金融产业集聚与经济增长质量的关系探讨

郭 华,张 洋,苏 欣

(1.四川农业大学经济学院,四川 成都 611130；2.北京农学院,北京 102206；3.北京北农企业管理有限公司,北京 102206)

0 引言

随着中国金融改革的推进，金融业产值持续快速增长，经济整体表现强劲。据国家统计局官网和《中国金融年鉴》，2017年中国国内生产总值达83.2万亿元，同期金融产业增加值突破6万亿元，占比从2007年的5.62%升至2017年的7.79%。与此同时，经济的快速增长带来的资源过度消耗、环境污染严重等负面影响不容忽视。习近平总书记在党的十九大报告中明确指出：“我国经济已由高速增长阶段转向高质量发展阶段”，经济结构和发展方式亟待优化，金融对于经济发展质量的调节作用进一步凸显。研究表明，20世纪中叶开始，美国、日本等国家同样经历了金融产业不断集聚的过程和寻求经济高质量发展之路[1]，对金融产业集聚与经济增长质量的关系进行研究，对于更有效地发挥金融产业集聚优势、促进经济增长质量提升具有重要意义。

学术界关于金融产业集聚与经济增长质量关系的研究相对较少，但在金融产业集聚与经济增长关系[2,3]问题上存在两种观点：1)肯定金融产业集聚对经济增长的正向促进作用[4-9]，且这种促进作用在集聚程度较高的地区更明显[9]；2)认为金融产业集聚对经济增长存在负向影响[10]，如银行业集聚会一定程度上抑制企业绩效的增长[11,12]。有学者提出，良好的区位条件、经济基础和人力资本积累[13,14]及完善的基础设施和较低的信息获取成本[15-18]等都是金融产业集聚的促进因素，而落后的城市化进程[13]、地区社会声誉和信任度偏低[19]及陈腐风气[20]则不利于金融产业集聚。已有研究多使用区位熵[21]等直接测算方法和主成分分析[22]、因子分析[23]等间接测算方法对金融产业集聚水平进行测算。经济增长质量的相关研究则多集中于对其指标体系的构建[24]，有学者直接将经济增长质量等同于经济增长效率[21,25]；还有研究从经济结构、科技与创新、资源与环境、对外开放等多维度综合评价经济增长质量[26]。

基于现有研究，本文在完善和优化现有指标体系的基础上，使用主成分分析法和区位熵法分别对1997-2017年中国省域经济增长质量和金融产业集聚度进行测算，并分析二者的时空变化特征，进而使用面板向量自回归模型对金融产业集聚与经济增长质量间的关系进行检验，以期为推进区域金融产业的合理布局和经济高质量发展提供参考。

1 数据来源与研究方法

1.1 研究区域与数据来源

鉴于数据的可得性，本文选取中国30个省域作为研究区域(港、澳、台及西藏地区未纳入研究范围)，时间跨度为1997-2017年。钞小静等[27]将经济增长质量的内涵界定为经济增长的结构、稳定性、福利变化与成果分配以及资源利用和生态环境代价4个维度。考虑到经济增长效率在经济增长质量中具有核心地位[28]，本文将经济增长效率作为经济增长质量的评价维度之一，从经济增长结构性、经济增长效率、经济增长成本性、经济增长稳定性和经济增长分享性5个维度对经济增长质量进行综合评价(表1)。其中，经济增长结构性通过产业结构和投资消费结构综合反映，经济增长效率反映经济运行过程中投入与产出之间的数量关系，经济增长成本性用于衡量经济增长过程中的资源消耗与污染排放情况，经济增长稳定性用于综合评价价格、就业和产出的波动情况，经济增长分享性总体考察经济增长带来的居民福利变化和成果分配。

表1 经济增长质量综合评价指标体系Table 1 Comprehensive evaluation index system of economic growth quality

本文测度经济增长质量基础指标的数据来源于1997-2017年《中国统计年鉴》、各省域统计年鉴和国家统计局官网，金融产业产值数据来源于《中国金融年鉴》。对表1中部分指标的处理过程说明如下：1)与价格相关指标均使用价格指数以1995年不变价格进行折算。2)采用永续盘存法计算资本存量：Kit=Iit/Pit+(1-δit)Ki(t-1),Kit和Ki(t-1)分别表示i省t年和t-1年的实际物质资本存量，Iit、Pit分别表示i省t年的投资和投资价格指数，δit表示资产折旧率，为9.6%[29]，其中基期资本存量参考单豪杰[30]的方法进行测算。3)使用Malmquist指数计算全要素生产率，本文将资本存量与劳动人员作为投入变量，实际GDP作为产出变量。4)对数据进行正向化和无量纲化处理，逆向指标正向化处理方法为：新值=最大值-原值，采用均值化法对指标进行标准化处理。

1.2 研究方法

1.2.1 经济增长质量指数测度方法 采用全局主成分分析方法对中国各省域的经济增长质量综合指数及各维度指数进行测度。首先对所有指标进行KMO和Bartlett检验，然后基于主成分分析法测算出各项指标在经济增长各维度所占权重，得出经济增长质量各维度指数；进一步用全局主成分分析法确定各项评价维度的权重，得出经济增长质量综合评价指数。

1.2.2 金融产业集聚度测算方法 采用区位熵法对中国各省域的金融产业集聚情况进行测度，计算公式为：

LQij=(qij/qj)/(qi/q)

(1)

式中：LQij为j省i产业(本文特指金融产业)的区位熵值(反映产业的集聚程度)，若区位熵值大于1，则认为j省金融产业发展在全国具有相对优势，反之则在全国处于相对劣势；qij/qj为j省金融产业增加值占本省GDP的比重；qi/q为全国金融产业增加值占全国GDP的比重。

1.2.3 模型构建 通过构建面板向量自回归(PVAR)模型检验金融产业集聚对经济增长质量的影响，进一步考察金融产业集聚对经济增长结构性、效率、成本性、稳定性、分享性的影响。模型如下：

(2)

2 经济增长质量动态演进

基于经济增长质量指标评价体系，通过主成分分析法计算得到1997-2017年省域经济增长质量综合指数。选取1997年、2002年、2007年、2012年和2017年为样本年份，采用分位数分段法将样本期内经济增长质量综合指数划分为10个等级，用ArcGIS软件绘制省域经济增长质量综合指数空间演变图(图1，彩图见附录2)，发现存在以下特征：

注：审图号为GS(2019)1835号，下同。图1 中国各省域经济增长质量综合指数演变Fig.1 Evolution of comprehensive index for economic growth quality of provinces in China

2.1 由单极向多极发展的空间格局特征

中国各省域的经济增长质量空间格局呈现出由上海单极向全国多极化发展特征。1997年形成以上海经济增长质量综合指数为最高的单极空间分布特征；2007年北京和天津的经济增长质量综合指数分别为2.1463和1.9780，形成以京津沪为高经济增长极点的多极分布特征；2012年经济增长质量多极化分布特征更为明显，京津沪均位于第一等级，内蒙古、江苏、浙江、福建及广东提升至第二等级；2017年多极化分布特征进一步凸显，除河北外，所有沿海省域及部分内陆省域(黑龙江、吉林、湖北、重庆、宁夏、内蒙古等)均位于第二等级以上。这一变化特征在一定程度上表明，中国在促进经济高质量增长的过程中越来越注重均衡化发展。

2.2 极点带动演进特征

中国各省域的经济增长质量综合指数在样本期内逐年递增，均值由1997年的0.7442提升至2017年的2.1103，年均增长率为5.35%(表2)。各省域经济增长质量提升过程存在明显的极点带动式发展特征，具体表现为以上海、京津、重庆、宁夏为序，逐步辐射带动周边区域。上海的经济增长质量综合指数始终位于全国第一位，在其带动下江苏和浙江的综合指数分别以7.49%和7.13%的年均增速位列全国第一位和第二位。环渤海地区则以北京、天津为带动，其中山东的经济增长质量综合指数年均增速较快，为6.81%。重庆相比其他省域仍有较大差异，其发挥的带动作用与京津沪相比不显著。陕甘宁地区中宁夏的经济增长质量综合指数虽然排名靠前，但其年均增速位列全国第25位，发展动力不足；陕西和甘肃年均增速分别保持在6.35%和5.52%，具有一定的发展潜力。

表2 1997-2017年中国各省域经济增长质量综合指数年均增速及排名情况Table 2 Annual average growth rate and its ranking of economic growth quality of provinces in China from 1997 to 2017

2.3 各维度指数与综合指数变化趋势差异

由各省域经济增长质量各维度指数在2017年的排名及变动情况(表3)可知：

表3 2017年各省域经济增长质量各维度指数排名及变动情况Table 3 The ranking and changes of each dimension index of economic growth quality of provinces in China in 2017

经济增长效率、成本性和分享性指数均在样本期内呈增长趋势，与综合指数变化趋势一致。效率与成本性指数排名均靠前的天津、重庆和江苏等在经济发展过程中更加注重技术创新与人才培养，从而促进了新阶段的经济转型，形成良性循环，经济增长效率的提高成为释放经济增长潜力的关键。青海、宁夏和新疆等西北地区以及河北、山西和内蒙古等的经济增长成本性排名靠后，与西北地区相比，华东地区在经济增长过程中更注重资源节约与环境保护，生态环境得到了较大改善。经济增长分享性指数在经济增长质量综合评价中所占权重为58.93%，因此分享性的变化趋势与综合指数变化趋势最为接近，各省域的分享性指数均在样本期内不断提升，社会保障体系和收入分配制度日益完善，分享性指数也逐渐成为提高经济增长质量的主要因素。

经济增长结构性指数和稳定性指数在样本期内均呈下降趋势，变化趋势与综合指数不一致。结构性指数排名表明，海南、浙江、江西、新疆与福建等省域随着经济发展其经济结构的优化效应逐步显现，宁夏、贵州、青海、云南、陕西和甘肃等西部省域结构性指数相对较低，长此以往将导致城乡经济差距持续扩大，为经济高质量增长带来负面影响。对于中西部地区多数省域而言，发展不平衡依然是经济发展过程中亟待解决的关键问题，城乡二元结构严重、区域发展不平衡等问题制约了转型期经济的动力重塑[31]。经济增长稳定性指数的年均增速为负，且排名变动幅度最大。实现稳定的经济增长是重要的经济政策目标，上海、广东和重庆在2017年的经济增长稳定性相对较好，在稳定物价与经济稳定发展中成效显著。但需要注意的是，中国多数省域仍需注重提高经济增长稳定性，以实现长短期内经济健康稳定增长。

3 金融产业集聚度动态演进

基于区位熵法测算出1997-2017年各省域的金融产业集聚度，选取1997年、2002年、2007年、2012年和2017年为样本年份，采用分位数分段法将金融产业集聚度划分为5个等级，使用ArcGIS软件绘制各省域金融产业集聚度空间可视化演变图(图2)，发现存在以下特征：

图2 中国各省域金融产业集聚度的动态演进Fig.2 Dynamic evolution of financial industry agglomeration degree of provinces in China

3.1 多极点稳定发展空间格局

中国各省域的金融产业集聚度呈现以北京、山西、上海、宁夏、重庆、青海和新疆等多个金融中心稳定发展的空间布局特征。1997年宁夏、北京、上海、重庆、青海和山西的金融产业集聚度位于第一等级，2002-2012年新疆的金融产业集聚度也提升至第一 等级，形成中国金融产业集聚多极点稳定发展的空间格局。从这些极点形成金融产业集聚的成因看，第一类是长三角和环渤海地区省域，包括上海、浙江、北京、天津等，地区经济发展较好，金融产业集聚度相对较高，尤其是北京和上海作为国际金融中心，能够吸引金融资源在本地集聚，并能促进周边地区金融产业发展。第二类是西部地区省域，包括重庆、宁夏、青海和新疆等，“西部大开发”等国家战略的实施加速了其金融产业发展。宁夏的金融产业集聚度在西北地区最高，一方面是由于其金融产业增加值和地区生产总值均较低，导致区位熵指数较高；另一方面则是由于其区位因素不利于第一、二产业发展，而其金融产业发展具有相对优势。重庆作为“长江上游金融中心”，其金融产业集聚度处于西南地区较高水平。此外，其他省域金融产业区位熵指数均小于1，金融产业尚未形成明显集聚，主要由于其金融发展不具备专业化优势。如中部地区的河南、湖北等地农业发展条件较好，由于区位、资源等因素其产业结构难以在短期内发生较大改变，金融产业在短期内也难以形成集聚。

3.2 各地区多极点演进特征

中国各省域金融产业集聚度均值在样本期内呈波动递增的变化趋势，平均值由1997年的1.0826增至2017年的1.0910，年均增长率为0.04%(表4)，但从各省域金融产业集聚度的变化趋势看，逐步向形成多个金融产业集聚中心发展。华北地区逐步形成北京、河北和山西等金融产业集聚中心；东北地区则以黑龙江的金融产业集聚度年均增速最高，辽宁的金融产业集聚度也在提升，吉林的年均增速为-0.23%，形成黑龙江、辽宁两个金融产业集聚中心；华东地区以上海、浙江为金融产业集聚中心，上海的金融产业集聚度保持0.90%的年均增速并仍在不断提升，浙江集聚度的年均增速达0.83%；中南地区的金融产业集聚度整体处于相对劣势，湖南和海南的金融产业集聚度年均增速虽然相对较高，但由于初期集聚度较低，还需要长时间积累才能成为中南地区金融产业的集聚中心；西南地区以重庆的金融产业集聚度最高，但其年均增速(-1.13%)最低，而贵州金融产业集聚度则以全国最高增速(1.35%)提升，2017年已达1.2101，成为西南地区新的金融集聚中心，但区位熵为相对指数，且贵州地处丘陵盆地，交通相对落后，国内生产总值较低，致使其金融产业规模增速较快；西北地区以宁夏的金融产业集聚度最高，但宁夏集聚度的年均增速为负，而新疆集聚度的年均增速高达0.97%，至2017年其金融产业集聚度提升至1.6270，与宁夏(1.7554)的差距进一步缩小，西北地区趋向巩固以新疆为金融产业集聚中心。

表4 1997-2017年中国各省域金融产业集聚度年均增速及排名情况Table 4 Annual average growth rate and its ranking of financial industry agglomeration degree of provinces in China from 1997 to 2017

4 金融产业集聚与经济增长质量关系检验

4.1 模型检验及估计结果

4.1.1 模型检验 在正式建立PVAR模型前，本文使用LLC、IPS和Fisher-ADF方法对各变量进行平稳性检验，发现所有变量均不存在单位根，为非平稳序列。对原始变量进行一阶差分后再次检验(表5)，由表5可知，所有一阶差分后的变量均通过显著性检验，因此原始变量为一阶单整序列。为避免出现伪回归问题，采用Westerlund检验方法对各变量进行协整检验，除组统计量Ga在经济增长结构性指数与金融产业集聚度的协整检验结果中接受原假设外，组统计量Gt和面板统计量Pt、Pa在各协整检验中均显著拒绝原假设，由此可以认为,经济增长质量及其各维度指数与金融产业集聚度之间存在长期稳定的协整关系。进而应用AIC、BIC、HQIC信息准则确定PVAR模型的最优滞后阶数，考虑到样本特征，滞后阶数取值原则上不超过3阶，各经济增长变量滞后阶数的AIC、BIC和HQIC检验结果如表6所示。

表5 面板平稳性检验结果Table 5 Panel stability test results

表6 滞后阶数检验结果Table 6 Lag order test results

4.1.2 模型估计结果 本文对各被解释变量分别进行截面均值差分和前向均值差分处理后，PVAR模型参数的GMM估计结果见表7。模型Ⅰ是经济增长结构性回归结果，滞后1期的金融产业集聚度对结构性变动有显著正向影响，具体表现为在1%的显著性水平下，滞后1期的金融产业集聚度每提高一个单位，经济增长结构性指数对应提高0.0655个单位；但滞后2期的金融产业集聚对结构性无显著影响。滞后1期的结构性对经济增长结构性具有显著正向影响，但滞后2期的结构性对其具有显著负向影响，表明金融产业集聚能够在短期内对经济增长结构优化起到一定促进作用，但长期看对结构优化影响不显著。模型Ⅱ为经济增长效率的回归结果，滞后1期的金融产业集聚度对效率的影响显著为负，但滞后1期的经济增长效率对其表现出显著正效应，表明经济增长效率更多地受其自身滞后项的影响。模型Ⅲ为经济增长成本性回归结果，滞后3期的金融产业集聚对成本性指数无显著影响，成本性指数自身滞后项对其影响程度随时间逐步减弱。由于成本性指数更多依靠技术创新推进绿色经济发展，因此金融产业集聚在短期内对成本性指数未表现出显著影响。滞后1期的成本性指数在1%的显著性水平下影响系数为0.7236，滞后3期的成本性指数在10%的显著性水平下影响系数降至0.0855。模型Ⅳ为经济增长稳定性回归结果，滞后1期的金融产业集聚在10%的显著性水平下对经济增长稳定性产生正向影响，稳定性自身滞后1期值与滞后2期值对稳定性变动均产生负向影响。已有研究表明，物价稳定有利于金融发展[32]，故金融产业集聚在短期内能够有效促进经济增长稳定性。就经济增长的分享性而言(模型Ⅴ)，滞后1期的金融产业集聚度在1%的显著性水平下对当期经济增长分享性存在负向影响，经济增长分享性自身滞后1期对其具有显著正向影响，具有强烈的路径依赖特征，金融产业集聚在短期内不利于经济增长分享性的提升。模型Ⅵ表明，滞后1期的金融产业集聚能够有效提升经济增长质量。

表7 PVAR模型估计结果Table 7 Estimation results of PVAR model

由以上分析可知，经济增长质量各维度指数均存在一定程度的路径依赖现象，表现为除经济增长稳定性指数滞后1期值系数显著为负外，其余各维度指数滞后1期值均显著促进其自身当期值的提升，依赖自身惯性发展的特征显著。

4.2 脉冲响应函数分析

由于PVAR模型回归系数仅反映了局部的动态关系，因此进一步通过脉冲响应图检验经济增长质量与金融产业集聚间的长期动态关系。本文经过蒙特卡罗500次模拟，得到经济增长质量对金融产业集聚变量冲击滞后10期的响应结果(图3)。由图3可以看出：经济增长结构性对金融产业集聚度的冲击具有显著的正向响应，第3期之后开始下降，第7期之后趋于平缓(图3a)，表明金融产业集聚对经济增长结构性的正向影响显著且持久。长期看，金融产业集聚有利于优化经济增长结构，且短期内优化效果最明显。经济增长效率对于金融产业集聚度冲击在短期内正向和负向响应交替出现，但伴随时间的推移，正向响应超过了负向响应(图3b)。金融产业集聚对经济增长效率的影响在短期内具有不确定性，但从长期看，对经济增长效率具有一定的促进作用。经济增长成本性对金融产业集聚冲击表现出显著的负向响应(图3c)，一方面可能由于金融产业集聚并没有带动更多的金融资源投入生态环境领域，另一方面则是金融产业集聚过程中部分企业追逐自身经济利益最大化，将环境治理投资更多地用于购买机器设备等扩大产能的项目，较少用于节能减排相关项目，使得已经投入环境保护和污染治理的金融资源并未发挥实质作用。经济增长稳定性对于金融产业集聚的冲击有显著的负向响应，且持续时间较长，在第8期开始趋于收敛(图3d)，这可能是由于金融产业集聚带来的杠杆效应会影响实体经济发展的稳定性。经济增长分享性对金融产业集聚的冲击在短期内出现正向响应，但持续时间较短，在第3期正向响应趋于平稳(图3e)，表明金融产业集聚对经济增长分享性的正向作用在短期显著，但从长期看作用有限。经济增长质量对金融产业集聚的冲击在短期内出现正向响应，自第2期开始响应强度减弱，随后趋于平稳(图3f)，表明金融产业集聚在短期内可能有利于经济增长质量的提升，但从长期看这种促进作用有限。

图3 脉冲响应图Fig.3 Impulse response diagram

4.3 方差分解分析

进一步通过方差分解考察金融产业集聚度变动对经济增长质量及其各维度指数的贡献度(表8)。1)从整体上看，除经济增长成本性外，金融产业集聚对经济增长质量及其各维度指数变动的贡献度随期数增加逐渐提高，对成本性的贡献度在第7期和第10期出现小幅下降。2)从长期看，金融产业集聚对经济增长效率、质量及分享性变动的贡献度在第10期分别达到58.9%、54.3%和52.0%，表明金融产业集聚对三者变动的贡献度较大；金融产业集聚对经济增长结构性和稳定性的贡献度至第10期分别为17.8%和2.3%，对经济增长成本性的贡献度在第5期后趋于平稳，在第9期达到最大值(3.6%)，表明金融产业集聚对经济增长结构性、稳定性和成本性变动的贡献度在长期内有限，其变动主要受自身扰动项的影响。

表8 方差分解结果Table 8 Results of variance decomposition

5 结论与启示

本文对中国省域金融产业集聚及经济增长质量进行测算，进而检验了二者间的动态关系与内在经济逻辑，主要结论如下：1)在经济增长质量方面，呈现由上海单极向全国多极化发展的空间格局，且在各地区内部也出现明显的多极化空间格局。经济增长质量综合指数逐年提升，由极点发展逐步带动周边提升；从经济增长质量各维度看，各省域经济增长分享性、效率和成本性的提升过程与经济增长质量的提升过程相似，均呈增长趋势，而经济增长稳定性与结构性指数则呈下降趋势，各省域在保持经济增长稳定与优化经济结构方面还有待提升。在金融产业集聚度方面，呈现以北京、山西、上海、宁夏、重庆、青海和新疆为多极点发展的空间格局，金融产业集聚度呈波动递增趋势，且各地区逐步向多个金融产业集聚中心发展。经济增长质量综合指数与金融产业集聚度既有联系又存在明显差异，多数省份经济增长质量与金融产业集聚度在全国的排名存在较大差异。2)金融产业集聚对经济增长质量整体具有显著促进作用，但对经济增长各维度的影响存在差异。脉冲响应结果显示，金融产业集聚度的变动将正向作用于经济增长的结构性、效率和分享性，但对经济增长成本性和稳定性具有负向影响。在长期和短期，金融产业集聚对经济增长各维度变动的影响存在差异。除经济增长成本性外，金融产业集聚对各维度指数变化的贡献度均随期数增加而增大；但金融产业集聚对经济增长结构性、成本性和稳定性的贡献度在长/短期均较低，在长期对提高经济增长效率、分享性和质量的贡献度超过自身扰动项对其变化的贡献度。

基于以上结论，在如何推进金融产业集聚合理布局从而助推经济增长质量的提高方面得出如下政策启示：1)充分发挥金融产业集聚在提升经济增长结构性、效率及分享性方面的正面效应，警惕金融产业集聚过程中放大杠杆倍数对生态环境和经济增长稳定性造成的负面影响；2)金融产业集聚度并非越高越好，应保持在促进经济增长质量提高的一定区间内，促进金融对经济发展的良性支持。本文未考虑空间效应及其他因素对经济增长质量的影响，这将是后续研究的重点。