金融集聚、要素禀赋对区域经济增长差异分析*

南昌大学金融证券研究所

何宜庆

南昌大学经济与管理学院

钟宇生

金融集聚、要素禀赋对区域经济增长差异分析*

南昌大学金融证券研究所

何宜庆

南昌大学经济与管理学院

钟宇生

本文依据1990～2012年中国区域经济金融数据，选用HHI指数运用主成分赋权法计算金融集聚度；运用主成分赋权法计算各地区的资本集聚度、劳动要素禀赋指数和技术集聚度；建立面板数据计量模型，得出区域金融集聚度与各要素对经济增长的作用系数。结果表明：劳动要素对经济增长的作用系数最高，金融集聚作用系数排在第三位。金融集聚度最高的东部地区该要素对经济增长的正向作用最明显；全国、东北和西部地区金融集聚对经济增长的负向作用明显。

金融集聚；主成分赋权法；HHI指数；经济差异

一、引言

作为市场经济的核心，金融业对一国或地区的经济增长起着至关重要的作用。与产业集聚类似，金融集聚现象在金融产业在经济金融联动发展的过程中也已逐渐形成。金融业发展到一定高度后重组并购趋势凸显，金融资源跨区域流动速度加快，在某一中心城市或区域金融活动和金融机构高度集聚，从而形成了金融集聚。各层级中心城市依靠自身优越的区位地理优势、强大的综合经济实力、优惠的财税政策、完善的基础配套措施吸引金融资源向其聚集，使得金融集聚逐渐成为现代金融产业组织的基本形式。然而，受经济基础、资源与环境条件、经济制度等主客观条件影响，不同国家或地区各层级中心城市金融业存在着金融集聚的空间差异性与多样性，这种差异性和多样性导致金融业在推动经济增长的同时，对区域经济发展差异也产生了重要的影响。

Kindle berger(1974)*Kindle Berger C.P.1974.The Formation of Financial Centers:A Study of Comparative Economic History，Princeton.最早提出了金融集聚的概念,他指出金融主体聚集在某一区域进行交易，金融产业成长到一定阶段后会产生外部规模经济效益，吸引大量的投资者进入，从而形成金融企业集聚的现象。关于金融集聚的动因，国内外学者主要是基于区域经济学、信息论和产业集聚的角度来进行研究。Porteous(1995,1999)、Martin(1999)、Thrift(1994)等金融地理学者认为，金融业是“高增值”信息服务业，信息流是金融中心发展的重要前提。在黄解宇(2011)*黄解宇：《金融集聚的内在动因分析》，载于《区域金融研究》2011年第3期，第26～30页。看来，金融集聚是产业集聚的伴随物，金融集聚是金融成长至高级阶段的产物，金融规模经济促使金融集聚的形成，金融要素的高流动性加速了金融集聚。

金融集聚作为金融高度发展的重要表现，与经济增长的关系也是国内外学者研究的重点对象。Park(1989)*Park，YS.，Essayyad,M.1989.International Banking and Financial Centers, Boston.Kluwer Academic Publishers.认为金融集聚加速了金融机构与相关行业之间的信息交流，提高了网络系统和其他基础设施的利用率，从而实现规模经济。Brulhart和Mathys(2006)*Brulhart M，Mathys N A.Sectoral Agglomeration Effects in a Panel of European Regions[DB].Working paper. http://www.Hec.unilch/nmathys,20,06.在研究欧洲各个地区面板数据的基础上指出：聚集经济的出现能很明显的提高劳动生产率，从而刺激经济增长。国内学者关于金融集聚的研究也是方兴未艾，在金融集聚和经济增长关系的实证研究方面取得了不错的成果。陈文锋、平瑛(2008)*陈文锋、平瑛：《上海金融产业集聚与经济增长的关系》，载于《统计与决策》2008年第20期，第93～95页。运用金融区位熵来衡量上海市的金融集聚水平，研究发现金融集聚是经济增长的格兰杰成因。丁艺等(2010)*丁艺、李静霞、李林：《金融集聚与区域经济增长——基于省际数据的实证分析》，载于《保险研究》2010年第2期，第20～30页。也是用区位熵指数对全国28个省的金融聚集度进行了衡量，指出中国东、中、西部金融集聚现象差异较大，实证结果表明金融集聚对区域经济的增长具有明显的促进作用。李林、丁艺等(2011)*李林、丁艺、刘志华：《金融集聚对区域经济增长溢出效应的空间计量分析》，载于《金融研究》2011年第5期，第113～123页。建立中国各省的空间计量模型表明金融集聚对区域经济增长具有空间溢出效应，其中银行业集聚的空间溢出效应最明显。刘帅、李海峰(2012)*刘帅、李海峰：《金融资源集聚与经济增长:中国西部十二省数据检验》，载于《西南民族大学学报(人文社会科学版)》2012年第12期，第124～128页。对1997～2010年中国西部12个省份的动态面板数据研究表明：金融资源集聚对经济增长的具有动态溢出效应；其中，银行业集聚、保险业集聚具有显著的正向溢出效应，而证券业集聚则为负向影响。

中国经济发展存在着区域非均衡增长的现象，东、中西部等区域经济发展差异日渐凸显。国内外学者对于产生地区经济发展差异做了大量的理论和实证研究，纵观这些研究，要素因素、政策因素、区位因素、产业因素、空间格局因素等是影响经济发展差异的主要原因，其中要素流动一直是影响经济发展差异的主要因素。然而，金融集聚现象的出现吸引着逐利性要素向其靠拢，加剧中心城市的金融极化效应，金融集聚由此引发的区域金融配置不均衡与要素禀赋是否是区域经济非均衡增长的影响因素，是我们亟待研究的问题。

在上述背景下，笔者结合中国东部、东北、中部、西部经济金融、要素禀赋的实际情况，基于1990～2012年的统计数据，建立金融集聚测度指标体系及经济增长差异测度指标体系。运用主成分赋权法计算各地区的劳动要素、资本要素和科技要素集聚度，选用HHI指数(Herfindahl-Hirschman Index指数)结合主成分赋权法构建综合评价模型作为金融集聚的评价指标，最后建立变系数的面板数据计量模型，计算全国、东部、东北、中部、西部地区的金融集聚度、资本要素、劳动要素、技术要素对经济增长的作用系数，并给出实证结果相关分析。

二、金融集聚与经济差异测度指标体系

(一)区域经济差异测度样本数据。

根据国家统计局2011年6月13日的划分办法，将我国的经济区域划分为东部、中部、西部和东北四大地区。*东部包括：北京、天津、河北、上海、江苏、浙江、福建、山东、广东和海南;中部包括：山西、安徽、江西、河南、湖北和湖南;西部包括：内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏和新疆;东北包括：辽宁、吉林和黑龙江。

(二)指标体系。

综合学者的研究结果和数据的可获得性，构建了区域经济增长差异的指标体系(见表1)。该指标体系主要分为：金融集聚度、资本要素、劳动要素、技术要素四大类指标。基础数据主要来源于1990～2013年的中国统计年鉴,中国金融年鉴，中国科技统计年鉴以及相应年份的各省(直辖市、自治区)统计年鉴和经济年鉴等。

表1 金融集聚、要素禀赋差异测度指标体系

三、经济增长要素分析

(一)中国区域金融集聚度评价结果分析。

赫芬达尔-赫尔希曼指数简称HHI指数，指某特定行业市场上所有企业的市场份额的平方和，是一种测量产业集中度的综合指数。本文将一个省域当做一个主体，其计算公式为：

(1)

其中，X表示全国或地区的金融资源总规模；Xi表示第i年某一省域的金融资源规模；Si表示第i年某一省域主体金融资源规模占全国金融资源总规模的份额；HHI指数在0～10 000间变动，数值越大，表明全国金融资源规模分布不均度越高，金融集聚程度更高。

结合数据的可获取性，本文采用全国分地区城乡居民储蓄余额、金融机构存款余额、贷款余额、保费收入、保费支出、金融从业人员数等6个指标作为金融资源规模的衡量指标。通过分别计算各省该六项金融资源占全国金融资源综合的比重得出各地区的6个指标的赫芬达尔-赫尔希曼指数(HHI指数)，进而依据这6个HHI指数采用主成分赋权法对各地区的金融集聚度进行综合评价。经计算，对全国的6项指标的HHI指数取3个主成分，方差累计贡献率达到了86.66%，然后用3个主成分方差贡献率与累计贡献率之比作为权重进行加权平均，得出这6个指标的综合主成分(步骤下同)，代表全国的金融集聚度，来度量金融集聚水平，其他地区金融集聚度计算方法相同(见表2)。

表2表明，东部地区的金融集聚水平总体最高，东北地区金融集聚水平在1990～1994年期间高于中部地区，1994年后被中部地区赶超，西部地区金融集聚水平在1990～1999年之间低于东北地区但高于中部地区；由于西部地区包含的省份(自治区、直辖市)较多，金融集聚水平总体高于中部地区，1999年后高于东北地区。1990～2012年，东部地区的金融集聚水平总体呈现提高的趋势；东北地区的金融集聚水平则呈现出下降的趋势，这与东北地区经济地位的日渐下滑及东部地区金融集聚极化效应是有关的；中部地区的金融集聚趋势总体与东北地区类似，但下降趋势比东部地区缓慢；西部地区金融集聚水平前期集聚度缓慢下降，2006年以后金融集聚水平呈现缓慢提升的趋势。

表2 1990～2012年中国各地区金融集聚度

(二)中国区域资本集聚度分析。

资本要素是经济发展的基础要素，是劳动、技术等要素发挥作用的载体。本文中的资本要素指的物质资本，指标选取各地区每年的资本形成总额，由固定资本形成总额和存货增加两部分构成。这里人均资本消除了地区人口规模的影响，地均资本消除了土地资源规模的大小，而业绩指数衡量的是资本创造GDP的能力，消除了经济规模的大小的影响，使用4者的主成分更能准确地反映各地区资本的集聚状况与禀赋情况。通过各地区的资本形成总额计算该地区的资本投入率、人均资本、地均资本和资本业绩指数等4个指标，使用spss.16.0软件计算出4个指标的综合主成分作为各地区资本要素投入指标代表资本集聚度(计算步骤同上)，来度量区域资本要素集聚水平(见表3)。

1990～2012年，各地区的资本集聚度一直处于上升的状态，资本集聚度东部最高，中部地区次之，东北地区再次之，西部最低。各地区资本集聚度递增幅度也有明显的差异，东部增速最快，中部地区增速与东北地区相比略快，西部地区增速最缓。各地区中，东部地区无论是资本要素集聚度还是递增幅度都明显高于其余地区。东部地区作为我国经济增长的引擎，依托于国家财税、政策优惠，自身资产投入幅度大，吸引国外与周边地区资本的能力强，资本要素集聚的同时带来的人力资本、物质资本等集聚，这对周边地区的要素流动分化作用明显。东北地区在此期间的经济地位日渐下滑，经济发展冲劲不足，要素逐步向发达地区流失，资本要素集聚度增速缓慢，集聚度落后于中部地区。中部地区受益于自身资源优势与地缘优势，资本要素集聚度不断提高，增速较快。西部地区受惠于国家“西部大开发”战略，财税扶持力度较大，且接受发达省份的人财物援助较多，资本要素集聚度呈现出提升趋势；西部地区受限于自身经济基础薄弱，地广人稀，部分省份地理环境恶劣，资本要素集聚度最低，且增幅最小。

(三)中国区域劳动要素禀赋分析。

劳动要素是经济发展的源泉，活跃度高，其投入水平不止是劳动力要素投入量的大小，也取决于劳动要素的利用效率和劳动者的素质。本文选择劳动力比例、就业人口密度、人均受教育年限、劳动力增长率等4个指标的综合主成分(计算步骤见上)来衡量各地区劳动要素禀赋情况(见表4)。就业人口密度是指各地区统计年鉴中年末的从业人员除以各地区国土面积的作为衡量指标，可以消除各地区的人口规模与地域面积的影响。

表3 1990～2012年中国各地区资本集聚度

1990～2012年，各地区劳动要素禀赋指数总体处于缓慢上升的状态，劳动要素禀赋指数东部最高，中部地区次之，东北地区再次之，西部最低，这与各地区资本要素投入总体一致。各地区劳动要素禀赋指数递增幅度差异不一，东部增速最快，中部地区增速与东北地区相比略快，西部地区增速最缓。东部地区的劳动要素禀赋指数的提升与其人口自然增长率相比，增速更快，说明周边地区劳动要素向东部地区流动。中部地区由于人口相对众多，人口增长快，劳动要素禀赋指数稳步提高。东北地区地处一隅，经济增长西部地区地广人稀，部分省份地理环境恶劣，资本要素投入水平也低，劳动力更多是往发达省份流出，劳动要素禀赋指数最低。

(四)中国区域技术要素集聚度分析。

技术要素是经济发展的重要要素，根据索洛的生产函数理论，技术要素投入贡献率为扣除劳动力和资本投入以外的所有其他产生作用的要素贡献率之和。本文技术要素集聚度采用各地区研究与试验发展(R&D)人员数、研究与试验发展(R&D)经费内部支出、国内专利申请授权数、在校大学生数量、高校数量等5个指标的综合主成分(计算步骤见上)作为指标衡量(见表5)。

1990～2012年，各地区的技术要素集聚度总体处于稳步上升的状态。考虑各地区总体技术要素投入水平，可以看出东部最高，西部地区次之，后期中部地区技术投入赶超西部，东北地区由于省份较少，所以从总量角度来看是最低的。从表5中可以看出，东部地区的技术要素投入能力有着绝对优势，其他地区与东部地区的投入差距明显。

四、面板数据实证分析

(一)区域经济发展差异的面板数据计量模型分析。

1.模型设定。从上文分析中可知，我国东部、东北、中部、西部经济发展差异比较明显。因此，数据的空间异质性致使金融集聚、资本要素、劳动要素与技术要素对各地区经济的作用程度和作用方向都可能存在不一致。同时各地区之间经济联系比较密切，为此，本文结合理论假设，采用柯布—道格拉斯生产函数，将C-D生产函数拓展为内含金融集聚、资本、劳动力、技术等要素的内生经济增长模型，并采取对数形式构建面板数据模型如下：

表4 1990～2012年中国各地区劳动要素禀赋指数

表5 1990～2012年中国各地区技术集聚度

LNGDPit=αit+C+βi1LNHHIit+βi2LNCAit

+βi3LNEDit+βi4LNTAit+εit

(2)

(2)式中，C为固定影响参数，i为1，2，3，4，5，分别代表全国、东部、东北、中部、西部等地区，t=1,2,…,23，分别为1990～2012年，α和β为各地区回归参数，ε为随机误差项。模型中的LNGDP,…LNTA,都为取对数后的结果，其中LNHHI代表金融集聚度，LNCA代表资本集聚度，LNED代表劳动要素禀赋指数，LNTA代表技术集聚度，各自数据来源表2～表5。

2.模型设定形式检验。面板数据模型形式设定的正确与否，直接影响到模型的有效性及与经济现实的吻合度。对于面板数据模型的设定形式采用Hausman检验确定是固定效应模型还是随机效应模型；在此基础上，构造相应的F统计量来判定模型是否为不变参数模型、固定影响模型、变系数模型。

(1)Hausman检验。Hausman检验结果表明：P值小于1%，说明应建立固定效应模型。

(2)确定模型形式的F检验。经过Eviews6.0分别建立变系数模型、固定影响模型、不变参数模型，得出：S1=0.213,S2=0.75,S3=7.46；N=5，K=4，T=23；进而计算可得：F2=138.5>F0.01(20,90)，拒绝H2；F1=12.8>F0.01(16,90)，拒绝H1。所以，应建立变参数模型。

3.面板数据的单位根检验和协整检验。判定面对数据各序列是否平稳需要对面板数据进行单位根检验，从而进一步判定经济增长与金融集聚、资本要素、劳动要素、技术要素之间是否存在协整关系的前提。同质单位根检验和异质单位根检验是面板数据单位根检验的两种方法。本文在借鉴两种检验方法的基础上侧重异质单位根检验过程，避免使用单一方法有可能带来的检验差错，考察参数估计的稳健性。检验结果表明：面板数据各变量序列的一阶差分没有单位根，一阶平稳。

在单位根检验的基础上，采用Pedroni和Johansen检验方法对样本数据进行协整检验，结果如表6所示。

Johansen检验结果表明：存在三个协整关系，从表6的检验结果可以看出，我国各地区经济增长与金融集聚、资本要素、劳动要素、技术要素之间存在着协整关系。

4.模型估计。在上述面板数据模型形式设定和检验结果的基础上，考虑模型可能存在截面异方差，采用Cross-section weights截面加权对面板数据进行参数估计，得到的实证结果如表7所示。

故我国各地区经济增长与金融集聚、资本要素、劳动要素、技术要素之间的模型如下(下标1、2、3、4、5分别代表全国、东部、东北、中部、西部)：

LNGDP1=8.86+7.53-1.23LNHHI1

+0.89LNCA1-0.15LNED1

+0.07LNTA1+ε1

(3)

表6 Johansen检验结果

表7 面板数据变系数模型估计

注：(1)括号内的为p值；(2)***、**、*分布表示1%、5%和10%的显著性水平。

LNGDP2=-6.35+7.53+0.43LNHHI2

+0.71LNCA2+0.62LNED2

+0.16LNTA2+ε2

(4)

LNGDP3=3.81+7.53-0.66LNHHI3

+0.56LNCA3-0.28LNED3

+0.022LNTA3+ε3

(5)

LNGDP4=-15.4+7.53+0.07LNHHI4

+0.45LNCA4+3.47LNED4

+0.18LNTA4+ε4

(6)

LNGDP5=9.07+7.53-0.641LNHHI5

+0.73LNCA5-2.92LNED5

+0.4LNTA5+ε5

(7)

(二)实证结果分析。

从上述面板数据模型结果可以看出，各区域面板数据模型的拟合优度都在99%以上，说明整体面板数据模型对样本数据的解释能力较强，且大多数变量估计参数都通过了显著性检验。从表7可知，各地区金融集聚、资本要素、劳动要素、技术要素等因素对各地经济增长的具有显著性的作用。如上文所述，各因素对经济增长的作用方向与作用程度都具有明显的差异。从金融集聚要素来看，东部地区和中部地区金融集聚对经济增长产生了正向的影响，相应的HHI系数分别为0.43、0.07；而全国、东北地区、西部地区系数则为负数，说明全国和东北地区、西部地区金融集聚的程度低，更大程度上表现为金融资源分散，这对经济增长产生反向作用，这说明金融集聚水平越低，对经济增长的反向作用更明显。

各地区劳动要素对经济增长的作用也呈现出分化的状态。劳动要素正向作用最明显中部地区,东部地区也产生正向作用，相应的系数分别为3.47与0.62，中部地区劳动要素系数通过了1%的显著性检验；而全国、东北地区与西部地区由于其本身劳动要素禀赋指数也相对较低，劳动要素对其经济增长产生了负向作用。东北地区的劳动要素系数为-0.28，西部地区劳动要素负向作用最显著，劳动要素系数为-2.92，说明西部地区和东北地区劳动要素的边际贡献率已处于递减的阶段。

资本要素对经济增长的作用都是正向作用，而且全部通过了5%的显著性检验，只是各地区的作用系数不一。资本要素对全国经济增长的正向作用系数最大，达到0.89，这也与资本要素的边际贡献率处于递增状态相吻合。东部、西部、中部、东北的作用系数依次为0.71、0.56、0.45、0.73。资本作用系数与资本投入的不一致，也表明资本要素对各地区经济增长受经济基础、资源禀赋差异以及其他要素投入差异的影响存在着差异性。

技术要素对经济增长的作用都是正向作用，除东部、东北外，其余三个地区均通过了显著性检验。技术要素对经济增长的作用程度从大到小依次为西部、中部、东部、全国、东北。这与技术要素的投入状况有一定的出入。由于西部地区经济发展水平相对处于垫底地位，经济基础脆弱，技术要素对经济增长的作用程度最高。东部、中部和全国技术要素对经济增长的作用程度大致相似。东部地区技术投入程度最高，经济发展水平最高，受边际效率规律影响，技术要素的作用度并不明显。东北地区技术要素集聚度最低，作用系数也为负。从全国层面来看，技术要素的作用度也较明显。总体来看我国经济增长中技术要素的作用远远没有发挥出来。

从整体来看，金融集聚、资本要素、劳动要素、技术要素等因素对各地经济增长的作用度差异明显。劳动要素对我国经济增长的贡献程度最高；金融集聚对经济增长的贡献程度也较明显，但作用方向受到各地区的经济发展阶段与发展模式影响；而资本要素与技术要素的贡献程度则相对稳定，正作用明显，资本要素对经济增长的作用度高于技术要素。

五、结论及政策建议

通过以上对我国各地区经济增长差异的多要素面板数据计量分析，可以得出各区域的经济发展差异是由于各地区金融集聚度、资本要素、劳动要素、技术要素的差异以及这四因素的作用系数差异导致的。总体来看，劳动要素的作用系数最高，资本要素作用系数次之，金融集聚排在第三位，技术要素的作用系数最低。另外，各地区经济增长的主要影响因素也因地而异。

针对全国来说，资本要素的正向作用度最高(达到0.89)，这与我国当前以投资拉动经济增长的经济发展模式相吻合；而金融集聚的作用系数为-1.23，金融资源分散程度较高，说明当前我国金融集聚对经济增长的正向作用没有发挥出来。

东部地区金融集聚对经济增长的正向作用明显，作用系数为0.43，作用程度在五个地区中是最高的。东部地区作为我国金融集聚程度最高的地区，该系数说明了金融集聚通过金融集聚效益，金融溢出效益和金融效率的提升促进了东部地区经济的增长。在四因素中，资本要素对东部地区的经济增长的作用程度最高，这与东部资本投入水平最高是吻合的。技术要素的作用程度最低，技术要素的边际贡献率不及其他的要素。

对东北地区来说，资本要素的作用系数为正，技术要素的正向作用不明显，金融集聚因素、劳动要素对经济增长的作用系数为负，而劳动要素的负向作用却是这四个要素中最明显的。说明东北地区劳动要素的边际贡献率处于递减的阶段。东北地区金融集聚度和技术要素集聚度不高，对经济增长的作用还未显现出来。劳动要素的供给则处于过剩状态。

中部地区金融集聚因素对经济增长的作用系数为0.07，说明当前中部地区金融资源集聚程度不高，金融集聚的正向效应未发挥出来。劳动要素对中部地区经济的作用系数达到3.47，说明当前劳动要素仍然是中部地区经济增长的主要推动力。

劳动要素对西部地区的作用系数为-2.92，劳动要素的负向作用却是四个地区中最明显的，劳动要素投入减少反而能促进经济的增长，说明西部地区的劳动力供给处于过剩状态，西部地区劳动要素的边际贡献率处于递减的阶段。金融集聚因素对西部地区经济增长的作用系数为-0.641，而西部地区的金融集聚度不高，说明西部地区金融资源的分散性阻碍了西部地区的发展。

结合以上研究结论，本文对各地区的经济发展水平提高提出以下几点建议：从全国总体层面来说，应侧重在欠发达地区做大做强劳动力密集型产业；调整优化产业结构，可将东部地区的部分劳动密集型等丧失比较优势产业向中西部地区转移；完善金融市场，对金融产业与金融资源的集聚提供政策扶持，创造良好的市场环境。对于东部地区来说，应该继续深化金融集聚，更好的发挥金融集聚对经济的促进作用。政府应对金融企业集群，金融创新、人才培养等提供专门的支持政策；落实各类优惠政策，吸引和培养金融专业人才，创造吸引金融机构、金融人才集聚的软、硬件环境；完善市场环境与法律环境。东北地区在扶持金融产业发展、推进金融集聚的同时，更应该吸引国内外资本的进入。中部地区可以适时有规划的承接东部发达地区劳动密集型产业的转移，另外大力推进金融集聚的提升。西部地区也可以承接东部发达地区劳动密集型产业的转移，以改观当前劳动力供给过剩现状。

[1]黄解宇：《金融集聚的内在动因分析》，载于《区域金融研究》2011年第3期，第26～30页。

[2]陈文锋、平瑛：《上海金融产业集聚与经济增长的关系》，载于《统计与决策》2008年第20期，第93～95页。

国家自然科学基金项目“金融集聚、要素流动与区域经济空间差异及趋同演化仿真研究：生态效率的视角”(71263039)和“鄱阳湖地区生态资本、生态经济与金融生态空间耦合发展模式及优化策略研究”(71063015)。

F830

：A

：2095-3151(2014)46-0044-10