金融集聚、空间溢出与经济高质量发展

黄 萍，宣昌勇

立足新发展阶段，秉承新发展理念，十九届五中全会明确提出了“加快形成以国内大循环为主体、国内国际双循环相互促进的新发展格局”。“双循环”新格局的形成必然要求金融走向国内国际大循环。近年来，随着我国金融供给侧结构性改革的推进，金融业呈现出蓬勃的发展态势。在金融全球化和现代信息技术条件下，金融制度、金融工具、金融技术、金融市场等基本要素的协同作用使各类金融要素不断向京津冀、长三角、珠三角等发达地区聚集，逐渐形成区域性金融中心。集聚的金融资源、多样化的金融产品和层次丰富的金融体系可以显著降低交易成本，提高效率，分散风险，为地区经济实现产业转型升级提供动力。同时，金融集聚的极化效应和涓流效应促使金融资源在地区间不断流动，引发空间效应。在我国金融资源区域分布不均衡的情况下，金融集聚能否促进地区经济高质量发展？其引发的空间溢出效应是极化效应还是涓流效应？该效应是否存在地区差异？回答这些问题，对于在新发展格局中发挥金融集聚优势，提高资源配置能力，促进实体经济与金融的“双循环”融合发展，推动区域经济实现高质量发展具有重要意义。

一、文献回顾

(一)金融集聚和经济高质量发展的内涵及测定的研究综述

金融集聚是区域经济由低级向高级发展的进程中，金融产业和金融活动在一定区域集中、汇集的过程和结果，是金融业发展的必然趋势。关于金融集聚水平的测度，学者们主要提出了两类测算方法。一类是单一指标测度法。如计算金融集聚区位熵、空间基尼系数等。另一类是综合指标测度法。即通过构建多指标评价体系运用主成分分析法或因子分析法来评价区域金融集聚度(1)张玄，冉光和，王权堂.金融集聚与经济增长问题研究综述[J].西华大学学报(哲学社会科学版)，2019(5)：71-83.。

高质量发展是新时代中国经济鲜明的特征，其内涵比高速增长更丰富。高质量发展是在经济增长的基础上，一个国家或地区经济结构和社会结构持续高级化的创新过程或变化过程(2)任保平.新时代中国经济从高速增长转向高质量发展：理论阐释与实践取向[J].学术月刊，2018(3)：66-86.。实现高质量发展的关键是通过质量变革、效率变革、动力变革来实现全要素生产率的提升，促进实体经济的转型升级。关于经济高质量发展水平的测度研究，学术界主要有两类方法。第一类研究主要在经济增长质量的基础上展开。根据内生经济增长理论，全要素生产率(TFP)是经济增长的动力源泉。李平(3)李平，付一夫，张艳芳.生产性服务业能成为中国经济高质量增长新动能吗？[J].中国工业经济，2017(12)：5-21.、贺晓宇(4)贺晓宇，沈坤荣.现代化经济体系、全要素生产率与高质量发展[J].上海经济研究，2018(6)：25-34.、余泳泽(5)余泳泽，杨晓章，张少辉.中国经济由高速增长向高质量发展的时空转换特征研究[J].数量经济技术经济研究，2019(6)：3-21.等用全要素生产率或绿色全要素生产率来衡量经济增长质量或高质量发展水平。第二类研究主要集中在高质量评价体系的构建和综合评价方法的运用上。魏敏(6)魏敏，李书昊.新时代中国经济高质量发展水平的测度研究[J].数量经济技术经济研究，2018(11)：3-20.、郭芸(7)郭芸，范柏乃，龙剑.我国区域高质量发展的实际测度与时空演变特征研究[J].数量经济技术经济研究，2020(10)：118-132.等从不同视角构建指标体系评价我国区域经济高质量发展水平。这些指标体系评价视角丰富多样、测度指标各具特色。

(二)金融集聚影响经济增长和经济高质量发展的研究综述

关于金融集聚对经济增长的影响效应研究，学者们从理论和实证两个层面展开了深入的探讨，形成了较为丰富的研究成果。第一，理论上，针对金融集聚的作用机制展开研究。现有的文献普遍认为金融集聚是金融业的功能强化和效应升级，可以通过规模经济效益、网络效益、创新效益、技术进步效益和自我强化机制效益等集聚效应提升金融系统的资源配置效率，促进本地区经济增长(8)刘军，黄解宇，曹利军.金融集聚影响实体经济机制研究[J].管理世界，2007(4)：152-153.。在空间溢出效应上，金融集聚在不同时期表现出不同的扩散效应。金融扩散效应包括极化效应和涓流效应两种。金融集聚初期，金融资源会有选择地向优势地区集中，形成金融集聚区。由于工作效率和服务水平显著较高，金融集聚区对周边地区金融资源产生虹吸效应，阻碍周边地区金融业的发展壮大。这就是金融集聚的极化效应，引发负的空间溢出效应。金融集聚后期，金融网络和服务的辐射效应日益显现，金融集聚区逐渐带动周边地区金融业和实体经济发展。这就是金融集聚的涓流效应，引发正的空间溢出效应(9)张玄，冉光和，王权堂.金融集聚与经济增长问题研究综述[J].西华大学学报(哲学社会科学版)，2019(5)：71-83.。第二，学界在实证上也展开了大量的探讨。Hassan(10)HASSAN M K，SANCHEZ B,YU J S.Financial development and economic growth:new evidence from panel data[J].Quarterly review of economics and finance，2011(1)：88-104.和Greenwood(11)GREENWOOD J，SANCHEZ J M,WANG C.Quantifying the impact of financial development on economic development[J].Review of economic dynamics，2013(1)：1-45.的研究都发现金融集聚对经济增长具有正向的促进作用。国内学者们大多运用面板数据模型从不同区域、不同视角展开研究，认为金融集聚能显著促进区域经济增长。Deltuvaite(12)DELTUVAITE V，SINEVICIENE L.Investigation of relationship between financial and economic development in the EU countries[J].Procedia economics &finance，2014(7)：173-180.、张浩然(13)张浩然，魏琳.金融集聚与城市经济绩效：基于城市异质性视角的分析[J].当代财经，2015(10)：61-69.等的研究则认为只有经济总量达到一定规模时，金融集聚才能促进区域经济增长。关于金融集聚的空间溢出效应研究，学者们主要采用空间计量方法对我国不同区域展开探讨。徐芳燕等基于粤港澳大湾区的数据(14)徐芳燕，郑健涛.粤港澳大湾区金融集聚对经济增长影响的空间计量分析[J].统计与决策，2020(4)：109-112.、吴炎芳基于京津冀、长三角、珠三角城市群的数据(15)吴炎芳.金融集聚对区域经济增长的空间溢出效应研究——基于空间计量模型的三大城市群对比分析[J].经济问题，2020(8)：61-69.，都认为金融集聚对区域经济增长具有正向的空间溢出效应。

近年来，学者们开始关注金融集聚对经济高质量发展的影响。顾晓安以全要素生产率衡量经济增长质量，分析了金融集聚对经济增长质量的作用机制，认为金融集聚主要是通过加快技术进步、提升资源配置效率和提高规模效率三条路径来影响经济增长质量(16)顾晓安，周淑贤.金融集聚对经济增长数量和质量影响的比较研究——来自上海市2003—2015年的经验证据[J].新疆农垦经济，2017(11)：73-80.。Bossone研究发现金融集聚可以通过规模效应降低单位能耗，并促进经济高质量发展(17)BOSSONE B，LEE J K.In finance size matters：the systematic scale economies hypothesis[J].IMF staff papers，2004(1):19-46.。李标等研究发现金融集聚能够促进技术创新，有助于提升经济增长质量(18)李标，宁长旭，吴贾.创新驱动下金融集聚与区域经济增长[J].财经科学，2016(1)：88-89.。基于我国省际面板数据，张昌兵采用固定效应模型和面板分位数回归模型(19)张昌兵，王晓慧，顾志兰.金融集聚对经济高质量发展影响的实证检验——基于2005—2019年省际面板数据[J].工业技术经济，2021(2)：99-109.、郭华等采用PVAR模型展开探讨(20)郭华，张洋，苏欣.金融产业集聚与经济增长质量的关系探讨[J].地理与地理信息科学，2021(1)：116-125.，得到了较为一致的结果：金融集聚对经济增长质量具有正向的促进作用。王凯等研究发现证券业和银行业集聚对科技创新具有正向空间溢出效应(21)王凯，庞震.我国金融集聚促进了科技创新吗？——基于时空异质性视角[J].当代经济管理，2019(9)：92-97.。张振基于284个城市面板数据的研究发现，金融集聚程度的提高在提升本地经济韧性的同时，也存在显著的空间溢出效应(22)张振，赵儒煜.金融产业集聚对区域经济韧性的空间溢出效应研究[J].当代经济管理，2020(12)：89-97.。袁华锡等研究表明金融集聚水平的提高提升了邻近地区绿色发展效率，但这种空间溢出效应存在明显空间衰减特征(23)袁华锡，刘耀彬，封亦代.金融集聚如何影响绿色发展效率？——基于时空双固定的SPDM与PTR模型的实证分析[J].中国管理科学，2019(11)：61-75.。

(三)文献述评

综观现有文献，大部分文献侧重于金融集聚对区域经济增长的影响研究。在新时代背景下，我国经济已由高速增长阶段转向了高质量发展阶段。近年来，学者们开始关注金融集聚对经济发展质量的影响机制、影响效应等问题，但大多文献忽略了经济变量的空间特征，没有考虑到金融集聚对经济高质量发展的空间效应。对于考虑了空间效应的文献，大多是从科技创新、经济韧性、绿色发展等不同视角研究金融集聚对经济高质量发展的影响。此外，大多数文献用区位熵这一单一指标来衡量金融集聚水平，不能全面准确地反映现实。鉴于此，本文基于2008—2017年30个省、市、自治区(西藏、港澳台地区除外)的面板数据，构建多指标金融集聚评价体系综合衡量区域金融集聚水平，并运用索洛余值法测算全要素生产率来衡量区域经济高质量发展水平，构建空间计量模型，实证考察金融集聚对区域经济高质量发展的影响及空间溢出效应。

二、变量设定与数据说明

(一)被解释变量

1.经济高质量发展的衡量方法。提升全要素生产率是推动经济高质量发展的关键。根据索洛模型，全要素生产率是一个通过科学知识、工程技术、先进管理组织影响投入要素的效率来提升生产率的综合指标。全要素生产率的估算方法主要有参数估计法和非参数估计法两种。其中，由罗伯特索洛提出的索洛余值法较为著名,其基本思路是估算出总量生产函数后，采用产出增长率扣除各投入要素增长率后的残差来测算全要素生产率。

借鉴赵彦云(24)赵彦云，刘思明.中国专利对经济增长方式影响的实证研究：1988—2008[J].数量经济技术经济研究，2011(4)：34-48.、赵剑波(25)赵剑波，史丹，邓洲.高质量发展的内涵研究[J].经济与管理研究，2019(11)：15-31.和李志强(26)李志强，徐宇明.空间外溢视角下的科技金融与区域经济增长质量[J].当代财经，2020(10)：62-74.等的研究成果，根据索洛余值法，利用柯布—道格拉斯生产函数式(1)测算区域经济的全要素生产率，以此衡量经济高质量发展水平。首先，利用回归分析法根据式(2)测算出资本产出弹性，然后根据式(3)测算出全国30个省(市、区)2008—2017年的全要素生产率。

在规模报酬不变的前提下，柯布—道格拉斯生产函数可以表示为式(1)：

(1)

式中，Y表示总产出，K表示资本存量，A表示全要素生产率，L表示劳动投入，i为地区，t为时间，α为资本产出弹性；1-α为劳动产出弹性。

参考索洛的做法，本研究将Ait设置为以Ai0为初始水平、以固定变化率λ变化的形式。即Ait=Ai0eλt，将其代入(1)式，并进行对数处理，得式(2)。根据式(2)计算出资本产出弹性α，将其代入式(1)，即可推出全要素生产率TFP，如式(3)所示。

ln(Yit/Lit)=lnAi0+λt+αln(Kit/Lit)

(2)

(3)

式中，Yit为第i省第t年以2000年为基期的地区实际生产总值；Lit为第i省第t年的实际劳动投入量，实证时采用各地区统计年鉴公布的全社会从业人员数来衡量；Kit为第i省第t年的实际资本存量。大多数学者都采用永续盘存法对实际资本存量进行测算(27)郑京海，胡鞍钢，BIGETON A.中国的经济增长能否持续：一个生产率的分析视角[J].经济学(季刊)，2008(3)：777-807.。计算公式如式(4)所示。

Kit=Iit/Pit+(1-δ)Kit-1

(4)

其中，Iit为第i省第t年按当年价计价的固定资本形成总额，视为当年未扣除折旧的投资指标。Pit为第i省第t年以2000年为基期的固定资产投资价格指数。δ为经济折旧率，借鉴张军等的测算结果，取值为9.6%(28)张军，吴桂英，张吉鹏.中国省际物质资本存量估算：1952—2000[J].经济研究，2004(10)：35-44.。

基于2000—2017年我国省际面板数据，由于Hausman检验值对应的P值为0，接受随机效应的原假设，故本研究建立随机效应回归模型估计我国资本产出弹性，结果见下页表1。

表1 生产函数的回归结果(2000—2017)

2.测度结果分析。按照我国地区划分标准，将30个省(市、区)分为东部地区、中部地区和西部地区(29)东部地区包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南、辽宁、吉林、黑龙江；中部地区包括山西、安徽、江西、河南、湖北、湖南；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆。。图1给出了根据索洛余值法测得的2008—2017年三大区域平均全要素生产率的变化情况。三大区域高质量发展的走势基本相同，除2011—2016年出现小幅调整外，全要素生产率总体呈现稳步上升趋势。2008—2017年间，全要素生产率较高地区主要集中在东部地区，东部年均全要素生产率高达2.095，远高于1.782的全国平均水平，尤其是上海、北京、天津、江苏、广东等地区领先优势明显，持续引领高质量发展。中西部地区经济基础较为薄弱，金融发展水平相对较低，基础设施建设水平不高，导致全要素生产率处于较低水平，分别为1.581、1.522。2014年以后，中部地区崛起较快，增速跃居三大区域之首。

图1 2008—2017年我国三大区域平均全要素生产率趋势

(二)核心解释变量

1.金融集聚指标体系的构建。为了较全面地反映地区金融集聚水平，本文采用综合指标法衡量各地区的金融集聚水平。借鉴何宜庆(30)何宜庆，廖文强，白彩全，等.中部六省省会城市金融集聚与区域经济增长耦合发展研究[J].华东经济管理，2014(7)：70-75.、张玄(31)张玄，冉光和，蓝震森.金融集聚与区域民营经济成长——基于面板误差修正模型和门槛模型的实证[J].经济问题探索，2017(1)：128-138.等构建的金融集聚评价体系，考虑数据的可得性和指标的代表性，从金融业、银行业、证券业和保险业发展等4个方面构建金融集聚综合评价指标体系，如表2所示。

表2 金融集聚综合评价指标体系

3.金融集聚水平的测度结果分析。根据主成分分析法算出的各指标权重乘以标准化后的各指标值，加权求和后得到各省份的金融集聚指数，记为FAGG。下页图2显示了我国三大区域2008—2017年金融集聚指数的变化趋势。三大区域金融集聚指数的发展走势基本相同，均呈现直线增长态势。分地区来看，东部地区经济发达，金融业规模较大，金融机构数量较多，银行业较为发达，上市公司数量增长较快，保费收入位居前列，证券业和保险业发展快速，金融集聚程度最高，远超全国平均水平；中部地区次之，与全国平均水平有一定差距；西部地区最低，与全国平均水平有较大差距，且发展较为缓慢，上升幅度较小。

图2 2008—2017年我国三大区域金融集聚指数趋势

(三)控制变量

借鉴常新锋(32)常新锋，陈璐瑶.金融发展、资本效率对经济高质量发展的空间溢出效应分析[J].金融经济学研究，2020(7)：35-45.、张昌兵(33)张昌兵，王晓慧，顾志兰.金融集聚对经济高质量发展影响的实证检验——基于2005—2019年省际面板数据[J].工业技术经济，2021(2)：99-109.等的研究成果以及过往文献，本研究采用以下4个变量作为控制变量。(1)对外开放水平(OPEN)。使用各地区当年进出口总额占地区生产总值的比重来反映地区的对外开放程度。其数值越大表示对外开放程度越高。(2)政府干预程度(GOV)。政府财政支出占GDP比重可以衡量政府财力状况及财力结构，反映了政府对经济发展的干预程度。在新时代，只有正确处理政府和市场的关系，确保政府既不缺位放纵市场，又不越位干预市场，也不错位扰乱市场，尊重市场规律，发挥政府作用，让市场在资源配置中起决定性作用，才能为经济高质量发展创造良好的环境。(3)城镇化水平(URB)。用城镇人口占地区总人口的比重来衡量一个地区城镇化水平的变化。一方面，城镇化水平一定程度上反映了劳动力资源的配置，劳动力从农村向城市转移，有助于带动第二、第三产业发展，促进产业结构优化，提升经济发展质量；另一方面，城镇化水平越高，城市人口密度就越高，给生态环境、公共服务带来的压力就越大，经济发展质量的提升难度就会越大。因而，城镇化对经济高质量发展的综合影响尚不明确。(4)基础设施建设水平(LNINF)。基础设施建设反映了一个城市的发展状况及未来发展潜力。基础设施建设水平越高的地区，其客运和货运能力就越高，越有利于形成经济高质量发展的优质环境。选取人均城市道路面积指标来衡量基础设施建设情况，并对该指标取对数以消除量纲差异对回归结果的影响。

(四)数据和描述性统计分析

本文选取2008—2017年中国30个省(市、区)面板数据作为研究样本，实证涉及的变量数据来源于万得数据库、历年《中国统计年鉴》及各地区统计年鉴，其中少数缺失数据采用插值法处理。表3给出了各变量的描述性统计结果。

表3 变量的描述性统计结果

三、模型设定

(一)空间相关性检验

在原模型的基础上加入空间效应的前提是模型中各变量存在空间相关性。因此，在构建空间计量模型前需要进行变量的空间相关性检验。检验方法中，以莫兰(Moran′I)指数最为常用。

(5)

(二)空间计量模型的设定

金融集聚是在一定因素下通过金融要素的流动向某一区域集中的现象和过程。研究金融集聚对区域经济高质量发展的影响效应，不能忽略地区间的空间依赖性和空间交互作用，应当考虑空间因素，建立空间计量模型进行实证检验。最常见的空间计量模型主要有三种：包含因变量空间交互效应的空间滞后模型(SAR)、包含随机干扰项的空间滞后项的空间误差模型(SEM)和包含自变量空间滞后项的空间杜宾模型(SDM)。具体模型表达式如式(6)、式(7)和式(8)所示。

SAR：TFPit=C+ρWTFPit+β1FAGGit+β2Ctrlsit+ui+γt+εit

(6)

SEM：TFPit=C+β1FAGGit+β2Ctrlsit+ui+γt+εit，εit=λWεt+μit

(7)

SDM：TFPit=C+ρWTFPit+β1FAGGit+β2Ctrlsit+θ1WFAGGit+

θ2WCtrlsit+ui+γt+εit

(8)

式中，TFP为被解释变量，表示全要素生产率，反映经济高质量发展水平；FAGG为解释变量，代表金融集聚水平；Ctrls是控制变量，包括对外开放水平(OPEN)、政府干预程度(GOV)、城镇化水平(URB)、基础设施建设水平(LNINF)等4个控制变量；W为空间权重矩阵，i表示各省(市、区)，t表示时间年份，C为常数项，ε为随机扰动项,ui为区域i的个体效应，γt为时间固定效应，ρ、β、θ为待估参数。

(三)空间权重矩阵的设定

设置好相应的空间权重矩阵W是进行空间计量分析的基础步骤。学者们一般根据研究实际来选择邻接距离、地理距离和经济距离空间权重矩阵等设置形式。邻接距离是根据地理空间是否相邻构建空间邻接矩阵，即地区间如果地理上相邻对应权重取1,否则取0；地理距离是根据各地区地理距离的倒数来构建空间权重矩阵；经济距离是将经济因素引入到空间权重矩阵中，给经济关系密切程度不同的相邻地区之间设置不同的权重。本研究参考林光平(34)林光平.我国地区经济收敛的空间计量实证分析：1978—2002年[J].经济学(季刊)，2005(10)：67-82.的研究方法，选用经济距离作为空间权重矩阵。具体表达式如式(9)所示。

(9)

四、实证分析与检验

(一)空间相关性检验

基于经济距离的空间权重矩阵，运用全局Moran′I指数对各变量的空间相关性进行验证，并对被解释变量和核心解释变量进行局域Moran′I指数分析。结果见下页表4和表5。

表4 2008—2017年各指标全局Moran′I指数

表5 局域Moran′I指数散点分布解析

表4的检验结果表明：6个变量的全局Moran′I指数均在5%的显著性水平上拒绝了“空间随机分布”的原假设，即所有变量均存在显著的空间自相关性。具体来看，2008—2017年被解释变量TFP的全局Moran′I指数均为正值，在0.178～0.225之间，且都在1%的显著性水平上通过了检验，表明现阶段经济高质量发展水平较高的省份相互毗邻，而经济高质量发展水平较低的省份相互靠近。同时，核心变量FAGG各年的莫兰指数也同样为正值且高度显著，说明我国金融集聚水平在空间上存在一定的“高—高”和“低—低”集群的极化现象。但是，值得注意的是，变量TFP和FAGG的全局莫兰指数均呈现出较为明显的下降趋势。这表明我国经济高质量发展水平和金融集聚水平的区域差异正逐步缩小，经济和金融发展的“公平”特征有所增强，较好地践行了共享发展的理念。

结合表5进一步分析各地区金融集聚和全要素生产率的空间分布特征。从金融集聚的空间特征上看，处于第一象限的北京、上海、江苏等地不仅自身金融集聚程度较高，而且会受到邻近地区金融集聚的溢出效应，呈现“高—高”聚集态势；处于第二象限的安徽、天津等地虽然邻接金融集聚水平较高的地区，但自身的金融集聚水平不高，并未形成良好的发展趋势；处于第三象限的云南、甘肃等地，其金融集聚水平与邻接地区的金融集聚水平都较低，呈现出“低—低”聚集的现象；处于第四象限的广东、湖北等地，其金融集聚水平较高，金融集聚区对外围地区金融资源产生虹吸效应，出现难以带动邻近金融集聚程度较低地区金融发展的极化效应。从全要素生产率的空间特征上看，处于第一象限的地区有北京、上海、江苏等地区，与金融集聚处在第一象限的大部分地区相同，这些地区地理位置优越，优质资源丰富，经济发展质量较高，呈现“高—高”集聚的态势，在一定程度上形成了“高质量增长极”，持续引领经济高质量发展；处于第二象限的地区有河北、辽宁等省份，空间上呈现“低—高”集聚的特征；处于第三象限的地区大多是云南、甘肃、河南等中西部地区，这些地区运输条件相对落后，优质资源短缺，全要素生产率不高，经济高质量发展水平总体较低；处于第四象限的广东、湖北等地，自身的全要素生产率较高，但这些地区却与全要素生产率较低的地区相邻，在空间上呈现“高—低”集聚的特征。

(二)空间计量模型的选择

在对模型进行计量分析之前，要对模型的合理性进行判别，常用的检验方法是拉格朗日乘子检验(LM Test)(35)姜磊.论LM检验的无效性与空间计量模型的选择——以中国空气质量指数社会经济影响因素为例[J].财经理论研究，2018(5)：37-50.、似然比检验法(LR Test)和瓦尔德检验法(Wald Test)。从表6的检验结果可以看出：在经济权重矩阵下的空间滞后模型和空间误差模型的拉格朗日检验值(LM检验值)和稳健的拉格朗日检验值(Robust LM)均在1%的显著性水平下为正，表明应采用空间杜宾模型(SDM)。同时，似然比检验值(LR值)和瓦尔德检验值(Wald)也均在1%的显著性水平上拒绝了原假设，表明与SAR模型和SEM模型相比较，SDM模型应为最佳选择。

表6 LM、LR和Wald检验结果

在空间计量模型的选择上，由于豪斯曼(Hausman)检验值为118.01，在1%显著性水平下拒绝随机效应的原假设，故选用固定效应空间杜宾模型。进一步，因为双固定效应模型的对数似然值及拟合优度高于时间固定效应模型和个体固定效应模型，所以，选用双固定效应SDM模型进行实证分析。

(三)空间计量模型回归结果分析

将所有变量的空间滞后项纳入模型，构建双固定效应SDM(1)模型。下页表7的结果表明：解释变量FAGG以及控制变量OPEN、URB和LNINF的空间滞后项在1%的水平上显著，但是控制变量GOV的空间滞后项没有通过显著性检验。因此，将政府支出GOV的空间滞后项剔除，构建新的空间杜宾模型SDM(2)。与SDM(1)相比，拟合优度(R2)和对数似然值(Log-L)较高，且所有的解释变量均在1%的水平下显著，因此，本文最终采用SDM(2)模型进行实证分析。

表7 空间杜宾模型估计结果

从模型SDM(2)的回归结果来看，FAGG的系数为0.725 8，表明在1%的显著性水平上，金融集聚对本地区经济高质量发展具有显著的促进作用，其空间滞后项(W-FAGG)的系数为3.823 6，显著为正，表明金融集聚在促进本地区经济高质量发展的过程中，对邻近地区产生了正向的空间溢出效应。另外，控制变量的空间滞后项均通过了显著性检验。具体来看，W-OPEN系数的估计值显著为正，说明本地对外开放水平的提升会促进邻近地区经济高质量发展。W-URB系数的估计值显著为负，说明本地城镇化水平的提升会降低邻近地区的经济高质量发展。W-LNINF系数的估计值显著为正，说明本地基础设施水平的提升会促进邻近地区经济高质量发展。基础设施是经济发展的基础，交通、邮电、环境等基础设施的不断建设和完善，将有效促进相邻地区间人、财、物的流动，使资源配置效率得到提升，推动邻近地区的经济发展。

进一步，利用Lesage等提出的偏微分法对溢出效应进行分解(36)LESAGE J，PACE R K.Introduction to spatial econometrics[M].New York：CRC Press，2009：56-68.，得到如下页表8所示的直接效应和间接效应。

表8 直接效应和间接效应估计结果

从直接效应来看，金融集聚对本地区经济高质量发展的影响明显，在1%的水平上其系数为0.738 7，这说明金融集聚对本地区全要素生产率的提升有积极的促进作用。从间接效应来看，金融集聚所产生的空间溢出效应显著为正，反映了本地区的金融集聚水平对相邻地区经济高质量发展起到促进作用。从系数对比上看，金融集聚对本地经济高质量发展的影响程度远高于对相邻地区的外溢程度。从实证结果可以看出，金融集聚通过发挥其规模经济效应、技术进步效应和创新效应的作用，使金融机构间的分工合作加强、技术效率和投资效率得到提升，有利于缓解融资约束，降低投资风险，促进本地区产业结构升级和经济高质量发展。金融集聚的涓流效应逐渐显现，金融集聚可以通过金融网络的辐射效应提高资金的流动性，邻近地区和市场可以享受到更便捷更优质的金融产品和金融服务，降低交易成本，提高投融资效率。同时，金融集聚区内丰富的创新资源也有利于带动邻近区域产业链的分工转换和产业转型升级，实现经济高质量发展。

从控制变量来看，对外开放表现的直接效应和间接效应都显著为正，反映出对外开放对本地区经济质量的提升产生促进作用的同时，对相邻地区经济质量的提升也存在显著的促进效应。城市化进程方面，其直接效应显著为正而间接效应显著为负，表明城市化进程的加速促进本地区经济高质量发展，但会对相邻地区经济质量的提升产生抑制作用。城镇化进程能够通过集群效应促使农村剩余劳动力向城市转移，有利于促进当地产业结构优化，推动经济高质量发展。用城市人口占比衡量的城市化指标在一定程度上反映的是人力资源的配置。由于城市之间存在激烈的人才竞争，若一个地区吸引人力资本的能力强，则会导致周边地区人才的流失与匮乏，不利于经济高质量发展，就会出现负的空间溢出效应。政府干预程度的直接效应显著为负而间接效应显著为正，说明以投资基础设施为主的政府投资短期内的投资成本较高，能源消耗较大，促进本地区高质量发展的作用并未显现。但政府干预将通过基础设施的逐渐完善促进周边地区经济质量的提升，因而间接效应为正。基础设施方面，其直接效应显著为负而间接效应显著为正。一方面，我国的基础设施建设不够完善，发展不均衡，基础设施的建设并不能充分满足当前日益增长的经济发展需求，在一定程度上制约了本地区经济高质量发展。另一方面，基础设施建设水平越高的地区，其与相邻地区人、财、物等资源的流动就越便利，资源配置效率的提升将有利于相邻地区经济发展质量的提升。

(四)三大区域空间计量模型回归结果的比较分析

由于我国经济发展不均衡，不同地区的经济基础和金融业发展存在着较大的差异性，因此，从东、中、西部三大经济区域探讨金融集聚对经济高质量发展的影响效应，结果如表9所示。

表9 分区域解释变量对经济高质量发展的直接效应和间接效应估计结果

从表9可知，由于区位优势的分化，金融集聚对经济高质量发展的影响效应在东、中、西部地区存在显著差异。从直接效应上看，东部地区金融集聚的直接效应在1%的水平上显著为正，说明金融集聚对东部地区经济高质量发展起到了显著的促进作用。从回归结果不难看出，对外开放和基础设施对经济高质量发展的直接效应也显著为正。也就是说，东部地区经济基础较为雄厚，对外开放程度较高，基础设施建设较为完善，这些良好的发展条件促使金融集聚效应可以更好地发挥作用，促进本地区产业升级和经济高质量发展。中部地区金融集聚的直接效应在1%的水平上显著为负，说明金融集聚对中部地区经济高质量发展起到了显著的抑制作用。因为金融业在中部地区的集聚程度不高，金融业在壮大发展逐渐形成集聚的过程中会引发资本投入和就业劳动力增加，进而增加了能源消耗和环境压力，从而对本地经济高质量发展产生负向效应。西部地区金融集聚的直接效应为正，但没有通过显著性检验。

从间接效应上看，三大区域的间接效应均在5%水平上显著，但东部地区系数为正，而中部和西部地区系数为负。这说明金融集聚在各个地区都存在着显著的空间溢出效应，但东部地区金融集聚存在着正向的空间溢出效应，而中西部地区金融集聚则存在着负向的空间溢出效应。一方面，东部地区金融资源丰富、金融网络发达、共享性强，金融集聚区易于通过辐射效应带动周边地区金融业和经济高质量发展，金融集聚的涓流效应日益显现。另一方面，中西部地区幅员辽阔，但金融业发展相对滞后、资本市场容量小、产品创新不足，金融资源主要集中在武汉、郑州、西安、重庆等区域中心城市，这些中心城市的金融机构工作效率和服务水平显著较高，金融集聚区对外围地区金融资源产生了明显的虹吸效应，金融集聚的极化效应显著，抑制了邻近地区金融业的发展，进而对邻近地区经济高质量发展产生抑制作用。

五、结论与建议

本文基于2008—2017年中国30个省、市、自治区(西藏、港澳台地区除外)的面板数据，运用空间计量模型，考察了金融集聚对经济高质量发展的空间溢出效应。得到以下结论：第一，从全国层面来看，金融集聚不仅有助于促进本地区经济高质量发展，同时会对邻近地区产生正向的空间溢出效应。第二，从分区域层面来看，金融集聚对经济高质量发展的影响存在明显的区域性差异。东部地区金融集聚水平的提升在促进本地区全要素生产率提升的同时，通过涓流效应对邻近地区经济高质量发展能够带来正向的空间溢出效应。而中西部地区金融集聚的极化效应显著，对邻近地区经济高质量发展产生了负向的空间溢出效应。

根据实证结论，本文提出以下政策建议。第一，持续推进金融供给侧改革，增强金融服务实体经济的能力，提高金融集聚水平。构建具有高度适应性、竞争力、普惠性的现代金融体系，完善金融市场层次，优化金融市场结构，扩大金融有效供给，发挥金融的资源配置功能，吸引更多资金流向研发、科技和产业创新，支持战略性新兴产业的技术进步，充分发挥金融集聚的辐射带动作用，促进实体经济升级换代，提升全要素生产率，实现质量效率集约型增长。第二，在东部地区打造国际性或全国性金融中心，发挥东部中心城市的金融辐射效应。金融集聚水平较高的东部地区，应充分发挥地区优势，将上海、广东、南京等中心城市打造为国际性或全国性金融中心，使之成为“双循环”新发展格局的重要枢纽，通过集聚效应推动本地区经济高质量发展，并通过涓流效应对周边地区的生产行为、生产方式和生产布局产生影响，辐射和带动周边地区经济发展。第三，加大中西部地区的扶持力度，推动中西部地区现代金融体系的构建和发展。根据金融集聚理论，在空间效应上，金融集聚前期以极化效应为主导，而在后期则以涓流效应为主导。当前，中西部地区金融产业处于集聚前期水平，对外围地区金融资源的虹吸效应显著。因此，亟须加大中西部地区的扶持力度，加快中西部地区基础设施建设，改善经济发展的基本条件，优化金融生态环境，提升地方金融机构发展水平，发展多层次的资本市场，完善金融配套服务体系，促进金融产业不断发展壮大，打造集聚能力更强的高密度经济发展极，才有利于金融集聚在空间效应上实现由极化效应向涓流效应的转化。第四，促进要素流动，加强地区间的交流共享。只有打破城乡、区域分割壁垒，促使资源自由充分流动，共享金融产品和高品质的金融服务，加快推动科学技术和创新型人才在地区间的交流互动，才有利于资源的跨区域整合，实现不同区域的高效对接、合理分工，才有利于发挥金融集聚区的正向空间溢出效应，带动周边地区经济实现高质量发展。