论文部分内容阅读
摘要：本文采用長三角地区26个城市2009-2017年的面板数据，采用随机效应模型实证分析了高铁开通和信息化水平对地区金融产业集聚程度的影响，并采用二阶段最小二乘法（2SLS）对模型进行了内生性检验。通过本文的实证结果可以得出高铁开通和信息化水平对地区金融产业集聚具有显著性的正效应。通过高铁建设和信息基础建设的回归系数可知，信息基础建设对金融产业集聚的正向效应远远大于高铁建设对金融产业集聚的正向效应。
关键词：信息基础建设 高铁建设 金融集聚 内生性检验 稳健性检验
一、引言
自20世纪开始，伦敦、纽约、东京三大国际金融中心在全球的影响力日趋加深，同时随着经济水平的发展，世界各国金融产业集聚现象越来越明显，金融产业集聚问题越来越成为经济学研究的热点。自改革开放以来，我国经济飞速发展，我国金融产业集聚现象日益显著，尤其是2001年加入WTO以后，出现了以上海陆家嘴和北京金融街为代表的金融中心。近年来，我国各大城市都在积极建设地方金融中心，因此研究金融产业集聚的影响因素对于地方建设金融中心具有一定的意义。综合国内外文献来看，大多数学者从经济发展水平、地理位置、政府干预程度、对外开放程度、产业结构等角度来研究对金融产业集聚的影响，本文在原有理论的基础上，特别是近年来我国高铁建设如火如荼，高铁因其时空压缩效应显著缩短了地理距离，促进了人流、信息流的流动，同时伴随着5G时代的到来，信息基础建设和通信技术水平的提高，促进了产业结构的升级和产业集聚，因此本文从高铁建设和信息基础建设的角度来实证分析两个因素对金融产业集聚的影响。
二、文献综述与理论分析
（一）金融产业集聚
金融产业集聚是金融产业空间动态演进的结果。国内外学者的实证结果表明金融产业集聚已成为金融业发展的趋势，金融产业集聚能够促进金融发展和金融效率提高（Taylor 等，2003;Christophers，2012），金融产业集聚逐渐成为区域经济竞争力的中坚力量。
其中以戴维斯（Davis，1988，1990）、泰勒（Taylor，2003）、潘英利（2003）等从区位选择理论分析了金融产业集聚的动因，金德尔伯格（Kindleberger ，1974）、黄解宇和杨再斌（2006）等从规模经济理论探究了金融产业集聚的影响因素，格里克（Gehrig，1998）、马丁（Martin R L.，1999）等运用金融地理学理论从信息的角度对金融产业集聚的成因进行阐释。
（二）高铁建设与金融产业集聚
近年来，我国高速铁路建设飞速发展，“高铁”效应成为学者们研究的热点问题。已有学者研究高铁对相关产业的影响，如汪德根等（2012）、丁金学（2014）、嵇昊威等（2015）覃成林（2016）、邓涛涛等（2017）等。高铁对产业集聚的理论基础来自于新经济地理学，高铁对产业集聚的影响源于高铁开通带来的交通运输成本的降低，而交通运输成本的降低有利于促成产业集聚。高铁显著提高了人流、信息流、资金流等在运输过程中的时效性，同时提升了交通可达性。交通可达性的提升对产业集聚有着重要的影响力，同样，可达性在很大程度上决定着区域的竞争力和城市的吸引力。
通过对已有学者们的研究发现，高铁建设对相关产业尤其是第三产业具有显著地促进作用，同时结合学者们对金融产业集聚影响因素的分析，发现并没有学者细化高铁建设对金融产业集聚的影响，因此本文以长三角地区26个城市群为例，实证分析了高铁对金融产业集聚的影响。
（三）信息基础建设与金融产业集聚
由于金融产业信息的不对称性，因此必然需要在地理空间上的集聚从而达到信息共享。Porteous（1999）和王坦（2006）等强调信息流在金融产业集聚中发挥着重要作用，通过对已有学者的研究发现，学者们已经在信息对金融产业集聚的重要影响上达成了共识，因此本文进一步探讨信息基础建设对金融产业集聚的影响机制。首先，信息基础设施是信息有效流转的基本物质条件，是影响信息流的重要因素，能降低交易成本;其次，信息基础建设能够缩短企业之间的信息传递的地理距离，提高信息传递的实效性，降低信息传递的成本，随着互联网信息时代的到来，即使企业相距甚远，也能随时传递信息，从而导致产业产生“虚拟集聚”。
三、实证分析
（一）变量说明
被解释变量。本文选择金融产业区位熵（FLQ）测算我国金融产业区域集聚程度。区位熵是衡量产业集中度的重要指标，可充分比较不同地区金融集聚程度，确定该地区金融产业集中程度在全国所处的位置。计算公式如下：
其中，Lij指地区i内产业j的就业人数，Li指地区i内的总就业人数，Lj指全国内产业j的总就业人数，L指全国的总就业人数。区位熵的值越大，该区域的金融集聚程度越高。一般认为，如果FLQij大于1，意味着金融产业在区域比较重要。
解释变量。本文将金融集聚的影响因素分为核心解释变量和控制变量两组。
本文核心解释变量有两个，一个是高铁开通时间虚拟变量（ot），本文以2010年作为基期，2010年开通高铁的城市取值为1，2010年未开通高铁的城市取值为0。另一个是信息化水平（ict），本文参考梁琳（2016）的信息基础设施指标选取方法来反映各城市的信息化水平。
控制变量包括以下4个变量：
一是经济发展水平（dec），本文以各城市人均GDP与全国人均GDP的比值来反映各城市的经济发展水平。
二是创新能力水平（ivon），本文以各城市专利授权量的对数来反映各城市创新能力水平。
三是通信水平（ptr），本文以各城市邮电业务量与全国邮电业务总量的比值来反映各城市的通信水平。
四是全社会用电量（ec）。本文以各城市全社会用电量反映各城市能源消耗情况，该指标能够反映出各城市经济活跃程度和社会活跃程度。 （二）模型设定与数据来源
根据以上理论假说及变量的选择，本文的线性模型形式设定如下：
式中，β为待估计参数，下标i和t分别代表第i个城市和第t年，εit为随机误差项。
本文数据包括长三角地区1个直辖市和25个地级市2009-2017年的统计数据，数据来源于上海市统计年鉴（2010-2018）及各省、市统计年鉴（2010-2018）。
（三）模型估计
本文利用软件stata14.0对面板模型进行估计，定量分析核心解释变量以及控制变量对金融产业集聚程度（FLQ）的影响。首先混合回归，由于混合回归的基本假设是不存在个体效应，对于这个假设必须进行统计检验，由于个体效应以两种不同的形态存在（即固定效应和随机效应），因此本文分别进行固定效应模型估计和随机效应模型估计。然后通过 Hausman 设定检验判断使用固定效应模型或者随机效应模型，根据hausman检验结果，由于p值为0.1336，在5%的显著性水平上接受原假设，因此应该使用随机效应模型，而不是固定效应模型。
考虑到面板数据模型的内生性问题，因此使用信息化水平的滞后一期（L.ict）和城镇化率的滞后一期（L.urban）作为信息化水平（ict）的工具变量，使用二阶段最小二乘法（2sls）对模型进行检验。工具变量的选择考虑到惯性因素因此将信息化水平的滞后一期作为信息化水平的工具变量，另外由于城镇化率的提高对地区信息化水平的影响，因此将城镇化率的滞后一期作为信息化水平的工具变量。同时，通過stata14.0软件得出城镇化率的滞后一期（L.urban）和信息化水平的滞后一期（L.ict）与信息化水平（ict）有较强的正相关关系（相关系数分别为0.6656和1.0000，并且在1%的水平上显著）。表1中给出了固定效应模型、随机效应模型和二阶段最小二乘法的回归结果。从表1（2）和表1（3）的回归结果看，两个核心解释变量对地区金融产业的集聚程度水平分别在1%和10%的水平上具有显著性影响，且回归系数都为正。
四、结论与对策
通过实证分析，本文得到如下结论：第一，高铁建设显著缩短了空间距离，提高了人力资本和信息的流动，对金融产业的集聚起到了显著性的促进作用;第二，信息基础建设水平的提高通过影响信息化水平显著的促进的信息稳定流动和信息流转的时效性，从而对金融产业集聚起到了显著的正向效应。
根据本文得出的结论可以得到如下启示：第一，根据国家《铁路“十三五”发展规划》的目标，我国2020年铁路总里程要达到15万公里，高铁营运里程要达3万公里，从该文件中可以看出，高铁建设已成为国家战略，同时在该文件中强调要发挥高铁的经济效应，促进产业结构升级，因此各地方应依托铁路“十三五”规划战略，积极建设高铁，从而提升金融产业集聚水平，促进城市金融中心的发展，为地区经济发展提供强大助力。第二，信息基础建设水平已经成为影响当今金融业发展的重要因素，信息技术的提高改变了传统金融业的生存方式，5G时代的到来更会为金融业的进一步发展带来机遇，因此各地方应加强信息基础建设，提高信息化水平，为地方金融产业集聚发展提供关键支撑。
参考文献：
[1]李小建.金融地理学理论视角及中国金融地理研究[J].经济地理，2006，（5）：721-725，730.
[2]宁钟，杨绍辉.金融服务产业集群动因及其演进研究[J].商业经济与管理2006，（8）：38-44，66.
[3]潘英丽.论金融中心形成的微观基础——金融机构的空间聚集[J].上海财经大学学报，2003（2）：50-57.
[4]陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J].管理世界，2009（04）：83-95.
[5]梁琳.信息腹地、空间溢出和金融服务业集聚关系研究[J].商业经济研究 2016（10），171-173.
[6]覃成林，杨晴晴.髙速铁路发展与城市生产性服务业集聚[J].经济经纬，2016，33（03）：1-6.
[7]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（05）：104-116.
作者单位：天津工业大学经济管理学院
关键词：信息基础建设 高铁建设 金融集聚 内生性检验 稳健性检验
一、引言
自20世纪开始，伦敦、纽约、东京三大国际金融中心在全球的影响力日趋加深，同时随着经济水平的发展，世界各国金融产业集聚现象越来越明显，金融产业集聚问题越来越成为经济学研究的热点。自改革开放以来，我国经济飞速发展，我国金融产业集聚现象日益显著，尤其是2001年加入WTO以后，出现了以上海陆家嘴和北京金融街为代表的金融中心。近年来，我国各大城市都在积极建设地方金融中心，因此研究金融产业集聚的影响因素对于地方建设金融中心具有一定的意义。综合国内外文献来看，大多数学者从经济发展水平、地理位置、政府干预程度、对外开放程度、产业结构等角度来研究对金融产业集聚的影响，本文在原有理论的基础上，特别是近年来我国高铁建设如火如荼，高铁因其时空压缩效应显著缩短了地理距离，促进了人流、信息流的流动，同时伴随着5G时代的到来，信息基础建设和通信技术水平的提高，促进了产业结构的升级和产业集聚，因此本文从高铁建设和信息基础建设的角度来实证分析两个因素对金融产业集聚的影响。
二、文献综述与理论分析
（一）金融产业集聚
金融产业集聚是金融产业空间动态演进的结果。国内外学者的实证结果表明金融产业集聚已成为金融业发展的趋势，金融产业集聚能够促进金融发展和金融效率提高（Taylor 等，2003;Christophers，2012），金融产业集聚逐渐成为区域经济竞争力的中坚力量。
其中以戴维斯（Davis，1988，1990）、泰勒（Taylor，2003）、潘英利（2003）等从区位选择理论分析了金融产业集聚的动因，金德尔伯格（Kindleberger ，1974）、黄解宇和杨再斌（2006）等从规模经济理论探究了金融产业集聚的影响因素，格里克（Gehrig，1998）、马丁（Martin R L.，1999）等运用金融地理学理论从信息的角度对金融产业集聚的成因进行阐释。
（二）高铁建设与金融产业集聚
近年来，我国高速铁路建设飞速发展，“高铁”效应成为学者们研究的热点问题。已有学者研究高铁对相关产业的影响，如汪德根等（2012）、丁金学（2014）、嵇昊威等（2015）覃成林（2016）、邓涛涛等（2017）等。高铁对产业集聚的理论基础来自于新经济地理学，高铁对产业集聚的影响源于高铁开通带来的交通运输成本的降低，而交通运输成本的降低有利于促成产业集聚。高铁显著提高了人流、信息流、资金流等在运输过程中的时效性，同时提升了交通可达性。交通可达性的提升对产业集聚有着重要的影响力，同样，可达性在很大程度上决定着区域的竞争力和城市的吸引力。
通过对已有学者们的研究发现，高铁建设对相关产业尤其是第三产业具有显著地促进作用，同时结合学者们对金融产业集聚影响因素的分析，发现并没有学者细化高铁建设对金融产业集聚的影响，因此本文以长三角地区26个城市群为例，实证分析了高铁对金融产业集聚的影响。
（三）信息基础建设与金融产业集聚
由于金融产业信息的不对称性，因此必然需要在地理空间上的集聚从而达到信息共享。Porteous（1999）和王坦（2006）等强调信息流在金融产业集聚中发挥着重要作用，通过对已有学者的研究发现，学者们已经在信息对金融产业集聚的重要影响上达成了共识，因此本文进一步探讨信息基础建设对金融产业集聚的影响机制。首先，信息基础设施是信息有效流转的基本物质条件，是影响信息流的重要因素，能降低交易成本;其次，信息基础建设能够缩短企业之间的信息传递的地理距离，提高信息传递的实效性，降低信息传递的成本，随着互联网信息时代的到来，即使企业相距甚远，也能随时传递信息，从而导致产业产生“虚拟集聚”。
三、实证分析
（一）变量说明
被解释变量。本文选择金融产业区位熵（FLQ）测算我国金融产业区域集聚程度。区位熵是衡量产业集中度的重要指标，可充分比较不同地区金融集聚程度，确定该地区金融产业集中程度在全国所处的位置。计算公式如下：
其中，Lij指地区i内产业j的就业人数，Li指地区i内的总就业人数，Lj指全国内产业j的总就业人数，L指全国的总就业人数。区位熵的值越大，该区域的金融集聚程度越高。一般认为，如果FLQij大于1，意味着金融产业在区域比较重要。
解释变量。本文将金融集聚的影响因素分为核心解释变量和控制变量两组。
本文核心解释变量有两个，一个是高铁开通时间虚拟变量（ot），本文以2010年作为基期，2010年开通高铁的城市取值为1，2010年未开通高铁的城市取值为0。另一个是信息化水平（ict），本文参考梁琳（2016）的信息基础设施指标选取方法来反映各城市的信息化水平。
控制变量包括以下4个变量：
一是经济发展水平（dec），本文以各城市人均GDP与全国人均GDP的比值来反映各城市的经济发展水平。
二是创新能力水平（ivon），本文以各城市专利授权量的对数来反映各城市创新能力水平。
三是通信水平（ptr），本文以各城市邮电业务量与全国邮电业务总量的比值来反映各城市的通信水平。
四是全社会用电量（ec）。本文以各城市全社会用电量反映各城市能源消耗情况，该指标能够反映出各城市经济活跃程度和社会活跃程度。 （二）模型设定与数据来源
根据以上理论假说及变量的选择，本文的线性模型形式设定如下：
式中，β为待估计参数，下标i和t分别代表第i个城市和第t年，εit为随机误差项。
本文数据包括长三角地区1个直辖市和25个地级市2009-2017年的统计数据，数据来源于上海市统计年鉴（2010-2018）及各省、市统计年鉴（2010-2018）。
（三）模型估计
本文利用软件stata14.0对面板模型进行估计，定量分析核心解释变量以及控制变量对金融产业集聚程度（FLQ）的影响。首先混合回归，由于混合回归的基本假设是不存在个体效应，对于这个假设必须进行统计检验，由于个体效应以两种不同的形态存在（即固定效应和随机效应），因此本文分别进行固定效应模型估计和随机效应模型估计。然后通过 Hausman 设定检验判断使用固定效应模型或者随机效应模型，根据hausman检验结果，由于p值为0.1336，在5%的显著性水平上接受原假设，因此应该使用随机效应模型，而不是固定效应模型。
考虑到面板数据模型的内生性问题，因此使用信息化水平的滞后一期（L.ict）和城镇化率的滞后一期（L.urban）作为信息化水平（ict）的工具变量，使用二阶段最小二乘法（2sls）对模型进行检验。工具变量的选择考虑到惯性因素因此将信息化水平的滞后一期作为信息化水平的工具变量，另外由于城镇化率的提高对地区信息化水平的影响，因此将城镇化率的滞后一期作为信息化水平的工具变量。同时，通過stata14.0软件得出城镇化率的滞后一期（L.urban）和信息化水平的滞后一期（L.ict）与信息化水平（ict）有较强的正相关关系（相关系数分别为0.6656和1.0000，并且在1%的水平上显著）。表1中给出了固定效应模型、随机效应模型和二阶段最小二乘法的回归结果。从表1（2）和表1（3）的回归结果看，两个核心解释变量对地区金融产业的集聚程度水平分别在1%和10%的水平上具有显著性影响，且回归系数都为正。
四、结论与对策
通过实证分析，本文得到如下结论：第一，高铁建设显著缩短了空间距离，提高了人力资本和信息的流动，对金融产业的集聚起到了显著性的促进作用;第二，信息基础建设水平的提高通过影响信息化水平显著的促进的信息稳定流动和信息流转的时效性，从而对金融产业集聚起到了显著的正向效应。
根据本文得出的结论可以得到如下启示：第一，根据国家《铁路“十三五”发展规划》的目标，我国2020年铁路总里程要达到15万公里，高铁营运里程要达3万公里，从该文件中可以看出，高铁建设已成为国家战略，同时在该文件中强调要发挥高铁的经济效应，促进产业结构升级，因此各地方应依托铁路“十三五”规划战略，积极建设高铁，从而提升金融产业集聚水平，促进城市金融中心的发展，为地区经济发展提供强大助力。第二，信息基础建设水平已经成为影响当今金融业发展的重要因素，信息技术的提高改变了传统金融业的生存方式，5G时代的到来更会为金融业的进一步发展带来机遇，因此各地方应加强信息基础建设，提高信息化水平，为地方金融产业集聚发展提供关键支撑。
参考文献：
[1]李小建.金融地理学理论视角及中国金融地理研究[J].经济地理，2006，（5）：721-725，730.
[2]宁钟，杨绍辉.金融服务产业集群动因及其演进研究[J].商业经济与管理2006，（8）：38-44，66.
[3]潘英丽.论金融中心形成的微观基础——金融机构的空间聚集[J].上海财经大学学报，2003（2）：50-57.
[4]陈建军，陈国亮，黄洁.新经济地理学视角下的生产性服务业集聚及其影响因素研究——来自中国222个城市的经验证据[J].管理世界，2009（04）：83-95.
[5]梁琳.信息腹地、空间溢出和金融服务业集聚关系研究[J].商业经济研究 2016（10），171-173.
[6]覃成林，杨晴晴.髙速铁路发展与城市生产性服务业集聚[J].经济经纬，2016，33（03）：1-6.
[7]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（05）：104-116.
作者单位：天津工业大学经济管理学院