第30卷第1期技术经济, 2011年1月]an. , 2011 Technology Economics 金融集聚与产业结构的空间关联机制研究石沛，蒲勇健(重庆大学经济与工商管理学院，重庆400030)摘要:利用Moran指数和地理加权回归模型，从空间依赖性和空间异质性两方面阐释我国金融集聚程度、产业结构空间分布特征及两者在地理空间上的关联性。结果表明z我国金融集聚与产业结构空间分布特征相似，各自存在显著的空间依赖性g金融聚集与产业结构的"交叉"空间依赖性与相互影响程度具有不对称的特点。进而椎断两者间的关联机制为2产业结构的调整在空间上带动金融集聚的发展，同时金融集聚对产业结构发挥促进的反作用力。关键词:金融集聚;产业结构中图分类号:;文献标识码:A文章编号:1002-980X( 2011 )01-0039-06 的自我强化性使金融机构在一个区域内的集聚对其1 文献回顾他金融参与者产生吸引力。Sassen[4]则从全球化角金融是现代经济的核心。伴随着信息通信技术度探讨全球资本市场转移及发展方向，进而分析金的飞速发展，虽然许多金融功能已克服了地理空间融中心的形成原因。国内学者黄解宇和杨再斌[5J认上的限制，能够在相隔遥远的不同地理区域以低成为:金融集聚随着产业集聚的形成而发展，金融本身本快捷地实现，但金融服务业的空间集聚现象仍日的高流动性加速了集聚;规模经济效应以及不对称趋明显，产业集群巳成为现代金融产业组织的基本信息和默示信息所要求的金融主体的空间邻近能促形式。自货币地理学者明确推翻"新通信技术的应进金融集聚的形成。用将导致地理学终结"这一观点之后，金融的空间分有关金融集聚的研究多从影响因素、时空动态析逐渐纳入学者们的分析框架。同时，我国地域广演进与经济增长的关系等角度展开。任英华[6J等通阔、资源分布不均衡、地理自然条件以及经济制度环过构建空间计量模型，揭示了区域创新、经济基础、境存在差异等状况，导致了我国区域产业结构具有对外开放、人力资本等因素对金融集聚的客观影响。多样性与差异性(如区域FDI的引进对产业结构的管驰明、徐爱华[7J从时间、空间、指标3个维度对金影响[1忡。在考虑空间经济外溢性的条件下，区域产融集聚的影响因素和发展趋势进行分析，系统考察业结构的空间依赖性逐渐突出，周边区域产业结构了金融服务业集聚的动态演进过程及其特点。丁艺水平对一个地区的产业结构变化的影响越来越显等问从银行、证券、保险三方面分析了中国金融集聚著。理论上，产业结构的调整促使劳动力、资本等社程度，并采用省际数据检验了金融集聚对区域经济会资源实现优化配置，由此产生的资源流动与市场增长的影响。需求变化对金融业的发展起到至关重要的带动作国内外对金融集聚的研究尚处于起步阶段，而对用;金融业的发展水平也在很大程度上影响了产业产业结构的传统探索已趋成熟。值得一提的是，高远结构调整的速度和效率。因此，从空间的角度研究东、陈迅[9J从空间计量经济学角度开拓性地阐释了我金融集聚与产业结构的关联机制，为政府部门制定国省域产业结构的空间依赖性与空间异质性。合理的金融布局和产业发展政策提供科学参考依据现有文献对金融集聚与产业结构分别进行了不就显得尤为重要。同程度的纵深研究，但并未解释二者的空间关系。金融集聚理论在近几十年才得以兴起和发展。本文的创新点在于:从空间经济学的视角出发，以空Kindleberger[2]与Tschoegl阳认为，外部规模经济间计量模型为桥梁来探究金融集聚与产业结构在地收稿日期:2010-10-12 作者简介:石沛0986-)，男，河北部郭人，重庆大学经济与工商管理学院硕士研究生，研究方向z金融市场与证券投资;蒲勇健0961-)，男，重庆人，重庆大学可持续发展研究院副院长、教授，博士生导师，经济学博士，研究方向z博弈论与人力资源。39
技术经济第30卷第1期理空间上的关联性。表示第i个地区的观察值n为地区总数Wij为二进制的邻接权重矩阵，表示其中任一元素，采用邻接2 空间计量模型与方法标准或距离标准，其目的是定义空间对象的相互邻根据空间统计学与空间计量经济学的基本原接关系。理，金融集聚与产业结掏的空间关联机制研究思路根据数据的分布可以计算状态分布Moran1的如下:首先采用空间统计分析Moran指数法检验金期望值和方差z融集聚与产业结构的空间依赖性及依赖关系;然后En(J) =-1/(η-1); 2从空间异质性的角度，采用地理加权回归模型分析nWl +nw，十3w~VaRn (J) = ,. ~1I '''~;':::O-E:(J)。(3) Z ω~ (n-1) 金融集聚与产业结构间的相互影响程度;最后得出式(3)中:相应结论及推论。 指标选取即o= ~~叫; 金融集聚程度指标反映金融集聚程度的指标有很多。近年来，国Wl=÷ZE(叫+叫)2 ; 际上衡量产业集聚程度的指标不断优化，目前主要有六种z区位恼系数(LQ)、空间基尼系数(G)、G指W2 ~(Wi. +)2。数、赫芬达指数(H)、CAD指数和产业地理集中指Wi和w-J分别为空间权值矩阵的i行和j列之数(EG指数)。区位恼系数是衡量产业专业化的重和。要指标，它能够充分比较区域生产水平与全国平均利用式(2)即可检验n个区域是否存在空间自生产水平，确定该地区产业集中状况在全国所处的相关关系。位置。为比较各地区的金融集聚程度，本文选择区Moran 1的正态统计量Z值可以检验空间自相位恼系数(LQ)，利用从业人员数测算我国金融服务关关系的显著性。业的区域集聚程度。计算公式如下zMoran I -E( J) LQ = (EidEJ/(EkdEkL (1) (4) Z(d) = 一一一一一..JVaR(J) 式(1)中Eij指区域i内产业j的就业人数;Ei本文将对反映金融集聚程度的区位恼系数和产指区域i内的总就业人数;Ekj指国家或省份h内产业结构指标进行Moran1指数的测算与检验。业j的总就业人数，Ek指国家或省份h内的总就业 空间异质性处理人数。LQ是-个特定区域中某产业占有份额与整当用横截面数据建立计量经济学模型时，数据个经济中该产业占有份额的比值。LQ越大，说明在空间上表现出的复杂性、自相关性和变异性，使得该区域的金融集聚程度越高。一般认为，如果LQ解释变量对被解释变量的影响在不同区域可能是不大于1，意味着某产业在区域比较重要。但也有学同的，因此假定区域经济行为在空间上具有异质性者(如Martin和Sunley[lO])根据LQ大于或应该更加符合现实。由此，本文采用纳入空间效应大于3来判断产业集聚程度。的空间变系数回归模型一一地理加权回归模型(ge 产业结构指标ographically weighted regression, G W邸，它是一种本文以二、三产业产值之和占地区生产总值的解决空间异质性的有效方法。比重来度量各省份的产业结构水平，将其记作IS假定有系列解释变量观测值{xη}及系列被解(industrial structure)。释变量{Yj}，经典的全域线性回归模型如式(5)所 空间依赖性检验刁亏。空间统计学一般使用空间统计量一一空间自相关指数(Moran1)检验区域经济变量的空间依赖性Yi =品+~Xijßj+μi=1，2，...，m;j=， (空间自相关性)存在与否，Moran1的计算公式为: ,n)o (5) 2:: 2:: W(Y-y) ij j 式(5)中E是整个回归模型的随机误差项，满Moran I二二二1-1.二1(2) 足球形扰动假设，回归系数卢被假定为一个常数。S2 2:: 2:: W ij 模型参数品的估计一般采用经典的普通最小二乘(OLS)法。地理加权回归模型是一种相对简单的回式(2)中:S2=i〉:(YzY);于=1.-J;Yi ;Yi 归估计技术，它扩展了普通线性回归模型(5)。在扩n i=l n i=l 40
石沛等2金融集聚与产业结构的空间关联机制研究展的GWR模型中，特定区位i的回归系数不再是准确性的判定指标;当n/是<40时，一般使用AIC，利用全域信息获得的假定常数品，而是利用邻近观值。本文中，n = 31 , k = 4, n/ k < 40，故采用AICc测值的子样本数据信息进行局域回归估计而得的、准则。随着空间上局部地理位置变化而变化的变数品。3 实证结果分析GWR模型可以表示为: 金融集聚与产业结构的空间分布Yi =β(Ui ,Vi) + ~β(Ui ，Vi)Xη十εi0 (6) 为揭示我国金融集聚与产业结构的空间分布现j=l 式(6)中2系数品的下标j表示与观测值联系的状，本文利用2008年省域相关数据，对区位恼系数、mX 1阶待估计参数向量，是关于地理位置(Ui叫)产业结构指标进行了测算，如表1。按东、中、西部的k+1元函数。运用GWR模型可以对每个观测的划分，LQ系数和IS指标都依次降低，大致反映值估计出是个参数向量的估计值。E是第i个区域的了我国金融业与产业结构在地理空间上的层次性;随机误差，满足零均值、同方差、相互独立等球形扰按分位数把LQ系数和IS指标值各分为4组，在地动假定。如果品(U，V)在空间中保持不变，则模型图上的表现如图1、图2所示。颜色越深，表示数值(6)就变为了全局模型(5)。因此，GWR模型认可越大。数据在各省份(自治区、直辖市)呈现出显著空间变化关系可能是存在的，并提供了一种可度量的差异性。LQ系数和IS指标较大的省份多集中的方法[I1J。在东部沿海地区和部分中部地区，西部内陆省份在Fotheringham、Brunsdon、Char!ton[l2J依据"接金融集聚程度和产业结构调整方面都处于较低水近位置z的观察数据比那些离位置i远一些的数据平。对向(矶，Vi)的估计有更多的影响"的思想，利用加表1我国省域金融集裹区位娟系组与产业结构指标权最小二乘法来估计参数，得地区LQ系数15指标地区LQ系数15指标卢(Ui,Vi) = (xrW(Ui ,v,)X)-J xrW(Ui ,v)Y(7) o 东部1. 2966 江苏O. 9981 O. 9307 中部O. 8404 江西 其中，W是空间权重矩阵。西部 河北1. 0600 在实证分析中，常用的空间权重函数主要有高上海 河南O. 6434 斯函数和双重平方函数，如下=军南 浙江1. 2056 O. 9490 τVij = exp[一(的/的2J;(8) 内蒙古1. 4289 海南 ij北尽 湖北 WV=(〔1一叫川，d< b (9) 吉林1. 4222 湖南O. 7500 0，其他四川O. 6431 甘肃 其中:b是带宽;dij是样本点i和1的距离。天津2. 1436 O. 9807 福建 Cleveland[叫、Bowman[叫提国际上普遍采用宁夏1. 5167 西藏 出交叉确认(cross-valida tion, CV)的方法来确定带安徽 贵州 宽b。山东O. 9580 辽宁1. 7192 山西1. 5334 O. 9564 重庆 cv = ~ [Yi - "’i (b) J2 0 (10) 广东1. 1317 陕西 广西 O. 7973 青海1. 0251 其中，如i(b)是Yi的拟合值，在刻画过程中省新疆1. 3804 黑龙江1. 2740 略了点i的观测值。当CV值达到最小值时，对应的b就是所需的带宽。由于采用不同的空间加权函数会得到不同的带宽，为了取得最优带宽，使GWR模型的AIC值最小的做法并不确切，因此本文利用Hurvich和Tsai[15J提出的AICc(CorrectedAIC)准则。Burnham[J町等对AIC与AICc的选择有更为深入的研究2AIC = 2走一21nL(k为回归等式中自变量的个数十3)。AIC, = AIC+2k(k十1)/(η-k-1)(n为样本数)。圄1区位摘空间分布地图当n/k> 40时，一般采用AIC值作为模型预测41
技术经济第30卷第1期程度。空间异质性(空间非平稳性)表现为:随着空间位置的变化，同一因素在不同地区间的影响力差异。我国省域差异明显，为体现空间非平稳性，本文将采用传统OLS与GWR模型对比的方式研究金融集聚与产业结构间的相互影响。首先，以LQ系数为被解释变量、以IS指标为解释变量，分别作OLS估计与GWR估计，估计结果见表3。由表3可知，OLS估计的系数显著，但整图2产业结构水平空间分布地图体的拟合度较低。仅考察金融集聚与产业结构二者间的关系，可以认为，从全局来看，产业结构是金融 金融集聚与产业结构的关联机制集聚的重要影响因素，其对金融集聚程度的"解释 关联方向分析力"为%。从表4中看出，GWR估计整体上显考虑到数据的空间依赖性，本文将从Moran指著，数据拟合度明显提高，产业结构水平对金融集聚数的角度来研究金融集聚与产业结构的关联方向。程度的"解释力"提升为%。从表5所示的方表2中，LQ、IS的Moran指数分别表示区域金融差分析结果可知，GWR模型的残差平方和大幅降集聚、产业结构的空间自相关程度;LQ-lS的Moran低，因两模型的AIC，值差别较小，可以认为GWR指数表示"地区金融集聚与周边区域产业结构的空|回模型比传统OLS估计在处理空间数据上更有优势，自相关程度";I5-LQ的Moran指数表示"地区产业结金融集聚与产业结构存在明显的空间差异。构与周边区域金融集聚的空间自相关程度"。各Mo表3LQ-IS的OLS估计ran指数的正态统计量Z值均大于正态分布函数在显著性水平下的临界值() ，表明各指标在省域地理空间上存在明显的正自相关关系(即空间依赖性)，并非完全随机，而是表现出某些省域的相似值之间在空间上趋于集聚的特征。对表2中的指标分析，表4LQ-IS的GWR估计系鼓概要具体表述如下:(1)我国省域金融业的发展存在显著的空间依赖性，金融集聚现象明显;(2)产业结构类似的省份在空间上也表现出显著的集聚现象;(3)某→地区的金融集聚程度依赖于周边区域的金融集聚程度，同表5GWR估计的方差分析(ANOVA)检验时也受到周边区域产业结构水平的影响川的某一地来源区的产业结构水平依赖于周边区域的产业结构水OLS Residuals GWR改善平，同时，也受到周边区域金融集聚程度的影响;(5)GWR Residuals LQ-lS的Moran指数比IS-LQ的Moran指数大，表明金融集聚程度对周边区域产业结构水平的依赖然后，以IS指标为被解释变量、以LQ系数为性比产业结构水平对周边区域金融集聚程度的依赖解释变量，分别作OLS估计和GWR估计。与以上性更大。分析类似，金融集聚也是产业结构的重要影响因素，表2金融集聚与产业结构的Moran指数其对产业结构的"解释力"从%提升为62%。传统OLS估计并未体现二者之间的解释力差异(同为%)，而GWR估计表明，产业结构对金融集聚的解释力比金融集聚对产业结构的解释力稍强(与表2中依赖程度的分析相互印证)。由此，我国金融集聚与产业结构的关系可以理解为2随着城市 关联程度分析化进程的发展，产业结构的不断调整形成对金融业考虑到数据的空间异质性，本文采用地理加权发展的强烈需求;在地理空间上，金融集聚现象将跟回归(GWR)模型分析金融集聚与产业结构的关联随产业结构水平的集聚来布局，从而表现出空间布42
石沛等2金融集聚与产业结构的空间关联机制研究局上的相似性;同时，金融集聚效应对产业结构的调按IS的系数降序划分梯度，第一梯度~ 整也呈现促进的反作用力。)包括浙江、江苏、山东、上海、河北、天津、北京F第二梯度 ~ 13. 98)包括安徽、山西、辽宁、表6IS-LQ的OLS估计吉林、内蒙古、黑龙江、河南;第三梯度( ~ 11. 27)包括宁夏、陕西、福建、甘肃、江西、湖北、新 疆、青海、四川、西藏、重庆、湖南、云南、海南、广东、R'=;F统计量=; P<O. 001; A1Cc= 广西、贵州。梯度的划分与东、中、西部的划分在主要省份上吻合，从产业结构对金融集聚的带动性角表7IS-LQ的GWR估计系敛概要度体现了我国经济发展的层次性。袭8GWR估计的方差分析(ANOVA)检验自由世l出肯惺粪l来源OLS Residuals GWR改善最后，本研究利用GWR模型从局部区域分析GWR Residuals 金融集聚与产业结构之间的关联程度。表9GWR模型估计结果地区C 1S t值R’ 地区C LQ t值R’ 浙江 贵州 1. 95 江苏 3. 88 O. 62 -zs;南O. 78 O. 64 山东一 4. 10 广西O. 78 上海 重庆O. 79 河北 四川 4. 59 天津 广东O. 80 4. 13 北尽11. 80 3. 19 湖南 安徽11. 27 宁夏 山西 O. 70 新疆 O. 53 辽宁 13. 13 海南 吉林-10. 17 湖北 内蒙古一 4. 10 。70甘肃 黑龙江 西藏 河南 陕西 宁夏 11. 27 O. 65 青海O. 80 3. 90 陕西 11. 04 内蒙古 福建 4. 20 北尽 O. 74 甘肃 4. 12 O. 63 吉林 3. 50 江西 3. 70 天津 湖北7. 50 山西O. 84 O. 73 新疆一 江西 3. 53 青海 3. 13 河北O. 85 2. 50 四川 6. 19 河南 4. 32 。因63西藏 福建 3. 40 重庆4. 79 6. 55 1. 89 辽宁 O. 64 湖南 O. 60 黑龙江 Z王南 2. 14 上海 海南 安徽 广东 1. 67 山东 广西 1. 69 江苏 贵州 1. 13 浙江 按LQ的系数降序排列来看，主要趋势为:西部的发展对区域产业结构乃至经济增长的影响较为明省份LQ系数最大，中部省份次之，东部省份最小。显，由此印证在西部地区建立金融中心以缩小东西这表明金融集聚对产业结构优化调整的影响具有部产业结构、经济发展水平差异的政策合理性。"边际报酬递减"特征。在西部与中部地区，金融业从系数的显著性t值分析，重庆、广东、广西、贵43
技术经济第30卷第1期[3J TSCHOEGL A banking centers, geogra›州的产业结构对金融集聚的带动性在现阶段较弱;phy, and foreign banks [J]. Financial Markets, 目前，贵州的金融集聚对产业结构的推动力不明显。Institutions&.Instruments, 2000,9 (1) : 1可从局部拟合度R可以看出，不同区域范围，金融集[ 4J SASSEN S. The Locational and Institutional Embedded›聚与产业结构之间的相互影响程度不同，空间差异ness of Electronic Markets: The Case of the Global Cap›明显。ital Markets [M]. Cambridge U niversity Press, 2004: 224-246 4 结论[5J 黄解字，杨再斌.金融集聚论2金融中心形成的理论与实践解析[MJ园中国社会科学出版社，2006:256→273.本文通过构建空间计量模型揭示了我国省域金[6J 任英华，徐玲，游万海.金融集聚影响因素空间计量模型及融集聚与产业结构的空间关联机制现状(若仔细考其应用[J].数量经济技术经济研究，2010(5):104-115. 察两者间的关联趋势，可以考虑使用多年数据进行[7J 管驰明，徐爱华.基于面板数据的长三角金融业集聚动态研究[J].商业研究，2010(7):22-25. 分析)，从方向与程度两方面推知金融集聚与产业结[8J 丁艺，李靖霞，李林.金融集聚与区域经济增长基于省构的空间关系:随着城市化进程的发展，产业结构的际数据的实证分析口].保险研究，2010(2):20-30. 不断调整形成对金融业发展的强烈需求;在地理空[9J 高远东，陈迅中国省域产业结构的空间计量经济研究间上，金融集聚现象将跟随产业结构水平的集聚来[J].系统工程理论与实践，2010(6):93-101.布局，从而表现出空间布局上的相似性。同时;金融[10J MARTIN R. The nw eonomic gography of money [CJ/ / MARTIN R. Money the space economy. Chichester: 集聚效应对产业结构的调整也呈现促进的反作用John Wiley &. Sons,1999:3-27. 力。[11J 苏方林.省域R&.D知识溢出的GWR实证分析[J].数量在分析的过程中，本文印证了在西部地区建立经济技术经济研究，2007(2沁145…153.金融中心以缩小东西部产业结构、经济发展水平差[12J FOTHERINGHAM A S, CHARLTON M E, BRUNS-异的政策合理性，并体现我国经济发展、产业结构、DON C. The geography of patameter space:an investiga›tion into spatial non-stationarity [JJ. International Jour-金融集聚的层次性和区域差异性。nal of GIS 10,1996(5) :605-627 本文从细节处把握了模型的选择与设定(如口3JCLEVELAND W S. Robust locally weighted regression AIC与AICc的区分)，为行文简沽，省略了局部and smoothing scatterplots[J]. Journal of the American Moran指数散点图中更为细致的考察。当然，本研Statistical Asso口ation，1979(3) :829 836. 究仍可以从时间维度、经济距离等角度做进一步的[14J BOWMAN A W. An Alternative Method of Cross-vali›dation for the Smoothing of Density Estimates [JJ. Bi 加强和改进。ometrika, 1984(6): 353-360. 参考文献[15J HURVICH C M, TSAI C. Regression and time series model selection in small samples [J]. Biometrika, 1989 [IJ 王海军.FDI与中国产业结构变迁:协整检验与分析[JJ.(2) :297-307. 技术经济，2009ω): 35-38. [l6J BURNHAM K p, ANDERSON D R. Model Selection [2J KINDLEBERGER C P. The Formation of Financial Cen›and Inference: A Practical Information-theoretic Ap ters: A Study of Comparative Economic History [M]. proach[M]. New York: Springer-Verlag, 1998: 126-133. Princeton University Press, 1974: 329-334. Analysis on Spatial Correlation Mechanism between Financial Agglomeration and Industrial Structure Shi Pei,Pu Yongjian (School of Economics and Business Administration,Chongqing University,Chongqing 400030,China) Abstract: This paper uses Moran’s index and geographically weighted regression model to explain financial agglomeration, industry structure and the spatial correlation mechanism between them from two aspects of spatial dependence and spatial heterogeneity. The results show as fol›lows: financial agglomeration and indust口alstructure share a similar spatial distribution, and takes on significant spatial dependence separately; financial agglomeration and industrial structure have asymmetric characteristics in the aspects of cross spatial dependence and mutual influence. Therefore, the correlation mechanism between financial agglomeration and industrial structure are inferred that the adjustment of industrial structure can promote the development of financial agglomeration in space, and financial agglomeration plays a catalytic reaction to industrial structure. Key words: f nancial agglomeration:industrial structure 44
