金融集聚与宏观投资——基于分位数回归和中介效应模型的实证分析

阮素梅 张 盟

(安徽财经大学 金融学院,安徽 蚌埠 233030)

一、引言及文献综述

进入新常态以来，中国经济从高速增长阶段进入了高质量发展阶段。作为衡量经济发展质量的重要指标，宏观投资效率反映了资本的利用效率和配置水平(Bai et al.，2006)。在中国，从2000年每单位投资可带来0.29单位gdp增加额，到2008年变为每单位投资带来0.36单位gdp增加额，但是到2018年又变为每单位投资带来0.22单位gdp增加额。(1)数据来源于2000—2018年中国统计年鉴和中经网统计数据库。可以看出，近年来，宏观投资效率呈现递减趋势。这是由于资本配置错位导致了全要素生产率损失和利用转化能力降低(季书涵，2016；许捷，2017)，有些地方和行业甚至同时出现了投资不足和投资过度现象，造成低效投资。根据适度投资规模判别标准，投资增长率在整体上要与国民收入增长率保持一致，但中国的资本形成总额增长率在2000年为8.99%，GDP增长率为10.73%；2008年增加为23.42%，GDP增长率为18.20%；2018年降低为12.49%，GDP增长率为10.47%。(2)数据来源于2000—2018年中国统计年鉴和中经网统计数据库。总的来看，两者差距虽然有所缩小，但是投资增长率仍略高于国民收入增长率，宏观投资规模仍处于过度扩张状态。作为金融发展到一定程度的重要现象，金融集聚所产生的规模经济效应(Park，1985)和信息扩散效应(Porteous，1995)能否有效优化资本配置，提高投资效率和抑制投资规模的过度扩张；技术创新在金融集聚影响宏观投资的过程中是否具有中介效应以及效应水平有多高。深入研究这些问题，对于正确理解转变经济发展模式，提高中国经济发展质量，适应经济新常态具有重要意义。

现有关于金融集聚对投资影响的研究主要集中在企业投资方面，结论却有着较大差异。早期的研究认为，金融集聚具有规模经济效应、信息扩散效应和资本配置效应，并据此有效促进企业投资规模的扩张。如，Filippo et al.(2012)认为，金融市场可以在集聚区域内提高金融资源利用率的同时降低投资风险和流动性风险，进而缓解企业投资中高风险项目的融资需求。李林等(2011)从信息扩散效应和规模经济效应的角度出发，利用空间计量模型证实银行业、证券业和保险业集聚均能产生明显的正效应，且银行业集聚的效应水平最高。李青原等(2013)基于中国省级工业行业数据进行研究，发现金融的发展与集聚能够提高资本配置效率进而影响企业投资。此外，刘军等(2007)、Keith et al.(2012)、尹福禄等(2018)等的研究也支持上述观点。还有一些研究提出关于金融集聚的要素拥挤理论，认为随着金融集聚程度的不断加深，在超过某个阈值后，金融集聚反过来会对企业投资产生显著的抑制作用。如，唐根年等(2009)认为，过度的金融集聚不仅不能促进实业投资，反而会因为阻碍实业投资，影响经济发展。Juan(2014)研究发现，过度的金融集聚会形成虚假的市场繁荣，导致企业过度关注短期投资，进而忽略长期投资。此外,Solomom(2002)、Freeman (2010)、张成思等(2016)等的研究也为金融集聚的要素拥挤理论提供了支持。

关于金融集聚对技术创新的影响，目前学术界也尚未有一致结论，主要有以下三种观点：第一，金融集聚有利于提高技术创新水平。如，Levine(1996)从金融功能角度进行研究，认为金融集聚一方面可以降低金融机构的经营成本和信息搜集成本，减少企业道德风险，另一方面可以在集聚区域内利用丰富的金融资源和快速的信息传递促进技术扩散，从而提高技术创新水平。Chowdhury et al.(2012)认为，金融集聚能提高金融机构对企业潜力的识别能力，为具有创新能力的企业提供资金支持，从而促进技术创新。第二，金融集聚对技术创新具有抑制效应。如，黎杰生等(2017)认为，金融集聚虽然对经济增长具有促进作用，但是会引起集聚区域内金融机构的过度竞争，造成资源浪费和成本效应，从而对技术创新产生负效应。周天芸等(2012)以香港地区为例进行实证分析，发现金融集聚所引发的行业垄断会在一定程度上对技术创新产生排斥作用。第三，金融集聚具有异质性。如，Rioja et al.(2004)通过对不同发展水平的国家进行实证检验，发现金融集聚对技术创新的影响与本国发达程度相关，在发达国家表现为促进作用，在不发达国家则没有明显影响。李胜旗等(2017)发现不同行业的金融集聚对技术创新的影响具有差异性，银行业和证券业表现为正向促进效应，而保险业则表现为逆向挤出效应。

综上，可以发现，已有文献证实金融集聚能够显著影响企业投资和技术创新，但是缺乏有关金融集聚能否影响宏观投资以及对宏观投资的作用机制的研究。由此，本文从金融集聚角度出发，考察其对宏观投资规模和宏观投资效率的作用效果，并在此基础上引入技术创新这一中介变量，分析其在金融集聚影响宏观投资过程中的传递效率，以期能为提高投资效率、实现经济高质量发展和适应经济新常态提供一条新的研究思路。

二、模型设定、变量及数据说明

(一)模型设定

1.基准计量模型

参照于斌斌(2017)的研究，为了检验金融集聚对宏观投资的影响，运用OLS建立基准计量模型：

Yijt=α0+βfinit+∑δjCtrlijt+εit

(1)

其中：下标i和t分别代表变量所属的年份和省份；Yijt代表被解释变量，包括宏观投资规模(lncapitalit)和宏观投资效率(1/icorit)；finit代表核心解释变量金融集聚；Ctrlijt代表控制变量；εit代表随机扰动项。

2.分位数回归模型

由于OLS的误差项的正态分布假设在很多情况下与现实不符，因此，本文参照张召华等(2019)使用分位数回归模型作为基准模型的对照组检验其稳健性，同时也可以进一步分析金融集聚对宏观投资的效应水平是否会随着规模扩张和效率提高而发生变化。模型设定如下：

Fq[Yijt|Git(fin)]=Git(fin)βq

(2)

其中：q代表分位点；Git(fin)代表影响被解释变量宏观投资的因素，包括金融集聚在内的核心解释变量和其他控制变量；Fq[

Yijt|Git(fin)]代表在各影响因素确定的情况下，被解释变量宏观投资在q分位点上的数值；βq代表核心解释变量和其他控制变量在q分位点上的回归系数。

为了估计βq，需要解决最小化问题：

(3)

其中，n表示样本量。为了更好地了解整个条件分布的全貌，参照秦放鸣等(2020)的做法，本文选取0.10、0.25、0.50、0.75和0.90五个分位点进行估计检验。

3.中介效应模型

为了进一步研究金融集聚对于宏观投资的作用路径，本文使用技术创新作为中介变量，参照钱雪松等(2015)对中介效应的检验流程，将基准模型式(1)扩展为如下的中介效应递推回归模型：

第一步:

Yijt=α1+cfinit+∑δjCtrlijt+ε1it

(4.1)

第二步:

lntechit=α2+afinit+∑δjCtrlijt+ε2it

(4.2)

第三步：

Yijt=α3+c1finit+blntechit+∑δjCtrlijt+ε3it

(4.3)

其中，lntech代表技术创新水平。第一步是检验金融集聚是否对宏观投资具有显著影响，影响系数记为c；第二步是考察金融集聚对技术创新的影响水平，影响系数记为a；第三步是探究金融集聚和科技创新是否能够同时对宏观投资产生影响，影响系数分别为记为c1和b。若a、b和c同时通过显著性检验，则存在中介效应。同时，若c1未通过显著性检验，则此中介效应为完全中介效应；若c1通过显著性检验且c1

(二)变量说明

1.被解释变量：宏观投资规模(lncapital)和宏观投资效率(1/icor)

参照黄先海等(2011)，本文以更为准确的资本形成总额来衡量宏观投资规模，为了保持数据平稳性取其对数，符号记为lncapital。已有研究主要使用资本收益率、资本产出比和边际资本产出比三种宏观投资效率度量方法(Bai et al.，2006；许捷 等，2017；柏培文 等，2017)，本文以使用最广泛且最具有代表性的边际资本产出比(icor)作为宏观投资效率的衡量指标。该指标为投资规模与产出增量的比值，表示增加一单位总产出所需要的投资，其计算公式为：

icorit=capitalit/(gdpit-gdpit-1)

(5)

其中，icorit是i省份在t年份的宏观投资效率，capitalit是i省份在t年份的投资总量，gdpit-gdpit-1是i省份在t年份的总产值增量。icor的值越大，表示增加一单位的总产出所需要的投资量越大，宏观投资效率就越低。为了便于观察，本文采用边际资本产出比的倒数(1/icor),即投资效果系数，作为宏观投资效率的衡量指标，1/icor的值越大，表示宏观投资效率越高。

2.核心解释变量：金融集聚(fin)

本文选取最常用的区位熵方法对金融集聚进行衡量。区位熵既能反映金融业在空间上的集聚水平，又能反映各省份金融业的专业化程度以及该省份金融业在全国的地位和作用。区位熵的计算方法为:

finit=(fgdpit/gdpit)/(∑fgdpit/∑gdpit)

(6)

其中，fgdpit是i省份在t年份的金融业增加值，gdpit是i省份在t年份的国内生产总值。fin>1，表示该地区的金融集聚高于同时期全国平均水平；fin<1，表示该地区的金融集聚低于同时期全国平均水平。

3.中介变量：技术创新(tech)

技术创新的指标种类较多，万建香等(2016)、胡珺等(2020)以R&D经费支出或专利申请授权数量作为技术创新指标，但是这两个指标仅能从单一角度分别反映技术创新的投入水平和产出水平。技术市场既是一个地区技术创新的要素供应市场，也是该地区技术创新成果的转化市场，相对于R&D经费支出和专利申请授权数量来说，技术市场成交额更能综合反映一个地区的技术创新水平。因此，本文以技术市场成交额来衡量一个地区的整体技术创新水平，并对其进行对数化处理(lntech)。

4.控制变量

消费水平(consume):市场会根据消费者的消费规模、消费结构和偏好自动调节投资，参照张伟等(2020)，本文以各省份的社会消费品零售总额衡量消费水平。

交通信息水平(transport):交通运输能力的高低和信息传递的快慢直接关系到投资规模的扩张和投资效率的提升，参照唐建荣等(2016)，本文以各省份的交通运输、仓储和邮政业增加值衡量交通信息水平。

经济发展水平(pgdp)：一个地区经济发展水平高低和经济增长模式会对投资规模和效率产生重要影响，参照庄毓敏等(2020)，本文以各省份剔除人口影响因素的人均gdp衡量经济发展水平。

政府干预(gover):地方政府为了提高总产值会对经济进行干预，引导资源配置和流向，参照焦勇等(2019)，本文以各省份的财政支出规模衡量政府干预。

人力资源素质(education)：高素质的人力资源能够吸引投资，优化资本配置，提高投资效率，参照庄毓敏等(2020)，本文以各省份普通本专科毕业人数衡量人力资源素质。

为了降低数据的波动，保持平稳，消除异方差，本文对上述控制变量均进行对数化处理。

(三)数据来源

本文所选取30个省份的平衡面板数据(因西藏地区部分数据缺失，未进行统计)，时间跨度为2013—2017年，所有原始数据均来源于国家统计局和中经网统计数据库。

变量的描述性统计见表1。

表1 变量的描述性统计

三、实证结果

(一)数据的平稳性检验

对建立的模型进行回归估计之前，需要对所选取的变量进行面板单位根检验，保证数据的平稳性，避免出现“伪回归”现象。由于现有的各类面板单位根检验方法存在一定差异，本文同时使用LLC、IPS、Fisher-ADF和Fisher-PP四种检验方式综合判断检验结果。检验结果如表2所示，除IPS和Fisher-PP的部分变量不显著外，其余变量均显著通过稳健性检验，因此，可以基本认定本文所选取的所有变量均为平稳时间序列，不存在“伪回归”现象。

表2 平稳性检验结果

(二)基准回归和分位数回归结果

先利用模型(1)就金融集聚对宏观投资的影响进行基准回归。为了进一步分析宏观投资规模扩张和宏观投资效率递减过程中金融集聚对其影响水平是否发生变化，再选取0.10、0.25、0.50、0.75和0.90五个分位点利用模型(2)进行分位数回归，对照检验基准模型结果的稳健性以及在不同分位点上影响水平的差异。结果如表3和表4所示。

表3 金融集聚对宏观投资规模的影响

表4 金融集聚对宏观投资效率的影响

表3的结果显示，在模型(1)中，金融集聚的回归系数为-0.1831，并通过1%的显著性水平检验，表明金融集聚能够明显地抑制宏观投资规模的扩张。这是因为金融集聚会带来更丰富的金融资源和更强大的金融机构协作能力，引导资金的合理配置，在投资过度的情况下，企业和机构为得到较高的资本回报率和避免资源浪费，会减少投资，并将多余的资金投向消费等其他经济领域，造成整体投资规模的收缩。控制变量中，消费水平、交通信息水平、经济发展水平、政府干预和人力资源素质的回归系数分别为0.2615、0.1889、0.2295、0.3546和0.0747，均在1%的水平下显著，表明消费水平、交通信息水平、经济发展水平、政府干预和人力资源素质都能够有效促进宏观投资规模的增长。同时，政府干预的系数大于其他四个变量，表明政府干预对于宏观投资规模产生的正效应远高于消费水平、交通信息水平、经济发展水平和人力资源素质。这是由于相对于其他因素，政府干预具有强大的社会影响力，任何一项经济政策或指导规划的出台都会在短时间内对整个社会经济造成重要大影响。

在模型(2)中，各变量系数的符号和显著性与模型(1)的完全相同，金融集聚在0.10、0.25、0.50、0.75和0.90的分位点上的回归系数分别为-0.2258、-0.1999、-0.1879、-0.1827和-0.1864，均在1%的水平下显著，表明随着宏观投资规模的扩张，金融集聚的抑制效应在整体水平上呈现缓慢下降趋势，其中0.10分位点上作用效果最强，同时表明模型(1)的回归结果可靠性较高。之所以出现这种现象，是因为投资规模越大的地区往往经济发展水平也越高，金融市场的自发调节机制也就越完善，能够保持适度的投资增长，在这种情况下，就不再需要金融集聚对投资规模进行抑制，影响系数也就逐渐降低。这与近年来中国宏观投资规模仍处于过度扩张状态，但扩张速度逐渐减缓的国情相符合。

表4的结果显示，在模型(1)中，金融集聚的影响系数为0.0483，在1%的水平下通过显著性检验，表明金融集聚能够明显促进宏观投资效率的提高。这是由于金融集聚的信息扩散效应和规模经济效应能够有效实现资本的合理配置，减少资本浪费，提高资本的使用效率和宏观投资效率。控制变量中，消费水平、交通信息水平、经济发展水平、政府干预和人力资源素质的回归系数分别为-0.0181、0.0420、-0.0422、-0.0929和0.0673，除消费水平没有通过显著性检验外，其他四个变量都在1%的水平下显著，表明消费水平对于宏观投资效率无明显影响，交通信息水平和人力资源素质能够有效提高宏观投资效率，但是经济发展水平和政府干预则会对宏观投资效率产生严重的负效应。这是因为中国存在不合理的经济发展模式，片面地追求提高总投资和总产出，忽略资源的使用效率和配置效率，严重抑制了宏观投资效率的提高。这与中国目前产出总量和投资高速增长但投资效率递减的国情一致。另外，地方政府通过各种手段引导经济增长，干预资源流向和配置，破坏了市场的自动调节机制，不利于投资效率水平的上行。同时，由于政府干预的重大社会影响力，在所有的变量中，政府干预系数绝对值最大，影响水平最高。

各变量在模型(2)和模型(1)中的回归系数的符号和显著性情况完全相同，金融集聚在0.10、0.25、0.50、0.75和0.90分位点上的回归系数分别为0.0340、0.0315、0.0590、0.0644和0.0384，除0.10分位点的回归系数通过5%的显著性水平检验外，其余四个分位点的回归系数均在1%的水平下显著，表明金融集聚的促进效应随着宏观投资效率的提高在整体上呈现先上升后下降的趋势，同时表明模型(1)的回归结果具有较高可靠性。宏观投资效率的提高意味着经济发展质量和部门协作效率的提高，在这种情况下，金融集聚的促进效应得到加强，但随着宏观投资效率提高到一定程度(0.75分位点)时，金融集聚对于宏观投资效率的影响开始呈现边际递减趋势，陷入了一个衰减瓶颈，需要引入其他要素才能继续提高宏观投资效率。

(三)分样本回归结果

为了考察在不同地理位置下金融集聚对于宏观投资的影响差异，根据国家统计局的划分，本文将所选取的30个省份细分为东部、中部和西部地区，使用模型(1)进行分样本回归，回归结果见表5。

表5 金融集聚对宏观投资的影响：分地区

表5的结果显示，在对于宏观投资规模的回归中，金融集聚在东部地区的回归系数为-0.2025，通过1%的显著性水平检验；在中部地区的回归系数为-0.1737，通过5%的显著性水平检验；在西部地区的回归系数为-0.0243，未通过显著性检验。这表明东部和中部地区的金融集聚都会对宏观投资规模过度扩张产生显著的抑制效应，且东部地区的抑制效应大于中部地区，而西部地区没有明显影响。之所以出现这种现象，主要原因是中国西部地区的金融业发展缓慢，金融资源稀缺，还没有形成一定水平的金融集聚效应，对宏观投资规模没有明显影响，而东部地区的金融资源最为丰富，金融集聚程度最大，影响系数的绝对值也比中部地区更高。

在对宏观投资效率的回归中，金融集聚在东部地区的回归系数为0.0600，通过1%的显著性水平检验；在中部地区的回归系数为-0.0574，没有通过显著性检验；在西部地区的回归系数为-0.0526，通过10%的显著性水平检验。这表明金融集聚在东部地区可以有效提高宏观投资效率，在中部地区没有明显影响，在西部地区则有一定抑制作用。产生这种现象的原因可能是，中部地区的金融集聚水平低于东部地区，金融集聚对于宏观投资效率的促进效应受到削弱，影响效果变得不显著；西部地区金融发展水平很低，没有形成有效的空间集聚效应，在无效空间集聚和落后经济发展模式的双重作用下，金融集聚的系数符号由正转负，对宏观投资效率具有一定抑制效应。此外，在高水平的金融集聚和高级的产业结构及经济发展模式的多重作用下，东部地区金融集聚对宏观投资效率产生的效应大于全国平均水平，其系数也大于全国的0.0483。

对表5进行综合分析可以发现，随着金融资源富裕度和金融集聚水平在东、中、西部地区的逐渐降低，金融集聚对于宏观投资的总效应也呈现规律性的递减趋势。为了进一步验证上述规律是否与金融集聚水平有关以及考察金融集聚是否只有在较高水平下才能影响宏观投资，根据区位熵的定义，本文选择数值1作为分界点将样本划分为低水平金融集聚(fin<1)和高水平金融集聚(fin≥1)两类，重新进行分样本检验，结果如表6所示。

表6 金融集聚对宏观投资的影响：分聚集水平

表6的结果显示，金融集聚在低水平下，对宏观投资规模的影响系数为0.0327，对宏观投资效率的影响系数为-0.0053，均未通过显著性检验，而在高水平下，对宏观投资规模和宏观投资效率的影响系数分别为-0.3080和0.0588，均在1%的水平下高度显著。这表明，只有在形成有效集聚或者集聚水平较高的情况下，金融集聚才能显著地提高宏观投资效率和抑制宏观投资规模过度扩张，由此验证了金融集聚对于宏观投资的综合效应在东、中、西部地区呈现规律性的递减趋势是由金融资源的富裕度和金融集聚水平递减决定的。此外，这也导致相对于全样本回归，在fin≥1情况下的金融集聚对宏观投资规模和宏观投资效率的影响系数绝对值更大，边际效应更高，对宏观投资的综合效果更好。

(四)中介效应检验结果与作用机制分析

在确定金融集聚对宏观投资规模和宏观投资效率都具有明显影响之后，为了进一步考察金融集聚是否会通过技术创新这一变量间接影响宏观投资，对金融集聚影响的传导机制进行中介效应检验，并使用Sobel统计值进行二次检验，以保证中介效应检验结果的稳健性，检验结果如表7所示。

表7的结果显示，模型(4.1)与模型(1)相同，表明金融集聚能够有效提高宏观投资效率和抑制宏观投资规模过度扩张，对宏观投资规模和宏观投资效率的影响系数分别为-0.1831和0.0483。在模型(4.2)中，金融集聚对于技术创新的影响系数为1.0962，并在1%的水平下通过显著性检验，表明金融集聚能够显著地提高技术创新水平。在模型(4.3)中，技术创新对宏观投资规模的影响系数为-0.0510，在1%的水平下高度显著，同时金融集聚对宏观投资规模的影响系数显著地降低为-0.1271，而技术创新对宏观投资效率的影响系数为0.0100，在5%的水平下显著，同时金融集聚对宏观投资效率的影响系数显著地降低为0.0373，说明技术创新在金融集聚影响宏观投资的过程中有着显著的部分中介效应。通过对影响系数的研究发现，金融集聚每提高1个单位，技术创新就会提高1.0962个单位，而技术创新每提高1个单位，就会使得宏观投资规模降低0.0510个单位和宏观投资效率提高0.0100个单位。所以，金融集聚每提高1个单位，就可以通过技术创新降低0.0559个单位的宏观投资规模和提高0.0110个单位的宏观投资效率，两者的中介效果量分别为30.53%和22.77%，即金融集聚对宏观投资规模和宏观投资效率的作用效果分别有30.53%和22.77%是通过技术创新这一中介变量来实现的。对中介效应进行二次检验的Sobel统计量表明，上述中介效应检验结果是稳健的。

表7 中介效应检验结果

为了进一步研究在金融集聚影响宏观投资的过程中，技术创新是否会因为自身质量层次的差异而导致其作为中介变量传递效率的不同，参照张璇等(2019)，本文选取专利申请授权数量作为衡量技术创新的指标。按照所能产生的实际价值，将发明专利和实用新型专利归入高等层次技术创新，将外观设计专利归入低等层次技术创新，同时使用整体专利申请授权数量作为中等层次技术创新的代表，对数化处理后，重新使用模型(4)对三个层次的技术创新进行中介效应检验，结果如表8所示。

表8的结果显示，在第二步中，金融集聚对低等层次技术创新的影响系数为0.6633，对中等层次技术创新的影响系数为0.5519，对高等层次技术创新的影响系数0.4972，均通过1%水平的显著性检验。因此，金融集聚每提高1个单位，低等、中等和高等层次技术创新会分别显著提高0.6633、0.5519和0.4972个单位，表明随着质量层次的提高，金融集聚对技术创新的正效应呈现规律性递减趋势。这可以从技术创新的投入和产出角度进行解释。一方面，技术创新的层次越高，所需要的资金和时间投入也就越多；另一方面，其产出周期也越长，所需要的审核流程也越严格，从而导致金融集聚对技术创新的促进效应逐步降低。

表8 技术创新中介效应的异质性检验

在第三步中，加入技术创新这一中介变量之后，金融集聚对宏观投资的边际效应均有所减弱，除了低等层次技术创新对宏观投资规模的中介效应未通过相应检验之外，其余均存在显著的部分中介效应。综合观察可以发现，在对宏观投资规模的传递效应过程中，低等层次技术创新不存在中介效应，中等层次和高等层次技术创新的中介效果量分别为10.82%和21.10%，随着技术创新层次的提高，中介效应也从无到有并逐步增强。这可以从中介效应传递过程得到解释。观察第三步中技术创新影响系数可以发现，中等层次和高等层次的影响系数分别为-0.0359和-0.0777，表明高等层次技术创新对宏观投资规模过度扩张的抑制效应远高于中等层次。这是由于高质量技术创新所带来的影响往往是全方位和深层次的，尖端科技每一次突破都会推动经济大步前进，从而进一步提高了技术创新作为中介变量的传递效率。在对宏观投资效率的传递效应过程中，低等层次、中等层次和高等层次技术创新的中介效果量分别为46.28%、47.88%和6.68%，也就是说，随着技术创新层次的提高，中介效应先增强后减弱。这是由于高层次技术创新能够反向影响金融集聚，提高金融资源的利用率和金融机构的运作效率，优化金融生态环境，导致金融集聚能够更直接有效作用于宏观投资效率，从而减少中介变量的间接传导效应。

四、稳健性检验

为了进一步检验实证分析结果的可靠性，本文进行了下列稳健性检验：首先，使用全社会固定资产投资完成额(刘仁和 等，2018)对宏观投资规模重新进行衡量,利用式(5)再构建宏观投资效率的衡量指标，按照中介效应检验流程回归；其次，中国人民银行在2015年多次降息并不断放开存款利率浮动上限，金融市场结构开始出现了进一步优化，为了考察这些因素是否影响实证结果的稳健性，剔除2015年之后的数据重新进行实证检验。结果如表9和表10所示，这两种稳健性检验方式的回归结果均为前文结论的可靠性提供了支持。

表9 稳健性检验(全社会固定资产投资完成额)

(续表9)

表10 稳健性检验(2003—2014)

五、结论和建议

本文基于2013—2017年30个省份的面板数据，利用分位数回归模型和中介效应模型进行实证检验，深入考察金融集聚对中国宏观投资的影响及技术创新在其中的中介效应，并在此基础上就技术创新的中介效应是否因为创新层次而具有异质性进行更深层次的分析。结果表明：

首先，整体上看，金融集聚在促进宏观投资效率提升的同时能够有效抑制过度膨胀的宏观投资规模，且金融集聚只有达到较高水平才能影响宏观投资，因此其在东部地区的综合效应最强，并在东、中、西部地区呈现规律性递减趋势。

其次，金融集聚的效应水平会随着投资规模和投资效率的提升而变动，对宏观投资规模的抑制作用随着规模扩张而在整体上逐渐减弱，对宏观投资效率的促进作用随效率提高而在整体上先升后降。

最后，技术创新在金融集聚影响宏观投资的过程中具有显著的部分中介效应，且小于直接效应，技术创新对宏观投资规模和宏观投资效率的中介效果量分别为30.53%和22.77%。但是，技术创新的中介效应会因为创新层次不同而发生变化，对宏观投资规模的中介效应随着创新层次的提升从无到有并逐步增强，对宏观投资效率的中介效应随着创新层次的提升先升后降。综合来看，中等层次技术创新传递效率最高。

基于上述结论，提出如下建议：

第一，继续提高金融发展水平，形成有效金融集聚，发挥其对宏观投资的积极效应。一方面，在全国范围内加强各地金融中心核心区域的载体建设，建立多元化的金融服务机构，以丰富金融业态，培养高端金融人才以增强人力资源素质，扩大与外地金融机构的交流和合作，提高金融集聚水平，发挥其对宏观投资的积极作用。另一方面，中、西部地区除了加强自身金融建设外，还需要在资金和制度等方面得到政策倾斜，吸引外地金融机构入住和外地金融专业人才流入，以加快金融集聚的速度，缩小与东部地区的差距。

第二，继续优化金融生态环境，消除金融集聚对宏观投资的效应瓶颈。大力推动信息技术与金融产业的融合，继续深化金融体制改革，加大金融监管力度，建设完善信用体系，以优化金融生态环境，使金融集聚在宏观投资效率不断提高的情况下仍能对其有促进作用。

第三，继续支持技术创新，增强对宏观投资的中介效应和传递效率。一方面，政府部门需要为重大科研项目提供资金和政策支持，鼓励企业与高等院校开展研究合作，鼓励各类社会主体建立科研机构，金融机构也需要为科技型企业扩大信贷额度和提供增值服务，以保证技术创新来源的稳定。另一方面，在加大对高等层次技术创新支持力度的同时，也要兼顾对中低等层次技术创新的投入，推动技术创新的多层次协调发展。