金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應分析

王丹妮 劉勝粵

摘 要：本文基于長江以南相鄰14個省市區(qū)2012—2021年近十年的面板數(shù)據(jù)，對各省市區(qū)的金融行業(yè)區(qū)位熵和人均GDP進行全局和局部自相關檢驗，發(fā)現(xiàn)區(qū)域間存在空間相關性?；诖?，本文建立空間計量模型，深入研究金融集聚對長江以南區(qū)域經(jīng)濟增長的空間溢出效應。研究發(fā)現(xiàn)：長江以南14省市區(qū)的金融集聚和經(jīng)濟增長具有較為穩(wěn)定且顯著的正向空間相關關系，且近十年來具有增強趨勢，但金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應不夠明顯，僅銀行業(yè)集聚對周邊區(qū)域具有顯著的空間溢出效應。

關鍵詞：莫蘭指數(shù)；區(qū)位熵；金融集聚；區(qū)域經(jīng)濟增長；空間杜賓模型

本文索引：王丹妮，劉勝粵.金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應分析[J].中國商論，2023（10）：-163.

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2023）05（b）--05

1 引言

隨著經(jīng)濟全球化的發(fā)展，金融資源逐漸在部分區(qū)域發(fā)生空間集聚，部分金融集聚程度高的城市逐漸演化為金融中心，進而推動本地區(qū)的經(jīng)濟發(fā)展。此外，由于“涓流效應”與“極化效應”，金融集聚對周邊區(qū)域經(jīng)濟的發(fā)展產(chǎn)生了一定程度的影響?！颁噶餍敝竿ㄟ^資本、技術與金融人才等金融資源的流通和共享，金融集聚程度高的城市將為周邊區(qū)域的經(jīng)濟發(fā)展帶來動力。“極化效應”指金融集聚區(qū)壟斷了金融資源，導致其與周邊區(qū)域的分化日益嚴重，因此會阻礙后者的經(jīng)濟發(fā)展。金融集聚現(xiàn)象是金融產(chǎn)業(yè)發(fā)展到一定程度的體現(xiàn)，在當前我國經(jīng)濟新常態(tài)背景下，研究金融集聚與經(jīng)濟發(fā)展的關系將會促進金融與經(jīng)濟高質量發(fā)展，進而為實體經(jīng)濟發(fā)展提供高效的金融支持，最終提升人民生活水平。

2 文獻綜述

對金融集聚與經(jīng)濟增長關系的研究，國外開始較早，已經(jīng)形成了較為完整的研究體系。Bagehot（1873）從產(chǎn)業(yè)結構角度進行分析，認為金融集聚能夠通過提供融資服務的方式促進產(chǎn)業(yè)結構升級。Patrick（1966）將研究對象分為發(fā)達國家和發(fā)展中國家，認為發(fā)達國家金融與經(jīng)濟發(fā)展模式是經(jīng)濟發(fā)展促進了金融集聚的形成，而發(fā)展中國家與此相反。Anselin（1988）從地理維度進行分析，發(fā)現(xiàn)相鄰區(qū)域的金融與經(jīng)濟發(fā)展具有空間關聯(lián)性。Law和Singh（2014）認為，金融集聚并不能絕對地促進經(jīng)濟增長，只有在一定閾值范圍內(nèi)才能正向促進經(jīng)濟發(fā)展。Sehrawat和Giri（2016）對SAARC國家的金融集聚進行研究，發(fā)現(xiàn)短期內(nèi)金融集聚能夠單向促進經(jīng)濟發(fā)展，但從長期來看，兩者是相互促進關系。

國內(nèi)也有較多學者對該論題進行了深入的研究。姜冉（2010）通過研究發(fā)現(xiàn)，泛珠三角地區(qū)的金融集聚促進了區(qū)域間的經(jīng)濟增長，且促進作用表現(xiàn)為持續(xù)時間長且穩(wěn)定的狀態(tài)。李林等（2011）建立了SLM、SEM、SDM三種空間計量模型分析金融集聚對經(jīng)濟增長的空間溢出效應，研究發(fā)現(xiàn)，我國金融集聚的溢出效應有限，且主要體現(xiàn)為銀行業(yè)的集聚。王寶強和周勇（2021）對全國31個省的數(shù)據(jù)進行分析，結果表明，金融集聚對經(jīng)濟增長具有正向促進作用，且東中西部存在空間異質性。姜明欣（2022）基于西部12省數(shù)據(jù)，運用SDM模型進行分析，發(fā)現(xiàn)西部地區(qū)的金融集聚水平較低，對經(jīng)濟發(fā)展的促進作用有限。

本文在借鑒前述研究的基礎上，選擇我國長江以南14個省、自治區(qū)及直轄市作為研究對象，使用空間杜賓模型，對長江以南區(qū)域的金融集聚及其對經(jīng)濟發(fā)展的空間溢出效應進行分析。

3 變量選取和模型設定

3.1 變量選取及數(shù)據(jù)來源

3.1.1 被解釋變量

本文選取長江以南14個省市區(qū)人均GDP為解釋變量，衡量地區(qū)經(jīng)濟發(fā)展水平。實證分析中，對人均GDP取對數(shù)，保證回歸結果的穩(wěn)定性。

3.1.2 解釋變量

衡量產(chǎn)業(yè)集聚水平的指標有赫芬達爾指數(shù)、因子分析法及區(qū)位熵等，經(jīng)過閱讀文獻并對不同研究方法進行比較分析，本文運用銀行業(yè)、保險業(yè)及證券業(yè)的區(qū)位熵作為衡量地區(qū)金融集聚水平的指標，計算公式分別為：

其中，表示i地區(qū)銀行業(yè)第t年末貸款余額；表示i地區(qū)保險業(yè)第t年末原保費收入；表示i地區(qū)證券業(yè)第t年末上市公司市值；表示i地區(qū)第t年末常住人口數(shù)量。表示全國銀行業(yè)第t年末貸款余額；表示全國保險業(yè)第t年末原保費收入；表示全國證券業(yè)第t年末上市公司市值；表示全國第t年末常住人口數(shù)量。區(qū)位熵值越高，表明相對全國平均水平，該地區(qū)金融集聚水平較高。

3.1.3 控制變量

本文選取固定資產(chǎn)投資水平（fixin）、政府支出水平（gov）、就業(yè)人員占比（se）、金融發(fā)展水平（fl）及金融發(fā)展效率（fe）作為控制變量。實證分析中，對以上指標取對數(shù)，保證回歸結果的穩(wěn)定性，計算公式如下：

固定資產(chǎn)投資水平（fixin）=固定資產(chǎn)投資總額/GDP

政府支出水平（gov）=政府財政支出/GDP

就業(yè)人員占比（se）=年末就業(yè)人口數(shù)量/年末常住人口數(shù)量

金融發(fā)展水平（fl）=金融機構年末貸款余額/GDP

金融發(fā)展效率（fe）=金融機構年末存貸比

3.1.4 數(shù)據(jù)來源

本文研究使用的數(shù)據(jù)來源于中國及各省市區(qū)統(tǒng)計年鑒、國家統(tǒng)計局官網(wǎng)、中國人民銀行官網(wǎng)、中國銀保監(jiān)會官網(wǎng)及choice金融終端。本文實證研究部分均通過stata15進行分析。

3.2 模型設定

本文基于2012—2021年長江以南14個省區(qū)市的面板數(shù)據(jù)，研究分析金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應，依次進行莫蘭全局及局域空間自相關檢驗、LM檢驗、豪斯曼檢驗及LR檢驗，最終確定建立空間杜賓模型，公式如下：

Lnpgdp = α1Lnbank+α2Lninsure+α3Lnstock+β1Lnfixin+β2Lngov+β3Lnse+β4Lnfl+β5Lnfe+λ1LnW_bank +λ2LnW_insure+λ3LnW_stock+ε

其中，W為基于人均GDP計算的經(jīng)濟地理嵌套權重矩陣；λ1LnW_bank、λ2LnW_insure、λ3LnW_stock分別表示銀行業(yè)、保險業(yè)和證券業(yè)的空間變量；ε為誤差項。

4 實證研究

4.1 空間自相關檢驗

進行空間溢出效應分析的前提是變量存在空間自相關關系，因此在建立空間計量模型之前需要進行空間自相關檢驗。空間自相關檢驗分為全局空間自相關和局域空間自相關檢驗，前者反映了變量之間是否具有空間依賴性，后者則體現(xiàn)了變量之間是否存在空間異質性。

4.1.1 全局空間自相關檢驗

是應用最為廣泛的空間自相關統(tǒng)計量，公式如下：

其中，N為空間單元數(shù)量；表示變量在空間單元i的觀察值；為變量y的均值；為空間權重矩陣；是空間權重矩陣所有元素的求和。Moran's I指數(shù)的取值范圍是[-1，1]，若為負值，說明變量存在負的空間自相關；若為正數(shù)，則表明變量存在正的空間自相關；若接近0，則變量不存在空間自相關（見表1）。

由表1可知，2012—2021年銀行業(yè)、保險業(yè)、證券業(yè)區(qū)位熵的全局莫蘭統(tǒng)計量均為正數(shù)，且呈上升趨勢，并具有較強的顯著性。其中，銀行業(yè)的全局莫蘭指數(shù)最大，其次是保險業(yè)，最后為證券業(yè)，與南方部分省份的保險業(yè)、證券業(yè)發(fā)展較為落后有關。人均GDP的全局莫蘭統(tǒng)計量為0.4左右，且在1%顯著性水平上顯著。由此可以看出，長江以南14省市區(qū)的金融集聚與經(jīng)濟增長變量均具有較強的正向空間自相關關系。

4.1.2 局域空間自相關檢驗

局域空間自相關統(tǒng)計量（Local Moran's I）可以對Moran's I統(tǒng)計量進行分解，發(fā)現(xiàn)每個空間單元變量的貢獻，兩者可能一致，也可能相悖，公式如下：

其中，N為空間單元數(shù)量；和表示所分析變量的觀察值；為變量y的均值；為空間權重矩陣。Local Moran's I可以用散點圖形式體現(xiàn)，表明各區(qū)域變量之間的差異程度。散點圖分為四個象限，第一象限（HH）為高高集聚，指該地區(qū)金融集聚或經(jīng)濟發(fā)展水平較高，其周邊省市區(qū)的金融集聚或經(jīng)濟發(fā)展水平也較高；第二象限（LH）為低高集聚，指該地區(qū)金融集聚或經(jīng)濟發(fā)展水平較低，其周邊省市區(qū)的金融集聚或經(jīng)濟發(fā)展水平較高；第三象限（HL）為高低集聚，指該地區(qū)金融集聚或經(jīng)濟發(fā)展水平較高，其周邊省市區(qū)的金融集聚或經(jīng)濟發(fā)展水平較低；第四象限（LL）為低低集聚，指該地區(qū)金融集聚或經(jīng)濟發(fā)展水平較低，其周邊省市區(qū)的金融集聚或經(jīng)濟發(fā)展水平也較低。為了更清晰地顯示區(qū)域間的差異，將散點圖進行整理，如表2所示。

由表2可知，銀行業(yè)區(qū)位熵莫蘭散點圖中，福建2012年位于第二象限（LH），2021年位于第一象限（HH）。保險業(yè)區(qū)位熵莫蘭散點圖中，湖北2012年位于第二象限（LH），2021年位于第四象限（HL）。證券業(yè)區(qū)位熵莫蘭散點圖中，福建、江蘇由2012年位于第二象限（LH）改變?yōu)?021年的第一象限（HH）；云南、貴州2012年位于第三象限，2021年分別位于第二象限（LH）和第四象限（HL）。人均GDP的莫蘭散點圖區(qū)域分布情況基本無變化。綜上，本文對比2012年和2021年金融集聚和經(jīng)濟增長的局域空間自相關檢驗結果發(fā)現(xiàn)，莫蘭散點圖的四個象限分別包含的省區(qū)市變化不大，且大部分省市區(qū)位于第一象限（HH）和第三象限（LL），僅有少數(shù)省份位于第二象限（LH）和第四象限（HL），高高或低低集聚情況較為明顯，說明長江以南14省市區(qū)的金融集聚和經(jīng)濟增長存在較為長期穩(wěn)定的空間自相關關系。

4.2 空間杜賓模型

4.2.1 固定效應空間杜賓模型

上文的全局空間自相關及局域空間自相關檢驗結果顯示，長江以南14省市區(qū)的金融集聚與經(jīng)濟增長變量均具有較強的空間相關性。因此，為了進行更為合理的分析，有必要構建空間計量模型。空間計量模型分為空間誤差模型（SEM）、空間滯后模型（SAM）和空間杜賓模型（SDM），為了準確選擇適當?shù)哪Ｐ瓦M行分析，本文對變量依次進行LM檢驗、豪斯曼檢驗和LR檢驗。首先，進行OLS回歸和LM檢驗。LM檢驗的目的是與簡單的OLS模型對比，判斷是否有必要使用空間計量模型。LM檢驗結果顯示，空間滯后模型和空間誤差模型均在1%顯著性水平上顯著，因此考慮使用空間杜賓模型。其次，進行豪斯曼檢驗。豪斯曼檢驗是為了判斷模型是適合使用隨機效應或固定效應空間杜賓模型。由于豪斯曼檢驗結果在1%顯著性水平上顯著，所以應使用固定效應空間杜賓模型進行分析。最后，進行LR檢驗。LR檢驗是為了判斷空間杜賓模型是否會退化為空間誤差模型或空間滯后模型。LR檢驗結果在1%顯著性水平上顯著。結合上述檢驗結果，本文最終選用固定效應空間杜賓模型，而固定效應分為空間固定、時間固定和雙固定效應，回歸結果如表3所示。

由表3可知，空間固定效應模型擬合度最高（R?= 0.9674），其次是時間固定效應模型，而雙固定效應模型的擬合度最低。因此，選擇空間固定效應模型進行空間溢出效應分析?？臻g固定效應模型既能顯示金融集聚對本地區(qū)經(jīng)濟增長的影響情況，又能顯示對相鄰地區(qū)經(jīng)濟增長的空間溢出效應。由表3可知，空間自回歸系數(shù)（Spatial rho）大于0，且高度顯著，說明長江以南14省市區(qū)的經(jīng)濟增長具有高度空間相關性。在對本地區(qū)經(jīng)濟增長的影響方面，解釋變量銀行業(yè)集聚（lnbank）、證券業(yè)集聚（lnstock）均對本省市區(qū)經(jīng)濟增長有顯著的正向影響；控制變量中，固定資產(chǎn)投資（lnfixin）和就業(yè)人員占比（lnse）對本省市區(qū)經(jīng)濟增長有顯著的促進作用，而政府支出（lngov）、金融發(fā)展水平（lnfl）和金融發(fā)展效率（lnfe）對本地區(qū)的經(jīng)濟增長具有一定程度的抑制作用。在對周邊區(qū)域經(jīng)濟增長的影響方面，解釋變量銀行業(yè)集聚（lnbank）對周邊地區(qū)具有抑制作用，政府支出（lngov）、金融業(yè)發(fā)展水平（lnfl）和金融發(fā)展效率（lnfe）三個控制變量均對周邊地區(qū)具有顯著的促進作用。

4.2.2 空間固定效應杜賓模型的效應分解

為了更清晰地觀察金融集聚對本地區(qū)及周邊地區(qū)經(jīng)濟增長的影響，可以對空間固定效應杜賓模型的溢出效應進行分解，包括直接效應、間接效應和總效應。由表4可知，解釋變量中，銀行業(yè)區(qū)位熵（lnbank）、保險業(yè)區(qū)位熵（lninsure）和證券業(yè)區(qū)位熵（lnstock）直接效應正向顯著，說明金融行業(yè)的發(fā)展能夠促進本地區(qū)的經(jīng)濟增長。銀行業(yè)區(qū)位熵（lnbank）間接效應為負數(shù)且顯著，說明銀行業(yè)對周邊地區(qū)的經(jīng)濟增長具有抑制作用。這可能是因為銀行業(yè)具有吸收存款的功能，本地區(qū)銀行業(yè)的發(fā)展吸納了周邊地區(qū)部分資金，因此抑制了周邊地區(qū)的經(jīng)濟發(fā)展。保險業(yè)區(qū)位熵（lninsure）和證券業(yè)區(qū)位熵（lnstock）間接效應不顯著，說明保險業(yè)和證券業(yè)對周邊地區(qū)的影響不大。長江以南14省市區(qū)中，既有金融經(jīng)濟高度發(fā)達的廣東、上海、浙江和江蘇，又有經(jīng)濟相對落后的廣西、云南及貴州等。經(jīng)濟發(fā)達地區(qū)由于具有人才、技術及資源優(yōu)勢，證券業(yè)發(fā)展較為迅速，居民對保險業(yè)的需求也較充足；后者則處于劣勢，各類經(jīng)濟金融資源匱乏，地區(qū)之間差距較大且缺乏深入合作交流，因此區(qū)域之間證券業(yè)、保險業(yè)集聚的空間溢出效應不明顯。

控制變量中，固定資產(chǎn)投資（lnfixin）和就業(yè)人員占比（lnse）的直接效應為正數(shù)且顯著，說明固定資產(chǎn)投資及就業(yè)率的提高對本地區(qū)經(jīng)濟增長具有拉動作用。政府支出（lngov）、金融發(fā)展水平（lnfl）及金融發(fā)展效率（lnfe）為負數(shù)且顯著，說明政府支出、金融發(fā)展水平和金融發(fā)展效率對本地區(qū)經(jīng)濟發(fā)展不利，可能是因為我國經(jīng)濟目前正在轉變發(fā)展方式，從經(jīng)濟高速發(fā)展進入經(jīng)濟高質量發(fā)展階段，存在結構性產(chǎn)能過剩的情況，因此過高的政府支出水平和金融發(fā)展水平可能帶來“擁擠效應”。金融發(fā)展水平（lnfl）和金融發(fā)展效率（lnfe）的間接效應和總效應為正且顯著，可能是因為金融發(fā)展水平和金融發(fā)展效率越高的區(qū)域會形成模范作用，最終對周邊地區(qū)產(chǎn)生正向影響。

5 結語

本文基于2012—2021年長江以南14省市區(qū)面板數(shù)據(jù)，分析金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應，研究結論如下：

一是通過全局空間自相關和局域空間自相關檢驗發(fā)現(xiàn)，長江以南14省市區(qū)的金融集聚和經(jīng)濟增長變量具有較為穩(wěn)定且顯著的正向空間自相關關系，且近十年來具有增強趨勢。

二是通過建立空間固定效應杜賓模型進行分析，發(fā)現(xiàn)解釋變量及控制變量均對本地區(qū)經(jīng)濟增長具有顯著的影響；在對周邊地區(qū)的影響方面，解釋變量中僅有銀行業(yè)集聚變量對周邊地區(qū)經(jīng)濟發(fā)展具有顯著的負向空間溢出效應，保險業(yè)和證券業(yè)具有正向的空間溢出效應但不顯著。控制變量中，金融發(fā)展水平、金融發(fā)展效率兩個控制變量對周邊地區(qū)具有空間溢出效應。

綜合來看，長江以南14省市區(qū)的金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應不夠強，可能是由于14省市區(qū)之間的金融經(jīng)濟交流與合作不夠深入，區(qū)域間仍然存在較大差距。

結合上述研究結論，本文建議如下：首先，利用上海、廣東、江蘇、浙江等東南部經(jīng)濟發(fā)達省市區(qū)的區(qū)域優(yōu)勢，發(fā)揮金融集聚的“擴散效應”，加強與湖南、湖北等中部及廣西、云南、貴州等西南部經(jīng)濟較為落后地區(qū)的交流，帶動后者的金融經(jīng)濟增長。其次，合理規(guī)劃西南地區(qū)的金融業(yè)資源布局，并實行合理有效的政策引導金融人才、技術及資本等金融資源向西南地區(qū)逐漸流入，進而刺激該地區(qū)金融集聚對本地區(qū)經(jīng)濟增長的促進作用。最后，加強金融創(chuàng)新，利用金融科技等先進手段與技術，使金融發(fā)展得以提質增效，減少“擁擠效應”，并轉變經(jīng)濟發(fā)展方式，進而促進實體產(chǎn)業(yè)的有效發(fā)展。

參考文獻

BAGEHOT W. Lombard Street： A Description of the Money Market[M].London：Henry S. King & Company，1873.

PATRICK H T.Financial development and economic growth in underdeveloped countries [J].Economic Development and Cultural Change，1966，14（2）： 37-54.

Anselin L.Spatial Econometrics：Methods and Models[M]. Springer Netherlands，1988.

Siong Hook Law， Nirvikar Singh. Does TooMuch Finance Harm Economic Growth [J]. Journal of Banking and Finance， 2014（41）： 36-44.

Sehrawat M， Giri A K. The Impact of Financial Development on Economic Growth： Evidence from SAARC Countries [J]. International Journal of Emerging Markets， 2016， 11（4）： 569-583.

姜冉.泛珠三角地區(qū)金融集聚與經(jīng)濟增長：基于1982—2007年的數(shù)據(jù)分析[J].經(jīng)濟研究導刊，2010（20）：60-61.

李林，丁藝，劉志華.金融集聚對區(qū)域經(jīng)濟增長溢出作用的空間計量分析[J].金融研究，2011（5）：113-123.

王寶強，周勇.金融集聚對經(jīng)濟增長的空間效應研究：基于省域面板數(shù)據(jù)的空間計量分析[J].經(jīng)濟視角，2021，40（5）：75-85.

姜明欣.金融集聚對經(jīng)濟增長的空間溢出效應研究：基于西部 12 省區(qū)市數(shù)據(jù)[J].河北企業(yè)，2022（2）：17-19.