社會信任與基礎設施如何影響城市金融資源集聚？

中圖分類號：F061.5；F832.7 文獻標識碼：A 文章編號：1009-3060（2025）03-0072-17

一、引言

在全球價值鏈重構與金融供給側改革不斷深化的背景下，金融資源配置效率已超越傳統經濟地理學的分析范疇，成為衡量區域經濟可持續發展的關鍵指標。經典經濟地理學理論認為，基礎設施建設通過\"時空壓縮\"產生虹吸效應，有助于推動金融資源在城市間的集聚[1]。然而，中國的相關實證研究卻發現，城市金融資源配置并非均表現為單純的集聚形態，而是可能呈現出輻射、飽和乃至衰退等多樣的非集聚形態[2]。特別是在中國西部地區和部分中小城市，基礎設施改善未必能有效促進金融資源的集聚[3]，甚至會伴隨資源外流的現象[4]。這些與經典理論相悖的經驗事實表明，“基建投入－要素集聚\"這一傳統因果邏輯可能存在一定的局限性，基礎設施如何更有效地促進城市金融資源配置值得進一步深入探討。

從新制度經濟學的觀點來看，城市基礎設施作為正式制度的載體，與非正式制度共同影響著資源配置和經濟發展[5]。因此，“基建投入 $$ 要素集聚\"這一傳統的因果邏輯需要引入非正式制度來進行更深層次的理解。由于基礎設施如交通數字網絡和政府治理等具有非常明顯的可觀察和易量化特征，其作用已被大量實證研究所證實[6」。但遺憾的是，諸如社會信任這樣的非正式制度，其可觀察性和易量化性相對較弱，故而并未得到主流文獻的關注。這直接導致了對于非正式制度能否促進要素集聚，以及其與正式制度之間是否存在協同效應等問題缺乏系統性研究。

為回應上述缺憾，本文聚焦于社會信任這一非正式制度變量，研究其與基礎設施的協同作用對城市金融資源集聚的影響機制。具體而言，本文利用2016—2023年中國失信被執行人名單數據，構建城市層面的社會信任指標，并借助PageRank算法對282個地級市的社會信任水平進行量化測度。隨后，結合城市面板數據，本文嘗試回答以下兩個具體問題：（1）社會信任是否提升了城市金融資源的集聚水平？（2）交通、數字與治理基礎設施作為正式制度載體，是否與社會信任這一非正式制度共同發揮作用，影響金融資源集聚？本文的邊際貢獻體現在以下三個方面：第一，創新性地利用失信被執行人數據與 PageRank算法構建了社會信任指標，為城市層面社會信任的科學測度提供了新思路;第二，將社會信任這一非正式制度因素納入新經濟地理學框架，豐富了基礎設施影響金融資源配置機制的理論解釋;第三，系統分析社會信任與不同類型基礎設施的協同作用機制，揭示其機制的異質性，為城市的差異化治理提供政策參考。

二、文獻回顧

（一）社會信任的測度

作為一種重要的非正式制度和社會資本，社會信任能夠降低交易成本、提高信息傳遞效率」，從而促進資源的高效流動。已有大量文獻證明，社會信任通過減少機會主義行為和提高合作意愿，可改善交易環境，進而促進資源在金融市場中的自由流動和高效配置，正向推動了金融集聚[8-9]。要研究社會信任對經濟與金融的影響，首要難點在于社會信任的精準度量。其度量演進可概括為三大趨勢：一是由主觀問卷向客觀指標測量轉變；二是由靜態測度向動態跟蹤轉變；三是由國家和省域層面向城市層面延伸。問卷調查是早期最常見的社會信任測量手段。20 世紀末，Knack 等[10]率先基于調查數據測度了29個國家的社會信任水平;張維迎和柯榮住[]首次利用企業家調查系統數據測量了中國省級社會信任水平[1]。社會信任具有動態特性，會因經濟社會的發展而不斷變遷。為彌補靜態測量的不足，學界開始利用《中國城市商業信用環境指數藍皮書》[12]、《中國綜合社會調查（CGSS）》[13-14]、《中國家庭金融調查（CHFS）》[15]以及《中國家庭追蹤調查（CFPS）》[16]等具有持續性的綜合調查數據構建跨時期樣本，研究社會信任的動態變化。然而，這些調查信任題項較少，樣本量有限，若將樣本分解至城市層面，易引發樣本選擇偏誤和測量誤差，致使城市層面數據依然不足。對此，少量研究嘗試采用無償獻血比例[14]、方言數量和方言多樣性[17-18]等客觀指標間接測量社會信任。此類方法要么缺乏足夠的準確性和直觀性，要么仍然受限于靜態測量。隨著“信用中國\"的建設趨于完善，學界開始使用失信被執行人名單數據測量城市社會信任水平[19-20]。余泳澤等[21]進一步增加失信金額指標，豐富了城市信任水平的測度方式。

然而，失信人數或失信金額與經濟發展程度高度相關，既難以揭示失信主體來源結構的多樣性，也無法反映城市間雙向信任網絡的復雜脈絡。楊繼彬等[22]指出，省級層面的企業家調查數據雖是目前唯一可用的雙邊信任資源，但其空間分辨率不足以支持地級市研究。為此，本文采用失信被執行人名單中記錄的戶籍地與執行公告地信息，構建跨城市的雙邊信任網絡，并借助PageRank算法對節點信任度進行加權測算，為探究社會信任作用機制提供了更為精準的工具。

（二）城市基礎設施與金融集聚

一般而言，城市基礎設施可劃分為載體性“硬設施\"（包括交通網絡、5G基站與數據中心等）與支撐性\"軟設施”（如行政服務效率）[23]。2020年，中國政府提出了以數字基礎設施為主的新基建概念，并將其與傳統基礎設施區分開來。據此，本節從交通、數字和治理三個方面展開文獻回顧。（1）從交通基礎設施來看，完善的交通網絡不僅改善了區域間的聯系和信息傳遞，還直接影響了金融資源的空間分布。高速鐵路和城際快速路的擴建顯著縮短了出行時長，使金融機構能夠更頻繁地開展面對面交流與業務考察，從而促進信息外溢并降低交易成本。王梓利等[24]發現，交通線路延伸能夠有效吸引金融人才及機構集中于交通節點城市。覃朝暉等[25]的研究進一步表明，高鐵開通有助于知識溢出，吸引金融機構匯集并形成金融網絡。（2）就數字基礎設施而言，現有研究普遍認為，其通過降低信息成本與提升要素配置效率，對金融資源空間分布產生重要重構作用。一方面，云計算、區塊鏈等新興數字技術以高效透明的交易機制吸引金融服務向數據節點城市集中，從而形成物理空間與虛擬空間并存的“物理一虛擬”雙核集聚[26]；另一方面，數字基礎設施的分布本身也在重塑區域格局——東部發達地區憑借數字優勢強化了“虹吸效應\"[27]，而中西部地區則借助“東數西算\"等國家工程形成新的功能性集聚[28]。（3）治理基礎設施對金融集聚的作用路徑呈現出顯著的雙重特征：完善的法規體系與高效的行政服務能夠打破地區間的制度障礙，顯著提升金融機構跨域合作的便利性與資源集中度[29];；而各地在政策設計與執行效率上的差異，又使得治理環境對金融集聚的影響演化出明顯的區域差異[2]。例如，長三角地區的江蘇和浙江在承接上海金融外溢效應過程中金融機構的集中度持續上升，而環渤海地區部分城市因為政策協調不足出現了金融資源分散的局面[30]。

從現有文獻來看，學者們普遍將基礎設施視為正式制度的載體，側重于研究其顯性作用的發揮，卻往往忽略了非正式制度的隱性機制的作用。這種單一的研究視角可能會低估非正式制度在資源配置、信息傳遞和協同合作中的關鍵作用，從而導致對基礎設施整體價值的高估，甚至可能引導基礎設施投入偏離高效的目標。對此，本文在正式制度的基礎上引入非正式制度中的社會信任，旨在更準確地評估基礎設施的整體價值。

（三）金融集聚的內外部驅動因素

關于金融集聚的討論，學者們早期的研究主要集中在金融機構的地理分布問題上。但隨著互聯網打破地理邊界的限制，更多的文獻開始關注金融資源的流向和集聚問題[31]。已有文獻指出，政府推動、實體經濟發展水平以及社會資本積累對區域金融發展和資源集聚具有重要影響[32]。從微觀層面來看，在社會資本水平較高的環境下，個體更傾向于通過信任與合作實現效率的最大化，避免因互相猜疑而陷入低效的囚徒困境[33]。這意味著，微觀個體匯總起來的全社會信任很可能是一個潛在的關鍵因素，不僅有助于提升金融中介服務的效率，也為金融市場規模的擴大和金融資源的集中提供了支撐。還有一些研究認為，區域創新能力、規模經濟效應及城市群發展同樣對金融集聚構成了正向推動。規模經濟通過成本的節約來提高交易效率、促進資源集中[34-35];機構間的知識與技術溢出則激發創新，進一步強化集聚效應[36-37]。就外部因素而言，地理區位優勢與政策的支持至關重要。城市群功能分工越精細，金融機構越傾向于向核心區域集中[38-39]。還有部分研究基于中心—外圍理論和預期理論，從區域中心地位與市場預期角度闡釋金融集聚的內在邏輯[34]。

上述文獻在揭示金融集聚的經濟邏輯、制度基礎及空間格局方面已頗有建樹，但多從正式制度或要素稟賦出發，強調單向推動機制。社會信任作為非正式制度的核心，卻鮮被系統納入分析框架。本文將社會信任與正式制度的交互作用置于分析核心，力求更全面地理解金融資源的空間重構及其復雜脈絡。

三、研究假設

現有研究已從緩解融資約束、提升企業投資效率等角度初步探討了社會信任對金融集聚的影響[15.40]，但尚未充分揭示其作為內生因素的作用機理，存在以下不足：一是缺乏適用于地級市層面的社會信任量化指標，尤其難以精準刻畫城市間雙邊信任水平；二是對于社會信任通過何種機制驅動金融資源集聚，尚缺乏深入的理論與實證分析；三是研究多聚焦社會信任或城市基礎設施的獨立效應，忽略二者的交互機制及其綜合影響。為此，本文構建了反映地級市間雙邊信任關系的社會信任指標。在此基礎上，本文進一步結合交通、數字和治理基礎設施的變量，系統剖析社會信任與基礎設施的互動關系，從而為金融資源集聚的內在機制提供新的理論視角與實證證據（見圖1）。

（一）社會信任與金融集聚

社會信任作為非正式制度的核心，深刻影響經濟社會運行，對經濟發展起到關鍵推動作用。其作用發揮的核心在于塑造了合作強度。Fukuyama[41]認為，信任是一種“非正式契約”，使人們在缺乏嚴格法律約束時仍能依托信任構建高效合作機制，降低對正式契約和監管的依賴，從而減少交易成本[10]。當一個地區的社會信任水平較高時，投資者與金融服務機構之間及機構內部的協作會更順暢，金融市場活力顯著增強。

社會資本理論表明，社會信任有助于減少對昂貴契約和外部監管機制的依賴，有效降低了監督成本。Coleman[42]的研究揭示，信任網絡可以為金融服務提供非正式信息驗證機制。而Guiso等[43]進一步證實，高信任地區的家庭和企業在獲取低利率信貸及商業信用時具有成本優勢。從信息不對稱理論來看，信任網絡中的聲譽機制會對歷史行為進行“記錄”與“評價”，使得高風險主體難以通過隱瞞信息來蒙混過關。因此，高信任的環境可有效緩解金融活動中的逆向選擇與道德風險，更易吸引金融資源，從而形成資源與地理空間的優化配置[44]。

從經濟運行效率的角度來看，高信任環境能夠提升整體的經濟效率。這是因為，社會信任不僅降低了融資摩擦，還能激發企業加大研發投入和提高專利產出，從而推動技術創新和金融科技的發展[45]。這種良性循環進一步促進了區域內金融資源的集聚和經濟競爭力的提升。相反，低信任水平不僅會增加融資成本、降低交易頻率和合作可能性，還會對金融市場運行的效率產生負向影響，抑制金融資源的集聚。據此，本文提出如下假設：

H1社會信任水平的提高對于城市金融資源的集聚有正向影響。

（二）社會信任與城市交通基礎設施的交互作用

由于信任存在傳遞性，社會信任往往以信任網絡的形態呈現。這種信任網絡的建立與維護非常依賴于正式制度載體的協助，尤其需要依靠頻繁的面對面人際溝通。因為面對面人際溝通不僅承載了語言信息，還包括肢體動作、面部表情、語音語調等多維度的非語言信息。這些非語言信息能夠顯著增強互動雙方對動機、態度與情感的感知準確度，有助于減少信息歧義、提升信任判斷的可靠性。當龐大的信任網絡得以建立時，金融機構能更加放心地開展合作，降低因信息不完善而帶來的運營風險，提高金融市場的資源配置效率[46]。

交通基礎設施作為促進面對面交流的載體，是與信任相輔相成的要素之一。高效便捷的交通網絡通過縮短時空距離，加速了人際間的溝通，促進信任網絡的建立和金融要素的區域集聚。當社會信任網絡與交通網絡相互作用時，就形成了一種制度與空間層面的正反饋機制：一方面，暢通的交通通道化解了地理隔閡帶來的信息滯后與溝通障礙;另一方面，這些通道又為信任的擴散提供了現實支撐，打破了區域界限，促進了跨城市合作。得益于此，城市金融機構不僅能夠在更大范圍內整合資源，還能顯著增強競爭優勢。這一正反饋機制表明，交通基礎設施不僅通過改善物理聯通直接優化資源配置，還通過強化社會信任的傳導效應協同推動金融集聚，形成可持續的區域競爭力[47]。據此，本文提出假設：

H2 交通基礎設施正向調節社會信任對城市金融資源集聚的影響。交通基礎設施越完善，社會信任對城市金融資源集聚的促進作用越強。

（三）社會信任與城市數字基礎設施的交互作用

金融集聚依賴于可信賴的市場環境，而數字基礎設施與社會信任分別從技術和社會兩個角度增強了這種可信賴度。從技術層面來看，數字基礎設施通過區塊鏈智能合約的自動執行和大數據分析的精準性，提升了金融交易的透明度和安全性。具體來說，區塊鏈技術確保了交易記錄的公開透明與不可篡改，智能合約則降低了金融契約執行中的不確定性[48]，從而增強了市場主體之間的信任傳遞，強化了社會信任在促進要素集聚中的作用。數字基礎設施的數據共享功能促進了信息流動，抑制了市場中的信息不對稱[49]，有助于構建高效、透明且具備自我修正能力的市場環境，與非正式制度產生了較高的互補效應。

從社會層面來看，以互聯網為代表的數字基礎設施在促進信息高速流動的過程中，能夠連接更大的社會網絡，激發更強的網絡效應，從而進一步減弱信息不對稱。金融機構可以借助數字平臺實現更廣泛的連接與互動，形成正反饋循環[50]，從而推動金融資源的不斷集聚。究其原因，數字基礎設施構建的這種平臺效應打破了地域限制，為跨區域乃至跨國金融合作創造更多機會，有利于鞏固和放大社會信任在金融集聚過程中的正向作用。據此，本文提出以下假設：

H3 數字基礎設施正向調節社會信任對城市金融資源集聚的影響。數字基礎設施越完善，社會信任對城市金融資源集聚的促進作用越強。

（四）社會信任與城市治理基礎設施的交互作用

根據制度互補性理論的觀點[51]，正式制度與非正式制度之間具有良性協同作用，對于政府治理尤其如此。在城市經濟發展中，完善的法治體系、透明高效的行政審批制度以及優質的政府服務構成了各類信息透明流動的基礎。政府治理在強化市場主體契約執行力的同時，為全社會成員間的可靠合作提供了正式制度方面的保障。理論上，這種正式制度的保障通過降低信息不對稱和交易摩擦，激發了社會信任等非正式制度的正向效應，提高了資源配置效率，促進了金融資源的集聚[52]。

具體從交易成本理論的視角來看，城市治理基礎設施通過構建規范化的市場監管框架，有效降低了金融活動的合規成本，這與社會信任降低交易成本在邏輯上是一致的。制度與信任的相互作用降低了金融交易的總成本，為金融機構提供了更加穩定和透明的運營環境。例如，在杭州和深圳等區域中心城市，政府通過“最多跑一次\"等改革舉措不斷提升治理效率，為基于社會信任網絡的金融網絡發展創造了有利發展條件，促進了金融中心的形成。這種治理與信任的協同效應使得金融機構更傾向于將這些城市作為區域總部，進而形成自我強化的金融資源集聚效應。

從跨區域的實踐來看，正式制度與非正式制度的協同不僅降低了交易成本，還為金融創新和跨區域合作提供了有力保障，進一步推動了區域金融生態系統的優化與完善。主要原因在于，穩定且高效的治理有助于減少市場參與者之間的信息不對稱風險[53]，為社會信任在降低交易成本中的作用提供有利條件。在這種環境下，信任合作機制得以順暢發揮，金融集聚得以產生。據此，本文提出以下假設：

H4 治理基礎設施正向調節社會信任對城市金融資源集聚的影響。治理基礎設施越完善，社會信任對城市金融資源集聚的促進作用越強。

四、研究設計與數據來源

（一）模型設定與變量選擇

為研究社會信任對城市金融資源集聚的影響，本文建立模型對假設H1進行檢驗：

Agg_i，t=c+α₁Trust_i，t+αX_i，t+σ_i+φ_t+ε_i，t

其中， Agg_i，t 為被解釋變量，表示地區 i 在 Ψ_t 年的金融資源集聚水平； Trust_i，t 為核心解釋變量，表示地區 i 在 Ψ_t 年的信任度; X_i，t 為一組控制變量； σ_i 為城市固定效應； φ_t 為年份固定效應； ε_i，t 表示隨機擾動項。

為研究城市交通基礎設施水平、數字基礎設施水平和治理基礎設施水平對于社會信任對城市金融資源集聚的作用機制的調節效應，本文建立模型對假設H2—H4進行檢驗：

Agg_i，t=c+β₁Trust_i，t+β₂Rail_i，t+β₃Trust_i，t×Rail_i，t+βX_i，t+σ_i+φ_t+ε_i，t

Agg_i，t=c+γ₁Trust_i，t+γ₂Digital_i，t+γ₃Trust_i，t×Digital_i，t+γX_i，t+σ_i+φ_t+ε_i，t

其中， .Rail_i，tDigital_i，t 和 Policy_i，t 分別為交通基礎設施、數字基礎設施和治理基礎設施。若信任和交通基礎設施的交互項 （Trust_i，t×Rail_i，t） 系數 β₃ 顯著為正，則可證明假設H2成立；當信任和數字基礎設施的交互項 （Trust_i，t×Digital_i，t） 系數 γ₃ 顯著為正，則假設H3成立;若信任和治理基礎設施的交互項 （Trust_i，t×Policy_i，t） 系數 δ₃ 顯著為正，則假設H4得到支持。

（二）變量定義及說明

1．被解釋變量

在金融資源集聚的衡量方面，過往研究廣泛使用金融從業人數區位熵[54」和金融機構存貸款余額區位熵[38]等指標進行度量。考慮到社會信任水平主要影響到金融機構貸款的發放，本文借鑒 Shao 等[55]的方法，使用金融機構年末貸款余額區位熵來對地區金融資源集聚度進行衡量。具體計算方式如下：

其中， Y_i，t 、 N_i，t 分別表示 i 城市 Ψ_t 年末金融機構貸款余額和常住人口數量； Y_??? 分別表示 Ψ_t 年末中國金融機構貸款余額和常住人口數量。

2.核心解釋變量

自 2013年10月24日起，中國執行信息公開網開始向公眾公布部分“失信被執行人\"名單。為保護個人隱私，名單中失信人18位身份證號碼的出生日期部分（第7位至第14位）已采用通配符進行遮蓋，但前6位的出生戶籍地信息仍可查閱。本文選取出生戶籍地與判決地不一致的樣本，并利用 Page-Rank算法計算各城市的信任指數。具體步驟如下：（1）利用身份證號的前6位匹配失信被執行人的戶籍地。（2）保留異地被執行數據，即保留戶籍地與判決地相異的數據。（3）將每個城市視為一個節點構建網絡模型，判決城市 i 對出生戶籍地 j 的失信案件數記作 N_i…j ，并將其視為一種“非信任流”的指標。（4）借鑒引力模型的思想，引人經濟校正因子以消除經濟規模帶來的測量偏差，采用 Ψ_t 年城市 i 的GDP_i，t 與城市 j 的 GDP_j，t 乘積的平方根作為權重因子，調整原始失信數據。調整后的邊權 W_{i，j，t} 可以表示為：

（5）利用調整后的邊權構造有向圖，采用PageRank算法來迭代計算每個城市的信任得分。PageRank算法是由谷歌公司創始人Page等[56]提出的用于衡量網頁重要性的算法，是Google搜索引擎早期的核心算法之一。本文的“非信任流\"構建有向圖需要計算每個節點的“重要性”，即相對于整個網絡而非局部的不信任程度，因此完全適用該算法。PageRank的迭代公式為：

其中， U_j，ι 和 U_i，t 分別為 Ψ_t 期內地區 j 和地區 i 的不信任得分， α 為衰減因子（通常取值為 0.85），U₀ 為初始信任值。最后，為了獲得正向的信任得分，對 U_j，t 進行歸一化處理后再取補數，得到 Ψ_tΨ_Ψ 年城市 j 的信任水平 Trust_j，t

3.調節變量

交通基礎設施方面，綜合考慮現有文獻[57-58]，本文選取每萬人城市軌道交通里程數作為替代變量對其進行衡量;數字基礎設施方面，本文參考北大數字金融中心發布的數字普惠金融指數[59」中構建“數字化水平\"的指標的方式來衡量地級市層面數字基礎設施水平;治理基礎設施方面，本文參考張三保等[60]在《中國城市營商環境評估》報告中所構建“政府透明\"指標的方法，使用稅收收人與罰沒收入之比并進行取對數處理作為衡量指標。

4.控制變量

本文在基準回歸中引入政府支出、通信水平、公共服務水平、城鎮化率、城市規模、人口密度、產業結構、開放程度、經濟增長和信貸結構的替代變量作為控制變量。具體數據來源和測量方式見表1。

（三）數據來源及說明

本文收集了2013—2023年“中國執行信息公開網\"上所披露的1071.76萬宗失信被執行人案件，并對其身份證號前6位所展示的戶籍信息和判決地信息進行匹配。考慮到失信被執行人制度從實施到成熟存在一個過程，早期的數據極易受到各地執法力度和地方數據不同步的影響，2013—2015 年三年間的樣本占比僅為 6.01% 。因此本文將樣本時間設定為2016—2023年，案件數減少至1007.35萬宗。考慮到本文旨在通過構建有向網絡量化不同地級市間的信任水平，為規避自環效應對網絡拓撲結構及后續分析結果可能產生的偏差，本文剔除了戶籍地與判決地一致的失信被執行人數據，最終得到348.97萬宗案件，并以此為基礎計算“地級市 $$ 地級市\"的信任網絡。

地級市層面數據來源于CSMAR、各?。ㄗ灾螀^、直轄市）及各地級市（自治州）統計年鑒（不包含港澳臺地區）、北大普惠金融指數。為了保證數據質量，本文對全國297個地級以上城市（含直轄市和地級市）的樣本進行了如下處理：（1）設定研究時間范圍為2016—2023年；（2）剔除樣本缺失值較大的地級市；（3）剔除因行政區劃調整進而身份證號碼無法正確匹配的地級市；（4）對部分缺失值使用“插值法\"進行補缺，得到282個城市的平衡面板數據。在數據處理過程中，使用Python進行數據清理，并以Statal8.0進行數據回歸分析。

五、實證結果及分析

（一）描述性統計和相關性分析

表2展示了各變量的統計信息，可見各變量分布在合理范圍內，未出現極端異常值。表3展示了本文測算的2023年社會信任水平和金融資源集聚水平最高的十大城市。其中，社會信任水平最高的城市為深圳市，金融資源集聚程度最高的地區為上海市;地區信任度（Trust）均值為0.85，最小值和最大值分別為0.01和1.00。該結果與張維迎和柯榮住[7所報告的信任水平排名前五的省級行政單位（上海、北京、江蘇、廣東和山東）基本吻合，體現了社會信任與政治、經濟和文化密切相關[61」。此外，各解釋變量間的相關系數均小于0.5，且方差膨脹因子檢驗結果顯示最大VIF值僅為1.52，表明本研究不存在顯著的多重共線性問題。

（二）基準回歸

在模型選擇方面，Hausman檢驗的卡方值為 χ²（1）=19.21，P 值小于0.01，表明固定效應模型的系數與隨機效應模型存在顯著差異，因此本文選擇固定效應模型進行后續分析。為了更準確地描述地區信任度提升對于地區金融資源集聚程度的影響，在對城市和時間進行雙重固定的基礎上，本文依次加人了交通、數字和治理三類基礎設施的替代變量（Rail、Digit、Policy）以及各控制變量進行回歸。回歸結果如表4所示。其中，第1列展示只包含信任的回歸結果，第2列展示加入基礎設施變量的回歸結果，第3列展示計人調節變量和控制變量的回歸結果。鑒于我國各地級市發展水平差異較大，最發達地區和最不發達地區等極端值可能會對回歸結果產生影響，因此在第4列中補充展示采用了將分位數設置為 50% 的分位數回歸模型的結果。根據表4結果，金融集聚對地區信任水平的回歸系數均顯著為正，說明社會信任對于地區金融資源集聚具有顯著正向促進作用，假設H1得以驗證。

（三）內生性檢驗

金融集聚一方面受到社會信任的正向影響，另一方面，其本質上是一種信任引發的行為[62]，金融集聚水平反過來也可能影響社會信任。為解決此內生性問題，本文選取了與社會信任密切相關但不直接影響金融集聚的變量作為工具變量，具體包括2010年末各地的孔子學校、孔子書院和孔廟數量之和并取對數得到的“孔子機構數量”（Confucianism）和各城市政府工作報告中的“失信執法力度”（Legal）。（1）第一個工具變量為“孔子機構數量”，孔子機構數量越多，表明當地儒家文化氛圍越濃厚。儒家文化倡導“仁、禮、信、忠、孝\"等核心價值，對社會信任產生直接影響[63]。孔子機構傳承儒家文化，其數量能夠較好地反映地區的儒家文化強度。同時，儒家文化不會直接作用于金融集聚，而是通過提升社會信任間接產生影響，因此滿足工具變量的外生性要求。（2）考慮到孔子機構數量缺乏動態變化，本文進一步采用了第二個工具變量，即使用政府工作報告中“老賴”“失信被執行人”\"執法力度”“信用修復”“產權保護\"等詞匯的年度詞頻來衡量“失信執法力度”。執法力度越大，越能改善地區社會信任水平，而其對金融集聚的影響同樣通過社會信任間接傳導，符合工具變量外生性的條件。表5展示了兩階段OLS估計，其中第1列和第2列分別報告了將\"孔子機構數量\"作為工具變量的第一階段和第二階段的回歸結果;第3列和第4列分別報告了將“失信執法力度\"作為工具變量的第一階段和第二階段的回歸結果。結果顯示，Trust系數顯著為正，表明假設H1成立。同時，本文所采用的工具變量均順利通過了弱工具變量檢驗和工具變量識別不足檢驗（高于Stock-Yogo提出的 10% 閾值要求）。因此，本文的結論是可靠的。

（四）穩健性檢驗

1．替換變量法

為了避免變量衡量的片面性對于結果準確性的影響，本文采用替換變量法進行穩健性檢驗。首先，本文參考任英華等[38]的做法，將被解釋變量替換為金融機構存貸款余額區位熵 （Agg2） 。金融資源涵蓋了金融機構所擁有和管理的各項金融資產和金融負債，使用金融機構存貸款余額區位熵作為被解釋變量可以同時對金融資源集聚程度和金融活動活躍程度進行衡量。其次，本文將解釋變量替換為以失信金額為權重的指標（Trust2）。權重中，判決地區 i 對出生戶籍來源地區 j 的失信金額記作 M_i…j 。最后，本文將被解釋變量和解釋變量均進行替換。結果分別在表6的第1—3列中展示?；貧w結果表明，社會信任對于金融集聚有顯著正向影響，說明假說H1是穩健的。

2.剔除樣本法

由于直轄市與其他地級市相比，經濟、科技發展水平具有較大的差距，這種差距可能會對實驗結果具有一定影響。本文從樣本中剔除北京、天津、上海和重慶4個直轄市的數據，再次進行回歸，以進行穩健性檢驗。表6第4列中社會信任的系數為正向顯著，說明剔除4個直轄市后，社會信任依舊可以正向促進金融資源集聚，假設H1具有穩健性。

3.分年回歸

不同年份可能受到不同的外部環境、政策變化或宏觀經濟條件的影響，進而對實驗結果產生一定的影響。因此，本文增加逐年回歸，以檢驗回歸結果在不同年份之間是否具有一致性。表7回歸結果說明，在不同的年份，社會信任對于金融集聚均具有顯著促進作用，本文的結論是穩健的。

4.更換計量模型

為進一步驗證社會信任對城市金融資源配置存在空間集聚效應，本文引人空間計量模型進行穩健性檢驗。空間計量模型能夠捕捉金融資源配置過程中的空間依賴與溢出效應，避免因忽視空間相關性而產生的估計偏差；同時，它還能檢驗空間因素對“社會信任 $$ 金融集聚\"關系的影響，確保結論在不同空間情境下的穩健性。為選擇合適的空間計量模型進行分析，本文分別對樣本數據進行了LM檢驗、Hausman檢驗和Wald檢驗。LM檢驗方面，LM-lag和LM-error的統計量均通過了 1% 水平的顯著性檢驗，表明使用空間杜賓模型（SDM）來分析樣本數據更為合適。Hausman 檢驗表明，本文使用固定效應模型更為合適。Wald檢驗結果顯示Wald檢驗統計量均在 1% 的水平上拒絕了原假設，即無法簡化SDM。為更加直觀地分析社會信任對金融集聚影響的空間特征，本文通過偏微分的方法將空間效應分解為直接效應、間接效應和總效應。根據表8的分解結果可知：第一，社會信任對于金融集聚影響的直接效應在 10% 的水平下顯著為正，進一步為H1提供了實證支持。第二，社會信任對周邊城市的金融集聚沒有顯著溢出作用，說明社會信任更傾向于“虹吸\"本地金融資源，而對周邊城市的輻射效應并不明顯。

（五）調節效應分析

為驗證假設H2—H4所提出的交通、數字與治理基礎設施作為正式制度載體與社會信任這一非正式制度的協同作用，本文在基準回歸的基礎上依次加入三類基礎設施變量和其與社會信任變量的交互項后進行回歸，結果如表9所示。表9中，第1—2列、第3—4列和第5—6列分別展示了交通、數字和治理基礎設施調節社會信任對金融集聚影響的結果，第7列呈現了全模型回歸結果。回歸結果顯示，社會信任與三類基礎設施的交互項系數均為正向且顯著，表明城市基礎設施能夠顯著正向調節社會信任對金融集聚的促進作用，假設H2—H4得到支持。這說明，在城市治理與金融發展過程中，應充分發揮基礎設施與社會信任之間的協同效應，從而提升金融集聚效應。

（六）異質性分析

為進一步揭示交通、數字與治理基礎設施等正式制度載體與社會信任等非正式制度之間交互作用的特征，本文將從城市規模與時間兩個維度進行分組，重點分析城市基礎設施在社會信任影響城市金融集聚水平中調節作用的異質性。分組回歸和SUEST檢驗結果如表1O所示。

在城市規模劃分方面，本文以樣本城市常住人口中位數為閾值，將城市分為常住人口超過353萬人的“大規模城市\"與常住人口不超過353萬人的“小規模城市\"兩類。根據表10左側結果，從城市規模維度可觀察到兩大異質性特征：第一，在小規模城市中，數字基礎設施與治理基礎設施對“社會信任 $$ 金融集聚”關系具有顯著正向調節效應。這主要是因為這些城市的數字化建設與市場治理相對薄弱，難以充分釋放社會信任的潛在價值，因而必須依賴數字與治理基礎設施的提升來彌補短板。相比之下，大規模城市的治理體系已較為完善，其數字基礎設施仍能發揮正向調節作用，但治理基礎設施的調節效應已顯著遞減。第二，在大規模城市中，交通基礎設施對“社會信任 $$ 金融集聚\"關系展現出顯著正向調節效應，而在小規模城市中，交通基礎設施的調節效應不僅不顯著，甚至呈現負向趨勢，反映出小規模城市交通建設的投入效率或布局均衡性可能存在問題。上述交通基礎設施在兩類城市中的異質性已通過SUEST檢驗。

在失信信息共享方面，2020年12月底，國務院發布了《國務院辦公廳關于進一步完善失信約束制度構建誠信建設長效機制的指導意見》[64]，明確提出要完善信息共享機制，要求對失信信息“一口采集、充分共享”。本文以2020年為分界點，將 2016—2019年的樣本劃分為信息分割組，將 2021—2023年的樣本劃分為信息共享組，進行分組回歸。根據表10右側結果可以發現：在信息分割組中，數字與治理基礎設施顯著放大了社會信任對金融集聚的正向效應，而交通基礎設施因信息壁壘未能發揮作用；在信息共享組中，交通和數字基礎設施顯著增強了社會信任對金融集聚的推動作用，而治理設施的調節效應不再顯著。同樣，交通基礎設施在上述兩組環境下的調節效應差異已通過SUEST檢驗，進一步表明交通基礎設施對金融集聚具有關鍵的調節作用。

六、研究結論與建議

本文以金融資源為例，在收集了2016—2023年282個地級市面板數據的基礎上，借助失信被執行人名單中戶籍地與執行地信息，構建了跨區域社會不信任的復雜網絡，并運用PageRank算法對城市信任水平進行全面測度。在此基礎上，本文深入剖析了社會信任與基礎設施之間的相互作用對城市金融資源集聚影響機制的內在邏輯。研究結果顯示：第一，社會信任對城市金融資源集聚具有顯著正向的推動作用;第二，交通、數字及治理基礎設施均對社會信任在促進金融資源集聚中的作用構成正向調節效應;第三，異質性分析進一步揭示，在大規模城市和信息共享環境中，交通基礎設施能更有效地增強信任的價值?；谏鲜鲅芯拷Y論，本文提出以下政策建議：

（一）建立多層次社會信用網絡

本研究的結論表明，社會信任是在促進區域金融資源集聚過程中不可忽略的因素。為此，全社會應當共同努力，構建一個包含政府、市場和公眾在內的多層次信用網絡。在具體實踐過程中，政府應積極運用數字人民幣等先進的區塊鏈技術成果，制定并推廣易用的評級制度，使其成為經濟主體參與市場的名片；同時，還應鼓勵企業及社會公眾加入信用信息的采集與共享過程，不斷壯大信用網絡，充分利用信任的可傳遞性，建立起一個由全社會共同維護的信用生態。

（二）建設差異化區域基礎設施

本研究進一步揭示，基礎設施對城市發展的影響會因城市規模和信息發展階段的不同而呈現出較大差異。因此，城市在推進基礎設施建設時應采取因地制宜、各有側重的策略。例如，對于規模較小或信息共享不充分的城市，不應盲目擴張交通基礎設施，而應優先完善數字和治理相關的基礎設施，以提升信息透明度作為突破口;相對地，對于規模較大或信息共享度較高的城市，由于數字與治理設施的信任邊際效應已趨飽和，應轉向強化交通基礎設施建設，以高效的交通網絡拉近時空，促進面對面交流，放大信任對金融資源集聚的作用，進而優化資源配置并推動城市經濟發展。

（三）健全政府與市場的聯動

本研究還發現，完善的城市基礎設施（硬環境）和良好的社會信任（軟環境）能相互作用，共同促進金融資源的集聚。從這一點來看，城市要實現進一步的發展，需要政府和市場更緊密地合作，構建協同治理的新模式。政府應當引導企業和社會組織在基礎設施建設和信用體系構建中積極聯動，通過搭建跨部門、跨地區的信息共享和協作平臺，促進政府、市場與社會的順暢對接，從而更有效地匯聚金融資源。

參考文獻

[1]KRUGMANP. Increasing returns and economic geography[J]. Journal of Political Economy，1991，99（3）：483-499.

[2]謝漾，洪正.金融集聚的地理結構及演進規律：虹吸還是輻射——基于城市群的研究視角[J].山西財經大學學報，2022，44（11）：28-38.

[3]鄭聯盛，孟雅婧，李俊成.高鐵開通、金融資源配置與區域經濟發展不平衡——基于PSM-DID模型的估計［J].金融評論，2022，14（3）：39-61.

[4］張海波.鄉村振興背景下涼山州鹽源縣農村電子商務發展對策研究[J].商場現代化，2022（16）：45－47.

[5]NORTH DC. Institutions，institutional change and economic performance[M]. Cambridge：Cambridge UniversityPress，1990.

[6]ACEMOGLU D，JOHNSON S，ROBINSONJA. The colonialorigins of comparative development： an empirical in-vestigationlJ」. American Economic Review，200l，91（5）：1369-1401.

[7]張維迎，柯榮住.信任及其解釋：來自中國的跨省調查分析[J].經濟研究，2002（10）：59－70.

[8]劉鳳委，李琳，薛云奎.信任、交易成本與商業信用模式[J].經濟研究，2009，44（8）：60－72.

[9]LU JW，SONG Y，SHAN M. Social trustin subnational regions and foreign subsidiary performance： evidence fromforeign investments in China[J]. Journal of International Business Studies，2O18，49：761-773.

[10]KNACK S， KEEFER P. Does social capital have an economic payoff？Across-country investigation[J]. The Quar-terly Journal of Economics，1997，112（4）：1251-1288.

[11]潘越，戴亦一，吳超鵬，等.社會資本、政治關系與公司投資決策[J].經濟研究，2009，44（11）：82－94.

[12］陽鎮，凌鴻程，陳勁.社會信任與企業綠色技術創新——基于上市公司微觀證據的研究[J].武漢大學學報（哲學社會科學版），2024，77（1）：136－149.

[13］王泰，朱衡，卓志.社會信任對個人商業保險購買決策的影響——基于CGSS 數據的實證研究[J].保險研究，2022（8） ：3-16.

[14」申慧云，余杰，衣長軍.社會信任對吸引FDI的影響研究[J].國際商務（對外經濟貿易大學學報），2024（1）：78－97.

[15］溫濤，劉亭廷.金融素養和社會信任能促進農戶數字金融參與嗎[J].西南大學學報（社會科學版），2023，49（1）：85－100.

[16]張威，張衛國.數字賦能慈善事業背景下互聯網使用對居民捐贈行為的影響研究[J].社會保障研究，2023（1）：53－65.

[17]徐現祥，劉毓蕓，肖澤凱.方言與經濟增長[J].經濟學報，2015，2（2）：1－32.

[18］汪圣國，杜素珍，李炳財.社會信任影響了企業國際化嗎？［J].世界經濟研究，2022（3）：54－66，135.

[19]戴亦一，張鵬東，潘越.老賴越多，貸款越難？——來自地區誠信水平與上市公司銀行借款的證據[J].金融研究，2019（8）：77 -95.

[20]向宇，代沁雯，馬俊峰.社會信用對企業金融化的影響及其機制研究——基于城市失信被執行人數據的分析[J].當代財經，2021（12）：126－136.

[21］余泳澤，莊海濤，伏雨.社會失信與全要素生產率——基于交易成本視角的研究[J].金融研究，2023（5）：58－76.

[22]楊繼彬，李善民，楊國超，等.省際雙邊信任與資本跨區域流動——基于企業異地并購的視角[J].經濟研究，2021，56（4）：41 -59.

[23]李俊青，韓其恒，寇海潔.政府、社會信任與經濟增長[J].經濟研究，2022，57（6）：26－44.

[24]王梓利，林曉言，高宏偉.交通基礎設施對金融集聚的影響研究——基于鐵路和高速公路的證據[J].宏觀經濟研究，2020（12）：47-61，120.

[25］覃朝暉，潘昱辰.數字普惠金融促進鄉村產業高質量發展的效應分析［J].華南農業大學學報（社會科學版），2022，21（5）：23-33.

[26]張健華.金融與數字技術融合下的助貸業務發展[EB/OL].（2023－05－20）．htps：//thuifr.pbcsf.tsinghua.edu.cn/info/1012/2498.htm.

[27］姚璐，王書華，趙雯雯.金融集聚與環境規制的\"本地—鄰地\"綠色創新效應[J].西南民族大學學報（人文社會科學版），2023，44（1）：113-124.

[28]鈔小靜，薛志欣.以新經濟推動中國經濟高質量發展的機制與路徑[J].西北大學學報（哲學社會科學版），2020，50（1）：49-56.

[29］張成思，尹學鈺.現代中央銀行制度下的金融基礎設施體系建設路徑[J].深圳社會科學，2023，6（4）：51－64

[30]俞穎，蘇慧琨，李勇.區域金融差異演進路徑與機理[J].中國工業經濟，2017（4）：74－93.

[31]王如玉，王志高，梁琦，等.金融集聚與城市層級[J].經濟研究，2019，54（11）：165－179.

[32]孫國茂，范躍進.金融中心的本質、功能與路徑選擇[J].管理世界，2013（11）：1－13.

[33]張俊生，曾亞敏.董事會特征與總經理變更[J].南開管理評論，2005（1）：16－20.

[34]金洪飛，李弘基，劉音露.金融科技、銀行風險與市場擠出效應[J].財經研究，2020，46（5）：52－65.

[35]車欣薇，部慧，梁小珍，等.一個金融集聚動因的理論模型[J].管理科學學報，2012，15（3）：16－29.

[36］戴金平，馮帆.“集聚\"還是“分散”？數字金融對金融空間分布的影響研究[J].現代經濟探討，2023（10）：43－57.

[37]LEYSHON A. Geographies of money and finance I[J].Progress in Human Geography，1998，22（3）：433－446.

[38]任英華，徐玲，游萬海.金融集聚影響因素空間計量模型及其應用[J].數量經濟技術經濟研究，2010，27（5）：104－115.

[39]蔡強，王啟文.區域金融集聚的形成機制與空間溢出效應[J].學習與探索，2023（7）：96－107.

[40］謝漾，肖冬利.城市群功能分工的金融集聚效應與影響機制[J].世界經濟研究，2023（4）：119－133，136.

[41] FUKUYAMA F. Social capital and the global economy[J]. Foreign Affairs，1995，74（5）： 89.

[42]COLEMANJS.Socialcapital inthecreationof humancapital[J].AmericanJournalofSociology，988，94：S95－S120.

[43]GUISO L，SAPIENZA P， ZINGALES L. The role of social capital in financial development[J]. American Eco-nomic Review，2004，94（3）：526-556.

[44]楊惠芳.企業家社會資本對中小企業商業信用融資的影響[J].社會科學戰線，2017（3）：260－264.

[45］傅紹正，劉揚.社會信任影響企業創新的作用路徑研究[J].北京工商大學學報（社會科學版），2021，36（4）：67－77.

[46]張浩然，魏琳.金融集聚與城市經濟績效：基于城市異質性視角的分析[J].當代財經，2015（10）：61－69.

[47]侯贊慧，錢曄，鄒昊.無形資產、資本結構與企業績效——基于創業板上市公司的數據[J].現代金融，2022（1）：20－27.

[48] CONG L W，HE Z. Blockchain disruption and smart contracts[J].The Review of Financial Studies，2019，32（5）：1754 -1797.

[49]范合君，吳婷．新型數字基礎設施、數字化能力與全要素生產率[J]．經濟與管理研究，2022，43（1）：3－22.

[50]郭朝先.數字經濟時代產業組織演變：趨勢、特征與效果[J].中國農村經濟，2023（10）：2－25.

[51]AOKI K.Optimal monetary policy responses to relative-price changes[J]. Journal of Monetary Economics，2001，48（1）：55-80.

[52]成德寧.我國城鄉間產業的遷移與分工協調發展[J].經濟學家，2011（8）：43－50.

[53]許文彬.制度的信息意義考察：理論與模型[J].經濟研究，2010，45（2）：97－108.

[54]顧雷雷，王鴻宇.社會信任、融資約束與企業創新[J].經濟學家，2020（11）：39－50.

[55] SHAO S，WANG Y，YAN W，et al. Administrative decentralization and credit resource reallcation：evidencefrom China's“enlarging authority and strengthening counties”reform[J]. Cities，202o，97：1-16.

[56] PAGE L，BRIN S，MOTWANI R. The PageRank citation ranking：bringing order to the web[R]. StanfordInfoLab，1999.

[57]吳嘉賢，劉修巖.空間經濟視角下地鐵建設與城市空間結構演化[J].現代經濟探討，2023（11）：85－100.

[58]劉潔，王亞，蘇楊.城市群高質量發展背景下人口聚散規律和驅動因素研究[J].河海大學學報（哲學社會科學版），2023，25（6）：103-119.

[59]郭峰，王靖一，王芳，等.測度中國數字普惠金融發展：指數編制與空間特征[J].經濟學（季刊），2020，19（4）：1401-1418.

[60]張三保，張志學，黃敏學.中國城市營商環境評估[EB/OL].（2024－09－24）.htps：//opendata.pku.edu.cn/data-set.xhtml？ persistentId doi：10.18170/DVN/9NJDWEamp;version ?3.1

[61]史宇鵬，李新榮.公共資源與社會信任：以義務教育為例[J].經濟研究，2016，51（5）：86－100.

[62]崔巍.我國區域金融發展的差異性研究——基于社會資本的視角[J].經濟學動態，2013（3）：89－94.

[63］居來提·色依提，張傳兵，葛力銘.儒家文化降低企業內收入不平等了嗎——基于區域信任度與公平感的視角[［J].科學決策，2022（5）：15－34.

[64］國務院．國務院辦公廳關于進一步完善失信約束制度構建誠信建設長效機制的指導意見[EB/OL]．（2020－12-18）. https：//www.gov. cn/zhengce/content/2020-12/18/content_5570954.htmN.

How Do Social Trust and Infrastructure Affect the Agglomeration of Urban Financial Resources？ An Empirical Study Based on Big Data from the List of Dishonest Judgment-defaulters

ZHOU Geng1'2， CHEN Lijing2， WANG Yuwei1，2 （1. Yangtze River Delta Economics and Social Development Research Center ， Nanjing University，Nanjing ，China; 2. Business School，Nanjing University，Nanjing 21ooo8，China）

Abstract： Social trust，as an important informal institution，profoundly influences the efficiency of factor agglomeration in a city. Based on big data from the List of Judgment Defaulters （2O16-2023）， this study employs the PageRank algorithm to measure the level of social trust in 282 cities. City panel data are also used to investigate the impact of social trust and city infrastructure on the agglomeration of financial resources. The results indicate that， firstly， social trust significantly promotes the agglomeration of financial resources. Secondly，transportation， digital，and governance infrastructures positively moderate the role of social trust in promoting financial resource agglomeration. Thirdly， in large-scale cities and environments with shared information， transportation infrastructure can play a greater role. These findings shed light on the internal mechanisms of urban financial agglomeration and provide a novel theoretical perspective for optimizing urban governance and refining the policy framework in China.

Key words： social trust;city infrastructure; financial agglomeration；informal institutions; PageRank algorithm

（責任編輯：王晨麗）