金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的空間效應(yīng)分析
——基于銀行、證券和保險(xiǎn)業(yè)的視角

張 超，張亞男

(安徽財(cái)經(jīng)大學(xué) 金融學(xué)院，安徽 蚌埠 233030)

金融集聚的實(shí)質(zhì)是指不同種類(lèi)的金融機(jī)構(gòu)向特定區(qū)域聚集，逐漸發(fā)展成空間集聚的態(tài)勢(shì)。銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)是金融集聚發(fā)展過(guò)程中的重要參與對(duì)象，它們?cè)诳臻g上的布局特征對(duì)經(jīng)濟(jì)增長(zhǎng)及實(shí)體經(jīng)濟(jì)效率有顯著影響效應(yīng)。已有研究證實(shí)，銀行、證券、保險(xiǎn)的集聚能有效提高金融資源跨區(qū)域效率，促進(jìn)區(qū)域產(chǎn)品業(yè)務(wù)創(chuàng)新能力及產(chǎn)業(yè)競(jìng)爭(zhēng)力的提升，進(jìn)而有效正向影響地區(qū)經(jīng)濟(jì)發(fā)展。近幾年，國(guó)內(nèi)金融集聚中心主要發(fā)展成北京、深圳、上海、廣州這四大城市，這些城市是銀行、保險(xiǎn)、證券等金融機(jī)構(gòu)的集聚地，它們通過(guò)發(fā)揮集聚效應(yīng)對(duì)本地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生顯著影響，也可通過(guò)溢出效應(yīng)對(duì)周邊地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生影響效應(yīng)。而在目前，我國(guó)正處于經(jīng)濟(jì)轉(zhuǎn)型的重要時(shí)刻，充分發(fā)揮銀行、證券、保險(xiǎn)金融集聚的集聚效應(yīng)及溢出效應(yīng)對(duì)實(shí)現(xiàn)我國(guó)經(jīng)濟(jì)完美轉(zhuǎn)型意義重大。

一、文獻(xiàn)綜述

(一)金融集聚內(nèi)涵

早在20世紀(jì)70年代，國(guó)外學(xué)者Kindle Berger[1]從金融集聚形成動(dòng)因視角對(duì)金融集聚進(jìn)行定義分析，他指出金融產(chǎn)業(yè)區(qū)域集聚能促進(jìn)產(chǎn)生規(guī)模經(jīng)濟(jì)效益，而規(guī)模經(jīng)濟(jì)效益能引導(dǎo)金融企業(yè)在地理空間上聚集，進(jìn)而形成金融集聚。Bossone等[2]研究指出信息的外溢和共享是金融產(chǎn)業(yè)在地理上形成集聚的主要影響因素。金融機(jī)構(gòu)和投資者為規(guī)避信息不對(duì)稱(chēng)所產(chǎn)生的金融風(fēng)險(xiǎn)，獲取最新且有利資訊，會(huì)積極集中于高金融產(chǎn)業(yè)集聚度地區(qū)。我國(guó)學(xué)者黃解宇、楊再斌[3]在動(dòng)、靜兩種狀態(tài)下對(duì)金融集聚做出定義：其中金融資源在時(shí)空上的有序演變稱(chēng)之為動(dòng)態(tài)金融集聚；而金融資源在動(dòng)態(tài)演變的過(guò)程中，金融產(chǎn)業(yè)會(huì)高度集聚于特定地理空間內(nèi)，此時(shí)則被定義為靜態(tài)金融集聚。

(二)金融集聚與經(jīng)濟(jì)增長(zhǎng)

首先從國(guó)外角度對(duì)金融集聚與經(jīng)濟(jì)增長(zhǎng)的關(guān)系進(jìn)行分析，Marshell[4]結(jié)合空間集聚外在理論闡述了金融集聚現(xiàn)象，為以后研究奠定了基礎(chǔ)。Rousseau[5]研究發(fā)現(xiàn)金融產(chǎn)業(yè)集聚區(qū)利于實(shí)現(xiàn)資源與信息的共享，進(jìn)而催化產(chǎn)生外部經(jīng)濟(jì)效應(yīng)并最終正向促進(jìn)經(jīng)濟(jì)發(fā)展。Rioja、Valev[6]通過(guò)研究發(fā)現(xiàn)金融發(fā)展能夠協(xié)助經(jīng)濟(jì)實(shí)現(xiàn)更好地發(fā)展，并且認(rèn)為金融發(fā)展對(duì)區(qū)域經(jīng)濟(jì)增長(zhǎng)的作用效果大小與國(guó)家發(fā)展水平有顯著聯(lián)系，并指出非線(xiàn)性關(guān)系存在于金融集聚與經(jīng)濟(jì)增長(zhǎng)之間?；诖耍琀assan等[7]做出具體闡釋?zhuān)诮?jīng)濟(jì)發(fā)展快速地區(qū)，互動(dòng)解釋關(guān)系是金融集聚與經(jīng)濟(jì)增長(zhǎng)的重要關(guān)系，而在貧困地區(qū)金融集聚對(duì)地區(qū)經(jīng)濟(jì)發(fā)展僅產(chǎn)生單方面的正向影響。而Moore[8]總結(jié)得出，金融集聚發(fā)展階段較長(zhǎng)可以實(shí)現(xiàn)經(jīng)濟(jì)的持續(xù)增長(zhǎng)。

近幾年，國(guó)內(nèi)學(xué)者多以金融集聚的溢出效應(yīng)為研究側(cè)重點(diǎn)，較為細(xì)致地對(duì)金融集聚與經(jīng)濟(jì)增長(zhǎng)之間關(guān)系做出闡述。李林等[9]指出發(fā)揮金融集聚效應(yīng)不僅能帶動(dòng)本地區(qū)經(jīng)濟(jì)發(fā)展，其空間溢出效應(yīng)也能有效推進(jìn)周?chē)貐^(qū)經(jīng)濟(jì)發(fā)展。謝婷婷、潘宇[10]基于我國(guó)30個(gè)省級(jí)面板數(shù)據(jù)的空間計(jì)量分析得到金融集聚可以通過(guò)集聚效應(yīng)和空間輻射效應(yīng)對(duì)產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行優(yōu)化，進(jìn)而正向影響經(jīng)濟(jì)發(fā)展。近幾年，學(xué)者多將銀行、證券、保險(xiǎn)三方面納入研究范圍，更細(xì)致探討金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)溢出效應(yīng)的影響效益。徐曉光等[11]以深圳特區(qū)為研究對(duì)象，通過(guò)格蘭杰因果檢驗(yàn)方法對(duì)金融集聚對(duì)經(jīng)濟(jì)轉(zhuǎn)型的溢出效應(yīng)進(jìn)行探討，結(jié)果得出證券和保險(xiǎn)集聚對(duì)經(jīng)濟(jì)轉(zhuǎn)型有顯著溢出效應(yīng)，而銀行和基金的的溢出效應(yīng)并不顯著。黃德春、徐慎暉[12]通過(guò)從銀行、證券、保險(xiǎn)三方面衡量長(zhǎng)江經(jīng)濟(jì)帶39城市的金融集聚度并做對(duì)應(yīng)的空間效應(yīng)分析，結(jié)果得出銀行和保險(xiǎn)集聚存在顯著的正向溢出效應(yīng)，其對(duì)經(jīng)濟(jì)增長(zhǎng)有促進(jìn)效果，而證券集聚并沒(méi)表現(xiàn)出顯著的促進(jìn)效果。吳茂國(guó)、陳影[13]結(jié)合銀行、保險(xiǎn)、證券三方面以及金融產(chǎn)業(yè)集聚的綜合指標(biāo)對(duì)金融集聚水平進(jìn)行衡量，最終得出金融集聚不僅對(duì)本地區(qū)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生效應(yīng)影響，其空間溢出效應(yīng)也能對(duì)周邊地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生一定影響。劉瑞波、張瑞[14]基于對(duì)山東省“兩圈四區(qū)”的年度數(shù)據(jù)分析金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)，結(jié)果得出區(qū)域內(nèi)銀行集聚通過(guò)正向空間溢出效應(yīng)影響周邊地區(qū)經(jīng)濟(jì)發(fā)展，證券和保險(xiǎn)行業(yè)集聚對(duì)周邊地區(qū)經(jīng)濟(jì)發(fā)展存在負(fù)向空間溢出效應(yīng)。岳婷婷[15]主要對(duì)山西省11個(gè)地級(jí)市進(jìn)行研究，并從銀行、保險(xiǎn)、證券三個(gè)角度測(cè)量金融集聚對(duì)經(jīng)濟(jì)的影響并進(jìn)行效應(yīng)分解，結(jié)果指出銀行金融集聚能通過(guò)溢出效應(yīng)助推周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)；證券金融集聚并不能顯著發(fā)揮其溢出效應(yīng)；保險(xiǎn)金融集聚的溢出效應(yīng)顯著但具體為負(fù)，對(duì)周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生明顯阻礙效應(yīng)。

綜上所述，現(xiàn)有文獻(xiàn)已對(duì)金融集聚與經(jīng)濟(jì)增長(zhǎng)關(guān)系進(jìn)行了較為深入的探索，但從銀行、證券、保險(xiǎn)三領(lǐng)域測(cè)量金融集聚度，探尋金融集聚與經(jīng)濟(jì)增長(zhǎng)關(guān)系的文章還相對(duì)較少?；诖?，文章主要有以下三方面的貢獻(xiàn)：一是分別從銀行、保險(xiǎn)、證券三個(gè)角度衡量金融集聚區(qū)位熵并計(jì)算出具體數(shù)值。近年來(lái)，學(xué)者對(duì)采用金融業(yè)增加值、金融從業(yè)人員等測(cè)量區(qū)位熵衡量金融集聚程度，而本文同時(shí)從銀行、證券、保險(xiǎn)三個(gè)方面測(cè)量金融集聚程度，測(cè)量結(jié)果相對(duì)較為細(xì)致、具體。二是同時(shí)采用SAR、SEM、SDM空間模型實(shí)證分析我國(guó)金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)，同時(shí)對(duì)最優(yōu)杜賓模型回歸結(jié)果的穩(wěn)健性進(jìn)行驗(yàn)證。三是結(jié)合偏微分法對(duì)效應(yīng)進(jìn)行分解，更加全面評(píng)價(jià)金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的作用效果。

二、研究方法與指標(biāo)選取

為檢驗(yàn)金融集聚與經(jīng)濟(jì)增長(zhǎng)的空間溢出效應(yīng)，下文采用銀行、保險(xiǎn)、證券區(qū)位熵測(cè)算2010-2018年31個(gè)省份的金融集聚水平，在此基礎(chǔ)上結(jié)合SAR、SEM、SDM模型并運(yùn)用Stata15.0進(jìn)行空間計(jì)量分析，最后用偏微分法對(duì)最優(yōu)模型進(jìn)行效應(yīng)分解。

(一)指標(biāo)選取、數(shù)據(jù)來(lái)源與描述性統(tǒng)計(jì)

1.被解釋變量

經(jīng)濟(jì)增長(zhǎng)(lnPGDP)，各省份人均地區(qū)生產(chǎn)總值是反映地區(qū)經(jīng)濟(jì)發(fā)展的重要指標(biāo)，故本文采用該數(shù)據(jù)衡量經(jīng)濟(jì)增長(zhǎng)水平。文中對(duì)該指標(biāo)進(jìn)行自然對(duì)數(shù)化處理，確保數(shù)據(jù)的適用性及平穩(wěn)性，即為lnPGDP。

2.解釋變量

金融集聚水平(fa)衡量方式主要包括區(qū)位熵、赫芬達(dá)爾指數(shù)、空間基尼系數(shù)等[16-17]。本文主要從保險(xiǎn)、證券、銀行三方面計(jì)算區(qū)位熵，衡量金融集聚水平。其中測(cè)量值越大反映金融集聚程度越高，反之越低。具體區(qū)位熵計(jì)算公式如下：

(1)

其中，fi表示i省份金融發(fā)展水平，例如i省份的銀行貸款總額、保費(fèi)收入、上市公司總值；gi表示i省份城鎮(zhèn)單位就業(yè)人數(shù)；f表示全國(guó)金融發(fā)展總水平；g表示全國(guó)城鎮(zhèn)單位就業(yè)總?cè)藬?shù)?；阢y行貸款總額來(lái)衡量銀行金融集聚并用Bank來(lái)表示；保險(xiǎn)金融集聚用Insurance表示，并用保費(fèi)收入來(lái)計(jì)算衡量；證券金融集聚用各省上市公司總值來(lái)代替，用Stock表示。

3.控制變量

本文共選用四個(gè)控制變量，分別是固定資產(chǎn)投資水平(FAI)、政府干預(yù)(GI)、人力資本水平(HC)、產(chǎn)業(yè)結(jié)構(gòu)水平(ISU)。為確保數(shù)據(jù)的可靠性，本文對(duì)這四項(xiàng)指標(biāo)分別取自然對(duì)數(shù)。

固定資產(chǎn)投資水平(lnFAI)：本文選用各省全社會(huì)固定資產(chǎn)投資額來(lái)對(duì)該項(xiàng)指標(biāo)進(jìn)行衡量，并對(duì)該指標(biāo)進(jìn)行自然對(duì)數(shù)化處理，記為lnFAI，下同。

政府干預(yù)(lnGI)：本文選用各省一般財(cái)政支出與該省GDP的比值來(lái)表示該指標(biāo)，記為lnGI。

人力資本水平(lnHC)：本文用各省城鎮(zhèn)單位就業(yè)人員表示該項(xiàng)指標(biāo)，記為lnHC。

產(chǎn)業(yè)結(jié)構(gòu)水平(lnISU)：本文用各省份第二、三產(chǎn)業(yè)增加值與該省GDP的比值衡量該指標(biāo)，記為lnISU。

4.數(shù)據(jù)來(lái)源與指標(biāo)的描述性統(tǒng)計(jì)

文章實(shí)證分析使用的省級(jí)面板數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局、各省統(tǒng)計(jì)年鑒、《EPS全球數(shù)據(jù)統(tǒng)計(jì)》等。文章變量的具體描述性統(tǒng)計(jì)見(jiàn)表1。

表1 指標(biāo)的描述性統(tǒng)計(jì)

(二)研究方法

1.空間自相關(guān)檢驗(yàn)

文章借助Moran’s I指數(shù)對(duì)相關(guān)變量的空間自相關(guān)性進(jìn)行驗(yàn)證并闡述，具體對(duì)被解釋變量的空間依賴(lài)特性進(jìn)行解釋說(shuō)明。Moran’s I指數(shù)的具體計(jì)算公式如下：

(2)

其中i省經(jīng)濟(jì)增長(zhǎng)的測(cè)量值表示為Yi，j省經(jīng)濟(jì)增長(zhǎng)的測(cè)量值為Yj，省份總數(shù)表示為n，在本文中n=31，Wij為鄰接空間矩陣。Moran’s I在[-1，1]之間取值，當(dāng)0

2.空間權(quán)重矩陣設(shè)定

空間矩陣主要對(duì)變量在空間上聯(lián)系的緊密程度進(jìn)行衡量，對(duì)數(shù)據(jù)進(jìn)行空間自相關(guān)檢驗(yàn)的前提是構(gòu)建空間權(quán)重矩陣，選用0～1空間鄰接矩陣，矩陣具體定義如下：

(3)

如果相鄰地區(qū)存在地理位置上的交點(diǎn)或共同邊界，矩陣賦值為1，反之則為0。

3.空間計(jì)量模型的構(gòu)建

文章在模型構(gòu)建中不僅考慮金融集聚對(duì)本地區(qū)的影響效應(yīng)，還將對(duì)周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)的影響效應(yīng)納入模型中。因此，同時(shí)建立SAR、SEM、SDM三種模型進(jìn)行對(duì)比研究。結(jié)合文章變量選取，模型具體形式如下：

空間滯后模型(SAR)：

lnPGDPit=α+β1Bankit+β2Insuranceit+

β3Stockit+β4lnFAIit+β5lnGIit+β6lnHCit+

(4)

空間誤差模型(SEM)：

lnPGDPit=α+β1Bankit+β2Insuranceit+

β3Stockit+β4lnFAIit+β5lnGIit+β6lnHCit+

(5)

空間杜賓模型(SDM)：

lnPGDPit=α+β1Bankit+β2Insuranceit+

β3Stockit+β4lnFAIit+β5lnGIit+β6lnHCit+

(6)

上式中i表示地區(qū)，t表示樣本獲取年度，lnPGDPit表示區(qū)域經(jīng)濟(jì)增長(zhǎng)水平，lnBankit、lnInsuranceit、lnStockit為自變量，表示銀行、保險(xiǎn)、證券金融集聚。lnFAIit、lnGIit、lnHCit、lnISUit為控制變量，分別表示固定資產(chǎn)水平、政府行為、人力資本水平、產(chǎn)業(yè)結(jié)構(gòu)水平。Wij為文章研究所選的空間矩陣，Wit×lnPGDPit為空間滯后因變量，lnWit×Bankit、lnWit×Insuranceit、lnWit×Stockit為空間滯后自變量，lnWit×FAIit、lnWit×GIit、lnWit×HCit、lnWit×ISUit為空間滯后控制變量。

三、實(shí)證分析

(一)空間自相關(guān)檢驗(yàn)

文章對(duì)經(jīng)濟(jì)增長(zhǎng)變量做空間自相關(guān)檢驗(yàn)，為接下來(lái)空間面板模型回歸做準(zhǔn)備，具體測(cè)量Moran’s I指數(shù)值，詳細(xì)結(jié)果見(jiàn)表2。分析表2中經(jīng)濟(jì)增長(zhǎng)變量Moran’s I指數(shù)統(tǒng)計(jì)值可知，在2010-2015年期間，Moran’s I指數(shù)統(tǒng)計(jì)值逐漸縮小，在2016-2018年期間，Moran’s I統(tǒng)計(jì)值又有所增大，但總體都在0.245以上，表明我國(guó)各省經(jīng)濟(jì)在空間上存在較強(qiáng)的依賴(lài)性，各省份經(jīng)濟(jì)增長(zhǎng)相互影響、共同增長(zhǎng)。

表2 經(jīng)濟(jì)增長(zhǎng)空間自相關(guān)檢驗(yàn)結(jié)果

注：***代表在1%的顯著水平下顯著。

圖1為經(jīng)濟(jì)增長(zhǎng)變量在2010和2018年的Moran’s I指數(shù)散點(diǎn)圖。分析圖中省份的具體分布可知，第一、三象限是省份的集中分布區(qū)域，其中第一象限的經(jīng)濟(jì)發(fā)展速度較為快速，具體北京、上海、浙江等省份位于該象限，其為H-H型，即高觀測(cè)值被高觀測(cè)值包圍的地區(qū)，處于該象限內(nèi)地區(qū)本身經(jīng)濟(jì)增長(zhǎng)水平較高，周?chē)貐^(qū)經(jīng)濟(jì)增長(zhǎng)水平也較高。而甘肅、西藏、云南等經(jīng)濟(jì)發(fā)展緩慢的地區(qū)分布于低觀測(cè)值被低觀測(cè)值包圍的第三象限，即為L(zhǎng)-L型，這些地區(qū)自身經(jīng)濟(jì)增長(zhǎng)水平較低，周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)水平也相對(duì)較低，其余H-L和L-H象限的省份分布數(shù)量較少。對(duì)比2010與2018年的Moran’s I指數(shù)散點(diǎn)圖可以看到各象限具體分布的省份及其數(shù)量大致相同，即我國(guó)區(qū)域經(jīng)濟(jì)增長(zhǎng)在空間上有較為穩(wěn)定的相關(guān)性，區(qū)域經(jīng)濟(jì)發(fā)展相互影響。

圖1 2010和2018年經(jīng)濟(jì)增長(zhǎng) Moran’sI散點(diǎn)圖

對(duì)相關(guān)數(shù)據(jù)做LM、LR、Wald檢驗(yàn)，對(duì)空間面板模型的適用性做進(jìn)一步確定。其中LM-lag和LM-erro檢驗(yàn)值在1%的顯著水平下分別為20.739、14.750，檢驗(yàn)結(jié)果表明空間面板模型適合更深入探討銀行、證券、保險(xiǎn)金融集聚對(duì)經(jīng)濟(jì)發(fā)展的效應(yīng)影響。但LR、Wald檢驗(yàn)結(jié)果顯示SDM模型并不能實(shí)現(xiàn)向SAR、SEM模型的轉(zhuǎn)變。另外對(duì)相關(guān)數(shù)據(jù)做效應(yīng)和Hausman檢驗(yàn)，結(jié)果顯示時(shí)間固定效應(yīng)效果更佳。因此，綜合考慮空間杜賓模型最適合文章研究。

(二)空間杜賓模型回歸結(jié)果

表3表示空間杜賓模型(SDM)的回歸統(tǒng)計(jì)結(jié)果，分析表中數(shù)據(jù)可知R2為0.6500，Log-likelihood為110.3933，兩者值較大，表明SDM模型適合文章研究。從表5中可以看到，被解釋變量的空間自回歸系數(shù)在1%的置信水平下為0.6353，表明本地區(qū)經(jīng)濟(jì)發(fā)展與周邊地經(jīng)濟(jì)發(fā)展有較強(qiáng)的空間依賴(lài)性。保險(xiǎn)金融集聚(Insurance)對(duì)經(jīng)濟(jì)增長(zhǎng)沒(méi)有顯著影響，

表3 空間杜賓模型(SDM)的回歸結(jié)果

注：***、**、*分別表示在1%、5%、10%下顯著，下表同。

其系數(shù)具體為-0.0873，這可能和保險(xiǎn)市場(chǎng)競(jìng)爭(zhēng)過(guò)度，市場(chǎng)對(duì)保險(xiǎn)行業(yè)監(jiān)管寬松，不能充分激發(fā)保險(xiǎn)發(fā)展對(duì)經(jīng)濟(jì)的帶動(dòng)作用。證券金融集聚(Stock)系數(shù)為0.0949，在1%的置信水平下通過(guò)檢驗(yàn)，通過(guò)發(fā)揮證券金融集聚效應(yīng)能顯著促進(jìn)經(jīng)濟(jì)發(fā)展。銀行金融集聚(Bank)系數(shù)具體為0.4177，發(fā)揮銀行金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)有顯著正向的帶動(dòng)效果。分析控制變量的具體回歸系數(shù)可知，固定資產(chǎn)投資水平(lnFAI)對(duì)經(jīng)濟(jì)增長(zhǎng)發(fā)展的影響為-0.0163且不顯著，政府干預(yù)水平(lnGI)和人力資本水平(lnHC)對(duì)經(jīng)濟(jì)增長(zhǎng)的影響為負(fù)，具體為-0.6461、-0.1223，顯著抑制地區(qū)經(jīng)濟(jì)發(fā)展。產(chǎn)業(yè)結(jié)構(gòu)升級(jí)(lnISU)的回歸系數(shù)為1.9091，通過(guò)了1%的顯著性檢驗(yàn)，表明地區(qū)第二、三產(chǎn)業(yè)結(jié)構(gòu)升級(jí)是經(jīng)濟(jì)增長(zhǎng)的重要驅(qū)動(dòng)因素?？臻g杜賓模型(SDM)也可進(jìn)一步實(shí)現(xiàn)周邊地區(qū)經(jīng)濟(jì)發(fā)展對(duì)本地區(qū)經(jīng)濟(jì)發(fā)展的具體闡釋。其中，保險(xiǎn)金融集聚(Insurance)的空間滯后項(xiàng)系數(shù)為0.0444并不顯著，表明周邊地區(qū)保險(xiǎn)金融集聚沒(méi)有對(duì)本地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生顯著效應(yīng)。證券金融集聚(Stock)空間滯后項(xiàng)系數(shù)在5%的置信水平下顯著為0.0910，這表示周邊地區(qū)證券金融效應(yīng)會(huì)對(duì)本地區(qū)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生推動(dòng)作用，促進(jìn)本地區(qū)經(jīng)濟(jì)發(fā)展。銀行金融集聚(Bank)的空間滯后項(xiàng)系數(shù)在1%的置信水平下為0.3522，表明銀行金融集聚有顯著的空間溢出效應(yīng)，周?chē)貐^(qū)銀行業(yè)發(fā)展會(huì)對(duì)本地區(qū)經(jīng)濟(jì)發(fā)展產(chǎn)生積極促進(jìn)作用。另外分析控制變量的空間滯后項(xiàng)系數(shù)，其中固定資產(chǎn)投資水平(lnFAI)、人力資本(lnHC)的空間滯后項(xiàng)系數(shù)為正但并不顯著，政府干預(yù)(lnGI)、產(chǎn)業(yè)結(jié)構(gòu)升級(jí)(lnISU)的空間滯后項(xiàng)系數(shù)為負(fù)不顯著，即對(duì)周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)沒(méi)有顯著影響。

(三)空間杜賓模型的效應(yīng)分解結(jié)果

用偏微分法對(duì)SDM模型進(jìn)行效應(yīng)分解，進(jìn)而更全面地評(píng)價(jià)金融集聚對(duì)本地區(qū)及周邊地區(qū)的效應(yīng)影響。表4為效應(yīng)分解結(jié)果，具體由直接、間接以及總效應(yīng)組成。分析表4可知，保險(xiǎn)金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)沒(méi)有顯著的直接、間接影響效應(yīng)，其中直接、間接效應(yīng)分別為-0.0908、0.0566。證券金融集聚的直接效應(yīng)在1%的置信水平下為0.0896，表示該地區(qū)證券金融集聚每增加1%，該地區(qū)經(jīng)濟(jì)將增加0.0896%。證券金融集聚的間接效應(yīng)在10%的置信水平下為0.0491，即該地每增加1%的金融集聚，周邊地區(qū)經(jīng)濟(jì)將增加0.0491%。銀行金融集聚的直接效應(yīng)為0.4067，其在1%的置信水平下通過(guò)檢驗(yàn)，間接效應(yīng)在10%的置信水平下為0.1615，即為本地區(qū)每增加1%的銀行金融集聚，本地區(qū)經(jīng)濟(jì)將增長(zhǎng)0.4067%，周邊地區(qū)經(jīng)濟(jì)將實(shí)現(xiàn)0.1615%的增長(zhǎng)。而控制變量中，固定資產(chǎn)投資水平對(duì)經(jīng)濟(jì)的直接影響效為-0.0205，間接效應(yīng)為0.0411，兩者都不顯著。政府干預(yù)與人力資本水平對(duì)經(jīng)濟(jì)增長(zhǎng)影響的直接效應(yīng)分別顯示為負(fù)，并通過(guò)顯著性檢驗(yàn)，具體數(shù)值為-0.6538、-0.1245，而間接效應(yīng)分別為0.1067、0.0505但并不顯著。產(chǎn)業(yè)結(jié)構(gòu)的直接效應(yīng)系數(shù)為2.0215、間接效應(yīng)系數(shù)為-1.2249，二者通過(guò)了1%的顯著性檢驗(yàn)。

表4 空間面板模型(SDM)的效應(yīng)分解結(jié)果

(四)穩(wěn)健性檢驗(yàn)

為對(duì)空間SDM模型及其回歸結(jié)果的真實(shí)性進(jìn)行驗(yàn)證，文章同時(shí)將SEM、SAR的回歸結(jié)果列出進(jìn)行對(duì)比分析，詳細(xì)結(jié)果見(jiàn)表5。分析表5可知，在SEM和SAR模型下，解釋變量保險(xiǎn)金融集聚(Insurance)系數(shù)顯著為負(fù)，分別為-0.1350、-0.1338，表明地區(qū)保險(xiǎn)金融集聚效應(yīng)對(duì)經(jīng)濟(jì)增長(zhǎng)有負(fù)向影響效應(yīng)，抑制地區(qū)經(jīng)濟(jì)增長(zhǎng)。證券金融集聚(Stock)的回歸系數(shù)分別為0.0924、0.0902，在1%的水平下通過(guò)顯著性檢驗(yàn)，表明在兩種模型下發(fā)揮保險(xiǎn)金融集聚都能有效促進(jìn)地區(qū)經(jīng)濟(jì)增長(zhǎng)。銀行金融集聚(Bank)回歸系數(shù)分別為0.4402、0.3940，兩者均在1%的水平下顯著，表明發(fā)揮銀行集聚效應(yīng)可以有效正向影響地區(qū)經(jīng)濟(jì)增長(zhǎng)。分析SEM、SAR模型控制變量的回歸具體結(jié)果，其中固定資產(chǎn)投資水平(lnFAI)系數(shù)分別為-0.0103、-0.0063，固定資產(chǎn)投資水平對(duì)經(jīng)濟(jì)增長(zhǎng)水平影響為負(fù)但不顯著。政府干預(yù)水平(lnGI)的回歸系數(shù)分別為-0.6321、-0.6604，為負(fù)且顯著，結(jié)果表明政府干預(yù)對(duì)經(jīng)濟(jì)增長(zhǎng)影響為負(fù)，顯著抑制地區(qū)經(jīng)濟(jì)增長(zhǎng)。人力資本水平(lnHC)的回歸系數(shù)為負(fù)分別為-0.1069、-0.1305，在1%的置信水平下顯著，表明充分發(fā)揮地區(qū)人力資本水平顯著抑制地區(qū)經(jīng)濟(jì)發(fā)展。產(chǎn)業(yè)結(jié)構(gòu)水平(lnISU)的回歸系數(shù)分別為1.9863、2.1202，在1%的置信水平下顯著為正，地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)該地區(qū)經(jīng)濟(jì)發(fā)展有顯著積極貢獻(xiàn)。另外，SAR模型的被解釋變量的空間自回歸系數(shù)為0.6236且顯著，表明我國(guó)各地區(qū)經(jīng)濟(jì)發(fā)展相互影響，共同發(fā)展。對(duì)比表3、表5的具體回歸結(jié)果可以知道，相關(guān)變量對(duì)經(jīng)濟(jì)增長(zhǎng)影響的顯著度、方向、大小大致相同，變換模型對(duì)文章回歸結(jié)果并沒(méi)有產(chǎn)生顯著影響，進(jìn)而說(shuō)明運(yùn)用空間杜賓模型對(duì)數(shù)據(jù)進(jìn)行回歸能較為穩(wěn)定、客觀地反映我國(guó)金融集聚水平對(duì)經(jīng)濟(jì)產(chǎn)生的影響。

四、主要結(jié)論和建議

(一)主要結(jié)論

采用2010-2018年我國(guó)省級(jí)面板數(shù)據(jù)，分別從銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)三個(gè)方面實(shí)證分析金融集聚對(duì)經(jīng)濟(jì)增長(zhǎng)的空間影響效應(yīng)，并得出以下三點(diǎn)結(jié)論：第一，對(duì)比分析經(jīng)濟(jì)增長(zhǎng)的Moran’s I指數(shù)和其散點(diǎn)圖可知各省經(jīng)濟(jì)發(fā)展具有較強(qiáng)的空間相關(guān)性，經(jīng)濟(jì)增長(zhǎng)在空間上呈現(xiàn)相互依賴(lài)的特征。第二，從直接效應(yīng)來(lái)看，銀行、證券金融集聚對(duì)本地區(qū)經(jīng)濟(jì)增長(zhǎng)有顯著的正向直接影響效應(yīng)，助推國(guó)家經(jīng)濟(jì)發(fā)展。而保險(xiǎn)金融集聚反向影響本地區(qū)經(jīng)濟(jì)增長(zhǎng)，但其影

表5 空間誤差、滯后模型的回歸結(jié)果

響效應(yīng)并不顯著。第三，從間接效應(yīng)來(lái)看，銀行、證券金融集聚顯著且正向推進(jìn)周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)進(jìn)程。保險(xiǎn)金融集聚對(duì)周邊地區(qū)經(jīng)濟(jì)發(fā)展具體體現(xiàn)為不顯著的正向影響效應(yīng)，即對(duì)周邊地區(qū)經(jīng)濟(jì)發(fā)展未起到顯著效果。

(二)政策建議

1.充分激發(fā)金融集聚的溢出效應(yīng)，引領(lǐng)周邊地區(qū)經(jīng)濟(jì)增長(zhǎng)

金融業(yè)發(fā)展是區(qū)域經(jīng)濟(jì)發(fā)展中的重要驅(qū)動(dòng)力，因此，各省份在構(gòu)建金融體系過(guò)程中應(yīng)強(qiáng)調(diào)層次鮮明、結(jié)構(gòu)完善，充分激發(fā)各省份之間的金融協(xié)作能力，實(shí)現(xiàn)金融資源配置的高效率發(fā)展。此外，高端金融人才在特定區(qū)域聚集對(duì)金融集聚中心的形成產(chǎn)生助推效應(yīng)，各省政府應(yīng)頒布金融人才引進(jìn)政策，打造省份之間人才、資源的共享網(wǎng)絡(luò)，實(shí)現(xiàn)資源的相互滲透，最終催化金融集聚中心產(chǎn)生溢出效應(yīng)，使本省份及周邊省份經(jīng)濟(jì)發(fā)展達(dá)到聯(lián)動(dòng)效果

2.合理規(guī)劃發(fā)展銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)，促進(jìn)經(jīng)濟(jì)增長(zhǎng)

由上文實(shí)證分析可知，銀行、證券金融集聚可以通過(guò)正向直接效應(yīng)和溢出效應(yīng)可以助推本地區(qū)和周邊地區(qū)經(jīng)濟(jì)更好發(fā)展，同時(shí)兩種效應(yīng)的顯著性也得到驗(yàn)證。故應(yīng)該根據(jù)各省所處的區(qū)位特點(diǎn)，穩(wěn)定發(fā)展銀行業(yè)，同時(shí)引導(dǎo)實(shí)體企業(yè)采取一定措施防范金融風(fēng)險(xiǎn)、降低融資成本。另外，加快各省份證券業(yè)發(fā)展，協(xié)助企業(yè)上市，完善證券市場(chǎng)交易機(jī)制，提高金融中介服務(wù)水平。而本文研究得到保險(xiǎn)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)影響不顯著，應(yīng)以市場(chǎng)為導(dǎo)向，找準(zhǔn)保險(xiǎn)業(yè)的發(fā)力點(diǎn)，完善保險(xiǎn)業(yè)的信用評(píng)價(jià)體系，提高保險(xiǎn)業(yè)資金的使用效率，充分激發(fā)保險(xiǎn)業(yè)對(duì)經(jīng)濟(jì)增長(zhǎng)的拉動(dòng)潛力。

3.合理調(diào)整信貸結(jié)構(gòu)，促進(jìn)金融創(chuàng)新

近年來(lái)，互聯(lián)網(wǎng)技術(shù)突飛猛進(jìn)，利于供求雙方實(shí)現(xiàn)精準(zhǔn)對(duì)接。在金融業(yè)發(fā)展中互聯(lián)網(wǎng)得到充分使用，融資渠道被拓寬，打造了一套全新的業(yè)務(wù)模式。各區(qū)域內(nèi)政府應(yīng)充分依托大數(shù)據(jù)技術(shù)，促進(jìn)各項(xiàng)要素在地區(qū)間的充分流動(dòng)，針對(duì)各省份的優(yōu)勢(shì)企業(yè)、中小企業(yè)等給予足夠的信貸支持，合理規(guī)劃信貸資金用途，促進(jìn)信貸資金使用效率的提升。此外，各地區(qū)政府應(yīng)合理安排銀行、證券、保險(xiǎn)機(jī)等金融機(jī)構(gòu)空間布局，構(gòu)建層次化的資本市場(chǎng)，實(shí)現(xiàn)對(duì)信貸結(jié)構(gòu)的優(yōu)化等。