金融集聚、購房壓力對科技創新的時空影響機制：以粵港澳大灣區為例

一 引 言

自中央政府在2015年的《推動共建絲綢之路經濟帶和21世紀海上絲綢之路的愿景與行動》中首次提出粵港澳大灣區概念以來，從《深化粵港澳合作推進大灣區建設框架協議》的簽署到《粵港澳大灣區發展規劃綱要》的制定發布，這些都表明粵港大灣區建設已經上升到國家發展戰略。2019年2月18日，國務院正式印發了《粵港澳大灣區發展規劃綱要》(以下簡稱“規劃綱要”)，該規劃綱要一方面明確了灣區內城市發展定位，另一方面，明確指出到2022年粵港澳大灣區要基本形成國際一流灣區和世界級城市群的框架，到2035年形成以創新為主要支撐的經濟體系和發展模式，全面建成宜居宜業宜游的國際一流灣區。在金融發展方面，規劃綱要明確提出要建設國際金融樞紐、特色金融產業并有序推進金融市場互聯互通。隨著規劃綱要的逐步推進和落實，大灣區內各城市間的產業融合和金融互通將更加深入，以發揮各自的產業優勢來實現協同發展。如何構建大灣區內科技創新發展的協同機制無疑是打造世界級科技創新中心的重要環節。科技創新離不開研發投入、金融發展、創新人才等要素的支持。然而，粵港澳大灣區各城市金融集聚程度和房價水平存在顯著差異，由此導致區域內各城市之間金融資產配置嚴重失衡、購房壓力強度不一。越來越多的研究表明：金融資源配置失衡會導致城市間金融支持科技發展的效率出現分化，進而加劇各城市之間科技競爭力差距；另一方面，日趨上漲的城市購房壓力會從多個方面對區域科技創新能力產生明顯的抑制作用。從具體影響路徑來看，整個區域內持續上漲的房價通過“資本擠出效應”、“人才擠出效應”、“加大企業生產成本”等途徑來抑制企業科技創新，最終嚴重沖擊了大灣區科技創新協同進程。因此，以粵港澳大灣區為例，研究金融集聚、購房壓力對科技創新的時空影響機制具有重要理論意義和現實意義：首先，有助于動態識別灣區內金融集聚、購房壓力和科技創新的空間溢出效應、演化趨勢；其次，有助于厘清購房壓力和金融集聚互動對科技創新的影響機制及其非線性特征，識別出影響大灣區科技創新的關鍵因素，為建立科技灣區常態化合作機制和協同發展機制提供有益啟示。

二 文獻綜述

(一)金融集聚對科技創新的影響研究

影響一個國家或地區科技創新水平的因素很多，比如地區經濟發展程度、研發投入規模、金融發展程度、房價水平、教育水平、政府扶持政策等諸多因素均對科技創新產生重要影響。科技創新活動往往具有周期長、高風險、高投入等特征，而資金一直是影響科技創新能否持續進行的關鍵因素。金融發展可為創新活動提供多樣化的融資方式，企業、高校、科研機構等創新主體不僅可以從金融市場上獲得創新所需的資金，提升創新資源的配置效率，還可以為創新主體和創新活動提供風險分散的渠道與支持。與此同時，隨著金融資源在某個地區高度集聚，對所在區域的科技創新勢必產生深刻影響。基于此，國內外學者從理論和實證上研究金融集聚對科技創新的影響機制。Rioja和Valev(2004)[1]、Nanda和Rhodeskropf(2016)[2]對金融發展與技術創新之間的關系進行實證分析，發現與不完善的金融體系相比，發達金融體系下的金融要素更容易促進科技創新。Benfratello和Schiantarelli(2008)[3]研究意大利金融集聚對科技創新的影響，發現金融集聚水平越高，越有利于推動科技創新。Greenwood et al.(2013)[4]認為某一地區金融集聚程度的提高，會提升金融機構自我強化功能，金融集聚對科技創新水平的提升作用越明顯。

隨著中國金融市場的快速發展和創新驅動發展戰略的提出，國內學者逐漸深入研究金融集聚對科技創新影響。柏玲等(2013)[5]、李曉龍等(2017)[6]對我國金融發展與科技創新之間關系的實證研究表明，我國金融業的規模、結構和效率對科技創新水平都有積極影響；但曹霞和張路蓬(2017)[7]基于空間杜賓模型對我國省域數據進行分析后認為，以銀行業為主導的金融結構對技術創新作用不明顯。張志強(2012)[8]實證檢驗中國金融發展規模、效率對科技創新產出的影響，結果表明不同地區的金融發展規模、效率對科技創新的影響具有明顯差異。王仁祥和白旻(2017)[9]運用區位熵和因子分析法測度金融集聚度，認為金融集聚對科技創新效率提升具有明顯地區差異。還有學者從行業異質性的角度分析金融集聚對科技創新的影響。周永濤和許嘉楊(2013)[10]認為金融集聚對科技創新存在明顯的行業差異，銀行業集聚會顯著促進科技創新，而證券業集聚對科技創新提升作用不明顯。祝佳(2015)[11]認為中國創新發展和金融支持的協同程度較低，金融三大子行業(銀行、保險、證券)對科技創新作用存在差異。劉海飛和賀曉宇(2017)[12]以中國制造業企業為樣本，實證分析金融集聚、政府干預對企業創新行為的影響，指出金融集聚對企業創新研發投入有促進作用，而政府的過度干預削弱了這種促進作用。黎杰生和胡穎(2017)[13]認為金融集聚對技術創新有雙重影響，適度金融集聚會促進科技創新，而過度集聚對創新具有逆向排擠作用。崔慶安等(2018)[14]運用SDM模型分析金融發展和產業升級對技術創新的影響，認為金融發展和產業升級都對技術創新有促進作用，而兩者的交互作用對技術創新具有抑制作用。郭文偉和王文啟(2018)[15]從行業異質性出發，利用空間計量模型分析粵港澳大灣區金融集聚對科技創新水平的影響，指出粵港澳大灣區保險業集聚對科技創新水平提升有積極影響，而銀行業和證券業集聚不會顯著提升科技創新水平。

(二)房價水平對科技創新的影響研究

一個地區或城市房價水平對該地區科技創新并沒有直接的影響。但越來越多研究表明：地區房價水平會通過多種途徑影響科技企業的資金、技術和人才流動，進而影響企業科技創新進程，最終影響該地區的科技創新水平。間接影響途徑主要有：(1)信用風險緩釋途徑。房價上漲提升了擁有房產企業的價值及其貸款抵押價值，一定程度上降低了企業的融資約束和信用風險程度，對企業利用房產融資具有積極作用；Chaney和Thesmar(2012)[16]對美國上市公司房產價值變動和企業投資關系進行實證分析后發現，當房價上漲引發房產價值上升時，從銀行獲得的貸款增加，從而增加了企業的研發資金投入。Chen et al.(2015)[17]、張杰等(2016)[18]認為房價的過快上漲對投資效率造成弱化效應，加重對非房地產行業的融資約束，加大了資源錯配程度，阻礙企業研發投入和產出。(2)加大企業運營成本途徑。房價上漲會帶動土地價格、廠房和辦公室等租金的上升，從而增加企業的生產和運營成本。王榮和張所地(2016)[19]通過構建城市創新能力對房價影響的指標體系，發現城市創新產出對房價具有正資本化效應，研發投入對房價影響不顯著。余泳澤和張少輝(2017)[20]認為房價上漲通過創新資金擠占、創新人才行為負面激勵效應和城市技術創新活動負面影響這三種渠道抑制了地區的技術創新水平。(3)資金擠占途徑。房價持續上漲一方面使得房地產行業相比其他傳統實業具有更高的投資回報率，吸引社會資本持續流入，進而擠占了包括科技產業在內的其他實業的資金投入規模；另一方面也影響科技企業研發資金投入的積極性，轉而將部分資金用于房地產投資，最終對科技企業的創新能力提升產生負面影響。Calza et al.(2013)[21]指出，由于房價上漲，大量工業企業為了追求高額回報率，將原本用于企業研發和企業經營的資金投入房地產行業，從而出現“資本泡沫化”現象。Martin和Ventura(2012)[22]、Miao和Wang(2014)[23]、余靜文和譚靜(2015)[24]認為房價上升對創新存在正向和負面效應，存在金融摩擦的情況下，房價上漲提高了企業自有房產的抵押價值，對企業來說在一定程度上存在“信用緩解效應”；但房價上升使得企業將更多資金投資于投資回報率更高的房地產行業，擠占企業研發投入資金，對創新具有“擠出效應”。王文春和榮昭(2014)[25]對35個大中城市規模以上工業企業進行實證研究，發現房價上漲會影響企業的創新產出和研發投入，房價上漲越快，企業的創新意愿越弱。(4)人才擠壓途徑。過高的房價會為當地居民帶來過高的購房壓力及其他生活成本，從而抑制了當地勞動力(普通技術工人和科技創新人才)的流入，對科技企業的生產和研發活動產生負面影響。朱晨(2018)[26]從勞動力成本視角，利用上海市房價和中國工業企業的非平衡面板數據模型，分析表明房價上漲對工業企業創新具有顯著的負向影響。同時，房價持續上漲勢必會產生房價泡沫和購房壓力，一旦房價泡沫破滅，將會對整個社會和企業產生嚴重沖擊。Gan(2007)[27]研究日本20世紀90年代房地產泡沫對日本科技創新的影響，指出擁有大量房地產的企業受到危機的沖擊更大，從而影響企業創新資金的投入。范新英和張所地(2018)[28]研究認為創新集聚對城市房價具有空間溢出效應，且城市創新效率對房價的非線性影響，是引起房價上漲和房地產市場分化的重要原因。上述研究表明，房價水平對科技創新同時具有促進作用和阻礙作用，但房價過快上漲帶來的嚴重資源錯配、投資效率低下、擠占創新資金和人才擠壓等問題，最終對科技創新的抑制作用占主導地位。

綜上，現有文獻已在房價水平、金融聚集與技術創新之間的關系方面進行了廣泛研究，但總體上存在如下不足：(1)研究視角的局限。大部分文獻僅僅單獨分析房價水平或金融集聚對科技創新的影響，而鮮有文獻綜合分析購房壓力與金融集聚對科技創新的共同影響。同時，大多數文獻的研究視角局限于時間維度(多采用傳統面板數據模型)，而忽視了空間因素(即購房壓力與金融集聚的空間溢出效應及其對科技創新的影響)，從而無法進一步從時空角度分析購房壓力、金融集聚對科技創新的影響機理。(2)研究方法的局限。有文獻通過傳統面板數據模型來揭示城市房價或金融集聚對科技創新的線性影響特征，但越來越多的研究表明，房價水平或金融集聚對科技創新的影響具有非線性特征，而這些模型無法揭示金融集聚和購房壓力對科技創新的非線性影響。(3)研究對象的局限。多數研究從全國層面和省域層面出發，較少從一些重要區域城市層面進行分析，至今鮮有文獻討論粵港澳大灣區金融集聚水平、購房壓力和科技創新三者之間的非線性關系。同時，現有文獻大多只考慮金融集聚對科技創新的總體影響，而忽略了各金融子行業對科技創新影響的差異性。

相比現有研究，本文可能的創新之處在于：(1)以粵港澳大灣區11個城市(1)粵港澳大灣區11個城市指：香港、澳門、廣州、深圳、珠海、惠州、肇慶、東莞、佛山、中山和江門。為研究對象，采用面板門限模型分析金融集聚和購房壓力對科技創新的非線性影響。進而比較各金融子行業(銀行、證券和保險)的影響差異。(2)采用空間計量模型來分析該區域內金融集聚、購房壓力對科技創新的空間溢出效應，并運用交叉項充分考慮購房壓力與金融集聚互動對科技創新的影響。(3)綜合考慮時間和空間兩個維度，分析粵港澳大灣區購房壓力和金融集聚對科技創新的非線性影響和空間溢出效應，有效發揮金融集聚、購房壓力等因素作用，推動大灣區創新資源整合和創新水平的提升。

三 實證模型

(一)空間影響機制研究：空間計量模型

由于粵港澳大灣區科技創新活動和金融資源流動均存在明顯的空間關聯性，而傳統的時間面板模型不能反映各地區變量之間的空間影響關系，因此這里不僅考慮時間聯系，還考慮變量之間的空間聯系，采用空間計量模型進行后續實證分析。空間計量模型按照自相關性的形式不同可以分為空間滯后模型和空間誤差模型。

當被解釋變量的空間滯后項納入解釋變量中，即考慮鄰近地區被解釋變量的影響時，則適合空間滯后模型，其形式如下：

β3lnRDEit+β4lnPGDPit+β5lnGOVit+β6lnEDUit+εit

(1)

當把鄰近地區的未觀測因素納入模型，即考慮鄰近地地區未觀測因素對被解釋變量的影響時，則適合空間誤差模型，其形式如下：

lnINNOVAit=α+βFINit+β1BUBBLEit+β2FIN*BUBBLEit+β3lnRDEit+β4lnPGDPit+

β5lnGOVit+β6lnEDUit+μit

(2)

(3)

(二)非線性影響機制研究：面板門限模型

采用Hansen(2000)[29]提出的面板門限模型進行分析，門限數量及其數值通過采用“格子搜索法(Grid)”結合研究樣本數據確定。模型的一般表達式為：

yit=x′itβ1+x′itdit(γ)θ+Z′Φ+et,et～iid(0,σ)

(4)

其中，yit為被解釋變量(科技創新)，x′it為一系列解釋變量(金融集聚程度、購房壓力、研發投入水平、經濟發展水平、政府扶持政策力度和教育水平)；dit(γ)為提示性函數，當門限值大于γ時取值為1，否則取值為0；et為殘差系列。β1、θ、γ均為模型估計參數。有關該模型的參數估計方法和相關門限值檢驗原理，這里不再重述，可詳見文獻Hansen(2000)[29]。

(三)空間自相關測度：Moran’s I 指數

在相關的空間計量研究中，大部分采用Moran’s I指數來刻畫變量間的空間相關性大小，Moran’s I指數計算公式如下：

(5)

(四)金融集聚測度：區位熵指數

金融集聚程度的測度方法主要包括構建金融集聚指標體系和尋找金融集聚的代理變量，李靜和白江(2014)[30]、鄧薇等(2015)[31]、馮林等(2016)[32]從不同方面構建金融集聚評價體系來衡量地區的金融集聚水平；金融集聚的代理變量主要包括區位熵指數、赫芬達爾指數和空間基尼系數，任英華等(2010)[33]、李林等(2010)[34]采用區位熵指數來衡量地區的金融集聚程度，該指數可較好地反映一個地區產業的集中程度，而赫芬達爾指數和空間基尼系數存在主觀性強、不同行業無法橫向比較、計算復雜等不足。鑒于粵港澳大灣區數據可得性和行業異質性，本文通過計算金融業及其三大子行業的區位熵指數來分別刻畫粵港澳大灣區城市金融業和三大子行業的集聚程度。

1.金融業集聚

(6)

eit和pit分別表示城市i第t期末金融業就業人數和總就業人數；Et和Pt分別表示粵港澳大灣區11個城市第t期末金融業就業人數加總和就業人數加總。

2.銀行業集聚

(7)

sit和xit分別表示城市i第t期末的金融機構存款余額和國內生產總值；St和Xt分別表示粵港澳大灣區11個城市第t期末金融機構存款余額加總和國內生產總值加總。

3.證券業集聚

(8)

yit和xit分別表示城市i第t期末的A股上市公司市值和國內生產總值；Yt和Xt分別為粵港澳大灣區11個城市第t期末A股上市公司市值加總和國內生產總值加總。

4.保險業集聚

(9)

cit和xit分別表示城市i第t期末全部保險機構的保費收入和國內生產總值；Ct和Xt分別為粵港澳大灣區11個城市第t期末保費收入加總和國內生產總值加總。

四 實證分析及結果討論

(一)模型變量選取與依據說明

本文以粵港澳大灣區11個城市為研究對象，鑒于數據統一性、連續性和可獲得性，選取2006-2016年的年度數據來分析粵港澳大灣區購房壓力、金融集聚對科技創新的時空影響機制。相關變量選取如下：

1.被解釋變量：科技創新水平(INNOVA)。一個地區的科技創新水平可以用研發投入和創新產出兩個方面來衡量。創新產出方面的指標主要有技術市場成交額、專利申請量和授權量、科技進步貢獻率等。其中，專利包括發明專利、外觀設計專利和實用新型專利三類，發明專利相比外觀設計專利和實用新型專利，投入的資金、人員更多，難度更大，更能反映一個地區的實際創新能力。此外，考慮到發明專利申請數雖反映了一個地區的科技創新活躍程度，但代表的是發明專利的申請總量，具有一定的放大功能。因此，本文選取各城市發明專利的授權數來度量各地區科技創新水平。

2.核心解釋變量：一是購房壓力(BUBBLE)，本文借鑒呂江林(2010)[35]的做法，用房價收入比即城市房價與居民可支配收入之比來衡量城市的年度購房壓力。二是金融聚集(FIN)，基于行業異質性考慮，將金融業進一步劃分為銀行業、證券業和保險業，這里采用區位熵指數來衡量金融業、銀行業、證券業和保險業的集聚水平，具體計算見式(6)-式(10)。F_BUBBLE、B_BUBBLE、S_BUBBLE、I_BUBBLE分別表示金融業、銀行業、證券業、保險業集聚與購房壓力的交叉項。

3.其他控制變量：(1)研發投入(RDE)。研發投入是創新產出的前提和持續動力，有研發投入才有創新產出，研發投入主要包括創新資金投入和創新人員投入，科技創新主體主要包括高校、科研機構和企業，基于數據的可得性，本文采用研究與發展經費投入(R&D研發投入)來衡量一個地區的科技創新投入水平。(2)經濟發展水平(PGDP)。經濟發展水平越高，對科技進步和創新的需求更大，創新動力更強，能為創新活動提供更加強有力的支持；反之，科技創新水平的提升將進一步促進經濟質量及發展持續性的增強，因此，本文采用人均國內生產總值來衡量一個地區的經濟發展水平。(3)政府扶持政策(GOV)。政府扶持政策對創新具有重要的導向作用，如“大眾創新、萬眾創業”和“創新驅動發展戰略”等政策的提出對科技創新具有推動作用。財政支出中科學技術支出越多，說明該地區政府對科學技術創新越重視，因此，本文采用科學技術支出來衡量地區政府的政策支持。(4)教育水平(EDU)。教育水平和勞動力素質也是科技創新的重要影響因素，教育水平越高，越能夠為科技創新提供更多高素質的勞動力和技術創新人才，因此，本文選取各城市普通高等學校在校生人數來衡量該城市的教育水平。

上述變量中，粵港澳大灣區11個城市的專利發明授權數、金融業就業人數、房價、研發投入等變量數據來源于香港和澳門政府相關部門網站和其發布的統計年刊及《廣東省統計年鑒》等。

(二)描述性統計結果

表1為主要變量的描述性統計。經濟發展水平、科技創新、研發投入的標準差位列前三名，說明粵港澳大灣區內各城市的經濟規模、科技創新水平和研發投入存在巨大差距；金融集聚和購房壓力的標準差相對較小，說明各城市在這方面的差距遠沒有經濟發展水平和科技創新水平方面的差距大。與此同時，考慮到科技創新、研發投入、經濟發展水平、政府扶持政策、教育水平這些變量的數值較大，在實證模型中均采取自然對數形式。

表1 主要變量的描述性統計

數據來源：作者根據統計結果整理而得。

(三)金融集聚、購房壓力與科技創新的空間自相關性

采用Moran’s I指數來刻畫粵港澳大灣區各城市間科技創新、購房壓力和金融集聚的空間關聯性大小，如表2所示。

表2 粵港澳大灣區科技創新、金融集聚、購房壓力的空間自相關性

(續上表)

年份科技創新Morans I金融集聚Morans I購房壓力Morans I20140.33***0.050.0220150.17*0.070.0920160.110.06-0.01

注：***、**、*分別表示在1%、5%、10%的置信水平上顯著。

研究期內，粵港澳大灣區科技創新的Moran’s I指數除了2016年不顯著外，其他年份均顯著為正，且總體呈現先升后降的趨勢，這說明粵港澳大灣區城市間的科技創新空間自相關性先增強后減弱，科技創新水平差距在不斷拉大；而2013年科技創新Moran’s I指數突然增強可能是粵港澳大灣區各城市響應國家創新驅動發展戰略的引導，重視科技研發投入和科技創新水平而導致的。粵港澳大灣區金融集聚的Moran’s I指數總體上也呈先升后降的趨勢，且只在2008-2012年通過了10%置信水平檢驗，這說明金融集聚的空間相關性較弱；其原因可能是2008年金融危機使得粵港澳大灣區各城市金融市場均遭受到巨大沖擊，無形中降低了各城市金融集聚程度的差距，從而增強整體上的空間自相關性。購房壓力的Moran’s I指數多數年份為負，且顯著性水平較低，由此看出大灣區內各城市購房壓力大部分年份呈現負相關關系，顯示相鄰地區購房壓力變化的非同步性和遷移性，如廣州和深圳房價率先大幅上漲，而其他地區房價反應較慢；當廣深房價由于收到政府調控而出現漲速放緩時，受到抑制的炒房資金產生新的投資目標，開始向周邊地區轉移需求，周邊城市房價承接上漲，最終出現了整個區域內購房壓力的遷移，這導致大灣區內城市購房壓力更多的是呈現負的空間自相關性。

(四)購房壓力、金融集聚對科技創新的非線性影響機制分析

1.門限效應存在性檢驗

為了檢驗金融集聚和購房壓力可能存在的門限效應，分別以金融集聚和購房壓力為門限變量，設定500次自舉次數，通過格子搜索法進行門限效應存在性檢驗及最佳門限值的確定，結果見表3。

表3 購房壓力和金融集聚的門限效應檢驗結果

注：單門限檢驗 H0:不存在門限值，H1：存在一個門限值；雙門限檢驗 H0:存在單一門限值，H1存在兩個門限值；三門限檢驗 H0:存在兩個門限值，H1：存在三個門限值；***、**分別表示在1%、5%的置信水平上顯著。

從表3的檢驗結果可知：購房壓力在1%的置信水平上存在雙重門限效應，門限值分別為17.84、38.90；根據這兩個購房壓力門限值，可將粵港澳大灣區11個城市分為三類：低購房壓力城市(BUBLE<17.84)、中度購房壓力城市(17.84≤BUBLE<38.90)、高購房壓力城市(BUBLE≥38.90)。從具體城市來看，2006-2016年期間，廣州、佛山均屬于中度購房壓力城市；深圳除了在2006年屬于低購房壓力城市外，在其他年份均屬于高購房壓力城市；惠州在2006、2009、2012、2013這四年屬于低購房壓力城市，其他年份均屬于中度購房壓力城市；肇慶在2006、2013、2015、2016這四年屬于低購房壓力城市，其他年份均屬于中度購房壓力城市；東莞在2006-2009、2011-2013這些時期內屬于低購房壓力城市，而在其他年份均屬于中度購房壓力城市；中山在2008、2010、2011這三年屬于中度購房壓力城市，其他年份均屬于低購房壓力城市；江門在2006-2009、2013年期間屬于低購房壓力城市，而在其他年份均屬于中度購房壓力城市；珠海除了在2016年屬于高購房壓力城市外，其他年份均屬于中度購房壓力城市；香港和澳門在整個時期內均屬于中度購房壓力城市，主要是因為本文采用房價收入比來衡量城市的購房壓力，香港和澳門雖然房價水平較高，但人均可支配收入也較高，因此香港和澳門的房價收入比處于適中水平，從而使得香港和澳門購房壓力也處于中度水平。此外，中國內陸城市在房屋交易中普遍存在公攤面積現象，降低了房價交易的實際成交價格，而香港和澳門地區按房屋實占面積計算，計算方式差異可能導致房價收入與現實有所出入。總的來看，粵港澳大灣區內，深圳購房壓力程度最高，而其他10個城市都屬于中、低度購房壓力城市，不同時期，受房地產調控政策、宏觀環境變化等因素影響，各城市購房壓力有所波動。金融集聚同樣在1%的置信水平上存在雙重門限效應，門限值分別為0.71、1.28。根據這兩個金融集聚門限值，可將粵港澳大灣區11個城市分為三類：低度金融集聚城市(FIN<0.71)、中度金融集聚城市(0.71≤FIN<1.28)、高度金融集聚城市(FIN≥1.28)。從具體城市來看，廣州、深圳、珠海屬于中度金融集聚城市；惠州、肇慶、東莞、佛山、中山、江門屬于低度金融集聚城市；香港和澳門屬于高度金融集聚城市。下文分別運用以購房壓力和金融集聚為門限變量的雙重門限模型進行實證分析。

2.門限效應估計結果及討論

首先采用面板數據模型進行實證分析，豪斯曼檢驗表明應當采用整個金融業及各金融子行業均適合的隨機效應模型，估計結果如表4所示。由表4可知，無論是對金融業還是各金融子行業(銀行業除外)而言，金融集聚和購房壓力均對科技創新具有顯著的正向作用，但金融集聚和購房壓力的交叉項對科技創新具有顯著的抑制作用。從橫向比較來看，保險業集聚對科技創新的促進作用要明顯大于其他金融子行業。在控制變量方面，研發投入和經濟發展水平對科技創新具有顯著的促進作用。政府扶持政策僅在金融業總體層面上對科技創新具有促進作用，但在各金融子行業層面上，對科技創新的影響效果不明顯。教育水平對科技創新的影響在不同金融子行業層面上存在明顯差異。為了進一步刻畫購房壓力、金融集聚對科技創新的非線性影響特征，采用面板門限模型(分別以金融集聚和購房壓力為門限變量)進行實證分析，結果如表5所示。從表5可看出，在低、中度購房壓力區域內，金融集聚對科技創新具有顯著的負向影響，而在高購房壓力區域內，金融集聚對科技創新具有顯著正向影響。這主要由于在購房壓力門限值的劃分中，大灣區內只有深圳歸入高購房壓力城市，而深圳的科技創新能力在粵港澳大灣區內也是最強，由此導致高購房壓力對科技創新具有明顯的促進作用。在低、高度金融集聚區域內，購房壓力對科技創新沒有明顯影響；但在中度金融集聚區域內，購房壓力對科技創新具有顯著的促進作用。總的來看，一方面要平衡粵港澳大灣區內的金融資源配置，降低金融集聚失衡程度將有助于充分發揮金融促進區域科技創新的積極作用；另一方面，要進一步采取措施穩定房價，以防范金融集聚和購房壓力交互作用抑制區域科技創新的問題。同時，應重視并發揮保險業對科技創新的積極作用。

表4 基于面板數據模型的估計結果

注：***、**、*分別表示在1%、5%、10%的置信水平上顯著。

表5 面板門限模型估計結果

注：***、**、*分別表示在1%、5%、10%的置信水平上顯著。

(五) 金融集聚、購房壓力對科技創新的空間溢出效應分析

1.基于金融業整體的分析結果

首先以整個金融業為研究對象，采用空間滯后模型和空間誤差模型來分析金融業集聚和購房壓力對科技創新的空間溢出效應，估計結果如表6所示。運用空間計量進行實證分析，需要判斷是采用空間滯后模型還是空間誤差模型，本文基于Anselin et al.(2004)[36]提出的判斷原則即兩個拉格朗日乘數檢驗(LM-Lag，LM-error)和兩個穩健的拉格朗日乘數檢驗(Robust LM-Lag， Robust LM-error)，當LM-Lag統計量比LM-error統計量顯著，而Robust LM-Lag統計量顯著，Robust LM-error不顯著時，采用空間滯后模型；相反，則采用空間誤差模型。模型適用性檢驗結果如下：LM-Lag統計值為4.48，P值為0.03，在5%的置信水平上顯著；LM-error統計值為0.87，P值為0.34，不顯著；Robust LM-Lag統計值為10.67，P值為0.00，高度顯著；Robust LM-Lag統計值為7.06，P值為0.01；根據判斷準則，應選擇空間滯后模型進行實證分析。由于空間滯后模型效應又分為固定效應和隨機效應，本文采用Hausman檢驗來判別是采用固定效應還是隨機效應，結果顯示應采用固定效應進行分析。因此，以空間滯后模型固定效應的估計結果來分析購房壓力、金融集聚對科技創新的空間溢出效應。

從表6可以看出，空間滯后模型固定效應的系數為0.27，且高度顯著，說明粵港澳大灣區城市科技創新之間存在明顯的正向空間溢出效應。粵港澳大灣區金融業集聚(FIN)對科技創新的影響系數為1.28，在1%的置信水平上顯著，說明金融集聚對科技創新具有顯著的促進作用(與基于傳統面板模型、面板門限模型的估計結果相一致)。原因在于金融資源在粵港澳地區集聚，形成金融集聚區可以提高粵港澳大灣區金融資源的配置效率，加強信息交流和資源共享，充分發揮金融集聚的規模效應。同時，金融集聚不僅能夠發揮市場融資功能，緩解企業的融資約束，為創新主體和創新活動提供研發資金，還可以為創新活動提供風險分散的渠道，促進科技創新水平提升。購房壓力(BUBBLE)對科技創新的影響系數為0.85，但不顯著，說明購房壓力對科技創新的作用不明顯。金融集聚與購房壓力的交互項(F_BUBBLE)對科技創新的影響系數為-2.03(與基于傳統面板模型的估計結果相一致)，且在1%的置信水平上顯著，表明金融集聚與購房壓力的互動對科技創新產生明顯的抑制作用。這是因為購房壓力是由房價快速上漲、超出收入增長所引起的。同時，大量實體資金為了追求高回報率從實體經濟流向房地產市場，降低企業的創新研發投入，創新活動融資約束更加嚴重，實體資金持續流入房地產又進一步推動房價上漲，導致資源錯配、惡性循環，從而抑制了科技創新活動。

表6 金融業集聚和購房壓力對科技創新影響各種模型估計結果

注：***、**、*分別表示在1%、5%、10%的置信水平上顯著。

控制變量方面，研發投入(RDE)、經濟發展水平(PGDP)、政府扶持政策(GOV)和教育水平(EDU)對科技創新的影響系數依次為0.22、0.68、0.27和0.54，均至少在10%的置信水平上顯著，說明研發投入、經濟發展水平、政府扶持政策和教育水平對科技創新均有積極促進作用。研發投入是創新活動的基礎和前提，沒有研發投入就沒有創新產出，創新活動具有周期長、回報慢的特征，用于創新的研發資金越多，越能為創新活動提供保障。經濟越發達，對產品和技術的需求越多樣化，創新的持續動力越強，同時經濟發展水平高可以為創新活動提供良好的市場環境和基礎設施，吸引更多的創新企業和技術人才。政府扶持政策對科技創新具有引導作用，扶持政策能夠引導社會資金流入創新活動領域，為創新提供良好的政策環境。教育水平更高，能為創新活動提供更多的創新人才和高素質的勞動力；此外，教育水平越高，產學研深度融合越強，對科技創新的貢獻越大。

2.基于金融子行業的分析結果

受篇幅所限，本部分只列出空間滯后模型的估計結果，且采用固定效應來分析三個子行業(銀行、證券和保險)集聚、購房壓力對科技創新的空間溢出效應(估計結果見表7)。銀行業集聚(BANK)對科技創新的影響系數為-0.28，但不顯著，說明粵港澳大灣區內銀行業集聚對科技創新作用不明顯。主要原因在于粵港澳大灣區城市間銀行業發展水平差距明顯。特別是中國香港地區作為國際金融中心，銀行業發展水平和金融機構吸收存款能力遠高于其他城市；而其服務業、金融業和航運貿易業高度發達的另一面是，實體經濟規模發展滯后，科技創新主要來自于高校與科研機構，缺乏有影響力的知名科技企業，這導致香港地區的科技創新發展緩慢，與其銀行業的高度發達狀況極不匹配，最終導致粵港澳大灣區銀行業集聚對科技創新的作用不明顯。購房壓力(BUBBLE)和銀行業集聚與購房壓力的交互項(B_BUBBLE)對科技創新的影響系數分別0.36和-1.25，但都不顯著，說明購房壓力、銀行業集聚與購房壓力的交互項對科技創新也沒有明顯的促進或者抑制作用。

證券業集聚(STOCK)、購房壓力(BUBBLE)、證券業集聚和購房壓力的交互項(S_BUBBLE)對科技創新的影響系數分別為-0.69、-0.64和-0.70，但都沒有通過顯著性檢驗，說明粵港澳大灣區證券業集聚、證券業集聚下購房壓力、證券業集聚和購房壓力的交互項對科技創新沒有顯著影響。與銀行業集聚相似，香港證券市場高度發達，而科創產業和新興產業發展較慢。此外，粵港澳大灣區城市間證券業發展差距遠大于銀行業，證券機構只在少數幾個城市(香港、深圳和廣州)高度集聚，吸引外部資源持續流入該地區，導致大灣區內科技創新資源分配不均，創新擴散效應不明顯，不利于粵港澳大灣區科技創新水平的總體提升。

保險業集聚(INSURANCE)對科技創新的影響系數為1.66，在5%的置信水平上顯著，說明保險業集聚能有效促進該地區科技創新水平的提升。購房壓力(BUBBLE)對科技創新的影響系數為0.40，不顯著；保險業集聚與購房壓力的交互項(I_BUBBLE)對科技創新的影響系數為-3.49，高度顯著。這說明保險業集聚下購房壓力對科技創新沒有明顯的影響，保險業集聚與購房壓力的交互項對科技創新具有顯著的抑制作用。原因在于粵港澳大灣區保險業發展水平差距沒有像銀行業、證券業那么明顯，大灣區內較為完善的保險制度和保險市場可以為高風險的創新活動提供保障，分散創新活動的風險。近幾年，保險科技類公司的成立體現了保險對科技創新的重要性和促進作用。保險業集聚與購房壓力的交互項對科技創新水平具有抑制作用主要是因為保險市場也有一定的融資功能，房價過度下跌會對整個實體經濟和金融市場產生巨大沖擊，導致企業破產數量增多，雖然保險業具有保障和分散風險的功能，但仍無法抵消購房壓力上升對科技創新的負面影響。

表7 基于空間滯后模型的三個子行業集聚、購房壓力對科技創新影響的估計結果

(續上表)

變量銀行業固定效應隨機效應證券業固定效應隨機效應保險業固定效應隨機效應S_BUBBLE-0.7-1.33I_BUBBLE-3.49**-3.38**Ln(RDE)0.220.46***0.210.48***0.22*0.50***Ln(PGDP)0.690.71***0.700.68***0.96**0.68***Ln(GOV)0.33***0.38***0.31***0.38***0.28**0.34***Ln(EDU)0.63***0.170.67***0.150.66***0.21*R20.860.840.860.840.860.84

注：***、**、*分別表示在1%、5%、10%的置信水平上顯著。

五 結論及政策建議

本文以粵港澳大灣區11個城市為研究對象，結合這些城市在2006-2016年期間的面板數據，運用面板門限模型和空間計量模型來分析該區域內金融集聚、購房壓力對科技創新的非線性影響機制及空間溢出效應，在此基礎上比較行業影響的異質性特征。研究結論如下：

1.粵港澳大灣區各城市科技創新存在顯著的正向空間關聯性，且呈現出先強后弱的走勢。這表明大灣區內各城市的科技創新水平差距在不斷拉大；粵港澳大灣區各城市金融集聚存在正空間關聯性，購房壓力存在負空間關聯性。

2.粵港澳大灣區金融集聚、購房壓力對科技創新存在明顯的空間影響及行業差異。從整個金融業來看，大灣區內金融集聚對科技創新具有顯著的促進作用，而購房壓力對科技創新的作用不明顯。從金融子行業來看，只有保險業集聚對科技創新水平的提升有積極作用，而銀行業集聚和證券業集聚對科技創新水平的提升均沒有明顯影響。但無論是對金融業還是金融子行業來說，金融集聚與購房壓力的互動均對科技創新產生顯著的抑制作用。

3.粵港澳大灣區金融集聚、購房壓力對科技創新的影響具有門限效應。金融集聚和購房壓力均存在雙重門限，進而對科技創新產生非線性影響。具體來說，在低、中度購房壓力區域內，金融集聚對科技創新具有顯著的負向影響；在高購房壓力區域內，金融集聚對科技創新具有顯著正向影響；同時，在低、高度金融集聚區域內，購房壓力對科技創新沒有明顯影響；但在中度金融集聚區域內，購房壓力對科技創新具有顯著的促進作用。總體上看，適度的購房壓力和金融集聚度對科技創新具有促進作用，而過高的購房壓力、金融集聚及其互動作用均會對科技創新產生明顯的抑制效應。

4.地區研發投入水平、經濟發展水平、教育水平、政府扶持政策均有利于科技創新水平的提升，但存在結構性差異。從整個金融業來看，地區經濟發展水平和研發投入對科技創新的正向影響效應要明顯大于教育水平和政府扶持政策的影響效應。

據此，在提升粵港澳大灣區科技創新水平和協同創新方面提出如下建議：

1.構建粵港澳大灣區科技創新協同發展研究中心。通過該中心來協調和優化粵港澳大灣區各城市在推動科技創新發展方面的定位、分工及合作；一方面在厘清各城市優勢產業和科技創新能力差距的基礎上，本著優勢互補、相互促進的原則來指導和協同大灣區內各城市制定合理的科技創新發展規劃、目標定位、產業鏈分工及合作模式等；另一方面，也可以避免大灣區內出現科技創新細分領域中的重復投資和資源浪費，進而優化資源配置效率，突出各城市產業特色及優勢，促進大灣區科技創新的協同發展，為實現國際科技創新中心的最終目標奠定堅實基礎。

2.充分發揮金融集聚、購房壓力對科技創新的積極影響。當前粵港澳大灣區內金融資源分布嚴重失衡，各城市購房壓力差異較大，金融集聚和購房壓力的不平衡在很大程度上加大各城市科技創新水平的差距，也對區域科技創新協同發展產生較大阻力。對此，在厘清金融集聚和購房壓力對科技創新的非線性影響機制的基礎上，一方面通過構建大灣區購房壓力聯防聯控機制來抑制區域內房價過快上漲帶來過高的購房壓力及其空間傳染效應，另一方面，也要制定政策來引導金融資源在大灣區內的均衡分布，降低目前過度金融集聚的格局，加強區域間金融深層次合作。充分發揮適度金融集聚和適度購房壓力對科技創新水平提升的積極影響。

3.注重研發投入水平、經濟發展水平、政策扶持政策和教育水平對科技創新的提升作用。研發資金和研發人員投入是創新的基礎和動力，要推動科技創新水平的提升，關鍵是要加大創新資金和人員投入。大灣區內各級政府應意識到經濟發展是科技創新的土壤，只有提升本地區的經濟發展水平，科技創新水平才能得到質的提高；要重視政府扶持政策對提升科技創新水平的效果，加大科學技術支出在當地財政支出的比重，實施系列稅收優惠政策，吸引更多的創新人才和創新企業。此外是要注重教育水平對科技創新的影響，一個地區的教育水平越高，越能為創新提供更多的高素質人才，高等院校、科研機構等創新主體對創新的貢獻越大。