金融集聚如何影响绿色发展效率?
——基于时空双固定的SPDM与PTR模型的实证分析
袁华锡1,2，刘耀彬1，封亦代1
(1.南昌大学经济管理学院，江西 南昌 330031；2.肯特州立大学地理系，美国俄亥俄州肯特市 44242-0001)
摘 要： 金融集聚从资本支持、资源效率配置、技术创新等方面提升绿色发展效率的贡献日益凸显，而这种影响的空间效应有多强、范围有多大以及时空过程有何规律性，都亟待深入研究。本文基于空间距离衰减与中间机制两大假说，利用中国2003—2014年272个地级及以上城市的面板数据，综合采用空间面板杜宾模型(SPDM)与面板门槛模型(PTR)实证考察金融集聚对绿色发展效率的空间溢出效应及其衰减边界，并对导致二者之间产生非线性关系的中间机制进行了探讨。研究发现，①金融集聚对绿色发展效率存在明显的空间溢出效应，且这种空间溢出表现出明显的空间衰减特征，在300公里以内为负向空间外溢的密集区域，400—600公里则为正向空间溢出的密集区域。②在金融集聚、城市规模与对外开放水平三种机制调节下，金融集聚对绿色发展效率的影响呈现“梯度式”增强的特征，而在经济发展水平机制的介入过程中，金融集聚对绿色发展效率的促进作用却是一个“先减后增”的过程。值得注意的是，现阶段这种促进作用十分有限。上述结论在多种稳健性检验后，结论仍然成立。
关键词： 金融集聚；绿色发展效率；空间面板杜宾模型；面板门槛回归
1 引言
党的十九大提出，加快文明体制改革，建设美丽中国，实现中国经济社会“高质量发展”，这不仅关系到中国经济增长的转型升级，更是中华民族永续发展的千年大计。金融业作为现代经济的核心要素，凭借自身“清洁型”和“动力型”特点，对于提升中国绿色发展效率起着至关重要的作用。关注金融集聚对绿色发展效率的空间效应及其空间衰减边界，探究金融集聚对绿色发展效率非线性冲击的形成机制，对于深入理解金融集聚与绿色发展效率的互动作用，解决中国经济增长与环境保护的尖锐矛盾，具有重要的理论意义和政策意义。
一般认为，金融集聚是“金融资源与地域条件协调、配置、组合的时空动态变化，金融产业成长、发展，进而在一定地域空间生成金融地域密集系统的变化过程”[1]。许多学者先后都关注到金融集聚对绿色发展效率提高的影响，并探讨了金融业可以通过资本支持效应、资本配置效应、企业监督效应和绿色金融效应等途径提高绿色发展效率，这种效应首先体现在空间溢出规律上[2]。而Porteous[3]、Zhao[4]等发展起来的“信息腹地理论”，则强调信息的外部性、信息不对称和路径依赖在塑造信息腹地的构成和确定金融集聚的发展中起关键作用，他们认为，信息技术的发展虽然为更远距离的金融服务提供了可能，但是由于金融活动高度依赖于非标准化信息与信用体系，因此，金融集聚不可能表现出Obrien[5]提出的地理学终结，而是呈现出一定的区域衰减边界，后来，Ghoul等[6]的研究也印证了这一点，他发现，当公司位于距市中心100公里以内的最近的一个金融中心范围内或处于大都市统计区内时，公司可以享受低于7个基点的股权融资成本，支持了金融集聚可能存在区域边界的推断。其次，金融集聚对绿色发展效率的影响可能在时间上表现出非线性关系[7-8]。严成樑等[9]通过构建一个包含金融发展、创新和二氧化碳排放的内生增长模型，考察了金融发展对二氧化碳的影响，理论和实证分析表明，信贷规模对我国二氧化碳强度的影响存在倒U 型关系。李红和王彦晓[10]的研究表明，经济发达地区城市显著受惠于邻近城市金融集聚的外溢效应。袁冬梅和魏后凯则认为，对外开放水平有利于提高金融集聚水平，进而影响到绿色发展效率[11]。于斌斌[12]还发现，金融集聚在不同城市规模约束下对产业结构升级表现出明显差异。这意味着金融集聚对绿色发展效率的非线性影响，很可能是金融集聚、经济发展水平、对外开放水平及城市规模等中间机制引起的。事实上，许多学者曾经尝试通过空间计量模型和面板门槛模型解释金融集聚对绿色发展效率的空间溢出效应及其门槛特征。何宜庆等[13]曾采用空间计量模型分析金融集聚对生态效率影响，但没有揭示金融集聚的空间衰减边界。另外有些学者虽然关注到金融集聚与绿色发TFP或绿色经济效率的门槛特征，却忽视了金融集聚的空间溢出效应[7, 14]。
作为一种普遍性交流工具，语言为人们表达情感与语言锻炼创造了更多的机会。人们抓住语言表达机会，赋予一定的真情实感，从而充分展示语言应用意境分析，人们更好的体验汉语言文学专业具有的魅力，获得更多的认可。另外，良好语言沟通能力，使得学生自卑心理得到有效改善，从容地参与社交，这也体现了语言应用的结果。
鉴于此，本文基于空间距离衰减规律与中间机制假说，采用中国2003—2014年272个地级及以上城市的面板数据，通过空间面板杜宾模型测度金融集聚对绿色发展效率的空间溢出效应及其衰减边界，利用面板门槛模型分别检验金融集聚、经济发展水平、城市规模与对外开放水平四种不同机制约束下，金融集聚对绿色发展效率的影响。试图解决以下两个关键问题：①金融集聚对绿色发展效率是否存在空间外溢？倘若存在空间外溢效应，其范围究竟有多大？空间外溢的区域边界在哪里？②导致金融集聚与绿色发展效率产生非线性关系的中间机制是什么？中间机制的阈值条件是什么？在不同中间机制约束下，金融集聚又如何影响绿色发展效率？与以往研究相比，本研究的贡献在于：第一，本文采用空间面板杜宾模型检验了金融集聚对绿色发展效率的空间溢出效应，回答了其空间溢出范围的大小及区域边界，证实了空间距离衰减假说；第二，本文利用面板门槛模型，检验了不同约束机制下，金融集聚对绿色发展效率的影响，回答了如何在不同约束机制下，如何更好的提高中国绿色发展效率。
2 理论分析与数据方法
2.1 理论分析
假说1：金融集聚对绿色发展效率存在明显的空间溢出，且这种空间溢出效应会存在具有空间衰减特征的地理边界。
(1)根据“极化—涓滴效应学说”解释，发展是通过一个不连续的但是又逐步积累的创新过程实现的，通常起源于区域内少量的“中心区”，创新由这些“中心区”向周边潜力较小的区域“外围”扩张，“外围区”依附于“中心区”而获得发展[15]。早期，金融集聚“中心区”存在于一些特大城市和大城市，随着条件的逐渐成熟以及金融行业的快速发展，大量资本要素、人才要素、技术创新不断向区域金融集聚中心区涌入，由于金融行业本身的“逐利性”特点和产业发展自身需要，金融集聚中心区会不断向更远距离区域蚕食金融资源，最终向邻近地区产生空间溢出[16-17]。然而，由于中国幅员辽阔，各地区原始发展条件存在巨大差异，导致中国金融资源在空间分布不均衡[18]，金融差异总体表现沿倒“U”型轨迹演进，中西部地区则由于金融资源的大量外流和回流障碍而长期锁定于金融均齐发展的低差异状态[19]。显然，金融集聚对绿色发展效率存在明显空间溢出。(2)根据“信息腹地理论”，金融行业的健康发展依赖于大量非对称信息，受限于中国信用市场的不完备性，金融行业发展依然具有较强的本地偏好，与此同时，金融集聚空间溢出作用受到地方保护主义和行政边界分割的约束[20-22]。最终，导致金融集聚对绿色发展效率的影响在地里空间范围上表现出一定的区域边界。
3.2.1 金融集聚对绿色发展效率的空间溢出
加入金丰公社，是各位事业合伙人致富道路的开始，更是2019年金丰公社蓬勃发展、走向辉煌的崭新篇章。至此，这场饱含所有与会人员攻坚克难并收获满满的游学盛会圆满结束！
2.2 研究方法
本文基于环境经济领域广泛应用的IPAT模型随机扩展式(STIRPAT)，在充分考虑传统变量人口因素、富裕程度及技术水平对绿色发展效率作用的基础上[32]，加入金融集聚因素，以观察金融集聚对绿色发展效率的影响，计量模型如下：
I it =lna i +β 1F it +β 2lnP it +β 3lnA it +β 4lnT it +lnε it
(1)
其中，下标i、t分别表示城市与年份；a 为模型系数；I是被解释变量环境影响或环境压力；F为本文核心考察变量；P表示人口因素对环境压力造成的影响；A指的是富裕程度带来的环境影响；T是代表技术水平产生的环境影响。ε 为随机扰动项。
Anselin[33]认为，空间经济单元并不是孤立存在的，而是通过各种联系与邻近经济单元在空间上相互作用，表现出地理上的空间依赖和溢出特征。本文重点考察的金融集聚变量具有强烈的空间外部性，因此，在探讨金融集聚与绿色发展效率关系的时候有必要引入空间效应予以考察。空间计量模型具体形式多样，Lesage 和Pace[34]在综合考虑了因变量和自变量的空间依赖性，构建了同时包含因变量空间滞后项和自变量空间滞后项的空间杜宾模型(Spatial PanelDurbin Model，SPDM)，该模型同时兼顾了解释变量与被解释变量的空间效应，在空间效应考察方面具有独特优势。因此，本文基于STIRPAT模型，进行空间拓展，采用空间面板杜宾模型对中国金融集聚与绿色发展效率的关系进行深入研究。模型表达式：
I it =a +ρW ij I it +β 1F it +β 2lnP it +β 3lnA it +β 4lnT it +θ 1W ij F it +θ 2W ij lnP it +θ 3W ij lnA it +θ 4W ij lnT it +μ i +v t +lnε it
(2)
（三）数学家华罗庚曾说过：“数缺形时少直觉，形少数时难人微，数型结合百般好，隔离分家万事非。”用多媒体辅助教学有助于数学知识的内化和深化，把一些呆板的无法言表的内容有抽象变为直观，图文并茂，声像具备，形象生动，有利于提要课堂教学效率，促进教育教学质量大幅度提高。本案中，对于探究为任意角，公式都成立，其内容较为抽象，学生不易理解。这时我应用几何画板展示公式动态相等过程，使内容直观化、具体化，吸引学生的注意力，启迪学生思维，更有利于培养学生正确有序的观察方法和空间想象能力。
另外，由于金融集聚对绿色发展效率存在多重条件约束，为此，本文采用面板门槛模型(Panel Threshold Regression，PTR)考察金融集聚对绿色发展效率的门槛特征[35]。该方法不仅能较为准确的计算门槛值，还能对内生的“门槛特征”进行显著性检验。面板门槛模型如下：
I it =lna i +β 1F it +β 2lnP it +β 3lnA it +β 4lnT it +β 51F it ·I (q it ≤λ 1)+β 52F it ·I (q it >λ 1)+β 53F it ·I (q it <λ n )+lnε it
(3)
其中，q it 为门槛变量；λ 1、λ 2…λ n 为待估算的门槛值；I(g)为指标函数，其他参数同上。
孤残儿童进入庄园，业务科员工对儿童资料进行收集和整理。若属于残疾儿童，且适龄需接受康复或者特殊教育，则进入康复或者特殊教育中心。
2.3 变量选择与数据来源
门槛变量(中间机制)：参考现有研究处理方法，本文分别选取市辖区年末总人口表征城市规模(UR)，采用进出口贸易总额与全市GDP比重度量对外开放水平(OD)，进出口贸易总额数据依据历年汇率折算成人民币，全市GDP折算为2003年的不变价格，选择全市实际GDP刻画经济发展水平(EL)。
高校应高度重视政府会计制度落实，高校主要领导要高度重视，确保这项工作能够落到实处。高校要成立由单位主要领导牵头，财务、资产等相关业务部门组成的领导小组，规划方案、明确目标、落实责任，加强部门协同，按责任分工。
解释变量：金融集聚度(F)。由于区位熵模型能够较好的消除地区规模差异带来的内生性冲击，因此，本文通过计算区位熵指数来衡量金融集聚，具体计算方法为：
其中，EMF it 为i城市t年金融从业人员数，EM it 为i城市年末就业人数[40]。
被解释变量：绿色发展效率(I)。本文采用考虑非期望产出的超效率SBM模型(Super-SBM-undesirable)来测度绿色经济效率[36]，该方法可以有效解决效率高估问题及投入、产出效率非径向调整问题[37-38]。具体步骤如下：首先，通过地区实际生产总值对工业二氧化硫排放量、工业废水排放量、工业烟尘排放量进行单位化处理，进而通过熵值法计算得到环境污染综合指数，作为非期望产出的代理变量；其次，选取全社会固定资产投资、年末就业人数、单位能耗工业产值、工业用电量为投入变量，利用全市实际地区生产总值来衡量期望产出[39]；最后，采用MaxDEA软件进行测算。投入产出中涉及到的价格变量统一采用GDP指数进行评价，以消除通货膨胀的影响。
小磨河水利工程项目专门成立水土保持监测组，全面系统地采集了水保建设动态监测影像和数据，运用多种统计调查方法和监测法对影响水土流失的主要因子设立监测点。全面确保了水土保持监测工作的顺利开展。该主体工程从2014年开工到2017年10月完善水保设施期间，做到了不定期巡查或检查，并在雨季、植被恢复期增加监测频次。确保了三年多的施工过程中未发生水土流失危害事件。
控制变量：IPAT模型中的三个固有变量如下，本文分别选取全市年末总人口表示人口因素(P)；利用人均实际GDP衡量富裕程度(A)；采用单位工业生产总值能耗代表技术水平。随着经济社会发展和技术进步，越来越多影响环境压力的因素也被考虑到IPAT模型扩展式中，本文结合中国绿色发展实际情况，分别选取环境规制、产业结构及能源结构四个重要控制变量予以进一步考虑。众所周知，中国的环境治理属于政府主导型，环境规制的强弱直接影响到绿色发展效率，本文从规制的效果出发，选取工业二氧化硫去除率、工业固体废物综合利用率、工业烟尘去除率、生活污水处理率及生活垃圾无害化处理率五个指标，通过熵值法计算得到各自权重，然后，线性加权求和得到不同城市不同年份环境规制效果(ER);另外，由于产业结构决定了污染的类型和总量特征，因此，本文采用第二产业增加值与第三产业增加值之比(IS)来要控制产业结构对绿色发展效率的影响；最后，要重视能源结构的影响，由于中国“富煤，少油，少汽”，煤炭型能源消费成为了中国经济社会的的主导型能源消费结构，对绿色发展效率产生较大影响，受限于数据的可获得性，本文选择工业用电量与全社会用电量之比来反映城市能源结构(ES)。
空间权重矩阵。本文通过经纬度计算两个城市质心之间的欧氏距离倒数来刻画城市之间的空间依赖性特征，相较于邻近空间权重矩阵，反距离空间权重矩阵的解释力不会随着样本量的增加而减小[41]。计算公式：
(4)
式中d ij 为根据城市经纬度计算的城市i与城市j的地理距离，本文采用两个城市之间的距离倒数作为空间权重矩阵，测度城市之间的空间相互作用。
研究样本为2003-2014年间中国272个地级及以上城市的平衡面板数据。个别缺失数据采用插值法补齐，剔除个别数据严重缺失的城市。同时，为消除价格影响，所有价格变量都以2003年为基期，采用GDP指数进行平减。地图数据均来自于国家基础地理信息中心。为减小异方差，本文还对相关数据进行了对数化处理。表1和表2分别报告了各变量的定性描述与描述性统计结果。观察表2可知，所有变量不存在异常值情况，数据波动较小，平稳性较好，而且所有变量的方差膨胀因子值均小于4，说明解释变量间不存在严重共线性问题。
由上文可知，犯罪手段的多样化可以概括为犯罪手段的非暴力化，而非暴力化带来的问题就是无法对其中一些行为进行有效的打击。例如，由于我国刑法中没有规定暴行罪、胁迫罪、强要罪等犯罪，因而对于“打而不伤”、出场摆势、言语恐吓以及聚众哄闹等行为无法进行刑事打击，而只能进行行政处罚，有些甚至连行政处罚都无法给予，而只能按照民事侵权行为处理。针对这种情况，我们首先应当确定某种行为是否由一定犯罪组织实施，如果是，就应当将重点放在打击、瓦解犯罪组织本身上，而对于犯罪组织实施的一系列行为，则要在追究刑事、行政、民事责任时，从重、从严把握。
表1 变量定性描述
表2 各变量的描述统计结果
3 实证分析
3.1 初步统计观察
在深入研究该命题之前，有必要利用经验数据进行初步统计分析，以便准确把握金融集聚与绿色发展效率之间的基本关系。因此，本文通过区位熵模型和Super-SBM-Undesirable模型分别计算出272个城市2003—2014年的金融集聚与绿色发展效率，同时，利用ArcGIS10.2自然间断点分级法绘制出二者空间格局分布图，并分别按照金融集聚程度和绿色发展效率值命名为低水平金融集聚、中等水平金融集聚和高水平金融集聚，低水平绿色发展效率、中等水平绿色发展效率和高水平绿色发展效率。
其中，下标i、j表示城市，t是年份；I、F、P、A、T、ε 含义同式(1)；β 1、β 2、β 3、β 4分别表示金融集聚、人口因素、富裕程度、技术水平的回归系数，θ 1、θ 2、θ 3、θ 4代表四个变量空间滞后项的回归系数；W为272×272阶的空间权重矩阵；ρ 为空间滞后回归系数，表示区域之间的影响程度；a 是常数、u i 是个体固定效应，v t 为时间固定效应。具体变量选择，将在下文予以详细介绍。
观察图1可知，2003年金融集聚和绿色发展效率在空间分布上既存在一致性，也存在空间错位线性。东南沿海地区金融集聚水平与绿色发展效率普遍较高，而中西部地区相对次之，但不同年份也表现出明显差异。2014年金融集聚高水平区域则更趋于集中布局，区域性金融中心逐渐形成，高水平金融集聚主要分布在江浙一带和京津地区，同年272个城市绿色发展效率也有显著提高，中西部大部分区域逐渐由低水平绿色发展效率区域向中高水平绿色发展效率区域跨越。这说明金融集聚与绿色发展效率可能某种空间联系，且这种空间联系受到时空非均衡扰动。
分别从高龋均组和重度牙周炎组样本检出的微生物中，选取优势菌门(检出率>1%)和菌属进行分析，并比较其在两组中的差异。
众所周知，集群生命周期理论认为，不同时期的金融集聚效应存在巨大差异，那么样本研究期间，中国金融集聚与绿色发展效率之间是否也存在阶段性差异，这值得进一步思考？为此，本文以2003—2014年中国272个地级以上城市的绿色发展效率为纵轴，金融集聚为横轴绘制图2。从中可以看出，金融集聚与绿色发展效率之间总体呈现正相关关系，但是在金融集聚为1附近，绿色发展效率产生明显上下分层现象，表明金融集聚不仅能够促进绿色发展效率提高，还有跳跃式增强的迹象，呈现出明显的门槛特征。
3.2 金融集聚对绿色发展效率空间溢出及其空间衰减
假说2：在金融集聚、城市规模、对外开放水平以及经济发展水平四种机制调节下，金融集聚对绿色发展效率的影响都表现为非线性冲击。
综合理论分析与初步统计观察可知，金融集聚与绿色发展效率之间存在显著空间依赖，而且这种空间依赖性因距离远近而变化。因此，本文采用空间面板杜宾模型对假说进行检验。
(1)根据集群生命周期理论解释，在向心力与离心力的综合作用下，金融集聚表现出明显的阶段性差异，其具体形式有集聚、扩散及均衡三种。显然，金融集聚这种阶段性变化可能会对绿色发展效率产生非均衡性冲击[23-24]。(2)根据城市规模假说，由于大城市具有先进的公共服务水平和优越的区位条件，早期金融集聚主要分布在全球性或区域性大城市，譬如美国的纽约，日本的东京及中国的香港都是世界性著名金融中心，说明金融集聚与城市规模存在较强相关性[25]，但是受制于不同国家及其内部城市发展水平的阶段性约束，金融集聚对绿色发展效率的影响可能表现出差异[26-27]。(3)根据开放性假说解释，与开放经济体相比，封闭经济下产业集聚更容易促进经济增长，这主要是因为地理距离的缩短为节省交易成本提供了可能，且有利于缩减信用成本，金融集聚作为高度依赖信用体系发展的产业具有明显的封闭性特征，但为了构建世界性或区域性金融中心，金融机构及其附属机构不断拓展金融服务等级和服务范围，积极参与世界金融分工，在这种情况下，随着对外开放层次与水平的提高，金融集聚对绿色发展效率的影响也可能存在门槛特征，已有部分研究证实了上述猜想[28-29]。(4)根据威廉姆森假说解释，金融集聚对绿色发展效率的影响很可能受到经济发展水平的制约，因为金融集聚作为现代城市的高端增值服务业需要高水平的配套和经济支撑，金融行业的发展具有较高的人口门槛和市场门槛，这就促使金融集聚始终倾向于布局经济发展水平较高地区，孙铁山和陈心颖提供中国证据支持了“威廉姆森假说”[30-31]。以上理论分析表明，金融集聚对绿色发展效率的非线性冲击很可能是由金融集聚、城市规模、对外开放水平及经济发展水平四大中间机制引起的。
在进行空间计量分析之前，本文预先采用传统面板模型考察金融集聚与绿色发展效率之间的关系。通过F检验(41.99***)、BP-LM检验(10578.58***)及Hausman检验(16.36***)进行模型筛选，发现变截距固定效应模型适用于估计金融集聚与绿色发效率之间的关系。随后，本文采用变截距固定效应模型对式(1)进行估计。结果如表3列(1)所示，金融集聚对绿色发展效率存在显著的正向影响，回归系数为0.139且在1%的置信水平上显著，说明金融集聚与绿色发展效率之间确实存在互动。
图1 2003年与2014年金融集聚与绿色发展效率空间格局
图2 金融集聚与绿色发展效率的散点关系图
为此，本文进一步采用空间计量模型对式(2)进行估计。通过LM(Robust)检验、Wald检验、LR检验及Hausman检验发现(表2)，空间滞后模型(SAR)与空间误差模型(SEM)都可以检验金融集聚对绿色发展效率的空间外溢效应。鉴于此，作者进一步采用Wald检验和LR检验筛选模型，结果显示，Wald检验与LR检验均显著拒绝原假设，表明单纯使用空间滞后模型和空间误差模型考察金融集聚的空间溢出效应都可能存在偏误，且Hausman检验结果在1%的置信水平上显著拒绝了原假设。综上，本文最终选择固定效应下的空间面板杜宾模型(SPDM)对金融集聚与绿色发展效率的空间外溢效应及其衰减边界进行分析。
表2 普通面板模型的检验结果
注：***、**、*分别表示在1%、5%和10%的置信水平下显著性，下同。
表3 空间杜宾模型估计结果
续表3 空间杜宾模型估计结果
已有研究表明，空间计量模型中，本地区解释变量的变化不仅会影响到邻近区域值的变化，还会反过来对本地区值变化的产生冲击，而传统的点估计无法捕捉到这种“反馈效应”[42-43]。为此，本文参考已有文献处理方法，采用偏微分分解方法分析金融集聚对绿色发展效率的影响[44-45]。表3列(2)的分解结果表明，①直接效应下的金融集聚对绿色发展效率的影响系数为0.123，通过了1%的显著性检验，即本地区金融集聚水平的提高有助于提高本地区的绿色发展效率，与变截距固定效应估计系数相比，降低了0.019，这说明传统面板模型由于忽略了空间相关性问题，导致金融集聚对绿色发展效率影响被高估；②间接效应(空间溢出效应)下的金融集聚系数为0.960，且在1%的水平下显著，即本地区金融集聚水平的提高有助于促进相邻地区绿色发展效率的提高。此外，对比金融集聚直接效应与间接效应下的回归系数可知，金融集聚对绿色发展效率的区域间溢出要明显强于区域内溢出，这说明金融集聚对绿色发展效率确实存在空间溢出，为假说1的前半部分提供了实证支持。
为了避免因控制变量遗漏、测量误差及内生性等问题对结果产生的冲击，本文从以下四个方面对前述回归结果进行稳健性分析：①增加控制变量。在表3列(2)的基础上加入环境规制、产业结构及能源结构三个对绿色发展效率具有重要影响的变量，列(3)结果显示，金融集聚空间溢出效应的回归系数，在显著性与作用方向上并无改变，只是空间溢出效应强度比列(2)有显著回落，说明所添加的三个控制变量对绿色发展效率有重要影响，应予重视；②指标变换与空间权重矩阵变换。关于基本控制变量中的人口因素与技术水平如何去度量，一直存在较大分歧，本文结合中国城市发展现状，选择城市人口密度反映人口因素对环境的冲击，采用城市年末专利授权量对技术水平予以度量，同时，由于金融发展极度依赖于信息网络发展水平，因此，本文利用两地信息发展水平的乘积与两地质心距离的倒数来衡量信息距离对金融集聚与绿色发展效应的作用，公式为：
式中d ij 是表示城市i 与城市j 之间的地理距离；I it 、T jt 分别表示城市t 时期i 与j 城市人均国际互联网用户数。列(4)报告的估计结果较之于列(3)，金融集聚空间溢出的回归系数，在显著性和作用方向上依然没有改变，仅作用强度在进一步下降；③内生性检验。内生性问题广泛存在于计量模型之中，空间计量模型更是由于其复杂性及空间权重的内生性问题，很多时候让人对其估计结果产生疑虑。与传统静态空间面板模型相比，动态空间面板模型在解决空间计量模型引致的内生性问题方面，更加具有无法比拟的优势[46]。故而，本文在列(4)的基础上进一步采用动态空间面板模型考察金融集聚对绿色发展效率的影响，列(5)结果显示，被解释变量的空间滞后向显著为负且在1%的置信水平下显著，值得注意的是，较之列(4)，金融集聚对绿色发展效率的空间溢出效应，在显著性与作用方向上始终没有改变，只有空间溢出效应系数值进一步降低至0.251，说明静态空间面板模型容易高估了金融集聚对绿色发展效率的影响。综上检验表明，金融集聚不仅有利于提高本地绿色发展效率，还能带动周边地区绿色发展效率提高，该结论真实可靠。
金融集聚之所以存在显著的空间溢出效应，可能的解释是：①金融服务业的特性。根据中心地理论解释，每个行业企业都需要一个市场门槛来维持它的生存，根据提供的服务或产品的等级，不同的行业企业有不同的市场门槛和服务范围。金融行业作为高端服务业具有较高的服务价格、较低的购买率、较高的市场门槛和较大的服务范围，金融服务业早期不断极化吸收周边金融资源，并逐渐向区域性金融中心甚至全国性金融中心转变，金融中心再通过扩散效应或“涓滴效应”，服务相邻地区，从而产生空间外溢。②信息技术的发展。现代信息技术的发展，使得地理距离对金融服务业的影响逐渐降低，空间摩擦系数的缩小为金融集聚的空间外溢提供的条件，在一定程度上削弱了信息不对称带来的不利影响，为远距离金融扩散提供了技术支撑。
3.2.2 金融集聚对绿色发展效率的空间衰减边界
为了能够激发学生学习数学的兴趣，在教学中，教师应该根据教学内容合理地创设合作学习的情境，为学生进行小组合作学习提供平台与条件，也能够调动学生的积极性，促使学生主动参与小组合作学习的教学。由于小学生具有争强好胜的心理特点，比赛、竞争类的游戏对学生有相当大的吸引力。在课堂教学中可以适当地引入竞赛、比赛等方法来刺激学生的学习兴趣。
在证实金融集聚对绿色发展效率存在空间溢出效应后，本文进一步利用空间计量模型考察金融集聚对绿色发展效率的空间衰减边界。一般来讲，空间相关性会随着城市间距离的增加而逐渐降低，进而导致金融集聚对绿色发展效率的空间外溢产生区域边界。为此，参考现有文献处理办法，给定不同距离阈值，假设距离城市i 的城市j 在距离阈值外，则为
否则为0，计算方法为：
阈值Thre ij 的作用主要在于观察当参与空间回归的空间单元之间的距离逐步扩大时空间相关系数是否逐步衰减[47]。首先，对d ij 的初始距离阈值设定城市间最短距离60公里，并以100公里递增；其次，采用空间面板杜宾模型进行回归，记录金融集聚的回归系数及t值。
图3 金融集聚空间外溢系数随地理距离的变化
回归结果显示，空间外溢系数基本在60—600公里的区域内高度显著且基本通过1%的显著性水平检验，超过600公里后，空间外溢系数变得不再显著，这表明金融集聚对绿色发展效率的空间溢出符合地理距离衰减规律。具体来看，金融集聚空间外溢系数与相应的地理距离阈值曲线关系大致可以分为三个区间(图3)：①距离阈值小于300公里时，金融集聚对邻近地区绿色发展效率具有显著的抑制作用，且距离越近抑制作用越强，但这种“极化作用”会在300-400公里的空间距离范围内发生反转。可能的原因是，“一山不容二虎”，离金融中心越近的城市，经济联系越紧密，金融业务联系依赖程度越高，资本“极化”的效率更高，获取信息的成本越低，这也解释了为什么大型金融中心无法在同一地区并存。②距离阈值介于300—600公里时，金融集聚对邻近地区绿色发展效率逐渐表现为正向促进作用，且在400公里时达到峰值0.364，也就是说，金融集聚往往能够更加有力的提升省域边界附近城市的绿色发展效率，可能的解释是，处于省域边界的城市主要依靠区域金融中心融资，所属地区经济发展方式与产业结构等一般倾向于模仿发达的金融中心城市，导致边界城市对中心城市依赖度较高，同时，金融中心由于业务的拓展和信息技术的发展，也有向外不断扩张的欲望，从而为金融集聚对边界城市的空间溢出提供了充分条件。③距离阈值超过600公里时，由于权重矩阵内空间单元的急剧减少，空间外溢系数表现为随机波动现象，且无法通过显著性检验，这意味着金融集聚对邻近城市绿色发展效率的空间溢出受到行政边界分割的阻碍。总体来看，金融集聚对邻近地级市绿色发展效率的影响会随着地理距离的增加而降低，特别值得一提的是，随着地理距离的扩大，金融集聚对邻近城市绿色发展效率的影响是一个先负后正的衰减过程。这为假说1的后半分提供了经验证据，有力地支持了空间衰减边界假说。
在本次研究中采用德国西门子公司S2000彩色多普勒超声仪，仪器的参数设定参照常规指标。在具体阶段，要求工作人员做好成像分析工作，颈前区的暴露对于分级处理有一定的影响，要求从上到下进行动态扫描处理，结合病灶组织和切面情况观察。
为了检验结果的稳健性，本文选择城市人口密度衡量人口因素对环境的冲击，利用城市年末专利授权量度量技术水平，并加入环境规制、产业结构及能源结构三个控制变量，采用空间面板杜宾模型进行估计，并记录金融集聚的回归系数及t值，绘制出金融集聚系数随地理距离变化图(图3)，稳健性结果表明，金融集聚对绿色发展效率的空间外溢确实存在空间衰减边界，且三个区间变化范围与前述回归结果基本一致，进一步支持了空间衰减假说。
3.3 金融集聚对绿色发展效率非线性冲击的中间机制分析
基于理论分析和统计分析可知，导致金融集聚与绿色发展效率之间产生非线性关系的重要因素是：中间机制的介入。为此，本文采用面板门槛回归模型分别检验金融集聚、经济发展水平、城市规模与对外开放水平约束下，金融集聚对绿色发展效率的异质性冲击。具体步骤如下：第一，通过门槛效应检验确定门槛个数，进而确定模型形式。第二，分别估计四种中间机制下的门槛值。观察表4可知，金融集聚对绿色发展效率的影响受到金融集聚水平、经济发展水平、城市规模以及对外开放水平的制约，其中金融集聚水平与经济发展水平下表现出双门槛，城市规模与对外开放水平下表现为单一门槛，金融就水平门槛值分别为1.128与1.949，经济发展水平门槛值分别为16700.383与2726.544，城市规模门槛值为107.58，对外开放水平门槛值为0.0291。
表4 门槛效应检验
注：括号内为标准误，*、**、***分别表示在10%、5%和1%水平上显著(双尾检验)，LM统计量及显著性检验是采用Bootstrap法模拟3264次得到的结果。
门槛效应检验结果表明，金融集聚对绿色发展效率的影响的确受到金融集聚、城市规模、对外开放水平及经济发展水平的调节，这为假说2提供了初步证据。接下来，本文依据门槛检验结果，进一步估计四重中间机制调节下，金融集聚对绿色发展效率的影响(表5)。
1）扫描矢量化陕西省民政厅提供的1998年乡级行政区域界线协议书附图，获取全省乡级行政区域界线、界址点、界桩点和三交点等原始界线矢量数据，并对矢量数据进行坐标转换，即1954年北京坐标系、1956黄海高程系转换至2000国家大地坐标系、1985国家高程基准。
表5 基准门槛回归结果
从表5结果可知，①金融集聚水平的门槛效应。当金融集聚水平处于第一重门槛左侧时，金融集聚对绿色发展效率的影响为0.074且在1%的置信水平下显著；当金融集聚水平介于第一重门槛和第二重门槛之间时，金融集聚对绿色发展效率的正向促进作用显著增强；当金融集聚水平迈过第二重门槛1.949时，金融集聚对绿色发展效率的正向促进作用达到最强，为0.211且在1%的置信水平下显著。截止2014年底，中国272个地级市中有87.13%的地级市仍然没有迈过第一重门槛，只有12.87%的城市进入第一重门槛和第二重门槛之间。这表明金融集聚水平约束下，金融集聚对绿色发展效率的提高呈现“梯度式”增强，可能是受“马太效应”的影响，随着金融集聚水平的提高，金融中心对金融资源的“极化作用”愈强，为金融集聚的绿色输出提高了坚实基础。②城市规模的门槛效应。当城市规模小于门槛值107.580时，金融集聚对绿色发展效率的提升具有正向影响且通过1%的显著性检验，当跨过城市规模门槛时，金融就对绿色发展效率提升的促进作用达到最强，回归系数为0.184且在1%的置信水平显著。截止2014年底，52.21% 的城市还处于门槛值的左端，只有47.79%的城市迈过了门槛值。这说明城市规模约束下，金融集聚对绿色发展效率的提升表现出梯度增强的过程，然而，还有许多城市受制于城市规模原因，没有发挥出金融集聚对绿色发展效率的最大效用。这主要是受规模效应的作用，城市规模的扩大耦合了丰富的城市资源，为金融集聚扩张提供了丰富资源，进而为绿色发展提供了更加厚实的金融支持。③对外开放水平的门槛效应。当对外开放水平低于门槛值0.0291时，金融集聚对绿色发展效率的提升作用为0.109且通过1%的显著性检验，当对外开放水平迈过门槛值时，金融集聚对绿色发展效率的提升作用增加至0.186且通过1%的显著性水平。截止2014年底，中国还有78.31%的城市没有迈过对外开放水平门槛，仅有21.69%的城市到达门槛值右端。这说明在对外开放水平约束下，中国城市金融集聚对绿色发展效率的影响并不支持“污染天堂假说”，而是一个不断增强的促进过程。可能是源自于“竞争效应”影响，随着对外开放水平的提高，中国金融行业不仅可以扩大金融业务的服务范围与服务规模，还不得不引进学习吸收国外金融机构先进的管理经验和一流的技术，从而提高中国城市金融集聚水平，促进绿色发展效率提升。④经济发展水平的门槛效应。当经济发展水平没有跃过第一重门槛值2726.543时，金融经济对绿色发展效率的提升作用最强；当经济发展水平介于第一重门槛与第二重门槛之间时，金融集聚对绿色发展效率提升作用降至0.093；当经济发展水平跃过第二重门槛值16700.383时，金融集聚对绿色发展效率的提升作用迅速增至0.152。截止2014年底，中国83.09%的城市已经进入经济发展高水平阶段(跃过第三重门槛)，仅有 16.91%城市滞留在第二区间(2726.544<EL≤16700.383)。这说明金融集聚对绿色发展效率的正向促进作用在经济发展水平约束下大体也是一个“梯度式”增强的过程。可能的解释是“规模经济”的影响，经济发展水平越高，产业结构“三进二退”趋势更为明显，生产性服务业在国民经济发展中的地位日渐突出，金融资源更加青睐于高效率、高技术的战略性产业，同时，随着经济发展水平的提高，民众环保意识日益觉醒，对环境质量要求越来越高，生活消费习惯也更加环保，从而提高绿色发展效率。之所以在第二区间内，出现金融集聚对绿色发展效率下降的问题，可能是经济发展中期，发生重大技术变革，如信息技术的快速发展，导致金融集聚的“极化”能力呈现几何式增长，邻近城市金融资源再次被金融中心的“虹吸效应”带离。
为了进一步验证四重中间机制调节下，金融集聚对绿色发展效率的结论的稳健性，本文着眼于从以下三个方面进行稳健性检验：①内生性检验。由于IPAT模型只考虑到人口因素、富裕程度及技术水平对绿色发展效率的影响，这很可能导致某些重要变量遗漏，产生内生性问题；同时，受限于数据可得性，本文只就就业人员角度测度了金融集聚水平，这难免存在测量偏误，进而导致内生性问题。因此，本文采用被解释变量的滞后t-2 期及以上作为工具变量，采用系统广义矩估(GMM)计方法处理金融集聚可能存在的内生性问题。动态门槛估计结果反映，金融集聚对绿色发展效率的作用与基准门槛结果相一致。②控制变量的变换。替换基本控制变量，选取城市人口密度替换年末总人口来衡量人口因素对绿色发展效率的冲击，利用城市年末专利授权量替换单位工业生产总值能耗来刻画技术水平对绿色发展效率的作用，并加入重要变量环境规制、产业结构及能源结构，采用面板门槛模型进行回归。结果显示，四重中间机制调节下，只有经济发展水平门槛值发生微弱改变，其他变量门槛值与基准回归结果保持一致，金融集聚对绿色发展效率的“梯度式”增强特征与基准门槛回归结果保持高度一致。③样本选择性偏差。由于金融集聚通常在原始条件较好的地区更加容易孕育大型金融中心，而中国城市的行政等级一般都隐含着初始的资源要素条件好与经济发展水平高等条件，并且拥有更加的制度资源，二者的强力耦合关系会对估计结果产生偏误。为此，本文剔除了4个直辖市、15个副省级城市(南京、杭州、武汉、西安、成都、哈尔滨、长春、沈阳、大连、济南、青岛、宁波、广州、厦门、深圳)及18个较大城市(大连、本溪、抚顺、吉林、齐齐哈尔、包头、洛阳、邯郸、宁波、大同、唐山、鞍山、青岛、淄博、无锡、淮南、苏州、徐州)，由于三类城市存在交叉，实际共剔除51个城市样本，同时，参照②中控制变量做如上变换。回归结果显示，除经济发展水平约束下，金融集聚对绿色发展效率的影响与基准回归结果存在微末区域外，其他机制调节下的估计结果与基准门槛回归结果广泛一致。
4 结语
本文尝试建构一个包含金融集聚与绿色发展效率的分析框架，基于空间距离衰减假说与中间机制假说，选取2003—2014年中国272个地级及以上城市的面板数据，借鉴STIRPAT模型，综合采用空间杜宾模型和面板门槛模型考察金融集聚对绿色发展效率的空间外溢效应与空间衰减边界，探究金融集聚影响绿色发展效率的多重中间机制，主要结论如下：
(1)金融集聚对绿色发展效率存在明显的空间溢出效应，并且这种空间溢出表现出明显的空间衰减特征。具体表现为，300公里以内为负向空间外溢的密集区域，400—600公里是正向空间溢出的密集区域，600公里后不再有空间外溢。总体来看，金融集聚对绿色发展效率的空间溢出呈现“梯度式”增强特征，且金融集聚对绿色发展效率的区域间溢出要明显强于区域内溢出，但由于空间距离和行政边界的约束，金融集聚对绿色发展效率的空间溢出表现出明显空间衰减特征。在增加控制变量、变换指标、更替空间权重矩阵以及考虑内生性问题后，结论仍然稳健。
(2)在金融集聚、城市规模与对外开放水平三种机制调节下，金融集聚对绿色发展效率的影响呈现“梯度式”增强的特征，而在经济发展水平机制介入过程中，金融集聚对绿色发展效率的促进作用却是一个“先减后增”的过程。然而，截止到2014年底，87.13%的地级市还没有金融集聚跨过第一重门槛，52.21% 的城市还处于城市规模门槛值的左端，78.31%的城市还没有达到外开放水平的门槛值的右端，但是，却有83.09%的城市已经进入经济发展门槛值的第三个阶段。该结论在考虑内生性、变换指标、增加控制变量及控制样本选择性偏差后，结论依然可信。
当然，本研究尚有许多值得深入探讨的问题，如：考虑金融行业异质性特征金融集聚(银行业、证券业与保险业)对绿色发展效率影响；构建金融集聚对绿色发展效率作用的理论模型；利用中国工业企业库微观数据验证结论的可靠性。
正如钟敬文先生所说：“中国是一个文明古国，也是一个民俗大国，很早就有了采风问俗的政教传统。”[注]钟敬文：《〈荆楚岁时记〉研究·序》，萧放：《荆楚岁时记研究——兼论传统中国民众生活中的时间观念》，北京师范大学出版社，2000年。采风问俗，目的是服务政教，这便是“观风知政”的首要含义。民俗研究与政治实践有极为密切的关系，这是中国古代民俗研究的重要特点，也是民俗学界的共识。但何为“风”，如何“知”，怎样“政教”，要细致说明“观风知政”的内在含义，我们必须回到中国古代的“风俗”含义，讨论这一概念在古代记录中的用法与取向，而这会为我们今天的民俗学研究带来新的启发。
参考文献：
[1] 黄解宇, 杨再斌. 金融集聚论: 金融中心形成的理论与实践解析[M]. 北京：中国社会科学出版社, 2006.
[2] 王锋, 李紧想, 张芳, 等. 金融集聚能否促进绿色经济发展?——基于中国30个省份的实证分析[J]. 金融论坛, 2017，(9):39-47.
[3] Porteous D J. The geography of finance: Spatial dimensions of intermediary behaviour[M]. Aldershot: Avebury, 1995.
[4] Zhao S X B. Spatial restructuring of financial centers in mainland China and Hong Kong: A geography of finance perspective[J]. Urban Affairs Review, 2003,38(4):535-571.
[5] O′Brien R. Global financial integration: The end of geography[M]. London: Royal Institute of Interational Affairs, 1992.
[6] Ghoul S E, Guedhami O, Ni Y, et al. Does information asymmetry matter to equity pricing? Evidence from firms’geographic location[J]. Contemporary Accounting Research, 2011,30(1):140-181.
[7] 施本植, 许宁, 刘明, 等. 金融集聚对城市绿色经济效率的影响及作用渠道——基于中国249个地级以上城市的实证分析[J]. 技术经济, 2018,37(8):87-95.
[8] 潘彬, 杨鑫, 肖继宏, 等. 民间金融与中国宏观经济——理论机制与实证分析[J]. 中国管理科学, 2018,26(3):51-58.
[9] 严成樑, 李涛, 兰伟. 金融发展、创新与二氧化碳排放[J]. 金融研究, 2016,(1):14-30.
[10] 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,(2):89-96.
[11] 袁冬梅, 魏后凯. 对外开放促进产业集聚的机理及效应研究——基于中国的理论分析与实证检验[J]. 财贸经济, 2011,(12):120-126.
[12] 于斌斌. 金融集聚促进了产业结构升级吗:空间溢出的视角——基于中国城市动态空间面板模型的分析[J]. 国际金融研究, 2017,(2):12-23.
[13] 何宜庆, 陈林心, 焦剑雄, 等. 金融集聚的时空差异与省域生态效率关系研究[J]. 数理统计与管理, 2017,36(1):162-174.
[14] 葛鹏飞, 黄秀路, 徐璋勇. 金融发展、创新异质性与绿色全要素生产率提升——来自“一带一路”的经验证据[J]. 财经科学, 2018,(1):1-14.
[15] 赫希曼·艾伯特. 经济发展战略[M]. 北京：经济科学出版社, 1992.
[16] 杨亚静. 文化资本、制度环境对区域金融中心的影响[D]. 杭州:浙江大学, 2017.
[17] Ewers M C, Dicce R, Poon J P H, et al. Creating and sustaining Islamic financial centers: Bahrain in the wake of financial and political crises[J]. Urban Geography, 2018,39(1):3-25.
[18] 陈晔婷, 朱锐, 宋志刚, 等. 金融改革对全要素生产率的影响研究——基于五个国家级金融改革试验区的经验数据[J]. 中国管理科学, 2018,26(9):19-28.
[19] 俞颖, 苏慧琨, 李勇. 区域金融差异演进路径与机理[J]. 中国工业经济, 2017，(4):74-93.
[20] 顾乃华. 我国城市生产性服务业集聚对工业的外溢效应及其区域边界——基于HLM模型的实证研究[J]. 财贸经济, 2011，(5):115-122.
[21] 余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016，(2):23-36.
[22] Porteous D. The development of financial centres: Location, information externalities and path dependence[J]. Money and the Space Economy, 1999:95-114.
[23] Ingstrup M B, Damgaard T. Cluster facilitation from a cluster life cycle perspective[J]. European Planning Studies, 2013,21(4):556-574.
íková E, Pavelková D, Bialicdavendra M, et al. The age of clusters and its influence on their activity preferences[J]. Technological & Economic Development of Economy, 2013,19(4):621-637.
[25] 茹乐峰, 苗长虹, 王海江. 我国中心城市金融集聚水平与空间格局研究[J]. 经济地理, 2014,(2):58-66.
[26] Chen K, Chen G. The rise of international financial centers in mainland China[J]. Cities Current Research on Cities (CRoC), 2015,47:10-22.
[27] Zhao S X, Guo N S, Li C L K, et al. Megacities, the world’s largest cities unleashed: Major trends and dynamics in contemporary global urban development[J]. World Development, 2017,98:257-289.
[28] 郑强, 冉光和, 邓睿, 等. 中国FDI环境效应的再检验[J]. 中国人口·资源与环境, 2017,27(4):78-86.
[29] Liu Qianqian, Wang Shaojian, Zhang Wenzhong, et al. Does foreign direct investment affect environmental pollution in China's cities? A spatial econometric perspective[J]. Science of The Total Environment, 2018,613-614:521-529.
[30] 陈心颖. 人口集聚对区域劳动生产率的异质性影响[J]. 人口研究, 2015,39(1):85-95.
[31] 孙铁山. 中国三大城市群集聚空间结构演化与地区经济增长[J]. 经济地理, 2016,36(5):63-70.
[32] Ehrlich P R H J P. Impact of population growth[J]. Science, 1971,171(3977):1212-1217.
[33] Anselin L. Spatial econometrics: Methods and models[J]. Studies in Operational Regional Science, 1988,85(411):310-330.
[34] Lesage J P, Pace R K. Introduction to spatial econometrics[M]. Boca Raton: CRC Press, 2009.
[35] Hansen B E. Threshold effects in non-dynamic panels: Estimation, testing, and inference[J]. Journal of Econometrics, 1999,93(2):345-368.
[36] Sun Liyan, Miao Chenglin, Yang Li. Ecological-economic efficiency evaluation of green technology innovation in strategic emerging industries based on entropy weighted TOPSIS method[J]. Ecological Indicators, 2017,73:554-558.
[37] 袁润松, 丰超, 王苗, 等. 技术创新、技术差距与中国区域绿色发展[J]. 科学学研究, 2016,34(10):1593-1600.
[38] Fukuyama H, Weber W L. A directional slacks-based measure of technical inefficiency[J]. Socio-Economic Planning Sciences, 2009,43(4):274-287.
[39] Tao Xueping, Wang Ping, Zhu Bangzhu. Provincial green economic efficiency of China: A non-separable input-output SBM approach[J]. Applied Energy, 2016,171:58-66.
[40] 李健旋, 赵林度. 金融集聚、生产率增长与城乡收入差距的实证分析——基于动态空间面板模型[J]. 中国管理科学, 2018,26(12):34-43.
[41] Gilio L, De Moraes M A F D. Sugarcane industry's socioeconomic impact in São Paulo, Brazil: A spatial dynamic panel approach[J].Energy Economics, 2016,58:27-37.
[42] 王鹤, 周少君. 城镇化影响房地产价格的“直接效应”与“间接效应”分析——基于我国地级市动态空间杜宾模型[J]. 南开经济研究, 2017,(2):3-22.
[43] You Wanhai, Lv Zhike. Spillover effects of economic globalization on CO2 emissions: A spatial panel approach[J]. Energy Economics, 2018,73:248-257.
[44] Chen W Y, Hu F Z Y, Li X, et al. Strategic interaction in municipal governments' provision of public green spaces: A dynamic spatial panel data analysis in transitional China[J]. Cities, 2017,71:1-10.
[45] Rios V. What drives unemployment disparities in European regions? A dynamic spatial panel approach[J]. Regional Studies, 2017,51(11):1599-1611.
[46] Zhang Qian, Yang Jin, Sun Zhongxiao, et al. Analyzing the impact factors of energy-related CO2 emissions in China: What can spatial panel regressions tell us?[J]. Journal of Cleaner Production, 2017,161:1085-1093.
[47] 余泳泽, 刘大勇, 宣烨. 生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J]. 金融研究, 2016,(2):23-36.
How does Financial Agglomeration Affect Green Development Efficiency ?Empirical Analysis of SPDM and PTR Models Considering Spatio -temporal Double Fixation
YUAN Hua -xi 1, 2,LIU Yao -bin 1,FENG Yi -dai 1
(1.School of Economic & Management, Nanchang University, Nanchang 330031, China;2. Department of Geography, Kent State University, Kent, USA)
Abstract ： The improvement of the impact of financial aggregation on green development efficiency is increasingly prominent from the aspects of capital support, resource allocation efficiency and technological innovation. However, the intensity, scope and pattern of its spatial effect remain to be further investigated. On the basis of space distance attenuation hypothesis and intermediate mechanism hypothesis, with panel data of 272 cities in China from 2003-2014, spatial panel durbin model (SPDM) and panel threshold regression (PTR) are used to explore the spatial spillover effects and its attenuation boundary of the impact of financial aggregation on green development efficiency, and then discuss the intermediate mechanism which leads to a nonlinear relationship between the two. Our empirical results show that: (i) There exists significant spatial dependence in the impact of financial agglomeration on green development efficiency, which shows evident spatial attenuation characteristics. The dense area of negative space spillover is within 300 km, whereas the dense area of positive space spillover is within 400-600 km. (ii) The impact of financial agglomeration on green development efficiency shows the characteristic of "gradient enhancement" under the regulating mechanism of financial aggregation, city size and level of opening-up, while shows the characteristic of “first decrease and then increase” under the constraint of economic development level. Nevertheless, it is worth noting that this promotion is very limited at the present stage.This study not only helps to fully grasp the relationship between financial agglomeration and green development efficiency, but more importantly, provides empirical evidence for government departments to develop regional economic development policies and promote regional green development efficiency.
Key words ： financial agglomeration; green development efficiency; spatial panel durbin model; panel threshold regression
中图分类号： F205
文献标识码： A
文章编号： 1003-207( 2019) 11-0061-15
DOI: 10.16381/ j.cnki.issn1003-207x.2019.11.007
收稿日期： 2018-06-03； 修订日期： 2019-02-14
基金项目： 国家社会科学基金资助重大项目(18ZDA047)；江西省青年马克思主义者理论研究创新工程资助项目(19QM22)；国家留学基金资助项目(20180682 0047);江西省科技厅软科学项目(20141BBA10070,20141BBA10069)
通讯作者简介： 刘耀彬(1970-)，男(汉族)，湖北麻城人，南昌大学经济管理学院，教授，博士，研究方向：绿色发展，E-mail: liuyaobin2003@163.com.
标签：金融集聚论文; 绿色发展效率论文; 空间面板杜宾模型论文; 面板门槛回归论文; 南昌大学经济管理学院论文; 肯特州立大学地理系论文;