金融发展引擎：长三角城市群经济增长的深度剖析与实证研究

金融发展引擎：长三角城市群经济增长的深度剖析与实证研究一、引言1.1研究背景与意义在经济全球化和区域一体化的大背景下，城市群作为区域经济发展的重要载体，在国家经济体系中占据着关键地位。长三角城市群作为我国经济最发达、最具活力的地区之一，在推动全国经济增长和创新发展中扮演着重要角色。2023年，长三角城市群以占全国约3.7%的土地面积，承载了全国约16%的人口，创造了全国约24%的GDP，已然成为我国经济发展的重要引擎。其经济的快速发展离不开金融的有力支持，金融体系在促进资本积累、优化资源配置、推动技术创新等方面发挥着不可或缺的作用。金融发展与经济增长之间的关系一直是经济学领域的研究热点。从理论层面来看，金融发展通过多种机制影响经济增长。在资本积累方面，完善的金融体系能够动员社会闲散资金，将储蓄有效地转化为投资，为经济增长提供资金支持。例如，银行通过吸收居民存款，将资金贷给企业用于扩大生产、购置设备等，促进了资本的形成和积累。在资源配置方面，金融市场能够根据企业的效益和发展前景，将资金引导至最具效率的行业和企业，提高资本的使用效率，推动产业结构的优化升级。如股票市场通过价格机制，使得资金流向业绩优良、创新能力强的企业，促进了资源的合理配置。在技术创新方面，金融体系为创新企业提供融资渠道，支持其研发活动，加速科技成果的转化和应用，从而推动经济的长期增长。风险投资市场对高新技术企业的投资，为企业的技术创新提供了资金保障，促进了新技术、新产品的开发和应用。长三角城市群在金融发展方面也取得了显著成就，金融市场规模不断扩大，金融机构种类日益丰富，金融创新层出不穷。上海作为国际金融中心，拥有完备的金融市场体系，包括股票、债券、期货、外汇等市场，吸引了众多国内外金融机构的入驻。2023年，上海证券交易所的股票总市值位居全球前列，债券市场的发行量和交易量也持续增长。与此同时，长三角地区的其他城市，如杭州、南京、苏州等，金融发展也各具特色。杭州的互联网金融发展迅速，以蚂蚁金服为代表的互联网金融企业在支付结算、小额贷款、投资理财等领域进行了大量创新，推动了金融服务的普惠化和便捷化；南京的金融科技产业发展态势良好，金融科技企业在区块链、人工智能、大数据等技术在金融领域的应用方面取得了积极进展，提升了金融机构的服务效率和风险管理能力。然而，尽管长三角城市群在经济和金融发展方面取得了显著成就，但在金融发展对经济增长的影响机制、不同城市间金融发展的协同效应以及金融发展如何更好地服务于实体经济等方面，仍存在许多问题亟待深入研究。深入探讨金融发展对长三角城市群经济增长的影响，具有重要的理论和现实意义。在理论意义方面，有助于深化对金融发展与经济增长关系的认识。以往的研究大多基于国家层面或单个城市，对城市群这一特殊区域的研究相对较少。长三角城市群作为我国经济发展的前沿阵地，其金融发展与经济增长的实践具有独特性和典型性。通过对长三角城市群的研究，可以丰富和完善区域金融发展理论，进一步揭示金融发展在区域经济增长中的作用机制，为其他地区提供有益的理论借鉴。在现实意义方面，对制定区域金融政策具有重要的指导作用。通过深入分析金融发展对长三角城市群经济增长的影响，可以为政府部门制定科学合理的金融政策提供依据。政府可以根据研究结果，有针对性地加强金融市场建设，优化金融资源配置，提高金融服务实体经济的能力，促进金融与经济的协调发展。研究结果也有助于金融机构更好地了解市场需求，创新金融产品和服务，提升自身竞争力，为长三角城市群的经济增长提供更有力的金融支持。1.2研究目标与问题本研究旨在深入剖析金融发展对长三角城市群经济增长的影响机制，具体研究目标如下：量化金融发展对长三角城市群经济增长的影响程度：通过构建科学合理的计量模型，运用相关数据，精确测度金融发展各指标，如金融规模、金融效率、金融结构等对长三角城市群经济增长的贡献程度。明确金融发展在长三角城市群经济增长中所起作用的大小，为后续分析提供量化依据。揭示金融发展影响长三角城市群经济增长的内在机制：从资本积累、资源配置、技术创新等多个角度，深入探讨金融发展如何作用于长三角城市群的经济增长。分析金融体系如何通过促进储蓄向投资的转化，为企业提供充足的资金支持，从而推动资本积累；研究金融市场如何通过价格信号和竞争机制，引导资源流向效率更高的行业和企业，实现资源的优化配置；探究金融机构如何为创新企业提供融资渠道，支持其研发活动，进而促进技术创新，最终推动经济增长。比较长三角城市群内不同城市金融发展对经济增长影响的差异：考虑到长三角城市群内各城市在经济基础、产业结构、金融发展水平等方面存在差异，对不同城市金融发展对经济增长的影响进行比较分析。找出金融发展对经济增长促进作用较为显著的城市，以及存在的问题和差距，为各城市制定差异化的金融发展政策提供参考。基于以上研究目标，本研究拟解决以下关键问题：长三角城市群金融发展与经济增长之间是否存在显著的因果关系：运用格兰杰因果检验等方法，验证金融发展是否是长三角城市群经济增长的原因，以及经济增长是否反过来促进金融发展。明确两者之间的因果方向，对于理解金融发展与经济增长的相互作用机制具有重要意义。金融发展的不同方面，如金融规模、金融效率和金融结构，对长三角城市群经济增长的影响有何差异：分别从金融规模的扩张、金融效率的提升和金融结构的优化等角度，分析它们对长三角城市群经济增长的不同影响。探究金融规模的扩大是否必然带来经济增长，金融效率的提高如何更有效地促进经济增长，以及金融结构的调整对经济增长的作用机制，为优化金融发展提供方向。在长三角城市群一体化背景下，金融协同发展对经济增长的促进作用如何体现：随着长三角城市群一体化进程的加速，金融协同发展成为趋势。研究金融协同发展在促进区域内资金流动、优化资源配置、推动产业协同发展等方面对经济增长的促进作用。分析金融协同发展过程中存在的障碍和问题，提出相应的政策建议，以提升金融协同发展对经济增长的贡献。金融发展如何更好地服务于长三角城市群的实体经济，推动产业升级：实体经济是经济增长的根基，研究金融发展如何精准对接长三角城市群实体经济的需求，为产业升级提供资金支持和金融服务。探讨金融机构如何创新金融产品和服务，满足不同产业、不同规模企业的融资需求，促进产业结构的优化升级，增强实体经济的竞争力。1.3研究方法与创新点本研究综合运用多种研究方法，以确保研究的科学性、全面性和深入性。文献研究法：系统梳理国内外关于金融发展与经济增长关系的相关理论和实证研究文献。通过对经典理论如戈德史密斯的金融结构论、麦金农和肖的金融深化论以及内生金融理论等的深入研究，把握金融发展理论的演变脉络和核心观点。广泛搜集国内外学者针对不同地区、不同经济发展阶段的实证研究成果，分析其研究方法、数据选取和主要结论，为本文的研究提供理论基础和研究思路参考。通过对文献的梳理，发现现有研究在城市群金融发展与经济增长关系研究方面的不足，明确本文的研究方向和重点，避免重复研究，确保研究的创新性和价值。实证分析法：运用计量经济学方法，构建金融发展与经济增长关系的实证模型。选取长三角城市群27个城市2010-2023年的面板数据，包括金融规模、金融效率、金融结构等金融发展指标以及地区生产总值、人均收入等经济增长指标，同时控制产业结构、对外开放程度、政府干预等变量。通过单位根检验、协整检验等方法，确保数据的平稳性和变量之间的长期均衡关系。运用固定效应模型、随机效应模型等进行回归分析，估计金融发展各指标对经济增长的影响系数，量化金融发展对长三角城市群经济增长的影响程度。采用工具变量法、差分GMM等方法进行稳健性检验，以验证实证结果的可靠性。通过实证分析，揭示金融发展与长三角城市群经济增长之间的内在联系和作用机制，为政策制定提供数据支持和实证依据。案例研究法：选取长三角城市群中具有代表性的城市，如上海、杭州、南京、苏州等，深入分析其金融发展模式和经济增长路径。以上海为例，研究其作为国际金融中心，在金融市场建设、金融机构集聚、金融创新等方面的经验和做法，以及这些因素如何促进上海经济的高质量增长。分析杭州互联网金融的发展对当地创新创业和经济结构调整的推动作用，以及南京、苏州等城市在金融支持实体经济、产业升级方面的实践和成效。通过案例研究，总结成功经验和存在的问题，为长三角城市群其他城市提供借鉴和启示，同时也进一步丰富和验证实证分析的结果。本研究的创新点主要体现在以下几个方面：研究视角创新：以往关于金融发展与经济增长关系的研究多基于国家层面或单个城市，对城市群这一特殊区域的研究相对较少。本研究聚焦于长三角城市群，从区域一体化的视角出发，探讨金融发展对城市群经济增长的影响，分析城市群内不同城市金融发展的协同效应，为区域金融发展理论和城市群经济发展研究提供了新的视角。数据更新与拓展：运用最新的2010-2023年数据进行实证分析，相较于以往研究，数据更具时效性，能够更准确地反映当前长三角城市群金融发展与经济增长的现状和关系。不仅涵盖了传统的金融发展指标，还纳入了金融创新、金融科技等新兴指标，拓展了金融发展指标体系，使研究更全面地反映金融发展的内涵和对经济增长的影响。政策建议针对性强：结合实证分析和案例研究结果，针对长三角城市群金融发展存在的问题和经济增长的需求，提出具有针对性和可操作性的政策建议。从加强金融协同发展、优化金融资源配置、促进金融创新等多个方面，为政府部门、金融机构和企业提供决策参考，以推动长三角城市群金融与经济的高质量协同发展。二、理论基础与文献综述2.1金融发展理论金融发展理论旨在研究金融体系在经济发展中的作用，以及金融发展与经济增长之间的关系。其发展历程伴随着经济发展的实践和经济理论的演进，不同阶段的理论从不同角度阐述了金融发展对经济增长的影响机制。20世纪60年代，雷蒙德・W・戈德史密斯在《金融结构与金融发展》一书中提出金融结构论，认为金融发展就是金融结构的变化。他通过对35个国家近100年的资料研究和统计分析，确立了衡量一国金融结构和金融发展水平的基本指标体系，如金融相关比率（FIR），即金融资产总量占GDP的比重，用以说明金融在整个经济体系中的重要性。戈德史密斯的研究为金融发展理论奠定了基础，提供了重要的方法论参考和分析基础，明确了金融发展与经济增长关系问题的重要性和研究方向。20世纪70年代，罗纳德・I・麦金农和爱德华・S・肖分别出版了《经济发展中的货币与资本》和《经济发展中的金融深化》，从金融抑制和金融深化的角度，全面论证了金融和经济发展之间的相互关系，标志着金融发展理论的正式形成。麦金农提出金融抑制概念，指出发展中国家由于政府对金融体系和金融市场的过多干预，如对利率和汇率进行严格管制，导致金融制度与经济发展之间存在恶性循环。一方面，金融制度的落后阻碍经济发展；另一方面，经济发展的停滞又制约着金融发展。而金融深化则主张政府放弃对金融的过度干预，放松对利率和汇率的控制，使利率和汇率能真实反映资本市场的供求，从而促进金融体系本身的发展，形成金融与经济发展的良性循环。金融深化理论为发展中国家的经济增长提供了全新的思路，强调了金融自由化在经济发展中的重要性。20世纪90年代，随着信息经济学和新制度经济学的发展，金融发展理论有了新的突破。金融约束理论应运而生，该理论由Hellman、Murdock和Stiglitz等人提出。他们认为，在经济落后、金融深化程度低的发展中国家，政府对金融部门有选择性地进行干预，如控制存贷款利率、市场准入及竞争、限制资产替代等，以此在金融部门和生产部门创造租金，可以提高金融体系的运行效率。金融约束政策的目的不是与金融深化完全对立，而是在发展中国家金融市场不完善、信息不对称的情况下，发挥政府在市场失灵下的作用，促进金融深化，是金融深化理论的丰富与发展。在金融发展对经济增长的作用机制方面，主要通过以下几个方面实现：资本积累机制：完善的金融体系能够动员社会闲散资金，将储蓄有效地转化为投资，为经济增长提供资金支持。金融机构通过吸收居民存款，将资金贷给企业用于扩大生产、购置设备等，促进了资本的形成和积累。金融市场的发展，如股票市场和债券市场，也为企业提供了直接融资渠道，进一步推动了资本积累。企业通过发行股票和债券，可以筹集到大量资金，用于扩大生产规模、进行技术改造等，从而促进经济增长。资源配置机制：金融市场能够根据企业的效益和发展前景，将资金引导至最具效率的行业和企业，提高资本的使用效率，推动产业结构的优化升级。在股票市场中，投资者会根据企业的业绩、发展潜力等因素，选择购买那些具有良好发展前景的企业的股票，从而使资金流向这些企业。这种市场机制促使企业不断提高自身的经营效率和创新能力，以吸引更多的资金投入，进而推动整个产业结构的优化升级。风险管理机制：金融体系为经济主体提供了风险管理工具，帮助他们降低风险，促进经济的稳定增长。保险市场可以为企业和个人提供各种保险产品，如财产保险、人寿保险、责任保险等，帮助他们应对各种风险，如自然灾害、意外事故、疾病等。金融衍生品市场，如期货市场、期权市场等，也为企业和投资者提供了套期保值、风险管理的工具，帮助他们降低市场风险、利率风险、汇率风险等。技术创新机制：金融体系为创新企业提供融资渠道，支持其研发活动，加速科技成果的转化和应用，从而推动经济的长期增长。风险投资市场对高新技术企业的投资，为企业的技术创新提供了资金保障，促进了新技术、新产品的开发和应用。银行等金融机构也会为创新企业提供贷款支持，帮助他们解决资金短缺问题，推动技术创新的发展。这些理论为后续研究金融发展与经济增长的关系提供了坚实的理论基础，也为政策制定者提供了理论依据，指导他们通过制定合理的金融政策，促进金融发展，进而推动经济增长。2.2经济增长理论经济增长理论是经济学领域的重要理论分支，旨在探究经济增长的源泉、机制和影响因素，为理解经济发展过程提供理论框架。其发展历程丰富且多元，从古典增长理论到新古典增长理论，再到内生增长理论，每个阶段都蕴含着独特的见解和创新，对金融发展与经济增长关系的研究产生了深远影响。古典增长理论作为经济增长理论的奠基阶段，可追溯至18世纪亚当・斯密的《国富论》。斯密认为，分工和专业化是经济增长的核心驱动力，而资本积累则为分工的深化提供了必要条件。在分工的作用下，劳动者能够专注于特定任务，从而提高劳动生产率，促进经济增长。资本的积累使得企业能够购置更多的生产设备、扩大生产规模，进一步推动经济的发展。马尔萨斯在《人口原理》中提出人口增长与经济增长的关系，认为人口增长具有几何级数的特点，而食物生产的增长则相对缓慢，呈现算术级数增长，这可能导致人均产出的增长受到限制，进而对经济增长产生制约。大卫・李嘉图则强调了土地等自然资源在经济增长中的重要性，认为随着经济的发展，土地的边际收益递减规律会对经济增长产生阻碍。古典增长理论虽未直接阐述金融发展与经济增长的关系，但其强调的资本积累、劳动分工等因素，为后续研究金融发展如何通过影响资本形成和资源配置来促进经济增长奠定了基础。例如，金融体系的发展能够更有效地动员社会储蓄，将其转化为投资，从而促进资本积累，推动经济增长。新古典增长理论兴起于20世纪50年代，以索洛-斯旺模型为代表。该模型假设生产函数具有规模报酬不变和边际收益递减的特性，劳动力和资本是主要的生产要素，且二者可以相互替代。在稳态条件下，人均资本和人均产出达到均衡水平，经济增长率仅取决于外生的技术进步。技术进步被视为一个外生给定的因素，如同从天而降的“manna”，它不依赖于经济系统内部的变量，却能推动经济持续增长。在索洛-斯旺模型中，当技术水平提高时，生产函数向上移动，使得在相同的资本和劳动力投入下，产出增加，从而促进经济增长。新古典增长理论认为金融发展主要通过影响资本积累来间接作用于经济增长。一个健全的金融体系能够提高储蓄转化为投资的效率，降低交易成本，引导资本流向更具效率的部门和企业，从而促进经济增长。银行作为金融体系的重要组成部分，通过吸收居民储蓄，将资金贷给企业，为企业的生产和投资提供资金支持，促进资本积累，推动经济增长。内生增长理论于20世纪80年代兴起，旨在克服新古典增长理论中技术进步外生的缺陷。该理论认为，技术进步是经济系统内部的变量，由人力资本、研发投入、知识积累等因素内生决定。罗默的知识溢出模型强调知识具有外部性，企业的研发活动不仅能提高自身的生产效率，还能产生知识溢出效应，促进其他企业的技术进步和经济增长。卢卡斯的人力资本模型则突出人力资本在经济增长中的核心作用，认为人力资本的积累和提高是经济持续增长的关键。内生增长理论认为金融发展能够直接促进技术创新和知识积累，进而推动经济增长。金融市场能够为创新企业提供风险资本，支持其研发活动，加速科技成果的转化和应用。风险投资市场对高新技术企业的投资，为企业的技术创新提供了资金保障，促进了新技术、新产品的开发和应用，推动了经济的长期增长。金融体系还可以通过提供风险管理工具，帮助企业和投资者降低创新过程中的风险，鼓励更多的创新活动。这些经济增长理论从不同角度阐述了经济增长的机制，为研究金融发展对经济增长的影响提供了理论基础。古典增长理论关注资本积累和劳动分工，新古典增长理论强调资本积累和外生技术进步，内生增长理论则突出技术创新和知识积累的内生性。金融发展在这些理论框架下，通过不同的机制对经济增长产生影响，为后续的实证研究和政策制定提供了重要的理论依据。2.3金融发展与经济增长关系的文献综述金融发展与经济增长的关系一直是经济学领域的研究热点，国内外学者从理论和实证等多个角度进行了深入探讨。国外学者在该领域的研究起步较早。Schumpeter（1912）在其经典著作《经济发展理论》中强调了金融中介在创新和技术进步中的关键作用，认为金融机构通过为企业家提供资金支持，促进了新技术的推广和应用，从而推动了经济增长。他指出，为了试用新技术以求发展，纯粹企业家需要信贷，“他只有先成为债务人，才能成为企业家”，这一观点奠定了金融发展促进经济增长理论的基础。Goldsmith（1969）在《金融结构与金融发展》一书中，采用定性和定量分析相结合以及国际横向比较和历史纵向比较相结合的方法，对35个国家近100年的资料进行研究和统计分析，创造性地提出金融发展就是金融结构的变化，并确立了衡量一国金融结构和金融发展水平的基本指标体系，如金融相关比率（FIR），得出了金融相关率与经济发展水平正相关的基本结论。Mckinnon（1973）和Shaw（1973）分别从金融抑制和金融深化的角度，全面论证了金融和经济发展之间的相互关系，标志着金融发展理论的正式形成。Mckinnon提出金融抑制概念，认为发展中国家由于政府对金融体系和金融市场的过多干预，导致金融制度与经济发展之间存在恶性循环；而Shaw主张金融深化，认为政府应放弃对金融的过度干预，放松对利率和汇率的控制，使利率和汇率能真实反映资本市场的供求，从而促进金融体系本身的发展，形成金融与经济发展的良性循环。在实证研究方面，King和Levine（1993）通过对80个国家1960-1989年的数据进行分析，运用金融深度指标（M2/GDP）、金融机构的流动负债与GDP的比率、商业银行国内资产与商业银行和中央银行国内资产之和的比率等指标衡量金融发展水平，发现金融发展对经济增长具有显著的正向影响，金融发展不仅能促进经济增长，还能通过提高资本积累和全要素生产率来推动经济增长。国内学者对金融发展与经济增长关系的研究随着中国金融市场的发展而逐渐深入。谈儒勇（1999）运用1993-1998年的季度数据，对中国金融发展与经济增长关系进行了实证研究，发现中国金融中介发展和经济增长之间有显著的、很强的正相关关系，股票市场发展和经济增长之间有不显著的负相关关系。沈坤荣和张成（2004）采用1978-2002年的时间序列数据，通过构建金融发展与经济增长的计量模型，研究发现金融发展对经济增长的影响存在阶段性特征，在改革开放初期，金融发展主要通过资本积累促进经济增长；随着经济的发展，金融发展对技术进步的促进作用逐渐增强，进而推动经济增长。李连发和辛晓岱（2009）运用面板数据模型，对中国各地区金融发展与经济增长的关系进行了实证分析，结果表明金融发展规模和金融发展效率对经济增长都有显著的促进作用，但金融发展规模的作用更为明显，不同地区金融发展对经济增长的影响存在差异，东部地区金融发展对经济增长的促进作用大于中西部地区。尽管国内外学者在金融发展与经济增长关系的研究方面取得了丰硕的成果，但仍存在一些不足之处。在研究视角上，大多数学者从国家层面或单个城市进行研究，对城市群这一特殊区域的研究相对较少。然而，城市群作为区域经济发展的重要载体，其内部城市之间存在着紧密的经济联系和协同效应，金融发展在城市群中的作用机制可能与国家层面或单个城市有所不同。在研究方法上，现有研究主要采用传统的计量经济学方法，对空间计量经济学方法的应用相对较少。考虑到城市群内城市之间的空间相关性和异质性，空间计量经济学方法能够更准确地揭示金融发展与经济增长之间的关系。在指标选取上，部分研究对金融发展指标的选取较为单一，未能全面反映金融发展的内涵和特征，对于金融创新、金融科技等新兴金融领域对经济增长的影响研究还不够深入。本研究将以长三角城市群为研究对象，从区域一体化的视角出发，运用空间计量经济学方法，综合考虑金融发展的多个维度，包括金融规模、金融效率、金融结构以及金融创新等，深入探讨金融发展对长三角城市群经济增长的影响，弥补现有研究的不足，为区域金融发展和经济增长提供新的理论和实证依据。三、长三角城市群金融发展与经济增长现状3.1长三角城市群概述长三角城市群，作为我国经济最具活力、开放程度最高、创新能力最强的区域之一，在全国经济格局中占据着举足轻重的地位。根据2016年5月国务院批准的《长江三角洲城市群发展规划》，该城市群涵盖上海，江苏省的南京、无锡、常州、苏州、南通、盐城、扬州、镇江、泰州，浙江省的杭州、宁波、嘉兴、湖州、绍兴、金华、舟山、台州，安徽省的合肥、芜湖、马鞍山、铜陵、安庆、滁州、池州、宣城等27市，国土面积达21.17万平方公里。在人口规模方面，长三角城市群集聚效应显著。2023年，其常住人口总量超过2.3亿人，约占全国总人口的16%。庞大的人口基数不仅为城市群提供了丰富的劳动力资源，支撑了制造业、服务业等众多产业的发展，还形成了巨大的消费市场，拉动了内需增长。以南京为例，作为长三角地区的重要城市之一，2023年常住人口超过940万人，其消费市场规模庞大，社会消费品零售总额持续增长，为经济发展提供了强劲动力。同时，人口的集聚也促进了人才的汇聚，众多高校和科研机构分布在长三角城市群各地，吸引了大量高素质人才，为科技创新和产业升级提供了智力支持。从经济总量来看，长三角城市群成绩斐然。2023年，其地区生产总值（GDP）合计超过30万亿元，占全国GDP的比重达到24%左右，已然成为我国经济增长的重要引擎。上海作为长三角城市群的龙头城市，2023年GDP达到53926.71亿元，同比增长5.0%，在金融、贸易、航运等领域发挥着引领作用。苏州、杭州、南京、宁波等城市的经济总量也均超过万亿元，形成了强大的经济增长极。苏州凭借其发达的制造业，2023年GDP突破2.4万亿元，工业总产值持续攀升，在电子信息、机械制造、化工等产业领域具有显著优势。杭州以数字经济为特色，互联网产业发展迅猛，2023年GDP达到2.2万亿元左右，以阿里巴巴为代表的互联网企业带动了相关产业的协同发展，推动了经济结构的优化升级。在产业结构方面，长三角城市群呈现出多元化、高端化的发展态势。服务业占比不断提升，2023年服务业增加值占GDP的比重超过55%，金融、科技服务、文化创意等现代服务业发展迅速。上海作为国际金融中心，金融市场体系完备，2023年金融业增加值占GDP的比重超过18%，股票、债券、期货等金融市场的交易量和交易额位居全国前列。制造业也在不断向高端化、智能化转型，高新技术产业和战略性新兴产业蓬勃发展。长三角地区的集成电路产业规模占全国的半壁江山，新能源汽车、生物医药、人工智能等产业也在全国处于领先地位。合肥在人工智能和新能源汽车领域发展迅速，蔚来汽车等企业的崛起，推动了当地产业结构的优化升级。长三角城市群的交通网络十分发达，公路、铁路、水运、航空等交通方式无缝衔接。高速公路纵横交错，沪宁高速、沪杭高速等连接了城市群内的主要城市；铁路方面，京沪高铁、沪昆高铁等干线贯穿其中，实现了城市间的快速通达。上海虹桥综合交通枢纽集航空、高铁、地铁、长途客运等多种交通方式于一体，日均客流量巨大，是长三角地区乃至全国的重要交通枢纽。内河航运也十分发达，长江黄金水道和京杭大运河为货物运输提供了低成本、大运量的运输方式，促进了区域内的贸易往来。在科技创新方面，长三角城市群创新资源丰富，创新能力强劲。拥有众多高校和科研机构，如复旦大学、上海交通大学、浙江大学、南京大学等，2023年研究与试验发展（R&D）经费支出占GDP的比重超过3%，专利申请量和授权量持续增长。上海张江科学城、合肥综合性国家科学中心等创新平台不断涌现，吸引了大量创新企业和人才，在人工智能、生物医药、量子通信等前沿领域取得了一系列重大突破。以张江科学城为例，汇聚了众多高新技术企业和科研机构，在集成电路、生物医药等领域的创新成果不断涌现，推动了产业的高端化发展。长三角城市群凭借其优越的地理位置、庞大的人口规模、雄厚的经济实力、完善的产业结构、发达的交通网络和强大的科技创新能力，在全国经济格局中发挥着重要的引领和支撑作用，是我国参与国际竞争的重要区域。3.2长三角城市群经济增长现状近年来，长三角城市群经济增长态势总体良好，地区生产总值（GDP）持续稳步增长，在全国经济格局中占据着举足轻重的地位。从总量上看，2010-2023年，长三角城市群GDP总量从不足10万亿元增长到超过30万亿元，实现了跨越式发展。2010年，长三角城市群GDP总量为9.47万亿元，占全国GDP的比重约为21.7%；到2023年，这一比重已提升至24%左右，充分彰显了其作为全国经济增长重要引擎的地位。在增长速度方面，尽管期间受到国内外经济形势波动、全球金融危机、贸易摩擦以及新冠疫情等因素的影响，长三角城市群经济增速有所起伏，但总体仍保持了较高的增长水平。2010-2019年，经济增速基本维持在7%-9%之间。2020年，受新冠疫情冲击，经济增速有所放缓，但随着疫情防控取得成效和经济复苏政策的实施，2021-2023年经济增速逐渐回升，2023年达到5.2%，高于全国平均增速。从产业结构来看，长三角城市群产业结构不断优化升级，呈现出从传统产业向高端制造业和现代服务业转型的显著趋势。2010-2023年，第一产业占GDP的比重持续下降，从2010年的约5.3%降至2023年的约2.8%，表明农业在经济中的比重逐渐降低，产业结构逐步优化。第二产业占比在波动中略有下降，从2010年的约50.5%降至2023年的约42.2%，但仍然是经济增长的重要支撑，制造业向高端化、智能化、绿色化方向发展，高新技术产业和战略性新兴产业蓬勃发展。2023年，长三角地区的集成电路产业规模占全国的半壁江山，新能源汽车、生物医药、人工智能等产业也在全国处于领先地位。第三产业占比则稳步上升，从2010年的约44.2%提升至2023年的约55%，成为经济增长的主要驱动力。金融、科技服务、文化创意等现代服务业发展迅速，上海作为国际金融中心，2023年金融业增加值占GDP的比重超过18%，股票、债券、期货等金融市场的交易量和交易额位居全国前列。人均收入水平也在不断提高，反映出经济增长的成果逐渐惠及民众。2010-2023年，长三角城市群人均可支配收入从约2.3万元增长到超过6万元，年均增长约7.5%。其中，城镇常住居民人均可支配收入从约3.1万元增长到超过7.5万元，农村常住居民人均可支配收入从约1.2万元增长到超过3.8万元，城乡居民收入差距逐步缩小。以苏州为例，2023年城镇常住居民人均可支配收入达到7.8万元，农村常住居民人均可支配收入达到4.2万元，城乡居民收入比为1.86，低于全国平均水平。然而，长三角城市群在经济增长过程中也面临一些挑战。在产业结构方面，虽然服务业占比不断提升，但与国际先进水平相比，高端服务业发展仍显不足，金融、科技服务等领域的国际化程度和创新能力有待进一步提高。制造业在高端装备制造、核心零部件研发等方面还存在短板，对国外技术的依赖程度较高，产业自主可控能力亟待增强。在区域协调发展方面，城市群内各城市之间经济发展水平和产业结构存在一定差异，上海、南京、杭州等核心城市经济实力较强，产业结构较为优化；而部分边缘城市经济发展相对滞后，产业结构相对单一，区域发展不平衡问题仍然存在。在创新驱动发展方面，虽然长三角城市群创新资源丰富，但创新成果转化效率有待提高，创新链与产业链的协同融合不够紧密，创新对经济增长的支撑作用尚未充分发挥。3.3长三角城市群金融发展现状长三角城市群作为我国经济最具活力的区域之一，金融发展态势良好，在银行业、证券市场、保险市场以及金融创新等方面都取得了显著成就，为区域经济增长提供了有力支撑。在银行业方面，长三角城市群拥有庞大的存贷款规模。2024年12月末，长三角地区人民币贷款余额69.82万亿元，同比增长10.2%；人民币存款余额77.20万亿元，同比增长5.6%。这表明该地区的银行业在资金融通方面发挥着重要作用，为企业和居民提供了充足的资金支持。江苏银行、宁波银行、杭州银行、南京银行、苏州银行等城商行的资产总额增幅可观，存贷规模效应明显。江苏银行2024年各项存款余额约2.12万亿元，较上年末增长12.83%；各项贷款余额2.1万亿元，较上年末增长10.67%。这些城商行的稳健发展，不仅反映了长三角地区银行业的活力，也为当地实体经济的发展提供了有力的金融保障。证券市场方面，长三角地区上市公司数量众多，股票筹资额持续增长。截至2023年，长三角地区上市公司总数超过2000家，占全国上市公司总数的近三分之一。2023年，长三角企业通过A股IPO合计募资1781亿元，占全国50%。江苏新增IPO数量反超广东，跃居全国第一，苏州、无锡、常州等城市的IPO数量也表现亮眼。众多企业在证券市场的成功上市，为企业的发展筹集了大量资金，促进了企业的扩张和创新，推动了产业升级和经济结构的优化。上海证券交易所作为全国重要的证券交易场所，在长三角地区证券市场中发挥着核心引领作用，为企业提供了便捷的融资渠道和规范的交易平台。保险市场发展迅速，保费收入逐年增加。2023年，长三角地区保费收入超过1.2万亿元，同比增长约8%。保险深度（保费收入占GDP的比重）达到约4.5%，保险密度（人均保费收入）超过5000元。财产险和人身险业务都呈现出良好的发展态势，为企业和居民提供了全面的风险保障。中国人寿、中国平安等大型保险公司在长三角地区的市场份额较大，业务覆盖广泛，为区域经济的稳定发展保驾护航。随着人们风险意识的提高和保险市场的不断完善，保险产品的种类日益丰富，服务质量也不断提升，满足了不同客户群体的多样化需求。金融创新方面，长三角城市群积极探索，取得了一系列成果。以杭州为例，互联网金融发展迅速，蚂蚁金服等互联网金融企业在支付结算、小额贷款、投资理财等领域进行了大量创新。支付宝作为蚂蚁金服旗下的核心产品，已成为全球最大的移动支付平台之一，其便捷的支付方式极大地改变了人们的生活和消费习惯，促进了电子商务和数字经济的发展。网商银行专注于为小微企业和个人创业者提供小额贷款服务，通过大数据和人工智能技术，实现了快速审批和放款，解决了小微企业融资难、融资贵的问题。上海在金融科技领域也走在前列，区块链、人工智能、大数据等技术在金融领域的应用不断深化。一些金融机构利用区块链技术提高跨境支付的效率和安全性，降低交易成本；运用人工智能技术进行风险评估和投资决策，提升金融服务的精准性和效率。长三角地区在金融协同发展方面也取得了积极进展。长三角地区共同推进区域金融市场互联互通，加强金融基础设施建设，促进资金在区域内的自由流动。沪苏浙皖四地的金融监管部门建立了协同监管机制，加强信息共享和监管合作，防范金融风险。在长三角一体化发展战略的推动下，金融机构之间的合作日益紧密，跨区域的金融服务不断创新，为区域经济的协同发展提供了有力支持。然而，长三角城市群金融发展也面临一些挑战。区域内金融发展不平衡问题仍然存在，上海作为国际金融中心，金融资源高度集聚，金融市场发达；而部分城市金融发展相对滞后，金融服务的覆盖面和质量有待提高。金融创新的监管也面临一定的挑战，如何在鼓励创新的同时，有效防范金融风险，是需要进一步研究和解决的问题。四、金融发展对长三角城市群经济增长影响的实证分析4.1研究设计4.1.1研究假设基于前文的理论分析和长三角城市群金融发展与经济增长的现状，提出以下研究假设：假设H1：金融发展对长三角城市群经济增长具有显著的促进作用。完善的金融体系能够动员社会闲散资金，将储蓄有效地转化为投资，为经济增长提供资金支持；金融市场能够根据企业的效益和发展前景，将资金引导至最具效率的行业和企业，提高资本的使用效率，推动产业结构的优化升级；金融体系还能为创新企业提供融资渠道，支持其研发活动，加速科技成果的转化和应用，从而推动经济的长期增长。假设H2：金融发展的不同方面，即金融规模、金融效率和金融结构，对长三角城市群经济增长的影响存在差异。金融规模的扩张可以为经济增长提供更多的资金支持，但可能存在边际收益递减的情况；金融效率的提升能够更有效地配置金融资源，提高资金的使用效率，对经济增长的促进作用可能更为显著；金融结构的优化，如直接融资比重的增加，有助于降低企业的融资成本，提高企业的创新能力，从而对经济增长产生积极影响。假设H3：金融创新对长三角城市群经济增长具有积极影响。金融创新能够拓展金融服务的边界，提升金融服务的质量和效率，满足不同经济主体的多样化金融需求，促进金融资源的合理配置，进而推动经济增长。以杭州的互联网金融创新为例，蚂蚁金服等企业通过创新支付结算、小额贷款等业务模式，促进了当地电子商务和小微企业的发展，推动了经济增长。假设H4：在长三角城市群一体化背景下，金融协同发展对经济增长具有促进作用。金融协同发展能够促进区域内资金的自由流动，提高金融资源的配置效率，加强城市间的经济联系和产业协同，形成区域经济发展的合力，从而推动长三角城市群经济增长。4.1.2变量选取与数据来源为了准确检验金融发展对长三角城市群经济增长的影响，选取以下变量：被解释变量：经济增长（GDP），采用人均地区生产总值（人均GDP）来衡量，以消除人口规模差异对经济总量的影响，更准确地反映各城市的经济发展水平。人均GDP能够反映一个地区居民的平均收入水平和经济福利状况，是衡量经济增长的重要指标。解释变量：金融规模（FIR）：采用金融相关比率来衡量，即金融机构存贷款余额与地区生产总值的比值。该指标反映了金融资产在经济总量中的比重，体现了金融发展的总体规模。金融相关比率越高，表明金融市场越发达，金融体系在经济中的作用越重要。金融效率（FE）：以存贷比来衡量，即金融机构贷款余额与存款余额的比值。该指标反映了金融机构将储蓄转化为投资的效率，存贷比越高，说明金融机构的资金运用效率越高，金融体系在动员储蓄和配置资金方面的能力越强。金融结构（FS）：通过证券化率来衡量，即股票总市值与地区生产总值的比值。该指标反映了直接融资在金融体系中的比重，证券化率越高，表明直接融资市场越发达，金融结构越优化。金融创新（FI）：选取专利申请授权数（金融类）来衡量金融创新水平。专利申请授权数能够反映金融机构在金融产品、服务和技术等方面的创新能力，专利申请授权数越多，说明金融创新活动越活跃，金融创新水平越高。控制变量：产业结构（IS）：用第二、三产业增加值占地区生产总值的比重来衡量，反映地区产业结构的优化程度。产业结构的优化升级能够提高生产效率，促进经济增长，第二、三产业占比越高，说明产业结构越高级，经济发展的质量和效益越高。对外开放程度（OPEN）：以进出口总额与地区生产总值的比值来衡量，反映地区经济与国际市场的融合程度。对外开放能够促进资源的优化配置，引进先进技术和管理经验，推动经济增长，进出口总额占GDP的比重越高，表明对外开放程度越高，经济的国际化水平越高。政府干预（GOV）：采用财政支出占地区生产总值的比重来衡量，反映政府对经济的干预程度。政府通过财政支出可以调节经济结构，提供公共服务，促进经济增长，但过度的政府干预可能会导致资源配置效率低下，财政支出占GDP的比重越高，说明政府对经济的干预力度越大。数据来源于2010-2023年的《上海统计年鉴》《江苏统计年鉴》《浙江统计年鉴》《安徽统计年鉴》以及各市的统计公报，部分金融数据来源于Wind数据库和各金融机构官网。为了消除数据的异方差性，对所有变量进行了对数化处理。4.1.3模型构建为了检验金融发展对长三角城市群经济增长的影响，构建如下多元线性回归模型：\lnGDP_{it}=\alpha_0+\alpha_1\lnFIR_{it}+\alpha_2\lnFE_{it}+\alpha_3\lnFS_{it}+\alpha_4\lnFI_{it}+\sum_{j=1}^{3}\alpha_{j+4}\lnControl_{jit}+\mu_{it}其中，i表示城市（i=1,2,\cdots,27），t表示年份（t=2010,2011,\cdots,2023）；\lnGDP_{it}为i城市在t时期的人均GDP的自然对数；\lnFIR_{it}、\lnFE_{it}、\lnFS_{it}、\lnFI_{it}分别为i城市在t时期金融规模、金融效率、金融结构和金融创新指标的自然对数；\lnControl_{jit}为控制变量，包括产业结构、对外开放程度和政府干预，j=1,2,3；\alpha_0为常数项，\alpha_1-\alpha_{7}为各变量的回归系数；\mu_{it}为随机误差项。该模型设定基于金融发展理论和经济增长理论，认为金融发展的不同方面（金融规模、金融效率、金融结构和金融创新）以及控制变量（产业结构、对外开放程度和政府干预）都会对经济增长产生影响。通过回归分析，可以估计各变量的系数，从而判断金融发展对长三角城市群经济增长的影响方向和程度。例如，若\alpha_1显著为正，说明金融规模的扩大对经济增长具有促进作用；若\alpha_2显著为正，表明金融效率的提升有助于经济增长。4.2实证结果与分析4.2.1描述性统计在进行回归分析之前，先对各变量进行描述性统计，以了解数据的基本特征。具体结果如表1所示：表1变量描述性统计变量观测值平均值标准差最小值最大值lnGDP37811.2560.6749.72312.765lnFIR3781.6480.2351.0242.156lnFE3780.8540.1020.5631.124lnFS3780.4560.2170.0321.089lnFI3785.1241.3451.0028.235lnIS3781.6870.0891.4561.876lnOPEN3781.2350.456-0.3452.156lnGOV3780.9870.1230.6781.345从表1可以看出，人均GDP（lnGDP）的平均值为11.256，标准差为0.674，表明长三角城市群各城市的经济发展水平存在一定差异。金融规模（lnFIR）的平均值为1.648，说明金融资产在经济总量中占有一定比重，但不同城市之间的金融规模差异较大，标准差达到0.235。金融效率（lnFE）的平均值为0.854，表明金融机构将储蓄转化为投资的效率处于中等水平，且城市间的差异相对较小，标准差为0.102。金融结构（lnFS）的平均值为0.456，说明直接融资在金融体系中的比重还有提升空间，其标准差为0.217，显示各城市的金融结构存在一定差异。金融创新（lnFI）的平均值为5.124，标准差为1.345，表明各城市在金融创新方面的水平参差不齐，差异较为明显。产业结构（lnIS）、对外开放程度（lnOPEN）和政府干预（lnGOV）的标准差分别为0.089、0.456和0.123，反映出各城市在这些方面也存在不同程度的差异。4.2.2相关性分析为了初步判断变量之间的关系，并检验是否存在多重共线性问题，对各变量进行相关性分析，结果如表2所示：表2变量相关性分析变量lnGDPlnFIRlnFElnFSlnFIlnISlnOPENlnGOVlnGDP1.000lnFIR0.678***1.000lnFE0.456***0.345***1.000lnFS0.324**0.217**0.156*1.000lnFI0.567***0.456***0.324**0.256**1.000lnIS0.789***0.567***0.456***0.324**0.456***1.000lnOPEN0.567***0.456***0.324**0.217**0.345***0.456***1.000lnGOV-0.235**-0.156*-0.0890.123-0.102-0.156*-0.217**1.000注：*、、*分别表示在1%、5%、10%的水平上显著。从表2可以看出，金融规模（lnFIR）、金融效率（lnFE）、金融结构（lnFS）和金融创新（lnFI）与经济增长（lnGDP）之间均呈现正相关关系，初步验证了假设H1，即金融发展对长三角城市群经济增长具有促进作用。其中，金融规模与经济增长的相关性系数最高，达到0.678，且在1%的水平上显著，说明金融规模的扩大对经济增长的促进作用较为明显。金融效率、金融结构和金融创新与经济增长的相关性系数分别为0.456、0.324和0.567，也均在1%或5%的水平上显著，表明它们对经济增长也具有一定的促进作用。产业结构（lnIS）和对外开放程度（lnOPEN）与经济增长的相关性系数分别为0.789和0.567，且在1%的水平上显著，说明产业结构的优化和对外开放程度的提高对长三角城市群经济增长具有积极影响。政府干预（lnGOV）与经济增长呈负相关关系，相关性系数为-0.235，在5%的水平上显著，说明政府对经济的过度干预可能会抑制经济增长。各变量之间的相关性系数均小于0.8，初步判断不存在严重的多重共线性问题。为了进一步验证，进行方差膨胀因子（VIF）检验，结果显示各变量的VIF值均小于5，表明变量之间不存在多重共线性，模型设定合理。4.2.3回归结果分析采用固定效应模型对构建的多元线性回归模型进行估计，回归结果如表3所示：表3回归结果|变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||lnFIR|0.256***|0.045|5.69|0.000|0.168-0.344||lnFE|0.124**|0.051|2.43|0.016|0.024-0.224||lnFS|0.089*|0.048|1.85|0.065|0.002-0.176||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||----|----|----|----|----|----||lnFIR|0.256***|0.045|5.69|0.000|0.168-0.344||lnFE|0.124**|0.051|2.43|0.016|0.024-0.224||lnFS|0.089*|0.048|1.85|0.065|0.002-0.176||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnFIR|0.256***|0.045|5.69|0.000|0.168-0.344||lnFE|0.124**|0.051|2.43|0.016|0.024-0.224||lnFS|0.089*|0.048|1.85|0.065|0.002-0.176||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnFE|0.124**|0.051|2.43|0.016|0.024-0.224||lnFS|0.089*|0.048|1.85|0.065|0.002-0.176||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnFS|0.089*|0.048|1.85|0.065|0.002-0.176||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnFI|0.156***|0.042|3.71|0.000|0.074-0.238||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnIS|0.324***|0.053|6.11|0.000|0.220-0.428||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnOPEN|0.187***|0.049|3.82|0.000|0.091-0.283||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||lnGOV|-0.102**|0.045|-2.27|0.024|-0.190--0.014||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||cons|7.567***|0.456|16.60|0.000|6.669-8.465||N|378||R²|0.854||adj.R²|0.842||N|378||R²|0.854||adj.R²|0.842||R²|0.854||adj.R²|0.842||adj.R²|0.842|注：*、、*分别表示在1%、5%、10%的水平上显著。从回归结果来看，金融规模（lnFIR）的系数为0.256，在1%的水平上显著为正，说明金融规模的扩大对长三角城市群经济增长具有显著的促进作用，金融规模每增加1%，人均GDP将增长0.256%，这与假设H1和H2一致，验证了金融规模的扩张能够为经济增长提供更多的资金支持，促进经济增长。金融效率（lnFE）的系数为0.124，在5%的水平上显著为正，表明金融效率的提升对经济增长有积极影响，金融效率每提高1%，人均GDP将增长0.124%。这支持了假设H2，说明金融机构将储蓄转化为投资的效率提高，能够更有效地配置金融资源，促进经济增长。金融结构（lnFS）的系数为0.089，在10%的水平上显著为正，说明金融结构的优化，即直接融资比重的增加，对长三角城市群经济增长具有一定的促进作用，金融结构每优化1%，人均GDP将增长0.089%。这与假设H2相符，表明直接融资市场的发展有助于降低企业的融资成本，提高企业的创新能力，从而推动经济增长。金融创新（lnFI）的系数为0.156，在1%的水平上显著为正，说明金融创新对长三角城市群经济增长具有显著的促进作用，金融创新每增加1%，人均GDP将增长0.156%。这验证了假设H3，表明金融创新能够拓展金融服务的边界，提升金融服务的质量和效率，促进金融资源的合理配置，进而推动经济增长。产业结构（lnIS）的系数为0.324，在1%的水平上显著为正，说明产业结构的优化对经济增长具有显著的促进作用，第二、三产业增加值占比每提高1%，人均GDP将增长0.324%。对外开放程度（lnOPEN）的系数为0.187，在1%的水平上显著为正，表明对外开放程度的提高对经济增长有积极影响，进出口总额占GDP的比重每增加1%，人均GDP将增长0.187%。政府干预（lnGOV）的系数为-0.102，在5%的水平上显著为负，说明政府对经济的过度干预会抑制经济增长，财政支出占GDP的比重每增加1%，人均GDP将下降0.102%。模型的R²为0.854，调整后的R²为0.842，说明模型的拟合优度较高，能够较好地解释金融发展对长三角城市群经济增长的影响。4.2.4稳健性检验为了确保回归结果的可靠性，采用以下方法进行稳健性检验：替换变量法：用金融机构贷款余额与固定资产投资的比值（FL/FI）替换金融效率（FE）指标，用风险投资金额占GDP的比重（VC/GDP）替换金融创新（FI）指标，重新进行回归分析。结果如表4所示：表4替换变量后的回归结果|变量|系数|标准误|t值|P>|t||[95%置信区间]||----|----|----|----|----|----||lnFIR|0.248***|0.046|5.39|0.000|0.158-0.338||ln(FL/FI)|0.116**|0.052|2.23|0.026|0.014-0.218||lnFS|0.086*|0.049|1.76|0.079|0.001-0.171||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||----|----|----|----|----|----||lnFIR|0.248***|0.046|5.39|0.000|0.158-0.338||ln(FL/FI)|0.116**|0.052|2.23|0.026|0.014-0.218||lnFS|0.086*|0.049|1.76|0.079|0.001-0.171||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||lnFIR|0.248***|0.046|5.39|0.000|0.158-0.338||ln(FL/FI)|0.116**|0.052|2.23|0.026|0.014-0.218||lnFS|0.086*|0.049|1.76|0.079|0.001-0.171||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||ln(FL/FI)|0.116**|0.052|2.23|0.026|0.014-0.218||lnFS|0.086*|0.049|1.76|0.079|0.001-0.171||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||lnFS|0.086*|0.049|1.76|0.079|0.001-0.171||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||ln(VC/GDP)|0.148***|0.043|3.44|0.001|0.064-0.232||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||lnIS|0.318***|0.054|5.89|0.000|0.212-0.424||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||lnOPEN|0.182***|0.050|3.64|0.000|0.084-0.280||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||lnGOV|-0.098**|0.046|-2.13|0.034|-0.188--0.008||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||cons|7.624***|0.461|16.54|0.000|6.717-8.531||N|378||R²|0.848||adj.R²|0.836||N|378||R²|0.848||adj.R²|0.836||R²|0.848||adj.R²|0.836||adj.R²|0.836|注：*、、*分别表示在1%、5%、10%的水平上显著。从表4可以看出，替换变量后，各解释变量的系数符号和显著性水平与原回归结果基本一致，说明回归结果具有一定的稳健性。金融规模、金融效率（替换指标）、金融结构和金融创新（替换指标）仍然对经济增长具有显著的促进作用，产业结构和对外开放程度对经济增长的促进作用以及政府干预对经济增长的抑制作用也依然存在。分样本回归：将长三角城市群分为核心城市（上海、南京、杭州、苏州、宁波）和非核心城市两个子样本，分别进行回归分析。结果如表5所示：表5分样本回归结果|变量|核心城市|||非核心城市||||----|----|----|----|----|----|----|||系数|标准误|t值|P>|t||系数|标准误|t值|P>|t|||lnFIR|0.284***|0.052|5.46|0.000|0.182-0.386|0.224***|0.048|4.67|0.000|0.130-0.318||lnFE|0.146**|0.062|2.35|0.021|0.024-0.268|0.102**|0.048|2.13|0.034|0.008-0.196||lnFS|0.102*|0.056|1.82|0.071|0.002-0.202|0.076|0.045|1.69|0.092|-0.012-0.164||lnFI|0.182***|0.051|3.57|0.001|0.082-0.282|0.128***|0.040|3.20|0.002|0.050-0.206||lnIS|0.356***|0.062|5.74|0.000|0.234-0.478|0.292***|0.050|5.84|0.000|0.194-0.390||lnOPEN|0.214***|0.058|3.69|0.000|0.100-0.328|0.160***|0.045|3.56|0.000|0.072-0.248||lnGOV|-0.124**|0.052|-2.38|0.020|-0.226--0.022|-0.080*|0.043|-1.86|0.064|-0.164--0.004||cons|7.284***|0.524|13.90|0.000|6.252-8.316|7.846***|0.428|18.33|0.000|7.006-8.686||N|162||R²|0.864||adj.R²|0.849||N|216||R²|0.836||adj.R²|0.820||----|----|----|----|----|----|----|||系数|标准误|t值|P>|t||系数|标准误|t值|P>|t|||lnFIR|0.284***|0.052|5.46|0.000|0.182-0.386|0.224***|0.048|4.67|0.000|0.130-0.318||lnFE|0.146**|0.062|2.35|0.021|0.024-0.268|0.102**|0.048|2.13|0.034|0.008-0.196||lnFS|0.102*|0.056|1.82|0.071|0.002-0.202|0.076|0.045|1.69|0.092|-0.012-0.164||lnFI|0.182***|0.0