“集聚”还是“分散”?数字金融对金融空间分布的影响研究※

内容提要:金融产业空间布局一直是中国经济发展规划的重要内容。了解数字金融快速发展背景下金融产业空间布局演进规律,对规划金融产业发展方向、引导空间布局有着重要意义。通过拓展空间经济学理论模型,选取2011-2019年中国地级及以上城市样本数据,使用实证方法探讨了数字金融发展对金融产业集聚格局的影响。研究发现,金融数字化有助于增加金融产业辐射范围,降低金融集聚程度;进一步异质性分析表明,数字金融对金融人员集聚的影响随城市规模上升呈现非线性关系;分位数回归表明数字金融推动了金融产业由中心城市向外围城市的产业扩散流动,并且在金融发达地区和高水平城市,这种分散效应更加明显;空间回归结果发现:城市间的金融集聚扩散趋势存在异质的相互溢出的倾向。

一、引 言

数字经济正经历着蓬勃发展,中国信息通信研究院2022年7月发布的《中国数字经济发展白皮书(2022年)》报告显示,2021年中国数字经济规模在疫情频发的不良外部环境下逆势勃发,规模达到45.5万亿元,同比增长16.2%,占当年GDP的38%,产业数字化转型已经成为了数字经济发展的主旋律。中共二十大报告着重提出要“促进数字经济和实体经济深度融合”,同时报告也高度认可数字经济在经济金融产业建设中的关键地位,数字经济正逐步成为推动金融产业质量与效率变革,激活专业人才流转的主要驱动力,也是发展质量变革中关键的驱动角色。依托大数据、云平台、互联网、AI智能等新一代的革命性信息技术发展,数字金融对传统业态实现重大革新,推动金融服务高效、低成本转型。健康发展的金融体系,能有效防控风险,强化周期调节,带来金融行业整体的质量、效率与动力变革,此升级又通过金融业的资源融通功能辐射经济实体,为经济高质量发展提供支撑。

中共二十大报告提出,“要坚持把发展经济的着力点放在实体经济上”,习近平总书记也强调“金融是实体经济的血脉,为实体经济服务是金融的天职”,金融市场发展水平对城市有着多种积极经济后果,金融市场的空间分布与经济和产业发展水平有着内生推动关系,合理金融结构与宏观的经济增长和效率改善息息相关。金融产业在空间上的集聚,宏观维度上通过网络效益和技术进步促进外部规模经济,微观维度上优化企业的风险管理、信息揭示和治理,宏微观有机结合将形成更强的增长合力。地理空间层面的金融资源配置有效性也被证实有助于提升区域研发和全要素生产率(宋敏等,2021),进而实现区域高质量发展(薛秋童和封思贤,2022)。然而,受制于金融业务开展方式、覆盖范围以及和实体经济的结合方式,中国金融区域发展不平衡现象自改革开放以来一直存续,《中国区域金融运行报告(2022)》显示,2021年中国金融行业虽然体现出了“核心区域突出,其他区域协调发展”的互补格局,但各区域的“层化”集中现象有固化趋势,全国范围内资本配置的马太效应依旧严峻。随着“互联网+”对传统金融的全面深化与改造,区域金融业务的开展和盈利模式发生彻底改变。数字化基础设施建设使服务可在任意时间、任意地点开展,以往自发集聚的传统金融中心地位陡降,金融集聚的中心—外围格局是否将被打破?金融中心建设是否还具有价值?数字金融发展在推动金融服务普惠化、公平化、个性化、精细化的同时,能否缓解金融资源的区域配置失衡,缓解金融资源过度集中的现象,从而深化金融供给侧结构性改革,实现“金融要为实体经济服务”的宗旨,是一个值得研究的问题。

本文边际贡献表现在以下几个方面:首先,对于学者鲜有探究的数字金融如何引发金融产业空间分布模式变迁的问题,本文进行针对性分析探究,为数字金融如何影响金融集聚演进提供实证证据。其次,扩展空间经济模型,并基于城市规模和金融产业发展规模的异质性视角,实证检验了中国金融数字化程度的非线性影响关系,更清晰地描画了不同城市间金融空间分布的演进路线以及最终的集聚格局,丰富了数字金融的经济后果研究,为现有金融集聚格局的形成提供了新的视角。再次,了解数字金融对于不同城市间行业发展的差异作用,有助于因城施策,激活边缘区域的追赶效应和中心区域的示范效应,对金融产业共同发展的实现具有政策启示意义。最后,通过建立空间计量模型,在空间维度上考察了金融数字化对其他周边城市所产生的异质性的集聚分化效果,为高质量金融发展提供外部条件参考。

二、文献综述及理论分析

金融产业空间集聚描述了金融资源与地域条件协调、配置、组合的时空动态变化,是金融在某地域生成地域密集系统的变化过程。以往大多数研究集中于集聚的成因和效应分析。城市金融集聚在有条件促进产业结构升级、缓解融资交易中属性、领域与阶段的错配程度、推动实体企业效率增长、促进高质量创业、推动社会公平等方面都担任重要角色(于斌斌,2017;马勇等,2021),因此有关金融产业空间集聚的形成动因分析广受关注:Kindleberge(1973)认为任何产业集群的出现原因都与规模经济收益有关;Leyshon(1998)则提出机构间知识和技术溢出的正外部性是推动金融产业集聚的主因;Zhao和Simon(2003)提出金融服务业空间重组形成金融中心能够带来信息洼地下的信息红利。而针对中国区域金融集聚异质性的特色格局(毛其淋和陈乐远,2022)的形成,梁颖(2006) 认为是增长中心对周边城市的资源虹吸效应造成的;王宇(2014)发现消息面冲击与制度支持也有效激励了金融资源集中;王如玉等(2019)认为城市金融发展水平应该与城市发展阶段和层次相匹配,因此金融资源集聚与城市综合发展密不可分;俞颖等(2017)则认为当地政府的政策红利才是主要推动力。

数字经济对传统金融所进行的赋能和革新,不只体现在城市大范围内的行业增量提升,也包含行业内部调整和替代,而城市金融集聚主要取决于几个重要因素。首先是交易成本和效率,规模经济的成本节约效应是金融集聚的内在动因,理论上金融资源向一中心的集中所形成的规模经济能够有效降低交易成本,提升交易效率,从而收获正外部性。数字金融技术的应用与替代打破了传统格局,通讯信息技术大幅改进的赋能之下,新兴金融公司对传统金融机构有显著的技术正向溢出与变革作用(Fuster 等,2019),金融业务突破了以实体网点作为一地开展业务的核心支点的传统开拓模式,机构间无需地理或物理层面的集中趋近,营运成本有效下降(李建军和王德,2015);数字化信贷平台的构建,能够广泛记录不同地区间发生的金融交易并形成数字轨迹,降低信贷管理成本和风险管理成本(金洪飞等,2020)。对于金融机构来说,交易、咨询、投资等基础服务业务虚拟化正不断增强,金融集聚对地理位置和距离的敏感性快速下降(谢漾和洪正,2022)。运营成本和产品市场开拓成本的下降,有助于金融服务半径的拓展,实现集聚自传统中心向外扩散。

其次是信息水平与效率,不同于传统制造产业,金融产业更加依靠信息流和信息技术来提供服务类产品,信息流的传递成本是决定金融机构和人员潜在获利能力的重要因子。因此信息获取的空间成本也是金融中介出现并集聚的主导因素(Porteous,1995)。由于金融机构运行过程中所依赖的部分“软信息”难以标准化传递且隐秘性和排他性较强,因此在数字信息技术大范围应用前,传统机构倾向于集聚形成“信息腹地”。数字化赋能下,金融机构可以低成本、高效率地获取融资方的相关信用信息,有效预防信贷欺诈行为。丰富的线上融资手段有助于缓解企业信贷约束,减轻信贷配给和信息错配程度,提高各区域的金融产品服务水平和市场表现(Huang等,2018)。信息成本的显著下降将有效校正这些属性错配、领域错配和阶段错配,有助于金融业务的分散化推动和普惠色彩的强化。

最后是空间资源和竞争效应,金融经济发展离不开对城市空间的占有(Lefebvre,1979),当空间不足时,金融资源趋利和自由流动的特性使其向其他空间充裕的城市流动,而数字金融有效降低了金融机构及相关产业对空间资源的依赖性,拓宽了空间认知,打破物理空间以及城市规划的传统划分概念,有助于产业无成本转移。这种金融行业的数字化发挥了“鲶鱼效应”,加剧银行业的竞争,产生对传统金融的业务挤压和职能替代,倒逼传统金融机构效率与服务质量的提升,优化尤其是落后地区的资本配置效率(孟娜娜和粟勤,2020;黄益平和黄卓,2018) 。快速发展的数字金融即使在互联网基础较弱的贫困地区,依旧能够通过电子商务活动缩小“数字鸿沟”(张勋等,2021),发挥溢出效应,推动金融发展中心之间的趋同发展,缩小不同区域的金融差异。傅秋子和黄益平(2018)也发现在数字化赋能下,金融资源能向相对落后的“外围城市”配置,发挥普惠功能。金融集聚能够放大金融服务功能,而数字化技术的出现对此特征有所增幅,推动金融资源转向以往难以触及的“长尾部分”,缩小地区间差异。基于以上分析,提出研究假设:

假设1:数字金融发展有助于城市金融集聚现象弱化,金融资源有向欠发达地区扩散趋势。

三、理论传导模型及假设

1. 基本设定

首先,考虑Tabuchi和Thisse(2011)所描述经济体,假设经济均匀分布在(0,1]的圆环形轨道之上,由制造品、农产品和金融服务三部门组成。农产品制造商使用劳动进行同质商品生产,产品市场完全竞争,生产厂商规模报酬不变、无中间运输成本(1)本文参考Picard和Zeng(2005),假设农产品无运输成本,而制造业运输成本虽然会因为基础设施的改善有所下降,但并不会降至零。。制造环节和金融环节则使用劳动力和资本两种要素提供差异化产品或服务,为垄断竞争市场结构,生产技术为规模报酬递增并有一定中间成本。制造业中,I(I≥1)个行业所提供的产品种类与雇佣的工人数量有关。

制造部门产品产出Qi,金融部门向制造部门提供资本产品并向其他部门提供金融服务产品Qj,两类产品的总需求可以表示为:

其中,Qi和Qj分别代表两部门的差异化产品或服务,σi>1,σj>1代表两类商品之间的替代弹性,也代表着消费者对于不同产品或服务之间替代的接受度,间接体现市场竞争程度。

对于x∈(0,1]区域上的消费者,预算约束为:

(1)

qs(xc,xz)=αsps(xc,xz)-σs/Ps(xc,xz)1-σs

(2)

(3)

(4)

将上述总需求表达式代入效用函数式可得消费者的间接效用表达式为:

(5)

对于信息传递、人员往来以及网络管理可能产生的有关沟通成本,设定形式为冰山成本(Iceberg cost),mi和mj的标准成本为1,其中,τ>1为中间成本项,τs(xc,xz)qs(xc,xz)表示为1单位s行业的商品被从c城市传输到终端z城市所需要生产的商品实际数量,描述了商品在传输过程中所可能遭遇的中间阻碍,τ越高则冰山成本越高。金融行业的利润表达式(2)限于篇幅,制造业部门利润、劳动报酬和间接效用表达式未列示,备索。:

(6)

(7)

设φs(xc,xz)=τs(xc,xz)1-σs,代表商品可得性或是服务的获取效率,φ越高,代表商品在到达消费终端前中间环节成本越低。在金融产业,信息获取和传递成本占中间成本比例高,φ的下降则可以理解为信息传递扭曲水平的降低。当运输成本为0时,τ=1,不同地区之间购买商品无差异;当运输成本无限大时,τ=∞,表示为不同地区之间完全不存在商品流动。

垄断竞争市场机制下,企业为零利润,将Pj表达式换算为qj后与pj表达式共同代入式(6)后可得金融行业劳动力报酬标准为:

wj=

(8)

将劳动报酬表达式代入间接效用函数得到效用结果:

(9)

鉴于资本和部门内劳动者可以自由流动的特性,对于城市c的不同部门,达到均衡时各部门劳动者效用水平应一致,故表示为s∈[i,j]:

(10)

2. 人员聚集效应

(11)

假设2:随人员的增长,数字金融对城市金融行业人员集聚的影响为非线性,存在门槛效应。

3. 产业分散效应

数字技术能够构建起庞大而详尽的数据库,如区块链技术能够详细记录投资者所需要收集的各类事前信息,能让处于中国任意地区的融资供需双方以接近零成本进行沟通,认知距离被无限扩展,极大地有利于经验、个人知识等非标准化信息的交换与传播。因此数字金融的普及使用能够有效解决信息传输过程中的不对称问题,有效降低沟通和信息集获取的中间过程成本,增加市场流动性,在理论分析表达中,可以表示为中间成本项τ的下降即服务可得性项φ的增加。根据均衡稳态下金融机构的零利润条件,对金融产业产值进行微分可得:

(12)

根据求导传递的原则,每个城市的产值受商品可得性的影响可以表示为:

由于:

同时对金融业收入表达式(12)进行求导可以得出:

(13)

假设3:金融业规模不同的城市,数字金融应用对金融产业集聚所产生综合作用力将有方向上的差异。

四、实证检验

1. 变量说明以及数据来源

关于核心被解释变量金融集聚水平,描述测度方法有层次分析法、区位熵法和本国金融业生产总值占全国比重法。考虑到数据的可得性以及使用数据的普遍性,本文采用了区位熵指数法(任英华等,2010),使用金融人员区位熵fle和地区存贷款总额区位熵fve作为衡量集聚程度的指标,具体计算方式参考俞颖等(2017)如下:

本文使用数据除前文提及的数字金融普惠指数和区域创新创业指数外,还包括来源于EPS数据库、CEIC数据库与各地级市统计局所公布的274个地级市市辖区的各项统计数据,以及国家统计局所公布的各年生产总值和外币汇率。对于极个别缺失值,本文采用了插值补全的方法,而对过多缺失值采取了删去个体的方式,最终得到了一份较完整的非平衡面板数据。

2. 计量模型

根据以上的理论推导及模型论证,结合所估计的代表变量,本文对数字金融的使用如何影响城市间的金融集聚进行实证分析,设计以下计量模型:

faiit=β0+β1digitalit+β2lpgdpit+β3fdiratioit+β4eduit+β5govit+β6profitit+β7innoit+θi+δt+εit

(14)

其中,faiit代表i城市在t时期的金融集聚水平,digitalit代表数字金融普及程度,lpgdpit代表经济发展水平,fdiratioit为对外开放程度,eduit为平均受教育程度,govit为政府干预程度,profitit表示地方企业盈利水平,innoit为城市技术创新水平,θi为时间固定效应,δt为个体固定效应,εit为随机误差项。

3. 计量结果与分析

表1展示了根据模型基础设定数据进行回归所得到的计量结果。由F检验可以发现,考虑城市个体和时间固定效应时,模型结果显著,通过Hausman检验,固定效应要比随机效应模型更加有效,因此采用双向固定效应模型。为了保证模型主体结果具有足够稳健性,结合各城市存在的组间差异,本文采取聚类到个体的标准误差形式,F检验值较高,主要解释变量显著地拒绝了回归参数为零的原假设,证明主要效应参数的有效性。

表1 数字金融对金融集聚影响基本回归结果

逐步加入控制变量后核心解释变量digital的系数保持显著,证明主要解释变量的影响效应稳定有效,表1的估计结果充分体现了数字金融水平的改善所带来的分散效应,数字金融发展与该区域金融集聚倾向为负向相关关系,与假设1所提出的传导方向相同,验证了假设1。通过改善信息传递、扩张业务范围、提升融资效率、分散风险等方式,金融资源由富发展端向欠发展端更加无障碍地流动,金融发展水平有整体性上升。

控制变量结果中,lnpgdp代表的是城市的综合经济发展水平,因而当实际经济有所增长时,金融人员集聚趋势削弱。模型(2)中gov项系数显著为正,这也与俞颖等(2017)提出的政府干预将影响金融机构空间格局的传导方向一致,政府干预程度高的城市,其资源配置的扭曲更加明显,金融业的薪酬待遇也多处于较高水平,这种差异带动了对专业人员的吸引力。创新指标在模型(4)中为显著正值,表明创新增长所形成的外部溢出效应对推动产值集聚更加有效。

由于数字金融的发展和渗透水平也受到金融行业基础设施水平和综合发展水平的影响,因此模型存在内生性,这将导致对真实效应的错估,因此本文采取双固定效应模型,降低遗漏变量所带来的内生性。同时也将不同地区金融发展水平高低的异质性纳入考虑。如金融发达的中心型城市能够为本地的金融科技提供更好的外部条件和孵化平台,有促进本地金融服务数字化的作用。鉴于金融业本身是一种服务业,金融业集聚程度高往往有助于产业的多样化升级,而劳动力的多样化和优质劳动资源的丰富也同样需要数字金融水平的提高,因而为了避免由双向因果所引起的内生性,本文采取引入工具变量的方法予以解决。

为保证模型工具变量的外生性和排他性,本文参考赵涛等(2020)与黄群慧等(2019)在设立数字金融对城市综合发展质量和生产率提升的影响过程中使用的工具变量的构建思路,大致如下:互联网是影响数字金融发展水平差异的重要基础,互联网的发展和普及是从固定电话拨号接入方式开始逐步更新得到的结果,从历史延续角度思考,电信基础设施会从技术水平和使用习惯等因素影响到互联网的发展路径,那么铺设固定电话的邮局的分布和密度对互联网和移动设备的先期接入将有很大影响,进而对现有的通信格局的形成有推动作用,也能够满足工具变量与解释变量的相关性。考虑可能存在的双向因果的内生性,本文使用上一年的互联网发展情况数据来削弱双向因果关系。采取1984年中国各地级市每百万人邮局数来评估通讯基础设施的历史发展水平,邮局等邮政设施的数量和历史分布能从技术水平和使用惯性等方面决定后续新形式的通讯技术如互联网的应用情况,满足相关性要求,而随着各类通讯技术的不断变革,传统电信工具对经济发展和金融集聚影响逐渐式微,满足排他性需求。鉴于邮局数量为1984年截面数据,无法直接应用于有时间固定效应回归中,因此参考Nunn和Qian(2014)的处理方法,采取引入随时间变化的变量来构建工具,移动电话的使用和是否能够接入互联网代表家庭是否具有使用移动设备和互联网服务的基本能力,该类家庭越多,达到数字金融使用基础门槛的人数也就越多,可应用数字金融的范围越广,证明区域金融数字化的程度也相应越高,因此互联网使用与数字金融使用能力正相关。具体计算方法为采取城市上一年的互联网宽带接入用户数和移动电话使用人数与1984年邮局数量进行交乘,得到post_int和post_mob两个工具变量。表2 Panel I均展示工具变量回归的二阶段结果,一阶段变量的参数方向均在99%显著概率上为正,且F值大于10,Cragg-Donald Wald F统计量远大于10%临界值,满足有效性,非弱工具变量。同时过度识别检验p值均无法拒绝“所有工具变量均为外生”的原假设。因此可得所有工具变量为外生有效。2SLS的结果证实了数字金融发展对于集聚产生的平均分散作用,但在样本量并不大的情况下,该方法存在着估计有偏的可能性,因此本文同样采取对弱工具变量不敏感的LIML方法对模型进行了估计,如表2列(3)列(6)所示,结果差距很小,证明了影响的稳健性。

表2 两类工具变量回归结果

另一工具变量参考王修华和赵亚雄(2020),由于重要政策、发展目标规划多是以省作为一个参考的整体,加之基础设施水平和人才流动政策在省内水平上是同质的,因此同省内不同城市的数字金融发展水平多半因所处的环境相似而有比较强烈的趋同性,省域内除自身外城市的发展水平与研究对象之间有较强的相关性。因此,本文采取省内除去自身以外其他城市的数字金融发展水平的均值作为另一类工具变量进行回归,第一阶段回归IV与digital变量有强正相关性,与假设一致,检验证明工具变量满足外生性和强相关性假设,由于回归为恰好识别,因此无需报告Hansen检验值。应用省内数字金融发展水平工具变量后,模型的主要解释变量digital的参数和显著性保持不变,说明数字技术对于金融集聚分散趋同效果的有效性。

4. 详细异质分析

(1) 门槛回归。为验证假设2,采取金融业从业人员数的对数值作为规模门槛变量,探究不同规模下数字化发展的差异化影响。首先进行了门槛数量检验,结果如表3所示,其中对于单及双门槛,检验p值为0,分别显著拒绝“模型不存在门槛”和“模型存在单一门槛”的原假设,而三门槛则p值为0.4667,无法拒绝“模型存在两个门槛”的原假设。因此,可以确定门槛个数为两个,由于门槛变量为金融从业人数对数值,两门槛值分别为-0.6391和0.2988,将其还原为原水平值可知两门槛将整体数据区分为从业人员数小于0.5万人、人数位于0.5万到1.8万人之间以及大于1.8万人的三个不同区间。表4展示了根据数据所计算的门槛值及区间。表5为门槛划分下的回归结果,digital变量在从业规模finw的不同区间内对集聚水平有着显著相异的回归参数,规模小于第一门槛时,主要变量回归参数显著为负,数字金融能够产生较强的逆集聚效果;随着规模增长,回归参数不具有显著性,说明中等规模城市受影响效果较弱,而对于更高规模的金融中心城市,高报酬使其对从业者有着更高的吸引力,而且数字技术的应用使得遍布各地的金融机构分支变得不再重要,增长极城市对周边产生人才虹吸效果。综上,假设2的猜测性推论也得到数据支持,以金融业人员作为整体行业的划分指标,数字化确实能产生人力要素向中心城市集中的趋势(鲁玉秀等,2021)。

表3 门槛个数检验

表4 门槛回归门槛值详情

表5 门槛回归模型结果

(2) 面板分位数回归。利用面板分位数回归方法,能够更完整地观察数字金融如何影响城市金融格局演进的全面信息,本文以存贷款总量作为金融业产值大小的代表性指标,以产值区位熵fve作为集聚程度指标,在模型(1)至(9)的不同分位进行分位数回归估计,得到表6。核心变量不同分位区间的回归系数的方向与显著性都明显不同:在1%分位回归结果,系数显著为正,随着分位数范围升高,显著性逐渐降低,至5%分位开始变为不显著;50%分位数下,回归系数转为显著负向并在之后参数绝对值也不断增加,体现出逆聚集的分散效果不断上升,并且集聚态势越明显的城市,这种影响的程度越高,体现为该中心城市的金融业务开始向外围城市分流。以上结论证实了假设3中产值集聚与数字技术之间的负向关联关系,表现出金融业务由核心城市向中小城市流动的趋势。

表6 分位数回归结果

5. 稳健性分析

为了确保计量结果的非偶然性,本文采取了以下稳健性分析方法:替换解释变量,本文采取Liao等(2022)所计算的描述城市金融服务数字化程度的综合指数来替换数字金融普惠指数,该指数以业务服务、金融科技、发展环境三个二级指数综合计算城市数字金融指数。替换后回归结果如表7所示,可得关键参数方向为负且有强显著性,表现出基准模型所得估计结果的稳健可靠。

表7 稳健性分析结果

由于直辖市的金融发展水平和经济体量明显异于其他城市,同时数字金融应用程度也较高,可能存在比较严重的反向因果问题,因此参考宋敏等(2021),剔除直辖市数据再次对模型采取工具变量回归,可以发现,在剔除影响权重较高的直辖市数据后,其余城市依旧表现出与基础回归相同的结果,金融集聚有分散倾向。

6. 进一步探究

空间相关性研究。在金融地理研究中,信息交换面临“损耗性传递”,因此可以理解为小范围或是面对面的信息交换方式拥有优势,实现更加高效的信息沟通网络,金融要素多体现空间性集中,分布趋向集聚。因此,空间回归分析不可忽视。本文计算了2011-2019年金融集聚程度以及数字金融指数的Moran’s I指数以描述地理分布特征,如表8所示,两指标都在1%的显著水平上有明显的空间相关性。Moran指数图如图1,大部分城市都分布在一三象限,表明两者都具有非常显著的空间集聚效应,且中国地区金融发展水平还极不均衡,并且呈现总体多为低水平与低水平城市集中的 “低低集聚”现象。因而本文进一步应用空间计量模型对不同城市间数字金融对集聚的相互影响作用进行评估。

表8 2011-2019年金融集聚与数字金融发展的Moran’s I指数

图1 金融集聚指数以及数字金融发展Moran’s I指数散点图(3)限于篇幅,在此仅展示2017年及2019年散点图,上半部分为2017年结果,下半部分为2019年结果。

为了检验模型样本数据是否符合空间计量需求,本文样本进行了空间相关性检验,通过全局Moran MI检验以及Geary GC检验,结果均在99%以上置信度水平拒绝了不存在空间自相关的原假设,有进行空间溢出效应检验的必要性。根据Hausman检验以及似然比检验,以双向固定效应模型作为基础,同时根据相关LM检验,确认选择使用空间自相关(SAR)模型以及空间杜宾(SDM)模型作为空间面板分析的模型基础,SDM模型具体形式为:

(15)

其中,主要变量不改变,其他固定效应也与简式线性回归相同。Wit为空间权重矩阵,代表城市间地理或指定距离的关联关系,本文采用地理是否邻接以及反地理距离矩阵作为空间权重矩阵,用以考察数字金融技术应用是否有空间溢出效应,估计结果如表9。不同矩阵下,数字金融指数的回归系数显著为负,同时空间交互系数在两个空间矩阵类型之下不显著,空间上城市间的内生集聚促进效应并不明显,同时在模型结果中,变量变化的偏微分代表了解释变量以及控制变量对于被解释变量影响的直接、间接以及总效应,单纯的点估计回归结果无法对这些进行评估,直接和间接效应反映了某一城市数字金融的发展如何影响本地区以及相邻城市的分布格局。直接效应显著为负,与基础回归相吻合;而城市间间接溢出效应在使用邻接矩阵作为空间矩阵时表现为负向显著,代表邻接区域内存在一定的分散效应的溢出,同时地理距离矩阵设定下一定的正向相互溢出关系体现了金融行业服务的向区域中心集中的虹吸现象(梁颖,2006)。

表9 城市金融集聚静态空间面板回归结果

(续表)

通过对fve的滞后项进行空间自相关性LM检验,拒绝滞后项无相关性的原假设,可知变量fve具有空间自相关,同时为与静态空间回归对比,本文进一步采用动态空间回归模型对结果进行进一步分析,结果如表10:模型(1)中关键变量如数字金融和空间滞后项的系数为负并且通过1%的显著性检验,回归结果未发生明显变化,证明数字金融水平有着明显的空间分散化效果。为详细探讨不同地区之间的差异性,本文设定了地区虚拟变量并与解释变量交乘进行回归,结果如列(2)至列(4)所示,可以明显看出,回归系数在东部与西部地区仍旧方向为负且显著水平达到99%,而在中部地区不显著。可得出,在东部地区,金融中心城市如上海、广州、深圳、北京等金融行业在服务水平、发展环境、人员水平都处于较高水平,金融资源集聚趋向饱和,因而会对周边环境产生辐射效果;在西部地区,直辖市如重庆,省会城市如西安、成都等,同样有着较高的金融集聚水平,可以带动周边地区平均发展水平;而在中部地区,由于平均金融产业活跃度不及其他两地区,因此数字金融发展后所带来的的正向集聚效应在中部地区较弱,技术改善无法带来实际的集聚或分散。

表10 全国及东、中、西部城市动态空间面板回归结果

同时参考前文推论中数字金融多随地区的规模变动而呈现非线性影响,因此利用市辖区户籍人口作为规模划分标准进行不同规模城市的动态空间面板估计,将人口少于50万的城市标记为小型城市, 50万到100万标记为中型城市,100万到500万标记为大型城市,500万以上者标记为特大城市。结果如表11所示,可以看到交乘项digital_scale只有在模型(4)即特大城市类别中才体现出显著负向影响的空间溢出效应,说明金融业务的分散趋势在特大城市更为显著,离心力占据主导地位,特大城市多为金融中心城市,对周边城市信贷资源容易产生“虹吸-辐射”效应。

表11 不同规模城市数据动态空间面板回归结果

五、结论及政策建议

数字革命及其所带来的服务内容和形式的创新与更迭如何改变金融组织形式和空间分布,这一课题在区域宏观经济研究中受到的关注不断上升。本文使用权威的数字普惠金融指数,以覆盖地域和时间段更加广泛的地级市数据,从数字金融对一地的金融产业空间分布效应出发,在理论推导的基础上,进行了更加全面的分析。主要结论有:第一,以基础回归和工具变量回归详细检验了数字金融对我国城市金融产业空间分布布局的效应。随着数字金融产品和服务覆盖范围不断扩张,机构设点不再受限,人员集聚将有所削弱。数字金融技术通过产品迭代创新、降低融资门槛、提升支付和融资便利性、扩张服务可辐射范围,削弱了产业集聚的向心力,空间结构总体上呈现出分散化发展趋势。第二,通过面板门槛和分位数回归的异质性分析,发现在以规模为区分特征的地区之间,金融集聚受数字技术发展的影响随城市规模上升体现出先正后负的非线性特征,小部分行业规模和产值规模较小的城市集聚增强而规模大者分化加快,形成中心向外围扩散的趋势。第三,通过静态与动态空间面板回归考察了空间溢出效应,数字金融的应用使知识溢出的范围大大扩展,信息交换不再受限,在空间分布上促进了金融业务由中心向外围城市分散的格局,推翻了金融中心组织理论所强调的地理趋近观点。地域差异分析发现东部和西部的中心城市有着显著的空间溢出,而中部地区城市则不显著。这说明,由于不同层次的城市存在着发展阶段的差异,因此数字金融的适用与发展对处于不同阶段的城市作用效果也不同,产生的相异的集聚和分散的空间布局也有所不同。

中国数字金融虽然发展强劲、变革迅速,但真正做到高质量、可持续,还需要政策端加以匹配与适应。结合所得结果,本文主要有以下的政策启示:一是从全国的角度看,数字金融的发展有利于金融中心职能的向外扩散辐射,因此二十大所提出的加快促进数字经济和实体经济深度融合的政策方针需要坚定不移地贯彻,金融服务业数字化转型的有序展开,将显著改善中小城市的金融服务环境,营造健康的投资环境,促使金融与当地实体产业经济有效结合,形成更强的追赶效应。二是相比之下,智能支付、智慧网点、智能投顾、数字化融资、数字人民币等数字新模式能够让相对落后城市获得更大优势,也有助于拉近区域间“数字鸿沟”,缩小城市间差距。因此对于外围城市,应思考如何接纳并增幅“数字红利”,如提高政府的专业知识水平、拓宽服务可支持行业及建立更有效的技术平台。三是数字金融在辐射更多落后地区的同时,也造成了专业人力资源的更加集中,对于一部分城市来说形成了人才流失,因此在促金融的同时也要促经济,提高外围城市的居民居住环境和劳动保障,筑好人力资源蓄水池。推动高端产业由中心城市向外扩散,促使金融追随产业而动,使外围城市更大程度地享受中心城市的涓流效应。四是由于中心城市在金融发展的生命周期中扮演的是城市群发展支点的角色,发挥了带动金融产业发展上限和向周边辐射的作用,进一步保持中心城市的发展优势,协调“中心—外围”关系合理发展也是重要的政策方向。结合金融监管和创新推动的强化,警惕欠发达地区的中心城市对周围资源的过度虹吸,进而打造城市群间电子商务、金融、中间服务、实业的有机结合,助推新经济。