基于空间模型的中国金融集聚对区域经济增长的溢出作用分析*

2013-09-05豆晓利

区域经济评论 2013年6期

豆晓利

自Marshall首次提出产业集聚概念以来，Webber，Hoover，Perrous，Porter，Krugman 分别从不同角度和层面深入研究和丰富了产业集聚理论，集聚现象引起了经济学家的极大兴趣。随着金融全球化发展以及国际资本流动加速，相比于其他产业，金融业表现出尤为显著的高度集聚现象，显然，世界金融中心集聚于纽约、伦敦、东京、香港并非偶然现象，而中国以北京、上海为代表的金融中心也并非完全依赖政府打造，遗憾的是，金融业的集聚与差异现象并未引起学者的足够重视，因此，相关研究成果在理论研究方面缺乏系统性，另外，实证研究也仅限于采用区位熵、基尼系数、泰尔指数等静态指数测算，未能考虑空间临近对于集聚的影响。因此，有必要采用空间计量分析方法重新分析中国金融集聚与差异现象及其对区域经济增长的溢出作用。

一、文献综述与问题提出

金融发展理论的研究以20世纪90年代为界，大致分为两个阶段，之前主要是以麦金农和肖为代表的金融压抑和金融深化理论，该理论的主导思想是金融自由化，而发展中国家频频发生的金融危机也让学者对该理论进行了反思。反思的结果即是90年代之后的金融发展理论，吸纳了内生增长理论思想，引入不完全竞争、不确定性、信息不对称和外部性等因素，研究结果更加贴近经济事实，也相应衍生了区域金融、金融地理学、金融可持续发展、金融效率论等理论，这些理论共同关注区域金融集聚与差异现象及其形成原因，在中国区域经济增长差异日益显著这一现实压力下，在国家经济发展战略从强调经济效率的“非均衡”发展战略转向兼顾公平的区域协调发展战略大背景下，鉴于区域金融支持力的差异是区域经济增长差异的重要原因，且区域金融发展差异要大于区域经济增长差异（周立，2003），关于区域金融集聚与差异相关问题的研究显得尤为意义重大。

产业集聚是金融集聚理论研究的基础，最早Marshall在其著作《经济学原理》中就对集聚作过深入的探讨，认为外部性经济在集聚中扮演者及其重要的角色。Porter（1998）则从“菱形体系”的国家竞争占优势出发，讨论了产业集聚问题，他的主要目的是阐述产业集聚如何影响国家竞争优势，而产业集聚如何形成并没有给予更多解释。新经济地理学家Krugman（1999）通过建立经济模型阐述了产业集聚，他认为集聚形成主要来自于三个方面的原因：需求、外部经济和产业地方化，其理论对于金融地理学的发展方向以及金融集聚问题的研究产生了巨大的影响。金融地理学者Gehrig（2000）利用市场摩擦理论进行了大量的实证研究，证明了一个区域金融活动在地理上的集聚与相邻区域内金融活动在地理上的分散趋势并存。张凤超（2003，2006）从金融地理学视角，认为金融地域性运动为解释区域性金融提供了依据。他借鉴区域经济地理学的经济地域运动理论研究模式，坚持“金融地理”思维方式，从金融基本属性研究出发，根据金融的地域运动属性，完成“金融地域差异”向“金融地域运动”的飞跃。

关于金融业对区域经济增长的支持作用，自Goldsimth（1969）以来，大量的实证文献验证了金融发展对经济增长的支持作用，但是极少有文献从金融集聚的角度来检验与经济增长的关系。少量的关于金融集聚与区域经济增长的理论研究文献，得出了比较有意义的结论。如孙维峰和黄解宇（2012）测度了1979-2010年间中国金融集聚程度总体呈上升趋势，而金融资源向东部转移是该上升趋势形成的主要原因，并利用单位根检验和协整检验考察了金融集聚和区域经济增长的短期和长期因果关系，发现前者对后者有单向长期促进关系，但不存在短期因果关系。林江鹏和黄永明（2008）基于金融产业集聚的理论内涵，重点分析了金融产业集聚促进区域经济发展的效应，并考证了我国金融产业集聚的状况。刘军（2007）认为金融集聚通过金融集聚效应、扩散效应和金融功能促进区域经济增长。在此基础上，也有学者尝试用实证方法检验这些基于理论推导的结论。如丁艺等（2010）从银行、证券、保险、三个层面分析了中国金融集聚程度，并检验了金融集聚对区域经济增长的影响，得出结论，金融集聚对我国区域经济增长具有明显的促进作用。冉光合（2006）、陈刚（2006）、马正兵（2007）等也分别对中国区域金融发展差异进行了相关研究。梳理这些文献发现，在研究方法上，对于金融集聚或差异程度的测度多数是使用区位熵指数、基尼系数、变异系数等静态指标进行度量，均未考虑空间效应的影响。宗晓武（2008）认为，金融集聚的运动规律以及运动结果继承和印证“金融地理”学家的思维路径，即沿着“空间差异”、“空间过程”和“空间相互作用”的模式运行。因此，金融集聚本身具有空间特性，有必要将空间效应考虑进来进一步分析金融集聚与差异问题，Anslin（1988）创立的空间计量经济学理论和方法为该研究提供了非常有效的分析工具。利用空间计量经济学模型及方法在分析区域经济增长集聚及差异问题等领域，也得到了一定的应用（Ying，2001，2003；吴玉鸣，2006，2007；），这些开拓性的研究为空间计量经济学研究方法在经济增长相关问题研究的推广起到了重要作用，也为本文将之应用于金融集聚与区域经济增长问题的分析提供了思路。

因此，本文的撰写基于两种考虑，第一，国内现有的对金融集聚问题的研究，尤其是对于金融集聚产生的原因以及其对区域经济增长的效应分析，得出了一些非常有意义的结论，但多数仅限于理论层面的机理分析，缺乏进一步的实证检验。第二，考虑到金融集聚本身的空间特性，一些涉及到实证检验的文献多数未能考虑空间上的临近对集聚与差异的影响，忽视该影响可能导致研究结论偏离经济现象的真实性。从目前已有的计量研究成果看，空间计量经济学模型是最能反映投入产出要素在地理空间上相互联系的模型。基于此，本文拟采用空间计量方法，从空间交互作用的角度对中国金融集聚现象进行分析，并借助空间计量模型具体分析金融集聚对区域经济增长的溢出作用。

基于以上考虑，本文试图在以下几个方面做一些改进：（1）使用空间计量模型和方法对中国金融集聚现象进行分析；（2）基于新增长理论构建计量模型，在空间计量模型的构建上，从银行业、证券业、保险业三个维度检验金融集聚对区域经济增长的溢出作用，同时，兼顾人力资本、政府行为以及对外开放等影响区域经济增长的其他重要控制变量。

本文结构将做如下安排：第二部分为中国区域金融集聚现象给予空间统计描述；第三部分构建空间计量模型检验金融集聚对区域经济增长的溢出作用；第四部分为最后结论及相关政策建议。

二、中国金融集聚空间相关性分析

为了分析我国区域金融集聚的空间分布特点，需要进行空间相关性检验。空间模式一般呈现聚集型、分散性、随机型三种情况，我们判断一个区域内相邻地区某属性值是相似性还是差异性时，也就是进行空间自相关程度分析，若相邻地区的属性值分布上具有相似性则说明存在正的相关性，若不具有相似性则说明存在负的相关性，也可能不存在相关性。在对空间数据进行统计分析时，空间自相关影响很大，如果数据存在显著的空间自相关，而我们没有意识到这一点，那么统计结果就会失真。测度空间自相关程度的指标分为全局指标和局部指标，对于全局指标，可用Moran’s I指数、G统计量来测度，这里我们选择使用Moran’s I指数。但是，整个区域内空间自相关的变化不一定是稳定的，因此，还有必要用局部指标来测度空间自相关的空间异质性，可以借助Moran’s I散点图直观识别空间自相关局部变化。

首先采用基于距离的邻接矩阵计算Moran’s I指数进行全局空间相关分析。计算结果见表1。

表1 金融集聚Moran’s I指数统计

表1可知，从2003年到2010年，人均GDP的Moran’s I指数从0.1234变化为0.2243，其相应计算得到的正态标准统计量Z值分别为2.0855和3.0059，显著大于惯用标准（α=0.01）下的1.96，说明人均GDP存在明显的空间正相关性（空间依赖性），说明人均GDP指标在样本期间存在明显的集聚与差异现象，且呈现逐渐增长的趋势。

关于金融集聚的各项指标，反映银行业发展程度的金融机构信贷规模指标在10%的显著水平下存在正相关关系，说明银行业发展在空间分布上并非表现出完全随机的状态，而是呈集聚趋势。反映证券业发展状况的股票总市值的Moran’s I指数为负，且没有通过显著性检验，主要是由于我国证券市场处于发展初期，其发展更多是人为的政策导向而非自然的市场运作效率成果，因此，集聚效应并未显著的体现出来。反映保险业发展程度的保费收入指标正的空间相关特征最为明显，其集聚程度2003-2005年呈上升趋势，之后又稍有所下降，尤其是2009年和2010年下降趋势尤为明显，这与中国近两年以河南、四川为代表的中西部地区保险业的快速发展事实相吻合，缩小了与东部地区的差距，说明近年来我国保险业逐步趋向于均衡发展。

基于全局自相关分析结果，进一步绘制Moran’s I散点图来测度区域经济增长地理分布的空间依赖性和空间异质性。为了比较中国区域金融集聚空间相关性的变化，本文分别画出了2003和2010年中国区域金融集聚的Moran’s I散点图，如图1到图6所示，总体上看，中国区域金融集聚存在空间相关性。

具体看银行业的集聚趋势，图1显示，2003年，高-高（HH）类型和低-低（LL）类型区占61.3%，居于主导地位，集聚在第一象限和第三象限，即较大信贷规模的省区相临近（第一象限），分别是北京、上海、江苏、浙江、山东、辽宁、河南、湖北等8个省区；较小的信贷规模的省区相临近（第三象限），分别是贵州、甘肃、陕西、西藏、广西、宁夏、重庆、海南、新疆、青海、云南等11个省区。图2显示，2010年，高-高（HH）类型和低-低（LL）类型区占64.5%，个别省区所处象限有所变化，如福建、河北从第二象限进入第一象限，河南、湖北从第一象限进入第二象限，黑龙江、吉林从第二象限进入第三象限。

图3、图4说明，2003年和2010年，证券业均未表现出显著的集聚趋势，且主要集聚在第三象限。

图5、图6反映了保险业的集聚趋势，2003年，高-高（HH）类型和低-低（LL）类型区占67.8%，其中32.3%位于第一象限，包括北京、上海、江苏、浙江、福建、河北、河南、辽宁、黑龙江、山东等10个省区，35.5%位于第三象限，包括贵州、甘肃、西藏、广西、宁夏、重庆、海南、新疆、青海、云南、湖南等11个省区。2010年保险业的集聚趋势有明显下降，其中54.8%属于高-高（HH）类型和低-低（LL）类型区。福建从第一象限进入第二象限，黑龙江从第一象限进入第三象限。

依据Moran’s I散点图重点关注北京、上海、广东等金融中心，北京作为全国金融中心，上海作为中国沿海地区金融中心，广东的广州、深圳作为南方金融中心。其中北京和上海在银行业和保险业Moran’s I散点图中均处于第一象限，说明北京、上海不仅较好履行着国家金融中心的职能，同时对周边地区银行和保险业发展也起到了一定的带动作用。在证券业Moran’s I散点图中，北京、上海在2003年位于第一、第四象限交界处，2010年北京仍处于该交界处，而上海则进入第四象限，说明北京、上海作为证券业资源的集聚地，更多是一种政府安排，并未对周边地区证券业的发展体现出显著的辐射作用。值得注意的是，无论是银行业、证券业还是保险业的Moran’s I散点图，广东一直处于第四象限，说明广东虽然集聚了南方最优的金融资源，拥有广州、深圳等金融中心，但对于周边地区如湖南、广西等省份的辐射作用较小，导致中国区域金融发展的差异。

三、金融集聚对区域经济增长溢出作用的空间计量分析

（一）空间计量模型

通过Moran’I指数检验得知变量存在显著的空间自相关，可进一步构建空间计量模型具体分析变量间的相关关系，Anselin将纳入了空间效应的空间回归模型分为两种：空间滞后模型和空间误差模型。

1.空间滞后模型（Spatial Lag Model，SLM）

空间滞后模型主要用来检验一个地区的某一经济变量是否对邻近地区的同一变量产生扩散效应，表达式为：

2.空间误差模型

空间误差模型主要用来检验区域经济指标间的相互影响所处的相对位置不同而存在的差异，表达式为：

空间误差模型认为空间依赖作用存在于扰动误差中，反映了邻近区域因变量的误差冲击对本地区观察值的影响程度。

（二）变量选取与模型设定

现有关于区域经济增长的实证分析多数是基于传统的新古典增长模型基本框架进行的检验，该模型假定技术进步是一种外生变量，即技术水平是一个既定的变量，其受什么因素影响、如何变化没有给予解释，基于该假设的结论是：区域经济增长最终会出现“趋同”，即不同区域的经济增长最终会趋于同一个水平，人均增长率最终是趋于停滞的。实际上，技术进步在现代经济增长中扮演的角色越来越重要，简单地把它作为一个外生变量构建的模型对经济增长的解释力是不够令人信服的，发达区域和不发达区域的经济增长也并没有出现所谓的“趋同”。80年代中期以来以经济学家Romoer和Lucas为代表的新增长理论对新古典增长理论进行了重新思考，探讨了增长的根本原因，强调经济增长不是外部力量（技术水平的外生性），而是经济体系的内部力量（技术水平的内生性）作用的产物。该理论认为，技术水平的提高是影响经济增长的最主要动力，而教育的投资与发展程度、人力资本的质量、政府行为是影响技术水平的重要因素。该理论消除了递减收益，因此区域经济不一定会出现“趋同”，差距反而更加可能越拉越大。因此，本文拟借助于新增长理论中的AK函数这一分析工具来检验金融集聚对区域经济增长的溢出作用，函数表达式为：

公式（1）中，Y为总产出，A是代表技术水平，K代表资本投入。公式两边除以L，再同时取对数并对时间进行一阶微分，得到人均产出增长率表达式：

从公式（2）看出，人均产出增长率g（t）取决于技术的进步和人均资本增长率。对于技术进步A（t）的影响因素，根据新增长理论的主要思想，本文认为取决于以下几个因素：（1）人力资本的质量，新增长理论认为，投资于教育与研发的人力资本存量是一国和地区经济增长的关键因素。同时，Levine（1991）的研究结果表明，金融发展可通过人力资本积累对经济增长产生促进作用。因此，人力资本变量是本文中影响经济增长的重要变量，一般用劳动者的受教育程度来反映人力资本的发展水平，本文拟用普通高校的在校生数与总人口之比这一指标HC来表示；（2）政府作用，新增长理论重视政府政策的作用对经济增长的影响，政府可以通过财政政策对经济增长进行适当调控，进而影响经济增长。本文拟用财政收入与财政支出之比即财政能力这一指标FA来衡量政府对经济的作用力和调控能力，指标结果越大说明该政府财政能力越大，越有余力开展基础设施建设并制定有助于经济增长的政策，就越有助于促进经济增长，反之相反。（3）对外开放的程度，新增长理论强调国与国之间发展对外贸易不仅可以增加世界贸易总量，而且可以加速世界先进科学技术在世界范围内的传播，使参加贸易的各国的技术和人力资本水平提高，产生“外溢效应”。因此，本文拟用外商直接投资额与GDP之比这一指标FDI来反映各省域对外开放的程度。

对于资本K的投入量的变化本质上是金融要素的变化，金融要素的流动会促使实体资产重新进行分配，从而使得原经济体的产出发生相应变化（方先明等，2010）。而金融发展通过影响资本K进而对经济增长产生影响（周俊，2010）。本文选取银行业发展指标BANK、证券业发展指标STOCK、保险业发展指标INSURE作为衡量金融集聚程度的综合指标。

基于新增长理论的AK函数以及以上选择的变量，在空间计量经济学技术支持下，分别建立双对数空间滞后和空间误差回归模型。

空间滞后模型设定如下：

（三）样本空间与数据说明

考虑到中国地域辽阔，各省域在资源禀赋、经济发展水平、金融发展水平等方面存在较大差异，为了更深入的反映该差异，本文选择中国31个省、自治区、直辖市作为研究样本。

样本数据方面，本文选择自2003年到2010年以来8年的经济数据，分析近年来金融集聚状况及其影响因素。人均GDP、普通高校在校生数量、财政收入与支出规模、外商直接投资规模等相关数据的获得，2003-2008年数据来源于《新中国六十年汇编》，2009-2010年数据来源于《中国统计年鉴-2010》、《中国统计年鉴-2011》，而2003-2010年银行信贷余额、保费收入、股票总市值等数据的获得来源于中国经济统计数据库。

（四）空间回归结果及分析

以上的全局和局部空间自相关检验结果，进一步验证了我国省域经济增长地理空间分布上存在着显著的空间依赖性，金融业存在聚集现象，那么，金融集聚对区域经济增长产生了多大的溢出作用？为回答该疑问，需要进一步构建空间计量模型进行分析。本文基于2010年省际截面数据进行了空间回归分析。

为判断空间计量经济学模型SLM和SEM的形式①，这里先给出OLS估计结果，如表2所示。

从表2看出，空间自相关检验结果显示，残差项的Moran's I值为0.135490，进一步验证了空间自相关的存在，因此，有必要使用极大似然估计法（Maximum Likelihood，ML）进行检验。而在空间模型的决策选择上，根据Anselin的判断标准，采用空间误差模型（SEM）更为适合。为便于比较，这里将SLM和SEM回归结果均列出来，如表3所示（模型见公式（3）和公式（4））。

比较表2和表3的检验结果，检验指标自然对数似然函数值（LOGL）、赤池信息标准（AIC）和施瓦茨准则（SC）均显示空间模型要优于OLS模型。

依据表3回归结果，无论是SLM还是SEM参数估计，银行业、证券业和保险业系数均为正，说明说明我国金融集聚通过地理空间机制对经济增长具有明显的促进作用。根据SEM参数估计结果，银行业系数最大，为0.3067627，说明银行业发展对周边地区经济增长溢出效应是最为明显的。关于证券业和保险业的系数，SEM回归结果显示，证券业系数略大于保险业，而SLM回归结果则相反，但总体来看相差不大，虽然证券业和保险业对区域经济增长的溢出作用没有银行业显著，这和我国金融资源主要仍然集中在银行业有关，且证券业和保险业发展仍然主要是通过统一的行政安排实现的，但是，其逐渐的市场化改革进程而产生的经济增长溢出作用也开始体现。

表2 OLS参数估计及检验结果

再观察影响区域经济增长的其他控制变量，体现人力资本发展水平的人力资本变量HC，SLM和SEM结果均显示其系数为负，这与我们的预期不相吻合，可能的解释为，中国现阶段教育业的发展显然没有跟上快速的经济增长步伐，人口对于中国经济增长的贡献主要体现在劳动力数量与规模上而不是素质与质量上，该解释有待今后进一步的验证。体现政府作用的财政能力指标FA系数为负，这解释了中国目前地方政府在财政压力普遍较大的情况下导致的对于金融业的干预及“金融资源财政化”的经济事实，使得地方政府在财政调配方面对于经济增长的本应发挥的作用并没有预期明显。而体现对外开放程度的进出口指标FDI系数为正，符合我们的预期，说明开放的投资环境，大量的外商直接投资的进入，不仅增加了金融服务的需求，也对金融集聚产生了一定的促进作用。

表3 SLM和SEM估计及检验结果

四、结论与政策建议

本文基于2003-2010年中国省域经济增长相关统计数据，利用空间计量模型，将金融集聚通过银行业、证券业和保险业三个指标，同时兼顾了人力资本、政府行为、对外开放因素，考察了金融集聚对于区域经济增长的溢出作用，得出以下结论和政策建议：

第一，中国经济和金融业呈现明显的空间集聚与差异特征，因此，传统OLS回归模型忽略空间依赖性而得出的结论解释力变弱。这也给我们一些启示：中央政府应为区域协调发展提供政策、制度支持。另外，地方政府在今后发展本省经济与金融业的过程中，需更加注重与邻近省份的经济协作，注重经济的相互传递效应。

第二，金融集聚对区域经济增长具有明显的溢出作用，其中银行业的溢出作用最为明显，证券业和保险业次之。说明我国的金融资源主要集中在银行业，证券业和保险业的发展较为滞后，对经济增长的溢出作用也不甚明显，因此，金融结构还有待进一步优化。另外，金融业的发展仍然主要是统一的行政安排的结果，市场化改革还有待逐步深入。

第三，人力资本发展对于经济增长的作用极为重要，尤其是对人才素质要求较高的金融业更是如此，这也建议地方政府，尤其是中、西部等地区，在开展基础设施建设的同时，更应在发展教育上下大功夫，培养人才，留住人才，通过提高人力资本水平进而形成经济发展的长效机制。同时，政府作用对于中国区域经济集聚与差异的形成不容忽视，财政能力较好的地方政府通常更有利于调控经济发展，进而形成经济发展良性循环而不会掠夺本地区的资源，相反，财政能力较差的地方政府不仅不能有效调控本地区经济发展，反而容易形成“掠夺型政府”，阻碍了本地区经济发展。另外，经济的发展尤其是金融业的发展，离不开良好的对外开放环境，这种开放不仅仅是对于外国外商投资的开放，也是对于临近及其他外省份的开放环境的打造。

注释

①依据Anselin提出的判别标准：在空间依赖性检验结果中发现，LM-LAG较之LM-Error在统计上更显著，且RobustLM-LAG显著而RobustLM-Error不显著，则判断适合模型是空间滞后模型；反之，如果LM-Error比LM-LAG在统计上更显著，且Robust LM-Error显著而RobustLM-LAG不显著，则判断适合模型是空间误差模型。另外，关于模型的拟合效果，除了R2检验以外，自然对数似然函数值（LOG Likelihood），赤池信息标准（Akaike information criterion，AIC），施瓦茨准则（Shwartz criterion，SC）。AIC和SC值越小，模型拟合效果越好。这些标准也可用来比较OLS估计的经典线性回归和SLM、SEM模型。

［1］陈刚，尹希果，潘杨.中国的金融发展、分税制改革与经济增长［J］.金融研究，2006，（7）：99-108.

［2］丁艺，李靖霞，李林.金融集聚与区域经济增长——基于省级数据的实证分析［J］.保险研究，2010，（2）：20-30.

［3］豆晓利，王文剑.中国区域金融发展差异、变动趋势与地方政府行为—兼论分税制改革对中国区域金融差异的影响［J］.上海金融，2011，（2）：9-15.

［4］马正兵.金融发展与经济增长：区域效应、时变趋势及发展对策［J］.金融与经济，2007，（11）：9-14.

［5］李敬，冉光和，孙晓铎.中国区域金融发展差异的度量与变动趋势分析［J］.当代财经，2008，（3）：34-39.

［6］林江鹏，黄永明.金融产业集聚与区域经济发展—兼论金融中心建设［J］.金融理论与实践，2008，（6）：49-54.

［7］刘军，黄解宇，曹利军.金融集聚影响实体经济机制研究［J］.管理世界，2007，（4）：152-153.

［8］吴玉鸣.空间计量经济模型在省域研发与创新中的应用研究［J］.数量经济技术经济研究，2006，（6）：74-85.

［9］吴玉鸣.县域经济增长集聚与差异空间计量经济实证分析［J］.世界经济文汇，2007，（2）：38-57.

［10］张凤超.金融地域运动：研究视角的创新［J］.经济地理，2003，（9）：587-590.

［11］张凤超.金融地域系统研究—关于金融一体化的一种解释［M］.北京：人民出版社，2006.

［12］周立.金融发展促进经济增长的理论综述［J］.经济学动态，2003，（9）：69-73.