王 韌，宋爽爽，段義誠(chéng)，張奇佳

（1.首都經(jīng)濟(jì)貿(mào)易大學(xué)金融學(xué)院，北京 100007；2.重慶工商大學(xué)金融學(xué)院，重慶 400067）

0 引言

城市群是承載發(fā)展要素的主要空間形式，金融集聚是區(qū)域協(xié)同發(fā)展的重要支撐，提升城市經(jīng)濟(jì)效率則是區(qū)域高質(zhì)量發(fā)展的關(guān)鍵一環(huán)。理論上，金融集聚能通過外部溢出效應(yīng)、創(chuàng)新競(jìng)爭(zhēng)效應(yīng)和規(guī)模經(jīng)濟(jì)效應(yīng)來推動(dòng)區(qū)域資源的優(yōu)化配置，進(jìn)而對(duì)城市經(jīng)濟(jì)效率產(chǎn)生正向影響；但同時(shí)也會(huì)引發(fā)中心城市的金融泡沫化和產(chǎn)業(yè)空心化風(fēng)險(xiǎn)，并產(chǎn)生對(duì)邊緣地區(qū)和企業(yè)的“金融排斥”效應(yīng)，進(jìn)而形成逆向效率沖擊，由此存在實(shí)際影響層面的動(dòng)態(tài)和非線性特征。由此，從城市群這一特定空間載體出發(fā)，系統(tǒng)梳理金融集聚對(duì)城市經(jīng)濟(jì)效率的空間影響及其異質(zhì)性特征，具有重要理論價(jià)值和現(xiàn)實(shí)意義。

新經(jīng)濟(jì)地理學(xué)將集聚定義為經(jīng)濟(jì)活動(dòng)在空間上的集中和聚合，金融集聚不僅指金融機(jī)構(gòu)在特定區(qū)域形成的靜態(tài)產(chǎn)業(yè)空間組織，還泛指金融資源和產(chǎn)業(yè)在一定空間范圍內(nèi)轉(zhuǎn)向地域密集分布的動(dòng)態(tài)過程[1]。金融集聚的測(cè)度大致包括單一指標(biāo)和綜合指標(biāo)兩種方法，單一指標(biāo)法多使用基于金融部門從業(yè)人數(shù)占比或金融業(yè)總產(chǎn)值占比的區(qū)位熵方法；相比之下，更契合金融體系復(fù)雜性特征的綜合指標(biāo)法逐漸受到關(guān)注，但考慮到該方法所涉及的次級(jí)指標(biāo)較多，數(shù)據(jù)的可得性及有效性難以保證，加之指標(biāo)選取存在一定主觀性，因而相較于單一指標(biāo)法，該方法在具體實(shí)踐中存在一定的適用性局限。

對(duì)于城市經(jīng)濟(jì)效率，國(guó)外文獻(xiàn)多使用勞動(dòng)生產(chǎn)率指標(biāo)刻畫[2]；國(guó)內(nèi)研究則更強(qiáng)調(diào)城市投入要素的配置效果[3]。鑒于城市經(jīng)濟(jì)效率反映了城市經(jīng)濟(jì)活動(dòng)中各項(xiàng)資源的有效利用程度，從投入-產(chǎn)出視角探討更為合適。測(cè)算方法上，面向“多投入-多產(chǎn)出”系統(tǒng)的數(shù)據(jù)包絡(luò)分析（DEA）在研究城市效率方面具有較強(qiáng)適用性[4,5]，Andersen 和Petersen（1993）[6]提出了超效率模型以克服傳統(tǒng)DEA 有效決策單元效率值最高為1 的局限；俞立平等（2006）[7]對(duì)中國(guó)城市經(jīng)濟(jì)效率進(jìn)行了初步測(cè)度。指標(biāo)選擇上，李江蘇等（2017）[8]以供水總量、全年用電量、建成區(qū)面積作為資源投入指標(biāo)，以城鎮(zhèn)固定資產(chǎn)總投資、科技財(cái)政支出經(jīng)費(fèi)、單位從業(yè)人員總數(shù)作為資本、技術(shù)、勞動(dòng)力投入指標(biāo)，以人均GDP、第三產(chǎn)業(yè)比重、財(cái)政收入作為城市經(jīng)濟(jì)產(chǎn)出指標(biāo)，以職工平均工資、第三產(chǎn)業(yè)從業(yè)人員比重、醫(yī)院和衛(wèi)生院床位數(shù)作為社會(huì)產(chǎn)出指標(biāo)，以工業(yè)固體廢物綜合利用率、建成區(qū)綠化覆蓋率作為環(huán)境產(chǎn)出指標(biāo)，并進(jìn)行了城市經(jīng)濟(jì)效率測(cè)度。

關(guān)于金融集聚對(duì)城市發(fā)展的空間效應(yīng)，徐曄和宋曉薇（2016）[9]發(fā)現(xiàn)金融集聚具有明顯的空間外溢性；曹鴻英和余敬德（2018）[10]的研究顯示金融集聚能通過空間地理的輻射作用帶動(dòng)周邊經(jīng)濟(jì)發(fā)展。此外，金融集聚空間效率影響的非線性特征也漸受關(guān)注，Zhao等（2017）[11]發(fā)現(xiàn)金融集聚的程度和階段會(huì)對(duì)城市效率形成非線性沖擊；袁華錫等（2019）[1]發(fā)現(xiàn)金融集聚對(duì)綠色發(fā)展效率的空間溢出效應(yīng)呈現(xiàn)“梯度式”增強(qiáng)。

現(xiàn)有文獻(xiàn)雖圍繞金融集聚和城市經(jīng)濟(jì)效率的統(tǒng)計(jì)測(cè)度及空間關(guān)聯(lián)展開了諸多探索，但聚焦城市群及其異質(zhì)性比較的研究并不多見，對(duì)具體影響機(jī)理的梳理也相對(duì)缺乏。本文結(jié)合國(guó)內(nèi)十大典型城市群的樣本數(shù)據(jù)，通過基于區(qū)位熵模型的金融集聚水平測(cè)度、基于超效率DEA 的城市經(jīng)濟(jì)效率測(cè)算，以及多維度的空間計(jì)量分析，全面梳理金融集聚對(duì)城市經(jīng)濟(jì)效率的空間溢出效應(yīng)，并在不同空間模式（單核或多核集聚）和不同區(qū)域特征下對(duì)其異質(zhì)性特征做進(jìn)一步診斷，有助于區(qū)域協(xié)同高質(zhì)量發(fā)展。

1 樣本、指標(biāo)及測(cè)算方法

1.1 研究樣本選擇

為保證樣本完整性并控制誤差，選取樣本時(shí)間范圍為2008—2021 年。樣本選取了國(guó)內(nèi)具有代表性的十大典型城市群，包括長(zhǎng)三角、京津冀、珠三角、成渝、長(zhǎng)江中游、山東半島、海峽西岸、遼中南、中原、關(guān)中平原城市群，以保證樣本全面性。最終確定的研究對(duì)象覆蓋162 個(gè)城市共計(jì)2268 個(gè)樣本值。對(duì)于個(gè)別缺失數(shù)據(jù)，也依據(jù)鄰近年份指標(biāo)數(shù)值的趨勢(shì)外推進(jìn)行補(bǔ)足。數(shù)據(jù)來源于《中國(guó)城市統(tǒng)計(jì)年鑒》、國(guó)家統(tǒng)計(jì)局官網(wǎng)及各城市統(tǒng)計(jì)公報(bào)。

1.2 城市經(jīng)濟(jì)效率測(cè)算方法

考慮到城市經(jīng)濟(jì)運(yùn)行的多投入、多產(chǎn)出特征，本文借鑒Andersen 和Petersen（1993）[6]提出的超效率DEA 模型，具體公式為：

其中，K代表評(píng)價(jià)單元數(shù)量，N、M為投入和產(chǎn)出要素個(gè)數(shù)，xnk和ymk表示評(píng)價(jià)單元的投入和產(chǎn)出集。借鑒相關(guān)文獻(xiàn)，投入指標(biāo)包括資本存量、勞動(dòng)投入（年末單位從業(yè)人員數(shù)）、能源投入（供水總量和全年用電量）、土地投入（建成區(qū)面積）、教育投入（科教支出）；產(chǎn)出指標(biāo)用各城市GDP 表示。各城市資本存量數(shù)值依據(jù)永續(xù)盤存法計(jì)算，Kit=(1-δ)Kit-1+Iit/Pt，其中，Kt和Kt-1分別表示t和t-1期的資本存量；δ是折舊率，依據(jù)張軍等（2004）[12]的估算設(shè)定δ=9.6%；I是投資額，用全社會(huì)固定資產(chǎn)投資額衡量；P是固定資產(chǎn)投資價(jià)格指數(shù)，借鑒薛桂芝（2018）[13]的方法，以各城市所在省份的固定資產(chǎn)投資價(jià)格平減指數(shù)衡量?；谫Y本存量計(jì)算借鑒Young（2000）[14]的方法，將初始資本存量設(shè)為基年全社會(huì)固定資產(chǎn)投資額的10%得到，產(chǎn)出變量通過對(duì)各城市GDP及所在省份的價(jià)格指數(shù)平減得出。

1.3 金融集聚衡量

鑒于數(shù)據(jù)的可得性及有效性，本文借鑒現(xiàn)有文獻(xiàn)的通用做法，采用區(qū)位熵模型來測(cè)度城市金融集聚程度，該種方法不僅可以有效消除地區(qū)差異帶來的內(nèi)生性沖擊，還能在一定程度上克服以主成分分析法為代表的綜合指標(biāo)分析法在指標(biāo)選取上的主觀性。具體測(cè)度方式為（地級(jí)市金融從業(yè)人員/地級(jí)市年末單位從業(yè)人員）/（全國(guó)金融從業(yè)人員/全國(guó)單位從業(yè)人員）。

2 模型選擇

鄰近地區(qū)空間單元的經(jīng)濟(jì)地理現(xiàn)象或某一屬性值往往高度相關(guān)[15]，為準(zhǔn)確刻畫金融集聚和城市經(jīng)濟(jì)效率的空間關(guān)聯(lián)，本文進(jìn)行了空間相關(guān)性檢驗(yàn)，按SEM、SLM、SDM的順序進(jìn)行模型選擇。步驟如下：第一，確定空間權(quán)重矩陣，通過莫蘭指數(shù)判斷是否存在空間自相關(guān)；第二，依據(jù)Anselin 等（1996）[15]的判斷準(zhǔn)則，確定是使用SEM 還是SLM；第三，綜合豪斯曼、LR、Wald 檢驗(yàn)來確定SDM 適用性，最終選擇合適的模型形式。

2.1 空間相關(guān)性識(shí)別

考慮到基于地理位置相鄰的空間權(quán)重矩陣在城市層面賦權(quán)較復(fù)雜，且未考慮地理距離和經(jīng)濟(jì)發(fā)展水平差異；而經(jīng)濟(jì)距離矩陣在采用面板數(shù)據(jù)時(shí)存在時(shí)間差距，且經(jīng)濟(jì)距離隨時(shí)間變化，相對(duì)而言更不穩(wěn)定。這里選取基于地理距離的空間矩陣進(jìn)行全局空間自相關(guān)檢驗(yàn)，計(jì)算樣本城市群的金融集聚水平和城市經(jīng)濟(jì)效率的Moran’s I。測(cè)算結(jié)果見表1。表1顯示樣本城市金融集聚和城市經(jīng)濟(jì)效率在大部分年份都存在明顯空間正相關(guān)性，其中金融集聚空間相關(guān)性存在明顯的時(shí)間趨勢(shì)，2008—2012 年逐漸顯現(xiàn)，后續(xù)始終保持顯著的相關(guān)性，區(qū)域間金融要素聯(lián)動(dòng)的逐步推進(jìn)總體上符合金融體系發(fā)展規(guī)律。

表1 金融集聚和城市經(jīng)濟(jì)效率的空間相關(guān)性（莫蘭指數(shù)檢驗(yàn)）

進(jìn)一步進(jìn)行局部空間自相關(guān)檢驗(yàn)，繪制局部Moran散點(diǎn)圖，如下頁(yè)圖1、圖2 所示。樣本城市群的金融集聚（城市經(jīng)濟(jì)效率）存在顯著空間依賴性和空間異質(zhì)性。如第一象限的城市，金融集聚水平（城市經(jīng)濟(jì)效率）較高且被高水平的周邊城市包圍，說明地理空間分布上呈現(xiàn)空間依賴關(guān)系；第四象限的城市，金融集聚水平高卻被低水平的周邊城市包圍，說明存在地理空間上的異質(zhì)性。

圖1 金融集聚水平莫蘭指數(shù)

圖2 城市經(jīng)濟(jì)效率莫蘭指數(shù)

2.2 空間模型適用性檢驗(yàn)

為了選擇最適用的空間計(jì)量模型，有必要展開相關(guān)的適用性檢驗(yàn)。

首先是LM檢驗(yàn)，如果LM（lag）比LM（error）更顯著，且Robust-LM（lag）較Robust-LM（error）不顯著，那么適合采用空間滯后模型（SLM）；反之為空間誤差模型（SEM）。檢驗(yàn)結(jié)果顯示總體LM（error）、Robust LM（error）、LM（lag）均通過了1%水平上的顯著性檢驗(yàn)，Robust LM（lag）通過了5%水平上的顯著性檢驗(yàn)，表明模型存在顯著空間自相關(guān)，SLM和SEM同時(shí)成立，但無(wú)法判斷哪個(gè)更優(yōu)，故選擇更廣泛的SDM做進(jìn)一步診斷。

其次是Wald 檢驗(yàn)，驗(yàn)證SDM 是否可能退化為SLM、SEM，檢驗(yàn)結(jié)果顯示W(wǎng)ald檢驗(yàn)P=0.00，均拒絕原假設(shè)且通過1%水平上的顯著性檢驗(yàn)，說明SDM 拒絕退化為SLM、SEM。

最后是LR檢驗(yàn)。結(jié)果顯示兩次LR檢驗(yàn)都在1%的水平上拒絕原假設(shè)，再次驗(yàn)證了SDM不能簡(jiǎn)化為SLM、SEM。同時(shí)相較于SAC 模型，SDM 的信息準(zhǔn)則值更小，而AIC 和BIC信息值越小則模型的擬合度越好，故SDM優(yōu)于SAC。

綜合以上分析，SDM 更具適用性。此外，還用Hausman檢驗(yàn)確定應(yīng)使用固定效應(yīng)模型還是隨機(jī)效應(yīng)模型，發(fā)現(xiàn)在1%的水平上拒絕隨機(jī)效應(yīng)原假設(shè)，因此應(yīng)選擇固定效應(yīng)模型。

3 模型設(shè)定與基準(zhǔn)回歸結(jié)果

3.1 模型設(shè)定與指標(biāo)選擇

綜合前文的檢驗(yàn)結(jié)果，構(gòu)建如下形式的SDM模型：

其中，TEit表示城市i在時(shí)間t的經(jīng)濟(jì)效率；FAit表示對(duì)應(yīng)的金融集聚水平；Zit為控制變量；wij為地理距離空間權(quán)重矩陣；ui控制個(gè)體差異；γt控制時(shí)間差異；εit為空間擾動(dòng)項(xiàng)；ρ表示空間溢出強(qiáng)度；β1、β2表示直接影響系數(shù)；θ1、θ2表示對(duì)應(yīng)的空間影響系數(shù)。

控制變量方面，參考相關(guān)文獻(xiàn)選取以下指標(biāo)：（1）政府支持（Gov），用政府支出與地區(qū)生產(chǎn)總值之比衡量，政府支持既能推動(dòng)城市建設(shè)，也存在擠出效應(yīng)，如果成本負(fù)擔(dān)和擠出效應(yīng)集中于本地，基礎(chǔ)設(shè)施又有正外部性，那么可能存在負(fù)向直接效應(yīng)和正向間接效應(yīng)；（2）開放程度（Open），用城市實(shí)際外資利用額（以該年美元匯率折算）占GDP比重衡量，外資雖有資金、技術(shù)和經(jīng)驗(yàn)溢出，但引資也會(huì)耗費(fèi)資金和政策資源，其最終影響有待觀察；（3）工業(yè)化率（Ind），用工業(yè)增加值與地區(qū)生產(chǎn)總值之比衡量，因?yàn)閲?guó)內(nèi)工業(yè)領(lǐng)域的產(chǎn)能過剩，可能拖累經(jīng)濟(jì)效率表現(xiàn)；（4）環(huán)境規(guī)制（Use），用城市政府工作報(bào)告中環(huán)保詞頻數(shù)占比來衡量，環(huán)境規(guī)制越嚴(yán)格，越有利于推動(dòng)地區(qū)產(chǎn)業(yè)轉(zhuǎn)型與企業(yè)創(chuàng)新，預(yù)期對(duì)效率的影響為正；（5）研發(fā)潛力（Tec），以地區(qū)專利授權(quán)數(shù)對(duì)數(shù)來衡量，預(yù)期其影響為正；（6）教育人力資本（Edu），用高等院校學(xué)生人均擁有教師數(shù)衡量，有助于提升勞動(dòng)力素質(zhì)并推動(dòng)效率提升，預(yù)期影響為正；（7）交通設(shè)施狀況（Car），用每萬(wàn)人實(shí)有公共汽（電）車營(yíng)運(yùn)車輛數(shù)表征，交通狀況有助于要素流動(dòng)，但也可能形成擁堵效應(yīng)，最終影響有待甄別；（8）固定資產(chǎn)投資（Fixast），用年度固定資產(chǎn)投資總額與地區(qū)總產(chǎn)值之比表示，固定資產(chǎn)投資有助于拉動(dòng)區(qū)域經(jīng)濟(jì)增長(zhǎng)，但也和工業(yè)發(fā)展相關(guān)聯(lián)并可能造成城市擁擠效應(yīng)，對(duì)城市經(jīng)濟(jì)效率的影響存在兩面性，最終效果需綜合判定。

3.2 基準(zhǔn)回歸與結(jié)果比較

為方便對(duì)比總結(jié)，先展示了普通面板模型的OLS回歸結(jié)果，具體如表2所示。

表2 基于普通面板模型的OLS回歸結(jié)果

表2 顯示，核心解釋變量系數(shù)為正且通過1%水平上的顯著性檢驗(yàn)，但平方項(xiàng)回歸系數(shù)顯著為負(fù)，說明金融集聚對(duì)城市經(jīng)濟(jì)效率存在積極效應(yīng)，但影響機(jī)制呈現(xiàn)“倒U”型非線性特征。

進(jìn)一步基于SDM 模型進(jìn)行空間面板回歸，結(jié)果見下頁(yè)表3。表3分別展示了金融集聚水平的直接效應(yīng)和間接效應(yīng)。

表3 金融集聚水平對(duì)城市經(jīng)濟(jì)效率的SDM回歸結(jié)果

LeSage 和Pace（2009）[16]指出用點(diǎn)估計(jì)判定是否存在空間溢出效應(yīng)可能存在偏差；Lee和Yu（2016）[17]指出SDM模型可能存在自身識(shí)別問題，可能會(huì)導(dǎo)致空間回歸估計(jì)的顯著偏差。因此，空間溢出效應(yīng)診斷還依賴于變量變化的偏微分解釋。

依據(jù)表4的分解結(jié)果，由于雙向固定效應(yīng)模型的對(duì)數(shù)似然函數(shù)值與時(shí)點(diǎn)固定效應(yīng)模型以及個(gè)體固定效應(yīng)模型相比最大，而基于兩個(gè)信息準(zhǔn)則的數(shù)值最小，因此可以設(shè)定面板空間杜賓模型的雙向固定效應(yīng)模型為最優(yōu)模型，據(jù)此展開空間效應(yīng)分解和變量影響分析。

表4 基于雙向固定效應(yīng)SDM模型的空間效應(yīng)分解結(jié)果

基于雙向固定效應(yīng)SDM 的空間效應(yīng)分解結(jié)果表明，金融集聚對(duì)城市經(jīng)濟(jì)效率仍然呈現(xiàn)顯著的“倒U”型影響且保持高穩(wěn)健性；且直接效應(yīng)、間接效應(yīng)及總效應(yīng)均顯著為正，說明城市群范圍內(nèi)的金融集聚不僅可以正向驅(qū)動(dòng)當(dāng)?shù)爻鞘薪?jīng)濟(jì)效率提升，還能帶動(dòng)周邊城市效率提升；而間接效應(yīng)系數(shù)顯著高于直接效應(yīng)說明金融集聚對(duì)城市經(jīng)濟(jì)效率的影響存在明顯空間溢出。值得關(guān)注的是，平方項(xiàng)的直接效應(yīng)系數(shù)和間接效應(yīng)系數(shù)顯著為負(fù)，進(jìn)一步印證了樣本城市群內(nèi)部金融集聚與城市經(jīng)濟(jì)效率的“倒U”型關(guān)系，這意味著城市群范圍內(nèi)適度的金融集聚有助于促進(jìn)城市經(jīng)濟(jì)效率提升，但金融資源過度集聚則會(huì)對(duì)城市經(jīng)濟(jì)效率形成負(fù)向影響。

控制變量的估計(jì)結(jié)果基本和預(yù)期一致，限于篇幅，未詳細(xì)展示?？傮w而言，基準(zhǔn)回歸驗(yàn)證了金融集聚對(duì)城市經(jīng)濟(jì)效率的正向影響和空間溢出效應(yīng)，且具有“倒U”型特征，即只有適度的金融集聚才能促進(jìn)效率提升，有必要基于城市群差異進(jìn)行進(jìn)一步的異質(zhì)性分析。

4 異質(zhì)性分析

4.1 城市群模式和地域分組

鑒于不同城市群發(fā)展模式不盡相同，如成渝城市群的“雙核驅(qū)動(dòng)”、珠三角城市群的“多核聯(lián)動(dòng)”、長(zhǎng)江中游城市群的“多核發(fā)散”，為有效控制不同城市群間現(xiàn)實(shí)差異的干擾，基于SDM模型進(jìn)一步進(jìn)行異質(zhì)性分析。

進(jìn)一步對(duì)GDP指標(biāo)進(jìn)行標(biāo)準(zhǔn)化處理后作為經(jīng)濟(jì)中心度的代理指標(biāo)，并據(jù)此對(duì)樣本進(jìn)行分類：?jiǎn)魏顺鞘腥喊ㄖ性?、關(guān)中平原、遼中南、海峽西岸、山東半島城市群；多核城市群包括京津冀、長(zhǎng)三角、長(zhǎng)江中游、珠三角、成渝城市群。表5 的列（1）和列（2）顯示：多核城市群組別t 統(tǒng)計(jì)量均大于單核城市群，同時(shí)在總效應(yīng)中多核城市群金融集聚的“倒U”型影響更加顯著，而單核城市群一次項(xiàng)和二次項(xiàng)均不顯著，說明單核集聚更易產(chǎn)生過度集聚和“大城市病”問題。

表5 基于城市群模式和地域的異質(zhì)性檢驗(yàn)結(jié)果

列（3）和列（4）為基于地域劃分的分組回歸結(jié)果，東部城市群金融集聚呈現(xiàn)“倒U”型影響，但二次項(xiàng)t 統(tǒng)計(jì)量小于一次項(xiàng)；同時(shí)中西部城市群金融集聚也呈現(xiàn)“倒U”型影響。這表明東部城市群的金融集聚形成了更為顯著的效率空間溢出；而中西部城市群內(nèi)部的過度金融集聚則不利于效率提升。

4.2 區(qū)域特征分組

理論上，要素流動(dòng)會(huì)放大金融集聚的空間溢出效應(yīng)，也會(huì)產(chǎn)生外部性；經(jīng)濟(jì)市場(chǎng)化則有助于破除城市間的地方保護(hù)，增強(qiáng)金融要素集聚的正向效率提振作用。采用樣本城市群2008—2021年人均道路面積的均值作為資源要素流動(dòng)順暢度的代理指標(biāo)，并將樣本劃分為交通發(fā)達(dá)組（京津冀、遼中南、長(zhǎng)三角、山東半島和珠三角城市群）和交通欠發(fā)達(dá)組（中原、關(guān)中平原、長(zhǎng)江中游、成渝和海峽西岸城市群）；同時(shí)參照樊綱等（2011）[18]的做法，統(tǒng)計(jì)獲取2008—2021 年各城市群內(nèi)城市的市場(chǎng)化指數(shù)均值，以此區(qū)分高市場(chǎng)化程度組（長(zhǎng)三角、珠三角、山東半島、海峽西岸和遼中南城市群）和低市場(chǎng)化程度組（京津冀、成渝、長(zhǎng)江中游、中原和關(guān)中平原城市群），并進(jìn)行分組回歸。

依據(jù)下頁(yè)表6的列（1）和列（2）可知，總效應(yīng)和間接效應(yīng)方面，交通發(fā)達(dá)組的系數(shù)比交通欠發(fā)達(dá)組的系數(shù)更顯著，意味著提升資源要素流動(dòng)順暢度有助于增強(qiáng)金融集聚的空間溢出效應(yīng)。直接效應(yīng)方面，交通發(fā)達(dá)組的t值和系數(shù)的絕對(duì)值都明顯小于交通欠發(fā)達(dá)組，說明資源要素的外部溢出反而會(huì)限制金融集聚對(duì)本地效率的拉動(dòng)作用。列（3）和列（4）顯示了不同市場(chǎng)環(huán)境的異質(zhì)性影響，高市場(chǎng)化程度組金融集聚的空間溢出效應(yīng)更顯著，這與前文基于交通狀況的分組檢驗(yàn)結(jié)果一致；低市場(chǎng)化程度組金融集聚的間接效應(yīng)和總效應(yīng)均不顯著，印證了市場(chǎng)分割嚴(yán)重會(huì)阻礙資源要素的流通，并削弱金融集聚的空間溢出效應(yīng)。

表6 基于城市群交通狀況和市場(chǎng)環(huán)境的異質(zhì)性檢驗(yàn)結(jié)果

5 穩(wěn)健性檢驗(yàn)

5.1 空間矩陣變換

為驗(yàn)證基準(zhǔn)回歸結(jié)果的穩(wěn)健性，將基于地理距離的空間矩陣替換成經(jīng)濟(jì)地理空間矩陣，考慮到基于經(jīng)濟(jì)距離的空間權(quán)重矩陣計(jì)算存在時(shí)間差距問題，這里取GDP 平均值進(jìn)行測(cè)算。替換后的LM、Wald、LR等檢驗(yàn)顯示，選用空間杜賓模型（SDM）更為合適。依據(jù)表7可知，金融集聚對(duì)城市經(jīng)濟(jì)效率依然呈現(xiàn)顯著“倒U”型影響，進(jìn)一步支持了基準(zhǔn)回歸結(jié)論。

表7 基于空間矩陣變換的穩(wěn)健性檢驗(yàn)結(jié)果

5.2 內(nèi)生性檢驗(yàn)

考慮到金融要素集聚根植于城市整體發(fā)展，金融集聚水平較高的地區(qū)往往對(duì)應(yīng)著經(jīng)濟(jì)發(fā)展較好的地區(qū)，由此可能帶來理論層面的內(nèi)生性風(fēng)險(xiǎn)，本文對(duì)金融集聚和經(jīng)濟(jì)發(fā)展對(duì)城市經(jīng)濟(jì)效率的實(shí)際影響效應(yīng)進(jìn)行了比較分析，觀察其實(shí)際影響效應(yīng)是否存在明顯異質(zhì)性。用人均GDP（Pg-dp）作為城市經(jīng)濟(jì)發(fā)展水平的代理指標(biāo)，如果兩個(gè)變量的實(shí)際效率影響存在明顯異質(zhì)性，那么意味著兩種機(jī)制并不相同，基準(zhǔn)回歸模型的內(nèi)生性風(fēng)險(xiǎn)較低，反向支持了基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

依據(jù)表8可知，經(jīng)濟(jì)發(fā)展一次項(xiàng)對(duì)城市經(jīng)濟(jì)效率的直接效應(yīng)顯著為負(fù)，二次項(xiàng)直接效應(yīng)顯著為正，同時(shí)一次項(xiàng)和二次項(xiàng)的總效應(yīng)均不顯著，這與以金融集聚作為核心解釋變量的估計(jì)結(jié)果存在明顯方向性及整體性差異，表明城市經(jīng)濟(jì)發(fā)展和金融集聚對(duì)城市經(jīng)濟(jì)效率的影響機(jī)制截然不同，側(cè)面論證了金融集聚對(duì)于城市經(jīng)濟(jì)效率的促進(jìn)作用并非源自城市本身的經(jīng)濟(jì)發(fā)展特征，在一定程度上排除了互為因果所引發(fā)的內(nèi)生性問題。

表8 基于類工具變量的內(nèi)生性檢驗(yàn)

5.3 安慰劑檢驗(yàn)

考慮到市場(chǎng)化程度較高的城市同時(shí)擁有更高的資源配置水平，經(jīng)濟(jì)效率可能因此更高，這里用市場(chǎng)化指數(shù)（Index）替代金融集聚指標(biāo)進(jìn)行安慰劑檢驗(yàn)，如果得到的估計(jì)結(jié)果與基準(zhǔn)回歸結(jié)果存在明顯差異，那么可以認(rèn)為金融集聚的影響并不完全取決于市場(chǎng)環(huán)境。

依據(jù)表9可知，市場(chǎng)化程度指標(biāo)在一定程度上限制了城市的經(jīng)濟(jì)效率水平，而且一次項(xiàng)和二次項(xiàng)的間接效應(yīng)和總效應(yīng)均不顯著。這意味著只有較高的市場(chǎng)化程度而沒有金融要素的集聚，只會(huì)引發(fā)資源要素過度外流，進(jìn)而出現(xiàn)對(duì)城市經(jīng)濟(jì)效率的負(fù)向影響。這一檢驗(yàn)結(jié)果也進(jìn)一步驗(yàn)證了上文基準(zhǔn)回歸結(jié)果的穩(wěn)健性。

表9 安慰劑檢驗(yàn)結(jié)果

6 結(jié)論與建議

6.1 結(jié)論

本文基于國(guó)內(nèi)十大典型城市群162 個(gè)城市的面板數(shù)據(jù)，分析了金融集聚對(duì)城市經(jīng)濟(jì)效率的影響及其異質(zhì)性特征，研究結(jié)論如下：

第一，金融集聚對(duì)城市經(jīng)濟(jì)效率呈現(xiàn)顯著空間效應(yīng)，不僅能正向驅(qū)動(dòng)本地效率提升，還能對(duì)周邊城市經(jīng)濟(jì)效率形成明顯帶動(dòng)，且該影響呈現(xiàn)明顯的“倒U”型變化特征。

第二，金融集聚對(duì)城市經(jīng)濟(jì)效率的影響受制于城市群模式特征，多核集聚城市群的空間溢出效應(yīng)強(qiáng)于單核集聚城市群；東部城市群金融集聚的空間溢出效應(yīng)更強(qiáng)，中西部城市群金融集聚的“倒U”型影響更明顯。

第三，金融集聚對(duì)城市經(jīng)濟(jì)效率的影響受到資源要素流通的制約，交通狀況改善和市場(chǎng)化程度提升會(huì)增強(qiáng)其空間溢出效應(yīng)，但也會(huì)因資源要素外流而給中心城市帶來一定的效率壓力。

6.2 建議

綜合上述結(jié)論，提出如下建議：

第一，關(guān)注城市群范圍內(nèi)的金融集聚與產(chǎn)業(yè)發(fā)展協(xié)同，針對(duì)不同城市群特點(diǎn)因地制宜地設(shè)計(jì)治理對(duì)策。既要積極推進(jìn)區(qū)域金融中心建設(shè)，也需避免金融資源過度集聚引發(fā)的“大城市病”問題；同時(shí)應(yīng)依據(jù)不同城市群的地理特征和發(fā)展模式制定精準(zhǔn)化的金融集聚策略。

第二，推動(dòng)城市群中心城市之間的優(yōu)勢(shì)發(fā)展、互補(bǔ)合作，適度發(fā)揮中心城市的規(guī)模效應(yīng)和溢出效應(yīng)。既要推動(dòng)城市間發(fā)展聯(lián)動(dòng)，通過差異化定位發(fā)揮比較優(yōu)勢(shì)，合理劃分經(jīng)濟(jì)職能，避免同質(zhì)化競(jìng)爭(zhēng)；又要致力于打破行政壁壘，積極構(gòu)建完善一體化的體制安排。

第三，著力提升城市群內(nèi)部資源要素流動(dòng)的便利度。加強(qiáng)交通網(wǎng)絡(luò)建設(shè)，改善資源要素流動(dòng)的硬件基礎(chǔ)設(shè)施；抑制地方保護(hù)主義行為，積極營(yíng)造城市群內(nèi)部資源要素合理、有序、順暢流動(dòng)的軟環(huán)境，大力推動(dòng)區(qū)域經(jīng)濟(jì)高質(zhì)量協(xié)同發(fā)展。