金融业发展推动经济高质量发展的理论框架及空间计量研究

薛蕾 金津

摘   要：本文首先从理论层面分析了金融业影响经济高质量发展的作用机制;基于五大发展理念构建经济高质量发展评价指标体系、采用信息熵权法测算并分析1997—2017年我国31个省（自治区、直辖市）的经济高质量发展指数;采用空间自回归模型和空间滞后模型实证分析金融业发展影响经济高质量发展的效应及其空间溢出效应。结果表明：（1）1997—2017年，我国经济高质量发展水平持续增长，且具有显著的区域异质性：东部最高、中部次之、西部最低;（2）经济高质量发展水平的空间相关性在2007年及之前并不明显，2008年及以后则十分显著;（3）金融业发展对经济高质量发展水平具有显著的提升作用，在2008年以后这种作用更加明显。从直接效应和间接效应来看，金融业发展将同时提高本地和周边地区经济高质量发展水平，这种作用在2008年以后也更加明显。因此，必须进一步深化金融业改革，减少政府对微观经济活动的直接干预，更好地发挥市场在资源配置中的决定性作用，继续加强对教育事业和科研创新活动的支持力度。

关键词：金融业;高质量发展;空间计量

中图分类号：F832        文献标识码：B        doi：10.3969/j.issn.1009-6922.2021.04.005

文章编号：1009-6922（2021）04-29-16

一、引言与文献综述

自改革开放以来，中国金融业取得了历史性的成就，特别是党的十八大以来金融业保持快速发展，金融改革有序推进。一方面，中国已形成门类齐全、竞争充分的金融体系;另一方面，金融业资产规模增长迅猛。2019年末，中国金融机构总资产规模为318.69万亿元，同比增长8.6%。其中，银行业机构总资产为290万亿元，同比增长8.1%;证券业机构总资产为8.12万亿元，同比增长16.6%;保险业机构总资产为20.56万亿元，同比增长12.2%[1]。金融业已成为国民经济体系的重要组成部分。

党的十九大报告指出，我国社会生产力水平总体上显著提高，社会生产能力在很多方面进入世界前列，更加突出的问题是发展不平衡不充分，这已经成为满足人民日益增长的美好生活需要的主要制约因素。[2]随着我国经济转向高质量发展，以银行为主导的中国金融业还能继续发挥积极作用吗？根据中国人民银行的数据显示，2019年我国人民币贷款增加16.81万亿元，同比多增6439亿元，但信贷规模的增长会不断积累风险。中国经济发展还很不均衡，信贷政策是保持积极还是转向收缩？本文从空间溢出效应的角度构建经济高质量发展的相关指标，探讨金融业对经济高质量发展的影响。

国内外大量文献证实，金融对经济增长具有正向作用。一个完善且成熟的金融系统能通过动员储蓄（levine，1991）[3]、配置资源（Greenwood & Jovanovic，1990）[4]减少市场主体间的信息不对称，从而降低交易成本。现有国外文献大致从传导机制、金融结构和影响金融业发展因素三个角度探讨了金融与经济的关系。基于传导机制角度，Marcet等（2007）认为，劳动力无论是内生还是外生都会影响金融业发展，从而影响经济增长。[5]Karaivanov（2012）认为，金融业发展会影响劳动力市场主体的职业选择，从而影响经济发展。[6]基于金融结构的角度，Minsky（1974）认为，金融部门作为虚拟资本代表，在市场失灵情况下会出现“脱实就虚”的非理性行为，于是经济出现资产泡沫，从而引起信贷资源在部门间的错配。[7]此外，Stengos & Liang（2005）、Deidda & Fattouh（2008）、黄智淋（2013）注意到，在不同发展水平的国家中金融业发展与经济增长之间的关系并不相同，由此认为金融业发展与经济增长存在非线性关系。[8-10]Akisik（2013）基于影响金融业发展因素的视角，认为可以从文化因素、禀赋因素、制度因素来探讨金融对经济增长的影响。[11]影响金融业发展的因素作为中介变量出现在模型当中，实证结论为：禀赋资源越高，金融业发展越快，从而经济发展越迅速;而制度因素的核心是国家体制，它影响政府对金融政策的制定。Zhang等（2012）认为，中国金融业存在垄断现象，尤其是以国有银行为主导的市场存在扭曲资产定价的现象，以至于影响经济可持续发展。[12]

国内学者关于金融对经济增长相關文献也做了多维度的探讨。周天芸（2020）的研究发现，连续稳定的金融支持促进了大湾区经济增长，金融业发展在粤港澳大湾区建设中起到了重要的推动作用。[13]胡宗义等人（2013）对金融业发展与经济发展的关系进行了研究，实证发现金融业发展与经济发展之间存在着倒“U”型曲线的特征，即金融过度发展必然导致虚拟经济倒闭，实体经济由此受到牵连，从而引发系统风险[14]。同时，虞文美等学者（2014）对西方主流经济学家关于金融业发展与经济增长的关系研究成果进行了归纳与讨论，认为金融业发展对经济增长的影响大小受到样本期长短的影响：样本期越长，则影响越大。[15]随着经济不断发展，学者们的研究范围不再局限于金融业发展对经济增长的影响，而是扩展到其他方面。实证研究表明，我国金融业发展有利于企业增加研发投入与刺激企业创新（贾俊生等，2017[16];庄毓敏等，2020[17]17），有利于提高地区开放程度（沈能，2006）[18]，有利于升级与优化产业结构（苏建军，2014[19];林昌华，2020[20]），但金融深化不利于缩减城乡居民收入差距（江春和吴志团，2007[21];孙永强和万玉琳，2011[22]）。多数学者只研究金融业发展对经济发展某一个指标的影响。

综上而言，现有文献关于金融业对经济增长和产业结构升级的研究较为丰富，但关于金融业对经济高质量发展影响的研究仍然相对较少，在金融业发展对经济高质量发展空间溢出效应方面缺乏有效的理论文献支持。以往研究建模大多在新古典经济增长理论框架下分析金融业对经济增长与经济高质量发展的作用，尚未考虑空间因素。二十世纪九十年代以来，空间经济学理论快速发展，空间因素被引入国际经济学和产业集聚问题的研究中。在实证研究中，空间统计与空间计量经济学的发展在丰富传统计量经济学理论方法的同时，也为空间经济学提供了很好的实证分析工具。可以说，经济增长理论研究的深入，特别是空间经济理论与实证分析的发展，为金融业与经济高质量发展研究提供了新思路和新方法。

在相关的研究中，已有学者认识到空间相关性和异质性效应对区域金融经济增长的重要作用。例如朱玉杰等人（2014）通过建立空间Durbin模型（SDM）分析了金融规模对我国产业优化升级的影响，发现衡量金融规模的四个一级指标中，金融相关比（金融机构年末贷款余额/GDP）的增长能显著促进产业优化升级，而金融规模存量增长与二、三产业发展水平呈现“倒U型”关系，金融聚集水平与金融效率水平对产业升级的影响则因地而异[23]。李红等人（2014）选取了1991—2011年我国286个城市的面板数据，采用改进权重的空间杜宾模型检验了金融集聚及其空间溢出与城市经济增长的关系，结果显示金融集聚带来了人才、机构、资本和稀缺资源的集中，但不会产生拥挤效应，在促进城市经济发展的同时亦对临近城市存在正向的空间溢出效应[24]。而有学者发现，当将全国划分为发展阶段互不相同的东、中、西三大区域进行研究时，这种对经济发展的促进作用和空间溢出效应就会出现空间异质性。如于斌斌（2017）选取了2003—2012年我国285个城市的面板数据，以动态空间面板数据检验金融集聚对产业结构升级的影响效应和空间溢出效应，结果显示金融集聚对东、中部地区产业结构优化存在显著促进效应和空间溢出效应，但对西部地区的促进效应和空间溢出效应却没有通过检验[25]。唐松（2014）也认同金融资源配置与区域经济增长存在空间异质性，其研究发现金融资源配置对区域经济增长存在不同程度的空间溢出效应，本地金融资源对本地经济增长的作用在中西部逐渐增大;外地金融对本地经济增长的负面影响在中部和东部地区大幅度增加，而在西部地区逐渐减少。[26]

本文采用信息熵权法对我国31个省（自治区、直辖市）的经济发展质量进行测算，建立金融业对区域经济高质量发展空间溢出的基本模型，选取了1997—2017年我国省级面板数据，利用空间计量方法，分析金融业发展对经济高质量发展的空间溢出效应。相较于已有研究，本文主要贡献体现在以下两个方面：一是构建并完善了經济高质量发展的指标体系;二是在前人对金融业发展与经济高质量发展关系的研究中考虑了空间溢出效应，拓宽了金融业发展与经济高质量发展的理论研究视角。

二、内在机理分析

（一）金融业发展推动经济高质量发展的内在机理分析

实现经济高质量发展就是要用“创新、协调、绿色、开放、共享”的新发展理念指导经济发展，所以分析金融业发展对经济高质量发展的作用机制就等同于分析金融业发展对经济创新发展、经济协调发展、经济绿色发展、经济开放发展、经济共享发展的作用机制。

金融业发展对经济创新发展的作用机制体现在市场激发创新活力离不开科技创新与体制创新的共同作用，有利于创新发展的投融资机制是体制创新的重要组成部分。经济学家熊彼特在他的《经济发展理论》中提到金融业发展有利于技术创新和经济增长。一方面，金融机构为创新提供资金支持。随着时代发展，创新逐渐走向精深化，门槛也随之提高。此时，创新不再是过去单靠个体脑力与体力投入就能完成的，而是需要一个庞大的智力团队投入大量的时间进行钻研，有时甚至还需要跨国团队合作，加之作为创新培养皿的相关研究器材也造价不菲，这些使创新的成本越来越高昂。此外，创新是否顺利开展还面临着许多不确定性因素，所以创新失败的概率并不低。对现代企业而言，这意味着创新的投入以及风险都是巨大的，因而需要利用不同的融资方式分散风险。另一方面，金融业发展可通过“由经济中储蓄向投资转化的效率提高带来的贷款费率的下降”以及“银行筛选研发项目、管理相关贷款能力的提高带来的创新企业融资成本的下降”两种途径降低企业创新的成本，增强企业创新意愿（庄毓敏等，2020）。[17]17比如，作为全球科技创新中心的硅谷之所以拥有极其强大的创新能力，原因就在于硅谷形成了活跃的金融与创新互动机制，形成了兼具金融生态系统、创新生态系统以及能协调这两个系统互动的政府、高校、研究机构、基础设施、居住环境等因素的复杂网络（谢德荪，2016）。[27]

金融业发展对经济协调发展与经济共享发展的作用机制是相似的，这里一并分析。从金融业发展能否缩小收入差异、能否实现经济发展成果共享的角度来看，金融业发展似乎是一把“双刃剑”。一方面，金融业发展可以为更多的人提供金融服务，从而使低收入者也有机会在承担一定风险的前提下获得投资收益、在资金紧缺时获得较低成本的贷款甚至在自主创业时能获得一笔低息的启动资金，而这将缩小社会收入差距。另一方面，金融领域始终存在进入门槛，越是具有“低风险、高收益”特点的项目对投资者资金数量的要求越高。高收入者更容易获得周全的金融服务与更多的投资渠道，有更多的机会通过“钱生钱”的方式不断积累资金甚至实现财务自由，而这将扩大社会收入差距。这种矛盾也存在于金融业发展能否减少发达区域居民与欠发达区域居民间收入差距的问题上。例如，叶志强（2011）通过对1978—2006年我国各省的城乡面板数据进行实证检验发现，金融业发展明显扩大了城乡收入差距[28]。从金融业发展能否缩小区域发展差距的角度来看，一方面，资本的趋利性使金融资源向经济发达区域汇聚，出现金融集聚现象。因而经济发达区域可借助发达的金融市场对现有资源进行重新匹配以实现资源跨期最优配置，并促成更多市场交易，从而越来越拉大与金融市场不发达的欠发达区域的差距。另一方面，随着区域经济发展差距不断拉大，影响社会公平、和谐、安定和经济可持续发展的问题随之出现。为此，金融业机构将积极贯彻中央关于协调区域经济发展的政策要求，提高欠发达区域的金融资源配置效率，进而缩小两地的发展差距（宋冉和生蕾，2020）。[29]此外，比较优势发展理论提到“欠发达区域将比较优势作为标准进行产业分工和生产布局，能够加快地区经济增长且能缩小与发达区域的差距实现跨越式发展”（林毅夫和孙希芳，2003）[30]，资本的趋利性会使金融资源流向生产效率最高、最具有发展前景的行业，从而使落后区域的比较优势得以发挥，在一定程度上缩小与发达区域的发展差距，并最终促进区域经济协调发展。

金融业发展对经济开放发展的作用机制体现在金融业发展能减少企业融资时信息不对称、道德风险以及逆向选择等问题，从而进一步降低企业融资成本，提高融资效率。这显然会促进依赖外部融资的行业的发展，使这些行业在全国乃至在世界范围内具有比较优势，进而在出口贸易中占据优势;反过来，这些行业在出口贸易过程中不断壮大也会增加对融资的需求，从而促进金融行业的发展。朱彤等（2007）选取了我国23个行业的金融发展与对外贸易方面的相关数据进行实证分析发现，金融业发展降低了我国对外融资依赖性较弱的行业的比较优势，提高了我国对外融资依赖性较强的行业的比较优势。[31]孙永强（2012）认为金融发展将对城市化产生正向的促进作用并进而通过城市化这一中介变量间接缩小城乡居民收入差距。[32]

金融业发展对经济绿色发展的作用机制体现在金融中介在政府的引导作用下会支持低能耗、低排放、低污染、高效率业务的发展，形成促进绿色和环保产业发展、有利于环境保护的绿色金融，进而改善环境条件（黄建欢，2014）[33]。环境具有公共产品属性，如若没有政府介入对污染环境行为进行有效管治，那么极易造成不可持续发展的“公地悲剧”。而金融业发展到一定规模后在政府的引导下可以通过向环境污染治理提供资金支持以加强环境治理力度。

（二）金融业对经济高质量发展的空间溢出效应的内在机理分析

在金融业发展过程中，金融集聚现象对经济发展的空间溢出效应的主要作用机制体现在以下三个方面：

其一，金融集聚区内各金融企业发展壮大的过程必将通过范围经济与规模经济降低交易成本。这表现为金融企业网点覆盖周边地区乃至更远地区，金融企业根据不同地区情况提供差异化的金融服务，于是被覆盖的周边地区乃至更远地区的金融业发展更快，进而通过拓宽当地投融资渠道和增强金融企业竞争力的方式优化营商环境、降低融资成本，以此推动地方经济的发展。

其二，随着网络技术的发展，金融服务的覆盖面受地理距离的限制越來越少，线上金融让金融机构可以为更大和更分散的市场提供服务，于是金融集聚区内的金融业发展对其他地区的经济发展有了更大的影响。但是也要注意到，金融服务的本质是传递金融信息，而信息传递的有效性会随着地理距离的增加而逐渐衰减。这是因为短距离的交流更有利于降低信息不对称的负面影响，所以地理因素始终对金融业发展和经济发展的空间溢出效应具有约束作用。

其三，区域市场分割以及地方保护主义会通过提高异地金融企业的进入门槛或限制金融资源外溢的方式弱化金融集聚区内金融业发展对其他区域经济发展的空间溢出效应。

三、实证分析

（一）估计方法

1.经济高质量发展的测度。

（1）指标构建。本文以新发展理念为基础，参考学者们的研究成果，按照客观性、系统性、可操作性、可比较性等基本原则，从产出增长、创新发展、协调发展、绿色发展、开放发展、共享发展六个维度出发，构建经济高质量发展评价指标体系（见表1）。

（2）测度方法。由于表1中各个指标的量纲、单位等均不相同，需要对指标进行标准化处理。考虑到部分指标为正向指标，即数值越大，对综合指数的正向作用越强;部分指标为负向指标（与正向指标相反）。因此，本文分别采用相应的标准化方法。

正向指标的标准化公式为：

（1）

负向指标的标准化公式为：

（2）

在上述公式中，uij为第i个综合指数中第j个评价指标的标准化处理结果，xij为第i个综合指数中第j个评价指标的原始值，max（xij）、min（xij）分别代表原始值的最大值和最小值，其中j=1，2，3，…，n，n代表综合指数中的评价指标总数;i=1，2，3，…，m，m代表综合指数总数。

在此基础上，本文采用信息熵权法确定各个指标的权重。根据信息论中信息熵的定义，本文将一组数据的信息熵定义为Ej=-ln（n）-1    pij ln pij，其中pij=uij /（    uij）。如果pij=0，则定义limpij ln pij=0。由此可以算出各个指标的信息熵E1、E2…E32，最后测算出相应的权重                    ，其中i=1，2，3，…，k，相应的权重结果见表1“权重”列。

2.空间相关性的测度。地理学第一定律指出，空间上相近的事物其关联度更高。当不同地区的某一变量在空间中呈规律性分布时，可以认为该变量在这些地区存在空间相关性。本文使用全局Morans I指数对经济高质量发展的空间相关性进行测定。全局Morans I的计算公式为：

（3）

公式中，I表示全局Morans I，用于测量特定观测变量在不同地区之间的总体相关程度;n代表地区的总个数;Ai和Aj分别代表地区i和地区j的

观测值;Wij表示空间权重矩阵;A=       Aj代表特定观测变量的平均值;S 2=      （Ai-A）代表不同地区特定观测变量的方差。其中全局MoransI的取值一般在-1到1之间。若指数I介于0到1之间时，表示各地区经济高质量发展水平存在正的空间相关性;若指数I介于-1到0之间，表示各地区经济高质量发展水平存在负的空间相关性;若指数I为0，则可以认定经济高质量发展水平不存在空间相关性。

测算全局Morans I指数的关键在于空间权重矩阵的设置与选择。考虑到测算的科学性与全面性，本文参考以往学者的研究构建了两种矩阵：地理相邻矩阵，若两个地区相邻则其对角元素为1，不相邻则为0;地理距离矩阵，其对角元素为两地省会城市之间的地理距离的倒数。空间权重矩阵的主对角线上元素均为0。

3.空间面板计量模型。地区间的经济活动并非彼此孤立的，而是彼此关联的，要素、信息、知识和技术的跨区域流动以及交通网络的建设使地区间各项活动存在密切的联系，进而使经济活动存在空间相关性。考虑到被解释变量会与区域内或区域外的其他变量产生作用，即存在空间效应，所以仅仅分析被解释变量在不同地区之间的空间相关性是不够的，必须借助空间计量模型对可能存在的空间效应进行度量。常用的空间计量模型主要为空间误差模型（SEM）、空间滞后模型（SAR）和空间杜宾模型（SDM）。空间误差模型（SEM）主要用于当影响被解释变量的遗漏变量和不可观测的随机因素存在空间相关性的情形。空间滞后模型（SAR）主要用于考察周边地区解释变量对本地被解释变量的空间影响。空间杜宾模型（SDM）具有一般性，该模型包含了空间滞后和空间误差的情形。三个模型具体如下所示：

SEM：Y=βX+μ+ν+ε                        （4）

SAR：Y=ρWY+βX+μ+ν+ε                （5）

SDM：Y=ρWY+Xβ+θWX+μ+ν+ε （6）

其中，ρ代表空间自相关系数;W代表空间权重矩阵;X代表解释变量;WX代表解释变量的空间滞后项;β代表解释变量的回归系数;μ和ν分别代表个体效应和时间效应;ε为随机扰动项。当θ=0时，SDM模型简化为SAR模型;当θ+ρβ=0时，SDM模型简化为SEM模型。

（二）指标说明与数据来源

1.被解释变量：经济高质量发展水平。本文根据前文构建的指标体系和采用的方法进行测算。

2.关键解释变量：金融业发展。本文采用银行业金融机构各项贷款（余额）进行衡量。为了进一步检验经济危机发生后金融业发展对经济高质量发展的影响，本文构建处于经济危机前后的虚拟变量（2007年及以前取值为0，2008年及以后取值为1），并建立该变量与金融业发展的交互项。

3.控制变量：参考相关学者的研究成果，本文选取以下变量作为控制变量。

（1）财政支出：财政实力不仅可以反映地区经济发展水平，也可以反映政府宏观调控作用的大小。本文用公共财政支出进行衡量。

（2）能源消耗：能源是人类经济活动的重要物质基础，也是经济发展的必要生产要素。本文用电力消费量进行衡量。

（3）教育水平：教育水平可以提升劳动力的综合素质，有助于劳动力快速掌握新技术，从而降低资源投入，提高生产效率。本文用教育投入进行衡量。

（4）研发规模：科技创新投入既是改善创新环境、激发创新潜力的重要保障，也是优化经济结构、提升经济效益的重要路径。本文用研发经费内部支出进行衡量。

本文的研究对象是我国31个省（自治区、直辖市），样本跨度为1997—2017年，文中所用的数据均来自于历年的《中国统计年鉴》《中国城市统计年鉴》以及各个地区的统计年鉴、统计公报。针对个别地区在某个年份内没有数据这一问题，本文采用平均值填充、增长率补齐等方法对少量缺失数据进行填补。所有变量的描述性统计情况见表2。

（三）回归结果分析

1.经济高质量发展结果分析。根据前文所构建的经济高质量发展相关指标体系，本文采用信息熵权法测算出1997—2017年期间我国31个省（自治区、直辖市）的经济高质量发展水平以及相应的均值和排序，结果见表3所示。

由表3可知，1997—2017年我国经济高质量发展水平均实现了大幅度上升，东部、中部、西部依次从高到低降序排列。

在经济高质量发展的均值方面，排名前十位的省（自治区、直辖市）分别为广东、江苏、北京、浙江、上海、山东、四川、辽宁、福建、西藏，除西藏、四川外，其余省份全部属于东部和东北地区;排名倒数前十位的省（自治区、直辖市）分别为宁夏、海南、贵州、甘肃、山西、广西、吉林、青海、重庆、云南，除吉林、山西和海南外，其他省份全部属于西部地区。

在增长幅度方面，排名前十的省（自治区、直辖市）分别为广东、江苏、北京、浙江、上海、山东、四川、福建、湖北、天津，与均值排名前十位的省（自治区、直辖市）基本保持一致，绝大多数位于东部地区;排名倒数前十位的省（自治区、直辖市）分别为西藏、海南、吉林、新疆、云南、甘肃、山西、宁夏、青海、贵州，绝大部分位于西部地区。

2.空间相关性分析。本文首先对1997—2017年我国31个省（自治区、直辖市）的经济高质量发展水平进行空间相关性分析，根据前文所构建的两个空间权重矩阵测算其全域Morans I指数，并用P值来检验其显著性，其结果见表4。

结果表明，在地理相邻矩阵下经济高质量发展的Morans I指数总体上为正值，但在1997—2008年之间未通过显著性检验，在2009—2017年则至少在5%的水平上通过显著性检验;在地理相邻矩阵下经济高质量发展的Morans I指数也总体上为正值，但在1997—2007年之间未通过显著性检验，在2008—2017年则至少在10%的水平上通过显著性检验。可以发现，2008年以前我国经济高质量发展的局部集聚性较强，在地理空间上的传播性较低，空间相关性较弱（符淼，2009）[34]。2008—2017年，这一情况得到根本好转，我国经济高质量发展水平的空间相关性快速提高。

为了考察局部地区经济高质量发展的非典型性特征，本文进一步基于地理相邻矩阵分别绘制了1997、2003、2012、2017年的局域Morans I散点图（见图1），并将各个象限的地区进行汇总（见表5）。表5给出了这四个代表性年份属于高-高、低-高、低-低和高-低四种类型的省份分布。从动态角度来看，尽管在这21年内我国31个省（自治区、直辖市）的经济高质量发展水平在各年均出现不同程度的变化，但在所选择的1997、2003、2012、2017年这四年中各个象限内的地区变化较小。具体来看，上海、江苏、浙江长期处于第一象限，海南、湖南、广西、江西、安徽、河北、天津长期处于第二象限，贵州、甘肃、河南、山西、陜西、重庆、宁夏、云南长期处于第三象限，四川、北京、广东长期处于第四象限。这表明我国经济高质量发展的空间相关性一直比较稳定。

进一步来看，位于第一象限、第三象限中的地区数量总体上超过半数，说明经济高质量发展的同质性溢出效应（即经济高质量发展水平较高的地区会提升邻近地区的经济高质量发展水平，经济高质量发展水平较低的省份会降低邻近地区的经济高质量发展水平）要明显强于异质性溢出效应（即经济高质量发展水平较高的地区会降低邻近地区的经济高质量发展水平，经济高质量发展水平较低的地区会提升邻近地区的经济高质量发展水平）。

3.模型回归结果分析。在考虑空间相关性的情况下，本文需要对空间计量模型进行OLS回归，并通过LM检验来分析空间计量模型是选用SAR模型还是SEM模型，检验结果见表6。结果表明，所有模型的LM检验统计值均在5%的水平上通过了显著性检验，这表明本文应采用以上两种模型进行分析。根据Anselin等（2004）提出的简易判断法则，与SEM模型相比，SAR模型更加适合用于分析[35]。因此，本文对解释变量的解释以SAR模型的估计结果为基准，同时也列出SEM模型的估计结果作为比较分析和稳健性说明。

在此基础上，本文进一步通过LR检验来确定空间计量模型是否应该采取个体固定效应、时间固定效应和双固定效应，检验结果见表7。其中，个体固定效应和时间固定效应的LR检验结果均在1%的水平上通过显著性检验，拒绝原假设，这表明本文应采用双固定效应进行回归。

在此基础上，本文对我国31个省（自治区、直辖市）金融业影响经济高质量发展及其空间溢出效应进行回归分析，回归结果见表8。结果表明，两个矩阵下，SAR模型和SEM模型的空间自回归系数与空间误差系数均为正且均在1%的水平上通过显著性检验。这再次表明我国经济高质量发展水平在地区之间存在显著的空间相关性，并进一步印证本文采用空间计量模型进行分析是正确的。

在核心解释变量中，在地理相邻矩阵和地理距离矩阵下的SAR模型中，金融业发展的系数为正且均在5%的水平上通过显著性检验，SEM模型中则没有通过显著性检验;所有矩阵的所有模型下，金融业发展和经济危机的交互项系数均为正且均在1%的水平上通过显著性检验，这表明我国金融业发展将有力地促进经济高质量发展水平的提升，且这种作用在经济危机发生后的阶段中表现得更加强烈。这也和现有的研究结论保持一致：第一，金融的发展将以金融资产的形式实现储蓄的直接增长，从而促进资本形成和经济增长（Goldsmith，1969）[36]。第二，金融业的发展将随着利率的变动实现金融资产在各个生产部门的有效配置，从而提高经济绩效。第三，金融业的发展除了提供生产所需的资本外，还可以为经济活动提供相应的服务和功能，并对区域内其他要素产生相应的带动作用，从而支持区域经济高质量发展（杨圣奎，2010）[37]。此外，金融业还可以通过减少货币数量刺激、优化信贷结构、提升金融服务质量和水平等渠道提高经济发展质量（李建忠，2018）[38]。

在其他控制变量中，财政支出在两个矩阵下的SAR模型和SEM模型的回归结果中系数均为负且均在1%的水平上通过显著性检验，这表明扩大财政支出将降低经济高质量发展水平。究其原因，可能是财政支出规模在一定程度上可以反映出政府宏观调控的能力，目前我国各个地区的市场经济法治化正处于初步建立、逐步完善阶段，各级地方政府对经济活动的干预较多，市场在资源配置中的决定性作用并未得到有效发挥，从而对经济高质量发展产生负面影响。

教育投入在地理相邻矩阵下的SAR模型和SEM模型中系数均为正且分别在5%和1%的水平上通过显著性检验，在地理相邻矩阵下的SAR模型中系数为正且在5%的水平上通过显著性检验，在SEM模型中则不显著，这表明增加教育投入将促进经济高质量发展。究其原因，随着教育投入的增长，人民群众有更好的受教育机会和环境，这不仅有利于全面提升劳动力职业技能和综合素质，提高劳动力所承担的工作数量和质量，进而提高产出效率，而且有利于提高全社会科技文化素养，加速科技进步，进一步使科技加速转化为现实生产力，进而推动经济高质量发展。

研发规模在两种矩阵下的SAR模型和SEM模型中系数均为正，但在SAR模型中至少在5%的水平上通过显著性检验，SEM模型中均不显著，表明研发规模的增长将有利于提高经济高质量发展水平。究其原因，研发规模代表着科技创新的实力和潜力，而科技创新是引领经济高质量发展的核心动力。科技创新可以替代传统的资源投入、改善要素组合方式，进而提高资源利用效率;可以放大生产要素的作用、提高全要素生产率，全面提高经济发展的质量和效益;可以通过新技术、新产品、新服务增强竞争实力，提高经济发展活力;可以解决资源环境与发展之间的突出矛盾，促进产业升级、经济可持续发展。

能源消耗則在所有矩阵下的SAR模型和SEM模型中均未通过显著性检验，表明能源消耗对经济高质量发展的影响不太明显。

进一步来看，为了更加系统地进行空间计量经济分析，除揭示经济高质量发展的空间效应外，还应分析金融业发展以及其他控制变量对经济高质量发展影响的空间效应，相应的办法就是将SAR模型测算出的效应分解为直接效应和空间效应（Elhorst，2014）[39]。参考姜松等（2017）的做法，本文进一步分析两种矩阵下SAR模型测算出的直接效应、间接效应、总效应。[40]考虑到总体效应和模型回归结果相一致，所以要重点分析其直接效应和间接效应，总体效应部分不再赘述。其中，直接效应测算的是解释变量变化对本地被解释变量的影响效应，间接效应测算的是解释变量变化对外地被解释变量的影响效应。相关的空间效应分解结果见表9。

对两个矩阵下的空间效应分解结果进行综合比较后，本文选择地理相邻矩阵下的估计结果为最终分解结果并进行分析。金融业发展以及金融业发展和经济危机交互项的直接效应和间接效应的系数均为正且均在5%的水平上通过显著性检验，这表明金融业的快速发展不仅可以提升本地经济高质量发展水平，而且还有助于提高周边地区经济高质量发展水平。这种作用在经济危机后表现得更加明显。

在控制變量方面，财政支出直接效应和间接效应的系数均为负且均在1%水平上通过显著性检验，这表明增加财政支出将降低本地和周边地区经济高质量发展水平。教育投入和研发规模的直接效应和间接效应的系数均为正且分别在5%的水平上通过显著性检验，这表明二者有助于提高本地和周边地区经济高质量发展水平，这也与前文的分析一致。能源消耗的直接效应和间接效应则均未通过显著性检验。以上分析表明，采取措施推动经济高质量发展不仅要考虑本地内部的因素，还要将邻近地区的相关因素和可能造成的影响考虑在内，从而实现效果的最优化。

四、主要结论与启示

本文首先梳理了现有关于金融业发展和经济高质量发展的研究成果，在此基础上从理论层面运用数理模型分析了金融业发展对经济高质量发展的影响以及作用机制。根据新发展理念构建可以衡量经济高质量发展水平的指标体系并采用信息熵权法加以测算，进一步构建地理相邻矩阵和地理距离矩阵，采用空间自回归模型和空间滞后模型分析了金融业发展对经济高质量发展的影响以及这种影响的空间溢出效应，得出主要结论如下：第一，我国31个省（自治区、直辖市）的经济高质量发展水平均实现了大幅度上升，其均值在东部、中部、西部依次呈降序排列，这表明经济高质量发展水平在各个区域之间存在显著的区域异质性。第二，在两种矩阵下，经济高质量发展水平在2007年及之前的空间相关性不明显，2008年及以后则呈现出显著的空间相关性。第三，金融业发展将对经济高质量发展水平产生显著的提升作用，且这种作用在经济危机发生后的阶段中表现得更加明显。从直接效应和间接效应来看，金融业发展将同时提升本地和邻近地区的经济高质量发展水平;同样地，这种作用在经济危机发生之后的阶段中表现得更加强烈。第四，扩大财政支出不利于经济高质量发展水平的提升，教育水平、研发规模会对经济高质量发展产生促进作用。

根据前文的研究结论可以提出以下建议：第一，虽然金融业发展可以显著提升经济高质量发展水平，但目前我国金融业发展依然存在一些问题。习近平总书记明确指出：“我国金融业的市场结构、经营理念、创新能力、服务水平还不适应经济高质量发展的要求，诸多矛盾和问题仍然突出。”[41]因此，必须进一步深化金融业改革、推动金融业创新，解决金融业面临的重点问题，推动金融更好地服务实体经济，满足经济高质量发展的需求。第二，合理调整财政支出规模，优化财政支出结构，尽量减少政府对市场经济的不合理干预，更好地发挥市场在资源配置中的决定性作用。第三，高度重视教育和科研对经济高质量发展的推动作用，继续加强对教育事业和科研创新活动的支持力度，增强经济高质量发展的内在动力。

参考文献：

[1]2019年末金融业机构总资产318.69万亿元[EB/OL].（2020-03-23）[2021-02-27].http：//www.pbc.gov.cn/goutongjiaoliu/113456/113469/3993266/index.html.

[2]习近平：决胜全面建成小康社会  夺取新时代中国特色社会主义伟大胜利：在中国共产党第十九次全国代表大会上的报告[EB/OL].（2017-10-27）[2021-02-27].http：//www.xinhuanet.com/politics/19cpcnc/2017-10/27/c_1121867529.htm.

[3]LEVINE R.Stock Markets，Growth，and Tax Policy[J].The Journal of Finance，1991（46）：1445-1465.

[4]JEREMY G，BOYAN J.Financial Development，Growth，and the Distribution of Income[J].Journal of Political Economy， 1990，98（5）：1076-1107.

[5]MARCET A，OBIOLS-HOMS F，WEIL P.Incomplete markets，labor supply and capital accumulation[J].Journal of Monetary Economics，2007，54（8）：2621–2635.

[6]KARAIVANOV A. Financial constraints and occupational choice in Thai villages[J]. Journal of Development Economics， 2012，97（2）：201-220.

[7]MINSKY H P.Money and the real world：A review article[J].The Quarterly review of economics and business，1974（14）：7-17.

[8]STENGOS T，LIANG Zhihong.Financial intermediation and economic growth：A semiparametric approach[J].Microbiology & Immunology，2005，21（3）：127-36.

[9]DEIDDA L，FATTOUH B.Banks，financial markets and growth[J].Journal of Financial Intermediation，2008，17（1）：6-36.[10]黄智淋，董志勇.我国金融发展与经济增长的非线性关系研究：来自动态面板数据门限模型的经验证据[J].金融研究，2013（07）：74-86.

[11]AKISIK，ORHAN.Accounting Regulation，Financial Development，and Economic Growth[J]. Emerging Markets Finance & Trade，2013，49（1）：33-67.

[12]ZHANG J，WANG L F，WANG Susheng.Financial development and economic growth：Recent evidence from China[J].Journal of Comparative Economics，2012，40（3）：393-412.

[13]周天芸.金融支持粤港澳大湾区经济发展的实证研究[J/OL].南方金融，2020（5）：75-82[2021-02-27].http：//kns.cnki.net/kcms/detail/44.1479.F.20200610.1113.002.html.

[14]胡宗义，刘亦文，袁亮.金融均衡发展对经济可持续增长的实证研究[J].中国软科学，2013（07）：30-43.

[15]虞文美，杜亚斌，曹强.金融业发展与经济增长研究述评与未来展望[J].北京工商大学学报（社会科学版），2014，29（03）：98-107.

[16]贾俊生，伦晓波，林树.金融发展、微观企业创新产出与经济增长：基于上市公司专利视角的实证分析[J].金融研究，2017（01）：99-113.

[17]庄毓敏，储青青，马勇.金融业发展、企业创新与经济增长[J].金融研究，2020（04）：11-30.

[18]沈能.金融业发展与国际贸易的动态演进分析：基于中国的经验数据[J].世界经济研究，2006（06）：53-58.

[19]苏建军.金融业发展、分工与经济增长[D/OL].西安：西北大学，2014：59-64[2021-02-27].http：//cdmd.cnki.com.cn/Article/CDMD-10697-1014364661.htm.

[20]林昌华.金融业发展对中国经济高质量发展的影响路径机制[J].征信，2020，38（02）：77-84.

[21]江春，吴志团.金融业发展理论：从市场到制度[J].济南金融，2007（05）：2-5，16.

[22]孙永强，万玉琳.金融业发展、对外开放与城乡居民收入差距：基于1978～2008年省际面板数据的实证分析[J].金融研究，2011（01）：28-39.

[23]朱玉杰，倪骁然.金融规模如何影响产业升级：促进还是抑制？[J].中国软科学，2014（04）：180-192.

[24]李红，王彦晓.金融集聚、空间溢出与城市经济增长：基于中国286个城市空间面板杜宾模型的经验研究[J].国际金融研究，2014（02）：89-96.

[25]于斌斌. 金融集聚促进了产业结构升级吗：空间溢出的视角：基于中国城市动态空间面板模型的分析[J].国际金融研究，2017（02）：12-23.

[26]唐松.中国金融资源配置与区域经济增长差异：基于东、中、西部空间溢出效应的实证研究[J].中国软科学，2014（8）：100-110.

[27]谢德荪.重新定义创新[M].北京：中信出版社，2016：24-26.

[28]叶志强，陈习定，张顺明.金融业发展能减少城乡收入差距吗？[J].金融研究，2011（02）：46-60.

[29]宋冉，生蕾.“十四五”时期金融促进区域经济协调发展的路径研究[J].区域经济评论，2020（03）：125-131.

[30]林毅夫，孙希芳.经济發展的比较优势战略理论：兼评《对中国外贸战略与贸易政策的评论》[J]. 国际经济评论，2003（06）：12-18.

[31]朱彤，郝宏杰，秦丽.中国金融发展与对外贸易比较优势关系的经验分析：一种外部融资支持的视角[J].南开经济研究，2007（03）：124-131.

[32]孙永强.金融发展、城市化与城乡居民收入差距研究[J].金融研究，2012（04）：98-109.

[33]黄建欢，吕海龙，王良健.金融发展影响区域绿色发展的机理：基于生态效率和空间计量的研究[J].地理研究，2014，33（03）：532-545.

[34]符淼.地理距离和技术外溢效应：对技术和经济集聚现象的空间计量学解释[J].经济学（季刊），2009，8（04）：1549-1566.

[35]ANSELIN L，KIM Y W，SYABRI I.Web-based analytical tools for the exploration of spatial data[J].Journal of Geographical Systems，2004，6（2）：197-218.

[36]REVELL J R S，GOLDSMITH R W.Financial Structure and Development[J].The Economic Journal，1969，80（318）：365.

[37]杨圣奎.中国区域金融支持问题研究[D/OL].长春：吉林大学，2010：76[2021-02-27].https：//d.wanfangdata.com.cn/thesis/W2038489.

[38]李建忠.金融服务经济高质量发展的途径[N].金融时报，2018-05-14（10）.

[39]ELHORST J P.Matlab Software for Spatial Panels[J].International Regional Science Review，2014，37（3）：389-405.

[40]姜松，王钊，刘晗.中国经济金融化与城镇化的空间计量分析：基于直接效应与间接效应分解[J].贵州财经大学学报，2017（03）：70-83.

[41]习近平主持中共中央政治局第十三次集体学习  部署推动金融业高质量发展[J].上海质量，2019（02）：4-5.