金融集聚、区域特征与因素影响效应——基于省级面板数据的空间计量分析

王俊

（贵州省社会科学院对外经济研究所，贵州 贵阳 550000）

引言

近年来，随着经济一体化和金融全球化发展，金融业呈现出一种空间集聚发展趋势，集聚形式也从最初几家银行业金融机构的地理集中发展到各类金融资源的空间聚集。王如玉等（2019）[1]指出特别是随着“互联网+”时代来临，就金融集聚而言，星罗棋布的金融网点已不再至关重要，金融资源向哪里集中才是问题焦点。金融资源在某一特定地理空间上不断聚集，不仅能增强区域经济发展动力，而且能大幅提升区位竞争力，因此地方政府为了获取大量资本进行着各种形式的金融竞争，推动金融产业集聚进而增强经济实力成为各地政府的重要目标[2]。伴随着金融业在不同地域空间上不同程度的集聚，国际性和区域性金融中心建设也随之拉开序幕。杨涛指出目前已有30多个城市提出建设金融中心，而有金融中心功能规划或设想的城市更在200个左右，一场区域金融中心争夺战如火如荼[3]。

目前关于金融集聚的研究主要集中分析了金融集聚的成因、影响因素以及集聚效应等内容。集聚成因方面，金融机构对规模经济的追求被认为是促使金融业在一定地理空间上聚集的主要原因，此外，金融机构为了避免过大的信息成本、不同社会阶层收入和消费需求的异质性以及地理邻近和人际关系密切等因素也是推动金融在一个地理空间内聚集的重要原因[4,5]；集聚影响因素方面，供需以及环境优劣被认为是影响金融集聚发展的重要因素[6]，任英华等（2010）[7]、张清正（2015）[8]将经济基础和区域创新也视为影响金融资源快速集聚的主要原因；集聚效应方面，大多研究认为金融集聚通过加速资本积累、技术创新以及改善交易效率能够推动经济实质性增长[9,10]。此外，部分研究如Bruno和Hauswald（2014）[11]、余泳泽等（2013）[12]还从银行业集聚以及金融带动其他生产要素集聚视角分析了金融集聚的区域经济增长效应。

综上，现有相关文献从不同视角对金融集聚现象进行了不同程度的分析，并肯定了金融集聚的事实及重要性。诚然，金融集聚的最终目的是通过发挥金融资源的生产性功能而推动经济增长，但实现金融驱动增长首先需要解决如何实现金融集聚。对此，本文以金融集聚的空间特征以及各因素影响效应为主，开展以下两个方面研究：一是金融业具有很强的动态演化特征，随着各地区对内改革和对外开放不断深入，金融集聚在不同地域空间上是否具有显著时变性和异质性；二是由于现有关于金融集聚空间效应分析多采用一个或多个空间回归模型的点估计检验，而这可能会使得结论存在偏误。同时，由于经济活动发展的地理空间联系不断增强，解释变量之间空间相关性也应纳入模型予以考虑，因此，本文将通过规范的理论建模、LM和稳健（Robust）LM检验、空间和时间效应联合显著性LR检验以及Wald检验，选择最佳空间计量模型进行实证分析。此外，本文还将进一步从求解偏微分视角对影响金融集聚相关因素的直接冲击和空间溢出进行效应分解，从而使分析结果更为稳健。

一、省域空间自相关与分布特征

（一）空间自相关检验

本文选取全国31个省级行政区域（不包括中国香港、中国澳门和中国台湾）数据对金融集聚现状进行空间自相关检验，所有数据来源于2008—2020年《中国统计年鉴》《中国金融年鉴》、各省统计年鉴及EPS数据平台，综合运用Arcgis和Geoda进行分析。

对于金融集聚（fin）衡量而言，与多数文献基于金融业就业人数或金融业增加值来计算区位熵值不同，文中按银行、保险和证券进行金融业分类，并参考王如玉等（2019）[1]做法依次对银行业金融机构存贷款额、保险业机构保费收入以及股票市值赋予0.6、0.2和0.2的权重进行计算，根据计算结果排序，样本期间金融集聚度排名前五的依次为广东、北京、江苏、浙江和上海；同时，为了使结果更为稳健，本文还通过将样本期间各类别中所有区域的均值进行加总，然后计算各类别比重（依次为0.73、0.01和0.26）进行重新计算，根据计算结果排序，样本期间金融集聚度排名前五的省份依次为广东、北京、江苏、上海和浙江，其余省份排序与之前计算结果相同；此外，文中关于自相关分析中空间权重矩阵选择与多数文献保持一致，即使用地理空间权重矩阵wgeo，该权重遵循两地区拥有共同边界即视为相邻的Rook规则，相邻为1，不相邻为0，主对角线元素为0。根据上述思路计算的31个省域金融集聚Moran’s I值见表1。

从表1可知，样本期间所有年份Moran’s I值均为正且通过了10%的显著性检验，这说明我国31个省域的金融集聚存在着较为显著的空间正相关性。

表1 31个省域金融集聚Moran’s I值与Z检验值

（二）省域空间分布特征

为了进一步明确31个省域金融集聚的空间分布状况、相关模式与时变特征，本文给出金融集聚局部Moran’s I散点图。出于篇幅考虑，文中给出2007年与2019年的散点图（图1）。

从图1可知，省域金融集聚在地理空间上的相关模式存在4种类型，第一类是位于第1象限的高-高聚集模式，即金融聚集程度高的地区，其周围地区金融聚集程度也很高，呈现出高集聚区包围高集聚区的特征；第二类是位于第2象限的低-高聚集模式，即金融聚集程度低的地区，其周围地区金融聚集程度却比较高，呈现出高集聚区包围低集聚区的特征；第三类位于第3象限表示低-低聚集模式，即金融聚集程度低的地区，其周围地区金融集聚程度也较低，呈现出低集聚区包围低集聚区的特征；第四类位于第4象限表示高-低聚集模式，即金融聚集程度高的地区，其周围地区金融聚集程度却较低，呈现出低集聚区包围高集聚区的特征。

根据图1Moran’s I散点图，目前省域金融集聚呈现出显著空间正相关与异质性双重特征。一方面，位于第1象限（高-高集聚类）区域的省域数量较少且并未随着时间推移出现显著变化，该象限省份主要以东部地区为主；另一方面，近十年来省域间金融集聚虽然具有显著空间正相关特征，但多数省域仍主要集中于第3象限的事实也说明这种相关性主要以低集聚区域被低集聚区域包围为主（低-低集聚类），金融资源的空间分布存在明显地区失衡。

图1 金融集聚度省域空间分布Moran’s I散点图

综上，省域金融业发展存在着显著的空间聚集现象，但不同省份间相关性在增强的同时也存在典型的异质性特征。因此有必要基于金融发展异质性和空间相关事实对影响金融集聚的主要因素以及溢出效应进行分析，从而进一步明确影响金融集聚水平的要素差异。

二、空间计量设计

（一）数据来源与变量说明

本文用于空间计量分析的数据与前文空间自相关分析数据来源一致。

1.被解释变量。被解释变量为空间自相关分析中使用的各地区金融集聚度（fin），该变量的解释与测度与上文空间自相关检验中的金融集聚一致。

2.解释变量。解释变量依次包括经济基础（eco_base）、对外开放度（openness）、区域创新能力（inno）、政府行为（gov）、人力资本（hc）以及规模经济（scale）。其中，经济基础（eco_base）的强弱直接决定了一个地区金融业发达程度，也直接影响一个地区金融集聚强度，因此，经济基础越强会使得金融集聚能力越大，对于该因素，文中使用地区财政收入与GDP之比表示；对外开放度（openness）越高，金融资源跨区流动越频繁，金融业是一个外向型产业，对外开放度越高越有利于加快金融集聚进程，对于该因素，文中用各地区按境内目的地和货源地分货物进出口总额占GDP之比表示；区域创新能力（inno）是区域经济持续健康高效发展的动力，金融集聚本身也是一种创新活动，创新能力越强，金融产品的需求和供给将能够更有效匹配，对于该因素，文中用地区三种专利（发明、实用新型和外观设计）授权量与全国三种专利授权量之比表示；政府行为（gov）在推动地区相关产业集聚过程中有着至关重要作用，许多经济奇迹的发生都离不开政府有效的规划与扶持，对于该因素，文中用地区政府财政支出与地区GDP之比表示；人力资本（hc）高低在一定程度上反映地区潜在可持续竞争力水平，对于该因素，文中使用中国人力资本与劳动经济研究中心（CHLR）基于J-F方法测算的省级层面人均劳动力人力资本（未包含在校生）数据；规模经济（scale）越大越能够以较低的边际成本获取金融资源并加速金融集聚，对于该因素，本文使用地区金融业增加值与GDP之比表示。

（二）模型设计

考虑到分析个体间空间依赖关系时，既可以使用包含被解释变量空间相关项的空间滞后模型（Spatial Lag Model，SLM），也可以使用包含误差项的空间误差模型（Spatial Error Model，SEM），还可以将解释变量空间相关项引入空间滞后模型从而使 用 空 间Durbin模 型（Spatial Durbin Model，SDM）[13]，因此，文中对金融集聚影响因素进行空间计量时将涉及SLM、SEM以及SDM的选择，SLM、SEM和SDM的具体形式依次如下：

其中，ω为地理空间权重矩阵，δ为空间自相关系数，反映省域间金融集聚的相互影响程度和方向，ρ为空间误差系数，反映相邻地区的误差冲击对本地区被解释变量的影响，这种影响主要是通过不同个体（地区）间随机误差项的空间相关而产生。μi为空间固定效应；λt为时间固定效应；εit为随机误差项且εit～N(0,σ2I)。

三、实证结果与分析

（一）空间相关性检验及模型选择

Elhorst（2012）[14]指出构建并使用空间面板模型前，需先通过设定非空间面板模型并根据其残差分布来判断是否具有空间交互影响。同时，较之随机效应而言，固定效应更适合对一些特定个体进行分析。鉴于此，文中对非空间面板模型进行固定效应（空间、时间和双固定）估计并通过LM和（Robust）LM检验来识别空间交互效应。如果LM检验支持被解释变量间存在空间滞后模型（SLM），或支持假定随机误差项之间存在空间误差模型（SEM），或二者均得到支持，那么将继续对SDM进行Wald检验，即检验H01:θ=0与H02:θ+δβ=0，通过检验H01与H02可识别SDM是否能退化为SLM与SEM。若H01:θ=0不能被拒绝且LM检验支持SLM，那么SLM更合适；若H02:θ+δβ=0不能被拒绝LM检验支持SEM，那么SEM更合适。若H01:θ=0和H02:θ+δβ=0被同时拒绝，那么应选择SDM。为了最终确定模型空间交互形式所依赖的固定效应类型，文中还将进行空间和时间固定效应联合显著性LR检验。相关分析结果见表2。

表2 非空间面板模型估计、LM与LR检验

根据表2中LR联合显著性检验可知，实证模型应同时考虑空间固定效应μi和时间固定效应λt，并根据空间和时间双固定效应下的LM检验来识别是否存在空间交互影响。由于表2显示双固定效应下SLM和SEM通过了LM和（Robust）LM检验，出于谨慎考虑，我们继续设定SDM并进行双固定效应估计以及Wald检验，进而确定用于金融集聚计量分析的空间面板模型形式。

鉴于对系数估计而言，采用常规原始数据中心化极大似然估计可能存在偏误[15,16]。文中将分别对双固定SDM采用中心化方法估计和误差校正并进行Wald检验，见表3。

表3 Wald检验

根据表3可知，可以选择更广义形式的SDM用于分析，因此，本文最终选择双固定效应SDM进行金融集聚因素影响效应的空间计量。

（二）参数估计

基于双固定效应SDM的参数估计结果见表4，为进行对比，表中分别给出按中心化方法和误差校正的参数估计结果。

表4 SDM估计结果

从表4分析结果来看，对本地区金融集聚影响而言，对外开放度、区域创新和规模经济具有显著影响，而经济基础、政府行为和人力资本影响不具有显著性。对相邻地区影响而言，除区域创新、政府行为和人力资本外，其余变量均有显著性影响。由于对含有空间权重项解释变量矩阵使用点估计得到的系数并不一定是偏回归系数的真实反映，对此，为使分析结果更为稳健，本文利用求解偏微分方法进一步将解释变量对被解释变量的影响进行直接效应和间接效应（空间溢出）分解。

（三）进一步分析

1.效应分解。为进行效应分解，（3）式中的SDM模型形式将调整为：

其中，I为N阶单位矩阵，Xit为自变量。被解释变量finit关于第K个自变量从地区1到地区N的偏导数矩阵为：

其中最右端矩阵中对角线元素均值βk被定义为直接影响效应，即第K个被解释变量变化一单位对本地区fin的直接冲击影响，矩阵中非对角线元素和的均值被定义为间接影响效应（空间溢出），即第K个被解释变量一单位变化对相邻地区fin平均溢出影响。表5列出了经误差校正的双固定SDM系数估计值。

表5 总效应分解：直接效应和间接效应测度

从表5可知，就本文所选取的变量而言，除政府行为和人力资本外，各变量均对金融集聚产生不同程度显著的直接或间接效应。直接效应方面，区域创新和规模经济具有显著正向影响，而对外开放则产生一定的负向效应；间接效应方面，对外开放具有显著正向影响，而经济基础和规模经济则具有负向效应。

2.效应解释。对于表5中各变量的效应而言，本文认为可以从以下视角加以理解。

（1）经济基础方面。该变量的直接效应为正但不具有显著性，而间接效应和总效应均显著为负。这可能表明长期以来，在金融资源稀缺客观前提下，各地区存在着GDP竞赛驱动下的金融竞争行为，在政绩驱动以及区域经济发展异质性和不均衡性较大、且协同发展合力并未有效形成的交织影响下，经济基础对于金融集聚的影响更多可能是“以邻为壑”而不是“守望相助”。

（2）对外开放方面。该变量具有显著负向直接效应和正向间接效应。这说明虽然各地都在加大力度推进对外开放进程，但开放效应却会因地区经济和金融发展规模以及质量差异而具有较大异质性，对金融与经济结构匹配程度较低的地区，从更大开放中支付的显性或隐性成本可能会超过开放收益，然而随着相邻地区开放扩大，开放经济也提供了更多金融资源匹配契机，从而能够产生一定的正向间接影响。此外，该变量总效应为正且不显著的情况也说明，各地在扩大开放的同时，有必要注重提升开放质量。

（3）区域创新方面。区域创新的直接效应为正、间接效应为负且总效应为正，但间接效应和总效应不具有显著性。这或许具有两方面原因，一是随着经济增长方式由数量型向质量型转变，创新驱动成为各地共同予以强化的发展战略，不同层次、不同强度和不同领域的创新开始不断涌现，这种地区创新对本地具有积极正面影响。二是可能一方面反映创新模式、产品等方面存在一定的同质化现象，另一方面也反映区域创新能力、频率以及转化率存在显著差异，这些情况使区域创新产生了一定负向溢出影响。同时，总效应为正且不显著的情况也说明，创新虽从理论层面而言具有全局正向影响，但这种影响可能只在具有比较优势的高质量创新下才能实现。

（4）政府行为方面。政府行为的直接效应为正、间接效应和总效应为负，但这些效应均不显著。这可能说明政府支出行为虽有利于增强本地区金融集聚，但政府支出在结构、规模等方面存在显著区域差异，这使得政府支出行为具有一定的“马太效应”。同时，政府支出行为在某种程度上也反映出政府竞争意识。地方政府通过不断加大政府支出来参与金融竞争角逐和博弈，也易于导致潜在不容忽视的风险集聚与风险传染，这些因素叠加使政府支出虽具有正向直接效应，但并不具有利于全局增长的集聚效应。

（5）人力资本方面。人力资本直接效应、间接效应和总效应均为负且不显著。这或许具有如下原因，一是金融业作为知识密集型产业，金融集聚效应的发挥需要有一定数量和质量的金融从业人员（特别是高端金融人才），而就目前金融从业人员地区分布而言，北京和上海等相对发达地区的金融从业人员占全国金融从业人员总数比例远远高于其他城市[17]。这说明人力资本特别是高端金融人才在地理空间分布方面存在严重失衡。二是随着近年来各地对金融资源竞争策略的强化，各区域普遍通过资金奖励、住房优惠以及落户安置等政策加大人才引进或培养力度，但由于政策以及人才实际利用效率等方面存在较大差异，人才流动（特别是金融行业人才）也较为频繁。此外，各地竞相争取人才的策略或许只是一种简单的人才数量堆集，并未真正突出人才质量或关注是否与地区经济结构合理匹配等结构性问题，人才分布失衡、流量增大但存量积累缓慢以及人才错配等因素的共同作用，使得人力资本对金融集聚的影响虽不显著但呈现出一定负向效应。

（6）规模经济方面。规模经济表现出正向直接效应、负向间接效应和正向总效应，这说明形成规模化发展有利于增强本地区的金融集聚能力。但目前这种规模经济可能更多是“越大越好”而不是“越大越广”，也就是说规模经济磁吸效应可能超过了因规模经济而形成的辐射效应。同时，这两种效应的共同存在与此消彼长，使得规模经济总效应虽为正，但并不具有统计上的显著性。

四、结论与政策建议

（一）结论

1.近年来金融集聚呈现出显著的空间正相关与异质性双重特征，且总体以低集聚区域被低集聚区域包围为主（低-低集聚类）。

2.经济基础直接效应为正但不具有显著性，间接效应和总效应具有负向影响。对外开放具有显著负向直接效应和正向间接效应，但总效应不显著。区域创新具有显著正向直接效应，但不具有显著间接效应和总效应。政府行为和人力资本在直接效应、间接效应和总效应方面均不显著。规模经济表现出正向直接效应和负向间接效应。

（二）政策建议

1.着重强化经济支撑，不断夯实集聚基础。在国内外市场日益融合以及资本全球流动的当下，既需要注重传统产业提质增效，以此推动传统产业结构升级，从而充分释放传统产业在拉动相关产业协同发展方面的潜在效应，也需要注重新兴业态培育壮大，从而构建起具有鲜明比较优势的新兴产业集群；既需要强化中小企业的基础支撑，从而推动中小企业加快技术和服务升级，增强其品牌培育、推广和产权意识，也需着手化解融资难、融资贵等问题，以此为推动企业特别是中小微企业的可持续创新发展注入必要动力，从而更好地引导劳动、资本和技术等生产要素有效配置到经济活动中，进而不断夯实金融集聚基础。

2.着眼提升政务水平，不断加强集聚效率。政府行为的及时性和有效性在很大程度上取决于政府政务水平质量，政务水平质量在很大程度上又决定了区域营商环境优劣，营商环境优劣又直接影响金融资源集聚。因此，有必要通过强化现代责任政府构建以及政府职能优化整合等举措，强化政府责任担当以及务实作风，真正有效地传递政府政策导向，从而树立起责任政府、廉洁政府以及高效政府的区域品牌，在推进本地区发展的同时也有利于形成正向外部溢出效应，进而能够强化本地以及整体的金融集聚效率。

3.着实改善金融生态，不断优化集聚环境。金融资本具有逐利本性，不仅体现在追逐高回报率方面，而且体现在开展金融活动所面临的生态环境方面。对此，有必要通过整合金融机构和监管部门的信息资源，建立健全中小微企业以及适合农村特点的信用信息数据系统，以加快健全金融信用生态；有必要加大对各种违法违规金融行为或金融交易的惩治力度，加强对金融机构从业人员法制培训，加强对执法机构工作人员金融培训，系统构建金融法治生态；有必要通过开展金融知识普及活动，构建起学金融、懂金融、会金融的金融生态，提高从事金融管理、金融投资以及金融消费等工作的行为主体对金融产品的认知能力和运用能力，以加紧形成金融文化生态。上述举措有利于改善区域金融生态、提升金融软实力，进而优化金融集聚环境。

4.着力扩大对外开放，不断发挥集聚协同。对外开放具有显著负向直接效应和正向间接效应，但总效应不显著。因此，一方面有必要鼓励并加大支持金融业“走出去”力度，通过加强与周边区域交流与合作，主动释放本地区的金融有效需求，并增强区域金融协作能力。另一方面也有必要通过简政放权以及有效监管相结合的方式，放宽民间资本进入金融业领域的限制，积极鼓励民间资本参与地区经济特别是县域经济发展，以此盘活社会盈余资本存量。同时，更有必要注重金融体系在开放进程中的高质量构建和金融效率提升等问题，进而实现开放经济在做大金融集聚量的同时，更能推动金融集聚质的提升。

5.着手改革人才机制，不断增强集聚动力。目前人力资本变量直接效应、间接效应和总效应方面均不显著。这说明既有必要从创新人才引进机制、配套人才服务资源、构建人才培养体系以及搭建人才交流平台等方面予以突破，从而真正形成有利于人才“引进来、留得住”的优质生态。同时，也有必要重视人才与经济金融发展的结构匹配，真正从区域比较优势和经济社会发展所需出发，有针对性地引才、用才和留才，以此真正实现人才可用、人才适用和人才善用，从而使人力资本在推动本地金融集聚的同时产生强大的正外部性，进而增强金融集聚的内生动力。