科技金融發展對中國經濟增長的影響研究

張芷若 谷國鋒

摘要：通過構建科技金融發展水平指標體系，采用指數合成法計算我國30個省（市、自治區）2001-2015年的科技金融發展綜合指數，并基于空間計量模型，探究科技金融對區域經濟增長的影響及其空間溢出效應。結果表明：我國各地區科技金融發展水平差距顯著，呈現“東高西低”的空間特征；科技金融發展水平存在明顯的空間相關性，在空間上表現出東部沿海地帶“高高”集聚與西部欠發達地區“低低”集聚的特征；科技金融發展對區域經濟增長的推動作用明顯，且存在顯著的正向空間溢出效應。

關鍵詞：科技金融；經濟增長；空間相關性；空間計量模型

中圖分類號：F061.5；F830文獻標識碼：A文章編號：10037217（2018）03011207

一、引言

新常態下科技金融的協調發展是我國科技與經濟結合的重要舉措。近年來，科技金融發展已經得到了各級政府、金融監管機構、企業界以及學術界的廣泛關注，隨著我國各項科技金融政策意見的出臺，積極推進了科技活動與金融發展的結合。與此同時，科技金融對區域經濟增長的重要性也日益凸顯，科技金融發展已成為我國實施自主創新戰略，建設創新型國家與加快中華民族偉大復興的重大舉措，也是我國轉變經濟增長方式，應對金融危機，推動經濟可持續發展的必然選擇。

科技金融囊括了科技與金融兩方面內容，屬于產業金融范疇，主要指科技產業與金融產業的融合，是一切服務于科技企業以及科技成果發展、創新的多方資源體系，既包括金融工具、制度、政策，也包括整個系統的服務與創新。有關科技金融與經濟增長的相關研究主要集中在以下幾個方面：一是科技金融理論方面的研究，學者們從理論層面分析科技金融的內涵、運行模式與保障機制等[1-4]；二是科技金融指標選取與評價方面，通過設定科技金融資源指數、經費指數、產出指數和貸款指數，構建我國科技金融綜合發展指數[5，6]；三是運用協同學理論、耗散結構理論、系統動力學等多種復雜系統科學理論對科技金融與科技創新聯合發展進行研究，提出區域科技金融與科技創新的協同發展模型[7-10]；四是有關科技金融效率或科技金融績效的研究，從金融投入與科技產出方面建立科技金融結合效率指標體系，運用DEA方法進行效率評價，并提出提高科技金融相對效率的方法與建議[11-13]；五是金融發展與經濟增長的關系研究，通過實證檢驗科技金融、科技創新對實體經濟增長的促進作用，提出提高科技金融與科技創新二者融合質量的路徑和相關政策[14-18]。

目前，國內外對科技金融發展與經濟增長的關系主要建立在傳統的經濟學理論框架中，并未考慮科技金融發展的空間相關性及其空間效應。然而，對空間效應的忽略可能導致回歸結果的偏誤，為此，本文考察科技金融發展水平與經濟增長在各省市的空間相關性，并基于空間計量經濟學模型，探究科技金融發展對經濟增長的影響及其空間效應，以期為相關部門優化科技金融空間格局提供理論依據和決策借鑒。

二、理論分析與科技金融發展指數測度

（一）理論基礎

新古典經濟增長理論認為，影響經濟增長的因素主要包括資本要素和勞動要素的投入[19]；新經濟增長理論認為，經濟增長得益于技術進步[20，21]。傳統的金融發展理論認為，金融發展不僅可以通過促進資本積累的形成推動經濟增長[22，23]，還可以通過金融中介的信用放大作用增加經濟中的資金供給，進而推動經濟增長[24]。本文借鑒新古典經濟增長理論和新經濟增長理論，并結合新經濟地理學理論，認為經濟增長不僅取決于資本要素、勞動要素的投入與技術進步，還受到科技金融要素的影響。基于CobbDouglas生產函數Y=AKαLβ，建立科技金融經濟增長理論模型如下：

Y=AKαLβ（STF）γ（1）

對式（1）加入時間和地理空間維度，同時兩邊取對數，可得普通線性回歸模型：

lnYit=a+αlnKit+βlnLit+γlnSTFit（2）

其中，Y、K、L、STF分別表示人均GDP、資本投入、勞動力投入與科技金融投入；a為截距項，i、t分別為地區與時間，α、β、γ分別表示相應產出彈性；εit為隨機誤差項；K用全社會固定資產投資額表示；L用從業人員表示；STF用科技金融發展指數表示。

（二）指標選取與數據來源

科技金融既屬于科技創新體系，也屬于金融體系，是兩者的融合，不僅包括科技開發、科技成果轉化與高新技術產業等金融問題，還包括一系列和企業發展戰略相關的金融制度安排、科技研發經費投入等內容。為了充分反映科技金融的本質，本文認為科技金融是包含科技金融資源、科技金融經費、科技金融融資與科技金融產出的統一整體，并依據這四個方面進行指標體系的構建。在構建指標體系過程中，借鑒相關研究[5，6，25]，選取合適的指標來量化科技金融。指標體系見表1。

所選取數據來自2002-2016年的《中國統計年鑒》《中國科技統計年鑒》《中國高技術產業統計年鑒》和科技部《中國主要科技指標數據庫》的統計數據。科技活動人員數（F1）由各省市R&D;人員全時當量數替代；創新稅收收入（F4）由高技術產業利稅數據代替；金融機構科技貸款（F8）由金融機構各項貸款替代，數據來源《中國金融年鑒》；股權融資數據（F9）來源于wind數據庫。由于西藏自治區、港澳臺地區缺乏統計數據，因此未列入研究范疇。

（二）研究方法

1.科技金融發展指數計算方法。以2001年為基期年份，單項指標在基期年份的最大值與最小值分別是100和0，分別表示該地區在該指標上發展最好與最差。計算方法為：基期年份第i個指標得分=xi-xminxmax-xmin×100，非基期年份第i個指標t年得分=xi（t）-xmin（0）xmax（0）-xmin（0）×100。其中，xi為某地區第i個指標的指標值，xmin與xmax為基期年份第i個指標最小值與最大值。首先，將同一類別的二級分指數用算術平均法進行加權，計算科技金融發展水平分指數；其次，將四項分指數再加權，得出科技金融發展水平總指數。xmin（0）與xmax（0）表示基期年份第i個指標的最小值與最大值，xi（t）表示非基期年份t年的指標值，非基期年份指標值最小可小于0，最大可大于100[6]。

2.空間自相關性檢驗。利用MoransI值進行全局空間自相關檢驗，初步探討省域間經濟增長與科技金融之間的空間依賴性，計算公式為：

I=∑ni=1∑nj=1wij（Yi-）（Yj-）S2∑ni=1∑nj=1wij，

Z=1-E（I）VAR（I）；

Ii=（Yi-）S2）∑nj=1wij（Yj-）

其中，I為全局MoransI值，表示區域間的總體相關程度；S2=1n∑ni=1（Yi-）2；=1n∑ni=1Yi；Yi表示第i地區人均GDP；n表示地區數；wij為空間權重矩陣，wij=1表示兩個相鄰省份，wij=0表示兩個省份不相鄰；E（I）=-1n-1。Ii為局域空間自相關系數，表示i地區與周邊地區的相關程度。MoransI指數的取值范圍為1～-1，越接近1，表示空間正相關；越接近-1，表示空間負相關；當I=0時，表示空間不相關。

3.空間計量模型。本文通過構建地理距離空間權重矩陣，將空間滯后項與空間誤差項引入到普通面板模型，其空間計量模型具體形式如下：

（1）空間滯后模型（SLM）。用來檢驗區域經濟增長是否具有空間溢出效應，區域間的空間相關性由被解釋變量的空間滯后項來反映。即：

lnYit=β0+ρ∑nj=1WijlnYjt+β1lnSTFit+

β2lnInvit+β3lnHumit+β4lnOpenit+

β5lnISit+β6lnexp+εit（3）

其中，Wij代表空間權重矩陣W的元素，WlnY為被解釋變量的空間滯后項，ρ是空間自回歸系數，β0代表常數項，β1-6表示解釋變量的待估計參數，εit為隨機誤差項。

（2）空間誤差模型（SEM）。主要用來研究鄰近地區被解釋變量的隨機誤差沖擊對本地區觀測值的影響，其空間相關性通過滯后項體現在隨機誤差項中。即：

lnYit=β0+β1lnSTFit+β2lnInvit+

β3lnHumit+β4lnOpenit+β5lnISit+

β6lnexp+φit（4）

φit=λ∑nj=1Wijεjt+μit

其中，φ為隨機誤差向量，λ表示空間誤差自回歸系數，Wε為隨機誤差項的空間滯后項，μ為正態分布的隨機誤差項。

（3）空間杜賓模型（SDM）。是空間滯后模型與空間誤差模型的合體，即：

lnYit=β0+ρ∑nj=1WijlnYjt+β1lnSTFit+

β2lnInvit+β3lnHumit+β4lnOpenit+

β5lnISit+β6lnexp+θ1∑nj=1WijlnSTFjt+θ2∑nj=1WijlnInvjt+θ3∑nj=1WijlnHumjt+θ4∑nj=1WijlnOpenit+θ5∑nj=1WijlnISjt+θ6∑nj=1Wijlnexp+εit（5）

其中，WlnSTF等為解釋變量的空間滯后項，θ1-5為解釋變量的空間自相關系數，其余解釋同上。

三、科技金融發展水平的時空特征分析

（一）科技金融發展水平時序演變

1.從各省市歷年科技金融發展指數演變趨勢圖看（見圖1），平均值由2001年的46.02增加到2015年的68.40，增長了近1.5倍。我國科技金融發展水平整體處于上升趨勢，北京、天津、上海、江蘇、浙江、福建、廣東以及山東等地區一直維持在較高水平；河北、山西、遼寧、湖南、廣西與青海等地區上升幅度較大，其中廣西上升幅度最大。隨著我國經濟增長方式從資源消耗型向創新驅動型轉變的不斷深入，科技金融發展對經濟增長的重要作用已引起各級政府高度重視。以江浙為例，該地區經濟發展水平高，創新型科技企業不斷涌現，創新能力不斷加強，對科技金融發展的投入力度較大，為科技金融發展提供了資金和人才支持。

2.海南、貴州、云南等地科技金融發展水平上升不明顯，且出現不同程度的下降趨勢，其中海南下降幅度最大，這與其所處地理位置密切相關，這些地區大部分屬于自治區或遠離內陸，缺乏一定的經濟實力與創新能力，并且對科技產品需求較低，科技金融各項指標較弱，本地經濟支持科技金融發展能力不足。可以看出，我國各地區科技金融發展不均衡，地區之間差距顯著，東部地區科技金融發展指數明顯高于西部地區，形成“東強西弱”的局面，這與我國現階段經濟發展水平所呈現的“東高西低”狀態高度吻合，符合我國經濟發展現狀，客觀反映了科技金融發展的狀況。

（二）科技金融發展水平的空間特征分析

從全局空間相關性分析可知，我國科技金融發展水平在空間上呈現出一定的集聚特征。2003、2011、2015年全局Moran'sI指數分別為0.122、0.232和0.245，空間正相關性顯著為正，且集聚出現增長趨勢。圖2中，圓點代表省份，若原點落在第一象限（HH），則集聚類型為“高高”集聚（見圖3），表示科技金融水平高的地區被高集聚水平地區包圍；若原點落在第二象限（LH），則集聚類型為“低高”集聚，表示科技金融集聚水平低的地區被高集聚水平地區包圍；若原點落在第三象限（LL），則集聚類型為“低低”集聚，表示科技金融集聚水平低的地區被低集聚水平地區包圍；若原點落在第四象限（HL），則集聚類型為“高低”集聚，表示科技金融集聚水平高的地區被低集聚水平地區包圍。

從空間分布看，2015年科技金融發展水平的空間集聚特征與2003年大致保持相同的態勢，并且相鄰地區具有相似的屬性值，30個省市大部分落在第一與第三象限，即科技金融發展水平較高與較低的地區相對集聚。隨著時間的推移，四種集聚類型在地理空間上的相對位置與集聚范疇也依次呈現不同程度的變化，2003-2007年處于“高高”集聚的地區數量急劇增長，河北、江西、山東、廣東、安徽分別從LH與HL進入HH，集聚特征有逐漸增強的趨勢，到2011年HH內地區數量略有下降，至2015年處于HH內的地區數量僅比2003年多出一個山東省。處在“高高”集聚與“高低”集聚內的省份大都位于我國東部沿海地帶，中西部地區則普遍處于“低高”集聚與“低低”集聚區域內。

2001-2015年，隨著北京、天津科技金融指數的不斷升高，且與周邊地區科技金融指數的差距逐漸拉大，在二者共同極化作用影響下，河北從HH進入LH；海南、新疆、陜西、黑龍江均從HL進入LL；東部地區的廣東、東北地區的遼寧以及西部地區的四川基本位于HL。①而河南、內蒙古、湖南、青海與周邊地區一直處于科技金融發展比較落后的階段，自2011年以來，通過不斷加強科技金融合作，均已進入HL。

時間段的數據結果顯示，各省份科技金融發展類型具有如下特征：處在HH的省份全部位于我國東部地區，這些地區均擁有較高的科技金融發展水平，彼此間的空間差異不大，空間正相關程度較高；處在LL的省份大都位于我國西部地區，各省份及其周邊地區的科技金融發展水平較低，空間差異較小。總體而言，中國科技金融發展水平雖然呈現出穩步的上升趨勢，但在空間上呈現出不均衡的分布特征，科技金融發展指數從東到西逐漸遞減，空間集聚的不平衡性在研究期內逐步加劇。

四、科技金融與區域經濟增長的空間計量分析

（一）經濟增長的空間相關性分析

利用Moran'sI指數描述區域經濟增長的空間關聯程度如圖4所示。

圖4顯示了近15年來區域經濟增長的Moran'sI指數及其變化趨勢，人均GDP的Moran'sI指數通過了1%的顯著性檢驗，其值在0.3759～0.3772間波動，表明區域經濟增長存在較強的空間正相關性。因此，需要考慮區域經濟增長的空間效應，運用空間計量的方法探究科技金融對區域經濟增長的影響。

（二）實證結果分析

空間相關性檢驗證明了科技金融與經濟增長在空間上具有顯著的相關性，因此，利用空間維度的相關性與異質性分析科技金融發展對區域經濟增長的影響程度及變化情況。

首先，根據Anselin等[25]于1995年提出的空間計量模型判定準則，從表2顯示的拉格朗日乘數誤差項與滯后項，及其穩健性檢驗的結果看，LMLAG統計結果高于LMERR值，且RLMLAG值更顯著，而RLMERR值則不夠顯著，可以斷定此時SLM模型相較于SEM模型更適合用來解釋科技金融發展對區域經濟增長的作用。其次，在比較三種空間計量模型的適用性時，Elhorst[20]提出的Wald檢驗成為學者們判斷SDM模型可否簡化為SLM模型或SEM模型的重要依據，這里的兩項Wald檢驗均通過了1%顯著水平檢驗，說明否定了空間杜賓模型能夠轉化為空間滯后模型或空間誤差模型的假設，認定空間杜賓模型是最適宜的選擇。最后，利用EVIEWS7.0軟件，對原始數據進行Hausman檢驗，其檢驗結果為197.53，且高度顯著，因此，拒絕隨機效應與固定效應無差別的原假設，選擇SDM固定效應模型進行估計。

對于空間計量模型，采用極大似然法，借助Matlab2010b軟件與相關代碼對SLM、SEM以及SDM模型進行參數估計，以得到最優的估計效果。表3給出了基于地理距離空間權重矩陣下的空間面板模型估計結果及相應的擬合優度。從傳統的OLS估計以及三種空間面板數據模型的回歸結果可以看出，SLM、SEM與SDM模型回歸估計的R2和LogL均比OLS回歸估計值大，說明OLS估計忽略了空間效應，導致結果有偏，而三種空間經濟計量模型的自相關回歸估計參數ρ和λ均為正值，且在1%的水平上都通過了顯著性檢驗，說明空間面板數據模型更好地擬合了區域經濟增長，這與區域之間是相互獨立的假說相矛盾，該結果進一步表明我國區域經濟增長存在明顯的溢出效應和空間依賴性。

SLM模型中的LogL值（93.7512）與R2（0.9398）均大于SEM模型中的LogL值（69.0982）與R2（0.9256），因此，可以認為SLM模型更好地擬合了空間效應。SLM模型中的空間自回歸系數ρ值為0.5334，并在統計上高度顯著，表明區域間的經濟發展具有明顯的空間依賴作用，這與相鄰地區的社會經濟發展狀況及其相關誤差項密切相關，即鄰近地區社會經濟的發展對提高本地區經濟增長有正面的促進作用。SDM模型的擬合優度R2與對數似然值（LogL）是三個模型中數值最高的，且其隨機誤差項方差最小，各變量顯著性均較高，表明模型中引入科技金融發展水平的空間變量是合理的，且空間杜賓模型的估計效果最好，能較好地解釋各要素對經濟增長的作用。

科技金融變量lnSTF與其空間滯后項W×lnSTF在1%與10%的水平下顯著，且系數為正，表明科技金融發展水平提高對本地區與周邊地區經濟增長均有積極的推動作用，存在明顯的溢出現象；其他控制變量如固定資產投資、開放程度、產業結構的空間滯后項相關系數均顯著為正，也證實了固定資產投資的增加、對外開放程度的提高等因素在推動本地區經濟增長的同時，也會對周邊地區經濟發展起到一定的帶動作用，并且對周邊地區具有正向的溢出效應；而人力資本與政府支出除了對本地區經濟增長有顯著帶動作用外，對周邊地區經濟增長的影響不顯著。

五、結論及政策建議

以上研究表明：（1）從科技金融發展指數看，2001-2015年全國各省市科技金融發展水平呈逐步上升趨勢，但區域科技金融發展極其不平衡，地區間的差距也在逐步加大，表現出東部沿海地區水平高與中西部地區低水平的兩極分化狀態，不平衡性日益凸顯。因此，在東部發達地區與西部發展落后地區采用無差別的科技金融政策勢必加劇資源的浪費，致使東西部之間的差距拉大，適時提出具有針對性的科技金融發展戰略勢在必行。（2）通過分析2003-2015年科技金融MoransI值與LISA集聚圖可以看出，我國省域科技金融發展的空間分布并非獨立，有明顯的空間集聚特征，處在HH與HL的地區多位于經濟相對較發達的東部沿海地區，科技金融資源豐富；處在LH與LL的地區大多處于中西部地區，經濟發展相對落后，科技金融資源匱乏，且空間集聚的不平衡性日益加劇。（3）從OLS、SLM、SEM與SDM模型估計結果看，空間計量模型估計結果較經典回歸模型估計結果更理想，且SDM模型的檢驗結果優于其他兩種模型，根據擬合最優的SDM模型研究結果顯示，大多解釋變量均通過了顯著性檢驗，說明科技金融發展不僅對本地區經濟發展起到了直接的促進作用，還可以通過溢出效應間接對周邊地區經濟發展起到作用，其他因素如固定資產投資、對外開放等對經濟增長具有顯著的正向促進效應。

為此，各級政府應重視區域間科技金融與經濟增長的協調發展，構建區域經濟發展與科技金融發展的良性互動機制，縮小區域發展差異。隨著科技金融發展水平的不斷提高，還需要不斷提高科技金融發展對經濟增長的推動作用，加強科技與金融發展的融合力度，尤其是經濟發展相對落后的地區，更需要不斷加強區域間科技金融合作，加速科技金融資源流動，使科技金融發展的空間輻射能力得到最大限度發揮，推動區域科技金融中心的形成，進而成為促進我國經濟可持續發展的堅實后盾。

注釋：

①廣東是我國沿海經濟發展的重地，具備較強的綜合經濟實力，科技金融基礎設施完善，2001-2015年，其科技金融發展指數在全國首屈一指，而與其相鄰的省份如廣西、桂林等綜合實力比較落后，因此，廣東處在HL的情況未得到明顯改善。

參考文獻：

[1]趙昌文等.科技金融[M].北京：科學出版社，2009：24-27.

[2]房漢廷.關于科技金融理論、實踐與政策的思考[J].中國科技論壇，2010（11）：5-11.

[3]游達明，朱桂菊.區域性科技金融服務平臺構建及運行模式研究[J].中國科技論壇，2011（1）：40-46.

[4]周昌發.科技金融發展的保障機制[J].中國軟科學，2011（3）：72-81.

[5]劉文麗，郝萬祿，夏球.我國科技金融對經濟增長影響的區域差異[J].宏觀經濟研究，2014（2）：87-94.

[6]曹顥，尤建新，盧銳，等.我國科技金融發展指數實證研究[J].中國管理科學.2011（3）：134-140.

[7]徐玉蓮.區域科技創新與科技金融協同發展模式與機制研究[D].哈爾濱：哈爾濱理工大學，2012.

[8]AlexandraGuarnieri，LiuPei.TowhatextentdofinancingconstraintsaffectChinesefirms'innovationactivities[J].InternationalReviewofFinancialAnalysis，2014（36）：223-240.

[9]BashSiddhartha，DijonGlucosePJ，SuspenderKramer.FinancingconstraintsandinvestmentsinR&D;：evidencefromIndianmanufacturingfirms[J].TheQuarterlyReviewsofEconomicsandFinance，2014（55）：28-39.

[10]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[J].科技進步與對策，2014，31（07）：31-36.

[11]華玉燕，趙納.基于DEA方法的科技金融結合效率研究[J].金融教育研究，2013，26（3）：46-49.

[12]許汝俊，龍子午，姚逍遙.基于DEAMalmquist指數法的科技金融發展效率評價研究[J].科技管理研究，2015，13（36）：188-191.

[13]王江.科技進步環境、高新技術產業化、科技金融效益與經濟增長方式轉變[J].科技管理研究，2015，14（7）：32-37.

[14]BeckT，ChenT，LinC.Financialinnovation：thebrightandthedarksides[R].TilbburgUniversity（mimeo），2012.

[15]AmoreMS，CedricZA.Creditsupplyandcorporateinnovation[J].JournalofFinancialEconomics，2013，109（3）：835-855.

[16]祝樹金，劉子君，鐘騰尤.中國金融發展影響地區專業化的實證研究——基于省際面板數據[J].財經理論與實踐，2016，37（5）：16-22.

[17]周玉琴，張華.融資規模與經濟增長協調關系研究：總量與行業結構[J].財經理論與實踐，2017，38（03）：27-32.

[18]張林.金融發展、科技創新與實體經濟增長[J].金融經濟研究，2016（1）：14-25.

[19]SolowRM.Acontributiontothetheoryofeconomicgrowth[J].Thequarterlyjournalofeconomics，1956，70（1）：65-94.

[20]RomerPM.Increasingreturnsandlongrungrowth[J].TheJournalofPoliticalEconomy，1986，94（5）：1002-1037.

[21]LucasRE.Onthemechanicsofeconomicdevelopment[J].Journalofmonetaryeconomics，1988，22（1）：3-42.

[22]GurleyJG，ShawES.Moneyinatheoryoffinance[M].WashingtonDC：TheBrookingsInstitution，1960.

[23]GoldsmithRW.Financialstructureanddevelopment[M].NewHaven：YaleUniversityPress，1969.

[24]陸靜.金融發展與經濟增長關系的理論與實證研究：基于中國省際面板數據的協整分析[J].中國管理科學，2012（2）：177-184.

[25]徐玉蓮，王玉東，林艷.區域科技創新與科技金融耦合協調度評價研究[J].2011，32（12）：116-122.

[26]AnselinL，FloraxR.Smallsamplepropertiesoftestsforspatialdependenceinregressionmodels[M].Berlin：SpringerVerlag，1995.

[27]ElhorstJP.Spatialeconometrics：fromcrosssectionaldatatospatialpanels[M].NewYork：Springer，2014.

（責任編輯：寧曉青）