科技金融投入對科技型企業(yè)創(chuàng)新效率影響研究

張家永

摘 要：以2010-2017年長江經(jīng)濟(jì)帶11省市科技型企業(yè)的面板數(shù)據(jù)為依據(jù)，先基于熵權(quán)的TOPSIS法預(yù)測科技創(chuàng)新綜合水平，再構(gòu)建面板數(shù)據(jù)模型實證分析科技金融支持科技型企業(yè)的創(chuàng)新效率.實證結(jié)果顯示，短期內(nèi)政府和企業(yè)科技金融投入有效提高科技創(chuàng)新產(chǎn)出效率，而金融機(jī)構(gòu)投入對科技型企業(yè)創(chuàng)新效率較低;長江上、中、下游地區(qū)科技創(chuàng)新效率有所差異.政府引導(dǎo)資金對中游地區(qū)的科技型企業(yè)創(chuàng)新效率很高，企業(yè)資本和社會資本對上游和下游科技型企業(yè)的創(chuàng)新效率較高.最后提出政策建議.

關(guān)鍵詞：科技金融;創(chuàng)新效率;科技型企業(yè);面板模型

中圖分類號：F830.573;O174.1? 文獻(xiàn)標(biāo)識碼：A? 文章編號：1673-260X（2020）02-0025-04

在“新常態(tài)”背景下，發(fā)達(dá)國家不斷增加科技金融的資金預(yù)算，優(yōu)化資源配置，加強(qiáng)基礎(chǔ)研究，提高新興市場競爭力，各個新興市場紛紛搶占科技創(chuàng)新的制高點(diǎn).在黨的十九大報告中，多次提到科技，并反復(fù)強(qiáng)調(diào)創(chuàng)新，確立了“用創(chuàng)新打造核心競爭力，用創(chuàng)新為企業(yè)發(fā)展提供空間和發(fā)展動力”.同時，科技部會同銀保監(jiān)會、證監(jiān)會和財政部等多部門出臺制定的《關(guān)于進(jìn)一步推動科技型中小企業(yè)創(chuàng)新發(fā)展的若干意見》《科技型中小企業(yè)創(chuàng)業(yè)投資引導(dǎo)基金股權(quán)投資收入收繳暫行辦法》等多個科技金融與科技創(chuàng)新的法律法規(guī)和政策文件，為建設(shè)科技金融體系提供了政策保障.但是在國家和政府出臺的多項此類政策中，主要是圍繞科技創(chuàng)新為中心，重點(diǎn)關(guān)注科技創(chuàng)新成果的轉(zhuǎn)化過程與結(jié)果，忽略了在科技創(chuàng)新過程中，科技金融在資金和金融服務(wù)等方面起到的關(guān)鍵作用.

1 文獻(xiàn)綜述

科技金融支持科技創(chuàng)新方面的研究較多.Chemmanur、Fulghier（2014）認(rèn)為科技創(chuàng)新不僅受科技資本市場和商業(yè)銀行貸款的影響，還會受金融中介機(jī)構(gòu)、創(chuàng)業(yè)風(fēng)險投資和天使投資等影響[1].Liang X（2019）等人以四川省為例，用熵法和改進(jìn)的垂直分散程度方法分別計算每個區(qū)域的水平和垂直分?jǐn)?shù)，最后得出各區(qū)域科技創(chuàng)新能力[2].Viju、Willianaliur（2019）利用眾多科技指標(biāo)來加強(qiáng)企業(yè)的內(nèi)部創(chuàng)新，并使用可視化和面板回歸分析的雙重方法，結(jié)果表明不同主題的科技金融投入對國家創(chuàng)新生態(tài)系統(tǒng)產(chǎn)生不同的影響[3].張芷若等（2018）指出我國科技金融發(fā)展水平呈“東高西低”的顯著特征[4].鄭磊等（2018）通過建立面板門檻模型，確立了科技金融、科技創(chuàng)新能力、經(jīng)濟(jì)發(fā)展水平三者的關(guān)系，指出只有在經(jīng)濟(jì)發(fā)展水平超過一個閾值時，技創(chuàng)新能力才能提升[5].杜江等（2017）利用SDM模型將我國科技金融對科技創(chuàng)新進(jìn)行了測度，結(jié)果顯示各地區(qū)科技創(chuàng)新能力呈現(xiàn)出明顯的空間相關(guān)性[6].曹文芳（2018）利用回歸分析法得出產(chǎn)出不同的企業(yè)，科技金融主體的投入對科技創(chuàng)新的影響效果不同[7].

綜上，雖然學(xué)者們對科技金融與創(chuàng)新方面都有所研究，但是主要研究層次較為單一而且大多采取的是單一科技指標(biāo)代替科技創(chuàng)新水平.事實上，科技金融的資源是有限的，同時加大各地區(qū)科研資金的投入不僅在短期內(nèi)很難實現(xiàn)理想的效果，還不利于用好用活有限的金融資源配置.針對不足，本文通過建立面板數(shù)據(jù)模型，實證分析如何高效利用有限的金融資源，為合理配置長江經(jīng)濟(jì)帶金融資源的使用效率和長江上中下游地區(qū)金融資源的傾斜力度提供參考.

2 變量選取

2.1 科技金融投入指標(biāo)的選取

本文借鑒張玉喜（2015）將科技金融投入按其參與主體分別用政府、企業(yè)、金融機(jī)構(gòu)、社會中介機(jī)構(gòu)投入作為主要衡量指標(biāo)[8].考慮到社會中介機(jī)構(gòu)R&D經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)少有網(wǎng)站公布且數(shù)據(jù)較難獲取，這里借鑒萬建香等（2016）學(xué)者的思想[9]，其認(rèn)為社會資本可以作為科技創(chuàng)新發(fā)展的引擎，當(dāng)社會資本不斷積累，技術(shù)人才加速流向創(chuàng)新部門，促進(jìn)科技創(chuàng)新發(fā)展.萬建香學(xué)者用社會網(wǎng)絡(luò)中的信息溝通和信息共享衡量社會資本.基于此，本文用人均營業(yè)網(wǎng)點(diǎn)服務(wù)和人均年發(fā)函件數(shù)代表社會中介機(jī)構(gòu)的投入.

2.2 科技創(chuàng)新指標(biāo)的選取

科技創(chuàng)新是一個綜合評價指標(biāo)，它是由產(chǎn)品的研究與開發(fā)、科技產(chǎn)品的轉(zhuǎn)化、高新技術(shù)產(chǎn)業(yè)化和技術(shù)的擴(kuò)散組成的一系列過程[10].國內(nèi)部分學(xué)者用專利授權(quán)量作為科技創(chuàng)新產(chǎn)出.本文為了能夠較為全面的評價科技創(chuàng)新效果和數(shù)據(jù)的可獲得性，在此借鑒和瑞亞（2014）的方法，分別采用發(fā)表科技論文數(shù)、出版科技著作、專利申請數(shù)、新產(chǎn)品銷售收入、新產(chǎn)品開發(fā)項目數(shù)和技術(shù)市場成交金額這六個樣本指標(biāo)數(shù)據(jù)進(jìn)行科技創(chuàng)新產(chǎn)出效率分析[11].借鑒萬程成（2018）等學(xué)者的方法，運(yùn)用基于熵權(quán)的TOPSIS法對2010-2017年長江經(jīng)濟(jì)帶11省際面板數(shù)據(jù)進(jìn)行綜合評價，得到最接近真實科技創(chuàng)新水平的唯一衡量指標(biāo)[12].計算結(jié)果如表1所示.

由表1可以看出：長江經(jīng)濟(jì)帶2010-2017年科技創(chuàng)新水平呈空間不均特征.浙江、江蘇和上海地區(qū)科技型企業(yè)的創(chuàng)新產(chǎn)出水平較高，尤其是江蘇地區(qū)的科技創(chuàng)新發(fā)展速度最快.位于中部地區(qū)的安徽，其科技創(chuàng)新綜合水平大致呈逐年遞增趨勢，而上游經(jīng)濟(jì)區(qū)包含的重慶、云南和貴州的科技創(chuàng)新產(chǎn)出連續(xù)八年排名靠后且科技創(chuàng)新成果收效甚微.總體來看，各省市科技金融支持科技創(chuàng)新能力基本保持方向一致性，同時也表明在創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略下，科技金融對經(jīng)濟(jì)發(fā)展有進(jìn)步意義.

3 模型構(gòu)建及檢驗

3.1 模型的構(gòu)建

其中SIi，t表示科技創(chuàng)新的面板數(shù)據(jù);A表示常數(shù)項;GLSRi，t指的是政府財政科技投入面板數(shù)據(jù)，代表科技金融的公共金融部分;ESEi，t表示企業(yè)自主創(chuàng)業(yè)投入的面板數(shù)據(jù)，衡量科技創(chuàng)新過程中企業(yè)自主投入力度;TIi，t表示金融機(jī)構(gòu)科技貸款，金融機(jī)構(gòu)中商業(yè)銀行的科技貸款的支持力度越大，表示政府支持指標(biāo)越大;VCIi，t表示創(chuàng)業(yè)風(fēng)險投資所提供的金融服務(wù)，代表科技金融投入中的市場金融部分;NSi，t表示人均網(wǎng)點(diǎn)服務(wù)量;SLNi，t表示人均年發(fā)函件數(shù);NSi，t和SLNi，t代表社會中介機(jī)構(gòu)提供的金融服務(wù);Li，t表示R&D人員當(dāng)時量，代表勞動投入部分;GHi，t表示R&D課題投入經(jīng)費(fèi)，i表示長江經(jīng)濟(jì)帶的11省份（i=1，2，3……11）;t表示時間緯度（t=1，2，3……10）;μi，t表示隨機(jī)擾動項.

3.2 模型的檢驗

3.2.1 單位根檢驗結(jié)果分析

在建立面板模型之前，需要檢驗時間序列的平穩(wěn)性，防止出現(xiàn)偽相關(guān)現(xiàn)象.故進(jìn)行下面的單位根檢驗.檢驗結(jié)果見表2.

由表2顯示：通過一階差分后的所以序列均在1%的水平下顯著，說明一階差分后的各變量都是平穩(wěn)的，即各解釋變量都不存在單位根.綜上所述，可以接受變量一階單整I（1）過程.接下來對變量進(jìn)行協(xié)整檢驗.

3.2.2 協(xié)整檢驗結(jié)果分析

由表3可以看出：DF檢驗和ADF檢驗的P值都在5%的水平下拒絕原假設(shè)，說明各變量之間存在“長期均衡關(guān)系”，因此本文用面板模型進(jìn)行回歸分析是合理的.

4 模型的確定及實證結(jié)果分析

4.1 靜態(tài)面板模型估計

若將面板據(jù)模型定義為：

當(dāng)橫截面?zhèn)€體在不同時期的α和β都相同時，稱（4）式為混合模型;當(dāng)每個αi各不相同，且αi與xi，t的變化相關(guān)時，稱（4）式為個體固定效應(yīng)模型;當(dāng)T個截面有T個不同αt，且αt與xi，t相關(guān)時，則稱（4）式為時點(diǎn)固定效應(yīng)模型;當(dāng)αi為隨機(jī)變量且與xi，t無關(guān)時，（4）式被稱為隨機(jī)效應(yīng)模型.對于選擇哪一種回歸模型本文采用LR test（似然比檢驗）和Hausman檢驗.結(jié)果如表4所示.

由表4的檢驗結(jié)果顯示：兩種檢驗的P值均在1%的顯著水平下拒絕隨機(jī)效應(yīng)模型和混合效應(yīng)模型，因此，本文采用固定效應(yīng)模型進(jìn)行參數(shù)估計更有效.估計結(jié)果見表5.

結(jié)果可以看出：兩種模型的擬合優(yōu)度R2和adR2均大于0.9，說明使用固定效應(yīng)模型能夠較好地解釋科技金融投入對科技創(chuàng)新效率均有所提高.但從時間固定效應(yīng)和個體固定效應(yīng)模型進(jìn)行縱向比較上看，前者明顯優(yōu)于后者.因為個體固定效應(yīng)模型中的NS、GH雖然通過顯著性檢驗，但是彈性系數(shù)β1和θ的符號為負(fù)，與實際經(jīng)濟(jì)意義相違背;其余解釋變量雖然符合經(jīng)濟(jì)意義但是除了GLSR、VCI以外，其余變量均不能顯著解釋科技創(chuàng)新.因此，本文詳細(xì)分析時間固定效應(yīng)模型的回歸結(jié)果.

首先各變量的回歸系數(shù)符號均為正，表明各金融主體財力、人力和信息資源投入對科技創(chuàng)新效率均有所正向影響，其次各變量回歸系數(shù)值的數(shù)值大小不同，GLSR的回歸系數(shù)最大為0.4640，ESE和NS的回歸系數(shù)緊跟其后，分別為0.3261和0.4065，表明長江經(jīng)濟(jì)帶科技金融投入對科技創(chuàng)新效率主要來自政府、企業(yè)和社會中介機(jī)構(gòu)R&D的投入;TI和VCI的回歸系數(shù)較小，表明金融機(jī)構(gòu)R&D投入在對科技創(chuàng)新方面存在資源配置效率低下問題.因此，金融市場如何將長江經(jīng)濟(jì)帶科技創(chuàng)新釋放無限空間是需要解決的問題之一.

4.2 三大經(jīng)濟(jì)區(qū)域靜態(tài)面板模型估計結(jié)果分析

現(xiàn)利用時間固定效應(yīng)回歸模型分析長江經(jīng)濟(jì)帶下游、中游和上游三大經(jīng)濟(jì)區(qū)域的創(chuàng)新效率.靜態(tài)面板回歸結(jié)果如表6所示.

由表6可以看出長江經(jīng)濟(jì)帶的上游、中游和下游區(qū)域科技金融投入對科技創(chuàng)新效率有明顯差異.第一，下游地區(qū)各變量的回歸系數(shù)較為接近長江經(jīng)濟(jì)帶（11省市）的總體回歸系數(shù)，其中政府貸款和企業(yè)自主創(chuàng)新的回歸系數(shù)最為顯著，說明政府科技資金的投入和企業(yè)自主創(chuàng)新給科技創(chuàng)新帶來的效率最高，長期持續(xù)的公共金融投資可以更好發(fā)揮科技創(chuàng)新效果.第二，中游地區(qū)中GLSR的回歸系數(shù)最大，說明政府科技計劃和創(chuàng)新補(bǔ)貼成為中游地區(qū)的主要發(fā)展創(chuàng)新支柱.但是這也說明了中游地區(qū)創(chuàng)新資源投入效率不高，仍依靠于傳統(tǒng)的科技創(chuàng)新投資路徑，尚未激發(fā)企業(yè)和金融市場的投資活力，這在一定程度上對長江經(jīng)濟(jì)帶產(chǎn)業(yè)轉(zhuǎn)型升級造成消極影響.第三，上游地區(qū)的社會資本投入對科技創(chuàng)新存在滯后性，說明上游地區(qū)科技金融對接平臺和金融信息服務(wù)平臺連接效率低，需要建立有效市場信息服務(wù)體系加強(qiáng)上中游地區(qū)的互聯(lián)網(wǎng)與信息技術(shù)溝通能力.第四，R&D人員當(dāng)時量對科技創(chuàng)新的貢獻(xiàn)度在上中下游地區(qū)呈低、中和高的方式排列，說明科技創(chuàng)新效率直接受地區(qū)經(jīng)濟(jì)發(fā)展水平影響，也間接影響科研人員流動方向，因為科研人員在經(jīng)濟(jì)發(fā)展水平好的地區(qū)有良好的科研環(huán)境和優(yōu)質(zhì)的科研待遇，隨之下游吸納了較多優(yōu)秀的技術(shù)人員，但這也在某種程度上造成了人才浪費(fèi)現(xiàn)象.

5 結(jié)論及政策建議

通過對長江經(jīng)濟(jì)帶11省市科技型企業(yè)的面板數(shù)據(jù)進(jìn)行分析，得出如下結(jié)論：（1）不同科技金融投資主體對長江經(jīng)濟(jì)帶的科技創(chuàng)新產(chǎn)出效率影響不同.政府、企業(yè)和社會中介機(jī)構(gòu)資本投入成為科技型企業(yè)創(chuàng)新效率的主力軍.（2）長江經(jīng)濟(jì)帶中江蘇、浙江、上海、湖北四個城市的科技創(chuàng)新產(chǎn)出效率較高，說明搭建金融信息服務(wù)平臺和金融中介服務(wù)平臺對科技創(chuàng)新產(chǎn)出有很大影響，但是由于各省市的區(qū)域壁壘，給科技金融的有效投入帶來了一定的干擾作用;（3）科技金融投入對長江上、中、下游地區(qū)科技型企業(yè)科技創(chuàng)新效率有所差異.政府引導(dǎo)資金對中游地區(qū)的科技型企業(yè)科技創(chuàng)新效率較高，企業(yè)資本和社會資本對上游和下游的效率較高.

根據(jù)上述研究結(jié)果，得出如下政策啟示：第一，加大政府對科技型企業(yè)的投融資規(guī)模，讓長江上中下游地區(qū)協(xié)同提高科技創(chuàng)新能力，并對科技型企業(yè)制定稅收優(yōu)惠政策，減輕企業(yè)負(fù)擔(dān).同時制定并實施法律法規(guī)，建立健康的經(jīng)濟(jì)生態(tài)環(huán)境，營造良好的市場氛圍;第二，針對特定區(qū)域的科技型企業(yè)提供多樣化選擇，打破企業(yè)自有資金短缺的瓶頸.如建立股權(quán)眾籌和民間金融服務(wù)平臺，為科技型企業(yè)辦理貸款和擔(dān)保貸款業(yè)務(wù)，增加科技金融投入中民間資本的投入比例，并防范風(fēng)險.第三，優(yōu)化金融市場服務(wù)體系，針對不同區(qū)域的市場結(jié)構(gòu)搭建一站式金融服務(wù)平臺，重點(diǎn)關(guān)注多層次的資本市場，力爭實現(xiàn)投融資平衡，并促進(jìn)現(xiàn)有資本市場形成良好預(yù)期.同時高效匹配不同區(qū)域科技型企業(yè)的融資需求和融資效率，打通省域間科技資金配置不合理的弊端，為科技型企業(yè)提供資金保障并有效發(fā)揮促進(jìn)作用.

參考文獻(xiàn)：

〔1〕Chemmanur J.， Fulghieri P. Entrepreneurial Finance and Innovation： An Introduction and Agenda for Future Research [J]. Review of Financial Studies， 2014 （1）： 1-19.

〔2〕Liang X.， Si D.， Li Z.， Liu T. Dynamic Analysis of Regional Scientific and Technological Innovation Capacity—A Case Study in Sichuan Province [C]. Industrial Engineering and Engineering Management ，2019：315-323.

〔3〕Viju R.， Wullianallur R. Exploring science-and-technology-led innovation： a cross-country study [J]. Innovation and Entrepreneurship， 2019 （01）：1-45.

〔4〕張芷若，谷國鋒.科技金融發(fā)展對中國經(jīng)濟(jì)增長的影響研究——基于空間計量模型的實證檢驗[J].財經(jīng)理論與實踐，2018（03）：112-118.

〔5〕鄭磊，張偉科.科技金融對科技創(chuàng)新的非線性影響——一種U型關(guān)系[J].軟科學(xué)，2018（07）：16-20.

〔6〕杜江，張偉科，范錦玲，韓科振.科技金融對科技創(chuàng)新影響的空間效應(yīng)分析[J].科技與經(jīng)濟(jì)，2017（04）：19-22.

〔7〕曹文芳.科技金融支持科技創(chuàng)新的實證檢驗[J].統(tǒng)計與決策，2018（13）：160-163.