梅冰菁，罗剑朝

（西北农林科技大学经济管理学院，陕西杨凌712100）

一、引 言

在全球金融一体化的背景下，金融作为驱动经济发展、配置资源的重要工具，金融业发展呈现出空间集聚的特征。即在区域间金融资源流动过程中，在某一地理空间形成高度活跃的金融集合（金融主体、金融信息、金融服务等）。金融集聚通过降低交易成本、便利金融机构间的协作、提高资本市场流动性、共享基础设施及信息技术资源等方式提升集聚区域综合服务能力，从而吸引大量人才、资金、技术等有利要素进入集聚区域，为区域经济发展方式提供进一步优化组合的可能。因此，我国中央及地方纷纷提出要建设国际金融中心（北京、上海、深圳等）和区域金融中心（武汉、重庆、济南、成都等）。

显然金融集聚已经成为建设区域金融中心以及地方经济增长的重要方式。伴随着经济新常态的到来，依赖自然资源、人口红利的粗放式中国经济增长方式开始向要素集约型、创新驱动型转变。产业结构的升级促使金融资源的供给和配置转向金融增速效率较低的第三产业，导致经济增长减速，中国经济进入“结构性减速”时代。①参见金碚《中国经济发展新常态研究》，《中国工业经济》，2015年第5期，第5-18页。由此可见金融发展主要依靠金融集聚，并通过产业结构来影响经济增长。因此，金融集聚、产业结构和经济增长之间的关系值得进一步深入探讨。金融集聚的发展是否能推动以及带动本地和周边地区经济发展？在经济发展过程中产业结构与金融集聚是否存在互补关系？产业结构对金融集聚的空间外溢效应是否具有调节作用？东中西部地区三者之间的关系是否存在区域和时空差异？针对以上科学问题，在金融全球化背景下探究金融集聚对经济增长的空间溢出效应和时空异质性，以及产业结构在金融集聚对经济增长空间外溢影响路径中的调节作用，对深化金融制度改革，协调区域间金融资源配置，促进产业升级优化经济发展路径具有重要意义。

二、文献综述

学术界对于金融集聚和经济增长的关系研究比较深入，并积累了大量的成果。已有研究证实，金融集聚与经济增长的影响机制具有非线性、空间外溢性以及时空异质性等特征，并通过金融集聚的外部规模效应、网络经济效应、资源配置效应、溢出效应来实现。金融集聚对当地经济增长具有显著的推动作用，但是在激励创新研发推动经济增长的过程中存在明显的“时滞效应”。①参见李标、宋长旭、吴贾《创新驱动下金融集聚与区域经济增长》，《财经科学》，2016年第1期，第88-99页。金融资源的大量集聚有效降低了交易成本并通过中介体系服务于经济发展。②See Greenwood Jeremy,Jovanovic Boyan.Financial Development,Growth,and the Distribution of Income.Journal of Political Economy,1999,Vol.8,Iss.5,pp.1076-1107.从空间异质视角来看，我国金融集聚存在东中西部梯度递减的特征，而且由于不同区域的金融开放度及市场化程度不同，金融集聚对全要素生产率的影响也存在空间差异。③参见徐晔、宋晓薇《金融集聚、空间外溢与全要素生产率——基于GWR 模型和门槛模型的实证研究》，《当代财经》，2016年第10期，第45-59页。金融集聚不仅显著促进当地经济发展，而且对周边地区经济存在溢出效应。④See Baldwin Richard E,Martin Philippe.Chapter 60 Agglomeration and regional growth.Handbook of Regional & Urban Economics,2004,Vol.4,Iss.4,pp.2671-2711.

随着中国经济发展进入“提质降速”时期，部分学者开始关注金融集聚对产业结构的影响效应。杨义武等发现长三角地区金融集聚与产业结构高级化之间存在长期稳定的均衡关系。⑤参见杨义武、方大春《金融集聚与产业结构变迁——来自长三角16个城市的经验研究》，《金融经济学研究》，2013年第6期，第55-65页。李宝礼等研究发现金融集聚通过产业结构的中介效应正向影响东部城镇化发展。⑥参见李宝礼、胡雪萍《金融集聚对中国城镇化的影响》，《城市问题》，2015年第10期，第55-62页。于斌斌基于空间面板模型发现产业发展阶段和城市规模限制着金融集聚对产业结构升级的影响效应和空间溢出效应。⑦参见于斌斌《金融集聚促进了产业结构升级吗:空间溢出的视角——基于中国城市动态空间面板模型的分析》，《国际金融研究》，2017年第2期，第12-23页。

综上所述，文章创新和贡献主要有3个：首先，从金融规模、金融密度、金融深化三方面测度了金融集聚程度，并从产业结构的合理化水平和高级化水平来考察金融集聚与经济增长的关系，弥补了金融集聚水平和产业结构化指标较为单一，导致测算结果不够科学性的缺陷；其次，以往研究只建立了金融集聚、产业结构和经济增长两两之间的关系，或者将产业结构作为中介变量，忽略了产业结构在金融集聚对经济增长空间溢出效应中调节作用的探讨，未能深入揭示三者之间的内在关联。文章利用空间杜宾模型，检验了金融集聚对经济增长的直接效应、间接效应和总效应。并构建中介调节模型分析产业结构对此空间外溢效应的调节作用；最后，多数学者都从地理异质性的角度考察金融集聚、产业结构、经济增长的关系，忽略了不同时期对三者关系的影响。文章基于时空异质性角度，分区域分时段分析了产业结构在调节东中西部地区空间溢出效应的异质性特征。

三、理论框架

（一）金融集聚对经济增长的影响机制

金融集聚一般通过集聚规模效应、资源配置效应、空间溢出效应、创新环境效应来推动经济增长（见图1）。

1.集聚规模效应

金融集聚的规模效应不仅包括金融资源聚集的规模扩张，还包括辅助性行业的集聚。金融要素的规模集聚可以降低金融机构间的金融周转成本，帮助金融机构利用公共基础设施与其他辅助性行业进行沟通，通过提升金融服务其他部门的能力促进区域经济增长。Bencivenga 等指出金融的规模集聚会形成区域金融网络，每增加一个金融机构或者辅助性单位，金融网络中各节点之间的联系将成倍的增加。而且金融网络中的每个节点都发挥着信息传输以及资金流通的作用，金融系统网络的便利降低了企业或机构投资流动性约束及投资风险。⑧See Valerie R Bencivenga,Bruce D Smith,Ross M Starr.Transaction Costs,Technological Choice,and Endogenous Growth.Journal of Economic Theory,1995,Vol.67,Iss.1,pp.153-177.

2.资源配置效应

金融网络的建立为金融中介筛选投资项目信息提供了便利，各金融机构既是金融网络的信息发出站，同时也是信息中介和信息收集站，从而促使金融资源流向投资价值更高的部门。①See Francisco J Buera,Joseph P Kaboski,Yongseok Shin.Finance and Development:A Tale of Two Sectors.American Economic Review,2011,Vol.101,Iss.5,pp.1964-2002.金融网络化信息及资源流通机制的发展可以促进金融资源在各主体之间的高效率组合和专业化分工。

3.空间溢出效应

随着信息科技的发展，地理限制对金融服务的影响作用越来越小，金融服务扩展到周边地区，理论界也开始从空间地理视角探究金融集聚的溢出效应。而一个地区金融集聚往往经历“极化效应”和“涓流效应”两个阶段，在“极化效应”阶段，金融发达地区通过吸收周边地区的金融资源来积累有利要素，从而会遏制周边地区金融市场发展。随着金融集聚规模的扩张，集聚区对周边区域将产生“涓流效应”，即周边地区从集聚区获取金融要素刺激本地区经济发展。金融集聚在促进本地区经济同时，对周边区域有强烈的溢出效应。②参见李思霖、魏修建《我国金融集聚与经济增长的空间相关性研究》，《财经问题研究》，2017年第3期，第57-61页。但由于金融市场中金融信息存在信息不对称以及“损耗性传递”的劣势，金融信息的有效性会随着地理距离的增加而衰减。

4.创新环境效应

金融集聚过程中，金融资源的积累也会产生创新资源的集聚，而科技创新对经济的推动作用毋庸置疑。金融集聚过程中金融市场和辅助行业的发展使投融资更为便利，为技术进步和创新提供了所需的资金支持，缓解了新技术、新工艺、新产品的信贷约束问题。同时金融网络也成为创新信息的传递通道，为创新主体创造了一个集资金、人才、技术、制度、基础设施较为完善的创新环境。

（二）产业结构的调节作用机制

金融集聚对经济增长的影响主要是通过影响产业结构升级的速度和效率得以实现的。金融集聚通过规模效应和范围经济效应提高了金融资源的流动能力和配置效率，降低了产业升级过程中的资金约束，然后金融机构等相关行业利用资源、信息共享等集聚优势，加快了生产要素在产业间的高效配置，产生的“结构红利”促进了经济的持续增长。③See Levine Ross,Zervos Sara.Stock Markets,Banks and Economic Growth.American Economic Review,1998,Vol.88,Iss.3,pp.537-558.并且，产业结构也影响着金融集聚的空间外溢效应。首先，不同产业部门在金融资源上处于竞争关系，当产业结构不合理或者高级化程度不高时容易造成金融资源分配不合理。因此金融机构基于信贷风险的考虑把资源投放到低风险低附加值的产业，而需要金融大力支持的产业得不到足够的金融服务。由此可见，产业结构不仅调节着金融集聚的空间外溢性，而且是中国经济发展方式转向质量效率型增长的主要影响因素。

图1 金融集聚促进经济增长的作用机制过程图

四、金融集聚空间演变及分布特征

（一）金融集聚水平指标的构建

目前关于金融集聚水平的评价指标还没有统一的标准，多数学者从金融业区位熵、空间基尼系数等单一指标衡量金融集聚水平，也有学者建立指标体系进行综合评价。④参见丁艺、李靖霞、李林《金融集聚与区域经济增长——基于省际数据的实证分析》，《保险研究》，2010年第2期，第20-30页；石沛、蒲勇健《金融集聚与产业结构的空间关联机制研究》，《技术经济》，2011年第1期，第39-44页；等。比如殷兴山等从金融规模、金融聚集程度等维度建立指标体系衡量金融产业集聚情况。①参见殷兴山、贺绎奋、徐洪水《长三角金融集聚态势与提升竞争力分析》，《上海金融》，2003年第8期，第42-44页。文章通过参考已有研究，并考虑了数据的获得性及代表性，确定从金融规模、金融密度以及金融深化三个维度构建金融聚集水平的指标体系，并使用熵值赋权法对金融集聚进行测算。②数据来源于国研网数据库和中国经济与社会发展统计数据库。由于文章样本为面板数据，为了使不同年份测算结果更具可比性，对各年份横截面指标数据进行无量纲和标准化处理，各二级指标的权重如表1所示。

表1 区域金融集聚水平评价指标体系

（二）中国省域金融集聚空间演变及分布特征

1.总体特征

随着中国金融改革不断深化、建设国际以及区域金融中心的战略逐步推进，2006—2017年，中国区域金融集聚水平不断提升，同时呈现出空间异质性增强的态势（图2）。③数据来源于国研网数据库和中国经济与社会发展统计数据库。2006—2017 年间，中国区域金融集聚平均水平稳步提升，从2006 年0.035 增加到2017 年0.162。但是从变异系数来看，2006—2017 年间中国区域间的金融集聚水平的空间差异明显增强，从2007 年之后空间差异呈现持续增加的态势，2017年已经达到了0.129。为此，文章建立2006与2017年金融集聚水平的柱状堆积图，对31 省市金融集聚的空间分化情况进行分析（图3）。

图2 中国31省市金融集聚平均水平及变异系数

图3 2006、2017年31省市金融集聚水平分化情况

图3 发现，整体上2006—2017 年间各区域的金融集聚水平都有所提升，但各区域提升幅度存在明显差异，呈现出东中西梯形递减态势，而且差距不断扩大。2006年，只有北京、上海、山东、广东的金融集聚水平超过了0.1。到了2017 年，北京、上海的金融集聚水平已经达到0.4以上，沿海经济发达地区（江苏、广东）也都达到了0.3 以上，但西北地区（除陕西）金融集聚水平仍未达到0.1，中部地区也只有湖北达到0.2以上，呈现出“高—高、低—低”的集聚现象。说明天津、江苏、山东、浙江、广东、湖北、四川、重庆这些围绕金融中心的地区金融集聚水平较高，而偏远地区譬如新疆、青海、宁夏、甘肃、陕西聚集水平就很低。

2.31 省市金融集聚水平空间格局及演变

为了进一步的研究金融集聚的空间分布及演变特征，文章将12 年间金融集聚水平的最大值和最小值划分为最低（0—0.04）、较低（0.04—0.08）、中等（0.08—0.15）、较高（0.15—0.25）、最高（0.25—0.7）五个等级，并划分2006—2009、2010—2013、2014—2017三个时段考察其空间分布的演变情况。

可以发现4 点特征：（1）整体上各省市的金融集聚水平都呈现出稳步递增态势，三个时段各省市金融集聚平均水平分别为0.045、0.073 和0.102。（2）金融集聚水平较高的省市主要位于中国东部沿海地区，第一时段中，只有北京（0.15）、上海（0.20）、浙江（0.09）、广东（0.10）处于金融集聚中等及以上的等级，其中上海是唯一达到较高水平的城市。而中西部以及东北广大地区处于金融集聚程度的最低等级。而到了第二时段时，上海率先跨入金融集聚最高等级，达到了0.325。北京（0.23）、江苏（0.17）、浙江（0.16）、广东（0.16）也迈入了金融集聚较高水平。西北地区除陕西以外，还处于最低水平。第三时段时，达到最高等级门槛0.25的已经有北京（0.37）、上海（0.47）、江苏（0.29）、广东（0.27）四个地区。浙江（0.19）、山东（0.16）、天津（0.20）也都步入较高等级。整体上所有区域都跨过了0.04的最低水平线。（3）各省市的金融集聚水平呈现出明显的“高—高”（北京—天津、江苏—上海—浙江、广东—福建、重庆—四川）、“低—低”(贵州—广西—云南、新疆—青海—甘肃—宁夏—西藏、黑龙江—吉林)的分布特征。（4）沿海或者金融中心地区往往集聚水平较高，比如国家金融中心北京和上海，沿海地区山东、江苏、浙江、广东、福建的金融集聚水平要高于其他地区。

五、模型设定与变量选择

（一）模型设定

为考查省域金融集聚水平对地区经济增长的空间溢出效应，以及地区产业结构对此溢出效应的调节作用。根据LeSage 和Pace的介绍，空间依赖性主要来源于空间滞后效应和空间误差效应，因此构建了空间滞后面板模型和空间误差面板模型。①See R Kelley Pace,James P LeSage.A sampling approach to estimate the log determinant used in sp-atial likelihood problems.Journal of Geographical Systems,2009,Vol.11,Iss.3,pp.209-225.

空间滞后面板模型(SLM、SAR)：

空间误差面板模型(SEM)：

其中，Yit、X'it是被解释变量和N*k 的外生解释变量矩阵，i和t代表横截面和时间序列。β、ρ以及λ是系数矩阵空间自回归系数和空间自相关系数向量。WNT是利用克罗内克积计算出的面板空间权重(WNT=I T⊗WN)，其中I为单位矩阵，T为时间跨度。

而在现实经济活动中，不仅因变量存在空间溢出效应，自变量也存在空间溢出效应。地区经济增长不仅受到自身金融集聚和产业结构以及周边相邻地区经济增长的影响，而且还受到周边地区金融集聚和产业结构的空间溢出效应。所以，考虑到自变量的空间依赖性，本文构建了空间杜宾模型。

空间杜宾模型(SDM)：

其中，ρ和θ分别衡量空间依赖性和空间溢出效应的大小。

（二）空间效应分解

在空间面板模型中纳入空间因素来考察解释变量对被解释变量的影响时，不能只关注解释变量系数β，更需要考虑空间依赖性系数ρ以及空间溢出效应系数θ，单一系数不能直接衡量解释变量的空间溢出效应。因此，LeSage 利用偏微分方法对空间效应进行分解，方便学者对回归系数进行 合理解释。首先，将空间杜宾模型(3)改写为：

其中，INT为T 期的N 阶空间面板单位矩阵，Xr为第r 个解释变量，θr为第r 个解释变量的空间溢出效应系数。

对(5)式展开为矩阵形式：

将因变量对解释变量偏微分可以得到：

由此可见，区域j解释变量xjr对任意区域i的 因变量都存在影响，当i=j时，则有：

式（10）为矩阵Sr(WNT) 主对角线的第i个元素值，表示地区i解释变量xir对本地区i的因变量yi的直接冲击，用以衡量地区因变量受到其自身解释变量的影响。同时，矩阵Sr(WNT) 主对角线的所有元素值之和的平均值则代表着变量xr的平均直接效应：

在式(11)中，矩阵Sr(WNT) 主对角线以外的元素值表示当i≠j时，地区j的解释变量xr对地区i被解释变量yi的影响效应，用以衡量被解释变量yi受到其他周边地区解释变量xr的间接效应。同时，矩阵Sr(WNT) 主对角线以外的所有元素值之和的平均值则代表着解释变量xr的平均间接效应。

（三）变量选择

因此，文章建立空间计量模型对金融集聚的空间溢出效应以及产业结构对此溢出效应的调节效应进行实证分析，根据所研究问题选择如下变量。

1.因变量

经济增长。文章使用地区人均GDP进行衡量地区经济水平，以消除人口因素的干扰，使用代码PGDP表示。为消除量纲，对其进行中心化处理。

2.核心解释变量

金融集聚水平。文章通过构建指标体系来综合衡量区域金融集聚水平，使用代码JRJJ 表示。具体测算方法见上文。

3.调节变量

产业结构合理化①Rat值越小，表示产业结构合理化水平越高；Opt值越大，产业结构高级化水平越高。。对此概念，学术界尚未形成统一的定义。干春晖等认为产业结构合理化是各生产部门生产率水平相等时的经济均衡，是产出结构与就业结构的协同耦合。②参见干春晖、郑若谷、余典范《中国产业结构变迁对经济增长和波动的影响》，《经济研究》，2011年第5期，第4-16页。何德旭等则将其定义为产业结构变动中的资源再配置。③参见何德旭、姚战琪《中国产业结构调整的效应、优化升级目标和政策措施》，《中国工业经济》，2008年第5期，第46-56页。文章则把产业结构合理化定义为一二三产业协同发展下资源的有效配置，并对它的量化指标进行了定量分析：

其中，Yi为第i产业增加值，Y为总产值；Li为第i产业就业人数，L为总就业人数。当三次产业生产率都与总生产率相等时，则达到经济均衡，Rat=0 。所以，Rat表示与经济均衡时产业结构合理化的偏离程度，Rat越接近于0，产业结构越合理，资源在三产系统中的配置效率越高。

产业结构高级化。它是在产业结构合理化的基础上资源不断向生产率较高部门流入而创造出更高价值的过程。以往学者通常使用产业结构之间的比例考察判断产业结构高级化程度，而忽略了产业结构升级中部门生产率的变化过程。①参见孙晶、李涵硕《金融集聚与产业结构升级——来自2003—2007年省际经济数据的实证分析》，《经济学家》，2012年第3期，第80-86页。刘伟等认为其是各部门生产率演化过程中的资源再分配问题。②参见刘伟、张辉、黄泽华《中国产业结构高度与工业化进程和地区差异的考察》，《经济学动态》，2008年第11期，第4-8页。因此，文章在关注产业结构比例的同时考虑劳动生产率的变化，使用产业比率与劳动生产率的乘积之和衡量产业结构高级化程度：

其中，Optit为产业结构高级化，Lpi为第i产业劳动生产率，为了消除劳动生产率与产业比例之间的量纲差异，文章对劳动生产率进行标准化处理：

其中，LPstdit为标准化后的劳动生产率，LPit为各区域实际劳动生产率，LPis和LPif分别为工业化起点和工业化终点的劳动生产率。根据钱纳里的标准结构模型计算得到工业化起点和终点的人均收入标准分别为881美元和13 219美元，具体思路和计算过程请参看原文。③See John R Hanson.Industrialization and Growth:A Comparative Study By Hollis Chenery,Sherman Robinson;and Moshe Syrquin.New York:Oxford University Press,1986,Vol.48,Iss.3,pp.387-802.

4.控制变量：（1）地区消费水平(ZFXF)，用政府财政支出占地区GDP比重来衡量；（2）进出口贸易(MY)，用贸易依存度(进出口总额占GDP 比重)进行衡量；（3）人力资本水平(PCEE)，采用区域人均教育经费，并进行标准化处理；（4）科技水平(JSJB)，选择区域发明专利申请授权数，并进行标准化处理。分别用来研究地区消费水平、进出口贸易、人力资本和技术的空间溢出效应。

六、实证结果及分析

（一）空间相关性检验

通过对中国31省市金融集聚的空间格局及演化的分析，发现金融集聚在区域之间可能存在空间溢出效应。为此，文章使用Moran's I 指数检验省域金融集聚水平之间的空间相关性，计算公式如下：

其中，S2=(Yi-Yˉ)2,Yˉ=Yi，Wij为空间权重矩阵。莫兰指数I 的大小代表整体空间相关性的水平，一般取值为[-1，1]。I大于0表示区域正相关，小于0 表示区域负相关，等于0 表示无空间相关性。

通常Wij选取空间邻近矩阵来衡量区域间的空间关系，相邻为1，不相邻为0。因为区域之间的地理距离远近和经济关联程度也影响着地区间的空间关系，所以文章除了空间邻近矩阵④文章空间邻近权重设置时，把海南与广东之间设为1，以消除孤岛效应。之外，还建立了空间地理距离权重和经济距离权重。⑤参见林光平、龙志和、吴梅《我国地区经济收敛的空间计量实证分析：1978—2002年》，《经济学》（季刊），2005年第S1期，第67-82页。空间地理距离权重以省市间铁路运输里程的倒数衡量区域间的空间关系，空间经济距离权重使用地区间人均GDP的差额作为地区间“经济距离”的测度指标。⑥数据来源于国研网数据库和中国经济与社会发展统计数据库。三种空间权重对31 省市的金融集聚和经济增长全局空间相关性检验结果如表2所示：

表2 全局空间相关性检验

可以发现，在三种空间权重下2006—2017 年间中国省域金融集聚都在10%的显著性水平下通过了检验，说明金融集聚具有明显的空间相关性，而且呈现出先增强后减弱的“倒U”型特征，所以需要建立空间计量模型对省域金融集聚的空间溢出效应进行研究。

（二）空间计量模型的选择及检验

文章使用2006—2017 年中国31 省市的面板数据，其中地区GDP、第一产业增加值、第二产业增加值、第三产业增加值、进出口贸易数据来源于国研网数据库，其他数据来自中国经济与社会发展统计数据库，其中各变量的缺失数据采用平均法进行补齐。

对于选择空间滞后模型还是空间误差模型，多数学者都借鉴Anselin和Rey蒙特卡罗检验模型建立LM(lag)和LM(err)以及robust LM(lag)和robust LM(err)统计量确定空间效应是来源于内生的空间滞后影响还是空间误差影响①See Luc Anselin,Sergio J Rey.Introduction to the Special Issue on Spatial Econometrics.International Regi-onal Science Review,1997,Vol.20,Iss.1-2,pp.1-7.。首先进行LM检验，结果如表3。LM(lag)和LM(err)在三种空间权重下均在1%的水平上显著，robust LM(lag)和robust LM(err)也在1%的水平上显著，说明空间滞后效应和空间误差效应同时存在，因此文章选择空间杜宾模型。

其次，由于文章使用面板数据，需要考虑无法观测的个体效应是否是自变量所引起。由于文章使用的中国31 省市样本几乎是全部母体，宜使用固定效应模型。再检测个体效应是否与解释变量相关。Hausman检验结果为-9.36，说明随机效应的干扰项与解释变量不相关的假设不满足，拒绝随机效应，所以文章建立固定效应空间面板杜宾模型。

表3 LM检验结果

（三）全国层面回归结果分析

由于空间计量模型假设样本之间非独立并存在空间依赖性，文章采用MLE估计模型以得到无偏有效的检验结果。①数据来源于国研网数据库和中国经济与社会发展统计数据库。回归结果如表4②由于篇幅所限，文章只列出经济权重下的回归结果。邻近权重和地理权重矩阵下的结论并未发生改变，若有需要可向作者索要。：

表4 空间杜宾模型估计结果

从回归结果来看，除模型(4)外空间自回归系 数ρ在10%的水平下都显著为正，说明地区间的经济发展存在显著的空间依赖性。根据上文，自变量的空间滞后项Wx是各地区与相邻地区的空间加权值，忽略了包含相邻地区之间的溢出效应及回馈效应。解释变量系数不能区分出自变量对本地区因变量和其他地区因变量的影响，所以需要进一步把空间效应分解为直接效应和间接效应分析自变量对本地区和周边地区经济活动的影响，估计结果见表5。

表5 空间效应分解

表5 中发现金融集聚对本地区的经济作用显著为正，而对周边地区存在显著正向的溢出效应，说明“集聚效应”和“涓流效应”同时存在。金融资源的汇集在一定程度上提升了金融系统综合服务能力，但是也会导致本地区金融资源的“拥挤效应”，金融机构进行非良性竞争。而在“极化效应”以及“拥挤效应”下，金融资源会向低竞争区域进行扩散，弥补该区综合服务能力的不足。

产业结构合理化的直接效应是-1.718，说明本地区产业结构合理化水平越高，经济发展越快。间接效应为9.996，说明本地区产业结构合理化水平对邻近地区的经济产生负向溢出效应。一方面，金融资源向某一地理空间集聚的同时，其他产业要素也会随之而来。另一方面，一个区域的产业结构升级往往需要其他区域的产业支撑，通过把周边地区初级产业纳入到本地区产业链条，锁定相邻地区产业升级空间。

产业结构高级化水平的直接效应和间接效应分别为0.771 和2.123，并且都在1%水平上显著。这一结果与产业结构合理化不同，主要原因在于产业结构合理化更注重各产业部门的协同发展，而产业结构高级化则注重要素资源向劳动生产率高的产业流动，这类产业往往受众面广、辐射面积大、扩散效应强。当某些产业劳动生产率的提高优化了该地区产业结构高级化水平时，周边地区会利用地理优势率先学习经验，从而实现产业结构升级与经济增长。

当考虑产业结构在金融集聚对经济增长空间溢出效应中的调节效应时，发现产业结构合理化与金融集聚的交互项直接、间接效应分别为-23.395 和-162.583，并都在1%的水平下通过了显著性检验。说明产业结构合理化水平提高会导致金融集聚对本地区及周边地区经济发展的边际贡献增加，金融集聚与产业结构在促进经济发展时为互补关系，地区产业结构合理化水平的提高可以增强金融集聚的“涓流效应”。

产业结构高级化与金融集聚的交互项的直接、间接效应分别为1.313、2.352，并都在5%的水平上显著。说明产业结构高级化水平提高会导致金融集聚对本地区及周边地区经济发展的边际贡献增加，金融集聚与产业结构高级化同样存在互补关系。一方面，产业结构高级化过程为金融资源从劳动力生产率低的部门向生产率高的部门转移打通路径，实现金融资源的有效配置。另一方面，产业高级化过程中，辅助性行业的发展提升了金融系统的综合服务能力，随着集聚区金融系统辐射范围和强度的增加，集聚区金融资源对周边地区经济活动的空间溢出效应也随之增强。除了核心解释变量之外，控制变量的空间效应分解结果如表6：

表6 控制变量空间效应分解情况

表6 显示了模型控制变量的空间效应分解情况，在产业结构合理化与产业结构高级化作为调节变量的两个模型估计结果中，控制变量的空间效应分解结果没有发生根本性的改变。本地区进出口贸易可以提升本区域的经济水平，同时对周边地区经济发展存在正向空间溢出效应，相邻地区一般通过为进出口贸易发达的地区提供要素资源和初加工产品提升区域经济。区域消费水平和技术进步的回归结果没有通过显著性检验。人力资本对本地区经济存在显著的正向作用，而对周边地区经济有显著负向的空间溢出效应。本地区人才可以获取其他地区资源和收益，吸引其他区域要素资源向“人才高地”聚集，促进本地区经济增长。

（四）地理维度划分样本的空间杜宾面板回归分析

中国东中西部资源禀赋、地理特征差异明显，金融集聚、经济增长的阶段也不一致。所以，把31省市划分为东中西三个子样本揭示金融集聚对经济增长空间溢出效应的地理特征，估计结果见表7。

表7 分样本空间效应分解结果

当不考虑产业结构的调节效应时，东部地区金融集聚对本地区的经济存在显著的正向作用，中西部地区金融集聚对本地区经济作用都不显著。而且，东部地区金融集聚对周边地区的经济发展存在显著的正向空间溢出效应，而中西部地区呈现出负向空间效应，这说明中西部地区的金融集聚还处于极化阶段，吸收周边地区金融资源为本地区经济服务，而东部地区已经从“极化效应”阶段过渡到“涓流效应”阶段。

当考虑产业结构的调节效应时，产业结构合理化水平的提高(Rat越小)可以显著提升东中部地区金融集聚对本地区的促进作用。而且，产业结构合理化水平的提高增强了东西部地区金融集聚的空间溢出效应，而中部地区产业结构合理化水平的提高削弱了金融集聚对周边地区经济的边际贡献。

从产业结构高级化角度考虑时，发现产业结构高级化水平显著增强东中部地区金融集聚对本地区经济的边际贡献。其对西部地区金融集聚效应的调节作用未通过显著性检验，可能与西部地区产业结构高级化水平较低有关，各部门较低的劳动生产率水平挤压了金融资源的流动空间，容易形成低配错配。当关注产业结构高级化对金融集聚间接效应的调节作用时，发现结果与产业结构合理化相同，产业结构高级化水平增强了东西部地区金融集聚对周边地区的空间溢出效应，而中部地区则相反。

（五）时间维度划分样本的空间杜宾面板回归分析

为比较不同阶段金融集聚对经济增长空间外溢效应的时空异质性，依据上文，把2006—2017划分为三个时段，结果如表8。

从表中发现各分时段的空间分解结果与整体时段的回归结果并没有明显的差异，金融集聚在显著促进本地区经济增长的同时也存在强烈的空间外溢效应。产业结构合理化和产业结构高级化与金融集聚存在互补关系，产业结构升级可以显著增强金融集聚的空间外溢效应。对比三个阶段金融集聚对周边地区的空间溢出效应强度时发现其外溢强度随着时间的推移呈现出梯次递增的特征。说明随着时间的推移，金融集聚水平的提升以及产业结构的升级，金融集聚的“涓流效应”愈发强烈。

考察不同阶段产业结构对金融集聚空间外溢的调节差异时，发现产业结构合理化和产业结构高级化对金融集聚的空间外溢调节作用在三个阶段无显著差异，但产业结构合理化的调节作用明显强于产业结构高级化。说明在经济转型时期，产业结构合理化比高级化更重要。

表8 分时段空间效应分解结果

续表8

七、结论和建议

（一）结论

基于2006—2017 年中国31 省市区域的经济活动数据，利用空间杜宾模型，分区域分时段研究金融集聚对经济增长的空间溢出效应及时空异质性，并考虑了产业结构对金融集聚空间溢出效应的调节作用，得出如下结论：一是金融集聚存在显著的空间依赖性，呈现出东中西金融集聚水平梯形递减态势以及高高集聚、低低集聚的空间格局；二是从全国层面来看，金融集聚对本区域经济增长作用显著，同时对周边区域存在显著的正向空间溢出效应。考虑产业结构的调节效应时，产业结构合理化和产业结构高级化都可以显著加强金融集聚对本区域和周边地区经济的推动作用；三是从地理空间层面来看，金融集聚对东中西部地区当地经济表现出“金融促进”作用。东部地区金融集聚对周边区域经济产生显著的“涓流效应”，而中西部地区还处于吸收周边金融要素服务当地经济的“极化效应”阶段。考虑产业结构的调节效应时，产业结构合理化和产业结构高级化都可以促进东中部地区金融集聚服务本地经济的能力，而西部地区产业结构的调节作用不显著；同时，产业结构从合理化和高级化两个维度都增强了东西部地区金融集聚服务周边地区经济的能力，但是由于中部地区金融资源流向了东部地区，产业结构的升级反而削弱了金融集聚的空间溢出效应；四是从时间空间来看，不同阶段金融集聚对本地和周边地区经济增长都是正向影响作用。但随着时空的演进，金融集聚水平的提高以及产业结构的升级，金融集聚的空间溢出效应显著增强，产业结构合理化的调节作用明显强于产业结构高级化。

（二）建议

根据文章研究结论，提出以下建议：

第一，各地方政府在加快建设区域金融中心的同时，需要注意产业结构协同升级，尤其需要注意产业结构合理化水平的提升，防止金融集聚过程中产业金融需求不足，提高金融资源利用效率。

第二，不宜在邻近区域同时建设多个区域金融中心。随着信息技术、基础设施、资本市场的不断完善，金融集聚的辐射范围及金融网络会不断扩大，扩散能力及服务能力也将不断增强。同时建设多个区域金融中心，容易造成区域间金融资源的恶意竞争，阻碍金融集聚从“极化效应”阶段向“涓流效应”阶段的过渡。目前，北京可以辐射华北区域，上海可以辐射华东地区，广州、深圳可以辐射华南地区，成都与重庆可以辐射西南地区，而华中、西北以及东北地区还缺乏能辐射相应区域的金融中心。

第三，从区域层面而言，东部地区需要进一步优化产业结构，增强金融集聚的空间溢出效应。中部地区促进区域间资源有效流通，避免金融资源流向其他地区。西部地区需要金融与产业结构协同发展，基于西部地区自然禀赋弱、要素资源流失严重的情况，需要国家加强对西部地区的政策扶持，引导要素资源向西部地区流入。