摘 要：利用1999-2018年东盟十国经济增长和金融发展数据，通过塞尔指数、收敛检验、Moran' s I指数等分析方法，探究经济增长与金融发展差异、收敛性、空间集聚等特征。研究发现：（1）东盟经济增长的区域内和区域间差异均逐年缩小，而金融发展的区域内和区域间差异呈小幅增长，且无论是经济增长还是金融发展，区域间差异均大于区域内差异。（2）经济增长和金融发展均呈现α、β收斂，且金融发展的收敛速度大于经济增长。（3）经济增长和金融发展在空间分布上并非随机分布，而是存在较为显著的空间自相关。本研究为东盟经济和金融合作与政策制定，提供了一个新的视角。
　　 关键词：经济增长;金融发展;收敛效应;空间集聚;中国-东盟
　　 一、问题提出
　　 千百年来中国与东盟国家文化相融，血脉相亲，东盟不仅是“海上丝绸之路”的必经之地和重要枢纽，而且是我国的重要经贸合作伙伴，特别是随着“一带一路”建设逐步推进，中国与东盟国家人文交流日益紧密，经济往来更加频繁[1]。东盟自1967年起一直以区域一体化为目标，但是东盟区域辽阔，各个国家在经济增长和金融发展水平差异较大，如若这些发展的不平衡持续扩大将制约区域内稳定的发展。区域一体化组织建立之前，参与国具有相似的经济发展水平可以成为组织成立的有利条件之一[2]。深入研究东盟各国经济增长和金融发展是否收敛以及区域内各国经济和金融发展的空间分布特征可以从宏观角度分析东盟各国的一体化进程，并且对促进该区域一体化建设也具有重要意义。国内外对于金融发展与经济增长的收敛性进行了大量研究，其中使用较为广泛的分析方法为和α收敛分析法和β收敛分析。关于经济收敛检验的研究，Barro等（1991）对美国各个州及西欧地区73个国家进行β收敛检验，结果发现美国各州及西欧73个国家存在β收敛，尽管收敛速度很慢仅有2%[3]。Mankiw（1992）运用索洛模型检验世界各国的经济收敛状况，研究结论认为各国存在收敛性[4]。杨帆和滕建洲（2013）选用东亚10个主要经济体对其贸易与经济收敛的关系进行实证，结果表明东亚地区经济增长是“俱乐部收敛”并且东北亚地区的收敛程度要高于东南亚地区[5]。尹华和吴彬（2008）选用α收敛考察欧盟（欧共体）和东盟的经济增长收敛性，结果表明欧盟在1955—1990年呈现显著的经济增长收敛，而东盟成立后经济增长呈发散趋势[6]。关于金融收敛的研究，Bartiloro等（2005）对欧盟12个国家的居民金融资产/GDP指标进行考察，结论认为欧盟金融发展不存在α收敛但是存在β收敛[7]。赵伟和马瑞永（2006）的研究则进一步表明中国区域金融发展不存在α收敛但是存在β收敛，同时还有一定的“俱乐部收敛”特征[8]。综上所述，我们不难发现，虽然东盟在全球战略格局中的地位日益凸显，但是当前学术界单独针对东盟经济和金融收敛性的研究文献较少。基于上述原因，本文试图以东盟十国为研究对象，结合联合国划分标准将其划分为三大类，借助赛尔指标、收敛性检验、空间自相关，对东盟各国经济增长与金融发展的区域差异、收敛性检验，以及空间集聚效应进行实证分析，以期为东盟经济与金融快速发展提供参考。
　　 二、模型、变量与数据说明
　　 本文借鉴李阳（2014）[9]、张慕濒和孙亚琼（2014）[10]、司冠华（2013）[11]等学者的方法，采用戈氏指标①来衡量一国金融发展水平。但由于东盟部分国家缺乏对M2的统计，故采用“FD=金融机构年末贷款总额/GDP”来刻画金融发展水平，另外，使用人均国民生产总值衡量区域经济增长。各数据主要来源于wind数据库和UN Comtrade数据库，鉴于老挝、缅甸经济发展落后，国内战乱不断，统计数据缺失严重，则结合该国中央银行年报和亚洲开发银行年报予以补充。此外，为避免因数据单位不同而造成的剧烈波动，消除可能的异方差，为此对相应变量取自然对数处理。
　　 （一）塞尔指数测度
　　 在研究各地区收入差异时，虽然部分学者采用基尼系数为衡量指标，但是由于收入差异的测度既包含区域内差异，也包括区域间差异，而基尼系数无法深入刻画这种差异，以及各差异对总差异的贡献度。为此，本文在借鉴Henr（1967）[12]和Arbia（1977）[13]研究成果基础上，运用赛尔指数将收入差异分解两部分，即区域内差异ICwr和区域间差异ICbr，进而更加准确的衡量区域收入差异问题。具体方法如下：
　　 其中，IC为东盟十国之间的总差异水平，ICwr为区域内差异水平，ICbr为区域间差异水平;xi和yi分别为东盟各国人口和GDP值，Xj和Yj代表各类国家人口和GDP数占东盟总和;i=1，2…10代表东盟十国，j=1，2，3代表分类。
　　 （二）收敛性检验
　　 收敛假说来源于新古典增长模型，认为在边际报酬递减的作用下，落后国家的增长速度要超过发达国家的增长速度，经过长期你追我赶、此消彼长后，不同国家的发展差异呈现不断缩小趋势，最终收敛于某一稳定状态[14]。通常收敛可分为α收敛和β收敛。α收敛则意味着各国或地区发展水平绝对趋同，即发展水平趋同;β收敛意味着落后国家或地区增长速度快于发达国家，即增长率趋同。具体检验方法如下：
　　 1. α收敛检验。若标准差、基尼系数、变异系数等逐年变小则认为各指标发展差异随着时间的变化而逐渐缩小，则存在α收敛，反之则发散。具体计算如下：
　　 式中，G代表基尼系数，yj表示东盟第j国家的人均GDP或金融发展;则表示变量相差的绝对值;而μ则表示变量的均值。基尼系数取值介于0，1之间能够反应不同国家经济与金融发展水平差异。
　　 2. β收敛检验。β收敛是较为常用的检验金融收敛和经济收敛的模型。结合Barro和Sala（1992）[15]提出的模型，构建东盟经济增长与金融发展β收敛模型： 　　 （三）空间集聚效应
　　 全局空间自相关主要用于描述区域单元某种现象的整体空间分布情况，以判断该现象在空间上是否存在聚集性[16]。本文对东盟十国经济增长与金融发展的空间相关性进行实证考察，具体如下：
　　 式中，;n为东盟国家总数;wij为空间权重矩阵②元素;xi表示第i国家经济或金融的观测值。本文以国家间地理距离平方的倒数来衡量空间关系。Moran's I的取值范围为[-1，1]，大于0表示事物属性值存在空间正相关;小于0表示空间负相关;等于0表示不存在空间自相关性，即空间随机分布[17]。Moran' s I绝对值表征空间相关程度的大小，即绝对值越大表明空间相关程度越大。
　　 全局莫兰指数（Global Moran's I）衡量的是全局范围内经济增长和金融发展的空间相关性[17]。为深入分析东盟各国经济与金融的空间异质性，借鉴Anselin（1995）提出的局部空间关联指标（LISA）-局部莫兰指数（local Moran's I） [18]，计算公式为：
　　 当Ii正时，表示东盟i国经济或金融的高值与高值聚集;当Ii为负时，表示东盟i国经济或金融高值与低值集聚，即高值被周围的低值包围，或低值被高值包围。
　　 三、实证结果与分析
　　 （一）数据统计特征分析
　　 根据世界银行对人均收入分类标准，将东盟十国划分三大类③，然后分析各类别国家的变量统计特征。就人均GDP而言，高收入国家标准差明显大于中等收入和低收入国家，证明高收入国家人均GDP差异较大;而中等收入国家金融发展标准差异大于高收入国家和低收入国家，即中等收入国家金融发展差异较大（见表1）。
　　 为了更好地对数据进行觀察和研究，本文分别以人均收入和金融发展的初始值为横坐标，以增长率为纵坐标，描绘制东盟十国1999—2018年的人均GDP和金融发展水平的走势散点图并绘制拟合趋势线（见图1）。
　　 由近似拟合的趋势线可知，人均GDP和金融发展都呈现向右下方倾斜，表明东盟十国的人均GDP和金融发展水平的年均变化率与其初始水平负相关，也就是说人均GDP和金融发展水平较低国家，其发展的速度反而更快。此外，金融发展水平的趋势线斜率绝对值大于经济增长趋势线斜率。那么，是否意味着金融发展收敛速度也大于经济增长速度呢？不同层次国家经济与金融收敛速度多大？这些问题还需要我们进行深入研究。
　　 （二）东盟十国经济增长和金融发展差异比较
　　 在借鉴丁志国，张洋[19]、邹嫄，罗银鹤[20]、李扬[21]等研究方法基础上，以人均GDP代表各国经济发展现状，用银行贷款占GDP的百分比来衡量金融发展水平，并计算经济增长和金融发展的塞尔指标值，绘制区域内差异和区域间差异对总差异的贡献率折线图，以便更直观呈现区内和区间贡献演变。具体如下：
　　 1. 经济增长差异的赛尔指标测度
　　 其一，从经济增长变化趋势来看，区域内差异和区域间差异均逐年缩小，说明东盟各国间的收入差异得到明显改善。具体而言，除了1998年受亚洲金融危机影响，总差异达到历史最高点0.6841外，1999—2018年东盟十国经济总差异下降趋势明显，差异水平从1999年的0.53下降到2018年的0.30，下降幅度高达43.4%，其主要原因是世界经济逐步复苏，金融危机的负面影响也越来越弱，以及欧盟、日本和我国沿海地区的部分劳动密集型产业向东盟大量转移，促进了东盟中、低收入国家的发展。此外，2010年1月1日中国—东盟自贸区正式全面启动，双方日益密切的经贸合作关系，也对东盟各国的经济发展做出了积极的贡献。
　　 其二，从经济增长贡献度来看，区域间差异对总差异的贡献度明显大于区域内差异的贡献，即东盟各国间经济发展差异主要来源与区域差异。近二十年来东盟经济增长总差异在不断减小，区域间差异的贡献度始终保持着持续增长态势，2018年区域间差异对总差异的贡献度已经达到82.31%，进一步表明，东盟经济发展区域间差异在经济发展差异中扮演着重要角色，因而尽快采取有力措施减小区域间差异必将对东盟经济增长具有重要意义。
　　 2. 金融发展差异的测度
　　 数据来源：笔者计算整理
　　 其一，从金融发展变化趋势来看，区域间的差异度明显大于区域内的差异，且区域间差异和区域内差异均呈现小幅增长，说明东盟各国间的金融发展差异未得到明显改善。具体而言，东盟金融总体差异呈现阶段性变化，1999—2002年总体差异持续增长，2002年达到历史最高点0.22，而后2004—2010年持续下降，但是受全球金融危机影响，从2009出现短暂上升，此后东盟金融发展总体差异又不断下降。由此可见，金融危机对东盟各国金融发展差异影响较大。
　　 其二，从金融发展差异贡献来看，区域间差异对总差异的贡献度高于区域内差异的贡献，即区域间差异是导致东盟各国间金融发展差异的主要原因。从变化趋势来看，1999—2018年区域间差异的贡献度在不断降低，而区域内差异贡献度在逐年增加，由此可以预测，未来东盟金融水平低的国家会具有更快的发展速度，金融发展区域内和区域间差异将日趋合理。这也再次说明当前金融不发达国家开始注重发展国内金融业，调整金融机构，建立完整的金融体系，借鉴发达国家推行相关政策，其金融发展速度加快，且具有更大的发展空间。
　　 （三）东盟十国经济发展与金融发展的收敛检验
　　 1. 经济与金融发展的α收敛检验
　　 由表4可知，（1）1999—2013年东盟十国人均GDP标准差总体呈现上升趋势，各国的经济发展不存在α收敛，主要是由于东南亚金融危机使得东盟各国经济增长差异上升，人均GDP标准差不断增加。2014—2018年间东盟人均GDP标准差、差异系数和基尼系数呈现不同程度下降，说明经济危机影响减弱后，东盟各国的经济增长α收敛特征日益显现。（2）1999—2008年东盟金融指数逐渐下降，2009—2018年又逐渐趋于上升，但变化的幅度都较小。变异系数和基尼系数整体呈现下降趋势，这说明东盟各国金融发展差异逐渐缩小。由此可见，东盟各国金融发展存在α收敛。综上所述，整体上东盟十国经济增长和金融发展均存在α收敛，即二者的差异随着时间的推移二趋于减少，α收敛描述的是经济、金融差异的存量水平及其变动趋势，但还未能体现差异的增量水平及演变，为此，我们进一步做β收敛检验。 　　 2. 经济增长与金融发展β收敛检验
　　 由于面板数据同时具有时间维度和截面维度，在做面板数据回归时，先对经济增长与金融发展的模型做豪斯曼检验[22]，具体结果如下：
　　 由表5可见，经济增长与金融发展在10%水平上拒绝原假设，应该采用固定效应模型而非随机效应模型。此外，个体固定效应模型只是对于不同的个体有不同的截距的模型，没有考虑到时间截面，而本文选取的数据时间跨度较长，所以考虑采用个体、时间双固定效应模型。
　　 由表6可知，1999—2018年，东盟十国经济增长与金融发展的β收敛回归系数为负，说明东盟国家人均GDP和金融发展均存在显著β收敛，其中，人均GDP的β系数为-0.1166，金融发展水平的β系数为-0.1493，均通过5%的显著性检验。根据收敛速度公式，计算经济增长的收敛速度为0.62%，金融发展的收敛速度为0.81%，与前文计算结果相符，即金融发展的收敛速度大于经济增长的收敛速度。总体而言，虽然东盟经历了亚洲金融危机和2008年全球金融危机，两次经济危机对东盟各国造成了较大的冲击[23]，但是各国都在调整自身的经济结构，抢抓发展机遇，即使相对落后的老挝和缅甸等国，无论是经济增长还是金融发展都得到了较大幅度提升，各国间的相对差异日益缩小，经济与金融都存在α、β收敛。
　　 （四）金融发展与经济增长的空间集聚特征
　　 前文主要是基于非空间框架下，从时间序列角度探讨了东盟经济增长和金融发展的收敛性，但忽视了空间层面的特征。空间依赖的存在使得经济增长和金融发展的关系变得更加复杂[24]。为此，我们借鉴地理领域的全局空间自相关和局部空间自相关，进一步探讨东盟10国经济与金融的空间集聚特征。
　　 由表7经济增长和金融发展空间自相关全局莫兰指数可知，从1999年至2018年，东盟经济增长和金融发展的莫兰指数均大于零，且都通过5%的显著性水平检验，其中经济增长的全局Moran's I指数值分布区间为[0.104，0.126]，金融发展的全局Moran's I指数值分布区间为[0.011，0.208]，表现东盟经济增长和金融发展在空间分布上并非随机分布，而是存在较为显著的空间正相关性。即东盟国家的经济增长和金融发展在空间上趋于集聚，也就是说高经济增长地区被高经济增长地区所包围，而低经济增长地区被低经济增长地区所包围。同理，对金融发展而言，高经济发展地区与高金融发展地区相邻，低金融发展地区与低金融发展地区相邻。
　　 为更加直观的展示东盟十国经济增长与经济发展的空间集聚特征，绘制1999、2009、2018年Moran散点图（见图2、图3），其中纵轴分别为二者的空间滞后值，可将图分为四个象限，第一象限表示高—高正相关，第三象限表示低—低负相关，第二、四象限表示负相关的非典型观测区域。通过对比1999—2018年东盟十国形态变化，直观地描绘局域的空间集聚特征。我们发现，东盟大部分国家经济增长都具有高—高、低—低聚集，空间依赖特征明显。具体而言，由图8东盟经济增长Moran's I散点可知，1999年分别有2个（文莱、新加坡）和6个（老挝、柬埔寨、泰国、菲律宾、缅甸、越南、缅甸）国家位于第一象限和第三象限，占总样本的20%和60%;2018年也有2个和6个国家位于第一象限和第三象限，且国家分布没有变化，表明东盟经济增长空间集聚现象明显，且相对稳定;另外，由图9金融发展Moran's I散点可知，1999年分别有1个（泰国）和5个（老挝、越南、文莱、缅甸）国家位于第一象限和第三象限，但到2018年分别有2个（泰国、马来西亚）和3个（缅甸、老挝、文莱）国家位于第一象限和第三象限，仅占总样本的20%和30%，莫兰指数逐年下降但依然为正，表明东盟金融空间集聚现象逐步减弱。其原因在于金融发展相对于经济增长而言，其所受得到的影响因素众多，与经济增长相比稳定性更弱，特别是2008年由美国次贷危机引发的全球金融危机，使得东盟十国金融发展出现弱空间集聚。总而言之，东盟经济增长和金融发展在空间分布上存在显著的空间自相关性。
　　 四、結论及启示
　　 以1999—2018年东盟十国为研究对象，利用塞尔指标分析了各国间的经济增长与金融发展差异，并使用α收敛和β收敛方法检验各国间经济增长与金融发展的收敛性，最后通过构建空间计量模型，探讨经济增长与金融发展的空间分布特征，主要结论有：其一，从经济增长趋势来看，区域内差异和区域间差异均逐年缩小，东盟各国间的收入差异得到明显改善;从金融发展趋势来看，区域间金融差异明显大于区域内的差异，且区域间差异和区域内差异均存在小幅增长，东盟各国间的金融发展差异未得到明显改善。另外，无论是从经济增长还是金融发展，区域间差异对总差异的贡献度均大于区域内差异的贡献度。其二，从收敛性检验来看，1999—2018年间东盟十国经济增长和金融发展都存在α收敛;另外，经济增长与金融发展均通过β收敛检验，表明东盟各国经济增长和金融发展存在β收敛，且金融发展的收敛速度（0.81%）大于经济增长的收敛速度（0.62%）。其三，从空间集聚性来看，东盟经济增长和金融发展在空间分布上并非随机分布，而是存在较为显著的空间自相关性。即高经济增长地区被高经济增长地区所包围，而低经济增长地区被低经济增长地区所包围。同理，高经济发展地区与高金融发展地区相邻，低金融发展地区与低金融发展地区相邻，也实证了经济增长和金融发展的空间溢出效应和辐射效应。
　　 基于上述结果，我们提出以下建议：（1）东盟整体的经济和金融发展都是趋于收敛的，这在某种程度上证明过去20年间东盟采取的经济协调策略、推进贸易自由化等措施取得了不错的成效，东盟后期在继续推进自贸区建设时除了继续加强与新加坡、马来西亚、泰国等经济较好国家的带动作用，更应该重点关注发展速度较慢的国家。比如柬埔寨、老挝、缅甸等发展落后国家。（2）中国和东盟各国要认识到其经济增长和金融发展的空间分布特征，进一步推动高经济增长区经济与金融合作的深化，加强其辐射能力，发挥其作为增长极的回流效应，此外还应引导经济要素和金融资源向欠发达地区流动，建立互补有序、协调发展的资源配置体系带动东盟区域协调发展增。（3）中国和东盟各国应该抢抓“一带一路”建设机遇，利用亚洲基础设施投资银行，加快自身基础设施建设，完善金融体系，尤其是落后国家，要创新合作模式，开拓合作空间，选择合适的合作领域，加强中国—东盟合作，增强自身经济实力。 　　注 释：
　　① 衡量一国金融发展水平的指标有戈氏和麦氏指标。戈氏指标即金融相关比率，指一国全部金融资产与其GNP（或GDP）之比。麦氏指标即货币化比率，指货币存量和国民收入水平总量比（M2/GDP）。
　　② 结合CEP-II数据库中国与国间的地理距离，构建东盟10国空间权重矩阵。
　　③ 杨邓丰（2014）将东盟10国划分为三大类，第一类为人均GDP 超过1万美元的新加坡和文莱;第二类为人均GDP水平在3000—10000美元的印度尼西亚、泰国和马来西亚;第三类为人均GDP低于3000 美元的越南、菲律宾、老挝、缅甸、柬埔寨。
　　
　　参考文献：
　　[1] 陈乔，程成，宋建林.中国—东盟旅游与贸易互动关系研究[J].广西社会科学，2017，（10）：72-77.
　　[2] 马颖，李静.中国金融发展促进区域增长趋同的经验分析：1978-2010[J].当代经济，2012，（12）：67-76.
　　[3] R J Barro，X Sala-Martin. Convergence across States and Regions[C].Brookings Papers on Economic Activity，1991，（1）：107-158.
　　[4] MankiwN，RomerD，Weil D. A Contribution to the Empirics of Economic Growth [J].Quarterly Journal of Economics， 1992，（107）：407-438.
　　[5] 杨帆，滕建州.东亚贸易自由化与经济收敛关系研究[J].经济学家，2013，（3）：24-31.
　　[6] 尹华，吴彬.区域经济一体化经济增长收敛性的实证研究[J].财务与金，2008，（5）：16-19.
　　[7] Laura Bartiloro，Riccardo DeBonis. The Financial systems of European Countries：the Oretical Issues and Empirical Evidence[Z].Irving Fisher Committee on Central-bank Statistics，2005，（7）：21.
　　[8] 赵伟，马瑞永.中国区域金融发展的收敛性、成因及政策建议[J].中国软科学，2006，（2）：94-101.
　　[9] 李阳.金融环境约束与商业银行经济资本管理的关系研究[J].学术论坛，2014，37（10）：85-91.
　　[10] 张慕濒，孙亚琼.金融资源配置效率与经济金融化的成因——基于中国上市公司的经验分析[J].经济学家，2014，（4）：81-90.
　　[11] 司冠华.我国金融结构与经济增长关系实证研究[D].山东财经大学，2013.
　　[12] Theil， Henri. Economics and In formation Theory.Studies in Mathematical and Managerial Economics[C].Amsterdam： North-Holland Publishing Company，1967.
　　[13] Giuseppe Arbia， Roberto Basile，GianfrancoPiras.Using Spatial Panel Data in Modelling Regional Growth and Convergence[J].Istituto Study Analisit Economic， 1977，（6）：34-39.
　　[14] 邓杨丰.中国——东盟经济与金融发展差异及其收敛性研究[J].学术论坛，2014，37（6）：34-39.
　　[15] Barro，Robert and Sala-I-Martin，Public Finance in Models of Economic Growth[J].Journal of Political Economy，1992，（59）：645-661.
　　[16] 陶雄华，谢寿琼.金融开放、空间溢出与经济增长——基于中国31省份数据的实证研究[J].宏观经济研究，2017，（5）：10-20.
　　[17] 孙志红，王亚青.金融集聚对区域经济增长的空间溢出效应研究——基于西北五省数据[J].审计与经济研究，2017，32（02）：108-118.
　　[18] 张林.金融发展、科技创新与实体经济增长——基于空间计量的实证研究[J].金融经济学研究，2016，31（1）：14-25.
　　[19] 丁志国，张洋，高启然.基于区域经济差异的影响农村经济发展的农村金融因素识别[J].中国农村经济，2014，（3）：4-13
　　[20] 邹嫄，罗银鹤.广西与东盟金融资源分布和经济增长的相关性研究[J].广西社会科学，2014，（3）：33-37.
　　[21] 李扬.中国经济发展新阶段的金融改革[J].经济学动态，2013，（6）：4-14.
　　[22] 王澎波，于涛，王旺平.金融发展、金融结构与经济增长——基于省级面板数据的分析[J].经济问题探索，2017，（1）：120-127.
　　[23] 唐华.如何认识经济危机和金融危机[J].学术论坛，2016，39（5）：25-30.
　　[24] 化祥雨，杨志民，叶娅芬.金融空间联系与经济增长关系——基于江苏省县域的实证研究[J].经济地理，2016，36（3）：32-40.
　　 基金项目：国家自然科学基金“基于海量时空数据的不同尺度游客流动相互作用机理与模式体系构建”（41871137）;湖北经济学院科研培育一般项目“旅游业风险空间关联及跨区传染研究”（PYYB202009）
　　 作者简介：陈乔（1984- ），男，湖北荆门人，湖北经济学院旅游与酒店管理学院讲师，博士，研究方向为旅游经济与空间计量;黄志敏（1993- ），女，广西防城港人，硕士，研究方向为区域经济;张正华（1994-），通讯作者，女，江西赣州人，硕士，研究方向為区域经济。