我国省域科技金融发展水平空间统计分析——基于Moran’s I指数与Lisa指数的组合研究

刘剑清 龙舒婷 赵光印

(1.广州南洋理工职业学院 广东科技金融协同创新中心，广东 广州510925；2.广东金融学院 行为金融与区域实验室，广东 广州 510521)

科技金融是指将金融与高新科技产业进行融合，专门设计一系列配套的政策制度、金融产品和服务，推动高科技成果转化*方茹：《我国科技金融发展现状、问题及对策研究》，《时代金融》2017年第27期，第27页。。与金融科技相较而言，科技金融的着重点在于金融如何支持和服务高新科技产业。目前，我国科技金融发展依然处于起步阶段，金融资本市场发展缓慢，金融机构结构单一，金融信贷产品创新不足，不能满足高新科技企业多样化的融资需求。2017年，国务院出台《关于推广支持创新相关改革举措的通知》，其中包括“以关联企业从产业链核心龙头企业获得的应收账款为质押的融资服务”“面向中小企业的一站式投融资信息服务”和“贷款、保险、财政风险补偿捆绑的专利权质押融资服务”等涉及科技金融在全国8个全面创新改革试验区域内推广支持创新相关改革的举措。

科技与金融的结合，对我国提高自主创新能力及建设创新型国家具有推动作用。当前中国经济进入发展新常态，高新科技企业将逐渐担负起中国经济转型发展的重任。然而，一些金融机构出于“安全经营”的考虑以及“信贷机制”的限制，相较于一般企业，高新科技企业的借贷业务受到更加严格地对待，因此科技银行等新型金融机构应运而生。截至2013年底，我国科技银行数量已达102家*朱建芳、印梅：《我国科技银行发展研究》，《合作经济与科技》2016年第15期，第118-120页。；截至2017年11月底，我国已设立各类科技金融服务中心250余家，超过80%的省份已建立科技金融服务中心或类似机构*沈翀：《我国科技金融服务中心超250家》，《人民日报》2017年11月23日，第10版。。这些机构将区域科技与金融资源整合在一起，缓解了高新科技企业发展的融资压力，但是它们在地域分布上极不均衡，西部的科技金融机构明显少于中东部，且差距有拉大的趋势。高新科技产业与金融产业的融合过程主要是高新科技企业寻求融资的过程，科技金融机构地区发展不平衡可能会影响地区高新科技企业的发展，造成我国科技金融地区和整体发展不平衡。研究我国各省域科技金融发展状况、科技金融发展的省域差异和空间相关性，对解决科技金融省域发展不平衡、实现我国科技金融整体长远健康的发展，具有十分重要的理论和现实意义。

一、文献综述

经济学家熊彼特最早将科技与金融联系起来，认为金融变量对经济发展和企业创新具有重要的作用[注]熊彼特著，向畏、易家详译：《经济发展理论》，商务印书馆1990年版。。20世纪90年代，国外学者才对金融在科技创新中的作用进行实证研究，目前国外还没有“科技金融”这一说法。在我国，最早出现“科技金融”一词是在1993年，但仅作为科技与金融的缩写，作为独立概念被提出是在1994 年召开的中国科技金融促进会首届理事会上。鉴于科技金融在一国经济发展中的重要性，迄今为止，国内学者已经作了大量相关研究。

(一)金融发展对科技创新的影响研究

韩雪飞等(2013)认为，金融发展对科技进步有显著促进作用[注]韩雪飞、赵黎明：《我国科技金融与经济发展相互作用的协整分析》，《科技与经济》2013年第5期，第66-70页。。赵增耀等(2016)认为，随着对外开放水平的提升，金融发展将显著促进科技创新能力提升[注]赵增耀、周晶晶、沈能：《金融发展与区域创新效率影响的实证研究——基于开放度的中介效应》，《科学学研究》2016年第9期，第1408-1416页。。明明(2013)认为，以债权、股权投资为主的资产管理公司形式，是一种有利于科技创新的金融机构模式[注]明明：《金融发展促进科技进步的效用分析》，《浙江金融》2013年第8期，第18-22页。。彭建娟(2014)认为，我国金融发展对技术创新的促进作用更多依靠的是金融发展规模的扩张，而非银行发展效率的提升和金融结构的优化[注]彭建娟：《金融发展对中国高技术产业技术创新模式的影响》，《技术经济》2014年第9期，第37-42页。。然而，也有学者认为我国当前的金融体系不适合科技进步[注]陈国进、可钦锋：《金融支持科技进步的作用机制研究》，《福建江夏学院学报》2012年第1期，第23-27、46页。。师文明等(2010)认为，当金融发展相对滞后时，对科技创新并没有多大影响；但是当金融发展到一定阶段即超过某个临界值时，可以有效推动科技创新[注]师文明、王毓槐：《金融发展对技术进步影响的门槛效应检验——基于中国省际面板数据的实证研究》，《山西财经大学学报》2010年第9期，第38-45页。。刘纳新等(2015)认为，金融发展对科技创新的支持效用存在但有限，不过其冲击效应较为持久，发展空间巨大[注]刘纳新、伍中信：《新常态环境下金融发展对科技创新的影响分析》，《会计之友》2015年第23期，第39-43页。。

(二)科技创新对金融发展的影响研究

戴志敏等(2008)认为，科技进步与发展使知识创新观念发生重大变化，科技进步使得市场经济变得更加透明，促进价格竞争新模式的形成[注]戴志敏、罗峥：《科技进步对金融创新活动促进研究》，《科技管理研究》2008年第11期，第48-51页。。陈迅等(2009)发现，以电子信息技术为代表的科技进步成果极大地提高了金融机构的经营效率，从根本上改变了金融机构的服务生产和提供方式，促进了金融业运行模式的创新[注]陈迅、陈军：《科技进步与金融创新的互动关系研究》，《科技管理研究》2009年第12期，第55-57页。。朱学新等(2007)对中国科技投入的经济效果实证分析发现，科技投入对经济发展具有明显的促进作用；不同的科技创新方式对于经济发展的影响程度显著不同，其中专利申请数对于经济的影响在各种科技投入指标中最为显著[注]朱学新、方健雯、张斌：《科技创新对我国经济发展的影响——基于面板数据的实证研究》，《苏州大学学报(哲学社会科学版)》2007年第4期，第18-21页。。

(三)科技金融的效率研究

甘星等(2017)实证发现，长三角、珠三角科技金融效率较为均衡，处于较高水平且处于上升期，环渤海经济圈科技金融效率不均衡，其中北京、天津发展较好，河北、山东科技金融效率水平基本无增长[注]甘星、甘伟：《环渤海、长三角、珠三角三大经济圈科技金融效率差异实证研究》，《宏观经济研究》2017年第11期，第103-114页。。但戴志敏等(2017)、李林汉等(2018)认为，我国科技金融效率整体水平偏低，呈现出东—中—西梯形递减分布格局，区域内差异化严重且呈现出锯齿状波动变化态势，区域间

差异程度总体趋于收敛状态[注]戴志敏、郑万腾、杨斌斌：《科技金融效率多尺度视角下的区域差异分析》，《科学学研究》2017年第9期，第1326-1333页。[注]李林汉、王宏艳、田卫民：《基于三阶段DEA-Tobit模型的省际科技金融效率及其影响因素研究》，《科技管理研究》2018年第2期，第231-238页。。刘立霞(2017)、薛晔等(2017)认为，我国科技金融综合效率整体水平不高，但呈现上升趋势，科技金融全要素生产率总体保持较快增长，这主要是由技术进步贡献的[注]刘立霞：《我国科技金融效率研究——基于DEA-Malmquist模型分析》，《天津商业大学学报》2017年第3期，第27-32页。[注]薛晔、蔺琦珠、高晓艳：《中国科技金融发展效率测算及影响因素分析》，《科技进步与对策》2017年第7期，第109-116页。。

综上所述，国内关于科技金融研究的较大部分基于静态指标完成，将科技金融分成金融发展和科技创新进行研究，而未把科技金融作为一个整体。本文的创新之处在于，采用科研人员密度这一动态平均指标，单独研究科技金融的地域特征。这基于以下两方面考虑：一是科研人员密度指标更具代表性，科技金融发展程度越高，科研人员密度在理论上也越高，因此科研人员密度在一定程度上可较好地衡量科技金融发展的程度；二是相邻省域科研人员之间的竞争会比不相邻省域的竞争激烈，科技金融发展较弱的省域，科研人员的竞争优势比科技金融发展好的省域要低。考虑到普通计量研究方法无法衡量科技金融发展的空间相关性，本文采用空间统计学的研究方法来揭示中国省域科技金融发展与空间地理位置的相关关系。

二、数据与方法

目前，权威的科技金融发展水平客观评价指标尚未形成，但是前人在这方面已有一些研究。曹颢等(2011)从科技活动资金来源角度，按照“科技资源—经费投入—产出效率”的思路选取评价指标，构建我国科技金融发展指数[注]曹颢、尤建新、卢锐：《我国科技金融发展指数实证研究》，《中国管理科学》2011年第6期，第134-140页。。梁伟真等(2014)从科技金融结构、发展程度、效果和环境四个方面构建科技金融的综合评价指标体[注]梁伟真、梁世中：《科技金融的综合评价指标体系研究》，《科技创业月刊》2014年第10期，第64-67页。。基于此，笔者选取2012—2016年31个省(市、自治区)的高新科技企业科研人员数与该地区总人数的比值，衡量各省科技金融发展水平。文内数据来自于Wind和国家统计年鉴。

针对我国科技金融发展水平存在省域不平衡、地区差异较大的现状，根据 Tobler提出的“地理学第一定律”，各省域科技金融发展水平差异必定与其地理位置和空间关系相关，相邻省区的科技金融发展水平也应该存在相互影响。探索我国科技金融发展水平的省域空间分布特征，需要检验其空间自相关性。空间自相关分析又分为全局空间自相关分析和局部空间自相关分析，分别采用Moran’s I 指数和Lisa指数。

(一)全局空间自相关分析

全局Moran’s I用于反映空间邻接或空间邻近省域单元观测值整体的相关性和差异程度。定义一个邻接空间权重矩阵：

W=[wij]n×n

(1)

其中wij表示省域i与j的邻近关系，当省域i和j相邻时，wij=1；不相邻时，wij=0，省域与他自身的邻近关系也为0。全局空间自相关度量指标全局Moran’s I的计算公式如下：

(2)

(3)

(4)

阵中i行和j列之和。Moran’s I指数的显著性可用Z统计量检验：

(5)

全局Moran’s I的取值范围是[-1，1]。在95%的置信水平下，当I>0且Z>1.96时，表示空间正相关，即科研人员密度较高(或较低)的省域在空间上集聚在一起，I取值越接近1，正向空间自相关性越强；当I<0且Z>1.96时，表示空间负相关，即科研人员密度较高(较低)的省域与科研人员密度较低(较高)的省域在空间上集聚在一起，I取值越接近-1，负向空间自相关性越强；当I=0表示空间不相关，即各省域的科研人员在空间上随机分布。

(二)局部空间自相关分析

全局空间自相关分析只能反映省域科研人员密度在总体空间上的平均关联，并未揭示这一关系的具体结构和变化。为了进一步衡量每个省域与周边省域的局部空间相关关系，笔者采用Moran散点图与Lisa指数对其进行局部空间统计分析。

1.Moran散点图。Moran散点图是对空间滞后因子Wy和观测值y数据进行可视化的二维图示，该图的横轴对应观测值y，纵轴对应空间滞后因子Wy，它被分为四个象限，分别用来识别某一个省域及其相邻省域的科技金融发展水平的空间关系。散点图的四个象限分别对应四种类型的空间关系：第一象限(HH)代表高科研人员密度的省域，其周围省域的科研人员密度较高；第二象限(LH)代表低科研人员密度的省域，其周围省域的科研人员密度却较高；第三象限(LL)代表低科研人员密度的省域，其周围省域的科研人员密度也是低的；第四象限(HL)代表高科研人员密度的省域，其周围省域的科研人员密度却较低。总的来说，Moran散点图能直观展现出整体科研人员分布的地域差异，而且能具体区分某一个省域与其相邻省域之间属于哪种空间类型，观察到具体实体科研人员分布的具体特征。

2.Lisa指数。Lisa指数或称局部Moran指数，可以度量某个省域与相邻省域之间的差异程度及其显著性，它实际上是全局Moran指数的分解，定义为：

(6)

正的Ii表示一个高(低)科研人员密度的省域被一个高(低)科研人员密度的省域所包围；负的Ii表示一个高(低)科研人员密度的省域被一个低(高)科研人员密度的省域所包围。Lisa指数与Moran散点图虽都可以识别某个省域的科研人员分布与周边省域的具体相关特征，但是根据Lisa值的大小，更能直观比较省域间科研人员分布的差异大小。

三、省域科技金融发展的整体空间分布

《国民经济和社会发展第十三个五年规划纲要》提出“把人才作为支撑发展的第一资源”，实现国家经济发展必须实现科技进步，而科技人才是科技进步的核心资源，科技人才的空间配置情况和质量的高低影响科技进步与经济增长。笔者利用科研人员密度度量科技人才的空间活动，以衡量区域科技金融的空间结构及其相关性。借助Matlab软件计算出省域科研人员密度的全局Moran’s I指数(见表1)。

表1 Moran’s I指数

从静态上来看， Moran’s I均大于0，且至少通过10%显著性水平检验，这表明我国省域间科研人员密度不是随机分布，在空间上存在显著的正相关性，也就是说省域科研人员分布存在非均衡性，某些省域的科研人员具有一定的集聚性。其中，2012—2014年的Z统计量大于正态分布函数在5%置信水平下的临界值(1.96)，表明这三年我国省域自身的科研人员密度十分显著地受到邻接省域的科研人员密度的影响。这主要是由于科研人力资源具有一定的集聚性，其对一个地区的科技水平依赖性较高，因此科研人员会倾向于向科技水平较高的地区以及邻近地区靠拢。此外，高新科技行业对人才的依赖性较强，高新科技企业会在科研人才集聚的地方集聚，由此，科技人才分布存在空间非均衡性和溢出效应，即各省域的科研人员行为会影响到自身及其周边省域的科研人员密度。

从动态上来看，2012—2016年全局Moran’s I指数一直呈现递减态势，由2012年的0.2186递减到2016年的0.1594，表明各省域的科研人员集聚效应逐渐减弱。究其原因，存在以下两个可能：一是各个省域科技园区逐渐发展，且都找到符合自身的科技金融发展模式，集聚了大量的科技金融人才，促使当地 “集聚效应”形成，同时对边界产生“屏蔽效应”，因此自身的科技金融人才资源的空间溢出效应逐渐减弱；二是政府间产生竞争关系，通过某种政策阻止本地科研人员外流、干预科技人才的空间配置等，从而导致省域间科研人员分布集聚程度逐年减弱。

四、科研人员分布的局部空间相关性检验

全局空间相关性检验证明我国科研人员密度存在着显著的空间正相关，但这并不能进一步衡量每个省域与周边省域的科研人员分布的具体结构和变化，因此有必要进一步对科研人员密度进行局部空间相关性分析。利用Matlab软件输出2012年和2016年31个省域科研人员密度的散点图(见图1与图2)。

散点图上多数点位于第一和第三象限内，表明科研人员密度在空间上呈现正相关关系。东部地区的天津、浙江、江苏、上海和北京的科研人员分布具有相同的发展趋势，说明东部地区的科技金融发展水平具有一定的协同作用，表明科技金融发展水平高的省域在空间上形成强强集聚的“马太效应”；中部地区除海南和江西之外的7个省域以及整个西部地区12个省域的科研人员密度均在第三象限(见表2)，表明中西部地区的省域与其相邻省域的科研人员密度虽存在正相关，但是低值与低值的集聚，即代表中西部地区的科技金融发展水平普遍较低，在空间上形成弱弱集聚的“马太效应”，整个中西部地区的科技金融发展水平亟待提高。

图1 2012年Moran散点图

相对于中西部地区，东部地区拥有一定的区位优势，交通便利、市场广阔、劳动力充足、政策完善及科技发达等。目前东部地区经济正在从劳动密集型向资本密集型和技术密集型转型，而中西部地区处于承接东部产业转移、加快发展劳动密集型产业阶段，促使高水平人才向东部地区集聚，所以东部地区科研人员密度普遍高于中西部地区。加上先天的金融优势，东部地区吸引了大量的外资投资，促进东部地区的经济发展，促使国内外高新科技人才要素持续流向东部地区，进一步扩大了东部与中西部地区科研人员密度的差距。此外，我国的科技银行大部分集中分布在北京、上海及广东等东部发达省域，科技股权投资也主要集中在东部地区，科技金融机构和资本市场的逐渐完善，优化了东部地区高新科技企业的融资环境，促进了东部地区科技企业的发展，进而吸引了大量科技金融人才向其靠拢。

运用Matlab计算出2012—2016年的Lisa指数，对科研人员分布的局部空间相关性进行分析(见表3)。北京、天津、上海、江苏和浙江等省域的Lisa指数较高，表明这些省域的科研人员集聚效果明显。北京、天津和上海作为环渤海和长三角地区科研人员密度较高的城市，不仅科技金融水平发达且人才扩散效应凸显，科研人员集聚水平较高，可以说环渤海和长三角地区已成为我国重要的科研人员集聚中心。但是两大经济圈中山东、安徽等省域的科研人员集聚水平较低，科技金融发展水平还较低。因此，科研人员密度高的省域应发挥其科技创新和金融发展的带动作用，继续深化与周边省域的合作，更好地推动科技金融一体化。

表2 东中西部各省份科研人员密度对比分布

表3 Lisa指数

2012—2016年广东的Lisa指数虽为负值，但其绝对值一直保持增长，表明该省科研人员密度虽然高，但是并没有对周围省域产生带动作用，而是起到阻碍作用，即科研人员在广东省形成集聚不经济效应。珠三角沿海城市科技创新能力较强，人才市场潜力较大且对外开放便利，近年来广东一直处于产业转型期，第三产业比重不断上升，这就促进周围省域科研人员不断流入。但广东科技金融发展体系建设还不够成熟，科研人员集聚虽大大提高了科技金融发展水平，却对周边省域的科技金融发展产生外部不经济现象。广东科研人员的增长导致周边省域科研人员相对减少，所以其在发展自身科技金融的同时无法对周围省域产生带动作用。一旦某个区域的产业布局形成就会产生路径依赖，某个产业在特定区域发展成熟就会产生区域依赖，高新科技企业倾向于在广东省内发展，不断吸引科技人才流入，造成广东科研人员分布形成显著的极化效应。

五、结 论

笔者利用2012—2016年我国31个省(市、自治区)科研人员与该地区总人数的比值，采用Moran’s I指数和Lisa指数对我国科技金融发展水平作全局与局部的空间自相关分析，得出以下三个结论。

(一)省域科技金融发展水平存在显著的空间集聚效应

我国省域科技金融发展水平在空间上存在正的空间依赖性，即相似的科技金融发展水平属性的省域在空间上是邻近的，产生集聚现象，但是低值集聚的省域占据多数，这表明我国科技金融发展还处于较低水平。科技金融的发展不仅与科技金融资源相关，还与科技基础密切相关，因此，发展科技金融水平必须先要发展科技水平。

(二)省域科技金融存在明显的地区差异

我国科研人员主要分布在东部地区，西部地区科研人员呈现低值集聚分布，主要原因在于东部地区的科技金融利用区位优势和政策倾斜优先发展，而中西部无此优势；此外，东部地区文化教育水平较高，基础设施完善，技术型人才辈出，促进了东部地区的发展；相比之下，中西部地区教育水平落后，基础设施不完善，缺乏强大的师资力量，导致人才素质较低，难以适应经济的发展与创新的要求，加剧了中西部与东部科技金融发展水平的差距。因此，政府应重点关注位于第三(LL)象限的省域，通过适度的政策扶持缩小科技金融发展水平差异，促进各省域科技金融的可持续发展。

(三)长三角和环渤海区域科研人员集聚水平不均衡

上海、北京和天津的科研人员集聚水平较高，成为我国科技金融发展的增长极。安徽和山东成为旅游经济发展过渡区，科研人员集聚不明显，需要发挥自身资源及创新优势，提高自身对金融人才的吸引力，从而谋求更多的合作。因为上海、北京和天津等形成了集聚度较高的区域产业集群，集群里的每个参与者信息共享、相互依赖，既大大降低了科技创新的成本，又极大促进了科技成果的转化，形成规模经济效应，这又会吸引更多的高新科技企业加入。因此，发展我国的科技金融水平，应以上海、北京和天津等城市为代表的长三角、环渤海地区为增长中心，完善其科技金融发展体系建设，带动周围省域的发展。

六、政策建议

为提高我国科技金融的整体水平并缩小东部与中西部省域科技金融发展水平的差距，笔者提出以下政策建议。

(一)建立多层次的资本市场，提高科技企业融资效率

针对我国高新科技企业在资本市场融资困难的问题，应建立与高新科技企业相匹配的多层次资本市场。第一，加快新三板市场的建设，完善新三板市场高层次的相关法律法规、做市商制度、电子集合竞价交易制度等，扩大协议转让交易制度适用范围，针对市场交易效率不足带来的资源配置效率低下等缺陷，提高高新科技企业在新三板的融资效率。第二，实现区域性股权交易市场与新三板的对接，比如当在区域性股权市场挂牌的企业已经达到在新三板挂牌的要求，可以直接申请在新三板挂牌交易；而在新三板已经挂牌的企业在难以达到新三板维持挂牌要求时，就应强制退至区域性股权市场进行交易转让或者继续孵化培育。这种升降机制可以加快推进与新三板的合作对接，进一步丰富多层次的资本市场体系，为中小高新科技企业提供融资途径，为技术创新者与投资者创造双赢机会，提高科技金融的规模效率和技术效率。

(二)完善科技银行，拓宽科技企业贷款渠道

商业银行出于稳健经营的原则，同时受产品创新不足的限制，无法满足高新科技企业贷款的多样化需求，因此应促进科技银行的发展，加强科技贷款。第一，借鉴发达国家的先进经验， 健全配套的相关法律法规，制定符合现实的制度政策。比如修改《商业银行法》中商业银行“不得向非银行金融机构和企业投资”的规定，允许符合条件的科技银行对科技型中小企业进行投资等。第二，借鉴美国硅谷银行的成功经验，创新与其他机构的合作方式，加强与其他金融机构的沟通，建立共享的风险管理平台；创新自身的服务和产品机制，比如运用大数据等技术，通过对客户信息分析和数据挖掘，制定个性化的服务和信贷产品，以满足客户的多样化需求。

(三)强化高新科技产业集群的创新效应

在科技金融发展水平较高的长三角和环渤海区域，应加快区域产业结构调整，实现产业转型升级，推动整个区域科技金融一体化。第一，发挥政府引导作用，加快产业技术研究院和院士工作站等新型研发机构建设，通过借助创新科技金融产品和服务，加大对科技型中小微企业的信贷力度，培育优势高新科技产业，做大做强产业集群，形成规模经济，吸引更多的高新科技企业落户。第二，基于区域现有优势高新科技产业，引进与现有优势产业相关联的配套产业和相关产业，形成上、中、下游机构完整，外围支持产业体系健全和充满创新活力的有机体系，促进产业集聚技术溢出和创新效应产生，提高产业效率，促进高新科技产业集群生命周期的延伸，使高新科技产业集群得到充分、可持续发展。

(四)鼓励支持西部科技金融发展

区域科技金融的发展有其自身规律，一般由单个经济点走向经济一体化。科技金融水平较低的西部省域，可以依靠政府间的合作，同时接受科技金融水平发达地区的溢出效应，使自身更快地成为科技金融的重要集散点，推动整个区域科技金融的一体化发展。第一，西部地区应该从东部地区引进先进的产业发展方式，创新改革自身的产业结构，大力发展第三产业，提高西部地区的科技水平。第二，加大本土创新人才的培养，同时多途径、多方式积极引进海外人才，增加人才储备，提高科技成果转化的收益比例，形成有利于创新创业的良好环境。第三，加大政府对西部科技金融的扶持力度，把科技金融资源向西部省会城市倾斜，例如对落户的金融机构实行适度的税收优惠政策，将西部省会城市打造成科技金融中心，积累科技金融资源，形成资源集聚，再放大金融中心的辐射效应和扩散效应，带动整个西部地区科技金融的发展。