今日财经期刊佳作关注 金融集聚的地理结构及演进规律：虹吸还是辐射——基于城市群的研究视角

金融集聚的地理结构及演进规律：虹吸还是辐射——基于城市群的研究视角 

  导读  

一、引言

中国具有广袤的国土面积，区域经济发展在地理层面呈现显著异质性，金融亦是如此。“十四五”规划强调“发挥中心城市和城市群带动作用，建设现代化都市圈”，区域经济与金融发展格局正在重塑。金融作为现代经济的核心，对经济发展起着至关重要的作用，但我国当前金融资源的空间分布并不均衡，处于外围的大量中小城市和偏远地区的金融资源在工业化和城镇化过程中供给明显不足。因此，研究金融资源在城市群地理空间上的集聚规律，对发挥中心城市的金融辐射、溢出作用，促进城市群经济（金融）协调发展具有重要意义。

金融跟随着产业和经济的发展而集聚（林毅夫等，2009)[1]，近年来中国金融与产业正发生着巨变，中国的产业正经历着地理集聚、转移和升级等多重趋势（史恩义、王娜，2018)[2]，同时，中国城市群的崛起使得城市在地理上实现抱团式发展，重塑了经济空间格局。在此背景下，金融资源在地理上的集聚呈现更为复杂多变的特征。目前的研究多集中于金融的产业组织结构、金融的跨时期配置，而较少涉及金融的地理结构。实际上，金融具有极端的异质性和不规则性，具有明显的地理特征（劳拉詹南，2001)[3]。对经济转轨期的中国而言，存在着金融市场分割、金融歧视等诸多制度约束，区域间的金融差异远远大于欧洲（洪正、谢漾，2020)[4]，使得中国金融的“地理区位”特征更为明显，与此同时，中国的金融发展在地理层面上的差距仍在拉大，经济发展中金融地理结构与相应阶段实体经济没有很好地适应金融服务的地理需求，从而扩大了地区发展和收入的差距，不利于区域经济协调发展。近年来，我国金融资源进一步涌向中心城市。以直辖市和省会城市为主体的31个金融中心城市贡献了全国金融业增加值的54%，拥有全国商业银行总资产的81%，包揽100%的全国性金融市场。由于地理距离增加了金融交易中的市场摩擦以及交易成本，位于外围或偏远地区的企业仍面临资金缺口（Agarwa and Hauswald,2010)[5]，外围城市金融供给不足已明显限制我国许多中小城市的经济发展（李扬，2017）。这表明，金融地理结构的集中与分散，特别是，金融中心与外围金融在国家金融体系中所处的地位，会影响金融资源的空间配置与实体经济的空间演进与转型发展。

与此同时，中国经济地理的维度也经历着变迁。事实上，无论是区域维度还是城市的层级体系，都愈发凸显出一个重要的地理特征事实——城市群的兴起，这是城市发展到高级阶段所产生的新形态，也是区域经济演化的必经之路。中国目前已经初步形成20个城市群，覆盖全国各个区域。逐渐兴起的城市群经济与传统的区域经济存在着显著差异，城市群的内部城市才具备真正意义上的“紧密联系”以及“中心-外围”结构。城市群能够通过中间投入品、基础设施、劳动力等生产要素的互相嵌合与共享，提升其组合效率，形成带有显著溢出特质的集聚经济效应，这也将深刻影响金融在地理上的集聚规律。

前文所涉及的金融地理结构、金融产业结构、城市群经济等问题在目前的学术研究中仍然被视为某种程度的“黑箱”，这里有两种“结构性问题”等待回答：第一，区域金融发展差距拉大（金融地理结构失衡）；第二，间接融资相较于直接融资在金融结构中占比过高（传统金融结构失衡），但对于这两种结构问题的动态过程却知之甚少。比如，对于金融的地理结构，金融在地理上的流动方式，以及金融集聚与扩散的方向等。然而，传统研究只涉及东中西部地区划分的大致研究，俞颖等（2017)[6]认为，金融资源向东部集聚，中西部金融发展锁定于低水平；或者以城市为单位研究，王如玉等（2019)[7]发现，金融中心是有层次的，且与城市层级体系正向匹配。此外，大多数研究金融集聚的文章专注于集聚动因的解释，以及集金融中心的形成原因。还有一些研究以银企距离来探讨金融地理结构的影响，如信贷可得性（Brevoort and Hannan,2006)[8]、贷款利率（Degryse and Ongena,2005)[9]等，但并未揭示出金融资源在地理层面上集聚的方向以及动态过程。

又比如对于传统金融结构，不同结构的金融资源是如何跟随不同产业在地理上进行集聚和演变的，传统产业与高新产业在地理上分别如何迁移和升级，并使得各类金融资源在地理上如何转移和集聚？学者对金融结构与产业结构的关系做了大量探讨，金融最优结构内生于产业结构，随着产业结构升级，金融结构也应从银行主导向金融市场演进。发展中国家产业结构应当以低技术风险和市场风险的产业为主，应以信贷为主要融资手段（杨子荣、张鹏杨，2018)[10]。但是，这只是对金融与产业结构在总量上的一个粗略回答，仍无法洞悉在空间和时间维度上，产业是如何引领金融资源在区域间动态流动的，即没有揭示出金融结构与产业结构在地理空间上集聚扩散的动态过程。

对于经济的地理结构，地理维度究竟应该如何划分才能够反映出区域金融的真实特征（中心-外围结构）？处于不同发展阶段的区域经济地理结构具有何种异质性，该异质性对于金融资源的集聚与扩散规律有何影响？传统研究只是揭示了不同区域的经济（金融）具有不同的发展程度，且对区域划分标准多采用省域、地级市、东中西部等行政区划方式。因此，要回答以上问题，需要认识到中国不仅金融与产业的集聚在地理上呈现特殊规律，而且地理维度本身也呈现着由行政区划向城市群发展的动态演变规律，将其结合起来考虑更能深刻揭示中国金融在地理上的集聚与扩散过程，把握中国金融资源在宏观地理层面集聚所表现出的一般性规律。

由此，本文将立足于金融的地理结构视角，试图揭示不同种类的金融资源（直接融资、间接融资）在城市群地理空间上跟随产业的集聚与扩散规律，并分析不同发展阶段城市群金融集聚的差异化表现，以及影响金融资源集聚与扩散的机制。研究发现，不同层级的金融资源在地理上表现为向相应层级的产业集聚，其中，信贷资源向资本密集型产业集聚，城市群中心城市的传统产业集聚对外围城市的信贷资源产生虹吸作用；直接融资资源向创新产业和技术密集型产业集聚，城市群内部中心城市创新产业和技术密集型产业集聚对外围城市金融资源产生辐射作用，且中心城市能够在全国范围内吸收外围城市直接融资资源；城市群的发展阶段不同，其内部的中心-外围模式具有差异：信贷资源随着城市群发展阶段演进，依次呈现“虹吸-辐射-饱和-衰退”效应，而直接融资资源的中心城市则一直呈现辐射效应；政府干预会加剧中心城市的虹吸作用，创新水平和城市群功能分工会增加中心城市的辐射能力。厘清这些问题，对于中国目前金融资源的动态集聚规律、金融与产业在地理维度的配置现状，以及城市群金融发展演变等问题都能够具有更深入的理解。

本文可能存在一些贡献。第一，本文以城市群为视角研究金融资源的地理集聚规律，清晰地揭示了金融与产业在地理上的内在联系。金融资源的地理结构是金融结构的一个重要维度，其一直被学术界忽略，城市群作为典型的集聚型经济体，相较于传统行政区划的研究更为准确地揭示了中国的金融地理现状，从城市群“中心-外围”地理视角能够揭示金融在地理上更为微观、细致的结论。第二，区分了不同类型金融资源的动态集聚过程。以往研究较少将金融分类并结合产业的集聚进行讨论，本文首次揭示了不同种类的金融资源（直接融资、间接融资）在地理上（追随各类产业）的集聚与扩散现象，丰富了金融结构与产业结构理论。第三，推进了新经济地理学“中心-外围”理论的经验研究。由于新经济地理学的“中心-外围”理论模型存在很强的非线性特征，模型的假设也不易处理，因此，很难用计量模型识别空间的集聚与扩散效应。本文构造“中心-外围”空间权重，运用空间计量来识别金融集聚在城市群“中心-外围”维度的地理效应，为新经济地理学理论提供了经验证据。第四，本文能够为推动当前金融供给侧结构性改革提供新见解。经济发展中最优金融地理结构要与相应阶段实体经济对金融服务的地理需求相适应。当前，我国金融体系的地理集中逐渐加强，这尽管有助于改进中心城市企业的生产率，但也会进一步加剧外围城市的中小企业和民营企业的融资困难。因此，我国当前的金融供给侧结构性改革，应从聚焦于构建现代金融产业组织体系转向兼顾金融地理结构优化。

二、理论分析与假说

（一）金融结构内生于产业结构

实体经济结构变化是导致金融结构变化的根本原因。在经济发展初级阶段，产业结构以传统制造业为主，相应的金融结构也偏向于银行主导，而当经济水平发展至较高阶段时，产业结构以高风险产业（高技术、创新型产业）为主，相应的金融结构转为金融市场（直接融资）主导。因此，最优的金融结构安排，需要与产业结构相匹配，这样的结构安排最终也会反映在地理维度上，根据新凯恩斯主义的货币非中性观点，资金在地理上的流动性和替代性是有限的，市场是不完全的，银行机构和资本市场的信贷与投资决策不仅取决于项目的风险收益率，而且还受到项目地理位置的影响，银行会在传统产业集聚的地区集聚，而直接融资的金融资源则会往高新产业集聚的地区集聚。由此提出本文的假设H1。

H1：在地理上，各层次的金融资源流向相应层次的产业。

（二）间接融资的地理特性

1. 信贷资源的近距离性。

银行倾向于向近距离企业贷款，且地理距离会提升信息不对称性。Petersen和Rajan(2002)[11]将金融信息分为“硬”信息和“软”信息两类，“硬”信息包含财务报表等标准化的信息，可以通过一系列先进的电子技术提升“硬”信息的远距离传输效率；“软”信息只能通过面对面接触来获取，远距离传输效率较低。首先，银行与企业位置接近能够增加双方之间面对面交流的机会，有助于银行获取“软信息”。相比于“硬信息”，“软信息”更能够缓解信息不对称，从而降低银行的信贷风险。其次，地理距离接近能够降低交易成本，比如交通成本和时间成本，因此，银行倾向于向近距离企业提供贷款（Degryse and Ongena,2005)[9]。其对于贷款者也会产生搜寻成本，比如与远距离的银行磋商所增加的时间和费用。由于存在与距离相关的种种成本，在金融发展落后的外围地区，贷款者需要付出更多的成本才能享受到中心城市的金融服务。

信贷资源在地理上流动的近距离性。由于金融资本在地理空间上并不是完全流动的，银企之间的地理距离会影响企业信贷资金的可得性，地理因素限制了信贷的传导距离。地理距离对于金融机构来说就像是经济地理学中的贸易成本，远距离两地的交易会付出额外的贸易成本（这里指信息成本），因此，金融机构倾向于分散在各自的领地，为各自区域的消费市场提供近距离的产品，从而节约贸易成本。此外，地方保护主义会使得金融集聚的空间溢出效应存在一定的区域边界，尤其是省级区域管理界限对于区域金融一体化的影响仍然相当明显，地方政府对于地方银行机构的决策产生重要影响，将信贷资源用于当地的大型项目，因此，信贷资源往往被限制在特定区域难以远距离流动。然而，城市群内部具有良好的交通和基础设施建设，物理距离较近，使得信贷资源在每个城市群内部近距离流动。由此提出本文的假设H2。

H2：银行信贷业务覆盖地理上邻近的企业，信贷资源的流动具有近距离特性。

2. 中心城市信贷资源的虹吸效应。

第一，金融的集聚性。在金融地理方面的研究中，基于“信息腹地论”“市场摩擦论”和“金融资源流动论”（Porteous,1999)[12]，作为信息生产、收集和传播源头的“信息腹地”或“信息中心”对金融集聚起到了主导作用，金融业逐渐向中心城市的“信息腹地”或“信息中心”集聚，形成了金融中心。中心城市由于产业的前向和后向联系，会逐渐吸引更多相关产业加入形成产业链，从而出现一种自我持续的产业集聚现象。随着集聚产生，规模经济愈发明显，产生累积循环因果效应（Krugman,1991)[13]。由此，金融组织在地理上逐渐从外围向中心聚集，即产生中心对外围的虹吸作用。另外，中心城市金融产业集聚导致对金融人才和金融资源的高需求，随着城市规模和经济的发展，金融资源和要素的流动速度显著上升，中心城市快速虹吸外围城市的金融资源。因此，中心城市的金融产业集聚伴随着中心城市实体产业集聚而发生，在地理上，金融资源不断从外围城市流向中心城市。值得注意的是，上述金融资源特指在中国经济中占比较大的信贷资源，因为信贷资源依赖软信息，更贴合“信息腹地”和“信息中心”的发展需求，且对于产业的前后向联系以及产业链的支持也多为信贷资源推动。第二，信贷资源的竞争性。由于银行搜集的是私人信息，因此，每家银行的客户信息具有排他性和竞争性，银行之间难以共享资源，银行对于客户信息的搜集形成绑定的银企关系，获得信任的企业能够长期获取信贷资源，如此一来，具有优势的中心城市企业将大量占取中心城市的信贷资源。银行大量依赖于企业的软信息，使得远距离贷款会产生信息损失，这些信贷资源难以向外围城市扩散，在地理上就体现为区域之间对于信贷资源的相互竞争。而且，中心城市的产业往往具有更大的竞争力和产业关联，信贷资源向中心城市集聚意味着接近高效率企业，并与本地诸多关联产业共同实现规模经济，在这样的区域竞争条件下，中心城市具有绝对优势，导致信贷资源更倾向于从外围城市向中心城市的优质企业集聚，表现为中心城市的信贷虹吸效应。由此提出本文的假设H3。

H3：城市群中心城市的传统产业对外围城市的信贷资源产生虹吸效应，该虹吸效应距离较近，无法跨越城市群产生远距离影响。

（三）直接融资资源的地理特性

1. 股票资源在全国层面的集聚。

公开发行股票进行直接融资的企业中，为了降低信息不对称，金融监管部门会要求股票发行者由具有社会公信力的机构审计，在股票发行前后定期进行信息披露，形成了股票市场的公共信息，这部分信息大多属于“硬”信息，可以通过电子信息技术进行远距离传输而无损耗。投资者的聚集性交易是由于他们同时远距离关注到这些公开的信息，由共同信息所导致的羊群行为会促进信息在资产价格中的反映（Devenow and Welch,1996)[14]。由于公共信息能够无视地理距离而全国范围传递，优质的企业同时受到全国投资者的追捧，金融资源在这些企业所在的地理上集聚。优质企业越多，直接融资在这些城市的集聚性越强。因此，在全国范围内体现为在地理层面上的集聚，而股票资金由于其公共信息的特征，能在全国范围流动。对于中心城市而言，其中往往集聚着较多高质量上市企业，且这些企业的信息能够向全国范围传输，因此，中心城市能够从全国范围吸收股票市场的金融资源。由此提出本文的假设H4。

H4：股票市场资源具有远距离流动的特性，中心城市向全国范围虹吸股市金融资源。

2. 直接融资资源向外围城市辐射。

股票资源与信贷资源不同，信贷资源依赖于软信息，需要近距离提供服务，且银行之间对资金进行高度竞争，因此，中心城市的银行少有向外围城市远距离提供信贷的辐射效应，反而会由于中心城市银行的竞争优势而虹吸外围城市存贷款资源，造成中心对外围的金融虹吸作用。然而，股票资源（直接融资）则不同，股票市场资金提供者是散布在全国的投资者，这些投资者之间的资金是独立的，相互不具备竞争性，股票资源融资对象主要依靠硬信息在全国范围的远距离传播，因此，中心城市面向的是全国投资者募集资金，并不会像信贷资源一样产生中心对外围的虹吸效应。外围城市企业也能够面向全国投资者募资，这些金融资源并不会被中心城市所虹吸，从而确保了中心城市对外围城市金融辐射效应渠道的畅通。具体而言，直接融资的中心对外围的辐射效应包含两种渠道。

第一，城市群分工渠道。城市群的中心和外围城市之间具有良好的分工体系，因为集聚动态演进过程中会逐渐形成“中心城市服务业集聚，制造业向外围城市迁移”的“中心-外围”功能分工结构，呈现“中心城市主要承担管理和研发功能，外围城市主要承担制造和加工功能”的空间功能分工格局（赵勇、白永秀，2012)[15]，股市资源对中心城市服务业的发展进行了有效支撑，而中心服务业进一步促进外围城市产业发展。在这样的区域分工格局下，中心城市的要素资源将不断向外围城市扩散，且中心城市的服务业帮助整合这些要素，在外围形成大量适合于直接融资投资的企业，在股票市场信息全国传播的情况下，投资者会注意到这部分在外围城市兴起的企业并进行投资，导致金融资源从全国其他城市向城市群外围城市流动，形成中心对外围的金融辐射作用。上述的这种金融辐射，本质上来讲是由中心产业的外移导致全国金融资源的跟进，并不是来源于中心城市的金融资源向外围的辐射。对于中心城市，同样具有向外围城市辐射金融资源的能力，比如随着外围城市发展机遇增加和中心-外围之间的区域合作，中心城市上市公司会投资、收购外围企业，或者向外围开设分支机构，从而向外围的企业提供金融服务和金融信息。其中，金融服务是指中心城市通过金融从业人员的流动、金融服务网络的延伸而产生对外围企业的扩散性服务；金融信息是指信息从金融中心和“信息腹地”向外围地区传播（俞颖等，2017)[16]。金融服务涉及运输成本，金融信息涉及信息成本，这两类交易成本均是资金供求双方地理距离的函数，因此，金融中心的辐射效应表现出随着地理距离的增加而衰减的特征，这种溢出效应存在着一定的地理边界，主要体现在城市群内部。第二，知识技术溢出效应。知识和技术溢出效应驱动着企业研发中心、营销中心和管理总部在中心城市不断集聚，在此情况下，知识和技术的外部性持续增强，并使得中心城市逐步成为整个城市群的创新驱动引擎。直接融资资源随创新产业和技术密集型产业的影响而集聚（段超颖、张文龙，2022)[17]，因此，中心城市对外围的金融辐射效应必然受到技术知识溢出的影响，知识技术向外围城市扩散的过程，伴随着直接融资资源向外围的扩散。地理邻近性在区域知识溢出中起着重要作用，距离较近的地区之间更容易产生知识的交流，从而有利于创新。若中心城市在特定产业中具有比较优势，那么，其外围区也较容易获得该优势。基于区域创新系统而言，各区域创新生产除了利用自身积累的创新资源和条件之外，还源于对其他区域的要素获取。随着各个地区被逐步置于城市群紧密的分工网络和一体化经济中，地区间示范模仿、交流协作的知识技术溢出通道与生产要素流动平台得到铺设，使得成功的产业发展路径可以在“中心-外围”间传播。城市群交通发展促进时空压缩，带来地区间可达性的提升，将会加快空间知识技术溢出（俞立平、冉嘉睿，2022)[18]。由此，中心产业将通过知识技术外溢效应支持外围城市的高新产业发展，对于支持该类产业的直接融资资源来说，其中心对外围城市将产生金融辐射作用。据此提出本文的假设H5。

H5：直接融资资源向创新产业和技术密集型产业集聚，且城市群内部中心城市对外围城市的直接融资资源产生辐射作用。

三、实证部分

（一）样本与数据

本文以中国地级市及以上城市为研究对象，基于数据可得性选取2003—2018年中国273个城市的面板数据，部分缺失数据通过插值法、预测法进行补齐，并对异常值进行处理，最终得到了4 368个样本观测值。城市数据来源于《中国城市统计年鉴》、CNRDS数据库，上市公司市值和PE、VC数据来源于CSMAR，产业数据来源于中国工业企业数据库。

（二）研究设计

1. 模型设定。

为验证金融在城市群（中心-外围）层面上的集聚效应，引入β收敛模型验证本文的研究假说。中心城市和大型城市在区域经济与金融发展中处于核心地位，往往对其他城市具有更大的影响力，而面板固定效应模型并不能够体现出不同个体影响力的差异，且会忽视空间因素。由于空间计量引入了个体间在空间或者经济上的相关性，为揭示城市之间金融资源的虹吸与辐射等流动特征提供了可能性。本文借鉴谢漾、洪正（2022)[19]的做法，以传统的β收敛模型为基础，并结合空间计量SARAR模型展开金融集聚与扩散的识别策略，模型如式（1）。

其中，fini,t为城市i的金融集聚程度；indi,t为城市i的产业集聚程度；为城市i的金融集聚增速；controli,t为控制变量；ui为i的个体效应；γt为时间效应；εi,t为残差项；，通过赋予空间权重W，使其表示中心城市的产业集聚增长率。

由于模型中indi,t的i代表城市i，因此，模型本质是在探讨中心城市的产业集聚增速（Wln对外围城市金融集聚增速的影响。系数ρ值为正/负代表了中心城市产业集聚对外围城市金融集聚的正向/负向影响，比如，ρ值为负可能代表着中心城市产业集聚增加会降低外围城市金融集聚，即中心对外围产生虹吸效应。

模型（1）是本文的主模型，采用极大似然法进行估计。因为传统模型假设的扰动项在空间上不存在相关性，即扰动项中的外生冲击只影响本城市的金融集聚，而不会影响其他城市，所以该模型存在的内生性来源于地区之间相似的外生冲击。然而，事实上同属于一个城市群、地理距离相近的城市，会面临相似的经济、政策、自然环境，可能会对金融集聚产生共同冲击，使得扰动项在空间意义上存在正相关性，在此情况下ρ的估计结果更倾向于为正（辐射效应），造成估计偏误，为缓解这一问题，引入式（2）扰动项的空间滞后项，控制共同冲击以及其它具有空间相关性的遗漏变量带来的影响。

2. 构造空间权重。

城市群的空间分布具有其特殊性，需要改进传统的空间计量方法进行适应，其中的关键技术是权重矩阵W的选择和构造，在传统的空间计量模型中，有早期使用的相邻矩阵和距离矩阵。距离权重和相邻权重旨在揭示地理上接近的地区之间的相互影响情况。然而，在本文城市群的研究中，传统的地理权重无法揭示中心-外围的互动机制，因为，城市群之中的经济联系较为紧密，交通较为便利，地理距离的影响不明显。此外，距离权重只能揭示各城市之间的距离差异，默认城市发展水平是同质的，无法区分中心城市与外围城市。

因此，为了识别中心城市的产业集聚对周边外围城市的影响，需要构造一套新的空间权重，式（3）和式（4）分别为“中心-外围权重”和“远距离权重”。①对式（3）而言，当i为中心城市时权重中对应的元素取1，根据本文使用的地级市数据，每种矩阵都由273×273个元素构成。最终，空间滞后项只会对中心城市赋予权重，回归系数ρ的取值能够纯粹反映中心城市产业集聚对其外围城市金融集聚的影响。若ρ为正，则表明城市群中的中心城市的产业集聚与外围城市同向变化（比如，中心城市产业集聚增加带领周边外围城市金融集聚增加———辐射效应），若ρ为负则为反向变化（比如，中心城市产业集聚增加减弱了周边城市金融集聚———虹吸效应）。以此识别各个城市群的中心对外围金融集聚的影响。此外，构造“远距离权重”（式（4）），使得不在该城市群的中心城市取1，否则取0。空间滞后项只会对外部城市群的中心城市赋予权重，ρ的取值能够反映中心对其他城市群（远处）城市的影响，若ρ为负，则表明城市群中的中心城市的产业集聚与其他城市群的城市反向变化（比如，中心城市产业集聚增加了对外部城市金融资源的远距离虹吸）。

（三）主要变量的定义与计算

1. 金融集聚（fin）。

借鉴谢漾、洪正（2022)[19]的构建思路，间接融资采用信贷集聚进行衡量，信贷集聚程度为各城市市辖区存贷款占全国的比重；直接融资采用直接融资资源衡量，直接融资资源集聚为各城市在A股市场上市公司的市值占全国总市值的比重，并用私募股权投资和风险投资（PEVC）作为辅助检验。②

2. 产业集聚（industry）。

按照金融集聚构建思路，采用城市工业总产值占全国工业总产值的比重。具体处理方式为：采用中国工业企业数据库，将各企业按照要素密集程度进行划分，分别为劳动密集型产业、资本密集型产业、技术密集型产业（王洁玉等，2013)[20]。将各类工业企业总产值在地级市层面上进行加总，最终构成产业集聚（industry）指标。

此外，创新型产业集聚（ind4）采用各地级市专利数量占全国专利总数的比值来衡量。

3. 控制变量。

公共财政支出（expend）：公共财政支出/GDP，反映地方政府对当地经济的干预强度。产业结构（ind＿str）：第二产业产值/总产值，反映地方产业结构特征。人均GDP(GDP）：反映当地经济总体发展情况。对外开放（FDI）：设置了外商直接投资额占GDP的比值来综合反映各地区对外开放程度。人均固定电话数量（teleph）：作为信息传递效率的代理指标，金融的集聚依赖于信息效率的提高。公路、铁路、水路客运总量（transp）：反映城市交通便利情况，交通发达有利于要素资源的流动。考虑到一些无法观测的城市特征，如地理或制度因素导致遗漏变量的内生性问题，本文尽可能地采用控制变量、双固定效应模型以减弱遗漏变量所带来的影响。

四、实证结果与分析

（一）金融与产业匹配情况验证

为了验证金融与产业的结构匹配情况，利用双固定效应模型进行估计，式（5）的ind1-ind4代表四种产业集聚（包括劳动密集型产业、资本密集型产业、技术密集型产业和创新产业），fin代表金融集聚（包括信贷资源和股票市场资源），并使用混合OLS模型进行再次验证。

从表1的列（1）可知资本密集型企业集聚导致了信贷集聚，由列（2）可知技术密集型企业和创新产业集聚导致股票市场资源集聚，由列（3）可知创新型产业导致PEVC集聚。列（4）至列（6）采用混合估计进行了相同的检验，结论相同。由此可知，劳动密集型产业属于产业链底端，并不能显著带动金融集聚；资本密集型产业可以带动信贷资源集聚，是银行主要支持的对象；技术密集型和创新产业更多由直接融资支持。也就是说，产业层级越高，对应的金融层级也越高，中国的金融与产业结构在宏观结构尺度上基本遵循该规律。

（二）基准回归

在上述金融与产业匹配情况验证的基础上，使用空间计量，通过将对应的金融与产业置入模型进行地理层面的验证。如式（6）和式（7）。

其中，ind代表产业集聚；fin代表金融集聚。在回归中两者遵循金融与产业匹配的对应关系（比如，信贷集聚匹配资本密集型产业）。预期β1为正，因为产业集聚整体上可能导致金融集聚，而ρ可能为正（辐射效应），代表中心城市产业集聚向外围城市辐射金融资源，也可能为负（虹吸效应），代表中心城市产业集聚虹吸外围城市的金融资源。具体结果如表2。

由表2中B栏的列（1）至列（6）可知，传统产业集聚造成信贷集聚，创新产业集聚造成股票市场和PEVC集聚，这表明不同层次的金融资源与相应的产业匹配。列（1）至列（3）采用远距离权重，从A栏可知，只有第（2）列系数ρ为负，可知股票表现出中心城市对其他城市的远距离虹吸效应，即中心城市吸收远距离城市的股票市场资源，这来源于股票市场信息传递的全国性，验证了假说H4，而信贷和PEVC则未表现出中心城市对远距离城市的影响。列（4）至列（6）采用“中心-外围”权重，从A栏可知，对于城市群内部的中心-外围的近距离影响而言，列（4）系数ρ为负，表明传统产业在中心集聚将使得中心城市虹吸外围城市的信贷资源，信贷资源呈现出城市群内部的中心对外围的虹吸效应，这是因为信贷资源的流动具有近距离性，验证了假说H2和H3。同理，列（5）和列（6）的ρ值为正，表明中心城市创新产业集聚导致外围股票市场和PEVC集聚，即中心城市的创新产业集聚对外围的股票市场和PEVC产生正向辐射效应，这得益于创新的知识溢出效应，验证了假说H5。

观察控制变量，公共财政支出对金融集聚起到了负向影响，人均GDP越高的城市，金融集聚越高，FDI对信贷集聚起到正向作用，但对股票集聚起到负向作用。

（三）城市群分类回归

将各个城市群按发展阶段划分为：欠发达城市群、快速发展城市群、发达城市群、衰退城市群（谢漾、洪正，2022)[19]，分别讨论每种类型的城市群中的金融集聚与扩散效应。采用“中心-外围权重”进行回归，结果见表3。

由表3列（1）至列（4）可知，对于信贷资源，欠发达城市ρ值为负，表明中心城市传统产业集聚增加将导致外围城市信贷集聚减少，即中心对外围产生虹吸作用；快速发展城市群ρ值为正，中心与外围同时增加，表现为中心对外围的辐射作用；发达城市群ρ值为负，较为特殊，从发达城市群中心信贷集聚下降，外围信贷集聚上升可以看出，ρ值为负代表中心达到饱和后，对外围的溢出作用，这与谢漾、洪正（2022)[19]的结果相似；衰退城市群ρ值为正，从衰退城市群中心和外围信贷集聚均下降可以看出，中心-外围的信贷资源整体都在向外耗散。由列（5）至列（8）可知，就直接融资资源而言，无论对于哪种类型的城市群，中心对外围城市都呈现辐射作用。

（四）进一步分析

本部分进一步对影响金融集聚与扩散的机制进行检验，采用机制变量与中心城市金融集聚的交乘项。构造了两类空间权重，表4列（1）至列（3）采用远距离权重，用来识别直接融资的远距离虹吸效应；列（4）至列（6）采用中心-外围权重，用来识别金融在城市群内部的虹吸与辐射作用。选择政府干预变量，因为无论是金融、产业还是城市群的发展，其过程中都嵌入了政府的力量。从列（4）可知，政府干预的交乘项系数显著为负，这表明中心城市的政府干预会进一步加强中心城市对外围城市的金融虹吸作用，这可能来源于地方政府对金融的控制，或通过招商引资吸引外围金融资源。然而，选择城市创新能力指数变量（寇宗来、刘学悦，2017)[21]，是因为金融资源（股市、PEVC）追随边际收益高的地区，而创新能力代表着高收益。从列（2）和列（3）可知，城市创新能力交乘项的系数显著为负，表明中心城市创新能力增加能够使其向全国范围虹吸金融资源（直接融资资源、PEVC资源），这可能来源于创新产业对于该类金融资源的吸引能力，从列（5）和列（6）可知，城市创新能力的系数显著为正，表明城市群中心城市的创新能力增加能够对周边外围城市带来正向的溢出效应，这来源于创新产业的知识溢出效应，导致中心对外围产生近距离金融辐射作用。另外，还选择城市群中心-外围分工变量，随着城市群发展，中心城市主要承担生产性服务业，而外围城市承担制造业，城市群分工显著改变了中心-外围的产业格局。从列（4）至列（6）可知，城市群分工交乘项的系数显著为正，表明中心-外围之间的产业分工能够增加两者的合作效率，带来中心对外围的金融辐射作用。

（五）稳健性检验

本部分采用广义空间两阶段最小二乘法（GS2SLS）对主要回归进行稳健性检验，其利用工具变量，通过GMM进行估计。该估计方法是将样本观测值以空间截面数据的形式对待，即每个观测值代表1个地理位置的信息，因此，需要将273个地级市的样本观测值对待成4 368个（273个地级市×16年=4 368个）虚拟城市，并构造4 368×4 368的空间权重矩阵W。选用中心城市产业集聚初始值（2003年）作为工具变量，采用GS2SLS对基准回归进行因果识别检验，以验证中心城市对外围城市影响具有因果关系。回归结果如表5所示与表2相比主要结论仍成立。

五、结论与对策

（一）研究结论

金融资源是现代社会最富有流动性的资源和要素；金融的流动离不开产业发展、迁移、集聚的影响，这些影响依托于地理维度；城市群是经济在地理维度上发展的高级表现形式，城市群的形成和产业的变迁极大影响和改变着金融的集聚特征和空间格局。本文立足于金融的地理结构视角，试图揭示不同种类的金融资源（直接融资、间接融资）受到各类产业牵引作用，在城市群（中心-外围）地理空间上的集聚与扩散规律，并分析不同发展阶段城市群的金融地理差异化表现，以及影响金融资源集聚与扩散的机制。研究发现，不同层级的金融资源在地理上表现为向相应层级的产业进行集聚，其中，信贷资源向资本密集型产业集聚；中心城市的产业集聚对外围城市的信贷资源产生虹吸作用；直接融资金融资源（直接融资资源）向创新产业和技术密集型产业集聚，PEVC向创新型产业集聚；城市群内部中心城市产业集聚对外围城市直接融资资源产生辐射（而非虹吸）作用，且中心城市在全国范围内吸收外围城市直接融资资源。此外，城市群发展阶段不同，其内部的中心-外围模式具有差异：信贷资源随着城市群发展阶段演进，依次呈现出“虹吸-辐射-饱和-衰退”效应，而直接融资资源的中心城市则一直呈现辐射效应。厘清这些问题，对于中国目前金融资源的动态集聚规律、金融与产业的地理结构配置现状，以及城市群金融的发展演变等问题都能具有更深入的理解。

（二）理论启示与对策建议

第一，针对各类金融资源采取因地制宜的配置策略。首先，对于信贷资源在区域上的配置，由于信贷在地理上表现出在城市群内部近距离的互动和竞争效应，因此，应注重每个地区内部的资源协调，减弱信贷市场分割和行政控制，协调城市群内部的信贷竞争问题，警惕欠发达城市群中心城市对外围城市信贷资源的过度虹吸。其次，对于股票市场资源，应注重全国层面的资源调控，加强公共信息的披露质量，进一步加强中心城市的高端、创新产业集聚，并注重对欠发达区域企业上市的支持。最后，大力发展城市群，加强城市群交通基础设施，缩短地理距离，从而加强中心城市对外围城市的金融辐射作用，实现城市群金融一体化。第二，优化金融结构。优化直接融资和间接融资的比例结构，保持信贷市场对传统产业的有力支持，在此基础上大力发展我国的直接融资和金融市场，以此匹配创新产业和技术密集型产业的发展和升级需求，以及辐射外围城市的金融需求，实现我国金融产业结构和地理结构的优化升级。第三，促进金融资源在地理上的合理分布。金融资源与实体经济在地理上的分布相一致，才能促进实体经济良性发展。要加强外围城市金融服务资源的供给，即增加中小城市、偏远地区的信贷资源的供给能力，有效支撑传统产业发展，鼓励大型银行向外围城市设立分支机构，赋予分支机构更大的决策自主权，同时，又要强化直接融资资源在中心城市的集聚能力，强化中心城市金融、经济外溢效应，发挥中心城市对外围实体企业的空间溢出效应。第四，减少中心城市的政府干预，加强城市创新能力和城市群产业分工。减少中心城市的政府干预能够有效缓解中心城市对外围城市的金融虹吸作用，进而促进金融中心的溢出效应，加强城市群金融一体化；增强城市创新的知识溢出效应，使高端产业不断向外围城市扩散，促使金融追随高端产业向外围扩散；加强“中心-外围”之间的产业功能分工，使外围城市享受分工发展带来的红利，形成金融中心向外围的辐射效应。

（三）不足与展望

第一，限于数据可得性，本文对于证券行业、保险行业等其他金融类型并未讨论，事实上金融具有多种类型，而本文仅选取了具有代表性的银行和股票数据，在未来的研究中希望挖掘更多类型金融行业的数据，综合评价金融集聚的影响。第二，本文对于企业的微观行为未做深入探讨，而是以地级市为最小单位，在未来的研究中希望对微观企业行为进行研究，更为清晰地揭示金融集聚的潜在影响。

参考文献

• [1]林毅夫，孙希芳，姜烨.经济发展中的最优金融结构理论初探[J].经济研究，2009,44(8):4-17.

• [2]史恩义，王娜.金融发展、产业转移与中西部产业升级[J].南开经济研究，2018(6):3-19.

• [3][瑞典]劳拉詹南.金融地理学：金融家的视角[M].孟晓晨，译.北京：商务出版社，2001:59.

• [4]洪正，谢漾.财政分权制度、市场分割同群效应与产能过剩[J].中南大学学报（社会科学版），2021,27(4):111-127.

• [5]Agarwal S,Hauswald R.Distance and Private Information in Lending[J].The Review of Financial Studies,2010,23(7):2757-2788.

• [6]俞颖，苏慧琨，李勇.区域金融差异演进路径与机理[J].中国工业经济，2017(4):74-93.

• [7]王如玉，王志高，梁琦，等.金融集聚与城市层级[J].经济研究，2019,54(11):165-179.

• [8]Brevoort K P,Hannan,T H.Commercial Lending and Distance:Evidence from Community Reinvestment Act Data[J].Journal of Money,Credit and Banking,2006,38(8):1991-2012.

• [9]Degryse H,Ongena S.Distance,Lending Relationships,and Competition[J].The Journal of Finance,2005,60(1):231-266.

• [10]杨子荣，张鹏杨.金融结构、产业结构与经济增长———基于新结构金融学视角的实证检验[J].经济学（季刊），2018,17(2):847-872.

• [11]Petersen M A,Rajan,R G.Does Distance Still Matter? The Information Revolution in Small Business Lending[J].The Journal of Finance,2002,57(6):2533-2570.

• [12] Porteous D J.The Development of Financial Centers:Location,Information Externalities and Path Dependency[M].Chichester:Wiley Press,1999:97.

• [13]Krugman P.Increasing returns and economic geography[J].Journal of Political Economy,1991,99(3):144-165.

• [14]Devenow A,Welch I.Rational Herding in Financial Economics[J].European Economic Review,1996,40(3):603-615.

• [15]赵勇，白永秀.中国城市群功能分工测度与分析[J].中国工业经济，2012(11):18-30.

• [16]俞颖，苏慧琨，李勇.区域金融差异演进路径与机理[J].中国工业经济，2017(4):74-93.

• [17]段超颖，张文龙.银行业竞争、融资约束与企业创新[J].统计学报，2022,3(4):53-67.

• [18]俞立平，冉嘉睿.政府补贴与企业研发投入时空演变及协调[J].统计学报，2022,3(3):15-27.

• [19]谢漾，洪正.城市群兴起的金融集聚效应与影响机制[J].当代财经，2022(2):66-78.

• [20]王洁玉，郭琪，周沂，等.市场分割对中国制造业增长的影响———区域与产业差异[J].地理科学进展，2013,32(11):1592-1601.

• [21]寇宗来，刘学悦，刘瑾.产业政策导致了产能过剩吗———基于中国工业行业的经验研究[J].复旦学报（社会科学版），2017,59(5):148-161.

【免责声明】《现代财经》微信公众平台所转载的专题文章，仅作佳作推介和学术研究之用，未有任何商业目的；对文中陈述、观点判断保持中立，请读者仅作参考，并请自行承担全部责任；文章版权属于原作者，如果分享内容有侵权或非授权发布之嫌，请联系我们，我们会及时审核处理。

《现代财经-早读分享》是由《现代财经》天津财经大学学报编辑部编辑出版（总第2476期）

编辑整理：蔡子团队  

团队成员：陈晨、张晓丹、白晓萌、李茸茸、梁晓娟、王建飞、吴玉婷、王晴晴、丁慧、李炳杰、杨国臣、孙桂萍