表 6 報告式(1)以 logGDP 為被解釋變數，同時以普通最小平方法、
固定效果與隨機效果三種方法的估計結果，一至三欄未考慮控制變 數，四至六欄則加入了控制變數。首先就 FBLoan 的影響來看，不論使 用何種估計方法，也不論是否考慮控制變數 FBLoan 對城市 GDP 均有 非常顯著的影響力，OBLoan 也傾向有正向影響，不過不似 FBLoan 全 面性的顯著，至於 CBLoan 的係數則完全不顯著，顯示不同類型銀行 的放款對中國城市經濟成長有著不同的影響，相對於其他兩類銀行而 言，外資銀行的信貸扮演著刺激城市經濟的重要角色，來自其他銀行
（主要為國有銀行及股份制商業）放款的促進效果也不能忽略，至於 城市銀行的影響則微不足道。
表 7 報告式 以每人平均 GDP 的對數值(GDPper)為被解釋變數的 結果。儘管在前三欄未考慮控制變數時，FBLoan 對 GDPper 仍有顯著 正向影響，但這樣的效果在考慮控制變數後，卻變得不再顯著。至於
CBLoan
及 OBLoan，則對 GDPper 均無顯著影響。所以，採用每人平均 GDP 作為經濟成長指標時，銀行信貸與城市經濟成長的關係似乎 不太明顯。銀行信貸對人均 GDP 的影響不如對 GDP 來的顯著，可能 與人均 GDP 的真確性有關，其關鍵點很可能在於各城市的戶籍人口與 常住人口的差距，在 2008 年以前，各城市統計局所公布的人均 GDP 資料是以 GDP 總值除以戶籍人口，但由於戶籍人口與實際常住人口有 很大差距，導致統計出來的人均 GDP 與實際狀況有不小差距，以在上 海、北京、深圳等城市為例，常住人口常常超出戶籍人口甚多，各城 市統計年鑑卻都採用較低的戶籍人口作為分母，導致所公布的人均
GDP
有高估之嫌，往往無法反應真實狀況，這或許是導致迴歸結果不 佳的重要原因。46此外，由第四欄的控制變數 DCentral的係數為負，我據《新華社》2008 年 2 月 1 日報導，各城市統計局自 2008 年起開始改用常
們也發現如上海、北京等大型的直轄市，其每人平均 GDP 反而不及其
OLS Fixed
Effect
Random
Effect OLS Fixed
Effect
Random Effect
Constant 3.756***
(5.681) - 9.308***
(13.859)
2.964***
(5.828) - 6.142***
(6.952)
FBLoan 0.151***
(3.263)
CBLoan 0.091
(1.647)
OBLoan 0.485***
(4.297) DSub-Provin
- - - 0.262***
R2 0.778 0.961 0.973 0.936 0.984 0.992
樣本數 56 56 56 34 34 34
說明： *、**與***分別代表在 10%、5%及 1%的顯著水準下異於零。
Control = [DCentral, DSub-Provin, FDI, Infra, Labor, College]，變數定義及來源請見表 2。
以 OLS 估計時，標準差均經異質變異數調整，括弧內為 t 值。
經 Hausman Test 結果，在 95%的顯著水準下，無法拒絕隨機效果和固定效果的係數沒有 系統性差異的假設，故兩者均可採用。
表 7 中國城市每人平均 GDP 與銀行放款
OLS Fixed
Effect
Random
Effect OLS Fixed
Effect
Random Effect
Constant 9.783***
(24.944) - 9.809***
(15.115)
7.485***
(10.032) - 6.770***
(6.089)
FBLoan 0.142***
(5.224) CBLoan -0.045
(-1.526) OBLoan -0.012
(-0.284) DSub-Provin
- - - -0.220*
R2 0.333 0.863 0.906 0.688 0.897 0.944
樣本數 56 56 56 34 34 34
說明： *、**與***分別代表在 10%、5%及 1%的顯著水準下異於零。
Control = [DCentral, DSub-Provin, FDI, Infra, Labor, College]，變數定義及來源請見表 2。
以 OLS 估計時，標準差均經異質變異數調整，括弧內為 t 值。
經 Hausman Test 結果，在 95%的顯著水準下，無法拒絕隨機效果和固定效果的係數沒有 系統性差異的假設，故兩者均可採用。
住人口計算人均 GDP，未來將更能反映城市真實經濟概況，〈改常住人口 統計 消除 GDP 數據泡沫〉，《大公網》，2008 年 2 月 1 日，<http://www.
takungpao.com/news/08/02/01/zm-859369.htm>。 不 過 ， 由 於 本 文 採 用
2004-2006年資料，各城市尚未公布常住人口，因此本文只能採用以戶籍人
口計算的人均 GDP 指標。
表 8 報告同時考慮式 與式 的結果，亦即假設外國銀行放款對城 市經濟的效果會受到該城市外人直接投資的影響。與前幾個表格不同 的是，FBLoan 的係數不再顯著，甚至在 OLS 的估計式中為顯著負值，
但多數 FBLoan×FDI 的係數均為顯著正值，顯示外資銀行的放款效果 會隨著外人直接投資的增加而提升，換言之，擁有較多外資直接投資 的城市，外資銀行對城市成長的貢獻度較大。在外商聚集的上海、北 京、深圳、廣州等地，外資銀行對外商企業的放款顯然對該地經濟成 長有推波助瀾的作用，此一結果也驗證了本文外資銀行「客戶追隨理 論」的假說。OBLoan 與 CBLoan 的係數與表 6 的結果類似，前者傾向 為正，後者則多不顯著。 這個結果再次證明：城市銀行對於刺激經濟 成長的作用是不及另外兩類銀行的。主要應是由於在這 19 個城市中，
城市銀行放款只占全體銀行放款的 5%左右，對於經濟的影響也就極為 有限。
表 8 中國城市 GDP 與銀行放款
OLS Fixed
Effect
Random
Effect OLS Fixed
Effect
Random Effect
Constant 6.518***
(7.089) - 9.534***
(15.177)
8.942***
(3.288) - 8.479***
(3.235) FBLoan -0.204***
(-3.234)
CBLoan 0.049
(1.481)
OBLoan 0.350***
(3.707) DCentral
- - - 0.503***
R2 0.888 0.964 0.975 0.941 0.984 0.992
樣本數 56 56 56 34 34 34
DSub-Provin
- - - 0.351***
(3.765) - 0.646
(1.374)
說明： *、**與***分別代表在 10%、5%及 1%的顯著水準下異於零。
Control = [DCentral, DSub-Provin, FDI, Infra, Labor, College]，變數定義及來源請見表 2。
以 OLS 估計時，標準差均經異質變異數調整，括弧內為 t 值。
經 Hausman Test 結果，在 95%的顯著水準下，無法拒絕隨機效果和固定效果的係數沒有 系統性差異的假設，故兩者均可採用。
表 9 中國城市 GDP 與銀行放款
OLS Fixed
Effect
Random
Effect OLS Fixed
Effect
Random Effect
Constant 3.803***
(8.078) - 6.476***
(6.458)
2.927***
(5.336) - 6.572***
(5.309) FBLoan -0.107**
(-2.297) CBLoan -0.085
(-0.675)
OBLoan 0.797***
(6.566)
DCentral
- - - 0.341**
R2 0.872 0.962 0.974 0.947 0.980 0.991
樣本數 56 56 56 34 34 34
DSub-Provin
- - - 0.213***
Control = [DCentral, DSub-Provin, FDI, Infra, Labor, College]，本表中 Competitive = ComIndex，
變數定義及來源請見表 2。
以 OLS 估計時，標準差均經異質變異數調整，括弧內為 t 值。
經 Hausman Test 結果，在 95%的顯著水準下，無法拒絕隨機效果和固定效果的係數沒有 系統性差異的假設，故兩者均可採用。
表 10 中國城市 GDP 與銀行放款
OLS Fixed
Effect
Random
Effect OLS Fixed
Effect
Random Effect
Constant 5.806***
(8.433) - 6.227***
(8.145)
3.810***
(5.692) - 3.563***
(3.346) FBLoan -0.124**
(-2.213)
CBLoan 0.029
(0.389)
OBLoan 0.547***
(6.738)
DCentral
- - - 0.299**
R2 0.873 0.976 0.984 0.947 0.987 0.994
樣本數 56 56 56 34 34 34
DSub-Provin
- - - 0.183***
Control = [DCentral, DSub-Provin, FDI, Infra, Labor, College]，本表中 Competitive=ComRank，
變數定義及來源請見表 2。
以 OLS 估計時，標準差均經異質變異數調整，括弧內為 t 值。
經 Hausman Test 結果，在 95%的顯著水準下，無法拒絕隨機效果和固定效果的係數沒有 系統性差異的假設，故兩者均可採用。
表 9 是同時考慮式 至式 的結果，亦即假設銀行放款效果受城市 競爭力的影響，在此以競爭力指標(ComIndex)作為城市競爭力的代理 變數。以 OLS 估計的結果（第一欄與第四欄）而言，雖然 FBLoan 的 係數為負，但 FBLoan×ComIndex 的係數卻是顯著正值，所以，
FBLoan
的加總效果為正，其中主要是來自城市競爭力強化效果，但在固定效果與隨機效果模型且加入控制變數的估計結果中（第五欄與第 六欄），FBLoan 的係數變為正，但 ComIndex 的強化效果卻不再明 顯；而 CBLoan 在各欄中均無顯著的影響，顯示城市銀行對城市經濟 成長無足輕重。有趣地是，OBLoan 的係數卻與外資銀行恰恰相反，其 係數為正，但 OBLoan×ComIndex 的係數卻為負（在第一、三及四 欄），表示其他銀行放款本身對城市經濟成長有正向影響，但此正向 影響卻不因城市競爭力增加而提升，甚至會因競爭力增加而降低，不 過這些效果在固定效果模型及隨機效果模型中就不再明顯（第二、五 及六欄），這些不一致的效果可能歸因於樣本期間 ComIndex 變數各 年的平均水準有很大的差異，此時間效果(Time Effects)可能影響估計 結果。為避免時間效果的干擾，我們又使用競爭力排名(ComRank)作 為另一個城市競爭力的代理變數，迴歸結果列於表 10。
表 10 所列乃是同時考慮式 至式 ，而以競爭力排名(ComRank) 為城市競爭力指標的結果。由表中，我們發現不論使用何種估計方 法，結果都相當一致，似乎 ComRank 是較佳的競爭力代理變數。首 先，儘管 FBLoan 本身的效果不顯著，但 FBLoan 與 ComRank 的交 乘項卻對城市 GDP 有顯著的正向影響，表示外資銀行對城市經濟的影 響會因城市競爭力排名的提升而增加；與表 8 相同地是，CBLoan 對城 市 GDP 並無顯著影響，再次證明城市銀行無足輕重的角色；至於
OB-Loan，在所有欄中，OBLoan 本身的係數都為顯著正數，但 OBLoan×
ComRank
則為負，這樣的結果再次確認了：主要包括國有銀行及股份銀行的其他銀行對城市經濟成長有重要的貢獻，不過此貢獻並不會因 城市競爭力的提升而增加，反而會削弱，此結果與外資銀行恰恰相
反。
這可能與國有銀行及股份制銀行的放款政策有些關係，如第二部 分所述，此兩類銀行主要客戶群集中於大型國有企業，由於一般認為 民營企業的活力與績效應高於國有企業，對城市經濟的貢獻也會較 高。而競爭力越高的城市通常也表示其投資環境越佳，越適合民營企 業投資與發展，然而國有銀行的放款卻集中於國有企業，對民營企業 而言反而產生排擠效果，不利經濟發展，這種排擠效果在競爭力越高 的城市越明顯，或許正是因為這個緣故，導致其他銀行放款對經濟的 促進效果隨城市競爭力增加而不增反減。相反地，外資銀行的客戶多 半為外資企業，在競爭力愈高、投資環境愈佳的城市，外資企業的經 營績效更佳，有助經濟發展，以致於會提升外資銀行放款對城市經濟 的促進效果。競爭力名列前茅的城市常會集中資源，規畫有利大型企 業發展經濟特區，吸引國內外大型企業或金融機構進駐，47例如北京的 商務中心區及金融街、上海的陸家嘴、廣州的環市東中央商區等即已 吸引眾多世界前 500 大企業及國際知名金融機構進駐，因此，在這些 競爭力領先的大城市中，外資銀行能發揮的空間是遠大於其他城市 的。
在各個表中，控制變數對城市 GDP 的影響方向大致相同。一般而
言，DCentral與 DSub-Provin的係數都是顯著正值，表示直轄市與副省級市
有較高的 GDP；除了表 8 考慮 FBLoan×FDI 的模型外，不論估計方 法，FDI 對於城市 GDP 都有非常顯著的正向影響；Infra 也有類似影 響，所以，各城市的外人直接投資及基礎建設投資是城市經濟發展的 重要刺激因素。就人力資本而言，就業人口比的影響僅在普通最小平 方法時顯著，似乎顯著性不及前兩個因素；再者，大專人口比在普通
沈中華、周秀霞，〈臺北、香港與上海成為國際金融中心之條件分析─外國 銀行設立分支機構的決定因素〉，《遠景基金會季刊》，第 10 卷第 2 期，
2009年 4 月，頁 49-100。
最小平方法與隨機效果模型估計中對城市 GDP 有顯著正向影響，顯示 人力資本的品質仍是不可忽略的因素。
最小平方法與隨機效果模型估計中對城市 GDP 有顯著正向影響，顯示 人力資本的品質仍是不可忽略的因素。