茍小菊, 牛傳濤
(中國科學技術大學 管理學院, 安徽 合肥 230026)
?
金融集聚與江淮城市群城鎮(zhèn)化空間計量分析
茍小菊, 牛傳濤
(中國科學技術大學 管理學院, 安徽 合肥 230026)
摘要:基于江淮城市群2002—2012年10個城市面板數(shù)據,構建金融集聚和人口城鎮(zhèn)化相關的指標體系,通過計算金融集聚Moran’s I得出江淮城市群具有空間正相關關系,并以此建立了金融集聚和人口城鎮(zhèn)化空間滯后模型和空間誤差模型。結果顯示,江淮城市群金融集聚對人口城鎮(zhèn)化發(fā)展有促進作用,且處于上升發(fā)展趨勢??刂谱兞咳丝诿芏?、二三產業(yè)從業(yè)人員比率對人口城鎮(zhèn)化的發(fā)展有一定影響。
關鍵詞:金融集聚; 城鎮(zhèn)化; 空間滯后模型; 空間誤差模型; 金融區(qū)位熵
人口城鎮(zhèn)化的發(fā)展, 其實質是人口經濟活動的轉移過程,這個經濟活動的過程缺少不了金融體系的支持。金融支持體系的構建也離不開金融產業(yè)的集聚和擴散效應,全球經濟一體化和金融業(yè)集聚的迅速發(fā)展,使得區(qū)域的發(fā)展和金融機構之間存在極為緊密的互動關系。金融產業(yè)的空間凝聚形成產業(yè)集群效應,進而推動了經濟的發(fā)展,經濟的發(fā)展帶動了城鎮(zhèn)化的快速前進,反過來又加快了金融產業(yè)的發(fā)展。文章以江淮城市群為例,研究金融集聚與城鎮(zhèn)化的關系,這對其他城市群的發(fā)展有著借鑒意義。
一、研究綜述
目前,國內有關金融集聚的研究主要集中在金融支持體系存在的問題、金融集聚如何支持城鎮(zhèn)化建設等,巴曙松等對當前中國城鎮(zhèn)化融資現(xiàn)狀及發(fā)展趨勢作了分析,根據城鎮(zhèn)化建設具體項目的分類、特性、未來收益狀況和風險水平,探索適合地方政府本身實際的長期融資模式,如資產證券化、市政債券、公私合作等。[1]金融集聚使集聚區(qū)內部的金融產業(yè)和相關產業(yè)聯(lián)系更加緊密。金融發(fā)展通過作用于產業(yè)結構變動的內在機制對產業(yè)結構的調整與產業(yè)水平的提升產生重要影響。[2]李林通過對中國金融集聚的空間計量分析,發(fā)現(xiàn)中國金融集聚呈現(xiàn)出一定的空間相關性,金融發(fā)展受限制,要想在城鎮(zhèn)化的發(fā)展中做出貢獻應該放寬金融市場準入,健全金融體系 。[3]中國人民銀行天津分行課題組分別從國家層面、省際層面對城鎮(zhèn)化、經濟增長與金融服務的關系進行了實證研究,指出中國城鎮(zhèn)化進程對經濟增長具有較為顯著的促進作用,同時金融服務對于城鎮(zhèn)化進程則需要進一步的加強。[4]這些研究成果的出現(xiàn)極大地促進了金融集聚理論的發(fā)展 , 但這些研究盡管認識到金融集聚與空間因素極為相關,但仍停留在對金融集聚機理的理論研究上,缺乏相應的數(shù)量模型和經驗實證,未將金融集聚空間維度的相關性和異質性納入實證研究。
金融集聚本身是一種產業(yè)演化過程中的地理空間現(xiàn)象,具有極強的空間自相關性。不同國家或地區(qū)間的空間差異非常明顯,采用傳統(tǒng)回歸分析方法解釋金融集聚現(xiàn)象往往會掩蓋這種十分顯著的空間差異。[5]與以往研究不同,文章在納入空間效應的前提下,借鑒國內外已有研究的基礎上, 以2002—2012年數(shù)據為基礎,對江淮城市群金融集聚和城鎮(zhèn)化的關系進行空間計量分析。
二、 空間計量經濟模型構建
(一)變量選擇
因變量指標。文章采用城鎮(zhèn)化率,它是一個城鎮(zhèn)經濟發(fā)展的重要標志,同時也反映了人口向城市聚集的過程。
(1)
自變量指標主要分為核心解釋變量和控制變量。
核心解釋變量選擇可以代表金融集聚程度的金融區(qū)位熵系數(shù),可用來衡量中國各省域的金融業(yè)集聚程度,反映各地區(qū)金融部門的專業(yè)化程度,計算公式為
(2)
其中:Gij為區(qū)域i內產業(yè)j的就業(yè)人數(shù);Gi為區(qū)域i內的總就業(yè)人數(shù);Gkj為國家或省份k內產業(yè)j的總就業(yè)人數(shù);Gk為國家或省份k內的總就業(yè)人數(shù)。
控制變量主要有人口密度(PD)、二三產業(yè)從業(yè)人員數(shù)量比(IPR)。人口密度是指單位面積土地上居住的人口數(shù),是表示區(qū)域內人口密集程度的指標,用區(qū)域人口數(shù)量與土地面積的比值表示。二三產業(yè)從業(yè)人員數(shù)量比是二三產業(yè)從業(yè)人員數(shù)量/年末總人口數(shù)。
(二)模型設定
根據以上變量選擇,文章的線性模型形式設定如下:
U=α+β1LQ+β2PD+β3IPR+ε
(3)
其中:β為回歸參數(shù);ε為隨機誤差項。被解釋變量U為江淮城市群10個城市的人口城鎮(zhèn)化率;文章的核心解釋變量是金融區(qū)位熵系數(shù),用LQ表示;在控制變量中,PD為人口密度,IPR為二三產業(yè)從業(yè)人口比率。
(三)空間計量模型
由于文章使用空間計量方法,所以要按照空間計量經濟學的分析方法:首先采用Moran指數(shù)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, 則建立空間計量經濟模型進行金融集聚與城鎮(zhèn)化的估計和檢驗。
1. Mroan’s I指數(shù)
作為與傳統(tǒng)計量經濟學的重要區(qū)別之一,空間計量經濟學引入了空間權重矩陣,這是進行空間計量分析的前提和基礎。文章選用比較常見的空間相鄰矩陣,其構造準則如下:
檢驗空間自相關系數(shù)常用方法是使用Moran’s I。為了檢驗江淮城市群金融集聚現(xiàn)象是否存在空間自相關性, 運用空間自相關指數(shù)Moran’s I, 計算公式為
Moran’sI=
(4)
Mroan’sI指數(shù)可看作各地區(qū)觀測值的乘積和,其取值范圍在-1~1之間,若各地區(qū)間經濟行為為空間正相關,其數(shù)值應當較大;負相關則較小。以金融集聚指標為例,當目標區(qū)域數(shù)據在空間區(qū)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(qū)域數(shù)據不同尋常地具有不相似的屬性值時,就呈現(xiàn)為負的空間自相關性;零空間自相關性出現(xiàn)在當屬性值的分布與區(qū)位數(shù)據的分布相互獨立時。[6]Z的計算公式為
(5)
如果Mroan’sI的正態(tài)統(tǒng)計量的Z值均大于正態(tài)分布函數(shù)在0.05(或0.01)水平下的臨界值1.65(或1.96),則表明變量在空間分布上存在明顯的正向相關關系。在給定的顯著性水平下,若Mroan’sI不僅顯著而且是正的,則表示相鄰地區(qū)的類似特征值存在集群趨勢。反過來,如果Mroan’sI僅顯著而且是負的,則表明相鄰地區(qū)的觀測值存在非常顯著的差異。[7]
2.空間計量模型設定
文章采用江淮城市群2002年—2012年 10個市的面板數(shù)據為研究對象,建立空間計量模型,分析金融集聚與人口城鎮(zhèn)化的作用機制??臻g計量模型適用于截面數(shù)據的空間常系數(shù)回歸模型,包括空間滯后模型(SpatialLagModel,SLM)與空間誤差模型(SpatialErrorModel,SEM) 。
空間滯后模型為
Yit=αit+ρWYit+Xitβit+μitε~N[0,σ2]
(6)
其中:Y為因變量;X為解釋變量;W為空間權重矩陣β為的參數(shù)向量;ρ為空間滯后項WY的參數(shù),其衡量觀測值之間的空間相互作用程度;μ為白噪聲干擾項。
空間誤差模型為
Yit=αit+Xitβit+μit
μit=λWμit+εitε~N[0,σ2I]
(7)
其中:μ為回歸殘差向量;λ為自回歸參數(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Y對本地區(qū)觀察值Y的影響程度,當?shù)貐^(qū)之間的相互作用因所處的相對位置不同而存在差異時,則采用空間誤差模型。[8]
鑒于數(shù)據的可得性以及比較上的方便,文章仍以江淮城市群10個市為研究對象,時間跨度定為 2002—2012 年,相關數(shù)據來源于2002—2012 年各期的《城市統(tǒng)計年鑒》和EPS全球金融數(shù)據庫。實證研究主要借助于MATLAB2011b和EVIEWS2個軟件完成。
三、實證結果分析
(一)金融集聚水平測量方法
文章用金融區(qū)位熵來表示金融集聚水平,即江淮城市群各市的金融部門從業(yè)人數(shù)占該地區(qū)總就業(yè)人數(shù)的比例與全國金融部門就業(yè)人數(shù)占全國總就業(yè)人數(shù)的比例之比來測算。區(qū)位熵值越大,表明該地區(qū)的金融業(yè)集聚程度越高。[9]經測算江淮城市群金融區(qū)位熵如表1所示。
從表1中可以看出,除2002年和2003年江淮城市群個別城市金融區(qū)位熵系數(shù)較高外,其他年份江淮城市群金融集聚程度都是具有上升趨勢的。但江淮城市群整體的金融集聚程度偏低,除了合肥市、蕪湖市、馬鞍山市、銅陵市4個地區(qū)的具有較高的金融區(qū)位熵系數(shù),其他幾個城市普遍處于剛剛進入集聚發(fā)展的狀態(tài)。從整個趨勢來看,是呈上升狀態(tài),這說明江淮城市群已經形成金融機構較為集中且具有一定影響力,并正逐漸走向成熟金融集聚態(tài)勢。
表1 金融區(qū)位熵
(二)人口城鎮(zhèn)化水平衡量
人口城鎮(zhèn)化水平是當前國際上通行的衡量一個國家或地區(qū)人口城鎮(zhèn)化水平的重要指標。根據以上公式測得江淮城市群人口城鎮(zhèn)化水平如表2所示。
由表2可以看出,2002—2012年,江淮城市群人口城鎮(zhèn)化率是處于上升趨勢,其中最高為銅陵,其次淮南、合肥、蕪湖、馬鞍山,人口城鎮(zhèn)化率最低的是六安市。從2011年和2012年數(shù)據可以看到蕪湖、馬鞍山、合肥數(shù)據有減少趨勢,可能是巢湖被一分為三的原因。
(三)江淮城市群金融集聚空間自相關性檢驗
文章采用0-1空間鄰接矩陣重矩陣,結果如表3所示。
根據以上利用空間鄰接矩陣重矩陣,計算2002—2012 年江淮城市群10個城市的、金融區(qū)位熵、金融從業(yè)人數(shù)、金融相關比率Moran’s I 指數(shù), 結果如表4所示。
表2 非農業(yè)人口占總人口比率
表3 江淮城市群空間權重矩陣
表4 金融區(qū)位熵、金融從業(yè)人數(shù)、金融相關比率Mroan’s I
注:***,**,*分別為統(tǒng)計量檢驗結果的顯著性水平為 0.01,0.05,0.1,表5同。
通過表4的Mroan’s I反應江淮城市群金融集聚經過檢驗存在空間自相關關系,傳統(tǒng)的相關性分析方法沒有考慮空間自相關性,可能會得出與實際不符的虛假結論,導致誤差較大,因此,必須使用空間計量方法研究金融集聚和人口城鎮(zhèn)化相關關系。
(四)空間計量模型實證結果分析
使用Matlab進行數(shù)據分析,結果如表5所示。
根據表5中空間滯后和空間誤差的檢驗結果,筆者得出以下結論:
1.模型的修正擬合優(yōu)度 Rbar-squared值都很大,最小的也達到了0.795 7,且以上模型的對數(shù)似然函數(shù)值Log-likelihood的絕對值也都比較大。由表5可以看出所有考慮空間固定效應和時空固定效應的模型,其Rbar-squared均高達 0.96 以上,這亦證明了考慮空間相關性模型的擬合效果比沒有考慮空間相關性的模型好。
2.對于空間滯后模型,根據Rbar-squared和Log-likelihood以及系數(shù)顯著性的比較,可以看出其空間固定效應模型要優(yōu)于其他3個模型。同理,空間誤差模型的4個模型比較來看,也是空間固定效應模型優(yōu)于其他3個模型。進一步說明考慮空間相關性,并選用空間計量模型來進行實證分析是一個正確的選擇。[10]
3.表5中 W*dep.var.和spat.aut.的系數(shù)即是空間滯后和誤差模型中的ρ和λ,他們是用來衡量樣本觀察值中的空間依賴程度的,觀察8種模型,發(fā)現(xiàn)其都達到了 0.01 的顯著性水平,進一步驗證了各指標數(shù)據空間相關性的存在,表明江淮城市群人口城鎮(zhèn)化和金融集聚在鄰近市區(qū)之間有很強的空間依賴關系和空間溢出效應。
4.在以上8種模型中,可以發(fā)現(xiàn)空間誤差模型中的空間固定效應模型的擬合效果最好,為此選取此模型來進行實證分析。從該模型的金融區(qū)位熵、人口密度的系數(shù)較大、二三產業(yè)從業(yè)人員比率系數(shù)較小,可以說明金融集聚對人口城鎮(zhèn)化有積極的推動作用,但是貢獻度稍有差別。
表5 模型估計結果
四、結論及政策建議
通過金融集聚和人口城鎮(zhèn)化空間計量結果分析發(fā)現(xiàn):江淮城市群城鎮(zhèn)化進程與金融發(fā)展水平之間是一種長期的正相關關系。由此可以得出,在長期內它們是同向發(fā)展變化的。由固定時空效應系數(shù)可看出金融集聚區(qū)位熵和人口密度對人口城鎮(zhèn)化影響更大。這表明金融發(fā)展對人口城鎮(zhèn)化存在正向的促進作用,即金融對城鎮(zhèn)化進程具有促進功能,但是在從二三產業(yè)從業(yè)人口數(shù)量上來看,其對人口城鎮(zhèn)化的的效應并不明顯,沒有發(fā)揮其應有的功效。鑒于江淮城市群的人口城鎮(zhèn)化以及金融產業(yè)發(fā)展的現(xiàn)狀,提供以下可供參考的建議。
(一)加大江淮城市群人口城鎮(zhèn)化發(fā)展的步伐,
進行戶籍制度改革
由表2的城鎮(zhèn)化率可以看出,相對全國的52.57%城鎮(zhèn)化率水平來說,除了合肥市、蕪湖市、馬鞍山市、銅陵市幾個市人口城鎮(zhèn)化率較高,其他幾個市人口城鎮(zhèn)化率水平相差太遠。從實驗分析結果可以看出,人口密度對城鎮(zhèn)化影響較大,所以要加快人口城鎮(zhèn)化步伐,應當加大力度要進行戶籍制度改革,實現(xiàn)農村人口到城市人口的轉變。
(二)健全江淮城市群金融支持體系以服務新型城鎮(zhèn)化
江淮城市群的金融區(qū)位熵對人口城鎮(zhèn)化的貢獻已逐步體現(xiàn),因此,要加快新型城鎮(zhèn)化的進程,應大力發(fā)展金融產業(yè)。逐步放寬政策限制,吸引國內外金融機構進入,擴大對外開放與交流,增強金融對外開放程度是提升各省域金融集聚競爭力的必然選擇。
(三)加快金融產業(yè)集聚,合理引導金融資源形成優(yōu)勢互補
從發(fā)達城市的發(fā)展歷史可以看出,在金融集聚初期,金融資源給金融主體帶來了較大收益,但是隨著金融資源集聚超過金融中心承載力,金融資源逐步向外圍地區(qū)擴散,最終對周圍城市產生金融溢出效應。[2]7—11從目前江淮城市群較低的金融擴散度可以看出,該城市群總體還處于金融集聚發(fā)展時期,金融資源還沒有產生溢出效應。因此,應該加強金融產業(yè)集聚,政府應予以引導這些資源,以實現(xiàn)金融產業(yè)對周邊地區(qū)產生輻射效應。
參考文獻:
[1] 巴曙松,王勁松,李琦. 從城鎮(zhèn)化角度考察地方債務與融資模式[J]. 中國金融,2011(19):20—22.
[2] 孫晶,李涵碩.金融集聚與產業(yè)結構升級——來自2003—2007年省際經濟數(shù)據實證[J].經濟學家,2012(3):80—86.
[3] 李林,丁藝,劉志華. 金融集聚對區(qū)域經濟增長溢出作用的空間計量分析[J]. 金融研究,2011(5):113—123.
[4] 中國人民銀行天津分行課題組. 城鎮(zhèn)化、經濟增長與金融支持問題研究[J]. 天津經濟,2013(1):32—36.
[5] 陳立泰,劉倩. 我國西部地區(qū)金融集聚與城鎮(zhèn)化互動關系實證分析[J]. 城市問題,2012(9):17—22.
[6] 任英華,徐玲,游萬海. 金融集聚影響因素空間計量模型及其應用[J]. 數(shù)量經濟技術經濟研究,2010(5):104—115.
[7] 楊勇. 中國與發(fā)達國家經濟增長的資源環(huán)境依賴差異[J]. 北京航空航天大學學報:社會科學版,2012,26(5):66—71.
[8] 劉軍,黃解宇,曹利軍. 金融集聚影響實體經濟機制研究[J]. 管理世界,2007(4):152—153.
[9] REY S J, MONTOURI B D.US regional income convergence: Aspatial econometric perspective[J].Regional Studies, 2003:143—156.
[10] 潘輝,冉光和,張冰,等. 金融集聚與實體經濟增長關系的區(qū)域差異研究[J]. 經濟問題探索,2013(5):102—107.
Spatial Econometric Analysis of Financial Agglomeration and Urbanization of Jianghuai Urban
GOUXiaoju,NIUChuantao
(School of Management, University of Science and Technology of China, Hefei Anhui 230026, China)
Abstract:The present paper collects a database of 10 cities in Jianghuai urban agglomeration from 2002 to 2012 and constructs a target system of financial agglomeration, financial diffusion and urbanization of population. By conducting financial agglomeration, Moran’s I argued that cities in Jianghuai urban agglomeration have a spatial positive correlation relationship. Based on this, Spatial Lag Model and Spatial Error Model were constructed. The results indicate that financial agglomeration of Jianghuai urban agglomeration has a positive effect on urbanization of population. Besides, the positive effects become more and more apparent. Density of population and employees work in secondary and tertiary industry, playing as control variables, have a strong influence on urbanization of population.
Key words:financial agglomeration; urbanization; Spatial Lag Model; Spatial Error Model; financial location quotient
中圖分類號:F062.4
文獻標志碼:A
文章編號:1008-2204(2016)01-0098-06
作者簡介:茍小菊(1962—),女,天津人,教授,博士,研究方向為金融衍生品、空間經濟學等.
收稿日期:2014-09-09
DOI:10.13766/j.bhsk.1008-2204.2014.0428