2、樣本數據選取
在樣本數據的選擇上，本文以浙江省1993年—2012年間的9個指標數據作為原始數據，先對數據進行進行Z-SCORE標準化處理消除指標量綱和數量級不同帶來的影響，然後再使用SPSS軟件進行因子分析。
3、因子分析
(1)KMO檢驗和Bartlett球形檢驗。KMO檢驗統計量是用於研究變量之間的簡單相關性和偏相關性，當KMO值愈大越適合做因子分析。在本研究中，KMO值為0.798，達到KOM度量標準，適合用於因子分析。同時巴特利球形檢驗統計量為567.399，Sig為0.000，小於0.01，說明數據存在顯著相關性，適合做因子分析。
(2)特征值與方差貢獻率。從樣本中可以計算出特征值、特征值貢獻率和累積貢獻率。前兩個因子的累計方差貢獻率已達98.575％，且特征值都大於1，這說明前兩個因子包含了所有指標的絕大部分信息，因此提取前兩個因子就能對金融集聚做出較好的解釋
(3)旋轉後的因子載荷矩陣的分析。因子載荷矩陣反映了各個因子和原始變量的相關係數，本文對因子載荷矩陣進行方差最大化正交旋轉，使每個因子具有高載荷，以使因子的解釋得到簡化，更有利於公因子對實際問題的解釋。旋轉後的因子載荷矩陣見下表。下表中顯示，第一公因子FAC1主要由金融業增加值(X1)、金融業從業人數(X3)、金融機構存款餘額(X6)、金融機構貸款餘額(X7)、居民存款儲蓄餘額(X8)、保費收入(X9)決定，它們在公因子上的載荷分別為：0.979、0.955、0.970、0.976、0.969、0.963，這三項指標均是衡量金融中介的指標，因此可以將第一公因子稱為金融中介因子；第二公因子主要由金融業增加值占第三產業比重(X2)、境內上市公司數量(X4)、證券籌資總額(X5)決定，它們在公因子上的載荷分別為：-0.989、0.831和0.629，這三項指標涉及資本市場，綜合命名為資本市場因子。
(4)因子得分計算
把原始數據代入因子得分函數,就可以計算得到浙江省1993-2012年曆年金融集聚公因子F1、F2的得分和綜合因子F的得分，F的數值就表示浙江省的金融集聚度，其數值越高，則浙江的集聚水平越高。三、浙江省金融集聚與產業結構升級關係的實證分析
(一)模型設定
Y=α+βX+μ
第三產業增加值占GDP比重作為被解釋變量Y來衡量產業結構升級水平，上一章計算得出的金融集聚綜合因子得分作為被解釋變量X衡量金融集聚水平，數據選取區間為1993年—2012年，來源於曆年浙江省統計年鑒。
(二)回歸分析
使用EVIEWS軟件對模型進行回歸，結果如下圖：模型可以總結為：y=38+4.6x
從回歸的結果可以看到，金融集聚度與產業結構升級水平成正相關關係，調整後的R值依然達到75％以上，方程擬合度很高。在1%的水平下通過F檢驗，該模型的解釋能力是可信的。這表明浙江省金融集聚產業結構升級有較明顯的促進作用。
四、結論
針對浙江省金融集聚以及產業結構升級的實證分析，本文對如何提高浙江金融集聚促進產業結構升級提出以下建議：一、加強改革創新，著力推進四項金融改革試點。二、提升“浙商係列”的影響力，進一步推動地方金融機構做優做強。三、完善金融業稅收收入預算分配管理體製。四、完善加大財政支持金融改革發展財政補助政策力度。