紀玉俊，李 超

（中國海洋大學經濟學院, 山東 青島266100）

一、引言

金融產業(yè)集聚實質上是由于金融業(yè)空間分布的不均衡而形成。作為重要的生產性服務業(yè)，金融產業(yè)集聚對區(qū)域經濟增長發(fā)揮著重要作用。金融產業(yè)集聚是伴隨著金融業(yè)的發(fā)展而逐漸形成的，黃解宇等（2006）從地域性、動態(tài)性和符合性角度對金融集聚做出過定義。梁穎（2006）則對金融集聚進行了界定，將其看作是各金融機構總部在地域上特定集中，并與其他地區(qū)大型機構密切聯系的特殊產業(yè)空間機構。關于金融產業(yè)集聚的內涵，林江鵬（2008）從累積經濟性、空間性、層次性和遞進性四個方面進行了總結闡釋。在對金融產業(yè)集聚進行定義和內涵闡釋過程中，也從不同角度反映出了金融產業(yè)集聚對區(qū)域經濟增長的促進作用。

在金融產業(yè)集聚對區(qū)域經濟增長的作用分析方面，國外學者較早開始了研究。相關研究表明，金融產業(yè)集聚能夠提高資源配置效率，降低交易成本促進區(qū)域經濟增長。金融產業(yè)集聚地區(qū)通常存在規(guī)模效應，金融產業(yè)集聚在便利了本地資金的跨時流動與結算的同時，也方便了不同區(qū)域之間資金的流通，提高了區(qū)域資源配置效率（Kindle Berger，1974）。Park（1989）的研究說明，大量金融機構的地理接近便利了金融機構之間的合作、基礎設施的共享、信息的交流溝通和知識及技術的創(chuàng)新，能夠降低融資成本，提高市場流動性。此外，金融產業(yè)集聚形成的金融網絡結構也會通過降低信息的交流和搜尋成本、建立信譽機制、促進合作并降低交易成本來發(fā)揮網絡效應，給實體經濟帶來額外收益（Bencivenga& Starr，1995）。之后，隨著空間經濟學的發(fā)展，金融領域的地理距離和空間相關性的影響逐漸受到重視。較早的一些研究表明美國的區(qū)域經濟發(fā)展不僅存在空間相關性，還存在空間溢出效應（Bernard，1996）。Porteous（1995）將金融信息分為標準化信息和非標準化信息，標準化信息可以通過發(fā)達的通信技術進行便捷的遠距離傳播，而非標準化信息在傳播中會表現出隨距離增加而衰減的特征。這表明空間距離仍然是金融產業(yè)集聚發(fā)揮其作用不可回避的一個影響因素，“地理已死”的論斷（Obrien，1992）難以成立。Baldwin &Martin（2001）發(fā)現金融產業(yè)集聚不僅促進本地經濟的增長，對周邊地區(qū)也存在輻射作用，不同城市之間經濟發(fā)展存在相互依賴關系。進一步，Audress & Feldman（2006）對輻射作用進行了研究，表明地理空間距離對地區(qū)間的技術擴散效應有一定的阻礙作用，而金融產業(yè)集聚會產生一定程度的知識溢出效應，有利于集聚區(qū)內知識學習和本地區(qū)技術創(chuàng)新能力的提高。

國內學者亦有相關研究證實了金融產業(yè)集聚對區(qū)域經濟增長的促進作用。金融產業(yè)集聚具有金融集聚效應、金融擴散效應以及金融功能效應，三種效應可以分別通過不同機理促進實體經濟增長（劉軍等，2007）。陳文鋒等（2008）通過格蘭杰因果檢驗方法檢驗上海市金融產業(yè)集聚與經濟增長的關系，發(fā)現金融產業(yè)集聚與經濟增長之間存在長期協整關系。丁藝（2010）基于我國31個省（自治區(qū)、直轄市）的面板數據的研究發(fā)現，在省域層面上，金融產業(yè)集聚與經濟增長彼此促進，并且銀行業(yè)集聚對區(qū)域經濟增長的貢獻比證券業(yè)和保險業(yè)更為明顯。李林等（2011）運用空間計量分析方法分析我國金融集聚存在空間相關性，而且其空間輻射能力有限，空間相關性主要體現在銀行業(yè)集聚。另外，周凱等（2013）將金融資源分為銀行業(yè)金融資源、證券業(yè)金融資源和實際利用外資三部分，基于省域空間面板數據，通過構建空間滯后模型和空間誤差模型證實了金融資源空間集聚對經濟增長產生顯著的空間溢出效應。金融集聚還可以通過對工業(yè)效率的提升，提高經濟整體的運行效率，進而促進經濟增長。余泳澤等（2013）利用我國230個城市數據，采用空間計量模型的分析結果表明，金融空間集聚對工業(yè)生產效率提升的空間外溢效應較為明顯，且表現為一定的區(qū)域邊界。進一步，李紅等（2014）基于我國286個城市面板數據，構建了金融人力資本、金融集聚規(guī)模、金融產出密度等指標，采用空間杜賓模型檢驗了金融集聚及其空間溢出與城市經濟增長的關系。結果表明，金融人力資本、金融集聚規(guī)模和金融產出密度不僅顯著促進城市經濟增長，在鄰近城市還存在顯著空間溢出效應，同時也是城市經濟發(fā)展差異的重要原因。

本文在目前的研究成果上，將全國225個地級市作為樣本，以金融業(yè)區(qū)位熵作代理變量來表示金融產業(yè)集聚，并引入固定資本投入、外商直接投資和人力資本投入三個控制變量。在空間權重矩陣的設定上，采用利用各地級市的經緯度坐標計算得到的空間權重矩陣，并通過固定效應的空間滯后模型實證分析我國金融產業(yè)集聚與區(qū)域經濟增長的關系。

二、研究方法、變量選取與數據來源

本文重點是采用空間計量經濟學的方法，探討金融產業(yè)集聚對我國城市經濟增長的影響。因此，本部分重點說明本文所使用的研究方法以及所涉及到的具體空間計量模型，并對變量的選取和數據來源及處理做簡要說明。

（一）研究方法

1. 空間效應的引入

空間計量經濟學能夠快速發(fā)展并取得認可，主要原因在于通過在模型中引入空間效應，該理論對現實的解釋能力比傳統(tǒng)的計量經濟學理論更強。引入空間效應的依據是在經濟學領域里，很大一部分的統(tǒng)計數據具有某種程度上的空間聯系，學術界一般將空間聯系分成空間依賴性和空間異質性。這也是空間溢出效應的兩種主要表現形式。

空間依賴性的存在使得空間數據間不具有獨立性，空間異質性的存在說明研究主體在空間上非平穩(wěn)。這兩種性質均表明，空間數據的特征不再符合經典計量經濟學方法所要求的樣本獨立不相關假設以及所有樣本均來自同一總體的假設(Anselin, 1988)。傳統(tǒng)的計量分析工具對空間數據的分析能力降低。

基于上述分析，本文首先對基于我國地級市的金融集聚、經濟增長的數據指標做空間相關性的分析，在明確數據具有空間相關性的基礎上，從空間依賴性和空間異質性兩方面來分析空間溢出效應。

2. 探索性空間數據分析

探索性空間數據分析(Exploratory Spatial Data Analysis, ESDA)，主要用于探測空間分布的非隨機性或空間自相關性，常使用兩類工具：第一類是全局空間自相關檢驗，主要用來刻畫空間數據在空間區(qū)域整體上的分布特征；第二類是局部空間自相關檢驗，主要用來反映具體地區(qū)的空間相關性。

（1）全局空間自相關檢驗

全局空間自相關檢驗的方法主要有Moran指數和G系數兩種，本文使用較為常用的Moran指數 。Moran指數的計算公式為：

Moran指數的取值范圍介于-1到1之間，指數大于0時，表示正相關，具有相似屬性值的空間單元傾向于集聚在一起；指數小于0時，表示負相關，具有相異屬性值的空間單元傾向于集聚在一起；指數接近于0時，表示無空間自相關性。

（2）局部空間自相關檢驗

本文主要使用Moran散點圖來進行局部空間自相關分析。Moran散點圖橫坐標為每個空間單元屬性值的離差，縱坐標為相應的空間滯后項，代表周邊單元屬性值的加權和。Moran散點圖共分四個象限，分別代表四種局部空間相關性。第一象限表示屬性值較高的空間單元被屬性值高的地區(qū)所包圍，也稱HH象限；第二象限表示屬性值較低的空間單元被屬性值高的地區(qū)所包圍，也稱LH象限；第三象限表示屬性值較低的空間單元被屬性值低的地區(qū)所包圍，也稱LL象限；第四象限表示屬性值較高的空間單元被屬性值低的地區(qū)所包圍，也稱HL象限。

3. 空間計量模型

空間計量模型主要有兩種：空間滯后模型（Spatial Lag Model，SLM）和空間誤差模型（Spatial Error Model，SEM）。

（1）空間滯后模型主要用來分析變量的空間依賴性，探討各變量在一地區(qū)是否有擴散現象（溢出效應），其模型表達式為：

Wy 為空間滯后因變量，W 為空間權重矩陣，ρ為空間自回歸系數，表示空間溢出效應的大小，向量β代表各解釋變量對被解釋變量的影響，ε為隨機誤差項向量。

（2）空間誤差模型是主要用來分析誤差項的空間相關性，其模型表達式為：

ε為隨機誤差項向量，μ為服從正態(tài)分布的隨機誤差項向量，W 為空間權重矩陣，λ代表空間自相關系數，反映模型的因變量誤差沖擊導致的臨近地區(qū)對本地區(qū)屬性值的影響程度。

（二）變量選取及說明

1. 被解釋變量為人均地區(qū)生產總值。一般采用地區(qū)生產總值或者人均地區(qū)生產總值作為衡量因變量經濟增長的指標。鑒于本文所選樣本為全國225個地級市，樣本量多且樣本之間差異較大，為消除人口因素所引起的地區(qū)經濟增長差異，本文選取人均地區(qū)生產總值作為衡量因變量的指標。

2. 解釋變量為金融集聚度。有多種指標可以用來衡量金融集聚度，如區(qū)位熵、行業(yè)集中度指數、G指數等，參考已有文獻并結合數據的可得性，本文選取區(qū)位熵（LQ）作為衡量金融空間集聚的指標。理論上金融集聚對經濟增長有促進作用，其系數應為正，這一點也得到已有文獻實證研究的證實（李林等，2011；周凱等，2013）。

3. 控制變量。經濟增長影響因素的構成是經濟學領域的基本問題之一，很多因素都被證實對經濟增長有顯著的影響。參考已有文獻的研究，結合數據可得性，本文選取的控制變量為：

（1）固定資本投入。經典的Solow增長模型表明，資本作為基本的生產要素對經濟增長有重要的促進作用。本文采用固定資本的人均形式，即固定資產投資與年末總人口的比值。

（2）人力資本投入。人力資本可以通過提升勞動者的素質，提高生產效率，進而促進經濟增長。該變量可用教育從業(yè)人員數（余泳澤等，2013）、平均受教育年限（高遠東等，2012）、教育支出等指標來衡量。由于我國各地級市的教育從業(yè)人員素質差異大，教育質量亦有差距，因此，本文認為，在地級市層面上，相對其他指標來說，教育支出應該更具有綜合性和代表性，更能反映各地級市的人力資本投入情況。因此，本文采用人均教育支出（教育支出與年末總人口的比值）來表示人力資本的投入。

（3）外商直接投資。外商直接投資對我國經濟增長的影響已有眾多學者研究，大部分文獻均表明，外商直接投資對我國經濟增長有促進作用（歐陽志剛，2004；姚樹潔等，2006；俞路，2013）。本文亦預期人均利用外資額的系數為正，該指標采用當年實際使用外資金額與年末總人口的比值。

根據上述的變量選取及說明，本文的空間計量模型為：

空間滯后模型：

空間誤差模型：

其中，PGDP 表示以人均地區(qū)生產總值為代理變量的城市經濟增長，LQ表示金融產業(yè)的集聚程度，K 表示人均固定資產投資，FDI 為人均利用外資額，HUM為以人均教育支出為代理變量的人力資本投入，ρ為空間自回歸系數，λ代表空間誤差自相關系數。W為空間權重矩陣，參照吳擁政等（2009）和李林（2011），本文利用各地級市的經緯度坐標，在MATLAB7.0中使用xy2cont函數計算得到。

由于空間滯后模型中存在被解釋變量的空間滯后項，空間誤差模型中也存在誤差的空間滯后項，同時，本文雖然是以研究金融產業(yè)集聚對區(qū)域經濟增長的促進作用為目的，但在某種程度上區(qū)域經濟增長對金融產業(yè)集聚發(fā)展的正面作用也會存在。以上問題會使模型存在內生性問題，如果使用普通最小二乘法（OLS）估計會導致估計量有偏或存在不一致性，一般需要用極大似然法（ML）或工具變量法（IV）等來估計。本文即采用極大似然法（ML）來估計相應的空間計量模型，具體操作在MATLAB7.0中使用James P. LeSage的空間計量經濟學工具包實現①空間計量經濟學工具包來源于http://www.spatial-econometrics.com/。

（三）數據來源及處理

本文中所有變量的數據均來自《中國城市統(tǒng)計年鑒》，統(tǒng)計年度為2007年至2012年，共六年。參考余泳澤、宣燁等（2013）的做法，鑒于金融業(yè)主要集中在城市，樣本的統(tǒng)計范圍限定為市轄區(qū)。由于某些地級市的數據缺失，具體使用時，對數據缺失較嚴重的地級市進行了剔除，最終采用225個地級市的數據。同時，為減小數據異方差性等對估計的影響，所有變量的值均取自然對數。

三、空間計量分析的實證結果

本文第三部分首先進行探索性空間數據分析，明確了空間相關性的存在，然后對第二部分建立的空間計量模型進行估計，并對估計結果予以說明。

（一）基于Moran指數和Moran散點圖的空間相關性檢驗

表1給出了人均地區(qū)生產總值和金融集聚度的Moran指數、Z值及檢驗結果。

表1 人均地區(qū)生產總值與金融集聚度的Moran指數及檢驗

從表1可以看出人均地區(qū)生產總值和金融集聚度的Moran's I均為正值，而且，人均地區(qū)生產總值的Moran's I均通過1%水平下的顯著性檢驗。金融集聚度2009年的Moran's I通過10%水平下的顯著性檢驗，2010年的Moran's I未通過顯著性檢驗，其余四年均通過1%水平下的顯著性檢驗，Moran's I呈現先下降后上升的趨勢，這可能與2008年的全球金融危機對我國金融業(yè)的沖擊有關?？傮w上，我國地級市層面的人均地區(qū)生產總值和金融集聚度在空間分布上顯示出顯著的正空間相關性。

Moran散點圖可以更加直觀地呈現出各地級市的人均地區(qū)生產總值和金融集聚度的空間相關性。限于篇幅，本文只列出2007年和2012年人均地區(qū)生產總值和金融集聚度的Moran散點圖，如圖1至圖4所示。

圖1和圖2顯示各地級市位于第一象限和第三象限的居多，表明各地級市的人均地區(qū)生產總值有明顯的正向空間相關性。從圖3和圖4可以看出，金融集聚度這一指標上，大部分地級市都處于第一象限和第三象限，說明金融集聚度高的地級市被高金融集聚水平的地級市所包圍，金融集聚度低的地級市被低金融集聚水平的地級市所包圍。

圖1 2007年人均地區(qū)生產總值的Moran散點圖

圖2 2012年人均地區(qū)生產總值的Moran散點圖

圖3 2007年金融集聚度的Moran散點圖

圖4 2012年金融集聚度的Moran散點圖

（二）空間計量模型實證結果分析

1. 空間滯后模型和空間誤差模型的選擇

為了判別空間滯后模型和空間誤差模型哪一個更符合客觀實際，Anselin等（1995）提出一種區(qū)分模型的檢驗方法——空間滯后模型和空間誤差模型的拉格朗日乘子(Lagrange multiplier,LM)檢驗及其穩(wěn)健性(Robust)形式。如果在檢驗中發(fā)現LM-LAG比LM-ERR在統(tǒng)計上更加顯著，并且R-LMLAG顯著而R-LMERR不顯著，則可以認為空間滯后模型更合適。相反，如果LMERR比LM-LAG在統(tǒng)計上更加顯著，并且R-LMERR顯著而R-LMLAG不顯著，則可以認為空間誤差模型更合適。LM檢驗的結果如表2所示。

從表2中可以看出，LM-LAG統(tǒng)計量大于LM-ERR統(tǒng)計量，并且R-LMLAG在1%的水平下通過了顯著性檢驗，而R-LMERR未通過顯著性檢驗，據此可認為空間滯后模型更適合。

表2 LM檢驗結果

2. 空間計量模型估計結果

在對數據估計之前，為確定應該采用固定效應模型還是隨機效應模型，本文進行了Hausman檢驗。結果表明，Hausman統(tǒng)計量的值在1%的水平下顯著，因此，本文采用固定效應模型進行估計，并且分別對地區(qū)固定效應模型、時間固定效應模型、地區(qū)時間固定效應模型進行估計。作為對比，本文同時給出了空間滯后模型和空間誤差模型的估計結果，如表3所示。

表3 空間滯后模型和空間誤差模型的估計結果

從表3中可以看出，空間滯后模型的擬合優(yōu)度（R2）和對數似然函數值（Log-likelihood）均大于空間誤差模型的R2和Log-likelihood，所以理論上相對于空間誤差模型，空間滯后模型更好地擬合了空間效應，這也與LM檢驗結果相一致。此外，在擬合優(yōu)度（R2）和對數似然函數值（Log-likelihood）兩個指標上，地區(qū)固定效應模型和地區(qū)時間固定效應模型要優(yōu)于時間固定效應模型。綜合考慮各指標的結果，本文采用地區(qū)固定效應的空間滯后模型作為最終的解釋模型。

從空間滯后模型的估計結果可以看出，代表金融產業(yè)集聚的區(qū)位熵的系數為正，并且在10%的水平下通過了顯著性檢驗，說明在全國地級市層面上金融產業(yè)集聚對地區(qū)經濟增長有顯著促進作用，加強金融產業(yè)集聚可以促進城市經濟增長，證實了本文在第二部分對該變量影響的預期?？臻g自回歸系數（ρ）為0.541，且在1%的水平下通過了顯著性檢驗，某一地區(qū)的經濟增長對鄰近地區(qū)會產生溢出效應，進而表明我國各地級市之間經濟增長的溢出效應較為明顯，潘文卿（2012）的研究也認為空間溢出效應是中國地區(qū)經濟發(fā)展不可忽視的重要影響因素。

加強金融產業(yè)集聚除了可以促進本地區(qū)的經濟增長外，還可以通過溢出效應對鄰近地區(qū)產生積極影響。金融產業(yè)集聚的空間溢出效應機制可以用“積累循環(huán)因果關系”（繆爾達爾，1957）來解釋，也就是說金融產業(yè)首先在一個地區(qū)形成集聚態(tài)勢后，會通過積累循環(huán)不斷擴大本地的市場規(guī)模，逐漸演變?yōu)閰^(qū)域金融中心。但隨著本地市場競爭的加劇、金融服務的供給大于需求，金融機構會在鄰近地區(qū)開拓市場，通過提供金融服務而促進鄰近地區(qū)的經濟增長，這就表現為金融產業(yè)集聚對經濟增長的空間溢出效應。

金融產業(yè)集聚的空間溢出效應除了體現為上述的服務性溢出，還可以體現為信息性溢出（余泳澤等，2013）。信息性溢出主要表現在區(qū)域金融中心作為“信息腹地”（Zhao，2013）能夠對外提供金融信息（包括標準信息和非標準信息）。服務性溢出可以通過交易途徑完成，而信息性溢出通過市場交易的形式難以有效實現。金融集聚地區(qū)與其鄰近地區(qū)之間存在信息不對稱，金融信息尤其是非標準信息由集聚地區(qū)向鄰近地區(qū)傳播，會對鄰近地區(qū)的金融機構產生積極的引導、示范等作用，進而對鄰近地區(qū)的經濟增長產生促進作用。信息性溢出中的知識及技術的溢出效應具有代表性，金融機構在某一地區(qū)的集聚，會產生知識、技術、人才等要素的流動及溢出，而金融領域的新知識、新技術往往具有非標準信息的特點，這使得知識及技術的空間傳播能力受地理距離的影響較大，更易表現出集聚地區(qū)對鄰近地區(qū)的輻射作用，即空間溢出效應。

另外，金融產業(yè)集聚的網絡效應和規(guī)模經濟效應也是其空間溢出效應得以發(fā)揮的原因。網絡效應和規(guī)模經濟效應能夠降低信息交流、市場交易等成本，提高金融機構的運行效率，使其服務本地區(qū)及鄰近地區(qū)的能力得以加強。當前信息通信技術的發(fā)展也為各種空間溢出形式的實現提供了技術上的可能性。

三個控制變量系數均為正值，并且均在1%的水平下通過了顯著性檢驗，說明固定資本投入、外商直接投資和人力資本投入均能顯著促進地區(qū)經濟增長，這也與本文之前的預期一致。其中，三個控制變量中，人力資本投入對經濟增長的影響最大，這說明教育投入非常重要，各地方政府對教育領域的支出要有足夠的支持。

在對全國225個地級市分析的基礎上，本文還對我國東部、中部、西部三大區(qū)域分別進行了分析。參考李紅等（2014）的劃分標準，三大區(qū)域的具體劃分如表4所示。

表4 我國東部、中部及西部地區(qū)的劃分

按照表4的區(qū)域劃分，剔除部分地級市之后，東部地區(qū)包括100個地級市，中部地區(qū)包括90個地級市，西部地區(qū)包括35個地級市。為了與全國地級市層面的分析保持一致，對三大區(qū)域的分析，均采用地區(qū)固定效應空間滯后模型，估計結果如表5所示。

表5 我國東部、中部及西部地區(qū)固定效應空間滯后模型的估計結果

估計結果中三大區(qū)域的金融業(yè)區(qū)位熵系數為正，但均不顯著，本文數據統(tǒng)計年度為2007年至2012年，基本上處于2008年全球金融危機對我國金融業(yè)沖擊影響時間范圍內。東部地區(qū)是三大區(qū)域中金融業(yè)最發(fā)達的，也是受沖擊最大的，在此時間范圍內，也可能使得金融產業(yè)集聚對經濟增長的促進作用不能有效發(fā)揮。中西部地區(qū)金融業(yè)相對落后，金融危機發(fā)生后，對經濟增長的促進作用也受到一定程度的抑制。因此，雖然在全國層面上，金融產業(yè)集聚對經濟增長的促進作用顯著，但具體到各區(qū)域，其變量并沒有通過顯著性檢驗。

表5的估計結果同時顯示，三大區(qū)域的空間自回歸系數（ρ）均顯著為正，進一步說明我國東、中、西部各地級市之間金融產業(yè)集聚的空間溢出效應較明顯。從ρ的大小來看，中西部地區(qū)的空間溢出效應要比東部地區(qū)更強一些，這與中西部地區(qū)的區(qū)域經濟發(fā)展差異大、金融資源分布更不均衡有關。在此情況下，中西部經濟發(fā)展水平較高、金融產業(yè)較發(fā)達的地市對鄰近地區(qū)的帶動作用相對更明顯，也即空間溢出效應相對更強一些?；诖耍形鞑康貐^(qū)更應該重視如何發(fā)揮金融產業(yè)集聚對城市經濟增長的空間溢出效應問題，從而更好地帶動區(qū)域經濟發(fā)展。

從控制變量來看，三大區(qū)域有所不同。東部地區(qū)的固定資本投入、外商直接投資和人力資本投入對經濟增長均有顯著促進作用，但中部地區(qū)的外商直接投資并沒有顯示出顯著的促進作用，西部地區(qū)則是固定資本投入未通過顯著性檢驗。中部地區(qū)處于經濟發(fā)達的東部和更為落后的西部之間，在對外商直接投資的吸引上處于比較尷尬的地位，也就是FDI在區(qū)位選擇上會呈現出“要么更好，要么更壞”的特點，從而使得外商直接投資在中部地區(qū)的城市經濟增長中的作用難以充分發(fā)揮出來。西部地區(qū)的固定資本投入之所以不顯著，可能是由于西部地區(qū)經濟發(fā)展起步較晚，即使有大量的基礎設施建設等固定資本投資，其促進作用的發(fā)揮也會存在一定的時滯，在短期內并沒有顯著的影響。

四、結論及啟示

長期以來，伴隨著我國經濟的快速發(fā)展及科學技術的巨大變革，經濟體系自身特征也在發(fā)生巨大變化。例如，互聯網科技為核心的技術變革，使得信息的傳播速度空前提高，市場的交易成本不斷降低。這使得市場要素和產品的流動性更強，資源配置效率更高，不同地區(qū)間經濟聯系更加密切，相互之間的影響越來越強。金融產業(yè)集聚對經濟增長影響的空間溢出效應就是表現之一，這也是本文所關注的問題。通過本文的實證分析，可以得到如下的結論：

首先，使用探索性空間數據分析方法研究了我國人均地區(qū)生產總值和金融集聚度的空間相關性。結果顯示，人均地區(qū)生產總值存在顯著的正向空間相關性，說明我國不同地區(qū)的經濟增長存在明顯的空間集聚現象。金融集聚度指標雖有一年未通過顯著性檢驗，但總體上仍表現出顯著的正向空間相關性，表明我國金融產業(yè)在空間分布上也有集聚特征。其次，通過構建空間計量模型，對金融產業(yè)集聚與區(qū)域經濟增長的關系進行了實證研究。不管是全國層面還是東、中、西三大區(qū)域的實證分析均表明，存在金融產業(yè)集聚對城市經濟增長的空間溢出效應，也就是金融產業(yè)集聚不僅能促進本地區(qū)的經濟增長，還會對鄰近地區(qū)的經濟增長有促進作用。

依據以上所得的結論，可以得到以下啟示：其一，金融產業(yè)集聚能夠促進城市經濟增長，而且存在空間溢出效應，因此，應該制定進一步加強金融產業(yè)集聚的政策，尤其在金融產業(yè)集聚的促進作用還不顯著的地區(qū)更應該采取相應措施。一方面，政府要摒棄地方保護主義，主動破除金融行業(yè)的行政壁壘，消除體制性障礙，讓金融要素充分流動起來，這將有利于不同地區(qū)間經濟資源的優(yōu)化配置，對經濟的良好發(fā)展有重要幫助。另一方面，金融機構要主動利用互聯網技術開展業(yè)務，提供服務。這不僅能拓展業(yè)務，還能降低運營成本，在更廣的空間內擴大自己的服務范圍，減少地理距離的限制，這最終也會有利于金融產業(yè)集聚對城市經濟增長的空間溢出效應的發(fā)揮。其二，我國的金融產業(yè)發(fā)展水平與發(fā)達國家相比仍處于較低階段，且缺少具有國際影響力的金融中心城市，我國很有必要推動區(qū)域金融中心的建設。區(qū)域金融中心一旦建設發(fā)展起來，相應地區(qū)的金融產業(yè)集聚水平就會得以提高，其對城市經濟增長的促進作用也會顯現出來，而城市經濟的增長也會推動區(qū)域金融中心的發(fā)展。黃解宇等（2006）認為金融中心的形成是金融產業(yè)集聚的結果，因此，加強金融產業(yè)集聚與建設區(qū)域金融中心是一致的。區(qū)域金融中心的建設有利于更好地發(fā)揮金融產業(yè)集聚對城市經濟增長的空間溢出效應。

[1]陳文鋒，平瑛.上海金融產業(yè)集聚與經濟增長的關系[J].統(tǒng)計與決策，2008，(10)：93-95.

[2]丁藝.金融集聚與區(qū)域經濟增長的理論及實證研究[D].湖南大學博士學位論文，2010.

[3]高遠東，花擁軍.人力資本空間效應與區(qū)域經濟增長[J].地理研究，2012，(4)：711-719.

[4]黃解宇，楊再斌.金融集聚論[M].北京：中國社會科學出版社，2006.

[5]李紅，王彥曉.金融集聚、空間溢出與城市經濟增長——基于中國286個城市空間面板杜賓模型的經驗研究[J].國際金融研究，2014，(2)：89-96.

[6]李林，丁藝，劉志華.金融集聚對區(qū)域經濟增長溢出作用的空間計量分析[J].金融研究，2011，(5)：113-123.

[7]梁穎，羅霄.金融產業(yè)集聚的形成模式研究：全球視角與中國的選擇[J].南京財經大學學報，2006，(5)：16-20.

[8]林江鵬，黃永明.金融產業(yè)集聚與區(qū)域經濟發(fā)展——兼論金融中心建設[J].金融理論與實踐，2008，(6)：49-54.

[9]劉軍，黃解宇，曹利軍.金融集聚影響實體經濟機制研究[J].管理世界，2007，(4)：152-153.

[10]歐陽志剛.外商直接投資及其對經濟增長的貢獻[J].財經科學，2004，(6)：83-86.

[11]潘文卿.中國的區(qū)域關聯與經濟增長的空間溢出效應[J].經濟研究，2012，(1)：54-65.

[12]繆爾達爾.經濟理論與欠發(fā)達地區(qū)（中譯本）[M].倫敦：達克沃思，1957.

[13]吳擁政，顏日初.中部六省地級市區(qū)金融發(fā)展與經濟增長的空間面板分析[J].統(tǒng)計與信息論壇，2009，(3)：63-71.

[14]姚樹潔，馮根福，韋開蕾.外商直接投資和經濟增長的關系研究[J].經濟研究，2006，(12)：35-46.

[15]俞路.中國城市經濟增長中FDI的空間溢出效應研究——來自空間面板數據的實證分析[J].區(qū)域經濟評論，2013，(2)：113-119.

[16]余泳澤，宣燁，沈揚揚.金融集聚對工業(yè)效率提升的空間外溢效應[J].世界經濟，2013，(2)：93-116.

[17]周凱，劉帥.金融資源空間集聚對經濟增長的空間效應分析——基于中國省域空間面板數據的實證分析[J].投資研究，2013，(1)：75-88.

[18]Anselin L. Spatial Econometrics: Methods and Models [M]. Dordrecht: Kluwer Academic, 1988.

[19]Anselin L., Bera A. K., and Florax, R., Yoon M.J. Simple Diagnostic Tests for Spatial Dependence [J]. Regional Science and Urban Economics, 1996, 26 (1), pp.77-104.

[20]Audress D., Feldman M. Spillovers and the Geography of Innovation and Production [J]. American Economic Review, 2006, 86 (3),pp. 630-640.

[21]Baldwin R., Martin P. Global Income Divergence Trade and Industrialization: The Geography of Growth Take off [J]. Journal of economic Growth, 2001, (6), pp. 5-37.

[22]Bencivenga V. R, Smith B. D. , Starr R.M. Transactions Costs, Technological Choice, and Endogenous Growth [J]. Journal of Economic Theory 1995, 67 (1), pp. 341-360.

[23]Bernard A., Jones C. Productivity and Convergence across U.S. States and Industries [J]. Empirical Economics, 1996, (21), pp. 113-135.

[24]Berger K., Charles P. The Formation of Financial Centers: A Study of Comparative Economic History [M]. America, Princeton University, 1974.

[25]Obrien R. Global Financial Integration: The End of Geography [M]. London: Royal Institute of International Affairs, 1992.

[26]Park Yoon S., Essayyad M. International Banking and Financial Centers [M]. Boston, Kluwer , 1989.

[27]Porteous J. The Geography of Finance: Spatial Dimensions of Intermediary Behaviour [M]. Aldershot: Avebery, 1995.

[28]Zhao, X. B. Spatial Restructuring of Financial Centers in Mainland China and Hong Kong: Geography of Finance Perspective [J].Urban Affairs Review, 2003, 38 (4), pp. 535-571.