【文章內(nèi)容簡介】 ） 式中，分別為空間權(quán)值矩陣中行和列之和。公式（4）、（5）可以用于檢驗n個區(qū)域是否存在空間自相關(guān)關(guān)系。如果Mroan’s ，表明金融集聚在空間分布上具有明顯的正向相關(guān)關(guān)系，正的空間相關(guān)代表相鄰地區(qū)的類似特征值出現(xiàn)集群趨勢。空間計量經(jīng)濟(jì)學(xué)模型有多種類型，本文所要用到的空間計量模型主要是納入了空間效應(yīng)(空間相關(guān)和空間差異)，適用于截面數(shù)據(jù)的空間常系數(shù)回歸模型，包括空間滯后模型（Spatial Lag Model，SLM）與空間誤差模型（Spatial Error Model，SEM）兩種。（1）空間滯后模型（SLM）空間滯后模型主要探討各變量在一個地區(qū)是否有擴散現(xiàn)象(溢出效應(yīng))，其表達(dá)式為： （6）式中，為因變量；為的外生解釋變量矩陣；為空間回歸關(guān)系數(shù)；反映了樣本觀測值中的空間依賴作用，即相鄰區(qū)域的觀測值對本地區(qū)觀察值的影響方向和程度；為階的空間權(quán)值矩陣，一般用鄰接矩陣(Contiguity Matrix)；為空間滯后因變量，為隨機誤差項向量。參數(shù)反映了自變量對因變量的影響，空間滯后因變量是一內(nèi)生變量，反映了空間距離對區(qū)域行為的作用。區(qū)域行為受到文化環(huán)境與空間距離有關(guān)的遷移成本的影響，具有很強的地域性。（2）空間誤差模型（SEM）空間誤差模型的數(shù)學(xué)表達(dá)式為： （7） （8）式中，為隨機誤差項向量，為的截面因變量向量的空間誤差系數(shù)，為正態(tài)分布的隨機誤差向量。參數(shù)衡量了樣本觀察值中的空間依賴作用，即相鄰地區(qū)的觀察值有對本地區(qū)觀察值的影響方向和程度，參數(shù)反映了自變量對因變量的影響。SEM 的空間依賴作用存在于擾動誤差項之中，度量了鄰接地區(qū)關(guān)于因變量的誤差沖擊對本地區(qū)觀察值的影響程度。（3）估計技術(shù)對于上述兩種模型的估計如果仍然采用最小二乘法，系數(shù)估計值會有偏或者無效，需要通過工具變量法、極大似然法或廣義最小二乘估計等其他方法來進(jìn)行估計。本文采用了Anselin（1988）的建議，采用極大似然法估計SEM和SLM的參數(shù)。、SEM的選擇判斷地區(qū)金融集聚現(xiàn)象的空間相關(guān)性是否存在，以及SLM和SEM哪個模型更恰當(dāng)，一般可通過包括Moran’s I檢驗、兩個拉格朗日乘數(shù)(Lagrange Multiplier)形式LMERR、LMLAG和穩(wěn)健(Robust)的RLMERR、RLMLAG等來實現(xiàn)。由于事先無法根據(jù)先驗經(jīng)驗推斷在SLM和SEM模型中是否存在空間依賴性，有必要構(gòu)建一種判別準(zhǔn)則，以決定哪種空間模型更加符合客觀實際。Anselin 等（2004）提出了如下判別準(zhǔn)則：如果在空間依賴性的檢驗中發(fā)現(xiàn)，LMLAG較之LMERR在統(tǒng)計上更加顯著，且RLMLAG顯著而RLMERR不顯著，則可以斷定適合的模型是空間滯后模型；相反，如果LMERR比LMLAG在統(tǒng)計上更加顯著，且RLMERR顯著而RLMLAG不顯著，則可以斷定空間誤差模型是恰當(dāng)?shù)哪Ｐ?。除了擬合優(yōu)度R2檢驗以外，常用的檢驗準(zhǔn)則還有：自然對數(shù)似然函數(shù)值(Log likelihood，LogL)，似然比率(Likelihood Ratio，LR)、赤池信息準(zhǔn)則(Akaike information criterion，AIC)，施瓦茨準(zhǔn)則(Schwartz criterion，SC)。對數(shù)似然值越大，AIC和SC值越小，模型擬合效果越好。這幾個指標(biāo)也用來比較OLS估計的經(jīng)典線性回歸模型和SLM、SEM，似然值的自然對數(shù)最大的模型最好。四、實證結(jié)果分析空間權(quán)重矩陣是空間統(tǒng)計計量模型的關(guān)鍵，也是地區(qū)間空間影響方式的體現(xiàn)。目前，空間權(quán)重矩陣的基本形式有只考慮地理相鄰信息，即“地理”空間權(quán)重矩陣()，也有考慮涉及經(jīng)濟(jì)差距的空間權(quán)重矩陣的擴展形式，即“經(jīng)濟(jì)”空間權(quán)重矩陣()?！暗乩怼笨臻g權(quán)重矩陣(W)最常用的是簡單二分權(quán)重矩陣，遵循的判定規(guī)則是Rook相鄰規(guī)則，即兩個地區(qū)擁有共同邊界則視為相鄰。本文選用的是“地理”空間權(quán)重矩陣()。為檢驗金融集聚現(xiàn)象在地理空間上的相關(guān)性，即空間相互依賴性，下面利用20022007年中國28個省域的金融集聚指標(biāo)計算Mroan’s I指數(shù)，相關(guān)結(jié)果見表1。表1中Moran ()，這表明我國28個省域的金融集聚現(xiàn)象在空間上具有明顯的正自相關(guān)關(guān)系(即空間依賴性)，說明省域金融產(chǎn)業(yè)的發(fā)展在空間分布并非表現(xiàn)出完全隨機的狀態(tài)，而是表現(xiàn)出某些省域的相似值之間在空間上趨于集聚，也就是說，具有較高金融集聚度的省區(qū)相互靠近，或者較低金融產(chǎn)業(yè)集聚的省域相對地互相相鄰的空間聯(lián)系結(jié)構(gòu)。因此，從整體上講省域之間的金融產(chǎn)業(yè)的發(fā)展是存在空間相關(guān)性的，也就是說我國省域金融產(chǎn)業(yè)的發(fā)展存在著空間上明顯的集聚(Clustering)現(xiàn)象。表1 中國28個省域金融集聚Mroan’s I指數(shù)及其Z值年份Moran’IMoran’I 期望值標(biāo)準(zhǔn)差正態(tài)性統(tǒng)計量小概率值200220032004200520062007為進(jìn)一步分析我國省域金融產(chǎn)業(yè)發(fā)展的空間集聚特征，本文給出了局域Mroan指數(shù)散點圖（見圖1）。圖1展示了空間滯后W_FIN作為縱軸和FIN作為橫軸的分布情況。其中，F(xiàn)IN為金融產(chǎn)業(yè)的集聚度，W_FIN表示鄰近值的加權(quán)平均值。根據(jù)散點圖，可將各個省域金融產(chǎn)業(yè)的發(fā)展分為4個象限的集群模式，分別識別一個地區(qū)及其與鄰近地區(qū)的關(guān)系：圖的右上方的第1象限，表示高集聚增長的地區(qū)被高集聚的其他地區(qū)所包圍（HH），代表正的空間自相關(guān)關(guān)系的集群；左上方的第2象限，表示低集聚增長的地區(qū)被高集聚增長的其他地區(qū)所包圍(LH)，代表負(fù)的空間自相關(guān)關(guān)系的集群；左下方的第3象限，表示低集聚增長的地區(qū)被低集聚增長的其他地區(qū)所包圍(LL)，代表正的空間自相關(guān)關(guān)系的集群；右下方的第4象限，表示高集聚增長的地區(qū)被低集聚增長的其他地區(qū)所包圍(HL)，代表負(fù)的空間自相關(guān)關(guān)系的集群。第第3象限正的空間自相關(guān)關(guān)系揭示了區(qū)域的集聚和相似性，而第第4象限負(fù)的空間自相關(guān)關(guān)系揭示區(qū)域的異質(zhì)性。如果觀測值均勻地分布在4個象限則表明地區(qū)之間不存在空間自相關(guān)性。根據(jù)上述理論及圖1所顯示的結(jié)果，可以得到我國28個省際區(qū)域的空間相關(guān)模式，如表2所示。圖2 我國省域金融集聚度的Mroan指數(shù)散點圖注：FIN07表示2007年我國28個省域的金融集聚度。W_FIN表示鄰近值的加權(quán)平均值。表2 金融產(chǎn)業(yè)集聚度各省際區(qū)域的空間相關(guān)模式空間相關(guān)模式地區(qū)第1象限HH北京、天津、黑龍江、吉林、遼寧、內(nèi)蒙古第2象限LH河北、江蘇、浙江第3象限LL甘肅、河南、陜西、青海、山東、安徽、四川、湖北、湖南、江西、云南、貴州、福建、廣西、廣東第4象限HL新疆、上海、山西、寧夏位于4象限的省域不多（只有7個），第3象限省域金融集聚局部的HH和LL分化，因此，可以認(rèn)為我國省域金融集聚在地理空間的分布上存在著依賴性和異質(zhì)性。以北京和上海為例來進(jìn)行說明，經(jīng)本文測算，是我國金融集聚度最高的兩個城市，但根據(jù)散點圖的結(jié)果，北京位于第一象限，上海卻位于第四象限。這是因為北京鄰近的地區(qū)如天津、遼寧、吉林等都是金融集聚度比較高的地區(qū)，即高集聚增長的地區(qū)被高集聚增長的其他地區(qū)所包圍，反映了金融集聚在地理空間分布上的依賴性。而上海雖然金融集聚度在我國是最高的，但其鄰近的大部分地區(qū)如安徽、江西、河南、山東等都是金融集聚度很低的地區(qū)，即高集聚增長的地區(qū)被低集聚增長的其他地區(qū)所包圍，反映了金融集聚在地理空間分布上的異質(zhì)性。中國現(xiàn)階段，除個別地區(qū)如北京、上海、天津等地的金融集聚度比較高以外，大部分地區(qū)的金融集聚度都不是很高，整體上看，東部地區(qū)的金融集聚度要高于中部和西部地區(qū)，其中，西部地區(qū)的金融集聚度最低（大部分地區(qū)都是位于第三象限（LL））。說明現(xiàn)階段我國金融業(yè)的發(fā)展還不夠發(fā)達(dá)，而且區(qū)域差異比較大， 以上分析表明，我國省域金融產(chǎn)業(yè)發(fā)展確實存在著空間的集聚現(xiàn)象，地區(qū)差異比較顯著。這也進(jìn)一步表明有必要從空間維度的相關(guān)性和異質(zhì)性出發(fā)，對金融集聚影響因素進(jìn)行空間計量分析。本文選用的空間計量經(jīng)濟(jì)模型主要是納入了空間效應(yīng)的空間滯后模型（SLM）與空間誤差模型（SEM）兩種。下面，以中國28個省域為空間單元，選擇合適的空間計量模型，進(jìn)行金融產(chǎn)業(yè)集聚的空間計量經(jīng)濟(jì)檢驗和估計。為了比較分析不同時期各影響因素對當(dāng)期被解釋