李健 辛沖沖

[摘 要]? ?基于2000—2016年期間中國(guó)260個(gè)地級(jí)及以上城市的平衡面板數(shù)據(jù)，采用3種生產(chǎn)要素投入DEA-Malmquist指數(shù)方法對(duì)中國(guó)城市全要素生產(chǎn)率（TFP）增長(zhǎng)率進(jìn)行測(cè)算和分析，在此基礎(chǔ)上構(gòu)建動(dòng)態(tài)面板回歸模型，實(shí)證檢驗(yàn)金融發(fā)展對(duì)城市TFP增長(zhǎng)的影響并驗(yàn)證是否具有異質(zhì)性特征。研究發(fā)現(xiàn)：2000—2016年期間中國(guó)城市整體的TFP呈現(xiàn)出增長(zhǎng)態(tài)勢(shì)，推動(dòng)城市總體TFP增長(zhǎng)的動(dòng)力源泉為技術(shù)進(jìn)步和技術(shù)效率改善，且技術(shù)進(jìn)步貢獻(xiàn)更大。金融發(fā)展對(duì)中國(guó)城市整體的TFP增長(zhǎng)產(chǎn)生顯著的正向效應(yīng)，但具有異質(zhì)性特征。金融發(fā)展對(duì)城市TFP增長(zhǎng)的促進(jìn)作用呈現(xiàn)出了東部-西部-中部-東北部遞減的態(tài)勢(shì)，對(duì)處于行政等級(jí)高的城市TFP增長(zhǎng)產(chǎn)生的促進(jìn)作用更大，對(duì)500萬(wàn)人口規(guī)模以下城市的TFP增長(zhǎng)促進(jìn)作用更為明顯。

[關(guān)鍵詞]? ?金融發(fā)展;城市;全要素生產(chǎn)率;異質(zhì)性;差分GMM

[中圖分類(lèi)號(hào)]? F061.5;F832 [文獻(xiàn)標(biāo)識(shí)碼]A 文獻(xiàn)標(biāo)志碼? [文章編號(hào)]1673-0461（2020）09-0070-09

一、引 言

改革開(kāi)放40多年里，中國(guó)城市得到了快速的發(fā)展。中國(guó)城鎮(zhèn)化率由2000年的36.22%穩(wěn)步上升到了2017年的58.52%?！吨袊?guó)統(tǒng)計(jì)年鑒》中提供的數(shù)據(jù)顯示，全國(guó)地級(jí)及以上城市數(shù)量從2000年的263個(gè)增加到了2016年的297個(gè)。由此可見(jiàn)，中國(guó)城市無(wú)論在數(shù)量上還是規(guī)模上都發(fā)生了巨大的變化。李健、盤(pán)宇章（2018）的研究指出，中國(guó)三大城市圈（長(zhǎng)三角、珠三角以及京津冀）的生產(chǎn)總值已經(jīng)占全國(guó)生產(chǎn)總值的35%以上，城市已經(jīng)成為中國(guó)經(jīng)濟(jì)發(fā)展的重要載體[1]。新古典經(jīng)濟(jì)增長(zhǎng)理論把全要素生產(chǎn)率（簡(jiǎn)稱為T(mén)FP）視為推動(dòng)經(jīng)濟(jì)可持續(xù)增長(zhǎng)的動(dòng)力源泉。當(dāng)前中國(guó)正在大力推進(jìn)供給側(cè)結(jié)構(gòu)性改革，而改革的重心則是提升全要素生產(chǎn)率。因此，在此背景下，有必要研究何種因素影響城市TFP增長(zhǎng)。在城市經(jīng)濟(jì)快速增長(zhǎng)過(guò)程中，城市的生產(chǎn)和運(yùn)作都需要投入大量的資本、勞動(dòng)力以及先進(jìn)的科學(xué)技術(shù)，而資本積累和技術(shù)創(chuàng)新均需要充足的資金作保障，因而金融體系的影響不斷得到凸顯。那么，金融發(fā)展對(duì)中國(guó)城市TFP增長(zhǎng)產(chǎn)生了何種的影響？這種影響是否具有顯著的異質(zhì)性特征？對(duì)于以上問(wèn)題的研究可以為我國(guó)當(dāng)前供給側(cè)結(jié)構(gòu)性改革提供一個(gè)突破點(diǎn)。

二、文獻(xiàn)綜述

隨著城市經(jīng)濟(jì)的快速發(fā)展，中國(guó)學(xué)者對(duì)城市發(fā)展的研究由原來(lái)注重“量”的增長(zhǎng)（經(jīng)濟(jì)規(guī)模擴(kuò)大）開(kāi)始轉(zhuǎn)向了“質(zhì)”的提升（全要素生產(chǎn)率的提升）。金相郁（2006）采用DEA-Malmquist指數(shù)法對(duì)1990—2003年期間41個(gè)城市的TFP水平進(jìn)行測(cè)算，研究結(jié)果表明中國(guó)主要城市的TFP年均增長(zhǎng)率為8.3%，技術(shù)進(jìn)步年均增長(zhǎng)率為8.5%，而技術(shù)效率年均增長(zhǎng)率為-0.2%，且技術(shù)進(jìn)步是推動(dòng)城市TFP增長(zhǎng)的主要?jiǎng)恿2]。劉秉鐮、李清彬（2009）的研究表明在1990—2006年期間中國(guó)城市TFP增長(zhǎng)年均增長(zhǎng)率為2.8%，技術(shù)進(jìn)步是促進(jìn)城市TFP增長(zhǎng)的動(dòng)力源泉[3]。邵軍、徐康寧（2010）采用DEA-Malmquist指數(shù)法對(duì)1999—2006年中國(guó)191個(gè)城市的TFP增長(zhǎng)水平進(jìn)行測(cè)算，研究發(fā)現(xiàn)樣本考察期間中國(guó)城市TFP年均增長(zhǎng)為-1%，技術(shù)效率年均增長(zhǎng)率為1.5%，而技術(shù)進(jìn)步年均增長(zhǎng)率為-2.46%[4]。王霞、胥敬華、曾鋮等（2015）以2000—2013年期間中國(guó)17個(gè)中心城市為研究對(duì)象，利用DEA-Malmquist指數(shù)法分析TFP的增長(zhǎng)差異，研究發(fā)現(xiàn)樣本考察期間中心城市TFP增長(zhǎng)了2.3%，推動(dòng)城市TFP增長(zhǎng)的動(dòng)力為技術(shù)進(jìn)步[5]。李健、盤(pán)宇章（2018）以2000—2013年期間中國(guó)261個(gè)地級(jí)及以上城市為研究對(duì)象分析城市TFP的收斂性問(wèn)題時(shí)，發(fā)現(xiàn)中國(guó)城市整體TFP年均增長(zhǎng)率為3.1%，技術(shù)效率改善推動(dòng)了城市TFP增長(zhǎng)而非技術(shù)進(jìn)步[1]。李健、李澎、衛(wèi)平（2017）以2000—2014年期間東北三省34個(gè)地級(jí)及以上城市為研究對(duì)象分析城市經(jīng)濟(jì)增長(zhǎng)動(dòng)力問(wèn)題時(shí)，采用DEA模型的Malmquist指數(shù)法對(duì)城市TFP增長(zhǎng)率進(jìn)行測(cè)算，研究發(fā)現(xiàn)樣本考察期間東北地區(qū)城市總體TFP出現(xiàn)了顯著的增長(zhǎng)，年均增長(zhǎng)率為2.3%，由技術(shù)進(jìn)步（0.2%）和技術(shù)效率改善（2.1%）共同推動(dòng)的[6]。李衛(wèi)兵、涂蕾（2017）以2003—2014年期間中國(guó)274個(gè)地級(jí)及以上城市為研究對(duì)象，采用GML指數(shù)測(cè)度中國(guó)城市的綠色全要素生產(chǎn)率，研究結(jié)果發(fā)現(xiàn)中國(guó)城市綠色TFP總體呈現(xiàn)出增長(zhǎng)態(tài)勢(shì)，其中東部城市增長(zhǎng)率最高，而西部城市最低[7]。以上研究學(xué)者在對(duì)城市TFP增長(zhǎng)率進(jìn)行測(cè)算過(guò)程時(shí)選用的是基于非參數(shù)的數(shù)據(jù)包絡(luò)分析方法（DEA），與此同時(shí)也有研究者選取基于參數(shù)的隨機(jī)前沿分析方法，如王德祥、薛桂芝（2016）以1998—2013年中國(guó)223個(gè)地級(jí)及以上城市為研究對(duì)象，采用隨機(jī)前沿分解方法（SFA）測(cè)算中國(guó)城市TFP，研究結(jié)果顯示樣本考察期間城市TFP累積降低了12.16%[8]。李靜、李逸飛、馬永軍（2016）以2005—2012年期間中國(guó)285個(gè)城市為研究對(duì)象，采用超越對(duì)數(shù)生產(chǎn)函數(shù)形式的隨機(jī)前沿計(jì)量回歸模型對(duì)中國(guó)城市TFP增長(zhǎng)率進(jìn)行測(cè)算和收斂性分析，研究發(fā)現(xiàn)樣本考察期間城市TFP增長(zhǎng)率由1.085%下降到-3.338%，年均增長(zhǎng)率為-0.56%，導(dǎo)致TFP下降的原因?yàn)榧夹g(shù)進(jìn)步的連續(xù)下降[9]。以上文獻(xiàn)主要關(guān)注的是城市TFP的測(cè)度與分析，由于研究樣本、時(shí)間跨度、研究方法等多個(gè)方面存在不同，致使研究結(jié)論也存在著較大的差異。

國(guó)內(nèi)學(xué)者對(duì)城市TFP的測(cè)度研究較為深入。在對(duì)城市TFP進(jìn)行測(cè)算研究的同時(shí)，學(xué)者們也進(jìn)一步地挖掘影響城市TFP的影響因素。楊浩昌、李廉水、劉軍（2018）研究表明制造業(yè)聚集和生產(chǎn)性服務(wù)業(yè)聚集都可以有效地推動(dòng)城市TFP增長(zhǎng)[10]。宋麗穎、張偉亮、劉源（2018）研究發(fā)現(xiàn)，財(cái)政自主度對(duì)資源型城市的TFP產(chǎn)生顯著的抑制作用[11]。王凱風(fēng)、吳超林（2018）的研究發(fā)現(xiàn)收入差距擴(kuò)大對(duì)城市環(huán)境TFP產(chǎn)生了顯著的負(fù)面影響[12]。張萃（2016）基于城市行政等級(jí)視角分析生產(chǎn)性服務(wù)業(yè)集聚對(duì)中國(guó)城市TFP增長(zhǎng)的影響，研究發(fā)現(xiàn)，生產(chǎn)性服務(wù)業(yè)集聚對(duì)城市TFP增長(zhǎng)具有顯著的促進(jìn)作用，而制造業(yè)集聚并沒(méi)有對(duì)城市TFP產(chǎn)生顯著的正向效應(yīng)[13]。孫曉華、郭玉嬌（2013）研究發(fā)現(xiàn)，專業(yè)化集聚對(duì)中小規(guī)模城市的全要素生產(chǎn)率產(chǎn)生促進(jìn)作用，而對(duì)較大規(guī)模的城市全要素生產(chǎn)率產(chǎn)生阻礙作用[14]。張浩然、衣保中（2012）的研究發(fā)現(xiàn)，基礎(chǔ)設(shè)施對(duì)城市TFP產(chǎn)生顯著的促進(jìn)作用[15]。

從以上的研究文獻(xiàn)可以看出，首先，關(guān)于城市TFP問(wèn)題的研究不斷深入，逐漸把研究的重點(diǎn)從生產(chǎn)率水平的測(cè)度轉(zhuǎn)向了影響因素分析。國(guó)內(nèi)學(xué)者從多個(gè)角度挖掘影響TFP增長(zhǎng)的因素，然而已有的研究中很少有學(xué)者關(guān)注金融發(fā)展對(duì)城市TFP增長(zhǎng)的影響。盡管諸多學(xué)者對(duì)金融發(fā)展和TFP增長(zhǎng)之間的關(guān)系進(jìn)行了極為豐富的研究（張軍、金煜，2005;趙勇、雷達(dá)，2010;余利豐、鄧柏盛、王菲，2011;李健、衛(wèi)平，2015;陳啟清、貴斌威，2013）[16-20]，但是這些學(xué)者均是從國(guó)家層面或者省級(jí)層面進(jìn)行研究的，很少?gòu)某鞘袑用孢M(jìn)行分析的。從城市層面分析金融發(fā)展和TFP增長(zhǎng)的關(guān)系，不但使研究進(jìn)一步微觀化，而且還可以擴(kuò)大研究樣本量得到更為穩(wěn)健的回歸結(jié)果。中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展差別比較大，東部、中部和西部3個(gè)區(qū)域的地理位置、自然資源稟賦、社會(huì)文化、對(duì)外開(kāi)放程度、經(jīng)濟(jì)發(fā)展基礎(chǔ)等多個(gè)方面存在著較大的差異，由此處于不同區(qū)域的城市也會(huì)存在著較大的發(fā)展差異。因此，歸屬于不同區(qū)域的金融發(fā)展的城市TFP增長(zhǎng)效應(yīng)可能會(huì)存在區(qū)域異質(zhì)特征。其次，采用國(guó)家層面或者省級(jí)層面的數(shù)據(jù)并不能進(jìn)一步從行政等級(jí)視角分析金融發(fā)展與城市TFP增長(zhǎng)之間的關(guān)系，并且也不能比較金融發(fā)展的TFP增長(zhǎng)效應(yīng)是在高行政等級(jí)的城市更大還是在低行政等級(jí)城市更大。中國(guó)城市發(fā)展過(guò)程中，由于地理位置、文化發(fā)展程度、經(jīng)濟(jì)基礎(chǔ)等多個(gè)方面存在著較大的差異，會(huì)出現(xiàn)不同規(guī)模的城市。那么，金融發(fā)展和城市TFP增長(zhǎng)之間的關(guān)系是否會(huì)隨著城市規(guī)模的變化而變動(dòng)？以上問(wèn)題均沒(méi)有在已有的研究中得到體現(xiàn)。再次，現(xiàn)有研究在對(duì)城市TFP增長(zhǎng)率測(cè)算時(shí)設(shè)定的生產(chǎn)函數(shù)通?？紤]的生產(chǎn)要素只包括資本要素投入和勞動(dòng)要素投入，而忽略了土地要素的投入。從生產(chǎn)到消費(fèi)整個(gè)過(guò)程，土地都是經(jīng)濟(jì)活動(dòng)主體的載體。因此，在測(cè)算城市TFP增長(zhǎng)率時(shí)若不考慮土地要素投入會(huì)存在一定程度的誤差，最終導(dǎo)致研究結(jié)果的不穩(wěn)健。

為了彌補(bǔ)以上研究過(guò)程中存在的不足，本文擬從3個(gè)方面對(duì)已有研究進(jìn)行補(bǔ)足：第一，本文在測(cè)算城市TFP增長(zhǎng)率時(shí)，將土地投入作為生產(chǎn)要素投入納入到測(cè)算模型中，形成3種要素投入的DEA模型以得到更為可靠的測(cè)算結(jié)果;第二，將金融發(fā)展和全要素生產(chǎn)率增長(zhǎng)納入到同一個(gè)研究框架下，實(shí)證分析金融發(fā)展對(duì)城市TFP增長(zhǎng)的影響;第三，本文將樣本城市根據(jù)中國(guó)區(qū)域歸屬、行政等級(jí)以及城市規(guī)模進(jìn)行分類(lèi)，逐一分析不同類(lèi)別下金融發(fā)展對(duì)城市TFP增長(zhǎng)影響以驗(yàn)證異質(zhì)性特征。

三、計(jì)量回歸模型構(gòu)建、變量選擇與數(shù)據(jù)來(lái)源說(shuō)明

（一）計(jì)量回歸模型構(gòu)建

內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論為研究金融發(fā)展和經(jīng)濟(jì)增長(zhǎng)的關(guān)系提供了重要的理論基礎(chǔ)。國(guó)外學(xué)者Bencivenga、Smith（1991）[21]、Greenwood、Smith（1997）[22]、Fuente、Marín（1996）[23]以及Laeven 、Levine 、Michalopoulos（2015）[24]分別從不同角度來(lái)構(gòu)建內(nèi)生經(jīng)濟(jì)增長(zhǎng)模型分析金融發(fā)展和經(jīng)濟(jì)增長(zhǎng)的關(guān)系，且都證實(shí)了金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)的正向影響。而國(guó)內(nèi)學(xué)者蘇基溶、廖進(jìn)中（2009）[25]以及陽(yáng)佳余、賴明勇（2007）[26]分別構(gòu)建不同種類(lèi)的內(nèi)生經(jīng)濟(jì)增長(zhǎng)模型證實(shí)了金融發(fā)展對(duì)經(jīng)濟(jì)增長(zhǎng)產(chǎn)生顯著的正向影響。本文基于以上研究，假定TFP增長(zhǎng)受到內(nèi)生金融發(fā)展的影響。李健、盤(pán)宇章（2017）[27]以及李健、衛(wèi)平（2015）[19]在分析TFP增長(zhǎng)問(wèn)題時(shí)，通過(guò)實(shí)證分析方法證實(shí)了TFP增長(zhǎng)具有慣性。因此，本文考慮到以上可能會(huì)出現(xiàn)的問(wèn)題，在構(gòu)建計(jì)量回歸模型時(shí)選擇動(dòng)態(tài)面板模型。將計(jì)量回歸模型設(shè)定為以下具體形式：

tfpit=∑ k m=1 ρm×tfpi，t-m+βfinanceit+θ'controlit+ui+εit[JY]（1）

式（1）中，下角標(biāo)i表示第i個(gè)城市，下角標(biāo)t表示第t年，下角標(biāo)m代表滯后期數(shù)。變量tfp代表城市TFP增長(zhǎng)率，變量finance代表金融發(fā)展水平，control代表控制變量集合，符號(hào)ρ、β、θ為待估計(jì)系數(shù)，ui為不可觀測(cè)的城市固定效應(yīng)，εit為隨機(jī)干擾項(xiàng)。系數(shù)β的統(tǒng)計(jì)特征為本文關(guān)注的重點(diǎn)。在這里需要對(duì)被解釋變量的滯后期（m）選取問(wèn)題進(jìn)行簡(jiǎn)單地說(shuō)明，現(xiàn)有文獻(xiàn)在構(gòu)建動(dòng)態(tài)面板模型時(shí)，通常直接設(shè)定其滯后階數(shù)，本文并沒(méi)有采用這種預(yù)先設(shè)定的方法，而是通過(guò)相關(guān)檢驗(yàn)方法來(lái)確定其最后的滯后階數(shù)。本文需要進(jìn)一步地從不同區(qū)域、行政等級(jí)、城市規(guī)模3個(gè)角度分析金融發(fā)展對(duì)城市TFP增長(zhǎng)的影響異質(zhì)性特征，因此需要分別構(gòu)建不同的計(jì)量回歸模型，具體形式如下：

tfpit，c1=∑ k m=1 ρm，c1×tfpi，t-m，c1+βc1financeit，c1+θ'controlit，c1+ui，c1+εit，c1[JY]（2）

tfpit，c2=∑ k m=1 ρm，c2×tfpi，t-m，c2+βc2financeit，c2+θ'controlit，c2+ui，c2+εit，c2[JY]（3）

tfpit，c3=∑ k m=1 ρm，c3×tfpi，t-m，c3+βc3financeit，c3+θ'controlit，c3+ui，c3+εit，c3[JY]（4）

式（2）中的下角標(biāo)c1代表城市歸屬區(qū)域，本文將中國(guó)城市劃分為東部城市、中部城市、西部城市以及東北部城市。式（3）中的下角標(biāo)c2代表城市歸屬的行政等級(jí)，本文將中國(guó)城市劃分為高行政等級(jí)城市（直轄市、副省級(jí)城市、省會(huì)城市）和低行政等級(jí)城市（普通地級(jí)城市）。式（4）中的下角標(biāo)c3代表城市規(guī)模，本文將中國(guó)城市按照人口規(guī)模劃分為500萬(wàn)以下、500萬(wàn)以上1 000萬(wàn)以下以及1 000萬(wàn)以上。

本文在構(gòu)建計(jì)量模型分析金融發(fā)展的城市TFP增長(zhǎng)效應(yīng)時(shí)采用的是動(dòng)態(tài)面板回歸模型，在采用這種計(jì)量模型分析問(wèn)題時(shí)通常采用的回歸方法為廣義矩估計(jì)方法（簡(jiǎn)稱GMM）。在采用廣義矩估計(jì)方法對(duì)動(dòng)態(tài)面板回歸模型進(jìn)行估計(jì)時(shí)，具體分為兩類(lèi)方法：一是差分GMM，二是系統(tǒng)GMM。然而，這兩類(lèi)GMM方法在對(duì)動(dòng)態(tài)面板模型進(jìn)行回歸分析時(shí)各有利弊，這兩類(lèi)方法的優(yōu)勢(shì)和劣勢(shì)對(duì)比分析可以參照李健和盤(pán)宇章（2017）的研究[27]。綜合考慮，本文選擇差分GMM進(jìn)行分析。由于隨機(jī)誤差項(xiàng)ε的未來(lái)值與解釋變量集合X不相關(guān)，因此假設(shè)模型中的解釋變量集合X是弱外生的。本文采用差分GMM對(duì)動(dòng)態(tài)面板模型進(jìn)行估計(jì)過(guò)程中，將所有解釋變量的滯后期作為工具變量。但考慮工具變量的有效性問(wèn)題，對(duì)工具變量的選取最多使用解釋變量滯后四階。由于本文用到的工具變量個(gè)數(shù)超過(guò)內(nèi)生解釋變量的個(gè)數(shù)，需要進(jìn)行過(guò)度識(shí)別檢驗(yàn)。本文選擇Hansen檢驗(yàn)來(lái)進(jìn)行過(guò)度識(shí)別檢驗(yàn)，其原假設(shè)為“所有工具變量都是外生的”。與此同時(shí)，還需要對(duì)隨機(jī)擾動(dòng)項(xiàng){εit}是否存在序列相關(guān)進(jìn)行檢驗(yàn)，即原假設(shè)為“隨機(jī)擾動(dòng)項(xiàng){εit}無(wú)自相關(guān)”。

（二）變量選取

1.被解釋變量：全要素生產(chǎn)率增長(zhǎng)（tfp）

國(guó)內(nèi)研究中關(guān)于TFP水平測(cè)算的方法主要有兩類(lèi)：一類(lèi)為參數(shù)方法（如柯布—道格拉斯生產(chǎn)函數(shù)法、隨機(jī)前沿分析方法等），另一類(lèi)為非參數(shù)方法（如數(shù)據(jù)包絡(luò)分析方法）。關(guān)于數(shù)據(jù)包絡(luò)分析方法（DEA）和隨機(jī)前沿分析方法（SFA）的優(yōu)點(diǎn)和缺點(diǎn)在余泳澤（2015）的文獻(xiàn)中做出了較為具體的論述[28]?，F(xiàn)有文獻(xiàn)在選擇城市生產(chǎn)函數(shù)時(shí)對(duì)于生產(chǎn)要素的選擇更多地關(guān)注勞動(dòng)要素投入和資本要素投入，而忽略了土地要素投入。本文在測(cè)算城市TFP時(shí)，將土地要素投入納入到城市生產(chǎn)函數(shù)中，因此采用參數(shù)法測(cè)算TFP時(shí)并不太合適。綜上分析，本文選擇DEA模型的Malmquist指數(shù)方法測(cè)算城市TFP水平（Fare、Grosskopf、Mary等，1994）[29]。國(guó)內(nèi)大量學(xué)者采用DEA模型的Malmquist指數(shù)方法研究中國(guó)經(jīng)濟(jì)運(yùn)行效率問(wèn)題，本文對(duì)此方法不做過(guò)多描述，具體的測(cè)算方法和數(shù)據(jù)處理過(guò)程可參考章祥蓀、貴斌威（2008） [30]、李健、盤(pán)宇章（2018）[1]以及李健、盤(pán)宇章（2017）[27]的文獻(xiàn)。本文采用數(shù)據(jù)包絡(luò)分析軟件Deap2.1對(duì)城市的TFP水平進(jìn)行測(cè)算，結(jié)果見(jiàn)表1。通過(guò)表中的測(cè)算結(jié)果可以看出，2000—2016年期間中國(guó)城市總體的年均TFP增長(zhǎng)率為3.1%，這說(shuō)明中國(guó)城市整體TFP出現(xiàn)了正增長(zhǎng)。Malmquist指數(shù)法可以將TFP指數(shù)進(jìn)一步分解為技術(shù)進(jìn)步指數(shù)和技術(shù)效率指數(shù)，因此可以得到技術(shù)效率和技術(shù)進(jìn)步的年均增長(zhǎng)率分別為0.4%和2.7%，這說(shuō)明2000年以來(lái)，技術(shù)進(jìn)步和技術(shù)效率共同推動(dòng)了中國(guó)城市整體的TFP增長(zhǎng)，但技術(shù)進(jìn)步的貢獻(xiàn)更大。

2.核心解釋變量：金融發(fā)展水平（finance）

國(guó)內(nèi)外研究者在對(duì)金融發(fā)展問(wèn)題進(jìn)行研究時(shí)，從多個(gè)維度和多個(gè)層面構(gòu)建多種指標(biāo)來(lái)度量區(qū)域金融發(fā)展水平。國(guó)外學(xué)者如Muhammad 、Islam、Marashdeh（2016）分析金融發(fā)展和經(jīng)濟(jì)增長(zhǎng)之間關(guān)系時(shí)選取“私人信貸與GDP的比值”與“M2與GDP的比值”作為衡量金融發(fā)展水平的指標(biāo)[31]。Arcand 、Berkes 、Panizza（2015）在研究金融發(fā)展和經(jīng)濟(jì)增長(zhǎng)之間的非線性關(guān)系時(shí)選取“私人信貸與GDP的比值”作為衡量金融發(fā)展水平的指標(biāo)[32]。張軍、金煜（2005）[16]以及趙勇、雷達(dá)（2010）[17]的研究均采用“私人部門(mén)的貸款總額與GDP之比”作為度量區(qū)域金融發(fā)展水平的核心指標(biāo)。而李健、盤(pán)宇章（2017）[27]以及黃智淋、董志勇（2013）[33]在研究金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)之間的非線性關(guān)系時(shí)將“金融機(jī)構(gòu)貸款余額與GDP之比”作為度量金融發(fā)展水平的指標(biāo)。盡管 “私人信貸與GDP的比值”是衡量中國(guó)金融發(fā)展水平相對(duì)合理的指標(biāo)，但是歷年的《中國(guó)城市統(tǒng)計(jì)年鑒》以及每個(gè)城市的獨(dú)立統(tǒng)計(jì)年鑒并沒(méi)有提供城市的私人信貸規(guī)模相關(guān)數(shù)據(jù)，本文退而求其次采用李健、盤(pán)宇章（2017）[27]以及黃智淋、董志勇（2013）[33]研究設(shè)定的指標(biāo)，即“金融機(jī)構(gòu)貸款余額與GDP之比”作為衡量城市金融發(fā)展水平的指標(biāo)。金融機(jī)構(gòu)貸款余額和城市生產(chǎn)總值的數(shù)據(jù)均來(lái)源于歷年《中國(guó)城市統(tǒng)計(jì)年鑒》和各城市統(tǒng)計(jì)年鑒。

3.控制變量

政府財(cái)政支出水平（govern）：選取“城市政府財(cái)政支出額與城市GDP的比值”作為度量政府財(cái)政支出水平的指標(biāo)。

外商直接投資水平（fdi）：選取“城市實(shí)際利用外商直接投資額與城市GDP的比值”作為度量外商直接投資水平的指標(biāo)。

城市規(guī)模（lnsize）：選取“城市年末戶籍人口的對(duì)數(shù)”作為衡量城市規(guī)模的度量指標(biāo)。由于本文構(gòu)建的計(jì)量模型中被解釋變量為增長(zhǎng)率，考慮到變量衡量單位問(wèn)題，對(duì)城市年末戶籍人口進(jìn)行對(duì)數(shù)處理。

人力資本（education）：現(xiàn)有文獻(xiàn)中關(guān)于衡量人力資本的方法較多，但在實(shí)證研究中使用較為普遍的度量指標(biāo)為平均受教育年限，但城市層面的統(tǒng)計(jì)年鑒并沒(méi)有提供具體的關(guān)于不同教育水平的相關(guān)數(shù)據(jù)，因此不能用這種度量方法進(jìn)行分析。劉瑞明、趙仁杰（2015）在研究城市經(jīng)濟(jì)問(wèn)題時(shí)選取“城市普通高等學(xué)校在校生人數(shù)與城市總?cè)丝诘谋戎怠弊鳛楹饬砍鞘腥肆Y本的指標(biāo)[34]?？紤]到數(shù)據(jù)的可獲得性，本文采用劉瑞明和趙仁杰的研究指標(biāo)來(lái)度量城市人力資本水平。

產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化（upgrade）：本文選取“城市第三產(chǎn)業(yè)產(chǎn)值與城市生產(chǎn)總值的比值”作為衡量城市產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化水平的度量指標(biāo)。

（三）數(shù)據(jù)來(lái)源說(shuō)明

本文實(shí)證分析過(guò)程中的研究對(duì)象包括2000—2016年期間中國(guó)260個(gè)地級(jí)及以上城市，且原始統(tǒng)計(jì)數(shù)據(jù)來(lái)源于《中國(guó)城市統(tǒng)計(jì)年鑒》以及《中國(guó)統(tǒng)計(jì)年鑒》。由于《中國(guó)城市統(tǒng)計(jì)年鑒》中關(guān)于衡量金融發(fā)展水平的原始數(shù)據(jù)“金融部門(mén)的年末貸款余額”從2003年開(kāi)始提供，因此在測(cè)算城市TFP增長(zhǎng)率時(shí)所使用的時(shí)間跨度為2000—2016年，而進(jìn)行計(jì)量分析時(shí)所使用的時(shí)間跨度為2003—2016年。出于對(duì)統(tǒng)計(jì)數(shù)據(jù)的完整性和可獲得性的考慮，以2000年《中國(guó)城市統(tǒng)計(jì)年鑒》給出的城市劃分標(biāo)準(zhǔn)為基準(zhǔn)獲取本文的樣本量，但由于個(gè)別城市數(shù)據(jù)缺失現(xiàn)象較為嚴(yán)重，對(duì)這些城市進(jìn)行了剔除，最終共有260個(gè)城市進(jìn)入了考察樣本范圍內(nèi)。本文所提及的“城市”相關(guān)數(shù)據(jù)均為《中國(guó)城市統(tǒng)計(jì)年鑒》中“全市”的統(tǒng)計(jì)口徑數(shù)據(jù)。

四、實(shí)證研究結(jié)果分析與討論

（一）金融發(fā)展的城市TFP增長(zhǎng)異質(zhì)性效應(yīng)：基于全國(guó)和區(qū)域視角

本文采用統(tǒng)計(jì)分析軟件stata13.1對(duì)前文構(gòu)建的動(dòng)態(tài)面板回歸模型進(jìn)行估計(jì)，結(jié)果見(jiàn)表2。在進(jìn)行回歸分析過(guò)程中發(fā)現(xiàn)，若在計(jì)量模型中引入滯后一階的被解釋變量作為解釋變量得出來(lái)的回歸結(jié)果無(wú)法通過(guò)隨機(jī)擾動(dòng)項(xiàng)無(wú)自相關(guān)的檢驗(yàn)，也就是隨機(jī)擾動(dòng)項(xiàng)存在自相關(guān)問(wèn)題?，F(xiàn)有文獻(xiàn)在解決此類(lèi)問(wèn)題時(shí)，通常會(huì)在計(jì)量模型中引入更多的滯后被解釋變量。通過(guò)對(duì)計(jì)量模型進(jìn)行多次回歸估計(jì)發(fā)現(xiàn)，在計(jì)量模型中引入被解釋變量的二階或三階滯后變量即可解決隨機(jī)擾動(dòng)項(xiàng)自相關(guān)問(wèn)題。此時(shí)，表2中4個(gè)回歸方程結(jié)果均通過(guò)了隨機(jī)擾動(dòng)項(xiàng)無(wú)自相關(guān)的檢驗(yàn)。同時(shí)，Hansen檢驗(yàn)統(tǒng)計(jì)量數(shù)值無(wú)法拒絕“所有工具變量都是外生的”的原假設(shè)。另外，Wald檢驗(yàn)統(tǒng)計(jì)量數(shù)值拒絕了“解釋變量系數(shù)均為零”的原假設(shè)。

表2中的第一列是以全國(guó)260個(gè)城市為研究對(duì)象得到的回歸結(jié)果。結(jié)果發(fā)現(xiàn)金融發(fā)展（finance）的系數(shù)為正且在1%的水平上顯著，表明金融發(fā)展顯著地促進(jìn)城市TFP增長(zhǎng)。金融機(jī)構(gòu)的信貸規(guī)模擴(kuò)張會(huì)滿足企業(yè)發(fā)展過(guò)程中所需要的資金，這保證了企業(yè)正常生產(chǎn)運(yùn)作，推動(dòng)了企業(yè)產(chǎn)量的增加，同時(shí)也帶了“干中學(xué)”式的TFP增長(zhǎng)。與此同時(shí)，企業(yè)面臨市場(chǎng)的激烈競(jìng)爭(zhēng)，出于搶占市場(chǎng)份額的目的，會(huì)不斷地進(jìn)行技術(shù)創(chuàng)新以增加產(chǎn)品多樣化和提高產(chǎn)品質(zhì)量。然而，企業(yè)在進(jìn)行技術(shù)創(chuàng)新過(guò)程中需要投入大量的資金，這通常會(huì)超出企業(yè)自身的實(shí)力范圍，在這種狀況下企業(yè)需要通過(guò)外部融資來(lái)進(jìn)行創(chuàng)新，此時(shí)金融機(jī)構(gòu)的信貸會(huì)滿足企業(yè)技術(shù)創(chuàng)新資金的需求，金融體系的發(fā)展保證了技術(shù)創(chuàng)新活動(dòng)的順利進(jìn)行，提高了企業(yè)技術(shù)創(chuàng)新成功概率，推動(dòng)了技術(shù)進(jìn)步，最終帶來(lái)了城市TFP的增長(zhǎng)。

然而，中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展差別比較大，東-中-西-東北4個(gè)區(qū)域的地理位置、自然資源稟賦、經(jīng)濟(jì)發(fā)展基礎(chǔ)等多個(gè)方面存在著較大的差異。因而，處于不同區(qū)域的城市也會(huì)存在著較大的發(fā)展差異。改革開(kāi)放以來(lái)的40年里，東部地區(qū)憑借著優(yōu)先發(fā)展的國(guó)家方針和政策獲取了過(guò)多的經(jīng)濟(jì)資源，從而取得了令人驕傲的發(fā)展成績(jī)，而中、西部地區(qū)則處于一個(gè)相對(duì)落后的發(fā)展?fàn)顟B(tài)。在此背景下，《國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十三個(gè)五年規(guī)劃綱要》強(qiáng)調(diào)“深入實(shí)施西部開(kāi)發(fā)、東北振興、中部崛起和東北率先的區(qū)域發(fā)展總體戰(zhàn)略”以及國(guó)家提出的“一帶一路”倡議都是為了促進(jìn)區(qū)域經(jīng)濟(jì)快速發(fā)展和縮小區(qū)域間的經(jīng)濟(jì)發(fā)展差距。在國(guó)家實(shí)施這些戰(zhàn)略和倡議過(guò)程中，金融業(yè)也隨之快速發(fā)展，在區(qū)域經(jīng)濟(jì)發(fā)展過(guò)程中產(chǎn)生了重要的影響。因此，有必要從異質(zhì)性視角進(jìn)一步地研究金融體系在東部、中部、西部以及東北4個(gè)區(qū)域內(nèi)城市發(fā)展過(guò)程中所產(chǎn)生的影響差異。本文將全部樣本城市根據(jù)東部地區(qū)（10個(gè)省市）、中部地區(qū)（6個(gè)省市）、西部地區(qū)（11個(gè)省市區(qū)）以及東北部地區(qū)（3個(gè)?。﹦澐謽?biāo)準(zhǔn)進(jìn)行分類(lèi)來(lái)分析金融發(fā)展對(duì)歸屬于不同區(qū)域的城市TFP增長(zhǎng)的影響，結(jié)果見(jiàn)表2中的第三列到第六列。結(jié)果發(fā)現(xiàn)，金融發(fā)展（finance）的系數(shù)在表2中的第三列到第六列的回歸結(jié)果中均為正且在1%的統(tǒng)計(jì)水平上顯著，這說(shuō)明金融發(fā)展對(duì)各地區(qū)城市TFP增長(zhǎng)均產(chǎn)生了顯著的正向影響。無(wú)論是以中國(guó)城市總體為分析對(duì)象還是以不同區(qū)域城市為分析對(duì)象均進(jìn)一步證實(shí)了金融發(fā)展對(duì)TFP增長(zhǎng)產(chǎn)生了顯著的促進(jìn)作用（李健、衛(wèi)平，2015）[19]。然而，進(jìn)一步對(duì)比不同模型中金融發(fā)展（finance）的系數(shù)大小發(fā)現(xiàn)，金融發(fā)展對(duì)城市TFP增長(zhǎng)的促進(jìn)作用呈現(xiàn)出了東部-西部-中部-東北部的遞減態(tài)勢(shì)，這也間接地證明了金融發(fā)展的城市TFP增長(zhǎng)效應(yīng)具有區(qū)域異質(zhì)性特征。

此外，本文還發(fā)現(xiàn)變量govern的系數(shù)除了在以中部地區(qū)城市為研究對(duì)象的回歸結(jié)果中不顯著以外，在其他的所有模型中均為負(fù)且在1%的統(tǒng)計(jì)水平上顯著，這表明政府財(cái)政支出對(duì)城市TFP增長(zhǎng)產(chǎn)生了顯著的負(fù)面影響，本文的實(shí)證結(jié)果從城市層面支持了李健和盤(pán)宇章（2017） [27]以及李健和衛(wèi)平（2015）[35]的研究結(jié)論。變量fdi在以全國(guó)城市為樣本的回歸結(jié)果中系數(shù)為正且在1%的水平上顯著，這說(shuō)明外商直接投資促進(jìn)了中國(guó)城市TFP增長(zhǎng)。在以東部城市為樣本的回歸結(jié)果中，變量fdi的系數(shù)為正且在1%水平上顯著，這說(shuō)明外商直接投資促進(jìn)了中國(guó)東部城市TFP增長(zhǎng)。在中部城市和西部城市為樣本的回歸結(jié)果中，變量fdi的系數(shù)均為負(fù)且在1%的統(tǒng)計(jì)水平上顯著，這說(shuō)明外商直接投資對(duì)中部和西部城市TFP增長(zhǎng)產(chǎn)生了明顯的抑制作用。而在東北部城市為樣本的回歸結(jié)果中，變量fdi的系數(shù)為負(fù)但不顯著，這說(shuō)明外商直接投資對(duì)東北部城市TFP增長(zhǎng)沒(méi)有產(chǎn)生顯著的影響。變量lnsize的系數(shù)在以全國(guó)城市為研究對(duì)象和中部城市為研究對(duì)象的回歸結(jié)果中為正且在1%的水平上顯著，這說(shuō)明城市規(guī)模顯著地促進(jìn)了全國(guó)城市TFP增長(zhǎng)和中部城市TFP增長(zhǎng)，而在其他地區(qū)城市發(fā)展過(guò)程中對(duì)城市TFP增長(zhǎng)產(chǎn)生了較為明顯的抑制作用。以上結(jié)果支持了“大城市”發(fā)展的觀點(diǎn)，但發(fā)展“大城市”的方針政策要分地區(qū)有差別的實(shí)行。變量education的系數(shù)除了在以東北部城市為研究對(duì)象得到回歸結(jié)果中不顯著以外，在其他的模型中均為負(fù)且在1%水平上顯著，這說(shuō)明人力資本顯著地抑制了城市TFP增長(zhǎng)。本文的回歸結(jié)果與現(xiàn)有多數(shù)研究的結(jié)論相左，但與陳仲常、謝波（2013）[36]，李健、馮山、代昀昊（2020）[37]，李健、盤(pán)宇章（2017）[27]研究結(jié)論相一致。陳仲常、謝波（2013）研究不同類(lèi)型人力資本對(duì)全要素生產(chǎn)率增長(zhǎng)的影響時(shí)發(fā)現(xiàn)，初等、中等、高等教育對(duì)TFP增長(zhǎng)即期影響顯著為負(fù)，而中等和高等教育在滯后三期才具有顯著的正外部性[36]。本文在對(duì)人力資本度量時(shí)選取的是普通高等教育在校生與人口規(guī)模的比值，與陳仲常、謝波（2013）的研究中高等教育度量指標(biāo)基本上一致。出現(xiàn)這樣研究結(jié)果的原因可能是用“高等院校在校生數(shù)”度量人力資本反映的是潛在的人力資本資源而非即時(shí)的勞動(dòng)力“執(zhí)行能力”，會(huì)產(chǎn)生一定程度的滯后影響。變量upgrade的系數(shù)在表2所有回歸結(jié)果中為正且均在1%的水平上顯著，這表明產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化對(duì)中國(guó)城市TFP增長(zhǎng)產(chǎn)生了顯著的促進(jìn)作用。產(chǎn)業(yè)結(jié)構(gòu)越高級(jí)，說(shuō)明產(chǎn)業(yè)技術(shù)水平越高，這對(duì)城市經(jīng)濟(jì)發(fā)展會(huì)產(chǎn)生明顯的正向影響。

（二）金融發(fā)展的城市TFP增長(zhǎng)異質(zhì)性效應(yīng)：基于行政等級(jí)和城市規(guī)模視角

為了進(jìn)一步考察金融發(fā)展對(duì)中國(guó)城市TFP增長(zhǎng)的影響，本文接下來(lái)從行政等級(jí)和城市規(guī)模視角來(lái)進(jìn)行分析，具體結(jié)果見(jiàn)表3。表3中的回歸結(jié)果均通過(guò)了所有檢驗(yàn)，這表明模型設(shè)定具有合理性。表3中第二列和第三列的回歸結(jié)果是將城市按照行政等級(jí)進(jìn)行分類(lèi)得到的，其中高行政等級(jí)城市為直轄市、副省級(jí)城市、省會(huì)城市，而低行政等級(jí)城市為普通地級(jí)城市。金融發(fā)展（finance）的系數(shù)在這兩列回歸結(jié)果中符號(hào)為正且均在1%水平上顯著，這說(shuō)明無(wú)論是行政等級(jí)高的城市還是行政等級(jí)低的城市中，金融發(fā)展對(duì)城市TFP增長(zhǎng)產(chǎn)生了顯著的促進(jìn)作用，但進(jìn)一步發(fā)現(xiàn)行政等級(jí)高的城市為研究對(duì)象的回歸結(jié)果中金融發(fā)展（finance）的系數(shù)高于行政等級(jí)低的城市，這表明金融發(fā)展對(duì)處于行政等級(jí)高的城市TFP增長(zhǎng)產(chǎn)生的促進(jìn)作用更大。這背后的原因主要是因?yàn)樘幱谛姓燃?jí)高的城市經(jīng)濟(jì)發(fā)展水平也相對(duì)較高，經(jīng)濟(jì)發(fā)展活力旺盛，城市中的中小企業(yè)數(shù)量也很龐大，而當(dāng)前中小企業(yè)已經(jīng)成為中國(guó)經(jīng)濟(jì)增長(zhǎng)的主要推動(dòng)力，金融體系的發(fā)展可以滿足中小企業(yè)發(fā)展過(guò)程中所需要的資金，這最終推動(dòng)了高行政等級(jí)城市的TFP增長(zhǎng)。

接下來(lái)，本文按照城市規(guī)模大小對(duì)城市進(jìn)行分類(lèi)研究，具體結(jié)果見(jiàn)表3中第四列到第七列。在以低于1 000萬(wàn)人口的城市為研究對(duì)象的回歸結(jié)果中，金融發(fā)展（finance）的系數(shù)為0.021 1且在1%水平上顯著，而以高于1 000萬(wàn)人口的城市為研究對(duì)象的回歸結(jié)果中，金融發(fā)展（finance）的系數(shù)為0.023 1但不顯著，這說(shuō)明人口規(guī)模低于1 000萬(wàn)的城市中金融發(fā)展的TFP增長(zhǎng)效應(yīng)更為顯著。為了進(jìn)一步考察1 000萬(wàn)人口規(guī)模以下的城市中金融發(fā)展的TFP增長(zhǎng)效應(yīng)，進(jìn)一步將1 000萬(wàn)人口規(guī)模以下的城市劃分為500萬(wàn)人口規(guī)模以下以及500萬(wàn)人口到1 000萬(wàn)人口規(guī)模的城市進(jìn)行回歸分析，發(fā)現(xiàn)在500萬(wàn)人口規(guī)模以下城市的回歸結(jié)果中金融發(fā)展（finance）的系數(shù)為正且在1%的水平上顯著，而在500萬(wàn)人口到1 000萬(wàn)人口規(guī)模的城市中金融發(fā)展的TFP增長(zhǎng)效應(yīng)并不明顯，這表明在中小規(guī)模城市中金融發(fā)展的TFP增長(zhǎng)效應(yīng)更為顯著。

五、主要結(jié)論與啟示

本文以2000—2016年期間中國(guó)共計(jì)260個(gè)地級(jí)及以上城市為研究對(duì)象，采用DEA-Malmquist指數(shù)法測(cè)算了城市全要素生產(chǎn)率，并在此基礎(chǔ)上構(gòu)建動(dòng)態(tài)面板模型檢驗(yàn)金融發(fā)展對(duì)城市TFP增長(zhǎng)的影響以及異質(zhì)性特征。得到以下主要結(jié)論：

第一，金融發(fā)展對(duì)城市總體的TFP增長(zhǎng)產(chǎn)生顯著的正向影響，但具有異質(zhì)性特征。本文將中國(guó)進(jìn)一步劃分為東部地區(qū)、中部地區(qū)、西部地區(qū)以及東北地區(qū)得到的回歸結(jié)果更加證實(shí)了“金融發(fā)展對(duì)城市TFP增長(zhǎng)產(chǎn)生顯著的促進(jìn)作用”這一結(jié)論，但金融發(fā)展對(duì)城市TFP增長(zhǎng)的促進(jìn)作用呈現(xiàn)出了東部-西部-中部-東北部的遞減態(tài)勢(shì);金融發(fā)展對(duì)處于行政等級(jí)高的城市TFP增長(zhǎng)產(chǎn)生的促進(jìn)作用更大;金融發(fā)展對(duì)500萬(wàn)人口規(guī)模以下的城市TFP增長(zhǎng)更為顯著，表明中小規(guī)模城市中金融發(fā)展的TFP增長(zhǎng)效應(yīng)更為顯著。

第二，2000—2016年期間中國(guó)城市總體的TFP呈現(xiàn)出增長(zhǎng)態(tài)勢(shì)，且年均增長(zhǎng)率為3.1%。樣本考察期間，城市總體的技術(shù)進(jìn)步和技術(shù)效率年均增長(zhǎng)率分別為2.7%和0.4%，推動(dòng)中國(guó)城市整體TFP增長(zhǎng)的動(dòng)力源泉為技術(shù)進(jìn)步和技術(shù)效率改善，且前者的貢獻(xiàn)更大。中國(guó)城市經(jīng)濟(jì)運(yùn)行效率表現(xiàn)良好，城市TFP出現(xiàn)正向增長(zhǎng)的城市達(dá)到總體城市的85%。樣本考察期間，技術(shù)進(jìn)步和技術(shù)效率改善的城市個(gè)數(shù)分別占總體城市的96.1%和59.6%，表明城市經(jīng)濟(jì)發(fā)展過(guò)程中技術(shù)低效率是短板。同時(shí)具有技術(shù)進(jìn)步和技術(shù)效率改善的城市有148個(gè)，占總體城市的56.9%，還沒(méi)有達(dá)到及格線（60%）。中國(guó)城市經(jīng)濟(jì)運(yùn)行效率提升空間較大，仍然有43.1%的城市可以通過(guò)技術(shù)進(jìn)步或技術(shù)效率改善推動(dòng)城市增長(zhǎng)。

結(jié)合以上研究結(jié)論，可以得到以下兩點(diǎn)啟示：第一，增強(qiáng)金融發(fā)展對(duì)城市TFP增長(zhǎng)的正面影響，本質(zhì)上應(yīng)當(dāng)注重金融發(fā)展對(duì)城市技術(shù)水平和技術(shù)效率的雙重影響，而不能僅注重其中一個(gè)方面。本文的實(shí)證結(jié)果表明推動(dòng)中國(guó)城市整體TFP增長(zhǎng)的動(dòng)力源泉為技術(shù)進(jìn)步和技術(shù)效率改善，因此城市發(fā)展過(guò)程中政府應(yīng)當(dāng)引導(dǎo)金融體系更好地服務(wù)于實(shí)體經(jīng)濟(jì)，推動(dòng)企業(yè)的技術(shù)創(chuàng)新，這樣才能從根本上推動(dòng)城市技術(shù)進(jìn)步和技術(shù)效率的改善，進(jìn)而促進(jìn)城市TFP增長(zhǎng)。城市政府需要從制度安排、環(huán)境建設(shè)、創(chuàng)新管理多個(gè)維度進(jìn)行改革和完善現(xiàn)有的城市環(huán)境，同時(shí)企業(yè)自身也需要完善管理體系和生產(chǎn)體系以提高運(yùn)行效率，只有這樣才能保證城市技術(shù)進(jìn)步和技術(shù)效率的雙重提高。第二，國(guó)家應(yīng)該進(jìn)一步加大金融體制改革，有重點(diǎn)和有差異地推動(dòng)不同地區(qū)的金融市場(chǎng)化進(jìn)程，降低政府在金融資源配置上的政策干擾。中國(guó)區(qū)域經(jīng)濟(jì)發(fā)展不均衡，東部地區(qū)金融市場(chǎng)化水平顯著高于其他地區(qū)，因此，國(guó)家應(yīng)該重點(diǎn)推進(jìn)中西部和東北部地區(qū)的低行政等級(jí)城市以及中小城市規(guī)模城市的金融市場(chǎng)化改革過(guò)程。中國(guó)銀行部門(mén)存在著大量政策性導(dǎo)向的貸款和不良貸款，國(guó)家出于對(duì)某些行業(yè)領(lǐng)域的扶持目的對(duì)金融資源配置進(jìn)行干擾，導(dǎo)致絕大多數(shù)的信貸資源配給運(yùn)行效率相對(duì)低下的國(guó)有部門(mén)，致使那些本該需要信貸資源的企業(yè)沒(méi)有得到支持。21世紀(jì)以來(lái)，民營(yíng)經(jīng)濟(jì)對(duì)中國(guó)經(jīng)濟(jì)的快速增長(zhǎng)作出了主要貢獻(xiàn)，而民營(yíng)經(jīng)濟(jì)的主體主要是中小企業(yè)。中小企業(yè)具有較強(qiáng)的生命力和較高的運(yùn)行效率，同時(shí)在技術(shù)創(chuàng)新方面也有自身的優(yōu)勢(shì)。這些企業(yè)在進(jìn)行技術(shù)創(chuàng)新活動(dòng)時(shí)遇到的頭號(hào)難題則是資金匱乏，由此也導(dǎo)致了很多技術(shù)創(chuàng)新行為被扼殺在了搖籃里。由此可見(jiàn)，引導(dǎo)金融體系更好地服務(wù)中小企業(yè)是破解融資約束難題、提升城市TEP的關(guān)鍵。

[注 釋]

①表1中僅列出了使用軟件DEAP2.1測(cè)算城市整體層面的Malmquist指數(shù)，考慮到篇幅的限制，本文對(duì)具體城市的Malmquist指數(shù)及其分解結(jié)果進(jìn)行了省略。

②表2中東部地區(qū)包括北京、天津、河北、上海、江蘇、浙江、福建、山東、廣東、海南共10個(gè)地區(qū);中部地區(qū)包括山西、安徽、江西、河南、湖北、湖南共6個(gè)地區(qū);西部地區(qū)包括內(nèi)蒙古、廣西、重慶、四川、貴州、云南、陜西、甘肅、青海、寧夏、新疆共11個(gè)地區(qū);東北地區(qū)包括遼寧、吉林、黑龍江共3個(gè)地區(qū)。

[參考文獻(xiàn)]

[1]李健，盤(pán)宇章.中國(guó)城市生產(chǎn)率增長(zhǎng)差異及收斂性分析 [J].城市問(wèn)題，2018（1）：56-64.

[2]金相郁.中國(guó)城市全要素生產(chǎn)率研究：1990-2003[J].上海經(jīng)濟(jì)研究，2006（7）：14-23.

[3]劉秉鐮，李清彬.中國(guó)城市全要素生產(chǎn)率的動(dòng)態(tài)實(shí)證分析：1990-2006——基于DEA模型的Malmquist指數(shù)方法[J].南開(kāi)經(jīng)濟(jì)研究，2009（3）：139-152.

[4]邵軍，徐康寧.我國(guó)城市的生產(chǎn)率增長(zhǎng)、效率改進(jìn)與技術(shù)進(jìn)步[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2010（1）：58-66.

[5]王霞，胥敬華，曾鋮，等.全要素生產(chǎn)視角下的中心城市經(jīng)濟(jì)增長(zhǎng)方式轉(zhuǎn)變——基于中國(guó)17個(gè)城市面板數(shù)據(jù)的實(shí)證研究[J].上海經(jīng)濟(jì)研究，2015（3）：30-39.

[6]李健，李澎，衛(wèi)平.東北三省城市經(jīng)濟(jì)增長(zhǎng)動(dòng)力實(shí)證分析[J].經(jīng)濟(jì)與管理研究，2017（5）：34-44.

[7]李衛(wèi)兵，涂蕾.中國(guó)城市綠色全要素生產(chǎn)率的空間差異與收斂性分析[J].城市問(wèn)題，2017（9）：55-63.

[8]王德祥，薛桂芝.中國(guó)城市全要素生產(chǎn)率的測(cè)算與分解（1998-2013）[J].財(cái)經(jīng)科學(xué)，2016（9）：42-52.

[9]李靜，李逸飛，馬永軍.中國(guó)城市全要素生產(chǎn)率增長(zhǎng)率的動(dòng)態(tài)實(shí)證分析及收斂性研究[J].江淮論壇，2016（3）：54-63.

[10]楊浩昌，李廉水，劉軍.產(chǎn)業(yè)聚集與中國(guó)城市全要素生產(chǎn)率[J].科研管理，2018（1）：83-94.

[11]宋麗穎，張偉亮，劉源.財(cái)政自主度對(duì)資源型城市全要素生產(chǎn)率的影響研究[J].財(cái)貿(mào)研究，2018（3）：71-79.

[12]王凱風(fēng)，吳超林.收入差距對(duì)中國(guó)城市環(huán)境全要素生產(chǎn)率的影響——來(lái)自285個(gè)地級(jí)及以上級(jí)別城市的證據(jù)[J].經(jīng)濟(jì)問(wèn)題探索，2018（2）：49-57.

[13]張萃.生產(chǎn)性服務(wù)業(yè)集聚對(duì)中國(guó)城市生產(chǎn)率增長(zhǎng)的影響——基于城市等級(jí)體系視角的分析[J].城市問(wèn)題，2016（6）：61-69.

[14]孫曉華，郭玉嬌.產(chǎn)業(yè)集聚提高了城市生產(chǎn)率嗎？——城市規(guī)模視角下的門(mén)限回歸分析[J].財(cái)經(jīng)研究，2013（2）：103-112.

[15]張浩然，衣保中.基礎(chǔ)設(shè)施、空間溢出與區(qū)域全要素生產(chǎn)——基于中國(guó)266個(gè)城市空間面板杜賓模型的經(jīng)驗(yàn)研究[J].經(jīng)濟(jì)學(xué)家，2012（2）：61-67.

[16]張軍，金煜.中國(guó)的金融深化和生產(chǎn)率關(guān)系的再檢測(cè)：1987-2001[J].經(jīng)濟(jì)研究，2005（11）：34-44.

[17]趙勇，雷達(dá).金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)：生產(chǎn)率促進(jìn)抑或資本形成[J].世界經(jīng)濟(jì)，2010（2）：37-50.

[18]余利豐，鄧柏盛，王菲.金融發(fā)展與中國(guó)生產(chǎn)率增長(zhǎng)——隨機(jī)前沿分析的視角[J].2011（8）：105-112.

[19]李健，衛(wèi)平.金融發(fā)展與全要素生產(chǎn)率增長(zhǎng)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2015（8）：47-64.

[20 ]陳啟清，貴斌威.金融發(fā)展與全要素生產(chǎn)率：水平效應(yīng)與增長(zhǎng)效應(yīng)[J].經(jīng)濟(jì)理論與經(jīng)濟(jì)管理，2013（7）：58-69.

[21]BENCIVENGA V R，SMITH B.Financial intermediation and endogenous growth[J].Review of economic studies，1991 （2）：195-209.

[22]GREENWOOD J，SMITHB D.Financial markets in development，and the development of financial markets[J].Journal of economic dynamics and control，1997（1）：145-181.

[23]FUENTE A DE LA，MARIN J M.Innovation，bank monitoring，and endogenous financial development[J].Journal of monetary economics，1996（2）：269-301.

[24]LAEVEN L，LEVINE R，MICHALOPOULOS S.Financial innovation and endogenous growth[J].Journal of financial intermediation，2015（1）：1-24.

[25]蘇基溶，廖進(jìn)中.開(kāi)放條件下的金融發(fā)展、技術(shù)進(jìn)步與經(jīng)濟(jì)增長(zhǎng)[J].世界經(jīng)濟(jì)文匯，2009（5）：90-105.

[26]陽(yáng)佳余，賴明勇.金融發(fā)展與基于水平創(chuàng)新的內(nèi)生增長(zhǎng)模型[J].中國(guó)管理科學(xué)，2007（2）：21-27.

[27]李健，盤(pán)宇章.金融發(fā)展、實(shí)體部門(mén)與全要素生產(chǎn)率增長(zhǎng)[J].經(jīng)濟(jì)科學(xué)，2017（5）：16-30.

[28]余泳澤.中國(guó)省際全要素生產(chǎn)率動(dòng)態(tài)空間收斂性研究[J].世界經(jīng)濟(jì)，2015（10）：30-55.

[29]FARE R，GROSSKOPF S，MARY N，et al.Productivity growth，technical progress，and efficiency change in industrialized countries[J].American economic review，1994（84）：66-83.

[30]章祥蓀，貴斌威.中國(guó)全要素生產(chǎn)率分析：Malmquist指數(shù)法評(píng)述與應(yīng)用[J].數(shù)量經(jīng)濟(jì)技術(shù)經(jīng)濟(jì)研究，2008（6）：111-122.

[31]MUHAMMAD N，ISLAM A R M，MARASHDEH H A.Financial development and economic growth：an empirical evidence from the GCC countries using static and dynamic panel data[J].Journal of economics and finance，2016 （4）：773-791.

[32]ARCAND J L，BERKES E，PANIZZA U.Too much finance？[J].Journal of economic growth，2015（2）：105-148.

[33]黃智淋，董志勇.我國(guó)金融發(fā)展與經(jīng)濟(jì)增長(zhǎng)的非線性關(guān)系研究——來(lái)自動(dòng)態(tài)面板數(shù)據(jù)門(mén)限模型的經(jīng)驗(yàn)證據(jù)[J].金融研究，2013（7）：74-86.

[34]劉瑞明，趙仁杰.國(guó)家高新區(qū)推動(dòng)了地區(qū)經(jīng)濟(jì)發(fā)展嗎？[J].管理世界，2015（8）：30-38.

[35]李健，衛(wèi)平.民間金融和全要素生產(chǎn)率增長(zhǎng)[J].南開(kāi)經(jīng)濟(jì)研究，2015（5）：74-91.

[36]陳仲常，謝波.人力資本對(duì)全要素生產(chǎn)率增長(zhǎng)的外部性檢驗(yàn)——基于我國(guó)省際動(dòng)態(tài)面板模型[J].人口與經(jīng)濟(jì)，2013（1）：68-75.

[37]李健，馮山，代昀昊.國(guó)家級(jí)高新區(qū)和中國(guó)城市全要素生產(chǎn)率增長(zhǎng)——基于雙重差分方法的研究[J].經(jīng)濟(jì)經(jīng)緯，2020（1）：9-16.

The Effects of Financial Development on Total Factor Productivity Growth in China s Cities

——Empirical Analysis Based on the Panel Data of 260 Cities

Li Jian1，Xin Chongchong2

（1.School of Economics，Bohai University，Jinzhou 121000，China;2.National Academy of Economy Strategy，Chinese Academy of Social Science，Beijing 100028，China）

Abstract：? ?Based on the balanced panel data of 260 prefecture-level and above cities in 30 regions of China during the period of 2000-2016，this paper uses the three-input DEA-Malmquist index method to measure and analyze the growth rate of urban total factor productivity（TFP） in China.Further，the paper constructed a dynamic panel regression model to empirically examine the relationship between financial development and urban total productivity growth.The empirical results show that the overall TFP of Chinese cities during the period of 2000-2016 show a growth trend，and the driving force behind the overall TFP growth in Chinese cities is the technological progress and improvement of technical efficiency，while the former contributes more to total TFP.Financial development plays a significant role in promoting the total TFP growth in cities，but the effects presents regional heterogeneity.The role played by financial development in the growth of urban total factor productivity shows a declining trend in the east-west-central region;Financial development has a greater effect on the growth of total factor productivity in high-administrative cities;Financial development contributes more to total factor productivity in cities under a population of 5 million than that of cities above 5 million.

Key words：? ?financial development;city;total factor productivity ;heterogeneity;difference GMM

責(zé)任編輯 （責(zé)任編輯：蔡曉芹）