金融集聚对区域经济增长的空间溢出效应分析

王丹妮 刘胜粤

摘 要：本文基于长江以南相邻14个省市区2012—2021年近十年的面板数据，对各省市区的金融行业区位熵和人均GDP进行全局和局部自相关检验，发现区域间存在空间相关性。基于此，本文建立空间计量模型，深入研究金融集聚对长江以南区域经济增长的空间溢出效应。研究发现：长江以南14省市区的金融集聚和经济增长具有较为稳定且显著的正向空间相关关系，且近十年来具有增强趋势，但金融集聚对区域经济增长的空间溢出效应不够明显，仅银行业集聚对周边区域具有显著的空间溢出效应。

关键词：莫兰指数；区位熵；金融集聚；区域经济增长；空间杜宾模型

本文索引：王丹妮，刘胜粤.金融集聚对区域经济增长的空间溢出效应分析[J].中国商论，2023（10）：-163.

中图分类号：F127 文献标识码：A 文章编号：2096-0298（2023）05（b）--05

1 引言

随着经济全球化的发展，金融资源逐渐在部分区域发生空间集聚，部分金融集聚程度高的城市逐渐演化为金融中心，进而推动本地区的经济发展。此外，由于“涓流效应”与“极化效应”，金融集聚对周边区域经济的发展产生了一定程度的影响。“涓流效应”指通过资本、技术与金融人才等金融资源的流通和共享，金融集聚程度高的城市将为周边区域的经济发展带来动力。“极化效应”指金融集聚区垄断了金融资源，导致其与周边区域的分化日益严重，因此会阻碍后者的经济发展。金融集聚现象是金融产业发展到一定程度的体现，在当前我国经济新常态背景下，研究金融集聚与经济发展的关系将会促进金融与经济高质量发展，进而为实体经济发展提供高效的金融支持，最终提升人民生活水平。

2 文献综述

对金融集聚与经济增长关系的研究，国外开始较早，已经形成了较为完整的研究体系。Bagehot（1873）从产业结构角度进行分析，认为金融集聚能够通过提供融资服务的方式促进产业结构升级。Patrick（1966）将研究对象分为发达国家和发展中国家，认为发达国家金融与经济发展模式是经济发展促进了金融集聚的形成，而发展中国家与此相反。Anselin（1988）从地理维度进行分析，发现相邻区域的金融与经济发展具有空间关联性。Law和Singh（2014）认为，金融集聚并不能绝对地促进经济增长，只有在一定阈值范围内才能正向促进经济发展。Sehrawat和Giri（2016）对SAARC国家的金融集聚进行研究，发现短期内金融集聚能够单向促进经济发展，但从长期来看，两者是相互促进关系。

国内也有较多学者对该论题进行了深入的研究。姜冉（2010）通过研究发现，泛珠三角地区的金融集聚促进了区域间的经济增长，且促进作用表现为持续时间长且稳定的状态。李林等（2011）建立了SLM、SEM、SDM三种空间计量模型分析金融集聚对经济增长的空间溢出效应，研究发现，我国金融集聚的溢出效应有限，且主要体现为银行业的集聚。王宝强和周勇（2021）对全国31个省的数据进行分析，结果表明，金融集聚对经济增长具有正向促进作用，且东中西部存在空间异质性。姜明欣（2022）基于西部12省数据，运用SDM模型进行分析，发现西部地区的金融集聚水平较低，对经济发展的促进作用有限。

本文在借鉴前述研究的基础上，选择我国长江以南14个省、自治区及直辖市作为研究对象，使用空间杜宾模型，对长江以南区域的金融集聚及其对经济发展的空间溢出效应进行分析。

3 变量选取和模型设定

3.1 变量选取及数据来源

3.1.1 被解释变量

本文选取长江以南14个省市区人均GDP为解释变量，衡量地区经济发展水平。实证分析中，对人均GDP取对数，保证回归结果的稳定性。

3.1.2 解释变量

衡量产业集聚水平的指标有赫芬达尔指数、因子分析法及区位熵等，经过阅读文献并对不同研究方法进行比较分析，本文运用银行业、保险业及证券业的区位熵作为衡量地区金融集聚水平的指标，计算公式分别为：

其中，表示i地区银行业第t年末贷款余额；表示i地区保险业第t年末原保费收入；表示i地区证券业第t年末上市公司市值；表示i地区第t年末常住人口数量。表示全国银行业第t年末贷款余额；表示全国保险业第t年末原保费收入；表示全国证券业第t年末上市公司市值；表示全国第t年末常住人口数量。区位熵值越高，表明相对全国平均水平，该地区金融集聚水平较高。

3.1.3 控制变量

本文选取固定资产投资水平（fixin）、政府支出水平（gov）、就业人员占比（se）、金融发展水平（fl）及金融发展效率（fe）作为控制变量。实证分析中，对以上指标取对数，保证回归结果的稳定性，计算公式如下：

固定资产投资水平（fixin）=固定资产投资总额/GDP

政府支出水平（gov）=政府财政支出/GDP

就业人员占比（se）=年末就业人口数量/年末常住人口数量

金融发展水平（fl）=金融机构年末贷款余额/GDP

金融发展效率（fe）=金融机构年末存贷比

3.1.4 数据来源

本文研究使用的数据来源于中国及各省市区统计年鉴、国家统计局官网、中国人民银行官网、中国银保监会官網及choice金融终端。本文实证研究部分均通过stata15进行分析。

3.2 模型设定

本文基于2012—2021年长江以南14个省区市的面板数据，研究分析金融集聚对区域经济增长的空间溢出效应，依次进行莫兰全局及局域空间自相关检验、LM检验、豪斯曼检验及LR检验，最终确定建立空间杜宾模型，公式如下：

Lnpgdp = α1Lnbank+α2Lninsure+α3Lnstock+β1Lnfixin+β2Lngov+β3Lnse+β4Lnfl+β5Lnfe+λ1LnW_bank +λ2LnW_insure+λ3LnW_stock+ε

其中，W为基于人均GDP计算的经济地理嵌套权重矩阵；λ1LnW_bank、λ2LnW_insure、λ3LnW_stock分别表示银行业、保险业和证券业的空间变量；ε为误差项。

4 实证研究

4.1 空间自相关检验

进行空间溢出效应分析的前提是变量存在空间自相关关系，因此在建立空间计量模型之前需要进行空间自相关检验。空间自相关检验分为全局空间自相关和局域空间自相关检验，前者反映了变量之间是否具有空间依赖性，后者则体现了变量之间是否存在空间异质性。

4.1.1 全局空间自相关检验

是应用最为广泛的空间自相关统计量，公式如下：

其中，N为空间单元数量；表示变量在空间单元i的观察值；为变量y的均值；为空间权重矩阵；是空间权重矩阵所有元素的求和。Moran's I指数的取值范围是[-1，1]，若为负值，说明变量存在负的空间自相关；若为正数，则表明变量存在正的空间自相关；若接近0，则变量不存在空间自相关（见表1）。

由表1可知，2012—2021年银行业、保险业、证券业区位熵的全局莫兰统计量均为正数，且呈上升趋势，并具有较强的显著性。其中，银行业的全局莫兰指数最大，其次是保险业，最后为证券业，与南方部分省份的保险业、证券业发展较为落后有关。人均GDP的全局莫兰统计量为0.4左右，且在1%显著性水平上显著。由此可以看出，长江以南14省市区的金融集聚与经济增长变量均具有较强的正向空间自相关关系。

4.1.2 局域空间自相关检验

局域空间自相关统计量（Local Moran's I）可以对Moran's I统计量进行分解，发现每个空间单元变量的贡献，两者可能一致，也可能相悖，公式如下：

其中，N为空间单元数量；和表示所分析变量的观察值；为变量y的均值；为空间权重矩阵。Local Moran's I可以用散点图形式体现，表明各区域变量之间的差异程度。散点图分为四个象限，第一象限（HH）为高高集聚，指该地区金融集聚或经济发展水平较高，其周边省市区的金融集聚或经济发展水平也较高；第二象限（LH）为低高集聚，指该地区金融集聚或经济发展水平较低，其周边省市区的金融集聚或经济发展水平较高；第三象限（HL）为高低集聚，指该地区金融集聚或经济发展水平较高，其周边省市区的金融集聚或经济发展水平较低；第四象限（LL）为低低集聚，指该地区金融集聚或经济发展水平较低，其周边省市区的金融集聚或经济发展水平也较低。为了更清晰地显示区域间的差异，将散点图进行整理，如表2所示。

由表2可知，银行业区位熵莫兰散点图中，福建2012年位于第二象限（LH），2021年位于第一象限（HH）。保险业区位熵莫兰散点图中，湖北2012年位于第二象限（LH），2021年位于第四象限（HL）。证券业区位熵莫兰散点图中，福建、江苏由2012年位于第二象限（LH）改变为2021年的第一象限（HH）；云南、贵州2012年位于第三象限，2021年分别位于第二象限（LH）和第四象限（HL）。人均GDP的莫兰散点图区域分布情况基本无变化。综上，本文对比2012年和2021年金融集聚和经济增长的局域空间自相关检验结果发现，莫兰散点图的四个象限分别包含的省区市变化不大，且大部分省市区位于第一象限（HH）和第三象限（LL），仅有少数省份位于第二象限（LH）和第四象限（HL），高高或低低集聚情况较为明显，说明长江以南14省市区的金融集聚和经济增长存在较为长期稳定的空间自相关关系。

4.2 空间杜宾模型

4.2.1 固定效应空间杜宾模型

上文的全局空间自相关及局域空间自相关检验结果显示，长江以南14省市区的金融集聚与经济增长变量均具有较强的空间相关性。因此，为了进行更为合理的分析，有必要构建空间计量模型。空间计量模型分为空间误差模型（SEM）、空间滞后模型（SAM）和空间杜宾模型（SDM），为了准确选择适当的模型进行分析，本文对变量依次进行LM检验、豪斯曼检验和LR检验。首先，进行OLS回归和LM检验。LM检验的目的是与简单的OLS模型对比，判断是否有必要使用空间计量模型。LM检验结果显示，空间滞后模型和空间误差模型均在1%显著性水平上显著，因此考虑使用空间杜宾模型。其次，进行豪斯曼检验。豪斯曼检验是为了判断模型是适合使用随机效应或固定效应空间杜宾模型。由于豪斯曼检验结果在1%显著性水平上显著，所以应使用固定效应空间杜宾模型进行分析。最后，进行LR检验。LR检验是为了判断空间杜宾模型是否会退化为空间误差模型或空间滞后模型。LR检验结果在1%显著性水平上显著。结合上述检验结果，本文最终选用固定效应空间杜宾模型，而固定效应分为空间固定、时间固定和双固定效应，回归结果如表3所示。

由表3可知，空间固定效应模型拟合度最高（R?= 0.9674），其次是时间固定效应模型，而双固定效应模型的拟合度最低。因此，选择空间固定效应模型进行空间溢出效应分析。空间固定效应模型既能显示金融集聚对本地区经济增长的影响情况，又能显示对相邻地区经济增长的空间溢出效应。由表3可知，空间自回归系数（Spatial rho）大于0，且高度显著，说明长江以南14省市区的经济增长具有高度空間相关性。在对本地区经济增长的影响方面，解释变量银行业集聚（lnbank）、证券业集聚（lnstock）均对本省市区经济增长有显著的正向影响；控制变量中，固定资产投资（lnfixin）和就业人员占比（lnse）对本省市区经济增长有显著的促进作用，而政府支出（lngov）、金融发展水平（lnfl）和金融发展效率（lnfe）对本地区的经济增长具有一定程度的抑制作用。在对周边区域经济增长的影响方面，解释变量银行业集聚（lnbank）对周边地区具有抑制作用，政府支出（lngov）、金融业发展水平（lnfl）和金融发展效率（lnfe）三个控制变量均对周边地区具有显著的促进作用。

4.2.2 空间固定效应杜宾模型的效应分解

为了更清晰地观察金融集聚对本地区及周边地区经济增长的影响，可以对空间固定效应杜宾模型的溢出效应进行分解，包括直接效应、间接效应和总效应。由表4可知，解释变量中，银行业区位熵（lnbank）、保险业区位熵（lninsure）和证券业区位熵（lnstock）直接效应正向显著，说明金融行业的发展能够促进本地区的经济增长。银行业区位熵（lnbank）间接效应为负数且显著，说明银行业对周边地区的经济增长具有抑制作用。这可能是因为银行业具有吸收存款的功能，本地区银行业的发展吸纳了周边地区部分资金，因此抑制了周边地区的经济发展。保险业区位熵（lninsure）和证券业区位熵（lnstock）间接效应不显著，说明保险业和证券业对周边地区的影响不大。长江以南14省市区中，既有金融经济高度发达的广东、上海、浙江和江苏，又有经济相对落后的广西、云南及贵州等。经济发达地区由于具有人才、技术及资源优势，证券业发展较为迅速，居民对保险业的需求也较充足；后者则处于劣势，各类经济金融资源匮乏，地区之间差距较大且缺乏深入合作交流，因此区域之间证券业、保险业集聚的空间溢出效应不明显。

控制变量中，固定资产投资（lnfixin）和就业人员占比（lnse）的直接效应为正数且显著，说明固定资产投资及就业率的提高对本地区经济增长具有拉动作用。政府支出（lngov）、金融发展水平（lnfl）及金融发展效率（lnfe）为负数且显著，说明政府支出、金融发展水平和金融发展效率对本地区经济发展不利，可能是因为我国经济目前正在转变发展方式，从经济高速发展进入经济高质量发展阶段，存在结构性产能过剩的情况，因此过高的政府支出水平和金融发展水平可能带来“拥挤效应”。金融发展水平（lnfl）和金融发展效率（lnfe）的间接效应和总效应为正且显著，可能是因为金融发展水平和金融发展效率越高的区域会形成模范作用，最终对周边地区产生正向影响。

5 结语

本文基于2012—2021年长江以南14省市区面板数据，分析金融集聚对区域经济增长的空间溢出效应，研究结论如下：

一是通过全局空间自相关和局域空间自相关检验发现，长江以南14省市区的金融集聚和经济增长变量具有较为稳定且显著的正向空间自相关关系，且近十年来具有增强趋势。

二是通过建立空间固定效应杜宾模型进行分析，发现解释变量及控制变量均对本地区经济增长具有显著的影响；在对周边地区的影响方面，解释变量中仅有银行业集聚变量对周边地区经济发展具有显著的负向空间溢出效应，保险业和证券业具有正向的空间溢出效应但不显著。控制变量中，金融发展水平、金融发展效率两个控制变量对周边地区具有空间溢出效应。

综合来看，长江以南14省市区的金融集聚对区域经济增长的空间溢出效应不够强，可能是由于14省市区之间的金融经济交流与合作不够深入，区域间仍然存在较大差距。

结合上述研究结论，本文建议如下：首先，利用上海、广东、江苏、浙江等东南部经济发达省市区的区域优势，发挥金融集聚的“擴散效应”，加强与湖南、湖北等中部及广西、云南、贵州等西南部经济较为落后地区的交流，带动后者的金融经济增长。其次，合理规划西南地区的金融业资源布局，并实行合理有效的政策引导金融人才、技术及资本等金融资源向西南地区逐渐流入，进而刺激该地区金融集聚对本地区经济增长的促进作用。最后，加强金融创新，利用金融科技等先进手段与技术，使金融发展得以提质增效，减少“拥挤效应”，并转变经济发展方式，进而促进实体产业的有效发展。

参考文献

BAGEHOT W. Lombard Street： A Description of the Money Market[M].London：Henry S. King & Company，1873.

PATRICK H T.Financial development and economic growth in underdeveloped countries [J].Economic Development and Cultural Change，1966，14（2）： 37-54.

Anselin L.Spatial Econometrics：Methods and Models[M]. Springer Netherlands，1988.

Siong Hook Law， Nirvikar Singh. Does TooMuch Finance Harm Economic Growth [J]. Journal of Banking and Finance， 2014（41）： 36-44.

Sehrawat M， Giri A K. The Impact of Financial Development on Economic Growth： Evidence from SAARC Countries [J]. International Journal of Emerging Markets， 2016， 11（4）： 569-583.

姜冉.泛珠三角地区金融集聚与经济增长：基于1982—2007年的数据分析[J].经济研究导刊，2010（20）：60-61.

李林，丁艺，刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究，2011（5）：113-123.

王宝强，周勇.金融集聚对经济增长的空间效应研究：基于省域面板数据的空间计量分析[J].经济视角，2021，40（5）：75-85.

姜明欣.金融集聚对经济增长的空间溢出效应研究：基于西部 12 省区市数据[J].河北企业，2022（2）：17-19.