金融业发展对经济高质量发展的影响研究——基于省际面板数据的空间计量分析

王婉秋

（南京审计大学经济学院，南京211815）

一、引言

经历了改革开放四十多年的经济高速增长，中国一跃成为世界第二大经济体，但这种经济奇迹的背后有许多我们不能忽视的现实问题。过去我们所赖以发展的要素正在逐渐收紧对经济发展的约束。党的十九大报告提出“高质量发展”的新表述，这意味着中国经济走向了转变发展方式、优化经济结构、转换增长动力的攻关期，逐渐由经济的高速增长阶段转向高质量发展阶段。在这个经济转型的关键阶段，2018年政府工作报告进一步指出，在推动高质量发展，促进经济结构优化升级的过程中，既要实现经济平稳增长，也要提高经济发展的质量效益，此二者应为互促共进的关系。

习总书记指出“金融是实体经济的血脉，为实体经济服务是金融的天职，是金融的宗旨。”作为现代经济的核心，金融部门对经济发展具有重要的战略意义。对金融资源进行有效开发和利用，能够降低经济体系的宏观资源配置成本和微观经济主体的交易成本。为了实现经济的高质量发展，提升金融资源的配置质量与效率势在必行。

二、理论分析与研究假设

传统的金融发展理论以分析整个金融体系对经济增长关系的研究为主。最早可以追溯到1912年，Schumpter在其著作《经济发展理论》中指出，金融机构所提供的服务对经济发展至关重要。之后，Goldsmith（1969）和Mckinnon（1973）的开创性实证研究验证了35个国家1860年至1963年期间金融与经济发展之间同时发展的关系。多数研究依赖宏观发展的经验证据和跨国比较研究，如今金融已经不可避免地成为影响地区经济发展差距的重要因素。因此，必须将金融资源的空间分布规律和差异特征纳入研究范围，探究金融资源的空间非均衡性与经济高质量发展之间的关系。

在金融运行过程中，金融资源是能够带来增值的经济增长投入要素。金融资源配置的首要作用是实现金融资源的有效配置，促进金融要素在市场环境中自由地流动与集聚，帮助企业拓展规模，减少与资金相关的交易成本，进而提升经济高质量发展水平。相关研究表明，金融资源配置对经济增长具有空间溢出性：地处我国东中西三大区的金融资源配置情况各不相同，对经济发展具有不同的空间溢出效应（唐松，2014），并且这种区域间的资源配置失衡明显加深了区域经济增长的差异（史恩义，2015）。虽然目前大量研究仍然从单一的视角对地区发展进行研究，本研究更倾向于在分析金融资源配置对经济高质量发展的影响时，引入空间计量经济学的方法，充分考虑空间因素对金融资源配置的作用。一方面，金融资源作为经济运行中资本形成的必要条件之一，金融资源的配置和各地区资本要素的投入相互影响，在区域之间进行流动，金融资源配置产生空间溢出。另一方面，经济高质量发展在地区间也是非独立的状态，由于晋升压力的存在，地方政府的“你追我赶”会使邻近区域的经济高质量发展水平趋于一致。

由此本研究提出假设:金融资源配置不仅直接作用于经济高质量发展水平，并且通过空间外溢效应对邻近地区的经济高质量发展水平产生作用。

三、实证模型设计

（一）空间计量模型设定

首先，由于金融资源的有效配置可以直接影响经济高质量发展水平，并且相关研究表明，劳动力（labor）、资本存量（KStock）、政府干预（Gov）、外商直接投资（FDI）也是影响经济高质量发展的重要因素，由此计量模型可设定为：

其中，以i和t分别代表省份和年份，εit是随机扰动项，θ1～θ5是各解释变量的弹性系数。

其次，被解释变量经济高质量发展（JJZL）在空间上存在较为明显的关联效应，因为这种空间依赖关系的存在，本省经济高质量发展过程中的影响因素都有可能会作用与邻近省份的发展水平。所以除了关键解释变量之外，其他控制变量也可能与周边地区的经济高质量发展之间存在空间交互效应。所以本研究在式（1）的基础上，加入被解释变量省际经济高质量发展水平以及控制变量金融资源配置等相关变量的空间交互项，将其扩展为一个空间计量模型：

其中ρ是空间自回归系数；wij是空间权重矩阵；φ1-φ5是各解释变量空间交互项的弹性系数；μi、νt、εit依次表示空间效应、时间效应和随机误差。在空间计量经济学中，由于式（2）中既包含了被解释变量，也包含了解释变量的空间交互项，这种模型一般称为空间杜宾模型。

（二）变量测度与数据说明

考虑到数据的可得性，本研究以30个省份为数据（除西藏之外，因西藏数据缺失）为样本。由于2008年全球爆发了较大规模的金融危机，可能会有极端值出现，故数据起始年份为2009年，部分数据仅更新至2017年，故数据时间跨度为2009—2017年，数据来源于《中国统计年鉴》《中国工业经济统计年鉴》、高校财经数据库等。详细指标测度如下。

1.被解释变量：省份经济高质量发展水平（JJZL）

经济高质量发展并不是一个简单的经济范畴，而是一系列因素的综合反映，用数量指标构建经济高质量发展指标体系也是个较为复杂的问题，涉及经济的方方面面。本研究参考前人的研究成果，基于“五大发展理念”从创新、协调、绿色、开放、共享五个方面构建了经济高质量发展指标体系，采用主成分分析法合成总指数来量化经济高质量发展的水平。

2.核心解释变量：金融业增加值（Fvalue）

在选取衡量金融资源配置情况的指标时，考虑到本研究主要将金融资源作为整体来考虑其区域配置情况，因此，选取了可以叠加的中国各省市自治区的金融增加值作为衡量金融资源的指标。相比于融资规模、股票总市值、证券市场余额等更能统一地衡量金融资源的区域配置情况。

3.其他控制变量

参照已有的研究，劳动力的配置与流动能显著影响各个地区的经济高质量发展水平，产生差异化影响；资本的积累与投入往往与金融资源联系紧密，在金融资源流动与配置的过程中，地区间的资本投入也会发生明显变化。所以将劳动力、资本存量作为控制变量纳入研究中，另外设置了政府干预（Gov）和外商直接投资额（FDI）作为控制变量。

四、实证结果及分析

（一）经济高质量发展水平的衡量与测度

现以“五大发展理念”为导向，建立了衡量经济高质量发展水平的综合指标体系，通过主成分分析法对五个方面指标进行合成，得到了省际经济高质量发展2009—2017年的综合得分均值，如表1所示。计算结果中，经济高质量发展水平前五的省份（直辖市），依次是北京、上海、天津、江苏和浙江。排名前十中仅有辽宁作为东三省之一出现；排名最后的三个省份依次是甘肃、云南、贵州。由此可以大致观察我国经济高质量发展水平的区域差异，整体上呈现东高西低的特征，符合我国区域经济发展的现实。

表1 各地区经济高质量发展水平综合得分及排名

（二）中国经济高质量发展的空间相关性分析与空间权重矩阵

在估计空间计量模型之前，首先需要用莫兰指数对省际的经济高质量发展水平的空间自相关性进行检验，用此方法检验了中国各省份的经济高质量发展水平的空间自相关性，结果表明，中国各省份经济高质量发展水平的全局莫兰指数值为0.172，并在1%的水平上通过显著性检验，由此可以说明中国各省间的经济高质量发展水平存在正的空间相关性，经济发展水平类似的省份呈现空间相关性，因此，应采用空间计量模型进行估计。

空间单元之间的相互关联程度可以借助合适的空间权重矩阵来进行刻画。相对于较为常用的仅能刻画空间单元间是否相邻的“0—1”矩阵而言，城市间地理距离权重矩阵更能够体现空间单元之间不同的空间影响关系。故现以城市间地理距离的倒数来建立地理距离权重矩阵（Wd），可设定为：

上式中，为利用经纬度数据计算的省份距离。地理距离矩阵度量了不同空间单元地理位置上不同程度的邻近性，一般而言，在地理上越接近的省份其经济联系也越紧密。

（三）空间计量检验与估计结果

本研究的空间计量检验过程，大致按照Elhorst（2014）的检验思路进行，具体方法上借鉴了韩峰和谢锐（2017）的做法，遵循“具体到一般”和“一般到具体”相结合的方法对空间计量模型进行检验。估计结果显示，首先，根据LM的检验结果，LM-lag检验、R-LM-lag检验、LM-err检验均在1%的显著性水平下显著，因此，可以采用SAR模型与SDM模型来进行估计。其次，对模型进行SDM模型的时间、空间、时空双重固定效应检验，由于结果并未通过检验，故应选用时空双重固定效应的SDM模型。再次，Hausman的检验结果接受了原假设，故应采用随机效应的SDM模型。最后，检验SDM模型是否可以进行简化，然而Wald检验与LR检验结果并不一致，说明模型并不能进行简化。基于以上检验结果，本研究选用随机效应的SDM模型进行实证分析。

在SDM模型中，金融资源配置的系数显著为负，其空间滞后项的系数也显著为负。然而简单的点估计结果在分析地区间与地区内的溢出效应中可能会得出错误的结论（LeSage&Pace，2008），在效应的分解中，变量变化的偏微分也即直接效应，用于解释地区自变量对因变量的影响，同时将分解出的间接效应用于解释本地区自变量对其他地区因变量的影响是更加合适的。借鉴这一思路，将SDM模型的估计结果进行了进一步分解，得到了直接效应与间接效应，表2报告了该估计结果。

首先分析金融资源配置对经济高质量发展的影响。表2中的结果表明，金融资源配置总体上阻碍了本地区的经济高质量发展，并且也未支持邻近地区的经济高质量发展。原因可能在于我国目前的金融资源配置并未与经济发展阶段形成契合，其作用仍局限于能够促进经济总量增长，而在经济质量提升方面作用有限，金融资源配置并未达到合理有效的状态。

表2 金融资源配置对经济高质量发展的直接效应与间接效应

其次分析各个控制变量的参数估计。控制变量中，仅有政府干预（Gov）的直接效应和间接效应均未通过显著性检验，说明相比于其他控制变量，政府在金融资源配置影响经济高质量发展水平过程中并未发挥对本地和邻近地区的作用。产生这一结果的原因可能是，政府的干预仍然停留在过去粗放式的经济发展方式和以高速增长为导向的框架思维中，对于以“五大发展理念”构建出的经济高质量发展水平的测度目标不一致。

五、结论和政策建议

以2009—2017年中国30个省份的面板数据为样本（除西藏外，因西藏数据缺失），基于随机效应的SDM模型，探究金融资源配置与经济高质量发展的作用机制。具体结论如下：金融资源配置显著抑制了本地区经济的高质量发展，也对邻近地区的经济高质量发展产生了抑制作用，劳动力供给和资本存量的提升能够促进本地区和邻近地区的经济高质量发展。在机制检验中发现，具有空间相关性的经济发展方面的检验都显示，当前我国的金融资源配置显著抑制了本地区及邻近地区的经济高质量发展。政府干预对本地区的经济高质量发展也具有显著的抑制作用。

实际上，金融资源的整体配置受到很多方面的影响，其中金融结构是一个较为重要的方面，当前我国的金融体系是以银行为主的金融体系，银行主导的金融体系固然为我国的经济发展提供了重要支撑，但是随着我国经济转型和产业升级，许多产业不断接近世界技术前沿，金融市场的重要性逐渐凸显，良好的市场投资环境是金融市场有效发挥作用的前提条件（龚强等，2014）。金融体系作为经济运行不可或缺的一部分，应当改变现有的金融资源配置方式，以适应目前的经济发展阶段，为经济高质量发展提供支持。

基于上述结论，提出如下政策建议：第一，金融资源配置是影响经济高质量发展的重要方面，当前我国的金融资源配置并未促进经济的高质量发展，需要对金融体系进行调整，促使金融资源配置提高与经济高质量发展的适配性，发挥金融资源配置的基础、核心与扩展功能，为经济高质量发展提供有效率的支撑。第二，实证分析表明，政府干预不仅不利于邻近地区经济高质量发展，并且对本地区的经济高质量发展也产生了抑制作用，这表明在新的经济发展阶段，仅仅依靠地方保护主义，可能会促进经济规模的扩大，但是无益于经济发展质量的提升。政府对经济的干预应集中于补充市场调节的“短板”，为经济发展提供基础设施，在经济中的关键领域帮助金融资源进行有效配置。第三，实证分析结果表明劳动力供给能够显著促进本地区及邻近地区的经济高质量发展。这需要各地区加强互联，有针对性地对就业人员流动提供方便，在此基础上，进行相应的制度安排，创造就业机会，改善社会福利，吸引更多的高新技术企业来当地发展和吸引更多的高质量劳动力在本地落户。