EN中文

经济地理 >

2019 , Vol. 39 >Issue 4: 146 - 154

DOI: https://doi.org/10.15957/j.cnki.jjdl.2019.04.018

产业经济与创新发展

浙江省县域金融创新空间分异及驱动因素

  • 蒋天颖 ,
  • 张超 , ※ ,
  • 孙平 ,
  • 蒋雄飞
展开
  • 宁波财经学院，中国浙江 宁波 315175
※张超（1991—），男，安徽宣城人，硕士，讲师。主要研究方向为区域经济与空间计量。E-mail：。

蒋天颖（1976—），男，浙江诸暨人，博士，教授。主要研究方向为区域创新与区域金融。E-mail：。

收稿日期: 2018-10-25

  修回日期: 2019-03-12

  网络出版日期: 2025-04-23

基金资助

浙江省自然科学基金项目(LY17D010007)

收起

Spatial Differentiation and Driving Factors of Financial Innovation at County Level in Zhejiang Province

  • JIANG Tianying ,
  • ZHANG Chao , ※ ,
  • SUN Ping ,
  • JIANG Xiongfei
Expand
  • Ningbo University of Finance and Economics，Ningbo 315175，Zhejiang，China

Received date: 2018-10-25

  Revised date: 2019-03-12

  Online published: 2025-04-23

Fold

摘要

通过构建多指标综合测算方法，测度浙江省69个县域金融创新值，并分析其空间分异特征与驱动因素。结果表明：2006—2016年，浙江县域金融创新绝对差异波动大，相对差异波动小，空间集聚性不断上升；浙江省县域金融创新两极分化现象突出，热点区县域基本上分布在浙江北部环杭州湾地区，冷点区集中分布在浙江省南端；2006—2011年，浙江县域金融创新高增长区县域沿沪昆高速和杭州湾环线高速呈“Y”字型分布，处于金融创新高增长冷热点区的县域较少，而2011—2016年，演变成沿沪昆高速、杭州湾环线高速以及G 330国道呈“R”字型分布；浙江县域金融创新主要受信息化水平、经济发展水平、政府干预以及基础设施水平等因素的影响，而浙江县域金融创新增长主要受经济发展增长率、信息化水平增长率以及对外开放度增长率等因素的影响。研究提出优化县域金融产业空间布局、拓展县域金融对外合作机制、推动县域普惠金融创新发展等政策建议。

关键词： 金融改革; 县域金融; 金融创新; 空间分异; 环杭州湾; 跨区域合作; 普惠金融

本文引用格式

蒋天颖 , 张超 , 孙平 , 蒋雄飞 . 浙江省县域金融创新空间分异及驱动因素[J]. 经济地理, 2019 , 39(4) : 146 -154 . DOI: 10.15957/j.cnki.jjdl.2019.04.018

Abstract

Through the construction of multi-index comprehensive measurement method, this paper measured the values of financial innovation capacity of 69 counties in Zhejiang province and analyzed the characteristics of spatial differentiation and driving factors. The results show that: from 2006 to 2016, the absolute difference of financial innovation at county level in Zhejiang fluctuated greatly, the fluctuation of relative difference was small and spatial agglomeration continuously strengthened; the polarization of the county financial innovation in Zhejiang province is very prominent, the hotspot area basically distributed in the Hangzhou Bay Area in the north of Zhejiang, and the cold point area concentrated in the south of Zhejiang province; from 2006 to 2011, the high growth districts of county financial innovation in Zhejiang showed a trend of "Y-shaped" distribution, along Shanghai-Kunming expressway and Hangzhou Bay loop expressway, and a small number of counties are in high growth, cold and hot spots of financial innovation, while from 2011 to 2016, the districts were transformed into "R-shaped" distribution, along Shanghai Kunming expressway, Hangzhou Bay loop expressway and G330 National Road; the county financial innovation in Zhejiang is mainly influenced by the level of information, economic development, government intervention and the level of infrastructure, while the county financial innovation growth in Zhejiang is mainly influenced by the growth rate of economic development, the growth rate of information level and open-up. This study puts forward some suggestions, such as optimizing the spatial distribution of county financial industry, expanding the mechanism of county financial cooperation with external collaboration, and promoting the innovation and development of inclusive finance.

Key words： financial reform; county finance; financial innovation; spatial differentiation; Hangzhou Bay Area; cross-regional cooperation; inclusive finance

近年来，浙江省已成为全国金融改革试点最早、改革成果最多、改革创新最活跃的省份之一。除了一系列地方金改外，区域金融改革成效初显，各种综合示范区建设稳步推进，浙江网商银行、温州民商银行、东海航运保险、杭州银行消费公司等一批金融机构应运而生，玉皇山南基金小镇、南湖基金小镇等一批特色小镇发展迅速，独具浙江特色的金融创新不断涌现。与此同时，浙江省金融创新也逐渐呈现出“虹吸效应”的发展特征，即城市聚集了丰富的金融资源，而大部分县（市）的存贷款、直接融资、保费收入等指标占全省的比重与其在全省经济总量中的地位不匹配，浙江县域金融业存在着规模不大、发展水平较低、服务能力不强等短板。因此，构建合理有效的县域金融创新综合评价指标体系，采用科学合理方法进行综合评价，准确分析县域金融创新空间分异特征，厘清制约县域金融创新发展的主要因素，是浙江金融改革与发展面临的亟待解决的重要问题。
关于区域金融创新评价，国内外部分研究者选用单个变量对区域金融创新进行衡量[1-3]，也有部分学者通过构建多指标评价体系进行综合测评[4-8]。关于金融创新的研究内容多从其路径选择和效应两方面展开。金融创新路径选择方面，刘秀光认为实践创新驱动发展战略是中国特色金融创新的动力源泉和行动指南[9]；孙国茂认为选择性金融创新是严格管制条件下的创新异化，本质上形成了创新扩散过程中的监管壁垒[10]。金融创新效应研究方面，孙浦阳等通过应用工具变量法实证研究了区域金融创新对经济增长的作用方向[11]；李媛媛等通过构建空间面板数据模型实证检验了区域金融创新对产业结构优化的直接效应和间接效应[12]；王淑娟等通过面板数据模型实证考察了金融发展、金融创新对高新技术企业自主创新能力的静态和动态影响[13]。随着新经济地理学的发展，学者们开始对区域金融空间格局进行研究，主要集中在区域金融发展水平、区域金融集聚水平、区域金融排斥度等方面[14-17]。
综上不难发现，有关区域金融创新的研究很少涉及其空间分异特征、集聚演化趋势及影响因素，而且现有的关于区域金融的空间格局的文献大多数都是在省域和市域尺度上进行的，鲜有基于县域尺度的分析。基于此，本文以小尺度的浙江69个县域为基本地域单元，在对县域金融创新综合评价的基础上，采用ESDA来分析浙江省县域金融创新的空间格局及其演变，并利用空间计量模型对驱动因素进行分析，尝试丰富浙江金融创新的空间内容，以期为浙江省县域金融基础设施和资源的空间布局提供决策参考。

1 研究方法与数据资料

1.1 基尼系数

基尼系数（G）通过刻画空间集聚情况来反映县域金融创新的相对均衡度，计算公式[18]为：
G = 1 + 1 N - 2 N 2 y - y 1 + 2 y 2 + 3 y 3 + … + N y N
式中： N表示县域数量； y -是县域金融创新的均值； y 1 , y 2 , ⋯ , y N表示从高到低的金融创新水平。基尼系数值越小，意味着浙江县域金融创新发展越离散。

1.2 偏态系数

偏态系数（CS）常被用来衡量数据偏离正态分布的程度，本文借助该系数反映县域金融创新对称（即偏态）情况，计算公式[18]为：
C S = y - - y m / σ
式中： y -表示县域金融创新的均值； y m表示浙江县域金融创新的中位数； σ表示浙江县域金融创新的标准差。偏态系数的绝对数值越小，表示数据偏移的程度越小；偏态系数的绝对数值越大，表示数据偏移的程度越大。

1.3 NICH指数

NICH指数用于衡量各个县域在某一时期内相对于整体研究区域的发展速度，其计算公式[19]如下：
N I C H = Y 2 i - Y 1 i Y 2 - Y 1
式中： Y 1 i、 Y 2 i分别表示区域 i在某一时期末期和初期的区域金融创新； Y 1、 Y 2分别表示整个研究区域在某一时期末期和初期的区域平均金融创新。NICH>1表明该地区的金融创新发展增速大于区域平均水平的增速，0<NICH<1表明该地区的金融创新发展增速小于区域平均水平的增速，NICH<0表明该地区的金融创新出现负增长。

1.4 空间计量模型

学界常用的空间回归模型主要是空间滞后模型（SLM）和空间误差模型（SEM）。
空间滞后模型（SLM）。该模型主要用于探讨相邻县域的变量对整个系统内其他县域的同一变量存在影响的情况，其表达式[20]为：
y = ρ W y + X β + ε
式中： y表示 n × 1的因变量变量； ρ表示空间相关系数； W表示 n × n的空间权重矩阵； W y表示空间滞后因变量； X表示 n × n特征自变量矩阵； β反映自变量对因变量的影响程度； ε为随机误差项向量。
空间误差模型（SEM）。该模型主要用于探讨误差项之间存在空间自相关的情况，其表达式[20]为：
y = X β + ε ,   ε = λ W ε + μ
式中： ε为随机误差项向量； β为 n × 1阶因变量的空间误差系数； λ为空间残差回归系数； W表示 n × n的空间权重矩阵； μ为正态分布的随机误差向量。

1.5 评价指标选取及数据来源

借鉴已有区域金融创新评价的相关研究成果[21-22]，本文立足于浙江县域金融发展的实际情况，考虑指标选取的科学性、可操作性、整体性等原则，选用金融市场创新、金融机构创新、金融产品创新、金融资源配置效率及金融监管创新5个一级指标，包含13个二级指标，构建浙江县域金融创新评价指标体系（表1）。
表1 浙江省县域金融创新评价指标体系

Tab.1 Evaluation index system of county financial innovation in Zhejiang Province

一级指标层 二级指标层 计算公式
金融市场创新 上市公司数量（家） 上市公司数量
保险参保度（%） 地区社会保险参保人数/地区总人口数量
银行集中度（%） 地区金融机构就业人数/地区总人口数量
金融机构创新 新型农村金融机构数（家） 新型农村金融机构数
小额贷款公司数量（家） 小额贷款公司数量
融资租赁企业数（家） 融资租赁企业数
金融产品创新 银行业金融机构各项存款余额（亿元） 金融机构年末存款余额
银行业金融机构各项贷款余额（亿元） 金融机构年末贷款余额
金融资源配置 金融相关比率（%） 金融机构存贷款余额/GDP
人均金融资产拥有量（元） 金融机构存贷款余额/地区总人口数
产业结构优化率（%） 第二、三产业增加值/地区GDP
金融监管创新 各县市区金融办成立年数（年） 各县市区金融办成立年数
地方政府（金融办）颁布监管文件数量（份） 地方政府（金融办）颁布监管文件数量
本文所有的原始资料来源于2006—2016年《浙江省统计年鉴》，由于缺少2006年义乌市相关数据和2013年绍兴市柯桥区及上虞区相关数据，因此，研究还参考了2007年《义乌市统计年鉴》以及2014年《绍兴市统计年鉴》。

2 浙江县域金融创新差异总体特征

2.1 县域金融创新绝对差异波动大，相对差异波动小

如表2所示，2006—2016年浙江69个县域金融创新的标准差波动性不断扩大，2011年标准差为20 947.6793，是2006年的1.1倍，2016年为69 219.6347，是2011年的3.3倍，说明浙江县域金融创新的绝对差异呈波动上升态势。2006—2016年的变异系数和基尼系数反映出浙江县域金融创新的相对差异呈不断缩小趋势，2011年的变异系数比2006年下降了10%，基尼系数比2006年下降了4%，2016年的变异系数比2011年下降了43%，基尼系数比2011年下降了44%，这表明浙江区域金融创新活动出现趋同态势。观察金融创新首位度，2006—2011年，金融创新次发达县域追赶发达县域的态势较好，而2011—2016年，金融创新次发达县域追赶发达县域的速度变缓，但总体上浙江县域金融创新首位度保持在1.5以下，说明区域金融创新在浙江省内未出现高度的空间聚集，整体上较为均衡。2006—2016年偏态系数逐年下降，反映出浙江69个县域金融创新呈右偏态分布且逐步向正态分布靠拢，其中的原因是每年高于金融创新平均值的县域个数不断上涨，进而缩小了浙江省县域金融创新的相对差异。
表2 2006—2016年浙江省县域金融创新差异

Tab.2 The difference of county financial innovation in Zhejiang Province from 2006 to 2016

年份 标准差 变异系数 基尼系数 首位度 偏态系数 Moran's I
2006 18 979.5490 1.0184 0.4311 1.2020 0.2882 0.188
2011 20 947.6793 0.9140 0.4134 1.1738 0.2829 0.270
2016 69 219.6347 0.5174 0.2300 1.3458 0.2725 0.281

2.2 县域金融创新集聚性呈上升态势

借助Stata 12软件计算得到2006—2016年浙江69个县域金融创新的Moran's I指数（表2）。不难看出，2006—2016年区域金融创新的Moran's I指数均为正值，且该指数呈逐年上升趋势，表明该时间段内浙江县域金融创新集聚性总体上不断扩大。2006—2011年，Moran's I指数增幅为43.6%，反映此时段浙江县域金融创新集聚态势持续增强；2011—2016年，Moran's I指数虽有提升但增幅仅为4.1%，与上一时间段相比集聚性增势明显减弱。综上，在研究时段内浙江县域金融创新呈现出明显集聚且不断强化的趋势。

3 浙江县域金融创新空间分异

3.1 县域金融创新空间分异格局

为更好地揭示浙江县域金融创新的空间变化，通过计算2006、2011以及2016年各个县域金融创新值占浙江省金融创新总值的比值，并借助ArcGIS 10.2按自然间断点分级法将县域金融创新分为低水平、较低水平、中等水平、较高水平以及高水平五类，生成浙江省69个县域金融创新空间分异图。
由图1可知，2006年，位于低水平的县域共25个；位于较低水平的县域共23个，其中包括舟山市辖区与衢州市辖区；位于中等水平的县域共14个，分别为台州市辖区、慈溪市、余姚市、金华市辖区、海宁市、丽水市辖区、永康市、平湖市、上虞区、海盐县、湖州市辖区、嘉善县、富阳市以及桐乡市；位于较高水平的县域为义乌市、柯桥区以及嘉兴市辖区；杭州市辖区、宁波市辖区、绍兴市辖区以及温州市辖区处于高水平位置。2011年，青田县、嵊州市及建德市由较低水平降为低水平，安吉县由低水平升为较低水平，而舟山市辖区则由较低低水平显著提升至较高水平，丽水市辖区与慈溪市均由中等水平升级为较高水平，除以上县域发生变化外，其余62个县域均保持稳定，且高水平县域依然分布在杭绍甬温这四市的市辖区。到2016年，玉环县、嵊泗县、瑞安市、浦江县及岱山县均由较低水平水平降为低水平，而仙居市、嵊州市、三门县及青田县则由低水平升为较低水平，平湖市由中等水平降至较低水平，象山县由较低水平升至中等水平，丽水市辖区及慈溪市由较高水平再次回到中等水平，台州市辖区从中等水平升至较高水平，而温州市辖区及绍兴市辖区从高水平梯队降至较高水平梯队，除以上县域发生变动外，其余53县域较为稳定，且高水平区仅为杭甬两市市辖区。从2006—2016年浙江县域金融创新的时空分布及变化趋势来看，高水平金融创新县域个数较少且主要分布在浙江北部环杭州湾地区，而低水平金融创新县域个数较多且呈逐年上涨态势，主要分布在浙西南地区，由此反映出浙江省县域金融创新两极分化现象突出。
图1 浙江省县域金融创新空间分异

Fag.1 Spatial differentiation of financial innovation in various counties of Zhejiang Province

3.2 县域金融创新冷热点分析

为进一步探索浙江省各县域金融创新的空间格局，探究金融创新空间集聚情况，按照局部空间自相关方法，结合ArcGIS1 0.2测度浙江省各县域金融创新的Getis-Ord Gi*指数值，并按自然断点法分为5级，生成浙江省各县域金融创新的空间冷热点分布图（图2）。
图2 浙江省县域金融创新空间冷热点分布

Fig.2 Cold and hot spots of financial innovation in counties of Zhejiang Province

观察图2，不难发现，2006—2016年浙江县域金融创新空间热点区域全部分布在浙江北部环杭州湾地区，冷点区主要分布在丽水—温州一带。2006年，杭州市辖区、绍兴市辖区、柯桥区、上虞区、余姚市、慈溪市、桐乡市以及海宁市8个县域为金融创新热点区，宁波市辖区和诸暨市为次热点区，表明以上10个县域金融创新普遍较强，并且在空间上形成了高值集聚。此外，仅景宁县为冷点区，说明该县域金融创新较低且呈低值集聚状态。2011年，冷热点区域数量有所变动，宁波市辖区在该时期内金融创新得到提升，金融创新集聚加强，由次热点区上升为热点区；上虞区金融创新有所下降且对周边县域的辐射减弱，由热点区退居为次热点区；诸暨市的金融创新扩散区域不断消解，已退出热点区域；龙泉市、泰顺县以及天台县金融创新相对较低且呈低值集聚态势，由随机分布区进入冷点区，表明这些县域金融创新发展处于瓶颈期。2016年，金融创新高值集聚现象进一步显现，富阳市和德清县进入热点区，这两个金融创新较高的县域开始对周边县域金融创新发展起到了辐射扩散作用；上虞对周边县域辐射越来越小，已从热点区消失；奉化市和象山县“异军突起”，均加入到次热点区域，开始带动周边县域金融创新发展；以龙泉市—景宁县—泰顺县为轴线的冷点区继续扩大，金融创新较低的苍南县也加入其中，这些区域很难找到金融创新发展突破口。从2006—2016年浙江县域金融创新的冷热点演化态势来看，大部分县域处于随机分布区域，反映出这些县域之间的金融创新发展联系度不高，热点区域出现次数不多，且基本上都分布在浙江北部环杭州湾地区，而冷点区则集中分布在浙江省南端。因此，提高区域金融创新的关键，在于加强杭州、宁波、绍兴等浙北环杭州湾热点地区与其他县域之间的互动联系，不断发挥连带作用。

3.3 县域金融创新增长空间分异格局

将研究期划为2006—2011、2011—2016年两个时间段，根据公式（5）测算浙江省69个县域金融创新的NICH指数，并借助ArcGIS 10.2按自然间断点分级法将县域金融创新增长分为低速增长区（NICH<0.5）、较低速增长区（0.5≤NICH<1）、较高速增长区（1≤NICH<1.5）以及高速增长区（NICH≥1.5）四类，生成浙江省69个县域金融创新增长速度空间分异图（图3）。
图3 浙江省县域金融创新增速空间格局

Fig.3 The financial innovation growth pattern in counties of Zhejiang Province

由图3可看出，2006—2011年，高速增长区、较高速增长区、较低速增长区和低速增长区的数量分别为13、15、13和28个，其中舟山市辖区、丽水市辖区、宁波市辖区、永康市、绍兴市辖区、杭州市辖区、嘉善县、义乌市、安吉县、慈溪市、余姚市以及平湖市为高速增长区，说明这些县（市）金融创新发展速度均在浙江省金融创新平均发展速度1.5倍以上，瑞安市、湖州市辖区、富阳市等15个县（市）的金融创新发展速度介于1~1.5之间，并且高速增长区和较高速增长区县域沿沪昆高速和杭州湾环线高速呈“Y”字型分布。低速增长区和较低增长区县域主要分布在浙西南和浙东南地区。2011—2016年，高速增长区、较高速增长区、较低速增长区和低速增长区的数量有所变动，嘉兴市辖区由较高速增长区进入高速增长区；余姚市、永康市、温州市辖区、绍兴市辖区、丽水市辖区、嘉善县和慈溪市由高速增长区进入较高速增长区，桐乡市、台州市辖区、柯桥区、上虞区、衢州市辖区及金华市辖区由较低速增长区进入较高速增长区，新昌县和青田县由低速增长区进入较高增长区；安吉县和平湖市由高速增长区进入较低速增长区，长兴县、武义县、瑞安市、宁海县、乐清市及岱山县由较高速增长区进入较低速增长区，其余低速增长区县域均进入较低速增长区。此时期内，高速增长区和较高速增长区县域沿沪昆高速、杭州湾环线高速以及G330国道呈“R”字型分布。总体上，两个时间段内浙江省县域金融创新增速处于低水平的县域数量均超过了40个，因此，高速增长型和较高速增长型县域需要更好发挥联动作用，提升低增长型县域金融创新水平。

3.4 县域金融创新增长冷热点分析

以2006—2011以及2011—2016年两个时间段的县域金融创新的NICH指数为基础，结合ArcGIS 10.2测度浙江省各县域金融创新增长的Getis-OrdGi*指数值，并按自然断点法分为5级，生成浙江省各县域金融创新增长的空间冷热点分布图（图4）。
图4 浙江省县域金融创新增速冷热点分布

Fig.4 The financial innovation growth in counties of Zhejiang Province

2006—2011年，舟山市辖区和岱山县为热点区，它们形成了金融创新高增长县域的显著集聚区，并对周围县域金融创新增长起到较好促进作用。龙泉市和景宁县为冷点区，天台县为次冷点区，说明这3个县域金融创新增长缓慢且呈低值集聚状态。2011—2016年，热点区数量为10个，次热点区数量为2个，冷点区数量为3个，可见冷热点区域数量出现显著变化，杭州市辖区、宁波市辖区、绍兴市辖区、桐乡市、海宁市、德清市、富阳市、柯桥区、慈溪市、余姚市在研究时期内的金融创新增速上升明显，并逐渐对周边县域金融创新增长呈较强辐射作用，由随机分布区骤升至热点区；奉化市和象山县也得到发展，已进入次热点区；苍南县金融创新增长较慢也出现在冷点区周边，形成了以龙泉市、景宁县和苍南县为中心的3个金融创新增长低值集聚区。总体上，2011—2016年金融创新增长热点区主要分布在浙江北部环杭州湾地区，冷点区主要分布在浙江南端，这与图2对应时间的冷热点区基本上保持一致，说明金融创新的热点区域已具备持续的金融创新扩张动力。此外，不难发现大部分县域金融创新增长始终处于随机分布区，表明这些县域之间的金融创新增长联系程度不高。因此，需要科学合理配置金融创新要素，发挥金融创新扩散效应，改善金融创新“洼地”局面。

4 浙江县域金融创新发展的驱动因素

4.1 县域金融创新驱动因素选取

区域金融创新发展与该地区所处的经济地理环境息息相关，诸多环境变量已成为区域金融创新的影响因素。参考现有研究成果[21,23-25]，本文选取以下6个因素作为解释变量：①经济发展水平（PGDP）[24-25]。相关研究指出一个地区的经济增长为该地区金融创新发展创造可必要的物质和非物质的软支撑条件，条件越完善越有助于创新，故假设经济发展水平有利于区域金融创新，预期符号为正，基于数据的可得性，以人均GDP来衡量经济发展水平。②政府干预（GOV）[24-25]。有学者认为中央与地方的财政分权会使县域间因经济绩效而互相竞争，一定程度上促成对本县域金融创新的追求，故假设政府干预有助于区域金融创新，预期符合为正，基于数据的可得性，以地方财政指出占GDP比重来表示地方政府干预。③对外开放度（OPEN）[24-25]。一般来说，对外贸易运营过程中会增加资金的需求量，且在一定程度上说明该县域融资方式的创新与突破，故假设对外开放有助于区域金融创新，预期符号为正，基于数据的可得性，以贸易出口总额与GDP比重来衡量对外开放度。④基础设施水平（INF）[21,23]。基础设施建设是区域金融创新的外部环境，是一切金融活动不可或缺的物质保障，故假设对外开放有助于区域金融创新，预期符号为正，基于数据的可得性，以每万人拥有的境内公路里程数来衡量基础设施水平。⑤信息化水平（IU）[21,23]。信息技术在一定程度上影响着金融活动的进入程度及对创新的吸引力，故假设信息化有助于区域金融创新，预期符号为正，基于数据的可得性，以人均年末移动电话用户数来衡量信息化水平。⑥知识密集度（KD）[21,23]。一个地区具有较高知识密集度，则意味着具有较强的创新意识和创新价值观念，越有利于该地区金融创新的提升，故假设知识密集度有助于区域金融创新，预期符号为正，基于数据的可得性，以每万人专利授权数来衡量知识密集度。为了消除量纲和异方差的影响，对所有变量均作对数化处理。

4.2 县域金融创新格局形成的驱动力

以2016年为例，选取金融创新得分值为被解释变量（FI），以经济发展水平（PGDP）、政府干预（GOV）、对外开放度（OPEN）、基础设施水平（INF）、信息化水平（IU）和知识密集度（KD）为解释变量，基于空间滞后模型（SLM）和空间误差模型（SEM）估计各个因素对浙江县域金融创新的影响。
首先，对比OLS模型和空间滞后模型（SLM）、空间误差模型（SEM）的优劣。因空间计量模型估计方法为MLE估计，故拟合优度不能作为评判准则，可将LogL、AIC及SC作为评判准则。对比表3的检验结果不难发现，空间计量模型的LogL值更大，且AIC、SC值更小，所以空间计量模型优于OLS模型，这意味着控制了空间依赖性后的空间计量模型更为科学。其次，比较SEM和SLM模型的适当性。结合表3可以看出，SLM模型的LogL值比SEM模型的值更大，且SLM模型的AIC、SC值比SEM值更小，故最终选取SLM模型分析浙江县域金融创新的影响因素。
表3 县域金融创新影响因素估计结果

Tab.3 The estimation results of the influence factors of the county financial innovation

指标 OLS SLM SEM
系数 P值 系数 P值 系数 P值
C 6.1641*** 0.0000 6.2218*** 0.0000 6.2905*** 0.0000
lnPGDP 0.4049*** 0.0000 0.3753*** 0.0000 0.3682*** 0.0000
lnGOV -0.2496*** 0.0030 -0.2423*** 0.0010 -0.2425*** 0.0010
lnINF 0.1675*** 0.0010 0.2249*** 0.0000 0.2215*** 0.0000
lnOPEN 0.0112 0.8370 0.0080 0.8710 0.0087 0.8600
lnKD -0.0471 0.4400 -0.0549 0.3230 -0.0556 0.3180
lnIU 0.6211*** 0.0000 0.7229*** 0.0000 0.7162*** 0.0000
R-squared 0.7366 0.7550 0.7290
AIC -13.8530 -14.8249 -14.4560
SC 5.7857 5.2821 5.6510
LogL 13.9265 16.4125 16.2280
空间滞后项 -0.0031*** 0.0014
空间误差项 -0.0057*** 0.0028

注：***、**和*分别表示回归系数在1%、5%和10%的显著性水平上显著。表4同。

观察SLM模型，信息化水平、经济发展水平、政府干预以及基础设施水平都会对县域金融创新发展产生影响，其中，信息化水平对县域金融创新的影响最大，且产生显著的促进作用，说明现阶段浙江县域金融创新越来越依赖于信息技术，金融创新运用信息技术分析复杂业务并对产品进行风险管理，增加金融产品的交易可能性；经济发展水平同样对金融创新产生了显著推动作用，说明经济发展是促进金融创新发展的关键因素，县域经济发展越快，经济社会对融资规模、金融服务质量等方面需求日益增长，金融创新也会随之不断快速发展；政府干预对县域金融创新产生显著负向作用，可能的原因是层级越少的县域政府，在为金融创新提供信息传递和后勤服务方面的效率会更好，反而层级复杂的县域政府难以发挥其作用；基础设施水平对县域金融创新也具有明显的正向作用，意味着基础设施水平的提高是促进县域金融创新发展重要的驱动力。此外，对外开放度和知识密集度未能对县域金融创新产生显著影响，可能的原因是浙江大部分县域的对外开放度及知识密集度均处于较弱水平，尚未对当地的金融创新产生影响。

4.3 县域金融创新增长演化的驱动力

以2011—2016年为研究时间段，选取县域金融创新增长速度为被解释变量（FIG），以经济发展水平增长率（PGDPG）、政府干预度增长率（GOVG）、对外开放度增长率（OPENG）、基础设施水平增长率（INFG）、信息化水平增长率（IUG）和知识密集度增长率（KDG）为解释变量，基于空间滞后模型（SLM）和空间误差模型（SEM）估计各个因素对浙江县域金融创新增长的影响。
同样采用与上一部分相同的评判原则，最终选取SLM模型分析浙江县域金融创新增长的影响因素。由表4中的SLM模型估计结果得出，经济发展增长率、信息化水平增长率以及对外开放度增长率均会对县域金融创新增长产生显著作用。具体地，经济发展增长率对金融创新增长的驱动力最大，说明经济的增长已成为浙江县域金融创新增长的重要引擎；信息化水平增长率同样对县域金融创新增长具有明显的促进作用，说明近年来浙江县域信息化水平的不断提升拉动了县域金融创新的增长；对外开放度增长率也成为了浙江县域金融创新增长的重要动力，虽然浙江县域对外开放度总体上对金融创新影响并不显著，但对外开放水平的逐年提高在一定程度上促进了县域金融创新的增长。此外，政府干预度增长率、基础设施水平增长率以及知识密集度增长率均未对县域金融创新产生显著影响，可能是由于这些经济变量增长速度较为缓慢导致的。
表4 县域金融创新增长影响因素估计结果

Tab.4 The estimation results of the influence factors of the county financial innovation growth

指标 OLS SLM SEM
系数 P值 系数 P值 系数 P值
C 4.2870*** 0.0000 3.9469*** 0.0000 4.1449*** 0.0000
lnPGDP 3.3523*** 0.0000 3.4934*** 0.0000 3.4243*** 0.0000
lnGOV -0.2264 0.8500 -0.5447 0.6400 -0.2561 0.8220
lnINF -0.2127 0.3320 -0.2145 0.2940 -0.2064 0.3170
lnOPEN 0.5389** 0.0130 0.4969** 0.0140 0.5250*** 0.0090
lnKD 0.0042 0.9620 -0.0024 0.9770 0.0034 0.9670
lnIU 2.7670** 0.0160 2.3520** 0.0370 2.6146** 0.0190
R-squared 0.804 0.804 0.804
AIC 249.5204 247.4884 248.3197
SC 270.1591 267.5953 268.4266
LogL -115.2602 -114.74419 -115.1598
空间滞后项 -0.0138** 0.0136
空间误差项 -0.0098** 0.0219

5 结论与建议

第一，2006—2016年，浙江县域金融创新存在显著差异。浙江县域金融创新的绝对差异呈上升态势且波动大，相对差异不断缩小，表明浙江区域金融创新活动出现趋同态势；浙江金融创新次发达县域追赶发达县域的态势较好；浙江县域金融创新呈右偏态分布且逐步向正态分布靠拢。2006—2016年区域金融创新的Moran's I指数均为正值，且该指数呈逐年上升趋势，表明浙江县域金融创新呈现出明显集聚且不断自我强化的趋势。
第二，2006—2016年，高水平金融创新县域个数较少且主要分布在浙江北部环杭州湾地区，而低水平金融创新县域个数较多且呈逐年上涨态势，主要分布在浙西南地区，由此反映出浙江省县域金融创新两极分化现象突出。2006—2016年热点区域出现次数不多，且基本上都分布在浙江北部环杭州湾地区，冷点区则集中分布在浙江省南端，但大部分县域处于随机分布区域，反映出这些县域之间的金融创新发展联系度不高。
第三，2006—2011年，金融创新高增长区和较高增长区县域沿沪昆高速和杭州湾环线高速呈“Y”字型分布，舟山市辖区和岱山县为金融创新增长热点区，龙泉市、景宁县及天台县为金融创新增长冷点区；2011—2016年，金融创新高增长区和较高增长区县域沿沪昆高速、杭州湾环线高速以及G330国道呈“R”字型分布，金融创新增长热点区主要分布在浙江北部环杭州湾地区，冷点区主要分布在浙江南端。
第四，对浙江县域金融创新格局形成具有显著影响的因素并不多元，信息化水平、经济发展水平、政府干预以及基础设施水平会对浙江县域金融创新产生显著作用。此外，经济发展增长率、信息化水平增长率以及对外开放度增长率是驱动浙江县域金融创新不断增长的关键因素。
基于以上结论，并结合浙江县域金融创新的实际情况，对浙江县域金融创新发展提出如下政策建议。
①优化县域金融产业空间布局。依托浙江县域发展的空间框架，结合县域经济金融发展特征，优化金融创新发展功能及空间分布，加大对涉及“一路一带”和长江经济带的重点项目支持，围绕浙江经济发展大局，形成多层次、多梯度、协同发展、错位竞争的新金融空间支撑体系。
②拓展县域金融对外合作机制。加强浙江金融业跨县域跨行业的交流合作，汲取外省县域在金融创新发展方面的成功经验，借鉴沪粤津等自由贸易区金融改革开放先行先试的经验，深化浙江县域金融创新工作。
③推动县域普惠金融创新发展。为有效满足欠发达县域金融服务需求，应积极推进普惠金融创新工作，完善普惠金融发展制度，建立普惠金融发展指标，丰富县域普惠金融发展组织，拓展普惠金融发展渠道，创新普惠金融发展产品，优化普惠金融发展环境。

参考文献

原文顺序 | 文献年度倒序 | 文中引用次数倒序
[1]
Lerner J. The new new financial thing:The origins of financial innovations[J]. Social Science Electronic Publishing, 2006, 79(2):223-255.

[2]
Ajide F. Financial Innovation and Sustainable Development in Selected Countries in West Africa[J]. Social Science Electronic Publishing, 2016, 12(3):85-111.

[3]
王雷, 赖玉霜. 金融创新、资本配置与企业技术创新——来自战略性新兴产业上市公司的实证[J]. 科技进步与对策, 2017, 34(10):69-75.

DOI

[4]
Kim T, Koo B, Park M. Role of financial regulation and innovation in the financial crisis[J]. Journal of Financial Stability, 2013, 9(4):662-672.

[5]
Jameel K, Karachi P, Hasan S U. The Evolution of Financial Innovation and Challenges for Small and Medium Enterprises:A Case Study from South Asian Economies[J]. Research Journal of Finance & Accounting, 2018, 9(3):13-25.

[6]
章莳安. 基于主成分分析法的金融创新水平评价——以赣南等原中央苏区14县(市)为例[J]. 江西社会科学, 2013(12):80-85.

[7]
朱尔茜. 基于因子分析的中国区域金融创新能力评价[J]. 武汉大学学报:哲学社会科学版, 2013, 66(3):85-89.

[8]
李赟鹏, 武毓涵. 资源型区域金融创新能力与转型关系的实证分析[J]. 经济问题, 2015(4):66-70.

[9]
刘秀光. 金融创新环境、路径和内容的国际比较——金融创新的“西方模式”与“中国特色”[J]. 西南金融, 2017(3):21-25.

[10]
孙国茂. 金融创新的本质、特征与路径选择——基于资本市场的视角[J]. 理论学刊, 2013(6):35-42,127.

[11]
孙浦阳, 张蕊. 金融创新是促进还是阻碍了经济增长——基于技术进步视角的面板分析[J]. 当代经济科学, 2012, 34(3):26-34,125.

[12]
李媛媛, 金浩. 金融创新对产业结构优化的效应研究[J]. 财经问题研究, 2016(9):31-37.

[13]
王淑娟, 叶蜀君, 解方圆. 金融发展、金融创新与高新技术企业自主创新能力——基于中国省际面板数据的实证分析[J]. 软科学, 2018, 32(3):10-15.

[14]
刘辉, 申玉铭, 柳坤. 中国城市群金融服务业发展水平及空间格局[J]. 地理学报, 2013, 68(2):186-198.

[15]
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, 34(2):58-66.

[16]
张国俊, 周春山, 许学强. 中国金融排斥的省际差异及影响因素[J]. 地理研究, 2014, 33(12):2 299-2 311.

[17]
李福祥, 刘琪琦. 我国地区金融发展水平综合评价研究——基于面板数据的因子分析和topsis实证研究[J]. 工业技术经济, 2016, 35(3):152-160.

[18]
滕堂伟, 方文婷. 新长三角城市群创新空间格局演化与机理[J]. 经济地理, 2017, 37(4):66-75.

[19]
蒋天颖, 华明浩, 张一青. 县域经济差异总体特征与空间格局演化研究——以浙江为实证[J]. 经济地理, 2014, 34(1):35-41.

[20]
郑长娟, 郝新蓉, 程少锋, 等. 知识密集型服务业的空间关联性及其影响因素——以浙江省69个县市为例[J]. 经济地理, 2017, 37(3):121-128,173.

[21]
宋丹梅. 新疆区域金融创新能力评价与提升策略研究——与我国东、中、西部各地区比较[D]. 乌鲁木齐: 新疆财经大学, 2016.

[22]
李永平, 苟成娟. 区域金融创新水平的测度研究——以山东省为例[J]. 区域金融研究, 2015(6):18-22.

[23]
Drebentsov V, Bergsman J, Broadman H G. Finance and Growth:Schumpeter Might Be Right[J]. Social Science Electronic Publishing, 2016, 39(2 329):401-419.

[24]
蒋岳祥, 蒋瑞波. 区域金融创新:效率评价、环境影响与差异分析[J]. 浙江大学学报:人文社会科学版, 2013, 43(4):52-65.

[25]
蒋瑞波, 蒋岳祥. 区域金融创新与区域经济发展的实证研究[J]. 浙江学刊, 2012(5):157-162.

Options
文章导航

/

〈 〉