●徐雪

（兰州财经大学甘肃金融协同创新中心，甘肃兰州730020）

一、引言

党的“十八大”明确提出的“新型城镇化”概念，标志着我国要走具有中国特色的城镇化道路，并将加快建设新型城镇化作为经济发展的重要任务。2019年，习近平总书记在视察甘肃时指出：“甘肃要积极抢抓开放机遇、不断夯实高质量发展基础。”因此，在推动西部大开发、形成新格局背景下，甘肃应深入贯彻习总书记的指示精神，加快补齐基础设施短板，促进城乡融合发展进而推动新型城镇化高质量发展。这对于甘肃实现经济高质量发展、加快产业结构转型升级具有重要现实意义。但是，由于甘肃省新型城镇化建设融资渠道较为单一，所需资金主要来源于财政支持和土地融资，这种传统融资方式对新型城镇化的带动作用越来越不可持续[1]。由此，如何创新甘肃新型城镇化融资方式、如何充分发挥金融对新型城镇化质量的带动作用成为学术界重点关注的话题[2-3]。合理配置金融资源、优化金融支持新型城镇化建设路径、提升新型城镇化发展质量已成为甘肃需要着力解决的现实问题。而甘肃省新型城镇化发展质量如何测度？与发达省份相比，其金融支持对甘肃省新型城镇化发展质量的作用程度又如何？有必要围绕这些问题展开研究，以期为甘肃省新型城镇化建设提供决策参考。

二、文献综述

国内学者关于新型城镇化与金融支持关系的研究主要集中于两个方面：

一是新型城镇化与金融支持的互动关系。学者们主要是通过构建二者的耦合机制，借助耦合协调度模型对新型城镇化和金融支持的互动关系进行分析。唐未兵（2017）在分析二者相互影响作用机理的基础上，运用耦合协调度模型和空间计量模型研究中部六省市二者之间的耦合作用，分析结果表明六省市新型城镇化和金融支持耦合度处于中强度耦合水平，即二者相互促进效应增强[4]。杨慧（2015）同样在分析二者影响机制的基础上，运用耦合协调度模型对全国新型城镇化与金融支持的关系进行研究，发现二者相互影响、相互促进[5]。文先明（2019）以湖南省为研究对象，在测度湖南各市州新型城镇化和金融支持综合指数的基础上，定量分析新型城镇化和金融支持的耦合作用，研究发现二者之间互为耦合：前者是后者的实践载体，后者是前者的内在动力[6]。

二是金融支持对新型城镇化的作用机理及定量分析。关于作用机理的研究，主要包括金融为新型城镇化建设提供资金支持、提高资本配置效率等宏观影响机理[7-8]，与金融支持基础设施建设、公共服务建设、产业结构升级和人力资本提升等微观机理[9]。在金融支持新型城镇化的定量研究方面，学者们进行了深入研究，并取得了丰富的成果。李清政等（2015）的研究得出金融信贷规模、金融效率对城镇化具有显著的促进作用，并且金融支持对新型城镇化的影响存在明显的空间差异[10]。熊湘辉等（2015）的研究证明，金融支持对中国东、中、西部新型城镇化均有促进作用，但是促进程度存在一定差异[11]。范兆媛等（2017）的研究认为金融支持对西部地区新型城镇化影响更为显著[12]；这与其他人的研究结论相悖。李文等（2017）以西部11省份为研究对象，运用面板数据模型实证分析金融对新型城镇化的支持作用，结果表明：在西部地区金融对新型城镇化支持力度不足、带动作用不显著[13]。李春宇（2017）从金融支持规模和金融支持效率两个角度实证检验金融支持对黑龙江新型城镇化的影响，结果表明二者均能显著促进黑龙江省的新型城镇化发展[14]。张艺等（2019）基于华东地区面板数据，构建金融支持新型城镇化的SD仿真模型，分析得出华东地区的金融政策能够带动其新型城镇化发展的结论[15]。

总的来看，金融支持对新型城镇化影响的研究成果众多，但是金融支持对新型城镇化发展质量作用的研究尚存在不足，且由于大多数学者在进行量化分析时未能构建金融支持评价指标体系，而是选取单一指标进行分析，其结论难免存在一定的片面性。鉴于以上的不足，下文拟以甘肃和江苏作为研究对象，从以下三个方面进行扩展研究：一是突破传统城镇化的测度，从人口转移、经济发展、社会服务、城镇基础设施、环境改善、城乡融合六个角度全面测度新型城镇化发展质量；二是通过空间数据分析，探索新型城镇化发展质量的空间相关性及集聚程度；三是具体分析金融支持对新型城镇化发展质量的空间作用机理并对其间接效应和直接效应进行相应检验。

三、金融支持新型城镇化发展质量的作用机理

金融支持对新型城镇化发展质量的作用，体现在金融规模、金融效率和金融结构的效用发挥上。金融支持新型城镇化的作用机理具体如图1所示。

图1 金融支持新型城镇化质量的作用机理

（一）金融规模对新型城镇化质量的作用机理

虽然新型城镇化本身内涵丰富并且涉及面较广，但是提升新型城镇化发展质量必然需要大量的资金支持。金融机构在资金供给方面扮演了重要角色。金融中介凭借优良的信用条件、庞大的网点机构、专业化的人才等优势，可以通过低信息成本将社会中的闲散资金快速聚集起来，扩大金融规模，为基础设施建设、产业结构优化、人力资本提升等提供资金供给，推动新型城镇化发展质量的提升。

（二）金融效率对新型城镇化质量的作用机理

金融效率指的是金融部门的投入与产出的关系。投入一般指的是金融中介将储蓄转化为投资的过程，产出指的是对新型城镇化投资所产生的效益。在新型城镇化建设中，为了提高金融效率，金融中介会优化资金的使用结构，将有限的金融资源投入到能产生较大效益的项目中，从而既实现了金融资源的优化配置，又提高了新型城镇的发展质量。

（三）金融结构对新型城镇化质量的作用机理

金融结构指的是金融工具和金融机构的组成。随着经济社会的发展，金融工具和金融结构之间的比例将更加合理，金融结构将更加优化。金融结构对新型城镇化质量的作用主要体现在影响金融中介投入的效率和方式上，即影响储蓄转化为投资的效率和方式。首先，金融中介投入的效率和方式会影响城镇的集约化；其次，储蓄转化为投资的方式越多元，金融工具越丰富，就越能满足新型城镇化建设对多元化资金的需求，从而有利于提高新型城镇化发展质量。

四、指标体系的构建与研究方法

（一）新型城镇化发展质量评价指标体系构建

新型城镇化发展质量目前没有统一的定义，可依据《国家新型城镇化规划（2014—2020年）》和相关文献[16-20]，将其定义为：新型城镇化发展质量是以人口转移成效高为核心、经济发展效益高为支撑、社会服务水平高为目的、城镇基础设施完善为载体、环境效益高为保障、城乡融合度高为根本的城镇化。基于新型城镇化发展质量的内涵，在借鉴前人研究的基础上[21-24]，从人口转移、经济发展、社会服务、基础设施、环境改善和城乡融合六个维度构建新型城镇化发展质量评价指标体系。其中，人口转移包括常住人口城镇化率、人口自然增长率、非农就业比重和城镇人口密度等4个细分指标；经济发展包括工业化率、第二、三产业占GDP的比重、人均GDP和人均固定资产投资额等4个细分指标；社会服务包括城镇登记失业率、城镇每万人拥有卫生技术人员数和城镇每万人拥有医疗机构床位数等3个细分指标；城镇基础设施包括城镇每万人拥有的公厕数、每万人拥有的公共交通车辆、城市用水普及率、城市燃气普及率、人均城市道路面积等5个细分指标；环境改善包括人均公园绿地面积、建成区绿化覆盖率、污水处理厂集中处理率和生活垃圾无害化处理率等4个细分指标；城乡融合包括城乡收入比、城乡每百户汽车拥有量比、城乡居民家庭人均消费比、城乡恩格尔系数比、养老保险覆盖率和新农合参保率等6个细分指标。具体见表1。

表1 新型城镇化发展质量评价指标体系

（二）金融支持指标体系构建

在借鉴金融发展理论和权威文献的基础上[25-26]，同时考虑数据的可获得性，可从金融支持规模、金融支持效率和金融支持结构三个维度来构建金融支持评价指标体系。其中，用存贷款之和占GDP的比重、金融从业人员占比和人均存款水平等3个细分指标来衡量金融支持规模；用存贷比来衡量金融支持效率；用短期贷款占比来衡量金融支持结构。具体见表2。

表2 金融支持评价指标体系

（三）研究方法

首先运用熵值法对新型城镇化发展质量及金融支持综合水平进行测度。在此基础上，借助空间自相关方法进一步探索新型城镇化发展质量的空间关联性和集聚中心的位置。最后，运用空间面板模型实证检验金融支持对新型城镇化发展质量的影响。

1.熵值法

运用熵值法对前文所构建的指标体系进行测度，原因在于熵值法具有客观赋权的优点。具体步骤如下：

（1）考虑到各项指标计量单位不统一，在计算之前，首先要对各项指标进行标准化处理。为避免求熵值时对数计算的无意义，对正负指标进行非负化处理，统一加0.01。具体方法[27]如下：

（6）最后计算各个市州的综合得分：

2.空间自相关

空间自相关是测度相邻区域经济变量是否存在空间相关性的方法，具体包括全局自相关和局部自相关。其中，全局自相关用来测度空间经济变量在全区域的相关性，局部自相关用来测度空间经济变量在局部区域的相关性情况。

选取全局Moran’s I指数测度新型城镇化发展质量的空间相关性，计算公式为：

其中，n为样本量，即空间位置的个数，xi、xj是空间位置i和j的观察值，空间权重wij表示空间位置i和j的邻近关系，空间相邻为1，否则为0。指数Ⅰ的值介于-1到1之间，大于0表示正自相关，小于0表示负自相关，若Ⅰ趋近于0，说明各地区新型城镇化发展质量及金融支持水平在空间分布上是随机的，不存在空间相关性。

选用局部Moran’s I的LISA统计量计算每个空间位置，从而识别局部空间自相关：

局部Moran’s I值大于0，并且通过检验时，表明该空间单元与邻近单元的属性值相似（“高—高”或“低—低”）；局部 Moran’s I值小于 0，表明该空间单元与邻近单元属性值相异（“高—低”或“低—高”）。其取值越大，说明这个区域单元对相邻单元的辐射效应越大。

3.空间杜宾模型

新型城镇化发展质量水平存在空间相关性，一般的回归模型很难对空间关系进行测度，空间计量模型可以很好地解决地理事物空间依赖性的计量回归问题。Elhorst提出的空间杜宾模型[25]，不仅考虑了因变量外生交互作用带来的空间相关性，还考虑了自变量内生交互效应，是空间计量模型的一般形式。其计算公式为：

其中，yit为因变量，i为城市数量，t为时期数，c为常数项，ρ为因变量的空间滞后项系数，λk为第k个自变量的空间滞后项系数，n为城市总数，m为自变量个数，wij为空间权重矩阵，xit，k为 i城市 t时期第k个自变量，βk是第k个自变量回归系数，εit为随机误差项。

（四）数据来源

文中所使用的数据来源于历年《江苏统计年鉴》《甘肃发展年鉴》《中国城市统计年鉴》《中国金融统计年鉴》，以及Wind数据库。对于个别年份缺失的数据（比如城乡每百户汽车拥有量），假设这些指标保持不变的变化速度，以其变化率来推算并补齐。

五、测算结果及分析

（一）新型城镇化发展质量空间格局及空间演变特征

1.甘肃省新型城镇化发展质量水平格局及空间演变特征

根据前文所建立的新型城镇化发展质量指标评价体系，运用熵值法测算甘肃省14个市州新型城镇化发展质量综合评价指数；同时为进一步进行历时性演变和共时性的对比分析，将研究期划分为两个阶段，分别对甘肃省14个市州2012—2014年和2015—2018年新型城镇化发展质量水平求均值，并通过Arcgis10.0进行空间可视化处理（见图 2）。

图2 甘肃省新型城镇化发展质量水平格局

从横向来看，2012—2014年，甘肃省新型城镇化质量综合水平可以划分为三个等级。其中，嘉峪关新型城镇化发展质量最高，综合水平在0.6499～0.7999之间，为第一等级；酒泉、张掖、金昌、兰州、白银、庆阳和平凉次之，新型城镇化发展质量综合水平在0.3499～0.4999之间，属于第二等级；而武威、临夏、甘南、天水、定西、陇南等市州新型城镇化发展质量水平最低，新型城镇化发展质量综合水平仅在0.188～0.349之间，并且主要集中于甘肃的南部地区。2015—2018年，甘肃省新型城镇化发展质量空间分布格局稍有变化。其中，嘉峪关新型城镇化发展质量仍然遥遥领先，等级未发生变动；张掖、金昌和兰州的新型城镇化发展质量较2012—2014年明显提升一个等级，综合水平上升至0.4999—0.6499之间；白银和平凉的新型城镇化发展质量却下降一个等级，综合水平下降至0.1880—0.3499；酒泉、武威、庆阳、临夏、甘南、定西、天水和陇南的新型城镇化发展质量等级未发生变动。由此可知：甘肃省14个市州新型城镇化发展质量参差不齐、空间分布不均衡，其中新型城镇发展质量较高的市州主要集中分布于河西地区，而新型城镇化发展质量较低的市州主要集中分布于甘肃南部地区。

为进一步检验甘肃省新型城镇化发展质量的空间相关性及相关程度，利用全局Moran’s I指数计算公式，得出2012—2014年和2015—2018年甘肃新型城镇化发展质量综合水平均值的Moran’s I指数及检验结果。具体见表3。

表3 甘肃省新型城镇化发展质量的Moran’s I指数及检验结果

2012—2014年甘肃省14个市州新型城镇化发展质量均值的Moran’s I值为0.4241，在1%的水平下显著为正；2015—2018年新型城镇化发展质量均值的Moran’s I值为0.3049，并且在5%的水平下显著为正。由此表明：甘肃省新型城镇化发展质量存在明显的正向空间自相关，即新型城镇化发展质量水平较高的市州相对地趋于和新型城镇化发展质量水平较高的市州相邻，或者新型城镇化发展质量水平较低的市州相对地趋于和新型城镇化发展质量水平较低的市州相邻。

为进一步探索集聚中心的位置，利用局部Moran’s I指数计算公式，得出2012—2014年和2015—2018年局部 Moran’s I值，并借助 GeoDa软件进一步呈现新型城镇化发展质量的集聚状态及空间演化特征（见图3和图4）。

从图3和图4可知，甘肃省新型城镇化发展质量存在明显的高-高集聚和低-低集聚。其中，高-高集聚即为较高新型城镇化发展质量的市州相临近，具体包括酒泉和张掖两市；低-低集聚即为较低新型城镇化发展质量的市州相临近，具体包括临夏、甘南、定西、天水、陇南等市州。因此，甘肃省新型城镇化发展质量的空间关联性明显，高—高集聚主要集中于河西地区，低—低集聚主要集中于甘肃南部地区。

图3 2012—2014年甘肃省新型城镇化发展质量LISA集聚图

图4 2015—2018年甘肃省新型城镇化发展质量LISA集聚图

2.江苏省新型城镇化发展质量水平格局及空间演变特征

类似地运用熵值法测算江苏省13个市的新型城镇化发展质量综合水平。对2012—2014年和2015—2018年其新型城镇化发展质量水平求均值，并通过Arcgis10.0进行空间可视化处理。具体见图5。

图5 江苏省新型城镇化发展质量水平格局

从横向来看，2012—2014年江苏省新型城镇化发展质量综合水平介于0.318～0.799之间。可分为四个等级，其中常州、苏州、无锡的新型城镇化发展质量最高，为第一等级；南京、南通、镇江和徐州的新型城镇化发展质量次之，为第二等级；宿迁、扬州和泰州的新型城镇化发展质量再次之，为第三等级；淮安、连云港和盐城的新型城镇化发展质量最低，属于第四等级。2015—2018年江苏省新型城，镇化发展质量格局稍有变化，徐州和常州的新型城镇化发展质量下降一个等级，连云港和南京上升一个等级，其他城市保持不变。总的来看，江苏省新型城镇化发展质量水平空间分布不均衡，呈现“苏南＞苏中＞苏北”的空间分异特征。

为进一步检验江苏省新型城镇化发展质量的空间相关性及相关程度，利用全局Moran’s I指数计算公式，得出2012—2014年和2015—2018年新型城镇化发展质量综合水平均值的Moran’s I指数及检验结果。具体见表4。

表4 江苏省新型城镇化发展质量的Moran’s I指数及检验结果

2012—2014年江苏省新型城镇化发展质量均值的Moran’s I值为0.4969，在1%的水平下显著为正；2015—2018年新型城镇化发展质量均值的Moran’s I值为0.4360，并且在1%的水平下显著为正。由此表明：江苏省新型城镇化发展质量存在明显的正向空间自相关。

为进一步探索集聚中心的位置，利用局部Moran’s I指数计算公式，得出江苏省2012—2014年和 2015—2018年局部 Moran’s I值，并借助GeoDa软件进一步呈现其新型城镇化发展质量的集聚状态及空间演化特征。具体见图6和图7。

图6 2012—2014年江苏省新型城镇化发展质量LISA集聚图

图7 2015—2018年江苏省新型城镇化发展质量LISA集聚图

从图6可知，江苏省新型城镇化发展质量存在明显的高—高集聚和低—低集聚。其中，高—高集聚表现为较高新型城镇化发展质量的市相临近，具体包括无锡和常州两市；低—低集聚为较低新型城镇化发展质量的市相临近，具体包括徐州、连云港、淮安、宿迁和盐城。2015—2018年江苏省新型城镇化发展质量均值的集聚状态稍有变化，除了存在明显的高—高集聚和低—低集聚外，还出现了低—高集聚。该类地区自身新型城镇化发展质量较低，而其周边地区新型城镇化发展质量较高，即区域间的溢出效应对其影响较小。总的来看，江苏省新型城镇化发展质量的空间关联性明显，高—高集聚主要集中于苏南地区，低—低集聚主要集中于苏北地区。

（二）金融支持测度结果及分析

1.甘肃省金融支持测度结果及分析

根据前文建立的金融支持综合评价指标体系，运用熵值法测算甘肃省金融支持综合评价指数。该测算结果通过表5和图8加以说明。

从时序演变来看（表5），2012—2018年甘肃省金融支持综合水平均值在0.218—0.305之间波动。大致可以分为三个阶段，具体来看，第一个阶段为2012—2013年，该阶段内全省金融支持综合水平在下降，从2012年的0.305下降至2013年的0.269；第二阶段为2013—2015年，该阶段全省金融支持综合水平逐年提升，从2013年的0.269上升至2015年的0.301，上升幅度为11.90%；第三阶段为2015—2018年，该阶段全省金融支持综合水平呈逐年下降趋势，直接从2015年的0.301下降至2018年的0.218，下降幅度达到27.57%。数据显示，受国内经济下行、省内企业经营绩效差、资金收益率低、项目建设沉淀资金没有减少等因素的影响，2017年甘肃省金融机构本外币各项存款余额、贷款余额同比下降5.97%和4.83%，从而造后两年甘肃省金融支持水平的持续下降。

表5 甘肃省金融支持综合评价指数

为进一步说明甘肃省金融支持水平的地区差异，选取14个市州2012—2018年的均值数据进行聚类分析（见图8）。

图8表明甘肃省金融支持综合水平可以划分为两个梯队。其中，第一梯队的城市有兰州和嘉峪关，这两座城市凭借经济发展在全省的领先地位，近几年不断深化金融改革与创新、持续优化金融服务并取得一定成效，因而金融支持综合水平在全省遥遥领先。第二梯队的城市有金昌、白银、天水、武威、张掖、甘南、白银、定西、临夏、陇南、平凉和庆阳，这十二个城市的金融支持综合水平不相上下，在全省处于落后水平并且与第一梯队存在较大差距。这与其金融生态环境建设滞后、金融市场不健全等密不可分。

图8 甘肃省14个市州金融支持综合水平聚类分析

2.江苏省金融支持测度结果及分析

根据前文所建立的金融支持评价指标体系，运用熵值法对江苏省13个市2012—2018年金融支持的综合水平进行测度。结果见表6。

从表6可知，2012—2018年江苏省金融支持综合水平均值在0.366—0.421之间波动。其中，2012—2016年江苏省的金融支持综合水平维持在0.400以上，2017年出现明显下滑，当年金融支持综合水平均值为0.366，但2018年又迅速反弹至0.385。总的来看，江苏省金融支持综合水平在研究期内时序演变特征不明显。通过与表5对比发现，除连云港、淮安、宿迁和徐州的金融支持综合水平较低外，江苏省其余10个市的金融支持综合水平都在0.400以上，远远高于甘肃省的绝大多数市州。该结果表明：与江苏相比，甘肃省金融支持综合水平较低，金融发展滞后，即甘肃省在金融支持规模、金融支持效率和金融支持结构上都与江苏存在较大差距。

表6 江苏省金融支持综合评价指数

（三）金融支持对新型城镇化质量影响的分析

1.影响因素分析与变量选取

进一步探讨金融支持对新型城镇化发展质量的影响。考虑到政府支持、产业结构、固定资产投资对新型城镇化发展的影响，将其纳入模型作为控制变量，从而与金融对新型城镇化发展质量的支持效应进行对比。

（1）金融支持（FI）。作为现代经济发展的核心力量，金融支持在新型城镇化建设及质量提升方面起着举足轻重的作用。原因在于：金融可以为新型城镇化建设输送源源不断的资金“血液”，满足人口转移、基础设施建设、环境改善等方面的资金需求，进而有利于提高新型城镇化发展质量。采用上文计算得到的金融支持综合评价指数来衡量金融支持水平。

（2）政府支持（GI）。新型城镇化质量的提升离不开政府的支持，通常情况下，政府财政收入越多，对于民生问题、医疗等公共服务的改善能力也就越强，因而可以促进新型城镇化质量的提升。因此选用财政收入占GDP的比值来衡量政府支持。

（3）产业结构（IN）。产业结构的升级与优化一方面有利于增强城镇对剩余劳动人口的吸引力，加快实现人口的转移；另一方面有利于带动当地的经济发展，为新型城镇化的环境改善、公共服务改善、基础设施建设提供支撑力量。因此选用第三产业占GDP的比重作为衡量产业结构优化的指标。

（4）固定资产投资（INV）。通常情况下，固定资产投资越多，对新型城镇化建设的投入也就越多，越有利于基础设施的完善，因而固定资产投资一定程度上能够促进新型城镇化发展质量的提高。选用人均固定资产投资额来衡量固定资产投资水平。

2.回归结果分析

（1）模型结果。前文的空间自相关结果表明，新型城镇化发展质量存在明显的空间集聚，如果用传统回归模型进行估计会产生偏差，因此选用空间杜宾模型进行估计，并以此作为解释模型进行时空效应分解。选择各城市间欧式距离的倒数作为城市间的空间权重。Hausman检验和Loglikelihood结果显示固定效应的空间杜宾模型优于随机效应的空间杜宾模型，因而选用固定效应的空间杜宾模型进行估计，估计结果见表7。

表7 新型城镇化发展质量空间杜宾模型估计结果

从整体上看，甘肃省的空间自回归系数ρ为0.5387，并且通过1%的显著性检验，江苏的空间自回归系数ρ为0.5912，也通过了1%的显著性水平检验。该结果表明，甘肃省和江苏省的新型城镇化发展质量存在明显的空间正向溢出效应。就甘肃而言，金融支持的估计系数为-0.0212，但未通过显著性检验，即甘肃省金融支持对新型城镇化发展质量的影响不显著。而政府支持、产业结构和固定资产投资的回归系数至少在5%的显著性水平下为正。江苏的回归结果表明，金融支持的回归系数为0.0671，并且通过10%的显著性检验，即金融支持对新型城镇化发展质量的带动作用得到有效发挥。除此之外，政府支持、固定资产投资的回归系数显著为正。

（2）空间效应分解。为了深入揭示各解释变量对新型城镇化发展质量的直接影响和间接影响，在表7的基础上，对回归结果进行分解，得出各变量的直接效应以及间接效应，结果如表8所示。

表8 各解释变量对新型城镇化发展质量的效应

从表8可以看出，对甘肃而言，金融支持（FI）的直接效应为-0.1133，并且在1%的水平上显著为负，间接效应不显著；而江苏金融支持的直接效应为0.0512，并且在10%的水平上显著为正，间接效应同样不显著。该结果表明，甘肃省的金融支持会抑制本地区新型城镇化发展质量的提升，而江苏的金融支持会显著促进本地区新型城镇化发展质量的提升；但它们对周边地区新型城镇化发展质量的影响均不明显。金融支持的直接效应在两省之间出现差异的原因可能在于：与江苏相比，甘肃省金融支持模式较为单一，现有的投融资体制机制难以满足基础设施建设、产业转型升级等；甘肃省金融服务范围过窄，尤其是在广大农村及偏远城镇地区，金融机构网点覆盖率较低，无法满足农业转移人口市民化等新型城镇化建设的多元资金需求。

政府支持（GI）对两省新型城镇化发展质量的影响一致，即政府支持（GI）的直接效应和间接效应均显著为正。该结果表明政府支持既能显著带动本地区新型城镇化发展质量的提升，又会对周边地区产生一定的促进作用。产业结构（IN）对两省新型城镇化发展质量的影响存在一定差异。从甘肃的结果来看，产业结构的直接效应和间接效应虽然为正，但是均未通过显著性检验；而江苏产业结构的直接效应和间接效应均显著为正。由此说明，与甘肃相比，江苏的产业结构升级能显著提升本地区和周边地区的新型城镇化发展质量。原因在于江苏省的三次产业发展质量和发展水平远远优于甘肃省，而产业结构优化会通过要素流动效应和改善就业结构等方式促进本地区新型城镇化发展质量的提升；同时，产业结构的调整又促使城镇资源向周边地区流动，通过辐射效应和溢出效应促进周边地区新型城镇化的发展。固定资产投资（INV）对两省新型城镇化发展质量的影响一致。固定资产投资（INV）的直接效应显著为正，但是间接效应显著为负，即固定资产投资在显著带动本地区新型城镇化发展质量的同时，会明显抑制周边地区的发展。原因在于固定资产投资的增加会促进本地区基础设施的完善，但是对周边地区的新型城镇化发展不会产生多少影响。

六、结论与建议

（一）结论

在构建新型城镇化发展质量指标评价体系的基础上，利用熵值法对甘肃省和江苏省的新型城镇化发展质量进行测度，并运用空间自相关方法对两省的新型城镇化发展质量的空间特征进行了分析，最后构建空间杜宾模型进一步比较了甘肃和江苏的金融支持对新型城镇化发展质量的影响，结果表明：

第一，甘肃省和江苏省的新型城镇发展质量均存在明显的正向空间相关性，其中甘肃的高—高集聚主要集中于河西地区，低—低集聚主要集中于甘肃南部地区；江苏的高—高集聚主要集中于苏南地区，低—低集聚主要集中于苏北地区。

第二，甘肃省的金融支持对新型城镇化发展质量的影响不显著，而江苏的金融支持能够显著带动新型城镇化发展质量的提升。

（二）政策建议

根据结论，结合甘肃实际，针对甘肃新型城镇化发展提出如下政策建议。

第一，扩大金融规模。与江苏相比，甘肃省的金融支持规模较小，而新型城镇化建设所需资金庞大，因此需要多方主体共同参与，扩大金融规模。政策性银行应加大对城镇基础设施建设的支持力度，积极探索与商业银行合作，共同推出专项贷款，改变政策性银行信贷产品单一的局面；商业银行应充分发挥自身优势，开发多元化的金融产品，满足甘肃城镇建设的资金需求，同时还应探索BOT、TOT、BTO、TOB 等融资模式；甘肃各级政府应通过税收优惠积极引进大型企业，借助母公司注入子公司的资本和资产，完成项目的基础设施建设。

第二，提高金融效率。继续推进金融业供给侧结构性改革，优化金融资源配置，减少对产能过剩、高污染企业的资金支持，引导金融资源向新兴产业、生态产业流入。同时，不断提升甘肃省内金融机构的经营管理水平。要积极探索并建立灵活多变的响应机制、高效完备的决策机制等。

第三，完善金融结构。与江苏相比，甘肃的资本市场发展缓慢，股票、债券对新型城镇化建设的支持作用更是微乎其微，因此政府应提高资源配置效率，重点支持拟上市企业，大力发展资本市场，充分挖掘股票、债券的支持作用。省内保险机构也应积极开发适用于城镇建设、乡村振兴的业务品种，助力新型城镇化建设和城乡的融合发展。