许 露 露

（安徽财经大学 统计与应用数学学院，安徽 蚌埠 233000）

0 引言及文献综述

实体经济的发展越来越依托金融业的发展和带动，而金融集聚更是成为经济发展的重要驱动力。因此，研究金融集聚对经济增长的作用机制以及传导机制具有一定的实际意义。

目前，学者们对金融集聚和经济增长的关系进行了较多的研究，且以区域性分析为主。CHANG ShuChen[1]（2015）对金融集聚与经济增长之间相互作用关系的研究表明，金融集聚可以降低能源消费量，进而推动经济增长。刘军[2]等（2007）研究发现，金融集聚促进经济发展的机制主要是通过扩散效应、外部性等方式实现。何宜庆[3]等（2015）通过对长江经济带面板数据的研究，得出金融集聚可以协调促进经济增长。张芳[4]等（2018）通过分析发现，金融集聚对于绿色经济的发展呈现出极其显著的正向推动作用，且随着时间的变化，作用越来越大。初春[5]等（2018）研究发现，空间依赖性不均匀地存在于金融集聚和地区经济增长之间，金融集聚能推动经济的发展，但由于地理因素的不同，金融集聚会对省域经济产生负的空间溢出效应。史嵘[6]等（2019）分别从全国和区域两个层面，利用空间计量模型研究发现，就全国而言，金融集聚对经济增长有显著促进作用，且作用的大小根据区域的不同而有所差别。

创新引领发展。从某种程度上说，科技创新是促进经济发展的基本路径。

在科技创新与经济增长关系的研究方面，学者们主要以实证分析为主。尚勇敏[7]等（2017）对创新在我国区域经济转型中的作用及传导机制进行了分析，结果显示，创新驱动已经成为区域经济模式的新发展方向。但是，创新在经济转型中起到的作用大小具有不确定性的特点取决于诸多因素。尹向飞[8]等（2017）基于Network DEA-Malmquist 指数法，通过建立关联指标发现，不同阶段科技创新对不同地区的经济增长的支持作用不同，且呈现出明显的省域集聚现象。刘兵[9]等（2018）通过利用综合层次分析等方法对京津冀三个地区之间的相关性以及关联度进行测算分析发现，该区域科技创新人才与经济发展呈现正相关的特点，但作用随着时间推移有所减弱。李毓[10]等（2018）基于省域视角研究发现，区域信贷以及科技创新均能对经济起到推动作用，但是二者的相互作用却会对省域经济的增长产生一定程度的抑制效应。刘林[11]等（2019）通过构建空间面板模型，研究发现区域经济增长与科技创新水平成正比。

由此可见，金融集聚和科技创新促进经济增长已成为学界共识，但鲜有人将这三个因素综合起来分析。金融集聚和科技创新促进经济发展的作用究竟有多大？金融集聚促进经济发展的机制以及路径是怎样的？这些问题都有待深入解决。因此，本研究尝试将金融集聚、科技创新和经济增长三者联系起来，通过建立多元线性回归模型考察金融集聚对经济增长的直接效应，通过中介效应模型得出科技创新对经济增长的中介效应，试图找出金融集聚促进经济增长的基本路径。并针对得出的结论，对如何进一步促进我国经济增长提出建议。金融集聚、科技创新和经济增长的关系如图1所示。

图1 金融集聚、科技创新与经济增长的关系

1 数据来源与变量处理

1.1 数据来源

本研究数据主要是在《中国统计年鉴》《中国科技统计年鉴》收集长江经济带的11 个省市2006—2017年间相关指标的年度数据，并使用Stata14.0 软件进行数据处理。

1.2 变量设定

1.2.1 被解释变量

本研究以经济增长为被解释变量。鉴于各国经济核算以国民生产总值（GDP）为主要参考指标，而人均GDP 在一定程度上反映了一国整体的经济发展水平，故以各省市的人均GDP 作为经济增长的衡量指标，并通过对数据取对数，减少数据差异。

1.2.2 解释变量

1）金融集聚。本研究选取“区位熵”作为衡量金融集聚的主要指标[4]。进行测算的公式如下：

其中，LQi表示金融业的区位熵值；i和j分别表示金融业和长江经济带各省市；q ij表示长江经济带j省（市）的金融业产出；qJ表示长江经济带所有省市的GDP；qi表示全国金融业产出；q表示全国GDP。将LQi值与1 进行比较，当LQi值比1 大时，则认为金融集聚现象是存在的，并且该值越大，表明集聚程度就越高。

2）科技创新。科技创新包括投入和产出两个环节，因此，选取各省市的R＆D 人员全时当量和R＆D内部经费支出作为创新投入的代表指标，以专利授权量为创新产出的代表指标，并通过主成分法生成科技创新综合指标，进而以该综合指标作为科技创新的衡量指标。

1.2.3 控制变量

1）城镇化水平。本研究选取城镇化水平作为控制变量。进行测算的公式如下：城镇化水平=城镇人口/户籍人口。

2）外商直接投资。外商直接投资（FDI）会通过示范效应等对科技创新活动产生一定程度的影响[5]，进而促进经济的发展。因此，我们选取FDI 作为控制变量。

1.3 变量处理

进行计量分析前，先对面板数据进行单位根检验。表1给出了Stata14.0 软件对变量进行LLC 检验的结果，根据P 值可知原本不平稳的变量对数化处理后均变得平稳，从而确定可以进行回归分析。

表1 单位根检验结果

2 模型构建

基于以上分析，本研究选取多元线性回归模型和对应的变量来考察金融集聚对经济增长的直接促进作用，并通过中介效应模型计算出金融集聚、科技创新促进经济增长的中介效应，以此识别出金融集聚促进经济增长的基本路径。

1）直接效应模型。通过构造多元线性回归模型，计算金融集聚对经济增长的直接效应系数。模型形式如下：

上式中：下标i表示每个省份，共包括11 个省市；t表示对应的年度。lnGDPit代表i省（市）t年的经济增长，FAit代表i省（市）t年的金融集聚度，lnUZit代表i省（市）t年的城镇化水平，lnFDIit代表i省（市）t年的外商直接投资，α是常数项，β1、β2、β3表示待估计的参数，ε是随机误差项。

2）中介效应模型。通过中介效应模型来考察当金融集聚与科技创新分别为中介变量时，金融集聚能否通过支持和诱导科技创新进而促进经济增长，科技创新能否通过加快金融集聚进而推动经济增长，从而识别出金融集聚推动经济增长的基本路径。中介效应模型形式如下：

当科技创新为中介变量时，式（3）中Y表示经济增长，X表示金融集聚，Z为中介变量科技创新，F(X,Z)表示经济增长是金融集聚与科技创新的函数，用来衡量金融集聚和科技创新对经济增长的作用。f(X)表示科技创新是金融集聚的函数，用来反映金融集聚对中介变量的影响。对式（3）求导得：

式（4）右边各项中， ∂F/∂X表示金融集聚对经济增长的直接效应，即为模型（2）； ∂F/∂f表示科技创新对经济增长的直接效应，模型所设定的具体形式如式（5）所示；df/dX表示金融集聚对科技创新的驱动作用，模型形式如式（6）所示；( ∂F/ ∂f)(df/dX)表示金融集聚驱动科技创新进而推动经济增长的中介效应，当中介效应值为正数时，则说明存在中介路径。

其中，lnTI表示科技创新，其他变量含义同上。

当金融集聚为中介变量时，式（3）中Y表示经济增长，X表示科技创新，Z为中介变量金融集聚，式（4）右边各项中： ∂F/∂X表示科技创新对经济增长的直接效应，即模型（5）； ∂F/∂f表示金融集聚对经济增长的直接效应，即模型（2）；df/dX表示科技创新对金融集聚的驱动作用，模型设定的具体形式如式（7）所示，所有变量含义均同上；( ∂F/ ∂f)(df/dX)表示驱动科技创新促进金融集聚进而促进经济增长的中介效应，当中介效应值为正数时，则说明存在中介路径。

3 实证研究与分析

利用stata14.0 对2006－2017年长江经济带各省市的面板数据进行计量分析，回归前，先对模型进行序列相关和异方差性检验。由检验结果知，此时Hausman 检验失效，因此选择修正的Hausman 统计量进行模型检验，结果显示，所有模型均选择固定效应模型进行分析。

3.1 直接效应检验

回归结果见表2，由表2可以看出，模型（2)中的解释变量以及两个主要控制变量均通过了检验，这表明金融集聚对于促进经济增长具有直接的促进效应。金融集聚在1%的显著性水平下通过了检验，表明金融集聚对经济增长具有显著的促进作用，且金融集聚度每增加1，将推动经济水平提升27.71%；此外，城镇化水平和外商直接投资也对经济增长起到显著的促进作用。其中，城镇化水平起到的作用更大，城镇化水平每提高1%，将带来经济水平3.380 7%的提升，这主要是因为金融集聚通过投融资等活动推动了城镇化发展[4]，进而促进了经济发展。

表2 金融集聚对经济增长的直接效应

3.2 中介效应检验

基于中介效应模型，进一步对影响经济增长的传导机制及其产生的间接效应进行分析，结果见表3。

由回归结果可知，模型（5）的所有变量均通过了显著性检验，其中，科技创新对经济增长具有显著的促进效应，且当科技创新水平每提升1%时，将带来经济发展水平0.434 8%的提升，科技创新显著推动了经济发展。城镇化水平对经济的促进效应相对于外商直接投资大得多，弹性达到1.369 6。模型（6）中的解释变量和作为控制变量的城镇化水平均通过了显著性检验，且在5%的显著性水平下，金融集聚度若提高1，将促使科技创新水平提升37.77%，这表明金融集聚能够推动科技创新。城镇化水平对科技创新具有显著的正向效应，且弹性达到4.797 2。模型（7）中的主要解释变量在5%的显著性水平下通过了检验，这表明科技创新对金融集聚具有显著的促进作用，且科技创新水平每提升1%，将带来金融集聚度0.104 5%的提升。控制变量均未通过检验，说明城镇化水平和外商直接投资对金融集聚的影响并不显著。在此基础上，通过对模型（3）和模型（4）进一步进行计算得到：金融集聚通过驱动科技创新促进经济增长的中介效应为 0.164 2，科技创新通过加快金融集聚促进经济增长的中介效应为0.029 0，两个效应值均大于0，说明两条路径确实均存在。

表3 金融集聚、科技创新对经济增长的中介效应

3.3 金融集聚促进经济增长路径分析

根据回归结果分析，得出图2。由图2可以看出，金融集聚是科技创新和经济增长的直接驱动力，科技创新是金融集聚促进经济增长的基本路径。路径之一为金融集聚通过支持和诱导科技创新促进经济增长；另一条路径即科技创新通过加快金融集聚的形成进而反过来诱导科技创新深化并带动经济增长。

图2 金融集聚、科技创新促进经济增长的路径

4 结论及建议

4.1 结论

本研究得出的主要结论如下：1）作为重要的驱动力，金融集聚能够直接推动经济水平的提高，且金融集聚度每增加1，将推动经济水平提升27.71%；2）金融集聚不仅能直接驱动经济增长，还能通过推动科技创新间接地驱动经济增长，且金融集聚通过驱动科技创新促进地区经济增长的中介效应为0.164 2。 3）科技创新是金融集聚促进经济增长的基本路径，金融集聚通过推动科技创新促进经济增长的中介效应系数显著大于0。基于中介效应模型，识别出金融集聚促进经济增长的两条间接路径：金融集聚→科技创新→经济增长；金融集聚→科技创新→金融集聚→经济增长。

4.2 建议

通过对以上结论的分析，本研究提出以下几点建议：1）进一步加强长江经济带的金融集聚程度。一方面，虽然长江经济带金融集聚程度整体上是较高的，但从单个地区看，金融集聚程度分布不均匀，差别较大，且近几年呈现波动的特征；另一方面，实证表明，当存在金融集聚时，其能够在经济增长过程中起到直接的驱动作用，从而大大地提升地区经济发展水平。因此，可以以金融集聚度较高的上海市、浙江省和重庆市等三大区域为辐射中心，通过资金、人才等的支持进而加强对周边省市金融业的辐射作用，从而加快各省市金融集聚水平的整体提高。而金融集聚程度相对较低的其他省市，其政府也应该通过大力支持金融业发展、出台人才优惠政策以及加快互联网金融和普惠金融的发展等措施，进一步促进地区金融行业的发展；此外可以通过招商引资等举措加快和诱导地区的金融产业集聚，进而为地区经济的发展提供支持与动力。2）提高科技创新水平。科技创新越来越成为国家的核心竞争力，尤其在当今追求经济高质量发展的形势下，以创新促发展势在必行。因此，长江经济带各省市应通过加大R＆D 经费投入以及加大人才培养力度，通过建立创新创业孵化中心和深化“产学研”融合等多种措施加快地区科技成果转化，提高地区科技创新水平，进而促进地区经济增长。3）强化金融集聚和科技创新的相互作用。实证表明，科技创新是金融集聚促进经济增长的基本路径。因此，一方面，各省市要通过提高金融集聚水平为科技创新活动提供金融支持，促进科技进步；另一方面，科技创新成果通过产业化，服务地区经济建设，推动地区金融及其相关产业的发展，加快和诱导地区金融集聚的形成，进而通过两者的相互作用，提高地区经济发展水平。4）进一步加快城镇化进程。实证结果显示，城镇化在科技创新以及经济增长过程中，都起到了显著的促进作用，因此，各省市要通过土地集约化利用和环境规制的实施，优化资源配置，提高城镇化水平，进而促进地区经济，尤其是绿色经济的进一步发展。