金融集聚對工業綠色全要素生產率的影響研究
——基于長三角地區的實證

李瑞雪，司孟慧，張漢飛

（中共中央黨校（國家行政學院） 經濟學教研部，北京 100091）

一、引 言

與傳統追求數量增長的粗放生產方式時代相比，新時代經濟增長最主要的特征就是“高質量增長”，即促進以全要素生產率為衡量指標的經濟高效率發展（劉志彪和凌永輝，2020）［1］。工業經濟作為國民經濟的重要基石，其效率提升對國民經濟整體改善發揮重要作用。因此，建立綠色高效的工業體系成為新時代下推進經濟綠色、健康和可持續發展以及建設美麗中國的重要落腳點。

金融是實體經濟的血脈，長期以來受經濟全球化、市場利潤等因素影響，金融業逐漸顯現出向特定空間或區域集聚態勢，通過與當地社會資源環境的不斷融合和發展，逐步形成了具有緊密聯系的金融體系和金融市場，為實體企業提供了豐富的融資平臺，同時也為提高資源配置效率、降低企業融資成本和助力企業轉型升級提供了動力源泉（Kindleberger，1973［2］；吳義根和馮開文，2018［3］）。加之金融業本身具有的“清潔型”和“動力型”特點（袁華錫等，2019）［4］，對改善工業經濟質量、提升工業綠色生產效率產生了不容忽視的影響。

長三角地區是我國經濟發展最活躍的區域之一（1），其中上海是國際金融中心，江蘇制造業總量位居全國第一，2021年前三季度長三角地區生產總值占全國比重達到24.5%，對全國經濟貢獻率持續增強，在強國建設中具有舉足輕重的戰略地位。“積極推動長江經濟帶成為我國生態優先綠色發展主戰場”是打好污染防治攻堅戰的重要一環（2）。基于以上背景，本文以長三角地區16 個主要城市為研究樣本，探討金融集聚對工業綠色全要素生產率的影響，對促進長三角地區更高質量發展、體現金融更好地服務于實體經濟的本質功能具有一定的理論與現實意義。

二、文獻回顧

以往學者主要借鑒產業集聚的思路和結論探討金融業的集聚效應。產業集聚源于馬歇爾對“地方性工業”在特定地區聚集這一經濟現象的研究，隨后，眾多學者開始從不同角度探討產業集聚現象，1909年韋伯在其《工業區位論》中從地理區位角度提出區位集聚論，通過分析區位因素的運行和形成區位規則，指出“運輸成本”和“勞動力成本”是影響工業集聚于某地的“集聚因素”，集聚的最終結果是產生了單位產品一定數量的成本節約［5］。以克魯格曼為代表的新經濟地理學從地理空間角度，構建一般理論模型來解釋經濟活動的集聚現象，并指出收益遞增、要素差異、運輸成本差異和行業間規模經濟的相互作用形成了集聚的向心力［6］。Goldsmith（1970）最早將金融應用到集聚理論中，認為地區金融集聚程度與經濟發展具有高度關聯性［7］。Kindleberger（1973）提出規模經濟效應是金融市場集聚最主要的原因［2］。20 世紀70 年代出現的金融地理學，則強調了信息技術對促進金融業集聚的重要作用（Conzen，1975）［8］，由于金融業的特殊性，金融機構更需要接近信息源和信息腹地來緩解信息不對稱和加工、處理非標準化信息，所以金融資源呈現向“信息中心”集聚的趨勢（Thrift［9］，1994）。而形成金融集聚中心的必要條件是必須具備“收集、交換、重組和解譯信息”的能力（馮德連和葛文靜，2004）［10］。此外，較低機會成本、較高的金融服務產業份額以及大量的金融信息也成為金融集聚的重要因素（車欣薇等，2012）［11］。總之，基于各類特殊因素和一般因素，金融資源在特定空間聚集成為一般現象，“金融集聚成為金融要素配置優化的重要表現［12］，也成為金融產業組織發展的一般形式”［13］。許多學者先后關注了金融集聚與實體經濟之間的關系，提出金融集聚對經濟增長質量提升具有積極的作用（張忠俊等，2021）［14］，影響途徑主要包括外部規模經濟效應、擴散效應、功能效應、集聚效應、技術進步效應等［15-17］。特別是隨著通信技術的發展，金融集聚輻射效應得到了技術保障，將金融功能傳遞得更遠（李紅和王彥曉，2014）［18］。當前我國已轉向高質量發展階段，著重強調要提高全要素生產率這一目標。一些學者開始研究金融集聚與工業全要素生產率之間的關系，但是得出了不同的觀點：余永澤等（2013）研究表明，在一定范圍內金融集聚對工業生產效率提升表現為外溢效應，但是隨著邊界逐漸擴大，直到超出一定范圍后促進效應開始減弱［19］；王淑英和屈瑩瑩（2017）研究表明，金融集聚對八大國家中心城市的全要素生產率提升均表現為正向促進作用［20］；張秀艷等（2019）利用33個工業細分行業的面板數據實證表明，金融集聚對工業全要素生產率具有直接負效應［21］。

隨著資源環境約束和綠色發展理念的提出，金融集聚與綠色經濟發展的關系成為眾多學者的研究對象。一方面，金融集聚會帶來人才、技術、信息等高級要素的流入和聚集，高級要素的配置改變了經濟增長方式，實現了生產源頭要素的節約、生產過程中資源配置效率的提升以及生產末端環境污染的治理，從而達到整體綠色效率提升的效果（吳義根和馮開文，2018）［3］。另一方面，金融機構通過構建綠色金融體系，發展綠色信貸、綠色債券，設立綠色發展基金等，支持低耗能、低污染和高效能企業發展，可以直接降低環境污染，提升綠色經濟發展效率。比如通過證券公司發行以新能源汽車補貼款作為基礎資產的資產證券化項目，為綠色金融支持實體企業發展拓寬了低成本融資渠道。此外，政府通過綠色信貸提供貸款利率優惠可以有效解決綠色研發活動帶來的市場失靈問題，同時可以明顯降低綠色創新企業研發資金短缺風險（楊文珂等，2021）［22］。部分學者采用實證研究的方法論證了金融集聚與綠色經濟發展之間的關系。張芳等（2018）以長三角地區為例，利用狀態空間模型證明了金融集聚對綠色經濟發展的正效應，但隨著集聚程度的增加，促進作用呈現緩慢下降趨勢［17］。魏茹（2018）的研究發現，無論是在產業結構高級化還是產業結構合理化視角下，金融集聚都會顯著影響城市綠色經濟績效，但是其滯后項以及不同細分行業的集聚效果存在明顯差異［23］。袁華錫等（2019）利用2003—2014年中國274個地級及以上城市數據，證明了金融集聚對綠色發展效率的影響呈現“梯度式”增強的特征［4］。李珊珊和馬艷芹（2020）的研究發現，金融業是提升綠色全要素生產率的重點行業［24］。

可以看出，已有文獻對金融集聚相關領域進行了豐富的研究，但依舊存在不足，主要包括如下幾點問題：第一，多數文獻圍繞金融集聚與實體經濟增長的關系進行研究，未能進一步闡釋金融集聚、工業全要素生產率與綠色可持續發展的聯系；第二，以往的研究忽略了工業全要素生產率的綠色化內涵；第三，中國各地區金融發展水平、集聚程度和工業經濟基礎存在明顯的差距，已有研究主要關注國家整體或者省級層面，對某一經濟區域或城市群的研究則相對較少，忽略了“地域特征”對研究結果存在的政策應用價值。隨著“碳中和”與“碳達峰”目標的提出，實現工業綠色化轉型升級迫在眉睫。因此，本文基于長三角地區16個主要城市（以下簡稱“長三角地區”）面板數據，利用System-GMM 和面板門檻模型，從行業異質性角度探討金融集聚對工業綠色全要素生產率的影響。

三、理論分析與研究假設

工業經濟綠色發展是經濟效益與生態效益的和諧統一，其關鍵在于提升工業綠色全要素生產率。金融服務業作為現代經濟的核心，不僅能夠優化區域資源配置，還可以通過規模效應提高金融市場的流動性，對經濟增長較為明顯的貢獻便是其對全要素生產率的影響。作為影響工業綠色發展的重要因素，金融集聚提升工業績效主要體現為：一方面，金融集聚的“虹吸效應”，吸引各類金融機構和金融活動在特定空間集聚，通過吸納社會儲蓄資金轉化為投資資金，改變社會存量資金的結構和流量資金的變化，進一步影響工業資源供給水平和配給程度（冉啟英等，2021）［25］。集聚效應帶來的資金累積有助于增加金融資源對工業生產的有效資金供給，避免企業因研發投入的高額成本而放棄新技術的開發，從而有助于工業企業長期提高技術進步實現生產率的提高（房春濤，2019）［26］。由金融資本集聚帶來的高素質人才的聚集以及知識、技術外溢，又可以為企業研發投入提供優質人力資本，在提高企業技術效率、提升集聚區內整體創新程度等方面的作用顯著（呂承超和王媛媛，2019）［27］。另一方面，隨著網絡體系持續優化，金融機構之間的信息交流更加便利。金融集聚區內近距離的信息傳輸和資源共享可以有效提高金融行業信息搜集、交流的執行效率，減少信息失真帶來的資源錯配和誤配（高康和原毅軍，2020）［28］。同時有助于金融業增強信息甄別能力，通過識別、篩選出優質工業企業，引導金融資源流向高效率、低污染企業，通過淘汰低生產率企業向周邊地區轉移實現資源的優化再配置，最終形成強勢格局（Pan 和Hou，2014）［29］，從而帶來工業內部產業結構的升級，助推整體工業行業綠色全要素生產率的提升。此外，金融集聚有助于資金配置的風險分散及風險轉移功能的完善，還可以緩解創新的信貸約束，分散創新風險（張秀艷等，2019）［21］。基于此，本文提出假設1。

H1：金融集聚有助于提升工業綠色全要素生產率水平。

不同的金融細分行業在服務實體經濟的方式與作用上各有優勢和劣勢，其集聚程度也相應帶來不同影響。有研究發現，較低水平的銀行業集聚有利于成立更多新企業，同時有助于小企業的發展壯大（Cetorelli 和Strahan，2006）［30］；而有的研究則認為，較高的銀行業集中度會帶來銀行業之間的競爭，從而更有利于成熟企業的成長（Jackson 和Thomas，1995）［31］。國內學者洪功翔等（2014）針對不同細分金融行業從全國和區域兩個層面驗證金融集聚與全要素生產率的關系，結果發現，無論是全國層面還是區域層面，證券業集聚都能顯著促進全要素生產率（TFP）增長，但保險業集聚對中、西部存在顯著的負效應，銀行業集聚在全國層面和對西部地區的作用表現為促進，對東部和中部地區作用不明顯［32］。冷彥潤（2021）基于2006—2011 年我國工業企業數據和金融活動普查數據庫，驗證了銀行業集聚能夠有效提升制造業企業全要素生產率，具體路徑體現為通過緩解企業內部融資約束提升企業全要素生產率［33］。還有學者驗證了信貸市場和股票市場與實體經濟的關系，發現信貸市場對經濟增長表現為積極的正向作用，但是股票市場效果不顯著（Gennaioli 等，2012）［34］。基于此，本文提出假設2。

H2：金融集聚對工業綠色全要素生產率呈現出行業異質性。

金融資本是工業生產發展必不可少的要素之一，當資本匱乏或中介成本較高時，工業投資就可能受限。不同類型金融機構在一定空間內聚集也帶來了資金的聚集，為企業加大創新研發投入或擴大生產規模拓寬了資金來源，特別有利于緩解新興企業融資壓力。當金融集聚規模處于較低水平時，企業可能因缺乏資金支持造成技術創新、產品升級等有利于提高生產效率的行為受阻。只有當金融資本集聚到一定規模，才能更有利于效率提升。但是金融業過度集聚，就會匯集大量的超過經濟發展所需的資源，從而降低整體的經濟效率，還可能增加實體經濟運行成本。由于處于不同發展階段的工業企業具有不同的規模特征、風險特性和融資需求，因此，對于金融服務的需求也存在系統性差異，林毅夫等（2009）指出：“只有金融體系內部各種不同的金融制度安排的比例和相對構成與實體經濟結構相匹配，才能有效發揮金融體系在動員儲蓄、配置資金和分散風險方面的功能。”［35］此外，受利潤導向影響，集聚區內眾多金融資本涌入房地產、股市等少數高利潤行業、領域，加劇以制造業為主體的實體經濟外部融資壓力（洪功翔等，2014）［32］，金融資源的錯配，造成對實體企業有效資金供給不足，抑制企業擴大生產、轉型升級。基于此，本文提出假設3。

H3：金融業和金融細分行業集聚對工業綠色全要素生產率具有門檻效應，且隨著門檻值的變化對工業生產呈現出非線性影響。

四、長三角地區金融集聚、工業綠色全要素生產率發展現狀

（一）金融集聚發展現狀

1.金融業總體集聚發展現狀

衡量金融集聚的方法主要包括空間基尼系數、EG指數、MS地理集中指數、區位熵指數等，本文選擇能夠很好地體現產業市場結構變化基本特征的區位熵指數來衡量金融集聚程度，其含義是某指標在某地區范圍內的比重與該指標在更大范圍內比重的比值（朱輝，2019）［36］，比值越大，表明該地區金融集聚程度越高。本文基于（1）式計算了長三角16個城市的金融業區位熵，衡量金融業整體集聚程度：

其中：fit、pit分別為長三角第i城市第t年末金融業從業人員和所有行業從業人員數；Ft、Pt分別表示長三角16 城市第t年末金融業從業人員數和所有行業從業人員數。選取2005—2019 年數據，經整理計算，結果見表1所列。

表1 長三角16城市金融業區位熵值

根據表1數據，2005—2019年長三角16城市金融集聚程度agg_finit變化趨勢如圖1所示。由圖1可知，長三角16城市金融集聚程度差異比較明顯。隨著經濟發展，長三角金融業的空間分布由上海單中心向多中心演化。2005—2019 年上海的金融集聚指數值在1.020 0～1.584 7 之間波動，在2016 年之前，除蘇州在2005年、泰州在2008年高于上海外，上海集聚程度明顯高于其他城市，但是自2016年之后上海金融集聚程度趨向下降，而臺州、舟山、寧波等市的金融集聚程度開始逐步超過上海。蘇州自2007年金融集聚指數出現大幅下降后，一直處于較低集聚狀態，紹興、揚州等市集聚程度總體處于低位平穩狀態。

圖1 長三角地區部分城市金融集聚變化

2.銀行業、證券業、保險業集聚現狀

為進一步了解長三角16個城市金融細分行業集聚的狀況，同樣采用區位熵指數法，分別計算銀行業區位熵、保險業區位熵、證券業區位熵，來衡量三個細分行業的集聚程度。計算公式如下：

其中：bit、sit、iit、yit分別表示長三角i城市第t年末銀行儲蓄存款余額、證券交易額、保費收入和地區生產總值；Bt、St、It、Yt分別表示長三角16 城市第t年末銀行儲蓄存款余額總和、證券交易額總和、保費收入總和以及地區生產總值總和。根據計算值，長三角16 城市2005—2019 年銀行業、證券業和保險業集聚變化分別如圖2—圖4 所示。

根據圖2，長三角16城市中上海銀行業集聚優勢顯著，集聚程度明顯高于其他15城市，各年集聚度基本都大于1.5，處于長三角地區中的第一梯隊。緊隨上海的是杭州，并且有追趕之勢；南京銀行業也保持了較好的發展勢頭，集聚程度僅次于杭州。總體來看，杭州和南京的銀行業集聚程度處于第二梯隊，銀行集聚指數在1～1.5 之間波動。處于第三梯隊的寧波銀行業集聚程度總體位列第四，但是與上海、杭州、南京三市集聚程度差別顯著，各年集聚程度均小于1。其他12 市銀行業發展比較緩慢，集聚指數在0.5上下波動。

圖2 長三角地區部分城市銀行業集聚變化

根據圖3，以證券交易額為代表的16 城市的證券集聚，上海仍處于較高水平，尤其是在2009年之前，證券集聚程度遠高于其他城市。受2008 年全球金融危機影響，自2009 年開始上海證券業集聚呈現波動下降狀態，到2016 年，杭州證券集聚程度已經超過上海，此后持續保持高度集聚水平，集聚指數整體呈現持續增長態勢。南京證券業集聚程度在2009 年之前尚且位列第二，之后被杭州、紹興等城市超越，但總體來看，南京集聚程度波動幅度不大。而舟山、湖州等市證券業集聚程度一直處于較低水平，且在2005—2019 年間變化不大。

圖3 長三角地區部分城市證券業集聚變化

根據圖4，與銀行業、證券業集聚類似，上海保險業集聚規模仍處于絕對優勢，但是集聚程度呈現下降態勢，2017年被南京超越。杭州保險業集聚度初期并不高，但是一直保持持續增長，2018 年分別超過南京和上海，成為長三角地區保險業集聚程度最高的地區。保險業集聚程度波動較大的包括舟山、南通等市，其中舟山集聚程度由2005年的位列第三下降到2019年的最后一位。

圖4 長三角地區部分城市保險業集聚變化

綜上分析，長三角地區16 城市金融業集聚程度，無論是從總體還是細分行業來看，上海都處于前列，尤其是銀行業集聚程度一直處于高位，相對來說仍然是以銀行業為主導的金融體系，證券業和保險業集聚程度在近年有被杭州、南京超越的趨勢。除上海、南京、杭州經濟實力較強的幾個城市在三個金融細分行業具有明顯優勢外，寧波的銀行業、紹興的證券業、常州的保險業等也表現出發展潛力。其他城市金融發展相對落后，集聚程度處于較低水平，具有廣闊的發展空間。

（二）工業綠色全要素生產率發展現狀

非參數法中的數據包絡分析法（DEA）因沒有涉及生產函數形式的設定，也不需要對參數函數進行估計，在全要素生產率測算中應用廣泛。為了考察工業全要素生產率的“綠色”內涵，本文將包含污染物排放的非期望產出納入分析，希望期望產出增加的同時得到最小的非期望產出。所以本文采用DEA 方法來設定投入距離函數，利用Chung 等（1997）［37］提出的ML（Malmquist-Luenberger）指數來度量工業綠色全要素生產率的動態變化，則從t期到t+1期的Malmquist-Luenberger生產率指數具體表現為：

其中：Dt0、Dt+10分別代表以t時期和t+1 時期為技術參考的混合距離函數；x、y、b、g分別表示投入、產出、非期望產出和各要素的松弛向量。如果ML（·）值小于1，表示全要素生產率當期值相對于上一期值表現為下降；反之，則認為出現增長趨勢。因此，其測算結果表示的是TFP 的增減變化情況。

該指數不僅可以考慮工業綠色全要素生產率的動態變化，還可以進一步分解為工業綠色技術進步變化指數（techch，technical efficiency change）、工業綠色純技術效率指數（pech，pure technical efficiency change）和工業綠色規模效率指數（sech，scale efficiency change），表明工業綠色全要素生產率變化的源泉，即

techch、sech、pech小于1、等于1、大于1均表示為效率下降、不變和上升。

結合2005—2019年長三角16城市的投入和產出數據，測算得出工業綠色全要素生產率的變化率。其中，從勞動力、資本、能源三個維度選擇投入指標，勞動力選取工業行業從業人員數（萬人），資本選取工業資產（億元），能源選取原煤消耗量（萬噸）。產出指標分為期望產出和因資源消耗、工業污染帶來的非期望產出，期望產出選取工業增加值，非期望產出包括工業二氧化硫排放量、工業廢水排放量和工業粉塵排放量。具體指標選取及描述性統計見表2 所列。本文基于DEAP2.1 軟件計算出工業綠色全要素生產率（tfpch）并將其分解為工業技術進步（techch）、工業純技術效率（pech）和工業規模效率（sech）。由于全要素生產率的結果是根據其變化率計算得來的，所以本文借鑒李珊珊和馬艷芹（2020）［24］的方法，以2005 年為基期，假定2005年的工業綠色全要素生產率水平為1，則2006年的工業綠色全要素生產率水平為2005年的工業綠色全要素生產率指數乘以2006 年的工業綠色全要素生產率指數，以此類推即可得2005—2019 年長三角16 市工業綠色全要素生產率指標，具體見表3所列。

表2 投入要素與產出要素數據的描述性統計

表3 全要素生產率測算結果

續表2

由表3可知，上海工業綠色全要素生產率最高達到1.747，江蘇整體位列第二，效率值為0.570，浙江整體效率值與江蘇整體效率值比較接近，為0.536，均明顯低于上海。從具體城市來看，紹興、泰州分列第二、第三，而南京的效率值最低。從效率值分項來看，上海的工業綠色全要素生產率主要來源于規模效率，紹興則是純技術效率帶來了整體效率的提升，泰州三個分項效率值均發揮了明顯的作用，尤其是規模效率在更大程度上發揮了提升工業綠色全要素生產率的作用。南京效率低下主要是技術效率水平過低，僅為0.269，提升工業技術水平將是南京工業綠色全要素生產率總體提升的主要方向。

五、研究設計

（一）數據來源

本文選取長三角地區16 個主要城市2005—2019 年共15 年的面板數據作為樣本空間，這16 個城市分別是上海、蘇州、南京、揚州、杭州、寧波、無錫、嘉興、常州、鎮江、南通、紹興、泰州、湖州、臺州以及舟山。原始數據來源于上海市、江蘇省、浙江省統計年鑒、各市統計年鑒、各市年度國民經濟和社會發展統計公報、《中國城市統計年鑒》、國泰安數據庫、EPS數據庫以及Wind數據庫等。

（二）變量選取

（1）被解釋變量。包括工業綠色全要素生產率（tfpch）、工業綠色技術效率（techch）、工業綠色純技術效率（pech）、工業綠色規模效率（sech）。不同于全要素生產率，綠色全要素生產率在測算中加入了能源數據，能夠更為準確地度量長三角地區工業綠色發展績效。上文使用DEA-Malmquist Luenberger生產率指數，已測算出相關指標。

（2）核心解釋變量。本文核心解釋變量為金融集聚度，并從銀行、證券和保險業三個細分行業的集聚程度分析其對工業綠色發展效率的影響。上文采用區位熵方法，已測算出相關指標。

（3）控制變量。本文從教育水平、科技水平、外資投入水平、產業結構、信息化程度、職工收入水平和互聯網發展水平7 個角度選取控制變量指標。其中，教育水平用一般預算財政支出中教育事業支出比例衡量；科技水平用一般預算財政支出中科學技術支出比例衡量；對外投資依存度以當年實際利用外資額與GDP 比值衡量；產業結果用第二產業增加值占GDP 比重衡量；信息化水平用電信業務總量衡量；收入水平用職工平均工資衡量；互聯網發展水平用國際互聯網用戶數量與地區人口數比值進行衡量。因為變量電信業務總量的數據偏大，所以本文對此變量選取對數后進行實證分析。

各指標說明及描述性分析見表4所列。

表4 描述性分析

（三）模型設定

1.廣義矩估計（System-GMM）

金融發展問題容易因雙向交互影響產生內生性問題，廣義矩估計（System-GMM）可以有效解決生產函數估計中存在的變量內生性問題，提高估計準確度（岳文和陳飛翔，2015）［38］。本文使用System-GMM模型并加入被解釋變量的滯后項作為工具變量，測算長三角地區16 城市金融集聚與工業綠色全要素生產率之間的動態關系。

在進行實證分析前，首先通過pearson 系數初步檢驗解釋變量與被解釋變量的關系是否符合初步假設，見表5所列。

表5 相關性分析

由表5可知，解釋變量中金融業整體和其他三個細分行業區位熵的二次項與被解釋變量之間都是負相關關系，符合本文的初步假設。接下來，利用VIF值檢驗解釋變量的多重共線性問題。由表6可以看出，產業結構（stru）和科技水平（tec）VIF大于5，則說明這兩個變量與其他變量之間存在多重共線性，需要將這兩個變量進行刪除。刪除了產業結構和科技水平兩個變量后，其余解釋變量VIF值都小于5。因此，以剩余5個變量構建System-GMM模型。

表6 VIF檢驗結果

本文在皮爾遜檢驗和VIF檢驗的基礎上，將篩選出的變量構建金融集聚與工業綠色全要素生產率關系的模型，如下所示：

其中：Tit為被解釋變量，包括工業綠色全要素生產率（tfpch）、工業綠色技術效率（techch）、工業綠色純技術效率（pech）、工業綠色規模效率（sech）；解釋變量為金融集聚水平（Fit）；Zit為本文選取的控制變量；?表示常數；β為變量系數；εit為誤差項。國內外的研究結果表明，影響工業綠色全要素生產率的因素包括教育支出、外資依存度、電信業務總量、職工平均工資和互聯網發展水平。為了準確反映金融集聚對工業綠色全要素生產率的作用，本文結合長三角地區城市群發展的特性和數據可得性，將以上所述影響工業綠色全要素生產率的因素作為控制變量。為重點檢驗金融集聚與長三角地區工業綠色全要素生產率發展的非線性關系，本文在解釋變量中引入了金融集聚的平方項，同時借鑒已有研究（郭家堂和駱品亮，2016）［39］，采用被解釋變量的一階滯后項作為工具變量，得到具體形式如下：

其中：i代表長三角16城市；t代表不同時期，選取2005—2019 年作為研究周期；Tit、agg_finit、eduit、fdiit、interit、mobit和pageit分別表示各城市工業綠色全要素生產率、金融集聚程度、教育支出、外資依存度、國際互聯網用戶數量與地區人口數比值、電信業務總量和職工平均工資，因為電信業務總量的數據較大，本文對此變量選取了對數；λit表示地區異質性；εit表示殘差。

為了進一步驗證金融細分行業對工業綠色全要素生產率的異質性，在（8）式基礎上，分別用銀行業集聚（agg_bank）、證券業集聚（agg_sto）和保險業集聚（agg_ins）替代金融業集聚（agg_fin）建立金融細分行業對長三角地區工業綠色全要素生產率影響的模型。構建的模型如下：

2.面板門檻模型

為驗證不同金融細分行業集聚程度對工業綠色全要素生產率水平影響的最佳區間，根據Hansen（1999）［40］提出的面板門檻數據模型，分別假定銀行業區位熵agg_bankit、證券業區位熵agg_stoit、保險業區位熵agg_insit為門檻變量，進行門檻值估計和檢驗，探究金融集聚與工業綠色全要素生產率之間的非線性關系，則以雙重門檻為例構建回歸模型如下：

其中：i、t、Tit分別表示個體變量（i=1，2，…，m）、時間變量（t=1，2，…，n）和被解釋變量工業綠色全要素生產率；Zit為控制變量；I（·）為指示函數；εit為隨機擾動項；si分別代表銀行業集聚程度agg_bankit、證券業集聚程度agg_stoit、保險業集聚程度agg_insit；γ1、γ2、γ3為影響系數；μ1、μ2為兩個門檻變量特定的門檻值。

六、實證檢驗與分析

（一）數據平穩性檢驗

本文分別采用LLC 檢驗、IPS、ADF_FISHER、ADF_pperron、Hadri五種方法進行單位根檢驗，結果見表7所列。除產業結構指標顯示非平穩外，其他指標均顯示平穩，所以實證分析時剔除了產業結構指標。

表7 單位根檢驗結果

續表7

（二）實證結果

1.System-GMM回歸結果

為檢驗金融集聚對長三角地區工業綠色全要素生產率的影響，以及不同金融細分行業對該地區工業綠色全要素生產率影響的異質性，針對（7）-（8）式構建的模型，本文選擇System-GMM方法，得到回歸結果見表8所列。根據Arellano-Bond和Sargan檢驗結果可以判斷模型有效性，模型（1）-（7）AR（1）檢驗的P值均小于0.1，AR（2）檢驗的P值均大于0.1，說明不拒絕不存在二階自相關的原假設，即該模型的隨機擾動項不存在殘差項的序列自相關。Sargan過度識別檢驗結果均大于0.1，也證明了模型設定合理，選取的工具變量有效。

表8 金融集聚對工業綠色全要素生產率的回歸結果

模型（1）在控制了教育支出、外資依存度、電信業務總量、職工平均工資和國際互聯網用戶數量和地區人口數比值等因素后，檢驗了金融集聚對工業綠色全要素生產率的影響，金融集聚的一次項（agg_fin）系數為1.511，金融集聚的二次項（agg_fin2）系數為-0.639，均通過了1%的顯著性統計檢驗，由此可以說明，金融集聚對工業綠色全要素生產率的影響符合“倒U”型曲線。長三角地區內金融集聚在研究期內可以推動工業綠色全要素生產率的提升，但是并非集聚程度越大促進作用越明顯，相反，過度集聚會阻礙工業綠色全要素生產率的提升。模型（2）（3）（4）分別驗證了金融集聚對工業技術進步、工業純技術效率、工業規模效率的影響，從回歸結果來看，金融集聚對工業技術進步的影響也呈“倒U”型曲線，但是金融集聚對工業純技術效率和工業規模效率的影響卻呈“U”型曲線。通過分析發現，由于金融集聚對工業綠色技術進步的作用效果要明顯強于對工業純技術效率和工業規模效率的影響，所以，金融集聚對長三角地區工業綠色全要素生產率的最終影響呈“倒U”型。

模型（5）（6）（7）為銀行業、證券業和保險業集聚對工業綠色全要素生產率的影響結果，從回歸結果看,銀行業與證券業集聚對工業綠色全要素生產率的影響具有曲折性，即前期對工業綠色全要素生產率的影響是積極的，但隨著銀行業和證券業集聚的加劇，對工業綠色全要素生產率的影響逐漸降低，由此說明，銀行業和證券業的適當集聚對工業綠色全要素生產率的影響會達到帕累托最優，而過度的集聚反而不利于工業綠色發展。而保險業集聚對工業綠色全要素生產率的影響卻只有簡單的正相關關系，說明隨著保險業集聚的不斷發展，會不斷促進工業綠色全要素生產率的發展。但是模型（5）（6）（7）的結果表明，證券業集聚在金融集聚中的影響力不及銀行業和保險業。模型（5）（6）中被解釋變量的滯后一期系數為負數，說明隨著長三角地區金融不斷集聚，對工業綠色全要素生產率的影響為負，由此說明該地區已處于“倒U”型的右半側，該地區金融出現過度集聚的現象。以上結果驗證了H1和H2。

續表8

2.門檻檢驗結果

（1）門檻效應檢驗。為了進一步驗證金融細分行業對工業綠色全要素生產率的門檻效應，分別選取銀行業區位熵、證券業區位熵、保險業區位熵作為門檻變量，根據模型（12）進行門檻效應存在性和門檻個數檢驗，通過自抽樣600 次后得到F值和P值，檢驗結果見表9 所列。結果表明，銀行業集聚、證券業集聚和保險業集聚分別存在顯著的雙門檻效應、雙門檻效應和單門檻效應。由此驗證了H3。

表9 門檻效應檢驗結果

（2）門檻值估計與檢驗。確定銀行業集聚、證券業集聚、保險業集聚存在門檻效應，需要對門檻值進行估計與檢驗，根據表10，銀行業集聚所對應的門檻估計值分別為1.583 1 和1.596 5，證券業集聚的門檻值分別為1.805 5 和1.991 2，保險業集聚對應的門檻值為1.368 1，且處于原假設接受域內，說明門檻值與實際估計值相等。

表10 門檻值估計結果

（3）參數估計及實證結果分析。表11和圖5—圖7 分別顯示了銀行業集聚、證券業集聚、保險業集聚及相關變量面板門檻參數估計結果和相應的門檻參數。

圖5 銀行業門檻值

圖7 保險業門檻值

表11 面板門檻模型的估計結果

在以銀行業集聚為門檻變量時，銀行集聚門檻把長三角地區金融集聚水平分為Ⅰ類（agg_bank≤1.583 1）、Ⅱ類（1.583 1＜agg_bank≤1.596 5）和Ⅲ類（agg_bank＞1.596 5），在每一類區間內銀行業集聚對工業綠色全要素生產率起到的作用并不相同。當agg_bank≤1.583 1 時，銀行業集聚對工業綠色全要素生產率的影響為負，且在10%的水平上顯著；當1.583 1＜agg_bank≤1.596 5 時，系數在1%水平上顯著，值為1.605 91，表明銀行業集聚程度在此區間內時能夠明顯促進工業綠色全要素生產率；當agg_bank＞1.596 5 時，銀行業集聚未能促進工業綠色全要素生產率的提升，且抑制程度略高于第一門檻值，整體來看呈現“倒U”型的非線性關系。產生以上差異的原因可能是：在銀行業發展初期，銀行資本不足無法為工業發展提供充分的資金支持，對工業綠色發展的影響更是微乎其微；當銀行業水平發展到一定程度，集聚優勢逐漸顯現時，對推動工業技術升級，促進生產經營方式向綠色環保轉變起到積極推動作用，從而對工業綠色全要素生產率形成顯著的促進作用；但是隨著銀行業集聚程度的繼續提高，銀行業對工業綠色全要素生產率由促進作用變為抑制作用，一方面可能是由于銀行資源的過度集中造成了資源浪費、銀行資金配置效率和使用效率降低，另一方面可能由于過度集聚造成銀行業的過度競爭，造成金融集聚的邊際效應遞減（施本植等，2018）［41］。

證券業集聚門檻值分別為1.805 5 和1.991 2，當門檻值低于1.805 5時，其對工業綠色全要素生產率起到不顯著的抑制作用；當集聚水平處于1.805 5～1.991 2 時，金融集聚在1%的水平上顯著促進了工業綠色全要素生產率；當集聚水平高于1.991 2 時，證券業集聚未能促進工業綠色全要素生產率的提升。總體來看，證券業集聚呈現出與銀行業類似的“倒U”型非線性關系，但是證券業集聚的促進系數要明顯大于銀行業的促進系數。

在以保險業集聚為門檻變量時，當保險業集聚水平低于1.368 1 時，其對工業綠色全要素生產率的影響系數為負的不顯著；當門檻值跨越1.368 1時，金融集聚對工業綠色全要素生產率的影響由負的不顯著變為正向促進作用，即保險業集聚水平更高時，更有利于工業綠色全要素生產率的提升。

圖6 證券業門檻值

（三）穩健性檢驗

為進一步驗證System-GMM 結果的準確性，需要對已有結論進行穩健性檢驗。本文采用SBMGML方法重新測算工業綠色全要素生產率，并測算金融集聚對重新測得的工業綠色全要素生產率產生的影響。穩健性檢驗結果顯示（3），金融集聚對工業綠色全要素生產率的影響與前文研究結論基本一致，即呈“倒U”型關系，由此可以表明本文的實證研究結論具有良好的穩健性。

七、主要結論及政策啟示

根據長三角16城市金融區位熵和工業綠色全要素生產率測度結果，運用動態面板System-GMM方法，實證分析金融集聚對工業綠色全要素生產率的動態影響，并在此基礎上運用面板門檻模型進一步檢驗銀行、證券和保險三個細分行業的門檻效應，得出相應的門檻值。結果表明：金融集聚對長三角工業綠色全要素生產率的影響具有“倒U”型關系；從細分行業來看，保險業集聚對工業綠色全要素生產率的影響呈現正相關關系，而銀行業、證券業集聚水平較低和過高都會制約工業綠色全要素生產率的提升。從門檻檢驗結果來看，銀行業、證券業、保險業集聚均存在門檻效應，其中銀行業具有雙重門檻效應，當集聚水平處于1.583 1～1.596 5之間時，促進效果最明顯；證券業集聚具有雙門檻效應，當門檻值處于1.805 5～1.991 2 之間時，更有利于提高工業綠色全要素生產率；保險業集聚具有單門檻效應，門檻值高于1.368 1時促進效應更明顯。整體來看，除上海在個別年份金融集聚程度較高外，其他城市的銀行業、保險業、證券業集聚程度仍處于相對較低水平。

基于上述結論，本文得到啟示如下：首先，要發揮長三角地區金融集聚對工業綠色發展的積極作用，政府要根據各地區實際工業綠色發展現狀，因地制宜實施富有彈性和持續性的金融產業政策，積極引導金融資源向高效率、清潔生產的工業企業流動，避免因政策不合理抑制工業綠色發展效率提升，同時充分利用金融集聚的溢出效應、創新效應，進一步優化要素資源配置，全方位提升工業綠色全要素生產率。其次，要合理配置不同類型的金融資本，創新金融產品。不同細分行業的金融資源為實體企業轉型升級奠定了堅實基礎，要充分利用銀行業的資金供給、證券業的資金融通和保險業的風險保障功能，如發行綠色債券等，針對高耗能、高污染等問題，推行環境污染強制責任保險等各類險種，提升企業環保意識，同時要加強對金融機構的綠色金融業績評價。最后，要重視金融、工業經濟和生態三者之間的協調發展，形成良性互動。既要利用金融集聚引導更多金融資本進入新興產業、高技術產業、綠色環保型產業，為低耗能、低污染和清潔型企業提供融資便利政策，又要避免金融過度集聚帶來的“擁擠效應”。

注 釋：

（1）資料源自《長江三角洲區域一體化發展規劃綱要》（https：//baijiahao.baidu.com/s?id=1651714580888046299 &wfr=spider&for=pc）。

（2）資料源自《中共中央 國務院關于深入打好污染防治攻堅戰的意見》（http：//www.gov.cn/xinwen/2021-11/07/content_5649656.htm）。

（3）限于篇幅，穩健性檢驗結果不再列出，備索。