金融集聚、政府支持與科技創新

魏學輝 段小雪

【摘要】基于2006 ～ 2016年我國285個地級及以上城市的面板數據， 在SDM基礎上構建空間調節模型并對空間效應進行分解， 研究金融集聚對科技創新的空間效應和政府支持的空間調節效應， 結果表明：金融集聚具有空間溢出效應， 不僅能促進本地的科技創新， 還能促進周邊地區的科技創新， 且這種促進作用在西部地區最強， 其次為中部， 最后為東部; 當地政府支持能正向調節本地金融集聚對本地科技創新的影響， 但對周邊地區的調節作用主要是通過本地創新的空間溢出效應間接實現的， 政府支持的調節作用具有區域異質性， 東部為正向調節， 西部為負向調節， 中部則無顯著的調節作用; 金融集聚的科技創新效應和政府支持的空間調節效應具有地區差異性， 金融集聚對本地科技創新的影響呈現“南北差異”特征， 其中影響最大的城市主要分布在我國關中天水地區、山東半島和中原城市群。 另外， 考慮周邊地區政府支持模型產生的直接調節效應強于僅考慮本地政府支持的模型， 表明城市間的聯動政策產生了“1+1>2”的效果， 政府在制定政策時應綜合考慮周邊鄰近地區的相關政策。

【關鍵詞】金融集聚;科技創新;政府支持;空間調節模型;空間效應差異

【中圖分類號】F832? ? ? 【文獻標識碼】A? ? ? 【文章編號】1004-0994（2021）02-0130-9

一、引言

隨著我國創新驅動戰略的實施， 科技創新逐漸成為經濟增長的核心驅動力。 2018年中央經濟工作會議明確指出要“強化科技創新， 推動重大科技創新取得新進展”， 2020年全國兩會上提出要“穩定支持基礎研究和應用基礎研究”， “實行重點項目攻關揭榜掛帥， 誰能干就讓誰干”等有關科技創新的“金句”， 這充分體現了科技創新在中國經濟社會發展中的關鍵地位。 而科技創新的發展需要良好的金融環境支持， 金融是現代經濟的血液， 是國家重要的核心競爭力。 近年來， 隨著金融全球化的發展， 金融機構和金融資源加速流動， 逐漸形成以城市為中心的金融集聚現象[1] ， 如英國倫敦、美國紐約、中國上海等， 金融集聚已經成為現代金融發展的重要組織形式[2] ， 其形成有利于打造良好的金融環境， 提供高質量的金融服務， 提高資源配置的有效性[3] ， 促進集聚區科技創新蓬勃發展。 與此同時， 根據集聚經濟理論， 金融集聚區的形成可產生“涓流效應”， 促進周邊鄰近地區的科技創新。 因此， 不斷推進創新型國家建設的過程中， 提升金融集聚效應， 促進科技創新發展至關重要[4] 。

研究金融集聚與科技創新的關系時， 不能忽視政府行為對創新的影響。 在我國， 政府是重大科技攻關項目的主要承擔者， 是促進我國構建高效創新體系的關鍵因素[5] ， 政府支持直接影響科技創新的發展。 政府支持能夠降低企業創新成本[6] ， 激勵企業增加科技創新投入[7] ， 使企業與政府在創新投入中實現互補[8] ， 分散創新風險， 增強企業科技創新信心和積極性[9] ， 提高企業科技創新效率[10] ， 促進創新產出增加[11，12]? 。 Garrett-Jones[13] 利用澳大利亞1980 ～ 2000年的面板數據進行實證分析， 證明了州政府對科技創新的支持（包括投資建立知識共享平臺等）顯著促進了企業的創新， 推動了國家創新體系的發展。 楊亭亭等[14] 以我國上市公司為樣本進行實證分析， 發現政府支持不僅能促進專利數量的增加， 還能提升專利的質量， 并且這種促進作用具有一定的持續性。

梳理相關文獻不難發現， 已有文獻多數研究了金融集聚或政府支持對科技創新的直接或間接影響[14-16] ， 但將金融集聚、政府支持與科技創新放在同一框架下研究尚屬空白。 基于此， 本文將政府支持作為調節變量納入研究金融集聚對科技創新影響的空間計量模型中， 構建空間調節模型進行深入分析， 并考慮到我國地理、歷史、文化等因素造成的地區差異， 進一步進行區域異質性分析。 本文的研究貢獻在于：①現有文獻大多基于經典的調節模型進行研究， 而本文考慮了金融集聚和科技創新的空間相關性， 構建空間調節模型并進行空間效應分解， 深入研究在政府支持的空間調節作用下金融集聚對科技創新的影響， 豐富了相關領域的研究; ②已有文獻多為基于省級數據或基于局部地區市級縣級數據的研究， 本文搜集整理了我國285個地級市2006 ～ 2016年的數據進行實證分析， 采用地級市數據可以進一步提升研究的精確性， 減少省級數據帶來的被平均與邊界數據突變現象; ③考慮到區位因素、發展基礎和自身條件造成的差異， 本文分別進行了分地區、分城市的研究， 以深入分析政府調節作用的空間差異， 為不同地區不同城市科技創新發展提供相應的政策建議， 提高我國整體科技創新水平。

二、理論機制與研究假設

（一）金融集聚與科技創新

金融集聚產生的集聚效應能促進科技創新。 根據集聚經濟理論， 產業的空間集聚可促進勞動力組織的專業化， 節約交易成本， 產生更為自由的信息傳播， 且集聚必然會引發競爭， 競爭促進創新。 因此， 金融業作為一種特殊的產業， 其在空間上的集聚必然會產生同樣的集聚效應， 這種集聚效應主要包括外部規模經濟效應、網絡經濟效應、資源優化配置效應等。 外部規模經濟效應主要是指金融集聚在形成的過程中， 伴隨著與其相關的輔助行業向金融中心的集聚發展[15] ， 有助于提高市場流動性， 降低融資經營成本[16] ， 提供投融資便利[17] ， 進而提高整個集聚區的金融服務水平[18] ， 保障科技創新活動擁有足夠的資金支持， 夯實創新基礎; 網絡經濟效應是指金融網絡為金融機構與創新企業的信息交流提供了便利， 降低了信息搜集與共享的成本， 有利于金融機構與企業建立信任機制， 降低企業的股權交易成本[19] 以及契約執行與監督成本[3] ， 降低投資風險， 增加對創新企業的長期投資; 資源優化配置效應是指金融集聚的形成有利于金融中介收集各種投資信息， 通過促進金融機構與實體企業的合作提高資源的配置效率[20] ， 既可為金融企業提供良好的投資服務又能滿足創新企業的融資需求， 從而促進科技創新的發展。 基于此， 本文提出假設1：

假設1：金融集聚能促進本地科技創新。

以克魯格曼為代表的新經濟地理學派認為， 地理因素對經濟發展的影響不容忽視， 金融集聚推動資本和金融要素在空間范圍內加速流動并重組。 金融集聚通過金融從業人員的業務活動、金融服務網絡的延伸等對周邊實體經濟產生輻射效應， 隨著金融集聚程度的提高和金融集聚區的發展， 各類金融資源和創新資源向周邊鄰近地區流動， 填補了鄰近地區創新企業的人才空缺， 并為創新企業提供資金支持， 從而提高勞動者素質和企業生產效率， 促進鄰近地區發展模式向技術密集型轉變[21] 。 因此， 本文提出假設2：

假設2：金融集聚具有空間溢出效應， 能促進周邊鄰近地區科技創新水平提高。

（二）金融集聚、政府支持與科技創新

梳理已有研究， 不難發現政府支持能對科技創新起到促進作用。 政府支持包括直接支持和間接支持兩種。 直接支持就是政府直接對企業創新給予資金支持， 如政府直接給企業財政撥款、補貼等[22] ， 這樣的支持是對企業創新能力的肯定[23] ， 有助于提高企業融資的成功率， 降低融資成本[24] ， 分散創新風險， 增加企業進行科技創新的決心和信心。 進一步地， 獲得資金支持的企業， 一方面， 可將資金直接投入科技創新項目中， 增加企業研發投入， 降低企業創新成本[6] ， 提高企業科技創新積極性[25] ， 提升企業科技創新效率， 且這種創新效率的提升不受企業規模和產權類型限制[26] ， 從而提高整體科技創新水平。 章元等[27] 采用PSM和DID法基于中關村高新技術企業的數據進行研究， 發現政府支持使專利產出數量顯著增加， Alecke等[28] 通過傾向匹配得分模型研究得到類似的結論：政府支持可以提高企業的研發投入， 增加企業獲得專利的數量; 企業可將獲得的資金用于培養科技創新人才， 給予創新人才更加豐厚的薪資待遇和創新獎勵[29] ， 提高其科技創新積極性， 促進企業科技創新水平的提升。 間接支持是指政府制定實施的有利于科技創新的相關法律法規、政策制度等， 如稅收政策和政府事后對企業創新的補貼政策[22] 。 間接支持體現了政府支持科技創新的積極態度， 能增強企業和研究機構的創新信心， 激勵企業積極開展創新活動， 吸引金融機構增加對創新企業的投資， 進而促進科技創新。 由此， 提出假設3：

假設3：政府支持能正向調節金融集聚對科技創新的影響。

三、研究設計

（一）模型構建

1. 基本模型構建。 為了驗證前文提出的假說， 本文利用我國2006 ～ 2016年285個地級及以上城市的面板數據構建空間調節模型進行實證分析。 空間調節模型是指在傳統空間計量模型中引入調節變量和解釋變量的交互項[30，31] ， 重點考察調節變量對本地的調節效應， 有的還會引入空間交互項[32] ， 考察周邊地區調節變量變化對本地變量間關系的調節作用。 基于此， 本文首先構建傳統空間杜賓（SDM）模型（模型1）， 然后在SDM的基礎上依次加入解釋變量與調節變量的交互項fa×gov（模型2）、空間交互項W×gov×fa（模型3）、調節變量的空間滯后項W×gov（模型4）， 整體研究框架如圖所示。

SDM模型形式為：

innoit=ρW×innoit+βfait+W×faitθ+[αnn=14zit]+ui+εit? ? ? ? ? （模型1）

式中， i表示地區， t表示時間， inno表示被解釋變量科技創新， fa表示解釋變量金融集聚， z表示控制變量， α是控制變量對因變量的影響系數， ui代表個體效應， εit表示隨機誤差項。 ρ是被解釋變量空間滯后項的系數， θ是解釋變量空間滯后項的系數， 分別表示科技創新和金融集聚的空間自相關性。 W是空間權重矩陣， 本文選用鄰接空間權重矩陣進行分析， 即如果兩地區地理上相鄰， 則權重矩陣對應的元素取1， 否則取0 ①。

空間調節模型（模型2、3、4）的表達式為：

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+β2govit+[αnn=14zit]+ui+εit? （模型2）

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+W×govit×faitθ1+β2govit+[αnn=14zit]+ui+εit? （模型3）

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+W×govit×faitθ1+β2govit+Wgovitθ2+[αnn=14zit]+ui+εit

（模型4）

模型2 ～ 模型4中：gov表示調節變量政府支持， β1是解釋變量與調節變量交互項的系數， 表示本地政府支持對本地金融集聚與科技創新的影響; θ1是空間交互項的系數， 表示周邊地區的政府支持對本地金融集聚與科技創新間關系的影響; β2和θ2分別是調節變量和調節變量空間滯后項對被解釋變量的影響系數， 其余符號含義與模型1相同。

2. 空間效應分解。

（1）空間杜賓模型的效應分解。 在空間杜賓模型中， 系數估計值并不能反映真實的偏回歸系數， 需要利用求偏微分的方法將解釋變量的邊際效應分解為直接效應、間接效應（空間溢出效應）和總效應[33] 。 直接效應反映了金融集聚對本地區科技創新的平均影響， 間接效應反映了金融集聚對鄰近地區科技創新的平均影響， 總效應則反映了金融集聚對整個區域產生的影響[34] 。 具體計算過程如下：

將SDM模型進行變換得到模型5：

lninno=（In-ρW）-1faβ+（In-ρW）-1Wfaθ+（In-ρW）-1z+（In-ρW）-1ui+（In-ρW）-1ε=? ? ?Sr（W）far+

V（W）z+V（W）ui+V（W）ε （模型5）

其中， V（W）=（In-ρW）-1， Sr（W）=V（W）×（Inβ+Wθ）， Sr（W）即為LeSage 和 Pace[33] 提出的效應偏微分矩陣， 其矩陣形式為：

Sr（W）=[? ? ? ? ? ? ? ? ? ? ? …? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?…? ? ? ? ? ?????? ? ? ? ? ? ? ? ? ? ? …? ? ? ? ? ?]

（模型6）

矩陣主對角線上元素反映了金融集聚對科技創新影響的直接效應， 非主對角線上元素反映了金融集聚對科技創新影響的間接效應， 總效應為直接效應與間接效應之和。

（2）空間調節模型的效應分解。 與空間杜賓模型類似， 空間調節模型中調節項的邊際效應同樣需要進行效應分解以研究調節項對變量的實際影響。

僅引入金融集聚與政府支持交互項的空間調節模型2， 其效應分解過程為：

lninno=（In-ρW）-1faβ+（In-ρW）-1Wfaθ+（In-ρW）-1fa×gov×β1+（In-ρW）-1z+（In-ρW）-1ui+（In-ρW）-1ε

=? ? ?Sr（W）far+? ? Sr1（W）（fa×gov）r+V（W）z+

V（W）ui+V（W）ε? ? （模型7）

式中， Sr1（W）=（In-ρW）-1β1=V（W）β1表示空間調節效應， 類似地， 引入空間交互項的調節模型3和模型4的調節效應為Sr1（W）=V（W）（Inβ1+Wθ1）。 其主對角元素為直接調節效應， 具體為當地政府支持對本地金融集聚與科技創新間關系的調節效應; 非主對角元素為間接調節效應， 具體為本地政府支持對本地金融集聚與周邊地區科技創新間關系的調節效應; 直接調節效應和間接調節效應之和為總調節效應。

（二）變量說明與數據來源

1. 變量說明。 考慮到我國的實際情況與數據的可獲得性、統一性和連續性， 參考已有相關文獻的結果[23] ， 選取區位熵指數來衡量核心解釋變量金融集聚fa， 其計算公式為：

fait=[? ? ? ? ? ? ? ? ? ? ? ? ? ?] （模型8）

式中， Eit、GDPit分別表示i城市t時期末城鄉居民儲蓄余額和當地國內生產總值GDP， Et、GDPt分別表示全國t時期末城鄉居民儲蓄余額和GDP。

在被解釋變量的選擇上， 本文選用“城市創新力指數”來衡量科技創新inno。 “城市創新力指數”來源于復旦大學產業發展研究中心所編制的《中國城市和產業創新力報告2017》， 這份報告計算了2005 ～ 2016年全國338個城市的創新力指數， 為保持樣本城市的一致性， 本文選取2006 ～ 2016年285個城市的數據進行實證分析。 在調節變量的選擇上， 本文選用各城市財政支出中科學技術支出所占比例來衡量政府支持gov。 關于控制變量， 綜合已有研究可知， 地區經濟發展水平、產業結構、固定資產投資水平和對外開放水平對科技創新均有一定的影響， 本文以城市人均GDP來衡量經濟發展水平pgdp， 以第二產業占第三產業的比重來衡量產業結構stru， 以城市固定資產投資水平占GDP的比重來衡量投資水平inv， 以實際利用外商直接投資額來衡量對外開放水平fdi。

2. 數據來源。 本文基于2006 ～ 2016年我國285個地級及以上城市的數據進行實證分析， 囿于數據可得性與一致性， 剔除了若干地級市單元。 所用數據除“城市創新力指數”外， 均來自于歷年《中國城市統計年鑒》和《中國區域經濟統計年鑒》， 主要變量的描述性統計結果如表1所示。

四、實證分析

（一）空間相關性檢驗與模型選擇

為了確定金融集聚與科技創新是否具有空間相關性， 即鄰近區域的變量取值是否具有集聚效應， 需要對其進行空間自相關檢驗。 目前， 最常用的檢驗方法為Moran's I檢驗， Moran's I指數越接近1表示鄰近地區的相似程度越高， 處于高（低）值集聚狀態; 越接近-1， 表示鄰近地區的差異越大， 處于低高（高低）集聚狀態。 本文采用全局Moran's I檢驗， 結果如表2所示， 科技創新與金融集聚均表現出顯著的空間相關性， 說明采用SDM是合適的。 考慮到我國各個地級市的金融發展水平、科技創新水平均存在差異， 構建模型分析時不能忽略這種差異， 進一步地， 根據空間Hausman檢驗的結果， chisq統計量的值為6528.4， 通過了1%的顯著性水平檢驗， 由此選擇固定效應模型。 因此， 最終本文選擇個體固定效應的空間杜賓模型進行分析， 并運用極大似然估計法進行估計。

（二）模型估計結果

空間杜賓模型和空間調節模型的估計結果如表3所示， 模型1為SDM模型， 模型2 ～ 模型4為空間調節模型。 由模型1的估計結果可知， 不考慮政府支持的調節作用時， fa的系數為0.777， 且在1%的統計水平上顯著， 說明金融集聚對本地科技創新具有顯著的促進作用， 證明了假設1。 這種促進作用主要是通過金融集聚產生的外部規模經濟效應、網絡經濟效應和資源優化配置效應實現的， 金融集聚的形成伴隨著與其相關的輔助行業或社會中介服務業向金融中心的集聚發展， 有利于提高整個集聚區的金融服務水平， 提高市場流動性， 促進金融機構與其他相關行業的信息交流和資源共享， 降低信息不對稱和金融中介獲取信息的成本， 為金融中介收集各種投融資信息提供便利， 提高資源的配置效率， 增加創新企業獲得投資的機會， 緩解創新企業的信貸約束， 保障科技創新活動具有足夠的資金支持， 促進科技創新的發展。 另外， 金融集聚和科技創新的空間滯后項系數均在1%的統計水平上顯著為正， 進一步證實了金融集聚和科技創新均具有顯著的正向空間相關性， 即本地區金融集聚對周邊鄰近地區的科技創新具有顯著的促進作用， 且本地區科技創新水平的提高可帶動周邊地區科技創新， 證明了本文的假設2。

模型2 ～ 模型4考察了鄰接權重矩陣模型中地方政府支持對金融集聚與科技創新間關系的調節作用。 首先， 就政府支持與金融集聚的交互項而言， 在三個空間調節模型中其系數均為正且通過了1%的顯著性水平檢驗， 說明當地政府支持能正向調節本地區金融集聚與科技創新間的關系， 證明了假設3。 本地政府對科技創新的支持有利于增加企業對創新的信心， 促使企業將更多的資金投入到創新活動中; 增加企業與金融機構的信息交流與合作， 提高資源的配置效率， 進一步增強金融集聚的網絡經濟效應和資源優化配置效應， 促進當地的科技創新， 因此， 本地政府支持能增強本地區金融集聚對科技創新的促進作用。 其次， 不難發現三個模型中金融集聚fa和其空間滯后項W×fa的系數經政府支持調節后仍在1%的統計水平上顯著為正， 與SDM模型相比， W×fa的系數估計值隨著調節項與其空間滯后項引入模型逐漸增大（0.307<0.355<0.475< 0.608）， 說明引入政府支持后， 本地金融集聚的空間溢出效應增強， 即本地與周邊地區政府對創新的政策支持能進一步增強金融集聚的溢出效應， 有利于帶動周邊地區的科技創新， 縮小區域創新差距。 因此， 地方政府在制定政策時應適當關注周邊地區的相關政策， 以綜合考慮地區間的相互影響， 最大限度發揮政策的引導作用。

（三）效應分解結果

根據LeSage和Pace[33] 的理論， 本文將金融集聚和政府支持系數的邊際效應分解為直接效應、間接效應和總效應， 結果列于表4中。 整體來看， 模型1 ～ 模型4中金融集聚對科技創新影響的直接、間接和總效應均為正且在1%的統計水平上顯著， 說明金融集聚不僅對本地科技創新具有顯著的促進作用， 而且對周邊鄰近地區的科技創新具有顯著的空間溢出效應， 能促進周邊地區創新水平的提高， 再次證明了假設1和假設2。 具體而言， 模型2和模型3的空間調節效應分解結果存在顯著的差異， 模型2的直接調節效應、間接調節效應和總調節效應均在1%的統計水平上顯著為正， 模型3僅有直接調節效應顯著為正， 間接調節效應和總調節效應均不顯著。 這說明當地政府支持僅對本地區金融集聚與科技創新的關系產生直接的正向調節作用， 而對周邊地區的空間調節作用主要是通過本地區科技創新的溢出效應間接體現的， 再次證明了假設3， 這一結果通過在模型4中引入政府支持的空間滯后項得到了進一步的驗證。 由模型4的效應分解結果可知， 加入政府支持的空間滯后項， 金融集聚項與調節項產生的效應并未發生顯著變化， 證明了模型3回歸結果的穩健性。

（四）穩健性檢驗

前文基于鄰接空間權重矩陣實證檢驗了金融集聚的科技創新效應和政府支持的空間調節效應， 然而在空間計量模型中， 空間權重矩陣的選擇對檢驗結果的影響不可忽視， 僅以鄰接空間權重矩陣進行分析得到的結論可能具有一定的片面性。 為消除這種片面性， 檢驗前文結論的穩健性， 本文選用地理距離權重矩陣進行研究。 為了避免“孤島”的出現， 確保每個城市均至少有1個城市與其相鄰， 本文建立地理距離權重矩陣時將閾值設為距離最大值， 即每個城市的鄰近地區均為其余284個城市， 檢驗結果列于表5中②。 結果顯示， 在基于地理距離權重矩陣的空間杜賓模型和空間調節模型中， 金融集聚對科技創新影響的直接效應和間接效應均在1%的統計水平上顯著為正， 證明了前文結論的穩健性：金融集聚不僅對本地科技創新具有顯著的促進作用， 而且對周邊鄰近地區的科技創新具有顯著的空間溢出效應。 此外， 在空間調節模型中， 模型2政府支持的直接調節效應和間接調節效應均顯著為正， 表明當地政府既能正向調節本地區金融集聚對科技創新的影響， 又能正向調節本地區金融集聚對周邊鄰近地區科技創新的影響; 進一步地， 加入空間交互項后的模型3和模型4產生的間接調節效應顯著為負， 表明當地政府支持對周邊地區的正向空間調節作用主要是通過本地區科技創新的溢出效應間接體現的， 與前文所得結論一致。

五、進一步研究

（一）空間效應的異質性分析

Lesage和Pace[34] 提出的直接效應和間接效應僅是研究對象所有空間單元上的“平均”空間效應， 這種處理方式雖然在地理空間單元數量較多的情況下極大簡化了效應計算過程中矩陣的運算， 但同時也喪失了對空間效應的統計分布及地區差異特征等信息的“捕捉”。 考慮到本文的研究對象僅為我國的285個地級市， 且由于歷史原因我國各地區間的地理、經濟、文化差異較大， 本文認為針對金融集聚對科技創新的空間效應和政府支持的空間調節效應， 分析其分布特征與空間差異更具現實意義。 為此， 需要重新計算邊際效應矩陣中的每一個元素， 識別不同地區變量間影響的空間效應。 需要特別指出的是， 為得到不同地區空間效應的顯著性水平， 本文借鑒Lesage和Pace[34] 的方法， 利用模型極大似然估計結果， 從多元正態分布中隨機抽取參數模擬值， 并據此計算各地區的空間效應， 且重復此過程2000次， 從而得到其經驗分布以及顯著性水平， 表6為本文計算的各地區空間效應的描述性統計結果。

首先， 無論是在空間杜賓模型還是空間調節模型中， 金融集聚對科技創新影響的直接效應均呈現出顯著的“南北差異”， 直接效應最強的城市主要分布在我國關中天水地區、山東半島和中原城市群， 包括蘭州、漢中、西寧、寶雞、安陽、鶴壁、鄭州等城市， 說明在這些城市金融集聚對本地科技創新的促進作用最強; 而我國現在已經形成的幾個典型金融中心， 如北京、上海、廣州、深圳等城市金融集聚的直接效應處于居中的位置， 說明在這幾個金融中心城市金融集聚對本地科技創新的促進作用不強。 這可能是因為目前我國幾個金融中心城市的發展已處于成熟階段， 從集聚區內的金融機構與企業的數量來看， 市場已處于飽和狀態， 因此金融集聚的促進作用有限; 而關中天水地區、中原城市群、山東半島的城市金融業發展不完善， 這些城市金融集聚的外部規模經濟效應、網絡經濟效應和資源優化配置效應強， 對本地科技創新的促進作用大， 尤其是中原城市群。 2016年12月國務院在《中原城市群發展規劃》中明確指出要將其打造成中國經濟發展的新增長極、中西部地區創新創業先行區， 進一步增加了中原城市群對各類人才、資源的吸引力。

其次， 我國城市間的聯動政策產生了“1+1>2”的效果。 從空間調節效應來看， 模型2的直接調節效應與金融集聚直接效應在區域影響方面類似， “南北差異”特征顯著， 直接調節效應最強的城市主要分布在我國北部地區， 表明對我國北部的城市而言， 政府對創新的支持能夠正向調節金融集聚對科技創新的促進作用。 在此基礎上加入空間交互項的模型3和模型4， 直接調節效應的分布特征顯著區別于模型2， 效應最強的城市主要分布在我國南部和東北兩大區域。 值得注意的是， 模型2中直接調節效應最弱的城市恰好是模型3和模型4中直接調節效應最強的城市， 說明考慮到周邊地區政府支持對本地創新的聯動影響時， 我國南部地區和東北地區的政府支持對當地金融集聚和科技創新間關系的正向調節效應遠大于北部地區， 表明城市間的聯動政策產生了“1+1>2”的效果。

（二）分地區回歸

鑒于我國不同城市的金融集聚程度和科技創新水平不同， 本文根據傳統區位劃分法， 將全國285個地級市按照其所處地理位置的不同分為東、中、西三大區域進行空間計量回歸和空間效應分解， 研究金融集聚科技創新效應和政府支持空間調節效應的區域異質性， 表7列出了其效應分解結果。

由表7回歸結果可以看出， 東、中、西部地區模型中金融集聚對科技創新影響的直接效應均顯著為正， 說明三大地區金融集聚程度的提高均能促進本地的科技創新， 但是其促進作用大小存在顯著的區域異質性。 不論是SDM模型還是空間調節模型， 金融集聚的科技創新效應均呈現西部最大、中部次之、東部最小的特征， 說明在西部地區金融集聚程度的提高對科技創新的促進作用最強， 其次為中部地區， 最后為東部地區。 因為相比其他地區， 東部是我國金融高度集聚的地區， 金融行業規模較大， 金融市場發展較為成熟， 隨著金融集聚程度的不斷提高， 集聚區逐漸呈現擁擠的態勢， 行業競爭壓力增加， 甚至出現創新資源浪費的現象; 中部地區和西部地區金融業處于快速發展期， 金融集聚區仍處于成長階段， 創新企業對資金的需求旺盛， 且西部地區的經濟發展水平低于中部地區， 因此金融集聚對科技創新的影響在西部地區作用最強， 中部次之， 東部最小。

政府支持的空間調節效應也存在顯著的區域異質性， 三個調節模型中政府支持的直接調節效應均呈現東部顯著為正、西部顯著為負、中部不顯著的特征， 說明東部地區政府支持能正向調節當地金融集聚對科技創新的促進作用， 西部地區政府支持對當地金融集聚與科技創新間的關系具有負向調節作用， 中部地區政府支持的調節作用不顯著。 因為金融集聚度高的東部地區金融創新頻率高， 導致金融風險增加， 降低了金融監管的有效性和金融體系的穩定性， 而政府對科技創新的支持有利于引導金融市場有序發展， 降低金融風險， 促使更多的資金流向科技創新領域， 因此能產生正向調節作用; 西部地區金融集聚尚處于發展初期， 各地區對金融資源、創新資源的爭奪激烈， 金融市場發展不完善， 企業科技創新技術不成熟， 導致政府無法準確地把握市場環境及其變化， 再加上信息不對稱的影響， 政府支持可能會錯誤地引導創新的方向， 產生負向調節作用; 中部地區相較于西部地區金融集聚度較高， 相較于東部地區金融集聚度較低， 因此， 中部地區政府對創新的支持可能處于由負向調節向正向調節轉變的階段， 調節作用不顯著。

六、結論與政策建議

（一）結論

本文借鑒LeSage和Pace[34] 定義的空間效應矩陣， 創新性地提出變量的空間調節效應矩陣， 運用2006 ～ 2016年我國285個地級及以上城市的面板數據， 首先構建空間杜賓模型和空間調節模型研究金融集聚的科技創新效應及政府支持的空間調節效應， 然后進一步對變量的直接效應、間接效應和總效應進行多維度空間分解， 并按照傳統的區位劃分法進行分地區研究， 以捕捉“空間效應”的地區差異。 研究結果表明：金融集聚不僅能促進本地的科技創新， 而且能產生空間溢出效應帶動周邊地區科技創新的發展; 進一步地， 金融集聚對科技創新的影響存在顯著的區域異質性， 西部的影響最強， 其次為中部， 最后為東部。 整體來看， 當地政府支持具有顯著為正的直接調節效應， 能增強本地區金融集聚對科技創新的促進作用， 但對周邊鄰近地區的空間調節作用主要是通過本地區科技創新的空間溢出效應實現的; 分地區來看， 東部地區政府支持正向調節當地金融集聚對本地科技創新的影響， 西部地區為負向調節， 中部地區則無顯著的調節作用。 金融集聚對本地科技創新促進作用最強的城市主要分布在我國關中天水地區、山東半島和中原城市群。 此外， 城市間的聯動政策產生了“1+1>2”的效果， 與只考慮當地政府支持產生的直接調節效應相比， 綜合考慮周邊地區和本地區政府支持的聯動影響時， 產生的直接調節效應更強。

（二）政策建議

綜合以上結論， 本文提出以下幾點政策建議：

第一， 要統籌考慮金融集聚區域間的金融發展， 合理規劃金融中心的布局。 例如， 減少地方保護主義， 破除地區制度性壁壘， 建立區域間科技人才流動協作機制和創新資源共享平臺， 構建能夠突破行政區域約束的科技創新資源網絡; 推動戶籍制度改革， 降低創新人才的落戶門檻， 促使創新資源、人才能向集聚區周邊地區流動， 帶動周邊地區的科技創新， 縮小區域發展差距。

第二， 鑒于政府支持調節效應的區域異質性， 中央應避免出臺“一刀切”式的創新支持政策， 應采取“差別化”的扶持政策。 對具有正向調節效應的東部地區， 政府不能完全放任金融市場自由發展， 應加強對金融市場的監管與調控， 加大對創新的支持力度; 對具有負向調節效應的西部地區， 政府應減小對科技創新的干預， 促進西部地區金融市場的發展， 提高西部城市的金融集聚程度， 使金融能更好地為實體經濟服務， 促進科技創新。

第三， 必須重視政府政策的空間聯動性， 地方政府創新支持政策應注重“點”與“面”結合， 實現以點帶面的綜合發展。 也就是說， 各城市不僅要關注自身的創新政策， 還需關注鄰近地區的創新政策， 對整個集聚區域而言， 應從整個城市群的視角審視政府支持對金融集聚與科技創新間的調節效應， 嘗試在整個城市群范圍內建立城市間創新政策的聯動機制， 發揮聯動政策“1+1>2”的效果。

【 主 要 參 考 文 獻 】

[1] 黃解宇.金融集聚的內在動因分析[ J].工業技術經濟，2011（3）：129 ～ 136.

[2] 孫建國，高巖.金融集聚對技術進步的影響機制研究——基于城市與空港經濟區比較視角[ J].經濟經緯，2019（5）：17 ～ 24.

[3] 于斌斌.金融集聚促進了產業結構升級嗎：空間溢出的視角——基于中國城市動態空間面板模型的分析[ J].國際金融研究，2017（2）：12 ～ 23.

[4] 劉海飛，賀曉宇.金融集聚、政府干預與企業創新行為——基于中國制造業企業的微觀證據[ J].財經論叢，2017（8）：104 ～ 112.

[5] 洪銀興.論創新驅動經濟發展戰略[ J].經濟學家，2013（1）：5 ～ 11.

[6] 解維敏，唐清泉，陸姍姍.政府R&D資助，企業R&D支出與自主創新——來自中國上市公司的經驗證據[ J].金融研究，2009（6）：86 ～ 99.

[7] 呂曉軍.政府補貼與企業技術創新投入——來自2009～2013年戰略性新興產業上市公司的證據[ J].軟科學，2016（12）：1 ～ 5.

[8] 張東紅，殷龍，仲健心.政府研發投入對企業研發投入的互補與替代效應研究[ J].科技進步與對策，2009（17）：4 ～ 8.

[9] Guo D.， Guo Y.， Jiang K.. Government Subsided R&D and Innovation Outputs： An Empirical Analysis on China's Innofund Program Stanford Center for International Development[Z]. Working Paper，2015.

[10] 李晉，鄧峰.政府R&D補貼投入對技術創新產出能力影響機制研究——基于5個高技術行業面板數據的實證分析[ J].科技進步與對策，2013（13）：67 ～ 71.

[11] Alexander Galetovic， Stephen Haber， Ross Levine. An Empirical Examination of Patent Holdup[ J].Journal of Competition Law & Economics，2015（11）：549 ～ 578.

[12] 孫早，許薛璐.前沿技術差距與科學研究的創新效應——基礎研究與應用研究誰扮演了更重要的角色[ J].中國工業經濟，2017（03）：5 ～ 23.

[13] Garrett-Jones S.. From Citadels to Clusters： The Evolution of Regional Innovation Policies in Australia[ J].R& D Management，2004（1）：3 ～ 16.

[14] 楊亭亭，羅連化，許伯桐.政府補貼的技術創新效應：“量變”還是“質變”？[ J].中國軟科學，2018（10）：52 ～ 61.

[15] Kukalis S.. Agglomeration Economies and Firm Performance： The Case of Industry Clusters[ J].Journal of Management，2010（2）：453 ～ 481.

[16] Bossone B.，Lee J. K.. In Finance，Size Matters： The "Systematic Scale Economies" Hypothesis[ J].Imf Staff Papers，2004（1）：19 ～ 46.

[17] Poon J. P. H.. Hierarchical Tendencies of Capital Markets Among International Financial Centers[ J].Growth & Change，2010（2）：135 ～ 156.

[18] Xu Z.. The Impact of Financial Agglomeration on Financial Industry： An Analysis of the Pathways and Effects[ J].Journal of Business Economics，2015（26）：85 ～ 86.

[19] Lall S. V.， Shalizi Z.， Deichmann U.. Agglomeration Eco-

nomies and Productivity in Indian Industry[ J].Social Science Electronic Publishing，2004（2）：643 ～ 673.

[20] 黎杰生，胡穎.金融集聚對技術創新的影響——來自中國省級層面的證據[ J].金融論壇，2017（7）：39 ～ 52.

[21] 張浩然.空間溢出視角下的金融集聚與城市經濟績效[ J].財貿經濟，2014（9）：51 ～ 61.

[22] 李新功.政府R&D資助、金融信貸與企業技術創新[ J].管理評論，2016（12）：54 ～ 62.

[23] Kleer R.. Government R&D Subsidies as a Signal for Private Investors[ J].Research Policy，2010（10）：1361 ～ 1374.

[24] Carboni Oliviero A.. R&D Subsidies and Private R&D Expenditures： Evidence from Italian Manufacturing Data[ J].International Review of Applied Economics，2011（4）：419 ～ 439.

[25] 鄭緒濤，柳劍平.促進R&D活動的稅收和補貼政策工具的有效搭配[ J].產業經濟研究，2008（1）：26 ～ 36.

[26] 白俊紅，李婧.政府R&D資助與企業技術創新——基于效率視角的實證分析[ J].金融研究，2011（6）：181 ～ 193.

[27] 章元，程郁，佘國滿.政府補貼能否促進高新技術企業的自主創新？——來自中關村的證據[ J].金融研究，2018（10）：123 ～ 140.

[28] Alecke B.， Mitze T.， Reinkowski J.， et al.. Does Firm Size Make a Difference？ Analysing the Effectiveness of R&D Subsidies in East Germany[ J].German Economic Review，2012（2）：174 ～ 195.

[29] 卓乘風，鄧峰.創新要素流動與區域創新績效——空間視角下政府調節作用的非線性檢驗[ J].科學學與科學技術管理，2017（7）：15 ～ 26.

[30] 姜磊.市場化對中國能源消費強度調節作用的實證研究——基于空間計量模型的分析[ J].上海經濟研究，2012（6）：84 ～ 97.

[31] 卓乘風，鄧峰.FDI與絲綢之路經濟帶創新能力提升——基于基礎設施投資的空間異質性調節作用[ J].國際商務，2018（3）：99 ～ 109.

[32] 宛群超，楊曉嵐，鄧峰.外商直接投資如何影響省域創新效率——兼論環境規制的空間調節效應[ J].科技管理研究，2018（5）：14 ～ 21.

[33] LeSage J. P.， Pace R. K.. Introduction to Spatial Econometrics[M].Boca Raton， US： CRC Press Talor&Francis Group，2009：1 ～ 374.

[34] LeSage J. P.， Pace R. K.. Spatial Econometric Modeling of Origin-Destination Flows[ J].Reginal Science，2008（5）：941 ～ 967.