中國金融科技發(fā)展的空間集聚與經(jīng)濟(jì)增長效應(yīng)
——基于全國30省份面板數(shù)據(jù)的空間計(jì)量

石丹，余放

(武漢理工大學(xué) 經(jīng)濟(jì)學(xué)院，湖北 武漢 430070 )

一、引 言

隨著互聯(lián)網(wǎng)金融、區(qū)塊鏈、大數(shù)據(jù)、云計(jì)算等技術(shù)的快速發(fā)展，金融科技逐漸受到人們的廣泛關(guān)注，成為學(xué)者們研究的熱點(diǎn)。相對于傳統(tǒng)金融，金融科技跨時空的便利性擺脫了金融服務(wù)對傳統(tǒng)商業(yè)銀行物理網(wǎng)點(diǎn)和人員的依賴，大幅降低了交易成本[1]。在金融科技的支撐下，金融機(jī)構(gòu)不僅可以對用戶進(jìn)行精準(zhǔn)畫像，降低信息不對稱帶來的金融風(fēng)險，還能通過定制化的金融服務(wù)，提升用戶的體驗(yàn)，有效提升了金融服務(wù)的質(zhì)量[2]。2017年，工商銀行、農(nóng)業(yè)銀行、中國銀行、建設(shè)銀行分別與京東、百度、騰訊、阿里巴巴四大互聯(lián)網(wǎng)巨頭達(dá)成合作，使金融科技助力傳統(tǒng)金融機(jī)構(gòu)轉(zhuǎn)型升級成為行業(yè)關(guān)注的焦點(diǎn)。鑒于此，中國人民銀行印發(fā)的《金融科技(FinTech)發(fā)展規(guī)劃(2019—2021年)》將大數(shù)據(jù)、云計(jì)算、人工智能納入發(fā)展框架，金融科技成為提升金融服務(wù)的質(zhì)量和效率，推動實(shí)體經(jīng)濟(jì)健康可持續(xù)發(fā)展的重要抓手。

各地區(qū)科技和金融創(chuàng)新水平的差異導(dǎo)致各省份金融科技發(fā)展水平參差不齊，迫切需要一套能全面反映省域金融科技發(fā)展現(xiàn)狀的指標(biāo)體系。一方面，編制省域金融科技指數(shù)可以幫助政府、金融科技從業(yè)者和投資者了解地區(qū)金融科技行業(yè)的整體發(fā)展?fàn)顩r，為投融資活動提供更專業(yè)的指導(dǎo)和方向；另一方面，可以讓當(dāng)?shù)卣浞至私飧鞯貐^(qū)金融科技發(fā)展的薄弱環(huán)節(jié)，并制定針對性的改進(jìn)方案。此外，技術(shù)帶來的金融創(chuàng)新可以提升經(jīng)濟(jì)發(fā)展的效率，對經(jīng)濟(jì)增長具有一定的推動作用，研究金融科技對經(jīng)濟(jì)增長的影響具有重要的理論與現(xiàn)實(shí)意義。

二、文獻(xiàn)綜述

目前，金融科技作為一個新型產(chǎn)業(yè)得到了較快的發(fā)展，但仍未被明確劃分。2016年，金融穩(wěn)定理事會首次在國際層面提出金融科技的定義，即技術(shù)帶來的金融創(chuàng)新，它能夠產(chǎn)生全新的商業(yè)模式，并對金融市場、金融機(jī)構(gòu)、金融產(chǎn)品及服務(wù)等產(chǎn)生重大影響。關(guān)于金融科技的形態(tài)，目前存在橫向和縱向兩種劃分方法。橫向分類法基于截面思維，將金融科技分為支付結(jié)算、存貸款與資本籌集、投資管理、市場設(shè)施四種業(yè)態(tài)?？v向分類法考慮金融與科技的融合程度，把金融科技劃分為不同的歷史階段。例如，巴曙松等[3]認(rèn)為，金融科技的發(fā)展經(jīng)歷了三個階段，即金融業(yè)IT階段、互聯(lián)網(wǎng)金融階段和金融科技階段。具體地，金融業(yè) IT階段，即通過IT軟硬件技術(shù)提升實(shí)現(xiàn)金融業(yè)辦公和業(yè)務(wù)的電子化；互聯(lián)網(wǎng)金融本質(zhì)上是對傳統(tǒng)金融渠道的變革，為金融業(yè)搭建在線業(yè)務(wù)平臺；金融科技階段充分利用大數(shù)據(jù)、云計(jì)算、人工智能、區(qū)塊鏈等技術(shù)，顛覆了傳統(tǒng)金融機(jī)構(gòu)的信息來源、風(fēng)險定價模型、投資決策過程、信用中介角色等，有效提升金融服務(wù)的質(zhì)量。

在學(xué)術(shù)研究方面，國內(nèi)對金融科技的研究主要圍繞互聯(lián)網(wǎng)金融展開。2015年，北京大學(xué)互聯(lián)網(wǎng)金融研究中心課題組構(gòu)建了互聯(lián)網(wǎng)金融發(fā)展指數(shù)，將互聯(lián)網(wǎng)金融劃分為支付、貨幣基金、信貸、保險、投資理財和征信六大板塊，并分別制定基于業(yè)務(wù)廣度和深度的指數(shù)體系。沈悅等[4]運(yùn)用文本挖掘法構(gòu)建了互聯(lián)網(wǎng)金融指數(shù)。此外，納斯達(dá)克和深交所發(fā)布了金融科技上市公司股價指數(shù)。汪可等[5]運(yùn)用文本挖掘法根據(jù)金融功能觀從支付結(jié)算、資源配置、風(fēng)險管理、信息傳遞和技術(shù)基礎(chǔ)五個方面構(gòu)建了金融科技指數(shù)。零壹財經(jīng)采用問卷調(diào)查、主觀賦權(quán)等方法編制全球金融科技發(fā)展指數(shù)和全球金融科技評價指數(shù)。浙江互聯(lián)網(wǎng)金融聯(lián)合會根據(jù)金融科技產(chǎn)業(yè)(企業(yè)視角)、金融科技體驗(yàn)(用戶視角)、金融科技生態(tài)(政府視角)共16個指標(biāo)構(gòu)建了中國中心城市的金融科技指數(shù)。程成[6]通過整理金融類手機(jī)App的更新頻次及百度指數(shù)分別構(gòu)建了金融科技應(yīng)用指數(shù)和金融科技關(guān)注指數(shù)。丘晗等[7]運(yùn)用螞蟻金服用戶數(shù)據(jù)構(gòu)建數(shù)字金融普惠指數(shù)，檢驗(yàn)了金融科技的發(fā)展對銀行行為的影響。楊望等[8]參考瀚德金融科技研究院與中國人民大學(xué)金融科技研究所聯(lián)合開發(fā)的中國金融科技領(lǐng)軍人物與企業(yè)評價指數(shù)和百度指數(shù)合成金融科技指數(shù)。

通過文獻(xiàn)梳理發(fā)現(xiàn)，學(xué)者關(guān)于金融科技指數(shù)的研究成果已經(jīng)較為豐富，不足之處在于鮮有學(xué)者考慮地區(qū)金融發(fā)展水平的差異構(gòu)建省域金融科技指數(shù)來反映我國不同地區(qū)的金融科技發(fā)展水平。此外，從金融科技影響經(jīng)濟(jì)增長視角開展的研究也不足。更為重要的是，Marecelli等[9-10]指出,地方經(jīng)濟(jì)發(fā)展、金融基礎(chǔ)設(shè)施及服務(wù)存在一定的空間效應(yīng)，從這一角度研究金融科技的文獻(xiàn)更為匱乏。筆者在借鑒學(xué)者已有研究的基礎(chǔ)上，擬構(gòu)建2013—2018年中國30個省份的金融科技指數(shù)來反映省域金融科技發(fā)展水平的現(xiàn)狀和差距，進(jìn)一步引入全局Moran’s I指數(shù)和局域Moran’s I指數(shù)來檢驗(yàn)金融科技發(fā)展的空間相關(guān)性，最后構(gòu)建空間計(jì)量模型檢驗(yàn)中國金融科技對經(jīng)濟(jì)增長的影響，在此基礎(chǔ)上提出相應(yīng)的政策建議。

三、金融科技指標(biāo)體系構(gòu)建

(一)構(gòu)建關(guān)鍵詞詞庫

金融科技是一個正處于快速發(fā)展且仍未被明確劃分的行業(yè)，衡量金融科技發(fā)展水平的研究還有待豐富，筆者借助沈悅等[4]構(gòu)建互聯(lián)網(wǎng)金融指數(shù)的方法，采用“文本挖掘法”構(gòu)建金融科技指數(shù)。

在借鑒Merton等[11-12]從金融功能建立初始詞庫的基礎(chǔ)上，參考巴塞爾銀行監(jiān)管委員會對金融科技的四種分類，即支付結(jié)算、存貸款與資本籌集、投資管理、市場設(shè)施四個維度來構(gòu)建金融科技關(guān)鍵詞詞庫(如表1所示)。

表1 金融科技原始詞庫

(二)金融科技指數(shù)測算

通過整理2013—2018年的百度指數(shù)日數(shù)據(jù)，對當(dāng)年度的日數(shù)據(jù)進(jìn)行加總，得到相應(yīng)關(guān)鍵詞2013—2018年的年度詞頻，將其作為構(gòu)建金融科技指數(shù)的基礎(chǔ)，然后運(yùn)用熵權(quán)法合成金融科技指數(shù)，具體步驟如下：

1.為了消除各不同量綱和數(shù)量級的指標(biāo)對測量結(jié)果的影響，首先對各指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算公式為

(1)

式中，Bij、Aij、MAXij和MINij分別表示第i個指標(biāo)標(biāo)準(zhǔn)化處理后的值、實(shí)際測量值、最大值和最小值。

2.使用熵權(quán)法測量金融科技指數(shù)，公式為

(2)

式中，Wij和Bij表示指標(biāo)的比重和標(biāo)準(zhǔn)化處理后的值，i=1,2,3，…，n，n代表指標(biāo)的個數(shù)，j=1,2,3，…，m，m表示年份。

3.在確定各項(xiàng)指標(biāo)比重的基礎(chǔ)上計(jì)算第i個指標(biāo)的熵值

(3)

4.計(jì)算第i個指標(biāo)的差異系數(shù)

Fi=1-Ei

(4)

5.計(jì)算各個指標(biāo)的權(quán)重

(5)

6.最后計(jì)算得到各省份的金融科技指數(shù)

(6)

(三)金融科技指數(shù)分析

運(yùn)用MATLAB軟件得到2013—2018年全國30個省份(港澳臺及西藏除外)的金融科技平均指數(shù)(如圖1所示)，各地區(qū)的金融科技發(fā)展水平存在較大差異，大致可分為以下3種類型。

金融科技平均指數(shù)高于0.17的省份有北京、河北、廣東、江蘇等，這些省份的經(jīng)濟(jì)發(fā)展水平、科技創(chuàng)新和金融創(chuàng)新能力均排在全國前列，成為我國金融科技發(fā)展的增長極。其中，北京的金融科技發(fā)展水平最高。作為我國科技創(chuàng)新和金融創(chuàng)新的中心，北京的技術(shù)資本和人力資本等創(chuàng)新資源領(lǐng)先全國，區(qū)塊鏈、云計(jì)算、人工智能等金融科技企業(yè)數(shù)量名列前茅，這些絕對的領(lǐng)先優(yōu)勢為北京的金融科技技術(shù)開發(fā)和應(yīng)用打下堅(jiān)實(shí)基礎(chǔ)。在科研、教育、人力資源等方面，北京也擁有巨大優(yōu)勢地位，北京大學(xué)、清華大學(xué)、中國科學(xué)院大學(xué)和中央財經(jīng)大學(xué)等高校分別成立了金融科技研究中心、金融科技聯(lián)合實(shí)驗(yàn)室和區(qū)塊鏈技術(shù)聯(lián)合研究中心、金融科技發(fā)展中心及金融科技系等，在金融科技技術(shù)研發(fā)與應(yīng)用、培養(yǎng)金融科技復(fù)合型人才方面走在了全國前列。河北毗鄰首都北京，具有得天獨(dú)厚的區(qū)位優(yōu)勢，受到的北京金融科技發(fā)展的輻射擴(kuò)散作用較強(qiáng)，金融科技平均水平較高。

金融科技平均指數(shù)介于0.07到0.17的省份有浙江、上海等。這些省份中，浙江的金融科技發(fā)展水平最高。近些年來，浙江經(jīng)濟(jì)穩(wěn)定健康發(fā)展，2018年浙江全省GDP達(dá)5.62萬億元(連續(xù)23年位居全國第四)，人均GDP超9.86萬元(位居全國第六)。其中，數(shù)字經(jīng)濟(jì)規(guī)模對全省GDP的貢獻(xiàn)率達(dá)50%以上，移動支付、電子商務(wù)、云計(jì)算、網(wǎng)絡(luò)基礎(chǔ)設(shè)施均處于全國領(lǐng)先水平。同時，浙江是制造業(yè)大省，擁有大量的科技創(chuàng)新型企業(yè)(以阿里巴巴最具有代表性)。這些企業(yè)不僅提升了浙江科技研發(fā)水平，而且推動了其金融科技產(chǎn)業(yè)的發(fā)展。此外，浙江省不斷加大金融科技平臺建設(shè)和人才聚集力度，各類孵化器和科技創(chuàng)新平臺數(shù)量快速增長，為浙江省的金融科技發(fā)展提供了強(qiáng)勁的動力與支撐。因此，浙江省的金融科技發(fā)展處于較高的水平。

金融科技平均指數(shù)低于0.07的省份有甘肅、內(nèi)蒙古、寧夏等?？梢园l(fā)現(xiàn)，金融科技發(fā)展水平較低的省份均處于外圍地區(qū)或者自治區(qū)。這些地區(qū)經(jīng)濟(jì)實(shí)力薄弱，金融科技企業(yè)和相關(guān)人才較為稀缺，科技創(chuàng)新能力較為缺乏，其對金融科技產(chǎn)品的需求程度不高，金融科技發(fā)展需求的動力不足。此外，這些地區(qū)的金融資源相對稀缺，許多金融科技企業(yè)融資困難，金融科技創(chuàng)新成果難以產(chǎn)業(yè)化，科技創(chuàng)新和金融創(chuàng)新的不匹配在某些方面甚至?xí)萍s金融科技的發(fā)展，使得這些地區(qū)的金融科技發(fā)展水平較低。

四、金融科技的時空演變分析

(一)支付結(jié)算是推動金融科技發(fā)展的首要力量

根據(jù)前文各指標(biāo)權(quán)重和金融科技指數(shù)的計(jì)算方法，可以得到金融科技發(fā)展分指標(biāo)的系數(shù)。該系數(shù)不僅能反映金融科技分指標(biāo)的發(fā)展趨勢，而且能體現(xiàn)各項(xiàng)分指標(biāo)對金融科技發(fā)展的影響程度。由于篇幅有限，筆者只列舉了2018年各省份金融科技分指標(biāo)得分(如圖2所示)。

從圖2可以看出，對影響金融科技發(fā)展水平的能力分指標(biāo)進(jìn)行簡單排序，得到的依次是支付結(jié)算、投資管理、資本籌集和技術(shù)基礎(chǔ)。金融科技支付結(jié)算(移動支付等)成為了推動金融科技發(fā)展的首要力量，資本籌集(網(wǎng)貸等)豐富了金融市場的融資方式，對金融科技的快速發(fā)展發(fā)揮了重要的作用。而投資管理(互聯(lián)網(wǎng)理財?shù)?作為資本籌集的延伸，為用戶提供了新的金融產(chǎn)品和服務(wù)；技術(shù)基礎(chǔ)(大數(shù)據(jù)等)則為金融科技的發(fā)展奠定了基礎(chǔ)，提供了技術(shù)支持。移動支付的普及，減少了金融服務(wù)對金融機(jī)構(gòu)物理網(wǎng)點(diǎn)的依賴，不僅提高了金融服務(wù)的覆蓋廣度和深度，還降低了金融服務(wù)的成本，有效提高了金融服務(wù)的質(zhì)量；網(wǎng)貸、眾籌業(yè)務(wù)的發(fā)展有效緩解了中小企業(yè)融資難、融資貴的問題，彌補(bǔ)了無法被傳統(tǒng)金融機(jī)構(gòu)覆蓋的空白；而金融科技投資管理工具(如余額寶等)能為低收入人群提供相應(yīng)的投資服務(wù)，滿足了這些群體的投資需求；最后，大數(shù)據(jù)、人工智能等前沿技術(shù)為豐富金融產(chǎn)品和服務(wù)、提升用戶體驗(yàn)提供了技術(shù)支撐。

(二)金融科技資本籌集的時空變化

根據(jù)前文各指標(biāo)權(quán)重和金融科技指數(shù)的計(jì)算方法得到如圖3所示的各省份金融科技資本籌集指數(shù)。可以看出，廣東、北京、浙江等省份的金融科技資本籌集指數(shù)位居全國前列，說明這些地區(qū)的P2P網(wǎng)貸、眾籌行業(yè)較為發(fā)達(dá)。隨著互聯(lián)網(wǎng)金融的發(fā)展，網(wǎng)貸、眾籌等線上融資方式降低了中小企業(yè)的融資門檻，解決了中小微企業(yè)的融資問題，有效提高了普惠金融的服務(wù)質(zhì)量，但隨之而來的是巨大的風(fēng)險。伴隨著2016年P(guān)2P網(wǎng)貸平臺頻繁暴雷，政府出臺了一系列政策措施規(guī)范互聯(lián)網(wǎng)金融的發(fā)展，有效控制了互聯(lián)網(wǎng)金融帶來的風(fēng)險，但在一定程度上也抑制了其發(fā)展，導(dǎo)致近兩年各省份金融科技資本籌集指數(shù)下滑。

(三)金融科技投資管理的時空變化

根據(jù)前文各指標(biāo)權(quán)重和金融科技指數(shù)的計(jì)算方法得到如圖4所示的各省份金融科技投資管理指數(shù)。廣東、北京、浙江等省份的金融科技投資管理業(yè)務(wù)較為發(fā)達(dá)。與傳統(tǒng)金融機(jī)構(gòu)投資方式相比，以余額寶為代表的金融科技投資管理的門檻低，操作方便，收益高，風(fēng)險也相對較小。金融科技投資管理業(yè)務(wù)的發(fā)展可以解決大部分“長尾”用戶的金融需求，使得金融服務(wù)真正地惠及社會各階層人群。然而，受到P2P暴雷等問題的影響，2016年后各省份的金融科技投資管理指數(shù)出現(xiàn)了明顯的下滑。究其原因，一方面是政府部門出臺了嚴(yán)格的互聯(lián)網(wǎng)金融監(jiān)管措施，另一方面是個人和企業(yè)的風(fēng)險防范意識有了進(jìn)一步的提高。

(四)金融科技技術(shù)基礎(chǔ)的時空變化

根據(jù)前文各指標(biāo)權(quán)重和金融科技指數(shù)的計(jì)算方法得到如圖5所示的各省份金融科技技術(shù)基礎(chǔ)指數(shù)。從圖中可以看出，廣東、北京、上海等省份的金融科技技術(shù)基礎(chǔ)領(lǐng)先全國，且各省份的技術(shù)增長速度較快。金融科技能夠結(jié)合大數(shù)據(jù)、人工智能、云計(jì)算等新興技術(shù)創(chuàng)新金融服務(wù)模式，拓展金融服務(wù)渠道，為社會各階層群體提供可負(fù)擔(dān)的、低成本的金融服務(wù)。一方面，大數(shù)據(jù)征信能解決普惠金融“長尾用戶”的信用基礎(chǔ)薄弱問題，降低金融機(jī)構(gòu)和用戶間的信息不對稱程度，利于金融機(jī)構(gòu)提供相對應(yīng)的金融服務(wù)；另一方面，大數(shù)據(jù)、云計(jì)算和人工智能的結(jié)合與運(yùn)用重構(gòu)了傳統(tǒng)金融依靠人工訪談和信用抵押的風(fēng)險控制模式，提高了金融機(jī)構(gòu)的風(fēng)險管理水平和決策的有效性；最后，依托人工智能和大數(shù)據(jù)等技術(shù)手段，金融機(jī)構(gòu)能更全面地了解用戶的風(fēng)險偏好和風(fēng)險類型，有利于金融機(jī)構(gòu)為這些用戶制定精準(zhǔn)的和個性化的金融服務(wù)，提高金融機(jī)構(gòu)的服務(wù)效率和質(zhì)量。

五、金融科技對經(jīng)濟(jì)增長影響的空間計(jì)量分析

(一)空間相關(guān)性檢驗(yàn)

1.全局空間相關(guān)性

采用Moran’s I指數(shù)來測量金融科技的空間相關(guān)性。若Moran’s I指數(shù)為正，表明地區(qū)觀測值呈正相關(guān)，即高指數(shù)值和高指數(shù)值集聚，低指數(shù)值和低指數(shù)值集聚，地區(qū)觀測值存在空間正相關(guān)性，且Moran’s I 指數(shù)越大，空間相關(guān)性越強(qiáng)；若Moran’s I 指數(shù)為負(fù)，表明地區(qū)觀測值呈負(fù)相關(guān)，即高指數(shù)值和低指數(shù)值集聚，低指數(shù)值和高指數(shù)值集聚，地區(qū)觀測值存在空間負(fù)相關(guān)性；若Moran’s I=0，則表明空間呈隨機(jī)性。其計(jì)算公式為:

(7)

(8)

金融科技的全局Moran’s I 指數(shù)測量結(jié)果如表2所示。金融科技指數(shù)的Moran’s I指數(shù)除2018年外均在10%水平上通過了顯著性檢驗(yàn)，且全部系數(shù)值均大于0，說明地區(qū)間金融科技發(fā)展水平存在空間相關(guān)性，即地區(qū)間金融科技發(fā)展水平并不是隨機(jī)分布的，而是呈現(xiàn)集聚趨勢。

表2 2013—2018年金融科技全局Moran’s I指數(shù)

2.局域空間相關(guān)性

局域Moran’s I指數(shù)可以觀察到全局Moran’s I 指數(shù)所無法反映的地區(qū)金融科技的局域特征。一般通過Moran散點(diǎn)圖來呈現(xiàn)局域空間相關(guān)性：當(dāng)圖形分布在第一、三象限時，表明具有相同特征的觀測值聚集在一起；當(dāng)圖形分布在第二、四象限時，表明具有不同特征的觀測值聚集在一起。局域Moran’s I指數(shù)的計(jì)算公式如下：

(9)

圖6所示為2018年金融科技的局域 Moran’s I 指數(shù)散點(diǎn)圖?？梢钥吹剑鹑诳萍季钟騇oran’s I指數(shù)主要分布在第一、三象限，說明大多數(shù)省市的金融科技發(fā)展水平具有相同分布特征，即金融科技發(fā)展水平越高的地區(qū)，相鄰地區(qū)的金融科技發(fā)展水平也越高；金融科技發(fā)展水平越低的地區(qū)，相鄰地區(qū)的金融科技發(fā)展水平也越低。由此證明我國各省份地區(qū)金融科技發(fā)展存在空間相關(guān)性。

(二)變量選取及數(shù)據(jù)來源

將經(jīng)濟(jì)發(fā)展水平作為空間計(jì)量模型的被解釋變量，用省市GDP來表示；核心解釋變量金融科技發(fā)展用前文熵權(quán)法計(jì)算得到的金融科技指數(shù)表示；控制變量為經(jīng)濟(jì)發(fā)展的主要影響因素，借鑒張培良等[13]的做法，采用固定資產(chǎn)投資總額、社會消費(fèi)品零售總額、第三產(chǎn)業(yè)拉動率以及人口總量等經(jīng)濟(jì)發(fā)展的主要影響來表示。相關(guān)變量和數(shù)據(jù)來源如表3所示。

表3 模型中的各變量說明

(三)模型設(shè)定

分析全局 Moran’s I 指數(shù)和局域 Moran’s I 指數(shù)后可知，我國各省份金融科技存在空間相關(guān)性，傳統(tǒng)OLS回歸分析金融科技對經(jīng)濟(jì)增長影響的結(jié)果可能是有偏且不一致的，故采用考慮空間效應(yīng)后的空間滯后模型(SLM)和空間誤差模型(SEM)進(jìn)行回歸?？臻g滯后模型 (SLM)是用于測量變量在某一地區(qū)是否存在空間溢出效應(yīng)，其設(shè)定如下：

(10)

式中：β0為截距項(xiàng)；i和t分別表示地區(qū)與年份；ρ為空間回歸系數(shù)，用于測量樣本觀測值的空間依賴作用，即鄰近地區(qū)因變量對本地區(qū)因變量的影響大小和方向；εit為服從標(biāo)準(zhǔn)正態(tài)分布的隨機(jī)誤差項(xiàng)；Wij表示空間權(quán)重矩陣。

空間誤差模型 (SEM) 則用來研究鄰近地區(qū)被解釋變量的隨機(jī)誤差沖擊對本地區(qū)觀測值的影響，其空間依賴性體現(xiàn)在誤差項(xiàng)中。SEM模型設(shè)定如下：

ln GDPit=β0+β1ln FTit+β2ln FIit+β3ln RACit+β4ln TIit+β5ln POPit+Φit

(11)

(12)

式中：Φ為隨機(jī)誤差向量；ρ表示空間誤差系數(shù)，用于測量樣本觀測值的空間依賴程度，即鄰近地區(qū)經(jīng)濟(jì)增長對本地區(qū)經(jīng)濟(jì)增長的影響大小和方向；W·Φ為隨機(jī)誤差項(xiàng)的空間滯后項(xiàng)；εit為正態(tài)分布的隨機(jī)誤差項(xiàng)；其他變量的含義與式(10)中變量含義一致。

(四)實(shí)證分析

1.模型選擇

空間計(jì)量模型的選擇一方面要考慮是選用隨機(jī)效應(yīng)模型還是固定效應(yīng)模型，另一方面要考慮使用空間誤差模型還是空間滯后模型。其中，隨機(jī)效應(yīng)模型和固定效應(yīng)模型的選用可根據(jù)Hausman檢驗(yàn)的結(jié)果進(jìn)行判定。采用Stata 15軟件進(jìn)行Hausman檢驗(yàn)，其檢驗(yàn)統(tǒng)計(jì)量為34.58，且P值為0.000 0，故拒絕原假設(shè)，選擇固定效應(yīng)模型進(jìn)行回歸。

空間誤差模型和空間滯后模型的選用可根據(jù)拉格朗日乘數(shù)(LM-lag，LM-error)和穩(wěn)健拉格朗日乘數(shù)(RLM-lag，RLM-error)的估計(jì)結(jié)果進(jìn)行判別。若LM-lag顯著而LM-error不顯著，則應(yīng)該選擇空間滯后模型；若LM-lerror顯著而LM-lag不顯著，則應(yīng)該選擇空間誤差模型；若LM-lag和LM-lerror均顯著，則應(yīng)該選擇空間杜賓模型；若LM-lag和LM-lerror均不顯著，則表明模型不存在空間相關(guān)性?；诮?jīng)濟(jì)距離權(quán)重矩陣的OLS殘差的空間依賴性檢驗(yàn)結(jié)果如表4所示。LM-error檢驗(yàn)和RLM-error檢驗(yàn)均通過了1%水平下的顯著性檢驗(yàn)，而LM-lag檢驗(yàn)未能通過顯著性檢驗(yàn)，因此，根據(jù)空間計(jì)量模型的選取準(zhǔn)則，應(yīng)選擇空間誤差模型進(jìn)行回歸。

表4 基于經(jīng)濟(jì)距離權(quán)重矩陣的OLS殘差的空間依賴性檢驗(yàn)結(jié)果

2.回歸結(jié)果分析

由前文檢驗(yàn)結(jié)果可知，本文將選取固定效應(yīng)的空間誤差模型進(jìn)行回歸分析(結(jié)果如表5所示)，模型(7)的空間相關(guān)系數(shù)通過了顯著性檢驗(yàn)，故最終回歸結(jié)果以模型(7)為主。由模型(7)可知，空間相關(guān)系數(shù)lambda均通過了5%的顯著性檢驗(yàn)，表明省域經(jīng)濟(jì)發(fā)展水平存在顯著的空間依賴性。在空間固定模型中，核心解釋變量金融科技(FT)的回歸系數(shù)顯著為正，其系數(shù)為0.196，說明金融科技對經(jīng)濟(jì)增長存在顯著的推動作用，即金融科技指數(shù)每提高1%，經(jīng)濟(jì)發(fā)展水平會上升0.196%。而未考慮空間因素的OLS模型中金融科技變量并不顯著，考慮空間效應(yīng)后的模型(7)的金融科技系數(shù)顯著，這說明金融科技的空間溢出效應(yīng)可有效促進(jìn)經(jīng)濟(jì)增長。這一結(jié)論與經(jīng)典的金融學(xué)理論和產(chǎn)業(yè)經(jīng)濟(jì)發(fā)展理論一致，即產(chǎn)業(yè)集聚形成的產(chǎn)業(yè)集群可以促進(jìn)經(jīng)濟(jì)增長。

控制變量中，固定資產(chǎn)投資總額、社會消費(fèi)品零售總額和人口總量回歸系數(shù)為正且通過了顯著性水平檢驗(yàn)，與預(yù)期相符合，而第三產(chǎn)業(yè)拉動率對經(jīng)濟(jì)增長的影響并不顯著，說明第三產(chǎn)業(yè)不是推動經(jīng)濟(jì)增長的主要因素，這與理論和實(shí)際情況不符。由模型(7)可知，金融科技的發(fā)展有利于促進(jìn)經(jīng)濟(jì)增長，而金融科技的應(yīng)用(如第三方支付、互聯(lián)網(wǎng)理財、大數(shù)據(jù)征信、智能投顧等)均屬于第三產(chǎn)業(yè)，其降低金融交易的成本和提高金融服務(wù)實(shí)體經(jīng)濟(jì)的效率可能是通過第三產(chǎn)業(yè)拉動經(jīng)濟(jì)增長，需要對這一假設(shè)作進(jìn)一步的實(shí)證檢驗(yàn)。

為檢驗(yàn)第三產(chǎn)業(yè)是金融科技影響經(jīng)濟(jì)增長的路徑這一推斷，筆者在模型(7)的設(shè)定下構(gòu)建了包含金融科技和第三產(chǎn)業(yè)拉動率交叉項(xiàng)的模型，估計(jì)結(jié)果如表6所示。由表6可以看出，增加金融科技和第三產(chǎn)業(yè)拉動率的交叉相后，第三產(chǎn)業(yè)拉動率的回歸系數(shù)在1%水平下顯著為正，第三產(chǎn)業(yè)拉動率每增長1%，將推動GDP增長0.577%；交叉項(xiàng)系數(shù)為正且通過了顯著性檢驗(yàn)，表明金融科技和第三產(chǎn)業(yè)對經(jīng)濟(jì)增長影響的交互效應(yīng)，金融科技促進(jìn)經(jīng)濟(jì)增長主要是通過第三產(chǎn)業(yè)發(fā)展這一途徑，其豐富服務(wù)渠道、降低服務(wù)成本、完善產(chǎn)品供給、優(yōu)化融資服務(wù)、提升金融服務(wù)的效率，進(jìn)而可以驅(qū)動第三產(chǎn)業(yè)發(fā)展及促進(jìn)經(jīng)濟(jì)增長；控制變量中，固定資產(chǎn)投資總額、社會消費(fèi)品零售總額和人口總量對經(jīng)濟(jì)增長具有正向的影響，且回歸系數(shù)均通過顯著性檢驗(yàn)，與前文的估計(jì)結(jié)果一致，不再贅述。

表6 包含金融科技和第三產(chǎn)業(yè)拉動率交叉項(xiàng)的估計(jì)結(jié)果

六、結(jié)論及建議

根據(jù)金融功能觀和巴塞爾銀行監(jiān)管委員對金融科技的分類，從支付結(jié)算、資本籌集、投資管理、技術(shù)基礎(chǔ)四個維度構(gòu)建了省域金融科技指標(biāo)體系，運(yùn)用熵權(quán)法測算了2013—2018年我國30個省份的金融科技發(fā)展水平，并進(jìn)一步將金融科技指數(shù)分為支付結(jié)算指數(shù)、資本籌集指數(shù)、投資管理指數(shù)和技術(shù)基礎(chǔ)指數(shù)來衡量各省份金融科技多維度的發(fā)展?fàn)顩r，并進(jìn)一步引入空間計(jì)量模型檢驗(yàn)了金融科技發(fā)展對經(jīng)濟(jì)增長的影響，得到以下結(jié)論：

第一，我國金融科技仍處在較低發(fā)展水平，且各地區(qū)發(fā)展不平衡，呈現(xiàn)東強(qiáng)西弱局勢。東部地區(qū)(如北京、廣東、江蘇、上海等省份)的金融科技發(fā)展水平明顯高于西部地區(qū)(如甘肅、寧夏等省份)；從金融科技發(fā)展水平的各項(xiàng)分指標(biāo)指數(shù)看，我國金融科技支付結(jié)算(第三方支付、移動支付、網(wǎng)上支付)為推動金融科技發(fā)展的第一動力。

第二，我國省域金融科技發(fā)展水平存在空間相關(guān)性，省域金融科技發(fā)展水平不是隨機(jī)分布的，而是呈現(xiàn)集聚趨勢。也就是說，金融科技發(fā)展水平越高的地區(qū)，相鄰地區(qū)的金融科技發(fā)展水平也越高；金融科技發(fā)展水平越低的地區(qū)，相鄰地區(qū)的金融科技發(fā)展水平也越低。

第三，金融科技的空間溢出作用對經(jīng)濟(jì)增長存在顯著的推動作用，且這種助推作用主要是通過豐富服務(wù)渠道、降低服務(wù)成本、完善產(chǎn)品供給、優(yōu)化融資服務(wù)、提升金融服務(wù)的效率，進(jìn)而促進(jìn)第三產(chǎn)業(yè)發(fā)展而實(shí)現(xiàn)的。固定資產(chǎn)投資總額、社會消費(fèi)品零售總額、人口總量與經(jīng)濟(jì)增長呈正相關(guān)關(guān)系。

基于上述結(jié)論，提出以下建議：

第一，金融科技發(fā)展水平高的地區(qū)應(yīng)加強(qiáng)與周邊地區(qū)的聯(lián)系，推動周邊地區(qū)金融科技協(xié)同發(fā)展。我國金融科技發(fā)展存在明顯的地區(qū)差異和空間差異，未來我國金融科技發(fā)展應(yīng)加大對落后地區(qū)(如金融科技平均指數(shù)低于0.07的地區(qū)) 的扶持力度，加強(qiáng)發(fā)達(dá)地區(qū)與落后地區(qū)之間的合作，金融科技發(fā)展水平較高的省份，應(yīng)充分發(fā)揮其金融科技技術(shù)和人才優(yōu)勢，適當(dāng)將金融科技發(fā)展要素轉(zhuǎn)移到落后地區(qū)，加快金融人才聚集，擴(kuò)大對周邊地區(qū)的擴(kuò)散效應(yīng)，更好地帶動其他地區(qū)的金融科技發(fā)展。

第二，優(yōu)化金融科技發(fā)展環(huán)境，豐富金融科技應(yīng)用場景。鼓勵傳統(tǒng)金融機(jī)構(gòu)借助金融科技手段實(shí)現(xiàn)轉(zhuǎn)型升級，適當(dāng)放松金融科技類企業(yè)的準(zhǔn)入條件，探索大數(shù)據(jù)征信、大數(shù)據(jù)風(fēng)控、智能投顧、精準(zhǔn)營銷等金融科技應(yīng)用場景，提高金融服務(wù)的覆蓋面，降低服務(wù)成本和風(fēng)險，提升金融服務(wù)實(shí)體經(jīng)濟(jì)的效率，實(shí)現(xiàn)經(jīng)濟(jì)可持續(xù)發(fā)展。

第三，完善金融科技風(fēng)險監(jiān)管，有效控制金融風(fēng)險。一方面，要推動金融科技基礎(chǔ)技術(shù)的創(chuàng)新和應(yīng)用，促進(jìn)金融科技成果轉(zhuǎn)化，提升金融服務(wù)的覆蓋廣度、覆蓋深度及體驗(yàn)；另一方面，要合理應(yīng)對金融科技帶來的風(fēng)險，可引入“沙盒機(jī)制”，在鼓勵金融科技創(chuàng)新的同時，有效控制金融科技創(chuàng)新所隱含的風(fēng)險。此外，應(yīng)加強(qiáng)各金融監(jiān)管部門間的協(xié)作，制定傳統(tǒng)金融機(jī)構(gòu)和金融科技企業(yè)的金融風(fēng)險監(jiān)管標(biāo)準(zhǔn)，確保金融服務(wù)實(shí)體經(jīng)濟(jì)，推動經(jīng)濟(jì)發(fā)展。