【長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率影響因素的實(shí)證分析】6200字（論文）

長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率影響因素的實(shí)證分析目錄TOC\o"1-3"\h\u1468長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率影響因素的實(shí)證分析 1302981.1影響因素假設(shè) 197291.2影響因素模型構(gòu)建 3148361.2.1空間相關(guān)性檢驗(yàn) 3243411.2.2變量說(shuō)明 6122071.2.3空間面板模型建立與檢驗(yàn) 654061.3空間面板回歸結(jié)果分析 71.1影響因素假設(shè)借鑒張玉苗（2017）等學(xué)者的相關(guān)研究成果[38]，考慮到數(shù)據(jù)的可獲得性，從以下六個(gè)方面考慮金融資源配置效率的影響因素：第一，經(jīng)濟(jì)發(fā)展角度；第二，金融市場(chǎng)化角度；第三，產(chǎn)業(yè)結(jié)構(gòu)角度；第四，技術(shù)角度；第五，對(duì)外開放角度；第六，政府干預(yù)角度。經(jīng)濟(jì)發(fā)展。在經(jīng)濟(jì)發(fā)展過程中，投入過多的要素來(lái)促使經(jīng)濟(jì)規(guī)模的擴(kuò)張，這雖會(huì)促進(jìn)經(jīng)濟(jì)增長(zhǎng)，但伴生的是資源浪費(fèi)的情況，不利于金融資源的有效配置。因此，經(jīng)濟(jì)發(fā)展中提高經(jīng)濟(jì)效率是一個(gè)重要目標(biāo)，經(jīng)濟(jì)效率的提高又會(huì)促進(jìn)金融資源配置效率的提高，二者是互為影響的。經(jīng)濟(jì)發(fā)展這一因素對(duì)金融資源配置效率如何，取決于經(jīng)濟(jì)發(fā)展質(zhì)量。但經(jīng)濟(jì)發(fā)展質(zhì)量不容易用一個(gè)單一指標(biāo)就能衡量，因此，經(jīng)濟(jì)發(fā)展以廣泛使用的人均GDP作為衡量經(jīng)濟(jì)發(fā)展的指標(biāo)。金融市場(chǎng)化。金融市場(chǎng)化的概念區(qū)別于金融發(fā)展，它是金融發(fā)展的一個(gè)重要組成部分。金融發(fā)展主要指金融資源規(guī)模的擴(kuò)大和金融資源配置效率的提高。金融市場(chǎng)化主要指金融市場(chǎng)體制改革，增強(qiáng)市場(chǎng)的作用，側(cè)重于金融體制改革帶來(lái)的金融資源配置效率的提高。在金融市場(chǎng)化指標(biāo)上，雖然借鑒了康瑞英（2020）的研究[64]，但考慮到數(shù)據(jù)的可獲得性，本文僅使用了金融業(yè)競(jìng)爭(zhēng)度這單一指標(biāo)來(lái)衡量金融市場(chǎng)化，即非國(guó)有銀行存款占全部金融機(jī)構(gòu)存款規(guī)模的比例。產(chǎn)業(yè)結(jié)構(gòu)。各個(gè)產(chǎn)業(yè)的構(gòu)成以及各個(gè)產(chǎn)業(yè)之間的比例關(guān)系可以被認(rèn)為是產(chǎn)業(yè)結(jié)構(gòu)。從產(chǎn)業(yè)結(jié)構(gòu)演變的角度看，第一產(chǎn)業(yè)比重逐步下降，第二產(chǎn)業(yè)和第三產(chǎn)業(yè)比重逐步增加。工業(yè)是第二產(chǎn)業(yè)的主要部門，采掘業(yè)、制造業(yè)、電力、煤炭和水的生產(chǎn)與供應(yīng)部門都包含在工業(yè)當(dāng)中。第二產(chǎn)業(yè)的這些部門多數(shù)都是高能耗、高排放的部門。第三產(chǎn)業(yè)一般就是各類服務(wù)行業(yè)，是那些服務(wù)于生產(chǎn)和生活的部門，服務(wù)業(yè)的發(fā)展更能有效促進(jìn)金融資源高效配置。所以，第二產(chǎn)業(yè)比重越高，第三產(chǎn)業(yè)比重越低，那么地區(qū)金融資源配置效率也就越低。本文的產(chǎn)業(yè)結(jié)構(gòu)指標(biāo)用第二產(chǎn)業(yè)的增加值占GDP的比重來(lái)表示，預(yù)期對(duì)金融資源配置效率有負(fù)向影響。技術(shù)進(jìn)步。技術(shù)進(jìn)步是金融資源配置效率的重要組成部分。技術(shù)進(jìn)步離不開資金的投入，在實(shí)際研究中，許多學(xué)者將研究與試驗(yàn)發(fā)展經(jīng)費(fèi)作為技術(shù)的代理變量。技術(shù)進(jìn)步將使金融科技得到發(fā)展，從而對(duì)于提供更為便捷的金融服務(wù)和降低金融資源跨區(qū)域配置的成本具有巨大的幫助，金融資源區(qū)域配置效率便更有效。本文預(yù)期技術(shù)進(jìn)步將對(duì)金融資源配置效率有正向的影響。對(duì)外開放。外部因素通常包括門戶開放政策和外資這兩個(gè)因素。一般情況下。門戶開放政策體現(xiàn)的就是本國(guó)的對(duì)外開放度，可以用進(jìn)出口額比上國(guó)內(nèi)生產(chǎn)總值表示。外資體現(xiàn)的就是外國(guó)對(duì)本國(guó)的直接投資，即外商直接投資，用這一指標(biāo)來(lái)衡量國(guó)外資本因素，外資的體現(xiàn)一般以外國(guó)直接投資（FDI）表示。通常來(lái)說(shuō)，一個(gè)國(guó)家的對(duì)外開放水平越高，該國(guó)家與其他國(guó)家或地區(qū)的各種往來(lái)也就越頻繁，資金往來(lái)也會(huì)更密切，這對(duì)于提高金融資源配置效率起到了積極的影響。所以，對(duì)外開放程度對(duì)金融源配置效率的影響預(yù)計(jì)是積極的。本文使用進(jìn)出口總額占GDP比來(lái)衡量對(duì)外開放。政府干預(yù)。政府干預(yù)是國(guó)家進(jìn)行宏觀調(diào)控的一種手段。由古典經(jīng)濟(jì)學(xué)的理論得出，在市場(chǎng)充分競(jìng)爭(zhēng)的條件下，此時(shí)的經(jīng)濟(jì)效率是帕累托最優(yōu)效率，政府過多的行政干預(yù)將導(dǎo)致經(jīng)濟(jì)效率受損，進(jìn)一步影響金融資源在各領(lǐng)域的流動(dòng)與配置。所以，如果政府過多的對(duì)經(jīng)濟(jì)活動(dòng)進(jìn)行調(diào)控與干預(yù)，那么經(jīng)濟(jì)效率便會(huì)越低，進(jìn)而金融資源配置效率也就越低。但是市場(chǎng)也會(huì)存在失靈現(xiàn)象，這時(shí)候政府適當(dāng)加強(qiáng)干預(yù)與調(diào)控，在一定程度上便會(huì)彌補(bǔ)市場(chǎng)失靈所帶來(lái)的經(jīng)濟(jì)效率、金融效率的損失，此時(shí)運(yùn)用政府干預(yù)手段反而會(huì)對(duì)地區(qū)金融資源配置效率產(chǎn)生積極影響。所以，政府干預(yù)對(duì)金融資源配置的影響主要取決于，政府在經(jīng)濟(jì)活動(dòng)中的調(diào)控是否起到了彌補(bǔ)市場(chǎng)低效率的作用。我們用財(cái)政支出占GDP的比重表示政府干預(yù)。1.2影響因素模型構(gòu)建在實(shí)際空間計(jì)量分析時(shí)，一般會(huì)用空間相關(guān)性來(lái)檢驗(yàn)是否存在空間效應(yīng)，空間相關(guān)性是指利用統(tǒng)計(jì)方法來(lái)計(jì)算某個(gè)空間單元與其臨近單元之間的空間自相關(guān)程度。通過計(jì)算空間自相關(guān)這種方式，可以了解研究對(duì)象在空間單元上的分布特征。一般而言，空間自相關(guān)的分析分為兩種：一是全局自相關(guān)分析，通過計(jì)算全局莫蘭指數(shù)可以得出結(jié)果；一種是局部自相關(guān)分析，通過計(jì)算局部莫蘭指數(shù)可以得到分析結(jié)果。若存在空間自相關(guān)，那么普通最小二乘法估計(jì)出來(lái)的參數(shù)是有誤的，此時(shí)應(yīng)該建立空間面板模型來(lái)進(jìn)行實(shí)證。1.2.1空間相關(guān)性檢驗(yàn)1.2.1.1空間權(quán)重矩陣空間權(quán)重矩陣的設(shè)定。常用的空間權(quán)重矩陣有地理鄰接空間權(quán)重矩陣、經(jīng)濟(jì)距離空間權(quán)重矩陣、地理距離空間權(quán)重矩陣，本文的研究選用地理鄰接空間權(quán)重矩陣來(lái)進(jìn)行計(jì)算。本文構(gòu)建的空間權(quán)重矩陣為地理鄰接矩陣W，即若兩個(gè)地區(qū)相鄰則QUOTEwijwij=1，否則QUOTEwijwij=0。1.2.1.2全局自相關(guān)全局自相關(guān)研究了該地區(qū)整體經(jīng)濟(jì)活動(dòng)的相關(guān)分布，一般用全局莫蘭指數(shù)來(lái)衡量，其計(jì)算公式為：公式（5-1）在上述公式當(dāng)中，空間第i單元的屬性值可以用Yi來(lái)表示；wij（i,j=1,2,3...,n）為空間權(quán)重矩陣中的元素。各個(gè)單位的值之間的相關(guān)性可以用Moran’I指數(shù)來(lái)衡量。莫蘭指數(shù)的數(shù)值在[-1,1]之間。相關(guān)的方向取決于符號(hào)的正負(fù)，相關(guān)程度的大小取決于數(shù)值的大小。一般而言，距離越近，它們之間的相關(guān)性越強(qiáng)，符號(hào)為正表示為正相關(guān)，符號(hào)為負(fù)表示為負(fù)相關(guān)。如表5-1所示，從全局moran’I指數(shù)來(lái)看，2008-2009年的金融資源配置效率未通過顯著性檢驗(yàn)。結(jié)果表明，在過去幾年中，金融資源配置效率的空間聯(lián)系在長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)之間并不明顯。2009至2017年，金融資源配置效率的p值全都通過1%的顯著性檢驗(yàn)，長(zhǎng)江經(jīng)濟(jì)帶地區(qū)的金融資源配置效率出現(xiàn)一定的空間自相關(guān)性，空間聯(lián)系在各地區(qū)之間得到加強(qiáng)。由表看出，2009年以后，長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率的moran’I指數(shù)為正，并且總體呈現(xiàn)增長(zhǎng)趨勢(shì)。表5-1長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率的moran’I指數(shù)年份莫蘭指數(shù)值P值20080.1670.17520090.1450.21220100.3900.00420110.2360.00120120.2410.00120130.2000.00220140.2070.00120150.2490.00120160.2350.00920170.2570.0001.2.1.3局部自相關(guān)對(duì)于觀測(cè)單元來(lái)說(shuō)，局部空間相關(guān)性指標(biāo)，其反映的應(yīng)該是本單位值靠近其他單位值的強(qiáng)度。對(duì)于所有單位來(lái)說(shuō)，本地相關(guān)的空間度量總和應(yīng)當(dāng)和與之對(duì)應(yīng)的全局空間相關(guān)的度量相關(guān)。如果滿足相關(guān)條件，可以通過以下公式計(jì)算：公式（5-2）在上述公式當(dāng)中，其符號(hào)與全局Moran’I指數(shù)的含義都是一樣的。局部自相關(guān)Moran’I指數(shù)可以表示為，相關(guān)單位之間的加權(quán)平均值與其相鄰單位值之間的乘積。每個(gè)地區(qū)的相關(guān)特征并不能通過全局相關(guān)性來(lái)體現(xiàn)，所以有必要進(jìn)一步計(jì)算每個(gè)地區(qū)的Moran’I指數(shù)值。四個(gè)象限的Moran’I散點(diǎn)圖分別對(duì)應(yīng)于區(qū)域單元與其相鄰區(qū)域間四種不同類型的局部空間聯(lián)系形式，圖5-1和圖5-2分別是長(zhǎng)江經(jīng)濟(jì)帶2008年和2017年的金融資源配置效率Moran’I指數(shù)散點(diǎn)圖。圖5-12008年長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率局部Moran’I指數(shù)散點(diǎn)圖圖5-22017年長(zhǎng)江經(jīng)濟(jì)帶金融資源配置效率局部Moran’I指數(shù)散點(diǎn)圖由圖5-2看出，2017年長(zhǎng)江經(jīng)濟(jì)帶地區(qū)金融資源配置效率主要的兩種分布形式為高高關(guān)聯(lián)與低低關(guān)聯(lián)，位于Moran’I指數(shù)散點(diǎn)圖第一象限的是上海、浙江、江蘇這三個(gè)地區(qū)，這種現(xiàn)象說(shuō)明，較高金融資源配置效率的地區(qū)同樣也被較高的省份所包圍。位于Moran’I散點(diǎn)圖第三象限的是江西、湖北、湖南、重慶、四川、云南、貴州等地，這種現(xiàn)象說(shuō)明，較低金融資源配置效率的省份同樣也被較低效率的省份所包圍。由于金融資源配置效率值已經(jīng)通過莫蘭指數(shù)空間相關(guān)性檢測(cè)，所以普通最小二乘（OLS）這一估計(jì)方法并不能用于本文的計(jì)量研究，否則計(jì)量結(jié)果將會(huì)是有偏的或是無(wú)效的。因此，本文選擇空間面板模型方法來(lái)研究和分析問題。1.2.2變量說(shuō)明本章使用的被解釋變量為金融資源配置效率：第四章測(cè)算的調(diào)整后的綜合效率值作為金融資源配置效率的指標(biāo)，記為FR。主要解釋變量如本章第一節(jié)所示，選擇人均GDP作為經(jīng)濟(jì)發(fā)展水平的代理變量，記為RGDP；非國(guó)有銀行存款額占金融機(jī)構(gòu)總存款額的比例用于表示金融市場(chǎng)化，記為JRSCH；第二產(chǎn)業(yè)的增加值占GDP的百分比用于表示產(chǎn)業(yè)結(jié)構(gòu)，記為CYJG；使用研究與試驗(yàn)發(fā)展經(jīng)費(fèi)占GDP的比值作為衡量技術(shù)進(jìn)步的指標(biāo)，記為JSJB；選擇進(jìn)出口總量與國(guó)內(nèi)生產(chǎn)總值的比例來(lái)表明對(duì)外開放程度，記為DWKF；政府的財(cái)政支出占GDP的比例衡量政府干預(yù)，記為ZF。這些數(shù)據(jù)來(lái)自歷年來(lái)各省的《統(tǒng)計(jì)年鑒》以及區(qū)域金融運(yùn)作報(bào)告、經(jīng)濟(jì)社會(huì)發(fā)展公報(bào)等等。1.2.3空間面板模型建立與檢驗(yàn)空間面板計(jì)量模型使用最廣泛的有三種模型，分別為空間面板滯后模型（SAR）、空間面板誤差模型（SEM）以及空間杜賓模型（SDM）。它們的一般形式為：（1）空間面板滯后模型：公式（5-3）其中QUOTEα為空間自回歸系數(shù)，為空間權(quán)重矩陣，QUOTEWYit為地區(qū)間因變量之間的空間交互關(guān)系，QUOTEμi表示個(gè)體效應(yīng)，QUOTEγt表示時(shí)間效應(yīng)，QUOTEεit為誤差項(xiàng)；（2）空間面板誤差模型：公式（5-4）QUOTEφ為空間誤差相關(guān)系數(shù)，QUOTEWεit度量了地區(qū)間誤差項(xiàng)對(duì)因變量的影響；（3）空間杜賓模型：QUOTEYit=δWYit+βXQUOTEδWYit和分別度量了因變量和自變量的空間效應(yīng)。由于空間杜賓模型是更為一般的空間計(jì)量模型，可由SAR和SEM擴(kuò)展而來(lái)，上文提到空間面板模型有三種，為了確定三種模型哪一個(gè)更加合適，對(duì)以上三個(gè)模型進(jìn)行LR檢驗(yàn)和wald檢驗(yàn)，LR檢驗(yàn)和wald檢驗(yàn)的原假設(shè)都為空間杜賓模型（SDM）可以退化為空間滯后模型（SAR）和空間誤差模型（SEM）。同時(shí)，為了確定面板模型是使用固定效應(yīng)還是隨機(jī)效應(yīng)，需進(jìn)行豪斯曼檢驗(yàn)。檢驗(yàn)結(jié)果見表5-2。表5-2：LR、wald及豪斯曼檢驗(yàn)檢驗(yàn)Chi2自由度P值LRSpatial-lag63.7170.0000LRSpatial-error62.2970.0000WaldSpatial-lag70.2570.0000WaldSpatial-error68.3770.0000hausman19.3870.0071LR檢驗(yàn)和wald檢驗(yàn)都拒絕了原假設(shè)，即應(yīng)該使用空間杜賓模型。豪斯曼檢驗(yàn)也表明應(yīng)該使用固定效應(yīng)模型。所以本文建立的空間計(jì)量模型為空間杜賓模型：公式（5-6）式中，W為空間權(quán)重矩陣，QUOTEδδ為空間自回歸系數(shù)，i和t分別代表地區(qū)和時(shí)間，QUOTEμiμi表示個(gè)體效應(yīng)，QUOTEγtγt表示時(shí)間效應(yīng)，QUOTEεitεit為誤差項(xiàng)。1.3空間面板回歸結(jié)果分析利用stata11.0對(duì)公式（5-6）分別從空間固定效應(yīng)、時(shí)間固定效應(yīng)和時(shí)空雙固定效應(yīng)進(jìn)行回歸，得到結(jié)果如表5-3所示。在選擇固定效應(yīng)的類型上，可以通過對(duì)比三種固定效應(yīng)回歸結(jié)果的Log-L、AIC和BIC值來(lái)選擇。Log-L為對(duì)數(shù)似然值，其值越大表明模型擬合程度越好；AIC為赤池信息準(zhǔn)則，其值越小表明模型擬合程度越好；BIC為貝葉斯信息準(zhǔn)則，與AIC相同，也是值越小表明模型擬合程度越好。表5-3中，時(shí)空雙固定效應(yīng)模型的Log-L值最大，AIC及BIC值都為最小，解釋變量也大都顯著，因此選擇時(shí)空雙固定效應(yīng)空間杜賓模型進(jìn)行實(shí)證的分析。表5-3實(shí)證結(jié)果變量（1）空間固定（2）時(shí)間固定（3）時(shí)空雙固定W*FR-0.033（-0.78）0.207***（2.79）0.095**（2.23）W*RGDP-0.242（-1.49）0.105（0.93）0.336**（-1.98）W*JRSCH0.010（1.25）-0.003（-0.62）0.021*（1.94）W*JSJB-0.087（-1.69）-0.167（-1.67）0.033（0.64）W*CYJG-0.148**（-2.44）0.050（0.32）-0.161**（-2.39）W*DWKF0.046**（2.55）0.0004（0.02）0.043*（1.77）W*ZF-0.008***（-2.67）0.016***（3.53）-0.009***（-3.52）R2-within0.22720.11010.1796Log-likelihood99.20-142.69111.27AIC-166.41317.38-190.53BIC-101.63378.16-129.75樣本數(shù)110110110注：***、**和*分別表示在1%、5%和10%水平下顯著，括號(hào)里為z值W*FR的系數(shù)為空間自相關(guān)系數(shù)，其反映長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)之間的空間溢出效應(yīng)，系數(shù)為正值表明地區(qū)之間的空間溢出效應(yīng)為正，即長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)之間存在正向的空間相關(guān)性。探究原因，這是由于影響因素都具有外部性和網(wǎng)絡(luò)性。金融資源配置效率的提高將逐步提高本地對(duì)周邊省市的輻射效應(yīng)，最終實(shí)現(xiàn)與周邊省市之間各種金融資源的交換和流通在六個(gè)影響因素中，人均GDP、金融市場(chǎng)化程度、對(duì)外開放對(duì)金融資源配置效率具有正向的空間溢出效應(yīng)，技術(shù)進(jìn)步的空間效應(yīng)不顯著，產(chǎn)業(yè)結(jié)構(gòu)和政府干預(yù)具有負(fù)向的空間溢出效應(yīng)。由于空間杜賓模型包含所有變量的空間滯后項(xiàng)，為了更加精準(zhǔn)的描述金融資源配置效率和各影響因素之間的空間關(guān)系，本文還基于偏微分的方法將各變量的空間效應(yīng)進(jìn)行分解。表5-4展現(xiàn)了分解后的直接效應(yīng)、間接效應(yīng)、總效應(yīng)。表5-4空間杜賓模型效應(yīng)分解變量直接效應(yīng)間接效應(yīng)總效應(yīng)RGDP0.1233**（2.05）0.3061**（2.03）0.4295**（2.21）JRSCH0.0086**（2.06）0.0196**（2.01）0.0282**（2.22）JSJB0.7114（1.59）-1.5068（-1.57）-0.7954（-1.11）CYJG-0.0463***（-2.75）-0.1459**（-2.35）-0.1922***（-2.97）DWKF-0.0032（-0.27）0.0399*（1.71）0.0366**（1.98）ZF0.0025（1.44）-0.0091***（-3.68）-0.0066***（-2.78）注：***、**和*分別表示在1%、5%和10%水平下顯著，括號(hào)里為z值人均GDP的空間效應(yīng)分解表明，地區(qū)經(jīng)濟(jì)的增長(zhǎng)不僅提高了本地的金融資源配置效率，還具有促進(jìn)周邊地區(qū)金融資源合理配置的空間溢出效率。同樣，金融市場(chǎng)化程度的提高也具有正向的本土效應(yīng)和空間溢出效應(yīng)，金融市場(chǎng)化程度不僅提高了本土的金融資源利用效率，也會(huì)使周邊的地區(qū)向著金融市場(chǎng)化的方向發(fā)展從而提高周邊地區(qū)的金融資源配置效率?？萍歼M(jìn)步并未顯著影響區(qū)域金融資源配置效率的變化，這可能是現(xiàn)有技術(shù)并未發(fā)展到普遍能為金融服務(wù)的地步。產(chǎn)業(yè)結(jié)構(gòu)中工業(yè)比重的提高會(huì)顯著降低本土和地區(qū)的金融資源配置效率。對(duì)外開放對(duì)本土的影響為負(fù)，但不顯著，對(duì)地區(qū)卻有顯著的正向空間溢出效應(yīng)，說(shuō)明地區(qū)的對(duì)外開放程度越高對(duì)區(qū)域的金融資源配置就越有積極的影響。政府的干預(yù)程度越高一定程度上會(huì)影響地區(qū)金融資源的配置方向，因此，政府干預(yù)對(duì)地區(qū)金融資源配置效率具有消極影響。進(jìn)一步，結(jié)合前一章調(diào)整后效率變化情況，可以分析得出長(zhǎng)江經(jīng)濟(jì)帶各地區(qū)金融資源配置效率差異的具體原因：（1）在下游地區(qū)，上海市、浙江省、江蘇省的經(jīng)濟(jì)發(fā)達(dá)，無(wú)論是金融市場(chǎng)化程度還是對(duì)外開放程度都是領(lǐng)先于長(zhǎng)江經(jīng)濟(jì)帶其他地區(qū)的，金融資源豐富，由于存在經(jīng)濟(jì)發(fā)展和對(duì)外開放的空間溢出效應(yīng)，它們之間相互影響，相互促進(jìn)金融資源配置效率的提高，因此，下游地區(qū)的金融資源配置效率高于上中游地區(qū)。此外，下游地區(qū)產(chǎn)業(yè)結(jié)構(gòu)也較為合理，第三產(chǎn)業(yè)發(fā)達(dá)，在三個(gè)省市中，上海市2018年第三產(chǎn)業(yè)增加值占GDP比例高達(dá)到72.7%，這也是下游地區(qū)金融資源配置效率較高的原因之一：高附加值低污染低能耗的第三產(chǎn)業(yè)對(duì)金融資源的需求，引導(dǎo)金融資源向其流動(dòng)，從而提高了金融資源配置的效率。（2）在上游地區(qū)，經(jīng)濟(jì)發(fā)展差距較大，從2017年數(shù)據(jù)看，長(zhǎng)江經(jīng)濟(jì)帶上游區(qū)域三省一市