科技金融影响制造业自主创新能力的实证分析

路启梅 马艳丽 许佳琦

摘   要：运用2008—2017年中国30个省（市、区）的面板数据，构建科技金融综合指标，建立面板门槛回归模型，研究科技金融发展对制造业自主创新能力的非线性作用效果。结果表明：科技金融发展水平在总体上能正向促进制造业自主创新能力的提升，前者对后者的作用效果是存在门槛效应的非线性相关关系;科技金融发展对制造业自主创新能力的影响不仅存在门槛效应，而且前者的边际作用效果呈现出先递增后递减的趋势特征。

关  键  词：科技金融;制造业;自主创新 ;面板门槛模型;门槛效应

中图分类号：F830 .59        文献标识码：A       文章编号：2096-2517（2019）06-0071-08

DOI：10.16620/j.cnki.jrjy.2019.06.008

一、引言和文献综述

党的十九大报告指出：我国经济已经从高速增长阶段转向了放缓经济增长、加快经济转型的新常态阶段。制造业作为我国实体经济的依托，必须要转型升级。然而，我国制造业在生产设备、核心基础配件等方面与制造业强国还存在着很大的差距，大多数工厂仍然集中在组装加工阶段，并没有掌握核心材料、工艺以及设备的制造，这就是尽管中国制造业的增加值占世界比重在逐步加大，但仍被国际诟病为“大而不强”的原因。因此，“技术与创新”成为了中国制造业转型升级过程中最需要注入的元素。

科技金融作为我国社会发展到特定阶段的产物，在当今新一轮科技革命来袭，国际形势竞争激烈的背景下，逐渐成为了我国建设创新型国家的重要战略举措。国内目前对科技金融性质和作用最权威的表述，应属国务院印发的《“十三五”国家科技创新规划》中提到的：“积极鼓励和引导金融机构之间的合作创新，建立健全差异性且多元化兼备的新型创新融资模式;对具有特色创新的金融产品的开发给予大力支持，同时加大企业创新活动的经费支持”。即科技金融的落脚点在于金融，其通过致力于金融创新产品的研发， 满足科技创新创业的金融服务需求，是金融服务于實体经济的典型代表。那么， 科技金融的发展和投入能否影响制造业创新？ 研究此问题可为制造业提升自身的自主创新能力提供新的视角，也可为国家和地方政府支持制造业的转型升级提供新的思路。

“技术与金融结合进而提高企业主体的创新能力”一直都是国内外学者的研究热点。通过对相关文献进行整理发现国内外学者的侧重点有所不同。国外学者对金融与技术创新的相关研究较早，King（1993）等通过对金融市场与科技创新的关系进行研究发现： 金融体系中的风险投资对科技创新起正向推动作用[1]，这一研究结果为科技创新与金融体系之间的联系奠定了理论基础。此后，越来越多的学者开始从金融角度研究企业的创新，发现金融市场的发展和科技与金融的结合有助于企业的创新[2-5]。

国内学者对科技金融与制造业创新的相关研究大多集中在“科技金融与科技创新”与“科技金融与高技术产业或中小企业”两个方面。在“科技金融与科技创新”方面，赵稚薇（2012）研究认为政策性科技投入对科技创新有着正向显著影响[6]。和瑞亚等（2014）进一步提出，证券市场与信贷市场在长期内对科技创新的成果转化与阶段转化均存在正向影响[7]。而在“科技金融与高技术产业或中小企业”方面，黄继忠等（2017）以高技术产业为研究对象，运用面板数据对科技金融与创新绩效的影响进行实证研究，得出科技金融的发展能够提高高技术产业的创新效率的结论[8]。李瑞晶等（2017）以中小企业为研究对象，研究认为科技金融投入力度越大的城市，其中小企业的创新发展能力越强[9]。范修礼等（2018）认为，科技金融投入与产业结构升级的关系受产业结构本身的影响， 在产业结构合理化时期，政府投入与企业自有投入占主导地位，而在产业结构高级化时期，企业自有投入与金融市场融资占主导地位[10]。

纵观上述文献，不难发现国内外学者一方面证实了金融可促进企业主体的科技创新，另一方面从理论和实证层面研究提出科技金融可提升中小企业和高新技术企业的创新发展。 然而从科技金融角度探究科技金融对制造业自主创新能力影响的研究几乎空白。本文运用2008—2017年中国30个省（市、区）的面板数据，建立面板门槛回归模型，研究科技金融发展对制造业自主创新能力的非线性作用效果。 研究结果可为提升制造业自主创新能力， 大力助推中国制造业的转型升级提供理论支持，为实现“中国制造2025”，使我国成为制造业强国添砖加瓦。

本文的主要贡献在于：（1） 以往研究往往直接运用科技金融分散指标进行回归，本文尝试用SPSS 24.0将代表科技金融发展的各分散指标合成一个总的综合指标，避免了由于量纲不同可能造成的数据不准确，影响回归效果的问题。（2）以往文献往往运用线性回归模型探究研究主体间的线性关系，而本文尝试运用面板门槛模型，更细致、准确地探究科技金融影响制造业自主创新的非线性关系以及研究主体间存在门槛效果的特征。

二、 科技金融影响制造业自主创新能力的作用机制

（一）科技金融通过影响科技创新进而影响制造业自主创新能力

科技金融的发展能够正向促进各主体进行技术创新，而已有研究表明技术创新能够正向促进制造业转型升级，引领制造业高质量发展。

赵玉林等（2018）实证研究了制度和技术对制造业创新增长的作用效果，研究发现技术创新没有门槛效应，对于一般性行业和高技术行业，技术对制造业创新增长的贡献较大[11]。季良玉（2018）将融资约束考虑其中，运用多种计量方法研究得出，科技创新的确能够加快制造业向结构高度化发展[12]。赵玉林等（2019）通过理论结合实证进一步研究得出，技术创新可直接正向促进制造业进行转型升级[13]。

（二）科技金融的发展使制造业与信息业有效融合，为制造业自主创新提供机会和思路

大多数企业尤其是中小创新型企业有着较强的自主创新意识，但是缺乏融资渠道，互联网科技平台的发展和成熟为这些企业提供了新型融资模式，科技金融发展衍生出的一系列金融产品，如投贷联动、科技保险、知识产权融资、科技众筹等，能够为资本密集型和技术密集型制造业带来发展资金，从而能够大大降低制造业的生产加工和交易成本，提高制造业的产品质量，为制造业自主创新带来实质性突破，为其自主创新创造了条件。

三、模型的构建和变量的说明

（一）模型构建

本文建立面板门槛回归模型，探讨科技金融与制造业自主创新能力之间的非线性特征。与线性模型相比，门槛模型不仅能够兼顾数据的时间特征和截面特征， 更好地反映数据之间的二维变化，而且不需提前设定非线性方程对应的趋势，门槛值以及门槛数目由数据内生性确定[15]。因此本文选用面板门槛回归模型能够更好地研究科技金融对制造业自主创新能力的影响效果。

本文构建双重门槛模型如下：

Qit=a+β1Tit（γ

β3Tit（γ>Tit2）+θiZit+ai+λt+εit （1）

模型中，Qit为被解释变量，i和t分别表示年份和时间;γ为门槛变量， 本模型中以核心解释变量本身T为门槛变量，因此Tit1、Tit2为门槛值;βiTit（·）为示性函数，当其相应条件成立时取1，反之则取0;Zit为影响被解释变量的其他变量，即控制变量;ai和λt分别表示地区固定效应和时间固定效应;εit服从独立正态分布。

面板模型求解步骤如下：（1） 利用网络搜索法确定门槛值，对任意求解出的门槛值，利用最小二乘法计算其回归残差平方和。（2） 对计算出的门槛值进行检验，H0：α1=α2;备择假设H1：α1≠α2，即原假设为不存在门槛效应，拒绝原假设说明存在门槛效应。再进行门槛效应的显著性检验，方法为利用自举法模拟似然比检验的渐进分布来计算各显著性水平上的统计量。（3） 最后回归估计模型中的各参数[14]。

（二）指标的选取及数据来源

1.核心解释变量

本文首先对核心解释变量科技金融指标进行构造。 为了全面描述科技金融投入的本质，本文从科技金融的资源、经费、融资、产出四个方面分别选取指标来描述科技金融投入[15]。见表1。

在选取以上各个指标的过程中，由于各变量计量单位不同，直接运用数据可能导致模型数据之间存在内生性问题，因此本文采用数据均值化计算方法对原始指标进行标准化处理， 利用SPSS24.0对以上7个基础指标进行降维的因子分析，提取出两个主要因子，再计算综合因子得分，最终以此综合因子得分作为科技金融的综合指标。 需要说明的是， 由于科技金融相关指标之间单位上的差距，各指标在数量上也存在很大差距，因此最后计算出的综合指标，部分省份出现负数，这里指标的大小仅代表了各地区科技金融发展水平的高低，正负号没有特别的含义。

2.被解释变量

本文的被解释变量为制造业自主创新能力，制造业创新能力可分为两个方面，一是引进外来技术进行的模仿创新，二是有自己的研发基金和研发团队的自主创新。已有研究表明：与模仿创新相比， 自主创新更能激发制造业的创新能力，是制造业结构升级的必然趋势。因此，本文只对制造业的自主创新能力进行研究。相关数据来源于各年《中国科技统计年鉴》。

3.控制变量

为有效避免模型中有遗漏变量偏差的出现，降低模型的内生性，根据已有研究，本文主要加入以下控制变量：

（1）各地区城镇化水平。各地区城镇化水平用“城市常驻人口/各地区年末常驻总人口”表示，根据已有经验， 通常认为一个地方其城镇化水平越高，说明其对企业的吸引力越强，因此可推测地区城镇化水平对制造业自主创新能力具有正向影响。

（2）各地区金融化水平。各地区金融化水平用“各地区金融业生产总值/各地区GDP”表示，金融化水平能够表示一个城市金融现代化的程度，已有研究表明一个地区现代化程度与企业发展息息相關，因此可推测地区金融化水平与地区制造业自主创新能力具有相关关系。

（3）外商直接投资。外商直接投资用“外商直接投资企业进出口总额/各地区GDP”来表示，FDI能够影响制造业整体结构的优化，因此推测外商直接投资对制造业自主创新有一定影响。

（三）数据说明

本文选用中国30个省、市、区（不包含西藏及港、 澳台地区）2008—2017年的面板数据， 对科技金融发展如何影响中国制造业自主创新进行实证分析。个别缺失的数据，酌情选用均值替换法、热卡填充法进行插补。表2显示了各变量的符号和数据来源，表3为各变量描述性统计结果。

由表3中各变量的描述性统计结果可看出：地方科技金融指数和制造业自主创新能力的标准差较大，这说明中国各省份的科技金融发展水平和制造业发展水平存在较大的地区差异，数据分析符合现实发展情况。各指标在地区间的相互差异为本文进一步进行实证研究提供了数据基础和契机。

四、实证检验

（一）面板单位根检验

为检验本文所选取的各变量是否存在不平稳现象，使数据具备建模条件，本文对模型所涉及到的各变量进行单位根检验， 发现各变量均在10%的显著性水平上拒绝了存在单位根的原假设，即各变量均平稳。

（二）Hausman检验

门槛回归模型的使用前提是固定效应面板模型，因此本文在进行门槛回归之前进行面板模型类型选择的检验，检验结果如表4所示，由Hausman检验结果可知使用固定效用模型较为合理。

（三）门槛值估计

本文首先对模型可能存在的门槛值进行估计，得到结果如图1所示。

图1中，横轴表示科技金融综合指标，纵轴表示LR值，上图为单一门槛搜索图，从图形中可以看出曲线在接近40附近发生了转折， 说明至少存在一个接近40的门槛值; 下图表示在确定第一个门槛值之后，第二个门槛值的搜索图。由图1可以看出， 曲线在20～40接近中间的位置出现转折，说明存在第二个门槛值，其大小可能为30左右，因此可初步确定模型采用双重门槛模型。

（四）门槛效果检验

虽然有了初步估计，但具体门槛个数还需要通过自举法进行检验。 本文设定最大门槛数为3，得到门槛检验结果如表5。

由表5可知， 单一门槛模型检验在5%的显著性水平下显著，双重门槛模型在10%的显著性水平下显著，而三重门槛未通过显著性检验，说明本文应建立双重门槛效应模型，这与图1的估计结果一致。

门槛估计值和置信区间如表6所示，由表5确定了模型有两个门槛值，由表6可知这两个门槛值分别为29.31和39.28， 即将各地区科技金融发展对制造业自主创新能力的影响分成了三种不同的情况。

（五）回归结果及分析

根据双重门槛回归模型，本文得到的回归结果如表7中模型Ⅰ所示。

观察模型Ⅰ的回归结果，总体上看，科技金融的三个门槛值将模型分为了4个区间（第一个门槛值不显著），各个区间的系数各不相同，这证明了科技金融与制造业自主创新能力之间为非线性关系。不同区间的不同系数和显著性水平说明了科技金融对制造业自主创新能力的影响具有异质性。

具体来看， 当科技金融综合指标小于-2.6400时，系数不显著，科技金融综合指标的大小代表了一个地区科技发展水平，这说明科技金融发展水平较低时，并不能对制造业自主创新产生影响。当科技金融指标超过-2.6400时，所有系数均在1%的水平上显著，且符号均为正数，这说明一个地区的科技金融水平发展到一定程度时，可正向促进制造业自主创新能力的提升。科技金融指标在

[-2.6400，29.3100）区间时，系数为0.0905，说明地区科技金融发展水平增加1个单位，制造业自主创新能力就能提高0.0905个单位。 当科技金融指标上升到[29.3100，39.2800）区间时，其系数上升到0.1568，几乎翻了一倍，但当科技金融指标再逐渐上升到超过39.2800的区间时， 其系数反而变小，仅为0.0199，这说明科技金融指标作为一个地区科技金融发展水平的代理变量，表现出边际效率先递增再递减的特征，即一个地区科技金融发展水平并不是越高越好，而是存在一个最优区间，需要视地方发展情况而定。科技金融对制造业自主创新能力的促进不仅存在门槛效应，而且存在边际效率递减的效应。 出现这种现象的原因可能是，在科技金融发展初期，科技金融的发展衍生出的金融产品和金融业态能够充分运用金融创新，高效率地服务于制造业，为部分制造业企业尤其是高技术制造业提供新型融资渠道和发展模式， 促进其创新和改革。 但当地方科技金融发展水平上升到一定程度，资本和实体经济不断向科技金融市场转移时，其所需承受的风险水平也会大大提高。即若制造业企业过多依赖于创新产品，则会降低科技金融资源配置的效果。

（六）稳健性检验

为证明本文的实证结果是稳定的，不是偶然出现的现象，本文从如下两个角度对全样本进行稳健性检验。

1.稳健性检验Ⅰ：数据替换的方法

本文将控制变量“地区城镇化水平”替换为“地区人力资本水平①”， 进行与模型Ⅰ相同的门槛回归，得到结果如表7模型Ⅱ所示。由表中结果可知，新的回归结果在门槛值的个数、 变量的显著性、变量系数的符号上与模型Ⅰ一致，说明本文的估计结果是稳定的。

2.稳健性检验Ⅱ：三年滚动平滑数据的方法

本文使用各省年度数据， 年度跨度较大，因此为得到稳健性检验，本文借鉴杨有才（2014）的“三年滚动平滑数据法”[16]， 得到结果如表7模型Ⅲ所示①。由表中结果可知，门槛值个数不变， 各变量和门槛值系数的正负号及显著性不变，回归结果是稳健的。

五、结论和政策建议

（一）结论

本文运用2008—2017年的面板数据， 构建科技金融综合指标，建立面板门槛回归模型，以科技金融综合指标自身作为门槛变量，分析了科技金融发展对制造业自主创新能力的非线性作用效果，得到结论如下：

1.科技金融发展水平在總体上能正向促进制造业自主创新能力的提升（当科技金融指标超过

-2.6400时，所有系数均在1%的水平上显著，且符号均为正数）; 前者对后者的作用效果不是一成不变的线性相关关系，而是存在门槛效应的非线性相关关系。

2. 科技金融发展对制造业自主创新能力的影响不仅存在门槛效应，而且前者的边际作用效果呈现出先递增后递减的趋势。 在科技金融发展初期，随着科技金融水平的提升， 制造业自主创新能力也相应增强（科技金融指标的系数由0.0905上升到0.1568）， 而当科技金融发展到一定程度时，随着科技金融水平的提升，制造业自主创新能力反而开始减弱（科技金融指标的系数由0.1568下降到0.0199）。即一个地区科技金融发展水平并不是越高越好，而是存在一个最优区间，需要视地方发展情况而定。

（二）政策建议

针对以上研究结果，对提高我国制造业自主创新能力，助推我国制造业转型升级提出以下相关建议。

1.加强差异化的科技金融投入，使科技金融最大化地促进制造业创新发展。本文的研究结果表明科技金融发展对制造业自主创新能力的作用存在门槛效应且边际作用效果具有先递增后递减的特征。因此对于科技金融发展较弱的地区，应重点加大科技金融的投入，如扩大政府投入资金，组建专门投资于科技成果转化和产业化的基金，加大科技贷款投放等，大力推进地区科技金融的发展，积极发挥科技金融对制造业创新的积极作用;而对于科技金融资源过度集中的地区，应完善对科技金融产品和产业的政策引导，严控科技融资、科技众筹等金融创新产品的启用门槛， 强化企业的信息批露，加强科技创新创业的风险管控，防范科技金融资源的不合理配置和使用。