科技金融對全要素生產率的非線性影響
——基于全國31個省、市（直轄）、自治區面板門限效應分析

徐 勝 唐佳婕 張 雙

一、研究背景

以往研究表明，勞動力投入和資本投入的增加確實能加快經濟增長，但經濟增長質量提高的關鍵在于提高全要素生產率(Total Factor Productivity,TFP)，因此依靠技術創新、生產效率的提高和資源的有效利用來實現經濟增長才是可持續的。目前我國正處于實體經濟下行的經濟新常態，政府多次強調了要堅持金融服務實體的要求，努力將經濟朝著“脫虛向實”的方向扭轉，大力推動金融與科技創新相結合，以科技創新來支撐經濟的發展和增長方式的轉變，科技金融應運而生。文章認為“科技金融”是由科技創新引發的一系列金融工具和服務向更有利于科技發展方向進行轉變的金融創新活動，其作為科技創新與金融創造深度融合的產物，為經濟增長帶來雙輪驅動效果。鑒于此，文章通過研究科技金融與全要素生產率之間的關系，并引入技術創新水平，實證分析科技金融對經濟增長的作用，并為制定相關政策提供科學依據。

關于科技金融的定義，雖然在學術界還沒有統一的定義，但是大多數差異性的解釋都存在一定的共性，那就是認為科技金融是科技創新活動與金融創新活動的深度融合，是由科技創新活動引發的一系列金融創新行為[1]。科技與金融相結合是建設創新型國家的重要手段和基本保證[2]。李心丹和束蘭根（2013）認為科技金融是金融資源供給者依托政府科技與金融結合的創新平臺，通過對創投、保險、證券、擔保及其他金融機構主體等金融資源進行全方位的整合創新，為科技型企業提供創新性、高效性、系統性的金融工具和制度安排，以促進科技型企業對金融資源的內生性需求，進而推動整個高新技術產業鏈加速發展的一種金融業態[3]。孫伍琴（2014）認為科技金融本質上是指技術創新和金融創新的融合[4]。房漢廷（2016）將科技金融定義為以培育高附加價值產業，創造高薪就業崗位，提升經濟體整體競爭力為目標，促進技術資本、創新資本與企業家資本等創新要素深度融合的新經濟范式[5]。

關于金融對全要素生產率的影響，學術界有諸多研究，但是研究結果存在顯著差異性。在國外的研究中，Beck和Levine（2002）利用多個國家的面板數據和GMM 動態估計方法進行了實證研究，其研究結果顯示金融發展顯著提升了全要素生產率[6]。Calderson 和Liu（2003）利用發展中國家和工業化國家的匯總數據進行了Geweke 分解檢驗，結果顯示金融發展對全要素生產率的提高具有明顯推動作用[7]。Felix、Rioja 等（2004）的研究表明處于不同金融發展水平的國家，其金融體系對全要素生產率的驅動程度是不同的[8]。Demetriades 等（2008）的研究結果顯示獲得銀行貸款與全要素增長率之間存在明顯的正相關關系[9]。在國內關于金融對全要素生產率的影響的研究中，陳啟清和貴斌威（2013）認為金融發展對生產率進步具有正的水平效應和負的增長效應，說明金融發展對全要素生產率具有遞減的正面影響[10]。李健和盤宇章（2017）發現金融發展和TFP 增長之間具有非線性關系，即金融發展對TFP增長的影響取決于金融發展和實體部門經濟發展之間的增長差異[11]。李占風和郭小雪（2019）發現金融發展對不同規模城市全要素生產率增長的作用和機制存在異質性[12]。邢曉東（2019）的研究發現金融發展對TFP增長的影響作用存在區域性差異，同時也存在趨同性[13]。王欣和曹慧平（2019）的研究結果表明金融錯配對制造業全要素生產率具有顯著的抑制作用，且這種抑制效應具有一定的時滯性[14]。谷任和伍文婷（2019）研究金融集聚對全要素生產率的影響，顯示金融集聚通過正向影響技術進步、負向影響技術效率來改變全要素生產率[15]。徐璋勇和朱睿（2020）實證分析了金融發展對綠色全要素生產率的影響，結果顯示金融發展顯著促進了綠色全要素生產率的提高[16]。王雨秋（2020）根據全國31個省（市、自治區）的面板數據，實證研究了中國包容性金融發展對全要素生產率提升的影響[17]。巴曙松、白海峰等（2020）利用我國企業層面的面板數據進行實證分析，研究結果顯示金融科技創新活力和金融科技創新規模對企業全要素生產率具有顯著促進作用[18]。

關于科技金融對全要素生產率的影響，大多是從科技金融對技術創新效率、某一行業發展的全要素生產率的影響角度出發進行研究。George 和Prabhu（2006）認為開發性金融機構能高效地將市場中的閑散資金集中，充分發揮規模經濟和范圍經濟效應[19]。Michalopoulose 等（2009）在考慮技術創新和金融深化的基礎上研究金融發展作用經濟增長率的機制[20]。Amore（2013）實證研究了銀行機構信貸和企業科技創新能力之間的關系[21]。國內的學者關于科技金融與全要素生產率的關系的研究起步也較晚。余利豐、鄧柏盛等（2011）認為金融發展促進全要素生產率的增長，但是金融深化和金融中介壟斷都不利于技術效率提高[22]。段世德和徐璇（2011）認為加快發展科技金融將會對我國戰略性新興產業的發展起到巨大推動作用[23]。葉莉、王亞麗等（2015）認為科技金融對科技創新呈現顯著正向作用，其創新助力作用得以驗證[24]。黃瑞芬和邱夢圓（2016）利用科技金融投入與產出的面板數據對全要素生產率變動和科技金融效率值進行評價[25]。廖繼勝和韓兵（2018）以江西為例，運用DEA 及其擴展模型以及Malmquist 指數對其戰略性新興產業發展的科技金融支持效率進行了實證研究[26]。李潔（2018）認為互聯網金融對商業銀行全要素生產率存在正向的影響[27]。董倩（2018）研究發現地區科技金融發展能顯著促進當地城商行全要素生產率的提高[28]。聶林濤（2018）的研究發現科技金融全要素生產率的區域差異較大[29]。張茜和趙鑫（2019）的研究表明銀行業金融創新水平與銀行業全要素生產率有顯著的正相關性[30]。劉澤輝、李華軍等（2019）以廣東省為例進行實證分析，研究發現科技金融效率對全要素生產率具有重要影響[31]。張騰和劉陽（2019）的研究表明科技金融發展能顯著促進全國規模以上工業企業全要素生產率的提高，且這種影響主要是通過效率改善路徑發揮促進作用[32]。胡海云（2020）認為發展科技金融對我國經濟增長具有重要的促進作用，但存在地區差異[33]。華堅和龐麗（2020）的研究發現科技金融的發展有助于消除各省市經濟高質量發展的差異[34]。田路路（2020）認為科技金融規模對產業結構升級的推動作用呈現倒U 型[35]。何雪瑩和張嵐（2020）以上海市為例，評價了科技金融的投入和產出效率[36]。

基于以上研究，文章試圖從兩個角度來解釋科技金融的內涵，梳理科技金融對全要素生產率的作用機制，其中促進作用包括“增長效應”和“溢出效應”，抑制作用為“擠出效應”。同時構建科技金融發展水平指標體系來全面反映科技金融的內涵，并用AHP 層次分析法進行指標合成及評價，將之作為核心解釋變量進行后續回歸研究。以往研究大多為金融發展對經濟增長或全要素生產率增長、科技金融對某一產業的或全要素生產率的線性影響，筆者嘗試運用面板門限模型，更準確地研究科技金融對全要生產率的非線性關系以及研究主體間存在的門限效果特征。

二、內涵及機理分析

（一）科技金融內涵

根據科技金融是科技創新與金融創造的深度融合的產物的定義，可從兩個角度來理解其內涵：一是以科技為出發點，科技企業的發展需要金融支持，強調科技從創新到發展的金融化過程；二是基于資本市場的逐利特征，當科技行業具有向好的預期時，金融資本就會追逐投資熱點，流向高回報的科技行業謀利。基于演化動力學的上述兩方面融合就形成了科技金融的發展機制：在科技行業和金融市場的彼此需求、不斷深化的過程中，科技和金融行業間實現了更高的資金流轉和信息傳遞效率，從而產生了科技創新和資本利得的相互促進效應。因此，科技金融是實體性科技企業和虛擬性金融資本的創新需求性結合，即實現了科技行業的融資高效化，也為經濟的“脫虛向實”提供途徑。

（二）影響機制分析

科技金融發展對全要素生產率提升的促進作用有“溢出效應”和“增長效應”（圖1）。在科技金融發展初始階段，通常政府會給金融機構提供政策引導和直接為科技創新提供所需資源。隨著科技創新的速度加快，科技行業的技術突破需要大量的資金支持，資金來源不再滿足于政府投入，需要更多的社會資本，比如商業銀行的貸款、股權投資和風險投資等。這些來源于金融機構的資金充分發揮價值發現功能，有利于企業生產出低成本、高回報的產品，以迎合市場需求，擴大產品銷量，提高企業利潤和生產效率。同時，金融業在盈利需求的驅動下進行科技金融創新活動，致力于為有金融需求的科技創新企業提供適合的金融產品和新型融資渠道，如風險投資、科技保險、知識產權融資和科技眾籌等，使資本流向更有發展潛力的科技行業以獲取資本回報，并且金融創新也因技術創新得以實現。由此，科技創新和金融創新之間形成良性循環。科技金融通過科技創新和金融創新的相互作用，會產生“知識溢出”和“信息溢出”效應：當區域內某一企業或行業產生技術創新、商業模式轉變或融資渠道拓展，會使創新知識和技術信息傳播到區域內其他企業或行業，整個區域的企業均能獲得一定程度的技術進步，整體科技水平得以提高；金融的信息提供功能有助于資本獲取高技術產業回報信息以便進行投資選擇，引導資金流向高回報領域，提高區域金融業的投資效率，擴大金融機構的數量和規模。由于科技行業和金融市場相互關聯、相互融合、相互促進，生產效率和資本流轉速度得以提升，推動了科技進步和金融發展，最終實現全要素生產率的“增長效應”。

圖1 科技金融對全要素生產率的影響機制

科技金融發展對全要素生產率提升的抑制作用有“擠出效應”。政府公共支出以及由政府引導投入的社會資金主要投資于基礎性和中大型產業，是科技金融資金的重要來源，而私人投資通常投資于回報率更高的產業，資本逐利行為一定程度上激發企業的創造活力，使科技金融與企業發展有更高效的融合。當政府支出增加到一定程度時，政府在企業發展的過程中起主導作用，私人對企業的投資和支出相對減少就會導致企業失去創新自主性。與此同時，金融資源難以發揮價格發現和資源配置功能，削弱了當地的金融發展水平和產業間的創新與合作，甚至引發金融風險問題。此外，政府在進行經濟干預的過程中很可能發生“尋租行為”，即非生產性尋利活動，既減少生產又降低創新質量，阻礙經濟增長和全要素生產率的提升。因此，過多的政府支出會引發“擠出效應”，影響企業發展和產業轉型，甚至給全要生產率增長帶來負面影響。

三、指標體系構建

（一）科技金融指標體系構建

目前學界對科技金融尚未有統一界定，而對于科技金融發展水平也沒有一致的評價標準。文章從經費投入、產出水平和人力資源三個方面分別選用指標來構建科技金融發展水平指標體系，全面反映科技金融的內涵。鑒于指標的科學性和數據的可得性，采用科技服務固定資產投資額、研究與試驗發展（R&D）經費和科技部三公經費支出額來衡量科技金融經費投入，用高新區企業收入和技術市場成交金額衡量科技金融產出水平，用高新區企業從業人員數和研究與試驗發展（R&D）人員數衡量科技金融人力資源。

文章將指標的原始數據進行了zt標準化處理，公式為（i 為地區，t 為時期），這樣就消除了不同單位量綱帶來的影響，便于下一步的合成和評價。然后采用主客觀相結合的AHP 層次分析法來對各指標賦以歸一化處理后的權重，如表1所示。最后將無量綱數據加權逐步合成二級指標和一級指標數據，通過數據來反映各省不同時期的科技金融發展水平。

（二）科技金融指標評價

文章將合成的指標數據通過折線圖展現走勢情況（圖略）。整體來看，2004-2018 年31 個省市的科技金融水平呈上漲趨勢，但各個省市發展水平和速度發生了較大變化。其中，廣東、北京、江蘇發展水平較高，增長速度也較快；山東、浙江、湖北、上海的發展水平和速度次之；新疆、西藏、寧夏、甘肅、青海等走勢較為平緩，發展較為緩慢；其他省市總體走勢向上。為了更科學直觀地顯示31 個省市區科技金融發展水平，采用系統聚類分析方法進行省際劃分，采用歐式距離公式計算樣本之間的距離，選用Ward 聯接法進行聚類，結合走勢圖和聚類分析結果，將31省份劃分為3個發展水平：將廣東、北京、上海、浙江、江蘇、山東這6個省市劃分為科技金融發展水平較高的區域；將河北、四川、河南、福建、遼寧、天津、陜西、安徽、湖南、湖北等10 個省市劃分為科技金發展水平中等的區域；將海南、西藏、青海、寧夏、黑龍江、重慶、江西、吉林、廣西、山西、內蒙古、云南、甘肅、貴州、新疆這15 個省、市、自治區劃分為科技金融發展水平較低的區域。

表1 科技金融發展水平評價指標體系

科技金融呈現差異化發展的原因可能是廣東、北京和江蘇等地高技術企業密集且金融資源較為豐富，金融在科技發展的過程中起到了良好的配置作用，科技發展又反作用于金融活動，形成了金融帶動科技、科技促進金融的良性循環，加快了科技金融的發展速度。而新疆、西藏、寧夏、甘肅、青海等地區資源相對匱乏，高技術企業難以扎根，金融和人力資源也少有聚集，由此陷入金融和科技發展都落后的雙重困境，科技金融水平自然難以提升。

四、模型構建及實證分析

（一）變量選擇和數據統計

根據文獻資料和前文所述，選擇了全要素生產率作為被解釋變量，科技金融這一合成指標作為解釋變量，科技創新水平作為門限變量，金融發展水平、產業結構高級化水平和政府干預程度作為控制變量。

被解釋變量：全要素生產率（TFP），該變量由DEA-Malmquist 方法測度得出。Malmquist 指數定義為：其中x 表示投入，y 表示產出，為t 期到t+1期TFP 的增長，為t 時期的Malmquist指數，表示第t期以第i期投入產生數據作為參數的距離函數。文章所對應的投入變量為各省的就業人數和資本存量，產出變量為各省的GDP，通過DEAP2.1 來測度出各省全要素生產率值。其中，資本存量K采用被OECD國家廣泛采用的永續盤 存 法 （PIM） 來 估 算 ，K0=I0/(g+δ)，Kt=It+(1-δ)Kt-1，K0、Kt為初期和當期的資本存量，It為全社會固定資本形成總額，g為真實投資年均增長率，δ為綜合折舊率（假設為5%）。

解釋變量：主要解釋變量為科技金融發展水平（TechFin），由科技金融經費投入、科技金融人力資源和科技金融產出水平3個二級指標合成。

門限變量：該模型與科技水平高度相關，因此將科技創新水平（Tech）作為門限變量，具體選取了專利受理數這一由國際普遍認同反映知識產權技術的指標來衡量科技創新水平。

控制變量：基于國內外相關文獻，認為除了科技金融，還有一些因素會對全要素生產率產生影響。因此選取以下控制變量。①金融發展水平（FIN）。金融活動在產業發展的過程中，能夠充分發揮資源配置作用，通過資金流動促進企業進行創新、產業結構得以優化，促進全要素生產率的提高。因此以金融發展水平，即金融業占國民生產總值的比重作為控制變量之一。②產業結構高級化水平(HIS)。產業結構的調整和優化能促進經濟增長和引起經濟增長方式的轉變，是全要素生產率得以提升的重要變量，因此將它納入控制變量中。③政府干預程度（GOV）。政府支出水平的高低在一定程度上能夠反映政府對經濟增長方式的影響，政府財政支出結構不合理甚至會制約地區TFP 的增長，因此采用政府財政支出占GDP 的比重來衡量政府干預對TFP的影響。各變量相應符號、衡量方法及解釋變量預期方向如表2所示。

全要素生產率、科技創新水平、金融發展水平、產業結構高級化水平和政府干預程度數據均來自《中國統計年鑒》和wind數據庫，科技金融發展水平數據來源于《中國統計年鑒》《中國科技統計年鑒》《中國金融統計年鑒》和wind 數據庫。鑒于數據的可得性和一致性，選取全國31 個省、市、自治區的2004-2018 年的相關指標數據，獲取有效樣本465 個，利用面板數據進行門限回歸分析，實證研究各變量對全要素生產率的影響，所有檢驗均使用stata15.0 軟件。各變量的描述性統計如表3 所示。

（二） 模型的構建

為了研究各變量對全要素生產率的影響，將使用Hansen 提出的門限回歸模型，用來判斷科技金融和全要素生產率之間的關系，是否存在異質性。因此，需要對面板數據進行靜態回歸和Hauseman檢驗，若結果為固定效應，則說明科技金融發展與全要素生產率的關系較為顯著，再運用門限回歸判斷是否存在分區間的影響。門限回歸有單一門限，雙重門限和多重門限，文章將設定單一和雙重門限形式，最終根據顯著性檢驗結果來確定模型。

單一門限模型：

表2 各變量相應符號及解釋變量預期方向

表3 變量描述性統計

雙重門限模型：

其中TFP 為被解釋變量，TechFin為解釋變量，Tech為門限變量，FIN、HIS和GOV為控制變量，γ為門檻值，uit表示特異性誤差，α、β、?代表模型的估計參數，下標it分別代表第i個省和第t年。

（三）相關檢驗

1.單位根檢驗。為了檢驗所有變量是否平穩，首先對面板數據進行單位根檢驗。由表4可以看出，變量TFP、FIN、GOV 的原始數據和變量HIS 原始數據的一階差分，以及變量TechFin 和Tech 原始數據的二階差分在10%以內的顯著性水平下平穩，可對平穩數據進行回歸處理。

2.協整檢驗。為了進一步考察變量之間的協整關系，將采用Kao 檢驗和Pedroni 檢驗進行判斷。表5 的結果表明，所有統計量均在1%顯著性水平下拒絕原假設，表明變量之間存在協整關系即長期經濟關系，可對模型進行面板門限回歸。

3.Hausman 檢驗。因門限回歸模型需在固定效應下進行，故對面板數據進行了Hausman 檢驗，檢驗結果如表6所示。由F值和P值可知，在1%的顯著性水平下拒絕原假設，應選擇固定效應模型，可以進行門限回歸。根據固定效應所得系數，可以構建固定效應模型：

根據模型結果初步分析，科技金融（TechFin）對全要生產率（TFP）具有一定的正向作用，即科技金融水平提高1 個單位，全要素生產率會提高0.005543個單位，但是結果未通過顯著性檢驗。這表明兩者之間可能存在非線性關系，需要通過門限模型來進一步驗證其關系。此外，金融發展水平(FIN)和政府干預程度(GOV)對全要素生產率都具有輕微負向作用且通過了10%的顯著性檢驗，產業結構水平(HIS)有微弱的正向作用且通過了5%的顯著性檢驗。

（四） 門限模型估計

運用stata15.0 軟件，以專利申請數量（Tech）作為門限變量對面板數據進行門限估計，并采用bootstrap 自舉法重復抽樣1000 次來提高顯著性檢驗的有效性，門限值估計結果和模型回歸結果如表7-8和圖2所示。

表4 變量的單位根檢驗結果

表5 Kao和Pedroni檢驗結果

表6 Hausman檢驗結果

圖2 門限回歸LR圖

結果顯示：單一門限模型在1%的顯著性水平下顯著，雙重門限未通過顯著性檢驗，故此應該建立單一門限模型。根據模型估計出的單一門限值為8761，對應的置信區間為[8371,9615]。由此可見，科技金融與全要素生產率之間為非線性關系，存在單一門限效應。

為了進一步測度科技金融對全要素生產率影響的方向和程度，用門限模型對各變量進行了參數估計，結果如表9所示。從表中可以看出，科技金融的門限值把模型分為了兩個區間，兩個區間的系數不同，說明科技金融對全要素生產率的影響具有異質性。F 檢驗值為5.07，P 值為0.0017，在1%的顯著性水平下拒絕原假設，表明模型通過檢驗，結果可信。

具體來看，對于不用程度的科技創新水平，科技金融發展水平（TechFin） 對全要素生產率（TFP）的貢獻度不同：當各省市科技創新水平的代表變量專利申請數（Tech）數量小于8761 件時，科技金融發展水平每增加1單位，全要素生產率反而隨之減少0.1438個單位，科技金融在此發展水平下，會為全要素生產率的提高產生阻礙作用；當專利申請數量大于8761 時，科技金融發展水平每增加1個單位，全要素生產率隨之提高0.0046個單位，對全要素生產率的提升產生正向影響，但此結果未通過顯著性檢驗，因此當Tech≥8761 時，TechFin 對TFP 的影響大小尚未確定。而由于模型最終通過F檢驗，故而認為科技金融的發展對全要素生產率的提升還是存在門限效應。

表7 門限模型檢驗結果

表8 門限估計值和置信區間

表9 門檻模型參數估計值及顯著性

（五）實證結果分析

當科技創新水平值小于等于8761 時，即科技金融發展的初級階段，科技金融發展水平對全要素生產率有負向作用，原因可能是“擠出效應”大于“增長效應”和“溢出效應”之和。具體而言：第一，在科技金融發展的初級階段，金融產品和服務還不能很好地給企業和產業提供更便捷的投融資渠道和更適合的發展模式，科技企業創新速度不具備廣泛性，企業的生產效率尚未得到大幅提升，產業結構也就難以形成大規模的轉型和優化。第二，發展初期科技行業的人才短缺，創新知識和投資信息的擴散速度較為緩慢，地區同類企業得不到創新資源就容易失去競爭力，導致整個地區的科技企業發展不均衡，區域整體創新水平低，經濟增長緩慢。第三，金融資源過多依賴于政府投入導致政府干預度過高，企業的自主創新能力受到限制，甚至降低企業的生產效率和發展速度，進而阻礙全要素生產率的增長。當科技創新水平值大于8761，即地區科技金融發展到一定程度時，科技金融發展水平對全要素生產率有正向作用，原因可能是“增長效應”和“溢出效應”之和大于“擠出效應”。此時，政府不再起主導作用，弱化了“擠出效應”，市場上有眾多的科技金融產品促進企業服務改革和創新，科技金融能夠有效的發揮“增長效應”和“溢出效應”，加快整個地區的科技進步速度和金融發展水平，促進全要素生產率的提高。

此外，金融發展水平（FIN）、產業結構高級化水平(HIS)和政府干預程度(GOV)對全要素生產率的彈性系數分別為0.69%、0.13%、-0.14%，與預期方向基本一致。這說明金融發展水平越高、產業結構高級化水平越高就能提高全要素生產率，最終促進經濟增長，而政府干預度越高會阻礙全要素生產率的提升，但影響程度均較小。

五、結論及建議

（一）研究結論

第一，科技金融是科技創新和金融創造深度融合的產物，其發展過程中產生的“溢出效應”和“增長效應”對全要素生產率的提升具有促進作用，而“擠出效應”具有抑制作用。

第二，根據科技金融發展水平指標體系及測評結果，我國31 個省、市、自治區的科技金融發展水平總體呈上升趨勢，但發展速度存在較大差異，通過系統聚類法可將各省市科技金融發展水平劃分為四個階段，說明我國科技金融發展存在區域不平衡問題，并認為高技術企業密集且金融資源較為豐富的省市，形成了金融帶動科技、科技促進金融的良性循環，加快了科技金融的發展速度。

第三，根據2004-2018年的面板數據的門限模型實證結果可知：科技金融發展對全要素生產率的影響存在非線性的門限效應（門限值為8761），當科技創新水平值小于等于8761 時，科技金融發展水平對全要素生產率的彈性系數為-0.1438，即有負向作用，系“擠出效應”大于“增長效應”和“溢出效應”之和；當科技創新水平值大于8761時，彈性系數為0.0046，即有正向作用，系“增長效應”和“溢出效應”之和大于“擠出效應”。

（二）對策建議

第一，我國目前存在科技金融發展不平衡問題，科技金融發展水平較低的地區科技創新水平也相對較低，經濟增速相對緩慢。對于科技金融發展水平較低的地區，當地一是要重視科技金融的資源投入，包括政策、經費和人才等，以金融發展促進科技創新；二是可以通過引進先進人才、技術、設備等途徑加速科技創新的“知識溢出”；三是金融機構為針對科技企業提供新型融資渠道，比如知識產權融資、科技眾籌等。對于科技金融發展水平較高的地區，一方面需要保持現有的發展體系，穩定發展水平，另一方面要在現有的水平上合理節約資源投入，在有富余的情況下對落后地區給予幫扶。

第二，根據科技金融與全要素生產率的非線性關系，科學合理制定促進增長方針。因科技創新水平較低時，科技金融的發展水平對全要素生產率的增長有負向影響，故當地政府一方面應當合理控制對科技金融投入的干預度，避免因“擠出效應”和“尋租行為”而產生的科技創新效率降低問題，減輕對全要素生產率增長的抑制作用；另一方面要創造良好的政策環境，引導金融創造和科技創新相結合，充分發揮科技的知識溢出效應和金融的信息溢出效應，帶動區域內科技的進步和金融業的發展，使其共同促進全要素生產率的增長。

第三，科技金融發展需精準施策，可嘗試建立科技銀行，推進科技進步和金融創新融合發展。一方面，各省市鼓勵商業銀行針對科技型企業設立專門的科技產品部，開發和推廣科技型金融產品，并由政府給予一定的政策優惠來吸引投資者購買。另一方面，各省市可在產業創新園、高新技術開發區和科技型特色小鎮園區內設立由政府引導建立的科技商業銀行網點，給予金融和科技緊密結合的環境，開拓金融和科技“雙創新”格局。