珠三角城市群绿色金融一体化协同发展测度及空间差异分析.pdf

统计与决策2023年第16期总第628期珠三角城市群绿色金融一体化协同发展测度及空间差异分析袁靖a，贾雪莹a，陈伟b（山东工商学院a.统计学院；b.外国语学院，山东 烟台 264005）摘要：文章运用熵值法，基于经济、社会、文化和生态这4个维度共16个指标测度了20102020年珠三角城市群一体化协同水平，采用全局自相关莫兰指数及空间局部自相关LISA指数考察珠三角城市群一体化协同水平及绿色金融水平的空间相关性，并进一步构建空间杜宾模型分析珠三角城市群绿色金融水平对其一体化协同水平发展的影响效应。结果表明：珠三角城市群一体化协同水平具有较强的空间负相关性，存在“高-低”及“低-高”集聚趋势；绿色金融发展呈现显著区域不平衡现象；广州、深圳的一体化协同发展水平及绿色金融水平在珠三角城市群中均属于较高水平；绿色金融水平对区域的一体化协同水平具有促进作用，但对邻近地区的一体化协同水平存在显著负向溢出效应。关键词：绿色金融；一体化协同；空间自相关；空间杜宾模型中图分类号：F127；F832.7文献标识码：A文章编号：1002-6487（2023）16-0137-04基金项目：国家社会科学基金资助项目（19CJL007）作者简介：袁靖（1977），女，山东聊城人，博士，副教授，研究方向：金融统计。贾雪莹（1999），女，河南安阳人，硕士研究生，研究方向：应用统计。（通讯作者）陈伟（1980），女，山东烟台人，硕士，讲师，研究方向：应用统计及商务统计。0引言加强绿色金融发展，促进绿色金融协同一体化发展是珠三角城市群的共同发展目标，未来如何借助绿色金融以实现“低投入、低消耗、低污染、高质量、高效益、高产出”的发展目标，对于珠三角城市群乃至我国整体经济向高质量和绿色可持续的方向发展具有重要意义。现有文献从不同角度阐述了绿色金融与经济发展的关系，喻平和张敬佩（2021）1测算了各地区绿色金融和经济高质量发展的关联度和协调度，认为绿色金融对高质量发展的影响存在阈值效应，超过阈值后，绿色金融能显著推动经济发展。刘华珂和何春（2021）2研究了绿色金融与城市经济发展的关系，认为绿色经济显著促进了城市经济高质量发展，但同时也存在显著的区域异质性。薛永刚（2022）3发现珠三角城市群创新与经济高质量发展呈负相关关系。张天舒等（2022）4选取珠三角城市群研究了金融集聚对实体经济发展的影响，认为珠三角城市群区域金融集聚程度过高，对实体经济发展具有显著的抑制作用。雷玉桃等（2021）5发现珠三角环境规制、经济集聚与雾霾污染之间存在一定的反向因果关系，环境问题不容忽视。李虹等（2019）6发现我国三大经济圈（珠三角、长三角、京津冀城市群）中，绿色金融发展与生态环境并未实现协调一致发展，大部分地区处于拮抗阶段，并逐渐接近磨合阶段。已有研究为本文奠定了理论基础。基于珠三角城市群协同一体化发展视角，本文采用熵值法对20102020年珠三角城市群一体化协同发展进行评价，考察珠三角城市群一体化协同发展及绿色金融的空间相关性，对绿色金融水平对珠三角城市群的一体化协同水平的促进及溢出效应进行实证分析。1研究设计1.1熵值法在进行测度之前，对数据采用熵值法进行处理。第一步，对数据进行标准化处理，为了防止标准化后的数据出现0，将数据加1：Xij=Xij-XminXmax-Xmin+1,Xij=Xmax-XijXmax-Xmin+1第二步，计算出各城市之间的指标得分标准化后数值的比重为Pij，Pij=Xij/j=1mXij，m为城市的样本个数。第三步，运用每个权重来计算城市之间的信息熵，以M来指代，表示所研究的各个城市指标的贡献总量：Mi=-kj=1mPijlnPijk=1lnm第四步，各个指标权重差异为Ti=1-Mi，公式为Wi=Ti/i=1nTi。一体化协同水平评价指标体系及权重计算结果见下页表1。1.2ESDA探索性空间数据分析法本文采用地理权重矩阵，测量各城市之间的欧氏距财 经 纵 横DOI:10.13546/ki.tjyjc.2023.16.026137统计与决策2023年第16期总第628期离，采用距离倒数的平均值所组成的矩阵作为本文的空间权重矩阵，并采用莫兰指数对空间自相关程度进行测度。莫兰指数可以测度珠三角城市群一体化空间相互关联性及珠三角城市之间的差异，而局部LISA指数可用来考察每一个城市与邻近城市在一体化协同方面的内部联系。莫兰指数计算公式为：I=i=1nj=1nWijZiZj/2i=1nj1nWij其中，Zi=Xi-X，X=1ni=1nXi，=1ni=1n(Xi-X)2，n为城市的数量特征，Xi表示城市i的得分情况，Wij为空间权重矩阵。局部LISA指数计算公式为：LISA=Zij=1nWijZj若LISAi0，表明位置i相邻的城市一体化协同方面的空间呈现集聚特征；若LISAi0，则表明位置i邻近的城市一体化聚集特征不明显。1.3模型设定对于绿色金融对协同一体化发展的影响，本文构建空间杜宾模型进行测度：Scoreit=0+1WijScorejt+2Greenit+3WijGreenit+4PEOit+5WijPEOit+6Controlsit+7WijControls+it其中，it为随机误差项。1.4变量选择（1）被解释变量。一体化协同水平，根据珠三角城市群的实际情况，遵循系统性、科学性和可达性原则，借鉴文献7，选取了经济、文化、社会和生态4个维度共16个指标，如表1所示。（2）解释变量。为了衡量珠三角城市群的绿色金融发展空间差异，本文选取绿色金融发展水平、城市集中度两个指标。使用珠三角各城市绿色信贷余额与总体存款的比值来衡量绿色金融发展水平，该指标能够衡量绿色金融发展水平，并可以衡量金融机构对于社会资金的转移程度。（3）控制变量。选取人均GDP、人口变化和产业规模作为控制变量。变量说明如表2所示。表2变量说明变量类型被解释变量解释变量控制变量变量名称一体化协同水平绿色金融发展水平城市集中度人均GDP人口变化产业规模符号scoregreenpeogdpgroind变量定义采用熵值法确定城市年度相关评分各城市绿色信贷余额/总体存款市区人口/全市总人口地区生产总值/平均总人口人口自然增长率规模以上工业企业数量1.5数据选取及处理本文选取珠三角9个城市20102020年的数据，由于数据量级差距较大，对数据进行对数处理。本文数据来源于 广东统计年鉴 中国统计年鉴 中国金融年鉴 中国城市统计年鉴 以及各省份统计年鉴和统计公报。2实证结果分析2.1珠三角城市群一体化协同水平测度表3结果显示，在珠三角城市群中，广州、深圳的综合得分较高，佛山、中山的得分较低，说明广州、深圳的一体化协同水平较高，而佛山、中山的一体化协同水平较低。2.2珠三角城市群一体化协同水平空间自相关测度本文采用莫兰指数来衡量珠三角城市群的空间自相关性。构建空间权重矩阵以9个城市的空间地理距离为标准，利用9个城市经纬度数据，使用欧氏距离计算他们之间的距离，并采用地理距离平方的倒数作为权重矩阵。表4结果显示，所有年份的莫兰指数均通过了显著性检验，且所有年份系数为负，绝对值接近1，表明珠三角城市群的9个城市相互之间存在显著的负向空间自相关性。表4空间自相关莫兰指数年份I值年份I值2010-0.771*2016-0.608*2011-0.4345*2017-0.5946*2012-0.5801*2018-0.669*2013-0.4403*2019-0.7382*2014-0.8522*2020-0.7481*2015-0.6943*同时，本文采用局部自相关散点分析（LISA指数）研究城市之间一体化水平发展的相关联系。结果表明，20102020年，珠三角城市群各城市被解释变量的LISA指数通过了显著性检验并为负值，说明一体化协同水平存在显著的负向空间自相关关系，这与上文全局莫兰指数的检验结果一致。财 经 纵 横表1一体化协同水平评价指标体系及权重一级指标经济文化社会生态二级指标固定资产投资外商直接投资/地区生产总值贷款余额/地区生产总值职工平均工资第二、三产业占地区生产总值比重人均教育投入额人均医疗投入道路面积公路客运量建成区绿化覆盖率污水处理厂集中处理率生活垃圾无害化处理率一般工业固体废物综合利用率城市建设用地面积工业烟粉尘排放量工业废水排放量属性正正正正正正正正正正正正正正负负权重0.08340.06390.08230.03920.08340.03480.13150.06700.03630.01970.03780.02120.13250.06170.06300.0424表320102020年珠三角城市群一体协同水平评价得分城市广州佛山深圳东莞惠州珠海中山江门肇庆20100.01060.00900.01070.00950.00960.00950.00880.00950.009420110.01070.00930.01060.00970.00960.00960.00900.00940.009520120.01090.00940.01070.00970.00970.00980.00910.00950.009620130.01120.00960.01020.00970.00980.00960.00920.00960.009620140.01110.00940.01040.00990.00990.00960.00930.00950.009620150.01140.00950.01040.01030.01000.00980.00950.00940.009820160.01150.00970.01060.01040.01020.01000.00970.00950.009620170.01150.00990.01100.01030.01040.01020.00980.00980.009720180.01170.01000.01110.01040.01090.01030.01000.00980.009920190.01190.01010.01140.01060.01100.01060.01030.01000.010020200.01190.01010.01160.01060.01100.01060.01030.01000.0104138统计与决策2023年第16期总第628期图1为珠三角城市群协同一体化发展莫兰指数散点图，可以看出大多数城市均分布在“高-低”“低-高”“低-低”集聚区，少部分处于“高-高”集聚区，说明珠三角城市群存在“高-低”“低-高”集聚趋势。具体分析如下：（1）深圳、广州一直处于“高-低”集聚区，该地区的分布呈现“中间高、边缘低”的特征，说明广州及深圳的一体化协同水平较高，但是邻近城市的一体化协同水平较低，说明虽然广州及深圳一体化协同水平在不断地提高，但是并没有带动周边城市的一体化水平提升。（2）“低-低”集聚区的集聚程度较高，处于该区域的城市相对较多，分别是江门、佛山、珠海，这些城市常年处于该区域，分布在中山附近，说明该区域的城市一体化发展乏力，周围没有高水平的城市带动其发展，综合竞争力较差。（3）一直处于“低-高”集聚区的城市是佛山和肇庆，其处于广州、东莞、深圳这些自身一体化程度较高的城市附近，因此形成了“中间低、周边高”的分布格局。中山的评分处在靠后位置，说明广州、东莞、深圳自身一体化程度的增加对中山的影响十分有限，中山的一体化程度与周边高水平的城市差距一直没有明显的改善。-2-1012210-1Moran scatterplot(Morans I=0.343)Score1Moran scatterplot(Morans I=0.292)Score5-2-1012z210-1WzMoran scatterplot(Morans I=0.277)Score10-1012z210-1Wzz佛山东莞惠州中山肇庆深圳广州珠海江门佛山东莞惠州肇庆中山珠海江门深圳广州东莞惠州肇庆中山珠海江门深圳广州佛山（a）2010年（b）2014年（c）2019年图1 2010年、2014年、2019年一体化协同水平莫兰指数散点图由于东莞和惠州与高水平的广州、深圳相邻，当自身一体化程度较高时便处于“高-高”集聚区，当自身水平较低时便处于“低-高”集聚区。从局部散点图可以看出，东莞和惠州一直在两区域之间游走，说明高水平城市对东莞和惠州的影响不稳定。2.3珠三角城市群绿色金融空间自相关测度本文测度了珠三角城市群绿色金融空间自相关程度，表5报告了珠三角城市群绿色金融莫兰指数。结果显示，2014年之前系数为正，且均未通过显著性检验，而2015年之后转为负值，且通过了显著性检验。这说明邻接城市的绿色金融发展水平之间存在负向的空间溢出效应，处于较低水平的城市被较高水平的城市包围，表明目前珠三角城市群的绿色金融发展水平呈现区域不平衡现象。表5绿色金融莫兰指数年份I值年份I值2010-0.1672016-0.153*20110.1122017-0.232*20120.0972018-0.358*20130.2042019-0.315*20140.0852020-0.324*2015-0.030*图2为珠三角城市群绿色金融水平空间自相关莫兰指数散点图。2015年之前，一直处于“低-低”集聚区的城市是江门、中山、珠海；深圳、广州、佛山、肇庆一直处于“高-高”集聚区，东莞处于“低-高”集聚区，惠州从“低-高”进入“高-高”集聚区。2015年之后，惠州、广州、珠海、肇庆处于“高-低”集聚区，佛山、中山、江门、东莞处于“低-高”集聚区，深圳由“高-高”集聚区变为“低-低”集聚区。-2-1012z10-1-2Moran scatterplot(Morans I=0.210)Score1Moran scatterplot(Morans I=0.292)Score4-2-1012z10-1Wz10-1WzMoran scatterplot(Morans I=0.347)Score9-3-2-1012z佛山东莞惠州中山肇庆深圳广州珠海江门佛山东莞惠州中山肇庆深圳广州珠海江门佛山东莞惠州中山肇庆深圳广州珠海江门（a）2010年（b）2014年（c）2019年图2 2010年、2014年、2019年绿色金融莫兰指数散点图2.4珠三角城市群绿色金融对协同一体化影响效应分析根据空间自相关分析结果，珠三角城市群一体化协同水平有着较强的空间自相关性，而混合OLS回归无法消除变量相关性等特点。因此，本文采用空间计量模型进行LM检验，结果显示空间滞后与空间误差均通过显著性检验，证明模型同时存在空间误差项与空间滞后项。接着本文采用空间杜宾模型，Hausman及Wald检验结果显示应采用固定效应，且在时间固定效应、个体固定效应和双固定效应中，时间固定效应的拟合优度最大，说明时间固定效应模型的效果相较其他模型更好。因此，本文选择空间杜宾时间固定效应模型，表6报告了模型估计结果。从核心解释变量估计结果来看，绿色金融在1%的水平上显著为正，系数为0.1232，城市集中度在5%的水平上显著为负，系数为-0.0541，说明绿色金融水平对一体化协同水平有着正向促进效应。城市集中度对一体化协同水平有着负向影响，说明政府可以通过支持绿色金融发展，降低城市集中度、增强人口自然增长率、规模以上工业产业聚集度的方式来促进市场经济与密集度的发展，进而促进一体化协同发展。从控制变量估计结果来看，人口变化系数显著为正，表明人口增长率会促进一体化水平提升，广州、深圳、东莞这些城市的发展较好，经济水平与人口密集程度为其发展吸引了一批先进的人才及技术，促进一体化水平迅速提升；人均GDP在5%水平上显著为正，表明高水平城市对低水平城市的经济起到良好的带动作用；产业规模系数在1%的水平上显著为正，说明发展开发企业战略和企业数增加也会对提升一体化水平起促进作用，人口变化和产业规模会促进周边城市一体化水平的提升；周边城市的绿色金融水平和城市集中度对本地的作用不明显，周边城市的经济增长会抑制本地一体化水平提升，周边城市的人口变化和产业规模会促进本地一体化水平提升。表6空间杜宾模型估计结果变量绿色金融城市集中度人均GDP人口变化产业规模时间固定效应0.1232*-0.0541*0.0385*0.0197*0.0546*变量权重*绿色金融权重*城市集中度权重*GDP权重*人口自然增长率权重*产业规模时间固定效应-0.0022-0.127-0.1045*0.0327*0.0792*空间杜宾模型可以将影响进一步分解，以具体分析各解释变量对本地或周边地区的一体化协同水平的影响。下页表7报告了时间固定效应下的空间杜宾模型分解结果。直接效应分为两个部分：一是指各城市自身经济发展水平、城市集中度、人均GDP、人口变化、产业规模对一体化协同发展的影响，二是指各城市自身经济发展水平、城财 经 纵 横139统计与决策2023年第16期总第628期市集中度、人均GDP、人口变化、产业规模通过影响其他城市的一体化协同水平，经过循环反馈效应对本地一体化协同发展的影响。间接效应也可分为两个部分：一是邻近城市的经济发展水平、城市集中度、人均GDP、人口变化、产业规模对本地一体化协同发展的影响，二是邻近城市的一体化协同水平对本地一体化协同发展的影响。结果显示，绿色金融水平的直接效应系数为0.1505，间接效应系数为-0.0786，总效应系数为0.0719且均显著。说明一个地区的绿色金融水平提高1%，能使本地区的一体化协同水平提高0.1505%，使周边城市的一体化协同水平降低0.0786%，使珠三角城市群的一体化协同水平提高0.0719%。绿色金融水平越高，对本地区的一体化协同水平促进作用越大，对邻近地区的一体化协同水平有负向的溢出效应；城市集中度直接效应系数显著为负，间接效应不显著，说明城市集中度会抑制自身一体化水平提升，但对周边地区影响不大；人均GDP直接效应显著为正，间接效应系数显著为负，说明经济发展会在促进自身一体化水平提升的同时，抑制周边城市一体化水平；gro直接效应和间接效应系数均显著为正，说明人口变化会促进自身及周边城市一体化水平提升；产业规模的直接影响显著为负，间接影响显著为正，说明产业规模对自身一体化水平起负向抑制作用，但对周边城市一体化水平起正向促进作用。表7时间固定效应的空间杜宾模型溢出效应分解变量lngreenlnpeolngdplngrolnind直接影响0.1505*-0.1031*0.0798*0.0123*-0.0407*间接影响-0.0786*-0.1485-0.1176*0.0184*0.0371*总影响0.0719*-0.0454-0.03780.0307*0.0778*3结论与建议本文通过构建珠三角城市群一体化协同水平评价指标体系，采用ESDA探索性空间数据分析法考察20102020年珠三角城市群一体化协同发展程度及差异，并构建空间杜宾模型研究珠三角城市群绿色金融水平对其一体化协同发展的影响。结果表明：珠三角城市群一体化协同具有较强的空间负相关性；珠三角城市群一体化协同发展存在“高-低”“低-高”集聚趋势；绿色金融发展水平之间存在负向的空间溢出效应，珠三角城市群的绿色金融发展水平呈现区域不平衡现象；绿色金融水平对区域的一体化协同水平具有促进作用，但对邻近地区的一体化协同水平有负向溢出效应。基于实证结果，本文提出如下建议：（1）为解决珠三角城市群中各个城市之间绿色金融发展不平衡问题，应积极发挥绿色金融对一体化协同发展的直接效应，控制或降低邻近城市对本地经济发展的抑制作用，形成珠三角城市群协同联动的绿色金融发展框架体系。（2）充分发挥深圳、广州的中心作用，带动其他城市快速高质量发展。（3）应通过加强绿色人才培养，满足绿色金融体系、绿色技术创新等领域的人才需求，优化产业规模，达到绿色金融助力珠三角城市群一体化协同发展。（4）因地制宜实施差异化的绿色金融策略。对于绿色金融发展较好的城市，可进一步利用绿色金融提升产业集中度和资本回报率，对于绿色金融发展较落后的城市，应充分利用其生态环境优势，积极引进绿色资本、绿色技术及人才，通过绿色投资来带动经济发展。参考文献：1喻平,张敬佩.区域绿色金融与高质量发展的耦合协调评价J.统计与决策,2021,(24).2刘华珂,何春.绿色金融促进城市经济高质量发展的机制与检验来自中国272个地级市的经验证据J.投资研究,2021,40(7).3薛永刚.城市群经济高质量发展空间收敛、动态演进以及创新影响研究“珠三角”和“长三角”的对比分析J.管理评论,2022,34(12).4张天舒,唐一鸣,马靖淳.金融集聚对实体经济发展的影响机制分析基于长三角和珠三角城市群的实证研究J.东北师大学报(自然科学版),2022,54(4).5雷玉桃,孙菁靖,张萱.城市群集聚经济视角下的环境规制与雾霾污染以珠三角城市群为例J.产经评论,2021,12(5).6李虹,袁颖超,王娜.区域绿色金融与生态环境耦合协调发展评价J.统计与决策,2019,(8).7孙红梅，姚书淇.长三角城市群一体化协同发展的空间实证研究以财政水平差异分析为支撑J.城市发展研究,2020,27(8).（责任编辑/谢雅倩）财 经 纵 横140