金融发展与创新效率——基于随机前沿模型的实证分析

■许梦楠，周新苗

一、引言

一个完整健全的金融体系既能够通过增加资本供给、提供风险管理、进行信息处理以及激励与缓解信贷约束等功能来提高技术创新能力，也能够有效配置金融资源，从而使得金融的投入产出效率得以提高。当前中国政府正在积极推动金融市场化改革，为创新型国家建设提供充足动力。在如此背景下进一步探究金融发展（信贷市场和资本市场）如何影响创新效率具有重要的现实意义。然而通过文献梳理发现，多数学者将目标聚焦在金融发展对创新产出和经济增长的影响以及三者之间关系的研究，而对于金融发展如何影响经济增长的最终决定因素——技术创新的研究偏少，且鲜有文章将信贷市场和资本市场的发展对创新效率的影响放在同一框架下进行研究。此外，在已有的探究金融发展与创新效率关系的文献中，主要采用非参数的数据包络分析。此种方法在测量多投入多产出的效率上比较适用，但是DEA由于设立了确定的边界，而且不考虑是否存在测量误差，故而也存在缺点（杨龙和胡晓珍，2015）。而相比DEA，另一种测定效率的方法——参数方法，即随机前沿方法（Stochastic Frontier Analysis）通过计量方法来估计生产函数，具有更扎实的理论基础。根据估计出来的生产函数阐释生产过程，从而控制技术效率的估计。此外SFA不仅可以将每个个体的技术效率度量出来，还可以定量分析各种相关因素对每个个体创新效率产生的影响有何不同。特别是在中国，各地区创新水平相差很大，可能存在着技术效率损失的情况下尤为如此。基于此，本文通过SFA在测算中国各地区创新效率水平的基础上，分析地区区域金融体系（信贷市场和资本市场）的发展如何影响技术创新效率，进而提出相关政策建议，为中国推进金融市场化改革和创新国家建设提供经验证据。

二、基本理论分析与假设

创新效率反映了技术创新质量，是技术创新本质所在，而创新活动具有高风险和高投入特征，这表示进行创新活动必须有充足的资金。Tadesse（2002）指出，健全完善的金融体系可以为技术创新提供充足的资金，而金融体系又包含资本市场和信贷市场。无论哪种市场作用技术创新，都是从分散投资风险、提供信息服务、创新激励和动员储蓄等四个方面展开。具体说来：一是分散风险。金融发展主要通过两种途径来分散投资风险，第一种途径是分散流动性风险。一般而言，一项创新项目的技术含量越高，对资金的需求量越大，持续周期较长，短期回报率较低，且还具有较大的风险。投资者们不愿意承担过高的投资费用以及较高的投资风险，导致重大技术创新项目资金不足，从而制约了科技进步。金融系统可以为企业等提供金融资产组合产品，降低创新投资项目的风险水平，从而使得一些含有高风险的创新项目吸引到充足的投资资金。另外一种途径是分散跨期风险。金融机构可以交叉组合不同期限的金融产品，从而实现风险的跨期组合。二是提供信息服务。如果预测一项技术创新项目的前景成本过高且难度较大，投资者们可能不愿意花费大量的时间与精力去搜集相关方面的信息，此外投资者们不愿意投资信息不可靠的项目。因而约束了高新技术项目的创新与发展。而金融中介可以收集整理可靠的信息，并提供资金给企业，从而推动企业开发新产品，提高技术创新效率。并且强有效的金融市场可以直接通过价格信号为技术创新项目吸引更多的金融资源。三是解决创新激励。技术创新具有收益不确定性。金融体系的资本投入分为债权性资本投入和股权性资本投入两种，债权性投资合约可以激发风险厌恶者投资技术创新的积极性；而股权性投资虽然需要投资者自己承担技术风险，但是与此同时拥有对技术创新的剩余索取权。四是动员储蓄。金融中介可以帮助小额储蓄者以及投资者降低交易成本，从而使他们在参与的金融活动中获益，将风险内部化，从而提高信用水平，此外与投资企业的信息不对称问题可以通过稳固的关系来消除，从而激励更多的储蓄者参与技术创新。金融市场中有各种适合居民小额投资的金融工具，居民们可以利用这些小额投资的金融工具来分散投资，从而分散风险，并且可以将居民们零散的资金积少成多，投向具有高技术含量的大型创新项目。商业银行还能够利用贷款创造存款，赋予社会增量资本的信用创造能力，依靠信用创造功能获取充足的资金进行技术创新。

在推动技术创新方面，资本市场与信贷市场最本质的区别是不同市场作用在这四个方面所产生的效果不同。银行体系在获取和处理借款企业信息方面具有规模优势，能够以较低的信息成本和交易成本获得企业相关信息。再加上能够积极主动进行事后监控，有助于降低违约风险和融通成本。另外，银行依靠合同要求企业披露相关信息和偿债能力，并且可以借助抵押和清算等手段克服信息不对称引起的道德风险等问题，进而合理分配稀缺的信贷资金，将资金运用到创新成功可能性较大的项目。对于时间周期长、风险系数高的创新性项目，资本市场可以发挥银行难以比拟的优势，且对于不成熟的创新项目，银行很难基于经验判断新产业的价值，而资本市场在信息收集和处理方面更具优势。完善的资本市场能够将资金配置给最具竞争和创新能力的市场主体，尤其是依赖外部融资的新型企业和产业。但需要指出的是，中国一直以来都是以银行为主导的金融结构，近年来尽管中国资本市场不断发展，但尚未达到西方发达国家以资本市场支撑技术创新的程度。而且中国资本市场建立的初衷是为了缓解国有企业融资困境，一度成为国有企业上市圈钱、解困的工具（杨友才，2014）。因此，在促进资金向创新水平较高的民营企业流动方面并未起到应有的作用，进而对创新效率的促进作用可能并不明显，甚至是起到了抑制作用。因此，本文提出如下假设。

假设：信贷市场对创新效率起正向促进作用，而资本市场会抑制创新效率。

三、模型设定、变量和数据说明

结合本文研究目的，将中国各个省级行政单位视作在既定创新投入下进行生产的决策部门，各地区的潜在创新水平（即最大产出水平）取决于创新资源的总投入量及其有效配置。在单一产出和确定的生产函数情况下，这一潜在创新水平便可理解为可能达到的生产可能性边界。判断某地区创新活动是否有效，便可通过观测该地区实际产出与潜在产出，即生产可能性边界对应的产出是否相同来进行判别。那么，创新活动的技术效率——创新效率，便可定义为既定创新资源投入下实际产出与最大产出的比率。根据现有文献的一般做法，本文选取R&D物质资本和R&D人员全时当量作为创新投入指标，而20世纪70年代以来，创新产出指标——专利，被国内外学者广泛采用，考虑到专利授权量比专利申请量更能体现专利生产的质量和专利的商业化水平。本文选取专利授权量作为产出指标，参考Zhang et al.（2003）以及朱有为和徐康宁（2006）设定的模型，构造如下随机前沿模型：

其中，下标t和i表示时间与省份，c表示待估常数项，lnpat、lnRD、lnRL分别代表专利授权量对数、研发物质资本存量与人力资本的对数。研发物质资本存量根据永续盘存法估算，公式为：

其中，η表示研发资本的折旧率，Eit代表省份i在t年R&D经费内部支出。本文参考严太华和刘焕鹏（2014）的做法，将研发资本的折旧率设为15%，初始知识存量的估算方法为RDi2006=RDi2006/(gi+η)，其中：gi表示省份i在样本期内研发经费支出的年平均增长速度；vit-uit为方程随机误差，呈复合结构，其中：vit表示经济系统中不可控制因素的冲击所产生的噪声误差。在假定uit与解释变量是否相关以及uit与vit的分布具体形式之后，可以进行MLE估计：（1）同解释变量也相互独立，此模型称为技术效率不随时间变化的随机效应模型，记为SFA1；（2）若uit-e-η(t-Ti)模型为技术效率随时间变化的时变衰减模型，记为SFA2。创新效率定义如下：

μit为i地区在t时期创新活动的技术无效率期望，μit的大小与技术效率成反比，即μit越大，技术无效率程度越高，也表示投入相同数量的研发人员与研发资本可以取得的专利授权量越少，即投入等量的创新投入取得的创新产出越少。为了考察金融发展对创新效率的作用，构建如下计量方程：

其中，finit，k表示 i地区 t时期的金融发展程度（K=1，表示信贷市场发展；K=2，表示资本市场发展）。银行在中国金融体系中向来处于主要地位，因而中国各省的金融发展水平通常由该省的贷款以及存款规模来表示。一般来说，存款量的增加可以给金融机构提供充裕的资金来源，从而推动金融投资活动的展开；而贷款量的增加表示该地区对资金的利用程度。因此，本文用银行等金融结构的存贷款余额衡量信贷市场发展水平（bank）。由于技术创新活动风险较大，往往需要较高的资金支持，但是能够取得银行资金支持的几乎都是规模大且运营良好的大中型企业，许多新兴的中小企业很难得到银行的资金支持，故而需要借助资本市场来进行融资。本文以股票市场为代表展开研究，以各省市股票市价总值（stock）作为资本市场发展水平指标。controlit表示反映地区特征及其影响技术非效率的控制变量，具体包括如下：

1.地区开放程度（open）。地区的开放水平不仅反映地区参与国际化事物特征，而且为引进和学习国外技术进而提高自身创新水平提供了平台。而且国际间贸易是跨国技术扩散的又一重要途径。而贸易水平是开放水平的重要体现，本文参照一般做法，用进出口总额在GDP中所占的比重来衡量。

2.外商直接投资（fdi）。全球化背景下存在着技术扩散，可以通过提高自身研发投入进而提高创新能力，还可以通过学习和模仿国外技术，外商直接投资就是主要途径之一。比如，Cheung&Lin（2004）与Hu et al.（2005）运用省级面板数据和大中型企业数据的研究表明，外商直接投资是引发技术创新的重要因素。因此，本文以实际利用外商投资额与GDP的比重衡量FDI引起的技术溢出效应。投资额按人民币对美元的当年平均汇价计算。

3.人力资本（edu）。人力资本是影响创新效率的重要因素，用15岁及以上人口平均受教育年限来度量。

4.政府干预程度（gov）。政府干预会影响创新资源的配置，进而影响创新效率，本文参照一般做法，用政府消费支出（扣除教科文卫）额占CDP的比重度量。

本研究以2006～2015年中国省际数据（西藏由于数据缺失严重，故将其略去）作为研究对象。以上变量数据主要来源于《中国统计年鉴》《中国科技统计年鉴》《中国金融年鉴》和《中国人口统计年鉴》，采用Stata12进行数据处理。主要变量的描述性统计如表1所示。

表1 描述性统计

四、回归结果分析

在测算创新效率和进行回归分析之前，本文对模型的选择进行检验。结果表明，η的估计值为0.008，对应的标准误差为0.015，没有通过5%的显著性检验。说明样本期间内创新效率没有随时间发生变化。故而，本文采取SFA1来估计相关参数。

（一）创新效率的测度

根据SFA1测得中国各省创新效率值以及中国各地区创新效率均值，其中表2显示了中国各省份创新效率值的大小。由结果可知，中国各区域、各省份的技术创新效率存在较大的差异，总体水平普遍较低。最高的是东南沿海（上海、江苏、浙江、广东、福建）地区，且大大高于其他区域，这是由于东南沿海区域的改革开放早于中国其他地区，并且具有优越的自然地理环境，再加上政府政策上的倾斜，从而为开展技术创新活动创造了良好的政治和地理环境。

就中部五省（安徽、江西、湖南、湖北、河南）、西南六省（广西、海南、重庆、四川、贵州、云南）以及环渤海地区（北京、天津、河北、山东）和东北三省（黑龙江、吉林、辽宁）而言，西北地区（山西、陕西、内蒙古、甘肃、青海、宁夏、新疆）的创新效率值最低，可能由于该地区创新资源匮乏及地理等因素，创新资源无法自由流动。西南地区重庆、四川、贵州这三个省份的创新效率值较大，分别位于中国创新效率值的第四、第六和第七。此外，东北三省的创新效率均不高，东北地区的创新效率仅仅略高于西北地区，这表示中国东北地区经济发展主要还是依赖于重工业，第三产业等高新技术产业较为落后。

表2 中国各省份创新效率值

（二）金融发展对技术创新效率的作用

创新活动一般周期较长，从创新投入到创新成果形成存在时滞，而根据现有的研究成果，时滞一般设定为1年或者2年。本文为了稳健性，分别考虑无时滞、滞后1年和滞后2年的情况，并分为不考虑影响创新效率的因素和纳入金融发展等影响创新效率的因素这两种情况，对随机前沿模型相关系数进行估计，结果如表3和4所示。

表3 不考虑效率影响因素的回归结果

由表3可知，无滞后、滞后1年、滞后2年这三种情况，σ2和γ均通过了5%的显著性检验，说明无效率项是造成复合扰动偏差的主要原因，各地区的非技术创新效率在创新活动中显著存在，也表明选取随机前沿模型进行估计是合理的。在不考虑影响创新效率因素和无滞后的情况下，lnrd的系数是0.468，lnrl的系数是0.387，在1%的显著性水平下为正，表示R&D投入对创新产出有着明显的推动作用，且研发物质资本的产出弹性略大于研发人力资本，说明物质资本的促进作用较大。而且无论是滞后1年还是2年，lnrd和lnrl的系数都显著为正，且lnrd的系数较大，即研发物质资本在促进产出方面贡献始终较大，说明估计结果较为稳健一致。

表4 金融发展对创新效率的影响回归结果

表4列出了考虑金融发展等影响创新效率因素下的估计结果，就无时滞情况而言，stock的系数为～0.033，通过了10%的显著性水平检验，表明资本市场发展对创新效率起到了抑制作用。可能是由于中国的资本市场体系不够完善，没有充分发挥其分散风险以及化解融资障碍的影响力。而且在滞后1年和滞后2年的情况下，stock系数在10%的显著性水平下都为负。而相比无时滞情况下，bank的系数在1%的显著性水平下为正，说明信贷市场发展显著促进了地区创新效率的提升，这和理论预期以及中国实际相吻合，在滞后1年和2年的情况下，bank系数虽然并不显著，但始终为正，表明无论考虑滞后与否，信贷市场发展在提升创新效率方面都具有积极作用。

就控制变量而言，open系数为正，总体显著，说明开放水平有助于创新效率的提升，地区开放为获取先进技术创造了平台，有助于提升创新效率；edu的系数为正，总体显著，这是因为人力资本投入越多，中国培养的高科技创新型人才就越多，从而有助于创新效率的提高，这也与实际相符；gov的系数总体为负，表示政府过多干预经济不利于增强创新效率；fdi的系数尽管并不十分显著，但总体为正，说明外商直接投资有助于东道国获取先进的管理和生产技术，进而有助于提升创新效率。

（三）进一步分析

提高创新效率的一个重要途径是促进创新资源由创新效率低的地区向高的地区流动，进而提高整体的创新资源利用效率。如果金融发展促进了地区间创新资源的优化配置，势必会提高创新效率，也就意味着创新资源会迅速地从创新效率低的地区流向创新效率高的地区，表现为创新效率高的地区获得的创新投入要素增长得更快。基于此构建如下计量模型：

其中，growthit表示地区 i在第t年相比第t～1年的研发资本增长率（研发物质资本和人力资本）。本文关注的是金融发展与创新效率的交互项系数φ，如果φ的估计结果显著为正，就代表着金融发展使得创新效率高的地区获得了更快的增长，也意味着金融市场的发展改善了地区间的创新资源配置。由于创新效率和增长率可能存在连续性，采用广义矩估计方法对系数进行估计，考虑到系统广义矩估计（SGMM）比差分矩估计（DGMM）在工具变量选择上更有效，本文采用系统广义矩进行估计，估计结果如表5所示。

由表5的第（1）和（2）列可以看到，资本市场发展水平与创新效率交叉项系数（IE_stock），以及信贷市场发展水平与创新效率的交叉项的系数（IE_bank）在1%的显著性水平下为正，表明无论是资本市场还是信贷市场的发展，都能显著促进研发物质资本由创新效率低的地区向高的地区流动，优化研发物质资本的配置。同理，由第（3）和第（4）列也可以看到，资本市场和信贷市场的发展都显著促进了人力资本在地区间的优化配置，而就交叉项系数比较而言，信贷市场的作用较为明显。

表5 金融发展对配置创新效率回归结果

五、结论与建议

本文通过SFA技术测算了2006～2015年中国30个省级行政单位（西藏部分数据缺失，将其除外）的技术创新效率，并在此基础上实证研究了金融发展对技术创新效率所产生的作用。主要有如下研究结论：（1）整体来看，中国各省市的技术创新效率普遍较低，这表示中国没有充分利用技术创新的投入资源，导致其利用率较低。而且各地区的创新效率表现出很强的地区差异性，东南沿海区域的创新效率大大高于中、西部地区，西南地区又高于中部地区；（2）研发物质资本和研发人力资本均对创新效率起到正面作用，且研发物质资本对创新效率的贡献更大；（3）信贷市场的发展能够增强技术创新效率，而资本市场对技术创新效率具有抑制作用。（4）信贷市场和资本市场的发展都能促进创新资源由创新效率低的地区向高的地区流动，优化创新资源配置。

基于以上研究结论，本文提出如下政策建议：（1）政府应努力突破因制度和市场分割导致的创新资源不能在地域间自由流动的障碍，推动创新资源在地理空间上的合理分配，促进创新资源的有效配置，进而提升中国整体的创新效率；（2）加大对企业自主创新的支持和帮扶力度，激励企业加大自主研发投入，进而充分发挥研发投入的创新和增长效应；（3）进一步协同发展信贷市场和资本市场，特别是健全和完善资本市场，积极发挥资本市场在企业创新过程中应有的缓解融资约束、分散风险等功能，进一步推进资本市场的市场化改革，从而更好地为优化地区创新资源配置和提高自主创新能力服务。