山東省金融結構、科技創新與經濟增長
——基于空間杜賓模型的分析

趙建軍， 趙 煒

(1.青島大學 旅游與地理學院，山東 青島 266071； 2. 青島大學 經濟學院， 山東 青島 266100)

一、引言

山東是我國新舊動能轉換綜合改革試驗區，在新舊動能轉換背景下，金融結構與科技創新對區域經濟增長的作用日趨突出。目前，國內外關于金融結構、科技創新與經濟增長的研究相對較多，如金融結構無關論、銀行主導論、市場主導論等，這些分析具有一定片面性；相關研究對科技創新和金融結構之間的協調互動研究相對較少；基于區域經濟影響因素空間關聯性的存在，傳統空間計量模型的空間距離矩陣設定已不能反映真實情況。針對上述問題，本文試圖采用新結構經濟學分析視角，基于與發展階段相適應的金融結構理論，將科技創新引入金融結構對經濟增長影響的分析之中，研究金融結構、科技創新與經濟增長之間的互動關系與作用機制；在研究方法上，本文將采用時間距離替代傳統的空間距離構建空間權重矩陣，改良了空間權重矩陣的設定方法，也使實證分析結果更加符合實際情況。在空間計量分析基礎上，本文試圖采用新結構經濟學思想，針對山東經濟發展階段，對相關分析變量的作用機制進行探索。

二、相關文獻回顧

有關科技創新、金融因素與經濟增長之間的關聯研究相對較多，歸納起來主要有以下幾個層面：

(一)金融結構對經濟增長的影響

早在1969年Goldsmith[1]就金融結構對經濟增長的作用進行研究，通過分析35個國家1964年之前的數據，指出金融發展和經濟增長之間存在正相關性，但是由于數據的限制，關于金融結構和經濟增長之間的關系非常局限。Demirguc-Kunt和Levine(2001)[2]通過分析發現，越富有的國家，銀行和金融市場越活躍，金融結構與經濟增長之間的關系越密切。Allen和Gale[3](2000)檢驗了金融結構是否影響經濟增長。他們認為隨著一國經濟增長，該國需要的金融服務(銀行和證券市場)的組合也不同(Boyd和smith，1998)；如果實際金融結構偏離了最優組合，經濟體將無法獲得適當的金融服務組合，從而傷害經濟增長。Lin，Sun和Jiang[4]認為經濟在每一個增長階段都存在一個最優的金融結構。王澎波，于濤，王旺平[5]對金融發展、金融結構和經濟增長之間的關系研究得出如下結論：在我國銀行業對經濟增長的作用相對于證券市場更加突出，但是邊際影響正在下降，說明目前我國總體上雖然偏向于銀行主導型，但正在逐漸向市場型轉變[6]。

(二)科技創新對經濟增長的影響

創新的概念起源于1912年Schumpeter的《經濟發展概論》，隨后他又在其著作中對創新進行深化和應用，形成系統的創新理論。但是系統性的建模工作是從20世紀40年代才開始，Harrod(1939)和Domar(1946)引發了大量基于這些路線的研究。在他們的研究基礎之上Solow-swan通過具有技術進步的索洛模型，將技術外生，得出了“只有技術進步才能解釋人均產出的長期上升”的重要結論。Romer(1987)將技術內生提出內生增長理論，假定技術是非競爭性的，技術可以在邊際成本為零的情況下被他人無限使用，進一步闡釋了經濟增長的核心是技術創新。國內有大量文獻在討論科技創新對經濟增長的影響。蔡昉、林毅夫、張維迎等分別從不同的方面進行了研究。本文著重介紹林毅夫在新結構經濟學中關于技術創新對經濟增長影響的見解。在《新結構經濟學》一書中回顧了從大衛休謨到楊格的經濟增長理論，一方面肯定了索洛、斯旺將技術引入增長理論的貢獻，也批判了其技術外生的做法。與此同時通過新結構經濟學的框架提出如下觀點：一個經濟體的經濟結構內生于它的要素稟賦結構，持續的經濟發展是由要素稟賦的變化和持續的技術創新推動的[7]。

(三)金融結構與科技創新融合對經濟增長的影響

學者們直接對金融結構、科技創新、經濟增長三者關系的分析較少，大多是對金融發展、金融競爭、金融集聚與經濟增長的關系進行研究。姜磊、柏玲(2012)[8]等采用空間杜賓模型研究金融支持與科技創新的空間溢出效應，其中將金融支持分為金融規模、金融效率和金融結構3個維度，認為金融規模越大越有利于科技創新，但金融結構對科技創新的影響不顯著。祝佳(2015)[9]從產業差異的角度，分別對銀行業、證券業和保險業建立空間誤差模型，結果表明銀行業對技術創新的影響最大，而證券業和保險業雖然對科技創新具有正向影響但均不顯著。張林(2016)[10]通過將科技創新和金融發展的乘積項納入到解釋變量的位置，試圖解釋金融發展、科技創新的融合互動對經濟增長的影響。結果表明，二者的融合互動對經濟增長具有正向影響，但是影響效果并不顯著。曹霞、張路蓬(2017)通過建立空間杜賓模型分析了金融支持對科技創新具有直接的影響，其中銀行業的支持強度最大。新結構經濟學認為不同的經濟增長階段需要不同的金融結構與之匹配[11]，并且不同的科技創新水平需要不同的金融結構來支持。

通過對文獻的梳理，關于金融結構、科技創新以及經濟增長的研究已經非常豐富，對于三者之間問題的研究可歸納如下：首先，大多數學者認為金融結構、科技創新以及二者的協調互動對經濟增長具有正向影響。可能由于數據等一些不可控因素導致回歸結果并不顯著，但這并不影響分析結果的大方向。其次，多數學者意識到空間相關性的問題，紛紛將空間因素引入到模型中，不僅分析了金融結構和科技創新的直接影響，同時分析了間接影響，但是大多數文章仍然采用傳統的空間權重矩陣。最后，在多數文章中不管是經濟增長方程還是知識生產函數，大多采用新古典增長方程的形式。

雖然文獻眾多，但是借鑒新結構經濟學的思想，通過建立空間計量模型對這三者關系的研究較少。有鑒于此，本文采取山東省2006-2015年17個市的面板數據，通過建立空間計量模型對上述關系進行實證分析。在選取空間權重矩陣時，由于地理權重矩陣反映的僅是相鄰地區之間的影響，不足以反映現實經濟中的空間聯系。所以本文在選取空間權重矩陣時，首先借鑒龍志和[12]等對經濟距離權重矩陣設定的思想，將兩地之間的實際距離用時間距離替換，從而更加準確地反映金融結構、科技創新的空間效應。

三、變量選取、數據來源以及模型設定

(一)變量選取與數據來源

本文在選取指標時借鑒張建波、祝佳、張林等學者的研究成果，同時結合實際情況，采用的主要解釋變量如表1所示。其中，金融結構的指標選取借鑒張建波、張寧(2012)在研究山東金融結構與經濟增長關系時采用的銀行集中度與融資結構。由于數據的缺失，本文放棄了貸款結構這一指標。科技創新水平、開放水平的指標選取借鑒祝佳、張林等學者的研究，選取適合的二級指標，通過熵權法最終算出衡量地區科技創新水平和開放水平的綜合指標。

表1 變量選取

各個變量的解釋以及實證預期進行如下分析：

經濟增長水平：采用2006-2015年17個地級市的實際GDP來表示，其中實際GDP是名義GDP去除通脹之后的結果。

銀行集中度：借鑒張建波[13]等采用的四大國有銀行貸款額占年末金融機構的貸款余額的比例，用來衡量壟斷性銀行結構對經濟增長的影響。銀行集中度對經濟增長的影響還存在爭議。一部分學者認為銀行集中度越高，越有利于經濟增長，這是因為壟斷性銀行結構能夠減少風險貸款，提高貸款質量。還有學者認為集中度越高會帶來總體福利的損失。所以對銀行集中度估計系數的正負不能做出預期，要具體問題具體分析。

融資結構: 借鑒張建波[13]等采用直接融資額與間接融資額的比值來表示。由于市域數據可得性問題，本文采用證券市場成交額和保險公司的保費收入來代表間接融資額，銀行類的貸款額來表示直接融資額。二者的比值也反映了地區金融市場的活力，預期系數為正。

科技創新水平：采用熵權法賦予3個二級指標不同的權重，最終算出代表地區的科技創新水平的綜合指標。科技創新水平對經濟增長的作用是毋庸置疑的，所以預期系數為正。

交叉項：將融資結構和科技創新水平的乘積項引入，用來反映融資結構和科技創新水平的互動情況。當科技創新水平較高時，融資結構對經濟增長的正向影響效果越強；科技創新水平對經濟增長的影響同樣依賴于融資結構水平。所以，預期交叉項系數為正。

開放水平：同樣采用熵權法算得開放水平的絕對數，最終除以GDP，算得相對數。一般意義上來講，地區開放水平越高，越有利于地區經濟增長，預期開放水平的系數為正。

物質資本存量：由于數據可得性問題，無法得到物質資本存量的數據。本文借鑒柯善咨 、向娟[14]文獻中關于市域物質資本存量的計算公式如下：

(1)

(2)

市場活力：采用城鎮私營和個體從業人員與年末單位從業人員數的比值來表示。通常來講，地區市場活力越大越能促進經濟增長。預期系數為正。

本文采用數據主要來源于山東省統計年鑒、山東金融年鑒、國泰安數據庫、銳思數據庫、統計發展公報、前瞻數據網等。通過選取山東省17個市2006-2015年的變量數據，利用Matlab的工具包對數據進行分析處理，得出主要結果和結論。

(二)模型設定

本文將新古典增長方程作為構建經濟增長方程的基礎，將新古典增長方程進行適當擴展，具體形式為：

Yit=αConitβ1Struitβ2Joiitβ3Tecitβ4Opeitβ5Capitβ6Eneritβ7εit

εit～N(0，σ2) ?i=1,2,……,17

(3)

對方程(1)兩邊同時取自然對數，則可得標準線性回歸表達式為：

LnYit=α+β1LnConit+β2LnStruit+β3LnJoiit+β4LnTecit+β5LnOpeit+β6LnCapit+β7LnEnerit+εit
εit～N(0，σ2) ?i=1,2……,17

(4)

考慮到變量之間的空間相關性，考慮在式(4)中加入空間因素。在空間計量發展的最初階段，空間滯后模型(SLM)和空間誤差模型(SEM)應用比較廣泛。隨著空間計量經濟學的發展以及對于問題研究的深入，空間杜賓模型(SDM)的應用越來越廣泛。SDM不僅考慮了因變量的空間滯后項，而且還納入了自變量的空間滯后項。其一般形式如下：

SDM：Y=λW1Y+Xβ1+W2Xβ2+ε

(5)

模型中包含兩個空間權重矩陣W1和W2，其中W1是因變量的空間相關關系，W2是自變量X的空間相關關系，兩者可以設定為相同的，也可以設置為不同的。β2是外生變量的空間自相關系數。因此，(4)式可以重新設置為如下形式：

LnYit=α+ρWLnYit+β1Xit+β2Zit+β3WXit+β4WZit+μi+λt+εit

εit～N(0，σ2)

(6)

其中，Xit代表核心解釋變量，Zit代表控制變量。相應的WLnYit、WXit、WZit代表變量的空間滯后項。λt代表時間固定效應，μi代表地區固定效用。由于不同空間計量模型的假設條件和所代表的經濟含義不同，所以在采用模型分析問題時，面臨著模型的選擇問題。

利用空間計量模型進行實證分析的時候，主要包括以下幾個步驟：

1. 空間權重矩陣的設定

常用的空間權重矩陣有基于鄰接關系的空間鄰接矩陣和基于地理距離的空間核函數權重矩陣。基于鄰接關系和地理距離設定權重矩陣比較簡單直觀，但是并不能充分反映兩地之間的經濟聯系。基于此，林光平、龍志和提出了經濟距離權重矩陣，將權重矩陣設定為與GDP相關的形式。公式如下：

W*=W*E

(7)

(8)

(9)

其中dij為兩地之間的時間距離。dij最初的定義為兩地之間的實際距離。考慮到有時雖然兩地之間的距離較遠，但交通設施發達，真正能衡量兩地之間距離的并不是實際距離，而是時間距離。通過查詢各種交通工具運輸時間，取其中的最小值作為兩者之間的時間距離。

2.對空間效應進行檢驗

最經典的方法是Moran’I檢驗。Anselin[15]指出Moran’I檢驗在截面數據模型中應用廣泛。由于截面數據和面板數據的結構不同，所以Moran’I檢驗不能直接應用在面板數據模型中。Debarsy和Erturt[16]提出了針對空間面板模型的條件LM檢驗和LR檢驗。雖然Moran’I檢驗不能直接用于檢驗，但是國內大部分學者仍然采用這種方法對相關性進行說明。林廣平和龍志和[17]在對中國縣域經濟絕對β收斂分析時也是采用Moran’I檢驗來進行說明。利用山東省的數據計算的Moran’I值如下：

表2 Moran’I值

從Moran’I的結果來看，Moran I值為正，說明存在空間正相關。但是Moran’I檢驗只能說明存在空間相關性，并不能判斷是哪種空間相關性。

利用LM檢驗對選擇SLM還是SEM進行判斷，如果LM(lag)檢驗結果顯著，而LM(error)不顯著，則應該選擇SLM。如果LM(error)結果顯著，而LM(lag)不顯著，則應該選擇SEM。如果LM(lag)和LM(error)的結果都比較顯著，則應該考慮選擇SDM[18]。選擇了SDM以后，再利用Wald和LR檢驗量來判斷SDM是否可以轉化為簡單的SLM或者SEM[19]。

由表3中LM檢驗結果可知，LM(lag)和LM(error)檢驗量都顯著拒絕原假設，所以首先應該考慮選擇SDM。

表3 LM檢驗結果

由于采用的是面板數據，存在個體效應，所以要采用Hausman檢驗對固定效應還是隨機效應進行選擇。通過Hausman檢驗結果可知，統計值為110.91，P值為0.000，顯著拒絕原假設，所以應該選用固定效應模型。

由表4的Wald和LR檢驗的結果表明，拒絕原假設，其中原假設為可以轉化為SLM或者SEM，所以本文選擇SDM最合適。

表4 Wald和LR檢驗結果

在空間面板模型中不能直接對回歸系數進行解釋。Lesage和 Pace[20]研究發現偏微分法可以彌補點估計法在解釋空間效應方面存在的缺陷，有效解釋隨機沖擊對各個變量的影響，從而正確測度空間計量模型中自變量對因變量產生的直接效應、間接效應和總效應。計算公式詳見附錄第一條。

四、結果分析

通過Matlab程序的運行，得到表6，將表6放入附錄中。由表6中調整的擬合優度、對數似然值以及顯著性等特征本文可知，應該選擇空間固定效用下的SDM。為了解釋自變量對因變量的影響效果，對SDM的直接效應、間接效應和總效應進行了分析。

(一)直接效應分析

由表5可見，銀行集中度對經濟增長具有顯著的正向影響，說明就整個山東省而言對經濟增長貢獻較大的仍是國有四大銀行。交叉項的系數為正，與預期方向相符，同時與張林、祝佳等學者的研究結論一致，二者之間有效的融合互動能促進經濟又好又快增長。雖然科技創新水平的系數也為正，但是不顯著，這說明山東省的科技創新水平還不高，對經濟增長的貢獻不明顯。物質資本存量、市場活力系數都顯著為正，與預期方向一致，說明物質資本存量水平、市場活力對地區經濟增長具有正向影響。然而，融資結構的系數為負，與之前預期的不同。從新結構經濟學的視角可以解釋這一現象。新結構經濟學強調要素稟賦決定的比較優勢，由于各個地區的比較優勢不同，適合于每個地方的融資結構也就不同[21]。就山東省而言，金融發展整體水平不高，主要體現在資產規模較小，服務水平較低，管理體制不健全等方面。在這種情況下，間接融資比重不宜過高，過高意味著證券市場比較活躍，而不健全的金融系統無法承接活躍的證券市場。

(二)間接效應分析

由表5可見，融資結構、科技創新、交叉項、市場活力的系數都比較顯著。而銀行集中度、開放水平、物質資本存量的系數都不顯著。如果自變量空間滯后項的系數為正，表明鄰近地區的自變量對本地區因變量具有正向影響。如果系數符號為負，則表明地區之間關于自變量存在競爭效應，鄰近地區的自變量降低了本地區因變量的水平。按照這個思路，上述間接效應的結果可以分析如下：

融資結構、科技創新水平的系數顯著為負，說明地區之間在融資結構、科技創新方面存在競爭效應。其中融資結構的系數最顯著，這也說明了金融系統本身的強關聯性。競爭效應主要表現在資金轉移方面。比方說，青島市的融資結構更偏向于市場型，證券市場較活躍，則會吸引周邊更多的資金，這便不利于周邊地區的經濟增長。科技創新水平的系數同樣為負，說明地區之間的科技創新存在著強烈的競爭關系。這與山東省目前的狀況比較吻合。從數據來看，濟南和青島是山東省內科技創新水平較高的兩個地區，但是從高校實力、資源配置等方面，兩地之間競爭不斷，并不能達到相互溢出，共同進步的良好狀態。

交叉項系數在95%的顯著性水平下為正。這更是說明兩者的融合互動不僅對本地區的經濟具有正向的作用，同時對其他地區也有顯著的促進作用。

開放水平、物質資本存量并不顯著，說明地區之間關于這兩個方面的空間相關性并不非常突出，在此不進行更深層次的分析。

(三)總效應分析

與前述分析結果基本一致，融資結構、融資結構和科技創新的協調互動、物質資本存量水平、市場活力對經濟增長的作用非常顯著(見表5)。

表5 直接效應、間接效應、總效應

五、結論及政策建議

本文利用山東省17市2006-2015年的面板數據，采用經濟時間距離權重矩陣的SDM模型，分析了山東省技術創新、金融結構以及二者的互動對經濟增長的影響。根據實證結果，促進山東省區域經濟協調發展可從以下幾個方面入手：

1. 關于銀行集中度、融資結構，由估計結果可知，就山東省目前情況而言，仍然是四大國有銀行起主要作用，融資結構與經濟增長不協調，對經濟增長具有抑制作用。結合新結構經濟學的分析框架，地區金融結構必須與經濟發展水平相適應，不能快于也不能慢于經濟發展水平。由于各個地區的金融、經濟發展等方面各有不同，所以每個地區的最優金融結構也各不相同[22]。模仿發達地區的金融模式既不能帶來更高的金融效率，也不會有更好的經濟表現。從目前山東省的經濟水平和金融結構來看，金融結構滯后于經濟增長，所以下一步應該加快完善金融系統，逐步向市場型轉變，使其更好地服務于經濟增長。

2. 從科技創新水平分析中可知，整個山東省的創新動力不足，并且地區之間存在激烈的競爭。這對全省的經濟增長非常不利。中小企業競爭激烈，創新點足，并且山東省大部分創新是由中小企業完成的。但是由于中小企業融資難等問題，從根源上抑制了創新。這就需要更靈活的金融結構。同時結合實際情況，濟南和青島是省內技術水平最高、創新能力最強的地區，需要更高效的金融結構促進科技創新水平的提高。所以要鼓勵地方性銀行、小型金融機構的設立以及大型銀行的資金下移。而對于大型的技術研發，需要有雄厚的資金支持，一般的公司、金融機構無法承擔巨額資金，需要各大銀行之間的共同協作。同時要加強濟青在知識技術方面的協同合作。例如高校之間可以通過設立交流項目，開展學科知識比賽，在不同地區設立分校等方式，提高知識技術外溢性，從而加快科技創新的步伐。此外，要加強與先進地區的合作，引進適宜性的技術，從而帶動整個地區的技術活力。

3. 從交叉項對經濟增長的影響可知一個地區的金融結構要與科技創新相互融合，才能帶來良好的經濟增長。科技創新對金融結構有較高的要求，因為創新本身帶有風險性，而各個金融機構對風險的表現不同，傳統的四大銀行通常表現為風險厭惡型，從一定程度上不利于科技創新的發展。而中小型銀行、金融機構往往投機性較強、資產配置方面較靈活，對科技創新具有促進作用，所以不同的科技水平和創新能力要求有不同的金融結構支持。加上地區之間的相互聯系，金融結構、科技創新必須整體協調才能促進全省經濟的增長。

作為山東省最大的兩個經濟增長極，濟南青島之間一直存在各種“較量”，從整體經濟發展的視角，兩者的協調合作才能帶來更大的經濟效應。濟南作為省會城市，享有省會城市的政策優勢，并且濟南人才濟濟，具有深厚的文化底蘊和科技實力，交通便利，在實現自身經濟增長的同時帶動周邊城市經濟增長。青島則要把握好開放的優惠政策，加強金融中心的建設，引進高質量外資，學習先進技術，鼓勵大眾創新，加強與周邊地區的合作，實現共同增長。只有濟青實現以點連線，以線成軸，由軸拓面，才能通過雙核共振效應推動全省經濟增長。

六、附錄

利用偏微分求導以后，上述基本的SDM模型可以轉化為如下形式：

Yit=(I-δW)-1a+(I-δW)-1(Xitβ+WXitd)+(I-δW)-1εit

其中I為N階單位矩陣，因變量Yit關于第K個解釋變量從地區1到地區N的偏導數矩陣為：

按照Lesage 和 Pace的分析，上式中最右邊的矩陣對角線元素的均值代表直接效應。即當地的自變量對因變量的影響程度和方向。非對角元素的均值代表間接效應，即其他地區的自變量如何影響當地的因變量。將直接效應和間接效應綜合起來便是總效應[23]。

模型估計結果如下：

表6 模型估計結果

表6(續)

變量混合估計空間固定時間固定雙固定Open-0.205966(0.2752)-0.201307(0.2975)-0.216031(0.2185)-0.215337(0.2244)Capital0.801597***(0.0000)0.779790***(0.0000)0.795231***(0.0000)0.771250***(0.0000)Activity2.202795***(0.0000)2.650195***(0.0000)1.491854***(0.0030)2.108095***(0.0000)W*concentration-0.186818*(0.0737)-0.165882(0.1188)-0.244646(0.1108)-0.305375**(0.0477)W*structure-0.608468**(0.0419)-0.890908***(0.0058)-0.737939**(0.0150)-1.077263***(0.0009)W*Tec-0.083658**(0.0167)-0.099012***(0.0061)-0.055704(0.1229)-0.072575**(0.0482)W*Joint0.055798**(0.0214)0.079375***(0.0025)0.060825**(0.0120)0.089128***(0.0006)W*open0.159833(0.5923)0.128845(0.6717)0.211127(0.5947)0.216337(0.5887)W*capital-0.343775***(0.0000)-0.336880***(0.0001)0.170058(0.1074)0.151912(0.1519)W* Activity0.076377(0.9153)0.064826(0.9329)-0.458336(0.6393)0.441748(0.6858)W*dep.var0.456961***(0.0000)0.435974***(0.0000)-0.106991(0.2384)-0.082885(0.3542)Adj-R20.89050.90010.82550.8360Log-likelihood52.40505360.52820985.42278496.578061