長(zhǎng)三角金融發(fā)展影響城市群空間經(jīng)濟(jì)演變的時(shí)空異質(zhì)性分析
——基于傳統(tǒng)金融與數(shù)字金融雙重維度的實(shí)證研究

□ 倪進(jìn)峰 隗斌賢

內(nèi)容提要 本文基于2012—2019年長(zhǎng)三角地區(qū)41 座城市的面板數(shù)據(jù)，在測(cè)度城市群經(jīng)濟(jì)分布特征及演變軌跡的基礎(chǔ)上，采用時(shí)空加權(quán)回歸模型從城市金融與經(jīng)濟(jì)存在時(shí)空非平衡關(guān)系的視角，解釋城市群經(jīng)濟(jì)時(shí)空演變軌跡形成的原因，并以傳統(tǒng)金融和數(shù)字金融兩種維度，實(shí)證檢驗(yàn)兩類(lèi)金融業(yè)態(tài)驅(qū)動(dòng)城市經(jīng)濟(jì)發(fā)展的時(shí)空異質(zhì)性。研究發(fā)現(xiàn)：（1）長(zhǎng)三角空間經(jīng)濟(jì)呈現(xiàn)相對(duì)穩(wěn)定但極化程度逐步減弱的“核心—外圍”結(jié)構(gòu)，伴隨城際經(jīng)濟(jì)差距的拉大，經(jīng)濟(jì)分布主要向南北兩端擴(kuò)散；（2）傳統(tǒng)金融對(duì)城市經(jīng)濟(jì)發(fā)展的影響存在時(shí)空異質(zhì)性，促進(jìn)效應(yīng)較大的區(qū)域逐漸由蘇南等次核心區(qū)向周邊城市遷移，顯示其對(duì)城市群經(jīng)濟(jì)向北、向西擴(kuò)散具有重要作用；（3）數(shù)字金融對(duì)城市經(jīng)濟(jì)的影響受空間異質(zhì)性主導(dǎo)，促進(jìn)效應(yīng)較大的城市主要是上海及上海以南的浙江城市，表明數(shù)字金融是拉動(dòng)城市群經(jīng)濟(jì)向南擴(kuò)散的主要力量。

一、引言

當(dāng)前，我國(guó)經(jīng)濟(jì)正處于由高速發(fā)展向高質(zhì)量發(fā)展轉(zhuǎn)換的關(guān)鍵時(shí)期，在這樣一個(gè)時(shí)期，金融愈發(fā)成為保持我國(guó)經(jīng)濟(jì)穩(wěn)定增長(zhǎng)的重要力量。《中共中央關(guān)于制定國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃和二〇三五年遠(yuǎn)景目標(biāo)的建議》指出，“十四五”時(shí)期要加快構(gòu)建以國(guó)內(nèi)大循環(huán)為主體、 國(guó)內(nèi)國(guó)際雙循環(huán)相互促進(jìn)的新發(fā)展格局，并強(qiáng)調(diào)要健全具有高度適應(yīng)性、競(jìng)爭(zhēng)力、普惠性的現(xiàn)代金融體系，構(gòu)建金融有效支持實(shí)體經(jīng)濟(jì)的體制機(jī)制。這指明了未來(lái)一段時(shí)期我國(guó)現(xiàn)代金融體系建設(shè)的重點(diǎn)和方向，突出金融服務(wù)要兼顧適應(yīng)性和普惠性特征，目標(biāo)是提升競(jìng)爭(zhēng)力，同時(shí)應(yīng)從多維的角度觀(guān)察和思考金融對(duì)經(jīng)濟(jì)的作用，以服務(wù)的有效性為根本落腳點(diǎn)，深入探索新發(fā)展格局下金融服務(wù)經(jīng)濟(jì)高質(zhì)量發(fā)展的政策路徑。

金融與經(jīng)濟(jì)增長(zhǎng)聯(lián)系緊密，但二者之間并非簡(jiǎn)單的線(xiàn)性關(guān)系。在這方面的經(jīng)驗(yàn)研究中，Goldsmith（1969）關(guān)于金融體系規(guī)模與經(jīng)濟(jì)增長(zhǎng)緊密相關(guān)的討論具有開(kāi)創(chuàng)性貢獻(xiàn)，之后圍繞該話(huà)題的實(shí)證檢驗(yàn)經(jīng)久不衰，但就金融發(fā)展究竟對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生怎樣的影響并未達(dá)成共識(shí)。大多數(shù)研究認(rèn)為，整體來(lái)看金融發(fā)展能夠促進(jìn)經(jīng)濟(jì)增長(zhǎng)（King & Levine，1993；周立和王子明，2002； Luintel et al.，2008）。但也有文獻(xiàn)提出了金融擴(kuò)張會(huì)阻礙經(jīng)濟(jì)増長(zhǎng)的相反觀(guān)點(diǎn)（De la Torre et al.，2011）。為解釋這種研究結(jié)論的差異，有學(xué)者開(kāi)始注意到研究樣本地域的影響。其中，外文文獻(xiàn)主要關(guān)注國(guó)別因素，在控制考察期和估計(jì)方法的前提下，主要采用面板數(shù)據(jù)子樣本進(jìn)行分類(lèi)研究，或是對(duì)不同國(guó)家的時(shí)序數(shù)據(jù)結(jié)果進(jìn)行比較。研究表明金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)在某些經(jīng)濟(jì)體很明顯，在另一些經(jīng)濟(jì)體中效果很弱，甚至是抑制作用（Beck et al.，2014； Arcand et al.，2015；Durusu-Ciftci et al.，2017）。中文文獻(xiàn)聚焦國(guó)內(nèi)，研究發(fā)現(xiàn)，我國(guó)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)關(guān)系具有明顯的區(qū)域差異 （逯進(jìn)和朱順杰，2015；張文和鐘宸，2019），這種區(qū)域差異不僅體現(xiàn)在金融資源集聚對(duì)本地經(jīng)濟(jì)發(fā)展的影響上，也體現(xiàn)在對(duì)周邊經(jīng)濟(jì)發(fā)展的溢出效應(yīng)上（武耀華等，2021）。金融對(duì)經(jīng)濟(jì)的促進(jìn)存在一種區(qū)域結(jié)構(gòu)效應(yīng)，經(jīng)濟(jì)發(fā)達(dá)的地區(qū)金融資源飽和，制約了資源配置效率，而欠發(fā)地區(qū)金融資源稀缺，對(duì)經(jīng)濟(jì)增長(zhǎng)的邊際貢獻(xiàn)更大（徐徠，2020）。但也有學(xué)者持不同觀(guān)點(diǎn)，他們發(fā)現(xiàn)金融發(fā)展在欠發(fā)達(dá)地區(qū)與發(fā)達(dá)地區(qū)之間的收斂速度，要明顯快于經(jīng)濟(jì)增長(zhǎng)的收斂速度（周麗麗等，2014），或是從信貸規(guī)模投放的角度來(lái)看，更多的信貸資源對(duì)發(fā)達(dá)地區(qū)的長(zhǎng)期增長(zhǎng)更有利（謝朝華等，2020），證明欠發(fā)達(dá)地區(qū)金融的促進(jìn)效果要低于發(fā)達(dá)地區(qū)。

上述文獻(xiàn)都關(guān)注到區(qū)域差異在金融對(duì)經(jīng)濟(jì)增長(zhǎng)影響過(guò)程中起到的作用，但綜合來(lái)看，現(xiàn)有研究在以下幾個(gè)方面仍有改進(jìn)空間。一是突出變量關(guān)系的時(shí)空屬性。現(xiàn)有研究一般是從經(jīng)濟(jì)稟賦的視角看待區(qū)際差異，大多將金融影響效應(yīng)的區(qū)域差異歸結(jié)為各地固定資產(chǎn)投資、人力資本、產(chǎn)業(yè)結(jié)構(gòu)等經(jīng)濟(jì)屬性的不同，其他因素被籠統(tǒng)地納入個(gè)體固定效應(yīng)予以控制，但這樣做實(shí)際上遺漏了很多重要信息（Cline，2015），其中就包括經(jīng)濟(jì)變量的空間屬性，即使近年有少量研究將區(qū)位因素納入分析框架，但也主要是借助空間自回歸（SAR）、空間杜賓（SDM）等空間計(jì)量經(jīng)濟(jì)模型，從空間全域的角度對(duì)金融作用的溢出效應(yīng)做出一個(gè)整體性的定義，卻沒(méi)有區(qū)分區(qū)域個(gè)性，缺乏從空間局部的視角觀(guān)察作用關(guān)系的區(qū)域變化。因此需要借助一種局部分析工具，描述金融作用經(jīng)濟(jì)的局部效應(yīng)，并動(dòng)態(tài)觀(guān)察這種局部效應(yīng)會(huì)沿著怎樣的路徑演變，對(duì)整個(gè)空間經(jīng)濟(jì)格局會(huì)有怎樣的沖擊和影響。

二是下沉研究視角。現(xiàn)有文獻(xiàn)普遍將國(guó)別、行政大區(qū)、經(jīng)濟(jì)板塊、省域作為區(qū)域單元，缺少更小空間尺度下對(duì)金融與經(jīng)濟(jì)差異化關(guān)系的觀(guān)察。然而，世界各大經(jīng)濟(jì)體早已進(jìn)入城市群時(shí)代，在我國(guó)，以長(zhǎng)三角、 珠三角等為代表的城市群已成為支撐構(gòu)建“雙循環(huán)”發(fā)展格局、承載實(shí)現(xiàn)高質(zhì)量發(fā)展的基本地域形態(tài)，在此背景下，應(yīng)當(dāng)更多地站在城市體系的視角，審視城市尺度下金融與經(jīng)濟(jì)的關(guān)系。

三是擴(kuò)充變量?jī)?nèi)涵。近年來(lái)我國(guó)數(shù)字金融快速興起，已在全球處于領(lǐng)先地位。數(shù)字金融服務(wù)是頭部金融科技企業(yè)和互聯(lián)網(wǎng)公司引領(lǐng)發(fā)起的、側(cè)重于使用數(shù)字技術(shù)進(jìn)行金融創(chuàng)新活動(dòng)的業(yè)務(wù)模式，是有別于依賴(lài)網(wǎng)點(diǎn)鋪設(shè)獲客展業(yè)、投放抵押貸款等傳統(tǒng)銀行行為的新型金融業(yè)態(tài) （邱晗等，2018）。數(shù)字金融服務(wù)的蓬勃發(fā)展對(duì)推動(dòng)各地經(jīng)濟(jì)增長(zhǎng)貢獻(xiàn)了積極的力量（王永倉(cāng)和溫濤，2020），但其與傳統(tǒng)金融服務(wù)是補(bǔ)充還是替代的關(guān)系仍未有定論（王喆等，2021），故有必要對(duì)不同金融業(yè)態(tài)的經(jīng)濟(jì)發(fā)展效應(yīng)進(jìn)行多維度的觀(guān)察和探討。此外，早期文獻(xiàn)基本都采用單一的GDP 代理經(jīng)濟(jì)增長(zhǎng)，但對(duì)于我國(guó)來(lái)說(shuō)，一方面，一些地方層面的GDP 數(shù)據(jù)由于受到“基礎(chǔ)數(shù)據(jù)失真”、“GDP 錦標(biāo)賽”等人為因素的干擾，數(shù)據(jù)質(zhì)量的可靠性問(wèn)題一直備受關(guān)注（盧盛峰等，2017）。另一方面，中國(guó)GDP 核算體系在金融業(yè)核算、不變價(jià)GDP 核算、季度GDP 核算、GDP 核算分類(lèi)等方面存在一定的不足（許憲春和呂峰，2018），雖然近年我國(guó)持續(xù)改進(jìn)和完善核算方法，修訂GDP 的定義、生產(chǎn)范圍及其構(gòu)成指標(biāo)，但與經(jīng)濟(jì)社會(huì)管理需求、國(guó)民經(jīng)濟(jì)核算國(guó)際標(biāo)準(zhǔn)、發(fā)達(dá)國(guó)家水平相比，中國(guó)GDP 核算還有一定的差距（許憲春，2020）。隨著統(tǒng)計(jì)技術(shù)的發(fā)展，可以借助一些更加客觀(guān)普適的、國(guó)內(nèi)外通用可比的、具有綜合性?xún)?nèi)涵的指標(biāo)衡量區(qū)域經(jīng)濟(jì)發(fā)展水平。

長(zhǎng)三角城市群常被稱(chēng)為 “世界第六大城市群”，是我國(guó)經(jīng)濟(jì)發(fā)展最活躍、開(kāi)放程度最高、創(chuàng)新能力最強(qiáng)的區(qū)域之一，在國(guó)家現(xiàn)代化建設(shè)大局和全方位開(kāi)放格局中具有舉足輕重的戰(zhàn)略地位。長(zhǎng)三角城市群經(jīng)濟(jì)體量大、密度高，以約4%的國(guó)土面積貢獻(xiàn)了全國(guó)約1/4 的經(jīng)濟(jì)總量。地區(qū)內(nèi)部大型城市較多，圍繞中心城市上海，次核心區(qū)域的杭州、南京、蘇州等城市形成“多中心”空間結(jié)構(gòu)，同時(shí)也不乏位居周邊腹地的眾多中小型城市，城市群整體具有一定的經(jīng)濟(jì)梯度和層級(jí)特點(diǎn)。長(zhǎng)三角金融資源豐裕，轄內(nèi)法人機(jī)構(gòu)眾多，各類(lèi)金融網(wǎng)點(diǎn)林立，金融業(yè)態(tài)豐富，金融業(yè)整體發(fā)展良好。其中，上海是國(guó)際金融中心，其他城市的金融競(jìng)爭(zhēng)力也位居全國(guó)前列——據(jù)《2020年中國(guó)城市金融競(jìng)爭(zhēng)力評(píng)價(jià)報(bào)告》的測(cè)算，江蘇、浙江和安徽所屬城市在參與測(cè)評(píng)的26 個(gè)省份中分別名列第1、2 和9 位（中國(guó)社會(huì)科學(xué)院金融研究所等，2021）。

鑒于此，本文的研究工作安排如下：首先為面向長(zhǎng)三角一體化國(guó)家戰(zhàn)略，探索區(qū)域經(jīng)濟(jì)發(fā)展新形勢(shì)下經(jīng)濟(jì)空間結(jié)構(gòu)發(fā)生深刻變化背后的客觀(guān)經(jīng)濟(jì)規(guī)律。①本文兼顧樣本的代表性和參考價(jià)值，選用2012—2019年長(zhǎng)三角地區(qū)41 座城市的面板數(shù)據(jù)進(jìn)行研究。其次，為突出變量關(guān)系的時(shí)空屬性，本文的實(shí)證分析主要采用時(shí)空加權(quán)回歸模型這一局部效應(yīng)分析工具，創(chuàng)新性地將金融與經(jīng)濟(jì)的時(shí)空非平衡關(guān)系納入城市群空間經(jīng)濟(jì)演化過(guò)程中進(jìn)行研究，檢驗(yàn)城市群內(nèi)部金融影響經(jīng)濟(jì)的時(shí)空異質(zhì)性效應(yīng)，并以動(dòng)態(tài)的視角觀(guān)察這種時(shí)空異質(zhì)性效應(yīng)的演進(jìn)路徑，研究其對(duì)推動(dòng)城市群經(jīng)濟(jì)格局演變的影響。最后，為擴(kuò)充變量?jī)?nèi)涵，本文以國(guó)內(nèi)外學(xué)界常用的夜間燈光數(shù)據(jù)綜合反映城市經(jīng)濟(jì)發(fā)展水平，測(cè)度城市群經(jīng)濟(jì)的分布特征及演變軌跡。同時(shí)結(jié)合當(dāng)前金融業(yè)發(fā)展新趨勢(shì)，從傳統(tǒng)金融和數(shù)字金融兩種維度細(xì)化城市金融發(fā)展概念、 豐富城市金融發(fā)展內(nèi)涵，實(shí)證檢驗(yàn)區(qū)域金融與城市經(jīng)濟(jì)發(fā)展的時(shí)空非平衡關(guān)系，探討兩類(lèi)金融業(yè)態(tài)驅(qū)動(dòng)城市經(jīng)濟(jì)發(fā)展的時(shí)空異質(zhì)性，明確兩類(lèi)金融業(yè)態(tài)在長(zhǎng)三角經(jīng)濟(jì)發(fā)展中各自扮演的角色。期望本文的分析能對(duì)金融發(fā)展理論、區(qū)域金融學(xué)、金融地理學(xué)等相關(guān)領(lǐng)域的理論研究提供經(jīng)驗(yàn)方面的證據(jù)，并為長(zhǎng)三角地區(qū)的相關(guān)規(guī)劃及區(qū)域政策實(shí)踐工作提供決策參考。

二、研究設(shè)計(jì)

（一）變量

1.因變量

城市經(jīng)濟(jì)活躍度。自Henderson et al.（2012）的開(kāi)創(chuàng)性研究以來(lái)，夜間燈光數(shù)據(jù)被廣泛運(yùn)用于代理經(jīng)濟(jì)增長(zhǎng)、城市擴(kuò)張、能源消費(fèi)等各類(lèi)反映地表人類(lèi)經(jīng)濟(jì)活動(dòng)的變量，其數(shù)據(jù)質(zhì)量和適用性已得到學(xué)界的普遍認(rèn)可。國(guó)內(nèi)外文獻(xiàn)常用的夜間燈光影像資料主要有兩種，一種是由美國(guó)國(guó)防氣象衛(wèi)星（Defense Meteorological Satellite Program，DMSP）搭載的業(yè)務(wù)型線(xiàn)掃描傳感器（Operational Linescan System，OLS）獲取的夜間燈光影像，是夜間燈光數(shù)據(jù)的早期版本，雖存在輻射測(cè)量精度相對(duì)粗糙、時(shí)效性有限、具有“噪點(diǎn)”等缺陷，但經(jīng)過(guò)“飽和校正”、“平均校正”、“異常像元校正” 等標(biāo)準(zhǔn)程序的校正后不影響正常使用（劉修巖等，2017a）。2013年，隨著DMSP/OLS 的衰減和失效，另一種夜間燈光數(shù)據(jù)登上舞臺(tái)，即美國(guó)國(guó)家極軌衛(wèi)星Suomi-NPP （Suomi national Polar Orbiting Partnership）搭載的可見(jiàn)光近紅外成像輻射儀 （Visible Infrared Imaging Radiometer Suite，VIIRS）夜間燈光波段（Day/Night Band，DNB），成為DMSP/OLS 的繼任者，繼續(xù)進(jìn)行全球夜間地球微光圖像的收集。對(duì)比DMSP/OLS 影像資料，新一代高分辨率的VIIRS/DNB 提供了更強(qiáng)的夜光觀(guān)測(cè)能力，極大地克服了DMSP/OLS 燈光數(shù)據(jù)的限制和不足，對(duì)人類(lèi)經(jīng)濟(jì)活動(dòng)的探測(cè)更加細(xì)致、精準(zhǔn)（鄭淵茂等，2020）。此外，VIIRS/DNB 數(shù)據(jù)自2012年4月起更新至今，有專(zhuān)家持續(xù)修復(fù)和校正數(shù)據(jù)應(yīng)用上的各類(lèi)瑕疵，迭代出新的版本，維護(hù)和保障了影像資料的數(shù)據(jù)質(zhì)量和應(yīng)用價(jià)值。

相比于GDP 等傳統(tǒng)數(shù)據(jù)，夜間燈光數(shù)據(jù)具有以下優(yōu)勢(shì)： 一是夜間燈光數(shù)據(jù)通過(guò)衛(wèi)星上的傳感器掃描獲得，精度高，不受人為因素的過(guò)多干擾，而且全球統(tǒng)一口徑，相對(duì)客觀(guān)普適，適合跨區(qū)、跨國(guó)研究結(jié)論的銜接和比較 （Donaldson & Storeygard，2016）。二是夜間燈光能夠反映GDP 難以涵蓋的一些信息，比如未能被準(zhǔn)確記錄的非正規(guī)經(jīng)濟(jì)或者地下經(jīng)濟(jì)（王賢彬和黃亮雄，2018）。Henderson et al.（2018） 認(rèn)為，夜間燈光輻射值整合了人均GDP、人口規(guī)模等區(qū)域經(jīng)濟(jì)屬性和生產(chǎn)資源稟賦，更加全面、綜合地衡量了區(qū)域經(jīng)濟(jì)活動(dòng)的強(qiáng)度，而不僅僅是GDP 反映的生產(chǎn)能力和市場(chǎng)價(jià)值。三是燈光數(shù)據(jù)不會(huì)受到價(jià)格因素的干擾，適合直接比較一定時(shí)期內(nèi)不同地區(qū)的經(jīng)濟(jì)活動(dòng)。鑒于上述優(yōu)點(diǎn)，本文選用VIIRS/DNB 影像資料，同時(shí)為排除地理面積因素的干擾，參考現(xiàn)有文獻(xiàn)的常用做法（曾冰，2020），用各市轄內(nèi)單位像元的平均燈光輻射值（MEAN）來(lái)表示經(jīng)濟(jì)活躍度（ea），衡量城市的綜合經(jīng)濟(jì)發(fā)展水平。

2.核心自變量

傳統(tǒng)金融供給。商業(yè)銀行是傳統(tǒng)金融的代表，各市傳統(tǒng)金融供給狀況可以用銀行業(yè)機(jī)構(gòu)的金融服務(wù)供給來(lái)衡量，包括服務(wù)深度和服務(wù)廣度兩個(gè)細(xì)分維度。前者根據(jù)“金融深化”的定義，在區(qū)域?qū)用嬉浴案晔现笜?biāo)”（Goldsmith，1969；周立和王子明，2002）的金融相關(guān)率（fir），即銀行業(yè)機(jī)構(gòu)貸款余額與GDP 的比值來(lái)衡量；后者反映銀行業(yè)服務(wù)的可達(dá)性（bank），參考國(guó)內(nèi)外文獻(xiàn)的一般做法（尹志超等，2015），以每萬(wàn)人擁有的銀行業(yè)分支機(jī)構(gòu)數(shù)衡量。

數(shù)字金融發(fā)展。國(guó)內(nèi)外文獻(xiàn)常用綜合性指數(shù)衡量數(shù)字金融發(fā)展水平（王喆等，2021），其中，“北京大學(xué)數(shù)字普惠金融指數(shù)”因底層數(shù)據(jù)強(qiáng)大（依托我國(guó)代表性數(shù)字金融機(jī)構(gòu)數(shù)以?xún)|計(jì)的微觀(guān)交易數(shù)據(jù)編制而成）、區(qū)域數(shù)據(jù)較全（覆蓋中國(guó)內(nèi)地31 個(gè)省、337 個(gè)地級(jí)以上城市和約2800 個(gè)縣域）、包含細(xì)分維度（數(shù)字金融覆蓋廣度、使用深度、數(shù)字化程度）等優(yōu)點(diǎn)（郭峰等，2020），近年來(lái)被廣泛運(yùn)用于數(shù)字金融的實(shí)證研究 （邱晗等，2018； 唐松等，2020）。本文選用各市數(shù)字普惠金融指數(shù)（index）衡量當(dāng)?shù)財(cái)?shù)字金融發(fā)展的總體水平，同時(shí)也分析數(shù)字金融在覆蓋廣度（coverage）、使用深度（depth）、數(shù)字化程度（digitization）三個(gè)細(xì)分維度的表現(xiàn)。

3.控制變量

參考已有文獻(xiàn)，本文設(shè)定了若干影響城市經(jīng)濟(jì)發(fā)展的代表性因素作為實(shí)證模型的控制變量。首先，物質(zhì)資本投入（invest）是經(jīng)濟(jì)增長(zhǎng)的重要支撐力量，借鑒劉修巖等 （2017a）、 陳旭和邱斌（2021）等研究，以全市固定資產(chǎn)投資金額占GDP的比重來(lái)衡量。人力資本（hc）被稱(chēng)作最活躍的生產(chǎn)要素，其對(duì)城市技術(shù)創(chuàng)新和經(jīng)濟(jì)發(fā)展具有重要作用，參考劉修巖等（2017b），采用每萬(wàn)人常住人口中普通高等學(xué)校在校生人數(shù)來(lái)衡量。經(jīng)濟(jì)開(kāi)放度（open）顯示了城市融入全球經(jīng)濟(jì)的深度，也體現(xiàn)了城市運(yùn)用外資促進(jìn)本地經(jīng)濟(jì)發(fā)展的能力，借鑒陳安平（2022）的研究，選用城市外商直接投資額占GDP 的比重來(lái)衡量。我國(guó)地方政府在地方經(jīng)濟(jì)發(fā)展中一直扮演著重要角色，參考趙建吉等（2022），以地方財(cái)政一般預(yù)算內(nèi)支出占GDP 的比重衡量政府干預(yù)（gov），控制地方政府行為對(duì)城市經(jīng)濟(jì)發(fā)展的影響。各變量指標(biāo)的設(shè)定詳見(jiàn)表1。

表1 各變量及其衡量指標(biāo)列表

（二）數(shù)據(jù)

綜合數(shù)據(jù)的質(zhì)量和可獲得性，并避免極端事件對(duì)研究結(jié)論的干擾，本文選取新冠疫情爆發(fā)前的2012—2019年作為考察期。選用的夜間燈光數(shù)據(jù)是VIIRS/DNB年度夜間燈光數(shù)據(jù) （Annual VNL V2 版本），資料來(lái)源于Colorado School of Mines 官網(wǎng)。②該數(shù)據(jù)由美國(guó)國(guó)家海洋和大氣局（NOAA）所屬的地球觀(guān)察項(xiàng)目小組（EOG）根據(jù)VIIRS月度影像資料合成制作。獲取影像資料后，用Krasovsky_1940_Albers 坐標(biāo)系對(duì)柵格影像進(jìn)行投影，像元重采樣為500*500m，再利用矢量地圖掩模提取研究區(qū)域。此外，由于VIIRS 套件的探測(cè)精度較高，也捕捉到了一些散光、 閃電、 生物質(zhì)燃燒等背景噪音，為此，在2021年3月最新公布的Annual VNL V2 版本中，EOG 校正了數(shù)據(jù)質(zhì)量上的這些瑕疵，但對(duì)于火災(zāi)等所致的氣體燃燒并沒(méi)有處理，導(dǎo)致柵格資料中有少量像元會(huì)出現(xiàn)極大的“異常值”。本文通過(guò)對(duì)柵格像元重分類(lèi)獲取這些異常值，將異常值調(diào)整成其8 個(gè)鄰域像元的最大值以平滑燈光數(shù)值。

各市銀行業(yè)分支機(jī)構(gòu)數(shù)主要來(lái)源于中國(guó)銀保監(jiān)會(huì)網(wǎng)站發(fā)布的金融許可證信息，考慮到其公布的機(jī)構(gòu)退出數(shù)據(jù)僅包括最近兩年，本文結(jié)合國(guó)家企業(yè)信用信息系統(tǒng)的工商登記注冊(cè)數(shù)據(jù)，整理獲得各市銀行分支機(jī)構(gòu)當(dāng)年的歷史數(shù)據(jù)。數(shù)字普惠金融指數(shù)（第二期，2011—2020年）數(shù)據(jù)來(lái)源于北京大學(xué)數(shù)字金融研究中心。其他數(shù)據(jù)來(lái)源于歷年《中國(guó)城市統(tǒng)計(jì)年鑒》、歷年各市統(tǒng)計(jì)年鑒、《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)》和國(guó)家知識(shí)產(chǎn)權(quán)局。少量缺失數(shù)據(jù)通過(guò)線(xiàn)性插值法推算得到。矢量地圖根據(jù)國(guó)家基礎(chǔ)地理信息系統(tǒng)1：400 萬(wàn)數(shù)據(jù)繪制獲得，行政區(qū)劃以2019年底為準(zhǔn)。各變量指標(biāo)的描述性統(tǒng)計(jì)如表2 所示。

表2 各變量指標(biāo)描述性統(tǒng)計(jì)

（三）研究方法

空間經(jīng)濟(jì)演變分析。（1）首先進(jìn)行空間自相關(guān)分析，通過(guò)全局莫蘭指數(shù)（Moran’s I）判斷城市經(jīng)濟(jì)活動(dòng)的空間關(guān)聯(lián)關(guān)系，檢驗(yàn)城市群內(nèi)部的經(jīng)濟(jì)集聚性。為突出鄰近城市的影響力，本文選用歐式距離倒數(shù)的平方定義空間權(quán)重矩陣，同時(shí)也選用歐式距離倒數(shù)作為參考。再結(jié)合各城市經(jīng)濟(jì)水平的變異系數(shù)和標(biāo)準(zhǔn)差，考察城際經(jīng)濟(jì)的絕對(duì)差距和相對(duì)差距，定量描述城市群空間經(jīng)濟(jì)結(jié)構(gòu)的不平衡程度。（2）考察空間經(jīng)濟(jì)分布及演變軌跡，依托GIS 技術(shù)實(shí)現(xiàn)城市經(jīng)濟(jì)分布的空間可視化，比較不同時(shí)點(diǎn)經(jīng)濟(jì)分布的層級(jí)變化，觀(guān)察經(jīng)濟(jì)分布的時(shí)空演變軌跡。

時(shí)空加權(quán)回歸模型（GTWR）回歸分析。傳統(tǒng)的固定效應(yīng)模型、空間計(jì)量模型等實(shí)證模型，是從空間全域的視角定義變量關(guān)系，回歸系數(shù)對(duì)于全體樣本數(shù)據(jù)都是固定值，不體現(xiàn)空間局部差異，沒(méi)有區(qū)域個(gè)體特性。與此不同，地理加權(quán)回歸模型（GWR）是一種局部變參數(shù)計(jì)量模型，賦予同一自變量在不同區(qū)位有不同的系數(shù)值，目的是衡量自變量作用因變量的空間局部效應(yīng)。拓展的GTWR模型進(jìn)一步揭示了時(shí)空數(shù)據(jù)的非平衡性，在GWR的參數(shù)估計(jì)策略框架中納入了時(shí)間維度，從時(shí)空兩種維度捕捉變量的異質(zhì)性關(guān)系。GTWR 模型的基本表達(dá)式為（Huang et al.，2010）：

式（1）中（ai，bi，ti）表示特定時(shí)空位點(diǎn)i 的“時(shí)空”坐標(biāo)，β0（ai，bi，ti）、βk（ai，bi，ti）表示時(shí)空位點(diǎn)i 的參數(shù)向量，k 表示自變量個(gè)數(shù)。參數(shù)估計(jì)的表達(dá)式為：

式（2）中W（ai，bi，ti）=diag（wi1，wi1，……win）是對(duì)角矩陣，對(duì)角元素wij用以衡量不同位點(diǎn)的時(shí)空關(guān)系。參數(shù)估計(jì)的基本邏輯是：在時(shí)空坐標(biāo)系中，與觀(guān)測(cè)i 點(diǎn)“接近”的觀(guān)測(cè)數(shù)據(jù)對(duì)（ai，bi，ti）的估計(jì)比距離點(diǎn)i“較遠(yuǎn)”的數(shù)據(jù)有更大的影響。這種“接近”的內(nèi)涵包括時(shí)間接近和空間接近兩個(gè)維度。因此，依托時(shí)空加權(quán)矩陣的構(gòu)建，在時(shí)空坐標(biāo)系中定義和測(cè)量時(shí)空“距離”是構(gòu)建GTWR 模型的關(guān)鍵。通常采用高斯核函數(shù)（Gaussian kernel）定義wij，如式（3）所示：

式（3）中，h 被稱(chēng)作帶寬（bandwidth），用以衡量距離衰減關(guān)系，一般需要借助先驗(yàn)值或通過(guò)交叉驗(yàn)證（cross-validation）、擬合優(yōu)度、赤池信息等信息準(zhǔn)則兩種方式獲得，通過(guò)后一種方式獲得的被稱(chēng)作自適應(yīng)帶寬（adaptive bandwidth）。dijST表示時(shí)空距離，一般是參考?xì)W式距離公式（Euclidean distance）定義時(shí)空距離，將其表示為空間距離和時(shí)間距離的線(xiàn)性組合：

式（4）中的λ 和η 是比例因子，分別表示空間、時(shí)間距離的相對(duì)重要性，即變量關(guān)系在空間異質(zhì)性和時(shí)間異質(zhì)性?xún)蓚€(gè)方面的力量對(duì)比。對(duì)式（4）兩邊平方，并同除以λ，為了精簡(jiǎn)參數(shù)可以令λ=1，得到：

式中φ 表示時(shí)間距離相對(duì)空間距離的重要性。將式（5）帶入式（3）中得到：

式（7）中Yi是城市經(jīng)濟(jì)發(fā)展變量，finis是區(qū)域金融變量，下標(biāo)s=fir、bank，index、coverage、depth、digitization，表示不同的金融變量，controlik、εi分別表示控制變量向量和隨機(jī)誤差項(xiàng)。下標(biāo)i 代表不同樣本觀(guān)測(cè)點(diǎn)。局部效應(yīng)系數(shù)αs（ai，bi，ti）是本文關(guān)注的焦點(diǎn)，衡量了特定時(shí)空環(huán)境下各維度金融變量對(duì)城市經(jīng)濟(jì)發(fā)展的影響。實(shí)際操作中，一般是通過(guò)四分位數(shù)、均值、中位數(shù)等統(tǒng)計(jì)屬性展示局部效應(yīng)系數(shù)的結(jié)構(gòu)，并結(jié)合可視化方式，反映作用效應(yīng)的空間分布和演化情況。同理，βk（ai，bi，ti）衡量了時(shí)空異質(zhì)性環(huán)境下各控制變量對(duì)城市經(jīng)濟(jì)發(fā)展的影響。此外，參照國(guó)內(nèi)外文獻(xiàn)的通常做法，本文選取自適應(yīng)帶寬構(gòu)建加權(quán)矩陣，以赤池信息準(zhǔn)則（AIC）、擬合優(yōu)度和殘差平方和（RSS）作為診斷性指標(biāo)，對(duì)全局線(xiàn)性回歸、TWR、GWR、GTWR 模型的回歸結(jié)果進(jìn)行綜合比較，確立樣本數(shù)據(jù)的適用模型。

三、長(zhǎng)三角城市群空間經(jīng)濟(jì)演變分析

（一）空間經(jīng)濟(jì)的總體特征

如表3 所示，整個(gè)考察期內(nèi)，長(zhǎng)三角城市群經(jīng)濟(jì)發(fā)展水平的Moran’s I 在0.01 水平下顯著為正，表明城市群內(nèi)部存在顯著且穩(wěn)定的高值被高值包圍、低值被低值包圍的空間正向關(guān)聯(lián)模式，兩種空間權(quán)重矩陣形式下，莫蘭指數(shù)值都在0.5 以上，且逐漸遞增至0.6 附近，空間經(jīng)濟(jì)的集聚性穩(wěn)定且逐年強(qiáng)化。同時(shí)，觀(guān)察城市之間經(jīng)濟(jì)發(fā)展水平的標(biāo)準(zhǔn)差和變異系數(shù)，可以發(fā)現(xiàn)，整個(gè)考察期內(nèi)，城市群內(nèi)部的標(biāo)準(zhǔn)差總體呈上升趨勢(shì)，變異系數(shù)總體呈下降趨勢(shì)，并且標(biāo)準(zhǔn)差的上升幅度（26.34%）要高于變異系數(shù)的下降幅度（-17.53%），也即城市間經(jīng)濟(jì)發(fā)展水平的相對(duì)差異有所縮小，但絕對(duì)差異不斷擴(kuò)大。這說(shuō)明城市群經(jīng)濟(jì)在整體發(fā)展的同時(shí)，內(nèi)部的發(fā)展不平衡問(wèn)題也比較嚴(yán)峻，有的城市經(jīng)濟(jì)活躍度持續(xù)高漲，有的城市發(fā)展緩慢，相互之間在經(jīng)濟(jì)發(fā)展水平上的差距有擴(kuò)大之勢(shì)。

表3 2012—2019年長(zhǎng)三角城市群經(jīng)濟(jì)發(fā)展水平的空間關(guān)聯(lián)度和變異度

（二）空間經(jīng)濟(jì)分布及演變軌跡

根據(jù)自變量數(shù)據(jù)的分布情況，本文按照燈光值為1.4 的固定區(qū)間，將長(zhǎng)三角各市的經(jīng)濟(jì)發(fā)展水平由低向高分成“低（ea≤1.4）”、“次低（1.4＜ea≤2.8）”、“中低 （2.8＜ea≤4.2）”、“中 （4.2＜ea≤5.6）”、“中高（5.6＜ea≤7）”、“次高 （7＜ea≤8.4）”、“高（ea＞8.4）”七個(gè)層級(jí)，為節(jié)約篇幅，圖1 僅展示2012、2016 和2019年的層級(jí)圖。整體來(lái)看，考察期內(nèi)城市群經(jīng)濟(jì)總體呈現(xiàn)明顯且相對(duì)穩(wěn)定的“核心—外圍”結(jié)構(gòu)，經(jīng)濟(jì)分布圍繞以上海為代表的核心區(qū)，以一定的經(jīng)濟(jì)梯度向周邊層級(jí)遞減。期初，中心城市上海的“單峰”優(yōu)勢(shì)明顯，周邊城市的經(jīng)濟(jì)落差下降較快，整個(gè)經(jīng)濟(jì)空間缺少次高、中高區(qū)域，呈現(xiàn)一定的“金字塔”特點(diǎn)。隨著時(shí)間的推進(jìn)，經(jīng)濟(jì)的極化現(xiàn)象緩解，經(jīng)濟(jì)分布由上海向北沿著“上海—南京—蚌埠”“上海—泰州—連云港”（即“京滬”、“京滬—新長(zhǎng)” 線(xiàn)）、 向南沿著“上海—杭州—溫州”（即“滬昆—杭深”線(xiàn)）對(duì)外擴(kuò)散。地區(qū)峰值由上海這一單核擴(kuò)展為“上海—蘇州”雙核；更多毗鄰核心的蘇南、浙北和浙東等腹地城市逐步邁入次高、 中高層級(jí)，次核心區(qū)域穩(wěn)步擴(kuò)大；最終，浙中、蘇北和皖北在經(jīng)濟(jì)層級(jí)上都有躍升，中低、次低、低值區(qū)域明顯減少。但皖南、浙西等地的經(jīng)濟(jì)地位在考察期內(nèi)基本沒(méi)有發(fā)生改變，仍然固定在低值區(qū)間。

總體來(lái)看，考察期內(nèi)經(jīng)濟(jì)分布主要向南—北方向擴(kuò)散，向西擴(kuò)散的幅度較小，說(shuō)明南—北方向的城市發(fā)展的更快，蘇北和浙中、浙南的經(jīng)濟(jì)地位有所提升，東—西方向的城市發(fā)展相對(duì)緩慢。從南—北（西）發(fā)展的順序來(lái)看，基于圖1（b）和（c）的比較，浙中、浙南率先在經(jīng)濟(jì)層級(jí)上有所躍升，蘇北經(jīng)濟(jì)的提升相對(duì)靠后，說(shuō)明城市群的經(jīng)濟(jì)分布是先向浙中、浙南擴(kuò)散，后向蘇中、蘇北等北邊和西邊擴(kuò)散。

圖1 長(zhǎng)三角市域經(jīng)濟(jì)分布層級(jí)及變動(dòng)

2012—2019年間，長(zhǎng)三角城市群的空間經(jīng)濟(jì)演變存在兩個(gè)“同時(shí)”，一是相對(duì)穩(wěn)固的“核心—外圍”結(jié)構(gòu)和核心弱化的趨勢(shì)同時(shí)存在，中心城市輻射周邊的“涓滴效應(yīng)”逐步顯現(xiàn)，城市群經(jīng)濟(jì)格局可能正處于“量變”向“質(zhì)變”演進(jìn)的過(guò)渡階段。二是空間經(jīng)濟(jì)的不平衡性和擴(kuò)散性同時(shí)存在，城市間經(jīng)濟(jì)發(fā)展水平的方差不斷增大，但同時(shí)經(jīng)濟(jì)分布的擴(kuò)散有明確方向，表明城市間的發(fā)展?jié)摿Τ霈F(xiàn)分化，一些城市的經(jīng)濟(jì)活躍起來(lái)了，另一些可能正面臨發(fā)展瓶頸。

四、金融發(fā)展影響城市經(jīng)濟(jì)演變的時(shí)空異質(zhì)性分析

（一）全局線(xiàn)性回歸

在進(jìn)行時(shí)空加權(quán)回歸分析之前，需要先參考全局線(xiàn)性回歸模型的結(jié)果。全局線(xiàn)性回歸模型暫不考慮樣本個(gè)體所處的時(shí)空環(huán)境，忽略個(gè)體異質(zhì)性，通過(guò)普通最小二乘法（OLS）整體把握變量間的線(xiàn)性關(guān)系。③系數(shù)估計(jì)結(jié)果詳見(jiàn)表4。

表4 全局線(xiàn)性回歸模型估計(jì)結(jié)果

表中（1）～（7）分別代表僅含控制變量，以及以金融相關(guān)率、金融可達(dá)性和數(shù)字普惠金融總指數(shù)、覆蓋廣度、使用深度、數(shù)字化程度為核心變量的回歸模型。回歸結(jié)果顯示，各類(lèi)金融變量的系數(shù)在1%的顯著性水平下顯著為正，說(shuō)明不分新老業(yè)態(tài)的區(qū)別，傳統(tǒng)金融、數(shù)字金融都顯著地促進(jìn)了本市經(jīng)濟(jì)的發(fā)展。為比較各金融變量作用效應(yīng)的大小，計(jì)算得到變量fir、bank、index、coverage、depth 和digital 的標(biāo)準(zhǔn)化系數(shù)分別為0.289、0.121、0.392、0.424、0.338 和0.365。其中數(shù)字金融變量系數(shù)全部大于傳統(tǒng)金融變量，說(shuō)明對(duì)于長(zhǎng)三角城市群，在不考慮時(shí)空因素的前提下，數(shù)字金融的經(jīng)濟(jì)發(fā)展效應(yīng)整體大于傳統(tǒng)金融； 四類(lèi)數(shù)字金融變量中coverage 的系數(shù)最大，意味著進(jìn)一步拓寬數(shù)字金融的覆蓋范圍，提高數(shù)字金融可觸達(dá)性，對(duì)促進(jìn)城市經(jīng)濟(jì)發(fā)展最有效。

傳統(tǒng)金融服務(wù)當(dāng)中，服務(wù)深度的作用要大于服務(wù)廣度，且bank 系數(shù)在所有金融變量中最小，說(shuō)明布局銀行網(wǎng)點(diǎn)對(duì)發(fā)展經(jīng)濟(jì)的作用較小，反映在微觀(guān)層面是布局網(wǎng)點(diǎn)的經(jīng)濟(jì)效益有限，這可能是近年來(lái)出現(xiàn)銀行網(wǎng)點(diǎn)收縮趨勢(shì)的主要原因之一。④控制變量中，hc、open 的系數(shù)值為正，且顯著性相對(duì)較強(qiáng)，說(shuō)明人力資本和對(duì)外開(kāi)放仍然是驅(qū)動(dòng)長(zhǎng)三角經(jīng)濟(jì)發(fā)展的重要力量。invest 在1%的顯著性水平下顯著為負(fù)，表明長(zhǎng)三角資本投入過(guò)度飽和，過(guò)高的固定資本密度顯得“擁擠”，成為制約集聚經(jīng)濟(jì)的分散力。gov 的系數(shù)不顯著，表明地區(qū)整體視角下政府干預(yù)對(duì)城市經(jīng)濟(jì)發(fā)展的作用不明顯，也有可能二者不是單一的線(xiàn)性關(guān)系，需要考慮城市個(gè)體特征。此外，各實(shí)證模型的可決系數(shù)基本上不超過(guò)0.6，模型有較大的優(yōu)化空間。

（二）時(shí)空加權(quán)回歸

1.模型選擇

為解釋城市群經(jīng)濟(jì)時(shí)空演變軌跡的形成，考察各金融變量影響城市經(jīng)濟(jì)發(fā)展的時(shí)空異質(zhì)性，本文選用TWR、GWR 和GTWR 分別擬合不同實(shí)證模型下的數(shù)據(jù)樣本，為節(jié)約篇幅，表5 集中報(bào)告了回歸結(jié)果的診斷信息。觀(guān)察各列可以發(fā)現(xiàn)，首先，各實(shí)證模型下，相比于GWR 與GTWR，TWR的RSS、AIC 都明顯更大，調(diào)整R2也明顯更小，應(yīng)予以排除。其次，對(duì)比GWR 與GTWR，GWR 更適用于模型（4）～（7），其RSS、AIC 和調(diào)整R2等診斷指標(biāo)表現(xiàn)更好，說(shuō)明空間異質(zhì)性主導(dǎo)數(shù)字金融對(duì)經(jīng)濟(jì)發(fā)展的影響，數(shù)字金融與城市經(jīng)濟(jì)發(fā)展的空間非平衡關(guān)系不易受時(shí)間變化的影響。與此相反，GTWR 更適用于模型（2）和（3），其診斷性指標(biāo)更優(yōu)，意味著傳統(tǒng)金融對(duì)城市經(jīng)濟(jì)發(fā)展的影響具有時(shí)空異質(zhì)性，傳統(tǒng)金融的經(jīng)濟(jì)發(fā)展效應(yīng)存在時(shí)空演變特點(diǎn)。

表5 各類(lèi)局部加權(quán)回歸模型的診斷結(jié)果

2.回歸結(jié)果分析

根據(jù)表5 的診斷結(jié)果，表6、表7 分別統(tǒng)計(jì)了實(shí)證模型（2）～（3）的GTWR 系數(shù)估計(jì)情況，以及（4）～（7）的GWR 系數(shù)估計(jì)情況。

如表6 所示，fir 系數(shù)和bank 系數(shù)的均值都大于0，與表4 的OLS 結(jié)果相近，說(shuō)明基于城市群的整體視角，提高傳統(tǒng)金融的服務(wù)深度、服務(wù)廣度有利于經(jīng)濟(jì)發(fā)展。fir 的顯著系數(shù)比例達(dá)到86.59%，要比bank 的高出10 個(gè)百分點(diǎn)，說(shuō)明相比于金融廣度，金融深度對(duì)經(jīng)濟(jì)發(fā)展的影響更明顯。fir 系數(shù)的中位數(shù)大于0，且大于0 的系數(shù)占全部顯著系數(shù)的比例達(dá)到86.97%，說(shuō)明對(duì)于絕大多數(shù)城市，在大部分時(shí)間里，金融深化有利于城市經(jīng)濟(jì)發(fā)展，繼續(xù)加大信貸投放力度是有必要的。相比而言，bank 系數(shù)的中位數(shù)小于0，大于0 的系數(shù)比例略低于50%，說(shuō)明服務(wù)廣度對(duì)經(jīng)濟(jì)發(fā)展的作用方向存在明顯的時(shí)空分異性，增設(shè)銀行網(wǎng)點(diǎn)在有些城市是有利的，但在超過(guò)一半的情況下，增設(shè)網(wǎng)點(diǎn)是無(wú)效率的，過(guò)多的銀行網(wǎng)點(diǎn)會(huì)擠占經(jīng)濟(jì)資源，對(duì)經(jīng)濟(jì)發(fā)展產(chǎn)生抑制作用。此外，bank 系數(shù)的變異程度（13.158）明顯要比f(wàn)ir 的（1.847）大很多，說(shuō)明bank 作用效應(yīng)的區(qū)域分異性更明顯，相比于金融服務(wù)深度，金融服務(wù)廣度與城市經(jīng)濟(jì)發(fā)展具有更明顯的空間非平衡關(guān)系，其更容易造成區(qū)域經(jīng)濟(jì)發(fā)展速度的不同步。

在控制變量中，與OLS 的結(jié)果相近，hc 和open 的系數(shù)大多為正，說(shuō)明加大教育投入和進(jìn)一步擴(kuò)大開(kāi)放，對(duì)于城市群內(nèi)絕大多數(shù)城市的經(jīng)濟(jì)發(fā)展是有利的。與此相反，invest 和gov 的系數(shù)大多為負(fù)，說(shuō)明考察期內(nèi)，依賴(lài)投資拉動(dòng)或是政府主導(dǎo)的經(jīng)濟(jì)發(fā)展模式，對(duì)長(zhǎng)三角城市經(jīng)濟(jì)發(fā)展的貢獻(xiàn)很有限，大多情況下是一種負(fù)面作用。此外，gov 的變異系數(shù)較大，說(shuō)明相較于其他影響因素，政府的作用在不同的時(shí)空環(huán)境下表現(xiàn)出較大的差異性和波動(dòng)性，與經(jīng)濟(jì)發(fā)展并非簡(jiǎn)單的線(xiàn)性關(guān)系，這也解釋了gov 變量為何在全局線(xiàn)性回歸模型中不顯著。

對(duì)比表7 與表6，主要區(qū)別體現(xiàn)在，相比于傳統(tǒng)金融變量，各維度數(shù)字金融變量系數(shù)為正的比例明顯更高，比例值都在97%以上，且系數(shù)的變異程度普遍較小，經(jīng)濟(jì)發(fā)展效應(yīng)在城市間相對(duì)平衡，凸顯了數(shù)字金融對(duì)于促進(jìn)長(zhǎng)三角城市經(jīng)濟(jì)發(fā)展的“普惠性”。

表6 和表7 僅簡(jiǎn)要列示了變量系數(shù)的統(tǒng)計(jì)信息，需要進(jìn)一步分析其具體的空間分布結(jié)構(gòu)及時(shí)序變動(dòng)情況。圖2 通過(guò)可視化的方式對(duì)各金融變量系數(shù)的時(shí)空演變進(jìn)行了展示，參考地理加權(quán)模型常用四分位列示系數(shù)，各圖統(tǒng)一采用分位數(shù)分級(jí)法，將系數(shù)值分成高、次高、次低、低四個(gè)層級(jí)。

表6 以傳統(tǒng)金融為核心變量的GTWR 系數(shù)估計(jì)結(jié)果統(tǒng)計(jì)

表7 以數(shù)字金融為核心變量的GWR 系數(shù)估計(jì)結(jié)果統(tǒng)計(jì)

圖2 中（a）～（d）從左向右分別展示了2012、2014、2016 和2019年fir 系數(shù)的空間分布。通過(guò)各期對(duì)比來(lái)看，期初次高、高值區(qū)域主要集中在圍繞長(zhǎng)三角核心區(qū)的蘇南、蘇中，以及浙江等城市，蘇北、安徽等城市落入次低或不顯著區(qū)域。隨著時(shí)間的推移，高值、次高區(qū)域沿著城市群主軸，逐漸向南北兩端以及向西遷移，蘇中、 浙南城市落入次高、高值區(qū)間。（e）～（h）從左向右分別展示了2012、2014、2016 和2019年bank 系數(shù)的空間分布，對(duì)比各期分布情況可以發(fā)現(xiàn)，在早期，bank 系數(shù)的次高、高值區(qū)域集中在上海周邊的蘇南、浙北的次中心城市，系數(shù)值向外逐級(jí)遞減，隨后次高、高值區(qū)域向南北兩端和向西遷移。期末，少數(shù)蘇中、浙南城市成為次高、高值區(qū)域。

fir 和bank 兩大傳統(tǒng)金融變量系數(shù)的區(qū)域分布和演變模式相近，都是次高、高值區(qū)域向周邊遷移，期初次低、低值的腹地成為次高、高值區(qū)域，而原先的次高、 高值區(qū)域則逐漸落入次低、 低值區(qū)域。系數(shù)分布變動(dòng)的背后，反映的是金融作用經(jīng)濟(jì)效應(yīng)的演變。整個(gè)考察期內(nèi)，傳統(tǒng)金融對(duì)發(fā)展上海的經(jīng)濟(jì)基本沒(méi)有太大效果，甚至是抑制作用。在早期，傳統(tǒng)金融影響力最大的區(qū)域主要是蘇南和浙北等次中心城市，隨著時(shí)間推進(jìn)，傳統(tǒng)金融逐漸對(duì)蘇中、 浙南等腹地城市的經(jīng)濟(jì)起到更好的發(fā)展效果，而對(duì)次中心城市經(jīng)濟(jì)的影響日漸式微。

這背后的機(jī)理可能有幾點(diǎn)，一是金融與經(jīng)濟(jì)的倒U 型關(guān)系，傳統(tǒng)金融的發(fā)展超過(guò)一定閾值，促進(jìn)經(jīng)濟(jì)的效果減弱，甚至擠占經(jīng)濟(jì)資源，產(chǎn)生抑制作用。二是金融服務(wù)的手段和模式需要與經(jīng)濟(jì)發(fā)展階段相適應(yīng)，長(zhǎng)三角核心區(qū)陸續(xù)步入后工業(yè)化社會(huì)，服務(wù)業(yè)占比較高，傳統(tǒng)金融業(yè)務(wù)依賴(lài)抵押物的商業(yè)模式較難適應(yīng)產(chǎn)業(yè)的輕資產(chǎn)化趨勢(shì)，服務(wù)質(zhì)量逐漸下滑；而在此期間，蘇北等外圍地區(qū)開(kāi)啟了承接傳統(tǒng)產(chǎn)業(yè)轉(zhuǎn)移的大幕，資本密集型產(chǎn)業(yè)的集聚和配套基礎(chǔ)設(shè)施建設(shè)的背后，是大量的信貸資源做支撐，再考慮到近年來(lái)三四線(xiàn)城市房地產(chǎn)業(yè)的興起，拉動(dòng)房開(kāi)貸、住房按揭等房地產(chǎn)貸款快速增長(zhǎng)，這些都有利于銀行貸款迅速“上規(guī)模”，讓傳統(tǒng)金融得以施展拳腳，對(duì)發(fā)展經(jīng)濟(jì)的貢獻(xiàn)明顯提升。

圖2 的（i）～（l）從左向右分別展示了變量index、coverage、depth 和digitization 系數(shù)的空間分布。整體來(lái)看，數(shù)字普惠金融指數(shù)及其三個(gè)子維度變量系數(shù)的分布情況非常近似，高值區(qū)域主要是長(zhǎng)三角核心區(qū)及其以南的城市，北部、西部等外圍區(qū)域則落入次低、低值區(qū)域。這一現(xiàn)象說(shuō)明，數(shù)字金融對(duì)經(jīng)濟(jì)發(fā)展的影響存在時(shí)間上相對(duì)穩(wěn)定的“適應(yīng)性”，影響力較大的城市一直是上海，部分蘇南、蘇中以及整個(gè)浙江省所轄城市，對(duì)蘇北、安徽等地的經(jīng)濟(jì)發(fā)展影響較小。

圖2 各金融發(fā)展變量時(shí)空加權(quán)回歸系數(shù)的空間分布及其演變

憑借新一輪信息技術(shù)的大發(fā)展，數(shù)字金融服務(wù)顯著延展了金融服務(wù)的觸角，相比于傳統(tǒng)金融在地理穿透性上有很大的優(yōu)勢(shì)。但這并不意味著數(shù)字金融的發(fā)展能夠完全擺脫空間因素的影響，現(xiàn)有文獻(xiàn)發(fā)現(xiàn)我國(guó)區(qū)域數(shù)字金融的發(fā)展具有顯著的空間相關(guān)性（郭峰等，2020）。本文進(jìn)一步觀(guān)察到數(shù)字金融的經(jīng)濟(jì)發(fā)展效應(yīng)也體現(xiàn)出很強(qiáng)的空間異質(zhì)性，反映在長(zhǎng)三角城市群內(nèi)，數(shù)字金融影響力較大的區(qū)域包括上海、蘇南部分經(jīng)濟(jì)較發(fā)達(dá)的城市，或是重視發(fā)展數(shù)字經(jīng)濟(jì)、各類(lèi)數(shù)字產(chǎn)業(yè)發(fā)達(dá)、數(shù)字金融基礎(chǔ)較好的浙江地市。而經(jīng)濟(jì)欠發(fā)達(dá)、數(shù)字金融發(fā)展相對(duì)滯后的外圍城市，數(shù)字金融促進(jìn)經(jīng)濟(jì)發(fā)展的效應(yīng)較小。以上說(shuō)明數(shù)字金融對(duì)經(jīng)濟(jì)發(fā)展的促進(jìn)可能存在“門(mén)檻”效應(yīng)：一方面，數(shù)字金融的“小而分散”、 依托數(shù)字畫(huà)像的精準(zhǔn)投放等特點(diǎn)更適應(yīng)發(fā)達(dá)城市的產(chǎn)業(yè)結(jié)構(gòu)和發(fā)展訴求；另一方面，數(shù)字金融資源要經(jīng)歷一定的積累和沉淀才能較好地發(fā)展當(dāng)?shù)亟?jīng)濟(jì)。

五、結(jié)論與政策建議

（一）研究結(jié)論

基于長(zhǎng)三角地區(qū)的城市面板數(shù)據(jù)，本文的分析從觀(guān)察長(zhǎng)三角城市群空間經(jīng)濟(jì)的演變?nèi)胧郑l(fā)現(xiàn)以夜間燈光數(shù)據(jù)描繪的長(zhǎng)三角空間經(jīng)濟(jì)呈現(xiàn)相對(duì)穩(wěn)定的“核心—外圍”結(jié)構(gòu)，隨著時(shí)間的推移，“核心”的極化程度有所緩解，城市間經(jīng)濟(jì)發(fā)展水平的相對(duì)差異有所縮小，但絕對(duì)差異不斷擴(kuò)大，經(jīng)濟(jì)發(fā)展的潛力出現(xiàn)區(qū)際分化，經(jīng)濟(jì)分布主要是向南北兩端擴(kuò)散，向西擴(kuò)散的幅度較小。

為解釋上述演變軌跡的形成，進(jìn)一步的分析借助時(shí)空加權(quán)回歸模型，從城市金融與經(jīng)濟(jì)存在時(shí)空非平衡關(guān)系的視角，實(shí)證檢驗(yàn)傳統(tǒng)金融和數(shù)字金融影響城市經(jīng)濟(jì)發(fā)展的時(shí)空異質(zhì)性。研究表明，在推進(jìn)長(zhǎng)三角空間經(jīng)濟(jì)演變的進(jìn)程中，兩類(lèi)金融業(yè)態(tài)對(duì)于促進(jìn)不同城市的經(jīng)濟(jì)發(fā)展表現(xiàn)出一定的 “適應(yīng)性”或“功能互補(bǔ)性”。一方面，傳統(tǒng)金融對(duì)城市經(jīng)濟(jì)發(fā)展的促進(jìn)存在時(shí)空異質(zhì)性，促進(jìn)效應(yīng)較大的區(qū)域逐漸由蘇南等次核心區(qū)向周邊城市遷移，是拉動(dòng)城市群經(jīng)濟(jì)格局向北和向西擴(kuò)散的主要力量。另一方面，數(shù)字金融對(duì)于發(fā)展長(zhǎng)三角城市經(jīng)濟(jì)具有“普惠性”，但促進(jìn)效應(yīng)較大的區(qū)域主要是上海及浙江各地市，解釋了經(jīng)濟(jì)格局向南擴(kuò)散的原因，并且，可能正是數(shù)字金融影響效應(yīng)的重心一直在南，致使經(jīng)濟(jì)向南演變的步伐要快于向北、向西的演變。

（二）政策建議

一是因地制宜推進(jìn)金融業(yè)發(fā)展規(guī)劃，統(tǒng)籌引導(dǎo)各類(lèi)金融資源科學(xué)布局。對(duì)于蘇北、皖北等長(zhǎng)三角腹地城市，一方面，應(yīng)著力提升傳統(tǒng)金融供給的服務(wù)質(zhì)效，圍繞當(dāng)?shù)靥厣珒?yōu)勢(shì)產(chǎn)業(yè)、民營(yíng)小微企業(yè)等重點(diǎn)領(lǐng)域，加大信貸支持力度，嚴(yán)格信貸資金投向，引導(dǎo)金融活水“精準(zhǔn)滴灌”實(shí)體經(jīng)濟(jì)發(fā)展；大力吸引金融資源集聚，有序擴(kuò)充金融體量，引入戰(zhàn)略投資者做強(qiáng)做優(yōu)地方龍頭金融企業(yè)，完善地方金融組織體系，強(qiáng)化區(qū)域性股權(quán)市場(chǎng)建設(shè)，培育多層次資本市場(chǎng)的區(qū)域板塊。另一方面，適時(shí)借助大數(shù)據(jù)、物聯(lián)網(wǎng)等科技力量，加快融資需求響應(yīng)速度，提高金融機(jī)構(gòu)信貸審批效率，提升實(shí)質(zhì)性風(fēng)險(xiǎn)的識(shí)別和管控能力；同時(shí)，也不應(yīng)過(guò)度裁撤金融機(jī)構(gòu)網(wǎng)點(diǎn)，防止造成“金融排斥”現(xiàn)象，有損金融服務(wù)的覆蓋面和普惠性。對(duì)于上海、蘇南和浙江的城市，在依法將金融活動(dòng)全面納入監(jiān)管的前提下，應(yīng)當(dāng)鼓勵(lì)數(shù)字金融深入發(fā)展，加快推進(jìn)金融服務(wù)的數(shù)字化改造，推動(dòng)打造數(shù)字金融發(fā)展高地，支持當(dāng)?shù)氐母黝?lèi)金融機(jī)構(gòu)持續(xù)迭代升級(jí)金融科技，更好地對(duì)接新興產(chǎn)業(yè)在各類(lèi)場(chǎng)景下的多元化投融資需求；深化區(qū)域金融合作，依托金融基礎(chǔ)設(shè)施的互聯(lián)互通，進(jìn)一步突出數(shù)字金融的普惠性，引導(dǎo)數(shù)字金融向農(nóng)村偏遠(yuǎn)地區(qū)滲透，覆蓋更多的經(jīng)濟(jì)主體，并與傳統(tǒng)金融服務(wù)相配合，打造線(xiàn)上線(xiàn)下有機(jī)融合的服務(wù)體系，共同推進(jìn)區(qū)域金融服務(wù)水平一體化，驅(qū)動(dòng)城市群經(jīng)濟(jì)的高質(zhì)量協(xié)調(diào)發(fā)展。

二是推動(dòng)地方數(shù)據(jù)資源開(kāi)放共享，規(guī)范區(qū)域金融合理創(chuàng)新。建設(shè)完善的地方綜合信息服務(wù)平臺(tái)，優(yōu)化數(shù)據(jù)資源開(kāi)放和共享機(jī)制，便利金融機(jī)構(gòu)獲取高質(zhì)量外部數(shù)據(jù)，擺脫對(duì)不動(dòng)產(chǎn)抵押物等強(qiáng)擔(dān)保方式的過(guò)多依賴(lài)，讓“數(shù)據(jù)”、“信息”在信貸決策和金融風(fēng)險(xiǎn)緩釋中扮演更重要的角色，助力金融機(jī)構(gòu)合理創(chuàng)新，讓他們?cè)敢膺m當(dāng)下沉目標(biāo)客群，敢于開(kāi)展相關(guān)業(yè)務(wù)，拓寬金融覆蓋面。同時(shí)，建立完善的區(qū)域性金融風(fēng)險(xiǎn)監(jiān)測(cè)預(yù)警體系，硬化地方政府債務(wù)預(yù)算約束機(jī)制，防范大量資金假借“創(chuàng)新”繞道進(jìn)入高杠桿的虛擬部門(mén)或“兩高一剩”產(chǎn)業(yè)，平衡好金融創(chuàng)新產(chǎn)業(yè)和防控區(qū)域金融風(fēng)險(xiǎn)的關(guān)系，守住不發(fā)生系統(tǒng)性風(fēng)險(xiǎn)的底線(xiàn)。

注釋?zhuān)?/p>

①2019年12月，習(xí)近平總書(shū)記在《求是》雜志發(fā)表題為《推動(dòng)形成優(yōu)勢(shì)互補(bǔ)高質(zhì)量發(fā)展的區(qū)域經(jīng)濟(jì)布局》的重要文章，文章指出當(dāng)前需要正確認(rèn)識(shí)經(jīng)濟(jì)空間結(jié)構(gòu)發(fā)生深刻變化的區(qū)域經(jīng)濟(jì)發(fā)展新形勢(shì)，按照客觀(guān)經(jīng)濟(jì)規(guī)律調(diào)整完善區(qū)域政策體系，多方面健全區(qū)域協(xié)調(diào)發(fā)展新機(jī)制。

②影像資料下載地址：https：//eogdata.mines.edu/produ cts/vnl/。

③本文沒(méi)有選用個(gè)體固定效應(yīng)而選用OLS 是出于如下考慮。一是OLS 是一種從空間全域角度粗略觀(guān)察變量關(guān)系的基準(zhǔn)分析，是一種暫不考慮區(qū)域個(gè)體時(shí)空特征的參照性分析，也是國(guó)內(nèi)外時(shí)空加權(quán)回歸分析的常用模塊和一般程序。二是個(gè)體固定效應(yīng)是選用一個(gè)截距參數(shù)控制區(qū)域的個(gè)體異質(zhì)性，沒(méi)有考慮每個(gè)區(qū)域的區(qū)位屬性和空間經(jīng)濟(jì)關(guān)聯(lián)性，得出的結(jié)論不符合本文的分析框架，反而會(huì)對(duì)局部效應(yīng)的分析形成干擾。綜上兩點(diǎn)，本文未選用計(jì)量經(jīng)濟(jì)學(xué)常用的固定效應(yīng)模型進(jìn)行分析。此外，考慮到各維度金融發(fā)展變量在指標(biāo)構(gòu)建和內(nèi)涵上有一定的重疊，為避免共線(xiàn)性對(duì)實(shí)證結(jié)論的干擾，本文參考已有研究的通常做法，將各金融變量單獨(dú)作為核心變量進(jìn)行分析，以突出變量對(duì)經(jīng)濟(jì)發(fā)展的獨(dú)立影響。

④中國(guó)銀行業(yè)協(xié)會(huì)數(shù)據(jù)顯示，2020年銀行業(yè)離柜交易率接近90%，2012年這一數(shù)值僅為54.37%。另?yè)?jù)央行《2020年支付體系運(yùn)行總體情況》數(shù)據(jù)，僅2020 一年，ATM就減少了8.39 萬(wàn)臺(tái)。