金融業集聚對城鎮化的影響及空間效應研究

彭新宇 蔣一帆 李孟民

摘?要：依據全國31個省、市、自治區的省域空間面板數據，構建空間面板模型，考量金融業集聚對城鎮化的影響及空間外溢效應。結果顯示：我國省域城鎮化率大部分集中在HH象限（高值集聚）和LL象限（低值集聚），呈現較為明顯的空間自相關性;全國層面，金融業集聚對城鎮化的直接效應系數和間接效應系數均顯著為正，說明金融業集聚對本省城鎮化有顯著的正向影響，且具有正向的空間外溢效應，能促進周邊省份的城鎮化;分東、中、西區域層面，東部地區金融業集聚對城鎮化具有正向的影響，且具正向空間外溢效應，但在中西部地區，影響均不顯著。基于此，應加強金融業集聚區建設，構建金融業集聚推進城鎮化作用機制，在東中西區域科學布局建設金融中心。

關鍵詞：?金融業集聚;城鎮化;空間自相關性;空間外溢效應

中圖分類號：F299.21;F832文獻標識碼：?A文章編號：1003-7217（2020）02-0048-07

一、引?言

金融資源的高度流動性使得金融的地理區位特征成為影響經濟增長的一個重要變量。一直以來，金融業發展就呈現出空間集聚的地理特征，這表現為各類金融機構在地域上向特定區域集中的經濟現象。自19世紀早期，英國銀行業就已出現集中化趨勢。20世紀70年代以來，金融集聚的趨勢日趨明顯，世界范圍內出現了以倫敦金融城、紐約曼哈頓、東京新宿、新加坡水仙門等為代表的國際金融中心。在我國，金融業集聚呈現廣泛化和縱深化趨勢。超大型城市如北京、上海，出現了北京金融街、上海外灘金融集聚帶等集聚區。一些特大城市和大城市如杭州、鄭州，先后提出建設錢塘江金融港灣、鄭東新區金融集聚區等。近年來，我國甚至出現了一些特色金融小鎮，比如北京房山基金小鎮、杭州玉皇山南基金小鎮、寧波梅山海洋金融小鎮和寧波鄞州四明金融小鎮。那么，金融業集聚是否如同其促進經濟增長那樣，存在促進城鎮化的影響？

學術界研究金融業集聚或城鎮化的文獻有很多，與本文議題相關的文獻主要研究思路集中在兩方面。一方面，研究金融業集聚對區域經濟增長的影響。金融集聚能顯著地促進城市經濟增長[1-7]，還通過空間溢出效應促進鄰近區域經濟增長[8-10]。但是，這種空間外溢效應表現為一定的區域邊界，在300公里以內為空間外溢密集區域，超過500公里后則出現了較為明顯的衰減[11]。也有研究表明，金融集聚對相鄰區域的經濟增長影響較弱[12]。另一方面，研究金融業發展影響城鎮化。基本的共識是，金融發展能正向地促進城鎮化[13-18]，但這種作用會隨著時間而呈現逐漸增強甚至短暫不顯著的變化[19，20]，也會有明顯的區域差異[21-24]。不同的金融政策對城鎮化的影響方向是不同的，放松利率管制等金融深化政策對城市化具有正向影響，而加強銀行業監管對城市化具有負向影響[25]。另外，還有一些文獻如楊志民等（2015;2014）對某個特定區域或城鎮的金融集聚特征做了研究，但都是金融地理學層面的探討[26，27]。

顯然，上述文獻均不能直接證實金融業集聚對城鎮化的影響，因為金融業集聚不等同于金融業發展，城鎮化也不等同于區域經濟增長。王弓等（2016）基于2005-2013年省域面板數據進行空間計量分析表明，金融集聚自身只能對本區域的城鎮化水平有所提升，無法對周邊區域發揮輻射效應;而在考慮知識溢出、資本深化、產業升級三種路徑后，金融集聚對周邊地區城鎮化的帶動有顯著提高[28]。但是，該文獻將城鎮化定義為農業勞動力的非農轉移，并用戶籍人口城鎮化率即非農人口占比指標作為城鎮化的代理變量，這在本研究議題中有失偏頗的，因為金融因素可以促進勞動力從低一層級城鎮向高一層級城鎮轉移，這也是城鎮化的重要方面。而且，該文獻沒有對東、中、西不同區域的實證研究做區分，只停留在金融集聚對本地區和周邊地區影響的層面。李寶禮等（2015）基于2000-2012?年省域面板數據的實證研究表明：在控制政府財政收支缺口、城鄉二元系數、產業結構升級系數和外商直接投資四個變量的條件下，銀行業、證券業和保險業三大行業的集聚對城鎮化發展均具有顯著的正向作用[29]。但是，該文獻用基尼系數法測度金融集聚度，而且模型中沒有納入空間因素，不能很好地刻畫金融集聚的空間聯系特征。

綜上所述，雖然已有極少數文獻證實了金融業集聚對城鎮化存在影響，但是在模型構建、變量選擇等方面都有待完善。為此，本文在理論分析的基礎上，利用2010-2017年全國省域面板數據，通過構建空間計量模型，采用常住人口城鎮化率作為城鎮化的代理變量，采用區位熵分析法測度金融業集聚度，實證檢驗金融業集聚對城鎮化的影響及空間效應，并做了東、中、西不同區域的異質性研究。

二、理論分析與研究假設

金融業集聚是指銀行、保險、證券、期貨等行業部門以及金融監管機構、中介機構在特定地理空間范圍內集聚的現象。從本質上看，金融業集聚是金融工具、金融信息、人力資源等金融資源與要素遵循市場規律，以及在規模、結構、功能、等級上的時空演變的結果，更是這些金融資源與要素在特定區域的地理因素、文化環境，以及其他行業融合互饋的結果。由于金融資源的高度流動性，金融業集聚相對于制造業等其他產業集聚而言，集聚程度更高，對其他產業乃至整個區域經濟的影響速度更快，影響范圍可能更大。

金融業集聚產生資本深化效應、知識溢出效應和要素流動效應，進而促進城鎮化。首先，金融機構在特定區域的集聚，使得該區域將吸引大量的金融資源，儲蓄率和投資率都快速上升，人均資本存量增加，實現了資本深化。這有利于降低交易成本，增加投融資便利，提高金融配置效率，進而增加了中小企業融資可及性，有利于創造更多就業崗位，吸引勞動力流入。其次，不同類型、處于不同發展階段、具有不同競爭力的金融機構分布在同一特定區域，將產生極大的知識溢出效應，使得該區域內企業的學習成本降低，創新速度加快，城鎮化發展迅速。最后，金融資源的趨利性，決定了其會由利潤率相對較低的部門向利潤率相對較高的部門流動，并引致人才、技術、信息等先進要素的同方向流動。金融業集聚增加了金融資源的規模，強化了金融資源的這種要素流動效應，進而促進城鎮產業結構調整與升級，有利于先進制造業、高端服務業等產業增長。基于以上分析，提出研究假設H1。

H1?金融業集聚對城鎮化會有顯著的正向影響。

金融業集聚對城鎮化是否具有空間外溢效應？或者說，特定區域的金融業集聚是否會對周邊區域城鎮化產生影響？最直接地看，金融資源的流動半徑決定了金融業集聚的資本深化、知識外溢和要素流動三種效應的空間距離影響。當鄰近區域擁有利潤率占比較優勢的產業部門和金融需求時，金融資源流動半徑延長，使得本區域的金融集聚效應滲透到鄰近區域，進而影響其城鎮化發展。從金融地理學的觀點看，金融資源在集聚的同時總是伴隨著擴散。就特定區域來說，總會集聚一些高質量、高成長性和高競爭力的金融資源，而會使一些處于產業鏈中下游的金融資源擴散到鄰近區域。這樣，金融資源會呈現出核心外圍、核心擴散邊緣等地理學特征。比如，很多金融機構的綜合型總部通常布局在超大型城市的金融中心，而其職能性總部、地區總部、分支機構等則分散在鄰近城市甚至更遠的區域。從這個意義上看，金融業集聚同樣會影響到周邊區域的城鎮化。更進一步分析，特定區域由于金融業集聚形成了金融中心，使得該區域處于相對更高的經濟梯度，隨著區域之間的產業梯度轉移，必然會影響到周邊區域的城鎮化和經濟增長。基于上面的分析，提出研究假設H2。

H2?金融業集聚對周邊區域城鎮化有顯著影響，但影響方向不能確定。

具體到我國的東、中、西部三大區域，金融業集聚對城鎮化的空間外溢效應各有不同的特征。相對于中部和西部省份，東部省份的經濟發達程度高，資本積累程度高，金融供給更加充裕，金融需求更為旺盛。而且，東部地區的金融基礎設施更加完善，資本深化制度環境更好，金融創新能力更強，因此東部的金融業集聚程度比中西部要高很多，金融資源與要素的集聚與擴散速度都要更快，對周邊區域的影響范圍更大。所以，東部地區金融業集聚對城鎮化的空間外溢效應要強于中西部地區。但中部地區和西部地區之間的這種分析則更為復雜，根據各自的金融資源稟賦、地理因素、制度環境以及整個區域所處的經濟發展階段等方面的實際情況做深入分析，提出研究假設H3。

H3?東部地區金融業集聚對城鎮化有顯著的空間外溢效應，但中部和西部地區不明確。

三、研究設計

（一）實證模型

依據空間計量經濟學方法，將研究空間依賴性的模型分為三種基本形式：一是探討各變量在一個地區是否具有溢出效應的空間滯后模型（SAR）。二是通過擾動項來觀測空間依賴性的空間誤差模型（SEM）。三是通過Durbin殘差自相關時間序列模型推導得出空間杜賓模型（SDM）。這三種模型可以借助STATA軟件來實現。本文構建了金融業集聚影響城鎮化的面板SAR模型、面板SEM模型和面板SDM模型。

SAR模型：

U=α+α1caps+α2K+α3FDI+α4I+α5H+

λwu+ε（1）

SEM模型：

U=β+β1caps+β2K+β3FDI+β4I+β5H+

γwε+μ（2）

SDM模型：

U=c+c1caps+c2K+c3FDI+c4I+c5H+

c6w_caps+c7w_K+c8w_FDI+c9w_I+

c10w_H+λwu+ε（3）

其中，U代表城鎮化率，caps代表金融業集聚水平，K代表物質資本投入，H代表人力資本水平，I代表產業結構升級，FDI代表外商直接投資，w_caps、w_K、w_FDI、w_I和w_H為五項空間滯后變量。wu代表城鎮化率的空間滯后變量。λ代表空間自回歸系數，是用來度量wu對U的影響和判斷空間相關性的大小和方向。γ代表空間誤差自相關系數，體現殘差之間的空間相關強度。

在度量空間自相關時，需要解決地理空間結構的數學表達問題，定義空間對象的相互鄰接關系。空間計量經濟學引入空間權重矩陣來表示區域間的鄰接關系和依賴程度。常用的相鄰關系有“車”相鄰、“象”相鄰、“后”相鄰三種。如果區域i和區域j有共同的邊，則稱區域i和區域j車相鄰;如果區域i和區域j有共同的頂點但沒有共同的邊，則稱區域i和區域j象相鄰;如果區域i和區域j有共同的頂點或共同的邊，則稱區域i和區域j后相鄰。本文選取車相鄰，若區域i和區域j車相鄰，記Wij=1，否則記Wij=0。在具體研究中，默認海南省與廣東省相互鄰接。

Wij=1，i≠j，xi和xj有共同邊界0，i≠j，xi和xj無共同邊界

（二）變量說明與數據來源

被解釋變量是城鎮化率。城鎮化率的計算方法主要有人口比重指標法、城鎮土地利用指標法、調整系數法等。其中，人口比重指標法又分為兩種計算方法：一是用城鎮人口與總人口的比值，即常住人口城鎮化率;二是用非農業人口與總人口的比值，即戶籍人口城鎮化率。本文選用城鎮常住人口占常住總人口的比值作為城鎮化水平的代理變量。

核心解釋變量是金融業集聚度。選用區位熵分析法考察不同省域金融聯系，并以區位熵測度各省的金融業空間集聚水平，利用GeoDa軟件分析工具繪制出金融業集聚水平空間分布圖。金融業集聚區位熵（CAPS）具體計算方法為：

CAPSi=PSiXi/PSX（4）

其中，PSi、Xi分別代表i省金融業產值和生產總值，PS、X分別代表全國金融業產值和全國生產總值。該指數越大，說明該地區金融業相對集聚程度越高。

影響城鎮化的因素很多，基于數據的可獲得性，選擇物質資本投入、人力資本水平、產業結構升級、外商直接投資這四個因素作為控制變量。（1）物質資本投入。以城鎮面積擴張和公共基礎設施建設為主要特征的土地城鎮化，有賴于巨大的物質資本投入。這里用各省份的全社會固定資產投資額作為物質資本投入的代理變量。（2）人力資本水平。城鎮人力資本水平會直接影響到人口城鎮化率。采用各省人均受教育年限作為人力資本水平的代理變量。人均受教育年限的計算方法為：

HUMAN=（H1×1+H2×6+H3×9+

H4×12+H5×16）/L

其中，Hi（i=1，2，3，4，5，6）分別為6?歲及6歲以上未上過學、小學、初中、高中、大專及以上學歷的人口數，L為6歲及6歲以上的人口總數。（3）產業結構升級。產城融合是城鎮健康持續發展的基本動力。沒有現代化的產業體系作為依托，就不可能有高品質的城鎮化。選取工業增加值占GDP的比重作為代理變量。（4）外商直接投資。這是城鎮化的外部動因，選取實際利用外資額作為代理變量。

本文選取2010-2017年全國31個省、直轄市、自治區的省域數據。城鎮人口數量、固定資產投資額、工業總產值、金融業產值、省域生產總值、省域人口總數、實際利用外資額、人均受教育年限等指標數據均來自于國家統計局網站。

四、實證結果分析

（一）空間自相關檢驗

使用Moran指數來進行全局空間自相關檢驗，

并采用Moran散點圖及LISA圖進行局部自相關分析。Morans?I指數的計算公式為：

Iczh=∑ni=1∑nj=1wijczhi-czhczhj-czhS2∑ni=1∑nj=1wij（5）

在式（5）中，n是地區總數，wij是空間權重矩陣，S2=∑ni=1xi-2/n是屬性方差。

Morans?I是觀測值和它的空間滯后項之間的相關系數。Morans?I的取值在-1到1之間，大于0?表示空間正相關，也就是具有相似屬性的單位會聚集在一起;小于0表示空間負相關，表明具有相反屬性的單位聚集在一起;等于0，表示單位隨機分布，沒有空間關聯性。

表1給出了2010-2017年中國省域城鎮化率的莫蘭指數檢驗結果。結果表明，2010-2017年我國省域層面城鎮化率的Morans?I值均大于0，且在1%的水平下通過了顯著性檢驗，另外Z值均大于2.5，屬于高度聚集，這說明我國省域城鎮化率呈現明顯的空間自相關性。

采用Moran散點圖更加直觀地顯示我國省域城鎮化率的空間自相關性。Moran散點圖的橫軸為城鎮化率（czh），縱軸為空間滯后項lagged?czh。由于篇幅關系，這里僅列出2010年和2017年的Moran散點圖。圖1、圖2表明，

城鎮化率呈明顯的空間自相關性，大部分省份集中在HH（第一象限，表示一個高值被高值所包圍）和LL象限（第三象限，表示一個低值被低值所包圍），呈現明顯的規律性。這說明城鎮化率高的省份被城鎮化率高的省份所包圍，城鎮化率低的省份同樣被城鎮化率低的省份所包圍。

使用Geoda軟件繪制LISA集聚圖分析各個區域之間城鎮化率的空間自相關程度。LISA是用來衡量空間單元屬性和周圍單元的相近（正相關）和相異（負相關）程度的指標，由于篇幅關系，這里不列出LISA集聚圖。從LISA圖可以看出，2010年我國城鎮化率分布在HH象限（高值集聚）且通過p<0.1的顯著性檢驗的省份有2個，分別是天津和江蘇;分布在LL象限（低值集聚）且通過p<0.1的顯著性檢驗的省份有6個，分別是新疆、西藏、青海、四川、云南、貴州。2017年我國城鎮化率分布在HH象限且通過p<0.1的顯著性檢驗的省份有5個，分別是北京、天津、江蘇、上海、浙江;分布在LL象限且通過p<0.1的顯著性檢驗的省份有6個，分別是新疆、西藏、青海、四川、云南、貴州。這表明西部地區城鎮化率低的地區彼此相鄰呈現外溢效應，東部地區城鎮化率高的地區彼此相鄰呈現外溢效應。城鎮化率主要以高值集聚類型與低值集聚類型為主，反映了省域的城鎮化率是正的空間聯系。從對比LISA集聚圖的結果來看，我國城鎮化率呈現明顯的地區差異，東部地區的城鎮化率高而西部地區的城鎮化率低。

（二）空間面板模型結果分析

空間杜賓模型（SDM）是空間滯后模型（SAR）和空間誤差模型（SEM）的一般形式。為了確定模型的具體形式，分別進行了似然比檢驗（LR檢驗）和huasman檢驗。LR檢驗是通過檢驗SDM能否簡化為SAR模型和SEM模型，來確定最優的空間面板模型。如果SDM模型不能簡化為SAR模型和SEM模型，則選擇SDM模型;如果SDM模型可以簡化為SAR模型或SEM模型，則選擇相應的SAR模型或SEM模型。同時，通過hausman檢驗確定模型是使用固定效應還是隨機效應。從表2可以看出，LR檢驗顯著拒絕原假設，表明單純使用SAR模型和SEM模型考察金融業集聚對城鎮化的空間溢出效應可能存在偏誤，并且huasman檢驗也拒絕了原假設。因此，本文選擇固定效應下的SDM模型來分析金融業集聚對城鎮化的影響及其空間效應。

將SDM模型中解釋變量對被解釋變量的影響分解為直接效應和間接效應。直接效應體現了解釋變量對被解釋變量的直接影響，間接效應體現了解釋變量對被解釋變量產生的空間外溢效應。根據表4的結果，金融業集聚的直接效應為0.0411且通過了顯著性5%的統計檢驗，接受研究假設H1，金融業集聚對城鎮化有顯著的促進作用。金融業集聚的間接效應為0.1119且通過了顯著性為1%的統計檢驗，接受研究假設H2，即金融業集聚對周邊地區城鎮化產生了正向的空間外溢效應。但是，兩相比較后發現，金融業集聚對城鎮化的間接效應要大于直接效應，這不符合金融地理學的分析思路。可能的原因是，相對于金融業集聚所在省份而言，鄰近省份的金融資源相對稀缺，甚至構成了該省城鎮化的主要制約因素。因此，金融集聚省份的金融資源擴散到鄰近區域，對鄰近省城鎮化起到的帶動作用會更大。而就金融集聚省份而言，金融資源相對充裕，可能并非當地城鎮化的主要短板，因此金融因素對城鎮化的促進作用反而沒有這么大。

從控制變量來看，K的直接效應顯著為正，間接效應不顯著，說明物質資本投入對城鎮化有正向影響，但不存在空間外溢效應;FDI、H的直接效應和間接效應都不顯著，說明外商直接投資和人力資本水平對城鎮化都沒有顯著的影響;I的直接效應和間接效應都顯著為正，說明產業結構升級對本省城鎮化和周邊省城鎮化都有正向的影響。另外，λ為正說明周邊省的城鎮化發展對本省城鎮化具有正向的影響。（三）東、中、西部空間面板模型結果分析

從區域異質性角度考察東、中、西部地區金融業集聚對城鎮化的影響。東部地區包括遼寧、北京、江蘇、上海、浙江、福建、廣東、海南、天津、河北、山東11個省市。中部地區包括湖南、湖北、黑龍江、吉林、山西、河南、安徽、江西8個省。西部地區包括新疆、青海、西藏、內蒙古、四川、重慶、寧夏、陜西、貴州、云南、甘肅、廣西12個省市自治區。

采用SDM模型來分析東、中、西部金融業集聚影響城鎮化的空間外溢效應，結果見表5、表6及表7，表中省略了SDM模型的回歸系數，只列出其分解效應系數。東部地區金融業集聚對城鎮化的直接效應和間接效應系數都顯著為正，接受研究假設H3，說明東部地區金融業集聚能促進城鎮化，并且在省域層面上產生了正向的空間外溢效應。但是，中部、西部地區金融業集聚的直接效應和間接效應都不顯著，說明中西部地區金融業集聚對城鎮化發展不存在影響，更沒產生空間外溢效應。可能的原因是，金融業集聚對城鎮化的影響具有閾值效應，當金融業集聚規模低于某個閾值時，其對城鎮化的影響并不顯著;只有當金融業集聚規模超過該閾值時，才會產生對城鎮化的促進作用。一般地看，中部和西部地區的金融生態環境相對較差，金融市場發育不成熟，因此金融業集聚規模偏小，集聚速度較慢，集聚區的能級較低，因此難以對城鎮化產生顯著的影響。

從控制變量來看，物質資本投入對東部、西部地區城鎮化都具有正向的直接效應，而且在西部地區產生了正向的空間外溢效應;外商直接投資在東部地區產生了負向的直接效應，并且在中部地區產生了正向的總效應;產業結構升級在中部和西部產生了正向的直接效應;人力資本水平在東部地區有負向的直接效應，而在西部地區有正向的直接效應。

五、結論及啟示

本文研究結論主要包括：（1）我國省域城鎮化率大部分集中在HH象限（高值集聚）和LL象限（低值集聚），呈現較為明顯的空間自相關性。（2）從全國層面來看，金融業集聚對城鎮化的直接效應系數和間接效應系數均顯著為正，這說明金融業集聚對本省城鎮化有顯著的正向影響，而且具有正向的空間外溢效應，能促進周邊省份的城鎮化。（3）分東中西部地區來看，東部地區金融業集聚對城鎮化具有正向的影響，且產生了正向的空間外溢效應，但在中西部地區，這些影響均不顯著。

由研究結論可以得到如下啟示：第一，地方政府要加強金融業集聚區建設。各級政府要科學規劃，制定優惠的產業政策，引導金融機構在空間上集聚，建設金融街、金融集聚帶、金融小鎮等不同類型的金融集聚區。發展條件好的城鎮，要將金融業集聚區打造成輻射帶動作用大的區域金融中心、國家金融中心甚至是國際金融中心，實現金融業集聚區在規模、結構、功能、能級上的全面提升。第二，構建金融業集聚推進城鎮化的作用機制。地方政府要從完善金融基礎設施、培育金融市場、加強金融創新、改善金融生態環境等方面入手構建機制，盡可能地降低區域金融市場交易成本，提高金融資源與要素的流動配置效率，擴大金融業集聚產生的資本深化效應、知識溢出效應和要素流動效應，進而提升金融服務于城鎮化的效能。同時，要加大城鎮建設固定資本投入，促進城鎮產業結構升級，實現產城融合發展，更好地推進城鎮化。第三，要在東中西部區域科學布局建設金融中心。從城鎮化水平的區域協調角度看，要充分發揮金融業集聚的空間外溢效應，既要穩步推進北京、上海等東部城市的國際金融中心建設，更要提升中西部地區城鎮的金融業集聚區的能級。在武漢、重慶等增長極城市布局建設國際金融中心，加大在中西部其他城市建設國家金融中心和區域金融中心的力度，實現金融業集聚對城鎮化的以點帶面的空間外溢作用。

當然，本研究還存在如下兩方面的局限性。一方面，由于部分變量指標的數據可獲得性問題，本文采用的是省域面板數據，數據質量沒有地級市層面數據高，對金融業集聚影響城鎮化這一現象的解釋力有限。這是本議題的現有研究文獻普遍存在的一個問題。另一方面，盡管本文在變量選擇和模型構建等方面做了一些有別于現有文獻的研究工作，但是城鎮化的影響因素是非常復雜的，此類研究都會遇到控制變量選擇的科學性問題。未來研究可以從變量選擇入手解決數據可獲得性問題，開展省域、市域、縣域層面金融業集聚影響城鎮化的實證比較研究，同時研究不同等級城鎮的金融業集聚對城鎮化影響的閾值效應。

參考文獻：

[1]?紀玉俊，?李超.?我國金融產業集聚與地區經濟增長——基于225個城市面板數據的空間計量檢驗[J].?產業經濟評論，?2015（6）：35-46.

[2]?周海鵬，?李媛媛，?李瑞晶.?金融產業集聚對區域經濟增長的空間效應研究[J].?現代財經（天津財經大學學報），?2016（2）：63-76.

[3]?初春，?吳福象.?金融集聚、空間溢出與區域經濟增長——基于中國31個省域空間面板數據的研究[J].?經濟問題探索，?2018（10）：79-86.

[4]?謝婷婷，?潘宇.?金融集聚、產業結構升級與中國經濟增長[J].?經濟經緯，?2018，35（4）：92-99.

[5]?尹福祿，?申博.?金融集聚、空間溢出與區域經濟增長——基于省級面板數據的空間計量分析[J].?哈爾濱商業大學學報（社會科學版），?2018（3）：61-69.

[6]?張同功，?孫一君.?金融集聚與區域經濟增長：基于副省級城市的比較研究[J].?宏觀經濟研究，2018（1）：82-93+120.

[7]?斯麗娟，?張利敏.?金融集聚外部性對經濟增長的影響——基于省會城市面板數據的實證分析[J].?經濟經緯，?2019，?36（3）：156-162.

[8]?Richard?E.?Baldwin，?Philippe?Martin，?Gianmarco?I.?P.?Global?income?divergence，?trade?and?industrialization：the?geography?of?growth?take-offs[J].?Journal?of?Economic?Growth，?2001，?6（1）：5-37.

[9]?李紅，?王彥曉.?金融集聚、空間溢出與城市經濟增長——基于中國286個城市空間面板杜賓模型的經驗研究[J].?國際金融研究，?2014（2）：89-96.

[10]化祥雨，?楊志民，?葉婭芬.?金融空間聯系與經濟增長關系——基于江蘇省縣域的實證研究[J].?經濟地理，?2016，?36（3）：32-40.

[11]余泳澤，?宣燁，?沈揚揚.?金融集聚對工業效率提升的空間外溢效應[J].?世界經濟，?2013（2）：93-116.

[12]仲深，?杜磊.?金融集聚對區域經濟增長的影響研究——基于空間面板數據的計量經濟分析[J].?工業技術經濟，?2018（4）：62-69.

[13]Juro?Teranishi.?Sectoral?resource?transfer，conflict，?and?macrostability?in?economic?development：a?comparative?analysis[M].?Role?of?Government?in?East?Asian?Economic?Development，?1998：279-322.

[14]Shahbaz?Muhammad，?Hooi?Lean.?Does?financial?development?increase?energy?consumption？?role?of?industrialization?and?urbanization?in?Tunisia[J].?Energy?Policy，?2012，?40（1）：473-479.

[15]李清政，?劉緒祚.?金融支持與我國新型城鎮化互動發展的理論與實證研究[J].?宏觀經濟研究，?2015（4）：142-152.

[16]李凱倫，?何瀟蓉.?金融發展提高城鎮化水平嗎？——基于省際面板數據的實證分析[J].?河北地質大學學報，?2018（5）：79-83.

[17]李新光，?胡日東，?張彧澤.?我國土地財政、金融發展對城鎮化支持效應的實證研究——基于面板平滑轉換模型[J].?宏觀經濟研究，?2015（4）：132-141.

[18]謝金樓.?金融發展對城鎮化建設的影響機理與實證研究[J].?經濟問題，?2017（3）：45-49.

[19]朱越浦，?黃新建，?樊晗露.?我國金融業發展對城鎮化作用的演變——基于2003-2012年截面數據的空間計量分析[J].?江西財經大學學報，?2015（5）：80-87.

[20]柳趙鄭，?張強，?桑素卉.?河南省金融發展、城鎮化及工業化動態關系研究[J].?河南農業大學學報，?2018，?52（6）：1010-1016.

[21]陳志剛，?吳騰，?桂立.?金融發展是城市化的動力嗎——1997-2013年中國省級面板數據的實證證據[J].?經濟學家，?2015（8）：80-89.

[22]陳志剛，?王曉夏，?桂立.?金融發展對中國區域城鎮化的影響[J].?經濟經緯，?2016（3）：155-160.

[23]何茜，?溫濤.?縣域金融發展與城鎮化進程的分層化差異研究[J].?重慶社會科學，?2018（7）：84-94.

[24]陳志偉.?金融發展對河南縣域城鎮化的影響[J].?經濟經緯，?2015，?32（3）：7-12.

[25]呂惠明，?章合杰.?金融改革與城市化：跨國證據[J].?管理世界，?2015（12）：172-173.

[26]楊志民，?化祥雨，?葉婭芬，?邵元海.?金融空間聯系及K-means聚類中心等級識別研究——以長三角為例[J].?地理科學，?2015，?35（2）：144-150.

[27]楊志民，?化祥雨，?葉婭芬，?邵元海.?金融空間聯系與SOM神經網絡中心等級識別——以浙江省縣域為例[J].?經濟地理，?2014，?34（12）：93-98.

[28]王弓，?葉蜀君.?金融集聚對新型城鎮化影響的理論與實證研究[J].?管理世界，?2016（1）：174-175.

[29]李寶禮，?胡雪萍.?金融集聚對中國城鎮化的影響[J].?城市問題，?2015（10）：55-62.

（責任編輯：鐘?瑤）

Research?on?the?Impact?and?Spatial?Effect

of?Financial?Industry?Agglomeration?on?Urbanization

PENG?Xinyu1，JIANG?Yifan1，LI?Mengmin2

（1.School?of?Economics?and?Management，?Changsha?University?of?Science?and?Technology，

Changsha?410114，?China;2.?Hunan?Branch?of?China?Construction?Bank，?Changsha?410000，?China）

Abstract：Based?on?the?Provincial?Spatial?Panel?Data?of?31?provinces，?municipalities?and?autonomous?regions?in?China，?a?spatial?panel?model?is?constructed?to?analyze?the?impact?and?spatial?effect?of?financial?agglomeration?on?urbanization.?The?results?show?that：?most?of?the?provincial?urbanization?rates?are?concentrated?in?HH?quadrant（high?value?agglomeration）?and?LL?quadrant（low?value?agglomeration），?which?shows?a?clear?spatial?autocorrelation;?at?the?national?level，?the?direct?and?indirect?effects?of?financial?agglomeration?on?urbanization?are?significantly?positive，?which?means?that?the?agglomeration?of?financial?industry?has?a?significant?positive?impact?on?the?urbanization?of?the?province，?and?has?positive?spatial?spillover?effect?to?promote?the?urbanization?of?neighboring?provinces;?at?the?level?of?eastern，?central?and?western?China，?the?agglomeration?of?financial?industry?in?the?eastern?region?has?a?positive?impact?and?spatial?spillover?effect?on?urbanization，?but?these?impacts?are?not?significant?in?the?central?and?western?region.?Based?on?these?results，?it?is?necessary?to?strengthen?the?construction?of?financial?industry?cluster?area，?construct?the?mechanism?of?promoting?urbanization?by?financial?industry?cluster，?and?scientifically?layout?and?construct?financial?centers?in?the?eastern，?central?and?western?China.

Key?words：financial?industry?agglomeration;?urbanization;?spatial?autocorrelation;?spatial?spillover?effect