金融集聚提升了海洋經濟技術效率嗎？
——基于IV-2SLS和門檻回歸的實證研究

(遼寧師范大學 海洋經濟與可持續(xù)發(fā)展研究中心,遼寧 大連 116029)

金融集聚提升了海洋經濟技術效率嗎？
——基于IV-2SLS和門檻回歸的實證研究

孫 康,張 超,劉峻峰

(遼寧師范大學 海洋經濟與可持續(xù)發(fā)展研究中心,遼寧 大連 116029)

基于2006—2014年我國沿海11個省市區(qū)的面板數(shù)據(jù),應用隨機前沿分析方法測度了沿海11個省市區(qū)的海洋經濟技術效率,在此基礎上采用工具變量二階段最小二乘法(2SLS)實證檢驗了金融產業(yè)專業(yè)化集聚對海洋經濟技術效率的影響。結果表明,金融集聚對海洋經濟技術效率促進效應不明顯;我國海洋經濟發(fā)展過程中存在“金融抑制”現(xiàn)象。進一步采用門檻回歸模型解釋了引起“金融抑制”現(xiàn)象的原因:沿海地區(qū)金融集聚水平存在“門檻效應”,部分沿海地區(qū)過高的金融集聚水平弱化了對海洋經濟技術效率的促進效應。因此,在金融供給側結構性改革的背景下,優(yōu)化金融人才結構、實現(xiàn)“互聯(lián)網+海洋金融”的發(fā)展模式、深化沿海地區(qū)市場化程度是提升海洋經濟技術效率的主要途徑。

金融集聚;海洋經濟技術效率;工具變量二階段最小二乘法;門檻回歸

在海洋強國背景下,金融集聚對海洋經濟的作用日益顯著。以英國、挪威、新加坡和我國香港特別行政區(qū)為代表的沿海發(fā)達國家和地區(qū)海洋金融服務業(yè)發(fā)展特征和經驗表明,海洋金融是海洋產業(yè)的重要支柱，倫敦、奧斯陸、新加坡和我國香港特別行政區(qū)等城市已成為世界性海洋金融中心。我國海洋經濟歷經了數(shù)十年高速發(fā)展,在全球海洋產業(yè)經濟鏈上占據(jù)著重要地位[1]。2015年全國海洋生產總值64669億元,比上年增長了7.0%,海洋生產總值占國內生產總值9.6%。“十三五”規(guī)劃綱要中,推動海洋經濟發(fā)展的內容首次被列入?yún)^(qū)域發(fā)展戰(zhàn)略。然而,我國海洋經濟在經歷多年高速增長后,傳統(tǒng)涉海產業(yè)正面臨人口紅利終結、資源過度開發(fā)、環(huán)境惡化、市場惡性競爭、貿易摩擦加劇等多種因素制約，科技含量高的海洋新興產業(yè)資金需求量大、自然風險和市場風險高,缺少專業(yè)性較強的海洋金融機構提供金融服務，客觀上要求我國金融業(yè)特別是海洋金融業(yè)實現(xiàn)快速發(fā)展,為海洋經濟發(fā)展提供堅實基礎。

1 理論與文獻綜述

金融發(fā)展和深化有效地促進經濟增長[2-6]。企業(yè)微觀層面,金融發(fā)展降低了企業(yè)外部融資成本[7],金融市場有效需求和政府積極推動有助于完善金融體系和暢通融資渠道。企業(yè)可通過銀行貸款、債券融資、信貸擔保、信托基金、融資租賃等渠道吸收其他經濟主體的儲蓄,資金潛在提供者之間的競爭降低了企業(yè)家承擔的利率。根據(jù)內生性增長理論,儲蓄進一步轉化為投資,為企業(yè)技術創(chuàng)新提供資金,提高勞動生產率,最終實現(xiàn)經濟增長。空間區(qū)域層面,區(qū)域經濟發(fā)展過程中金融資源要素持續(xù)流動、金融市場功能完善,各個層次的金融機構和金融輔助性行業(yè)為獲取不對稱的金融信息必須盡量接近信息來源,形成金融集聚中心[8]。金融中心一方面要發(fā)揮空間溢出效應，為本地區(qū)和周邊區(qū)域受當?shù)亟鹑诮Y構約束的企業(yè)提供金融服務[9,10];另一方面,金融部門信息收集處理的優(yōu)勢和部門間利益競爭效應決定了更多的儲蓄資金會流向回報更高的項目,實現(xiàn)資源優(yōu)化配置,達到提升經濟運行效率的目標[11]。

理論上,金融集聚與經濟增長的關系理論同樣適用于解釋金融集聚與海洋經濟增長。一方面,海洋經濟是國民經濟的子系統(tǒng),涉海產業(yè)均為國民經濟部分相關產業(yè),其統(tǒng)計口徑相同。沿海地區(qū)又是我國經濟發(fā)達地區(qū),相關學者針對金融集聚與區(qū)域經濟增長的研究也主要選擇這些區(qū)域。例如，潘輝[12]、李紅[13]、李標[14]實證分析了沿海地區(qū)金融集聚和經濟增長存在正相關關系。另一方面,我國區(qū)域金融中心主要分布在沿海中心城市,與海洋產業(yè)分布地區(qū)相同。在海洋產業(yè)開發(fā)利用過程中,金融集聚中心內部專業(yè)性較強的海洋金融機構可發(fā)揮空間溢出效應為本地區(qū)和周邊區(qū)域涉海企業(yè)提供資金支持。涉海產業(yè)尤其是新興海洋產業(yè)利潤較高、發(fā)展較快,海洋金融機構通過提供信息和風險管理功能將社會閑散資金分配到回報較高的涉海新興產業(yè)。

事實上,對于海洋經濟增長金融支持問題相關國內學者進行了不同程度的研究。俞立平的研究表明[15],沿海11個省區(qū)金融發(fā)展水平對海洋經濟貢獻總體較弱小,海洋經濟發(fā)展過程中存在“金融抑制”現(xiàn)象;安虎賁[16]進一步對環(huán)渤海經濟圈4省區(qū)金融水平與海洋經濟增長發(fā)展關系進行了量化研究,結果顯示各地區(qū)金融發(fā)展水平的提升均會不同程度地拉動當?shù)睾Ｑ蠼洕l(fā)展;肖立晟[1]調研了歐亞主要海洋金融中心,探討和分析了各地海洋金融發(fā)展特征、模式和經驗,為中國海洋金融發(fā)展提供國際經驗支持;劉東民等[17]在此基礎上圍繞海洋經濟國家戰(zhàn)略頂層設計,提出發(fā)展中國海洋金融的新策略。

總體來看,現(xiàn)有文獻鮮有關于金融集聚和海洋經濟增長的研究。研究領域集中在金融集聚與地區(qū)間勞動生產率關系;研究區(qū)域基于我國31個省、直轄市、自治區(qū)或局限于某個沿海省份，數(shù)據(jù)選取也較少涉及海洋經濟。本文采用沿海地區(qū)省級層面金融和海洋經濟數(shù)據(jù)研究金融集聚與海洋經濟技術效率之間的關系,考慮到可能存在的海洋經濟技術效率對金融集聚的反向因果關系,選取沿海省份大陸海岸線與島嶼海岸線總長度和年降水量兩組較為理想的工具變量,盡量避免可能存在的內生性。進一步采用門檻回歸模型,計算門檻值,以期研究金融集聚與海洋經濟技術效率的非線性關系。

2 模型設定、數(shù)據(jù)說明與變量解釋

2.1 模型設定

根據(jù)以上理論分析,按照面板數(shù)據(jù)要求建立模型為:

TEit=α0+α1aggit+φΣXit+ηi+εit

(1)

式中,i代表沿海省市區(qū)；t代表年份;TEit表示海洋經濟技術效率;aggit表示金融從業(yè)人員集聚水平;Xit為控制變量,包括海洋產業(yè)集聚度(clusterit)、固定資產投資強度(invit)、財政支出比重(govscalit)、對外開放程度(openit)、教育質量水平(eduit)和信息化水平(infit);ηi表示地區(qū)個體效應；εit為隨機擾動項。為了在一定程度上消除異方差和量綱,對所有變量都進行了對數(shù)化處理。

2.2 數(shù)據(jù)說明

本文使用的我國2006—2014年沿海11個省市區(qū)的數(shù)據(jù)主要來源于2007—2015年《中國海洋統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》和《中國城市統(tǒng)計年鑒》,互聯(lián)網普及率數(shù)據(jù)由歷年的《中國互聯(lián)網絡發(fā)展狀況統(tǒng)計報告》統(tǒng)計獲得。在計算海洋經濟技術效率過程中,沿海地區(qū)涉海就業(yè)人力資本是涉海就業(yè)勞動力數(shù)量和人均受教育年限的乘積[18],物質資本存量參照張軍[19]的方法計算,固定資產折舊率采用5%。需指出的是,鑒于現(xiàn)有海洋統(tǒng)計年鑒缺少海洋固定資產投資的統(tǒng)計,借鑒紀玉俊[20]的方法進行核算,具體核算方法是:海洋固定資產投資=(海洋生產總值/地區(qū)生產總值)×地區(qū)固定資產投資總額。在計算金融從業(yè)人員就業(yè)密度過程中,使用沿海各省市區(qū)的行政區(qū)域面積,而非市轄區(qū)面積的總和,主要考慮到樣本期間沿海地區(qū)許多城市的市轄區(qū)面積發(fā)生了重大變化。為了消除價格因素的影響,所有涉及價格度量的變量均進行指數(shù)平減,調整為2005年的不變價格。

2.3 變量解釋

本文被解釋變量為海洋經濟技術效率(TE):技術效率對中國勞動生產率增長做出了貢獻,勞動生產率提高進一步促進經濟增長[21]。基于海洋經濟統(tǒng)計數(shù)據(jù)限制,本文采用隨機前沿分析法(SFA)測度海洋經濟技術效率。隨機前沿分析是一種考慮環(huán)境變化和隨機因素對生產行為影響的參數(shù)估計方法,該計算結果較穩(wěn)定,不易受異常點影響。投入指標方面,勞動和資本作為投入要素,海洋經濟生產總值作為產出指標,構建前沿生產函數(shù)具體形式為:

ln(Yit)=β0+β1ln(Lit)+β2(Kit)+(υit-μit)

(2)

式中,Yit、Lit、Kit分別表示沿海地區(qū)海洋GDP、涉海就業(yè)人力資本和海洋固定資本存量;β0為截距項,βi為(i=1,2)待估參數(shù);υit為隨機擾動項,表示海洋經濟中不確定性因素,服從標準正態(tài)分布;μit為技術無效率項,表示沿海地區(qū)實際技術效率與技術效率前沿面之間的差距,服從零點截斷的半正態(tài)分布。

表1 SFA模型參數(shù)參數(shù)估計值

注:LR檢驗服從混合卡方分布(Mixed Chi-square Distribution);*、***分別表示在10%、1%的水平下顯著。

結合2006—2014年我國沿海地區(qū)海洋經濟技術效率情況,利用ArcGIS10.2,分別選取2006年、2010年和2014年截面數(shù)據(jù)繪制沿海11個省市區(qū)的海洋經濟技術效率時空格局圖(圖1),將技術效率劃分成效率較高(0.8≤TElt;1)、效率中等(0.6≤TElt;0.8)、效率較低(TElt;0.6)三個等級,以分析沿海地區(qū)海洋經濟技術效率空間分異特征。整體表明,我國沿海地區(qū)海洋經濟技術效率呈現(xiàn)上升趨勢，各區(qū)域間海洋經濟技術效率水平差距明顯,但是在逐漸縮小。2006年“十一五”規(guī)劃初期,海洋經濟技術效率達到較高等級的有山東、上海、浙江和廣東;2010年,天津、江蘇和福建也轉變?yōu)檩^高水平；廣西和海南的效率在2006年和2010年均處于較低等級,2014年達到中等水平；河北和遼寧在樣本期效率未發(fā)生較大變化,因此始終處于中等水平。

圖1 中國海洋經濟技術效率時空格局

金融從業(yè)人員集聚水平(agg)是核心解釋變量:基于數(shù)據(jù)可得性,參考范劍勇[22]的做法,使用金融從業(yè)人員就業(yè)密度作為衡量金融集聚水平的指標,金融業(yè)就業(yè)密度是當年每平方公里土地上金融從業(yè)人員數(shù)。在區(qū)分產業(yè)的集聚經濟分析中,某產業(yè)從業(yè)人員就業(yè)密度可有效反應該產業(yè)專業(yè)化集聚水平,一個地區(qū)只有具備充足和高質量的金融人力資源,才能形成集群內的競爭合作關系。

表2 相關變量的描述性統(tǒng)計

3 實證結果及分析

在進行嚴格的計量分析金融集聚與海洋經濟技術效率的關系前,首先利用散點圖觀察金融集聚與海洋經濟技術效率之間的線性關系。金融集聚和海洋經濟技術效率之間存在較明顯的正相關關系(圖2)。

圖2 中國海洋技術效率與金融集聚的散點分布

3.1 初步估計結果

本文分別使用面板數(shù)據(jù)混合最小二乘回歸(OLS)、固定效應(FE)和隨機效應(RE)三種方法,表3中模型1—3分別給出了三種方法的估計結果。

表3 金融集聚對海洋經濟技術效率回歸結果

注:表中數(shù)據(jù)采用Stata13.0軟件進行估計;*、**、***分別表示在10%、5%、1%的統(tǒng)計水平上顯著;()內數(shù)值表示回歸系數(shù)穩(wěn)健標準差,[]內數(shù)值表示P值,{ }內數(shù)值為Stock-Yogo檢驗在10%水平上的臨界值,表4同。

為了克服沿海各省市區(qū)之間可能存在又無法識別的異方差,報告結果均經過White標準誤修正。以面板設定的F統(tǒng)計量比較混合回歸模型與固定效應模型,結果表明個體效應十分顯著;以Breusch-Pagan LM檢驗比較混合回歸模型與隨機效應模型,結果表明隨機效應模型更合適;最后再以Hausman檢驗比較固體效應模型和隨機效應模型,結果顯示在1%的顯著性水平上拒絕隨機效應原假設,故以固定效應模型為基礎對實證結果進行分析。

金融集聚與海洋經濟技術效率呈正相關關系,與圖2顯示的關系吻合。金融集聚水平每增加1%,海洋經濟技術效率就提升0.202%。海洋產業(yè)集聚對海洋經濟技術效率的彈性回歸系數(shù)為0.357,在1%的顯著性水平上顯著。沿海地區(qū)金融產業(yè)專業(yè)化集聚和海洋產業(yè)多樣化集聚一定程度上促進了海洋經濟增長。在其他控制變量中,固定資產投資強度、對外開放程度和信息化水平對海洋經濟技術效率存在正向影響,但僅有前兩個解釋變量分別通過了5%和10%的顯著性檢驗,財政支出比重和教育質量與海洋經濟技術效率負相關。

3.2 內生性處理及IV-2SLS估計

固定效應模型可在一定程度上處理不隨時間而變化的遺漏變量,但模型在設定過程中可能遺漏重要解釋變量而導致解釋變量與誤差項之間存在相關性,引起估計偏誤。此外,金融集聚與海洋經濟技術效率存在聯(lián)立性偏誤問題。金融集聚可提升海洋經濟技術效率水平;反過來,海洋經濟技術效率水平提升促進了海洋經濟增長,進一步吸引外部金融企業(yè)、從業(yè)人員進入,提高沿海地區(qū)金融業(yè)就業(yè)密度。海洋經濟技術效率與金融集聚相互影響,互為因果。通過D-W-H內生性檢驗,得到其檢驗統(tǒng)計量為5.759,結果顯示在5%的顯著性水平上拒絕金融集聚外生性的原假設,表明金融集聚存在內生性。有效解決內生性問題的途徑之一是就尋找與金融集聚相關但與實證模型擾動項不相關的變量作為工具變量(IV)。

在系列工具變量中,參考楊東升[29]基于工具變量研究欠發(fā)達國家經濟增長與金融發(fā)展的做法,結合我國沿海各省市區(qū)的具體情況,選取大陸海岸線與島嶼海岸線總長度和年降水量兩組工具變量。沿海地區(qū)的區(qū)域邊界和海岸線等自然條件在歷史發(fā)展進程中較穩(wěn)定,樣本期之前已確定,并未發(fā)生較大改變。歷史經驗表明,金融集聚和金融中心形成較多發(fā)生在各個國家的沿海地區(qū),氣候要素之一的降水量也對金融業(yè)整體運行產生顯著影響。進一步驗證工具變量有效性,分別進行工具變量不可識別、弱工具變量和過度識別檢驗。表2模型4報告了多種檢驗結果。首先,使用Kleibergen-Paap rk LM統(tǒng)計量進行不可識別檢驗,結果顯示在1%的顯著性水平上拒絕了“工具變量識別不足”的原假設,表明工具變量與解釋變量相關。其次,Kleibergen-Paap rk Wald F統(tǒng)計量為41.992,大于Stock-Yogo檢驗在10%水平上的臨界值19.93,拒絕 “工具變量弱識別”的假定。第三,Sargan-Hensen檢驗的伴隨概率為0.005,不能在10%顯著性水平上拒絕“工具變量過度識別”的零假設。上述所有統(tǒng)計檢驗均表明兩個工具變量具有合理性。

進一步分析工具變量二階段最小二乘(IV-2SLS)的估計結果。相較于FE模型,采用工具變量有效控制內生性,金融集聚回歸系數(shù)下降到0.068,通過了1%的顯著性檢驗。回歸結果表明，內生性問題使OLS估計產生明顯向上的偏倚,高估了金融集聚對海洋經濟技術效率的促進效應,因此采用2SLS估計很有必要。回歸結果從另一個角度證實了俞立平的結論:我國海洋經濟發(fā)展中存在“金融抑制”現(xiàn)象。在控制變量中,海洋產業(yè)集聚水平與海洋經濟技術效率顯著正相關,海洋產業(yè)集聚水平每提高1%,我國海洋經濟技術效率就提高0.065%;固定資產投資強度對海洋經濟技術效率提升存在正向影響,通過了5%的顯著性檢驗;對外經濟開放程度對海洋經濟技術效率提升得到驗證,通過了1%的顯著性檢驗，但這三個控制變量的促進效應較弱。信息化水平對海洋經濟技術效率的提升具有顯著的正向影響。一方面,互聯(lián)網憑借其在信息收集處理、風險防范等方面的優(yōu)勢,優(yōu)化海洋資源配置,直接提升了海洋經濟技術效率;另一方面,信息和通訊技術的快速發(fā)展為金融集聚提供了技術基礎,間接提升了海洋經濟技術效率。教育質量與海洋經濟技術效率呈現(xiàn)不顯著的負相關關系,與國內海洋高等教育實力不強、海洋科技人才短缺有一定的關系。政府支出比重對海洋經濟技術效率的影響顯著為負,政府干預市場或直接參與經濟活動過多,資源配置效率和使用效率均受到負面影響,降低了海洋經濟技術效率。

3.3 穩(wěn)健性分析

如果存在弱工具變量,兩階段最小二乘法就可能存在估計偏差。在有限樣本下,可使用對弱工具變量更不敏感的有限信息最大似然法(LIML)。刀切法IV估計量(JIVE)消除了第一階段擬合值與結構方程誤差項之間的相關性,這種相關性可引起傳統(tǒng)2SLS估計偏誤。如果隨機擾動項存在異方差或自相關,則GMM(廣義矩估計)比2SLS更有效率。表3中模型5、模型6、模型7分別報告了LIML、JIVE和GMM的估計結果,與基準模型IV-2SLS比較發(fā)現(xiàn),每個解釋變量的系數(shù)大小和顯著性均未發(fā)生較大改變,側面證實了IV-2SLS估計結果的穩(wěn)健性。

表4 穩(wěn)健性檢驗結果

4 對“金融抑制”現(xiàn)象的解釋

本文檢驗了金融集聚對海洋經濟技術效率的影響,證實我國海洋經濟發(fā)展過程中存在“金融抑制”現(xiàn)象,嘗試性地解釋了存在這種現(xiàn)象的原因。事實上,沿海地區(qū)是我國金融集聚水平較高的區(qū)域,金融機構和金融從業(yè)人員在數(shù)量上具有絕對優(yōu)勢。鑒于產業(yè)集聚過程中會導致集聚效應由規(guī)模效應向擁擠效應的轉變[30],對“金融抑制”現(xiàn)象可能的解釋是沿海地區(qū)金融集聚水平已跨過拐點,擁擠效應占主導,降低了對海洋經濟技術效率提升效應。本部分采用Hansen[31]發(fā)展的門檻回歸模型,進一步研究上述猜想。

4.1 模型建立

門檻回歸是分組檢驗方法的一種擴展,突出優(yōu)點是根據(jù)數(shù)據(jù)本身特點內生地劃分區(qū)間,模型表述為:

lnTEit=θ0+lnaggit(qitlt;τ)θ1+lnaggit(qit≥τ)θ2+λlnXit+ωi+eit

(3)

式中,qit是門檻變量,τ是未知門檻值,將等式分成兩個區(qū)間。θ1和θ2分別是門檻變量在兩個區(qū)間,解釋變量lnaggit對被解釋變量lnTEit的回歸系數(shù)。ωi是個體效應,eit是隨機擾動項。

式(4)假設僅存在單一門檻,而實際上可能存在兩個或多個門檻。雙重門檻回歸模型設定為:

lnTEit=θ0+lnaggit(qitlt;τ1)θ1+lnaggit(τ1≤qitlt;τ2)θ2+lnaggit(qit≥τ2)θ3+λlnXit+ωi+eit

(4)

多門檻模型可擴展得到。

4.2 門檻值確定和結果估計

進一步以金融集聚(lnagg)為門檻變量,確定門檻值個數(shù),分別在單一門檻、雙重門檻假設下進行Bootstrap自抽樣檢驗[32](表5)。結果顯示,模型存在兩個門檻值,分別為-0.960和1.294。

表5 門檻自抽樣檢驗結果

注:BS次數(shù)(Bootstrap)指自抽樣方法,自抽樣次數(shù)越多,結果的準確性越高。

在面板門檻顯著性基礎上,運用面板門檻估計方法對式(4)進行參數(shù)回歸,結果見表6。雙重門檻值將金融集聚分成三個區(qū)間:在第一個區(qū)間內,金融集聚顯著促進海洋經濟技術效率提升,集聚水平每增加1%,海洋經濟技術效率提高0.177%。當金融集聚水平介于兩個門檻值之間,回歸系數(shù)從0.177降至0.039,促進效應減弱且不顯著;當金融集聚水平逐步增加大于第二個門檻值時,回歸系數(shù)增至0.251。在沿海11個省區(qū)中,廣西和海南的金融集聚水平較低,處于第一個區(qū)間,金融發(fā)展速度較快,尚處于規(guī)模效應階段。遼寧、河北、山東、江蘇、浙江、福建和廣東七省處于第二個區(qū)間，上述地區(qū)的金融集聚水平較高,擁擠效應的約束性逐漸凸顯,金融集聚對海洋經濟技術效率的貢獻較微弱。天津和上海兩市的金融集聚水平處于第三個區(qū)間,按照擁擠效在現(xiàn)實經濟中的體現(xiàn)為要素密度過度集中,導致生產率下降[30],回歸結果似乎與現(xiàn)實相悖。可能的原因是,上海浦東新區(qū)和天津濱海新區(qū)是我國最早設立的兩個國家級新區(qū),也是最早的金融改革創(chuàng)新試點，按需引才、發(fā)展科技金融、合理規(guī)劃金融集聚區(qū)等一系列金融改革創(chuàng)新措施弱化了擁擠效應。回歸結果證實了猜想:部分沿海地區(qū)存在擁擠效應,這些地區(qū)過高的金融集聚水平抑制了海洋經濟技術效率的提升。

表6 門檻回歸結果

注:***表示在1%的水平上顯著。

5 結論與討論

5.1 結論

本文基于我國沿海11個省市區(qū)2006—2014年的面板數(shù)據(jù),采用工具變量二階最小二乘法和門檻回歸模型對金融集聚與海洋經濟技術效率的關系進行了檢驗。研究結果表明:①金融集聚提升了海洋經濟技術效率,但作用不明顯。我國海洋經濟發(fā)展過程中存在“金融抑制”現(xiàn)象,三個角度的穩(wěn)健性分析表明該結論是穩(wěn)健的。②門檻回歸解釋了存在“金融抑制”現(xiàn)象的原因:金融集聚與海洋經濟技術之間是非線性的關系,金融集聚在短期內對我國海洋經濟技術效率的提升存在“門檻效應”，部分沿海地區(qū)跨過了這一門檻,過高的金融從業(yè)人員集聚水平抑制了促進效應。③海洋產業(yè)集聚度、固定資產投資強度和對外開放水平促進了海洋經濟技術效率的提升。相比于這三個控制變量的微弱作用,信息化水平對海洋經濟技術效率的貢獻最大；政府財政支出比重對海洋經濟技術效率具有明顯的負外部性；教育質量與海洋經濟技術效率負相關,但不顯著。

本研究結果為我國海洋金融發(fā)展與海洋經濟增長提供了以下啟示:①沿海地區(qū)金融從業(yè)人員集聚已達到相當高的水平，但快速增長的金融從業(yè)人員數(shù)量與缺乏專業(yè)性較強的海洋金融從業(yè)人員形成鮮明對比,亟待增加海洋金融專業(yè)人才的供給。②海洋金融產業(yè)要搭上互聯(lián)網金融的快車,借助網絡平臺提高資金配置效率,實現(xiàn)“互聯(lián)網+海洋金融”的創(chuàng)新發(fā)展模式,為新型海洋產業(yè)提供更多資金支持，促進海洋經濟增長。③沿海地區(qū)是我國市場化程度最高的區(qū)域,然而政府仍需降低對市場的干預程度。

5.2 討論

本文仍存在以下不足:①2007年后的《中國海洋統(tǒng)計年鑒》較之前版本的統(tǒng)計口徑發(fā)生了較大改變，因此本文僅選取2006—2014年為樣本期進行研究,研究具有一定的時間局限性。②除金融集聚之外,金融結構對海洋經濟增長也有重要影響，但金融結構是一個較難量化的指標,已有的衡量方法存在缺陷,因此本文并未將其作為解釋變量納入模型。

[1]肖立晟,王永中,張春宇.歐亞海洋金融發(fā)展的特征、經驗與啟示[J].國際經濟評論,2015,(5)∶57-66,5.

[2]King R,Levine R.“Financial and Growth：Schumpeter Might be Right”[J].Quarterly Journal of Economics,1993,108(3)∶717-737.

[3]Levine R, Zervos S.Stock Markets,Banks,and Economic Growth[J].American Economic Review,1996,88(88)∶537-58.

[4]沈坤榮,張成.金融發(fā)展與中國經濟增長——基于跨地區(qū)動態(tài)數(shù)據(jù)的實證研究[J].管理世界,2004,(7)∶15-21.

[5]武志.金融發(fā)展與經濟增長：來自中國的經驗分析[J].金融研究,2010,(5)∶58-68.

[6]李延凱,韓廷春.金融環(huán)境演化下的金融發(fā)展與經濟增長：一個國際經驗[J].世界經濟,2013,(8)∶145-160.

[7]Rajan R,Zingalas L.Financial Dependence and Growth[J].American Economic Review,1998,88(3)∶559-586.

[8]Zhao X B.“Spatial Restructuring of Financial Centers in Mainland China and Hong Kong：Geography of Finance Perspective”[J].Urban Affairs Review,2003,38(4)∶535-571.

[9]李林,丁藝,劉志華.金融集聚對區(qū)域經濟增長溢出作用的空間計量分析[J].金融研究,2011,(5)∶113-123.

[10]余泳澤,宣燁,沈楊揚.金融集聚對工業(yè)效率提升的空間外溢效應[J].世界經濟,2013,(2)∶93-116.

[11]Greenwood J,Jovanovic B.“Financial Development,Growth,and the Distribution of Income”[J].Journal of Political Economy,1990,98(5)∶1076-1107.

[12]潘輝,冉光和,張冰,等.金融集聚與實體經濟增長關系的區(qū)域差異研究[J].經濟問題探索,2013,(5)∶102-107.

[13]李紅,王彥曉.金融集聚、空間溢出與城市經濟增長——基于中國286個城市空間面板杜賓模型的經驗研究[J].國際金融研究,2014,(2)∶89-96.

[14]李標,宋長旭,吳賈.創(chuàng)新驅動下金融集聚與區(qū)域經濟增長[J].財經科學,2016,(1)∶88-99.

[15]俞立平.我國金融與海洋經濟互動關系的實證研究[J].統(tǒng)計與決策,2013,(10)∶121-124.

[16]安虎賁,楊帆,楊寶臣.環(huán)渤海經濟圈金融發(fā)展與海洋經濟發(fā)展的相互作用機制[J].技術經濟,2014,(12)∶109-114.

[17]劉東民,何帆,張春宇,等.海洋金融發(fā)展與中國的海洋經濟戰(zhàn)略[J].國際經濟評論,2013,(5)∶43-56,5.

[18]樊綱,王小魯,馬光榮.中國市場化進程對經濟增長的貢獻[J].經濟研究,2011,(9)∶4-16.

[19]張軍,章元.對中國資本存量K的再估計[J].經濟研究,2003,(7)∶35-43，90.

[20]紀玉俊,張彥彥.我國區(qū)域海洋經濟發(fā)展的效率評價研究——基于SBM模型和Malmquist-Luenberger指數(shù)的實證分析[J].廣東海洋大學學報,2016,36(2)∶1-8.

[21]王兵,顏鵬飛.技術效率、技術進步與東亞經濟增長——基于APEC視角的實證分析[J].經濟研究,2007,(5)∶91-103.

[22]范劍勇.產業(yè)集聚與地區(qū)間勞動生產率差異[J].經濟研究,2006,(11)∶72-81.

[23]孫浦陽,韓帥,許啟欽.產業(yè)集聚對勞動生產率的動態(tài)影響[J].世界經濟,2013,(3)∶33-53.

[24]劉修巖,邵軍,薛玉立.集聚與地區(qū)經濟增長：基于中國地級城市數(shù)據(jù)的再檢驗[J].南開經濟研究,2012,(3)∶52-64.

[25]毛其淋,盛斌.對外經濟開放、區(qū)域市場整合與全要素生產率[J].經濟學,2012,11(1)∶181-210.

[26]張可,豆建民.集聚對環(huán)境污染的作用機制研究[J].中國人口科學,2013,(5)∶105-116,128.

[27]張海峰,姚先國,張俊森.教育質量對地區(qū)勞動生產率的影響[J].經濟研究,2010,(7)∶57-67.

[28]沈悅,郭品.互聯(lián)網金融、技術溢出與商業(yè)銀行全要素生產率[J].金融研究,2015,(3)∶160-175.

[29]楊東升.欠發(fā)達國家經濟增長與金融發(fā)展——一個基于工具變量的分析[J].中國農村經濟,2015,(1)∶85-95.

[30]周圣強,朱衛(wèi)平.產業(yè)集聚一定能帶來經濟效率嗎：規(guī)模效應與擁擠效應[J].產業(yè)經濟研究,2013,(3)∶12-22.

[31]Hansen B E.“Threshold Effects in Non-dynamic Panels：Estimation,Testing and Inference”[J].Journal of Economics,1999,93(2)∶345-368.

[32]Wang Q.Fixed-effect Panel Threshold Model Using Stata[J].Stata Journal,2015,15(1)∶121-134.

HasFinancialAgglomerationPromotedMarineEconomicEfficiency? ——AnEmpiricalStudyBasedonIV-2SLSandThresholdModel

SUN Kang,ZHANG Chao,LIU Jun-feng
(Center for Studies of Marine Economy and Sustainable Development,Liaoning Normal University,Dalian 116029,China)

Under the background of building maritime power stragtegy,the role of financial agglomeration in the marine economy was becoming increasingly significant,the relationship between financial agglomeration and marine economic efficiency was

more and more attention.Based on the panel data of 11 coast provinces from 2006 to 2013,this paper measured the marine economic efficiency by applying stochastic frontier analysis,at the same time,adapted the IV-2SLS model to empirically examine the impact of financial agglomeration on marine economic efficiency.The results showed that promotion effect was weak.The phenomenon of “Financial Repression” existed in the development of marine economy.Moreover,this paper used the threshold regression method to explain the causes of “Financial Repression”,there was a nonlinear relationship between financial agglomeration and marine economy efficiency,and existed the “Threshold Effect”.The high level of financial agglomeration in some coastal areas weakened the promotion effect on marine economic efficiency.While other coatal areas liked the city of Shanghai and Tianjin,although had a high level of agglomeration,a series of financial reform and innovation measures weaken the crowded effect,such as attracting talents according to the specific needs,the development of science technology and finance and the rational planning of financial agglomeration area.Therefore,it concluded that under the background of the finance supply-side structural reform,optimizing the practitioners′ structure,boosting the supply of marine financial professionals,achieving the internet maritime finance and deepening the marktetization of coastal areas were principal pathway of inceasing the marine economic efficiency.

financial agglomeration;marine economic efficiency;IV-2SLS;threshold model

10.3969/j.issn.1005-8141.2017.05.015

F832.7；P74

A

1005-8141(2017)05-0584-07

2017-03-10；

2017-04-25

遼寧省社會科學規(guī)劃基金項目“海水養(yǎng)殖視角下我省海洋漁業(yè)經濟轉型升級對策研究”(編號:L16BJY041)。

及通訊作者簡介：孫康(1963-),女,遼寧省大連人,教授,碩士生導師,研究方向為產業(yè)經濟、漁業(yè)經濟。