一、 引言

20世纪90年代以来，以Krugman为代表的新经济地理学派在不完全竞争和规模报酬递增等更符合现实情况的假定下，认为产业集聚会通过规模经济、运输成本降低以及关联效应、外部效应带来收益的增加。由于产业集聚在地区经济发展中的重要作用，一些学者探讨了金融发展对产业集聚的影响及其作用机制。在金融发展对产业集聚的影响方面，Bottazzi (2001)认为地区产业集聚是为了获取外部性，产业集聚本质上是产业内的人才、资本向某个地理区域高度集中的过程，金融市场会通过资金导向机制、信用催化机制等推动着产业集聚。Rajan and Zingales (1998)认为金融发展决定着区域产业规模和产业结构，在产业资本要素向某个空间区域汇集的过程中，金融市场对产业集聚发挥着重要的推动作用。^①在金融发展影响产业集聚的作用机制方面，Holmes and Stevens (2002)认为金融发展通过缓解企业的融资约束，有助于提高企业的投资水平和创造力，从而推动企业规模的增长进而促进产业集聚。张小蒂和王永奇 (2010)认为产业集聚实为企业家集聚，企业家新建企业涉及到金融市场融资，因此金融市场越发达的地区企业家密度相对较高，产业集聚的规模和效果也相对明显。金融发展还能够提供完善的基础设施 (范从来等，2012)，基础设施共享能够形成外部经济，这推动着企业的地理集中并形成产业集聚 (范剑勇，2006)。发达的金融市场还有助于FDI和对外贸易的开展，而FDI和对外贸易更是产业集聚的强大推动力 (冼国明和文东伟，2006)。

①我国金融市场依然以信贷融资为主，2012年社会融资增量为1.628万亿，其中银行信贷增量为1.335万亿，银行信贷增量占社会融资增量比重为82%，因此本文采用年末银行信贷余额占GDP的比重作为金融发展的代理变量。

已有的文献结论认为金融发展有利于产业集聚，但从投入要素密集度的角度来看，工业产业可区分为劳动密集型、资本密集型与技术密集型产业，在中国当前宏观经济亟需产业结构升级与技术进步的背景下，探讨金融发展对不同要素密集度产业的集聚影响也就具有较强的现实意义；其次，银行信贷按照期限可以划分为短期信贷与中长期信贷，^①短期信贷主要用于企业流动性资金的补充，中长期信贷一部分被企业用来更新设备、扩大生产规模，另一部分则被用于基础设施建设。企业规模扩大和基础设施增加都有助于产业集聚，因此金融发展的期限结构对不同要素密集度产业集聚的影响是否存在着差异，也成为本文的研究方向。

①短期信贷指一年以下期限的贷款，中长期信贷指一年及以上期限的贷款。

二、 金融发展对产业集聚的差异化影响分析

劳动密集型产业是指企业在使用资本和劳动两种要素进行生产时采用较多劳动、较少资本的行业 (曲玥等，2013)。在我国工业化初期，由于本国资本稀缺、技术落后，农村地区存在着大量的闲置劳动力，发展劳动密集型产业成为地区经济增长的重要推动力。因此金融市场需要发挥对劳动密集型产业集聚的推动作用。图 1显示了1997-2012年我国劳动密集型产业产值增长率和信贷增长率以及中长期信贷增长率，可以发现信贷增长率与劳动密集型产业产值增长率间可能存在着正向关系。本文认为金融发展能够改善地区基础设施以及为劳动密集型企业的新建和规模扩张提供信贷资金，从而可能有利于劳动密集型产业的集聚。从银行的期限结构来看，中长期信贷用于固定资产投资和基础设施建设 (范从来等，2012)，因而中长期信贷占信贷余额比重的提高，可能有利于形成劳动密集型产业的固定资产并有利于劳动密集型产业集聚。

随着中国工业化进程进入中期阶段，“刘易斯拐点”开始到来和人口红利逐渐消失。劳动密集型产业的竞争优势开始丧失，轻纺业为代表的劳动密集型产业结构开始向重工业为核心的方向发展。陈斌开和林毅夫 (2012)认为中国的劳动密集型产业具有相对比较优势，但政府通过压低利率水平的方式支持本国的资本密集型产业的发展，从而带来资本密集型产业的扩张和集聚。图 2显示了资本密集型产业增长率和信贷增长率以及中长期信贷增长率，可以发现信贷增长率和资本密集型产业产值增长率间可能的正向关系。^②但本文认为金融发展对资本密集型产业集聚的影响应该加以区分，由于资本密集型产业集聚需要的融资金额大、期限长，从金融市场期限结构的角度可能更有助于我们理解金融发展和资本密集型产业集聚间的关系。

②图 1至图 3的各产业产值增长率根据地区各年各产业工业实际产值计算，以1997年为基期。

在工业化进程的后期阶段，资本密集型产业的边际报酬率开始递减，以微电子、信息产业为代表的技术密集型产业的比重快速上升，并成为工业体系中的主导行业。图 3显示了技术密集型产业产值增长率和信贷增长率以及中长期信贷增长率，可以发现信贷增长率和技术密集型产业产值增长率间可能存在着负向关系。可能的原因在于，首先技术密集型产业的形成需要金融资本和知识技术的结合，但我国当前过度繁荣的金融市场引起的资产泡沫阻碍了知识技术的积累，最终使得金融发展不能推动技术密集型产业的集聚；其次我国以银行信贷为主的金融发展模式可能不利于技术进步。黄国平和孔欣欣 (2009)认为我国商业银行主导的金融体系并不适于具有高度不确定性和风险性的创新型企业，而股权投资更适于扶持高技术产业。Lindsey (2008)则认为风险投资更有助于高技术企业集聚，当众多高技术企业共享一个风险投资时，企业间的联系会更紧密并产生高技术企业的集聚效应。从金融发展的期限结构来看，中长期信贷比重过高会引起信贷资金更稳定地沉淀在国有企业，而国有企业的规模扩张，更会形成地区的效率拖累，从而不利于技术密集型产业的集聚。图 4显示了1997-2012年我国不同要素密集度产业产值各自占工业总产值比重的变化趋势。据此我们提出如下假说：①金融发展和中长期信贷比重都有助于劳动密集型产业和资本密集型产业集聚。②金融发展不利于技术密集型产业集聚，中长期信贷比重的上升则会增强这种负向影响。

三、 指标设定与数据选择 (一) 指标设定

地区产业集聚水平 (Cluster) 的测度指标目前有行业集中度指数、区位熵LQ (Location Quotient)、空间基尼系数、E-G指数、赫芬达尔 (HHI) 指数等方法。区位熵从地区产业专业化的角度来表示产业集聚，因而成为国内学者测度产业集聚较为主流的方法，本文也采用区位熵法测度地区产业集聚。区位熵的计算公式为：

$ LQ = \frac{{{X_{ij}}/\sum\limits_i {{X_{ij}}} }}{{\sum\limits_j {{X_{ij}}} /\sum\limits_i {\sum\limits_j {{X_{ij}}} } }} $

其中，i为第i产业，j为第j地区，X_ij表示i产业在j地区的产出，LQ大于1则表明i产业在j地区具有比较优势，也反映了i产业在j地区的集聚程度较高；如果区位熵小于1则表明i产业在j地区的集聚程度较低。我们首先计算出j地区各个产业的集聚度，然后将地区产业划分为劳动密集型、资本密集型和技术密集型产业，并分别计算三类产业的平均产业集聚度，用Cluster_ijk来表示 (k=1、2、3，分别代表劳动密集型、资本密集型和技术密集型产业)。本文依据国家统计局的《中国国民经济行业分类》(GB/T 4754-2011) 标准，借鉴OECD对制造业技术层次的划分方法，将制造业区分为劳动密集型 (LT)、资本密集型 (KT) 和技术密集型 (TT) 产业。其中劳动密集型产业划分为低技术产业 (不含造纸与印刷)；资本密集型产业包括全部中低技术产业、化工业以及造纸和印刷业；技术密集型产业则包括全部中高技术产业 (化工业除外) 和高技术产业。^①其次，由于采掘业、电力热力燃气和水的生产、烟草业高度依赖于地区自然资源禀赋以及高度国有垄断特征，对这些行业进行经济学分析的意义不大，因此在计算中将这些行业予以剔除。^②

①OECD按照国际标准产业分类 (ISIC3.0版)，根据生产或增加值中的研发密度 (R & D intensity)，将制造业划分为高技术行业、中高技术行业、中低技术行业以及低技术行业。高技术行业 (High Technology Industries) 主要包括：飞机、航空、医药、计算机、办公机械、通信设备以及精密仪器仪表等。中高技术行业 (Medium-high Technology Industries) 主要包括：电动机械及器材、汽车、化工 (不含医药)、铁路运输设备、机械和设备等。中低技术行业 (Medium-low Technology Industries) 主要包括：轮船的建造和修理、橡胶和塑料制品、石油加工炼焦及核染料加工业、非金属矿物制品业以及基本金属制品等。低技术行业 (Low Technology Industries) 主要包括：木材、造纸、印刷、食品、饮料、烟草、纺织、服装、皮革、鞋帽等。

②本文剔除39个大类行业中的煤炭开采和洗选业、石油和天然气开采业、黑色金属采选业、有色金属矿采选业、非金属矿采选业、其他采矿业、烟草制品业、黑色金属冶炼及压延加工业、有色金属冶炼及压延加工业、石油加工炼焦及核燃料加工业、电力热力的生产和供应业、燃气生产和供应业、水的生产和供应业。

金融发展 (Fin)：采用年末银行信贷余额占GDP的比重来表示。考虑到中长期信贷是产生集聚经济外部性的重要因素，我们在模型中加入金融发展与信贷期限结构 (Term) 的交互项。

信贷期限结构 (Term)：采用中长期信贷占信贷余额的比重来表示，中长期信贷用于产业的固定资产投资，而不同要素密集度产业对固定资产的依赖度不同，因此影响系数可能存在差异。

外商直接投资 (FDI)：采用FDI/GDP进行衡量，由于FDI以美元计价，我们将FDI按当年的平均汇率换算成人民币计价的FDI。

地方政府干预 (GI)：我们采用 (地方政府财政支出-转移支出)/GDP来进行衡量。

对外依存度 (Trade)：使用 (人民币计价的出口额)/GDP来衡量。

研发投入 (R & D)：参考张小蒂和王永奇 (2010)的做法，我们采用地区三种专利申请量占全国专利申请总量的比重进行衡量。

经济发展ln (Pgdp)：采用1997年价格为基期的人均实际GDP取自然对数来衡量经济发展。

(二) 数据选择

本文数据来源于1997-2012年的《中国统计年鉴》、《中国工业经济统计年鉴》、《中国科技统计年鉴》，其中2004年的地区各产业产值来自《中国经济普查年鉴2004》，1998年和2012年的地区产业产值来自各地区的统计年鉴，FDI数据来源于CEIC数据库。我们还将四川和重庆数据合并，并且由于西藏地区产业结构的特殊性而将其剔除。^①

①通过计算方差膨胀因子 (Variance Inflation Factor，VIF)，我们发现取值区间为[1.1，2.61]，处于可接受范围内，表明本文不存在严重的多重共线性。

四、 模型构建及实证结果 (一) 模型构建

为了探讨金融发展对产业集聚的影响，借鉴已有文献方法，我们构建以下模型：

$ Cluste{r_{kjt}} = {\alpha _0} + {\alpha _1}Cluste{r_{kjt - 1}} + {\alpha _2}Fi{n_{jt}} + {\alpha _3}Fi{n_{jt}} * Ter{m_{jt}} + {X_{jt}} + {\varepsilon _{jt}} $

其中，Cluster_kjt(k=1、2、3) 分别代表劳动密集型、资本密集型与技术密集型产业集聚；Fin_jt代表金融发展，Term_jt代表信贷期限结构，j和t分别代表地区和时间；考虑到产业集聚具有较强的惯性，我们在解释变量中加入产业集聚的滞后一期值；X为控制变量，包括外商直接投资 (FDI)、地方政府干预 (GI)、对外依存度 (Trade)、经济发展ln (Pgdp) 与研发投入 (R & D)。

由于模型中因变量滞后一期成为解释变量，从而导致解释变量与随机扰动项相关，即解释变量出现内生性。同时，一些控制变量可能与因变量存在着双向因果关系也会导致内生性问题。当内生性问题出现时，传统的OLS回归得到的估计系数是有偏的，表现为混合回归 (Pooled OLS) 通常会高估滞后因变量的系数，固定效应回归 (FE) 又会低估滞后因变量的系数。为解决这一问题，Arellano and Bond (1991)提出了差分广义矩估计法 (Dif-GMM)，先对模型进行差分，消除由于未观测到的地区效应造成的遗漏变量偏误，然后将t-2期以前的滞后因变量作为因变量一阶差分滞后项的工具变量，从而得到一致且更为有效的估计结果。

然而Dif-GMM的缺点表现为在小样本情形下容易出现“弱工具变量”问题，从而使得估计系数出现偏误。因而Arellano and Bover (1995)在差分GMM估计的基础上引入水平方程及工具变量，得到系统广义矩估计量 (Sys-GMM)。蒙特卡罗模拟实验表明，在有限样本条件下，系统GMM比差分GMM估计的偏差更小，有效性更高 (Blundell et al., 2000)，因此本部分将进行Sys-GMM的回归检验。另外，Bond (2002)认为GMM估计的一致性取决于工具变量的有效性，可以通过Sargan检验来判断是否存在“过度识别”(Over-Identifying Restrictions)，零假设表明模型中工具变量的选取是有效的。另一个是差分误差项的序列相关检验Ar (1) 与Ar (2)，一阶序列相关同时二阶序列不相关表明是有效的。

(二) 实证结果及分析

表 1为金融发展对劳动密集型产业集聚影响的回归分析，其中前四列分别是固定效应回归和混合最小二乘估计 (Pooled OLS)，后两列为二阶Sys-GMM估计。回归结果中二阶Sys-GMM通过了Sargan检验，表明模型的工具变量设定合理；Ar (2) 检验显示残差项不存在二阶序列相关，模型 (6) 中的滞后项系数0.873处于混合回归和固定效应回归的系数区间内，说明模型的内生性问题在Sys-GMM回归中得到较好地解决。

模型 (6) 中金融发展对劳动密集型产业集聚的影响系数显著为正，表明我国的金融市场推动了劳动密集型产业集聚。可能的原因是相对而言劳动密集型产业仍然是我国最具竞争力的产业，加入WTO更是强化了劳动密集型产业在全球分工中的竞争优势，进而引导金融市场资金流向劳动密集型产业。考虑到我国劳动力资源丰富，拥有大量受教育程度较低的低端劳动力，保持劳动密集型产业的竞争力是促使我国经济保持良好增长态势的重要方面；况且在当前劳动密集型产业开始向中西部地区转移的过程中，其更是承担了吸纳中西部地区人口就业的重任 (曲玥等，2013)，因此我们更应该关注如何通过金融发展支持中西部地区劳动密集型产业的集聚。模型 (6) 中金融发展与信贷期限结构交互项 (Fin*Term) 的回归系数为0.019，表明中长期信贷比重越高，金融发展能更好地支持劳动密集型产业的集聚，原因如前所述，中长期信贷用于劳动密集型企业的固定资产投资，从而有利于劳动密集型产业的集聚。

其他控制变量的回归结果中，外商直接投资 (FDI) 对劳动密集型产业集聚的影响为负，表明FDI可能更倾向于投资房地产和零售业等能带来更高回报的产业。^①地方政府干预 (GI) 对劳动密集型产业集聚的影响为正，表明为了扩大就业和促进经济增长，劳动密集型产业成为地方政府的扶持产业。对外依存度 (Trade) 的影响为正，表明对外贸易有助于劳动密集型产业的集聚。研发投入 (R & D) 的影响为负，这与张小蒂和王永齐 (2010)所得到的结论一致。经济发展ln (Pgdp) 的影响为负，这可能是因为经济发展带来的消费结构升级不利于劳动密集型产业集聚。

①2012年中国制造业吸收的FDI占FDI总额的比例为0.44，而1997年这一比例为0.53；相应的2012年房地产与批发零售业吸收的FDI占FDI总额的比重为0.3，而1997年这一比例仅为0.06。

表 2为金融发展对资本密集型产业集聚的回归结果，模型 (6) 中资本密集型产业集聚滞后项的回归系数为0.835，处于FE与Pooled OLS回归结果区间内，表明二阶Sys-GMM较好地克服了内生性问题。金融发展对资本密集型产业集聚的影响系数显著为正，即金融发展有助于资本密集型产业集聚。可能的原因在于资本密集型产业需要大量的资本投入，金融发展能够为资本密集型产业集聚提供所必须的资金来源；其次，以冶金工业、石油工业和机械制造业等为代表的资本密集型产业主要以国有企业为主，而国有商业银行由于存在“信贷歧视”，在信贷投放中往往偏爱国有企业，歧视民营企业，这促使信贷资源流向资本密集型产业并推动着资本密集型产业集聚。模型 (6) 中金融发展与信贷期限结构交互项的回归系数为0.321，表明随着中长期信贷比重的提升，金融发展对资本密集型产业集聚的促进作用得到增强，即资本密集型产业集聚更加依赖于中长期信贷资金。

其他控制变量的回归结果表明，外商直接投资 (FDI) 不利于资本密集型产业集聚，这可能是因为外资并不热衷进入如冶金、造纸这样的资本密集型行业，而石油加工、电力等国有垄断行业又有着严格的行政壁垒。地方政府干预 (GI) 则有助于资本密集型产业集聚，这是因为资本密集型产业往往关系着地方就业、税收和官员政绩，因此地方政府有足够的动力通过行政干预促使银行信贷投向资本密集型产业。对外依存度 (Trade) 和经济发展ln (Pgdp) 有利于资本密集型产业的集聚，研发投入 (R & D) 的影响系数为负。

表 3为金融发展对技术密集型产业集聚的回归结果，模型 (6) 中金融发展对技术密集型产业集聚的影响系数为-0.034，表明银行信贷为主的间接金融并不利于我国的技术密集型产业集聚，可能的原因在于：①相对于银行信贷，证券和风险投资为代表的直接融资可能更适合于进行技术研发并提升一国技术水平 (张晓玫和罗鹏，2013)。②在我们的研究时段，金融市场的增长速度可能越过了合理区间，信贷资金从短缺进入结构性过剩进而引起资产价格泡沫，而资产价格泡沫 (如房地产泡沫) 阻碍了技术进步进而不利于技术密集型产业集聚。模型 (6) 中金融发展与信贷期限结构交互项的回归系数为-0.078，即金融发展和信贷期限结构共同不利于技术密集型产业集聚，我们的解释是由于“信贷歧视”的存在，中长期信贷比重提升使得信贷资金更加固化于国有企业，那些有技术潜力和创新能力的民营企业却难以获得信贷资金，从而阻碍了技术密集型产业的发展和集聚。

其他控制变量的回归结果中，外商直接投资 (FDI) 对技术密集型产业集聚的影响为正，这可能是FDI的技术外溢促进了我国的技术进步，进而推动了技术密集型产业集聚。地方政府干预 (GI) 不利于技术密集型产业集聚，表明政府干预往往会干扰社会资源配置，进而不利于技术进步。对外依存度 (Trade) 对技术密集型产业集聚的影响为正，显示出对外贸易有助于优化我国的工业产业结构。经济发展ln (Pgdp) 和研发投入 (R & D) 都有助于技术密集型产业集聚。

五、 稳健性检验

为了验证本文所得结论的可靠性，我们随后进行了稳健性检验。首先将地区各个劳动密集型产业相加得到总产值，采用区位熵方法计算出劳动密集型产业集聚，用同样的方法我们计算得到资本密集型产业集聚和技术密集型产业集聚。依然采用逐项回归来检验金融发展分别对不同要素密集度产业集聚的影响，回归结果与前文基本一致。^①

①由于北京、上海、天津和广东能够享受政策优惠并影响到产业集聚，我们将这几个地区从样本中剔除后再次进行回归，回归结果基本保持一致。限于篇幅，本文将回归结果省略，有兴趣的读者可以联系作者索取。

表 4为金融发展对劳动密集型产业集聚的稳健性检验，模型 (6) 中产业集聚滞后一期的回归系数处于FE和Pooled OLS回归系数区间内，表明原模型内生性问题在二阶Sys GMM回归中得到较好地解决。金融发展促进了劳动密集型产业集聚，从而表明本文的结论是稳健的。

表 5为金融发展对资本密集型产业集聚的稳健性检验，模型 (6) 中产业集聚滞后一期的回归系数处于FE和Pooled OLS回归系数区间内。金融发展和信贷期限结构交互项的回归系数为正。其他控制变量的影响系数变化较小，表明金融发展促进资本密集型产业集聚的结论是稳健的。

表 6为金融发展对技术密集型产业集聚的稳健性检验，模型 (6) 的回归结果表明金融发展并不利于技术密集型产业的集聚，金融发展和信贷期限结构交互项的回归系数为负，再次表明本文金融发展和信贷期限结构对技术密集型产业集聚的负向影响是稳健的。

六、 结论及政策建议

已有文献表明金融发展促进了地区产业集聚，在中国当前产业结构亟待转型升级与提高产业科技含量的背景下，本文探讨了金融发展与信贷期限结构对劳动密集型产业、资本密集型产业和技术密集型产业集聚的影响差异，研究发现金融发展和信贷期限结构能够促进劳动密集型产业和资本密集型产业的集聚，但金融发展与信贷期限结构都不利于技术密集型产业集聚。我们的建议如下：

(1) 深化金融市场改革。如前所述，我国以商业银行为主的金融市场并没有起到推动产业结构转型升级的应有作用，这就需要我们加快金融市场改革。首先，通过抑制资产价格泡沫促使银行信贷流向技术密集型产业。其次，引入民营银行来促进信贷市场竞争，民营银行能够更好地服务于特定行业，进而推动技术密集型产业发展。最后，大力发展完善多层次的资本市场，资本市场在推动技术创新和技术密集型产业发展和集聚方面比间接金融更具优势，因此提高股权融资和风险投资比重将成为推动技术密集型产业发展和集聚的有效途径。

(2) 优化融资期限结构。中长期信贷比重的提升会使得资金更加稳定地沉淀在地方政府干预的资本密集型产业，却不利于技术密集型产业的发展。适当降低中长期信贷比重并促使中长期信贷更多地从资本密集型产业流向技术密集型产业，如通过压缩政府与国有企业不必要的投资项目；改革对地方政府官员的政绩考核体系；对商业银行投向技术密集型产业的信贷提供政策性保险服务等措施来促进技术密集型产业的扩张与集聚。

总的来看，我国的金融市场需要进一步强化服务实体经济的职能，从促进生产规模的扩张转变为促进产业结构转型升级和技术进步。同时，我们还应关注金融发展与资本密集型产业产能过剩的关系，这些将会成为本文后续的研究方向。