金融集聚与城市经济绩效的空间相关性研究

2016-12-20李宝礼胡雪萍

统计与决策 2016年23期

关键词：计量效应变量

李宝礼，胡雪萍

（1.安徽科技学院财经学院，安徽蚌埠 233100；2.中南财经政法大学经济学院，武汉 430073）

金融集聚与城市经济绩效的空间相关性研究

李宝礼1,2，胡雪萍2

（1.安徽科技学院财经学院，安徽蚌埠 233100；2.中南财经政法大学经济学院，武汉 430073）

文章基于我国345个城市的空间数据，运用空间计量方法分析了金融集聚与城市经济绩效的空间相关性，通过Moran’s I指数可以看出我国城市经济绩效与金融集聚存在显著的空间相关性；运用SEM模型和SDM模型对2012年我国345个城市的空间数据进行实证研究的结果表明，城市经济绩效和金融集聚对相邻城市经济绩效的提高具有显著的空间溢出效应，人力资本和对外开放度对城市经济绩效的提升有正向作用，但空间溢出效应不显著，政府作用不仅对所在城市经济绩效的提高有正向影响，而且对周边地区有正的溢出效应。

金融集聚；空间溢出；经济绩效；空间相关性

0 引言

随着新型城镇化发展战略的实施，我国城市化水平将会进一步提高，城市作为经济增长发动机的功能将逐步增强。城市经济增长与城市经济绩效密切相关，城市经济绩效是指城市生产投入要素转化为最终产出的效率，城市经济绩效越高，生产要素越能得到最有效利用，要素转化为产出的效率越高，由于固定资产投资在城市经济增长中的作用具有不可持续性，未来我国城市经济增长主要依靠提高城市经济绩效来推动。金融作为现代经济的核心，金融活动和金融机构的空间分布特征以及金融服务的质量、范围对城市经济绩效的提升有直接影响。随着金融资源流动速度的加快，金融活动和金融机构的空间集聚趋势越发明显。

在当前我国推进区域经济一体化的背景下，区域经济的发展受到越来越多的重视，政府希望通过城市群的建设，借助中心城市的辐射作用带动周边区域的发展，从而实现区域经济均衡稳定的发展。因此，在考虑空间经济溢出效应的条件下，研究我国城市经济绩效和金融集聚的空间相关性和异质性，以及金融集聚对城市经济绩效的溢出效应，对我国制定合理的区域发展和金融布局战略有一定的科学参考价值。

纵观已有的研究成果，对区域经济增长研究的空间范围多以省际层面为主，较少以市为研究对象，存在研究尺度偏大的问题；在研究指标的选取上，基本上以地区生产总值的绝对量或增长率作为经济增长的衡量指标，缺少对经济增长的内在动力机制的研究；在研究方法的选取上，已有的研究多以时间序列数据或面板数据计量方法作为研究手段，缺少以空间计量方法来探究变量的空间相关性和异质性，测度相关变量的空间溢出效应。

基于此，本文选取我国345个城市（包括全部地级市和自治州及部分省管县级市）的经济绩效作为研究对象，采用空间计量方法，研究金融集聚与城市经济绩效的空间相关性和异质性，以及金融资源的空间分布特征对相邻城市经济绩效的空间溢出效应，以期对我国制定合理的区域发展和金融布局战略提供思路。

1 变量与数据说明

1.1 变量说明

（1）因变量：城市经济绩效（epf）。城市经济绩效是指要素投入转化为产出的能力，体现了城市生产的经济效率，是城市经济增长的内在动力。本文借鉴新古典增长理论的思想，将全要素生产率（TFP）作为测度城市经济绩效的指标。按照新古典增长理论可以将城市经济增长分解为物质资本、劳动力和技术进步的贡献，但是由于劳动力增长的限制以及资本边际报酬递减规律，城市经济的长期稳定增长的源泉只能来自于技术进步。在新古典增长理论中技术进步对经济增长的贡献就是全要素生产率（TFP）。

式（1）中Y为各城市实际的地区生产总值；K和L为资本和劳动力投入量，本文分别以各城市固定资产投资总额和年末单位从业人员总数作为衡量指量；α表示资本的产出弹性，β为劳动的产出弹性，本文借鉴蔡伟毅、陈学识（2010）的研究成果，将其赋值为α=0.4，β=0.6，满足生产规律报酬不变的约束。根据式（1）可以计算出各城市的全要素生产率（TFP）。

全要素生产率（TFP）是城市经济绩效的衡量指标，它的大小与城市的技术水平有关。随着各地区之间经济交往的日益密切，人和物在不同地区之间的流通速度加快，推动了技术和信息在不同地区，不同城市之间的跨界交流，因此，需要从空间地理经济学的角度，探究城市经济绩效的空间相关性和异质性。

（2）核心解释变量：金融集聚（fin）。本文采用区位熵系数来测算我国345个城市的金融集聚程度。具体计算公式为：

式（2）中 fini表示城市i的金融集聚度，fi为第i个城市的金融机构年末存贷款总和，xi表示第i个城市的地区生产总值，f和x分别表示全国金融机构年末存贷款总和以及全国的国内生产总值。 fini的值越大，说明该地区的金融集聚水平越高，通常认为，如果 fini大1，表示金融业在该城市较为重要。

一般情况下，城市金融集聚程度越高，越有利于技术创新，对所在城市经济绩效的提升有重要的推动作用，同时，金融集聚城市拥有发达的网络系统加快了信息的传播速度，使得新知识和新技术能够跨越地理边界迅速向外传播。因此，可以假定金融集聚不仅对所在城市经济绩效的提升具有正向作用，而且对周边城市经济绩效的改善有一定的溢出效应。

（3）控制变量：①外商直接投资（fdi）。外商直接投资用来衡量城市经济的对外开放程度，城市获得外商直接投资额与该城市对外开放程度呈正向关系。一般认为，城市的对外开放程度高，有利于城市引进国外先进的生产技术和管理经验，对城市经济绩效的提升有正向作用。②人力资本（hr）。受数据可得性的限制，本文以各城市高等学校学生人数作为城市人力资本的代理变量，从理论上看该变量与城市经济绩效之间应存在正向关系。③政府作用（cfz）。本文采用政府财政支出与收入之比作为衡量政府作用的替代指标，一般情况下，政府越强势，其对经济活动的干预就越多，越容易造成财政收支比的扩大。根据国际经验，城市经济绩效的提升与私营企业的科技创新密切相关，政府过多的参与经济活动必然会挤占私营企业的利润空间，政府财政收支缺口的扩大会引起经济资源过多的流向政府部门，造成城市经济效率的降低。因此，本文假定该指标与城市经济绩效呈负向关系。

1.2 数据来源

本文选取2012年中国345个城市（包括全部地级市和自治州及部分省管县级市）数据作为研究对象。原始数据来源于《中国城市统计年鉴》《中国城市建设统计年鉴》《中国区域经济年鉴》，统计口径为市域数据。主要变量的描述性统计如表1所示。

表1 主要变量的描述性统计

2 金融集聚与城市经济绩效的空间相关性分析

空间计量经济学是以空间经济理论模型为基础，以地理信息技术为手段，以空间相关数据的处理和空间相关知识挖掘为线索，运用统计、计量和其他数学方法对各种空间经济现象进行定量分析的学科。空间计量经济理论认为，空间数据具有空间相关性和空间异质性。空间相关性是指地理位置不同的观测数据在空间分布上并不是独立的，而是具有一定的非随机的空间相关模式。空间正相关，是指空间上分布邻近的事物其属性值具有相似的趋势和取值；若空间上分布的相邻事物的属性值具有相反的趋势和取值，则为空间负相关。空间异质性，是指每一个空间区位上的事物和现象都具有区别于其他区位上的事物和现象的特点。

为了验证我国城市金融集聚和城市经济绩效的空间分布特征，本文将运用空间计量方法对变量进行空间相关性检验。常用的空间相关检验包括全局Moran’s I指数、Getis’G和Geary’s C比值，以及基于距离阈值范围的乘法测度；局域空间相关性测度变量的空间聚集性和异质性，常用局部Moran’s I指数和局部Getis’G指数检验。本文使用全局和局部Moran’s I检验相关变量的空间属性，采用的空间计量统计软件为Geoda 0.9。

2.1 基于全局Moran’s I的金融集聚与城市经济绩效的空间相关检验

Moran’s I指数的取值范围在-1到1之间，若空间事物属性正相关，则取值为正；若为负相关，则取值为负；若空间事物属性之间没有相关性，则取值为0。Moran’s I指数的计算公式为：

式（3）中n为城市数目；yi和yj分别表示空间对象在第i点和第 j点的属性值；wij为空间权重矩阵，表示空间对象两点间的连接关系。空间权重矩阵可以通过面积方式、距离方式和可达度方式来构建，本文选用空间对象间的距离来构建权重矩阵，其主对角线上的元素为0。对于Moran’s I指数，可以通过构造Z统计量来检验空间相关性是否存在，一般当 ||Z＞1.96时，存在空间自相关。

图1和图2分别给出了2012年我国345个城市的经济绩效和金融集聚的全局Moran’s I自相关图，其中城市经济绩效和金融聚集的Moran’s I指数分别为0.24和0.135，Z统计量值分别为13.84和7.22，表明我国城市经济绩效和金融聚集各自存在显著的空间正自相关关系，说明我国城市经济绩效和金融聚集的空间分布并非是完全随机的，而是在全局上表现出一定的空间依赖特征。

图1 2012年城市经济绩效的Moran’s I散点图

图2 2012年城市金融集聚的Moran’s I散点图

图3 为2012年我国345个城市金融集聚度与城市经济绩效的全局Moran’s I相关图，其中Moran’s I指数为0.149，Z统计量值为8.93，表明我国城市金融集聚度与相邻城市经济绩效之间存在正的空间相关关系，也就是说，金融集聚水平高的城市与经济绩效高的城市在空间上趋于集聚，说明金融集聚对周边城市经济绩效的提高具有一定的空间溢出效应。

图3 2012年城市金融集聚与经济绩效的Moran’s I散点图

2.2 基于局部Moran’s I的城市经济绩效的空间相关性检验

为了进一步揭示我国不同城市经济绩效分布的空间异质性和依赖性，可以进行局部空间相关性分析，结果如图4所示。图4给出了基于局部Moran’s I的城市经济绩效集聚图，由图4可以看出，各个城市经济绩效的空间分布可以分为4种空间相关模式：经济绩效高的城市被其他高经济绩效的城市所包围（HH）；经济绩效低的城市被其他低经济绩效的城市所包围（LL）；经济绩效低的城市被高经济绩效的城市包围（LH）；经济绩效高的城市被其他经济绩效低的城市所包围（HL）。

图4 基于局部Moran’I的城市经济绩效集聚图

总体来看，我国城市经济绩效呈现空间集聚显著状态的城市数量（共207座）大于不显著城市数量（共138座），其中空间集聚呈HH和LL两种分化模式的城市数量（共157座）高于呈HL和LH模式的城市数量（共50座），因此可以认为，我国各城市经济绩效存在着地理空间分布上的依赖性和异质性。从图4中还可以明显的看出，经济绩效HH集聚的城市主要分布在东部沿海地区，而经济绩效LL集聚的城市主要分在西部地区，中部地区靠近东部沿海的城市经济绩效呈LH集聚模式。我国城市经济绩效的空间集聚特征同我国区域经济发展水平呈东高西低的现状相一致，东部经济发达城市对外的辐射带动作还仅限于周边邻近地区，城市经济绩效的空间溢出效应的强度和范围还有待提高。

3 城市经济绩效影响因素的空间计量分析

3.1 空间计量模型的设定

通过前文的空间相关性分析，已经证明了我国城市经济绩效存在显著的空间相关性，相邻城市的经济绩效之间存在一定的空间依存性和集聚性，需要建立空间计量模型来测度城市经济绩效的空间溢出效应，常用的模型包括空间滞后模型（SLM）和空间误差模型（SEM）。

3.1.1 空间滞后模型

空间滞后模型（SLM）主要用于探求因变量的空间溢出效应，根据空间滞后模型的设定原则，本文的空间滞后模型设定为：

式（4）中lnefp、lnfin、lnhr、lnfdi、lnczf分别是n×1列的观察值向量的对数形式，其含义如前文所示。W为n×n阶的空间权重（下同），W—lnepf为空间滞后因变量，β为解释变量回归系数，ρ为空间自回归系数，其数值的大小反映了相邻城市的空间溢出效应的强度。

3.1.2 空间误差模型

空间误差模型（SEM）假定模型的空间相关通过误差产生，根据空间误差模型的设定原则，将本文的空间误差模型设为：

式（5）中λ表示空间误差项的相关系数，以残差之间的空间相关强度表示地区间的空间溢出效应的大小，lnW—μ表示空间滞后误差项。

3.1.3 空间相关性检验及SLM、SEM的选择

判断城市经济绩效的空间相关性是否存在，以及SLE和SEM模型哪个更合适，除了使用Moran’s I检验外，还可以使用LMERR和LMLAG两个拉格朗日乘数检验，以及它们各自稳健的R-LMERR、R-LMLAG来检验。根据Anselin（1995）提出的判断准则，当 LMERR在统计上比LMLAG更加显著时，并且R-LMERR显著而R-LMLAG不显著时，可以判定最优的模型为空间误差模型，反之，最优的模型为空间滞后模型。

3.1.4 空间杜宾计量模型

为了检验金融集聚及相关控制变量对邻近城市经济绩效的溢出效应，需要引入空间杜宾计量模型（SDM）。本文的空间杜宾计量模型设定为：

式（6）中lnW—fin、lnW—hr、lnW—fdi、lnW—czf分别为金融集聚、人力资本、外商直接投资以及政府作用的空间滞后变量，其系数分别表示各个变量对周边城市的空间溢出效应强度。本文运用空间计量软件Geoda 0.9，并采用极大似然法对上述空间计量模型的参数进行估计。

3.2 空间计量模型的实证结果分析

首先对模型进行忽略空间效应的OLS估计，判断最优的模型形式是SLM模型还是SEM模型，回归结果如表2所示。

表2 模型的OLS估计结果

从表2可以看出，金融集聚对城市经济绩效的影响系数为0.4702，且在1%的显著性水平下通过检验，表明城市金融集聚对自身经济绩效的提高具有显著的正向影响，实证结果与理论假设一致；从控制变量的回归结果看，经济开放度与人力资本均在1%的显著性水平下对城市经济绩效具有正向影响，结果与理论假设一致；政府作用在1%的显著性水平下对城市经济绩效的提高具有正向影响，与理论假设不符，这种结果可能表明，与国际情况相反，我国的技术创新主要是由政府推动的，私营企业从事科技研发的能力不足，对城市经济绩效的提升作用有待提高。

上述回归结果没有考虑城市间的地理空间相关性，根据表2中模型的空间相关性检验结果，Moran指数、LMLAG、LMERR均在1%的显著性水平下通过了检验，表明模型存在很强的空间相关性，需要建立空间计量模型进行分析。同时，LMERR、R-LMERR的统计值明显高于LMLAG、R-LMERR，由此可以判断，相对于SLM模型，SEM模型更优。

基于模型OLS的估计结果，本文分别建立空间误差模型（SEM）和空间杜宾模型（SDM），以消除模型的空间误差问题，并测度被解释变量和解释变量的空间溢出效应强度。本文采用极大似然估计法对SEM模型和SDM的参数进行估计，结果如下页表3所示。与OLS模型相比，考虑空间效应后，模型的总体拟合优度值和对数似然函数值变得更高，并且AIC和SC的显著降低。

根据表3的回归结果，SEM模型和SDM模型中参数λ的值分别为0.6406和0.6141，均在1%的显著性水平下通过检验，说明城市经济绩效的空间效应明显，一个城市的经济绩效提升与周边城市的经济绩效密切相关，相邻地区城市经济绩效的提高对本地的经济绩效有正向影响。城市金融集聚变量在SEM和SDM模型中均对城市经济绩效提升有显著的正向作用，其影响系数分别为0.4692和0.4566，在所有的解释变量中最高，说明城市金融聚集水平的提高对城市科技创新能力的促进作用明显，进而有利于城市经济绩效的提高。

从控制变量的回归结果看，在SEM和SDM模型中，人力资本与对外开放度均在1%的显著性水平下对城市经济绩效有正向影响，实证结果与理论假设一致。一般地，城市人力资本水平越高，知识溢出能力越强，对外开放程度越高，越有利于吸收国外先进的生产技术和管理水平，因而拥有较高人力资本和对外开放度的城市，如北京和上海，其城市经济绩效往往较高。政府作用对城市经济绩效的提升在两个模型中均表现为正向影响，与理论假设不一致，说明我国的技术创新主要是由政府推动的，私营企业从事科技研发的能力不足，对城市经济绩效的提升作用有待提高。

表3 SEM模型和SDM模型的ML估计结果

从表3还可以看出，与SEM模型相比，SDM模型的拟合优度、对数似然函数值较高，且AIC和SC的值较低，说明在模型中引入解释变量的空间滞后项是合理的。从SDM模型的回归结果可以看出，城市金融集聚的空间滞后变量在5%的显著性水平下对城市经济绩效的提升有正向影响，这说明金融集聚通过地理空间机制城市经济绩效提升发挥作用，城市金融集聚度的提高对周边城市的经济绩效提升存在空间溢出效应。人力资本与对外开放的空间滞后变量对城市经济绩效的影响不显著，说明在我国人力资本与对放开放对周边城市经济绩效的提升不存在地理空间的溢出效应。政府作用的空间滞后变量在1%的显著性水平下对城市经济绩效的影响系数为0.3073，说明政府作用对周边城市经济绩效的提升存在地理空间溢出效应，这可能是由于我国地方政府之间存在竞争关系，当政府加大对提高城市经济绩效方面的投入时，会引起邻地区的政府采取同样的措施。

4 结论

本文以城市经济绩效为研究对象，选取2012年我国345个城市的空间数据，尝试从空间经济学角度对金融集聚与城市经济绩效间的关系进行实证研究，结果表明：城市经济绩效和金融集聚各自存在显著的空间相关性，并且金融集聚与城市经济绩效之间存在正的空间相关性；城市经济绩效在地理空间上存在集聚性和异质性特征，东部地区城市经济绩效呈HH型集聚，西部地区城市经济绩效呈LL型集聚。空间误差模型和空间杜宾模型的回归结果表明，城市经济绩效与金融集聚具有显著的正向空间外溢效应，说明本地相邻城市较高的经济绩效和金融集聚水平能够促进本地城市经济绩效的提升；控制变量的回归结果表明，人力资本和对外开放度对城市经济绩效的提升有显著的正向作用，但空间外溢效应不显著，政府作用不仅对本地城市经济绩效的提升有促进作用，而且对相邻城市还具有空间外溢效应。

[1]Risto L R.Financial Geograpy—a Banker,s View[M].London：Rout⁃ledge University Press,2003.

[2]Audress D，Feldman M.Spillovers and the Geography of Innovation and Production[J].American Economic Review,2006,(3).

[3]陈文锋，平瑛.上海金融产业集聚与经济增长的关系[J].统计与决策，2008,(20).

[4]李林，丁艺.金融集聚对区域经济增长溢出作用[J].金融研究，2011,(5).

[5]孙武军，宁宁.金融集聚、地区差异与经济发展[J].北京师范大学学报（社会科学版），2013,(3).

[6]朱文蔚.中国地方政府性债务与区域经济增长的非线性关系研究[J].财经论丛，2014,(12).

[7]毛新雅，翟耀武.中国人口流迁与区域经济增长收敛性研究[J].中国人口科学，2013,(1).

[8]齐玮娜，张耀辉.创业、知识溢出与区域经济增长差异[J].经济与管理研究，2014,(9).

[9]刘林.高等教育和人才集聚投入对区域经济增长的共轭驱动研究[J].经济地理，2013,(11).

（责任编辑/刘柳青）

F830

1002-6487（2016）23-0144-05