区域金融集聚与能源效率提升的经济增长效应——基于动态空间面板模型的分析

■李凯风，李政青，吴伟伟

区域金融集聚与能源效率提升的经济增长效应
——基于动态空间面板模型的分析

■李凯风，李政青，吴伟伟

基于2005~2014年省级面板数据，以内生经济增长理论为基础，将区域金融集聚和能源效率内生化，建立动态空间面板模型，实证检验金融集聚、能源效率对经济增长的直接影响与交互影响。实证结果发现，区域金融集聚、能源效率直接带动经济的增长，但在经济较为落后的中、西部地区，金融集聚对经济增长的作用并未得到体现；同时发现，发挥金融集聚与能源效率的协同作用对促进我国经济可持续发展至关重要。

区域金融集聚；能源效率；动态空间面板模型

李凯风（1970-），中国矿业大学管理学院博士，副教授，金融学系主任，研究方向为绿色金融，金融风险管理；李政青（1992-），中国矿业大学管理学院2015级金融学硕士研究生；吴伟伟（1995-），中国矿业大学管理学院2016级金融学硕士研究生。（江苏徐州221000）

一、引言

能源是经济的生命线，长期以来高能耗、高产出的发展方式使得资源和环境不堪重负，提升能源效率成为当下经济实现协调可持续发展的重要途径。随着经济一体化与信息技术化的推进，金融机构与金融活动向特定区域不断集聚，金融产业组织逐渐呈现出产业集群的发展态势。我国已经出现了以北京金融街、上海陆家嘴金融区等为代表的金融集聚区，并一直致力于区域金融中心的建设。金融集聚能够通过带动各种要素的转移与集中，调整产业结构、实现资本的高效利用，从而一定程度上影响能源效率。新常态背景下，不仅要求实现经济的稳增长，更要实现经济效益和环境效益的统一。鉴于此，本文通过讨论金融集聚、能源效率、经济三者的相互关系，为我国实现经济与环境效益双目标提出相关政策建议。

二、文献述评

一个发达的经济体必然需要与之相适应的完善的金融体系，该体系通过各类金融机构提供形形色色的金融业务而服务于经济。从空间角度来看，金融业发展进程中已经出现了金融资源高度集中的现象，并形成了金融产业集聚群。新经济地理学派代表人Krugman（1999）首次通过构建模型建立起产业集群与经济增长的关系。Feldman（1999）指出产业集群带来的知识溢出效应，有利于集群内的信息传播、经验共享和技术创新，从而获得规模经济。丁艺等（2009）认为金融集聚带来的外部规模经济效应通过提高市场流动性、提供投融资便利、降低投融资风险、促进金融机构合作等方式得以实现。李林等（2011）考虑我国金融集聚的空间地理特征，验证了金融集聚对区域经济增长的促进效应。李红和王彦晓（2014）从空间溢出视角出发采用空间杜宾模型分析金融集聚与经济增长的关系，认为金融人力资本、金融产出密度与金融集聚规模对邻近城市也存在显著的溢出效应。

经济的增长依赖于大量生产要素的投入，特别是资源型能源（煤、石油、天然气等）的大量投入和使用，也因此带来了资源耗竭、环境污染等问题。提升能源效率能有效解决能源-环境问题、保证经济协调可持续增长，陈夕红等（2013）分析发现能源效率与经济增长质量存在显著的一致性。对于能源效率促进经济增长的途径，一般有两种观点：一种是增长效应，学者们基于新经济增长理论，认为能源效率可以加快技术进步、促进人力资本积累，从而间接影响经济发展（李强，魏巍，2015）；另外一种观点是结构变迁效应，能源效率通过倒逼产业结构变迁来影响经济，不同产业的能源效率差异引起产业间能源的流动，优化资源配置，促进经济增长（周肖肖等，2015）。

对于金融与能源关系方面学者们也做了大量研究，而直接研究区域金融集聚与能源效率的文献并不多。周健（2010）指出，碳金融市场的发展对促进低碳经济有正向作用，其通过提供金融支持来鼓励产业提高能源利用效率，降低碳排放量。韩旺红，马瑞超（2013）以我国35个工业行业为研究对象，研究发现商业银行信贷比重每增加1%会带动能源效率提升2.13%，说明金融中介的发展对工业节能减排有着重要的推动作用。赵昕等（2017）借助Tobit模型实证研究认为，落后的金融深化与过度的资本深化都会抑制能源效率的提升，只有两者的协同发展才能显著促进能源效率。还有学者从产业集聚视角出发，认为工业企业的产业集聚能够促进能源效率的改善，而金融发展效率的提升使得这种促进效应更加明显（师博，沈荣坤，2013）。

通过整理大量文献发现，金融集聚、能源效率已经成为新常态背景下经济协调发展的两大主引擎。因此，将金融集聚、能源效率和经济发展纳入统一的研究框架，对实现经济效益与环境效益双目标具有重要意义。我国地域辽阔，各地区经济发展方式存在较大差异，这就可能导致上述三者在不同区域有着不同的影响关系。另外，研究发现经济增长存在着显著的空间相关性，因此忽视空间依赖特征研究金融、能源与经济之间的关系，将会导致模型出现偏差而得出错误结论。鉴于此，本文运用空间计量方法研究我国东、中、西部三大地区金融集聚、能源效率与经济增长的相互关系，以期为各地区制定切实有效的能源政策和经济协调发展规划提供科学依据。

三、金融集聚、能源效率对经济增长的交互作用机理

金融集聚的出现吸引了大量信息、资金、人才、技术等各种高级要素的集中，通过规模经济效应、信息传递效应、技术扩散效应影响一个地区的经济发展。与此同时，金融集聚以优化资源配置和提供技术支持两种路径影响能源效率，间接作用于经济增长。一方面，各种要素的集中优化了资源配置方式，使区域产业结构随之发生变化（何宜庆等，2015），加快产业从资源密集型向技术密集型转变，在总量上减少能耗进而影响能源利用效率。另一方面，金融机构的高度集聚提供了更加便利的银行信贷、股市融资及风险投资，有效解决技术创新活动中的资金需求问题（Hwang Y S，Min H G and Han，2010），同时金融机构的分散风险、监督激励等功能保证了高新技术企业的稳定性，进而促进新技术的产生并带动能源领域的科技进步，从技术上改善能源利用效率。一个地区能源效率的改善可以有效减少能源消耗、降低污染排放，为金融与经济创造更加优质的发展环境，这又倒逼了金融集聚和经济发展水平的进一步提高。综上所述，金融集聚、能源效率之间存在着交互性影响关系，因此本文考察金融集聚、能源效率对经济影响的同时，研究二者对经济增长的协同作用具有一定的现实意义。

四、研究设计

（一）基础模型

经济增长与金融之间存在一种相互影响的循环关系，这早已被内生经济增长学派所认可。能源要素是经济发展的重要动力，促进经济协调可持续发展必须要考虑能源效率问题。因此，本文以1956年索洛创立的增长模型为基础，将金融与能源要素内生化建立多要素增长模型。这一模型以经济增加值为被解释变量，把金融集聚、能源效率及其交叉项作为主要解释变量，加入资本投入、人力资本等作为控制变量。用隐性生产函数表示如下：

其中，Y代表经济增加值，X代表控制变量集，Agg代表金融集聚程度，ee代表能源效率，Agg*ee代表金融集聚与能源效率的相互作用。

（二）计量方法与模型设定

传统的计量方法忽视了样本间的空间关联效应，而空间计量方法可以将空间与地理相结合，从而能够有效识别空间变化规律。在研究区域经济增长问题时，同样不能忽视变量之间的空间关联效应。目前，常见的空间计量模型分为两种：空间滞后模型（SAR）和空间误差模型（SEM）。SAR模型和SEM模型的表达形式分别如下：

i，t分别代表地区和样本测度时间；X，Y分别代表自变量与因变量；εit和μit是服从于正态分布的误差项；α0为截距项；αi，ρ，λ为变量系数；W为空间权重矩阵。本文采用传统的方法设定空间权重矩阵W，即相邻区域权重值设为1，不相邻的权重值设为0。

由于经济增长本身就是一个动态变化的过程，不止取决于当期因素，同时也取决于前期因素。因此，本文采用动态空间面板模型检验区域金融集聚和能源效率提升对经济的增长效应。与静态模型相比，动态空间模型能够同时考虑空间溢出效应和动态效应，又能避免内生性问题，使得模型估计结果更加真实可靠。基于此，本文构建如下动态空间面板模型：

其中yit为i省份在t时间的实际产出；Aggit和eeit为金融集聚和能源效率，Xit为控制变量集。αi、νt、εit分别为地区效应、时间效应和随机扰动项；ρ、λ分别为空间滞后系数和空间误差系数，为W空间权重矩阵。

另外，为了验证经济增长的金融集聚—能源效率协同效应，本文在上式的基础上增加金融集聚和能源效率的交叉项——Agg*ee，得到最终的动态空间面板模型：

五、实证检验与结果分析

（一）变量说明及数据来源

本文采用我国30个省市的面板数据，共300个样本观测值，研究金融集聚、能源效率对经济增长的影响关系。根据相关经济理论以及数据的可得性，本文选取以下变量：

1.被解释变量

剔除金融业增加值后的实际产出。金融业在刺激经济增长的同时，经济增长也引起对金融资源需求的扩张。因此，为避免经济增长对金融业的内生性影响，本文借鉴李标等（2016）的思路，对各省市历年GDP进行剔除金融业增加值的处理，然后使用以2005年为基期的GDP平减指数，将处理后的GDP调整为实际GDP。

2.核心解释变量

金融集聚：国际上通常借用产业集聚区位熵的测度方法，测算一个地区的金融集聚水平（潘辉等，2013）。金融集聚区位熵（LQ）是指一个区域中金融产业占有份额与整个经济体总金融产业占有份额之比。区位熵的计算公式：LQit=（Fij/Fi）/（Fkj/Fk）。式中，LQij是i地区j产业的区位熵，Fij是i地区j产业的增加值，Fi是i地区的总体经济增加值，Fkj是全国j产业的增加值，FK是全国的总体经济增加值。

能源效率：能源效率反映了能源的利用水平，是减少能源消费、促进经济增长的关键参数，对指导能源发展战略具有重要意义（陈德敏等，2012）。本文选择常用的能源效率计算方法来衡量各省市能源效率：能源效率=实际GDP/能源消费总量。

交互项：金融集聚与能源效率交互影响的代理变量，用以反映区域金融集聚通过优化资源配置、促进技术进步等活动影响能源效率，从而作用于经济增长的效应。本文以各省市金融集聚指数与能源效率的乘积来计算。

3.控制变量

本文选取的控制变量有：

（1）资本存量：本文使用各省市全社会固定资产投入来代替资本存量。（2）人力资本：人力资本是维持经济增长的内生因素，在区域经济发展中扮演着不可或缺的角色（Lucas,1988），大多数研究将人力资本看作教育的产物，各省市每10万人中高等学校在校人数可以表明一个地区的受教育程度，本文以此代替人力资本投入。（3）政府干预程度：“晋升锦标赛”体制下官员的晋升多与管辖区内的GDP挂钩（周黎安等，2007），因此政府官员会依靠行政干预刺激投资、推动本地区的经济发展。本文以各地政府财政支出占财政收入的比重来反映政府干预程度。（4）城镇化水平：城镇化进程中，农村人口向城市涌入，城市基础设施建设扩大的同时社会分工效率得到提高（李妍，薛俭，2014），从而拉动地区经济。本文以城市人口与总人口之比来反映一个地区的城镇化水平。

为克服异方差性，对以上指标均进行取对数处理，分别记作lnGDP，lnAgg，lnee，lnAgg.ee，lncap，lnedu，lngov，lncr。数据来源于《中国统计年鉴》和《中国能源统计年鉴》，取自2005~2014年，其中因西藏省数据缺失而被略去。

（二）变量统计性描述与相关性分析

表1 样本的统计性描述

表2 变量相关水平分析

从表1的变量统计性描述的均值、标准差等可以看出，经济增长值、金融集聚、能源效率、资本存量等变量的观测值在年份上的差异明显。表2初步反映了各变量之间的相关性水平，金融集聚、能源效率、资本存量、受教育程度、政府干预度和城市化水平均与经济增长存在正相关关系，政府干预程度与经济增长之间存在负相关关系。

（三）空间相关性检验

表32005 ~2014年中国各省市经济增长的Moran’s I指数检验结果

资料来源：作者计算整理。

为了验证中国各省市经济增长之间是否存在空间依赖特征，本文使用Geoda软件计算2005~2014年间的经济增长的全局Moran’s I指数并得出检验结果，如表3所示。从表3可以看出，2005~2014年中国各省市经济增长的Moran’s I值都为正值且全部通过1%水平下的显著性检验，这说明中国各省市经济增长之间存在显著的空间正自相关关系。本文绘制2014年各省市经济增长的Moran散点图，对经济增长空间相关特征进行更深一步探索。

图12014年省域经济增长Moran散点图

图1 的横坐标为2014年经济增长，纵坐标为空间滞后变量，实线是散点的拟合线。两条虚线分别为经济增长和空间滞后变量的均值线，且将整个平面分成4个象限。观察上图可知，散点大部分落在第一、三象限，这说明省域经济增长的空间相关模式是以高值被高值环绕、低值被低值环绕为主，验证了经济增长的空间集聚特征。另外，本文使用LISA集聚图来考察经济增长的局部空间相关性。LISA图显示经济增长的高值集聚区在东部地区，低值集聚区主要在中西部地区。这说明中国省市的经济增长存在较强的局部空间集聚效应，进一步佐证了中国省域之间经济增长存在显著的空间依赖性。

（四）估计结果与分析

通过比较两个Lagrange乘数及稳健性（LMERR，LMLAG及R-LMERR，R-LMLAG）进行选择SAR与SEM模型，一般有如下判别标准：在空间相关性检验中，若LMERR比LMLAG更显著，且LMLAG显著而LMERR不显著，则应该选择SAR模型，反之选择SEM模型。根据以上判别标准并结合检验结果，本文使用SAR模型作为实证检验模型。根据豪斯曼检验结果，应当使用固定效应模型而非随机效应模型。首先对所选择的30个省份进行总体样本估计，考察全国水平上各个解释变量对经济增长的作用效果。另外，由于中国地域辽阔，各个省份的自然禀赋、经济基础、教育水平等方面存在较大差异，这可能会在一定程度上影响区域的金融集聚、能源效率与经济增长之间的关系。因此，本文将30个省份划分为东、中、西三个地区，进行分类估计各地区样本变量的经济增长效应。实证检验结果如表4所示。

表4 金融集聚、能源效率对经济的影响

由此得出以下结论：

1.金融业的发展呈现出空间集聚的特征，实证检验发现这种集聚性对我国经济增长具有显著的促进作用。分地区来看，只有在经济较为发达的东部地区，金融集聚才对经济增长存在正向作用，在中部和西部地区存在负向作用，但未通过显著性检验。这可能是由于中西部的金融业发展水平相对落后，各项金融基础设施尚未健全，区域金融中心正处于建设之中，金融集聚对经济增长的促进作用也未能体现。

2.改进能源效率对促进经济增长至关重要。实证结果发现，无论是从全国层面来看还是分地区，能源效率对经济增长的推动作用都通过了1%水平下的显著性检验。在能源消耗较多的经济发达地区，能源效率的促进效果更加明显，在中西部则相对较弱。能源利用效率的提升又能有效减少能源消耗，从而解决经济发展中能源消耗带来的环境污染问题。

3.金融集聚和能源效率的协同作用能够显著促进经济增长。金融集聚和能源效率的交叉项与经济增长之间存在1%水平上的正相关关系，这说明金融集聚对能源效率的支持能够转化为有效产出，或者说能源效率作用于金融集聚从而间接影响经济。金融集聚以优化资源配置、推动技术创新等方式，改进能源消费结构并促进能源、生产领域科技进步，从而带动能源效率的提升。反过来，能源效率的改善能有效解决高排放高污染等问题，创造良好的环境条件，一定程度上倒逼金融产业的发展。因此，金融集聚与能源效率的协同效应不仅推动经济增长更加保证了经济增长的质量。

实证检验结果还发现：在全国层面上看，空间相关系数在统计上通过了1%水平下的显著性检验，验证了经济增长的空间溢出效应；资本存量仍然是经济增长的基础，但是不同区域的经济增长对资本存量的倚重程度不尽相同；人力资本投入对东部和西部地区经济增长具有显著的促进作用，对中部经济增长却表现出负向作用；而政府干预对中国以及东、中、西部经济发展均有抑制作用，原因可能在于地方政府的过度干预会导致资源配置扭曲从而影响了经济增长，只有政府的适度干预并且借助于市场力量才会更有利于经济可持续增长的实现；城镇化率的提高在西部地区表现出对经济的抑制作用，城镇的发展需要巨额投资并且占用大量资源，这对经济本身就比较落后的西部地区来说可能存在短时期的抑制作用。

六、结论与政策建议

本文运用动态空间面板模型，分别对全国及区域样本进行估计，分析区域金融集聚、能源效率提升对经济增长的直接和交互影响效应，根据实证检验结果给出以下主要结论与政策建议：

1.在经济较发达的东部地区，金融集聚对实体经济增长存在显著的正向效应，而在中部和西部地区这种效应并没有得以显现。因此，应结合东、中、西部地区实际情况，有所侧重地扶持各区域的金融发展，提高金融支持实体经济增长的能力。同时加快中、西部区域金融中心建设进程，促进金融资源和各种高级要素的空间集聚，强化内外部规模经济效应。

2.提高能源效率是保证经济增长质量的重要途径，相对于中西部，东部地区能源效率对经济的作用效果更加明显。一方面，各地政府应当实施因地制宜、差别对待的能源消费政策，引导各产业部门控制能源消耗成本，从总量上降低能耗，提高能源利用效率；另一方面，重视研发和创新高效产能技术，加快地区间的技术交流，通过技术的空间溢出效应促进中、西部地区能源效率改进，从而深化能源效率对经济增长的正向作用。

3.金融集聚与能源效率的协同作用有利于经济的可持续发展。各地在打造区域金融中心的同时应积极推动绿色金融发展，鼓励商业银行开展绿色信贷业务，增加对低能耗低污染企业的贷款；另外，各地金融集聚区应发挥知识溢出效应，通过风险管理与监督激励推动高新技术企业发展，促进能源利用的技术创新和新能源产品的研发与推广。从而有效地为低碳经济提供资金支持与长期发展动力，保证经济效益与环境效益的统一。

[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，(5):113~123.

[2]李红,王彦晓.金融集聚、空间溢出与城市经济增长——基于中国286个城市空间面板杜宾模型的经验研究[J].国际金融研究,2014，(2):86~96.

[3]陈夕红,李长青,张国荣等.经济增长质量与能源效率是一致的吗？[J].自然资源学报,2013，(11): 1856~1868.

[4]李强,魏巍.能源效率影响经济增长的机理及其效应研究[J].西华大学学报,2015，(5):85~92.

[5]周肖肖,丰超,魏晓平.能源效率、产业结构与经济增长——基于匹配视角的实证研究[J].经济管理与研究,2015，(5):13~21.

[6]周健.我国低碳经济与碳金融研究综述[J]．财经科学,2010，(5):17~23.

[7]韩旺红,马瑞超.低碳约束下中国金融发展与全要素能源效率[J].云南财经大学学报,2013，(4): 128~135.

[8]赵昕,薛岳梅,丁黎黎.金融与资本协同共生对全要素能源效率的影响研究[J].价格理论与实践, 2017，(2):126~129.

[9]师博,沈荣坤.政府干预、经济集聚与能源效率[J].管理世界,2013，(10):9~19.

[10]何宜庆,王耀宇,周依仿.金融集聚、区域产业结构与生态效率耦合协调实证研究——以三大经济圈为例[J].经济问题探索,2015，(05):131~137.

[11]Hwang Y S,Min H G and Han.The Influence of Financial Development on R&D Activity:Cross-CountryEvidence[J].ReviewofPacificBasin Financial Markets and Polices.2010:13(3).

[12]李标,宋长旭,吴贾.创新驱动下金融集聚与区域经济增长[J].财经科学,2016，(1):88~99.

[13]潘辉,冉光,张冰,李军.金融集聚与实体经济增长关系的区域差异研究[J].经济问题探索,2013，(5):102~107.

[14]陈德敏,张瑞,谭志雄.全要素能源效率与中国经济增长收敛性——基于动态面板数据的实证检验.中国人口.资源与环境,2012，(1):130~137.

[15]周黎,安陶婧.官员晋升竞争与边界效应:以省区交界地带的经济发展为例[J].金融研究,2013，(3)：15~26.

[16]李妍,薛俭.中国城镇化水平与经济增长关系的实证研究[J].统计与决策,2014，(24):130~133.

F830

A

1006-169X（2017）05-0020-06

国家社会科学基金重大项目“中国自然资源资本化及对应市场建设研究”(15ZDB163)、江苏高校哲学社会科学项目（2015SJD432）、江苏高校国际能源政策研究中心资助项目。