金融发展影响经济高质量发展的空间效应分析
——基于中国五大城市群的面板数据

宋 诚，李季刚

（新疆财经大学 金融学院，乌鲁木齐 830012）

城市群作为新型城镇化的主体形态和推进区域协调发展的重要助力，在我国发展战略中的作用日益凸显。2020年国务院《政府工作报告》中提出要“深入推进京津冀协同发展、粤港澳建设、长三角一体化发展”“推进长江经济带共抓大保护”“推动成渝地区双城经济圈建设”“加快落实区域发展战略”。由此可见，城市群已成为实现国家战略目标的重要平台，城市群建设与发展的问题在当前国内外发展形势下变得更加突出和重要。从国际视角来看，经济全球化和区域一体化的进程正在加速推进；从国内视角出发，我国经济目前处于从高速发展阶段转向高质量发展阶段的关键时期。在这样的发展形势下，城市群将会成为我国实现经济高质量发展和参与全球竞争的重要空间载体。纵观经济发展进程，经济增长的一个重要前提就是金融资源的集聚，所谓“金融活经济活，金融稳经济稳”，经济的发展必须依托于金融的支持。因此，要想实现区域经济的高质量发展，金融必须高质量发展。基于此，本文将建立空间计量模型，以我国的五大城市群为研究对象，探究城市群内金融发展对经济高质量发展的影响。

一、文献综述

国内外学者关于金融发展与经济增长的讨论由来已久。King·R·G和LEVINE·R对多个国家的数据进行分析后，提出发展金融体系促进经济增长，主要是通过缓解信息不对称，降低企业从外部获取资金的成本，从而有助于企业增加科技创新投入，以提高企业的生产效率[4]促进经济的快速增长。[1-4]但随着研究的不断深入，很多学者发现金融对经济的影响并不是简单线性的，而是呈现一种倒U型关系，且这种情形在金融中心外的区域表现得更加明显，这可能是因为宏观环境和制度质量等因素在金融发展影响经济高质量发展的过程中发挥了门槛效应。[5-6]毛盛志和张一林运用新结构经济学原理，阐述了金融发展与经济发展之间关系的动态变化的理论基础，并提出要实现创新驱动经济高质量发展，需要深化金融改革，健全我国的金融制度与结构，进而增强金融对创新的支持力度。[7]随着数字时代的到来，数字金融也成为学者们研究的热点。李林汉和田卫民认为数字金融发展可以直接促进经济增长，也可以通过产业结构转型间接推动经济增长。[8]孙志红和张娟提出金融科技对经济增长的影响基于金融发展的双门限效应，即金融发展不仅会直接影响经济增长，还会通过门限效应间接影响经济增长。[9]

党的十九大提出“经济高质量发展”，即不再单纯以经济增长的数量和速度来衡量经济发展，而要从多维度多视角来全面衡量。经济高质量发展在经济增长过程中主要体现为经济增长结构优化和经济体系的稳定运行，在经济增长的结果上主要体现为经济成果的全民共享和生态环境的优化。[10]基于此，国内学者就金融发展对经济高质量发展的影响及其传导路径展开了讨论。杨伟中等认为随着金融发展，金融资源配置得以优化，股权市场作用也能得到更加充分的发挥，进而为企业创新提供更加充足的资金，提升企业和地区的创新水平，最终实现创新对经济高质量发展的推动作用。[11]李远天和胥英明认为金融结构变动与产业结构升级的协调发展能够进一步推进经济的高质量发展。[12]刘荣增等发现金融发展能够促进要素在城乡之间的流动、推动城乡产业结构优化升级和完善城乡基础设施建设，从而促进城乡高质量融合发展，助力经济高质量发展。[13]常建新认为金融发展能够促进经济高质量发展，但资本错配会导致促进作用被削弱。[14]此外，国内学者还通过多种计量模型验证了金融发展与经济高质量发展之间的关系。赵玉龙采用系统 GMM 模型分析了我国地级市的金融发展对经济高质量发展的直接与间接影响。[15]魏蓉蓉构建了经济高质量发展指标体系，分析金融资源配置对经济高质量发展的直接与间接影响及空间影响。[16]常新锋和陈璐瑶采用空间计量模型分析金融发展、资本效率对经济高质量发展的空间溢出效应。[17]

综上所述，从研究视角来看，国内外学者更加关注金融发展与经济增长之间的关系，关于金融发展对经济高质量发展影响的研究大多是基于金融结构、金融资源配置等，但多局限于从经济高质量发展的某一个维度展开；从研究范围来看，大多数实证研究都是基于省际面板数据或者仅局限于某一省份或某一城市群；从指标体系来看，大多文献的金融发展体系较少将数字金融指标纳入其中。因此，本文将基于国家城市群战略，以我国五大城市群为研究对象，探究各城市群内金融发展对经济高质量发展的影响。

二、研究设计

（一）研究对象

“十一五”以来，我国先后批复了19个城市群。目前，这些城市群被划分为三个档次，第一档是国家级城市群，包括长三角、京津冀、珠三角城市群、长江中游和成渝等城市群；第二档为国家二级城市群，包括中原城市群等九个城市群；第三档为地区型城市群。

第一档城市群发展相对成熟，尤其是长三角城市群、珠三角城市群和京津冀城市群起步较早。而第二档和第三档的城市群都分别处于雏形阶段和规划阶段。故本文选取第一档次的五个城市群作为研究对象。根据城市群规划并结合数据可得性，本文研究对象具体如表1所示。

表1 五大城市群

（二）变量选择

1.被解释变量——经济高质量发展（HE）

基于经济高质量发展的内涵，并借鉴陈景华、汪淑娟等国内学者的做法，[18-19]本文围绕经济协调、经济创新、经济绿色、经济开放以及经济共享等五个方面构建经济高质量发展评价指标体系对长三角、珠三角、京津冀、长江中游和成渝这五个城市群的经济高质量发展进行衡量。具体指标在表2中列示。

表2 经济高质量发展指标体系

为了确保评价的客观性，本文采用客观赋权法中的熵值法对各评级对象的各指标赋权，具体方法如下：

第一，为了消除量纲的影响，需要对数据进行归一化处理：

对于正向指标的处理公式为：

对于负向指标的处理公式为：

第二，计算第t年第j项指标下第i个城市所占的比重：

式（3）中，n为观测的城市群个数，m为观测年份总数；

第三，计算第j项指标的熵值ej：

第四，计算第j指标的差异性系数gj：

第五，计算第j项指标的权重ωj：

其中，k为各个指标；

第六，计算经济高质量发展HE：

HEit为第i个城市第t年的经济高质量发展。

2.核心解释变量——金融发展（FD）

在以往的研究中，金融发展指标一般只包含对传统金融的衡量，但近些年随着互联网的普及和数字技术的快速发展及应用，数字金融在当今的金融发展中发挥着越来越重要的作用。因此，本文在借鉴邓薇等学者做法的基础上，[20]加入了衡量数字金融的指标，构建金融发展评价指标体系，具体指标见表3。采用熵值法计算确定权重，具体计算过程同被解释变量的计算。

表3 金融发展指标体系

3.控制变量

1）投资率（KPL）用固定资产投资总额/GDP来衡量。投资率可以在一定程度上反映地区对基本建设和企业扩大再生产的投入力度，故投资率可能会对经济高质量发展产生影响。

2）政府干预（GOV）用财政支出来衡量。政府支出对经济增长的作用具有乘数效应，财政支出的增加可以带来膨胀式的经济增长。

3）人力资本（HC）用当年高等学校在校生人数衡量。人力资本是经济发展不可或缺的组成部分，而高素质的从业人员更是助力经济高质量发展的重要因素。

4.数据来源

本文数据主要来源于以下几个途径：一是2012—2020年《中国城市统计年鉴》，二是各相关省份的统计年鉴，三是各城市统计局公布的城市年鉴和公报，四是北京大学数字金融研究中心编制的《北京大学数字普惠金融指数 2011—2020》，[21]缺失数据主要通过差值法补齐。

（三）空间自相关性检验

在使用空间计量模型研究经济问题时，应先对各变量进行空间自相关检验，即检验变量是否存在空间依赖现象。空间自相关检验包括全局自相关检验和局部自相关检验。本文使用全局莫兰指数和莫兰散点图对空间自相关性进行检验。全局莫兰指数的表达式为：

莫兰指数取值区间为（−1，1），该指数大于零表示经济现象具有空间集聚性，指数小于零说明经济现象具有空间差异性，该指数等于零说明经济现象在空间上不相关。

局部莫兰指数的表达式为：

其中，Xi和Xj是观测值，为观测均值，Wij是空间权重矩阵。常用的空间权重矩阵有0−1矩阵、地理距离矩阵和经济距离矩阵。鉴于本文的研究对象为地级市，并且部分城市因数据缺失而被剔除，样本的空间分布有所缺失，所以空间邻接的0−1权重矩阵不适用，[22]且经济距离和地理距离都会对空间效应产生影响，故本文采取经济地理矩阵，其具体表示如下式：

其中，Wd为地理距离矩阵，由各城市间的经纬度计算所得，We为经济距离矩阵，由 2011—2019年两城市间人均GDP均值的差值绝对值而得。

（四）模型选择

1.基本模型

根据以上分析，可建立如下形式的基本回归模型：式（13）中，HEit为经济高质量发展，FDit为金融发展，Ct为常数项，∑Xit为一组控制变量，βt为控制变量的回归参数，ε为随机误差项。

2.空间计量模型

基础的线性回归模型在考察经济现象之间的影响时没有考虑空间效应的影响作用。为了反映出金融发展对经济高质量发展的空间效应，本文将基于上述基本模型，建立空间滞后模型。

空间滞后模型（SLM）又称空间自回归模型（SAR），考虑了因变量的滞后项，该模型可以用于研究被解释变量在邻近区域内是否具有溢出效应，具体模型为：

式（14）中，Xit为n×1的控制变量矩阵，σ为空间自回归系数，Wi为城市群i的空间权重矩阵，α为常数项向量，β为金融发展（FA）参数，反映解释变量对经济高质量发展的（HE）影响程度，δ为各控制变量的参数，反映了各个控制变量X对经济高质量发展（HE）的影响程度。

三、实证结果分析

（一）空间相关性分析

1.全局莫兰指数

本文以我国五大城市群的经济高质量发展和金融发展为研究对象，通过Stata 16软件对两者进行了空间相关性检验，结果见表4。表4显示五个城市群的经济高质量发展的全局莫兰指数均为正值，说明各城市群群内的经济高质量发展具有正向的空间相关性，呈现出集聚发展的趋势，即城市群内某个城市的经济高质量发展可以带动其周边城市的经济高质量发展。表5显示五个城市群的金融发展的全局莫兰指数均显著为正，同样呈现出正的空间相关性。此外，各城市群各年份的全局莫兰指数变化不大，说明各城市群群内的经济高质量发展和金融发展具有比较平稳的空间相关性。

表4 经济高质量发展的Moran’s I指数

表5 金融发展的Moran’s I指数

2.局部莫兰散点图

为了进一步观测经济高质量发展和金融发展在各城市群内城市间的空间相关性，本文采用各个城市群 2019年数据分别绘制了各城市群经济高质量发展和金融发展的 Moran’s I散点图。Moran’s I散点图的一至四象限分别代表高—高集聚、低—高集聚、低—低集聚、高—低集聚。（由于篇幅限制，不在文中展示。）散点图结果显示，不论是经济高质量发展还是金融发展，各城市群的Moran散点均分布于一、三象限，即多数城市为高—高集聚和低—低集聚，说明各个城市群的经济高质量发展以及金融发展具有正向的空间相关性。这进一步说明了各城市群内城市之间的经济高质量发展都具有正向的空间相关性，金融发展也有正向的空间相关性，验证了选择空间计量模型进行研究的可行性。

（二）空间效应分析

1.空间计量模型选择

本文基于2011—2019年数据，对各个城市群的经济高质量发展和金融发展的空间相关性进行了LM检验，结果见表6。表6显示除长江中游城市群以外，其余四个城市群的LM-Lag检验均在 1%水平下显著；除长三角以外其余城市群的Robust LM-Lag检验均显著。因此，本文采用空间滞后模型对我国五大城市群的金融发展影响经济高质量发展的空间效应进行验证。

表6 LM检验结果

2.空间模型回归结果分析

综合比较各模型拟合优度R2，本文采用固定效应的空间滞后模型分别对五个城市群进行回归检验，回归结果如表7所示。回归结果显示：五个城市群的金融发展（FD）回归系数均显著为正，说明城市群内某市的金融发展可以推动本市经济高质量发展。五个城市群的空间滞后系数均为正数，但成渝城市群的系数未通过显著性检验，说明在城市群内部，某个城市的经济高质量发展可以促进其周边城市的经济高质量发展。

表7 五大城市群空间滞后模型回归结果

3.空间效应分解

当空间滞后系数不为零时，金融发展对经济高质量发展的空间效应可被分解为直接效应和间接效应。因此，本文进一步测算了五个城市群金融发展的直接效应、间接效应和总效应。其中，直接效应表示金融发展对本地区经济高质量发展的影响，间接效应是指金融发展对周边地区经济高质量发展的影响，总效应则为金融发展对经济高质量发展的总体影响，测算结果见表8。

表8 城市群空间效应分解

表8显示，五个城市群的金融发展（FD）的直接效应均显著为正，并且与空间滞后模型回归结果基本吻合，证明了模型回归结果的可靠性。金融发展（FD）的间接效应在不同城市群表现不同，长三角、珠三角和长江中游这三个城市群的系数显著为正，说明在这三个城市群内，某市的金融发展可以促进其周边城市的经济高质量发展；京津冀和成渝城市群的系数为正，但未显示出统计意义上的显著性。五个城市群金融发展的总效应均显著为正，说明金融发展对各个城市群的经济高质量发展具有显著的促进作用。随着金融发展，投入到生产领域的资金不断增加，资金的配置与利用效率提高，推动经济量和质的双重提升，实现经济的高质量发展。控制变量在不同城市群有不同表现，从总体来看五个城市群的投资率的直接效应、间接效应和总效应系数基本为负值，但均没有表现出统计上的显著性，而人力资本和政府支出在不同城市群表现不同，但基本为正，且大部分未表现出统计意义上的显著性。

四、结论及建议

（一）研究结论

空间滞后模型回归结果显示，五个城市群金融发展回归系数均显著为正，说明在我国五大城市群中，群内某市的金融发展可以带动本市的经济高质量发展；同时，空间自回归系数均为正，说明在城市群内，经济高质量发展有正向的空间溢出效应，即某市的经济高质量发展可以促进周边城市的经济高质量发展。

根据分解效应结果，五个城市群金融发展的间接效应系数均为正值，其中长三角、珠三角和长江中游城市群金融发展的间接效应系数均通过显著性检验；同时，五个城市群金融发展的总效应均显著为正，说明城市群内某市周边城市的金融发展对其经济高质量发展有促进作用。

金融发展对经济高质量发展的间接效应和总效应在不同城市群的表现存在显著差异，就间接效应来看，京津冀和成渝的效应不显著，说明在这两个城市群中，某市的金融发展对其周边城市的空间溢出作用相对较弱，这可能是因为在这两个城市群中，城市间的经济金融联系相对较弱。从总效应结果来看，长三角和长江中游城市群的系数明显高于其他城市群，可能是因为这两个城市群的经济交往较为密切，且具有多个较为分散的金融中心城市，可以更好地实现金融中心城市对整个城市群的辐射作用。

（二）对策建议

各城市群应当积极加快金融业的发展，尤其是在当前数字经济时代，更应借助大数据、人工智能、云计算等数字化技术手段进行金融创新，大力发展数字金融，利用数字金融的普惠性与精准性等优势，助力实体企业特别是中小企业发展；同时，也可以引导资金流向绿色产业、高新技术产业等应当重点扶持的领域。

各城市群应当建立金融资源协调机制，合理规划金融资源在城市群内各个城市的配置，特别是要利用数字技术，精准合理地提供金融服务，避免因为金融资源不合理配置而阻碍城市群经济高质量发展的进程，实现城市群内某市金融发展对本市及其周边城市的经济高质量发展的双推动，更有效地推动城市群整体的经济高质量发展。

应进一步提升各城市群的中心城市金融辐射能力，一方面，中心城市应积极引进优质金融机构，增强自身金融实力；另一方面，城市群内各城市应找准自身发展定位，发展特色优势产业，实现各城市之间的产业互补与资源合理配置。