科技金融支持科技創新的實證檢驗

曹文芳

（武漢職業技術學院 商學院，武漢 430074）

0 引言

科技與金融都是生產力要素中最為活躍的因子。科技與金融的深度融合能夠提高科技創新成果向市場化、資本化轉換的效率。科技金融與科技創新的互動發展問題引起了學界的廣泛關注。學者們對全國、各省市的高新技術企業、中小板、創業板[1]、科技型中小企業[2]的面板數據，運用ADF檢驗[3]、Johansen檢驗[4]、格蘭杰因果關系檢驗[5]、Hausam檢驗[6]以及DEAMalmquist[7]方法，在科技金融促進科技創新的金融規模[8]、金融效率[9]、有效性[10]、耦合機理[11]、創新效率[12]等方面展開了較為深入的研究。盡管現有的研究成果為科技金融與科技創新的互動發展研究奠定了一定基礎，但研究對象大多集中在國家或區域層面，對地市層面的研究相對較少。湖北省不同地市的科技金融發展程度不同，其科技創新能力也存在差異，需要依據不同地區的科技金融成熟度來制定差異化戰略。基于此，本文利用2010—2017年湖北省17個地市的科技金融投入與科技創新產出面板統計數據，構建了湖北科技金融支持科技創新的評價指標體系，采用回歸分析法對科技金融投入與科技創新產出的長期均衡關系進行綜合評價，并對回歸模型進行ADF平穩性檢驗和Johansen協整檢驗，以期為提升湖北科技創新能力、促進各地市區域經濟持續穩定增長提供參考依據。

1 指標體系構建與數據來源

本文的指標體系主要包括兩個方面：一是科技金融指標，用科技金融發展水平X來表示；二是科技創新指標，用科技創新能力Y來表示。科技金融屬于供給側的范疇，按照科技金融供給的主體將科技金融發展水平主因子劃分為直接科技金融、間接科技金融和政府科技金融三大部分。直接科技金融主要用直接融資渠道中創業風險投資資本管理規模占項目研發經費的比重來反映（記為X11），該指標越大，表明資本市場支持科技創新的力度越大。間接科技金融用商業銀行提供的科技貸款占項目研發經費的比重來衡量（記為X21），該指標越大，表示商業銀行對科技創新的支持力度越大。政府科技金融用地方財政科技撥款占項目研發經費的比重來衡量（記為X31），該指標越大，表明地方政府對科技創新活動的支持力度越大。科技創新屬于產出范疇，選用高新技術產品收入作為科技創新指標（記為Y11）：一是高新技術產品收入能夠直觀反映地方的科技創新整體情況；二是高新技術產品收入是科技創新成果資本化、市場化的最有力證明。基于數據的可得性和結果的可計算性，本文從直接科技金融、間接科技金融、政府科技金融與科技創新產出等方面選取代表性指標，構建了湖北科技金融與科技創新的評價指標體系（如下頁表1所示），開展湖北科技金融支持科技創新的實證研究。本文以2010—2017年湖北省17個地市的項目研發經費支出、高新技術產品銷售收入、金融機構人民幣貸款年末余額、科技項目經費支出、地方一般公共預算支出等原始數據為實證研究樣本，樣本數據取自于近八年的《湖北統計年鑒》《湖北省知識產權發展報告》《中國高技術產業發展年鑒》《中國創業投資發展報告》以及中國高技術產業數據網等。數據處理和實證分析用Eviews8.0等統計軟件完成。

表1 湖北科技金融與科技創新的評價指標體系

2 模型選擇

本文以2010—2017年湖北省17個地市的面板數據為樣本進行線性回歸分析。為了保證回歸參數估計量具有良好的統計性質，消除樣本數據的異方差性，同時保留變量之間的協整關系，需要對因變量-高新技術產品收入、自變量-直接科技金融、間接科技金融和政府科技金融分別取自然對數，記為Ln Y11、Ln X11、Ln X21、Ln X31，構建回歸模型，如式（1）所示：

式（1）中，t=1,2,3,…,17，LnY1t為湖北省17個地市高新技術產品收入的自然對數，代表科技創新能力；LnX1t為各地市中小企業研發經費中獲得直接融資規模的自然對數；LnX2t為各地市中小企業研發經費中獲得商業銀行科技貸款的自然對數；LnX3t為各地市中小企業研發經費中獲得財政科技撥款的自然對數；μ0為常數項；μ1為直接科技金融支持科技創新的權重；μ2為間接科技金融支持科技創新的權重；μ3為政府科技金融支持科技創新的權重；εt為隨機誤差項。

3 實證檢驗

3.1 ADF平穩性檢驗

若時間序列存在單位根，則表明該序列各變量之間的線性關系是不平穩的，相應的回歸分析也是不成立的。如果檢驗的結果表明不存在單位根，說明該時間序列各變量之間存在同階平穩關系，這是進一步協整檢驗的前提。要想確定變量之間是否存在協整關系，可以對該序列進行協整檢驗。將非平穩時間序列轉化為平穩序列，通常借助差分處理來消除單位根的干擾，從而得到平穩均衡序列，在此基礎上建立的線性回歸模型才是可靠的。因此在進行回歸分析之前,需對關聯的變量進行ADF平穩性檢驗。通常借用統計軟件Eviews8.0來進行ADF檢驗。檢驗結果如表2所示。

表 2 的結果表明，LnY1t、LnX1t、LnX2t、LnX3t均存在單位根，說明他們都是非平穩序列。而進行一階差分處理后，在5%的臨界值水平下，△LnY1t、△LnX1t、△LnX2t、△LnX3t均為平穩序列。這表明原有變量的對數一階差分后可能存在協整關系，判斷他們是否具有長期均衡關系，常用Johansen協整檢驗法來檢驗。

表2 各變量之間的ADF檢驗結果

3.2 Johansen協整檢驗

通常時間序列不存在平穩的均衡關系。通過N階差分處理修正時間序列誤差，可將隨機變量的不平穩趨勢變得平穩，但不可避免地會丟失總量的部分長期信息。因此需要對時間序列進行協整檢驗，以判斷變量之間的長期線性組合是否是平穩的，進而排除單位根帶來的隨機性趨勢影響。采用Johansen協整檢驗法可以檢驗時間序列是否長期平穩。ADF單位根平穩性檢驗顯示，湖北省高新技術產品收入、直接科技金融、間接科技金融以及政府科技金融四個變量之間的對數序列都是一階單整，他們之間客觀存在著長期穩定的均衡關系。要想剔除時間序列長期均衡關系的隨機性趨勢的干擾，需要在這四個變量之間進行Johansen協整檢驗，得出檢驗結果如表3所示。

表3 各變量之間的Johansen檢驗結果

Johansen協整檢驗結果表明，湖北省高新技術產品收入、直接科技金融、間接科技金融以及政府科技金融四個變量之間在5%的臨界值水平下存在顯著的線性關系。按照計量經濟學回歸分析理論，可以直接運用普通最小二乘法對這四個變量建立回歸模型，得到線性回歸方程如式（2）所示：

式（2）表明，湖北省高新技術產品收入的對數與直接科技金融、間接科技金融、政府科技金融的對數序列存在協整關系。其中，對高新技術產品收入影響程度最大的因子是政府科技金融，影響因子為3.85317，說明政府財政每增加1%的科技投入，會引起科技創新產出增加3.85317%。銀行科技貸款和創投風險資本對科技創新的影響系數分別為2.21449和0.02538，即商業銀行、創投風險資本每增加1%的科技投入，會導致科技創新產出分別增加2.21449%和0.02538%。這說明目前湖北省主要通過地方財政扶持和金融機構貸款促進企業科技創新。而創投資本市場對科技創新的影響沒有通過顯著性檢驗，說明湖北省創投風險資本市場不夠成熟，科技型企業直接獲得風險投資仍存在較高門檻。

3.3 實證結果分析

以上是對湖北科技金融支持科技創新實證結果的整體性描述。對于湖北省17個地市而言，經濟發展水平存在差異，科技金融成熟度不同，地方政府科技投入和創業資本風險投資的影響程度也不同。利用Eviews8.0統計軟件對湖北省17個地市2010—2017年的相關數據進行面板回歸分析。結果如表4所示。

表4 湖北省17個地市模型系數回歸結果

實證結果表明，不同科技金融投入主體對湖北省各地市中小企業創新能力的影響不盡相同。

首先，直接資本市場投入與全省科技創新產出的影響沒有通過顯著性檢驗，說明湖北省支持科技創新的資本市場體系尚不成熟，創投資本與科技創新沒有形成良性鏈接。然而分析各地市面板數據，在通過顯著性檢驗的地市中，科技金融發展程度靠前的城市，其LnX1t系數顯著為正且都大于4.5（武漢、鄂州、孝感、襄陽），表明創投風險資本對這些地市的科技創新有較強的促進作用。而其余地區均沒有顯著影響。這可能是由于地處科技金融較為發達的地市，其經濟和金融體系相對發達，科技型企業上市較多，多層次的資本市場增加了企業融資的靈活性和多樣性，減少企業融資成本，促進科技創新。另外，鄂州、孝感、襄陽近幾年陸續成立了經濟開發區，相繼出臺了一系列招商引資的優惠政策，這些可能成為創投資本的風向標。

其次，經濟發展水平高、中等地區，銀行科技貸款對科技創新的支持作用較大。比較各地市的LnX2t系數發現：在通過顯著性檢驗的地市中，經濟總量排名靠前的城市（武漢、黃石、宜昌、襄陽、孝感），其LnX2t系數都大于3.8；而經濟總量居于中間位置的城市（荊州、鄂州、荊門、仙桃、天門），其LnX2t系數都大于4.5；而經濟總量靠后的城市（咸寧、隨州、潛江），其LnX2t系數普遍回落至3.0以下。這表明：經濟發展水平中等城市，銀行科技貸款對科技創新的支持作用更顯著；而經濟發展水平較高的城市，銀行科技貸款對科技創新的貢獻效果較大；經濟發展水平較低的城市，銀行科技貸款對科技創新的促進作用不明顯。原因可能在于：商業銀行作為間接科技金融的重要主體，通過科技貸款支持企業科技創新，但由于技術創新存在高風險，為保證資金安全，銀行信貸審核較為嚴格。經濟發展居于中、高水平的地區，其技術創新環境優越，多為實力雄厚的高新技術企業，銀行更愿意為有市場前景的技術創新提供貸款。高發展水平的地區，其銀行科技貸款支持技術創新的力度不及中等發展水平的地區，可能是隨著科技創新產出的提高，出現了規模報酬遞減的趨勢。而在低產出區域，由于經營規模小，自身抵押資產不足，獲得的貸款較少，中小企業科技創新產出就比較低，給金融機構的投資回報就比較少，進而引發金融機構科技投入減少，如此往復形成惡性循環。

最后，從全省面板數據看，政府財政科技投入對技術創新產出影響顯著，但隨著科技產出的提高，貢獻呈減弱趨勢。對比各地市的LnX3t系數，在通過顯著性檢驗的地市中：低產出區域（神農架、十堰、恩施）政府財政科技投入的LnX3t系數都高于4.0；中產出區域（宜昌、天門、仙桃、咸寧）的LnX3t系數都高于3.0；但在高產出地區（武漢、孝感、襄陽），LnX3t系數普遍低于2.0，政府投入對科技創新的貢獻力度呈減弱態勢。這是由于在技術創新初期，信息不對稱導致資金投入風險大，這一階段的資金主要依賴政府科技投入。隨著技術創新產出增加，成果市場化吸引了大量社會資本，這時企業更偏向于更有活力的社會資本，政府投入比例相對下降。

4 結論

本文利用2010—2017年湖北省17個地市的科技金融投入與科技創新產出面板統計數據，構建湖北科技金融支持科技創新的評價指標體系。采用回歸分析法對科技金融投入與科技創新產出的長期均衡關系進行綜合評價，并對回歸模型進行ADF平穩性檢驗和Johansen協整檢驗，得到以下結論：

（1）總體上，湖北科技金融與科技創新二者呈顯著正相關關系。其中，政府科技金融對科技創新的影響程度最大，創投風險資本對科技創新的影響程度最小，銀行科技貸款對科技創新的影響程度居于二者之間。

（2）具體來講，各個地市，不同科技金融主體對科技創新的支持作用存在較大的區域差異。政府財政科技投入對低產出地區支持作用最大，隨著科技產出的提高，貢獻呈減弱趨勢；銀行科技貸款主要支持中、高產出地區的技術創新；資本市場投入只對高產出地區有顯著影響。