2018年5月,习近平总书记在全国生态环境保护大会上指出,推动经济高质量发展,要把重点放在推动产业结构转型升级上,把实体经济做实做强做优。除政府出台产业政策引导外,产业转型升级的途径主要来自于市场机制下企业组织内部演变,特别是企业通过技术改造、新产品研发、新市场开拓等方式带动产业升级[1-2]。2017年7月,《国务院关于强化实施创新驱动发展战略 进一步推进大众创业万众创新深入发展的意见》明确提出,进一步增强创新创业发展实效,着力推进创新创业与实体经济发展深度融合,结合“互联网+”、“中国制造2025”和军民融合发展等重大举措,有效促进新技术、新业态、新模式加快发展和产业结构优化升级。
在创新促进产业优化升级的过程中,金融体系的角色举足轻重,其不仅为产业研发提供资金支持,更通过将资金从落后产业引向高技术、高附加值产业,从而促进产业优胜劣汰[3]。银行业作为企业融资的最大提供者[4],随着改革开放的不断深入,其市场结构发生了巨大变化,银行业基于现金流放款者这一保守融资机构的形象也在悄然转变。例如,2017年,北京首家民营银行——中关村银行成立,其定位为创业者的银行,专注服务于三创(创客、创投、创新型企业),主要是与投资机构合作,在早期发现和服务于未来的瞪羚、独角兽和领军企业,共同构建创新创业生态。那么,这样的银行业市场结构变化是否有助于促进企业创新进而推动产业转型升级?现有文献并未对此作出解答。
新地理经济学相关理论及经验研究结论表明,由空间相关引致的外部性对经济增长具有促进作用,产业转型升级需要考虑空间溢出的经济效应。不仅如此,由于金融空间集聚已经成为现代金融产业组织的基本形式[5],考虑金融因素的空间相关性已成为研究所必须。有鉴于此,本文以中国内地30个省域(由于数据不全,西藏未纳入统计)为样本,考察我国银行业市场结构对产业转型升级的影响,并从企业创新渠道验证银行业市场结构对产业转型升级的影响机制。相对于已有研究,本文可能的边际贡献在于:①从空间外溢视角验证我国银行业市场结构、企业创新、产业升级之间可能存在的空间相关性,并采用基于系统广义矩估计(GMM)法的动态空间面板杜宾模型对三者之间的关联加以实证检验,对以往将研究对象视为均质与独立的相关研究形成了有益的补充;②建构银行业市场结构经由企业创新影响产业结构升级的逻辑框架,并验证企业创新的中介渠道效应,为当前我国深化金融供给侧结构性改革,进一步加大银行业对内对外开放力度,促进产业结构升级提供经验证据支持。
银行业市场结构最常见的衡量指标是银行集中度,银行集中度高意味着大银行在金融体系中相对份额高。对于银行集中度与产业转型升级的关系,学者们的观点莫衷一是。如张雪兰等[6]研究发现,银行集中度过高会抑制产业结构升级;刘培森和尹希果[7]研究发现,国有商业银行市场份额上升对产业结构升级具有促进作用;彭宇文等[8]认为,在不同地区,存贷款集中度对经济增长的影响方向存在差异。以上文献表明,在现有关于银行业市场结构与产业结构升级的关系上,学界尚未达成一致。
银行业市场影响企业创新的研究可归纳为两类。一方面是从银行业市场竞争视角进行探讨,如Cornaggia等[9]认为,银行竞争水平提高可以缓解融资约束困境,促进私营企业尤其是高科技企业技术进步;Agostino&Trivieri[10]研究发现,随着银行业竞争加剧,银行更愿意扩大信贷,将资金贷给中小企业,因此银行业竞争度上升能够帮助新兴企业获得贷款;石璋铭和谢存旭[11]认为,我国银行业竞争水平提高能够促进产业技术创新;唐清泉和巫岑[12]研究发现,我国银行业市场结构竞争度提高有助于缓解企业研发投资约束,这种作用对于民营企业和小企业更显著。另一方面,从银行业管制视角进行研究,如Cetorelli&Strahan[13]发现,美国放松银行业地域管制加剧了银行业竞争,进而促进新企业生成;Bertrand等[14]发现,放松银行业管制使得银行更愿意为企业提供资金,企业更容易开展生产与扩张活动;蔡昉[15]认为,加强银行业管制意味着增加融资环境的歧视性,将使中小企业和创业者面临着更严峻的融资难、融资贵问题,从而扼杀潜在创新活动。
奥地利学派认为,创新是影响经济发展的重要因素。熊彼特也认为,创新能够推动整体经济发展。在Acemoglu等[16]的模型中,经济增长过程并非资本积累的原因,而是由技术进步推动。国内外学者对企业创新影响经济发展这一问题的研究,可归纳为3类:①将创新精神作为一种投入要素引入生产函数[17],通过数理推导得出创新精神对经济发展的促进作用;②基于内生技术进步理论,分析创新的作用[18],受新贸易理论启发,相关研究进一步扩展为开放经济体系研究[19];③基于微观经济学相关理论,分析创新对经济发展的作用,相关理论包括产品创新与消费需求[20]、博弈论视角[21]等。
上述文献就银行业市场影响企业创新问题主要从银行业竞争和银行管制视角展开,而没有考虑银行业市场结构的作用。此外,越来越多的研究肯定了创新相关研究不能忽略空间因素[22-23],如李占风和刘晓歌[24]研究表明,创新能够通过示范效应、学习效应和竞争效应外溢到其它地区。根据新地理经济学理论,由空间相关引致的外部性对经济增长具有促进作用,因此,不能忽略空间溢出效应[25]。基于此,本文从空间视角研究银行业市场结构如何通过企业创新渠道影响产业结构升级。
本文试图从融资视角解释银行集中度对企业创新的影响。Brown等[26]认为,在创新活动初期,现金流并不稳定,创新活动需要持续和大量的研发投入,而融资约束是制约我国研发投入的重要因素。中小企业作为市场的主力军,推动技术进步应该注重提高中小企业创新能力[27]。
首先,从中小银行经营特点角度分析,中小银行比大银行具有更强的处理缺乏规范财务数据的“软信息”能力,有助于缓解中小企业融资难问题。中小金融机构具有地域和人缘等优势,具备向中小企业发放关系型贷款的条件,一定程度上避免了中小企业由于抵押担保不足而付出较高的融资成本,而且中小金融机构与中小企业长期形成的共生共荣伙伴关系,使得中小金融机构对借款人违约较为敏感,有利于控制贷款风险。因此,发展中小金融机构有利于降低中小企业资金成本,缓解中小企业融资约束[28],进而有利于新生企业进行生产和创新活动。其次,从银行业市场结构角度分析,银行集中度下降意味着银行业竞争度上升和银行业管制放松[15,29,30]。银行业竞争加剧促使融资环境进一步开放,有助于缓解融资约束环境[9,10,12],从而增加企业研发投入,促进技术创新;而放松银行业管制意味着降低融资歧视程度[19],银行更愿意为企业提供资金[14],中小企业和创业者面临的融资约束将会减轻,从而有助于企业的生产和创新。创新在一定程度上更容易获得鼓励和发展。创新主要体现为对当前产品进行技术改进,以降低生产成本、提高生产效率。熊彼特经济增长理论认为,创新成功带来更高的利润,从而激励社会不断创新,推动经济发展与产业升级。
创新的空间相关性可以从学习效应和竞争效应两方面进行分析。随着区域间经济合作日益密切,合作有助于人们学习到更先进的生产技术和科学的管理方法,接触到技术含量更高的产品,从而进行技术和管理创新。由此,先进的技术与管理方法通过学习效应溢出。见识到更先进的生产技术和科学的管理方法后,迫于竞争压力和利润最大化目的,人们更愿意将学习到的先进经验引入到自己的管理中来,这种竞争效应也会带来创新精神外溢。产业升级同样存在空间相关性,空间经济学和新经济地理学的研究已经证实,经济增长不仅取决于自身投入,也取决于邻近区域经济增长状况,当地经济增长能够通过外部性成为邻近区域经济发展的源泉[23]。因此,当地产业升级可以通过空间外溢途径带动其它地区产业升级,进而可能形成区域产业升级集群。
为检验企业创新在银行业市场结构对产业升级的影响路径中是否发挥中介作用,下文将依据变量间的作用机制和中介效应分析步骤建立实证回归方程。按照温忠麟等[31]总结的中介效应检验流程,检验中介效应的存在性。分别建立银行业市场结构影响产业升级的方程、银行业市场结构影响企业创新的方程以及银行业市场结构与企业创新联合影响产业升级的方程。
2.1.1 银行业市场结构对产业升级影响的检验模型
根据上文相关研究,银行业市场结构通过企业创新影响产业升级的过程可能存在空间相关性,如果忽略其客观存在的空间溢出效应,实证结果可能会出现偏误。因此,本文采用空间计量相关模型对该问题进行实证研究。Elhost[32]提出,空间相关性既可能来自被解释变量自身,也可能来自解释变量及误差项,因此在模型中纳入解释变量的空间滞后项对空间相关性予以控制。同时,本文认为,产业结构升级存在时间滞后效应,因此将被解释变量的滞后一期纳入方程,建立动态面板模型。此外,研究证实空间杜宾模型相比其它模型能够更好地反映不同来源的空间相关性,而且能够在不同系数设定条件下变形为常见的空间滞后模型和空间误差模型,具有更强的一般性。综上,本文建立动态空间面板杜宾模型进行实证检验。
(1)
其中,i表示各省域,t表示年份;wij是空间权重矩阵,本文采用3种空间矩阵,分别是邻接空间权重矩阵w1ij、地理空间权重矩阵w2ij和经济空间权重矩阵w3ij。
2.1.2 考虑企业创新的模型设定
根据中介效应的检验原理和步骤[31],本文将产业升级变量Pstit视为被解释变量,企业创新变量Innoit视为待检验的中介变量,银行业市场结构变量视为解释变量。考虑企业创新的中介效应检验模型设定如下:
(2)
(3)
2.2.1 被解释变量
经典配第克拉克定理认为,第二产业和第三产业在国民收入中的比重上升是产业升级的表现,故采用第二产业和第三产业增加值占GDP的比例作为产业升级Pstit的替代变量。借鉴顾夏铭等(2018)、冯根福等(2017)的研究,企业创新用各省域国内专利申请授权数衡量,为压缩取值范围,在方便计算的同时,不改变数据性质和相关关系,将国内专利申请授权数取对数得到Innoit的数值。
2.2.2 解释变量和控制变量
银行业市场结构常见的衡量指标为银行集中度,本文使用两个银行集中度指标度量Cbit。其中,Cb_ait表示银行资产比重,采用我国前5大银行(工农中建交)资产占银行总资产的比重作为Cb_ait的替代变量;Cb_lit表示银行从业人数占比,使用我国前5大银行从业人数占银行从业人员总数的比重作为Cb_lit的替代变量。
为避免遗漏变量带来的内生性问题,在产业升级方面,借鉴刘培森等(2015)、韩永辉等(2017)的研究,引入市场化进程、非国有化程度和外商直接投资作为控制变量。其中,市场化进程使用市场化指数作为替代变量,由于2017、2018年市场化指数没有具体数值,本文使用拟合值替代;非国有化程度使用各省域非国有及非国有控股企业单位数量占企业单位总数量的比例衡量;外商直接投资使用各省域外商投资企业投资额的对数值衡量。在企业创新方面,借鉴金刚等[22]、雷震和彭欢[28]的研究,引入劳动力增长率、固定资产投资占GDP的比重、银行贷款占GDP的比重和进出口占GDP的比重作为控制变量。
2.2.3 数据来源
本文以中国内地30个省域(因数据不全,西藏未纳入统计)为研究样本,选取2005—2018年数据。样本数据来源于《中国工业经济统计年鉴》、《中国劳动统计年鉴》、《中国区域金融运行报告》以及国家统计局网站。中国市场化指数数据来源于Wind数据库,该指数为樊纲等(2016)编制而成,2017、2018年市场化指数为拟合值。变量定义如表1所示。
表1 变量定义
变量符号度量指标及说明银行集中度1Cb_a前5大银行的资产占比银行集中度2Cb_l前5大银行从业人数占比企业创新Inno国内专利申请授权数量的对数值产业结构升级Pst(第二产业增加值+第三产业增加值)/GDP外商直接投资Fdi外商投资企业投资额的对数值市场化指数Market樊纲编制的中国市场化指数非国有化程度Fei非国有及非国有控股企业的单位数占企业单位数的比例劳动力Lab城镇单位就业人员增长率固定资产投资Fix全社会固定资产投资/GDP银行贷款Loan银行业金融机构各项贷款/GDP进出口Imex进出口总额/GDP
空间计量分析的前提是度量区域间的空间距离。wij代表区域i与j之间的距离,空间权重矩阵W为N*N对称矩阵,主对角线元素取值为零。考虑到我国各省域是客观存在的地理概念,因此使用相邻法和省会城市球面距离数据分别生成空间权重矩阵w1和w2。相邻法具体设定如下:当区域i和j为相邻省份时,w1ij=1,否则,w1ij=0;w2ij以i省省会城市与j省省会城市之间的球面距离倒数来构建,实际测算中进行了标准化处理。此外,考虑到i省虽然在地理距离上与j省和k省没有差别,但经济关系并不完全相同。因此,参照林光平等[33]的方法,构建经济空间权重矩阵w3。
表2报告了样本数据的描述性统计结果,表3报告了各解释变量间的相关系数,方差膨胀因子分析见表4。可以看出,主要解释变量与控制变量之间的相关性系数大多数小于0.5,方差膨胀因子均小于10,故可排除多重共线性影响。
表2 描述性统计结果
变量N平均值标准差最小值p50最大值Cb_a4200.4260.09100.1980.4200.793Cb_l4200.4800.06900.1310.4760.679Inno4209.2821.6284.3699.32913.08Pst4200.8920.05700.6730.8950.997Fdi4206.4582.0251.9466.09414.47Market4206.5341.9092.3306.32011.71Fei4200.8840.08200.5960.9020.989Lab4200.02900.0730-0.1630.01400.809Fix4200.6950.2430.2330.6801.480Loan4201.2000.4260.5371.1102.585Imex4200.04500.05400.002000.02000.244
表3 相关系数分析结果
变量Cb_aCb_lFdiFeiMarketInnoLabFixLoanImexCb_a1Cb_l0.6935∗1Fdi-0.4372∗-0.4410∗1Fei-0.3760∗-0.4123∗0.5060∗1Market-0.2105∗-0.2470∗0.6476∗0.5494∗1Inno-0.5109∗-0.5787∗0.7343∗0.6995∗0.6996∗1Lab0.1067∗0.0792-0.05630.1262∗0.05920.0989∗1Fix-0.4569∗-0.3301∗-0.1382∗0.0116-0.4654∗-0.0791-0.1053∗1Loan-0.3738∗-0.2198∗0.2864∗-0.1930∗0.1953∗0.2175∗-0.04620.05931Imex0.02740.07370.4222∗0.1998∗0.6766∗0.4607∗0.1885∗-0.5739∗0.4540∗1
Add* to correlations significant at the 1% level after Bonferroni adjustment
表4 方差膨胀因子分析结果
变量Cb_aCb_lFdiFeiMarketInnoLabFixLoanImexMeanVIFVIF2.952.632.573.113.914.921.142.742.764.261/VIF0.33840.38090.38980.32120.25590.20330.87860.36560.36240.23473.10
本文参照Arbia等[34]的研究,将分块对角矩阵替换为截面空间权重矩阵,将其扩展并应用于面板数据空间自相关检验。基于相应的非空间OLS估计方程进行空间相关性检验,得到Moran' I指数,检验结果如表5所示。
表5结果显示,地理空间权重矩阵w2ij和经济空间权重矩阵w3ij大多数Moran' I指数显著,而邻接空间权重矩阵w1ij的Moran' I指数不显著。因此,下文回归中将采用地理空间权重矩阵和经济空间权重矩阵。方程(2)的Moran' I指数大多数为正,且在1%的水平上显著,说明在一定地理区域内,我国企业创新存在显著正向空间相关性。同理,方程(1)和方程(3)的Moran' I指数显著为正,说明我国产业升级存在一定程度的空间相关性。因此,本文主要采用动态空间面板模型进行参数估计。
表5 基于OLS估计的空间相关性检验结果
Moran指数银行集中度邻接空间权重矩阵w1ij方程(1)方程(2)方程(3)地理空间权重矩阵w2ij方程(1)方程(2)方程(3)经济空间权重矩阵w3ij方程(1)方程(2)方程(3)Cb_a1.0711.0610.99411.047∗∗∗8.441∗∗∗9.814∗7.452∗∗∗10.779∗∗∗5.761∗∗∗[0.284][0.289][0.320][0.000][0.000][0.000][0.000][0.000][0.000]Cb_l1.1560.7580.79511.202∗∗∗7.660∗∗∗7.693∗∗∗6.168∗∗∗10.901∗∗2.621∗∗∗[0.248][0.448][0.427][0.000][0.000][0.000][0.000][0.000][0.009]
注:*表示p< 0.1,**表示p<0.05,***表示p<0.01;[]中内容为显著性概率,下同
进一步地,通过比较空间滞后和空间误差的Lagrange乘数及其稳健估计量的显著性发现,空间滞后和空间误差的Lagrange乘数大多数显著,如表6所示。因此,本文模型采用空间杜宾模型(SDM)。
表6 拉格朗日乘数(LM)检验结果
地理空间权重矩阵w2ij方程(1)方程(2)方程(3)经济空间权重矩阵w3ij方程(1)方程(2)方程(3)LMLagTest48.744∗∗∗160.168∗∗∗44.839∗∗∗2.13486.616∗∗∗0.062[0.000][0.000][0.000][0.144][0.000][0.804]LMLagTest(Robust)2.008116.206∗∗∗6.142∗∗2.57425.372∗∗∗0.921Cb_l[0.156][0.000][0.013][0.109][0.000][0.337]LMErrorTest97.428∗∗∗45.747∗∗∗43.099∗∗∗25.006∗∗∗87.834∗∗∗3.381∗[0.000][0.000][0.000][0.000][0.000][0.066]LMErrorTest(Robust)50.692∗∗∗1.7854.402∗∗25.447∗∗∗26.590∗∗∗4.240∗∗[0.000][0.182][0.036][0.000][0.000][0.039]LMLagTest27.622∗∗∗123.974∗∗∗25.591∗∗∗0.14761.146∗∗∗0.574[0.000][0.000][0.000][0.701][0.000][0.449]LMLagTest(Robust)9.188∗∗∗68.323∗∗∗3.585∗9.861∗∗∗10.682∗∗∗13.518∗∗∗Cb_a[0.002][0.000][0.058][0.002][0.001][0.000]LMErrorTest93.104∗∗∗55.705∗∗∗25.591∗∗∗36.506∗∗∗85.189∗∗∗20.249∗∗∗[0.000][0.000][0.000][0.000][0.000][0.000]LMErrorTest(Robust)74.671∗∗∗0.0543.585∗∗∗46.220∗∗∗34.725∗∗∗33.194∗∗∗[0.000][0.816][0.000][0.000][0.000][0.000]
表7报告了模型(1)的回归结果。银行业集中度选取银行从业人数占比Cb_l作为替代变量。结果显示,无论是地理空间权重矩阵w2ij,还是经济空间权重矩阵w3ij,其动态空间面板杜宾模型得到的银行业市场结构回归系数均显著为负,说明在银行业市场中,增加大银行份额对产业结构升级存在负向影响,即大银行在金融体系中的主导作用增强不利于我国产业升级,与前文理论分析预期一致;通过观察控制变量系数发现,市场化指数显著为正,说明市场化程度提高对产业升级有正向影响;外商直接投资回归系数不显著,说明外商直接投资增加不能促进产业结构升级;非国有化的回归系数不显著,可能的原因是,我国产业转型升级既是市场导向,也是政府调控的结果。
表7 银行业市场结构对产业结构升级影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.167∗∗∗-0.142∗∗∗(-4.39)(-4.05)Cb_l-0.153∗∗∗-0.163∗∗∗(-8.91)(-8.05)Fdi-0.002-0.000(-0.78)(-0.17)Market0.022∗∗∗0.023∗∗∗(9.26)(10.51)Fei0.0640.037(1.21)(1.21)w1x_Cb_l0.511∗0.074(1.90)(0.29)w1x_Fdi-0.021∗∗-0.009(-2.07)(-0.77)w1x_Market-0.020∗-0.012(-1.75)(-1.12)w1x_Fei0.563∗∗0.211(2.03)(1.28)_cons0.458∗∗0.825∗∗∗(2.46)(5.52)N390390F586.3680420.4599[P-ValueF]0.0000.000
对企业创新是否作为银行业市场结构影响产业升级的中介变量进行实证检验。根据前文中介效应检验步骤,先检验银行业市场结构与中介变量企业创新的关系,即模型(2)的回归结果,如表8所示。结果显示,无论是地理空间权重矩阵w2ij,还是经济空间权重矩阵w3ij,银行集中度回归系数均显著为负,表明随着大银行在银行业市场中所占份额增加,创新行为受到抑制。该结论与理论分析结论一致,间接证明了银行集中度上升导致银行业放贷动力不足,不利于企业创新活动开展。
表8 银行业市场结构对企业创新影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Inno0.0540.209∗∗∗(0.55)(3.22)Cb_l-9.001∗∗∗-9.733∗∗∗(-4.00)(-4.45)Lab-3.2393.114(-1.20)(0.67)Fix-2.035∗∗-1.475(-2.01)(-1.21)Loan-1.618∗∗∗-1.672∗∗∗(-4.96)(-4.88)Imex17.256∗∗∗18.866∗∗∗(3.80)(3.49)w1x_Cb_l7.10317.027∗∗(0.64)(2.19)w1x_Lab2.4725.615(0.66)(1.17)w1x_Fix4.656∗∗∗0.534(4.57)(0.40)w1x_Loan1.7671.026(1.36)(0.98)w1x_Imex7.339-1.361(0.58)(-0.14)_cons6.8264.245(1.08)(1.10)N390390F67.214091.2973[P-ValueF]0.0000.000
模型(3)将中介变量企业创新(Inno)加入模型,并进行回归,如表9所示。结果显示,企业创新系数显著为正,银行集中度系数显著为负,根据中介效应检验标准,企业创新在银行集中度与产业结构升级之间起部分中介作用。表明创新参与者和引领者不断提升其核心竞争力的同时,也推动着产业发展。在我国改革进程中,企业家成就了一大批优秀的企业和品牌,我国近年来实施的创新驱动发展战略、供给侧结构性改革等国家战略的实施需要企业家不断创新。因此,创新对产业升级起到积极促进作用。
表9 创新对产业结构升级影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.135∗∗∗-0.150∗∗∗(-3.54)(-3.46)Inno0.013∗∗∗0.011∗∗(3.01)(2.25)Cb_l-0.300∗∗-0.605∗∗∗(-2.58)(-3.90)Fdi0.0030.010∗∗(0.79)(2.29)Market0.016∗∗∗0.018∗∗∗(6.27)(10.32)Fei-0.191∗-0.370∗∗∗(-1.90)(-3.14)w1x_Inno0.0420.018(1.64)(0.94)w1x_Cb_l0.076-0.352∗(0.26)(-1.69)w1x_Fdi-0.010-0.022(-0.81)(-1.17)w1x_Market-0.049∗∗-0.003(-2.45)(-0.23)w1x_Fei0.558∗0.213(1.72)(0.41)_cons0.550∗∗1.346∗∗∗(1.99)(5.29)N390390F113.73571170.0213[P-ValueF]0.0000.000
根据以上回归结果,按照温忠麟等(2005)[31]总结的中介效应检验流程,对中介效应进行推断,如表10所示。以使用地理空间权重矩阵得到的回归结果为例,表10显示,银行业市场结构对产业升级存在显著负向影响,并且企业创新在影响路径中起部分中介作用,作用程度为0.765。因此,弱化大银行的主导地位以及支持中小银行发展有助于社会整体创新,侧面印证了发展中小银行既能优化金融体系结构,又能够进一步深化金融供给侧结构性改革,在解决融资难、融资贵问题的同时,鼓励企业创新,进而有助于整体经济健康发展。
表10 中介效应检验结果及推断
检验步骤①检验自变量Cb对因变量Pst的总效应α②检验自变量Cb对中介变量Inno的效应β;以及控制自变量Cb的影响后,中介变量对因变量Pst的效应λ③控制中介变量Inno的影响之后,检验自变量Cb对因变量Pst的直接效应γ④检验βλ与γ是否同号,进行中介效应推断检验关系银行业市场结构(Cb)—企业创新(Inno)—产业升级(Pst)检验结果α=-0.153∗∗∗可能存在中介效应β=-9.001∗∗∗,λ=0.013∗∗∗β、λ均显著,说明在自变量Cb影响因变量的路径中,中介变量Inno影响因变量Pst的间接效应显著γ=-0.300∗∗部分中介效应,创新(Inno)是银行业市场结构(Cb)影响产业升级(Pst)的中介变量βλ与γ同号,说明在Cb影响Pst的路径中,存在Inno的部分中介效应,中介效应程度为βλ∕α=0.765
为确保研究结论的稳健性,采取两种方法加以检验:①替换银行集中度变量指标,采用替代上文中使用银行从业人数占比计算的银行集中度变量,重新对模型进行检验,使用银行资产占比计算所得的银行集中度,回归结果如表11、12、13所示;②替换企业创新变量指标,使用国内专利申请授权数(单位:万)替代上文中使用国内专利申请授权数的对数值计算的变量,回归结果如表14、15、16所示。检验结果证实主回归得到的分析结论依然成立。
表11 银行业市场结构对产业结构升级影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.164∗∗∗-0.171∗∗∗(-4.49)(-6.01)Cb_a-0.112∗∗∗-0.134∗∗∗(-3.27)(-4.52)Fdi-0.0020.001(-0.70)(0.38)Market0.022∗∗∗0.020∗∗∗(9.92)(10.29)Fei0.097∗∗0.095∗∗∗(2.22)(3.31)w1x_Cb_a0.479∗∗-0.318∗∗(2.16)(-2.32)w1x_Fdi-0.024∗∗∗-0.001(-2.69)(-0.06)w1x_Market-0.012-0.012(-1.17)(-1.01)w1x_Fei0.449-0.048(1.57)(-0.20)_cons0.497∗∗1.139∗∗∗(2.22)(6.77)N390390F506.3625549.9565[P-ValueF]0.0000.000
表12 银行业市场结构对创新影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Inno0.0080.312∗∗∗(0.09)(3.34)Cb_a-7.635∗∗∗-10.825∗∗∗(-3.08)(-3.53)Lab-0.1332.324(-0.08)(0.84)Fix-0.590-0.230(-0.78)(-0.21)Loan-2.180∗∗∗-2.194∗∗∗(-4.18)(-3.46)Imex25.887∗∗∗28.089∗∗∗(4.10)(3.54)w1x_Cb_a3.4286.935(0.38)(1.50)w1x_Lab0.6818.268(0.28)(1.36)w1x_Fix3.484∗∗1.682(2.56)(1.20)w1x_Loan1.6910.214(0.87)(0.17)w1x_Imex0.2448.156(0.01)(0.78)_cons8.512∗∗7.476∗∗∗(2.19)(2.95)N390390F156.481775.4120[P-ValueF]0.0000.000
表13 创新对产业结构升级的影响回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.103∗-0.115∗∗∗(-1.96)(-3.46)Inno0.022∗∗∗0.018∗∗∗(7.20)(4.61)Cb_a-0.238∗-0.147∗(-1.72)(-1.92)Fdi-0.003-0.003(-0.77)(-0.85)Market0.013∗∗∗0.017∗∗∗(4.13)(4.89)Fei-0.139-0.116∗∗(-1.64)(-2.14)w1x_Inno0.0080.011(0.33)(0.87)w1x_Cb_a-0.192-0.072(-0.64)(-0.55)w1x_Fdi-0.0220.012(-1.51)(0.68)w1x_Market-0.016-0.025∗∗(-0.71)(-2.47)w1x_Fei0.341-0.244(1.16)(-0.55)_cons0.886∗∗∗1.125∗∗∗(3.25)(4.62)N390390F101.9902122.5732[P-ValueF]0.0000.000
表14 银行业市场结构对产业结构升级影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.167∗∗∗-0.142∗∗∗(-4.39)(-4.05)Cb_l-0.153∗∗∗-0.163∗∗∗(-8.91)(-8.05)Fdi-0.002-0.000(-0.78)(-0.17)Market0.022∗∗∗0.023∗∗∗(9.26)(10.51)Fei0.0640.037(1.21)(1.21)w1x_Cb_l0.511∗0.074(1.90)(0.29)w1x_Fdi-0.021∗∗-0.009(-2.07)(-0.77)w1x_Market-0.020∗-0.012(-1.75)(-1.12)w1x_Fei0.563∗∗0.211(2.03)(1.28)_cons0.458∗∗0.825∗∗∗(2.46)(5.52)N390390F586.3680420.4599[P-ValueF]0.0000.000
表15 银行业市场结构对创新影响的回归结果
地理空间权重矩阵经济空间权重矩阵L.Inno20.236∗∗∗0.258∗∗∗(8.69)(6.81)Cb_l-6.550∗∗-7.140∗∗(-2.05)(-2.28)Lab4.675-8.921(0.76)(-1.24)Fix-7.895∗∗∗-10.995∗∗∗(-2.99)(-5.01)Loan-1.279-0.840(-1.33)(-1.34)Imex16.67611.407(1.07)(0.98)w1x_Cb_l30.387-7.743(1.44)(-0.35)w1x_Lab-7.892-23.377(-0.84)(-0.71)w1x_Fix15.510∗∗∗7.042∗(4.60)(1.69)w1x_Loan8.883∗∗∗3.577(3.30)(0.77)w1x_Imex-4.9877.994(-0.16)(0.26)_cons-23.776∗∗8.850(-2.10)(0.75)N390390F1280.558887.6842[P-ValueF]0.0000.000
表16 创新对产业结构升级的影响回归结果
地理空间权重矩阵经济空间权重矩阵L.Pst-0.146∗∗-0.205∗∗∗(-2.02)(-3.91)Inno20.001∗∗0.001∗∗(2.14)(2.24)Cb_l-0.118-0.174∗∗∗(-1.60)(-3.53)Fdi-0.003-0.010∗(-0.73)(-1.78)Market0.020∗∗∗0.029∗∗∗(4.98)(6.25)Fei-0.0150.032(-0.13)(0.24)w1x_Inno2-0.007-0.011∗∗(-1.55)(-2.45)w1x_Cb_l0.390-0.069(1.01)(-0.29)w1x_Fdi-0.022∗0.018(-1.87)(0.65)w1x_Market-0.016-0.009(-0.92)(-0.46)w1x_Fei0.849∗∗-0.132(2.51)(-0.63)_cons0.3151.125∗∗∗(0.98)(6.09)N390390F83.744165.9092[P-ValueF]0.0000.000
在深化金融供给侧结构性改革背景下,本文梳理了银行业市场结构通过企业创新作用于产业结构升级的逻辑机理,并证实了我国银行业市场结构、企业创新、产业升级之间存在的空间相关性,在此基础上,通过实证分析证明了企业创新在银行业市场结构与产业结构升级之间的中介作用,即弱化大银行在金融市场的主导地位,能够鼓励企业创新进而推动产业结构升级。
由此得到的政策启示是:①发挥银行业在企业创新与产业升级关系中的积极作用,进一步深化银行业对内对外开放水平,拓宽民间资本进入银行业的渠道和方式,重视发展具有低交易成本优势、市场效率优势和信息优势的民营中小型商业银行,增加中小金融机构数量和业务比重,构建多层次、广覆盖、有差异的银行体系,促进银行业市场结构的良性变迁;②重视企业创新与产业结构升级的空间外溢效应,积极为知识传播和交流提供平台载体,通过创新优化生产要素和人力资本在地区、产业之间的配置,实现创新溢出,进而服务于产业结构优化。
本研究仍然存在一些不足之处:①本文使用的是省级层面数据,样本量有限,后续可以尝试运用样本量更大的市级、县级甚至微观数据进行分析;②本文分析了银行业市场结构通过缓解融资约束促进企业创新,但影响企业创新的途径不仅仅局限于缓解融资约束,影响渠道仍然值得进一步研究;③衡量企业创新的方法很多,本文采用专利申请授权数作为代理变量,虽然专利申请授权数是衡量企业创新的重要指标,但企业创新在实践中涉及更多方面,包括新产品、科技论文等形式,后续研究可以尝试将这些形式纳入企业创新范畴。
[1] 高煜,张雪凯.政策冲击、产业集聚与产业升级——丝绸之路经济带建设与西部地区承接产业转移研究[J].经济问题,2016(1):1-7.
[2] 韩永辉,黄亮雄,王贤彬.产业政策推动地方产业结构升级了吗——基于发展型地方政府的理论解释与实证检验[J].经济研究,2017,52(8):33-48.
[3] 史恩义,王娜.金融发展、产业转移与中西部产业升级[J].南开经济研究,2018(6):3-19.
[4] 祝惠春.积极拓展直接融资渠道[N].经济日报,2019-03-10.
[5] 于斌斌.金融集聚促进了产业结构升级吗:空间溢出的视角——基于中国城市动态空间面板模型的分析[J].国际金融研究,2017(2):12-23.
[6] 张雪兰,彭雅,储蒙.银行集中度的下降促进了产业结构优化吗——来自101个发展中国家的经验证据[J].中南大学学报(社会科学版),2018,24(4):87-96.
[7] 刘培森,尹希果.银行业结构、空间溢出与产业结构升级[J].金融评论,2015,7(1):51-63+125.
[8] 彭宇文,张美婷,毛超.银行业市场结构与经济增长关系——基于广东省与湖南省的空间计量研究[J].经济地理,2013,33(10):108-116.
[9] CORNAGGIA J,MAO Y,TIAN X,et al.Does banking competition affect innovation[J].Journal of Financial Economics,2015,115(1):189-209.
[10] AGOSTINO M,TRIVIERI F.Bank market power and firm creation: a multi-country analysis[J].Journal of Small Business and Enterprise Development,2016,23(2):562-589.
[11] 石璋铭,谢存旭.银行竞争、融资约束与战略性新兴产业技术创新[J].宏观经济研究,2015(8):117-126.
[12] 唐清泉,巫岑.银行业结构与企业创新活动的融资约束[J].金融研究,2015(7):116-134.
[13] CETORELLI N,STRAHAN P E.Finance as a barrier to entry: bank comp and industry structure in local U.S.markets[J].Journal of Finance,2006,61(1):437-461.
[14] BERTRAND M,SCHOAR A,THESMAR D.Banking deregulation and industry structure: evidence from the French banking reforms of 1985[J].Journal of Finance,2007,62(2):597-628.
[15] 蔡昉.四十不惑:中国改革开放发展经验分享[M].北京:中国社会科学出版社,2018.
[16] ACEMOGLU D.Introduction to modern economic growth[M].Princeton,NJ:Princeton University Press,2009.
[17] 冯伟,李嘉佳.企业家精神与产业升级:基于经济增长原动力的视角[J].外国经济与管理,2019,41(6):29-42.
[18] AGHION P,HOWITT P.A model of growth through creative destruction[J].Econometrica,1992,60(2):323.
[19] BARRO R,SALA I,MARTIN X.Technological diffusion,convergence and growth[J].Journal of Economic Growth,1997(3):1-26.
[20] GIULIONI G.Endogenous recessions:the creative destruction effect of final product novelty[J].Economic Modelling,2010,27(2):516-522.
[21] 于涛.金融发展、企业家精神与产业结构升级——基于主观博弈的视角[J].东北财经大学学报,2015(5):18-23.
[22] 金刚,沈坤荣,胡汉辉.中国省际创新知识的空间溢出效应测度——基于地理距离的视角[J].经济理论与经济管理,2015(12):30-43.
[23] 赵增耀,章小波,沈能.区域协同创新效率的多维溢出效应[J].中国工业经济,2015(1):32-44.
[24] 李占风,刘晓歌.企业家精神对经济增长的影响[J].统计与决策,2017(12):115-119.
[25] 覃成林,龚维进,卢健.空间外部性、利用能力与区域经济增长[J].经济经纬,2016,33(6):1-6.
[26] BROWN J R,MARTINSSON G,PETERSEN B C,et al.Do financing constraints matter for R&D[J].European Economic Review,2012,56(8): 1512-1529.
[27] 周宗安,夏飞飞,周婧.银行市场环境、信贷约束与中小企业创新[J].东岳论丛,2017,38(8):102-110.
[28] 雷震,彭欢.银行业市场结构与中小企业的生成:来自中国1995—2006年的证据[J].世界经济,2010,33(3):109-125.
[29] CESTONE G,WHITE L.Anticompetitive financial contracting: the design of financial claims[J].Journal of Finance,2003,58(5):2109-2141.
[30] LOVE I,PERIA M S.How bank competition affects firms' access to finance[J].The World Bank Economic Review,2015,29(3): 413-448.
[31] 温忠麟,侯杰泰,张雷.调节效应与中介效应的比较和应用[J].心理学报,2005(2):268-274.
[32] ELHORST J.P.Matlab software for spatial panels[J].International Regional Science Review,2014,37(3):389-405.
[33] 林光平,龙志和,吴梅.我国地区经济收敛的空间计量实证分析:1978—2002年[J].经济学(季刊),2005(S1):67-82.
[34] ARBIA G,BASILE R,PIRAS G.Using spatial panel data in modelling regional growth and convergence[J].ISAE Working Paper,2006,55(10):36.