長三角金融生態環境與經濟增長耦合集聚效應

康 明

（中國社會科學院大學 商學院，北京 102488）

一、引 言

在新冠肺炎疫情對金融市場負面沖擊和全球經濟衰退背景下，面對單邊主義、保護主義、霸權主義的不利影響，為應對百年未有之大變局，要加快構建以國內大循環為主體、國內國際雙循環相互促進的新發展格局。長三角作為國家經濟發展的引擎，既是國內大循環的金融與經濟發展核心區域，又是國內國際雙循環的一個支點。在長三角一體化發展戰略上升為國家戰略后，該區域也成為引領新發展格局的排頭兵。在服務和融入構建新發展格局中，區域金融生態環境的改進至關重要。金融被譽為現代經濟的核心，通過金融中介和市場，社會資源轉化為再生產資本，提升了資源分配和使用效率，進而促進經濟發展。在市場決定資源配置的經濟環境下，地區金融資源的效益性、流動性及安全性更多取決于該地區金融生態環境的優劣。良好的金融生態環境有利于形成資本洼地，吸引大量資本、人才流入，進而提升地區經濟發展水平和競爭力，實現推動“經濟-金融”協同發展。相反，惡劣的金融生態環境，如法律法規不完善、金融體系存在漏洞等，使得地區成為高風險金融區域，這一方面導致難以吸引外部資金流入，降低本地區的經濟競爭力，另一方面甚至迫使本地區資金外流，阻礙本地區經濟與金融的可持續發展［1］。新發展格局視角下，營造優良的金融生態環境，完善外部宏觀條件，推動金融更好服務實體經濟，是加快融入構建新發展格局的關鍵舉措。因此，研究金融生態環境與經濟增長的協調水平具有重要理論意義和實踐意義。

區域金融生態環境對于當地實體經濟發展的重要作用一直是國內學者研究關注的焦點和熱點問題，諸多學者從國際、經濟帶、省域不同范圍尺度運用不同方法對這一問題展開理論與實證研究，研究成果頗豐。從國際尺度看，李延凱和韓廷春［2］對51 個國家的研究表明，金融環境對金融資源轉化和配置效率起到至關關重要的作用，金融生態環境的規范更會增強金融發展對經濟增長的促進作用；彭俞超［3］對46 個國家的研究發現，金融市場結構對經濟發展作用存在顯著的異質性，即對于少數發達國家，金融市場對經濟增長呈現“倒U”型，對于其他發展中國家助推作用明顯。從經濟帶尺度看，學者們對長三角[4-5]、京津冀[1、6-7]、粵港澳大灣區[8-10]、珠三角［11］等經濟帶或城市群金融與經濟發展的關系展開研究，結果均發現區域內城市金融集聚對經濟發展具有顯著正向推動作用，但存在著地區差異以及作用機制的差異，同時本地區經濟發展對臨近區域存在空間集聚和空間溢出特性［12］。從省域尺度看，中國大陸31 省份金融集聚在直接效應和溢出效應中均能顯著促進地區經濟增長[13-14]，耦合度的空間關聯格局較強且呈現出明顯的區域差異，表現為東部＞中部＞東北＞西部［15］，金融集聚滯后型和經濟發展滯后型省域占比分別為71%和23%［16］。

通過梳理現有研究成果發現，學界更多關注金融與經濟兩者因果關系的實證研究，鮮有從金融生態環境視角出發，研究長三角金融生態環境與經濟增長的耦合互動關系。而在新發展格局以及長三角一體化戰略不斷深入推進的前提下，對區域金融生態環境和經濟增長互動關系以及影響這種關系的因素進行研究，有利于改善區域內金融生態環境，提升金融資源配置效率，更好發揮金融對經濟增長推動作用。因此，本文參照前人研究，構建耦合協調評價指標，綜合運用Stata、ArcGIS、GeoDa等軟件對長三角27個城市金融生態環境與經濟增長協調水平的時空演進趨勢進行研究，并分析影響協調水平的因素，以期提高長三角各城市的協調水平。本文對于長三角一體化發展專題研究主要貢獻體現在：①嶄新的“金融生態環境-經濟增長”耦合聚集效應宏觀視角，采用耦合協調模型、改進的熵值法等方法，剖析長三角27 個城市金融生態環境與經濟增長的耦合協調度，并運用空間計量模型測度影響長三角城市群金融生態環境與經濟增長耦合協調度的因素；②將長三角一體化發展與“大循環、雙循環”新發展格局相結合，從人才、開放和創新層面提出政策建議。

二、研究理論、方法及數據

（一）耦合度

耦合度（coupling）始源于物理學，用于兩個系統互相依賴于對方的量度，描述了兩個系統或兩個要素之間相互作用（或關聯影響）的強弱程度。而協調度（coordination）是指兩個系統或兩個要素相互作用中良性互動程度的大小，體現了發展狀況好壞和良性互動的關聯性能否可持續發展，可以表征各系統或要素之間是在高水平上相互促進還是低水平上相互制約。因此，耦合協調度不僅反映了兩個系統或兩個要素之間相互關聯影響程度強弱，也能體現出兩個系統或兩個要素之間良性發展狀況的好壞［17］。“金融生態環境-經濟增長”不是一個獨立的系統，金融生態環境是經濟增長的基礎，優越的金融生態環境可以提升經濟發展水平，而經濟的發展也會帶來進一步改善金融生態環境的內在要求和動力，兩者形成一個相互影響、相互依賴的耦合體系。本文將金融生態環境與經濟增長之間相互影響、相互作用的關聯強度定義為耦合度，將兩者協調發展的互動關系定義為協調度。

（二）研究方法

1.耦合協調評價模型

（1）數據標準化處理。運用改進的熵值法對基礎設施和對外貿易各項指標進行無量綱化處理，從而確定各項指標的權重。在對“金融生態環境-經濟增長”指標標準化處理后，各項“金融生態環境-經濟增長”指標的值都位于［0，1］。

（2）耦合協調模型。本文借鑒廖重斌［18］的兩系統耦合評價模型，其中：C表示耦合度；F和E分別表示金融生態環境和經濟增長的綜合發展水平評價函數；k為調節系數，這里取k=2。

由于耦合度只能說明兩個系統或兩個要素之間的關聯程度，并不能反映兩個系統或兩個要素相互促進的發展水平的高低，因此引入協調度，協調度的判斷依據學者們的標準。模型借鑒張英佳等［19］的研究，其中：D表示協調度；S為金融生態環境與經濟增長的綜合發展指數；a、b為待定系數，因為在兩系統中，金融生態環境與經濟增長同等重要，所以a=b=0.5。

耦合度與協調度的劃分標準見表1所列。

表1 耦合度與協調度的劃分標準

2.空間自相關分析

空間自相關是指相鄰位置的兩個區域擁有的變量取值相似，如果協調值的低值與低值或者高值與高值聚集在一起，則為正空間自相關；與之相反，如果協調值的低值與高值或者高值與低值相鄰，則為負空間自相關。莫蘭指數（Moran'sI）是用來度量空間自相關常見的方法；莫蘭指數I的取值范圍是-1～1 之間的數值，當莫蘭指數大于0，則表示正空間自相關；反之，當莫蘭指數小于0，則表示負空間自相關。空間自相關一般分為全局自相關和局部自相關，它們的計算公式分別如下：

其中：xm、xn分別表示長三角m、n市的金融生態環境與經濟增長的協調值；wmn表示空間權重矩陣。

3.空間誤差模型

空間誤差模型（Spatial Error Model，SEM）主要研究鄰近城市的各自變量（金融生態環境與經濟增長的影響因素）對本地區因變量（金融生態環境與經濟增長）的影響程度。模型設定形式如下：

其中：FP、GDPGRO、CAP、FDI、INN 分別表示金融從業人員、經濟增長率、固定資產投資占GDP的比例、外商直接投資、創新創業指數，由于GDPGRO、CAP、INN 皆為比率值或百分值，故不取對數；W為空間權重矩陣；μ為正態分布的隨機誤差向量；β0為常數項，β1～β5為各變量的回歸系數；λ為空間誤差系數，當λ顯著不為0時，表示周邊市自變量對本地市因變量的影響方向和程度。

（三）數據來源

1.研究區域

長三角城市群是我國最具經濟活力、開放程度最高、創新能力最強的區域之一，是“一帶一路”和長江經濟帶的重要交匯點，由三省一市構成。主要包括上海直轄市，南京、杭州、寧波三個副省級城市以及23 個地級市，總計27 個城市。長三角常住人口約1.75 億人，相當于兩個河北的人口；區域總面積22.19萬平方公里（相當于廣西的面積）。長三角雖然面積不大，但其以僅占全國2.31%的土地、12.37%的人口，創造出了全國20.86%的GDP，成為中國經濟發展最重要的引擎。2010 年，旨在提升長三角地區整體實力和國際競爭力的戰略——《長江三角洲地區區域規劃》正式批準實施。經過十余年的發展，長三角城市群已成為世界公認的第六大城市群。習近平總書記親自謀劃、親自部署、親自推動，2018 年11 月將長三角一體化上升為國家戰略，從而以“一體化”和“高質量”兩個關鍵點為核心，將長三角區域經濟發展推進到更高起點、對開放程度提升到更高層次、創新能力擴大到更具影響力。長三角城市群基本概況見表2所列（1）。

表2 長三角城市群基本概況

2.指標體系構建及數據來源

金融生態環境和經濟發展都是涵蓋多要素的復雜系統，系統各要素之間相互作用、相互影響。金融生態環境系統主要涉及經濟基礎、金融發展、政府公共服務、社會文化與保障等多方面指標，經濟增長主要涉及GDP 總量、人均GDP以及經濟增長率等。結合前人［20-21］研究，把金融生態環境和經濟增長的指標評價體系劃分為表3所列，指標數據均來自各市2011—2020 年統計年鑒。

表3 金融生態環境與經濟增長耦合協調發展綜合評價指標體系

續表3

三、耦合協調度分析

（一）時空異質性分析

借助Stata14 軟件，對長三角金融生態環境與經濟增長耦合協調度的整體和區域值進行核密度估計，并選取2010年、2013年、2016年和2019年繪制出核密度曲線圖如圖1所示。據此，總結出兩系統耦合度和協調度的演進特征：

圖1 長三角金融生態環境與經濟增長耦合度與協調度核密度估計

（1）從整體來看，長三角金融生態環境與經濟增長耦合度高，協調度低。耦合度密度分布曲線表現出偏右的態勢，但整體變化不大，說明區域內金融生態環境與經濟增長的關系極為密切且穩定；協調度密度分布曲線表現出偏左的態勢，說明區域內金融生態環境與經濟增長的協調度較差，兩者存在不同步發展、其一系統滯后發展的現象。

（2）耦合度和協調度表現出明顯的偏態分布和不同程度的單極化特征。從形狀來看，耦合度和協調度的核密度曲線在研究期內呈現出嚴重的單極化格局。耦合度2010 年表現出輕微的雙峰現象，2013 年、2016 年、2019 年轉換為單峰，峰值均出現在0.9以上。其中：2013年和2019年曲線在0.6～0.8左右出現“斷層”，表明耦合度的跨度空間大，在0.5后過渡至0.8；協調度在研究區內均呈現單峰現象，峰值均出現在0.3～0.4。

（3）耦合度區域差異較小，協調度區域差異大。從峰度來看，2010—2019 年，核密度曲線由“寬峰”形向“尖峰”形轉變，波峰由緩變陡，波峰高度明顯提高，說明整體耦合度相較2010年有所提升；協調度波峰逐漸變陡，尖峰態勢有所加強。相較2010年，2019 年核密度曲線輕微變窄，波峰提高，說明研究期內協調度區域差異有所變小但有小幅度提升，長三角金融生態環境與經濟增長的協調度存在空間非均衡性特征。

圖2為長三角省域尺度金融生態環境與經濟增長耦合度、協調度及變異系數演進情況。從耦合度的區域演進來看，各區域耦合值水平高，但波動幅度較大且區域間耦合值差異漸趨縮小。浙江省與江蘇省的耦合值位列前兩位，耦合值均一直保持在0.9 以上，平均值分別為0.964、0.944，差異值在0.05范圍內；上海市耦合值平均值為0.893，各年份最大差異值為0.12；安徽省耦合值上升趨勢明顯，耦合值由2010年的0.75上升至2019年的0.948，漲幅為26.4%，主要原因可能是安徽省在融入長三角規劃后，獲得了國家在政策、經濟等方面的支持，金融環境得到改善，經濟增長明顯。耦合度的變異系數在0.14以下，說明各市之間耦合值差異小。從協調度的區域演進來看，除上海市外，其他區域協調值低，各區域協調值變化小。上海市協調值保持在第一的水平，協調值的平均值為0.63，這也與上海作為全國經濟與金融中心的地位相吻合；江蘇和浙江的協調值排名在上海之后，平均值分別為0.434、0.408；安徽省的協調值排在最后，平均值僅為0.226。通過對比安徽省各市金融生態環境值與經濟增長值發現，各市金融生態環境綜合值遠遠滯后于經濟增長綜合值，說明該省亟待改善金融生態環境以提高兩系統的協調水平。協調度的變異系數在0.217～0.237 之間，說明區域內各市間的協調值差異大。長三角區域各省市兩系統表現出的高耦合、低協調，一方面說明金融生態環境與經濟增長的互動聯系緊密，另一方面說明兩者存在發展不協調、未達到良性共振的效果。

圖2 長三角省域尺度金融生態環境與經濟增長耦合度、協調度及變異系數動態演進

為進一步揭示長三角各市金融生態環境與經濟增長的協調度，利用ArcGis10.7軟件并選取2010年、2013 年、2016 年和2019 年四個年度，對區域內各市協調度進行可視化展示，以期明晰各市協調度的空間差異，具體如圖3 所示。市域尺度下，金融生態環境與經濟增長的協調度差異明顯，總體變化不大。

圖3 長三角市域尺度金融生態環境與經濟增長協調度演變

從整體來看，協調度的高值城市數量少且主要分布在東部沿海城市，形成以上海為高值中心并向周邊擴散的態勢；低值城市主要分布于西部城市且數量有所減少。四個年度內，協調度值處于勉強協調及初級協調的城市數量分別為2、2、4、3個，說明長三角城市群金融生態環境與經濟增長的協調度處于較低的水平；處于瀕臨失調的城市數量分別有7、8、6、6 個，占比分別為25.93%、29.63%、22.22%、22.22%，瀕臨失調處于協調與失調的臨界；輕度失調的城市數量分別為13、13、15、16 個，占 比 分 別 為48.15%、48.15%、55.56%、59.26%，說明區域內城市金融生態環境與經濟增長的協調值以輕度失調為主，提高此類城市協調值是提升長三角金融生態環境與經濟協同增長的關鍵。從區域分布來看，上海市一直處于較高的協調水平。江蘇省協調值高值集中分布在蘇南區域的蘇州、南京、無錫、常州以及蘇北的南通。其中，蘇州一直處于勉強協調水平，協調值平均值為0.558；南京徘徊在勉強協調與瀕臨失調之間，協調值平均值為0.496；無錫、常州、南通協調值平均值為0.481、0.427、0.435；與蘇南城市普遍較高協調值相比，蘇北的揚州、泰州、鹽城協調值均在0.3～0.4 以下，屬輕度失調，但其協調值呈現逐年增長的趨勢，協調值均超過0.37。浙江省協調值高值以杭州、寧波、溫州為主，平均值分別為0.507、0.476、0.407，此外，嘉興、紹興協調值的平均值也在0.4 以上，這與浙江省高度重視金融經濟發展，逐步形成“一城一灣四帶”的金融空間布局有關。安徽省協調值以低值為主，僅省會合肥發展成勉強協調的水平，低值從條帶狀轉變為點狀分布，說明省內各市協調值穩步增長。安徽省協調值在長三角城市群中處于落后狀態，這也與其經濟發展水平落后于蘇浙滬相符。合肥市在2010 年處于輕度失調，隨著時間的推進，金融生態環境與經濟漸趨協調，總體平均值為0.417；滁州、馬鞍山、蕪湖等城市也由中度失調發展為輕度失調；位于皖南的銅陵和池州協調值平均值不足0.25，在整個長三角城市群中排名最后；安慶和宣城等城市則處于中度失調與輕度失調之間。

（二）空間關聯性分析

前文分析表明，長三角金融生態環境與經濟增長耦合協調度較高的城市主要集中于以上海為輻射中心的東部城市，較低的城市集中于長三角的西部，兩區域城市的協調度變動具有一致性，推測各城市之間可能存在協調度的空間關聯性。為進一步揭示相互作用機制，運用全局自相關和局部自相關探析協調度的空間關聯特征，全局自相關運用全局莫蘭指數（global Moran'sI）分析，局部自相關運用LISA聚集圖和莫蘭散點圖進行分析。分析結果分別見表4所列和圖4所示。

圖4 長三角金融生態環境與經濟增長協調度局部空間LISA集聚圖

表4 不同空間矩陣下協調度全局莫蘭指數及相關檢驗

從全局自相關分析來看，協調度呈現顯著的空間集聚特征，莫蘭指數呈現先波動中上升后下降趨勢。鄰接矩陣和地理距離矩陣下，莫蘭指數在2010—2015 年均呈現波動中上升的趨勢，到2015年莫蘭指數分別為0.400 4 和0.412 4，說明該階段協調值的空間集聚特征呈加強的趨勢，且P值均在1%或5%的顯著性水平下通過檢驗；2015年后，莫蘭指數值漸趨下降，到2019 年兩種空間矩陣下的指數值降為0.272 2 和0.257 7，相較2015 年下降幅度為32.02%、37.51%，說明該階段協調值的空間集聚特征有所減弱。不論是鄰接矩陣還是地理距離矩陣，P值均在1%或5%的顯著性水平下通過檢驗，Z值均大于1.96通過檢驗。

從局部相關性分析來看，協調值呈現明顯的局部關聯特征，主要以“高-高”“低-低”“高-低”型為主。其中，“高-高”型為南通、蘇州、嘉興，說明以三市為中心的周邊城市為協調值的高值聚集區，4個年度內“高-高”型城市聚集區未有改變，協調值局部空間異質性小。從前文分析來看，周邊的上海、無錫、常州、杭州均為高值，也是該區域經濟發展發達的城市。“低-低”型表現為該區域及其周邊臨近城市協調值低，局部空間異質性小。

“低-低”型城市由5 個減少至2 個，主要集中在安慶、池州、銅陵等城市，說明以這些城市為中心的周邊城市為協調值的低值聚集區。從前文分析來看，低值區集中于長三角城市群的西部，相對來看，這些城市也是長三角經濟發展較為滯后的區域。“高-低”型城市僅有合肥一市，合肥由2010 年的低值聚集區轉變為高值聚集區，一方面說明合肥的協調水平得到提升，另一方面也說明形成了低值城市群包圍合肥的局部“凸”點的空間特征。

（三）協調度影響因素分析

前文運用核密度估計、數理統計分析、ArcGIS可視化分析分別對長三角整體、省域、市域金融生態環境與經濟發展耦合協調水平的時空差異進行探究，并結合全局自相關和局部自相關分析兩系統協調值的空間集聚特征。本部分將進一步探析影響兩系統協調值的因素，以此提出提升協調值水平的對策建議。空間自相關分析證明兩系統協調值存在顯著的空間集聚特征，采用傳統的OLS回歸預測模型會有偏差。因此，本文運用空間誤差模型（SEM）、空間杜賓模型（SDM），對影響金融生態環境與經濟發展協調值的因素進行分析，并利用OLS回歸對比。由表5 可知，OLS 模型中F=531.38、并在1%水平下通過顯著性檢驗，回歸方程中各指標均通過顯著性檢驗。但是比較OLS、SEM、SDM 三種模型，考慮要素的空間關聯特征后，模型的R2值由0.909 6提高到0.923 3、0.920 6；對視似然估計值由348.942 6 提升至465.140 9、465.576 2；AIC 值由-683.705 8減小至-912.281 9、-903.152 3；BIC值由-662.115 3 下降為-879.896 1、-852.774 4。因此，SEM、SDM 模型要優于OLS 模型，由此可知，當協調值存在空間集聚特征時，OLS模型會造成估計的偏差。對比SEM 模型和SDM 模型，SEM 模型的AIC和BIC值均低于SDM模型，且前者的R2值高于后者，因此，SEM模型優于SDM模型。

表5 不同回歸模型的估計結果

從SEM 模型結果來看，空間誤差系數值（rho）為0.1367，通過顯著性檢驗（P=0），說明在市域層面上，兩系統協調值受到周邊城市協調值影響因素的正向影響作用。模型的R2值為0.923 3，說明在大樣本條件下，金融從業人員、經濟增長率、固定資產投資占GDP 比值、外商直接投資、創新創業指數等5 個指標對模型的解釋程度很好，且5 個解釋變量均通過T 檢驗。從空間回歸系數來看，金融從業人員的系數值為0.100 2 且在1%的水平下通過顯著性檢驗，說明金融從業人員對提高兩系統協調值具有正向促進作用。金融從業人員占地區常住人口的比例是衡量地區金融與經濟發展水平的重要指標，當前，國際金融中心的競爭本質上是金融人才的競爭，提高長三角城市群金融從業人員數量及質量，有利于促進區域金融與經濟協調發展。GDP 增長率的系數值為0.004 且在5%的水平下通過檢驗，說明經濟發展對促進兩系統協調值具有正向促進作用。經濟高質量的發展有利于化解系統性金融風險，營造良好的金融發展環境，深化金融供給側結構性改革，使得金融更好服務于實體經濟發展。固定資產占GDP 比重的系數值為-0.105 7 且顯著為負，說明當前長三角區域固定資產投資比例過高，經濟發展過于依賴固定資產的投入，對兩系統的協調發展起消極作用。固定資產對經濟的拉動作用在城鎮化率低、農業向工業轉型的國家（地區）已得到國內外諸多學者的證明，但長三角地區經濟發達，大規模的固定資產投入對經濟拉動作用并不明顯。外商直接投資的系數值為0.021 2 且在10%的水平下通過檢驗，說明FDI的引進能夠提高兩系統的協調水平。FDI 能夠在一定程度上破解區域企業融資難、融資成本高的困境，有效帶動區域內金融市場的發展，實現改善金融市場環境和產業結構升級的雙重目標。創新創業指數的系數值為0.003 且在5%的水平下通過檢驗，說明創新創業指數能夠提高兩系統的協調水平。“十四五”規劃明確提出，要堅持創新驅動發展，全面塑造發展新優勢。創新創業指數的提升有利于營造良好的營商環境，為企業發展注入新的活力與動力。

四、結論與討論

本文對長三角金融生態環境與經濟增長的耦合協調度動態演進和時空特征展開研究，綜合運用核密度估計、數理統計分析、ArcGIS可視化分析、空間自相關分析，揭示了區域協調值的空間異質性、空間關聯特征及其時間演進趨勢，在此基礎上，構建空間計量模型探析影響區域協調值的因素，主要結論如下：①金融生態環境與經濟增長總體呈現高耦合、低協調，兩值均表現出小幅度增長趨勢。耦合值總體在0.9 以上，協調值在0.3～0.4，說明區域內兩系統關聯度強，但兩者發展并未達到良性共振。從協調值區域分布來看，上海＞江蘇＞浙江＞安徽，協調值區域差異較大。②從協調值空間分布來看，高值主要分布在東部沿海城市，形成以上海為高值中心并向周邊擴散的態勢，低值城市主要分布于西部城市且數量有所減少。協調值的空間集聚效應強，表現出先波動上升再下降的態勢，局部形成以南通、蘇州、嘉興為中心的“高-高”聚集區、以安慶、銅陵、池州為中心的“低-低”聚集區和以合肥為中心的“高-低”聚集區。③從影響因素來看，金融從業人員、GDP 增長率、外商直接投資以及創新創業指數對兩系統的協調發展表現出顯著的正向推動作用，固定資產投資占GDP 比重對協調值的發展表現出消極的負向作用。

長三角金融生態環境與經濟發展的互動效應強，但同時也存在兩系統發展不協調、區域間發展差異大等問題。如何以點帶面破解區域金融生態環境與經濟發展不協調的瓶頸，共同打造強勁活躍“經濟-金融”增長極，進而實現區域一盤棋的大發展新格局意義重大。為此，提出以下建議：一是優化金融人才引入標準、審批機制和服務體系。在制定人才引入標準時，不僅要考慮重大科技科研人員、知名學者，同時重點加強引進企業急需的專業型金融人才，并加強人才引進后的配套設施建設，如教育、醫療等。二是進一步推進各領域擴大開放，降低對外資準入的限制，分步提升上海國際金融中心能級，吸引外商資金的投入，營造法治化、國際化、便利化營商環境。三是提高金融企業自主創新能力。在政策層面，重點加大對先進制造業和科創企業的信貸投入，同時支持符合條件的科創企業上市融資；在平臺建設層面，擴大金融機構、金融資本引入規模，為科創型企業提供精準金融服務；在產品研發層面，重點加大科技金融產品、供應鏈金融產品、金融科技產品的創新力度。

從實證分析的“金融生態環境-經濟增長”耦合聚集效應宏觀視角，結合國務院《長江三角洲區域一體化發展規劃綱要》及長三角各省市規劃綱要、實施方案、行動方案（計劃），長三角積極服務和主動融入新發展格局的著力點未來在于兩個方面：一方面，加大“金融生態環境-經濟增長”耦合協調度“高-高”聚集區的高質量發展和高水平經濟雙循環步伐，如高質量工業產品、高附加值產品、產業資本循環；另一方面，加速形成“高-低”聚集區和“低-低”聚集區的國內大循環，如內需導向產業鏈聯通、數字經濟關鍵要素對接、打通共同富裕堵點難點。以暢通“國內大循環”和“國內國際雙循環”為著力點，以提升區域“金融生態環境-經濟增長”耦合協調度為著重點，以區域一體化發展為出發點，以城市發展和鄉村振興為落腳點，形成協同發展的強大合力。如此，長三角之先行示范將為國家富強、民族復興貢獻智慧和力量。

注 釋：

（1）人口數據來自第七次全國人口普查，其他數據來自各市2020年國民經濟與社會發展統計公報。