论文部分内容阅读
【摘要】随着我国新型城镇化建设的提出，金融支持力度对于更好更快地建设新型城镇化起着重要的作用。农村商业银行能够为农村城镇化提供很好的金融支持力度，在农村市场拥有很好的发展前景。本文利用因子分析法，通过对于我国17家农村商业银行在农村城镇化过程中的支持能力评价，得出这17家农村商业银行在服务农村城镇化建设过程中支持能力的综合排名，得出目前我国的农村商业银行应就农村城镇化服务的动力支持、农村城镇化金融支持的保证能力和农村城镇化的金融支持深度这三个方面加强，在实现自身扩大市场份额，实现盈利的基础上，也能够使得更好的服务于农村城镇化建设。
【关键词】新型农村城镇化 农村商业银行 支持能力 因子分析
一、引言
我国在实现农村城镇化这条道路上有过艰辛的探索，也取得了不错的发展，但随着我国现代化进程的不断加快，新型城镇化道路开拓不仅需要国家政策的支持，当地政府的贯彻执行，更需要金融部门的支持。考虑到现在农村金融机构的分布现状及竞争实力，农村商业银行在新型农村城镇化建设中的支持力度会在很大程度上影响到新型城镇化建设的效果。目前针对我国农村商业银行综合竞争力和经营效率分析较多，对于现阶段新型农村城镇化的金融支持力度的分析也都在定性的分析之上，所以对我国现阶段具有代表性的一些农村商业银行关于对新型农村城镇化的支持能力在定量方面的分析就显得很有必要。
二、文献综述
随着我国城镇化进程的不断深化，一些学者也对这个问题做出了很多的研究，他们也提出了一些改善意见。其中，许涛，张文强等（2011）通过湖南省农村城镇化建设与金融发展的实证研究，分析了金融服务农村城镇化的问题及原因，并指出了金融助推农村城镇化的路径选择；王士伟（2011）通过对我国农村城镇化进程中金融支持的现状进行概述，针对当前农村城镇化进程中金融支持方面急需解决的问题提出了相应的对策与建议。张童炜（2009）分析了美国社区银行竞争优势与影响江苏省农商行竞争力的主要因素，然后运用AHP方法建立了江苏省农商行竞争力的评级指标体系，得出江苏省3家农村商业银行存在着业务创新能力薄弱、盈利能力薄弱、人才缺乏以及技术水平低等问题，最后给出了提高江苏省农村商业银行竞争力的针对性建议。杨青楠、解晟实（2011）通过数据包络分析方法（DEA）对国内几家农村商业银行进行效率评测，得出了除上海农村商业银行（规模效率低），其他农商行在总体上的运营效率及在现有的条件下的管理水平普遍有效。
三、我国农村城镇化进程的现状及金融支持瓶颈
随着2001年张家港农村商业银行、常熟农村商业银行、江阴农村商业银行作为试点单位成立，我国的农村商业银行经过十多年的发展，已由当初的3家试点银行发展到了100多家。根据银监会网站公布的数据显示，农村商业银行发展规模最大的省份是江苏省、安徽省、广东省。东部地区的农村商业银行的数量要明显多于中西部地区，说明中西部地区在农村商业银行这一块还留有很大的一块空白需要发展。
四、我国现在金融支持农村城镇化还存在着一些支持瓶颈，主要表现在以下几个方面
1.金融支持资金供求矛盾存在；2、农村贷款环境的制约（农村贷款者的经济实力较差，易出现不良贷款）；3、政府提供的拨款有限（政府担心“免费乘车”现象出现）；4、农村金融机构数目较少，类型较为单一，主要是农村信用社、小额贷款公司和邮政储蓄。新型的农村金融机构（如：农村商业银行、农村合作银行和村镇银行等）较少，农村金融机构之间缺乏竞争；5、农村传统借贷观念的影响（如：“欠债还钱”、“父债子还”等传统观念）。
五、因子分析法下我国农村商业银行农村城镇化过程中支持能力评价
（一）样本及指标选取
由于一些农村商业银行是最近一两年才建立的，考虑到数据的可得性便选取了2012年北京农村商业银行，天津农村商业银行等十七家农村商业银行的各项指标数值为样本。影响到农村商业银行对于农村城镇化的支持能力的主要因素有：农村商业银行的规模、支持农村城镇化的硬件设施、为农村城镇化提供的资金支持力度、为农村城镇化提供贷款的盈利能力等等。所以选取的指标有：设置机构数量、ATM设立点数量、员工数量、总资产、总贷款、净利润、涉农，小微企业贷款额（涉农贷款额+小微企业贷款额）、涉农，小微企业贷款率（（涉农贷款额+小微企业贷款额）/总贷款）、存贷款比率（贷款总额/存款余额）、涉农，小微企业贷款利润贡献（涉农，小微企业贷款率×净利润）。这些指标的作用方向都为正向。
（二）数据标准化处理
不同指标的量纲和数量级不同，所以需要对输入的样本数据进行标准化处理。本文通过SPSS（17.0版）实现了对数据的标准化处理。
（三）进行因子分析
1.变量相关性分析
通过SPSS软件中操作可以得到 “相关系数矩阵”，其中大部分相关系数都较高，各变量呈较强的线性相关关系，能够从中提取公共因子，适合进行因子分析。
2.巴特利特球度检验和KMO检验
巴特利特球度检验就是检验相关系数矩阵是否为单位矩阵，是否适合作因子分析。其中原假设是：该相关系数矩阵是单位矩阵，不适合作因子分析。若对应的伴随概率值（sig）小于给定的显著性水平，则原有变量适合作因子分析；反之则不适合。KMO检验就是衡量这组数据相关程度的总体水平。本文中，通过SPSS软件中的操作，可以得到 KMO的值是0.701，符合Kaiser给出的常用的KMO度量标准中的一般水平，巴特利特球度检验的伴随概率大约为0，是小于5%的显著性水平的，应该拒绝原假设，是可以通过巴特利特球度检验的。故原有变量是可以作因子分析的。
3.提取公共因子
提取公共因子的原则是信息的保留量为原始信息的85%以上。通过运用软件多次提取，最后得出提取三个公共因子便可以能保留91.91%的原始信息。 4.因子的命名解释
采用最大方差法对因子载荷矩阵实施正交旋转以使因子具有命名解释性。根据SPSS软件操作后得到旋转成份矩阵，即表2。
从表2可以看出，员工数量、ATM设立点数量、涉农、小微企业贷款额、净利润和涉农、小微企业贷款利润贡献在因子1上有较高的因子载荷，第一个因子F1可以命名为农村城镇化服务的动力支持。设置机构数量、总资产、总贷款、存贷款比率在因子2上有较高的因子载荷，第二个因子F2可以命名为农村城镇化金融支持的保证能力。涉农贷款率在因子3上有较高的因子载荷矩阵，第三个因子F3可以命名为农村城镇化的金融支持深度。
5.计算因子得分，进行因子排名
采用回归法估计因子得分系数，得出因子得分系数矩阵，本实证分析通过SPSS软件操作可以得到如表3的因子的分系数矩阵。
根据表三，利用各个标准变换后的值乘以在各个因子下的得分，然后再求和便得到了各农村商业银行不同因子得分及排名，结合各个因子得分又可以计算综合得分F=0.44472×F1+0.34341×F2+0.13098×F3以及综合排名，即表4。
六、结论
结合表四可以得出17家农村商业银行在因子F1（农村城镇化服务的动力支持）得分较高的是重庆农村商业银行、上海农村商业银行和广东顺德农村商业银行；在因子F2（农村城镇化金融支持的保证能力）得分较高的是北京农村商业银行、广州农村商业银行和天津农村商业银行；在因子F3（农村城镇化的金融支持深度）得分较高的是江苏江阴农村商业银行、广东顺德农村商业银行和沧州融信农村商业银行。同时也可以看出并不是经济发展程度越高的地区对于农村城镇化的支持深度就越强，主要是因为资金实力较强的农村商业银行对于农村城镇化的资金支持占该银行总的资金利用的比例较低。
在综合得分与排名方面：重庆农村商业银行、上海农村商业银行、北京农村商业银行、广州农村商业银行和广东顺德商业银行的综合得分较高，对于农村城镇化的支持能力较高。可以看出对于新型农村城镇化支持能力最强的农村商业银行大都分布在经济实力较强的地区，特别是集中在4个直辖市；而发展起步较晚或者实力较弱的银行在支持新型农村城镇化上的能力就较低。通过比较沿海地区和非沿海地区的农村商业银行对新型农村城镇化的支持能力，大体可以看出沿海地区的农村商业银行（如：上海农村商业银行、广州农村商业银行、广东顺德农村商业银行）对于新型农村城镇化的支持能力要比非沿海农村商业银行（如：沧州融信农村商业银行、新余农村商业银行和淮北农村商业银行）的支持能力高。
我国农村商业银行在农村拥有很好的发展潜力和市场，更存在着很好的发展机遇，因此已经成立或者准备成立的农村商业银行应就农村城镇化服务的动力支持、农村城镇化金融支持的保证能力和农村城镇化的金融支持深度这三个方面下工夫，特别是对于综合得分较低的农村商业银行可以通过在这三个不同的方面找到与其他农村商业银行的差距，一一进行改善和提高，最后达到对新型农村城镇化支持能力的综合提高。在不断提高在农村城镇化过程中的支持能力过程中，更好的实现在自身不断盈利发展的情况下，能更好的服务于农村城镇化建设。
参考文献
[1] 许涛，张文强.金融助推农村城镇化发展的路径选择[J]. 三农金融，2011.
[2] 王士伟. 农村城镇化进程中金融支持存在的问题与对策[J]. 经济纵横，2011（7）.
[3] 王全达，王华龙，黄勇，万金. 农村城镇化发展与银行服务能力建设[J]. 现代金融，2010（11）.
[4] 陈万海. 浅析农村城镇化过程中商业银行的机遇[J]. 现代经济信息，2010.
[5] 张童炜.江苏省农村商业银行竞争力评价指标体系研究[D]. 南京理工大学，2009.
[6] 杨青楠，解晟实.基于DEA方法的农村商业银行经营效率评价[J]. 科技与管理，2011（1）.
[7] 李东.基于因子分析法的国有商业银行可持续发展评价研究[J]. 华北金融，2011（9）.
[8] 孙红彦，吴书广，赵涛.基于因子分析法的我国商业银行综合业绩评价[J]. 金融发展研究，2010（2）.
作者简介：陈根（1990-），男，河南人，本科，研究方向：金融。
（编辑：陈岑）
【关键词】新型农村城镇化 农村商业银行 支持能力 因子分析
一、引言
我国在实现农村城镇化这条道路上有过艰辛的探索，也取得了不错的发展，但随着我国现代化进程的不断加快，新型城镇化道路开拓不仅需要国家政策的支持，当地政府的贯彻执行，更需要金融部门的支持。考虑到现在农村金融机构的分布现状及竞争实力，农村商业银行在新型农村城镇化建设中的支持力度会在很大程度上影响到新型城镇化建设的效果。目前针对我国农村商业银行综合竞争力和经营效率分析较多，对于现阶段新型农村城镇化的金融支持力度的分析也都在定性的分析之上，所以对我国现阶段具有代表性的一些农村商业银行关于对新型农村城镇化的支持能力在定量方面的分析就显得很有必要。
二、文献综述
随着我国城镇化进程的不断深化，一些学者也对这个问题做出了很多的研究，他们也提出了一些改善意见。其中，许涛，张文强等（2011）通过湖南省农村城镇化建设与金融发展的实证研究，分析了金融服务农村城镇化的问题及原因，并指出了金融助推农村城镇化的路径选择；王士伟（2011）通过对我国农村城镇化进程中金融支持的现状进行概述，针对当前农村城镇化进程中金融支持方面急需解决的问题提出了相应的对策与建议。张童炜（2009）分析了美国社区银行竞争优势与影响江苏省农商行竞争力的主要因素，然后运用AHP方法建立了江苏省农商行竞争力的评级指标体系，得出江苏省3家农村商业银行存在着业务创新能力薄弱、盈利能力薄弱、人才缺乏以及技术水平低等问题，最后给出了提高江苏省农村商业银行竞争力的针对性建议。杨青楠、解晟实（2011）通过数据包络分析方法（DEA）对国内几家农村商业银行进行效率评测，得出了除上海农村商业银行（规模效率低），其他农商行在总体上的运营效率及在现有的条件下的管理水平普遍有效。
三、我国农村城镇化进程的现状及金融支持瓶颈
随着2001年张家港农村商业银行、常熟农村商业银行、江阴农村商业银行作为试点单位成立，我国的农村商业银行经过十多年的发展，已由当初的3家试点银行发展到了100多家。根据银监会网站公布的数据显示，农村商业银行发展规模最大的省份是江苏省、安徽省、广东省。东部地区的农村商业银行的数量要明显多于中西部地区，说明中西部地区在农村商业银行这一块还留有很大的一块空白需要发展。
四、我国现在金融支持农村城镇化还存在着一些支持瓶颈，主要表现在以下几个方面
1.金融支持资金供求矛盾存在；2、农村贷款环境的制约（农村贷款者的经济实力较差，易出现不良贷款）；3、政府提供的拨款有限（政府担心“免费乘车”现象出现）；4、农村金融机构数目较少，类型较为单一，主要是农村信用社、小额贷款公司和邮政储蓄。新型的农村金融机构（如：农村商业银行、农村合作银行和村镇银行等）较少，农村金融机构之间缺乏竞争；5、农村传统借贷观念的影响（如：“欠债还钱”、“父债子还”等传统观念）。
五、因子分析法下我国农村商业银行农村城镇化过程中支持能力评价
（一）样本及指标选取
由于一些农村商业银行是最近一两年才建立的，考虑到数据的可得性便选取了2012年北京农村商业银行，天津农村商业银行等十七家农村商业银行的各项指标数值为样本。影响到农村商业银行对于农村城镇化的支持能力的主要因素有：农村商业银行的规模、支持农村城镇化的硬件设施、为农村城镇化提供的资金支持力度、为农村城镇化提供贷款的盈利能力等等。所以选取的指标有：设置机构数量、ATM设立点数量、员工数量、总资产、总贷款、净利润、涉农，小微企业贷款额（涉农贷款额+小微企业贷款额）、涉农，小微企业贷款率（（涉农贷款额+小微企业贷款额）/总贷款）、存贷款比率（贷款总额/存款余额）、涉农，小微企业贷款利润贡献（涉农，小微企业贷款率×净利润）。这些指标的作用方向都为正向。
（二）数据标准化处理
不同指标的量纲和数量级不同，所以需要对输入的样本数据进行标准化处理。本文通过SPSS（17.0版）实现了对数据的标准化处理。
（三）进行因子分析
1.变量相关性分析
通过SPSS软件中操作可以得到 “相关系数矩阵”，其中大部分相关系数都较高，各变量呈较强的线性相关关系，能够从中提取公共因子，适合进行因子分析。
2.巴特利特球度检验和KMO检验
巴特利特球度检验就是检验相关系数矩阵是否为单位矩阵，是否适合作因子分析。其中原假设是：该相关系数矩阵是单位矩阵，不适合作因子分析。若对应的伴随概率值（sig）小于给定的显著性水平，则原有变量适合作因子分析；反之则不适合。KMO检验就是衡量这组数据相关程度的总体水平。本文中，通过SPSS软件中的操作，可以得到 KMO的值是0.701，符合Kaiser给出的常用的KMO度量标准中的一般水平，巴特利特球度检验的伴随概率大约为0，是小于5%的显著性水平的，应该拒绝原假设，是可以通过巴特利特球度检验的。故原有变量是可以作因子分析的。
3.提取公共因子
提取公共因子的原则是信息的保留量为原始信息的85%以上。通过运用软件多次提取，最后得出提取三个公共因子便可以能保留91.91%的原始信息。 4.因子的命名解释
采用最大方差法对因子载荷矩阵实施正交旋转以使因子具有命名解释性。根据SPSS软件操作后得到旋转成份矩阵，即表2。
从表2可以看出，员工数量、ATM设立点数量、涉农、小微企业贷款额、净利润和涉农、小微企业贷款利润贡献在因子1上有较高的因子载荷，第一个因子F1可以命名为农村城镇化服务的动力支持。设置机构数量、总资产、总贷款、存贷款比率在因子2上有较高的因子载荷，第二个因子F2可以命名为农村城镇化金融支持的保证能力。涉农贷款率在因子3上有较高的因子载荷矩阵，第三个因子F3可以命名为农村城镇化的金融支持深度。
5.计算因子得分，进行因子排名
采用回归法估计因子得分系数，得出因子得分系数矩阵，本实证分析通过SPSS软件操作可以得到如表3的因子的分系数矩阵。
根据表三，利用各个标准变换后的值乘以在各个因子下的得分，然后再求和便得到了各农村商业银行不同因子得分及排名，结合各个因子得分又可以计算综合得分F=0.44472×F1+0.34341×F2+0.13098×F3以及综合排名，即表4。
六、结论
结合表四可以得出17家农村商业银行在因子F1（农村城镇化服务的动力支持）得分较高的是重庆农村商业银行、上海农村商业银行和广东顺德农村商业银行；在因子F2（农村城镇化金融支持的保证能力）得分较高的是北京农村商业银行、广州农村商业银行和天津农村商业银行；在因子F3（农村城镇化的金融支持深度）得分较高的是江苏江阴农村商业银行、广东顺德农村商业银行和沧州融信农村商业银行。同时也可以看出并不是经济发展程度越高的地区对于农村城镇化的支持深度就越强，主要是因为资金实力较强的农村商业银行对于农村城镇化的资金支持占该银行总的资金利用的比例较低。
在综合得分与排名方面：重庆农村商业银行、上海农村商业银行、北京农村商业银行、广州农村商业银行和广东顺德商业银行的综合得分较高，对于农村城镇化的支持能力较高。可以看出对于新型农村城镇化支持能力最强的农村商业银行大都分布在经济实力较强的地区，特别是集中在4个直辖市；而发展起步较晚或者实力较弱的银行在支持新型农村城镇化上的能力就较低。通过比较沿海地区和非沿海地区的农村商业银行对新型农村城镇化的支持能力，大体可以看出沿海地区的农村商业银行（如：上海农村商业银行、广州农村商业银行、广东顺德农村商业银行）对于新型农村城镇化的支持能力要比非沿海农村商业银行（如：沧州融信农村商业银行、新余农村商业银行和淮北农村商业银行）的支持能力高。
我国农村商业银行在农村拥有很好的发展潜力和市场，更存在着很好的发展机遇，因此已经成立或者准备成立的农村商业银行应就农村城镇化服务的动力支持、农村城镇化金融支持的保证能力和农村城镇化的金融支持深度这三个方面下工夫，特别是对于综合得分较低的农村商业银行可以通过在这三个不同的方面找到与其他农村商业银行的差距，一一进行改善和提高，最后达到对新型农村城镇化支持能力的综合提高。在不断提高在农村城镇化过程中的支持能力过程中，更好的实现在自身不断盈利发展的情况下，能更好的服务于农村城镇化建设。
参考文献
[1] 许涛，张文强.金融助推农村城镇化发展的路径选择[J]. 三农金融，2011.
[2] 王士伟. 农村城镇化进程中金融支持存在的问题与对策[J]. 经济纵横，2011（7）.
[3] 王全达，王华龙，黄勇，万金. 农村城镇化发展与银行服务能力建设[J]. 现代金融，2010（11）.
[4] 陈万海. 浅析农村城镇化过程中商业银行的机遇[J]. 现代经济信息，2010.
[5] 张童炜.江苏省农村商业银行竞争力评价指标体系研究[D]. 南京理工大学，2009.
[6] 杨青楠，解晟实.基于DEA方法的农村商业银行经营效率评价[J]. 科技与管理，2011（1）.
[7] 李东.基于因子分析法的国有商业银行可持续发展评价研究[J]. 华北金融，2011（9）.
[8] 孙红彦，吴书广，赵涛.基于因子分析法的我国商业银行综合业绩评价[J]. 金融发展研究，2010（2）.
作者简介：陈根（1990-），男，河南人，本科，研究方向：金融。
（编辑：陈岑）