金融集聚對江蘇省綠色經濟效率的影響效應分析

文/于海翔 黃萍

一、引言

自黨的十九大以來，生態文明建設已作為一項重要戰略進行。其基本要求是協調綠色發展,在發展過程中，金融集聚成為一個典型的現象。整體來說，江蘇省各地級市的金融集聚程度均有所增加，金融集聚能對經濟發展產生重大影響，但影響的具體方向卻未有定論。實證研究，江蘇省金融集聚對綠色經濟效率的影響有利于加深對金融集聚與經濟發展、環境污染之間關系的理解，可以更好地制定產業政策，實現節能減排目標。同時，金融是經濟發展的血液，而一個省的經濟競爭力由綠色經濟效率所反映，本文通過研究金融集聚對江蘇省十三地級市綠色經濟效率之間的影響分析，提出針對性的金融相關政策改革建議，為江蘇省制定合理的各地區協同發展戰略，深化金融供給側改革，提供合理的實證依據。

學者對于金融集聚對綠色經濟效率的影響集中在三個方面：一是李凱風和王捷研究的金融于環境污染之間的關系，認為金融集聚可以使資金從低效企業流向高效企業，淘汰產能落后、污染嚴重的問題。二是徐明偉、解其昌等研究的影響環境污染的各種因素及普惠金融對環境保護的經濟效應和技術效應。三是金融集聚對省市全要素生產率、城市發展效率和城市經濟績效的影響。金融學者研究眾多，但是缺少對利用城市綠色經濟發展研究全省綠色經濟的研究。因此，本文將利用2011—2018年江蘇省13個地級城市的面板數據，使用金融業區位熵衡量江蘇省金融集聚程度，并利用超效率DEA模型和Malmquist指數分析法測量江蘇省綠色經濟效率，以此為基礎測度金融集聚對綠色經濟效率的影響效應。

二、江蘇省金融集聚水平的測量

金融集聚的衡量方式最常用的有區位熵、HH指數等。通常用的指標有：金融業從業人數、金融業增加值等，考慮到數據的可得性，即部分城市年鑒或者部分城市未能公布相關數據，本文采用區位熵方法，指標選取有金融機構本外幣存貸款余額、保費收入以及國內生產總值（GDP）。其公式為：

其中，FAIi表示i城市金融業區位熵，Mi表示i城市金融機構本外幣存貸款余額及保費收入之和，Ni表示i城市國內生產總值，M表示全國金融機構本外幣存貸款余額及保費收入之和，N表示全國國內生產總值。其中，江蘇省的金融集聚水平測量中，Mi表示江蘇省金融業增加值，Ni表示江蘇省國內生產總值；M表示全國金融業增加值，N表示全國國內生產總值。若,FAIi>1表示i城市的金融集聚水平較高；反之則集聚水平較低。

用式計算2010—2018年江蘇省及各地級市金融業區位熵，結果可以看出，江蘇省金融集聚水平呈現逐年上升趨勢，江蘇省各地級市的金融集聚程度參差不齊，由蘇南向蘇北逐漸遞減。金融集聚程度高的通常是那些金融歷史悠久，經濟基礎實力強，擁有政策支持的地級市。蘇南一直是江蘇的經濟中心，靠近上海，地理位置優越，所以地處蘇南的南京、蘇州和無錫的金融集聚水平較高，均值都為1以上，說明這些經濟較發達城市的金融業集聚態勢已初步形成。13個城市中，宿遷的金融集聚程度最低，為0.591?？梢钥闯?，地處蘇北地區、沒有港口和交通優勢、政策影響較弱、總體城市水平不高的宿遷市金融業發展水平較低，無法形成金融集聚態勢。

三、江蘇省綠色經濟效率的測定

（一）模型方法

數據包絡分析DEA是測量綠色經濟效率最常用的模型。Tone提出的Super-SBM模型在目標函數中加入松馳變量，既解決了傳統DEA-BCC模型和DEA-CCR模型無法解決的投入產出的松弛性問題，又彌補了SBM模型不能對多個DEA有效的決策單元進行比較的缺陷。另外，Fare等人將Malmquist指數與DEA理論相結合，提出了用來考察全要素生產率動態變化的Malmquist生產力指數。該指數由于彌補了靜態DEA模型不能用于面板數據的不足而得到了廣泛的應用。Malmquist指數可以分解為技術效率指數和技術進步指數，而技術效率指數又可分解為規模效率指數和純技術效率指數。

因此，本文采用Super—SBM模型和Malmquist指數來測量和分析江蘇省綠色經濟效率。當Malmquist指數大于1，表明江蘇省綠色經濟效率提升；當Malmquist指數小于1，表明江蘇省綠色經濟效率下降。

（二）指標選取

綠色經濟效率是一種考慮了環境代價和資源投入的綜合經濟效率，它既要追求社會經濟效益，又要考慮生態環境效益。因此，在構建綠色經濟效率投入產出指標體系時既要考慮期望產出指標，又要考慮犧牲資源環境的非期望產出指標。具體評價指標體系如表1所示。

表1 江蘇省綠色經濟效率評價指標體系

本文以江蘇省13個地級市為研究樣本，以2010-2018年樣本期間，運用表1的指標體系測算其綠色經濟效率。指標數據來源于江蘇省各個地級市2011—2019年統計年鑒和各個地級市統計局網站。

（三） 綠色經濟效率特征分析結果分析

根據Malmquist指數模型，采用MaxDEA7.0軟件測算2011—2018年江蘇省綠色經濟效率值，結果顯示，總體來看，由于江蘇省發展更注重對第三產業等的技術創新，使得2010—2018年江蘇省綠色經濟效率每年增加11.5%，綠色經濟效率的穩步提升。從區域層面看，雖然蘇南、蘇中和蘇北三大區域綠色經濟效率整體上呈現正增長趨勢，但蘇北地區呈現強勁的發展勢頭，其綠色經濟效率的增長速度明顯高于蘇南地區的增長速度，后發優勢理論可以解釋這種現象。蘇北地區通過多種渠道借鑒、模仿、消化和吸收發達地區的先進技術和經驗，推動創新發展，加速了綠色經濟效率的提高。從城市差異來看，南京、鎮江市的綠色經濟效率近些年略有降低，這與當地的環境政策相聯系。揚州、南通和泰州市的綠色經濟效率變化程度不大，較為穩定，這符合蘇中地區城市化進程加快的綠色發展理念。徐州市煤礦資源豐富，近些年當地政府加重了對環境保護的監管力度，導致徐州市綠色經濟效率不斷提高?；窗?、宿遷市的綠色經濟發展不夠穩定，綠色經濟效率振蕩幅度較大，這可能與地區的經濟發展水平相關。

四、金融集聚對江蘇省綠色經濟效率影響的實證分析

（一）模型及指標選取

本文采用面板數據回歸模型，模型如下：

其中，c為常數項，β為相關變量所對應的系數，ε為隨機誤差項。

被解釋變量為江蘇省十三個地級城市的全要素生產率變化（TFP）、核心解釋變量為FAI，控制變量為對外經濟開放程度（OPEN）、財政支出結構（G）和外商直接投資的對數值（lnFDI）。

1.OPEN決定一個地區是否可利用國外市場實現規模經濟，并可通過集聚大量FDI與跨國資源帶來技術外溢和關聯效應，因此OPEN是決定TFP的重要因素之一。OPEN=進出口額/GDP。為消除匯率波動和通脹影響，用當年人民幣匯兌美元中間價格以及2011年為基期的GDP平減指數進行折算。

2.G代表政府對技術研發的傾向性，可影響技術進步。G=科學技術支出/GDP。

3.lnFDI代表經濟發展的溢出效應。

本文的被解釋變量和解釋變量的數據來源于前文測算，控制變量數據來源于歷年各城市統計年鑒以及城市統計公報。

（二）建立模型

對模型式進行協變分析后發現，實證模型適用于建立混合回歸模型。運用Eviews8.0建立模型結果如表2所示。

從表2的結果來看，R2值為0.8648，擬合度高。DW值為2.3158，根據查杜賓—沃森檢驗表可知，在5%的置信區間內，K為4，N為13時du為1.826，所以該模型不存在自相關情況。

表2 混合回歸模型下的面板回歸模型

從F檢驗情況看，F檢驗的p值為0.0153，在1%的置信區間下顯著。由此可知，金融集聚度、對外開放程度、政府財政支出結構以及外商直接投資對全要素生產率的綜合影響顯著。

從T檢驗情況看，金融集聚度的p值為0.0201，在10%的置信區間下顯著；外商直接投資的p值為0.0307，在10%的置信區間下顯著。常數項結果顯著，這可能與當時的經濟環境相關聯，而對外開放程度和政府財政支出結構的顯著很大程度由各地政策相關聯。

因此，江蘇省綠色經濟效率的回歸方程為：

從回歸系數上看，金融集聚程度每提高1個百分點，全要素生產率就會提高0.723個百分點，說明金融集聚對全要素生產率的提升具有重要作用，能顯著提高江蘇省綠色經濟效率。

五、結論及對策

根據模型可以看出，江蘇省各地級市的金融集聚程度都在不同程度的上升，由此推動江蘇省的金融集聚程度加大。從城市方面來講，南京、蘇州和無錫的金融集聚程度遙遙領先，而蘇北的城市（除徐州）金融集聚程度很低，可能由于地理環境及長期的政策影響。金融集聚對綠色經濟效率有顯著促進作用；三個控制變量與金融集聚相配合能夠促進經濟更好更快發展。

因此，金融集聚可以通過技術創新、產業結構及節能減排提升城市綠色經濟效率。具體措施包括：第一，提升對外開放水平，優化產業結構。政府應優化外來投資結構，提高投資質量。第三產業，特別是其中的金融業的發展對金融集聚的影響較大，但各個城市仍然不能因發展經濟而放松對高污染、高能耗等外來投資項目的防控。第二，加快綠色科技創新，并將綠色經濟納入經濟社會發展規劃中。江蘇省應當對綠色科技創新與研發應用給予必要的資金和政策扶持，加強綠色科技研發應用試點示范。同時應制定有利于環境保護的各項政策，如環境稅、綠色信貸和保險、生態補償制度等，通過市場與價格引導企業和消費者的環境友好行為。第三，夯實金融發展基礎，提升金融機構集聚程度。要積極引導支持本省基金公司、保險公司等金融機構的設立，降低貸款利率。同時組建和培育新型金融機構，進一步整合區域金融資源。第四，實施人才戰略，提高金融人才集聚。金融人才的引進一方面要提高同國際金融行業的對接能力，另一方面政府要加大對金融人才的引進力度。第五，推動信息化與金融業深度融合，穩步發展。當普及金融業的信息化技術、信息化工具，建立信息化的服務平臺，使二者通過信息架構起互相支持共同發展的平臺，促進雙方深度融合，謀求穩固平衡長期的發展。