关联及溢出效应分析
陈小蒙陈章喜
［摘要］金融发展是粤港澳大湾区建成世界级湾区的重要影响因素之一。文章运用社会网络分析法，对粤港澳大湾区金融发展的空间关联性进行了全面系统的分析。研究发现，粤港澳大湾区金融发展的空间关联网络具有稳定性，各个城市之间的地位相对平等，不易受到个别城市的影响；各个城市在空间关联网络中具有不同的作用，广州、佛山、惠州、深圳、珠海总体上是溢出的，肇庆和中山则是溢出关系和受益关系相均衡，澳门、东莞、江门、香港总体上是受益的，其中香港的受益效应明显。粤港澳大湾区金融发展可分为四个板块，第一板块包括广州、佛山、中山，属于净溢出板块；第二板块包括深圳、肇庆、珠海、惠州，属于双向溢出板块；第三板块包括澳门和江门，属于主受益板块；第四板块包括香港和东莞，属于净受益板块。因此，应充分发挥粤港澳大湾区地域相邻、人文相近的优势，完善顶层制度设计，促进金融资源整合，增强金融发展的紧密关联程度，强化金融空间溢出效应。
［关键词］粤港澳大湾区；金融发展；空间关联；溢出效应；社会网络
［作者简介］陈章喜，暨南大学经济学院教授，暨南大学澳门研究院经济社会与区域合作研究所所长，研究员广东广州510632
［中图分类号］F832.7；F127［文献标识码］A ［文章编号］1004-4434(2020)06-0001-09
2008年12月，国务院批复同意实施《珠江三角洲地区改革发展规划纲要(2008—2020年)》。2019年2月，中共中央、国务院印发了《粤港澳大湾区发展规划纲要》，粤港澳大湾区上升为国家重大战略。目前，全球公认的国际大湾区主要有美国旧金山湾区、纽约湾区和日本东京湾区，每个湾区均具有自身的特，其中，美国旧金山湾区主要以高新技术为支撑，汇聚了大量科技公司与科技人才；纽约湾区以金融中心著称，拥有纽约证券交易所、纳斯达克交易所等在全球金融领域具有强大影响力的交易所，将近3000多家世界知名的证券、期货、保险等公司坐落于此；日本东京湾区则主要以工业制造业等传统行业为主，且其港口经济十分发达，产业之间协调发展优势明显。粤港澳大湾区与以上三大国际大湾区既有共同点，也存在诸多差异。粤港澳大湾区的发展起步较晚，但是却拥有诸多优势，金融作为实体经济发展的重要支撑，在粤港澳大湾区的发展中发挥着尤为重要的作用。经过多年的发展，粤港澳大湾区金融发展已颇具规模，且由于地域相邻、习俗相近，金融发展在空间上存在紧密的联系。在新时代的背景下研究粤港澳大湾区金融发展的空间关系，对于构建更加完善的金融发展体系，实现各个城市金融的协调和错位发展，具有十分重要的意义。
一、相关研究进展
早期，国外学者对湾区进行了大量研究。Hall 认为，湾区这个名词起源于东亚，最开始主要用于描述
中国的长江三角洲、珠江三角洲以及日本的东海道(东京至大阪)区域叫Scott则将大湾区定义为在全球经济中扮演着重要角的大型城市化区域
［基金项目］广东省哲学社会科学“十三五”规划项目“港珠澳大桥开通对珠江西岸物流效率影响及发展路径研究”(GD18XGL26)
1
的空间单位叫Hall和Pain认为，大湾区具有塑造、运转和治理三大维度的功能，已经成为区域空间组织的重要形式叫在已有研究的基础上，Hall认为，大湾区是一种新兴的城市空间形式，通常聚集在1~2个大城市周围，是一个人口密集、关联密切、城市规模多样化的区域叫
国内学者对国内外的湾区经济、创新发展进行的研究主要着眼于借鉴国际大湾区丰富的发展经验，以更好地建设国内的湾区经济。刘瞳通过梳理国际大湾区的发展脉络，对比分析了粤港澳大湾区经济发展的结构性特点叫邓志新通过比较粤港澳大湾区与国际大湾区的优势与劣势，对粤港澳大湾区的创新发展提出了对策建议叫樊明捷基于美国旧金山湾区的发展经验，认为对于湾区发展，创新产业发展的源动力、政策开放和文化包容是基础叫
国内学者对粤港澳大湾区金融发展也从不同角度进行了研究，具体分为定性研究和定量分析。在定性
研究方面，逮新红认为，要从国际金融湾区发展的历史中吸取经验教训，在经济全球化面临新趋势、国际金融体系面临新变革的背景下，发挥港澳尤其是香港国际金融中心的作用，推进内地与港澳更紧密的金融合作叫谭志清认为，粤港澳大湾区具有丰富的金融科技创新要素，区域金融合作基础良好，构建开放银行是促进大湾区实体经济和金融产业发展的有效途径叫贤认为，应该大力推动粤港澳大湾区金融发展，并就推动粤港澳大湾区金融发展提出了可行的方案㈣。刘向耘基于后工业化时代我国金融发展格局已发生根本性变化，就粤港澳大湾区金融支持经济转型升级提出了政策建议，认为要推动金融改革与开放、增量优化应与存量调整并重、探索政府与市场结合的新路问。程作杨对粤港澳大湾区金融合作的背景及战略进行了分析［12］o在定量分析方面，彭芳梅通过构建纳入金融禀赋与贸易开放度的非对称自由资本模型，采用数值模拟考察二者对经济空间演化的作用机制，认为给定贸易开放度时，粤港澳大湾区金融禀赋对经济空间演化的作用表现出空间相似性回。覃剑运用因子分析法、Wurgler模型和时空地理加权回归模型，分析了粤港澳大湾区金融资源空间配置效率，认为粤港澳大湾区金融资源配置效率有待提高网。曹彤等人采用金融相关比率泰尔指数、F-H模型等分析方法，发现粤港澳大湾区存在区域金融协同，但还有较大提升空间问。李文秀和唐荣采用空间计量模型，得出粤港澳大湾区金融发展存在空间关2联性［16］。
总结现有文献，发现国内对于粤港澳大湾区金融的研究多为定性研究。粤港澳大湾区各城市的金融发展差异较大，但是由于地域邻近等因素的影响，各城市金融发展存在空间上的关联性，现有文献对粤
港澳大湾区城市间金融发展的关联研究比较少。基于此，本文从粤港澳大湾区金融发展的空间关联性出发，收集粤港澳大湾区各个城市的面板数据，通过社会网络分析法，从总体上分析粤港澳大湾区金融发展的紧密关联程度及各城市间的关联状况。
二、粤港澳大湾区金融发展空间关联模型设计
（―）研究范围
金融是粤港澳大湾区经济发展的核心内容。显然，粤港澳大湾区金融发展应以满足人民日益增长的美好生活需要为出发点，服务粤港澳大湾区经济高质量发展。粤港澳大湾区各城市间存在竞争与合作并存的金融活动，各城市间金融空间关联程度日渐加强，相互依存关系日益加深，存在显著的空间关联性，而这种空间关联性会对邻近城市产生一定程度的溢出效应。粤港澳大湾区金融发展的空间关联及其溢出效应的实现依赖于空间基础。目前，粤港澳大湾区经济发展处于非均衡状态，经济发展决定金融发展，粤港澳大湾区金融发展同样存在明显的不平衡性，而区域经济的协调发展促进了粤港澳大湾区城市间金融的空间关联与互动，核心地区金融的辐射带动作用，促进着各城市间金融的协调、均衡发展。同时，我国市场经济体制日渐完善，市场在资源配置中的作用越来越明显。市场这只“看不见的手”主导着粤港澳大湾区金融人才、资本和其他资源要素的流动和分配，加上金融信息、金融知识和技术的扩散以及经济活动带来的知识溢出，粤港澳大湾区金融关联不断加深，使得区域金融发展呈现复
杂的网络结构。《粤港澳大湾区发展规划纲要》对粤港澳大湾区的发展目标和空间布局等作了全面规划，明确粤港澳大湾区包括香港特别行政区（以下简称香港）、澳门特别行政区（以下简称澳门）以及广东省的广州市、深圳市、珠海市、佛山市、惠州市、东莞市、中山市、江门市和肇庆市，故本文将以上11个城市作为研究的对象。
（二）研究方法与指标构建
本文将金融学、计量经济学、社会网络分析等
方法相结合，对粤港澳大湾区金融发展的空间关联进行研究。首先，采用文献研究法对国内外涉及湾区经济的文献进行梳理，分析区域经济发展的影响因素，为模型建立选取合适的指标。其次，运用计量经济学中的VAR模型对粤港澳大湾区各城市的时间序列数据进行建模，通过VAR模型中的Granger Causality，构建粤港澳大湾区各城市之间有方向的关联关系。最后，利用社会网络分析法，以城市为节点，以Granger Causality得出的测算结果为线，构建粤港澳大湾区各城市之间的关联矩阵，从而得出社会网络分析图，并通过Ucinet软件进行可视化分析，进一步分析粤港澳大湾区金融发展的空间关联特征。基于理论观察和文献归纳，本文选取4个经济指标和6个金融指标组成金融发展社会网络评价指标体系，用其测度粤港澳大湾区各城市的金融发展程度(表1)。
表1粵港澳大湾区金融发展社会网络评价指标体系
指标分类具体指标单位
经济指标
财政收入亿元社会消费品零售总额亿元全社会固定资产投资总额亿元地区生产总值亿元计算机网络管理技术
金融指标金融机构人民币存款余额亿元金融机构人民币贷款余额亿元居民人均储蓄存款余额元/人金融业增加值亿元金融机构从业人员数人保费收入亿元
(三)数据来源与处理
云计算导航本文选取4个经济指标(包括财政收入、社会消费品零售总额、全社会固定资产投资总额、地区生产总值)和6个金融指标(包括金融机构人民币存款余额、金融机构人民币贷款余额、居民人均储蓄存款余额、金融业增加值、金融机构从业人员数、保费收入)作为衡量粤港澳大湾区各个城市金融发展的指标，数据主要来源于中经网统计数据库、Wind数据库。另外，需要说明的是，香港、澳门的相关数据按照当年的汇率转换成以人民币为单位的数据。同时，考虑到数据的可得性，主要选取2000—2017年的数据进行实证分析。针对部分城市存在部分年份指标数据缺失的问题，本文主要采用该城市指标的平均数作为补充数据。
(四)空间关联网络的理论引介
1.网络节点
网络节点就是社会网络的主体，刻画的是网络规模的大小和复杂程度，节点越多，社会网络规模越大，情况越复杂。网络规模的表达式为：
N=V|(1)
其中，N表示网络规模,V表示网络节点。鉴于研究对象是粤港澳大湾区所包括的11个城市，所以，相对应的就有11个网络节点。
2.网络密度
网络密度(用De表示)刻画的是网络中实际连接的关系数(用L表示)与所有可能存在的连接关系数的比值。网络密度的表达式为：
De=L/[N x(N-1)](2)
3.中心性
中心性是社会网络分析的重点对象之一，一个区域在社会网络中越处于中心地位，其“权力”越大，对
其他区域的影响也越大。弗里曼(Freeman)等人认为中心性包含度数中心度(Degree Centrality)、中间中心度(Betweenness Centrality)、接近中心度(Closeness Centrality)和特征向量中心度(Eigenvector Centrality)4个指标[17]。
首先，度数中心度包括绝对中心度和相对中心度，点x的绝对中心度表示的是与该点直接相连的其他点的个数，相对中心度是点的绝对中心度与图中点的最大可能的度数之比。因此，在无向的社会网络图中，点x的相对中心度表达式为：
东方直播室2012RD(x)=n/(N-1)(3)
其中，RD(x)表示节点x的相对中心度，n表示与x点直接相连的其他点的个数。而在有向的社会网络图中，点x的相对中心度表达式为：
RD(x)=(x的点入度+x的点出度)/(2N-2)(4)其次，中间中心度表示的是某点处于其对点的捷径上的能力，如点Y相对于点X和Z的中间度指的就是经过点Y并且连接两点的捷径数与这两点之间的捷径总数之比，通俗而言，就是测量Y在
3
多大程度上位于X和Z的“中间”。中间中心度分为绝对中间中心度和相对中间中心度。假设g k表示点j与
点k之间存在的捷径数,g k(i)表示点j与点k之间存在的经过第三点i的捷径数目，点i能控制此两点的交往能力用b jk(i)来表示，则绝对中间中心度可表示为b jk(i)=g k(i)/g k。与之对应，相对中间中心度即标准化的中间中心度，表达式为：
C=撞；撞；g k(i)(5)
厂n2-3n+2(5)其中,j#k#i，且j<k。
再次，接近中心度是针对不受他人控制的测度，若某点与网络中其他点的“距离”都很近，则该点具有较高的接近中心度。一个点的接近中心度可以表示为：
C a P i=X j=1d j(6)
其中,d j表示点i和点j之间的捷径距离。
最后，特征向量中心度是根据与某点相邻的点的重要性来衡量该点的重要性，即若与某点相连的点是整个网络中的关键点，则这个点也是相对重要的节点。
4.块模型
块模型分析最早由怀特(White)、布尔曼(Boorman)和布雷格(Breiger)提出，是一种研究网络位置模型的方法，通过该方法对社会角进行描述性代数分析，社会网络主要分为主受益板块、净溢出板块、双向溢出板块、经纪人板块4个板块盟。其中，主受益板块上的经济主体对内部成员发出的关系较多，对外部成员发出的关系较少，同时接受外部发出的关系较多，因此对外部板块的溢出效应较少；净溢出板块上的经济主体对内部成员发出的关系较少，对板块外部成员发出的关系较多，同时接受外部板块发出的关系较少，因此对外部板块的溢出效应明显；双向溢出板块上的经济主体对板块内部成员和外部板块发出的关系数都较多，所以对内部和外部板块的溢出效应都明显；经纪人板块上的经济主体内部成员联系较少，但是该板块上的经济主体在发出关系的同时也接受外部发出的关系，起到了纽带和桥梁的作用。
根据沃瑟曼(Wasserman)等提出的相关指标问，假设分析位置A k的各个成员之间的关系,A k中共有g k个成员，则整个A k内部可能具有的关系总数为g k X(g k-l)个，假设在总体中存在g个成员，则在位置A k上可能存在的关系总和为g k X(g-1)，由此，可以得到A k位置的总关系的期望比例为g k X g k-1x(g-1)=(g k-1)/(g-1)，可以利用这个比
g k
例作为评价位置内部关系趋势的指标。根据上述指标，可以划分四大经济增长板块(表2)。
表2块模型中的经济增长板块分类
位置内部关系比例
位置接收到的关系比例
—0>0
M(g k-1)/(g-1)双向溢出板块主受益板块<(g k-1)/(g-1)净溢出板块经纪人板块
三、粤港澳大湾区金融发展空间关联实证考察
(一)金融发展的网络结构及演变
金融发展网络是由点和线组成的金融发展关系的集合。以粤港澳大湾区各城市为节点，以城市间的关联关系为线，构建粤港澳大湾区的空间关联网络。在具体操作方面，衡量区域经济或金融发展的关联关系，一般有两种方法：一是运用“引力模型”或者改进的“引力模型”来构建主体之间的关系矩阵，所需数据为截面数据，但是对于时间跨度较长的时间序列数据，其分析结果过于复杂，不利于进行分析；二是运用VAR模型，通过Granger Causality得出主体之间的有向的关联关系，这种方4法适用于时间跨度较长的时间序列数据，对于分析不同年份各区域之间的动态联系具有明显优势。鉴于本文主要研
红外线报警器论文究的是区域之间的动态关联是否存在，因此主要选取非结构化的向量自回归模型进行分析。由于涉及的变量太多，直接运用VAR模型会导致自由度偏低而使所得结果出现较大偏差，而因子分析方法则会在最大限度减少信息丢失的基础上，对高维变量进行降维处理，且因子分析方法具有避免主观判断带来随意性的优点，能对原始变量进行最佳综合和简化，客观地确定各个参数的权重。因此，本文运用因子分析方法对原始数据进行降维，得出各个城市的金融综合竞争力得分，并运用金融综合竞争力来衡量各城市金融发展程度(表3)。
表3粵港澳大湾区各城市金融综合竞争力得分(2000—2017年)
市
年
广州澳门东莞佛山惠州江门深圳香港肇庆中山珠海2000-1.19-1.06-1.19-1.19-0.83-1.02-1.02-1.07-0.94-1.21-1.10 2001-1.11-1.00-1.12-1.16-0.86-0.98-1.00-1.14-0.91-1.15-1.07 2002-1.02-1.04-1.06-1.10-0.85-1.02-0.98-1.24-0.97-1.08-1.03 2003-0.96-0.92-0.96-1.00-0.81-0.87-0.94-1.04-0.97-1.01-0.95 2004-0.90-0.78-0.77-1.00-0.81-0.76-0.89-1.10-0.92-0.87-0.94 2005-0.83-0.67-0.63-0.82-0.95-0.94-0.82-1.03-0.86-0.84-0.82 2006-0.72-0.59-0.59-0.66-0.87-0.82-0.73-0.51-0.75-0.70-0.73 2007-0.58-0.47-0.43-0.51-0.67-0.63-0.560.32-0.66-0.51-0.51 2008-0.36-0.52-0.25-0.26-0.48-0.35-0.42-0.
20-0.51-0.31-0.32 2009-0.14-0.430.23-0.06-0.29-0.16-0.30-0.18-0.22-0.11-0.15 20100.15-0.200.470.28-0.060.04-0.010.070.020.170.13 20110.440.210.250.440.160.270.400.310.320.410.33 20120.650.590.440.620.420.470.560.570.550.660.51 20130.870.770.760.800.690.700.730.660.800.910.76 2014 1.02 1.180.91 1.01 1.00 1.040.980.88 1.05 1.09 1.02 2015 1.27 1.25 1.04 1.23 1.32 1.36 1.31 1.24 1.48 1.20 1.28 2016 1.57 1.64 1.37 1.55 1.73 1.66 1.69 1.57 1.61 1.52 1.59 2017 1.83 2.04 1.52 1.84 2.17 2.01 2.00 1.89 1.89 1.82 2.01
基于表3，利用Eviews软件建立VAR模型，由于建立VAR模型的前提条件是数据具有平稳性或数据不具有平稳性但具有协整关系，因此，对粤港澳大湾区各个城市的时间序列数据进行单位根检验，结果显示，所有变量经过二阶差分后都是平稳的。对各个城市—
—对应建立VAR模型，并根据LR、FPE、AIC、SC、HQ5种方法来选择最优滞后阶数，再进行协整检验，若不存在协整关系，则两个城市之间不存在关联关系，若存在协整关系则进行Granger Causality检验。城市之间共拥有110个关联关系，结果显示，通过检验的Granger因果关系有34个，由于结果相对复杂，因此未予以列出，而是用Netdraw软件通过图形方式来展现，得到粤港澳大湾区金融发展的空间网络关联图(图1)。
建设项目环境影响评价资质管理办法
图1粵港澳大湾区金融发展的空间网络关联图
5
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议