周正柱 戴大鵬

【摘 要】 在推進金融體系現(xiàn)代化建設(shè)中，金融市場存在發(fā)展不均衡等問題。文章基于長三角城市群2010—2020年城市面板數(shù)據(jù)，運用時序多維度指標(biāo)模型與標(biāo)桿法等測算出城市群金融扭曲水平，并采用空間相關(guān)性檢驗、Dagum基尼系數(shù)、Kernel核密度估計方法進一步對城市群區(qū)域差異以及時空演變特征進行分析。研究發(fā)現(xiàn)：（1）時空特征：長三角城市群整體金融扭曲水平逐年降低，且金融扭曲水平呈現(xiàn)“中心化—輻射化”的特征，存在顯著的空間相關(guān)性；（2）區(qū)域差異：整體呈現(xiàn)“降低—升高”的演變趨勢，地區(qū)之間的差異是長三角城市群金融扭曲水平區(qū)域差異的主要來源；（3）動態(tài)演變：城市群金融扭曲水平整體呈下降態(tài)勢。

【關(guān)鍵詞】 長三角城市群； 金融扭曲； 空間相關(guān)性； 區(qū)域差異； 動態(tài)演變

【中圖分類號】 F832.0；F830.9；C81? 【文獻標(biāo)識碼】 A? 【文章編號】 1004-5937（2024）11-0087-07

一、引言

當(dāng)前，我國經(jīng)濟正處于高質(zhì)量發(fā)展階段，而金融作為經(jīng)濟領(lǐng)域重要組成部分，其健康可持續(xù)發(fā)展具有重要的意義，正如習(xí)近平總書記強調(diào)的，“經(jīng)濟是肌體，金融是血脈，兩者共生共榮”。黨的二十大報告中指出要構(gòu)建高水平社會主義市場經(jīng)濟體制，充分發(fā)揮市場作用。這意味著對金融市場體系高水平建設(shè)提出要求。在我國漸進式改革進程中，金融等要素市場中存在扭曲效應(yīng)，其中非市場干預(yù)、產(chǎn)權(quán)制度以及企業(yè)生存能力等因素造成金融資源錯配、金融效率不高、企業(yè)信貸歧視、融資約束等現(xiàn)象[ 1 ]；同時由于我國各地區(qū)之間金融發(fā)展水平存在一定差異，金融市場化進程也出現(xiàn)區(qū)域不平衡問題。作為世界六大城市群之一的長三角城市群也不例外。該地區(qū)雖為我國金融發(fā)展水平高、金融要素充足的地區(qū)，但也存在金融扭曲問題。在此背景下，深入分析長三角城市群金融扭曲程度、區(qū)域差異以及時空演變特征等問題，有利于系統(tǒng)識別金融扭曲成因、完善金融市場改革、健全金融體系，為政府提供決策參考，從而推動長三角區(qū)域一體化以及經(jīng)濟高質(zhì)量發(fā)展。

現(xiàn)有關(guān)于金融扭曲的研究主要從以下兩個方面展開。一是關(guān)于金融扭曲的測量方法。從現(xiàn)有文獻看，有以下三類：其一，通過單指標(biāo)來衡量金融扭曲水平，主要利用四大國有銀行的貸款余額占金融機構(gòu)貸款余額的比重來直接表示地區(qū)金融扭曲[ 2 ]，或者測算出非國有部門信貸比重[ 3 ]。其二，從金融壟斷、政府干預(yù)等多維度出發(fā)，對各指標(biāo)進行加權(quán)計算測得綜合指數(shù)，用其代表金融扭曲程度[ 4 ]。其三，從金融規(guī)模、金融結(jié)構(gòu)等多維視角測度金融發(fā)展水平綜合指數(shù)，然后用金融發(fā)展水平綜合指數(shù)的相對差值作為金融扭曲的代理變量[ 5 ]。二是關(guān)于金融扭曲對經(jīng)濟社會的影響。Guariglia等[ 6 ]從資本、財政以及生產(chǎn)率出發(fā)考察金融扭曲對我國宏觀經(jīng)濟的影響，研究表明金融扭曲與我國經(jīng)濟增長負相關(guān)。趙秋運和林志帆[ 7 ]、劉斌斌等[ 8 ]對產(chǎn)業(yè)結(jié)構(gòu)升級實證研究表明，金融扭曲會加劇產(chǎn)業(yè)結(jié)構(gòu)扭曲程度，從而阻礙產(chǎn)業(yè)結(jié)構(gòu)升級。李玉山等[ 5 ]運用固定效應(yīng)模型研究發(fā)現(xiàn)金融扭曲對技術(shù)創(chuàng)新存在明顯的抑制效應(yīng)。可以發(fā)現(xiàn)，現(xiàn)有學(xué)者將注意力主要集中在金融扭曲所帶來的經(jīng)濟后果以及社會影響。那么，到底什么是金融扭曲？在經(jīng)濟學(xué)中，扭曲就是經(jīng)濟活動未能達到帕累托最優(yōu)。

學(xué)術(shù)界已對金融扭曲問題展開豐富研究，可以為本文的研究提供思路和借鑒，但對金融扭曲水平的時空特征演變以及區(qū)域差異研究較少，需進一步完善。首先，關(guān)于金融扭曲的測度研究。單指標(biāo)測度法難以考察金融扭曲的全貌；多維度測度雖可以全面綜合考慮金融市場中各個因素所帶來的合力影響，但難以考察指標(biāo)間的橫向影響及動態(tài)演變特征；而時序多維度指標(biāo)模型將時間因素添加到二維綜合評價體系中，形成由指標(biāo)、對象、時間構(gòu)成的三維空間，克服傳統(tǒng)靜態(tài)多指標(biāo)模型的局限性，能夠更加客觀、綜合地考察區(qū)域金融扭曲的發(fā)展?fàn)顩r和演變趨勢。其次，從研究方法來看，本文從時間、空間兩個維度出發(fā)，借助Moran'I指數(shù)法分析金融扭曲程度的空間相關(guān)性，并在此基礎(chǔ)上運用Dagum基尼系數(shù)方法進一步揭示長三角城市群金融扭曲程度的區(qū)域差異及來源，以全面深入闡釋長三角城市群金融扭曲程度的時空分布特點及空間相關(guān)性特征；同時，運用Kernel核密度估計方法分析其分布動態(tài)演進規(guī)律，以期能夠更加準(zhǔn)確地把握長三角城市群金融扭曲的時空特征，為推動金融市場健康發(fā)展提供現(xiàn)實依據(jù)。最后，從研究對象來看，現(xiàn)有關(guān)于金融扭曲的研究大多集中在省級層面，而有關(guān)城市群研究的文獻相對較少。

二、金融扭曲：形成機理及影響因素

金融扭曲形成動因與影響因素是什么？現(xiàn)有文獻關(guān)于金融扭曲的動因研究主要涉及以下方面：一是從機制效應(yīng)來看，國有企業(yè)與政府之間形成代理關(guān)系，產(chǎn)生產(chǎn)權(quán)沖突等[ 9 ]，這也是我國在改革過程中無法避免的[ 10 ]。二是從間接效應(yīng)來看，有些效率較高的企業(yè)無法獲得金融支持，因此金融資源無法最大程度發(fā)揮作用。三是從直接效應(yīng)來看，資源錯配、信貸歧視導(dǎo)致金融扭曲的出現(xiàn)[ 11 ]；同時由于金融資源配置并未完全按照市場化的需求，從而無法使金融資源配置達到最優(yōu)狀態(tài)[ 12 ]。另外，客觀現(xiàn)實因素也是形成金融扭曲的主要原因，例如經(jīng)濟發(fā)展水平、市場開放程度、金融系統(tǒng)運行效率等[ 13-15 ]。

學(xué)術(shù)界在開展金融扭曲動因研究的同時，也探討了金融扭曲影響因素。國外學(xué)者主要從經(jīng)濟環(huán)境、市場摩擦、資源配置等方面來探討金融資本要素扭曲的影響因素[ 16 ]。隨著研究逐漸深入，學(xué)者開始從技術(shù)、教育以及個體間的差異出發(fā)來研究影響金融扭曲的因素[ 17 ]。國內(nèi)學(xué)者結(jié)合我國實踐，主要從市場化程度、經(jīng)濟結(jié)構(gòu)、資源配置效率等方面來考察金融扭曲的影響因素[ 18-19 ]?？傮w上看，國內(nèi)外學(xué)者分別從經(jīng)濟環(huán)境、產(chǎn)業(yè)結(jié)構(gòu)、開放程度等方面展開金融扭曲的影響因素研究，一定程度上揭示了影響金融扭曲的基本邏輯要素。金融扭曲的形成機理及影響因素如圖1所示。

三、長三角城市群金融扭曲水平測度

（一）主要研究方法

1.時序多指標(biāo)模型

本文借鑒劉炳勝等[ 20 ]關(guān)于多維度多指標(biāo)對區(qū)域發(fā)展水平的測度方法，運用時序多指標(biāo)模型對長三角城市群27個城市的金融發(fā)展水平進行測度。再參考林伯強和杜克銳[ 21 ]的研究，運用標(biāo)桿法對金融扭曲進行間接測量。

2.莫蘭指數(shù)

為了判斷長三角城市群各城市之間金融扭曲是否存在空間關(guān)系，本文采用莫蘭指數(shù)來探究長三角城市群金融扭曲水平的空間關(guān)聯(lián)性。莫蘭指數(shù)包括全局莫蘭指數(shù)和局部莫蘭指數(shù)。

3.基尼系數(shù)及其分解

Dagum基尼系數(shù)已廣泛應(yīng)用于測算區(qū)域內(nèi)和區(qū)域間差異。因此，本文采用Dagum基尼系數(shù)對2010—2020年長三角城市群金融扭曲水平差異進行測度和分解。

4.Kernel核密度估計

為了探究長三角城市群金融扭曲的分布動態(tài)演化趨勢，本文采用非參數(shù)檢驗方法密度估計法探究長三角城市群金融扭曲空間演變。

（二）評價指標(biāo)體系

借鑒安勇和王拉娣[ 4 ]、李玉山等[ 5 ]的研究思路，本文擬從金融結(jié)構(gòu)、金融規(guī)模、金融環(huán)境三個維度構(gòu)建金融發(fā)展水平的綜合評價指標(biāo)體系（如表1所示）。

（三）研究對象與數(shù)據(jù)來源

以長三角城市群27個城市為研究對象，時間跨度為2010—2020年，各指標(biāo)數(shù)據(jù)主要來源于各城市統(tǒng)計年鑒、同花順數(shù)據(jù)庫及《中國統(tǒng)計年鑒》發(fā)布的數(shù)據(jù)。

（四）測度結(jié)果分析

根據(jù)表1中所列指標(biāo)，同時借助時間序列多指標(biāo)模型對長三角城市群27個城市金融發(fā)展水平進行綜合測度。首先，為了消除各數(shù)據(jù)之間單位不同帶來的影響，將數(shù)據(jù)無量綱化；其次，計算各城市不同年份金融發(fā)展水平指標(biāo)的向量；最后，得到加權(quán)向量W*j：

W*j=｛0.4896，0.3670，0.2313，

0.4306， 0.3216， 0.1800， 0.2471，

0.3382，0.2657｝

對2010—2020年長三角城市群金融發(fā)展水平進行綜合評價，再計算得到長三角城市群金融扭曲水平（圖2）。

1.時間演變特征分析

從長三角城市群整體看，2010—2020年金融扭曲水平總體上呈“先緩后急再緩”的持續(xù)下降趨勢，由2010年的0.5661下降至2020年的0.3427，下降幅度約為38.9%。從各省市看，上海金融扭曲水平從2010年的0.303下降到2020年的0.011，下降幅度達到96.6%，下降幅度最大；江蘇9城市、浙江9城市、安徽8城市金融扭曲水平下降幅度分別為34%、42.9%和13.4%，其中安徽8城市下降幅度最小。此外，上海金融扭曲水平最低，安徽8城市金融扭曲水平最高，浙江9城市金融扭曲水平下降幅度大于江蘇9城市且金融扭曲水平低于江蘇9城市。

2.空間演變特征分析

2010年“高度扭曲水平及以上”的有鹽城、揚州、常州、無錫、滁州、安慶等10個城市，“中高度扭曲水平”的有南通、湖州、紹興3個城市，“中度扭曲水平”的有蘇州、嘉興、金華等5個城市，“中低扭曲水平”的有杭州、寧波、南京、合肥等8個城市，“低扭曲水平”的只有上海；到2020年“高度扭曲水平及以上”的有鹽城、揚州、宣城等6個城市，“中高度扭曲水平”的有南通、泰州、馬鞍山等5個城市，“中度扭曲水平”的有無錫、常州、溫州、合肥等8個城市，“中低扭曲水平”的有蘇州、寧波、臺州等4個城市，“低扭曲水平”的有上海、南京、杭州以及舟山4個城市。由此可見，長三角城市群金融扭曲空間演變呈現(xiàn)“空間中心化”態(tài)勢，即離中心城市距離越近，其金融扭曲程度越低，且逐漸形成“以點帶面”的空間發(fā)展格局。

（五）空間相關(guān)性分析

為了進一步分析長三角城市群金融扭曲的空間關(guān)聯(lián)性，利用Stata軟件對歷年全局莫蘭指數(shù)進行測算，分別列出地理距離（W1）、經(jīng)濟距離（W2）以及經(jīng)濟地理嵌套（W3）空間權(quán)重矩陣，結(jié)果如表2所示。

由表2可以看出，2011—2020年的莫蘭指數(shù)在地理距離空間權(quán)重矩陣下均通過了至少10%的顯著性檢驗，且考察期內(nèi)在經(jīng)濟距離空間權(quán)重矩陣以及經(jīng)濟與地理嵌套空間權(quán)重矩陣下均通過了1%水平的顯著性檢驗，表明長三角城市群的金融扭曲水平存在顯著的空間正相關(guān)性。在經(jīng)濟距離矩陣以及經(jīng)濟地理嵌套矩陣下，莫蘭指數(shù)整體呈現(xiàn)上升趨勢，空間相關(guān)性指數(shù)呈波動上升，說明隨著長三角區(qū)域一體化的發(fā)展，金融扭曲的空間集聚特征逐步增強。

此外，為了更加深刻地刻畫城市群內(nèi)部各城市之間的集聚程度以及城市之間的相關(guān)性，采用局部莫蘭指數(shù)對城市之間的相關(guān)性進行描述，用Stata軟件繪制了2010—2020年的莫蘭散點圖（圖略），根據(jù)各城市所在的象限將金融扭曲水平劃分為四個集聚區(qū)域：高—高型，高—低型，低—高型，低—低型。大部分城市位于第一象限（高—高）。具體而言，2010年高—高型金融扭曲水平的城市是安慶、滁州、池州、宣城、無錫、揚州、鎮(zhèn)江、鹽城、泰州、蘇州、南通、湖州、金華、臺州，這些城市存在高金融扭曲的現(xiàn)象，同時起到了正向溢出效應(yīng)。2020年相較于2010年空間集聚效應(yīng)未發(fā)生較大變化，總體上保持穩(wěn)定。那么，城市之間為何會出現(xiàn)這種差異？本文進一步分析長三角城市群金融扭曲的區(qū)域差異及其動態(tài)演變。

四、長三角城市群金融扭曲的區(qū)域差異分析

通過上文分析，發(fā)現(xiàn)長三角城市群內(nèi)金融扭曲存在顯著差異。本文利用Dagum基尼系數(shù)進一步刻畫長三角城市群金融扭曲水平的區(qū)域差異。

（一）區(qū)域整體差異

2010—2020年長三角城市群整體的基尼系數(shù)基本處于較低水平，且分布在0.054～0.204之間，表明整體存在非均衡現(xiàn)象。具體而言：2010—2019年區(qū)域整體差異呈緩慢上升趨勢，2010年基尼系數(shù)為0.057，下降到2012年和2013年的0.054，表明在這個階段不均衡現(xiàn)象得到一定的緩解；此后逐步增加到0.082，表明長三角城市群整體差異不斷增加；至2020年出現(xiàn)顯著波動，原因可能是突發(fā)公共衛(wèi)生事件的沖擊導(dǎo)致地緣邊界加強，資源流動受限。

（二）區(qū)域內(nèi)以及區(qū)域間差異

長三角城市群內(nèi)三省一市之間的差異變化存在異質(zhì)性。具體而言，2010—2020年金融扭曲的區(qū)域內(nèi)差異呈現(xiàn)出上海>浙江9城市>江蘇9城市>安徽8城市。從變化趨勢來看，上海的金融扭曲水平差異呈現(xiàn)“U”型變化，但整體呈上升趨勢；江蘇9城市和浙江9城市均表現(xiàn)出緩慢上升趨勢；而安徽8城市區(qū)域內(nèi)差異基本保持穩(wěn)定，年增長率為3%?？傮w而言，上海金融扭曲水平差異最大，安徽8城市差異最小，具體原因可能是，安徽各地區(qū)金融發(fā)展水平相對滯后，導(dǎo)致整體的金融扭曲水平相對其他地區(qū)較高。

此外，各地區(qū)之間的差異也呈現(xiàn)出異質(zhì)性特征，其中2010—2020年滬—蘇、滬—浙、滬—皖、蘇—浙、蘇—皖以及浙—皖之間的差異主要表現(xiàn)出上升趨勢，具體表現(xiàn)為：滬—浙>滬—蘇>滬—皖>蘇—浙>浙—皖>蘇—皖。從變化趨勢來看，各區(qū)域之間的差異在2010—2019年基本保持穩(wěn)定，且區(qū)域之間差異處于較低水平，2020年區(qū)域之間差異增大（原因可能是各地間的關(guān)聯(lián)性下降，導(dǎo)致要素流動受限）。

（三）差異來源及分解

長三角城市群金融扭曲水平地區(qū)內(nèi)差異、地區(qū)間差異、超變密度的平均貢獻率分別為18.05%、61.79%、20.17%?？梢钥闯龅貐^(qū)間差異是構(gòu)成整個差異的主要因素，這可能是各區(qū)域之間經(jīng)濟發(fā)展、產(chǎn)業(yè)結(jié)構(gòu)等差異引起的。

五、長三角城市群金融扭曲的動態(tài)演變分析

本文在分析城市群金融扭曲水平差異的基礎(chǔ)上，繼續(xù)深入分析其2010—2020年金融扭曲水平的變化趨勢，利用三維Kernel核密度估計圖對長三角城市群金融扭曲水平的絕對差異、變動趨勢以及延展性等進行分析和展示，具體結(jié)果如圖3—圖7所示。

圖3為長三角城市群整體金融扭曲水平的動態(tài)演進?？梢钥闯隹疾炱趦?nèi)，核密度曲線中心呈先左移后右移再左移的“S”型趨勢，總體保持穩(wěn)定；2010—2018年峰值呈波動上升趨勢，波峰寬度呈“擴大—收縮—擴大”的趨勢，說明城市群內(nèi)部金融扭曲水平絕對差異逐漸降低，集聚程度提高。此外，從2018年開始出現(xiàn)雙峰現(xiàn)象（主峰＋右側(cè)次峰），意味著城市群內(nèi)金融扭曲水平相對較低的城市增加，并且出現(xiàn)內(nèi)部差異。總的來說，長三角城市群金融扭曲水平變化較為穩(wěn)定，呈下降趨勢，并且城市群內(nèi)部差異呈擴大化態(tài)勢，分化現(xiàn)象凸顯。

圖4為上海金融扭曲水平的動態(tài)演進?？梢钥闯隹疾炱趦?nèi)，2010—2011年核密度曲線中心向左移動，其余年份基本保持穩(wěn)定，表明上海金融扭曲水平呈下降趨勢，但并不明顯；2010—2020年峰值呈波動下降趨勢，波峰寬度呈“擴大—收縮—擴大”的趨勢，說明城市群內(nèi)部金融扭曲水平絕對差異逐漸降低，集聚程度提高。此外，2010—2020年，上海核密度曲線只存在一個主峰，說明內(nèi)部差異不明顯，并未出現(xiàn)極化現(xiàn)象。

圖5為江蘇9城市金融扭曲水平的動態(tài)演進。可以看出考察期內(nèi)，2010—2013年核密度曲線中心向左移動，2014—2017年向右移動，2018—2020年再向左移動，但整體呈穩(wěn)定態(tài)勢，表明江蘇9城市金融扭曲水平整體上基本保持穩(wěn)定；2010—2020年峰值呈波動下降趨勢，波峰寬度呈“擴大—收縮—擴大”的趨勢，且2019—2020年出現(xiàn)左側(cè)拖尾現(xiàn)象，說明城市群內(nèi)部金融扭曲水平絕對差異逐漸降低，集聚程度提高。此外，2010—2020年，核密度曲線由“一個主峰+左側(cè)峰”轉(zhuǎn)變?yōu)椤耙粋€主峰”，說明2010—2018年區(qū)域內(nèi)部存在差異，到2019年這種極化現(xiàn)象得到緩解。

圖6為浙江9城市金融扭曲水平的動態(tài)演進?？梢钥闯隹疾炱趦?nèi)，2010—2013年核密度曲線中心向左移動，2014—2016年向右移動，2017—2020年再向左移動，整體呈向左移動的態(tài)勢，表明浙江9城市金融扭曲水平整體呈下降趨勢；2010—2020年峰值呈“下降—上升—下降”的非線性趨勢，波峰寬度不斷擴大，且2019—2020年出現(xiàn)左側(cè)拖尾現(xiàn)象，說明城市群內(nèi)部金融扭曲水平絕對差異逐漸降低，集聚程度不斷提高。此外，2010—2020年，浙江9城市核密度曲線只存在一個主峰，說明內(nèi)部差異不明顯，無明顯分化現(xiàn)象。

圖7為安徽8城市金融扭曲水平的動態(tài)演進?？梢钥闯觯?010—2018年核密度曲線中心向右移動，2019—2020年向左移動，整體上呈向右移動的趨勢，表明安徽8城市金融扭曲水平呈先上升再下降的倒“U”型趨勢，整體上金融扭曲水平升高，但增加幅度較小；2010—2020年峰值呈現(xiàn)“上升—下降”的非線性趨勢，波峰寬度不斷降低，說明城市群內(nèi)部金融扭曲水平絕對差異呈先上升后下降的趨勢，集聚程度不斷降低。此外，2010—2020年，大多數(shù)年份安徽8城市核密度曲線只存在一個主峰，說明內(nèi)部差異不明顯，無明顯分化現(xiàn)象；2015—2018年出現(xiàn)“雙峰”現(xiàn)象，表明2015—2018年安徽8城市之間存在顯著的分化現(xiàn)象。

六、結(jié)論與建議

（一）主要結(jié)論

本文以長三角城市群27個城市為研究對象，運用時序多維度指標(biāo)模型、標(biāo)桿法對長三角城市群金融扭曲水平進行特征事實闡述，利用莫蘭指數(shù)、Dagum系數(shù)和核密度估計等方法，進一步討論了長三角城市群金融扭曲水平的時空特征以及分布動態(tài)演化特征，得出如下主要結(jié)論：第一，從長三角城市群金融扭曲水平的時間演變特征來看，2010—2020年城市群整體金融扭曲水平呈“先緩后急再緩”的下降趨勢。第二，空間特征主要表現(xiàn)為，以上海、杭州、南京等中心城市為主的輻射效應(yīng)，且存在顯著空間集聚效應(yīng)。第三，城市群內(nèi)部各城市之間的金融扭曲水平存在顯著的空間正相關(guān)關(guān)系。第四，長三角城市群區(qū)域內(nèi)差異呈緩慢上升趨勢，且區(qū)域間差異主要表現(xiàn)為“滬—浙>滬—蘇>滬—皖>蘇—浙>浙—皖>蘇—皖”。第五，長三角城市群金融扭曲水平變化總體呈下降趨勢，并且城市群內(nèi)部差異呈擴大化態(tài)勢，分化現(xiàn)象凸顯。

（二）主要建議

首先，各地政府應(yīng)充分發(fā)揮長三角一體化發(fā)展優(yōu)勢，重視城市間發(fā)展不充分、不均衡的問題，加強頂層設(shè)計。一是注重城市間協(xié)調(diào)發(fā)展，并在動態(tài)發(fā)展中尋求更加完善的協(xié)調(diào)機制，以金融發(fā)達城市帶動金融欠發(fā)達城市的發(fā)展，適當(dāng)增加城市間的金融交流活動，增加空間聯(lián)動性。二是完善長三角地區(qū)一體化協(xié)作平臺，降低區(qū)域之間的壁壘，打通各城市之間金融資源的流動渠道，使要素資源能夠流向更加有效率、有需求的企業(yè)，提升金融資源配置利用效率，從而降低金融扭曲及其帶來的影響。

其次，各地政府應(yīng)加大發(fā)展優(yōu)勢產(chǎn)業(yè)，解決區(qū)域不平衡問題，推動經(jīng)濟高質(zhì)量發(fā)展。長三角城市群城市之間存在不同的優(yōu)勢產(chǎn)業(yè)，應(yīng)因地制宜實施發(fā)展戰(zhàn)略，提升城市產(chǎn)業(yè)優(yōu)勢，推動長三角城市間形成優(yōu)勢互補、功能完善、集約高效的空間協(xié)同高質(zhì)量一體化發(fā)展格局。

最后，各地政府應(yīng)穩(wěn)步推進金融市場開放，努力提升國有企業(yè)經(jīng)營能力。在當(dāng)前經(jīng)濟轉(zhuǎn)型的大背景下，政府應(yīng)主動發(fā)展區(qū)域優(yōu)勢產(chǎn)業(yè)，加快優(yōu)勢產(chǎn)業(yè)形成及金融資本積累，增強國有企業(yè)市場化經(jīng)營能力，逐步深化金融改革，并消除金融扭曲。

【參考文獻】

［1］ 林毅夫，孫希芳.銀行業(yè)結(jié)構(gòu)與經(jīng)濟增長［J］.經(jīng)濟研究，2008（9）：31-45.

［2］ 汪偉，潘孝挺.金融要素扭曲與企業(yè)創(chuàng)新活動［J］.統(tǒng)計研究，2015，32（5）：26-31.

［3］ 朱彤，漆鑫，張亮.金融扭曲導(dǎo)致FDI大量流入我國嗎：來自我國省級面板數(shù)據(jù)的證據(jù)［J］.南開經(jīng)濟研究，2010（4）：33-47.

［4］ 安勇，王拉娣.金融要素扭曲、地方政府行為與創(chuàng)新效率缺失［J］.數(shù)理統(tǒng)計與管理，2022，41（1）：135-147.

［5］ 李玉山，陸遠權(quán)，王拓.金融扭曲對技術(shù)創(chuàng)新的影響研究［J］.科研管理，2021，42（11）：62-70.

［6］ GUARIGLIA A，PONCET S.Could financial distortions be noImpediment to economic growth after all？ Evidence from China［J］.Journal of Comparative Economics，2008，36（4）：633-657.

［7］ 趙秋運，林志帆.“欲速則不達”：金融抑制、產(chǎn)業(yè)結(jié)構(gòu)扭曲與“中等收入陷阱”［J］.經(jīng)濟評論，2015（3）：17-30.

［8］ 劉斌斌，許斌，黃小勇.信貸配置扭曲與產(chǎn)業(yè)結(jié)構(gòu)升級［J］.統(tǒng)計與決策，2022，38（13）：152-155.

［9］ 鄢萍，吳化斌，徐臻陽.金融抑制、國企改革與財政貨幣政策協(xié)調(diào)［J］.經(jīng)濟學(xué)（季刊），2021，21（6）：1903-1924.

［10］ 張一林，林毅夫，朱永華.金融體系扭曲、經(jīng)濟轉(zhuǎn)型與漸進式金融改革［J］.經(jīng)濟研究，2021，56（11）：14-29.

［11］ 褚敏，蹤家峰.政府干預(yù)、金融深化與經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型：基于“新東北現(xiàn)象”的考察［J］.中國軟科學(xué)，2018（1）：63-76.

［12］ 張杰.金融抑制、融資約束與出口產(chǎn)品質(zhì)量［J］.金融研究，2015（6）：64-79.

［13］ HUANG Y，GE T.Assessing China's financial reform：changing roles of the repressive financial policies［J］.Cato Journal，2019，39（1）：65-86.

［14］ WU H，XU Z，YAN P.Financial repression，SOE reform and fiscal-monetary policy coordination［J］.China Economic Quarterly International，2022，2（2）：151-163.

［15］ KUNDU S，PAUL A.Effect of economic policy uncertainty on stock market return and volatility under heterogeneous market characteristics［J］.International Review of Economics & Finance，2022，80（C）：597-612.

［16］ ZHANG S，CHEN C，HUANG D H，et al.Measurement of factor price distortion：a new production function method with time-varying elasticity［J］.Technological Forecasting and Social Change， 2022，175：121363.

［17］ REHMAN F U，ISIAM M M.Financial infrastructure—total factor productivity （TFP） nexus within the purview of FDI outflow，trade openness，innovation，human capital and institutional quality：evidence from BRICS economies［J］.Applied Economics，2023，55（7）：783-801.

［18］ LIN B，ZHOU Y.Understanding the institutional logic of urban environmental pollution in China：evidence from fiscal autonomy［J］.Process Safety and Environmental Protection，2022，164：57-66.

［19］ LI X.Local government decision-making competition and regional carbon emissions：experience evidence and emission reduction measures［J］.Sustainable Energy Technologies and Assessments，2022，50：101800.

［20］ 劉炳勝，王然，陳曉紅，等.中國建筑產(chǎn)業(yè)競爭力形成機理動態(tài)演進規(guī)律空間差異化研究［J］.管理評論，2017，29（1）：93-104.

［21］ 林伯強，杜克銳.要素市場扭曲對能源效率的影響［J］.經(jīng)濟研究，2013，48（9）：125-136.