長江經(jīng)濟(jì)帶金融與實(shí)體部門發(fā)展效率研究

李雪松，王 沖

（武漢大學(xué) 經(jīng)濟(jì)與管理學(xué)院，湖北 武漢 430072）

一、引言及文獻(xiàn)綜述

以Solow為代表的新古典經(jīng)濟(jì)學(xué)派認(rèn)為全要素生產(chǎn)率增長是經(jīng)濟(jì)可持續(xù)增長的主要源泉。隨著我國經(jīng)濟(jì)由高速增長轉(zhuǎn)向高質(zhì)量發(fā)展，經(jīng)濟(jì)的發(fā)展將不再聚焦于經(jīng)濟(jì)增長速度的快慢，而是以提高全要素生產(chǎn)率為核心，推動(dòng)經(jīng)濟(jì)發(fā)展由要素驅(qū)動(dòng)的低效增長方式向創(chuàng)新驅(qū)動(dòng)的高效增長方式轉(zhuǎn)變。因而，探索全要素生產(chǎn)率的影響因素已成為當(dāng)前學(xué)者研究的焦點(diǎn)問題。以往國內(nèi)外大量研究表明，金融發(fā)展對全要素生產(chǎn)率的增長產(chǎn)生了顯著的促進(jìn)作用。然而，2008年國際金融危機(jī)的爆發(fā)促使學(xué)界反思金融部門的過度發(fā)展是否會(huì)損害經(jīng)濟(jì)的持續(xù)穩(wěn)定增長？長江經(jīng)濟(jì)帶覆蓋長江流域9省2市，橫跨東中西三大區(qū)域，人口規(guī)模和經(jīng)濟(jì)總量超過全國的40%①長江經(jīng)濟(jì)帶九省兩市包括：上海、江蘇、浙江、安徽、江西、湖北、湖南、重慶、四川、云南、貴州。。作為我國經(jīng)濟(jì)綜合實(shí)力最強(qiáng)、戰(zhàn)略支撐作用最大的區(qū)域之一，其經(jīng)濟(jì)增長效率的高低直接關(guān)系到國家經(jīng)濟(jì)能否實(shí)現(xiàn)高質(zhì)量發(fā)展的目標(biāo)。而當(dāng)前供給側(cè)結(jié)構(gòu)性改革的重點(diǎn)就是要正確處理好虛擬經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的關(guān)系，增強(qiáng)金融對實(shí)體經(jīng)濟(jì)的支撐能力。因此，實(shí)證檢驗(yàn)金融發(fā)展與經(jīng)濟(jì)增長效率之間的非線性關(guān)系，對于正確處理金融部門和實(shí)體經(jīng)濟(jì)部門二者之間的協(xié)調(diào)發(fā)展關(guān)系，從而提升長江經(jīng)濟(jì)帶經(jīng)濟(jì)增長效率，推動(dòng)經(jīng)濟(jì)高質(zhì)量發(fā)展具有重要意義。

金融發(fā)展主要通過促進(jìn)資本積累和推動(dòng)全要素生產(chǎn)率增長這兩條途徑來影響經(jīng)濟(jì)增長。Schumpeter（1911）認(rèn)為金融體系可以通過改善社會(huì)資本的配置效率來促進(jìn)技術(shù)進(jìn)步和生產(chǎn)率增長[1]，這一論斷被稱為金融發(fā)展的熊彼特觀點(diǎn)。自20世紀(jì)90年代內(nèi)生經(jīng)濟(jì)增長理論興起以來，金融發(fā)展的熊彼特思想被模型化。在此背景下，國內(nèi)外大量研究開始對金融發(fā)展與全要素生產(chǎn)率之間的關(guān)系進(jìn)行實(shí)證檢驗(yàn)。

在國外，King等（1993）將金融部門嵌入內(nèi)生增長模型，并通過實(shí)證檢驗(yàn)證明金融發(fā)展對于經(jīng)濟(jì)增長和生產(chǎn)效率的提升是至關(guān)重要的[2]。Beck等（2000）采用1960—1995年63個(gè)國家的跨國面板數(shù)據(jù)研究金融發(fā)展與經(jīng)濟(jì)增長的關(guān)系，發(fā)現(xiàn)金融中介的發(fā)展對人均實(shí)際GDP和全要素生產(chǎn)率的增長均產(chǎn)生了顯著的促進(jìn)作用[3]。Benhabib 等（2000）的研究表明金融發(fā)展促進(jìn)了投資率和全要素生產(chǎn)率的提升[4]。Calderón 等（2003）發(fā)現(xiàn)金融深化通過加速資本積累和全要素生產(chǎn)率的增長來推動(dòng)經(jīng)濟(jì)增長[5]。這些研究均證實(shí)了金融發(fā)展與全要素生產(chǎn)率增長之間具有顯著的正向線性關(guān)系。而后，隨著計(jì)量模型和研究方法的進(jìn)步，國外學(xué)者開始研究金融發(fā)展與全要素生產(chǎn)率之間是否存在更為精確的非線性關(guān)系。Rioja等（2004）的研究表明在發(fā)達(dá)國家金融發(fā)展通過提升全要素生產(chǎn)率進(jìn)而促進(jìn)經(jīng)濟(jì)增長，而在欠發(fā)達(dá)國家則主要通過加速資本積累來推動(dòng)經(jīng)濟(jì)增長[6]。Huang等（2009）發(fā)現(xiàn)在高收入國家金融發(fā)展通過促進(jìn)資本積累來推動(dòng)經(jīng)濟(jì)增長，而在低收入國家則通過提升生產(chǎn)效率和資本積累共同促進(jìn)經(jīng)濟(jì)增長[7]。Arcand等（2015）的實(shí)證表明當(dāng)私人部門的信貸額占GDP的比重達(dá)到某一區(qū)間（80%～120%）時(shí)，金融的進(jìn)一步深化將對經(jīng)濟(jì)增長產(chǎn)生負(fù)面效應(yīng)[8]。

國內(nèi)學(xué)者對于金融發(fā)展與經(jīng)濟(jì)增長效率的因果關(guān)系進(jìn)行實(shí)證檢驗(yàn)的文獻(xiàn)眾多，研究對象主要集中在國內(nèi)各個(gè)省際層面。張軍等（2005）利用1987—2001年省份面板數(shù)據(jù)研究了中國各地區(qū)生產(chǎn)率變化如何受金融深化過程的影響，發(fā)現(xiàn)金融深化與生產(chǎn)率增長之間呈顯著為正的關(guān)系[9]。陳剛等（2009）以1999—2006年地區(qū)面板數(shù)據(jù)為樣本研究發(fā)現(xiàn)，銀行公共信貸以及股票市場規(guī)模的擴(kuò)張對中國全要素生產(chǎn)率增長產(chǎn)生不利影響，而銀行私人信貸規(guī)模的擴(kuò)張對全要素生產(chǎn)率增長的促進(jìn)效應(yīng)并不明顯[10]。趙勇等（2010）的研究表明在東部地區(qū)金融發(fā)展主要是通過提高全要素生產(chǎn)率來推動(dòng)經(jīng)濟(jì)增長，而在中西部地區(qū)資本深化的經(jīng)濟(jì)增長效應(yīng)更明顯[11]。姚耀軍（2012）研究發(fā)現(xiàn)，中國金融發(fā)展促進(jìn)全要素生產(chǎn)率增長的中間渠道是技術(shù)進(jìn)步效應(yīng)而非技術(shù)效率增長效應(yīng)，沿海地區(qū)的金融發(fā)展甚至阻礙了技術(shù)效率的改善[12]。陳啟斐等（2013）的研究表明金融業(yè)發(fā)展程度每提高1%，會(huì)導(dǎo)致純技術(shù)進(jìn)步率下降0.078%，促進(jìn)規(guī)模效率提升0.035%，總體將導(dǎo)致全要素生產(chǎn)率下降0.056%[13]。李健等（2015）利用2000—2012年的省際面板數(shù)據(jù)，研究發(fā)現(xiàn)民間金融對全要素生產(chǎn)率增長產(chǎn)生了顯著促進(jìn)作用，且作用渠道為技術(shù)效率增長效應(yīng)，而非技術(shù)進(jìn)步效應(yīng)[14]。唐婍婧等（2017）的研究表明，金融總量的擴(kuò)大并不必然提升全要素生產(chǎn)率，但是社會(huì)融資規(guī)模的擴(kuò)大顯著促進(jìn)了全要素生產(chǎn)率增長[15]。

綜上所述，由于不同學(xué)者選取的研究樣本、方法、指標(biāo)不盡相同，因此，金融發(fā)展與經(jīng)濟(jì)增長效率之間的關(guān)系并未有較為明確的結(jié)論。從上述研究來看，鮮有學(xué)者注意到金融部門、實(shí)體經(jīng)濟(jì)的發(fā)展差異與經(jīng)濟(jì)增長效率之間的關(guān)系。黃憲等（2017）雖然實(shí)證檢驗(yàn)了金融發(fā)展與人均GDP增長率的非線性關(guān)系，但其并未探討金融發(fā)展與經(jīng)濟(jì)增長效率之間的關(guān)系[16]。僅有李健等（2017）將金融部門、實(shí)體部門的增速差異與金融發(fā)展的交互項(xiàng)納入到計(jì)量模型中，實(shí)證檢驗(yàn)了金融發(fā)展對全要素生產(chǎn)率增長影響的邊際效應(yīng)，但其未考慮金融發(fā)展影響全要素生產(chǎn)率增長中間渠道的區(qū)域異質(zhì)性[17]。

基于此，本文將做以下兩個(gè)方面的拓展。第一，從國內(nèi)外的研究對象來看，大多使用國家或者省際層面的面板數(shù)據(jù)，而本文將研究尺度擴(kuò)展到城市層面，選取長江經(jīng)濟(jì)帶108個(gè)城市的面板數(shù)據(jù)作為研究樣本。第二，既考慮金融與實(shí)體經(jīng)濟(jì)的增速差異如何影響金融發(fā)展對全要生產(chǎn)率及其分解指數(shù)的影響，又針對長江經(jīng)濟(jì)帶不同城市群做區(qū)域異質(zhì)性分析，以探討在金融與實(shí)體部門這兩者相互之間處于協(xié)調(diào)發(fā)展和非協(xié)調(diào)發(fā)展?fàn)顟B(tài)下，不同區(qū)域金融發(fā)展和經(jīng)濟(jì)增長效率之間的關(guān)系是否有所差異。

二、模型構(gòu)建、變量與數(shù)據(jù)來源

（一）模型構(gòu)建

借鑒Ductor等（2015）[18]構(gòu)建的關(guān)于金融發(fā)展與經(jīng)濟(jì)增長率之間的非線性模型，將基本計(jì)量模型設(shè)定如下：

其中，下標(biāo)i表示城市，t表示年份，被解釋變量tfpit表示全要素生產(chǎn)率，finit表示金融發(fā)展水平，交叉項(xiàng)中表示金融部門超出實(shí)體部門發(fā)展的程度，金融發(fā)展對于全要素生產(chǎn)率影響的邊際效應(yīng)可表示為Xit是控制變量集，εit為隨機(jī)誤差項(xiàng)。系數(shù)α1和α2的統(tǒng)計(jì)特征為本文關(guān)注的重點(diǎn)。當(dāng)系數(shù)α1＞0且α2＜0在統(tǒng)計(jì)上同時(shí)顯著時(shí)，說明金融部門的擴(kuò)張速度超過實(shí)體部門的增長速度達(dá)到一定程度時(shí)，金融的進(jìn)一步發(fā)展對全要素生產(chǎn)率增長的作用將從促進(jìn)轉(zhuǎn)向抑制。類似地，（2）式和（3）式分別用以檢驗(yàn)金融發(fā)展與技術(shù)效率、技術(shù)變動(dòng)之間的非線性關(guān)系。

（二）變量選取與數(shù)據(jù)來源說明

1.被解釋變量：全要素生產(chǎn)率及其分解

鑒于DEA方法具有無需主觀設(shè)置生產(chǎn)函數(shù)，且能處理決策單元多產(chǎn)出的情形。因此，本文采用基于DEA模型的Malmquist指數(shù)方法對長江經(jīng)濟(jì)帶108個(gè)城市（剔除了在研究期間發(fā)生行政區(qū)劃調(diào)整的巢湖市及少數(shù)偏遠(yuǎn)且數(shù)據(jù)難以獲取的地級市）2004—2015年的全要素生產(chǎn)率進(jìn)行測算，并選取各個(gè)城市的就業(yè)人數(shù)和資本存量分別作為勞動(dòng)和資本的投入指標(biāo)，選取地區(qū)生產(chǎn)總值作為產(chǎn)出指標(biāo)。城市就業(yè)人數(shù)的數(shù)據(jù)主要來源于2004—2014年的《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》、2015—2016年長江經(jīng)濟(jì)帶各省的統(tǒng)計(jì)年鑒以及個(gè)別城市統(tǒng)計(jì)年鑒，對于少數(shù)殘缺數(shù)據(jù)采用插值法進(jìn)行補(bǔ)全。資本存量的核算用永續(xù)盤存法計(jì)算得到，計(jì)算公式如下：

其中，Kit代表資本存量，δ代表折舊率，取值9.6%；Ei(t-1)為i地區(qū)第t-1時(shí)期的固定資產(chǎn)投資總額；對于基期資本存量的核算，在假設(shè)資本存量與固定資產(chǎn)投資總額增長率一致的前提下，其估算公式為：Ki0=Ei0/（δ+g），其中固定資產(chǎn)投資總額的數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》，并依據(jù)固定資產(chǎn)投資價(jià)格指數(shù)（用各城市所在省的數(shù)據(jù)代替）平減為2003年的不變價(jià)。地區(qū)生產(chǎn)總值依據(jù)地區(qū)生產(chǎn)總值指數(shù)以2003年為基期折算為實(shí)際值，原始數(shù)據(jù)來源于《中國城市統(tǒng)計(jì)年鑒》。成剛（2014）計(jì)算Malmquist指數(shù)的方法如下[19]：

其中TFP代表全要素生產(chǎn)率水平，若其大于1，表明綜合經(jīng)濟(jì)增長效率水平提高；若其小于1，表明經(jīng)濟(jì)增長效率降低。全要素可以分解為技術(shù)變動(dòng)TECH以及效率變動(dòng)ECH的乘積，如果技術(shù)變動(dòng)大于1，意味著技術(shù)進(jìn)步，即生產(chǎn)邊界得到了提升。效率變動(dòng)ECH大于1，意味著地區(qū)在經(jīng)濟(jì)資源配置效率上的有效性。

2.核心解釋變量：金融發(fā)展水平、金融部門及實(shí)體部門的增長率

金融發(fā)展水平（finit）：文獻(xiàn)中常用的對于金融發(fā)展水平的度量指標(biāo)主要有：M2占國內(nèi)生產(chǎn)總值的比重，私人信貸與國內(nèi)生產(chǎn)總值的比值，金融機(jī)構(gòu)各項(xiàng)貸款余額、存款余額之和與GDP之比，非國有部門貸款與GDP之比，銀行貸款余額占GDP的比重[20-21]。限于數(shù)據(jù)的可得性，本文側(cè)重于研究金融中介的“過度深化”是否會(huì)抑制全要素生產(chǎn)率的增長，因此，借鑒楊友才（2014）[22]的研究，選取“金融機(jī)構(gòu)各項(xiàng)貸款余額與地區(qū)生產(chǎn)總值的比值”作為度量金融中介發(fā)展水平的替代指標(biāo)。

我國歷史上對書籍進(jìn)行的第一次也是最大一次的歷史性拯救的是在西漢時(shí)期。漢代惠帝、武帝和成帝曾分別下詔，在全國范圍廣泛征集與收藏圖書，這是秦朝“焚書”后的歷史性拯救。僅漢成帝時(shí)期，劉向父子所校定的典籍，就達(dá)132269卷之多。

3.控制變量

對外開放水平：用外商直接投資總額與地區(qū)GDP的比值來衡量，并依據(jù)當(dāng)年人民幣兌美元的平均匯率將FDI轉(zhuǎn)化為人民幣；政府干預(yù)：用地方財(cái)政一般性支出占GDP的比重來衡量；人口密度：以每平方公里內(nèi)人數(shù)的對數(shù)值來表征，代表市場規(guī)模；人力資本水平：以往通常采用人均受教育年限來表征，小學(xué)、初中、高中以及高等院校的教育年限為6年、9年、12年、16年，由于城市統(tǒng)計(jì)年鑒中并沒有將初中和高中分開，所以本文參考孫博文（2018）的做法對中學(xué)受教育年限取平均值10.5年計(jì)算[25]，因此城市總的受教育年限可以表示為6×小學(xué)+10.5×中學(xué)+16×大學(xué)，同樣取對數(shù)處理；經(jīng)濟(jì)發(fā)展水平：以人均地區(qū)生產(chǎn)總值衡量；產(chǎn)業(yè)結(jié)構(gòu)：以第三產(chǎn)業(yè)增加值占GDP的比重來衡量。

以上數(shù)據(jù)均來自《中國城市統(tǒng)計(jì)年鑒》。表1給出了以上變量的描述性統(tǒng)計(jì)。

表1 變量描述性統(tǒng)計(jì)

三、實(shí)證分析

（一）長江經(jīng)濟(jì)帶108個(gè)城市全樣本回歸分析

一方面金融發(fā)展對全要素生產(chǎn)率產(chǎn)生影響，另一方面全要素生產(chǎn)率的增長也可能影響金融發(fā)展的速度。為解決可能存在的反向因果關(guān)系，本文借鑒施炳展等（2012）[26]的做法，將金融發(fā)展和金融部門、實(shí)體經(jīng)濟(jì)的增速差異與金融發(fā)展的交互項(xiàng)的一階滯后項(xiàng)作為工具變量進(jìn)行回歸。為了考察金融發(fā)展與全要素生產(chǎn)率增長是否存在倒“U”型的非線性關(guān)系，本文將金融發(fā)展的二次項(xiàng)加入回歸方程中進(jìn)行對比分析。

面板估計(jì)模型有混合回歸模型、固定效應(yīng)模型和隨機(jī)效應(yīng)模型三種形式。作為參照，首先進(jìn)行混合回歸，通過對比普通標(biāo)準(zhǔn)誤和聚類穩(wěn)健性標(biāo)準(zhǔn)誤可知，二者回歸系數(shù)相差約一倍，F(xiàn)檢驗(yàn)及傳統(tǒng)的Hausman檢驗(yàn)并不有效。進(jìn)一步通過LSDV法來考察，結(jié)果表明：絕大多數(shù)個(gè)體虛擬變量都不顯著，無法確定使用固定效應(yīng)模型，進(jìn)而使用LM檢驗(yàn)（p值為0.0000）結(jié)果拒絕“不存在個(gè)體隨機(jī)效應(yīng)”的原假設(shè)，排除混合回歸。因此，綜合考慮使用隨機(jī)效應(yīng)模型對全樣本進(jìn)行回歸分析。面板工具變量（IV）估計(jì)結(jié)果如表2所示。

表2 長江經(jīng)濟(jì)帶經(jīng)濟(jì)增長效率回歸結(jié)果（全樣本）

作為參照，表2中第2至4列給出了將金融發(fā)展的二次項(xiàng)納入方程中的回歸結(jié)果。實(shí)證表明：金融發(fā)展一次項(xiàng)前面的系數(shù)均顯著為正，而二次項(xiàng)的回歸系數(shù)均顯著為負(fù)，說明全要素生產(chǎn)率TFP及其分解指數(shù)與金融發(fā)展之間存在著倒“U”型的非線性關(guān)系。具體來說當(dāng)金融發(fā)展（貸款/GDP）超過時(shí)，金融發(fā)展對全要素生產(chǎn)率增長的影響將從促進(jìn)作用轉(zhuǎn)為抑制作用；而金融發(fā)展對技術(shù)效率和技術(shù)進(jìn)步影響的拐點(diǎn)分別在1.52和4.58出現(xiàn)。從第5列和第7列的回歸結(jié)果看，金融發(fā)展（fin）前面的回歸系數(shù)均顯著為正，而金融發(fā)展增速和實(shí)體部門增速之差與金融發(fā)展的交互項(xiàng)fin（gfin-grs）的系數(shù)均顯著為負(fù)。具體計(jì)算結(jié)果顯示，當(dāng)金融發(fā)展增速超過實(shí)體部門增長速度分別達(dá)到 0.0114÷0.0258=41.19%和 0.0294÷0.0638=46.08%時(shí)，金融的進(jìn)一步發(fā)展將對全要素生產(chǎn)率的增長和技術(shù)進(jìn)步產(chǎn)生抑制效應(yīng)，表明金融發(fā)展存在一個(gè)最優(yōu)的水平，當(dāng)超過這一臨界值時(shí)，金融不僅不會(huì)優(yōu)化資源配置，反而會(huì)通過對實(shí)體經(jīng)濟(jì)的“壓榨效應(yīng)”而抑制經(jīng)濟(jì)增長效率的提升。而技術(shù)效率的回歸結(jié)果顯示，金融發(fā)展的系數(shù)為-0.0082，但不顯著，而交互項(xiàng)前面的回歸系數(shù)顯著為正的0.0398，表明研究期間長江經(jīng)濟(jì)帶金融部門的過快發(fā)展已經(jīng)對技術(shù)效率的改善產(chǎn)生了不利影響。

控制變量中，本文發(fā)現(xiàn)無論是金融發(fā)展的二次項(xiàng)還是金融發(fā)展與金融部門、實(shí)體部門增速之差的交互項(xiàng)進(jìn)入回歸方程，各變量的系數(shù)符號和顯著性水平都較為一致。因此，以第5至第7列的回歸結(jié)果做具體分析。外商直接投資顯著促進(jìn)了全要素生產(chǎn)率增長和技術(shù)進(jìn)步，回歸系數(shù)分別為0.392和0.484，但是對技術(shù)效率產(chǎn)生了不顯著的負(fù)面效應(yīng)，表明國外的技術(shù)流入和知識(shí)溢出有利于長江經(jīng)濟(jì)帶經(jīng)濟(jì)增長質(zhì)量的提升。政府干預(yù)對三類效率均產(chǎn)生了顯著的抑制作用，意味著政府部門規(guī)模的擴(kuò)張和不當(dāng)干預(yù)將擠占創(chuàng)新資源的投入和破壞市場機(jī)制對資源的優(yōu)化配置。人口密度的提升有利于全要素生產(chǎn)率增長和技術(shù)進(jìn)步，分別在5%和10%的顯著性水平下通過了檢驗(yàn)。一方面，人口的集聚將促進(jìn)知識(shí)和技術(shù)交流，減少交易成本使生產(chǎn)獲得規(guī)模效益；另一方面，人口的過度集聚使更多的生產(chǎn)資源投向公共領(lǐng)域，這可能對技術(shù)效率的改善產(chǎn)生不利影響。人力資本對全要素生產(chǎn)率和技術(shù)進(jìn)步的影響分別在5%和10%的水平下顯著為負(fù)，而對技術(shù)效率改善有不顯著的促進(jìn)作用，可能與預(yù)期結(jié)果不符。究其原因在于本文選取的是加權(quán)平均而得到的受教育年限，這種方法無法體現(xiàn)高素質(zhì)勞動(dòng)資本水平，而 Vandenbussche等（2006）、彭國華（2007）的研究顯示，只有接受過高等教育的人力資本才對全要素生產(chǎn)率增長產(chǎn)生顯著的促進(jìn)作用[27-28]。經(jīng)濟(jì)發(fā)展水平均在1%的顯著性水平下抑制了全要生產(chǎn)率增長和技術(shù)效率的改善，而對技術(shù)進(jìn)步則產(chǎn)生了顯著提升作用，表明經(jīng)濟(jì)增長效率總體呈現(xiàn)“收斂”效應(yīng)。這也不難解釋，經(jīng)濟(jì)發(fā)達(dá)的城市往往集聚了大量的經(jīng)濟(jì)資源，一方面，較高經(jīng)濟(jì)水平可以使更多資源用于創(chuàng)新進(jìn)而促進(jìn)技術(shù)進(jìn)步；另一方面，經(jīng)濟(jì)的發(fā)展過程已經(jīng)由集聚經(jīng)濟(jì)向集聚不經(jīng)濟(jì)轉(zhuǎn)變，冗余的資源往往不能得到有效的利用從而不利于技術(shù)效率的改善，在總體上降低了全要素生產(chǎn)率。產(chǎn)業(yè)結(jié)構(gòu)升級促進(jìn)了全要素生產(chǎn)率增長，且主要通過改善技術(shù)效率來體現(xiàn)，產(chǎn)業(yè)結(jié)構(gòu)的調(diào)整使要素資源由收益較低的部門向收益較高的部門流動(dòng)，在這一過程中，資源可以得到優(yōu)化配置，從而提升技術(shù)效率水平。

（二）長江經(jīng)濟(jì)帶各城市群異質(zhì)性分析

從核心解釋變量的回歸結(jié)果來看，在被解釋變量為全要素生產(chǎn)率的實(shí)證結(jié)果中，長三角城市群金融發(fā)展及交互項(xiàng)的回歸系數(shù)分別為-0.0095和-0.0103，但均不顯著，而滇中及黔中城市群的回歸系數(shù)分別為0.0328和0.0286，也均不顯著。長江中游及成渝城市群金融發(fā)展的回歸系數(shù)分別為0.0315和0.104，且均在5%的顯著性水平下通過了檢驗(yàn)，同時(shí)金融和實(shí)體部門增速差異與金融發(fā)展的交互項(xiàng)的系數(shù)均在10%的水平下顯著為負(fù)，也即當(dāng)金融發(fā)展速度超過實(shí)體部門增速分別達(dá)到95.59%和152.72%時(shí)（實(shí)際意義遠(yuǎn)比精確的計(jì)算結(jié)果重要），金融發(fā)展將對長江中游及成渝城市群的全要素生產(chǎn)率產(chǎn)生抑制作用。以上統(tǒng)計(jì)特征表明金融發(fā)展與全要素生產(chǎn)率之間的非線性的關(guān)系僅存在于長江中游及成渝城市群中。

表3 長江經(jīng)濟(jì)帶各城市群經(jīng)濟(jì)增長效率回歸結(jié)果（分地區(qū)）

在被解釋變量為技術(shù)效率的實(shí)證結(jié)果中，長三角城市群金融發(fā)展的回歸系數(shù)顯著為-0.0216，交互項(xiàng)的回歸系數(shù)顯著為0.0761，長江中游城市群金融發(fā)展的回歸系數(shù)為-0.0098，但不顯著，交互項(xiàng)的系數(shù)顯著為正的0.0692，表明在研究期間金融部門的擴(kuò)張可能已經(jīng)降低了長三角及長江中游城市群的技術(shù)效率。而成渝、滇中及黔中城市群金融發(fā)展及交互項(xiàng)的回歸系數(shù)均不顯著。以上統(tǒng)計(jì)特征表明金融發(fā)展與技術(shù)效率的非線性關(guān)系在各城市群中均不明顯，這與整體回歸結(jié)果較為一致。

在被解釋變量為技術(shù)變動(dòng)的實(shí)證結(jié)果中，各城市群金融發(fā)展的回歸系數(shù)分別為0.0219、0.0524、0.0627和0.0307，且均通過了顯著性水平檢驗(yàn)，同時(shí)金融和實(shí)體部門增速差異與金融發(fā)展的交互項(xiàng)的系數(shù)均為負(fù)值，除了滇中及黔中城市群，其他城市群均在不同顯著性水平下通過了檢驗(yàn)。以上統(tǒng)計(jì)特征表明金融發(fā)展與技術(shù)進(jìn)步存在著非線性關(guān)系。通過具體計(jì)算發(fā)現(xiàn)，長三角、長江中游及成渝城市群金融發(fā)展的速度超過實(shí)體部門增速分別達(dá)到30.08%、50.87%及143.81%時(shí)，金融的進(jìn)一步發(fā)展將抑制技術(shù)進(jìn)步。由于技術(shù)進(jìn)步由全要素生產(chǎn)率分解而來，因此，金融發(fā)展對全要素生產(chǎn)率的非線性影響主要通過影響技術(shù)進(jìn)步這一渠道來體現(xiàn)。

表4 長江經(jīng)濟(jì)帶各城市群經(jīng)濟(jì)增長效率回歸結(jié)果（分地區(qū)）

從控制變量的回歸結(jié)果看，不同城市群之間也表現(xiàn)出顯著的差異性。外商直接投資對長三角及長江中游城市群的全要素生產(chǎn)率和技術(shù)進(jìn)步均產(chǎn)生了顯著的促進(jìn)作用，但對于所有城市群技術(shù)效率的影響均不顯著，這可能與西部地區(qū)獲得的外商直接投資過少有關(guān)。政府干預(yù)除了對滇中及黔中城市群的全要素生產(chǎn)率和技術(shù)效率產(chǎn)生了顯著的促進(jìn)作用外，對其他城市群的全要素生產(chǎn)率及其分解指數(shù)均產(chǎn)生了顯著的負(fù)面效應(yīng)?？赡艿慕忉屖菍τ诮?jīng)濟(jì)相對落后的云南、貴州各城市而言，政府的財(cái)政支出在一定程度上緩解了資本稀缺制約經(jīng)濟(jì)增長的瓶頸，對于經(jīng)濟(jì)相對發(fā)達(dá)的其他城市群來說，政府財(cái)政支出反而擠出了私人投資，不利于資源的合理配置。人口密度對成渝城市群的技術(shù)進(jìn)步產(chǎn)生了顯著的抑制作用，對其他城市群全要素生產(chǎn)率的提升效果并不顯著?？赡艿脑蚴鞘竦貜?fù)雜的地理環(huán)境和不便的交通阻礙了技術(shù)的傳播和擴(kuò)散。人力資本分別在5%和1%的顯著性水平下抑制了長三角和長江中游城市群的技術(shù)進(jìn)步，回歸系數(shù)分別為-0.0122和-0.0248，同時(shí)分別對長三角的技術(shù)效率及長江中游城市群的全要素生產(chǎn)率產(chǎn)生了顯著促進(jìn)和抑制作用，而對其他城市群的經(jīng)濟(jì)增長效率影響不顯著。經(jīng)濟(jì)發(fā)展水平無一例外都對各城市群的全要素生產(chǎn)率產(chǎn)生了顯著抑制作用，這表明經(jīng)濟(jì)增長效率的“收斂”效應(yīng)同樣存在于城市群內(nèi)部之間，并且主要通過影響技術(shù)效率來體現(xiàn)，而對于技術(shù)進(jìn)步來說，較高的人均GDP僅對長江中游城市群產(chǎn)生了顯著的促進(jìn)作用。產(chǎn)業(yè)結(jié)構(gòu)升級對長三角的全要素生產(chǎn)率、技術(shù)效率及長江中游城市群的技術(shù)效率產(chǎn)生了顯著的促進(jìn)作用，回歸系數(shù)分別為0.102、0.142和0.142，且分別通過10%、5%和1%的顯著性水平檢驗(yàn)，而對成渝城市群、滇中及黔中城市群的經(jīng)濟(jì)增長效率分別有不顯著的抑制和促進(jìn)作用。這也反映出不同城市群所處的工業(yè)化時(shí)期存在時(shí)間差異。

四、結(jié)論與政策啟示

（一）研究結(jié)論

通過DEA-Malmquist指數(shù)分解法對長江經(jīng)濟(jì)帶108個(gè)城市的經(jīng)濟(jì)增長效率進(jìn)行測量，并利用2004—2015年的面板數(shù)據(jù)對金融發(fā)展影響經(jīng)濟(jì)增長效率的非線性關(guān)系進(jìn)行實(shí)證檢驗(yàn)，結(jié)果顯示：

1.長江經(jīng)濟(jì)帶總體回歸結(jié)果表明，當(dāng)金融部門增速超過實(shí)體部門增速分別達(dá)到44.19%和46.08%時(shí)，金融部門的進(jìn)一步發(fā)展將對全要素生產(chǎn)率與技術(shù)進(jìn)步產(chǎn)生顯著的抑制作用。金融發(fā)展對技術(shù)效率的影響系數(shù)為-0.0082，而金融發(fā)展與金融和實(shí)體部門增速差異的交互項(xiàng)的回歸系數(shù)顯著為正的0.0398，表明金融部門相對于實(shí)體部門的過快發(fā)展已經(jīng)破環(huán)了長江經(jīng)濟(jì)帶要素資源的有效配置，抑制了技術(shù)效率的提升。控制變量中，外商直接投資對全要素生產(chǎn)率及技術(shù)進(jìn)步的回歸系數(shù)分別為0.392和0.484，均顯著為正，但對技術(shù)效率反而有不顯著的抑制作用；政府干預(yù)對全要素生產(chǎn)率及其分解指數(shù)均顯著為負(fù)；人口密度的提升有助于全要素生產(chǎn)率增長和技術(shù)進(jìn)步，但對技術(shù)效率不顯著；人力資本對全要素生產(chǎn)率及技術(shù)進(jìn)步顯著為負(fù)，對技術(shù)效率不顯著；經(jīng)濟(jì)發(fā)展水平對全要素生產(chǎn)率及技術(shù)效率的影響系數(shù)分別為-0.0053和-0.0046，均在1%的顯著性水平下通過檢驗(yàn)，對技術(shù)進(jìn)步的影響系數(shù)顯著為正的0.0017；產(chǎn)業(yè)結(jié)構(gòu)對全要素生產(chǎn)率及技術(shù)效率的影響系數(shù)均顯著為正，但是對技術(shù)進(jìn)步的促進(jìn)作用并不明顯。

2.不同城市群的回歸結(jié)果表明，對全要素生產(chǎn)率指標(biāo)而言，當(dāng)長江中游及成渝城市群金融部門和實(shí)體部門增速差距分別超過95.59%和152.72%時(shí)，金融的進(jìn)一步發(fā)展將顯著阻礙全要素生產(chǎn)率的提升，但這一非線性關(guān)系在其他城市群中并未得到明顯的體現(xiàn)。對技術(shù)效率指標(biāo)而言，長三角城市群金融發(fā)展的回歸系數(shù)顯著為-0.0216，交互項(xiàng)的回歸系數(shù)顯著為0.0761，長江中游城市群金融發(fā)展的回歸系數(shù)為負(fù)但不顯著，交互項(xiàng)的系數(shù)顯著為正，表明在研究期間金融的過度發(fā)展已經(jīng)降低了長三角及長江中游城市群的技術(shù)效率，而成渝、滇中及黔中城市群金融發(fā)展及交互項(xiàng)的回歸系數(shù)均不顯著。對技術(shù)變動(dòng)指標(biāo)來說，長三角、長江中游及成渝城市群金融發(fā)展的速度超過實(shí)體部門增速分別達(dá)到30.08%、50.87%及143.81%時(shí)，金融部門的繼續(xù)擴(kuò)張將抑制技術(shù)進(jìn)步，而滇中及黔中城市群金融發(fā)展前的回歸系數(shù)顯著為正，交互項(xiàng)的系數(shù)不顯著，表明進(jìn)一步提高貴州和云南各城市的金融發(fā)展水平可以有效推動(dòng)技術(shù)進(jìn)步。綜上所述，金融發(fā)展與全要素生產(chǎn)率增長之間的非線性關(guān)系主要體現(xiàn)在金融發(fā)展與技術(shù)進(jìn)步的非線性關(guān)系上。

（二）政策啟示

通過上述研究可知，金融中介的適度發(fā)展可以顯著提升全要素生產(chǎn)率，而當(dāng)金融部門增速超過實(shí)體部門一定程度時(shí)，金融的進(jìn)一步發(fā)展反而抑制全要素生產(chǎn)率增長。由于長江經(jīng)濟(jì)帶不同城市群之間的金融發(fā)展水平、資源稟賦條件、對外開放程度等因素存在顯著差異。因此，需要因地制宜制定相應(yīng)政策。

1.實(shí)施差異化的區(qū)域金融發(fā)展政策，引導(dǎo)資本合理流動(dòng)。一方面，控制長三角、長江中游城市群金融發(fā)展的規(guī)模，提升金融、實(shí)體部門的適配性，充分發(fā)揮金融中介職能，為中小企業(yè)特別是科技創(chuàng)新型企業(yè)提供多樣化的融資渠道，增強(qiáng)金融服務(wù)于實(shí)體經(jīng)濟(jì)的能力；另一方面，引導(dǎo)資本向成渝城市群特別是滇中及黔中城市群轉(zhuǎn)移，發(fā)揮金融發(fā)展對經(jīng)濟(jì)效率的促進(jìn)作用，以彌補(bǔ)西部地區(qū)資本不足的困境。

2.加大財(cái)政轉(zhuǎn)移支付力度，減少政府對市場的不當(dāng)干預(yù)。對于市場化程度相對較高的長三角、長江中游及成渝城市群而言，應(yīng)適當(dāng)控制政府財(cái)政支出規(guī)模，優(yōu)化財(cái)政支出結(jié)構(gòu)，減少對市場運(yùn)行機(jī)制的干擾。而對于財(cái)政收入較低的滇中及黔中城市群，中央政府應(yīng)加大財(cái)政轉(zhuǎn)移支付力度，增強(qiáng)地方財(cái)力，提升城市基礎(chǔ)設(shè)施水平，營造良好的經(jīng)濟(jì)發(fā)展環(huán)境。

3.促進(jìn)人口的適度集聚，推動(dòng)高素質(zhì)人才的優(yōu)化配置。適度的人口密度有利于規(guī)模經(jīng)濟(jì)效應(yīng)、知識(shí)技術(shù)溢出效應(yīng)的發(fā)揮，分區(qū)域的實(shí)證表明，各城市群的人口密度對全要素生產(chǎn)率增長并未起到顯著的促進(jìn)作用。因此，長江經(jīng)濟(jì)帶各城市應(yīng)保持適度的人口規(guī)模，對于人口密度過高的城市應(yīng)采取適當(dāng)措施疏解人口，而對于人口密度過低的城市則應(yīng)采取措施吸引和留住人口，同時(shí)，推動(dòng)高素質(zhì)勞動(dòng)力在空間上的合理分布。