金融結構—勞動力技能結構匹配度與創新

張慧敏

（中共中央黨校（國家行政學院） 經濟學教研部，北京 100091）

一、引言

黨的二十大報告強調：“必須堅持科技是第一生產力、人才是第一資源、創新是第一動力，深入實施科教興國戰略、人才強國戰略、創新驅動發展戰略，開辟發展新領域新賽道，不斷塑造發展新動能新優勢。”據2022 年全球創新指數(GII)顯示：我國創新指數排名為第11 位。GDP 總量排名前五的國家中，創新總水平排名分別為：美國第2 位，德國第8 位，中國第11位，日本第13 位，印度第40 位。我國作為GDP 總量排名第2位的國家，創新總水平并未進入前十，雖已經是創新型國家，但距離創新型強國仍有一定的距離，如何提升我國創新水平是實現現代化進程中亟須解決的問題。與此同時，我國人口的老齡化程度不斷上升，少子化現象日趨明顯。我國必須要優化勞動力結構，緩解創新發展進程中面臨的人才支撐不足問題。

文章借鑒祁斌和查向陽(2013)增量法對我國社會融資及直接融資比重計算[1]，中國社會融資總量大致呈現上升趨勢，而直接融資比重在2016 年以前處于波動上升態勢，但2017 年大幅下降后便一直未達到25%。中國金融體系當前最大的問題不在于總量不足，而在于金融結構無法滿足服務高質量發展的要求[2]。金融和勞動力作為生產要素對產出皆有影響，隨著新結構經濟學的發展以及創新的重要性不斷增強，已有研究多聚焦于金融結構、人力資本結構、要素錯配對創新的影響[3-5]，較少從金融結構和勞動力技能結構協調發展的視角研究其匹配度對創新的影響。基于以上背景，文章借鑒新結構經濟學金融體系和資源稟賦結構相匹配的原則[6，7]，運用排序匹配法測算金融結構與勞動力技能結構的匹配度，探究匹配度與創新之間的作用關系，為制定金融結構和勞動力技能結構協調發展政策、提高創新水平提供理論支撐和實踐指引。

二、理論分析與研究假設

金融結構與勞動力技能結構是否協調發展，實際上是一個匹配問題。根據世界經濟論壇報告顯示，2022 年全球創新地區前25 強中，國內城市包括北京、上海和深圳，從這三個城市的金融、勞動的投入來看，三個城市皆設立有證券交易所，資本市場成熟度以及雙一流大學數量在國內名列前茅。此外，這三個城市的人才引進機制也促進了技能人才的聚集，基本形成了金融結構—勞動力技能結構的“高與高匹配”的發展模式[8]。據2022 年全球創新指數(GII)顯示，韓國創新指數排名為第6位。韓國早期處于融資結構落后與資本稀缺的發展環境，其優先發展初等教育，滿足了勞動密集型產業關于低技能勞動力的需求，形成了金融結構—勞動力技能結構的“低與低匹配”的發展模式，促使其技術水平大幅提升，之后在資本和技術水平積累到一定程度后才進一步發展高等教育和資本市場。

此外，金融市場和銀行信貸對創新的影響各有優劣勢。金融市場可以為創新提供更多的資金和更大的自主權，但也可能存在一定的風險和不確定性；而銀行信貸則可以提供更加穩定和低成本的融資，但對創新的限制也相對較多。勞動力結構的等級可以用技能高低來直觀表現，高技能勞動力具備更多的專業知識、技術能力和創新能力，他們更有可能推動技術進步和創新。基于國內外的現實案例分析以及金融市場和銀行信貸的優劣勢，資本和勞動之間很有可能存在結構匹配的關系，文章提出假設H1：

假設H1：金融結構—勞動力技能結構匹配度對創新產生正向影響。

產業結構調整是我國實現經濟轉型、實現可持續發展、促進就業機會和推動區域發展平衡的關鍵路徑。產業結構優化升級會對技術變革產生影響[9]。不同類型的產業在規模類型、管理機制以及發展的外部環境存在差異性，這也要求金融體系能夠提供差異性的服務。最優金融結構理論認為，金融結構能夠匹配產業結構時，金融結構就能發揮對產業結構的促進作用。此外，隨著經濟的發展，不同的產業結構需要不同的金融結構來支持其發展。在初級階段，由于資本和技術的匱乏，銀行在提供融資和風險管理方面可能起到主導作用。而在經濟發展到中高級階段時，市場機制的作用逐漸增強，證券市場、保險市場等非銀行金融機構的發展變得愈發重要，這種最優金融結構的演化是一個動態的過程[10]。勞動力結構和產業結構轉型升級不符，加之勞動力轉移受阻，會嚴重阻礙經濟增長，不利于全要素生產率的提高[11]。鑒于此，文章提出假設H2：

假設H2：金融結構—勞動力技能結構匹配度不適應產業結構的調整，會抑制產業結構升級對創新發展的積極作用，導致創新發展受限。

財政科技支出作為創新資金來源的一個重要部分，在創新方面發揮著重要的作用[12]。財政科技支出可以用于支持科技創業生態系統的建設和培育，可以通過提供獎學金、研究基金、科研項目資助等形式的補貼，鼓勵企業增加研發投入，促進企業進行合作創新，培養創新人才，推動創新成果的轉化和商業化。其中，財政科技支出中補貼的設置可能會對企業的創新方向產生偏向。如果政府補貼主要集中在特定領域或技術上，可能會限制企業自主選擇創新方向的能力，從而對自主創新產生消極影響。然而，如果補貼廣泛適用于各個領域和技術，鼓勵技術創新的多樣性，對技術創新的積極影響可能更為顯著。此外，財政科技補貼可能會增加企業尋租成本，改變企業的創新動機[13]。如果補貼水平過高或補貼機制設計不當，企業可能更傾向于追求補貼而非真正的創新，這可能導致自主創新的減少，相比之下，對技術創新的補貼可能更容易與實際技術的開發和應用相關聯，從而更直接地激勵企業進行技術創新。鑒于此，文章提出假設H3：

假設H3：政府財政科技支出會削弱金融結構—勞動力技能結構匹配度對自主創新的促進作用，而增強其對技術創新的促進作用。

三、研究設計

1. 變量選取與數據說明

（1） 創新產出指標

文章采用發明專利授權數量與GDP 的比率代表自主創新。將發明專利、實用新型和外觀設計3 種類型專利依據其創新程度的高低不同，分別賦予0.5、0.3 和0.2 的權重，采用加權平均值與GDP 的比率來衡量技術創新[14]。

（2） 金融結構

在直接融資中，股票市場是一個重要的融資渠道，通過股票發行，企業可以吸引投資者購買股票，為企業提供資金支持，而股票交易總額指標可以反映股票市場的活躍程度。因此，文章借鑒葉德珠等(2019)用股票市場交易總額表示直接融資，以金融機構人民幣貸款余額表示間接融資，通過比較兩者的相對比例來衡量金融結構[15]。

（3） 勞動力技能結構

文章借鑒黃晶和王琦(2021)[16]的做法，將研究與試驗發展人員占比較高的制造業，信息傳輸、軟件和信息技術服務業，科學研究和技術服務業，教育業，衛生和社會工作行業歸類為技能密集型行業；將占比相對較低的其他行業歸類為非技能密集型行業。用技能密集型行業就業人數占總勞動力人數的比重代表勞動力技能結構。

（4） 其他變量

第一，控制變量。選取技術創新生態環境由王小魯等(2019)編著的《中國分省份市場化指數報告》中的市場化指數表示金融結構、勞動力技能結構；外商直接投資水平用實際利用外商直接投資額與GDP 的比率表示；政府干預程度用地方財政一般預算支出與GDP 的比率表示；對外開放程度用經營單位所在地進出口總額與GDP 的比率表示；人力資本投入用平均受教育年限表示[17-19]。

第二，中介變量。將反映產業結構升級的第三與第二產業產值比率作為中介變量，用instru來表示。

第三，調節變量。政府科技支出水平對于創新發展有積極影響，文章用政府科技支出占地方財政一般預算支出比重衡量。

主要變量的描述性統計如表1 所示。

（5） 匹配度測算

文章借鑒吳凡和蘇佳琳(2020)[18]、葉德珠和曾繁清(2022)的做法[19]，運用標準排序匹配法構建金融結構—勞動力技能結構匹配度。首先，對金融結構、勞動力技能結構數據z-score 標準化，消除這兩個指標之間的量綱差異，使得數據具有可比性；之后，分別將這兩個指標由小到大進行[0，1]范圍內的排序，分數越高表示金融結構越偏向于市場主導型、勞動力技能結構越偏向于高技能，再將排序后的金融結構所處的層次記為std(finstru)、勞動力技能結構所處的層次記為std(inlabor)；最后，計算金融結構與勞動力技能結構的排序差異。為了使指標的數值大小與結構匹配度的高低方向保持一致以便于實證分析，文章做取相反數的處理，最終用排序差異的絕對值的相反數作為結構匹配度match數值越大，表示金融結構與勞動力技能結構所處的層次越接近、匹配度越高。

（6） 數據說明

文章數據來自歷年《中國人口和就業統計年鑒》 《中國統計年鑒》 《中國科技統計年鑒》 《中國高技術產業統計年鑒》、wind 數據庫、eps 數據庫、CEIC 數據庫以及CSMAR 數據庫。除創新效率測算外，文章所有計量分析皆基于stata17 實現。

2. 模型設定

為檢驗假設H1，文章構建如下基準模型：

為檢驗假設H2，借鑒溫忠麟、葉寶娟(2014)關于中介效應的研究[20]，建立如下模型：

其中，inoit表示創新（包括自主創新zz和技術創新cx），a0、β0、δ0分別表示各常數項，matchit表示金融—勞動力技能結構匹配度，instruit表示中介變量產業結構升級，γit表示控制變量，μi表示個體固定效應，ηt表示時間固定效應，εit表示隨機誤差項。

3. 變量名稱與描述性統計

文章選取2000—2021 年中國30 個省份的數據（除西藏和港澳臺地區）。為消除量綱影響，所有指標進行比率化處理。從表1 可以看出，我國自主創新水平低于技術創新水平，且自主創新的變異系數為1.176，大于技術創新的變異系數0.857，表明我國各個地區之間自主創新比技術創新發展更不均衡。金融結構—勞動力技能結構匹配度均值為-0.341，說明金融結構和勞動力技能結構之間存在錯配現象，其最小值和最大值差別較大。

四、實證結果及分析

1. 基準回歸

表2 基準回歸結果顯示，在不加入固定效應時，金融結構—勞動力技能結構匹配度分別對自主創新、技術創新存在顯著正向影響；在加入雙固定效應時，金融結構—勞動力技能結構匹配度對自主創新的影響在5%的顯著性水平上存在顯著正向影響，系數為0.034，顯著性水平進一步提高；金融結構—勞動力技能結構匹配度對技術創新的影響在1%的顯著性水平上存在顯著正向影響，系數為0.117，顯著性水平不變，影響系數變大。基準回歸驗證了假設H1，金融結構—勞動力技能結構匹配度對創新具有積極影響，也即資本市場主導型的金融結構可以和高技能勞動力結構匹配促進創新，而銀行信貸主導型金融結構可以和中低技能勞動力結構匹配促進創新。此外，金融結構—勞動力技能結構匹配度對技術創新的影響要大于其對自主創新的影響，表2 列(2)和列(4)的R2皆比列(1)和列(3)的R2大，說明地區和時間因素對所估計的模型系數有重要影響。

2. 穩健性檢驗

為了檢驗金融結構—勞動力技能結構匹配度對自主創新及技術創新存在顯著正向影響的穩健性，將股票和債券融資與銀行貸款融資比構建新的金融結構指標進而形成新的匹配度match1；調整樣本數量，剔除北京、上海、廣州這三個地區的樣本，形成匹配度match2。結果如表3 所示，金融結構—勞動力技能結構匹配度對自主創新及技術創新皆存在顯著正向影響，說明基準回歸結果具有穩健性。

表3 穩健性檢驗：替換核心解釋變量

3. 內生性處理

文章使用雙固定效應以及選取控制變量以降低遺漏變量導致內生性問題的可能，但仍存在諸如反向因果、變量與殘差間相互內生等可能。運用兩階段最小二乘法，分別將因變量滯后一期作為工具變量進行回歸[21]。結果如表4 所示，金融結構—勞動力技能結構匹配度(match3)對自主創新及技術創新仍具有正向影響，表明基準回歸結果具有穩健性。

表4 內生性檢驗：使用工具變量

4. 影響機制分析

文章進一步研究金融結構—勞動力技能結構匹配度對創新的直接效應及通過產業升級對創新發展的中介效應。表5 列(1)的系數在1%的水平上顯著為負，即金融結構—勞動力技能結構匹配度對產業升級具有顯著負向影響；列(2)和列(3)中的匹配度和產業升級系數在1%的水平上皆顯著為正，金融結構—勞動力技能結構匹配度對自主創新及技術創新的直接效應分別為0.074、0.141，遮掩效應分別為0.0400(|-0.194*0.203|)、0.024(|-0.194*0.122|)，總效應分別為0.034、0.117。對此結果可能的解釋是：產業升級需要通過結構調整來實現，包括資源的重新配置和技術的升級，當前中國金融結構與勞動力技能結構的匹配可能導致資金過多地流向第二產業（制造業和建筑業），而忽視了第三產業（服務業） 的發展，無法適應產業結構調整的需求，對產業升級產生抑制，即當前中國的金融結構—勞動力技能結構匹配度削弱了產業升級對自主創新以及技術創新的積極作用，假設H2 由此得到驗證。表5 列(4)政府的科技支持力度與金融結構—勞動力技能結構匹配度的交互項系數在1%的水平上顯著為負，表明政府的科技支持力度削弱了金融結構—勞動力技能結構匹配度對自主創新的促進作用，金融結構—勞動力技能結構匹配度與政府的科技支持力度對自主創新的影響具有明顯的替代關系；列(5)政府的科技支持力度與金融結構—勞動力技能結構匹配度的交互項系數在5%的水平上顯著為正，表明政府對科技支持的力度強化了金融結構—勞動力技能結構匹配度對技術創新的促進作用，具有正向調節作用，假設H3由此得到驗證。

表5 影響機制結果

五、進一步研究：金融結構—勞動力技能結構匹配度對創新效率的影響

文章進一步檢驗金融結構—勞動力技能結構匹配度對創新效率的影響，以期能夠較為全面地了解匹配度對創新的影響。創新可以劃分為研發和轉化兩個階段，創新效率也是我國創新發展進程中需要重點關注的問題，文章運用Fried 等(1999，2002)三階段DEA 方法對創新效率進行測算。借鑒已有研究[22]，具體指標選取如表6 所示，為了消除不同單位環境變量對結果分析造成影響，對環境變量進行標準化處理。從投入到產出具有時滯性，對創新產出相關指標進行滯后一期化處理。

表6 創新效率指標匯總

文章研究的創新效率即研發效率和轉化效率取值皆大于等于0，LR 檢驗認為在1%的顯著水平上存在個體效應，故引入隨機效應的Tobit 模型檢驗金融結構—勞動力技能結構匹配度與創新效率的關系。表7 結果表明，我國金融結構—勞動力技能結構匹配度創新研發綜合技術效率(yfzh)在10%的顯著水平上有正向影響，影響系數為0.051；對創新研發純技術效率(yfjs)在1%的顯著水平上有正向影響，影響系數為0.066；對研發規模效率(yfgm)、創新轉化綜合技術效率(zhzh)、轉化純技術效率(zhjs)、轉化規模效率(zhgm)并未發揮出促進作用。為檢驗基準Tobit 回歸結果的穩健性，文章將直接融資指標中加入債券融形成新的匹配度match4，檢驗匹配度對創新效率的影響。回歸結果與上述結果基本保持一致，支持匹配度對創新效率Tobit 基準回歸的結論。

六、結論及政策建議

1. 主要結論

文章運用排序匹配法度量金融結構與勞動力技能結構匹配度，采用雙固定效應對自主創新、技術創新進行回歸分析。此外，為更加全面地了解金融結構與勞動力技能結構匹配度對創新的影響，運用三階段DEA 方法，將環境因素剝離，從而計算出更加準確的創新效率值，并進一步運用Tobit 效應模型檢驗匹配度對創新效率的影響。研究得出如下結論：

一是金融結構—勞動力技能結構匹配度對自主創新及技術創新存在顯著正向影響；

二是金融結構—勞動力技能結構匹配度不適應產業結構的調整，會抑制產業結構升級對創新發展的積極作用，導致創新發展受限；

三是政府科技支出會削弱金融結構—勞動力技能結構匹配度對自主創新的促進作用，而增強匹配度對技術創新的促進作用；

四是我國金融結構—勞動力技能結構匹配度對創新研發綜合技術效率(yfzh)和研發純技術效率(yfjs)存在顯著正向影響，而對研發規模效率(yfgm)、創新轉化綜合技術效率(zhzh)、轉化純技術效率(zhjs)、轉化規模效率(zhgm)并未發揮出促進作用。

2. 政策建議

我國在推進創新發展進程中，面臨人口自然增長率變成負數且人口老齡化日益加劇現狀，要更加重視勞動力技能結構與金融結構協調問題。在自主創新占比高的行業或者區域，其從業者多為高技能勞動力，需要較為發達的金融市場提供資金支持，應進一步創新包括公募REITs 產品在內的金融產品供給，完善信息披露與監管規則，全面提升資本市場服務創新的能力。在缺少高技能勞動力的行業或區域，要進一步優化銀行信貸的服務模式，鼓勵銀行參與供應鏈金融，有效地服務創新企業、區域產業集群等各類產業鏈供應鏈項目場景，進而實現貸款、存款與結算等多項業務多場景應用。政府在財政科技支出中應加強對知識產權的保護力度，保障自主創新企業的創新成果和利益，還應建立科創項目的評估和監測機制，確保財政科技支出的有效性。隨著我國創新水平的不斷提升，亟須相關部門制定相應的協調政策，對金融結構與勞動力技能結構協調性進行動態監管，以期發揮出二者匹配度對創新的最優促進作用。創新效率方面，創新研發效率雖然整體高于創新轉化效率，但在未來發展中要更加注重匹配度對研發規模效率的促進作用。此外，應重視培養創新人才、推動資本與校企融合、抓實嵌合式戰略合作、完善校企考核評價機制、組建校企戰略合作平臺以促進校企高質量協同發展，進而發揮金融結構與動力技能結構匹配對創新成果轉化的助力作用。