The research samples of this paper are 30 provinces (municipalities and autonomous regions) in China (Tibet was excluded due to missing data).The study follows the causal analysis strategy that combines necessity analysis and sufficiency analysis, and adopts the qualitative comparative analysis method using fuzzy sets (fsQCA) to explore synergistic mechanisms and improve the innovation performance of high-tech industries. The data are obtained from China Statistical Yearbook, China Statistical Yearbook of Science and Technology, China Statistical Yearbook of High-tech Industry and CSMAR Database in 2019-2020.
The research results show that none of the individual variables among regional financial technology input,venture capital, bank loans, science and technology capital market financing, science and technology insurance is a necessary condition to improve the innovation performance of high-tech industries. There are 6 paths to improve innovation performance of high-tech industry. Among them, two paths are configured to take "regional financial technology input + bank loans" as the core conditions, and the rest four are configured to take "venture capital + science and technology capital market financing" as the core conditions. Different configuration indicates that there is a variety of implement modes of high-tech industriy’s innovation performance.
The contribution of this paper are as follows. Firstly, this paper integrates the five financial input of science and technology to study in depth the mechanism of promoting the innovation performance of high-tech industry. It has deepened the previous research that financial capital significantly promote the high technology industry innovation, and made response to the previous view that "the interaction of innovation factors helps to form the innovation performance of high-tech industries". Secondly, this paper uses the QCA method to reveal the linkage and matching relationship of technology and finance investment in promoting the innovation performance of high-tech industry. It is found that different S&T financial investment in promoting high-tech industry of science and technology innovation performance is highly dependent and correlated, and has a complementary and alternative effect.It answers the question why independent variables depend on each other by the statistical analysis method. The study presents a new approach to couple relationship between the financial input of science and technology, and provides a reference for the study of high-tech industry innovation in the future.
开放科学(资源服务)标识码(OSID)：
高技术产业是加快实施创新驱动发展战略的重要载体，其发展水平已成为衡量一个国家或地区创新能力的关键因素。2019年，我国高技术产业主营业务收入已超过15万亿元。高技术产业的高速发展离不开科技金融投入。科技金融投入是指投入到高技术产业技术创新、成果转化和产业化等领域的各类资金资源，是科技创新生态的重要组成部分[1]。然而，我国高技术产业多集中在东部地区，研发投入也随之呈现出较高的集中度，东部地区占全国的74.8%。而且，各省科技金融投入尚未达到协调发展，短期内同时加大各类科技金融投入难以实现。因此，在创新驱动、转型发展的关键时期，如何通过调整科技金融投入组合方式，实现高技术产业创新绩效提升，是一个亟待解决的现实问题。
随着科技金融实践与高技术产业不断融合，有研究发现，地方银行和科技资本市场发展能够促进高技术产业的流程创新和产品创新，并有利于专利数量增加[2]；政府投入有助于提高高技术产业的研发投入意愿[3]。然而，这些研究忽视了科技金融投入的整体性特征，可能导致研究结论的片面性。近年来，基于整体视角考察科技金融投入与高技术产业创新的研究逐渐涌现[4]，但在研究方法上，大多仍采用传统回归分析方法研究单个变量对结果的净效应，未能解释科技金融投入要素间相互依赖、互动作用对高技术产业创新的影响。定性比较分析(QCA)基于整体视角，能够充分探讨3个以上条件间相互作用对结果的影响机制[5]。鉴于此，本文使用模糊集定性比较分析(fsQCA)方法，以中国内地30个省份(西藏因数据缺失未纳入统计)为案例样本，探索科技金融投入对高技术产业创新绩效的组态效应。具体地，本文尝试回答以下问题：单一科技金融投入来源是否构成提升高技术产业创新绩效的必要条件？哪些科技金融投入组态能促进高技术产业创新绩效提高？多种科技金融投入间具有怎样的内在联系？本文研究上述问题，有助于揭示科技金融投入对高技术产业创新的复杂互动机制，为各省高技术产业创新绩效提升提供理论借鉴和实践启示。
技术创新理论认为，创新是多主体共同参与、相互作用的复杂过程[6]。高技术产业创新绩效是多种要素投入相互作用的结果。赵昌文[1]指出，科技金融是促进高技术产业创新的“第一生产力”和“第一推动力”，技术创新的前提是金融创新，科技金融投入就是向科技创新领域提供资金资源，既包括政府资金投入，也包括市场主体资金投入。为全面准确了解科技金融投入对高技术产业创新的作用机制，国内外学者进行了大量研究，主要从公共科技金融投入和市场科技金融投入两个层面进行分析。
在公共科技金融投入层面，学者们主要关注财政科技投入、税收优惠[7]等因素对高技术产业创新绩效的影响，其中财政科技投入是高技术产业开展科技创新活动的重要资金来源。目前，在财政科技投入与高技术产业创新的研究中，有学者发现财政科技投入能够激励高技术产业加大研发投入，促进高技术产业的创新活动，对高技术产业创新具有显著正向影响。进一步研究表明，财政科技投入对高技术产业创新的作用效果与企业属性及企业所处区域密切相关[8]。此外，有研究发现，财政科技投入可能具有挤出效应，政府投入会挤出企业自有研发资金投入[9]，进而抑制高技术产业创新。
在市场科技金融投入层面，学者们关注创业投资、银行贷款、资本市场融资等对高技术产业创新绩效的影响。理论上，有效的市场科金融投入是高技术产业开展创新活动的重要原因，市场的逐利性特征使金融资源自发投入到回报率高的技术创新领域，并由此促进高技术产业创新[10]。目前，在市场科技金融投入与高技术产业创新的研究中，大多数学者基于融资视角对比债务性融资与股权性融资对高技术产业创新的作用效果，发现股权性融资对高技术产业创新具有更为显著的作用，而债务性融资则不具有显著作用[11]。此外，也有研究持相反观点[12]。相关研究结论存在差异，可能是受到区域融资市场环境、技术发展阶段等因素影响。
综上，国内外学者对财政科技投入、创业投资、银行贷款等因素与高技术产业创新的影响关系进行了大量理论探索和实证检验，为探究科技金融投入与高技术产业创新绩效的因果复杂机制提供了依据。然而，现有研究多关注科技金融投入单一层面对高技术产业创新绩效的影响。事实上，科技金融投入具有一体化特征，政府、创业机构、金融机构、资本市场是高技术产业创新的重要资金供给方，多种科技金融投入具有系统性和协同性[1]，对高技术产业创新的影响过程也存在1+1>2的效应。因此，本文整合公共科技金融投入和市场科技金融投入，探讨影响高技术产业创新绩效的因果复杂机制，重点考察财政科技投入、创业投资、银行贷款、科技资本市场融资、科技保险在促进高技术产业创新绩效提升过程中是如何联动、匹配的。
Perez[13]的技术—经济范式分析了技术创新与金融资本的关系，并指出，金融资本有助于推动技术创新和技术扩散。在历次技术革命导入期和狂热期，金融资本自发流向新技术领域，促进新技术扩散，加剧新旧技术的竞争。随着金融资本的无序扩张，原有制度和管理体系难以适应新技术产业领域发展，政府需要根据新技术领域发展需求，重新调整管制思路和手段，引导市场有序发展。在技术革命成熟期，金融资本从成熟产业撤出，流向技术后发国家或其它创新领域。由此可见，政府和市场在促进技术发展过程中缺一不可。因此，本文深入分析公共科技金融投入和市场科技金融投入如何联动、匹配影响高技术产业创新。借鉴被广泛认可的研究成果[1,10]，公共科技金融投入的主要表现形式是财政科技投入，市场科技金融投入可细分为创业投资、银行贷款、科技资本市场融资和科技保险。既有相关研究侧重考察单一科技金融投入对高技术产业创新的线性关系，这为深入探索科技金融投入对高技术产业创新绩效的组态效应奠定了基础。
2.2.1 财政科技投入与高技术产业创新绩效
财政科技投入对高技术产业创新绩效具有重要作用[14]。一方面，政府加大对高技术产业的资金投入，能够降低技术创新成本和风险[15]，促进实质性技术创新活动(发明专利)的增加[8]，但这种作用效果受到政府投入规模与结构、所处区域和企业性质等因素影响。另一方面，政府财政科技投入具有外部性。财政科技投入会向其他科技金融投入主体传递正向信号[16]，缩短其他投入主体识别“好项目”或“好企业”的时间[17]，从而扩大高技术产业的外源融资规模，促进高技术产业创新。然而，政府投入在高技术产业创新成长期和成熟期的效果显著，但在衰退期的效果不明显，因此高技术产业衰退期需要其它投入来源的资金支持。
2.2.2 创业投资与高技术产业创新绩效
创业投资能够显著促进高技术产业创新绩效提升。获得创业投资的高技术产业，其专利申请量、有效专利数和专利被引频次更高[18]，上市后的全要素生产率也明显高于未获得创业投资的产业[19]。创业投资机构具备完善的“投前筛选+投后管理”机制。投资前，创业投资机构通常会筛选具备一定创新基础(如研发人员、专利数量)的高技术产业进行投资。创业投资能够有效增加被投企业研发支出和人才引进支出，而且投资规模越大、时机越早，越能影响创业投资对高技术产业创新绩效的作用效果[20]。投资后，创业投资机构通过投资协议进入被投企业董事会，能有效监督金融资源流向创新领域，从而保障高技术产业创新活动的顺利开展。同时，创业投资机构还将自身的良好声誉、管理经验和资源直接输送到被投企业，增加高技术产业创新资源优势，提升高技术产业创新绩效[21]。但是，创业投资机构追求短期高额回报，可能无法长期支持高技术产业的创新活动[22]。高技术产业要想获得长期资金支持，还需考虑其它投入来源的资金支持。
2.2.3 银行贷款与高技术产业创新绩效
银行贷款是高技术产业创新的重要资金来源[23]，但关于银行贷款对高技术产业创新绩效的影响，却未取得统一认识。传统观点认为，银行更愿意贷款给低风险产业。高技术产业通常伴随着高风险，银行出于风险规避考虑，往往会提高信贷门槛。因此，银行贷款会阻碍高技术产业创新。但有研究基于竞争视角提出，地方银行间的竞争有助于促进高技术产业的过程创新[3]；还有研究基于生命周期理论认为，在高技术产业创新的中后期，即科技成果转移转化阶段和产品产业化阶段，创新规模不断扩大，融资需求增加，可抵押资产逐渐丰富，高技术产业获取银行贷款的可能性增大。在这种情况下，银行贷款正向促进高技术产业创新绩效提高。然而，创新活动具有不确定性，银行贷款会增加高技术产业财务压力，对于创新能力较强的高技术产业而言，更愿意选择权益类资金资源[11]。
2.2.4 科技资本市场与高技术产业创新绩效
科技资本市场通过完善的价格反馈机制和风险评价机制，显著促进高技术产业研发经费投入强度、研发投入规模和新产品产值等创新绩效指标提升[12]。但科技资本市场投入并非越多越好，过度投入同样不利于高技术产业创新绩效提高[24]。现实中，科技资本市场的资源配置效率受区域资本市场发展水平影响较大，同等投入规模下，科技资本市场发达的区域能够实现较高的创新绩效[25]。而且，科技资本市场门槛、成本高，只有大型成熟的高技术企业才能获得科技资本市场投入，对于中小型高技术企业而言，还需拓展其它创新资金投入渠道。
2.2.5 科技保险与高技术产业创新绩效
科技保险是为科技创新过程中可能出现的各种风险提供保障的所有保险的统称[26]，具有分散和转移创新风险、提升高技术产业风险防范能力的作用[27]。科技保险能够促进高技术产业加大创新人员[28]和研发投入[29]，提升管理者对创新风险的容忍度，推动高技术产业创新活动，进而提升盈利能力[30]。目前，我国科技保险支持体系尚不完善，科技保险对高技术产业的融资效应尚未凸显，对高技术产业创新的作用效果存在一定局限性。
由此可见，单一科技金融投入难以满足高技术产业创新过程的所有资金需求。科技金融投入在介入高技术产业创新活动过程中存在明显的阶段性替代效应，即在高技术产业发展早期，财政科技投入和创业投资是构成企业技术创新阶段资金来源的重要组成部分，随着技术创新成果落地转化和产业化发展，财政科技投入规模不足以支持企业的产业化发展，需要市场科技金融投入的支持。此外，公共科技金融投入通过建立创业投资引导基金、完善科技保险补偿机制等方式，不断降低市场科技金融投入风险，引导市场科技金融资源流向高技术产业创新领域[10]。由此可见，科技金融投入是一个有机体系[1]，在提升高技术产业创新绩效过程中既具有互补替代性，又具有协同联动性。那么，不同科技金融投入之间是如何联动、匹配的？怎样的组合能够提升高技术产业创新绩效？为回答这些问题，本文基于组态视角，深入挖掘科技金融投入对高技术产业创新绩效的因果复杂机制，构建如图1所示的研究框架。
图1 研究框架
Fig.1 Research framework
本文遵循QCA案例样本选取原则[31]，以中国内地30个省份(西藏因数据缺失未纳入统计)为案例样本。数据来源于2019—2020年《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》以及国泰安数据库。
3.2.1 变量测量
(1)高技术产业创新绩效。发明专利是高技术产业创新的重要产出形式，借鉴Gary等[32]的研究，高技术产业创新绩效用发明专利申请量(IP)衡量。同时，考虑到高技术产业创新绩效存在滞后效应，结果选择滞后一期，即2020年数据。
(2)财政科技投入。财政科技投入规模受经济发展水平影响较大，选取财政科技投入绝对数指标可能导致研究案例不具有可比性。因此，借鉴Luo[3]的研究，使用相对数指标财政科技投入力度(GOV)作为财政科技支出的测量变量，GOV用地方财政科技支出与地方财政总支出的比值表示。
(3)创业投资。借鉴赵昌文等[1]的研究，使用创业投资力度(VI)作为创业投资的测量变量，VI用创业投资机构管理资本额与区域高技术产业营业收入的比值表示。
(4)银行贷款。由于统计口径变更，目前统计资料中已无科技贷款的权威数据。因此，借鉴赵昌文等[1]的研究，使用科技贷款投入力度(LO)作为银行贷款的测量变量，LO用科技型上市公司长期贷款额占区域贷款总额的比值表示。根据国家统计局《高技术产业分类》(2018)的行业分类标准，将属于以下行业的上市公司确定为科技型上市公司：医药制造业；通用设备制造业；专用设备制造业；铁路、船舶、航空航天和其他设备制造业；计算机、通信和其他电子设备制造业；仪器仪表制造业；电信、广播电视和卫星传输服务；互联网和相关服务；软件和信息技术服务业；研究与试验发展；专业技术服务业；科技推广和应用服务业；生态保护和环境治理业；综合类。最终，共确定1 348家科技型上市公司。
(5)科技资本市场融资。借鉴徐玉莲等[33]的研究，使用科技资本市场投入力度(CM)作为科技资本市场融资的测量变量，CM用区域科技型上市公司资本市场筹资额(首次公开发行股票筹资总额、增发股票筹资总额和配股筹资总额三者之和)占区域资本市场筹资总额的比值表示。
(6)科技保险。由于科技保险尚无权威统计数据，难以获得科技保险深度指标，参考张芷若[34]的研究，用保险深度(STI)作为科技保险的代理变量，STI用原始保费收入与地区生产总值的比值表示。各变量具体情况见表1。
表1 变量及测量
Tab.1 Variables and measurement
变量类型测量代码指标计算结果高技术产业创新绩效IP发明专利申请量条件财政科技投入力度GOV地方财政科技支出/地方财政总支出创业投资力度VI创业投资机构管理资本额/区域高技术产业营业收入科技贷款投入力度LO科技型上市公司长期贷款额/区域贷款总额科技资本市场投入力度CM科技型上市公司资本市场筹资总额/区域资本市场筹资总额保险深度STI原始保费收入/地区生产总值
3.2.2 变量校准
本文条件(科技金融投入)和结果(高技术产业创新绩效)数据来源于统计资料，数据可靠性高、使用性广，但缺乏校准的外部依据和理论标准。因此，借鉴Ragin[31]的研究，采用直接法进行校准。将结果和条件的完全隶属、交叉点、完全不隶属3个锚点分别设置为75%、50%、25%，具体校准锚点如表2所示。同时，为避免集合计算时出现理论困难，将校准后的数据0.5调整为0.501[35]。
表2 各变量校准锚点
Tab.2 Calibration anchor points of each variable
变量类型变量代码完全隶属(75%)交叉点(50%)完全不隶属(25%)结果IP5 119.01 739.0327.5条件GOV0.032 30.016 70.010 2VI0.027 30.011 50.003 8LO0.031 00.015 90.010 6CM0.366 20.108 30.002 8STI0.047 30.039 70.034 8
本文运用fsQCA3.0软件对高技术产业创新绩效进行必要条件分析，如表3所示。结果显示，所有条件的一致性均低于0.9，即各条件不是导致高技术产业高创新绩效的必要条件[31]。因此，需要进一步探讨提升高技术产业创新绩效的科技金融投入组态。
表3 前因条件必要性分析结果
Tab.3 Necessity analysis results of causal conditions
条件一致性覆盖率GOV0.834 9580.811 231～GOV0.332 8690.314 061VI0.679 0390.646 575～VI0.447 7020.430 927LO0.621 1700.605 156～LO0.456 1280.429 227CM0.741 7130.761 275～CM0.377 3680.338 497STI0.529 3180.515 287～STI0.575 8360.542 265
注：～表示条件不存在
本文沿用Fiss[36]的做法，将一致性阈值设置为0.8。同时，遵循杜运周等[5]的建议，将PRI一致性阈值设置为0.7，频数阈值设定为1。运用fsQCA3.0软件对各省科技金融数据进行真值表分析，结果产生6个组态(见表4)，分别是S1、S2、S3、S4、S5、S6。其中，S1、S2的核心条件一致，这两个组态构成二阶等价组态；S3、S4、S5、S6的核心条件一致，这4个组态也构成二阶等价组态。上述6个组态的一致性分别为0.963、0.880、0.901、0.951、0.884和0.892，均大于一致性阈值0.8，表明组态分析结果可靠；解的一致性为0.929，表明6个条件组态可以解释92.9%的高技术产业高创新绩效案例；解的覆盖率为0.616，表明有61.6%的案例企业呈现出高创新绩效。
表4 高技术产业高创新绩效组态
Tab.4 Configuration of high innovation performance in high-tech industry
前因条件高技术产业高创新绩效组态S1S2S3S4S5S6GOV●●VI●●●●IO●●●CM●●●●●STI●●●一致性0.9630.8800.9010.9510.8840.892原始覆盖率0.3260.0920.2150.2550.1430.155唯一覆盖率0.1550.0460.0380.1040.0000.000解的一致性0.929解的覆盖率0.616
注：●表示核心条件，●表示边缘条件，⊗表示条件不出现，空格表示条件既可以出现，也可以不出现；下同
4.2.1 组态S1：GOV*LO*CM*～STI
组态S1中，无论创业投资投入力度如何，在科技保险欠佳的情况下，只要财政科技投入和科技贷款作为核心条件，科技资本市场作为边缘条件，就能提升高技术产业创新绩效。可能的原因是，高技术产业发展较为成熟的省份，往往更容易获得政府投入，这些省份的高技术产业通常有一定数量的可抵押资产，创新失败风险较低，与银行风险防范要求相适应，获得银行贷款也较为便利。同时，政府投入的信号传递作用，有助于企业获得更多外部金融资源，特别是权益类资本。
该组态的典型案例是江苏。江苏依托良好的制造业基础，高技术产业发展较为成熟。2018年，江苏高技术企业数量居全国第2，为4 870家，其中大中型企业1 315家，占全部高技术企业数量的27%。这些企业具备一定技术创新基础，是政府投入的主要对象，企业规模大，可抵押资产丰富，获得银行贷款也较容易。2018年，江苏财政科技投入力度居全国第6位(4.35%)，全省科技型上市公司获得银行贷款总数为286.96亿元，居全国第4位。财政科技投入和银行贷款是江苏高技术产业高创新绩效的核心条件。此外，企业积极对接资本市场，2018年江苏科技型上市公司通过IPO、增发、配股等方式筹资总额达845.21亿元，占股票筹资总额(1 724.51亿元)的49.01%。由此可见，在高技术产业发展较为成熟的省份，财政科技投入和银行贷款作为核心条件，辅以科技资本市场融资，有助于推动高技术产业创新绩效提升。
4.2.2 组态S2：GOV*～VI*LO*～CM*STI
组态S2中，即使创业投资和科技资本市场融资投入力度不足，但只要财政科技投入和银行贷款作为核心投入存在，辅以科技保险支持，就能提升高技术产业创新绩效。可能的原因是，政府出台政策法规能够促进科技保险发展，为企业分散创新风险提供保障，从而提升银行向创新领域投入的意愿。
该组态的典型案例是上海。上海是高技术产业发展先行区，规模大的重资产类高技术企业获得财政科技投入和银行贷款更为便利，但是规模小的轻资产类高技术企业获得贷款的渠道和数额仍有限。上海市政府牵头推出高技术中小企业履约贷款保险产品，企业可以通过购买科技保险获得银行贷款，科技保险的风险分散作用能够提升银行科技贷款投入力度。2018年，上海财政科技投入力度为5.11%，居全国第3位，科技型上市公司获得银行贷款463.64亿元，占全市贷款总额的7.5%。与财政科技投入和银行贷款的高投入相反，上海的创业投资和科技资本市场融资处于较低水平。由此可见，在核心投入主体政府和银行的作用下，如果能辅以科技保险作为补充，即使创业投资和科技资本市场融资不足，同样能够提升高技术产业创新绩效。
4.2.3 组态S3：VI*～LO*CM*～STI
组态S3中，无论财政科技投入多少，只要创业投资和科技资本市场融资投入力度足够大，即使银行贷款和科技保险投入不足，同样能实现高技术产业高创新绩效。可能的原因是，对于高技术产业尚处于起步、融合阶段的省份，创业投资机构和科技资本市场的高投入，能够弥补政府、银行、保险机构等科技投入的不足，促进高技术产业创新。
该组态的典型案例是天津。天津是承接邻近区域高技术产业转移的主力军，其高技术产业尚处于融合发展阶段，规模普遍较小。2018年，天津高技术企业(452家)中有超过75%的企业为小型企业，创新基础较为薄弱，政府和银行投入不足，但天津通过设立22支政府引导基金，带动创业投融资额达77亿元。2018年，天津科技型上市公司获得科技资本市场筹资额占地区资产市场筹资总额的6.35%，居全国第2。此外，天津通过建立滨海柜台交易市场，积极帮助科创型企业挂牌交易。由此可见，天津转接的邻近区域优质创新资源尚未转化为优势资源，财政科技投入、银行科技贷款和科技保险尚未发挥其应有的作用，但权益类科技金融的高投入提升了天津高技术产业创新绩效。
4.2.4 组态S4：VI*LO*CM*STI
组态S4中，无论政府投入多少，只要市场科技金融保持高投入，就能提升高技术产业创新绩效。可能的原因是，在高技术产业发展良好的省份，各类科技金融优质资源集聚，创业投资机构容易识别优质企业，通过筛选的企业创新效率较高。同时，完善的社会中介机构也能为这些企业提供技术、管理方面的帮助，进而对接科技资本市场，而获得资本市场融资的企业或者上市企业，更容易获得银行贷款。这些省份的高技术企业，即使规模小、起步晚，也能通过科技保险对接银行，获得一定程度发展。
该组态的典型案例是广东。2018年，广东高技术企业(8 525家)数量占全国总数的25%以上。高技术企业集聚带动省内创业投资机构集聚，2018年，广东有效创业投资机构数量为131家，虽然数量不多，仅为北京、浙江、江苏等地的20%～25%，但管理资本总额达1 616.15亿元，居全国第3。不同高技术产业发展阶段各异，发展较为成熟的产业容易获得银行贷款和科技资本市场融资。2018年，广东科技型上市公司获得银行贷款和科技资本市场融资额分别为1 166.02亿元和3 816.88亿元，均居全国第2，其中，科技型上市公司资本市场融资额占地区资本市场筹资额的48.73%。针对部分研发风险较高、不易获得科技贷款或科技资本市场融资的产业，广东积极拓展科技保险业务，一方面通过建立信贷资金风险补偿基金，降低银行风险，另一方面，设立研发过程保险，降低企业研发风险。由此可见，在科技金融市场发展较为成熟的省份，创新投入以市场主体投入为主，银行、创业投资机构、科技资本市场和科技保险机构协同配合，共同提升高技术产业创新绩效。
4.2.5 组态S5：～GOV*VI*～LO*CM
组态S5中，无论科技保险投入与否，只要创业投资和科技资本市场投入力度足够大，就能克服政府和银行投入不足的问题，提升高技术产业创新绩效。可能的原因是，在高技术产业技术创新尚处于起步阶段的省份，创业投资和科技资本市场融资通过股权投资形式投入到高技术产业，能有效解决企业技术创新阶段的资金短缺问题，进而实现高技术产业高创新绩效。
该组态的典型案例是重庆。重庆高技术企业起步晚、规模小，2018年，全市高技术企业数量为696家，其中中小型企业数量为644家，占比92.5%，财政科技投入力度和银行贷款投入力度分别为1.51%和1.05%。但重庆创新氛围良好，有超过半数(56.5%)的高技术企业开展研发活动。2018年，重庆高技术产业获得创业投资投入力度为1.16%。重庆通过设立市级种子引导基金，鼓励区、县科研机构安排创业专项资金，实现种子引导基金、天使投资引导基金和科技风险投资纵向联动。此外，重庆积极对接资本市场，全市科技型上市公司获得科技资本市场融资额为205.02亿元，占地区资本市场筹资额的97.87%。由此可见，在高技术产业处于起步阶段的区域，即使财政科技投入和银行贷款表现为低水平，只要创业投资和科技资本市场保持高投入，就能提升高技术产业创新绩效。
4.2.6 组态S6：～GOV*VI*CM*STI
组态S6中，创业投资、科技资本市场、科技保险投入水平均较高，而财政科技投入水平较低，这种情况下，无论银行科技贷款投入水平如何，都会提升高技术产业创新绩效。可能的原因是，科技保险能为高技术产业技术创新提供保障，增强创业投资机构和科技资本市场投资高技术产业的意愿，进而促进高技术产业创新。
该组态的典型案例是陕西。陕西是最早开展科技保险试点的省份之一，2012年，陕西设立科技保险保费补贴资金，随着西安聚焦硬科技产业发展，重大技术装备保险、新材料首批次应用保险等科技研发保险的险种逐渐增多，有效分散了创业投资机构的风险。同时，陕西还是最早设立国有创投机构的省份之一，陕西高技术产业细分领域中，企业数量、利润总额双高的医药制造业和电子及通讯设备制造业是技术创新投入的洼地，也是创投机构投资的首选对象；航空、航天器及设备制造业则刚好相反，前期投入大、市场化规模尚未凸显、利润低，由国有创投机构领投。截至2018年，陕西拥有创业投资机构69家，管理资本总额达253.49亿元，投资项目占全国的3.6%。创投机构良好的管理机制，助推陕西高技术企业上市融资。2018年，陕西科技型上市企业数量(19家)占全省上市公司数量(49家)的40%。在创业投资机构、科技资本市场和科技保险的共同作用下，陕西高技术产业得以实现高创新绩效。
通过对比6个组态发现，组态S1、S4的原始覆盖率较高，分别是0.326和0.255，累计解释了58.1%的结果，共覆盖8个案例。表明高技术产业创新绩效高的案例省份中，大部分省份通过这两条路径提升高技术产业创新绩效。但是，这两个组态的核心条件构成并不一致，组态S1的核心投入主体是政府和银行，组态S4的核心投入主体是创业投资机构和科技资本市场，这充分说明高技术产业创新绩效的提升路径是由不同科技金融投入驱动的，而二者具有等效性。
Schneider[37]等提出QCA方法的3种稳健性检验方法，即调整校准的隶属值、一致性阈值和案例频数。由于本文科技金融投入与高技术产业创新绩效数据属于新公布的统计数据，缺乏调整校准锚点的标准，难以通过调整锚点的方法进行稳健性检验。同时，本文案例数量中等(30个)，改变案例频数可能导致组态不存在。因此，本文使用提高一致性阈值的方法进行稳健性检验。具体地，首先将一致性阈值由0.8上调为0.85，组态结果无变化。为进一步提升研究结果的可靠性，继续将一致性阈值上调至0.9，产生的组态如表5所示。调整一致性阈值后，解的一致性由0.929上升为0.953，解的覆盖率由0.616下降至0.504。对比表4和表5可知，表5中组态N1、N2是表4中组态S1的子集，表5中组态N3是表4中组态S5的子集，由此表明研究结论具有稳健性。
表5 稳健性检验结果
Tab.5 Robustness test results
前因条件高技术产业高创新绩效的组态N1N2N3GOV●●VI●●LO●●●CM●●STI一致性0.9630.9490.993原始覆盖率0.3260.3640.095唯一覆盖率0.0930.1300.048解的一致性0.953解的覆盖率0.504
本文运用fsQCA方法，结合中国内地30个省份的案例样本，从整体视角探讨科技金融投入对高技术产业创新绩效的组态效应，结果表明：首先，单一科技金融投入并不是构成高技术产业高创新绩效的必要条件，说明单一科技金融投入并不是制约高技术产业实现创新绩效的瓶颈。其次，财政科技投入和银行贷款是提升高技术产业创新绩效的核心条件(组态S1和S2)。其中，组态S1是财政科技投入、银行贷款和科技资本市场融资的联动匹配，组态S2是财政科技投入、银行贷款和科技保险的联动匹配。当高技术产业难以获得财政科技投入和银行贷款时，创业投资和科技资本市场融资成为提升高技术产业创新绩效的核心条件(组态S3～S6)。其中，组态S3和S5(因二者边缘条件不同，故划分为两个组态)是创业投资和科技资本市场融资的联动匹配，组态S4是创业投资、银行贷款、科技资本市场融资和科技保险的联动匹配，组态S6是创业投资、科技资本市场融资和科技保险的联动匹配。这些组态都能提升高技术产业创新绩效，组态之间具有等效性，即科技金融投入的多种组合方式都能够促进高技术产业创新绩效提高。
本文理论贡献主要表现在以下两方面：第一，本文整合科技金融投入五大来源研究促进高技术产业创新绩效提升的机制，深化了金融资本显著促进高技术产业创新方面的研究。本文发现不同科技金融投入协同影响高技术产业创新绩效的6个组态。这一发现回应了李培楠等(2014)的观点，即创新要素间相互作用产生的系统效应，有助于提升高技术产业创新绩效。第二，本文运用QCA方法揭示了不同科技金融投入在促进高技术产业创新绩效提升中的联动匹配关系，发现各类投入在提升高技术产业创新绩效过程中相互依赖、高度关联，而且具有互补替代性。例如，在高财政科技投入和高银行贷款条件下(组态S1和S2)，科技资本市场融资与科技保险之间具有互补替代关系；在高创业投资和高科技资本市场融资条件下(组态S3～S6)，银行贷款与科技保险之间具有互补替代关系。这一发现克服了统计分析方法不能解释自变量相互依赖的难题，拓展了潘娟等[4]的研究，为各类科技金融投入间耦合关系研究提供了新思路，也为今后研究高技术产业创新问题提供了参考。
本文结论对我国不同省份高技术产业创新发展具有一定启示。科技金融投入是促进高技术产业发展的重要资源，不同省份要通过调整不同科技金融投入间组合方式，寻求提升高技术产业创新绩效的路径。
第一，鼓励各类科技金融投入协同发展。单一科技金融投入并不是促进高技术产业创新的必要条件。这启示我国各省不能一味追求单一科技金融投入的增加，而是要结合本省科技金融资源赋存情况，重点关注财政科技投入、创业投资、银行贷款、科技资本市场融资和科技保险之间的联动匹配，探索适合自身发展的科技金融投入组合方式。
第二，借鉴先进地区优秀经验。本文研究发现我国高技术产业发展存在区域差异。对于高技术产业起步早、重资产比重较高的省份而言，财政科技投入和银行贷款是驱动高技术产业创新绩效的核心条件，应加大财政科技投入，以政府投入引导银行贷款投入，进而促进高技术产业创新。对于高技术产业尚处于起步阶段或发展较为成熟的省份而言，权益类科技金融投入是促进高技术产业创新绩效提升的核心要素，在财政科技投入不足的情况下，通过鼓励创业投资和科技资本市场发展，为高技术产业获得金融资源提供支撑。此外，本文研究发现，在权益类科技金融投入作为核心条件的情况下，银行贷款和科技保险在提升高技术产业创新绩效过程中存在替代效应。这启示各省在重视权益类科技金融投入的同时，需要立足本省高技术产业发展实际，有的放矢，探索适合自身发展的最优路径。
本文不足主要表现在以下方面：首先，在变量测量上，由于统计数据的限制，部分变量测量使用了代理变量。其次，本文对导致高技术产业低创新绩效的科技金融投入仅进行了单一条件的必要性分析，并未进行多个条件的组态分析，对高技术产业低创新绩效的成因尚需进一步讨论。最后，本文仅对高技术产业创新绩效的提升路径进行了静态分析，未来还需追踪时间序列QCA研究方法进展，分析科技金融投入在时间变量作用下如何促进高技术产业创新绩效提高。
[1] 赵昌文,陈春发,唐英凯.科技金融[M].北京:科学出版社,2009.
[2] LUIGI BENFRATELLO,FABIO SCHIANTARELLI,ALESSANDRO SEMBENELLI.Banks and innovation:microeconometric evidence on Italian firms[J].Journal of Financial Economics,2008,90(2):197-217.
[3] LUO X W,HUANG F F,TANG X B,et al.Government subsidies and firm performance:evidence from high-tech start-ups in China[J].Emerging Markets Review,2021,49(12)：1-10.
[4] 潘娟,张玉喜.政府、企业、金融机构科技金融投入的创新绩效[J].科学学研究,2018,36(5):831-838,846.
[5] 杜运周,贾良定.组态视角与定性比较分析(QCA)：管理学研究的一条新道路[J].管理世界,2017,33(6):155-167.
[6] 纪国涛,金敏力.科技创新绩效:形成机理、影响因素及路径选择[J].科技进步与对策,2009,26(1):5-8.
[7] 陈红,张玉,刘东霞.政府补助、税收优惠与企业创新绩效[J].南开管理评论,2019,22(3):187-200.
[8] 车德欣,吴传清,任晓怡,等.财政科技支出如何影响企业技术创新——异质性特征、宏微观机制与政府激励结构破解[J].中国软科学,2020,35(3):171-182.
[9] 解维敏,唐清泉,陆姗姗.政府R&D资助、企业R&D支出与自主创新——来自中国上市公司的经验证据[J].金融研究,2009,52(6):86-99.
[10] 徐玉莲,王玉冬.区域科技创新与科技金融系统协同发展运行机理分析[J].科技进步与对策,2013,30(20):25-29.
[11] 高扬,李云海.外部融资与高技术产业创新——基于空间溢出效应视角的研究[J].中国科技论坛,2020,36(11):56-65.
[12] 袁礼,许涛.融资模式会影响企业技术创新吗——来自世界银行中国企业调查数据的经验证据[J].宏观质量研究,2019,7(3):111-128.
[13] CARLOTA PEREZ.Technological revolutions and financial capital:the dynamics of bubbles and golden ages[M].London:Edward Elgar Publishing,2003.
[14] 王丰龙,曾刚,周灿,等.中国地方政府科技财政支出对企业创新产出的影响研究——来自工业企业数据库的证据[J].地理科学,2017,37(11):1632-1639.
[15] 李新功.政府R&D资助、金融信贷与企业不同成长阶段实证研究[J].管理评论,2018,30(10):73-81.
[16] 陈璐,张彩江,贺建风.政府补助在企业创新过程中能发挥信号传递作用吗[J].证券市场导报,2019,29(8):41-49.
[17] SODERBLOM A,SAMUELSSON M,WIKLUND J,et al.Inside the black box of outcome additionality:effects of early-stage government subsidies on resource accumulation and new venture performance[J].Research Policy,2015, 44 (8):1501-1512.
[18] KORTUM,SAMUEL,JOSH LERNER．Assessing the contribution of venture capital to innovation[J].The Rand Journal of Economics,2000,31(4) :674-692.
[19] 王雷,王新文.风险投资对上市公司全要素生产率的影响——基于独立创业投资与公司创业投资的比较分析[J].财经论丛,2020,264(10):55-63.
[20] KELLY R,KIM H.Venture capital as a catalyst for commercialization and high growth[J].The Journal of Technology Transfer,2018,43(6):1466-1692.
[21] 白素霞,陈彤.创业投资对企业创新的作用机制研究[J].经济体制改革,2018,36(3):194-198.
[22] 谈毅,徐研.创业投资机构介入、声誉信号与创新网络的动态演化[J].研究与发展管理,2017,29(1):32-41.
[23] 韩俊华.科技与金融深度融合机制、风险及对策研究[J].科学管理研究,2020,38(4):150-156.
[24] 吴尧,沈坤荣.最优金融结构与企业创新产出质量[J].宏观质量研究,2020,8(2):95-109.
[25] PO-HSUAN,XU Y,TIAN X.Financial development and innovation: cross-country evidence[J].Journal of Financial Economics, 2014(112):116-135.
[26] 邱兆祥,罗满景.科技保险支持体系与科技企业发展[J].经济研究,2016,62(4):94-98.
[27] 任辉.高新技术企业科技保险购买意愿影响因素研究——基于广州274家高新技术企业的调查[J].科技进步与对策,2020,37(21):110-117.
[28] ARROVO K J.Action of insurance in technology innovation[J].The Journal of Finance,1995(9): 106-130.
[29] 胡国柳,赵阳,胡珺.D&O保险、风险容忍与企业自主创新[J].管理世界,2019,35(8):121-135.
[30] 薛伟贤,刘倩,刘骏.科技保险对科技企业创新盈利能力影响研究[J].科技进步与对策,2013,30(24):95-99.
[31] RAGIN C C.Redesigning social inquiry:fuzzy sets and beyond[M].Chicago:University of Chicago Press,2008.
[32] GARY DUSHNITSKY,MICHAEL L J.When do incumbents learn from entrepreneurial ventures?corporate venture capital and investing firm innovation rates[J].Research Policy,2005(11):615-639.
[33] 徐玉莲,赵文洋,张涛.科技金融成熟度评价指标体系构建与应用[J].科技进步与对策,2017,34(11):118-124.
[34] 张芷若.科技金融与区域经济发展的耦合关系研究[D].长春：东北师范大学,2019.
[35] THOMAS GRECKHAMER.CEO compensation in relation to worker compensation across countries:the configurational impact of country-level institutions[J].Strategic Management Journal,2016(37):793-815.
[36] FISS P C.Building better causal theories:a fuzzy set approach to typologies in organization research[J].Academy of Management Journal,2011,54(54):393-420.
[37] SCHNEIDER C Q,WAGEMANN C.Set-theoretic methods for the social sciences:a guide to qualitative comparative analysis[M].Combridge:Cambridge University Press,2012.