四、实证研究
基于中国、巴西、印度、俄罗斯、南非2005～2015年的面板数据，本文采用各国金融服务贸易竞争力指数（TC 指数）作为被解释变量，普通高校学生入学率、城镇化率、互联网普及率、FDI 对GDP 的依存度、货物贸易出口额、金融服务市场集中度以及金融服务贸易开放度作为解释变量进行实证分析，以进一步明确影响金砖国家金融服务贸易国际竞争力的主要因素。
1. 影响因素指标及模型的选取
基于波特的“钻石模型”，并借鉴庄惠明，黄建忠等（2009），陈虹（2010），黄满盈，邓晓虹（2011），姚晓棠，方晓丽（2013）等学者的研究成果，本文选择了如下7 个变量作为研究金砖国家金融服务贸易国际竞争力的自变量。
在要素条件方面，高级要素相对于初级要素对提高一国金融服务贸易竞争力水平的影响更加显著。金融服务行业的兴起与发展离不开人才、城市化发展以及信息技术的支持，因此，这里选取各国高校入学率作为人力资本要素衡量指标、城镇化率作为城市发展水平要素衡量指标、互联网普及率作为技术要素衡量指标。在需求条件方面，由于资本的高流动性，选取各国FDI 对该国GDP 的依存度来衡量对金融服务贸易的需求。在相关产业与支持产业要素方面，货物贸易的出口会在一定程度上带动服务贸易的发展，故选取货物贸易出口额作为衡量指标。在企业战略结构与同业竞争要素方面，国内金融市场的竞争程度会影响该国金融服务贸易产业的发展，故选取一国金融服务市场集中度作为衡量指标。在政府要素方面，政府在助推本国金融对外开放方面有很强的推动作用，故选取一国金融服务贸易开放度作为衡量指标。
各变量的具体名称及在“钻石模型”中对应的要素如表13-5 所示：
表13-4 各变量名称及说明
续表
注：因“机遇”要素不易测量，故在此不做实证分析。
其中，金融服务市场集中度等于该国前五大商业银行总资产除以该国金融机构总资产；金融服务贸易开放度（X7）数据由金融服务贸易进出口总额除以GDP 总额得到。
本文中，除X5 外所有的变量均采用比例的数值形式，消除了不同量纲对回归结果的影响，且保证了数据的平稳性，故本文实证部分将省略平稳性检验的过程。
考虑到变量的个数以及样本的时间跨度，本文采用的实际模型为：
其中，i =1, 2, 3, 4, 5; t =2005, 2006, ...,2015
2. 基于面板数据模型的实证分析
本文研究样本涵盖了中国、巴西、印度、俄罗斯及南非五个国家金融服务贸易的8 个变量共11年的数据，且样本横截面的数量略小于时间序列的数量。这里，各国各年度的人口总数、高校入学人数、城市人口数、互联网用户人数、FDI、GDP、金融服务市场集中度等变量的数据均来自于世界银行官网数据库（http：//data.worldbank.org.cn/）。
（1）描述性统计分析
由表13-5 可以看出，各变量的标准差均在0.65 以下，说明各变量内的差异性不大，波动较小。同时，各变量的VIF 值均小于10，表明变量间不存在多重共线性问题，可直接进行回归分析。
表13-5 各变量描述性统计
续表
(https://www.daowen.com)
（2）相关性检验
利用Stata12.0 软件对金砖国家2005～2015年的面板数据进行相关性分析，结果如表13-6 所示。可以发现，除变量X3（互联网普及率）与X1（高校生入学率）及X2（城镇化率）的相关性程度较高以外，其余变量之间的相关系数均小于0.6，这表明各自变量之间不存在较强的相关性。
表13-6 自变量间的相关系数
（3）回归分析
Hausman 检验。进行回归分析前，首先应进行Hausman 检验，以判断回归采用固定效应模型还是随机效应模型。Hausman 检验的原假设认为，随机模型中个体影响与解释变量间不存在相关关系。若检验结果不显著，则接受原假设，即采用随机效应模型；反之则采用固定效应模型。用Stata 12.0 进行Hausman 检验结果如下表所示。由于p 值小于0.05，则表明应拒绝原假设，使用固定效应模型。
表13-7 Hausman 检验
序列自相关检验。随后利用Stata 12.0 进行xtserial 检验以判断各变量之间的自相关性。xtserial 检验的原假设是各变量之间不存在一阶自相关性，根据检验得到的p 值结果为0.51，则无法拒绝原假设、因此不存在序列自相关性。异方差检验。再对原回归方程进行异方差的检验。利用Stata 12.0，输入代码xttest3，用于检验固定效应模型中的异方差问题。xttest3 的原假设是不存在异方差情况，根据所得到的检验结果，p 值为0.0791 大于0.05，则应接受原假设，即存在同方差。
回归结果分析。由上文检验结果可知，原变量之间存在非自相关与同方差性。因此本文对固定模型进行非自相关与同方差性的修正，使用固定效应广义最小二乘法xtgls 模型对面板数据进行回归。利用Stata 12.0，得到的回归结果如表13-8 所示：
表13-8 固定效应xtgls 模型参数估计结果
注：括号内为标准误。
由表13-8 数据可知，固定效应xtgls 模型的拟合程度较高，R 方为0.777，调整的R 方达到了74.38%，p 值为0，回归模型在1%的水平上整体显著。同时，各解释变量的p 值除X1 外均小于0.05，这表明各回归系数在95%的水平上显著。
根据上述估计，可以得出以下实证分析结果：
（1）高级要素条件方面。高校学生入学率对TC 指数的相关系数为负，且每增加1%的高校入学率将带来金融服务贸易TC 指数0.296%的下降。原因可能是，尽管高校入学人数增加，但可能在学科结构上分布不均衡，导致金砖国家金融高素质人才仍然匮乏，金融行业的高等人才并未由此明显增加，该国金融领域人力资本要素依旧稀缺，未能对金融服务贸易国际竞争力提升做出贡献。未来如有更为详尽的金融人才占比等指标，可以对人力资本的贡献再深入研究。
提高一国的城市化率及互联网普及率将在一定程度上提升该国金融服务贸易TC 指数，且城市化率及互联网普及率与TC 指数的相关系数分别为0.661 与0.448。城市人口以及互联网用户的增加将不断扩充金融服务业的资产规模，提高金融服务质量，促进本国对金融服务产品出口供应量的增加，故金融服务出口规模将进一步提升，最终导致一国金融服务贸易国际竞争力的提升。
（2）需求要素与金融服务贸易国际竞争力有较明显的正相关关系。实证结果显示，一国对外直接投资对GDP 依存度的提升将促进该国金融服务贸易TC 指数的增加，且FDI 依存度每增加1%，TC 指数将增加3.207%。这表明扩大对外直接投资与吸收外资流入的总量将在很大程度上提升一国金融服务贸易出口的规模，进一步促进该国金融服务业不断创新发展，最终带来金融服务贸易国际竞争力的提升。
（3）相关产业因素对金融服务贸易出口有比较小的限制性影响。货物贸易出口额与金融服务贸易TC 指数的相关系数为负，伴随着每1%百万美元货物贸易出口额的增加，金融服务贸易TC 指数将下降0.227%。原因可能是，货物贸易的进出口对服务贸易进口的贡献度大于对服务贸易出口的贡献度，且世界贸易主体长期存在普遍的经常项目“非对称性”，[3]往往货物贸易的顺差额越大的国家其服务贸易的逆差额也越大，反之，货物贸易逆差额大的国家和地区其服务贸易的顺差额也越大。原因在于，对主要的经济体而言，货物贸易和服务贸易在贸易结构上存在优势替代效应，即一个经济体很难长期保持货物和服务贸易的双顺差或者双逆差，尤其是双顺差。在发展中国家，由于发展极不平衡，大多数国家货物贸易均处于顺差而服务贸易处于逆差。货物贸易在总体贸易量规模仍占比很大，且主要依托于传统的第一、第二产业；而作为第三产业的服务业尤其是金融服务业起步较晚，发展速度缓慢，服务质量水平低，贸易逆差严重。故货物贸易出口量的增加（顺差的扩大）可能在一定程度上影响金融服务贸易的发展，从而限制一国金融服务贸易国际竞争力水平的提高。
（4）企业战略结构与同业竞争要素对金融服务贸易国际竞争力有一定的正相关关系。实证结果显示金融服务贸易集中度与TC 指数的相关系数分别为0.531。这表明随着金融服务行业改革的不断深入，较高的行业集中程度将更好地促进金融服务专业水平的提升与对外融合，因此金融服务出口规模将进一步提升，导致一国金融服务贸易国际竞争力的提升。
（5）政府要素对金融服务贸易国际竞争力有非常显著的正向影响。金融服务贸易开放度每增加1%、将造成TC 指数增加67.962%，这说明一国金融服务贸易市场的开放将在极大程度上促进该国金融服务贸易国际竞争力的提升。原因在于金融服务贸易市场的开放将鼓动本国金融服务机构走出国门、开拓海外市场，并导致国外对本国市场金融服务产品需求的增加，促进本国金融服务出口，最终提高一国金融服务贸易国际竞争力。
综合上述回归结果表明，一方面，伴随着一国城市化率、互联网普及率、FDI 依存度、金融市场集中度以及金融服务贸易开放度的提高，该国金融服务贸易竞争力水平将有所提升。其中金融服务贸易开放程度对金融服务贸易竞争力的影响最强，表明一国政府应大力开放本国金融服务贸易市场以扩大其竞争力。
另一方面，普通高等学校入学率及货物贸易出口额与金融服务贸易TC指数的相关系数是负的，表明高校入学率的提高如果不伴随金融学科人才培养比例的增加将不会有利于促进金融服务贸易发展，而货物贸易出口额的增加也不会带来金融服务贸易国际竞争力的提升，这可能与发展中国家依托的资源要素特征以及原本的经济贸易整体结构有关。故有关部门应进行相应的政策策略的调整，加大金融服务贸易的出口规模以及对金融专业性人才的培养。