馬涵江，喻旭蘭

(湖南大學(xué)金融與統(tǒng)計(jì)學(xué)院，湖南 長(zhǎng)沙 410006)

自改革開放以來(lái)，我國(guó)經(jīng)濟(jì)的長(zhǎng)期高速增長(zhǎng)很大程度上得益于對(duì)外開放政策的實(shí)施.金融開放作為對(duì)外開放進(jìn)程的重要組成部分，可持續(xù)助力于我國(guó)金融供給側(cè)結(jié)構(gòu)性改革.為扭轉(zhuǎn)當(dāng)前金融實(shí)力與經(jīng)濟(jì)國(guó)際地位不相匹配的局面，我國(guó)于2018年起加快金融業(yè)全面對(duì)外開放步伐，穩(wěn)步推進(jìn)資本賬戶開放與人民幣國(guó)際化進(jìn)程，爭(zhēng)取占據(jù)國(guó)際資本市場(chǎng)有利地位，獲得全球規(guī)則制定的更大話語(yǔ)權(quán).東部沿海作為我國(guó)對(duì)外開放的最前陣，經(jīng)濟(jì)繁榮富庶的長(zhǎng)三角地區(qū)則當(dāng)屬其中最耀眼的明珠，已逐步形成以全球金融中心上海市為首，杭州市、蘇州市、南京市等多個(gè)中心城市輻射并帶動(dòng)周邊中小城市加入金融對(duì)外開放體系的區(qū)域空間格局.

2016年國(guó)務(wù)院發(fā)布的《長(zhǎng)江三角洲城市群發(fā)展規(guī)劃》中提出，由“三省一市”共26 個(gè)城市組成長(zhǎng)三角城市群(1)26個(gè)城市包括上海，江蘇省內(nèi)南京、鎮(zhèn)江、揚(yáng)州、常州、蘇州、無(wú)錫、南通、泰州、鹽城9個(gè)城市，浙江省內(nèi)杭州、嘉興、湖州、紹興、寧波、舟山、金華、臺(tái)州8個(gè)城市，以及安徽省內(nèi)合肥、蕪湖、滁州、馬鞍山、銅陵、池州、安慶、宣城8個(gè)城市.，將區(qū)域一體化作為發(fā)揮各地協(xié)同增長(zhǎng)優(yōu)勢(shì)，實(shí)現(xiàn)整體有機(jī)聯(lián)動(dòng)并最終建成高水平經(jīng)濟(jì)增長(zhǎng)極的未來(lái)發(fā)展戰(zhàn)略.當(dāng)前，承載著資本配置與流動(dòng)的金融業(yè)已縱深嵌入經(jīng)濟(jì)發(fā)展的方方面面，對(duì)各類生產(chǎn)要素的地區(qū)間分配以及區(qū)域協(xié)調(diào)共進(jìn)的空間格局塑造有著復(fù)雜而深刻的影響.金融集聚是現(xiàn)代金融產(chǎn)業(yè)常見的地理分布現(xiàn)象，既是各種外部條件作用下金融資源在空間層面形成帕累托最優(yōu)配置的靜態(tài)結(jié)果，也反映了資本、機(jī)構(gòu)、人力等金融要素在區(qū)域內(nèi)部轉(zhuǎn)移、流動(dòng)、集合的動(dòng)態(tài)演變[1].金融集聚借助資源在空間上密集分布從而形成的信息腹地、規(guī)模經(jīng)濟(jì)、信譽(yù)機(jī)制、技術(shù)創(chuàng)新、自我強(qiáng)化等相關(guān)效應(yīng)和一系列優(yōu)勢(shì)，影響著各地金融實(shí)力相對(duì)演化與區(qū)域內(nèi)部經(jīng)濟(jì)的互助共生.筆者將通過探討金融開放對(duì)長(zhǎng)三角各城市金融集聚水平的具體影響，以此推動(dòng)開放背景下長(zhǎng)三角城市群區(qū)域一體化進(jìn)程與發(fā)展等相關(guān)問題的深入研究.

1 理論分析與假設(shè)

金融開放本質(zhì)上可看作為是金融要素的可跨境自由流動(dòng)，主要包括資本賬戶開放、股票市場(chǎng)開放和金融業(yè)對(duì)外開放3個(gè)方面，分析金融開放對(duì)東道國(guó)金融發(fā)展的影響大致可以從國(guó)際資本流動(dòng)、股票市場(chǎng)投資、金融機(jī)構(gòu)進(jìn)入等角度展開，而學(xué)界關(guān)于金融開放影響東道國(guó)金融發(fā)展的相關(guān)研究結(jié)論并不統(tǒng)一.從正向影響角度來(lái)看，第一，金融開放后，外資企業(yè)能夠進(jìn)入東道國(guó)市場(chǎng)開展經(jīng)營(yíng)與投資，國(guó)際資本流入增加了地區(qū)的資本積累.隨著貨幣兌換和國(guó)際資本跨境流動(dòng)等全球性質(zhì)業(yè)務(wù)的開展，國(guó)內(nèi)資本在區(qū)域間的流動(dòng)性和配置效率也得到提高，有利于金融資源加速向高回報(bào)率地區(qū)集聚.第二，管理經(jīng)驗(yàn)、經(jīng)營(yíng)水平、創(chuàng)新能力等多方面較為先進(jìn)的外資金融機(jī)構(gòu)，在一定范圍內(nèi)起到技術(shù)示范效應(yīng).處于外圍的本土金融機(jī)構(gòu)為了學(xué)習(xí)先進(jìn)經(jīng)驗(yàn)、獲取前沿信息，有動(dòng)力向中心區(qū)域靠攏，增強(qiáng)金融產(chǎn)業(yè)在地域上集聚分布的傾向.第三，金融開放的現(xiàn)實(shí)結(jié)果促使政府檢驗(yàn)政策和監(jiān)管體系的正確性和有效性，提升制度質(zhì)量[2]，改善金融生態(tài)和營(yíng)商環(huán)境.具有良好制度的地區(qū)能夠?qū)崿F(xiàn)經(jīng)營(yíng)成本降低以吸引機(jī)構(gòu)集聚，融資效率提高以促進(jìn)資金集聚，增強(qiáng)人才激勵(lì)以促進(jìn)人才集聚三者的金融集聚過程[3].第四，金融開放對(duì)于促進(jìn)我國(guó)證券業(yè)良好發(fā)育，建立多層次資本市場(chǎng)，完善直接融資體系有著重要意義[4-5].投資渠道擴(kuò)展和優(yōu)質(zhì)投資機(jī)會(huì)增加刺激了高收入居民的金融資產(chǎn)持有需求，使當(dāng)?shù)貎?chǔ)蓄投資轉(zhuǎn)化率得以提升，金融存量資源增加[6].基于此，提出假設(shè)：

H1a：金融開放增強(qiáng)了城市聚集金融資源的能力，使其形成更高水平的金融集聚.

金融開放也可能對(duì)當(dāng)?shù)亟鹑诎l(fā)展和集聚造成不利影響.第一，金融開放打開了資本流出通道，部分地區(qū)資本外逃現(xiàn)象加劇導(dǎo)致資本流失過度.第二，外資金融機(jī)構(gòu)進(jìn)入后可能使部分本土機(jī)構(gòu)面臨過度競(jìng)爭(zhēng)而被擠出[7].程小慶等[8]實(shí)證發(fā)現(xiàn)金融業(yè)開放會(huì)降低內(nèi)資銀行特別是國(guó)有銀行和非上市銀行的利潤(rùn)率.此外，外資金融機(jī)構(gòu)的“摘櫻桃”行為，即只選擇與盈利狀況良好的本土企業(yè)進(jìn)行合作，帶來(lái)本土機(jī)構(gòu)貸款質(zhì)量惡化、大量客戶流失的問題[9].第三，金融開放帶來(lái)的短期外部沖擊打破了當(dāng)?shù)亟鹑跇I(yè)體系原有的穩(wěn)定運(yùn)行路徑，有可能使其陷入混亂甚至低迷[10].例如外資銀行進(jìn)入會(huì)減少當(dāng)?shù)仃P(guān)系型貸款的發(fā)放，使信息不透明的中小企業(yè)難以獲得貸款，同時(shí)也降低了本土銀行的盈利能力.第四，不同于前文提出金融開放可能產(chǎn)生的正向制度溢出，李振新等[11]認(rèn)為政府在財(cái)政壓力下有可能與外資金融機(jī)構(gòu)合作套取國(guó)內(nèi)金融資源，以支持與外資企業(yè)競(jìng)爭(zhēng)中處于劣勢(shì)的內(nèi)資企業(yè)，這增加了政府對(duì)金融體系的干預(yù)和我國(guó)的金融分權(quán)程度，不利于資源在市場(chǎng)化機(jī)制下自由流動(dòng)和集聚.據(jù)此，提出對(duì)立假設(shè)：

H1b：金融開放給城市金融發(fā)展帶來(lái)負(fù)向影響，從而削弱其金融集聚水平.

部分研究認(rèn)為金融開放后能否獲得收益與主體自身基礎(chǔ)條件有很大關(guān)系.楊繼梅等[12]從金融規(guī)模、效率和結(jié)構(gòu)3個(gè)維度證明了金融開放作用的異質(zhì)性，指出當(dāng)金融整體規(guī)模過低或過高，金融機(jī)構(gòu)效率過低，金融市場(chǎng)占比較低時(shí)，均難以享受到金融開放的促進(jìn)作用.經(jīng)濟(jì)落后地區(qū)缺少能夠?qū)ν鈦?lái)資本進(jìn)行有效分配的金融市場(chǎng)，從而難以獲得開放后利率下降的福利[13].不發(fā)達(dá)國(guó)家自身基礎(chǔ)薄弱難以吸引優(yōu)質(zhì)外資，抵御外來(lái)風(fēng)險(xiǎn)的能力較弱，容易在開放環(huán)境中與發(fā)達(dá)或新興發(fā)展中國(guó)家形成更大差距.逄淑梅等[14]實(shí)證發(fā)現(xiàn)金融開放未使資本流向回報(bào)率更高的落后地區(qū)，反而加強(qiáng)了區(qū)域間的非對(duì)稱增長(zhǎng).由此，提出假設(shè)：

H2：金融開放對(duì)金融集聚的作用因受到城市自身基礎(chǔ)條件影響而存在異質(zhì)性.

2 變量選取與描述

本研究以2005，2010，2018年長(zhǎng)三角城市群26個(gè)城市的面板數(shù)據(jù)為研究樣本，實(shí)證分析金融開放對(duì)金融集聚的影響.數(shù)據(jù)均來(lái)源于2005，2010，2018年《中國(guó)城市統(tǒng)計(jì)年鑒》或城市統(tǒng)計(jì)公報(bào).

2.1 金融集聚水平度量

衡量金融集聚水平方法有區(qū)位熵、空間基尼系數(shù)、HI指數(shù)等單指標(biāo)法和利用多變量構(gòu)成的綜合指標(biāo)法.鑒于單一指標(biāo)的局限和片面性，從金融基礎(chǔ)、金融規(guī)模、金融密度和金融深度4個(gè)角度構(gòu)建評(píng)價(jià)城市金融集聚水平的綜合指標(biāo).金融基礎(chǔ)指標(biāo)衡量該城市的經(jīng)濟(jì)發(fā)展和人口資源情況，金融規(guī)模反映當(dāng)?shù)刭Y金與人力資源的多寡，金融密度是單位面積或單位人口所擁有的金融資源，金融深度代表金融滲透當(dāng)?shù)亟?jīng)濟(jì)發(fā)展的能力.

表1 城市金融集聚度評(píng)價(jià)指標(biāo)體系Table 1 Evaluation Index System for Urban Financial Agglomeration

因子分析法常用于多維指標(biāo)體系提取公因子，對(duì)其賦權(quán)后可降維整合生成變量的綜合評(píng)價(jià)單一指標(biāo).本研究用SPSS 24軟件對(duì)金融集聚指標(biāo)體系進(jìn)行逐年的因子分析打分，經(jīng)檢驗(yàn)各年度數(shù)據(jù)KMO值均大于0.6，且均通過了巴特利球度檢驗(yàn)，認(rèn)為相關(guān)系數(shù)矩陣與單位矩陣存有顯著差異，說(shuō)明原始變量之間相關(guān)程度較高，適合進(jìn)行因子分析.以2018年為例說(shuō)明各年因子分析打分過程.軟件得到各因子得分后，以因子的方差貢獻(xiàn)率為權(quán)數(shù)，再進(jìn)行歸一化處理.最終綜合得分的計(jì)算公式為

FA=0.652×F1+0.201×F2+0.147×F3.

(1)

最終金融集聚綜合得分的平均值為0，方差為1，含義為得分越高，該城市的金融集聚程度越大；得分大于0，表明該城市當(dāng)年金融集聚水平處于所有樣本城市平均水平之上，具有相對(duì)豐富的金融資源和較密集的金融活動(dòng)，對(duì)區(qū)域內(nèi)其他城市產(chǎn)生一定輻射作用；得分小于0，說(shuō)明該城市當(dāng)年金融集聚水平低于所有樣本城市的平均水平，金融發(fā)展實(shí)力相對(duì)較弱，對(duì)其他地區(qū)產(chǎn)生的影響有限.限于篇幅，僅列示了2005，2010，2018年金融集聚得分，如表2所示.

表2 各城市金融集聚最終得分Table 2 Final Score ofCity Financial Agglomeration

表2(續(xù))Table 2(Continued)

根據(jù)以上3年得分，借助ARC GIS軟件繪制能夠直觀反映長(zhǎng)三角城市群金融集聚水平空間特征的分布圖(圖1～3).由圖1～3可以看出，長(zhǎng)三角城市群中上海、蘇州、杭州等省會(huì)城市與沿海城市金融集聚水平較高，而處于內(nèi)陸的安徽省大部分城市金融集聚水平相對(duì)較低，區(qū)域內(nèi)呈現(xiàn)出明顯的空間差異性和一定動(dòng)態(tài)變化趨勢(shì).

圖1 2005年長(zhǎng)三角城市群金融集聚示意Fig. 1 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2005

圖2 2010年長(zhǎng)三角城市群金融集聚示意Fig. 2 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2010

圖3 2018年長(zhǎng)三角城市群金融集聚示意Fig. 3 Schematic Diagram of Financial Agglomeration of Yangtze River Delta Urban Agglomeration in 2018

2.2 金融開放水平度量與城市聚類分析

張海軍等[15]用多項(xiàng)變量賦權(quán)后的復(fù)合指標(biāo)衡量城市金融開放水平具有可行性和良好測(cè)度效果，但式中未包含外資金融機(jī)構(gòu)的相關(guān)指標(biāo).本研究在其基礎(chǔ)上進(jìn)行改進(jìn)后的測(cè)度公式為

(2)

其中：FDI與GDP比值衡量直接投資強(qiáng)度；年末金融機(jī)構(gòu)外幣存貸款總額(FLD)與年末金融機(jī)構(gòu)本外幣存貸款總額(TLD)比值代表貨幣市場(chǎng)開放程度；外資銀行數(shù)量(FBN)代表金融業(yè)開放程度.參考文獻(xiàn)[15]，令λ1=0.4，λ2=0.3，λ3=0.3.

為反映長(zhǎng)三角26城市間金融開放水平差異，本研究基于主成分特征提取進(jìn)行了聚類分析.由于金融開放變量是26個(gè)城市3項(xiàng)子指標(biāo)在2005，2010，2018年動(dòng)態(tài)變化構(gòu)成的多指標(biāo)面板數(shù)據(jù)形式，無(wú)法像截面或單指標(biāo)面板數(shù)據(jù)進(jìn)行傳統(tǒng)聚類分析，故本研究借鑒黨耀國(guó)[16]做法，通過提取5項(xiàng)反映變量時(shí)序信息的特征值，從而實(shí)現(xiàn)將包含時(shí)間維度的面板數(shù)據(jù)壓縮為單截面數(shù)據(jù)的目的.提取絕對(duì)水平、波動(dòng)程度、發(fā)展趨勢(shì)以及反映分布情況的偏度與峰度5項(xiàng)時(shí)序特征值，以盡可能涵蓋變量在截面維度的絕對(duì)水平與時(shí)間序列維度的變動(dòng)情況.

(1)面板數(shù)據(jù)標(biāo)準(zhǔn)化處理.首先，為避免各指標(biāo)因數(shù)量級(jí)不同影響聚類結(jié)果，事先對(duì)指標(biāo)進(jìn)行如下標(biāo)準(zhǔn)化處理：

(3)

式中Xnm(t)代表t年時(shí)城市n第m子項(xiàng)指標(biāo)的數(shù)值.

(2)面板數(shù)據(jù)特征值提取.

定義1全時(shí)“絕對(duì)水平”特征值(Average Value Feature，AVF)反映城市n的第m項(xiàng)子指標(biāo)在樣本期內(nèi)的平均值，計(jì)算公式為

(4)

定義2全時(shí)“波動(dòng)度”特征值(Variance Feature，VF)反映城市n的第m項(xiàng)子指標(biāo)各年數(shù)值的變異程度，計(jì)算公式為

(5)

定義3全時(shí)“偏度”特征值(Skewness Coefficient Feature，SCF)衡量了城市n的第m項(xiàng)子指標(biāo)各年數(shù)值分布曲線的對(duì)稱程度，計(jì)算公式為

(6)

定義4全時(shí)“峰度”特征值量(Kurtosis Coefficient Feature，KCF)衡量了城市n的第m項(xiàng)子指標(biāo)各年數(shù)值分布曲線峰部的尖度，計(jì)算公式為

(7)

分布曲線呈現(xiàn)“尖峰厚圍”則意味著數(shù)值分散，相同標(biāo)準(zhǔn)差下存在更多極端值.當(dāng)KCF(Fnm)大于0，分布曲線比正態(tài)分布更集中于均值附近；當(dāng)KCF(Fnm)小于0，分布曲線比正態(tài)分布更分散.如果兩城市金融開放某一維度的發(fā)展進(jìn)程相似，那么反映其分布曲線特征的偏度特征值SCF(Fnm)和峰度特征值KCF(Fnm)也應(yīng)相似.

定義5全時(shí)“趨勢(shì)”特征值(Tread Feature，TF)反映城市n的第m項(xiàng)子指標(biāo)在樣本期內(nèi)的長(zhǎng)期發(fā)展走勢(shì)，計(jì)算公式為

(8)

(3)特征值的PCA二次降維.經(jīng)特征值提取后，14年面板數(shù)據(jù)已經(jīng)降維為截面數(shù)據(jù)，但是各城市下各3項(xiàng)子指標(biāo)各有5項(xiàng)特征值，為對(duì)3個(gè)指標(biāo)下的同類特征值進(jìn)行集合，利用主成分分析法(PCA)進(jìn)行二次降維.最終所提取主成分的方差貢獻(xiàn)率和需達(dá)到80%以上，由此求得5項(xiàng)特征值綜合得分分別為AVF(Fn)，VF(Fn)，SCF(Fn)，KCF(Fn)，TF(Fn).

(4)特征值賦權(quán).對(duì)異質(zhì)性指標(biāo)進(jìn)行同向歸一化處理，以AVF*(Fnm)為例，同理可得歸一化后的VF*(Fnm)，SCF*(Fnm)，KCF*(Fnm)，TF*(Fnm).為方便表示，將各城市5項(xiàng)歸一化后的特征值統(tǒng)一記為Kn(l)，l=1,2,…,5.

正向指標(biāo)處理公式為

(9)

負(fù)向指標(biāo)處理公式為

(10)

結(jié)合運(yùn)用專家主觀經(jīng)驗(yàn)打分AHP法和客觀提取數(shù)據(jù)信息的熵值法賦予5項(xiàng)特征值權(quán)重，以反映不同特征值重要性和信息含量的差異.AHP法邀請(qǐng)多位專家打分得到的權(quán)重為βA(l).熵值法要先計(jì)算該項(xiàng)指標(biāo)在所有城市中的比重pn(l)，再計(jì)算其熵值e(l).由于en(l)是逆向指標(biāo)，需正向歸一化后得到熵值法下特征值的權(quán)重系數(shù)βE(l).最后，根據(jù)特征值計(jì)算出的熵值，將AHP法與熵值法進(jìn)行結(jié)合后得到對(duì)特征值的綜合權(quán)重系數(shù)βn(l).計(jì)算公式如下：

(11)

(12)

(13)

βn(l)=βA(l)e(l)+βE(l)(1-e(l))l=1,2,…,5.

(14)

圖4以城市n為例對(duì)上述過程進(jìn)行了直觀展示.聚類分析前的處理工作主要分為3步：第一，根據(jù)2005，2010，2018年數(shù)據(jù)的時(shí)序特征，提取得到5項(xiàng)特征值；第二，對(duì)不同子指標(biāo)下的同類特征值利用主成分分析實(shí)現(xiàn)降維；第三，利用AHP-熵值法確定權(quán)重，給特征值賦權(quán).

圖4 城市n的主成分特征提取及賦權(quán)示意Fig. 4 Principal Component Feature Extraction and Weighting Diagram of City n

(5)K均值動(dòng)態(tài)聚類分析.K均值動(dòng)態(tài)聚類方法根據(jù)城市間特征值的距離不斷進(jìn)行迭代，最后將所有城市分為4類，結(jié)果見表3.

表3 長(zhǎng)三角城市金融開放水平聚類結(jié)果Table 3 Clustering Results of Urban Financial Openness Inthe Yangtze River Delta

表4詳細(xì)報(bào)告了每一類城市分組中5項(xiàng)特征值的平均水平.分析可知，第1類為經(jīng)濟(jì)和金融均相對(duì)發(fā)達(dá)的城市，金融開放度較大，但是存在輕微下降趨勢(shì).第2類城市的金融開放絕對(duì)水平雖弱于一類城市，但趨勢(shì)特征值更高，波動(dòng)得分也相對(duì)較高，說(shuō)明國(guó)外資本和外資金融機(jī)構(gòu)關(guān)注到此類城市的發(fā)展?jié)摿褪袌?chǎng)空間，從而逐漸加大投資和布局.第3類城市金融開放絕對(duì)水平處于均值以下，但由于這些城市多屬于江蘇和浙江2個(gè)經(jīng)濟(jì)大省，沿海地理?xiàng)l件和良好的外部經(jīng)濟(jì)環(huán)境使其在一定程度上也能受益于金融對(duì)外開放的“東風(fēng)”.第4類城市全部來(lái)自安徽省，自身經(jīng)濟(jì)與金融發(fā)展相對(duì)較弱勢(shì)，又難以如第3類城市一樣受益于同省其他城市的帶動(dòng)，使得這些城市的金融開放度最小.

表4 各組特征值平均情況Table 4 Average Eigenvalues of Each Group

2.3 控制變量選取

2.4 描述性統(tǒng)計(jì)

變量描述性統(tǒng)計(jì)結(jié)果如表5所示，金融集聚得分最高為2.87，最低為-0.76，均值為0，說(shuō)明存在部分金融集聚度較大的中心城市.金融開放最高為0.365，最低為0.004，標(biāo)準(zhǔn)差為0.129，顯示出城市間金融開放水平存在一定差距，為接下來(lái)的研究提供了基礎(chǔ).

表5 變量描述性統(tǒng)計(jì)Table 5 Variable Descriptive Statistics

3 實(shí)證結(jié)果分析

3.1 模型設(shè)定

為深入研究金融開放對(duì)長(zhǎng)三角城市群金融集聚度的影響，用26個(gè)城市2005，2010，2018年的面板數(shù)據(jù)建立如下計(jì)量經(jīng)濟(jì)模型：

FAit=β0+Openit+Zit+∑Year+∑Region+εit.

(15)

式中：FAit為t年城市i金融集聚綜合得分；Openit為t年城市i金融開放水平；Zit包含了多個(gè)控制變量；∑Year為時(shí)間固定效應(yīng)；∑Region為地區(qū)固定效應(yīng)；εit為隨機(jī)誤差項(xiàng).

3.2 金融開放對(duì)城市金融集聚水平的回歸結(jié)果分析

(1)基準(zhǔn)回歸結(jié)果.表6報(bào)告了基準(zhǔn)模型的回歸結(jié)果.第1組利用混合OLS進(jìn)行回歸，第2組控制了時(shí)間固定效應(yīng)，第3組控制了時(shí)間和地區(qū)的雙重固定效應(yīng)，3組回歸結(jié)果中金融開放系數(shù)均顯著為正，說(shuō)明城市對(duì)外金融開放能夠促使金融各類資源向其流動(dòng)并集聚.第3組控制了雙向固定效應(yīng)模型的調(diào)整R方最高，且控制變量回歸結(jié)果基本符合預(yù)期，說(shuō)明該模型對(duì)數(shù)據(jù)有較好的擬合度.第3組金融開放回歸系數(shù)為1.129 2，在1%水平上顯著，含義為城市金融開放得分每增加1分，其金融集聚水平得分就會(huì)增加12.92%，表明該結(jié)果不僅在統(tǒng)計(jì)意義上顯著，在經(jīng)濟(jì)意義上同樣顯著，由此證明假說(shuō)H1a成立.

表6 金融開放對(duì)城市金融集聚水平的基準(zhǔn)回歸結(jié)果Table 6 Benchmark Regression Results of Financial Openness on the Level of Urban Agglomeration

(2)分樣本回歸分析結(jié)果.

表7 金融集聚對(duì)金融水平的分樣本回歸結(jié)果Table 7 The Sub-Sample Regression Results of Financial Agglomeration on Financial Level

表7(續(xù))Table 7(Contiuned)

為驗(yàn)證金融開放的金融集聚效應(yīng)是否在不同城市存在異質(zhì)性，按照城市金融開放水平聚類結(jié)果進(jìn)行了分組回歸.第1組金融開放系數(shù)在5%水平上顯著為正，說(shuō)明在這6個(gè)金融開放水平較高的城市中，金融對(duì)外開放顯著提升了金融集聚度和競(jìng)爭(zhēng)力.金融開放處于中等水平的第2組和第3組中金融開放系數(shù)不顯著，作用效果不明確.第4組金融開放系數(shù)顯著為負(fù)，說(shuō)明金融對(duì)外開放反而對(duì)這些城市的金融資源起到了外流和分散效果.分樣本回歸結(jié)果的不同說(shuō)明了金融開放產(chǎn)生的影響確實(shí)存在地區(qū)異質(zhì)性，第1類金融開放度較高的城市其自身集聚水平能夠得到明顯強(qiáng)化，進(jìn)入第4類城市中的少量國(guó)際資本和外資金融機(jī)構(gòu)不利于其自身金融資源的留存，從而使區(qū)域內(nèi)部出現(xiàn)金融集聚“強(qiáng)者愈強(qiáng)，弱者愈弱”的極化趨勢(shì)，與Shenguo Yuan[17]認(rèn)為金融開放增強(qiáng)了發(fā)達(dá)區(qū)域?qū)η钒l(fā)達(dá)區(qū)域的資源搶奪和虹吸作用，從而拉大區(qū)域金融差異的結(jié)論相印證，由此證明假說(shuō)H2成立.

宏觀經(jīng)濟(jì)變量之間由于存在強(qiáng)相關(guān)性而容易產(chǎn)生互為因果的內(nèi)生性問題，對(duì)本文而言，金融發(fā)展水平較高的城市可能會(huì)吸引更多國(guó)際資本投資和金融機(jī)構(gòu)進(jìn)入，從而增強(qiáng)城市的金融集聚水平，故形成反向因果的內(nèi)生性問題.借鑒Maghyereh等的做法利用交叉滯后的回歸模型，即在解釋變量中分別引入被解釋變量和解釋變量的一階滯后項(xiàng)進(jìn)一步估計(jì)以此消除反向因果的可能性，具體模型如下：

FAit=β0+β1FAi，t-1+β2Openi，t-1+Zit+∑Year+∑Region+εit.

(16)

在樣本容量有限時(shí)，兩步估計(jì)GMM方法的標(biāo)準(zhǔn)誤可能產(chǎn)生向下偏誤，從而影響結(jié)果有效性[18]，因此本研究采用一步估計(jì)系統(tǒng)GMM進(jìn)行內(nèi)生性檢驗(yàn).結(jié)果顯示擾動(dòng)項(xiàng)一階差分存在自相關(guān)，但二階差分不存在自相關(guān)，滿足了原假設(shè)中擾動(dòng)項(xiàng)不存在序列自相關(guān)的條件.過度識(shí)別檢驗(yàn)中，Hansen統(tǒng)計(jì)量不能拒絕所有工具變量均為外生變量的原假設(shè).基于AR檢驗(yàn)和Hansen檢驗(yàn)結(jié)果，可以判斷模型設(shè)定合理且工具變量均有效.估計(jì)結(jié)果顯示，滯后一階的金融開放系數(shù)在符號(hào)和顯著性上都未發(fā)生顯著變化，證明了解決內(nèi)生性問題后本研究結(jié)論依然成立.

表8 穩(wěn)健性檢驗(yàn)結(jié)果Table 8 Robustness Test Results

4 結(jié)論與建議

探討了2005，2010，2018年金融開放對(duì)長(zhǎng)三角中各城市金融集聚發(fā)展的影響及地區(qū)異質(zhì)性.首先，構(gòu)建金融集聚綜合評(píng)價(jià)體系并通過因子分析計(jì)算各城市得分，對(duì)比2005，2010，2018年各城市金融集聚水平，發(fā)現(xiàn)上海和江蘇、浙江省部分發(fā)達(dá)城市呈現(xiàn)強(qiáng)金融集聚，而安徽省大部分城市金融集聚程度較弱，城市群整體呈現(xiàn)顯著的空間差異.之后，基于主成分特征值提取對(duì)金融開放面板數(shù)據(jù)進(jìn)行了單一截面化處理，用K均值動(dòng)態(tài)聚類分析將26個(gè)城市按樣本期內(nèi)金融開放水平及趨勢(shì)特征分為4組.實(shí)證檢驗(yàn)中，分別利用全樣本混合OLS和固定效應(yīng)模型檢驗(yàn)，并基于聚類分組結(jié)果進(jìn)行了分樣本回歸，結(jié)果顯示，總體上金融開放對(duì)長(zhǎng)三角城市的金融集聚水平起到顯著促進(jìn)影響，但分樣本回歸顯示金融開放對(duì)金融集聚的影響存在地區(qū)異質(zhì)性.在上海、蘇州、杭州、南京等金融開放度高的一類城市中，金融開放對(duì)城市金融集聚起到了顯著的促進(jìn)作用；在蕪湖、馬鞍山、安慶等金融開放度最低的4類城市中，金融開放表現(xiàn)出明顯抑制作用.最后，為確保結(jié)論穩(wěn)健而替換了變量與模型，引入交叉滯后固定效應(yīng)模型并用系統(tǒng)GMM估計(jì)來(lái)解決潛在反向因果導(dǎo)致的內(nèi)生性偏誤，經(jīng)過一系列檢驗(yàn)本研究結(jié)論依然成立.

在金融對(duì)外開放不斷深入的背景下，為進(jìn)一步發(fā)揮金融業(yè)在長(zhǎng)三角區(qū)域一體化進(jìn)程中的重要協(xié)助作用，對(duì)長(zhǎng)三角“三省一市”提出以下政策建議：第一，以上海為首的發(fā)達(dá)城市應(yīng)發(fā)揮金融集聚地的區(qū)域輻射作用，積極帶動(dòng)周邊地區(qū)發(fā)展、切實(shí)推進(jìn)長(zhǎng)三角一體化協(xié)調(diào)發(fā)展戰(zhàn)略實(shí)施；第二，浙江、江蘇省內(nèi)應(yīng)繼續(xù)破除城市間金融資源流動(dòng)壁壘，加強(qiáng)省內(nèi)欠發(fā)達(dá)城市的金融基礎(chǔ)設(shè)施建設(shè)，幫助其充分吸收省內(nèi)其余發(fā)達(dá)城市的空間外部溢出以提升自身金融實(shí)力，從而實(shí)現(xiàn)全省內(nèi)部空間發(fā)展差異縮小、整體均衡持續(xù)發(fā)展的目標(biāo)；第三，安徽省在金融開放中面臨著來(lái)自于長(zhǎng)三角內(nèi)其他城市嚴(yán)重的資源虹吸效應(yīng)，對(duì)此安徽省政府應(yīng)主動(dòng)尋求建立區(qū)域金融合作機(jī)制以減緩金融資源過度外流，并需結(jié)合自身要素稟賦實(shí)現(xiàn)金融業(yè)的差異化發(fā)展.另外，安徽省各城市需優(yōu)化金融生態(tài)與營(yíng)商環(huán)境，通過提升制度質(zhì)量以增強(qiáng)對(duì)優(yōu)質(zhì)國(guó)際資本流入與長(zhǎng)期投資的吸引力，以期在金融開放中獲得正向回報(bào)并逐漸趕超其他發(fā)達(dá)省市.