■仲 深，王虹力，杜 磊

资本回报率是投资决策的重要考量因素，其中金融要素对资本回报率的影响最显著。因此，本文在测度各地区1998～2016年资本回报率的基础上，通过建立空间计量模型实证考察在空间属性下金融发展对资本回报率的影响。研究结果显示：第一，中国总体的资本回报率水平具有波动性下降的特点，东、中、西部地区依次递减；第二，资本回报率在全国各地区及东、中、西部各省份存在空间关联性。其中，东部地区显著为正，中部显著为负，而西部不显著；第三，在东、中部地区，金融发展对资本回报率产生正向影响，而在西部地区不显著；第四，本地区资本回报率受其他地区金融发展的影响。

一、引言与文献综述

改革开放以来，中国经济高速增长，呈现出明显的投资驱动型增长特征，而投资能否持续的重要衡量指标之一就是资本回报率，故而资本回报率逐渐成为社会各界的重要关注点。在诸多影响因素中，金融要素对资本回报率的影响最为关键。那么，随着金融发展的不断深化，会对资本回报率产生怎样的影响？此外，资本的逐利性影响着各种生产要素的在行业及空间上的流动，即流向资本回报率高的地方，这种要素的流动是影响区域经济发展不平衡的关键因素之一。

关于资本回报率的影响因素，国内学者们从不同视角展开研究。黄先海（2012）发现，资本深化在短期内可对资本回报率的提高有促进作用，但长期则会降低资本回报率。而柏培文（2017）的结论却相反，他认为资本深化对资本回报率的影响并不大，技术进步和全要素生长率是提高资本回报率的关键。白重恩、张琼（2014）也认为技术效率、要素有效使用及要素配置效率是影响资本回报率的重要因素。舒元等（2010）指出资源垄断性行业和国有经济比例高的行业资本回报率高。邵挺（2010）发现资本回报率的高低与企业的所有制差异有关。中国经济研究中心（CCER）（2007）认为私有和国有企业的借贷错配使资本回报率偏低。

在诸多影响资本回报率的因素中，金融要素对资本回报率的影响是至关重要的，学者们首先从金融要素如何影响资本回报率入手，重点关注金融要素对资本回报率的影响程度。其中，最具影响力的就是Sharma et al.（2007）提出的投资来源与资本回报率密切相关。投资来自自有资金和外部融资资金两种途径。当自有投资乏力时，外部融资则是拉动投资的有效方式，而融资规模的大小和融资成本的高低取决于地区金融发展水平，地区金融发展水平越高，越容易获得外部投资资金，提高资金的配置效率，促进资本回报率的提高。杨君和黄先海（2018）等也得出相似结论。而赵善梅、吴士炜（2018）却认为中国目前金融市场存在资源错配现象，金融发展水平对资本回报率产生负向影响。此外，张勋和徐建国（2016）研究发现资本回报率在各个地区间存在显著差异，不同地区资本回报率和金融发展水平都对其相邻地区产生不同的影响。赵善梅、吴士炜（2018）也认为资本回报率存在显著的空间溢出效应。

综上所述，传统方法很少从金融发展角度分析资本回报率。尽管近年来逐渐有学者开始分析金融发展对资本回报率的影响，但只考虑了多数金融市场不完善、金融资源错配等因素导致的负向影响，忽略了金融发展对资本回报率的正向影响。此外，已有的研究都假设市场处于完全竞争环境，且企业的规模报酬保持不变，将研究对象视为独立而同质的，忽略了研究对象之间的空间关联性。地理学第一定律指出所有的事物都是相关的，溢出效应与辐射效应是显著存在的，区域间的空间关联性不容忽视。据此，本文进行以下创新：一是将金融要素作为影响资本回报率的重要因素，构建金融发展和空间要素相结合的分析框架进行机理和理论分析。二是运用空间计量模型实证研究各地区资本回报率的影响因素。三是运用长年度、广省域的数据，根据1998～2016年30个省际数据估算资本回报率并分析其影响因素，数据更加广泛且全面。

二、资本回报率测算及理论分析

（一）资本回报率的估算方法

本 文 利 用 Bai等（2006）对 Hall-Jorgenson（1967）资本租金公式的变化估算资本回报率：

其中，R（t）代表实际资本回报率，α代表资本收入份额，PY（t）代表一般物价水平，Y（t）代表收入法下的GDP，PY（t）Y（t）是现价产出品的市场价值，PK（t）代表资本品价格，K（t）代表资本存量，PK（t）K（t）是现价资本存量，P分别是资本品和产出品在t期的价格变化率，δ代表折旧率。

学术界对资本存量的估算大致分为两种：永续盘存法（PIM）和特征价格估值法（HV）。前者被广泛采用，故而本文也采取此方法进行估算，公式表示为：

其中，t时期Kt为实际资本存量，许多学者认为全社会固定资产投资总额数据不准确，所以本文采用t时期的固定资本形成总额代表It，Pt表示资本品价格指数，Kt-1表示t-1时期的实际资本存量，δ表示重置率。

在估算资本存量时，基期实际资本存量的确定至关重要，本文以1990年为基期，根据固定资本价格指数进行平减得到基期资本存量。在测算时，假设重置率和折旧率相等，同为9.6%。资本收入份额的计算采用白重恩（2014）使用的公式

（二）数据来源

本文采用中国统计局官方最新数据。收入法GDP、固定资本形成总额、劳动者报酬均取自国家统计局及各省统计年鉴。统计年鉴中有2005～2016年的固定资产价格指数，1998～2004年固定资产价格指数以1990年为基年进行平减，并计算其价格指数变化率。产出品价格指数根据辛清泉等（2007）方法，以1990年为基年估算可得，以此计算产出品价格指数变化率。

本文将北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东和海南11个省或直辖市划分为东部地区；将山西、吉林、黑龙江、安徽、江西、河南、湖北和湖南8个省或自治区视为中部地区；西部则包含内蒙古、广西、四川、重庆、贵州、云南、陕西、甘肃、青海、宁夏和新疆11个省、直辖市或自治区。

（三）结果分析

删除缺少个别年限数据的西藏，本文对1998～2016年30个省际区域数据进行研究，经计算处理得出1998～2016年全国及各省的资本回报率及其变化趋势。

如图1所示，1998年以来，中国资本回报率呈波动式下降，到2008年，已经跌破20%。1998～2016年，中国的平均资本回报率为13.92%，东、中、西部地区别为16.01%、14.97%、11.06%。从时间趋势上看，中国各地区资本回报率分别在1998年、1999年、2008年、2009年及2016年发生大幅度变化。1999年资本回报率的下降可能是因为1999年开始统计口径发生了变化。2000～2007年基本波动上升，2008年再次出现重大转折，这主要是受2008年金融危机和政府政策导向的影响，一方面社会总需求和企业出口总额大幅度下降，企业大量减产，收益率降低；另一方面，政府推出的“4万亿”计划，使各个产业出现产能过剩的情况，而且产业结构遭到破坏，大量资本流回第一产业，资本回报率下降。2009年，政府为缓解经济危机带来的危害，实行经济刺激计划刺激总需求，在刺激计划的推动下资本回报率出现短暂回升，但2010年后又开始持续下降。

2018年10月26日，顺丰发布公告，收购DHL在华业务，这个一直以DHL作为自己对标的企业，在这个时间节点上决定拿“老师”开刀。

图1 全国及区域资本回报率变化趋势

从分省的情况上看，东部地区各省资本回报率处于较高水平，其平均资本回报率均在12%以上，其中上海的资本回报率最高，达到20%。中部地区的平均资本回报率与东部地区较为接近，除吉林外（11%），其他省份平均资本回报率也均在12%以上，黑龙江最高（19%）。而西部地区各省平均资本回报率与东部、中部地区差距较大。其中，陕西（6.9%）、宁夏（7.3%）、青海（8.7%）和新疆（8.6%）四个省份的平均资本回报率甚至不足10%。

图2 全国及区域资本回报率雷达图示

如图2所示，中部地区资本回报率的变化趋势与全国资本回报率变化趋势最为相近，最具有代表性。地区间的趋同趋势较为明显，尤其是东部地区和中部地区的趋同趋势。其中，部分中部地区资本回报率已接近东部地区，如湖北。而西部地区虽然也与东部地区和中部地区同步变化，但其资本回报率明显与其他两个有较大的差距。但2011年以来，东中西三地区的差距逐渐缩小，尤其是2014～2016年，西部地区发展步伐逐渐加快，这表明近年来中国在致力于西部地区的开发，区域间的资本配置效率有所提高。

三、资本回报率的空间关联性

（一）空间权重选取

空间地理学第一定律指出，各省份之间不是独立的个体，他们有着广泛的联系，且距离越近的省份联系越密切。从各省的平均资本回报率上看，我国资本回报率的空间聚集效应明显。

进行空间计量分析的前提是度量区域之间的空间距离，空间权重包括经济、人口、地理等权重,本文采用学术界最常用的地理相邻权重。其中，地理相邻权重（w1）分为车相邻、象相邻和后相邻，本文将车相邻作为选取标准，即有共同边界的地区值为1，不相邻的值为0。

（二）全局莫兰指数I

空间自相关是指位置相近的区域具有相似的变量取值。如高值和高值聚集在一起，低值和低值聚集在一起，则为空间正相关；反之，则为空间负相关；如果高值和低值完全随机分布，则不存在空间自相关。相关文献提出了一系列度量空间自相关的方法，其中最流行的是“莫兰指数I”，空间权重行标准化后的莫兰指数具体公式为：

其中，wij为空间权重矩阵的（i.j）元素，用来度量区域i与区域j之间的距离为所有空间权重之和。莫兰指数MI一般介于-1到1之间，MI＞0，代表空间正相关；MI＜0，代表空间负相关；MI=0，代表空间分布是随机的。莫兰指数标准化后服从渐进标准正态分布，即I*=I- Var(I)～N（0.1），其中，E（I）为期望值，Var（I）为方差。

表1 资本回报率的MI值

由表1可以看出，1998～2016年中，除2007和2011年外，绝大多数年份的各省资本回报率的MI值都大于0，且分别在1%和5%水平下显著，这就表明，除个别年份外，多数年份中我国资本回报率存在显著的空间溢出效应，且都为空间正相关，即相邻地区的资本回报率高低相一致。

学术界常用地区年末存贷款总额与GDP之比衡量地区金融规模（赵善梅和吴士炜，2018），但是考虑到GDP是前文测算资本回报率时的重要数据指标，为了避免共线性问题，本文用地区年末存贷额与地区年末总人口之比作为各地区金融发展水平的衡量指标。根据上述计算模型，结合空间临近权重矩阵计算出金融发展MI值，结果如表2所示。1998～2016年各省金融发展的MI值均大于0，且分别在1%和5%的水平上显著，这说明我国各地区的金融发展水平存在显著的空间正相关性，即相邻地区的金融发展水平相似。

表2 金融发展的MI值

四、实证研究

（一）空间计量模型设定

其中，扰动项μ的生成过程为

其中，W和M分别为被解释变量与扰动项μ的空间权重矩阵，本文采取λ=0时的SDM模型，用1998～2016年30个省的面板数据进行实证检验分析，并进行了稳健性检验，具体模型为：

其中，Rit为被解释变量,代表i省t年的资本回报率；为空间Wij权重矩阵；Xit为控制变量，包括金融发展水平（fina）、投资水平（inv）、国有经济占比（soe）、资本深化（ktl）、产业结构（sec、thi）、人力资源水平（h）、城镇化率（urb）、基础设施建设（infra）、专利授权量（pat）等指标。为WijXit空间滞后项；β2WijXit表示邻近省份之间解释变量的影响；ρ代表被解释变量空间滞后项的系数；β1为控制变量的系数；β2为控制变量空间滞后项的系数；μit、λit、εit分别为空间效应、时间效应和干扰项。

（二）变量说明及数据处理

借鉴已有文献，计算方法如表3。本文删除数据缺失的西藏，并用平均年增长率补充部分缺失数据，为了消除异方差的影响，本文对个别变量进行对数化处理。

表3 计算方法

（三）实证结果分析

本文利用空间杜宾模型（SDM）的固定效应和随机效应对全国（1）及东部（2）、中部（3）、西部（4）各地区进行空间计量模型回归。通过Hausman检验发现，随机效应模型的回归结果更合理，故采用SDM的随机效应模型。

1.空间滞后项结果分析

如表4，通过分析被解释变量空间滞后项（wlxr）的估计系数可以发现，全国总样本在1%水平下显著为正，这表明我国资本回报率存在显著的正向空间溢出效应，即一省资本回报率的提高将会促进其临近省份资本回报率的提高。从区域层面上看，东部和中部地区各省份资本回报率存在显著的空间溢出效应，东部地区各省份资本回报率存在显著正相关，被解释变量空间滞后项（wlx-r）的估计系数在1%水平下显著为正，这是由于东部地区各省份经济发展势头迅猛，资本具有较强的流动性，且高技术产业发展较快，吸引外来投资的同时发展地区中小企业，相邻省份之间的良性竞争使相邻省份资本回报率不断接近。中部地区各省资本回报率存在显著负相关，被解释变量空间滞后项（wlx-r）的估计系数在10%水平下显著为负，这可能是由于中部地区各省经济发展水平不一，地区发展主要集中在个别中心城市，创新型产业和人才也不断向中心城市聚拢，不重视边缘省份的发展，存在“以邻为壑”效应，这就导致中心城市资本回报率显著高于其相邻省份。而西部地区资本回报率的空间效应并不显著，原因可能是各省份受制于其本身的地理位置，各要素市场发展水平落后、人才不断外流、资本流动性较差及资源的不合理配置。

表4 SDM空间计量回归结果

通过分析解释变量的空间滞后项（wlx-fina）系数可以发现，全国各地区及区域各省份的金融发展水平对资本回报率的影响存在显著的空间关联性。全国总样本空间滞后项（wlx-fina）估计系数在5%水平下显著为正，这说明某一地区金融发展水平的提高对其相邻地区的资本回报率会产生积极影响。其中，东部地区解释变量的空间滞后项（wlxfina）系数在10%水平下显著为正，这表明东部地区某一省份的金融发展水平越高，其相邻省份的资本回报率就越高，这可能是由于全国金融发达的地区主要集中在东部，如北京、上海、天津、广东等地，各省政府为促进区域良性竞争，会根据相邻省份的金融发展情况建立自身的金融发展结构，提高金融资本配置效率，促进金融市场水平发展，从而提高资本回报率，这是一种显著的“示范效应”。中部地区解释变量的空间滞后项（wlx-fina）系数在10%水平下显著为负，原因可能是中部地区各省金融发展存在“两极分化”现象，金融市场的发展主要集中在长沙等中心地带，资本和人才都想中心地带聚集，其金融市场越发达，对相邻地区资本回报率的负向影响越大。而西部地区解释变量的空间滞后项（wlxfina）系数并不显著。通过分析其他解释变量的空间滞后项系数可以看出，国有资产占比（lnsoe）、资本深化（lnktl）、专利授权量（lnpat）、基础设施建设（infra）、人力资源水平（lnh）、固定资产投资（inv）、产业结构（sec、thi）、城镇化率（urb）等变量也存在显著的空间溢出效应。如果将这些变量的空间滞后项忽略，将会造成估计结果的偏差。因此，在用计量模型实证研究我国地区资本回报率的影响因素时，要将空间因素纳入其中。

2.解释变量回归结果分析

如表4，对解释变量的分析可以看出，全样本下金融发展水平（fina）的估计系数在1%水平下显著为正，这说明金融发展对资本回报率的影响显著为正，这是因为随着金融改革和发展的日益推进，全社会金融发展水平在不断提高，年末人均存款总额、年末人均贷款总额及年末存贷款余额不断增加，金融规模逐步扩大，金融效率不断提高，银行、证券、保险等行业得到快速发展，各地区经济水平显著提高，资本回报率随之上升。在区域层面上，东部地区金融发展水平（fina）的估计系数在1%的水平下显著为正，这是因为我国东部地区金融市场相对完善，相关金融法律法规比较健全，金融资源配置较为合理，中小企业的发展质量和速度都明显高于其他地区，拉动经济增长。此外，东部地区的资源最为丰富，能最大限度地承接各种资本要素，资本的流动性极高，各省资本回报率也相对较高。中部地区金融发展水平（fina）的估计系数在10%的水平下显著为正，这可能是由于中部地区的中心城市如长沙、郑州等相对于其他边缘省份拥有相对更多金融资源，能吸收部分东部地区转移的金融要素，资本在少数省份中流动，促进资本回报率的提高。此外，中部地区的估计系数高于东部地区，这可能是由于东部地区的资本回报率较高，自有资金在一定程度上满足下一年的投资需求，对外部融资的依赖性较弱，而中部地区的资本回报率相对较低，对外部融资的依赖性更强。因此，金融发展在中部地区对资本回报率的影响更大。西部地区金融发展水平（fina）的估计系数不显著，原因可能是由于西部地区各省受自身地域及环境的限制，金融市场开放程度较低，金融效率较低，金融抑制现象大量存在，资源配置不合理的现象普遍存在，对资本回报率的影响尚不明显。从其他解释变量的估计系数和显著性水平可知，资本深化（lnktl）、人力资源水平（h）、固定资产投资率（inv）、第二产业占比（sec）和第三产业占比（thi）对资本回报率也产生显著影响。

3.稳健性检验分析

为了验证模型的准确性，本文采用两种方法进行稳健性检验，第一，将总样本分为1998～2007年、2008～2016年两个子样本；第二，用地区年末存贷款额与GDP的比值作为金融发展水平（fina）的衡量指标与上文进行对比分析，两种方法仍然采用空间计量模型SDM进行实证检验。分析结果可知①限于篇幅，结果不予以列式，留存备索。，在子样本回归中，资本回报率的空间滞后项（wlx-r）估计系数在10%水平上显著为正，说明我国资本回报率具有显著的空间溢出效应，这与前文估计结果相符，说明前文结果具有一定的稳健性。以地区年末存贷款总额与GDP之比作为地区金融发展水平的衡量指标时，对比上文以地区年末存贷款总额与地区总人口之比为衡量指标的回归结果，两者估计系数及显著性都具有高度相似性，再次证明上文回归结果的稳健性。

五、结论及政策建议

本文选取我国30个省际区域1998～2016年的面板数据，用永续盘存法估算全国及各省的资本存量，并用资本租金公式的变形估算了资本回报率，通过构建空间SDM模型考察金融发展和空间因素对资本回报率的影响，得到如下结论：

第一，中国总体的资本回报率水平在1998～2016年呈波动性下降趋势。东、中、西部地区依次递减，且地区差距逐渐变小。其中，中部地区资本回报率水平与全国总体水平变动基本一致。第二，资本回报率在全国各地区及东、中、西部各省份都存在显著的空间溢出效应，即某地区资本回报率会影响相邻地区的资本回报率。其中，东部地区存在显著的空间正向溢出效应，中部地区刚好相反，而西部地区不显著。第三，金融发展是影响资本回报率的重要因素，在东部和中部地区，金融发展对资本回报率有显著正向的影响，而在西部地区不显著。此外，资本深化、固定资产投资、人力资本水平、创新发展等因素也影响地区资本回报率的高低。第四，本地区资本回报率的高低受其他地区金融发展水平的影响。在全国层面上，本地区金融发展水平越高，临近地区资本回报率越高。在东部地区，某一省份的金融发展水平的提高会促进相邻地区资本回报率的提升，起到“示范效应”；而在中部地区存在相反现象，“两极分化”现象突出；西部地区不显著。

据此，本文提出以下政策建议：

第一，推动产业结构升级。政府应承接历史、放眼全球，扶持实体企业在全球产品分工链上的改造升级，通过技术研发由资本密集型产业向技术密集型产业发展。东部地区要继续发挥自身优势，发展先进制造业和现代服务业，提高资源利用效率，起到良好的“示范作用”。对于中、西部地区，政府应充分调控区域经济增长，加强省份间的合作，通过东部地区发达省份带动中、西部欠发达地区，促进区域间协调、合作、双赢。第二，各地区应因地制宜，大力发展适应本地环境和政策的金融项目。对于东部地区，充分发挥自身资本积累优势和环境资源优势，加快普惠金融的成长脚步，提升国际竞争力。对于中部和西部地区，进一步加强金融服务实体经济，发挥金融的基本功能，提升金融资源配置能力和金融服务质量，并充分依托长江中游城市群和关中平原城市群，与东部地区进行良性互动，消除贸易流动壁垒，使金融要素在更大范围内流动。