李 倩，息巨迎

(沈陽工業(yè)大學(xué) 經(jīng)濟(jì)學(xué)院，沈陽 110870)

現(xiàn)階段我國經(jīng)濟(jì)正由高速增長轉(zhuǎn)變?yōu)橹懈咚僭鲩L，如何保持經(jīng)濟(jì)平穩(wěn)持續(xù)健康發(fā)展是需要解決的問題。經(jīng)濟(jì)、金融、人文社會、信用、政策、法律等都影響著經(jīng)濟(jì)的發(fā)展，這些構(gòu)成了金融生態(tài)環(huán)境。把金融生態(tài)環(huán)境和區(qū)域經(jīng)濟(jì)增長聯(lián)系起來研究，探究不同因素對經(jīng)濟(jì)發(fā)展的不同影響，有利于在變革過程中更有的放矢，因此本文基于空間視角來研究金融生態(tài)環(huán)境如何影響區(qū)域經(jīng)濟(jì)的發(fā)展。

一、構(gòu)建金融生態(tài)環(huán)境指標(biāo)體系

本文構(gòu)建的指標(biāo)體系分為三層，分別是目標(biāo)層、準(zhǔn)則層和指標(biāo)層，相關(guān)層級的指標(biāo)數(shù)分別為4、11和16，具體指標(biāo)內(nèi)容見表1。

表1 金融生態(tài)環(huán)境指標(biāo)體系

本文用以表明經(jīng)濟(jì)基礎(chǔ)的指標(biāo)是經(jīng)濟(jì)的發(fā)展水平、結(jié)構(gòu)與穩(wěn)定性。經(jīng)濟(jì)發(fā)展水平可以用來衡量經(jīng)濟(jì)發(fā)展的狀態(tài)與潛力。經(jīng)濟(jì)結(jié)構(gòu)是由很多不同層次與因素組合而成的復(fù)雜體。若想發(fā)揮出本國的經(jīng)濟(jì)優(yōu)勢，使得國民經(jīng)濟(jì)各部門之間協(xié)調(diào)發(fā)展，經(jīng)濟(jì)結(jié)構(gòu)就要合理[1]。選取的指標(biāo)中，第三產(chǎn)業(yè)增加值指數(shù)是不生產(chǎn)物質(zhì)產(chǎn)品的行業(yè)的新增加價(jià)值與上年新增加價(jià)值的差值占上年新增加價(jià)值的比例。第三產(chǎn)業(yè)的不斷發(fā)展表明該地經(jīng)濟(jì)結(jié)構(gòu)向好調(diào)整，是我國經(jīng)濟(jì)發(fā)展的重要組成部分。本文選取失業(yè)率這一指標(biāo)刻畫經(jīng)濟(jì)穩(wěn)定性，失業(yè)率越高該地區(qū)經(jīng)濟(jì)發(fā)展動蕩的可能性及程度就越高。失業(yè)率是指失業(yè)人數(shù)與符合就業(yè)條件的就業(yè)人數(shù)之比。

金融生態(tài)環(huán)境評價(jià)體系中最重要的指標(biāo)是金融發(fā)展。從市場類型的方面來看，主要包括銀行業(yè)、保險(xiǎn)業(yè)、證券業(yè)與金融業(yè)的發(fā)展，金融市場的發(fā)展程度可直接由其規(guī)模水平反映出來。選取各項(xiàng)存款占國內(nèi)生產(chǎn)總值比率、貸款余額占國內(nèi)生產(chǎn)總值比率與不良貸款率來衡量銀行業(yè)的發(fā)展程度。銀行業(yè)的主要任務(wù)是資金的融通，即吸收存款與發(fā)放貸款。貸款余額占國內(nèi)生產(chǎn)總值比重即金融深化程度在反映貸款量的同時(shí)也反映了國內(nèi)生產(chǎn)總值中貸款的貢獻(xiàn)度，該值越大說明銀行業(yè)對經(jīng)濟(jì)的促進(jìn)作用越強(qiáng)，金融生態(tài)環(huán)境質(zhì)量越高[2]。衡量保險(xiǎn)業(yè)發(fā)展選取的指標(biāo)是保險(xiǎn)深度與保險(xiǎn)密度。保險(xiǎn)深度是指保費(fèi)與國內(nèi)生產(chǎn)總值的比值。這一指標(biāo)體現(xiàn)當(dāng)?shù)貒鴥?nèi)生產(chǎn)總值中保險(xiǎn)機(jī)構(gòu)所作貢獻(xiàn)的程度，更形象地反映當(dāng)?shù)乇ｋU(xiǎn)業(yè)的發(fā)展情況。保險(xiǎn)密度是保費(fèi)收入與常住人口的比值，即區(qū)域內(nèi)的平均保費(fèi)額，反映了當(dāng)?shù)乇ｋU(xiǎn)業(yè)的發(fā)展程度。由于證券業(yè)指標(biāo)的數(shù)據(jù)較難收集，僅選取證券市場資本化率來衡量。證券市場資本化率是上市公司總市值與國內(nèi)生產(chǎn)總值的比重，其可衡量證券市場的規(guī)模程度，證券市場的資本化率越高，則該市場的資本能力越強(qiáng)。選取金融業(yè)增加值來衡量金融業(yè)的發(fā)展[3]。金融業(yè)增加值是一定時(shí)期內(nèi)金融業(yè)各單位新創(chuàng)造出來的價(jià)值，反映了金融業(yè)對社會發(fā)展的促進(jìn)作用。

政府治理是金融生態(tài)環(huán)境發(fā)展的重要條件，這是由于金融發(fā)展的方向受到政府出臺的各項(xiàng)政策的影響。將其分為兩個(gè)角度考察，分別是政府主導(dǎo)性、政府管理水平。

人文社會是金融生態(tài)環(huán)境發(fā)展不可缺少的部分，其屬于外部環(huán)境的范疇。用高等學(xué)校平均在校生數(shù)來衡量社會信用，用互聯(lián)網(wǎng)普及率衡量社會發(fā)展水平。高等學(xué)校在校學(xué)生數(shù)反映地區(qū)的教育水平，人數(shù)越多，教育程度越高，越有助于金融生態(tài)環(huán)境建設(shè)?；ヂ?lián)網(wǎng)普及率可以反映地區(qū)的信息化發(fā)展程度，普及率越高，說明信息化程度越高，越有利于金融生態(tài)環(huán)境建設(shè)。

區(qū)塊鏈自2008年問世以來，就引起了學(xué)者的關(guān)注，但是由于各種原因前些年發(fā)展得并不理想。最近幾年，其已經(jīng)能夠與多領(lǐng)域、各行業(yè)相融合，并正在向生活的各方面滲透。截至目前，區(qū)塊鏈已經(jīng)能夠在20多個(gè)產(chǎn)業(yè)中落地應(yīng)用。在商品溯源、物聯(lián)網(wǎng)、工業(yè)、能源等方面促進(jìn)經(jīng)濟(jì)基礎(chǔ)的發(fā)展；在供應(yīng)鏈金融、保險(xiǎn)、證券和交易清算、財(cái)務(wù)管理等方面落地實(shí)現(xiàn)，促進(jìn)金融發(fā)展[4]；在電子證據(jù)、監(jiān)管、電子政務(wù)等方面得到應(yīng)用，幫助政策法律的實(shí)施；在醫(yī)療、公益等方面影響人文社會發(fā)展。換句話說，區(qū)塊鏈對金融生態(tài)環(huán)境的各個(gè)方面均有影響。由于其正在向區(qū)塊鏈4.0的智慧社會、智能文明邁進(jìn)，目前為止還沒有較好的指標(biāo)來定量衡量其對經(jīng)濟(jì)發(fā)展的影響，因此本文進(jìn)行后續(xù)空間計(jì)量時(shí)暫不考慮這一維度。但不可否認(rèn)的是，區(qū)塊鏈對金融生態(tài)環(huán)境的改善有著一定的積極作用[5]，值得學(xué)者關(guān)注。

二、實(shí)證分析

1.模型構(gòu)建

本文采用空間自相關(guān)方法構(gòu)建空間計(jì)量模型，研究金融生態(tài)環(huán)境對區(qū)域經(jīng)濟(jì)差異空間格局的影響[6]。采用因子分析方法對金融生態(tài)環(huán)境指標(biāo)體系進(jìn)行降維，為后續(xù)應(yīng)用空間計(jì)量模型作準(zhǔn)備。

空間滯后模型為yit=pWijy+Xitβ+μit+εit，式中：p為空間向量的自回歸系數(shù)；Wij為空間權(quán)重矩陣中的元素；β、μ為系數(shù)；ε為誤差項(xiàng)。該模型的特點(diǎn)是因變量在空間上存在依賴性，受到相鄰地區(qū)因素的影響[7]。

空間誤差模型為y=xβ+μ，μ=λWμ+ε，式中，λ為空間自相關(guān)系數(shù)?？臻g誤差模型認(rèn)為，受到空間影響的是誤差項(xiàng)而非因變量[8]。

2.數(shù)據(jù)來源及處理

本文收集了31個(gè)省、直轄市、自治區(qū)(不包含港澳臺)2010—2017年的省級數(shù)據(jù)指標(biāo)。詳細(xì)數(shù)據(jù)來源于中國統(tǒng)計(jì)年鑒、國家統(tǒng)計(jì)局網(wǎng)站和部分省份的統(tǒng)計(jì)公報(bào)及Wind數(shù)據(jù)庫。

本文在構(gòu)建金融生態(tài)環(huán)境指標(biāo)體系時(shí)，就負(fù)向指標(biāo)與數(shù)據(jù)量綱問題進(jìn)行如下處理：將負(fù)向指標(biāo)正向化處理，即將失業(yè)率、不良貸款率和財(cái)政支出占國內(nèi)生產(chǎn)總值比重三個(gè)指標(biāo)分別取倒數(shù)，使其分別轉(zhuǎn)化為正向指標(biāo)[9]。選取的指標(biāo)中有絕對量的數(shù)據(jù)，因此需對指標(biāo)無量綱化處理。進(jìn)行因子分析時(shí)，SPSS22.0軟件能夠自行對數(shù)據(jù)無量綱化處理，故選用此版本軟件進(jìn)行分析。

3.空間模型選擇

(1) 相關(guān)性檢驗(yàn)

本文采用的是KMO檢驗(yàn)和Bartlett’s球形檢驗(yàn)，輸入相關(guān)數(shù)據(jù)，檢驗(yàn)結(jié)果如表2所示。

表2 KMO檢驗(yàn)和Bartlett’s球形檢驗(yàn)結(jié)果

由表2可知：KMO檢驗(yàn)值為0.692，大于0.5，說明選取的數(shù)據(jù)適合進(jìn)行因子分析；Bartlett’s球形檢驗(yàn)的概率值為0.000，說明檢驗(yàn)的差異性顯著，可以進(jìn)行進(jìn)一步分析。

運(yùn)用SPSS軟件進(jìn)行因子分析，將16個(gè)數(shù)據(jù)提煉成4個(gè)主因子，其累計(jì)方差貢獻(xiàn)率達(dá)到了82.008%，說明能夠把原始數(shù)據(jù)的特征較好地反映出來。因子一是反映金融發(fā)展程度的，為貢獻(xiàn)最大的因子；因子二是反映人文社會的，較為顯著的是高等學(xué)校平均在校生數(shù)；因子三反映的是經(jīng)濟(jì)基礎(chǔ)，比較顯著的是人均GDP與第三產(chǎn)業(yè)增加值指數(shù)；因子四主要反映政府治理因素。這四個(gè)因子符合本文構(gòu)建的指標(biāo)體系。

(2) 各省金融生態(tài)環(huán)境得分

依據(jù)因子分析得出的成分得分系數(shù)矩陣及旋轉(zhuǎn)后載荷平方和，可得到金融生態(tài)環(huán)境得分表達(dá)式為f=31.698%f1+21.056%f2+19.423%f3+9.832%f4。依據(jù)數(shù)據(jù)及表達(dá)式得到2010—2017年各省、直轄市、自治區(qū)金融生態(tài)環(huán)境指標(biāo)得分情況，如圖1所示(考慮篇幅有限，故只顯示出部分)。從圖1中可以看出，我國各省金融生態(tài)環(huán)境從2010年至今都在不斷向好，且這種向好的趨勢大體相似；各省間金融生態(tài)環(huán)境存在一定差別，如北京、上海的得分遠(yuǎn)高于其他地區(qū)。

圖1 2010—2017年部分省、直轄市、自治區(qū)金融生態(tài)環(huán)境指標(biāo)得分

(3) 空間權(quán)重矩陣構(gòu)建

通過因子分析得到四個(gè)金融生態(tài)環(huán)境的因子，分別從因子一、二、四中提取一個(gè)主要因素作為自變量：代表金融發(fā)展程度用Fin表示；代表人文社會用Soc表示；代表政府治理用Gov表示。由于研究內(nèi)容是金融生態(tài)環(huán)境變化對經(jīng)濟(jì)增長的影響，故不從因子三中提取自變量，選取地區(qū)GDP增速為因變量。

空間滯后模型考慮了空間因素，這是其區(qū)別于傳統(tǒng)模型的特點(diǎn)。用空間權(quán)重來表明空間因素，基于相關(guān)文獻(xiàn)的研究，本文建立鄰接的空間權(quán)重矩陣。鄰接的空間權(quán)重矩陣與各地的地理距離密切相關(guān)，先求出各地的質(zhì)心，然后評判各地質(zhì)心的距離遠(yuǎn)近，再選定一個(gè)距離。當(dāng)兩地之間的距離小于設(shè)定值時(shí)，對應(yīng)的空間權(quán)重矩陣元素為1，若大于此距離則設(shè)為0[10]。

(4) 空間相關(guān)性檢驗(yàn)

本文采取空間模型的主要檢驗(yàn)之一Moran’s I檢驗(yàn)進(jìn)行相關(guān)性檢驗(yàn)。其檢驗(yàn)的結(jié)果為[-1，1]：若結(jié)果小于0，說明空間上存在負(fù)相關(guān)性，若結(jié)果大于0，則說明空間存在正相關(guān)性；若為0，則不存在相關(guān)性[11]。

在全域范圍內(nèi)對經(jīng)濟(jì)增長變量進(jìn)行檢驗(yàn)。Moran’s I值為0.194，P值為0.000，在1%的置信水平下顯著，可以進(jìn)行空間計(jì)量。具體結(jié)果如表3所示。

表3 Moran’s I統(tǒng)計(jì)檢驗(yàn)結(jié)果

(5) 空間計(jì)量面板模型估計(jì)

分別建立空間滯后模型和空間誤差模型，根據(jù)實(shí)際結(jié)果進(jìn)行選擇[12]。對于空間模型中是選用固定效用還是時(shí)間效用，本文采取傳統(tǒng)的Hausman檢驗(yàn)來進(jìn)行選擇，運(yùn)用Stata的功能實(shí)現(xiàn)。在5%的置信度水平下，空間滯后模型與空間誤差模型的概率值均為0.000，表明隨機(jī)效用和固定效用均可以。由于固定效用更適于Hausman檢驗(yàn)，因此本文選擇固定效用[13]。

固定效用又分為空間固定效用、時(shí)間固定效用和時(shí)空固定效用，分別進(jìn)行模型估計(jì)并根據(jù)模型輸出的結(jié)果選擇最優(yōu)的空間模型[14]，具體結(jié)果如表4、5所示。

表4 空間滯后模型的估計(jì)結(jié)果

表4(續(xù))

表5 空間誤差模型的估計(jì)結(jié)果

三、結(jié)果分析

依據(jù)以上結(jié)果進(jìn)行分析，由R2、σ2和Log-likelihood(對數(shù)似然值)三個(gè)指標(biāo)對方程的整體效果進(jìn)行研究，結(jié)果表明空間誤差模型優(yōu)于空間滯后模型。空間固定效用的空間誤差模型效果最好，其R2為0.311 5，三個(gè)自變量的顯著性水平均在5%以下。因此，本文的空間計(jì)量模型為時(shí)間固定效用的空間誤差模型，方程為

ln GDPit=-0.004 4Finit+0.192 9Govit+

0.000 5Socit+φit

(1)

從結(jié)果來看，金融發(fā)展對于經(jīng)濟(jì)增長有抑制作用，這與理論上金融發(fā)展能夠?qū)?jīng)濟(jì)增長起到促進(jìn)作用的觀點(diǎn)相違背。出現(xiàn)此情況的原因可能是我國金融市場效率不高，與服務(wù)實(shí)體經(jīng)濟(jì)發(fā)展不協(xié)調(diào)，并且金融市場的部分發(fā)展可能是以犧牲實(shí)體經(jīng)濟(jì)為代價(jià)的。也就是說，金融市場發(fā)展時(shí)吸收了部分本應(yīng)該流入實(shí)體經(jīng)濟(jì)的資金，從而造成金融發(fā)展變化對經(jīng)濟(jì)增長產(chǎn)生負(fù)向作用[15]。人文社會的發(fā)展對于經(jīng)濟(jì)增長有促進(jìn)作用。出現(xiàn)此現(xiàn)象的原因可能是其反映了人民受教育情況，隨著受教育深度和廣度的拓展，人民素質(zhì)也隨之提高，生產(chǎn)效率、技術(shù)與經(jīng)營管理等隨之向更好發(fā)展。信息化程度的提高為生產(chǎn)、生活等提供便捷平臺，促進(jìn)社會經(jīng)濟(jì)的發(fā)展。政策的逐漸完善會規(guī)范金融市場，減少信息不對稱等市場失靈情形的發(fā)生，從而促進(jìn)經(jīng)濟(jì)的發(fā)展。綜合來看，對經(jīng)濟(jì)增長有促進(jìn)作用的兩個(gè)因素較高于具有負(fù)向作用的因素，其構(gòu)成的金融生態(tài)環(huán)境對經(jīng)濟(jì)增長的影響有一定說服力。

四、結(jié) 論

本文應(yīng)用空間誤差模型，分析了我國金融生態(tài)環(huán)境對區(qū)域經(jīng)濟(jì)增長的影響。研究表明：金融生態(tài)環(huán)境對區(qū)域經(jīng)濟(jì)增長有促進(jìn)作用，其中人文社會和政府治理因素的變化對經(jīng)濟(jì)發(fā)展有正向促進(jìn)作用；金融發(fā)展的變化對經(jīng)濟(jì)增長有抑制作用，但影響系數(shù)很小。因此，在促進(jìn)經(jīng)濟(jì)增長的舉措中，可以在金融發(fā)展水平提升的方式上投入更多的精力，立足于證券、銀行、保險(xiǎn)等更高效地服務(wù)于實(shí)體經(jīng)濟(jì)，提升社會素養(yǎng)與信用水平；使各方面與區(qū)塊鏈緊密結(jié)合，逐步完善金融生態(tài)環(huán)境更是大勢所趨。雖然我國各省域金融生態(tài)環(huán)境在逐年改善，但各省金融生態(tài)環(huán)境得分相差較大，與我國經(jīng)濟(jì)發(fā)展?fàn)顩r相一致。因此，各地區(qū)應(yīng)加快金融生態(tài)環(huán)境的均衡發(fā)展，借鑒金融生態(tài)環(huán)境得分較高的省域經(jīng)驗(yàn)并結(jié)合自身特色，營造高效、便捷、可持續(xù)的金融生態(tài)環(huán)境。