金融集聚提升了海洋经济技术效率吗？——基于IV-2SLS和门槛回归的实证研究

(辽宁师范大学 海洋经济与可持续发展研究中心,辽宁 大连 116029)

金融集聚提升了海洋经济技术效率吗？
——基于IV-2SLS和门槛回归的实证研究

孙 康,张 超,刘峻峰

(辽宁师范大学 海洋经济与可持续发展研究中心,辽宁 大连 116029)

基于2006—2014年我国沿海11个省市区的面板数据,应用随机前沿分析方法测度了沿海11个省市区的海洋经济技术效率,在此基础上采用工具变量二阶段最小二乘法(2SLS)实证检验了金融产业专业化集聚对海洋经济技术效率的影响。结果表明,金融集聚对海洋经济技术效率促进效应不明显;我国海洋经济发展过程中存在“金融抑制”现象。进一步采用门槛回归模型解释了引起“金融抑制”现象的原因:沿海地区金融集聚水平存在“门槛效应”,部分沿海地区过高的金融集聚水平弱化了对海洋经济技术效率的促进效应。因此,在金融供给侧结构性改革的背景下,优化金融人才结构、实现“互联网+海洋金融”的发展模式、深化沿海地区市场化程度是提升海洋经济技术效率的主要途径。

金融集聚;海洋经济技术效率;工具变量二阶段最小二乘法;门槛回归

在海洋强国背景下,金融集聚对海洋经济的作用日益显著。以英国、挪威、新加坡和我国香港特别行政区为代表的沿海发达国家和地区海洋金融服务业发展特征和经验表明,海洋金融是海洋产业的重要支柱，伦敦、奥斯陆、新加坡和我国香港特别行政区等城市已成为世界性海洋金融中心。我国海洋经济历经了数十年高速发展,在全球海洋产业经济链上占据着重要地位[1]。2015年全国海洋生产总值64669亿元,比上年增长了7.0%,海洋生产总值占国内生产总值9.6%。“十三五”规划纲要中,推动海洋经济发展的内容首次被列入区域发展战略。然而,我国海洋经济在经历多年高速增长后,传统涉海产业正面临人口红利终结、资源过度开发、环境恶化、市场恶性竞争、贸易摩擦加剧等多种因素制约，科技含量高的海洋新兴产业资金需求量大、自然风险和市场风险高,缺少专业性较强的海洋金融机构提供金融服务，客观上要求我国金融业特别是海洋金融业实现快速发展,为海洋经济发展提供坚实基础。

1 理论与文献综述

金融发展和深化有效地促进经济增长[2-6]。企业微观层面,金融发展降低了企业外部融资成本[7],金融市场有效需求和政府积极推动有助于完善金融体系和畅通融资渠道。企业可通过银行贷款、债券融资、信贷担保、信托基金、融资租赁等渠道吸收其他经济主体的储蓄,资金潜在提供者之间的竞争降低了企业家承担的利率。根据内生性增长理论,储蓄进一步转化为投资,为企业技术创新提供资金,提高劳动生产率,最终实现经济增长。空间区域层面,区域经济发展过程中金融资源要素持续流动、金融市场功能完善,各个层次的金融机构和金融辅助性行业为获取不对称的金融信息必须尽量接近信息来源,形成金融集聚中心[8]。金融中心一方面要发挥空间溢出效应，为本地区和周边区域受当地金融结构约束的企业提供金融服务[9,10];另一方面,金融部门信息收集处理的优势和部门间利益竞争效应决定了更多的储蓄资金会流向回报更高的项目,实现资源优化配置,达到提升经济运行效率的目标[11]。

理论上,金融集聚与经济增长的关系理论同样适用于解释金融集聚与海洋经济增长。一方面,海洋经济是国民经济的子系统,涉海产业均为国民经济部分相关产业,其统计口径相同。沿海地区又是我国经济发达地区,相关学者针对金融集聚与区域经济增长的研究也主要选择这些区域。例如，潘辉[12]、李红[13]、李标[14]实证分析了沿海地区金融集聚和经济增长存在正相关关系。另一方面,我国区域金融中心主要分布在沿海中心城市,与海洋产业分布地区相同。在海洋产业开发利用过程中,金融集聚中心内部专业性较强的海洋金融机构可发挥空间溢出效应为本地区和周边区域涉海企业提供资金支持。涉海产业尤其是新兴海洋产业利润较高、发展较快,海洋金融机构通过提供信息和风险管理功能将社会闲散资金分配到回报较高的涉海新兴产业。

事实上,对于海洋经济增长金融支持问题相关国内学者进行了不同程度的研究。俞立平的研究表明[15],沿海11个省区金融发展水平对海洋经济贡献总体较弱小,海洋经济发展过程中存在“金融抑制”现象;安虎贲[16]进一步对环渤海经济圈4省区金融水平与海洋经济增长发展关系进行了量化研究,结果显示各地区金融发展水平的提升均会不同程度地拉动当地海洋经济发展;肖立晟[1]调研了欧亚主要海洋金融中心,探讨和分析了各地海洋金融发展特征、模式和经验,为中国海洋金融发展提供国际经验支持;刘东民等[17]在此基础上围绕海洋经济国家战略顶层设计,提出发展中国海洋金融的新策略。

总体来看,现有文献鲜有关于金融集聚和海洋经济增长的研究。研究领域集中在金融集聚与地区间劳动生产率关系;研究区域基于我国31个省、直辖市、自治区或局限于某个沿海省份，数据选取也较少涉及海洋经济。本文采用沿海地区省级层面金融和海洋经济数据研究金融集聚与海洋经济技术效率之间的关系,考虑到可能存在的海洋经济技术效率对金融集聚的反向因果关系,选取沿海省份大陆海岸线与岛屿海岸线总长度和年降水量两组较为理想的工具变量,尽量避免可能存在的内生性。进一步采用门槛回归模型,计算门槛值,以期研究金融集聚与海洋经济技术效率的非线性关系。

2 模型设定、数据说明与变量解释

2.1 模型设定

根据以上理论分析,按照面板数据要求建立模型为:

TEit=α0+α1aggit+φΣXit+ηi+εit

(1)

式中,i代表沿海省市区；t代表年份;TEit表示海洋经济技术效率;aggit表示金融从业人员集聚水平;Xit为控制变量,包括海洋产业集聚度(clusterit)、固定资产投资强度(invit)、财政支出比重(govscalit)、对外开放程度(openit)、教育质量水平(eduit)和信息化水平(infit);ηi表示地区个体效应；εit为随机扰动项。为了在一定程度上消除异方差和量纲,对所有变量都进行了对数化处理。

2.2 数据说明

本文使用的我国2006—2014年沿海11个省市区的数据主要来源于2007—2015年《中国海洋统计年鉴》、《中国统计年鉴》和《中国城市统计年鉴》,互联网普及率数据由历年的《中国互联网络发展状况统计报告》统计获得。在计算海洋经济技术效率过程中,沿海地区涉海就业人力资本是涉海就业劳动力数量和人均受教育年限的乘积[18],物质资本存量参照张军[19]的方法计算,固定资产折旧率采用5%。需指出的是,鉴于现有海洋统计年鉴缺少海洋固定资产投资的统计,借鉴纪玉俊[20]的方法进行核算,具体核算方法是:海洋固定资产投资=(海洋生产总值/地区生产总值)×地区固定资产投资总额。在计算金融从业人员就业密度过程中,使用沿海各省市区的行政区域面积,而非市辖区面积的总和,主要考虑到样本期间沿海地区许多城市的市辖区面积发生了重大变化。为了消除价格因素的影响,所有涉及价格度量的变量均进行指数平减,调整为2005年的不变价格。

2.3 变量解释

本文被解释变量为海洋经济技术效率(TE):技术效率对中国劳动生产率增长做出了贡献,劳动生产率提高进一步促进经济增长[21]。基于海洋经济统计数据限制,本文采用随机前沿分析法(SFA)测度海洋经济技术效率。随机前沿分析是一种考虑环境变化和随机因素对生产行为影响的参数估计方法,该计算结果较稳定,不易受异常点影响。投入指标方面,劳动和资本作为投入要素,海洋经济生产总值作为产出指标,构建前沿生产函数具体形式为:

ln(Yit)=β0+β1ln(Lit)+β2(Kit)+(υit-μit)

(2)

式中,Yit、Lit、Kit分别表示沿海地区海洋GDP、涉海就业人力资本和海洋固定资本存量;β0为截距项,βi为(i=1,2)待估参数;υit为随机扰动项,表示海洋经济中不确定性因素,服从标准正态分布;μit为技术无效率项,表示沿海地区实际技术效率与技术效率前沿面之间的差距,服从零点截断的半正态分布。

表1 SFA模型参数参数估计值

注:LR检验服从混合卡方分布(Mixed Chi-square Distribution);*、***分别表示在10%、1%的水平下显著。

结合2006—2014年我国沿海地区海洋经济技术效率情况,利用ArcGIS10.2,分别选取2006年、2010年和2014年截面数据绘制沿海11个省市区的海洋经济技术效率时空格局图(图1),将技术效率划分成效率较高(0.8≤TElt;1)、效率中等(0.6≤TElt;0.8)、效率较低(TElt;0.6)三个等级,以分析沿海地区海洋经济技术效率空间分异特征。整体表明,我国沿海地区海洋经济技术效率呈现上升趋势，各区域间海洋经济技术效率水平差距明显,但是在逐渐缩小。2006年“十一五”规划初期,海洋经济技术效率达到较高等级的有山东、上海、浙江和广东;2010年,天津、江苏和福建也转变为较高水平；广西和海南的效率在2006年和2010年均处于较低等级,2014年达到中等水平；河北和辽宁在样本期效率未发生较大变化,因此始终处于中等水平。

图1 中国海洋经济技术效率时空格局

金融从业人员集聚水平(agg)是核心解释变量:基于数据可得性,参考范剑勇[22]的做法,使用金融从业人员就业密度作为衡量金融集聚水平的指标,金融业就业密度是当年每平方公里土地上金融从业人员数。在区分产业的集聚经济分析中,某产业从业人员就业密度可有效反应该产业专业化集聚水平,一个地区只有具备充足和高质量的金融人力资源,才能形成集群内的竞争合作关系。

表2 相关变量的描述性统计

3 实证结果及分析

在进行严格的计量分析金融集聚与海洋经济技术效率的关系前,首先利用散点图观察金融集聚与海洋经济技术效率之间的线性关系。金融集聚和海洋经济技术效率之间存在较明显的正相关关系(图2)。

图2 中国海洋技术效率与金融集聚的散点分布

3.1 初步估计结果

本文分别使用面板数据混合最小二乘回归(OLS)、固定效应(FE)和随机效应(RE)三种方法,表3中模型1—3分别给出了三种方法的估计结果。

表3 金融集聚对海洋经济技术效率回归结果

注:表中数据采用Stata13.0软件进行估计;*、**、***分别表示在10%、5%、1%的统计水平上显著;()内数值表示回归系数稳健标准差,[]内数值表示P值,{ }内数值为Stock-Yogo检验在10%水平上的临界值,表4同。

为了克服沿海各省市区之间可能存在又无法识别的异方差,报告结果均经过White标准误修正。以面板设定的F统计量比较混合回归模型与固定效应模型,结果表明个体效应十分显著;以Breusch-Pagan LM检验比较混合回归模型与随机效应模型,结果表明随机效应模型更合适;最后再以Hausman检验比较固体效应模型和随机效应模型,结果显示在1%的显著性水平上拒绝随机效应原假设,故以固定效应模型为基础对实证结果进行分析。

金融集聚与海洋经济技术效率呈正相关关系,与图2显示的关系吻合。金融集聚水平每增加1%,海洋经济技术效率就提升0.202%。海洋产业集聚对海洋经济技术效率的弹性回归系数为0.357,在1%的显著性水平上显著。沿海地区金融产业专业化集聚和海洋产业多样化集聚一定程度上促进了海洋经济增长。在其他控制变量中,固定资产投资强度、对外开放程度和信息化水平对海洋经济技术效率存在正向影响,但仅有前两个解释变量分别通过了5%和10%的显著性检验,财政支出比重和教育质量与海洋经济技术效率负相关。

3.2 内生性处理及IV-2SLS估计

固定效应模型可在一定程度上处理不随时间而变化的遗漏变量,但模型在设定过程中可能遗漏重要解释变量而导致解释变量与误差项之间存在相关性,引起估计偏误。此外,金融集聚与海洋经济技术效率存在联立性偏误问题。金融集聚可提升海洋经济技术效率水平;反过来,海洋经济技术效率水平提升促进了海洋经济增长,进一步吸引外部金融企业、从业人员进入,提高沿海地区金融业就业密度。海洋经济技术效率与金融集聚相互影响,互为因果。通过D-W-H内生性检验,得到其检验统计量为5.759,结果显示在5%的显著性水平上拒绝金融集聚外生性的原假设,表明金融集聚存在内生性。有效解决内生性问题的途径之一是就寻找与金融集聚相关但与实证模型扰动项不相关的变量作为工具变量(IV)。

在系列工具变量中,参考杨东升[29]基于工具变量研究欠发达国家经济增长与金融发展的做法,结合我国沿海各省市区的具体情况,选取大陆海岸线与岛屿海岸线总长度和年降水量两组工具变量。沿海地区的区域边界和海岸线等自然条件在历史发展进程中较稳定,样本期之前已确定,并未发生较大改变。历史经验表明,金融集聚和金融中心形成较多发生在各个国家的沿海地区,气候要素之一的降水量也对金融业整体运行产生显著影响。进一步验证工具变量有效性,分别进行工具变量不可识别、弱工具变量和过度识别检验。表2模型4报告了多种检验结果。首先,使用Kleibergen-Paap rk LM统计量进行不可识别检验,结果显示在1%的显著性水平上拒绝了“工具变量识别不足”的原假设,表明工具变量与解释变量相关。其次,Kleibergen-Paap rk Wald F统计量为41.992,大于Stock-Yogo检验在10%水平上的临界值19.93,拒绝 “工具变量弱识别”的假定。第三,Sargan-Hensen检验的伴随概率为0.005,不能在10%显著性水平上拒绝“工具变量过度识别”的零假设。上述所有统计检验均表明两个工具变量具有合理性。

进一步分析工具变量二阶段最小二乘(IV-2SLS)的估计结果。相较于FE模型,采用工具变量有效控制内生性,金融集聚回归系数下降到0.068,通过了1%的显著性检验。回归结果表明，内生性问题使OLS估计产生明显向上的偏倚,高估了金融集聚对海洋经济技术效率的促进效应,因此采用2SLS估计很有必要。回归结果从另一个角度证实了俞立平的结论:我国海洋经济发展中存在“金融抑制”现象。在控制变量中,海洋产业集聚水平与海洋经济技术效率显著正相关,海洋产业集聚水平每提高1%,我国海洋经济技术效率就提高0.065%;固定资产投资强度对海洋经济技术效率提升存在正向影响,通过了5%的显著性检验;对外经济开放程度对海洋经济技术效率提升得到验证,通过了1%的显著性检验，但这三个控制变量的促进效应较弱。信息化水平对海洋经济技术效率的提升具有显著的正向影响。一方面,互联网凭借其在信息收集处理、风险防范等方面的优势,优化海洋资源配置,直接提升了海洋经济技术效率;另一方面,信息和通讯技术的快速发展为金融集聚提供了技术基础,间接提升了海洋经济技术效率。教育质量与海洋经济技术效率呈现不显著的负相关关系,与国内海洋高等教育实力不强、海洋科技人才短缺有一定的关系。政府支出比重对海洋经济技术效率的影响显著为负,政府干预市场或直接参与经济活动过多,资源配置效率和使用效率均受到负面影响,降低了海洋经济技术效率。

3.3 稳健性分析

如果存在弱工具变量,两阶段最小二乘法就可能存在估计偏差。在有限样本下,可使用对弱工具变量更不敏感的有限信息最大似然法(LIML)。刀切法IV估计量(JIVE)消除了第一阶段拟合值与结构方程误差项之间的相关性,这种相关性可引起传统2SLS估计偏误。如果随机扰动项存在异方差或自相关,则GMM(广义矩估计)比2SLS更有效率。表3中模型5、模型6、模型7分别报告了LIML、JIVE和GMM的估计结果,与基准模型IV-2SLS比较发现,每个解释变量的系数大小和显著性均未发生较大改变,侧面证实了IV-2SLS估计结果的稳健性。

表4 稳健性检验结果

4 对“金融抑制”现象的解释

本文检验了金融集聚对海洋经济技术效率的影响,证实我国海洋经济发展过程中存在“金融抑制”现象,尝试性地解释了存在这种现象的原因。事实上,沿海地区是我国金融集聚水平较高的区域,金融机构和金融从业人员在数量上具有绝对优势。鉴于产业集聚过程中会导致集聚效应由规模效应向拥挤效应的转变[30],对“金融抑制”现象可能的解释是沿海地区金融集聚水平已跨过拐点,拥挤效应占主导,降低了对海洋经济技术效率提升效应。本部分采用Hansen[31]发展的门槛回归模型,进一步研究上述猜想。

4.1 模型建立

门槛回归是分组检验方法的一种扩展,突出优点是根据数据本身特点内生地划分区间,模型表述为:

lnTEit=θ0+lnaggit(qitlt;τ)θ1+lnaggit(qit≥τ)θ2+λlnXit+ωi+eit

(3)

式中,qit是门槛变量,τ是未知门槛值,将等式分成两个区间。θ1和θ2分别是门槛变量在两个区间,解释变量lnaggit对被解释变量lnTEit的回归系数。ωi是个体效应,eit是随机扰动项。

式(4)假设仅存在单一门槛,而实际上可能存在两个或多个门槛。双重门槛回归模型设定为:

lnTEit=θ0+lnaggit(qitlt;τ1)θ1+lnaggit(τ1≤qitlt;τ2)θ2+lnaggit(qit≥τ2)θ3+λlnXit+ωi+eit

(4)

多门槛模型可扩展得到。

4.2 门槛值确定和结果估计

进一步以金融集聚(lnagg)为门槛变量,确定门槛值个数,分别在单一门槛、双重门槛假设下进行Bootstrap自抽样检验[32](表5)。结果显示,模型存在两个门槛值,分别为-0.960和1.294。

表5 门槛自抽样检验结果

注:BS次数(Bootstrap)指自抽样方法,自抽样次数越多,结果的准确性越高。

在面板门槛显著性基础上,运用面板门槛估计方法对式(4)进行参数回归,结果见表6。双重门槛值将金融集聚分成三个区间:在第一个区间内,金融集聚显著促进海洋经济技术效率提升,集聚水平每增加1%,海洋经济技术效率提高0.177%。当金融集聚水平介于两个门槛值之间,回归系数从0.177降至0.039,促进效应减弱且不显著;当金融集聚水平逐步增加大于第二个门槛值时,回归系数增至0.251。在沿海11个省区中,广西和海南的金融集聚水平较低,处于第一个区间,金融发展速度较快,尚处于规模效应阶段。辽宁、河北、山东、江苏、浙江、福建和广东七省处于第二个区间，上述地区的金融集聚水平较高,拥挤效应的约束性逐渐凸显,金融集聚对海洋经济技术效率的贡献较微弱。天津和上海两市的金融集聚水平处于第三个区间,按照拥挤效在现实经济中的体现为要素密度过度集中,导致生产率下降[30],回归结果似乎与现实相悖。可能的原因是,上海浦东新区和天津滨海新区是我国最早设立的两个国家级新区,也是最早的金融改革创新试点，按需引才、发展科技金融、合理规划金融集聚区等一系列金融改革创新措施弱化了拥挤效应。回归结果证实了猜想:部分沿海地区存在拥挤效应,这些地区过高的金融集聚水平抑制了海洋经济技术效率的提升。

表6 门槛回归结果

注:***表示在1%的水平上显著。

5 结论与讨论

5.1 结论

本文基于我国沿海11个省市区2006—2014年的面板数据,采用工具变量二阶最小二乘法和门槛回归模型对金融集聚与海洋经济技术效率的关系进行了检验。研究结果表明:①金融集聚提升了海洋经济技术效率,但作用不明显。我国海洋经济发展过程中存在“金融抑制”现象,三个角度的稳健性分析表明该结论是稳健的。②门槛回归解释了存在“金融抑制”现象的原因:金融集聚与海洋经济技术之间是非线性的关系,金融集聚在短期内对我国海洋经济技术效率的提升存在“门槛效应”，部分沿海地区跨过了这一门槛,过高的金融从业人员集聚水平抑制了促进效应。③海洋产业集聚度、固定资产投资强度和对外开放水平促进了海洋经济技术效率的提升。相比于这三个控制变量的微弱作用,信息化水平对海洋经济技术效率的贡献最大；政府财政支出比重对海洋经济技术效率具有明显的负外部性；教育质量与海洋经济技术效率负相关,但不显著。

本研究结果为我国海洋金融发展与海洋经济增长提供了以下启示:①沿海地区金融从业人员集聚已达到相当高的水平，但快速增长的金融从业人员数量与缺乏专业性较强的海洋金融从业人员形成鲜明对比,亟待增加海洋金融专业人才的供给。②海洋金融产业要搭上互联网金融的快车,借助网络平台提高资金配置效率,实现“互联网+海洋金融”的创新发展模式,为新型海洋产业提供更多资金支持，促进海洋经济增长。③沿海地区是我国市场化程度最高的区域,然而政府仍需降低对市场的干预程度。

5.2 讨论

本文仍存在以下不足:①2007年后的《中国海洋统计年鉴》较之前版本的统计口径发生了较大改变，因此本文仅选取2006—2014年为样本期进行研究,研究具有一定的时间局限性。②除金融集聚之外,金融结构对海洋经济增长也有重要影响，但金融结构是一个较难量化的指标,已有的衡量方法存在缺陷,因此本文并未将其作为解释变量纳入模型。

[1]肖立晟,王永中,张春宇.欧亚海洋金融发展的特征、经验与启示[J].国际经济评论,2015,(5)∶57-66,5.

[2]King R,Levine R.“Financial and Growth：Schumpeter Might be Right”[J].Quarterly Journal of Economics,1993,108(3)∶717-737.

[3]Levine R, Zervos S.Stock Markets,Banks,and Economic Growth[J].American Economic Review,1996,88(88)∶537-58.

[4]沈坤荣,张成.金融发展与中国经济增长——基于跨地区动态数据的实证研究[J].管理世界,2004,(7)∶15-21.

[5]武志.金融发展与经济增长：来自中国的经验分析[J].金融研究,2010,(5)∶58-68.

[6]李延凯,韩廷春.金融环境演化下的金融发展与经济增长：一个国际经验[J].世界经济,2013,(8)∶145-160.

[7]Rajan R,Zingalas L.Financial Dependence and Growth[J].American Economic Review,1998,88(3)∶559-586.

[8]Zhao X B.“Spatial Restructuring of Financial Centers in Mainland China and Hong Kong：Geography of Finance Perspective”[J].Urban Affairs Review,2003,38(4)∶535-571.

[9]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.

[10]余泳泽,宣烨,沈杨扬.金融集聚对工业效率提升的空间外溢效应[J].世界经济,2013,(2)∶93-116.

[11]Greenwood J,Jovanovic B.“Financial Development,Growth,and the Distribution of Income”[J].Journal of Political Economy,1990,98(5)∶1076-1107.

[12]潘辉,冉光和,张冰,等.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.

[13]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)∶89-96.

[14]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.

[15]俞立平.我国金融与海洋经济互动关系的实证研究[J].统计与决策,2013,(10)∶121-124.

[16]安虎贲,杨帆,杨宝臣.环渤海经济圈金融发展与海洋经济发展的相互作用机制[J].技术经济,2014,(12)∶109-114.

[17]刘东民,何帆,张春宇,等.海洋金融发展与中国的海洋经济战略[J].国际经济评论,2013,(5)∶43-56,5.

[18]樊纲,王小鲁,马光荣.中国市场化进程对经济增长的贡献[J].经济研究,2011,(9)∶4-16.

[19]张军,章元.对中国资本存量K的再估计[J].经济研究,2003,(7)∶35-43，90.

[20]纪玉俊,张彦彦.我国区域海洋经济发展的效率评价研究——基于SBM模型和Malmquist-Luenberger指数的实证分析[J].广东海洋大学学报,2016,36(2)∶1-8.

[21]王兵,颜鹏飞.技术效率、技术进步与东亚经济增长——基于APEC视角的实证分析[J].经济研究,2007,(5)∶91-103.

[22]范剑勇.产业集聚与地区间劳动生产率差异[J].经济研究,2006,(11)∶72-81.

[23]孙浦阳,韩帅,许启钦.产业集聚对劳动生产率的动态影响[J].世界经济,2013,(3)∶33-53.

[24]刘修岩,邵军,薛玉立.集聚与地区经济增长：基于中国地级城市数据的再检验[J].南开经济研究,2012,(3)∶52-64.

[25]毛其淋,盛斌.对外经济开放、区域市场整合与全要素生产率[J].经济学,2012,11(1)∶181-210.

[26]张可,豆建民.集聚对环境污染的作用机制研究[J].中国人口科学,2013,(5)∶105-116,128.

[27]张海峰,姚先国,张俊森.教育质量对地区劳动生产率的影响[J].经济研究,2010,(7)∶57-67.

[28]沈悦,郭品.互联网金融、技术溢出与商业银行全要素生产率[J].金融研究,2015,(3)∶160-175.

[29]杨东升.欠发达国家经济增长与金融发展——一个基于工具变量的分析[J].中国农村经济,2015,(1)∶85-95.

[30]周圣强,朱卫平.产业集聚一定能带来经济效率吗：规模效应与拥挤效应[J].产业经济研究,2013,(3)∶12-22.

[31]Hansen B E.“Threshold Effects in Non-dynamic Panels：Estimation,Testing and Inference”[J].Journal of Economics,1999,93(2)∶345-368.

[32]Wang Q.Fixed-effect Panel Threshold Model Using Stata[J].Stata Journal,2015,15(1)∶121-134.

HasFinancialAgglomerationPromotedMarineEconomicEfficiency? ——AnEmpiricalStudyBasedonIV-2SLSandThresholdModel

SUN Kang,ZHANG Chao,LIU Jun-feng
(Center for Studies of Marine Economy and Sustainable Development,Liaoning Normal University,Dalian 116029,China)

Under the background of building maritime power stragtegy,the role of financial agglomeration in the marine economy was becoming increasingly significant,the relationship between financial agglomeration and marine economic efficiency was

more and more attention.Based on the panel data of 11 coast provinces from 2006 to 2013,this paper measured the marine economic efficiency by applying stochastic frontier analysis,at the same time,adapted the IV-2SLS model to empirically examine the impact of financial agglomeration on marine economic efficiency.The results showed that promotion effect was weak.The phenomenon of “Financial Repression” existed in the development of marine economy.Moreover,this paper used the threshold regression method to explain the causes of “Financial Repression”,there was a nonlinear relationship between financial agglomeration and marine economy efficiency,and existed the “Threshold Effect”.The high level of financial agglomeration in some coastal areas weakened the promotion effect on marine economic efficiency.While other coatal areas liked the city of Shanghai and Tianjin,although had a high level of agglomeration,a series of financial reform and innovation measures weaken the crowded effect,such as attracting talents according to the specific needs,the development of science technology and finance and the rational planning of financial agglomeration area.Therefore,it concluded that under the background of the finance supply-side structural reform,optimizing the practitioners′ structure,boosting the supply of marine financial professionals,achieving the internet maritime finance and deepening the marktetization of coastal areas were principal pathway of inceasing the marine economic efficiency.

financial agglomeration;marine economic efficiency;IV-2SLS;threshold model

10.3969/j.issn.1005-8141.2017.05.015

F832.7；P74

A

1005-8141(2017)05-0584-07

2017-03-10；

2017-04-25

辽宁省社会科学规划基金项目“海水养殖视角下我省海洋渔业经济转型升级对策研究”(编号:L16BJY041)。

及通讯作者简介：孙康(1963-),女,辽宁省大连人,教授,硕士生导师,研究方向为产业经济、渔业经济。