我國科技創新與金融發展的耦合協同測度
——基于VIF-變異系數的篩選

朱佳慧， 于麗英

(上海大學管理學院， 上海 200444)

科技創新作為“第一生產力”促進了社會生產率的提高; 金融發展作為“第一推動力”為科技創新的投入、產出注入了金融資源.已有的關于科技與金融發展關系的研究， 主要從兩個視角展開.

一是單向影響的角度， 研究了金融發展對科技創新的影響， 或是科技創新對金融發展的作用.Ang[1]提出金融要素對科技研發活動具有重要影響， 且資本市場對創新型增長模式具有促進作用.Popov 等[2]提出了金融市場中的風險投資對企業科技創新的影響.Chowdhury等[3]選取發達國家和新興國家作為研究對象， 認為金融結構發展能夠明顯帶動研發投入增加.Schinckus[4]認為電子信息技術變革能夠帶動金融創新、金融機構和市場運行效率的較大提升.蘆峰等[5]結合科技創新的不同發展階段選取指標， 分析了科技金融對科技創新不同發展階段的影響.

二是相互影響的角度.Zhou 等[6]基于空間計量的方法， 提出金融發展對技術創新具有推動作用， 技術創新可帶動金融發展.Perez[7]提出金融資源和科技創新的高度耦合， 能較好地促進科技創新的發展和金融市場的繁榮.譚躍等[8]基于產出協同視角構建了協同效應測度指標體系， 對廣東省科技創新與金融市場的協同效應進行了分析.王宏起等[9]運用協同學原理構建了系統協同度模型， 對科技創新和科技金融間的關系進行了研究.

我國科技創新與金融發展的有機結合是實現經濟發展方式轉變、建設創新型國家、提高國際競爭力的重大戰略舉措.但鑒于科技創新活動比較復雜、金融發展動態多變， 目前國內外對如何測度二者的耦合協同關系， 尚未建立一個標準的體系， 在指標選取方面主觀性較強.因此， 本工作旨在提出一種客觀選取指標的方法， 以期對科技創新與金融發展的耦合協同關系作出相對科學合理的評價.

1 評價指標體系構建

本工作基于耦合協同原理及科技創新與金融發展的內涵， 進行指標的初選.針對指標冗余、指標不具代表性等問題， 借鑒文獻[10-11]中評價體系的確定方法， 構建VIF-變異系數法對指標進行篩選， 其中方差膨脹因子(variance inflation factor， VIF)可對指標的共線性問題進行檢驗， 變異系數可篩選信息含量大的指標.

1.1 指標的初選

1.1.1 指標選取

耦合協同是通過兩個或兩個以上系統間的相互作用與影響而形成的一種作用機制.科技與金融兩子系統之間通過耦合協同機理， 共同推動資源及要素配置、產業結構優化， 從而形成科技金融協同一體化的經濟發展體系[12].科技創新體現在研發、成果轉化等各項科技活動中，通過人財物等方面的創新要素投入， 帶來知識、技術、產品等方面的科技創新產出[13]， 因此在指標選擇時主要考慮創新投入與創新產出兩個方面.金融發展就是金融結構不斷優化、金融資源有效配置的過程， 因此指標選擇多考慮功能性和效率性， 主要體現在金融總量發展、金融結構優化和金融效率提升3 個方面[14].通過充分參考已有的關于科技、金融相關指標的研究成果， 建立了包含89 個指標的初步評價指標體系， 其中測度科技創新的指標有54 個， 測度金融發展的指標有35 個， 具體如表1 所示.

表1 科技創新與金融發展的耦合協同評價指標集Table 1 Coupling synergy evaluation indicator set of Sci-Tech innovation and financial development

1.1.2 指標值標準化

為了便于對數據進行分析及處理， 通過式(1)對指標值進行標準化處理， 即

式中:xij為j地區i指標的原始數值;pij為j地區i指標標準化后的值.

1.2 基于VIF-變異系數法的指標篩選步驟

(1) 基于VIF， 刪除具有多重共線性的指標， 消除指標間的信息冗余.

首先， 對指標變量i和解釋標量除i以外的其他指標進行回歸.其次， 計算指標變量i的可決系數R2i(見式(2))， 用來反映指標變量i與其他指標的相關度， 值越小表明與其他指標所反映的信息越不同.最后， 計算指標變量i的方差膨脹因子VIFi(見式(3))， 用來判定指標變量i與其他指標是否存在多重共線性.若VIFi ＞10， 則指標變量i與其他指標存在多重共線性，刪除指標變量i.

式中:為指標變量i的可決系數; VIFi為指標變量i的方差膨脹因子;為j地區指標變量i的估計值;為指標變量i的均值.

(2) 求變異系數， 計算指標信息含量.

借助式(4)對指標變量i的變異系數vi進行計算， 用來表示指標所能代表的信息量.vi值越大， 則指標變量i所包含的信息越多、越具有代表性; 反之， 所包含的信息就越少.以指標層內所有指標變異系數的均值作為判斷標準， 刪除小于均值的指標， 從而篩選出更具代表性的指標.

(3) 通過計算信息貢獻率， 對評價指標進行合理性判斷.

借助式(5)計算篩選后的指標體系的信息貢獻率In.參考文獻[11]， 以低于30%的原始指標反映85%以上的原始信息作為合理性判斷的標準， 篩選出最終的評價指標體系， 即

式中:S表示指標矩陣的協方差陣;trS為協方差陣的跡;Ss為最終指標矩陣的協方差陣;Sh為初始指標矩陣的協方差陣.

1.3 評價指標體系的確定

選取2016 年我國28 個省市的數據(基于數據的可得性， 避免部分省的指標值偏差過大，不包括新疆、西藏、海南三省自治區)進行指標篩選.利用式(1)完成指標數據的標準化處理.基于VIF-變異系數法， 對標準化后的指標數據進行篩選.以金融總量發展指標為例， 描述篩選過程.

1.3.1 第一次篩選: VIF 篩選

通過回歸分析計算可決系數R2i， 并將其代入式(3)中， 得到“金融總量發展”下各指標的VIF 分別為7.724， 6.170， 9.036， 8.822， 36.025， 64.143， 2.904， 15.867， 13.699， 5.926， 24.609，55.158， 刪除VIF＞10 的指標， 保留了“金融機構存款”“金融機構貸款”“社會融資規?！薄暗谌a業稅收”“原保費收入”“金融機構數”6 個指標.

1.3.2 第二次篩選: 變異系數篩選

根據式(4)計算這6 個指標的vi分別為0.940， 0.821， 0.774， 0.716， 0.613， 0.702， 均值為0.761， 其中0.940， 0.821， 0.774 大于均值， 因此保留“金融機構存款”“金融機構貸款”“社會融資規?！边@3 個信息含量大的指標.

用同樣的方法實現對“人力投入”“物力投入”“財力投入”“創新知識”“創新產品” 以及“金融結構發展”“金融效率發展”相關指標的篩選.在“科技創新”子系統中， “創新知識”指標較少且具有代表性， “創新技術”指標間具有較大的相關性， 可直接進行變異系數篩選， 其他指標則依次進行第一次和第二次篩選， 最終保留了11 個科技創新指標.“金融發展”子系統最終共保留10 個金融發展指標.

1.3.3 信息貢獻率檢驗

根據式(5) 計算篩選后的“金融發展”指標協方差陣的跡， 以及初始協方差陣的跡， 得到信息貢獻率為0.362/0.377=96.02%.同樣地， 得到篩選后的“科技創新”指標的信息貢獻率為85.63%， 均滿足標準.表2 中的評價指標體系可用于科技創新與金融發展的耦合協同測度.

表2 科技創新及金融發展的評價指標體系Table 2 Sci-Tech innovation and financial development evaluation indicator system

2 耦合協同測度

2.1 耦合協同測度模型

為了測度科技創新和金融發展兩系統相互耦合、協同發展的程度， 借鑒王宏起等[9]以及王明英[15]的耦合測度模型， 構建耦合協同測度模型為

式中:Z為耦合協同度， 反映了科技創新與金融發展系統動態發展的整體協同程度， 取值范圍為[0，1];C為科技創新及金融發展兩個子系統的耦合度， 取值范圍為[0，1];F為兩系統耦合協同綜合發展指數;U1，U2分別為科技創新與金融發展的綜合發展指數;α，β分別為兩個子系統綜合發展指數的系數， 兩系統間的耦合作用效果相等，α，β均取0.5.借鑒張勇等[18]的劃分標準， 把C值劃分為6 組， 對應不同的耦合階段.綜合武玉英等[16]、張怡夢等[17]對耦合協同度的劃分標準， 為了便于集中分析， 增大耦合協同度區間， 把Z值劃分為7 組， 對應不同的協同發展水平， 具體如表3 所示.

表3 耦合協同度劃分標準Table 3 Coupling synergy degree standard

2.2 耦合協同測度方法

2.2.1 指標權重的計算

根據篩選后的指標體系， 獲取2007～2016 年我國總體及試點地區科技創新和金融發展的各指標數據， 進行標準化處理， 并利用熵值法確定各指標的權重， 得到如表4 所示的計算結果.

表4 科技創新及金融發展的指標權重Table 4 Sci-Tech innovation and financial development indicator weight

2.2.2 耦合協同測度

借助式(8)， 對第k年兩個子系統的綜合發展指數進行計算， 并結合式(6)和(7)對耦合度和耦合協同度的計算， 完成第k年我國總體及區域科技創新及金融發展耦合協同測度， 即

式中:U1，k為第k年科技創新子系統的綜合發展指數;U2，k為第k年金融發展子系統的綜合發展指數;l為11 個科技創新指標;uik為第k年指標變量i的發展指數;wi為指標變量i的權重.

3 實證結果分析

3.1 總體耦合協同分析

通過耦合協同測度得到兩個子系統的綜合發展指數、耦合度和耦合協同度， 并參照表3 的標準作出如下評價， 結果如表5 和圖1 所示.

由表5 可以發現: 2007～2016 年科技創新和金融發展的耦合度位于[0.3， 0.5]之間， 均處在頡頏階段; 耦合協同度的變化范圍為[0.215， 0.648]， 由高度不協同發展轉變為低度協同發展.

表5 我國科技創新與金融發展耦合協同測度Table 5 Coupling synergy measurement of Sci-Tech innovation and financial development in China

由圖1 可以發現: 科技創新綜合發展指數逐年遞增， 2012～2016 年平穩快速增長; 金融發展綜合發展指數在2008 年出現明顯下降， 2009 年急劇上升， 2010 和2011 年增速變緩， 2012 年之后穩步快速上升; 除2007 年外， 我國金融發展普通滯后于科技創新; 2007～2016 年耦合協同度不斷上升， 2009 年耦合協同度增長較快， 此后階段性緩慢增長， 且2015 和2016 年耦合協同度發展緩慢.

圖1 2007～2016 年我國科技創新與金融發展的耦合協同發展水平Fig.1 Coupling synergy development level of Sci-Tech innovation and financial development in China from 2007 to 2016

3.2 區域耦合協同分析

為促進我國科技創新與金融發展的耦合協同發展， 2010 年《促進科技和金融結合試點實施方案》首次確定了16 個促進科技創新與和金融發展的結合試點地區.本工作選擇試點地區所在的北京、上海、天津、重慶、江蘇、浙江、廣東、安徽、遼寧、山東、湖北、湖南、四川、陜西、甘肅15 個省市作為實證對象， 得到了各地區的耦合協同度， 并從時間維度描述了耦合協同度的發展趨勢(見圖2).

由圖2 可以發現: 2007～2016 年區域科技創新與金融發展的耦合協同度由低于0.3 逐步提升到0.6 以上， 由高度不協同發展轉變為中度協同發展; 試點地區的耦合協同度大多高于我國總體水平， 科技創新與金融發展良好; 區域科技創新與金融發展的耦合協同發展趨勢大體相同， 但耦合協同差距較明顯， 其中北京、上海、江蘇、浙江、山東、廣東等東部試點地區的耦合協同度明顯高于中西部地區.

圖2 區域科技創新與金融發展的耦合協同度變化Fig.2 Coupling synergy degree change of regional Sci-Tech innovation and financial development

4 建 議

我國科技創新與金融發展兩系統相互影響、相互制約， 但二者的耦合度較低， 耦合協同度也偏低， 區域科技創新與金融發展耦合協同度存在差異， 且發展不均衡， 為此提出以下幾點建議.

(1) 充分認識科技創新與金融發展協同的重要性， 創新金融發展制度， 優化金融政策環境，加強政府財政政策引導.完善頂層設計， 發揮銀行、金融機構等融資渠道的推動作用， 完善金融市場的自我調節及篩選機制， 保障科技創新投資風險， 構建科技支持信貸體系， 提供科技服務支持.

(2) 推動區域科技創新與金融發展的耦合協同， 持續開展科技和金融結合試點工作， 發揮大城市、金融中心等的輻射帶動作用， 縮小區域差距.借助“一帶一路”帶動發展的有利契機，通過東部地區技術擴散， 帶動中西部地區科技創新發展、產業結構升級， 實現區域科技和金融均衡發展.

(3) 借助網絡大數據分析技術， 因地制宜地打造專業、高效的科技金融網絡平臺.一方面規范各類主體的信息披露機制， 加強信息披露及金融監管， 有效控制風險; 另一方面促進知識、技術、信息、資金在東部與中西部地區間、高科技企業與中小型企業間的流動， 實現信息共享與價值增值， 提升區域創新能力.