金融空间分布与产业布局研究——兼论对京津冀协同发展的启示

■陶娅娜

增强金融服务实体经济能力，促进经济和金融良性循环、健康发展，是金融工作的根本遵循，也是当前研究金融深化和经济增长关系最为关注的现实问题。特别是在党的十九大提出区域协调发展战略背景下，研究金融资源空间分布差异以及金融集聚对实体经济发展的空间溢出效用，能够为科学制定城市金融业规划和产业发展规划、推动落实区域协同发展战略提供政策指引。本文在空间经济学研究框架下，利用空间计量建模及估计方法，对金融资源空间分布与结构差异影响产业布局的微观作用机制进行了理论研究和数值模拟分析，认为金融业集聚对产出的影响存在阈值效应且二者呈“倒U型”关系；区域金融集聚和产业集聚存在显著的空间自相关性；金融业集聚指数存在显著的正向空间溢出效应；金融异质性程度与信息扩散强度的提高可以强化区域金融合作，增强金融服务的溢出效应。鉴于此，发挥金融力量助推地方经济发展和产业转型升级，推动区域协同发展应注意：优化区域发展空间布局和功能定位，兼顾区域协调，实现金融资源在地理空间内的优化配置，加强区域金融信息共享，扩大金融服务正向溢出。

一、引言与文献综述

增强金融服务实体经济能力，促进经济和金融良性循环、健康发展，是金融工作的根本遵循，也是当前研究金融深化和经济增长关系最为关注的现实问题。特别是在党的十九大提出区域协调发展战略背景下，研究金融资源空间分布差异以及金融集聚对实体经济发展的空间溢出效用，为区域产业布局和经济协调发展提供强大金融支撑，能够为科学制定城市金融业规划和产业发展规划、推动落实区域协同发展战略提供政策指引。具体到京津冀协同发展战略的贯彻落实，更加需要紧扣北京非首都功能疏解和雄安新区建设两大历史任务，优化设计京津冀三地的产业布局和与之相适宜的金融供给框架，充分发挥金融支持国家战略建设、支持经济发展的助推作用。为此，本文拟从空间维度考察金融资源的空间分布与结构差异对产业和经济发展的影响，重点关注三个问题：一是金融集聚对经济增长是否存在空间溢出效应；二是金融业空间分布如何影响产业布局和经济增长；三是在关注金融空间分布和区域要素差异条件下，如何促进区域产业布局空间优化和经济协同发展？本文的研究不仅可以从空间维度丰富对金融集聚与经济增长关系的认识，同时也可以为区域经济金融协调发展提供决策参考。

关于产业集聚和经济增长关系的研究，早期文献一般认为，经济聚集有显著的技术溢出效应并能促进经济增长（Sviekauskas，1975）。但是随后诸多研究又否认了产业集聚和经济增长的正相关关系。其中，大部分文献支持产业集聚发展到一定程度后，对经济增长存在一定的抑制，即产业集聚与经济增长之间存在“倒U型”的非线性关系。例如：Brulhart&Sbergami（2009）的跨国分析显示，在经济发展的初期阶段，产业集聚对GDP增长具有促进作用，超过某一临界值后，产业集聚对经济增长的影响不再显著；吴颖和蒲勇健（2008）基于空间经济学方法的研究发现，区域过度集聚对区域总体福利具有负面影响，区域协调发展的关键在于适度集聚。在产业集聚与经济增长关系的研究中，金融业集聚与经济增长成为了一个重要分支。自Shaw（1973）等提出金融深化论和金融抑制论以来，既有研究从理论和实证角度分析了金融深化与经济增长的关系。其中：Beck et al.（2000）研究发现随着金融发展水平的不断提升，金融发展对经济增长的促进作用不断下降；Rioja&Valeve（2004）发现金融发展与经济增长的关系随着金融发展水平的高低而变化，仅在金融发展处于中等水平的国家，金融发展对经济增长具有较大影响。国内学者也对中国金融发展与经济增长的关联进行了研究，且随着我国金融深化加深，近期的实证研究更倾向于认为金融发展与经济增长的关系是非线性的。例如：杨友才（2014）认为中国的金融发展对经济增长表现出边际效率递减的非线性特征；刘金全和龙威（2016）以金融发展水平作为门限值，发现当金融发展位于门限值以下时，具有显著正向影响；在门限值以上时，金融发展对经济增长的拉动作用并不显著。

上述研究往往将各个国家或者地区视为相对独立的个体，金融的非实体性使其边缘化“距离摩擦”（张辉，2016），忽略了金融的地理区位和空间分布等地理特征，而将导致金融同质化。但现实中，金融具有极强的异质性和不规则性，存在明显的地理特征。尤其对于处于经济转轨期的中国而言，要素市场限制、行政壁垒制约、金融市场分割等因素导致区域间金融资源分布、金融市场结构、发展水平等方面的差异更为明显，区域产业发展和经济增长存在较强的空间非均衡特征。以京津冀二元经济结构为例，北京承载了较多的人口、行政、金融等资源，大城市病明显，而河北经济金融发展较为落后。京津冀区域内金融资源的异质性也充分体现了京津冀城市间发展水平的不均衡。随着空间计量经济学的研究逐渐深化（Anselin，1987；Lesage et al.，2009），国内学者开始将空间计量方法应用于我国金融布局、产业升级和经济增长中的空间效应研究。例如：王修华和黄明（2009）认为我国金融资源空间分布呈现非均衡态势；利用各个区域的差异和互补共生性来实现金融资源空间分布的协调与优化，形成区域间互补型的金融资源空间分布结构，能够提高金融资源的整体空间配置效率。孙晶和蒋伏心（2013）验证了金融集聚对区域产业结构升级的空间溢出效应。周海鹏等（2016）的研究结果表明，金融产业集聚和经济增长存在明显的空间自相关，金融产业集聚对经济增长规模和经济增长质量均有正向促进作用。

本文的创新之处在于：一是试图理清金融业集聚、产业集聚与经济增长三者间的逻辑关系。产业集聚和产业布局很大程度上受金融业集聚的影响，即产业集聚和产业布局在金融集聚对经济增长影响的作用中发挥了重要的渠道作用，而对中国金融业集聚的已有研究中，大多仅限于探讨金融业和产业结构、金融业与经济增长的关系。二是通过构建包含区域内金融异质性指标的空间计量模型，深刻模拟刻画金融的空间分布特征，更好地契合现实经济运行，增强了模型的现实拟合性。已有研究对金融业集聚的度量方法较为单一，常用指标为金融业增加值占GDP比重、存贷款余额占GDP比重等，这些指标往往侧重于描述金融业总体规模，而忽视了金融业发展中金融资源的分布特征。例如，北京和上海都属于金融业集聚水平较高的区域，但北京侧重以银行业为代表的总部金融，上海则侧重于多元化金融市场、外资金融等。仅用金融业总体规模指标难以描述上述差异。本文的研究思路是：首先，基于区位熵方法，采用中国2007～2016年的省际面板数据，对各省市产业集聚水平进行测算，并对产业集聚与经济增长的关系进行研究，着重分析金融因素对产业集聚和经济增长的影响；其次，运用阈值回归模型验证产业集聚、金融集聚与经济增长的关系。再次，构建邻接空间权重矩阵表征区域金融集聚和产业增长的空间关联关系，以多样化的空间面板数据模型，实证测度金融集聚对产业集聚的空间溢出效应，通过量化区域金融异质性指标刻画金融空间分布，并多维度考察金融空间分布差异导致的产业空间布局变化，以研究金融资源空间分布与结构差异对产业布局和经济发展的作用机制；最后，基于研究结果，对更好发挥金融力量助推产业转型升级和区域协同发展，尤其是京津冀区域协同发展提出具有可行性的政策建议。

二、产业集聚与经济增长

（一）产业集聚指数构建

产业集聚严格来说是一种经济活动的地理现象。区位熵度量了地区产业的集中度，是区域产业聚集的常用方法。本文采用区位熵来计算各省市的产业集聚指数。i区域内j行业的区位熵Eij为

分子为区域i内行业j的产值占该地区生产总值的比例，分母为全国范围内，行业j的产值占生产总值的比例。其中：如果Eij＞1，则表明区域i内行业j处于相对聚集状态；如果Eij＜1，则表明区域i内行业j处于相对发散状态。

本文选择研究的行业有工业、建筑业、房地产业①用于计算房地产业集聚的房地产业增加值是指按市场价格计算的一个国家（或地区）所有常住单位在一定时期内从事房地产业生产活动的最终成果。、金融业、其他服务业。工业和建筑业组成了第二产业。第三产业中，房地产业和金融业增加值占GDP比重较高，且都属于资本集聚型行业，具有一定的代表性，因此单列计算。其他第三产业行业一并计入其他服务业。数据来自国家统计局。根据2016年各省和直辖市工业、房地产业及金融业的集聚指数可以看出②由于文章篇幅受限，2016年各省和直辖市工业、房地产业及金融业的集聚指数的图表未给出，留存备索。，工业方面，河北、吉林等传统工业省份的工业集聚指数较高；房地产业方面，海南房地产业占GDP比重较高，房地产业集聚指数居于全国首位，广东、上海和北京分列二至四位；金融业方面，上海和北京两大金融中心的金融业集聚远超其他区域。各行业集聚指数符合各省和直辖市的实际情况。

（二）阈值回归模型

本文采用Hansen（2000）提出的阈值回归模型来验证经济增长和产业集聚的关系。传统的阈值回归模型通常基于外生样本分离方法，即阈值是任意选择的，而不是经济内在机制决定的。本文猜想产业集聚对经济增长的影响总体呈现先促进后抑制的“倒U型”非线性关系，但对产业集聚到何种程度开始抑制产出需要进一步测定。Hansen（2000）解决了这一问题，将阈值变量设定为不需要给定非线性方程的形式，阈值完全由样本数据内生决定。模型设定如下：

其中，被解释变量yi为人均GDP。解释变量xi主要为产业集聚指数，产业集聚指数的定义为多个产业的区位熵均值，从而反映区域i多个行业总体上的产业集聚程度。区域i的产业集聚指数为：

根据2016年各省市产业集聚指数可知③由于文章篇幅受限，2016年各省市产业集聚指数的具体图表未给出，留存备索。，北京和上海的产业集聚指数较高；西藏由于基础设施建设规模占比非常高，建筑业集聚远超其它地区，最终拉升了整体的产业集聚指数。

另外，选取人均固定资产投资作为产出的控制变量。阈值变量qi同样为产业集聚指数。这里，产业集聚指数不仅是阈值变量，也是解释变量。对于样本数据中，是否确实存在某一阈值γ̂，使得经济机制出现结构变化，需要构造LM统计量进行显著性检验。不存在阈值的零假设为H0：θ1=θ2。经LM检验，拒绝了不存在阈值的假设，可认为产业集聚指数与经济增长的关系存在阈值效应。对阈值回归模型进行最大似然估计，由结果可知，在产业集聚初期，随着产业集聚程度增加，即产业集聚指数较小时，产业集聚对产出的回归系数为正，且在1%的显著性水平下显著，表明产业集聚对GDP具有促进作用。但指数超过阈值（1.22）后，其回归系数显著为负，表明产业集聚的持续增强反而会抑制产出，验证了产业集聚与经济增长的“倒U型”关系。

表1 产业集聚与经济增长关系的回归结果

2016年的数据中，北京和上海的产业集聚指数超过了阈值，主要由于其房地产业和金融业的集聚指数过高。应发挥北京和上海的金融业的总部优势，引导金融脱虚向实，促进各产业均衡发展。河北的金融业集聚指数偏低，工业集聚指数偏高。应大力发展金融业、增加金融业的集聚程度，从而促进金融服务实体经济。北京和上海的产业集聚指数中，金融业是集聚指数最高的子行业，是两地产业集聚指数的主要贡献，有必要对金融业集聚与经济增长的关系展开研究。表2是被解释变量yi仍为人均GDP，而将解释变量xi和阈值变量qi由产业集聚指数替换成金融业集聚指数的阈值回归结果。可以发现：同产业集聚指数相似，金融业集聚对产出的影响同样存在阈值效应。在金融业发展的初级阶段，金融业集聚将促进产出增长，但如果金融业过度集聚，回归系数由正转负，且在1%的显著性水平下显著，表明金融业过度集聚存在资金脱实向虚的风险，从而抑制实体经济增长。

表2 金融业集聚与经济增长关系的回归结果

此外，本文使用同样的方法研究工业集聚指数对经济增长的影响后发现，我国的工业集聚指数与产出没有显著的阈值效应。原因可能是相比发达国家，我国的工业化程度仍有不足，即使是工业大省，其工业集聚指数的绝对值也不高，较之北京、上海的房地产业、金融业集聚指数差距较大。这表明目前，我国产业集聚对经济增长的非线性影响关系中，金融业集聚的影响占了很大比重。可以认为，金融因素在产业集聚中会发挥重要作用。因此，本文进一步基于空间计量模型，考察金融因素对产业布局和经济发展的作用机制。

三、金融因素对产业集聚的影响

（一）数据来源和变量选择

本文选择中国省际面板年度数据（样本中不含港澳台地区）研究金融业集聚对产业集聚的影响，样本区间为2007～2016年。数据来自国家统计局和Wind。被解释变量为采用区位熵方法计算出的产业集聚指数。解释变量包括：

1.金融业集聚指数。金融业集聚指数的计算方法同样为区位熵。i区域内金融业的集聚指数Ei为

考虑到目前我国大部分地区金融业发展水平仍有完善的空间，金融业发展仍将促进产业集聚与经济增长。预计金融业集聚和产业集聚整体上具有正向相关关系。

2.金融机构异质性。金融机构异质性提高意味着金融服务不同产业能力的提升，预期有利于产业均衡化发展。本文使用各地不同金融机构的营业网点数量占金融机构总数量比重的标准差来计算金融机构异质性。统计的金融机构种类包括：大型商业银行、政策性银行、股份制商业银行、城市商业银行网点、小型农村金融机构、信托公司、邮政储蓄、外资金融机构、新型农村金融机构。

3.融资渠道异质性。融资渠道异质性的提高意味着金融服务产业渠道的多元化，预期将有利于产业均衡化发展。本文通过计算各地信贷、股票、债券融资金额占社会融资规模总量比重的标准差来度量融资渠道异质性。

4.金融信息传播能力。预期金融信息传播能力的增强将提高金融服务的辐射能力，从而使金融资源的跨区域流动更加便利，将有利于产业均衡化发展。本文通过计算各地网民普及率与移动电话用户普及率之和来度量金融信息传播能力。

5.其他控制变量。包括投资和对外开放程度，分别以固定资产投资占GDP比重和对外直接投资流量占GDP比重度量。

（二）空间计量模型设定

Anselin（1987）考虑了空间数据的非匀质性后建立空间计量模型，主要包括将空间滞后被解释变量纳入模型中的空间自回归模型（SAR）以及将空间滞后误差项纳入模型中的空间误差模型（SEM）等。空间误差模型（SEM）在解释变量中加入空间滞后误差项，参考张辉等（2016）的研究，本文将方程设定如下：

空间自回归模型（SAR）在解释变量中加入空间滞后算子Wc。Wc的计算方法为标准化空间权重矩阵乘以原空间相关变量c，即Wc=W∙c。

SAR的回归方程设定如下：

（三）空间权重矩阵设定

空间权重矩阵度量了不同地区间经济社会联系的紧密程度，空间距离法是最常用的一种构建方式。Kelejian&Robinson（1995）对该方法中空间相邻的定义进行了详细的讨论。本文采取Rook相邻，即根据两省市地理位置上是否拥有共同边界定义空间权重，考察地理因素的重要性。其中，“1”表示空间单元相邻，“0”表示空间单元不相邻。具体估算中，本文对相邻矩阵进行标准化处理，通过矩阵变化，使得每一行之和为1，空间权重矩阵就是所有空间单元与单元在相邻关系中的权重①由于文章篇幅受限，我国内地31省市的邻接矩阵图未具体给出，留存备索。。

（四）空间相关性检验

判断经济活动是否存在空间相关性检验以及选取空间模型形式，需要用到Moran′s I检验和拉格朗日乘数形式LMlag、LMerr等。Moran′s I指数是最早应用于全局空间相关性检验的方法。定义如下：

其中，n是研究区内地区总数，ωij是空间权重。当空间权重矩阵的设定为邻接矩阵时，区域i与区域j相邻，ωij=1，否则，ωij=0。 xˉ=xi/n是属性的平均值。I的取值在-1到1之间。大于0表示正相关，即相似属性会产生集聚（高值与高值相邻、低值与低值相邻）；小于0表示负相关，即相异属性会产生集聚（高值与低值相邻）；接近0表示属性是随机分布的，不存在空间相关性。此外，LMlag、LMerr指数分别用于检验被解释变量和扰动项是否存在空间滞后自相关。

四、计量检验与结果分析

（一）空间相关性检验结果

基于邻接空间权重矩阵，本文采用Moran′s I指数和拉格朗日乘数形式LMlag、LMerr对中国省际金融因素对产业集聚影响的全局空间相关性进行检验，得出检验结果见表3。

表3 空间相关性检验结果

检验结果显示：一是Moran′s I显著为正，表明金融业集聚具有显著的正向外溢效应，金融业布局存在高度的空间集聚特征，验证了建立空间计量模型研究金融集聚与产业集聚关系的必要性。二是LMerr、LMlag等统计量值都十分显著，表明被解释变量和扰动项存在空间滞后自相关。考虑分别建立空间误差模型（SEM）和空间自回归模型（SAR）以度量金融因素对产业集聚的影响。

（二）空间面板模型估计结果

为对比验证计量结果的稳健性，本文采用纳入空间滞后误差项的空间误差模型（SEM）和纳入空间滞后被解释变量的空间自回归模型（SAR）两种方法分析空间溢出效应，估计结果分别见表4和表5。

表4 空间误差模型（SEM）估计结果

SEM和SAR的回归结果均显示：第一，金融业集聚指数的回归系数为正且在1%的显著性水平下显著，这在一定程度上说明区域间金融发展水平的提高对实体产业发展具有正向影响。第二，空间误差模型中变量λ和空间自回归模型变量ρ都为正，且在1%的显著性水平下显著，表明了金融业集聚对产业集聚的影响存在显著的正向空间溢出效应。第三，作为控制变量的投资和产业集聚呈现正相关关系。第四，考虑金融机构异质性、融资渠道异质性、金融信息传播能力与金融业集聚指数的交叉项后，发现金融业集聚指数的回归系数减小。这表明在提高金融机构异质性、融资渠道异质性、金融信息传播能力后，金融业集聚对产业集聚的边际效应有所减弱。提高金融机构异质性、融资渠道异质性，能够扩大金融资源的辐射效应，提高金融信息传播能力能够促进金融服务跨区域流动。随着金融服务水平的提高，金融中心的产业分散化作用有助于实现产业的均衡化发展。

表5 空间自回归模型（SAR）估计结果

五、结论和政策建议

本文在空间经济学分析框架下，对金融空间分布影响产业布局的机制进行了理论研究和数值模拟分析，并运用2007～2016年中国省际面板数据进行了实证检验，得出结论：首先，通过阈值回归发现，在产业发展初期，产业集聚程度的增加对产出具有显著的促进作用；而当产业集聚指数高于阈值，则将抑制产出增长。与之一致，金融业集聚对产出的影响同样存在阈值效应。在金融业发展的初级阶段，金融业集聚将促进产出增长，但若过度集聚，则可能抑制实体经济增长。尤其在产业集聚对经济增长的影响中，金融业集聚的影响占很大比重。其次，空间自相关检验发现，区域金融集聚和产业集聚存在显著的空间自相关性。再次，空间误差模型（SEM）和空间自回归模型（SAR）的实证结果表明：金融业集聚指数存在显著的正向空间溢出效应；投资和产业集聚呈现正相关关系；随着金融机构异质性、融资渠道异质性、金融信息传播能力的提升，金融业集聚对产业集聚的边际效应有所减弱，推动产业的均衡布局和区域经济协调发展；提高金融机构异质性、融资渠道异质性，能够扩大金融资源的辐射效应；提高金融信息传播能力能够促进金融服务跨区域流动，推动实现区域金融一体化。

结合本文的理论分析和实证检验，金融空间分布对实体产业区位选择的影响在不同的约束条件下，效应也存在较大差别，相关结论在解释京津冀协同发展时尤为适用。据此，本文提出政策建议。

第一，优化区域发展空间布局和功能定位，促进共同驱动、联动发展。鉴于经济增长和产业集聚的“倒U型”关系，不同地区在制定产业政策时，应充分立足自身资源要素禀赋优势和产业发展阶段，构建与城市战略定位、承载能力相适应的产业体系，促进产业空间布局的优化和良性发展，尤其要避免大城市产业集聚过度导致的不利后果，提高欠发达地区产业集聚水平。在京津冀协同发展过程中，应抓住北京城市副中心建设和河北雄安新区建设机遇，着力提升区域经济流动的均衡性，促进京津资源向河北有序流动。尤其北京现阶段应将减量集约作为重点，从集聚资源求增长转变为疏解功能谋发展，着力推进腾笼换鸟、效率提升、结构优化、动能转换和城市功能优化，围绕构建“高精尖”经济结构和“突出对外开放、优化营商环境”的原则，促进与首都城市战略定位相契合的经济发展新动能的集聚；而河北应将积极承接北京非首都功能疏解和产业转型升级同步考虑，着力提升产业发展层次和产业发展水平，促进产业体系向低碳化、高端化转型。

第二，建立与经济发展相适应的金融服务体系，同时兼顾区域协调，实现金融资源在更大地理空间范围内的优化配置。考虑到金融业的空间联系和空间溢出效应，应注重金融资源的空间配置与产业布局的匹配度，将服从服务于经济社会发展作为金融工作的出发点和落脚点。适应产业转型升级需要，把更多金融资源配置到经济社会发展的重点领域和重点环节，同时兼顾区域协调，实施错位发展。政府在引导产业集聚时，应结合城市发展战略和资源禀赋优势合理规划金融布局，避免资源错配。尤其不同产业在发展模式、资本结构、风险收益等方面存在差异，这也决定了其金融需求将有所不同，一个地区的金融供给（金融机构、资金数量、资金成本、金融产品等）应与其产业的金融需求相适应，过多或过少的金融投入都容易造成资源错配。以雄安新区为例，高起点布局和构建实体经济、科技创新、现代金融、人力资源协同发展的现代产业体系，就必须积极吸纳和集聚更多的创新金融要素资源。

第三，完善金融供给，推进金融改革创新，提升区域整体金融体系活力和资源配置效率。在提升金融机构与融资渠道异质性方面，应围绕支持实体经济转型发展，拓展金融市场的宽度和深度，提供更加多元化和多样性的金融工具和金融服务，建立更加开放、包容、具有韧性的金融市场体系，创造优良的金融生态环境。重点聚焦增加金融市场交易主体、丰富交易工具、降低交易成本、扩大交易规模、优化金融发展营商环境等方面推进金融创新，拓宽融资渠道。加快融入全球金融体系，引入更多的市场主体参与竞争，实现金融的高端化和异质化。引导部分金融资源流向河北等欠发达地区，增量金融基础设施向欠发达地区倾斜，促进基础金融服务共建共享，提升区域整体的金融资源空间配置效率和金融发展水平。

第四，加强区域金融信息共享，扩大金融服务正向溢出。努力打破区域信息壁垒，借助新型信息通讯技术，利用大数据、云计算的发展加强金融信息扩散共享，化解信息不对称，降低交易成本，进而促进金融服务正向溢出效应的扩大，形成对周边地区经济社会发展的有效辐射，促进区域协同发展。