金融集聚對長江經濟帶區域經濟增長的影響研究

□ 陳斌 石懿

一、引言

改革開放40年來，長期處于高速發展階段的長江經濟帶①長江經濟帶東起上海、西至云南,包括上海、江蘇、浙江、安徽、湖北、江西、湖南、重慶、四川、云南、貴州9省2市。已經成為國家重大戰略發展區域中必不可少的一個重要環節，是支撐我國“三縱兩橫”戰略以及協調東中西部地區共同發展的重要支點。據統計，長江經濟帶的總面積約占我國全部面積的五分之一，同時在人口數量和經濟總量均超過全國的40%以上，2019年GDP總量占比達到全國45%以上，且同時期的經濟增速要高于其他區域②根據國家統計局數據:2010年全國經濟增速為10.6%,在2014年降低至7.3%,而2020年由于疫情影響降至2.4%；比較同時期的經濟增速,長江經濟帶在2010年為13.7%,在2014年降低至9.1%,而2020年在疫情影響下降低至2.8%,顯著高于同期全國水平。。同時隨著中國經濟進入新態勢，全球經濟呈現出了多變而復雜的形式，以及國內經濟出現下行壓力的狀況下，各種各樣的社會經濟風險都可能集中發生，我國的宏觀經濟要想穩定運行則面臨著挑戰與壓力。并且我國的宏觀經濟運行同時也出現了許多新特點、新機遇：經濟由高速增長走向中高速增長、金融與其它服務業經濟等第三產業逐漸成長為我國經濟中的主導地位、中高端科技產業逐漸成為我國產業轉型升級的新方向與新目標、全面開創新開放發展格局、創新驅動發展戰略地位也逐漸提高，有成為新增長動力的潛力（高波，2016；張曾蓮等，2022；劉曉光等，2022）。新態勢下，長江經濟帶是否能夠延續以往的正確方向并繼續引領我國經濟把握機遇、突破挑戰，從而推動經濟增長？這已經成為了我們目前亟待思考的關鍵。

在推動經濟增長的過程中，金融以其調配資源的高流動性能力為各經濟單位提供了充足的資金，同時金融中心通過對金融資源集中并進行優化分配，更為有效地促使經濟增長。美國紐約、英國倫敦以及中國上海是全球的金融集聚中心，同時這些城市的生產總值也在所在國家的前列，這表明了經濟增長與金融集聚有著密切的關聯。因此，本文運用2010-2019年中國長江經濟帶區域的11個省市的面板數據，構建銀行業、保險業、證券業的區位熵指數，評價11個省市金融集聚子行業水平，運用空間杜賓模型實證分析長江經濟帶區域的金融集聚對經濟增長的影響并提出對策建議。

二、文獻回顧

在全球金融一體化的時代背景下，金融作為實體經濟運行的血液，區域間金融資源的競爭不斷加劇，金融業的發展逐步呈現出一種在空間上集中的特征。金融集聚這一個概念由經濟學家Kindle Berger(1974)提出，相較于產業集聚，他認為金融集聚最關鍵的形成要素是地域的集中性，參與金融活動的個體更傾向于在金融機構集中的地方（例如華爾街、上海等金融中心）進行交易。現階段，國內外均有關于金融集聚效應的研究且研究內容較為豐富，但都主要圍繞以下方面：一是有關金融集聚的存在會導致經濟增長效應的研究，展開的關于金融集聚對實體經濟研究（劉軍等，2007；潘輝、冉光和等，2016）、綠色經濟發展（王鋒等，2017；錢晶晶等，2022）、區域經濟增長（Kabir et al.，2011；姚璐等，2022；李文啟等；2021）等方面的實證研究；二是有關金融集聚會促使產業集聚的同時產生帶動效應，從而展開的金融集聚與產業結構的升級（Kindle，1974；劉峰等；2021）、產業創新效率（張長征等，2012；楊春霞等；2022）等方面的影響研究；三是有關金融集聚會產生城市化效應，展開金融集聚對城鄉收入差距（Burgess ＆ Pande，2005；王曉華等，2021）、城鎮化進程（章曉英和徐雅涵，2021）、城市發展效率（張鵬和于偉，2019）等的影響研究。

現階段，學術界將研究視角開始轉向金融集聚在空間溢出方面對經濟增長所產生的影響之間的研究。回顧以往研究，傳統的空間計量經濟學均以空間均質性作為基本假設，而學者們在進行金融集聚等相關空間計量經濟學研究時也基本以這一假設為基本假設。因此有研究發現金融集聚通過擴大產業的發展資本、拓展投資的發展渠道、優化金融資源的配置效率等方法，推進產業升級，從而促進了區域經濟增長。同時，學者們通過研究也發現“虹吸效應”出現在了金融集聚的過程中，并且會使本地區的資金、機構出現集聚強化（陸軍，2014；Greenwood，2013）。然而，現階段學者們對計量經濟學的廣泛應用，使得空間異質性這一曾經長期被忽視的空間特質逐步被納入研究范圍，金融集聚產生的空間溢出效應也成為部分學者所研究的內容，同時也有研究顯示金融集聚所產生的金融集聚效應、金融擴散效應以及金融本身的功能等方面會影響本地區以及鄰近地區的經濟增長（李林，2011；Hannu Tervo，2010）。

綜上所述，國內外的許多學者對金融集聚及其經濟增長效應的內容進行了深入研究，但現有研究仍存在以下不足：一是對金融集聚的指標評價體系的構建不夠完全，部分學者僅通過銀行業指標對金融集聚程度進行衡量，未充分考慮到保險、證券等主要的金融子行業的金融集聚效應的影響，結果難免存在錯誤。二是以往的金融集聚相關研究中，空間均質性都作為空間計量經濟學的基本假設而忽視了空間異質性這一性質對區域經濟增長的影響，從而或許存在研究結果有被低估或高估的風險，故進行金融集聚對經濟增長的效應研究模型中應將空間異質性這一假設納入。因此，本文將長江經濟帶區域內11個省市的銀行業、證券業及保險業三個金融子行業作為研究對象，使用區位熵指數建立相應的金融集聚評價體系，運用空間面板杜賓模型并納入空間異質性以考察金融集聚水平對經濟增長的空間效應研究。

三、金融集聚水平的評價模型構建及指標選取

目前，國內外對于集聚水平的衡量指標較以往豐富許多，不同的指標衡量方法有不同的特性與優劣，且根據研究內容也有差異，因而學術界至今也無統一標準。區位熵也被稱之為專業化率，通過對某地區的產業集中度進行測度以及對其在同時期內該產業在國內的集中水平進行對比從而衡量該區域該產業的集中水平在全國范圍內的產業集中水平。區位熵公式如下：

（1）式中，指在j地區i產業同時期內相對于全國的區位熵指數，代表j地區i產業總人口（產值），代表j地區總人口（產值），代表i產業在全國的總產值，代表全國總人口（產值）。同時，若區位熵指數,則代表在同時期內，j地區的i產業的集聚水平高于全國平均水平；若，則j地區的i產業在同時期內的集聚水平等于或低于全國平均水平。j地區的區位熵數值越大，表示同時期內，該地區的產業集聚水平高于國內其它區域的產業集聚水平，此時可以稱之為該地區該產業相較其它區域出現了產業集聚現象。

本文參考多位學者對金融集聚指標統計的測度方法，從銀行業、證券業以及保險業三個角度應用區位熵法對長江經濟帶區域內11個省市進行金融集聚水平的測算。利用2010-2019年我國長江經濟帶沿線省市以及全國的金融機構存款余額（億元）、保險機構保險保費收入總額（億元）、年末股票價值總額、年末常住人口計算三個行業的區位熵。文中所用金融機構存款總額、總保險保費收入總額等數據從《中國統計年鑒》、《中國金融年鑒》、EPS數據庫以及Wind數據庫中獲取。

銀行業的區位熵計算公式如下：

證券業的區位熵計算公式如下：

保險業的區位熵計算公式如下：

通過計算得出2010-2019年間，長江經濟帶沿線11個省市的三大金融子行業（銀行業、保險業、證券業）的區位熵指數表，具體數值如表1所示①限于篇幅,本文僅列出2010、2015與2019年的金融三大子行業區位熵值。。

表1 長江經濟帶各省市2010、2015、2019年銀行業、證券業、保險業區位熵

從表1可知，2010-2019年間，長江經濟帶上中游省市銀行業、證券業以及保險業三個行業的區位熵基本處于上升態勢，其中有些年份有所波動，但總體上有所提高。到2019年為止，金融子行業區位熵大于1的僅長江經濟帶下游區域三個省市（上海、江蘇、浙江），剩余八個長江經濟帶中上游省市的區位熵均小于1，同時除了上海市外，其余省市的銀行業與保險業的集聚水平要顯著高于證券業的集聚水平。總體來說長江經濟帶下游地區金融集聚水平要顯著高于上中游地區，以及大部分省市的證券業集聚水平均低于其余兩個金融子行業的集聚水平。

四、空間計量模型設定及變量選取

(一)數據與變量

本文各變量所用數據均來自于《中國統計年鑒》、《中國城市年鑒》和《中國金融年鑒》等，部分缺失數據根據線性插值法予以補充。具體變量設置如下：

1.被解釋變量：長江經濟帶11個省市的人均真實GDP（lnrGDP）,本文參照過往已有成熟的研究成果，用“各省市真實GDP與各省市年末總人數之比”得到。其中，實際GDP以2010年為基期，通過GDP平減指數得到（為減輕異方差，人均實際GDP經過對數化處理）。

2.核心解釋變量：銀行業（BANK）、證券業(SEC)、保險業（INS）區位熵指數，具體含義以及指標測算參見前文。

3.控制變量：

（1）政府政策（Gov）：在區域經濟的發展歷程中，政府是其中必不可少的重要角色，本文以“各省市財政預算支出與當地 GDP之間的比重”表征政府政策的效用。

（2）外商直接投資（lnFDI）：使用各省市的外商投資實際利用額表示（為減輕異方差，外商直接投資經過對數化處理）。其中，為了保證計價單位的一致性，外商投資實際利用額由各年份的中間匯率將美元轉換成人民幣單位計價。

（3）技術進步（TP）：技術進步作為經濟增長的一個重要源泉，在研究經濟增長內容時不可避免。故本研究以“R＆D經費支出與GDP之間的比重”衡量。

（4）產業結構（IS）：第二產業向產業價值鏈高端攀升的過程中，第三產業就業和產出份額將上升，這將促進產業結構進行轉型升級。故本文使用“第三產業產值與第二產業產值之間的比重”指數去衡量各省市之間產業結構的變遷。

表2 變量描述性統計

(二)模型選擇

在模型的選擇上，本文按照傳統的空間計量經濟學范式進行相關模型的選擇，在不考慮空間依賴性的條件下，使用基本的OLS法對模型進行回歸估計，并使用LM檢驗來確定是否可以使用空間計量模型。OLS回歸的LM檢驗結果如表 3 所示。

表3 空間依賴性檢驗結果

表3的檢驗結果顯示,LM檢驗以及穩健的LM檢驗均通過了顯著性水平檢驗并拒絕了原假設，因此根據檢驗空間杜賓模型作為本研究優先采用的模型。因為LM檢驗不夠完全，本研究為了更進一步選擇恰當的模型，再次進行LR檢驗以及Wald檢驗，同時為了對隨機效應與固定效應進行選擇，本研究采用Hausman檢驗。

表4中顯示，LR檢驗與Wald檢驗均通過了顯著性水平檢驗，表明空間杜賓模型簡化為空間自回歸模型以及空間誤差模型的原假設被拒絕。故本研究使用空間杜賓模型作為本文回歸分析的模型來研究金融集聚對長江經濟帶經濟增長的影響效應。同時Hausman檢驗結果顯示模型應該采用隨機效應的原假設在1%的顯著水平下被拒絕了。因此由檢驗結果可知，空間杜賓模型（雙向固定效應的）將被本研究采用。

表4 模型以及效應選擇檢驗結果

(三)模型設定

本研究模型具體設定如下所示：

(四)空間權重矩陣的構建

空間權重矩陣是鏈接了空間計量經濟學模型與現實世界中的空間效應的橋梁，其在模型設計中表示了空間單位的相互依賴關系以及關聯程度。因此，合理構建并運用空間權重矩陣與模型的最終估計結果和解釋水平有著密切關聯。現階段學者在進行空間計量經濟學的研究時，主要運用到鄰接、經濟、反距離權重矩陣以及各種權重矩陣嵌套形成的空間權重矩陣。參考現有文獻研究以及研究內容實際需要，本文選擇構建鄰接權重矩陣（又稱0-1權重矩陣），記為W，公示如下

五、實證分析及結果討論

(一)空間相關性檢驗

如表5所示，在基于鄰接空間權重矩陣的情況下，無論是金融行業的變量抑或是實際人均GDP均在5%以下水平顯著，其中證券業的莫蘭指數顯著小于其余兩個行業，顯現出接近于0.1的空間微弱正相關，這與本文實證結果也有一定符合，除了證券業的指數外，其余三個變量的MoranS I指數均在0.2-0.4之間上下波動，這也顯示出在空間分布上長江經濟帶區域內11個省市的實際人均GDP與金融集聚兩者之間有著較強的正相關特性。

表5 實際人均GDP與金融子行業區位熵的MoranI指數

(二)空間計量分析

在表6中，空間杜賓模型回歸的結果顯示空間滯后項系數ρ通過了10%的顯著性水平檢驗且為正數，這顯示長江經濟帶區域內11個省市的經濟增長在空間分布上呈現出顯著正相關的形式，即在空間分布上金融集聚與經濟增長之間存在著空間效應。

表6 模型回歸結果

由于存在空間效應，因此所得模型的解釋變量的回歸系數并不能直接用于表示解釋變量與被解釋變量之間的關系。因此，為了進一步了解并研究金融集聚對長江經濟帶沿線省市經濟增長的空間效應的大小以及作用途徑采用偏微分方法將其分解成表6中的直接效應、間接效應（又稱為溢出效應）以及總效應。其中地區內被解釋變量由解釋變量直接影響所產生的效應即表示直接效應；臨近地區的解釋變量間接對本地區產生影響被表示成間接效應（溢出效應）；空間效應中的直接效應與間接（溢出）效應兩者之和即為空間總效應。

從表6中可以看到銀行業集聚的直接效應回歸系數為0.146，在1%的水平上顯著為正；間接效應的回歸系數為0.08，在5%的水平上顯著為正；空間總效應的回歸系數為0.226，通過了1%的顯著性水平檢驗。這說明了本省市的銀行業集聚水平如果提高1%，將直接帶來經濟增長0.146%，間接地通過溢出效應從而影響臨近省市的經濟增長0.08%，總體帶動區域內的經濟增長0.226%。綜合來講，在研究時期內，長江經濟帶區域內11個省市的金融機構存款余額處于增長態勢下，各國有銀行以及商業銀行具備足夠的放貸能力，并且積極地推出了許多利于投資的優惠政策。因此銀行業的金融集聚對經濟產生了較為明顯的增長促進作用。

證券業集聚對經濟的影響作用較其余兩個金融子行業并不顯著。直接效應、間接效應以及總效應的回歸系數分別為-0.01、0.035、0.025，都沒有通過顯著性水平檢驗，這說明證券業集聚對于本省市以及臨近省市的經濟增長均沒有較為明顯的影響。這有可能是由于目前證券業整體發展水平還不高，并且長江經濟帶的證券業集聚水平兩極分化非常明顯，從表1中可以看到，除了長江經濟帶的上海市以及浙江省出現了證券業集聚以外，其余省市均未出現證券業的集聚，同時證券市場的不穩定性和投機行為等一定程度上都阻礙了長江經濟帶沿線省市的經濟增長。

保險業集聚對本省市以及臨近省市的經濟增長都出現了不同程度但正向的直接促進效應以及空間溢出效應。直接效應、溢出效應以及總效應的回歸系數分別是 0.055、0.190、0.244，且分別通過了1%、5%、1%的顯著性水平檢驗。即在本省市的保險業集聚程度提高1%的情況下，將直接帶動本省市的經濟增長0.055%，對鄰近省市產生0.19%的溢出效應。現階段我國保險行業發展較以往有了較大的提高與改善，因此呈現出多元化、高效性的特點，這為長江經濟帶沿線省市的經濟增長提供了更多的保障與支持，從而更好的對經濟產生促進作用。

進一步考察本文控制變量，發現政府政策以及產業結構對本省市以及鄰近省市均產生了負的空間效應，這與常識不合，但我們可以從以下角度進行理解：政府政策由于近年來的地方債務累計以及財政支付轉移等增加，因而導致了實際GDP的減少；而產業結構則是因為各地區產業結構不平衡，無法有效地分配資源從而進行合理的資源利用，因此在一定程度上抑制了長江經濟帶的經濟增長。技術進步對本省市的直接效應為負且顯著可能是因為技術進步的滯后效應對本省市的經濟增長無法直接產生影響，但產生了正向且顯著的溢出效應，可能是本省市已經產生的技術進步間接地促進了鄰近省市的經濟增長。外商直接投資的直接效應為0，間接效應在1%水平上顯著且為正向，但可以看到間接效應的系數為0.064，并非很大，這有可能是因為長江經濟帶沿線省市大部分處于內陸，導致除了沿海地區外，內陸省市所能獲得的外商投資實際利用額較小以至于對經濟的影響較低，且在外資引進及資源分配方面不均衡導致外商直接投資利用效率較低，綜合影響了長江經濟帶的經濟增長。

六、結論與對策建議

本文運用2010-2019年中國長江經濟帶區域的11個省市的面板數據，構建銀行業、保險業、證券業的區位熵指數，以此評價長江經濟帶區域11個省市的金融子行業集聚水平，同時運用空間杜賓模型實證研究金融集聚對長江經濟帶經濟增長的影響研究。得到以下結論：第一，金融集聚顯著提高了長江經濟帶區域的經濟增長水平，表明促進金融集聚水平的提高同樣有利于經濟增長水平的提高；第二，銀行業與保險業集聚對本省市的經濟增長均有直接促進作用，銀行業促進經濟增長的作用最強，保險業則稍弱；第三銀行業集聚與保險業集聚均對鄰近省市產生了溢出效應，與直接效應相反，溢出效應中保險業集聚對鄰近省市的溢出效應要大于銀行業集聚；第四，證券業集聚并未對經濟增長產生較為明顯的變化。因此通過以上結論，如何更好地激發金融業內生活力，特別是證券業的潛力，從而有效促進經濟增長成為當前最應該思考的問題。基于上述研究結論，本文擬從以下三個方面提供對策建議：

第一，強化政府區域經濟調控能力，有效發揮中國特色金融體制機制。要積極發展和優化布局金融業，通過體制機制創新擴大金融規模、提升金融效率，充分發揮金融集聚對區域高質量發展的輻射帶動作用，考慮以地理位置為主要依據打造金融集群，借助金融集聚的外部性作用，推動長江經濟帶流域整體發展水平提升。

第二，暢通長江經濟帶金融資源流動，有效提高區域金融集聚水平。政府應制定一系列政策措施以加強省市間金融資源有效流動，可以鼓勵各省市政府對外省企業或產業實施優惠政策，吸引更多外省企業來當地發展，增加更多合作交流的機會。中上游地區尤其是上游地區的金融集聚發展滯后于下游地區，政府要鼓勵集聚水平較高的下游地區主動加強與中上游地區的金融合作，重點合作下游企業有明顯優勢的金融行業，從而能夠在引導金融資源尤其是證券業相關資源向中上游地區流動的基礎之上，進一步實現長江經濟帶的中上游地區金融產業發展從而推動經濟增長。

第三，協調區域金融產業發展，有效引導資本市場資金流向。實證結果表明銀行業仍然是區域中的金融資源分配主體，保險業正處于穩步發展的階段，而證券業的發展較為滯后，且各省市發展水平參差不齊，這不利于金融業整體的發展。因此，政府在利用銀行業與保險業資源對經濟產生影響的同時，更應該加大對資本市場的支持力度，鼓勵并合理引導資本市場資金流向具有盈利性質的項目，這不但能夠縮小金融業各子行業發展差距，還能夠使得發展較為緩慢的子行業實現充分發展，有效發揮市場的作用，更為高效地協調區域金融產業發展。