金融集聚對區域經濟增長的影響
——基于長三角“一核五圈”城市群的比較

夏 楠，黃 萍

(江蘇海洋大學商學院，江蘇連云港222001)

一、 引言

世界六大城市群中，我國只有長江三角洲城市群位列其中，長三角區域經濟增長對我國經濟發展的作用不言而喻。2018 年，習近平主席提出將長三角區域一體化上升至國家戰略。 而早在2016 年通過的《長江三角洲城市群發展規劃》，初步構建了以上海為核心帶動長三角區域的“一核五圈四帶”網絡化空間結構。 其中，核心大都市圈上海以及五大都市圈——南京、杭州、蘇錫常、合肥、寧波都市圈的地位是重中之重，分別起龍頭帶動和輻射帶動的作用。 在此背景下，文章選取長三角“一核五圈”城市群17 個市2008 ～2018 年11 年的面板數據，采用因子分析法計算金融集聚水平綜合得分，比較各城市金融集聚水平，建立面板數據模型分析金融集聚與區域經濟增長的關系，并據此進行政策指導和金融規劃。

二、 文獻綜述

從20 世紀70 年代開始，金融控股公司興起，金融業開始混業經營，金融集聚逐漸成為金融產業組織的基本形式。 在此背景下，國內外學者對金融集聚的生成動因及對區域經濟的影響不斷進行深入研究。

國際上，有學者將發達國家和發展中國家作為研究對象進行分析，認為區域金融發展能夠促進區域經濟增長(Mckinnon，1973；Shaw，1973)。 還有學者通過分析全球各國家、地區的面板數據，發現金融業顯著促進經濟增長(World Bank，2005)。

國內，金融集聚與區域經濟增長互動機制的研究也在逐步深入。 由于國內金融研究較晚，側重實證，起點較高。 國內學者研究主要方面:一是結合我國現階段金融業發展失衡的現狀，研究不同地域之間金融集聚與區域經濟的關系。 二是轉變計量方法和研究視角。 如從新經濟地理學視角采用空間經濟學方法研究，以2011～2016 年江蘇省市域經濟的數據為樣本，證明了金融業對經濟增長有正向空間溢出效應(陳智昊等，2019)。

綜上，國內外學者在金融集聚對區域經濟的影響分析上成果頗豐，證實了金融集聚對經濟增長的正向推動作用。 結合文獻，不難看出各學者對長三角區域的研究較少。 而在長三角一體化上升至國家戰略后，長三角區域發展到達了新階段。 需要站在一個新視角研究金融集聚與經濟增長之間的互動機制，發揮長三角區域的帶動和引領作用。

三、 金融集聚對經濟增長的影響機制分析

縱觀世界各個國家經濟發展歷程，總會有一些地區集資源、政策優勢于一體，成為經濟發展先行區。 不斷發展和累積的金融資源在一定地理空間內集中的過程正是金融集聚。

當局部區域出現金融集聚現象時，會完善金融市場要素，提高資金使用效率，加快資金周轉速度，進而產生外部規模經濟效應、科技創新與競爭效應、擴散效應以及自我強化效應與經濟協同效應。

(一)金融集聚的外部規模經濟效應分析

根據馬歇爾(Marshall) 的外部規模經濟理論和Kindleberger(1974)外部規模經濟角度的研究，不難分析金融集聚的外部規模經濟效應。 金融集聚區域內各金融機構在地理空間上距離很近，可以加快資本周轉。 空間上的集聚又會促進金融產業信息交互整合，構建低成本信息獲取渠道，減少信息不對稱。

(二)金融集聚的科技創新與競爭效應分析

科技創新是第一推動力，科技創新推動產品產業結構升級，推動市場競爭。 而各金融機構、企業之間競爭也會反過來加劇科技創新，最終形成創新——競爭螺旋上升，不斷增強產品性能。

(三)金融集聚的擴散效應分析

當金融集聚程度很高時，各個金融機構之間會形成金融網絡布局，互相聯合，共同發展。 隨著金融集聚區的靜態集聚效應增強，金融網絡布局擴大，形成金融集聚的擴散效應。同時，金融網絡布局內的金融機構，經濟實力不同，服務類別各異，業務和信息上交流促進優勢互補和管理經驗交流。

(四)金融集聚的自我強化效應與經濟協同效應分析

當金融業發展受地理空間范圍限制時，金融集聚區內部的自我強化，競爭、科技創新、擴散效應不斷加劇，淘汰落后低效的業務模式和金融工具，推動金融創新，打破發展瓶頸。而金融集聚帶動區域經濟的同時，區域經濟增長也會吸引資本，反哺金融集聚區，如此往復，協同發展。

四、 長三角“一核五圈”城市群的金融集聚水平評價

(一)金融集聚評價指標體系的建立及數據選取

為保證評價指標體系準確性，選擇用因子分析法，選取多個變量綜合測度金融集聚水平。

一般來說，評價金融集聚水平有金融資本、金融機構、金融人員三種研究視角。 在保證研究結果科學性和數據可獲得性前提下，文章選取金融從業人員(X1)、城鄉居民儲蓄余額(X2)、金融機構本外幣貸款余額(X3)、金融機構本外幣存款余額(X4)、金融業增加值(X5)、保費收入(X6)六個指標來表示金融業的集聚程度。 數據參考2008 ～2018 年長三角“一核五圈”城市群統計年鑒及統計公報。

(二)“一核五圈”城市群金融集聚評價

1.KMO 和Bartlett 球形檢驗及計算因子得分

KMO 統計量用于檢驗變量間的相關性是否足夠小，而Bartlett 球形檢驗用于檢驗相關陣是否是單位陣。 經檢驗，數據的 KMO 值為 0.873，Bartlett 近似卡方為 3046.511，sig.值為0，數據適合做因子分析。

主成分分析得出的第一個特征值為5.789，大于1，且累計貢獻率達到96.484%，大于70%，故只提取第一個公因子。最終得到2008～2018 年長三角“一核五圈”城市群17 個市的金融集聚水平綜合得分，如表1 所示。

表1 2008～2018 年主要年份長三角城市群金融集聚水平綜合評價值

從綜合得分上看，上海歷年綜合得分遠超出一般城市水平，其他城市有由負得分向正得分變動的趨勢。 究其原因，上海作為全國三大金融中心之一，上海證券交易所積極帶動股票、期貨的交易。 且作為國際大都市，上海擁有浦東自貿區，可以大量吸收外資，推動金融業發展。 杭州、蘇州、無錫、南京、合肥、寧波的綜合得分都在0～1 之間，高于平均水平，擁有區位優勢或政策優勢，成為所在都市圈的金融發展中心。

其余10 座城市的綜合得分小于零，金融集聚水平低于平均。 雖然在國內經濟擁有不錯的排名，但是相對于前幾個都市圈金融發展中心，在金融業發展程度上稍有遜色。

2. 對歷年金融集聚綜合得分的聚類分析

由于各個城市金融業所處發展階段不同，政策指導和金融規劃也會存在差異，對上文2008 ～2018 年17 個城市的綜合得分進行系統聚類。 根據樹狀圖將17 個城市分成A、B、C三類。 見表 2。

表2 按金融集聚程度分類

如表2 所示，A 類:上海，金融集聚水平最高，是長三角區域金融發展中心，B 類:南京、杭州、蘇州，金融集聚水平較高，輻射帶動周邊城市，是區域金融中心，C 類:剩余的13 座城市，金融集聚水平較低。 需要注意的是，《長江三角洲城市群發展規劃》中，寧波、合肥與南京、杭州、蘇州同為次一級區域中心，而聚類結果表明，合肥、寧波按金融集聚分為C 類，與政策規劃地位不同。 究其原因，合肥、寧波的確擔任了區域經濟中心的角色，但金融產業對經濟的貢獻較低，金融集聚優勢不突出。 因此，研究合肥、寧波的金融集聚和區域經濟的互動關系，就不同于同等都市圈中心地位的南京、杭州和蘇州，這正是使用聚類分析的原因。

五、 金融集聚對區域經濟增長影響的實證分析

(一)模型設定

考慮到長三角“一核五圈”城市群政策規劃，文章選取金融集聚水平(AGGL)為核心解釋變量，人力資本(HC)、社會投資(SFI)、政府指導(GI)為控制變量，各城市經濟增長(GDP)為被解釋變量，并對各變量取自然對數。 模型表示為:

lnGDPit＝α＋β1lnHCit＋β2lnSFIit＋β3lnGIit＋β4AGGLit＋μit

其中i代表城市編號(i＝ 1，2，…，17)，t代表年份(t＝2008，2009，…，2018)，α和β分別代表截距項和各變量在模型中的參數，μ為隨機誤差項。

根據新古典增長理論，資本存量決定經濟發展水平，所以社會投資(SFI)用固定資產投資總額衡量。 與物質資本相對應的便是人力資本(HC)，選取全社會就業總數(按國民三次產業)衡量。 在一些區位優勢或城市定位特殊的城市，影響最大的就是政府購買，選用地方財政支出來衡量政府指導(GI)。 金融集聚水平(AGGL)選用前文因子分析得出的金融集聚綜合得分來表示。 關于被解釋變量經濟增長(GDP)的衡量指標，選擇人均GDP 來表示。 以上數據參考2008 ～2018 年長三角“一核五圈”城市群統計年鑒及統計公報。

(二)實證分析及結果

1. 平穩性檢驗及模型建立

為避免偽回歸，選用LLC、ADF-Fisher 和PP-Fisher 三種方法進行平穩性檢驗。

《普通高中生物學課程標準（2017年版）》提出：“積極開發與利用生物學課程資源”、“課程內容有機融入中華優秀傳統文化”。我國有56個民族，壯族是少數民族中人數最多的民族，主要分布在廣西壯族自治區。它具有獨特的飲食文化，其中蘊含著豐富的生物學知識，當地教師挖掘其中的生物學課程資源并運用到生物學教學中，既有利于學生認識壯族飲食文化中的生物學知識，又可拓寬生物學課程資源的開發路徑。

其中，lnSFI、lnHC、lnGI 三個解釋變量以及核心解釋變量AGGL 均可通過在1%顯著性水平檢驗，lnGDP 為被解釋變量可通過在5%顯著性水平檢驗，說明這些變量數據是平穩的。

經過F 檢驗后選用變截距模型，且所分析的面板數據總體與樣本一致，不需要以小樣本推測總體，因而選用固定效應模型。

2. 回歸結果分析

回歸結果如表3 所示。 從整體回歸結果看，可決系數為0.968743，模型擬合程度很好，在1%顯著性水平下通過檢驗，回歸方程較為顯著，金融集聚水平(AGGL)、人力資本(HC)、社會投資(SFI)、政府指導(GI)對經濟增長有顯著影響作用。

表3 長三角“一核五圈”城市群金融集聚對經濟增長的回歸結果

社會投資、政府指導和金融集聚水平系數分別為0.245656、0.419798、0.055050，通過 1%水平下顯著性檢驗，人力資本沒有通過檢驗。 這說明社會投資、政府指導，金融集聚水平推動了長三角“一核五圈”城市群的經濟增長，其中政府指導的影響作用最大，其次是社會投資。 金融集聚影響系數較低，但是其對經濟的正影響作用毋庸置疑。

針對不同金融集聚水平，將前文A、B、C 三類城市樣本分別進行面板回歸，回歸結果如表4。

表4 長三角“一核五圈”三類類城市的回歸結果

回歸結果中，三類城市金融集聚水平對經濟的影響系數分別為 0.062、-0.110、0.273，B 類城市和 C 類城市的金融集聚影響系數分別通過5%和1%水平下顯著性檢驗。

對于C 類城市的經濟增長，金融集聚水平的影響較大。C 類城市大多為都市圈周邊城市，承接來自都市圈中心城市二次轉移的金融產業。 這些金融產業偏向基礎性金融服務，如小型城市商業銀行和農村信用合作社，有效促進當地實體經濟的資金周轉，推動經濟增長。

六、 對策建議

文章在長三角“一核五圈”政策規劃背景下研究金融集聚水平對區域經濟增長的影響。 首先，使用因子分析測度長三角“一核五圈”城市群17 個城市的金融集聚水平，并加以聚類分析分為ABC 三類。 選用2008～2018 年17 個城市的面板數據進行分析，得出金融集聚水平對區域經濟有毋庸置疑的促進作用。 最后對ABC 三類城市依次面板分析并提出對策建議。

A 類城市，金融集聚水平極高，代表城市只有上海。 上海作為長三角“一核五圈”城市群政策規劃的核心中樞，其極高的金融集聚水平也使它成為長三角區域的金融中心。 作為全國性的金融中心，上海需要放眼全球，借助國內外金融資本，積極培養創新型、技術型人才保障金融業活力。 作為核心中樞，不斷提高產業準入門檻，淘汰低效落后產業，加快產業向內地五大都市圈轉移，保障金融業高效性。

B 類城市，金融集聚水平較高，代表城市為南京、杭州、蘇州。 由于B 類城市與上海的金融集聚水平差距過大，所以承接來自上海轉移產業的同時，要完善配套基礎設施和建立規范的金融體系，保證金融業能夠較好地服務于實體經濟。在長三角區域一體化背景下，B 類城市應發揮各自特色進行優勢互補。 例如南京應以創新金融體系為重心，打造金融綜合示范區。 杭州應發展創新發展以金融業云計算平臺、數據驅動性金融為代表的金融科技；蘇州應加大外引內聯力度，提高金融服務質量和水平。

C 類城市，金融集聚水平較低，代表城市為寧波、合肥和其余都市圈附屬城市。 合肥作為安徽省省會，需采取政府主導模式，加快金融中心建設。 寧波毗鄰上海且擁有外貿優勢，應在保障港口優勢基礎上，利用上海輻射效應發展金融業。 其他城市作為都市圈中心城市的承載區，接收來自中心城市的產業轉移和分流。 地方政府需推動基礎性金融業發展，為地方經濟搭橋鋪路。