生态位理论视角下中国各省市的金融发展探究

2018-11-02黄显敏周兵

金融发展研究 2018年7期

黄显敏周兵

摘要：本文利用全国31个省市2000—2015年的面板数据，基于“生态位理论”的视角，从金融发展水平、金融发展效率、金融发展规模扩张三个维度对各个省市金融业的生态位进行测度，通过测度结果分析得出經济越是发达的省市其生态位宽度越高，即经济发展程度与金融资源禀赋相匹配；金融行业竞争最激烈的省市是金融资源处于中等层级、生态位重叠度高的省市；应重点关注的省市是生态位势值和态值都高的省市，即金融发展势态良好、增长能力较强的省市。同时根据测度结果进一步分析金融发展与经济增长之间的关系，得出金融规模扩张能促进经济增长。

关键词：生态位理论；金融发展；经济增长

中图分类号：F830 文献标识码：A 文章编号：1674-2265（2018）07-0003-10

DOI：10.19647/j.cnki.37-1462/f.2018.07.001

一、引言

在现代市场经济日新月异的今天，金融作为内生于经济的战略性资源，俨然已成为全球经济发展的核心产业，占据着国家间博弈的战略制高点。金融业的发展状态在一定程度上可以直接反映一个国家或者地区的经济发展水平。金融发展是一个较为抽象的概念，西方学者普遍认为金融具有货币流通和资金融通的功能，对经济增长有一定的促进作用。它通过为经济增长提供方便可靠的交易方式、通过金融活动促进储蓄向投资的转移、通过提高资本积累和分配效率等方式来促进经济增长。因而，完善的金融体系和健全的金融市场将是经济持续发展的重要保障。

我国地大物博、民族繁多、地势多样、气候各异，区域间经济发展在资源、政策、环境等方面都存在着巨大差异。自1978年以来，虽然我国经济一直保持着较快的增长速度，GDP从1978年的3645亿元（世界排名第10）跃升至2016年743585亿元（世界排名第2），但区域间的经济发展却出现了不平衡；并且，经济的不平衡也间接导致了金融发展的不平衡。同时，区域间的不平衡发展催生了阻碍金融发展的诸多问题，如金融发展总体水平滞后、金融资源利用不充分、金融效率偏低、金融规模较小等。本文基于生态位理论的角度，通过测度各省市金融业的生态位宽度、重叠度、绝对生态位等来探究我国31个省市金融业的发展状况，不仅有助于为各省市金融业发展作出指导，还可以为我国统筹全面发展、制定金融发展战略提供有力依据。

二、文献综述

综观金融发展理论的研究脉络，可大致归结为萌芽、创立、发展、深化四个阶段。早期有关金融的思想都蕴含在经济研究中，如《论货币的产生、本质和变化》、《国富论》、《利息与价格》、《就业、利息与货币通论》等大都专注于对货币的研究。这也印证了Hamilton（1781）的一句话，“就刺激经济增长而言，银行是已被发明的最令人愉快的引擎”。在学术界，最先全面探究金融对于经济发展的意义的是Bagehot（1873），其强调了金融系统对资金有效配置的作用。直到二战之后，金融发展理论才有了开创性的成果，成为一门独立的学说。之后，麦金农和肖（1973）更加系统地开展研究，不断深化金融理论，为金融发展理论奠定了基石。随着理论的进一步深化，现代金融发展理论逐渐发展起来，它是在索洛的内生经济增长理论基础上提出的，代表人物是King和Levine，他们将发达国家和发展中国家都纳入理论之中，探索了金融发展对经济增长的作用机制。我国属于发展中国家，对于金融的研究起步较晚，是在国外成熟理论的基础上，结合本国国情进行进一步探索。梳理相关文献发现，国内对于金融发展与经济增长之间的关系的研究较多。如陈军和王亚杰（2002）利用Granger检验法得出金融发展与经济增长互为格兰杰因果。林毅夫和姜烨（2006）从信贷市场和股票市场的视角研究金融对经济增长的影响，得出它们之间存在着显著的正相关。谢平（1992）、韩廷春（2002）等也得出了类似的结论。

随着金融研究工作的进一步开展，金融发展的界定和指标体系构建逐渐成为理论界和学术界讨论的焦点。综合现有研究文献，学术界对金融发展水平的界定与测度仍未达成一致，金融发展水平的衡量大致包括金融深度、金融宽度、金融效率、金融结构、金融规模和金融发展生态环境等维度。首先是体系构建方面，李学文和李明贤（2007）综合金融指标和经济指标来建立金融发展测度体系；冯毓婷和蔡文彬（2008）从金融发展的量性和质性出发，构建了囊括9个二级指标的金融可持续发展指标体系；田菁（2011）从金融中介、资本市场以及保险市场三个方面构建地区金融差异的测评指标体系；仲深和王春宁（2011）从产业规模、生态环境以及市场规模三方面构建了金融水平测评体系；刘翠（2013）从广度、宽度、深度和支持力度四个维度构建了金融支持农业发展的指标体系；夏祥谦（2013）更是建立了三级指标，将金融规模、金融结构、金融效率作为一级指标，金融组织规模、金融资产规模、融资规模、融资结构、银行结构、保险结构、金融产出效率、金融配置效率以及证券市场流动性效率作为二级指标，再在二级指标的基础上建立了21个三级指标；林勇（2014）从金融发展总量、金融发展效率、金融发展结构三方面建立指标体系等等。在指标衡量上，所选数据又有差异；如金融发展水平，陈刚等（2006）用国有银行年末贷款余额与GDP比值表示；王洪斌和柳欣（2008）分别用货币存量、信贷存量、股票和债券市值与名义GDP的比值来衡量；陆静（2012）分别用金融机构的存款余额和贷款余额与GDP相比作为衡量金融发展的指标；张亮（2013）用存贷款余额与GDP的比值来表示；李延凯和韩廷春（2013）用股票市场总市值与GDP之比来表示等等。金融发展规模方面，如崔艳娟和孙刚（2012）用存贷款总额与GDP的比值表示；夏祥谦（2013）分别用保费收入与GDP的比值、本外币贷款新增额与GDP的比值、银行从业人员与三次产业从业人员的比值来表示；李苗苗等（2015）也用此方法。金融发展效率方面，冯毓婷和蔡文彬（2008）用储蓄投资转化效率、投资投向效率表示宏观金融效率，用净资产收益率、银行业向金融管理部门的超额融资比率等表示微观金融效率；崔艳娟和孙刚（2012）用贷款与储蓄存款的比值来表示，张亮（2013）也用此法等等。

综上所述，国内外对于金融发展的研究已比较成熟，所构建的测度指标体系也较为完善。但对于我国来说，区域发展的不平衡制约着经济的持续发展，当务之急是找出各省市之间金融业发展的差异和联系。因此，基于已有文献，笔者借鉴生态学“生态位理论”中物种竞争和合作的测度方法，对全国31个省市的金融业发展水平进行测度，探索其发展现状以及它们之间的竞争合作关系。

三、各省市金融发展的生态位测度

（一）测度指标选择与数据处理

考虑到证券数据的限制和可得性，本文放弃金融发展结构指标，仅考虑“质”与“量”的指标。同时，从金融的可持续发展视角出发，量性金融发展是质性金融发展的基础，质性金融发展又能进一步促进量性金融发展（冯毓婷和蔡文彬，2008），两者兼顾，共同推进金融业向好发展。量性方面，笔者选取金融发展水平指标，用FIR表示，借鉴张亮（2013）、崔艳娟（2014）、李苗苗（2015）等人的方法，用金融存贷款余额与地方GDP的比值取得，能很好地从量上直观反映出一个地区的金融发展现状。并且，存贷款都是通过金融中介实现，能进一步展示当地的货币化程度与金融发展水平之间的关系。选取两个质性指标：金融发展效率指标和金融发展规模扩张指标。金融发展效率指标用CS表示，借鉴孙刚和崔艳娟（2012）、林勇和陈名银（2014）等人的计算方法，用贷款余额与存款余额的比值来衡量。它反映的是金融机构各项存款转变成贷款的效率，进而为分析地方金融资金的利用效率提供依据。金融发展规模扩张指标用GuiM表示，借鉴王毅（2002）、王志强和孙刚（2003）等人的计量方式，用全部金融资产总额与地方GDP的比值来衡量，同时将广义货币、股票市值和债券余额囊括其中，更为全面地反映金融发展规模扩张。

考虑到改革开放以来，我国的统计报表已历经数次修改，部分数据的名称和口径有较大出入，直至2001年才相对完善，因此，本文选择我国31个省市2001—2016年的数据，数据来自地方经济统计年鉴和金融统计年鉴。为解决经济发展所带来的价格波动问题，笔者用2000年的消费者物价指数作为基期进行换算。

（二）生态位宽度测度

生态位是一个抽象的生态学概念，需要寻找对应的量化指标对其进行测度和解释。目前生态位的测度方法主要有生态位宽度测算、生态位重叠度测算、生态位多维体积测算、生态位多元统计等等。本文选择测度的三种方法如下：生态位宽度、重叠度以及势值与态值非线性组合的测度。首先来看各省市金融生态位宽度测度。

所谓“生态位宽度”又称作生态位广度、生态位大小，是指被一个生物所利用的各种不同资源的总和。在本文中金融业的生态位宽度是指某个省市所利用的各种不同金融资源的总和。在测度之前先建立一个生态位因子的资源矩阵，本文参考王子龙（2005）企业集群的资源状态矩阵，建立如下金融资源矩阵：

在上述矩阵中，行代表各个省市，由于本文选取我国31个省市作为研究对象，因此p=31；列代表金融资源状态，即是金融的生态位测度指标，由于本文选择3种金融生态位测度指标，因此q=3；[Nij]代表i省市对金融资源j的利用程度。[Yi]代表的是某一个省市的金融资源集合，等于[j=1qNij]；[Xj]代表j列某种金融资源在全国31个省市的总和，等于[i=1pNij]；而[i=1pYi]或者[j=1qXi]都代表的是31个省市构成的整个金融生态位系统的资源总和。

基于生态位因子的金融资源状态矩阵，结合各省市金融发展差异状况，选择借鉴最先考虑生态位宽度测度的Levins的测度方法——Simpson指数公式法，即：

[Bi=1/j=1RPij=（j=1RNij）2/j=1RNij2=Yi2/j=1RNij2]

（1）

其中，[R=p×q]，代表整个金融生态系统的资源总个数；[Bi]表示金融的生态位宽度；[Pij]表示生态专业性（Kohn，1968），等于[Nij/Yi]，代表了某一省市利用某种金融资源在该省市所有金融资源中所占的比重。根据定义，[Bi]数值越小，表明该省市对某一金融资源的占用较多，该省市的生态位宽度也就越宽，即该省市在金融生态系统中所起的作用也越大；反之，[Bi]数值越大表明其生态位宽度越窄。

现有研究对于生态位宽度的测度都是基于某一时点的数据，笔者认为这样的测算结果带有偶然性，因此，笔者将时间因素纳入其中，通过对时间维度求均值的方式化解某一时刻的数值突变现象，增加测算的真实性。将样本数据分为2000—2003年、2004—2007年、2008—2011年和2012—2015年四个阶段，分别取其均值进行宽度测度，最终再求四个阶段的平均值作为生态位宽度分组依据。根据各项金融指标进行初步测算，代入公式（1）中，得到31个省市金融业的生态位宽度数据如表1所示。

根据表1最后一列[Bi]进行宽度排序，可以看出，我国31个省市的金融生态位宽度处于1.2—1.9之间。其中，北京、西藏、上海、山西、广东、陕西的[Bi]值集中在1.2—1.5之间，笔者将这几个省市归为一类（关键种生态元）；海南、甘肃、新疆、浙江、四川、云南、辽寧和天津宽度值主要集中在1.5—1.6之间，将其归为一类（节点型生态元）；重庆、贵州、青海、宁夏、江苏、黑龙江和湖北的[Bi]值相差不多，集中分布在1.60—1.65之间，将其归为另一类（中间位生态元）；江西、河北、安徽和广西的[Bi]值集中分布在1.65—1.70之间，将其分为一类（小生位生态元）。吉林、福建、湖南、河南、山东和内蒙古的Bi值主要集中在1.7—1.9之间，将其归为最后一类（小微型生态元）；其中北京的[Bi]值为1.21，为最小值，即北京市金融的生态位宽度最大，在整个金融生态位中占据着举足轻重的地位；内蒙古的[Bi]值为1.87，为最大值，即内蒙古金融生态位宽度最小，金融资源少。具体分类结果如表2。

表2：我国金融的生态位宽度层次分布

[生态元类型省市名称关键种生态元北京、西藏、上海、山西、广东、陕西节点型生态元海南、甘肃、新疆、浙江、四川、云南、辽宁、天津中间位生态元重庆、贵州、青海、宁夏、江苏、黑龙江、湖北小生位生态元江西、河北、安徽、广西小微型生态元吉林、福建、湖南、河南、山东、内蒙古 ]

在“关键种生态元”分类中，北京、西藏、上海、山西、广东、陕西的[Bi]值都偏小，表明这些省市对金融资源的占用较大，在整个金融资源生态系统中占据着主要位置，其中，北京居于首要位置。在“节点型生态元”分类中，海南、甘肃、新疆、浙江、四川、云南、辽宁、天津的[Bi]值比“关键种生态元”总省市的[Bi]值稍大，可能是其对金融资源的利用率较“关键种生态元”中的省市低的原因所致，但其金融的生态位宽度仍然较大，在金融生态系统中仍占据重要地位。在“中间位生态元”分类中，以贵州和黑龙江为首的地区，由于地域因素的限制，金融业的发展也受到一定阻碍，其金融生态位宽度较窄，但上升空间很大。在“小生位生态元”分类中，仅有江西、河北、安徽、广西4个省市，其[Bi]值较大，金融的生态位宽度较窄，自身金融业的发展滞后、规模较小，对金融资源的占用较小、利用率不高。“小微型生态元”分类中主要有吉林、福建、湖南、河南、山东、内蒙古，它们的[Bi]值都在1.7以上，表明这些省市金融业的生态位宽度极窄，对金融生态系统中资源的利用极少。

为了更清晰地显示出全国各省市金融系统中资源的空间分布特征，笔者根据表2信息利用GeoDa 作图软件将我国金融发展的五个层次的生态元绘制在地图上，如图1所示。

图中颜色越浅的省市代表生态位宽度大，即金融资源越丰富；反之，颜色越深，生态位宽度越小，所对应省市的金融资源越稀缺。从总体上看，颜色浅的省市主要集中分布在西部和中部地区，随着颜色的加深，逐渐向东部地区蔓延。总体上，中西部地区各省市金融资源较东部地区丰富。我国东部地区大多为一线城市，是我国的金融高地，金融发展水平相对较高。因而，笔者猜想出现这种现象主要还是归因于金融资源的利用和合理配置问题：中西部地区总体生态位宽度虽高，金融资源丰富，但是金融资源利用率低，银行的资金转换率低，金融产品供大于求，使得总体金融发展缓慢、水平较低。各板块分开来看，每个板块都存在“断裂”，即同一种颜色并非连在一起。如颜色最浅的板块除了西部地区外，东部的北京、上海、山西也是最浅的。这些省市是金融资源丰富，且立足本地优势充分利用了金融资源。而西藏、陕西虽与北京、上海等处于同一层级，但其金融发展却不能与之相比。特别是西藏，地广人稀，自身经济发展较慢，金融发展多是依赖于政府的支持，金融机构大多局限于地级城市。同时其金融服务配套设施不足、业务风险相对较大，浪费了现有的金融资源，不利于金融发展。因此，虽然这些地区生态位宽度很低，但碍于自身因素的限制金融发展仍然很落后。这表明金融资源的生态位既呈现出地区间的不均衡性，同时也存在省市间政治、经济、人文等与金融发展相关的环境差异。

（三）生态位重叠度测度

在生态学理论中，生态位的重叠现象就是指生物群落间多个物种对同一种物种的取食。这代表了物种之间的竞争程度，也代表着物种之间在生态位上的相似程度。当物种间的重叠度增大时，它们之间的生态位相似度也会提高，从而竞争也会变得更加激烈。如果将物种间对资源的利用曲线用正态分布来表示，用曲线峰值间的距离与标准差的对比来衡量物种间重叠度的大小，可以将生态位的重叠分为以下五种情况：生态位分离、生态位相邻、生态位部分重叠、生态位包含和生态位完全重叠。

梳理相关文献，发现对生态位重叠度的测度方法有很多，譬如相似百分率指数法、对称[a]法、不对称[a]法、信息函数法、似然法等。本文将借鉴R.莱文斯的沃尔泰拉种群竞争法（竞争系数[a]公式）对重叠度进行测算。具体公式如下：

[aij=t=1qPit×Pjt/t=1qPit2=t=1qPit×Pjt*（Bi）] （2）

其中，[aij]表示各省市间金融的生态位重叠度，即i城市与j城市之间的生态位相似度；[Pit]表示i省市对金融资源t的利用占比；[Pjt]表示j省市对金融资源t的利用占比。由于各省市间生态位宽度的差异性，导致[aij]与[aji]的不相等。为了便于分析各个省市之间的重叠度，笔者只计算了其中一个值。

和宽度测算方法一样，仍然采取四阶段分别计算的重叠度值求均值作为最终的重叠值。具体数据如表3所示。

由各个省市的重叠度计算结果可以看出，在第一层级的分类中，各省市与其他省市的重叠度除了北京外都普遍较高，绝大多数都超过了1。北京市与所有省市间的重叠度都小于1，且北京的宽度又是最大的，因此北京市金融业发展与其他省市间的竞争并不激烈，自主发展能力较强。再看同一层级的其他省市，西藏、上海、山西、广东、陕西五省市中，除了山西与部分省市间的重叠度低于1，其他省市的重叠度都偏高，但由于它们都处于第一层级，金融业的生态位宽度都较大，即便生态位相似度较高也不会带来特别激烈的竞争。在第二层级的分类中，海南、甘肃、新疆、浙江、四川、云南、辽宁、天津与其他省市间的重叠度大多是围绕数值1上下波动，最大数值也未曾超过1.1，相較于第一层级整体上呈现出重叠度降低的趋势。但由于这些省市的金融生态位宽度在第一层级之下，因而综合来看，第二层级与其他省市的金融竞争与第一层级的相仿，也不算很激烈。在第五层级的分类中，吉林与北京、天津、河北、山西等省市的重叠度都小于1；福建与北京、天津、河北、山西、辽宁、黑龙江、上海、江苏等省市间的重叠度也小于1；河南、湖南、山东、内蒙古分别与北京、天津、河北等省市间的重叠度也几乎小于1，表明第五层级的省市与其他省市之间的金融竞争并不激烈，行业内的竞争仅限于当地范围内。处于第三和第四层级中的省市，从整体上看，这些省市的重叠度仍然处于较高的水平，大部分都大于1，而且但这些省市的金融资源并不算丰富，因而其竞争仍然十分激烈。

综合金融生态位宽度和重叠度来看，虽然第一层级的重叠度较高，但其宽度也高，因此金融业发展最好的还是处于第一层级的省市，第二层级次之；处于第五层级的省市重叠度较低，生态位宽度也偏低，既缺乏金融业发展的资源，也缺乏刺激上进的竞争，不利于其金融业发展；而第三、第四层级的省市重叠度偏高、生态位宽度居于中间水平，竞争最为激烈，如若充分利用好金融资源以及与其他省市之间的竞争关系就会挤进一、二层级中，如若竞争太过于激烈且自身规模和能力欠缺就可能下滑到最后一层级里。

（四）生态位的势与态的测度

生态位宽度和重叠度刻画的是各省市对金融资源占用的情况，而生态位的态值（Ti）反映的是各省市从过去到现在的时间维度的积累，包括成长状态和与其他省市之间的环境作用状态，一般呈峰状；势值（Si）反映的是各省市的金融业在未来的发展势态和发展能力，包括增长率、变换率、适应率等，一般呈S形（陈瑜，2014）。笔者将在接下来的分析中，通过测算各省市金融业的生态位势值和态值及其非线性组合值来综合体现各省市对金融生态系统的影响力和支配力。

首先构建势与态的指标。由于态反映的是前期的积累，可以直接用衡量金融发展的三个指标：FIR、CS、GuiM的原始值；而势是一种增长能力的象征，可以采用态值的增长率作为势的指标，即金融发展水平的增长率、金融效率的增长率和金融规模扩張的增长率。同时，为避免数据的量纲问题和数量级的问题，本文借鉴黄微等（2013）、边伟军等（2014）、付英（2017）等采用的最小—最大标准化法对数据做标准化处理。具体公式如下：

[标准化值=原始值-最小值最大值-最小值] （3）

由于势值和态值都是单方面从增长能力和累积状态来表征每个省市的金融现状，为更加全面地反映出每个省市金融业的生态位情况，还应对它们作线性组合和非线性组合来进行更加深入的分析。主要利用如下两个公式完成：

[绝对生态位=Ti+Ki×Si] （4）

[相对生态位=（Ti+Ki×Si）/j=1n（Tj+Kj×Sj）] （5）

其中，[Ki]为量纲转换系数，由于笔者选取的是年度数据，且增长率的单位也是年，所以量纲转换系数[Ki=1]。对数据仍然采用四阶段均值形式获取最终的数值，计算结果如表4所示。

先看态值排序，内蒙古的态值最高，为1.527；其次是山东、河南、湖南、河北、吉林等，态值都在1.3以上，表明这些省市的金融资源存量比较丰富。但结合金融的生态位宽度排序结果可看出，这些省市的排位多靠后，表明这些省市并未充分利用所累积的金融资源存量，同时也揭示了充分利用资源的重要性。其次看势值，势值表征的是一个省市的金融增长速度。从排序来看，山东省增长最为迅速，势值为1.658；河北、河南、湖南、四川、甘肃、上海、浙江、西藏、山西等紧随其后，都是排序靠前的省市。除了上海和浙江的金融发展相当完善，上升空间较小外，其他大都是经济正在蓬勃发展的省市，金融发展成本压力较低，且在态值中排序也处于靠前的位置，金融发展的空间较大，金融与经济协同发展。最后看相对生态位和绝对生态位，由于两者的排序一致，分析其中之一即可。此处以绝对生态位为例作分析。排序来看，仍是山东、河北、河南、湖南等省排在前面；相较态值排序而言，在考虑了势值因素后，个别省市的排序有所上升，特别是河北省，从第7位上升到第2位，表明充分利用资源、加大建设力度，采取“生产资料+生产力”的方式能够更快、更好地推动金融业的发展。

四、金融发展与经济增长间关系验证

（一）数据与变量选择

通过对我国31个省市的金融业进行生态位测度，发现地区的金融业水平与经济发展有着一定的联系。接下来进一步通过回归分析来探寻这种长期稳定关系。为使回归结果准确而有效，选取生态位宽度处于“关键种生态元”和“节点型生态元”两个层级的14个省市，剔除西藏、新疆等经济相对落后的省市，选择北京、广东、上海、浙江、海南、陕西、辽宁、四川和天津9个省市2000—2015年的面板数据作实证分析。被解释变量为经济增长水平，用Yit表示，经过多次试验，决定使用平减后的人均GDP取一阶差分来衡量；核心解释变量仍然选择金融发展水平（FIR）、金融发展效率（CS）、金融规模扩张（GuiM）。同时，考虑到与经济发展相关的影响因素颇多，为更好地检验金融与经济之间的关系，需加入其他因素作为控制变量。但由于影响因素很多，且没有规定的标准，为避免选择的随意性，笔者借鉴干春晖等（2011）分析产业结构变迁与经济增长和波动间关系时对控制变量的处理方法，用被解释变量与金融因子的交叉项来衡量其他的影响因素，进而可以得到回归模型为：

[Yit=β0+β1×FIRit+β2×CSit+β3×GuiMit+β4×（FIRit×Yit）+β5×（CSit×Yit）+β6×（GuiMit×Yit）+εit] （6）

表5是数据的描述性统计。

回归之前，为避免伪回归现象需对各个变量序列进行平稳性检验。由于地区间存在个体差异，所以此处采用异质根IPS单位根检验方法进行平稳性检验。表6为检验结果。

由单位根检验结果可知，所有序列都是一阶差分后平稳，即序列是同阶单整的，它们之间可能会存在长期的均衡关系。接下来为验证各变量之间的这种长期关系，将进行Johansen Fisher协整检验。检验发现，组内和组间的“Panel ADF-Statistic”都通过了1%的显著性检验，即存在协整关系。在验证这种协整关系之前，需确定模型的类型和最优滞后期。笔者采用“Y+@trend+@trend^2+c”的方式确定模型中是否有截距项、线性趋势以及平方趋势。最终得出模型这三种都满足，即选择五种检验结果的最后一种“Quadratic trend in data”。然后基于VAR找到最优的滞后期阶数，通过反复试验得到滞后4期为最优。接下来就可直接进行协整了，如下为协整方程：

[DYit=-0.2035×FIRit+0.0268×CSit+9.673×GuiMit+0.0376×（FIRit×Yit）-0.0210×（CSit×Yit）-1.7857×（GuiMit×Yit）+0.0003×@trend（00）+0.0914]

[R2=0.786244] [R2=0.677554] [LogL=280.3815]

[AIC=-5.541812] [SC=-4.680766]

模型的可决系数为0.78，即模型的拟合度较高，结果较为可信。协整方程表明，金融发展水平与经济增长之间存在长期稳定的关系。长期来看，金融发展效率和金融规模扩张对经济增长有推动作用，且规模扩张所产生的影响要远大于发展效率，其影响弹性分别为0.0268和9.673。同时，我们也能看到，金融发展水平会抑制经济增长，其影响弹性为0.2035。综合金融发展的三个指标来看，总体上表现为显著地促进经济增长。对金融发展水平而言，[β1]为负而[β4]为正，表明金融发展水平的提升会抑制经济的增长，但金融发展水平与影响经济增长的其他因素的交互作用却能促进经济的增长。同时[β1β4>1]，表明当金融发展水平很低的时候，它对经济增长的影响主要表现为抑制作用。对金融发展效率而言，[β2]为正而[β5]为负，表明金融发展效率的提高会促进经济增长，但金融发展效率与影响经济增长的其他因素的交互作用会抑制经济的增长。同时[β2β5<1]，这意味着当金融发展效率不够高时，它对经济增长的作用主要表現为抑制作用。对金融规模扩张而言，[β3]为正且系数较大，而[β6]为负，表明金融规模的进一步扩张会在很大程度上促进经济的增长，但金融规模扩张与影响经济增长的其他因素的交互作用会抑制经济的增长。同时，[β3β6>1]，表明当金融规模在适度范围内不断扩张时，随着规模的扩张会促进经济的增长，且这种促进作用远远大于金融发展水平和金融发展效率在前期带来的抑制作用。因此，总体上表现为金融发展会促进经济的增长。

首先，对模型进行误差修正。以上的协整分析主要针对长期而言，而误差修正模型是对长期和短期影响的结合分析。因此，笔者为进一步探究变量序列之间的短期非均衡关系，作了误差修正分析。首先，模型形式设定为：

[ΔYit=φ1×ΔXit+θ×ecmi，t-1+uit] [0<θ<1] （7）

其中，[ecmi，t-1]为误差修正项，它等于[Yi，t-1-?0-?1×Xi，t-1]，代表[t-1]期的短期波动幅度（也可以叫作非均衡误差项）；[θ×ecmi，t-1]表示经济系统中的长期均衡机制对短期波动的调整作用，[θ]为长期关系的调整速度。经操作分析后得到的误差修正结果如下：

[D（DY）=0.0409×Ecm-0.3895×D（DY（-1））-0.4886×D（DY（-2））-0.2775×D（DY（-3））+0.0768×D（DY（-4））-0.0755×D（FIR（-1））+0.1738×D（FIR（-2））-0.2039×D（FIR（-3））+0.1899×D（FIR（-4））+0.0615×D（CS（-1））-1.3002×D（CS（-2））-0.1065×D（CS（-3））+0.9165×D（CS（-4））-1.9361×D（GuiM（-1））-12.2429×D（GuiM（-2））+11.5114×D（GuiM（-3））+1.8556×D（GuiM（-4））+0.0247×D（FIR×Y（-1））-0.0338×D（FIR×Y（-2））+0.0434×D（FIR×Y（-3））-0.0399×D（FIR×Y（-4））-0.0084×D（CS×Y（-1））+0.2363×D（CS×Y（-2））-0.0109×D（CS×Y（-3））-0.1994×D（CS×Y（-4））+0.4631×D（GuiM×Y（-1））+2.4683×D（GuiM×Y（-2））-2.6005×D（GuiM×Y（-3））-0.3311×D（GuiM×Y（-4））-2.4284e-05×@trend（00）-0.0068]

从修正方程可以知道，[ecmi，t-1]的系数为0.0409，这是当变量在本期发生短期波动偏离长期关系时下一期的调整速度，表明金融发展与经济增长偏离长期均衡的修正速度为0.0409。再看短期，滞后一期、二期、三期、四期的经济增长偏离短期均衡轨迹后回到原轨迹的速度分别为-0.3895、-0.4886、-0.2775和0.0768；当滞后一期、二期、三期、四期的金融发展水平偏离短期均衡轨迹后回到原轨迹的速度分别为-0.0755、0.1738、-0.2039和0.1899；滞后一期、二期、三期、四期的金融发展效率偏离短期均衡轨迹后回到原轨迹的速度分别为0.0615、-1.3002、-0.1065和0.9165；滞后一期、二期、三期、四期的金融规模扩张偏离短期均衡轨迹后回到原轨迹的速度分别为

-1.9361、-12.2429、11.5114和1.8556。综合短期影响来看，经济增长、金融发展水平和金融发展效率的短期波动幅度较小，从短期非均衡向均衡修正的速度较慢；金融规模扩张的短期波动相对较大，其修正速度很快，能较快从短期非均衡恢复到均衡状态，在很大程度上主宰着金融对经济增长的影响效益。同时，交互影响中的修正也数金融规模扩张最为迅速。

五、结论

笔者利用我国31个省市的面板数据从金融发展水平、金融发展效率、金融发展规模扩张三个维度构建测度体系，对各个省市金融业的生态位宽度、生态位重叠度、势值、态值、绝对生态位、相对生态位进行测度，并结合测度结果对金融发展与经济增长间的关系做了探索。通过分析发现，从生态位宽度看，空间分布上从西部往东部逐渐变宽，各省市的金融业发展程度与经济发展程度基本一致，北京、上海、广东等省市都是经济发达的城市，属于“关键种生态元”，生态位宽度最小，金融资源多。从生态位重叠度看，重叠度最低的省市都在宽度分类中的第五层，即这些省市金融资源稀缺，行业竞争很小；在第一层和第二层的省市中，虽然重叠度较高，但金融资源丰富，也不至于带来激烈的行业竞争，因而竞争最激烈的是处在第三层和第四层的省市。从势值、态值、绝对生态位来看，金融资源越是丰富的省市其态值相对较大，即金融发展现状较好；势值与省市的经济发展增速相匹配，处于经济迅速发展中的省市其势值也较高；绝对生态位是对态值和势值的综合，得出充分利用金融资源和加大发展力度对于金融业发展的重要性。通过实证分析得出金融发展对经济增长有促进作用，且金融规模扩张对经济增长效应最大，金融发展效率次之，金融发展水平最小。

从金融发展可促进经济增长的角度出发，对于处在“小微型生态元”层级的省市，金融资源缺乏，应合理增加金融机构，尽可能在经济效益良好的基础上扩大规模，鼓励农村人口对金融知识的认知，引导地方资金的流转；对于處在“中间位生态元”和“小生位生态元”层级的省市，行业竞争激烈，应适度调配、合理把控相互间的竞争，有必要的时候政府可对部分金融机构进行扶持、淘汰那些“夕阳产业”，提高金融机构的效率；对于山东、河南、湖南、河北、吉林等态值和势值都靠前的省市，金融发展现状较好、增长能力较强，国家金融发展战略和经济战略应优先针对这些省市。

参考文献：

[1]徐云松.我国西部区域金融发展的非均衡问题研究[D].中央财经大学博士研究生论文，2015.

[2]陈军，王亚杰.我国金融发展与经济增长互动关系分析[J].中国软科学，2002，（8）.

[3]林毅夫，姜烨.经济结构、银行业结构与经济发展—基于分省面板数据的实证分析[J].金融研究，2006，（1）.

[4]林毅夫，姜烨.发展战略、经济结构与银行业结构：来自中国的经验[J].管理世界，2006，（1）.

[5]谢平.中国金融资产结构分析[J].经济研究，1992，（2）.

[6]韩廷春.金融发展与经济增长的内生机制[J].产业经济评论，2002，（1）.

[7]林勇，陈名银.我国金融发展指标体系构建与水平测度[J].商业时代，2014，（18）.

[8]冯毓婷，蔡文彬.我国金融可持续发展能力指标体系的构建[J].统计与决策，2008，（21）.

[9]刘翠.构建金融支持农业发展绩效四维评价指标体系——基于31个省市数据的经验分析[J].华北金融，2013，（1）.

[10]夏祥谦.各省区市金融发展水平的比较研究[J].金融理论与实践，2014，（1）.

[11]崔艳娟，孙刚.金融发展是贫困减缓的原因吗？——来自中国的经验[J].金融研究，2012，（11）.