金融集聚的區域差異及影響因素的空間計量分析

陳 俊，胡宗義，劉亦文

（湖南大學 金融與統計學院，湖南長沙 410079）＊

一、問題的提出及文獻綜述

空間集聚是金融產業的重要特征，全球金融產業集聚現象越來越突出。目前在國際上，金融產業已形成了三大金融中心——紐約、倫敦和東京。我國金融產業集聚仍處于低水平狀態，但金融產業集聚趨勢越來越明顯，北京、上海、深圳、天津等城市已經展現良好的發展前景。

國內外很多學者從不同角度對影響金融產業集聚的因素進行了深入分析，Davis（1988）首次將企業選址理論運用到金融產業集聚形成的研究中［1］。Naresh R.Pandit（2001）等對英國大倫敦區、西北區、南蘇格蘭區等三大金融產業集聚進行比較、分類和分級，并分析了金融產業集聚帶來的經濟社會效益［2］。Taylor（2003）等對倫敦的金融服務業集聚進行了實證研究，從而使集聚理論由制造業拓展到了金融服務業，他們認為地理鄰近和人際關系是金融集聚的關鍵［3］。國內不少學者基于不同的理論、采取不同的計量方法對影響中國金融集聚的主要因素進行了理論歸并和實證研究，如李偉軍（2011）基于區域經濟學、信息經濟學和金融學的相關理論，采用長三角城市群面板數據和現代計量分析方法，認為地區行政層級和信息基礎設施整合而成的“信息源”是金融產業集聚的主導力量［4］。駱永民、劉艷華（2011）使用省級面板數據和面板向量自回歸模型對金融集聚、人力資本與房價三者關系進行了實證研究［5］。車欣薇等（2012）揭示了地理因素所導致的機會成本、規模效益、金融服務產業在經濟中所占份額和金融信息量是金融集聚的決定因素［6］。黃解宇和楊再斌（2006）認為金融本身的高流動性、規模經濟效應以及金融主體的空間鄰近等三方面因素對加快金融產業集聚具有促進作用［7，8］。國內學者還從不同角度探討了金融集聚對區域經濟的增長效應和輻射效應。劉紅（2008）研究發現金融資源集中可以使得核心區獲得較前更高的增長率［9］。李林等（2011）發現我國行政體制卻制約了金融集聚的輻射作用的發揮［10］。

不難發現，金融業集聚的現象已引起了眾多學者的關注，然而大多數都是以理論研究為主，輔以大量的金融集聚案例分析，僅有較少的文獻對金融集聚做實證研究，并且已有的關于中國金融業集聚的文獻較少考慮空間因素。為此，本文以資源稟賦理論、新經濟理論和產業政策理論為依托，以空間計量分析方法為工具，利用2005～2010年我國31個省、自治區、直轄市（港、澳、臺除外）的面板數據進行實證研究，分析金融產業集聚影響因素。

二、變量選擇、模型設計與數據處理

（一）變量選擇

1.要素稟賦。要素稟賦（Factor Endowments）包括土地、勞動和資本等三個要素，考慮人力資本和區位兩個要素對金融集聚發展的影響，分別用HC和COAST表示。人力資本變量的設置，參考姚德龍（2008）的做法，用各省區以上人口中受過高中和大專及以上教育所占的比重來衡量［12］。把區位分為沿海地區省份和非沿海地區省份兩大類。沿海省包括15個省級行政單位，沿海省的虛擬變量設為1，非沿海地區設為0。

2.產業外部性。選用全國法人單位數中金融法人單位數所占的比重來衡量金融企業的前后向關聯所導致的產業外部性，用JN表示。

3.經濟基礎。用各地區國民生產總值中的財政收入總額所占比例來衡量各地區經濟基礎的發展水平，用GOV表示。

4.對外開放。設置出口額占GDP的比值來綜合反映各地區對外開放程度，用OPEN表示。

5.產業政策。設置金融發展水平作為政策變量來檢驗產業政策對金融產業集聚的影響，用金融機構貸款額占GDP比重來衡量一地的產業政策對金融集聚的解釋，用FD表示。

（二）模型的建立與數據說明

建立面板數據空間計量模型，分析變量的空間相關性以及其影響因素，模型如下：

式中，LQi表示省份i金融產業區位熵，可充分比較不同地區金融集聚程度，確定該地區金融產業集中狀況在全國所處的位置。

其中，Eij指省份i內金融業生產總值，Ei指省份i內的地區生產總值，Ekj表示全國金融業生產總值，Ek指國內生產總值。

式（1）中Geography表示經濟地理因素的向量，包括沿海區位（COAST）與人力資本（HC）；New－Geography表示新經濟地理因素的向量，包括產業外部性（JN）、經濟基礎（GOV）和對外開放（OPEN）；Policy表示產業政策因素的向量，包括金融機構貸款占GDP比重（FD）；i為1，2，……31個省份，εi為隨機誤差項。

本文所使用的數據是剔除價格因素影響的31個省市的2005～2010年的面板數據，所有數據均來源于《中國統計年鑒》。

三、實證研究

（一）空間自相關性分析

利用我國31個省市的2005～2010年金融集聚指標的面板數據，利用GEODA軟件可以計算出Moran’I指數及其檢驗結果見表1。

表1 中國31個省市金融集聚Moran’s I指數及其Z值

從表1可以看出，各地區金融產業集聚的Moran’s I的正態統計量Z值均大于正態分布函數在0.05顯著水平下的臨界值（1.96），這表明我國31個省市金融集聚發展具有明顯的空間正自相關性。

圖1是我國2009年各地區金融產業集聚的Moran’I散點圖，多數省市處在第一象限（高－高）和第三象限（低－低），上海、浙江、天津、福建和江蘇等5個省市處在第一象限中，表明金融產業集聚水平相對較高的省份相鄰近，且都處于東部沿海地區。第三象限有黑龍江、吉林、遼寧、內蒙古、甘肅、河南、陜西、青海、山東、安徽、四川、湖北、湖南、云南、貴州、新疆、西藏等，表明金融產業集聚水平相對較低的省份相鄰。總體上，我國位于第二、四象限的省域不多，金融產業集聚發展分化較為明顯，這表明了我國省域的金融集聚在地理空間分布存在一定程度的依賴性和異質性。

（二）模型OLS估計結果

表2列出了資源稟賦、新經濟地理、政策因素分別對金融集聚的影響，同時也列出了它們聯合對金融集聚的影響，模型Ⅰ是只包含了資源稟賦對金融集聚的影響，模型Ⅱ和模型Ⅲ是分別只包含了經濟地理因素和政策因素的OLS估計結果，模型Ⅳ是包括了資源稟賦、新經濟地理和產業政策的全部變量的OLS估計結果。

圖1 我國2009年省域的金融集聚度的Moran’s I指數散點圖

表2 模型Ⅰ、Ⅱ、Ⅲ、Ⅳ的OLS估計結果

結果顯示，資源稟賦能部分地解釋金融集聚現象，但在加入新經濟地理變量和產業政策變量后，資源稟賦對金融集聚的影響不再顯著，經濟基礎和產業政策對金融集聚有明顯的促進作用，但對外開放程度和產業外部性對金融集聚無明顯的促進作用。

回歸診斷顯示出非正態和異方差性，以及高度空間自相關。由表2知模型R2＝0.7937，可決系數很高，但解釋變量的t值顯著，且系數的符號與實際情況并不一致，這表明解釋變量之間有可能存在多重共線性，通過對模型進行Breusch－Pagan檢驗可以看出模型Ⅳ中存在異方差。

本文采用逐步回歸來消除多重共線性問題。分別做LQ9對COAST、JN、HC、GOV、OPEN、FD的一元回歸，結果如下：

表3 一元回歸結果

從表3可以看出，加入經濟基礎變量的方程可決系數最大，達到了0.7189，以經濟基礎變量為基礎，順次加入其他變量逐步回歸，結果見表4。從表4可以看出，新加入政策因素的方程可決系數改進最大，達到了0.7708，而且各參數的t檢驗顯著，選擇保留FD，再加入其他新的變量逐步回歸，結果顯示對R2沒有明顯改進，并且t檢驗變得不顯著。

（三）空間計量模型的選擇與估計

從空間自相關結果分析可知，我國各地區金融業發展存在顯著的空間自相關性。所以，應該將空間影響因素納入到模型的研究當中來。面板數據空間計量模型可以分為空間滯后面板數據模型（SLPDM）和空間誤差面板數據模型（SEPDM）。Moran’s I檢驗結果均顯著支持面板數據空間計量模型。本文運用LeSage編寫Matalab空間計量數據包，得出的各模型的相關系數和檢驗結果如表5所示。

表4 加入新變量的回歸結果

表5 SLM和SEM的ML估計結果

（四）空間計量模型的回歸結果分析

表5結果顯示：SEM對R2改進較大，SLM對R2沒有明顯改進，且W＿LQ9沒有通過t檢驗。LM檢驗結果也表明LM－Error比LM－Lag檢驗統計量更加顯著，因此，選擇空間誤差模型（SEM）。從表5可以看出，我國金融產業集聚在地區間存在空間溢出效應。

四、結 論

以上基于2005～2010年我國31個省、自治區、直轄市的面板數據，運用空間計量分析方法對我國金融產業集聚的影響因素進行了研究，結果發現：（1）我國金融產業的正向空間自相關性與空間集聚性正不斷增強，鄰接地區的金融產業集聚具有空間溢出效應；（2）資源稟賦能部分解釋中國金融產業區域集聚，在控制新經濟地理與產業政策因素影響下，資源稟賦因素對金融產業集聚的影響不再顯著；（3）新經濟地理變量和產業政策變量對金融集聚有正的促進作用；（4）中國金融產業集聚水平呈現出明顯的區域差異，具體表現為東高西低的空間分布格局。

［1］Davis，E.P.International financial centers－an industrial analysis［J］.Bank of England Discussion，1998：50－57.

［2］Naresh R.Pandit，Gary A.S.Cook，G.M.Peter Swann.The dynamics of industrial clustering in british financial services［J］.The Service Industries Journal，2001，21（4）：31－61.

［3］Peter J.Taylor，Jonathan V.Beaverstock，Gary Cook，Naresh Pandit，Kathryn Pain and Helen GreenWood.Financial services clustering and its significance for london［M］.London：Corporation of London，2003.

［4］李偉軍.區行政層級、信息基礎與金融集聚的路徑選擇——基于長三角城市群面板數據的實證分析［J］.財經研究，2011，37（11）：80－90.

［5］駱永民，劉艷華.金融集聚、人力資本與房價——anelVAR模型［J］.財貿研究，2011，（4）：93－101.

［6］車欣薇，部慧，梁小珍，等.一個金融集聚動因的理論模型［J］.管理科學學報，2012，15（3）：16－29.

［7］黃解宇，楊再斌.金融集聚論：金融中心形成的理論與實踐解析［M］.北京：中國社會科學出版社，2006.

［8］黃解宇.金融集聚研究綜述［J］.工業技術經濟，2008，27（1）：143－146.

［9］劉紅.金融集聚對區域經濟的增長效應和輻射效應研究［J］.上海金融，2008，（6）：14－19.

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

［11］劉玲，陶士貴.中國區域金融差異對經濟發展的影響—— 基于空間經濟學F2模型的實證分析［J］.財經理論與實踐，2012，（4）：7－11.

［12］韓占兵.區域經濟發展差異對企業融資結構影響的實證研究——基于上市公司面板數據模型的分析［J］.稅務與經濟，2011，（1）：40－44.

［13］李鑌，唐松，祝佳.基于集聚視角下的物流產業培育研究［J］.湖湘論壇，2011，（2）：107－109.

［14］姚德龍.中國省域工業集聚的空間計量經濟學分析［J］.統計與決策，2008，（3）：123－124.