“集聚”还是“分散”数字金融对金融空间分布的影响研究.pdf

戴金平冯帆0 4 3 现代经济探讨-2 0 2 3-1 0-财政金融“集聚”还是“分散”？数字金融对金融空间分布的影响研究内容提要：金融产业空间布局一直是中国经济发展规划的重要内容。了解数字金融快速发展背景下金融产业空间布局演进规律,对规划金融产业发展方向、引导空间布局有着重要意义。通过拓展空间经济学理论模型,选取2 0 1 1-2 0 1 9年中国地级及以上城市样本数据,使用实证方法探讨了数字金融发展对金融产业集聚格局的影响。研究发现,金融数字化有助于增加金融产业辐射范围,降低金融集聚程度;进一步异质性分析表明,数字金融对金融人员集聚的影响随城市规模上升呈现非线性关系;分位数回归表明数字金融推动了金融产业由中心城市向外围城市的产业扩散流动,并且在金融发达地区和高水平城市,这种分散效应更加明显;空间回归结果发现:城市间的金融集聚扩散趋势存在异质的相互溢出的倾向。关 键 词：数字金融 金融集聚 金融空间结构中图分类号：F 8 3 2 文献标识码：A 文章编号：1 0 0 9-2 3 8 2(2 0 2 3)1 0-0 0 4 3-1 5一、引言数字经济正经历着蓬勃发展,中国信息通信研究院2 0 2 2年7月发布的中国数字经济发展白皮书(2 0 2 2年)报告显示,2 0 2 1年中国数字经济规模在疫情频发的不良外部环境下逆势勃发,规模达到4 5.5万亿元,同比增长1 6.2%,占当年G D P的3 8%,产业数字化转型已经成为了数字经济发展的主旋律。中共二十大报告着重提出要“促进数字经济和实体经济深度融合”,同时报告也高度认可数字经济在经济金融产业建设中的关键地位,数字经济正逐步成为推动金融产业质量与效率变革,激活专业人才流转的主要驱动力,也是发展质量变革中关键的驱动角色。依托大数据、云平台、互联网、A I智能等新一代的革命性信息技术发展,数字金融对传统业态实现重大革新,推动金融服务高效、低成本转型。健康发展的金融体系,能有效防控风险,强化周期调节,带来金融行业整体的质量、效率与动力变革,此升级又通过金融业的资源融通功能辐射经济实体,为经济高质量发展提供支撑。中共二十大报告提出,“要坚持把发展经济的着力点放在实体经济上”,习近平总书记也强调“金融是实体经济的血脉,为实体经济服务是金融的天职”,金融市场发展水平对城市有着多种积极经济后果,金融市场的空间分布与经济和产业发展水平有着内生推动关系,合理金融结构与宏观的经济增长和效率改善息息相关。金融产业在空间上的集聚,宏观维度上通过网络效益和技术进步促进外部规模经济,微观维度上优化企业的风险管理、信息揭示和治理,宏微观有机结合将形成更强的增长合力。地理空间层面的金融资源配置有效性也被证实有助于提升区域研发和全要素生产率(宋敏等,2 0 2 1),进而实现区域高质量发展(薛秋童和封思贤,2 0 2 2)。然而,受制于金融业务开展方式、覆盖范围以及和实体经济的结合方式,中国金融区域发展不平衡现象自改革开放以来一直存续,中国区域金融运行报告(2 0 2 2)显示,2 0 2 1年中国金融行业虽然体现出了“核心区域突出,其他区域协调发展”的互补格局,但各区域的“层化”集中现 基金项目:国家社会科学基金项目“我国金融周期对短期经济周期波动的影响研究”(编号:1 8 A Z D 0 1 1)。0 4 4 M O DERN E C ON O M I C RESE AR CH象有固化趋势,全国范围内资本配置的马太效应依旧严峻。随着“互联网+”对传统金融的全面深化与改造,区域金融业务的开展和盈利模式发生彻底改变。数字化基础设施建设使服务可在任意时间、任意地点开展,以往自发集聚的传统金融中心地位陡降,金融集聚的中心外围格局是否将被打破?金融中心建设是否还具有价值?数字金融发展在推动金融服务普惠化、公平化、个性化、精细化的同时,能否缓解金融资源的区域配置失衡,缓解金融资源过度集中的现象,从而深化金融供给侧结构性改革,实现“金融要为实体经济服务”的宗旨,是一个值得研究的问题。本文边际贡献表现在以下几个方面:首先,对于学者鲜有探究的数字金融如何引发金融产业空间分布模式变迁的问题,本文进行针对性分析探究,为数字金融如何影响金融集聚演进提供实证证据。其次,扩展空间经济模型,并基于城市规模和金融产业发展规模的异质性视角,实证检验了中国金融数字化程度的非线性影响关系,更清晰地描画了不同城市间金融空间分布的演进路线以及最终的集聚格局,丰富了数字金融的经济后果研究,为现有金融集聚格局的形成提供了新的视角。再次,了解数字金融对于不同城市间行业发展的差异作用,有助于因城施策,激活边缘区域的追赶效应和中心区域的示范效应,对金融产业共同发展的实现具有政策启示意义。最后,通过建立空间计量模型,在空间维度上考察了金融数字化对其他周边城市所产生的异质性的集聚分化效果,为高质量金融发展提供外部条件参考。二、文献综述及理论分析金融产业空间集聚描述了金融资源与地域条件协调、配置、组合的时空动态变化,是金融在某地域生成地域密集系统的变化过程。以往大多数研究集中于集聚的成因和效应分析。城市金融集聚在有条件促进产业结构升级、缓解融资交易中属性、领域与阶段的错配程度、推动实体企业效率增长、促进高质量创业、推动社会公平等方面都担任重要角色(于斌斌,2 0 1 7;马勇等,2 0 2 1),因此有关金融产业空间集聚的形成动因分析广受关注:K i n d l e b e r g e(1 9 7 3)认为任何产业 集 群 的 出 现 原 因 都 与 规 模 经 济 收 益 有 关;L e y s h o n(1 9 9 8)则提出机构间知识和技术溢出的正外部性是推动金融产业集聚的主因;Z h a o和S i m o n(2 0 0 3)提出金融服务业空间重组形成金融中心能够带来信息洼地下的信息红利。而针对中国区域金融集聚异质性的特色格局(毛其淋和陈乐远,2 0 2 2)的形成,梁颖(2 0 0 6)认为是增长中心对周边城市的资源虹吸效应造成的;王宇(2 0 1 4)发现消息面冲击与制度支持也有效激励了金融资源集中;王如玉等(2 0 1 9)认为城市金融发展水平应该与城市发展阶段和层次相匹配,因此金融资源集聚与城市综合发展密不可分;俞颖等(2 0 1 7)则认为当地政府的政策红利才是主要推动力。数字经济对传统金融所进行的赋能和革新,不只体现在城市大范围内的行业增量提升,也包含行业内部调整和替代,而城市金融集聚主要取决于几个重要因素。首先是交易成本和效率,规模经济的成本节约效应是金融集聚的内在动因,理论上金融资源向一中心的集中所形成的规模经济能够有效降低交易成本,提升交易效率,从而收获正外部性。数字金融技术的应用与替代打破了传统格局,通讯信息技术大幅改进的赋能之下,新兴金融公司对传统金融机构有显著的技术正向溢出与变革作用(F u s t e r等,2 0 1 9),金融业务突破了以实体网点作为一地开展业务的核心支点的传统开拓模式,机构间无需地理或物理层面的集中趋近,营运成本有效下降(李建军和王德,2 0 1 5);数字化信贷平台的构建,能够广泛记录不同地区间发生的金融交易并形成数字轨迹,降低信贷管理成本和风险管理成本(金洪飞等,2 0 2 0)。对于金融机构来说,交易、咨询、投资等基础服务业务虚拟化正不断增强,金融集聚对地理位置和距离的敏感性快速下降(谢漾和洪正,2 0 2 2)。运营成本和产品市场开拓成本的下降,有助于金融服务半径的拓展,实现集聚自传统中心向外扩散。其次是信息水平与效率,不同于传统制造产业,金融产业更加依靠信息流和信息技术来提供服务类产品,信息流的传递成本是决定金融机构和人员潜在获利能力的重要因子。因此信息获取的空间成本也是金融中介出现并集聚的主导因素(P o r t e o u s,1 9 9 5)。由于金融机构运行过程中所依赖的部分“软信息”难0 4 5 现代经济探讨-2 0 2 3-1 0-财政金融以标准化传递且隐秘性和排他性较强,因此在数字信息技术大范围应用前,传统机构倾向于集聚形成“信息腹地”。数字化赋能下,金融机构可以低成本、高效率地获取融资方的相关信用信息,有效预防信贷欺诈行为。丰富的线上融资手段有助于缓解企业信贷约束,减轻信贷配给和信息错配程度,提高各区域的金融产品服务水平和市场表现(H u a n g等,2 0 1 8)。信息成本的显著下降将有效校正这些属性错配、领域错配和阶段错配,有助于金融业务的分散化推动和普惠色彩的强化。最后是空间资源和竞争效应,金融经济发展离不开对城市空间的占有(L e f e b v r e,1 9 7 9),当空间不足时,金融资源趋利和自由流动的特性使其向其他空间充裕的城市流动,而数字金融有效降低了金融机构及相关产业对空间资源的依赖性,拓宽了空间认知,打破物理空间以及城市规划的传统划分概念,有助于产业无成本转移。这种金融行业的数字化发挥了“鲶鱼效应”,加剧银行业的竞争,产生对传统金融的业务挤压和职能替代,倒逼传统金融机构效率与服务质量的提升,优化尤其是落后地区的资本配置效率(孟娜娜和粟勤,2 0 2 0;黄益平和黄卓,2 0 1 8)。快速发展的数字金融即使在互联网基础较弱的贫困地区,依旧能够通过电子商务活动缩小“数字鸿沟”(张勋等,2 0 2 1),发挥溢出效应,推动金融发展中心之间的趋同发展,缩小不同区域的金融差异。傅秋子和黄益平(2 0 1 8)也发现在数字化赋能下,金融资源能向相对落后的“外围城市”配置,发挥普惠功能。金融集聚能够放大金融服务功能,而数字化技术的出现对此特征有所增幅,推动金融资源转向以往难以触及的“长尾部分”,缩小地区间差异。基于以上分析,提出研究假设:假设1:数字金融发展有助于城市金融集聚现象弱化,金融资源有向欠发达地区扩散趋势。三、理论传导模型及假设1.基本设定首先,考虑T a b u c h i和T h i s s e(2 0 1 1)所描述经济体,假设经济均匀分布在(0,1的圆环形轨道之上,由制造品、农产品和金融服务三部门组成。农产品制造商使用劳动进行同质商品生产,产品市场完全竞争,生产厂商规模报酬不变、无中间运输成本。制造环节和金融环节则使用劳动力和资本两种要素提供差异化产品或服务,为垄断竞争市场结构,生产技术为规模报酬递增并有一定中间成本。制造业中,I(I1)个行业所提供的产品种类与雇佣的工人数量有关。由于不同部门间的劳动力所需要的技能素质有较大差距,假定劳动力在部门间不可流动,而在部门内和城市间均可以自由流动,三种行业劳动力分布比例为制造业,金融行业(1-),农业(1-)(1-),均保证为正值。制造业共I个分类,金融业共J个分类,其中jc代表c城市中金融业中j分类的从业人员。制造部门产品产出Qi,金融部门向制造部门提供资本产品并向其他部门提供金融服务产品Qj,两类产品的总需求可以表示为:Qs=ns0qs(v)s-1sdv ss-1,si,j其中,Qi和Qj分别代表两部门的差异化产品或服务,i 1,j 1代表两类商品之间的替代弹性,也代表着消费者对于不同产品或服务之间替代的接受度,间接体现市场竞争程度。对于x(0,1区域上的消费者,预算约束为:Ii=1Cc=1nic0pi(v;xc,xz)qi(v;xc,xz)dv+Jj=1Cc=1njc0pj(v;xc,xZ)qj(v;xc,xz)dv+H=w(x)+H(1)H代表的是标准化商品购买量,效用函数为严格凹,即消费者偏好于产品多样化。其中pi(v;xc,xz)代表产于xc地,并在xz地消费的i产业中的v种类商品的价格,pj(v;xc,xz)则为对应的金融服务价格,w(x)为x地劳动者获得的总收入,H表示所持有的财富禀赋。根据效用最大化,可得对于si,j:qs(xc,xz)=sps(xc,xz)-s/Ps(xc,xz)1-s(2)本文参考P i c a r d和Z e n g(2 0 0 5),假设农产品无运输成本,而制造业运输成本虽然会因为基础设施的改善有所下降,但并不会降至零。0 4 6 M O DERN E C ON O M I C RESE AR CHPs(x)=Cc=1nscps(xc,xz)-(s-1)-1/(s-1)(3)Qs=sPs(x)-1=sCc=1nscps(xc,xz)1-s (4)将上述总需求表达式代入效用函数式可得消费者的间接效用表达式为:Vi(x)=Ii=1i(l o gi-l o gPi(x)+Jj=1j(l o gj-l o gPj(x)+w(x)(5)对于信息传递、人员往来以及网络管理可能产生的有关沟通成本,设定形式为冰山成本(I c e b e r gc o s t),mi和mj的标准成本为1,其中,1为中间成本项,s(xc,xz)qs(xc,xz)表示为1单位s行业的商品被从c城市传输到终端z城市所需要生产的商品实际数量,描述了商品在传输过程中所可能遭遇的中间阻碍,越高则冰山成本越高。金融行业的利润表达式:j(xc)=Ce=1Iepj(xc,xe)-j(xc,xe)qj(xc,xe)+Ce=1Jepj(xc,xe)-j(xc,xe)qj(xc,xe)+10pj(xc,x)-j(xc,x)qj(xc,x)dx-fjwi(xc)-jwi(xc)(6)其中Ic为 城 市 总 劳 动 人 口,参 考 王 如 玉 等(2 0 1 9)将jwi(xc)定义为以工资水平所计量的资本报酬水平。根据K r u g m a n以及D-S类模型设定,定价形式为当si,j:ps(xc,x)=ss-1s(xc,x)(7)设s(xc,xz)=s(xc,xz)1-s,代表商品可得性或是服务的获取效率,越高,代表商品在到达消费终端前中间环节成本越低。在金融产业,信息获取和传递成本占中间成本比例高,的下降则可以理解为信息传递扭曲水平的降低。当运输成本为0时,=1,不同地区之间购买商品无差异;当运输成本无限大时,=,表示为不同地区之间完全不存在商品流动。价格指数可以进一步表示为Pi(x)=(i/i-1)Cc=1niei(xc,x)1i-1,可以理解为,产品价格与制造或服务部门的商品的总体可得性水平有负相关联系。垄断竞争市场机制下,企业为零利润,将Pj表达式换算为qj后与pj表达式共同代入式(6)后可得金融行业劳动力报酬标准为:wj=jj Ce=1Iej(xc,xe)Cd=1jdj(xd,xe)+Ce=1Jej(xc,xe)Cd=1jdj(xd,xe)+(1-)(1-)10j(xc,xa)Cd=1jdj(xd,xa)dxa(8)将劳动报酬表达式代入间接效用函数得到效用结果:Vi=Ii=1ii-1l o gCd=1nidi(xc,xd)+Jj=1jj-1l o gCd=1njdj(xc,xd)+1i/fi+1ii Ce=1Iej(xc,xe)Cd=1idi(xd,xc)+Ce=1Jei(xc,xe)Cd=1idi(xd,xe)+(1-)(1-)10i(xc,xa)Cd=1idi(xd,xa)dxa(9)鉴于资本和部门内劳动者可以自由流动的特性,对于城市c的不同部门,达到均衡时各部门劳动者效用水平应一致,故表示为si,j:Vs(xc)V,|Vs(xc)-Vsc|sc=0(1 0)根据T a b u c h i和T h i s s e(2 0 1 1)对稳态的产业占比的求解方式,可得在稳态下,j=j(1-)/C,其中j=(j/j)/(Jj=1j/j)为一城市内金融业占比,对于每个城市,该比重相同,因此去除用以区别城市的下标,可知稳态产业占比将随替代弹性i上升而下降,j/ji(xc,xd)j(xs,xd),即对于金融体量不同的城市,更大的城市更具有信息优势,遵循此设定,可知 jb/ib1,而 js/js 1。马述忠和胡增玺(2 0 2 2)发现数字金融能够提升地区居民预期收入,且这种收入上升对劳动力吸引的边际作用随平均收入和预期收入水平的上升而增大。当城市应用数字金融,带来的实际改进包括便利交易支付、降低融资门槛、优化征信信息管理、节约交通成本等,这一系列效应在此处均表示为信息成本节约效应,使j上升。对金融业发展水平更高的城市,这进一步推动了金融产业的扩张,促进产业人员集聚。而对于小规模城市来说,沟通成本的下降有两种可能影响:对于其中金融产业基础更弱者,成本的降低带来的收入优化不足,js/js1,金融业规模增长仍不及其他制造行业,金融从业人员有所流失,地区间有趋同趋势;而对于其中金融业基础水平更高者,由于数字金融使用所带来的成本结构变化,使 js/js与单位1的关系逆转,体现为金融业有更强的人员集聚态势。金融产业数字化使以往散布在各地的金融分支机构变得不再有重要意义,多层分支结构转而成为以中心机构为核心的扁平化结构,高发展水平地区人员反而更集中,以便获取发达地区由此形成的更强的收入边际提升所带来的红利。基于以上分析,提出研究假设:假设2:随人员的增长,数字金融对城市金融行业人员集聚的影响为非线性,存在门槛效应。3.产业分散效应数字技术能够构建起庞大而详尽的数据库,如区块链技术能够详细记录投资者所需要收集的各类事前信息,能让处于中国任意地区的融资供需双方以接近零成本进行沟通,认知距离被无限扩展,极大地有利于经验、个人知识等非标准化信息的交换与传播。因此数字金融的普及使用能够有效解决信息传输过程中的不对称问题,有效降低沟通和信息集获取的中间过程成本,增加市场流动性,在理论分析表达中,可以表示为中间成本项的下降即服务可得性项的增加。根据均衡稳态下金融机构的零利润条件,对金融产业产值进行微分可得:Yjc jc=wjc+jc wjc jc (1 2)根据求导传递的原则,每个城市的产值受商品可得性的影响可以表示为:Yjcj(xc,xe)=Yjc jc jc wjc wjcj(xc,xe)由于:Wjc jc=-jj Ce=1Iej(xc,xe)2+Jej(xc,xe)2Cd=1jdj(xd,xe)2+10(1-)(1-)j(xc,xa)2Cd=1jdj(xd,xa)2dxa 0同时对金融业收入表达式(1 2)进行求导可以得出:Wjcj(xc,xe)=jj(Ie+Je)Cc=1jcj(xc,xe)-jcCe=1Iej(xc,xe)+Ce=1Jej(xc,xe)Cd=1jdj(xd,xe)2+10(1-)(1-)Cd=1jdj(xd,xa)-jcj(xc,xa)Cd=1jdjd(xd,xa)2dxa (1 3)0 4 8 M O DERN E C ON O M I C RESE AR CH 此处对转移动态进行探讨,考虑前一期为稳定状态,即 wjcj|t-1=0。因而应用数字金融对城市c带来的产品可得性上升影响的是式(1 3)的分子部分,变动部分分为两部分,其中对一般同质化必需品生产者的变动部分由于其经济意义可知此部分为正值,而另一部分则为不同城市从金融企业数字化转型过程中所获得的效率改善:(Ie+Je)Cc=1jcj(xc,xe)-jcCe=1Iej(xc,xe)+Ce=1Jej(xc,xe)对此,我们需要讨论金融从业人员规模对以上结果的影响,当规模足够小jcj时,将使得 Yjc/j 0,因此 Yj/j0,对于规模较小的城市,金融活动开展在数字化转型下所产生的效率提升,体现为产业业务的扩散和覆盖范围扩张,本地金融集聚效应减弱、人员向其他区域流动,各城市间的产业有分散和趋同的趋势;当从业人员规模水平处于j0,因此 Yj/j=0,金融产值集聚与数字金融之间的关联性出现一定的减弱,作用力相互抵消;当jjcj,Yj/jj时,wj/j0,进而 Yj/j 0,体现为产业集聚的扩散。结合中国经济现实,数字经济尤其是数字金融所经历的惊人飞速发展,支付宝、余额宝、5 G大数据、数字人民币等数字化工具的出现,大数据和云计算等风控技术的使用,拉近了不同发展水平地区之间的“金融资源距离”,突破了传统距离限制,淡化了“中心-外围”的层级概念,最为获益的就是金融排斥区域的中小规模企业,在中国金融资源相对集中的背景之下,可预见地将推动资本要素配置产生自过饱和区域向外发散的分散效应。基于以上分析,提出研究假设:假设3:金融业规模不同的城市,数字金融应用对金融产业集聚所产生综合作用力将有方向上的差异。四、实证检验1.变量说明以及数据来源关于核心被解释变量金融集聚水平,描述测度方法有层次分析法、区位熵法和本国金融业生产总值占全国比重法。考虑到数据的可得性以及使用数据的普遍性,本文采用了区位熵指数法(任英华等,2 0 1 0),使用金融人员区位熵f l e和地区存贷款总额区位熵f v e作为衡量集聚程度的指标,具体计算方式参考俞颖等(2 0 1 7)如下:f l ei j t=Ei j t/Ei tEj t/Et o t a ltf v ei j t=Vi j t/Hi tVj t/Ht o t a lt其中Ei j t为t时期i城市j行业从业人员,Ei为i城市总从业人员,Ej t和Et o t a lt分别为t时期j行业从业人员和样本总体从业人员;Vi j t为金融行业发生存贷款总额,Hi t为常住人口总数,Vj t为金融行业存贷款发生总额,Ht o t a lt为所有样本城市的总常住人口数。两个主要变量值越高说明该城市的金融业人员占比和金融行业产值较其他城市越高,即金融集聚程度高。d i g i t a li t为核心解释变量,指i城市在t年的数字金融普惠指数,使用北京大学数字金融研究中心所编制的北京大学数字普惠金融指数。其他控制变量为:l p g d pi t用以衡量地区间的经济发展水平差距,使用城市人均G D P;f d i r a t i oi t为开放水平,使用实际利用外资与G D P的比值表示;e d ui t以教育衡量人力资本水平,用每位普通高校学生对应教师数表示;g o vi t为政府干预力度,该指标与地域金融集聚之间存在着稳定关联,以地方政府收入与地方G D P比值表示;p r o f i ti t为地区利润指标,以各地规模以上企业的利润率代表,衡量地区整体经济产能效率;i n n oi t为地域创新能力,使用北京大学企业大数据研究中心所公布的中国区域创新创业指数(I R I E C),该指数运用工商企业注册数据库数据多维度构建创新指数,以反映中国各地区的创新创业活力与绩效,具备客观性和实时性。创新是金融可持续发展的内在驱动力,金融服务集聚也是一种网络集群的形成,集群内部的信息尤其是无法标准化的隐含知识的信息沟通,有助于促进内部创0 4 9 现代经济探讨-2 0 2 3-1 0-财政金融新,吸引新客户,为进一步的空间集聚提供条件。本文使用数据除前文提及的数字金融普惠指数和区域创新创业指数外,还包括来源于E P S数据库、C E I C数据库与各地级市统计局所公布的2 7 4个地级市市辖区的各项统计数据,以及国家统计局所公布的各年生产总值和外币汇率。对于极个别缺失值,本文采用了插值补全的方法,而对过多缺失值采取了删去个体的方式,最终得到了一份较完整的非平衡面板数据。2.计量模型根据以上的理论推导及模型论证,结合所估计的代表变量,本文对数字金融的使用如何影响城市间的金融集聚进行实证分析,设计以下计量模型:f a iit=0+1d i g i t a li t+2l p g d pit+3f d i r a t i oi t+4e d ui t+5g o vi t+6p r o f i ti t+7i n n oi t+i+t+i t(1 4)其中,f a ii t代表i城市在t时期的金融集聚水平,d i g i t a li t代表数字金融普及程度,l p g d pi t代表经济发展水平,f d i r a t i oi t为对外开放程度,e d ui t为平均受教育程度,g o vi t为政府干预程度,p r o f i ti t表示地方企业盈利水平,i n n oi t为城市技术创新水平,i为时间固定效应,t为个体固定效应,i t为随机误差项。3.计量结果与分析表1展示了根据模型基础设定数据进行回归所得到的计量结果。由F检验可以发现,考虑城市个体和时间固定效应时,模型结果显著,通过H a u s m a n检验,固定效应要比随机效应模型更加有效,因此采用双向固定效应模型。为了保证模型主体结果具有足够稳健性,结合各城市存在的组间差异,本文采取聚类到个体的标准误差形式,F检验值较高,主要解释变量显著地拒绝了回归参数为零的原假设,证明主要效应参数的有效性。逐步加入控制变量后核心解释变量d i g i t a l的系数保持显著,证明主要解释变量的影响效应稳定有效,表1的估计结果充分体现了数字金融水平的改善所带来的分散效应,数字金融发展与该区域金融集聚倾向为负向相关关系,与假设1所提出的传导方向相同,验证了假设1。通过改善信息传递、扩张业务范围、提升融资效率、分散风险等方式,金融资源由富发展端向欠发展端更加无障碍地流动,金融发展水平有整体性上升。控制变量结果中,l n p g d p代表的是城市的综合经济发展水平,因而当实际经济有所增长时,金融人员集聚趋势削弱。模型(2)中g o v项系数显著为正,这也与俞颖等(2 0 1 7)提出的政府干预将影响金融机构空间格局的传导方向一致,政府干预程度高的城市,其资源配置的扭曲更加明显,金融业的薪酬待遇也多处于较高水平,这种差异带动了对专业人员的吸引力。创新指标在模型(4)中为显著正值,表明创新增长所形成的外部溢出效应对推动产值集聚更加有效。表1 数字金融对金融集聚影响基本回归结果(1)(2)(3)(4)被解释变量f l ef v ed i g i t a l-0.6 8 7*-0.5 3 6*-0.2 8 8-0.5 3 0*(-3.1 8)(-2.4 5)(-0.9 5)(-1.8 3)l n p g d p-0.1 2 4*0.2 9 2*(-2.1 3)(4.1 0)f d i r a t i o1.1 2 01.1 5 2(1.4 8)(1.4 1)e d u-0.3 5 4*-0.0 5 0(-5.4 2)(-1.1 6)g o v1.0 1 6*-0.7 4 0(1.7 5)(-1.1 3)p r o f i t-0.1 2 5-0.1 3 5(-0.8 4)(-0.9 9)i n n o-0.1 4 70.1 5 7*(-1.1 9)(1.9 7)常数项2.9 7 9*3.9 8 8*2.2 4 9*-0.4 5 2(5.5 3)(5.0 3)(2.9 9)(-0.4 2)观测值数2 4 0 02 4 0 02 2 1 12 2 1 1R20.0 3 40.0 5 40.0 7 10.1 0 3城市数2 7 42 7 42 6 02 6 0城市固定效应控制控制控制控制时间固定效应控制控制控制控制稳健性标准误控制控制控制控制 注:*、*、*分别表示在1%、5%和1 0%的统计水平上显著;括号内为t值。下同。0 5 0 M O DERN E C ON O M I C RESE AR CH由于数字金融的发展和渗透水平也受到金融行业基础设施水平和综合发展水平的影响,因此模型存在内生性,这将导致对真实效应的错估,因此本文采取双固定效应模型,降低遗漏变量所带来的内生性。同时也将不同地区金融发展水平高低的异质性纳入考虑。如金融发达的中心型城市能够为本地的金融科技提供更好的外部条件和孵化平台,有促进本地金融服务数字化的作用。鉴于金融业本身是一种服务业,金融业集聚程度高往往有助于产业的多样化升级,而劳动力的多样化和优质劳动资源的丰富也同样需要数字金融水平的提高,因而为了避免由双向因果所引起的内生性,本文采取引入工具变量的方法予以解决。为保证模型工具变量的外生性和排他性,本文参考赵涛等(2 0 2 0)与黄群慧等(2 0 1 9)在设立数字金融对城市综合发展质量和生产率提升的影响过程中使用的工具变量的构建思路,大致如下:互联网是影响数字金融发展水平差异的重要基础,互联网的发展和普及是从固定电话拨号接入方式开始逐步更新得到的结果,从历史延续角度思考,电信基础设施会从技术水平和使用习惯等因素影响到互联网的发展路径,那么铺设固定电话的邮局的分布和密度对互联网和移动设备的先期接入将有很大影响,进而对现有的通信格局的形成有推动作用,也能够满足工具变量与解释变量的相关性。考虑可能存在的双向因果的内生性,本文使用上一年的互联网发展情况数据来削弱双向因果关系。采取1 9 8 4年中国各地级市每百万人邮局数来评估通讯基础设施的历史发展水平,邮局等邮政设施的数量和历史分布能从技术水平和使用惯性等方面决定后续新形式的通讯技术如互联网的应用情况,满足相关性要求,而随着各类通讯技术的不断变革,传统电信工具对经济发展和金融集聚影响逐渐式微,满足排他性需求。鉴于邮局数量为1 9 8 4年截面数据,无法直接应用于有时间固定效应回归中,因此参考N u n n和Q i a n(2 0 1 4)的处理方法,采取引入随时间变化的变量来构建工具,移动电话的使用和是否能够接入互联网代表家庭是否具有使用移动设备和互联网服务的基本能力,该类家庭越多,达到数字金融使用基础门槛的人数也就越多,可应用数字金融的范围越广,证明区域金融数字化的程度也相应越高,因此互联网使用与数字金融使用能力正相关。具体计算方法为采取城市上一年的互联网宽带接入用户数和移动电话使用人数与1 9 8 4年邮局数量进行交乘,得到p o s t_i n t和p o s t_m o b两个工具变量。表2P a n e l I均展示工具变量回归的二阶段结果,一阶段变量的参数方向均在9 9%显著概率上为正,且F值大于1 0,C r a g g-D o n a l dW a l dF统计量远大于1 0%临界值,满足有效性,非弱工具变量。同时过度识别检验p值均无法拒绝“所有工具变量均为外生”的原假设。因此可得所有工具变量为外生有效。2 S L S的结果证实了数字金融发展对于集聚产生的平均分散作用,但在样本量并不大的情况下,该方法存在着估计有偏的可能性,因此本文同样采取对弱工具变量不敏感的L I M L方法对模型进行了估计,如表2列(3)列(6)所示,结果差距很小,证明了影响的稳健性。另一工具变量参考王修华和赵亚雄(2 0 2 0),由于重要政策、发展目标规划多是以省作为一个参考的整体,加之基础设施水平和人才流动政策在省内水平上是同质的,因此同省内不同城市的数字金融发展水平多半因所处的环境相似而有比较强烈的趋同性,省域内除自身外城市的发展水平与研究对象之间有较强的相关性。因此,本文采取省内除去自身以外其他城市的数字金融发展水平的均值作为另一类工具变量进行回归,第一阶段回归I V与d i g i t a l变量有强正相关性,与假设一致,检验证明工具变量满足外生性和强相关性假设,由于回归为恰好识别,因此无需报告H a n s e n检验值。应用省内数字金融发展水平工具变量后,模型的主要解释变量d i g i t a l的参数和显著性保持不变,说明数字技术对于金融集聚分散趋同效果的有效性。4.详细异质分析(1)门槛回归。为验证假设2,采取金融业从业人员数的对数值作为规模门槛变量,探究不同规模下数字化发展的差异化影响。首先进行了门槛数量检验,结果如表3所示,其中对于单及双门槛,检验p值为0,分别显著拒绝“模型不存在门槛”和“模型存在单一门槛”的原假设,而三门槛则p值为0.4 6 6 7,无法拒绝“模型存在两个门槛”的原假设。因此,可以确定门槛个数为两个,由于门槛变量为金融从业人数对数值,两门槛值分别为-0.6 3 9 1和0.2 9 8 8,将其还原为原0 5 1 现代经济探讨-2 0 2 3-1 0-财政金融表2 两类工具变量回归结果P a n e l I I V:p o s t_i n t&p o s t_m o b(1)(2)(3)(4)(5)(6)被解释变量f l ef v e模型2 S L SGMML I M L2 S L SGMML I M Ld i g i t a l-3.0 0 3*-3.0 7 5*-3.0 1 2*-0.3 3 5*-0.3 5 8*-0.3 3 5*(-2.8 6)(-2.9 6)(-2.8 5)(-2.9 2)(-3.7 2)(-2.9 1)控制变量控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制城市固定效应控制控制控制控制控制控制工具变量数222222H a n s e nJp值0.6 3 10.6 3 10.6 3 10.7 1 10.7 1 10.7 1 1P a n e l I I I V:d i g a v g_e x(1)(2)(3)(4)(5)(6)被解释变量f l ef v e模型2 S L SGMML I M L2 S L SGMML I M Ld i g i t a l-0.8 1 7*-0.8 1 7*-0.8 1 7*-0.6 6 6*-0.6 6 6*-0.6 6 6*(-2.5 0)(-2.5 0)(-2.5 0)(-2.2 1)(-2.2 1)(-2.2 1)控制变量控制控制控制控制控制控制时间固定效应控制控制控制控制控制控制城市固定效应控制控制控制控制控制控制表3 门槛个数检验门槛数量R S SM S EF s t a tP r o bC r i t 1 0C r i t 5C r i t 1单门槛2 2 4.3 1 6 70.1 0 33 7 5.1 102 3.1 4 6 92 6.3 2 8 53 2.3 8 2 9双门槛2 0 8.3 1 10.0 9 5 61 6 7.3 502 1.9 6 72 8.7 8 3 83 7.1 5 7 8三门槛2 0 1.0 0 3 40.0 9 2 37 9.1 80.4 6 6 71 1 6.5 8 8 31 2 5.9 4 9 61 2 8.8 3 5 9水平值可知两门槛将整体数据区分为从业人员数小于0.5万人、人数位于0.5万到1.8万人之间以及大于1.8万人的三个不同区间。表4展示了根据数据所计算的门槛值及区间。表5为门槛划分下的回归结果,d i g i t a l变量在从业规模f i n w的不同区间内对集聚水平有着显著相异的回归参数,规模小于第一门槛时,主要变量回归参数显著为负,数字金融能够产生较强的逆集聚效果;随着规模增长,回归参数不具有显著性,说明中等规模城市受影响效果较弱,而对于更高规模的金融中心城市,高报酬使其对从业者有着表4 门槛回归门槛值详情门槛值下限上限门槛10.2 9 8 80.2 8 9 90.3 0 0 1门槛2-0.6 9 3 1-0.7 0 8 5-0.6 9 2 1更高的吸引力,而且数字技术的应用使得遍布各地的金融机构分支变得不再重要,增长极城市对周边产生人才虹吸效果。综上,假设2的猜测性推论也得到数据支持,以金融业人员作为整体行业的划分指标,数字化确实能产生人力要素向中心城市集中的趋势(鲁 0 5 2 M O DERN E C ON O M I C RESE AR CH表5 门槛回归模型结果被解释变量:f l e(1)(2)(3)第一区间第二区间第三区间d i g i t a l-0.2 3 3*(-6.9 2)-0.0 2 5(-1.0 1)0.2 0 7*(6.6 3)控制变量控制控制控制观测值数2 1 8 72 1 8 72 1 8 7玉秀等,2 0 2 1)。(2)面板分位数回归。利用面板分位数回归方法,能够更完整地观察数字金融如何影响城市金融格局演进的全面信息,本文以存贷款总量作为金融业产值大小的代表性指标,以产值区位熵f v e作为集聚程度指标,在模型(1)至(9)的不同分位进行分位数回归估计,得到表6。核心变量不同分位区间的回归系数的方向与显著性都明显不同:在1%分位回归结果,系数显著为正,随着分位数范围升高,显著性逐渐降低,至5%分位开始变为不显著;5 0%分位数下,回归系数转为显著负向并在之后参数绝对值也不断增加,体现出逆聚集的分散效果不断上升,并且集聚态势越明显的城市,这种影响的程度越高,体现为该中心城市的金融业务开始向外围城市分流。以上