金融業集聚是否促進了京津冀科技創新？
——基于京津區級及河北地級市面板數據的實證分析

戴宏偉，楊思華

(中央財經大學 經濟學院，北京 102206)

一、引言

近年來，我國的科技創新能力迅速提升，全球創新指數①排名由2010年的第43位躍升至2021年的第12位。在我國經濟發展進入新常態的背景下，科技創新對于促進經濟轉型和產業升級、實現高質量發展具有極其重要的意義。正因如此，黨的十九大提出要堅定實施創新驅動發展戰略，加快建設創新型國家。

科技創新需要資金投入，金融業為科技創新提供了重要支撐。從人才引進到技術研究再到科技成果轉化，金融為科技創新的各個環節提供了融資渠道和資金支持。區域金融發展水平的高低也對科技創新實力的強弱有著重要的影響。隨著我國經濟的快速發展，金融業發展水平不斷提升，金融市場規模不斷擴大，金融業呈現集聚化趨勢。金融業集聚提升了當地的金融業競爭力，但同時也出現了地區間金融業發展不均衡的問題。金融業集聚對當地科技創新會有什么影響，也值得進一步探討。

京津冀地區金融資源雄厚、人才吸引力較強，是帶動我國經濟發展的重要增長極。同時，京津冀還是科技創新的增長極，不僅自身科技創新實力突出，對其他地區的創新活動也有重要引領作用。《中國城市科技創新發展報告2021》②顯示，京津冀地區的科技創新水平在全國19個地區中位列第一，創新指數得分0.84，強勢領先排名二、三位的珠三角地區(0.66)和長三角地區(0.54)。科技創新也是京津冀實現高質量發展的重要抓手。《京津冀協同發展規劃綱要》明確提出，推動京津冀協同發展是重要的國家戰略，協同戰略的任務之一就是打造京津冀協同創新共同體，建設京津冀國家技術創新中心，推動其朝著科技創新能力體系化方向不斷邁進。“十四五”開局伊始，北京四個中心職能之一的“全國科技創新中心”也明確升級為“國際科技創新中心”③，并將進一步帶動京津冀和北方地區的科技創新水平。

但總體來看，目前京津冀內部的科技創新水平存在著發展不平衡、不協調的問題。《中國城市科技創新發展報告2021》顯示，北京的科技創新指數得分超過0.8，位列全國第一；天津的創新指數在0.5以上，在288個城市中排名第十三；而河北省各城市的創新指數得分普遍在0.3～0.4，綜合創新能力處于較低水平。另外，雖然京津冀特別是北京的金融業集聚程度較高，但是金融業在京津冀區域的資源分布和發展狀況存在較大差距，僅從金融市場規模來看，2020年北京市金融業增加值為7 188億元，天津市為2 057億元，而河北省全省的金融業增加值為2 600億元④。金融業集聚對京津冀科技協同創新的支持作用有待進一步發揮。

基于上述分析，本文重點探析京津冀金融業集聚對科技創新的影響。而通過梳理文獻可知，目前國內探討金融業集聚對科技創新影響的文獻數量并不多，結論也不甚一致；對兩者關系的研究或是從微觀出發研究某個行業，或是圍繞全國視角利用省級面板數據開展，研究對象也多為長三角地區、粵港澳大灣區等，而對科技創新能力最強、金融業集聚程度最高的京津冀則關注不足。本文既討論京津冀金融業集聚對科技創新的影響，分析京津冀金融業集聚的創新效應差異，還進一步用實證方法分析京津冀各自金融業集聚與科技創新的影響關系，這在其他文獻中較為少見。相較于他人研究京津冀文獻中一般使用2市一省或京津2市+河北11個地級市數據，筆者搜集整理了北京、天津各16個區和河北省11個地級市的相關數據，力圖在分析中避免京津冀經濟總量差距大、分析對象不對等問題，使數據集更貼合實際。同時，使用北京和天津的各區數據以降低觀測維度，可以擴充觀測樣本量，便于得到更具可信性的實證結果。

本文后續的結構安排如下：第二部分是國內外研究綜述及傳導機制歸納分析；第三部分通過專利數據和金融業集聚區位熵指數衡量科技創新與金融業集聚的發展現狀；第四部分將構建面板數據模型，利用固定效應和系統GMM方法研究金融業集聚對科技創新的影響，并進一步探討地區異質性；第五部分是研究結論及對策建議。

二、文獻評述及機理分析

(一)文獻評述

國外學者對金融業集聚與科技創新之間關系的研究較少，且研究視角偏向于某一行業或企業，對國家層面和區域層面的討論不多，對京津冀的相關研究更為少見。Atanassov[1]以美國科技型企業上市公司為研究對象，認為金融業集聚有利于打造良好的外部環境，促進企業科技創新水平提升。Perez[2]打破新古典思維定式，首次研究了科技創新、金融發展與經濟增長之間的作用關系。Alessandro[3]以意大利工業企業為研究對象，發現金融業集聚區內銀行業的完善有助于企業降低創新資金消耗的敏感度，增加研發積極性。Hsu[4]則認為，銀行業集聚與證券業集聚對不同產業科技創新的影響程度不同。Kim S[5]根據韓國企業的數據分析得出：金融業集聚過程中直接融資有利于創新活動開展，而間接融資則對創新產生反向的結果。

與國外學者不同，國內學者多是從國家或區域層面研究金融業集聚對區域科技創新的影響。就現有研究來看，不同學者對于兩者關系的研究結論尚未達成一致。如有些學者通過實證分析認為金融業集聚正向促進了科技創新，部分學者卻得出兩者關系不顯著甚至是相反的結果。高小龍和楊建昌[6]采集中國30個省市自治區的面板數據，利用計量分析模型進行實證研究，結果表明：金融業集聚對于科技創新具有顯著的正相關關系；王文靜和劉詩琳[7]采用耦合協調度模型研究中國30個省份金融業集聚與區域創新能力兩個系統的耦合協調發展，認為金融業集聚與區域創新能力在空間區域內存在正相關關系，并且前者的發展水平優于后者。郭文偉和王文啟[8]以粵港澳大灣區11個城市為研究對象，分析大灣區各城市的金融業集聚對科技創新的空間溢出效應，發現整體金融行業的集聚對科技創新的影響不顯著，但存在顯著的金融子行業異質性特征；黎杰生和胡穎[9]利用我國省域數據研究金融業集聚、經濟增長、科技創新三者的作用關系，認為金融業集聚會促進經濟增長，但是會阻礙科技創新效率的提升，并且金融業集聚的創新效應存在區域異質性；李勝旗和鄧細林[10]使用1998—2015年我國30個省份的面板數據，分析金融業集聚對科技創新效率的影響，同時以金融業集聚對經濟增長的影響為參照，結果發現金融業集聚會抑制經濟增長所需要的技術創新。

總體來看，國內研究京津冀金融業集聚與科技創新關系的文獻數量還相對不多，研究結論也存在明顯差異：李婷和李偉軍[11]基于2008—2016年我國三大經濟圈的城市面板數據，研究金融業集聚程度對科技創新影響的區域差異，發現京津冀金融業集聚對城市創新無顯著影響，而珠三角與長三角地區則呈現顯著正向關系。徐欣和董洪超[12]通過知識生產函數和空間杜賓模型探究金融業集聚對科技創新的影響，發現金融業集聚對科技創新的空間不對稱溢出效應在京津冀城市群中不顯著。白金鑫[13]選取京津冀城市群的面板數據，建立空間計量模型研究金融業集聚對科技創新效率的影響，發現京津冀整體金融業集聚顯著促進科技創新效率提升；分行業來看，京津冀城市群銀行業和保險業集聚起到顯著促進作用，而證券業則不顯著。

同時，學者對科技創新影響因素的研究也進行了探討。潘文卿[14]認為外商投資過程中存在顯著的技術外溢效應，會提升當地科技創新水平；而范承澤等[15]則認為，外商直接投資對中國國內研發投入的凈作用是負向的。竇鵬輝和陳詩波[16]認為，科技人力投入、財政科研經費、企業研發經費對中國的科技創新能力和科技創新產出績效具有顯著的正向影響。樊華和周德群[17]的研究顯示，工業結構、高等教育發展水平對中國科技創新效率具有正影響效應,而政府影響力具有負向作用。仇怡[18]認為，城鎮化水平的提升會通過創新要素集聚效應和新需求拉動效應為科技創新帶來正外部性。孫晶和李涵碩[19]、于斌斌[20]等通過實證檢驗得出產業結構會影響科技創新水平的結論。郭文偉和王文啟[21]認為，隨著全國房價不斷上漲，較高的購房壓力會通過影響創新資金和人才流動對科技創新產生抑制作用。

綜上所述，國內外學術界在不斷加深對金融業集聚與科技創新二者關系的研究，其研究成果對于本文具有很大啟示和借鑒意義。然而，目前對兩者關系的實證分析上尚未形成較統一的結論：國外學者多從微觀層面入手研究金融業集聚對行業或企業科技創新的影響，但在城市群或跨地區層面的探討尚不多見，宏觀層面上金融業集聚對科技創新有何種影響尚待進一步討論；國內學者多數從國家或區域層面進行研究，但分別得出了正向、不顯著或負向的實證結果，對二者關系仍需做進一步探討。并且，國內相關研究更多地將目光聚焦在了長三角地區、粵港澳大灣區，而對科技創新能力最強、金融業集聚程度最高的京津冀地區則關注不夠。因此本文選擇京津冀地區為研究對象，實證研究該區域金融業集聚對科技創新的影響，并分別對北京、天津和河北省進行回歸檢驗，以探究金融業集聚對科技創新的影響是否存在顯著區域差異，總體來看本文與以往的研究存在較大區別，對于進一步探討影響京津冀協同的因素也是新的嘗試。

(二)金融業集聚對科技創新的傳導機制分析

金融業集聚對科技創新的影響機理如圖1所示。具體包括正向和反向兩方面作用。

圖1 金融業集聚影響科技創新的傳導機制

1.正向作用

一是緩解資金約束。創新活動具有時間周期長、成果輸出緩慢的特點，科技創新的各個環節都需要充足的資金支持。金融業集聚意味著區域內存在著大量的金融機構、充足的社會閑散資金、多樣化的金融服務，企業更容易獲得資金信貸支持，還可以通過股權、債權等方式降低融資成本、拓寬融資渠道，從根本上緩解了企業創新面臨的資金壓力。

二是促進信息共享。由于創新活動運行程序較為復雜、專業性較強，企業與市場投資者之間存在著信息不對稱問題，投資者很難獲取創新活動的相關信息，阻礙其投資需求與有價值創新活動的有效匹配。而金融業集聚區域內，各家金融機構信息溝通便捷，有利于企業科技創新項目相關信息的披露和廣泛傳播，引導金融資源向優質創新項目流動，實現金融資源的優化配置，促進了科技創新。

三是分散市場風險。科技創新活動是探索未知的過程，因此具有很強的不確定性，這使得企業和投資者均具有很大風險。而金融業集聚產生的較為發達的金融市場恰好具有風險分散的功能，一方面可以隨時為企業提供充足的流動性應對創新中的突發風險，另一方面可以根據投資者的偏好和稟賦提供合適的多元投資組合，既為創新企業提供了兜底機制，又提高了投資者的資金使用效率，最終有利于提升科技創新水平。

2.負向作用

一是容易誘發金融業過度競爭。隨著金融行業的不斷發展、金融業集聚程度的不斷提升，區域內金融市場的擁擠程度會不斷增加，市場競爭不斷加劇。各金融機構為了獲取更多的市場份額，賺取更大的盈利空間，很可能導致市場出現惡性競爭、增加交易成本，而過量新型產品和服務也會導致市場供給過剩、價格下降，兩者都損害了金融機構的盈利能力，增加了金融市場的波動風險，最終影響對創新企業的資金支持力度，阻礙了科技創新水平的進一步提升。

二是存在進一步加劇地區差距的可能。金融業集聚化發展會帶來地區間在金融業發展上的差距，有加劇地區經濟發展差距的風險：由于經濟因素對科技創新具有重要作用，也存在導致地區間科技創新差距進一步加大的風險，不利于科技創新的健康發展。

3.小結

本文認為，金融業集聚是一把“雙刃劍”，既能從資金、信息和風險等層面促進科技創新，也可能在多個層面引致市場擁擠、增加交易成本、加劇差距等對科技創新產生抑制作用。在正負向影響的雙重作用下，不同金融業集聚度的地區對科技創新的影響存在符號和程度上的差異。根據相關文獻及初步分析，本文預計隨著金融業集聚度的不斷增加，金融資源作為一種正常商品會受到邊際效用遞減規律的影響，金融業集聚對科技創新的正向作用減弱，而產生的負向作用會由于擁擠程度增加而逐漸增強，當正向作用大于負向作用時，經驗分析呈現促進關系；而當負向作用超越正向作用時，則在經驗分析中呈現出了抑制關系。

三、京津冀科技創新與金融業集聚的現狀分析

(一)京津冀科技創新的現狀分析

專利數據作為科技創新的成果輸出，是科技創新水平的直接體現。本文將使用專利申請量和專利授權量對比分析城市的科技創新水平。專利申請量⑤是指創新主體向知識產權局提出申請并被受理的專利數量，它反映了創新主體對自身創新績效的主觀評價，也反映了科技創新活動的活躍程度。專利授權量是指知識產權局依照有關標準在受理專利審核通過后的專利數量，由于經過政府部門的審查和認可，專利授權量對于科技創新水平的衡量更具客觀性。

從圖2專利申請量來看，2019年京津冀地區的專利申請量達42.34萬件，相較于2011年的專利申請量11.25萬件，年均增長率⑥為18.02%，發展勢頭良好。

圖2 京津冀國內專利申請量占區域總量比重情況

具體來看，2011—2019年，北京的國內專利申請量占京津冀總量的50%以上，表明北京的創新成果輸出始終保持城市群的領頭羊地位。天津2019年的專利申請量占京津冀總量比重為22.7%，雖然比重不及北京，但是相較2011年的比重14.9%，增幅較為顯著。河北省各個城市的專利申請量與北京、天津存在較大差距。2019年全省有四個城市的專利申請量在萬件以上，分別為石家莊(2.3萬)、保定(1.4萬)、唐山(1.2萬)和廊坊(1.1萬)。其他城市的創新成果雖然在數量上處于低位水平，但是占城市群總量的比重呈增長趨勢，這表明其年均增速均高于區域總體增速。

從表1專利授權量來看，2011—2019年，京津冀地區的專利授權量從6.54萬件增長至24.73萬件，年均增速為18.09%，與專利申請總量增速相當。

表1 京津冀2011—2019年各市專利授權量情況

分省市來看，2019年北京的專利授權量達13.17萬件，占區域總量的比重為53%。天津專利授權量從2011年的1.34萬件增長至2019年的5.78萬件，年均增速達20.04%。河北省各城市中，石家莊、保定和唐山的專利授權量較為突出，2019年的專利授權量分別為1.38萬件、0.81萬件和0.71萬件，這與專利申請量的排位保持一致。其它城市中，張家口和承德的專利授權量墊底，創新成果輸出能力有待加強。

綜合專利數據來看，京津冀地區的科技創新水平處于快速發展期，但是城市群內部存在明顯不平衡現象。北京的專利水平明顯領先，充分顯示出了科技創新中心的實力。天津的專利數量逐年增長，科技創新發展勢頭良好。河北省各個城市的創新水平雖有快速提升，但是與北京、天津相比差距明顯。

(二)京津冀金融業集聚的現狀分析

在研究金融業集聚的文獻中，學者多采用區位熵指數來衡量金融業集聚水平，但計算方式具有多樣性。王仁祥和白旻[22]使用年末金融機構人民幣存款余額來測度金融業集聚程度；李勝旗和鄧細林[10]則使用年末金融機構各項存貸款余額總規模來計算；周南南和王修宇[23]還使用金融業增加值衡量金融業集聚區位熵指數。限于數據的可獲得性，本文采用年末金融機構存貸款余額來計算金融業集聚區位熵指數，計算公式為：

公式中，FINj表示j地區金融業集聚區位熵指數，finj表示j地區金融機構存貸款余額總規模，pepj表示j地區常住人口，fin表示全域金融機構存貸款余額總規模，pep表示全域常住人口總數。在數值上，區位熵指數的值越高表示金融業集聚水平越高。當FINj>1時，認為j地區的產業發展優先于全域水平，集聚能力強；當FINj=1時，認為j地區的產業發展恰處于全域平均水平，未呈現明顯的集聚效應；當FINj<1時，認為j地區的產業發展遜色于全域水平，集聚能力較弱。京津冀金融業集聚區位熵指數如表2所示。整體看，京津冀不同城市的金融業集聚水平存在著較大差異，金融業發展存在不平衡的現象。

表2 京津冀2011—2019年金融業集聚區位熵指數

北京作為城市群的核心城市，2011—2019年金融業集聚區位熵指數一直遙遙領先于天津和河北各地級市，說明其金融行業的發展存在明顯的集聚效應。

天津的金融業集聚區位熵指數在2011—2019年均低于北京，但是各年數值都大于1，說明其金融業發展優先于京津冀區域平均水平。

河北省各城市的金融業集聚區位熵指數在2011—2019年均小于1，說明這些城市的金融業發展在區域中處于劣勢，相較于北京、天津存在顯著差距。在河北省內部，金融業集聚程度可以劃分為三個梯隊：第一梯隊包括石家莊、秦皇島和唐山，它們的金融業集聚程度大致相當且處于省內較高水平。石家莊是省會城市，在金融資源上相對更有優勢；唐山是河北省的“工業中心”，其經濟總量持續排名第一；秦皇島是環渤海重要的港口城市，人均GDP居省內前列。這3個城市均具有良好的經濟基礎，為其金融業發展提供了條件。第二梯隊包括廊坊和張家口，廊坊和張家口與北京相鄰，天然的地理優勢使它們有條件獲取北京的優質資源，從而帶動金融業迅速發展。第三梯隊包括承德、邯鄲、保定、衡水、滄州、邢臺等城市。其中，承德和保定毗鄰北京，但是并沒有充分發揮這一區位優勢，金融業集聚程度較弱。邯鄲、衡水、邢臺距離核心城市北京較遠，金融業的發展較為落后，金融業并未呈現明顯的集聚現象。滄州距離天津較近，但是由于天津本身金融優勢并不突出，難以為滄州金融產業的發展提供較強助力。

從以上分析來看，北京、天津的金融業集聚水平較高，科技創新水平也較高，初步判斷兩者之間存在一定正向關系。而河北省內部，較高金融業集聚水平的城市并不一定擁有較高的科技創新水平。比如，唐山的金融業集聚程度不及石家莊，其科技創新成果輸出也低于石家莊；而保定的金融業集聚程度較低，但是依然擁有較高的科技創新成果輸出。秦皇島的金融業集聚程度處于全省前列，但是科技創新成果輸出卻較低。張家口的金融業集聚程度居于省內中游水平，但是科技創新成果輸出墊底。

四、金融業集聚影響京津冀科技創新的實證分析

(一)變量選取與數據來源

1.被解釋變量

本文選用專利授權量來衡量京津冀各地的科技創新水平。

2.核心解釋變量

本文進一步選取北京和天津各16個區、河北省11個地級市的相關數據，計算金融業集聚區位熵指數作為反映京津冀金融業集聚水平的指標。

3.控制變量

研發經費投入(RDE)。充足的研究發展經費投入是創新主體持續開展科技創新活動的基本條件，本文使用R&D內部經費支出來反映研發經費投入情況。

人力資本儲備(HUM)。相關文獻大多采用R&D人員全時當量、高校在校生數量等指標衡量科技創新的人力資本投入。但R&D人員等數據在北京和天津的區級層面存在缺失。而區域內的潛在人才儲備密切關系著該區域是否能獲取充足的人力資本；高等院校是一個城市優質人才的潛在來源，也是相關研究中常用的變量指標；因此本文采用每萬人平均高校在校生數量作為反映人力資本儲備的指標。

財政科技支出(GOV)。我國政府對于各類市場的發展具有重要的導向作用，因此地方政府對科技創新的支持力度也可能是影響當地科技創新水平的重要因素。因此本文將地方政府財政科技支出加入控制變量。

固定資產投資(INV)。固定資產投資水平是影響科學技術升級和創新的重要物質條件。在固定資產投資較高的區域，通常具有較為完善的技術配套設施，可以配合人才和資金投入更好發揮創新效能。本文使用非農戶固定資產投資額來衡量固定資產投資水平。

對外開放水平(OPE)。潘文卿[14]認為，外商投資過程中會存在顯著的技術外溢效應，從而提升當地科技創新水平。但范承澤等[15]認為，外商投資帶來的技術引進會對東道國的科技研究與開發產生替代作用，最終抑制東道國科技創新。總之，區域的對外開放水平都可能對科技創新產生影響，本文采用實際利用外商投資額來衡量區域的對外開放水平，如表3所示。

表3 主要變量和測度方式

4.數據來源及說明

本文采用京津冀地區2011—2019年的相關數據。從全國視角來看，2011年是“十二五”規劃的開局之年，我國的科技發展開始進入重要躍升期；2012年，黨中央實施創新驅動發展戰略，我國的科技創新發展進入快車道。從京津冀區域來看，2014年京津冀協同發展明確成為國家戰略，2015年《京津冀協同發展規劃綱要》正式出臺，京津冀在各方面的交流互動愈發緊密，創新驅動發展也正成為區域未來合作的重點。由于2020年初爆發了新冠肺炎疫情，國內外經濟社會發展遭受重大沖擊，為了排除外生事件的影響，本文未加入2020年的數據。

在數據集的選擇上，筆者搜集了北京、天津各16個區和河北省11個地級市的面板數據集進行分析，期望得到更具可信性的實證結果，如表4所示。

表4 數據集包含的區及地級市情況

在數據采集和處理方面，本文所需的區級和地級市數據摘自《北京區域統計年鑒》《天津科技統計年鑒》《河北經濟年鑒》和河北省各地級市的統計年鑒；部分數據還參考了各區或市的《國民經濟和社會發展統計公報》，及中經網統計數據庫和Wind資訊金融終端。其中，本文的人口數據選用的是各區或市的年末常住人口數據；由于實際利用外商投資額的統計單位是美元，本文使用2011—2019年國家統計局公布的人民幣兌換美元匯率中間價進行了換算；為了排除通貨膨脹的影響，本文采用2011年為基期CPI指數對模型中的相關經濟量數據進行了平減處理。

(二)面板數據回歸分析

1.模型構建

本文構建的面板數據模型如下：

lnTECit=α0+γ1FINit+γ2lnRDEit+γ3lnHUMit+γ4lnGOVit+γ5lnINVit+γ6lnOPEit+εit

公式中，lnTECit為第t年區域i的科技創新水平，FINit表示第t年區域i的金融業集聚水平，控制變量包括研發投入經費(lnRDEit)、人力資本儲備(lnHUMit)、財政科技支出(lnGOVit)、固定資產投資水平(lnINVit)、對外開放水平(lnOPEit)。α0為常數，γ1、γ2、γ3、γ4、γ5表示對應變量的系數，反映了各個變量對該區域科技創新水平的影響程度。εit表示區域i在不同時期t的隨機擾動項。

考慮到模型中有可能存在無法觀測的遺漏變量，本文將使用固定效應模型，同時控制個體和時間固定效應以初步解決內生性問題。另外，隨著以信息技術為核心的“金融科技”不斷發展，科技創新及成果的廣泛應用帶來了金融行業的技術變革，因此本文模型在一定程度上存在反向因果的可能。但回顧“金融科技”的發展歷程可以看出：2013年以前，信息技術只是用于提升金融機構的辦公和服務效率，并沒有參與到金融業務本身環節；2013—2018年，互聯網與金融的結合帶來了新型的金融業務模式，但這只是傳統金融渠道的變革和拓寬，并沒有改變金融業的本質；2018年起，智慧金融逐漸成為可能，行業內開始嘗試利用人工智能技術重構金融業務體系。考慮到本文的觀測期為2011—2019年，這一階段的互聯網技術創新對金融業集聚并沒有造成直接且重要的影響，同時文章使用的專利數據的統計范圍為區域內規模以上工業企業，對互聯網技術創新的測度是有限的。綜上所述，本文認為模型中科技創新與金融業集聚之間的反向因果關系并不強烈，不會對實證結果產生較大影響。

2.回歸結果分析

本文采用逐步加入控制變量的方式進行回歸，以驗證金融業集聚水平對科技創新影響的穩定性。回歸結果如表5所示，核心解釋變量的系數符號均為正，數值變動不大，且均在1%的顯著性水平下通過了檢驗。

表5 基準回歸結果

具體來看，核心解釋變量金融業集聚水平的回歸系數顯著為正，說明京津冀金融業集聚對科技創新有積極作用，金融業集聚區位熵指數每提升1數值，代表科技創新水平的專利授權量則提高19.4%。

控制變量中，研發投入、財政科技支出、人力資本儲備、固定資產投資的回歸系數均為正，且通過了1%的顯著性檢驗，對外開放水平的回歸系數為正，但是不顯著。其中，人力資本儲備和固定資產投資對科技創新的影響力度最大(0.5左右)，其次是企業研發經費投入和政府財政科技支出(0.2左右)。這表明京津冀地區，創新資金的投入并不是創新主體面臨的首要約束，人才的智力投入和科技配套的設施建設能夠帶動更多的創新成果輸出。對外開放水平對京津冀科技創新的影響存在不確定性，可能是國外科技創新的正向溢出效應和對當地科技創新的替代效應同時發揮作用的結果。

(三)穩健性檢驗

1.加入新控制變量

為了進一步避免遺漏重要變量而引致內生性，本文參考了梁斌等[24]的穩健性檢驗方法，加入更多的控制變量，觀察核心解釋變量的回歸系數是否會發生較大變動。本文將引入以下3個控制變量。

產業結構水平(IND)。首先，周叔蓮等[25]認為產業結構調整對科技創新會產生促進作用，當某一產業處于快速發展階段時，市場中的競爭壓力加劇，各企業會加大研發力度、重組現有技術，最終實現科技創新水平的提高。其次，金融業集聚對產業結構的優化升級有顯著促進作用。一方面，金融業集聚過程中存在的規模效應可以降低交易成本，提升資金配置效率，緩解產業結構升級的資金壓力[26]；另一方面，區域內的金融業集聚使得金融機構之間實現信息共享，增加優質行業或企業的資金供給，加快生產要素的產業間轉移，由此促進產業結構優化升級[27]。孫晶、李涵碩[19]和于斌斌[20]均通過實證研究檢驗了以上觀點的國內適用性。因此本文將在模型中控制產業結構以考察金融業集聚對科技創新的凈效應。參考相關文獻，本文使用第三產業與第二產業產值之比衡量產業結構水平。

房價水平(BUD)。郭文偉和王文啟[21]認為高房價會對科技創新產生影響。理論上看，房價會通過影響創新資金和人才流動間接作用于科技創新。一方面，房價上漲提升了企業擁有房產的價值，增加了抵押貸款額度，放松了企業的融資約束，對自主創新產生積極作用；另一方面，房產投資回報率走高會吸引金融行業部分資金流向房地產，企業自身也可能會減少研發投入，將資金投資于房地產市場以賺取高額收益，最終高房價的資金擠占效應將對創新產生抑制作用。同時，高房價提高了當地的生活成本，降低了城市生活幸福感，抑制了高素質人才的流入，也會對科技創新產生負面影響。并且，北京、天津與河北省各地級市的房價水平存在較大差距，購房壓力差異可能會對科技創新水平產生顯著影響，因此在模型中控制房價變量是有必要的。本文將使用年均房價水平⑦與可支配收入之比來控制房價水平。

城鎮化水平(URB)。仇怡[18]認為城鎮化水平的提升為科技創新帶來了正外部性。一方面，城鎮化帶動了勞動力等各類生產要素向城市空間集聚，經濟活動增多引致了更多的創新活動，加速了科技創新水平的提升；另一方面，城鎮化會帶動新技術和創新產品的傳播和擴散，由此誘發的新型需求會進一步刺激當地的技術創新。另外，本文考慮到，研究所用數據集包含北京16個區和天津16個區，這些區有明顯的城區和郊區之分，研究個體之間存在較強的城鄉差異，城鎮化水平可能會對科技創新造成顯著影響，因此在模型中有必要引入城鎮化因素。本文使用城鎮常住人口占年末常住人口的百分數來衡量城鎮化水平。

逐步加入產業結構、城鎮化水平和房價水平的模型回歸結果見表6中模型(6)—(8)。

表6 穩建性檢驗Ⅰ

首先，金融業集聚水平的回歸系數依然為正，也通過了1%的顯著性水平檢驗，說明京津冀金融業集聚對科技創新的正向效應是穩健的。系數數值從0.194降低至0.172，可能是因為剔除了金融業集聚通過產業結構對科技創新造成的影響。

其次，原有的5個控制變量的系數符號均穩定為正，顯著性水平變動不大。其中，對外開放水平的系數依然不顯著，說明京津冀地區對外開放水平未對科技創新產生顯著影響；人力資本儲備對科技創新的影響系數最大，為0.557；固定資產投資的影響系數次之，為0.354；財政科技支出和研發經費投入對科技創新的回歸系數分別為0.198和0.187。回歸結果依然顯示，相較于企業與政府的資金性投入，人力資本和科技配套的設施建設對科技創新的促進效應更強。

最后，新加入的控制變量中，產業結構和城鎮化水平對區域科技創新存在顯著的正向作用；房價水平(BUD)的回歸系數為負，但未通過顯著性檢驗，說明高房價對京津冀科技創新抑制作用不明顯。

2.替換指標和計量方法

為了進一步檢驗實證結果的可靠性，本文還將通過替換關鍵變量和更換計量模型的方式進行驗證。

(1)替換被解釋變量與核心解釋變量。參考羅勇根等[28]的方法，本文將使用專利申請量替換專利授權量來衡量科技創新水平。考慮到專利申請量在一定程度上反映了當地的科技創新活躍度，而相較于存款，金融業主要通過提供金融貸款的方式支持科技創新活動，當地科技創新活躍度可能更多地受到金融貸款的影響。因此，本文將采用金融機構貸款余額重新計算區位熵指數，來衡量區域的金融業集聚水平。

回歸結果如表7中實證模型(9)所示。金融業集聚水平的回歸系數較為穩健，反映京津冀金融業集聚程度確實正向促進了科技創新水平的提升。控制變量中，對外開放水平在10%的顯著性水平上抑制了區域科技創新水平的提升，說明國外創新成果對京津冀科技創新的替代作用要顯著大于技術外溢效應。人力資本儲備和城鎮化率的系數符號未變，但是不再顯著。其他控制變量的系數和顯著性水平與模型(8)相近。

表7 穩健性檢驗Ⅱ

總體來看，替換指標后，模型的回歸系數變動不大，證明本文的實證結論通過檢驗。

(2)更換動態GMM計量模型。考慮到行為慣性可能導致當前的科技創新水平取決于過去的水平[10-11]，本文在面板數據模型中引入科技創新水平的滯后項，構建動態面板模型，采用系統GMM方法研究金融業集聚對科技創新的影響。

表7中模型(10)表示對基準回歸模型(5)的重新回歸結果，模型(11)—(13)展示了逐步加入更多控制變量的重新回歸結果。

被解釋變量的一階滯后項回歸系數均顯著為正，表明上一年的科技創新水平會對當前年度的科技創新水平產生促進作用。模型(10)—(12)中，核心解釋變量的回歸系數依然為正，說明京津冀金融業集聚對科技創新存在明顯的促進作用；模型(13)控制了城鎮化水平后，核心解釋變量系數符號依然為正，但是顯著程度降低。控制變量中，對外開放水平對京津冀科技創新存在顯著負向影響；人力資本儲備和產業結構對科技創新的影響不顯著；其他控制變量對科技創新的影響與基準模型相比變動不大。

整體上看，更換系統GMM方法后，動態面板模型回歸結果與前文實證結果具有較強一致性，也反映本文的研究結論較為穩健。

(四)異質性分析

由前文研究可知，京津冀金融業集聚顯著地促進科技創新水平的提高。那么，對北京、天津和河北省分別進行回歸是否會出現金融業集聚程度越高的地區促進作用越強的情況？本文分三個樣本集回歸的結果見表8。根據前文分析，本文發現使用固定效應模型可以較好地推斷金融業集聚與科技創新的影響關系，因此本文依然選擇固定效應模型進行研究。

表8 異質性分析

分別來看，北京、天津和河北的金融業集聚程度均正向作用于科技創新水平，其中北京和天津的影響系數都通過了10%的顯著性水平檢驗，而河北的影響系數則不顯著。三者的顯著性與整體回歸顯著性(1%)相比有所降低，本文認為這可能與分樣本后數據量明顯變少，而模型控制變量較多有關。

從影響程度來看，金融業集聚對科技創新的促進效應存在明顯的地區差異，金融業集聚對天津科技創新的影響要明顯大于北京，并沒有呈現出金融業集聚度越高，對科技創新的促進效應越強的現象。參照第二部分對傳導機制的分析，本文認為，由于北京的金融業集聚度明顯高于天津，金融行業集聚產生的擁擠效應更為突顯，從而較強地抵消了金融業集聚對科技創新的正向作用，最終導致金融業集聚度高的北京反而對科技創新的促進效應低于天津。

具體來看，北京市的金融業集聚對科技創新的影響系數為0.100，意味著金融業集聚區位熵指數提升1單位，科技創新產出增加10%。控制變量中，研發經費投入、人力資本儲備、固定資產投資和城鎮化率顯著促進了科技創新。其中，人才儲備情況對北京科技創新的影響程度最大，彈性系數為0.448，這一結果意味著，北京未來要重視創新人才引入，打好“人才爭奪戰”才能實現科技創新中心的戰略定位。研發經費投入和固定資產投資的回歸系數僅次于人力資本，彈性系數分別為0.381和0.373，反映了充足的創新資金和成熟的科技配套在拉動北京科技創新水平方面效果顯著。由于北京市16個區存在城區與郊區之分，城區的綜合實力明顯強于遠郊區域，因此城鎮化率對科技創新也存在顯著正向影響。政府財政科技支出對北京科技創新的促進作用不顯著，可能是因為北京市各類創新主體的自我創新意識較強，并且可以較為便捷地借助發達的金融市場獲得研發資金，從而降低了對政府部門的依賴性。對外開放水平、產業結構和房價水平并未對北京科技創新水平產生顯著影響。

天津市的金融業集聚對科技創新的影響系數為0.636，意味著金融業集聚度每提升1數值，代表創新成果的專利授權量就增加63.6%，金融業集聚對天津科技創新的促進效應十分明顯。控制變量中，研發經費投入、固定資產投資和城鎮化水平顯著促進了天津市的科技創新。其中，固定資產投資對天津科技創新的彈性系數為0.822，影響力度最大，說明2011—2019年的科技配套設施建設極大推動了天津市科技創新實力的提升。研發資金投入也有力促進了天津科技創新水平的發展，回歸系數為0.187。天津作為北方重要港口城市，對外開放水平較高，但是并沒有呈現出顯著的技術溢出效應。人力資本儲備對科技創新的影響系數為正，但是未通過顯著性檢驗。與北京類似，其政府財政科技支出、產業結構和房價水平對科技創新的作用不明顯。

河北省金融業集聚對科技創新的回歸系數較小，僅為0.064，且未通過顯著性檢驗。這可能是由于河北省的金融業發展水平較低，區位熵指數均小于1，并沒有呈現明顯的金融業集聚效應，因此集聚效應對科技創新的正向和負向的影響程度都較低，最終在實證上表現為弱正向且不顯著的結果。控制變量中，人力資本儲備、財政科技支出、對外開放水平和城鎮化率均在1%的顯著性水平上提升了河北省的科技創新實力。其中，人力資本對科技創新的影響系數為0.491，充分證明人才對河北省的創新發展至關重要。對外開放水平的回歸系數為0.358，說明河北省科技創新水平的提升很大程度上受到國外投資的技術溢出效應影響。政府財政支持顯著地促進了科技創新，而企業研發經費投入對科技創新的影響并不顯著，這說明河北省內各類創新主體在市場上獲取研發資金的途徑仍存在困難，較為依賴政府的資金支持。城鎮化水平對河北省科技創新的影響系數為0.110。固定資產投資、產業結構和房價水平對河北省科技創新未產生顯著影響。

五、結論及政策啟示

(一)研究結論

1.京津冀金融業集聚對科技創新有顯著促進作用。基準回歸中，金融業集聚對科技創新的影響系數為0.194，在剔除金融業集聚通過促進產業結構升級而影響科技創新后，金融業集聚對科技創新的凈影響系數穩定在0.172，意味著京津冀金融業集聚區位熵指數每提升1數值，代表科技創新水平的專利授權量提升17.2%。

2.控制變量中，人力資本儲備對京津冀科技創新有顯著正向作用，影響系數為0.557；固定資產投資的影響系數次之，為0.354；財政科技支出和研發經費投入對科技創新的影響系數分為0.198和0.187。這表明，京津冀地區科技創新的資金投入并不是創新主體面臨的首要約束因素，人才智力投入和科技配套設施對科技創新的意義更大。產業結構升級和城鎮化水平對京津冀地區科技創新水平存在積極作用，回歸系數分別為0.013和2.502。盡管京津冀地區房價水平較高、差異較大，但是對科技創新的抑制作用不顯著。

3.地區異質性方面，京津冀金融業集聚對科技創新的促進效應存在明顯區域差異。北京、天津和河北三地的金融業集聚均正向作用于科技創新水平，但河北的促進作用不顯著。北京和天津的影響系數分別為0.100和0.636，盡管北京的金融業集聚程度遠高于天津，但是受到較強的擁擠效應影響，北京金融業集聚對科技創新的促進效應要明顯弱于天津。

4.對北京而言，人力資本儲備、研發經費投入、固定資產投資和城鎮化率顯著促進了科技創新。其中，人力資本儲備的影響程度最大，彈性系數為0.448，研發經費投入和固定資產投資的回歸系數次之，彈性系數分別為0.381和0.373，城鎮化水平的影響系數為0.146。這表明，人才對于北京科技創新的提升十分關鍵，研發資金和科技配套對提升北京科技創新水平有重要作用。城鎮化水平的提升對北京科技創新也存在促進作用。

5.對天津而言，固定資產投資、城鎮化水平和研發經費投入顯著提升了科技創新水平。其中，固定資產投資對天津科技創新的影響系數為0.822，說明科技配套設施建設明顯推動了天津科技創新實力的提升。研發經費投入的回歸系數為0.187，對科技創新的影響程度小于固定資產投資。相較于北京，城鎮化水平對天津科技創新的影響效應較弱。

6.對河北而言，人力資本儲備、財政科技支出、對外開放水平和城鎮化率顯著促進了科技創新。其中，人力資本儲備的影響系數為0.491，證明人才對河北省的科技創新十分重要。對外開放水平的影響系數為0.358，說明河北省的科技創新水平會受到國外投資的技術溢出效應影響。城鎮化水平對河北省科技創新的影響系數為0.110。政府財政科技支出的影響系數為0.194，而企業研發經費投入對科技創新的影響不顯著，這說明河北省內各類創新主體的資金投入不足，較為依賴政府的財政支持。

(二)政策啟示

1.對京津冀整體而言，加強金融業協同發展有助力區域科技創新實力的提升。京津冀的金融業發展仍處于上升階段，但內部發展差距較大，金融業集聚對科技創新的促進效應需進一步發揮。應圍繞北京、天津區域金融中心，進一步打造多層次金融業集聚體系，充分發揮金融業集聚的輻射擴散效應。

2.北京的金融業集聚程度已經處于較高水平，未來應進一步實現合理分工與市場細分，避免金融業規模無序擴張和盲目發展。同時應進一步加快金融體系改革優化，促進金融業健康發展。

3.天津應充分把握自貿區的發展契機，著力推進產業發展與市場開放，積極探索與東北亞的貿易、金融合作新方式，創新離岸金融業務，帶動金融業規模增長。同時加快完善金融服務體系，在機構、業務、開放度等方面加強金融創新，促進天津金融業集聚化發展，以充分發揮金融業集聚對科技創新的促進效應。

4.河北應借力京津冀協同發展戰略加強與京津在金融業、科技研發等方面的深層次合作，爭取獲得京津在信用體系建設、科技金融創新、高端專業人才等方面的支持。同時抓住雄安新區建設的機遇，出臺相關政策引導、激勵金融機構到雄安新區設立分支機構或開展業務，逐步打造新的區域金融中心，促進科技創新水平提升。

注釋：

①全球創新指數是世界知識產權組織、康奈爾大學、歐洲工商管理學院于2007年共同創立的年度排名，衡量了全球120多個經濟體在創新能力的表現。

②《中國城市科技創新發展報告2021》由首都科技發展戰略研究院發布，該研究院由科技部、中國科學院、中國工程院和北京市人民政府發起，于2011年成立。

③中共北京市委 北京市人民政府關于印發《北京市“十四五”時期國際科技創新中心建設規劃》的通知，http://www.beijing.gov.cn/zhengce/zhengcefagui/202111/t20211124_2543346.html。

④2020年金融業增加值數據來源于國家統計局。

⑤專利申請量和專利授權量的定義參考自百度百科。

⑥年均增長率公式=√(n&B/A)-1,其中n為年份數減1。

⑦房價數據主要來源于聚匯數據平臺https://www.gotohui.com。