长江经济带金融与实体部门发展效率研究

李雪松，王 冲

（武汉大学 经济与管理学院，湖北 武汉 430072）

一、引言及文献综述

以Solow为代表的新古典经济学派认为全要素生产率增长是经济可持续增长的主要源泉。随着我国经济由高速增长转向高质量发展，经济的发展将不再聚焦于经济增长速度的快慢，而是以提高全要素生产率为核心，推动经济发展由要素驱动的低效增长方式向创新驱动的高效增长方式转变。因而，探索全要素生产率的影响因素已成为当前学者研究的焦点问题。以往国内外大量研究表明，金融发展对全要素生产率的增长产生了显著的促进作用。然而，2008年国际金融危机的爆发促使学界反思金融部门的过度发展是否会损害经济的持续稳定增长？长江经济带覆盖长江流域9省2市，横跨东中西三大区域，人口规模和经济总量超过全国的40%①长江经济带九省两市包括：上海、江苏、浙江、安徽、江西、湖北、湖南、重庆、四川、云南、贵州。。作为我国经济综合实力最强、战略支撑作用最大的区域之一，其经济增长效率的高低直接关系到国家经济能否实现高质量发展的目标。而当前供给侧结构性改革的重点就是要正确处理好虚拟经济与实体经济的关系，增强金融对实体经济的支撑能力。因此，实证检验金融发展与经济增长效率之间的非线性关系，对于正确处理金融部门和实体经济部门二者之间的协调发展关系，从而提升长江经济带经济增长效率，推动经济高质量发展具有重要意义。

金融发展主要通过促进资本积累和推动全要素生产率增长这两条途径来影响经济增长。Schumpeter（1911）认为金融体系可以通过改善社会资本的配置效率来促进技术进步和生产率增长[1]，这一论断被称为金融发展的熊彼特观点。自20世纪90年代内生经济增长理论兴起以来，金融发展的熊彼特思想被模型化。在此背景下，国内外大量研究开始对金融发展与全要素生产率之间的关系进行实证检验。

在国外，King等（1993）将金融部门嵌入内生增长模型，并通过实证检验证明金融发展对于经济增长和生产效率的提升是至关重要的[2]。Beck等（2000）采用1960—1995年63个国家的跨国面板数据研究金融发展与经济增长的关系，发现金融中介的发展对人均实际GDP和全要素生产率的增长均产生了显著的促进作用[3]。Benhabib 等（2000）的研究表明金融发展促进了投资率和全要素生产率的提升[4]。Calderón 等（2003）发现金融深化通过加速资本积累和全要素生产率的增长来推动经济增长[5]。这些研究均证实了金融发展与全要素生产率增长之间具有显著的正向线性关系。而后，随着计量模型和研究方法的进步，国外学者开始研究金融发展与全要素生产率之间是否存在更为精确的非线性关系。Rioja等（2004）的研究表明在发达国家金融发展通过提升全要素生产率进而促进经济增长，而在欠发达国家则主要通过加速资本积累来推动经济增长[6]。Huang等（2009）发现在高收入国家金融发展通过促进资本积累来推动经济增长，而在低收入国家则通过提升生产效率和资本积累共同促进经济增长[7]。Arcand等（2015）的实证表明当私人部门的信贷额占GDP的比重达到某一区间（80%～120%）时，金融的进一步深化将对经济增长产生负面效应[8]。

国内学者对于金融发展与经济增长效率的因果关系进行实证检验的文献众多，研究对象主要集中在国内各个省际层面。张军等（2005）利用1987—2001年省份面板数据研究了中国各地区生产率变化如何受金融深化过程的影响，发现金融深化与生产率增长之间呈显著为正的关系[9]。陈刚等（2009）以1999—2006年地区面板数据为样本研究发现，银行公共信贷以及股票市场规模的扩张对中国全要素生产率增长产生不利影响，而银行私人信贷规模的扩张对全要素生产率增长的促进效应并不明显[10]。赵勇等（2010）的研究表明在东部地区金融发展主要是通过提高全要素生产率来推动经济增长，而在中西部地区资本深化的经济增长效应更明显[11]。姚耀军（2012）研究发现，中国金融发展促进全要素生产率增长的中间渠道是技术进步效应而非技术效率增长效应，沿海地区的金融发展甚至阻碍了技术效率的改善[12]。陈启斐等（2013）的研究表明金融业发展程度每提高1%，会导致纯技术进步率下降0.078%，促进规模效率提升0.035%，总体将导致全要素生产率下降0.056%[13]。李健等（2015）利用2000—2012年的省际面板数据，研究发现民间金融对全要素生产率增长产生了显著促进作用，且作用渠道为技术效率增长效应，而非技术进步效应[14]。唐婍婧等（2017）的研究表明，金融总量的扩大并不必然提升全要素生产率，但是社会融资规模的扩大显著促进了全要素生产率增长[15]。

综上所述，由于不同学者选取的研究样本、方法、指标不尽相同，因此，金融发展与经济增长效率之间的关系并未有较为明确的结论。从上述研究来看，鲜有学者注意到金融部门、实体经济的发展差异与经济增长效率之间的关系。黄宪等（2017）虽然实证检验了金融发展与人均GDP增长率的非线性关系，但其并未探讨金融发展与经济增长效率之间的关系[16]。仅有李健等（2017）将金融部门、实体部门的增速差异与金融发展的交互项纳入到计量模型中，实证检验了金融发展对全要素生产率增长影响的边际效应，但其未考虑金融发展影响全要素生产率增长中间渠道的区域异质性[17]。

基于此，本文将做以下两个方面的拓展。第一，从国内外的研究对象来看，大多使用国家或者省际层面的面板数据，而本文将研究尺度扩展到城市层面，选取长江经济带108个城市的面板数据作为研究样本。第二，既考虑金融与实体经济的增速差异如何影响金融发展对全要生产率及其分解指数的影响，又针对长江经济带不同城市群做区域异质性分析，以探讨在金融与实体部门这两者相互之间处于协调发展和非协调发展状态下，不同区域金融发展和经济增长效率之间的关系是否有所差异。

二、模型构建、变量与数据来源

（一）模型构建

借鉴Ductor等（2015）[18]构建的关于金融发展与经济增长率之间的非线性模型，将基本计量模型设定如下：

其中，下标i表示城市，t表示年份，被解释变量tfpit表示全要素生产率，finit表示金融发展水平，交叉项中表示金融部门超出实体部门发展的程度，金融发展对于全要素生产率影响的边际效应可表示为Xit是控制变量集，εit为随机误差项。系数α1和α2的统计特征为本文关注的重点。当系数α1＞0且α2＜0在统计上同时显著时，说明金融部门的扩张速度超过实体部门的增长速度达到一定程度时，金融的进一步发展对全要素生产率增长的作用将从促进转向抑制。类似地，（2）式和（3）式分别用以检验金融发展与技术效率、技术变动之间的非线性关系。

（二）变量选取与数据来源说明

1.被解释变量：全要素生产率及其分解

鉴于DEA方法具有无需主观设置生产函数，且能处理决策单元多产出的情形。因此，本文采用基于DEA模型的Malmquist指数方法对长江经济带108个城市（剔除了在研究期间发生行政区划调整的巢湖市及少数偏远且数据难以获取的地级市）2004—2015年的全要素生产率进行测算，并选取各个城市的就业人数和资本存量分别作为劳动和资本的投入指标，选取地区生产总值作为产出指标。城市就业人数的数据主要来源于2004—2014年的《中国区域经济统计年鉴》、2015—2016年长江经济带各省的统计年鉴以及个别城市统计年鉴，对于少数残缺数据采用插值法进行补全。资本存量的核算用永续盘存法计算得到，计算公式如下：

其中，Kit代表资本存量，δ代表折旧率，取值9.6%；Ei(t-1)为i地区第t-1时期的固定资产投资总额；对于基期资本存量的核算，在假设资本存量与固定资产投资总额增长率一致的前提下，其估算公式为：Ki0=Ei0/（δ+g），其中固定资产投资总额的数据来源于《中国城市统计年鉴》，并依据固定资产投资价格指数（用各城市所在省的数据代替）平减为2003年的不变价。地区生产总值依据地区生产总值指数以2003年为基期折算为实际值，原始数据来源于《中国城市统计年鉴》。成刚（2014）计算Malmquist指数的方法如下[19]：

其中TFP代表全要素生产率水平，若其大于1，表明综合经济增长效率水平提高；若其小于1，表明经济增长效率降低。全要素可以分解为技术变动TECH以及效率变动ECH的乘积，如果技术变动大于1，意味着技术进步，即生产边界得到了提升。效率变动ECH大于1，意味着地区在经济资源配置效率上的有效性。

2.核心解释变量：金融发展水平、金融部门及实体部门的增长率

金融发展水平（finit）：文献中常用的对于金融发展水平的度量指标主要有：M2占国内生产总值的比重，私人信贷与国内生产总值的比值，金融机构各项贷款余额、存款余额之和与GDP之比，非国有部门贷款与GDP之比，银行贷款余额占GDP的比重[20-21]。限于数据的可得性，本文侧重于研究金融中介的“过度深化”是否会抑制全要素生产率的增长，因此，借鉴杨友才（2014）[22]的研究，选取“金融机构各项贷款余额与地区生产总值的比值”作为度量金融中介发展水平的替代指标。

我国历史上对书籍进行的第一次也是最大一次的历史性拯救的是在西汉时期。汉代惠帝、武帝和成帝曾分别下诏，在全国范围广泛征集与收藏图书，这是秦朝“焚书”后的历史性拯救。仅汉成帝时期，刘向父子所校定的典籍，就达132269卷之多。

3.控制变量

对外开放水平：用外商直接投资总额与地区GDP的比值来衡量，并依据当年人民币兑美元的平均汇率将FDI转化为人民币；政府干预：用地方财政一般性支出占GDP的比重来衡量；人口密度：以每平方公里内人数的对数值来表征，代表市场规模；人力资本水平：以往通常采用人均受教育年限来表征，小学、初中、高中以及高等院校的教育年限为6年、9年、12年、16年，由于城市统计年鉴中并没有将初中和高中分开，所以本文参考孙博文（2018）的做法对中学受教育年限取平均值10.5年计算[25]，因此城市总的受教育年限可以表示为6×小学+10.5×中学+16×大学，同样取对数处理；经济发展水平：以人均地区生产总值衡量；产业结构：以第三产业增加值占GDP的比重来衡量。

以上数据均来自《中国城市统计年鉴》。表1给出了以上变量的描述性统计。

表1 变量描述性统计

三、实证分析

（一）长江经济带108个城市全样本回归分析

一方面金融发展对全要素生产率产生影响，另一方面全要素生产率的增长也可能影响金融发展的速度。为解决可能存在的反向因果关系，本文借鉴施炳展等（2012）[26]的做法，将金融发展和金融部门、实体经济的增速差异与金融发展的交互项的一阶滞后项作为工具变量进行回归。为了考察金融发展与全要素生产率增长是否存在倒“U”型的非线性关系，本文将金融发展的二次项加入回归方程中进行对比分析。

面板估计模型有混合回归模型、固定效应模型和随机效应模型三种形式。作为参照，首先进行混合回归，通过对比普通标准误和聚类稳健性标准误可知，二者回归系数相差约一倍，F检验及传统的Hausman检验并不有效。进一步通过LSDV法来考察，结果表明：绝大多数个体虚拟变量都不显著，无法确定使用固定效应模型，进而使用LM检验（p值为0.0000）结果拒绝“不存在个体随机效应”的原假设，排除混合回归。因此，综合考虑使用随机效应模型对全样本进行回归分析。面板工具变量（IV）估计结果如表2所示。

表2 长江经济带经济增长效率回归结果（全样本）

作为参照，表2中第2至4列给出了将金融发展的二次项纳入方程中的回归结果。实证表明：金融发展一次项前面的系数均显著为正，而二次项的回归系数均显著为负，说明全要素生产率TFP及其分解指数与金融发展之间存在着倒“U”型的非线性关系。具体来说当金融发展（贷款/GDP）超过时，金融发展对全要素生产率增长的影响将从促进作用转为抑制作用；而金融发展对技术效率和技术进步影响的拐点分别在1.52和4.58出现。从第5列和第7列的回归结果看，金融发展（fin）前面的回归系数均显著为正，而金融发展增速和实体部门增速之差与金融发展的交互项fin（gfin-grs）的系数均显著为负。具体计算结果显示，当金融发展增速超过实体部门增长速度分别达到 0.0114÷0.0258=41.19%和 0.0294÷0.0638=46.08%时，金融的进一步发展将对全要素生产率的增长和技术进步产生抑制效应，表明金融发展存在一个最优的水平，当超过这一临界值时，金融不仅不会优化资源配置，反而会通过对实体经济的“压榨效应”而抑制经济增长效率的提升。而技术效率的回归结果显示，金融发展的系数为-0.0082，但不显著，而交互项前面的回归系数显著为正的0.0398，表明研究期间长江经济带金融部门的过快发展已经对技术效率的改善产生了不利影响。

控制变量中，本文发现无论是金融发展的二次项还是金融发展与金融部门、实体部门增速之差的交互项进入回归方程，各变量的系数符号和显著性水平都较为一致。因此，以第5至第7列的回归结果做具体分析。外商直接投资显著促进了全要素生产率增长和技术进步，回归系数分别为0.392和0.484，但是对技术效率产生了不显著的负面效应，表明国外的技术流入和知识溢出有利于长江经济带经济增长质量的提升。政府干预对三类效率均产生了显著的抑制作用，意味着政府部门规模的扩张和不当干预将挤占创新资源的投入和破坏市场机制对资源的优化配置。人口密度的提升有利于全要素生产率增长和技术进步，分别在5%和10%的显著性水平下通过了检验。一方面，人口的集聚将促进知识和技术交流，减少交易成本使生产获得规模效益；另一方面，人口的过度集聚使更多的生产资源投向公共领域，这可能对技术效率的改善产生不利影响。人力资本对全要素生产率和技术进步的影响分别在5%和10%的水平下显著为负，而对技术效率改善有不显著的促进作用，可能与预期结果不符。究其原因在于本文选取的是加权平均而得到的受教育年限，这种方法无法体现高素质劳动资本水平，而 Vandenbussche等（2006）、彭国华（2007）的研究显示，只有接受过高等教育的人力资本才对全要素生产率增长产生显著的促进作用[27-28]。经济发展水平均在1%的显著性水平下抑制了全要生产率增长和技术效率的改善，而对技术进步则产生了显著提升作用，表明经济增长效率总体呈现“收敛”效应。这也不难解释，经济发达的城市往往集聚了大量的经济资源，一方面，较高经济水平可以使更多资源用于创新进而促进技术进步；另一方面，经济的发展过程已经由集聚经济向集聚不经济转变，冗余的资源往往不能得到有效的利用从而不利于技术效率的改善，在总体上降低了全要素生产率。产业结构升级促进了全要素生产率增长，且主要通过改善技术效率来体现，产业结构的调整使要素资源由收益较低的部门向收益较高的部门流动，在这一过程中，资源可以得到优化配置，从而提升技术效率水平。

（二）长江经济带各城市群异质性分析

从核心解释变量的回归结果来看，在被解释变量为全要素生产率的实证结果中，长三角城市群金融发展及交互项的回归系数分别为-0.0095和-0.0103，但均不显著，而滇中及黔中城市群的回归系数分别为0.0328和0.0286，也均不显著。长江中游及成渝城市群金融发展的回归系数分别为0.0315和0.104，且均在5%的显著性水平下通过了检验，同时金融和实体部门增速差异与金融发展的交互项的系数均在10%的水平下显著为负，也即当金融发展速度超过实体部门增速分别达到95.59%和152.72%时（实际意义远比精确的计算结果重要），金融发展将对长江中游及成渝城市群的全要素生产率产生抑制作用。以上统计特征表明金融发展与全要素生产率之间的非线性的关系仅存在于长江中游及成渝城市群中。

表3 长江经济带各城市群经济增长效率回归结果（分地区）

在被解释变量为技术效率的实证结果中，长三角城市群金融发展的回归系数显著为-0.0216，交互项的回归系数显著为0.0761，长江中游城市群金融发展的回归系数为-0.0098，但不显著，交互项的系数显著为正的0.0692，表明在研究期间金融部门的扩张可能已经降低了长三角及长江中游城市群的技术效率。而成渝、滇中及黔中城市群金融发展及交互项的回归系数均不显著。以上统计特征表明金融发展与技术效率的非线性关系在各城市群中均不明显，这与整体回归结果较为一致。

在被解释变量为技术变动的实证结果中，各城市群金融发展的回归系数分别为0.0219、0.0524、0.0627和0.0307，且均通过了显著性水平检验，同时金融和实体部门增速差异与金融发展的交互项的系数均为负值，除了滇中及黔中城市群，其他城市群均在不同显著性水平下通过了检验。以上统计特征表明金融发展与技术进步存在着非线性关系。通过具体计算发现，长三角、长江中游及成渝城市群金融发展的速度超过实体部门增速分别达到30.08%、50.87%及143.81%时，金融的进一步发展将抑制技术进步。由于技术进步由全要素生产率分解而来，因此，金融发展对全要素生产率的非线性影响主要通过影响技术进步这一渠道来体现。

表4 长江经济带各城市群经济增长效率回归结果（分地区）

从控制变量的回归结果看，不同城市群之间也表现出显著的差异性。外商直接投资对长三角及长江中游城市群的全要素生产率和技术进步均产生了显著的促进作用，但对于所有城市群技术效率的影响均不显著，这可能与西部地区获得的外商直接投资过少有关。政府干预除了对滇中及黔中城市群的全要素生产率和技术效率产生了显著的促进作用外，对其他城市群的全要素生产率及其分解指数均产生了显著的负面效应。可能的解释是对于经济相对落后的云南、贵州各城市而言，政府的财政支出在一定程度上缓解了资本稀缺制约经济增长的瓶颈，对于经济相对发达的其他城市群来说，政府财政支出反而挤出了私人投资，不利于资源的合理配置。人口密度对成渝城市群的技术进步产生了显著的抑制作用，对其他城市群全要素生产率的提升效果并不显著。可能的原因是蜀地复杂的地理环境和不便的交通阻碍了技术的传播和扩散。人力资本分别在5%和1%的显著性水平下抑制了长三角和长江中游城市群的技术进步，回归系数分别为-0.0122和-0.0248，同时分别对长三角的技术效率及长江中游城市群的全要素生产率产生了显著促进和抑制作用，而对其他城市群的经济增长效率影响不显著。经济发展水平无一例外都对各城市群的全要素生产率产生了显著抑制作用，这表明经济增长效率的“收敛”效应同样存在于城市群内部之间，并且主要通过影响技术效率来体现，而对于技术进步来说，较高的人均GDP仅对长江中游城市群产生了显著的促进作用。产业结构升级对长三角的全要素生产率、技术效率及长江中游城市群的技术效率产生了显著的促进作用，回归系数分别为0.102、0.142和0.142，且分别通过10%、5%和1%的显著性水平检验，而对成渝城市群、滇中及黔中城市群的经济增长效率分别有不显著的抑制和促进作用。这也反映出不同城市群所处的工业化时期存在时间差异。

四、结论与政策启示

（一）研究结论

通过DEA-Malmquist指数分解法对长江经济带108个城市的经济增长效率进行测量，并利用2004—2015年的面板数据对金融发展影响经济增长效率的非线性关系进行实证检验，结果显示：

1.长江经济带总体回归结果表明，当金融部门增速超过实体部门增速分别达到44.19%和46.08%时，金融部门的进一步发展将对全要素生产率与技术进步产生显著的抑制作用。金融发展对技术效率的影响系数为-0.0082，而金融发展与金融和实体部门增速差异的交互项的回归系数显著为正的0.0398，表明金融部门相对于实体部门的过快发展已经破环了长江经济带要素资源的有效配置，抑制了技术效率的提升。控制变量中，外商直接投资对全要素生产率及技术进步的回归系数分别为0.392和0.484，均显著为正，但对技术效率反而有不显著的抑制作用；政府干预对全要素生产率及其分解指数均显著为负；人口密度的提升有助于全要素生产率增长和技术进步，但对技术效率不显著；人力资本对全要素生产率及技术进步显著为负，对技术效率不显著；经济发展水平对全要素生产率及技术效率的影响系数分别为-0.0053和-0.0046，均在1%的显著性水平下通过检验，对技术进步的影响系数显著为正的0.0017；产业结构对全要素生产率及技术效率的影响系数均显著为正，但是对技术进步的促进作用并不明显。

2.不同城市群的回归结果表明，对全要素生产率指标而言，当长江中游及成渝城市群金融部门和实体部门增速差距分别超过95.59%和152.72%时，金融的进一步发展将显著阻碍全要素生产率的提升，但这一非线性关系在其他城市群中并未得到明显的体现。对技术效率指标而言，长三角城市群金融发展的回归系数显著为-0.0216，交互项的回归系数显著为0.0761，长江中游城市群金融发展的回归系数为负但不显著，交互项的系数显著为正，表明在研究期间金融的过度发展已经降低了长三角及长江中游城市群的技术效率，而成渝、滇中及黔中城市群金融发展及交互项的回归系数均不显著。对技术变动指标来说，长三角、长江中游及成渝城市群金融发展的速度超过实体部门增速分别达到30.08%、50.87%及143.81%时，金融部门的继续扩张将抑制技术进步，而滇中及黔中城市群金融发展前的回归系数显著为正，交互项的系数不显著，表明进一步提高贵州和云南各城市的金融发展水平可以有效推动技术进步。综上所述，金融发展与全要素生产率增长之间的非线性关系主要体现在金融发展与技术进步的非线性关系上。

（二）政策启示

通过上述研究可知，金融中介的适度发展可以显著提升全要素生产率，而当金融部门增速超过实体部门一定程度时，金融的进一步发展反而抑制全要素生产率增长。由于长江经济带不同城市群之间的金融发展水平、资源禀赋条件、对外开放程度等因素存在显著差异。因此，需要因地制宜制定相应政策。

1.实施差异化的区域金融发展政策，引导资本合理流动。一方面，控制长三角、长江中游城市群金融发展的规模，提升金融、实体部门的适配性，充分发挥金融中介职能，为中小企业特别是科技创新型企业提供多样化的融资渠道，增强金融服务于实体经济的能力；另一方面，引导资本向成渝城市群特别是滇中及黔中城市群转移，发挥金融发展对经济效率的促进作用，以弥补西部地区资本不足的困境。

2.加大财政转移支付力度，减少政府对市场的不当干预。对于市场化程度相对较高的长三角、长江中游及成渝城市群而言，应适当控制政府财政支出规模，优化财政支出结构，减少对市场运行机制的干扰。而对于财政收入较低的滇中及黔中城市群，中央政府应加大财政转移支付力度，增强地方财力，提升城市基础设施水平，营造良好的经济发展环境。

3.促进人口的适度集聚，推动高素质人才的优化配置。适度的人口密度有利于规模经济效应、知识技术溢出效应的发挥，分区域的实证表明，各城市群的人口密度对全要素生产率增长并未起到显著的促进作用。因此，长江经济带各城市应保持适度的人口规模，对于人口密度过高的城市应采取适当措施疏解人口，而对于人口密度过低的城市则应采取措施吸引和留住人口，同时，推动高素质劳动力在空间上的合理分布。