導(dǎo)語：金融匯集影響因素空間計(jì)量模式及運(yùn)用探討一文來源于網(wǎng)友上傳，不代表本站觀點(diǎn)，若需要原創(chuàng)文章可咨詢客服老師，歡迎參考。

摘要

金融集聚是一種產(chǎn)業(yè)演化過程中的地理空間現(xiàn)象，本文構(gòu)建了金融集聚影響因素空間計(jì)量模型，對(duì)我國(guó)28個(gè)省域金融集聚影響因素進(jìn)行實(shí)證研究。研究表明：我國(guó)金融集聚在省域之間有較強(qiáng)的空間依賴性和正的空間溢出效應(yīng)。區(qū)域創(chuàng)新是影響金融集聚的核心變量，對(duì)金融集聚有顯著地促進(jìn)作用，且隨創(chuàng)新水平的不斷提高作用逐漸增強(qiáng)。在控制變量中，經(jīng)濟(jì)基礎(chǔ)對(duì)金融集聚促進(jìn)作用顯著；對(duì)外開放水平在期初對(duì)金融產(chǎn)業(yè)集聚有顯著地正效應(yīng)，但隨著時(shí)間的推移作用正逐漸減弱；人力資本在期初對(duì)金融集聚促進(jìn)作用顯著，但在當(dāng)期對(duì)金融集聚影響不顯著，這說明人力資本作用的發(fā)揮需要有一個(gè)吸收和消化的過程。

關(guān)鍵詞：金融集聚區(qū)域創(chuàng)新空間相關(guān)性空間計(jì)量分析

金融是現(xiàn)代經(jīng)濟(jì)的核心，隨著信息和通訊技術(shù)的飛速發(fā)展，許多金融功能已經(jīng)克服了地理空間上的限制，能夠在相隔遙遠(yuǎn)的不同地理區(qū)域低成本和快捷的實(shí)現(xiàn)，不再需要面對(duì)面的交易。然而，金融服務(wù)業(yè)的空間集聚現(xiàn)象卻日益凸顯，越來越多的金融機(jī)構(gòu)采用企業(yè)間協(xié)調(diào)的方式來組織交易和生產(chǎn)活動(dòng)，從最初的少數(shù)幾家銀行集中發(fā)展到各種不同類型的金融機(jī)構(gòu)的空間集聚，產(chǎn)業(yè)集群已成為現(xiàn)代金融產(chǎn)業(yè)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(qū)域經(jīng)濟(jì)學(xué)家和經(jīng)濟(jì)地理學(xué)家所忽視。自貨幣地理學(xué)者明確推翻了新通訊技術(shù)（ICTs）的應(yīng)用將導(dǎo)致地理學(xué)終結(jié)這一觀點(diǎn)（Obrien，1992）以來，金融的空間分析才逐漸納入學(xué)者們的分析框架。在考慮空間經(jīng)濟(jì)外溢性的條件下，我國(guó)金融集聚的空間相關(guān)性如何？有哪些因素促進(jìn)了我國(guó)省域金融集聚，這些因素在不同時(shí)期對(duì)金融集聚又有何不同的作用？本文將采用空間經(jīng)濟(jì)計(jì)量分析技術(shù)對(duì)我國(guó)28個(gè)省域金融集聚影響因素進(jìn)行實(shí)證分析，從而揭示金融集聚現(xiàn)象在我國(guó)省域間分布的規(guī)律，為政府部門制定合理的金融布局和發(fā)展政策提供科學(xué)參考依據(jù)。

一、文獻(xiàn)回顧

國(guó)內(nèi)外對(duì)金融集聚及其影響因素的相關(guān)研究還處于起步階段，現(xiàn)有的研究主要以理論研究為主。在基礎(chǔ)研究方面，貨幣地理學(xué)派認(rèn)為，貨幣具有與生俱來的空間性（Martin，1999），貨幣地理性的四個(gè)方面為：區(qū)位結(jié)構(gòu)、制度的地理性、監(jiān)管的空間性以及整個(gè)國(guó)家的公共金融空間。

對(duì)金融集聚的成因，KindleBerger(1974)以集聚理論為基礎(chǔ)，認(rèn)為規(guī)模經(jīng)濟(jì)使得銀行和其他金融機(jī)構(gòu)選擇一個(gè)特定的區(qū)位。外部規(guī)模經(jīng)濟(jì)是自我加強(qiáng)的，更多的金融部門在一個(gè)區(qū)域內(nèi)定位，那么這些區(qū)域?qū)τ谄渌鹑趨⑴c者來說更加具有吸引力。

金融中心是金融企業(yè)高度集聚的產(chǎn)物(Panditetal，2001)。Park(1982、1989)將規(guī)模經(jīng)濟(jì)理論和集聚經(jīng)濟(jì)理論應(yīng)用于國(guó)際銀行集中發(fā)展和國(guó)際金融中心的成因時(shí)認(rèn)為，當(dāng)一個(gè)地區(qū)跨國(guó)銀行的數(shù)量增多、規(guī)模增大時(shí)，國(guó)際中心便有形成的可能。同時(shí)外部規(guī)模經(jīng)濟(jì)會(huì)進(jìn)一步促成生產(chǎn)和經(jīng)營(yíng)單位的空間集聚，表現(xiàn)為行業(yè)內(nèi)銀行之間的合作，金融機(jī)構(gòu)之間共享基礎(chǔ)設(shè)施，生產(chǎn)者和消費(fèi)者之間更加鄰近，流通環(huán)節(jié)的減少，信息溝通的便捷等。RichardMcGahey(1990)等從競(jìng)爭(zhēng)力角度探討了金融中心形成和發(fā)展的因素，指出了區(qū)位成本和區(qū)域優(yōu)勢(shì)，勞動(dòng)力和人力資源優(yōu)勢(shì)，通訊和技術(shù)，法治與稅收四因素決定金融中心的競(jìng)爭(zhēng)力。

Naresh,Gary&Swann（2001）從供給和需求兩個(gè)角度說明了金融業(yè)集聚為金融中心的原因。從供給角度來說，主要有以下三個(gè)因素：第一，大型和結(jié)構(gòu)復(fù)雜的金融服務(wù)公司需要獲得大量的專業(yè)勞動(dòng)力。因此，在倫敦、紐約和法蘭克福等地的商業(yè)銀行、投資銀行等幾乎都是以金融中心為基礎(chǔ)的。相反，小規(guī)模的金融服務(wù)公司像建房互助協(xié)會(huì)分支和獨(dú)立的保險(xiǎn)人公司，由于結(jié)構(gòu)相對(duì)簡(jiǎn)單，并且對(duì)共同知識(shí)的依賴性不大，因此并不需要大量高水平的專業(yè)化勞動(dòng)力，因而定位在金融中心的外圍。第二是金融服務(wù)公司對(duì)金融中心所提供服務(wù)（會(huì)計(jì)，精算，法律，計(jì)算機(jī)）的依賴性。第三，由于交易接近資產(chǎn)流動(dòng)的地方而所獲得更大的靈活性，因此，金融服務(wù)公司普遍都設(shè)在鄰近國(guó)家和地區(qū)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(qū)而提高聲譽(yù)；降低由于金融服務(wù)公司與客戶之間的信息不對(duì)稱而導(dǎo)致的逆向選擇和道德風(fēng)險(xiǎn)的程度。

國(guó)內(nèi)學(xué)者對(duì)金融集聚研究比較系統(tǒng)深入的是黃解宇和楊再斌(2006)，他們認(rèn)為，金融集聚是隨著產(chǎn)業(yè)集聚的形成而發(fā)展的，金融本身的高流動(dòng)性加速了集聚；而規(guī)模經(jīng)濟(jì)效應(yīng)以及不對(duì)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(duì)于金融產(chǎn)業(yè)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(yùn)動(dòng)的概念。其觀點(diǎn)是：由于金融資源在空間地域的分布而表現(xiàn)出非均質(zhì)或不連續(xù)的特點(diǎn)，正是由于這種初始的地域差異性，引發(fā)了金融地域運(yùn)動(dòng)。中心城市是金融地域運(yùn)動(dòng)的結(jié)節(jié)點(diǎn)，金融資源在中心城市集聚成金融產(chǎn)業(yè)，而金融產(chǎn)業(yè)成長(zhǎng)水平的差異導(dǎo)致了各中心城市金融職能的分工，中心城市逐次遞進(jìn)為金融支點(diǎn)、金融增長(zhǎng)極和金融中心等城市類別，承擔(dān)和發(fā)揮各自的金融功能。

上述研究表明，金融集聚本身是一種產(chǎn)業(yè)演化過程中的地理空間現(xiàn)象，是各國(guó)和地區(qū)經(jīng)濟(jì)發(fā)展過程中的必然產(chǎn)物。現(xiàn)有研究仍停留在金融集聚現(xiàn)象的理論研究上，對(duì)其解釋缺乏相應(yīng)的數(shù)量模型和經(jīng)驗(yàn)實(shí)證。尤其是并未建全金融集聚現(xiàn)象的統(tǒng)計(jì)分析框架，未將金融集聚空間維度的相關(guān)性和異質(zhì)性納入實(shí)證研究，沒有考慮空間因素對(duì)金融集聚的影響。

與以往研究不同，本文從區(qū)域創(chuàng)新角度建立金融集聚影響因素分析框架，在納入空間效應(yīng)的前提下，以我國(guó)2002-2007年數(shù)據(jù)為基礎(chǔ)，對(duì)我國(guó)28個(gè)省域金融集聚影響因素進(jìn)行空間計(jì)量分析，以消除各地區(qū)金融集聚外溢性的相互影響，從而揭示金融集聚的內(nèi)在形成機(jī)理。

二、理論假說與模型設(shè)定

1.理論假說

（1）金融集聚

目前理論界尚未有對(duì)金融集聚有明確的定義。黃解宇和楊再斌(2006)認(rèn)為，可以將金融集聚定義為一個(gè)過程，也可以定義為一個(gè)狀態(tài)或結(jié)果。前者是指通過金融資源與地域條件協(xié)調(diào)、配置、組合的時(shí)空動(dòng)態(tài)變化，金融產(chǎn)業(yè)成長(zhǎng)、發(fā)展，進(jìn)而在一定地域空間生成金融地域密集系統(tǒng)的變化過程。后者是指經(jīng)過上述過程，達(dá)到一定規(guī)模和密集程度的金融產(chǎn)品、工具、機(jī)制、制度、法規(guī)、政策文化在一定地域空間有機(jī)結(jié)合的現(xiàn)象和狀態(tài)。由于條件、要素的地域差異，必然產(chǎn)生金融資源的地域流動(dòng)，并向區(qū)位與其他條件優(yōu)越的地區(qū)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(yè)接近性、社會(huì)接近性等外在性質(zhì)。

基于金融集聚內(nèi)涵的解釋，本文提出如下假設(shè)：

假設(shè)1：我國(guó)現(xiàn)階段金融產(chǎn)業(yè)發(fā)展存在空間依賴性和空間溢出效應(yīng)。

（2）區(qū)域創(chuàng)新

區(qū)域創(chuàng)新是金融集聚發(fā)展不竭的驅(qū)動(dòng)力。D.Keeble和L.Nacham(2001)認(rèn)為生產(chǎn)性服務(wù)業(yè)是屬于新經(jīng)濟(jì)的知識(shí)密集型行業(yè)，相對(duì)于制造業(yè)從需求和供應(yīng)等角度來探尋集聚利益，生產(chǎn)性服務(wù)業(yè)更應(yīng)該從集聚學(xué)習(xí)和創(chuàng)新環(huán)境等角度來探尋集聚利益。當(dāng)金融集聚發(fā)展到一定程度，新知識(shí)的獲取和創(chuàng)新將成為影響其進(jìn)一步發(fā)展的關(guān)鍵要素。金融集聚區(qū)本身就是一種創(chuàng)新網(wǎng)絡(luò)，它通過集群企業(yè)之間的相互聯(lián)系、各種正式與非正式的交流溝通，構(gòu)成一種集體學(xué)習(xí)，刺激服務(wù)企業(yè)內(nèi)部創(chuàng)新，同時(shí)也為區(qū)域金融創(chuàng)新與合作具備了現(xiàn)實(shí)基礎(chǔ)。一方面，金融服務(wù)企業(yè)的創(chuàng)新不僅增強(qiáng)了企業(yè)根據(jù)環(huán)境變化不斷調(diào)整自身行為的能力，而且保證了創(chuàng)新的傳播、交換和創(chuàng)新環(huán)境本身的更新。尤其是隱含經(jīng)驗(yàn)類知識(shí)的交流，能激發(fā)新思想、新方法的應(yīng)用，促進(jìn)學(xué)科交叉和產(chǎn)業(yè)融合，使新產(chǎn)業(yè)和新產(chǎn)品不斷出現(xiàn)，吸引新的客戶和生產(chǎn)者。另一方面，創(chuàng)新的迅速擴(kuò)散又促使以集群為基礎(chǔ)的金融服務(wù)效率進(jìn)一步提高。Keeble&Wilkinson（2000）認(rèn)為，在成功的知識(shí)型創(chuàng)新的環(huán)境下，通過使集群企業(yè)接入“集體學(xué)習(xí)過程”，可增強(qiáng)了集群的競(jìng)爭(zhēng)優(yōu)勢(shì)，提高集群的增長(zhǎng)率。

基于以上研究成果，本文提出如下假設(shè)：

假設(shè)2：區(qū)域創(chuàng)新是影響金融集聚的核心變量，對(duì)金融集聚有顯著地促進(jìn)作用，且隨著區(qū)域創(chuàng)新水平的不斷提高，其促進(jìn)作用將逐漸增強(qiáng)。

（3）經(jīng)濟(jì)基礎(chǔ)

金融是國(guó)民經(jīng)濟(jì)的重要組成部分，實(shí)體經(jīng)濟(jì)的運(yùn)行狀況對(duì)金融主體的發(fā)展有著重要影響。在經(jīng)濟(jì)繁榮時(shí)期，企業(yè)的經(jīng)營(yíng)狀況良好，社會(huì)失業(yè)率低，對(duì)資本的需求量就大，金融業(yè)一般會(huì)處于良好的運(yùn)營(yíng)狀態(tài)；而在蕭條時(shí)期，企業(yè)投資的成功率低，失業(yè)率上升，金融債務(wù)的償還能力下降，金融風(fēng)險(xiǎn)加劇，不利于金融主體的運(yùn)營(yíng)。綜觀英美等國(guó)際金融中心的形成發(fā)展史，金融中心發(fā)源地內(nèi)在經(jīng)濟(jì)與金融實(shí)力的膨脹，是金融中心形成和發(fā)展的必要條件。以倫敦國(guó)際金融中心為例，其產(chǎn)生即為經(jīng)濟(jì)發(fā)展所導(dǎo)致的金融供給變化的結(jié)果。由此可以得出，經(jīng)濟(jì)基礎(chǔ)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(chǎn)業(yè)集聚，都需要與之相匹配的經(jīng)濟(jì)基礎(chǔ)作為其發(fā)展的依托。

基于以上理論，本文提出如下假設(shè)：

假設(shè)3：經(jīng)濟(jì)基礎(chǔ)與金融集聚有極強(qiáng)的正相關(guān)性。

（4）對(duì)外開放

對(duì)外開放是影響金融集聚的重要變量之一。對(duì)外開放程度越高，所需的金融服務(wù)水平也越高。SimonX.B等（2004）認(rèn)為，高層次的金融企業(yè)總是會(huì)定位在一個(gè)國(guó)際城市的信息腹地，在那里，信息以更低的成本被獲得和驗(yàn)證。同時(shí)，金融部門的集聚也反映和增強(qiáng)了實(shí)際部門的集聚。為了分享高層次的生產(chǎn)者服務(wù)并實(shí)現(xiàn)城市化經(jīng)濟(jì)，企業(yè)也總是傾向于集聚；而金融機(jī)構(gòu)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(wù)?？鐕?guó)公司總部作為金融業(yè)的微觀行為主體，趨向于將機(jī)構(gòu)定位于全球的城市中，在全球的電信網(wǎng)絡(luò)中，跨國(guó)公司的子公司和附屬公司都可以被有效率的控制和協(xié)調(diào)。而跨國(guó)公司總部的總是選擇具有競(jìng)爭(zhēng)力的區(qū)位，其影響因素包括充足的運(yùn)輸和通訊基礎(chǔ)設(shè)施，高品質(zhì)的專業(yè)服務(wù)如法律，會(huì)計(jì)和金融服務(wù)；豐富的社會(huì)和文化設(shè)施以及根植于法律的良好制度（Dicken，1998）。因此，跨國(guó)公司總部和高端金融服務(wù)是密不可分的集中在相同的關(guān)鍵地點(diǎn)。

基于以上理論，本文提出如下假設(shè)：

假設(shè)4：對(duì)外開放與金融集聚有顯著地正相關(guān)性。

（5）人力資本

人力資本是影響金融集聚發(fā)展的重要因素。與物質(zhì)資本和自然資源相比，人力資本是“軟生產(chǎn)要素”。高水平人力資本是提高現(xiàn)代金融競(jìng)爭(zhēng)力的基本要素。理論上，人力資本水平越高，金融產(chǎn)品的供給能力越強(qiáng)，金融產(chǎn)業(yè)集聚程度越高。金融業(yè)吸收高學(xué)歷的人才比其他行業(yè)或地區(qū)要多，高級(jí)金融專業(yè)人才的匯聚是吸引金融機(jī)構(gòu)進(jìn)駐的基礎(chǔ)，更是區(qū)域金融市場(chǎng)繁榮、金融產(chǎn)品創(chuàng)新活躍的根本支撐。

基于以上理論分析，本文提出如下假設(shè)：

假設(shè)5：人力資本對(duì)金融集聚有顯著地促進(jìn)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(guó)際上對(duì)產(chǎn)業(yè)集聚程度的衡量指標(biāo)不斷優(yōu)化，目前主要有六種指標(biāo)：區(qū)位熵系數(shù)()、空間基尼系數(shù)()、指數(shù)、赫芬達(dá)指數(shù)()、指數(shù)和產(chǎn)業(yè)地理集中指數(shù)(指數(shù))。區(qū)位熵是衡量產(chǎn)業(yè)專業(yè)化的重要指標(biāo)，它能夠充分比較區(qū)域生產(chǎn)水平與全國(guó)平均生產(chǎn)水平，確定該地區(qū)產(chǎn)業(yè)集中狀況在全國(guó)所處的位置。為比較各地區(qū)金融集聚程度，本文選擇區(qū)位熵系數(shù)（），利用從業(yè)人員數(shù)測(cè)算我國(guó)金融服務(wù)業(yè)的區(qū)域集聚程度。計(jì)算公式如下：

（1）

其中，指區(qū)域內(nèi)產(chǎn)業(yè)的就業(yè)人數(shù)，指區(qū)域內(nèi)的總就業(yè)人數(shù)，指國(guó)家或省份內(nèi)產(chǎn)業(yè)的總就業(yè)人數(shù)，指國(guó)家或省份內(nèi)的總就業(yè)人數(shù)。它是指一個(gè)特定區(qū)域中某產(chǎn)業(yè)占有份額與整個(gè)經(jīng)濟(jì)中該產(chǎn)業(yè)占有份額相比的值。區(qū)位熵的系數(shù)越大，該區(qū)域的金融集聚程度越高。一般認(rèn)為，如果大于1，意味著某產(chǎn)業(yè)在區(qū)域比較重要；但也有學(xué)者根據(jù)大于1.25或大于3(MartinandSunley，2003；MalmbegandMaskell，2002)來判斷產(chǎn)業(yè)聚集。

根據(jù)區(qū)位熵的計(jì)算公式，本文對(duì)我國(guó)28個(gè)省域2002-2007年的金融集聚程度進(jìn)行了測(cè)算（結(jié)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?jī)山M。

第1組變量是核心變量，即區(qū)域創(chuàng)新。專利數(shù)量是區(qū)域創(chuàng)新能力的重要標(biāo)志，是一個(gè)衡量知識(shí)吸收和技術(shù)進(jìn)步比較理想的變量。理論上，區(qū)域創(chuàng)新水平越高的省份，金融產(chǎn)品的供給能力也會(huì)越強(qiáng)，從而進(jìn)一步促進(jìn)金融集聚。這里用各省份三種專利的授權(quán)量與全國(guó)三種專利的授權(quán)量的比值來反映各省的區(qū)域創(chuàng)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(qū)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(dǎo)致金融集聚差異的因素。

經(jīng)濟(jì)基礎(chǔ)：用來反映地區(qū)經(jīng)濟(jì)基礎(chǔ)的指標(biāo)有很多，如地區(qū)國(guó)內(nèi)生產(chǎn)總值、人均GDP、政府財(cái)政收入等。考慮到政府在金融發(fā)展中的作用，以及財(cái)政與金融的緊密聯(lián)系，本文使用各地區(qū)政府財(cái)政收入總額占GDP的比重來反映地區(qū)經(jīng)濟(jì)發(fā)展基礎(chǔ)，用GOV來表示。

對(duì)外開放：考慮到各地區(qū)外國(guó)直接投資與當(dāng)?shù)亟鹑诘木o密聯(lián)系，我們?cè)O(shè)置了外國(guó)直接投資額占GDP的比值來綜合反映各地區(qū)對(duì)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(yè)人員（15-64歲的人口）的受教育年限，該數(shù)據(jù)基本能表達(dá)社會(huì)人口受教育水平的大部分內(nèi)涵。根據(jù)人口普查的規(guī)定：文盲計(jì)為0年，小學(xué)文化計(jì)為6年，初中文化計(jì)為6年，初中文化計(jì)為9年，高中文化計(jì)為12年，大學(xué)及大專以上計(jì)為16年。小學(xué)文化從小學(xué)一年級(jí)到小學(xué)畢業(yè)均計(jì)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(shù)的總和（即：6×小學(xué)文化人數(shù)+9×初中文化人數(shù)+12×高中文化人數(shù)+16×大學(xué)及大專以上人數(shù)）除以15-64歲人口數(shù)來計(jì)算，以此生成人均受教育年限來反映一個(gè)地區(qū)的人力資本水平，用PEO來表示。

3.模型設(shè)定

根據(jù)以上理論假說及變量的選擇，本文的線性模型形式設(shè)定如下：

（2）

式中，為回歸參數(shù)，為1，2，???，28個(gè)省域，ε為隨機(jī)誤差項(xiàng)。被解釋變量FIN是利用區(qū)位熵系數(shù)衡量的我國(guó)28個(gè)省域的金融集聚程度；I變量表示區(qū)域創(chuàng)新，是本文所設(shè)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(cái)政收入占GDP的比重，OPEN變量表示對(duì)外開放，PEO變量表示人力資本。

本文所用樣本包括中國(guó)28個(gè)省、自治區(qū)、直轄市（以下簡(jiǎn)稱省域），其中，重慶市合并到四川省內(nèi)計(jì)算，西藏、海南、香港、澳門特別行政區(qū)和臺(tái)灣省除外。金融集聚度和各解釋變量的基礎(chǔ)數(shù)據(jù)主要來源于2003-2008年的《中國(guó)統(tǒng)計(jì)年鑒》，其中2004-2007的外商直接投資額由于缺失，本文通過預(yù)測(cè)得到。實(shí)證研究主要借助于Arcviews3.3和Geoda0.9.1兩個(gè)軟件完成。

三、空間計(jì)量方法模型

空間經(jīng)濟(jì)計(jì)量模型主要解決回歸模型中復(fù)雜的空間相互作用與空間依存性結(jié)構(gòu)問題（Anselin，1988）。長(zhǎng)期以來，在主流的經(jīng)濟(jì)學(xué)理論中，空間事物無關(guān)聯(lián)及均質(zhì)性假定的局限，以及普遍使用忽視空間效應(yīng)的普通最小二乘法(OLS)進(jìn)行模型估計(jì)，使得在實(shí)際應(yīng)用中往往存在模型的設(shè)定偏差問題，進(jìn)而導(dǎo)致經(jīng)濟(jì)學(xué)研究得出的各種結(jié)果和推論不夠完整、科學(xué)，缺乏應(yīng)有的解釋力(吳玉鳴，2007)?？臻g計(jì)量經(jīng)濟(jì)學(xué)(Anselin，1988)理論認(rèn)為一個(gè)地區(qū)空間單元上的某種經(jīng)濟(jì)地理現(xiàn)象或某一屬性值與鄰近地區(qū)空間單元上同一現(xiàn)象或?qū)傩灾凳窍嚓P(guān)的。幾乎所有的空間數(shù)據(jù)都具有空間依賴性或空間自相關(guān)性的特征，空間依賴的存在打破了大多數(shù)經(jīng)典統(tǒng)計(jì)和計(jì)量分析中相互獨(dú)立的基本假設(shè)。也就是說，各區(qū)域之間的數(shù)據(jù)存在與時(shí)間序列相關(guān)、相對(duì)應(yīng)的空間相關(guān)。

根據(jù)空間計(jì)量經(jīng)濟(jì)學(xué)方法原理，金融集聚影響因素空間計(jì)量分析的思路如下：首先采用空間統(tǒng)計(jì)分析Moran指數(shù)法檢驗(yàn)因變量（金融集聚）是否存在空間自相關(guān)性；如果存在空間自相關(guān)性，則以空間計(jì)量經(jīng)濟(jì)學(xué)理論方法為基礎(chǔ)，建立空間計(jì)量經(jīng)濟(jì)模型，進(jìn)行金融集聚影響因素的空間計(jì)量估計(jì)和檢驗(yàn)。

1.空間自相關(guān)性

檢驗(yàn)金融集聚現(xiàn)象的空間相關(guān)性存在與否，實(shí)際應(yīng)用研究中常常使用空間自相關(guān)指數(shù)Moran’I，其計(jì)算公式如下所示：

（3）

其中，，表示第地區(qū)的觀測(cè)值(在本文為金融集聚度c)；n為地區(qū)總數(shù)(本文為28)；為二進(jìn)制的鄰接空間權(quán)值矩陣，表示其中的任一元素，采用鄰接標(biāo)準(zhǔn)或距離標(biāo)準(zhǔn)，其目的是定義空間對(duì)象的相互鄰接關(guān)系，便于把地理信息系統(tǒng)(GIS)數(shù)據(jù)庫中的有關(guān)屬性放到所研究的地理空間上來對(duì)比。一般鄰接標(biāo)準(zhǔn)的為：

習(xí)慣上，令的所有對(duì)角線元素=0。

Mroan’sI指數(shù)可看作各地區(qū)觀測(cè)值的乘積和，其取值范圍在-1到1之間，若各地區(qū)間經(jīng)濟(jì)行為為空間正相關(guān)，其數(shù)值應(yīng)當(dāng)較大；負(fù)相關(guān)則較小。具體到金融產(chǎn)業(yè)集聚的空間依賴性問題上，當(dāng)目標(biāo)區(qū)域數(shù)據(jù)在空間區(qū)位上相似的同時(shí)也有相似的屬性值時(shí)，空間模式整體上就顯示出正的空間自相關(guān)性；而當(dāng)在空間上鄰接的目標(biāo)區(qū)域數(shù)據(jù)不同尋常地具有不相似的屬性值時(shí)，就呈現(xiàn)為負(fù)的空間自相關(guān)性；零空間自相關(guān)性出現(xiàn)在當(dāng)屬性值的分布與區(qū)位數(shù)據(jù)的分布相互獨(dú)立時(shí)。

根據(jù)Mroan’sI指數(shù)的計(jì)算結(jié)果，可采用正態(tài)分布假設(shè)進(jìn)行檢驗(yàn)n個(gè)區(qū)域是否存在空間自相關(guān)關(guān)系，其標(biāo)準(zhǔn)化形式為：

（4）

根據(jù)空間數(shù)據(jù)的分布可以計(jì)算正態(tài)分布Moran’I指數(shù)的期望值及方差：

（5）

式中，分別為空間權(quán)值矩陣中行和列之和。

公式（4）、（5）可以用于檢驗(yàn)n個(gè)區(qū)域是否存在空間自相關(guān)關(guān)系。如果Mroan’sI指數(shù)的正態(tài)統(tǒng)計(jì)量的值大于正態(tài)分布函數(shù)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(guān)關(guān)系，正的空間相關(guān)代表相鄰地區(qū)的類似特征值出現(xiàn)集群趨勢(shì)。

2.空間計(jì)量模型及估計(jì)技術(shù)

空間計(jì)量經(jīng)濟(jì)學(xué)模型有多種類型，本文所要用到的空間計(jì)量模型主要是納入了空間效應(yīng)(空間相關(guān)和空間差異)，適用于截面數(shù)據(jù)的空間常系數(shù)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(gè)地區(qū)是否有擴(kuò)散現(xiàn)象(溢出效應(yīng))，其表達(dá)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(guān)系數(shù)；反映了樣本觀測(cè)值中的空間依賴作用，即相鄰區(qū)域的觀測(cè)值對(duì)本地區(qū)觀察值的影響方向和程度；為階的空間權(quán)值矩陣，一般用鄰接矩陣(ContiguityMatrix)；為空間滯后因變量，為隨機(jī)誤差項(xiàng)向量。

參數(shù)反映了自變量對(duì)因變量的影響，空間滯后因變量是一內(nèi)生變量，反映了空間距離對(duì)區(qū)域行為的作用。區(qū)域行為受到文化環(huán)境與空間距離有關(guān)的遷移成本的影響，具有很強(qiáng)的地域性。

（2）空間誤差模型（SEM）

空間誤差模型的數(shù)學(xué)表達(dá)式為：

（7）

（8）

式中，為隨機(jī)誤差項(xiàng)向量，為的截面因變量向量的空間誤差系數(shù)，為正態(tài)分布的隨機(jī)誤差向量。

參數(shù)衡量了樣本觀察值中的空間依賴作用，即相鄰地區(qū)的觀察值有對(duì)本地區(qū)觀察值的影響方向和程度，參數(shù)反映了自變量對(duì)因變量的影響。SEM的空間依賴作用存在于擾動(dòng)誤差項(xiàng)之中，度量了鄰接地區(qū)關(guān)于因變量的誤差沖擊對(duì)本地區(qū)觀察值的影響程度。

（3）估計(jì)技術(shù)

對(duì)于上述兩種模型的估計(jì)如果仍然采用最小二乘法，系數(shù)估計(jì)值會(huì)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(jì)等其他方法來進(jìn)行估計(jì)。本文采用了Anselin（1988）的建議，采用極大似然法估計(jì)SEM和SLM的參數(shù)。

3.空間自相關(guān)檢驗(yàn)及SLM、SEM的選擇

判斷地區(qū)金融集聚現(xiàn)象的空間相關(guān)性是否存在，以及SLM和SEM哪個(gè)模型更恰當(dāng)，一般可通過包括Moran’sI檢驗(yàn)、兩個(gè)拉格朗日乘數(shù)(LagrangeMultiplier)形式LMERR、LMLAG和穩(wěn)健(Robust)的R-LMERR、R-LMLAG等來實(shí)現(xiàn)。

由于事先無法根據(jù)先驗(yàn)經(jīng)驗(yàn)推斷在SLM和SEM模型中是否存在空間依賴性，有必要構(gòu)建一種判別準(zhǔn)則，以決定哪種空間模型更加符合客觀實(shí)際。Anselin等（2004）提出了如下判別準(zhǔn)則：如果在空間依賴性的檢驗(yàn)中發(fā)現(xiàn)，LMLAG較之LMERR在統(tǒng)計(jì)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(tǒng)計(jì)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(dāng)?shù)哪Ｐ汀３藬M合優(yōu)度R2檢驗(yàn)以外，常用的檢驗(yàn)準(zhǔn)則還有：自然對(duì)數(shù)似然函數(shù)值(Loglikelihood，LogL)，似然比率(LikelihoodRatio，LR)、赤池信息準(zhǔn)則(Akaikeinformationcriterion，AIC)，施瓦茨準(zhǔn)則(Schwartzcriterion，SC)。對(duì)數(shù)似然值越大，AIC和SC值越小，模型擬合效果越好。這幾個(gè)指標(biāo)也用來比較OLS估計(jì)的經(jīng)典線性回歸模型和SLM、SEM，似然值的自然對(duì)數(shù)最大的模型最好。

四、實(shí)證結(jié)果分析

空間權(quán)重矩陣是空間統(tǒng)計(jì)計(jì)量模型的關(guān)鍵，也是地區(qū)間空間影響方式的體現(xiàn)。目前，空間權(quán)重矩陣的基本形式有只考慮地理相鄰信息，即“地理”空間權(quán)重矩陣()，也有考慮涉及經(jīng)濟(jì)差距的空間權(quán)重矩陣的擴(kuò)展形式，即“經(jīng)濟(jì)”空間權(quán)重矩陣()。“地理”空間權(quán)重矩陣(W)最常用的是簡(jiǎn)單二分權(quán)重矩陣，遵循的判定規(guī)則是Rook相鄰規(guī)則，即兩個(gè)地區(qū)擁有共同邊界則視為相鄰。

本文選用的是“地理”空間權(quán)重矩陣()，利用Geoda0.9.1軟件生成。

1.金融集聚空間自相關(guān)性

為檢驗(yàn)金融集聚現(xiàn)象在地理空間上的相關(guān)性，即空間相互依賴性，下面利用2002-2007年中國(guó)28個(gè)省域的金融集聚指標(biāo)計(jì)算Mroan’sI指數(shù)，相關(guān)結(jié)果見表1。表1中MoranI的正態(tài)統(tǒng)計(jì)量值均大于正態(tài)分布函數(shù)在0.05顯著性水平下的臨界值(1.96)，這表明我國(guó)28個(gè)省域的金融集聚現(xiàn)象在空間上具有明顯的正自相關(guān)關(guān)系(即空間依賴性)，說明省域金融產(chǎn)業(yè)的發(fā)展在空間分布并非表現(xiàn)出完全隨機(jī)的狀態(tài)，而是表現(xiàn)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(qū)相互靠近，或者較低金融產(chǎn)業(yè)集聚的省域相對(duì)地互相相鄰的空間聯(lián)系結(jié)構(gòu)。因此，從整體上講省域之間的金融產(chǎn)業(yè)的發(fā)展是存在空間相關(guān)性的，也就是說我國(guó)省域金融產(chǎn)業(yè)的發(fā)展存在著空間上明顯的集聚(Clustering)現(xiàn)象。

表1中國(guó)28個(gè)省域金融集聚Mroan’sI指數(shù)及其Z值

年份Moran’IMoran’I期望值

標(biāo)準(zhǔn)差

正態(tài)性

統(tǒng)計(jì)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(jìn)一步分析我國(guó)省域金融產(chǎn)業(yè)發(fā)展的空間集聚特征，本文給出了局域Mroan指數(shù)散點(diǎn)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，F(xiàn)IN為金融產(chǎn)業(yè)的集聚度，W_FIN表示鄰近值的加權(quán)平均值。根據(jù)散點(diǎn)圖，可將各個(gè)省域金融產(chǎn)業(yè)的發(fā)展分為4個(gè)象限的集群模式，分別識(shí)別一個(gè)地區(qū)及其與鄰近地區(qū)的關(guān)系：圖的右上方的第1象限，表示高集聚增長(zhǎng)的地區(qū)被高集聚的其他地區(qū)所包圍（HH），代表正的空間自相關(guān)關(guān)系的集群；左上方的第2象限，表示低集聚增長(zhǎng)的地區(qū)被高集聚增長(zhǎng)的其他地區(qū)所包圍(LH)，代表負(fù)的空間自相關(guān)關(guān)系的集群；左下方的第3象限，表示低集聚增長(zhǎng)的地區(qū)被低集聚增長(zhǎng)的其他地區(qū)所包圍(LL)，代表正的空間自相關(guān)關(guān)系的集群；右下方的第4象限，表示高集聚增長(zhǎng)的地區(qū)被低集聚增長(zhǎng)的其他地區(qū)所包圍(HL)，代表負(fù)的空間自相關(guān)關(guān)系的集群。第1、第3象限正的空間自相關(guān)關(guān)系揭示了區(qū)域的集聚和相似性，而第2、第4象限負(fù)的空間自相關(guān)關(guān)系揭示區(qū)域的異質(zhì)性。如果觀測(cè)值均勻地分布在4個(gè)象限則表明地區(qū)之間不存在空間自相關(guān)性。

根據(jù)上述理論及圖1所顯示的結(jié)果，可以得到我國(guó)28個(gè)省際區(qū)域的空間相關(guān)模式，如表2所示。

圖2我國(guó)省域金融集聚度的Mroan指數(shù)散點(diǎn)圖

注：FIN07表示2007年我國(guó)28個(gè)省域的金融集聚度。W_FIN表示鄰近值的加權(quán)平均值。

表2金融產(chǎn)業(yè)集聚度各省際區(qū)域的空間相關(guān)模式

空間相關(guān)模式地區(qū)

第1象限HH北京、天津、黑龍江、吉林、遼寧、內(nèi)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(gè)），第1、3象限省域金融集聚局部的HH和LL分化，因此，可以認(rèn)為我國(guó)省域金融集聚在地理空間的分布上存在著依賴性和異質(zhì)性。以北京和上海為例來進(jìn)行說明，經(jīng)本文測(cè)算，北京和上海的區(qū)位熵系數(shù)分別為3.71和4.35，是我國(guó)金融集聚度最高的兩個(gè)城市，但根據(jù)散點(diǎn)圖的結(jié)果，北京位于第一象限，上海卻位于第四象限。這是因?yàn)楸本┼徑牡貐^(qū)如天津、遼寧、吉林等都是金融集聚度比較高的地區(qū)，即高集聚增長(zhǎng)的地區(qū)被高集聚增長(zhǎng)的其他地區(qū)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(guó)是最高的，但其鄰近的大部分地區(qū)如安徽、江西、河南、山東等都是金融集聚度很低的地區(qū)，即高集聚增長(zhǎng)的地區(qū)被低集聚增長(zhǎng)的其他地區(qū)所包圍，反映了金融集聚在地理空間分布上的異質(zhì)性。

中國(guó)現(xiàn)階段，除個(gè)別地區(qū)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(qū)的金融集聚度都不是很高，整體上看，東部地區(qū)的金融集聚度要高于中部和西部地區(qū)，其中，西部地區(qū)的金融集聚度最低（大部分地區(qū)都是位于第三象限（LL））。說明現(xiàn)階段我國(guó)金融業(yè)的發(fā)展還不夠發(fā)達(dá)，而且區(qū)域差異比較大，

以上分析表明，我國(guó)省域金融產(chǎn)業(yè)發(fā)展確實(shí)存在著空間的集聚現(xiàn)象，地區(qū)差異比較顯著。這也進(jìn)一步表明有必要從空間維度的相關(guān)性和異質(zhì)性出發(fā)，對(duì)金融集聚影響因素進(jìn)行空間計(jì)量分析。

2.金融集聚影響因素空間計(jì)量模型的選擇與估計(jì)

本文選用的空間計(jì)量經(jīng)濟(jì)模型主要是納入了空間效應(yīng)的空間滯后模型（SLM）與空間誤差模型（SEM）兩種。下面，以中國(guó)28個(gè)省域?yàn)榭臻g單元，選擇合適的空間計(jì)量模型，進(jìn)行金融產(chǎn)業(yè)集聚的空間計(jì)量經(jīng)濟(jì)檢驗(yàn)和估計(jì)。為了比較分析不同時(shí)期各影響因素對(duì)當(dāng)期被解釋變量的影響作用，根據(jù)設(shè)定的模型形式，本文分別設(shè)定以下兩個(gè)模型以分析金融集聚形成機(jī)制：

模型I：當(dāng)期模型。被解釋變量和解釋變量均選取2007年的數(shù)據(jù)，反映當(dāng)期解釋變量對(duì)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(shù)據(jù)，各解釋變量選取的是2002年的數(shù)據(jù)，反映初期解釋變量對(duì)當(dāng)期被解釋變量的影響。

為進(jìn)行SLM和SEM模型的選擇，首先對(duì)模型I和Ⅱ進(jìn)行普通最小二乘法估計(jì)（即不考慮空間相關(guān)性，結(jié)果見表3和表4），進(jìn)一步確認(rèn)金融集聚空間相關(guān)性的存在。

表3模型I的OLS估計(jì)結(jié)果

模型回歸系數(shù)

標(biāo)準(zhǔn)差

統(tǒng)計(jì)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(yàn)

統(tǒng)計(jì)值小概率

Mroan指數(shù)（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(yàn)。

表3的OLS回歸結(jié)果中，模型的擬合優(yōu)度R2為0.749984，區(qū)域創(chuàng)新、經(jīng)濟(jì)基礎(chǔ)以及對(duì)外開放的回歸系數(shù)均為正，且區(qū)域創(chuàng)新和經(jīng)濟(jì)基礎(chǔ)通過了5%的變量顯著性檢驗(yàn)，說明這兩個(gè)變量的當(dāng)期值對(duì)金融集聚有顯著地正向作用，與理論假設(shè)一致。而對(duì)外開放和人力資本均沒有通過5%的顯著性檢驗(yàn)，說明對(duì)金融集聚無顯著影響，與理論假設(shè)有出入。表4的OLS的回歸結(jié)果中，模型的擬合優(yōu)度R2為0.801140，經(jīng)濟(jì)基礎(chǔ)、對(duì)外開放以及人力資本的回歸系數(shù)均為正，且分別通過了5%和10%的變量顯著性檢驗(yàn)，這說明初期的經(jīng)濟(jì)基礎(chǔ)、對(duì)外開放以及人力資本對(duì)省域的金融集聚有顯著地促進(jìn)作用，與理論假設(shè)一致。而區(qū)域創(chuàng)新變量雖然通過了5%的變量顯著性檢驗(yàn)，但其回歸系數(shù)為負(fù)，說明初期的區(qū)域創(chuàng)新對(duì)金融集聚呈現(xiàn)出顯著地抑制作用。

表4模型Ⅱ的OLS估計(jì)結(jié)果

模型回歸系數(shù)

標(biāo)準(zhǔn)差

統(tǒng)計(jì)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(yàn)

統(tǒng)計(jì)值小概率

Mroan指數(shù)（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(yàn)。

以上OLS回歸結(jié)果說明，經(jīng)典線性回歸模型的OLS估計(jì)可能存在模型設(shè)定不恰當(dāng)?shù)膯栴}，比如沒有考慮到省域（截面單元）的空間自相關(guān)性。進(jìn)一步利用Moran指數(shù)、兩個(gè)拉格朗日乘數(shù)來判斷空間計(jì)量經(jīng)濟(jì)學(xué)模型SLM和SEM的形式。表3中，MoranI指數(shù)的P值為0.0173464，在5%的顯著性水平下通過檢驗(yàn)。表明經(jīng)典回歸誤差的空間依賴性(相關(guān)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(yàn)，而LMERR和R-LMERR均未能通過檢驗(yàn)，因此，根據(jù)前面介紹的判別準(zhǔn)則，對(duì)于模型I，空間滯后模型（SLM）是相對(duì)比較合適的模型。同理，由表4的OLS估計(jì)結(jié)果，Moran指數(shù)(誤差)檢驗(yàn)表明，經(jīng)典回歸誤差的空間依賴性(相關(guān)性)非常明顯(顯著性水平為0.23%)。從兩個(gè)拉格朗日乘數(shù)的P值來看，只有LMERR通過了5%的顯著性檢驗(yàn)，而R-LMERR比R-LMLAG顯著，因此，相對(duì)而言，對(duì)于模型Ⅱ選擇SEM模型更好一些。

根據(jù)以上判斷，在模型I和模型Ⅱ中均加入空間效應(yīng)，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(jì)法(ML)對(duì)空間計(jì)量經(jīng)濟(jì)參數(shù)進(jìn)行估計(jì)，得到的估計(jì)結(jié)果如表5、表6所示。

表5SLM模型的ML估計(jì)結(jié)果

模型回歸系數(shù)

標(biāo)準(zhǔn)差

統(tǒng)計(jì)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(tǒng)計(jì)檢驗(yàn)統(tǒng)計(jì)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(yàn)。

由表5和表6的估計(jì)結(jié)果，相對(duì)于OLS估計(jì)的經(jīng)典回歸模型，SLM和SEM的擬合優(yōu)度檢驗(yàn)值和對(duì)數(shù)似然函數(shù)值都有所提高，AIC和SC的值都相對(duì)變小。證明考慮了空間效應(yīng)以后，用極大似然法估計(jì)的模型有效地消除了金融集聚空間自相關(guān)和空間誤差的存在。

表6SEM模型的ML估計(jì)結(jié)果

模型回歸系數(shù)

標(biāo)準(zhǔn)差

統(tǒng)計(jì)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(tǒng)計(jì)檢驗(yàn)統(tǒng)計(jì)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(yàn)。

3.回歸結(jié)果分析

表5中，SLM中的參數(shù)通過了1%的顯著性檢驗(yàn)，說明由當(dāng)期區(qū)域創(chuàng)新、經(jīng)濟(jì)基礎(chǔ)、對(duì)外開放以及人力資本決定的金融集聚在省域之間已經(jīng)形成了顯著地正的空間擴(kuò)散（溢出）效應(yīng)。同時(shí)，在表6中，SEM中的參數(shù)也通過了1%的顯著性檢驗(yàn)，說明由初期的區(qū)域創(chuàng)新、政府財(cái)政收入、對(duì)外開放以及人力資本所決定的金融產(chǎn)業(yè)集聚在省域之間具有較強(qiáng)的空間依賴作用。由此，我們可以得出，我國(guó)現(xiàn)階段金融產(chǎn)業(yè)的發(fā)展確實(shí)存在空間依賴性和空間溢出效應(yīng)，與假設(shè)1預(yù)期一致。

SLM中的4個(gè)解釋變量選取的是07年的數(shù)據(jù)，反映的是解釋變量對(duì)被解釋變量的當(dāng)期作用。而SEM中的4個(gè)自變量選取的是02年的數(shù)據(jù)，反映的是解釋變量對(duì)被解釋變量的跨期影響作用。下面根據(jù)表5、表6的回歸結(jié)果，對(duì)解釋變量的4個(gè)假說進(jìn)行檢驗(yàn)分析。

在SLM中，區(qū)域創(chuàng)新水平對(duì)金融集聚有穩(wěn)健地正向影響作用，與假設(shè)2的預(yù)期一致。實(shí)證結(jié)果表明當(dāng)期區(qū)域創(chuàng)新水平每增加1%，金融集聚度就會(huì)增加0.33%。技術(shù)創(chuàng)新能力(尤其是金融創(chuàng)新能力)越強(qiáng)，金融機(jī)構(gòu)的管理水平和運(yùn)行效率就會(huì)得到不斷的提高，從而促進(jìn)金融業(yè)的發(fā)展。而在SEM中，初期的區(qū)域創(chuàng)新水平對(duì)金融產(chǎn)業(yè)集聚有顯著地負(fù)向作用。這是因?yàn)?，在期初，區(qū)域創(chuàng)新的水平比較低，且知識(shí)的傳播比較慢，難以實(shí)現(xiàn)知識(shí)信息的共享，因而抑制了金融產(chǎn)業(yè)在省域間的集聚，而隨著時(shí)間的推移，區(qū)域創(chuàng)新的水平不斷提高，逐漸發(fā)達(dá)的信息傳播技術(shù)也使創(chuàng)新知識(shí)和技術(shù)在區(qū)域內(nèi)得到共享，進(jìn)而使得區(qū)域創(chuàng)新對(duì)金融產(chǎn)業(yè)集聚的影響作用逐漸從負(fù)向影響轉(zhuǎn)到顯著地正向促進(jìn)。

經(jīng)濟(jì)基礎(chǔ)指標(biāo)在SLM和SEM兩個(gè)模型中都對(duì)金融產(chǎn)業(yè)集聚產(chǎn)生了極強(qiáng)的正效應(yīng)。實(shí)證結(jié)果表明，當(dāng)期政府財(cái)政收入占GDP的比重每增加1%，金融產(chǎn)業(yè)集聚度就會(huì)增加20.77%。初期政府財(cái)政收入占GDP的比重每增加1%，金融產(chǎn)業(yè)集聚度就會(huì)增加18.43%。政府財(cái)政收入占GDP的比重這一指標(biāo)，反映了一個(gè)地區(qū)的經(jīng)濟(jì)基礎(chǔ)。經(jīng)濟(jì)基礎(chǔ)主要通過影響社會(huì)對(duì)金融業(yè)的需求從而影響金融業(yè)的發(fā)展水平，這就促進(jìn)了金融產(chǎn)業(yè)在區(qū)域內(nèi)的蓬勃發(fā)展，并通過市場(chǎng)競(jìng)爭(zhēng)促進(jìn)金融集聚。因此，經(jīng)濟(jì)基礎(chǔ)對(duì)金融集聚有顯著地促進(jìn)作用，即與假設(shè)3的說法一致。

在SLM中，對(duì)外開放變量未能通過5%的顯著性檢驗(yàn)，說明當(dāng)期的對(duì)外開放對(duì)金融產(chǎn)業(yè)集聚的影響不顯著。但在SEM中，對(duì)外開放卻對(duì)金融集聚有顯著地促進(jìn)作用，并表明在初期對(duì)外開放程度每增加1%，就對(duì)金融產(chǎn)業(yè)集聚有9.74%的貢獻(xiàn)。這說明在期初，對(duì)外開放程度的擴(kuò)大確實(shí)對(duì)金融集聚產(chǎn)生了一定的促進(jìn)作用，但隨著時(shí)間的推移，我國(guó)對(duì)外開放水平的提高程度不能滿足金融業(yè)發(fā)展需求，同時(shí)，我國(guó)金融業(yè)對(duì)國(guó)外資金、技術(shù)和先進(jìn)管理方法的引進(jìn)和吸收力度也不足，因而使得當(dāng)期的對(duì)外開放程度對(duì)金融產(chǎn)業(yè)集聚的影響不顯著，但不能就此否認(rèn)對(duì)外開放對(duì)金融集聚的促進(jìn)作用。

人力資本變量盡管在SLM中沒有對(duì)金融集聚產(chǎn)生顯著地影響，但在SEM中卻對(duì)金融集聚有顯著地促進(jìn)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(shí)對(duì)金融集聚產(chǎn)生了穩(wěn)健的促進(jìn)作用。金融業(yè)是人力資本密集型產(chǎn)業(yè)，相比其他產(chǎn)業(yè)，金融業(yè)從業(yè)人員的素質(zhì)、人力資源狀況對(duì)金融產(chǎn)出的影響更大。當(dāng)期人力資本水平對(duì)當(dāng)期的金融集聚作用不顯著，只能說明人力資本對(duì)金融集聚的促進(jìn)作用仍需要一個(gè)隨時(shí)間的推移來吸收和消化的過程，而不是立即顯現(xiàn)的。因此，可得出結(jié)論，即人力資本確實(shí)對(duì)省域金融集聚起到了一定的促進(jìn)作用，進(jìn)而驗(yàn)證了假設(shè)5的成立。

五、結(jié)論及政策含義

本文以區(qū)域創(chuàng)新為核心變量，經(jīng)濟(jì)基礎(chǔ)、對(duì)外開放、人力資本等3個(gè)變量為控制變量，構(gòu)建金融集聚影響因素空間計(jì)量模型對(duì)我國(guó)28個(gè)省域金融集聚影響因素進(jìn)行了實(shí)證研究，得到的結(jié)論及政策含義如下：

1.我國(guó)金融集聚現(xiàn)象在截面單元上具有空間自相關(guān)性，各省份之間形成了較強(qiáng)的空間依賴作用和正的空間溢出效應(yīng)。金融集聚在我國(guó)省域間形成的正的空間溢出效應(yīng)，說明周圍相鄰省域金融產(chǎn)業(yè)的發(fā)展能促進(jìn)本省域金融產(chǎn)業(yè)的發(fā)展。因此，基于中國(guó)現(xiàn)階段各省域之間金融集聚的發(fā)展現(xiàn)狀，各省域應(yīng)加強(qiáng)相鄰省域間的區(qū)域金融合作，促進(jìn)金融資源在區(qū)域間的自由流動(dòng)，進(jìn)而促進(jìn)其在更大范圍內(nèi)的優(yōu)化配置，實(shí)現(xiàn)金融市場(chǎng)一體化，進(jìn)一步發(fā)揮金融在資源配置中的導(dǎo)向作用。

2.區(qū)域創(chuàng)新是影響金融集聚的核心變量，區(qū)域創(chuàng)新水平對(duì)金融集聚有顯著地促進(jìn)作用，這種作用將隨創(chuàng)新水平的不斷提高而逐漸增強(qiáng)。在期初，我國(guó)各地區(qū)區(qū)域創(chuàng)新（主要是金融創(chuàng)新水平）還不夠高，信息傳播技術(shù)比較落后，因而對(duì)金融集聚產(chǎn)生了一定的抑制作用，但隨著時(shí)間的推移和信息技術(shù)的高速發(fā)展，金融服務(wù)業(yè)的信息化、網(wǎng)絡(luò)化趨勢(shì)日益顯著，使得知識(shí)和技術(shù)創(chuàng)新在相鄰區(qū)域內(nèi)實(shí)現(xiàn)資源共享，進(jìn)而促進(jìn)了區(qū)域創(chuàng)新水平的不斷提高，其對(duì)金融產(chǎn)業(yè)集聚的影響作用也逐漸由負(fù)作用轉(zhuǎn)變?yōu)檎蝻@著的促進(jìn)效應(yīng)。因此，我國(guó)各地區(qū)應(yīng)加強(qiáng)對(duì)金融業(yè)的研發(fā)投入，不斷開發(fā)金融新產(chǎn)品，提高技術(shù)創(chuàng)新，尤其是金融創(chuàng)新水平。同時(shí)在運(yùn)作管理、業(yè)務(wù)革新上進(jìn)行大膽創(chuàng)新，不斷降低運(yùn)營(yíng)成本，提高工作效率，增強(qiáng)金融機(jī)構(gòu)的競(jìng)爭(zhēng)力，促進(jìn)金融業(yè)在省域間的集聚，進(jìn)而優(yōu)化資源配置，促進(jìn)區(qū)域產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。

3.控制變量中，經(jīng)濟(jì)基礎(chǔ)對(duì)金融集聚一直有顯著的促進(jìn)作用。隨著中國(guó)改革開放的不斷深入，區(qū)域經(jīng)濟(jì)差異不斷擴(kuò)大，經(jīng)濟(jì)發(fā)展比較好的地區(qū)其金融集聚度也比較高，如北京、上海作為全國(guó)的經(jīng)濟(jì)中心，綜合財(cái)政狀況明顯優(yōu)于其他省市，是我國(guó)金融業(yè)最發(fā)達(dá)的兩大城市，其金融集聚度非常高。

對(duì)外開放水平在期初對(duì)金融產(chǎn)業(yè)集聚有顯著地正效應(yīng)，但由于我國(guó)現(xiàn)階段對(duì)外開放程度不能滿足金融業(yè)發(fā)展的需要，尤其在金融業(yè)的對(duì)外開放上限制仍然較多，使得這種正效應(yīng)隨著時(shí)間的推移逐漸弱化?；谖覈?guó)現(xiàn)階段的發(fā)展?fàn)顩r，逐步放寬政策限制，加大金融對(duì)外開放程度仍提升金融集聚競(jìng)爭(zhēng)力的必然選擇。

人力資本在期初對(duì)金融集聚有顯著地促進(jìn)作用，但在當(dāng)期對(duì)金融集聚影響不顯著，這說明人力資本作用的發(fā)揮需要有一個(gè)吸收和消化的過程。目前，我國(guó)對(duì)高水平人力資本，尤其是對(duì)高素質(zhì)金融人才的需求還比較大，因此各地區(qū)應(yīng)著力加強(qiáng)高層次金融人才的吸引和培養(yǎng)力度，為金融發(fā)展積聚更多有用人才。

本文構(gòu)建的以區(qū)域創(chuàng)新為核心變量的金融集聚影響因素空間計(jì)量模型可以進(jìn)行多角度的擴(kuò)展和應(yīng)用。比如在控制變量中，還可以將各省域固定資產(chǎn)投資水平、金融業(yè)從業(yè)人員數(shù)、政府干預(yù)、制度環(huán)境等因素納入進(jìn)來，以進(jìn)行更細(xì)致全面的考察。當(dāng)然，本文主要是從空間維度特征方面對(duì)金融集聚影響因素進(jìn)行探索，對(duì)其在時(shí)間維度方面的特征考慮的還不夠。在對(duì)權(quán)重的選擇上，只考慮了地理距離，而沒有考慮經(jīng)濟(jì)距離，這也對(duì)本文的實(shí)證結(jié)果產(chǎn)生了一定的影響。這也將是我們?cè)诮窈蟮难芯恐行璨粩喔倪M(jìn)和加強(qiáng)的地方。

參考文獻(xiàn)

[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(chǎn)業(yè)集聚論:金融中心形成的理論與實(shí)踐解析[M]，北京:中社會(huì)科學(xué)出版社，2006.

[7]張鳳超，王亞范.關(guān)于區(qū)域金融成長(zhǎng)的理性探討[J].吉林財(cái)稅高等專科學(xué)校學(xué)報(bào).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(xiàn)．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(jīng)濟(jì)增長(zhǎng)集聚與差異:空間計(jì)量經(jīng)濟(jì)實(shí)證分析[J].世界經(jīng)濟(jì)文匯.2007.2:39.

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

附表

我國(guó)28個(gè)省域金融集聚區(qū)位熵系數(shù)

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(nèi)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