基于熵值法的中國科技金融對實體經濟 增長貢獻度研究

[摘 要]以2009—2018年全國31個省份的面板數據為藍本，利用熵值法測算各省份的科技金融發展水平，運用線性分析法測算各省份科技金融對實體經濟增長的貢獻度，并將31個省份劃分為四類地區進行聚類分析。結果顯示：中國科技金融發展的速度提升較快，東部地區的科技金融指數明顯高于中西部地區，而且四類地區的區域異質性明顯。因而優化科技金融的資源配置、加快科技金融的平臺建設，能夠促進科技金融更好地服務于實體經濟的發展。

[關鍵詞]熵值法;科技金融;科技創新;貢獻度

[中圖分類號]F124 [文獻標識碼]A [文章編號]1671-8372（2021）03-0039-08

Study on the contribution degree of sci-tech finance to real economy growth in China based on entropy method

ZHAO Yu-zhen，CHU Gui-min

（College of Economics and Management， Qingdao University of Science and Technology， Qingdao 266061， China）

Abstract：Based on the panel data of 31 provinces in China from 2009 to 2018， this paper uses entropy method to measure the development level of sci-tech finance in each province， uses linear correlation to measure the contribution of sci- tech finance in each province to the growth of real economy， and divides 31 provinces into four categories for cluster. The results show that the development of sci-tech finance in China is fast， the index of sci-tech finance in the eastern China is obviously higher than that in central and western China， and the regional heterogeneity of the four types of regions is obvious. Therefore， through optimizing the resources allocation of sci-tech finance， and accelerating the construction of sci-tech finance platform， sci-tech finance can be promoted to better serve the development of real economy.

Key words：entropy method; sci-tech finance; sci-tech innovation; contribution degree

隨著中國經濟步入新常態的發展階段，單純依靠數量、人力和投資來驅動經濟增長的傳統發展模式已舉步維艱，大力發展依靠科技驅動經濟增長的新產業、新業態、新模式勢在必行。為適應新時代的發展步伐，中國政府提出以科技創新驅動經濟發展，以創新引領經濟發展新常態，推進中國經濟平穩健康的可持續發展。要創新自然離不開金融的支持。在中國現代化的進程中，金融業的快速發展對于中國國民經濟持續穩定的增長功不可沒。然而資本在逐利本質的驅動下出現了金融資產泡沫化、產業空心化等問題，金融和實體經濟發展不匹配的問題日益凸顯。因此，引導金融資產進入科技創新領域，推動實體經濟的發展成為我國經濟轉型升級的關鍵。從利用科技來驅動經濟結構的升級轉型，到依靠創新來推動實體經濟的發展，得益于中國在借鑒發達國家科技金融發展經驗的同時，根據中國的具體國情而制定的具有中國特色的科技金融發展政策。科技金融因此成為中國轉變經濟增長方式、推動產業結構轉型升級、實現新舊動能轉化的必然選擇，受到了理論界和實業界的廣泛關注和重視。因此，新形勢下測度中國各省份科技金融的發展水平，研究各區域科技金融對實體經濟增長的貢獻度具有重要的理論價值和現實意義。

一、文獻綜述

在中國，“科技金融”一詞是深圳市科技局在1993年提出的，隨后全國各地相繼成立了科技金融促進會，迎來了中國科技金融市場的大發展時期。隨著中國科技金融市場的不斷發展和成熟，學術界對于科技金融內涵、科技金融發展模式等方面的研究形成了完整的理論體系。圍繞科技金融發展水平、科技金融發展效率、科技金融與經濟增長關系的研究成為新熱點。

西方發達國家金融市場相對成熟，建立了一套完整的科技創新制度。通過文獻調研發現國外學者大多熱衷于研究金融對于科技創新的影響，對于科技金融的效率測度較少。阿塔納索夫（Atanassov）研究了美國2000多家上市公司的數據，實證分析發現企業在通過資本市場進行技術創新融資的過程中，企業所擁有的知識產權是重要的影響因素之一[1];瓦奇泰爾（Wachtel）和盧梭（Rousseau）對美國上千家公司的調研數據顯示，獲得長期融資的公司面對的資金壓力較小，因而比獲得短期融資的公司更有可能研發出高質量的創新技術[2]。而中國學者一般是圍繞科技金融發展水平和發展效率展開研究。曹顥等通過對科技金融的經費指數、資源指數、產出指數和貸款指數的聚類分析，測算科技金融的發展指數，發現科技經費指數和科技產出指數并非呈現正相關關系，因此提出對科技經費的使用效果進行深入研究[3]。張明龍運用傳統的DEA-Malmquist效率測算方法對中國科技金融的效率測算后，發現近年來中國科技金融效率呈現U型[4];薛曄等利用熵權法和貝葉斯隨機模型對中國30個省份的科技金融發展效率進行測算后發現，整體上中國科技金融效率不斷上升，但中西部地區科技金融效率相對較低值得關注[5];陳亞男和包慧娜選擇科技金融資源指數、經費指數和產出指數三個一級指數，測算出中國科技金融發展指數逐年上升，但科技金融經費指數對于效率指數的貢獻度最大[6];龍云飛等構建了科技金融投入指標體系和產出指標體系，運用PCA-DEA-Moran指數測算發現我國各省份的科技金融發展不均衡問題突出[7]。可見，中國學者大多是將科技金融細化為多個細分指標，利用算術平均數法、層次分析法和專家賦值法、熵值法等進行測度。

此外，中外學者對于金融對經濟增長的影響也進行了大量的研究。金（King）和萊文（Levine）利用內生增長模型驗證了科技金融是經濟增長的重要影響因素之一[8];瓦奇泰爾（Wachtel）和盧梭（Rousseau）對部分國家1960—1989年的數據進行測算發現金融對于經濟增長的促進作用有限[9];梅隆（Méon）和威爾（Weill）分析了47個國家1980—1995年的數據，利用隨機前沿模型驗證了金融對于經濟增長具有重要作用[10];克切蒂（Cecchetti）等實證分析發現金融對實體經濟的促進作用存在門檻效應，如果金融規模快速增長可能會產生金融泡沫抑制實體經濟的增長[11]。中國學者韓雪飛和趙黎明在協整檢驗的基礎上，構建模型測算得出1992—2011年中國科技金融投入與經濟增長存在雙向促進關系[12];張林對金融發展、科技創新與實體經濟增長的關系進行驗證發現科技創新能力與實體經濟增長呈現較強的正相關關系[13];鄭磊等的研究發現只有經濟發展水平達到一定程度，科技金融才會對科技創新和經濟發展起到促進作用[14];張芷若、古國峰對中國30個省份2006—2017年的科技金融發展進行實證分析驗證了科技金融對于區域經濟增長具有推動作用[15]。

綜上可知，中外學者對于科技金融效率測度的研究相對充足，基本認同科技金融與經濟增長存在正相關關系，但對于科技金融與實體經濟增長的相關性研究較少。因此，本文采用兩階段研究法，即選取客觀性較強的熵值法測算中國各省份的科技金融指數，利用回歸分析測度各省份的科技金融對其實體經濟增長的貢獻度，擬為中國經濟在推動實體經濟的轉型升級、新舊動能的轉換等方面提供有建設性的建議。

二、中國各省份科技金融發展水平測算

（一）指標構建

科技金融是指由提供金融資源的資金供給主體和科技創新企業等資金需求主體共同組成的體系。資金供給主體為科技創新企業提供資金支持，資金需求主體通過對金融資源的合理利用實現企業科技進步，推動實體經濟增長。為了測度中國各省份科技金融的發展水平，本文遵循科學性、綜合性、客觀性、系統性的基本原則構建科技金融指數指標體系。科技金融指數指標體系的構建圍繞科技金融資源、科技金融經費、科技金融產出、產業科技發展和科技金融環境五個方面選取了16個指標，包含2009—2018年的相關數據（見表1）。表1的指標數據來源于中國統計年鑒、中國金融統計年鑒、中國高技術統計年鑒、中國科技統計年鑒和CNKI大數據研究平臺，對于部分缺失數據采用插值法補齊。

（二）研究方法

已有研究對于科技金融發展水平多采用指數方法測定，而科技金融指數測度的關鍵在于各評價指標權重的確定。熵值法不但可以客觀地確定指標權重，而且可以最大化地保留原始數據的信息。因此，本文選擇通過熵值法來確定科技金融指數的權重，利用線性加權求和的方法計算各省份科技金融發展水平的綜合得分。

第一步，對數據進行標準化處理。由于原始數據量綱不同，因此需要先對數據進行標準化處理，將所有指標變量記為" " " "，指標體系可以表述為：

（1）

式（1）中，i代表省份，j代表指標，n代表時間（i=1，2，…，31;j=1，2，…，16;n=1，2，…，n）。以2009年為基期年份，基期年份第j個指標的最小值為

，基期年份第j個指標的最大值為" " " " " " "，

假設對" " 指標進行標準化后的值為" "，標準化方法如下：

（2）

第二步，計算指標權重。第n年第j項指標下第i個記錄所占比重如下：

（3）

第三步，計算指標信息熵。第n年第j個指標的信息熵如下：

（4）

式（3）中，如果" " " " " " "，則式（4）中的" " " " " " 。

第四步，確定各指標的權重。第n年第j個指標的權重計算方法如下：

（5）

式（5）中，" " " " " " " " " " " " " " " "。

第五步，計算各省份的科技金融發展水平。采用線性加權求和的方法，計算第n年第i個省份的科技金融發展水平得分：

（6）

第六步，計算年度科技金融發展水平。將第n年各省份的科技金融得分相加，即可得到第n年全國的科技金融發展水平，表達式如下：

（7）

（三）各省份科技金融指數測算

采用上述熵值法計算中國31個省份近10年的科技金融指數（見表2）。從縱向看，中國31個省份的科技金融指數均值為0.42，高于全國平均數的省份有12個，其中排在前六名的是廣東、江蘇、北京、山東、浙江、上海，西部地區科技金融指數相對較低。從橫向看，各省份的科技金融指數平均水平不斷提高，平均值從2009年的0.177上升到2018年的0.583。但從單個省份的科技金融指數來看，各省份的科技金融指數差異還是比較大的。

1.科技金融指數高于0.6的省份。2009年只有北京的科技金融指數高于0.6，達到了0.643，處于一枝獨秀的地位。2014年則有6個省份的科技金融指數超過0.6，分別是江蘇、廣東、北京、山東、浙江、上海。2018年科技金融指數超過0.6的省份達到11個。從時間維度來看，各省份的科技金融發展水平均呈現上升趨勢，且這些科技金融指數較高的地區，無論在科技創新、金融資源，還是實體經濟發展等領域都具備較高的發展水平，成為中國經濟發展的領頭羊。比如北京作為中國政治、經濟和文化中心，積聚了各類高科技人才和高科技研究機構，研發創新了大量科技成果，為其高科技產業飛速發展提供了強大動力，其科技金融發展水平一直處于國內領先地位。

2. 科技金融指數位于0.3～0.6的省份。2009年科技金融指數位于這一區間的省份有4個，分別是江蘇、廣東、上海、山東。2014年科技金融指數達到0.3～0.6的省份有10個，分別是天津、河南、湖北、安徽、遼寧、湖南、福建、四川、陜西、重慶。2018年科技金融指數達到0.3～0.6的省份有9個，分別是福建、重慶、湖南、江西、陜西、遼寧、貴州、河北、廣西，截至2018年底，共有20個省份達到了0.3以上。這些省份的發展基礎相對較好，在國家科技強國戰略的支持下，科技金融指數獲得大幅提升;東部地區自身科技金融水平的不斷提高，也輻射帶動了周邊地區，推動這些地區科技金融指數快速上升。

3. 科技金融指數位于0.3以下的省份。2009年科技金融指數位于這一區間的共有26個省份，到了2014年減少到15個。2018年僅有10個省份的科技金融發展水平在0.3以下，包括西藏、青海、海南、寧夏、云南、甘肅、貴州、新疆、陜西、黑龍江。其中，西藏地區科技金融指數最低，僅有0.083。盡管從時間維度來看各省份的科技金融指數提高速度較快，但與東部沿海地區相比這些內陸地區的科技金融水平依舊較低。從需求的角度出發，這些偏遠落后地區的經濟實力相對薄弱，企業對科技金融產品的需求不高，影響了科技金融的發展。從供給的角度出發，一方面，這些地區企業的整體實力相對較弱、科技研發投入不足，導致科研創新成果相對較少，難以吸引風險投資的進入;另一方面，金融機構從資本逐利性和安全性角度出發愿意提供的科技金融資金數量有限。這兩方面的原因影響了當地科技金融的發展，并進而影響了經濟的發展。

綜上所述，盡管中國科技金融指數呈現不斷上升的趨勢，但各地區的科技金融指數發展不平衡，呈現東高西低態勢。東部地區由于地理位置、經濟發展水平和政策傾斜等優勢，科技金融指數明顯高于其他地區。因此下一步要積極加強區域間的合作，通過科技人才的流動和科技資源的轉移，帶動更多地區科技金融的發展。

三、科技金融和實體經濟關系實證分析

中國進入了經濟發展的新常態階段，對實體經濟的轉型升級和新舊動能轉換給予了高度關注。中共中央多次提到金融要服務于實體經濟，要不斷增強金融服務實體經濟的能力。科技金融可以為實體經濟的科技創新提供資金支持，并在鼓勵實體經濟科技創新的同時提高實體經濟的運行效益，推動實體經濟增長。但中國各省份的科技金融對實體經濟增長是否作出了貢獻，以及貢獻度是多少都需通過實證的檢驗。

（一）變量選擇及數據說明

本文參照劉文麗等科技金融對實體經濟增長的研究，除科技金融指數外，將各省份的實體經濟從業人員和固定資產投資額也納入自變量[16];用各地區實體經濟生產總值作為因變量。鑒于我國對實體經濟生產總值數據沒有單獨統計，本文借鑒張林、張維康的衡量實體經濟總產值采用的排除法，將各地區生產總值減去金融業增加值和房地產業增加值作為實體經濟總產值[13]。此外還用gdp表示經濟增長，用實體經濟的地區生產總值表示;ifa代表資本投入量，用全社會固定資產投資額減去房地產業固定資產投資額表示;lab代表勞動的投入，用實體經濟從業人員表示，實體經濟從業人員采用全社會從業人員減去金融業從業人員和房地產業從業人員的方法計算;tf代表科技金融要素，用科技金融指數代替，因此建立如下科技金融-實體經濟增長理論模型：

（8）

式（8）中，n代表研究年份，i代表研究的地區個數，a代表截距項，ε代表隨機誤差項，α、β分別表示實體經濟勞動力投入水平和全社會固定資產投資額對實體經濟產生的影響，γ表示科技金融指數對實體經濟產生的影響。

（二）多元線性回歸分析

本文的數據包括2009—2018年中國各省份的實體經濟地區生產總值、實體經濟固定資產投資額、實體經濟從業人員和科技金融發展水平。數據來源于中國統計年鑒、CNKI大數據研究平臺、wind數據庫等，對于部分缺失數據采用插值法補齊。

本文對數據進行標準化處理以消除數據之間量綱不同的問題。參照上述計算科技金融指數時標準化處理方法，以2009年為基期，對實體經濟地區生產總值（zgdp）、實體經濟固定資產投資額（zlab）和實體經濟從業人員（zifa）進行標準化處理。由于科技金融指數tf已經通過熵值法計算所得，不需要進行標準化處理。應用Eviews6. 0軟件，采用多元線性回歸法估計中國2009年科技金融對實體經濟增長的貢獻度。具體測算結果見表3。

表3中，R2統計量代表線性回歸方程的擬合優度，代表所得模型擬合值與實際觀測數值的吻合程度。通過測算所得來看，如果R2的值越大，則說明模型的擬合值與實際觀測值越接近，模型擬合優度越強。本模型R2為0.904，表明此模型的擬合優度相對較高。F統計量代表顯著性檢驗結果，主要用來判斷模型中自變量和因變量之間的線性關系，判斷方程的總體線性關系是否成立。F值為84.895，相應的概率值為0.000，可以推斷模型的總體線性關系成立。D-W統計量代表模型的序列相關性，用來判斷不同樣本點的隨機誤差是否相關。D-W檢驗值為2.3，與2接近，因而可以判斷此線性回歸模型的回歸殘差序列不相關。

根據表3的測算結果，得到如下回歸方程;

從式（9）可以得到各個變量的彈性系數。對其分析可知，實體經濟從業人口每增加1個百分點，實體經濟GDP就增加0.281個百分點;實體經濟固定資產投資額每增加1個百分點，實體經濟GDP就增加0.347個百分點;科技金融指數每增加1個百分點，實體經濟GDP就增加0.656個百分點。綜上，科技金融對于實體經濟GDP的貢獻度比實體經濟從業人口和固定資產投資額都高，這也證明了科技對于實體經濟推動作用的巨大力量[17]。

（三）縱向比較

采用上述方法，測算2009—2018年中國科技金融對實體經濟的影響，并進行了相關檢驗。中國科技金融對實體經濟的貢獻度見表4。

從表4可以看出，自2009年以來，中國科技金融對實體經濟的貢獻度呈現先降后升的趨勢。2008年金融危機之后，中國大幅度增加基礎設施建設，用投資刺激經濟的方法一定程度上帶動了實體經濟的發展，提高了固定資產投資對于實體經濟的貢獻度，但也在一定程度上擠占了科技對于實體經濟的貢獻空間。故而，中國調整了經濟政策，減少國家對經濟的干預程度，將經濟發展主體地位讓位于市場，使科技金融在實體經濟的發展過程中占據重要地位，科技金融對于實體經濟的貢獻度也因此得以不斷提高。

（四）橫向比較

采用上述方法，測算2009—2018年中國31個省份科技金融對實體經濟的影響，并進行了相關檢驗。各省份科技金融對實體經濟的貢獻度見表5。

由表5可知，科技金融對實體經濟貢獻度較大的省份有廣東、山東、浙江、遼寧、安徽、黑龍江。其中，科技金融對實體經濟貢獻度最大的是廣東省，其科技金融指數高達0. 813。上述地區都屬于實體經濟較發達的地區，也是科技金融指數較高的地區，可見實體經濟的發展和科技金融的發展息息相關，科技金融對于實體經濟發展起到了巨大的推動作用。科技金融對實體經濟貢獻度較小的省份有西藏、貴州、青海、寧夏、陜西，科技金融對實體經濟貢獻度最小的省份西藏僅有0. 010。上述地區多數屬于中西部地區，科技金融指數相對較低，可見實體經濟與科技金融發展程度是一致的。為具體分析不同區域、不同省份科技金融對實體經濟的貢獻度差異，本文以表5的數據為基礎，采用系統聚類的方法，打破東、中、西區域的限制，以便更好地分析各省份的差異。具體結果見圖1。

從圖1可以看出，中國31省份按照科技金融對實體經濟的貢獻度可以分為四大類：

第一類：浙江、山東、遼寧、安徽、廣東、黑龍江、山西、湖北。這8個省份的科技金融對實體經濟的貢獻度最高。其中，廣東、浙江、山東和湖北的科技金融指數在全國名列前茅，表明這些地區科技金融發展速度快，質量高，為當地實體經濟發展貢獻較大;遼寧、黑龍江依托國家振興東北工業基地的戰略，吸引優勢資源，促進了地區發展;安徽地理位置優越，與“江浙滬”三地接軌，依靠科技金融的正外部性大力發展實體經濟，促進地區經濟穩步增長;山西近年來持續推進物流降本增效促進實體經濟發展，持續推進技術創新為引導的能源革命等政策，使得山西科技金融為實體經濟發展提供了強大助力。

第二類：天津、河北、甘肅、上海、新疆、北京、福建、湖南。這8個省份的科技金融對實體經濟的貢獻度較高。其中，北京、上海、天津等地的科技金融發展指數很高，但科技金融對實體經濟貢獻程度并不突出，這和這些地區的經濟發展政策相關。比如北京從政治中心、文化中心和環境保護的角度出發，高度關注科技產業和科技創新，使得很多實體產業外遷，導致科技金融對實體經濟的貢獻度略遜一籌。而新疆、甘肅等地區由于地理位置等現實原因，地區經濟發展大多依靠實體經濟，因此這些地區雖然科技金融發展水平略低，但對實體經濟的貢獻度卻不低。

第三類：云南、重慶、吉林、廣西、內蒙古、四川、江西、河南、江蘇、海南。這10個省份的科技金融對實體經濟貢獻度較低，除江蘇外，其余省份的科技金融發展水平也較低。這主要是由其地區經濟的發展水平決定的。科技金融可以促進地區實體經濟增長，而地區經濟實力也可為科技金融發展提供強大支持。因此，上述省份一方面，應積極學習第一類與第二類地區的先進經驗，積極試點、多方探索，充分發揮科技金融的作用，鼓勵企業進行技術創新，以提高地區科技創新的能力，帶動地區實體經濟的發展;另一方面，要調動一切資源提高地區經濟發展水平，促進經濟結構的轉型升級，為科技金融的高水平發展提供后勤保障。

第四類：青海、寧夏、貴州、陜西、西藏。這5個省份的科技金融對實體經濟貢獻度最低，且科技金融發展水平也相對落后。對第四類地區而言，首先要培養地區的優勢產業;其次，政府需在此基礎上積極協調，加大資源傾斜，逐步提高科技金融發展水平。

綜上，從縱向看，中國2009年之后科技金融對實體經濟的貢獻度呈現先降后升趨勢;從橫向看，中國31省份科技金融對實體經濟的貢獻度差異較大。因此不同省份提出不同的科技金融政策更有利于地區經濟的平衡發展。此外還需鼓勵地區間科技金融資源的流動，發揮一類與二類地區的優勢，以帶動三類與四類地區的發展。

四、結論與對策建議

（一）結論

當前，加大科技創新力度是促進中國經濟高質量發展的關鍵一環，而創新離不開金融的支持。因此，引導金融資產進入科技創新領域，提升科技金融發展水平，進而推動實體經濟發展成為當前經濟轉型升級的關鍵。本文采用熵值法測算了中國31省份2009—2018年的科技金融指數，利用線性相關分析測算了科技金融對于實體經濟發展的貢獻度，并進行了縱向與橫向的比較。

1.縱向比較：中國科技金融發展水平提升速度較快，各地政府對于科技金融發展重視程度都在不斷提高，各省份的科技金融指數都有不同程度的提升。受2008年開始的世界金融危機以及國家宏觀政策調整的影響，中國科技金融對實體經濟的貢獻度呈現先降后升的趨勢，這更進一步證實了科技金融是推動實體經濟發展的驅動力[18]。此外，東部地區科技金融指數明顯高于中西部地區，各地區科技金融指數和經濟發展趨勢相吻合，形成“東強西弱”態勢。

2. 橫向比較：地區差異依舊存在。東部地區依托區位優勢與綜合經濟實力等因素，科技金融發展水平明顯高于中西部地區。然而科技金融對實體經濟的貢獻度在區域劃分上呈現多層次態勢，可以劃分為四類地區。其中，一、二類地區貢獻度較高，三、四類地區貢獻度較低。因此要發揮一、二類地區的帶頭作用，引導資源逐步向三、四類地區傾斜，加強三、四類地區科技金融體系的建設，讓科技金融在企業創新和經濟發展中發揮更大作用。

（二）對策建議

基于以上研究結論，為了提高各地區科技金融發展水平，讓科技金融更好地服務于實體經濟，成為推動實體經濟增長的引擎，為地區經濟發展注入持續動力，本文提出以下對策建議。

1.加快完善地區科技金融服務體系，優化科技金融服務平臺。憑借區位優勢和經濟優勢，東部地區在吸引科技金融資源方面占據絕對優勢，但科技金融資源的不均衡流動也拉大了東部地區和中西部地區科技創新能力的差距，長此以往勢必會導致更大的地區發展不平衡。因此，中西部地區應借鑒東部地區科技金融服務體系的建設經驗，通過加強科技創新的力度，優化科技金融服務平臺，提升市場配置金融資源的能力;通過深化金融市場的改革機制，推動資本市場的加速發展;通過創新資產證券化模式，吸引更多的社會資本流入科技金融領域;通過建立完善的信用評價機制，減少科技金融供給方和科技金融需求方的信息不對稱，降低科技金融供給方的風險;通過鼓勵保險公司、擔保公司等機構為科技金融服務提供風險擔保，分擔金融機構的風險;通過引導金融資源向科技領域和實體經濟科研項目傾斜，完善科技與金融的融合發展機制。

2. 鼓勵科技金融與實體經濟的進一步融合發展。地方政府應引導科技金融服務于實體經濟，提高金融資源供給與實體經濟需求之間的匹配度;應跟蹤資金使用流向，積極提高資金使用效率，提高實體經濟的科技產出;應鼓勵科研機構和高等院校的科研成果向實體經濟轉移，不斷提高實體經濟的競爭力;應鼓勵科技與金融協同發展，提高科技金融服務于實體經濟的能力，進一步帶動地區科技金融和實體經濟發展水平的提高。

3. 鼓勵經濟發達地區帶動周邊地區，促進科技金融與區域經濟的協同發展。中央要持續加大對于落后地區的科技金融支持力度，鼓勵不同地區的分工協作，利用一、二類地區的優勢帶動三、四類地區的發展，促使科技金融為三、四類地區帶來新的經濟增長點。同時，還要完善科技金融和科技創新的激勵機制，引導科技金融資金和科技金融人才向落后地區轉移，擴大科技金融的空間輻射能力，帶動劣勢地區的科技金融與區域經濟的加速發展，進而成為推動我國經濟穩步發展的堅實后盾。

[參考文獻]

ATANASSOV J，NANDA V K，SREA A." Finance and innovation：the case of publicly traded firms [D]." Michigan：Ross School of Business，2007.

WACHTEL P，ROUSSEAU P L." What is happening to the impact of financial deepening on economic growth？ [J]. Economic Inquiry，2011（1）：276-288.

曹顥，尤建新，盧銳，陳海洋. 我國科技金融發展指數實證研究[J]. 中國管理科學，2011（3）：134-140.

張明龍. 我國金融支持科技創新的效率評價：基于超效率DEA與Malmquist指數方法[J]. 金融發展研究，2015（6）：18-25.

薛曄，藺琦珠，高曉艷. 中國科技金融發展效率測算及影響因素分析[J]. 科技進步與對策，2017（7）：109-116.

陳亞男，包慧娜. 科技金融發展對產業結構升級影響的實證分析[J]. 統計與決策，2017（15）：170-173.

龍云飛，楊慧，朱艷. 基于PCA-DEA-Moran指數的科技金融發展效率評價研究[J]. 貴州財經大學學報，2018（3）：54-63.

KING R G. ，LEVINE R." Finance，entrepreneurship and growth：theory and evidence [J]. Journal of Monetary Economics，1993（32）：513-542.

WACHTEL P，ROUSSEAU P L." Inflation thresholds and the finance-growth nexus [J]." Journal of International Money and Finance，2002（6）：777-793.

MéON P J，WEILL L." Does financial intermediation matter for macroeconomic performance？ [J]. Economic Modeling，2009（1）：296-303.

CECCHETTI S G，KHARROUBI E." Reassessing the impact of finance on growth[R]." Basel：Bank for International Settlements，2012.

韓雪飛，趙黎明. 我國科技金融與經濟發展相互作用的協整分析[J]. 科技與經濟，2013（5）：66-70.

張林，張維康. 金融服務實體經濟增長的效率及影響因素研究[J]. 宏觀質量研究，2017（5）：47-60.

鄭磊，張偉科. 科技金融對科技創新的非線性影響：一種U型關系[J]. 軟科學，2018（7）：16-20.

張芷若，谷國峰. 科技金融對區域經濟增長的影響：基于空間計量經濟學方法[J]. 工業技術經濟，2019（9）：131-139.

劉文麗，郝萬祿，夏球. 我國科技金融對經濟增長影響的區域差異：基于東部、中部和西部面板數據的實證分析[J]. 宏觀經濟研究，2014（2）：87-94.

蔡則祥，武學強. 新常態下金融服務實體經濟發展效率研究：基于省級面板數據實證分析[J]. 經濟問題，2017（10）：14-25.

陳舜. 金融發展、融資約束與民營企業的就業增長[J]. 企業經濟，2020（7）：145-153.

[責任編輯 祁麗華]