金融匯集影響因素空間計量模式及運用探討

導語：金融匯集影響因素空間計量模式及運用探討一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

摘要

金融集聚是一種產業演化過程中的地理空間現象，本文構建了金融集聚影響因素空間計量模型，對我國28個省域金融集聚影響因素進行實證研究。研究表明：我國金融集聚在省域之間有較強的空間依賴性和正的空間溢出效應。區域創新是影響金融集聚的核心變量，對金融集聚有顯著地促進作用，且隨創新水平的不斷提高作用逐漸增強。在控制變量中，經濟基礎對金融集聚促進作用顯著；對外開放水平在期初對金融產業集聚有顯著地正效應，但隨著時間的推移作用正逐漸減弱；人力資本在期初對金融集聚促進作用顯著，但在當期對金融集聚影響不顯著，這說明人力資本作用的發揮需要有一個吸收和消化的過程。

關鍵詞：金融集聚區域創新空間相關性空間計量分析

金融是現代經濟的核心，隨著信息和通訊技術的飛速發展，許多金融功能已經克服了地理空間上的限制，能夠在相隔遙遠的不同地理區域低成本和快捷的實現，不再需要面對面的交易。然而，金融服務業的空間集聚現象卻日益凸顯，越來越多的金融機構采用企業間協調的方式來組織交易和生產活動，從最初的少數幾家銀行集中發展到各種不同類型的金融機構的空間集聚，產業集群已成為現代金融產業組織的基本形式。令人奇怪的是，貨幣和金融的空間影響總是被區域經濟學家和經濟地理學家所忽視。自貨幣地理學者明確推翻了新通訊技術（ICTs）的應用將導致地理學終結這一觀點（Obrien，1992）以來，金融的空間分析才逐漸納入學者們的分析框架。在考慮空間經濟外溢性的條件下，我國金融集聚的空間相關性如何？有哪些因素促進了我國省域金融集聚，這些因素在不同時期對金融集聚又有何不同的作用？本文將采用空間經濟計量分析技術對我國28個省域金融集聚影響因素進行實證分析，從而揭示金融集聚現象在我國省域間分布的規律，為政府部門制定合理的金融布局和發展政策提供科學參考依據。

一、文獻回顧

國內外對金融集聚及其影響因素的相關研究還處于起步階段，現有的研究主要以理論研究為主。在基礎研究方面，貨幣地理學派認為，貨幣具有與生俱來的空間性（Martin，1999），貨幣地理性的四個方面為：區位結構、制度的地理性、監管的空間性以及整個國家的公共金融空間。

對金融集聚的成因，KindleBerger(1974)以集聚理論為基礎，認為規模經濟使得銀行和其他金融機構選擇一個特定的區位。外部規模經濟是自我加強的，更多的金融部門在一個區域內定位，那么這些區域對于其他金融參與者來說更加具有吸引力。

金融中心是金融企業高度集聚的產物(Panditetal，2001)。Park(1982、1989)將規模經濟理論和集聚經濟理論應用于國際銀行集中發展和國際金融中心的成因時認為，當一個地區跨國銀行的數量增多、規模增大時，國際中心便有形成的可能。同時外部規模經濟會進一步促成生產和經營單位的空間集聚，表現為行業內銀行之間的合作，金融機構之間共享基礎設施，生產者和消費者之間更加鄰近，流通環節的減少，信息溝通的便捷等。RichardMcGahey(1990)等從競爭力角度探討了金融中心形成和發展的因素，指出了區位成本和區域優勢，勞動力和人力資源優勢，通訊和技術，法治與稅收四因素決定金融中心的競爭力。

Naresh,Gary&Swann（2001）從供給和需求兩個角度說明了金融業集聚為金融中心的原因。從供給角度來說，主要有以下三個因素：第一，大型和結構復雜的金融服務公司需要獲得大量的專業勞動力。因此，在倫敦、紐約和法蘭克福等地的商業銀行、投資銀行等幾乎都是以金融中心為基礎的。相反，小規模的金融服務公司像建房互助協會分支和獨立的保險人公司，由于結構相對簡單，并且對共同知識的依賴性不大，因此并不需要大量高水平的專業化勞動力，因而定位在金融中心的外圍。第二是金融服務公司對金融中心所提供服務（會計，精算，法律，計算機）的依賴性。第三，由于交易接近資產流動的地方而所獲得更大的靈活性，因此，金融服務公司普遍都設在鄰近國家和地區股市交流的地方。從需求看，主要可獲得的好處有：由于定位在金融區而提高聲譽；降低由于金融服務公司與客戶之間的信息不對稱而導致的逆向選擇和道德風險的程度。

國內學者對金融集聚研究比較系統深入的是黃解宇和楊再斌(2006)，他們認為，金融集聚是隨著產業集聚的形成而發展的，金融本身的高流動性加速了集聚；而規模經濟效應以及不對稱信息和默示信息所要求的金融主體的空間鄰近能促使金融集聚的形成。但以上對于金融產業集聚成因的研究基本上都還處于理論研究。

張鳳超(2003)基于金融資源論，提出了金融地域運動的概念。其觀點是：由于金融資源在空間地域的分布而表現出非均質或不連續的特點，正是由于這種初始的地域差異性，引發了金融地域運動。中心城市是金融地域運動的結節點，金融資源在中心城市集聚成金融產業，而金融產業成長水平的差異導致了各中心城市金融職能的分工，中心城市逐次遞進為金融支點、金融增長極和金融中心等城市類別，承擔和發揮各自的金融功能。

上述研究表明，金融集聚本身是一種產業演化過程中的地理空間現象，是各國和地區經濟發展過程中的必然產物。現有研究仍停留在金融集聚現象的理論研究上，對其解釋缺乏相應的數量模型和經驗實證。尤其是并未建全金融集聚現象的統計分析框架，未將金融集聚空間維度的相關性和異質性納入實證研究，沒有考慮空間因素對金融集聚的影響。

與以往研究不同，本文從區域創新角度建立金融集聚影響因素分析框架，在納入空間效應的前提下，以我國2002-2007年數據為基礎，對我國28個省域金融集聚影響因素進行空間計量分析，以消除各地區金融集聚外溢性的相互影響，從而揭示金融集聚的內在形成機理。

二、理論假說與模型設定

1.理論假說

（1）金融集聚

目前理論界尚未有對金融集聚有明確的定義。黃解宇和楊再斌(2006)認為，可以將金融集聚定義為一個過程，也可以定義為一個狀態或結果。前者是指通過金融資源與地域條件協調、配置、組合的時空動態變化，金融產業成長、發展，進而在一定地域空間生成金融地域密集系統的變化過程。后者是指經過上述過程，達到一定規模和密集程度的金融產品、工具、機制、制度、法規、政策文化在一定地域空間有機結合的現象和狀態。由于條件、要素的地域差異，必然產生金融資源的地域流動，并向區位與其他條件優越的地區集中與聚合，從而形成不同層次的金融集聚。顯然，金融集聚具有空間地理接近性、行業接近性、社會接近性等外在性質。

基于金融集聚內涵的解釋，本文提出如下假設：

假設1：我國現階段金融產業發展存在空間依賴性和空間溢出效應。

（2）區域創新

區域創新是金融集聚發展不竭的驅動力。D.Keeble和L.Nacham(2001)認為生產性服務業是屬于新經濟的知識密集型行業，相對于制造業從需求和供應等角度來探尋集聚利益，生產性服務業更應該從集聚學習和創新環境等角度來探尋集聚利益。當金融集聚發展到一定程度，新知識的獲取和創新將成為影響其進一步發展的關鍵要素。金融集聚區本身就是一種創新網絡，它通過集群企業之間的相互聯系、各種正式與非正式的交流溝通，構成一種集體學習，刺激服務企業內部創新，同時也為區域金融創新與合作具備了現實基礎。一方面，金融服務企業的創新不僅增強了企業根據環境變化不斷調整自身行為的能力，而且保證了創新的傳播、交換和創新環境本身的更新。尤其是隱含經驗類知識的交流，能激發新思想、新方法的應用，促進學科交叉和產業融合，使新產業和新產品不斷出現，吸引新的客戶和生產者。另一方面，創新的迅速擴散又促使以集群為基礎的金融服務效率進一步提高。Keeble&Wilkinson（2000）認為，在成功的知識型創新的環境下，通過使集群企業接入“集體學習過程”，可增強了集群的競爭優勢，提高集群的增長率。

基于以上研究成果，本文提出如下假設：

假設2：區域創新是影響金融集聚的核心變量，對金融集聚有顯著地促進作用，且隨著區域創新水平的不斷提高，其促進作用將逐漸增強。

（3）經濟基礎

金融是國民經濟的重要組成部分，實體經濟的運行狀況對金融主體的發展有著重要影響。在經濟繁榮時期，企業的經營狀況良好，社會失業率低，對資本的需求量就大，金融業一般會處于良好的運營狀態；而在蕭條時期，企業投資的成功率低，失業率上升，金融債務的償還能力下降，金融風險加劇，不利于金融主體的運營。綜觀英美等國際金融中心的形成發展史，金融中心發源地內在經濟與金融實力的膨脹，是金融中心形成和發展的必要條件。以倫敦國際金融中心為例，其產生即為經濟發展所導致的金融供給變化的結果。由此可以得出，經濟基礎是金融集聚的重要影響因素之一，無論是何種模式的金融產業集聚，都需要與之相匹配的經濟基礎作為其發展的依托。

基于以上理論，本文提出如下假設：

假設3：經濟基礎與金融集聚有極強的正相關性。

（4）對外開放

對外開放是影響金融集聚的重要變量之一。對外開放程度越高，所需的金融服務水平也越高。SimonX.B等（2004）認為，高層次的金融企業總是會定位在一個國際城市的信息腹地，在那里，信息以更低的成本被獲得和驗證。同時，金融部門的集聚也反映和增強了實際部門的集聚。為了分享高層次的生產者服務并實現城市化經濟，企業也總是傾向于集聚；而金融機構也往往集聚在他們主要客戶的總公司附近，為他們提供更好的服務?？鐕究偛孔鳛榻鹑跇I的微觀行為主體，趨向于將機構定位于全球的城市中，在全球的電信網絡中，跨國公司的子公司和附屬公司都可以被有效率的控制和協調。而跨國公司總部的總是選擇具有競爭力的區位，其影響因素包括充足的運輸和通訊基礎設施，高品質的專業服務如法律，會計和金融服務；豐富的社會和文化設施以及根植于法律的良好制度（Dicken，1998）。因此，跨國公司總部和高端金融服務是密不可分的集中在相同的關鍵地點。

基于以上理論，本文提出如下假設：

假設4：對外開放與金融集聚有顯著地正相關性。

（5）人力資本

人力資本是影響金融集聚發展的重要因素。與物質資本和自然資源相比，人力資本是“軟生產要素”。高水平人力資本是提高現代金融競爭力的基本要素。理論上，人力資本水平越高，金融產品的供給能力越強，金融產業集聚程度越高。金融業吸收高學歷的人才比其他行業或地區要多，高級金融專業人才的匯聚是吸引金融機構進駐的基礎，更是區域金融市場繁榮、金融產品創新活躍的根本支撐。

基于以上理論分析，本文提出如下假設：

假設5：人力資本對金融集聚有顯著地促進作用。

2.變量選擇

（1）因變量的選擇

反映金融集聚程度的方法有很多，近年來，國際上對產業集聚程度的衡量指標不斷優化，目前主要有六種指標：區位熵系數()、空間基尼系數()、指數、赫芬達指數()、指數和產業地理集中指數(指數)。區位熵是衡量產業專業化的重要指標，它能夠充分比較區域生產水平與全國平均生產水平，確定該地區產業集中狀況在全國所處的位置。為比較各地區金融集聚程度，本文選擇區位熵系數（），利用從業人員數測算我國金融服務業的區域集聚程度。計算公式如下：

（1）

其中，指區域內產業的就業人數，指區域內的總就業人數，指國家或省份內產業的總就業人數，指國家或省份內的總就業人數。它是指一個特定區域中某產業占有份額與整個經濟中該產業占有份額相比的值。區位熵的系數越大，該區域的金融集聚程度越高。一般認為，如果大于1，意味著某產業在區域比較重要；但也有學者根據大于1.25或大于3(MartinandSunley，2003；MalmbegandMaskell，2002)來判斷產業聚集。

根據區位熵的計算公式，本文對我國28個省域2002-2007年的金融集聚程度進行了測算（結果見附表1）。

（2）解釋變量的選擇

本研究將金融集聚的影響因素分為核心變量和控制變量兩組。

第1組變量是核心變量，即區域創新。專利數量是區域創新能力的重要標志，是一個衡量知識吸收和技術進步比較理想的變量。理論上，區域創新水平越高的省份，金融產品的供給能力也會越強，從而進一步促進金融集聚。這里用各省份三種專利的授權量與全國三種專利的授權量的比值來反映各省的區域創新水平，用I來表示。

第2組變量是控制變量，主要包括影響各地區金融集聚資源稟賦差異的變量，目的是用來控制其他可能導致金融集聚差異的因素。

經濟基礎：用來反映地區經濟基礎的指標有很多，如地區國內生產總值、人均GDP、政府財政收入等。考慮到政府在金融發展中的作用，以及財政與金融的緊密聯系，本文使用各地區政府財政收入總額占GDP的比重來反映地區經濟發展基礎，用GOV來表示。

對外開放：考慮到各地區外國直接投資與當地金融的緊密聯系，我們設置了外國直接投資額占GDP的比值來綜合反映各地區對外開放程度，用OPEN表示。

人力資本：采用人均受教育年限來衡量人力資本水平。本文主要考慮從業人員（15-64歲的人口）的受教育年限，該數據基本能表達社會人口受教育水平的大部分內涵。根據人口普查的規定：文盲計為0年，小學文化計為6年，初中文化計為6年，初中文化計為9年，高中文化計為12年，大學及大專以上計為16年。小學文化從小學一年級到小學畢業均計為6年，其余類推。因此，人口平均受教育年限可以用15-64歲人口受教育年數的總和（即：6×小學文化人數+9×初中文化人數+12×高中文化人數+16×大學及大專以上人數）除以15-64歲人口數來計算，以此生成人均受教育年限來反映一個地區的人力資本水平，用PEO來表示。

3.模型設定

根據以上理論假說及變量的選擇，本文的線性模型形式設定如下：

（2）

式中，為回歸參數，為1，2，???，28個省域，ε為隨機誤差項。被解釋變量FIN是利用區位熵系數衡量的我國28個省域的金融集聚程度；I變量表示區域創新，是本文所設定模型中的核心解釋變量；在控制變量中，GOV變量表示政府的財政收入占GDP的比重，OPEN變量表示對外開放，PEO變量表示人力資本。

本文所用樣本包括中國28個省、自治區、直轄市（以下簡稱省域），其中，重慶市合并到四川省內計算，西藏、海南、香港、澳門特別行政區和臺灣省除外。金融集聚度和各解釋變量的基礎數據主要來源于2003-2008年的《中國統計年鑒》，其中2004-2007的外商直接投資額由于缺失，本文通過預測得到。實證研究主要借助于Arcviews3.3和Geoda0.9.1兩個軟件完成。

三、空間計量方法模型

空間經濟計量模型主要解決回歸模型中復雜的空間相互作用與空間依存性結構問題（Anselin，1988）。長期以來，在主流的經濟學理論中，空間事物無關聯及均質性假定的局限，以及普遍使用忽視空間效應的普通最小二乘法(OLS)進行模型估計，使得在實際應用中往往存在模型的設定偏差問題，進而導致經濟學研究得出的各種結果和推論不夠完整、科學，缺乏應有的解釋力(吳玉鳴，2007)。空間計量經濟學(Anselin，1988)理論認為一個地區空間單元上的某種經濟地理現象或某一屬性值與鄰近地區空間單元上同一現象或屬性值是相關的。幾乎所有的空間數據都具有空間依賴性或空間自相關性的特征，空間依賴的存在打破了大多數經典統計和計量分析中相互獨立的基本假設。也就是說，各區域之間的數據存在與時間序列相關、相對應的空間相關。

根據空間計量經濟學方法原理，金融集聚影響因素空間計量分析的思路如下：首先采用空間統計分析Moran指數法檢驗因變量（金融集聚）是否存在空間自相關性；如果存在空間自相關性，則以空間計量經濟學理論方法為基礎，建立空間計量經濟模型，進行金融集聚影響因素的空間計量估計和檢驗。

1.空間自相關性

檢驗金融集聚現象的空間相關性存在與否，實際應用研究中常常使用空間自相關指數Moran’I，其計算公式如下所示：

（3）

其中，，表示第地區的觀測值(在本文為金融集聚度c)；n為地區總數(本文為28)；為二進制的鄰接空間權值矩陣，表示其中的任一元素，采用鄰接標準或距離標準，其目的是定義空間對象的相互鄰接關系，便于把地理信息系統(GIS)數據庫中的有關屬性放到所研究的地理空間上來對比。一般鄰接標準的為：

習慣上，令的所有對角線元素=0。

Mroan’sI指數可看作各地區觀測值的乘積和，其取值范圍在-1到1之間，若各地區間經濟行為為空間正相關，其數值應當較大；負相關則較小。具體到金融產業集聚的空間依賴性問題上，當目標區域數據在空間區位上相似的同時也有相似的屬性值時，空間模式整體上就顯示出正的空間自相關性；而當在空間上鄰接的目標區域數據不同尋常地具有不相似的屬性值時，就呈現為負的空間自相關性；零空間自相關性出現在當屬性值的分布與區位數據的分布相互獨立時。

根據Mroan’sI指數的計算結果，可采用正態分布假設進行檢驗n個區域是否存在空間自相關關系，其標準化形式為：

（4）

根據空間數據的分布可以計算正態分布Moran’I指數的期望值及方差：

（5）

式中，分別為空間權值矩陣中行和列之和。

公式（4）、（5）可以用于檢驗n個區域是否存在空間自相關關系。如果Mroan’sI指數的正態統計量的值大于正態分布函數在0.05水平下的臨界值1.96，表明金融集聚在空間分布上具有明顯的正向相關關系，正的空間相關代表相鄰地區的類似特征值出現集群趨勢。

2.空間計量模型及估計技術

空間計量經濟學模型有多種類型，本文所要用到的空間計量模型主要是納入了空間效應(空間相關和空間差異)，適用于截面數據的空間常系數回歸模型，包括空間滯后模型（SpatialLagModel，SLM）與空間誤差模型（SpatialErrorModel，SEM）兩種。

（1）空間滯后模型（SLM）

空間滯后模型主要探討各變量在一個地區是否有擴散現象(溢出效應)，其表達式為：

（6）

式中，為因變量；為的外生解釋變量矩陣；為空間回歸關系數；反映了樣本觀測值中的空間依賴作用，即相鄰區域的觀測值對本地區觀察值的影響方向和程度；為階的空間權值矩陣，一般用鄰接矩陣(ContiguityMatrix)；為空間滯后因變量，為隨機誤差項向量。

參數反映了自變量對因變量的影響，空間滯后因變量是一內生變量，反映了空間距離對區域行為的作用。區域行為受到文化環境與空間距離有關的遷移成本的影響，具有很強的地域性。

（2）空間誤差模型（SEM）

空間誤差模型的數學表達式為：

（7）

（8）

式中，為隨機誤差項向量，為的截面因變量向量的空間誤差系數，為正態分布的隨機誤差向量。

參數衡量了樣本觀察值中的空間依賴作用，即相鄰地區的觀察值有對本地區觀察值的影響方向和程度，參數反映了自變量對因變量的影響。SEM的空間依賴作用存在于擾動誤差項之中，度量了鄰接地區關于因變量的誤差沖擊對本地區觀察值的影響程度。

（3）估計技術

對于上述兩種模型的估計如果仍然采用最小二乘法，系數估計值會有偏或者無效，需要通過工具變量法、極大似然法或廣義最小二乘估計等其他方法來進行估計。本文采用了Anselin（1988）的建議，采用極大似然法估計SEM和SLM的參數。

3.空間自相關檢驗及SLM、SEM的選擇

判斷地區金融集聚現象的空間相關性是否存在，以及SLM和SEM哪個模型更恰當，一般可通過包括Moran’sI檢驗、兩個拉格朗日乘數(LagrangeMultiplier)形式LMERR、LMLAG和穩健(Robust)的R-LMERR、R-LMLAG等來實現。

由于事先無法根據先驗經驗推斷在SLM和SEM模型中是否存在空間依賴性，有必要構建一種判別準則，以決定哪種空間模型更加符合客觀實際。Anselin等（2004）提出了如下判別準則：如果在空間依賴性的檢驗中發現，LMLAG較之LMERR在統計上更加顯著，且R-LMLAG顯著而R-LMERR不顯著，則可以斷定適合的模型是空間滯后模型；相反，如果LMERR比LMLAG在統計上更加顯著，且R-LMERR顯著而R-LMLAG不顯著，則可以斷定空間誤差模型是恰當的模型。除了擬合優度R2檢驗以外，常用的檢驗準則還有：自然對數似然函數值(Loglikelihood，LogL)，似然比率(LikelihoodRatio，LR)、赤池信息準則(Akaikeinformationcriterion，AIC)，施瓦茨準則(Schwartzcriterion，SC)。對數似然值越大，AIC和SC值越小，模型擬合效果越好。這幾個指標也用來比較OLS估計的經典線性回歸模型和SLM、SEM，似然值的自然對數最大的模型最好。

四、實證結果分析

空間權重矩陣是空間統計計量模型的關鍵，也是地區間空間影響方式的體現。目前，空間權重矩陣的基本形式有只考慮地理相鄰信息，即“地理”空間權重矩陣()，也有考慮涉及經濟差距的空間權重矩陣的擴展形式，即“經濟”空間權重矩陣()?！暗乩怼笨臻g權重矩陣(W)最常用的是簡單二分權重矩陣，遵循的判定規則是Rook相鄰規則，即兩個地區擁有共同邊界則視為相鄰。

本文選用的是“地理”空間權重矩陣()，利用Geoda0.9.1軟件生成。

1.金融集聚空間自相關性

為檢驗金融集聚現象在地理空間上的相關性，即空間相互依賴性，下面利用2002-2007年中國28個省域的金融集聚指標計算Mroan’sI指數，相關結果見表1。表1中MoranI的正態統計量值均大于正態分布函數在0.05顯著性水平下的臨界值(1.96)，這表明我國28個省域的金融集聚現象在空間上具有明顯的正自相關關系(即空間依賴性)，說明省域金融產業的發展在空間分布并非表現出完全隨機的狀態，而是表現出某些省域的相似值之間在空間上趨于集聚，也就是說，具有較高金融集聚度的省區相互靠近，或者較低金融產業集聚的省域相對地互相相鄰的空間聯系結構。因此，從整體上講省域之間的金融產業的發展是存在空間相關性的，也就是說我國省域金融產業的發展存在著空間上明顯的集聚(Clustering)現象。

表1中國28個省域金融集聚Mroan’sI指數及其Z值

年份Moran’IMoran’I期望值

標準差

正態性

統計量

小概率

值

20020.2587-0.0370.11122.6591730.012

20030.2545-0.0370.10932.6669720.013

20040.2885-0.0370.11742.7725720.014

20050.2731-0.03610.11712.6404780.02

20060.2807-0.03470.11982.6327210.01

20070.2321-0.0370.11012.4441420.024

為進一步分析我國省域金融產業發展的空間集聚特征，本文給出了局域Mroan指數散點圖（見圖1）。圖1展示了空間滯后W_FIN作為縱軸和FIN作為橫軸的分布情況。其中，FIN為金融產業的集聚度，W_FIN表示鄰近值的加權平均值。根據散點圖，可將各個省域金融產業的發展分為4個象限的集群模式，分別識別一個地區及其與鄰近地區的關系：圖的右上方的第1象限，表示高集聚增長的地區被高集聚的其他地區所包圍（HH），代表正的空間自相關關系的集群；左上方的第2象限，表示低集聚增長的地區被高集聚增長的其他地區所包圍(LH)，代表負的空間自相關關系的集群；左下方的第3象限，表示低集聚增長的地區被低集聚增長的其他地區所包圍(LL)，代表正的空間自相關關系的集群；右下方的第4象限，表示高集聚增長的地區被低集聚增長的其他地區所包圍(HL)，代表負的空間自相關關系的集群。第1、第3象限正的空間自相關關系揭示了區域的集聚和相似性，而第2、第4象限負的空間自相關關系揭示區域的異質性。如果觀測值均勻地分布在4個象限則表明地區之間不存在空間自相關性。

根據上述理論及圖1所顯示的結果，可以得到我國28個省際區域的空間相關模式，如表2所示。

圖2我國省域金融集聚度的Mroan指數散點圖

注：FIN07表示2007年我國28個省域的金融集聚度。W_FIN表示鄰近值的加權平均值。

表2金融產業集聚度各省際區域的空間相關模式

空間相關模式地區

第1象限HH北京、天津、黑龍江、吉林、遼寧、內蒙古

第2象限LH河北、江蘇、浙江

第3象限LL甘肅、河南、陜西、青海、山東、安徽、四川、湖北、湖南、江西、云南、貴州、福建、廣西、廣東

第4象限HL新疆、上海、山西、寧夏

位于2、4象限的省域不多（只有7個），第1、3象限省域金融集聚局部的HH和LL分化，因此，可以認為我國省域金融集聚在地理空間的分布上存在著依賴性和異質性。以北京和上海為例來進行說明，經本文測算，北京和上海的區位熵系數分別為3.71和4.35，是我國金融集聚度最高的兩個城市，但根據散點圖的結果，北京位于第一象限，上海卻位于第四象限。這是因為北京鄰近的地區如天津、遼寧、吉林等都是金融集聚度比較高的地區，即高集聚增長的地區被高集聚增長的其他地區所包圍，反映了金融集聚在地理空間分布上的依賴性。而上海雖然金融集聚度在我國是最高的，但其鄰近的大部分地區如安徽、江西、河南、山東等都是金融集聚度很低的地區，即高集聚增長的地區被低集聚增長的其他地區所包圍，反映了金融集聚在地理空間分布上的異質性。

中國現階段，除個別地區如北京、上海、天津等地的金融集聚度比較高以外，大部分地區的金融集聚度都不是很高，整體上看，東部地區的金融集聚度要高于中部和西部地區，其中，西部地區的金融集聚度最低（大部分地區都是位于第三象限（LL））。說明現階段我國金融業的發展還不夠發達，而且區域差異比較大，

以上分析表明，我國省域金融產業發展確實存在著空間的集聚現象，地區差異比較顯著。這也進一步表明有必要從空間維度的相關性和異質性出發，對金融集聚影響因素進行空間計量分析。

2.金融集聚影響因素空間計量模型的選擇與估計

本文選用的空間計量經濟模型主要是納入了空間效應的空間滯后模型（SLM）與空間誤差模型（SEM）兩種。下面，以中國28個省域為空間單元，選擇合適的空間計量模型，進行金融產業集聚的空間計量經濟檢驗和估計。為了比較分析不同時期各影響因素對當期被解釋變量的影響作用，根據設定的模型形式，本文分別設定以下兩個模型以分析金融集聚形成機制：

模型I：當期模型。被解釋變量和解釋變量均選取2007年的數據，反映當期解釋變量對被解釋變量的影響。

模型Ⅱ：跨期模型。被解釋變量選取的是2007年的數據，各解釋變量選取的是2002年的數據，反映初期解釋變量對當期被解釋變量的影響。

為進行SLM和SEM模型的選擇，首先對模型I和Ⅱ進行普通最小二乘法估計（即不考慮空間相關性，結果見表3和表4），進一步確認金融集聚空間相關性的存在。

表3模型I的OLS估計結果

模型回歸系數

標準差

統計值

小概率值

C

I07

GOV07

OPEN07

PEO07

R2

R2adj

F

LogL

AIC

SC0.2113205

0.4212696**

19.85123*

5.674249

-0.09935197

0.749984

0.706503

17.2485

-16.4325

42.8649

49.5261.143026

0.1647491

4.203542

7.596358

0.097471340.1848781

2.557036

4.7225

0.7469697

-1.0192940.8549462

0.0176209

0.0000930

0.4626501

0.3186659

空間依賴性檢驗

統計值小概率

Mroan指數（誤差）

LMLAG

R-LMLAG

LMERR

R-LMERR0.210786

1

1

1

12.3792816**

5.9130551**

3.6897323***

2.4911239

0.26780100.0173464

0.0150291

0.0547484

0.1144900

0.6048107

注：“*、**、***”分別表示通過1％、5％、10％水平下的顯著性檢驗。

表3的OLS回歸結果中，模型的擬合優度R2為0.749984，區域創新、經濟基礎以及對外開放的回歸系數均為正，且區域創新和經濟基礎通過了5%的變量顯著性檢驗，說明這兩個變量的當期值對金融集聚有顯著地正向作用，與理論假設一致。而對外開放和人力資本均沒有通過5%的顯著性檢驗，說明對金融集聚無顯著影響，與理論假設有出入。表4的OLS的回歸結果中，模型的擬合優度R2為0.801140，經濟基礎、對外開放以及人力資本的回歸系數均為正，且分別通過了5%和10%的變量顯著性檢驗，這說明初期的經濟基礎、對外開放以及人力資本對省域的金融集聚有顯著地促進作用，與理論假設一致。而區域創新變量雖然通過了5%的變量顯著性檢驗，但其回歸系數為負，說明初期的區域創新對金融集聚呈現出顯著地抑制作用。

表4模型Ⅱ的OLS估計結果

模型回歸系數

標準差

統計值

小概率值

C

I02

GOV02

OPEN02

PEO02

R2

R2adj

F

LogL

AIC

SC-4.423565*

-7.465248**

17.49841*

10.40022*

0.4352784

0.801140

0.766556

23.1648

-13.2275

36.455

43.11610.9320307

2.726159

3.744103

0.1009147-4.746158

-2.738375

4.673591

4.313330.0000876

0.0117107

0.0001050

0.0002579

空間依賴性檢驗

統計值小概率

Mroan指數（誤差）

LMLAG

R-LMLAG

LMERR

R-LMERR0.287283

1

1

1

13.0452704*

1.9358623

0.0045768

4.6273471**

2.69606160.0023249

0.1641185

0.9460624

0.0314662

0.1005965

注：“*、**、***”分別表示通過1％、5％、10％水平下的顯著性檢驗。

以上OLS回歸結果說明，經典線性回歸模型的OLS估計可能存在模型設定不恰當的問題，比如沒有考慮到省域（截面單元）的空間自相關性。進一步利用Moran指數、兩個拉格朗日乘數來判斷空間計量經濟學模型SLM和SEM的形式。表3中，MoranI指數的P值為0.0173464，在5%的顯著性水平下通過檢驗。表明經典回歸誤差的空間依賴性(相關性)非常明顯。另外，LMLAG和R-LMLAG分別通過了5%和10%的顯著性檢驗，而LMERR和R-LMERR均未能通過檢驗，因此，根據前面介紹的判別準則，對于模型I，空間滯后模型（SLM）是相對比較合適的模型。同理，由表4的OLS估計結果，Moran指數(誤差)檢驗表明，經典回歸誤差的空間依賴性(相關性)非常明顯(顯著性水平為0.23%)。從兩個拉格朗日乘數的P值來看，只有LMERR通過了5%的顯著性檢驗，而R-LMERR比R-LMLAG顯著，因此，相對而言，對于模型Ⅱ選擇SEM模型更好一些。

根據以上判斷，在模型I和模型Ⅱ中均加入空間效應，分別建立空間滯后模型（SLM）和空間誤差模型（SEM）。本文利用極大似然估計法(ML)對空間計量經濟參數進行估計，得到的估計結果如表5、表6所示。

表5SLM模型的ML估計結果

模型回歸系數

標準差

統計值

小概率值

W_FIN07

C

I07

GOV07

OPEN07

PEO070.4546634*

-0.2117606

0.3322322**

20.76584*

0.9826023

-0.10377770.1628874

0.9059928

0.131252

3.338545

6.32993

0.0780612.791275

-0.2337332

2.531254

6.220029

0.1552311

-1.3294440.0052502

0.8151922

0.0113656

0.0000000

0.8766391

0.1837018

統計檢驗統計值

R2

LogL

AIC

SC0.808883

-13.4405

38.8809

46.87411

注：“*、**、***”分別表示通過1％、5％、10％水平下的顯著性檢驗。

由表5和表6的估計結果，相對于OLS估計的經典回歸模型，SLM和SEM的擬合優度檢驗值和對數似然函數值都有所提高，AIC和SC的值都相對變小。證明考慮了空間效應以后，用極大似然法估計的模型有效地消除了金融集聚空間自相關和空間誤差的存在。

表6SEM模型的ML估計結果

模型回歸系數

標準差

統計值

小概率值

C

I02

GOV02

OPEN02

PEO02

LAMBDA-4.060468*

-6.189693*

18.42752*

9.739465**

0.3903174*

0.5417091*0.8454322

1.88975

3.059143

4.013476

0.08988616

0.1819742-4.802831

-3.275403

6.023751

2.42669

4.342353

2.9768450.0000016

0.0010552

0.0000000

0.0152373

0.0000141

0.0029124

統計檢驗統計值

R2

LogL

AIC

SC0.847568

-10.649322

31.2986

37.959667

注：“*、**、***”分別表示通過1％、5％、10％水平下的顯著性檢驗。

3.回歸結果分析

表5中，SLM中的參數通過了1%的顯著性檢驗，說明由當期區域創新、經濟基礎、對外開放以及人力資本決定的金融集聚在省域之間已經形成了顯著地正的空間擴散（溢出）效應。同時，在表6中，SEM中的參數也通過了1%的顯著性檢驗，說明由初期的區域創新、政府財政收入、對外開放以及人力資本所決定的金融產業集聚在省域之間具有較強的空間依賴作用。由此，我們可以得出，我國現階段金融產業的發展確實存在空間依賴性和空間溢出效應，與假設1預期一致。

SLM中的4個解釋變量選取的是07年的數據，反映的是解釋變量對被解釋變量的當期作用。而SEM中的4個自變量選取的是02年的數據，反映的是解釋變量對被解釋變量的跨期影響作用。下面根據表5、表6的回歸結果，對解釋變量的4個假說進行檢驗分析。

在SLM中，區域創新水平對金融集聚有穩健地正向影響作用，與假設2的預期一致。實證結果表明當期區域創新水平每增加1%，金融集聚度就會增加0.33%。技術創新能力(尤其是金融創新能力)越強，金融機構的管理水平和運行效率就會得到不斷的提高，從而促進金融業的發展。而在SEM中，初期的區域創新水平對金融產業集聚有顯著地負向作用。這是因為，在期初，區域創新的水平比較低，且知識的傳播比較慢，難以實現知識信息的共享，因而抑制了金融產業在省域間的集聚，而隨著時間的推移，區域創新的水平不斷提高，逐漸發達的信息傳播技術也使創新知識和技術在區域內得到共享，進而使得區域創新對金融產業集聚的影響作用逐漸從負向影響轉到顯著地正向促進。

經濟基礎指標在SLM和SEM兩個模型中都對金融產業集聚產生了極強的正效應。實證結果表明，當期政府財政收入占GDP的比重每增加1%，金融產業集聚度就會增加20.77%。初期政府財政收入占GDP的比重每增加1%，金融產業集聚度就會增加18.43%。政府財政收入占GDP的比重這一指標，反映了一個地區的經濟基礎。經濟基礎主要通過影響社會對金融業的需求從而影響金融業的發展水平，這就促進了金融產業在區域內的蓬勃發展，并通過市場競爭促進金融集聚。因此，經濟基礎對金融集聚有顯著地促進作用，即與假設3的說法一致。

在SLM中，對外開放變量未能通過5%的顯著性檢驗，說明當期的對外開放對金融產業集聚的影響不顯著。但在SEM中，對外開放卻對金融集聚有顯著地促進作用，并表明在初期對外開放程度每增加1%，就對金融產業集聚有9.74%的貢獻。這說明在期初，對外開放程度的擴大確實對金融集聚產生了一定的促進作用，但隨著時間的推移，我國對外開放水平的提高程度不能滿足金融業發展需求，同時，我國金融業對國外資金、技術和先進管理方法的引進和吸收力度也不足，因而使得當期的對外開放程度對金融產業集聚的影響不顯著，但不能就此否認對外開放對金融集聚的促進作用。

人力資本變量盡管在SLM中沒有對金融集聚產生顯著地影響，但在SEM中卻對金融集聚有顯著地促進作用，即期初人力資本每提高1%，金融集聚度就增加0.3903%。這說明在期初，人力資本確實對金融集聚產生了穩健的促進作用。金融業是人力資本密集型產業，相比其他產業，金融業從業人員的素質、人力資源狀況對金融產出的影響更大。當期人力資本水平對當期的金融集聚作用不顯著，只能說明人力資本對金融集聚的促進作用仍需要一個隨時間的推移來吸收和消化的過程，而不是立即顯現的。因此，可得出結論，即人力資本確實對省域金融集聚起到了一定的促進作用，進而驗證了假設5的成立。

五、結論及政策含義

本文以區域創新為核心變量，經濟基礎、對外開放、人力資本等3個變量為控制變量，構建金融集聚影響因素空間計量模型對我國28個省域金融集聚影響因素進行了實證研究，得到的結論及政策含義如下：

1.我國金融集聚現象在截面單元上具有空間自相關性，各省份之間形成了較強的空間依賴作用和正的空間溢出效應。金融集聚在我國省域間形成的正的空間溢出效應，說明周圍相鄰省域金融產業的發展能促進本省域金融產業的發展。因此，基于中國現階段各省域之間金融集聚的發展現狀，各省域應加強相鄰省域間的區域金融合作，促進金融資源在區域間的自由流動，進而促進其在更大范圍內的優化配置，實現金融市場一體化，進一步發揮金融在資源配置中的導向作用。

2.區域創新是影響金融集聚的核心變量，區域創新水平對金融集聚有顯著地促進作用，這種作用將隨創新水平的不斷提高而逐漸增強。在期初，我國各地區區域創新（主要是金融創新水平）還不夠高，信息傳播技術比較落后，因而對金融集聚產生了一定的抑制作用，但隨著時間的推移和信息技術的高速發展，金融服務業的信息化、網絡化趨勢日益顯著，使得知識和技術創新在相鄰區域內實現資源共享，進而促進了區域創新水平的不斷提高，其對金融產業集聚的影響作用也逐漸由負作用轉變為正向顯著的促進效應。因此，我國各地區應加強對金融業的研發投入，不斷開發金融新產品，提高技術創新，尤其是金融創新水平。同時在運作管理、業務革新上進行大膽創新，不斷降低運營成本，提高工作效率，增強金融機構的競爭力，促進金融業在省域間的集聚，進而優化資源配置，促進區域產業結構升級。

3.控制變量中，經濟基礎對金融集聚一直有顯著的促進作用。隨著中國改革開放的不斷深入，區域經濟差異不斷擴大，經濟發展比較好的地區其金融集聚度也比較高，如北京、上海作為全國的經濟中心，綜合財政狀況明顯優于其他省市，是我國金融業最發達的兩大城市，其金融集聚度非常高。

對外開放水平在期初對金融產業集聚有顯著地正效應，但由于我國現階段對外開放程度不能滿足金融業發展的需要，尤其在金融業的對外開放上限制仍然較多，使得這種正效應隨著時間的推移逐漸弱化。基于我國現階段的發展狀況，逐步放寬政策限制，加大金融對外開放程度仍提升金融集聚競爭力的必然選擇。

人力資本在期初對金融集聚有顯著地促進作用，但在當期對金融集聚影響不顯著，這說明人力資本作用的發揮需要有一個吸收和消化的過程。目前，我國對高水平人力資本，尤其是對高素質金融人才的需求還比較大，因此各地區應著力加強高層次金融人才的吸引和培養力度，為金融發展積聚更多有用人才。

本文構建的以區域創新為核心變量的金融集聚影響因素空間計量模型可以進行多角度的擴展和應用。比如在控制變量中，還可以將各省域固定資產投資水平、金融業從業人員數、政府干預、制度環境等因素納入進來，以進行更細致全面的考察。當然，本文主要是從空間維度特征方面對金融集聚影響因素進行探索，對其在時間維度方面的特征考慮的還不夠。在對權重的選擇上，只考慮了地理距離，而沒有考慮經濟距離，這也對本文的實證結果產生了一定的影響。這也將是我們在今后的研究中需不斷改進和加強的地方。

參考文獻

[1]O’Brien,R.Globalfinancialinteration:Theendofgeography.London:RoyalInstituteofInternationalAffairs.1992.

[2]Martin,R.,ed.TheneweconomicgeographyofmoneyMoneyandthespaceeconomy,ed.R.Martin,1999.3-27.Chichester:JohnWiley&Sons.

[3]KindleBergerC.P.TheFormationofFinancialCenters:AStudyofComparativeEconomicHistory[M].Princeton:PrincetonUniversityPress,1974.

[4]Park，YoonS．，MusaEssayyad．InternationalBankingandFinancialCenters，Boston，

Kluwer，1989：68-84.

[5]NareshR.Pandit,GaryA.S.Cook和G.M.PeterSwann.TheDynamicsofIndustrialClusteringinBritishFinancialServices[J].TheserviceindustriesJournal.2001Oct：39.

[6]黃解宇，楊再斌，金融產業集聚論:金融中心形成的理論與實踐解析[M]，北京:中社會科學出版社，2006.

[7]張鳳超，王亞范.關于區域金融成長的理性探討[J].吉林財稅高等專科學校學報.2000.2:24-29.

[8]MalmbegA.，Maske11P.TheElusiveConceptofLocalizationEconomies：towardsaKnowledge—basedTheoryofSpatialClustering，EnvironmentPlanning，2001.34:429-449.

[9]D.Keeble&L.Nacham,[R].Whydobusiness1servicefirmscluster,workingpaper,Cambridge,2001.

[10]Keeble，D．，Wilkinson，F．ed．High-technologyclusters，networkingandcollectivelearninginEurope[C]AshgateAldershot.2000:1-20.

[11]SimonX.B.Zhao，LiZhang，DannyT.Wang.Determiningfactorsofthedevelopmentofanationalfinancialcenter:thecaseofChina[J].2004.Geoforum35:577-592.

[12]MartinR．，andSunleyP．Deeonstructingclusters：chaoticconceptorpolicypanacea，JournalofEconomicGeography，2003．Vo1．3，No．1：5-35.

[13]MalmbegA．，Maske11P．TheElusiveConceptofLocalizationEconomies：towardsaKnowledge—basedTheoryofSpatialClustering，EnvironmentPlanning，2001．Vo1．34：429-449.

[14]Anselin，L.SpatialEconometrics:MethodsandModels，Dordrecht，KluwerAcademicPublishers.1988.

[15]吳玉鳴.縣域經濟增長集聚與差異:空間計量經濟實證分析[J].世界經濟文匯.2007.2:39.

[16]Anselin，L.,R.FloraxandS.Rey(edsd.).AdvancedinSpatialEconometrics[J],Methodology,TolsandApplications,Berlin;Apringer-Verlag.2004.

附表

我國28個省域金融集聚區位熵系數

200220032004200520062007

東部1.39541.40271.37581.34921.85991.3134

中部1.06291.04341.02591.00282.02230.966

西部0.86770.83520.84540.8362.01070.7858

北京2.22723.43953.64363.62333.56613.705

天津2.2072.61092.53842.5292.58262.5304

河北1.16011.10531.0931.10291.86461.0864

山西1.66881.67971.6491.7252.55841.6327

內蒙古1.65411.58711.58561.63542.68941.5633

遼寧2.09682.12391.97751.94452.29671.8702

吉林1.8821.92721.75831.77932.78511.6427

黑龍江1.57421.51271.47351.48782.55861.3835

上海3.68074.05273.50093.90433.35394.3544

江蘇1.29371.2551.30241.20981.48061.1078

浙江1.42381.30441.27651.25881.46471.224

安徽0.70120.73370.72540.67981.72440.6595

福建1.24261.13451.11151.11621.49580.9876

江西0.94340.92230.92540.86961.720.7679

山東1.11421.10431.07251.01631.44920.9922

河南0.82520.80330.8010.77961.95660.7639

湖北1.14321.10551.05331.03351.75861.0576

湖南0.88830.84520.85810.78991.63860.7894

廣東1.53171.44111.4251.34161.8451.2076

廣西0.67530.65140.62310.61741.71990.6116

四川（重慶）0.81430.78190.79070.81221.99180.7485

貴州0.53170.4850.47870.46351.73080.4601

云南0.65810.64070.63180.60541.64050.566

陜西1.10051.08511.09821.11491.91931.0384

甘肅0.98560.85150.89930.92182.37540.9057

青海1.40391.24561.14761.10572.34591.0918

寧夏1.46461.6691.60571.66553.05171.6347

新疆1.76311.7761.91031.59652.49691.4894