮爾遜相關(guān)性分析，得出顯著值小于0.05，結(jié)果存在統(tǒng)計(jì)學(xué)意義，兩者之間具有相關(guān)性；相關(guān)性指數(shù)為0.634，說(shuō)明金融服務(wù)機(jī)構(gòu)數(shù)量與城市的城市化水平呈現(xiàn)顯著的正相關(guān)。一般來(lái)說(shuō)，金融服務(wù)中心都分布在較發(fā)達(dá)的城市，城市人口比例大，城市化水平高。4.交通便捷程度金融服務(wù)業(yè)的經(jīng)營(yíng)方式主要是與消費(fèi)者近距離的交易，因此交通的便捷程度可作為影響金融服務(wù)業(yè)空間分布的重要因素。本文選取路網(wǎng)密度來(lái)分析大連市的交通狀況，由圖3可知，金融機(jī)構(gòu)大致沿城市道路分布，沙河口區(qū)道路密度最高為3.61km/km2，集中了564個(gè)金融機(jī)構(gòu)；普蘭店區(qū)和莊河市的路網(wǎng)密度卻不足0.8km/km2，機(jī)構(gòu)數(shù)量也相對(duì)較少，這表明城市道路是導(dǎo)致金融機(jī)構(gòu)分布不均衡的因素之一，在探究道路與金融機(jī)構(gòu)關(guān)系時(shí)，依據(jù)大連市的地域形態(tài)對(duì)一級(jí)道路和二級(jí)道路分別做400m和200m的緩沖區(qū)，在緩沖區(qū)內(nèi)共集中了2928個(gè)金融機(jī)構(gòu)，占總數(shù)的85.89%，在一定程度上說(shuō)明金融機(jī)構(gòu)的分布對(duì)城市道路存在依賴。因此在研究區(qū)域內(nèi)，交通便捷程度越高，金融服務(wù)業(yè)發(fā)展程度相對(duì)越高。綜上所述，城市經(jīng)濟(jì)規(guī)模、人口密度、城市化水平以及交通便捷程度是影響大連市金融服務(wù)業(yè)空間布局的重要因素，且與之存在正相關(guān)性。

四、結(jié)語(yǔ)

隨著社會(huì)的進(jìn)步，金融服務(wù)業(yè)開始注重各個(gè)金融機(jī)構(gòu)之間的聯(lián)系，空間集聚越來(lái)越明顯。本文利用ArcGIS的空間分析方法以及定量與定性分析模式，選取多個(gè)指標(biāo)探討大連市金融服務(wù)業(yè)空間格局和影響因素。從宏觀角度展開研究，對(duì)今后大連市金融機(jī)構(gòu)的優(yōu)化布局有一定參考意義。此外，POI數(shù)據(jù)有較強(qiáng)的實(shí)時(shí)性，本文選取的POI數(shù)據(jù)只能反映當(dāng)前時(shí)刻的特征，今后可以針對(duì)金融服務(wù)業(yè)的時(shí)空演變規(guī)律進(jìn)行探討，進(jìn)一步完善研究體系，優(yōu)化城市金融空間。

參考文獻(xiàn)：

[1]周麟，沈體雁.大城市內(nèi)部服務(wù)業(yè)區(qū)位研究進(jìn)展[J].地理科學(xué)進(jìn)展，2016，35（04）：409-419.

[2]劉輝，申玉銘，柳坤.中國(guó)城市群金融服務(wù)業(yè)發(fā)展水平及空間格局[J].地理學(xué)報(bào)，2013，68（02）：186-198.

[3]任會(huì)明，葉明確.上海銀行產(chǎn)業(yè)的網(wǎng)絡(luò)結(jié)構(gòu)特征和空間格局演化[J].經(jīng)濟(jì)地理，2018，38（09）：147-157.

[4]駱少華，劉揚(yáng)，高思巖等.基于空間格網(wǎng)的城市功能區(qū)定量識(shí)別[J].測(cè)繪通報(bào)，2020（S1）：214-217.

[5]陳蔚珊，柳林，梁育填.基于POI數(shù)據(jù)的廣州零售商業(yè)中心熱點(diǎn)識(shí)別與業(yè)態(tài)集聚特征分析[J].地理研究，2016，35（04）：703-716.

[6]徐冬，黃震方，呂龍等.基于POI挖掘的城市休閑旅游空間特征研究——以南京為例[J].地理與地理信息科學(xué)，2018，34（01）：59-64+70.

作者:路曉菲 單位:遼寧師范大學(xué)地理科學(xué)學(xué)院