长三角区域金融结构变迁与产业结构调整:理论假说和实证检验

来源 :中共南京市委党校学报 | 被引量 : 0次 | 上传用户:zhsotanlb
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
  [摘 要]供给侧改革和产业转型升级是当前经济新常态下的主题,金融支持是产业结构调整和升级的必要条件。本文先采用社会网络分析方法对长三角城市群的金融结构变迁进行了度量,然后再分析金融结构变迁与产业结构调整之间的关系。研究发现,长三角城市群的金融关系结构日趋紧密,一体化程度在逐渐提高,金融一体化程度的提高与产业结构优化之间存在显著的长期稳定的影响关系,两者在一定程度上相互促进长三角区域的转型和发展。
  [关键词]长三角;金融一体化;社会网络分析;产业结构升级
  [中图分类号]F061.5 [文献标识码]A [文章编号]1672-1071(2019)06-0059-09
  一、引言
  金融是現代经济的核心[1],区域金融结构优化是提高区域资源配置效率,推动区域产业结构调整和升级,促进区域经济增长的重要保障[2-5]。长三角作为我国目前经济总量规模、发展速度和发展潜力都居于首位的经济板块,探究其金融结构变迁与产业结构调整之间的关系,有助于优化金融资源配置和区域产业格局,推动区域经济的可持续发展。
  关于金融与产业结构变化的相关性,很多学者从不同角度进行了研究,但大多基于金融发展水平与三次产业结构关系[6-8]、金融发展对产业结构升级的作用机制视角[9-10],关于金融结构的度量多通过选取单一的金融指标作为衡量进行研究[11-14],在金融结构和产业结构的度量指标和方法选取上并未形成统一标准。
  区域金融结构具有网状的结构特征,其结点城市间的关系特征、联系程度、位置结构等会影响金融一体化程度的发展。本文采用社会网络分析方法,对长三角16个中心城市之间的金融联系强度和金融关系结构进行分析,选取城市群金融关系网络的中心度、效率和限制度作为金融结构变迁的度量指标;选择产值结构作为区域产业结构调整发展的度量;最后对金融结构变迁和产业结构调整之间的关系进行协整分析和格兰杰因果检验。本文试图以长三角为例,探讨区域金融结构变迁与产业结构调整的关系,以期构建适应产业结构调整的区域金融结构体系,进而为长三角城市群的经济转型发展提供理论依据和政策建议。
  二、长三角区域金融结构变迁的社会网络分析
  (一)模型描述
  1.  城市间金融联系强度模型
  现有许多学者运用空间相互作用强度模型对区域内城市间的内在经济金融联系进行定量分析[15-21]。但城市有其自身的经济意义和特别属性,城市间的金融联系具有单向性,两个城市间的金融联系强度不可能完全相同,在计算城市间的相互作用强度时需要考虑中心城市自身特点的影响,本文借鉴已有实证研究[22-23],采用城市存贷款余额乘积占两城市存贷款余额乘积之和的比计算参数k来对模型进行修正。由于公路仍是长三角范围内普遍且主要的方式,本文选择公路交通距离作为城市间的信息传播距离,修正后的模型如公式1所示:
  Fij=KijSi·LiSj·LjD2ij(i≠j,i,j=1,2,…)(公式1)
  其中,Fij是城市i对城市j的金融联系;Si、Sj分别代表两城市的金融机构本外币存款余额;Li、Lj代表两城市金融机构本外币贷款余额;Dij为两城市间的公路距离;Kij=Si·Li(Si·Li+Sj·Lj),表示城市i对Fij的贡献率。
  2.  社会网络分析
  城市不是独立存在的,每个区域都是由其内部组成的城市个体及各城市间错综复杂的关系构成。常规统计学方法在使用时要求数据满足变量独立性假设,所以通常意义上的各种多元统计方法不能用以进行关系数据的研究和分析。而社会网络分析法能够弥补常规统计学方法的缺陷,对城市间的金融联系网络进行有效地判断和度量,有助于对城市群内的金融关系结构进行直观清晰的分析。具体而言,网络密度衡量网络中各成员之间联系的紧密程度,成员间的联系越多,网络的密度越大。网络中心度描述成员处于网络中心位置的程度;网络中心势用以测量网络整体的中心化程度,即网络的总体一致程度。结构洞用以研究整体网中各成员之间的非冗余联系,这种结构能够为中间人提供竞争优势[24]。本文采用社会网络分析方法,根据修正后的城市间金融联系强度模型(公式1)计算出各中心城市的金融联系强度,采用Ucinet 6.237社会网络分析软件计算出整体网密度、中心度和中心势、结构洞[25],基于该结果对长三角城市群的金融结构变迁进行分析。
  (二)研究地域范围及数据来源
  鉴于长三角区域中心城市间的金融联系基本上反映了整个区域的金融联系,本文选取16个中心城市:上海、南京、无锡、常州、苏州、南通、镇江、扬州、泰州、杭州、宁波、嘉兴、湖州、绍兴、舟山、台州,通过《中国城市统计年鉴》获取16个城市自2005年到2014年的10年数据①,采用Ucinet软件以期对长三角区域的金融结构变迁进行更为精确的分析。
  (三)区域金融结构的社会网络分析
  1. 网络密度分析
  由于赋值图密度的测算比较复杂,目前尚未形成统一标准,本文在计算过程中对理论上可能存在的关系加权数设置为最大金融关系强度值的15倍②,实际关系的加权数为所有关系强度的总和,计算结果及变化趋势分别如表1和图1所示。
  密度值越大,说明城市间的金融联系渠道和合作行为越多,金融联系交往活动越紧密。由数据统计结果可知,从2005年到2014年,长三角区域城市群中16个中心城市间的网络密度总体呈上升趋势,说明长三角中心城市间的金融互动趋于紧密。其中2007年到2010年的增速较快,可能的原因是中心城市群发挥了其集聚优势和规模效应;但2011年开始略有下降,这可能是由于日益迫切的金融合作需求与尚未完善的金融资源流动机制间的不协调,导致更深度的金融合作遭遇瓶颈,一定程度上阻碍了金融一体化的进程。随着金融一体化进程的深入,各城市必须逐渐打破地域壁垒,消除金融资源流动阻碍,促进城市间进一步的金融交往与合作。   2. 网络中心性分析
  在有向图中,每个成员的中心度有两种:点入度(Indegree)描述受到其他城市金融影响的程度;点出度(Outdegree)描述对其他城市金融产生影响的程度,计算结果见附表1。
  (1)在点出度方面,上海的点出度水平最高,表明上海对长三角城市群中其他城市的影响程度最大,是长三角金融关系网络中绝对的辐射中心,对长三角区域的金融发展具有核心驱动作用。上海在全面发展和完善自身贸易、经济与金融的过程中,向周边城市外溢知识技术资源,然后进一步到产业的外拓和转移,从而支持并促进江浙两省的金融发展;另一方面,两省其他中心城市也为上海以及整个长三角区域提供了巨大的金融需求市場。
  (2)点出度水平位于上海之后的依次为苏州、杭州、无锡、南京和宁波,它们对长三角其他城市产生的金融辐射作用较大。其中,南京出于与上海空间距离相隔较远的原因,受到来自上海的金融影响程度相对较弱,加之自身经济金融总量和发展实力的相对薄弱,使其对周边城市的金融辐射能力相对较弱,未能充分发挥其省会城市的中心作用。
  (3)在点入度方面,苏州、无锡、杭州、上海的点入度值都处于较高水平,在长三角城市群中金融发展表现活跃,与其他城市有着紧密频繁的互动,并通过对外部资源的有效整合和利用促进自身发展,这与季菲菲等人(2014)基于上市公司金融交易数据对长三角地区金融资源流动格局的研究结果一致[26]。另一方面,结合这些城市的点出度水平可以发现,苏州和无锡的金融资源流入与流出水平基本协调,金融资源优化配置效率较高,这也是这两座城市高速发展的重要原因。另外值得注意的是,南京的点入度水平较点出度水平低,说明其对周边城市的金融辐射作用大于其受到来自其他城市的作用,也在一定程度上阻碍其金融实力的增长。
  长三角中心城市群金融关系网络的整体标准化中心势数据结果及变化情况分别如表2和图2所示:
  长三角城市群的点出度中心势持续明显高于点入度中心势,这表明各中心城市间的金融联系结构距离均衡状态还有相当的差距,需要积极引入外界金融资源,加强区域内外的金融互动,推动金融结构优化。
  (1)点出度中心势总体存在下降趋势。可能出于金融资源禀赋、城市经济金融发展水平的客观差异以及历史等因素,城市群中的金融联系主要集中在部分城市之间,而基于长期合作过程中发展出的政策、成本和信任等优势,长三角城市群之间的金融活动范围呈现缩小的趋势。
  (2)点入度中心势基本保持平稳。从2005年到2010年,点入度水平稳中有升,随后又平稳回落。潜在原因可能是长三角中心城市群的金融市场竞争日益激烈,各地政府在金融合作中为保障当地效益在一定程度上干预了金融资源的外溢。
  长三角城市群在金融资源配置上客观存在层次上的梯度性,但目前尚未能够根据不同层次的梯度性对资源进行有效地分配和利用。为推进金融一体化的深入,发展程度领先的中心城市应积极担负起对周边相对落后城市的带动作用,同时也可以促进自身产业的优化。另外,中心城市也应积极对周边城市开放金融市场,减少行政和投资壁垒,使金融资源在区域内能够自由流动,实现最优配置。
  3. 结构洞分析
  结构洞表示网络中非冗余的联系,是由至少三个成员间关系构成的一种特殊结构,这种结构可能为中间人带来优势,而具体形式取决于网络的性质以及网络中具体行动者的种类[27]。结构洞会变成一种社会资本,对占据者而言意义重大。
  目前关于结构洞的计算指标大致分为两类:伯特提出的结构洞指数、中间中心度指数,在具体分析时采用哪种指标没有成型的规定。鉴于伯特的结构洞指标包含有效规模、效率、限制度和等级度四项内容,更加丰富,而其中限制度指标最为重要,因此本文主要选取伯特指数中的限制度指标进行长三角城市群金融关系网络的结构洞分析。
  表3给出了每个城市的效率(Efficiency)及其在整体网络中的总限制度(Constraint)在2005、2008、2011和2014四个年份的结果,可以基本反映其变化趋势。一个城市的效率等于其有效规模与实际规模之比,而有效规模等于该城市的个体网规模与网络中的冗余度之差,即该网络中的非冗余因素。从表3结果可以看到,长三角16个城市的效率均保持在0.5之上,其中上海、南京、杭州、常州的效率一直保持较高水平,上海的效率有所下降,而南京的效率保持上升。
  高效率并不一定表示该城市的金融关系结构良好,也可能是因为该城市自身的金融关系规模较小。而一个城市的受限制度反映该城市在自身关系网络中运用结构洞的能力,限制度越高,控制力越强;反之,其约束力越具有可协商性。通过分析上表的限制度结果可以看到,金融效率与限制度水平较为均衡的城市有苏州、常州、宁波、嘉兴等,而效率较高的城市其限制度水平均不高,尤其是作为辐射中心的上海、杭州以及副中心南京,说明这三个城市未能充分发挥其金融辐射能力,还存在较大发展潜力,这与周天芸等[27]的研究结果一致。
  三、长三角区域产业结构的指标度量
  区域产业结构是指国民经济各构成产业在资源、劳动力和产出方面的比例关系布局,而产业结构的调整就是其相互关系的变化。产业结构演化一般存在由劳动密集型向资金密集型再向知识技术密集型方向演变,对应到三次产业的变动,即是由第一产业向第二、第三产业的转移对一个地区产业结构的衡量指标主要有从业人员结构和产值结构的趋势。2014年长三角16个中心城市一、二、三产业从业人员和产值的构成情况如表4所示。
  从产值结构角度来看,2014年上海、南京、杭州、舟山和台州的产值结构分布实现“三二一”的模式,其中上海和南京的第三产业优势十分明显,这与其金融发展优势紧密相关。而无锡、常州、苏州的构成中虽然是第二产业产值占比最大,但与第三产业相比差距并不明显。其余城市也均处于“二三一”的结构,第二产业和第三产业产值占据绝对主导地位。从从业人员结构角度来看,只有上海和南京实现了“三二一”的产业结构,且南京的三产从业人员仅比二产高0.4个百分点。其余中心城市从业人员结构均以第二产业为主,相比于对应的产值贡献情况,主要由于第三产业知识技术密集型的属性特点。   综合长三角城市群的产值结构和从业人员结构,二产虽然从业人数占比最大,但与其贡献的产值并不成正比,产值结构更能真实反映长三角区域的产业结构情况,并且“三二一”的产业格局符合世界公认五大城市群的发展趋势。加之目前传统产业转型升级和“互联网+”智慧发展的新经济发展要求,本文选择产值结构作为长三角区域产业结构的度量指标。
  四、区域金融结构变化与产业结构调整的关系研究
  通过协整分析和格兰杰因果检验,对长三角区域的金融结构变迁与产业结构调整之间的关系进行实证研究,探究其是否存在长期均衡的影响关系。
  (一)协整检验
  在进行协整检验之前,首先要对所有变量进行单位根检验。结果显示除了第一产业产值占GDP比重外,所有变量都是二阶单整。
  协整分析的方法主要有两种:Engle和Granger提出的基于协整回归残差的两步法检验、Johnsen和Juselius提出的基于VaR模型的协整系统检验。本文选取Johansen检验方法,对满足同阶单整条件的变量进行协整检验,根据表5检验结果可知,变量之间存在协整关系,即金融一体化水平与产业结构变迁之间存在长期且全面的影响关系。
  (二)格兰杰因果关系检验
  长三角区域城市的金融一体化水平与区域产业结构变化之间存在显著的协整关系,但两者之间是否存在因果关系尚不明晰。为了进一步考察金融一体化水平对产业结构变化的影响,对通过协整检验的变量进行格兰杰因果关系检验,检验结果如表6所示。
  结果显示,在1%的显著性水平下,拒绝点出度、点入度的变化不是第二产业产值和第三产业产值变化的格兰杰原因,而且不存在反向的格兰杰关系,说明点出度和点入度的变化推动了产业结构的升级,但反之产业结构的调整对点出度和点入度的影响并不显著。在5%的显著性水平下,拒绝第三产业产值占比的变化不是城市金融效率及第二、三产业产值变化不是限制度提高的格兰杰原因,且不存在反向的格兰杰关系,说明产业结构的升级对城市金融效率和限制能力的提高具有显著的单向促进作用。
  五、结论与政策建议
  长三角区域的金融结构方面,从对长三角中心城市群金融关系的社会网络分析结果中可以发现:目前长三角区域的金融结构尚不平衡,点出度中心势显著高于点入度中心势,主要金融联系集中在部分城市间,不对称性较严重;占据金融关系网络关键位置的中心城市未能充分发挥其金融辐射力,金融效率还有较大提升空间。但同时城市间的金融联系趋于紧密,网络的整体密度呈现上升态势;且城市的点出度和点入度之间,以及效率和限制度之间的差距趋于收窄,金融联系向均衡方向发展。产业结构方面,上海、南京、杭州等城市基本实现“三二一”的格局模式,其中上海和南京的第三产业优势十分明显,这与其金融发展优势紧密相关。而無锡、常州、苏州的构成中虽然是第二产业产值占比最大,但与第三产业相比差距并不明显。其余城市也均处于“二三一”的产业格局,并趋于向知识技术密集型主导的产业结构发展。而协整分析和格兰杰因果关系检验结果显示,金融结构变迁与产业结构调整之间存在长期稳定的互动关系。
  随着区域经济环境的变化,区域产业结构也处于不断变化之中,从低级的、简单的、传统的产业部门向高级的、复杂的、新兴的产业部门转换。而金融作为这一过程中的重要支持要素,其结构也必须做出相应的变化和调整,两者互为促进,推动区域经济的优化和发展。针对目前长三角区域的金融结构和产业结构变化情况,为推进长三角城市金融结构优化,实现产业结构的转型和升级,推动区域经济持续发展的目标,本文建议:
  首先,长三角城市群中各中心城市加强共赢理念,根据自身金融资源禀赋和经济金融发展水平,在充分发挥自身优势的同时利用好外围环境,积极推动彼此之间的金融融合。协调经济和政治利益,从金融技术层面突破行政壁垒,在制度层面建立协调机制,制定一体化支持政策,实现各层次城市间的合理分工和功能互补,积极推动区域内金融资源的无障碍流动。
  其次,构建多层次金融中心,发挥金融中心的集聚和辐射功能。上海作为长三角城市群的绝对核心辐射中心,应当兼顾自身的积聚效益和辐射效益,减少行政壁垒和地域限制,降低与周边城市的金融往来成本;南京作为江苏省省会城市,居于长三角城市群金融关系网络的中间位置,应兼顾与上海和周边城市的金融联系,充分发挥当地大学和科研机构的科学技术和人力资本优势,大力发展金融服务业,提供良好的金融环境。各城市主次功能互补,推动长三角城市群的优势互补和协同发展。
  再次,完善金融联系结构,充分发挥核心城市的内生优势和协同作用,带动金融资源在区域空间内的协调和整合,引导金融资源向资金密集型和知识技术密集型的产业转移,各城市需要积极建立和发展多元化、多层次的金融机构,并广泛吸纳民间资本,拓展业务服务领域,根据新兴产业的发展需求开发金融服务品种,充分挖掘各中心城市的金融效率,为区域产业结构的调整和升级提供有力的金融支持,以金融产业的优势互补和结构优化促进区域产业结构的调整和升级。
  最后,加快产业结构转型升级,推动金融一体化进程。在金融结构调整支持区域产业结构合理化和高级化的同时,传统产业的转型和新兴产业的发展也为长三角提供了巨大的金融需求市场,高级化产业的发展扩大了其对金融一体化的积极效应,促使各城市加强金融联系和互动,改进并完善对三次产业的金融服务模式和创新,加快构建长三角区域金融市场的统一协调机制,实现区域经济金融的可持续协调发展。
  注释:
  ①城市间的公路距离数据通过谷歌地图计算得出。
  ② 一共有16个中心城市,每个城市最多同时与其他15个城市保持联系。
  参考文献:
  [1]季菲菲,陈雯. 金融中心空间体系研究进展及其对长三角一体化的启示[J]. 经济地理,2013,33(2):83-89.
其他文献
本文回顾了中国气象高等教育的发展历程,分析了气象高等教育面临的形势和存在的问题,如现有气象人才培养规模和质量仍不能适应气象事业发展需要,气象行业高层次人才严重匮乏,
我国民营经济的存在与发展是生产力发展的客观需要,改革开放以来民营经济为我国经济社会的发展做出了突出贡献,"民营经济离场论"是根本错误的。新时代为民营经济发展带来了新
"互联网+"时代为金融行业发展提供了新的方式和机遇。高职学生作为大学生群体的重要组成部分,需要树立互联网金融风险意识,以应对互联网金融风险的冲击。然而,目前高职学生受
大学英语教学改革的浪潮中,大多数教学理念来自西方,其教学理论不一定完全适用于中国特定的外语教学环境,产生于西方的教学方法也不一定完全适合中国外语学习者的学习习惯和
隐性教育是将教学内容逐渐渗透在学生的实际学习生活中,其形式与显性教育相对应,目前隐性教育在我国高校中得到了广泛应用。本文将在大学生责任感培养的视角下,对隐性教育的
水下传感网络是海洋开发利用的有效技术手段。然而,如何给位于水深的设备进行供电是部署水下传感网络的难题。为此,对如何给水下传感网络中的设备充电进行研究,旨在利用超声
期刊
为研究光强、温度对光热敏感凝胶-橡胶双层复合梁弯曲行为的影响,利用光热敏感凝胶溶胀大变形理论与梁弯曲理论推导出平衡方程、弯矩方程与应变协调方程,并计算了不同光强、
林业技术创新的根本,以体现生态保护、培育森林资源为目的,同时致力于生态环境的不断优化,在此基础上以实现可观的经济效益。分析林业技术创新的概念,介绍林业技术创新常见问
在前两期中,我们对移动机器人(AGV)以及机器人调度控制系统(RCS)做了详细解读。在各行业仓储物流中心,机器人系统的应用不仅提高了作业效率,减轻了工作人员的劳动强度,还有助