金融集聚、空間溢出與城鎮化——基于2005～2014年省級面板數據的實證研究

金發奇　文　茜（中南大學，長沙 410083）

金融集聚、空間溢出與城鎮化——基于2005～2014年省級面板數據的實證研究

金發奇文茜
（中南大學，長沙 410083）

本文基于2005～2014年我國31個省（市、自治區）的面板數據，分別構建金融集聚指數和城鎮化指數，考察金融集聚與城鎮化發展的空間自相關性，并建立了空間自回歸模型和空間杜賓模型，采用空間回歸偏微分方法分析金融集聚對城鎮化的空間溢出效應。研究表明，我國金融集聚和城鎮化均呈現明顯的空間自相關性，且呈增強趨勢。金融集聚、金融投資比率、經濟發展水平、對外開放程度對本地區及鄰近地區的城鎮化都存在著正向的空間溢出效應，且地理距離關聯模式下溢出效應更強；而金融發展規模和政府干預程度對城鎮化發展存在負向空間溢出效應。

金融集聚 空間溢出 城鎮化 金融投資比率 對外開放程度 政府干預

引 言

城鎮化是伴隨中國經濟發展進程中的必然現象，是解決三農問題，縮小城鄉差距，協調區域發展，實現社會主義現代化的必由之路?！秶倚滦统擎傄巹潱?014～2020）》的頒布，明確了建設協調性、可持續性的中國特色城鎮化道路，高效推進新型城鎮化發展，不僅是深化經濟體制改革背景下的重要戰略，更是我國現代化建設的重要任務之一。金融集聚是規模經濟、范圍經濟和區域專業化分工的重要表征，是行業發展的必然趨勢?？v觀全球性金融集聚中心，不論是美國紐約、英國倫敦，還是日本東京、中國上海，無一例外都處于城鎮化發展水平較高的階段，這意味著金融集聚與城鎮化處于良好的互動關系中。在金融發展與深化的過程中，區域內產業不斷集聚，規模經濟優勢凸顯，資金配置效率提高，金融體系滿足實體經濟資金需求的能力增強，能夠對區域城鎮化發展帶來正外部性。本文基于2005～2014年省級經濟數據，分析金融集聚對我國城鎮化發展的影響及其空間溢出效應，以期厘清二者關系，增強金融集聚與中國新型城鎮化建設的良好互動。

1　文獻綜述

就現有的該領域文獻來說，多聚焦于金融集聚與經濟發展和產業結構升級的關系研究，探討金融集聚與城鎮化關系的研究文獻較少。Robert（1993）、Kyung（1997）、Glaeser（2003）基于不同樣本，提出金融體系對城鎮化的支持作用主要來自于保障城市交通基礎設施建設和住房建設的資金需求［1-3］。Kempson（1999）從農村經濟角度出發，提出農村地區金融發展的滯后導致了農村經濟發展的落后，造成了區域經濟發展的失衡，影響城鎮化進程［4］。Nahashi，Stannics（2007）提出金融發展對于城鎮化的影響路徑有兩層:（1）完善的城市金融體系能為城鎮化進程中各經濟要素的流動提供高效的支付系統。（2）金融體系能集中閑散資金，發揮金融資本集聚和配置功能，為城鎮化提供必要的資金支持［5］。國內學者范川（2003）、范立夫（2010）、周宗安（2015）、李清政（2015）認為金融與城鎮化存在正向互動關系，金融體系通過為城鎮化進程中的基礎設施建設提供信貸支持，加快城鎮化建設步伐［6-9］。陳立泰（2012）以我國西部地區為樣本，構建了金融集聚和城鎮化發展水平的評價指標體系，通過因子分析法得出二者之間存在著互動發展關系［10］。中國人民銀行天津分行課題組（2013）通過實證研究提出，金融發展對我國城鎮化建設的推動作用不明顯，金融的支持作用沒有充分發揮［11］。李寶禮（2015）從時間和空間兩個維度出發，對我國省級面板數據進行了實證分析，認為金融集聚對城鎮化的發展具有顯著的正向作用，且對東部地區的作用最明顯［12］。茍小菊（2016）運用空間滯后模型和空間誤差模型，以江淮城市群為例，研究金融集聚對人口城鎮化的影響，結果表明，江淮城市群金融集聚能夠顯著促進人口城鎮化發展［13］。王周偉（2016）從網絡關聯視角解構了金融集聚支持新型城鎮化發展的直接效應與間接效應及總效應，研究結論表明金融集聚對新型城鎮化發展具有正向推動作用［14］。

縱觀前人的研究成果，大多從時間維度出發，研究金融體系對城鎮化發展的支持作用，缺乏從空間維度考慮金融集聚對城鎮化建設的溢出效應的研究。金融集聚作為產業發展的空間表現形式，忽略其空間因素的考察是不全面的，而且傳統的回歸分析方法不能解釋空間差異，容易造成結果偏差。本文借鑒已有的研究成果，基于空間計量經濟學的研究視角，以2005～2014年我國省級經濟數據為例，建立空間自回歸模型（SAR）和空間面板杜賓模型（SDM），采用空間回歸偏微分方法全面分析金融集聚對城鎮化發展的空間溢出效應。

2　空間計量分析方法

2.1空間自相關性檢驗方法

空間依賴，是指一個地區的觀測值依賴于鄰近地區觀測值的地理空間現象［15］。Moran’s I指數能夠揭示研究變量的空間依賴關系，是檢驗空間自相關性的重要指標，其取值范圍在-1～1之間，符號表明空間相關性的正負關系，數值越大則相關程度越高。具體計算公式如下:

其中，Yi是第i個樣本的觀測值，n為樣本總數，Wij為空間權重矩陣。

2.2空間權重矩陣

空間權重矩陣Wij表征的是地理單位的空間安排，反映不同空間截面上研究變量的相互依賴程度，體現區域間空間地理效應，選擇不同的空間權重矩陣，會影響變量間的空間連接關系，對空間計量模型的估計結果有重要影響。為了客觀分析金融集聚對城鎮化發展的空間溢出效應，本文沿襲鄧若冰、劉顏（2016）［16］的做法，分別構建地理距離權重矩陣和經濟距離權重矩陣:

（1）地理距離權重矩陣以地理關系的遠近為依據設定，地理相鄰的地區賦值為1，地理不相鄰地區賦值為0，具體定義如下:

（2）經濟距離權重矩陣以經濟實力的差距為依據設定，本文選擇以實際人均GDP均值之差來表征兩個地區的經濟實力差距。兩個地區的經濟實力相當，則權數較大，兩個地區經濟實力懸殊，則權數較小。具體元素定義如下:

2.3空間面板計量理論

空間面板計量模型能夠綜合時間尺度的信息和地域空間單元的信息，集成考慮了時間相關性和截面相關性，能夠科學客觀地反映時空交互作用。主要形式有空間自回歸模型（SAR）、空間誤差模型（SEM）和空間杜賓模型（SDM）3種。在非空間模型中，參數的點估計值即表征自變量的邊際效應，但是由于空間滯后項的存在，這種點估計容易導致錯誤的結論，偏微分可以解釋不同模型設定中變量變化的影響，是檢驗空間溢出效應更為有效的方法［16，17］。

空間自回歸模型（SAR）:模型中包括了因變量空間滯后項，用來研究當一個區域內經濟行為對鄰近區域的經濟行為產生溢出效應的情形［18］。具體模型形式如下:

其中，yit表示單位i在t時期的因變量，xit表示單位i在t時期的自變量，β為系數向量，Wij為空間權重矩陣，Wijyjt表示因變量空間滯后項，ρ為空間自回歸系數，εit為殘差項，μi和γi表示空間特定效應和時間特定效應。

空間杜賓模型（SDM）:模型中不僅包括因變量空間滯后項，同時包括自變量空間滯后項，是比空間自回歸模型（SAR）和空間誤差模型（SEM）更為廣義的回歸模型，具體形式如下:

其中，Wijxjt表示自變量空間滯后項，?表示自變量空間滯后項的系數。

空間總效應分解:由于SAR和SDM中都存在空間滯后項，需要進一步估算模型的直接效應、間接效應和總效應。LeSage和Pace（2009）通過空間回歸偏微分方法給出了空間溢出效應分解的途徑，分解后的直接效應表征區域內效應，衡量某個外生變量對本地區被解釋變量造成的平均影響，間接效應表征區域間效應，衡量某個外生變量對其他地區被解釋變量造成的空間溢出效應。

3　研究設計與實證分析

3.1變量選擇與數據說明

3.1.1變量選擇

因變量指標:由于十八大提出的城鎮化是綜合、全面、協調、可持續的新型城鎮化，單一指標評價法無法全面度量城鎮化發展水平。因此，基于新型城鎮化發展的內涵，本文從人口、產業、經濟、社會、環境5個方面構建城鎮化評價指標體系（表1），并采用熵值法對我國31個省（市、自治區）的城鎮化指數進行測算，得到2005～2014年我國31個?。ㄊ?、自治區）的城鎮化指數，用URB表示。

表1　城鎮化評價指標體系

自變量指標:區位熵是從地理空間角度考察區域內要素分布的有效指標，能夠反映區域內要素集聚情況，數值越大，表明集聚程度越高，專業化程度越強。為衡量我國31個?。ㄊ小⒆灾螀^）的金融集聚程度，對金融區位熵進行測算，用FIN表示，計算公式如下:其中，Zij為區域i內產業j的增加值，Zi為區域i內的國民生產總值；Zpj為國家p內產業j的總增加值；Zp為國家p的國民生產總值。

控制變量:由于影響城鎮化的因素眾多，為了更穩健地考慮金融集聚對城鎮化的影響，引入金融發展規模（SCA）、金融投資比率（INV）、經濟發展水平（GDP）、對外開放度（OPE）、政府干預度（GI）作為控制變量。其中:金融發展規模（SCA）以金融機構年末各項存貸款余額占GDP的比重反映；金融投資比率（INV）以金融業固定資產投資額占GDP的比重反映；經濟發展度水平（GDP）以國民生產總值（千億）反映；對外開放度（OPE）用當年匯率折算為人民幣價值的進出口貿易額所占GDP的比重反映；政府干預度（GI）用各地區財政支出所占GDP的比重反映。

3.1.2數據說明

本文采用2005～2014年間我國不包括港澳臺在內的31個?。ㄊ?、自治區）的面板數據。所有原始數據均從各統計年鑒、中國國家統計局網站和EPS全球金融數據庫搜集整理得到。使用的軟件為Matlab 2010b和Geoda。

3.2空間自相關性檢驗

在進行空間計量建模之前，基于地理距離空間權重矩陣對城鎮化指數和金融集聚指數進行空間自相關檢驗，利用GeoDa軟件計算Moran’s I指數結果如下。

表2　金融集聚與城鎮化的Moran’s I指數值

從表2可以看出，城鎮化指數和金融集聚指數的Moran’s I值均為正值，且城鎮化指數的Moran’s I指數均顯著大于0.4，可見2005年以來我國省域間城鎮化建設具有較強的空間自相關性，某個省份的城鎮化建設會受到相鄰省份的顯著影響。同時，金融集聚指數也呈現明顯的空間自相關性，并從2006年開始呈現迅速增強趨勢。

3.3空間計量模型的構建

基于Moran’s I指數測算，說明研究變量存在顯著的空間集聚特征，用空間面板模型進行估計是合理的。因此分別建立空間自回歸模型（SAR）和空間杜賓模型（SDM）如下，空間自回歸模型（SAR）:

空間杜賓模型（SDM）:

3.4模型估計結果與分析

在估計模型前，先進行LR檢驗和Wald檢驗，對哪個模型較優進行預判。檢驗結果顯示，Wald Spatial Lag值和LR Spatial Lag值分別為35.78和36.64，在1%顯著性水平上拒絕了原假設。另一方面，Wald Spatial Error值和LR Spatial Error值分別為54.46和51.61，也同樣拒絕了原假設，說明空間杜賓模型較優。從Hausman檢驗來看，統計量為199.4且拒絕原假設，說明固定效應要明顯優于隨機效應。

表3　空間模型的LR和Wald 檢驗

為方便對比，在進行空間面板回歸之前進行了混合回歸，如表4所示，混合OLS估計的R-squared為0.646，變量都通過了10%顯著性水平檢驗。金融集聚指數、金融發展規模、金融投資比率、經濟發展水平、政府干預程度、對外開放度與城鎮化發展均呈正相關關系，政府干預度與城鎮化發展成負相關關系。但是由于空間相關性的存在，混合回歸容易導致結果有偏或無效。因此采用極大似然法對兩種空間權重矩陣（地理距離與經濟距離）下的SAR（空間自回歸模型）和SDM（空間杜賓模型）作進一步估計。

表4　金融集聚與城鎮化的OLS、SAR、SDM估計結果

在空間計量模型中，不論是基于哪種權重矩陣，模型的擬合優度都超過了0.872，遠高于混合回歸下的擬合優度，說明加入空間因素后的模型擬合程度更好。另一方面，空間面板下所得的估計參數大部分小于混合回歸下的估計參數，說明忽略空間因素容易夸大各變量的作用。空間自相關系數在兩種權重矩陣下分別為0.478、0.965、0.607、0.827，且均在1%水平下顯著，說明被解釋變量具有明顯的空間依賴性和空間溢出效應，即城鎮化發展不僅受到本省金融集聚的影響，還受到鄰近省份金融集聚和其他解釋變量的影響。

在兩個權重矩陣下，核心解釋變量金融集聚指數對城鎮化發展的影響系數均顯著為正值，估計參數分別為1.04、0.424、0.826、0.277，說明省域內金融集聚現象能夠對新型城鎮化建設起到推動作用。金融業不斷深化發展帶來的產業集群現象，能夠吸引有活力的經濟要素在區域內集聚，激發金融創新，從而帶來正向的外部性。另一方面，金融集聚指數在地理距離下的溢出效應（1.04，0.826）要明顯大于經濟距離下的溢出效應（0.424，0.277），說明金融集聚在地理空間關聯模式下的溢出效應更強，我國已經涌現上海、深圳等具有一定規模的金融集聚中心，這些省域能夠對周邊地區的城鎮化起到一定的輻射作用。

金融投資比率在地理距離權重矩陣下，估計參數顯著為正，表明金融行業固定資產投資額的增加，能夠引導社會資源合理流向，為城鎮化建設過程中涉及到的公共基礎建設、生態環境保護、農民權益性住房及保障、教育等問題需要的大量資金提供支持。

金融發展規模估計參數分別為-0.146、-0.023、-0.078、0.03，且大部分未通過顯著性檢驗。盡管金融行業通過發揮信貸平臺優勢和資本市場功能，為實體經濟提供了多元化的融資渠道，但我國目前的銀行業貸款仍處于粗放式階段，重規模，輕質量，呆賬壞賬居高不下；另一方面，大部分銀行業貸款資金流向了大型國有企業和政府事業單位，民營企業仍然面臨著融資壁壘和投資約束問題。

經濟發展水平在4個模型中均呈現明顯的正向影響，說明經濟實力的提高能夠有效推動城鎮化發展。地理距離的溢出效應（0.018，0.022）大于經濟距離溢出效應（0.008），說明地理位置相近的地區影響程度更大，如我國江浙滬城市集群、長三角城市集群、珠三角城市集群等經濟發展較快的城市形成的集群效應，能夠推動本區域和周邊地區城鎮化建設。

政府干預程度與城鎮化關系不顯著，說明我國政府財政支出沒有充分發揮對新型城鎮化建設的支持作用。我們嘗試從兩方面去理解:第一可能是政府干預過度，導致市場配置失靈，給城鎮化建設造成一定阻力。另一方面，當前我國仍停留在粗放型的城市化進程中，財政資金大部分流向城市基礎設施建設，對生態建設的投入較少，重速度，輕質量的發展模式，不符合新型城鎮化建設的要義。

對外開放度在4個模型均呈現明顯的正向作用，估計參數分別為1.133、0.629、1.233、0.401。伴隨我國國際化程度不斷提高，對外貿易額逐年攀升，頻繁的國際交流與合作催生了北京、上海等國際化大都市，國際化都市圈能夠對鄰近地區城鎮化建設起到一定的輻射作用。

3.5空間溢出效應分解

基于LeSage和Pace（2009）提出的偏微分方法，本文對SAR與SDM在地理距離與經濟距離權重矩陣下各變量的空間溢出效應進行分解，如表5所示。上文已述空間杜賓模型是較優模型，因此以SDM為主要解釋模型。（1）金融集聚對城鎮化的區域內溢出效應，在兩個權重矩陣下分別為0.582和0.473，且均通過了1%水平下顯著性檢驗。說明金融集聚通過匯集閑散資金，優化資源配置，在一定程度上保障城鎮化建設中的資金供給，給城鎮化建設提供推動力。（2）金融集聚的區域間溢出效應，在地理距離下取得負值（-2.66），而在經濟距離下為正值（2.055），說明在地理關聯模式下，金融集聚對周邊地區的城鎮化發展造成了抑制。用我國北京市和河北省的例子解釋這個關系比較妥當，北京市作為國際化大都市，集聚了人才、資金、技術等要素稟賦，一定程度上剝奪了鄰近地區的資源，造成河北省資源相對稀缺，因此北京市的金融集聚對河北省的城鎮化建設造成了負向空間溢出。

在控制變量的空間溢出效應上，金融投資比率和金融發展規模在地理距離下都達到了正向的溢出效應，說明金融業固定資產投資和銀行業貸款能夠在一定程度上滿足城鎮化建設的資金缺口，為城鎮化發展提供資金支持，推動城鎮化建設，并對周邊地區起輻射作用。經濟發展水平在兩種權重下的溢出效應都在1%顯著水平下為正，說明經濟實力的增強，能夠推動生產要素在區域間的流動以及市場、資源和人才的共享，推動產業結構升級，從而對周邊區域產生積極輻射。政府干預度的溢出效應顯著為負，說明一個地區的政府支出會在一定程度上抑制私人投資，弱化市場效率。對外開放度在兩種權重矩陣下的溢出效應都為正，在地理距離下的區域內效應高達1.247，說明不斷提高對外開放水平，不僅能夠深化改革，為經濟繁榮增添活力，還能推動我國新型城鎮化發展，加強國際化城市的輻射作用。

表5　SAR和SDM 空間溢出效應分解

4　結論與建議

本文從空間溢出視角出發，選取了2005～2014年我國31個?。ㄊ?、自治區）的面板數據，運用空間自回歸模型和空間杜賓模型對金融集聚對城鎮化的空間溢出效應進行估計，并利用偏微分方法進行了空間效應分解。主要結論如下:我國金融集聚和城鎮化均呈現明顯的空間自相關性，且呈增強趨勢。金融集聚、金融投資比率、經濟發展水平、對外開放程度對本地區及鄰近地區的城鎮化都存在著正向的空間溢出效應，且地理距離關聯模式下溢出效應更強；而金融發展規模和政府干預程度對城鎮化發展存在負向空間溢出效應。

基于以上結論，本文嘗試性提出以下建議:（1）鼓勵金融產業集聚，加強區域金融中心建設，加大政策扶持，合理引導金融資源流向，吸引人才、資金、技術集聚；各金融機構加強交流與合作，合理布局金融互動機制，加大對新型城鎮化的支持力度。（2）全面深化金融集聚，提升專業型、多元化的金融集聚水平，鼓勵金融創新，積極開發金融工具，激發金融活力，為新型城鎮化發展提供強大推動力。新型城鎮化建設涉及到長期巨額低收益的公共投資，可以發行地方政府債券，借助金融產品，緩解財政壓力，將地方政府債券交易與定價納入統一債券市場中，構建完整的政府信用管理體系；積極拓展項目融資，在銀行信貸的基礎上，融合BOT、融資租賃、信托等方式，建設合理的融資體系，全面提升金融集聚支持新型城鎮化發展的服務范圍、水平與效率，構建多元、協調、持續、高效的金融集聚中心。（3）政府可以對金融創新型企業提供稅收優惠和政策補貼，鼓勵資金流向中小民營企業，提升民營企業參與新型城鎮化建設的熱情。同時，加強政府調控機制，充分發揮市場調節機制，合理調整政府財政支出結構，加大治理污染，改善地區生態，走可持續發展的集約模式。

［1］Robert G.King，Ross Levine.Finance，Entrepreneurship，and Growth:Theory and Evidence［J］.Journal of Monetary Economics，1993，（32）:513～542

［2］Kyung-Hwan Kim.Housing Finance and Urban Infrastructure Finance［J］.Journal of Urban Studies，1997，（10）:89～123

［3］Glaeser E L.Sprawl and Urban Growth［C］.NBER Working Papers，2003:68～85

［4］Kempson E，Whyley C.Kept Out or Opted Out-Understanding and Combating Financial Exclusion［M］.The Policy Press，1999:56～62

［5］Nahashi，Stannics.Diverging Patterns with Urban Growth［D］. Canada Economic Association Discussion Paper No 87，2007

［6］范川.金融創新是解決城市化發展資金瓶頸的關鍵［J］.商業研究，2003，（21）:149～150

［7］范立夫.金融支持農村城鎮化問題思考［J］.城市發展研究，2010，（7）:63～66

［8］周宗安，王顯暉，汪洋.金融支持新型城鎮化建設的實證研究——以山東省為例［J］.東岳論叢，2015，（1）:116～121

［9］李清政.金融支持與我國新型城鎮化互動發展的理論和實證研究［J］.宏觀經濟研究，2015，（4）:142～152

［10］陳立泰，劉倩.我國西部地區金融集聚與城鎮化互動關系實證研究［J］.城市問題，2012，（9）:17～22

［11］中國人民銀行天津分行課題組.城鎮化、經濟增長與金融支持問題研究［J］.天津經濟，2013，（1）:32～36

［12］李寶禮，胡雪萍.金融集聚對中國城鎮化的影響［J］.城市問題，2015，（10）:55～62

［13］茍小菊，牛傳濤.金融集聚與江淮城市群城鎮化空間計量分析［J］.北京航空航天大學學報（社會科學版），2016，（1）:98～103

［14］王周偉，柳閆.金融集聚對新型城鎮化支持作用的空間網絡分解［J］.上海師范大學學報（哲學社會科學版），2016，（2）:45～55

［15］J Paul Elhorst.空間計量經濟學——從橫截面數據到空間面板［M］.北京:中國人民大學出版社，2015

［16］鄧若冰，劉顏.工業集聚、空間溢出與區域經濟增長——基于空間面板杜賓模型的研究［J］.經濟問題探索，2016，（1）:66～76

［17］張曉燕，冉光和，季健.金融集聚、城鎮化與產業結構升級——基于省級空間面板數據的實證分析［J］.工業技術經濟，2015，（9）:123～130

［18］J.LeSage and R.K.Pace.Introduction to Spatial Econometrics［M］.Taylor&Francis Group，LLC，2009

［19］沈體雁，馮等田，孫鐵山.空間計量經濟學［M］.北京:北京大學出版社，2010:27

Financial Agglomeration，Spatial Spillover Effect and Urbanization in China——Based on the Empirical Study with Provincial Panel Data from 2005 to 2014

Jin Faqi Wen Xi
（Central South University，Changsha 410083，China）

Based on the panel data of 31 provinces，municipalities or autonomous regions in China from 2005 to 2014，this paper constructs financial agglomeration index and urbanization index，studies the Spatial auto-correlation of financial agglomeration and urbanization development，moreover，builds spatial auto-regression model and spatial Durbin model and analyzes spatial spillover effects of financial agglomeration on urbanization based on spatial regression model partial derivatives method.It comes to the results as follows，China’s financial agglomeration and urbanization showed significant spatial auto-correlation，and showed an increasing trend.Financial agglomeration，financial investment ratio，the level of economic development and openness both have positive spatial spillover effect on urbanization of the region and adjacent areas，and the effect in geographical distance association mode is stronger than which in economic distance association mode.However，the scale of financial development and the extent of government intervention have negative spatial spillover effect on urbanization of the region and adjacent areas.

financial agglomeration；spatial spillover effect；urbanization；financial investment ratio；openness；government intervention

10.3969/j.issn.1004-910X.2016.11.006

F832

A

2016—07—07

省部級項目“復雜環境下系統性民間金融風險的度量、傳導與防范研究”（項目編號:Z201606230160001）。

金發奇，中南大學商學院副教授，金融學博士。研究方向:新型城鎮化、商業銀行管理。文茜，中南大學商學院碩士研究生。研究方向:新型城鎮化、商業銀行管理。

（責任編輯:王 平）