金融集聚对“金融—科技”耦合脆弱性的影响研究

王仁祥，郭晓媛

（武汉理工大学 经济学院，湖北 武汉 430070）

一、引言及文献综述

随着我国经济进入新常态，如何实现经济高质量发展成为国家的重要目标（陶锋等，2017）［1］。金融与科技是经济发展的两大引擎，深析金融与科技系统的内部结构，促进两者有效耦合，对走稳经济高质量发展道路具有重要意义。“十四五”规划明确指出，“加快建设科技强国”“完善金融支持创新体系”应成为新时代的主要任务（1）；《金融科技发展规划（2022—2025年）》再次强调，要促进金融与科技的深层次融合（2）。因此，加快现代金融体系建设步伐，推动科技创新发展，缓解“金融—科技”耦合脆弱性，是建设现代化经济体系的重要内容，也是新时代经济高质量发展的重要战略支点。

近年来，我国金融系统与科技系统的耦合发展缓慢，随之产生的耦合脆弱性问题也一直存在。以移动互联网、云计算、人工智能、区块链为代表的新一代信息技术逐渐与传统金融全方位融合，在促进经济发展的同时，也带来了因部分资源无法自由流动、有效匹配而产生的脆弱性问题［2］，主要表现在当系统遭受内、外部扰动时，耦合系统内部原有序列状态会被破坏，若这种受损积累过多，可能引发区域性耦合系统危机［3］。同时，在我国许多区域兴起的“金融中心热”，使金融资源加速向某些城市集聚。中国（深圳）综合开发研究院发布的《中国金融中心指数》第十三期指出，以直辖市和省会城市为主体的31 个金融中心城市贡献全国金融业增加值的60.2%，其金融机构总资产规模占全国比重超过3/4，拥有全国商业银行总资产的74%、证券公司总资产的96%、保险公司总资产的90%（3）。金融资源在地理空间上呈现的集聚特征对金融与科技耦合系统脆弱性有什么影响，发挥何种作用，各区域金融产业集聚的作用如何？对此，本文以2005—2020年我国各省份的面板数据为研究对象，采用空间计量方法分析两者的空间效应及区域性差异，探析金融资源集聚能否降低“金融—科技”耦合脆弱性，为促进金融发展与科技创新的有效耦合提供一定的借鉴和参考。

在金融集聚发展过程中，韦伯最早在空间分析体系中提出了“集聚经济”的概念。1980 年，马歇尔利用空间集聚外在性理论解释金融集聚现象，金融集聚的研究逐步得到学者们的重视。早期学者对集聚效应的研究并未充分考虑空间效应的影响，20 世 纪90 年 代，Krugman（1991）［4］、Krugman 和Venables（1995）［5］和Fujita 等（1999）［6］在新经济地理学的研究中成功分析了金融集聚的空间效应产生的影响。此后，学者们从不同角度开展了对金融集聚理论和实证方面的研究。目前，金融集聚的相关研究主要关注对技术进步、经济增长的影响。陈林心和何宜庆（2016）［7］、刘继和马琳琳（2019）［8］对经济、地理因素综合研究后，认为金融集聚具有空间同质性，能够促进本地生态效率提升；孙建国和高岩（2019）［9］、李海舰（2019）［10］研究发现，金融集聚为城市整体层面的技术进步提供了有力支持；张秀艳（2019）［11］借助工业行业的大中型企业数据，分析了金融集聚对工业全要素生产率的负向影响效应；张钟元等（2020）［12］认为，金融集聚可以通过规模经济、网络协作及扩散效应促进绿色经济发展，同时金融集聚还存在非线性效应。

随着研究的深入，学者们开始关注金融与科技间的密切互动和深度耦合，并将物理学的“耦合”“脆弱性”等概念引入社会经济领域，深入研究“金融—科技”耦合系统、耦合效率及其脆弱性。徐玉莲等（2011）［13］研究发现，我国各省份科技金融与科技创新的耦合协调度偏低，多数省份科技金融发展较为滞后，地区间耦合协调度差距明显；随着科技创新与金融创新的进一步发展，耦合系统的脆弱性因其涉及系统广、需协调因素多、环节相对长等特点而逐渐凸显［14］；王仁祥等（2016）［15］从耦合系统内部结构、广义虚拟环境基础、耦合系统功能效率三个维度构建科技创新与金融创新耦合系统脆弱性指数，分析了34 个样本国的耦合系统脆弱性演进趋势及差异性表现，研究表明，样本国的耦合系统脆弱性大多处于中等水平，发达国家的耦合系统脆弱性整体低于发展中国家；基于网络DEA 方法，王仁祥和杨曼（2018）［16］对中国1996—2014 年省域科技与金融的耦合效率进行了科学测算；张芷若和谷国锋（2019）［17］从空间角度分析我国科技金融与科技创新的耦合协调关系，结果显示两者的空间集聚特征显著，并呈现东部强、中西部弱的分布趋势。

目前，学界在金融集聚对“金融—科技”耦合脆弱性影响方面还未深入研究。王仁祥等（2020）［18］认为，金融资本要素集聚会增强“金融—科技”耦合系统的脆弱性，但效应并不显著；进一步分区域探讨发现，东部地区金融资本集聚与脆弱性呈负相关关系，中西部地区金融资本集聚与脆弱性呈显著正相关关系。本文拟在现有研究的基础上，深入探究金融集聚对“金融—科技”耦合脆弱性的影响，以期丰富“金融—科技”耦合脆弱性的研究内容。

二、金融集聚对“金融—科技”耦合脆弱性空间影响的理论机理

“金融—科技”耦合系统，是科技子系统与金融子系统相互作用、不断交融产生的复合体。各子系统与外界环境间进行物质、能量和信息的交换，在复杂的要素交换过程中，耦合系统难免会受到内、外部的干扰，一个或多个子系统在某些干扰下会面临崩溃的风险，而这些面临崩溃的子系统会进一步间接影响其他子系统，最终导致系统局部或全部瘫痪。随着复杂系统的部分或整体功能丧失，整个耦合系统的脆弱性也表现出来。与此同时，金融部门、机构、公司等在地域上向特定区域集聚，形成一个大型动态网络圈。在网络圈中，各要素金融资源相对自由流动，各机构、企业间近距离沟通交流，信息流动性大大提升，同时竞争也更加激烈。由此，本文认为金融集聚主要通过本地效应和空间溢出效应对耦合系统的干扰度、敏感性、恢复力产生影响，并进一步对“金融—科技”耦合脆弱性产生影响。具体影响机制如图1所示。

图1 金融集聚影响“金融—科技”耦合脆弱性作用机制过程

（一）金融集聚影响“金融—科技”耦合脆弱性的本地效应

金融集聚是以政府和市场为主导的、从无序到有序的金融发展过程，其最大的特点便是金融产业、人才、技术、信息等进行动态性的空间地域集聚，逐渐发展成具有互动性、层次性、多样性的金融网络。金融网络的复杂结构使金融集聚对“金融—科技”耦合脆弱性的影响不可避免地产生时空、方向、金融结构间的复杂差异。金融资源的集聚通过要素迁移以及强化区域经济规模的方式发挥本地效应，进而影响“金融—科技”的耦合脆弱性。

一方面，金融资源的本地效应，通过优化资源配置、强化市场监管、推动技术创新的有效集聚方式影响我国“金融—科技”耦合脆弱性。从资源配置角度来看，金融资源的有效集聚能够打破区域间资源互动的壁垒、加快区域间金融资源流动，进而优化区域资源配置；从市场监管角度来看，区域经济规模集中能够提升社会、经济网络主体的沟通效率和风险防范能力，使区域成为一个高效的经济资源共享有机体，降低监督管理成本的同时强化市场监管；从技术创新角度来看，人才、资金与技术的集聚，给区域的创新带来源源不断的人力、物力和信息资源，推动区域技术创新。有效集聚的最终结果，是可以降低我国“金融—科技”耦合脆弱性。另一方面，金融资源的本地效应，通过剥削区域资源、引发区域过度竞争、打破区域层次结构的拥挤集聚方式影响我国“金融—科技”耦合脆弱性。从区域资源角度来看，中心城市的虹吸作用使周边资源向其集中，而过度集中将导致区域资源拥挤，极化金融网络节点间的资源配置，降低金融网络节点间的互动效率、减小互动规模；从区域竞争角度来看，金融要素的高度集中使地区金融机构密度过高，引发行业内过度竞争，破坏行业内的多样性，造成行业内垄断，不利于区域金融与科技网络的可持续发展；从层次结构角度来看，拥挤集聚使要素在空间上产生断层现象，加深各个要素主体间的互动鸿沟，导致金融网络运行紊乱。拥挤集聚的最终结果，是可能增强了我国“金融—科技”耦合脆弱性。

因此，金融集聚通过资源集中改变区域金融与科技间的要素交流，为“金融—科技”的耦合提供内部及外部环境，以金融集聚的互动性、层次性、多样性影响着“金融—科技”耦合系统的干扰度、敏感性及恢复力。

（二）金融集聚影响“金融—科技”耦合脆弱性的溢出效应

金融集聚是一个实现区域利益最大化的发展过程，包含时间、空间上的静态和动态变化。要素向中心城市集聚并反哺周边地区，在地理空间上影响“金融—科技”耦合脆弱性。一方面，金融集聚能够提高金融服务业的效率，带动周边地区金融服务业发展，提高区域“金融—科技”耦合系统的抗干扰性，同时加速信息技术进步，改善周边地区信息技术网络，提高区域“金融—科技”耦合系统的恢复力；此外，金融集聚能够加速金融与科技的融合，优化资源配置，使周边地区共享金融与科技深度耦合的成果，有效降低“金融—科技”耦合脆弱性。另一方面，资源、技术与人才长时间的过度集中，导致周边地区的资源配置等基础设施难以吸收中心地区的反哺，技术与人才的匮乏降低科技创新的活力，加剧区域发展的不平衡，降低了区域“金融—科技”耦合系统的抗干扰性；加上区域资源消化能力有限，过度的资源集中使得人才和金融机构难以回流，降低区域“金融—科技”耦合系统的恢复力；此外，周边地区对中心城市的依赖性过高，缺乏风险防范能力，导致“金融—科技”耦合系统的不稳定，加深了“金融—科技”耦合系统的脆弱性。

由此看来，行业竞争、技术创新等内生动力推动区域金融集聚，并通过行业溢出、技术溢出、知识溢出回馈周边地区；经济规模、市场机制、区域因素、人力资本、政策环境五方面的外生动力加速区域金融集聚，促进了周边地区的发展。在此过程中，金融集聚带来的本地效应及溢出效应影响着“金融—科技”耦合脆弱性，“金融—科技”耦合系统的复杂性以及区位因素也给中心城市对周围地区的“金融—科技”耦合脆弱性带来不确定性。

三、研究设计

（一）计量模型

本文首先构建基准回归模型（OLS）如下：

其中：ε符合正态分布；Frag、Fa分别表示“金融—科技”耦合脆弱性、金融集聚；X表示控制变量，包括信息化水平（Inf）、市场化水平（Mar）和经济水平（Fin）。

考虑金融集聚与“金融—科技”耦合脆弱性的空间效应、动态效应及内生性问题带来的影响（Elhorst，2014）［19］，本文采用空间动态面板模型进行分析，即在公式（1）的基础上增加时间和空间因素的影响。构建的动态空间面板模型如下：

其中：Fragit、Fait分别表示i省份在t时间的“金融—科技”耦合脆弱性、金融集聚；αi、υt、εit分别为地区效应、时间效应和随机扰动项；θ为滞后一阶“金融—科技”耦合脆弱性的反应系数；ρ、λ分别为空间自回归系数和空间误差系数，衡量“金融—科技”耦合脆弱性的空间关联程度，反映“金融—科技”耦合脆弱性的空间溢出效应；wit为空间权重矩阵，采用地理距离的倒数作为权重；ln Fait表示本地金融集聚表示邻地金融集聚。

（二）变量说明

1.“金融—科技”耦合脆弱性指数

本文基于实证经验，构建“干扰—敏感—恢复”的评价框架，从干扰度、敏感性和恢复力三个维度建立我国“金融—科技”耦合脆弱性指标体系，见表1所列。

表1 “金融—科技”耦合脆弱性指标体系

干扰度反映耦合系统受系统内部和外部扰动的程度，干扰度越大，潜在耦合脆弱性越高，本文主要考虑金融和科技系统规模、外部系统刺激情况；敏感性反映“金融—科技”耦合系统受到外界干扰的难易程度，敏感性较高的区域，受破坏的可能性较大，耦合脆弱性较高，主要考虑经济系统和社会系统状态；恢复力反映耦合系统适应外界干扰和从破坏中恢复的能力，恢复能力越强，耦合脆弱性越低，主要考虑金融系统恢复力和科技系统恢复力。综合考虑指标的科学性、代表性、可获得性和可比性，结合“金融—科技”耦合系统评估需求和实际情况，参考学者研究成果［20］，本文构建“金融—科技”耦合脆弱性评估指标体系，选取的指标均为负向指标。为消除指标量纲差异，采用极差变换进行标准化处理，运用熵值法计算各指标权重，测度“金融—科技”耦合脆弱性指数。

2.金融集聚

金融业主要包括银行业、证券业和保险业三大行业，这三大行业能很好地反映金融行业空间集聚情况。受地区规模差异因素的影响，为较好反映地区要素的空间分布情况，现有研究通常使用区位熵指数计算金融集聚指数。本文参考周炯等（2014）［21］的方法，计算公式如下：

其中：下标Hi、m、n分别表示不同行业、年份和地区；qn为地区n的地区生产总值；q为全国各地生产总值之和；在银行业中，FH1amn为地区n金融业的区位熵，qmn为地区n金融机构人民币在m年的存款之和，qm为全国金融机构在m年的人民币存款之和；在证券业中，FH2amn为地区n证券业的区位熵，qmn为地区n在m年股票市价总值，qm为全国股票在m年的市价总值；在保险业中，FH3amn为地区n保险业的区位熵，qmn为地区n在m年的保费收入，qm为m年全国保费收入。根据（3）式计算出三个行业的集聚水平并进行因子分析，得到最终的金融集聚水平。

3.控制变量

为控制省域异质性的影响，本文纳入一些其他变量：①信息化水平（Inf）。根据前文理论分析，信息化水平是影响金融集聚、“金融—科技”耦合的重要因素。在信息化水平测度方面，限于数据的可得性，借鉴刘生龙和胡鞍钢（2010）［22］的做法，本文采用人均服务邮电量予以代理。②经济水平（Fin）。地区经济水平会影响地区的金融集聚水平，本文采用地区财政收入占GDP比重表示。③市场化水平（Mar）。本文采用樊纲等构造的《中国市场化指数》表征市场化水平，该指数目前只公布了2019年前的数据，故2020年该数据通过采用市场化测算公式得到。

（三）数据说明与统计描述

本文选取2005—2020 年我国30 个省份（不包括西藏及港澳台地区）的面板数据进行分析，数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国金融年鉴》等。相关变量描述性统计结果见表2所列。

表2 主要变量的基本统计特征

四、实证分析

（一）“金融—科技”耦合脆弱性分布特征

对2005—2020年我国30个省份“金融—科技”耦合脆弱性指数进行测算，如图2 所示。可以发现，脆弱性指数整体位于区间［0.49，0.80］，处于中高水平，近年略微下降；同时，我国“金融—科技”耦合脆弱性具有显著的空间差异，东部地区脆弱性指数低于中西部和全国平均水平，中西部地区脆弱性指数高于全国平均水平。

图2 2005—2020年“金融—科技”耦合脆弱性指数

（二）金融集聚时间演变特征

本文运用Origin 软件绘制2005—2020 年我国金融集聚的空间梯度分布图，如图3 所示。在研究期内，我国金融集聚呈现显著空间差异，经济发展水平高的地区金融集聚水平也高（如北京、上海等），经济发展水平低的地区金融集聚水平同样较低（如贵州、甘肃等）。从空间分布特征来看，金融集聚的分布为明显的梯度结构，2005—2020 年，金融集聚均呈现自东南向西北地区逐渐递减的空间分布格局。东部沿海地区金融集聚水平普遍较高，而中西部地区的金融集聚水平大部分偏低。截至2020 年，我国金融集聚水平整体明显提高，金融集聚水平低的省份明显减少。

图3 2005—2020年我国各地区金融集聚水平

（三）空间面板回归

1.空间相关性检验

使用Moran'sI指数对中国“金融—科技”耦合脆弱性进行空间相关性检验。定义地理距离空间权重矩阵W，wij构造原则为：

其中：下标i、j分别表示相应省份；d表示两地区中心位置之间的距离。

Moran'sI指数的计算公式如下：

Moran'sI指数及其统计检验结果见表3所列，可以看出，研究期内，我国地区间“金融—科技”耦合脆弱性存在正向空间依赖性。2018 年、2020 年Moran'sI指数分别为-0.022 和-0.001，均不显著，说明这两年“金融—科技”耦合脆弱性在省份间呈现弱负空间自相关性；其他年份的Moran'sI指数皆显著为正，说明省份间“金融—科技”耦合脆弱性整体呈现空间聚集性。在考察期内，Moran'sI指数呈“锯齿形”变化趋势，在2010 年和2014 年均达到了极大值0.066。

表3 2005—2020年中国“金融—科技”耦合脆弱性的Moran's /指数及其检验

为进一步揭示耦合脆弱性的空间异质性，本文绘制出2005 年、2010 年、2015 年和2020 年耦合脆弱性指数的Moran'sI散点图，如图4 所示（4）。除广东、安徽、河北、江西和内蒙古等，其他省份多位于第一、三象限，说明我国地区“金融—科技”耦合脆弱性之间的依赖特征是正向的。位于第三象限的地区，如上海、江苏、山东和浙江等东部省份，表现出“低—低”集聚现象；位于第一象限的地区，如甘肃、青海、云南和黑龙江等中西部省份，表现出“高—高”集聚现象。同时，从Moran'sI散点的时序变化可以看出，各地区所处的象限没有太大变化，说明我国“金融—科技”耦合脆弱性存在的空间相关性较为稳定。还需说明的是，2020 年的Moran'sI指数散点图表明各区域耦合脆弱性并未表现强相关性。

图4 “金融—科技”耦合脆弱性指数的Moran's I散点图

2.估计结果与分析

本文使用稳健Lagrange 乘数对空间面板模型进行选择，检验发现，空间自回归模型（SAR）与空间误差模型（SEM）的稳健Lagrange 乘数在10%的水平上均通过了检验，考虑“金融—科技”耦合脆弱性的滞后影响，以SAR 模型为基础构建空间动态SAR 模型进行检验，结果见表4 所列，模型估计结果见表5所列。

表4 SAR与SEM模型的稳健Lagrange乘数检验

由表5 可知，在模型（1）中，金融集聚对“金融—科技”耦合脆弱性的影响是负向的，且通过了1%的显著性检验，即金融集聚每增加1%，“金融—科技”耦合脆弱性平均减少0.195%，说明我国金融行业处于有效集聚状态，能够降低“金融—科技”耦合脆弱性。此外，信息化水平、经济水平、市场化水平也能降低“金融—科技”耦合脆弱性。进一步分析发现，模型（2）—（6）的估计系数符号及显著性与模型（1）没有太大差异，本地金融集聚系数显著为负，邻地金融集聚系数显著为正且远大于本地金融集聚系数，说明金融集聚对“金融—科技”耦合脆弱性的空间溢出作用远大于本地效应，金融集聚每提升1%，本地“金融—科技”耦合脆弱性平均降低约0.08%，而金融集聚每提升1%，邻地“金融—科技”耦合脆弱性平均增加约0.33%。空间动态SAR 面板模型的估计结果与静态SAR 面板模型的系数及符号基本类似，说明考虑地理距离和空间溢出效应来分析金融集聚对“金融—科技”耦合脆弱性的影响效应是合适的。但静态空间面板模型低估了金融集聚对“金融—科技”耦合脆弱性的本地效应并夸大了空间溢出效应，原因在于模型（6）中的金融集聚度系数（-0.065）显著大于模型（5）中的金融集聚度系数（-0.072）、模型（6）邻地金融集聚系数（0.415）大于模型（5）中的邻地金融集聚度系数（0.369）。更重要的是，动态空间面板模型中“金融—科技”耦合脆弱性的一阶滞后项都为正且通过了1%的显著性检验，说明“金融—科技”耦合脆弱性指数的一阶滞后项能将影响耦合系统的潜在因素（如经济及政策环境等）从空间结构因素的影响中分离出来，从而使静态空间面板模型的偏差得以纠正，也反映了中国“金融—科技”耦合脆弱性具有动态性、连续性的特征。

由模型（5）的估计结果可知，金融集聚的空间滞后项系数显著为正，表明金融集聚对“金融—科技”耦合脆弱性具有正向溢出效应，金融集聚可以提高邻地的“金融—科技”耦合脆弱性。由于金融行业较少受到区域运输成本的限制，因此，金融集聚甚至可以跨区域影响“金融—科技”耦合脆弱性。可见，金融集聚对地理距离的弱敏感性，使其能在一定程度上摆脱地理距离的束缚，使金融集聚可以通过优化资源配置、强化市场监管、推动技术创新的方式远距离作用于相关地区的“金融—科技”耦合脆弱性。在控制变量方面，经济水平和信息化水平对“金融—科技”耦合脆弱性存在明显降低作用，且都通过了10%和1%的显著性检验；市场化水平系数为正，说明市场化水平会提高耦合脆弱性，但不显著。可见，外界环境因素是“金融—科技”耦合脆弱性从低级形态向高级形态不断演化的关键要素。

3.行业层面的差异性

考虑我国金融行业在各区域的分布密度不同，“金融—科技”耦合脆弱性的影响在不同金融行业中可能存在差异性。本文进一步检验三大行业集聚对“金融—科技”耦合脆弱性的影响，估计结果见表6所列。

表6 不同行业的动态空间面板模型估计结果

在我国金融业发展过程中，由于地区资源错配，三大行业集聚对“金融—科技”耦合脆弱性的影响有较大差异。由表6可知，银行业和保险业的集聚显著降低了本地“金融—科技”耦合脆弱性，而证券业的集聚会提高本地“金融—科技”耦合脆弱性，但系数未通过显著性检验。此外，三大金融行业的集聚都具有显著空间溢出效应，从估计系数来看，溢出效应远大于本地效应，银行业的集聚对耦合脆弱性的降低作用与空间溢出效应都最大，银行业集聚水平每增加1%，本地“金融—科技”耦合脆弱性平均降低0.07%，邻地“金融—科技”耦合脆弱性平均增加0.40%。在我国三大金融行业中，证券业区域发展最不平衡，上海和北京等中心城市证券业高度集中，减弱了本地区证券业集聚对“金融—科技”耦合脆弱性的负向影响。在经济高质量发展的背景下，协调三大金融行业区域平衡有助于降低“金融—科技”耦合系统的脆弱性。

4.区域层面的异质性

我国幅员辽阔，地区间的金融集聚水平各异。根据我国的行政区域，将30 个省份样本划分为东部、中部、西部地区，分别研究三个区域的金融集聚对“金融—科技”耦合脆弱性影响，结果见表7所列。

表7 三大区域动态空间面板模型估计结果

表7的检验结果显示，在本地效应中，东部地区的金融集聚对“金融—科技”耦合脆弱性有显著降低作用，中西部地区的金融集聚则会提高耦合系统的脆弱性且系数均未通过显著性检验；在溢出效应中，只有西部地区在5%的显著性水平上通过了检验。东部地区是我国金融要素高度集中的地区，金融集聚通过优化资源配置、完善市场监管和加速技术创新显著降低了本地耦合脆弱性，处于有效集聚状态，符合本文理论预期；中西部地区因为资源的不合理配置、发展的不均衡，对耦合脆弱性并未表现出与东部地区相同的作用。从三个区域的结果来看，金融集聚水平需要在一定范围内才能降低本地“金融—科技”耦合脆弱性，金融集聚对本地耦合脆弱性的影响是非线性的。改革开放以来，我国重点发展东部地区，导致金融资源大量流向东部地区，区域内发展较为均衡，从而减弱了金融集聚对“金融—科技”耦合脆弱性的空间溢出效应。中部地区在“中部崛起战略”的支撑下，资源配置效率逐渐提高，但由于“技术势差”，资源配置效率的提高并没有对脆弱性产生显著的降低作用和空间溢出效应。此外，中部地区的技术回流仍处于低水平状态，科技系统与金融系统的快速融合所需的技术转化未达到期望标准，金融资源在不完善的信息技术下转化难免出现资源不匹配的情况，这使得金融集聚对“金融—科技”耦合效率的促进达不到理想效果。西部地区资源配置相对落后，资源配置效率低下、金融基础设施薄弱、科技发展缓慢等因素，导致中心地区的金融集聚增加了其他地区的“金融—科技”耦合系统脆弱性。

（四）稳健性检验

前文构建的空间动态面板模型是一种从低级演化到高级的动态过程，而GMM 方法不需要满足经典计量假设，为保证模型扰动项的随机性和解释变量的有效性，采用GMM进行检验，检验结果见表8所列。其中，检验一为以本文研究数据进行的GMM检验实证结果；为使检验更加科学可靠，检验二更换金融集聚的测度数据，采用区位熵直接测算金融集聚水平。具体公式如下：

表8 稳健性检验

其中：fit、pit分别为i省第t年末金融业增加值和地区生产总值，Ft、Pt分别表示全国第t年末金融业增加值和全国生产总值。

检验结果表明，无论是检验一、还是检验二，GMM回归的系数与模型（4）、模型（5）的系数符号均相同，说明本文模型结果是稳健的。Arellano-Bond检验中检验一、检验二AR（2）的P值分别为0.401、0.564，均大于0.05，故扰动项为随机项；Sargan检验中检验一、检验二的P值分别为0.852、0.827，均大于0.05，故模型的工具变量是外生的。

五、研究结论与政策建议

（一）研究结论

如何促进科技与金融的有效融合一直是学术界关注的重要课题。通过实证研究，本文得出以下结论：

第一，整体上我国“金融—科技”耦合脆弱性中等偏高，近些年随着金融和科技发展有逐步降低的趋势，存在明显的空间聚集效应。地区间差异较大，中西部地区“金融—科技”耦合脆弱性高于东部地区，东部地区“金融—科技”耦合脆弱性指数远低于全国平均水平，中西部“金融—科技”耦合脆弱性指数则略高于全国平均水平之上。

第二，从全国数据估计结果来看，金融集聚对“金融—科技”耦合脆弱性存在明显空间溢出效应与本地效应。金融集聚能够显著降低本地“金融—科技”耦合脆弱性，并提高邻地“金融—科技”耦合脆弱性，提高幅度远大于降低幅度。在其他控制变量中，经济水平和信息化水平能够显著降低“金融—科技”耦合脆弱性。

第三，从分地区、分行业的估计结果来看，金融集聚对“金融—科技”耦合脆弱性的本地效应和空间溢出效应在不同地区、不同行业间存在明显差异。一方面，东部地区的金融集聚能够显著降低本地区“金融—科技”耦合脆弱性，西部地区的金融集聚会显著增加邻地“金融—科技”耦合脆弱性，中部地区具有负向溢出效应，但没有通过显著性检验；另一方面，银行业和保险业的集聚对本地“金融—科技”耦合脆弱性存在显著降低作用，但显著提高了邻地“金融—科技”耦合脆弱性，证券业集聚对本地“金融—科技”耦合脆弱性具有正向作用但没有通过显著性检验。金融集聚对“金融—科技”耦合脆弱性的影响效应受限于各地区“金融—科技”耦合发展阶段，不同金融行业的集聚对“金融—科技”耦合脆弱性表现出不同大小、不同方向的影响。

（二）政策建议

基于上述结论，本文提出以下建议：

第一，在全国范围内，应当使区域金融中心的资源有序回流到其他金融个体中，在缺乏中心城市的区域，使该区域内的资源有序集聚到多个中心城市，形成“多点带面”的局势，空间上建立具有结构层次的金融网络，促进金融要素的有效集聚，预防金融要素的拥挤集聚，使本地与邻地的“金融—科技”耦合脆弱性都能得到持续降低。

第二，在不同区域与行业中，一方面，需要控制东部地区的金融集聚对其他地区进一步的资源虹吸，预防拥挤集聚，在稳定东部地区金融结构的同时让金融资源逐步回流至周边地区，推动本地区金融要素的有效集聚，使金融资源在更大区域范围内自由流动。发挥中心地区积累的资源优势，辐射周围地区，带动区域可持续发展，降低本地区“金融—科技”耦合脆弱性。减弱西部地区的“锅底效应”，坚持推进“西部大开发”政策，优化西部地区金融资源配置，从人力、物力上提高金融活力，为金融技术创新提供动力，使金融集聚能够缓解西部地区的本地“金融—科技”耦合脆弱性，并降低邻地“金融—科技”耦合系统的脆弱性。稳定中部地区的资源回流速度，进一步加强基础设施建设，加大金融业投入，培养创新型人才，丰富地区产业多样性，使中部地区能够高效接纳东西部的要素流入，成为全国互动的重要桥梁，从而缓解本地“金融—科技”耦合脆弱性。另一方面，使三大行业在空间上形成具有层次结构的集聚，让整个金融网络体系的资源流动更加充分。银行业与保险业需要细化网络结构，扩大服务覆盖面，提高服务效率，进一步缩小区域差异；对于证券业，集聚中心在高效发挥市场交易职能的同时，要使相对集中的资源分散到其他地区，防范拥挤集聚风险。第三，无论是不同行业还是不同区域，稳固的“金融—科技”系统结构是降低“金融—科技”耦合脆弱性的关键。应当以金融结构的多样性、互动性和层次性为基础，通过要素自由流动优化资源配置，预防结构断层；另外应注重科学技术人才的培养、科学技术的创新，提高地区信息化水平和经济水平，为“金融—科技”的深度耦合奠定牢靠的基础，让金融科技服务切实有效地服务于实体经济发展。

注 释：

（1）资料源自《中华人民共和国国民经济和社会发展第十四个五年规划和2035 年远景目标纲要》（http：//www.gov.cn/xinwen/2021-03/13/content_5592681.htm）。

（2）资料源自《金融科技发展规划（2022-2025 年）》（http：//www.gov.cn/zhengce/2022-01/07/content_5666817.htm）。

（3）资料源自《中国金融中心指数（CFCI）报告（第十三期）（http：//www.cfci.org.cn/html/2022/06/20/202206200349 017310001520.html）。

（4）图中序号1—30分别对应安徽省、北京市、福建省、甘肃省、广东省、广西壮族自治区、贵州省、海南省、河北省、河南省、黑龙江省、湖北省、湖南省、吉林省、江苏省、江西省、辽宁省、内蒙古自治区、宁夏回族自治区、青海省、山东省、山西省、陕西省、上海市、四川省、天津市、新疆维吾尔自治区、云南省、浙江省、重庆市。