金融集聚、金融風險對區(qū)域經(jīng)濟發(fā)展的空間效應研究
——基于空間計量模型的實證分析

趙 峰,鄒 悅

(山東科技大學 經(jīng)濟管理學院,山東 青島 266590)

一、引言

金融集聚可以通過集聚效應強化本區(qū)域的經(jīng)濟實力,并在擴散效應的作用下帶動鄰近區(qū)域的經(jīng)濟發(fā)展,金融集聚也會促使金融集聚區(qū)內(nèi)和區(qū)外產(chǎn)生經(jīng)濟發(fā)展差距,提高金融集聚風險的發(fā)生概率,進而阻礙本區(qū)域和鄰近區(qū)域的經(jīng)濟發(fā)展進程?，F(xiàn)有的經(jīng)濟學理論認為,短期內(nèi)適度的金融風險會拉動經(jīng)濟發(fā)展,但如果長期不能化解這些風險,則會使區(qū)域內(nèi)金融發(fā)展處于不安全狀態(tài),這反而會對區(qū)域經(jīng)濟發(fā)展產(chǎn)生負面影響,一旦這些風險順著金融集聚網(wǎng)絡蔓延到區(qū)域外,則會對區(qū)域內(nèi)外的經(jīng)濟發(fā)展產(chǎn)生抑制作用,嚴重時會誘發(fā)區(qū)域內(nèi)外的金融危機,甚至是全國性的經(jīng)濟危機。所以,金融集聚、金融風險是一把雙刃劍,其既能夠促進經(jīng)濟的快速發(fā)展,也會在一定程度和一定范圍內(nèi)對經(jīng)濟發(fā)展產(chǎn)生逆向作用。因此,研究金融集聚、金融風險與區(qū)域經(jīng)濟發(fā)展之間的關系存在現(xiàn)實意義。

在金融集聚和區(qū)域經(jīng)濟發(fā)展的關系研究中,丁藝等人基于中國省域樣本,測算出了各省份的金融集聚度,并深刻地剖析了金融集聚對區(qū)域經(jīng)濟發(fā)展進程的推動機制[1],而趙曉霞則將研究樣本聚焦于國際金融中心及我國的大型城市,其認為只有充分發(fā)揮金融集聚對大型城市經(jīng)濟的帶動機制才能優(yōu)化我國的經(jīng)濟增長方式[2]。陳林心等將金融、經(jīng)濟與生態(tài)納入同一分析體系,通過構建空間面板模型對金融集聚、經(jīng)濟發(fā)展以及生態(tài)效率三者之間的關系進行了研究,發(fā)現(xiàn)金融集聚對經(jīng)濟發(fā)展水平確實起到了促進作用[3]。此外,Changhua等將中國長江經(jīng)濟帶77個城市設置為樣本,發(fā)現(xiàn)長江三角洲經(jīng)濟帶具有金融集聚特征,金融集聚能夠促進人口城市化和經(jīng)濟城市化[4],而張玄等則以東、中、西三個區(qū)域為研究樣本,通過構建空間杜賓模型研究了空間層次上金融集聚對民營經(jīng)濟所發(fā)揮的重要作用[5]。

金融風險也會對區(qū)域經(jīng)濟發(fā)展狀況產(chǎn)生影響,張震宇和周松山從整體角度出發(fā)對新發(fā)展局勢下如何防范化解金融風險以促進城市經(jīng)濟向好發(fā)展提出了自己的觀點[6],而王蔭林等則從個案角度出發(fā)研究了山西省臨汾市經(jīng)濟結構轉型與金融風險之間所存在的動態(tài)相關性,發(fā)現(xiàn)宏觀層面上的經(jīng)濟波動將會影響經(jīng)濟轉型的結果,并導致金融風險的發(fā)生[7]。此外,部門之間或者部門內(nèi)部是否存在金融風險呢?為了探究該問題,宋凌峰和葉永剛以我國31個省(市、自治區(qū))為研究對象,通過構建部門金融風險的指標體系并選取面板數(shù)據(jù)模型進行了實證分析[8]。此外,Abdelkader利用邊際預期缺口研究了2007年金融危機后歐洲銀行所發(fā)生的系統(tǒng)性風險[9],黃乃靜和于明哲則進一步比較了幾種常見的系統(tǒng)性金融風險指標,他們認為當系統(tǒng)性金融風險的發(fā)生概率提高時,未來實體經(jīng)濟下行的風險也會提高[10]。

針對金融集聚與金融風險的關系,Porteous D J剖析了金融風險的發(fā)生原因,他認為信息不對稱會引發(fā)金融風險,金融集聚要想發(fā)揮對金融風險的抑制效能,應加強信息對稱程度[11],黃佳軍和蔣海在此基礎上做了更深層次的拓展,他們認為金融風險之所以出現(xiàn)是由于存在信息缺陷,在金融集聚過程中,信息不完全和不對稱均會增強金融風險的發(fā)生概率[12]。蔡森則進一步探究了金融集聚風險的傳導機制,他認為不正當競爭會積聚金融風險,在良好的經(jīng)濟發(fā)展狀況下,盲目的投資或者無節(jié)制的消費會導致金融體系崩潰,進而引發(fā)金融風險[13]。除此之外,黃倩等探究了金融杠桿作用于金融風險的原理,他們認為適當?shù)慕鹑诟軛U對區(qū)域經(jīng)濟發(fā)展是有利的;相反,如果金融杠桿過高,金融風險的發(fā)生概率會提高[14]。

概括而言,現(xiàn)有文獻關于金融集聚、金融風險和區(qū)域經(jīng)濟發(fā)展關系的研究較為豐富且透徹,但卻忽視了金融集聚、金融風險與區(qū)域經(jīng)濟發(fā)展三者之間的內(nèi)在關聯(lián),未深入剖析金融集聚和金融風險對本區(qū)域經(jīng)濟發(fā)展所產(chǎn)生的空間影響以及對鄰近區(qū)域的外溢效應。同時,現(xiàn)有文獻也未探究金融集聚與金融風險兩者關系的非線性特征?；诖?為了彌補上述不足,本文將從以下兩個方面進行研究:(1)將金融集聚、金融風險與區(qū)域經(jīng)濟發(fā)展納入模型分析體系,從省域角度出發(fā),收集2007至2019年的面板數(shù)據(jù)并按照地理方位將這些省份劃分成四個區(qū)域,借助空間計量模型從我國整體角度以及區(qū)域角度分別探究金融集聚和金融風險對本區(qū)域經(jīng)濟發(fā)展所產(chǎn)生的空間效應以及對周邊區(qū)域的外溢效應;(2)考察金融集聚和金融風險之間的非線性關系,通過引入金融集聚的二次項,探究當金融集聚程度提高時金融風險所具有的變化趨勢,根據(jù)兩者的作用關系圖像來揭示金融集聚對金融風險的非線性影響,從而豐富金融集聚與金融風險之間的關系研究。

二、理論分析與研究假設

(一)金融集聚對區(qū)域經(jīng)濟發(fā)展的作用機理

金融集聚是指在一定的時空中,各類金融資源向著同一目標區(qū)域靠攏聚合的過程。當金融主體和資源在這一區(qū)域集聚時,該區(qū)域會形成金融中心,區(qū)域經(jīng)濟發(fā)展水平也會發(fā)生一定程度的改變。金融集聚主要通過以下兩個效應作用于區(qū)域經(jīng)濟發(fā)展。

第一,集聚效應。金融主體和金融機構在某一區(qū)域聚集使得金融主體能夠從多方吸納資金,同時各種金融資源會源源不斷地流入集聚區(qū),金融知識也會在金融機構之間擴散,從而改善金融機構的運營效率,助力實現(xiàn)規(guī)模經(jīng)濟;此外,高素質人才也會流入集聚區(qū),這不僅會加速金融知識的傳播進程、誘導前沿技術創(chuàng)新,也會促進區(qū)域內(nèi)產(chǎn)業(yè)結構的優(yōu)化升級,從而助力經(jīng)濟增長。

第二,擴散效應。金融核心區(qū)內(nèi)資源充足,各種資源的聚集會促進本區(qū)域金融產(chǎn)業(yè)的升級以及經(jīng)濟的發(fā)展,也可能會減緩相鄰地區(qū)的金融發(fā)展進程,從而導致核心區(qū)內(nèi)外的經(jīng)濟發(fā)展速度和水平有差異,但是隨著時間的推移,金融核心區(qū)會逐漸地向周邊區(qū)域擴張,金融資源也會隨之外溢,區(qū)內(nèi)的各類產(chǎn)業(yè)不斷地向外輻射,從而推動周邊區(qū)域的經(jīng)濟發(fā)展。

根據(jù)上述的理論分析,本文提出了假設1。

假設1:金融集聚能促進區(qū)域經(jīng)濟發(fā)展。

(二)金融風險對區(qū)域經(jīng)濟發(fā)展的作用機理

隨著經(jīng)濟的進一步發(fā)展,金融在經(jīng)濟運行中的作用越來越重要,由于金融活動具有虛擬性和信用性的特點,因此金融風險已變成經(jīng)濟發(fā)展過程中最重要的風險。我國東中西部地區(qū)的經(jīng)濟發(fā)展水平存在較大差別,經(jīng)濟發(fā)展的不均衡致使各區(qū)域的金融政策存在差異,從而導致金融風險具有明顯的區(qū)域特征。短期內(nèi)適度的金融風險會產(chǎn)生正向的經(jīng)濟效應,一旦金融風險程度超過了區(qū)域的可承載能力,則會威脅該區(qū)域的金融狀況,從而抑制經(jīng)濟增長。總而言之,金融風險主要通過以下兩個效應作用于區(qū)域經(jīng)濟發(fā)展。

第一,累積效應。該效應誘導區(qū)域內(nèi)部金融風險的形成,其根本原因是資本擴張的需求,加之區(qū)域金融監(jiān)管的不規(guī)范、政府干預的不及時等因素,這些因素會加劇金融風險的發(fā)生規(guī)模和頻率,并對區(qū)域經(jīng)濟發(fā)展產(chǎn)生負向影響。

第二,傳導效應。該效應誘導區(qū)域內(nèi)外關聯(lián)性金融風險的形成,不同區(qū)域的金融機構和金融資產(chǎn)存在交叉現(xiàn)象,若某個區(qū)域的經(jīng)濟活動誘發(fā)了金融風險,則風險會隨著區(qū)域關聯(lián)網(wǎng)絡傳導到相鄰區(qū)域,從而對鄰近區(qū)域的經(jīng)濟狀況產(chǎn)生負面影響[15]。

根據(jù)上述的理論分析,本文提出了假設2。

假設2:金融風險會抑制區(qū)域經(jīng)濟發(fā)展,并會產(chǎn)生負向溢出效應影響周邊區(qū)域經(jīng)濟發(fā)展狀況。

(三)金融集聚對金融風險的機理分析

金融主體以及金融資源朝著同一目標區(qū)域聚合,金融集聚核心區(qū)應運而生。在集聚效應下,金融信息迅速匯聚,金融主體可以從多方面了解交易信息。同時,在擴散效應下,金融集聚紅利會向周邊區(qū)域輻射,且隨著各種信息傳播工具和手段的涌現(xiàn),金融信息快速蔓延,各金融主體可以依據(jù)大數(shù)據(jù)掌握整體的經(jīng)濟動態(tài)以及其他相關主體的行為傾向,進而做出最優(yōu)決策,這在一定程度上降低了金融風險的發(fā)生概率。當信息過量時不可避免地會出現(xiàn)信息失真問題。也就是說,金融主體在面臨大量信息時無法識別最有價值的信息,偽信息會誘導金融主體做出錯誤的決策,一旦決策失利便可能會造成金融主體的損失,誘發(fā)金融風險,同時金融風險會在累積效應和傳導效應的作用下發(fā)生外溢,從而致使周邊區(qū)域發(fā)生金融風險,此時如果不及時予以措施的話,很可能會發(fā)生區(qū)域性乃至全國性的金融危機。

根據(jù)上述的理論分析,本文提出了假設3。

假設3:金融集聚對金融風險的作用過程中存在先抑制后促進的非線性特征。

三、模型構建

(一)金融集聚水平測度模型

金融集聚是隨著時空的變遷,各種金融資源在某一區(qū)域內(nèi)發(fā)生聚集的過程,在集聚區(qū)內(nèi),金融資源配置不斷得到優(yōu)化,金融機構的運營效率也得以提高,從而促進該區(qū)域實現(xiàn)外部規(guī)模經(jīng)濟并拉動區(qū)域內(nèi)的經(jīng)濟發(fā)展。同時,隨著集聚區(qū)內(nèi)金融資源的集聚,高水平人才也會在核心區(qū)聚集,這不僅促進了隱性的金融智力資源在集聚區(qū)內(nèi)的傳播,也促進了技術的創(chuàng)新,進而促進集聚區(qū)內(nèi)的產(chǎn)業(yè)結構優(yōu)化;而且,隨著金融集聚活動的開展,區(qū)內(nèi)金融資源也會發(fā)生外溢,從而對鄰近區(qū)域的經(jīng)濟活動和金融發(fā)展起帶動作用。因此,考察金融集聚對本區(qū)域和相鄰區(qū)域經(jīng)濟發(fā)展的空間效應關系,有必要對各個區(qū)域的金融集聚水平進行測度,基于對現(xiàn)有成果的綜合考量,本文選擇指數(shù)測算法,利用其中的區(qū)位熵指數(shù)來測算各區(qū)域的金融集聚度[16-17],其測算公式如下:

(1)

公式(1)中,LQij是第j個省市的金融業(yè)區(qū)位熵,qij和qj分別指示第j個省份的金融業(yè)增加值和地區(qū)生產(chǎn)總值,qi和q則分別代表我國整體的金融業(yè)增加值和總產(chǎn)值。

(二)金融風險水平測度模型

金融風險是金融資產(chǎn)在經(jīng)濟活動中發(fā)生減值的概率。本文在此借鑒陶玲和朱迎[18]、沈麗等[19]的指標選取方法,并結合前文金融風險對區(qū)域經(jīng)濟發(fā)展的作用機理,按照指標具有代表性、指標具有可測性與指標存在有效性的原則,首先將金融風險劃分為外源性金融風險和內(nèi)生性金融風險兩大類,然后在這兩大類下面分為六小類,如表1所示。其中,宏觀環(huán)境關乎區(qū)域金融的健康發(fā)展,當經(jīng)濟環(huán)境較好時,區(qū)域金融業(yè)和其他經(jīng)濟行業(yè)便可以平穩(wěn)運行,從而促進區(qū)域經(jīng)濟發(fā)展。一般而言,政府的財力狀況與金融風險存在緊密的聯(lián)系,政府的合理干預有助于降低金融風險。此外,銀行業(yè)、保險業(yè)和證券業(yè)是金融產(chǎn)業(yè)的重要組成部分,這三個行業(yè)是否穩(wěn)定有序也會直接關系到金融風險,從而影響區(qū)域經(jīng)濟發(fā)展狀況。同時,產(chǎn)業(yè)結構風險也是評判金融風險水平的重要因素,著力推動產(chǎn)業(yè)結構高級化和合理化水平有助于防范化解金融風險,推動區(qū)域經(jīng)濟進步。

表1 我國金融風險水平評價指標體系

表1中的測度指標均為一般意義上的測度指標,如不良貸款率指標,可用不良貸款額除以所有貸款額之商來表示,年末貸存比則表示為年末的貸款余額與存款余額之比;再如,為了衡量區(qū)域保險業(yè)所面對的風險,本文選取的測度指標為保險深度和保險賠付率,其中保險深度可以用保費收入除以GDP所得的商來表示,保險賠付率則用賠款支出除以保費收入來表示;為了衡量區(qū)域證券市場存在的風險,本文將利用股票市值比來測度,即股票市值總額除以GDP之商。此外,由于其他指標的含義及計算公式具有普遍意義,這里不再贅述。

基于上述指標,本文將采用熵值法[20-21]對金融風險水平進行測算。先根據(jù)指標屬性對收集到的指標數(shù)據(jù)進行處理,以防止因量綱不同而無法計算的局面。

第一,對于正向指標:

(2)

第二,對于逆向指標:

(3)

其中,rij為第i年的第j個指標值,(i=1,2,L,n;j=1,2,L,m)。

第三,測度第i年的第j項指標占所有年份第j項指標值加和的比重,即:

(4)

第四,計算第j項指標的熵值,即:

(5)

第五,計算熵冗余度,即:

dj=1-ej, j=1,2,L,m

(6)

第六,計算各指標的權重,即:

(7)

(三)空間自相關模型

由于區(qū)域與區(qū)域之間聯(lián)系緊密,因此有必要開展空間自相關檢驗以評判變量之間是否相關,為了探究整體層面上區(qū)域經(jīng)濟發(fā)展水平之間是否存在關聯(lián),本文會開展全局空間自相關檢驗,具體公式如(8)所示。此外,局部空間自相關檢驗可以用來探究本區(qū)域與鄰近區(qū)域之間的關聯(lián)程度,因此本文將以局部莫蘭散點圖的形式描繪各個省份經(jīng)濟發(fā)展水平之間的相關性,局部莫蘭指數(shù)的計算公式如公式(9)所示。在測算之前,應選擇采用何種空間權重矩陣,由于事物之間總是存在某些程度上的關聯(lián)性,離得越近則越相似,關系也就越密切,因此本文將采用空間相鄰權重矩陣來做進一步探究。

(8)

(9)

其中,Zi與Zj代表經(jīng)標準化處理之后得到的觀測值,wij則是指標準化后得到的空間相鄰權重矩陣,以0為分界線,若公式(9)中局部莫蘭I的值比0大,則表明本區(qū)域與相鄰區(qū)域具有正相關性,若比0小,則具有負相關性。

(四)空間計量模型

為了剖析金融集聚和金融風險對區(qū)域經(jīng)濟所產(chǎn)生的空間影響,還需要借助空間滯后(SAR)模型[22]、空間誤差(SEM)模型[23]以及空間杜賓(SDM)模型[24-25]進行檢驗,公式(10)(11)與(12)分別為上述模型的基本形式,公式中的Y表示因變量,X則為與之相對應的自變量,ρ與W分別表示空間回歸分析中的相關系數(shù)和所采用的空間相鄰權重矩陣,λ和δ則分別指代空間誤差系數(shù)和鄰近區(qū)域對本區(qū)域產(chǎn)生的影響,ε表示需要考慮的誤差項。

Y=ρWY+βX+μ

(10)

Y=βX+μ,μ=λWμ+ε

(11)

Y=ρWY+βX+δWX+μ

(12)

對于研究空間效應問題而言,上述三種模型具有普遍意義。因此,本文根據(jù)以上三種模型的基本表達式,剖析了金融集聚和金融風險對區(qū)域經(jīng)濟發(fā)展所產(chǎn)生的空間效應,從而構建三種相應的空間計量模型如公式(13)(14)(15)所示。其中,被解釋變量為區(qū)域經(jīng)濟發(fā)展狀況,為了計算簡便,縮小數(shù)據(jù)之間的絕對差異以及避免極端值對實驗結果造成的影響,本文將以人均GDP的對數(shù)值來衡量該變量,即公式中的lnEDit,解釋變量為金融集聚度和金融風險水平,即公式中的FCit和FRit。同時,本文所選用的控制變量分別為人力資本、產(chǎn)業(yè)結構以及進出口貿(mào)易,即式中的lnTNit、lnLIit及l(fā)nFTit,公式中的WX表示本區(qū)域的經(jīng)濟發(fā)展水平受周邊地區(qū)人力資本、產(chǎn)業(yè)結構以及進出口貿(mào)易影響的測度值。

lnEDit=ρWlnEDit+βX+μit, X=FCit+FRit+lnTNit+lnLIit+lnFTit

(13)

lnEDit=βX+μit, μit=λWμit+εit, X=FCit+FRit+lnTNit+lnLIit+lnFTit

(14)

lnEDit=ρWlnEDit+βX+δWX+μit, X=FCit+FRit+lnTNit+lnLIit+lnFTit

(15)

四、實證分析

(一)樣本選擇與數(shù)據(jù)來源

為了評價金融集聚和金融風險對本區(qū)域及周邊區(qū)域經(jīng)濟發(fā)展所產(chǎn)生的空間關聯(lián)程度,本文收集了2007年到2019年我國30個省份的金融及經(jīng)濟發(fā)展的面板統(tǒng)計數(shù)據(jù),由于西藏自治區(qū)、香港特別行政區(qū)、澳門特別行政區(qū)和臺灣地區(qū)的某些指標數(shù)據(jù)缺失,且找尋較為困難,所以本文在展開研究時將不予考慮這些地區(qū)。此外,本文所用到的金融和經(jīng)濟方面的數(shù)據(jù)大部分摘取自《中國統(tǒng)計年鑒》(2007—2019年)、《中國金融年鑒》(2007—2019年)以及各省區(qū)的《統(tǒng)計年鑒》(2007—2019年),少部分摘取自中國銀監(jiān)會官方網(wǎng)站公布的數(shù)據(jù)。

(二)金融集聚度和金融風險水平綜合測評

為了研究金融集聚和金融風險對經(jīng)濟發(fā)展的空間影響,我們需要測算出各個省區(qū)的金融集聚度和金融風險水平,基于上述的金融集聚水平測度模型及金融風險水平測度模型,把各自的面板數(shù)據(jù)分別代入模型中,便可得到表2中的測評結果,表2應呈現(xiàn)2007年到2019年我國四個區(qū)域中各省區(qū)的金融集聚度和金融風險水平測度值,但由于所研究的樣本年限較長,且樣本數(shù)據(jù)測評結果較多,因此這里只列示了2007年、2013年和2019年的樣本數(shù)據(jù)的測評結果。

表2 我國30個省份的金融集聚度和金融風險水平

(三)空間自相關實證分析

1.全局空間自相關檢驗

本文將運用全局Moran’s I指數(shù)來反映各省域間經(jīng)濟發(fā)展水平的相關性,該指數(shù)的取值范圍在-1與1之間。具體而言,如果該指數(shù)的區(qū)間范圍為(0,1],則表明各省域的經(jīng)濟發(fā)展水平之間具有正相關關系;相反,若該指數(shù)的測算結果落在[-1,0)區(qū)間內(nèi),則各省域經(jīng)濟發(fā)展水平之間具有負相關關系。當然,Moran’s I指數(shù)的測度結果也可能為0,這種情況則表明各省域的經(jīng)濟發(fā)展水平在空間層面上不存在相關關系。根據(jù)此原理,本文將各省域的經(jīng)濟發(fā)展水平數(shù)據(jù)導入到Stata 15軟件中,通過命令運算,便可導出反映我國2007年到2019年各省域間經(jīng)濟發(fā)展水平相關性的全局莫蘭指數(shù),如表3所示。在表3中,雖然Moran’s I指數(shù)在樣本年度內(nèi)發(fā)生了不同程度的波動,但該指數(shù)始終介于0和1之間,且P值均小于或等于0.001,這充分地說明了我國各省域的經(jīng)濟發(fā)展水平在樣本年度內(nèi)具有空間層面上的正相關性。

表3 2007—2019年省域經(jīng)濟發(fā)展水平的全局Moran’s I指數(shù)

2.局部空間自相關檢驗

為研究局部范圍內(nèi)經(jīng)濟發(fā)展水平之間的相關性,本文將采用莫蘭散點圖來測度,在此列示出了2007年到2019年的莫蘭散點圖如圖1、圖2所示。觀察圖1、圖2可知,每個圖中均存在四個象限,每一個象限都表示一種區(qū)域與區(qū)域的聚集模式,第一象限屬于“高—高”聚集,即本區(qū)域和相鄰區(qū)域的經(jīng)濟發(fā)展狀況都很好;第二象限屬于“低—高”聚集,即本區(qū)域的經(jīng)濟發(fā)展狀況較差或者說經(jīng)濟發(fā)展滯后,而相鄰區(qū)域的經(jīng)濟發(fā)展狀況良好;第三象限屬于“低—低”聚集,也就是說本區(qū)域及鄰近區(qū)域的經(jīng)濟發(fā)展狀況都很落后;第四象限屬于“高—低”聚集,換言之,本區(qū)域的經(jīng)濟發(fā)展狀況良好而周邊地區(qū)的經(jīng)濟滯后。

圖1 2007—2012年的莫蘭散點圖

圖2 2013—2019年的莫蘭散點圖

從圖1至2可以看出,在2007年到2019年,我國大多數(shù)省區(qū)的Moran’s I指數(shù)分布于第一、三象限內(nèi),少數(shù)省區(qū)的Moran’s I指數(shù)分布于第二、四象限內(nèi),這表明我國大部分省份的經(jīng)濟發(fā)展水平在空間層面上具有集聚分布特性且具有明顯的正相關性,這貼合于全局空間自相關檢驗的結果。

(四)空間計量模型檢驗

為了確定本文中的變量是否適用空間誤差(SEM)以及空間滯后(SAR)模型,需要分別檢驗LM和Robust LM中的兩個統(tǒng)計量,若二者均顯著,則說明應采用空間計量模型進行分析;反之,則需要選取非空間計量模型進行實證分析。利用Stata15軟件進行LM和Robust LM檢驗,相關結果呈現(xiàn)在表4中。

表4 LM檢驗結果

由表4可知,SAR模型與SEM模型的LM檢驗和Robust LM檢驗的結果均顯著,這表明SAR模型和SEM模型均通過了檢驗,也說明的確需要采用空間計量模型進行實證檢驗,然后對這兩個模型進行LR檢驗,在LR檢驗結果中,SAR模型的LR統(tǒng)計量顯示為53.08(p=0.000),SEM模型的LR統(tǒng)計量顯示為139.40(p=0.000)。由于兩者均顯著,因此無法將SDM模型轉化為其他兩種模型,需要對三種空間計量模型分別進行回歸分析,以使實證結果更加可靠。

為了順利地進行空間回歸分析,必須確定所需要采用的模型類別,本文采用Stata軟件進行Hausman檢驗,檢驗結果在Stata中呈現(xiàn)為:Prob>chi2=0.0000,可見固定效應模型是最優(yōu)選擇,接著再利用軟件分別對SAR、SEM和SDM模型展開空間回歸檢驗,回歸檢驗結果如表5所示。

表5 空間回歸結果

通過比較三個模型中的R2及l(fā)ogL可知SDM模型的擬合效果最好,因此SDM模型是接下來進行實證分析的最優(yōu)模型,表6則是采用SDM模型從全國角度對各個變量進行空間效應分解的相關結果。

表6 全國30個省的SDM空間效應分解結果

從全國視角來看,金融集聚的總效應為正,這表明金融集聚整體上會促進經(jīng)濟發(fā)展,因此假設1成立。金融集聚的直接效應為正且顯著,而間接效應不顯著,這表明金融集聚能積極助力本地區(qū)的經(jīng)濟進步,但對相鄰地區(qū)經(jīng)濟發(fā)展的溢出效應比較有限。金融風險的總效應為負,這表明金融風險總體上會對經(jīng)濟發(fā)展起到顯著的負向阻礙作用,由此假設2成立。金融風險的直接效應不顯著,間接效應具有負向顯著性,這表明金融風險能夠抑制周邊地區(qū)的經(jīng)濟發(fā)展,但對本地區(qū)經(jīng)濟發(fā)展的影響作用有限,應重點關注金融風險在不同區(qū)域間的空間依賴性。人力資本和進出口貿(mào)易均會顯著提升本區(qū)域和相鄰區(qū)域的經(jīng)濟發(fā)展水平;對于產(chǎn)業(yè)結構變量而言,其三個效應均為負值,但只有直接效應顯著,這表明我國目前的產(chǎn)業(yè)結構會顯著抑制本地區(qū)的經(jīng)濟發(fā)展水平,但對周邊區(qū)域的外溢效應有限。為了研究我國四個區(qū)域中的各個變量是如何對本區(qū)域經(jīng)濟發(fā)展產(chǎn)生影響的,本文分別對各區(qū)域的空間效應進行了分解,結果如表7至表10所示。

表7 東部地區(qū)SDM空間效應的分解結果

由表7可知,我國東部地區(qū)的金融集聚會對相鄰區(qū)域的經(jīng)濟效益產(chǎn)生顯著負向的抑制作用。與此同時,該區(qū)域金融風險的直接效應、間接效應和總效應均不顯著,這表明金融風險對該區(qū)域經(jīng)濟發(fā)展的作用水平有限。此外,東部地區(qū)的產(chǎn)業(yè)結構與進出口貿(mào)易政策均會對本區(qū)域產(chǎn)生正向的經(jīng)濟效應,并顯著帶動相鄰地區(qū)的經(jīng)濟發(fā)展,雖然人力資本總體上會促進經(jīng)濟發(fā)展,但其對本地區(qū)經(jīng)濟發(fā)展的正向促進作用有限,更多地表現(xiàn)出對周邊地區(qū)的外溢效應。

據(jù)表8可知,我國中部地區(qū)的金融集聚不僅能夠對本區(qū)域經(jīng)濟發(fā)展產(chǎn)生顯著的正向效應,而且對相鄰區(qū)域經(jīng)濟發(fā)展也會發(fā)揮促進效能,而金融風險的直接效應和總效應均為負且顯著,間接效應為負不顯著,這表明金融風險會對中部地區(qū)的經(jīng)濟發(fā)展發(fā)揮顯著的抑制效應,但不會對周邊地區(qū)的經(jīng)濟發(fā)展產(chǎn)生顯著的外溢效應。此外,該地區(qū)所擁有的人力資本會驅動本地區(qū)的經(jīng)濟發(fā)展進程,但還無法輻射到周邊區(qū)域。與此同時,中部地區(qū)的產(chǎn)業(yè)結構會對周邊地區(qū)的經(jīng)濟發(fā)展產(chǎn)生負向溢出效應,進出口貿(mào)易政策會對周邊地區(qū)的經(jīng)濟發(fā)展發(fā)揮正向溢出效應。

從表9可以看出,我國西部地區(qū)金融集聚對本區(qū)域經(jīng)濟發(fā)展的正向促進作用有限,但其所引發(fā)的溢出效應會助力臨近區(qū)域的經(jīng)濟進步;該地區(qū)的金融風險會顯著抑制本區(qū)域和周邊區(qū)域的經(jīng)濟進步。西部地區(qū)的產(chǎn)業(yè)結構和進出口貿(mào)易政策均能正向促進相鄰地區(qū)的經(jīng)濟發(fā)展,該地區(qū)目前的人力資本會對周邊地區(qū)的經(jīng)濟發(fā)展產(chǎn)生負向的溢出效應,與此同時,也無法發(fā)揮對本區(qū)域經(jīng)濟發(fā)展的促進作用。

表9 西部地區(qū)SDM空間效應的分解結果

由表10可以看出,我國東北部地區(qū)的金融集聚能夠為本地區(qū)和相鄰地區(qū)帶來正向的經(jīng)濟發(fā)展效應,但對于金融風險而言,其總效應和間接效應均小于零,這表明金融風險總體上會限制經(jīng)濟發(fā)展水平,且會通過其特有的傳導效應抑制相鄰地區(qū)經(jīng)濟的向好發(fā)展。同時,該區(qū)域的人力資本還無法助推區(qū)域內(nèi)外的經(jīng)濟發(fā)展進程,產(chǎn)業(yè)結構只能助推周邊區(qū)域的經(jīng)濟發(fā)展進程,而該地區(qū)目前的進出口貿(mào)易只能改善本區(qū)域的經(jīng)濟發(fā)展狀況,而無法輻射到鄰近區(qū)域。

表10 東北部地區(qū)SDM空間效應的分解結果

(五)金融集聚對金融風險的影響分析

以上研究運用空間計量模型從全國層面以及區(qū)域層面剖析了金融集聚和金融風險對區(qū)域內(nèi)外經(jīng)濟發(fā)展產(chǎn)生的影響,那么金融集聚和金融風險之間存在怎樣的關聯(lián)呢?根據(jù)前述的理論分析,在此以金融風險為因變量,以金融集聚為自變量,并引入自變量的二次項,然后進行空間回歸分析,相關圖像如圖3所示。該圖像對稱軸對應的金融集聚度為0.918,當金融集聚度小于0.918時,金融集聚能抑制金融風險的發(fā)生與發(fā)展,而當金融集聚度大于0.918時,金融集聚會提高金融風險的發(fā)生概率,因此金融集聚對金融風險存在先抑制后促進的非線性影響,由此,假設3成立。

圖3 金融集聚與金融風險的關系圖

(六)內(nèi)生性與穩(wěn)健性檢驗

1.內(nèi)生性檢驗

為了避免內(nèi)生性對實證結果造成影響,本文將選取金融集聚度和金融風險水平的滯后一期作為工具變量來檢驗研究結果是否具有可靠性,表11(1)即為相關結果。由表11(1)可知,金融集聚具有正系數(shù)而金融風險存在負系數(shù),這表明金融集聚會促進區(qū)域經(jīng)濟發(fā)展,而金融風險則會對區(qū)域經(jīng)濟發(fā)展起到抑制作用。因此,前述分析得出的研究結論依然成立。

2.穩(wěn)健性檢驗

本文主要采用以下兩種方式來檢驗實證結果的可靠程度:其一,將本文所使用的權重矩陣更換為經(jīng)濟距離空間權重矩陣;其二,將被解釋變量的衡量指標換為GDP的對數(shù)值,兩種方式對應的效應分解結果分別如表11(2)與(3)所示。在表11(2)與(3)中,新數(shù)據(jù)各個變量的系數(shù)符號與原數(shù)據(jù)的變量符號一致,且具有相同的顯著性水平,這表明本文的研究結果是可靠和穩(wěn)定的。

五、研究結論

本文通過收集2007至2019年30個省區(qū)的面板數(shù)據(jù),采用空間計量模型剖析了金融集聚、金融風險對本區(qū)域經(jīng)濟發(fā)展的空間效應以及對鄰近區(qū)域的外溢效應,探究了金融集聚對金融風險的非線性影響。通過實證分析,本文得出以下三點重要結論。

第一,基于空間自相關檢驗結果,全局空間自相關檢驗中的Moran’s I指數(shù)均介于0與1之間,并在1%的水平下顯著,這表明我國各省份的經(jīng)濟發(fā)展水平之間具有較強的正相關性;觀察局部空間自相關檢驗的Moran’s I指數(shù)散點圖可以發(fā)現(xiàn),大部分省區(qū)分布于第一、三象限,即這些省份處于“高—高”聚集或“低—低”聚集狀態(tài),這也表明省區(qū)之間的經(jīng)濟發(fā)展在空間上具有較強的集聚分布特征。

第二,從全國范圍而言,金融集聚總體上會促進經(jīng)濟發(fā)展,但更多地表現(xiàn)為對本區(qū)域的促進作用,而對相鄰地區(qū)帶來的經(jīng)濟效應是有限的;金融風險總體上會降低經(jīng)濟發(fā)展水平,但更多地表現(xiàn)為周邊地區(qū)的抑制效應,因此應當重點關注金融風險在不同區(qū)域間的空間依賴性;人力資本和對外貿(mào)易政策均會對本地區(qū)和相鄰地區(qū)的經(jīng)濟發(fā)展狀況起到顯著改善作用,但是我國目前的產(chǎn)業(yè)結構還不足以對經(jīng)濟發(fā)展起到正向作用。此外,整體層面上金融集聚對金融風險存在先抑制后促進的非線性影響。

第三,從區(qū)域視角而言,不同地區(qū)的金融集聚和金融風險所帶來的經(jīng)濟效應具有異質性,如東部地區(qū)的金融集聚會對相鄰區(qū)域的經(jīng)濟效益產(chǎn)生顯著負向的抑制作用,而金融風險對區(qū)域經(jīng)濟發(fā)展的作用水平有限;中部地區(qū)的金融集聚會為本地區(qū)和鄰近區(qū)域帶來正向經(jīng)濟效應,雖然該地區(qū)的金融風險會顯著抑制本區(qū)域的經(jīng)濟發(fā)展,但不會對周邊區(qū)域經(jīng)濟發(fā)展產(chǎn)生溢出效應;西部地區(qū)金融集聚對本區(qū)域經(jīng)濟發(fā)展的正向促進作用有限,但其所引發(fā)的溢出效應會助力臨近區(qū)域的經(jīng)濟進步,與此同時,該地區(qū)的金融風險會對區(qū)域內(nèi)外經(jīng)濟發(fā)展起抑制作用;東北部地區(qū)的金融集聚會對區(qū)域內(nèi)外經(jīng)濟會產(chǎn)生助推效應,而該地區(qū)的金融風險總體上會限制經(jīng)濟發(fā)展,且會通過風險傳導效應阻礙相鄰地區(qū)經(jīng)濟的向好發(fā)展。