金融集聚对绿色经济效率的影响研究——基于Super-DEA模型和SGMM模型的实证分析

陈 彤，胡青江，闫海龙

（1.新疆农业大学经济与贸易学院，新疆 乌鲁木齐830052；2.新疆农业科学院院办办公室，新疆 乌鲁木齐830091；3.新疆维吾尔自治区发展和改革委员会经济研究院，新疆 乌鲁木齐830000）

一、引言

改革开放以来，中国经济长期保持中高速增长，在取得伟大成就的同时，也对资源环境与污染排放付出了沉重的代价，经济增长质量之隐忧值得我们深思。党的十九大报告中，习近平总书记指出要加快经济文明体制改革，建设美丽中国，推进绿色发展。与传统发展方式相比，绿色发展更为注重生态保护和环境治理，强调资源节约、循环利用及节能减排，追求经济社会可持续发展，也更能全面、真实反映经济发展概况。新时代如何践行新的发展理念，提升经济发展的绿色水平和可持续性，已成为当下中国经济转型升级中亟待解决的现实问题之一。

一般而言，金融发展能够通过资金的引导功能对当地资金结构和分配布局产生影响，推进技术创新、知识溢出和产业结构调整，从而促进经济转型升级。金融集聚作为推动经济绿色发展的重要抓手，可以有效发挥规模经济效应、外溢效应和创新效应，能够加快区间内的分工协作，实现金融资源自由流动，促进生产和投资的精细化，对于当地产业结构调整与经济绿色发展具有重要的促进作用。那么，金融集聚对中国绿色经济效率影响如何？集聚在绿色经济发展过程起着什么样的作用，是否存在非线性关系？这一系列问题值得我们深入探讨，此举不仅有助于更为全面加深对金融集聚与绿色经济发展关系的理解，也有助于更好地因地制宜的优化产业政策，实现金融集聚与绿色经济协同发展具有重要的现实和理论意义。

二、文献综述和理论分析

1.文献综述

金融集聚最早由Kindleberger(1973)提出，并指出地域的集中性是形成金融集聚的关键因子。Bushman&Smith(2001)研究发现金融集聚不仅可以降低金融交易和沟通成本，而且能有效的促进关联产业发展。Baldwin&Martin P(2001)认为区域间存在相互协作的关系，金融集聚效应不仅可以拉动所在地经济增长，也能通过外溢效应作用于相邻区域经济发展。Christopoulos &Tsionas(2004)发现金融集聚可以促进经济发展，但二者之间是单向的因果关系。Apergis&Filippidis(2007)以25个经合组织成员和50个发展中国家为研究对象，发现金融集聚能够增强金融发展对实体经济的促进效应，在发展中国家更加明显。Masten&Coricelli(2008)和Nicole&Marius(2008)以欧洲国家为研究对象，研究发现金融集聚能够具有生产效应，促进经济发展。

诚然，金融集聚在促进经济增长的同时，与之相伴产生的一系列资源和环境问题，也引起人们的广泛关注，对于如何探索金融集聚过程中的经济绿色发展之路也逐渐成为学界研究的热点。针对金融集聚对绿色经济效率影响的研究。学者们针对不同研究假设和模型展开了多视角探索。其中，Bossone&Lee(2004)研究发现金融集聚可以有效降低单位产出消耗，提升绿色经济发展质量。曾献东和谢科进(2011)则认为金融集聚是通过技术扩散、产业调整和技术外溢等途径实现的城市绿色经济增长。王锋等(2017)认为金融集聚对本地绿色经济发展具有正向促进作用，同时对相邻地区存在空间溢出效应。张浩然(2014)则是以我国263个地级以上城市为研究样本，同样证实了金融集聚不仅提高了本地经济绩效，在城市之间还存在显著的外溢效应，且其溢出范围有限。魏茹(2018)认为不同产业结构视角下金融集聚对城市绿色经济效率的影响是不同。曹鸿英和余敬德(2018)研究发现金融集聚与绿色经济效率存在空间自相关，且金融集聚的空间溢出效应较为显著，这点在东部地区表现的更为明显。张芳等(2018)以长三角为研究对象，发现金融集聚可以通过推动技术进步和优化资源配置，促进经济绿色发展，且这种正向影响呈现逐步增强态势。

理论研究上，文章从规模经济效应、外溢效应和创新效应三个方面，阐述了金融集聚对绿色经济效率影响的理论机制；研究方法上，基于绿色发展理念，构建绿色经济效率评价指标体系，并利用Super-DEA模型对我国30省市的绿色经济效率进行了测算；研究视角上，基于全样本和分阶段两个视角，运用SGMM模型对金融集聚与绿色经济效率关系进行了实证研究。

2.理论分析

绿色经济发展是经济效益和生态环境效益的有效统一，其关键在于提升绿色经济效率（任阳军等，2019）。绿色经济效率的提升意味着生产要素的投入和利用更加集约化，这与区域金融集聚的水平密不可分。金融是现代经济的核心，其作用不言而喻，不仅能够有效区域资源优化配置，而且还可以通过溢出效应、规模效应的方式，实现金融资源自由流动。金融集聚作为产业集聚一种特殊化表现，具有空间性、趋利性、动态性等特征，其形成与发展主要受到区位条件、经济发展基础、政府扶持力度、城镇化等因素的影响。作为绿色发展的重要支撑因素，金融集聚在提高技术效率、凝聚智力和激活区域创新活力方面贡献较为突显，并主要通过规模经济效应、溢出效应和创新效应对绿色经济效率产生影响。不仅如此，金融集聚和绿色经济效率还表现出动态上升循环关系，即金融集聚水平的提高能够吸引更多的科技、信息和人力资本等要素聚集提升经济绿色发展质量并进一步惠及金融发展，如图1所示。

（1）规模经济效应

金融集聚意味着在金融机构及关联产业和部门在空间维度上集中布局，有利于金融资源整合和信息交流，形成“1+1＞2”发展合力，能够进一步促进区域投资和储蓄结构的优化，提高资金的流动性、周转速度、使用和投资效率，缓解企业融资束缚、区域经济发展中的资金瓶颈，便捷金融机构同业业务往来，实现规模经济效应，让更多的实体经济产业和市场主体享受到金融共享服务，也能有效降低金融服务部门的运营成本。与此同时，金融集聚能够吸纳更多的金融复合人才、投资要素及关联产业的加入，释放经济发展活力。此外，金融集聚的规模效应可更好的发挥对产业结构升级的支持作用，进而对绿色经济发展产生叠加推动力，通过资本积累、应用成果转化等方式在经济系统内部产生正向反馈机制，并推动区域经济的自我优化，实现金融集聚和经济绿色发展之间的动态上升循环。

图1 金融集聚对绿色经济效率的作用机制

（2）外溢效应

鉴于各地区在资本、金融资源分布以及区位条件等方面存有差异，金融集聚的外溢效应又有正负效应之分。一般而言，金融集聚形成初期，往往凭借自身先天优势资源通过挤压周边地区金融资源而得以优先发展，称为“极化效应”；当其发展提升到一定程度，则会依托金融网络和服务的辐射效应，逐步带动相邻地区金融及关联产业发展，称为“涓流效应”。通常情况下，金融集聚效应不断显现出来，实体经济参与者获取资金、知识和信息将更加便捷，信息不对称问题和资源共享窘境有望得到改善，资源配置得到进一步优化，能够吸引更多金融资源用于满足低耗能、低污染产业的发展诉求，成为实现绿色发展的重要手段，对本地经济发展产生重要影响。值得关注的是，金融集聚逐步增强将加快金融资源“极化效应”和“涓流效应”在区域间的传递，促使技术、信息和知识等生产要素得到合作共享，逐步形成对相邻区域产生外溢效应。

（3）创新效应

金融集聚可以吸纳更多的人力资本、技术和知识等生产要素在区域内集中，这对所在地经济转型升级和企业创新发展至关重要。首先，金融集聚在加剧本地金融市场竞争的同时，也会迫使其不断革新技术、拓展市场和专业化分工，为社会大众提供更好、更便捷的服务和产品，带动辖区内整体金融发展水平的上升，进而推进区域经济发展效率的提升。反过来经济发展效率的提升又可以为金融集聚创新效应提供更为广阔的市场需求，实现以点带面拉动关联相关产业共同发展。其次，金融集聚具有创新绿色金融发展的功能，能够提升资源配置效率。对于产业发展来说，金融集聚能够为产业结构升级提供绿色贷款保障，可用于支持产业技术创新。对企业发展来说，金融集聚在缓解企业技术创新信贷压力的同时，能够调整资金供给方式引导企业树立绿色发展理念，优化生产要素投入，增大环保投入和环境治理以及技术研发力度，约束企业生产节能环保产品，从而推动生产方式转变和绿色可持续发展。

三、模型构建、指标选择与数据说明

1.模型构建

为了更为全面剖析金融集聚与绿色经济效率之间的互动关系，结合已有学者研究成果和文章研究需求，将城镇化水平、对外开放度、产业结构、财政分权以及能源强度等要素作为控制变量纳入到模型的分析中，并建立如下回归模型：

由于绿色经济效率具有较强的滞后效应，将被解释变量滞后一期纳入模型分析中，模型形式得以演变如下：

同时，考虑到金融集聚和绿色经济效率之间可能存在非线性关系，为进一步检验此关系的存在性，借鉴前人研究成果（林珊和林发彬，2018），在动态面板模型的基础上，加入金融集聚的二次项，模型形式演变如下。此外，为了规避可能存在的内生性问题，文章选择Arellano&Bover(1995)和Blundell &Bond(2000)提出的动态面板广义矩（SGMM）对模型进行参数估计，并使用Hansen检验对工具变量的进行研判，以确保参数估计结果更为科学。

2.指标选择

文章涉及到的变量包括：绿色经济效率(gee)、绿色经济效率滞后一期(gee_1)、金融集聚(fa)、能源强度(enery)、产业结构(idus)、对外开放度(open)、城镇化水平(urban)以及财政分权(fd)。

（1）被解释变量

文章以绿色经济效率为被解释变量。参照已有学者研究方法（刘耀彬等，2017；钱争鸣和刘晓晨，2017；何爱平和安梦天，2019），构建绿色经济效率指标体系（见表1），采用Andersen&Petersen(1993)提出的Super-DEA模型，并结合Fukuyama(2009)兼顾投入产出的处理方法，对2000-2017年我国30省市的绿色经济效率进行测算。

表1 绿色经济效率指标体系

（2）解释变量

第一，核心解释变量。选择金融集聚和金融发展作为核心解释变量。文章选择区位熵来计算金融集聚水平（姚松伯和刘颖，2017；陈智昊等，2019）。此外，选择金融发展（金融机构存贷款余额/GDP）作为核心解释变量用于稳定性检验。

第二，控制变量。选择城镇化水平、对外开放度、财政分权、产业结构和能源强度作为控制变量（胡安军等，2018；叶仁道等，2017；刘加林，2013；张英浩等，2018）。城镇化水平(urban)，以城镇人口与年末总人口比值来表征；对外开放程度(open)，以进出口总额与GDP比值表征；财政分权(fd)，以省级人均财政支出与全国人均财政支出来表征；产业结构(idus)，以第三产业占比来表征；能源强度(energy)，以能源消费总量与GDP比值来表征。各变量定义和描述性统计特征见表2。

表2 各变量定义和描述性统计特征

3.数据说明

基于港澳台和西藏地区数据缺失较多予以剔除，文章选择余下30个省市作为研究对象，样本区间为2000-2017年，原始数据来源于《中国统计年鉴》《中国工业统计年鉴》《中国环境统计年鉴》、Wind数据库和国家统计局网站。

四、结果分析

1.变量的描述性分析

为更为全面剖析研究对象，文章从时间和空间两个维度对绿色经济效率和金融集聚进行描述性分析。

（1）绿色经济效率变化情况

利用MaxDEA分析软件对2000-2017年我国30个省份的绿色经济效率进行测算。从时间维度来看，2000-2017年，我国绿色经济效率水平总体呈波动上升态势（见图2），由2000年的0.694增长到2017年的0.784。从分区域层面，全国与东、中、西部地区绿色经济效率水平存在显著的差异，但东、中、西部绿色经济效率变化走势与全国变化走势较为一致，尤其是2008年之后的中部地区绿色经济效率趋势线与全国基本吻合。东、中、西部绿色经济效率值分别由2000年的0.754、0.723、0.564增长到2017年的0.946、0.768、0.632。综合来看，区域绿色经济效率水平总体较低，并呈现出东、中、西部逐次递减的态势。研究区间内均呈现出东部地区绿色经济效率水平最高，中部次之，西部最低。同时，与全国水平对比来看，东部（均值0.891）高于全国（均值0.759）、中部（均值0.783）与全国（均值0.759）比较接近，西部（均值0.606））低于全国（均值0.759）。从空间维度来看，各省市之间绿色经济效率水平并不一致。由图2及图3可以看出，2000-2017年，仅有海南、福建达到绿色经济效率前沿（均值高于1）；而天津、河北、上海、山东、广东、黑龙江、湖北、青海8省市超过0.9，逼近前沿；山西、重庆、贵州、甘肃、宁夏5省低于0.5，位于末端；剩下的15个省市的绿色经济效率均值位于0.5～0.9之间。各省市绿色经济效率与其经济发展水平呈现出非对称性。

图2 全国及东中西部地区绿色经济效率变化趋势（2000-2017年）

图3 全国及东中西部地区金融集聚变化趋势（2000-2017年）

（2）金融集聚变化情况

利用区位熵法对2000-2017年我国30个省份的金融集聚进行测算。从时间维度上看，2000-2017年，我国金融集聚水平整体也呈波动起伏的动态变化过程（见图3），由2000年的0.886增长到2017年的0.970。全国及东、中、西部金融集聚走势变化较为一致，且区域间的差异性较为显著。东、中、西部地区绿色经济效率值分别由2000年的1.063、0.688、0.853增长到2017年的1.137、0.763、0.953。综合来看，东、中、西部地区金融集聚水平呈“V”型的结构布局。东部地区金融集聚水平一直处于领跑地位（均值1.030），高于同期的全国（均值0.827）、中部地区中部（均值0.579）、西部（均值0.805）；中部地区金融集聚水平较低，但总体呈波动上升态势，尤其是2010之后，增幅高于同期东部和西部以及全国水平；西部地区金融集聚水平是波动中上升趋势，其变化走势与全国平均水平较为一致。从空间维度上看，2000-2017年各省市金融集聚水平存在较大差异，呈现出明显的空间异质性。北京金融集聚水平最高（均值2.426）；上海、天津、浙江、重庆、宁夏的金融集聚水平相对较高，均值在1～2之间波动；其余24个省市金融集聚水平介于0.5～1之间。可见，各省市金融集聚水平与金融发展程度存在较大的关联性。

综合来看，研究区间内金融集聚和绿色经济效率均值的空间分布不一致（见图4），非均衡态势较为明显，这点也再次说明金融集聚与绿色经济效率之间可能存在非线性关系。

2.实证结果分析

（1）金融集聚对绿色经济效率的影响：全样本视角

第一，总体参数的估计。

考虑到绿色经济效率具有较大的动态惯性和持续性以及金融集聚与绿色经济效率之间可能存在内生性问题，选择被解释变量的滞后t-2期及以上作为工具变量，采用SGMM方法处理内生性问题，并进行相关估计检验。同时，鉴于涉及变量较多，为规避可能出现的共线性问题，首先，利用方差扩大因子法对变量进行检验，发现不存在多重性共线性；其次，文章选择逐步回归法分六组对模型进行回归（见表3）。

从表4的估计结果来看，工具变量的选择是合理的。六组回归方程中AR(1)、AR(2)和Hansen检验均与预期假设保持一致，表明工具变量的选择和模型设定是有效的。同时，从模型1到模型6中的绿色经济效率滞后项均通过了1%的显著性检验具有显著的正向性，参数估计系数分别为0.835、0.621、0.588、0.600、0.559和0.569，这充分说明绿色经济效率具有显著的时间惯性，在检验中引入滞后项是很有必要的，选择动态面板模型进行研究是可行的。

图4 全国30省市绿色经济效率和金融集聚平均值（2000-2017年）

为全面剖析金融集聚与绿色经济效率之间的作用关系，文章以模型6的参数估计结果进行阐述。模型中绿色经济效率指数的一期滞后项在5%的水平下显著为正，系数为0.569，这说明绿色经济效率具有较大的动态惯性和持续性，存在自我强化机制，滞后一期的绿色经济效率会对当期的绿色经济效率提升具有正向影响。可见，政府在推进经济发展向绿色转型升级中，对于“绿色发展”政策的延续性应给予关注，促使金融集聚效应实现最大化。模型1到模型6中，金融集聚水平的一次项为负，二次项为正，始终未发生改变，且均在1%的置信水平下显著，这说明金融集聚对绿色经济效率影响呈现出稳健的“U”型非线性关系，即随着金融集聚水平的提升，金融集聚对绿色经济效率将产生先抑后扬的作用。产生如此差异主要由于金融集聚初期，大量金融要素纷纷涌入，金融配套投入和运行不能及时跟进，将会增大当地产业发展的资源环境和竞争压力，表现出的负外部性较为明显，此时的金融集聚处在一种投入高、回报低的阶段，集聚不经济占据主导地位，易造成金融资源浪费和金融资本使用效率降低，因此会对绿色经济效率的提升产生抑制。当金融集聚程度增强至跨越某一临界点时，金融生态环境和基础设施显著得到改善，金融集聚所产生的规模经济效应、创新效应和外溢效应则会愈发凸显，此时正外部性占据优势，金融集聚边际效用逐步递增，得以带动绿色经济效率不断提升。

第二，逐步回归分析结果及讨论。

从模型2到模型6，文章依次加入了城镇化水平、对外开放度、财政分权、产业结构和能源强度5个控制变量，从回归结果来看，绿色经济效率、金融集聚一次项和二次项系数的符合均保持一致，仅系数大小有所差异，未见异常情况，这表明控制变量对金融集聚和绿色经济效率均有一定的约束作用。鉴于逐次回归中，各控制变量系数符号没有发生改变，且大小也较为稳定，故选择模型6估计结果进行详实分析如下：

一是城镇化水平。城镇化对绿色经济效率具有显著的正向影响，城镇化水平每增加1个百分点，绿色经济效率随之提高0.181个百分点。这主要是因为，为了更好的满足人民对美好生活品质的追求，国家在推进城镇化过程中，对改善民生生活质量和环保意识的重视也愈发凸显，加大了对节能减排和生态治理力度，有利于经济的绿色发展，所以城镇化水平的提高能够有效促进绿色经济效率的提升。

二是对外开放度。对外开放对绿色经济效率具有显著的正向影响，对外开放程度每增加1个百分点，绿色经济效率随之提高0.075个百分点。近年来，我国不断优化进出口贸易结构，在提升产品附加值的同时，也加大对国外先进资本和技术的引进，提高了国内对资源利用效率以及环境污染的治理水平，一定程度上提升了各地生态保护治理能力。

三是财政分权。财政分权对绿色经济效率具有显著的正向影响，财政分权每增加1个百分点，绿色经济效率随之提高0.042个百分点。近年来，国家适时出台供给侧改革、环保等方面的规章制度，不断强化宏观经济审慎调控，通过财政转移支付方式的优化调整，增大对生态保护和环境治理力度，生态环境的改善促进了绿色经济效率的提高。

四是产业结构。产业结构对绿色经济效率具有显著的正向影响，产业结构每增加1个百分点，绿色经济效率随之提高0.167个百分点。这主要由于，我国三次产业结构逐步趋于合理化，三产占比得到显著提升，其中高新技术、低能耗产业发展较为迅速，有效改善了人们日常生产经营活动方式，各类能耗有所降低，对经济增长的绿色贡献逐步显现。

五是能源强度。能源强度对绿色经济效率具有显著的负向影响，能源强度每增加1个百分点，绿色经济效率随之下降0.016个百分点。长期以来，石油石化在我国能源消费构成中占比较高，而清洁能源、新能源占比始终在低位徘徊，这就使得能源消费在促进经济增长的同时，也增大了生态和环境压力，不可避免的会对绿色经济效率的提高产生制约。（2）金融集聚对绿色经济效率的影响：分阶段视角

考虑到2008年全球金融领域出现了重大变革，故文章以2008年为界，将研究区间分为2000-2008年和2009-2017年对模型进行回归检验（见表4）。从分段回归结果来看，AR(1)、AR(2)和Hansen均通过相关检验，SGMM设计合理可行。滞后一期的绿色经济效率依旧会对当期绿色经济效率产生正向影响，且回归系数依次递增，说明滞后一期的绿色经济效率促进作用在逐次增强。原因可能是，2008年金融危机以后，国家在发展经济过程中，更加注重经济的“绿色发展”和可持续性问题，相继进行了“三去一降一补”和供给侧改革等举措，推动经济转型升级，有利推动了绿色经济的发展。从模型7和模型8可知，金融集聚水平的一次项和二次项符号均与前文分析一致，也都在1%的置信水平下显著，这说明在分阶段研究中金融集聚与绿色经济效率之间也呈现“U”型非线性关系。从控制变量来看，分阶段各变量对绿色经济效率都有不同程度的影响，且符号保持一致，但与全样本研究相比存在一定差异，其中，城镇化和对外开放水平的提升对绿色经济效率具有正向影响，而财政分权、产业结构和能源强度对绿色经济效率则为负向影响。（3）稳健性检验为了进一步检验模型结果的稳健性，文章采用替换解释变量的方法来进行考察。通过构建金融发展水平作为替换核心解释变量，同样采用SGMM模型进行回归分析。实证结论发现，此时的金融发展水平对绿色经济效率同样具有正向影响，也均通过显著性检验，绿色经济效率依旧存在滞后效应，各控制变量系数的符号、大小和显著性水平均与上文研究无明显差异，可见结论是稳健的，模型比较稳定。

表4 分阶段动态面板SGMM参数估计结果

表5 稳健性检验

五、结论与政策建议

文章选择2000-2017年省际面板数据，运用动态SGMM方法分析了金融集聚对绿色经济效率的影响，并探究了不同阶段各变量对绿色经济效率的影响情况。主要结论有：从时间趋势演变来看，我国金融集聚和绿色经济效率均呈现波动上升，且二者差异有所减少，并呈现收敛趋势。从空间特征来看，绿色经济效率和金融集聚水平的空间差异较为明显，均以东部地区为最优。金融集聚和绿色经济效率之间呈现“U”型非线性关系，金融集聚较弱时，金融集聚会对绿色经济效率产生抑制作用，当金融集聚水平跨越临界点后，绿色经济效率会伴随金融集聚水平增强而不断得到提升。城镇化、对外开放、财政分权、产业结构和能源强度等要素作为控制变量逐次加入模型后参数系数均有所变化，表明各要素的协同效应也会对金融集聚与绿色经济效率的关系产生影响。

基于上述研究，文章政策启示如下：其一，在加快金融发展推动金融集聚形成过程中，各地要立足于自身发展实际，充分考虑经济特点和现实基础，因地制宜实施差异化和具有延续性的政策支持，对金融资源和产业布局进行优化配置，同时注重发挥地理空间机制作用，强化金融集聚效应功能，提高金融资源的支撑能力，进而促进绿色经济效率的提升。其二，进一步推进金融供给侧改革，鼓励各地金融业多元化发展，形成金融产业的多样化集聚，引导各金融要素间开展规范竞争与合作，在放大金融集聚外部性作用的同时，又要避免出现同质化集聚及恶性竞争造成的效率损失。其三，充分发挥金融集聚对绿色经济效率的促进作用，实施富有弹性和持续性的金融产业政策，避免因政策不合适造成对绿色经济效率产生抑制作用，同时也要认清经济发展阶段性特点，发挥金融集聚外溢效应和创新效应，破除金融资源流动障碍，进一步优化资源配置和投资、产业结构升级调整，全方位推动绿色经济效率的提升。其四，充分发挥城镇化、对外开放和财政分权等要素对绿色经济效率增长的促进作用，在加快推进城镇化和提升对外开放水平的同时，政府要注重产业结构和能源消费结构的优化升级，发展提质增效的三次产业和新能源消费，从而有效提升绿色经济效率，实现经济绿色发展。