金融集聚对区域经济增长溢出作用的空间计量分析

林汇

摘要：我國的金融集聚具有明显的空间地理特征，在针对金融集聚对区域经济增长溢出作用进行分析时，可以应用空间计量分析，本次研究中就主要应用计量经济方法-空间计量分析方法对金融集聚与区域经济增长的空间效应予以简单分析研究，这对金融集聚在区域经济增长中的作用的提升具有积极的作用。

关键词：金融集聚;区域经济增长;溢出作用;空间计量

随着社会市场经济及信息化技术的不断进步与发展，金融产业空间集中的区域越来越明显，金融集聚已经逐渐发展成为金融产业组织中的一种基本形式，以伦敦、东京、纽约为代表的三大国际金融集聚区是目前世界上最主要的几大金融集聚区，另外，一些国家的中心城市中，金融产业的聚集现象已经非常明显，在我国金融产业集聚的发展虽然相较于世界发达国家的发展较为缓慢，但是其发展趋势也已经逐步显现，制造业是目前对金融集聚研究最多的行业，其已经逐渐成为金融行业研究的一个重要方向，目前，我国的金融产业集聚研究已经取得了一系列的研究成果，但是总的来说，其集聚程度较低，集聚的层次不高，并且在相关的理论研究工作中，没有对空间因素、金融运动的分布规律等有一个深入的研究，这就难以提升其相关理论的指导性与解释力，另一方面，我国的金融集聚地域不平衡的特点非常明显，加大其相关的理论研究非常必要，这对于金融资源空间分布分析框架的构建具有非常重要的指导意义与战略意义，从目前我国的金融深化改革现状来看，对我国区域金融的空间分布格局进行完善与改革是非常必要的。

一、金融集聚发展在中国的空间相关性分析

随着社会市场经济的发展，我国的金融行业的发展速度也非常高，其中金融产业集聚最为明显的地区有：上海、深圳、北京等，并且有大量的金融资源快速流向这几个城市，在证券业及保险业两方面，上海两种机构的数量集聚程度远远超出深圳与北京，并且其数量高于这两个城市的总和，对其金融业务的集聚程度进行简单分析，上海与北京银行金融机构的存贷款余额要远远高于深圳，但是对证券业务进行分析，北京的证券筹资额要明显的高于深圳和上海。

对于我国经济比较发达的东部地区，由于其经济部门对资金具有较大的需求，使得其区域性的收益规模以较快的速度增长，并且各种金融资源向东部地区流动现象明显，对我国四大经济区金融产业的集聚情况进行简单分析，到2008年底，我国东部地区银行业金融机构的个数、从业人员以及资产的总额所占比例最高，并且其证券业上市公司的数量在全国所占的比重也是最大的，保险业务的保费收入东部、中部、西部及东北地区所占的比例分别为：54.4%、19.2%、17.7%、8.7%。

整体上来讲，我国的金融产业集聚趋势已经初步显现，但是区域金融集聚之间的差异还是比较大，上海、北京、深圳等一些金融产业集聚发展比较快的城市因为受到市场导向、地域优势、政策等方面的引导，使得其在发展过程中，逐渐显现出全国金融中心或者是国际化的良好发展前景，但是其发展与国外一些发达国家相比，还存在比较大的差距，其发展潜力还是非常的大的，尤其是在保险市场与一些国际业务的发展过程中，还存在一定的风险性，这就需要相关的政府部门在重视金融产业集聚发展的同时，对金融集聚的辐射效应予以足够的重视，防止出现空吸作用，导致周边地区经济的发展受到影响。

二、金融集聚发展在我国地理溢出程度的空间计量分析

（一）空间计量理论模型

由以上分析可以看出，我国的金融集聚存在着明显的空间相关性，所以在对金融集聚与区域经济增长之间的关系实施研究时，可以应用空间计量模型来进行分析，在区域经济的研究工作中，一项非常重要的研究内容就是空间依存性，可以将空间依存性理解为：地理物体之间具有相互关联的联系，对于两个空间接近的地物，其关联程度会比较高，依据其空间计量经济学中的相关理论，对于空间依存性的研究，可以将其设置为两种形式的模型结构，也就是空间误差模型与空间滞后模型，下面对两种模型进行简单分析。

空间之后模型主要应用于各个变量在一个地区中是否存在溢出效应的研究工作中，其表达式的形式为：空间自回归模型（SAR）：y=ρWy+Xβ+ε，式中，ε表示的是随机误差序列向量，β表示的含义是k×1阶回归系数向量，X表示的含义是k个外生变量观察值的n×k阶矩阵;ρ表示的含义是空间自回归参数，其表明了相邻区域之间的影响程度;W表示的含义是n×n的空间权数矩阵，y表示的含义是n×1列的决策变量观察值向量。

空间误差模型中假设企业以及区域之间的相互联系可以应用误差项来进行体现，企业与地区之间的相互作用是因为其所在的相对地理空间不同存在差异时，常应用该模型，空间误差构成（SEA）模型表示为：y=Xβ+ε，式中ε=λwψ+ξ，其中λ表示的含义是区域变量变化对于相邻区域的溢出程度;其是空间自相关系数，取值处于-1～1之间;ψ与ξ表示的服从独立同分布并且互不相关;ξ为n×1列的区域内随机扰动项;y为n×1列的溢出成分误差。

（二）变量选择和数据来源

本次研究中，解释变量选取保险业发展指标、证券业发展指标及银行业的发展指标，解释变量选取LnGDP，其中Ln表示的含义是通过对数处理的变量，LnBank表示的含义是银行存款余额;LnInsure表示的是保费收入;LnStock表示的是A股发行总股本。在空间自回归模型中，变量的空间相关关系是通过因变量的空间之后项来予以表示，主要用来考察金融集聚与经济增长的空间自回归模型用下式来表示：

LnGDP=α+β1LnBank+β2LnStock+β3LnInsure+ρW_LnGDP+ε

上式中，ρ为空间自回归系数，其表示的是空间相关性的大小与方向;W_LnGDP表示的空间滞后因变量;W是一个n×n阶的空间权重矩阵，其中的元素Wij表示了空间邻接关系。如果空间相关通过被模型解释变量，而对变量的传递予以忽略，可以假定空间相关通过误差过程产生，在金融集聚与经济增长的检验过程中，应用空间误差回归模型，如下式所示：

LnGDP=α+β1LnBank+β2LnStock+β3LnInsure+λLnW_μ+ε

式中λ表示的是空间误差自相关系数，其反映了回归残差之间的空间相关的強度。

为了对金融集聚对周边地区溢出效应的影响进行检验，应用SDM模型引入金融集聚的空间变量，将保险业、证券业、银行业的空间变量分别表示为：LnW_Bank、LNW_Stock、LnW_InSure，其模型表达式用下式来表示：

LnGDP=α+β1LnBank+β2LnStock+β3LnInsure+β5LnW_Stock+β6LnW_Insureλ+LnW_μ+ε

（三）空间计量模型检验结果分析

应用极大似然对包含了空间误差项与空间滞后项的SEM与SAR模型的回归结果进行分析，其空间系数λ与ρ在统计上具有高度显著，由此证实了空间相关性的存在，在SEM模型中其自相关系数的估计值为0.145，并且其在统计上高度显著，这说明地区间的经济增长具有明显的空间效应，应用SDM模型进行分析，发现模型的拟合优度为0.74，这是本文中所应用的三个模型中最高的，并且其各个变量系数的显著性都很高，由此可见，在模型中引入金融发展的空间变量是合理的，保险业、证券业以及银行业的系数都为证，这说明在我国的金融集聚发展过程中，主要是通过地理空间机制对中国的经济增长发挥作用，金融业的发展对于周边地区的经济增长存在明显的溢出效应，对三者的系数值进行分析，其中银行业的溢出效应最为明显，证券业的溢出效应最小，这与目前我国金融业发展的实际情况是一致的。

三、结语

本文主要对我国金融集聚的空间计量进行了简单分析，分析结果表明金融集聚在我国表面出明显的空间相关性，其中银行业的集聚表现的最为突出，金融的集聚效应对区域经济的发展起到了促进作用，盘活了区域经济的增长。因此，在现有基础上，加大区域间的金融合作，发挥金融集聚区的辐射作用，是当前区域金融行业面临的主要问题，也是其发展过程中需要重点考虑的问题。

参考文献：

[1]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（05）.

[2]豆晓利.基于空间模型的中国金融集聚对区域经济增长的溢出作用分析[J].区域经济评论，2013（11）.

（作者单位：中国农业银行股份有限公司审计局广州分局）