1、上海市金融产业集聚与经济增长关系的实证研究 摘 要：本文在计算 1996-2013年上海市金融产业区位熵和金融产业集聚规模的基础上，借助 Eviews8.0对同时期内上海市金融产业集聚规模和上海市生产总值的时间序列数据进行了单位根检验、协整检验、建立 VAR模型和格兰杰因果检验，研究了这段时期二者的关系。结果表明，上海市金融产业集聚和经济增长之间存在着长期稳定的均衡关系，并且金融产业集聚是经济增长的格兰杰原因。 下载 关键词：金融产业集聚；经济增长；格兰杰因果检验 1.引言 产业集聚是现代产业空间布局的一种重要现象。自 1890年马歇尔开始关注产业集聚现象以来，很多学者也对这一领域进行了深入研
2、究，并且研究重点慢慢从单纯的产业集聚研究转向对产业集聚与区域经济增长之间关系的研究上来。 随着金融产业不断发展壮大，金融产业集聚已经成为现代经济社会中的普遍现象。集聚经济已成为区域经济发展的重要模式，而金融集聚是集聚经济的高端形式。金融产业集聚与区域经济增长的关系也受到了研究者越来越多的关注：理论方面，研究者主要研究金融产业集聚促进经济增长的机制；实证方面，研究者则大多通过格兰杰因果检验、建立向量自回归模型或向量误差修正模型来 研究二者的关系。 上海作为我国内地金融产业最为发达的城市，研究其金融产业集聚和当地经济增长的关系具有较为典型的意义。本文希望通过研究上海市金融产业集聚和经济增长的关系，
3、为上海市金融产业的进一步发展和把上海建设成为国际金融中心提出一些有建设性的建议。 2.上海市金融产业集聚的测度 为测度上海市金融产业的集聚程度和专业化水平，同时考虑到相关数据获取的难易程度，本文采用区位熵指数和集聚规模指数，它们是研究者最经常使用的测度某一产业的区域分布和专业化水平的工具。 区位熵（ Location Quotient）又称地方专业化指数、专门化率，由哈盖特（ P.Haggett）首先提出，它可以反映某一区域要素的空间分布情况，衡量某一地区某一产业部门的专业化程度和集聚情况，进而推知该区域在高层次区域的地位和作用等方面。所谓熵，就是比率之比，区位熵的计算公式为： LQji=ej
4、i/ejEi /E（ i=1， 2， 3， ， n； j=1， 2， 3， ， m） 公式中， LQji 为地区 j产业 i的区位熵， eji 为地区 j 产业 i 的经济水平（如产值、就业人数等）， ej 为地区 j所有产业的总体经济水 平，且ei=ni=1eji ； Ei为全国产业 i的经济水平， E为全国所有产业的总体经济水平，且 E=jieji 。由此可见，区位熵指数的分子表示在地区 j中产业i 所占的比重，分母表示在全国范围内产业 i所占的比重。所以，该指数通过测度地区 j的产业 i的生产结构与全国平均水平之间的差异来达到评价某一地区某一产业的专业化水平的目的。 若区位熵大于 1，说
5、明产业 i在地区 j的分布程度高于全国平均水平，存在着集聚效应，具有较强的竞争力，并且区位熵越大，集聚程度越高，竞争能力越强；若区位熵等于 1，说明产业 i 在地区 j的分 布程度与全国平均水平相当，处于均势，优势还不明显；若区位熵小于 1，则说明产业 i在地区 j的分布程度低于全国平均水平，处于劣势，竞争能力弱。 集聚规模指数（ Agglomeration Scale）也可以衡量一个地区的产业集聚程度，可以在区位熵的基础之上进一步计算出来。它与区位熵的唯一区别就在于区位熵指数是一个相对值，而它是一个绝对值，并且数值越大，就意味着产业集聚程度越高。其计算公式如下： ASji=（ eji/ej-
6、Ei/E） eji 公式中， ASji 是某地区某一产业的集聚规模，其 余各变量的含义与区位熵指数公式一致。 按照国家统计局制定的国民经济行业分类（ GB/T 4754-2011）的分类标准，本文将金融产业细分为银行业、证券业、期货业和保险业四个子产业。就上海市而言，根据其金融产业集聚的发展历程，以及数据的可获得性，本文拟分析其在 1996-2013年间的金融产业集聚情况。除了上海市期货业历年成交总额的数据难以完整、准确获取之外，其他的数据均可以从上海统计年鉴、上海年鉴、国家统计局网站以及全国年度统计公报中获取。因此，本文分别计算上海市金融业、银行业、证券 业和保险业在 1996-2013 年
7、间的区位熵、集聚规模指数。计算结果如下表所示： 由表可知， 1996-2013 年间上海市金融产业增加值区位熵（ LQ）都远大于1，表明上海市存在着金融产业集聚，金融产业专业化水平较高，竞争能力较强。同时，上海市金融产业集聚规模指数（ AS）的数值也较大，表明集聚程度较大。 同时，上海市银行业、证券业和保险业的区位熵均大于 1，表明这三个产业在上海均已形成集聚，具有一定的竞争优势。其中，银行业和保险业的区位熵比较接近，基本保持在 1.50 上下，表明二者的集聚程度相当； 证券业的区位熵在经历了前期高点之后慢慢回落并趋于稳定，并明显高于前两者，表明上海市证券业的集聚程度更高，竞争优势更加明显。
8、从动态角度看，上海市金融产业的 LQ 和 AS 在 1996-2006 年间的走势类似，都在 1996-2000年处于稳步上升通道，于 2000年达到最大； 2000-2002年出现短暂的下降。 2002 年之后，从相对值角度看， LQ 处于较为稳定的波动状态，最近 4年内保持在 2.20 上下，表明上海市金融产业属于较为专业化的产业部门，存在较为稳定的集聚效应；从绝对值角度看， AS随着基数eji 的快速增大 而呈现出快速上升的态势，说明上海市金融产业的集聚程度在加大。 3.实证分析 3.1 数据选择 本文选择上海市 1996-2013 年金融产业集聚规模和生产总值的时间序列数据。首先对时间
9、序列数据进行自然对数变换，以修正序列中可能存在的异方差。 LGDP=log（ SHGDP） LS=log（ AS） 3.2 数据分析 在对时间序列数据建立 VAR 模型之前必须检验各个变量的时间序列数据是否具有平稳性，防止模型出现 “ 伪回归 ” 。本文采用 ADF单位根检验。检验结果如 下表所示： 根据检验结果， 1 和 2 的残差序列在 5%的显著水平下都是平稳的，表明 LGDP和 LS之间存在协整关系，即上海市经济增长和金融产业集聚之间存在长期稳定的均衡关系。 接下来建立如下 VAR 模型： LGDPt=c1+mi=1a1iLSt -i+mi=1b1iLGDPt -i+u1t LSt=c
10、2+mi=1a2iLSt -i+mi=1b2iLGDPt -i+u2t 其中， LSt、 LGDPt含义同前， m为滞后阶数， a 和 b为参数， u为随机扰动项。为使随机扰动项服 从向量白噪声，根据 AIC 准则和 SC准则选择 VAR模型的 最优滞后阶数为 3，并按照这一标准对 VAR 模型进行估计，结果如下： 由上表可知，对 LGDP 而言， LGDP 的滞后一期、三期以及 LS 的滞后二期具有显著的解释作用；而对于 LS，仅有其自身滞后一期具有显著的解释作用。因此，上海市金融产业集聚对经济增长 LGDP 具有一定的影响，而经济增长对金融产业集聚则没有太明显的作用。 最后，进行格兰杰因果
11、检验。检验结果如下： 由表可知， LS在 5%的显著性水平下是 LGDP的格兰杰原因，而 LGDP不是LS 的格兰杰原因。这表明上海市金融产业集聚和经济增长之间仅存在单向的因果关系，即金融产业集聚是推动上海市经济增长的重要力量，而上海市经济增长对上海市金融产业集聚的促进作用非常有限。这也印证了 VAR模型估计结果所呈现的关系。 4.结论及建议 本文通过研究认为，上海市金融产业存在集聚现象，并且上海市金融产业集聚和经济增长之间存在着长期稳定的均衡关系，同时，二者之间仅存在单向的因果关系，即上海市金融产业集聚是上海市经济增长的格兰杰原因，是推动上海市经济增长的重要力量，而上海市经济增长却 不是上海
12、市金融产业集聚的格兰杰原因。 因此，上海市今后需要进一步引导银行业和保险业向着更加具有竞争性的格局方向发展，努力营造中资与外资、移动互联网用户规模、 R&D 经费总支出、住宿和餐饮业固定资产投资额、第三产业就业人口、住宿和餐饮业法人企业数、国内旅游总花费、客运量、城市生活垃圾无害化处理率；对应我国在线旅游业影响因素由大到小排序，依次为：科技因素、旅游服务因素、经济因素、交通因素、环境质量因素。 移动互联网用户规模与我国在线旅游交易规模的关联度为 07429，位列第一。这表明我国在线旅游 业的发展与移动互联网用户规模增长的关联度最大，从而揭示了我国在线旅游业受到移动互联网科技进步与发展的影响最大
13、。我国在线旅游业自从 2010年开始进入移动端的布局阶段，在 2013年以后移动端市场取得了爆炸性增长。 2014 年我国在线旅游市场的渗透率为9.2%，同比 2013年上升了 1.7%，而 2014年前半年移动端在线旅游服务月度覆盖人数的增速均超 100.0%，移动互联网和在线旅游的契合促进了在线旅游市场的高速发展。 当前发展在线旅游移动端位列前茅的企业类型，主要包括上游旅游供应商、平台、移动运营商、 OTA、 UGC、目的地营销、出行服务等。截止到2014 年底，携程网、阿里旅行、去哪儿网的移动端下载使用量均占据行业内领先水平。 而代表旅游服务因素的住宿和固定资产投资额关联度为 0.716
14、6，位列第三，而同样代表旅游服务因素的第三产业就业人口数、住宿和餐饮业法人数紧随其后，这使得旅游服务因素成为影响我国在线旅游业发展的第二大因素，仅次于科技因素。在当前产业融合过程中，从旅游的目的地来看，现阶段大多数周边游与国内游，可通过拆细元素（餐饮、酒店、门票、交通、机票）等实现标准化，住宿和餐饮业发展的快速增长，旅 游服务设施的进一步完善与优化，同时在互联网环境的融合与推动下，信息高度透明、网上预订的价格优势与便捷性，使得在线旅游业发展增速迅猛，在这个领域中，在线旅游的服务商们通常以拥有大量流量资源及高效快速的响应能力取胜。 代表经济因素的国内旅游总花费以 0.6989的关联度，居第六位，
15、使得经济因素在我国在线旅游业发展的影响因素中占第三重要地位。从表 2数据来看， 2008 2014年间，国内旅游总花费从 2008年的 8749.3亿元增加到 2014年的 30311.9 亿元，年均增长率为 23.01%。国内旅游总花费可以 间接反映居民的物质生活水平情况，反映居民在旅游方面的实际消费水平。随着国内生产总值的持续增加，我国居民收入持续增长，人们只有具备一定的经济条件才会出现旅游动机，在消费升级以及消费概念不断转变的趋势下，我国在线旅游业增长迅速，促使休闲度假游、出境游等市场进一步细分，在线旅游与移动旅游成为当前主流搜索、预订及分享渠道。或许该估算方法并不是非常准确，但是可以大
16、致推测出我国在线旅游业发展与经济因素间存在正相关关系。 最后，交通因素和环境质量因素，以 0.6948 和 0.6835 的关联度，位列第七和第八，分别占 据我国在线旅游业影响因素的第四位和第五位，在这这两类影响因素中，交通设施的发展完善，客运量及旅客周转量的稳步增长以及环境质量的不断改善，与在线旅游业的发展皆呈现正相关关系。（作者单位：北京服装学院） 参考文献： 何瑛 .基于灰色关联分析的新疆旅游经济影响因素研究 J.生态经济 .2012（ 1）： 160-162. 郭伟，张秋娟，吴静 .基于灰色关联分析旅游收入的影响因素 以秦皇岛市为例 J.生产力研究 .2008（ 16）： 96-97. 付向阳，黄涛珍 .内蒙古旅游经济影响因 素的灰色关联分析 J.经济实证 .2015（ 03）： 142-145. 王业祥 .移动互联网在我国旅游业中应用发展分析 J.价值工程 .2012（ 28）： 219-220.
