金融集聚对城市绿色经济效率的门槛效应分析——基于我国九个国家中心城市统计数据

张钟元，李 腾，马 强

（1.辽宁大学经济学院，辽宁 沈阳110036；2.辽宁石油化工大学理学院，辽宁 抚顺113001；3.辽宁石油化工大学经济管理学院，辽宁 抚顺113001）

一、引言

国家中心城市是指具备人口、资源和政策优势，且在政治、经济、文化等方面具备辐射和集散功能，能够引领区域发展的城市，它以经济区和城市群为依托，具备较好的聚集、扩散、服务和创新功能优势。2005年，中国城市规划设计研究院编制《全国城镇体系规划》，在直辖市和省会城市层级之外，首次提出了国家中心城市的概念。我国住房和城乡建设部于2010年、2016年和2018年先后确立北京、上海、天津、广州、重庆、成都、郑州、武汉、西安等九座城市为我国的国家中心城市。

金融是国家发展的核心资源，金融活动、金融服务质量及金融机构空间分布特征对社会发展有着至关重要的影响，金融资源要素流动的结果便是金融集聚，金融集聚是金融纵深发展的必然产物，新经济增长理论的相关研究表明集聚会带来经济增长和社会发展，学者们基于产业集聚理论的研究印证了金融集聚对经济增长和社会发展的促进作用。实现“绿色经济质量明显提高”、推动我国城市现代化进程是布局国家中心城市的意义所在，那么在我国国家中心城市中的金融集聚是否影响了城市绿色发展质量呢？针对这一问题，本文拟从绿色经济效率的视角进行深入探究。

二、文献回顾

在金融集聚的经济效应研究中，国外学者普遍认为金融集聚可促进经济发展。对75 个经合组织及发展中国家的数据样本分析，结果显示金融行业发展能够促进地区经济增长，金融集聚会进一步有利于经济发展，而在发展中国家表现的更为明显（Apergis etc.，2007）。以欧洲国家为样本进行门槛模型实证分析，结果表明金融集聚对于经济的影响存在门槛效应，超过门槛值后，金融集聚对于经济发展的正向影响大大提高（Spiegel，2009）。以美国数据为样本，利用广义矩估计实证分析不同金融指标对经济发展的影响，得到了金融集聚显著推动经济发展的结论（Levine，2012）。

国内学者也发现金融集聚对我国经济发展具有促进作用，但具有区域差异性。使用索洛模型分析1998-2013年省级面板数据，结果表明金融集聚可促进经济增长，但存在一定的延迟效应（李标等，2016）。使用平滑转换模型分析1998-2012 年的省级面板数据，结果表明金融集聚和经济增长彼此间相互影响、促进且具有区域差异性，金融集聚对经济发展的影响方面，东部地区处于金融集聚的高机制阶段，中西部地区则处于低机制阶段（陈得文，2015）。我国15个副省级城市的面板数据分析结果表明城市的金融集聚可对当地的经济增长产生显著正向影响，但由于金融集聚水平和资源禀赋的不同导致影响程度存在区域差异（张同功、孙一君，2018）。使用区间回归偏微分方法对京津冀地区进行实证研究，发现金融集聚对区域经济增长存在显著空间溢出效应，北京和天津成为该地区的经济增长极，并对周边城市存在辐射效应，但对河北省整体的辐射效应并不显著（李延军等，2018）。

随着中国经济转型发展环境问题逐渐被重视，经济效应研究也随之进一步深入，经济发展目标从单纯追求经济效应转向综合了经济效应、生态效应、社会效应的绿色经济。1989年出版的《绿色经济蓝皮书》中首次提出“绿色经济”一词，皮尔斯（Pearce）认为经济发展不能因为GDP 崇拜而造成生态危机，也不能因为资源衰竭而导致经济停滞。Jacobs 与Postel 等人在1990年提出绿色经济学，在传统的制造业资本基础上，将土地扩充为生态资本，并加入社会组织资本（SOC）。运用SBM模型测度我国28 省市的绿色经济效率，发现包含非期望产出的绿色效率值比传统经济效率值更低（钱争鸣等，2013）。运用SDM模型分析我国30 省份的面板数据，证实金融发展对区域绿色发展存在显著的空间溢出效应（黄建欢等，2014）。使用空间计量方法，实证检验了我国金融集聚和绿色经济的空间具有自相关性，金融集聚对本省绿色经济发展（GGDP）水平具有正向影响，对临近省份GGDP 有空间溢出效应（王锋等，2017），同时区域金融集聚对绿色经济的溢出效应具有较为明显的区域差异性（曹鸿英、余敬德，2018）。使用我国2004-2015 年249 个地级以上城市的面板数据，运用Super-SBM模型测度后，空间杜宾模型结果也显示金融集聚显著提升了本地区的绿色经济效率并具有空间溢出效应，金融集聚对于本地区及周边地区的绿色经济效率的提升作用主要来源于特大城市、大城市，中小城市影响不显著（许宁、施本植等2018）。利用同组数据，采用系统广义矩估计方法和面板门槛模型，研究得到了一致的结果（施本植、许宁等2018）。

综上所述，国内外学者针对金融集聚的经济效应进行了大量的研究，为进一步研究奠定了丰富的理论基础，但有关金融集聚对经济绿色化发展影响的研究相对较少，已有的数篇文章使用的绿色经济指标相对单一，指标选取多采用2004 年发布GGDP 核算方法，但其后该核算方法被叫停，且大多基于金融集聚和绿色经济之间为线性关系的假设展开研究，较少考虑到金融集聚的边际效应递减规律及由此产生的非线性效应。鉴于此，本文综合考虑经济发展的社会效应、经济效率和生态效应后，使用能够计算多产出问题的DEA方法测度绿色经济效率，并进一步检验金融集聚和绿色经济效率间可能存在的非线性关系。

三、金融集聚影响绿色经济效率的理论机制

金融集聚带来金融的规模经济效应、网络协同效应和扩散效应，提升了区域资源配置效率和技术创新能力，进而推动绿色经济发展。金融集聚影响绿色经济效率的途径可分成以下三种。

第一，规模经济使得金融集聚可增加金融市场的流动性，完善信用机制及约束机制，降低融资成本和投资风险，以此提升绿色经济效率。金融集聚使得不同的金融机构能够共存于金融市场中，金融机构数量的增多可加剧市场竞争，促进金融合作，不同金融机构之间的竞争和合作可以加速金融资源的流动，降低资金成本，完善市场信用体系。金融市场竞争的加剧还会使得整个金融市场进化出更多细分市场，如投资谷歌、腾讯、阿里巴巴等高技术公司带来的高额回报使得风险投资成长迅速，而发展潜力广阔的高技术领域初创企业无疑会成为众多风投资金的追捧对象，在资金推动下，初创企业能够迅速发展壮大，并给风险投资带来高额回报。两者的良性互动一方面推动了技术创新和科技实力，另一方面使得金融市场的融资体系更趋完善和成熟。

第二，金融集聚的网络协作效应使得不同部门间能够更加高效地进行协作。网络协作效应可通过降低交易成本、降低信息获取成本和促进知识积累三种途径提升绿色经济效率。首先，协作效率的提高能够减少金融摩擦、降低交易成本，从而使得市场中的资源配置效率得到优化，资金瓶颈问题在一定程度上得到缓解；其次，金融集聚的网络协作效应通过提高金融机构及企业获取信息和消化信息的效率，降低信息成本，减少信息不对称问题（樊向前、范从来，2016），使得金融机构和企业降低成本；再次，都能够更加容易地抓住市场中新技术、新业态带来的投资机会，在金融支持下，市场的整体创新能力得到提升。金融集聚的创新知识效应可以提升知识积累水平，知识的溢出效应可推动技术的内生增长，并最终提升整体的知识水平和创新能力，推动绿色经济效率。

第三，金融集聚的扩散效应一方面能带动外围区域共同发展，另一方面还可形成自身强化机制。金融资源向核心区的不断积聚使得核心区的投资机会相对减少，投资成本持续增加，相比之下，外围区域的投资成本显得更低，投资机会更多，因此核心区金融集聚水平的提升会使得金融资源出现向外围区域扩散的趋势，从而带动外围地区经济和社会的发展以及基础设施建设水平的提升，优化外围区域的产业结构，激活外围地区的市场活力，提升区域技术创新水平。外围区域的共同发展会使得核心和外围区域整体趋于更具发展潜力，从而吸引更多金融资源，形成更大规模的金融集聚。核心区域和外围区域间的良性循环能够带动更多相关产业的发展，形成更大的市场需求，最终提升整体的绿色经济效率。

四、金融集聚水平测度

金融集聚的衡量方法有很多，最常用的有区位熵、产业集中指数、HKI指数、洛伦茨曲线、HHI指数以及地理集中指数等。综合考虑上述各方法的优缺点，以及统计数据的可获取性，本文采用区位熵指数作为衡量国家中心城市金融集聚程度的指标，其公式如下：

其中，FAIij表示i城市金融业的区位熵，Lij表示i城市金融业的产值，Li表示i城市总产出，Lj表示金融业全国总产值，L表示全国总产出。若FAIij＞1 时，表示金融集聚水平显著；若FAIij≤1时，表示金融集聚水平较低。考虑到数据的可得性，本文采用金融业生产总值来计算国家中心城市的金融业集聚区位熵（FAI），结果如表1所示。

由表1可以看出，考察期内，国家中心城市的金融集聚水平均有所提升。其中，北京和上海的金融集聚平均值分别为2.383和1.909，在九大国家中心城市中处于最高水平。长期以来，北京和上海经济和社会发展水平位居我国前列，其对人口、资本等各项生产要素形成了巨大的集聚效应，大量的金融资源同样集聚在北京和上海，使得两个城市形成较高的金融集聚水平。此外，天津、广州等五座国家中心城市的金融集聚均值大于1，表明天津、广州等五座城市的金融集聚也已经形成一定规模，这些城市均居于区域中心位置，金融集聚态势明显，金融集聚水平较高，与其在发展过程中得到了政策的大力支持密不可分。九大国家中心城市中，武汉和西安的金融集聚水平较低，分别为0.927和0.887，相比于其他七座国家中心城市，武汉和西安的金融发展速度较慢，集聚程度较低，并未形成大规模的金融集聚。虽然这两座城市的金融集聚水平较低，但发展潜力仍然巨大，武汉是我国重要的交通枢纽和长江中游的重要中心城市，中部崛起“十三五”规划和长江经济带纲要的深入推进必然使得武汉得到更多的政策优惠，对人口和金融形成更大的吸引能力，最终带动武汉的进一步发展。西安被国家发改委于2018 年确定为国家中心城市，在西部大开发和“一带一路”战略深入推进的背景下，作为西北地区的重要中心城市，发展潜力和空间不可限量。

表1 国家中心城市金融集聚水平

五、金融集聚对绿色经济效率影响的实证分析

1.模型与变量

为分析金融集聚对国家中心城市绿色经济效率的影响，本文建立以下实证模型：

其中，TFP 为各地区的绿色经济效率。FAI 为金融集聚水平，Z为控制变量。考虑到金融集聚对于绿色经济效率的影响是一个动态的过程，因此加入被解释变量的滞后项对模型进行修正。本文同时控制了能够影响绿色经济效率的其他因素，选择人力资本水平（human）、对外开放程度（open）和财政支出结构（government）作为控制变量。具体模型如下：

各变量的具体选择情况如下：

被解释变量：绿色经济效率TFP。为使结果更加全面，本文综合考虑绿色经济的经济效率、生态效益和社会效率，这使得结果成为多投入多产出问题，因此借鉴徐佳萍等（2017）、尹鹏等（2018）的研究，使用DEA方法测度国家中心城市的全要素生产率，以此作为绿色经济效率指标。投入产出指标的具体选择如表2所示。

表2 绿色经济效率指标体系

解释变量：金融集聚水平FAI。由前文方法计算得到。

控制变量：①人力资本水平（human）。人力资本是一切生产活动中的基本投入要素，借鉴徐晔和宋晓薇（2016）的方法，用劳动力平均受教育年限衡量人力资本水平。②对外开放程度（open）。通过引进国外资金、技术和先进的管理理念，能够帮助地区实现更加快速的发展。因此把对外开放程度作为影响绿色经济效率的因素之一。具体计算方法为：对外经济开放程度（OPEN）=（进出口额+FDI）/GDP。③政府财政支出（government）。改革开放以来，我国经济和社会的发展都取得了巨大的成就，这其中政府起到了重要的作用。因此把政府的财政支出作为控制变量之一。具体计算方法为：政府财政支出（govern⁃ment）=财政支出/GDP。

本文选择2003-2016 年国家九大中心城市为样本，数据来自中国统计年鉴、城市统计年鉴、统计公报、国泰安数据库等。

2.整体实证结果分析

使用系统广义矩方法（SYS-GMM）进行估计，将九大国家中心城市相关数据代入模型1，并将控制变量数据分别代入模型2，最终得到结果表3。可以看出，AR（2）检验表明结果不存在二阶序列相关，模型设定具备一定的合理性，Sargan检验表明不能拒绝工具变量有效性的零假设，工具变量的设定具备一定的有效性。

由表3 可以看出，模型1 使用金融集聚单独解释绿色经济效率时，金融集聚系数为0.087，且在5%的统计水平上显著，结果意味着金融集聚可对绿色经济效率产生显著正向影响，金融集聚水平的增加可以提升绿色经济效率。加入控制变量后，金融集聚系数的符号和显著性没有发生明显改变，金融集聚对于绿色经济效率的正向促进作用具备一定的稳健性。

从控制变量来看，各模型中人力资本水平的系数显著为正，意味着人力资本可对绿色经济效率产生显著正向影响。对外开放的系数显著为正，意味着对外开放可对绿色经济效率产生显著正向影响。政府财政支出的系数显著为正，意味着政府财政支出可对绿色经济效率产生显著正向影响。

表3 金融集聚对绿色经济效率的影响

3.金融集聚对于绿色经济效率影响的区域差异

前文研究表明，从整体层面来看，国家中心城市的金融集聚可对绿色经济效率产生正向显著影响。那么各大国家中心城市的金融集聚对所在地区绿色经济效率的影响是否存在差异呢？以下基于各大国家中心城市的时间序列数据使用模型2进行实证分析。经检验，所有变量数据的原序列或者一阶差分序列均通过了平稳性检验，进一步将各国家中心城市的数据代入模型2，得到结果表4。

由表4可以看出，北京和上海金融集聚的系数分别为0.086和0.103，但都没有通过显著性检验，该地区金融集聚对绿色经济效率的影响不显著。可能的原因如下，一方面，在北京和上海，诸多国内外金融机构将总部设置于此，或在这两个城市设置有分支机构负责我国业务，北京和上海金融市场的复杂程度较高，高度的金融集聚化水平和庞大的金融体量使得北京和上海的金融业可能面临规模不经济的窘境（戴国强、邓文慧，2017）；另一方面，北京和上海是我国经济最为发达的地区，其发展程度已经堪比中等发达国家，较高的发展水平使得北京和上海难以持续维持高速增长，其进一步发展需要较高的推动力，单纯依靠增加金融规模提升这两个城市绿色经济效率的作用已经十分有限（李俊峰、张晓涛，2017），而本文使用金融业产值衡量金融集聚程度，因此导致金融集聚对于北京和上海的绿色经济效率影响不显著。本文结果为北京和上海进一步借助金融推动绿色经济效率指明了方向，应通过提升金融服务的质量，而非盲目追求金融规模来助推绿色经济效率的提升，这同国家大力推动金融领域供给侧改革，提升金融服务实体经济效率的战略不谋而合。

其余城市模型中，金融集聚的系数均为正，且在1%或5%的统计水平上显著。在广州、天津、重庆、成都、武汉、郑州和西安，金融集聚可对绿色经济效率产生正向影响。

表4 金融集聚对于绿色经济效率影响的区域差异

4.金融集聚对绿色经济效率影响的非线性效应

以上分析表明，不同的金融集聚水平对于绿色经济效率存在差异化影响。是否意味着金融集聚对绿色经济效率的影响存在门槛效应？金融集聚水平超过某一门槛值后，对于绿色经济效率的影响是否发生变化？本文进一步通过门槛模型对其进行了检验。基于Hansen（1998）提出的门槛回归方法，以金融集聚水平作为门槛变量，构建以下多门槛模型：

上式中，各变量含义同前文相同，γ表示门槛值。将相关数据代入模型3，利用Stata14软件对模型进行估计，得到结果表5和表6。

从表5 和表6 的回归结果可以看出，金融集聚的单门槛在1%的统计水平下显著，门槛值为1.503，双重门槛没有通过显著性检验。由此可推断，金融集聚程度的差异可对绿色经济效率产生不同的影响。根据门槛值将金融集聚水平划分成高度金融集聚（FAI≤1.503）和一般金融集聚（FAI＞1.503）两类，由结果可知，北京和上海属于高度金融集聚水平，其余七个国家中心城市属于一般金融集聚水平。

表5 门槛效果检验

表6 门槛估计结果

由门槛效应估计结果表7可以看出，当金融集聚水平低于门槛值时，即处于一般金融集聚水平时，其系数为0.075，且在1%的统计水平下显著，一般金融集聚水平下，金融集聚能对绿色经济效率产生显著正向影响；金融集聚水平高于门槛值时，即在高度金融集聚水平下时，金融集聚的系数为0.105，但没有通过显著性检验，高度金融集聚水平下，金融集聚对于绿色经济效率的影响变得不显著，金融集聚程度的进一步增加已经无法提升绿色经济效率。经济和社会的发展离不开金融的支持，随着金融集聚水平的提升和金融规模的扩大，对于经济和社会发展的支持力度会不断增加，此时金融集聚水平的提升可促进绿色经济效率。当金融集聚到一定水平后，可能面临金融发展与实体经济的背离，甚至对实体经济产生“挤出效应”（杜勇等，2017），虽然货币金融的投放量持续增加，但可能并没有流向实体经济领域，而是流向了产出效率较低的基础设施建设及脱离居住功能的房地产领域中，金融的“脱实向虚”，以及金融体系内部的流转使其对于绿色经济效率不能起到应有的促进作用，甚至增加了金融的信用风险和流动性风险。近年来我国相继出台了持续推动的“金融去杠杆”“提高金融服务实体经济效率”等政策，正是政府为了防范和降低金融体系系统性风险而采取措施的直接体现。

表7 门槛效应估计结果

六、结论及启示

本文以我国九大国家中心城市2003-2016 年数据为样本，使用区位熵指数方法测算了国家中心城市的金融集聚水平，并以全要素生产率作为绿色经济效率指标，实证分析了金融集聚对国家中心城市绿色经济效率的影响。主要结论如下：第一，考察期内，九个国家中心城市的金融集聚均值从大到小分别为北京、上海、成都、重庆、郑州、天津、广州、武汉、西安。第二，整体来看，金融集聚可对绿色经济效率产生显著正向影响，分区域来看，北京和上海的金融集聚对绿色经济效率的影响不显著，其余七个城市的金融集聚可对绿色经济效率产生显著正向影响。第三，金融集聚对绿色经济效率的影响存在单门槛效应，金融集聚水平低于门槛值时，可对绿色经济效率产生显著正向影响，金融集聚水平高于门槛值时，对绿色经济效率的影响变得不再显著。

本文结论具有以下政策启示：第一，区域中心城市应着重打造成区域金融中心。区域金融的集聚可以促进地区绿色经济效率的提升，因此各地区尤其是欠发达地区在发展经济过程中，应着力打造区域金融中心，发挥金融服务实体经济的作用。第二，通过优先发展重点区域形成新的经济增长极。改革开放四十年的经验表明，经济特区、新区和开发区能迅速积聚大量人力资本和金融资本，对区域经济发展和绿色经济建设发挥着重要的推动作用，因此可通过探索建立更多新的区域中心，带动地区经济的腾飞。第三，持续加大金融开放力度。通过金融开放，引入境外金融机构，降低企业尤其是中小企业融资成本，提高金融企业的风险规避能力，加强宏观政策的纪律约束，提高我国金融业质量，推动经济持续增长，提升绿色经济效率。第四，不同地区应制定差异化金融发展战略。北京、上海等金融发展更为成熟的国家中心城市应更加注重金融服务实体经济的效率和质量，可给予天使投资、风险投资和私募股权投资等适当的政策优惠，增加其对于技术创新型企业的支持力度，以此助力高技术企业的发展壮大，提升我国的技术创新水平。金融发展程度较低的国家中心城市更应注重金融基础设施建设，稳步扩大金融规模，提升服务广度，使更多受众能够享受到金融产品和服务，还可通过融合互联网和移动互联技术增加金融深度，实现对于发达地区的跟随和弯道追赶。