A Study of the Impact of Financial Agglomeration on Green Economic Performance

doi:10.16716/j.cnki.65-1030/f.2023.01.004

Abstract

Abstract:

The green economy is a sustainable economic growth model, and the performance of the green economy is a key indicator to measure the level of green economic development. This paper uses panel data from 30 provinces, municipalities and autonomous regions from 2007 to 2019 to measure the impact of financial agglomeration on the performance of the green economy by constructing the Spatial Dubin Model (SDM) — a spatial measurement model. Studies show that financial agglomeration has a significant role in promoting the performance of the green economy, however, there is heterogeneity in the impact of China's financial agglomeration on the performance of the green economy. Financial agglomeration in the eastern and western regions has a significant positive impact on improving green economic performance, while financial agglomeration in the central region has an insignificant negative impact. Therefore, it is of necessity to continue to promote the high-quality development of finance, strive to expand the opening up, explore the new direction of industrial structure optimization, and adopt more reasonable environmental regulation tools. Meanwhile, The eastern, central and western regions should set differentiated green sustainable development goals from reality, giving full play to their respective advantages, to achieve coordinated development of regional green economy.

Key words: low-carbon economy, financial agglomeration, green economic performance, spatial econometric model, heterogeneity

CLC Number:

F832
F124.5

GAO Xiaoyan, ZHAI Zhenshan, FU Saifei. A Study of the Impact of Financial Agglomeration on Green Economic Performance[J]. Finance & Economics of Xinjiang, 2023, (1): 38-46.

Figures/Tables 7

变量	观测值	平均值	标准差	最小值	最大值
$g p e r$	390	6.15e-09	0.576	-1.308	1.894
$L Q$	390	0.992	0.356	0.472	2.576
$i n d u s t r$	390	73.37	21.43	39.60	159.4
$o p e n$	390	32.34	40.70	1.250	314.7
$g o v$	390	23.43	9.967	8.744	63.37
$e n v$	390	0.334	0.290	0.0130	2.451

变量	Main	Wx	Spatial	Variance
$L Q$	0.901^*** （8.65）	3.935^*** （3.73）
$i n d u s t r$	-0.006^** （-2.26）	-0.083^*** （-3.30）
$o p e n$	0.002^*** （3.16）	-0.008 （-1.33）
$g o v$	-0.038^*** （-15.22）	-0.060^*** （-2.87）
$e n v$	-0.184^*** （-2.87）	0.632^* （1.65）
$r h o$			-0.994^*** （-3.63）
$s i g m a 2_e$				0.091^*** （13.66）
观测值	390	390	390	390
$R 2$	0.238	0.238	0.238	0.238
样本数	30	30	30	30

变量	直接效应	间接效应	总效应
$L Q$	0.803^*** （7.87）	1.716^*** （3.08）	2.520^*** （4.46）
$i n d u s t r$	-0.004^* （-1.67）	-0.043^*** （-3.09）	-0.046^*** （-3.15）
$o p e n$	0.002^*** （4.10）	-0.006^* （-1.83）	-0.003 （-0.98）
$g o v$	-0.037^*** （-14.16）	-0.013地区（-1.32）	-0.050^*** （-5.09）
$e n v$	-0.222^*** （-2.83）	0.448^** （2.10）	0.225 （1.11）
观测值	390	390	390
$R 2$	0.238	0.238	0.238
样本数	30	30	30

变量	东部地区			中部地区			西部地区
变量	直接效应	间接效应	总效应	直接效应	间接效应	总效应	直接效应	间接效应	总效应
$L Q$	0.661^*** （-3.49）	-0.411 （-0.55）	0.249 （0.30）	-0.475^*** （-2.89）	2.081^*** （3.74）	1.606^*** （3.29）	1.022^** （2.56）	2.077^* （1.44）	3.100^* （1.89）
$o p e n$	0.000 （-0.61）	-0.005 （-1.36）	-0.006 （-1.36）	0.005^** （2.44）	-0.015^** （-2.47）	-0.010^* （-1.91）	0.006 （0.78）	0.037 （1.08）	0.044 （1.06）
$i n d u s t r$	0.003 （-0.52）	0.000 （0.02）	0.003 （0.14）	0.000 （0.09）	0.009 （0.82）	0.009 （0.68）	0.000 （0.05）	-0.006 （-0.29）	-0.005 （-0.22）
$g o v$	-0.068^*** （-8.80）	0.008 （0.26）	-0.06 （-1.62）	0.01 （1.34）	-0.001 （-0.05）	0.01 （0.83）	-0.035^*** （-7.86）	0.023^* （1.82）	-0.012 （-0.91）
$e n v$	-0.335 （-1.35）	0.73 （0.79）	0.395 （0.37）	-0.192^* （-1.89）	-0.457^** （-2.04）	-0.649^** （-2.53）	-0.266^** （-2.22）	0.264 （0.89）	-0.001 （0.00）
观测值	143	143	143	130	130	130	117	117	117
$R 2$	0.67	0.67	0.67	0.253	0.253	0.253	0.529	0.529	0.529
观测次数	11	11	11	10	10	10	9	9	9

References 31

[1]	郝汉舟, 周校兵. 中国省际绿色发展指数空间计量分析[J]. 统计与决策, 2018(12):114-118.
[2]	方时姣. 绿色经济视野下的低碳经济发展新论[J]. 中国人口·资源与环境, 2010(4):8-11.
[3]	郭奕然. 金融集聚、人力资本结构演进与经济高质量发展[D]. 呼和浩特: 内蒙古财经大学, 2022.
[4]	曾贤刚, 毕瑞亨. 绿色经济发展总体评价与区域差异分析[J]. 环境科学研究, 2014(12):1564-1570.
[5]	田泽, 魏翔宇, 丁绪辉. 中国区域产业绿色发展指数评价及影响因素分析[J]. 生态经济, 2018(11):103-108.
[6]	王军, 耿建. 中国绿色经济效率的测算及实证分析[J]. 经济问题, 2014(4):52-55.
[7]	蔡宁, 丛雅静, 吴婧文. 中国绿色发展与新型城镇化——基于SBM-DDF模型的双维度研究[J]. 北京师范大学学报(社会科学版), 2014(5):130-139.
[8]	钱争鸣, 刘晓晨. 我国绿色经济效率的区域差异及收敛性研究[J]. 厦门大学学报(哲学社会科学版), 2014(1): 110-118.
[9]	郝国彩, 徐银良, 张晓萌, 陈明华. 长江经济带城市绿色经济绩效的溢出效应及其分解[J]. 中国人口·资源与环境, 2018(5):75-83.
[10]	林伯强, 谭睿鹏. 中国经济集聚与绿色经济效率[J]. 经济研究, 2019(2):119-132.
[11]	王锋, 李紧想, 张芳, 吴艳杰. 金融集聚能否促进绿色经济发展?——基于中国30个省份的实证分析[J]. 金融论坛, 2017(9):39-47.
[12]	黄解宇, 杨再斌. 金融集聚论:金融中心形成的理论与实践解析[M]. 北京: 中国社会科学出版社, 2006.
[13]	冉光和, 王定祥, 高云峰, 温涛, 李敬. 金融产业资本论[M]. 北京: 科学出版社, 2007.
[14]	陈铭仁. 金融机构集聚论——金融中心形成的新视角[M]. 北京: 中国金融出版社, 2010.
[15]	孙兆斌. 中国金融产业集聚效应检验——以银行业为例[J]. 现代管理科学, 2008(9):45-46.
[16]	王丹, 叶蜀君. 金融集聚对经济增长的知识溢出机制研究[J]. 北京交通大学学报(社会科学版), 2015(3):38-44.
[17]	张鹏, 于伟. 金融集聚与城市发展效率的空间交互溢出作用——基于地级及以上城市空间联立方程的实证研究[J]. 山西财经大学学报, 2019(4):1-16.
[18]	金浩, 张文若. 金融集聚影响区域经济增长的系统动力学仿真——基于要素流动视角[J]. 河北大学学报(哲学社会科学版), 2016(6):68-74. doi: 10.3969/j.issn.1005-6378.2016.06.010
[19]	陈林心, 舒长江, 吴强. 长江经济带生态效率的金融集聚与经济增长门槛效应检验[J]. 浙江金融, 2019(11): 61-69.
[20]	袁华锡, 刘耀彬, 封亦代. 金融集聚如何影响绿色发展效率?——基于时空双固定的SPDM与PTR模型的实证分析[J]. 中国管理科学, 2019(11):61-75.
[21]	丁焕峰, 谢丽娟, 孙小哲. 金融集聚支持区域创新:作用效果与传导路径[J]. 金融经济学研究, 2022(2):56-70.
[22]	王星, 张乾翔. 经济增长压力下金融集聚对碳排放效率的影响[J]. 中国人口·资源与环境, 2022(3):11-20.
[23]	冉启英, 朱为利, 任思雨. 财政分权、金融集聚与城市高质量发展[J]. 华东经济管理, 2021(9):59-69.
[24]	吕承超, 王媛媛. 金融发展、贸易竞争与技术创新效率[J]. 管理学刊, 2019(4):21-31.
[25]	徐晓光, 许文, 郑尊信. 金融集聚对经济转型的溢出效应分析:以深圳为例[J]. 经济学动态, 2015(11):90-97.
[26]	孙志红, 王亚青. 金融集聚对区域经济增长的空间溢出效应研究——基于西北五省数据[J]. 审计与经济研究, 2017(2):108-118.
[27]	许宁, 施本植, 唐夕汐, 邓铭. 基于空间杜宾模型的金融集聚与绿色经济效率研究[J]. 资源开发与市场, 2018 (10):1340-1347.
[28]	刘荣增, 何春. 环境规制对城镇居民收入不平等的门槛效应研究[J]. 中国软科学, 2021(8):41-52.
[29]	Anselin L. Spatial Econometrics:Methods and Models[J]. Journal of the American Statistical Association, 1990 (411):160.
[30]	田光辉, 苗长虹, 胡志强, 苗健铭. 环境规制、地方保护与中国污染密集型产业布局[J]. 地理学报, 2018(10): 1954-1969. doi: 10.11821/dlxb201810010
[31]	李青原, 肖泽华. 异质性环境规制工具与企业绿色创新激励——来自上市企业绿色专利的证据[J]. 经济研究, 2020(9):192-208.

系统层	因素层	指标层
绿色经济绩效	生态建设	森林覆盖率（%）
	生态建设	森林蓄积量（万立方米）
	环境治理	生活垃圾无害化处理率（%）
		污水处理率（%）
		污染治理投资占地区GDP的比重（%）
	经济增长质量	人均GDP增长率（%）
	经济增长质量	居民人均可支配收入（元）
	科技创新水平	试验发展R&D人员（人）
		研究与试验发展（R&D）经费支出占地区生产总值的比重（%）
		每万人拥有专利申请量（项）
		每万人拥有专利授权量（项）
	绿色生活	每万人拥有公共厕所数（座）
		建成区绿化覆盖率（%）
		城市每万人拥有公交车辆数（标台）
		人均公园绿地面积（平方米）

年份	Moran’s I	E（I）	sd（I）	Z	p-value*
2007	0.354	-0.034	0.099	3.915	0
2008	0.329	-0.034	0.100	3.637	0
2009	0.380	-0.034	0.100	4.129	0
2010	0.246	-0.034	0.100	2.792	0.003
2011	0.224	-0.034	0.099	2.605	0.005
2012	0.279	-0.034	0.101	3.101	0.001
2013	0.254	-0.034	0.101	2.859	0.002
2014	0.252	-0.034	0.098	2.931	0.002
2015	0.237	-0.034	0.101	2.704	0.003
2016	0.218	-0.034	0.098	2.565	0.005
2017	0.208	-0.034	0.098	2.466	0.007
2018	0.235	-0.034	0.095	2.842	0.002
2019	0.290	-0.034	0.098	3.312	0