———基于长江经济带的面板模型分析
吕飞 陈阿兴 安徽财经大学国际经济贸易学院
摘要:基于2009~2018年有关长江经济带11个省市的面板数据,利用静态面板模型对金融业集群对长江经济带产业结构变迁的影响进行分析,有关11个省市的金融业集群水平的衡量是通过区位熵指数的方法来测量的。实证研究发现:金融业集群对产业结构变迁的作用是正向且显著的。同时,为了使结论变得可靠还进行了稳定性检验。最后,为更好地发挥长江经济带金融业集群对产业结构优化调整,提出了相关建议。
关键词:金融业集群;区位熵指数;静态面板模型;产业结构变迁
一、引言
党的十九大报告指出,“我国经济已由高速增长阶段转向高质量发展阶段,正处在转变发展方式、优化经济结构、转换增长动力的攻关期[1]。”在产业结构不断转化的过程中,金融业发挥着举足轻重的作用,而随着金融业不断的向前发展,金融业集群现象也慢慢呈现出来。因此,金融业集群与产业结构变迁之间的紧密关系渐渐突显出来,已经成为时代关注的焦点。
金融业对产业结构升级有着的重要影响。Goldsmith(1969)[2]运用35个国家的面板数据进行分析,研究发现金融发展与产业结构调整是正相关的。曾国平和王燕飞(2007) [3]从时间序列的角度进行分析,发现金融发展对产业结构的内部调整机制有着重要的影响。有关金融业集群与产业结构调整之间的研究相对较晚,雷强、倪权生、吴君(2011)[4]基于金融产业集群的视角探讨了伦敦国际金融中心金融产业结构分布、金融业就业状况以及劳动生产率结构,最后借鉴英国对我国金融中心建设提出初步设想。杨义武,方大春(2013)[5]对长三角2003~2011年的市级面板数据进行向量自回归,用产业结构高级化和合理化这两个指标衡量产业结构变迁,发现金融集聚与产业结构变迁之间的关系是稳定均衡且长期存在。漆慧兰(2019)[6]通过计算比较各省市的金融区位熵发现宁夏金融区位熵居然排名全国第四,这与我国区位发展东西不均衡相违背,并在此基础上提出了建议。
上述研究成果表明了金融发展、金融业集群都可以对产业结构变迁产生影响。在以往文献中,通常是采用产业结构高度化及合理化的指标来衡量产业结构变迁的,而本文对产业结构变迁的衡量是通过对Moore值进行加权。同时,以往的研究中,很少有对某个特定区域内的样本进行研究,因此,本文基于已有文献的基础,运用静态面板模型对长江经济带11个省市的金融业集群来分析,并着重探究其对产业结构变迁的影响,最后还运用稳健性检验进一步验证了结论的可靠性。
二、金融业集群对产业结构变迁的作用机制分析
金融业集群主要是通过资本支持、产业整合、资源配置和风险防范4个方面来驱动产业结构变迁。具体见图1。
图1 金融业集群与产业结构的机制原理
第一,金融业集群带来的好处之一是资本支持。第二,金融业集群促使各个产业间相互整合,特别是传统行业和新兴行业之间。由此可见,金融业集群汇聚了大量资本等物质资源,从而推动产业结构变迁。第三,金融业集群使金融市场规模变大,竞争加剧,使金融资源的效益化得到很大提升,提高了资源的配置效率。最后,随着金融业集群的发展,各企业间的业务会越来越多和越来越复杂化,网络信息传递速度也更快,因此各企业间需要合理地规避风险,不要把鸡蛋放在一个篮子里,多样化投资,形成风险防范的意识,这样产业结构变迁才会更加平稳,才会进一步达到优化升级的效果。
三、模型设定与数据说明
(一)计量模型设定
本文的静态面板模型设定如下:
(二)指标数据简要说明
本文选取的样本数据是2009~2018这十年我国长江经济带十一个省市的面板数据,各指标数据说明及描述性统计见下表:
表1 指标数据说明和描述性统计
变量类型
|
变量名称
|
解释说明
|
平均值
|
标准差
|
最小值
|
最大
值
|
被解释变量
|
产业结构变迁(Moore)
|
产业结构变迁指数
|
2.426
|
0.118
|
2.144
|
2.692
|
解释变量
|
金融业集群(FIC)
|
金融业集群指数
|
0.895
|
0.520
|
0.255
|
2.284
|
控制变量
|
外商直接投资
(fdi)
|
外商直接投资/地方总产值
|
0.276
|
0.023
|
0.002
|
0.087
|
技术进步
(tech)
|
地方专利数量
|
52334
|
67438
|
1729
|
269944
|
政府干预
(gov)
|
政府财政支出/地方总产值
|
0.332
|
0.053
|
0.113
|
0.432
|
地区经济发展水平(mgdp)
|
省市人均生产GDP/全国平均值
|
1.161
|
0.374
|
0.366
|
3.034
|
在表1中,产业结构变迁是本文的被解释变量,金融业集群是本文的核心解释变量。
1.被解释变量
以往学者大多从产业结构的高度化、合理化这两个角度选取指标来测量产业结构的变化,但从这两个角度着手的指标有个最大的不足是并不能有效地考虑跨期的影响。因此,本文在以往学者研究的基础上,参照John(1978) [7]使用空间向量测度方法算出Moore结构变化值来衡量产业结构变迁程度,具体公式如下:
四、实证检验
(一)面板数据单位根检验
计量中常常出现伪回归现象,这通常会造成计量结果变得不真实,甚至是错误的。本文选取LLC和Hardri_LM两种面板单位根检验方法对面板数据进行单位根检验,具体结果见表2。
表2 面板数据单位根检验结果
变量
|
LLC统计值
|
Hardri_LM
|
平稳性判断
|
lnMoore
|
--3.8269***(I&T)
(0.0001)
|
14.2156***(I)
(0.0000)
|
平稳
|
lnFIC
|
-1.4394*(I&T)
(0.0856)
|
11.8122***(I)
(0.0000)
|
平稳
|
lnfdi
|
-1.7350**(I)
(0.0442)
|
4.2289***(I)
(0.0000)
|
平稳
|
lntech
|
--7.7630***(I)
(0.0000)
|
14.6250***(I)
(0.0000)
|
平稳
|
lngov
|
--2.3428***(I)
(0.0206)
|
10.7889***(I)
(0.0000)
|
平稳
|
lnmgdp
|
-7.9975***(I)
(0.0000)
|
14.0329***(I)
(0.0000)
|
平稳
|
注:*、**和***分别表示在10%、5%、1%的显著性水平下显著,括号里I表示仅含有截距项检验模式,I&T既有截距项又有趋势项的检验模式。
在表2中,我们可以看到大多数变量都是在1%的显著性水平下显著,当然也有变量,比如lnFIC、lnfdi的LLC统计值虽然在1%的显著性水平下不显著,但在10%显著性水平下显著,因此所有变量都是平稳的,可以进一步进行模型的估计。
(二)静态面板模型估计
在通过以上检验之后,本文对样本数据分别采用混合回归模型、固定效应模型和随机效应模型进行回归,最后根据F检验和Hausman检验来选取适合的模型,由于P值为0,在1%的显著性水平下显著,本文应选取固定效应模型来进行分析变量间的影响机制,进而得出结论。
表3 静态面板模型估计结果
|
(1)
|
(2)
|
(3)
|
|
混合OLS回归
|
固定效应回归(Fe)
|
随机效应回归(Re)
|
lnFIC
|
0.038***
|
0.042***
|
0.038***
|
|
(3.52)
|
(5.23)
|
(3.52)
|
lnfdi
|
-0.006*
|
-0.005
|
-0.006*
|
|
(-1.88)
|
(-1.42)
|
(-1.88)
|
lntech
|
0.011***
|
0.011***
|
0.011***
|
|
(3.29)
|
(2.86)
|
(3.29)
|
lngov
|
0.052***
|
0.011
|
0.052***
|
|
(3.59)
|
(0.50)
|
(3.59)
|
lnmgdp
|
0.059***
|
-0.224***
|
0.059***
|
|
(3.40)
|
(-5.22)
|
(3.40)
|
_cons
|
0.783***
|
0.753***
|
0.783***
|
|
(18.76)
|
(12.90)
|
(18.76)
|
N
|
110
|
110
|
110
|
F/Wald
|
235.68***
(0.0000)
|
37.18***
(0.0000)
|
235.68***
(0.0000)
|
hausman
|
Chi2=62.38 p=0.0000
|
注:*、**和***分别表示在10%、5%、1%的显著性水平下显著。括号内为标准差,F统计值括号内的数为P值。
首先,对本文的核心解释变量(lnFIC)进行分析。由表3回归结果发现,金融业集群(lnFIC)与产业结构变迁的相关系数为0.038且在1%的显著性水平下显著,这表明金融业集群与长江经济带产业结构变迁是正相关的,金融业集群对长江经济带产业结构变迁有很好的促进作用。
其次,对文中的控制变量进行分析。技术进步(lntech)和经济发展水平(lnmgdp)的系数都为正且都在1%的显著性水平上显著,说明这两个变量都对产业结构变迁有正向的影响关系,都可以促进产业结构变迁。但是,外商直接投资(lnfdi)的系数为负值且不显著,这个和预想的不太一样,可能的原因是我国金融市场还不够成熟,金融业的发展还处于探索阶段,外国投资很大一部分都在经济发展较快的城市,而经济发展较慢的小城市很少有外商的融资,这极度地造成了地区间的发展不平衡,这对产业结构变迁产生很大的滞缓作用。政府干预(lngov)的系数虽然为正值,但并不显著,这表明政府对产业结构变迁的影响程度并没有想象中的那么大。
(三)稳健性检验
为了保证上述面板模型估计结果的可靠性,本文分别对长江经济带的上中下游地区进行单独回归,分别验证金融业集群对产业结构变迁的影响。
检验结果如表4所示。在表4中,不管上游、中游还是下游地区的金融业集群(lnFIC)的系数均为正值且都在1%的显著性水平上显著,这表明金融业集群对产业结构变迁的促进作用是稳健的。而除了核心解释变量外,其他变量的数值和显著性没有太大的差别,这也从侧面证明了模型估计的可靠性。
表4 稳健性检验结果
|
下游
|
中游
|
上游
|
|
fe
|
fe
|
fe
|
lnFIC
|
0.062***
|
0.022***
|
0.058***
|
|
(3.35)
|
(1.90)
|
(3.34)
|
lnfdi
|
-0.014
|
0.086***
|
0.000
|
|
(-1.56)
|
(4.42)
|
(0.05)
|
lntech
|
-0.004
|
0.012**
|
0.055***
|
|
(-0.70)
|
(2.59)
|
(2.85)
|
lngov
|
0.126***
|
0.004
|
-0.070*
|
|
(2.97)
|
(0.11)
|
(-1.76)
|
lnmgdp
|
-0.091**
|
0.056
|
-0.260***
|
|
(-2.89)
|
(1.00)
|
(-4.07)
|
_cons
|
1.185***
|
1.179***
|
0.477**
|
|
(8.47)
|
(10.39)
|
(3.69)
|
N
|
40
|
30
|
40
|
注:*、**和***分别表示在10%、5%、1%的显著性水平下显著。
五、结论与建议
在第四部分实证分析中,首先同时对三种常见的面板模型进行估计分析,然后在此基础上通过Hausman检验得出固定效应模型是估计的最佳模型,最终得出结论:金融业集群可以很好地促进地区产业结构的变迁。此外,模型还附带着验证了技术进步和经济发展水平对产业结构变迁的影响程度,这两个因素也是起到一定的促进作用。为了使模型估计的结果更加可靠,本文还进行了稳定性检验。因此,为了更好地利用金融业集群对产业结构变迁起到的促进作用,本文提出以下建议:
(一)推动区域金融合作和创新
一方面,目前长江经济带上各地区金融业集群和产业发展程度都不尽相同,甚至部分差异很大,尤其是下游长三角地区经济发展相对较快,而中下游地区发展较缓,这样的差异会导致国家产业经济出现很多不平衡的问题,因此,政府需要促进上中下游地区密切合作,鼓励相互之间取长补短。另一方面,金融业集群是金融发展的必须经历的一步,而科学技术的进步和创新可以加快金融业走向集群。因此,政府需要大力鼓励金融业的创新,只有掌握核心的创新技术才能站在舞台的制高点,才能从真正意义上优化区域产业结构。
(二)完善社会法律制度和监管
金融业集群是一个新浪潮,目前有关金融业的法律制度监管体系不够成熟,而产业结构变迁的需要一个高质量的环境,因此政府也应当充分考虑法律体制下的金融业集群,建立适当的监管体系,可以维护各产业之间的结构优化调整,给金融业建立一个完善的标准和准则,从法律上为产业结构变迁提供制度保障。
(三)营造良好的金融环境
我们现处于一个金融业集群迅速发展的时代,金融业环境可以给我们带来很多益处,同样也可以给我们带来很多害处。不良的环境会给社会造成严重混乱,甚至威胁到人民的生命安全。因此,国家相关部门应加大对不良金融环境信息的甑别力度,同时,对优秀传统文化、社会核心价值观等方面内容加大宣传力度,集合全社会力量营造一个良好的金融业环境,这样企业间合作才能更加有效率,产业结构才能向着良好的趋势发展。
参考文献:
[1]习近平.决胜全面建成小康社会夺取新时代中国特色社会主义伟大胜利:在中国共产党第十九次全国代表大会上的报告[R].北京:人民出版社,2017.
[2]Goldsmith R W.Finaricial structure and Development[M].New Haven:Yale University Press,1969:155-123.
[3]曾国平,王燕飞.中国金融发展与产业结构变迁[J].财贸经济,2007(08):12-19+128.
[4]雷强,倪权生,吴君.英国金融产业集群对我国国际金融中心发展的借鉴意义[J].产经评论,2011(01):48-56.
[5]杨义武,方大春.金融集聚与产业结构变迁——来自长三角16个城市的经验研究[J].金融经济学研究,2013,28(06):55-65.
[6]漆慧兰.我国金融产业集群发展影响因素研究——以宁夏为例[J].广西质量监督导报,2019(02):81.
[7]John H Moore.A Measure of Structural Change in Output[J].The Reviw of Income and Wealth.1978.12(3):105-117.
|