金融集聚对新型城镇化支持作用的空间网络分解

王周伟，柳 闫

(上海师范大学 金融工程研究中心，上海 200234)

一、导言

积极推进新型城镇化发展是中国未来经济发展的核心任务之一，《国家新型城镇化规划2014—2020》强调的新型城镇化是以人为本、全面健康发展的城镇化，其内容包含居民生活、经济效率、城镇服务、生态环保与协调持续五个方面，[1]是对传统的仅注重单一人口城镇化的充分完善。其建设是个全方位的系统工程，包含多个子系统，各子系统之间又是相互作用的。金融是现代经济的核心，金融集聚是金融产业发展与金融中心建设的必然趋势，它对新型城镇化发展的影响是复杂的，这不仅在于通过金融发展与深化，金融集聚直接或间接地影响着新型城镇化发展，而且在空间经济关联网络中，这些影响相互交织地叠加在一起，形成了多层次、多方位的复杂作用网络。综观金融经济领域关于金融对城镇化影响的文献，受到传统的城镇化认识的影响，现有文献多局限在金融对新型城镇化某个领域影响的研究。利用格兰杰因果关系检验、误差修正分析模型与交叉组合分析，可以发现金融与城镇化互为格兰杰因果，[2]它们之间具有阶段性的长期均衡关联作用；[3]基于面板向量自回归模型的实证表明，金融集聚对提升工业效率具有空间外溢效应；[4]对产业结构合理化及高级化也具有长期稳定的正向均衡作用；[5]从时间与空间维度上看，金融发展、教育水平与经济发展等因素联合对城镇化发展具有明显作用；[6]金融集聚程度较高的地区能够提升邻近地区的产业结构，对第三产业的作用大于对第二产业的作用。[7]从上述文献看出，现有的该领域研究文献，主要探讨了金融集聚对人口城镇化或新型城镇化某个方面的影响及空间作用分析；还有很多领域没有涉及，更没有综合分析，也没有清晰地深入探讨空间效应分解问题。多数集中在金融对传统城镇化影响的非网络分析方面，金融集聚对新型城镇化影响的复杂网络关联特征与规律还有待于具体探讨。顺应新型城镇化建设实践与金融经济理论发展的需要，本文拟从空间经济关联网络视角，分析金融集聚与新型城镇化发展的空间溢出效应与关联性，利用空间面板计量经济模型，研究金融集聚对新型城镇化发展影响的作用性质与能级及直接效应、间接效应与总效应。

二、理论分析与假设提出

1.金融集聚的空间相关性分析与假设提出

在范围经济与规模经济作用下，区域内产业不断集聚，使得机会成本降低，规模经济效应提高，金融服务产品比重越大，金融相关的信息量越大，促进了金融服务企业不断集聚；[8]而区域创新、人力资本等资源禀赋因素与沿海区位、产业外部性、经济基础等新经济地理因素正向地推动着金融集聚现象不断强化；金融集聚会导致金融服务产业的专业化与多元化发展，在规模、结构与效率及创新等方面会推动金融发展，形成不同等级的金融中心，这些金融中心对邻近区域及次级金融中心都具有正外部经济性的辐射作用；另外，这些地理性距离与经济性距离类的金融集聚驱动因素变化一般都是具有空间溢出效应与空间序列相关性，对于整个经济体来讲，各区域金融集聚的空间相关性形成了纵横交织的立体化的金融集聚空间关联网络。

根据以上分析，提出假设1：金融集聚不仅具有序列自相关性，而且具有空间相关性。

2.新型城镇化发展的空间相关性分析与假设提出

区域经济发展与人均收入水平提高将增加城镇的吸引力，吸引其他区域的生产要素流入；金融发展会为人口、经济、土地与空间城镇化提供持续安全的资金保障；农村产业技术的提高与产业结构升级，将提高劳动生产率，解放出大量劳动力，同时，在规模经济与专业化作用下，城镇中的技术进步与产业集聚会不断增加有效劳动力需求，以人为本的城镇化建设也会不断提升城镇公共服务水平与覆盖率，由此将推动城镇化发展。商品市场的统一与生产要素市场的市场化开放使规模经济效应与集聚效应显现，要素资源配置趋向集约高效项目地区，区域关联增强；区域间的绩效竞争与城市群和城市区域的发展，也促进了区域之间的经济合作与协同发展；在地理邻近、认知邻近、经济邻近、技术邻近、社会邻近等多维邻近的空间一体化与交互作用下，这些核心驱动因素会便利协同创新与城镇发展关联，使不同区域的新型城镇化之间具有了空间相关性；对于整个经济体来讲，各区域新型城镇化发展的关联形成了新型城镇化发展的空间关联网络。

由此提出假设2：新型城镇化发展不仅具有序列自相关性，而且在地理距离与经济距离上均具有空间相关性。

3.金融集聚支持新型城镇化发展的假设提出

中国新型城镇化是全面发展的城镇化，突出特征在于以人为本、集约高效、多元推动、产城融合、城乡统筹、生态宜居与协调持续。金融集聚将推动金融发展，从提供资金支持、提高资源配置效率、优化产业结构与推动技术创新等方面直接或间接地支持新型城镇化的发展。

(1)金融集聚通过提供适当的可贷建设资金与多元化融资渠道，完善可持续的资金供给组合保障机制，推动新型城镇化的快速发展。相关部门预测，到2020年，全面城镇化的公共投资需求约为42亿。财政资金主要来自税收，源自稳定的经济发展；土地出让金依赖于房地产市场的发展态势；地方债务受制于地方政府持续融资能力，这些地方政府内部融资渠道难以满足快速城镇化急需的巨额投资，而金融集聚会带来金融规模的不断提高与金融机构的持续汇集，可以为本地的城镇化水平与质量的全面提升提供建设资金。

(2)金融集聚通过提高资源配置效率，推动城镇化集约高效发展。金融集聚会带来金融发展与深化，汇集社会闲置资金转换为投资，高效配置资金，分散风险，提高投资效率，充分发挥金融体系功能，保障实体经济发展。

(3)金融集聚通过优化产业结构与推动技术创新，推动城镇化高质量健康发展。在支持扩大产业资本与人力资本投入的同时，也会支持产业集聚，推动产业内专业化与多元化发展；风险投资引导战略性新兴产业培育孵化与壮大；支持研发投入，促进技术进步与创新驱动，实现内涵式经济增长。

(4)金融集聚带动生产性服务业的专业化和多元化集聚，通过市场外部性作用于城镇化；也会通过强化由此带来的技术溢出效应，推进城镇化发展；金融发展规模和效率与城乡居民收入差距呈现倒“U”型关系；较高的金融发展水平有助于提高城镇化发展速度，改善城镇化失衡低效劣质局面。[9]

为此，提出假设3：金融集聚，对新型城镇化发展具有支持与推动作用。

4.金融集聚支持新型城镇化发展的空间效应多重性及其分解假设提出

金融集聚与新型城镇化的发展具有地理与经济邻近及其交互的空间相关性。综合考虑金融经济作用与空间效应，金融集聚对新型城镇化发展具有多重影响，该影响包含两个部分，一个是本区域金融集聚通过第三个假设中涉及到的路径对本区域新型城镇化发展有直接影响，这种直接传导产生的影响是金融集聚对新型城镇化发展的直接效应；第二个是通过空间的溢出作用与反馈作用，影响本区域新型城镇化发展的部分。即本区域的金融集聚与城镇化，通过空间相关性影响邻近区域的金融集聚与城镇化发展，而这邻近区域的金融集聚与城镇化发展又会通过空间溢出效应反馈作用于本区域的金融集聚与城镇化的进一步发展。这种由溢出与反馈作用产生的影响就是金融集聚对新型城镇化发展的间接效应。直接效应与间接效应的总和构成了总效应。该空间关联网络视角下的总效应分解逻辑如图1。

为此提出假设4：金融集聚对新型城镇化发展的推动作用可以分解为直接效应与间接效应。

图1 金融集聚对新型城镇化作用的多重空间效应分解逻辑

三、实证研究设计

1.空间相关性的度量与检验

利用全域Moran’s I指数及其Z检验，确定金融集聚与新型城镇化是否显著存在空间相关效应；若存在，计算度量空间相关性程度的全局Moran’s I指数，判断空间相关性的性质与程度。并绘制Moran’s I指数的散点图，识别新型城镇化指数和金融集聚的空间关联形式。

2.空间权重矩阵的设定

空间权重矩阵描述空间区域之间的相关关联程度。本文的理论分析中提出，新型城镇化与金融集聚在地理(邻近)距离与经济距离上都具有溢出效应与空间相关性，因此本文选用地理距离与经济距离空间权重矩阵。

(1)地理距离空间权重矩阵

地理距离空间权重矩阵(W1)是以地理距离倒数为矩阵元素的权重矩阵，地理距离用各省、直辖市的地理中心之间的直线距离表示。即第i行第j列元素wij取值为：

(1)

其中，dij为两地区地理中心之间的直线距离。

(2)经济距离空间权重矩阵

为了确保本课题模型统计推断的可靠性和稳健性，也为了综合测度中国区域经济关联，按照空间经济学与新经济地理学的观点，溢出效应主导的区域经济关联不仅要有空间依赖性，地理位置邻近的区域容易溢出，更重要的是要组织相近，接受溢出的区域要有转化吸收能力，这需要具有类似相应的经济特征。

对于经济空间权重矩阵(用W2表示)，选择相邻地区间人均实际地区生产总值的差额作为测度地区间的“经济距离”，即W2=W3×E。其中，W3是邻接标准权重矩阵，即省市间如果地理上相邻对应权重取1，否则取0。E是描述地区间差异性的一个矩阵，其矩阵元素用样本考察内各省人均地区生产总值均值之差绝对值的倒数表示。即：

(2)

3.空间计量模型的构建

本文实证研究中的空间计量模型识别涉及到从空间相关性与空间异质性两个方面识别选用模型。为充分考察空间异质性与个体截面效应，本文选用空间面板数据计量技术。

从空间相关性来看，空间面板数据计量分析中比较成熟的常用模型主要是空间面板滞后模型(SPAR)、空间面板误差模型(SPEM)与空间面板杜宾模型(SPDM)。它们的表达式分别为：

(3)

(4)

(5)

由式(3)、(4)、(5)可以看出，当γ=0且ρ≠0时，SPDM模型就变为SPAR 模型；当γ+ρβ=0时，SPDM模型就变为SPEM模型，因此，SPDM模型更具有一般性。

如果存在空间效应，则用LM-lag检验与稳健LM-lag检验判断被解释变量(即新型城镇化)之间是不是存在空间滞后相关，用LM-Error检验与稳健LM-Error检验判断是不是存在空间误差相关，由此选用适用的模型。

从空间异质性来看，对于常用的三个空间面板数据模型，每个模型都可以构建空间混合模型、空间个体效应模型、动态空间面板模型与空间似不相关模型。本文更为关注个体截面差异与空间差异，因此选用空间个体效应的SPAR模型或SPEM模型或SPDM模型；根据个体影响的形式不同，空间个体效应模型分别设定为固定效应模型与随机效应模型；而固定效应的空间个体效应模型又可以分别设定为空间固定空间个体效应模型、时间固定空间个体效应模型、时空固定空间个体效应模型。对于个体效应的方式，本文利用空间Hausman检验，确定空间个体效应模型中个体影响方式是选用固定方式还是随机方式。

4.空间经济网络效应分解

在空间计量经济分析，自变量对因变量的总体影响并不能仅由模型回归系数反映，而要通过分解出的直接效应、间接效应和总效应来反映。直接效应就是本地区的解释变量一个单位变化引起本地区被解释变量的变动大小；间接效应是本地区的解释变量一个单位变化引发其他地区的解释变量与被解释变量发生变化，进而在空间相关作用下引发本地区被解释变量的变化部分；总效应等于直接效应和间接效应之和，它反映了本地区的解释变量一个单位变化直接或间接引发本地区和其他地区的被解释变量的变动大小。

空间经济网络效应的分解需要先把SPDM模型矩阵表达式移项整理为一般矩阵形式：[10]

Y=(I-ρW)-1nιn+(I-ρW)-1(Xβ+WXγ)+AZ+(I-ρW)-1ε。

(6)

再求被解释变量向量关于第k个解释变量的偏微分方程，可得：

(7)

5.样本数据与指标选择

第一，样本选择与数据来源。

本文采用的空间样本数据是除了我国西藏自治区、台湾和香港、澳门特别行政区外的大陆30个省、自治区和直辖市，样本区间为2004—2012年共9年30个省的面板数据。数据来源于《中国统计年鉴》、《万德数据库》、《中国金融统计年鉴》以及中国统计局网站的相关统计数据。

第二，指标选取。

根据理论分析结论，我们分别选择了被解释变量、解释变量与控制变量指标。为明晰金融集聚对新型城镇化发展的空间效应，本文选取了一个新的新型城镇化指标来代表不同地区新型城镇化的发展水平，选取了金融集聚规模、金融产出密度、区位熵三个指标从不同层面上研究金融集聚。

其一，被解释变量。

被解释变量为新型城镇化综合指数(NURB)。本文使用了王周伟与柳闫(2014)论文中的新型城镇化发展数据。从反映的理念与内容看，其系统评价理念比较贴合《国家新型城镇化规划2014—2020》所强调的新型城镇化涵义，内容比较综合系统。也综合考虑了多方面的因素及各大类指标之间的相互作用关系，系统地确定各级指标的权重，构造了新型城镇化发展指数。

其二，解释变量。

本文研究的解释变量为金融集聚。在选取有关金融集聚的指标时，本文主要选取了金融集聚规模、金融产出密度、区位熵三个指标代表金融集聚。

a.金融集聚规模(SI)

金融集聚规模是从金融增加值角度来度量一个城市的金融集聚水平，金融业增加值是金融市场一个很有代表性的变量，它从总量上度量了一个城市的金融集聚形态。

金融集聚规模Si=城市i金融增加值/全国金融增加值。

b.金融产出密度(GI)

金融产出密度也是以金融增加值这一具有代表性的指标来研究金融集聚的程度，与金融规模指标相比，金融产出密度指标不仅考虑了一个城市的金融业增加值，还考虑到了一个城市的总产出和城市的总面积，更加细化了一个城市的金融集聚程度。

金融产出密度GI=(城市i金融增加值/城市i总产出)/城市总面积。

c.区位熵(DI)

区位熵指数能够测度一个地区的产业集聚水平与全国平均水平之间的差异。该指数的值越接近于1，说明该地区的产业集聚化水平越接近全国平均水平；越大于1，则说明该地区的产业集聚化程度越高。

(8)

其中，li表示第i地区金融业的从业人员数，qi表示第i地区从业人员总数，L表示全国金融业从业人员数，Q代表全国从业人员总数。

其三，控制变量。

根据相关文献研究，控制变量选择下面几个指标：

a.财政支出(CZ)

财政支出是最为重要的一个因素，它显示出政府这一在城镇化发展过程中起着举足轻重作用的机构对于城镇化发展的影响，本文将选取各个省(区)的财政支出占名义GDP的比重，代表政府公共投资对城镇化的贡献作用。

b.人力资本(EDU)

人力资本是劳动者素质高低的重要体现。一个地区的人力资本状况的高低往往能够反映一个地区的经济结构的优劣和产业结构的高低。本文将用普通高校的在校生人数占各省总人口的比重来反映人力资本因素对于城镇化发展的作用。

c.固定资产投资(TZ)

固定资产投资形成的固定资产规模是产业产能大小的具体表现，直接推动产能的提高，并且使得经济的集聚效应进一步加强，从而直接推动城镇化的发展。本文将用固定资产投资占名义GDP的比重来表示。

d.产业结构(INS)

一个地区工业化程度越高城镇化水平越高，经济水平越发达，随着工业化进程的推进，产业结构也会相应地做出调整，第一产业的比例逐渐下降，第二、第三产业的比例逐渐上升，产业结构的调整是经济转型升级的重要表现，也是推动城镇化的重要动力之一。本文使用第三产业占名义GDP的比重反映城市经济支柱产业(服务业等第三产业)对城市化进程的贡献度。

四、实证研究结果与分析

1.空间相关性的统计计算与假设检验结果分析

新型城镇化指数与金融集聚的全域Moran’s I指数值及其Z检验结果如表1。

表1 全域Moran’s I指数值及其Z检验结果

注：括号里的数值是全域Moran’s I指数值的显著性检验统计量值。

由表1知，无论是基于空间地理加权矩阵还是基于空间经济加权矩阵的空间相关性分析，新型城镇化发展水平的新型城镇化综合指数和金融集聚规模、金融产出密度的Moran’s I的值均为正值，且置信水平比较高，说明中国各个省域的新型城镇化发展水平和代表金融集聚水平的金融集聚规模、金融产出密度均存在空间正相关性。代表金融集聚水平的金融集聚规模指标的Moran’s I值全部为正值，说明从金融集聚规模这个角度看金融集聚存在空间正相关；而代表金融集聚水平的金融产出密度和区位熵的地理权重Moran’s I的值都为负数，而经济权重Moran’s I基本上都为负数，正值说明省域间的集聚效应具有空间相关性，值越大相关性越强，而负值说明省域间的集聚效应具有空间差异，且值越小空间差异越大。总而言之，中国的金融集聚是具有空间相关性的。

2.数据平稳性与变量协整关系的检验结果分析

第一，面板数据单位根检验结果分析。

为考察数据平稳性，本文采用了面板单位根检验，以弥补传统单位根检验普遍存在的检验效力过低的缺陷。为了保证面板单位根检验结论的稳健性，本文分别采用LLC检验、IPS检验、Fisher-ADF检验和Fisher-PP检验方法。检验结果表明，在5%的显著性水平下，在对所有变量的一阶差分值进行面板单位根检验，其在5%的显著性水平下均拒绝原假设，即这两个变量的一阶差分值是平稳的。

第二，变量协整关系的检验结果分析。

由面板单位根检验可知，所有变量的一阶差分值都是平稳的，因此，可以对新型城镇化综合指数分别于金融集聚规模、金融产出密度、区位熵、财政支出、人力资本、固定资产投资以及产业结构进行面板协整检验，以分析新型城镇化综合指数与各个解释变量以及控制变量是否存在长期均衡关系。本文采用KAO检验方法进行面板协整检验，检验结果表明，7组检验都通过了5%的显著性水平检验，新型城镇化综合指数与金融集聚规模、金融产出密度、区位熵、财政支出、人力资本、固定资产投资以及产业结构都存在长期稳定的协整关系。

3.空间面板计量模型的识别检验结果分析

为识别空间面板模型的基本形式，我们做了似然比检验和Wald检验检验。结果表明，在不同的空间权重矩阵下，Wald_spatial_lag值和LR_spatial_lag值都在5% 水平上显著，拒绝了不存在空间滞后相关的原假设；同时，Wald_spatial_error值和LR_spatial_error值分别在5%水平上显著，也拒绝了不存在空间误差相关的原假设，这些说明需要选用空间面板杜宾模型。

为进一步确定个体影响方式为固定效应还是随机效应，对于不同的权重矩阵，我们分别进行了空间Hausman检验。检验结果表明，普通面板回归模型的p值大于5%，应该接受个体影响与解释变量不相关的原假设，需要选择随机效应的空间面板杜宾模型；而对于空间地理权重矩阵，我们的检验结果显示p值同样大于5%，应该接受个体影响与解释变量不相关的原假设，也应该选择随机效应的空间面板杜宾模型进行估计；对于空间经济权重矩阵，检验结果显示的p值是小于5%的，应该拒绝个体影响与解释变量不相关的原假设，应当选择固定效应的空间面板杜宾模型。

4.金融集聚对新型城镇化发展影响的模型估计结果与分析

第一，模型设定与估计方法。

普通面板数据模型的个体随机效应模型表达式为：

(9)

式中，c是常数截距项；ui、vt、εit分别是空间随机误差分量、时间随机误差分量、混合随机误差分量，三个之间互不相关，各自分别不存在截面自相关、时间自相关与混合自相关；个体随机效应模型使用广义最小二乘法(GLS)进行估计。

基于空间地理权重矩阵的空间个体杜宾随机影响模型。

(10)

式中，ρ1是被解释变量空间自相关项的参数；ρ2是误差项空间自相关项的参数。

常用的空间随机效应模型估计方法主要有极大似然估计法、FGLS估计法与工具变量估计法，本文选用比较成熟可靠的极大似然估计法进行估计。

按照个体影响方式的不同，分别设定如下三种基于空间经济权重矩阵的空间个体杜宾固定影响模型：

基于空间经济权重矩阵的空间固定影响的空间个体杜宾模型表达式为：

(11)

式中cN是个体空间固定影响常数项。

基于空间经济权重矩阵的时间固定影响的空间个体杜宾模型表达式为：

(12)

式中cT是个体空间固定影响常数项。

基于空间经济权重矩阵的时空固定影响的空间个体杜宾模型表达式为：

(13)

第二，模型实证结果与分析。

本文选用的式(9)至式(13)5种面板数据分析模型的参数估计与检验结果如表2所示。

由表2可以发现：

第一，需要使用空间面板计量模型。普通面板回归模型的参数估计值都比较显著，其结果也可以接受，但是它没有考虑到空间效应，所以拟合优度与似然值较低。而根据前面的理论与实证研究，我们可以看到无论是金融集聚还是新型城镇化发展水平都具有空间相关性与溢出效应，还是应该考虑反映空间效应的模型。

第二，无论是中国新型城镇化发展水平还是金融集聚都具有空间相关性。从模型参数估计值及其检验结果，我们可以看到，随机效应模型、空间固定效应模型与时空固定效应模型的新型城镇化指数与金融集聚规模及金融产出密度的参数估计值及空间相关系数都是比较显著为正的，这表明在空间个体影响为随机效应、空间效应或时空效应时，金融集聚不仅能够直接支持新型城镇化发展，而且新型城镇化指数和金融集聚是具有空间正相关性的，空间均质的个体影响部分是显著的。这说明假设3是合理的。

表2 5种实证模型的估计与检验结果

注：*、**、***分别代表10%、5%、1%的显著性水平。

第三，对比基于空间地理权重矩阵的空间个体杜宾随机效应模型与基于空间经济权重矩阵的空间个体杜宾固定效应模型，金融集聚规模与金融区位熵的参数估计值是正负相反的，这说明随着地理距离增大，金融集聚程度较高的金融中心对外的正溢出效应是递减的；而随着经济距离增大，金融集聚程度较高的金融中心对外的正溢出效应是递增的，这可能是产业转移与资本追逐效益大于运输费用与交易成本的作用效果。时间固定效应模型似然值很高，但参数估计值是不显著的，说明在考虑时间效应的情况下，金融集聚有空间相关作用但不显著，个体影响随时间变化的幅度较大、频率较高的，在模型变量之外可能还有其他作用变量。

第四，似然值最大的是基于空间经济权重矩阵的时空固定效应的空间个体杜宾模型。从该模型结果看，金融集聚规模和金融产出密度两个对新型城镇化发展具有显著正向的促进作用，而区位熵对于新型城镇化的正向作用是不显著的，这说明以增加从业人口带来的金融集聚对新型城镇化发展的推动作用是不明显的，惟有提高劳动效率带来的金融集聚对新型城镇化发展的推动作用是高效持续的。

第五，人力资本与产业结构调整都对新型城镇化发展具有正向的促进作用，尤其是人力资本因素，对新型城镇化的正向作用力度最大；财政支出和固定资产投资对于新型城镇化发展存在负向作用，但是作用的系数都相对较小，其实这也在某种程度上提醒我们新型城镇化发展之所以被称为新型城镇化，就是因为它不应该再依赖过去那种粗放的仅仅依靠政府公共投资所带来的发展，而应该转变模式，协调健康发展，增加人力资本投入与产业结构调整，寻找一种新型的发展路径。

5.金融集聚对新型城镇化的空间效应分解结果与分析

金融集聚对新型城镇化的空间效应分解结果如表3、表4。

从表3、表4可以看到，金融集聚对新型城镇化发展的推动作用具有多重空间效应。金融集聚规模与金融产出密度的直接效应为正，间接效应为负，但由于正向直接效果大于负向间接效果，总效应均为正，这说明金融集聚正向地直接与总体上支持了本区域的新型城镇化发展，但是稀缺性资源流动配置通过空间溢出与反馈效应对本区域新型城镇化发展的影响是负效果，而区位熵的直接效应、间接效应与总效应均为负，更是佐证了人力资本流动效应此起彼伏的作用。尽管某些方面的区域发展对新型城镇化发展具有正外部性与规模经济效应，但是从全面系统的新型城镇化发展角度，我们的城市群与城市区域内部与外部的协同发展还很不够，更多地可能是受到绩效竞争与稀缺资源流动配置的影响。

表3 基于空间地理权重的空间随机效应模型的空间效应分解

表4 基于空间经济权重的固定效应模型的空间效应分解

五、结论与启示

本文的理论分析与实证研究表明，中国金融集聚与新型城镇化具有空间相关性；金融集聚支持新型城镇化发展具有直接、溢出与反馈等多重空间效应；金融集聚能够正向直接与总体上支持新型城镇化发展，但是其间接效应是负向的。由此可以得到以下三点启示：

1.从金融集聚与新型城镇化的空间相关性的影响因素入手，创造条件提升金融集聚与新型城镇化的正向溢出效应与空间正相关性。区域技术创新与金融创新、经济基础可以显著地促进金融集聚；人力资本拥有量的增加能够长远地推动金融集聚；为发挥金融集聚的正溢出效应，就要制定差异化的金融产业发展促进政策，创设产业发展基金、风险投资基金等，扶持区域创新能力与技术的提高，实施内涵高效集约式发展，内在地推动产业优化升级；增加教育投资，这为金融集聚与新型城镇化发展提供了智力资本支持，同时也因地制宜地多元化发展新型城镇化。

2.金融集聚对新型城镇化发展具有支持作用，未来新型城镇化发展是任重道远的，健康发展新型城镇化需要金融的高效支持，所以，要全面深化金融集聚，不能只局限于金融集聚规模的提高，要特别注重提升专业化与多元化的金融集聚水平，为新型城镇化发展提供多元化可持续的资金保障；新型城镇化建设涉及到长期巨额低收益的公共投资，要鼓励金融创新，发行地方政府债券，把地方政府债券交易与定价纳入统一债券市场中，构建完整的包含地方政府信用评级技术与限额管理在内的政府信用管理体系，拓展项目融资，以市场化方式创设城镇化发展基金，引领机构体系合理、功能发挥高效与资源配置优化的金融集聚质量提升，提高金融集聚支持新型城镇化发展的服务范围、水平与效率，构建多元、协调、持续、高效的新型城镇化发展金融集聚中心。

3.多区域新型城镇化要协同发展。构建协调发展机制，组建科技金融区域协同创新中心，创造更多的空间正溢出与反馈通道；地理空间相邻、投资消费结构的相似性与产业结构的衔接性是区域经济关联与协同发展的重要因素，但各金融集聚中心与城镇在空间关联网络中的层次、地位及作用不尽相同，中央及当地政府要针对本区域的不同网络功能，实施特定的定向调控发展政策，提升各区域金融集聚推动新型城镇化发展的直接效应及间接耦合效应，既要大力支持双向溢出区域的金融产业快速集聚推动新型城镇化的健康发展，激发区域新型城镇化协调发展的源动力，又要关心提供管道作用的中介地区及受益地区的新型城镇化发展环境，塑造正溢出效应的良好转移接受平台。

[1] 王周伟,柳闫. 中国新型城镇化发展的系统评价与趋势分析[A]. 王周伟.金融管理研究[C]. 北京：生活·读书·新知 三联书店，2014:1-33.

[2] 陈立泰, 刘倩. 我国西部地区金融集聚与城镇化互动关系实证分析[J].城市问题，2012,(9)：17-22.

[3] 王伟, 徐世黔, 赵璐. 适配城镇化视角下中国城市金融发展格局——基于287个地级及以上城市实证[J].城市发展研究，2014,(9)：92-102.

[4] 余泳泽，宣烨，沈扬扬. 金融集聚对工业效率提升的空间外溢效应[J]. 世界经济，2013,(2)：93-116.

[5] 杨义武，方大春. 金融集聚与产业结构变迁——来自长三角16个城市的经验研究[J].金融经济学研究，2013，(6)：55-65.

[6] 曾昭法, 左杰. 中国省域城镇化的空间集聚与驱动机制研究——基于空间面板数据模型[J]. 中国管理科学，2013,(S2)：580-586.

[7] 刘沛, 黎齐. 金融集聚对产业结构提升的空间外溢效应研究——以广东省为例[J].科技管理研究，2014,(10)：187-192，201.

[8] 车欣薇，部慧，梁小珍，王栓红，汪寿阳. 一个金融集聚动因的理论模型[J]. 管理科学学报，2012，(3)：16-29.

[9] 李宝礼，胡雪萍.金融发展会造成人口城镇化滞后于土地城镇化吗——基于安徽省16个地级市面板数据的研究[J].华东经济管理，2014，(12)：18-23.

[10] 王周伟，伏开宝，汪传江，胡德红. 中国省域金融顺周期效应异质性的影响因素研究——基于技术进步与产业调整的空间经济分析视角[J].中国软科学，2014,(11)：27-41.