李瑞雪，司孟慧，張漢飛

（中共中央黨校（國家行政學(xué)院） 經(jīng)濟(jì)學(xué)教研部，北京 100091）

一、引 言

與傳統(tǒng)追求數(shù)量增長的粗放生產(chǎn)方式時(shí)代相比，新時(shí)代經(jīng)濟(jì)增長最主要的特征就是“高質(zhì)量增長”，即促進(jìn)以全要素生產(chǎn)率為衡量指標(biāo)的經(jīng)濟(jì)高效率發(fā)展（劉志彪和凌永輝，2020）［1］。工業(yè)經(jīng)濟(jì)作為國民經(jīng)濟(jì)的重要基石，其效率提升對國民經(jīng)濟(jì)整體改善發(fā)揮重要作用。因此，建立綠色高效的工業(yè)體系成為新時(shí)代下推進(jìn)經(jīng)濟(jì)綠色、健康和可持續(xù)發(fā)展以及建設(shè)美麗中國的重要落腳點(diǎn)。

金融是實(shí)體經(jīng)濟(jì)的血脈，長期以來受經(jīng)濟(jì)全球化、市場利潤等因素影響，金融業(yè)逐漸顯現(xiàn)出向特定空間或區(qū)域集聚態(tài)勢，通過與當(dāng)?shù)厣鐣Y源環(huán)境的不斷融合和發(fā)展，逐步形成了具有緊密聯(lián)系的金融體系和金融市場，為實(shí)體企業(yè)提供了豐富的融資平臺，同時(shí)也為提高資源配置效率、降低企業(yè)融資成本和助力企業(yè)轉(zhuǎn)型升級提供了動力源泉（Kindleberger，1973［2］；吳義根和馮開文，2018［3］）。加之金融業(yè)本身具有的“清潔型”和“動力型”特點(diǎn)（袁華錫等，2019）［4］，對改善工業(yè)經(jīng)濟(jì)質(zhì)量、提升工業(yè)綠色生產(chǎn)效率產(chǎn)生了不容忽視的影響。

長三角地區(qū)是我國經(jīng)濟(jì)發(fā)展最活躍的區(qū)域之一（1），其中上海是國際金融中心，江蘇制造業(yè)總量位居全國第一，2021年前三季度長三角地區(qū)生產(chǎn)總值占全國比重達(dá)到24.5%，對全國經(jīng)濟(jì)貢獻(xiàn)率持續(xù)增強(qiáng)，在強(qiáng)國建設(shè)中具有舉足輕重的戰(zhàn)略地位?！胺e極推動長江經(jīng)濟(jì)帶成為我國生態(tài)優(yōu)先綠色發(fā)展主戰(zhàn)場”是打好污染防治攻堅(jiān)戰(zhàn)的重要一環(huán)（2）。基于以上背景，本文以長三角地區(qū)16 個(gè)主要城市為研究樣本，探討金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響，對促進(jìn)長三角地區(qū)更高質(zhì)量發(fā)展、體現(xiàn)金融更好地服務(wù)于實(shí)體經(jīng)濟(jì)的本質(zhì)功能具有一定的理論與現(xiàn)實(shí)意義。

二、文獻(xiàn)回顧

以往學(xué)者主要借鑒產(chǎn)業(yè)集聚的思路和結(jié)論探討金融業(yè)的集聚效應(yīng)。產(chǎn)業(yè)集聚源于馬歇爾對“地方性工業(yè)”在特定地區(qū)聚集這一經(jīng)濟(jì)現(xiàn)象的研究，隨后，眾多學(xué)者開始從不同角度探討產(chǎn)業(yè)集聚現(xiàn)象，1909年韋伯在其《工業(yè)區(qū)位論》中從地理區(qū)位角度提出區(qū)位集聚論，通過分析區(qū)位因素的運(yùn)行和形成區(qū)位規(guī)則，指出“運(yùn)輸成本”和“勞動力成本”是影響工業(yè)集聚于某地的“集聚因素”，集聚的最終結(jié)果是產(chǎn)生了單位產(chǎn)品一定數(shù)量的成本節(jié)約［5］。以克魯格曼為代表的新經(jīng)濟(jì)地理學(xué)從地理空間角度，構(gòu)建一般理論模型來解釋經(jīng)濟(jì)活動的集聚現(xiàn)象，并指出收益遞增、要素差異、運(yùn)輸成本差異和行業(yè)間規(guī)模經(jīng)濟(jì)的相互作用形成了集聚的向心力［6］。Goldsmith（1970）最早將金融應(yīng)用到集聚理論中，認(rèn)為地區(qū)金融集聚程度與經(jīng)濟(jì)發(fā)展具有高度關(guān)聯(lián)性［7］。Kindleberger（1973）提出規(guī)模經(jīng)濟(jì)效應(yīng)是金融市場集聚最主要的原因［2］。20 世紀(jì)70 年代出現(xiàn)的金融地理學(xué)，則強(qiáng)調(diào)了信息技術(shù)對促進(jìn)金融業(yè)集聚的重要作用（Conzen，1975）［8］，由于金融業(yè)的特殊性，金融機(jī)構(gòu)更需要接近信息源和信息腹地來緩解信息不對稱和加工、處理非標(biāo)準(zhǔn)化信息，所以金融資源呈現(xiàn)向“信息中心”集聚的趨勢（Thrift［9］，1994）。而形成金融集聚中心的必要條件是必須具備“收集、交換、重組和解譯信息”的能力（馮德連和葛文靜，2004）［10］。此外，較低機(jī)會成本、較高的金融服務(wù)產(chǎn)業(yè)份額以及大量的金融信息也成為金融集聚的重要因素（車欣薇等，2012）［11］?？傊?，基于各類特殊因素和一般因素，金融資源在特定空間聚集成為一般現(xiàn)象，“金融集聚成為金融要素配置優(yōu)化的重要表現(xiàn)［12］，也成為金融產(chǎn)業(yè)組織發(fā)展的一般形式”［13］。許多學(xué)者先后關(guān)注了金融集聚與實(shí)體經(jīng)濟(jì)之間的關(guān)系，提出金融集聚對經(jīng)濟(jì)增長質(zhì)量提升具有積極的作用（張忠俊等，2021）［14］，影響途徑主要包括外部規(guī)模經(jīng)濟(jì)效應(yīng)、擴(kuò)散效應(yīng)、功能效應(yīng)、集聚效應(yīng)、技術(shù)進(jìn)步效應(yīng)等［15-17］。特別是隨著通信技術(shù)的發(fā)展，金融集聚輻射效應(yīng)得到了技術(shù)保障，將金融功能傳遞得更遠(yuǎn)（李紅和王彥曉，2014）［18］。當(dāng)前我國已轉(zhuǎn)向高質(zhì)量發(fā)展階段，著重強(qiáng)調(diào)要提高全要素生產(chǎn)率這一目標(biāo)。一些學(xué)者開始研究金融集聚與工業(yè)全要素生產(chǎn)率之間的關(guān)系，但是得出了不同的觀點(diǎn)：余永澤等（2013）研究表明，在一定范圍內(nèi)金融集聚對工業(yè)生產(chǎn)效率提升表現(xiàn)為外溢效應(yīng)，但是隨著邊界逐漸擴(kuò)大，直到超出一定范圍后促進(jìn)效應(yīng)開始減弱［19］；王淑英和屈瑩瑩（2017）研究表明，金融集聚對八大國家中心城市的全要素生產(chǎn)率提升均表現(xiàn)為正向促進(jìn)作用［20］；張秀艷等（2019）利用33個(gè)工業(yè)細(xì)分行業(yè)的面板數(shù)據(jù)實(shí)證表明，金融集聚對工業(yè)全要素生產(chǎn)率具有直接負(fù)效應(yīng)［21］。

隨著資源環(huán)境約束和綠色發(fā)展理念的提出，金融集聚與綠色經(jīng)濟(jì)發(fā)展的關(guān)系成為眾多學(xué)者的研究對象。一方面，金融集聚會帶來人才、技術(shù)、信息等高級要素的流入和聚集，高級要素的配置改變了經(jīng)濟(jì)增長方式，實(shí)現(xiàn)了生產(chǎn)源頭要素的節(jié)約、生產(chǎn)過程中資源配置效率的提升以及生產(chǎn)末端環(huán)境污染的治理，從而達(dá)到整體綠色效率提升的效果（吳義根和馮開文，2018）［3］。另一方面，金融機(jī)構(gòu)通過構(gòu)建綠色金融體系，發(fā)展綠色信貸、綠色債券，設(shè)立綠色發(fā)展基金等，支持低耗能、低污染和高效能企業(yè)發(fā)展，可以直接降低環(huán)境污染，提升綠色經(jīng)濟(jì)發(fā)展效率。比如通過證券公司發(fā)行以新能源汽車補(bǔ)貼款作為基礎(chǔ)資產(chǎn)的資產(chǎn)證券化項(xiàng)目，為綠色金融支持實(shí)體企業(yè)發(fā)展拓寬了低成本融資渠道。此外，政府通過綠色信貸提供貸款利率優(yōu)惠可以有效解決綠色研發(fā)活動帶來的市場失靈問題，同時(shí)可以明顯降低綠色創(chuàng)新企業(yè)研發(fā)資金短缺風(fēng)險(xiǎn)（楊文珂等，2021）［22］。部分學(xué)者采用實(shí)證研究的方法論證了金融集聚與綠色經(jīng)濟(jì)發(fā)展之間的關(guān)系。張芳等（2018）以長三角地區(qū)為例，利用狀態(tài)空間模型證明了金融集聚對綠色經(jīng)濟(jì)發(fā)展的正效應(yīng)，但隨著集聚程度的增加，促進(jìn)作用呈現(xiàn)緩慢下降趨勢［17］。魏茹（2018）的研究發(fā)現(xiàn)，無論是在產(chǎn)業(yè)結(jié)構(gòu)高級化還是產(chǎn)業(yè)結(jié)構(gòu)合理化視角下，金融集聚都會顯著影響城市綠色經(jīng)濟(jì)績效，但是其滯后項(xiàng)以及不同細(xì)分行業(yè)的集聚效果存在明顯差異［23］。袁華錫等（2019）利用2003—2014年中國274個(gè)地級及以上城市數(shù)據(jù)，證明了金融集聚對綠色發(fā)展效率的影響呈現(xiàn)“梯度式”增強(qiáng)的特征［4］。李珊珊和馬艷芹（2020）的研究發(fā)現(xiàn)，金融業(yè)是提升綠色全要素生產(chǎn)率的重點(diǎn)行業(yè)［24］。

可以看出，已有文獻(xiàn)對金融集聚相關(guān)領(lǐng)域進(jìn)行了豐富的研究，但依舊存在不足，主要包括如下幾點(diǎn)問題：第一，多數(shù)文獻(xiàn)圍繞金融集聚與實(shí)體經(jīng)濟(jì)增長的關(guān)系進(jìn)行研究，未能進(jìn)一步闡釋金融集聚、工業(yè)全要素生產(chǎn)率與綠色可持續(xù)發(fā)展的聯(lián)系；第二，以往的研究忽略了工業(yè)全要素生產(chǎn)率的綠色化內(nèi)涵；第三，中國各地區(qū)金融發(fā)展水平、集聚程度和工業(yè)經(jīng)濟(jì)基礎(chǔ)存在明顯的差距，已有研究主要關(guān)注國家整體或者省級層面，對某一經(jīng)濟(jì)區(qū)域或城市群的研究則相對較少，忽略了“地域特征”對研究結(jié)果存在的政策應(yīng)用價(jià)值。隨著“碳中和”與“碳達(dá)峰”目標(biāo)的提出，實(shí)現(xiàn)工業(yè)綠色化轉(zhuǎn)型升級迫在眉睫。因此，本文基于長三角地區(qū)16個(gè)主要城市（以下簡稱“長三角地區(qū)”）面板數(shù)據(jù)，利用System-GMM 和面板門檻模型，從行業(yè)異質(zhì)性角度探討金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響。

三、理論分析與研究假設(shè)

工業(yè)經(jīng)濟(jì)綠色發(fā)展是經(jīng)濟(jì)效益與生態(tài)效益的和諧統(tǒng)一，其關(guān)鍵在于提升工業(yè)綠色全要素生產(chǎn)率。金融服務(wù)業(yè)作為現(xiàn)代經(jīng)濟(jì)的核心，不僅能夠優(yōu)化區(qū)域資源配置，還可以通過規(guī)模效應(yīng)提高金融市場的流動性，對經(jīng)濟(jì)增長較為明顯的貢獻(xiàn)便是其對全要素生產(chǎn)率的影響。作為影響工業(yè)綠色發(fā)展的重要因素，金融集聚提升工業(yè)績效主要體現(xiàn)為：一方面，金融集聚的“虹吸效應(yīng)”，吸引各類金融機(jī)構(gòu)和金融活動在特定空間集聚，通過吸納社會儲蓄資金轉(zhuǎn)化為投資資金，改變社會存量資金的結(jié)構(gòu)和流量資金的變化，進(jìn)一步影響工業(yè)資源供給水平和配給程度（冉啟英等，2021）［25］。集聚效應(yīng)帶來的資金累積有助于增加金融資源對工業(yè)生產(chǎn)的有效資金供給，避免企業(yè)因研發(fā)投入的高額成本而放棄新技術(shù)的開發(fā)，從而有助于工業(yè)企業(yè)長期提高技術(shù)進(jìn)步實(shí)現(xiàn)生產(chǎn)率的提高（房春濤，2019）［26］。由金融資本集聚帶來的高素質(zhì)人才的聚集以及知識、技術(shù)外溢，又可以為企業(yè)研發(fā)投入提供優(yōu)質(zhì)人力資本，在提高企業(yè)技術(shù)效率、提升集聚區(qū)內(nèi)整體創(chuàng)新程度等方面的作用顯著（呂承超和王媛媛，2019）［27］。另一方面，隨著網(wǎng)絡(luò)體系持續(xù)優(yōu)化，金融機(jī)構(gòu)之間的信息交流更加便利。金融集聚區(qū)內(nèi)近距離的信息傳輸和資源共享可以有效提高金融行業(yè)信息搜集、交流的執(zhí)行效率，減少信息失真帶來的資源錯(cuò)配和誤配（高康和原毅軍，2020）［28］。同時(shí)有助于金融業(yè)增強(qiáng)信息甄別能力，通過識別、篩選出優(yōu)質(zhì)工業(yè)企業(yè)，引導(dǎo)金融資源流向高效率、低污染企業(yè)，通過淘汰低生產(chǎn)率企業(yè)向周邊地區(qū)轉(zhuǎn)移實(shí)現(xiàn)資源的優(yōu)化再配置，最終形成強(qiáng)勢格局（Pan 和Hou，2014）［29］，從而帶來工業(yè)內(nèi)部產(chǎn)業(yè)結(jié)構(gòu)的升級，助推整體工業(yè)行業(yè)綠色全要素生產(chǎn)率的提升。此外，金融集聚有助于資金配置的風(fēng)險(xiǎn)分散及風(fēng)險(xiǎn)轉(zhuǎn)移功能的完善，還可以緩解創(chuàng)新的信貸約束，分散創(chuàng)新風(fēng)險(xiǎn)（張秀艷等，2019）［21］。基于此，本文提出假設(shè)1。

H1：金融集聚有助于提升工業(yè)綠色全要素生產(chǎn)率水平。

不同的金融細(xì)分行業(yè)在服務(wù)實(shí)體經(jīng)濟(jì)的方式與作用上各有優(yōu)勢和劣勢，其集聚程度也相應(yīng)帶來不同影響。有研究發(fā)現(xiàn)，較低水平的銀行業(yè)集聚有利于成立更多新企業(yè)，同時(shí)有助于小企業(yè)的發(fā)展壯大（Cetorelli 和Strahan，2006）［30］；而有的研究則認(rèn)為，較高的銀行業(yè)集中度會帶來銀行業(yè)之間的競爭，從而更有利于成熟企業(yè)的成長（Jackson 和Thomas，1995）［31］。國內(nèi)學(xué)者洪功翔等（2014）針對不同細(xì)分金融行業(yè)從全國和區(qū)域兩個(gè)層面驗(yàn)證金融集聚與全要素生產(chǎn)率的關(guān)系，結(jié)果發(fā)現(xiàn)，無論是全國層面還是區(qū)域?qū)用妫C券業(yè)集聚都能顯著促進(jìn)全要素生產(chǎn)率（TFP）增長，但保險(xiǎn)業(yè)集聚對中、西部存在顯著的負(fù)效應(yīng)，銀行業(yè)集聚在全國層面和對西部地區(qū)的作用表現(xiàn)為促進(jìn)，對東部和中部地區(qū)作用不明顯［32］。冷彥潤（2021）基于2006—2011 年我國工業(yè)企業(yè)數(shù)據(jù)和金融活動普查數(shù)據(jù)庫，驗(yàn)證了銀行業(yè)集聚能夠有效提升制造業(yè)企業(yè)全要素生產(chǎn)率，具體路徑體現(xiàn)為通過緩解企業(yè)內(nèi)部融資約束提升企業(yè)全要素生產(chǎn)率［33］。還有學(xué)者驗(yàn)證了信貸市場和股票市場與實(shí)體經(jīng)濟(jì)的關(guān)系，發(fā)現(xiàn)信貸市場對經(jīng)濟(jì)增長表現(xiàn)為積極的正向作用，但是股票市場效果不顯著（Gennaioli 等，2012）［34］。基于此，本文提出假設(shè)2。

H2：金融集聚對工業(yè)綠色全要素生產(chǎn)率呈現(xiàn)出行業(yè)異質(zhì)性。

金融資本是工業(yè)生產(chǎn)發(fā)展必不可少的要素之一，當(dāng)資本匱乏或中介成本較高時(shí)，工業(yè)投資就可能受限。不同類型金融機(jī)構(gòu)在一定空間內(nèi)聚集也帶來了資金的聚集，為企業(yè)加大創(chuàng)新研發(fā)投入或擴(kuò)大生產(chǎn)規(guī)模拓寬了資金來源，特別有利于緩解新興企業(yè)融資壓力。當(dāng)金融集聚規(guī)模處于較低水平時(shí)，企業(yè)可能因缺乏資金支持造成技術(shù)創(chuàng)新、產(chǎn)品升級等有利于提高生產(chǎn)效率的行為受阻。只有當(dāng)金融資本集聚到一定規(guī)模，才能更有利于效率提升。但是金融業(yè)過度集聚，就會匯集大量的超過經(jīng)濟(jì)發(fā)展所需的資源，從而降低整體的經(jīng)濟(jì)效率，還可能增加實(shí)體經(jīng)濟(jì)運(yùn)行成本。由于處于不同發(fā)展階段的工業(yè)企業(yè)具有不同的規(guī)模特征、風(fēng)險(xiǎn)特性和融資需求，因此，對于金融服務(wù)的需求也存在系統(tǒng)性差異，林毅夫等（2009）指出：“只有金融體系內(nèi)部各種不同的金融制度安排的比例和相對構(gòu)成與實(shí)體經(jīng)濟(jì)結(jié)構(gòu)相匹配，才能有效發(fā)揮金融體系在動員儲蓄、配置資金和分散風(fēng)險(xiǎn)方面的功能?！保?5］此外，受利潤導(dǎo)向影響，集聚區(qū)內(nèi)眾多金融資本涌入房地產(chǎn)、股市等少數(shù)高利潤行業(yè)、領(lǐng)域，加劇以制造業(yè)為主體的實(shí)體經(jīng)濟(jì)外部融資壓力（洪功翔等，2014）［32］，金融資源的錯(cuò)配，造成對實(shí)體企業(yè)有效資金供給不足，抑制企業(yè)擴(kuò)大生產(chǎn)、轉(zhuǎn)型升級?；诖?，本文提出假設(shè)3。

H3：金融業(yè)和金融細(xì)分行業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率具有門檻效應(yīng)，且隨著門檻值的變化對工業(yè)生產(chǎn)呈現(xiàn)出非線性影響。

四、長三角地區(qū)金融集聚、工業(yè)綠色全要素生產(chǎn)率發(fā)展現(xiàn)狀

（一）金融集聚發(fā)展現(xiàn)狀

1.金融業(yè)總體集聚發(fā)展現(xiàn)狀

衡量金融集聚的方法主要包括空間基尼系數(shù)、EG指數(shù)、MS地理集中指數(shù)、區(qū)位熵指數(shù)等，本文選擇能夠很好地體現(xiàn)產(chǎn)業(yè)市場結(jié)構(gòu)變化基本特征的區(qū)位熵指數(shù)來衡量金融集聚程度，其含義是某指標(biāo)在某地區(qū)范圍內(nèi)的比重與該指標(biāo)在更大范圍內(nèi)比重的比值（朱輝，2019）［36］，比值越大，表明該地區(qū)金融集聚程度越高。本文基于（1）式計(jì)算了長三角16個(gè)城市的金融業(yè)區(qū)位熵，衡量金融業(yè)整體集聚程度：

其中：fit、pit分別為長三角第i城市第t年末金融業(yè)從業(yè)人員和所有行業(yè)從業(yè)人員數(shù)；Ft、Pt分別表示長三角16 城市第t年末金融業(yè)從業(yè)人員數(shù)和所有行業(yè)從業(yè)人員數(shù)。選取2005—2019 年數(shù)據(jù)，經(jīng)整理計(jì)算，結(jié)果見表1所列。

表1 長三角16城市金融業(yè)區(qū)位熵值

根據(jù)表1數(shù)據(jù)，2005—2019年長三角16城市金融集聚程度agg_finit變化趨勢如圖1所示。由圖1可知，長三角16城市金融集聚程度差異比較明顯。隨著經(jīng)濟(jì)發(fā)展，長三角金融業(yè)的空間分布由上海單中心向多中心演化。2005—2019 年上海的金融集聚指數(shù)值在1.020 0～1.584 7 之間波動，在2016 年之前，除蘇州在2005年、泰州在2008年高于上海外，上海集聚程度明顯高于其他城市，但是自2016年之后上海金融集聚程度趨向下降，而臺州、舟山、寧波等市的金融集聚程度開始逐步超過上海。蘇州自2007年金融集聚指數(shù)出現(xiàn)大幅下降后，一直處于較低集聚狀態(tài)，紹興、揚(yáng)州等市集聚程度總體處于低位平穩(wěn)狀態(tài)。

圖1 長三角地區(qū)部分城市金融集聚變化

2.銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)集聚現(xiàn)狀

為進(jìn)一步了解長三角16個(gè)城市金融細(xì)分行業(yè)集聚的狀況，同樣采用區(qū)位熵指數(shù)法，分別計(jì)算銀行業(yè)區(qū)位熵、保險(xiǎn)業(yè)區(qū)位熵、證券業(yè)區(qū)位熵，來衡量三個(gè)細(xì)分行業(yè)的集聚程度。計(jì)算公式如下：

其中：bit、sit、iit、yit分別表示長三角i城市第t年末銀行儲蓄存款余額、證券交易額、保費(fèi)收入和地區(qū)生產(chǎn)總值；Bt、St、It、Yt分別表示長三角16 城市第t年末銀行儲蓄存款余額總和、證券交易額總和、保費(fèi)收入總和以及地區(qū)生產(chǎn)總值總和。根據(jù)計(jì)算值，長三角16 城市2005—2019 年銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)集聚變化分別如圖2—圖4 所示。

根據(jù)圖2，長三角16城市中上海銀行業(yè)集聚優(yōu)勢顯著，集聚程度明顯高于其他15城市，各年集聚度基本都大于1.5，處于長三角地區(qū)中的第一梯隊(duì)。緊隨上海的是杭州，并且有追趕之勢；南京銀行業(yè)也保持了較好的發(fā)展勢頭，集聚程度僅次于杭州?？傮w來看，杭州和南京的銀行業(yè)集聚程度處于第二梯隊(duì)，銀行集聚指數(shù)在1～1.5 之間波動。處于第三梯隊(duì)的寧波銀行業(yè)集聚程度總體位列第四，但是與上海、杭州、南京三市集聚程度差別顯著，各年集聚程度均小于1。其他12 市銀行業(yè)發(fā)展比較緩慢，集聚指數(shù)在0.5上下波動。

圖2 長三角地區(qū)部分城市銀行業(yè)集聚變化

根據(jù)圖3，以證券交易額為代表的16 城市的證券集聚，上海仍處于較高水平，尤其是在2009年之前，證券集聚程度遠(yuǎn)高于其他城市。受2008 年全球金融危機(jī)影響，自2009 年開始上海證券業(yè)集聚呈現(xiàn)波動下降狀態(tài)，到2016 年，杭州證券集聚程度已經(jīng)超過上海，此后持續(xù)保持高度集聚水平，集聚指數(shù)整體呈現(xiàn)持續(xù)增長態(tài)勢。南京證券業(yè)集聚程度在2009 年之前尚且位列第二，之后被杭州、紹興等城市超越，但總體來看，南京集聚程度波動幅度不大。而舟山、湖州等市證券業(yè)集聚程度一直處于較低水平，且在2005—2019 年間變化不大。

圖3 長三角地區(qū)部分城市證券業(yè)集聚變化

根據(jù)圖4，與銀行業(yè)、證券業(yè)集聚類似，上海保險(xiǎn)業(yè)集聚規(guī)模仍處于絕對優(yōu)勢，但是集聚程度呈現(xiàn)下降態(tài)勢，2017年被南京超越。杭州保險(xiǎn)業(yè)集聚度初期并不高，但是一直保持持續(xù)增長，2018 年分別超過南京和上海，成為長三角地區(qū)保險(xiǎn)業(yè)集聚程度最高的地區(qū)。保險(xiǎn)業(yè)集聚程度波動較大的包括舟山、南通等市，其中舟山集聚程度由2005年的位列第三下降到2019年的最后一位。

圖4 長三角地區(qū)部分城市保險(xiǎn)業(yè)集聚變化

綜上分析，長三角地區(qū)16 城市金融業(yè)集聚程度，無論是從總體還是細(xì)分行業(yè)來看，上海都處于前列，尤其是銀行業(yè)集聚程度一直處于高位，相對來說仍然是以銀行業(yè)為主導(dǎo)的金融體系，證券業(yè)和保險(xiǎn)業(yè)集聚程度在近年有被杭州、南京超越的趨勢。除上海、南京、杭州經(jīng)濟(jì)實(shí)力較強(qiáng)的幾個(gè)城市在三個(gè)金融細(xì)分行業(yè)具有明顯優(yōu)勢外，寧波的銀行業(yè)、紹興的證券業(yè)、常州的保險(xiǎn)業(yè)等也表現(xiàn)出發(fā)展?jié)摿?。其他城市金融發(fā)展相對落后，集聚程度處于較低水平，具有廣闊的發(fā)展空間。

（二）工業(yè)綠色全要素生產(chǎn)率發(fā)展現(xiàn)狀

非參數(shù)法中的數(shù)據(jù)包絡(luò)分析法（DEA）因沒有涉及生產(chǎn)函數(shù)形式的設(shè)定，也不需要對參數(shù)函數(shù)進(jìn)行估計(jì)，在全要素生產(chǎn)率測算中應(yīng)用廣泛。為了考察工業(yè)全要素生產(chǎn)率的“綠色”內(nèi)涵，本文將包含污染物排放的非期望產(chǎn)出納入分析，希望期望產(chǎn)出增加的同時(shí)得到最小的非期望產(chǎn)出。所以本文采用DEA 方法來設(shè)定投入距離函數(shù)，利用Chung 等（1997）［37］提出的ML（Malmquist-Luenberger）指數(shù)來度量工業(yè)綠色全要素生產(chǎn)率的動態(tài)變化，則從t期到t+1期的Malmquist-Luenberger生產(chǎn)率指數(shù)具體表現(xiàn)為：

其中：Dt0、Dt+10分別代表以t時(shí)期和t+1 時(shí)期為技術(shù)參考的混合距離函數(shù)；x、y、b、g分別表示投入、產(chǎn)出、非期望產(chǎn)出和各要素的松弛向量。如果ML（·）值小于1，表示全要素生產(chǎn)率當(dāng)期值相對于上一期值表現(xiàn)為下降；反之，則認(rèn)為出現(xiàn)增長趨勢。因此，其測算結(jié)果表示的是TFP 的增減變化情況。

該指數(shù)不僅可以考慮工業(yè)綠色全要素生產(chǎn)率的動態(tài)變化，還可以進(jìn)一步分解為工業(yè)綠色技術(shù)進(jìn)步變化指數(shù)（techch，technical efficiency change）、工業(yè)綠色純技術(shù)效率指數(shù)（pech，pure technical efficiency change）和工業(yè)綠色規(guī)模效率指數(shù)（sech，scale efficiency change），表明工業(yè)綠色全要素生產(chǎn)率變化的源泉，即

techch、sech、pech小于1、等于1、大于1均表示為效率下降、不變和上升。

結(jié)合2005—2019年長三角16城市的投入和產(chǎn)出數(shù)據(jù)，測算得出工業(yè)綠色全要素生產(chǎn)率的變化率。其中，從勞動力、資本、能源三個(gè)維度選擇投入指標(biāo)，勞動力選取工業(yè)行業(yè)從業(yè)人員數(shù)（萬人），資本選取工業(yè)資產(chǎn)（億元），能源選取原煤消耗量（萬噸）。產(chǎn)出指標(biāo)分為期望產(chǎn)出和因資源消耗、工業(yè)污染帶來的非期望產(chǎn)出，期望產(chǎn)出選取工業(yè)增加值，非期望產(chǎn)出包括工業(yè)二氧化硫排放量、工業(yè)廢水排放量和工業(yè)粉塵排放量。具體指標(biāo)選取及描述性統(tǒng)計(jì)見表2 所列。本文基于DEAP2.1 軟件計(jì)算出工業(yè)綠色全要素生產(chǎn)率（tfpch）并將其分解為工業(yè)技術(shù)進(jìn)步（techch）、工業(yè)純技術(shù)效率（pech）和工業(yè)規(guī)模效率（sech）。由于全要素生產(chǎn)率的結(jié)果是根據(jù)其變化率計(jì)算得來的，所以本文借鑒李珊珊和馬艷芹（2020）［24］的方法，以2005 年為基期，假定2005年的工業(yè)綠色全要素生產(chǎn)率水平為1，則2006年的工業(yè)綠色全要素生產(chǎn)率水平為2005年的工業(yè)綠色全要素生產(chǎn)率指數(shù)乘以2006 年的工業(yè)綠色全要素生產(chǎn)率指數(shù)，以此類推即可得2005—2019 年長三角16 市工業(yè)綠色全要素生產(chǎn)率指標(biāo)，具體見表3所列。

表2 投入要素與產(chǎn)出要素?cái)?shù)據(jù)的描述性統(tǒng)計(jì)

表3 全要素生產(chǎn)率測算結(jié)果

續(xù)表2

由表3可知，上海工業(yè)綠色全要素生產(chǎn)率最高達(dá)到1.747，江蘇整體位列第二，效率值為0.570，浙江整體效率值與江蘇整體效率值比較接近，為0.536，均明顯低于上海。從具體城市來看，紹興、泰州分列第二、第三，而南京的效率值最低。從效率值分項(xiàng)來看，上海的工業(yè)綠色全要素生產(chǎn)率主要來源于規(guī)模效率，紹興則是純技術(shù)效率帶來了整體效率的提升，泰州三個(gè)分項(xiàng)效率值均發(fā)揮了明顯的作用，尤其是規(guī)模效率在更大程度上發(fā)揮了提升工業(yè)綠色全要素生產(chǎn)率的作用。南京效率低下主要是技術(shù)效率水平過低，僅為0.269，提升工業(yè)技術(shù)水平將是南京工業(yè)綠色全要素生產(chǎn)率總體提升的主要方向。

五、研究設(shè)計(jì)

（一）數(shù)據(jù)來源

本文選取長三角地區(qū)16 個(gè)主要城市2005—2019 年共15 年的面板數(shù)據(jù)作為樣本空間，這16 個(gè)城市分別是上海、蘇州、南京、揚(yáng)州、杭州、寧波、無錫、嘉興、常州、鎮(zhèn)江、南通、紹興、泰州、湖州、臺州以及舟山。原始數(shù)據(jù)來源于上海市、江蘇省、浙江省統(tǒng)計(jì)年鑒、各市統(tǒng)計(jì)年鑒、各市年度國民經(jīng)濟(jì)和社會發(fā)展統(tǒng)計(jì)公報(bào)、《中國城市統(tǒng)計(jì)年鑒》、國泰安數(shù)據(jù)庫、EPS數(shù)據(jù)庫以及Wind數(shù)據(jù)庫等。

（二）變量選取

（1）被解釋變量。包括工業(yè)綠色全要素生產(chǎn)率（tfpch）、工業(yè)綠色技術(shù)效率（techch）、工業(yè)綠色純技術(shù)效率（pech）、工業(yè)綠色規(guī)模效率（sech）。不同于全要素生產(chǎn)率，綠色全要素生產(chǎn)率在測算中加入了能源數(shù)據(jù)，能夠更為準(zhǔn)確地度量長三角地區(qū)工業(yè)綠色發(fā)展績效。上文使用DEA-Malmquist Luenberger生產(chǎn)率指數(shù)，已測算出相關(guān)指標(biāo)。

（2）核心解釋變量。本文核心解釋變量為金融集聚度，并從銀行、證券和保險(xiǎn)業(yè)三個(gè)細(xì)分行業(yè)的集聚程度分析其對工業(yè)綠色發(fā)展效率的影響。上文采用區(qū)位熵方法，已測算出相關(guān)指標(biāo)。

（3）控制變量。本文從教育水平、科技水平、外資投入水平、產(chǎn)業(yè)結(jié)構(gòu)、信息化程度、職工收入水平和互聯(lián)網(wǎng)發(fā)展水平7 個(gè)角度選取控制變量指標(biāo)。其中，教育水平用一般預(yù)算財(cái)政支出中教育事業(yè)支出比例衡量；科技水平用一般預(yù)算財(cái)政支出中科學(xué)技術(shù)支出比例衡量；對外投資依存度以當(dāng)年實(shí)際利用外資額與GDP 比值衡量；產(chǎn)業(yè)結(jié)果用第二產(chǎn)業(yè)增加值占GDP 比重衡量；信息化水平用電信業(yè)務(wù)總量衡量；收入水平用職工平均工資衡量；互聯(lián)網(wǎng)發(fā)展水平用國際互聯(lián)網(wǎng)用戶數(shù)量與地區(qū)人口數(shù)比值進(jìn)行衡量。因?yàn)樽兞侩娦艠I(yè)務(wù)總量的數(shù)據(jù)偏大，所以本文對此變量選取對數(shù)后進(jìn)行實(shí)證分析。

各指標(biāo)說明及描述性分析見表4所列。

表4 描述性分析

（三）模型設(shè)定

1.廣義矩估計(jì)（System-GMM）

金融發(fā)展問題容易因雙向交互影響產(chǎn)生內(nèi)生性問題，廣義矩估計(jì)（System-GMM）可以有效解決生產(chǎn)函數(shù)估計(jì)中存在的變量內(nèi)生性問題，提高估計(jì)準(zhǔn)確度（岳文和陳飛翔，2015）［38］。本文使用System-GMM模型并加入被解釋變量的滯后項(xiàng)作為工具變量，測算長三角地區(qū)16 城市金融集聚與工業(yè)綠色全要素生產(chǎn)率之間的動態(tài)關(guān)系。

在進(jìn)行實(shí)證分析前，首先通過pearson 系數(shù)初步檢驗(yàn)解釋變量與被解釋變量的關(guān)系是否符合初步假設(shè)，見表5所列。

表5 相關(guān)性分析

由表5可知，解釋變量中金融業(yè)整體和其他三個(gè)細(xì)分行業(yè)區(qū)位熵的二次項(xiàng)與被解釋變量之間都是負(fù)相關(guān)關(guān)系，符合本文的初步假設(shè)。接下來，利用VIF值檢驗(yàn)解釋變量的多重共線性問題。由表6可以看出，產(chǎn)業(yè)結(jié)構(gòu)（stru）和科技水平（tec）VIF大于5，則說明這兩個(gè)變量與其他變量之間存在多重共線性，需要將這兩個(gè)變量進(jìn)行刪除。刪除了產(chǎn)業(yè)結(jié)構(gòu)和科技水平兩個(gè)變量后，其余解釋變量VIF值都小于5。因此，以剩余5個(gè)變量構(gòu)建System-GMM模型。

表6 VIF檢驗(yàn)結(jié)果

本文在皮爾遜檢驗(yàn)和VIF檢驗(yàn)的基礎(chǔ)上，將篩選出的變量構(gòu)建金融集聚與工業(yè)綠色全要素生產(chǎn)率關(guān)系的模型，如下所示：

其中：Tit為被解釋變量，包括工業(yè)綠色全要素生產(chǎn)率（tfpch）、工業(yè)綠色技術(shù)效率（techch）、工業(yè)綠色純技術(shù)效率（pech）、工業(yè)綠色規(guī)模效率（sech）；解釋變量為金融集聚水平（Fit）；Zit為本文選取的控制變量；?表示常數(shù)；β為變量系數(shù)；εit為誤差項(xiàng)。國內(nèi)外的研究結(jié)果表明，影響工業(yè)綠色全要素生產(chǎn)率的因素包括教育支出、外資依存度、電信業(yè)務(wù)總量、職工平均工資和互聯(lián)網(wǎng)發(fā)展水平。為了準(zhǔn)確反映金融集聚對工業(yè)綠色全要素生產(chǎn)率的作用，本文結(jié)合長三角地區(qū)城市群發(fā)展的特性和數(shù)據(jù)可得性，將以上所述影響工業(yè)綠色全要素生產(chǎn)率的因素作為控制變量。為重點(diǎn)檢驗(yàn)金融集聚與長三角地區(qū)工業(yè)綠色全要素生產(chǎn)率發(fā)展的非線性關(guān)系，本文在解釋變量中引入了金融集聚的平方項(xiàng)，同時(shí)借鑒已有研究（郭家堂和駱品亮，2016）［39］，采用被解釋變量的一階滯后項(xiàng)作為工具變量，得到具體形式如下：

其中：i代表長三角16城市；t代表不同時(shí)期，選取2005—2019 年作為研究周期；Tit、agg_finit、eduit、fdiit、interit、mobit和pageit分別表示各城市工業(yè)綠色全要素生產(chǎn)率、金融集聚程度、教育支出、外資依存度、國際互聯(lián)網(wǎng)用戶數(shù)量與地區(qū)人口數(shù)比值、電信業(yè)務(wù)總量和職工平均工資，因?yàn)殡娦艠I(yè)務(wù)總量的數(shù)據(jù)較大，本文對此變量選取了對數(shù)；λit表示地區(qū)異質(zhì)性；εit表示殘差。

為了進(jìn)一步驗(yàn)證金融細(xì)分行業(yè)對工業(yè)綠色全要素生產(chǎn)率的異質(zhì)性，在（8）式基礎(chǔ)上，分別用銀行業(yè)集聚（agg_bank）、證券業(yè)集聚（agg_sto）和保險(xiǎn)業(yè)集聚（agg_ins）替代金融業(yè)集聚（agg_fin）建立金融細(xì)分行業(yè)對長三角地區(qū)工業(yè)綠色全要素生產(chǎn)率影響的模型。構(gòu)建的模型如下：

2.面板門檻模型

為驗(yàn)證不同金融細(xì)分行業(yè)集聚程度對工業(yè)綠色全要素生產(chǎn)率水平影響的最佳區(qū)間，根據(jù)Hansen（1999）［40］提出的面板門檻數(shù)據(jù)模型，分別假定銀行業(yè)區(qū)位熵agg_bankit、證券業(yè)區(qū)位熵agg_stoit、保險(xiǎn)業(yè)區(qū)位熵agg_insit為門檻變量，進(jìn)行門檻值估計(jì)和檢驗(yàn)，探究金融集聚與工業(yè)綠色全要素生產(chǎn)率之間的非線性關(guān)系，則以雙重門檻為例構(gòu)建回歸模型如下：

其中：i、t、Tit分別表示個(gè)體變量（i=1，2，…，m）、時(shí)間變量（t=1，2，…，n）和被解釋變量工業(yè)綠色全要素生產(chǎn)率；Zit為控制變量；I（·）為指示函數(shù)；εit為隨機(jī)擾動項(xiàng)；si分別代表銀行業(yè)集聚程度agg_bankit、證券業(yè)集聚程度agg_stoit、保險(xiǎn)業(yè)集聚程度agg_insit；γ1、γ2、γ3為影響系數(shù)；μ1、μ2為兩個(gè)門檻變量特定的門檻值。

六、實(shí)證檢驗(yàn)與分析

（一）數(shù)據(jù)平穩(wěn)性檢驗(yàn)

本文分別采用LLC 檢驗(yàn)、IPS、ADF_FISHER、ADF_pperron、Hadri五種方法進(jìn)行單位根檢驗(yàn)，結(jié)果見表7所列。除產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)顯示非平穩(wěn)外，其他指標(biāo)均顯示平穩(wěn)，所以實(shí)證分析時(shí)剔除了產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)。

表7 單位根檢驗(yàn)結(jié)果

續(xù)表7

（二）實(shí)證結(jié)果

1.System-GMM回歸結(jié)果

為檢驗(yàn)金融集聚對長三角地區(qū)工業(yè)綠色全要素生產(chǎn)率的影響，以及不同金融細(xì)分行業(yè)對該地區(qū)工業(yè)綠色全要素生產(chǎn)率影響的異質(zhì)性，針對（7）-（8）式構(gòu)建的模型，本文選擇System-GMM方法，得到回歸結(jié)果見表8所列。根據(jù)Arellano-Bond和Sargan檢驗(yàn)結(jié)果可以判斷模型有效性，模型（1）-（7）AR（1）檢驗(yàn)的P值均小于0.1，AR（2）檢驗(yàn)的P值均大于0.1，說明不拒絕不存在二階自相關(guān)的原假設(shè)，即該模型的隨機(jī)擾動項(xiàng)不存在殘差項(xiàng)的序列自相關(guān)。Sargan過度識別檢驗(yàn)結(jié)果均大于0.1，也證明了模型設(shè)定合理，選取的工具變量有效。

表8 金融集聚對工業(yè)綠色全要素生產(chǎn)率的回歸結(jié)果

模型（1）在控制了教育支出、外資依存度、電信業(yè)務(wù)總量、職工平均工資和國際互聯(lián)網(wǎng)用戶數(shù)量和地區(qū)人口數(shù)比值等因素后，檢驗(yàn)了金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響，金融集聚的一次項(xiàng)（agg_fin）系數(shù)為1.511，金融集聚的二次項(xiàng)（agg_fin2）系數(shù)為-0.639，均通過了1%的顯著性統(tǒng)計(jì)檢驗(yàn)，由此可以說明，金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響符合“倒U”型曲線。長三角地區(qū)內(nèi)金融集聚在研究期內(nèi)可以推動工業(yè)綠色全要素生產(chǎn)率的提升，但是并非集聚程度越大促進(jìn)作用越明顯，相反，過度集聚會阻礙工業(yè)綠色全要素生產(chǎn)率的提升。模型（2）（3）（4）分別驗(yàn)證了金融集聚對工業(yè)技術(shù)進(jìn)步、工業(yè)純技術(shù)效率、工業(yè)規(guī)模效率的影響，從回歸結(jié)果來看，金融集聚對工業(yè)技術(shù)進(jìn)步的影響也呈“倒U”型曲線，但是金融集聚對工業(yè)純技術(shù)效率和工業(yè)規(guī)模效率的影響卻呈“U”型曲線。通過分析發(fā)現(xiàn)，由于金融集聚對工業(yè)綠色技術(shù)進(jìn)步的作用效果要明顯強(qiáng)于對工業(yè)純技術(shù)效率和工業(yè)規(guī)模效率的影響，所以，金融集聚對長三角地區(qū)工業(yè)綠色全要素生產(chǎn)率的最終影響呈“倒U”型。

模型（5）（6）（7）為銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率的影響結(jié)果，從回歸結(jié)果看,銀行業(yè)與證券業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率的影響具有曲折性，即前期對工業(yè)綠色全要素生產(chǎn)率的影響是積極的，但隨著銀行業(yè)和證券業(yè)集聚的加劇，對工業(yè)綠色全要素生產(chǎn)率的影響逐漸降低，由此說明，銀行業(yè)和證券業(yè)的適當(dāng)集聚對工業(yè)綠色全要素生產(chǎn)率的影響會達(dá)到帕累托最優(yōu)，而過度的集聚反而不利于工業(yè)綠色發(fā)展。而保險(xiǎn)業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率的影響卻只有簡單的正相關(guān)關(guān)系，說明隨著保險(xiǎn)業(yè)集聚的不斷發(fā)展，會不斷促進(jìn)工業(yè)綠色全要素生產(chǎn)率的發(fā)展。但是模型（5）（6）（7）的結(jié)果表明，證券業(yè)集聚在金融集聚中的影響力不及銀行業(yè)和保險(xiǎn)業(yè)。模型（5）（6）中被解釋變量的滯后一期系數(shù)為負(fù)數(shù)，說明隨著長三角地區(qū)金融不斷集聚，對工業(yè)綠色全要素生產(chǎn)率的影響為負(fù)，由此說明該地區(qū)已處于“倒U”型的右半側(cè)，該地區(qū)金融出現(xiàn)過度集聚的現(xiàn)象。以上結(jié)果驗(yàn)證了H1和H2。

續(xù)表8

2.門檻檢驗(yàn)結(jié)果

（1）門檻效應(yīng)檢驗(yàn)。為了進(jìn)一步驗(yàn)證金融細(xì)分行業(yè)對工業(yè)綠色全要素生產(chǎn)率的門檻效應(yīng)，分別選取銀行業(yè)區(qū)位熵、證券業(yè)區(qū)位熵、保險(xiǎn)業(yè)區(qū)位熵作為門檻變量，根據(jù)模型（12）進(jìn)行門檻效應(yīng)存在性和門檻個(gè)數(shù)檢驗(yàn)，通過自抽樣600 次后得到F值和P值，檢驗(yàn)結(jié)果見表9 所列。結(jié)果表明，銀行業(yè)集聚、證券業(yè)集聚和保險(xiǎn)業(yè)集聚分別存在顯著的雙門檻效應(yīng)、雙門檻效應(yīng)和單門檻效應(yīng)。由此驗(yàn)證了H3。

表9 門檻效應(yīng)檢驗(yàn)結(jié)果

（2）門檻值估計(jì)與檢驗(yàn)。確定銀行業(yè)集聚、證券業(yè)集聚、保險(xiǎn)業(yè)集聚存在門檻效應(yīng)，需要對門檻值進(jìn)行估計(jì)與檢驗(yàn)，根據(jù)表10，銀行業(yè)集聚所對應(yīng)的門檻估計(jì)值分別為1.583 1 和1.596 5，證券業(yè)集聚的門檻值分別為1.805 5 和1.991 2，保險(xiǎn)業(yè)集聚對應(yīng)的門檻值為1.368 1，且處于原假設(shè)接受域內(nèi)，說明門檻值與實(shí)際估計(jì)值相等。

表10 門檻值估計(jì)結(jié)果

（3）參數(shù)估計(jì)及實(shí)證結(jié)果分析。表11和圖5—圖7 分別顯示了銀行業(yè)集聚、證券業(yè)集聚、保險(xiǎn)業(yè)集聚及相關(guān)變量面板門檻參數(shù)估計(jì)結(jié)果和相應(yīng)的門檻參數(shù)。

圖5 銀行業(yè)門檻值

圖7 保險(xiǎn)業(yè)門檻值

表11 面板門檻模型的估計(jì)結(jié)果

在以銀行業(yè)集聚為門檻變量時(shí)，銀行集聚門檻把長三角地區(qū)金融集聚水平分為Ⅰ類（agg_bank≤1.583 1）、Ⅱ類（1.583 1＜agg_bank≤1.596 5）和Ⅲ類（agg_bank＞1.596 5），在每一類區(qū)間內(nèi)銀行業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率起到的作用并不相同。當(dāng)agg_bank≤1.583 1 時(shí)，銀行業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率的影響為負(fù)，且在10%的水平上顯著；當(dāng)1.583 1＜agg_bank≤1.596 5 時(shí)，系數(shù)在1%水平上顯著，值為1.605 91，表明銀行業(yè)集聚程度在此區(qū)間內(nèi)時(shí)能夠明顯促進(jìn)工業(yè)綠色全要素生產(chǎn)率；當(dāng)agg_bank＞1.596 5 時(shí)，銀行業(yè)集聚未能促進(jìn)工業(yè)綠色全要素生產(chǎn)率的提升，且抑制程度略高于第一門檻值，整體來看呈現(xiàn)“倒U”型的非線性關(guān)系。產(chǎn)生以上差異的原因可能是：在銀行業(yè)發(fā)展初期，銀行資本不足無法為工業(yè)發(fā)展提供充分的資金支持，對工業(yè)綠色發(fā)展的影響更是微乎其微；當(dāng)銀行業(yè)水平發(fā)展到一定程度，集聚優(yōu)勢逐漸顯現(xiàn)時(shí)，對推動工業(yè)技術(shù)升級，促進(jìn)生產(chǎn)經(jīng)營方式向綠色環(huán)保轉(zhuǎn)變起到積極推動作用，從而對工業(yè)綠色全要素生產(chǎn)率形成顯著的促進(jìn)作用；但是隨著銀行業(yè)集聚程度的繼續(xù)提高，銀行業(yè)對工業(yè)綠色全要素生產(chǎn)率由促進(jìn)作用變?yōu)橐种谱饔?，一方面可能是由于銀行資源的過度集中造成了資源浪費(fèi)、銀行資金配置效率和使用效率降低，另一方面可能由于過度集聚造成銀行業(yè)的過度競爭，造成金融集聚的邊際效應(yīng)遞減（施本植等，2018）［41］。

證券業(yè)集聚門檻值分別為1.805 5 和1.991 2，當(dāng)門檻值低于1.805 5時(shí)，其對工業(yè)綠色全要素生產(chǎn)率起到不顯著的抑制作用；當(dāng)集聚水平處于1.805 5～1.991 2 時(shí)，金融集聚在1%的水平上顯著促進(jìn)了工業(yè)綠色全要素生產(chǎn)率；當(dāng)集聚水平高于1.991 2 時(shí)，證券業(yè)集聚未能促進(jìn)工業(yè)綠色全要素生產(chǎn)率的提升?？傮w來看，證券業(yè)集聚呈現(xiàn)出與銀行業(yè)類似的“倒U”型非線性關(guān)系，但是證券業(yè)集聚的促進(jìn)系數(shù)要明顯大于銀行業(yè)的促進(jìn)系數(shù)。

在以保險(xiǎn)業(yè)集聚為門檻變量時(shí)，當(dāng)保險(xiǎn)業(yè)集聚水平低于1.368 1 時(shí)，其對工業(yè)綠色全要素生產(chǎn)率的影響系數(shù)為負(fù)的不顯著；當(dāng)門檻值跨越1.368 1時(shí)，金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響由負(fù)的不顯著變?yōu)檎虼龠M(jìn)作用，即保險(xiǎn)業(yè)集聚水平更高時(shí)，更有利于工業(yè)綠色全要素生產(chǎn)率的提升。

圖6 證券業(yè)門檻值

（三）穩(wěn)健性檢驗(yàn)

為進(jìn)一步驗(yàn)證System-GMM 結(jié)果的準(zhǔn)確性，需要對已有結(jié)論進(jìn)行穩(wěn)健性檢驗(yàn)。本文采用SBMGML方法重新測算工業(yè)綠色全要素生產(chǎn)率，并測算金融集聚對重新測得的工業(yè)綠色全要素生產(chǎn)率產(chǎn)生的影響。穩(wěn)健性檢驗(yàn)結(jié)果顯示（3），金融集聚對工業(yè)綠色全要素生產(chǎn)率的影響與前文研究結(jié)論基本一致，即呈“倒U”型關(guān)系，由此可以表明本文的實(shí)證研究結(jié)論具有良好的穩(wěn)健性。

七、主要結(jié)論及政策啟示

根據(jù)長三角16城市金融區(qū)位熵和工業(yè)綠色全要素生產(chǎn)率測度結(jié)果，運(yùn)用動態(tài)面板System-GMM方法，實(shí)證分析金融集聚對工業(yè)綠色全要素生產(chǎn)率的動態(tài)影響，并在此基礎(chǔ)上運(yùn)用面板門檻模型進(jìn)一步檢驗(yàn)銀行、證券和保險(xiǎn)三個(gè)細(xì)分行業(yè)的門檻效應(yīng)，得出相應(yīng)的門檻值。結(jié)果表明：金融集聚對長三角工業(yè)綠色全要素生產(chǎn)率的影響具有“倒U”型關(guān)系；從細(xì)分行業(yè)來看，保險(xiǎn)業(yè)集聚對工業(yè)綠色全要素生產(chǎn)率的影響呈現(xiàn)正相關(guān)關(guān)系，而銀行業(yè)、證券業(yè)集聚水平較低和過高都會制約工業(yè)綠色全要素生產(chǎn)率的提升。從門檻檢驗(yàn)結(jié)果來看，銀行業(yè)、證券業(yè)、保險(xiǎn)業(yè)集聚均存在門檻效應(yīng)，其中銀行業(yè)具有雙重門檻效應(yīng)，當(dāng)集聚水平處于1.583 1～1.596 5之間時(shí)，促進(jìn)效果最明顯；證券業(yè)集聚具有雙門檻效應(yīng)，當(dāng)門檻值處于1.805 5～1.991 2 之間時(shí)，更有利于提高工業(yè)綠色全要素生產(chǎn)率；保險(xiǎn)業(yè)集聚具有單門檻效應(yīng)，門檻值高于1.368 1時(shí)促進(jìn)效應(yīng)更明顯。整體來看，除上海在個(gè)別年份金融集聚程度較高外，其他城市的銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)集聚程度仍處于相對較低水平。

基于上述結(jié)論，本文得到啟示如下：首先，要發(fā)揮長三角地區(qū)金融集聚對工業(yè)綠色發(fā)展的積極作用，政府要根據(jù)各地區(qū)實(shí)際工業(yè)綠色發(fā)展現(xiàn)狀，因地制宜實(shí)施富有彈性和持續(xù)性的金融產(chǎn)業(yè)政策，積極引導(dǎo)金融資源向高效率、清潔生產(chǎn)的工業(yè)企業(yè)流動，避免因政策不合理抑制工業(yè)綠色發(fā)展效率提升，同時(shí)充分利用金融集聚的溢出效應(yīng)、創(chuàng)新效應(yīng)，進(jìn)一步優(yōu)化要素資源配置，全方位提升工業(yè)綠色全要素生產(chǎn)率。其次，要合理配置不同類型的金融資本，創(chuàng)新金融產(chǎn)品。不同細(xì)分行業(yè)的金融資源為實(shí)體企業(yè)轉(zhuǎn)型升級奠定了堅(jiān)實(shí)基礎(chǔ)，要充分利用銀行業(yè)的資金供給、證券業(yè)的資金融通和保險(xiǎn)業(yè)的風(fēng)險(xiǎn)保障功能，如發(fā)行綠色債券等，針對高耗能、高污染等問題，推行環(huán)境污染強(qiáng)制責(zé)任保險(xiǎn)等各類險(xiǎn)種，提升企業(yè)環(huán)保意識，同時(shí)要加強(qiáng)對金融機(jī)構(gòu)的綠色金融業(yè)績評價(jià)。最后，要重視金融、工業(yè)經(jīng)濟(jì)和生態(tài)三者之間的協(xié)調(diào)發(fā)展，形成良性互動。既要利用金融集聚引導(dǎo)更多金融資本進(jìn)入新興產(chǎn)業(yè)、高技術(shù)產(chǎn)業(yè)、綠色環(huán)保型產(chǎn)業(yè)，為低耗能、低污染和清潔型企業(yè)提供融資便利政策，又要避免金融過度集聚帶來的“擁擠效應(yīng)”。

注 釋：

（1）資料源自《長江三角洲區(qū)域一體化發(fā)展規(guī)劃綱要》（https：//baijiahao.baidu.com/s?id=1651714580888046299 &wfr=spider&for=pc）。

（2）資料源自《中共中央 國務(wù)院關(guān)于深入打好污染防治攻堅(jiān)戰(zhàn)的意見》（http：//www.gov.cn/xinwen/2021-11/07/content_5649656.htm）。

（3）限于篇幅，穩(wěn)健性檢驗(yàn)結(jié)果不再列出，備索。