三、盐城金融业与支柱产业融合程度实证分析
（一）分析模型的建立
度量两个产业间的融合度，归根到底是度量两个产业某变量之间的关联度。本文中，我们选择行业收入和银行在某行业的贷款额作为关键变量来分析产业间的融合度。考虑到以下两点：
（1）Pearson相关系数是度量两个变量间关联度的最常用指标。
（2）金融业与相关产业的融合度度量具有显著的复杂性，具有明显的模糊性、随机性和信息不完全性，并且获得的数据样本少，而灰色理论恰以“小样本”不确定系统为研究对象。
因此，本文利用灰色关联度度量产业间的非线性产业融合度，Pearson相关系数度量产业间的线性产业融合度。
1. Pearson相关系数介绍
众所周知，相关系数揭示两个序列之间的线性关系，即两个序列走势的一致性，相关系数越高表示它们之间的线性关系越强烈，其取值范围在-1到1之间。在本文中，两个序列{ai｜i=1，2，3，…，n}和{bi｜i=1，2，3，…，n }之间Pearson相关系数按式（1）计算：
2. 灰色关联度介绍
假设序列{xi}为盐城市银行n年的贷款额，序列{yi}为某行业的收入序列，并且序列{xi}，{yi}均已进行过标准化。
序列{ci}是序列{xi}，{yi}的极差序列，即ci=｜xi-yi｜。
令cmax为序列{ci}的最大值，cmin为序列{ci}的最小值。
则盐城市金融行业和该行业的产业融合度为
（二）实证分析——金融业与各产业的关联矩阵分析
1. 盐城市金融行业与支柱产业的产业融合度研究
（1）指标选取
为了研究盐城市金融行业和机械、化工、汽车和纺织等四大支柱产业的融合度，我们收集了2008—2013年盐城市四大支柱产业贷款情况（见图1），以及2008—2013年盐城市四大支柱产业的行业收入（见图2）。需要说明的是，化工产业和汽车产业有相当一部分比例的贷款是从外市获得，而机械产业和纺织产业的贷款来源主要是市内金融行业贷款。在本课题的研究中，我们分别计算每一个支柱产业的行业收入和盐城市金融机构在该行业的贷款的Pearson相关系数和灰色关联系数，以度量支柱产业和金融业的线性产业融合度和非线性产业融合度。四大支柱产业之间的产业融合度用行业收入之间的灰色关联系数表示。
图1 2008—2013年盐城市四大支柱产业从金融机构贷款情况
数据来源：中国人民银行盐城市中心支行。
图2 2008—2013年盐城市四大支柱产业行业收入情况
数据来源：《盐城统计年鉴》。
（2）实证结果及分析
图3为2008-2013年盐城市四大支柱产业行业收入和银行贷款的折线图，从中我们发现：四大支柱产业的行业收入均和银行贷款有着明显的正相关性，尽管相关程度不一，但却说明了盐城市金融行业和四大支柱产业的融合现状。
图3 2008—2013年盐城市四大支柱产业行业收入和银行贷款折线图
数据来源：中国人民银行盐城市中心支行、《盐城统计年鉴》。
为了定量分析产业之间的融合度，本文利用灰色关联度和Pearson相关系数这两个统计方法，研究了金融行业和四大支柱产业之间的产业融合度，结果见表5。
表5 2008—2013年盐城市金融行业和四大支柱产业的产业融合度
2. 盐城市支柱产业的产业发展和金融支持关系分析
在对盐城市金融行业与支柱产业的产业融合度研究中，我们发现盐城市四大支柱产业和金融行业有着明显的产业融合度，银行贷款与行业收入之间的正相关性是非常明显的。因此，在此研究的基础上，我们进一步深入研究金融支持与盐城市支柱产业的产业发展关系。将分析金融机构的贷款是否能够有力增强盐城市支柱产业的造血功能。其关系用四大支柱产业的收入增长与上年银行贷款反映，图4是盐城市四大支柱产业的收入增长与上年银行贷款的折线图。盐城市上年银行贷款和行业收入增长额的关联性结果见表6。
表6 盐城市四大支柱产业行业收入增长和上年银行贷款关联性
图4 2008—2013年盐城市四大支柱产业行业收入增长和银行贷款折线图
3. 盐城市金融业与各行业产业融合度关联矩阵分析
通过上述分析，我们知道盐城市金融行业与四大支柱产业有着明显的产业融合度，但还需要对机械、化工、汽车、纺织、金融这五个行业进行主成分分析，以进一步研究盐城市金融业与四大支柱产业的产业融合情况。表7为这几个行业的灰色关联系数矩阵。表8是灰色关联系数矩阵的特征值和对应的特征向量。每个特征值和特征向量对应一个主成分。
表7 产业融合灰色关联系数矩阵
表8 关联矩阵特征值及特征向量
4. 传统产业融合度分析
通过对分析模型的建立，我们知道，通常用两个行业的某一个相同变量的关联性来度量两个行业的产业融合度。因此，我们用金融业和其他行业的收入的关联性来度量金融业与其他行业的产业融合度。但是从直觉上，金融业的收入和其他行业的收入只存在数学上的相关关系，相关关系背后并不存在因果关系。为了论证本文中建立的产业融合度模型的合理性，现采用传统思维方式，构建产业融合度模型，并和本文中产业融合度模型下得出的结果做比较。为此，通过调研，我们获取了盐城市金融业2008—2013年的行业收入，数据见表9。同时，本文分别计算金融行业营业收入与贷款利息收入和其他行业收入的关联性，结果见表10。与表5（2008—2013年盐城市金融行业和四大支柱产业的产业融合度）相比，非线性产业融合度结果几乎一样，但是线性产业融合度结果相差较远。表5中，化工和汽车产业与金融行业的线性产业融合度显著比机械和纺织产业低，而表10中，则恰恰相反。因为化工产业和汽车产业有相当一部分比例的贷款是从外市获得，所以表5中的结果更加可信。因此，利用银行贷款和相关行业的行业收入的关联性来度量金融行业和相关行业的产业融合度更加合理。
表9 2008—2013年盐城市金融业行业收入一览表 单位：亿元
表10 传统模式下2008—2013年盐城市金融行业和四大支柱产业的产业融合度
（三）结论
1. 盐城市金融行业与支柱产业的产业融合度实证结果
经过上述实证研究，我们得出，从线性产业融合角度来看，和金融行业产业融合度最高的是机械产业和纺织产业，均为0.98，其次是化工产业，为0.91，汽车产业最低，为0.77。从非线性产业融合角度来看，和金融业融合度最高的是化工产业，为0.83，其次是纺织产业，为0.80，再次是机械产业，为0.75，最低是汽车产业，为0.70。
2. 盐城市支柱产业的产业发展和金融支持关系分析结果
如表6（盐城市四大支柱产业行业收入增长和上年银行贷款关联性）所示，我们发现机械、纺织和化工产业的收入增长与上一年度的贷款关联性较高，灰色关联度均达到0.80以上，pearson相关系数达到0.94以上；汽车产业的收入增长与上一年度的贷款关联性尽管相对较低，但是灰色关联度也达到0.74，pearson相关系数为0.60。
数理分析结果表明，盐城市对四大支柱产业的贷款从不同程度上增强了相关产业的造血功能，支持了相关产业的发展。
3. 盐城市金融业与各行业产业融合度关联矩阵分析结果
第一主成分中，每个行业的权重（即最大特征值所对应的特征向量）大致相当，均在0.45左右，说明第一主成分主要体现了经济大环境的影响。
第二主成分中，金融、化工产业权重为负，机械、汽车、纺织产业权重为正，这是由于盐城市化工行业产品结构不尽合理，污染严重。
第三主成分中，纺织、金融产业权重显著为负，化工产业趋于0，纺织、汽车产业权重为正，这是由于纺织产业技术装备水平不高，选择路径不优。
第四主成分中，化工、汽车产业权重为负，机械、纺织、金融产业权重为正，这是因为化工产业和汽车产业有相当一部分比例的贷款是从外市获得，而机械产业和纺织产业的贷款来源主要是市内金融行业贷款。
第五主成分贡献率太低，有可能是随机扰动。