柏为民１ 汪 淼２
（１柴达木循环经济实验区管委会 青海 德令哈 ８１７０９９；２中南财经政法大学金融学院 湖北 武汉 ４３００７３）
摘 要：从经济实力、金融集散和其它因素三个维度测度金融集聚程度，运用空间面板数据模型分析金融空间集聚与区域经济增长的联动关系。结果发现，金融集聚水平、合理的产业结构、人均固定资产投资都对区域经济增长有明显的促进作用。并提出针对性的政策建议，以发挥金融集聚的溢出效益和辐射效应，缩小地区间经济增长差距，实现区域经济协调发展。
教育期刊网 http://www.jyqkw.com
关键词 ：金融集聚；区域经济；空间面板数据模型
中图分类号：F6 文献标识码：Ａ ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１６６５－２２７２．２０１5．08．００1
０ 引言
自改革开放以来，我国的区域经济发展极其不平衡，而金融集聚的空间效应对于缩小我国区域之间的经济差距具有指导意义。当前，我国已经形成多个金融资源、金融活动和金融机构的聚集区域，为这些地区创造了巨大的金融业产值，还带动了周边地区的经济发展。金融集聚是新兴的研究课题，作为金融发展理论的一部分，最早的研究可以追溯到上世纪初。
１ 文献综述
Ｍａｒｓｈａｌｌ（１９２０）最早提出了产业集聚现象的成因，并指出产业集聚即空间外部性的概念。国外学者对金融集聚的现象和效应进行了系统研究。国内学者涉足金融集聚领域的研究相对比较晚，集中于金融集聚的形成模式、表现形式、主要特点、影响因素等方面。
对于金融集聚与区域经济增长的研究，国外学者倾向认为金融集聚提高了资源利用效率，促进了信息的形成与传播，因而促进了区域经济快速增长。国内学者运用多种量化工具对金融集聚与区域经济之间的联动关系进行了多角度分析，基本认为金融集聚具有显著的扩散效应，进而推动区域经济发展。
在空间视角下学界对金融集聚的研究相对较少。国外学者Ｋｒｕｇｍａｎ（１９９９）建立了一系列严谨而精致的空间基础模型，从微观和宏观层次探讨了各种经济活动的空间集聚现象与成因。Ｇｅｈｒｉｇ（１９９８、２０００）指出，地理因素通过信息的外部性作用影响金融集聚的形成。Ｎａｒｅｓｈ和Ｇａｒｙ（２００３）指出，金融产业的集聚是动态发展的。国内学者任英华、 徐玲、游万海（２０１０）研究了我国金融集聚的影响因素，发现金融集聚存在明显的空间正溢出效应。李林（２０１１）通过刻画Ｍｏｒａｎ＇ｓ Ｉ指数散点图确认了我国金融集聚的地理空间机制，发现银行业集聚的正溢出效应相较证券业与保险业而言更为明显。
本研究以２００６－２０１１年中国３１个省（区、市）的面板数据为样本，运用空间分析方法对金融集聚与区域经济增长的规律进行研究，探究金融集聚与经济发展的内在关系，以期得到更符合客观事实的结论，并提出有针对性的政策建议。
２ 我国各省区金融集聚度的测度
２．１ 测度方法
随着金融集聚的发展和研究的深入，有关产业集聚的测度方法也在不断发展与完善，学者们见仁见智。主流的测度方法有产业基尼系数、区位熵、金融相关率、层次分析法、主成分分析等。考虑到单一指标的局限性，为求更全面准确地测度３１个省（区、市）金融集聚水平，本研究采用能够涵盖多个指标原始信息的因子分析方法。
２．２ 指标体系
根据相关性、多维性、可得性原则，本研究构建的金融集聚衡量指标体系（见表１）。
２．３ 测度结果
２．３．１ 样本和数据来源
选取中国３１个省（区、市）作为样本，考虑到数据可得性，时间长度定为２００６－２０１１年。数据来源主要为历年的《中国金融年鉴》、Ｗｉｎｄ数据库、国务院发展研究中心信息网区域经济数据库等。为消除量纲差异造成的影响，采用通用的Ｚ－ｓｃｏｒｅ标准化方法对所有数据进行标准化转换，公式如下：
２．３．２ 各省份金融集聚度的测定
以２０１１年３１个省（区、市）的样本数据为例，通过因子分析方法进行金融集聚度的测度，其他年份数据作相同处理。基于相同的步骤，先后测度了经济实力、金融集散和其它因素的综合因子得分，基于这个结果，继续使用同样的方法计算出３１个省（区市）的金融集聚指数，即金融集聚综合因子得分。先进行ＫＭＯ检验。结果显示ＫＭＯ值为０．７４８，于是进入下一步，使用主成分法提取公因子，结果见表２。
由表２中的主成分信息可看出，特征值大于１的因子只有一个，但累积方差贡献率高达９３．９３１％，即约９３．９％的总方差可以由这一个潜在因子解释。据此，可以用ＳＰＳＳ软件得到其它因素的因子得分的计算公式如下：
Ｆ＝０．９３７７*ｆ
由于只有一个公共因子，旋转不会产生变化，因此无须进行方差最大化正交旋转，旋转成份矩阵见表３。
最后，采用回归法计算唯一一个公因子的因子得分，进而求得金融集聚综合因子的得分见（表４）。
金融集聚综合因子得分大于０的省份可以被看作已经形成了金融集聚。从表4中可以看出，北京、上海、江苏、浙江、山东的金融集聚的综合得分明显高于其他身份，具备成为金融集聚核心区的潜力，发挥集聚效益和扩散效应，带动周边地区经济增长，其中北京和上海两个直辖市分别作为政治中心和经济龙头最具有代表性，江苏、浙江、广东等沿海省份都形成了明显的金融集聚，而其它地区的金融集聚发展趋势并不明朗。从经济圈隶属的视角出发，上海、江苏和浙江构成了长三角经济圈，是经济规模最大集聚水平最高的集聚区域；广东引领珠三角经济圈的发展；北京、山东、河北和辽宁属于环渤海经济圈，目前辐射效应不够明显。另外，四川是西部地区最有金融集聚发展潜力的省份。
３ 金融集聚对区域经济增长影响的分析
３．１ 数据来源和变量设置
将３１个省（区、市）作为研究样本，通过２００６－２０１１年的相关数据，利用Ｍａｔｌａｂ７．９软件，验证金融集聚对区域经济增长的影响。基于ＣＤ生产函数的基本理论模型，在模型中引入３个控制变量，分别反映各地区的产业构成情况、利用外资情况及基础设施水平，以因子分析测度的金融产业也集聚指数为核心解释变量，以人均ＧＤＰ作为被解释变量。变量的计算方法和经济含义见表５，其中对人均ＧＤＰ、人均实际利用外商直接投资、人均固定资产投资做对数化处理。
３．２ 金融集聚的空间分析
３．２．１ 探索性空间数据分析
首先对历年区域金融集聚水平作探索性数据分析，以研究金融集聚空间相关性的发展趋势。以２００６－２０１１历年各省金融集聚程度
为样本数据，刻画各年的金融集聚Ｍｏｒａｎ指数Ｉ散点图见图１－图６。
由以下图表可以看出，金融集聚Ｍｏｒａｎ指数Ｉ总体呈小幅稳步上升态势，我国金融集聚存在明显的空间相关性，且这种相关性愈来愈
强。其中，山东、江苏、上海、浙江呈现高值被高值所包围的高—高（ＨＨ）空间分布，而北京、广东、辽宁、四川、河南呈现高值被低值所包围的高—低（ＨＬ）空间分布，其他地区的金融集聚水平较低。总体来看，金融集聚水平高的地区与经济发达的地区是对应的。这表明，我国部分地区已经形成金融集聚并发挥集聚效益和辐射作用，但效果并不一致。
３．２．２ 证实性空间数据分析
（１）模型选择。在传统面板模型的基础上引入空间因素来实证研究金融集聚的空间溢出效应。基于ＬＭ检验结果见表６，将选择空间自回归面板数据模型。
回归分析选择的样本个体限定于我国３１个省（区、市），而非随机抽取，所以所采用的实证模型最终确定为空间滞后固定效应面板数据模型。
（２）实证结果。空间面板模型的一阶邻接权重矩阵可以在Ｍａｔｌａｂ软件中自行根据地理区位定义，也可以用地理距离计算生成，本文采用前者。结合模型设定和空间权重矩阵设计，以２００６－２０１１年我国３１个省（区、市）的面板数据为样本，使用Ｍａｔｌａｂ中的空间计量工具箱对模型进行估计，实证结果见表７。
四个模型的可决系数均很高，只有时空双固定模型稍低，但由于模型采用的是极大似然估计方法，而非最小二乘法，所以极大似然对数值更适宜作为判断标准。由实证结果可以发现，四种模型的极大似然对数值依次为４６．７、３３０．５、８６．９、３５２．９，估计效果整体而言非常良好，但地区固定效应和时空双固定效应明显高于其他两种模型。单独考虑地区固定效应或者时间固定效应都有可能造成一定程度的估计偏差，因此选择时空双固定效应的估计结果。
由表7中结果可知，地区人均ＧＤＰ与金融集聚、人均固定资产投资对应的回归系数均为正值，与第一产业占比对应的回归系数为负值，均符合经济规律。第一产业占比的系数为－０．０１９４，通过１％显著性检验，第一产业占比低代表对经济增长有更强推动力的第二、第三产业占比高，与区域经济增长呈反方向变动；而人均实际利用外商直接投资理论上应该与ＧＤＰ存在正相关关系，弹性系数却未通过显著性检验，这可能与我国外资利用效率低下有关；人均固定资产投资的弹性系数为０．２９５６，在１％的置信水平下显著，这表明社会资本积累仍然是推动区域经济增长的重要动力。
由表中结果还可以发现，空间滞后系数ρ为０．２６５０，其ｚ检验值在１％的置信水平上显著，引入空间因素收到了良好的拟合效果，表明我国区域经济增长存在明显的正向地理溢出效应，并不是相互独立的。金融集聚的辐射效应至少已经在部分地区产生作用，经济水平接近的相邻省份在一定范围内构成集聚，形成稳定的依赖关系。
因此发现，核心解释变量金融集聚因素，其弹性系数为０．０６６８，通过５％的显著性检验，验证了其对区域经济水平的促进作用。区域金融集聚水平的提高，可以发挥其集聚效益和溢出效应并作用于实体经济，提升整体区域的竞争力。金融集聚通过优化资源配置的市场功能，调动资本充分的流动，促使信息的公开传播，降低金融交易成本，为不同的金融参与者提供多样化的金融产品，提高整个社会的资源利用效率。金融集聚可以被认为是一种经济增长因素，金融集聚一旦形成，即可奠定某地的区位优势，进而形成克鲁格曼所言的“地理锁定”，引导企业投资和选址的方向，从而使得集聚的稳定性持续巩固。在知识信息时代，金融集聚将产生比以往任何时候都广泛的知识溢出效应，投融资渠道随着产品创新的不断进步持续增加，为经济增长不断注入活力，真正成为区域经济水平发展的源泉。
４ 结论及政策建议
将空间分析法应用于金融集聚相关经济问题的研究，得出以下几点结论：①我国金融资源分布呈现区域差异性，金融资源显著集聚于东部沿海地区，东西部区域间有明显差异；②将金融集聚度作为核心解释变量，经过空间相关性检验，发现我国区域经济发展与区域金融集聚均存在显著的空间相关性；③空间因素引入传统面板数据模型，实证结果表明，金融集聚能够有效促进区域经济增长，金融集聚水平是区域经济梯度差异的重要原因；④在当前我国区域经济发展严重不平衡的现实条件下，尽可能地发挥金融集聚对区域经济增长的正向作用，使集聚成为一种增长因素，以利于缩小区域之间的差距，同时要尽量避免“马太效应”，即避免地区间差距的扩大。
基于所得出的结论，提出两点政策建议：
（１）增加金融资源有效供给。金融机构的经济意义在于：为生产部门提供合适的金融资源供给，包括信贷、保险、股权融资、债券融资等以资金为核心的各种金融产品，以此促进社会生产的不断发展。
（２）加强区域间的金融合作。加强区际间金融产业的联系，建设更多大规模的经济圈，推动地区之间的竞争与合作，形成资源共享的良性互动状态。这样才能充分发挥金融集聚的扩散效应，促进金融边缘区集聚水平质、量的双重成长，进而提高区域整体经济发展水平。并且加强政府政策引导、积极推进金融集聚体制创新，优化产业结构升级、完善金融发展法律制度，建立健全社会征信体系、优化金融生态环境等均是关系到金融集聚的水平与溢出效应重要政策举措。
教育期刊网 http://www.jyqkw.com
参考文献
１ 丁艺，李林，李靖霞．金融集聚与区域经济增长——基于省际数据的实证分析［Ｊ］．保险研究，２０１３（２）
２ 丁艺，李林，刘志华．金融集聚对区域经济增长溢出做应用的空间计量分析［Ｊ］．金融研究，２０１１（５）
３ 黄解宇．金融集聚的内在动因分析［Ｊ］．工业技术经济，２０１１（３）
４ 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）
５ 刘红．金融集聚影响区域经济增长的机制研究［D］．上海：同济大学，２００８
６ 李正辉．基于省域面板数据模型的金融集聚影响因素研究［Ｊ］．财经理论与实践，２０１２（７）
７ 潘文卿．中国的区域关联与经济增长的空间溢出效应［Ｊ］．经济研究，２０１２（１）
８ 任英华，徐玲，游万海．金融集聚影响因素空间计量模型及其应用［Ｊ］．数量经济技术经济研究，２０１０（５）
９ 王纪全，张晓燕，刘全胜．中国金融资源的地区分布及其对区域经济增长的影响［Ｊ］．金融研究，２００７（７）
１０ 张妍云．我国的工业集聚及其效应分析——基于各省工业数据的实证研究［Ｊ］．技术经济与管理研究，２００５（４）
１１ Ｄ．Ｋｅｅｂｌｅ，Ｌ．Ｎａｃｈａｍ．Ｗｈｙ Ｄｏ Ｂｕｓｉｎｅｓｓ Ｓｅｒｖｉｃｅ Ｆｉｒｍｓ Ｃｌｕｓｔｅｒ Ｓｍａｌｌ Ｃｏｎｓｕｌｔ-ａｎｃｉｅｓ，Ｃｌｕｓｔｅｒｉｎｇ ａｎｄ Ｄｅｃｅｎｔｒａｌｉｚａｔｉｏｎ ｉｎ Ｌｏｎｄｏｎ ａｎｄ Ｓｏｕｔｈｅｒｎ Ｅｎｇｌａｎｄ．Ｔｒａｎｓａｃｔｉｏｎｓ ｏｆ ｔｈｅ Ｉｎｓｔｉｔｕｔｅ ｏｆ Ｂｒｉｔｉｓｈ Ｇｅｏｇｒａｐｈｅｒｓ，２００２ （１）
１２ Ｅｌｈｏｒｓｔ Ｊ ．Ｐ． Ｓｐｅｃｉｆｉｃａｔｉｏｎ ｏｆ Ｓｐａｔｉａｌ Ｐａｎｅｌ Ｄａｔａ Ｍｏｄｅｌｓ． Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｒｅｇｉｏｎａｌ Ｓｃｉｅｎｃｅｓ Ｒｅｖｉｅｗ， ２００３（２６）
１３ Ｇｅｈｒｉｇ Ｔ． Ｃｉｔｉｅｓ ａｎｄ Ｇｅｏｇｒａｐｈｙ ｏｆ Ｆｉｎａｎｃｉａｌ Ｃｅｎｔｅｒｓ． Ｃａｍｂｒｉｄｇｅ Ｕｎｉｖｅ-ｒｓｉｔｙ Ｐｒｅｓｓ，２０００
１４ Ｍｉｔｒａ Ａ．， Ｓａｔｏ Ｈ． Ａｇｇｌｏｍｅｒａｔｉｏｎ Ｅ-ｃｏｎｏｍｉｃｓ ｉｎ Ｊａｐａｎ： Ｔｅｃｈｎｉｃａｌ Ｅｆｆｉｃ-ｉｅｎｃｙ． Ｇｒｏｗｔｈ ａｎｄ Ｕｎｅｍｐｌｏｙｍｅｎｔ． Ｒｅｖｉｅｗ ｏｆ Ｕｒｂａｎ ａｎｄ Ｒｅｇｉｏｎａｌ Ｄｅｖ-ｅｌｏｐｍｅｎｔ Ｓｔｕｄｉｅｓ，２００７（１９）
１５ Ｚｕｋａｍａｉｎ Ｚａｋａｒｉａ． Ｔｈｅ Ｌｅｖｅｌ ｏｆ ＥｃｏｎｏｍｉｃＤｅｖｅｌｏｐｍｅｎｔ ｏｆ ｔｈｅ Ｉｍｐａｃｔ ｏｆ Ｆｉｎａｎｃｉａｌ Ｓｔｒｕｃｔｕｒｅ ｏｆ Ｅｃｏｎｏｍｉｃ Ｇｒｏｗｔｈ，Ｅｖｉｄｅｎｃｅｆｒｏｍ Ｄｙｎａｍｉｃ Ｐａｎｅｌ Ｄａｔａ Ａｎａｌｙｓｉｓ．Ａｓｉａｎ Ａｃａｄｅｍｙ ｏｆ Ｍａｎａｇｅｍｅｎｔ Ｊｏｕｒｎａｌ ｏｆ Ａｃｃｏｕｎｔｉｎｇ ａｎｄ Ｆｉｎａｎｃｅ，２００８（３）
（责任编辑 要 毅）
