長江經(jīng)濟帶金融資源配置效率影響因素的實證分析目錄TOC\o"1-3"\h\u1468長江經(jīng)濟帶金融資源配置效率影響因素的實證分析 1302981.1影響因素假設(shè) 197291.2影響因素模型構(gòu)建 3148361.2.1空間相關(guān)性檢驗 3243411.2.2變量說明 6122071.2.3空間面板模型建立與檢驗 654061.3空間面板回歸結(jié)果分析 71.1影響因素假設(shè)借鑒張玉苗（2017）等學(xué)者的相關(guān)研究成果[38]，考慮到數(shù)據(jù)的可獲得性，從以下六個方面考慮金融資源配置效率的影響因素：第一，經(jīng)濟發(fā)展角度；第二，金融市場化角度；第三，產(chǎn)業(yè)結(jié)構(gòu)角度；第四，技術(shù)角度；第五，對外開放角度；第六，政府干預(yù)角度。經(jīng)濟發(fā)展。在經(jīng)濟發(fā)展過程中，投入過多的要素來促使經(jīng)濟規(guī)模的擴張，這雖會促進經(jīng)濟增長，但伴生的是資源浪費的情況，不利于金融資源的有效配置。因此，經(jīng)濟發(fā)展中提高經(jīng)濟效率是一個重要目標(biāo)，經(jīng)濟效率的提高又會促進金融資源配置效率的提高，二者是互為影響的。經(jīng)濟發(fā)展這一因素對金融資源配置效率如何，取決于經(jīng)濟發(fā)展質(zhì)量。但經(jīng)濟發(fā)展質(zhì)量不容易用一個單一指標(biāo)就能衡量，因此，經(jīng)濟發(fā)展以廣泛使用的人均GDP作為衡量經(jīng)濟發(fā)展的指標(biāo)。金融市場化。金融市場化的概念區(qū)別于金融發(fā)展，它是金融發(fā)展的一個重要組成部分。金融發(fā)展主要指金融資源規(guī)模的擴大和金融資源配置效率的提高。金融市場化主要指金融市場體制改革，增強市場的作用，側(cè)重于金融體制改革帶來的金融資源配置效率的提高。在金融市場化指標(biāo)上，雖然借鑒了康瑞英（2020）的研究[64]，但考慮到數(shù)據(jù)的可獲得性，本文僅使用了金融業(yè)競爭度這單一指標(biāo)來衡量金融市場化，即非國有銀行存款占全部金融機構(gòu)存款規(guī)模的比例。產(chǎn)業(yè)結(jié)構(gòu)。各個產(chǎn)業(yè)的構(gòu)成以及各個產(chǎn)業(yè)之間的比例關(guān)系可以被認(rèn)為是產(chǎn)業(yè)結(jié)構(gòu)。從產(chǎn)業(yè)結(jié)構(gòu)演變的角度看，第一產(chǎn)業(yè)比重逐步下降，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)比重逐步增加。工業(yè)是第二產(chǎn)業(yè)的主要部門，采掘業(yè)、制造業(yè)、電力、煤炭和水的生產(chǎn)與供應(yīng)部門都包含在工業(yè)當(dāng)中。第二產(chǎn)業(yè)的這些部門多數(shù)都是高能耗、高排放的部門。第三產(chǎn)業(yè)一般就是各類服務(wù)行業(yè)，是那些服務(wù)于生產(chǎn)和生活的部門，服務(wù)業(yè)的發(fā)展更能有效促進金融資源高效配置。所以，第二產(chǎn)業(yè)比重越高，第三產(chǎn)業(yè)比重越低，那么地區(qū)金融資源配置效率也就越低。本文的產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)用第二產(chǎn)業(yè)的增加值占GDP的比重來表示，預(yù)期對金融資源配置效率有負向影響。技術(shù)進步。技術(shù)進步是金融資源配置效率的重要組成部分。技術(shù)進步離不開資金的投入，在實際研究中，許多學(xué)者將研究與試驗發(fā)展經(jīng)費作為技術(shù)的代理變量。技術(shù)進步將使金融科技得到發(fā)展，從而對于提供更為便捷的金融服務(wù)和降低金融資源跨區(qū)域配置的成本具有巨大的幫助，金融資源區(qū)域配置效率便更有效。本文預(yù)期技術(shù)進步將對金融資源配置效率有正向的影響。對外開放。外部因素通常包括門戶開放政策和外資這兩個因素。一般情況下。門戶開放政策體現(xiàn)的就是本國的對外開放度，可以用進出口額比上國內(nèi)生產(chǎn)總值表示。外資體現(xiàn)的就是外國對本國的直接投資，即外商直接投資，用這一指標(biāo)來衡量國外資本因素，外資的體現(xiàn)一般以外國直接投資（FDI）表示。通常來說，一個國家的對外開放水平越高，該國家與其他國家或地區(qū)的各種往來也就越頻繁，資金往來也會更密切，這對于提高金融資源配置效率起到了積極的影響。所以，對外開放程度對金融源配置效率的影響預(yù)計是積極的。本文使用進出口總額占GDP比來衡量對外開放。政府干預(yù)。政府干預(yù)是國家進行宏觀調(diào)控的一種手段。由古典經(jīng)濟學(xué)的理論得出，在市場充分競爭的條件下，此時的經(jīng)濟效率是帕累托最優(yōu)效率，政府過多的行政干預(yù)將導(dǎo)致經(jīng)濟效率受損，進一步影響金融資源在各領(lǐng)域的流動與配置。所以，如果政府過多的對經(jīng)濟活動進行調(diào)控與干預(yù)，那么經(jīng)濟效率便會越低，進而金融資源配置效率也就越低。但是市場也會存在失靈現(xiàn)象，這時候政府適當(dāng)加強干預(yù)與調(diào)控，在一定程度上便會彌補市場失靈所帶來的經(jīng)濟效率、金融效率的損失，此時運用政府干預(yù)手段反而會對地區(qū)金融資源配置效率產(chǎn)生積極影響。所以，政府干預(yù)對金融資源配置的影響主要取決于，政府在經(jīng)濟活動中的調(diào)控是否起到了彌補市場低效率的作用。我們用財政支出占GDP的比重表示政府干預(yù)。1.2影響因素模型構(gòu)建在實際空間計量分析時，一般會用空間相關(guān)性來檢驗是否存在空間效應(yīng)，空間相關(guān)性是指利用統(tǒng)計方法來計算某個空間單元與其臨近單元之間的空間自相關(guān)程度。通過計算空間自相關(guān)這種方式，可以了解研究對象在空間單元上的分布特征。一般而言，空間自相關(guān)的分析分為兩種：一是全局自相關(guān)分析，通過計算全局莫蘭指數(shù)可以得出結(jié)果；一種是局部自相關(guān)分析，通過計算局部莫蘭指數(shù)可以得到分析結(jié)果。若存在空間自相關(guān)，那么普通最小二乘法估計出來的參數(shù)是有誤的，此時應(yīng)該建立空間面板模型來進行實證。1.2.1空間相關(guān)性檢驗1.2.1.1空間權(quán)重矩陣空間權(quán)重矩陣的設(shè)定。常用的空間權(quán)重矩陣有地理鄰接空間權(quán)重矩陣、經(jīng)濟距離空間權(quán)重矩陣、地理距離空間權(quán)重矩陣，本文的研究選用地理鄰接空間權(quán)重矩陣來進行計算。本文構(gòu)建的空間權(quán)重矩陣為地理鄰接矩陣W，即若兩個地區(qū)相鄰則QUOTEwijwij=1，否則QUOTEwijwij=0。1.2.1.2全局自相關(guān)全局自相關(guān)研究了該地區(qū)整體經(jīng)濟活動的相關(guān)分布，一般用全局莫蘭指數(shù)來衡量，其計算公式為：公式（5-1）在上述公式當(dāng)中，空間第i單元的屬性值可以用Yi來表示；wij（i,j=1,2,3...,n）為空間權(quán)重矩陣中的元素。各個單位的值之間的相關(guān)性可以用Moran’I指數(shù)來衡量。莫蘭指數(shù)的數(shù)值在[-1,1]之間。相關(guān)的方向取決于符號的正負，相關(guān)程度的大小取決于數(shù)值的大小。一般而言，距離越近，它們之間的相關(guān)性越強，符號為正表示為正相關(guān)，符號為負表示為負相關(guān)。如表5-1所示，從全局moran’I指數(shù)來看，2008-2009年的金融資源配置效率未通過顯著性檢驗。結(jié)果表明，在過去幾年中，金融資源配置效率的空間聯(lián)系在長江經(jīng)濟帶各地區(qū)之間并不明顯。2009至2017年，金融資源配置效率的p值全都通過1%的顯著性檢驗，長江經(jīng)濟帶地區(qū)的金融資源配置效率出現(xiàn)一定的空間自相關(guān)性，空間聯(lián)系在各地區(qū)之間得到加強。由表看出，2009年以后，長江經(jīng)濟帶金融資源配置效率的moran’I指數(shù)為正，并且總體呈現(xiàn)增長趨勢。表5-1長江經(jīng)濟帶金融資源配置效率的moran’I指數(shù)年份莫蘭指數(shù)值P值20080.1670.17520090.1450.21220100.3900.00420110.2360.00120120.2410.00120130.2000.00220140.2070.00120150.2490.00120160.2350.00920170.2570.0001.2.1.3局部自相關(guān)對于觀測單元來說，局部空間相關(guān)性指標(biāo)，其反映的應(yīng)該是本單位值靠近其他單位值的強度。對于所有單位來說，本地相關(guān)的空間度量總和應(yīng)當(dāng)和與之對應(yīng)的全局空間相關(guān)的度量相關(guān)。如果滿足相關(guān)條件，可以通過以下公式計算：公式（5-2）在上述公式當(dāng)中，其符號與全局Moran’I指數(shù)的含義都是一樣的。局部自相關(guān)Moran’I指數(shù)可以表示為，相關(guān)單位之間的加權(quán)平均值與其相鄰單位值之間的乘積。每個地區(qū)的相關(guān)特征并不能通過全局相關(guān)性來體現(xiàn)，所以有必要進一步計算每個地區(qū)的Moran’I指數(shù)值。四個象限的Moran’I散點圖分別對應(yīng)于區(qū)域單元與其相鄰區(qū)域間四種不同類型的局部空間聯(lián)系形式，圖5-1和圖5-2分別是長江經(jīng)濟帶2008年和2017年的金融資源配置效率Moran’I指數(shù)散點圖。圖5-12008年長江經(jīng)濟帶金融資源配置效率局部Moran’I指數(shù)散點圖圖5-22017年長江經(jīng)濟帶金融資源配置效率局部Moran’I指數(shù)散點圖由圖5-2看出，2017年長江經(jīng)濟帶地區(qū)金融資源配置效率主要的兩種分布形式為高高關(guān)聯(lián)與低低關(guān)聯(lián)，位于Moran’I指數(shù)散點圖第一象限的是上海、浙江、江蘇這三個地區(qū)，這種現(xiàn)象說明，較高金融資源配置效率的地區(qū)同樣也被較高的省份所包圍。位于Moran’I散點圖第三象限的是江西、湖北、湖南、重慶、四川、云南、貴州等地，這種現(xiàn)象說明，較低金融資源配置效率的省份同樣也被較低效率的省份所包圍。由于金融資源配置效率值已經(jīng)通過莫蘭指數(shù)空間相關(guān)性檢測，所以普通最小二乘（OLS）這一估計方法并不能用于本文的計量研究，否則計量結(jié)果將會是有偏的或是無效的。因此，本文選擇空間面板模型方法來研究和分析問題。1.2.2變量說明本章使用的被解釋變量為金融資源配置效率：第四章測算的調(diào)整后的綜合效率值作為金融資源配置效率的指標(biāo)，記為FR。主要解釋變量如本章第一節(jié)所示，選擇人均GDP作為經(jīng)濟發(fā)展水平的代理變量，記為RGDP；非國有銀行存款額占金融機構(gòu)總存款額的比例用于表示金融市場化，記為JRSCH；第二產(chǎn)業(yè)的增加值占GDP的百分比用于表示產(chǎn)業(yè)結(jié)構(gòu)，記為CYJG；使用研究與試驗發(fā)展經(jīng)費占GDP的比值作為衡量技術(shù)進步的指標(biāo)，記為JSJB；選擇進出口總量與國內(nèi)生產(chǎn)總值的比例來表明對外開放程度，記為DWKF；政府的財政支出占GDP的比例衡量政府干預(yù)，記為ZF。這些數(shù)據(jù)來自歷年來各省的《統(tǒng)計年鑒》以及區(qū)域金融運作報告、經(jīng)濟社會發(fā)展公報等等。1.2.3空間面板模型建立與檢驗空間面板計量模型使用最廣泛的有三種模型，分別為空間面板滯后模型（SAR）、空間面板誤差模型（SEM）以及空間杜賓模型（SDM）。它們的一般形式為：（1）空間面板滯后模型：公式（5-3）其中QUOTEα為空間自回歸系數(shù)，為空間權(quán)重矩陣，QUOTEWYit為地區(qū)間因變量之間的空間交互關(guān)系，QUOTEμi表示個體效應(yīng)，QUOTEγt表示時間效應(yīng)，QUOTEεit為誤差項；（2）空間面板誤差模型：公式（5-4）QUOTEφ為空間誤差相關(guān)系數(shù)，QUOTEWεit度量了地區(qū)間誤差項對因變量的影響；（3）空間杜賓模型：QUOTEYit=δWYit+βXQUOTEδWYit和分別度量了因變量和自變量的空間效應(yīng)。由于空間杜賓模型是更為一般的空間計量模型，可由SAR和SEM擴展而來，上文提到空間面板模型有三種，為了確定三種模型哪一個更加合適，對以上三個模型進行LR檢驗和wald檢驗，LR檢驗和wald檢驗的原假設(shè)都為空間杜賓模型（SDM）可以退化為空間滯后模型（SAR）和空間誤差模型（SEM）。同時，為了確定面板模型是使用固定效應(yīng)還是隨機效應(yīng)，需進行豪斯曼檢驗。檢驗結(jié)果見表5-2。表5-2：LR、wald及豪斯曼檢驗檢驗Chi2自由度P值LRSpatial-lag63.7170.0000LRSpatial-error62.2970.0000WaldSpatial-lag70.2570.0000WaldSpatial-error68.3770.0000hausman19.3870.0071LR檢驗和wald檢驗都拒絕了原假設(shè)，即應(yīng)該使用空間杜賓模型。豪斯曼檢驗也表明應(yīng)該使用固定效應(yīng)模型。所以本文建立的空間計量模型為空間杜賓模型：公式（5-6）式中，W為空間權(quán)重矩陣，QUOTEδδ為空間自回歸系數(shù)，i和t分別代表地區(qū)和時間，QUOTEμiμi表示個體效應(yīng)，QUOTEγtγt表示時間效應(yīng)，QUOTEεitεit為誤差項。1.3空間面板回歸結(jié)果分析利用stata11.0對公式（5-6）分別從空間固定效應(yīng)、時間固定效應(yīng)和時空雙固定效應(yīng)進行回歸，得到結(jié)果如表5-3所示。在選擇固定效應(yīng)的類型上，可以通過對比三種固定效應(yīng)回歸結(jié)果的Log-L、AIC和BIC值來選擇。Log-L為對數(shù)似然值，其值越大表明模型擬合程度越好；AIC為赤池信息準(zhǔn)則，其值越小表明模型擬合程度越好；BIC為貝葉斯信息準(zhǔn)則，與AIC相同，也是值越小表明模型擬合程度越好。表5-3中，時空雙固定效應(yīng)模型的Log-L值最大，AIC及BIC值都為最小，解釋變量也大都顯著，因此選擇時空雙固定效應(yīng)空間杜賓模型進行實證的分析。表5-3實證結(jié)果變量（1）空間固定（2）時間固定（3）時空雙固定W*FR-0.033（-0.78）0.207***（2.79）0.095**（2.23）W*RGDP-0.242（-1.49）0.105（0.93）0.336**（-1.98）W*JRSCH0.010（1.25）-0.003（-0.62）0.021*（1.94）W*JSJB-0.087（-1.69）-0.167（-1.67）0.033（0.64）W*CYJG-0.148**（-2.44）0.050（0.32）-0.161**（-2.39）W*DWKF0.046**（2.55）0.0004（0.02）0.043*（1.77）W*ZF-0.008***（-2.67）0.016***（3.53）-0.009***（-3.52）R2-within0.22720.11010.1796Log-likelihood99.20-142.69111.27AIC-166.41317.38-190.53BIC-101.63378.16-129.75樣本數(shù)110110110注：***、**和*分別表示在1%、5%和10%水平下顯著，括號里為z值W*FR的系數(shù)為空間自相關(guān)系數(shù)，其反映長江經(jīng)濟帶各地區(qū)之間的空間溢出效應(yīng)，系數(shù)為正值表明地區(qū)之間的空間溢出效應(yīng)為正，即長江經(jīng)濟帶各地區(qū)之間存在正向的空間相關(guān)性。探究原因，這是由于影響因素都具有外部性和網(wǎng)絡(luò)性。金融資源配置效率的提高將逐步提高本地對周邊省市的輻射效應(yīng)，最終實現(xiàn)與周邊省市之間各種金融資源的交換和流通在六個影響因素中，人均GDP、金融市場化程度、對外開放對金融資源配置效率具有正向的空間溢出效應(yīng)，技術(shù)進步的空間效應(yīng)不顯著，產(chǎn)業(yè)結(jié)構(gòu)和政府干預(yù)具有負向的空間溢出效應(yīng)。由于空間杜賓模型包含所有變量的空間滯后項，為了更加精準(zhǔn)的描述金融資源配置效率和各影響因素之間的空間關(guān)系，本文還基于偏微分的方法將各變量的空間效應(yīng)進行分解。表5-4展現(xiàn)了分解后的直接效應(yīng)、間接效應(yīng)、總效應(yīng)。表5-4空間杜賓模型效應(yīng)分解變量直接效應(yīng)間接效應(yīng)總效應(yīng)RGDP0.1233**（2.05）0.3061**（2.03）0.4295**（2.21）JRSCH0.0086**（2.06）0.0196**（2.01）0.0282**（2.22）JSJB0.7114（1.59）-1.5068（-1.57）-0.7954（-1.11）CYJG-0.0463***（-2.75）-0.1459**（-2.35）-0.1922***（-2.97）DWKF-0.0032（-0.27）0.0399*（1.71）0.0366**（1.98）ZF0.0025（1.44）-0.0091***（-3.68）-0.0066***（-2.78）注：***、**和*分別表示在1%、5%和10%水平下顯著，括號里為z值人均GDP的空間效應(yīng)分解表明，地區(qū)經(jīng)濟的增長不僅提高了本地的金融資源配置效率，還具有促進周邊地區(qū)金融資源合理配置的空間溢出效率。同樣，金融市場化程度的提高也具有正向的本土效應(yīng)和空間溢出效應(yīng)，金融市場化程度不僅提高了本土的金融資源利用效率，也會使周邊的地區(qū)向著金融市場化的方向發(fā)展從而提高周邊地區(qū)的金融資源配置效率?？萍歼M步并未顯著影響區(qū)域金融資源配置效率的變化，這可能是現(xiàn)有技術(shù)并未發(fā)展到普遍能為金融服務(wù)的地步。產(chǎn)業(yè)結(jié)構(gòu)中工業(yè)比重的提高會顯著降低本土和地區(qū)的金融資源配置效率。對外開放對本土的影響為負，但不顯著，對地區(qū)卻有顯著的正向空間溢出效應(yīng)，說明地區(qū)的對外開放程度越高對區(qū)域的金融資源配置就越有積極的影響。政府的干預(yù)程度越高一定程度上會影響地區(qū)金融資源的配置方向，因此，政府干預(yù)對地區(qū)金融資源配置效率具有消極影響。進一步，結(jié)合前一章調(diào)整后效率變化情況，可以分析得出長江經(jīng)濟帶各地區(qū)金融資源配置效率差異的具體原因：（1）在下游地區(qū)，上海市、浙江省、江蘇省的經(jīng)濟發(fā)達，無論是金融市場化程度還是對外開放程度都是領(lǐng)先于長江經(jīng)濟帶其他地區(qū)的，金融資源豐富，由于存在經(jīng)濟發(fā)展和對外開放的空間溢出效應(yīng)，它們之間相互影響，相互促進金融資源配置效率的提高，因此，下游地區(qū)的金融資源配置效率高于上中游地區(qū)。此外，下游地區(qū)產(chǎn)業(yè)結(jié)構(gòu)也較為合理，第三產(chǎn)業(yè)發(fā)達，在三個省市中，上海市2018年第三產(chǎn)業(yè)增加值占GDP比例高達到72.7%，這也是下游地區(qū)金融資源配置效率較高的原因之一：高附加值低污染低能耗的第三產(chǎn)業(yè)對金融資源的需求，引導(dǎo)金融資源向其流動，從而提高了金融資源配置的效率。（2）在上游地區(qū)，經(jīng)濟發(fā)展差距較大，從2017年數(shù)據(jù)看，長江經(jīng)濟帶上游區(qū)域三省一市