财政投入、银行信贷与科技创新效率——基于空间GWR模型的实证分析

孙志红，吴悦

（石河子大学a.经济与管理学院；b.兵团金融发展研究中心，新疆石河子832000）

财政投入、银行信贷与科技创新效率
——基于空间GWR模型的实证分析

孙志红a，b，吴悦a

（石河子大学a.经济与管理学院；b.兵团金融发展研究中心，新疆石河子832000）

文章以国家提倡科技创新、加大科技投入为背景，利用2010-2014年全国30个省份的数据，采用空间地理加权回归模型将地区财政投入、银行信贷关于科技创新的效率进行实证分析。结果发现：财政和信贷投入力度的加强对科技创新的效率提升具有促进作用，其中财政支持的效用更明显，且随着时间的推移这种促进作用越来越强；相反，财政作用于信贷再作用于科技创新的效果不好，有待进一步发挥出财政引导银行积极支持科技创新的效应；除此之外，财政和信贷对科技创新的影响效应具有空间差异性，东部地区在发挥信贷支持科技创新方面表现较好，西部地区在财政支持方面较好。各地区需要根据地区发展情况，制定合理的发展战略，加强合作交流，共同致力于科技创新能力的提升。

财政投入；银行信贷；科技创新效率；地理加权回归模型

一、引言

2015年，我国GDP增长6.9%，创25年新低，经济发展面临着很大的下行压力。长期以来，我国经济发展主要依靠初级的生产加工，中国制造遍布世界各地，这种生产模式成本高、效率及产品附加值低，很难再为经济发展创造动力。在这样的背景下，国家大力倡导创业、创新，提出供给侧改革主张通过科技创新推动经济转型升级。然而，科研开发耗资较大，充足的资金投入是其发展的保证与关键，因此研究提高科技创新效率、增强国家科技创新能力问题首先需要关注科技资金的投入。一般来看，除企业自有资金以外，科研开发最主要的资金来源为政府财政拨款和金融机构的银行贷款，其中政府财政科技支出是科研开发最主要的资金来源，在科技创新的过程中起着支持、引导、调整的作用，与财政科技支出相比，银行信贷对科技创新的投入较少，但其能够在很大程度上扩宽科研经费的来源渠道，值得不断发掘其支持科技创新的潜力。近年来，国家重视科研开发，对科技的投入不断增多，2010年国家财政在科学技术方面的支出为1 588.88亿元，到了2014年增长到2 877.79亿元，翻了将近一倍。在国家政策的引导下，银行业也加大对科技创新的投入力度，不断降低科技型企业的贷款门款。整体来看，国家财政、银行机构都积极支持科技创新，然而，我国省市众多，地区经济发展存在一定差异，因而在推进科技创新、增强科技投入方面必然会有不同。现如今，国家强调地区均衡发展，研究各省在提高科技创新能力的过程中财政投入与银行信贷所发挥效应的差别，对地区发现问题、及时完善，从而提高区域科创能力，推动我国经济均衡稳定发展，具有重要的理论与现实意义。

二、文献综述

关于科技创新，国内外学者主要集中于测量评价地区或国家的科技创新能力、进行对比分析，或是分析研究影响科技创新的各种因素。在测量评价科技创新能力方面，研究主要分为两类，一类研究主要采用因子分析、熵值法、聚类分析等方法，对科技创新的综合能力水平进行评价（王光平，2008［1］；丁华，2016［2］）；另一类主要采用DEA，随机前沿等方法对科技创新的效率进行测量（Nasierowski、Arcelus，2003［3］；侯震梅，2016［4］）。在分析影响科技创新发展的因素方面，主要集中于分析资金投入、教育水平、工业结构、对外开放程度等对科技创新的影响（樊华，2012［5］；柳瑞禹，2016［6］），发现科技资金的有效投入、教育水平的提高、工业结构的调整升级等都能够在一定程度上促进科技创新能力的提升。

关于财政投入、银行信贷对科技创新的影响，国内外学者普遍认为政府与银行机构有效的资金投入对科技创新具有促进作用。单就财政支持来看，Busom（2000）［7］；Loof、Heshmati（2005）［8］等通过对国外的数据分析，发现财政投入对科技创新的发展具有促进作用。张跃强、陈池波（2015）［9］；郭兵、罗守贵（2015）［10］等也针对国内情况，采用VAR、静态和动态面板数据模型等方法进一步证明了财政科技投入对科技创新具有正向的影响。同样，作为科技资金的另一重要来源，银行贷款的有效投入也会对科技创新产生积极的影响。张玉喜、赵丽丽（2015）［11］实证分析了中国科技金融投入对科技创新的作用效果，发现短期内科技金融投入与科技创新之间呈显著正相关关系。然而，也有一些研究，提出财政对科技创新具有抑制效应、金融投入与科技创新之间协调性不高、科技金融滞后于科技创新的发展，需要调整财政科技资金投入规模、加强科技金融的投入（王晴，2014［12］；徐玉莲等，2011［13］）。

关于科技创新的空间效应，学者们通过研究发现，科技创新具有空间关联性，一个地区科研开发对周边地区的经济发展也会产生影响。王认真（2014）［14］通过实证分析发现，某一省份科技金融资金投入的增加不仅可以提高本省的技术创新能力，而且还会对其临近省份的技术创新产生正的空间外溢效应。此外，研究还发现，不同地区科技创新的发展具有空间差异性，其影响因素的作用效果也不尽相同。例如，吴玉鸣（2006［15］）就对区域全要素生产率的空间异质性展开研究；齐亚伟，陶长琪（2014）［16］分析了要素集聚对区域创新能力的空间分异规律。

现有文献为本文研究财政投入、银行贷款与科技创新效率间的作用关系提供了很大的参考，但仍存在一些需要补充完善的地方。首先，现有文献在分析银行信贷对科技创新的影响时，由于科技贷款指标的难以获得性，通常直接选用银行贷款来反映金融信贷对科技创新的支持，这在一定程度上增大误差，不能反映银行信贷支持科技创新的真实情况；其次，现有文献关于科技创新空间效应的研究不多，具体分析财政、信贷对科技创新影响空间差异性问题的更少，忽略了空间地理位置的变化对区域科技创新的影响。基于此，本文拟从这两方面着手，在指标选取和研究视角上进行创新，选取更为微观的科技资金投入数据来反映银行信贷支持，运用地理加权回归模型，对我国各个省份的科技创新效率与财政、信贷进行回归分析，观察地区间的差异性，发现不同省份在提升科技创新效率时存在的问题，提出对策建议，促进地区交流与合作，实现我国地区间经济的均衡发展。

三、理论分析

（一）财政投入与银行信贷对科技创新效率的作用机理

财政支出是政府为提供公共产品和服务，满足社会共同需要而进行的财政资金的支付。近年来，国家大力倡导科技创新，然而，科研开发需要巨额资金，并且，其开发期限久、风险大，单纯依靠市场很难解决其融资问题，而这时，政府财政就能在很大程度上弥补市场缺陷，支持科技创新。一直以来，我国政府财政科技投入都是科技创新最主要的资金来源渠道，其有效的投入能够为企业科研开发注入大量发展资金，支持企业各项创新事业的开展，提高科技创新的效率。然而，也与一种观点认为，政府财政的介入会降低企业间的市场竞争性，降低企业科研开发的积极性，对科技创新具有抑制效应。

与财政的公共性不同，银行信贷是以盈利为目的。由于科技创新的高风险性，银行对科技创新的贷款投入相对较少，但其也在很大程度上对财政科技投入进行了补充，缓解了政府资金投入的压力。并且，也正是由于银行盈利的性质，使得其在投资前，会认真筛查投资对象的特性，会选择那些更可能成功开发并商品化、产业化创新产品的企业或单位进行投资（Schumpeter，1934［17］）；还会对投资的项目实施监控，掌握项目的进展和需求，从而提高科技创新的效率。

（二）财政作用于信贷对科技创新效率的影响

财政投入对经济发展除了具有支持效应外，还具有一定的导向作用，引领经济活动向顺应国家大政方针的方向发展。这种导向作用，反映在银行支持科技创新方面，就表现为银行机构会观察财政资金的流向，在政府不断加强科技资金投入的大环境下，也会适当地加大对科技创新项目的信贷投入力度、降低科技型企业等的贷款门槛，支持国家进行科技创新。此外，政府为鼓励银行等金融机构积极的支持科技创新，还可能会通过财政补贴等方式引导银行机构加大科技信贷投入，满足科技创新的资金需求。也就是说，银行信贷对科技创新的影响在一定程度上会受到财政投入的影响。

（三）财政投入与银行信贷对科技创新效率影响的空间效应

Anselin曾经提出，某地区空间单元的经济特性不是孤立的，其经济特征与邻近地区同一经济特征总是发生着某种联系，即具有显著的空间相关性特点。因此，研究财政和信贷对科技创新效率的影响时，有必要考虑地理空间效应。

Nelson（1956）［18］，Arrow（1962）［19］指出技术创新具有创新收益的外部性。由于科技研发资金与科研人才的流动性，一个地区科技创新能力的提升，必然导致该地区人才、技术外溢，从而对临近地区产生影响。此外，科技促使经济进步，一个地区科研能力的提升促使其经济发展水平提升，由于地区间竞争性、模仿性的存在，必然也会促使周边地区，借鉴经验，提高科技创新能力。同理，资金的流动性也必然会使得一个地区财政投入和银行信贷的变化影响其他地区，并且不同地区财政与信贷投入的不同也会造成其对科技创新效率影响的空间差异性。

四、模型构建与变量说明

（一）模型构建

为分析财政、信贷对科技创新效率的影响，以及不同省份间的差异性，文章采用地理加权回归（GWR）模型对数据进行回归估计。与传统计量回归模型不考虑空间效应相比，地理加权回归模型在其基础上进行扩展，将数据的地理位置引入到回归参数中，充分考虑由于空间地理位置变化引起的参数的变化，使估计结果更加精确，弥补了传统计量模型的不足，其一般形式见式（1）：

式中，yi，xij，ε分别为因变量，第j个自变量和随机误差项（本文的因变量为科技创新效率，自变量为财政投入与银行信贷，具体见变量说明），(ui,vi)是地区i的地理经纬度坐标，βj(ui,vi)代表第j个自变量在地区i的回归系数。通常使用加权最小二乘法对参数进行估计。

运用GWR模型首先需要确定权重和带宽，通常采用高斯函数法确定权重。高斯函数的表达形式见式（2）：

其中，b为带宽，d是样本点i和j间的距离。带宽b不是唯一的，Brunsdon等用交差实证法（即Cross Validation）来选择一个最合适的b。CV的计算公式如式（3）：

当CV最小时，对应的b就是相应的带宽，y≠i(b)是yi的拟合值。

（二）变量说明

1.被解释变量（yi）

文章参考晏蒙、孟令杰（2015）［20］、柴玮等（2015）［21］等人对科技创新效率的研究，选取科技投入与科技产出两方面的指标，运用DEA模型，对我国30个省市的科技创新效率进行估计，估计结果作为被解释变量（yi），即科技创新效率。其中，科技投入指标选取研究与开发机构数，反映科研基础设施的投入；R&D人员全时当量，反映人力资本的投入；R&D经费内部支出，反映资金的投入情况。科技产出方面，选取专利申请数，代表各省市科研开发能力；选取技术市场成交额，反映各省科技成果转化的能力。由于前人关于DEA模型的研究介绍已有很多，故本文不再赘述。

2.解释变量（xij）

财政投入（x1）：本文选取《中国科技统计年鉴》中各地区按资金来源分R&D经费内部支出中的财政资金占R&D经费内部支出的比重来反映地区财政对科技创新事业的投入情况。

银行信贷（x2）：翻阅现有文献和资料，会发现银行对于科技创新活动的贷款经费的数据很难找到，现有研究很多直接选择银行贷款总额反映银行信贷对科技创新的支持，本文拟对此进行创新，选取《中国科技统计年鉴》中各地区按资金来源分R&D经费内部支出中的其他资金占R&D经费内部支出的比重来反映地区银行信贷对科技创新的投入。原因在于，本文通过研究《中国科技统计统计年鉴》发现，2009年之前，其对科技经费筹资的来源划分是：政府资金、企业资金和金融机构贷款，而从2009年以后，科技资金的来源划分变为政府资金、企业资金、国外资金和其他资金。然而一般来说，银行信贷是科技创新过程中很重要的资金来源，因此本文认为其他资金主要为银行信贷。并且，通过对比2009年之前的科技统计年鉴数据，其他资金占R&D经费内部支出的比重与来源于金融机构贷款占科技经费筹资总额的比重相差不大，选取其他资金占R&D经费内部支出的比重作为银行信贷的指标具有一定的代表性。

财政对信贷的作用（x3）：通过理论分析，可以发现银行信贷对科技创新效率的影响会受到财政投入的影响。因而，文章选取x1x2即财政投入与银行信贷的交叉项反映财政作用于银行信贷进而对科技创新效率的影响。

3.控制变量

考虑到除财政投入和银行信贷外，其他一些因素也会对科技创新效率产生很大影响，而这其中，人才教育对于科技创新来说至关重要。此外产业结构的调整必然会带来技术的革命与变迁，近些年来，供给侧改革国家又大力强调调整产业结构，产业结构的变化对于科技创新来说可能同样存在一定的影响。因此，本文选择人才教育以及产业结构这两个指标作为控制变量，分析它们对于科技创新效率的影响。其中人才教育用地区高等学校毕业生数占地区总人数的比值表示；产业结构用地区第二与第三产业生产总值之和占GDP的比重来表示。

（三）数据来源

选取2010-2014年中国大陆30个省市相关数据（由于西藏存在数据缺失，将其剔除），分析近些年来我国财政和信贷对科技创新效率的影响，为十三五时期我国打造科技型强国提供借鉴。数据主要来源于《中国科技统计年鉴》、《中国统计年鉴》及中国知网的经济与社会发展统计数据库。

五、实证结果与分析

（一）科技创新效率的估计

本文运用Deap2.1软件，对我国30个省市2010-2014年每一年的科技创新效率进行测算，得到如表1结果。为分析地区间的差异性，将这30个省市分为东中西三个地区①。

从表1中可以得出，2010-2014年期间，我国的科技创新效率整体上升，只有从2010年到2011年间出现短暂下滑。地区科技创新效率存在差异性：东部地区的科技创新效率值一直领先，然而，和预期可能相反，本文测出，中部科技创新效率一直低于西部，效率最低。这可能是由于国家的西部大开发建设发挥了作用，并且，西部省份中，重庆、四川、陕西三省市的科技创新效率值很高，其发展不容小觑。相比较，中部省份的科技创新效率一直不温不火，在强调科技创新的今天，需要抓住国家中部崛起战略的机遇，努力提高科技创新水平。

表12010 -2014年我国30个省市科技创新效率值

续表1

（二）地理加权回归结果与分析

1.科技创新的空间相关性

分析经济事务的空间效应问题时，是在假设其具有空间自相关性的基础上进行的。因此，在分析财政与信贷对科技创新效率的影响之前，首先需要对科技创新效率的空间自相关性进行检验。参考一般研究经验，本文采用Moran’s I指数法检验我国各省科技创新效率是否存在空间自相关性，Moran’s I指数的计算公式见式（4）：

式中，n表示研究地区的个数，wij为空间权重（本文采用0-1空间权重），xi和xj分别表示省域i和j的科技创新效率，x_是研究范围内所有省份科技创新效率的平均值。Moran’s I指数的取值范围在-1～1之间，大于0表示存在正的空间自相关，小于0表示存在负的空间自相关，等于0表示不存在空间自相关性。采用GeoDa软件对2010-2014年省域科技创新效率的Moran’s I指数进行估计，结果见表2所列。

表22010 -2014年省域科技创新效率的Moran’s I值

从表2中可以看出，2010-2014年，我国省域科技创新效率的Moran’s I值最小为0.179，大于0，且都通过了显著性检验。这表明，一直以来，我国省域之间科技创新效率都具有正的空间自相关性，各地区在科技创新方面存在着空间上的联系。并且，随着时间的推移这种空间相关性不断加强，Moran’s I值不断增大。这也在一定程度上证明，运用传统的OLS模型对影响科技创新效率的因素进行回归是不适用的，本文运用GWR模型更具合理性。

2.财政投入与银行信贷对科技创新的影响及其空间差异性

在检验证明科技创新效率具有空间相关性后，运用GWR4软件，对2010-2014年我国各省市科技创新效率的财政支出和银行信贷进行回归。为更好地观察财政、信贷对科技创新效率影响的空间差异性，本文将2010-2014的回归结果进行加权平均得到整体数值，之后运用GeoDa软件将财政投入、银行信贷、财政和信贷的交叉项、人才教育以及产业结构的回归系数做成三分位图，三分位图结果如表3所列。

表3 财政、信贷等参数空间变化的三分位表

由表3可见：

（1）单从回归系数来看。财政投入的回归系数大于银行信贷为正，财政与信贷交叉性的回归系数最小为负；再考虑人才投入和产业结构的话，其系数排名为：产业结构＞财政投入＞银行信贷＞人才教育＞交叉项，并且除交叉项外，其他均为正值。这反映出，首先，我国的财政投入与银行信贷对科技创新效率都具有促进作用，并且，财政投入对科技创新效率的影响效用要大于银行信贷。这表明我国在推动科技创新的过程中主要依靠政府财政拨款，银行科技信贷力度需要进一步加强。与财政、信贷的积极作用相反，财政对银行的作用并没有发挥出很好的效用，对科技创新效率的影响为负。这在一定程度上说明，我国的财政投入没有很好地发挥出导向作用，政府应该更好地发挥财政的导向作用，引导银行加强对科技创新的支持。其次，观察人才教育和产业结构，产业结构的调整对科技创新效率的影响是最大的，超过了财政和银行信贷的投入；而与之相比，人才教育并没有发挥出很好的促进效应，回归系数值很小。究其原因，在于近些年，我国大力推进产业升级、供给侧改革的一大重点任务就是调整产业结构，而科技创新主要发生在二、三产业，并且产业结构的调整必然带来行业的优胜劣汰，企业要想不被市场所淘汰必须进行创新，所以产业结构对科技创新效率产生了较大的促进作用。较之相比，近几年，面对日新月异的科技发展需求，国家对于高等人才教育上的投入还是不够，要想发挥人才教育对科技创新的作用，国家需更加重视人才教育，加大教育投入，加强技术性人才培养，从源头上保障科技创新事业的发展。

（2）从回归系数的空间变化来看，财政投入和银行信贷对科技创新效率的影响是存在空间差异性的。首先，财政投入的回归系数表现为由西向东递减。财政投入对科技创新的影响并没有表现为和经济发展东高西低一样的效果，而是表现为，西部地区财政投入对科技创新的影响最大、中部次之、东部最差。这可能是因为近些年来，国家积极开展西部大开发，对口援疆等工作，对西部地区进行政策倾斜，投入了大量财政资金，发挥出了对科技创新巨大的促进作用。而东部地区经济相对发达，科技创新能力也较高，相等的财政投入对其来说就略显不足，对科技创新的影响也就相对减弱。其次，银行信贷对科技创新的影响表现为东北最强，西部最弱。在一定程度上反映出西部金融系统发展不够完善，科技信贷投入不能满足科技发展的需要，需要积极地发展金融业，为经济发展提供更为有力的资金支持。然后，财政与信贷交叉项的系数表现为由南向北递减的规律，表明财政在作用于银行引导银行业支持科技创新方面，南部地区表现较好。最后，人才教育对科技创新效率的影响表现为由东向西递减，西部地区更需要加大对人才教育的投入；而产业结构对科技创新效率的影响表现为西部较强，东北地区较弱，东北地区需要加快产业结构调整、推动东北老工业区进行产业升级。

为进一步分析，时间的变化对于我国财政投入和银行信贷在支持科技创新方面的影响，下面将2010年和2014年的回归结果见表4所列。

表42010 年和2014年财政、信贷关于科技创新的回归结果

由表4可见：

（1）随着时间的推移，财政投入、银行信贷和产业结构对科技创新效率的促进作用不断加强；财政对银行的作用对科技创新效率的影响越来越差；人才教育方面，2010年对科技创新还具有促进作用，到了2014年回归系数变为负，促进作用消失。这表明，我国政府、银行机构不断加强对科技创新的支持，财政科技支出和银行科技信贷不断增多。此外，国家产业结构也在不断调整升级，不断顺应科技创新的需要。然而，与之相反的是，财政作用于银行最终影响科技创新的效果发展状况越来越差，政府需要发挥出积极地引导作用，一旦财政对信贷的引导作用得以发挥，必然能够更好地开发银行支持科技创新的力量，更好地支持国家进行科技创新。人才教育情况也不断恶化，需引起相关部门的关注，加强教育投入，注重人才培养。

（2）随着时间的推移，财政和信贷对科技创新影响的空间差异性不断增大。从2010的数据看，东中西部财政、信贷等要素对科技创新的回归系数几乎相同。而到了2014年，回归系数值出现偏差，西部财政投入的系数最大而银行信贷的系数最小。人才教育和产业结构的回归系数也变得不同。

（3）2010-2014年，在加强财政支持科技创新方面，西部地区表现最好，特别是新疆，财政投入回归系数值增长最多；在发挥信贷支持科技创新的作用方面，中部特别是吉林、黑龙江表现的最好，回归系数值增长最多；虽然，财政引导信贷支持科技创新一直没有发挥出积极地影响，但通过地区比较可以发现，西部在发挥财政引导作用，影响银行支持科技创新方面表现的相对较好；人才教育方面，西部地区不断恶化，对科技创新效率的负向影响越来越大；而不同地区产业结构对科技创新的影响差异性不大。

六、结论与对策建议

本文通过GWR模型，对我国30个省的财政投入、银行信贷与科技创新效率进行回归，分析各地区财政科技支出和银行科技信贷对于科技创新的影响及其空间差异，结果发现：①财政投入和银行信贷对科技创新效率的提升具有促进作用，并且，财政投入的促进效果更好。然而，财政并没有发挥出引导银行业支持科技创新的作用，需要加强财政与信贷的融合，共同致力于科技创新。②财政、信贷对科技创新效率的影响具有空间差异性。其中，西部地区的财政支持科技创新效应最好，东北地区的信贷支持科技创新效率提升效应最好。③随着时间推移，财政和信贷对于科技创新效率的促进作用不断提升，并且影响的差异性不断加深。④在推进科技创新、提高科技创新效率的过程中，东、中部地区更需加强财政科技资金的合理投入，西部地区更需要重视金融机构的发展、加强信贷投入，还要加强对教育的投入、重视人才的培养，东中西部地区都需要重视产业结构调整、推动产业结构升级。基于以上结论，本文提出以下建议：

（1）在保证政府财政科技资金投入的同时，提高银行信贷对科技创新的支持。十八大提出“使市场起决定性作用和更好地发挥政府作用”，在国家大力倡导创业创新的背景下，更好地发挥政府作用就在于财政科技资金的合理投入，而使市场起决定性作用，就在于要更好地发掘金融机构对科技创新的支持。各地区要不断发展金融市场，壮大金融机构的规模，发挥金融对实体经济的支持作用。银行业作为金融机构的核心，需不断加强对科技创新工作的信贷投入、适当降低科技型企业的贷款门槛、创新开发出新的金融产品，支持科技创新工作的开展。

（2）政府要利用财政投入的引导作用，激发银行机构支持科技创新的潜力。考虑到科技创新的高风险，很少有银行机构愿意主动为其贷款。各地政府可以通过对银行机构给予适当的财政补贴或者一些政策性优惠，鼓励银行机构支持科技创新，发挥出财政作用于银行最终作用于科技创新的效果，更好地发掘银行信贷对于科技创新的支持效应。

（3）因地制宜，制定适合地区科技创新发展的政策建议。我国各地区在加强财政和信贷支持科技创新方面存在差异，为提高区域科技创新能力，实现经济共同发展。东、中部地区需要在保持经济发展的优势上，进一步加强财政在科学技术方面的投入；西部地区需要重视金融业的发展，完善金融投入机制，鼓励银行加强对科技创新的支持，此外，西部地区还需要加大对教育的投入，培养技术性人才，为科技创新提供源源不断的动力。

（4）加强政府间合作，共同致力于科技创新。各地区在加强财政、信贷支持科技创新方面既存在差异性，又具有一定的关联性，由于资金的流动性，一个地区财政、信贷资金的投入必然会对周边其他地区产生影响。因此，在推进科技创新的过程中，各地区要加强合作，尽可能的实现资金、人才、信息的流通，共同致力于我国科技创新事业的发展。

注释：

①东部地区包括北京、天津、河北、辽宁、上海、江苏、浙江、福建、山东、广东、海南等11个省市；中部地区包括山西、吉林、黑龙江、安徽、江西、河南、湖北、湖南等8个省市；西部地区包括内蒙古、广西、重庆、四川、贵州、云南、陕西、甘肃、青海、宁夏、新疆等11个省市。

［1］王光平，金浩.基于因子分析的高校科技创新能力的实证研究［J］.河北师范大学学报：哲学社会科学版，2008（4）：48-51.

［2］丁华，孙萍.基于熵权法的高校科技成果评价——以辽宁省高校为例［J］.现代教育管理，2016（7）：57-60.

［3］Nasierowski W，Arcelus F J.On the Efficiency of National Innovation Systems［J］.Socio-Economic Planning Sciences，2003，37：215-234.

［4］侯震梅，周勇.基于Bayesian随机前沿的新疆R&D效率实证分析［J］.科技管理研究，2016（4）：65-69.

［5］樊华，周德群.中国省域科技创新效率演化及其影响因素研究［J］.科研管理，2012（1）：10-18+26.

［6］柳瑞禹，何志明，范如国.中部六省科技创新效率与影响因素研究［J］.资源开发与市场，2016（3）：277-283.

［7］Busom L.An empirical evaluation of the effects of R&D sub⁃sidies［J］.Economics of Innovation and New Technology，2000，9（2）：111-148.

［8］Loof H，Heshmati A.The inpact of public funding on pri⁃vate R&D investment：New evidence from a firm level［R］. Electronic Working Paper Series，2005.

［9］张跃强，陈池波.财政农业科技投入对农业科技创新绩效的影响［J］.科技进步与对策，2015（10）：50-54.

［10］郭兵，罗守贵.地方政府财政科技资助是否激励了企业的科技创新？——来自上海企业数据的经验研究［J］.上海经济研究，2015（4）：70-78，86.

［11］张玉喜，赵丽丽.中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究［J］.科学学研究，2015（2）：177-184+214.

［12］王晴.财政投入支持科技创新的问题与优化［J］.武汉理工大学学报：社会科学版，2014（1）：48-52.

［13］徐玉莲，王玉冬，林艳.区域科技创新与科技金融耦合协调度评价研究［J］.科学学与科学技术管理，2011（12）：116-122.

［14］王认真.中国省域技术创新的科技金融支持研究［J］.经济问题探索，2014（4）：93-100.

［15］吴玉鸣，李建霞.基于地理加权回归模型的省域工业全要素生产率分析［J］.经济地理，2006（5）：748-752.

［16］齐亚伟，陶长琪.环境约束下要素集聚对区域创新能力的影响——基于GWR模型的实证分析［J］.科研管理，2014（9）：17-24.

［17］Schumpeter J A.The Theory of Economic Development［M］.Boston：Harvard University Press，1934

［18］Nelson R R.The Simple Economics of Basic Scientific Re⁃search［J］.The Journal of Political Economy，1959，67（3）：297-306.

［19］Arrow K J.The Economic Implications of Learning by Do⁃ing［J］.Review of Economic Studies，1962，29：155-173.

［20］晏蒙，孟令杰.基于DEA方法的中国工业科技创新效率分析［J］.中国管理科学，2015（S1）：77-82.

［21］柴玮，申万，毛亚林.基于DEA的我国资源型企业科技创新绩效评价研究［J］.科研管理，2015（10）：28-34.

Financial Investment,Bank Credit and Scientific and Technological Innovation Efficiency
—An Empirical Analysis Based on Spatial GWR Model

SUN Zhi-honga,b,WU Yuea
（a.School of Economics and Management;b.Corps Financial Development Research Center,Shihezi University,Shihezi 832000,China)

In the context of promoting scientific and technological innovation,increasing investment in science and technology,the paper, based on the data of 30 provinces across the country from 2010 to 2014,employs space geographically weighted regression model to make an empirical analysis on the regional fiscal investment,bank credit on the efficiency of scientific and technological innovation.The results show that the strengthening of investment in finance and credit ascension has a promoting effect on the efficiency of scientific and techno⁃logical innovation.The effectiveness of fiscal support is more obvious,and as the time goes by,the role is more and more strong.By con⁃trast,the effect of finance on credit then on technological innovation is not good,which needs to be further played out to finance the bank to actively support the innovation of science and technology.In addition,the impacts of finance and credit on technological innovation have spatial differences.The eastern region plays a better performance in terms of credit support for scientific and technological innova⁃tion.The western region is better in terms of financial support.Each region needs to make reasonable development strategies according to the regional development situation,strengthen cooperation and exchange to work together to enhance the capability of scientific and tech⁃nological innovation.

financial investment;bank credit;scientific and technological innovation efficiency;geographical weighted regression model

F127；F8

A

1007-5097（2017）04-0074-08

［责任编辑：张青］

10.3969/j.issn.1007-5097.2017.04.011

2017-01-05

石河子大学中青年培育基金项目（RWSK16-Y06）；兵团软科学项目（2016CC002）

孙志红（1977-），女，河南汝南人，副教授，管理学博士，研究方向：公司金融，金融理论，农村金融政策；

吴悦（1993-），女，安徽淮南人，硕士研究生，研究方向：农村金融。