科技金融對高新技術產業發展的影響
——基于青海省時間序列數據的實證研究

李俊輝

0 引言

近年來，我國提出以創新驅動區域經濟發展，以科技引領金融創新的戰略，《國家“十三五”科學和技術發展規劃》明確指出，要大力扶持和培養高新技術企業，建設國家科技金融創新中心。科技是第一生產力，而金融是第一推動力，科技金融是推動經濟發展的引擎，是現代經濟發展的強大動力。目前，科技金融對高新技術企業的支持作用十分重要，其發展水平會影響高新技術企業的發展。青海省作為我國西部經濟欠發達的省份，科技金融發展較為落后，但近幾年青海省科技金融和高新技術企業的發展速度加快，省政府重視科技金融的發展。本文通過實證研究科技金融對高新技術企業的影響，有利于進一步完善我省科技金融服務的政策建議，為高新技術企業發展提供持久的動力。

1 青海省高新技術產業與科技金融的發展現狀及存在的問題

1.1 高新技術企業發展現狀及存在的問題

近年來，青海省創新型省份建設取得積極進展，深入實施創新驅動發展戰略，科技支持高質量的發展也取得了巨大進展。圍繞建設創新型省份，青海省實施了“百項創新攻堅”項目，形成了比較完善的科技創新創業支撐體系。青海省近年高新技術企業數量增加較快，高新技術企業現在已經達到166家。從專利擁有量來看，青海每萬人有效發明專利達到2.34件。2019年高新技術企業的工業總產值達到552.7億元，占青海省GDP的18.6%，為青海省經濟的發展貢獻較大。區域綜合科技創新水平全國排名上升至26位，青海省高新技術企業的發展前景廣闊，發展活力持續增強。

雖然青海省在推動高新技術企業發展方面取得巨大進步，但是也存在著一定的問題。首先青海省科技創新水平總體不高，缺乏高端人才。表1選取了全國平均和西部地區研究與開發機構R&D人員指標，2018年，全國每省的R&D人員為13354人，青海僅僅只有5318人。相較于西北地區其他省份，青海地區R&D人員數量也處于較低水平，而且尤其缺乏高端人才，這大大限制了青海高新技術企業的發展。

表1 2018年西北地區研究與開發機構R&D人員

其次，青海省科技轉化成果較低，根據中國火炬年鑒的數據，2017年和2018年，全國各省高新技術企業的凈利潤均為正值，而青海省這兩年高新技術企業的凈利潤為負值，高新技術企業處于虧損狀態。另外從高新技術企業的其他指標來看，青海省高新技術企業的營業收入、出口總額、年末資產、上繳稅費等與全國平均水平存在明顯的差距。

1.2 科技金融發展現狀及存在的問題

科技金融是科技創新的引擎，近年來，青海以國家創新驅動戰略為指導，提升科技與金融的融合程度，全省的科技金融總體上呈穩步發展態勢。從科技金融政策來看，今年全省“兩會”提出了實施資本市場高原紅行動的決策部署，方便高新技術企業融資。從研發經費投入來看，省政府加大對科技企業研發經費的投入，每年經費的投入逐年增長，2017年研發經費的政府投入額已經達到1.2億元；企業自身逐步意識到研發的重要性，加大自有資金的投入，2017年研發經費企業內部支出已達到1.9億元。

雖然青海省科技金融得到逐步發展，但相比于全國平均水平仍有較大的差距。首先，青海省高新技術企業的資本市場融資較差，上市公司僅僅有12家。青海省位于西北地區，經濟水平落后，風險投資機構少，投資高新技術企業的風險投資額很少。從下表可以看出，青海省R&D經費投入低于全國平均水平，而且經費投入強度整體呈下降態勢，其他西北省份都呈增長態勢。

表2 2011-2018西北地區試驗發展（R&D）經費投入強度 單位%

2 實證分析與結論

2.1 指標選取與模型構建

本文采用柯布·道格拉斯生產函數模型建立科技金融投入對高新技術產業影響的計量模型，驗證科技金融對高新技術產業發展的促進作用。

選用高新技術產業工業總產值（Y）作為被解釋變量，國內外學者的研究中認為高新技術企業工業總產值指標能較為綜合得反映高新技術企業的發展程度。模型的解釋變量采用政府的科技財政投入（Gov）和風險資金投入（Ven），這二者能夠較好地衡量科技金融投入。對于控制變量的選擇，本文根據現有研究成果及原生產函數模型，采用高新技術企業的數量（Num）和高新技術企業的科技活動人數（Peo）作為控住變量。得到計量模型如下：

2.2 實證檢驗

2.2.1 變量的單位根檢驗

由于本文采用的數據是時間序列數據，數據的平穩性對模型的構建非常重要，否則會存在偽回歸的情況或者傳統T檢驗失效的情況，因此需要對各變量進行平穩性檢驗。本文使用ADF方法對各變量進行單位根的平穩性檢驗。

表3 單位根檢驗結果

從表3的檢驗結果可以看出，初始變量lnY、lnGov、lnVen、lnNum、lnPeo的ADF檢驗結果都是不平穩的，都存在單位根。經過一階差分后，變量lnGov、lnNum、lnPeo檢驗結果是平穩的。而變量lnY和lnVen在10%的顯著性水平下依然不平穩。于是對變量進行二階差分處理，檢驗結果表明所有變量都是平穩的，不存在單位根。

2.2.2 協整檢驗

協整檢驗是檢驗變量之間的某種線性組合是否存在長期穩定關系的一種方法。前面單位根檢驗結果表明變量是二階單整的，可以對變量進行協整檢驗。本文以lnY為因變量，以 lnGov、lnVen、lnNum、lnPeo 為自變量，對時間序列進行最小二乘回歸，并得到殘差序列e，并對e進行單位根檢驗。通過運用stata軟件，我們可以得出檢驗結果。殘差序列e的檢驗值為-3.694，顯著性水平為5%時的臨界值為-3.00，所以殘差序列e通過了置信度為5%的平穩性檢驗，說明變量之間存在協整關系。

2.2.3 多重共線性檢驗

為檢驗模型是否存在多重共線性，本文借助方差膨脹因子來衡量。根據stata運行結果，模型膨脹因子的平均值為9.08，遠遠大于經驗值2，并且方差膨脹因子的最大值為14.0，也大于經驗值10，所以認為模型存在多重共線性，變量之間相關性較強。因此采用逐步回歸法處理多重共線性問題。首先，分別做lnY對各變量的一元回歸。結果如下表：

表4 逐步回歸結果

各變量按 R^2的大小排序為 lnVen、lnNum 、lnPeo 、lnGov。于是以lnVen為基礎，順次加入其它變量進行回歸，當加入lnPeo時，t統計不顯著應當予以剔除。當加入lnGov時，t統計量也不顯著，但因為lnGov為主要解釋變量，并且lnGov加入模型并沒有大幅度降低其它變量的顯著性水平，因此保留變量lnGov。

2.2.4 格蘭杰因果檢驗

想要證明變量之間的因果關系，需要對變量進行格蘭杰因果檢驗。本文采用基于VAR模型的格蘭杰檢驗法對各變量之間的關系進行檢驗。通過常用的AIC準則、HQIC準則和SBIC準則確定本文最優的滯后期為2。

表5 各變量格蘭杰因果檢驗結果

從Granger檢驗結果可以看出，企業自有資金投入（lnVen）、政府財政高新技術投入（lnGov）、高新技術企業的數量（lnNum）是高新技術企業總產出（lnY）的格蘭杰原因。但總產出不是企業自有資金投入和高企數量的原因，說明他們之間單向的關系。在5% 的顯著性水平下，高新技術企業總產出是政府財政投入的格蘭杰原因，他們之間存在雙向關系，說明政府財政科技投入促進高新技術企業的發展，同時高新技術企業的進一步發展又使得政府財政科技投入的不斷增加。

2.2.5 實證結果分析

通過單位根、協整、多重共線性的檢驗與處理，得到的模型結果如下：

lnY=3.93+0.08lnGov+0.80lnVen+0.49lnNum+ε

（1.5） （0.16） （0.167） （0.23）

由回歸結果可以看出，模型的擬合優度為R^2=0.98，說明模型擬合效果較好。此外，模型的F檢驗中P值為0.00，表明回歸模型總體顯著；高新企業的數量和企業自有資金都滿足90%顯著性水平下的t檢驗，但政府科技投入這指標不顯著，表明政府科技投入對于高新技術總產值的影響不突出。

2.3 結論與啟示

2.3.1 政府創新財政科技投入的方式

通過文章的實證分析，政府財政科技投入對高新技術企業沒有產生顯著的影響。財政投入更多地將資金投入科技成果轉換的中后期，而基礎性研究和應用性的研究方面投入明顯不足。政府需要完善資金投入管理方式，完善績效評估機制，使得青海省政府的資金使用效率得到提升。政府財政科技投入更適合、也更應當扮演引導者的角色，將更多財政基金投入到高新技術企業的初期研發階段，對基礎研究和應用研究兩方面予以重點推進。

2.3.2 完善科技融資渠道

全國高新技術企業主要通過自籌資金、債券融資、政策性融資和以風險投資、私募股權融資為主的股權融資這四種典型模式獲得融資。風險投資、私募股權投資能為高新技術企業提供風險與收益相匹配的資金類型，是高新技術企業的最佳融資模式。但是在青海地區、由于經濟水平落后，高新技術企業融資主要通過自有資金和政策性融資，因為青海地區上市公司僅有12家，而這12家中滿足高新技術企業認定的僅有西部礦業，青海省高新技術企業資本市場的股票融資渠道是閉塞的。因為青海位于大西北、遠離東部發達地區，高新技術企業在導入期很難獲得股權性的融資。青海政府需要積極引進國內外著名股權投資機構，并與這些投資合作成立高新技術產業風險投資基金，方便高新技術企業的融資。同時政府應加快實施資本市場高原紅行動的決策部署，為高新技術企業創造良好的融資環境。