金融開放對長三角城市群金融集聚的影響及地區(qū)異質(zhì)性
——基于特征提取的聚類分析*

馬涵江，喻旭蘭

(湖南大學金融與統(tǒng)計學院，湖南 長沙 410006)

自改革開放以來，我國經(jīng)濟的長期高速增長很大程度上得益于對外開放政策的實施.金融開放作為對外開放進程的重要組成部分，可持續(xù)助力于我國金融供給側(cè)結(jié)構(gòu)性改革.為扭轉(zhuǎn)當前金融實力與經(jīng)濟國際地位不相匹配的局面，我國于2018年起加快金融業(yè)全面對外開放步伐，穩(wěn)步推進資本賬戶開放與人民幣國際化進程，爭取占據(jù)國際資本市場有利地位，獲得全球規(guī)則制定的更大話語權(quán).東部沿海作為我國對外開放的最前陣，經(jīng)濟繁榮富庶的長三角地區(qū)則當屬其中最耀眼的明珠，已逐步形成以全球金融中心上海市為首，杭州市、蘇州市、南京市等多個中心城市輻射并帶動周邊中小城市加入金融對外開放體系的區(qū)域空間格局.

2016年國務院發(fā)布的《長江三角洲城市群發(fā)展規(guī)劃》中提出，由“三省一市”共26 個城市組成長三角城市群(1)26個城市包括上海，江蘇省內(nèi)南京、鎮(zhèn)江、揚州、常州、蘇州、無錫、南通、泰州、鹽城9個城市，浙江省內(nèi)杭州、嘉興、湖州、紹興、寧波、舟山、金華、臺州8個城市，以及安徽省內(nèi)合肥、蕪湖、滁州、馬鞍山、銅陵、池州、安慶、宣城8個城市.，將區(qū)域一體化作為發(fā)揮各地協(xié)同增長優(yōu)勢，實現(xiàn)整體有機聯(lián)動并最終建成高水平經(jīng)濟增長極的未來發(fā)展戰(zhàn)略.當前，承載著資本配置與流動的金融業(yè)已縱深嵌入經(jīng)濟發(fā)展的方方面面，對各類生產(chǎn)要素的地區(qū)間分配以及區(qū)域協(xié)調(diào)共進的空間格局塑造有著復雜而深刻的影響.金融集聚是現(xiàn)代金融產(chǎn)業(yè)常見的地理分布現(xiàn)象，既是各種外部條件作用下金融資源在空間層面形成帕累托最優(yōu)配置的靜態(tài)結(jié)果，也反映了資本、機構(gòu)、人力等金融要素在區(qū)域內(nèi)部轉(zhuǎn)移、流動、集合的動態(tài)演變[1].金融集聚借助資源在空間上密集分布從而形成的信息腹地、規(guī)模經(jīng)濟、信譽機制、技術(shù)創(chuàng)新、自我強化等相關(guān)效應和一系列優(yōu)勢，影響著各地金融實力相對演化與區(qū)域內(nèi)部經(jīng)濟的互助共生.筆者將通過探討金融開放對長三角各城市金融集聚水平的具體影響，以此推動開放背景下長三角城市群區(qū)域一體化進程與發(fā)展等相關(guān)問題的深入研究.

1 理論分析與假設

金融開放本質(zhì)上可看作為是金融要素的可跨境自由流動，主要包括資本賬戶開放、股票市場開放和金融業(yè)對外開放3個方面，分析金融開放對東道國金融發(fā)展的影響大致可以從國際資本流動、股票市場投資、金融機構(gòu)進入等角度展開，而學界關(guān)于金融開放影響東道國金融發(fā)展的相關(guān)研究結(jié)論并不統(tǒng)一.從正向影響角度來看，第一，金融開放后，外資企業(yè)能夠進入東道國市場開展經(jīng)營與投資，國際資本流入增加了地區(qū)的資本積累.隨著貨幣兌換和國際資本跨境流動等全球性質(zhì)業(yè)務的開展，國內(nèi)資本在區(qū)域間的流動性和配置效率也得到提高，有利于金融資源加速向高回報率地區(qū)集聚.第二，管理經(jīng)驗、經(jīng)營水平、創(chuàng)新能力等多方面較為先進的外資金融機構(gòu)，在一定范圍內(nèi)起到技術(shù)示范效應.處于外圍的本土金融機構(gòu)為了學習先進經(jīng)驗、獲取前沿信息，有動力向中心區(qū)域靠攏，增強金融產(chǎn)業(yè)在地域上集聚分布的傾向.第三，金融開放的現(xiàn)實結(jié)果促使政府檢驗政策和監(jiān)管體系的正確性和有效性，提升制度質(zhì)量[2]，改善金融生態(tài)和營商環(huán)境.具有良好制度的地區(qū)能夠?qū)崿F(xiàn)經(jīng)營成本降低以吸引機構(gòu)集聚，融資效率提高以促進資金集聚，增強人才激勵以促進人才集聚三者的金融集聚過程[3].第四，金融開放對于促進我國證券業(yè)良好發(fā)育，建立多層次資本市場，完善直接融資體系有著重要意義[4-5].投資渠道擴展和優(yōu)質(zhì)投資機會增加刺激了高收入居民的金融資產(chǎn)持有需求，使當?shù)貎π钔顿Y轉(zhuǎn)化率得以提升，金融存量資源增加[6].基于此，提出假設：

H1a：金融開放增強了城市聚集金融資源的能力，使其形成更高水平的金融集聚.

金融開放也可能對當?shù)亟鹑诎l(fā)展和集聚造成不利影響.第一，金融開放打開了資本流出通道，部分地區(qū)資本外逃現(xiàn)象加劇導致資本流失過度.第二，外資金融機構(gòu)進入后可能使部分本土機構(gòu)面臨過度競爭而被擠出[7].程小慶等[8]實證發(fā)現(xiàn)金融業(yè)開放會降低內(nèi)資銀行特別是國有銀行和非上市銀行的利潤率.此外，外資金融機構(gòu)的“摘櫻桃”行為，即只選擇與盈利狀況良好的本土企業(yè)進行合作，帶來本土機構(gòu)貸款質(zhì)量惡化、大量客戶流失的問題[9].第三，金融開放帶來的短期外部沖擊打破了當?shù)亟鹑跇I(yè)體系原有的穩(wěn)定運行路徑，有可能使其陷入混亂甚至低迷[10].例如外資銀行進入會減少當?shù)仃P(guān)系型貸款的發(fā)放，使信息不透明的中小企業(yè)難以獲得貸款，同時也降低了本土銀行的盈利能力.第四，不同于前文提出金融開放可能產(chǎn)生的正向制度溢出，李振新等[11]認為政府在財政壓力下有可能與外資金融機構(gòu)合作套取國內(nèi)金融資源，以支持與外資企業(yè)競爭中處于劣勢的內(nèi)資企業(yè)，這增加了政府對金融體系的干預和我國的金融分權(quán)程度，不利于資源在市場化機制下自由流動和集聚.據(jù)此，提出對立假設：

H1b：金融開放給城市金融發(fā)展帶來負向影響，從而削弱其金融集聚水平.

部分研究認為金融開放后能否獲得收益與主體自身基礎(chǔ)條件有很大關(guān)系.楊繼梅等[12]從金融規(guī)模、效率和結(jié)構(gòu)3個維度證明了金融開放作用的異質(zhì)性，指出當金融整體規(guī)模過低或過高，金融機構(gòu)效率過低，金融市場占比較低時，均難以享受到金融開放的促進作用.經(jīng)濟落后地區(qū)缺少能夠?qū)ν鈦碣Y本進行有效分配的金融市場，從而難以獲得開放后利率下降的福利[13].不發(fā)達國家自身基礎(chǔ)薄弱難以吸引優(yōu)質(zhì)外資，抵御外來風險的能力較弱，容易在開放環(huán)境中與發(fā)達或新興發(fā)展中國家形成更大差距.逄淑梅等[14]實證發(fā)現(xiàn)金融開放未使資本流向回報率更高的落后地區(qū)，反而加強了區(qū)域間的非對稱增長.由此，提出假設：

H2：金融開放對金融集聚的作用因受到城市自身基礎(chǔ)條件影響而存在異質(zhì)性.

2 變量選取與描述

本研究以2005，2010，2018年長三角城市群26個城市的面板數(shù)據(jù)為研究樣本，實證分析金融開放對金融集聚的影響.數(shù)據(jù)均來源于2005，2010，2018年《中國城市統(tǒng)計年鑒》或城市統(tǒng)計公報.

2.1 金融集聚水平度量

衡量金融集聚水平方法有區(qū)位熵、空間基尼系數(shù)、HI指數(shù)等單指標法和利用多變量構(gòu)成的綜合指標法.鑒于單一指標的局限和片面性，從金融基礎(chǔ)、金融規(guī)模、金融密度和金融深度4個角度構(gòu)建評價城市金融集聚水平的綜合指標.金融基礎(chǔ)指標衡量該城市的經(jīng)濟發(fā)展和人口資源情況，金融規(guī)模反映當?shù)刭Y金與人力資源的多寡，金融密度是單位面積或單位人口所擁有的金融資源，金融深度代表金融滲透當?shù)亟?jīng)濟發(fā)展的能力.

表1 城市金融集聚度評價指標體系Table 1 Evaluation Index System for Urban Financial Agglomeration

因子分析法常用于多維指標體系提取公因子，對其賦權(quán)后可降維整合生成變量的綜合評價單一指標.本研究用SPSS 24軟件對金融集聚指標體系進行逐年的因子分析打分，經(jīng)檢驗各年度數(shù)據(jù)KMO值均大于0.6，且均通過了巴特利球度檢驗，認為相關(guān)系數(shù)矩陣與單位矩陣存有顯著差異，說明原始變量之間相關(guān)程度較高，適合進行因子分析.以2018年為例說明各年因子分析打分過程.軟件得到各因子得分后，以因子的方差貢獻率為權(quán)數(shù)，再進行歸一化處理.最終綜合得分的計算公式為

FA=0.652×F1+0.201×F2+0.147×F3.

(1)

最終金融集聚綜合得分的平均值為0，方差為1，含義為得分越高，該城市的金融集聚程度越大；得分大于0，表明該城市當年金融集聚水平處于所有樣本城市平均水平之上，具有相對豐富的金融資源和較密集的金融活動，對區(qū)域內(nèi)其他城市產(chǎn)生一定輻射作用；得分小于0，說明該城市當年金融集聚水平低于所有樣本城市的平均水平，金融發(fā)展實力相對較弱，對其他地區(qū)產(chǎn)生的影響有限.限于篇幅，僅列示了2005，2010，2018年金融集聚得分，如表2所示.

表2 各城市金融集聚最終得分Table 2 Final Score ofCity Financial Agglomeration

表2(續(xù))Table 2(Continued)

根據(jù)以上3年得分，借助ARC GIS軟件繪制能夠直觀反映長三角城市群金融集聚水平空間特征的分布圖(圖1～3).由圖1～3可以看出，長三角城市群中上海、蘇州、杭州等省會城市與沿海城市金融集聚水平較高，而處于內(nèi)陸的安徽省大部分城市金融集聚水平相對較低，區(qū)域內(nèi)呈現(xiàn)出明顯的空間差異性和一定動態(tài)變化趨勢.

圖1 2005年長三角城市群金融集聚示意Fig. 1 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2005

圖2 2010年長三角城市群金融集聚示意Fig. 2 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2010

圖3 2018年長三角城市群金融集聚示意Fig. 3 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2018

2.2 金融開放水平度量與城市聚類分析

張海軍等[15]用多項變量賦權(quán)后的復合指標衡量城市金融開放水平具有可行性和良好測度效果，但式中未包含外資金融機構(gòu)的相關(guān)指標.本研究在其基礎(chǔ)上進行改進后的測度公式為

(2)

其中：FDI與GDP比值衡量直接投資強度；年末金融機構(gòu)外幣存貸款總額(FLD)與年末金融機構(gòu)本外幣存貸款總額(TLD)比值代表貨幣市場開放程度；外資銀行數(shù)量(FBN)代表金融業(yè)開放程度.參考文獻[15]，令λ1=0.4，λ2=0.3，λ3=0.3.

為反映長三角26城市間金融開放水平差異，本研究基于主成分特征提取進行了聚類分析.由于金融開放變量是26個城市3項子指標在2005，2010，2018年動態(tài)變化構(gòu)成的多指標面板數(shù)據(jù)形式，無法像截面或單指標面板數(shù)據(jù)進行傳統(tǒng)聚類分析，故本研究借鑒黨耀國[16]做法，通過提取5項反映變量時序信息的特征值，從而實現(xiàn)將包含時間維度的面板數(shù)據(jù)壓縮為單截面數(shù)據(jù)的目的.提取絕對水平、波動程度、發(fā)展趨勢以及反映分布情況的偏度與峰度5項時序特征值，以盡可能涵蓋變量在截面維度的絕對水平與時間序列維度的變動情況.

(1)面板數(shù)據(jù)標準化處理.首先，為避免各指標因數(shù)量級不同影響聚類結(jié)果，事先對指標進行如下標準化處理：

(3)

式中Xnm(t)代表t年時城市n第m子項指標的數(shù)值.

(2)面板數(shù)據(jù)特征值提取.

定義1全時“絕對水平”特征值(Average Value Feature，AVF)反映城市n的第m項子指標在樣本期內(nèi)的平均值，計算公式為

(4)

定義2全時“波動度”特征值(Variance Feature，VF)反映城市n的第m項子指標各年數(shù)值的變異程度，計算公式為

(5)

定義3全時“偏度”特征值(Skewness Coefficient Feature，SCF)衡量了城市n的第m項子指標各年數(shù)值分布曲線的對稱程度，計算公式為

(6)

定義4全時“峰度”特征值量(Kurtosis Coefficient Feature，KCF)衡量了城市n的第m項子指標各年數(shù)值分布曲線峰部的尖度，計算公式為

(7)

分布曲線呈現(xiàn)“尖峰厚圍”則意味著數(shù)值分散，相同標準差下存在更多極端值.當KCF(Fnm)大于0，分布曲線比正態(tài)分布更集中于均值附近；當KCF(Fnm)小于0，分布曲線比正態(tài)分布更分散.如果兩城市金融開放某一維度的發(fā)展進程相似，那么反映其分布曲線特征的偏度特征值SCF(Fnm)和峰度特征值KCF(Fnm)也應相似.

定義5全時“趨勢”特征值(Tread Feature，TF)反映城市n的第m項子指標在樣本期內(nèi)的長期發(fā)展走勢，計算公式為

(8)

(3)特征值的PCA二次降維.經(jīng)特征值提取后，14年面板數(shù)據(jù)已經(jīng)降維為截面數(shù)據(jù)，但是各城市下各3項子指標各有5項特征值，為對3個指標下的同類特征值進行集合，利用主成分分析法(PCA)進行二次降維.最終所提取主成分的方差貢獻率和需達到80%以上，由此求得5項特征值綜合得分分別為AVF(Fn)，VF(Fn)，SCF(Fn)，KCF(Fn)，TF(Fn).

(4)特征值賦權(quán).對異質(zhì)性指標進行同向歸一化處理，以AVF*(Fnm)為例，同理可得歸一化后的VF*(Fnm)，SCF*(Fnm)，KCF*(Fnm)，TF*(Fnm).為方便表示，將各城市5項歸一化后的特征值統(tǒng)一記為Kn(l)，l=1,2,…,5.

正向指標處理公式為

(9)

負向指標處理公式為

(10)

結(jié)合運用專家主觀經(jīng)驗打分AHP法和客觀提取數(shù)據(jù)信息的熵值法賦予5項特征值權(quán)重，以反映不同特征值重要性和信息含量的差異.AHP法邀請多位專家打分得到的權(quán)重為βA(l).熵值法要先計算該項指標在所有城市中的比重pn(l)，再計算其熵值e(l).由于en(l)是逆向指標，需正向歸一化后得到熵值法下特征值的權(quán)重系數(shù)βE(l).最后，根據(jù)特征值計算出的熵值，將AHP法與熵值法進行結(jié)合后得到對特征值的綜合權(quán)重系數(shù)βn(l).計算公式如下：

(11)

(12)

(13)

βn(l)=βA(l)e(l)+βE(l)(1-e(l))l=1,2,…,5.

(14)

圖4以城市n為例對上述過程進行了直觀展示.聚類分析前的處理工作主要分為3步：第一，根據(jù)2005，2010，2018年數(shù)據(jù)的時序特征，提取得到5項特征值；第二，對不同子指標下的同類特征值利用主成分分析實現(xiàn)降維；第三，利用AHP-熵值法確定權(quán)重，給特征值賦權(quán).

圖4 城市n的主成分特征提取及賦權(quán)示意Fig. 4 Principal Component Feature Extraction and Weighting Diagram of City n

(5)K均值動態(tài)聚類分析.K均值動態(tài)聚類方法根據(jù)城市間特征值的距離不斷進行迭代，最后將所有城市分為4類，結(jié)果見表3.

表3 長三角城市金融開放水平聚類結(jié)果Table 3 Clustering Results of Urban Financial Openness Inthe Yangtze River Delta

表4詳細報告了每一類城市分組中5項特征值的平均水平.分析可知，第1類為經(jīng)濟和金融均相對發(fā)達的城市，金融開放度較大，但是存在輕微下降趨勢.第2類城市的金融開放絕對水平雖弱于一類城市，但趨勢特征值更高，波動得分也相對較高，說明國外資本和外資金融機構(gòu)關(guān)注到此類城市的發(fā)展?jié)摿褪袌隹臻g，從而逐漸加大投資和布局.第3類城市金融開放絕對水平處于均值以下，但由于這些城市多屬于江蘇和浙江2個經(jīng)濟大省，沿海地理條件和良好的外部經(jīng)濟環(huán)境使其在一定程度上也能受益于金融對外開放的“東風”.第4類城市全部來自安徽省，自身經(jīng)濟與金融發(fā)展相對較弱勢，又難以如第3類城市一樣受益于同省其他城市的帶動，使得這些城市的金融開放度最小.

表4 各組特征值平均情況Table 4 Average Eigenvalues of Each Group

2.3 控制變量選取

2.4 描述性統(tǒng)計

變量描述性統(tǒng)計結(jié)果如表5所示，金融集聚得分最高為2.87，最低為-0.76，均值為0，說明存在部分金融集聚度較大的中心城市.金融開放最高為0.365，最低為0.004，標準差為0.129，顯示出城市間金融開放水平存在一定差距，為接下來的研究提供了基礎(chǔ).

表5 變量描述性統(tǒng)計Table 5 Variable Descriptive Statistics

3 實證結(jié)果分析

3.1 模型設定

為深入研究金融開放對長三角城市群金融集聚度的影響，用26個城市2005，2010，2018年的面板數(shù)據(jù)建立如下計量經(jīng)濟模型：

FAit=β0+Openit+Zit+∑Year+∑Region+εit.

(15)

式中：FAit為t年城市i金融集聚綜合得分；Openit為t年城市i金融開放水平；Zit包含了多個控制變量；∑Year為時間固定效應；∑Region為地區(qū)固定效應；εit為隨機誤差項.

3.2 金融開放對城市金融集聚水平的回歸結(jié)果分析

(1)基準回歸結(jié)果.表6報告了基準模型的回歸結(jié)果.第1組利用混合OLS進行回歸，第2組控制了時間固定效應，第3組控制了時間和地區(qū)的雙重固定效應，3組回歸結(jié)果中金融開放系數(shù)均顯著為正，說明城市對外金融開放能夠促使金融各類資源向其流動并集聚.第3組控制了雙向固定效應模型的調(diào)整R方最高，且控制變量回歸結(jié)果基本符合預期，說明該模型對數(shù)據(jù)有較好的擬合度.第3組金融開放回歸系數(shù)為1.129 2，在1%水平上顯著，含義為城市金融開放得分每增加1分，其金融集聚水平得分就會增加12.92%，表明該結(jié)果不僅在統(tǒng)計意義上顯著，在經(jīng)濟意義上同樣顯著，由此證明假說H1a成立.

表6 金融開放對城市金融集聚水平的基準回歸結(jié)果Table 6 Benchmark Regression Results of Financial Openness on the Level of Urban Agglomeration

(2)分樣本回歸分析結(jié)果.

表7 金融集聚對金融水平的分樣本回歸結(jié)果Table 7 The Sub-Sample Regression Results of Financial Agglomeration on Financial Level

表7(續(xù))Table 7(Contiuned)

為驗證金融開放的金融集聚效應是否在不同城市存在異質(zhì)性，按照城市金融開放水平聚類結(jié)果進行了分組回歸.第1組金融開放系數(shù)在5%水平上顯著為正，說明在這6個金融開放水平較高的城市中，金融對外開放顯著提升了金融集聚度和競爭力.金融開放處于中等水平的第2組和第3組中金融開放系數(shù)不顯著，作用效果不明確.第4組金融開放系數(shù)顯著為負，說明金融對外開放反而對這些城市的金融資源起到了外流和分散效果.分樣本回歸結(jié)果的不同說明了金融開放產(chǎn)生的影響確實存在地區(qū)異質(zhì)性，第1類金融開放度較高的城市其自身集聚水平能夠得到明顯強化，進入第4類城市中的少量國際資本和外資金融機構(gòu)不利于其自身金融資源的留存，從而使區(qū)域內(nèi)部出現(xiàn)金融集聚“強者愈強，弱者愈弱”的極化趨勢，與Shenguo Yuan[17]認為金融開放增強了發(fā)達區(qū)域?qū)η钒l(fā)達區(qū)域的資源搶奪和虹吸作用，從而拉大區(qū)域金融差異的結(jié)論相印證，由此證明假說H2成立.

宏觀經(jīng)濟變量之間由于存在強相關(guān)性而容易產(chǎn)生互為因果的內(nèi)生性問題，對本文而言，金融發(fā)展水平較高的城市可能會吸引更多國際資本投資和金融機構(gòu)進入，從而增強城市的金融集聚水平，故形成反向因果的內(nèi)生性問題.借鑒Maghyereh等的做法利用交叉滯后的回歸模型，即在解釋變量中分別引入被解釋變量和解釋變量的一階滯后項進一步估計以此消除反向因果的可能性，具體模型如下：

FAit=β0+β1FAi，t-1+β2Openi，t-1+Zit+∑Year+∑Region+εit.

(16)

在樣本容量有限時，兩步估計GMM方法的標準誤可能產(chǎn)生向下偏誤，從而影響結(jié)果有效性[18]，因此本研究采用一步估計系統(tǒng)GMM進行內(nèi)生性檢驗.結(jié)果顯示擾動項一階差分存在自相關(guān)，但二階差分不存在自相關(guān)，滿足了原假設中擾動項不存在序列自相關(guān)的條件.過度識別檢驗中，Hansen統(tǒng)計量不能拒絕所有工具變量均為外生變量的原假設.基于AR檢驗和Hansen檢驗結(jié)果，可以判斷模型設定合理且工具變量均有效.估計結(jié)果顯示，滯后一階的金融開放系數(shù)在符號和顯著性上都未發(fā)生顯著變化，證明了解決內(nèi)生性問題后本研究結(jié)論依然成立.

表8 穩(wěn)健性檢驗結(jié)果Table 8 Robustness Test Results

4 結(jié)論與建議

探討了2005，2010，2018年金融開放對長三角中各城市金融集聚發(fā)展的影響及地區(qū)異質(zhì)性.首先，構(gòu)建金融集聚綜合評價體系并通過因子分析計算各城市得分，對比2005，2010，2018年各城市金融集聚水平，發(fā)現(xiàn)上海和江蘇、浙江省部分發(fā)達城市呈現(xiàn)強金融集聚，而安徽省大部分城市金融集聚程度較弱，城市群整體呈現(xiàn)顯著的空間差異.之后，基于主成分特征值提取對金融開放面板數(shù)據(jù)進行了單一截面化處理，用K均值動態(tài)聚類分析將26個城市按樣本期內(nèi)金融開放水平及趨勢特征分為4組.實證檢驗中，分別利用全樣本混合OLS和固定效應模型檢驗，并基于聚類分組結(jié)果進行了分樣本回歸，結(jié)果顯示，總體上金融開放對長三角城市的金融集聚水平起到顯著促進影響，但分樣本回歸顯示金融開放對金融集聚的影響存在地區(qū)異質(zhì)性.在上海、蘇州、杭州、南京等金融開放度高的一類城市中，金融開放對城市金融集聚起到了顯著的促進作用；在蕪湖、馬鞍山、安慶等金融開放度最低的4類城市中，金融開放表現(xiàn)出明顯抑制作用.最后，為確保結(jié)論穩(wěn)健而替換了變量與模型，引入交叉滯后固定效應模型并用系統(tǒng)GMM估計來解決潛在反向因果導致的內(nèi)生性偏誤，經(jīng)過一系列檢驗本研究結(jié)論依然成立.

在金融對外開放不斷深入的背景下，為進一步發(fā)揮金融業(yè)在長三角區(qū)域一體化進程中的重要協(xié)助作用，對長三角“三省一市”提出以下政策建議：第一，以上海為首的發(fā)達城市應發(fā)揮金融集聚地的區(qū)域輻射作用，積極帶動周邊地區(qū)發(fā)展、切實推進長三角一體化協(xié)調(diào)發(fā)展戰(zhàn)略實施；第二，浙江、江蘇省內(nèi)應繼續(xù)破除城市間金融資源流動壁壘，加強省內(nèi)欠發(fā)達城市的金融基礎(chǔ)設施建設，幫助其充分吸收省內(nèi)其余發(fā)達城市的空間外部溢出以提升自身金融實力，從而實現(xiàn)全省內(nèi)部空間發(fā)展差異縮小、整體均衡持續(xù)發(fā)展的目標；第三，安徽省在金融開放中面臨著來自于長三角內(nèi)其他城市嚴重的資源虹吸效應，對此安徽省政府應主動尋求建立區(qū)域金融合作機制以減緩金融資源過度外流，并需結(jié)合自身要素稟賦實現(xiàn)金融業(yè)的差異化發(fā)展.另外，安徽省各城市需優(yōu)化金融生態(tài)與營商環(huán)境，通過提升制度質(zhì)量以增強對優(yōu)質(zhì)國際資本流入與長期投資的吸引力，以期在金融開放中獲得正向回報并逐漸趕超其他發(fā)達省市.