周沛君 西北工业大学人文与经法学院

摘要：世界服务贸易结构不断优化，国际贸易类型逐渐由运输、旅游等传统的行业转至知识密集的金融服务贸易上，本文对中国金融服务贸易竞争指数等数据进行竞争力测度，发现结果并不乐观，中国金融服务的发展很不平稳。本文接下来尝试探索影响其综合竞争力的原因，基于波特钻石模型分成四个方面八个因素对1997-2004年18个数据进行实证研究，针对结果中涉及的资本、人力、技术、政策、市场、国际环境等方面对提升我国金融服务贸易的国际竞争力因素进行优先排序。

关键词：金融服务贸易 列联分析 钻石模型 国际竞争力 回归预测

一、中国金融服务贸易发展现状

21世纪以来，中国经济发展非常重视金融服务贸易的成长，平均年增速为9.3%（同期货物贸易仅8.8%），吸引了经济学家和相关发展部门更多的关注，也是国家在制定经济政策时需要重点考虑的指标。新时期(2010年以后)中国服务贸易发展表现在如下三个方面：一、保持高速增长，在2014年出口量92亿美金，增长率达32%；二、中小型企业金融服务贸易发展迅速；三、金融服务贸易赤字上升，由于出口增速低于进口增速，此缺口预期还会继续增大。

在跟其他国家的比较方面，此处基于中国统计年鉴数据和中国服务贸易官网数据对英国、美国、韩国、印度和中国五个经济实体2001-2010年的服务贸易竞争指数（TC指数）进行统计与计算。 得到结果：英国、韩国和美国的TC指数基本大于零，表示在世界上具有较高的竞争优势，其金融服贸行业的生产效率高于世界平均水平；而中国、印度这两个比较有代表性的发展中大国的TC指数基本为负，且中国的劣势尤其明显，增长缓慢，生产效率低于平均水平。

二、数据分析

（一）列联分析

除了通过频数分布了解单变量的分布特征，研究还应分析在不同的赋值下（本文选择为金融服贸的进出口依赖程度）多变量控制的联合分布和变量之间的相互作用和关系。列联分析在这里有两个基本任务：一是基于样本数据收集产生交叉列联表；二是在交集的列联表的基础上检查两个变量之间的相关性。

总体样本被划分成TC指数和国别两类，将TC值域分布划分成8个组：[-1,-0.25]、[-0.25, -0.5]、[-0.5,-0.75]、[-0.75, 0]、[0, 0.25]、[0.25, 0.5]、[0.5, 0.75]、[0.75, 1]，这八个等级可以命名为A₁，A₂，…，A₈；使用表1中的数据，国别为5个，B₁，B₂，…，B₅。从总体中抽取样本n=10的样本，设其中有个个体的属性属于等级和，称为频数，将8x5个排列为一个8行5列的二维列联表。

运用SPSS进行列联结果输出，结果显示，由于数据分布在每个国家中有集中的特点，如韩国和美国集中在高依赖度，而中国集中在最低的依赖度。提出零假设H₀：行列变量之间无关。再借助SPSS对零假设进行卡方分布检验，设定置信水平为95%。程序结果显示双尾检验结果无限趋近0，因此拒绝原假设，也就是说进口依赖程度与国家的发达程度等相关性很大，一个国家的金融服务贸易虽然受环球市场经济气候影响，但本质上提升还需从内因着手，当中国的经济环境能比得上英美时，TC指数自然会得到较大幅度的提升。

（二）变量选择与模型建立——基于钻石模型

基于钻石模型的四个方面和两个对象，经过分析选择了8个影响因素，关于在这个方面对模型的理解如下：

1、生产要素：金融服务贸易的声场要素与资本最为相关，选择了金融机构资金来源各项存款X₁作代表；由于技术要素促进了金融服务贸易的网络银行、电话银行等创新性服务方式，选择电话普及率作为X₂对整个科技力量的基础评估。

2、需求要素：分为城镇居民家庭人均可支配收入X₃和金融机构资金运用各项贷款X₄。个人的需求是对所有财产的处理，当下银行存款利率在屡次双降的推动下理性的经济个人比起传统的银行存款更倾向于选择更高回报率的金融服务贸易行业的业务。企业对金融服务的需求更多集中在对资本的需求，为了做大做强，显然企业的自有资金远不能满足生存和发展需求，此时金融市场为企业进行借贷、投资、集资和规避风险提供了重要的渠道。

3、相关与支持产业：波特的理论中重视“企业集群”的概念，强调产业链和附加产品在某个行业体系中的影响，因此本人在考虑影响因素时选择了商品进出口贸易总额X₅、第二产业增加值设为X₆。

4、政府与机遇：在中国特色社会主义的发展中，政府必定会直接或间接参与到经济建设上，而金融作为中国发展道路上的重要构成需要成为一个既定的考虑因素，本文选择了金融贸易服务开放度作为X₇和存款准备金率X₈。

（三）主成分分析

本文存在数据跨度太短和因素都涉及经济元素而高度相关的缺陷（仅18年），极容易产生异方差、自相关和多重共线性。因此在施行主成分分析之前，将模型取对数消除异方差，主成分分析主要是为了归集相关元素而消除多重共线性和自相关，为后续的回归减少误差。

取对数后用SPSS计算出了各元素间的相关系数，再用主成分分析法归集元素，得到得到相关系数矩阵的特征根及主成分贡献率和特征向量矩阵。

把初始因子载荷矩阵中每列的系数除以其相应的特征根的开根后才能得到单位特征向量,于是主成分函数的表达式为：

F₁=0.3725LnX₁+0.3568 LnX₂+0.3714 LnX₃+0.3699 LnX₄+0.3598 LnX₅

+0.3721 LnX₆+0.3059 LnX₇+0.3126 LnX₈

根据上表可以看到主成分贡献率为89.375%，综合后得：

F=0.89375F₁=0.3329LnX₁+0.3189LnX₂+0.3319LnX₃+0.3306LnX₄+0.3215LnX₅+0.3326LnX₆+0.2734LnX₇+0.2794 LnX₈

（四）回归分析

运用DW两步法进行回归分析，借助STATA软件基于主成分分析结果进行回归，在得到回归方程的同时可以进一步消除自相关。最终得到DW值为2.413298，经过查表得出符合无自相关，因此回归结果LnEX=-0.866+0.588F，展开得：

LNEX= 0.1858LNX₁+0.1779LNX₂+0.1852LNX₃+0.1845LNX₄+0.1974LNX₅

+0.1856LNX₆+0.1526LNX₇+0.1559LNX₈

三、模型结果分析及进一步建议

根据第二部分的结果，中国的经济体系庞大繁杂，产业链的作用在金融服务贸易的发展中影响最为重要，发展金融服贸需要从宏观把握，协同发展相关产业的各个环节。另外可以看到资本因素和需求因素同样重要，这可能是因为近年中国经济飞速发展，产业转型势在必行。

本文的研究只是一个初步的探索 ,有较多地方尚需进一步推敲和改进。金融服务贸易下有许多分类，本文从宏观上泛泛而谈不利于具体针对某个领域得出结果，今后可以根据本文结论中的优先排序去细化到各个领域验证并进行模型修正。

参考文献

[1]王静.中美金融服务国际贸易竞争力对比及启示[J].国际经贸探索，2008（4）

[2]郑展鹏.中国金融服务贸易国际竞争力的实证分析[J].上海金融,2009(4)

[3]何德旭,姚战琪.中国金融服务业的产业关联分析[J].金融研究.2006（5）