金融產業集聚與經濟增長質量的關系探討

郭 華,張 洋,蘇 欣

(1.四川農業大學經濟學院,四川 成都 611130；2.北京農學院,北京 102206；3.北京北農企業管理有限公司,北京 102206)

0 引言

隨著中國金融改革的推進，金融業產值持續快速增長，經濟整體表現強勁。據國家統計局官網和《中國金融年鑒》，2017年中國國內生產總值達83.2萬億元，同期金融產業增加值突破6萬億元，占比從2007年的5.62%升至2017年的7.79%。與此同時，經濟的快速增長帶來的資源過度消耗、環境污染嚴重等負面影響不容忽視。習近平總書記在黨的十九大報告中明確指出：“我國經濟已由高速增長階段轉向高質量發展階段”，經濟結構和發展方式亟待優化，金融對于經濟發展質量的調節作用進一步凸顯。研究表明，20世紀中葉開始，美國、日本等國家同樣經歷了金融產業不斷集聚的過程和尋求經濟高質量發展之路[1]，對金融產業集聚與經濟增長質量的關系進行研究，對于更有效地發揮金融產業集聚優勢、促進經濟增長質量提升具有重要意義。

學術界關于金融產業集聚與經濟增長質量關系的研究相對較少，但在金融產業集聚與經濟增長關系[2,3]問題上存在兩種觀點：1)肯定金融產業集聚對經濟增長的正向促進作用[4-9]，且這種促進作用在集聚程度較高的地區更明顯[9]；2)認為金融產業集聚對經濟增長存在負向影響[10]，如銀行業集聚會一定程度上抑制企業績效的增長[11,12]。有學者提出，良好的區位條件、經濟基礎和人力資本積累[13,14]及完善的基礎設施和較低的信息獲取成本[15-18]等都是金融產業集聚的促進因素，而落后的城市化進程[13]、地區社會聲譽和信任度偏低[19]及陳腐風氣[20]則不利于金融產業集聚。已有研究多使用區位熵[21]等直接測算方法和主成分分析[22]、因子分析[23]等間接測算方法對金融產業集聚水平進行測算。經濟增長質量的相關研究則多集中于對其指標體系的構建[24]，有學者直接將經濟增長質量等同于經濟增長效率[21,25]；還有研究從經濟結構、科技與創新、資源與環境、對外開放等多維度綜合評價經濟增長質量[26]。

基于現有研究，本文在完善和優化現有指標體系的基礎上，使用主成分分析法和區位熵法分別對1997-2017年中國省域經濟增長質量和金融產業集聚度進行測算，并分析二者的時空變化特征，進而使用面板向量自回歸模型對金融產業集聚與經濟增長質量間的關系進行檢驗，以期為推進區域金融產業的合理布局和經濟高質量發展提供參考。

1 數據來源與研究方法

1.1 研究區域與數據來源

鑒于數據的可得性，本文選取中國30個省域作為研究區域(港、澳、臺及西藏地區未納入研究范圍)，時間跨度為1997-2017年。鈔小靜等[27]將經濟增長質量的內涵界定為經濟增長的結構、穩定性、福利變化與成果分配以及資源利用和生態環境代價4個維度。考慮到經濟增長效率在經濟增長質量中具有核心地位[28]，本文將經濟增長效率作為經濟增長質量的評價維度之一，從經濟增長結構性、經濟增長效率、經濟增長成本性、經濟增長穩定性和經濟增長分享性5個維度對經濟增長質量進行綜合評價(表1)。其中，經濟增長結構性通過產業結構和投資消費結構綜合反映，經濟增長效率反映經濟運行過程中投入與產出之間的數量關系，經濟增長成本性用于衡量經濟增長過程中的資源消耗與污染排放情況，經濟增長穩定性用于綜合評價價格、就業和產出的波動情況，經濟增長分享性總體考察經濟增長帶來的居民福利變化和成果分配。

表1 經濟增長質量綜合評價指標體系Table 1 Comprehensive evaluation index system of economic growth quality

本文測度經濟增長質量基礎指標的數據來源于1997-2017年《中國統計年鑒》、各省域統計年鑒和國家統計局官網，金融產業產值數據來源于《中國金融年鑒》。對表1中部分指標的處理過程說明如下：1)與價格相關指標均使用價格指數以1995年不變價格進行折算。2)采用永續盤存法計算資本存量：Kit=Iit/Pit+(1-δit)Ki(t-1),Kit和Ki(t-1)分別表示i省t年和t-1年的實際物質資本存量，Iit、Pit分別表示i省t年的投資和投資價格指數，δit表示資產折舊率，為9.6%[29]，其中基期資本存量參考單豪杰[30]的方法進行測算。3)使用Malmquist指數計算全要素生產率，本文將資本存量與勞動人員作為投入變量，實際GDP作為產出變量。4)對數據進行正向化和無量綱化處理，逆向指標正向化處理方法為：新值=最大值-原值，采用均值化法對指標進行標準化處理。

1.2 研究方法

1.2.1 經濟增長質量指數測度方法 采用全局主成分分析方法對中國各省域的經濟增長質量綜合指數及各維度指數進行測度。首先對所有指標進行KMO和Bartlett檢驗，然后基于主成分分析法測算出各項指標在經濟增長各維度所占權重，得出經濟增長質量各維度指數；進一步用全局主成分分析法確定各項評價維度的權重，得出經濟增長質量綜合評價指數。

1.2.2 金融產業集聚度測算方法 采用區位熵法對中國各省域的金融產業集聚情況進行測度，計算公式為：

LQij=(qij/qj)/(qi/q)

(1)

式中：LQij為j省i產業(本文特指金融產業)的區位熵值(反映產業的集聚程度)，若區位熵值大于1，則認為j省金融產業發展在全國具有相對優勢，反之則在全國處于相對劣勢；qij/qj為j省金融產業增加值占本省GDP的比重；qi/q為全國金融產業增加值占全國GDP的比重。

1.2.3 模型構建 通過構建面板向量自回歸(PVAR)模型檢驗金融產業集聚對經濟增長質量的影響，進一步考察金融產業集聚對經濟增長結構性、效率、成本性、穩定性、分享性的影響。模型如下：

(2)

2 經濟增長質量動態演進

基于經濟增長質量指標評價體系，通過主成分分析法計算得到1997-2017年省域經濟增長質量綜合指數。選取1997年、2002年、2007年、2012年和2017年為樣本年份，采用分位數分段法將樣本期內經濟增長質量綜合指數劃分為10個等級，用ArcGIS軟件繪制省域經濟增長質量綜合指數空間演變圖(圖1，彩圖見附錄2)，發現存在以下特征：

注：審圖號為GS(2019)1835號，下同。圖1 中國各省域經濟增長質量綜合指數演變Fig.1 Evolution of comprehensive index for economic growth quality of provinces in China

2.1 由單極向多極發展的空間格局特征

中國各省域的經濟增長質量空間格局呈現出由上海單極向全國多極化發展特征。1997年形成以上海經濟增長質量綜合指數為最高的單極空間分布特征；2007年北京和天津的經濟增長質量綜合指數分別為2.1463和1.9780，形成以京津滬為高經濟增長極點的多極分布特征；2012年經濟增長質量多極化分布特征更為明顯，京津滬均位于第一等級，內蒙古、江蘇、浙江、福建及廣東提升至第二等級；2017年多極化分布特征進一步凸顯，除河北外，所有沿海省域及部分內陸省域(黑龍江、吉林、湖北、重慶、寧夏、內蒙古等)均位于第二等級以上。這一變化特征在一定程度上表明，中國在促進經濟高質量增長的過程中越來越注重均衡化發展。

2.2 極點帶動演進特征

中國各省域的經濟增長質量綜合指數在樣本期內逐年遞增，均值由1997年的0.7442提升至2017年的2.1103，年均增長率為5.35%(表2)。各省域經濟增長質量提升過程存在明顯的極點帶動式發展特征，具體表現為以上海、京津、重慶、寧夏為序，逐步輻射帶動周邊區域。上海的經濟增長質量綜合指數始終位于全國第一位，在其帶動下江蘇和浙江的綜合指數分別以7.49%和7.13%的年均增速位列全國第一位和第二位。環渤海地區則以北京、天津為帶動，其中山東的經濟增長質量綜合指數年均增速較快，為6.81%。重慶相比其他省域仍有較大差異，其發揮的帶動作用與京津滬相比不顯著。陜甘寧地區中寧夏的經濟增長質量綜合指數雖然排名靠前，但其年均增速位列全國第25位，發展動力不足；陜西和甘肅年均增速分別保持在6.35%和5.52%，具有一定的發展潛力。

表2 1997-2017年中國各省域經濟增長質量綜合指數年均增速及排名情況Table 2 Annual average growth rate and its ranking of economic growth quality of provinces in China from 1997 to 2017

2.3 各維度指數與綜合指數變化趨勢差異

由各省域經濟增長質量各維度指數在2017年的排名及變動情況(表3)可知：

表3 2017年各省域經濟增長質量各維度指數排名及變動情況Table 3 The ranking and changes of each dimension index of economic growth quality of provinces in China in 2017

經濟增長效率、成本性和分享性指數均在樣本期內呈增長趨勢，與綜合指數變化趨勢一致。效率與成本性指數排名均靠前的天津、重慶和江蘇等在經濟發展過程中更加注重技術創新與人才培養，從而促進了新階段的經濟轉型，形成良性循環，經濟增長效率的提高成為釋放經濟增長潛力的關鍵。青海、寧夏和新疆等西北地區以及河北、山西和內蒙古等的經濟增長成本性排名靠后，與西北地區相比，華東地區在經濟增長過程中更注重資源節約與環境保護，生態環境得到了較大改善。經濟增長分享性指數在經濟增長質量綜合評價中所占權重為58.93%，因此分享性的變化趨勢與綜合指數變化趨勢最為接近，各省域的分享性指數均在樣本期內不斷提升，社會保障體系和收入分配制度日益完善，分享性指數也逐漸成為提高經濟增長質量的主要因素。

經濟增長結構性指數和穩定性指數在樣本期內均呈下降趨勢，變化趨勢與綜合指數不一致。結構性指數排名表明，海南、浙江、江西、新疆與福建等省域隨著經濟發展其經濟結構的優化效應逐步顯現，寧夏、貴州、青海、云南、陜西和甘肅等西部省域結構性指數相對較低，長此以往將導致城鄉經濟差距持續擴大，為經濟高質量增長帶來負面影響。對于中西部地區多數省域而言，發展不平衡依然是經濟發展過程中亟待解決的關鍵問題，城鄉二元結構嚴重、區域發展不平衡等問題制約了轉型期經濟的動力重塑[31]。經濟增長穩定性指數的年均增速為負，且排名變動幅度最大。實現穩定的經濟增長是重要的經濟政策目標，上海、廣東和重慶在2017年的經濟增長穩定性相對較好，在穩定物價與經濟穩定發展中成效顯著。但需要注意的是，中國多數省域仍需注重提高經濟增長穩定性，以實現長短期內經濟健康穩定增長。

3 金融產業集聚度動態演進

基于區位熵法測算出1997-2017年各省域的金融產業集聚度，選取1997年、2002年、2007年、2012年和2017年為樣本年份，采用分位數分段法將金融產業集聚度劃分為5個等級，使用ArcGIS軟件繪制各省域金融產業集聚度空間可視化演變圖(圖2)，發現存在以下特征：

圖2 中國各省域金融產業集聚度的動態演進Fig.2 Dynamic evolution of financial industry agglomeration degree of provinces in China

3.1 多極點穩定發展空間格局

中國各省域的金融產業集聚度呈現以北京、山西、上海、寧夏、重慶、青海和新疆等多個金融中心穩定發展的空間布局特征。1997年寧夏、北京、上海、重慶、青海和山西的金融產業集聚度位于第一等級，2002-2012年新疆的金融產業集聚度也提升至第一 等級，形成中國金融產業集聚多極點穩定發展的空間格局。從這些極點形成金融產業集聚的成因看，第一類是長三角和環渤海地區省域，包括上海、浙江、北京、天津等，地區經濟發展較好，金融產業集聚度相對較高，尤其是北京和上海作為國際金融中心，能夠吸引金融資源在本地集聚，并能促進周邊地區金融產業發展。第二類是西部地區省域，包括重慶、寧夏、青海和新疆等，“西部大開發”等國家戰略的實施加速了其金融產業發展。寧夏的金融產業集聚度在西北地區最高，一方面是由于其金融產業增加值和地區生產總值均較低，導致區位熵指數較高；另一方面則是由于其區位因素不利于第一、二產業發展，而其金融產業發展具有相對優勢。重慶作為“長江上游金融中心”，其金融產業集聚度處于西南地區較高水平。此外，其他省域金融產業區位熵指數均小于1，金融產業尚未形成明顯集聚，主要由于其金融發展不具備專業化優勢。如中部地區的河南、湖北等地農業發展條件較好，由于區位、資源等因素其產業結構難以在短期內發生較大改變，金融產業在短期內也難以形成集聚。

3.2 各地區多極點演進特征

中國各省域金融產業集聚度均值在樣本期內呈波動遞增的變化趨勢，平均值由1997年的1.0826增至2017年的1.0910，年均增長率為0.04%(表4)，但從各省域金融產業集聚度的變化趨勢看，逐步向形成多個金融產業集聚中心發展。華北地區逐步形成北京、河北和山西等金融產業集聚中心；東北地區則以黑龍江的金融產業集聚度年均增速最高，遼寧的金融產業集聚度也在提升，吉林的年均增速為-0.23%，形成黑龍江、遼寧兩個金融產業集聚中心；華東地區以上海、浙江為金融產業集聚中心，上海的金融產業集聚度保持0.90%的年均增速并仍在不斷提升，浙江集聚度的年均增速達0.83%；中南地區的金融產業集聚度整體處于相對劣勢，湖南和海南的金融產業集聚度年均增速雖然相對較高，但由于初期集聚度較低，還需要長時間積累才能成為中南地區金融產業的集聚中心；西南地區以重慶的金融產業集聚度最高，但其年均增速(-1.13%)最低，而貴州金融產業集聚度則以全國最高增速(1.35%)提升，2017年已達1.2101，成為西南地區新的金融集聚中心，但區位熵為相對指數，且貴州地處丘陵盆地，交通相對落后，國內生產總值較低，致使其金融產業規模增速較快；西北地區以寧夏的金融產業集聚度最高，但寧夏集聚度的年均增速為負，而新疆集聚度的年均增速高達0.97%，至2017年其金融產業集聚度提升至1.6270，與寧夏(1.7554)的差距進一步縮小，西北地區趨向鞏固以新疆為金融產業集聚中心。

表4 1997-2017年中國各省域金融產業集聚度年均增速及排名情況Table 4 Annual average growth rate and its ranking of financial industry agglomeration degree of provinces in China from 1997 to 2017

4 金融產業集聚與經濟增長質量關系檢驗

4.1 模型檢驗及估計結果

4.1.1 模型檢驗 在正式建立PVAR模型前，本文使用LLC、IPS和Fisher-ADF方法對各變量進行平穩性檢驗，發現所有變量均不存在單位根，為非平穩序列。對原始變量進行一階差分后再次檢驗(表5)，由表5可知，所有一階差分后的變量均通過顯著性檢驗，因此原始變量為一階單整序列。為避免出現偽回歸問題，采用Westerlund檢驗方法對各變量進行協整檢驗，除組統計量Ga在經濟增長結構性指數與金融產業集聚度的協整檢驗結果中接受原假設外，組統計量Gt和面板統計量Pt、Pa在各協整檢驗中均顯著拒絕原假設，由此可以認為,經濟增長質量及其各維度指數與金融產業集聚度之間存在長期穩定的協整關系。進而應用AIC、BIC、HQIC信息準則確定PVAR模型的最優滯后階數，考慮到樣本特征，滯后階數取值原則上不超過3階，各經濟增長變量滯后階數的AIC、BIC和HQIC檢驗結果如表6所示。

表5 面板平穩性檢驗結果Table 5 Panel stability test results

表6 滯后階數檢驗結果Table 6 Lag order test results

4.1.2 模型估計結果 本文對各被解釋變量分別進行截面均值差分和前向均值差分處理后，PVAR模型參數的GMM估計結果見表7。模型Ⅰ是經濟增長結構性回歸結果，滯后1期的金融產業集聚度對結構性變動有顯著正向影響，具體表現為在1%的顯著性水平下，滯后1期的金融產業集聚度每提高一個單位，經濟增長結構性指數對應提高0.0655個單位；但滯后2期的金融產業集聚對結構性無顯著影響。滯后1期的結構性對經濟增長結構性具有顯著正向影響，但滯后2期的結構性對其具有顯著負向影響，表明金融產業集聚能夠在短期內對經濟增長結構優化起到一定促進作用，但長期看對結構優化影響不顯著。模型Ⅱ為經濟增長效率的回歸結果，滯后1期的金融產業集聚度對效率的影響顯著為負，但滯后1期的經濟增長效率對其表現出顯著正效應，表明經濟增長效率更多地受其自身滯后項的影響。模型Ⅲ為經濟增長成本性回歸結果，滯后3期的金融產業集聚對成本性指數無顯著影響，成本性指數自身滯后項對其影響程度隨時間逐步減弱。由于成本性指數更多依靠技術創新推進綠色經濟發展，因此金融產業集聚在短期內對成本性指數未表現出顯著影響。滯后1期的成本性指數在1%的顯著性水平下影響系數為0.7236，滯后3期的成本性指數在10%的顯著性水平下影響系數降至0.0855。模型Ⅳ為經濟增長穩定性回歸結果，滯后1期的金融產業集聚在10%的顯著性水平下對經濟增長穩定性產生正向影響，穩定性自身滯后1期值與滯后2期值對穩定性變動均產生負向影響。已有研究表明，物價穩定有利于金融發展[32]，故金融產業集聚在短期內能夠有效促進經濟增長穩定性。就經濟增長的分享性而言(模型Ⅴ)，滯后1期的金融產業集聚度在1%的顯著性水平下對當期經濟增長分享性存在負向影響，經濟增長分享性自身滯后1期對其具有顯著正向影響，具有強烈的路徑依賴特征，金融產業集聚在短期內不利于經濟增長分享性的提升。模型Ⅵ表明，滯后1期的金融產業集聚能夠有效提升經濟增長質量。

表7 PVAR模型估計結果Table 7 Estimation results of PVAR model

由以上分析可知，經濟增長質量各維度指數均存在一定程度的路徑依賴現象，表現為除經濟增長穩定性指數滯后1期值系數顯著為負外，其余各維度指數滯后1期值均顯著促進其自身當期值的提升，依賴自身慣性發展的特征顯著。

4.2 脈沖響應函數分析

由于PVAR模型回歸系數僅反映了局部的動態關系，因此進一步通過脈沖響應圖檢驗經濟增長質量與金融產業集聚間的長期動態關系。本文經過蒙特卡羅500次模擬，得到經濟增長質量對金融產業集聚變量沖擊滯后10期的響應結果(圖3)。由圖3可以看出：經濟增長結構性對金融產業集聚度的沖擊具有顯著的正向響應，第3期之后開始下降，第7期之后趨于平緩(圖3a)，表明金融產業集聚對經濟增長結構性的正向影響顯著且持久。長期看，金融產業集聚有利于優化經濟增長結構，且短期內優化效果最明顯。經濟增長效率對于金融產業集聚度沖擊在短期內正向和負向響應交替出現，但伴隨時間的推移，正向響應超過了負向響應(圖3b)。金融產業集聚對經濟增長效率的影響在短期內具有不確定性，但從長期看，對經濟增長效率具有一定的促進作用。經濟增長成本性對金融產業集聚沖擊表現出顯著的負向響應(圖3c)，一方面可能由于金融產業集聚并沒有帶動更多的金融資源投入生態環境領域，另一方面則是金融產業集聚過程中部分企業追逐自身經濟利益最大化，將環境治理投資更多地用于購買機器設備等擴大產能的項目，較少用于節能減排相關項目，使得已經投入環境保護和污染治理的金融資源并未發揮實質作用。經濟增長穩定性對于金融產業集聚的沖擊有顯著的負向響應，且持續時間較長，在第8期開始趨于收斂(圖3d)，這可能是由于金融產業集聚帶來的杠桿效應會影響實體經濟發展的穩定性。經濟增長分享性對金融產業集聚的沖擊在短期內出現正向響應，但持續時間較短，在第3期正向響應趨于平穩(圖3e)，表明金融產業集聚對經濟增長分享性的正向作用在短期顯著，但從長期看作用有限。經濟增長質量對金融產業集聚的沖擊在短期內出現正向響應，自第2期開始響應強度減弱，隨后趨于平穩(圖3f)，表明金融產業集聚在短期內可能有利于經濟增長質量的提升，但從長期看這種促進作用有限。

圖3 脈沖響應圖Fig.3 Impulse response diagram

4.3 方差分解分析

進一步通過方差分解考察金融產業集聚度變動對經濟增長質量及其各維度指數的貢獻度(表8)。1)從整體上看，除經濟增長成本性外，金融產業集聚對經濟增長質量及其各維度指數變動的貢獻度隨期數增加逐漸提高，對成本性的貢獻度在第7期和第10期出現小幅下降。2)從長期看，金融產業集聚對經濟增長效率、質量及分享性變動的貢獻度在第10期分別達到58.9%、54.3%和52.0%，表明金融產業集聚對三者變動的貢獻度較大；金融產業集聚對經濟增長結構性和穩定性的貢獻度至第10期分別為17.8%和2.3%，對經濟增長成本性的貢獻度在第5期后趨于平穩，在第9期達到最大值(3.6%)，表明金融產業集聚對經濟增長結構性、穩定性和成本性變動的貢獻度在長期內有限，其變動主要受自身擾動項的影響。

表8 方差分解結果Table 8 Results of variance decomposition

5 結論與啟示

本文對中國省域金融產業集聚及經濟增長質量進行測算，進而檢驗了二者間的動態關系與內在經濟邏輯，主要結論如下：1)在經濟增長質量方面，呈現由上海單極向全國多極化發展的空間格局，且在各地區內部也出現明顯的多極化空間格局。經濟增長質量綜合指數逐年提升，由極點發展逐步帶動周邊提升；從經濟增長質量各維度看，各省域經濟增長分享性、效率和成本性的提升過程與經濟增長質量的提升過程相似，均呈增長趨勢，而經濟增長穩定性與結構性指數則呈下降趨勢，各省域在保持經濟增長穩定與優化經濟結構方面還有待提升。在金融產業集聚度方面，呈現以北京、山西、上海、寧夏、重慶、青海和新疆為多極點發展的空間格局，金融產業集聚度呈波動遞增趨勢，且各地區逐步向多個金融產業集聚中心發展。經濟增長質量綜合指數與金融產業集聚度既有聯系又存在明顯差異，多數省份經濟增長質量與金融產業集聚度在全國的排名存在較大差異。2)金融產業集聚對經濟增長質量整體具有顯著促進作用，但對經濟增長各維度的影響存在差異。脈沖響應結果顯示，金融產業集聚度的變動將正向作用于經濟增長的結構性、效率和分享性，但對經濟增長成本性和穩定性具有負向影響。在長期和短期，金融產業集聚對經濟增長各維度變動的影響存在差異。除經濟增長成本性外，金融產業集聚對各維度指數變化的貢獻度均隨期數增加而增大；但金融產業集聚對經濟增長結構性、成本性和穩定性的貢獻度在長/短期均較低，在長期對提高經濟增長效率、分享性和質量的貢獻度超過自身擾動項對其變化的貢獻度。

基于以上結論，在如何推進金融產業集聚合理布局從而助推經濟增長質量的提高方面得出如下政策啟示：1)充分發揮金融產業集聚在提升經濟增長結構性、效率及分享性方面的正面效應，警惕金融產業集聚過程中放大杠桿倍數對生態環境和經濟增長穩定性造成的負面影響；2)金融產業集聚度并非越高越好，應保持在促進經濟增長質量提高的一定區間內，促進金融對經濟發展的良性支持。本文未考慮空間效應及其他因素對經濟增長質量的影響，這將是后續研究的重點。