基于空間杜賓模型的金融集聚與綠色經(jīng)濟效率研究

許 寧,施本植,唐夕汐b,鄧 銘

(云南大學 a.經(jīng)濟學院;b.工商管理與旅游管理學院,云南 昆明 650000)

1 引言

世界經(jīng)濟論壇(WEF)發(fā)布的《2016年全球環(huán)境績效指數(shù)(EPI)報告》和《2015年全球能源架構(gòu)績效指數(shù)(EAPI)報告》顯示,2016年我國的環(huán)境績效在180個國家中居第109位,能源架構(gòu)績效從2014年的第85位降到2015年的第89位,資源和環(huán)境問題隨著我國經(jīng)濟高速增長日益突出,綠色經(jīng)濟發(fā)展成為當前我國可持續(xù)發(fā)展亟待解決的問題。

金融已成為現(xiàn)代經(jīng)濟發(fā)展的核心,金融通過投資與儲蓄影響資金流量與存量的結(jié)構(gòu)變化,影響生產(chǎn)要素分配結(jié)構(gòu)[1],帶動產(chǎn)業(yè)升級,促進經(jīng)濟結(jié)構(gòu)

調(diào)整與優(yōu)化,提高綠色經(jīng)濟發(fā)展水平。金融集聚是金融深化發(fā)展的必然結(jié)果,在全球化和信息化的推動下,金融業(yè)呈現(xiàn)出集群發(fā)展的新趨勢。同時,金融服務(wù)開始突破地域邊界逐步向周邊地區(qū)溢出。那么,金融集聚是否能影響綠色經(jīng)濟發(fā)展,是否存在空間溢出效應(yīng),溢出效應(yīng)有多大？這一系列問題值得深入探討。

關(guān)于金融集聚對經(jīng)濟增長的影響,國內(nèi)外學者進行了大量研究,金融集聚不僅對本區(qū)域經(jīng)濟的增長有促進作用[2-5]，還能產(chǎn)生空間溢出效應(yīng)[6,7],對周邊其他區(qū)域形成輻射效應(yīng)[8,9],但不同區(qū)域金融集聚水平的差異將會導致經(jīng)濟增長出現(xiàn)差異[10],在以銀行、證券、保險為代表的三種金融行業(yè)中,以銀行業(yè)集聚所產(chǎn)生的空間溢出效應(yīng)最為明顯[11]。

關(guān)于金融與綠色經(jīng)濟效率的相關(guān)研究,文獻多從全要素生產(chǎn)率角度研究了金融對經(jīng)濟效率的影響。徐曄等利用我國省級面板數(shù)據(jù)和GWR模型得出:在高水平金融集聚地區(qū),金融集聚對全要素生產(chǎn)率的彈性系數(shù)較小,而低水平金融集聚地區(qū)的彈性系數(shù)相對較大,經(jīng)濟欠發(fā)達地區(qū)的彈性系數(shù)為負[12];張帆認為金融發(fā)展能同時促進全要素生產(chǎn)率和綠色全要素生產(chǎn)率增長,金融的促進作用會隨著金融發(fā)展水平的提高而遞減,呈現(xiàn)出非線性關(guān)系[13];葛鵬飛等利用“一帶一路”跨國面板數(shù)據(jù)研究了金融發(fā)展對綠色全要素生產(chǎn)率的影響,得出金融發(fā)展與綠色TFP為負相關(guān)關(guān)系[14]。也有學者從空間溢出角度研究兩者之間的關(guān)系,張浩然利用城市面板數(shù)據(jù)和空間杜賓模型研究得出:金融集聚不但能提高本地的全要素生產(chǎn)率,而且在城市之間存在顯著的外溢效應(yīng)[15];李廣析等從技術(shù)進步和技術(shù)效率兩種途徑考察了金融發(fā)展對全要素生產(chǎn)率的影響,得出直接融資和間接融資主要通過該地區(qū)的技術(shù)進步、技術(shù)效率對全要素生產(chǎn)率產(chǎn)生直接影響,且可通過內(nèi)生反饋效應(yīng)對鄰近地的全要素生產(chǎn)率產(chǎn)生溢出效應(yīng)[16]。

綜上所述,國內(nèi)大部分研究文獻都集中在金融發(fā)展、金融集聚與經(jīng)濟增長、全要素生產(chǎn)率之間的研究,而金融集聚和綠色經(jīng)濟效率之間的研究相對較少,且關(guān)于金融集聚對綠色經(jīng)濟效率的影響研究大都采用省級、跨國數(shù)據(jù),較少采用城市數(shù)據(jù)從城市規(guī)模、城市群視角進行研究,同時金融集聚對綠色經(jīng)濟效率的空間溢出效應(yīng)也沒有被納入研究范圍。因此,經(jīng)過對文獻梳理,本文將環(huán)境資源因素納入城市經(jīng)濟發(fā)展過程中,以全國249個地級以上城市為研究對象,從249個城市、城市規(guī)模和城市群視角出發(fā),采用空間杜賓模型研究金融集聚對綠色經(jīng)濟效率的影響及空間溢出效應(yīng),并根據(jù)研究結(jié)果提出相應(yīng)的對策與建議。

2 模型與數(shù)據(jù)

2.1 空間自相關(guān)性檢驗

空間相關(guān)性檢驗采用Moran′s I指數(shù)來檢驗變量是否具有空間相關(guān)性。Moran′s I指數(shù)定義為:

(1)

(2)

式中,dij表示城市i和j之間的地理距離。地理學第一定律表明,空間溢出效應(yīng)隨著空間單元之間地理距離的增加而遞減,因此本文采用地理距離平方倒數(shù)來表示空間距離權(quán)重。Moran′s I指數(shù)的取值范圍一般為[-1,1],小于0時表示空間負相關(guān),等于0時表示空間不相關(guān),大于0時表示空間正相關(guān)。

2.2 空間計量模型的研究設(shè)計

為了更好地驗證金融集聚對綠色經(jīng)濟效率影響的空間效應(yīng),本文采用空間計量模型進行研究。同時,綠色經(jīng)濟效率(gteit)不僅受到金融集聚(aggit)的影響,還受到人力資本(humit)、產(chǎn)業(yè)結(jié)構(gòu)(industrit)、基礎(chǔ)設(shè)施(infrait)、對外開放(openit)、城市規(guī)模(sizeit)、政府干預(yù)程度(ngovkjit)、政府對科技教育的支持(govkjit)、信息化水平(inforit)的影響。

空間滯后模型(SLM)主要研究相鄰區(qū)域綠色經(jīng)濟效率對周圍地區(qū)的影響,即兩地區(qū)存在空間溢出效應(yīng),公式為:

gteit=c+ρ×Wgteit+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+ai+μt+εit

(3)

空間誤差模型(Spatial Error Model,SEM):如果本地區(qū)綠色經(jīng)濟效率取決于觀察到的一組局域特征或忽略掉在空間相關(guān)上的一些重要變量(誤差項),就構(gòu)成了空間誤差模型:

gteit=c+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+ai+μt+εit

(4)

如果考慮解釋變量和被解釋變量的空間滯后因素，即為空間杜賓模型。本研究參考了Anselin[17]、LeSage等[18]給出的空間杜賓模型(Spatial Durbin Model,SDM),設(shè)定模型為:

gteit=c+ρ×Wgteit+β0aggit+β1lnhumit+β2industrit+β3lninfrait+β4openit+β5lnsizeit+β6ngovkjit+β7govkjit+β8lninforit+θ1×Waggit+θ2×Wlnhumit+θ3×Windustrit+θ4×Wlninfrait+θ5×Wopenit+θ6×Wlnsizeit+θ7×Wgovit+θ8×Wgovkjit+θ9×Wlninforit+ai+μt+εit

(5)

式中,ai為空間特質(zhì)效應(yīng);μt為時期特質(zhì)效應(yīng);W為空間權(quán)重矩陣。關(guān)于SLM、SEM、SDM之間的選擇,主要根據(jù)原假設(shè)H0∶θ=0和H0∶θ+ρβ=0來進行篩選,選擇的方法主要參照Wald檢驗和LR檢驗。如果兩個原假設(shè)都被拒絕,則選擇SDM,否則在SLM、SEM之間進行選擇。

2.3 直接效應(yīng)、間接效應(yīng)和總效應(yīng)的估計

本文采用Lesage等[19]提出的直接效應(yīng)、間接效應(yīng)和總效應(yīng)來進一步考察金融集聚對綠色經(jīng)濟效率影響的空間效應(yīng)。我們將空間杜賓模型的形式設(shè)為:y=ρWy+αln+Xβ+WXγ+ε,將其變形為:

(In-ρW)y=Xβ+WXθ+αln+ε

(6)

其中:

Sr(W)=V(W)(Inβr+Wθr)

V(W)=(In-ρW)-1=In+ρW+ρ2W2+ρ3W3+…，

(7)

將式(7)展開:

y1y2?yn=Σkr=1Sr(W)11Sr(W)12…Sr(W)1nSr(W)21Sr(W)22…Sr(W)2n………Sr(W)n1Sr(W)n2…Sr(W)nn

(8)

2.4 變量選取與數(shù)據(jù)來源

由于部分城市數(shù)據(jù)缺失,經(jīng)過篩選,本文最終選取2004—2015年249個地級城市的數(shù)據(jù),原始數(shù)據(jù)來源于2005—2016年的《中國城市統(tǒng)計年鑒》、2005—2016年的《中國區(qū)域經(jīng)濟統(tǒng)計年鑒》和Wind數(shù)據(jù)庫。

被解釋變量:綠色經(jīng)濟效率(gteit)。本文采用基于非期望產(chǎn)出的Super-SBM模型測算城市綠色經(jīng)濟效率,基于非期望產(chǎn)出的SBM模型可以解決投入要素的“擁擠”或“松弛”現(xiàn)象，考慮到了城市經(jīng)濟發(fā)展過程中交通擁擠、環(huán)境污染等因素。但SBM模型與傳統(tǒng)的DEA一樣,不能比較效率為1的DMU之間的差異,因此采用Tone[20]定義的非期望產(chǎn)出的Super-SBM模型可解決以上兩個難題,模型構(gòu)建為:

(9)

(10)

式(9)、式(10)中假設(shè)有n個決策單元(DMU),每個DMU由投入m、期望產(chǎn)出r1和非期望產(chǎn)出r2構(gòu)成;x、yd、yu分別表示相應(yīng)的投入矩陣、期望產(chǎn)出矩陣和非期望產(chǎn)出矩陣中的元素;ρ表示綠色經(jīng)濟效率值。

非期望產(chǎn)出的Super-SBM模型涉及有投入、期望產(chǎn)出、非期望產(chǎn)出指標。投入指標主要有:土地投入,城市建設(shè)區(qū)用地面積(km2);用水投入,城市用水總量(萬t);用電投入,社會用電量(萬kW·h);勞動投入,城市就業(yè)總?cè)藬?shù)(萬人);資本投入,固定資產(chǎn)投資總額(萬元)。期望產(chǎn)出主要有:經(jīng)濟效益產(chǎn)出,城市國內(nèi)生產(chǎn)總值(萬元);社會效益產(chǎn)出,社會消費品零售總額(萬元);生態(tài)環(huán)境效益產(chǎn)出,市轄區(qū)建成區(qū)綠化覆蓋率(%)、市轄區(qū)園林綠地面積(hm2)。非期望產(chǎn)出主要有:城市工業(yè)廢水排放量(萬t)、城市工業(yè)二氧化硫排放量(t)、城市工業(yè)煙塵排放量(t)。

投入、產(chǎn)出指標選取與處理:國內(nèi)生產(chǎn)總值、固定資產(chǎn)投資額、社會消費品零售總額全部以2003年為基期的GDP平減指數(shù)進行平減處理,固定資產(chǎn)參考吳延兵[21]的做法,采取永續(xù)盤存法來核算固定資產(chǎn)存量,計算公式為:Kit=(1-δ)Ki(t-1)+Eit。式中,Kit、Ki(t-1)分別表示i地區(qū)t期和t-1期的資本存量;δ為折舊率,文中取δ=9.6%,Eit=Ki0/(δ+g),文中Ki0為2003年的固定資產(chǎn)投資額;g為2004—2015年固定資產(chǎn)投資的平均幾何增長率。同時,考慮數(shù)據(jù)的可得性和工業(yè)重污染,非期望產(chǎn)出選取工業(yè)排放量近似替代生產(chǎn)量。

控制變量:①人力資本。人力資本是經(jīng)濟發(fā)展的重要因素,可促進技術(shù)進步和全要素生產(chǎn)率提升[23],為綠色生產(chǎn)提供技術(shù)支撐。本文選取普通高等學校在校人數(shù)表示,預(yù)期為正。②產(chǎn)業(yè)結(jié)構(gòu)。城市產(chǎn)業(yè)結(jié)構(gòu)調(diào)整是一個逐步由第一產(chǎn)業(yè)向第三產(chǎn)業(yè)轉(zhuǎn)變升級的過程,由于第三產(chǎn)業(yè)具有知識密集、技術(shù)密集和低污染的特點,因此城市第三產(chǎn)業(yè)的比重越高,城市的生產(chǎn)效率、能源利用率、環(huán)境效率也就越高。本文選取城市第三產(chǎn)業(yè)產(chǎn)值占城市國內(nèi)生產(chǎn)總值的比重表示,預(yù)期為正。③基礎(chǔ)設(shè)施。城市基礎(chǔ)設(shè)施改善能為經(jīng)濟發(fā)展提供便利的外部環(huán)境,降低企業(yè)與外部的交易成本,加快傳統(tǒng)產(chǎn)業(yè)的轉(zhuǎn)型升級,提升經(jīng)濟的運行效率。本文選取城市人均道路面積表示,預(yù)期為正。④對外開放。對外開放能通過引進國外的先進技術(shù)和管理經(jīng)驗等途徑提升城市的經(jīng)濟產(chǎn)出,但當城市對技術(shù)溢出的吸收能力不足時,就有可能對城市綠色經(jīng)濟效率產(chǎn)生不確定的影響。本文選取城市年度的實際外商投資額(根據(jù)當年人民幣平均匯率轉(zhuǎn)換成人民幣)占城市國內(nèi)生產(chǎn)總值比重表示,預(yù)期不確定。⑤城市規(guī)模。城市規(guī)模越大,將有利于人力、物力、財力等要素向城市集聚,進而產(chǎn)生規(guī)模經(jīng)濟效應(yīng),提升城市產(chǎn)出效率,但城市規(guī)模的擴大也會帶來擁擠效應(yīng),對資源環(huán)境產(chǎn)生不利影響,不利于城市綠色經(jīng)濟的發(fā)展。本文選取年末城市總?cè)丝跀?shù)來表示,預(yù)期不確定。⑥政府干預(yù)程度。政府行為如果偏向?qū)π姓_支的支持時,將會阻礙城市經(jīng)濟運行效率。本文選取扣除用于科學、教育等方面的財政支出與城市國內(nèi)生產(chǎn)總值之比表示政府干預(yù)程度,預(yù)期為負。⑦政府對科技教育的支持。政府可通過對科技、教育等領(lǐng)域的財政支出,提升科技人員的從業(yè)比重和人力資本水平,提升城市綠色經(jīng)濟效率,本文采用政府財政支出對科學、教育的支出比重表示政府對科教領(lǐng)域的支持力度,預(yù)期為正。⑧信息化水平。信息化水平提高將有利于城市之間勞動力、資本等生產(chǎn)要素的跨區(qū)域或遠距離流動,將減弱空間地理距離對要素流動的限制,提升城市綠色經(jīng)濟效率,預(yù)期為正。同時,為了消除通貨膨脹,控制變量中關(guān)于貨幣衡量指標全部采用以2003年為基期的GDP平減指數(shù)進行平減消除。

3 實證結(jié)果與分析

3.1 空間相關(guān)性檢驗結(jié)果

利用Stata14按照式(1)分別計算出2004—2015年我國249個地級以上城市的金融集聚、綠色經(jīng)濟效率Moran′s I指數(shù),并得出相應(yīng)的Z值見表1。從表1可見,城市金融集聚、綠色經(jīng)濟效率的Moran′s I值均為正值,且在1%顯著性水平下通過了空間自相關(guān)檢驗。這說明城市金融集聚和綠色經(jīng)濟效率在全域范圍內(nèi)存在顯著的空間正相關(guān)關(guān)系,意味著構(gòu)建城市綠色經(jīng)濟效率與金融集聚模型時應(yīng)考慮空間效應(yīng)才符合客觀事實。

表1 金融集聚、綠色經(jīng)濟效率的Moran′s I指數(shù)

注:*、**、***分別代表在10%、5%和1%水平上顯著,表2—5、表7同。

圖1 2004年金融集聚局域Moran′s I散點圖

進一步計算城市金融集聚和綠色經(jīng)效率的局部Moran′s I指數(shù)值,并采用2004年和2015年城市金融集聚、綠色經(jīng)濟效率的局域Moran′s I散點圖表示兩者的局部空間變動趨勢,見圖1—4。從兩者局域的Moran′s I散點圖可見,249個城市的金融集聚、綠色經(jīng)濟效率局部空間關(guān)聯(lián)特征差異明顯,大部分城市的局部Moran′s I指數(shù)值位于第一象限、第二象限和第三象限,呈現(xiàn)出明顯的高—高集聚、低—高集聚和低—低集聚的現(xiàn)象,說明城市的金融集聚、綠色經(jīng)濟效率呈現(xiàn)出空間上的聚集效應(yīng)。從分析來看,249個地級以上城市的金融集聚、綠色經(jīng)濟效率存在顯著的全域空間相關(guān)和局部空間相關(guān),說明地理空間因素是影響城市金融集聚、綠色經(jīng)濟效率的重要因素之一。

圖2 2015年金融集聚局域Moran′s I散點圖

圖3 2004年綠色經(jīng)濟局域Moran′s I散點圖

圖4 2015年綠色經(jīng)濟局域Moran′s I散點圖

3.2 空間計量模型的選擇與估計分析

通過構(gòu)建混合OLS模型、空間固定、時間固定、空間時間雙固定的非空面板模型來檢驗是否可以構(gòu)建空間模型,主要通過LM檢驗來確定。從表2可見,以上4種模型的LM值在1%水平下顯著,拒絕了沒有空間誤差或空間滯后的原假設(shè),因此模型設(shè)計應(yīng)當選擇考慮空間因素的面板模型。

表2 普通面板模型的相關(guān)檢驗

空間效應(yīng)的存在使各變量之間的關(guān)系變得比較復(fù)雜,OLS估計不再是最優(yōu)無偏估計量,根據(jù)Anselin[17]的建議應(yīng)采用極大似然法估計空間模型參數(shù),因此構(gòu)建SDM、SLM、SEM三種模型來綜合考慮各變量之間的相互關(guān)系。同時,采用Hausman檢驗對面板固定效應(yīng)和隨機效應(yīng)進行選擇。

表3 空間計量模型估計結(jié)果

從表3可見,Hausman檢驗在1%顯著性水平下拒絕了隨機效應(yīng)模型,因此本文選取空間和時間雙固定的固定效應(yīng)模型。從表3的三種模型估計結(jié)果看,空間杜賓模型的log-likelihood和R2值均優(yōu)于空間滯后模型、空間誤差模型,且Wald檢驗和LR檢驗同樣拒絕了H0∶θ=0和H0∶θ+ρβ=0的原假設(shè),空間杜賓模型不能簡化為空間誤差或空間滯后模型,選擇空間杜賓模型較合理。同時,空間滯后系數(shù)(ρ)在1%水平下顯著為正,說明城市綠色經(jīng)濟效率存在顯著的空間正相關(guān),本地區(qū)的綠色經(jīng)濟效率可提升周邊地區(qū)的綠色經(jīng)濟效率。對表3的空間杜賓模型進行效應(yīng)分解,見表4。

表4 空間杜賓模型的效應(yīng)分解

從表4可知,金融集聚對城市綠色經(jīng)濟效率的影響具有顯著的正向直接效應(yīng)及空間溢出效應(yīng),金融集聚不但能顯著提升本地的綠色經(jīng)濟效率,而且能通過空間溢出效應(yīng),提升周邊地區(qū)的綠色經(jīng)濟效率。一般而論，金融集聚水平每提高1%,將會提升本地綠色經(jīng)濟效率0.106%,同時提升周邊地區(qū)綠色經(jīng)濟效率0.187%,對本地區(qū)和周邊地區(qū)的總提升效率為0.293%。事實上,金融集聚可通過“磁鐵效應(yīng)”和“外部效應(yīng)”形成金融資源數(shù)量增加、質(zhì)量提升的內(nèi)在機制,推動形成規(guī)模經(jīng)濟、范圍經(jīng)濟、技術(shù)經(jīng)濟、綠色共享等發(fā)展格局,影響綠色經(jīng)濟發(fā)展的質(zhì)量和水平。

在控制變量方面,產(chǎn)業(yè)結(jié)構(gòu)優(yōu)化可同時提升本地及周邊地區(qū)的綠色經(jīng)濟效率,間接效用大于直接效用。城市規(guī)模促進了本地區(qū)綠色經(jīng)濟效率的提升,但對周邊地區(qū)的綠色經(jīng)濟效率具有一定的抑制作用,說明一個地區(qū)的城市規(guī)模越大越容易對周邊鄰近地區(qū)產(chǎn)生“虹吸效應(yīng)”,引起周邊地區(qū)的科技、人才等要素向本地區(qū)聚集,提升本地區(qū)的經(jīng)濟運行效率,抑制周邊地區(qū)的經(jīng)濟發(fā)展水平。基礎(chǔ)設(shè)施能促進本地綠色經(jīng)濟效率的提升,但對周邊地區(qū)的影響不顯著,可能是由于我國城市之間的基礎(chǔ)設(shè)施建設(shè)不配套,需要進一步加強。但基礎(chǔ)設(shè)施的總效用為正,在10%水平下顯著,說明在基礎(chǔ)設(shè)施的雙重效應(yīng)下,對綠色經(jīng)濟效率的提升具有促進作用。同時,政府干預(yù)的直接效應(yīng)、間接效用和總效用均不顯著,基本符合預(yù)期。政府對科技教育的支持能提升本地區(qū)的綠色經(jīng)濟效率,對周邊地區(qū)的提升作用不顯著,說明政府對科技教育的支持在提升綠色經(jīng)濟發(fā)展水平方面還沒有充分發(fā)揮作用。人力資本對綠色經(jīng)濟效率的提升作用不顯著,可能是由于核心城市匯集了大量的高素質(zhì)人才,而中小城市卻以低技術(shù)水平的工人為主[24],造成區(qū)域間的人力資本水平差距較大,不利于城市綠色經(jīng)濟效率的提高。信息化也未能對綠色經(jīng)濟效率的提升產(chǎn)生促進作用,可能是由于城市間的信息化水平存在顯著的“網(wǎng)絡(luò)外部性”,只有城市間形成有效的聯(lián)系網(wǎng)絡(luò)才能發(fā)揮其作用。對外開放的直接效用、間接效用和總效用都不顯著,原因在于我國不同地區(qū)的經(jīng)濟發(fā)展水平差異較大,對技術(shù)溢出的吸收能力存在較大差異,不能充分吸收外商投資所帶來的先進管理經(jīng)驗和技術(shù)。同時,一些發(fā)達國家出于考慮本國的產(chǎn)業(yè)升級和環(huán)境政策,將一些技術(shù)含量低、高污染、高能耗的低端產(chǎn)業(yè)轉(zhuǎn)移到我國,造成以外商直接投資衡量的對外開放對綠色經(jīng)濟效率的提升并不顯著。

3.3 不同城市規(guī)模的實證分析

不同規(guī)模等級的城市發(fā)展狀況不同,金融集聚、經(jīng)濟發(fā)展水平也各有差異,因此有必要從城市規(guī)模等級的特征出發(fā)來驗證金融集聚對綠色經(jīng)濟效率的影響。本文根據(jù)市轄區(qū)人口規(guī)模的不同,將我國249個地級以上城市劃分為特大城市(43個)、大城市(72個)、中等城市(93個)和小城市(41個)4種類型(根據(jù)城市市轄區(qū)年末人口總數(shù),可將城市規(guī)模分為4類:特大城市200萬人以上、大城市100—200萬人、中等城市50—100萬人、小城市50萬人以下),分別考察不同城市規(guī)模下金融集聚對綠色經(jīng)濟效率的影響,估計結(jié)果見表5。

表5 不同城市規(guī)模空間杜賓模型的直接效應(yīng)、間接效應(yīng)和總效應(yīng)

由表5可知,特大城市、大城市金融集聚對綠色經(jīng)濟效率的直接效應(yīng)、間接效應(yīng)和總效應(yīng)都顯著為正,中等城市、小城市金融集聚對綠色經(jīng)濟效率的直接效應(yīng)、間接效應(yīng)和總效應(yīng)均不顯著,這意味著特大城市、大城市金融集聚不僅能顯著提升本地區(qū)的綠色經(jīng)濟效率,還對周邊及其他地區(qū)的綠色經(jīng)濟效率提升存在明顯的空間溢出效應(yīng),且城市規(guī)模越大,金融集聚對綠色經(jīng)濟效率的空間溢出效應(yīng)越顯著。中小城市的金融集聚對本地區(qū)及周邊地區(qū)的綠色經(jīng)濟效率影響均不顯著。

產(chǎn)生以上差異的主要原因在于:城市經(jīng)濟規(guī)模和人口規(guī)模是影響金融產(chǎn)業(yè)集群的重要因素[25]。金融集聚地通常位于城市經(jīng)濟、人口規(guī)模較大的城市,整體上呈現(xiàn)城市金融業(yè)集聚與城市規(guī)模高度吻合的格局。根據(jù)中國金融中心指數(shù)和新華·道瓊斯國際金融中心發(fā)展指數(shù)可見,金融中心的形成與城市規(guī)模之間存在較緊密的關(guān)聯(lián)。金融業(yè)集聚在規(guī)模較大的城市有助于金融企業(yè)靠近大型公司總部和市場,滿足非標準化產(chǎn)業(yè)、高效率企業(yè)和研發(fā)活動的資金需求[26],與其他行業(yè)能更好地匹配,確保金融集聚的持續(xù)性。一方面,特大城市、大城市擁有較大的經(jīng)濟體量,具有大規(guī)模的資金需求,發(fā)揮其信息搜集和處理的規(guī)模經(jīng)濟優(yōu)勢,分散企業(yè)技術(shù)創(chuàng)新風險,提升城市綠色經(jīng)濟效率。另一方面,特大城市、大城市在城市管理和信息交流與傳播等方面具有明顯優(yōu)勢,由于金融服務(wù)受傳統(tǒng)的運輸成本等因素的限制較小,特大城市、大城市的金融機構(gòu)可通過信息技術(shù)快速低成本地獲取和反饋相關(guān)信息,為金融集聚的空間溢出提供技術(shù)保障,也為遠距離服務(wù)周邊地區(qū)的綠色經(jīng)濟提供了可能性。而中小城市的經(jīng)濟體量相對較小,制造業(yè)和服務(wù)業(yè)比較落后,難以吸引大企業(yè)入駐,容易產(chǎn)生金融需求不足,且大量資源配置到無法與當?shù)貙嶓w經(jīng)濟產(chǎn)生實際關(guān)聯(lián)的金融服務(wù)部門[27],難以獲得金融集聚收益。

3.4 不同城市群的實證分析

本文根據(jù)《國家新型城鎮(zhèn)化規(guī)劃(2014—2020年)》和國家發(fā)展改革委《關(guān)于加快城市群規(guī)劃編制工作的通知》的相關(guān)說明,同時考慮數(shù)據(jù)的可得性,選取珠三角、長三角、京津冀、長江中游、成渝五大國家級城市群作為研究對象(五大城市群范圍見表6),考察金融集聚對綠色經(jīng)濟效率的影響,估計結(jié)果見表7。由表7可知,珠三角、長三角城市群金融集聚對綠色經(jīng)濟效率的直接效應(yīng)顯著為正,而其他三大城市群金融集聚的直接效應(yīng)不顯著,五大城市群金融集聚對綠色經(jīng)濟效率均不存在顯著的空間溢出效應(yīng)。由此可見,在五大城市群中,長三角、珠三角城市群金融集聚僅能顯著促進本地的綠色經(jīng)濟效率提升,其他三大城市群金融集聚對本地區(qū)及周邊地區(qū)綠色經(jīng)濟效率的影響均不顯著。主要原因在于:在五大城市群中,城市圈中心城市代表城市發(fā)展的最高水平,其腹地城市經(jīng)濟發(fā)展水平、金融發(fā)展水平和外部環(huán)境等與中心城市差距較大,導致中心城市與腹地城市的金融聯(lián)動較弱,制約了腹地城市對中心城市金融輻射效應(yīng)的吸收,導致金融集聚對城市綠色經(jīng)濟效率的空間溢出效應(yīng)不顯著。在京津冀城市群中,2013年北京的金融業(yè)增加值為2822.07億元,占GDP比重為14.47%。相比之下,所處城市圈內(nèi)腹地城市的唐山金融業(yè)增值為150億元,僅占GDP比重2.45%。無論從總量還是比重上看,唐山與北京差距懸殊,產(chǎn)業(yè)層次落差大,導致與北京之間只是一種松散的經(jīng)濟關(guān)系。

表6 五大城市群范圍

表7 五大城市群空間杜賓模型的直接效應(yīng)、間接效應(yīng)和總效應(yīng)

4 結(jié)論與啟示

4.1 結(jié)論

研究結(jié)論顯示：從全國層面來看,金融集聚不但能提升本地區(qū)的綠色經(jīng)濟效率,而且能通過空間溢出效應(yīng),提升周邊地區(qū)的綠色經(jīng)濟效率。一般而論，特大城市、大城市擁有雄厚的經(jīng)濟實力、完善的信息技術(shù)基礎(chǔ)設(shè)施等優(yōu)勢,金融集聚不僅能顯著提升本地區(qū)的綠色經(jīng)濟效率,還對周邊及其他地區(qū)的綠色經(jīng)濟效率提升存在明顯的空間溢出效應(yīng),且城市規(guī)模越大,金融集聚對綠色經(jīng)濟效率的空間溢出效應(yīng)越顯著。中等城市、小城市相對特大城市、大城市而言,經(jīng)濟體量較小,制造業(yè)和服務(wù)業(yè)比較落后,金融需求不足,容易導致金融集聚對本地區(qū)及周邊地區(qū)綠色經(jīng)濟效率的影響均不顯著。在五大城市群中,由于中心城市與腹地城市的金融聯(lián)動比較弱,制約了腹地城市對中心城市金融輻射效應(yīng)的吸收,導致金融集聚對城市綠色經(jīng)濟效率的空間溢出效應(yīng)不顯著。

4.2 啟示

如果要進一步提升金融集聚對城市綠色經(jīng)濟效率的貢獻度,必須充分發(fā)揮市場在金融資源配置中的作用,盤活信貸存量,降低實體經(jīng)濟的融資成本,讓金融切實有效地服務(wù)實體經(jīng)濟;必須進一步加大金融業(yè)對技術(shù)創(chuàng)新,特別是綠色技術(shù)創(chuàng)新的金融支持力度,疏通金融支持綠色環(huán)保的通道,積極引導金融資本更多地投入運行效率高、環(huán)境污染小的產(chǎn)業(yè),引導金融資源更多地流向低碳經(jīng)濟、循環(huán)經(jīng)濟和創(chuàng)新經(jīng)濟領(lǐng)域。

各級政府應(yīng)加強信息化建設(shè),尤其是金融信息化建設(shè),加大對科技、人才的投入力度,降低信息交易成本,加強與周邊省市金融產(chǎn)業(yè)的交流與合作,為增強金融集聚的空間溢出效應(yīng)提供有利的外部環(huán)境。同時,還要根據(jù)不同的城市規(guī)模與等級,制定不同的金融政策,力爭使金融集聚與城市經(jīng)濟總量、人口規(guī)模相匹配。特大城市、大城市應(yīng)進一步推動金融業(yè)的集聚發(fā)展,為金融資源跨區(qū)間的合理流動提供有力的保障,中小城市應(yīng)根據(jù)自身經(jīng)濟發(fā)展的特點,構(gòu)建專業(yè)化金融體系,大力支持少數(shù)標準化制造業(yè)的發(fā)展。在今后一段時期,我國尤其要重視以城市圈、經(jīng)濟圈為核心,通過政策引導、財政支持和規(guī)劃布局等手段,構(gòu)建“多點帶面”的多層次金融發(fā)展布局,努力在各城市群內(nèi)部形成比較優(yōu)勢突出、職能分工明確的金融業(yè)發(fā)展格局。此外，要加快中心城市腹地信息基礎(chǔ)設(shè)施、金融配套服務(wù)設(shè)施建設(shè),強化中心城市與周邊城市的金融聯(lián)動性,逐步形成中心城市帶動周邊城市的“中心—腹地”聯(lián)動發(fā)展格局,為發(fā)揮城市圈金融集聚對綠色經(jīng)濟的空間溢出提供物質(zhì)保障。