葛 星
(河南财经政法大学 统计与大数据学院,河南 郑州450046)
金融作为现代经济的核心,是宏观调控和资源配置的重要工具,也是推动经济社会发展的重要力量。随着“一带一路”倡议、中国(河南)自由贸易试验区等全面推进,河南省金融业迅速发展,金融业增加值和金融机构数量不断增加,河南省金融聚集已初具规模。基于新历史阶段的金融业特点,研究金融聚集对经济发展的影响,对增强河南省金融服务经济发展的能力具有重大意义。
近年来,国内外学者就金融水平与经济发展之间的关系展开激烈讨论,得出了一些结论,但大都着眼于宏观层面或一线城市,对非一线城市的研究少之又少。本文对河南省各地市金融聚集情况深入分析,研究金融聚集与经济发展之间的关系,并据此提出建议,以期引导金融资源投向和优化金融产业布局,实现全省经济又好又快发展。
金融聚集是指金融资源在发展过程中,随着地域条件的协调发展和变化,在一定地理空间形成密集的过程,即金融行业的各个企业在一定区域聚集的现象,往往是产业聚集的必然结果。在金融聚集区域内,金融资源在各产业、各部门之间进行合理分配,促进资源共享,实现规模效应,金融聚集水平得到提升,也促进了经济发展。
区位熵最早是由外国学者Haggett提出的反映产业聚集的一项重要参数,一般有两个基本假定:“一是假定全部的产业基于同一层次;二是假定其消费、生产消费模式也处在同一层次水平上”,计算公式如下:
其中 LQij表示第 i(i=2009,2010,…,2019) 年 j(j=1,2,…,18)地区的区位熵;Eij表示第 i年 j地区的的金融业增加值;Ej表示j地区的GDP;Ei表示第i年全省金融业增加值;E表示全省GDP。区位熵可用于表示在某区域内金融业的专业化和重要性,当LQ大于1时,可认为在该区域内金融业相对重要且金融业聚集度高于全省平均水平,反之说明该区域内金融业聚集程度低于全省平均水平。由此可以计算出2009—2019年河南省18个地市金融业的区位熵(见表1)。
表1 2009—2019年河南省18个地市金融业区位熵
从横向来看,在河南省18个地市中,郑州、洛阳、平顶山、新乡、安阳2019年度的区位熵值均大于1,三门峡、南阳、信阳的区位熵值较接近于1,说明这些城市的金融聚集程度较高;而濮阳、开封、漯河的区位熵值较小,说明其金融聚集程度较低。郑州作为省会,凭借优越的区位优势,2019年区位熵值达2.13,金融聚集程度远超省内其他地区。
纵向看,2009—2019年,郑州的区位熵值均大于1,洛阳、平顶山、新乡在2014—2019年的区位熵值也大于1,说明这些城市的金融聚集水平相对较高。总体看,河南省18个地市区位熵值存在很大的差别,表明其金融业发展不均衡,金融聚集水平存在较大差异;河南省的金融发展主要集中于省会及中部地区,其他地区金融发展较慢,金融实力较弱。
经济与金融是相辅相成、相互促进的关系。经济发展是金融发展和聚集的前提,同时也促进着金融业的发展。近年来,面对严峻复杂的经济环境和艰巨繁杂的改革任务,河南省始终坚持稳中求进工作总基调,以供给侧结构性改革为主线,以高质量发展为根本方向,全省经济运行呈现总体平稳、稳中有进的发展态势(见图 1)。
由图1可以看出,2009—2019年,河南省GDP和人均GDP逐年攀升,但从2011年起,受全球经济低迷影响,经济下行压力较大,人均GDP增长率增速放缓。
图1 2009—2019年河南省GDP、人均GDP及增速
为了研究河南省金融聚集对经济发展的具体影响,本文利用2009—2019年河南省18个地市的面板数据和各地市数据分别建立逐步回归模型。将经济发展水平作为被解释变量,本文选取的被解释变量为人均GDP。将金融业的聚集水平作为解释变量,本文选取的解释变量为区位熵值。另外,为准确分析经济发展水平受金融聚集程度的影响,我们选取三个控制变量。
经济学上经常把投资、消费、出口比喻为拉动经济发展的“三驾马车”,故可选取这三个方面的控制变量。但对于河南来说,出口在GDP中所占比重并不高,所以暂不考虑这方面的影响。另外,随着科学技术的发展,创新能力逐渐成为衡量一个地区经济发展潜力的重要因素,并且产业创新能力的提升将直接促进产业聚集和经济发展,所以将创新能力纳入考虑范围。综上所述,选取的控制变量分别为资产投入、消费水平和创新能力指标。本文选取全社会固定资产投资来衡量资产投入水平,选取居民家庭人均消费支出来衡量消费水平,选取研究与试验发展经费支出和专利申请数来衡量创新能力(见表2)。
表2 变量选取与说明
本文数据主要来源于2009—2020年《河南统计年鉴》《河南省国民经济和社会发展统计公报》。
由于数据量纲及单位不同,需要用标准化方法来消除数据之间的量纲影响,以进行综合对比分析。本文采用Z-score方法对数据进行标准化处理,使得样本数据服从标准正态分布。
逐步回归是一种搜寻过程,也是避免多重共线性的方法之一,本文采用逐步回归方法对控制变量进行选择。首先对标准化后的人均GDP和区位熵以及区位熵的平方进行回归,再利用逐步回归的方法对控制变量进行选择,得到回归结果见表3。
表3 金融聚集对经济发展的回归结果
回归方程为:
LQ的回归系数为-0.6128,LQ2的回归系数为0.4812,在1%置信水平下显著,说明在金融聚集初期,金融聚集程度与人均GDP呈负相关,并没有对经济发展起到推动作用,但当金融聚集到一定程度,就会对经济发展起到显著推动作用。控制变量CE和R&D的系数分别为0.5644和0.4072,且在1%置信水平下通过了检验,说明居民家庭人均消费支出和研究与试验发展经费支出的增加会促进人均GDP的增长。
通过前面对河南省金融聚集现状的分析,发现各个地区金融聚集水平差异明显,故将河南省各地市分为高金融聚集地区和低金融聚集地区。选取在金融聚集现状分析中区位熵大于1且排名靠前的四个城市为高金融聚集地区城市,包括郑州、洛阳、平顶山、新乡;选取排名靠后的的四个城市为低金融聚集城市,包括开封、鹤壁、漯河、许昌,分别建立逐步回归模型,具体分析各区域内金融聚集对经济发展的影响。
1.高金融聚集地区回归分析
利用2009—2019年郑州、洛阳、平顶山和新乡的相关数据,以人均GDP为因变量,区位熵为自变量,全社会固定资产投资(FI)、居民家庭人均消费支出(CE)、研究与试验发展经费支出(R&D)和专利申请数(PA)等数据为控制变量,建立回归模型。回归结果见表4。
表4 高金融聚集地区回归结果
回归方程为:
可以看出整体模型通过显著性检验,且拟合程度较好。在5%的显著性水平下,区位熵对人均GDP具有正向促进作用,回归系数为0.1458,说明高聚集地区城市区位熵提升1个单位,人均GDP会提升0.1458个单位;专利申请数和居民家庭人均消费支出对人均GDP的影响为正,说明提升居民消费能力、推动金融创新,有助于实现经济发展。
2.低金融聚集地区回归分析
利用2009—2019年开封、鹤壁、漯河和许昌相关数据,建立回归模型,回归结果见表5。
表5 低金融聚集地区回归结果
回归方程为:
可以看出模型通过显著性检验,且拟合程度较好。在5%显著性水平下,区位熵对人均GDP具有正向促进作用,回归系数为0.1787,即低聚集地区区位熵每提升1个单位,人均GDP会提升0.1787个单位,与高金融聚集地区回归结果相比,低金融聚集地区金融聚集对经济发展的促进作用更强,且全社会固定资产投资和居民家庭人均消费支出对人均GDP的影响为正,说明提升居民消费能力、扩大固定资产投资,会促使金融聚集区内企业扩大生产,提供更多的消费品,推动总体经济发展水平上升。
河南省各地市金融聚集程度存在较大差距,金融业发展不平衡,其中郑州市的金融聚集水平远超省内其他城市。
金融聚集对经济发展具有促进作用,并且低金融聚集地区金融聚集水平对城市经济发展的促进效果大于高金融聚集地区。这与金融聚集对经济发展的边际效应递减规律有关,随着金融业的发展,金融聚集水平越来越高,但其所能提高经济发展的效果越来越弱,但仍是正向的。
在不同金融聚集区内,各地区经济发展影响因素存在差异。通过比较高金融聚集地区与低金融聚集地区的回归结果,发现创新能力的提高有利于帮助高金融聚集地区促进当地经济发展,而全社会固定资产投资有利于帮助低金融聚集地区促进当地经济发展。因此,对于不同聚集程度区域内的城市,相关部门应该因地制宜,制定合适政策,以提高其金融聚集水平,促进经济健康发展。
河南要扩大金融聚集的广度,实现“点带面”式发展,缩小地区差异;又要不断加深金融聚集的程度,增强金融综合实力,实现经济可持续发展。
1.合理配置金融资源,促进金融业均衡发展。要统筹规划河南省金融业的发展,兼顾经济较为发达和欠发达地区,可适当降低欠发达地区的金融市场准入门槛,提供优惠政策,引导金融资源向欠发达地区流动。
2.因地施策,引导金融业遍地开花。高金融聚集地区与低金融聚集地区的金融聚集对城市经济发展的促进效果存在一定差异,因此要根据全省及各地市特点发展金融,对于金融发展较慢的城市在增强其创新能力的基础上还要增加固定资产投入,以促进当地经济进一步发展。
3.扩大金融规模,优化金融市场环境。制定推动金融业健康发展的政策,扩大河南省金融市场规模,提高金融业增加值,提升全省金融业竞争力。在规模扩大的同时,要培养金融人才,营造良好的法律环境,完善金融业监管政策,确保金融业健康、有序发展。