金融集聚對區域經濟增長的空間溢出效應分析

王丹妮 劉勝粵

摘 要：本文基于長江以南相鄰14個省市區2012—2021年近十年的面板數據，對各省市區的金融行業區位熵和人均GDP進行全局和局部自相關檢驗，發現區域間存在空間相關性。基于此，本文建立空間計量模型，深入研究金融集聚對長江以南區域經濟增長的空間溢出效應。研究發現：長江以南14省市區的金融集聚和經濟增長具有較為穩定且顯著的正向空間相關關系，且近十年來具有增強趨勢，但金融集聚對區域經濟增長的空間溢出效應不夠明顯，僅銀行業集聚對周邊區域具有顯著的空間溢出效應。

關鍵詞：莫蘭指數；區位熵；金融集聚；區域經濟增長；空間杜賓模型

本文索引：王丹妮，劉勝粵.金融集聚對區域經濟增長的空間溢出效應分析[J].中國商論，2023（10）：-163.

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2023）05（b）--05

1 引言

隨著經濟全球化的發展，金融資源逐漸在部分區域發生空間集聚，部分金融集聚程度高的城市逐漸演化為金融中心，進而推動本地區的經濟發展。此外，由于“涓流效應”與“極化效應”，金融集聚對周邊區域經濟的發展產生了一定程度的影響。“涓流效應”指通過資本、技術與金融人才等金融資源的流通和共享，金融集聚程度高的城市將為周邊區域的經濟發展帶來動力。“極化效應”指金融集聚區壟斷了金融資源，導致其與周邊區域的分化日益嚴重，因此會阻礙后者的經濟發展。金融集聚現象是金融產業發展到一定程度的體現，在當前我國經濟新常態背景下，研究金融集聚與經濟發展的關系將會促進金融與經濟高質量發展，進而為實體經濟發展提供高效的金融支持，最終提升人民生活水平。

2 文獻綜述

對金融集聚與經濟增長關系的研究，國外開始較早，已經形成了較為完整的研究體系。Bagehot（1873）從產業結構角度進行分析，認為金融集聚能夠通過提供融資服務的方式促進產業結構升級。Patrick（1966）將研究對象分為發達國家和發展中國家，認為發達國家金融與經濟發展模式是經濟發展促進了金融集聚的形成，而發展中國家與此相反。Anselin（1988）從地理維度進行分析，發現相鄰區域的金融與經濟發展具有空間關聯性。Law和Singh（2014）認為，金融集聚并不能絕對地促進經濟增長，只有在一定閾值范圍內才能正向促進經濟發展。Sehrawat和Giri（2016）對SAARC國家的金融集聚進行研究，發現短期內金融集聚能夠單向促進經濟發展，但從長期來看，兩者是相互促進關系。

國內也有較多學者對該論題進行了深入的研究。姜冉（2010）通過研究發現，泛珠三角地區的金融集聚促進了區域間的經濟增長，且促進作用表現為持續時間長且穩定的狀態。李林等（2011）建立了SLM、SEM、SDM三種空間計量模型分析金融集聚對經濟增長的空間溢出效應，研究發現，我國金融集聚的溢出效應有限，且主要體現為銀行業的集聚。王寶強和周勇（2021）對全國31個省的數據進行分析，結果表明，金融集聚對經濟增長具有正向促進作用，且東中西部存在空間異質性。姜明欣（2022）基于西部12省數據，運用SDM模型進行分析，發現西部地區的金融集聚水平較低，對經濟發展的促進作用有限。

本文在借鑒前述研究的基礎上，選擇我國長江以南14個省、自治區及直轄市作為研究對象，使用空間杜賓模型，對長江以南區域的金融集聚及其對經濟發展的空間溢出效應進行分析。

3 變量選取和模型設定

3.1 變量選取及數據來源

3.1.1 被解釋變量

本文選取長江以南14個省市區人均GDP為解釋變量，衡量地區經濟發展水平。實證分析中，對人均GDP取對數，保證回歸結果的穩定性。

3.1.2 解釋變量

衡量產業集聚水平的指標有赫芬達爾指數、因子分析法及區位熵等，經過閱讀文獻并對不同研究方法進行比較分析，本文運用銀行業、保險業及證券業的區位熵作為衡量地區金融集聚水平的指標，計算公式分別為：

其中，表示i地區銀行業第t年末貸款余額；表示i地區保險業第t年末原保費收入；表示i地區證券業第t年末上市公司市值；表示i地區第t年末常住人口數量。表示全國銀行業第t年末貸款余額；表示全國保險業第t年末原保費收入；表示全國證券業第t年末上市公司市值；表示全國第t年末常住人口數量。區位熵值越高，表明相對全國平均水平，該地區金融集聚水平較高。

3.1.3 控制變量

本文選取固定資產投資水平（fixin）、政府支出水平（gov）、就業人員占比（se）、金融發展水平（fl）及金融發展效率（fe）作為控制變量。實證分析中，對以上指標取對數，保證回歸結果的穩定性，計算公式如下：

固定資產投資水平（fixin）=固定資產投資總額/GDP

政府支出水平（gov）=政府財政支出/GDP

就業人員占比（se）=年末就業人口數量/年末常住人口數量

金融發展水平（fl）=金融機構年末貸款余額/GDP

金融發展效率（fe）=金融機構年末存貸比

3.1.4 數據來源

本文研究使用的數據來源于中國及各省市區統計年鑒、國家統計局官網、中國人民銀行官網、中國銀保監會官網及choice金融終端。本文實證研究部分均通過stata15進行分析。

3.2 模型設定

本文基于2012—2021年長江以南14個省區市的面板數據，研究分析金融集聚對區域經濟增長的空間溢出效應，依次進行莫蘭全局及局域空間自相關檢驗、LM檢驗、豪斯曼檢驗及LR檢驗，最終確定建立空間杜賓模型，公式如下：

Lnpgdp = α1Lnbank+α2Lninsure+α3Lnstock+β1Lnfixin+β2Lngov+β3Lnse+β4Lnfl+β5Lnfe+λ1LnW_bank +λ2LnW_insure+λ3LnW_stock+ε

其中，W為基于人均GDP計算的經濟地理嵌套權重矩陣；λ1LnW_bank、λ2LnW_insure、λ3LnW_stock分別表示銀行業、保險業和證券業的空間變量；ε為誤差項。

4 實證研究

4.1 空間自相關檢驗

進行空間溢出效應分析的前提是變量存在空間自相關關系，因此在建立空間計量模型之前需要進行空間自相關檢驗。空間自相關檢驗分為全局空間自相關和局域空間自相關檢驗，前者反映了變量之間是否具有空間依賴性，后者則體現了變量之間是否存在空間異質性。

4.1.1 全局空間自相關檢驗

是應用最為廣泛的空間自相關統計量，公式如下：

其中，N為空間單元數量；表示變量在空間單元i的觀察值；為變量y的均值；為空間權重矩陣；是空間權重矩陣所有元素的求和。Moran's I指數的取值范圍是[-1，1]，若為負值，說明變量存在負的空間自相關；若為正數，則表明變量存在正的空間自相關；若接近0，則變量不存在空間自相關（見表1）。

由表1可知，2012—2021年銀行業、保險業、證券業區位熵的全局莫蘭統計量均為正數，且呈上升趨勢，并具有較強的顯著性。其中，銀行業的全局莫蘭指數最大，其次是保險業，最后為證券業，與南方部分省份的保險業、證券業發展較為落后有關。人均GDP的全局莫蘭統計量為0.4左右，且在1%顯著性水平上顯著。由此可以看出，長江以南14省市區的金融集聚與經濟增長變量均具有較強的正向空間自相關關系。

4.1.2 局域空間自相關檢驗

局域空間自相關統計量（Local Moran's I）可以對Moran's I統計量進行分解，發現每個空間單元變量的貢獻，兩者可能一致，也可能相悖，公式如下：

其中，N為空間單元數量；和表示所分析變量的觀察值；為變量y的均值；為空間權重矩陣。Local Moran's I可以用散點圖形式體現，表明各區域變量之間的差異程度。散點圖分為四個象限，第一象限（HH）為高高集聚，指該地區金融集聚或經濟發展水平較高，其周邊省市區的金融集聚或經濟發展水平也較高；第二象限（LH）為低高集聚，指該地區金融集聚或經濟發展水平較低，其周邊省市區的金融集聚或經濟發展水平較高；第三象限（HL）為高低集聚，指該地區金融集聚或經濟發展水平較高，其周邊省市區的金融集聚或經濟發展水平較低；第四象限（LL）為低低集聚，指該地區金融集聚或經濟發展水平較低，其周邊省市區的金融集聚或經濟發展水平也較低。為了更清晰地顯示區域間的差異，將散點圖進行整理，如表2所示。

由表2可知，銀行業區位熵莫蘭散點圖中，福建2012年位于第二象限（LH），2021年位于第一象限（HH）。保險業區位熵莫蘭散點圖中，湖北2012年位于第二象限（LH），2021年位于第四象限（HL）。證券業區位熵莫蘭散點圖中，福建、江蘇由2012年位于第二象限（LH）改變為2021年的第一象限（HH）；云南、貴州2012年位于第三象限，2021年分別位于第二象限（LH）和第四象限（HL）。人均GDP的莫蘭散點圖區域分布情況基本無變化。綜上，本文對比2012年和2021年金融集聚和經濟增長的局域空間自相關檢驗結果發現，莫蘭散點圖的四個象限分別包含的省區市變化不大，且大部分省市區位于第一象限（HH）和第三象限（LL），僅有少數省份位于第二象限（LH）和第四象限（HL），高高或低低集聚情況較為明顯，說明長江以南14省市區的金融集聚和經濟增長存在較為長期穩定的空間自相關關系。

4.2 空間杜賓模型

4.2.1 固定效應空間杜賓模型

上文的全局空間自相關及局域空間自相關檢驗結果顯示，長江以南14省市區的金融集聚與經濟增長變量均具有較強的空間相關性。因此，為了進行更為合理的分析，有必要構建空間計量模型。空間計量模型分為空間誤差模型（SEM）、空間滯后模型（SAM）和空間杜賓模型（SDM），為了準確選擇適當的模型進行分析，本文對變量依次進行LM檢驗、豪斯曼檢驗和LR檢驗。首先，進行OLS回歸和LM檢驗。LM檢驗的目的是與簡單的OLS模型對比，判斷是否有必要使用空間計量模型。LM檢驗結果顯示，空間滯后模型和空間誤差模型均在1%顯著性水平上顯著，因此考慮使用空間杜賓模型。其次，進行豪斯曼檢驗。豪斯曼檢驗是為了判斷模型是適合使用隨機效應或固定效應空間杜賓模型。由于豪斯曼檢驗結果在1%顯著性水平上顯著，所以應使用固定效應空間杜賓模型進行分析。最后，進行LR檢驗。LR檢驗是為了判斷空間杜賓模型是否會退化為空間誤差模型或空間滯后模型。LR檢驗結果在1%顯著性水平上顯著。結合上述檢驗結果，本文最終選用固定效應空間杜賓模型，而固定效應分為空間固定、時間固定和雙固定效應，回歸結果如表3所示。

由表3可知，空間固定效應模型擬合度最高（R?= 0.9674），其次是時間固定效應模型，而雙固定效應模型的擬合度最低。因此，選擇空間固定效應模型進行空間溢出效應分析。空間固定效應模型既能顯示金融集聚對本地區經濟增長的影響情況，又能顯示對相鄰地區經濟增長的空間溢出效應。由表3可知，空間自回歸系數（Spatial rho）大于0，且高度顯著，說明長江以南14省市區的經濟增長具有高度空間相關性。在對本地區經濟增長的影響方面，解釋變量銀行業集聚（lnbank）、證券業集聚（lnstock）均對本省市區經濟增長有顯著的正向影響；控制變量中，固定資產投資（lnfixin）和就業人員占比（lnse）對本省市區經濟增長有顯著的促進作用，而政府支出（lngov）、金融發展水平（lnfl）和金融發展效率（lnfe）對本地區的經濟增長具有一定程度的抑制作用。在對周邊區域經濟增長的影響方面，解釋變量銀行業集聚（lnbank）對周邊地區具有抑制作用，政府支出（lngov）、金融業發展水平（lnfl）和金融發展效率（lnfe）三個控制變量均對周邊地區具有顯著的促進作用。

4.2.2 空間固定效應杜賓模型的效應分解

為了更清晰地觀察金融集聚對本地區及周邊地區經濟增長的影響，可以對空間固定效應杜賓模型的溢出效應進行分解，包括直接效應、間接效應和總效應。由表4可知，解釋變量中，銀行業區位熵（lnbank）、保險業區位熵（lninsure）和證券業區位熵（lnstock）直接效應正向顯著，說明金融行業的發展能夠促進本地區的經濟增長。銀行業區位熵（lnbank）間接效應為負數且顯著，說明銀行業對周邊地區的經濟增長具有抑制作用。這可能是因為銀行業具有吸收存款的功能，本地區銀行業的發展吸納了周邊地區部分資金，因此抑制了周邊地區的經濟發展。保險業區位熵（lninsure）和證券業區位熵（lnstock）間接效應不顯著，說明保險業和證券業對周邊地區的影響不大。長江以南14省市區中，既有金融經濟高度發達的廣東、上海、浙江和江蘇，又有經濟相對落后的廣西、云南及貴州等。經濟發達地區由于具有人才、技術及資源優勢，證券業發展較為迅速，居民對保險業的需求也較充足；后者則處于劣勢，各類經濟金融資源匱乏，地區之間差距較大且缺乏深入合作交流，因此區域之間證券業、保險業集聚的空間溢出效應不明顯。

控制變量中，固定資產投資（lnfixin）和就業人員占比（lnse）的直接效應為正數且顯著，說明固定資產投資及就業率的提高對本地區經濟增長具有拉動作用。政府支出（lngov）、金融發展水平（lnfl）及金融發展效率（lnfe）為負數且顯著，說明政府支出、金融發展水平和金融發展效率對本地區經濟發展不利，可能是因為我國經濟目前正在轉變發展方式，從經濟高速發展進入經濟高質量發展階段，存在結構性產能過剩的情況，因此過高的政府支出水平和金融發展水平可能帶來“擁擠效應”。金融發展水平（lnfl）和金融發展效率（lnfe）的間接效應和總效應為正且顯著，可能是因為金融發展水平和金融發展效率越高的區域會形成模范作用，最終對周邊地區產生正向影響。

5 結語

本文基于2012—2021年長江以南14省市區面板數據，分析金融集聚對區域經濟增長的空間溢出效應，研究結論如下：

一是通過全局空間自相關和局域空間自相關檢驗發現，長江以南14省市區的金融集聚和經濟增長變量具有較為穩定且顯著的正向空間自相關關系，且近十年來具有增強趨勢。

二是通過建立空間固定效應杜賓模型進行分析，發現解釋變量及控制變量均對本地區經濟增長具有顯著的影響；在對周邊地區的影響方面，解釋變量中僅有銀行業集聚變量對周邊地區經濟發展具有顯著的負向空間溢出效應，保險業和證券業具有正向的空間溢出效應但不顯著。控制變量中，金融發展水平、金融發展效率兩個控制變量對周邊地區具有空間溢出效應。

綜合來看，長江以南14省市區的金融集聚對區域經濟增長的空間溢出效應不夠強，可能是由于14省市區之間的金融經濟交流與合作不夠深入，區域間仍然存在較大差距。

結合上述研究結論，本文建議如下：首先，利用上海、廣東、江蘇、浙江等東南部經濟發達省市區的區域優勢，發揮金融集聚的“擴散效應”，加強與湖南、湖北等中部及廣西、云南、貴州等西南部經濟較為落后地區的交流，帶動后者的金融經濟增長。其次，合理規劃西南地區的金融業資源布局，并實行合理有效的政策引導金融人才、技術及資本等金融資源向西南地區逐漸流入，進而刺激該地區金融集聚對本地區經濟增長的促進作用。最后，加強金融創新，利用金融科技等先進手段與技術，使金融發展得以提質增效，減少“擁擠效應”，并轉變經濟發展方式，進而促進實體產業的有效發展。

參考文獻

BAGEHOT W. Lombard Street： A Description of the Money Market[M].London：Henry S. King & Company，1873.

PATRICK H T.Financial development and economic growth in underdeveloped countries [J].Economic Development and Cultural Change，1966，14（2）： 37-54.

Anselin L.Spatial Econometrics：Methods and Models[M]. Springer Netherlands，1988.

Siong Hook Law， Nirvikar Singh. Does TooMuch Finance Harm Economic Growth [J]. Journal of Banking and Finance， 2014（41）： 36-44.

Sehrawat M， Giri A K. The Impact of Financial Development on Economic Growth： Evidence from SAARC Countries [J]. International Journal of Emerging Markets， 2016， 11（4）： 569-583.

姜冉.泛珠三角地區金融集聚與經濟增長：基于1982—2007年的數據分析[J].經濟研究導刊，2010（20）：60-61.

李林，丁藝，劉志華.金融集聚對區域經濟增長溢出作用的空間計量分析[J].金融研究，2011（5）：113-123.

王寶強，周勇.金融集聚對經濟增長的空間效應研究：基于省域面板數據的空間計量分析[J].經濟視角，2021，40（5）：75-85.

姜明欣.金融集聚對經濟增長的空間溢出效應研究：基于西部 12 省區市數據[J].河北企業，2022（2）：17-19.