新發展格局下金融集聚對我國體育產業效率的空間溢出效應研究

關鍵詞：金融集聚；體育產業效率；空間杜賓模型；區位熵；3階段DEA模型

文章編號：1001-747X（2023）05-0542-12 文獻標志碼：A 中圖分類號：G80-052

DOI：10.16063/j.cnki.issnl001-747x.2023.05.004

黨的二十大報告明確提出，“構建高水平社會主義市場經濟體制”“深化金融體制改革、建設現代中央銀行制度”“健全資本市場功能、提高直接融資比重”“加強和完善現代金融監管、強化金融穩定保障體系”。同時，報告也強調，“加快構建新發展格局，著力推動高質量發展”。總之，在構建新發展格局的大背景下，金融體系穩步推進金融供給側改革，增強金融服務實體經濟能力成為迫在眉睫的時代要求。金融供給側結構性改革始終錨定最優金融結構，同時也不能忽視我國金融資源供給的地理結構對經濟發展的影響。當前，我國金融資源的地理結構、空間分布并不均衡，位于金融中心及其鄰近地區的企業易于獲得外部資金，而處于外圍的大量中小城市和偏遠地區的金融資源在工業化和城鎮化過程中供給明顯不足。當前我國體育產業也逐漸向著以“提升質量和效益”為主題的方向發展。體育產業高質量發展離不開勞動力、資本等各要素投入，特別是資本的強力支撐對體育產業的發展不容忽視，而金融集聚是資本的核心來源，會對體育產業效率產生重要影響。那么，金融集聚在我國體育產業發展過程中扮演什么樣的角色，金融集聚對體育產業效率的影響效應如何，是否能夠成為促進體育產業高質量發展的新動能等，這一系列問題亟待驗證。

1文獻綜述與理論機制

提高體育產業效率是推動體育產業高質量發展的重要途徑。已有研究重點關注體育產業效率影響因素的微觀層面。Porter等對棒球俱樂部管理者和管理團隊的效率進行了評估，研究發現，管理技能的恰當運用能夠提升俱樂部管理效率。Demir等對歐洲足球聯賽博彩市場進行研究發現，如果博彩公司在預測平局方面效率低下，則足球博彩市場效率低下。Benito等分析了西班牙當地主管部門在公共體育設施投入有效性的決定因素，并找出導致公共體育設施投入無效的原因。在體育上市公司運營效率方面，未小剛、譚宏、司欽如、楊光等運用DEA-Malmquist指數、SPSM結合KSS傅立葉平穩性檢驗、因子分析等方法對我國體育用品上市公司經營效率進行了分析，并提出體育用品制造業提高經營效率的若干對策。鐘敬秋等研究表明，中國體育產業效率水平的時空耦合關系明顯，投入、產出水平的變動是導致效率高低變化的直接影響因素。田廣等運用全國第6次體育場地普查數據，采用DEA-Tobit 2階段方法對大型體育場館投入產出效率進行研究。

構建新發展格局離不開金融的支持，作為社會經濟運行過程中流淌的“血液”，金融的發展變化對新發展階段體育產業高質量發展影響深刻。李艷麗等以12家體育上市公司以及39家新三板掛牌體育企業為樣本的研究發現，中部或中西部金融支持效率相對較高，A股市場的股權融資作用更大，在新三板市場債權融資的金融支持效率更高；進一步研究表明，公司所有制形式、公司規模與金融支持效率顯著正相關。我國金融體制深化改革為優化體育產業融資機制和融資結構提供重要的歷史機遇。其本質在于，如何更好地處理金融與經濟增長、特別是與體育產業高質量發展之間的關系。顯然，體育產業效率不單取決于企業融資類型與來源，我國金融資源供給的地理結構對經濟發展的影響不容忽視?，F有文獻還很少直接探討金融集聚與體育產業效率之間的關系。

金融集聚是我國金融資源供給的地理結構的表現形式之一，興起于金融控股公司集聚，現已成為現代金融產業組織的基本形式。金融集聚有助于金融市場功能的完善，促進創新發展和資本積累，提升區域競爭力和經濟效率，推動經濟高質量發展和產業結構升級。首先，金融集聚產生的規模效應促進金融機構之間的交流合作，有助于提高金融機構的服務效率，但一定區域內的資源、稟賦是有限的，各金融機構之間還存在著一定的競爭關系，為獲得更大的市場份額，促使各金融機構不斷提升服務水平、降低服務成本、優化服務流程，使集聚區域內的體育企業能夠獲得更優惠的金融產品與服務。當前我國體育產業發展存在資金不足、融資渠道少、融資規模小等問題，僅通過內源性融資無法滿足體育企業快速可持續發展的要求，而金融集聚的規模效應有利于拓寬體育企業的融資渠道，降低融資成本，提高融資效率。其次，金融集聚產生的網絡效應通常對區域內產業發展有積極影響。金融機構和實體部門之間通過網絡進行信息交流，既減少了信息不對稱，也降低了信息搜尋成本，使得企業之間最大程度地實現信息共享。鑒于體育知識產權、無形資產等市場價值具有不確定性，較難在財務報表中明確展現，使得金融機構對風險防控方面的訴求無法得到保障。金融集聚的網絡效應有利于了解體育產業各部門的真實情況，掌握更多有效、及時的信息，對其風險進行全面的評估與把控，同時體育產業的相關企業、部門也可以通過網絡向金融機構傳遞更多信息，降低雙方之間的信息不對稱，從而為體育產業提供更優質、更具針對性的金融產品與服務，推動區域體育產業發展。最后，金融集聚具有創新效應，含內部創新效應和外部創新效應。就內部創新效應而言，區域內金融機構之間存在一定程度的競爭，金融機構通過不斷優化自身的管理運營模式，創新金融產品與服務，提升業內競爭力，以占據更大的市場規模；就外部創新效應而言，金融集聚有助于區域內新技術、新知識的擴散和輻射，加強金融機構和相關產業之間的密切協作，有效緩解企業創新的信貸融資約束。我國體育產業發展處于初級發展階段，中小體育企業面臨融資難、融資貴的困境，金融集聚的創新激勵效應為體育企業提供多元化、定制化的金融產品支持，從而提高了體育產業科技成果轉化率。綜上所述，金融集聚區域內金融體系完善、金融網絡發達，會對鄰近區域金融及相關產業產生輻射效應，金融集聚區的人才、技術、信息等會通過“涓流效應”對鄰近地區產生影響，實現地區之間信息資源開放共享，有助于鄰近地區形成完善的市場信息網絡、交易網絡和人才網絡，從而促進鄰近地區金融業及其相關產業向著合理化、高效化的方向發展，降低區域間經濟發展的不平衡，助力鄰近地區體育產業的轉型升級，提高體育產業效率。因此，提出如下研究假設。

H1：金融集聚對體育產業效率具有促進作用。

H2：金融集聚對體育產業效率具有顯著的空間外溢效應。

2體育產業效率測度

2.1測度方法

為更好地剔除環境變量和隨機擾動項的影響，本文選擇運用3階段DEA模型對體育產業效率進行測度。

（1）第1階段：傳統DEA模型，即投入導向的DEA-BCC模型。

（2）第2階段：類似隨機前沿模型（SFA）。以投入松弛變量作為被解釋變量，對環境變量和混合誤差項進行回歸，建立模型如下：

（3）第3階段：調整后的DEA模型。通過第2階段得出調整后的投入值，再次進行效率評估。

2.2變量與數據

2.2.1投入產出指標的選擇

有關投入產出指標，借鑒鐘敬秋等、李海杰等[21]的做法，從資本、勞動2個方面選擇體育用品制造業資產總額、體育用品制造業從業人數、體育服務業資產總額、體育服務業從業人數作為衡量體育產業效率的投入指標。同時，選擇體育用品營業收入、體育服務業營業收入作為衡量體育產業效率的產出指標。其指標數據與文化、娛樂業相交叉，為盡可能真實地反映各指標數據的精確性，采用數據剝離的方法，利用部門（行業）產值比重對體育產業相關數據進行剝離，以得到投入產出指標原始數據。

2.2.2環境變量的選擇

根據本文的研究目的，結合劉春華等和何豐的測度方法，選取人均GDP、人口密度、產業結構、城鎮化水平、教育環境5個環境變量。

2.2.3統計數據

梳理2013—2020年我國31個省、自治區、直轄市的面板數據（不包括臺灣省和香港、澳門特別行政區）。

2.3體育產業效率測度結果與分析

（1）第1階段：傳統DEA—BCC模型。運用DEAP2.1軟件，對我國2013—2020年31個省區市體育產業效率進行測算，忽略環境因素和隨機誤差的干擾，可得到各地區各年份體育產業綜合效率（TE）、純技術效率（PTE）和規模效率（SE），取2013—2020年各地區體育產業效率及其分解平均值進行分析（見表1）。

由表1可知，各地區體育產業效率及其分解值具有較明顯差異。研究結果表明，地區間體育產業發展差距大；就全國來看，2013—2020年我國體育產業的綜合效率、純技術效率、規模效率均值分別為0.858、0.919、0.933；從區域層面來看，東部、中部的綜合效率值高于全國平均，西部綜合效率值低于全國平均；從省級層面來看，北京、湖南3項效率值均為1，處于有效生產前沿面；上海、福建、廣東、海南、山西、江西、河南、湖北、廣西、四川、陜西、新疆體育產業綜合效率大于0.9，接近生產效率的前沿面。但是，第1階段的實證結果并未剔除環境變量及隨機擾動項的干擾，不能客觀反映各省份體育產業效率的實際水平，仍需作進一步優化與效率分析測算。

（2）第2階段：SFA回歸結果。運用Frontier4.1軟件進行測算，研究結果顯示，σ²值和γ值均通過1%顯著性水平的檢驗，其中γ值的回歸系數趨近于0，則表明隨機因素的影響越處于主導地位，該數值越接近1，則表明管理無效率的影響越占主導。由表2可知，4個投入松弛變量的γ值在0.5～0.7之間，說明松弛變量受管理無效率和隨機因素的共同影響，因此，有必要運用SFA剝離隨機擾動和管理因素的影響。

進一步考察環境因素對4項投入松弛變量的回歸系數。若SFA回歸系數為正，表示增加該環境變量的值可以擴大對應松弛變量的值，導致各投入變量的浪費或產出不足；回歸系數為負，則相反。

第一，人均GDP。人均GDP與體育用品制造業資產總額、體育用品制造業從業人數、體育服務業資產總額均呈顯著正相關，說明地區經濟發展水平越高的省份，對體育產業的資金投入和人員投入都會更充足，但可能在投入過程中缺乏合理的統籌規劃與高效引導，從而導致體育用品制造業及服務業資產和體育用品從業人數冗余。人均GDP與體育服務業從業人數呈顯著負相關，即區域經濟發展水平越高，越會提升體育服務業勞動力的利用效率。

第二，人口密度。人口密度與體育用品制造業資產總額、體育用品制造業從業人數、體育服務業資產總額均呈顯著負相關，與體育服務于從業人數成正相關但不顯著。說明人口密度越高的地區，越有利于降低各投入松弛變量的冗余，從而提高體育產業效率。

第三，產業結構。產業結構與體育用品制造業資產總額、體育用品制造業從業人數、體育服務業資產總額均呈顯著負相關，說明體育產業增加值占比越高，越有利于各松弛變量的減少，有助于提升體育用品制造業和體育服務業效率。但產業結構與體育服務業從業人數呈顯著正相關，第三產業占比提升反而會增加要素投入冗余，這可能跟我國體育服務業全能型、復合型人才不足相關。

第四，城鎮化水平。城鎮化水平與體育用品制造業資產總額、體育用品制造業從業人數呈顯著負相關，城鎮化水平越高的地區，越能夠降低體育用品制造業的投入冗余。城鎮化水平與體育服務業資產總額、體育服務業從業人數呈顯著正相關，可能的原因在于我國體育服務業仍處于發展初期，在資金和人員投入上可能存在不合理或浪費現象，進而不利于體育服務業效率提升。

第五，教育環境。教育環境與體育用品制造業資產總額、體育用品制造業從業人數、體育服務業資產總額、體育服務業從業人數均呈顯著正相關，說明一個地區的教育環境越好，地方財政性教育經費占地方財政總支出的比重越高，對體育資本和人員的投人也會越高，但存在資源浪費和不合理使用的現象。

（3）第3階段：投入調整后的DEA實證結果。依據第2階段的結果，對原始投入變量進行修正并將其作為新的投入變量，對修正后的投人數據和原產出數據進行DEA-BCC模型的分析，得到2013—2020年各省份更為客觀的結果（見表3）。因此，取第3階段得到的各省份各年度的綜合效率值作為體育產業效率。

由表3可知，31個省市體育產業效率在投入調整前后有明顯的差異?？傮w來看，綜合技術效率由第1階段的0.858降低至第3階段的0.566，純技術效率由0.919上升至0.962，規模效率由0.933下降至0.588。研究結果表明，外部環境虛高了我國體育產業的規模效率，投入變量修正后，規模效率成為制約體育產業效率提升的重要因素。

3金融集聚對我國體育產業效率的空間溢出效應分析

3.1數據來源

2013—2020年我國31個省、自治區、直轄市的面板數據來源于《中國經濟普查年鑒》、《中國金融統計年鑒》、EPS數據庫平臺、《中國統計年鑒》和各省級行政區統計年鑒。使用Stata16進行計量分析。

3.2空間計量模型構建與指標選取

3.2.1空間自相關檢驗

（1）構建空間權重矩陣?？臻g計量模型構建的首要任務就是設定空間權重矩陣，這是模型提前設定的一部分，將空間效應納入計量模型，就是通過權重矩陣實現的。空間權重矩陣是描述空間觀測單元相對位置關系和度量空間相依性的重要工具。空間鄰接矩陣是最基本的一個矩陣，只考慮地理上的相關性，但地區之間的聯系跟地理位置和經濟水平都有關系，因此，選擇經濟地理嵌套矩陣來做實證分析。同時，為排除空間權重矩陣選取的差異性而引起的實證結果偏差，借鑒鄧飛和柯文進的做法，通過0～1鄰接矩陣進行穩健性檢驗。

（2）計算Morans I指數。為了空間計量模型分析的順利進行，首先需要計算Morans I指數，檢驗變量是否存在空間自相關。Morans I指數取值范圍是[ -1，1]。若Morans I指數值大于0，則表示存在空間正相關；若Morans I指數取值小于0，表明存在空間負相關；若Morans I旨數值等于0，表明不存在空間相關關系。由表4可知，在經濟地理嵌套矩陣和空間鄰接矩陣下，金融集聚、體育產業指標的Morans I指數均為正數，且都通過了顯著性水平檢驗。研究結果表明，金融集聚及體育產業效率存在明顯的空間自相關性。

3.2.2空間杜賓模型回歸分析

空間計量模型主要包括空間滯后模型、空間誤差模型、空間杜賓模型等。基于自相關檢驗結果，如果變量間存在相關性，通過LM（Robust）檢驗、Haus-man檢驗、Wald檢驗和LR檢驗最終確定采用空間杜賓模型，回歸結果如表5所示。LM或RLM檢驗有一個統計量在5%的顯著性水平下顯著，說明拒絕不存在空間自相關的假設，應進行空間計量分析。Wlad檢驗和LR檢驗結果均在1%水平下顯著，說明選擇空間杜賓模型進行實證檢驗更為合理。Hausman檢驗統計量為-70.24，P值為0.0693，表明應選用空間杜賓模型的固定效應形式。根據表7的計算結果，時間個體雙固定效應的空間杜賓模型Log-likelihood數值最大、sigma2_e數值最小，時間和個體固定效應模型具有聯合顯著性，本文選用時間個體雙固定效應的空間杜賓模型進行分析。

3.3指標選取與定義

結合已有文獻研究成果，對于本文空間計量模型中的被解釋變量，采用體育產業效率值進行衡量。金融集聚作為核心解釋變量，采用區位熵（LQ）來估計，即借鑒李勝旗、吳立力的做法，選擇2013—2020年的金融業增加值和總人口數進行金融集聚的區位熵計算，計算公式如下：

此外，選擇人口密度、城鎮化水平、教育環境、信息化水平作為控制變量。數據指標來源于2013—2020年的《第三產業統計年鑒》《中國工業統計年鑒》《中國經濟普查年鑒》《中國統計年鑒》和各省級行政區統計年鑒。

3.4實證結果分析

3.4.1金融集聚測度結果

由表6可知，我國金融集聚呈現明顯的區域分化，東部地區金融集聚水平遠高于中西部地區；由于重慶市的金融集聚水平較高，在一定程度上拉高了西部整體水平。從具體省份來看，北京歷年金融集聚水平最高，數值均在4以上；北京、天津、上海、江蘇、浙江、福建、廣東、重慶8個省市歷年的金融集聚指標數值均在1以上，高于全國平均水平；東中西部地區2013—2020年金融集聚均值分別為1.944、0.600、0.730。

3.4.2金融集聚對體育產業效率的空間杜賓模型回歸結果

本文構建經濟地理嵌套矩陣（W_jd）的空間杜賓模型實證分析金融集聚對體育產業效率的影響，并用空間鄰接矩陣（W₀₁）檢驗結果的穩健性。由表7可知，金融集聚對體育產業效率的影響系數為0.114，通過5%的顯著性檢驗，說明金融集聚對體育產業效率的提升存在顯著的正向影響。研究假設1得到驗證。

3.4.3空間杜賓模型的效應分解

為準確考察金融集聚對體育產業效率的影響，對經濟地理嵌套矩陣（W_jd）的空間杜賓模型的溢出效應進行分解。其中，直接效應指的是解釋變量對本地區被解釋變量帶來的影響，而間接效應則代表解釋變量對鄰近地區被解釋變量造成的影響，直接效應與間接效應之和為空間溢出總效應。由表8可知，總效應的影響系數顯著為正。

第一，從直接效應來看，金融集聚對本地區體育產業效率影響系數為0.101，通過5%的顯著性檢驗，說明金融集聚對提升體育產業效率存在顯著的正向影響。研究結論符合研究假設1?？赡艿脑蛟谟?，金融集聚水平較高的省份其金融資源配置效率更高，引導更多資金流入體育產業，進而提升了體育產業效率。

第二，從間接效應來看，金融集聚對鄰近地區體育產業效率影響系數為0.624，所產生的空間溢出效應顯著為正，同時，間接效應系數大于直接效應系數，反映了本地區的金融集聚水平對鄰近地區體育產業發展起到促進作用。研究結論符合研究假設2。研究結論表明，本地區發展到一定階段，就會向鄰近地區進行資本、科技等輻射，帶動鄰近地區的發展進而提升體育產業效率。由于金融服務受物流運輸、信息存儲傳輸等成本的限制較少，對于地理距離具有弱敏感性，能夠在更大范圍內服務經濟發展，因此，金融集聚能夠通過外部規模效應、網絡效應、創新激勵效應等影響機制遠距離地影響相關地區體育產業發展。

從控制變量看，人口密度對體育產業效率產生正向影響，且間接效應檢驗的結果通過了1%的顯著性檢驗。這說明在我國人口密度高的地區空間上比較集中（如珠三角、長三角、京津冀），各省份之間人口流動便利，對提升體育產業效率具有良好的正向影響，產生較強的空間溢出效應。城鎮化水平對體育產業效率產生正向影響，且本地區城鎮化水平估計系數為24.536，在1%的顯著性水平下顯著，說明本地區城鎮化水平越高，越能推動當地體育產業發展。本地區教育環境會促進體育產業效率的提升，但并不顯著；教育環境則顯著抑制鄰近地區體育產業發展，這可能是因為如果本地區教育財政支出較高，重視人才培養及人才引進，會吸引大量人才流人，而鄰近地區人才流出不利于體育產業進一步發展。信息化水平不利于本地和鄰近地區體育產業效率提升，對體育產業發展存在負外部性。

3.4.4空間溢出效應的進一步討論

由于我國東、中、西部資源稟賦、產業結構、文化經濟等存在明顯差異，使得金融集聚對體育產業效率可能產生不同影響。將31個省、直轄市、自治區劃分為東、中、西3大區域，分析空間杜賓模型的溢出效應（見表9）。

由表9可知，從直接效應來看，東部地區金融集聚能夠在一定程度上推動區域內體育產業發展，中部、西部地區金融集聚對體育產業效率的影響結果并不顯著。從間接效應來看，東部地區、中部地區金融集聚均存在正向的溢出影響，能夠帶動鄰近地區體育產業發展，且東部地區的溢出效應遠高于中部地區；而西部地區的金融集聚水平比較低，并不能帶動鄰近地區體育產業發展?？傊瑬|部地區金融集聚影響體育產業效率的直接效應和間接效應都大于中西部地區?？赡艿脑蚴菛|部地區金融資源豐富、金融市場比較完備，體育產業整體發展水平和融資能力更強，從而獲得了一定的金融集聚紅利。

4研究結論與政策建議

本文基于2013—2020年31個省、自治區、直轄市的面板數據，論證金融集聚對體育產業效率的影響。首先，運用區位熵、3階段DEA模型分別對金融集聚、體育產業效率進行測度，隨后采用空間杜賓模型驗證金融集聚對體育產業效率的影響，得出以下研究結論：

第一，我國31個省、自治區、直轄市體育產業效率在投入調整前后差異明顯，大多數地區體育產業規模效率被高估，持續優化十分必要。第二，從空間角度來看，我國金融集聚呈現明顯的區域分化，東部地區金融集聚水平遠高于中西部地區；從時間角度來看，2013年和2020年各省份金融集聚走向大體一致，都是東部地區平均水平高于中西部地區平均水平。第三，空間杜賓模型計量結果顯示，金融集聚對提升本地區以及鄰近地區體育產業效率均存在顯著的正向影響。在金融集聚水平較高的地區，金融資源配置效率更高，能夠引導更多的資金流入體育產業，從而提高了體育產業效率。東部地區空間外溢的直接效應和間接效應都大于中西部地區。

根據研究結論，提出如下政策建議：

第一，優化金融供給環境，更好發揮金融集聚對體育產業效率的提升作用。貫徹“政府一社會一企業”三位一體的治理模式，充分發揮政府政策引導性、挖掘社會積極主動性、激發企業活力，更好地發揮金融在體育產業資源配置中的優化作用。加強對“體育+金融”應用場景的剖析，增強政策性金融工具供給，破解金融供給錯配難題；積極引入社會影響力債券等協同融資方式，促進我國體育產業高質量發展?？傊谝酝苿痈哔|量發展為主題的暢通金融業和體育產業循環的新發展階段，充分運用好“政府之手”和“市場之手”，既能撬動資本力量，又有執行力去運營，從而更好發揮金融集聚的外溢效應。

第二，構建金融集聚高地，為區域內體育產業發展提供源動力。黨的十九屆五中全會公報明確提出，“構建金融有效支持實體經濟的體制機制，提升金融科技水平，增強金融普惠性”“全面深化改革，構建高水平社會主義市場經濟體制”“建立現代財稅金融體制”。首先，政府部門應加強頂層設計，制定更多區域金融優惠發展政策，營造良好的金融制度環境，引導金融資源要素在區域間的合理配置。其次，引導金融有針對性地服務體育產業，加強對體育產業金融工具創新的支持力度，充分利用5G、區塊鏈、大數據等數字技術，讓體育產業的發展充分得到金融活水的澆灌，優化資源配置。最后，豐富金融工具的多元性、增強金融工具的靈活性，滿足本地區體育產業金融需求的同時，也要激發鄰近地區體育產業活力，進一步增強金融集聚區的開放度。作者貢獻聲明：

李艷麗：提出選題，設計框架，撰寫論文。

韓笑：收集資料，撰寫論文。