金融集聚與企業(yè)高質(zhì)量發(fā)展
——金融機(jī)構(gòu)空間分布的視角

馮 玨,黃解宇

(運(yùn)城學(xué)院 經(jīng)濟(jì)管理系,山西 運(yùn)城 044000)

一、引言

企業(yè)高質(zhì)量發(fā)展是經(jīng)濟(jì)高質(zhì)量發(fā)展的微觀表現(xiàn),也是經(jīng)濟(jì)高質(zhì)量發(fā)展的重要組成部分。在經(jīng)濟(jì)轉(zhuǎn)型的背景下,2017 年十九大報(bào)告首次提出了綠色低碳循環(huán)的高質(zhì)量發(fā)展方向,隨后中部地區(qū)以及資源型地區(qū)高質(zhì)量發(fā)展的文件也相繼出臺,2022 年政府工作報(bào)告同樣指出推動高質(zhì)量發(fā)展依然是現(xiàn)階段中國政府的工作任務(wù)。學(xué)者們對于如何推動經(jīng)濟(jì)高質(zhì)量發(fā)展展開了豐富且翔實(shí)的研究,但其中關(guān)于企業(yè)高質(zhì)量發(fā)展的研究卻相對缺乏。

企業(yè)的高質(zhì)量發(fā)展離不開金融的支持。微觀數(shù)據(jù)顯示:伴隨著中國GDP 的平穩(wěn)增長,中國上市公司的數(shù)量從2000 年的1 175 家增長到2020 年的4 432 家,基本上每10 年就會增加一倍(圖1)。與此同時(shí),中國上市公司周邊5 公里、10 公里、20 公里、30 公里范圍內(nèi)金融機(jī)構(gòu)的平均數(shù)量分別從2000年的222 家、377 家、546 家、698 家增加到2020 年的345 家、842 家、1 583 家、2 169 家,增加幅度分別為55.73%、123.37%、189.9%和210.63%,均表現(xiàn)出明顯的上升趨勢(圖2)。那么,金融機(jī)構(gòu)在企業(yè)周邊產(chǎn)生的集聚現(xiàn)象是一種必然還是巧合,其對企業(yè)高質(zhì)量發(fā)展又會產(chǎn)生怎樣的影響?

圖1 上市公司數(shù)量

圖2 企業(yè)周邊金融機(jī)構(gòu)平均數(shù)量

金融機(jī)構(gòu)集聚現(xiàn)象本質(zhì)上還是金融集聚問題,反映的是金融與實(shí)體經(jīng)濟(jì)的關(guān)系。金融發(fā)展能夠帶動資源流動,提高金融資源的配置效率,促進(jìn)社會技術(shù)創(chuàng)新,進(jìn)而推動經(jīng)濟(jì)增長。資本配置效率提高意味著高資本回報(bào)率的實(shí)體經(jīng)濟(jì)會得到更多的資金支持,資本流入能夠減輕企業(yè)的融資約束,降低企業(yè)投資對內(nèi)部現(xiàn)金流的依賴性,從而促進(jìn)企業(yè)發(fā)展[1]。金融對實(shí)體經(jīng)濟(jì)的促進(jìn)作用已得到了廣泛論證,但是近年來的金融危機(jī)卻使得“金融服務(wù)實(shí)體經(jīng)濟(jì)”的口號頻頻出現(xiàn),金融“脫實(shí)向虛”等問題也引起了學(xué)者們的普遍關(guān)注。這也就意味著金融對實(shí)體經(jīng)濟(jì)的作用出現(xiàn)了偏差和錯(cuò)位,未達(dá)到服務(wù)實(shí)體經(jīng)濟(jì)的預(yù)期效果。為實(shí)體經(jīng)濟(jì)提供更好的金融服務(wù),根本要求在于降低流通成本,提高金融的中介效率和分配效率[2]。要實(shí)現(xiàn)這些要求,制度層面上需要健全資本管理機(jī)制、發(fā)展普惠金融、完善金融監(jiān)管框架等,而在實(shí)踐層面上也可以通過金融的集聚效應(yīng)加以補(bǔ)充。因此,微觀層面上研究金融集聚對企業(yè)高質(zhì)量發(fā)展具有重要的理論和現(xiàn)實(shí)意義。

微觀金融集聚指標(biāo)的構(gòu)建是考察金融集聚對微觀企業(yè)行為影響的關(guān)鍵。構(gòu)造微觀金融集聚指標(biāo)的必要性體現(xiàn)在兩個(gè)方面:第一,現(xiàn)有對金融集聚的研究大多數(shù)集中在宏觀層面上,極少有學(xué)者考察金融集聚對微觀企業(yè)的影響,一個(gè)可能的原因是缺乏相應(yīng)的微觀金融集聚數(shù)據(jù)。第二,金融集聚反映的是金融資源的時(shí)空動態(tài)變化過程,表現(xiàn)出一定的區(qū)域特征,宏觀層面上常用的測量方法包括構(gòu)建金融集聚指標(biāo)體系以及計(jì)算地區(qū)金融集聚的區(qū)位熵。然而這些測量方法在研究企業(yè)問題時(shí)缺乏一定的適用性,原因是特定區(qū)域范圍內(nèi)金融集聚對不同企業(yè)會產(chǎn)生不同的作用效果,或者說不同企業(yè)面臨的金融服務(wù)和金融資源存在個(gè)體差異。因此,本文認(rèn)為現(xiàn)有金融集聚指標(biāo)在微觀層面上進(jìn)行分析時(shí)存在一定的局限性,制約了相關(guān)研究的發(fā)展。

基于以上分析,本文選取2011—2019 年中國A股上市公司作為考察對象,利用上市公司周邊金融機(jī)構(gòu)的地理信息數(shù)據(jù),構(gòu)建企業(yè)層面金融集聚指標(biāo),探討微觀層面上金融集聚對企業(yè)高質(zhì)量發(fā)展的影響及其機(jī)制。實(shí)證結(jié)果表明,金融集聚顯著促進(jìn)了企業(yè)高質(zhì)量發(fā)展。進(jìn)一步研究發(fā)現(xiàn),金融集聚通過降低銀企信息不對稱和提高銀行業(yè)競爭,進(jìn)而促進(jìn)企業(yè)高質(zhì)量發(fā)展。此外,本文還從金融機(jī)構(gòu)類別、企業(yè)特征以及外部環(huán)境三個(gè)方面考察了這種影響的異質(zhì)性。

本文可能的邊際貢獻(xiàn)體現(xiàn)在以下兩個(gè)方面:第一,微觀金融集聚數(shù)據(jù)?，F(xiàn)有研究對金融集聚的測量指標(biāo)集中在宏觀數(shù)據(jù)上,測量方法主要是構(gòu)建指標(biāo)體系和區(qū)位熵的方法,在分析金融集聚對企業(yè)影響的微觀機(jī)制中存在較大的局限性,本文創(chuàng)新性地使用上市公司周邊金融機(jī)構(gòu)數(shù)量測量企業(yè)層面金融集聚水平,為后續(xù)關(guān)于微觀金融集聚的研究提供了有益的借鑒。第二,微觀研究視角?，F(xiàn)有文獻(xiàn)對金融集聚的研究多集中在省級層面、城市層面或行業(yè)層面,企業(yè)層面上相關(guān)的研究極少。本文通過分析金融集聚對企業(yè)高質(zhì)量發(fā)展的影響,為理解企業(yè)高質(zhì)量發(fā)展的影響因素提供了新的微觀證據(jù),同時(shí)豐富了微觀金融集聚與企業(yè)行為的相關(guān)研究。

二、理論分析與研究假設(shè)

(一)企業(yè)高質(zhì)量發(fā)展的內(nèi)涵

企業(yè)高質(zhì)量發(fā)展是經(jīng)濟(jì)高質(zhì)量發(fā)展的延伸和拓展,對于經(jīng)濟(jì)高質(zhì)量發(fā)展的理解,多數(shù)學(xué)者采用構(gòu)建指標(biāo)體系的方式反映其內(nèi)涵。經(jīng)濟(jì)高質(zhì)量發(fā)展可以分解為經(jīng)濟(jì)成果分配、人力資本及其分布狀況、經(jīng)濟(jì)效率與穩(wěn)定性[3],也可以從創(chuàng)新、協(xié)調(diào)、綠色、開放、共享五個(gè)更為寬泛的維度去理解。學(xué)者們對指標(biāo)的選取雖然略有區(qū)別,但基本上都是圍繞經(jīng)濟(jì)發(fā)展是否滿足人民日益增長的美好生活需要這一準(zhǔn)則展開的。相比經(jīng)濟(jì)高質(zhì)量發(fā)展,企業(yè)高質(zhì)量發(fā)展的內(nèi)涵就更加具體,也會因?yàn)槠髽I(yè)特征的不同而有所變化。例如,國有企業(yè)由于其特殊性會存在“大而不強(qiáng)”“大而不優(yōu)”“大而不活”等問題[4],而非國有企業(yè)往往不存在這些問題。實(shí)現(xiàn)國有企業(yè)高質(zhì)量發(fā)展的邏輯框架可以分為國有經(jīng)濟(jì)、國有資本、國有企業(yè)整體以及國有企業(yè)個(gè)體四個(gè)方面[5];而民營經(jīng)濟(jì)高質(zhì)量發(fā)展的突破路徑需要從質(zhì)量變革、效率變革、動力變革和環(huán)境變革四個(gè)方面著手[6]。簡單分析可以看出,由于中國經(jīng)濟(jì)主體相對復(fù)雜,不同股權(quán)性質(zhì)的企業(yè)在實(shí)現(xiàn)高質(zhì)量發(fā)展的目標(biāo)和方式上存在差異,因此,全樣本分析中選擇一個(gè)客觀且具有代表性的指標(biāo)來評價(jià)企業(yè)高質(zhì)量發(fā)展是十分必要的。

相比企業(yè)生產(chǎn)經(jīng)營過程中的中間變量,全要素生產(chǎn)率(TFP)包含的信息更加豐富且綜合性更強(qiáng),所以更適合評價(jià)企業(yè)高質(zhì)量發(fā)展。采用TFP 作為企業(yè)高質(zhì)量發(fā)展的代理變量在研究中得到了廣泛應(yīng)用。陳昭等[7]采用TFP 研究了政府補(bǔ)貼、企業(yè)創(chuàng)新與制造業(yè)企業(yè)高質(zhì)量發(fā)展之間的關(guān)系,發(fā)現(xiàn)政府補(bǔ)貼抑制了企業(yè)的高質(zhì)量發(fā)展,企業(yè)創(chuàng)新對這種抑制作用有遮掩效應(yīng);石大千等[8]以TFP 和勞動生產(chǎn)率共同作為高質(zhì)量發(fā)展的代理變量,運(yùn)用雙重差分的方法,研究得出文明城市建設(shè)對企業(yè)高質(zhì)量發(fā)展具有顯著提高的作用;孟茂源等[9]基于2011—2017 年制造業(yè)上市公司數(shù)據(jù),實(shí)證得出勞動力成本上升對企業(yè)高質(zhì)量發(fā)展具有正向促進(jìn)作用。除此之外,還有學(xué)者從企業(yè)杠桿率、知識產(chǎn)權(quán)保護(hù)、財(cái)務(wù)管理模式、內(nèi)部控制等對企業(yè)高質(zhì)量發(fā)展的影響因素進(jìn)行研究,這些研究為正確理解企業(yè)高質(zhì)量發(fā)展提供了豐富的寶貴經(jīng)驗(yàn)。但作為影響企業(yè)發(fā)展的重要因素,鮮有金融集聚對企業(yè)高質(zhì)量發(fā)展的相關(guān)研究,本文嘗試將與TFP 相關(guān)的文獻(xiàn)也納入?yún)⒖挤秶?結(jié)果依然如此。基于以上分析,本文進(jìn)一步將金融集聚對企業(yè)高質(zhì)量發(fā)展的影響具象化為金融集聚對企業(yè)TFP 的影響?？紤]到十九大報(bào)告中關(guān)于“中國經(jīng)濟(jì)已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段”提出的時(shí)間節(jié)點(diǎn),這一時(shí)點(diǎn)之前關(guān)于企業(yè)高質(zhì)量發(fā)展的文獻(xiàn)多表現(xiàn)為金融集聚對TFP 的研究,因此本文將文獻(xiàn)范圍擴(kuò)展到金融集聚對TFP 相關(guān)的研究以及金融集聚對經(jīng)濟(jì)高質(zhì)量發(fā)展的研究。

(二)金融集聚與企業(yè)全要素生產(chǎn)率

金融集聚是金融地理學(xué)的重要分支,研究的是金融資源、金融活動、金融機(jī)構(gòu)等在某一區(qū)域形成金融中心的現(xiàn)象。國際金融中心的出現(xiàn)引發(fā)了學(xué)者對金融集聚的思考,而金融集聚的理論研究與實(shí)踐又進(jìn)一步指導(dǎo)各個(gè)區(qū)域創(chuàng)建區(qū)域金融中心,二者相輔相成。信息腹地理論指出非標(biāo)準(zhǔn)化信息需要更加專業(yè)的從業(yè)者面對面才能獲得,信息外部性和不對稱信息是決定金融中心形成的重要因素[10]。地理因素的存在使得金融交易產(chǎn)生更多的運(yùn)輸成本和信息成本。異地的銀行經(jīng)理、投資者會花費(fèi)更多的時(shí)間、精力和費(fèi)用與潛在的資金供給者溝通和接洽[11],為了彌補(bǔ)事前評估和事后監(jiān)督產(chǎn)生的運(yùn)輸成本,銀行會對不同距離的借款人實(shí)施差別定價(jià)[12]。地理距離的增加雖然不會影響金融機(jī)構(gòu)獲得公開披露的信息,但會加深資金供求雙方非公開信息的不對稱情況,在這方面本地金融機(jī)構(gòu)具有明顯的信息優(yōu)勢[13]。這些為本文從微觀層面構(gòu)建金融集聚指標(biāo)提供了一個(gè)啟示。宏觀層面的金融集聚描述的金融資源在區(qū)域上的集中,微觀層面上也可以通過金融資源在企業(yè)周邊的集聚程度加以測量,二者對非標(biāo)準(zhǔn)化信息作用機(jī)制的理解本質(zhì)上是一致的。

金融集聚對經(jīng)濟(jì)發(fā)展的影響是多方面的,包括提高城市綠色生產(chǎn)率、促進(jìn)地區(qū)綠色發(fā)展和技術(shù)創(chuàng)新水平等,但這些都是金融集聚作用于企業(yè)后的宏觀表現(xiàn),要明確金融集聚對企業(yè)TFP 的影響,就需要更深入地了解其內(nèi)在機(jī)制。金融集聚對實(shí)體經(jīng)濟(jì)的影響至少包括以下三個(gè)方面[14]:第一,金融集聚不僅是金融資源的集聚,也會導(dǎo)致與金融服務(wù)相關(guān)的會計(jì)、資產(chǎn)評估、投資咨詢等產(chǎn)業(yè)的集聚,同時(shí)產(chǎn)生勞動力升級效應(yīng)和知識溢出效應(yīng)[15]。通過外部規(guī)模經(jīng)濟(jì)效應(yīng),為實(shí)體企業(yè)提供融資和投資便利,提高資金的流動性,擴(kuò)大企業(yè)規(guī)模的同時(shí)降低融資成本和投資風(fēng)險(xiǎn)[16]。第二,金融機(jī)構(gòu)集聚形成的資源網(wǎng)絡(luò)能夠降低信息挖掘的成本、信息流動的成本,降低銀企之間的信息不對稱,完善信譽(yù)機(jī)制,進(jìn)而降低企業(yè)的融資成本和提高資金配置效率,而資源配置效率的改善能夠促進(jìn)企業(yè)TFP 顯著提高[17]。第三,金融機(jī)構(gòu)的集聚加劇了區(qū)域范圍內(nèi)的行業(yè)競爭,金融機(jī)構(gòu)為搶占市場份額會提高服務(wù)質(zhì)量,加速金融產(chǎn)品創(chuàng)新,提高金融機(jī)構(gòu)經(jīng)營效率,優(yōu)化企業(yè)融資環(huán)境。

因此,本文提出假設(shè):金融機(jī)構(gòu)的集聚能夠提高企業(yè)的TFP。

三、數(shù)據(jù)、模型與變量

(一)樣本選取和數(shù)據(jù)來源

本文以2011—2019 年中國滬深A(yù) 股上市公司作為研究對象。上市公司基本特征、財(cái)務(wù)數(shù)據(jù)來源于CSMAR 數(shù)據(jù)庫和Wind 數(shù)據(jù)庫,據(jù)此獲得企業(yè)的TFP。金融機(jī)構(gòu)許可證信息數(shù)據(jù)來源于中國銀行保險(xiǎn)監(jiān)督管理委員會網(wǎng)站,對其中機(jī)構(gòu)地址因短缺或無法定位而不能正常使用的信息進(jìn)行人工糾錯(cuò)和補(bǔ)充。數(shù)字經(jīng)濟(jì)信息來源于《中國統(tǒng)計(jì)年鑒》《中國工業(yè)經(jīng)濟(jì)統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》以及各省份統(tǒng)計(jì)年鑒。借鑒以往文獻(xiàn)對樣本的處理:剔除金融行業(yè)數(shù)據(jù);剔除已退市的上市公司;剔除既發(fā)行A股又發(fā)行B 股的上市公司;剔除樣本區(qū)間內(nèi)ST、*ST、PT 的上市公司;對連續(xù)變量進(jìn)行雙側(cè)1%的縮尾處理。最終得到3 183 家上市公司20 371 個(gè)樣本觀測值。

(二)模型構(gòu)建

本文采用固定效應(yīng)模型檢驗(yàn)金融集聚對企業(yè)TFP 的影響,模型設(shè)定如下:

其中,Tfpi,t表示企業(yè)i在第t年的全要素生產(chǎn)率,解釋變量fini,t表示企業(yè)i在第t年的金融集聚水平,Controlsi,t表示與企業(yè)個(gè)體特征相關(guān)的控制變量,包括資產(chǎn)負(fù)債率、企業(yè)年齡、第一大股東持股比率、企業(yè)成長性、現(xiàn)金流、董事會獨(dú)立性。本文關(guān)注的核心解釋變量fin的系數(shù)α1若顯著為正,則表示金融集聚能夠促進(jìn)企業(yè)TFP。

(三)變量度量

1.被解釋變量:全要素生產(chǎn)率。對于企業(yè)TFP常用的估計(jì)方法有OLS 法、OP 法和LP 法,OP 法將企業(yè)的進(jìn)入和退出情況考慮在內(nèi),避免了樣本選擇偏差的問題。LP 法進(jìn)一步改進(jìn)了OP 法,采用中間投入指標(biāo)作為不可觀測生產(chǎn)率的代理變量。相對OLS 法,OP 法和LP 法都能夠解決生產(chǎn)率估計(jì)中的內(nèi)生性問題,結(jié)果也更加可靠[18]。因此,本文用LP法作為企業(yè)TFP 的估計(jì)方法,OP 法計(jì)算的指標(biāo)作為被解釋變量的替代變量。

2.核心解釋變量:金融集聚。關(guān)于金融集聚的測量方法主要有構(gòu)建指標(biāo)體系法和區(qū)位熵的方法。金融集聚指標(biāo)體系中選取的二級指標(biāo)基本上為金融資本、金融機(jī)構(gòu)和金融人才,但三級指標(biāo)卻相差較大,構(gòu)建指標(biāo)體系的方法因不同學(xué)者對金融集聚的理解、數(shù)據(jù)獲取情況、研究需求的不同存在較大差異。區(qū)位熵的方法反映的是各省份金融業(yè)在空間上的集聚水平以及在全國的地位和作用。現(xiàn)有文獻(xiàn)中常用于計(jì)算金融集聚區(qū)位熵的數(shù)據(jù)包括金融業(yè)增加值、地區(qū)生產(chǎn)總值、金融從業(yè)人數(shù)和地區(qū)全部從業(yè)人數(shù)等,也有學(xué)者將區(qū)位熵的方法進(jìn)行擴(kuò)展,先計(jì)算出銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)的區(qū)位熵,然后采用因子分析的方式得到地區(qū)金融集聚水平。通過對現(xiàn)有學(xué)者測算金融集聚指標(biāo)方式的分析可以看出,無論是構(gòu)建指標(biāo)體系的方法還是區(qū)位熵的方法,在數(shù)據(jù)的選取上都集中在省級層面、城市層面或行業(yè)層面,而研究的問題也多與宏觀經(jīng)濟(jì)掛鉤,在研究企業(yè)層面問題時(shí)缺乏適用性,這可能是導(dǎo)致企業(yè)層面金融集聚研究無法深入的一個(gè)重要原因。即使使用宏觀數(shù)據(jù)測算的金融集聚指標(biāo)能夠較好地解釋微觀經(jīng)濟(jì)問題[19],但同樣存在著適用性的問題。用地區(qū)金融集聚指標(biāo)構(gòu)建模型表現(xiàn)的是不同企業(yè)對同一地區(qū)金融集聚水平的因果關(guān)系,一方面有可能因?yàn)槠髽I(yè)的個(gè)體差異較大而使模型解釋力不足,另一方面這種測量方式也無法真實(shí)反映出每個(gè)企業(yè)所面臨的差異化金融集聚效應(yīng)。因此,在微觀層面上分析金融集聚效應(yīng)時(shí)應(yīng)該根據(jù)每個(gè)企業(yè)的個(gè)體特征分別測算。

本文創(chuàng)新性地使用上市公司周邊金融機(jī)構(gòu)數(shù)量測量企業(yè)層面金融集聚水平。使用這種測量方式的內(nèi)在邏輯是:企業(yè)周邊的金融機(jī)構(gòu)集聚能夠發(fā)揮集聚優(yōu)勢,共享人才、信息、基礎(chǔ)設(shè)施建設(shè)等資源,實(shí)現(xiàn)外部規(guī)模經(jīng)濟(jì),降低金融機(jī)構(gòu)經(jīng)營成本,提高金融機(jī)構(gòu)經(jīng)營績效。更重要的是,金融機(jī)構(gòu)在對企業(yè)調(diào)查過程中,除了從公開資源上獲取企業(yè)的生產(chǎn)經(jīng)營情況信息,也需要開展線下調(diào)研和接觸,許多潛在的風(fēng)險(xiǎn)無法從公開信息中獲得,這些獲取難度較大的非標(biāo)準(zhǔn)化信息使得金融機(jī)構(gòu)在空間上會盡量靠近信息來源。而且公開信息在一定程度上也存在被粉飾的可能,從而使得非標(biāo)準(zhǔn)化信息的重要性就更加凸顯。金融機(jī)構(gòu)在空間上靠近企業(yè),對企業(yè)的了解也會更加深入,從而能夠在源頭上最大程度降低金融風(fēng)險(xiǎn)。因此,采用這種測量方式研究微觀企業(yè)金融集聚效應(yīng)更具合理性和可靠性,這種測量方式已經(jīng)被其他學(xué)者應(yīng)用于金融相關(guān)的其他研究[20]。

本文統(tǒng)計(jì)的金融機(jī)構(gòu)包括信托公司、農(nóng)村信用社、農(nóng)村合作銀行、商業(yè)銀行、政策性銀行、村鎮(zhèn)銀行、汽車金融公司、消費(fèi)金融公司、財(cái)務(wù)公司、貨幣經(jīng)紀(jì)公司、貸款公司、資金互助社、郵政儲蓄網(wǎng)點(diǎn)、金融租賃公司、金融資產(chǎn)管理公司以及其他金融機(jī)構(gòu),在統(tǒng)計(jì)口徑上相對其他學(xué)者要更加寬泛,也更符合金融集聚的內(nèi)涵。上市公司的地址選用企業(yè)辦公地址,金融機(jī)構(gòu)的地址來自中國銀行保險(xiǎn)監(jiān)督管理委員會網(wǎng)站,對其中無法通過百度地圖定位的地址,更改為該金融機(jī)構(gòu)最近可定位的地址。根據(jù)上市公司與金融機(jī)構(gòu)的經(jīng)緯度信息并考慮當(dāng)年金融機(jī)構(gòu)的退出情況,通過空間坐標(biāo)距離公式計(jì)算出各年每家企業(yè)周邊一定范圍內(nèi)金融機(jī)構(gòu)的數(shù)量,用來度量每個(gè)企業(yè)所面臨的金融集聚水平,并通過加1 取對數(shù)處理作為實(shí)證分析中的核心解釋變量。

3.控制變量。借鑒已有文獻(xiàn),本文選取的企業(yè)控制變量有:資產(chǎn)負(fù)債率Lev衡量企業(yè)利用債權(quán)人提供資金進(jìn)行經(jīng)營活動的能力。商業(yè)信用、庫存現(xiàn)金等經(jīng)營性負(fù)債能夠緩解融資約束,因此,當(dāng)經(jīng)營性負(fù)債較高時(shí),企業(yè)TFP 也較高。一般而言,隨著企業(yè)年齡Age的增加,企業(yè)規(guī)模也會隨之增大,大規(guī)模的企業(yè)比小規(guī)模企業(yè)管理更規(guī)范、經(jīng)營風(fēng)險(xiǎn)更小,成長性也就更好。第一大股東持股比率Top1 表現(xiàn)為大股東與小股東之間的利益沖突問題,股權(quán)結(jié)構(gòu)對公司績效有顯著影響。企業(yè)成長性Growth表現(xiàn)為企業(yè)附加值不斷增加的過程,是企業(yè)盈利能力的體現(xiàn),具有良好成長性的企業(yè),往往其企業(yè)生產(chǎn)率較高?，F(xiàn)金流Cashflow與企業(yè)發(fā)展面臨的融資約束密切相關(guān),是企業(yè)提高TFP 的重要影響因素。董事會獨(dú)立性Indep在企業(yè)的監(jiān)督管理中起著重要作用,有效的監(jiān)督管理能夠使管理者的決策更加謹(jǐn)慎,從而提高企業(yè)的生產(chǎn)經(jīng)營效率。

本文加入了金融集聚的溢出效應(yīng)作為宏觀控制變量。由于經(jīng)濟(jì)變量的特殊性,金融集聚的溢出效應(yīng)不僅表現(xiàn)為地理位置上的關(guān)聯(lián),更與經(jīng)濟(jì)聯(lián)系相關(guān),較多文獻(xiàn)采用空間計(jì)量模型對金融集聚進(jìn)行分析,如空間滯后、空間誤差或者空間杜賓模型,其原理是加入被解釋變量、解釋變量或者誤差項(xiàng)的空間滯后項(xiàng),這些空間滯后項(xiàng)都依賴省份層面或者城市層面的空間權(quán)重矩陣,本文參考的文獻(xiàn)中并未發(fā)現(xiàn)將空間模型應(yīng)用于企業(yè)研究。宋敏等[21]在研究金融科技對企業(yè)全要素生產(chǎn)率的影響過程中,考慮到金融科技同樣存在溢出效應(yīng),采用地市周邊一定范圍內(nèi)非本市金融科技公司數(shù)目來度量金融科技的溢出效應(yīng),結(jié)果卻不顯著。其原因可能是:一方面,這種測量方式忽視了經(jīng)濟(jì)變量溢出效應(yīng)的特殊性,從而將距離很遠(yuǎn)但也有可能存在關(guān)聯(lián)的因素排除;另一方面,這種測量方式忽視了區(qū)域間的地理因素,金融發(fā)展或金融監(jiān)管都有一定的地域性,只考慮距離因素容易混淆集聚效應(yīng)和溢出效應(yīng),從而使模型無法識別。

因此,本文采用區(qū)位熵的方式來度量金融集聚的溢出效應(yīng)。具體做法:首先,計(jì)算出各個(gè)省份金融集聚的區(qū)位熵,計(jì)算區(qū)位熵的指標(biāo)選擇地區(qū)金融業(yè)從業(yè)人員和地區(qū)全部從業(yè)人員。其次,通過空間權(quán)重矩陣計(jì)算出各個(gè)企業(yè)所在省份的溢出效應(yīng)作為企業(yè)金融集聚的代理變量。計(jì)算溢出效應(yīng)的權(quán)重矩陣采用嵌套的經(jīng)濟(jì)距離空間權(quán)重矩陣,由于經(jīng)濟(jì)活動除了受到地理因素的影響,也會受到非地理因素的影響,這種影響表現(xiàn)在經(jīng)濟(jì)差異較小的地區(qū)間更容易發(fā)生經(jīng)濟(jì)行為,同時(shí)較大影響力的地區(qū)與較小影響力的地區(qū)相互的溢出效應(yīng)存在明顯差異,具有非對稱性。計(jì)算嵌套權(quán)重矩陣的公式為Wgdp=Wddiag。其中Wd為地理距離空間權(quán)重矩陣,通過兩個(gè)地區(qū)的地理距離倒數(shù)的平方計(jì)算獲得;表示考察期內(nèi)第i省地區(qū)生產(chǎn)總值平均值,表示考察期內(nèi)所有地區(qū)生產(chǎn)總值的均值,為了消除可變價(jià)格影響,所有樣本值均先除以當(dāng)年全國GDP,然后用該比值帶入公式求得嵌套權(quán)重矩陣。最后,通過不同指標(biāo)測量的區(qū)位熵和嵌套權(quán)重矩陣計(jì)算出溢出效應(yīng)spillover。主要變量的具體定義見表1。

表1 主要變量定義

(四)描述性統(tǒng)計(jì)分析

表2 結(jié)果顯示,LP 法得到的全要素生產(chǎn)率均值為8.142 1,中位數(shù)為8.038 2,高于OP 法計(jì)算的均值3.604 4 和中位數(shù)3.522 9。金融集聚相關(guān)指標(biāo)隨著測量范圍的擴(kuò)大,均值依次為5.142 4、6.083 6、6.817 5、7.221 9,呈現(xiàn)出遞增的趨勢,從平均值的角度看,上市公司周邊的金融機(jī)構(gòu)分布較為均勻,沒有出現(xiàn)特定區(qū)間扎堆的現(xiàn)象。核心解釋變量與被解釋變量通過對數(shù)處理后的中位數(shù)與均值結(jié)果接近,表明數(shù)據(jù)的偏態(tài)問題得到較好的改善,其余控制變量基本統(tǒng)計(jì)特征均與其他學(xué)者研究相近。

表2 主要變量的基本統(tǒng)計(jì)特征

四、實(shí)證分析

(一)基準(zhǔn)回歸

基準(zhǔn)回歸模型估計(jì)了不同范圍內(nèi)金融集聚水平對企業(yè)TFP 的影響。表3 結(jié)果顯示上市公司周邊5公里、10 公里、20 公里、30 公里范圍內(nèi)金融集聚對企業(yè)TFP 的回歸系數(shù)分別是0.064 8、0.101 4、0.140 7、0.159 5,均在1%統(tǒng)計(jì)水平上顯著為正,表明金融集聚對企業(yè)TFP 有顯著促進(jìn)作用。隨著測量指標(biāo)范圍的擴(kuò)大,列(1)～列(4)的回歸系數(shù)有明顯增加的趨勢,而增加量出現(xiàn)遞減的趨勢,說明隨著測量范圍的擴(kuò)大,金融機(jī)構(gòu)產(chǎn)生的金融集聚效應(yīng)也在增加,距離越遠(yuǎn)的金融機(jī)構(gòu)對總效應(yīng)的邊際貢獻(xiàn)越小?？刂谱兞炕貧w系數(shù)顯示:資產(chǎn)負(fù)債率、企業(yè)年齡、營業(yè)收入的增長率、現(xiàn)金流回歸系數(shù)顯著,而第一大股東持股比率、董事會獨(dú)立性顯著性較弱。溢出效應(yīng)系數(shù)顯著為正,表明樣本期內(nèi)金融集聚的涓流效應(yīng)大于極化效應(yīng)?？刂谱兞肯禂?shù)的顯著性和符號基本符合預(yù)期。

表3 基準(zhǔn)回歸結(jié)果

表3 中測算的距離分別為5 公里、10 公里、20公里、30 公里。那么,是否任意距離內(nèi)的金融集聚對企業(yè)高質(zhì)量發(fā)展都存在正向影響,其合理范圍是多少? 基于以上考慮,本文同時(shí)測算了100 公里范圍內(nèi)的金融集聚對企業(yè)高質(zhì)量發(fā)展的回歸系數(shù)及P值。圖3 顯示金融機(jī)構(gòu)集聚效應(yīng)并不會隨著距離增加而一直存在,大約75 公里范圍內(nèi),回歸系數(shù)至少在10%水平上顯著為正,大約65 公里范圍內(nèi),回歸系數(shù)至少在5%水平上顯著為正,范圍小于55 公里,回歸系數(shù)在1%水平上顯著為正,這表明平均來說金融集聚影響企業(yè)高質(zhì)量發(fā)展的最佳范圍為5～55 公里。隨著距離的不斷增加,回歸系數(shù)大小呈現(xiàn)出倒U 型曲線,并且在距離為30 公里時(shí),回歸系數(shù)達(dá)到了最大值,說明從金融機(jī)構(gòu)集聚的視角來看,金融集聚影響企業(yè)高質(zhì)量發(fā)展的最佳半徑是30 公里。下文以30 公里范圍內(nèi)金融機(jī)構(gòu)集聚指標(biāo)Fin30 為例進(jìn)行相關(guān)分析,其他合理距離測算的指標(biāo)分析得出的結(jié)論與Fin30 一致。

圖3 企業(yè)周邊不同范圍內(nèi)金融集聚對企業(yè)高質(zhì)量發(fā)展的影響

(二)內(nèi)生性問題

金融機(jī)構(gòu)的空間分布與地區(qū)經(jīng)濟(jì)發(fā)展水平密切相關(guān),一般來說經(jīng)濟(jì)發(fā)展水平較高的地區(qū),金融資源相對充裕,因而金融機(jī)構(gòu)的數(shù)量也會較多。例如,2019 年上市公司30 公里范圍內(nèi)金融機(jī)構(gòu)平均數(shù)量排名前三的省份是北京、上海、廣東,而排名最后三名的省份是內(nèi)蒙古、寧夏、西藏。經(jīng)濟(jì)發(fā)展水平較高的地區(qū),其基礎(chǔ)設(shè)施建設(shè)完善、人力資源充沛、企業(yè)往往具有更高的公司治理能力以及信息獲取能力,企業(yè)更容易獲得更高的TFP,而企業(yè)生產(chǎn)效率的提高也同樣有可能吸引更多的金融資源集聚,從而產(chǎn)生雙向因果問題。

借鑒其他學(xué)者的做法[22],本文采用兩種方法對雙向因果關(guān)系進(jìn)行控制。一是以金融機(jī)構(gòu)的增量D.Fin30 為解釋變量,以控制過去企業(yè)特征對當(dāng)期金融機(jī)構(gòu)數(shù)量的影響;二是將當(dāng)期金融機(jī)構(gòu)數(shù)量對上一期企業(yè)TFP進(jìn)行回歸,提取回歸的殘差項(xiàng)R.Fin30,該殘差項(xiàng)表示為當(dāng)期金融機(jī)構(gòu)數(shù)量不受上一期企業(yè)TFP 影響的部分。表4(1)～(2)列的結(jié)果顯示增量D.Fin30 和殘差項(xiàng)R.Fin30 對企業(yè)TFP的回歸系數(shù)分別為0.257 3 和0.097 5,且至少在5%水平上顯著。上述結(jié)果表明,在控制了雙向因果關(guān)系的干擾后,結(jié)果依然穩(wěn)健。

表4 內(nèi)生性和穩(wěn)健性

(三)穩(wěn)健性檢驗(yàn)

1.替換被解釋變量。為了排除指標(biāo)選取的影響,本文選擇OP 法計(jì)算的企業(yè)TFP 作為被解釋變量的替代指標(biāo)。表4 列(3)金融集聚對企業(yè)TFP 的回歸系數(shù)為0.090 7,在1%的水平上顯著為正。相比LP 法的回歸結(jié)果,OP 法獲得的金融集聚回歸系數(shù)值較小,可能的原因是LP 法與OP 法計(jì)算的TFP本身存在較大差異。

2.替換解釋變量。由于政策性銀行一般不發(fā)放貸款,上市公司一般很少在農(nóng)村地區(qū),因此剔除政策性銀行、農(nóng)村合作銀行、農(nóng)村信用社、村鎮(zhèn)銀行數(shù)據(jù)。同時(shí),汽車金融公司、財(cái)務(wù)公司、金融資產(chǎn)管理公司等也不是企業(yè)主要的融資渠道,在眾多的金融機(jī)構(gòu)中,上市公司和商業(yè)銀行的關(guān)系最為密切,因此文本從232480 家金融機(jī)構(gòu)中剔除了25760 家非商業(yè)銀行金融機(jī)構(gòu),重新測算上市公司周邊30 公里范圍內(nèi)金融機(jī)構(gòu)的數(shù)量,作為解釋變量的替代指標(biāo)。表4列(4)結(jié)果顯示:在剔除了其他非商業(yè)銀行金融機(jī)構(gòu)后,金融集聚對企業(yè)TFP 的回歸系數(shù)為0.180 9,在1%水平上顯著,表明僅考慮商業(yè)銀行產(chǎn)生的金融集聚效應(yīng),本文的結(jié)果仍然具有穩(wěn)健性。

3.替換模型。TFP 反映的是投入轉(zhuǎn)化為最終產(chǎn)出的總體效率,多數(shù)研究中將其表示為技術(shù)水平,或者更為寬泛地理解為技術(shù)水平、知識水平、管理技能、制度等,但無論是技術(shù)水平還是其他,這些因素在時(shí)間上往往存在一定的黏性,表現(xiàn)為TFP 在時(shí)間上產(chǎn)生了一定的序列相關(guān)性。本文將TFP 滯后一期納入基準(zhǔn)模型,采用系統(tǒng)GMM 方法進(jìn)行估計(jì)。估計(jì)模型如下:

其中,Tfpi,t-1表示TFP 的滯后一期變量,其他變量與符號與基準(zhǔn)模型一致。表4 列(5)結(jié)果顯示TFP滯后一期的回歸系數(shù)在1%水平上顯著,說明企業(yè)生產(chǎn)中TFP 在時(shí)間上具有較高的正向相關(guān)性,金融集聚對企業(yè)TFP 的回歸系數(shù)為0.203 1,在1%水平上顯著,結(jié)論與前文保持一致。

(四)異質(zhì)性分析

本文分別從金融機(jī)構(gòu)異質(zhì)性、企業(yè)異質(zhì)性以及地區(qū)差異三個(gè)方面分析金融集聚對企業(yè)TFP 影響的差異。

1.金融機(jī)構(gòu)異質(zhì)性。通過對機(jī)構(gòu)類別代碼的分析可以發(fā)現(xiàn),在所有金融機(jī)構(gòu)中,銀行類金融機(jī)構(gòu)占比高達(dá)88.92%,結(jié)合現(xiàn)實(shí)情況,企業(yè)融資主要來源于銀行類金融機(jī)構(gòu),因此,金融機(jī)構(gòu)異質(zhì)性分析中包括的商業(yè)銀行有國有大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行、農(nóng)村商業(yè)銀行以及外資銀行。其中,城市商業(yè)銀行、農(nóng)村商業(yè)銀行和外資銀行在部分省份未設(shè)立相應(yīng)的金融機(jī)構(gòu),因此從樣本中將相應(yīng)的上市公司剔除。表5 結(jié)果顯示上述5 類商業(yè)銀行除了農(nóng)村商業(yè)銀行對企業(yè)TFP 無顯著影響外,其余4 類商業(yè)銀行均表現(xiàn)出顯著為正的回歸系數(shù),其原因在于農(nóng)村商業(yè)銀行貸款的對象主要是三農(nóng)以及小微企業(yè),并不屬于本文研究的范疇。對比結(jié)果還可以發(fā)現(xiàn),國有大型商業(yè)銀行、股份制商業(yè)銀行以及城市商業(yè)銀行的集聚對企業(yè)TFP 的影響差別不大,而外資銀行集聚的影響明顯大于前面三者的影響。金友森等[23]以外資銀行進(jìn)入中國各城市作為準(zhǔn)自然實(shí)驗(yàn)分析得出:外資銀行進(jìn)入以后對企業(yè)TFP 的提高產(chǎn)生了6%的差異,這一結(jié)論與本文結(jié)果類似。

表5 金融機(jī)構(gòu)異質(zhì)性

2.企業(yè)異質(zhì)性。本文將從企業(yè)受政府補(bǔ)貼的程度以及企業(yè)股權(quán)性質(zhì)兩個(gè)方面進(jìn)行分析。

第一,政府補(bǔ)貼是政府通過補(bǔ)貼的方式,對企業(yè)融資約束的適度調(diào)節(jié)和干預(yù)。一方面,政府補(bǔ)貼能夠釋放出積極的信號,政府往往會對具有較強(qiáng)發(fā)展?jié)摿Φ钠髽I(yè)進(jìn)行補(bǔ)貼,金融機(jī)構(gòu)獲得這些補(bǔ)貼信號后能夠更容易發(fā)現(xiàn)企業(yè)的發(fā)展?jié)摿?提高其獲得信貸的可能性;另一方面,政府補(bǔ)貼降低了企業(yè)的融資約束,彌補(bǔ)企業(yè)的資金缺口,增加企業(yè)創(chuàng)新投入和規(guī)模擴(kuò)張,進(jìn)而提高企業(yè)的TFP。但也有學(xué)者認(rèn)為尋租和腐敗行為會影響政府補(bǔ)貼的實(shí)施效果,存在補(bǔ)貼依賴癥的企業(yè)獲得補(bǔ)貼會影響政府補(bǔ)貼的實(shí)際效果,同時(shí)政府補(bǔ)貼受到企業(yè)決策者動機(jī)的影響,在監(jiān)管不足的情況下,企業(yè)容易產(chǎn)生“過度購買”和“突擊花錢”等行為,這些行為也會抑制政府補(bǔ)貼效果。本文認(rèn)為政府補(bǔ)貼在一定程度上會影響金融集聚對企業(yè)高質(zhì)量發(fā)展的作用效果。從上市公司財(cái)務(wù)數(shù)據(jù)中獲取政府補(bǔ)貼數(shù)據(jù),剔除政府補(bǔ)貼為0 的觀測值,選擇政府補(bǔ)貼合計(jì)項(xiàng)的自然對數(shù)作為企業(yè)政府補(bǔ)貼的代理變量log(sub),在基準(zhǔn)模型中加入政府補(bǔ)貼以及金融集聚和政府補(bǔ)貼的交乘項(xiàng)。表6 列(1)回歸結(jié)果顯示交乘項(xiàng)的系數(shù)在1%水平上顯著為正,表明獲得政府補(bǔ)貼越多的企業(yè),金融集聚促進(jìn)TFP 的作用越大,政府補(bǔ)貼在一定程度上放大了金融集聚效應(yīng)。

表6 企業(yè)和地區(qū)異質(zhì)性

第二,股權(quán)性質(zhì)是企業(yè)自身的重要異質(zhì)特征。相比非國有企業(yè),國有企業(yè)長期面臨預(yù)算軟約束,企業(yè)破產(chǎn)的可能性較小,在實(shí)現(xiàn)“撥改貸”和銀行商業(yè)化后,這種情況有所緩解,但并沒有根本消除[24],即使在資源傾斜的背景下,其表現(xiàn)依然比不上民營企業(yè)[25],而非國有企業(yè)目標(biāo)更加明確,相應(yīng)的激勵(lì)措施也更加完備。在“雙循環(huán)”戰(zhàn)略背景下,國有企業(yè)通過改革完善企業(yè)內(nèi)部管理制度、優(yōu)化激勵(lì)措施、引入各類資本發(fā)展混合所有制經(jīng)濟(jì),進(jìn)而提高了企業(yè)TFP[26]。盡管如此,股權(quán)性質(zhì)的異質(zhì)性就決定了這種差異有可能縮小,卻不可能消失。因此,股權(quán)性質(zhì)是不同企業(yè)獲取外部資源的一個(gè)重要內(nèi)部特征,很可能對金融集聚效應(yīng)產(chǎn)生影響。在基準(zhǔn)模型中加入股權(quán)性質(zhì)虛擬變量Soe以及金融集聚和股權(quán)性質(zhì)的交乘項(xiàng),當(dāng)企業(yè)為國有企業(yè)時(shí),Soe值為1,否則為0。表6 列(2)回歸結(jié)果顯示交乘項(xiàng)的系數(shù)在1%水平上顯著為負(fù),表明金融集聚效應(yīng)在不同股權(quán)性質(zhì)的企業(yè)之間存在差異,對非國有企業(yè)TFP 的促進(jìn)作用更大。

3.地區(qū)異質(zhì)性①。本文從企業(yè)所在省份的數(shù)字經(jīng)濟(jì)發(fā)展水平以及是否處于東部地區(qū)兩個(gè)方面進(jìn)行分析。

第一,風(fēng)險(xiǎn)和信用是金融業(yè)發(fā)展的兩個(gè)重要方面,金融業(yè)屬于數(shù)據(jù)密集型行業(yè),沒有數(shù)據(jù)金融機(jī)構(gòu)就無法建立可靠的征信系統(tǒng)。傳統(tǒng)金融與金融科技的融合為金融機(jī)構(gòu)的信息建設(shè)帶來了“增質(zhì)提效”的優(yōu)勢。這種優(yōu)勢能夠在一定程度上緩解傳統(tǒng)金融暴露出的結(jié)構(gòu)性錯(cuò)配問題和靶向偏離問題[27],與此同時(shí),數(shù)字經(jīng)濟(jì)能夠倒逼金融部門轉(zhuǎn)型升級,提高資源的配置效率和風(fēng)險(xiǎn)管理能力[28]。因此,不同地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展程度不同,金融集聚所產(chǎn)生的集聚效應(yīng)也會有所區(qū)別。借鑒潘為華等[29]的做法,采用數(shù)字經(jīng)濟(jì)基礎(chǔ)設(shè)施、數(shù)字產(chǎn)業(yè)化、產(chǎn)業(yè)數(shù)字化、數(shù)字化治理四個(gè)一級指標(biāo)構(gòu)建2011—2019 年地區(qū)數(shù)字經(jīng)濟(jì)發(fā)展指數(shù)作為數(shù)字經(jīng)濟(jì)Digital的代理變量。表6列(3)回歸結(jié)果顯示交乘項(xiàng)的系數(shù)在1%水平上顯著為正,表明隨著數(shù)字經(jīng)濟(jì)水平的提高,金融機(jī)構(gòu)服務(wù)實(shí)體經(jīng)濟(jì)的能力也在不斷提高。

第二,東部地區(qū)金融資源豐富,金融市場相對成熟。圖4 描述了30 公里范圍內(nèi)上市公司周邊金融機(jī)構(gòu)平均數(shù)量的變化趨勢。2000 年東部地區(qū)企業(yè)周邊金融機(jī)構(gòu)平均數(shù)量不到中西部地區(qū)的2 倍,而僅僅到2005 年東部地區(qū)就超過中西部地區(qū)平均值的2 倍,這種差距更是在2010 年不斷擴(kuò)大,一直到2020 年出現(xiàn)了縮小的趨勢。金融機(jī)構(gòu)數(shù)量上的差異反映出的是金融集聚水平上的差異。因此,東部地區(qū)和中西部地區(qū)經(jīng)濟(jì)發(fā)展水平的高低以及其他外部環(huán)境因素,在一定程度上也會影響金融服務(wù)實(shí)體企業(yè)的能力。在基準(zhǔn)模型中加入東部地區(qū)虛擬變量East以及金融集聚和東部地區(qū)的交乘項(xiàng),當(dāng)企業(yè)位于東部地區(qū)時(shí),East值為1,否則為0。表6 列(4)回歸結(jié)果顯示交乘項(xiàng)的系數(shù)在5%水平上顯著為正,表明東部地區(qū)金融資源更加充沛,金融基礎(chǔ)和配套設(shè)施更加完備,為金融集聚發(fā)揮其功效提供了必要的環(huán)境基礎(chǔ),而中西部地區(qū)不僅金融集聚水平普遍較低,而且相應(yīng)的配套也與東部地區(qū)存在一定的差距。

圖4 30 公里范圍內(nèi)不同地區(qū)企業(yè)周邊金融機(jī)構(gòu)平均數(shù)量

五、機(jī)制分析

為了進(jìn)一步考察金融集聚影響企業(yè)TFP 的作用機(jī)制,本文嘗試從信息不對稱和銀行業(yè)競爭兩個(gè)視角對影響路徑展開研究。借鑒李春濤等[30]的思路構(gòu)建模型:

其中,M表示銀企信息不對稱水平或企業(yè)周邊的銀行業(yè)競爭水平。測量信息不對稱指標(biāo)ASY的方法如下:計(jì)算得出流動性比率指標(biāo)、非流動性比率指標(biāo)以及收益率反轉(zhuǎn)指標(biāo)。對第一步獲得的三個(gè)指標(biāo)進(jìn)行主成分分析,根據(jù)主成分分析的結(jié)果,僅第一主成分的特征值大于1,因此提取第一主成分作為信息不對稱指標(biāo)ASY,ASY值越大表明企業(yè)信息不對稱越嚴(yán)重。測量銀行業(yè)競爭采用的是赫芬達(dá)爾指數(shù)HHI,采用企業(yè)周邊30 公里范圍內(nèi)不同銀行類金融機(jī)構(gòu)的數(shù)量計(jì)算得出,指數(shù)越小表明企業(yè)周邊銀行業(yè)競爭越激烈?？紤]到政府隱形擔(dān)保的存在,國有企業(yè)在融資過程中優(yōu)勢較大,銀行向國有企業(yè)提供信貸的風(fēng)險(xiǎn)往往小于向非國有企業(yè)提供信貸的風(fēng)險(xiǎn),側(cè)面反映出的現(xiàn)實(shí)就是非國有企業(yè)更容易陷入融資難、融資貴的困境。因此,銀行業(yè)競爭對非國有企業(yè)的影響要大于對國有企業(yè)的影響,銀行業(yè)競爭對金融機(jī)構(gòu)集聚促進(jìn)企業(yè)TFP 的影響機(jī)制在非國有企業(yè)樣本中會更加明顯。

表7 列(1)～(3)為信息不對稱的影響機(jī)制檢驗(yàn),列(4)～(6)為非國有企業(yè)銀行業(yè)競爭的影響機(jī)制檢驗(yàn)。列(1)檢驗(yàn)結(jié)果顯示金融機(jī)構(gòu)集聚對信息不對稱的回歸系數(shù)在1%水平上顯著為負(fù),表明金融機(jī)構(gòu)集聚能夠緩解銀企之間的信息不對稱。列(2)中信息不對稱對企業(yè)TFP 的回歸系數(shù)在1%水平上顯著為負(fù),表明信息不對稱的降低能夠提高企業(yè)TFP。列(3)交乘項(xiàng)系數(shù)在5%水平上顯著為負(fù),表明金融機(jī)構(gòu)集聚對企業(yè)TFP 的影響主要存在于信息不對稱水平較低的企業(yè)。列(4)檢驗(yàn)結(jié)果顯示非國有企業(yè)金融機(jī)構(gòu)集聚對銀行業(yè)競爭的回歸系數(shù)在1%水平上顯著為負(fù),表明金融機(jī)構(gòu)集聚能夠促進(jìn)非國有企業(yè)周邊的銀行業(yè)競爭水平。列(5)中銀行業(yè)競爭對非國有企業(yè)TFP 的回歸系數(shù)在10%水平上顯著為負(fù),表明更高的銀行業(yè)競爭水平能夠提高非國有企業(yè)TFP。列(6)交乘項(xiàng)系數(shù)在5%水平上顯著為負(fù),表明金融機(jī)構(gòu)集聚對非國有企業(yè)TFP 的影響主要存在于銀行業(yè)競爭程度較高的企業(yè)。對于國有企業(yè),檢驗(yàn)結(jié)果表明金融機(jī)構(gòu)集聚雖然能夠顯著提高企業(yè)周邊的銀行業(yè)競爭水平,但銀行業(yè)競爭水平的提高卻不能顯著提高國有企業(yè)TFP。

表7 機(jī)制分析:信息不對稱和銀行業(yè)競爭

六、結(jié)論與政策啟示

本文用2011—2019 年A 股上市公司的數(shù)據(jù),創(chuàng)新性地用不同年份上市公司周邊金融機(jī)構(gòu)的數(shù)量衡量金融集聚水平,考察了企業(yè)層面金融集聚對實(shí)體企業(yè)高質(zhì)量發(fā)展的影響。研究發(fā)現(xiàn),微觀金融集聚能夠顯著提高企業(yè)高質(zhì)量發(fā)展水平,且在測算距離為30 公里時(shí)這種效應(yīng)最為明顯,超過75 公里微觀金融集聚效應(yīng)不再明顯。在考慮內(nèi)生性問題和一系列穩(wěn)健性檢驗(yàn)后結(jié)論依然成立。異質(zhì)性分析結(jié)論顯示,國有大型商業(yè)銀行、股份制商業(yè)銀行、城市商業(yè)銀行以及外資銀行金融機(jī)構(gòu)的集聚均對企業(yè)TFP產(chǎn)生正向影響,其中外資銀行的集聚對企業(yè)TFP 的影響較高;政府補(bǔ)貼或非國有企業(yè)特征能夠放大這種集聚效應(yīng),同時(shí)數(shù)字經(jīng)濟(jì)的發(fā)展和企業(yè)所在的區(qū)位優(yōu)勢也能夠提升這種集聚效應(yīng)。機(jī)制分析表明,金融集聚效應(yīng)能夠通過降低銀企信息不對稱和提高銀行業(yè)競爭水平兩種途徑促進(jìn)企業(yè)高質(zhì)量發(fā)展。

基于以上結(jié)論,得出如下政策啟示:

第一,合理優(yōu)化金融機(jī)構(gòu)布局,實(shí)現(xiàn)金融集聚效應(yīng)最大化。金融機(jī)構(gòu)集聚對企業(yè)高質(zhì)量發(fā)展具有顯著促進(jìn)作用,而不同范圍內(nèi)金融機(jī)構(gòu)的數(shù)量對企業(yè)高質(zhì)量發(fā)展作用的效果明顯不同。一方面,要繼續(xù)推動金融機(jī)構(gòu)集聚進(jìn)程,在地方經(jīng)濟(jì)發(fā)展水平的基礎(chǔ)上最大化金融集聚水平;另一方面,要對金融資源合理布局,避免過度集中或過度分散。本文對企業(yè)周邊金融機(jī)構(gòu)范圍的分析可以為地方金融資源布局提供一定的參考,地區(qū)發(fā)展要進(jìn)一步改善金融產(chǎn)業(yè)招商體系,尤其是中西部地區(qū),更要著重改善當(dāng)?shù)氐慕鹑谏鷳B(tài)環(huán)境。加大對外資金融機(jī)構(gòu)的重視程度,優(yōu)化相關(guān)的服務(wù)機(jī)制。

第二,發(fā)揮政策引導(dǎo)作用,促進(jìn)金融體系增質(zhì)提效,強(qiáng)化金融集聚對實(shí)體企業(yè)的服務(wù)能力。政府補(bǔ)貼會向公眾傳遞出“良好市場潛力”的信號,間接影響金融資源的傾斜力度。因此,堅(jiān)持良好的政府補(bǔ)貼政策,完善補(bǔ)貼資格審查機(jī)制,做好補(bǔ)貼事后評估,發(fā)揮好政府補(bǔ)貼政策的信號作用。與此同時(shí),根據(jù)各地區(qū)不同的資源稟賦,因地制宜,統(tǒng)籌協(xié)調(diào)發(fā)展數(shù)字經(jīng)濟(jì)。加大對落后地區(qū)和省份的扶持力度和基礎(chǔ)設(shè)施建設(shè),進(jìn)一步將數(shù)字要素融入金融體系,促進(jìn)數(shù)字經(jīng)濟(jì)對金融體系的增量補(bǔ)充和存量優(yōu)化作用,降低企業(yè)融資成本,提高資源配置效率,更好地發(fā)揮金融集聚對企業(yè)高質(zhì)量發(fā)展的促進(jìn)作用。

注釋:

①東部:京、津、冀、遼、滬、蘇、浙、閩、魯、粵、瓊;中部:晉、吉、黑、皖、贛、豫、鄂、湘;西部:內(nèi)蒙古、滇、川、渝、貴、陜、甘、寧、新、藏、桂、青。