曹鴻英，余敬德

（1.青海大學(xué)研究生院，西寧 810016；2.青海大學(xué)繼續(xù)教育學(xué)院，西寧 810008）

0 引言

在新的時(shí)代背景下，唯GDP式的經(jīng)濟(jì)發(fā)展已成為過(guò)去，綠色經(jīng)濟(jì)這一更能反映經(jīng)濟(jì)質(zhì)量的指標(biāo)，將作為時(shí)代的代名詞持續(xù)亮相。但無(wú)論是GDP還是綠色GDP，金融始終是經(jīng)濟(jì)發(fā)展的核心，綠色經(jīng)濟(jì)也時(shí)刻需要金融的集聚和支撐。而金融資本的流動(dòng)性強(qiáng)，行業(yè)和地區(qū)波及面廣，因此金融集聚對(duì)經(jīng)濟(jì)發(fā)展可能存在不容忽視的溢出效應(yīng)。

金融集聚對(duì)一個(gè)區(qū)域經(jīng)濟(jì)增長(zhǎng)往往也會(huì)存在溢出效應(yīng)。與之相類似，金融集聚能否也能對(duì)一個(gè)區(qū)域的綠色經(jīng)濟(jì)發(fā)展產(chǎn)生明顯的溢出效應(yīng)呢？目前學(xué)術(shù)界對(duì)于這一問(wèn)題還沒(méi)有一個(gè)較為公認(rèn)的結(jié)論?；诖耍疚闹攸c(diǎn)從實(shí)證角度研究區(qū)域金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展的溢出效應(yīng)。同時(shí)，由于金融關(guān)聯(lián)面廣，區(qū)域之間很可能存在較強(qiáng)輻射或聯(lián)動(dòng)，因此有必要引入空間相關(guān)性因素，即在空間相關(guān)視角下實(shí)證檢驗(yàn)區(qū)域金融集聚對(duì)綠色經(jīng)濟(jì)的溢出效應(yīng)。

1 主要指標(biāo)及樣本說(shuō)明

1.1 金融集聚性指標(biāo)

金融集聚性指標(biāo)主要是衡量金融的集聚程度，可采用金融行業(yè)地區(qū)集中度（CR指數(shù)）、H指數(shù)、空間基尼系數(shù)以及區(qū)位熵等指標(biāo)來(lái)衡量。鑒于數(shù)據(jù)的可獲得性、計(jì)算的便捷性以及數(shù)據(jù)的可靠性，本文采用區(qū)位熵來(lái)計(jì)算金融集聚程度。區(qū)位熵又稱為地方專業(yè)化指數(shù)，是根據(jù)基尼系數(shù)構(gòu)造的指標(biāo)，具體的計(jì)算公式為：

其中，LQij表示j省份i產(chǎn)業(yè)在全國(guó)的區(qū)位熵系數(shù)，qij表示j省份i產(chǎn)業(yè)的產(chǎn)值，qj表示j省份的地區(qū)生產(chǎn)總值，qi表示i產(chǎn)業(yè)的全國(guó)產(chǎn)值，q表示國(guó)內(nèi)生產(chǎn)總值。該系數(shù)越高，表明j省份的金融產(chǎn)業(yè)集聚程度越高。

1.2 綠色經(jīng)濟(jì)指標(biāo)

我國(guó)雖然早在十多年前就提出了綠色GDP核算，但是由于種種原因并未連續(xù)開(kāi)展。鑒于環(huán)境污染的迫切性，綠色GDP在2015年又被重新提出，并在安徽、四川、海南等地開(kāi)展了試點(diǎn)。綠色經(jīng)濟(jì)（GE）可以采用綠色GDP來(lái)衡量。

其中，GEit表示t時(shí)期i省份的綠色經(jīng)濟(jì)總量，GDPit表示t時(shí)期i省份的地區(qū)生產(chǎn)總值，Cijt表示t時(shí)期i省份自然資源耗減累加，考慮數(shù)據(jù)的可獲取性、科學(xué)性與可計(jì)算性，此處自然資源主要包括水資源以及煤炭資源、原油、天然氣等化石能源；自然資源耗減包括水資源價(jià)值、煤炭資源價(jià)值、原油價(jià)值、天然氣價(jià)值，其中，水資源價(jià)值=水資源價(jià)格×用水總量，化石能源價(jià)值=國(guó)際單位價(jià)格×能源消費(fèi)總量。水資源價(jià)格參照各省會(huì)城市的自來(lái)水價(jià)格，煤炭?jī)r(jià)格采用西北歐煤炭?jī)r(jià)格計(jì)算。Eijt表示t時(shí)期i省份環(huán)境降級(jí)成本累加，主要從廢水、廢氣、一般固體廢棄物、垃圾四個(gè)方面來(lái)核算。由于各地區(qū)政策的差異性、不同行業(yè)污染程度的不同，不同企業(yè)污染物處理水平的差異性，很難確定一個(gè)標(biāo)準(zhǔn)的單位處理價(jià)格。為此，利用綠色國(guó)民經(jīng)濟(jì)核算中的數(shù)據(jù)來(lái)簡(jiǎn)化計(jì)算，將“三廢”平均價(jià)格直接應(yīng)用到數(shù)據(jù)的計(jì)算中。

1.3 數(shù)據(jù)樣本說(shuō)明

本文選取2008—2016年中國(guó)30個(gè)省份（剔除西藏、港澳臺(tái)地區(qū)）的面板數(shù)據(jù)，數(shù)據(jù)來(lái)源于歷年世界能源統(tǒng)計(jì)年鑒、中國(guó)統(tǒng)計(jì)年鑒、中國(guó)能源統(tǒng)計(jì)年鑒、中國(guó)環(huán)境統(tǒng)計(jì)年鑒、各省份歷年統(tǒng)計(jì)年鑒、全國(guó)省會(huì)城市物價(jià)局歷年水價(jià)調(diào)整方案。

1.4 統(tǒng)計(jì)性描述分析

對(duì)于金融集聚性指標(biāo)：從時(shí)序維度來(lái)看，各省份LQ的平均值總體上呈現(xiàn)逐步遞增的態(tài)勢(shì)，2016年全國(guó)金融集聚的均值達(dá)到0.96；從空間維度來(lái)看，由于LQ標(biāo)準(zhǔn)差也呈現(xiàn)擴(kuò)大趨勢(shì)，說(shuō)明區(qū)域間金融集聚水平的差距也有拉大趨勢(shì)。

對(duì)于綠色經(jīng)濟(jì)指標(biāo)：從時(shí)序維度來(lái)看，各省份GE平均絕對(duì)值從2008年的0.93萬(wàn)億元增長(zhǎng)到2016年的2.31萬(wàn)億元，這表明在科技進(jìn)步、產(chǎn)業(yè)結(jié)構(gòu)調(diào)整等相關(guān)因素促進(jìn)下，我國(guó)綠色經(jīng)濟(jì)也隨著GDP的增加而逐年上升；從空間維度來(lái)看，中國(guó)省份間綠色經(jīng)濟(jì)水平的均值標(biāo)準(zhǔn)差呈現(xiàn)擴(kuò)大趨勢(shì)，說(shuō)明綠色經(jīng)濟(jì)發(fā)展水平的不平衡性加劇。

指標(biāo)的統(tǒng)計(jì)性描述如表1所示。

表1 指標(biāo)的統(tǒng)計(jì)性描述

2 計(jì)量模型的構(gòu)建

2.1 空間自相關(guān)檢驗(yàn)?zāi)Ｐ?/h3>

Moran’s I指數(shù)是一種普遍用于檢驗(yàn)指標(biāo)空間自相關(guān)性的定量方法。Moran’s I指數(shù)的基本模型為：

其中，Moran’s I即為需求的空間自相關(guān)指數(shù)值。n表示橫截面包含地區(qū)的總數(shù)量，Yi表示第i個(gè)地區(qū)的相應(yīng)指標(biāo)值（這里分別用于表示金融集聚性和綠色經(jīng)濟(jì)水平），Yj表示第j個(gè)地區(qū)同一個(gè)變量對(duì)應(yīng)的值，Y*表示該指標(biāo)在所有地區(qū)的算術(shù)平均值，wij表示標(biāo)準(zhǔn)化后的空間權(quán)重矩陣W中對(duì)應(yīng)的第i行j列的元素值。

這里需要專門設(shè)定空間權(quán)重矩陣W。參考學(xué)術(shù)界常用的度量方法，本文選用空間相鄰法來(lái)定義空間權(quán)重矩陣W，具體方法如下：①若地區(qū)i和地區(qū)j相鄰（即存在公共邊界），那么有wij=1；②若地區(qū)i和地區(qū)j不相鄰（即沒(méi)有公共邊界），那么有wij=0。譬如，湖北省與湖南省相鄰，那么他們的空間權(quán)重系數(shù)值為1，湖北省與上海市不相鄰，那么兩者的空間權(quán)重系數(shù)值為0。特別地，由于海南省與其他地區(qū)均不相鄰，這里設(shè)定其與最鄰近的廣東省有公共邊界。

對(duì)于統(tǒng)計(jì)量Moran’s I，其檢驗(yàn)方法為正態(tài)統(tǒng)計(jì)檢驗(yàn)，公式為：

其中，E（Moran’I）表示Moran’I的期望值，Var（Moran’I）為Moran的方差值。若Z值大于5%（或1%）水平下的臨界值1.645（或1.96），或者說(shuō)相應(yīng)的相伴概率p值小于0.05（或0.01）時(shí)，說(shuō)明空間相關(guān)性顯著。一般而言，Moran’s I的統(tǒng)計(jì)值在-1到1之間。在統(tǒng)計(jì)值顯著的前提下，Moran’s I的絕對(duì)值越高，說(shuō)明空間自相關(guān)性越大。

2.2 引入空間相關(guān)的計(jì)量模型

對(duì)于引入空間相關(guān)的計(jì)量模型，目前學(xué)術(shù)界應(yīng)用相對(duì)較普遍的有空間誤差模型（SEM）和空間滯后模型（SAR）兩類。

（1）SEM模型的基本形式為：

其中，ε表示包含空間效果的誤差項(xiàng)，λ表示誤差系數(shù)，μ是不包含空間效果的隨機(jī)誤差項(xiàng)。

（2）SAR模型的基本形式為：

其中，上述變量的定義在上文已經(jīng)提到。

根據(jù)SEM模型和SAR模型的基本形式，本文建立兩種模型檢驗(yàn)金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展的溢出效應(yīng)。

（1）基于SEM形式的計(jì)量模型：

其中，β0、β1和β2為待估計(jì)參數(shù)，λ為空間相關(guān)系數(shù)。

（2）基于SAR形式的計(jì)量模型：

其中，γ0、γ1和γ2為待估計(jì)參數(shù)，ρ為空間相關(guān)系數(shù)。

3 實(shí)證分析

3.1 空間自相關(guān)檢驗(yàn)結(jié)果

本文根據(jù)Moran’s I指數(shù)的基本模型，采用GeoDA軟件，分別對(duì)金融集聚性和綠色經(jīng)濟(jì)水平兩個(gè)指標(biāo)的歷年Moran’s I值進(jìn)行測(cè)算，整理數(shù)據(jù)得到表2。

表2 金融集聚性和綠色經(jīng)濟(jì)水平的Moran’s I值

從Moran’s I指數(shù)結(jié)果可以發(fā)現(xiàn)，2008—2016年我國(guó)的金融集聚性和綠色經(jīng)濟(jì)水平兩個(gè)變量的Moran’s I指數(shù)均顯著且都大于零，由此就表明了我國(guó)的金融集聚性和綠色經(jīng)濟(jì)在地理空間上都存在著較為顯著的正向集聚性。所以說(shuō)，金融集聚的空間溢出性在客觀上是存在的，從空間相關(guān)角度分析金融集聚性對(duì)綠色經(jīng)濟(jì)的溢出效應(yīng)，其必要性進(jìn)一步得到驗(yàn)證。

3.2 全國(guó)樣本的實(shí)證結(jié)果分析

本文以全國(guó)30個(gè)省份的面板數(shù)據(jù)樣本，分別通過(guò)空間誤差模型（SEM）和空間滯后模型（SAR）進(jìn)行空間相關(guān)回歸，整理數(shù)據(jù)結(jié)果得到表3。

表3 全國(guó)樣本的回歸結(jié)果

從全國(guó)樣本的整體回歸結(jié)果來(lái)看，SEM和SAR模型的回歸效果都比較良好，其中空間系數(shù)（λ或ρ）以及解釋變量的系數(shù)都通過(guò)顯著性檢驗(yàn)，模型的可決系數(shù)及LogL值也保持較高水平，由此也進(jìn)一步表明了選擇空間相關(guān)模型的合理性。接下來(lái)，根據(jù)兩者的回歸結(jié)果比較，判定究竟采用哪一種模型結(jié)果進(jìn)行具體討論。

借鑒Anselin等（2004）的判定法則，這里可以通過(guò)比較空間依賴性檢驗(yàn)值的大小及顯著性，來(lái)判定使用何種模型更優(yōu)。從表3可以發(fā)現(xiàn)，LM（sar）的統(tǒng)計(jì)值比LM（error）的統(tǒng)計(jì)值要小，顯著性也是LM（error）高；同時(shí)，R-LM（sar）的值也小于 R-LM（error），顯著性也是 R-LM（error）更高。因此，可以認(rèn)為全國(guó)樣本的案例中，采用空間誤差模型（SEM）更為理想。

根據(jù)SEM模型的系數(shù)回歸結(jié)果：

（1）從金融集聚對(duì)本地區(qū)綠色經(jīng)濟(jì)發(fā)展的影響來(lái)看，LQit的系數(shù)達(dá)到0.509，且在5%的水平通過(guò)顯著性檢驗(yàn)，這就從經(jīng)驗(yàn)上論證了我國(guó)區(qū)域金融集聚性對(duì)當(dāng)?shù)氐木G色經(jīng)濟(jì)發(fā)展具有明顯的正向推動(dòng)作用。這一點(diǎn)，可以從金融在本地集聚從而產(chǎn)生的規(guī)模經(jīng)濟(jì)效應(yīng)、資本配置效應(yīng)、網(wǎng)絡(luò)效應(yīng)等來(lái)說(shuō)明。

（2）從金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展的溢出效應(yīng)來(lái)看，W×LQit的系數(shù)為0.256，且在1%的水平通過(guò)顯著性檢驗(yàn)，由此可以表明，我國(guó)區(qū)域金融集聚具有顯著的空間溢出效應(yīng)。換言之，就是一個(gè)區(qū)域內(nèi)金融的集聚發(fā)展，不僅能夠直接帶動(dòng)當(dāng)?shù)鼐G色經(jīng)濟(jì)發(fā)展，而且能通過(guò)空間地理的輻射作用，帶動(dòng)周邊地區(qū)綠色經(jīng)濟(jì)發(fā)展。從實(shí)際發(fā)展來(lái)看，由于區(qū)域之間存在著“涓流效應(yīng)”，一個(gè)區(qū)域內(nèi)金融集聚發(fā)展，能夠向其周邊區(qū)域輻射資金、人才、技術(shù)等各種資源要素，從而有利于周邊區(qū)域強(qiáng)化科技人才和資本支撐，從而促進(jìn)區(qū)域綠色經(jīng)濟(jì)的發(fā)展。

3.3 分三大地區(qū)樣本的實(shí)證結(jié)果分析

為了更細(xì)致地考察區(qū)域分異，根據(jù)我國(guó)經(jīng)濟(jì)差異的梯度變化特征，將全國(guó)樣本劃分為東部、中部和西部三大地區(qū)，對(duì)于各大地區(qū)樣本分別通過(guò)空間誤差模型（SEM）和空間滯后模型（SAR）進(jìn)行空間相關(guān)回歸。仍借鑒Anselin等（2004）的判定法則選擇模型類型，結(jié)果顯示了三大地區(qū)樣本最終都選擇了SEM模型。限于篇幅，本文只列出了SEM回歸結(jié)果（見(jiàn)表4），省略了SAR模型的回歸結(jié)果。

表4 分地區(qū)樣本的回歸結(jié)果

根據(jù)分地區(qū)回歸結(jié)果：

（1）從金融集聚對(duì)本地區(qū)綠色經(jīng)濟(jì)發(fā)展的影響來(lái)看，東部、中部和西部地區(qū)LQit的系數(shù)均大于零，且分別在1%、5%和1%的水平通過(guò)顯著性檢驗(yàn)，這就從經(jīng)驗(yàn)上論證了三大地區(qū)金融集聚性對(duì)當(dāng)?shù)氐木G色經(jīng)濟(jì)發(fā)展具有明顯的正向推動(dòng)作用。相比之下，東部地區(qū)LQit的系數(shù)最大，達(dá)到1.002，說(shuō)明東部地區(qū)金融集聚對(duì)綠色經(jīng)濟(jì)的促進(jìn)作用相對(duì)最高。

（2）從金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展的溢出效應(yīng)來(lái)看，東部地區(qū)W×LQit的系數(shù)為0.436，且在1%的水平通過(guò)顯著性檢驗(yàn)；中部地區(qū)W×LQit的系數(shù)為0.198，且在5%的水平通過(guò)顯著性檢驗(yàn)；西部地區(qū)W×LQit的系數(shù)卻未通過(guò)顯著性檢驗(yàn)。從大區(qū)域來(lái)看，我國(guó)三大地區(qū)金融集聚對(duì)綠色經(jīng)濟(jì)的溢出效應(yīng)存在差異。在東部和中部地區(qū)，金融規(guī)模相對(duì)較高，諸如上海、江蘇、湖北等地金融集聚能產(chǎn)生較大動(dòng)能，輻射帶動(dòng)周邊地區(qū)綠色經(jīng)濟(jì)發(fā)展。而在西部地區(qū)，金融業(yè)發(fā)展較為滯后，一個(gè)省份的金融集聚，未能顯著發(fā)揮對(duì)周邊綠色經(jīng)濟(jì)發(fā)展的帶動(dòng)作用。

4 結(jié)論

本文選取2008—2016年我國(guó)30個(gè)省份的面板數(shù)據(jù)，采用空間相關(guān)模型方法，實(shí)證檢驗(yàn)了金融集聚和綠色經(jīng)濟(jì)水平的空間自相關(guān)性，以及金融集聚性對(duì)綠色經(jīng)濟(jì)發(fā)展的溢出效應(yīng)。主要的結(jié)論如下：（1）整體來(lái)看，我國(guó)的金融集聚性和綠色經(jīng)濟(jì)在地理空間上都存在較強(qiáng)的正向集聚性；（2）我國(guó)區(qū)域金融集聚對(duì)綠色經(jīng)濟(jì)發(fā)展產(chǎn)生了較顯著的空間溢出效應(yīng)，即一個(gè)區(qū)域內(nèi)金融的集聚發(fā)展，能通過(guò)空間地理的輻射作用，帶動(dòng)周邊地區(qū)綠色經(jīng)濟(jì)發(fā)展；（3）從地區(qū)特征來(lái)看，三大地區(qū)金融集聚對(duì)綠色經(jīng)濟(jì)的溢出效應(yīng)存在差異，東部地區(qū)金融集聚帶來(lái)的溢出效應(yīng)高于中部地區(qū)，而西部地區(qū)金融集聚的溢出效應(yīng)沒(méi)有充分釋放出來(lái)。