科技金融效率與全要素生產率的互動關系研究

陳一琳

摘 要：本文采用30個省份2001-2018年的面板數據，構建PVAR模型分析了科技金融效率與TFP增長之間的互動關系，研究發現：科技金融效率與TFP增長呈現良好的相互促進效應;科技金融效率的提升能顯著促進TFP增長，TFP增長也能有效提升科技金融效率。因此，本文提出實施差異性科技金融政策、創新政府科技投資、搭建科技金融平臺等建議。

關鍵詞：科技金融效率;全要素生產率;PVAR模型

中圖分類號：F2 文獻標識碼：Adoi：10.19311/j.cnki.16723198.2020.32.005

0 引言

改革開放以來，依靠要素投入增加，我國經濟實現了快速的粗放型增長，但以技術為核心的全要素生產率依然處于低位運行。中美貿易摩擦持續蔓延，新冠肺炎疫情全球蔓延，更突出了以技術為核心優勢的國際競爭態勢。面對嚴峻的國內外經濟形勢，在新常態下，依靠技術創新驅動TFP增長，對我國經濟高質量發展至關重要。科技金融作為獨立金融范疇是創新能力形成的基礎（房漢廷，2010），并在一定程度上決定技術創新的發展趨勢與可作用空間，進而制約著TFP增長。因此，探討科技金融效率對TFP增長的影響效應為何？已成為經濟新常態下促進我國全要素生產率增長與經濟高質量發展的重要議題。

內生經濟增長理論認為，技術進步是推動一國經濟持續增長的唯一動力來源，科學技術是第一生產力。高效的金融市場會將良好的資源更多地輸送到技術部門，支持技術型企業的研發與生產經營活動，體現了高效的科技金融效率，成為推動TFP增長的關鍵源泉（蔡昉，2013）。反過來，高質量增長的全要素生產率表明一國的科技產業發展態勢優良，必將吸引更多的人才與資金資源聚集到科技產業，助力科技金融效率的提升。在國外，“科技金融”并未形成獨立而完整的研究范疇，大多圍繞金融資本對技術創新的作用展開研究，最早可追溯至熊彼特關于金融與技術創新的研究。在國內，科技金融形成了獨立的研究范疇，但是研究仍未深入。已有少數學者采用系統GMM研究了科技金融發展對全要素生產率的單項影響（王龑和史永東，2017;張騰和劉陽，2019），但是鮮有學者探究兩者的互動關系。本文以2001-2018年30省的面板數據，采用PVAR模型探究科技金融效率對全要素生產率的互動關系。此外，不同已有研究，本文構建包含非期望產出的科技金融體系，采用超效率SBM模型進行測算。

1 指標測算

第一，科技金融效率測算。從科技金融投入與科技創新產出兩個方面：第一，選取12個指標，構建包含非期望產出的科技金融效率指標體系。然后，運用maxdea軟件，選取超效率SBM模型測算得到科技金融綜合效率（techfin）。第二，全要素生產率增長率測算。基于已有研究（顏鵬飛等，2003），本文以資本存量與就業人數分別作為資本與勞動的投入指標，以平減后的實際GDP為產出指標，以DEA-Malmquist指數法測算得到TFPCH，然后減1，得到全要素生產率增長率（tfp）。以上數據均來自于《中國統計年鑒》《中國科技統計年鑒》與《中國金融年鑒》。

2 實證分析

基于上述分析，本文采用PVAR模型分析科技金融效率與TFP增長之間的互動關系。PVAR模型結合了VAR模型與面板數據的優點，可以克服個體異質性帶來的估計偏差，同時將目標變量內生化處理，可以真實反映變量之間的互動關系。PVAR模型主要變量為全要素生產率增長率（tfp）與科技金融效率（techfin），采用上文測算結果。

（1）數據平穩性檢驗與最優滯后階數確定。由于本文數據屬于短、平衡面板數據，因此采用LLC與HT檢驗同根，IPS與Fisher ADF檢驗不同根。經檢驗，原始數據均具平穩性。根據統計量MAIC、MBIC與MQIC達到的最小值的階數為最優滯后階數。經檢驗，MAIC確定的最優滯后階數為二階，MBIC與MQIC確定的最優滯后階數為一階，因此，建立PVAR（1）模型。

（2）GMM估計與穩健性檢驗。PVAR模型包含了個體固定效應與時間效應，在GMM估計之前需要消除。因此用均值差分法消除時間效應，用前向均值差分消除個體固定效應，然后進行GMM廣義矩估計，得到以下參數的回歸結果（見表1）。此外，需要檢驗PVAR模型的穩定性，才能說明回歸結果與脈沖響應的可靠性。當所有特征根落在圓內時，表明所構建的PVAR模型是穩定的，估計結果才具有可靠性。經檢驗，PVAR（1）模型特征方程的特征根全部位于圓內，可知本文所構建的PVAR模型是可靠的。

科技金融效率與TFP增長相輔相成，互相促進。①滯后一期的科技金融效率對TFP增長具有顯著的促進作用，這與多數學者的研究結論一致。在10%的顯著性水平下，滯后一期科技金融效率增加1%，TFP增長率提升0.0128%。高效運行的科技金融體系，提高了金融資源配置效率，增加了科技企業的融資支持，從而激發了企業的創新動力，促進了以管理創新、制度創新為主的“無形創新”與以新技術、新工藝、新發明為主的“有形創新”，最終提高了全要素生產率水平。②滯后一期的TFP增長對科技金融效率的提升作用，在1%的顯著性水平成立。當經濟體的全要素生產率處于高水平運行狀態時，整個社會的技術創新與技術進步水平也相對較高，資本投入到科技企業中能夠獲得相應的高效回報，從而促使了更多的金融資源分配至科技創新領域，使得科技金融效率不斷提升。這在發達國家的金融與技術發展中得到了驗證。

另外，滯后一期TFP增長率提高1%，當期TFP增長率相應增加0.3667%。同樣，滯后一期的科技金融效率提升1%，當期科技金融效率提升0.3955%。這表明科技金融效率與TFP增長都具有慣性與自身依賴性，受前期影響較大，這也符合經濟體系運行規律。

（3）脈沖響應分析。為了觀察兩個變量之間的影響關系，通過500次蒙特卡洛模擬得到的正交脈沖響應圖，如圖1所示。脈沖響應函數描述的是模型中某一變量正交化新生對系統中每一個變量的影響，可以通過各變量對沖擊的動態反應，具體分析各沖擊變量對其他變量的影響。

觀察脈沖響應圖可得，第一，TFP增長與科技金融效率增長的前期依賴性。兩者都在受到自身一個標準差的正向沖擊之后，其響應幅度在當期達最大正值，隨后逐漸減小，在第5期收斂于零。這說明TFP與科技金融效率均受前期影響，具有一定經濟慣性。第二，科技金融效率擾動項的一個正交化沖擊對TFP增長的影響始終保持為正，均在第一期達到最大響應正值，隨后響應逐漸減弱，于第6期左右達到平穩。這說明，科技金融對TFP增長具有顯著促進作用，隨著時間推移，促進作用逐漸減弱。高效運行的科技金融體系，提高了金融資源配置效率，增加了科技企業的融資支持，從而激發了企業的創新動力，促進了以管理創新、制度創新為主的“無形創新”與以新技術、新工藝、新發明為主的“有形創新”，最終提高了全要素生產率水平。第三，TFP增長對科技金融效率的存在反哺作用。面對TFP增長擾動項的一個正交化沖擊，對科技金融效率產生正向影響，于第1期達到最大值后，在第6期收斂于零。事實上，全要素生產率代表了技術進步作用于經濟增長的核心指標，高水平的全要素生產率說明了社會中的技術進步處于有效增長狀態，高效益的科技產業發展成為經濟高質量發展的重心，資本趨利性使得資源不斷向科技部門聚集追求資本增值，從而提高了科技資源的配置效率與運行效率，促進了科技金融效率增長。這在發達國家的金融與技術發展中得到了驗證。

3 結論與政策建議

本文采用30個省份2001～2018年的面板數據，構建PVAR模型實證分析了科技金融效率與TFP增長之間的互動關系，研究發現：科技金融效率的提升能顯著促進TFP增長，反過來，全要素生產率增長對科技金融效率也存在反哺作用，兩者呈現積極的互相促進關系。

基于以上結論，提出如下相關政策建議：

（1）實施差異性科技金融政策。我國科技金融效率東高西低，東部地區應繼續大力發展科技金融，西部地方政府需要通過制定更優惠的科技政策，讓西部企業學習更多核心技術，提升科技金融效率。

（2）創新政府科技投資方式。地方政府可以出資成立創業投資引導基金、科技創新成果獎勵等方式，促使科技資源配置合理化，讓更多科技資源分配至有效的科研生產部門，促進更多優質科技創新成果的產出，帶動全要素生產率增長。

（3）建立科技金融平臺。地方政府可以牽頭搭建科技金融平臺，健全科技金融的相關法律法規，實現信息共享機制，以此提高科技金融效率。

參考文獻

[1]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）：510+23.

[2]蔡昉.中國經濟增長如何轉向全要素生產率驅動型[J].中國社會科學，2013，（1）：5671+206.

[3]王龑，史永東.科技金融反哺銀行業的異質性研究——來自區域性銀行的經驗證據[J].科學學研究，2017，35（12）：18211831.

[4]張騰，劉陽.科技金融發展是否促進了全要素生產率的提高？——基于空間計量模型的研究[J].金融與經濟，2019，（2）：2935.

[5]顏鵬飛，王兵.技術效率、技術進步與生產率增長：基于DEA的實證分析[J].經濟研究，2004，（12）：5565.