長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合集聚效應(yīng)

康 明

（中國社會(huì)科學(xué)院大學(xué) 商學(xué)院，北京 102488）

一、引 言

在新冠肺炎疫情對(duì)金融市場(chǎng)負(fù)面沖擊和全球經(jīng)濟(jì)衰退背景下，面對(duì)單邊主義、保護(hù)主義、霸權(quán)主義的不利影響，為應(yīng)對(duì)百年未有之大變局，要加快構(gòu)建以國內(nèi)大循環(huán)為主體、國內(nèi)國際雙循環(huán)相互促進(jìn)的新發(fā)展格局。長(zhǎng)三角作為國家經(jīng)濟(jì)發(fā)展的引擎，既是國內(nèi)大循環(huán)的金融與經(jīng)濟(jì)發(fā)展核心區(qū)域，又是國內(nèi)國際雙循環(huán)的一個(gè)支點(diǎn)。在長(zhǎng)三角一體化發(fā)展戰(zhàn)略上升為國家戰(zhàn)略后，該區(qū)域也成為引領(lǐng)新發(fā)展格局的排頭兵。在服務(wù)和融入構(gòu)建新發(fā)展格局中，區(qū)域金融生態(tài)環(huán)境的改進(jìn)至關(guān)重要。金融被譽(yù)為現(xiàn)代經(jīng)濟(jì)的核心，通過金融中介和市場(chǎng)，社會(huì)資源轉(zhuǎn)化為再生產(chǎn)資本，提升了資源分配和使用效率，進(jìn)而促進(jìn)經(jīng)濟(jì)發(fā)展。在市場(chǎng)決定資源配置的經(jīng)濟(jì)環(huán)境下，地區(qū)金融資源的效益性、流動(dòng)性及安全性更多取決于該地區(qū)金融生態(tài)環(huán)境的優(yōu)劣。良好的金融生態(tài)環(huán)境有利于形成資本洼地，吸引大量資本、人才流入，進(jìn)而提升地區(qū)經(jīng)濟(jì)發(fā)展水平和競(jìng)爭(zhēng)力，實(shí)現(xiàn)推動(dòng)“經(jīng)濟(jì)-金融”協(xié)同發(fā)展。相反，惡劣的金融生態(tài)環(huán)境，如法律法規(guī)不完善、金融體系存在漏洞等，使得地區(qū)成為高風(fēng)險(xiǎn)金融區(qū)域，這一方面導(dǎo)致難以吸引外部資金流入，降低本地區(qū)的經(jīng)濟(jì)競(jìng)爭(zhēng)力，另一方面甚至迫使本地區(qū)資金外流，阻礙本地區(qū)經(jīng)濟(jì)與金融的可持續(xù)發(fā)展［1］。新發(fā)展格局視角下，營造優(yōu)良的金融生態(tài)環(huán)境，完善外部宏觀條件，推動(dòng)金融更好服務(wù)實(shí)體經(jīng)濟(jì)，是加快融入構(gòu)建新發(fā)展格局的關(guān)鍵舉措。因此，研究金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)水平具有重要理論意義和實(shí)踐意義。

區(qū)域金融生態(tài)環(huán)境對(duì)于當(dāng)?shù)貙?shí)體經(jīng)濟(jì)發(fā)展的重要作用一直是國內(nèi)學(xué)者研究關(guān)注的焦點(diǎn)和熱點(diǎn)問題，諸多學(xué)者從國際、經(jīng)濟(jì)帶、省域不同范圍尺度運(yùn)用不同方法對(duì)這一問題展開理論與實(shí)證研究，研究成果頗豐。從國際尺度看，李延凱和韓廷春［2］對(duì)51 個(gè)國家的研究表明，金融環(huán)境對(duì)金融資源轉(zhuǎn)化和配置效率起到至關(guān)關(guān)重要的作用，金融生態(tài)環(huán)境的規(guī)范更會(huì)增強(qiáng)金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的促進(jìn)作用；彭俞超［3］對(duì)46 個(gè)國家的研究發(fā)現(xiàn)，金融市場(chǎng)結(jié)構(gòu)對(duì)經(jīng)濟(jì)發(fā)展作用存在顯著的異質(zhì)性，即對(duì)于少數(shù)發(fā)達(dá)國家，金融市場(chǎng)對(duì)經(jīng)濟(jì)增長(zhǎng)呈現(xiàn)“倒U”型，對(duì)于其他發(fā)展中國家助推作用明顯。從經(jīng)濟(jì)帶尺度看，學(xué)者們對(duì)長(zhǎng)三角[4-5]、京津冀[1、6-7]、粵港澳大灣區(qū)[8-10]、珠三角［11］等經(jīng)濟(jì)帶或城市群金融與經(jīng)濟(jì)發(fā)展的關(guān)系展開研究，結(jié)果均發(fā)現(xiàn)區(qū)域內(nèi)城市金融集聚對(duì)經(jīng)濟(jì)發(fā)展具有顯著正向推動(dòng)作用，但存在著地區(qū)差異以及作用機(jī)制的差異，同時(shí)本地區(qū)經(jīng)濟(jì)發(fā)展對(duì)臨近區(qū)域存在空間集聚和空間溢出特性［12］。從省域尺度看，中國大陸31 省份金融集聚在直接效應(yīng)和溢出效應(yīng)中均能顯著促進(jìn)地區(qū)經(jīng)濟(jì)增長(zhǎng)[13-14]，耦合度的空間關(guān)聯(lián)格局較強(qiáng)且呈現(xiàn)出明顯的區(qū)域差異，表現(xiàn)為東部＞中部＞東北＞西部［15］，金融集聚滯后型和經(jīng)濟(jì)發(fā)展滯后型省域占比分別為71%和23%［16］。

通過梳理現(xiàn)有研究成果發(fā)現(xiàn)，學(xué)界更多關(guān)注金融與經(jīng)濟(jì)兩者因果關(guān)系的實(shí)證研究，鮮有從金融生態(tài)環(huán)境視角出發(fā)，研究長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的耦合互動(dòng)關(guān)系。而在新發(fā)展格局以及長(zhǎng)三角一體化戰(zhàn)略不斷深入推進(jìn)的前提下，對(duì)區(qū)域金融生態(tài)環(huán)境和經(jīng)濟(jì)增長(zhǎng)互動(dòng)關(guān)系以及影響這種關(guān)系的因素進(jìn)行研究，有利于改善區(qū)域內(nèi)金融生態(tài)環(huán)境，提升金融資源配置效率，更好發(fā)揮金融對(duì)經(jīng)濟(jì)增長(zhǎng)推動(dòng)作用。因此，本文參照前人研究，構(gòu)建耦合協(xié)調(diào)評(píng)價(jià)指標(biāo)，綜合運(yùn)用Stata、ArcGIS、GeoDa等軟件對(duì)長(zhǎng)三角27個(gè)城市金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)協(xié)調(diào)水平的時(shí)空演進(jìn)趨勢(shì)進(jìn)行研究，并分析影響協(xié)調(diào)水平的因素，以期提高長(zhǎng)三角各城市的協(xié)調(diào)水平。本文對(duì)于長(zhǎng)三角一體化發(fā)展專題研究主要貢獻(xiàn)體現(xiàn)在：①嶄新的“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”耦合聚集效應(yīng)宏觀視角，采用耦合協(xié)調(diào)模型、改進(jìn)的熵值法等方法，剖析長(zhǎng)三角27 個(gè)城市金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)度，并運(yùn)用空間計(jì)量模型測(cè)度影響長(zhǎng)三角城市群金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合協(xié)調(diào)度的因素；②將長(zhǎng)三角一體化發(fā)展與“大循環(huán)、雙循環(huán)”新發(fā)展格局相結(jié)合，從人才、開放和創(chuàng)新層面提出政策建議。

二、研究理論、方法及數(shù)據(jù)

（一）耦合度

耦合度（coupling）始源于物理學(xué)，用于兩個(gè)系統(tǒng)互相依賴于對(duì)方的量度，描述了兩個(gè)系統(tǒng)或兩個(gè)要素之間相互作用（或關(guān)聯(lián)影響）的強(qiáng)弱程度。而協(xié)調(diào)度（coordination）是指兩個(gè)系統(tǒng)或兩個(gè)要素相互作用中良性互動(dòng)程度的大小，體現(xiàn)了發(fā)展?fàn)顩r好壞和良性互動(dòng)的關(guān)聯(lián)性能否可持續(xù)發(fā)展，可以表征各系統(tǒng)或要素之間是在高水平上相互促進(jìn)還是低水平上相互制約。因此，耦合協(xié)調(diào)度不僅反映了兩個(gè)系統(tǒng)或兩個(gè)要素之間相互關(guān)聯(lián)影響程度強(qiáng)弱，也能體現(xiàn)出兩個(gè)系統(tǒng)或兩個(gè)要素之間良性發(fā)展?fàn)顩r的好壞［17］。“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”不是一個(gè)獨(dú)立的系統(tǒng)，金融生態(tài)環(huán)境是經(jīng)濟(jì)增長(zhǎng)的基礎(chǔ)，優(yōu)越的金融生態(tài)環(huán)境可以提升經(jīng)濟(jì)發(fā)展水平，而經(jīng)濟(jì)的發(fā)展也會(huì)帶來進(jìn)一步改善金融生態(tài)環(huán)境的內(nèi)在要求和動(dòng)力，兩者形成一個(gè)相互影響、相互依賴的耦合體系。本文將金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)之間相互影響、相互作用的關(guān)聯(lián)強(qiáng)度定義為耦合度，將兩者協(xié)調(diào)發(fā)展的互動(dòng)關(guān)系定義為協(xié)調(diào)度。

（二）研究方法

1.耦合協(xié)調(diào)評(píng)價(jià)模型

（1）數(shù)據(jù)標(biāo)準(zhǔn)化處理。運(yùn)用改進(jìn)的熵值法對(duì)基礎(chǔ)設(shè)施和對(duì)外貿(mào)易各項(xiàng)指標(biāo)進(jìn)行無量綱化處理，從而確定各項(xiàng)指標(biāo)的權(quán)重。在對(duì)“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”指標(biāo)標(biāo)準(zhǔn)化處理后，各項(xiàng)“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”指標(biāo)的值都位于［0，1］。

（2）耦合協(xié)調(diào)模型。本文借鑒廖重斌［18］的兩系統(tǒng)耦合評(píng)價(jià)模型，其中：C表示耦合度；F和E分別表示金融生態(tài)環(huán)境和經(jīng)濟(jì)增長(zhǎng)的綜合發(fā)展水平評(píng)價(jià)函數(shù)；k為調(diào)節(jié)系數(shù)，這里取k=2。

由于耦合度只能說明兩個(gè)系統(tǒng)或兩個(gè)要素之間的關(guān)聯(lián)程度，并不能反映兩個(gè)系統(tǒng)或兩個(gè)要素相互促進(jìn)的發(fā)展水平的高低，因此引入?yún)f(xié)調(diào)度，協(xié)調(diào)度的判斷依據(jù)學(xué)者們的標(biāo)準(zhǔn)。模型借鑒張英佳等［19］的研究，其中：D表示協(xié)調(diào)度；S為金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的綜合發(fā)展指數(shù)；a、b為待定系數(shù)，因?yàn)樵趦上到y(tǒng)中，金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)同等重要，所以a=b=0.5。

耦合度與協(xié)調(diào)度的劃分標(biāo)準(zhǔn)見表1所列。

表1 耦合度與協(xié)調(diào)度的劃分標(biāo)準(zhǔn)

2.空間自相關(guān)分析

空間自相關(guān)是指相鄰位置的兩個(gè)區(qū)域擁有的變量取值相似，如果協(xié)調(diào)值的低值與低值或者高值與高值聚集在一起，則為正空間自相關(guān)；與之相反，如果協(xié)調(diào)值的低值與高值或者高值與低值相鄰，則為負(fù)空間自相關(guān)。莫蘭指數(shù)（Moran'sI）是用來度量空間自相關(guān)常見的方法；莫蘭指數(shù)I的取值范圍是-1～1 之間的數(shù)值，當(dāng)莫蘭指數(shù)大于0，則表示正空間自相關(guān)；反之，當(dāng)莫蘭指數(shù)小于0，則表示負(fù)空間自相關(guān)?？臻g自相關(guān)一般分為全局自相關(guān)和局部自相關(guān)，它們的計(jì)算公式分別如下：

其中：xm、xn分別表示長(zhǎng)三角m、n市的金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)值；wmn表示空間權(quán)重矩陣。

3.空間誤差模型

空間誤差模型（Spatial Error Model，SEM）主要研究鄰近城市的各自變量（金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的影響因素）對(duì)本地區(qū)因變量（金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)）的影響程度。模型設(shè)定形式如下：

其中：FP、GDPGRO、CAP、FDI、INN 分別表示金融從業(yè)人員、經(jīng)濟(jì)增長(zhǎng)率、固定資產(chǎn)投資占GDP的比例、外商直接投資、創(chuàng)新創(chuàng)業(yè)指數(shù)，由于GDPGRO、CAP、INN 皆為比率值或百分值，故不取對(duì)數(shù)；W為空間權(quán)重矩陣；μ為正態(tài)分布的隨機(jī)誤差向量；β0為常數(shù)項(xiàng)，β1～β5為各變量的回歸系數(shù)；λ為空間誤差系數(shù)，當(dāng)λ顯著不為0時(shí)，表示周邊市自變量對(duì)本地市因變量的影響方向和程度。

（三）數(shù)據(jù)來源

1.研究區(qū)域

長(zhǎng)三角城市群是我國最具經(jīng)濟(jì)活力、開放程度最高、創(chuàng)新能力最強(qiáng)的區(qū)域之一，是“一帶一路”和長(zhǎng)江經(jīng)濟(jì)帶的重要交匯點(diǎn)，由三省一市構(gòu)成。主要包括上海直轄市，南京、杭州、寧波三個(gè)副省級(jí)城市以及23 個(gè)地級(jí)市，總計(jì)27 個(gè)城市。長(zhǎng)三角常住人口約1.75 億人，相當(dāng)于兩個(gè)河北的人口；區(qū)域總面積22.19萬平方公里（相當(dāng)于廣西的面積）。長(zhǎng)三角雖然面積不大，但其以僅占全國2.31%的土地、12.37%的人口，創(chuàng)造出了全國20.86%的GDP，成為中國經(jīng)濟(jì)發(fā)展最重要的引擎。2010 年，旨在提升長(zhǎng)三角地區(qū)整體實(shí)力和國際競(jìng)爭(zhēng)力的戰(zhàn)略——《長(zhǎng)江三角洲地區(qū)區(qū)域規(guī)劃》正式批準(zhǔn)實(shí)施。經(jīng)過十余年的發(fā)展，長(zhǎng)三角城市群已成為世界公認(rèn)的第六大城市群。習(xí)近平總書記親自謀劃、親自部署、親自推動(dòng)，2018 年11 月將長(zhǎng)三角一體化上升為國家戰(zhàn)略，從而以“一體化”和“高質(zhì)量”兩個(gè)關(guān)鍵點(diǎn)為核心，將長(zhǎng)三角區(qū)域經(jīng)濟(jì)發(fā)展推進(jìn)到更高起點(diǎn)、對(duì)開放程度提升到更高層次、創(chuàng)新能力擴(kuò)大到更具影響力。長(zhǎng)三角城市群基本概況見表2所列（1）。

表2 長(zhǎng)三角城市群基本概況

2.指標(biāo)體系構(gòu)建及數(shù)據(jù)來源

金融生態(tài)環(huán)境和經(jīng)濟(jì)發(fā)展都是涵蓋多要素的復(fù)雜系統(tǒng)，系統(tǒng)各要素之間相互作用、相互影響。金融生態(tài)環(huán)境系統(tǒng)主要涉及經(jīng)濟(jì)基礎(chǔ)、金融發(fā)展、政府公共服務(wù)、社會(huì)文化與保障等多方面指標(biāo)，經(jīng)濟(jì)增長(zhǎng)主要涉及GDP 總量、人均GDP以及經(jīng)濟(jì)增長(zhǎng)率等。結(jié)合前人［20-21］研究，把金融生態(tài)環(huán)境和經(jīng)濟(jì)增長(zhǎng)的指標(biāo)評(píng)價(jià)體系劃分為表3所列，指標(biāo)數(shù)據(jù)均來自各市2011—2020 年統(tǒng)計(jì)年鑒。

表3 金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合協(xié)調(diào)發(fā)展綜合評(píng)價(jià)指標(biāo)體系

續(xù)表3

三、耦合協(xié)調(diào)度分析

（一）時(shí)空異質(zhì)性分析

借助Stata14 軟件，對(duì)長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合協(xié)調(diào)度的整體和區(qū)域值進(jìn)行核密度估計(jì)，并選取2010年、2013年、2016年和2019年繪制出核密度曲線圖如圖1所示。據(jù)此，總結(jié)出兩系統(tǒng)耦合度和協(xié)調(diào)度的演進(jìn)特征：

圖1 長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合度與協(xié)調(diào)度核密度估計(jì)

（1）從整體來看，長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合度高，協(xié)調(diào)度低。耦合度密度分布曲線表現(xiàn)出偏右的態(tài)勢(shì)，但整體變化不大，說明區(qū)域內(nèi)金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的關(guān)系極為密切且穩(wěn)定；協(xié)調(diào)度密度分布曲線表現(xiàn)出偏左的態(tài)勢(shì)，說明區(qū)域內(nèi)金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)度較差，兩者存在不同步發(fā)展、其一系統(tǒng)滯后發(fā)展的現(xiàn)象。

（2）耦合度和協(xié)調(diào)度表現(xiàn)出明顯的偏態(tài)分布和不同程度的單極化特征。從形狀來看，耦合度和協(xié)調(diào)度的核密度曲線在研究期內(nèi)呈現(xiàn)出嚴(yán)重的單極化格局。耦合度2010 年表現(xiàn)出輕微的雙峰現(xiàn)象，2013 年、2016 年、2019 年轉(zhuǎn)換為單峰，峰值均出現(xiàn)在0.9以上。其中：2013年和2019年曲線在0.6～0.8左右出現(xiàn)“斷層”，表明耦合度的跨度空間大，在0.5后過渡至0.8；協(xié)調(diào)度在研究區(qū)內(nèi)均呈現(xiàn)單峰現(xiàn)象，峰值均出現(xiàn)在0.3～0.4。

（3）耦合度區(qū)域差異較小，協(xié)調(diào)度區(qū)域差異大。從峰度來看，2010—2019 年，核密度曲線由“寬峰”形向“尖峰”形轉(zhuǎn)變，波峰由緩變陡，波峰高度明顯提高，說明整體耦合度相較2010年有所提升；協(xié)調(diào)度波峰逐漸變陡，尖峰態(tài)勢(shì)有所加強(qiáng)。相較2010年，2019 年核密度曲線輕微變窄，波峰提高，說明研究期內(nèi)協(xié)調(diào)度區(qū)域差異有所變小但有小幅度提升，長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)度存在空間非均衡性特征。

圖2為長(zhǎng)三角省域尺度金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合度、協(xié)調(diào)度及變異系數(shù)演進(jìn)情況。從耦合度的區(qū)域演進(jìn)來看，各區(qū)域耦合值水平高，但波動(dòng)幅度較大且區(qū)域間耦合值差異漸趨縮小。浙江省與江蘇省的耦合值位列前兩位，耦合值均一直保持在0.9 以上，平均值分別為0.964、0.944，差異值在0.05范圍內(nèi)；上海市耦合值平均值為0.893，各年份最大差異值為0.12；安徽省耦合值上升趨勢(shì)明顯，耦合值由2010年的0.75上升至2019年的0.948，漲幅為26.4%，主要原因可能是安徽省在融入長(zhǎng)三角規(guī)劃后，獲得了國家在政策、經(jīng)濟(jì)等方面的支持，金融環(huán)境得到改善，經(jīng)濟(jì)增長(zhǎng)明顯。耦合度的變異系數(shù)在0.14以下，說明各市之間耦合值差異小。從協(xié)調(diào)度的區(qū)域演進(jìn)來看，除上海市外，其他區(qū)域協(xié)調(diào)值低，各區(qū)域協(xié)調(diào)值變化小。上海市協(xié)調(diào)值保持在第一的水平，協(xié)調(diào)值的平均值為0.63，這也與上海作為全國經(jīng)濟(jì)與金融中心的地位相吻合；江蘇和浙江的協(xié)調(diào)值排名在上海之后，平均值分別為0.434、0.408；安徽省的協(xié)調(diào)值排在最后，平均值僅為0.226。通過對(duì)比安徽省各市金融生態(tài)環(huán)境值與經(jīng)濟(jì)增長(zhǎng)值發(fā)現(xiàn)，各市金融生態(tài)環(huán)境綜合值遠(yuǎn)遠(yuǎn)滯后于經(jīng)濟(jì)增長(zhǎng)綜合值，說明該省亟待改善金融生態(tài)環(huán)境以提高兩系統(tǒng)的協(xié)調(diào)水平。協(xié)調(diào)度的變異系數(shù)在0.217～0.237 之間，說明區(qū)域內(nèi)各市間的協(xié)調(diào)值差異大。長(zhǎng)三角區(qū)域各省市兩系統(tǒng)表現(xiàn)出的高耦合、低協(xié)調(diào)，一方面說明金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的互動(dòng)聯(lián)系緊密，另一方面說明兩者存在發(fā)展不協(xié)調(diào)、未達(dá)到良性共振的效果。

圖2 長(zhǎng)三角省域尺度金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合度、協(xié)調(diào)度及變異系數(shù)動(dòng)態(tài)演進(jìn)

為進(jìn)一步揭示長(zhǎng)三角各市金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)度，利用ArcGis10.7軟件并選取2010年、2013 年、2016 年和2019 年四個(gè)年度，對(duì)區(qū)域內(nèi)各市協(xié)調(diào)度進(jìn)行可視化展示，以期明晰各市協(xié)調(diào)度的空間差異，具體如圖3 所示。市域尺度下，金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)度差異明顯，總體變化不大。

圖3 長(zhǎng)三角市域尺度金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)協(xié)調(diào)度演變

從整體來看，協(xié)調(diào)度的高值城市數(shù)量少且主要分布在東部沿海城市，形成以上海為高值中心并向周邊擴(kuò)散的態(tài)勢(shì)；低值城市主要分布于西部城市且數(shù)量有所減少。四個(gè)年度內(nèi)，協(xié)調(diào)度值處于勉強(qiáng)協(xié)調(diào)及初級(jí)協(xié)調(diào)的城市數(shù)量分別為2、2、4、3個(gè)，說明長(zhǎng)三角城市群金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)度處于較低的水平；處于瀕臨失調(diào)的城市數(shù)量分別有7、8、6、6 個(gè)，占比分別為25.93%、29.63%、22.22%、22.22%，瀕臨失調(diào)處于協(xié)調(diào)與失調(diào)的臨界；輕度失調(diào)的城市數(shù)量分別為13、13、15、16 個(gè)，占 比 分 別 為48.15%、48.15%、55.56%、59.26%，說明區(qū)域內(nèi)城市金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的協(xié)調(diào)值以輕度失調(diào)為主，提高此類城市協(xié)調(diào)值是提升長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)協(xié)同增長(zhǎng)的關(guān)鍵。從區(qū)域分布來看，上海市一直處于較高的協(xié)調(diào)水平。江蘇省協(xié)調(diào)值高值集中分布在蘇南區(qū)域的蘇州、南京、無錫、常州以及蘇北的南通。其中，蘇州一直處于勉強(qiáng)協(xié)調(diào)水平，協(xié)調(diào)值平均值為0.558；南京徘徊在勉強(qiáng)協(xié)調(diào)與瀕臨失調(diào)之間，協(xié)調(diào)值平均值為0.496；無錫、常州、南通協(xié)調(diào)值平均值為0.481、0.427、0.435；與蘇南城市普遍較高協(xié)調(diào)值相比，蘇北的揚(yáng)州、泰州、鹽城協(xié)調(diào)值均在0.3～0.4 以下，屬輕度失調(diào)，但其協(xié)調(diào)值呈現(xiàn)逐年增長(zhǎng)的趨勢(shì)，協(xié)調(diào)值均超過0.37。浙江省協(xié)調(diào)值高值以杭州、寧波、溫州為主，平均值分別為0.507、0.476、0.407，此外，嘉興、紹興協(xié)調(diào)值的平均值也在0.4 以上，這與浙江省高度重視金融經(jīng)濟(jì)發(fā)展，逐步形成“一城一灣四帶”的金融空間布局有關(guān)。安徽省協(xié)調(diào)值以低值為主，僅省會(huì)合肥發(fā)展成勉強(qiáng)協(xié)調(diào)的水平，低值從條帶狀轉(zhuǎn)變?yōu)辄c(diǎn)狀分布，說明省內(nèi)各市協(xié)調(diào)值穩(wěn)步增長(zhǎng)。安徽省協(xié)調(diào)值在長(zhǎng)三角城市群中處于落后狀態(tài)，這也與其經(jīng)濟(jì)發(fā)展水平落后于蘇浙滬相符。合肥市在2010 年處于輕度失調(diào)，隨著時(shí)間的推進(jìn)，金融生態(tài)環(huán)境與經(jīng)濟(jì)漸趨協(xié)調(diào)，總體平均值為0.417；滁州、馬鞍山、蕪湖等城市也由中度失調(diào)發(fā)展為輕度失調(diào)；位于皖南的銅陵和池州協(xié)調(diào)值平均值不足0.25，在整個(gè)長(zhǎng)三角城市群中排名最后；安慶和宣城等城市則處于中度失調(diào)與輕度失調(diào)之間。

（二）空間關(guān)聯(lián)性分析

前文分析表明，長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)耦合協(xié)調(diào)度較高的城市主要集中于以上海為輻射中心的東部城市，較低的城市集中于長(zhǎng)三角的西部，兩區(qū)域城市的協(xié)調(diào)度變動(dòng)具有一致性，推測(cè)各城市之間可能存在協(xié)調(diào)度的空間關(guān)聯(lián)性。為進(jìn)一步揭示相互作用機(jī)制，運(yùn)用全局自相關(guān)和局部自相關(guān)探析協(xié)調(diào)度的空間關(guān)聯(lián)特征，全局自相關(guān)運(yùn)用全局莫蘭指數(shù)（global Moran'sI）分析，局部自相關(guān)運(yùn)用LISA聚集圖和莫蘭散點(diǎn)圖進(jìn)行分析。分析結(jié)果分別見表4所列和圖4所示。

圖4 長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)協(xié)調(diào)度局部空間LISA集聚圖

表4 不同空間矩陣下協(xié)調(diào)度全局莫蘭指數(shù)及相關(guān)檢驗(yàn)

從全局自相關(guān)分析來看，協(xié)調(diào)度呈現(xiàn)顯著的空間集聚特征，莫蘭指數(shù)呈現(xiàn)先波動(dòng)中上升后下降趨勢(shì)。鄰接矩陣和地理距離矩陣下，莫蘭指數(shù)在2010—2015 年均呈現(xiàn)波動(dòng)中上升的趨勢(shì)，到2015年莫蘭指數(shù)分別為0.400 4 和0.412 4，說明該階段協(xié)調(diào)值的空間集聚特征呈加強(qiáng)的趨勢(shì)，且P值均在1%或5%的顯著性水平下通過檢驗(yàn)；2015年后，莫蘭指數(shù)值漸趨下降，到2019 年兩種空間矩陣下的指數(shù)值降為0.272 2 和0.257 7，相較2015 年下降幅度為32.02%、37.51%，說明該階段協(xié)調(diào)值的空間集聚特征有所減弱。不論是鄰接矩陣還是地理距離矩陣，P值均在1%或5%的顯著性水平下通過檢驗(yàn)，Z值均大于1.96通過檢驗(yàn)。

從局部相關(guān)性分析來看，協(xié)調(diào)值呈現(xiàn)明顯的局部關(guān)聯(lián)特征，主要以“高-高”“低-低”“高-低”型為主。其中，“高-高”型為南通、蘇州、嘉興，說明以三市為中心的周邊城市為協(xié)調(diào)值的高值聚集區(qū)，4個(gè)年度內(nèi)“高-高”型城市聚集區(qū)未有改變，協(xié)調(diào)值局部空間異質(zhì)性小。從前文分析來看，周邊的上海、無錫、常州、杭州均為高值，也是該區(qū)域經(jīng)濟(jì)發(fā)展發(fā)達(dá)的城市?！暗?低”型表現(xiàn)為該區(qū)域及其周邊臨近城市協(xié)調(diào)值低，局部空間異質(zhì)性小。

“低-低”型城市由5 個(gè)減少至2 個(gè)，主要集中在安慶、池州、銅陵等城市，說明以這些城市為中心的周邊城市為協(xié)調(diào)值的低值聚集區(qū)。從前文分析來看，低值區(qū)集中于長(zhǎng)三角城市群的西部，相對(duì)來看，這些城市也是長(zhǎng)三角經(jīng)濟(jì)發(fā)展較為滯后的區(qū)域?！案?低”型城市僅有合肥一市，合肥由2010 年的低值聚集區(qū)轉(zhuǎn)變?yōu)楦咧稻奂瘏^(qū)，一方面說明合肥的協(xié)調(diào)水平得到提升，另一方面也說明形成了低值城市群包圍合肥的局部“凸”點(diǎn)的空間特征。

（三）協(xié)調(diào)度影響因素分析

前文運(yùn)用核密度估計(jì)、數(shù)理統(tǒng)計(jì)分析、ArcGIS可視化分析分別對(duì)長(zhǎng)三角整體、省域、市域金融生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展耦合協(xié)調(diào)水平的時(shí)空差異進(jìn)行探究，并結(jié)合全局自相關(guān)和局部自相關(guān)分析兩系統(tǒng)協(xié)調(diào)值的空間集聚特征。本部分將進(jìn)一步探析影響兩系統(tǒng)協(xié)調(diào)值的因素，以此提出提升協(xié)調(diào)值水平的對(duì)策建議?？臻g自相關(guān)分析證明兩系統(tǒng)協(xié)調(diào)值存在顯著的空間集聚特征，采用傳統(tǒng)的OLS回歸預(yù)測(cè)模型會(huì)有偏差。因此，本文運(yùn)用空間誤差模型（SEM）、空間杜賓模型（SDM），對(duì)影響金融生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展協(xié)調(diào)值的因素進(jìn)行分析，并利用OLS回歸對(duì)比。由表5 可知，OLS 模型中F=531.38、并在1%水平下通過顯著性檢驗(yàn)，回歸方程中各指標(biāo)均通過顯著性檢驗(yàn)。但是比較OLS、SEM、SDM 三種模型，考慮要素的空間關(guān)聯(lián)特征后，模型的R2值由0.909 6提高到0.923 3、0.920 6；對(duì)視似然估計(jì)值由348.942 6 提升至465.140 9、465.576 2；AIC 值由-683.705 8減小至-912.281 9、-903.152 3；BIC值由-662.115 3 下降為-879.896 1、-852.774 4。因此，SEM、SDM 模型要優(yōu)于OLS 模型，由此可知，當(dāng)協(xié)調(diào)值存在空間集聚特征時(shí)，OLS模型會(huì)造成估計(jì)的偏差。對(duì)比SEM 模型和SDM 模型，SEM 模型的AIC和BIC值均低于SDM模型，且前者的R2值高于后者，因此，SEM模型優(yōu)于SDM模型。

表5 不同回歸模型的估計(jì)結(jié)果

從SEM 模型結(jié)果來看，空間誤差系數(shù)值（rho）為0.1367，通過顯著性檢驗(yàn)（P=0），說明在市域?qū)用嫔?，兩系統(tǒng)協(xié)調(diào)值受到周邊城市協(xié)調(diào)值影響因素的正向影響作用。模型的R2值為0.923 3，說明在大樣本條件下，金融從業(yè)人員、經(jīng)濟(jì)增長(zhǎng)率、固定資產(chǎn)投資占GDP 比值、外商直接投資、創(chuàng)新創(chuàng)業(yè)指數(shù)等5 個(gè)指標(biāo)對(duì)模型的解釋程度很好，且5 個(gè)解釋變量均通過T 檢驗(yàn)。從空間回歸系數(shù)來看，金融從業(yè)人員的系數(shù)值為0.100 2 且在1%的水平下通過顯著性檢驗(yàn)，說明金融從業(yè)人員對(duì)提高兩系統(tǒng)協(xié)調(diào)值具有正向促進(jìn)作用。金融從業(yè)人員占地區(qū)常住人口的比例是衡量地區(qū)金融與經(jīng)濟(jì)發(fā)展水平的重要指標(biāo)，當(dāng)前，國際金融中心的競(jìng)爭(zhēng)本質(zhì)上是金融人才的競(jìng)爭(zhēng)，提高長(zhǎng)三角城市群金融從業(yè)人員數(shù)量及質(zhì)量，有利于促進(jìn)區(qū)域金融與經(jīng)濟(jì)協(xié)調(diào)發(fā)展。GDP 增長(zhǎng)率的系數(shù)值為0.004 且在5%的水平下通過檢驗(yàn)，說明經(jīng)濟(jì)發(fā)展對(duì)促進(jìn)兩系統(tǒng)協(xié)調(diào)值具有正向促進(jìn)作用。經(jīng)濟(jì)高質(zhì)量的發(fā)展有利于化解系統(tǒng)性金融風(fēng)險(xiǎn)，營造良好的金融發(fā)展環(huán)境，深化金融供給側(cè)結(jié)構(gòu)性改革，使得金融更好服務(wù)于實(shí)體經(jīng)濟(jì)發(fā)展。固定資產(chǎn)占GDP 比重的系數(shù)值為-0.105 7 且顯著為負(fù)，說明當(dāng)前長(zhǎng)三角區(qū)域固定資產(chǎn)投資比例過高，經(jīng)濟(jì)發(fā)展過于依賴固定資產(chǎn)的投入，對(duì)兩系統(tǒng)的協(xié)調(diào)發(fā)展起消極作用。固定資產(chǎn)對(duì)經(jīng)濟(jì)的拉動(dòng)作用在城鎮(zhèn)化率低、農(nóng)業(yè)向工業(yè)轉(zhuǎn)型的國家（地區(qū)）已得到國內(nèi)外諸多學(xué)者的證明，但長(zhǎng)三角地區(qū)經(jīng)濟(jì)發(fā)達(dá)，大規(guī)模的固定資產(chǎn)投入對(duì)經(jīng)濟(jì)拉動(dòng)作用并不明顯。外商直接投資的系數(shù)值為0.021 2 且在10%的水平下通過檢驗(yàn)，說明FDI的引進(jìn)能夠提高兩系統(tǒng)的協(xié)調(diào)水平。FDI 能夠在一定程度上破解區(qū)域企業(yè)融資難、融資成本高的困境，有效帶動(dòng)區(qū)域內(nèi)金融市場(chǎng)的發(fā)展，實(shí)現(xiàn)改善金融市場(chǎng)環(huán)境和產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的雙重目標(biāo)。創(chuàng)新創(chuàng)業(yè)指數(shù)的系數(shù)值為0.003 且在5%的水平下通過檢驗(yàn)，說明創(chuàng)新創(chuàng)業(yè)指數(shù)能夠提高兩系統(tǒng)的協(xié)調(diào)水平?！笆奈濉币?guī)劃明確提出，要堅(jiān)持創(chuàng)新驅(qū)動(dòng)發(fā)展，全面塑造發(fā)展新優(yōu)勢(shì)。創(chuàng)新創(chuàng)業(yè)指數(shù)的提升有利于營造良好的營商環(huán)境，為企業(yè)發(fā)展注入新的活力與動(dòng)力。

四、結(jié)論與討論

本文對(duì)長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)的耦合協(xié)調(diào)度動(dòng)態(tài)演進(jìn)和時(shí)空特征展開研究，綜合運(yùn)用核密度估計(jì)、數(shù)理統(tǒng)計(jì)分析、ArcGIS可視化分析、空間自相關(guān)分析，揭示了區(qū)域協(xié)調(diào)值的空間異質(zhì)性、空間關(guān)聯(lián)特征及其時(shí)間演進(jìn)趨勢(shì)，在此基礎(chǔ)上，構(gòu)建空間計(jì)量模型探析影響區(qū)域協(xié)調(diào)值的因素，主要結(jié)論如下：①金融生態(tài)環(huán)境與經(jīng)濟(jì)增長(zhǎng)總體呈現(xiàn)高耦合、低協(xié)調(diào)，兩值均表現(xiàn)出小幅度增長(zhǎng)趨勢(shì)。耦合值總體在0.9 以上，協(xié)調(diào)值在0.3～0.4，說明區(qū)域內(nèi)兩系統(tǒng)關(guān)聯(lián)度強(qiáng)，但兩者發(fā)展并未達(dá)到良性共振。從協(xié)調(diào)值區(qū)域分布來看，上海＞江蘇＞浙江＞安徽，協(xié)調(diào)值區(qū)域差異較大。②從協(xié)調(diào)值空間分布來看，高值主要分布在東部沿海城市，形成以上海為高值中心并向周邊擴(kuò)散的態(tài)勢(shì)，低值城市主要分布于西部城市且數(shù)量有所減少。協(xié)調(diào)值的空間集聚效應(yīng)強(qiáng)，表現(xiàn)出先波動(dòng)上升再下降的態(tài)勢(shì)，局部形成以南通、蘇州、嘉興為中心的“高-高”聚集區(qū)、以安慶、銅陵、池州為中心的“低-低”聚集區(qū)和以合肥為中心的“高-低”聚集區(qū)。③從影響因素來看，金融從業(yè)人員、GDP 增長(zhǎng)率、外商直接投資以及創(chuàng)新創(chuàng)業(yè)指數(shù)對(duì)兩系統(tǒng)的協(xié)調(diào)發(fā)展表現(xiàn)出顯著的正向推動(dòng)作用，固定資產(chǎn)投資占GDP 比重對(duì)協(xié)調(diào)值的發(fā)展表現(xiàn)出消極的負(fù)向作用。

長(zhǎng)三角金融生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展的互動(dòng)效應(yīng)強(qiáng)，但同時(shí)也存在兩系統(tǒng)發(fā)展不協(xié)調(diào)、區(qū)域間發(fā)展差異大等問題。如何以點(diǎn)帶面破解區(qū)域金融生態(tài)環(huán)境與經(jīng)濟(jì)發(fā)展不協(xié)調(diào)的瓶頸，共同打造強(qiáng)勁活躍“經(jīng)濟(jì)-金融”增長(zhǎng)極，進(jìn)而實(shí)現(xiàn)區(qū)域一盤棋的大發(fā)展新格局意義重大。為此，提出以下建議：一是優(yōu)化金融人才引入標(biāo)準(zhǔn)、審批機(jī)制和服務(wù)體系。在制定人才引入標(biāo)準(zhǔn)時(shí)，不僅要考慮重大科技科研人員、知名學(xué)者，同時(shí)重點(diǎn)加強(qiáng)引進(jìn)企業(yè)急需的專業(yè)型金融人才，并加強(qiáng)人才引進(jìn)后的配套設(shè)施建設(shè)，如教育、醫(yī)療等。二是進(jìn)一步推進(jìn)各領(lǐng)域擴(kuò)大開放，降低對(duì)外資準(zhǔn)入的限制，分步提升上海國際金融中心能級(jí)，吸引外商資金的投入，營造法治化、國際化、便利化營商環(huán)境。三是提高金融企業(yè)自主創(chuàng)新能力。在政策層面，重點(diǎn)加大對(duì)先進(jìn)制造業(yè)和科創(chuàng)企業(yè)的信貸投入，同時(shí)支持符合條件的科創(chuàng)企業(yè)上市融資；在平臺(tái)建設(shè)層面，擴(kuò)大金融機(jī)構(gòu)、金融資本引入規(guī)模，為科創(chuàng)型企業(yè)提供精準(zhǔn)金融服務(wù)；在產(chǎn)品研發(fā)層面，重點(diǎn)加大科技金融產(chǎn)品、供應(yīng)鏈金融產(chǎn)品、金融科技產(chǎn)品的創(chuàng)新力度。

從實(shí)證分析的“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”耦合聚集效應(yīng)宏觀視角，結(jié)合國務(wù)院《長(zhǎng)江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》及長(zhǎng)三角各省市規(guī)劃綱要、實(shí)施方案、行動(dòng)方案（計(jì)劃），長(zhǎng)三角積極服務(wù)和主動(dòng)融入新發(fā)展格局的著力點(diǎn)未來在于兩個(gè)方面：一方面，加大“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”耦合協(xié)調(diào)度“高-高”聚集區(qū)的高質(zhì)量發(fā)展和高水平經(jīng)濟(jì)雙循環(huán)步伐，如高質(zhì)量工業(yè)產(chǎn)品、高附加值產(chǎn)品、產(chǎn)業(yè)資本循環(huán)；另一方面，加速形成“高-低”聚集區(qū)和“低-低”聚集區(qū)的國內(nèi)大循環(huán)，如內(nèi)需導(dǎo)向產(chǎn)業(yè)鏈聯(lián)通、數(shù)字經(jīng)濟(jì)關(guān)鍵要素對(duì)接、打通共同富裕堵點(diǎn)難點(diǎn)。以暢通“國內(nèi)大循環(huán)”和“國內(nèi)國際雙循環(huán)”為著力點(diǎn)，以提升區(qū)域“金融生態(tài)環(huán)境-經(jīng)濟(jì)增長(zhǎng)”耦合協(xié)調(diào)度為著重點(diǎn)，以區(qū)域一體化發(fā)展為出發(fā)點(diǎn)，以城市發(fā)展和鄉(xiāng)村振興為落腳點(diǎn)，形成協(xié)同發(fā)展的強(qiáng)大合力。如此，長(zhǎng)三角之先行示范將為國家富強(qiáng)、民族復(fù)興貢獻(xiàn)智慧和力量。

注 釋：

（1）人口數(shù)據(jù)來自第七次全國人口普查，其他數(shù)據(jù)來自各市2020年國民經(jīng)濟(jì)與社會(huì)發(fā)展統(tǒng)計(jì)公報(bào)。