中国省域金融产业集聚影响因素的空间计量分析.docx

资源描述

中国省域金融产业集聚影响因素的空间计量分析.docx

《中国省域金融产业集聚影响因素的空间计量分析.docx》由会员分享，可在线阅读，更多相关《中国省域金融产业集聚影响因素的空间计量分析.docx（25页珍藏版）》请在冰点文库上搜索。

中国省域金融产业集聚影响因素的空间计量分析.docx

中国省域金融产业集聚影响因素的空间计量分析

第24卷第1期

2009年1月TheJournalofGangdongUniversityofFinance

Vo.l24,No.1

Jan.2009

中国省域金融产业集聚影响因素的空间计量分析

　　　　张志元　季伟杰

　　　　山东经济学院财政金融学院,山东济南250014

　　摘　要:

金融是经济发展的内生变量和核心要素,金融业总是以金融产业集群的

形式出现并形成金融中心。

研究金融产业集聚的方法不能忽视空间维度的相关性和异质

性。

显著影响金融产业集聚程度的因素有经济发展水平、工业化水平、人力资本水平和技

术创新水平。

现阶段中国省域间的金融业集聚具有正的溢出效应,各省域应该加强相邻

省域间的区域金融合作,并减少人为造成的相邻省域间的金融交往障碍。

　　关键词:

区域金融;金融产业集聚;空间因素

　　中图分类号:

F061.5　　文献标识码:

A　　文章编号:

1674-1625（2009）01-0107-11

收稿日期:

2008-12-01

基金项目:

国家自然科学基金（70773070）;山东省自然科学基金（Y2007H08）

作者简介:

张志元（1963-）,男,博士,教授,山东经济学院财政金融学院院长、山东区域经济研究院院长,研究方

向为区域金融与区域经济;季伟杰（1983-）,山东经济学院金融学研究生,研究方向为投资银行与资本市场。

随着中国改革开放的不断深化,地区之间的经济差异持续扩大,资金也不断向东

部沿海地区集聚;由于金融业在现代经济中的核心地位,所以金融资源集聚必然带动

区域经济的快速发展。

为此我们有必要研究影响金融产业集聚的因素,从而揭示中国

金融业在省域间分布的规律。

　　一、金融产业集聚形成动因的文献综述

1.考虑到金融业与其它产业的共性,借鉴一般产业集聚动因———运用外在性、规

模经济、集聚经济等理论对金融产业集聚的研究方法。

外部性被认为是产生聚集经济

的一个重要原因,Marshall（1920）[1]曾指出,产业的增长,特别是产业的地理集聚

（Agglomeration）的形成在很大程度上得益于集聚所产生的外部性经济,即创造出熟

练的劳动力市场、专业的服务性中间产业和技术外溢。

虽然集聚外在性理论主要针对

产业空间集聚而言,但对金融集聚也有一定的解释能力。

韩国经济学家Park（1985）[2]

将微观经济学的规模经济理论应用于国际银行集中的发展和国际金融中心形成的成

·107·因分析上,认为当某地跨国银行的数量增多、规模增大时,国际金融中心便有形成的可

能;同时具有外部经济,便会更进一步促进生产和经营单位的空间集聚,而集聚能够有

效降低金融机构的成本,促进各金融机构及各行业的信息交流,可以更加有效地利用

现有网络系统和其它基础设施,从而提高生产效率。

Davis（1988）[3]则将企业选址理

论运用到金融企业集群形成的研究中,认为影响金融企业进入决策的主要因素是供给

（资金）和需求（产品）以及所给定地点与可代换地点之间的外部经济性差异。

2.从金融业的个性出发,运用信息流理论和金融产品的流动性特点对金融产业集

聚的动因进行探讨。

Porteous（1995）[4]强调塑造和发展金融中心的背后力量,大致上

可以从“信息外在性”、“信息腹地”、“国际依附性”、“路径依赖”和“不对称信息”来

解释,这背后力量是金融中心地位兴衰的决定因素。

Zhao、SmithandSit（2003）[5]将信

息腹地理论应用到金融地理学中,探讨了中国金融中心的演化,指出在互联网时代,地

理因素比以往更重要。

Bossone等（2003）[6]也认为金融集聚主要源于信息的溢出,金

融中介的参与使得投资者与通过银行借贷而经营的企业家之间信息交流充分,从而能

提高整个投资价值的利润,金融中介在提供投资活动信息的同时可以通过对信息的定

价分享一部分利润。

对于那些支付手段复杂而且信息灵敏度高的股票和金融衍生工具

来说,投资者和券商在地理位置的接近有利于掌握更丰富的金融信息。

国内目前对于

金融产业集聚研究比较系统深入的是黄解宇和杨再斌（2006）[7],他们提出金融集聚

是随着产业集聚的形成而发展的,金融本身的高流动性加速了集聚;而规模经济效应

以及不对称信息和默示信息所要求的金融主体的空间邻近能促使金融集聚的形成。

他

们同时还对集聚扩散效应的层次性与区域经济梯度性之间的关系进行了实证研究。

但

由于其主要目的是解决国内建设国际金融中心的城市选择问题,对于金融产业集聚动

因的解释缺乏数理模型和计量分析,对金融集聚的评价也缺乏统一的标准体系。

金融

产业集聚的主体是各类金融机构,梁颖（2006）[8]认为金融企业选址主要取决于以下

因素:

（1）区域的地理位置因素,包括时区优势、地点优势、交通优势、较低的商务成本

等。

这些因素会影响金融机构的沉淀成本（除员工培训和搬迁费用、营业设施建设、申

请执照的相关成本外,还包括潜在客户的流失和从一个地区退出造成的声誉损失）;

（2）地区市场的供求因素;（3）路径依赖因素,区域的历史因素在金融业的发展过程

中也会产生作用;（4）政府的推动因素,包括地方政府的产业政策、吸引金融企业的优

惠政策等。

虽然金融业集聚的现象引起了众多学者的关注,但是已有的关于中国金融业集聚

的文献都没有考虑空间因素。

空间计量经济学理论认为,一个地区空间单元上的某种

经济地理现象或某一属性值与邻近地区空间的单元上同一现象或属性值是相关的。

几

乎所有的空间数据都具有空间依赖性,空间依赖的存在打破了大多数经典统计和计量

分析中相互独立的基本假设。

因此本文与已有的研究中国金融集聚的文献的最大的区

别是运用空间计量经济学的方法研究影响金融业集聚的因素,充分考虑空间因素对金

融业集聚的作用。

·108·　　二、样本数据说明以及变量选择

本文实证分析中所用的样本包括中国31个（香港、澳门特别行政区和台湾省除

外）省、自治区、直辖市（简称省域）。

金融产值和各影响因素的基础数据主要来源于

2001~2006年的《中国统计年鉴》,所有输出结果都由GeoDA0.9.1自动完成。

（一）被解释变量的选择

反映一个产业的集聚程度的方法有很多,主要有区位熵法、基尼系数法、洛仑兹曲

线法和地理集中指数法等,我们采用区位熵（LQ,LocationQuotient）表示金融产业集

聚水平,区位熵是衡量产业专业化的重要指标,其式如下:

LQij=（Eij/Ej）/（Ei/E）

（1）

其中,LQij为区部门的区位熵,Eij为j区i部门的就业人数（或产值）,Ej为j区的就

业人数（或产值）,Ei为大区域（或全国）i部门的就业人数（或产值）,E为大区域（或全

国）总就业人数（或产值）。

该指标反应了区域j在大区域i部门中的重要性。

区位墒从

空间特征上刻画区域产业系统的专业化问题（王铮,2002）[9]。

如果LQ大于1,意味着

某产业在区域比较重要;但也有一些研究根据LQ大于1.25或LQ大于3（Martinand

Sunley,2003[10];MalmbegandMaskel,l2002[11]）来判断产业聚集。

采用区位熵计算产业集中度的优点在于,第一统计数据较容易获得;第二能够充

分比较区域生产水平与全国平均生产水平,确定该地区的产业集中状况在全国所处的

位置。

由于这种方法的简单性,在欧美产业集群的产业集中度的实践中得到广泛的应

用。

本文用各省域的人均金融产业增加值除以全国的人均金融产业增加值计算区位

熵,以测量全国省域的金融产业集聚程度。

（二）解释变量的选择

通过对金融产业集聚动因的考察,我们把影响中国省域金融产业集聚的因素初步

分为以下两类:

1.需求因素。

第一,经济发展水平（PERGDP）。

无论是何种模式的金融产业集聚,

都需要强大的经济基础,因为这是巨大资金需求和供给的前提条件。

理论上说,经济基

础越雄厚,金融产业集聚程度越高。

我们使用2001~2006年各省域的人均GDP均值与

2001~2006年全国的人均GDP的均值的比值表示各省的经济水平。

第二,工业化水平（INDUSTRY）。

金融业是为工业企业提供资金服务的,如果某省

份的工业化水平越高,对金融资源的需求也就越大,进而会引导金融企业向该地区流

动,从这个角度讲,工业化水平越高,金融产业集聚程度应该越大。

我们使用2001~

2006年各省域第二产业增加值的均值与2001~2006年全国国内生产总值的均值的百

分比表示各省的工业化水平。

第三,对外开放水平（ITR）。

高国际贸易水平需要高金融服务水平,因此,国际贸

易水平高的省份,金融产业集聚程度应该越高。

我们使用2001~2006年各省域进出口

总值的均值与2001~2006年全国国内生产总值的均值的百分比表示各省的国际贸易

·109·

　　　　　　张志元　季伟杰　中国省域金融产业集聚影响因素的空间计量分析水平。

2.供给因素。

第一,技术创新水平（RESEARCH）。

专利数量是一个国家技术创新

能力的重要标志,是一个衡量知识吸收和技术进步比较理想的变量;理论上,技术创新

水平越高的省份,金融产品的供给能力也会越强,金融集聚程度也越高。

这里以2001~

2006年各省域三种专利授权量的均值与2001~2006年全国三种专利授权量的均值的

百分比表示各省的技术创新水平。

第二,金融从业人口数量（LABOR）。

本研究以2001~2006年各省域全社会年底金

融从业人员的均值与2001~2006年全国年底金融从业人口的均值的比重表示各省份

金融部门的劳动力情况。

该指标主要度量劳动力在金融产业集聚中的作用,回归系数

代表劳动力水平的增加对金融产业集聚弹性系数。

如果该系数为正且大于1,则表明

金融业从业人员对金融产业集聚的规模报酬增加;相反,如果该系数为负,则表明金融

业从业人员对金融产业集聚的规模报酬递减。

当然,该指标没有包含劳动力的素质信

息,也就是说,劳动力无法反映人力资本的变化。

第三,人力资本水平（HK）。

BarroandLee（1993[12],1996[13],2000[14]）对各国的

人力资本核算进行过较为全面的比较分析。

其在人力资本方面的主要贡献是计算了各

国劳动者的受教育程度（EducationalAttainment）,用该指标直接反映了各国在人力资

本投资方面的差距（当然还包括劳动者接受培训的年限）。

中国劳动力分别接受过小

学、中学（中专、职中）、大学（包括大专）、研究生的教育,他们各自的边际生产力也不

同。

考虑到金融业的实际情况,如果采用中学生衡量其对金融产业集聚的作用显然不

太合理,因此,本研究改进为以2001~2006年各省域大学毕业生人数的均值与2001~

2006年全国大学毕业生人数的均值来衡量中国各省域的人力资本存量水平。

理论上,

人力资本水平越高,金融产品的供给能力越强,金融产业集聚程度越高。

第四,固定资产投资水平（INVESTMENT）:

本研究用2001~2006年各省金融行业

固定资产投资的均值与2001~2006年全国金融业固定资产投资的均值的比值表示固

定资产投资水平。

显然,固定资产投资水平应该与金融产业集聚程度成正比例关系。

当然,中国处于经济转型的阶段,研究中国金融省域的集聚,必定不能忽视经济政

策的作用。

现阶段中国区域间主要的经济政策差异是当地政府对经济的干预程度和对

外开放程度的差异。

经济政策对金融集聚的影响主要是通过对上述七个因素的影响而

对金融产业集聚起到间接作用。

　　三、模型的建立与估计

根据以上对金融产业集聚的影响因素分析,建立以金融产业集聚度（用区位熵度

量）为被解释变量的回归方程为:

LQi=β0+β1PERGDPi+β2INDUSTRYi+β3ITRi+β4RESEARCHi+β5LABORi+

β6HKi+β7INVESTMENTi+εi

（2）

式子中β为回归参数,i为1,2,…31个省域,ε1为随机误差项。

·110·

（一）空间自相关性检验

首先检验中国31个省域金融产业集聚在地理空间上的相关性,即空间相互依赖

性。

检验金融产业集聚的空间相关性存在与否,空间统计学较常使用两个统计量:

一者

是由Moran（1950）[15]提出的空间相关指数MoranI;另一为Geary（1954）[16]所定义之

GearyC。

在实际的空间相关分析应用研究中,由于MoranI和GearyC的作用基本相

同,而MoranI更为常用,因此以下介绍MoranI的基本计算原理,并将之应用于中国金

融产业集聚的空间相关性实证研究中。

MoranI定义如下:

MoranI=

∑

i=1∑

j=1

Wij（Yi-Y—）（Yj-Y—）

S2∑

i=1

∑

j=1

Wij

（3）

其中,S2=1n∑ni=1（Yi-Y—）,Y—=1n∑ni=1Yi,表示第i地区的观测值（在本文为人均金

融产业增加值）,n为地区总数（本文为31）,Wij为二进制的邻接空间权值矩阵,表示其

中的任一元素,采用邻接标准或距离标准,其目的是定义空间对象的相互邻接关系,便

于把地理信息系统（GIS）数据库中的有关属性放到所研究的地理空间上来对比。

一般

相邻标准的Wij为

Wij=1　当区域i和区域j相邻;

0　当区域i和区域j不相邻

式中,i=1,2,...,n;j=1,2,...,m;m=2或m≠n。

因为我们将MoranI可看作各地区观测值的乘积和,其取值范围为-1≤Ⅰ≤1。

若各地区间为空间正相关,I的数值应当较大;负相关则较小。

具体到金融增长的空间

依赖性问题上,当金融增长的目标区域数据（如人均金融产业增加值）在空间区位上

相似的同时也有相似的属性值时,空间模式整体上就显示出正的空间相关性;而当在

空间上邻接的目标区域数据不同寻常地具有不相似的属性值时,就呈现为负的空间相

关性;零空间自相关性出现在当属性值的分布与区位数据的分布相互独立时。

根据空间数据的分布可以计算正态分布MoranI的期望值:

En（I）=-1n-1（4）

VARn（I）=n2w1+nw2+3w02w20（n2-1）（5）

其中,w0=∑

i=1

∑

j=1

Wij,w1=12∑ni=1∑nj=1（Wij+Wji）2,w2=·∑ni=1（wi.+w.j）2

式中,wi.和w.j分别为空间权值矩阵中i行和j列之和。

用下式可以检验n个区域是否存在空间自相关关系:

·111·

　　　　　　张志元　季伟杰　中国省域金融产业集聚影响因素的空间计量分析Z（d）=MoranI-E（I）

VAR（I）

（6）

（二）空间滞后模型、空间误差模型及估计技术

该部分使用的空间计量经济模型主要是纳入了空间效应（空间相关和空间差异）

的空间回归模型,包括空间滞后模型与空间误差模型两种（Anselin,1988[17];Anselin

andFlorax,1995[18]）。

1.空间滞后模型。

空间滞后模型（SpatialLagMode,lSLM）主要探讨各变量在一

个地区是否有扩散现象（溢出效应）,其表达式为:

Y=ρWY+Xβ+ε（7）

式中,Y为因变量;X为n×k的外生解释变量矩阵;ρ为空间回归关系数;W为阶的

空间权值矩阵,一般用邻接矩阵（ContiguityMatrix）;WY为空间滞后因变量,ε为随机

误差项向量。

2.空间误差模型。

空间误差模型（SpatialErrorMode,lSEM）的数学表达式为:

Y=Xβ+ε（8）

ε=λWε+μ（9）

式中,ε为随机误差项向量,λ为n×1的截面因变量向量的空间误差系数,u为正

态分布的随机误差向量。

参数λ衡量了样本观察值中的空间依赖作用,即相邻地区的

观察值Y对本地区观察值Y的影响方向和程度,参数β反映了自变量X对因变量Y的

影响。

SEM的空间依赖作用存在于扰动误差项之中,度量了邻接地区关于因变量的误

差冲击对本地区观察值的影响程度,由于SEM模型与时间序列中的序列相关问题类

似,也被称为空间自相关模型（SpatialAutocorrelationModel）。

3.空间自相关检验及SLM、SEM的选择。

判断地区金融增长行为的空间相关性是

否存在,除了使用包括MoranI检验外,还可以使用两个拉格朗日乘数（Lagrange

Multiplier）形式LMERR、LMLAG和稳健（Robust）的R-LMERR、R-LMLAG等来进行。

由于事先无法根据先验经验推断在SLM和SEM模型中是否存在空间依赖性,有必要

构建一种判别准则,以决定哪种空间模型更加符合客观实际。

Anselinand

Florax（1995）提出了如下判别准则:

如果在空间依赖性的检验中发现,LMLAG较之

LMERR在统计上更加显著,且R-LMLAG显著而R-LMERR不显著,则可以断定适合

的模型是空间滞后模型;相反,如果LMERR比LMLAG在统计上更加显著,且

R-LMERR显著而R-LMLAG不显著,则可以断定空间误差模型是恰当的模型。

除了拟

合优度R2检验以外,常用的检验准则还有:

自然对数似然函数值（Loglikelihood,

LogL）,似然比率（LikelihoodRatio,LR）、赤池信息准则（Akaikeinformationcriterion,

AIC）,施瓦茨准则（Schwartzcriterion,SC）。

对数似然值越大,AIC和SC值越小,模型

拟合效果越好。

这几个指标也用来比较OLS估计的经典线性回归模型和SLM、SEM,似

然值的自然对数最大的模型最好。

·112·　　四、模型估计结果的分析

（一）空间自相关性分析

首先检测31个省域的金融增长在地理空间上的相关性即空间相互依赖性。

表1是

利用公式3~6计算的衡量中国31个省域金融增长空间自相关性及集聚的人均金融产

业增加值的MoranI指数及其检验值。

表1　中国区域金融增长人均金融产业增加值的MoranI指数及其Z值

年份IE（I）SdZP

20010.1889-0.03330.12.2220.03

20020.2374-0.03330.08843.0622170.02

20030.4034-0.03330.09794.4606740.01

20040.3888-0.03330.10763.9228620.01

20050.3866-0.03330.10733.9133270.01

20060.4105-0.03330.10574.1986750.01

　　　　资料来源:

《中国统计年鉴》2001~2006。

表1中MoranI的正态统

计量z值均大于正态分布函数

在0.05水平下的临界值

（1.96）,表明中国31个省、直

辖市和自治区之间以人均金融

产业增加值衡量的金融增长在

空间分布上具有明显的正自相

关关系（空间依赖性）,说明全

国各省域人均金融产业增加值

的空间分布并非表现出完全随机状态,而是表现出相似值之间的空间集聚,正的空间

相关代表相邻地区的特性类似,即具有较高人均金融产业增加值的省区相对地互相靠

近,或者较低人均金融产业增加值的省域相对地互相相邻的空间联系结构。

因此,从整

体上讲省域之间的金融增长是存在空间相关性的,也就是说中国省域金融产业增长存

在着空间上明显的集聚（Clustering）现象。

以上定量地证明中国省域金融增长确实存在着空间的集聚现象,地区差异比较显

著。

这表明对于中国区域金融增长的理论与实证研究,传统研究的思路只从时间维度

出发,忽视空间维度的相关性和异质性,在理论上存在严重不足,与金融发展现实不

符;而在时间序列数据的基础上引入空间地理单元（横截面）数据,综合使用时空数据

所表达的时间和空间集成信息,进而解释区域金融增长在时空演变中的机制和规律则

是一种很好的研究思路和框架。

（二）空间计量经济模型的选择

表2　省域区位熵的空间依赖性检验

TESTDFVALUEPROB

MoransI（error）0.3071263.63962880.0002731

LMLAG13.22627050.0724656

R-LMLAG10.11625850.7331284

LMERR16.37202110.0115933

R-LMERR13.26200920.0709022

LagrangeMultiplier（SARMA）26.48827960.0390021

空间相关性分析已经定量

证明了中国金融产出具有空间