金融集聚、空间溢出与区域经济增长

摘要：本文基于我国2002～2016年31个省市地区的省际面板数据，运用动态空间杜宾模型，研究了金融产业集聚及其空间溢出效应对我国区域经济增长的影响。研究发现：我国金融产业集聚对区域经济增长有显著的促进作用，且存在明显的空间溢出效应，也就是说金融集聚不仅会影响本地区经济增长还能促进周边其他地区的经济增长;区域经济增长自身也具有正向的空间溢出效应，即本地区的经济增长带动了周边地区经济增长;人力资本与区域经济增长显著正相关;财政支出比也与区域经济增长显著正相关。最后，本文在研究基础上，提出了促进区域经济增长的相关政策建议。

关键词：金融集聚;经济增长;空间溢出效应;空间计量模型

一、引言

金融集聚是一种空间现象，生产者通过地理邻近或交易活动的空间集中可以降低市场中总的交易成本，提高交易效率，实现报酬递增并促进分工发展和经济增长，由此使得金融元素向某一区域集中。随着金融改革的深入进行，金融产业集聚现象越来越显著，根据2017年中国区域金融运行报告显示，北京、上海、浙江、江苏、广东五省（市）的银行业资产规模占全国的40.4%，主要金融机构更有半数以上集中在北京、上海和深圳。

金融产业集聚现象不仅关乎金融业自身的发展，还会作用于实体经济，乃至整个国民经济的发展。虽然现阶段我国金融产业发展尚不成熟，但金融集聚已经对我国区域经济增长产生了影响，二者彼此相互促进。20世纪90年代以来，金融集聚和区域经济增长的空间依赖特性问题也逐渐引起了研究者们的关注。研究发现，金融集聚发挥的作用和功能不仅能够服务于本地经济增长，还可以通过空间溢出效应影响周边省市的经济发展。现有的文献资料显示，金融集聚对区域经济增长的促进作用已经被国内外许多学者验证过了，然而大多数研究都将区域当成是一个封闭的整体，而忽略了金融要素在不同区域之间的流动性。本文则将金融要素视为流动于区域之间的生产要素之一，将指标变量间的空间溢出效应也考虑在内，然后利用2002 - 2016年间我国31个省市地区的省际面板数据，运用动态空间杜宾模型分析验证金融集聚对我国区域经济增长的影响。

二、研究设计

（一）变量的选取与解释

1.被解释变量

各省市的区域经济增长是本文的被解释变量，为了剔除人口规模因素对估计结果的影响，本文采用人均GDP（pgdp）反映经济增长水平。另外，由于港澳台地区的数据不易获取，因此仅统计我国31个省份及直辖市的数据。

2. 解释变量

本文的解释变m为中国31个省市地区的金融集聚度（FA），用各地区金融业区位熵来测度。区位嫡指数可以消除地区规模差异因素，能够比较真实地反映某一区域的要素空间分布情况，因此目前国内外学者大多采用产业集聚区位䊞来测度一个地区的金融集聚水平。具体的计算方法如下：FA=FEi/Ei;FE/E（1）

其中，FEi表示i省市的金融业从业人数，Em表示i省市的全部就业人数，FE表示全国的金融业从业人数，E表示全国总就业人数。F的值越大，代表1省市的金融业集聚程度越高。

3.控制变量

由于现实中影响GDP的因素众多，而研究中难以将所有变量考虑在内，因此除了被解释变量与解释变量外，本文只选取了以下两个具有代表性的控制变量。

①人力资本（rlzb ），根据过往的文献资料显示，人力资本水平是影響区域经济增长的重要因素之一。本文选用的人力资本计算公式为：

rlzb二H*L

（2）

其中，H表示居民人均受教育年限，L表示劳动力投人（用就业人数代理），二者的乘积可以用来度量人力资本水平。

②财政支出比（zc），用各省市财政支出总额占本地GDP的比重来表示。政府对于当地经济活动的参与程度对于该区域的经济发展必然会产生一定影响，而财政支出比可以反映政府对本地区经济的干预程度。

（二）方法选取与模型设定

近年来，国内外学者在进行空间问题的研究时经常使用空间滞后模型（SAR）、空间误差模型（SEM）和空间杜宾模型（SDM）三种空间计ilk模型。本文在选定计量模型时考虑到，随着我国对外开放水平的日益提高，各地区之间的经济合作愈发频繁，区域经济发展也更容易受到周边省市的影响，经济增长可能存在空间溢出效应，因此如果用传统的计量模型进行估计可能使结果存在误差。此外，动态空间面板数据模型相较于静态空间面板数据模型可以较好地避免内生性问题，从而使得模型的估计结果更加准确和可靠。空间杜宾模型同时考虑了被解释变量与解释变量的空间滞后相关性，很好地解决了上述问题。因此，本文将采用动态空间杜宾模型来分析金融集聚对我国经济增长的影响。

三、实证研究与结果分析

（一）空间相关性检验

在运用空间面板数据模型进行分析前，通常需要检验变量是否存在空间依赖性。Moran' s I指数是最早应用于此类检验的方法，也是目前最常用的空间相关性检验方法之一，其计算公式如下：式中，n是研究区域内地区总数，w是空间权重;x、和x分另”是区域i和区域j的属性; 是属性的平均值; 为属性的方差。Mora's I指数

根据表1的结果可知，经济增长（pgdp）和金融集聚度（AF）的Moran' s I指数都通过了显著性检验且始终为正值，这说明中国31个省市地区之间的经济增长和金融集聚都具有显著的空间正相关性。其中pgdp更是在1%的置信水平下显著，且其Moran' s I指数均值高于0.4，高于金融集聚度的Moran' s I指数检验结果，说明经济增长的空间相关性强于金融集聚的空间相关性。

（二）估计结果与分析

空间杜宾模型分为个体固定效应模型和随机效应模型，为了确定选用哪种效应模型更适合，本文对样本数据进行了豪斯曼检验。根据结果显示P值小于5%， Hausman统计量显著，因此拒绝原假设，认为本研究采用个体固定效应模型估计结果更加合适。

接下来，本文基于2002-2016年间中国31个省市地区的省际面板数据，运用STATA14.0软件对设定的动态空间杜宾模型进行估计，由模型的参数估计结果可知，金融集聚与区域经济增长显著正相关，说明金融集聚对于区域经济增长具有显著的促进效应。区域经济增长的一阶滞后项系数显著为正，说明上一期的经济增长会影响本期经济增长，且二者正相关。金融集聚度的空间滞后项参数为0.2839且结果显著，即金融集聚对于区域经济增长的空间溢出效应显著，也就是说，金融集聚不光可以促进本地区经济增长，还可以服务于邻近区域，促进周边经济增长。这主要得益于金融业受到运输成本、信息传输成本的限制较少，因此金融集聚可以通过外部规模经济效应、网络经济效应等作用机制间接促进周边区域经济发展。参数ρ值在1%的置信水平下显著，说明区域经济增长具有空间溢出效应，也就是说本地区经济增长对邻近地区的经济增长也产生了影响，P的估计结果为正说明影响是正向的，即本地区经济增长将会带动周边地区经济增长。其他变量方面，人力资本水平与财政支出比都通过了10%置信水平下的显著性检验，且都与区域经济增长正相关，说明这两个变量可以促进本地区经济增长。

四、结论及政策建议

本文利用2002-2016年中国31个省市地区465个样本数据，以地理邻接关系构建空间权重矩阵，运用解释力更强的动态空间面板数据模型检验了金融集聚对经济增长的影响和空间溢出效应。模型的估计结果表明：金融集聚与区域经济增长呈显著的正相关关系，且金融集聚存在明显的空间溢出效应，这说明金融集聚不光可以促进本地区经济增长，还能促進周边其他地区的经济增长;区域经济增长自身也具有空间溢出效应，即本地区的经济增长带动了周边地区经济增长;我国区域经济增长和金融产业集聚在各省市之间具有显著的空间自相关性，金融集聚带来人才、机构和资本的日益集中;人力资本水平与财政支出也都与区域经济增长显著正相关，说明这两个变量可以促进本地区经济增长。

基于上述研究结果，本文提出以下政策建议： （1）由于经济引力会随地理距离的增加而逐渐减弱，因此单纯依靠个别金融中心来带动区域经济增长是不够的，而应建立多层次、网络化的金融服务体系。（2）优化金融结构，创新资源配置方式、降低融资成本、提高资金效率，让金融产业能够更有效地服务于实体经济发展。（3）消除金融流通间的体制障碍，取消地方保护主义，让金融资源能够在各区域之间更自由地流动，以此达到生产要素的优化配置，形成真正的区域一体化格局。

参考文献：

[1]李林，丁艺，刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究.2011（5）.

[2]潘辉，冉光和，张冰，李军.金融集聚与实体经济增长关系的区域差异研究[J].经济研究，2013（5）：102-107.

作者简介：

刘梦真，上海师范大学，上海。