阮素梅 張 盟

(安徽財經(jīng)大學 金融學院,安徽 蚌埠 233030)

一、引言及文獻綜述

進入新常態(tài)以來，中國經(jīng)濟從高速增長階段進入了高質量發(fā)展階段。作為衡量經(jīng)濟發(fā)展質量的重要指標，宏觀投資效率反映了資本的利用效率和配置水平(Bai et al.，2006)。在中國，從2000年每單位投資可帶來0.29單位gdp增加額，到2008年變?yōu)槊繂挝煌顿Y帶來0.36單位gdp增加額，但是到2018年又變?yōu)槊繂挝煌顿Y帶來0.22單位gdp增加額。(1)數(shù)據(jù)來源于2000—2018年中國統(tǒng)計年鑒和中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫?？梢钥闯?，近年來，宏觀投資效率呈現(xiàn)遞減趨勢。這是由于資本配置錯位導致了全要素生產(chǎn)率損失和利用轉化能力降低(季書涵，2016；許捷，2017)，有些地方和行業(yè)甚至同時出現(xiàn)了投資不足和投資過度現(xiàn)象，造成低效投資。根據(jù)適度投資規(guī)模判別標準，投資增長率在整體上要與國民收入增長率保持一致，但中國的資本形成總額增長率在2000年為8.99%，GDP增長率為10.73%；2008年增加為23.42%，GDP增長率為18.20%；2018年降低為12.49%，GDP增長率為10.47%。(2)數(shù)據(jù)來源于2000—2018年中國統(tǒng)計年鑒和中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫?？偟膩砜矗瑑烧卟罹嚯m然有所縮小，但是投資增長率仍略高于國民收入增長率，宏觀投資規(guī)模仍處于過度擴張狀態(tài)。作為金融發(fā)展到一定程度的重要現(xiàn)象，金融集聚所產(chǎn)生的規(guī)模經(jīng)濟效應(Park，1985)和信息擴散效應(Porteous，1995)能否有效優(yōu)化資本配置，提高投資效率和抑制投資規(guī)模的過度擴張；技術創(chuàng)新在金融集聚影響宏觀投資的過程中是否具有中介效應以及效應水平有多高。深入研究這些問題，對于正確理解轉變經(jīng)濟發(fā)展模式，提高中國經(jīng)濟發(fā)展質量，適應經(jīng)濟新常態(tài)具有重要意義。

現(xiàn)有關于金融集聚對投資影響的研究主要集中在企業(yè)投資方面，結論卻有著較大差異。早期的研究認為，金融集聚具有規(guī)模經(jīng)濟效應、信息擴散效應和資本配置效應，并據(jù)此有效促進企業(yè)投資規(guī)模的擴張。如，F(xiàn)ilippo et al.(2012)認為，金融市場可以在集聚區(qū)域內提高金融資源利用率的同時降低投資風險和流動性風險，進而緩解企業(yè)投資中高風險項目的融資需求。李林等(2011)從信息擴散效應和規(guī)模經(jīng)濟效應的角度出發(fā)，利用空間計量模型證實銀行業(yè)、證券業(yè)和保險業(yè)集聚均能產(chǎn)生明顯的正效應，且銀行業(yè)集聚的效應水平最高。李青原等(2013)基于中國省級工業(yè)行業(yè)數(shù)據(jù)進行研究，發(fā)現(xiàn)金融的發(fā)展與集聚能夠提高資本配置效率進而影響企業(yè)投資。此外，劉軍等(2007)、Keith et al.(2012)、尹福祿等(2018)等的研究也支持上述觀點。還有一些研究提出關于金融集聚的要素擁擠理論，認為隨著金融集聚程度的不斷加深，在超過某個閾值后，金融集聚反過來會對企業(yè)投資產(chǎn)生顯著的抑制作用。如，唐根年等(2009)認為，過度的金融集聚不僅不能促進實業(yè)投資，反而會因為阻礙實業(yè)投資，影響經(jīng)濟發(fā)展。Juan(2014)研究發(fā)現(xiàn)，過度的金融集聚會形成虛假的市場繁榮，導致企業(yè)過度關注短期投資，進而忽略長期投資。此外,Solomom(2002)、Freeman (2010)、張成思等(2016)等的研究也為金融集聚的要素擁擠理論提供了支持。

關于金融集聚對技術創(chuàng)新的影響，目前學術界也尚未有一致結論，主要有以下三種觀點：第一，金融集聚有利于提高技術創(chuàng)新水平。如，Levine(1996)從金融功能角度進行研究，認為金融集聚一方面可以降低金融機構的經(jīng)營成本和信息搜集成本，減少企業(yè)道德風險，另一方面可以在集聚區(qū)域內利用豐富的金融資源和快速的信息傳遞促進技術擴散，從而提高技術創(chuàng)新水平。Chowdhury et al.(2012)認為，金融集聚能提高金融機構對企業(yè)潛力的識別能力，為具有創(chuàng)新能力的企業(yè)提供資金支持，從而促進技術創(chuàng)新。第二，金融集聚對技術創(chuàng)新具有抑制效應。如，黎杰生等(2017)認為，金融集聚雖然對經(jīng)濟增長具有促進作用，但是會引起集聚區(qū)域內金融機構的過度競爭，造成資源浪費和成本效應，從而對技術創(chuàng)新產(chǎn)生負效應。周天蕓等(2012)以香港地區(qū)為例進行實證分析，發(fā)現(xiàn)金融集聚所引發(fā)的行業(yè)壟斷會在一定程度上對技術創(chuàng)新產(chǎn)生排斥作用。第三，金融集聚具有異質性。如，Rioja et al.(2004)通過對不同發(fā)展水平的國家進行實證檢驗，發(fā)現(xiàn)金融集聚對技術創(chuàng)新的影響與本國發(fā)達程度相關，在發(fā)達國家表現(xiàn)為促進作用，在不發(fā)達國家則沒有明顯影響。李勝旗等(2017)發(fā)現(xiàn)不同行業(yè)的金融集聚對技術創(chuàng)新的影響具有差異性，銀行業(yè)和證券業(yè)表現(xiàn)為正向促進效應，而保險業(yè)則表現(xiàn)為逆向擠出效應。

綜上，可以發(fā)現(xiàn)，已有文獻證實金融集聚能夠顯著影響企業(yè)投資和技術創(chuàng)新，但是缺乏有關金融集聚能否影響宏觀投資以及對宏觀投資的作用機制的研究。由此，本文從金融集聚角度出發(fā)，考察其對宏觀投資規(guī)模和宏觀投資效率的作用效果，并在此基礎上引入技術創(chuàng)新這一中介變量，分析其在金融集聚影響宏觀投資過程中的傳遞效率，以期能為提高投資效率、實現(xiàn)經(jīng)濟高質量發(fā)展和適應經(jīng)濟新常態(tài)提供一條新的研究思路。

二、模型設定、變量及數(shù)據(jù)說明

(一)模型設定

1.基準計量模型

參照于斌斌(2017)的研究，為了檢驗金融集聚對宏觀投資的影響，運用OLS建立基準計量模型：

Yijt=α0+βfinit+∑δjCtrlijt+εit

(1)

其中：下標i和t分別代表變量所屬的年份和省份；Yijt代表被解釋變量，包括宏觀投資規(guī)模(lncapitalit)和宏觀投資效率(1/icorit)；finit代表核心解釋變量金融集聚；Ctrlijt代表控制變量；εit代表隨機擾動項。

2.分位數(shù)回歸模型

由于OLS的誤差項的正態(tài)分布假設在很多情況下與現(xiàn)實不符，因此，本文參照張召華等(2019)使用分位數(shù)回歸模型作為基準模型的對照組檢驗其穩(wěn)健性，同時也可以進一步分析金融集聚對宏觀投資的效應水平是否會隨著規(guī)模擴張和效率提高而發(fā)生變化。模型設定如下：

Fq[Yijt|Git(fin)]=Git(fin)βq

(2)

其中：q代表分位點；Git(fin)代表影響被解釋變量宏觀投資的因素，包括金融集聚在內的核心解釋變量和其他控制變量；Fq[

Yijt|Git(fin)]代表在各影響因素確定的情況下，被解釋變量宏觀投資在q分位點上的數(shù)值；βq代表核心解釋變量和其他控制變量在q分位點上的回歸系數(shù)。

為了估計βq，需要解決最小化問題：

(3)

其中，n表示樣本量。為了更好地了解整個條件分布的全貌，參照秦放鳴等(2020)的做法，本文選取0.10、0.25、0.50、0.75和0.90五個分位點進行估計檢驗。

3.中介效應模型

為了進一步研究金融集聚對于宏觀投資的作用路徑，本文使用技術創(chuàng)新作為中介變量，參照錢雪松等(2015)對中介效應的檢驗流程，將基準模型式(1)擴展為如下的中介效應遞推回歸模型：

第一步:

Yijt=α1+cfinit+∑δjCtrlijt+ε1it

(4.1)

第二步:

lntechit=α2+afinit+∑δjCtrlijt+ε2it

(4.2)

第三步：

Yijt=α3+c1finit+blntechit+∑δjCtrlijt+ε3it

(4.3)

其中，lntech代表技術創(chuàng)新水平。第一步是檢驗金融集聚是否對宏觀投資具有顯著影響，影響系數(shù)記為c；第二步是考察金融集聚對技術創(chuàng)新的影響水平，影響系數(shù)記為a；第三步是探究金融集聚和科技創(chuàng)新是否能夠同時對宏觀投資產(chǎn)生影響，影響系數(shù)分別為記為c1和b。若a、b和c同時通過顯著性檢驗，則存在中介效應。同時，若c1未通過顯著性檢驗，則此中介效應為完全中介效應；若c1通過顯著性檢驗且c1

(二)變量說明

1.被解釋變量：宏觀投資規(guī)模(lncapital)和宏觀投資效率(1/icor)

參照黃先海等(2011)，本文以更為準確的資本形成總額來衡量宏觀投資規(guī)模，為了保持數(shù)據(jù)平穩(wěn)性取其對數(shù)，符號記為lncapital。已有研究主要使用資本收益率、資本產(chǎn)出比和邊際資本產(chǎn)出比三種宏觀投資效率度量方法(Bai et al.，2006；許捷 等，2017；柏培文 等，2017)，本文以使用最廣泛且最具有代表性的邊際資本產(chǎn)出比(icor)作為宏觀投資效率的衡量指標。該指標為投資規(guī)模與產(chǎn)出增量的比值，表示增加一單位總產(chǎn)出所需要的投資，其計算公式為：

icorit=capitalit/(gdpit-gdpit-1)

(5)

其中，icorit是i省份在t年份的宏觀投資效率，capitalit是i省份在t年份的投資總量，gdpit-gdpit-1是i省份在t年份的總產(chǎn)值增量。icor的值越大，表示增加一單位的總產(chǎn)出所需要的投資量越大，宏觀投資效率就越低。為了便于觀察，本文采用邊際資本產(chǎn)出比的倒數(shù)(1/icor),即投資效果系數(shù)，作為宏觀投資效率的衡量指標，1/icor的值越大，表示宏觀投資效率越高。

2.核心解釋變量：金融集聚(fin)

本文選取最常用的區(qū)位熵方法對金融集聚進行衡量。區(qū)位熵既能反映金融業(yè)在空間上的集聚水平，又能反映各省份金融業(yè)的專業(yè)化程度以及該省份金融業(yè)在全國的地位和作用。區(qū)位熵的計算方法為:

finit=(fgdpit/gdpit)/(∑fgdpit/∑gdpit)

(6)

其中，fgdpit是i省份在t年份的金融業(yè)增加值，gdpit是i省份在t年份的國內生產(chǎn)總值。fin>1，表示該地區(qū)的金融集聚高于同時期全國平均水平；fin<1，表示該地區(qū)的金融集聚低于同時期全國平均水平。

3.中介變量：技術創(chuàng)新(tech)

技術創(chuàng)新的指標種類較多，萬建香等(2016)、胡珺等(2020)以R&D經(jīng)費支出或專利申請授權數(shù)量作為技術創(chuàng)新指標，但是這兩個指標僅能從單一角度分別反映技術創(chuàng)新的投入水平和產(chǎn)出水平。技術市場既是一個地區(qū)技術創(chuàng)新的要素供應市場，也是該地區(qū)技術創(chuàng)新成果的轉化市場，相對于R&D經(jīng)費支出和專利申請授權數(shù)量來說，技術市場成交額更能綜合反映一個地區(qū)的技術創(chuàng)新水平。因此，本文以技術市場成交額來衡量一個地區(qū)的整體技術創(chuàng)新水平，并對其進行對數(shù)化處理(lntech)。

4.控制變量

消費水平(consume):市場會根據(jù)消費者的消費規(guī)模、消費結構和偏好自動調節(jié)投資，參照張偉等(2020)，本文以各省份的社會消費品零售總額衡量消費水平。

交通信息水平(transport):交通運輸能力的高低和信息傳遞的快慢直接關系到投資規(guī)模的擴張和投資效率的提升，參照唐建榮等(2016)，本文以各省份的交通運輸、倉儲和郵政業(yè)增加值衡量交通信息水平。

經(jīng)濟發(fā)展水平(pgdp)：一個地區(qū)經(jīng)濟發(fā)展水平高低和經(jīng)濟增長模式會對投資規(guī)模和效率產(chǎn)生重要影響，參照莊毓敏等(2020)，本文以各省份剔除人口影響因素的人均gdp衡量經(jīng)濟發(fā)展水平。

政府干預(gover):地方政府為了提高總產(chǎn)值會對經(jīng)濟進行干預，引導資源配置和流向，參照焦勇等(2019)，本文以各省份的財政支出規(guī)模衡量政府干預。

人力資源素質(education)：高素質的人力資源能夠吸引投資，優(yōu)化資本配置，提高投資效率，參照莊毓敏等(2020)，本文以各省份普通本?？飘厴I(yè)人數(shù)衡量人力資源素質。

為了降低數(shù)據(jù)的波動，保持平穩(wěn)，消除異方差，本文對上述控制變量均進行對數(shù)化處理。

(三)數(shù)據(jù)來源

本文所選取30個省份的平衡面板數(shù)據(jù)(因西藏地區(qū)部分數(shù)據(jù)缺失，未進行統(tǒng)計)，時間跨度為2013—2017年，所有原始數(shù)據(jù)均來源于國家統(tǒng)計局和中經(jīng)網(wǎng)統(tǒng)計數(shù)據(jù)庫。

變量的描述性統(tǒng)計見表1。

表1 變量的描述性統(tǒng)計

三、實證結果

(一)數(shù)據(jù)的平穩(wěn)性檢驗

對建立的模型進行回歸估計之前，需要對所選取的變量進行面板單位根檢驗，保證數(shù)據(jù)的平穩(wěn)性，避免出現(xiàn)“偽回歸”現(xiàn)象。由于現(xiàn)有的各類面板單位根檢驗方法存在一定差異，本文同時使用LLC、IPS、Fisher-ADF和Fisher-PP四種檢驗方式綜合判斷檢驗結果。檢驗結果如表2所示，除IPS和Fisher-PP的部分變量不顯著外，其余變量均顯著通過穩(wěn)健性檢驗，因此，可以基本認定本文所選取的所有變量均為平穩(wěn)時間序列，不存在“偽回歸”現(xiàn)象。

表2 平穩(wěn)性檢驗結果

(二)基準回歸和分位數(shù)回歸結果

先利用模型(1)就金融集聚對宏觀投資的影響進行基準回歸。為了進一步分析宏觀投資規(guī)模擴張和宏觀投資效率遞減過程中金融集聚對其影響水平是否發(fā)生變化，再選取0.10、0.25、0.50、0.75和0.90五個分位點利用模型(2)進行分位數(shù)回歸，對照檢驗基準模型結果的穩(wěn)健性以及在不同分位點上影響水平的差異。結果如表3和表4所示。

表3 金融集聚對宏觀投資規(guī)模的影響

表4 金融集聚對宏觀投資效率的影響

表3的結果顯示，在模型(1)中，金融集聚的回歸系數(shù)為-0.1831，并通過1%的顯著性水平檢驗，表明金融集聚能夠明顯地抑制宏觀投資規(guī)模的擴張。這是因為金融集聚會帶來更豐富的金融資源和更強大的金融機構協(xié)作能力，引導資金的合理配置，在投資過度的情況下，企業(yè)和機構為得到較高的資本回報率和避免資源浪費，會減少投資，并將多余的資金投向消費等其他經(jīng)濟領域，造成整體投資規(guī)模的收縮?？刂谱兞恐校M水平、交通信息水平、經(jīng)濟發(fā)展水平、政府干預和人力資源素質的回歸系數(shù)分別為0.2615、0.1889、0.2295、0.3546和0.0747，均在1%的水平下顯著，表明消費水平、交通信息水平、經(jīng)濟發(fā)展水平、政府干預和人力資源素質都能夠有效促進宏觀投資規(guī)模的增長。同時，政府干預的系數(shù)大于其他四個變量，表明政府干預對于宏觀投資規(guī)模產(chǎn)生的正效應遠高于消費水平、交通信息水平、經(jīng)濟發(fā)展水平和人力資源素質。這是由于相對于其他因素，政府干預具有強大的社會影響力，任何一項經(jīng)濟政策或指導規(guī)劃的出臺都會在短時間內對整個社會經(jīng)濟造成重要大影響。

在模型(2)中，各變量系數(shù)的符號和顯著性與模型(1)的完全相同，金融集聚在0.10、0.25、0.50、0.75和0.90的分位點上的回歸系數(shù)分別為-0.2258、-0.1999、-0.1879、-0.1827和-0.1864，均在1%的水平下顯著，表明隨著宏觀投資規(guī)模的擴張，金融集聚的抑制效應在整體水平上呈現(xiàn)緩慢下降趨勢，其中0.10分位點上作用效果最強，同時表明模型(1)的回歸結果可靠性較高。之所以出現(xiàn)這種現(xiàn)象，是因為投資規(guī)模越大的地區(qū)往往經(jīng)濟發(fā)展水平也越高，金融市場的自發(fā)調節(jié)機制也就越完善，能夠保持適度的投資增長，在這種情況下，就不再需要金融集聚對投資規(guī)模進行抑制，影響系數(shù)也就逐漸降低。這與近年來中國宏觀投資規(guī)模仍處于過度擴張狀態(tài)，但擴張速度逐漸減緩的國情相符合。

表4的結果顯示，在模型(1)中，金融集聚的影響系數(shù)為0.0483，在1%的水平下通過顯著性檢驗，表明金融集聚能夠明顯促進宏觀投資效率的提高。這是由于金融集聚的信息擴散效應和規(guī)模經(jīng)濟效應能夠有效實現(xiàn)資本的合理配置，減少資本浪費，提高資本的使用效率和宏觀投資效率?？刂谱兞恐?，消費水平、交通信息水平、經(jīng)濟發(fā)展水平、政府干預和人力資源素質的回歸系數(shù)分別為-0.0181、0.0420、-0.0422、-0.0929和0.0673，除消費水平?jīng)]有通過顯著性檢驗外，其他四個變量都在1%的水平下顯著，表明消費水平對于宏觀投資效率無明顯影響，交通信息水平和人力資源素質能夠有效提高宏觀投資效率，但是經(jīng)濟發(fā)展水平和政府干預則會對宏觀投資效率產(chǎn)生嚴重的負效應。這是因為中國存在不合理的經(jīng)濟發(fā)展模式，片面地追求提高總投資和總產(chǎn)出，忽略資源的使用效率和配置效率，嚴重抑制了宏觀投資效率的提高。這與中國目前產(chǎn)出總量和投資高速增長但投資效率遞減的國情一致。另外，地方政府通過各種手段引導經(jīng)濟增長，干預資源流向和配置，破壞了市場的自動調節(jié)機制，不利于投資效率水平的上行。同時，由于政府干預的重大社會影響力，在所有的變量中，政府干預系數(shù)絕對值最大，影響水平最高。

各變量在模型(2)和模型(1)中的回歸系數(shù)的符號和顯著性情況完全相同，金融集聚在0.10、0.25、0.50、0.75和0.90分位點上的回歸系數(shù)分別為0.0340、0.0315、0.0590、0.0644和0.0384，除0.10分位點的回歸系數(shù)通過5%的顯著性水平檢驗外，其余四個分位點的回歸系數(shù)均在1%的水平下顯著，表明金融集聚的促進效應隨著宏觀投資效率的提高在整體上呈現(xiàn)先上升后下降的趨勢，同時表明模型(1)的回歸結果具有較高可靠性。宏觀投資效率的提高意味著經(jīng)濟發(fā)展質量和部門協(xié)作效率的提高，在這種情況下，金融集聚的促進效應得到加強，但隨著宏觀投資效率提高到一定程度(0.75分位點)時，金融集聚對于宏觀投資效率的影響開始呈現(xiàn)邊際遞減趨勢，陷入了一個衰減瓶頸，需要引入其他要素才能繼續(xù)提高宏觀投資效率。

(三)分樣本回歸結果

為了考察在不同地理位置下金融集聚對于宏觀投資的影響差異，根據(jù)國家統(tǒng)計局的劃分，本文將所選取的30個省份細分為東部、中部和西部地區(qū)，使用模型(1)進行分樣本回歸，回歸結果見表5。

表5 金融集聚對宏觀投資的影響：分地區(qū)

表5的結果顯示，在對于宏觀投資規(guī)模的回歸中，金融集聚在東部地區(qū)的回歸系數(shù)為-0.2025，通過1%的顯著性水平檢驗；在中部地區(qū)的回歸系數(shù)為-0.1737，通過5%的顯著性水平檢驗；在西部地區(qū)的回歸系數(shù)為-0.0243，未通過顯著性檢驗。這表明東部和中部地區(qū)的金融集聚都會對宏觀投資規(guī)模過度擴張產(chǎn)生顯著的抑制效應，且東部地區(qū)的抑制效應大于中部地區(qū)，而西部地區(qū)沒有明顯影響。之所以出現(xiàn)這種現(xiàn)象，主要原因是中國西部地區(qū)的金融業(yè)發(fā)展緩慢，金融資源稀缺，還沒有形成一定水平的金融集聚效應，對宏觀投資規(guī)模沒有明顯影響，而東部地區(qū)的金融資源最為豐富，金融集聚程度最大，影響系數(shù)的絕對值也比中部地區(qū)更高。

在對宏觀投資效率的回歸中，金融集聚在東部地區(qū)的回歸系數(shù)為0.0600，通過1%的顯著性水平檢驗；在中部地區(qū)的回歸系數(shù)為-0.0574，沒有通過顯著性檢驗；在西部地區(qū)的回歸系數(shù)為-0.0526，通過10%的顯著性水平檢驗。這表明金融集聚在東部地區(qū)可以有效提高宏觀投資效率，在中部地區(qū)沒有明顯影響，在西部地區(qū)則有一定抑制作用。產(chǎn)生這種現(xiàn)象的原因可能是，中部地區(qū)的金融集聚水平低于東部地區(qū)，金融集聚對于宏觀投資效率的促進效應受到削弱，影響效果變得不顯著；西部地區(qū)金融發(fā)展水平很低，沒有形成有效的空間集聚效應，在無效空間集聚和落后經(jīng)濟發(fā)展模式的雙重作用下，金融集聚的系數(shù)符號由正轉負，對宏觀投資效率具有一定抑制效應。此外，在高水平的金融集聚和高級的產(chǎn)業(yè)結構及經(jīng)濟發(fā)展模式的多重作用下，東部地區(qū)金融集聚對宏觀投資效率產(chǎn)生的效應大于全國平均水平，其系數(shù)也大于全國的0.0483。

對表5進行綜合分析可以發(fā)現(xiàn)，隨著金融資源富裕度和金融集聚水平在東、中、西部地區(qū)的逐漸降低，金融集聚對于宏觀投資的總效應也呈現(xiàn)規(guī)律性的遞減趨勢。為了進一步驗證上述規(guī)律是否與金融集聚水平有關以及考察金融集聚是否只有在較高水平下才能影響宏觀投資，根據(jù)區(qū)位熵的定義，本文選擇數(shù)值1作為分界點將樣本劃分為低水平金融集聚(fin<1)和高水平金融集聚(fin≥1)兩類，重新進行分樣本檢驗，結果如表6所示。

表6 金融集聚對宏觀投資的影響：分聚集水平

表6的結果顯示，金融集聚在低水平下，對宏觀投資規(guī)模的影響系數(shù)為0.0327，對宏觀投資效率的影響系數(shù)為-0.0053，均未通過顯著性檢驗，而在高水平下，對宏觀投資規(guī)模和宏觀投資效率的影響系數(shù)分別為-0.3080和0.0588，均在1%的水平下高度顯著。這表明，只有在形成有效集聚或者集聚水平較高的情況下，金融集聚才能顯著地提高宏觀投資效率和抑制宏觀投資規(guī)模過度擴張，由此驗證了金融集聚對于宏觀投資的綜合效應在東、中、西部地區(qū)呈現(xiàn)規(guī)律性的遞減趨勢是由金融資源的富裕度和金融集聚水平遞減決定的。此外，這也導致相對于全樣本回歸，在fin≥1情況下的金融集聚對宏觀投資規(guī)模和宏觀投資效率的影響系數(shù)絕對值更大，邊際效應更高，對宏觀投資的綜合效果更好。

(四)中介效應檢驗結果與作用機制分析

在確定金融集聚對宏觀投資規(guī)模和宏觀投資效率都具有明顯影響之后，為了進一步考察金融集聚是否會通過技術創(chuàng)新這一變量間接影響宏觀投資，對金融集聚影響的傳導機制進行中介效應檢驗，并使用Sobel統(tǒng)計值進行二次檢驗，以保證中介效應檢驗結果的穩(wěn)健性，檢驗結果如表7所示。

表7的結果顯示，模型(4.1)與模型(1)相同，表明金融集聚能夠有效提高宏觀投資效率和抑制宏觀投資規(guī)模過度擴張，對宏觀投資規(guī)模和宏觀投資效率的影響系數(shù)分別為-0.1831和0.0483。在模型(4.2)中，金融集聚對于技術創(chuàng)新的影響系數(shù)為1.0962，并在1%的水平下通過顯著性檢驗，表明金融集聚能夠顯著地提高技術創(chuàng)新水平。在模型(4.3)中，技術創(chuàng)新對宏觀投資規(guī)模的影響系數(shù)為-0.0510，在1%的水平下高度顯著，同時金融集聚對宏觀投資規(guī)模的影響系數(shù)顯著地降低為-0.1271，而技術創(chuàng)新對宏觀投資效率的影響系數(shù)為0.0100，在5%的水平下顯著，同時金融集聚對宏觀投資效率的影響系數(shù)顯著地降低為0.0373，說明技術創(chuàng)新在金融集聚影響宏觀投資的過程中有著顯著的部分中介效應。通過對影響系數(shù)的研究發(fā)現(xiàn)，金融集聚每提高1個單位，技術創(chuàng)新就會提高1.0962個單位，而技術創(chuàng)新每提高1個單位，就會使得宏觀投資規(guī)模降低0.0510個單位和宏觀投資效率提高0.0100個單位。所以，金融集聚每提高1個單位，就可以通過技術創(chuàng)新降低0.0559個單位的宏觀投資規(guī)模和提高0.0110個單位的宏觀投資效率，兩者的中介效果量分別為30.53%和22.77%，即金融集聚對宏觀投資規(guī)模和宏觀投資效率的作用效果分別有30.53%和22.77%是通過技術創(chuàng)新這一中介變量來實現(xiàn)的。對中介效應進行二次檢驗的Sobel統(tǒng)計量表明，上述中介效應檢驗結果是穩(wěn)健的。

表7 中介效應檢驗結果

為了進一步研究在金融集聚影響宏觀投資的過程中，技術創(chuàng)新是否會因為自身質量層次的差異而導致其作為中介變量傳遞效率的不同，參照張璇等(2019)，本文選取專利申請授權數(shù)量作為衡量技術創(chuàng)新的指標。按照所能產(chǎn)生的實際價值，將發(fā)明專利和實用新型專利歸入高等層次技術創(chuàng)新，將外觀設計專利歸入低等層次技術創(chuàng)新，同時使用整體專利申請授權數(shù)量作為中等層次技術創(chuàng)新的代表，對數(shù)化處理后，重新使用模型(4)對三個層次的技術創(chuàng)新進行中介效應檢驗，結果如表8所示。

表8的結果顯示，在第二步中，金融集聚對低等層次技術創(chuàng)新的影響系數(shù)為0.6633，對中等層次技術創(chuàng)新的影響系數(shù)為0.5519，對高等層次技術創(chuàng)新的影響系數(shù)0.4972，均通過1%水平的顯著性檢驗。因此，金融集聚每提高1個單位，低等、中等和高等層次技術創(chuàng)新會分別顯著提高0.6633、0.5519和0.4972個單位，表明隨著質量層次的提高，金融集聚對技術創(chuàng)新的正效應呈現(xiàn)規(guī)律性遞減趨勢。這可以從技術創(chuàng)新的投入和產(chǎn)出角度進行解釋。一方面，技術創(chuàng)新的層次越高，所需要的資金和時間投入也就越多；另一方面，其產(chǎn)出周期也越長，所需要的審核流程也越嚴格，從而導致金融集聚對技術創(chuàng)新的促進效應逐步降低。

表8 技術創(chuàng)新中介效應的異質性檢驗

在第三步中，加入技術創(chuàng)新這一中介變量之后，金融集聚對宏觀投資的邊際效應均有所減弱，除了低等層次技術創(chuàng)新對宏觀投資規(guī)模的中介效應未通過相應檢驗之外，其余均存在顯著的部分中介效應。綜合觀察可以發(fā)現(xiàn)，在對宏觀投資規(guī)模的傳遞效應過程中，低等層次技術創(chuàng)新不存在中介效應，中等層次和高等層次技術創(chuàng)新的中介效果量分別為10.82%和21.10%，隨著技術創(chuàng)新層次的提高，中介效應也從無到有并逐步增強。這可以從中介效應傳遞過程得到解釋。觀察第三步中技術創(chuàng)新影響系數(shù)可以發(fā)現(xiàn)，中等層次和高等層次的影響系數(shù)分別為-0.0359和-0.0777，表明高等層次技術創(chuàng)新對宏觀投資規(guī)模過度擴張的抑制效應遠高于中等層次。這是由于高質量技術創(chuàng)新所帶來的影響往往是全方位和深層次的，尖端科技每一次突破都會推動經(jīng)濟大步前進，從而進一步提高了技術創(chuàng)新作為中介變量的傳遞效率。在對宏觀投資效率的傳遞效應過程中，低等層次、中等層次和高等層次技術創(chuàng)新的中介效果量分別為46.28%、47.88%和6.68%，也就是說，隨著技術創(chuàng)新層次的提高，中介效應先增強后減弱。這是由于高層次技術創(chuàng)新能夠反向影響金融集聚，提高金融資源的利用率和金融機構的運作效率，優(yōu)化金融生態(tài)環(huán)境，導致金融集聚能夠更直接有效作用于宏觀投資效率，從而減少中介變量的間接傳導效應。

四、穩(wěn)健性檢驗

為了進一步檢驗實證分析結果的可靠性，本文進行了下列穩(wěn)健性檢驗：首先，使用全社會固定資產(chǎn)投資完成額(劉仁和 等，2018)對宏觀投資規(guī)模重新進行衡量,利用式(5)再構建宏觀投資效率的衡量指標，按照中介效應檢驗流程回歸；其次，中國人民銀行在2015年多次降息并不斷放開存款利率浮動上限，金融市場結構開始出現(xiàn)了進一步優(yōu)化，為了考察這些因素是否影響實證結果的穩(wěn)健性，剔除2015年之后的數(shù)據(jù)重新進行實證檢驗。結果如表9和表10所示，這兩種穩(wěn)健性檢驗方式的回歸結果均為前文結論的可靠性提供了支持。

表9 穩(wěn)健性檢驗(全社會固定資產(chǎn)投資完成額)

(續(xù)表9)

表10 穩(wěn)健性檢驗(2003—2014)

五、結論和建議

本文基于2013—2017年30個省份的面板數(shù)據(jù)，利用分位數(shù)回歸模型和中介效應模型進行實證檢驗，深入考察金融集聚對中國宏觀投資的影響及技術創(chuàng)新在其中的中介效應，并在此基礎上就技術創(chuàng)新的中介效應是否因為創(chuàng)新層次而具有異質性進行更深層次的分析。結果表明：

首先，整體上看，金融集聚在促進宏觀投資效率提升的同時能夠有效抑制過度膨脹的宏觀投資規(guī)模，且金融集聚只有達到較高水平才能影響宏觀投資，因此其在東部地區(qū)的綜合效應最強，并在東、中、西部地區(qū)呈現(xiàn)規(guī)律性遞減趨勢。

其次，金融集聚的效應水平會隨著投資規(guī)模和投資效率的提升而變動，對宏觀投資規(guī)模的抑制作用隨著規(guī)模擴張而在整體上逐漸減弱，對宏觀投資效率的促進作用隨效率提高而在整體上先升后降。

最后，技術創(chuàng)新在金融集聚影響宏觀投資的過程中具有顯著的部分中介效應，且小于直接效應，技術創(chuàng)新對宏觀投資規(guī)模和宏觀投資效率的中介效果量分別為30.53%和22.77%。但是，技術創(chuàng)新的中介效應會因為創(chuàng)新層次不同而發(fā)生變化，對宏觀投資規(guī)模的中介效應隨著創(chuàng)新層次的提升從無到有并逐步增強，對宏觀投資效率的中介效應隨著創(chuàng)新層次的提升先升后降。綜合來看，中等層次技術創(chuàng)新傳遞效率最高。

基于上述結論，提出如下建議：

第一，繼續(xù)提高金融發(fā)展水平，形成有效金融集聚，發(fā)揮其對宏觀投資的積極效應。一方面，在全國范圍內加強各地金融中心核心區(qū)域的載體建設，建立多元化的金融服務機構，以豐富金融業(yè)態(tài)，培養(yǎng)高端金融人才以增強人力資源素質，擴大與外地金融機構的交流和合作，提高金融集聚水平，發(fā)揮其對宏觀投資的積極作用。另一方面，中、西部地區(qū)除了加強自身金融建設外，還需要在資金和制度等方面得到政策傾斜，吸引外地金融機構入住和外地金融專業(yè)人才流入，以加快金融集聚的速度，縮小與東部地區(qū)的差距。

第二，繼續(xù)優(yōu)化金融生態(tài)環(huán)境，消除金融集聚對宏觀投資的效應瓶頸。大力推動信息技術與金融產(chǎn)業(yè)的融合，繼續(xù)深化金融體制改革，加大金融監(jiān)管力度，建設完善信用體系，以優(yōu)化金融生態(tài)環(huán)境，使金融集聚在宏觀投資效率不斷提高的情況下仍能對其有促進作用。

第三，繼續(xù)支持技術創(chuàng)新，增強對宏觀投資的中介效應和傳遞效率。一方面，政府部門需要為重大科研項目提供資金和政策支持，鼓勵企業(yè)與高等院校開展研究合作，鼓勵各類社會主體建立科研機構，金融機構也需要為科技型企業(yè)擴大信貸額度和提供增值服務，以保證技術創(chuàng)新來源的穩(wěn)定。另一方面，在加大對高等層次技術創(chuàng)新支持力度的同時，也要兼顧對中低等層次技術創(chuàng)新的投入，推動技術創(chuàng)新的多層次協(xié)調發(fā)展。