金融集聚对科技创新效率影响的双重特征分析

目前，中国依据区域金融资源要素空间流动、扩散和分布差异，相继设立了金融改革试验区，表明金融集聚已经成为现代金融业的基本组织形式，而金融资源也一直被视作科技创新的核心要素。本研究以门槛效应和空间效应视角为切入点，测度金融集聚对区域科技创新效率的作用方向和影响程度，以及长期内这种作用效果能否持续，以明确金融集聚对科技创新效率的作用效果，旨在协调区域间要素空间配置，强化金融体系对科技创新的支持效果，进而加快产业结构转型释放新动能，为实现中国经济高质量发展和深化体制改革提供参考依据。

1 文献综述

关于金融集聚与科技创新的关系，从行业角度分析，Belloc[1]认为金融产业保险集聚能够弱化技术创新过程中未知因素带来的风险，且强化参与者保障机制；Garciaperezdelema[2]发现，金融发展程度低，尤其是资本市场融资约束阻碍了西班牙中小企业在激烈竞争环境中的创新能力；田菁等[3]运用SFA方法，以金融服务业为例发现，金融集聚对创新效率具有支持作用，但长期内这种积极作用并不显著；张岭等[4]通过对金融体系的研究认为，金融资源集聚对创新驱动发展的支持作用在产业链发展前期比较明显；马红等[5]从我国“脱实向虚”的经济发展现状出发，发现金融集聚对企业固定资产投资和创新研发投资具有显著曲线效应。从区域角度分析，孙伍琴等[6]将中国分为东部、中部和西部区域，实证发现东部、中部地区金融集聚对技术创新绩效的贡献高于西部地区；马子红等[7]基于我国区域金融差异化发展视角，利用动态面板数据模型发现，金融集聚对企业创新效率具有显著正向效应，但影响程度存在区域差异性。从宏观角度分析，Guariglia[8]以欧盟国家为例发现，集聚区域内，风险资本增加可促进技术创新水平提升；李胜旗等[9]实证研究发现，金融集聚虽然对经济总量的快速增长有促进作用，但会抑制经济可持续发展所必需的技术创新，金融集聚过度将对科技创新产生挤出效应。

本研究基于现有研究成果总结如下：前期金融资源沿着金融效率的帕累托改善路径在地域和结构上流动并趋向集聚，金融集聚区会产生正向空间溢出效应，在促进区域内科技创新效率提升的同时，也受到邻近金融集聚区的正向溢出作用，即“涓流效应”；但随着集聚区域的不断填充、扩张，区域内金融集聚水平持续提升，形成“虹吸效应”，依据金融要素边际产量递减原则，金融过度集聚将造成本区域金融市场拥挤，形成过度竞争，最后对区域科技创新效率产生空间挤出效应。两种效应一直伴随着区域间资源的流动，在趋于动态均衡过程中，将处于一种类似博弈的状态，使得区域金融集聚对科技创新效率的影响并非稳定不变，而是表现为非线性影响。同时，现有研究偏向于以行业为基础，结论并不具有普适性，少数研究从区域、宏观角度出发，忽略了区域资源集聚受邻近区域的影响，即金融集聚空间溢出效应显著这一特点，使得研究结论缺乏严谨性。基于此，本研究构建面板门槛模型和空间杜宾模型，实证分析金融集聚对科技创新效率的门槛效应和空间溢出效应。本研究创新之处在于：①金融资源地域流动存在“涓流效应”和“虹吸效应”，在双重效应作用下，其对科技创新效率的作用效果比线性影响更为复杂。本研究以省际面板数据设定门槛变量，探究金融集聚对科技创新效率是否存在阶段性作用；②中国地域复杂，区域资源集聚存在强烈的空间异质性，故纳入空间权重，进一步从空间相关性角度研究金融集聚对科技创新效率的空间溢出效应。

2 指标体系与数据来源

2.1 金融集聚度测定

本研究借鉴综合开发研究院课题组(2018)发布的《中国金融中心指数报告》评价体系，考虑对金融集聚的评价侧重于微观意义上的研究，而微观意义上金融集聚主要是对金融资本、金融机构和金融从业人员的研究[10]。因此，本研究综合选取如下指标构建金融集聚指标体系并计算金融集聚度，以避免研究的片面性，相关数据来源于《中国金融年鉴(2006-2017)》、国家统计局官网、WIND资讯数据库。

考虑到众多指标可能导致因子间存在多重共线性问题。因此，本研究首先利用SPSS23对指标层数据进行KMO检验，从表中可知KMO值为0.806，大于0.5，且P值接近于0，拒绝原假设，故适合运用因子分析提取共性因子，具体结果见表1。采用何宜庆和廖文强[11]的方法，分别对4个准则层进行主成分分析求得权重，经归一化处理后可得到该指标的权重(各年权重值存在细微差异，表中最后一列数据为各指标2016年的权重值)，指标体系如表2所示。以指标权重乘以相应的归一化指标数据得到各指标系统参数值，汇总后得到各省市金融集聚值。

注：保险密度为地区人均保费收入、保险深度为地区保费收入与该地区生产总值的比率

2.2 科技创新效率测定

本研究运用DEAP2.1软件，采用投入导向型模式对所选取的投入产出数据进行测度分析，选取技术效率值(PTE)作为各区域科技创新效率。

选取专利申请受理数和创新产出经济效益额衡量各区域科技创新产出情况。其中，选取专利申请受理数可最大程度上体现科技创新成果，且不受到相关机构工作效率和主观偏好的影响。参考白俊红等[12]对专利的分类方法，本研究按照不同类别专利潜在价值对发明专利、实用新型专利和外观设计专利以0.5、0.3及0.2进行赋权。创新产出经济效益额用工业企业新产品销售收入和技术市场成交额之和表示，并以2005年为基期采用工业品生产者出厂价格指数平减。选取R&D人员全时当量和R&D经费内部支出作为人力和资本投入变量。其中，R&D经费内部支出为流量数据，本研究采用吴延兵[13]的永续盘存法将其转换成R&D资本存量数据，如式(1)所示。

Kt=Rt-1/Pt-1+(1-δ)Kt-1,K0=E0/(g+δ)

其中，Kt与Kt-1分别表示第t年和第t-1年的R&D资本存量；Rt-1表示除基期外当年R&D经费内部支出；Pt-1表示支出价格指数，参照朱平芳和徐伟民[14]的方法，采用居民消费价格指数*0.55与固定资产投资价格指数*0.45加权求和得出。g为考察期内实际R&D经费内部支出的平均增长率；δ为折旧率，本研究取12%；K0为基期资本存量；E0为基期实际R&D经费内部支出。相关数据来源于《中国科技统计年鉴(2006-2017)》，见表3。

2.3 控制变量

本研究通过构建金融集聚指标体系并利用DEA方法分别得出各省(市、区)(除西藏外)的金融集聚值及科技创新效率值。将DEA方法输出的技术效率值(PTE)作为被解释变量，金融集聚值(fa)作为解释变量，并引入控制变量，综合考察变量间的相关关系。考虑到目前政府导向对区域科技创新潜力有很大的主导效应，因此选用地方科技财政支出占地方总财政支出比重衡量政府科技支持(gs)；因为人才储备能够提升创新效率，且高校是我国人才的主要培养基地，因此选用每万人口中高校在校生数衡量人力资本储备(hr)；开放环境是要素流动的基础，外商投资有利于本地知识和技术溢出，因此选用实际利用外商投资额占GDP比重衡量对外开放度(open)。相关数据来源于国家统计局官网、全国科技经费投入统计公报(2005-2006年)，为统一口径，本研究用2005-2016年国家统计局公布的人民币兑美元汇率的中间价对美元进行换算。表4列出了经计算后的金融集聚值和科技创新效率值，因篇幅所限，只列出部分年份。

3 研究方法

3.1 面板门槛模型

基于文献综述，金融集聚与科技创新效率间可能存在非线性关系。依据Hansen[15]的研究方法，构建金融集聚与科技创新效率面板门槛模型。模型设定如下：

PTEit=μi+Xitβ1×I(qit width=7,height=8,dpi=110

γ)+Xitβ2×I(qit>γ)+witcontrolit+εit

在模型(2)中，i表示各区域；t表示各年份；PTE代表科技创新效率；Xit代表金融集聚及金融集聚的一阶滞后变量；controlit为控制变量，即政府科技支持、人力资本储备和对外开放度；I(·)为示性函数；β1和β2分别为金融集聚门槛值系数；qit为待估参数；γ为待估计的门限值；μi表示个体效应；εit服从独立同分布。

3.2 空间计量模型

3.2.1 空间相关性检验

采用Moran's I指数及空间散点图考察金融集聚和科技创新效率两个变量在空间上的自相关性，计算公式如下：

其中，wij为空间权重矩阵，

和xj分别表示区域i、区域j的观测值，n表示区域个数。Moran's I指数取值在[-1,1]之间，其值越接近于-1，表明区域间差异越大或某要素分布越不集中；其值越接近于1，则表明区域间差异较小或某要素趋于集聚。

3.2.2 空间计量理论模型

本研究以空间面板计量模型研究金融集聚对科技创新效率的影响，考虑变量间空间自相关性和空间误差性的影响，采用空间杜宾模型(SDM)，并利用MATLAB软件完成。模型设定如下：

PTEit=ρ×W×PTEit+αk×Xit+φ×W×Xit+εit

式(4)中，PTEit表示被解释变量，Xit表示解释变量，包括金融集聚程度fait以及金融集聚与科技创新效率的非线性影响fait2；选取controlit作为对科技创新效率产生影响的控制变量，包括政府科技支持、人力资本储备和对外开放度；参数向量α表示解释变量对被解释变量的影响，ρ为被解释变量空间滞后效应系数；φ为解释变量空间相关性系数，表示邻近区域与本区域间解释变量的相互作用，若系数φ显著，则说明邻近区域金融集聚对本区域科技创新效率存在影响，邻近区域金融资源互动既存在竞争关系又存在示范效应；W为n×n阶空间权重矩阵，一般选取空间邻接权重矩阵；ε为模型残差项，且满足ε～N[0，σ2I]。

4 实证结果分析

4.1 门槛效应检验

依据前文理论分析，首先检验两者作用关系是否存在门槛效应，若存在，进一步确定门槛个数和模型形式。利用Stata软件，采用自抽样BS次数为500，得出金融集聚值(fa)单一门槛值、双重门槛值、三重门槛值的F统计量和P值。结果表明，单一门槛和双重门槛在10%水平上显著，但三重门槛结果并不显著，说明金融集聚与科技创新效率间存在非线性关系，金融集聚对科技创新效率的影响随着金融集聚程度的加深存在阶段性差异，如表5所示。

因三重门槛值并不显著，可知金融集聚值仅存在双重门槛，门槛值分别为0.511 0和2.881 2，其对科技创新效率的影响包括3个阶段性。表6为在双重门槛值设定下的门槛模型回归结果，考虑到时滞效应，加入金融集聚值的一阶滞后项。结果显示，当金融集聚度处于低水平时，其对科技创新效率的促进作用最大，且通过了1%的显著性水平检验；当金融集聚度提高，处于第二阶段和第三阶段时，其对科技创新效率的促进作用逐步降低；当在第三阶段时，金融集聚对科技创新效率的促进作用最小，且置信区间出现负值，表明极有可能产生了抑制作用。控制变量政府科技投入、人力资本储备和对外开放度对科技创新效率均具有促进作用。总体来说，金融集聚对科技创新效率的影响存在阶段性作用。面板门槛模型虽然测定了金融集聚的门槛值，并通过回归分析对二者作用程度进行测度，但忽略了金融集聚存在空间异质性，故在空间计量模型中对二者作用程度进行深入分析。

4.2 空间计量结果

4.2.1 空间相关性检验

利用ArcGIS空间统计工具箱测算Moran's I指数，考察金融集聚和科技创新效率两个变量在空间上的自相关性。如表7所示，金融集聚和科技创新效率均呈现空间正相关且为“M”型变化，但金融集聚的Moran's I指数自2011年开始呈下降趋势，且显著性降低，金融集聚差异化日渐突出；而且，随着金融集聚差异化明显，科技创新效率Moran's I指数亦呈下降趋势。金融集聚Moran's I指数在2008年和2011年达到峰值，且科技创新效率的Moran's I指数在2009年和2013年达到峰值，验证了金融集聚度与科技创新效率存在空间关联性。金融资源和科技创新效率均存在集聚现象，且协同变动趋势显著。因此，进行空间回归分析十分必要。

4.2.2 回归结果分析

运行MATLAB软件，以全国内地30个省(市、区)为样本数据，纳入空间邻接矩阵权重，研究金融集聚对科技创新效率的影响。同时，为使估计结果更加全面，分别设立混合效应、空间固定效应、时间固定效应和双向固定效应模型，结果如表8所示。

首先，观察Moran指数为0.642 3，且通过了1%的显著性检验，表明变量间存在集聚现象，具有空间相关性；其次，金融集聚(fa)及其二次项(fa2)系数α在4种效应模式下皆为一正一负，且均通过了1%的显著性水平检验，说明整体上金融集聚对科技创新效率具有显著促进作用，即区域内金融集聚水平提升，其科技创新效率也随之提高。同时，二次项(fa2)系数为负值，表明金融集聚与科技创新效率存在非线性关系，即随着区域内部金融集聚程度加深，带来正外部性的同时，其对周边优势资源的吸引力也不断增强，形成“虹吸效应”，这一结论也验证了门槛面板模型回归结果的正确性。这是金融要素边际产量递减和区域间过度竞争的体现，即长期内区域内部金融集聚程度不断加强，科技创新效率将持续提升；最后，政府科技支持、人力资本储备和对外开放度均可显著推动科技创新效率提升，这一结论与理论分析及门槛面板模型回归结果趋同。同时，政府科技支持、人力资本储备对科技创新效率的影响系数高于对外开放支持系数，表明政府支持对区域创新的引导作用及人力资本储备的创新驱动作用更强。

5 结语

本研究基于2005-2016年全国内地30个省(市、区)面板数据，在构建金融集聚和科技创新效率评价体系的基础上，运用面板门槛模型和空间杜宾模型实证检验中国金融集聚对科技创新效率的门槛效应和空间溢出效应，得出如下结论：①宏观方面，区域内部金融集聚对科技创新效率具有促进作用，且促进程度随着金融集聚程度的加深而降低，主要原因在于目前我国高新科技企业主要集中在上海、广东等沿海城市，而这些区域普遍是高金融集聚水平区域，相较于人才实力，金融资源并不匮乏；②微观方面，门槛效应分析得出金融集聚存在双重门槛，即金融集聚对科技创新效率存在门槛效应。这是因为，金融资源集聚所产生的正负空间溢出作用，即“涓流效应”和“虹吸效应”的存在，使得金融集聚与科技创新效率间表现出非线性作用关系。在空间杜宾模型中引入金融集聚二次项与空间权重矩阵的影响，验证了区域间金融集聚与科技创新效率存在非线性关系。

依据中国现阶段发展状况，应根据不同区域地理优势及经济发展模式，强化金融资源在区域间的合理配置，使得要素集聚对科技创新效率的边际效应保持在递增阶段，引导不同层次人才与金融集聚区发展相协调，支撑产业结构升级，进而提升科技创新效率。首先，在金融集聚水平较高区域集聚核心技术人才，协调资源空间布局，促进协同创新，以新动能驱动中国经济转型，发挥其作为中国经济高质量发展的引擎作用；其次，对金融集聚水平较低地区，如甘肃、青海、宁夏等区域，坚定贯彻对外开放和西部开发战略，强化政府引导作用，扶持效益较高区域企业入市新三板或本区域城市银行上市，通过对外资和人才的引进，为科技创新提供根本保证；最后，政府在强化科技投入、引导发展方向进程中，应加强核心技术人才培养和引进力度，坚持高水平对外开放，获得更多推动发展所必需的资源、人才乃至机遇，以此支撑区域科技创新，推动中国经济实现高质量发展。

本研究在研究过程中还存在一定的局限性：①中国地形复杂，对区域间金融集聚形成差异化发展的原因应进行深入考察和剖析，对金融资源要素流动、集聚差异与区域微观经济学间的影响关系进行探究。同时,对金融集聚水平较高的长江三角洲城市群、珠江三角洲城市群区域金融集聚与科技创新效率间关系进行案例分析，丰富金融要素流动、金融集聚与科技创新效率间的关系研究，为河南、重庆等新晋金融改革试验区建设提供更具实践性的建议；②由于部分样本数据和指标缺失，本研究选取省际面板数据进行研究，因此分析结果精度受到限制。未来可强化数据收集能力，将指标数据细化到各个城市，结合各城市区域内产业发展政策以及金融资源流动情况、空间经济学等理论，更加精准地分析金融集聚对科技创新效率的支持程度;③利用DEA模型测度科技创新效率，得到各省(市、区)技术创新相对效率值，但对科技创新效率值的分解测算有待优化。无论在理论研究还是方法应用上都存在拓展空间，这也为后续研究提供了方向，这样才能不断拓宽金融集聚研究深度和广度。

[1] BELLOC F. Corporate governance and innovation：a survey[J].Journal of Economic Surveys,2012,26(5)：835-864．

[2] GARCIAPEREZDELEMA D,MADRIDGUIJARRO A,MARTIN D P.Influence of university-firm governance on SMEs innovation and performance levels[J].Technological Forecasting and Social Change,2016，123(4)：250-261．

[3] 田菁，孙祎凡，李芳.金融集聚与金融服务业技术效率的关系探讨——基于省域随机前沿生产函数的分析[J].现代财经：天津财经大学学报，2012，32(12)：37-46.

[4] 张岭，张胜.金融体系支持创新驱动发展机制研究[J].科技进步与对策，2015，32(9)：15-19.

[5] 马红，侯贵生.金融集聚能促进企业的实业投资吗?——基于金融生态环境和要素拥挤理论的双重视角[J].现代财经：天津财经大学学报，2018，38(8)：3-15.

[6] 孙伍琴，王培.中国金融发展促进技术创新研究[J].管理世界，2013(6)：172-173.

[7] 马子红，常嘉佳.区域金融集聚与企业创新效率:基于动态面板数据模型的实证分析[J].云南民族大学学报：自然科学版，2016，25(4)：372-378.

[8] GUARIGLIA A,LIU P.To what extent do financing constraints affect Chinese firms' innovation activities[J].International Review of Financial Analysis,2014,36(12)：223-240．

[9] 李胜旗，邓细林.金融集聚促进了技术创新吗[J].南京审计大学学报，2017，14(5)：102-111.

[10] 张同功,孙一君.金融集聚与区域经济增长:基于副省级城市的比较研究[J].宏观经济研究,2018(1):82-93+120.

[11] 何宜庆，廖文强，白彩全，等.中部六省省会城市金融集聚与区域经济增长耦合发展研究[J].华东经济管理，2014，28(7)：70-75.

[12] 白俊红，蒋伏心.考虑环境因素的区域创新效率研究——基于三阶段DEA方法[J].财贸经济，2011(10)：104-112+136.

[13] 吴延兵.R&D存量、知识函数与生产效率[J].经济学：季刊，2006(3)：1129-1156.

[14] 朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R&D投入及其专利产出的影响——上海市的实证研究[J].经济研究，2003(6)：45-53+9.

[15] HANSEN B E．Threshold effects in non-dynamic panels：estimation，testing，and inference[J]．Journal of Econometrics，1999，93(2)：345-368.