区域金融风险对产业结构升级的影响研究——基于动态空间面板模型的实证分析

叶阿忠，梁文明

(福州大学 经济与管理学院,福建 福州 350108)

一、引言

如今我国的经济发展进入了新常态，并已经由高速增长阶段转向高质量发展阶段，经济发展的方式、经济结构及产业结构都发生了巨大的变化，在这一变化中，产业结构优化与升级仍将是经济结构升级的主要任务。产业结构的升级必然会引起多个领域的联动，这其中就包含着金融领域的参与。事实上，国内的金融业一直都在高度关注产业结构升级，因为这一阶段金融业的创新和国际化都在不断推进，金融发展的速度在明显加快，呈现出金融机构多样化、产品结构体系复杂化、金融市场开放化的特点。在此背景下，区域性风险不断积聚并逐步暴露出来，宏观视角下，影响了区域经济的转型，进而影响经济结构和产业结构的升级；微观视角下，金融机构信贷等渠道必然会影响银行的资产质量，进而影响当地的产业结构和经济周期。

区域金融风险具有传染性，因此不同区域的产业结构可能也会受到区域金融风险在空间上的传染与联动，进而影响当地产业结构的升级[1]。因为风险存在，产业结构必然会趋利避害，从风险较高的区域转向风险较低的区域，进而加速金融低风险区域的产业结构高级化[2]。但是，区域金融风险将会对产业结构升级带来什么样的影响？目前国内对此进行研究的文献极少。基于此，本文以产业结构作为研究对象，从区域金融风险的角度对产业结构合理化与高级化进行分析与讨论，以期能够客观反映区域金融风险与产业结构升级之间的关系。

二、文献综述

(一)区域金融风险的影响因素

目前，国内针对区域金融风险影响因素的研究也比较多，较有代表性的主要是从传染对象和传染渠道上进行分析。宋凌峰等首先从部门角度利用面板数据分析了公共部门及企业部门对于区域金融风险的影响，并根据实证结果得出金融风险将从公共部门向企业部门进行传染的结论[3]。吕勇斌等采用未定权益分析法估算我国各个省份及地区的金融风险情况，测算结果表明，宏观金融风险在“企业—银行”和“政府—银行”的部门间进行传染[4]。

另外一部分学者从金融风险传染渠道，即房地产市场、地方债务市场及金融市场三个渠道进行分析。首先来自于房地产市场的传导，宋凌峰等采用或有权益资产负债表方法进行研究，结果发现我国房地产行业金融风险极大地受到房价和银行的影响，房地产行业金融风险的增加由过高或过低的房价所引发[5]。其次关于地方债务对区域经济稳定的传导，项后军利用地方经济与债务的相关数据分析区域债务风险的传导，实证发现地方政府债务风险通过影响区域投资，从而给区域金融带来不稳定[6]。最后关于金融风险在金融市场上的传导，杨子晖通过选取上证指数和人民币汇率指数作为度量指标，实证分析得出金融风险在宏观经济的各个部分进行传导[7]。

目前金融风险被定义为在金融活动或投资经营中某些风险源的变化给金融主体带来的不确定性[8]。金融、企业、政府和家庭等部门都是金融活动的主体，因此本文采用上述四个部门的视角构建金融风险指数指标。

(二)区域金融风险对产业结构升级的影响

关于金融风险对产业结构升级的影响，以往的研究主要从三个角度论述。其一是从影响的路径上，GRAY、易信等学者利用熊彼特内生增长模型经过数值模拟分析得出，区域性金融风险可传导至宏观经济多部门，同时部门间风险联动机制会加速，最终反馈在实体经济部门要素投入与产出，降低技术创新所需的融资成本，从而影响产业结构转型速度和经济增长[9-10]。其二是关于影响效果的研究，龙海明通过构建双向固定效应模型研究表明对待金融风险的不同态度会影响到金融结构的规模，金融规模扩大能够推动产业结构高级化，金融效率提升也能促进产业结构高级化，但金融结构优化引导产业高端化的作用效果并不显著[11]。王定祥等在分析金融风险对产业结构影响时，将金融发展作为中介变量，研究发现，我国金融风险在促进产业结构升级的过程中具有显著的时滞性和长期性特点，金融规模的扩大、结构的改善和效率的改变对产业结构高级化有明显促进作用[12]。易信等基于跨国面板数据研究发现，金融深化和市场主导型的金融结构能有效改善金融风险，进而加速工业向服务业转型升级的步伐[13]。最后是关于金融风险对产业结构影响存在区域差异的研究，徐云松等基于我国四大经济区域的数据研究发现，金融风险的存在激励区域金融水平的提升，对产业结构升级存在显著的正向效应,并且西部、东北部、中部和东部的金融化贡献程度依次递减[14]。巩德林从证券市场、房地产市场及地方债务三个方面分析了金融风险与金融行业的关系，实证分析得出金融风险存在空间负向溢出性，在新常态经济下，会导致周围经济增长速度放缓，抑制地方政府财政收入增速，扰乱房地产市场稳定，发生信贷危机，同时地方政府的债务风险也逐步体现出来，使得区域金融风险向整个金融系统风险转化，最终将会对区域经济发展带来严重的后果。而经济发展对于产业结构升级存在着正向的空间溢出作用，巩德林等基于金融风险与产业结构数据检验得出各省金融风险对产业结构转型在空间上存在间接效应[15]。

(三)区域金融风险影响产业结构升级的理论与传导机制研究

区域金融风险对产业结构升级的影响主要表现在供给和需求两个方面[16]。从供给角度来看，金融风险能够对金融资源配置产生影响。耶鲁大学John Geanakoplos教授提出的杠杆周期理论认为，由于金融风险的存在，人们获得信贷的难度比较大，资产价格下跌，进而影响到资源配置[17]。从需求角度来看，金融资源的有效配置对产业结构升级具有显著促进作用。根据罗纳德和E.S.肖等人提出的金融深化理论，认为金融深化可以促进金融资源的有效配置，使金融体系中各主体部门能够以较优的效用满足对资金的需求，促进产业结构的升级[18]。

由于产业分布呈现出显著空间集聚特点，这种集聚存在着动态的不均衡性，受金融资金的空间邻近效应影响较为明显。根据产业结构调整理论，产业结构在空间上的调整主要由于资源的稀缺性，其中金融资源配置对其影响非常重要，金融风险通过金融资源配置对产业结构的作用实现溢出效应，在溢出效应的实现过程中，地理距离及经济间差距是其溢出效果的直接影响因素[19]。因此地区的金融风险可能对产业结构升级存在着显著的空间效应。

(四)文献评述

从上述相关文献中可以发现，还有以下问题有待创新。在研究视角上，目前关于区域金融风险对地区产业结构升级影响的相关研究较少，且现有文献主要通过利用区域金融发展作为中介变量，分析金融风险对区域金融发展的影响，进而分析金融发展对产业结构升级的影响。本文试将影响金融风险的变量及影响金融发展的变量进行筛选，构建区域金融风险指数，将其作为解释变量，构建影响产业结构发展的实证模型。

在实证分析方法上，现有关于区域金融风险空间溢出效应的研究多是通过面板数据进行分析，构建一般空间面板模型分析空间作用，但却忽略了动态因素，因此本文将对此进行改进，构建动态空间面板模型。在关于空间面板模型的权重矩阵方面，许多学者也仅仅是从单纯的地理距离或者经济距离进行构建，这将必然忽略某一方的影响机制。因此，为了解决权重中忽略地理距离或者经济距离而对模型所产生的影响，本文通过对经济距离矩阵和地理距离矩阵进行加权，形成经济地理距离的嵌套矩阵。

三、模型设定与变量选取

(一)空间权重矩阵构建

目前主要有空间邻接、经济距离和地理距离三种空间权重矩阵，而影响各省份的不仅仅是地理距离，还有经济距离。因此，本文将反距离权重矩阵和经济特征权重矩阵有机结合起来，其目的在于尽量准确地刻画空间效应的综合性及复杂性[20]。

首先构建空间反距离权重矩阵，其一般化的表达式为：

(1)

接下来构建经济距离，由于两省份之间的经济差距随着时间的变化也会不同，这里采用学界大多数采用的方法，即对所要研究的时间段内经济取平均值。本文通过选取两省份之间的GDP作为经济指标进行构建，形式如下：

(2)

最后根据经济距离权重矩阵和地理距离权重矩阵，构建出如下所示的嵌套矩阵，其中φ值是根据计算机模拟得到最优的值，这里根据众多文章的处理原则，取φ=0.5，从而得到最终的嵌套权重矩阵为：

Wφ=0.5·WG+0.5·WE.

(3)

(二)动态空间面板模型形式设定

产业结构的升级不仅受到当地经济等因素的影响，同时还会受到其他相邻省份的产业当期与前期的辐射，使得产业结构升级具有空间依存的特征。但是现有文献常常忽略产业结构在时间上也存在依存关系，如当期的产业结构会受到前期产业结构升级的影响，存在一定程度的依赖性。因此，根据Elhorst等构建的动态空间面板模型能够将这种时空依存关系考虑在内，有效描述产业结构空间上的溢出效应和时间上的动态效应。SDPD模型的设定形式如下所示:

(4)

i,j=1,…,N;t=1,…,T.

(三)变量选取

本文主要分析区域金融风险(jrfx)对产业结构升级的影响，而区域金融风险没有直接刻画的指标，因此本文使用熵权法对各个省的金融风险进行综合评价，最终得到各个指标的分数，有关区域金融风险变量指标的选取主要参考叶永刚和宋凌峰、沈丽等学者研究区域金融风险传染中所使用的四部门方法[3,8]。

表1 金融风险指标量化体系

基于上述指标的选取，这里采用熵权法进行综合风险指数的计算。在常用的几种综合评价指数的方法中，熵权法从原始数据出发，比较科学、客观地求解每一个指标的权重。由于数据的数量级、属性和量纲等各不相同，因此在加权赋值前需要进行标准化处理和非负数平移处理。

正向指标标准化的处理公式如下所示：

(5)

负向指标标准化的处理公式如下所示：

(6)

适度指标标准化的处理公式如下所示：

(7)

其中，rit为第t年的第i个指标值,xit为指标i标准化处理后的数据。

根据处理后的数据，按照熵权法步骤确定三大指标的权重，首先利用下式求其信息熵：

(8)

其中，pit为指标i归一化后标准化值；Ei为指标i的信息熵。

接下来将上述计算的各个指标的信息熵代入到如下的指标权重的公式中：

(9)

将得到的各个指标权重进行加权，从而估计出2010—2018年间我国各省市的金融风险指数的综合评价值EW。

被解释变量中产业结构升级是指生产要素在经济各个部门及不同产业之间的重新配置，表现为经济各部门和不同产业产值的比重变化[21]。因此，将产业结构升级划分为产业结构合理化指数(cyhl)和产业结构高级化指数(cygj)。

目前学界对产业结构升级的指标评价方法也较多，但对产业结构合理化的评价仍是以资源配置说为主流，且这一指标主要用来量化要素资源在产业间的配置、协调和利用。因此本文参照韩永辉在实证分析中对产业结构合理化指标的测算方式，以要素投入结构和产出结构的耦合程度度量产业结构合理化，即利用以下公式计算产业结构偏离度：

(10)

在得出上述产业结构偏离度的基础上，对其进行修正，提出测度产业结构合理化的新指标如下所示：

(11)

其中，Y表示产出，L表示劳动投入，m表示第m个部门。修正后的方法在融合原有产业结构偏离度测算的优点的同时，又能够通过产值加权体现出各产业的重要程度。一般当SR值描述产业结构的合理化程度时，值越小就越不合理，反之就越合理。

产业结构高级化主要用来描述产业间比例关系的变化及劳动生产力效率的提高。目前学界对这一指标的度量多以付凌晖所提出的夹角度量方法进行实证分析，本文也参考该算法进行度量。具体的度量方法如下，首先按照三个产业将GDP划分为三个部分，然后将每一部分增加值占GDP的比值作为空间向量的一个分量，从而构造出一组三维向量X0=(X1,0，X2,0，X3,0)，然后计算与三个产业的单位向量的夹角[22]：

(12)

n=1,2,3 .

进而定义产业结构高级化指数的计算公式为：

(13)

k=1,2,3 .

对于(13)式，一般IS值越大，则表明产业结构的优化水平就越高。

由于在研究产业结构升级中，还会有一些变量对产业结构升级产生影响，但这些变量却不是问题研究的主要解释变量，为了控制这些变量在分析时不会对因变量产生影响，而设置一些宏观经济变量，主要包括：(1)GDP增长率(gdpr)，表示一省的经济增长速度；(2)对外贸易依存度(myyc)，主要根据进出口额进行计算度量，用进出口额与GDP的比值作为衡量指标结果；(3)通货膨胀率(CPIr)，反映的是一国平均物价水平的上升幅度，主要利用CPI进行度量。

(四)数据来源

由于数据受可获得性的限制，西藏、港澳台数据缺失较为严重，本文最终选取2010—2018年间我国30个省(市、自治区)的面板数据。数据主要来自于《中国统计年鉴》《中国金融年鉴》及各省市区的统计局网站和Wind数据库。

四、实证结果分析

(一)空间相关性检验

在建立空间面板模型之前，首先对被解释变量进行空间相关性检验，由于本文主要研究区域金融风险对产业结构升级的影响，所以需对产业结构合理化和产业结构高级化分别进行莫纳指数空间相关性检验，检验结果如表2所示。

表2 Moran’s指数检验结果

从上表可以看出，产业结构合理化和产业结构高级化的Moran’s指数均为正，且均通过1%的显著性水平检验，表明产业结构升级并非是随机分布的，而是存在着高度的正向空间相关性。

(二)模型设定形式检验

一方面由于因变量存在路径依赖性，使得模型具有较强的内生性问题，因此我们采用GMM方法估计空间动态面板模型。通过对比固定效应和随机效应模型估计结果，发现两者不存在显著差异，即选择任一设定方式都可，而固定效应模型的估计结果稳健性较高；另一方面，当研究的总体为有限个样本时，为了能够将所有的样本信息全部表述出来，Beenstock和Felsenstein等认为只需把模型中的空间效应设定为空间固定效应即可。所以，本文的动态空间面板模型采用固定效应(FE)形式进行空间计量分析。

目前面板数据空间计量中GMM模型估计方法在空间动态模型中仅适用于SAR和SDM模型。因此选择何种模型，需要利用Wald检验模型的设定形式，联合检验结果如下表3所示。

表3 Wald检验结果

从上述Wald检验结果可以看出，拒绝了使用SAR模型的原假设。同时从模型对研究需求的适用性看，SAR模型仅适用于研究当一个省份受其他省份经济行为影响而产生的溢出效应，SDM模型更适用于不同省份之间因经济行为相互影响而产生的溢出效应。因此综合模型估计方法的可行性和模型对研究需求的适用性，本文采用空间杜宾模型进行实证分析。

(三)模型估计结果分析

在实证模型的探究过程中，将分别进行三类模型分析：第一类是普通面板模型，探究区域金融风险对产业结构升级的影响效应；第二类是空间面板杜宾模型，探究引入空间因素后的区域金融风险对产业结构的影响效应；第三类是动态空间面板模型，考虑增加动态指标后的区域金融风险对产业结构的时间效应和空间效应的影响，如表4所示。

表4 区域金融风险对产业结构合理化的实证分析

从表4中可以看出，三个模型的结果都显示金融风险对产业结构合理化系数为负，表明金融风险对产业结构呈现出抑制的影响效应。但是空间杜宾模型中的金融风险的空间滞后项对产业结构合理化呈现出正向的作用，原因之一是周围省份会受到该省金融风险的辐射与传染作用，短期内会出现抑制，但是长期内周围省份会加强对相关产业结构的升级，可以促进产业结构合理化。空间动态面板模型还显示，时间上当期的产业合理化会受到前期产业结构化水平的显著性影响，空间上某省产业结构合理化水平会对周围省份的合理化水平起到正向空间溢出效应。该模型中金融风险空间滞后项对于产业结构合理化呈现出正向调节效应，即金融风险会缩小两个地区间的结构差异。金融风险作为金融发展的一个重要的预防事项，通过金融风险的监管与防控，对金融发展起到调节与导向作用，同时能够带动相关产业出现与成长，在一定程度上调节产业结构，促进产业结构的合理化，而不同地区通过产业结构升级又可以促进金融风险防控，减少区域金融风险的传染，有效控制区域金融风险向系统性金融风险的转化。

产业结构升级的另外一个重要的指标是产业结构高级化。因此，参照上述模型构建，对产业结构高级化进行实证分析，具体的分析结果见表5所示。

表5 区域金融风险对产业结构高级化的实证分析

从表5的回归结果可以看出，三种模型回归结果都显示金融风险对产业结构高级化的影响效应为正，表明金融风险在一定程度上促进了产业结构的升级。但空间模型却显示金融风险对其他区域的产业结构升级起到抑制作用，其主要原因可能是来自金融风险的传染与转嫁。比如东部发展较快的沿海省份，金融风险的抵抗能力相对较强，这就会导致金融风险由东部地区向相邻的中西部区域进行传染，从而给中西部产业结构的升级产生一定的阻碍作用，在数据上表现为对金融风险的空间滞后项与产业结构的升级产生负向影响效应。空间动态杜宾模型还显示，当期产业结构的升级水平会受到前期产业结构升级的正向影响，主要原因是产业结构高级化表现为一个动态的变化过程[23]。产业结构升级空间效应表现为负向的影响效果，表明某省份的产业结构持续升级可能会吸引到相邻省份人才等资源的流入，资源不断集聚到周围省份，从而对周围省份的产业结构升级起到一定的阻碍作用。

综合表4和表5的回归结果可以看出，金融风险对产业结构高级化的回归系数结果显著为正，这与上述金融风险对产业结构合理化的回归结果截然相反，主要原因之一是因为产业结构合理化是一个静态的状况，这就导致在某一个静态的时点上，金融风险对产业结构合理化起到抑制作用，而在产业结构升级的过程中，各省份会根据本省所存在的金融风险对产业结构进行不断升级，使得产业结构能有效应对金融风险，表现为一个动态的正向影响效应。另一方面产业结构高级化更多侧重对第二、三产业的升级，而区域金融风险的存在，会极大促进金融机构的监管和地方性服务业的发展，进而促进第二、三产业的蓬勃发展。

(四)稳健性检验

前述嵌套矩阵中φ值的选取是参照众多文章的做法，为了进一步检验区域金融风险对产业结构升级影响效应的稳健性，本文将φ值变更为1时，嵌套矩阵退化为经济距离矩阵，再次利用上述的动态空间杜宾模型和估计方法对实证结果进行检验，检验结果如表6所示。

表6 稳健性检验的估计结果

从表6中可以看出，稳健性检验结果与前文实证结果最大的区别在于某些变量系数和空间外溢系数及其显著性有了一定的提高或降低，但核心变量的估计结果与上述实证结果基本一致。这说明区域金融风险对产业结构升级的影响效应是具有可靠性和稳健性的。

五、结论与政策建议

本文基于2010—2018年间中国30个省份的面板数据构建区域金融风险对产业结构升级的空间计量模型，实证分析区域金融风险对产业结构升级的影响，得到如下研究结论。

第一，利用莫纳指数对产业结构合理化、产业结构高级化的空间相关性进行检验。结果表明，产业结构存在着十分显著的空间相关性，而且产业结构高级化水平自2010年以来，总体上呈现空间相关性不断加强的特点。

第二，根据动态空间面板模型的估计结果，从时间维度上看，金融风险对产业结构合理化呈现显著的负向影响效应。由于产业结构高级化是一个不断升级的动态变化过程，所以金融风险对产业结构高级化呈现显著的促进作用，促进产业结构升级至更高层次上的合理水平。从空间维度看，金融风险对周围省份的产业结构合理化具有正向的促进作用，即金融风险能够缩小相邻省份间的产业结构合理化水平；但金融风险对周围省份的产业结构高级化具有负向影响效应，东部金融风险较小的省份会不断吸引中西部的资源，对周围省份的资源进行挤占，进而产生负的空间效应。

第三，从产业结构的升级本身来说，实证结果表明当期的产业结构合理化与高级化都受到前期产业结构升级水平的影响，呈现出正向的促进作用，但产业结构升级过程中由于金融资源的挤占会对周围省份产生负向的影响效用。产业结构合理化水平由于具有一定的影响与辐射作用，一个省份的产业结构合理化会对周围省份起到示范效应。

基于上述研究结论，本文提出如下的相关政策建议。

第一，针对产业结构存在显著的空间相关性的特征，应重视各省产业发展的差距，合理对金融资源进行配置。各省应充分重视金融要素配置在区域金融风险和产业结构转型中的中介效应，推动金融要素的再配置，防止产业发展过度虚拟化引发的金融风险，导致区域产业发展差距的进一步增大。

第二，针对金融风险对产业结构空间溢出效应的影响，各省份应正确看待金融风险所带来的效应，加强对金融结构的监管，推动金融服务业的发展，促进省内产业结构从合理化水平向高级化水平的转型。同时对信用条件不好的企业，政府应予以取缔，对涉及民生的企业，政府应予以支持，尽快帮助其渡过难关，防止资金链断裂给区域金融带来风险。各省还应重视相邻省份金融风险对本省产业转型的影响，产业转型初期，各省应加强对金融风险的监管，使各省份产业结构合理化水平趋向收敛，但由于不同省份对金融风险的空间溢出效应的关注不同，如东部地区金融科技具有较高的水平，能够充分对金融风险进行分类，建立完善的预警机制，以充分利用金融资源对产业升级的正向影响作用。中国人民银行也应加强与中西部地区政府部门的合作，利用金融风险对产业结构转型的正向溢出性，使金融要素更好服务于产业结构的升级。

第三，各省应逐步加强市场引导，消除金融风险对产业结构和经济疲软的影响，制定符合自身经济发展的产业政策，利用地区产业结构升级存在着的积极、连续的动态特征，因地制宜发挥好产业之间的协调发展关系，促进产业结构不断向更高层次合理化水平进行转型。