金融发展对沿海地区经济开放水平的影响研究

赵 巍，李 威

(1.江苏海洋大学 商学院，江苏 连云港 222005；2.南京理工大学 经济管理学院，江苏 南京 210094)

坚持对外开放是中国经济实现快速发展的重要前提，也是新时代实现经济高质量发展的必然要求[1]。习近平在博鳌亚洲论坛2018年年会开幕式主旨演讲中指出：过去40年中国经济发展是在开放条件下取得的，未来中国经济实现高质量发展也必须在更加开放条件下进行。金融是现代经济的核心，开放型经济的发展水平、发展质量和发展速度离不开金融业的保障和支持。

学界已有不少文献围绕金融发展和经济开放互动关系开展研究，且多数支持金融发展能够有效促进区域协调发展。高新才等[2]在总结国际成功经验基础上，对西部地区发展开放型经济的金融支持体系进行了研究。唐德祥等[3]基于“一带一路”战略沿线18个重点省份的研究结果表明，金融发展规模对区域市场整合存在显著的正向影响。陈文新等[4]以“丝绸之路经济带”要道上西部地区的九个省份为研究对象，发现金融发展规模与效率对经济开放度影响具有明显的地域差异。陈作成等[5]基于对西部地区样本的分析，认为经济开放、金融发展规模与结构促进了区域就业产业结构优化。史恩义等[6]选取全球42个国家和地区的跨国面板数据实证检验发现，金融发展差异与OFDI共同作用却导致出口贸易下降。梁榜等[7]认为对外经济开放、金融规模和金融效率对制造业结构高度化和合理化具有促进作用。熊芳等[8]对民族地区金融发展和贸易开放的互动关系展开实证分析，发现两者之间存在相互抑制的互动关系。李佳等[9]用面板回归模型对江苏省13市进行综合评价，结果显示短期内金融发展对进出口贸易的促进作用存在一定的滞后性。桂预风等[10]分析了长江经济带金融发展与对外贸易的空间相关性，结果表明金融发展在一定程度上会促进对外贸易水平的发展。王俊[11]运用灰色关联模型分析了内陆开放型经济发展与金融支持关联度，并从金融规模、金融结构和金融效率角度分析了金融支持特征。

当前，开放型经济正进入高质量发展的新阶段。沿海地区要实现经济快速发展，必须通过建设优良的开放体制环境，构建全方位的对外开放格局，充分发挥开放型经济的金融支持作用，实现开放型经济转型升级。一般认为，经济较发达的地区经济开放度也相对较高。为此，本文选取经济发展水平靠前的江苏、上海、山东和广东沿海四省(市)为研究对象，采用熵值法测算经济开放度，进而建立面板数据模型，研究金融发展是如何影响经济开放度，以期探索提升沿海地区经济开放水平的金融支持路径，为沿海地区的高质量发展提供参考。

一、沿海四省市金融发展情况分析

参照文献[12]的做法，从金融相关比率、金融中介效率、金融结构来综合衡量沿海四省市金融发展水平。

(一)金融相关比率(FIR)

金融相关比率是衡量一个地区金融市场发达程度的一种指标，反映该地区金融机构的规模，常用金融资产与国内生产总值的比值来表示。考虑到四省市银行占主导地位，债券、股票等占金融资产的比例较小，将金融机构存贷款总额与GDP的比值来表示金融相关比率[12]。

由图1可以看出，沿海四省(市)的FIR总体上处于波动上升的状态，上海的FIR最高，明显高于广东、江苏和山东，表明江苏、山东和广东的金融规模与上海相比有一定的差距，三省需要大力发展金融业，以金融支持实体经济发展。

图1 沿海四省(市)2006—2018年金融相关比率(FIR)变化趋势

(二)金融中介效率(FEF)

金融中介效率体现的是金融中介机构调度社会资源的能力，常以贷款总额与存款总额的比值来表示。

从图2可以看出，四省(市)金融中介效率变化趋势趋同，基本呈现同增同减的状况。山东和江苏的金融效率较高，广东次之，上海最低。这可能是由于上海和广东的金融规模相对较大，上海和广东在金融资源合理配置水平上还有待提升。

图2 沿海四省(市)2006—2018年金融中介效率(FEF)变化趋势

(三)金融发展结构(FS)

目前沿海地区金融结构整体上都属于银行主导型，一般以非银行体系来代表地区的金融发展结构。考虑到数据的获得以及选取替代指标的替代性，采用存款余额占地区国民生产总值的比值作为金融发展结构变量[12]。

从图3可以看出，各省(市)的金融结构运行比较平稳，上海的金融结构比例最大，广东和江苏次之，山东最低。沿海四省(市)总体呈现金融体系单一、金融融资规模不大的特点，金融资源还未能有效促进沿海地区的发展。

图3 沿海四省(市)2006—2018年金融结构(FS)变化趋势

二、研究方法

(一)熵值法

熵值法是一种客观赋权的方法，熵值越小，信息量就越大，确定性就越大，有序程度越高；反之，熵值越大，信息量就越小，确定性越小，无序程度越高。假设数据中有n个样本m个指标，其中，xij表示第i个样本第j个指标(1≤i≤n，1≤j≤m)。熵值法确定权重的步骤为：

(1)计算第j个指标下第i个样本的特征比重或贡献度(pij)。

(2)计算第j项指标的熵值(ej)。

(3)计算差异性系数(gj)。

gj=1-ej

(4)计算评价指标的权重(wj)，并计算企业的综合得分(S)。

(二)面板数据模型

面板数据是截面数据与时间序列综合起来的一种数据资源，面板数据模型可以用于分析各样本在时间序列上组成的数据的特征，它能够综合利用样本信息，通过模型中的参数，既可以分析个体之间的差异情况，又可以描述个体的动态变化过程。面板模型选择与建立的步骤为：

(1)检验各数据的平稳性。检验数据平稳性最常用的方法是单位根检验。单位根检验时有三种检验模式：既有截距又有趋势、只有截距、以上都无。采用最常见Fisher-ADF检验判断序列是否存在单位根，Fisher-ADF检验的原假设是存在单位根，即序列是不平稳的，检验统计量为：

单位根检验时先检验既有截距又有趋势项，再检验只有截距项，最后检验二者都不含的情况。只要三种模式有一种模式拒绝原假设，即不存在单位根，就可以认为该序列是平稳的。如果存在单位根，则对原序列进行一阶差分，对差分后的序列再做单位根检验；若仍存在单位根，则进行二阶差分，直至序列平稳为止。

(2)协整检验。若基于单位根检验的结果发现变量为同阶单整，则进行协整检验。面板协整检验有两类，一类是从Engle-Granger两步法推广的基于残差同质和异质的面板数据检验，同质检验包括Kao检验和Westerlund VR-p检验，异质检验包括Pedroni检验和Westerlund VR-g检验；另一类是从Johansen检验方法推广的面板数据协整检验。

在实证研究中，以第一类方法的Kao检验和Pedroni检验最为常用。Kao检验和Pedroni检验原假设是变量间存在协整关系，Pedroni检验分为组内统计量和组间统计量共7个统计量，其中Panel V-Statistic、Panel rho-Statistic、Panel PP-Statistic和Panel-ADF Statistic为组内统计量，Group rho-Statistic、Group PP-Statistic和Group ADF Statistic为组间统计量。Pedroni在1999年指出，在进行面板协整检验时，Panel ADF和Group ADF检验效果强于其他统计量，所以对于检验结果，我们重点关注PP统计量和ADF统计量，如果这两种统计量均拒绝原假设，则说明变量之间存在长期均衡关系。

(3)面板数据模型的选择和建立。如果通过协整检验判断变量之间有长期的均衡关系，接着就可以构建面板模型。面板数据建立的模型通常有三种，即混合估计模型、固定效应模型和随机效应模型。混合估计模型是由固定效应和随机效应两部分组成的统计分析模型。在做面板数据模型前先进行F检验来比较混合回归模型和固定效应模型，其原假设为不存在个体固定效应。接着用Hausman检验来判断采用固定效应模型还是随机效应模型，其原假设是随机效应成立。构造的F检验统计量为：

如果F检验拒绝原假设，Hausman检验也拒绝原假设，则使用个体固定效应模型。如果F检验接受原假设，则使用混合估计模型，如果Hausman检验接受原假设，则使用随机效应模型。

三、经济开放水平评价

(一)评价指标体系构建

在已有研究基础上，从对外贸易、引进外资和经济合作三大维度选取7个指标来考察经济开放水平，评价指标体系如表1所示。

表1 经济开放水平评价体系

(二)数据处理

由于指标中所反映的内容都不一样，不具有可比性，需要对原始数据进行标注化的处理，以此来消除量纲的影响。表1中均为正向指标，采用极差标准化方法的处理公式如下：

式中，Xij为无量纲化后的赋值，xij为各指标的原始值，max(xij)和min(xij)分别表示统计指标中的最大值和最小值。由于赋值法涉及取自然对数，因此，一般在经标准化处理的数据后增加一个略大于0的正数0.001，以避免赋值数的无意义，计算结果见表2。

表2 地区经济开放水平综合评价

由表2可知，沿海四省(市)经济发展开放水平中，对外贸易的维度占比最大，为37.14%，引进外资和经济合作两个维度占比均在31%左右。根据沿海四省(市)经济发展开放水平指标体系的各项权重，计算出沿海四省(市)经济开放水平的综合得分，如表3所示。

表3 综合评价得分结果

从表3可以看出，2006—2018年沿海四省(市)的经济开放水平综合评价得分整体呈波动上升趋势。由于受金融危机的影响，贸易额虽然不断加大，但其增速小于GDP增速，该得分从2008—2009年有一定下降。2009年后各省(市)的经济开放水平有所回升。从整体上看，2006—2018年上海、广东的增幅最为显著，高于江苏、山东的增幅。此外，山东的开放度增长速度在2016年后有所回落，而广东的增幅显著。

四、金融发展对沿海地区经济开放水平影响的实证分析

(一)面板模型的单位根检验

以计算出来的沿海四省(市)经济开放水平综合得分作为被解释变量，用Y表示，以金融相关比率、金融中介效率和金融结构作为解释变量，分别用FIR、FEF和FS表示。建立面板模型，深入探讨沿海四省(市)金融发展对经济开放水平的影响。首先进行平稳性检验，结果见表4。

表4 Fisher-ADF单位根检验结果表

由表4可知，FIR和FS的P值小于0.05，在5%的显著性水平下拒绝原假设，表明序列不存在单位根，为平稳序列。而Y和FEF均未拒绝原假设，说明存在单位根，为非平稳序列。所有变量一阶差分的P值均小于0.05，表明这四个序列均不存在单位根，是平稳序列。由此得出，Y、FIR、FEF、FS四个序列均为一阶单整序列，满足协整检验的前提条件。

(二)协整检验

由表5可知，Panel PP-stat、Panel ADF-stat和Panel v-stat的统计量均显著，拒绝原假设，变量之间存在同质协整关系。Group PP-stat、Group ADF-stat的统计量也均显著，说明变量之间存在异质协整关系。Kao检验的统计量很显著，拒绝没有协整关系的原假设，得出变量之间存在协整关系。综上所述，在置信水平为5%的条件下，8个统计量有6个均拒绝原假设，所以经济开放水平与金融发展各序列存在长期均衡关系，接下来对存在协整关系的序列进行参数估计。

表5 面板数据协整检验结果

(三)面板数据模型的选择和建立

先进行F检验来比较混合回归模型和固定效应模型，再用Hausman检验来判断采用固定效应模型还是随机效应模型。检验结果如表6所示。

表6 F检验和Hausman检验结果

由表6可以看到，F检验统计量值为38.005 814，在5%的显著性水平下拒绝原假设，所以面板数据存在个体固定效应。Hausman检验P值为0.000 1，小于0.05，拒绝原假设，应该采用固定效应模型。固定效应模型有时点固定效应模型和个体固定效应模型，还需要进行Likelihood Ratio似然比检验来确定是时点固定效应模型还是个体固定效应模型，检验结果如表7所示。

表7 固定效应Likelihood Ratio似然比检验结果

由表7可知，检验后得出F统计量的P值和卡方统计量的P值均为0，但是个体固定效应模型不显著，而时点固定效应模型显著，所以应选择时点固定效应模型，回归结果见表8。

表8 时点固定效应面板回归结果

从表8可以看出，各变量系数的P值均小于0.05，各系数均显著，R2为0.939 855，模型拟合优度较好。常数项为负，这说明沿海四省(市)除金融发展以外的因素对经济开放水平有负向作用。金融相关比率的系数也为负，说明金融相关比率对沿海地区经济开放水平有负向作用，即金融规模的扩大抑制了经济开放水平的提高。金融中介效率的系数为正，说明金融中介效率对其有正向作用。金融结构的系数为正，以银行主导型的金融结构对经济开放水平也有促进作用，随着沿海四省(市)银行主导型的趋势日益明显，这利于沿海四(市)省经济开放水平的提高。

五、结论

选取沿海四省(市)金融发展与经济开放水平相关数据，通过熵值法建立评价体系，采用面板数据模型分析两者的互动影响机制，得出如下结论：

(1)从金融相关比率来看，各地区全部处于缓慢上升的趋势，上海的金融资产最高，明显高于广东、江苏和山东，山东省应该注重扩大金融规模，调整优化信贷市场，着力发展资本市场。从金融中介效率来看，上海和广东均低于江苏和山东，上海和广东虽然具有金融规模优势，但是还要注重金融资源的合理配置，政府要加强引导，避免资源浪费。从金融结构来看，山东最低，山东应该优化金融结构体系，发展地方金融组织，促进金融体系多元化。

(2)经济开放水平综合评价结果表明，沿海地区经济开放水平总体呈上升趋势，特别在进入经济高质量发展阶段，沿海地区的经济开放水平提升更为明显。其中，上海、广东的增幅最为显著，高于江苏、山东的增幅；山东的开放度增速在2016年后有所回落，而广东的增速在2016年之后大幅提高。

(3)面板模型分析结果显示，沿海地区金融发展和开放水平间存在长期均衡关系，金融相关率对经济开放水平有抑制作用，即金融规模的扩大不利于提高经济开放水平；金融中介效率和金融结构在一定时间内对经济开放水平有促进作用。