论文部分内容阅读
摘要：本文以我国25个省共68个市为研究对象，以68个城市从2003～2009年共七年面板数据作为分析根据，使用主成分分析法构建了衡量城市金融集聚程度的指标体系，并对各城市金融产业集聚的影响因素进行回归分析，结果表明：东部地区与中西部地区的城市金融集聚程度的差异显著，而中部和西部地区的城市金融集聚程度没有显著差异;信息的可获性等因素是影响城市金融产业集聚的重要因素，这说明我们在加强城市金融建设的过程中，应重点考虑信息基础设施等影响金融集聚的相关因素。
关键词：金融;产业集聚;面板数据;主成分分析;信息
一、引言
改革开放三十年以来，国内金融业随着全国经济的发展也逐步得到了较快发展，从我国目前金融业的发展现状来看，仍然存在许多问题有待解决，一方面是如何进一步提高我国金融的普遍发达程度，另一方面研究是什么原因促使了金融集聚以及建设金融中心的条件。而对于第二个方面，笔者在研究资料的整理中发现，在两个或多个经济发展水平相当、人口规模大致相同的城市之间，它们的金融集聚程度仍然可能会呈现出较大差异。因而，在本文的研究中，笔者尝试通过将影响金融集聚的各个因素综合起来，分析究竟哪些因素是影响不同地区金融集聚水平出现差异的原因，尤其针对金融产业特点密切相关的信息因素。
相关研究概述：
Porteous（1995，1999）等学者将金融业视为“高增值”的信息服务业，进而认为信息流是金融中心发展的先决条件，他认为金融中心的形成和发展依赖于强大的背后力量，大致上为：“信息外在性”、“信息腹地”、“国际依附性”、“路径依赖”和“不对称信息”，这些力量是决定金融中心兴盛或是衰落的关键因素[1]。韩国经济学家Park（1989）在国际银行业的发展和国际金融中心的成因分析中运用了微观经济学的规模经济理论，认为在金融机构的协作、基础设施的共享以及信息传递中体现了规模效应[2]。EPDavis（1990）首次将企业选址理论运用到金融中心的形成研究中，认为影响金融企业进入决策的主要因素是供给（资金）和需求（产品）以及所给定地点与可代换地点之间的外部经济性差异[3]。
我国学者赵晓斌（2002）将信息分为标准化信息和非标准化信息，金融部门需要准确信息和市场动向，因而在不对称信息的条件下，需要更接近信息源，产生集聚现象[4]。黄解宇（2011）对国际金融中心形成的微观理论基础进行了研究，提出金融集聚的基础是集聚的空间外在性，不对称信息和金融规模经济促使金融集聚的形成[5]。梁颖（2006） 认为金融企业选址主要取决于地理位置因素、地区市场的供求因素、路径依赖因素和政府的推动因素[6]。
通过对金融集聚理论的梳理可以看出，以往研究早期大多是理论探索，在后期的实证研究中也绝大多数是采用省级面板数据来研究一个省内金融集聚的程度和影响因素，但现阶段金融集聚大多是在市级范围内的集聚，例如全球各金融中心的形成，因而本文旨在从市级范围来实证分析各城市的金融集聚程度以及影响金融集聚的因素。
二、模型设定
（一）构建衡量金融集聚程度的指标体系
关于如何选取反映金融集聚程度的指标，相关学者提出了不同的衡量方法，其中最为简洁的是采用区位熵直接作为某个区域的金融集聚程度。此外，在相关研究后期大多数学者普遍采用的是多指标共同反映某地区金融集聚的程度。因而，为了能够全面反映金融集聚程度，为接下来分析影响金融集聚的因素奠定稳固基础，本文决定采用多指标来综合构建反映金融集聚程度的指标体系。
主要考虑从以下三个方面来共同衡量该地区的金融集聚程度：
摘要：本文以我国25个省共68个市为研究对象，以68个城市从2003～2009年共七年面板数据作为分析根据，使用主成分分析法构建了衡量城市金融集聚程度的指标体系，并对各城市金融产业集聚的影响因素进行回归分析，结果表明：东部地区与中西部地区的城市金融集聚程度的差异显著，而中部和西部地区的城市金融集聚程度没有显著差异;信息的可获性等因素是影响城市金融产业集聚的重要因素，这说明我们在加强城市金融建设的过程中，应重点考虑信息基础设施等影响金融集聚的相关因素。
关键词：金融;产业集聚;面板数据;主成分分析;信息
一、引言
改革开放三十年以来，国内金融业随着全国经济的发展也逐步得到了较快发展，从我国目前金融业的发展现状来看，仍然存在许多问题有待解决，一方面是如何进一步提高我国金融的普遍发达程度，另一方面研究是什么原因促使了金融集聚以及建设金融中心的条件。而对于第二个方面，笔者在研究资料的整理中发现，在两个或多个经济发展水平相当、人口规模大致相同的城市之间，它们的金融集聚程度仍然可能会呈现出较大差异。因而，在本文的研究中，笔者尝试通过将影响金融集聚的各个因素综合起来，分析究竟哪些因素是影响不同地区金融集聚水平出现差异的原因，尤其针对金融产业特点密切相关的信息因素。
相关研究概述：
Porteous（1995，1999）等学者将金融业视为“高增值”的信息服务业，进而认为信息流是金融中心发展的先决条件，他认为金融中心的形成和发展依赖于强大的背后力量，大致上为：“信息外在性”、“信息腹地”、“国际依附性”、“路径依赖”和“不对称信息”，这些力量是决定金融中心兴盛或是衰落的关键因素[1]。韩国经济学家Park（1989）在国际银行业的发展和国际金融中心的成因分析中运用了微观经济学的规模经济理论，认为在金融机构的协作、基础设施的共享以及信息传递中体现了规模效应[2]。EPDavis（1990）首次将企业选址理论运用到金融中心的形成研究中，认为影响金融企业进入决策的主要因素是供给（资金）和需求（产品）以及所给定地点与可代换地点之间的外部经济性差异[3]。
我国学者赵晓斌（2002）将信息分为标准化信息和非标准化信息，金融部门需要准确信息和市场动向，因而在不对称信息的条件下，需要更接近信息源，产生集聚现象[4]。黄解宇（2011）对国际金融中心形成的微观理论基础进行了研究，提出金融集聚的基础是集聚的空间外在性，不对称信息和金融规模经济促使金融集聚的形成[5]。梁颖（2006） 认为金融企业选址主要取决于地理位置因素、地区市场的供求因素、路径依赖因素和政府的推动因素[6]。 通过对金融集聚理论的梳理可以看出，以往研究早期大多是理论探索，在后期的实证研究中也绝大多数是采用省级面板数据来研究一个省内金融集聚的程度和影响因素，但现阶段金融集聚大多是在市级范围内的集聚，例如全球各金融中心的形成，因而本文旨在从市级范围来实证分析各城市的金融集聚程度以及影响金融集聚的因素。
二、模型设定
（一）构建衡量金融集聚程度的指标体系
关于如何选取反映金融集聚程度的指标，相关学者提出了不同的衡量方法，其中最为简洁的是采用区位熵直接作为某个区域的金融集聚程度。此外，在相关研究后期大多数学者普遍采用的是多指标共同反映某地区金融集聚的程度。因而，为了能够全面反映金融集聚程度，为接下来分析影响金融集聚的因素奠定稳固基础，本文决定采用多指标来综合构建反映金融集聚程度的指标体系。
主要考虑从以下三个方面来共同衡量该地区的金融集聚程度：
从上表中可以看出，第一个主成分的贡献率为08913，这个贡献率说明第一个主成分可以很好的作为金融集聚程度指标体系的衡量代表。主成分分析的结果通过了KMO和和SMC检验。
使用Stata软件对68个城市的金融集聚程度指标特征值进行描述性统计：
我们从城市金融集聚程度指标特征值的平均值中可以看出，东部地带的城市金融集聚综合得分大多数为正值，只有位于海南省和河北省内的城市综合得分为负，说明位于东部地带的样本城市大多数都或多或少的产生了金融产业集聚效应;而处在中部和西部地带的样本城市绝大多数综合得分为负，可见在中西部地带金融产业的集聚还未普遍成型。此外，我们从金融集聚得分最小值和最大值可以看出，各个样本城市的最低综合得分大致相当，但不同省份的城市最高综合得分差异较大，各城市的金融集聚发展速度的差距可见一斑，尤其位于广东省的样本城市的金融集聚发展速度确实让人惊叹。
（二）金融集聚的影响因素体系
1反映信息因素的有关变量：
描述信息流通渠道发达指数的变量：本文选取的原始变量有五个：互联网用户数（户）、电信业务总量（万元）、固定电话用户数（万户）、移动电话用户数（万户）和邮政业务总量（万元）。通过描述性统计可以看出这几个变量之间存在普遍的正向关系，因而可以使用主成分分析法，提取信息流通渠道因素主成分，如下表所示：
从图中可以看出第一个主成分的贡献率为06565，第二个主成分的贡献率为02002，因而取前两个主成分代表信息可获性指标，即：Iit=06565*Comp1+02002*Comp2。这样构建的信息可获性指标可以解释全部数据信息的8566%，已能够很好的代表各城市的信息基础设施发达程度。
2控制变量：作为控制变量的因素是影响金融集聚水平的一般因素，主要指该地区的经济规模水平，包括地区居民的消费能力、投资能力、政府购买力、教育科技实力和环境情况。具体来说，为了衡量一个地区居民的消费能力，我们使用该地区的社会消费品零售总额（百亿元）和职工平均工资（千元）纳入指标;衡量地区投资能力是将该地区的固定资产投资总额（百亿元）纳入指标;衡量地区政府购买力是将该地区地方财政支出总额（百亿元）纳入指标;考虑其他因素我们将各地区的教育、科技实力和环境情况分别使用该地区高等学校数（百所）和市辖区绿地面积（万公顷）来表示。
综上，我们建立回归方程为：
Qit=α+γIit+λXit+εit （2）
上述回归方程中，Qit作为被解释变量，表示i地区t时期的金融集聚水平。
解释变量中，Ii表示i地区t时期的信息流通渠道发达指数，构造Iit的方法同样是使用主成分分析法提取衡量该地区信息流通渠道发达程度的各指标的主成分，其他影响金融集聚的一般因素我们把它们归结到控制变量Xit来同一衡量。最后的随机扰动项εit用来控制回归方程中未考虑到的其他因素。
三、实证结果分析
我们将使用主成分分析法得出的金融集聚程度衡量指标的主成分作为被解释变量，解释变量由提取的各城市信息流通渠道发达水平的主成分和其他影响地区金融集聚水平的一般因素。
本文分别使用固定效应模型和随机效应模型对回归模型进行回归，回归结果以P值为0通过了Hausman检验，因而选用随机效应模型进行回归。而后得到表4所示的回归分析结果：
本文进行了两次回归分析，第一个回归模型中仅仅考虑城市金融集聚的影响因素，第二个回归模型中将样本城市按照所在地带划分为三大地带：东部地带、中部地带和西部地带。整体回归的结果中，两次回归的整体Wald chi2值分别为738578和762750，说明我们构建的回归方程是可信的。除高等学校数量以外，其他解释变量都通过了显著性检验，说明这些因素都是影响城市金融集聚程度的重要因素。其中，信息可获性指标的参数估计在1%水平下通过了显著性检验，说明信息可获性对城市金融集聚程度有相当的影响。其他的自变量代表城市的居民消费力、投资能力、政府购买力对城市金融集聚程度有正向影响，符合经济理论。需要解释的是，城市所拥有的高等学校数量因素对金融集聚程度未能通过显著性检验，其原因在于我国高等教育在全国范围普遍得到重视和发展，而在我国金融发展初级阶段人力资本对金融发展的贡献尚未明显显现。另外，代表城市环境的自变量也通过了显著性检验，说明金融业作为现代服务业的发展不但需要良好的经济环境，同样需要绿色环保舒适的城市环境。这对于建设新型现代化金融城市具有一定启发。
在第二个回归模型中，本文把位于中部地带的样本城市设为对比的基点，使位于东部地带和西部地带的样本城市分别于中部地带的样本城市对比，结果表明：位于东部地带的样本城市与位于中部地带的样本城市之间的金融集聚程度有显著差异，而位于西部地带的样本城市与位于中部地带的样本城市之间的金融集聚程度没有显著差异。这是由于位于东部地带的城市更具备区位优势，更加有利于形成和发展金融产业集聚。这些区位优势来自于政策导向、区域的历史因素、航运便利程度等等方面。值得一提的是，在加入地带划分之后并未对回归模型其他自变量的系数和显著性检验造成明显影响，由此可见模型的设定是相当稳定和可信的。 四、结论及启示
本文总结实证分析的结果，得出以下结论：（1）城市信息基础设施的发达情况对其金融集聚的形成和发展具有重要影响。城市在发展自己的金融业的过程中，不仅仅需要政策优惠和扶持，还需要加强对与其发展息息相关的信息基础设施的建设，这样可以为其自身业务、盈利能力的发展消除障碍。（2）我国东部地带城市的金融集聚水平显著高于我国中、西部地带的城市金融集聚水平，这与经济发展的路径依赖是密不可分的，区位因素目前仍是影响城市金融集聚程度的重要因素。（3）人力资本对金融集聚尚未形成显著影响，但由于人力资本相较其他资本收益的特殊性，并不能认为人力资本对金融发展没有推动作用，而只是在现阶段我国金融集聚尚处于初级程度，人力资本对其的影响尚未明显显现。（4）城市环境情况是金融集聚程度的又一影响因素，这为只顾经济增长忽略环境问题的城市提了个醒，金融业的发展离不开绿色舒适的城市环境，这也符合未来城市发展的规律。
参考文献：
[1] Porteous，DJ1995Geography of Finance：Spatial Dimensions of Intermediary Behaviour，Avebury，Aldershot，England
[2] Park，Yoon S，Musa Essayyad1989International Banking and Financial Centers，Boston，Kluwer，68-84
[3] 赵晓斌，王坦，张晋熹信息流和不对称信息是金融与服务中心发展的决定因素：中国案例[J]经济地理，2002（4）：408-414
[4] 黄解宇，杨再斌金融产业集聚论：金融中心形成的理论与实践解析[M]北京：中国社会科学出版社，2006
[5] Kindle Berger C·P，The Formation of Financial Centers：A Study of Comparative Economic History [M]Princeton：Princeton University Press，1974·
[6] Davis EP1988International Financial Centers and Industrial
Analysis [J]Bank of England Discussion Paper：50-57
[7] 梁颖金融产业集聚述评[J]经济学动态，2006（8）
[8] 张志元，季伟杰中国省域金融产业集聚影响因素的空间计量分析[J]广东金融学院学报，2009（1）：107-116
[9] 任英华，徐玲，游万海金融集聚影响因素空间计量模型及其应用[J]数量经济技术经济研究，2010（5）：104-115
[10] 黄永兴，徐鹏，孙彦骊金融集聚影响因素及其溢出效应——基于长三角的实证分析[J]投资研究，2011（8）：113-119
关键词：金融;产业集聚;面板数据;主成分分析;信息
一、引言
改革开放三十年以来，国内金融业随着全国经济的发展也逐步得到了较快发展，从我国目前金融业的发展现状来看，仍然存在许多问题有待解决，一方面是如何进一步提高我国金融的普遍发达程度，另一方面研究是什么原因促使了金融集聚以及建设金融中心的条件。而对于第二个方面，笔者在研究资料的整理中发现，在两个或多个经济发展水平相当、人口规模大致相同的城市之间，它们的金融集聚程度仍然可能会呈现出较大差异。因而，在本文的研究中，笔者尝试通过将影响金融集聚的各个因素综合起来，分析究竟哪些因素是影响不同地区金融集聚水平出现差异的原因，尤其针对金融产业特点密切相关的信息因素。
相关研究概述：
Porteous（1995，1999）等学者将金融业视为“高增值”的信息服务业，进而认为信息流是金融中心发展的先决条件，他认为金融中心的形成和发展依赖于强大的背后力量，大致上为：“信息外在性”、“信息腹地”、“国际依附性”、“路径依赖”和“不对称信息”，这些力量是决定金融中心兴盛或是衰落的关键因素[1]。韩国经济学家Park（1989）在国际银行业的发展和国际金融中心的成因分析中运用了微观经济学的规模经济理论，认为在金融机构的协作、基础设施的共享以及信息传递中体现了规模效应[2]。EPDavis（1990）首次将企业选址理论运用到金融中心的形成研究中，认为影响金融企业进入决策的主要因素是供给（资金）和需求（产品）以及所给定地点与可代换地点之间的外部经济性差异[3]。
我国学者赵晓斌（2002）将信息分为标准化信息和非标准化信息，金融部门需要准确信息和市场动向，因而在不对称信息的条件下，需要更接近信息源，产生集聚现象[4]。黄解宇（2011）对国际金融中心形成的微观理论基础进行了研究，提出金融集聚的基础是集聚的空间外在性，不对称信息和金融规模经济促使金融集聚的形成[5]。梁颖（2006） 认为金融企业选址主要取决于地理位置因素、地区市场的供求因素、路径依赖因素和政府的推动因素[6]。
通过对金融集聚理论的梳理可以看出，以往研究早期大多是理论探索，在后期的实证研究中也绝大多数是采用省级面板数据来研究一个省内金融集聚的程度和影响因素，但现阶段金融集聚大多是在市级范围内的集聚，例如全球各金融中心的形成，因而本文旨在从市级范围来实证分析各城市的金融集聚程度以及影响金融集聚的因素。
二、模型设定
（一）构建衡量金融集聚程度的指标体系
关于如何选取反映金融集聚程度的指标，相关学者提出了不同的衡量方法，其中最为简洁的是采用区位熵直接作为某个区域的金融集聚程度。此外，在相关研究后期大多数学者普遍采用的是多指标共同反映某地区金融集聚的程度。因而，为了能够全面反映金融集聚程度，为接下来分析影响金融集聚的因素奠定稳固基础，本文决定采用多指标来综合构建反映金融集聚程度的指标体系。
主要考虑从以下三个方面来共同衡量该地区的金融集聚程度：
摘要：本文以我国25个省共68个市为研究对象，以68个城市从2003～2009年共七年面板数据作为分析根据，使用主成分分析法构建了衡量城市金融集聚程度的指标体系，并对各城市金融产业集聚的影响因素进行回归分析，结果表明：东部地区与中西部地区的城市金融集聚程度的差异显著，而中部和西部地区的城市金融集聚程度没有显著差异;信息的可获性等因素是影响城市金融产业集聚的重要因素，这说明我们在加强城市金融建设的过程中，应重点考虑信息基础设施等影响金融集聚的相关因素。
关键词：金融;产业集聚;面板数据;主成分分析;信息
一、引言
改革开放三十年以来，国内金融业随着全国经济的发展也逐步得到了较快发展，从我国目前金融业的发展现状来看，仍然存在许多问题有待解决，一方面是如何进一步提高我国金融的普遍发达程度，另一方面研究是什么原因促使了金融集聚以及建设金融中心的条件。而对于第二个方面，笔者在研究资料的整理中发现，在两个或多个经济发展水平相当、人口规模大致相同的城市之间，它们的金融集聚程度仍然可能会呈现出较大差异。因而，在本文的研究中，笔者尝试通过将影响金融集聚的各个因素综合起来，分析究竟哪些因素是影响不同地区金融集聚水平出现差异的原因，尤其针对金融产业特点密切相关的信息因素。
相关研究概述：
Porteous（1995，1999）等学者将金融业视为“高增值”的信息服务业，进而认为信息流是金融中心发展的先决条件，他认为金融中心的形成和发展依赖于强大的背后力量，大致上为：“信息外在性”、“信息腹地”、“国际依附性”、“路径依赖”和“不对称信息”，这些力量是决定金融中心兴盛或是衰落的关键因素[1]。韩国经济学家Park（1989）在国际银行业的发展和国际金融中心的成因分析中运用了微观经济学的规模经济理论，认为在金融机构的协作、基础设施的共享以及信息传递中体现了规模效应[2]。EPDavis（1990）首次将企业选址理论运用到金融中心的形成研究中，认为影响金融企业进入决策的主要因素是供给（资金）和需求（产品）以及所给定地点与可代换地点之间的外部经济性差异[3]。
我国学者赵晓斌（2002）将信息分为标准化信息和非标准化信息，金融部门需要准确信息和市场动向，因而在不对称信息的条件下，需要更接近信息源，产生集聚现象[4]。黄解宇（2011）对国际金融中心形成的微观理论基础进行了研究，提出金融集聚的基础是集聚的空间外在性，不对称信息和金融规模经济促使金融集聚的形成[5]。梁颖（2006） 认为金融企业选址主要取决于地理位置因素、地区市场的供求因素、路径依赖因素和政府的推动因素[6]。 通过对金融集聚理论的梳理可以看出，以往研究早期大多是理论探索，在后期的实证研究中也绝大多数是采用省级面板数据来研究一个省内金融集聚的程度和影响因素，但现阶段金融集聚大多是在市级范围内的集聚，例如全球各金融中心的形成，因而本文旨在从市级范围来实证分析各城市的金融集聚程度以及影响金融集聚的因素。
二、模型设定
（一）构建衡量金融集聚程度的指标体系
关于如何选取反映金融集聚程度的指标，相关学者提出了不同的衡量方法，其中最为简洁的是采用区位熵直接作为某个区域的金融集聚程度。此外，在相关研究后期大多数学者普遍采用的是多指标共同反映某地区金融集聚的程度。因而，为了能够全面反映金融集聚程度，为接下来分析影响金融集聚的因素奠定稳固基础，本文决定采用多指标来综合构建反映金融集聚程度的指标体系。
主要考虑从以下三个方面来共同衡量该地区的金融集聚程度：
从上表中可以看出，第一个主成分的贡献率为08913，这个贡献率说明第一个主成分可以很好的作为金融集聚程度指标体系的衡量代表。主成分分析的结果通过了KMO和和SMC检验。
使用Stata软件对68个城市的金融集聚程度指标特征值进行描述性统计：
我们从城市金融集聚程度指标特征值的平均值中可以看出，东部地带的城市金融集聚综合得分大多数为正值，只有位于海南省和河北省内的城市综合得分为负，说明位于东部地带的样本城市大多数都或多或少的产生了金融产业集聚效应;而处在中部和西部地带的样本城市绝大多数综合得分为负，可见在中西部地带金融产业的集聚还未普遍成型。此外，我们从金融集聚得分最小值和最大值可以看出，各个样本城市的最低综合得分大致相当，但不同省份的城市最高综合得分差异较大，各城市的金融集聚发展速度的差距可见一斑，尤其位于广东省的样本城市的金融集聚发展速度确实让人惊叹。
（二）金融集聚的影响因素体系
1反映信息因素的有关变量：
描述信息流通渠道发达指数的变量：本文选取的原始变量有五个：互联网用户数（户）、电信业务总量（万元）、固定电话用户数（万户）、移动电话用户数（万户）和邮政业务总量（万元）。通过描述性统计可以看出这几个变量之间存在普遍的正向关系，因而可以使用主成分分析法，提取信息流通渠道因素主成分，如下表所示：
从图中可以看出第一个主成分的贡献率为06565，第二个主成分的贡献率为02002，因而取前两个主成分代表信息可获性指标，即：Iit=06565*Comp1+02002*Comp2。这样构建的信息可获性指标可以解释全部数据信息的8566%，已能够很好的代表各城市的信息基础设施发达程度。
2控制变量：作为控制变量的因素是影响金融集聚水平的一般因素，主要指该地区的经济规模水平，包括地区居民的消费能力、投资能力、政府购买力、教育科技实力和环境情况。具体来说，为了衡量一个地区居民的消费能力，我们使用该地区的社会消费品零售总额（百亿元）和职工平均工资（千元）纳入指标;衡量地区投资能力是将该地区的固定资产投资总额（百亿元）纳入指标;衡量地区政府购买力是将该地区地方财政支出总额（百亿元）纳入指标;考虑其他因素我们将各地区的教育、科技实力和环境情况分别使用该地区高等学校数（百所）和市辖区绿地面积（万公顷）来表示。
综上，我们建立回归方程为：
Qit=α+γIit+λXit+εit （2）
上述回归方程中，Qit作为被解释变量，表示i地区t时期的金融集聚水平。
解释变量中，Ii表示i地区t时期的信息流通渠道发达指数，构造Iit的方法同样是使用主成分分析法提取衡量该地区信息流通渠道发达程度的各指标的主成分，其他影响金融集聚的一般因素我们把它们归结到控制变量Xit来同一衡量。最后的随机扰动项εit用来控制回归方程中未考虑到的其他因素。
三、实证结果分析
我们将使用主成分分析法得出的金融集聚程度衡量指标的主成分作为被解释变量，解释变量由提取的各城市信息流通渠道发达水平的主成分和其他影响地区金融集聚水平的一般因素。
本文分别使用固定效应模型和随机效应模型对回归模型进行回归，回归结果以P值为0通过了Hausman检验，因而选用随机效应模型进行回归。而后得到表4所示的回归分析结果：
本文进行了两次回归分析，第一个回归模型中仅仅考虑城市金融集聚的影响因素，第二个回归模型中将样本城市按照所在地带划分为三大地带：东部地带、中部地带和西部地带。整体回归的结果中，两次回归的整体Wald chi2值分别为738578和762750，说明我们构建的回归方程是可信的。除高等学校数量以外，其他解释变量都通过了显著性检验，说明这些因素都是影响城市金融集聚程度的重要因素。其中，信息可获性指标的参数估计在1%水平下通过了显著性检验，说明信息可获性对城市金融集聚程度有相当的影响。其他的自变量代表城市的居民消费力、投资能力、政府购买力对城市金融集聚程度有正向影响，符合经济理论。需要解释的是，城市所拥有的高等学校数量因素对金融集聚程度未能通过显著性检验，其原因在于我国高等教育在全国范围普遍得到重视和发展，而在我国金融发展初级阶段人力资本对金融发展的贡献尚未明显显现。另外，代表城市环境的自变量也通过了显著性检验，说明金融业作为现代服务业的发展不但需要良好的经济环境，同样需要绿色环保舒适的城市环境。这对于建设新型现代化金融城市具有一定启发。
在第二个回归模型中，本文把位于中部地带的样本城市设为对比的基点，使位于东部地带和西部地带的样本城市分别于中部地带的样本城市对比，结果表明：位于东部地带的样本城市与位于中部地带的样本城市之间的金融集聚程度有显著差异，而位于西部地带的样本城市与位于中部地带的样本城市之间的金融集聚程度没有显著差异。这是由于位于东部地带的城市更具备区位优势，更加有利于形成和发展金融产业集聚。这些区位优势来自于政策导向、区域的历史因素、航运便利程度等等方面。值得一提的是，在加入地带划分之后并未对回归模型其他自变量的系数和显著性检验造成明显影响，由此可见模型的设定是相当稳定和可信的。 四、结论及启示
本文总结实证分析的结果，得出以下结论：（1）城市信息基础设施的发达情况对其金融集聚的形成和发展具有重要影响。城市在发展自己的金融业的过程中，不仅仅需要政策优惠和扶持，还需要加强对与其发展息息相关的信息基础设施的建设，这样可以为其自身业务、盈利能力的发展消除障碍。（2）我国东部地带城市的金融集聚水平显著高于我国中、西部地带的城市金融集聚水平，这与经济发展的路径依赖是密不可分的，区位因素目前仍是影响城市金融集聚程度的重要因素。（3）人力资本对金融集聚尚未形成显著影响，但由于人力资本相较其他资本收益的特殊性，并不能认为人力资本对金融发展没有推动作用，而只是在现阶段我国金融集聚尚处于初级程度，人力资本对其的影响尚未明显显现。（4）城市环境情况是金融集聚程度的又一影响因素，这为只顾经济增长忽略环境问题的城市提了个醒，金融业的发展离不开绿色舒适的城市环境，这也符合未来城市发展的规律。
参考文献：
[1] Porteous，DJ1995Geography of Finance：Spatial Dimensions of Intermediary Behaviour，Avebury，Aldershot，England
[2] Park，Yoon S，Musa Essayyad1989International Banking and Financial Centers，Boston，Kluwer，68-84
[3] 赵晓斌，王坦，张晋熹信息流和不对称信息是金融与服务中心发展的决定因素：中国案例[J]经济地理，2002（4）：408-414
[4] 黄解宇，杨再斌金融产业集聚论：金融中心形成的理论与实践解析[M]北京：中国社会科学出版社，2006
[5] Kindle Berger C·P，The Formation of Financial Centers：A Study of Comparative Economic History [M]Princeton：Princeton University Press，1974·
[6] Davis EP1988International Financial Centers and Industrial
Analysis [J]Bank of England Discussion Paper：50-57
[7] 梁颖金融产业集聚述评[J]经济学动态，2006（8）
[8] 张志元，季伟杰中国省域金融产业集聚影响因素的空间计量分析[J]广东金融学院学报，2009（1）：107-116
[9] 任英华，徐玲，游万海金融集聚影响因素空间计量模型及其应用[J]数量经济技术经济研究，2010（5）：104-115
[10] 黄永兴，徐鹏，孙彦骊金融集聚影响因素及其溢出效应——基于长三角的实证分析[J]投资研究，2011（8）：113-119