基于空间杜宾模型的金融集聚与绿色经济效率研究

许 宁,施本植,唐夕汐b,邓 铭

(云南大学 a.经济学院;b.工商管理与旅游管理学院,云南 昆明 650000)

1 引言

世界经济论坛(WEF)发布的《2016年全球环境绩效指数(EPI)报告》和《2015年全球能源架构绩效指数(EAPI)报告》显示,2016年我国的环境绩效在180个国家中居第109位,能源架构绩效从2014年的第85位降到2015年的第89位,资源和环境问题随着我国经济高速增长日益突出,绿色经济发展成为当前我国可持续发展亟待解决的问题。

金融已成为现代经济发展的核心,金融通过投资与储蓄影响资金流量与存量的结构变化,影响生产要素分配结构[1],带动产业升级,促进经济结构

调整与优化,提高绿色经济发展水平。金融集聚是金融深化发展的必然结果,在全球化和信息化的推动下,金融业呈现出集群发展的新趋势。同时,金融服务开始突破地域边界逐步向周边地区溢出。那么,金融集聚是否能影响绿色经济发展,是否存在空间溢出效应,溢出效应有多大？这一系列问题值得深入探讨。

关于金融集聚对经济增长的影响,国内外学者进行了大量研究,金融集聚不仅对本区域经济的增长有促进作用[2-5]，还能产生空间溢出效应[6,7],对周边其他区域形成辐射效应[8,9],但不同区域金融集聚水平的差异将会导致经济增长出现差异[10],在以银行、证券、保险为代表的三种金融行业中,以银行业集聚所产生的空间溢出效应最为明显[11]。

关于金融与绿色经济效率的相关研究,文献多从全要素生产率角度研究了金融对经济效率的影响。徐晔等利用我国省级面板数据和GWR模型得出:在高水平金融集聚地区,金融集聚对全要素生产率的弹性系数较小,而低水平金融集聚地区的弹性系数相对较大,经济欠发达地区的弹性系数为负[12];张帆认为金融发展能同时促进全要素生产率和绿色全要素生产率增长,金融的促进作用会随着金融发展水平的提高而递减,呈现出非线性关系[13];葛鹏飞等利用“一带一路”跨国面板数据研究了金融发展对绿色全要素生产率的影响,得出金融发展与绿色TFP为负相关关系[14]。也有学者从空间溢出角度研究两者之间的关系,张浩然利用城市面板数据和空间杜宾模型研究得出:金融集聚不但能提高本地的全要素生产率,而且在城市之间存在显著的外溢效应[15];李广析等从技术进步和技术效率两种途径考察了金融发展对全要素生产率的影响,得出直接融资和间接融资主要通过该地区的技术进步、技术效率对全要素生产率产生直接影响,且可通过内生反馈效应对邻近地的全要素生产率产生溢出效应[16]。

综上所述,国内大部分研究文献都集中在金融发展、金融集聚与经济增长、全要素生产率之间的研究,而金融集聚和绿色经济效率之间的研究相对较少,且关于金融集聚对绿色经济效率的影响研究大都采用省级、跨国数据,较少采用城市数据从城市规模、城市群视角进行研究,同时金融集聚对绿色经济效率的空间溢出效应也没有被纳入研究范围。因此,经过对文献梳理,本文将环境资源因素纳入城市经济发展过程中,以全国249个地级以上城市为研究对象,从249个城市、城市规模和城市群视角出发,采用空间杜宾模型研究金融集聚对绿色经济效率的影响及空间溢出效应,并根据研究结果提出相应的对策与建议。

2 模型与数据

2.1 空间自相关性检验

空间相关性检验采用Moran′s I指数来检验变量是否具有空间相关性。Moran′s I指数定义为:

(1)

(2)

式中,dij表示城市i和j之间的地理距离。地理学第一定律表明,空间溢出效应随着空间单元之间地理距离的增加而递减,因此本文采用地理距离平方倒数来表示空间距离权重。Moran′s I指数的取值范围一般为[-1,1],小于0时表示空间负相关,等于0时表示空间不相关,大于0时表示空间正相关。

2.2 空间计量模型的研究设计

为了更好地验证金融集聚对绿色经济效率影响的空间效应,本文采用空间计量模型进行研究。同时,绿色经济效率(gteit)不仅受到金融集聚(aggit)的影响,还受到人力资本(humit)、产业结构(industrit)、基础设施(infrait)、对外开放(openit)、城市规模(sizeit)、政府干预程度(ngovkjit)、政府对科技教育的支持(govkjit)、信息化水平(inforit)的影响。

空间滞后模型(SLM)主要研究相邻区域绿色经济效率对周围地区的影响,即两地区存在空间溢出效应,公式为:

gteit=c+ρ×Wgteit+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+ai+μt+εit

(3)

空间误差模型(Spatial Error Model,SEM):如果本地区绿色经济效率取决于观察到的一组局域特征或忽略掉在空间相关上的一些重要变量(误差项),就构成了空间误差模型:

gteit=c+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+ai+μt+εit

(4)

如果考虑解释变量和被解释变量的空间滞后因素，即为空间杜宾模型。本研究参考了Anselin[17]、LeSage等[18]给出的空间杜宾模型(Spatial Durbin Model,SDM),设定模型为:

gteit=c+ρ×Wgteit+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+θ1×Waggit+θ2×Wlnhumit+θ3×Windustrit+θ4×Wlninfrait+θ5×Wopenit+θ6×Wlnsizeit+θ7×Wgovit+θ8×Wgovkjit+θ9×Wlninforit+ai+μt+εit

(5)

式中,ai为空间特质效应;μt为时期特质效应;W为空间权重矩阵。关于SLM、SEM、SDM之间的选择,主要根据原假设H0∶θ=0和H0∶θ+ρβ=0来进行筛选,选择的方法主要参照Wald检验和LR检验。如果两个原假设都被拒绝,则选择SDM,否则在SLM、SEM之间进行选择。

2.3 直接效应、间接效应和总效应的估计

本文采用Lesage等[19]提出的直接效应、间接效应和总效应来进一步考察金融集聚对绿色经济效率影响的空间效应。我们将空间杜宾模型的形式设为:y=ρWy+αln+Xβ+WXγ+ε,将其变形为:

(In-ρW)y=Xβ+WXθ+αln+ε

(6)

其中:

Sr(W)=V(W)(Inβr+Wθr)

V(W)=(In-ρW)-1=In+ρW+ρ2W2+ρ3W3+…，

(7)

将式(7)展开:

y1y2︙yn=Σkr=1Sr(W)11Sr(W)12…Sr(W)1nSr(W)21Sr(W)22…Sr(W)2n………Sr(W)n1Sr(W)n2…Sr(W)nn

(8)

2.4 变量选取与数据来源

由于部分城市数据缺失,经过筛选,本文最终选取2004—2015年249个地级城市的数据,原始数据来源于2005—2016年的《中国城市统计年鉴》、2005—2016年的《中国区域经济统计年鉴》和Wind数据库。

被解释变量:绿色经济效率(gteit)。本文采用基于非期望产出的Super-SBM模型测算城市绿色经济效率,基于非期望产出的SBM模型可以解决投入要素的“拥挤”或“松弛”现象，考虑到了城市经济发展过程中交通拥挤、环境污染等因素。但SBM模型与传统的DEA一样,不能比较效率为1的DMU之间的差异,因此采用Tone[20]定义的非期望产出的Super-SBM模型可解决以上两个难题,模型构建为:

(9)

(10)

式(9)、式(10)中假设有n个决策单元(DMU),每个DMU由投入m、期望产出r1和非期望产出r2构成;x、yd、yu分别表示相应的投入矩阵、期望产出矩阵和非期望产出矩阵中的元素;ρ表示绿色经济效率值。

非期望产出的Super-SBM模型涉及有投入、期望产出、非期望产出指标。投入指标主要有:土地投入,城市建设区用地面积(km2);用水投入,城市用水总量(万t);用电投入,社会用电量(万kW·h);劳动投入,城市就业总人数(万人);资本投入,固定资产投资总额(万元)。期望产出主要有:经济效益产出,城市国内生产总值(万元);社会效益产出,社会消费品零售总额(万元);生态环境效益产出,市辖区建成区绿化覆盖率(%)、市辖区园林绿地面积(hm2)。非期望产出主要有:城市工业废水排放量(万t)、城市工业二氧化硫排放量(t)、城市工业烟尘排放量(t)。

投入、产出指标选取与处理:国内生产总值、固定资产投资额、社会消费品零售总额全部以2003年为基期的GDP平减指数进行平减处理,固定资产参考吴延兵[21]的做法,采取永续盘存法来核算固定资产存量,计算公式为:Kit=(1-δ)Ki(t-1)+Eit。式中,Kit、Ki(t-1)分别表示i地区t期和t-1期的资本存量;δ为折旧率,文中取δ=9.6%,Eit=Ki0/(δ+g),文中Ki0为2003年的固定资产投资额;g为2004—2015年固定资产投资的平均几何增长率。同时,考虑数据的可得性和工业重污染,非期望产出选取工业排放量近似替代生产量。

控制变量:①人力资本。人力资本是经济发展的重要因素,可促进技术进步和全要素生产率提升[23],为绿色生产提供技术支撑。本文选取普通高等学校在校人数表示,预期为正。②产业结构。城市产业结构调整是一个逐步由第一产业向第三产业转变升级的过程,由于第三产业具有知识密集、技术密集和低污染的特点,因此城市第三产业的比重越高,城市的生产效率、能源利用率、环境效率也就越高。本文选取城市第三产业产值占城市国内生产总值的比重表示,预期为正。③基础设施。城市基础设施改善能为经济发展提供便利的外部环境,降低企业与外部的交易成本,加快传统产业的转型升级,提升经济的运行效率。本文选取城市人均道路面积表示,预期为正。④对外开放。对外开放能通过引进国外的先进技术和管理经验等途径提升城市的经济产出,但当城市对技术溢出的吸收能力不足时,就有可能对城市绿色经济效率产生不确定的影响。本文选取城市年度的实际外商投资额(根据当年人民币平均汇率转换成人民币)占城市国内生产总值比重表示,预期不确定。⑤城市规模。城市规模越大,将有利于人力、物力、财力等要素向城市集聚,进而产生规模经济效应,提升城市产出效率,但城市规模的扩大也会带来拥挤效应,对资源环境产生不利影响,不利于城市绿色经济的发展。本文选取年末城市总人口数来表示,预期不确定。⑥政府干预程度。政府行为如果偏向对行政开支的支持时,将会阻碍城市经济运行效率。本文选取扣除用于科学、教育等方面的财政支出与城市国内生产总值之比表示政府干预程度,预期为负。⑦政府对科技教育的支持。政府可通过对科技、教育等领域的财政支出,提升科技人员的从业比重和人力资本水平,提升城市绿色经济效率,本文采用政府财政支出对科学、教育的支出比重表示政府对科教领域的支持力度,预期为正。⑧信息化水平。信息化水平提高将有利于城市之间劳动力、资本等生产要素的跨区域或远距离流动,将减弱空间地理距离对要素流动的限制,提升城市绿色经济效率,预期为正。同时,为了消除通货膨胀,控制变量中关于货币衡量指标全部采用以2003年为基期的GDP平减指数进行平减消除。

3 实证结果与分析

3.1 空间相关性检验结果

利用Stata14按照式(1)分别计算出2004—2015年我国249个地级以上城市的金融集聚、绿色经济效率Moran′s I指数,并得出相应的Z值见表1。从表1可见,城市金融集聚、绿色经济效率的Moran′s I值均为正值,且在1%显著性水平下通过了空间自相关检验。这说明城市金融集聚和绿色经济效率在全域范围内存在显著的空间正相关关系,意味着构建城市绿色经济效率与金融集聚模型时应考虑空间效应才符合客观事实。

表1 金融集聚、绿色经济效率的Moran′s I指数

注:*、**、***分别代表在10%、5%和1%水平上显著,表2—5、表7同。

图1 2004年金融集聚局域Moran′s I散点图

进一步计算城市金融集聚和绿色经效率的局部Moran′s I指数值,并采用2004年和2015年城市金融集聚、绿色经济效率的局域Moran′s I散点图表示两者的局部空间变动趋势,见图1—4。从两者局域的Moran′s I散点图可见,249个城市的金融集聚、绿色经济效率局部空间关联特征差异明显,大部分城市的局部Moran′s I指数值位于第一象限、第二象限和第三象限,呈现出明显的高—高集聚、低—高集聚和低—低集聚的现象,说明城市的金融集聚、绿色经济效率呈现出空间上的聚集效应。从分析来看,249个地级以上城市的金融集聚、绿色经济效率存在显著的全域空间相关和局部空间相关,说明地理空间因素是影响城市金融集聚、绿色经济效率的重要因素之一。

图2 2015年金融集聚局域Moran′s I散点图

图3 2004年绿色经济局域Moran′s I散点图

图4 2015年绿色经济局域Moran′s I散点图

3.2 空间计量模型的选择与估计分析

通过构建混合OLS模型、空间固定、时间固定、空间时间双固定的非空面板模型来检验是否可以构建空间模型,主要通过LM检验来确定。从表2可见,以上4种模型的LM值在1%水平下显著,拒绝了没有空间误差或空间滞后的原假设,因此模型设计应当选择考虑空间因素的面板模型。

表2 普通面板模型的相关检验

空间效应的存在使各变量之间的关系变得比较复杂,OLS估计不再是最优无偏估计量,根据Anselin[17]的建议应采用极大似然法估计空间模型参数,因此构建SDM、SLM、SEM三种模型来综合考虑各变量之间的相互关系。同时,采用Hausman检验对面板固定效应和随机效应进行选择。

表3 空间计量模型估计结果

从表3可见,Hausman检验在1%显著性水平下拒绝了随机效应模型,因此本文选取空间和时间双固定的固定效应模型。从表3的三种模型估计结果看,空间杜宾模型的log-likelihood和R2值均优于空间滞后模型、空间误差模型,且Wald检验和LR检验同样拒绝了H0∶θ=0和H0∶θ+ρβ=0的原假设,空间杜宾模型不能简化为空间误差或空间滞后模型,选择空间杜宾模型较合理。同时,空间滞后系数(ρ)在1%水平下显著为正,说明城市绿色经济效率存在显著的空间正相关,本地区的绿色经济效率可提升周边地区的绿色经济效率。对表3的空间杜宾模型进行效应分解,见表4。

表4 空间杜宾模型的效应分解

从表4可知,金融集聚对城市绿色经济效率的影响具有显著的正向直接效应及空间溢出效应,金融集聚不但能显著提升本地的绿色经济效率,而且能通过空间溢出效应,提升周边地区的绿色经济效率。一般而论，金融集聚水平每提高1%,将会提升本地绿色经济效率0.106%,同时提升周边地区绿色经济效率0.187%,对本地区和周边地区的总提升效率为0.293%。事实上,金融集聚可通过“磁铁效应”和“外部效应”形成金融资源数量增加、质量提升的内在机制,推动形成规模经济、范围经济、技术经济、绿色共享等发展格局,影响绿色经济发展的质量和水平。

在控制变量方面,产业结构优化可同时提升本地及周边地区的绿色经济效率,间接效用大于直接效用。城市规模促进了本地区绿色经济效率的提升,但对周边地区的绿色经济效率具有一定的抑制作用,说明一个地区的城市规模越大越容易对周边邻近地区产生“虹吸效应”,引起周边地区的科技、人才等要素向本地区聚集,提升本地区的经济运行效率,抑制周边地区的经济发展水平。基础设施能促进本地绿色经济效率的提升,但对周边地区的影响不显著,可能是由于我国城市之间的基础设施建设不配套,需要进一步加强。但基础设施的总效用为正,在10%水平下显著,说明在基础设施的双重效应下,对绿色经济效率的提升具有促进作用。同时,政府干预的直接效应、间接效用和总效用均不显著,基本符合预期。政府对科技教育的支持能提升本地区的绿色经济效率,对周边地区的提升作用不显著,说明政府对科技教育的支持在提升绿色经济发展水平方面还没有充分发挥作用。人力资本对绿色经济效率的提升作用不显著,可能是由于核心城市汇集了大量的高素质人才,而中小城市却以低技术水平的工人为主[24],造成区域间的人力资本水平差距较大,不利于城市绿色经济效率的提高。信息化也未能对绿色经济效率的提升产生促进作用,可能是由于城市间的信息化水平存在显著的“网络外部性”,只有城市间形成有效的联系网络才能发挥其作用。对外开放的直接效用、间接效用和总效用都不显著,原因在于我国不同地区的经济发展水平差异较大,对技术溢出的吸收能力存在较大差异,不能充分吸收外商投资所带来的先进管理经验和技术。同时,一些发达国家出于考虑本国的产业升级和环境政策,将一些技术含量低、高污染、高能耗的低端产业转移到我国,造成以外商直接投资衡量的对外开放对绿色经济效率的提升并不显著。

3.3 不同城市规模的实证分析

不同规模等级的城市发展状况不同,金融集聚、经济发展水平也各有差异,因此有必要从城市规模等级的特征出发来验证金融集聚对绿色经济效率的影响。本文根据市辖区人口规模的不同,将我国249个地级以上城市划分为特大城市(43个)、大城市(72个)、中等城市(93个)和小城市(41个)4种类型(根据城市市辖区年末人口总数,可将城市规模分为4类:特大城市200万人以上、大城市100—200万人、中等城市50—100万人、小城市50万人以下),分别考察不同城市规模下金融集聚对绿色经济效率的影响,估计结果见表5。

表5 不同城市规模空间杜宾模型的直接效应、间接效应和总效应

由表5可知,特大城市、大城市金融集聚对绿色经济效率的直接效应、间接效应和总效应都显著为正,中等城市、小城市金融集聚对绿色经济效率的直接效应、间接效应和总效应均不显著,这意味着特大城市、大城市金融集聚不仅能显著提升本地区的绿色经济效率,还对周边及其他地区的绿色经济效率提升存在明显的空间溢出效应,且城市规模越大,金融集聚对绿色经济效率的空间溢出效应越显著。中小城市的金融集聚对本地区及周边地区的绿色经济效率影响均不显著。

产生以上差异的主要原因在于:城市经济规模和人口规模是影响金融产业集群的重要因素[25]。金融集聚地通常位于城市经济、人口规模较大的城市,整体上呈现城市金融业集聚与城市规模高度吻合的格局。根据中国金融中心指数和新华·道琼斯国际金融中心发展指数可见,金融中心的形成与城市规模之间存在较紧密的关联。金融业集聚在规模较大的城市有助于金融企业靠近大型公司总部和市场,满足非标准化产业、高效率企业和研发活动的资金需求[26],与其他行业能更好地匹配,确保金融集聚的持续性。一方面,特大城市、大城市拥有较大的经济体量,具有大规模的资金需求,发挥其信息搜集和处理的规模经济优势,分散企业技术创新风险,提升城市绿色经济效率。另一方面,特大城市、大城市在城市管理和信息交流与传播等方面具有明显优势,由于金融服务受传统的运输成本等因素的限制较小,特大城市、大城市的金融机构可通过信息技术快速低成本地获取和反馈相关信息,为金融集聚的空间溢出提供技术保障,也为远距离服务周边地区的绿色经济提供了可能性。而中小城市的经济体量相对较小,制造业和服务业比较落后,难以吸引大企业入驻,容易产生金融需求不足,且大量资源配置到无法与当地实体经济产生实际关联的金融服务部门[27],难以获得金融集聚收益。

3.4 不同城市群的实证分析

本文根据《国家新型城镇化规划(2014—2020年)》和国家发展改革委《关于加快城市群规划编制工作的通知》的相关说明,同时考虑数据的可得性,选取珠三角、长三角、京津冀、长江中游、成渝五大国家级城市群作为研究对象(五大城市群范围见表6),考察金融集聚对绿色经济效率的影响,估计结果见表7。由表7可知,珠三角、长三角城市群金融集聚对绿色经济效率的直接效应显著为正,而其他三大城市群金融集聚的直接效应不显著,五大城市群金融集聚对绿色经济效率均不存在显著的空间溢出效应。由此可见,在五大城市群中,长三角、珠三角城市群金融集聚仅能显著促进本地的绿色经济效率提升,其他三大城市群金融集聚对本地区及周边地区绿色经济效率的影响均不显著。主要原因在于:在五大城市群中,城市圈中心城市代表城市发展的最高水平,其腹地城市经济发展水平、金融发展水平和外部环境等与中心城市差距较大,导致中心城市与腹地城市的金融联动较弱,制约了腹地城市对中心城市金融辐射效应的吸收,导致金融集聚对城市绿色经济效率的空间溢出效应不显著。在京津冀城市群中,2013年北京的金融业增加值为2822.07亿元,占GDP比重为14.47%。相比之下,所处城市圈内腹地城市的唐山金融业增值为150亿元,仅占GDP比重2.45%。无论从总量还是比重上看,唐山与北京差距悬殊,产业层次落差大,导致与北京之间只是一种松散的经济关系。

表6 五大城市群范围

表7 五大城市群空间杜宾模型的直接效应、间接效应和总效应

4 结论与启示

4.1 结论

研究结论显示：从全国层面来看,金融集聚不但能提升本地区的绿色经济效率,而且能通过空间溢出效应,提升周边地区的绿色经济效率。一般而论，特大城市、大城市拥有雄厚的经济实力、完善的信息技术基础设施等优势,金融集聚不仅能显著提升本地区的绿色经济效率,还对周边及其他地区的绿色经济效率提升存在明显的空间溢出效应,且城市规模越大,金融集聚对绿色经济效率的空间溢出效应越显著。中等城市、小城市相对特大城市、大城市而言,经济体量较小,制造业和服务业比较落后,金融需求不足,容易导致金融集聚对本地区及周边地区绿色经济效率的影响均不显著。在五大城市群中,由于中心城市与腹地城市的金融联动比较弱,制约了腹地城市对中心城市金融辐射效应的吸收,导致金融集聚对城市绿色经济效率的空间溢出效应不显著。

4.2 启示

如果要进一步提升金融集聚对城市绿色经济效率的贡献度,必须充分发挥市场在金融资源配置中的作用,盘活信贷存量,降低实体经济的融资成本,让金融切实有效地服务实体经济;必须进一步加大金融业对技术创新,特别是绿色技术创新的金融支持力度,疏通金融支持绿色环保的通道,积极引导金融资本更多地投入运行效率高、环境污染小的产业,引导金融资源更多地流向低碳经济、循环经济和创新经济领域。

各级政府应加强信息化建设,尤其是金融信息化建设,加大对科技、人才的投入力度,降低信息交易成本,加强与周边省市金融产业的交流与合作,为增强金融集聚的空间溢出效应提供有利的外部环境。同时,还要根据不同的城市规模与等级,制定不同的金融政策,力争使金融集聚与城市经济总量、人口规模相匹配。特大城市、大城市应进一步推动金融业的集聚发展,为金融资源跨区间的合理流动提供有力的保障,中小城市应根据自身经济发展的特点,构建专业化金融体系,大力支持少数标准化制造业的发展。在今后一段时期,我国尤其要重视以城市圈、经济圈为核心,通过政策引导、财政支持和规划布局等手段,构建“多点带面”的多层次金融发展布局,努力在各城市群内部形成比较优势突出、职能分工明确的金融业发展格局。此外，要加快中心城市腹地信息基础设施、金融配套服务设施建设,强化中心城市与周边城市的金融联动性,逐步形成中心城市带动周边城市的“中心—腹地”联动发展格局,为发挥城市圈金融集聚对绿色经济的空间溢出提供物质保障。