李健 辛沖沖

[摘 要]? ?基于2000—2016年期間中國260個地級及以上城市的平衡面板數(shù)據(jù)，采用3種生產(chǎn)要素投入DEA-Malmquist指數(shù)方法對中國城市全要素生產(chǎn)率（TFP）增長率進行測算和分析，在此基礎上構建動態(tài)面板回歸模型，實證檢驗金融發(fā)展對城市TFP增長的影響并驗證是否具有異質性特征。研究發(fā)現(xiàn)：2000—2016年期間中國城市整體的TFP呈現(xiàn)出增長態(tài)勢，推動城市總體TFP增長的動力源泉為技術進步和技術效率改善，且技術進步貢獻更大。金融發(fā)展對中國城市整體的TFP增長產(chǎn)生顯著的正向效應，但具有異質性特征。金融發(fā)展對城市TFP增長的促進作用呈現(xiàn)出了東部-西部-中部-東北部遞減的態(tài)勢，對處于行政等級高的城市TFP增長產(chǎn)生的促進作用更大，對500萬人口規(guī)模以下城市的TFP增長促進作用更為明顯。

[關鍵詞]? ?金融發(fā)展;城市;全要素生產(chǎn)率;異質性;差分GMM

[中圖分類號]? F061.5;F832 [文獻標識碼]A 文獻標志碼? [文章編號]1673-0461（2020）09-0070-09

一、引 言

改革開放40多年里，中國城市得到了快速的發(fā)展。中國城鎮(zhèn)化率由2000年的36.22%穩(wěn)步上升到了2017年的58.52%?！吨袊y(tǒng)計年鑒》中提供的數(shù)據(jù)顯示，全國地級及以上城市數(shù)量從2000年的263個增加到了2016年的297個。由此可見，中國城市無論在數(shù)量上還是規(guī)模上都發(fā)生了巨大的變化。李健、盤宇章（2018）的研究指出，中國三大城市圈（長三角、珠三角以及京津冀）的生產(chǎn)總值已經(jīng)占全國生產(chǎn)總值的35%以上，城市已經(jīng)成為中國經(jīng)濟發(fā)展的重要載體[1]。新古典經(jīng)濟增長理論把全要素生產(chǎn)率（簡稱為TFP）視為推動經(jīng)濟可持續(xù)增長的動力源泉。當前中國正在大力推進供給側結構性改革，而改革的重心則是提升全要素生產(chǎn)率。因此，在此背景下，有必要研究何種因素影響城市TFP增長。在城市經(jīng)濟快速增長過程中，城市的生產(chǎn)和運作都需要投入大量的資本、勞動力以及先進的科學技術，而資本積累和技術創(chuàng)新均需要充足的資金作保障，因而金融體系的影響不斷得到凸顯。那么，金融發(fā)展對中國城市TFP增長產(chǎn)生了何種的影響？這種影響是否具有顯著的異質性特征？對于以上問題的研究可以為我國當前供給側結構性改革提供一個突破點。

二、文獻綜述

隨著城市經(jīng)濟的快速發(fā)展，中國學者對城市發(fā)展的研究由原來注重“量”的增長（經(jīng)濟規(guī)模擴大）開始轉向了“質”的提升（全要素生產(chǎn)率的提升）。金相郁（2006）采用DEA-Malmquist指數(shù)法對1990—2003年期間41個城市的TFP水平進行測算，研究結果表明中國主要城市的TFP年均增長率為8.3%，技術進步年均增長率為8.5%，而技術效率年均增長率為-0.2%，且技術進步是推動城市TFP增長的主要動力[2]。劉秉鐮、李清彬（2009）的研究表明在1990—2006年期間中國城市TFP增長年均增長率為2.8%，技術進步是促進城市TFP增長的動力源泉[3]。邵軍、徐康寧（2010）采用DEA-Malmquist指數(shù)法對1999—2006年中國191個城市的TFP增長水平進行測算，研究發(fā)現(xiàn)樣本考察期間中國城市TFP年均增長為-1%，技術效率年均增長率為1.5%，而技術進步年均增長率為-2.46%[4]。王霞、胥敬華、曾鋮等（2015）以2000—2013年期間中國17個中心城市為研究對象，利用DEA-Malmquist指數(shù)法分析TFP的增長差異，研究發(fā)現(xiàn)樣本考察期間中心城市TFP增長了2.3%，推動城市TFP增長的動力為技術進步[5]。李健、盤宇章（2018）以2000—2013年期間中國261個地級及以上城市為研究對象分析城市TFP的收斂性問題時，發(fā)現(xiàn)中國城市整體TFP年均增長率為3.1%，技術效率改善推動了城市TFP增長而非技術進步[1]。李健、李澎、衛(wèi)平（2017）以2000—2014年期間東北三省34個地級及以上城市為研究對象分析城市經(jīng)濟增長動力問題時，采用DEA模型的Malmquist指數(shù)法對城市TFP增長率進行測算，研究發(fā)現(xiàn)樣本考察期間東北地區(qū)城市總體TFP出現(xiàn)了顯著的增長，年均增長率為2.3%，由技術進步（0.2%）和技術效率改善（2.1%）共同推動的[6]。李衛(wèi)兵、涂蕾（2017）以2003—2014年期間中國274個地級及以上城市為研究對象，采用GML指數(shù)測度中國城市的綠色全要素生產(chǎn)率，研究結果發(fā)現(xiàn)中國城市綠色TFP總體呈現(xiàn)出增長態(tài)勢，其中東部城市增長率最高，而西部城市最低[7]。以上研究學者在對城市TFP增長率進行測算過程時選用的是基于非參數(shù)的數(shù)據(jù)包絡分析方法（DEA），與此同時也有研究者選取基于參數(shù)的隨機前沿分析方法，如王德祥、薛桂芝（2016）以1998—2013年中國223個地級及以上城市為研究對象，采用隨機前沿分解方法（SFA）測算中國城市TFP，研究結果顯示樣本考察期間城市TFP累積降低了12.16%[8]。李靜、李逸飛、馬永軍（2016）以2005—2012年期間中國285個城市為研究對象，采用超越對數(shù)生產(chǎn)函數(shù)形式的隨機前沿計量回歸模型對中國城市TFP增長率進行測算和收斂性分析，研究發(fā)現(xiàn)樣本考察期間城市TFP增長率由1.085%下降到-3.338%，年均增長率為-0.56%，導致TFP下降的原因為技術進步的連續(xù)下降[9]。以上文獻主要關注的是城市TFP的測度與分析，由于研究樣本、時間跨度、研究方法等多個方面存在不同，致使研究結論也存在著較大的差異。

國內學者對城市TFP的測度研究較為深入。在對城市TFP進行測算研究的同時，學者們也進一步地挖掘影響城市TFP的影響因素。楊浩昌、李廉水、劉軍（2018）研究表明制造業(yè)聚集和生產(chǎn)性服務業(yè)聚集都可以有效地推動城市TFP增長[10]。宋麗穎、張偉亮、劉源（2018）研究發(fā)現(xiàn)，財政自主度對資源型城市的TFP產(chǎn)生顯著的抑制作用[11]。王凱風、吳超林（2018）的研究發(fā)現(xiàn)收入差距擴大對城市環(huán)境TFP產(chǎn)生了顯著的負面影響[12]。張萃（2016）基于城市行政等級視角分析生產(chǎn)性服務業(yè)集聚對中國城市TFP增長的影響，研究發(fā)現(xiàn)，生產(chǎn)性服務業(yè)集聚對城市TFP增長具有顯著的促進作用，而制造業(yè)集聚并沒有對城市TFP產(chǎn)生顯著的正向效應[13]。孫曉華、郭玉嬌（2013）研究發(fā)現(xiàn)，專業(yè)化集聚對中小規(guī)模城市的全要素生產(chǎn)率產(chǎn)生促進作用，而對較大規(guī)模的城市全要素生產(chǎn)率產(chǎn)生阻礙作用[14]。張浩然、衣保中（2012）的研究發(fā)現(xiàn)，基礎設施對城市TFP產(chǎn)生顯著的促進作用[15]。

從以上的研究文獻可以看出，首先，關于城市TFP問題的研究不斷深入，逐漸把研究的重點從生產(chǎn)率水平的測度轉向了影響因素分析。國內學者從多個角度挖掘影響TFP增長的因素，然而已有的研究中很少有學者關注金融發(fā)展對城市TFP增長的影響。盡管諸多學者對金融發(fā)展和TFP增長之間的關系進行了極為豐富的研究（張軍、金煜，2005;趙勇、雷達，2010;余利豐、鄧柏盛、王菲，2011;李健、衛(wèi)平，2015;陳啟清、貴斌威，2013）[16-20]，但是這些學者均是從國家層面或者省級層面進行研究的，很少從城市層面進行分析的。從城市層面分析金融發(fā)展和TFP增長的關系，不但使研究進一步微觀化，而且還可以擴大研究樣本量得到更為穩(wěn)健的回歸結果。中國區(qū)域經(jīng)濟發(fā)展差別比較大，東部、中部和西部3個區(qū)域的地理位置、自然資源稟賦、社會文化、對外開放程度、經(jīng)濟發(fā)展基礎等多個方面存在著較大的差異，由此處于不同區(qū)域的城市也會存在著較大的發(fā)展差異。因此，歸屬于不同區(qū)域的金融發(fā)展的城市TFP增長效應可能會存在區(qū)域異質特征。其次，采用國家層面或者省級層面的數(shù)據(jù)并不能進一步從行政等級視角分析金融發(fā)展與城市TFP增長之間的關系，并且也不能比較金融發(fā)展的TFP增長效應是在高行政等級的城市更大還是在低行政等級城市更大。中國城市發(fā)展過程中，由于地理位置、文化發(fā)展程度、經(jīng)濟基礎等多個方面存在著較大的差異，會出現(xiàn)不同規(guī)模的城市。那么，金融發(fā)展和城市TFP增長之間的關系是否會隨著城市規(guī)模的變化而變動？以上問題均沒有在已有的研究中得到體現(xiàn)。再次，現(xiàn)有研究在對城市TFP增長率測算時設定的生產(chǎn)函數(shù)通?？紤]的生產(chǎn)要素只包括資本要素投入和勞動要素投入，而忽略了土地要素的投入。從生產(chǎn)到消費整個過程，土地都是經(jīng)濟活動主體的載體。因此，在測算城市TFP增長率時若不考慮土地要素投入會存在一定程度的誤差，最終導致研究結果的不穩(wěn)健。

為了彌補以上研究過程中存在的不足，本文擬從3個方面對已有研究進行補足：第一，本文在測算城市TFP增長率時，將土地投入作為生產(chǎn)要素投入納入到測算模型中，形成3種要素投入的DEA模型以得到更為可靠的測算結果;第二，將金融發(fā)展和全要素生產(chǎn)率增長納入到同一個研究框架下，實證分析金融發(fā)展對城市TFP增長的影響;第三，本文將樣本城市根據(jù)中國區(qū)域歸屬、行政等級以及城市規(guī)模進行分類，逐一分析不同類別下金融發(fā)展對城市TFP增長影響以驗證異質性特征。

三、計量回歸模型構建、變量選擇與數(shù)據(jù)來源說明

（一）計量回歸模型構建

內生經(jīng)濟增長理論為研究金融發(fā)展和經(jīng)濟增長的關系提供了重要的理論基礎。國外學者Bencivenga、Smith（1991）[21]、Greenwood、Smith（1997）[22]、Fuente、Marín（1996）[23]以及Laeven 、Levine 、Michalopoulos（2015）[24]分別從不同角度來構建內生經(jīng)濟增長模型分析金融發(fā)展和經(jīng)濟增長的關系，且都證實了金融發(fā)展對經(jīng)濟增長的正向影響。而國內學者蘇基溶、廖進中（2009）[25]以及陽佳余、賴明勇（2007）[26]分別構建不同種類的內生經(jīng)濟增長模型證實了金融發(fā)展對經(jīng)濟增長產(chǎn)生顯著的正向影響。本文基于以上研究，假定TFP增長受到內生金融發(fā)展的影響。李健、盤宇章（2017）[27]以及李健、衛(wèi)平（2015）[19]在分析TFP增長問題時，通過實證分析方法證實了TFP增長具有慣性。因此，本文考慮到以上可能會出現(xiàn)的問題，在構建計量回歸模型時選擇動態(tài)面板模型。將計量回歸模型設定為以下具體形式：

tfpit=∑ k m=1 ρm×tfpi，t-m+βfinanceit+θ'controlit+ui+εit[JY]（1）

式（1）中，下角標i表示第i個城市，下角標t表示第t年，下角標m代表滯后期數(shù)。變量tfp代表城市TFP增長率，變量finance代表金融發(fā)展水平，control代表控制變量集合，符號ρ、β、θ為待估計系數(shù)，ui為不可觀測的城市固定效應，εit為隨機干擾項。系數(shù)β的統(tǒng)計特征為本文關注的重點。在這里需要對被解釋變量的滯后期（m）選取問題進行簡單地說明，現(xiàn)有文獻在構建動態(tài)面板模型時，通常直接設定其滯后階數(shù)，本文并沒有采用這種預先設定的方法，而是通過相關檢驗方法來確定其最后的滯后階數(shù)。本文需要進一步地從不同區(qū)域、行政等級、城市規(guī)模3個角度分析金融發(fā)展對城市TFP增長的影響異質性特征，因此需要分別構建不同的計量回歸模型，具體形式如下：

tfpit，c1=∑ k m=1 ρm，c1×tfpi，t-m，c1+βc1financeit，c1+θ'controlit，c1+ui，c1+εit，c1[JY]（2）

tfpit，c2=∑ k m=1 ρm，c2×tfpi，t-m，c2+βc2financeit，c2+θ'controlit，c2+ui，c2+εit，c2[JY]（3）

tfpit，c3=∑ k m=1 ρm，c3×tfpi，t-m，c3+βc3financeit，c3+θ'controlit，c3+ui，c3+εit，c3[JY]（4）

式（2）中的下角標c1代表城市歸屬區(qū)域，本文將中國城市劃分為東部城市、中部城市、西部城市以及東北部城市。式（3）中的下角標c2代表城市歸屬的行政等級，本文將中國城市劃分為高行政等級城市（直轄市、副省級城市、省會城市）和低行政等級城市（普通地級城市）。式（4）中的下角標c3代表城市規(guī)模，本文將中國城市按照人口規(guī)模劃分為500萬以下、500萬以上1 000萬以下以及1 000萬以上。

本文在構建計量模型分析金融發(fā)展的城市TFP增長效應時采用的是動態(tài)面板回歸模型，在采用這種計量模型分析問題時通常采用的回歸方法為廣義矩估計方法（簡稱GMM）。在采用廣義矩估計方法對動態(tài)面板回歸模型進行估計時，具體分為兩類方法：一是差分GMM，二是系統(tǒng)GMM。然而，這兩類GMM方法在對動態(tài)面板模型進行回歸分析時各有利弊，這兩類方法的優(yōu)勢和劣勢對比分析可以參照李健和盤宇章（2017）的研究[27]。綜合考慮，本文選擇差分GMM進行分析。由于隨機誤差項ε的未來值與解釋變量集合X不相關，因此假設模型中的解釋變量集合X是弱外生的。本文采用差分GMM對動態(tài)面板模型進行估計過程中，將所有解釋變量的滯后期作為工具變量。但考慮工具變量的有效性問題，對工具變量的選取最多使用解釋變量滯后四階。由于本文用到的工具變量個數(shù)超過內生解釋變量的個數(shù)，需要進行過度識別檢驗。本文選擇Hansen檢驗來進行過度識別檢驗，其原假設為“所有工具變量都是外生的”。與此同時，還需要對隨機擾動項{εit}是否存在序列相關進行檢驗，即原假設為“隨機擾動項{εit}無自相關”。

（二）變量選取

1.被解釋變量：全要素生產(chǎn)率增長（tfp）

國內研究中關于TFP水平測算的方法主要有兩類：一類為參數(shù)方法（如柯布—道格拉斯生產(chǎn)函數(shù)法、隨機前沿分析方法等），另一類為非參數(shù)方法（如數(shù)據(jù)包絡分析方法）。關于數(shù)據(jù)包絡分析方法（DEA）和隨機前沿分析方法（SFA）的優(yōu)點和缺點在余泳澤（2015）的文獻中做出了較為具體的論述[28]?，F(xiàn)有文獻在選擇城市生產(chǎn)函數(shù)時對于生產(chǎn)要素的選擇更多地關注勞動要素投入和資本要素投入，而忽略了土地要素投入。本文在測算城市TFP時，將土地要素投入納入到城市生產(chǎn)函數(shù)中，因此采用參數(shù)法測算TFP時并不太合適。綜上分析，本文選擇DEA模型的Malmquist指數(shù)方法測算城市TFP水平（Fare、Grosskopf、Mary等，1994）[29]。國內大量學者采用DEA模型的Malmquist指數(shù)方法研究中國經(jīng)濟運行效率問題，本文對此方法不做過多描述，具體的測算方法和數(shù)據(jù)處理過程可參考章祥蓀、貴斌威（2008） [30]、李健、盤宇章（2018）[1]以及李健、盤宇章（2017）[27]的文獻。本文采用數(shù)據(jù)包絡分析軟件Deap2.1對城市的TFP水平進行測算，結果見表1。通過表中的測算結果可以看出，2000—2016年期間中國城市總體的年均TFP增長率為3.1%，這說明中國城市整體TFP出現(xiàn)了正增長。Malmquist指數(shù)法可以將TFP指數(shù)進一步分解為技術進步指數(shù)和技術效率指數(shù)，因此可以得到技術效率和技術進步的年均增長率分別為0.4%和2.7%，這說明2000年以來，技術進步和技術效率共同推動了中國城市整體的TFP增長，但技術進步的貢獻更大。

2.核心解釋變量：金融發(fā)展水平（finance）

國內外研究者在對金融發(fā)展問題進行研究時，從多個維度和多個層面構建多種指標來度量區(qū)域金融發(fā)展水平。國外學者如Muhammad 、Islam、Marashdeh（2016）分析金融發(fā)展和經(jīng)濟增長之間關系時選取“私人信貸與GDP的比值”與“M2與GDP的比值”作為衡量金融發(fā)展水平的指標[31]。Arcand 、Berkes 、Panizza（2015）在研究金融發(fā)展和經(jīng)濟增長之間的非線性關系時選取“私人信貸與GDP的比值”作為衡量金融發(fā)展水平的指標[32]。張軍、金煜（2005）[16]以及趙勇、雷達（2010）[17]的研究均采用“私人部門的貸款總額與GDP之比”作為度量區(qū)域金融發(fā)展水平的核心指標。而李健、盤宇章（2017）[27]以及黃智淋、董志勇（2013）[33]在研究金融發(fā)展與經(jīng)濟增長之間的非線性關系時將“金融機構貸款余額與GDP之比”作為度量金融發(fā)展水平的指標。盡管 “私人信貸與GDP的比值”是衡量中國金融發(fā)展水平相對合理的指標，但是歷年的《中國城市統(tǒng)計年鑒》以及每個城市的獨立統(tǒng)計年鑒并沒有提供城市的私人信貸規(guī)模相關數(shù)據(jù)，本文退而求其次采用李健、盤宇章（2017）[27]以及黃智淋、董志勇（2013）[33]研究設定的指標，即“金融機構貸款余額與GDP之比”作為衡量城市金融發(fā)展水平的指標。金融機構貸款余額和城市生產(chǎn)總值的數(shù)據(jù)均來源于歷年《中國城市統(tǒng)計年鑒》和各城市統(tǒng)計年鑒。

3.控制變量

政府財政支出水平（govern）：選取“城市政府財政支出額與城市GDP的比值”作為度量政府財政支出水平的指標。

外商直接投資水平（fdi）：選取“城市實際利用外商直接投資額與城市GDP的比值”作為度量外商直接投資水平的指標。

城市規(guī)模（lnsize）：選取“城市年末戶籍人口的對數(shù)”作為衡量城市規(guī)模的度量指標。由于本文構建的計量模型中被解釋變量為增長率，考慮到變量衡量單位問題，對城市年末戶籍人口進行對數(shù)處理。

人力資本（education）：現(xiàn)有文獻中關于衡量人力資本的方法較多，但在實證研究中使用較為普遍的度量指標為平均受教育年限，但城市層面的統(tǒng)計年鑒并沒有提供具體的關于不同教育水平的相關數(shù)據(jù)，因此不能用這種度量方法進行分析。劉瑞明、趙仁杰（2015）在研究城市經(jīng)濟問題時選取“城市普通高等學校在校生人數(shù)與城市總人口的比值”作為衡量城市人力資本的指標[34]?？紤]到數(shù)據(jù)的可獲得性，本文采用劉瑞明和趙仁杰的研究指標來度量城市人力資本水平。

產(chǎn)業(yè)結構高級化（upgrade）：本文選取“城市第三產(chǎn)業(yè)產(chǎn)值與城市生產(chǎn)總值的比值”作為衡量城市產(chǎn)業(yè)結構高級化水平的度量指標。

（三）數(shù)據(jù)來源說明

本文實證分析過程中的研究對象包括2000—2016年期間中國260個地級及以上城市，且原始統(tǒng)計數(shù)據(jù)來源于《中國城市統(tǒng)計年鑒》以及《中國統(tǒng)計年鑒》。由于《中國城市統(tǒng)計年鑒》中關于衡量金融發(fā)展水平的原始數(shù)據(jù)“金融部門的年末貸款余額”從2003年開始提供，因此在測算城市TFP增長率時所使用的時間跨度為2000—2016年，而進行計量分析時所使用的時間跨度為2003—2016年。出于對統(tǒng)計數(shù)據(jù)的完整性和可獲得性的考慮，以2000年《中國城市統(tǒng)計年鑒》給出的城市劃分標準為基準獲取本文的樣本量，但由于個別城市數(shù)據(jù)缺失現(xiàn)象較為嚴重，對這些城市進行了剔除，最終共有260個城市進入了考察樣本范圍內。本文所提及的“城市”相關數(shù)據(jù)均為《中國城市統(tǒng)計年鑒》中“全市”的統(tǒng)計口徑數(shù)據(jù)。

四、實證研究結果分析與討論

（一）金融發(fā)展的城市TFP增長異質性效應：基于全國和區(qū)域視角

本文采用統(tǒng)計分析軟件stata13.1對前文構建的動態(tài)面板回歸模型進行估計，結果見表2。在進行回歸分析過程中發(fā)現(xiàn)，若在計量模型中引入滯后一階的被解釋變量作為解釋變量得出來的回歸結果無法通過隨機擾動項無自相關的檢驗，也就是隨機擾動項存在自相關問題?，F(xiàn)有文獻在解決此類問題時，通常會在計量模型中引入更多的滯后被解釋變量。通過對計量模型進行多次回歸估計發(fā)現(xiàn)，在計量模型中引入被解釋變量的二階或三階滯后變量即可解決隨機擾動項自相關問題。此時，表2中4個回歸方程結果均通過了隨機擾動項無自相關的檢驗。同時，Hansen檢驗統(tǒng)計量數(shù)值無法拒絕“所有工具變量都是外生的”的原假設。另外，Wald檢驗統(tǒng)計量數(shù)值拒絕了“解釋變量系數(shù)均為零”的原假設。

表2中的第一列是以全國260個城市為研究對象得到的回歸結果。結果發(fā)現(xiàn)金融發(fā)展（finance）的系數(shù)為正且在1%的水平上顯著，表明金融發(fā)展顯著地促進城市TFP增長。金融機構的信貸規(guī)模擴張會滿足企業(yè)發(fā)展過程中所需要的資金，這保證了企業(yè)正常生產(chǎn)運作，推動了企業(yè)產(chǎn)量的增加，同時也帶了“干中學”式的TFP增長。與此同時，企業(yè)面臨市場的激烈競爭，出于搶占市場份額的目的，會不斷地進行技術創(chuàng)新以增加產(chǎn)品多樣化和提高產(chǎn)品質量。然而，企業(yè)在進行技術創(chuàng)新過程中需要投入大量的資金，這通常會超出企業(yè)自身的實力范圍，在這種狀況下企業(yè)需要通過外部融資來進行創(chuàng)新，此時金融機構的信貸會滿足企業(yè)技術創(chuàng)新資金的需求，金融體系的發(fā)展保證了技術創(chuàng)新活動的順利進行，提高了企業(yè)技術創(chuàng)新成功概率，推動了技術進步，最終帶來了城市TFP的增長。

然而，中國區(qū)域經(jīng)濟發(fā)展差別比較大，東-中-西-東北4個區(qū)域的地理位置、自然資源稟賦、經(jīng)濟發(fā)展基礎等多個方面存在著較大的差異。因而，處于不同區(qū)域的城市也會存在著較大的發(fā)展差異。改革開放以來的40年里，東部地區(qū)憑借著優(yōu)先發(fā)展的國家方針和政策獲取了過多的經(jīng)濟資源，從而取得了令人驕傲的發(fā)展成績，而中、西部地區(qū)則處于一個相對落后的發(fā)展狀態(tài)。在此背景下，《國民經(jīng)濟和社會發(fā)展第十三個五年規(guī)劃綱要》強調“深入實施西部開發(fā)、東北振興、中部崛起和東北率先的區(qū)域發(fā)展總體戰(zhàn)略”以及國家提出的“一帶一路”倡議都是為了促進區(qū)域經(jīng)濟快速發(fā)展和縮小區(qū)域間的經(jīng)濟發(fā)展差距。在國家實施這些戰(zhàn)略和倡議過程中，金融業(yè)也隨之快速發(fā)展，在區(qū)域經(jīng)濟發(fā)展過程中產(chǎn)生了重要的影響。因此，有必要從異質性視角進一步地研究金融體系在東部、中部、西部以及東北4個區(qū)域內城市發(fā)展過程中所產(chǎn)生的影響差異。本文將全部樣本城市根據(jù)東部地區(qū)（10個省市）、中部地區(qū)（6個省市）、西部地區(qū)（11個省市區(qū)）以及東北部地區(qū)（3個省）劃分標準進行分類來分析金融發(fā)展對歸屬于不同區(qū)域的城市TFP增長的影響，結果見表2中的第三列到第六列。結果發(fā)現(xiàn)，金融發(fā)展（finance）的系數(shù)在表2中的第三列到第六列的回歸結果中均為正且在1%的統(tǒng)計水平上顯著，這說明金融發(fā)展對各地區(qū)城市TFP增長均產(chǎn)生了顯著的正向影響。無論是以中國城市總體為分析對象還是以不同區(qū)域城市為分析對象均進一步證實了金融發(fā)展對TFP增長產(chǎn)生了顯著的促進作用（李健、衛(wèi)平，2015）[19]。然而，進一步對比不同模型中金融發(fā)展（finance）的系數(shù)大小發(fā)現(xiàn)，金融發(fā)展對城市TFP增長的促進作用呈現(xiàn)出了東部-西部-中部-東北部的遞減態(tài)勢，這也間接地證明了金融發(fā)展的城市TFP增長效應具有區(qū)域異質性特征。

此外，本文還發(fā)現(xiàn)變量govern的系數(shù)除了在以中部地區(qū)城市為研究對象的回歸結果中不顯著以外，在其他的所有模型中均為負且在1%的統(tǒng)計水平上顯著，這表明政府財政支出對城市TFP增長產(chǎn)生了顯著的負面影響，本文的實證結果從城市層面支持了李健和盤宇章（2017） [27]以及李健和衛(wèi)平（2015）[35]的研究結論。變量fdi在以全國城市為樣本的回歸結果中系數(shù)為正且在1%的水平上顯著，這說明外商直接投資促進了中國城市TFP增長。在以東部城市為樣本的回歸結果中，變量fdi的系數(shù)為正且在1%水平上顯著，這說明外商直接投資促進了中國東部城市TFP增長。在中部城市和西部城市為樣本的回歸結果中，變量fdi的系數(shù)均為負且在1%的統(tǒng)計水平上顯著，這說明外商直接投資對中部和西部城市TFP增長產(chǎn)生了明顯的抑制作用。而在東北部城市為樣本的回歸結果中，變量fdi的系數(shù)為負但不顯著，這說明外商直接投資對東北部城市TFP增長沒有產(chǎn)生顯著的影響。變量lnsize的系數(shù)在以全國城市為研究對象和中部城市為研究對象的回歸結果中為正且在1%的水平上顯著，這說明城市規(guī)模顯著地促進了全國城市TFP增長和中部城市TFP增長，而在其他地區(qū)城市發(fā)展過程中對城市TFP增長產(chǎn)生了較為明顯的抑制作用。以上結果支持了“大城市”發(fā)展的觀點，但發(fā)展“大城市”的方針政策要分地區(qū)有差別的實行。變量education的系數(shù)除了在以東北部城市為研究對象得到回歸結果中不顯著以外，在其他的模型中均為負且在1%水平上顯著，這說明人力資本顯著地抑制了城市TFP增長。本文的回歸結果與現(xiàn)有多數(shù)研究的結論相左，但與陳仲常、謝波（2013）[36]，李健、馮山、代昀昊（2020）[37]，李健、盤宇章（2017）[27]研究結論相一致。陳仲常、謝波（2013）研究不同類型人力資本對全要素生產(chǎn)率增長的影響時發(fā)現(xiàn)，初等、中等、高等教育對TFP增長即期影響顯著為負，而中等和高等教育在滯后三期才具有顯著的正外部性[36]。本文在對人力資本度量時選取的是普通高等教育在校生與人口規(guī)模的比值，與陳仲常、謝波（2013）的研究中高等教育度量指標基本上一致。出現(xiàn)這樣研究結果的原因可能是用“高等院校在校生數(shù)”度量人力資本反映的是潛在的人力資本資源而非即時的勞動力“執(zhí)行能力”，會產(chǎn)生一定程度的滯后影響。變量upgrade的系數(shù)在表2所有回歸結果中為正且均在1%的水平上顯著，這表明產(chǎn)業(yè)結構高級化對中國城市TFP增長產(chǎn)生了顯著的促進作用。產(chǎn)業(yè)結構越高級，說明產(chǎn)業(yè)技術水平越高，這對城市經(jīng)濟發(fā)展會產(chǎn)生明顯的正向影響。

（二）金融發(fā)展的城市TFP增長異質性效應：基于行政等級和城市規(guī)模視角

為了進一步考察金融發(fā)展對中國城市TFP增長的影響，本文接下來從行政等級和城市規(guī)模視角來進行分析，具體結果見表3。表3中的回歸結果均通過了所有檢驗，這表明模型設定具有合理性。表3中第二列和第三列的回歸結果是將城市按照行政等級進行分類得到的，其中高行政等級城市為直轄市、副省級城市、省會城市，而低行政等級城市為普通地級城市。金融發(fā)展（finance）的系數(shù)在這兩列回歸結果中符號為正且均在1%水平上顯著，這說明無論是行政等級高的城市還是行政等級低的城市中，金融發(fā)展對城市TFP增長產(chǎn)生了顯著的促進作用，但進一步發(fā)現(xiàn)行政等級高的城市為研究對象的回歸結果中金融發(fā)展（finance）的系數(shù)高于行政等級低的城市，這表明金融發(fā)展對處于行政等級高的城市TFP增長產(chǎn)生的促進作用更大。這背后的原因主要是因為處于行政等級高的城市經(jīng)濟發(fā)展水平也相對較高，經(jīng)濟發(fā)展活力旺盛，城市中的中小企業(yè)數(shù)量也很龐大，而當前中小企業(yè)已經(jīng)成為中國經(jīng)濟增長的主要推動力，金融體系的發(fā)展可以滿足中小企業(yè)發(fā)展過程中所需要的資金，這最終推動了高行政等級城市的TFP增長。

接下來，本文按照城市規(guī)模大小對城市進行分類研究，具體結果見表3中第四列到第七列。在以低于1 000萬人口的城市為研究對象的回歸結果中，金融發(fā)展（finance）的系數(shù)為0.021 1且在1%水平上顯著，而以高于1 000萬人口的城市為研究對象的回歸結果中，金融發(fā)展（finance）的系數(shù)為0.023 1但不顯著，這說明人口規(guī)模低于1 000萬的城市中金融發(fā)展的TFP增長效應更為顯著。為了進一步考察1 000萬人口規(guī)模以下的城市中金融發(fā)展的TFP增長效應，進一步將1 000萬人口規(guī)模以下的城市劃分為500萬人口規(guī)模以下以及500萬人口到1 000萬人口規(guī)模的城市進行回歸分析，發(fā)現(xiàn)在500萬人口規(guī)模以下城市的回歸結果中金融發(fā)展（finance）的系數(shù)為正且在1%的水平上顯著，而在500萬人口到1 000萬人口規(guī)模的城市中金融發(fā)展的TFP增長效應并不明顯，這表明在中小規(guī)模城市中金融發(fā)展的TFP增長效應更為顯著。

五、主要結論與啟示

本文以2000—2016年期間中國共計260個地級及以上城市為研究對象，采用DEA-Malmquist指數(shù)法測算了城市全要素生產(chǎn)率，并在此基礎上構建動態(tài)面板模型檢驗金融發(fā)展對城市TFP增長的影響以及異質性特征。得到以下主要結論：

第一，金融發(fā)展對城市總體的TFP增長產(chǎn)生顯著的正向影響，但具有異質性特征。本文將中國進一步劃分為東部地區(qū)、中部地區(qū)、西部地區(qū)以及東北地區(qū)得到的回歸結果更加證實了“金融發(fā)展對城市TFP增長產(chǎn)生顯著的促進作用”這一結論，但金融發(fā)展對城市TFP增長的促進作用呈現(xiàn)出了東部-西部-中部-東北部的遞減態(tài)勢;金融發(fā)展對處于行政等級高的城市TFP增長產(chǎn)生的促進作用更大;金融發(fā)展對500萬人口規(guī)模以下的城市TFP增長更為顯著，表明中小規(guī)模城市中金融發(fā)展的TFP增長效應更為顯著。

第二，2000—2016年期間中國城市總體的TFP呈現(xiàn)出增長態(tài)勢，且年均增長率為3.1%。樣本考察期間，城市總體的技術進步和技術效率年均增長率分別為2.7%和0.4%，推動中國城市整體TFP增長的動力源泉為技術進步和技術效率改善，且前者的貢獻更大。中國城市經(jīng)濟運行效率表現(xiàn)良好，城市TFP出現(xiàn)正向增長的城市達到總體城市的85%。樣本考察期間，技術進步和技術效率改善的城市個數(shù)分別占總體城市的96.1%和59.6%，表明城市經(jīng)濟發(fā)展過程中技術低效率是短板。同時具有技術進步和技術效率改善的城市有148個，占總體城市的56.9%，還沒有達到及格線（60%）。中國城市經(jīng)濟運行效率提升空間較大，仍然有43.1%的城市可以通過技術進步或技術效率改善推動城市增長。

結合以上研究結論，可以得到以下兩點啟示：第一，增強金融發(fā)展對城市TFP增長的正面影響，本質上應當注重金融發(fā)展對城市技術水平和技術效率的雙重影響，而不能僅注重其中一個方面。本文的實證結果表明推動中國城市整體TFP增長的動力源泉為技術進步和技術效率改善，因此城市發(fā)展過程中政府應當引導金融體系更好地服務于實體經(jīng)濟，推動企業(yè)的技術創(chuàng)新，這樣才能從根本上推動城市技術進步和技術效率的改善，進而促進城市TFP增長。城市政府需要從制度安排、環(huán)境建設、創(chuàng)新管理多個維度進行改革和完善現(xiàn)有的城市環(huán)境，同時企業(yè)自身也需要完善管理體系和生產(chǎn)體系以提高運行效率，只有這樣才能保證城市技術進步和技術效率的雙重提高。第二，國家應該進一步加大金融體制改革，有重點和有差異地推動不同地區(qū)的金融市場化進程，降低政府在金融資源配置上的政策干擾。中國區(qū)域經(jīng)濟發(fā)展不均衡，東部地區(qū)金融市場化水平顯著高于其他地區(qū)，因此，國家應該重點推進中西部和東北部地區(qū)的低行政等級城市以及中小城市規(guī)模城市的金融市場化改革過程。中國銀行部門存在著大量政策性導向的貸款和不良貸款，國家出于對某些行業(yè)領域的扶持目的對金融資源配置進行干擾，導致絕大多數(shù)的信貸資源配給運行效率相對低下的國有部門，致使那些本該需要信貸資源的企業(yè)沒有得到支持。21世紀以來，民營經(jīng)濟對中國經(jīng)濟的快速增長作出了主要貢獻，而民營經(jīng)濟的主體主要是中小企業(yè)。中小企業(yè)具有較強的生命力和較高的運行效率，同時在技術創(chuàng)新方面也有自身的優(yōu)勢。這些企業(yè)在進行技術創(chuàng)新活動時遇到的頭號難題則是資金匱乏，由此也導致了很多技術創(chuàng)新行為被扼殺在了搖籃里。由此可見，引導金融體系更好地服務中小企業(yè)是破解融資約束難題、提升城市TEP的關鍵。

[注 釋]

①表1中僅列出了使用軟件DEAP2.1測算城市整體層面的Malmquist指數(shù)，考慮到篇幅的限制，本文對具體城市的Malmquist指數(shù)及其分解結果進行了省略。

②表2中東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南共10個地區(qū);中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南共6個地區(qū);西部地區(qū)包括內蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆共11個地區(qū);東北地區(qū)包括遼寧、吉林、黑龍江共3個地區(qū)。

[參考文獻]

[1]李健，盤宇章.中國城市生產(chǎn)率增長差異及收斂性分析 [J].城市問題，2018（1）：56-64.

[2]金相郁.中國城市全要素生產(chǎn)率研究：1990-2003[J].上海經(jīng)濟研究，2006（7）：14-23.

[3]劉秉鐮，李清彬.中國城市全要素生產(chǎn)率的動態(tài)實證分析：1990-2006——基于DEA模型的Malmquist指數(shù)方法[J].南開經(jīng)濟研究，2009（3）：139-152.

[4]邵軍，徐康寧.我國城市的生產(chǎn)率增長、效率改進與技術進步[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2010（1）：58-66.

[5]王霞，胥敬華，曾鋮，等.全要素生產(chǎn)視角下的中心城市經(jīng)濟增長方式轉變——基于中國17個城市面板數(shù)據(jù)的實證研究[J].上海經(jīng)濟研究，2015（3）：30-39.

[6]李健，李澎，衛(wèi)平.東北三省城市經(jīng)濟增長動力實證分析[J].經(jīng)濟與管理研究，2017（5）：34-44.

[7]李衛(wèi)兵，涂蕾.中國城市綠色全要素生產(chǎn)率的空間差異與收斂性分析[J].城市問題，2017（9）：55-63.

[8]王德祥，薛桂芝.中國城市全要素生產(chǎn)率的測算與分解（1998-2013）[J].財經(jīng)科學，2016（9）：42-52.

[9]李靜，李逸飛，馬永軍.中國城市全要素生產(chǎn)率增長率的動態(tài)實證分析及收斂性研究[J].江淮論壇，2016（3）：54-63.

[10]楊浩昌，李廉水，劉軍.產(chǎn)業(yè)聚集與中國城市全要素生產(chǎn)率[J].科研管理，2018（1）：83-94.

[11]宋麗穎，張偉亮，劉源.財政自主度對資源型城市全要素生產(chǎn)率的影響研究[J].財貿研究，2018（3）：71-79.

[12]王凱風，吳超林.收入差距對中國城市環(huán)境全要素生產(chǎn)率的影響——來自285個地級及以上級別城市的證據(jù)[J].經(jīng)濟問題探索，2018（2）：49-57.

[13]張萃.生產(chǎn)性服務業(yè)集聚對中國城市生產(chǎn)率增長的影響——基于城市等級體系視角的分析[J].城市問題，2016（6）：61-69.

[14]孫曉華，郭玉嬌.產(chǎn)業(yè)集聚提高了城市生產(chǎn)率嗎？——城市規(guī)模視角下的門限回歸分析[J].財經(jīng)研究，2013（2）：103-112.

[15]張浩然，衣保中.基礎設施、空間溢出與區(qū)域全要素生產(chǎn)——基于中國266個城市空間面板杜賓模型的經(jīng)驗研究[J].經(jīng)濟學家，2012（2）：61-67.

[16]張軍，金煜.中國的金融深化和生產(chǎn)率關系的再檢測：1987-2001[J].經(jīng)濟研究，2005（11）：34-44.

[17]趙勇，雷達.金融發(fā)展與經(jīng)濟增長：生產(chǎn)率促進抑或資本形成[J].世界經(jīng)濟，2010（2）：37-50.

[18]余利豐，鄧柏盛，王菲.金融發(fā)展與中國生產(chǎn)率增長——隨機前沿分析的視角[J].2011（8）：105-112.

[19]李健，衛(wèi)平.金融發(fā)展與全要素生產(chǎn)率增長[J].經(jīng)濟理論與經(jīng)濟管理，2015（8）：47-64.

[20 ]陳啟清，貴斌威.金融發(fā)展與全要素生產(chǎn)率：水平效應與增長效應[J].經(jīng)濟理論與經(jīng)濟管理，2013（7）：58-69.

[21]BENCIVENGA V R，SMITH B.Financial intermediation and endogenous growth[J].Review of economic studies，1991 （2）：195-209.

[22]GREENWOOD J，SMITHB D.Financial markets in development，and the development of financial markets[J].Journal of economic dynamics and control，1997（1）：145-181.

[23]FUENTE A DE LA，MARIN J M.Innovation，bank monitoring，and endogenous financial development[J].Journal of monetary economics，1996（2）：269-301.

[24]LAEVEN L，LEVINE R，MICHALOPOULOS S.Financial innovation and endogenous growth[J].Journal of financial intermediation，2015（1）：1-24.

[25]蘇基溶，廖進中.開放條件下的金融發(fā)展、技術進步與經(jīng)濟增長[J].世界經(jīng)濟文匯，2009（5）：90-105.

[26]陽佳余，賴明勇.金融發(fā)展與基于水平創(chuàng)新的內生增長模型[J].中國管理科學，2007（2）：21-27.

[27]李健，盤宇章.金融發(fā)展、實體部門與全要素生產(chǎn)率增長[J].經(jīng)濟科學，2017（5）：16-30.

[28]余泳澤.中國省際全要素生產(chǎn)率動態(tài)空間收斂性研究[J].世界經(jīng)濟，2015（10）：30-55.

[29]FARE R，GROSSKOPF S，MARY N，et al.Productivity growth，technical progress，and efficiency change in industrialized countries[J].American economic review，1994（84）：66-83.

[30]章祥蓀，貴斌威.中國全要素生產(chǎn)率分析：Malmquist指數(shù)法評述與應用[J].數(shù)量經(jīng)濟技術經(jīng)濟研究，2008（6）：111-122.

[31]MUHAMMAD N，ISLAM A R M，MARASHDEH H A.Financial development and economic growth：an empirical evidence from the GCC countries using static and dynamic panel data[J].Journal of economics and finance，2016 （4）：773-791.

[32]ARCAND J L，BERKES E，PANIZZA U.Too much finance？[J].Journal of economic growth，2015（2）：105-148.

[33]黃智淋，董志勇.我國金融發(fā)展與經(jīng)濟增長的非線性關系研究——來自動態(tài)面板數(shù)據(jù)門限模型的經(jīng)驗證據(jù)[J].金融研究，2013（7）：74-86.

[34]劉瑞明，趙仁杰.國家高新區(qū)推動了地區(qū)經(jīng)濟發(fā)展嗎？[J].管理世界，2015（8）：30-38.

[35]李健，衛(wèi)平.民間金融和全要素生產(chǎn)率增長[J].南開經(jīng)濟研究，2015（5）：74-91.

[36]陳仲常，謝波.人力資本對全要素生產(chǎn)率增長的外部性檢驗——基于我國省際動態(tài)面板模型[J].人口與經(jīng)濟，2013（1）：68-75.

[37]李健，馮山，代昀昊.國家級高新區(qū)和中國城市全要素生產(chǎn)率增長——基于雙重差分方法的研究[J].經(jīng)濟經(jīng)緯，2020（1）：9-16.

The Effects of Financial Development on Total Factor Productivity Growth in China s Cities

——Empirical Analysis Based on the Panel Data of 260 Cities

Li Jian1，Xin Chongchong2

（1.School of Economics，Bohai University，Jinzhou 121000，China;2.National Academy of Economy Strategy，Chinese Academy of Social Science，Beijing 100028，China）

Abstract：? ?Based on the balanced panel data of 260 prefecture-level and above cities in 30 regions of China during the period of 2000-2016，this paper uses the three-input DEA-Malmquist index method to measure and analyze the growth rate of urban total factor productivity（TFP） in China.Further，the paper constructed a dynamic panel regression model to empirically examine the relationship between financial development and urban total productivity growth.The empirical results show that the overall TFP of Chinese cities during the period of 2000-2016 show a growth trend，and the driving force behind the overall TFP growth in Chinese cities is the technological progress and improvement of technical efficiency，while the former contributes more to total TFP.Financial development plays a significant role in promoting the total TFP growth in cities，but the effects presents regional heterogeneity.The role played by financial development in the growth of urban total factor productivity shows a declining trend in the east-west-central region;Financial development has a greater effect on the growth of total factor productivity in high-administrative cities;Financial development contributes more to total factor productivity in cities under a population of 5 million than that of cities above 5 million.

Key words：? ?financial development;city;total factor productivity ;heterogeneity;difference GMM

責任編輯 （責任編輯：蔡曉芹）