我国金融支持与集群发展的相关性研究

《我国金融支持与集群发展的相关性研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、我国金融支持与集群发展的相关性研究　　：本文利用20002010年全国6个代表性城市的相关数据，通过建立面板数据模型，对金融支持和产业集群间的长期均衡关系进行了实证分析。结果表明：1、金融相关比率对于集群发展的作用大于投资转化比率。2、六个地区的金融支持与集群发展关系表现出了一定的差异性，其中北京、苏州集群发展受金融支持变量的影响很显著；长沙、西安的集群发展与金融相关比率关系显著，但与投资转化比率的相关性为负；重庆、武汉的集群发展与金融支持变量的相关性虽为正，但效果不明显。最后根据以上的区域性差异特征，提

2、出了相关的政策建议。　　Abstract：Usingnationalsixrepresentativecities'relevantdatafrom2000to2010，thelong-runequilibriumrelationshipbetpiricalanalysisthroughtheestablishmentofpaneldatamodel.Theresultsshoentconversionratiofortheroleofclusterdevelopment.2，therelationshi

3、pbetentinsixareasshoedifferences，andclusterdevelopmentinBeijingandSuzhouaffectedbythefinancialsupportvariableisverysignificant；therelationshipbetentinChangsha，Xi'anandfinancialinterrelationsratioissignificant，butitisnegativeentconversionratio；althoughthec

4、orrelationbetentinChongqingandendationsent；paneldatamodel；analysisoflong-runequilibriumrelationship；policyremendations　　：F8：A：1006-4311（2013）07-0149-02　　0引言　　产业集群作为一种中间性组织，具有自身的交易优势与信息优势，在引导地区优势产业、壮大地方经济和增加就业方面发挥着越来越重要的作用。加快产业集群发展已成为我国区域经济发展的重要政策导向。从产业集群发

5、展的一般规律来看，无论是政策主导型的产业集群还是市场自发型的集群形成，都离不开金融体系的支持。金融支持与集群发展之间的相关性问题成为学术界关注的焦点问题。　　1模型设定与指标选择　　1.1模型假定由于金融支持对于集群发展既体现在结构层面上，又体现在效率层面上，所以本文借鉴王旭红（2009）的选取标准，以金融相关比率和投资转化系数作为衡量区域金融发展的主要指标。以区位商作为区域集群发展的衡量指标，利用经典回归分析建立以下数据模型：　　LQmn=c+α1firmn+α2tzzhmn+&

6、alpha;3zfgymn+α4fdimn+εmn（1）　　式中：　　LQ代表区位熵，用来衡量六个地区的集群发展水平。本文把六个地区LQmn排名前10的优势产业加总取其平均值，记为LQ。　　fir代表金融相关比率。fir=各地区金融机构的存贷款总额（F）/当地的GDP（n为误差项。　　1.2各变量面板数据的统计性分析本研究主要采用六个地区2000年到2010年的面板数据，来检验近年来金融发展对产业集群的影响。本文的数据主要有：（1）《中国工业经济统计年鉴》（2000年-2010

7、年）；（2）《新中国六十年统计资料》；（3）《陕西统计年鉴》；（4）《陕西省金融年鉴》（2000年-2010年）；（5）《中国财政统计年鉴》（2000年-2010年）；（6）《重庆统计年鉴》（2000年-2010年）；（7）《四川统计年鉴》（2000年-2010年）；（8）《江苏统计年鉴》（2000年-2010年）；（9）《北京统计年鉴》（2000年-2010年）；（10）《湖南统计年鉴》（2000年-2010年）；（11）《湖北统计年鉴》（2000年-2010年）。　　2实证分析　　金融支持与集群发展之

8、间的长期协整关系检验：本文在进行模型设定时，假设了金融支持和集群发展存在着长期协整关系。因此实证分析的第一步，应对这一假设进行检验。本部分运用面板协整关系的方法来检验各变量之间的长期关系。而面板协整关系检验方法的前提是单位根单阶同整，因此在协整关系检验之前先要进行各变量面板数据的单位根检验。　　①面板数据的单位根检验：面板数据的单位根检验，是在综合时间序列与横截面的基础上，对宏观数据的平稳性的检验。本文运用Eviedash;基