科技金融對產業結構升級的影響及其空間溢出效應研究

鄒建國 李明賢

摘 要：選取2001—2015年省級面板數據，基于空間計量模型，考量科技金融對產業結構升級的影響及其空間溢出效應。結果顯示：科技金融能顯著促進產業結構升級，并通過空間溢出效應對鄰近區域的產業結構升級產生較好的促進作用；同時科技金融對產業升級的空間溢出效應在東部地區最大，西部地區其次，中部地區最小；人力資本、城市化水平和外商直接投資在全國范圍具有較顯著的空間溢出效應，東部地區溢出效應更強。

關鍵詞： 科技金融；產業結構升級；空間滯后模型；空間溢出效應

中圖分類號：F062.9文獻標識碼： A文章編號：1003-7217（2018）05-0023-07

一、引 言

中國經濟歷經近30年的中高速增長后，正面臨著投資出口驅動力下降，土地、勞動力等生產要素價格高企和資源環境約束趨緊等系列問題，傳統的高投入、高消耗和高排放的粗放型經濟增長方式已然不能維系。在“新時代”經濟背景下，我國產業結構的升級發展亟待增強創新驅動，激發市場主體發展新活力。新經濟增長理論認為，作為一國經濟增長動力的科技金融，其遞增效應、外溢效應及其在國際貿易中的邊干邊學效應，內生地促進生產率提升，保證經濟可持續增長[1]。根據錢納里工業化階段理論，產業結構升級是決定經濟持續增長的決定性因素，在后工業化時期，產業結構將由資本密集型產業為主導轉變為技術密集型產業為主導[2]。

國外學者主要圍繞銀行貸款、風險投資、資本市場等對科技創新的影響展開科技金融對產業結構升級作用的研究。Schumpeter（1934）首次將金融與技術進步和科技創新聯系起來，指出一個健全的金融體系對實現科技創新起到關鍵作用[3]；Hyytinen and Toivanen（2005）運用芬蘭小微企業層面的數據，研究融資約束對企業技術創新的影響，指出資本市場的不完善將嚴重阻礙企業科技創新與宏觀經濟發展[4]；Benfratello（2008）通過面板數據分析了意大利地方銀行對企業創新的影響，發現設立地方性銀行可以顯著促進該地區企業創新活動的成功率[5]；Chowdhury（2012）發現在發達國家，金融業的發展水平與該國企業研發投入呈現出明顯的正相關關系，從側面證明了金融與科技融合發展的觀點[6]。國內學者圍繞科技金融進行了大量的定性分析和實證研究。定性分析的重點是科技金融的運行機制、創新模式和經驗借鑒等。如胡援成和吳江濤（2012）指出科技金融運行機制的建立，有助于金融資本與科技企業的深度融合[7]；此外，房漢廷（2010）、周昌發（2011）詮釋了科技金融發展問題及制度安排[8，9]；文竹等（2012）運用TRIZ分析法，將“四元主體”模型應用于科技金融模式創新[10]；此后，謝泗薪和張志博（2016）、李毅光等（2016）等從互聯網和政府主導視角對科技金融的模式創新進行了有益探索[11，12]；胡蘇迪和蔣伏心（2017）借鑒了舊金山、特拉維夫、新竹典型的科技金融發展經驗，基于全球視野反思我國科技金融中心的發展[13]。實證分析方面的研究集中在兩個方面：一是科技金融的評價及其效率測算。如曹顥等（2011）基于科技金融資源、經費、產出和貸款四個維度，構建了我國科技金融發展指數[14]；許汝俊等（2015）運用DEA-Malmquist指數法對長江經濟帶11個省市科技金融效率進行綜合評價[15]；杜金岷等（2016）、黃瑞芬等（2016）和薛曄等（2017）分別運用三階段DEA模型、SFA模型以及貝葉斯隨機前沿模型對科技金融效率進行了測算[16-18]。二是科技金融對科技創新、經濟增長以及產業升級的影響。徐玉蓮等（2011）分析區域科技創新與科技金融的互動耦合關系[19]；劉文麗等（2014）運用面板數據單位根檢驗和面板數據固定效應模型，對我國東部、中部和西部地區科技金融對經濟增長影響的區域差異進行實證分析[20]；陳亞男和包慧娜（2017）運用系統GMM兩步法實證表明科技金融發展對我國產業結構高級化具有顯著促進作用[21]。

科技金融促進產業結構升級這一命題得到了學界實證研究的支持，然而，由于測量指標與計量方法等差異，其程度如何？是否存在空間溢出效應？仍需進一步探索。空間計量經濟學重點關注科技金融對產業結構升級影響的空間依賴性，系統考量科技金融與產業結構升級之間的關系?；诖?，本文選取2001—2015年的省級面板數據，運用空間計量模型，從全國和區域兩個層面，實證研究科技金融對產業結構升級的空間溢出效應。

二、變量選取與數據說明

（一）變量選取

學者們采用了不同產業在地區總產值中的比重、服務業在GDP中的比重來衡量被解釋變量產業結構升級（UIS），而我國產業結構升級呈現出第三產業不斷發展壯大而第一產業的比重逐步減少的特征，上述衡量指標不能反映產業結構升級程度，為此，本文借鑒藍慶新、陳超凡的產業結構升級系數法來衡量產業結構升級。對于核心解釋變量科技金融（STF）的測度，本文參考被廣為接受的曹顥、尤建新等[14]的方法，該方法借助科技金融資源、科技金融經費、科技金融產出和科技金融貸款四個維度來測算科技金融。

除去科技金融，能夠對產業結構升級產生影響的其他因素還有多種，本文選擇了具有代表性的人力資本（HC）、城市化水平（UL）和外商直接投資（FDI）作為控制變量。本文借鑒陳釗、陸銘的方法，通過平均受教育年限計算人力資本。在城市化水平提高的過程中，農村居民的城市化進程為城鎮產業發展提供人力支持，同時，他們消費需求結構的多樣化發展也將推動產業結構升級。另外，外商直接投資對產業結構升級產生的影響得到學界普遍認同。

構造空間權重矩陣是進行空間計量分析的前提?；诘乩磬徑亩M制鄰接權重矩陣過度依賴空間是否相鄰，而忽略了影響強度，這與客觀事實有一定的差距；基于經緯度數據計算的地理權重矩陣，沒有考慮區域間的社會和經濟等因素，以致于空間權重矩陣的設定不符合現實的發展；基于社會經濟特征的空間權重矩陣能夠客觀、全面地反映變量的空間影響，因此，本文選擇它來構造空間權重矩陣。

（二）數據說明

選取2001—2015年全國31個省、市、自治區為樣本，原始數據來源于《中國科技統計年鑒》、《中國金融年鑒》、《中國統計年鑒》、《中國財政年鑒》、《新中國六十年統計資料匯編》和《中國區域經濟統計年鑒》。按照國家統計局的區域劃分標準，將全國31個省、直轄市以及自治區分為三大地區，其中東部地區包括京、津、冀、遼、滬、蘇、浙、魯、閩、粵、瓊等11省市，中部地區包括吉、黑、晉、皖、贛、豫、鄂、湘等8省市，西部地區包括內蒙古、桂、渝、川、貴、云、陜、甘、青、寧、新、藏等12個省市。

表2給出了主要變量的描述統計?？梢钥闯?，分省的產業結構升級、科技金融、人力資本和外商直接投資等變量的樣本數據均有較大的變動。產業結構升級的全國樣本平均值為2.25，東部地區為2.32，高于中部（2.22）和西部地區（2.20）；科技金融的全國樣本均值為24.25，東部地區為34.17，中部（19.17）和西部地區（18.53）依次遞減，總體來說，東部地區的科技金融發展最好，其產業結構升級指數也最高。另外，其他相關控制變量，如人力資本、城市化水平與外商直接投資的全國樣本、東部地區、中部地區和西部地區之間的均值出現較大差異。

三、空間自相關檢驗

（一）全局空間自相關檢驗

“空間自相關”是指位置相近的區域具有相似的變量取值。如果高值與高值聚集在一起，低值與低值聚集在一起，則為“正空間自相關”；反之，高值與低值相鄰，則為“負空間自相關”；如果高值與低值完全隨機地分布，則不存在空間自相關。最常使用的度量空間自相關的方法為Morans I，其計算公式如下：

其中，S2=∑ni=1（xi-x-）2n為樣本方差，wij為空間權重矩陣，∑ni=1∑nj=1wij為所有空間權重和。-1≤Morans I≤1，Morans I大于0時，指標值呈正相關性；Morans I小于0時，指標值呈負相關性，Morans I的絕對值越大，表示相關性越強?？萍冀鹑诤彤a業升級的Morans I的Geoda軟件計算及檢驗結果如表3所示。

從分年份的檢測結果來看，科技金融Moran指數值在0.116～0.216之間，存在正空間自相關，除2001—2009年和2015年以外的其他年份，這種相關性在5%水平以內顯著；產業結構升級Morans I指數值在0.2245～0.3158之間，存在正空間自相關，這種相關性在5%水平以內顯著，說明科技金融與產業結構升級存在顯著的空間自相關性。

（二）局域空間自相關的LISA集聚圖

為進一步了解區域科技金融與產業結構升級的觀測值是否存在局部空間聚集，哪些區域對于全局空間自相關的貢獻更大，本文通過測算空間關聯局部指標，以衡量局部區域之間科技金融與產業結構升級的空間集聚差異。

如圖1，從產業結構升級的區域分布來看，處于（2.387，2.742）區間的省市包括京、滬、津、魯、粵和蘇，這些地區是產業結構升級最快的第一梯隊；處于（2.304，2.387）區間的省份包括浙、貴、冀和晉等，該區域的產業結構升級較快，屬于第二梯隊；數值處于（2.247，2.304）區間的省市包括內蒙古、青、陜、皖、閩、遼、渝、湘和鄂等，該區域的產業結構升級一般，位于第三梯隊；處于（2.178，2.247）區間的省市包括藏、豫、云、吉、甘、冀、寧、川、贛、瓊、桂和黑等，這些地區的產業結構升級較為緩慢，為第四梯隊（如圖2）。從科技金融的區域分布來看，處于（34.412，70.854）區間的省市有京、津、蘇、滬和粵，這些地區科技金融發展水平最高；冀、魯、皖、鄂、渝、浙、湘和貴位于（25.693，34.412）區間，科技金融發展水平較高；處于（22.563，25.693）范圍的包括黑、吉、青、陜、藏、川和閩，這些區域的科技金融發展水平一般；處于（0，22.563）區間的省市有內蒙古、新、遼、甘、晉、寧、豫、贛、云、桂和瓊，這些區域的科技金融發展水平最低。

綜合Morans I和LISA檢驗結果，我們發現，我國科技金融發展與產業結構升級之間具有顯著的空間相關性。

四、 實證結果及分析

（一）空間計量模型選擇

空間計量經濟模型主要有兩類：一類是空間滯后模型（SLM），如式（2）所示，主要研究各個變量在研究區域的空間擴散現象；另一種是空間誤差模型（SEM），如式（3）所示，考察鄰近地區因變量的誤差沖擊對本地區的影響。

式（2）和式（3）中UISit表示地區i在第t年的產業結構升級指數；STIit表示地區i在第t年的科技金融指數；HCit表示i地區第t年的人力資本；ULit表示i地區第t年的城市化水平；FDIit表示i地區第t年的外商直接投資額；α0表示地區i不可觀測的個體效應；W表示n×n階的空間權重矩陣；公式（2）中WUISit表示空間滯后變量，ρ表示相鄰地區的產業結構升級對本地區產業結構升級的空間溢出效應，取值范圍在-1到1之間；ε表示獨立隨機誤差向量；公式（3）中λ表示空間誤差自相關系數，反映了樣本觀測值之間的空間依賴程度，取值范圍在-1到1之間；μit表示正態分布的隨機誤差向量。

我們采用拉格朗日乘數—誤差檢驗（LM-Error）來檢驗SEM，采用拉格朗日乘數—滯后檢驗（LM-Lag）來檢驗SLM。如果LM-Lag比LM-Error的統計更顯著，則使用SLM更合適，反之，則選擇SEM更合適；如果LM-Lag和LM-Error相近且都顯著，則觀察Robust LM-Lag和Robust LM-Error，在Robust LM-Lag比Robust LM-Error的統計更顯著時，則使用SLM更合適，反之，則選擇SEM更合適。

本研究對產業結構升級與科技金融的空間依賴性進行了LM-Lag、LM-Error、Robust LM-Lag和Robust LM-Error檢驗。如表4所示的檢驗值及P值所示，拉格朗日乘數—滯后檢驗（LM-Lag）（P值為0）與拉格朗日乘數—誤差檢驗（LM-Error）（P值為0.008）在統計上相似且都顯著，而穩健的拉格朗日乘數—誤差檢驗（Robust LM-Lag）顯著（P值為0.005），穩健的拉格朗日乘數—滯后檢驗（Robust LM-Error）不顯著（P值為0.201），因此，適合使用面板空間滯后模型（SLM）。