科技金融對科技創新影響的空間效應分析

杜江+張偉科+范錦玲

摘要：運用2001～2013年我國29個省（市、自治區）的面板數據，對我國科技金融和科技創新進行測度，分別利用空間地理權重和空間經濟權重下的空間杜賓計量模型（SDM），實證檢驗了我國科技金融能否促進區域科技創新和各地區科技創新能力是否受其他地區科技金融發展水平的影響。研究結果顯示：各地區科技創新能力在空間上并非隨機分布，而是呈現出明顯的空間相關性，科技金融發展能夠顯著地提升區域科技創新能力；空間上的地理特征和社會經濟特征對各省市區科技創新能力有顯著正向作用，各地區科技創新能力受其地區科技金融發展水平的影響。

關鍵詞：科技金融；科技創新；空間相關性；空間杜賓模型

DOI：10.13956/j.ss.1001-8409.2017.04.05

中圖分類號：F832；F124.3 文獻標識碼：A 文章編號：1001-8409（2017）04-0019-04

Abstract： Base on the panel data of 29 provinces from 2001 to 2013 in China， this paper measures the technology finance and technology innovation. Meanwhile， using Spatial Durbin Model （SDM） in the condition of spatial distance weights and spatial economic weight， it empirically tests whether technology finance could promote technology innovation， and whether the regional technology innovation is affected by the development of other provinces technology finance. Results show that， the technology innovation in space is not randomly distributed， but has a significant spatial autocorrelation， and the development of technology finance can significantly improve the regional technological innovation ability. In the features of spatial geographical and social economic， technology finance has a significant positive effect on technology innovation， and the development of provinces technology finance can influence the other provinces technology innovation.

Key words：technology finance； technology innovation； spatial autocorrelation； SDM

科技是第一生產力，科技創新是促進結構調整、產業升級和經濟發展的第一推動力。黨的十八大明確指出，科技創新是提高社會生產力和綜合國力的戰略支撐，必須擺在國家發展全局的核心位置。科技創新離不開金融的支持，金融發展需要科技的助推，科技創新必須與金融創新有機結合，相互作用，相互推動。因此，如何利用科技金融推動科技創新能力的提升和增強國家核心競爭力，是經濟新常態下的重要熱點問題。

1 文獻綜述

關于科技金融和科技創新的相關問題，學者們從不同視角進行了研究。國外學者對“科技金融”的解釋接近于“科技與金融”，強調的是科技與金融的互動關系，并沒有對科技金融進行定義。大多數研究側重從不同角度分析金融如何影響科技創新，King和Levine通過構建內生增長模型，以企業創新活動為紐帶，把金融與經濟增長聯系起來，認為金融系統能夠促進創新，主要通過評估篩選潛在的項目、籌集資金、評估創新活動風險和預估未來利潤來實現，金融與科技的協同是促進經濟增長的重要原因[1]。Neff指出，金融與科技創新相互影響，沒有金融支持，企業的科技創新就非常困難[2]。Atanassov等采用計量實證分析方法對1974～2000年美國上市公司融資與科技創新關系進行了研究，結論顯示：擁有更多創新項目的公司更容易通過多種方式（如公債和股權）獲得融資，能夠在未來獲得更多的創新產出，導致未來價值增加20%以上；而創新項目較少的公司一般通過銀行貸款融資，未來的創新產出較少[3]。也就是說，擁有多種融資方式自由權公司的科技創新能力優勢更加顯著。

相對國外學者從科技與金融相結合的視角研究而言，國內學者從不同角度對科技金融進行了研究。趙昌文等最早對“科技金融”的概念進行了界定[4]。之后，國內學者在微觀和宏觀層面上對科技金融進行了諸多研究。葉莉等以我國322家科技型上市中小企業（2006～2014年）為樣本，運用計量分析方法的實證結果顯示：政策性、自主型資金對科技創新具有顯著的積極推動作用，特別是政策性融資對科技創新表現出極強的正向作用[5]。張玉喜和趙麗麗采用2004～2012年中國30個省（市、自治區）的面板數據，結合靜態和動態面板數據模型方法，實證分析了科技金融投入對科技創新的作用，結果表明在短期內，科技金融投入對科技創新具有顯著正向作用，而長期并不顯著[6]。徐玉蓮等在分析區域科技創新與科技金融系統協同發展的基礎上，通過構建區域科技創新與科技金融系統協同發展的系統動力學模型，揭示了系統協同發展的運行機理，提出了實現系統協同發展的方略[7]。尹志超等采用2013年中國家庭金融調查數據，研究了金融知識對家庭創業決策和創業動機的影響，結果發現金融知識水平越高，家庭參與創業活動的積極性就越高，家庭就會越主動創業[8]。基于協同學理論，和瑞亞和張玉喜構建了耦合協調度模型，對我國28個省級區域的耦合協調度進行了評價，研究結果顯示，我國各省級區域科技創新與公共金融的耦合協調程度整體較低，大部分區域公共金融滯后于科技創新[9]。王任祥和楊曼利用兩階段GMM回歸模型，從最優化視角論證了科技創新與金融創新最佳耦合協調的存在性，認為科技創新與金融創新耦合協調度對經濟效率的提升具有顯著正向作用[10]。

盡管國內外學者對科技金融和科技創新的有關問題從不同角度進行了研究，但仍然有不足之處，主要表現在：①多數學者在現有經濟理論基礎上，分別研究了金融發展、科技創新對經濟增長等層面的影響，但忽略了科技金融對科技創新的影響。事實上，科技金融對科技創新會產生直接或間接的影響。②現有研究對科技金融和科技創新的評價表現為兩種極端：大多數研究采用單一指標來評價科技金融和科技創新，與當前科技金融和科技創新日益復雜化的現狀不協調；有些研究采用很多分析指標，使得某些指標之間高度相關，造成研究結果偏誤。③現有研究很少考慮空間面板數據的空間依賴性和空間相關性。實際上，科技金融和科技創新數據具有很強的空間關聯性，Tobler和Anselin認為，一個地區某一屬性與鄰近地區同一屬性是相關的[11，12]。因此，如果理論和實證研究忽略空間相關性，就會使得相關研究的結論缺乏解釋力和說服力。針對以上不足，本文的貢獻在于：①從理論和實證雙重層面分析科技金融對科技創新的影響。②通過構建多指標評價體系對科技金融和科技創新進行評價。③運用空間杜賓計量模型，分析科技金融是否顯著地提升了科技創新能力，各地區科技創新是否具有空間依賴性。

2 指標構建及數據來源

本文通過構建空間計量模型對科技金融是否促進科技創新進行實證研究，需要解決以下問題：①科技創新的測度問題。目前，國內外文獻普遍采用專利授權量作為科技創新的代理變量，忽略了科技創新能力的多指標特性。于此，本文從科技創新投入、科技創新產出、科技創新擴散和科技創新環境四個方面評價科技創新能力。②科技金融的評價問題。本文根據科技金融的界定，選取能夠代表各省市區發展狀況和現實情況的科技金融評價指標。

2.1 科技創新能力（inno_tech）的評價

為了能夠全面地評價各地區科技創新能力，本文基于徐玉蓮、宋躍剛和杜江等提出的有關思想[7，13]，主要從科技創新投入、科技創新產出、科技創新擴散和科技創新環境四個方面評價科技創新能力，表1顯示的是科技創新能力指標體系和權重。

2.2 科技金融（fina_tech）的測度

國內外文獻關于科技金融的研究較少，對于科技金融的評價指標更是沒有統一的標準和體系。本文基于徐玉蓮等度量科技金融的基本思想[7]，從科技信貸額、科技信貸占GDP比重、風險機構投資總額、風險投資機構數量、科技型上市公司總市值和科技型上市公司數六個方面來衡量科技金融，表2顯示的是科技金融指標體系和權重。

2.3 控制變量

事實上，盡管科技創新受到科技金融的影響，但也受到其他因素的約束。本文借鑒宋躍剛、張林等采用的方法[13，14]，對一些可能影響科技創新的主要因素進行控制，這些因素包括：產業的集聚程度用集中化指數（hhi）和專業化指數（sli）衡量①；產業結構（stru_indu）用第三產業產值占GDP比重度量；金融深化程度（deep_fina）用信貸總額占GDP的比重衡量；對外開放程度（openess）通常用進出口總額占GDP的比重度量；人力資本投入（human）用Barro和Lee提出的勞動力平均受教育年限近似表示[15]；城鎮化水平（urban）選用城鎮人口占總人口的比重度量。

2.4 數據來源及其處理

為了保證研究的客觀和真實，充分考慮數據的易得性和可行性，本文選取的樣本是除西藏自治區和海南省外的29個省（市、自治區）2001～2013年期間的省際面板數據①。以上變量的數據來源于《中國統計年鑒》《中國科技統計年鑒》《中國教育年鑒》《中國高技術產業統計年鑒》、國泰安數據庫和WIND資訊金融數據庫。在指標的計算過程中，為了保證各指標跨年度可比性，對各項指標進行無量綱化處理②，然后通過熵權法算出每個指標的權重和綜合值。對于部分年度缺失的數據，通過線性插值法填補。

3 空間計量模型的構建

3.1 空間矩陣構建及空間相關性檢驗

關于空間計量模型的問題，一般通過空間依賴性檢驗比較LMLAG和LMERR的顯著性來選擇[17]，但是適用于截面數據而非面板數據。對于面板數據而言，本文依據宋躍剛和吳耀國的檢驗方法[13]，結果顯示應該選擇空間杜賓模型③。然后，對空間杜賓模型進行Hausman檢驗，卡方統計量為36.39，對應的P值幾乎為0，在1%的顯著水平下，拒絕隨機效應的原假設，選擇固定效應模型。

4 實證結果和分析

4.1 空間相關性檢驗

為了判斷各省（市、自治區）科技創新能力在空間上是否存在策略性互動的可能，本文選取我國29個省（市、自治區）2001～2013年科技創新面板數據作為空間單元觀測值，對被解釋變量科技創新（lninno_tech）進行了Morans I檢驗，如表3所示。根據Morans I檢驗值，各地區科技創新能力的Morans I統計值總是大于期望值-0.036，在1%的顯著性水平下，存在顯著的正向相關性，表明科技創新能力在空間上并非呈現隨機分布狀態，而與具有相似空間特征地區的科技創新能力密切相關。

4.2 回歸結果及其分析

本文運用中國29個省（市、自治區）2001～2013年科技創新和科技金融的相關數據，共377個觀測值，分別進行了普通面板模型和空間杜賓模型回歸①，結果見表4。

根據表4模型（1）至模型（5）的回歸結果可以看出，無論是否考慮其他因素的影響，各地區科技金融能夠顯著地促進區域科技創新能力提升。

（1）通過普通面板回歸結果（1）顯示，在1%的顯著性水平下，解釋變量科技金融系數顯著為正，科技金融水平每提高1%，區域科技創新能力就會提高0.19%。表明科技金融對科技創新有著明顯的正向促進作用，在一定程度上說明科技金融能夠顯著地提升區域科技創新能力。

（2）由地理權重和經濟權重的空間杜賓模型回歸結果（2）至回歸結果（5）顯示，在1%的顯著性水平下，空間自回歸系數（ρ）全部為正，說明各地區科技創新存在顯著的正向相關性，即每個地區科技創新受其他相似空間特征地區科技創新和科技金融的影響。

（3）從系數值大小看，與地理特征權重模型（3）的相關系數相比，當模型中引入了專業化指數、集中化指數、產業結構水平、開放水平、金融深化程度和城鎮化水平等控制變量后，社會經濟特征權重模型（5）的相關系數相對較高，即在空間經濟權重下，各地區科技金融水平每提高1%，科技創新能力就會提高0.155%，高于空間地理權重下的0.129%。說明社會經濟因素對科技創新的影響更加明顯。

（4）就其他控制變量而言，考慮空間地理權重模型（3）和空間經濟權重模型（5），在5%的顯著水平下，集中化指數、產業結構、金融深化程度和人力資本對各地區科技創新能力有顯著正向作用，說明一個經濟體的產業集中化程度、產業結構特征、金融深化程度和人力資本在一定程度上都能夠促進科技創新能力的提升，但是產業專業化指數、開放程度和城鎮化水平對各地區科技創新能力的影響并不顯著。

5 主要結論和政策啟示

本文考慮了區域科技創新的空間依賴性，采用空間杜賓模型對科技金融是否促進科技創新進行了實證檢驗，得到如下結論：

（1）科技金融能夠顯著地促進區域科技創新。無論是采用普通面板回歸，還是采用空間杜賓模型回歸，都顯著地支持科技金融促進區域科技創新的理論。

（2）科技金融對科技創新能力的影響呈現空間互動效應。即各地區科技創新能力受其他地區科技創新和科技金融發展水平的影響。

（3）相較于地理空間距離因素，經濟距離因素對科技創新能力的影響更強。即社會經濟特征更有利于科技創新能力提升。

就目前中國的實際情況看，應加強各地之間的聯系，拓寬融資渠道，促進科技金融多層次多維度發展，使科技金融支持科技創新，有效推動“大眾創業、萬眾創新”，促進科技產業的快速發展，增強國家核心競爭力。

參考文獻：

[1]King R G， Levine R. Finance and Growth： Schumpeter Might be Right[J]. The Quarterly Journal of Economics， 1993，108（3）： 717-737.

[2]Neff C. Corporate Finance， Innovation， and Strategic Competition[M]. Springer Science & Business Media， 2012.

[3]Atanassov J， Nanda V K， Seru A. Finance and Innovation： The Case of Publicly Traded Firms[R]. Ross School of Business Paper， 2007.

[4]趙昌文，陳春發，唐英凱.科技金融[M].北京：科學出版社，2009.

[5]葉莉，王亞麗，孟祥生.中國科技金融創新支持效率研究——基于企業層面的理論分析與實證檢驗[J].南開經濟研究，2015（6）：37-53.

[6]張玉喜，趙麗麗.中國科技金融投入對科技創新的作用效果——基于靜態和動態面板數據模型的實證研究[J].科學學研究，2015（2）：178-187.

[7]徐玉蓮，王玉冬，林艷.區域科技創新與科技金融耦合協調度評價研究[J].科學學與科學技術管理，2011（12）：116-122.

[8]尹志超，宋全云，吳雨，等.金融知識、創業決策和創業動機[J].管理世界，2015（1）：87-98.

[9]和瑞亞，張玉喜.區域科技創新系統與公共金融系統耦合協調評價研究——基于中國28個省級區域的實證分析[J].科技進步與對策，2014（7）：31-37.

[10]王仁祥，楊曼.科技創新與金融創新耦合關系及其對經濟效率的影響——來自35個國家的經驗證據[J].軟科學，2015（1）：33-36，41.

[11]Tobler W R.A Computer Movie Simulating Urban Growth in the Detroit Region[J]. Economic Geography， 1970（46）： 234-240.

[12]Anselin L.Spatial Econometrics： Methods and Models[M].Dordrecht：Kluwer Academic Press，1988.

[13]宋躍剛，吳耀國.制度環境、OFDI與企業全要素生產率進步的空間視角分析[J].世界經濟研究，2016（11）：78-85，136.

[14]張林.金融發展、科技創新與實體經濟增長——基于空間計量的實證研究[J].金融經濟學研究，2016（1）：14-25.

[15]Barro R J，Lee J W. International Comparisons of Educational Attainment[J]. Journal of Monetary Economics， 1993， 32（3）： 363-394.

[16]李婧，譚清美，白俊紅.中國區域創新生產的空間計量分析——基于靜態與動態空間面板模型的實證研究[J].管理世界，2010（7）：43-55，65.

[17]Anselin L， Arribas-Bel D. Spatial Fixed Effects and Spatial Dependence in a Single Crosssection[J]. Papers in Regional Science， 2013， 92（1）： 3-17.

（責任編輯：張 勇）