粤港澳大湾区城市金融发展的区域融合效应研究

作者：李文秀 唐荣

来源：《学习与探索》 2020年第2期

李文秀，唐荣

（广东金融学院 创新与产业发展研究团队，广州 510521）

摘要：促进粤港澳大湾区经济融合发展是实现世界级城市群建设的关键，而区域经济融合发展离不开金融支持。本文基于2006—2017年粤港澳大湾区城市数据，通过构建金融发展规模与金融发展效率两项体现金融发展水平的变量，采用空间计量模型实证检验了金融发展及其空间溢出与区域融合发展间的关系。结果表明，粤港澳大湾区城市间存在金融发展的空间关联性，空间特征明显；当前湾区内的金融发展主要形成了以广州、深圳为核心集聚城市的“中心—外围”格局，“虹吸效应”的存在使得基于金融规模与金融效率权衡的金融发展水平均对区域经济融合具有显著负向影响；湾区内区域融合发展还将依靠交通基础设施的完善及产业结构的优化推动，而干预、城镇化等因素对湾区经济融合的推动效果尚未显现。

关键词：粤港澳大湾区；金融发展；区域经济融合；空间外溢；世界级城市群建设

中图分类号：F832.7文献标志码：A文章编号：1002-462X(2020)02-0117-08

①资料来源：《湾区经济启示录：战略发展增长极粤港澳大湾区的新投资机遇》，具体参见：https://www.sohu.com/a/134703503_117959。

基金项目：国家自然科学基金项目“创新驱动视角下中国服务业发展研究：事实特征、内在机理和优化”（71873040）”“全球价值链下中国服务业国际竞争力研究：基于贸易增加值的分析”（71573057）

作者简介：李文秀，1978年生，广东金融学院经济贸易学院副院长、研究员，创新与产业发展研究团队负责人；唐荣，1991年生，通讯作者，广东金融学院讲师，创新与产业发展研究团队成员。

一、引言

湾区经济作为当今世界经济发展的突出亮点，依附于开放的经济结构、高效的资源配置、发达的关系网络，逐渐成为引领创新、带动世界经济增长的龙头。相较于三大国际一流湾区，我国的粤港澳大湾区起步较晚、发展缓慢。从1997年“深港湾区”构想的提出，到2005年广东省出台《珠江三角洲城镇群协调发展规划（2004—2020）》，“湾区”概念首次出现在官方文件，再到2014年“湾区经济”正式写入深圳市工作报告，直至2017年工作报告中提出，“研究制定粤港澳大湾区城市群发展规划”，标志着“打造粤港澳大湾区”正式上升为国家战略（郭文伟和王文启，2018；彭芳梅，2019）［1］［2］。在市场发展与助力下，粤港澳大湾区建设已逐渐成为继“长三角一体化”“京津冀协同发展”等发展战略之外的又一新的增长极，①是我国建设世界级城市群、实现经济高质量发展的重要空间载体。推动粤港澳大湾区成为世界级城市群，关键是要解决好粤港澳大湾区各城市间经济融合、协同发展的问题。然而，从粤港澳三地的区域合作现状看，在区域经济管理机构方面存在多头管理、协调困难、职能重叠、管理资源浪费等问题（李伯侨和尚寅，2011）［3］；在城市竞争方面，广州、深圳与间的“龙头”之争始终存在（钟韵和胡晓华，2017）［4］；另外，湾区内要素资源

空间分布不均、“诸侯经济”现象严重等问题都未得到根本性解决（杨英，2016）［5］。可见，推进湾区城市间融合发展仍是建设好粤港澳大湾区的关键所在。

纵观经济发展实践，区域经济融合发展离不开金融支持（范祚军和徐啸，2014）［6］。粤港澳欲实现湾区经济融合发展，巨大的资金支持是必不可少的，也就是说湾区的金融发展务必满足区域融合的现实需求。然而，粤港澳大湾区的“一二三四”格局致使湾区城市间的金融资源要素并未得到合理配置，已成为湾区融合发展的难点与痛点（彭芳梅，2019）。基于此，本文就粤港澳大湾区金融发展的区域经济融合效应展开研究，以便为研究制定粤港澳大湾区城市群发展规划提供理论支持。

二、粤港澳大湾区城市金融发展的区域融合效应检验

（一）空间相关性检验

本研究主要考察粤港澳大湾区城市金融发展对区域经济融合的影响，通常金融发展活动具有一定的空间关联性（黄建欢等，2014）［7］，因此，我们在考察金融发展的区域融合效应时务必考虑到地理的空间效应，即采用空间计量模型进行后续的实证检验。一般而言，采用空间计量分析经济变量间的关系时首先应进行空间相关性检验。当且仅当经济变量间具有空间关联性，才进一步考虑运用具体的计量模型进行效应检验。Moran’I指数和G统计量是检验空间关联性的两种惯用方法，尤其Moran’I指数的应用更为广泛。具体计算公式如下：

其中，，Xi为地区i的经济变量，n为空间区域总数，本研究仅包括粤港澳大湾区中除中国、外的9个城市，Wij为n×n的空间权重矩阵。Moran’I指数的取值范围为［-1,1］，moran’I＞0表明相邻地区具有空间正相关性，反之，moran’I＜0表明相邻地区具有空间负相关性，Moran’I的绝对值越趋近于1，表明空间相关性越强。当且仅当相邻地区具有空间关联性，后续的空间计量分析才有意义。当然，在计算Moran’I指数前需对空间权重矩阵进行设置，参照相关研究的一般做法（王远飞和何洪林，2007；朱平辉等，2010）［8］［9］。本研究主要采取空间邻接权重法进行权重构造，作为后续模型估计的权重基础，具体设定规则为：若城市间存在地理上的相邻边界或交点便赋值为1，否则赋值为0。具体形式如下：

其中，i,j∈［1,n］，据上式可知，相邻城市的权重为1，不相邻城市的权重为0，而空间权重矩阵Wij的主对角线元素为0，即Wii=0。

（二）变量选取与数据来源

本研究主要考察粤港澳大湾区城市金融发展的区域融合效应，考虑到金融发展活动空间关联性的存在，本研究拟构建空间面板模型进行后续实证分析。

其中，核心解释变量为金融发展，本研究同汪浩瀚和潘源（2018）研究类似［10］，选取金融发展规模（FS）和金融发展效率（FE）两个指标进行衡量。其中金融发展规模采取金融发展的相关比率近似测算，即金融发展规模（FS）=各城市金融机构年末存款余额/大湾区金融机构年末存款余额；金融发展效率（FE）指标则采用存贷比率表示，即金融发展效率（FE）=各城市金融机构年末贷款余额/各城市金融机构年末存款余额。

被解释变量为区域经济融合（Ecodependence），已有关于区域融合的研究并未针对该指标构建直接的度量方法，考虑到区域融合发展程度越深，往往伴随区域间较强的市场依赖度与经济联系度。因此，本研究拟借鉴保建云（2008）的做法［11］，采取地区市场依赖度的衡量指标作为区域融合度的代理变量。具体计算公式如下：

其中，consumptionall,t、consumptioni,t分别表示全国和各城市i支出法国内生产总值中的最终消费量，gdpall,t、gdpi,t为全国和城市i的支出法国内生产总值。Ecodependence的指标值越大，表明本地企业和产品对外部市场更具依赖性，同时也表示地区间较深的经济融合度。

另外，本文同样基于已有研究（刘生龙和胡鞍钢，2011；张虎和韩爱华，2017）［12］［13］，选取了一系列影响区域间经济融合发展的其他控制变量，以减少模型估计偏误。控制

变量具体包括：交通基础设施现状（Transport），以铁路客运量的对数近似衡量各城市的交通基础设施水平；干预（GOV），采用支出占GDP比重近似衡量；产业结构（Service），采用各城市第三产业产值占GDP比重作为表征产业结构现状的指标；城市化水平（Urban），考虑到人口城市化在衡量城市化水平方面可能比土地城镇化更为合适，本研究拟用城市人口占总人口比重作为城市化的衡量指标。

本研究将样本期限设定为2006—2017年，样本量为粤港澳大湾区中除中国、外的9个城市12年的面板数据。数据来源于各城市统计局发布的《统计年鉴》。另外，本研究还进一步基于原始数据的搜集，对涉及价值的名义变量进行转换，即结合各城市的GDP平减指数将名义GDP变量换算为2006年为基期的实际变量。各指标的描述性统计见表1。

由于本研究主要考察金融发展的区域融合效应，因此，我们在此着重分析金融发展指标的统计特征，据表1的结果显示可知，金融规模变量的均值为0.1111，最大值为0.3910，最小值为0.0133，标准差达到0.1219，可见湾区内各城市间的金融发展规模差异较大，而基于样本数据我们得到广州市和深圳市的金融发展规模最大，2006—2017年间金融发展平均规模分别达到0.334和0.324，而金融发展规模最小的城市为惠州市和肇庆市，2006—2017年间金融发展平均规模分别仅为0.029和0.015；另外，根据金融效率指标的统计特征可知，金融效率变量的均值为0.5813，最大值为0.7523，最小值为0.37，同样可看出湾区内各城市间的金融发展效率差异较大，且基于样本数据，我们同样得到广州市和深圳市的金融发展效率最高，2006—2017年间金融发展平均效率分别达到0.632和0.5。可见，粤港澳大湾区内部的金融发展存在一定的空间集聚特征，即形成了以广州、深圳为核心的“中心—外围”结构。

（三）空间计量模型构建

基于本文的研究主题，考虑到金融发展往往存在一定的空间自相关性（彭芳梅，2019），主要体现为金融机构、资金等金融要素的空间转移通常伴随知识、技术、劳动力等生产要素的空间配置，从而导致金融发展过程易产生经济发展空间自相关效应。然而，以往多数有关金融发展的研究都忽略了金融活动的空间关联性，基于一般的固定效应模型、面板门限模型等方法进行实证检验（黄智淋和董志勇，2013［14］；汪浩瀚和潘源，2018；陈国进等，2019

［15］），这显然有悖于现实。根据“地理学第一定律”，空间数据普遍都存在一定的空间依赖性（Anselin和Getis，1992［16］），某地的金融发展活动不可避免地会受邻近地区影响。因此，本文有关金融发展区域融合效应的研究，有必要考虑到地理空间效应的影响。空间计量方法主要包括两类模型，即空间误差模型（Spatial Error Model，SEM）和空间自回归模型（Spatial Autoregressive，SAR）（Anselin，1988）。其中SEM模型是指模型误差项存在空间关联性，表明区域外溢是随机冲击的作用结果。具体表达式为：

其中，X表示前文选取的除金融发展水平外一系列影响区域融合的其他控制变量，包括交通基础设施现状（Transport）、干预（GOV）、产业结构（Service）、城市化水平

（Urban）等。εit为相应的随机误差项，其服从一阶空间自回归过程，μit为特定误差，一般假定E(μit)=0、E(μ2it)=δ2，λ为空间自相关系数。Wim即前文构建的反映城市间相关性的空间权重。

SAR模型是指由于变量间的空间依赖性至关重要而导致空间关联，该模型反映了被解释变量的影响因素将通过空间传导机制作用于其他地区，模型具体表达式为：

其中，ρ为空间自回归系数。我们进一步采用矩阵形式表示上述模型（4）与模型（5）：

其中，Ecodependence、FE(FS)、ε、μ均为NT×1维列向量，γ、X均为NT×J维矩阵，A=lT�α，lT表示T维元素全为1的列向量，α为N×1维列向量，体现了城市个体特征，即固定效应。W=IT�WN，IT表示T×T单位阵，WN体现了城市间空间的关联性。

三、实证检验与分析

（一）面板平稳性检验

为避免数据的非平稳性导致模型回归出现“伪回归”现象，在进行实证分析前，需要对数据进行平稳性检验，以确保回归结论的稳健可靠。因此，本文在后续一系列实证检验前先综合运用LLC检验、ADF-Fisher检验、HT检验和Breitung检验法对区域融合度（Ecodependence）、金融发展规模（FS）、金融发展效率（FE）、交通基础设施现状（Transport）、干预

（GOV）、产业结构（Service）、城市化水平（Urban）等变量数据进行了单位根检验。根据下页表2显示的检验结果可知，受检验变量在四种单位根检验中都有部分存在序列不平稳性，但经过一阶差分后，所有变量均表现为序列平稳，即所有变量均为同阶单整。

（二）金融发展空间相关性检验

在分析金融发展的区域融合效应之前，我们需要对金融发展是否存在空间关联特征进行分析，我们利用粤港澳大湾区9个城市2006—2017年的数据计算出Moran’I指数，具体结果如下页表3所示：

据下页表3的结果显示可知，金融规模与金融效率指标的Moran’I指数几乎都显著为正，体现出一定的正空间相关性。其中，金融规模指标的Moran’I指数整体趋于小幅上升趋势，而金融效率指标的Moran’I指数呈现小幅减弱趋势。该分析结果表明，单就粤港澳大湾区城市金融发展变量数据来看，金融发展整体呈现一定空间关联性，如果仍利用传统的计量模型方法进行估计，可能会因为空间相关而导致估计偏误。该结论为前文模型构建部分选取空间计量模型作为本文的核心方法提供了一定现实佐证，表明采用空间计量模型具有合理性与必要性。

（三）回归估计结果与分析

我们将借助Stata软件对上述面板SAR模型与面板SEM模型进行估计。通过Hausman检验，我们得出结论两模型都应采取固定效应模型进行估计。为便于比较，我们同时给出了SAR模型、SEM模型与OLS模型的估计结果，下页表4与表5分别报告了金融规模区域融合效应及金融效率区域融合效应的实证结果，能明显看到相较于传统的OLS模型，考虑空间外溢效应的空间计量模型的估计系数值变大且显著性水平得到提升，这表明在考虑空间外溢效应后，金融发展的区域融合效应更显著。同时，综合修正的R2、LogL等指标估计值可知，SAR模型更好地拟合了空间关联。因此，我们将选择SAR模型的估计结果进行后续分析。另外，为考证核心解释变量金融规模与金融效率指标对区域融合度影响的稳健性，实证分析过程中我们采取控制变量逐步引入的方式，以观察核心解释变量估计系数与显著性的变化情况。我们根据金融规模与金融效率区域融合效应SAR模型的估计结果可看出（具体见下页表4和表5），在逐步引入控制变量后，核心变量（金融规模（FS）与金融效率（FE））的估计系数值及显著性水平并未发生较大变化，这表明金融发展对区域经济融合的影响较为稳定。

根据表4和表5的估计结果可知，金融规模与金融效率同区域经济融合度的空间外溢效应较为明显，空间外溢系数分别达到了-1.123和-1.015，且通过了1%的显著性检验，表明区域融合发展存在空间负相关，即一个城市的区域融合度受相邻城市的负向影响，结合现实可找出出现这一结论的原因：（1）粤港澳大湾区城市群发展仍然存在着很大的不充分与不平衡性，经济发展在空间上呈现显著“中心—外围”结构特征，“虹吸效应”的存在致使大湾区区域融合发展在空间关系上表现为负相关；（2）粤港澳大湾区各城市间长期以来固有的行政差异导致的“诸侯经济”及重大基础设施的“独享独用”等根本性问题的存在，致使区域间经济融合发展具有一定难度（钟韵和胡晓华，2017）。

另外，金融规模与金融效率对区域经济融合度的影响都显著为负，影响系数分别为-0.725和-0.285，且分别通过1%和10%的显著性检验。表明基于金融规模与金融效率权衡的金融发展水平均对区域经济融合具有显著负向影响。出现这一结论的原因可能为：当前湾区的金融发展主要形成了以广州、深圳为核心集聚城市的“中心—外围”格局，致使具有优势地位的核心城市吸引大量来自周边城市的资源要素，即“虹吸效应”导致核心城市的金融服务覆盖至周边中小城市，一定程度上制约了周边中小城市经济活动的活跃程度，带来金融服务产出向中心城市流失的现象；另外，金融资源核心集聚城市也往往由于金融机构的急剧增长、人员流入过多等原因，引致一系列诸如环境恶化、交通拥堵、土地资源紧张等拥挤效应，不利于区域融合发展。以上种种原因导致金融发展对区域经济融合的负向影响。这一结论表明当前粤港澳大湾区金融发展的空间关联格局尚处成长期，同国际一流湾区所处金融辐射期差距较大，各城市间的金融发展依旧处于相对竞争状态，并未产生互促共进的效果，长期来看这一竞争格局将不利于大湾区整体经济的融合发展（彭芳梅，2019）。

另外，根据表4和表5显示的控制变量估计结果可知，交通基础设施的影响效应显著为正，这表明交通基础设施的完善确实能有效推动大湾区整体经济融合发展，该结论与多数有关交通基础设施与区域经济一体化的研究结论一致（Behrens，2004；刘生龙和胡鞍钢，2011），完善的基础设施建设将通过贸易成本的降低、贸易效率的提升，增加区域间的贸易量，推进区域经济一体化发展。干预的影响效应显著为负或不显著，表明持续扩张的行为不仅不能有

效促进本地经济融合发展，甚至可能对区域间经济融合形成一定障碍，该结论也得到大量研究文献的支持（何智美和王敬云，2007；姜付秀等，2015），各地方为获取晋升与政绩，具有更大的积极性发展本地经济，因此一系列地方保护主义的出台势必阻碍区域间经济融合发展。城市化对区域融合的影响显著为负，这表明当前城市化并不利于粤港澳大湾区的经济融合发展，原因可能为：我国长期以来户籍制度改革滞后于城镇化进程，致使多数城镇化处于

“伪城镇化”阶段，抑制了大湾区城市间的交流与合作，不利于区域经济融合发展；另一方面，当前我国城镇化已不再是各地工业化派生的结果，而是基于土地财政等手段的型增长模式，城镇化扭曲的存在弱化了区域间经济发展的联动性（Huang，2016）［17］。而产业结构优化对区域经济融合度的影响显著为正，表明产业结构的高级化将有效推进大湾区城市经济融合发展。可见，产业结构向发展服务业的方向转变，将通过服务业发展带来的空间集聚效应促进区域间经济发展的关联性。

四、结论与启示

本研究选取2006—2017年间粤港澳大湾区9个城市数据，通过构建金融发展规模与金融发展效率两项体现金融发展水平的变量，采用空间计量模型实证考察了金融发展与区域经济融合间的关系，并得出如下结论：第一，粤港澳大湾区城市间存在金融发展的空间关联性，空间特征明显，其中，金融规模指标的Moran’I指数整体趋于小幅上升趋势，而金融效率指标的Moran’I指数呈现小幅减弱趋势；第二，在空间层面，金融规模与金融效率同区域经济融合度的空间外溢效应较为明显，且由于当前湾区的金融发展主要形成了以广州、深圳为核心集聚城市的“中心—外围”格局，虹吸效应的存在致使基于金融规模与金融效率权衡的金融发展水平均对区域经济融合具有显著负向影响；第三，交通基础设施建设、干预、城镇化及产业结构优化等因素也将对大湾区的整体经济融合发展产生重要影响。

基于上述有关金融发展区域融合效应的实证检验结果，本文得出如下启示：一是粤港澳大湾区城市群内部金融发展的空间布局不充分、不均衡的现状急须扭转，湾区内部可尝试构建一个跨地域、全覆盖、多层次的金融治理体系，对湾区内部的金融秩序、发展布局等进行统筹协调，逐渐消除当前湾区内各城市金融发展割裂、各行其是的不利局面。二是湾区应重视金融基础设施的通畅性，突破金融发展的机制障碍，一方面，应理顺与市场关系，构建风险防范与保障机制，为湾区金融发展创建良好的制度基础与市场环境；另一方面，各金融机构应增加湾区金融发展的战略认知，尝试设立普惠金融事业部或特色专营机构，加快湾区金融服务方式创新。三是交通基础设施的改进与完善是实现湾区经济融合发展的重要助力器，虽然当前湾区各城市重视交通基础设施的互联互通，湾区城市间的交通网络也得到大力发展，但仍存在交通连线不够，港口、机场、轨道交通未获得充分利用，跨界交通基础设施接驳不够顺畅等问题，这在一定程度上了大湾区各城市间的经济联系。四是粤港澳大湾区各城市应结合自身产业发展优势，充分发挥其地缘优势及国家红利优势，大力推动各自产业结构优化升级，如打造广州国际航运、航空、科技创新枢纽城市，打造深圳创新型综合枢纽城市，打造东莞、中山先进制造业中心，打造珠海、佛山制造创新中心，打造惠州科研成果转化高地等。

参考文献：

［1］郭文伟、王文启：《粤港澳大湾区金融集聚对科技创新的空间溢出效应及行业异质性》，《广东财经大学学报》2018年第2期。

［2］彭芳梅：《金融发展、空间联系与粤港澳大湾区经济增长》，《贵州社会科学》2019年第3期。

［3］李伯侨、尚寅：《粤港合作框架协议》中区域经济管理机构的地位初探，《特区经济》2011年第2期。

［4］钟韵、胡晓华：《粤港澳大湾区的构建与制度创新:理论基础与实施机制》，《经济学家》2017年第12期。

［5］杨英：《新时期粤港澳经济更紧密合作的基本趋向》，《华南师范大学学报》(社会科学版)2016年第4期。

［6］范祚军、徐啸：《中国—东盟区域经济一体化进程中的金融支撑》，《改革与战略》2014年第9期。

［7］黄建欢、吕海龙、王良健：《金融发展影响区域绿色发展的机理——基于生态效率和空间计量的研究》，《地理研究》2014年第3期。

［8］王远飞、何洪林：《空间数据分析方法》，北京：科学出版社2007年版。

［9］朱平辉、袁加军、曾五一：《中国工业环境库兹涅茨曲线分析——基于空间面板模型的经验研究》，《中国工业经济》2010年第6期。

［10］汪浩瀚、潘源：《金融发展对产业升级影响的非线性效应——基于京津冀和长三角地区城市群的比较分析》，《经济地理》2018年第9期。

［11］保建云：《区域发展差距、地方保护主义与市场一体化发展——基于区域非均衡发展转型大国的理论模型与实证分析》，《财贸经济》2008年第8期。

［12］刘生龙、胡鞍钢：《交通基础设施与中国区域经济一体化》，《经济研究》2011年第3期。

［13］张虎、韩爱华：《金融集聚、创新空间效应与区域协调机制研究——基于省级面板数据的空间计量分析》，《中南财经大学学报》2017年第1期。

［14］董志勇：《我国金融发展与经济增长的非线性关系研究——来自动态面板数据门限模型的经验证据》，《金融研究》2013年第7期。

［15］陈国进、陈睿、杨翱、赵向琴：《金融发展与资本错配：来自中国省级层面与行业层面的经验分析》，《当代财经》2019年第6期。

［16］Anselin L,Getis A.“Spatial statistical analysis and geographic

information systems”,The Annals of Regional Science,Vol.26,No.1,1992,pp.19-33.

［17］Huang S.The evolution of regional uneven development in jiangsu province under China’s growth-oriented stateideology,Newcastle,Cambridge Scholars Publishing,2016.

(注：因版面所限，其余参考文献略）

［责任编辑：房宏琳］