科技创新与金融支持——基于山东省17地市面板数据的实证分析

孙继国 黄 堃

（青岛大学，山东 青岛 266071）

现代经济以金融为核心，科技创新离不开金融支持。近年来，在“提高自主创新能力，建设创新型国家”发展战略指引下，山东省各地市进一步加大了金融对科技创新的支持力度，通过优化金融结构、充分发挥金融资源作用、提高金融效率来促进本地区的科技创新。但由于不同地市金融发展水平不同，金融对科技创新支持的效果也呈现出一定的差异性。

一、研究回顾

国内外一些学者在金融支持和科技创新关系方面做了大量的理论与实证研究。Alessandra 和Stoneman（2008）研究表明，在小微企业和高新技术产业领域，金融支持对科技创新的促进作用尤其明显。[1]Luigi、Fabio 和Alessandro（2008）研究认为，在意大利，金融支持对企业科技创新有正的推动作用，金融业的发展为企业提供了流动性。[2]李悦（2008）以生命周期理论为基础，分析了不同产业阶段的金融支持对科技创新的影响，研究发现金融支持对产业初期阶段的科技创新促进作用明显。[3]周孝坤、冯钦等（2010）基于中国1978-2008年的数据，实证研究了金融深化与科技投入对我国产业结构的影响，发现金融深化与科技投入可促进产业结构的升级。[4]龚天宇（2011）比较分析了间接平台、政府主导和直接合作这三种不同的政策性金融对科技创新的支持模式，并提出了相应的政策建议。[5]王宏起、徐玉莲（2012）利用协同度模型实证分析了我国科技创新与金融支持的作用关系，研究表明在我国科技创新与科技金融并未很好的实现良性协同发展。[6]俞立平（2013）利用我国省际面板数据分析了金融支持与科技创新的关系，研究发现金融对科技创新的支持在短期内效果不明显，长期内效果较好。[7]徐玉莲、王玉冬（2013）通过构建系统动力学和协同发展管理模型实证研究地区科技创新与金融发展的关系，并对两者之间协同发展的运行机理做了阐释。[8]

总的来说，国内对金融支持科技创新的研究大都局限于国家及省级层面上，对地市级层面展开研究的较少；另外，研究集中于从总体角度分析金融支持与科技创新的关系，很少从微观角度来分析金融发展对科技创新的影响。

二、金融促进科技创新的作用机制

根据传统技术创新理论，经济发展的动力在于科技创新，而科技创新的推动在于生产要素的有效配置。金融体系在资源的有效配置中起到了关键作用，金融体系的核心功能便是使资源在时间和空间上进行有效的配置。金融体系由六大基本功能构成：清算支付、资本形成、配置资源、风险管理、信息处理和监督激励等，这些功能为金融促进科技创新提供了有效途径。

基于传统经济增长理论，金融体系可以通过改变储蓄率进而影响投资的比例。同时，金融系统可通过存单、股票、债券等传统金融工具与衍生金融工具，汇聚分散资金，并且通过信息处理，对创新型企业进行筛选，降低信息不对称，利用创新金融产品、资产组合等来防范与化解创新项目的风险，达到为重点科研项目提供融资，改善资源配置的目的，推动科技创新。金融市场还可以对科技成果进行估值，体现科技成果的价值，从而刺激科技创新。

金融促进科技创新的作用机制如图1所示。

图1 金融促进科技创新的作用机制

三、金融支持科技创新的实证分析

（一）变量选取及数据来源

1.被解释变量

选择发明专利授权量（CP）作为被解释变量。原因有两点：一是CP 能够很直观地对一个地区的科技创新状况进行展现；二是根据科技创新的概念，科技创新必须是研发获得成功且能将研发成果投入使用，它代表的是最终的结果。为消除异方差的影响，对CP 取自然对数得LnCP。

2.解释变量

（1）金融发展规模

采用金融相关比率（FIR）作为衡量金融发展规模的指标。国外文献一般用M2 和GDP 之比来衡量，结合山东省实际来看，由于各地市M2 数据较难获取，故选择用全部金融机构存贷款余额与GDP 之比来表示金融相关比率。

（2）金融效率

金融效率指的是在一定的金融制度条件下，金融系统内金融资源的配置效率。参照已有研究，选取存贷款比率SLR（存款与贷款之比）来表示金融效率。

3.数据来源

选取山东省的17 个地市作为研究样本，数据来源为历年各地市统计公报、山东省知识产权局公报、国家知识产权局统计年报等。

（二）实证分析

1.面板数据模型构建

以2008-2014年山东省17 个地市的面板数据为基础，构建模型如下：

其中：LnCPit为山东省各地市发明专利授权量的对数，代表科技创新；FIRit代表金融发展规模，SLRit代表金融效率，εit是随机误差项。

2.面板数据平稳性检验

面板数据模型要求对各指标时间序列进行平稳性检验，主要方法有LLC 检验、IPS 检验、ADF检验、PP 检验等①通常认为，单位根检验时，只有四个模型的检验结果都不能拒绝原假设时，才认为时间序列是非平稳的。而只要其中有一个模型的检验结果拒绝了零假设，就可认为时间序列是平稳的。。由表1知所有检验的结果基本在10%的显著性水平上都拒绝原假设，即不存在单位根，三个时间序列均为平稳序列。

表1 面板数据单位根检验

3.Hausman 检验

由于模型截面数（N=17）大于时间序列（T=7），因此面板模型选择个体效应模型。至于是采用随机效应还是固定效应回归模型，可通过Hausman 检验来确定。由表2知，拒绝存在个体随机效应的原假设，应该建立固定效应回归模型。

表2 Hausman 检验结果

4.确定模型形式的F 检验

固定效应回归模型可以分为三类，具体选择哪一类可通过F 检验确定。

模型一：变系数模型，yi=αi+xiβi+ui

模型二：变截距模型，yi=m+αi*+xiβ+ui

模型三：不变参数模型，yi=α+xiβ+ui

原假设：

判定规则：如果假设H2被接受，则为不变参数模型（模型三），检验结束。如果拒绝假设H2，则检验假设H1。H1假设被接受，则建立变截距模型（模型二）；如果H1被拒绝，则构建变参数模型（模型一）。

分别计算三种不同模型的残差平方和，结果如下：变参数模型（S1=9.54）、变截距模型（S2=24.11）、不变参数模型（S3=83.15）。由此分别计算出两个假设的F统计量如下（其中N=17、k=2、T=7）：

在5%的显著性水平下，相应临界值分别为： F1（32，68）=1.65，F2（48,68）=1.53。由 于F1和F2都大于以上临界值，即拒绝H2同时拒绝H1，故应构建个体固定效应变系数模型。

5.实证结果

利用Eviews 软件对模型进行面板回归，实证结果见表3。由回归结果可知方程通过显著性检验，调整后的样本决定系数达到0.8928，模型拟合优度较高。

表3 模型系数回归结果

四、结论

通过以上实证研究，可得以下结论：

（1）金融发展规模对科技创新具有显著的支持作用，金融效率对科技创新的影响不明显

从 FIR 系数来看，山东省通过显著性检验地市的系数基本都大于2（仅济南为1.8604），表明金融发展规模对科技创新的影响显著为正，即金融发展规模的增加可以促进科技创新，且具有乘数效应。从 SLR 系数来看，在本文模型中得到的系数正、负交叉，而且通过显著性5%水平检验的地市仅五个：济南、青岛、莱芜、德州及菏泽。因此，就山东省整体而言，金融效率对科技创新的支持作用没有得到很好的体现。

（2）经济发展中等地市金融发展规模对城市科技创新的支持作用较大

比较各个地市的FIR 系数，通过显著性检验的地市中，经济总量排名靠前的城市FIR 系数都小于3.5（济南、青岛和烟台）。经济总量处于中间部分的地市，FIR 系数都大于3.5（济宁、泰安、日照、莱芜和滨州）；而经济总量排名靠后的地市，FIR 系数又回到3 以下（德州、临沂），这表明经济发展水平较高与较低的地市金融发展规模对科技创新的贡献力度相对于中等地市而言要小一些。究其原因，经济发展水平较低的地市，金融机构存贷款不足，从而对科技创新的支持有限；经济发展水平较高的地市，随着前期对科技创新的支持，其呈现规模报酬递减的趋势，故金融发展规模对经济发展中等地市的科技创新影响最大。

（3）金融效率对区域城市科技创新的影响存在显著差异

比较各个地市的SLR 系数，金融效率对技术创新的影响也存在不同。通过显著性5%水平检验的五个地市中，济南、德州及菏泽SLR 系数显著为正，表明金融效率对技术创新有较强的促进作用。反之，青岛、莱芜SLR 系数显著为负，说明金融效率并未促进技术创新。原因可能在于以下两个方面：一是金融效率SLR 用存贷款比率表示，不足以完全体现金融资源的真实配置效率；另一方面，各个地市的发展程度及发展侧重点不同，银行体系金融资源配置不同，因此导致SLR 对科技创新的影响不同，甚至出现相反情况。同时，山东省某些地市正处于经济结构的转型中，支持科技创新的第三产业所占比重较小，也会影响模型中SLR 指标与科技创新指标的关系。

总之，山东省金融支持对科技创新的促进作用是明显的，但也存在一些问题，本应促进科技创新的金融效率指标在一些地区却对经济产生了阻碍的影响。因此各地在扩大金融规模、提高地区金融整体实力的同时应大力调整信贷结构，提高银行资金转化效率，改善目前地区金融效率与科技创新的负相关关系，真正促进经济的健康发展。

[1] Alessandra C.,Stoneman P.Financial Constraints to Innovation in the UK:Evidence from CIS2 and CIS3[J].Oxford Economic Papers,2008,60（4）:711-730.

[2] Luigi,B.,Fabio,S.,Alessandro,S.Banks and Innovation:Microeconometric Evidence on Italian Firms[J].Journal of Financial Economics,2008,90（2）:197-217.

[3] 李悦.产业技术进步与金融的市场化趋势:基于银行与市场功能比较的分析[J].中央财经大学学报,2008,（2）:35-40.

[4] 周孝坤,冯钦,袁颖.科技投人、金融深化与产业结构升级[J].社会科学家,2010,（10）:55-58.

[5] 龚天宇.政策性金融支持科技创新的模式研究——以国家开发银行为例[J].广西财经学院学报,2011,（5）:84-88.

[6] 王宏起,徐玉莲.科技创新与科技金融协同度模型及其应用研究[J].中国软科学,2012,（6）:129-138.

[7] 俞立平.省际金融与科技创新互动关系的实证研究[J].科学学与科学技术管理,2013,34（4）:88-97.

[8] 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.