论文部分内容阅读
摘 要：金融业集聚对于区域经济的发展有着重要作用。对我国31个省份1978—2011年金融业区位商进行非线性傅立叶单位根检验，将检验结果与区位商均值相结合，分东、中、西三地区对金融业空间集聚的区域分异及其特征进行对比分析。结果表明，东部地区的集聚水平要高于中、西部地区，各省份的金融业集聚水平大体呈橄榄形分布，同时，三地区大部分省份金融业集聚的单位根检验结果都体现出不稳定特征，说明我国金融业的空间集聚格局一直处于不断调整之中，而这种调整在一定程度上有利于实现金融资源的优化配置。
关键词：金融业；空间集聚；非线性傅立叶单位根检验
中图分类号：F832.4 文献标识码：A 文章编号：1003-3890（2014）01-0078-06
一、引言
一般来讲，产业的空间分布格局可以分为两种：均匀分布或集聚分布，前者指的是在一定的区域单元上产业的空间分布比较均匀，而后者指的是产业的空间分布存在非常明显的不均衡。就我国的东、中、西部金融业空间分布格局来说，则是属于集聚分布，在这一格局下，有的地区金融业分布非常集中，而有的地区金融业的分布则较少：以东部地区的北京和上海为例，其金融业的空间集聚程度相比国内其他省份高。
金融是现代经济的核心，金融业的发展影响着区域经济的发展水平，地区发展的差异往往和金融产业空间集聚程度的差异联系在一起。金融产业集聚对本地区经济发展具有增长效应（刘红，2008）[1]，而且两者存在长期稳定的互动关系（丁艺，2010）[2]，因此，对区域经济的发展而言，金融集聚的作用就显得非常重要。可以设想，对某一地区而言，如果金融业集聚度低且相对稳定，也就意味着该地区金融业的分布处于一种劣势的固化状态，在这种情况下，金融业集聚度高的地区经济会不断得到发展，而金融业集聚度低的地区经济则会受到抑制，由此则会对金融业集聚更加不利。在上述循环累积因果机制的作用下，强者恒强的“马太效应”就会在金融业集聚中出现，这对更好地促进我国区域经济的协调发展是不利的。
基于上述分析，探讨我国金融业空间集聚的区域分异及其特征就显得非常有必要。本文的研究思路如下：首先，根据相关原始数据计算出各省份1978—2011年的金融业区位商；其次，利用非线性傅立叶单位根检验方法对各省市金融业区位商进行单位根检验；再次，将各省份金融业区位商平均值进行分类并与单位根的检验结果相结合，对我国金融业空间集聚的区域分异及其特征进行分析，最后是结论。
二、研究设计
（一）金融业空间集聚的测度及数据来源
目前衡量产业集聚的指标主要包括空间基尼系数、E-G指数、区位商等，每一种指标都有各自的优缺点。区位商指标由于其计算简单且相关数据比较容易获得，所以在实证研究中得到了较为广泛的应用，本文对金融产业集聚的测度也采用了区位商的方法。其计算公式为：
鉴于数据的可获得性以及完整性，本文选取1978—2011年31个省（市、自治区）的金融业产值以及各地区生产总值的面板数据进行计量分析，时间跨度较长，可以很好地论证本文所要研究的问题。所有原始数据均来源于《国家统计局网站年度数据库》、《新中国六十年统计资料汇编》及《中国金融统计年鉴》。
（二）单位根检验方法
本文采用非线性傅立叶函数的单位根检验方法来分析金融业区位商的波动变化。根据Enders和Lee（2004，2009）[3-4]使用LM原则发展出的单位根检验方法，运用下面的面板数据生成过程：
根据本文研究内容，等式（2），（3）中的t=1，2，…，34，yt表示第t期的金融业区位商，？着t表示随机扰动项。[sin（2？仔kt/T），cos（2？仔kt/T）]的存在使得一个傅里叶表达式可以在任何精确度水平上估计全部的区间函数。在等式（2）中，k代表被选中的近似值的频率，？酌=[？酌1，？酌2]测量频率分量的振幅和移位。通过设定原假设？酌1=？酌2=0，等式（2）的一个可获得的特点是标准的线性模型作为一个特殊的情况产生，即该地区金融业区位商具有线性特征，不能使用非线性傅立叶单位根检验方法。如果存在一个结构断点的话，通常的情况是至少一个频率变量将会出现。如果拒绝原假设（？酌1=？酌2=0），这一系列将会有一个非线性因子，也即该地区的金融业区位商可以使用非线性傅立叶单位根检验方法。
Enders和Lee（2004，2009）基于等式（2）的特性发展了一种检验方法，这种方法在检验未知模型的断点时比Bai和Perron（1998）[5]的标准测试法更具说服力。原假设，？茁=1，存在一个单位根，备择假设为？茁<1。Enders和Lee（2004，2009）使用Schmidt和Phillips（1992）[6]以及Amsler和Lee（1995）[7]的LM方法对原假设施加限制以及使用一阶差分估计（4）式的回归：
如果yt具有一个单位根，则？兹=0并且LM检验统计量（用？子LM表示）是原假设？兹=0的t检验。
三、研究结果分析
研究结果首先分东、中、西三地区列示了各省份金融业区位商的非线性傅立叶函数单位根检验结果，以此为基础，结合各省份金融业区位商均值的不同分类对我国金融业空间集聚的区域分异及其特征进行深入探讨。
（一）单位根检验结果
鉴于我国地域差异以及各地区经济发展水平的不平衡性，本文分东、中、西三地区对我国金融业区位商单位根检验结果进行列示。东部地区主要包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南十个省份；本文把东北三省划分到中部地区，所以中部地区主要包括山西、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南九个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆十二个省份。 以下是东、中、西地区各省份金融业区位商非线性傅立叶函数的单位根检验结果[9]。
1. 东部地区。由表1可以看出，东部地区只有福建省的金融业区位商不能使用非线性傅立叶单位根检验，这说明了福建省金融业发展态势的不稳定性。天津市和江苏省都在1%的显著性水平上拒绝存在单位根假设，说明两省份的金融业发展态势稳定；北京、河北、上海、浙江、山东、广东、海南各省份的金融业区位商进行非线性傅立叶单位根检验的结果都是接受原假设，也就是金融业的发展态势为不稳定。
2. 中部地区。由表2可以看出，中部地区山西省和河南省的金融业区位商不能使用非线性傅立叶单位根检验，这说明两省金融业发展态势具有不稳定性。辽宁、吉林、黑龙江、江西、河南、湖北、湖南各省的金融业区位商进行非线性傅立叶单位根检验的结果是接受原假设，说明金融业的发展态势是不稳定的；安徽省的金融业区位商在5%的显著性水平上拒绝存在单位根假设，表明安徽省金融业发展态势稳定。
3. 西部地区。由表3可以看出，西部地区的内蒙古、云南、宁夏、新疆等省份的金融业区位商通过进行非线性傅立叶单位根检验，都在1%的显著性水平上拒绝存在单位根的原假设，也即四省份的金融业发展态势稳定；广西、重庆、四川、贵州、西藏、陕西、甘肃、青海各省份的金融业区位商单位根检验的结果是接受存在单位根的原假设，也即各省份的金融业发展态势不稳定。
（二）金融业空间集聚的区域分异及其特征
将单位根检验结果与进一步细分的金融业区位商均值相结合得到表4，该表明确显示出了我国金融业的空间集聚格局。
由表4可以看出，在31个省份中，共有7个省份的区位商检验结果为稳定，占到22.58%，其中东部地区为江苏和天津，中部地区为安徽，西部地区为宁夏、云南、内蒙古和新疆；从区位商的具体数值来看，东部地区的江苏和西部地区的宁夏在1～2，呈现出非常明显的集聚效应态势，东部地区的天津和西部地区的云南、新疆在0.9～1，呈现出一定程度的集聚效应态势，而中部地区的安徽和西部地区的内蒙古则在0.6～0.9，集聚效应并不明显。24个省份的区位商检验结果为不稳定，占到77.42%，其中东部地区为北京、上海、福建、浙江、河北、广东、山东、海南，中部地区为山西、辽宁、吉林、河南、黑龙江、江西、湖北、湖南，西部地区为重庆、青海、四川、贵州、广西、甘肃、陕西、西藏。从区位商的具体数值来看，东部地区北京和上海的金融业区位商均值高于2，远大于我国其它地区；东部地区的福建、浙江和中部地区的山西以及西部地区的重庆、青海在1～2，呈现出了非常明显的金融集聚态势；东部地区的河北、广东和中部地区的辽宁、吉林在0.9～1，说明四省的金融业形成了一定程度的集聚效应；而东部地区的山东和中部地区的河南、黑龙江、江西、湖北、湖南以及西部地区的四川、贵州、广西、甘肃、陕西在0.6～0.9，金融业集聚效应不是很明显；尤其是东部地区的海南和西部地区的西藏金融业区位商均值小于0.6，两地区的金融业不具有集聚态势。
在对表4进行总体分析的基础上，下面再分地区对我国金融业空间集聚的区域分异及其特征进行具体分析。
1. 东部地区。在图1中，除去山东和海南，东部地区其他省份的金融业区位商都在0.9以上，北京和上海更是超过了2，不存在低值组和超低值组。金融作为一种资源，具有逐利的特性，往往流向经济发达，资源利用率和回报率高，风险小的地区，我国经济发达地区主要集中在东部地区，所以东部地区的金融业集聚度比较高。具体而言，由于实体经济发展程度远远高于我国其他地区，且产业集聚优势明显，吸引大量资本流入，相应地衍生出与金融业相关的多样化金融机构，这反过来更加促进了金融业的进一步集聚。
环渤海、长三角和珠三角是目前我国经济最富活力的地区，上述这些地区都位于我国东部。环渤海地区主要以北京为中心形成金融业集聚，天津和河北地区由于距离北京较近，北京的金融业集聚对这两地区的辐射效应也较强。因此，总体来看，上述三省份的金融业集聚度都比较高。长三角地区的上海、江苏和浙江则形成以上海为中心的金融业集聚格局，总体集聚程度则高于环渤海地区，这也凸显了长三角地区在我国经济格局中的重要地位。珠三角地区的广东金融业集聚度则略输于环渤海和长三角地区，随着深圳金融业中心的形成与发展，可以预期其集聚度会逐步提高。
在东部地区，江苏和天津两省份金融业区位商的检验结果为稳定，同时江苏属于高值组，而天津则属于较高值组，这一方面说明这两省份金融业的发展要快于或接近于本省（市）整体经济的发展，另一方面也说明金融业发展和整体经济发展之间的这种关系并没有出现非常大的波动，也就是金融业在这两省份的空间分布并没有随着时间变化而呈现出一定的趋势性，而是围绕区位商均值上下波动，也就是金融业在这两省份的集聚度虽然总体上较高，但并没有在不同年份出现严重偏离经济发展水平的现象，持续性偏离更是没有发生。这说明对这两省份而言，虽然金融业集聚度一直较高，但其金融业的发展基本是非常平稳的，这与北京、上海两金融中心的辐射影响有关。
北京、上海、福建、浙江、河北、广东、山东、海南的金融业区位商的检验结果为不稳定，同时各省份的金融业发展程度表现出较大的差异：北京、上海、福建、浙江的金融业区位商处于高值组中，说明这四省份金融业的发展要快于本地区整体经济的发展；河北、广东两省的金融业区位商位于较高值组中，说明两省的金融业发展大体接近本省整体经济发展程度；山东和海南两省的金融业发展程度远远落后于东部地区其他省份，对于经济发展较好的山东地区而言尤其如此。总的来说，单位根检验结果表明金融业在上述各省份的空间集聚并不是围绕着区位商均值上下波动，而是随着时间的变化呈现出一定的趋势性（上升或下降），金融业在不同的年份出现了严重偏离经济发展水平的现象，并且偏离具有一定程度的持续性。具体而言，对于北京和上海来说，这意味着其全国金融业中心的地位在进一步加强，对于其他省份而言，则意味着东部地区经济的快速发展导致了金融业空间集聚的大幅度调整。 2. 中部地区。在图2中，中部地区除去山西之外，其他地区的区位商都在0.5～1，相比东部地区明显较低。山西属于不稳定的高值组，而安徽属于稳定的低值组，其他省份均处于不稳定的低值组，总体看来中部地区金融业集聚的波动程度比较大。一般来说，欠发达地区的金融资源会流向发达地区以获得资源收益的最大化。中部地区经济尤其是实体经济的发展程度远低于东部地区，具有逐利性的金融资源会从中部地区流向东部经济发达地区，所以说金融业在中部地区集聚的波动与此原因有着密切关系。可以预期，在未来相当长的时期内，伴随着中部地区经济的变化，其各省份的金融业集聚还会有较大的波动。
山西省的金融业区位商检验结果是不稳定的，且属于高值组，这一方面说明山西省的金融业发展要快于本省整体经济发展，另一方面也说明山西省金融业发展和整体经济发展之间的这种关系出现了非常大的波动，即金融业在山西省的空间集聚并不是围绕区位商均值上下波动，而是呈现出一定的趋势性，也就是说山西省金融业在不同年份发展中出现严重偏离整体经济发展水平的现象，并且这种偏离具有持续性。山西作为中国“煤都”，在煤炭资源开采的过程中对资金量的需求是非常大的，由此带来金融业的快速发展，由于资源型经济发展过程中受资源环境约束的影响较大，因此，其金融业的发展也面临着一定程度的不确定性，从而使得金融业集聚出现较大波动。
辽宁、吉林、河南、黑龙江、江西、湖北、湖南的金融业区位商检验结果为不稳定，其中辽宁、吉林两省的区位商处于0.9～1，说明辽宁和吉林两省的金融业发展和本省整体经济发展程度大体一致；河南、黑龙江、江西、湖北、湖南的区位商处于0.6～0.9的低值组，说明了五省的金融业发展程度远远低于本地整体经济发展程度。总体来说，上述七省的金融业发展和整体经济发展之间大体一致或低于经济发展的水平，而且这一关系存在着非常大的波动。对这些省份而言，金融资源的流入与流出相对比较频繁，这一方面说明在“中部崛起”的区域发展政策下，中部地区希望借此机会通过提高金融业集聚度来发展经济，另一方面也说明由于本地区经济与东部地区的差距而使得金融资源流出本地区。
安徽金融业区位商检验结果是中部地区唯一处于稳定状态的，但是其金融业区位商均值位于0.6～0.9，集聚度比较低。这说明金融业的发展与安徽整体经济的发展存在一定程度的差距，而且这种差距在30年左右的时间里并没有发生太大的变化，也就是金融业集聚在安徽省保持了一个非常平稳的低水平发展态势。
3. 西部地区。在图3中，西部地区的宁夏、青海、新疆、云南和重庆的区位商大于或接近于1，其他省份的区位商都在0.5～1。宁夏属于稳定的高值组，而青海和重庆则属于不稳定的高值组，云南、新疆属于稳定的较高值组，内蒙古属于稳定的低值组，其他省份则属于不稳定的低值组，特别是西藏属于不稳定的超低值组。
宁夏、青海和重庆同属于高值组，说明三省份的金融业发展快于本省份的整体经济发展程度，但金融业区位商检验结果表明三省份金融业的空间集聚具有不同的态势：宁夏金融业区位商单位根检验结果稳定，说明其金融业发展快于整体经济发展水平的状态并没有出现非常大的波动，也就是金融业在宁夏的空间集聚并没有随着时间变化而呈现出一定的趋势性，而是围绕区位商均值上下波动，也就是说，金融业在宁夏集聚度虽然总体上较高，但并没有在不同年份出现严重偏离经济发展水平的现象，持续性偏离更是没有发生；青海省和重庆市的金融业区位商单位根检验结果为不稳定，说明其金融业发展快于整体经济发展的态势具有很大的波动性，即金融业在这两省份空间集聚呈现出一定的趋势性，而且金融业发展在出现了较大程度的偏离其经济发展水平的状况。
新疆和内蒙古的金融业区位商单位根检验结果为稳定，新疆金融业区位商均值位于0.9～1，内蒙古处于0.6～0.9。这一方面说明新疆的金融业发展与其整体经济发展程度相一致，内蒙古金融业发展程度要慢于其整体经济发展程度；另一方面说明这两省份金融业发展和整体经济发展之间的这种关系并没有出现非常大的波动，即金融业在这两省份的空间集聚并没有随着时间变化呈现出一定的趋势性，也就是金融业的发展状态没有出现严重偏离经济发展水平的现象。
西部地区中的四川、贵州、广西、甘肃、陕西、西藏六省份的金融业区位商检验结果是不稳定，且金融业区位商都低于0.9，其中西藏地区则低于0.6。对于西部地区而言，由于其经济发展水平较东部和中部地区差距较大，因此这种不稳定性说明上述省份都在积极创造条件吸引金融资源的流入，同时经济发展的低水平又导致金融资源流出本省份，但总体而言由净流入而形成的空间集聚与区域经济发展相比仍处于低水平状态。
四、结论
金融业在区域经济发展中发挥着重要作用，而其分布的不均衡无疑会影响到其作用的发挥。比较三地区各省份的区位商均值可以看出，其大体呈现出橄榄形状，也就是区位商高值和低值的省份都较少，大部分位于中值区域。从差异性来看，我国东部地区的金融业集聚要远高于中、西部地区，这尤其以北京和上海两大金融中心为代表；具体表现在区位商均值上东部地区各省份大都在1～2，而中西部地区的各省份则大都集中在0.5～1，这与我国东中西区域经济发展的现实差距相符合。
从区位商的非线性傅立叶函数单位根检验结果来看，在比例上无论东部还是中西部都表现出了很强的不稳定性特征，这种不稳定性表明了金融业集聚的波动性很大。应该说，这种波动性对于促进我国区域经济的协调发展是非常有必要的。从金融业发展与实体经济的关联关系来看，在发展的初期阶段会依附并服务于实体经济；在发展的中期阶段会独立于实体经济，与其平行发展并影响实体经济；成熟阶段就会超越实体经济并对其产生重要作用。在上述过程中，金融业集聚与区域经济在理论上存在着一个最佳匹配度，没有达到或超过最佳匹配度，金融业集聚都不能很好地促进区域经济发展。因此，波动性实质上表明了我国金融业集聚伴随着区域经济发展所进行的调整，也间接反映出各个地区都希望提高金融业集聚水平来发展区域经济，而金融资源的有限性又使得这一过程变得更加复杂，而这种波动性在某种程度上促进了金融资源在区域间的优化配置。但就现实而言，由于东部地区经济发展水平要远高于中西部，因此金融业集聚向东部地区的集聚趋势并不会改变，这就需要从政策上对金融业的空间分布进行均衡。 另一方面也应该看到，在东、中、西部地区都有少数省份的单位根检验结果为稳定，这种稳定性总体而言是不利于区域经济发展。具体来说，对这些省份而言，其金融业集聚处于相对固化状态，也就是对于高值组来说，会存在着金融业的过度集聚，而对于低值组来说，则会存在金融业的集聚不足。金融资源存在着很强的逐利性，要改变这种状态就需要在发挥市场机制作用的同时，更加注重在政策层面上加大其金融业集聚的调整，从而更好地促进我国区域经济的协调发展。
参考文献：
[1]刘红.金融集聚影响区域经济增长的机制研究[D].上海：同济大学博士学位论文，2008.
[2]丁艺，李靖霞，李林.金融集聚与区域经济增长[J].保险研究，2010，（2）.
[3]Enders，W.，and J.Lee.Testing for a Unit Root with a Nonlinear Fourier Function[R].2004.
[4]Enders，W.，and J.Lee.The Flexible Fourier Form and Testing for Unit Roots：An Example of the Term Structure of Interest Rates[R].2009.
[5]Bai J.，and P.Perron.Estimating and Testing Linear Models with Multiple Structural Changes[J].Econometrica，1998，（1）.
[6]Schmidt，P.，and P.C.B.Phillips.LM Test for a Unit Root in the Presence of Deterministic Trends[J].Oxford Bulletin of Economics and Statistics，1992，（3）.
[7]Amsler，C.，and J Lee.An LM Test for a Unit-Root in the Presence of a Structural Change[J].Econometric Theory，1995，（2）.
[8]Chi-Wei Su and Hsu-Ling Chang.Is Per Capita Real GDP Stationary in Central and Eastern EuropeanCountries？Evidence from the Flexible Fourier Test[J].Eastern European Economics，2011，（3）.
[9]Hsu-Ling Chang，De-Chih Liu and Chi-Wei Su.Purchasing Power Parity with Flexible Fourier Stationary Test for Central and Eastern European Countries[J].Applied Economics，2012，（32）.
责任编辑、校对：关 华
关键词：金融业；空间集聚；非线性傅立叶单位根检验
中图分类号：F832.4 文献标识码：A 文章编号：1003-3890（2014）01-0078-06
一、引言
一般来讲，产业的空间分布格局可以分为两种：均匀分布或集聚分布，前者指的是在一定的区域单元上产业的空间分布比较均匀，而后者指的是产业的空间分布存在非常明显的不均衡。就我国的东、中、西部金融业空间分布格局来说，则是属于集聚分布，在这一格局下，有的地区金融业分布非常集中，而有的地区金融业的分布则较少：以东部地区的北京和上海为例，其金融业的空间集聚程度相比国内其他省份高。
金融是现代经济的核心，金融业的发展影响着区域经济的发展水平，地区发展的差异往往和金融产业空间集聚程度的差异联系在一起。金融产业集聚对本地区经济发展具有增长效应（刘红，2008）[1]，而且两者存在长期稳定的互动关系（丁艺，2010）[2]，因此，对区域经济的发展而言，金融集聚的作用就显得非常重要。可以设想，对某一地区而言，如果金融业集聚度低且相对稳定，也就意味着该地区金融业的分布处于一种劣势的固化状态，在这种情况下，金融业集聚度高的地区经济会不断得到发展，而金融业集聚度低的地区经济则会受到抑制，由此则会对金融业集聚更加不利。在上述循环累积因果机制的作用下，强者恒强的“马太效应”就会在金融业集聚中出现，这对更好地促进我国区域经济的协调发展是不利的。
基于上述分析，探讨我国金融业空间集聚的区域分异及其特征就显得非常有必要。本文的研究思路如下：首先，根据相关原始数据计算出各省份1978—2011年的金融业区位商；其次，利用非线性傅立叶单位根检验方法对各省市金融业区位商进行单位根检验；再次，将各省份金融业区位商平均值进行分类并与单位根的检验结果相结合，对我国金融业空间集聚的区域分异及其特征进行分析，最后是结论。
二、研究设计
（一）金融业空间集聚的测度及数据来源
目前衡量产业集聚的指标主要包括空间基尼系数、E-G指数、区位商等，每一种指标都有各自的优缺点。区位商指标由于其计算简单且相关数据比较容易获得，所以在实证研究中得到了较为广泛的应用，本文对金融产业集聚的测度也采用了区位商的方法。其计算公式为：
鉴于数据的可获得性以及完整性，本文选取1978—2011年31个省（市、自治区）的金融业产值以及各地区生产总值的面板数据进行计量分析，时间跨度较长，可以很好地论证本文所要研究的问题。所有原始数据均来源于《国家统计局网站年度数据库》、《新中国六十年统计资料汇编》及《中国金融统计年鉴》。
（二）单位根检验方法
本文采用非线性傅立叶函数的单位根检验方法来分析金融业区位商的波动变化。根据Enders和Lee（2004，2009）[3-4]使用LM原则发展出的单位根检验方法，运用下面的面板数据生成过程：
根据本文研究内容，等式（2），（3）中的t=1，2，…，34，yt表示第t期的金融业区位商，？着t表示随机扰动项。[sin（2？仔kt/T），cos（2？仔kt/T）]的存在使得一个傅里叶表达式可以在任何精确度水平上估计全部的区间函数。在等式（2）中，k代表被选中的近似值的频率，？酌=[？酌1，？酌2]测量频率分量的振幅和移位。通过设定原假设？酌1=？酌2=0，等式（2）的一个可获得的特点是标准的线性模型作为一个特殊的情况产生，即该地区金融业区位商具有线性特征，不能使用非线性傅立叶单位根检验方法。如果存在一个结构断点的话，通常的情况是至少一个频率变量将会出现。如果拒绝原假设（？酌1=？酌2=0），这一系列将会有一个非线性因子，也即该地区的金融业区位商可以使用非线性傅立叶单位根检验方法。
Enders和Lee（2004，2009）基于等式（2）的特性发展了一种检验方法，这种方法在检验未知模型的断点时比Bai和Perron（1998）[5]的标准测试法更具说服力。原假设，？茁=1，存在一个单位根，备择假设为？茁<1。Enders和Lee（2004，2009）使用Schmidt和Phillips（1992）[6]以及Amsler和Lee（1995）[7]的LM方法对原假设施加限制以及使用一阶差分估计（4）式的回归：
如果yt具有一个单位根，则？兹=0并且LM检验统计量（用？子LM表示）是原假设？兹=0的t检验。
三、研究结果分析
研究结果首先分东、中、西三地区列示了各省份金融业区位商的非线性傅立叶函数单位根检验结果，以此为基础，结合各省份金融业区位商均值的不同分类对我国金融业空间集聚的区域分异及其特征进行深入探讨。
（一）单位根检验结果
鉴于我国地域差异以及各地区经济发展水平的不平衡性，本文分东、中、西三地区对我国金融业区位商单位根检验结果进行列示。东部地区主要包括北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南十个省份；本文把东北三省划分到中部地区，所以中部地区主要包括山西、辽宁、吉林、黑龙江、安徽、江西、河南、湖北、湖南九个省份；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、西藏、陕西、甘肃、青海、宁夏、新疆十二个省份。 以下是东、中、西地区各省份金融业区位商非线性傅立叶函数的单位根检验结果[9]。
1. 东部地区。由表1可以看出，东部地区只有福建省的金融业区位商不能使用非线性傅立叶单位根检验，这说明了福建省金融业发展态势的不稳定性。天津市和江苏省都在1%的显著性水平上拒绝存在单位根假设，说明两省份的金融业发展态势稳定；北京、河北、上海、浙江、山东、广东、海南各省份的金融业区位商进行非线性傅立叶单位根检验的结果都是接受原假设，也就是金融业的发展态势为不稳定。
2. 中部地区。由表2可以看出，中部地区山西省和河南省的金融业区位商不能使用非线性傅立叶单位根检验，这说明两省金融业发展态势具有不稳定性。辽宁、吉林、黑龙江、江西、河南、湖北、湖南各省的金融业区位商进行非线性傅立叶单位根检验的结果是接受原假设，说明金融业的发展态势是不稳定的；安徽省的金融业区位商在5%的显著性水平上拒绝存在单位根假设，表明安徽省金融业发展态势稳定。
3. 西部地区。由表3可以看出，西部地区的内蒙古、云南、宁夏、新疆等省份的金融业区位商通过进行非线性傅立叶单位根检验，都在1%的显著性水平上拒绝存在单位根的原假设，也即四省份的金融业发展态势稳定；广西、重庆、四川、贵州、西藏、陕西、甘肃、青海各省份的金融业区位商单位根检验的结果是接受存在单位根的原假设，也即各省份的金融业发展态势不稳定。
（二）金融业空间集聚的区域分异及其特征
将单位根检验结果与进一步细分的金融业区位商均值相结合得到表4，该表明确显示出了我国金融业的空间集聚格局。
由表4可以看出，在31个省份中，共有7个省份的区位商检验结果为稳定，占到22.58%，其中东部地区为江苏和天津，中部地区为安徽，西部地区为宁夏、云南、内蒙古和新疆；从区位商的具体数值来看，东部地区的江苏和西部地区的宁夏在1～2，呈现出非常明显的集聚效应态势，东部地区的天津和西部地区的云南、新疆在0.9～1，呈现出一定程度的集聚效应态势，而中部地区的安徽和西部地区的内蒙古则在0.6～0.9，集聚效应并不明显。24个省份的区位商检验结果为不稳定，占到77.42%，其中东部地区为北京、上海、福建、浙江、河北、广东、山东、海南，中部地区为山西、辽宁、吉林、河南、黑龙江、江西、湖北、湖南，西部地区为重庆、青海、四川、贵州、广西、甘肃、陕西、西藏。从区位商的具体数值来看，东部地区北京和上海的金融业区位商均值高于2，远大于我国其它地区；东部地区的福建、浙江和中部地区的山西以及西部地区的重庆、青海在1～2，呈现出了非常明显的金融集聚态势；东部地区的河北、广东和中部地区的辽宁、吉林在0.9～1，说明四省的金融业形成了一定程度的集聚效应；而东部地区的山东和中部地区的河南、黑龙江、江西、湖北、湖南以及西部地区的四川、贵州、广西、甘肃、陕西在0.6～0.9，金融业集聚效应不是很明显；尤其是东部地区的海南和西部地区的西藏金融业区位商均值小于0.6，两地区的金融业不具有集聚态势。
在对表4进行总体分析的基础上，下面再分地区对我国金融业空间集聚的区域分异及其特征进行具体分析。
1. 东部地区。在图1中，除去山东和海南，东部地区其他省份的金融业区位商都在0.9以上，北京和上海更是超过了2，不存在低值组和超低值组。金融作为一种资源，具有逐利的特性，往往流向经济发达，资源利用率和回报率高，风险小的地区，我国经济发达地区主要集中在东部地区，所以东部地区的金融业集聚度比较高。具体而言，由于实体经济发展程度远远高于我国其他地区，且产业集聚优势明显，吸引大量资本流入，相应地衍生出与金融业相关的多样化金融机构，这反过来更加促进了金融业的进一步集聚。
环渤海、长三角和珠三角是目前我国经济最富活力的地区，上述这些地区都位于我国东部。环渤海地区主要以北京为中心形成金融业集聚，天津和河北地区由于距离北京较近，北京的金融业集聚对这两地区的辐射效应也较强。因此，总体来看，上述三省份的金融业集聚度都比较高。长三角地区的上海、江苏和浙江则形成以上海为中心的金融业集聚格局，总体集聚程度则高于环渤海地区，这也凸显了长三角地区在我国经济格局中的重要地位。珠三角地区的广东金融业集聚度则略输于环渤海和长三角地区，随着深圳金融业中心的形成与发展，可以预期其集聚度会逐步提高。
在东部地区，江苏和天津两省份金融业区位商的检验结果为稳定，同时江苏属于高值组，而天津则属于较高值组，这一方面说明这两省份金融业的发展要快于或接近于本省（市）整体经济的发展，另一方面也说明金融业发展和整体经济发展之间的这种关系并没有出现非常大的波动，也就是金融业在这两省份的空间分布并没有随着时间变化而呈现出一定的趋势性，而是围绕区位商均值上下波动，也就是金融业在这两省份的集聚度虽然总体上较高，但并没有在不同年份出现严重偏离经济发展水平的现象，持续性偏离更是没有发生。这说明对这两省份而言，虽然金融业集聚度一直较高，但其金融业的发展基本是非常平稳的，这与北京、上海两金融中心的辐射影响有关。
北京、上海、福建、浙江、河北、广东、山东、海南的金融业区位商的检验结果为不稳定，同时各省份的金融业发展程度表现出较大的差异：北京、上海、福建、浙江的金融业区位商处于高值组中，说明这四省份金融业的发展要快于本地区整体经济的发展；河北、广东两省的金融业区位商位于较高值组中，说明两省的金融业发展大体接近本省整体经济发展程度；山东和海南两省的金融业发展程度远远落后于东部地区其他省份，对于经济发展较好的山东地区而言尤其如此。总的来说，单位根检验结果表明金融业在上述各省份的空间集聚并不是围绕着区位商均值上下波动，而是随着时间的变化呈现出一定的趋势性（上升或下降），金融业在不同的年份出现了严重偏离经济发展水平的现象，并且偏离具有一定程度的持续性。具体而言，对于北京和上海来说，这意味着其全国金融业中心的地位在进一步加强，对于其他省份而言，则意味着东部地区经济的快速发展导致了金融业空间集聚的大幅度调整。 2. 中部地区。在图2中，中部地区除去山西之外，其他地区的区位商都在0.5～1，相比东部地区明显较低。山西属于不稳定的高值组，而安徽属于稳定的低值组，其他省份均处于不稳定的低值组，总体看来中部地区金融业集聚的波动程度比较大。一般来说，欠发达地区的金融资源会流向发达地区以获得资源收益的最大化。中部地区经济尤其是实体经济的发展程度远低于东部地区，具有逐利性的金融资源会从中部地区流向东部经济发达地区，所以说金融业在中部地区集聚的波动与此原因有着密切关系。可以预期，在未来相当长的时期内，伴随着中部地区经济的变化，其各省份的金融业集聚还会有较大的波动。
山西省的金融业区位商检验结果是不稳定的，且属于高值组，这一方面说明山西省的金融业发展要快于本省整体经济发展，另一方面也说明山西省金融业发展和整体经济发展之间的这种关系出现了非常大的波动，即金融业在山西省的空间集聚并不是围绕区位商均值上下波动，而是呈现出一定的趋势性，也就是说山西省金融业在不同年份发展中出现严重偏离整体经济发展水平的现象，并且这种偏离具有持续性。山西作为中国“煤都”，在煤炭资源开采的过程中对资金量的需求是非常大的，由此带来金融业的快速发展，由于资源型经济发展过程中受资源环境约束的影响较大，因此，其金融业的发展也面临着一定程度的不确定性，从而使得金融业集聚出现较大波动。
辽宁、吉林、河南、黑龙江、江西、湖北、湖南的金融业区位商检验结果为不稳定，其中辽宁、吉林两省的区位商处于0.9～1，说明辽宁和吉林两省的金融业发展和本省整体经济发展程度大体一致；河南、黑龙江、江西、湖北、湖南的区位商处于0.6～0.9的低值组，说明了五省的金融业发展程度远远低于本地整体经济发展程度。总体来说，上述七省的金融业发展和整体经济发展之间大体一致或低于经济发展的水平，而且这一关系存在着非常大的波动。对这些省份而言，金融资源的流入与流出相对比较频繁，这一方面说明在“中部崛起”的区域发展政策下，中部地区希望借此机会通过提高金融业集聚度来发展经济，另一方面也说明由于本地区经济与东部地区的差距而使得金融资源流出本地区。
安徽金融业区位商检验结果是中部地区唯一处于稳定状态的，但是其金融业区位商均值位于0.6～0.9，集聚度比较低。这说明金融业的发展与安徽整体经济的发展存在一定程度的差距，而且这种差距在30年左右的时间里并没有发生太大的变化，也就是金融业集聚在安徽省保持了一个非常平稳的低水平发展态势。
3. 西部地区。在图3中，西部地区的宁夏、青海、新疆、云南和重庆的区位商大于或接近于1，其他省份的区位商都在0.5～1。宁夏属于稳定的高值组，而青海和重庆则属于不稳定的高值组，云南、新疆属于稳定的较高值组，内蒙古属于稳定的低值组，其他省份则属于不稳定的低值组，特别是西藏属于不稳定的超低值组。
宁夏、青海和重庆同属于高值组，说明三省份的金融业发展快于本省份的整体经济发展程度，但金融业区位商检验结果表明三省份金融业的空间集聚具有不同的态势：宁夏金融业区位商单位根检验结果稳定，说明其金融业发展快于整体经济发展水平的状态并没有出现非常大的波动，也就是金融业在宁夏的空间集聚并没有随着时间变化而呈现出一定的趋势性，而是围绕区位商均值上下波动，也就是说，金融业在宁夏集聚度虽然总体上较高，但并没有在不同年份出现严重偏离经济发展水平的现象，持续性偏离更是没有发生；青海省和重庆市的金融业区位商单位根检验结果为不稳定，说明其金融业发展快于整体经济发展的态势具有很大的波动性，即金融业在这两省份空间集聚呈现出一定的趋势性，而且金融业发展在出现了较大程度的偏离其经济发展水平的状况。
新疆和内蒙古的金融业区位商单位根检验结果为稳定，新疆金融业区位商均值位于0.9～1，内蒙古处于0.6～0.9。这一方面说明新疆的金融业发展与其整体经济发展程度相一致，内蒙古金融业发展程度要慢于其整体经济发展程度；另一方面说明这两省份金融业发展和整体经济发展之间的这种关系并没有出现非常大的波动，即金融业在这两省份的空间集聚并没有随着时间变化呈现出一定的趋势性，也就是金融业的发展状态没有出现严重偏离经济发展水平的现象。
西部地区中的四川、贵州、广西、甘肃、陕西、西藏六省份的金融业区位商检验结果是不稳定，且金融业区位商都低于0.9，其中西藏地区则低于0.6。对于西部地区而言，由于其经济发展水平较东部和中部地区差距较大，因此这种不稳定性说明上述省份都在积极创造条件吸引金融资源的流入，同时经济发展的低水平又导致金融资源流出本省份，但总体而言由净流入而形成的空间集聚与区域经济发展相比仍处于低水平状态。
四、结论
金融业在区域经济发展中发挥着重要作用，而其分布的不均衡无疑会影响到其作用的发挥。比较三地区各省份的区位商均值可以看出，其大体呈现出橄榄形状，也就是区位商高值和低值的省份都较少，大部分位于中值区域。从差异性来看，我国东部地区的金融业集聚要远高于中、西部地区，这尤其以北京和上海两大金融中心为代表；具体表现在区位商均值上东部地区各省份大都在1～2，而中西部地区的各省份则大都集中在0.5～1，这与我国东中西区域经济发展的现实差距相符合。
从区位商的非线性傅立叶函数单位根检验结果来看，在比例上无论东部还是中西部都表现出了很强的不稳定性特征，这种不稳定性表明了金融业集聚的波动性很大。应该说，这种波动性对于促进我国区域经济的协调发展是非常有必要的。从金融业发展与实体经济的关联关系来看，在发展的初期阶段会依附并服务于实体经济；在发展的中期阶段会独立于实体经济，与其平行发展并影响实体经济；成熟阶段就会超越实体经济并对其产生重要作用。在上述过程中，金融业集聚与区域经济在理论上存在着一个最佳匹配度，没有达到或超过最佳匹配度，金融业集聚都不能很好地促进区域经济发展。因此，波动性实质上表明了我国金融业集聚伴随着区域经济发展所进行的调整，也间接反映出各个地区都希望提高金融业集聚水平来发展区域经济，而金融资源的有限性又使得这一过程变得更加复杂，而这种波动性在某种程度上促进了金融资源在区域间的优化配置。但就现实而言，由于东部地区经济发展水平要远高于中西部，因此金融业集聚向东部地区的集聚趋势并不会改变，这就需要从政策上对金融业的空间分布进行均衡。 另一方面也应该看到，在东、中、西部地区都有少数省份的单位根检验结果为稳定，这种稳定性总体而言是不利于区域经济发展。具体来说，对这些省份而言，其金融业集聚处于相对固化状态，也就是对于高值组来说，会存在着金融业的过度集聚，而对于低值组来说，则会存在金融业的集聚不足。金融资源存在着很强的逐利性，要改变这种状态就需要在发挥市场机制作用的同时，更加注重在政策层面上加大其金融业集聚的调整，从而更好地促进我国区域经济的协调发展。
参考文献：
[1]刘红.金融集聚影响区域经济增长的机制研究[D].上海：同济大学博士学位论文，2008.
[2]丁艺，李靖霞，李林.金融集聚与区域经济增长[J].保险研究，2010，（2）.
[3]Enders，W.，and J.Lee.Testing for a Unit Root with a Nonlinear Fourier Function[R].2004.
[4]Enders，W.，and J.Lee.The Flexible Fourier Form and Testing for Unit Roots：An Example of the Term Structure of Interest Rates[R].2009.
[5]Bai J.，and P.Perron.Estimating and Testing Linear Models with Multiple Structural Changes[J].Econometrica，1998，（1）.
[6]Schmidt，P.，and P.C.B.Phillips.LM Test for a Unit Root in the Presence of Deterministic Trends[J].Oxford Bulletin of Economics and Statistics，1992，（3）.
[7]Amsler，C.，and J Lee.An LM Test for a Unit-Root in the Presence of a Structural Change[J].Econometric Theory，1995，（2）.
[8]Chi-Wei Su and Hsu-Ling Chang.Is Per Capita Real GDP Stationary in Central and Eastern EuropeanCountries？Evidence from the Flexible Fourier Test[J].Eastern European Economics，2011，（3）.
[9]Hsu-Ling Chang，De-Chih Liu and Chi-Wei Su.Purchasing Power Parity with Flexible Fourier Stationary Test for Central and Eastern European Countries[J].Applied Economics，2012，（32）.
责任编辑、校对：关 华