曹鸿英，余敬德

（1.青海大学研究生院，西宁 810016；2.青海大学继续教育学院，西宁 810008）

0 引言

在新的时代背景下，唯GDP式的经济发展已成为过去，绿色经济这一更能反映经济质量的指标，将作为时代的代名词持续亮相。但无论是GDP还是绿色GDP，金融始终是经济发展的核心，绿色经济也时刻需要金融的集聚和支撑。而金融资本的流动性强，行业和地区波及面广，因此金融集聚对经济发展可能存在不容忽视的溢出效应。

金融集聚对一个区域经济增长往往也会存在溢出效应。与之相类似，金融集聚能否也能对一个区域的绿色经济发展产生明显的溢出效应呢？目前学术界对于这一问题还没有一个较为公认的结论。基于此，本文重点从实证角度研究区域金融集聚对绿色经济发展的溢出效应。同时，由于金融关联面广，区域之间很可能存在较强辐射或联动，因此有必要引入空间相关性因素，即在空间相关视角下实证检验区域金融集聚对绿色经济的溢出效应。

1 主要指标及样本说明

1.1 金融集聚性指标

金融集聚性指标主要是衡量金融的集聚程度，可采用金融行业地区集中度（CR指数）、H指数、空间基尼系数以及区位熵等指标来衡量。鉴于数据的可获得性、计算的便捷性以及数据的可靠性，本文采用区位熵来计算金融集聚程度。区位熵又称为地方专业化指数，是根据基尼系数构造的指标，具体的计算公式为：

其中，LQij表示j省份i产业在全国的区位熵系数，qij表示j省份i产业的产值，qj表示j省份的地区生产总值，qi表示i产业的全国产值，q表示国内生产总值。该系数越高，表明j省份的金融产业集聚程度越高。

1.2 绿色经济指标

我国虽然早在十多年前就提出了绿色GDP核算，但是由于种种原因并未连续开展。鉴于环境污染的迫切性，绿色GDP在2015年又被重新提出，并在安徽、四川、海南等地开展了试点。绿色经济（GE）可以采用绿色GDP来衡量。

其中，GEit表示t时期i省份的绿色经济总量，GDPit表示t时期i省份的地区生产总值，Cijt表示t时期i省份自然资源耗减累加，考虑数据的可获取性、科学性与可计算性，此处自然资源主要包括水资源以及煤炭资源、原油、天然气等化石能源；自然资源耗减包括水资源价值、煤炭资源价值、原油价值、天然气价值，其中，水资源价值=水资源价格×用水总量，化石能源价值=国际单位价格×能源消费总量。水资源价格参照各省会城市的自来水价格，煤炭价格采用西北欧煤炭价格计算。Eijt表示t时期i省份环境降级成本累加，主要从废水、废气、一般固体废弃物、垃圾四个方面来核算。由于各地区政策的差异性、不同行业污染程度的不同，不同企业污染物处理水平的差异性，很难确定一个标准的单位处理价格。为此，利用绿色国民经济核算中的数据来简化计算，将“三废”平均价格直接应用到数据的计算中。

1.3 数据样本说明

本文选取2008—2016年中国30个省份（剔除西藏、港澳台地区）的面板数据，数据来源于历年世界能源统计年鉴、中国统计年鉴、中国能源统计年鉴、中国环境统计年鉴、各省份历年统计年鉴、全国省会城市物价局历年水价调整方案。

1.4 统计性描述分析

对于金融集聚性指标：从时序维度来看，各省份LQ的平均值总体上呈现逐步递增的态势，2016年全国金融集聚的均值达到0.96；从空间维度来看，由于LQ标准差也呈现扩大趋势，说明区域间金融集聚水平的差距也有拉大趋势。

对于绿色经济指标：从时序维度来看，各省份GE平均绝对值从2008年的0.93万亿元增长到2016年的2.31万亿元，这表明在科技进步、产业结构调整等相关因素促进下，我国绿色经济也随着GDP的增加而逐年上升；从空间维度来看，中国省份间绿色经济水平的均值标准差呈现扩大趋势，说明绿色经济发展水平的不平衡性加剧。

指标的统计性描述如表1所示。

表1 指标的统计性描述

2 计量模型的构建

2.1 空间自相关检验模型

Moran’s I指数是一种普遍用于检验指标空间自相关性的定量方法。Moran’s I指数的基本模型为：

其中，Moran’s I即为需求的空间自相关指数值。n表示横截面包含地区的总数量，Yi表示第i个地区的相应指标值（这里分别用于表示金融集聚性和绿色经济水平），Yj表示第j个地区同一个变量对应的值，Y*表示该指标在所有地区的算术平均值，wij表示标准化后的空间权重矩阵W中对应的第i行j列的元素值。

这里需要专门设定空间权重矩阵W。参考学术界常用的度量方法，本文选用空间相邻法来定义空间权重矩阵W，具体方法如下：①若地区i和地区j相邻（即存在公共边界），那么有wij=1；②若地区i和地区j不相邻（即没有公共边界），那么有wij=0。譬如，湖北省与湖南省相邻，那么他们的空间权重系数值为1，湖北省与上海市不相邻，那么两者的空间权重系数值为0。特别地，由于海南省与其他地区均不相邻，这里设定其与最邻近的广东省有公共边界。

对于统计量Moran’s I，其检验方法为正态统计检验，公式为：

其中，E（Moran’I）表示Moran’I的期望值，Var（Moran’I）为Moran的方差值。若Z值大于5%（或1%）水平下的临界值1.645（或1.96），或者说相应的相伴概率p值小于0.05（或0.01）时，说明空间相关性显著。一般而言，Moran’s I的统计值在-1到1之间。在统计值显著的前提下，Moran’s I的绝对值越高，说明空间自相关性越大。

2.2 引入空间相关的计量模型

对于引入空间相关的计量模型，目前学术界应用相对较普遍的有空间误差模型（SEM）和空间滞后模型（SAR）两类。

（1）SEM模型的基本形式为：

其中，ε表示包含空间效果的误差项，λ表示误差系数，μ是不包含空间效果的随机误差项。

（2）SAR模型的基本形式为：

其中，上述变量的定义在上文已经提到。

根据SEM模型和SAR模型的基本形式，本文建立两种模型检验金融集聚对绿色经济发展的溢出效应。

（1）基于SEM形式的计量模型：

其中，β0、β1和β2为待估计参数，λ为空间相关系数。

（2）基于SAR形式的计量模型：

其中，γ0、γ1和γ2为待估计参数，ρ为空间相关系数。

3 实证分析

3.1 空间自相关检验结果

本文根据Moran’s I指数的基本模型，采用GeoDA软件，分别对金融集聚性和绿色经济水平两个指标的历年Moran’s I值进行测算，整理数据得到表2。

表2 金融集聚性和绿色经济水平的Moran’s I值

从Moran’s I指数结果可以发现，2008—2016年我国的金融集聚性和绿色经济水平两个变量的Moran’s I指数均显著且都大于零，由此就表明了我国的金融集聚性和绿色经济在地理空间上都存在着较为显著的正向集聚性。所以说，金融集聚的空间溢出性在客观上是存在的，从空间相关角度分析金融集聚性对绿色经济的溢出效应，其必要性进一步得到验证。

3.2 全国样本的实证结果分析

本文以全国30个省份的面板数据样本，分别通过空间误差模型（SEM）和空间滞后模型（SAR）进行空间相关回归，整理数据结果得到表3。

表3 全国样本的回归结果

从全国样本的整体回归结果来看，SEM和SAR模型的回归效果都比较良好，其中空间系数（λ或ρ）以及解释变量的系数都通过显著性检验，模型的可决系数及LogL值也保持较高水平，由此也进一步表明了选择空间相关模型的合理性。接下来，根据两者的回归结果比较，判定究竟采用哪一种模型结果进行具体讨论。

借鉴Anselin等（2004）的判定法则，这里可以通过比较空间依赖性检验值的大小及显著性，来判定使用何种模型更优。从表3可以发现，LM（sar）的统计值比LM（error）的统计值要小，显著性也是LM（error）高；同时，R-LM（sar）的值也小于 R-LM（error），显著性也是 R-LM（error）更高。因此，可以认为全国样本的案例中，采用空间误差模型（SEM）更为理想。

根据SEM模型的系数回归结果：

（1）从金融集聚对本地区绿色经济发展的影响来看，LQit的系数达到0.509，且在5%的水平通过显著性检验，这就从经验上论证了我国区域金融集聚性对当地的绿色经济发展具有明显的正向推动作用。这一点，可以从金融在本地集聚从而产生的规模经济效应、资本配置效应、网络效应等来说明。

（2）从金融集聚对绿色经济发展的溢出效应来看，W×LQit的系数为0.256，且在1%的水平通过显著性检验，由此可以表明，我国区域金融集聚具有显著的空间溢出效应。换言之，就是一个区域内金融的集聚发展，不仅能够直接带动当地绿色经济发展，而且能通过空间地理的辐射作用，带动周边地区绿色经济发展。从实际发展来看，由于区域之间存在着“涓流效应”，一个区域内金融集聚发展，能够向其周边区域辐射资金、人才、技术等各种资源要素，从而有利于周边区域强化科技人才和资本支撑，从而促进区域绿色经济的发展。

3.3 分三大地区样本的实证结果分析

为了更细致地考察区域分异，根据我国经济差异的梯度变化特征，将全国样本划分为东部、中部和西部三大地区，对于各大地区样本分别通过空间误差模型（SEM）和空间滞后模型（SAR）进行空间相关回归。仍借鉴Anselin等（2004）的判定法则选择模型类型，结果显示了三大地区样本最终都选择了SEM模型。限于篇幅，本文只列出了SEM回归结果（见表4），省略了SAR模型的回归结果。

表4 分地区样本的回归结果

根据分地区回归结果：

（1）从金融集聚对本地区绿色经济发展的影响来看，东部、中部和西部地区LQit的系数均大于零，且分别在1%、5%和1%的水平通过显著性检验，这就从经验上论证了三大地区金融集聚性对当地的绿色经济发展具有明显的正向推动作用。相比之下，东部地区LQit的系数最大，达到1.002，说明东部地区金融集聚对绿色经济的促进作用相对最高。

（2）从金融集聚对绿色经济发展的溢出效应来看，东部地区W×LQit的系数为0.436，且在1%的水平通过显著性检验；中部地区W×LQit的系数为0.198，且在5%的水平通过显著性检验；西部地区W×LQit的系数却未通过显著性检验。从大区域来看，我国三大地区金融集聚对绿色经济的溢出效应存在差异。在东部和中部地区，金融规模相对较高，诸如上海、江苏、湖北等地金融集聚能产生较大动能，辐射带动周边地区绿色经济发展。而在西部地区，金融业发展较为滞后，一个省份的金融集聚，未能显著发挥对周边绿色经济发展的带动作用。

4 结论

本文选取2008—2016年我国30个省份的面板数据，采用空间相关模型方法，实证检验了金融集聚和绿色经济水平的空间自相关性，以及金融集聚性对绿色经济发展的溢出效应。主要的结论如下：（1）整体来看，我国的金融集聚性和绿色经济在地理空间上都存在较强的正向集聚性；（2）我国区域金融集聚对绿色经济发展产生了较显著的空间溢出效应，即一个区域内金融的集聚发展，能通过空间地理的辐射作用，带动周边地区绿色经济发展；（3）从地区特征来看，三大地区金融集聚对绿色经济的溢出效应存在差异，东部地区金融集聚带来的溢出效应高于中部地区，而西部地区金融集聚的溢出效应没有充分释放出来。