金融发展的角力:金融集聚与金融排斥的非对称空间溢出效应分析

丁 鑫 周 晔

内容提要：中国区域经济发展差异不仅体现在东西之间与南北之间，相邻地区的发展差异也尤为突出，而金融发展中集聚与排斥效应的角力是不可忽视的因素。本文通过检验2004—2018年31个省份金融集聚与金融排斥对经济增长的影响，发现金融集聚与金融排斥存在非对称空间溢出效应：相较于金融集聚，金融排斥的负向溢出效应更为显著，但是金融集聚能够有效缓解金融排斥对经济增长的负向作用。进一步剖析发现，在相邻地区金融资源的势差分布中，金融集聚的虹吸效应激发了金融排斥，由此形成非对称空间溢出效应，并且这种效应具有长期性特征，在人口密度较高的地区较为显著。此外，金融集聚的溢出效应源于金融效率的优化，金融排斥的溢出效应源自深化地理排斥、评估排斥和条件排斥。本文研究结论为解决中国区域经济协调发展中存在的不平衡问题、增强区域经济增长动力提供有益的政策启示。

一、问题提出

经济发展不平衡一直以来都是中国区域间协调发展亟待解决的基本问题，在双循环新发展格局下寻找新的经济增长点是破解这一难题的关键。在中央不断强调经济活力与金融发展紧密关联的背景下①，金融的空间作用日益受到各界重视，人们逐渐认识到金融稳定和发展才能推动经济持续增长。金融稳定和发展意味着金融结构的稳定和深化[1]，从空间地理的视角研究金融结构，深入挖掘金融产业的地理分布特征和空间溢出效应，对金融地理学的研究具有重要的理论贡献与应用价值。

集聚与排斥是金融产业的空间特征，伴随着金融发展互相作用。2008年国际金融危机后英国的金融业更加集中于中心区域的大城市[2]，而全球金融资源也以伦敦-纽约为轴不断强化聚集。金融排斥同样在全世界范围内普遍存在[3]，金融排斥会使经济和金融发展产生相互抑制的“马太效应”，造成区域经济发展的不平衡。学者从多个方面分析了金融集聚与金融排斥的空间溢出效应，如从企业、行业、地理空间层面研究金融集聚[4-5]，从居民、企业、地理空间层面研究金融排斥[6-8]。那么，在金融集聚与金融排斥均有显著空间溢出效应的情况下，二者的相互作用及各自对经济增长的空间溢出效应到底如何？换言之，金融业的空间特征必然表现为金融集聚与金融排斥同时存在，研究金融产业的空间结构与溢出效应不应该只关注单一方面。金融集聚与金融排斥的空间相关性到底如何？就目前的文献而言，这类问题并未得到深入讨论。

为填补这方面研究的不足，本文采用空间面板模型分析金融集聚与金融排斥的空间溢出效应，按照地理邻接关系0-1权重、地理距离权重、嵌套权重构建空间权重矩阵，分析金融集聚与金融排斥的空间相关性。本文分别采用空间滞后模型、空间误差模型、空间杜宾模型检验金融集聚与金融排斥的非对称空间溢出效应，并进行一系列稳健性检验，保证研究结果的可靠性。此外，本文将进一步探讨非对称空间溢出效应产生的原因，采用动态空间面板分析非对称效应的动态过程。最后，将通过对金融集聚和金融排斥的空间溢出机制的探讨，揭示出金融集聚与金融排斥影响经济增长的路径。

本文的主要贡献在于：(1)拓宽了金融产业的空间结构研究视角，从金融集聚与金融排斥的相互作用角度出发，分析二者的空间相关性，完善金融空间结构影响经济增长的机理链条，全面分析金融产业的空间溢出效应；(2)通过分析金融集聚与金融排斥非对称空间溢出效应的形成及动态过程，揭示中国区域协同发展中长期存在不平衡的重要原因——金融资源的势差分布造成的金融虹吸效应，为缓解诸多地区协调发展中的两极分化问题提供新的思路；(3)对金融集聚与金融排斥的空间溢出机制进行分析，找出其中重要的空间溢出路径，有助于针对中国金融产业的空间分布特征，充分发挥地区金融分布的优势，为优化经济增长动力提供政策建议。

本文其余部分的结构安排如下：第二部分回顾相关文献，分析金融集聚与金融排斥的相互作用机理；第三部分设计金融集聚和金融排斥指数，并分析金融集聚与金融排斥的空间相关性；第四部分介绍模型构建、变量设计及描述性统计；第五部分报告主要的实证结果及稳健性检验结果；第六部分为进一步的原因分析和异质性讨论；第七部分为结论与启示。

二、文献综述与理论分析

有关金融地理学的研究早在20世纪70年代就已经出现[9]，随后20世纪90年代新经济地理学的兴起使学者们更加关注金融产业的空间特征[10-12]，越来越多的研究发现金融中心具有空间层次分布特征，并且依托信息技术的发展呈现出更加显著的区位集中趋势[13]。尽管高度发达的信息技术能够克服金融活动的地理空间限制[14]，甚至有学者宣称“地理学终结”[15]，但是由于金融行业存在着契约性、密集性以及非标准化信息等因素，金融发展并未走向所谓的“地理学终结”，金融产业的空间溢出效应依然存在区域边界的限制[16]。

(一)金融集聚的空间溢出效应及其理论机制

金融集聚是现代金融产业组织的基本形式，有关金融集聚的空间溢出效应研究多从其形成原因展开讨论。金融集聚是金融资源向发达地区高度集中的结果，而其驱动因素就是金融资源的自由性、趋利性、高速流动性[17]。金德尔伯格(Kindleberger，1974)[18]首次提出“金融集聚”的概念，随后学者们从不同角度研究金融集聚对经济增长的影响，如从抑制汇率波动[19]、资本累积和技术创新[20]、储蓄效应、投资效应、资源配置效应[21]等方面分析优化经济增长的条件。金融集聚的过程中首先产生的是规模经济效应，金融资源向发达地区不断集中形成了规模经济，金融集聚不仅提高了本地资金的融通效率，也加速了不同地区之间的资金融通，提高了区域资源配置效率，进而通过规模效应向外部溢出。在这个过程中，金融集聚促进了资源优化配置，并通过金融知识、信息和技术的结合产生创新激励效应，提高金融服务效率[22]，并不断循环累积，强化人力、技术、资本等金融要素空间上的集聚，从而产生强大的溢出效应[23]，这种溢出通过辐射和扩散不断影响着经济增长。但是金融集聚的辐射效应和扩散效应受制于地理空间距离的大小和信息传输的强弱，地理距离会制约科学技术向周边地区扩散[24]，非标准化信息也无法避免远距离传输带来的信息衰减问题，金融集聚的溢出效应具有显著的局部空间依赖性。

国外学者对金融集聚的空间溢出效应的研究多从国家(区域)层面展开。鲍德温等(Baldwin et al.，2003)通过全局溢出模型分析美国金融集聚对周围地区的辐射效应[25]。科图尼奥等(Cotugno et al.，2013)发现意大利企业在金融危机时期的信贷可得性依赖于其与银行信贷中心的距离[26]。国内学者主要从全国和区域的角度分析金融集聚的溢出效应。任英华等(2010)发现金融集聚在中国28个省份中存在着较强的空间依赖性[27]。施卫东和高雅(2013)则研究了长三角地区金融集聚对产业结构升级的影响[28]。唐松(2014)对东、中、西部地区的金融集聚空间溢出情况进行了分析，进一步验证了金融集聚的空间溢出效应[29]。何宜庆和吕弦(2015)研究了环渤海、珠三角、长三角三大经济圈的金融集聚溢出效应[30]。

(二)金融排斥的空间溢出效应及其理论机制

莱申和思里夫特(Leyshon & Thrift，1993)提出：由于地理空间的限制，部分特定人群不能获得正规的金融服务，从而出现了金融排斥现象[31]。金融排斥随后在学界引起了广泛的关注。一方面，受限于金融机构的地理区位[32]，金融排斥程度较高的地区金融服务无法获得改善，造成当地人群的金融服务缺失[33]；另一方面，金融服务的缺失也与人群的受教育程度密切相关，受教育程度越高的人群往往更容易接受新的金融服务，易产生金融服务需求[34]。此外，经济落后地区相比经济发达地区而言金融排斥程度更高[35]，在中国具体表现为西部地区相较于东部地区而言金融排斥更加严重[36]。

测度金融排斥的代表性方法是肯普森和怀利(Kempson & Whyley，1999)提出的六维评价标准，即地理排斥、价格排斥、评估排斥、条件排斥、营销排斥和自我排斥[37]。策布拉(Cebulla，1999)则根据金融排斥的形成原因将其分为结构排斥和主体排斥[38]。在金融排斥的地理空间差异方面，国外学者针对美国[39]和英国[40]开展了广泛研究。国内一些学者分析了中国农村地区以及东西部地区金融排斥的空间差异，并进一步探讨了这种空间差异的形成原因，且通过对金融排斥波动情况的测算，验证了金融排斥在城乡之间的空间溢出效应[41-42]。徐少君和金雪军(2009)通过构建金融排斥指数，验证了中国东西部地区之间的溢出效应[43]。粟芳和方蕾(2016)从供需的角度分析了中国农村地区金融排斥的空间差异[44]。多数文献从省级区域，如云南[45]，以及全国层面[46]讨论金融排斥的空间溢出效应，而在县域层面也有学者进行了进一步的挖掘[47]。

(三)金融集聚与金融排斥的空间溢出效应及理论机制

金融集聚是金融产业的基本组织形式，针对不同地区及不同层面的研究均表明，金融集聚对经济增长有着显著的空间溢出效应。金融排斥是特定人群被排斥在金融服务体系之外的现象，金融排斥对经济增长的空间溢出效应同样在不同地区及不同层面得到了验证。然而，已有文献缺乏对金融集聚与金融排斥的对比研究，尤其缺乏对二者之间的相互作用以及二者共同影响经济增长的分析。

金融集聚与金融排斥共同影响着经济增长，亚历山德里尼等(Alessandrini et al.,2010)指出，分散化的金融体系可以使边缘地区的企业避免金融排斥的负向效应[48]，换言之，金融集聚越高的地区，其边缘地区金融排斥的负向效应就会越显著。一个地区内金融集聚与相邻区域内金融分散的趋势并存，中心地区金融集聚的高低影响着边缘地区的金融排斥效应，二者影响的具体群体却并不相同，一方面受金融集聚影响的群体在一般意义上不存在金融排斥，另一方面受金融排斥的人群很难享受到金融集聚的红利，但是二者同时存在于同一地区，共同影响经济增长。

如图1所示，金融集聚由金融资源向中心地区聚集形成，金融排斥则由于金融资源在边缘地区分散分布而产生。在区域内部金融资源总量既定不变的假定下，金融集聚程度提高导致的虹吸效应，使得中心地区进一步吸收了边缘地区的金融资源，致使金融资源更加分散，金融排斥现象加重，即金融集聚会强化金融排斥现象。此外，金融集聚与金融排斥的直接效应体现在本地区，溢出效应体现在周围地区，影响着当地及周围地区经济的发展。金融集聚对经济增长产生正向作用，金融排斥对经济增长产生负向作用，它们的空间溢出效应存在着相互间的角力。空间溢出效应受限于地理距离对金融交易的影响，地理距离的增大不仅会提升交易成本，也会加剧信息不对称。信息不对称导致信息会随着地理距离的增加而逐渐衰减；尤其是非标准化信息，失真程度更加严重。因此，金融集聚与金融排斥的空间溢出效应受到地理距离等因素的影响，形成非对称空间溢出效果。

图1 金融集聚与金融排斥空间溢出效应

需要指出的是，金融集聚的空间溢出效应受地方保护主义的影响，存在一定的区域边界。尽管市场化程度不断提高，但是市场分割、行政区经济等现象依然普遍存在，省级区域管理界限仍然在很大程度上影响着区域间的协调发展。地方保护主义产生的主要原因在于财政分权体制下地方政府之间的“国内生产总值(GDP)赛跑”等因素，加之金融资源的相对稀缺性，从而导致金融集聚与金融排斥的空间溢出效应受限于地理距离的长短。金融集聚与金融排斥的空间溢出效应相互角力，成为影响地区经济发展的重要因素。

三、金融集聚、金融排斥的空间相关性分析

(一)样本选择依据与数据来源

本文按照最大程度反映金融集聚与金融排斥真实水平和数据可得性两个原则，选择2004—2018年31个省份(不包括香港、澳门、台湾)的面板数据，构建金融集聚与金融排斥指标体系，尽可能全面地衡量金融集聚与金融排斥。数据来源为国家统计局、《中国金融统计年鉴》《中国农村统计年鉴》《中国统计年鉴》、万得(Wind)数据库、中国银行保险监督管理委员会官网、地方统计年鉴以及地方统计公告所公布的数据。

(二)金融集聚、金融排斥指数设计

1.金融集聚

根据对主流文献的梳理可知，已有研究主要以区位熵、赫芬达尔指数以及产业集中度等作为金融集聚的测量指标。这些指标均为非经济综合指标，很难反映金融集聚的真实水平。因此，本文采用综合评价法，通过构建金融集聚评价指标体系计算出金融集聚综合指数，以最大程度反映金融集聚的真实水平。本文按照金融资源的经济属性、基础核心属性、实体中介属性，在金融集聚的测量上确定宏观经济环境、金融资源集中度、银行业集中度、保险业集中度、证券业集中度五个一级指标，并选取对应的二级指标进行金融集聚指数指标体系的构建。金融集聚评价指标体系如表1所示。

表1 金融集聚评价指标体系

2.金融排斥

本文金融排斥指标的选择和构建借鉴肯普森和怀利[37]提出的六维评价标准，即地理排斥、价格排斥、评估排斥、条件排斥、营销排斥和自我排斥。由于消费者对金融服务的需求受金融产品价格的影响不大，因此排除掉了价格排斥。金融排斥评价指标体系如表2所示。

表2 金融排斥评价指标体系

(三)金融集聚、金融排斥的空间相关性分析

1.空间权重矩阵

空间权重矩阵的设计是进行空间计量分析的关键。“0-1”邻接空间权重表示区域是否存在直接相邻的空间关系，该空间权重矩阵构造方法为：如果省份i和省份j相邻，则取值为1；如果省份i和省份j不相邻，则取值为0。地理距离空间权重表示区域直接地理距离远近的空间关系，地理距离权重以各省份省会城市的经纬度为基础，测算两个省份之间的距离 ，通过对距离的平方取倒数来构建空间权重矩阵。嵌套空间权重将地理和经济要素结合，能够在一定程度上反映空间效应的综合性及复杂性。权重用ωij表示。

2.全局空间相关性分析

其中，n为研究区域内的地区总数，本文选取31个省份；Wij为空间权重矩阵(度量省份i和省份j的空间关系)；xi、xj为省份i和省份j的金融集聚(排斥)水平，本文设定为各省份的金融集聚(排斥)综合指数；x和S2分别代表金融集聚(排斥)的均值和方差。莫兰指数的取值一般在-1到1之间，大于0为正相关，表示相似的属性值趋向于集聚在一个区域；小于0为负相关，表示相异的属性值趋向于集聚在一个区域；接近于0，则表示属性值是随机分布的或者没有空间自相关性。本文按照三种权重分别计算了2004—2018年金融集聚(排斥)的全局莫兰指数，结果如表3所示。2004—2018年31个省份的金融集聚和金融排斥的全局莫兰指数均大于0，大多数在1%的水平下显著，说明31个省份的金融集聚和金融排斥存在显著的空间自相关。在这三种空间权重中，地理距离权重最能反映金融集聚与金融排斥的空间关联，据此，本文采用地理距离权重进行空间权重矩阵的构建。从发展演变来看，全局莫兰指数总体保持在0.2左右的显著水平，表明各省份的金融集聚(排斥)有显著的正向空间相关性，即在地理上呈现出金融集聚(排斥)程度高(低)的地区和金融排斥高(低)的地区在地理上邻近。

表3 三种权重下金融集聚、金融排斥的空间相关性检验

3.局域空间相关性分析

运用莫兰散点图进行局域的空间相关性检验，将各地区金融集聚的取值点划分成四个象限，分别对应于区域单元与其邻近区域之间四种类型的局部空间联系形式。为具体分析各地区的空间依赖情况，本文分别考察了2004—2018 年31个省份金融集聚和金融排斥指数的莫兰散点图。局部莫兰散点图的四个象限确定了四种不同类型的金融集聚空间相关性。具体结果如图2所示(1)由于篇幅限制，本文只展示了2018年的局部莫兰散点图，其余年份的莫兰散点图备索。2004—2018年金融集聚的局域空间分布并未发生较大变化，呈现稳定不变的趋势。。

图2 2018年金融集聚莫兰指数

以2018年为例，该年的金融集聚空间分布中，处于高-高区域的有上海、江苏、浙江、湖南、湖北、福建等地，这些省份属于自身及周边地区金融集聚水平都较高的集群，尤其以长三角地区为代表，并且均集中于东部地区；处于低-低区域的有西藏、宁夏、青海、新疆、甘肃、云南、广西等地，这些省份属于自身及周边地区金融集聚水平都较低的集群，尤其是以西北地区和少数民族地区为代表，并且均集中于西部地区，符合中国金融集聚整体分布的特征。处于高-低区域的主要代表地区有广东(珠三角地区高金融集聚地区)、北京(京津冀地区高金融集聚地区)及辽宁(京津冀地区周围低金融集聚地区)；处于低-高区域的主要代表地区有天津、山西、内蒙古、海南(珠三角地区周围低金融集聚地区)。总体来看，中国金融集聚的分布还是主要以高-高和低-低分布为主，高-高地区主要集中于东部地区，处于低-低分布的地区主要位于西部地区和少数民族地区。此外，中国还存在着明显的高-低和低-高的分布集群，这种分布主要体现在京津冀周边区域(以北京为金融辐射中心)，珠三角周边区域(以广东为金融辐射中心)，成渝周边区域(以重庆、成都为金融辐射中心)，这些地区的共同特征是周边地区与金融中心存在明显的水平差异，本文把这些地区统称为金融集聚的“势差区域”(2)“势差”是2019年公布的物理学名词，用于解释电磁学中的电势差。不同领域对于该词进行了引用，用以表示两种极端分化。本文用于表示邻近地区之间金融集聚(排斥)的高低极端分化分布。由于金融集聚的虹吸效应主要造成了势差分布，因此采用金融集聚的莫兰散点图划分。。金融的趋利性使金融集聚得到强化，虹吸周边地区的金融资源，进一步激发了周围地区的金融排斥现象，导致这种势差分布更加显著。

四、研究设计

(一)模型设计

根据地理学第一定理，事物之间的地理关联与其空间距离相关，越是邻近的事物之间关联程度越高。本文借鉴安瑟兰(Anselin，1988)[49]的空间滞后(SAR)模型和空间误差(SEM)模型分析金融集聚和金融排斥的空间溢出效应。

为了全面地分析金融集聚(排斥)对经济增长的影响，本文采用空间滞后模型、空间误差模型、空间杜宾(SDM)模型三种模型检验金融集聚(排斥)的溢出效应，模型构建如下：

(1)

(2)

(3)

为了进一步检验金融集聚与金融排斥的空间溢出效应，构建模型如下：

(4)

(5)

(6)

其中，模型(1)—模型(3)分别采用SAR、SEM、SDM检验金融集聚(排斥)对经济增长的溢出效应，模型(4)—模型(6)分别采用SAR、SEM、SDM检验金融集聚与金融排斥的空间溢出效应，在具体分析时，需要将FinAggit代替为FinExcit进行二次回归。W表示选择的地理距离空间权重矩阵，矩阵内元素为省份之间的地理距离，Pgdp表示人均地区生产总值，FinAgg表示金融集聚水平，FinExc表示金融排斥水平，FinAgg×FinExc表示金融集聚与金融排斥的交互作用，WPgdp表示人均地区生产总值的空间滞后项，WFinAgg表示金融集聚的空间滞后项，WFinExc表示金融排斥的空间滞后项，WFinAgg×FinExc表示金融集聚与金融排斥交互作用的空间滞后项，Control表示控制变量，μi和λt分别表示个体固定效应和时间固定效应，ε表示误差项，Wε表示随机误差的空间滞后项。

(二)变量设计及描述性统计

本文选择人均GDP衡量地区的经济增长水平，记为Pgdp；选择金融集聚指数和金融排斥指数来衡量金融集聚水平和金融排斥水平，分别记为FinAgg、FinExc；模型中影响经济增长的主要控制变量包括政府干预(GovInt)、消费水平(ConLevel)、投资水平(InvLevel)、产业结构(IndStr)、对外开放度(Open)、交通基础设施(TranInfra)以及信息化水平(InforLevel)。所有变量均经过1%和99%水平下的缩尾处理，变量定义如表4所示。

表4 变量定义

表5报告了变量描述性统计结果。经济增长水平最小值为8.313，最大值为11.860，说明各省份经济发展水平存在差异，区域经济发展水平不平衡的问题普遍存在。金融集聚最小值为0.010，最大值为0.640，说明各省份金融集聚程度差异较大，各省份金融发展水平不平衡。金融排斥最小值为0.036，最大值为0.351，各省份金融排斥程度差异依然较大。整体来看，样本数据具备平稳性。

表5 变量描述性统计

五、金融集聚、金融排斥的空间溢出效应分析

(一)基准回归

在模型估计之前进行豪斯曼(Hausman)检验，结果显示采用固定效应；似然比(LR)、拉格朗日乘数(LM)检验结果均显示存在空间效应，需要采用空间面板模型进行分析；沃尔德(Wald)检验结果显示空间杜宾模型适用于本文的研究(3)由于篇幅限制，本文不再进行检验结果的展示。。为了保证回归结果的准确性，本文采用极大似然估计法(MLE)进行模型估计。

金融集聚、金融排斥对经济增长溢出效应的实证检验结果如表6所示。列(1)—列(3)分别通过空间滞后模型、空间误差模型、空间杜宾模型检验金融集聚对经济增长的影响，列(4)—列(6)分别通过空间滞后模型、空间误差模型、空间杜宾模型检验金融排斥对经济增长的影响。结果显示：一方面，无论是考虑经济增长的空间因素，还是考虑误差项存在的空间因素，或是同时考虑金融集聚和经济增长的空间因素，金融集聚对经济增长的影响都在1%的水平下均显著为正，说明金融集聚能够有效促进经济的增长。金融集聚有效地将各种技术、资本、人力、信息等金融要素集中于地区的中心，提高地区的资源配置效率和金融服务效能，并通过辐射效应扩散至整个地区，显著提升地区生产率。金融支持实体经济的效率提升，促进地区的经济增长。另一方面，金融排斥对经济增长的影响显著为负，说明金融排斥在一定程度上抑制了经济增长，金融排斥导致被排斥人群获得金融服务的难度提升，显著降低排斥群体的生产效率。客观地理条件导致的金融排斥使得金融机构不愿意将金融服务发展至受排斥地区，金融要素的偏离提高地区金融交易成本，从而抑制地区经济增长。在控制变量方面，政府干预力度越大，经济增长越缓慢，说明过度的财政干预对经济增长带来负面影响。投资水平、消费水平、信息化水平、产业结构、交通便利程度的回归系数均显著为正，说明这些因素能够有效促进经济增长。控制变量的符号与现实情况和理论预期相一致，说明模型构建科学合理。在空间滞后项方面，经济增长、随机误差、金融集聚和金融排斥的空间滞后项系数均在1%的水平下显著，因此验证了金融集聚和金融排斥具有显著空间溢出效应。

表6 金融集聚、金融排斥的经济增长溢出效应

表6(续)

进一步对空间杜宾模型进行分解，得到相关的空间分解效应数值，如表7和表8所示。一方面，金融集聚对经济增长的直接效应(对本地的直接影响)和间接效应(对其他地区的溢出效应)均显著为正，说明金融集聚具有显著的正向空间溢出效应，金融集聚效应辐射至周围地区，促使周边地区获得金融资源集聚的红利，提升信息传播、资金融通、资源协调配置效率，显著促进周边地区经济增长。另一方面，金融排斥的直接效应、溢出效应和总效应均显著为负，说明金融排斥具有显著的负向空间溢出效应。客观地理条件导致的金融排斥不会随行政区域的划分而改变，邻近的地理条件恶劣地区会同时被金融机构所排斥，也就是说金融资源不会因行政区域的改变而青睐周边的受排斥地区。此外，受排斥人群的人际关系纽带在不同地区传播主观排斥意愿，受排斥人群的知识盲区放大金融产品的风险，导致周边地区更多人群转变为主观排斥金融服务，生产效率由此降低，显著抑制周边地区经济增长。

表7 金融集聚的空间杜宾偏微分分解效应

表8 金融排斥的空间杜宾偏微分分解效应

金融集聚具有显著的正向空间溢出效应，金融排斥具有显著的负向空间溢出效应，二者的空间溢出效应对冲后是否存在净空间溢出效应？为了进一步探究金融集聚与金融排斥的相互作用，在模型中引入金融集聚与金融排斥的交乘项，检验二者对经济增长的共同作用。具体检验结果如表9和表10所示。在三个模型中，金融集聚对经济增长的影响均不显著，金融排斥对经济增长的影响均在1%水平下显著为负，说明金融排斥的影响大于金融集聚，金融排斥的负向作用在对冲金融集聚的正向作用后，仍能显著地抑制经济的增长。分解检验显示，无论是直接效应还是间接效应，都表明金融集聚的影响不显著、金融排斥的影响显著为负，说明金融集聚与金融排斥存在显著的非对称空间溢出效应。金融排斥的负向作用大于金融集聚的正向效应，二者的溢出效应对冲后仍然呈现出负向的溢出效应。金融集聚与金融排斥交乘项的空间溢出效应显著为正，说明金融集聚一定程度上缓解了金融排斥对经济增长的负向空间溢出效应，金融集聚的辐射效应会覆盖部分受排斥地区，进而有效缓解了金融排斥对经济增长的负面影响。然而，由于金融集聚是金融资源趋利性自发集聚的结果，当金融集聚增强时，中心地区因金融集聚的虹吸效应会进一步吸收周围地区的金融资源，加剧了周边地区的金融排斥现象，因此金融排斥相较于金融集聚更加显著，这也在一定程度上解释了国家一直倡导区域经济协调发展，但是区域经济发展不平衡问题却日益凸显的现实。

表9 金融集聚与金融排斥的非对称空间溢出效应

表10 金融集聚与金融排斥的非对称空间溢出杜宾分解效应

(二)稳健性检验

为验证上述结论的稳健性，采用如下方法进行稳健性检验。

第一，替换空间权重。本文在空间自相关检验中分别采用了0-1邻接权重、地理距离权重和嵌套权重，基准回归中采用了直接反映金融集聚与金融排斥空间因素的地理距离权重矩阵。本文选择嵌套权重替换地理距离权重进行稳健性检验。

第二，替换经济增长衡量指标。基准回归中采用人均GDP衡量经济增长水平，人均GDP采用当期价格。为了消除价格波动带来的因素，采用以2000年为基期的人均GDP平减指数替换经济增长的衡量指标。

第三，替换金融集聚与金融排斥的衡量指标。本文在构建金融集聚和金融排斥指标体系的基础上采用金融集聚指数和金融排斥指数。由于区位熵、赫芬达尔指数、空间基尼系数等指标并不能客观反映金融集聚的真实水平，本文采取熵值法进行指标加权，采用经计算得到的综合指数替换金融集聚指数，并使用变异系数法进行金融排斥指数的计算。

第四，同时替换经济增长、金融集聚、金融排斥的衡量指标。将经济增长替换为人均GDP平减指数，金融集聚、金融排斥的计算方法同上述第三种稳健性检验方法。

上述四种稳健性检验的结果(受篇幅所限，此处略，备索)一致表明，金融集聚与金融排斥存在显著的非对称空间溢出效应，验证了实证结论的稳健性。金融集聚与金融排斥具有非对称的空间溢出效应，二者的共同作用表现为金融排斥显著抑制周围地区经济增长，金融集聚缓解了金融排斥的负向空间溢出效应。

六、进一步讨论

(一)金融集聚与金融排斥非对称空间溢出效应的原因分析

在局域空间自相关分析中可以发现，中国金融资源的分布存在着高-低区域与低-高区域的势差分布。金融集聚的虹吸效应在势差分布地区尤为明显，中心地区进一步吸收了周围地区的金融资源，激发了金融排斥现象，产生了非对称空间溢出效应。据此，本文将高-低区域与低-高区域定义为“势差地区”，将高-高区域与低-低区域定义为“非势差地区”，分析金融集聚与金融排斥的非对称空间溢出效应的原因和表现。检验结果如表11和表12所示，空间杜宾模型空间滞后项系数ρ均显著，对其进行分解后发现非势差地区的金融集聚与金融排斥及二者的交乘项的间接效应均不显著；势差地区的金融集聚间接效应不显著，金融排斥的间接效应显著为负，金融集聚与金融排斥交乘项的间接效应显著为正，与基准回归结果一致，说明金融集聚与金融排斥的非对称空间溢出效应来自“势差地区”。金融资源的“势差分布”导致中心地区的虹吸效应强化，进一步加剧金融排斥现象，金融排斥的负向影响超过了金融集聚的正向影响，形成非对称空间溢出效应。

表11 金融集聚与金融排斥的非对称空间溢出效应原因

表11(续)

表12 金融集聚与金融排斥非对称空间溢出效应原因分解效应

(二)金融集聚与金融排斥非对称空间溢出效应的动态分析

金融集聚过程存在着长期与短期的差异，金融排斥现象也有所不同，本文进一步检验金融集聚与金融排斥的非对称空间溢出效应的短期和长期影响效果。构建动态空间面板(DSAR、DSDM)模型如下：

(7)

(8)

动态空间面板模型能够分解出不同期限的非对称空间溢出效应，金融集聚与金融排斥非对称空间溢出效应的动态检验结果如表13和表14所示。短期内，金融集聚与金融排斥的直接效应、间接效应以及二者交乘项的空间溢出效应均不显著，说明金融集聚与金融排斥对经济增长的影响(无论是对当地的直接影响还是对其他地区的溢出影响)在短期内均不显著；从长期来看，金融集聚的空间溢出效应不显著，金融排斥的空间溢出效应显著为负，交乘项的空间溢出效应显著为正，说明金融集聚与金融排斥的非对称空间溢出效应存在长期性，金融集聚缓解金融排斥的负向溢出效应在短期内的作用较小，但是长期却可以逐渐发挥作用。说明金融集聚与金融排斥均是金融长期发展产生的结果，二者对经济增长的影响必然是缓慢显现的，因此金融集聚与金融排斥的非对称空间溢出效应在长期较为明显。

表13 金融集聚与金融排斥的非对称空间溢出效应动态分析

表13(续)

表14 金融集聚与金融排斥的非对称空间溢出效应动态空间杜宾分解

(三)金融集聚与金融排斥的非对称空间溢出效应的区域差异

中国著名地理学家胡焕庸提出“瑷珲-腾冲线”(又称胡焕庸线)，将中国各地区的人口密度进行地理划分。胡焕庸线东南地区居住着中国96%的人口(4)根据第五次全国人口普查资料精确计算，按胡焕庸线划分的东南地区面积占全国国土面积的43.8%，人口占全国总人口的94.1%。，以平原、水网、丘陵、喀斯特和丹霞地貌为主要地理结构，为金融集聚创造了地理条件；胡焕庸线西北地区人口密度极低，以草原、沙漠和雪域高原为主要地理结构，为金融排斥创造了地理条件。本文按照胡焕庸线进行样本划分，这种划分方式不仅是对人口密度的显著区分，也是对金融集聚与金融排斥地理分布的显著区分，能够对比金融资源分布的区域差异。表15和表16报告了检验结果，按照胡焕庸线划分的东南地区，金融集聚的空间溢出效应不显著，金融排斥的空间溢出效应显著为负，交乘项的空间溢出效应显著为正；而在胡焕庸线西北地区，杜宾模型的空间滞后项系数ρ不显著，说明在人口密集高的东南地区，金融集聚与金融排斥能够产生非对称空间溢出效应，金融集聚能够缓解金融排斥的空间溢出效应，而在人口密度低的西北地区，金融活动频率低，金融集聚和金融排斥均不会显著产生作用，因此二者不存在非对称空间溢出效应。

表15 人口密度的影响(分地区)

表16 人口密度的影响空间杜宾分解效应(分地区)

厘清金融集聚与金融排斥的非对称空间溢出效应后，本文进一步考察金融集聚、金融排斥的空间溢出机制，探究金融集聚、金融排斥的空间溢出路径。

本文首先从金融发展规模、金融发展效率、金融发展环境三个维度进行金融集聚的空间溢出机制检验。检验发现，金融集聚在金融发展规模、金融发展环境层面的溢出效应均不显著，只有在金融发展效率的层面产生了显著的溢出效应。金融发展效率相关检验结果如表17和表18所示，金融集聚与金融发展效率交乘项的直接效应、间接效应和总效应均在1%的水平下显著为正，说明金融集聚不仅通过优化金融发展效率促进了当地的经济增长，也通过优化周围地区的金融效率，促进了当地的经济增长。金融集聚地区能够强化当地的金融竞争态势，提升本地的金融发展效率，随着周边地区的金融资源被中心地区进一步吸收后促进金融竞争格局激烈的竞争形成优胜劣汰，逐渐淘汰周边地区的低效率金融机构，从而显著地提升当地金融发展效率，进一步促进经济增长。

表17 金融集聚的空间溢出机制检验

表18 金融集聚空间溢出机制杜宾分解效应

金融排斥的空间溢出机制分析依据肯普森和怀利[37]提出的六维评价标准，即地理排斥、价格排斥、评估排斥、条件排斥、营销排斥和自我排斥。本文通过地理排斥、评估和条件排斥、营销排斥、自我排斥四个维度进行金融排斥的空间溢出机制检验。检验发现，金融排斥在营销排斥和自我排斥层面的溢出效应不显著，在地理排斥、评估和条件排斥的层面产生了显著的溢出效应。检验结果如表19和表20所示，金融排斥与评估和条件排斥交乘项的直接效应、间接效应、总效应均显著为正，说明金融排斥通过强化深化评估和条件排斥抑制经济的增长，不仅显著抑制了当地经济的增长，也产生了显著的负向溢出效应；金融排斥与地理排斥交乘项的溢出效应显著为正，说明金融排斥同样通过强化地理排斥抑制经济的增长。金融排斥的溢出机制符合地理学第一定律，较长的地理传输距离进一步强化了金融排斥的溢出效应，同时金融排斥在评估和条件排斥层面强化其溢出效应，评估和条件不达标的受排斥人群通过人际关系纽带进一步传播主观排斥金融服务的观念，导致受排斥人群覆盖至周边地区，从而抑制经济增长。

表19 金融排斥的空间溢出机制检验

表20 金融排斥的空间溢出机制杜宾分解效应

七、结论与启示

研究金融发展对经济增长的影响不能只专注于单一层面，而是应该注意到金融集聚与金融排斥的共同作用。本文从多个维度构建金融集聚与金融排斥的指标体系，并依次通过空间滞后模型、空间误差模型、空间杜宾模型检验金融集聚与金融排斥的空间溢出效应。实证分析结果显示：(1)金融集聚与金融排斥具有显著的非对称空间溢出效应，相较于金融集聚，金融排斥的负向空间溢出效应更为显著，金融集聚缓解了金融排斥的负向空间溢出效应；(2)这种非对称空间溢出效应源于金融资源的势差分布，势差分布的虹吸效应加剧了地区经济发展的不平衡；(3)金融集聚与金融排斥的非对称空间溢出效应具有长期渐进性影响，并且在人口密度高的地区才显著；(4)金融集聚通过优化金融发展效率促进周边地区的经济增长，金融排斥则通过深化条件和评估排斥及地理排斥抑制周边地区的经济增长。上述实证结果在不同空间权重和指标检验下均具有稳健性。

本文的研究具有如下的政策启示：

首先，由于金融排斥的负向空间溢出效应能够抵消金融集聚的正向空间溢出效应，对部分区域的经济增长产生抑制作用，虽然金融集聚在一定程度上缓解了金融排斥的负向作用，但是其虹吸效应强化了金融排斥的负向作用，加剧了地区经济发展的不平衡。在地方经济发展过程中应该注重减缓金融集聚的虹吸效应，尤其是在区域一体化协同发展的战略执行中要设立保护机制，避免经济欠发达地区的金融资源被区域金融中心进一步吸收，区域金融中心要重视金融发展效率的提升，强化对周围地区经济增长的拉动作用。

其次，金融集聚与金融排斥的非对称空间溢出效应是由金融资源势差分布引起的，区域经济发展不平衡问题历来是实现共同富裕的障碍，在中国典型的金融势差分布地区，尤其是以京津冀及周边的地区、珠三角及周边地区为代表，这种势差分布的叠加效应会使得区域经济发展不平衡的问题愈发严重。因此，要注重资源的适当倾斜和均衡发展，提高金融中心周边地区的金融竞争力，加大开放力度，提高这些地区的人口密度，弱化势差分布的负面影响，通过金融发展效率的提升，促进当地的经济增长。

最后，对于像西部等金融排斥较为严重的地区，强调区域经济的平衡发展，减缓当地的地理排斥、评估和条件排斥，从而减少当地经济增长的阻力，尽力缩短中国区域经济协同发展中存在的不平衡问题，进一步优化区域经济增长的动力。