金融集聚影響因素空間計量模型及其應用研究-金融集聚影響因(編輯修改稿)

　

【文章內容簡介】 ） 式中，分別為空間權值矩陣中行和列之和。公式（4）、（5）可以用于檢驗n個區域是否存在空間自相關關系。如果Mroan’s ，表明金融集聚在空間分布上具有明顯的正向相關關系，正的空間相關代表相鄰地區的類似特征值出現集群趨勢。空間計量經濟學模型有多種類型，本文所要用到的空間計量模型主要是納入了空間效應(空間相關和空間差異)，適用于截面數據的空間常系數回歸模型，包括空間滯后模型（Spatial Lag Model，SLM）與空間誤差模型（Spatial Error Model，SEM）兩種。（1）空間滯后模型（SLM）空間滯后模型主要探討各變量在一個地區是否有擴散現象(溢出效應)，其表達式為： （6）式中，為因變量；為的外生解釋變量矩陣；為空間回歸關系數；反映了樣本觀測值中的空間依賴作用，即相鄰區域的觀測值對本地區觀察值的影響方向和程度；為階的空間權值矩陣，一般用鄰接矩陣(Contiguity Matrix)；為空間滯后因變量，為隨機誤差項向量。參數反映了自變量對因變量的影響，空間滯后因變量是一內生變量，反映了空間距離對區域行為的作用。區域行為受到文化環境與空間距離有關的遷移成本的影響，具有很強的地域性。（2）空間誤差模型（SEM）空間誤差模型的數學表達式為： （7） （8）式中，為隨機誤差項向量，為的截面因變量向量的空間誤差系數，為正態分布的隨機誤差向量。參數衡量了樣本觀察值中的空間依賴作用，即相鄰地區的觀察值有對本地區觀察值的影響方向和程度，參數反映了自變量對因變量的影響。SEM 的空間依賴作用存在于擾動誤差項之中，度量了鄰接地區關于因變量的誤差沖擊對本地區觀察值的影響程度。（3）估計技術對于上述兩種模型的估計如果仍然采用最小二乘法，系數估計值會有偏或者無效，需要通過工具變量法、極大似然法或廣義最小二乘估計等其他方法來進行估計。本文采用了Anselin（1988）的建議，采用極大似然法估計SEM和SLM的參數。、SEM的選擇判斷地區金融集聚現象的空間相關性是否存在，以及SLM和SEM哪個模型更恰當，一般可通過包括Moran’s I檢驗、兩個拉格朗日乘數(Lagrange Multiplier)形式LMERR、LMLAG和穩健(Robust)的RLMERR、RLMLAG等來實現。由于事先無法根據先驗經驗推斷在SLM和SEM模型中是否存在空間依賴性，有必要構建一種判別準則，以決定哪種空間模型更加符合客觀實際。Anselin 等（2004）提出了如下判別準則：如果在空間依賴性的檢驗中發現，LMLAG較之LMERR在統計上更加顯著，且RLMLAG顯著而RLMERR不顯著，則可以斷定適合的模型是空間滯后模型；相反，如果LMERR比LMLAG在統計上更加顯著，且RLMERR顯著而RLMLAG不顯著，則可以斷定空間誤差模型是恰當的模型。除了擬合優度R2檢驗以外，常用的檢驗準則還有：自然對數似然函數值(Log likelihood，LogL)，似然比率(Likelihood Ratio，LR)、赤池信息準則(Akaike information criterion，AIC)，施瓦茨準則(Schwartz criterion，SC)。對數似然值越大，AIC和SC值越小，模型擬合效果越好。這幾個指標也用來比較OLS估計的經典線性回歸模型和SLM、SEM，似然值的自然對數最大的模型最好。四、實證結果分析空間權重矩陣是空間統計計量模型的關鍵，也是地區間空間影響方式的體現。目前，空間權重矩陣的基本形式有只考慮地理相鄰信息，即“地理”空間權重矩陣()，也有考慮涉及經濟差距的空間權重矩陣的擴展形式，即“經濟”空間權重矩陣()。“地理”空間權重矩陣(W)最常用的是簡單二分權重矩陣，遵循的判定規則是Rook相鄰規則，即兩個地區擁有共同邊界則視為相鄰。本文選用的是“地理”空間權重矩陣()。為檢驗金融集聚現象在地理空間上的相關性，即空間相互依賴性，下面利用20022007年中國28個省域的金融集聚指標計算Mroan’s I指數，相關結果見表1。表1中Moran ()，這表明我國28個省域的金融集聚現象在空間上具有明顯的正自相關關系(即空間依賴性)，說明省域金融產業的發展在空間分布并非表現出完全隨機的狀態，而是表現出某些省域的相似值之間在空間上趨于集聚，也就是說，具有較高金融集聚度的省區相互靠近，或者較低金融產業集聚的省域相對地互相相鄰的空間聯系結構。因此，從整體上講省域之間的金融產業的發展是存在空間相關性的，也就是說我國省域金融產業的發展存在著空間上明顯的集聚(Clustering)現象。表1 中國28個省域金融集聚Mroan’s I指數及其Z值年份Moran’IMoran’I 期望值標準差正態性統計量小概率值200220032004200520062007為進一步分析我國省域金融產業發展的空間集聚特征，本文給出了局域Mroan指數散點圖（見圖1）。圖1展示了空間滯后W_FIN作為縱軸和FIN作為橫軸的分布情況。其中，FIN為金融產業的集聚度，W_FIN表示鄰近值的加權平均值。根據散點圖，可將各個省域金融產業的發展分為4個象限的集群模式，分別識別一個地區及其與鄰近地區的關系：圖的右上方的第1象限，表示高集聚增長的地區被高集聚的其他地區所包圍（HH），代表正的空間自相關關系的集群；左上方的第2象限，表示低集聚增長的地區被高集聚增長的其他地區所包圍(LH)，代表負的空間自相關關系的集群；左下方的第3象限，表示低集聚增長的地區被低集聚增長的其他地區所包圍(LL)，代表正的空間自相關關系的集群；右下方的第4象限，表示高集聚增長的地區被低集聚增長的其他地區所包圍(HL)，代表負的空間自相關關系的集群。第第3象限正的空間自相關關系揭示了區域的集聚和相似性，而第第4象限負的空間自相關關系揭示區域的異質性。如果觀測值均勻地分布在4個象限則表明地區之間不存在空間自相關性。根據上述理論及圖1所顯示的結果，可以得到我國28個省際區域的空間相關模式，如表2所示。圖2 我國省域金融集聚度的Mroan指數散點圖注：FIN07表示2007年我國28個省域的金融集聚度。W_FIN表示鄰近值的加權平均值。表2 金融產業集聚度各省際區域的空間相關模式空間相關模式地區第1象限HH北京、天津、黑龍江、吉林、遼寧、內蒙古第2象限LH河北、江蘇、浙江第3象限LL甘肅、河南、陜西、青海、山東、安徽、四川、湖北、湖南、江西、云南、貴州、福建、廣西、廣東第4象限HL新疆、上海、山西、寧夏位于4象限的省域不多（只有7個），第3象限省域金融集聚局部的HH和LL分化，因此，可以認為我國省域金融集聚在地理空間的分布上存在著依賴性和異質性。以北京和上海為例來進行說明，經本文測算，是我國金融集聚度最高的兩個城市，但根據散點圖的結果，北京位于第一象限，上海卻位于第四象限。這是因為北京鄰近的地區如天津、遼寧、吉林等都是金融集聚度比較高的地區，即高集聚增長的地區被高集聚增長的其他地區所包圍，反映了金融集聚在地理空間分布上的依賴性。而上海雖然金融集聚度在我國是最高的，但其鄰近的大部分地區如安徽、江西、河南、山東等都是金融集聚度很低的地區，即高集聚增長的地區被低集聚增長的其他地區所包圍，反映了金融集聚在地理空間分布上的異質性。中國現階段，除個別地區如北京、上海、天津等地的金融集聚度比較高以外，大部分地區的金融集聚度都不是很高，整體上看，東部地區的金融集聚度要高于中部和西部地區，其中，西部地區的金融集聚度最低（大部分地區都是位于第三象限（LL））。說明現階段我國金融業的發展還不夠發達，而且區域差異比較大， 以上分析表明，我國省域金融產業發展確實存在著空間的集聚現象，地區差異比較顯著。這也進一步表明有必要從空間維度的相關性和異質性出發，對金融集聚影響因素進行空間計量分析。本文選用的空間計量經濟模型主要是納入了空間效應的空間滯后模型（SLM）與空間誤差模型（SEM）兩種。下面，以中國28個省域為空間單元，選擇合適的空間計量模型，進行金融產業集聚的空間計量經濟檢驗和估計。為了比較分析不同時期各影響因素對當期被解釋