［提要］　本文回顾梳理以往金融发展与经济增长的关系，利用我国31个省级面板数据构建各省金融发展水平测算指标体系，并以此测算各省2001～2020年金融发展程度，采用GVAR模型实证分析各省金融发展水平对经济发展的空间溢出效应。实证结果表明：金融业发展不仅能带动本省经济发展，还能通过金融传导机制产生溢出效应，影响周边地区经济发展，且金融发展水平越高，所产生的溢出效应对周边地区经济增长带动作用越大；反之，亦然。

关键词：金融发展；经济增长；熵值法；GVAR；空间溢出效应

中图分类号：F12 文献标识码：A

收录日期：2022年9月20日

从世界主要经济体的经济发展历程来看，金融业发展在各个时期扮演着至关重要的角色。中国经济发展正处于重要转型关口，对经济发展质量、经济协调发展、未来可持续性等提出全方面、多纬度的高要求，依靠金融支持实体经济的发展战略被提升到前所未有的新高度。现行市场环境下，金融资源要在各省、自治区、直辖市之间合理配置，促进实体经济协调发展，切实提高区域经济发展水平。因此，研究金融资源地域间合理分布，充分利用金融发展空间溢出效应，以达到缩小区域间经济发展差距，共同稳定、持续健康发展的目的，是一个极具现实意义的课题 。

目前，学术界对金融发展促进经济增长空间效应的研究大部分基于传统计量经济学视角，忽略了数据本身带有的地理属性价值，基于GVAR模型研究金融发展与经济增长关系的文献较少。对金融发展的空间效应进行分析，可以反映出金融发展的在地理上的差异。通过对金融发展对经济增长溢出效应的分析，丰富了GVAR的应用研究范围。

一、文献回顾

（一）金融发展与经济增长关系研究。金融支持实体经济的系统性研究较早出现在J.A.Schumpeter（1912）对金融的研究上。J.A.Schumpeter把信贷看成支配商品市场的一支“有形的手”，从而影响实体经济的发展。随后Rajan、Zingales（1998）研究分析了金融干预实体经济的机制。Goldsmith（1969）则推进到实证研究阶段，通过建立衡量指标来测度金融的发展周期，证明与经济周期存在同步性。King、Levine（1993）则进行样本容量补充和细化，并加入了一些控制变量，进一步实证证明金融支持实体经济增长。但早期也存在诸多反对声音，McCandless、Weber（1995）通过实证研究证明，在长期，金融与实体经济增长没有关系。国内较早探索金融与实体经济关系的研究中，谈儒勇（1999）采用1993～1998年的季度数据，实证得出中国金融中介发展与经济增长存在显著且很强的正相关关系的结论。曹啸（2002）的研究支持我国金融发展与经济增长存在格兰格因果关系。但也有反对声音出现，单俏颖（2003）通过实证研究发现，经济增长是金融发展的格兰杰原因，但反向关系却是不成立的。

（二）金融发展不同角度对经济增长影响的研究。自1948年中国人民银行正式成立，我国金融体系已发展了70多个年头，先后经历了高度集中的计划经济体制时期、金融体制市场化改革时期和深化改革与扩大对外开放时期。对于金融的学术研究也在不断发展，不断拓展和深化。有学者从金融发展的广度、深度视角研究金融集聚、普惠金融、金融结构。金融集聚是研究比较多的话题，如王丹等（2015）、衣保中等（2021）。从金融运行的状态视角研究金融排斥、金融稳定、金融膨胀、金融风险、金融安全、金融效率、金融周期，如马永谈等（2021）。从金融构成要素视角研究金融市场、金融开放、金融生态环境、金融体系、金融创新、金融监管、金融资源配置，如赵越强等（2021）。随着国际国内金融不断与科技、互联网等众多因素融合发展的实践，学术界也将研究视角转向数字金融、科技金融、互联网金融、绿色金融、影子金融等，如王永仓等（2020）。

（三）金融发展的空间溢出效应研究。用“金融+经济增长+空间”三个组合成的关键词，在知网上检索，检索项目为题目，为保证论文质量水平，仅筛选来自核心期刊的文章，结果出现74篇文章。观察发现，自2009年前后，国内关于金融影响经济增长的研究开始进入到考虑金融变量对经济增长的空间相关性阶段，如颜日初等（2009）的研究发现，金融的空间作用下我国省域经济已呈现明显的地区集聚特征。李林等（2011）的研究也进一步支持了空间溢出效应的存在。

这些文章全部采用实证分析，采用的数据时间跨度较长，起点较早，研究内容涉及金融集聚、金融资源分布、数字金融、普惠金融、金融科技、金融创新等。李梦雨（2019）研究得出，一国金融广度能通过国际贸易对邻国经济产生正向外部性。李红等（2014）、刘降斌等（2021）利用国内数据实证研究金融要素集聚对经济增长空间溢出效应。近些年，国内的研究顺应新时代金融与经济增长实践，将数字经济、新科技发展因素加入其中，提出融合金融研究方向。王亮等（2022）运用245个地级市数据研究发现，数字普惠金融、技术创新与经济增长三者存在交互关系，且在本地区内部，地区间的影响方向存在明显的不同，本地区普惠金融对邻近地区的技术创新与经济增长影响为负，邻近地区的技术创新抑制本地金融发展，但其经济增长能促进本地区数字普惠金融发展。张腾等（2019）运用省级数据，并从更宏观的角度研究在不同发展水平下我国东、中、西部地区之间的空间交互影响，从指标建立上看，他的研究更侧重考虑科技在衡量各地金融发展水平的作用，研究发现科技金融在发展水平高的地区对经济增长作用明显，提出平衡金融资源地区分布以促进经济协调发展。有些文章还加入了诸如制度创新、农村经济结构改善等协同影响因素，研究内容相当完善。几乎所有的文章都采用的是空间计量经济学模型，目前暂无采用GVAR模型研究金融与经济增长的空间溢出问题的文章。

二、理论分析

（一）金融发展对经济增长的作用机制。金融行为本身不产生经济增长的效应，而是参与生产过程并最终分配生产成果。它对经济增长的影响是通过一系列间接效应对经济活动发生作用。笔者把这一系列效应归结为4类：（1）资源配置：金融活动中的各个金融主体能将分散的难以形成生产的储蓄资本归集起来，交由生产者投资建厂，招募工人，形成新的生产能力。由于资本的逐利性，人们总是希望把资本投入到产出高，民众迫切需要的部门，而从低效落后的生产中退出。（2）提升生产效率：加速人力资本、有形资本更新，推动创新，降低信息与交易成本。（3）增加社会需求：有了金融支持，缺少资本或害怕投资风险的企业家能行动起来投资，个人消费者也可以增加消费量。（4）控制功能：信贷资金支持能分散风险，支配企业家行为。投资方往往严格考核企业及其管理者行为绩效，并制定一系列激励经营者和企业员工的计划，监督经营者行为以降低风险。随着金融业向深度和广度不断发展，其自身不断创新，更与新时代的数字技术、互联网科技等相结合，使金融对实体经济支持的能力不断提高，将在更宽阔的领域对经济增长发挥越来越强的作用。

（二）金融发展对经济增长的空间溢出效应。金融发展水平提高，表现为金融规模增加、金融结构改善、金融效率提升，会给市场带来更多可用资本，降低融资成本，提升资金效率。高效发达的金融市场形成规模效应，吸引更多金融要素流向该地区，形成经济“增长极”。根据德国经济学家Perroux提出的“增长极”理论，地区间经济增长存在异质性，某些增长点或增长极表现出更强的发展速度与效率，然后通过各种渠道向外部扩散，对周边地区产生明显辐射效应，甚至影响整个经济体系。发达的金融市场、高效的金融活动不仅给当地经济带来强劲支持，还会对周边地区产生辐射效应。但金融对周边地区的作用不总是为正，根据美国经济学家提出的A.D.Hirschman“极化效应”，金融发展水平高的核心区，高效的金融产业会压缩周边地区低效率金融企业发展空间，从而影响周边地区金融活动对该地区的经济支持。当今中国物流体系发达、通信手段高效、各种计算机网络加持，使得我国经济地域加速走向融合，但由于各省、区、市比较优势和既有经济基础差异，使得经济要素、金融资源在各省（区、市）流动迅速，从而某一地区金融在影响其他地区的同时，其他地区的金融资源也共同影响着该地区。

三、实证分析

（一）GVAR模型简介。全球向量自回归模型（GVAR）最早是由Pesaran等（2004）提出，后来经Dees等（2007）进行了拓展应用。目前GVAR在国内研究中的应用广泛。赵丹婷等（2016）用该模型研究国际油价对包括中国在内的主要经济体物价水平、利率水平、股票市场等的影响，并探索其影响的传导途径。纪晗等（2016）用该模型研究国内货币政策对我国各省、地区房地产市场的经济效应及传导效果。孙树强等（2019）将该模型创新性地用于我国40个行业之间的相互影响研究。郝大鹏等（2020）利用GVAR模型研究美国经济政策不确定性在国际间的传导。

由于GVAR能够分析复杂经济系统中各地区变量之间的相互作用及其动态特征，能避免模型过大时维度灾难，使得它成为分析多变量多个经济模型相互作用的优选。它通过建立空间（贸易）权重矩阵，将多个独立的向量自回归模型（VARX*）联系起来，每个省的VARX*经济变量同时受到本省内生变量滞后期影响、外省变量当期和滞后期值影响、全局变量当期值与滞后期值影响。利用GVAR模型既可以清楚地分析区域间经济相互影响的关系，又有利于分析共同因素与区域因素之间的交互性。

（二）GVAR模型设计。借鉴前人构建GVAR的方法，选取我国N+1个省份分别构建各自VARX*模型，使用权重矩阵综合各省的VARX*模型，以分析各省份间的互动关系。每个省的VARX*模型可以表示为：

Φi（L，pi）Xit=ai0+ai1t+φi（L，qi）di+Δi（L，qi）X*it+uit

其中，Φi（L，pi）、φi（L，qi）和Δi（L，qi）分别为pi、qi阶滞后算子多项式。Xit为第i个省的省内经济变量，di为可观测到的全局变量，X*it为外省变量。ai0、ai1分别为常数项、时间的确定性趋势项的系数，uit为i省外部冲击。为避免参数的维度灾难，通常将X*it设为其他国家的经济变量的加权平均值，权重采用本文构建的综合权重矩阵，即X*it＝■ωijXjt，ωij为第j个省在第i个省中所占的综合权重。

    本文涉及31个省（区、市）的实际GDP、消费者价格指数（CPI）、各省金融发展水平指数。实际GDP、CPI选取各省2001年到2020年数GDP数据，用CPI调整为实际GDP数据，再经Eviews调整为季度数据。货币发行量（M2）为外生变量。

（三）金融发展水平指数指标体系构建。金融发展水平指数是指用一系列二级数据指标来建立一个综合指标，用以评价一省金融市场规模、深度、效率，各种金融资源的充足程度。因此，在设计上要充分考虑指标数据的代表性、全面性，同时由于时间跨度较长，也要考虑实际操作中数据的可得性。

建立多指标综合指数的方法有很多种，专家咨询法和层次分析法都需要主观确定权重，主观性较强，并且层次分析法不能解决评价指标间相关造成的评价信息重复的问题； 主成分分析和因子分析不需要主观赋权，且能够消除指标间重复信息对结果的影响，但分析结果不能同时反映综合指标时间线差异和各省之间比较差异。熵值法是突出局部差异的权重计算方法，不仅避免人为主观带来的偏差，在本文实际应用中计算出来的综合指标能同时反映各省金融发展水平之间的差异和各省金融发展水平沿时间线变化，因此本文选用熵值法。（表1）

（四）各省金融发展水平测算结果。通过本文建立的各省金融发展水平指标体系测算结果显示，2001～2020年我国各省金融发展水平呈上升趋势，这与实际感知相符。从各省发展水平横向比较来看，北京、上海、广东、江苏、浙江等地金融发展水平相对较高，内蒙、吉林、江西、海南、西藏、青海等地金融发展水平则相对比较落后。（图1）

（五）权重矩阵构建。空间权重矩阵将不同地区的经济变量联系起来，反映不同地区经济之间联系的紧密程度，并将全局变量、国外变量作为本地区模型的外生变量。在GVAR模型中，为了构建各省方程中的星号变量X*it，需要构建权重矩阵将各省的GVARX连接起来。一省金融对另一省经济的外溢影响受两地之前的物理距离制约，具体来说，影响大小与物理距离呈反相关。如一省与其他省距离越近，产生的影响越大。本文利用两省会城市的直线距离，构建权重矩阵，计算公式如下：

W′ij=■ i≠j0 i=j

其中，W′ij表示权重矩阵列标准化前j地对i地的影响权重，dij表示i地与j地的距离。

将各年的权重矩阵分别进行列归一化处理，处理公式如下：

Wij＝■ i≠j0 i=j

四、实证结果分析

ADF检验结果表明，各地区变量都是一阶单整的。根据赤池信息准则和施瓦兹准则，各省的VARX模型选取2个月作为滞后阶数，并对模型矩阵系数进行识别，得到GVAR系统参数估计结果，由于模型的倒数特征值均在单位图之内，可以认为本文构建的模型是稳定的。基于模型估计结果，进一步采用广义脉冲向应函数（GIRF），在各省经济内生交互联系的情况下，得出各省金融发展水平对GDP的溢出效应。上述基本检验以及后续实证研究都使用GVAR_Toolbox2.0通过MATLAB R2014a实现。

图2列示了广义脉冲响应函数的分析结果，所有脉冲响应函数的最长预测期均为40期（季）。图2是北京金融发展的一个正向标准差冲击对31个省（区、市）GDP的影响。从模型结果来看，各省金融发展对其他省的GDP产生了显著的影响（即溢出效应），所以考虑各省之间交互影响是合适的。可见，各省GDP变量对北京市金融发展水平的正向冲击总体上体现为正向反馈，这符合本文上述关于金融发展对经济增长的溢出效应理论分析结论。在响应强度上，总体来讲，距离北京市直线距离越近，响应程度越高，反之也成立。（图2）

综合来看，北京市的金融发展对我国其他省份经济产生了正向带对作用。在地区影响差异层面，总体上对邻近地区影响更为显著。

五、结论

本文在考虑各省之间金融发展水平对GDP交互影响的基础上，研究了金融发展对经济增长贡献的空间溢出效应及作用机制。在具体方法上，在已有的金融促进经济增长的研究中加入了区域间的交互影响。并在此基础上，使用我国2001～2020年省际面板数据构建GVAR模型，考察了不同地区金融发展水平的空间交互效果，并对各省间的表现差异进行了比较。得出以下结论：第一，金融业发展能促进本地区经济发展，特别是金融发展水平越高对本地区贡献度越大。第二，一省金融业不仅能带动本省经济发展，还能通过金融传导机制，产生溢出效应，影响周边地区经济发展，且金融发展水平越高，所产生的溢出效应对周边地区经济增长带动作用越大，反之亦然。第三，一省金融发展对其他省空间溢出效应受两地之间的距离制约，总体来讲，距离越近，对其带动作用越大，反之亦然。

（作者单位：西南石油大学）

主要参考文献：

［1］Schumpeter J.A.The Theory of Economic Development［M］.Cambridge，Harvard University Press，1912.

［2］Rajan R，L.Zingales.Financial dependence and growth［J］.American Economic Review，1998（88）.

［3］Goldsmith R.Financial Structure and Development［M］.New Haven：Yale University Press，1969.

［4］King R G，Levine R.Finance and growth：Schumpeter might be right［J］.Quarterly Journal of Economics，1993.108（03）.

［5］谈儒勇.中国金融发展和经济增长关系的实证研究［J］.经济研究，1999（10）.

［6］曹啸，吴军.我国金融发展与经济增长关系的格兰杰检验和特征分析［J］.财贸经济，2002（05）.

［7］单俏颖.我国金融发展与经济增长关系实证研究［J］.北京工业大学学报（社会科学版），2003（04）.

［8］王丹，叶蜀君.金融集聚对经济增长的知识溢出机制研究［J］.北京交通大学学报（社会科学版），2015.14（03）.

［9］衣保中，高锦杰.金融集聚对我国经济增长的影响［J］.税务与经济，2021（01）.

［10］马永谈，鲁静怡，林萍，谢权斌.全球金融发展与经济增长的结构性关联效应——基于金融周期和金融稳定机制的分析［J］.财经科学，2021（10）.

［11］赵越强，蔚立柱，沈迎春，雷建.金融开放、产业结构升级与区域经济增长［J］.统计与决策，2021.37（21）.

［12］王永仓，温涛.数字金融的经济增长效应及异质性研究［J］.现代经济探讨，2020（11）.

［13］吴拥政，颜日初.中部六省地级市区金融发展与经济增长的空间面板分析［J］.统计与信息论坛，2009.24（03）.

［14］李林，丁艺，刘志华.金融集聚对区域经济增长溢出作用的空间计量分析［J］.金融研究，2011（05）.

［15］李梦雨.普惠金融对“一带一路”沿线国家经济增长的影响——基于空间计量模型的实证研究［J］.当代经济管理，2019.41（05）.

［16］李红，王彦晓.金融集聚、空间溢出与城市经济增长——基于中国286个城市空间面板杜宾模型的经验研究［J］.国际金融研究，2014（02）.

［17］刘降斌，刘秋明.金融集聚与经济增长的交互影响与空间溢出效应研究［J］.商业研究，2021（06）.

［18］王亮，蒋依铮.数字普惠金融、技术创新与经济增长——基于交互影响与空间溢出效应的分析［J］.金融与经济，2022（04）.

［19］张腾，刘阳.科技金融对经济增长质量的影响——基于空间计量模型的实证研究［J］.武汉金融，2019（01）.

［20］赵丹婷，刘园.国际原油价格波动对中国物价水平影响的传导机制研究——基于全球向量自回归模型［J］.宏观经济研究，2016（10）.

［21］纪晗，董加加.我国房地产市场的货币政策传导效应研究——基于地区间交互的GVAR模型［J］.上海金融，2016（05）.

［22］孙树强，纪晗.房价上涨的经济影响——基于40个行业GVAR模型的研究［J］.金融发展评论，2019（01）.

［23］郝大鹏，曹林静.全球经济不确定性与美国的外溢效应——基于大数据方法分析的实证研究［J］.经济问题探索，2020（08）.