西部地区金融资源配置效率及其影响因素的空间溢出效应研究

张国庆，李海霞

（兰州大学 经济学院，甘肃 兰州 730000）

西部地区经济发展水平影响全国经济发展的协调性，关系国际国内“双循环”发展格局的建设进程。党的十八大以来，习近平总书记多次深入西部地区视察调研，为新时代西部大开发指明了方向。2020年5月，中共中央国务院印发《关于新时代推进西部大开发形成新格局的指导意见》，对西部地区实现高质量发展进行了顶层设计。西部地区应当积极作为，把握新时代西部大开发、“一带一路”建设等重要发展机遇，找准发展定位，合理分配资源，加速经济发展，为构建“双循环”发展格局做出积极贡献。在过去20年的西部大开发进程中，金融发挥了必不可少的作用，金融资源的有效配置不仅关系到金融业的发展，也影响着其他生产要素的流动，有利于促进产业结构调整和区域经济协同发展。分析西部地区金融资源配置效率在时间和空间上的差异性，找寻改善和提高金融资源配置效率的方法，有利于推动金融资源流向重点产业和关键环节，提升金融服务实体经济的水平，从而为缩小东西部差距，实现国民经济协调发展作出贡献。

一、文献综述

金融资本作为一种基本生产要素，在经济发展中发挥着重要作用。金融资源配置效率关系着资本要素的流向是否合理，影响着产业结构的优化，折射出金融服务实体经济的水平。有关金融资源配置效率的研究主要集中于金融资源配置效率的测度和金融资源配置效率的影响因素研究。

Solow（1957）论证了美国1909～1949年的人均工时产量增长来源，其中近87.5%来自技术进步，12.5%来自资本增加，他认为改善投入的质量要比增大投入的数量重要得多。[1]有关资源配置效率的测度，学者们采用了不同的方法。Wurgler（2000）使用投资变动对产业增加值变动的弹性值来反应资本配置效率，认为该指标可以反映出一国的金融发展水平。[2]Almeida（2005）通过建立均衡模型来分析资本配置效率，发现提高质押能力有助于项目获得资金支持，从而改善资本配置。[3]Al-Obaidan（2008）运用随机函数和一般复合模型对海湾地区商业银行的利润效率进行了系统测量，证明开放程度影响银行利润效率。[4]白钦先（1998）认为金融资源不仅是资源配置的对象，更能作为资源配置的手段。[5]李明贤（2011）从人力、财力、组织机构三个角度分别选取投入产出变量，采用主成分分析法构造中部地区农村金融效率评价指标体系，认为我国农村金融资源配置效率存在地区差异，且有较大的提高空间。[6]刘飞（2007）使用传统DEA方法，选择BBC模型分析我国30个省2004年的金融资源配置效率，发现我国金融资源配置效率普遍偏低，东、西、中部地区金融资源配置效率依次降低。[7]李季刚（2010）将人均收入和人均GDP作为产出指标，把投入指标分为人、财、物，并以此为基础选取数据，选用DEA法测算了我国各地区农村金融资源配置效率。[8]刘磊（2015）采用三阶段DEA模型，在得到第一阶段结果后使用随机前沿分析方法剔除外界环境变量和随机误差影响因素，并将其作为新的投入指标放入DEA模型，更准确地测算我国金融资源配置效率。[9]考虑到DEA模型所测得的有效值均为1，无法比较哪个地区的金融资源配置更有效，张玉苗（2017）采用超效率DEA模型，以京津冀地区为案例，比较三省（市）的金融资源配置效率，发现北京和天津两个城市的金融资源配置有效，而其他地区金融资源配置效率处于较低水平。[10]为了纵向比较同一地区不同时间的金融资源配置效率，武臻（2014）采用DEA-Malmquist指数方法分析了2007～2012年间西部地区农村金融资源配置效率的年度变化趋势，除了2009～2010年，其余年份农村金融资源配置效率整体呈现交替变化趋势。[11]

在金融资源配置效率的影响因素方面，Beck and Levine（2002）研究了基于银行、市场、金融服务、金融理论和法律的金融体系，发现健全的法律制度能够促进资本有效配置。[12]Hajilee（2017）对12个新兴经济体的利率、股票、金融资源配置效率进行研究，发现利率的波动将对股票市场产生负面影响从而降低金融资源配置效率。[13]国内相关研究中，戴伟（2016）引入经济效率、社会效率、生态效率的概念，从新视角出发分析全国金融资源配置效率的影响因素，结果表明金融资源配置效率的高低与地区经济发展水平的高低相关。[14]张玉苗（2017）通过建立Tobit模型，分析了经济发展水平、产业结构、消费水平、政府干预程度、区位优势等因素对京津冀地区金融资源配置效率的影响。[10]方大春（2011）在用DEA方法计算出长三角地区静态金融资源配置效率后，也运用To⁃bit模型考察其影响因素，发现经济发达的城市往往资本种类丰富，容易造成金融资源错配而丧失一部分效率。[15]杨友才（2019）采用PVAR模型分析金融资源配置效率与经济发展、全要素生产率之间的演化关系，发现经济的增速对金融资源配置效率有较大影响。[16]王燕（2019）通过空间计量方法研究发现金融深化、人力资本、对外开放程度等对西北地区金融资源配置效率具有正的溢出效应，而对产业结构产生了负的溢出效应。[17]

学者们采用主成分分析法、数据包络分析法等分别对不同地区的金融资源配置效率、科技金融资源配置效率、农村金融资源配置效率进行了相应测算，为了进行纵向比较，一些学者采用DEA-Malmquist指数分析了同一地区不同时间的金融资源配置效率变化趋势。但大多数研究重在测算出金融资源配置效率这一指标，深入分析其影响因素的文献较少。鉴于此，本文着眼于西部地区，采用DEA-Malmquist指数模型分析金融资源配置效率的时间和空间差异，同时运用SDM模型检验西部地区金融资源配置效率影响因素的空间溢出效应，希望能够为提高西部地区金融资源配置效率，促进西部地区经济社会高质量发展提供价值参考。

二、西部地区金融业发展现状

金融资源有广义和狭义之分，狭义的金融资源指实体经济中的职能货币和退出实体经济的闲置货币，而广义的金融资源包括金融机构存贷款、现金、股票、债券等各类金融资产。结合对金融行业的分类，本文分别从银行业选择资产总额、存贷款余额，从证券业选择债券筹资额，从保险业选择保险保费收入等金融资产作为分析重点，对西部地区①西部地区包括重庆市、四川省、陕西省、云南省、贵州省、广西壮族自治区、甘肃省、青海省、宁夏回族自治区、西藏自治区、新疆维吾尔自治区和内蒙古自治区。金融资源配置现状进行分析。

（一）银行业发展稳健，机构改革有待推进

2020年西部地区银行业资产总额为50.1万亿元，约占全国的15.7%，银行业营业网点机构达5.96万个，从业人数近88.9万人。其中，四川和陕西的银行业发展较快，西藏、青海、宁夏、新疆的银行业发展较为滞后。从资产总额来看，排在前三的分别是四川、陕西和重庆，分别达到11.4万亿元、6.2万亿元和5.9万亿元，位列最后的是西藏，不足四川省的十分之一。从银行业金融机构数量来看，四川、陕西和广西三省（区）机构数超过6000个。从从业人数来看，四川、陕西、广西和内蒙古四省（区）均超过90000人。从银行业金融机构贷款余额来看，四川省贷款余额规模最大，本外币贷款余额达到7.1万亿元，约为西藏的14.3倍。[18]银行业金融机构数量与从业人数的增长，有利于加速金融资源的流动，从而促进金融资源配置效率的提高。

（二）证券业发展较缓，资本市场环境亟待完善

西部地区资本市场发展起步晚，金融机构的数量、服务水平、融资规模都低于东中部地区，融资的外部环境和社会环境均有待改善。[19]近年来随着上市公司数量的增加，西部地区资本市场发展势头逐渐向好。2011年西部地区上市公司仅353家，2020年达到了527家，年均增长19家（见图1）。各省上市公司数量有很大差异，但增长趋势相同。四川省上市公司数量最多，2020年有138家，约占西部地区上市公司总数的25%；新疆、重庆、陕西的上市公司数量较为接近，分别为57、59、59家，仅次于四川省；西藏、宁夏、青海的上市公司数量较少，分别有20、15、11家。西部地区筹资方式主要为债券筹资和A股筹资，H股筹资仅存在于重庆市，2020年西部地区A股筹资总额788.2亿元，H股筹资总额84.3亿元，债券筹资总额2.1万亿元，占全国债券筹资总额的25%，其中短期融资券筹资额为2711.2亿元，中期票据筹资额为3173.8亿元。[18]可以看出，西部地区证券业金融资源存在省际分配不均现象。

图1 2011年和2020年西部地区12省（区、市）上市公司数量对比[18][20]

（三）保险业稳中有进，服务保障功能提升

保险深度指某地区保险保费收入占地区生产总值的比重，是居民参与金融市场程度的重要指标，这一指标可以反映出保险业在某地区经济发展中发挥的作用。2021年，全国保险深度均值为4.11%，西部地区保险深度均值为3.44%（见表1）。新疆、宁夏和甘肃的保险深度均值分别为4.29%、4.67%和4.79%，均高于全国平均水平；重庆的保险深度接近西部地区平均水平；陕西的保险深度从2.7%跌至0.04%后维持在这一低水平近5年，2020年回升至4.2%；其余省份保险深度向着平均水平逐年上升，其中，内蒙古自治区保险业的发展速度最快，其保险深度由1.61%快速上升至4.30%，上升了2.6倍。[21]西部地区保险业金融资源配置不断改进，保险业发展稳中有进，但与其他经济发达地区相比，仍然存在一定差距。

表1 2017～2021年西部地区12省（区、市）保险深度（%）

式（3）意味着Malmquist指数由综合技术效率（Effch）和技术进步（Techch）两部分构成，其中技术进步由纯技术效率 （Pech） 和规模效率（Sech）组成。若Malmquist指数大于1，则说明与上一年相比全要素生产率提高，反之则表示全要素生产率倒退。

2.莫兰指数检验

为了分析研究区域内空间对象某一属性值的空间分布情况，反映观测值的集聚趋势，需要进行全局空间自相关检验。空间自相关程度通常用莫兰指数这一统计量度量，其计算公式如下：

三、模型的选取与数据来源

（一）模型的选取

1.DEA-Malmquist指数模型

考虑到传统DEA模型只能测量静态效率，比较同一时间不同省市的效率，而本文旨在研究西部地区金融资源配置效率的时间和空间差异，故而选择DEA-Malmquist指数模型进行测算。Malmquist指数的运算是通过距离函数完成的，数学表达式如下：

其中x代表投入向量，y代表产出向量，代表t时期的距离函数，表示以t时期的生产前沿为基准测算的t+1时期的生产效率。为了同时考虑两个时期的技术水平，取（1）式和（2）式的几何平均数，得到生产率指数（3）：

其中xi和yj分别表示i区域和j区域某一属性的观测值，wij为该区域的空间权重矩阵，n为样本量。莫兰指数的取值范围为[－1,1]，其绝对值越接近于1，空间相关性越强。若莫兰指数小于0，表示该区域内某属性呈现空间负相关关系，即高值与低值相邻、低值与高值相邻；若莫兰指数大于0，表示该区域内某属性呈现空间正相关关系，即高值与高值相邻、低值与低值相邻。

（二）数据来源

参照相关文献的投入产出指标选取情况，结合西部地区金融业发展的现实背景，本文选取银行业金融机构各项贷款余额、原保险保费收入等4项指标为投入指标，选取金融业增加值为产出指标（见表2），收集2011～2019年西部12个省（区、市）的相关数据，数据均来源于国家统计局官网[22]、EPS 数据平台[23]和Wind 数据库[24]。

表2 模型的投入与产出指标

四、实证分析

（一）西部地区金融资源配置效率动态分析

采用Malmquist指数反映2011～2019年西部地区金融资源配置效率动态变化趋势，将产出投入指标输入Deap2.1软件，选择产出导向型模型，得出结果见表3。表中的数值代表该指标这一年与上一年比值的年均值，数值大于1，则表明本年度相对于上一年实现了年均正增长，反之则表明本年度相对于上一年是年均负增长。

表3 2011～2019年西部地区Malmquist指数

2011～2019年间西部地区金融资源配置效率Malmquist指数波动趋势与技术进步的波动趋势大体相同，2013～2015年同时下降，2015～2018年同时上升。由此可见，西部地区技术的不断进步有助于提高其金融资源配置效率。2015～2017年，西部地区技术进步明显，但纯技术效率无效，使得金融资源配置效率没有达到预期的效果。

从各省（区、市）来看（见表4），广西的金融资源配置最有效，效率值达到了1.045，西藏的金融资源配置最无效，效率值为0.973。甘肃、广西、青海、陕西、四川、云南、重庆的Malmquist指数均大于1，且上升速度无太大差异。其中广西、云南、重庆的技术进步对其金融资源配置效率的提高起到了明显推动作用；青海和陕西虽然存在技术进步，但其金融资源配置效率的提高更多来源于规模效率和技术效率的提升；甘肃纯技术效率提升以及四川规模效率提升带来的正影响大于技术进步负增长带来的负影响，使得两省最终的金融资源配置效率得以提高。

表4 2011～2019年西部地区12省（区、市）的Malmquist指数

贵州、内蒙古、宁夏、西藏、新疆的Malmquist指数小于1，根据指数分解结果来看，宁夏金融资源配置效率的下降是纯技术效率和规模效率同时下降造成的，而其余4省（区）金融资源配置效率下降的主因是技术进步的负增长。结合现实背景，这5个省（区）由于地理位置劣势，地方经济本就发展困难，再加上高校少，金融人才稀缺，即便政府大力发展金融业，也存在效率低下的问题。

（二）西部地区金融资源配置效率影响因素的空间溢出效应分析

Malmquist指数动态解释了西部地区金融资源配置效率的变化，为进一步分析西部地区金融资源配置效率的空间差异，即是否存在空间相关性，采用空间计量模型，探究各影响因素对西部地区金融资源配置效率的空间溢出效应。选取经济发展水平、政府干预程度、消费水平、产业结构作为解释变量，分别由地区生产总值、地方财政支出、各省社会消费品零售总额和各省二、三产业增加值之和占国内生产总值的比重表示。具体数据由中经网统计数据库[26]相关数据整理所得。

1.空间相关性检验

对DEA方法测算出的金融资源配置效率值进行空间相关性检验，由于经济距离空间权重矩阵更能反映各省份间经济意义上的相关关系，故而选取经济距离矩阵W作为权重矩阵，利用Sta⁃ta软件分别进行莫兰全局和局部指数检验。如表5所示，大部分年份的莫兰指数P值小于0.1，2012年以来西部地区金融资源配置效率的莫兰指数均通过了5%显著性水平的检验。莫兰指数为负值意味着西部地区金融资源配置效率呈现高低相邻的现象而不集聚。

表5 2005～2019年西部地区金融资源配置效率全局莫兰指数

从局部莫兰指数散点图（图2）来看，2005～2019年落入二、四象限的省份增加，表明西部地区金融资源配置效率的空间负相关性增强，位于第二象限的有效率值较高的重庆、青海、四川、广西和效率值较低的西藏；位于第四象限的有效率值较高的陕西、云南、甘肃和效率值较低的内蒙古，呈现出高值包围低值现象，与全局莫兰指数反映的现象相同。

图2 2005年（a）与2019年（b）西部地区金融资源配置效率莫兰散点图

2.空间计量模型的确定

西部地区金融资源配置效率通过了空间相关性莫兰指数检验，可以建立空间计量模型。以金融资源配置效率值为被解释变量，选取的影响因素作为解释变量，建立OLS回归模型用于LM检验。

其中Yti表示第t年i省的金融资源配置效率，β0为常数项，εti为随机干扰项。在Stata软件中进行LM检验，结果如表6。LM空间误差、稳健的LM空间误差、LM空间滞后、稳健的LM空间滞后检验结果均显著，依据Auselin（2003）的观点，倾向于选择SDM空间杜宾模型。[25]

表6 LM检验结果

空间杜宾模型有时可以退化为空间滞后模型或空间误差模型，因此需要进行LR检验以确定最终模型。原假设是肯定的，备择假设是否定的，由表7可看出两个P值均小于0.01，拒绝原假设，即空间杜宾模型不可退化为空间滞后模型和空间误差模型。

表7 LR检验结果

最终空间杜宾模型设定如下，其中i表示省，t表示时间，W为经济距离空间权重矩阵，εti为随机干扰项。

3.空间溢出效应分析

将数据代入模型，运用Stata分别估计时间固定效应、空间固定效应和双固定效应模型的参数，从表8的估计结果可知，时间固定效应模型的拟合优度高于其他两个模型，因此采用时间固定效应模型。由于被解释变量的空间滞后项rho系数为-0.709，且通过了1%的显著性检验，此时解释变量的回归系数不能准确解释空间溢出效应。为了准确估计金融资源配置效率影响因素的空间溢出效应，需要进行进一步分解。时间固定效应的空间杜宾模型效应分解结果如表9。

表8 空间杜宾模型估计结果

表9 SDM效应分解结果

从直接效应的回归结果来看，政府财政支出水平对金融资源配置效率的影响在1%的显著性水平下为负，即地区财政支出越多，金融资源配置效率越低，政府干预影响了市场作用发挥，使金融资源配置效率有所损失；从间接效应的回归结果来看，在1%的显著性水平下，居民消费水平的系数为3.158，可见周边地区居民消费水平的提升能够带动本省经济发展，加速金融资源的循环利用，提升金融资源利用率，从而对金融资源配置效率产生正向影响。产业结构的系数为-5.057，说明周边地区产业结构的不合理使得金融资源配置效率有所损失。从总效应来看，在1%的显著性水平下，居民消费水平和产业结构的回归系数显著，居民消费水平的溢出效应为正，产业结构的溢出效应为负，表明周边省市居民消费水平的提高有助于改善西部地区的金融资源配置效率。

（三）实证结论

从2005～2019年西部地区金融资源配置效率的波动趋势来看，西部金融资源配置效率与技术进步息息相关，同时技术利用率也起到了较为重要的作用。西部地区技术进步和技术效率并不稳定，致使金融资源配置效率无法稳定在较高水平。

从西部地区金融资源配置效率的空间差异来看，金融资源配置效率受到地方经济、教育发展的影响。地理位置边远的省份，金融资源配置无效，金融资源配置有效的省份整体效率无明显差异，但推动因素却不尽相同，广西、云南、重庆技术进步起主要作用，青海、陕西、甘肃技术效率起主要作用，而四川的规模效率起主要作用。

从西部地区金融资源配置效率影响因素的空间溢出效应来看，居民消费水平提高使得省内的产品无法满足居民需求，产生跨省交易，有利于提高西部地区金融资源利用率，从而提升金融资源配置效率；地方政府对市场的过度干预使得市场在资源配置中没能发挥应有的作用，影响了金融资源的流向；西部地区金融资源更多流向了产业结构合理的省份，造成产业结构不合理省份的金融资源配置效率低下。

五、政策建议

研究发现，西部地区金融资源配置存在不均衡、不合理现象，时间上表现为配置效率不稳定，空间上表现为各省存在较大差异。同时，通过建立空间杜宾模型，分析发现西部地区金融资源配置效率的影响因素存在空间溢出效应，政府干预对金融资源配置效率存在负溢出效应，居民消费水平对区域内其他省份的金融资源配置效率存在正溢出效应，产业结构对区域内其他省份的金融资源配置效率存在负溢出效应。基于以上结论，为促进西部地区经济协同发展，提升西部地区各省的金融资源配置效率，提出以下建议：

（一）推进金融改革，提升金融创新能力

技术进步是西部地区金融资源配置效率提高的关键，因此，应当大力推进金融改革，提高金融创新能力，不断为金融业注入新鲜血液，丰富金融产品，让各行各业享受到金融服务，为西部地区金融发展扫除障碍。同时，西部各省应当加强对金融业人才的培养力度，实施专业化培养，积极引进具有较强实务能力的高质量金融人才，提升金融行业的就业质量，细化责任分工，加快协同推进，引导金融资源流向创新型企业、绿色发展企业，多角度提高技术效率。要结合“一带一路”建设，围绕经济发展中的薄弱环节开展改革与创新，从而更好地发挥金融业的助力作用。

（二）完善金融制度政策，扩大金融资源总量

西部地区各省的金融资源配置效率存在差异，应当因地制宜完善各地的金融制度与政策，发挥自身优势，通过有效利用金融资源或加快技术进步或扩大规模效率，多途径提高金融资源配置效率。例如四川省金融资源丰富，可以完善金融服务制度，引导金融资源流向优势产业，从而提高金融资源利用率；青海、宁夏等地政府支持力度大，应当制定政策鼓励科技型、创新型企业上市，提高上市公司数量，从而提升金融资源总量，通过扩大规模提高金融资源配置效率。

（三）促进产业结构优化，推动经济金融发展

当前西部地区的产业结构不合理，在一定程度上抑制了金融资源配置效率的提升，应当将发展重点转移至第二、三产业，尤其是注重服务业发展水平的提升，加速产业结构朝着合理化方向发展。传统工业企业应当在稳定发展优势产业的前提下，推动发展高新技术产业，实现产业转型升级。产业结构的合理化将吸引更多金融资源流向西部地区，从而促进金融资源配置效率的提高。

（四）适度减少政府干预，发挥市场的基础性作用

政府干预对金融资源配置效率存在负的空间溢出效应，政府干预使得金融资源更多流向经济发展水平较高的省份，造成了金融资源配置的不合理，使西部地区经济发展落后的省份与经济发展领先的省份差距逐渐扩大。因此，西部地区应当提高市场在资源配置过程中的基础作用，减少政府干预，缩小区域内各省间的发展差距，减少各地金融机构间的不正当竞争，注重区域协同发展，营造健康的金融环境，追求合作共赢，实现金融资源在整个西部地区的合理流动。