空间视角下地方政府债务对地区创新的影响研究

熊 虎，张 郁，2

(1.南京大学 商学院，南京 210093 ；2.河南牧业经济学院 金融学院，郑州 450044)

一、引言

随着中国经济从高速增长阶段转向高质量增长阶段，创新正日益成为驱动中国经济实现高质量发展的新动能。然而，在这样的发展背景下，地方政府债务规模的高速增长以及持续扩张，可能会对中国创新驱动经济发展战略以及新旧动能的转换，带来不可忽略的负面影响，尤其是地方政府债务规模的持续扩张对地区创新活动可能会造成较为严重的负面影响。事实上，影响地区创新的因素较多，但是其核心的因素是人力资本和物质资本的投入，企业是地区创新的主体，企业对创新的人力资本和物质资本投入会受到地区金融资源配置的影响，而地区金融资源配置会受到地方政府债务融资的来源、投向、偿还等方面的影响，因此地方政府债务与地区创新活动存在内在的关联性。而在当前背景下，需要高度关注的问题是，地方政府债务是否会对地区创新活动产生显著的抑制性影响？是否对地区创新活动具有直接效应？对地区创新活动的间接效应(空间溢出效应)和总效应又是如何？这些问题均有待实证检验。针对这些问题的解答有助于协调地方政府融资行为与地区创新活动的平衡，对推动中国创新驱动经济发展战略具有重要意义。

二、文献回顾

近年来已经有不少文献关注地方政府债务问题以及地区创新问题，但是鲜有文献将地方政府债务与地区创新二者联系起来研究。一支文献主要研究房地产部门投资增长、房价上涨、财政分权、地方税收、基础设施建设等对地区创新的影响和作用机制，另一支文献则主要探讨地方政府债务对区域经济增长、影子银行、金融稳定、金融风险等方面的影响和作用机制。

就前者文献而言，国内众多学者已经做了相关研究。张杰等(2016)[1]64利用中国各省区的数据，研究发现房地产投资的增长对地区创新活动既有直接效应又有间接效应。房地产投资增长对地区创新活动造成了直接的阻碍作用，而且房地产投资增长引致金融体系对房地产贷款期限结构的偏向效应，进一步挤出地区创新活动。而余泳泽等(2017)[2]98认为，城市房价的快速上涨显著抑制地区的技术创新产出，并且城市房价上涨会导致投资结构的扭曲，通过对创新资金的“挤占效应”抑制了地区的技术创新水平。鲁元平等(2018)[3]研究了土地财政对区域技术创新的影响和作用机制，发现地方政府对土地财政的依赖显著阻碍了区域技术创新水平。曹霞等(2017)[4]从金融支持对区域技术创新影响的视角出发，研究发现中国金融支持对区域内技术创新存在直接影响，而金融发展规模及效率存在区域间正溢出效应，金融结构对技术创新的支持作用不显著。而吴非等(2018)[5]则从地方税收的视角研究了地方税收与区域创新之间的关系，发现地方税收水平与区域创新之间的负向关系并不成立。地方的绩效考核压力会促使地方政府更科学地使用税收手段，以促进实质性创新能力的形成；财政不平衡的存在反而有利于提高地方政府利用税收支持区域创新的效率；最后，拥有较大财政分权比例的地方政府，能够更好地利用税收支持创新活动。鉴于企业是地区创新的主体，而地方政府债务融资的主要投向是基础设施，蔡晓慧等(2016)[6]32研究了地方政府基础设施投资对企业技术创新的影响，发现基础设施建设投资短期内挤出企业研发投资，但长期内，基础设施资本存量增加刺激企业研发投入。蒋文华等(2017)[7]89从地方政府财政能力的视角切入，研究其对省际创新产出的影响，得出地方政府财政能力对创新产出的影响在区域间存在一定的差异。

就后者文献而言，国内学者尽管已经探讨了地方政府债务对区域经济增长、影子银行、金融稳定、金融风险等方面的影响和作用机制，但尚未直接研究地方政府债务对地区创新的影响。朱文蔚等(2014)[8]114提出，地方政府举债对促进区域经济的增长产生了积极作用。而吕健(2015)[9]16则认为，举借(清偿)地方债务能够推动(拉下)地方经济增长。主要原因在于举借(清偿)地方债务，能够增加(减少)经济中的流动性，并且通过地方政府事权、基础设施投资和官员政绩竞赛等三条渠道提高(降低)投资规模和投资机会。徐长生等(2016)[10]85提出中国地方政府债务规模的扩张主要转化为地方政府对基础设施的投资，大为改善了基础设施，从而对中国城市经济发展具有显著的正向促进作用。张子荣(2018)[11]考察了影子银行与地方政府债务之间的关系，认为影子银行是地方政府债务的原因，而地方政府债务不是影子银行的原因。吕健(2014)[12]38则认为影子银行有力地推动了地方政府债务增长。吴盼文等(2013)[13]认为中国政府隐性债务扩张对金融稳定的负面溢出效应上升，而国有企业、地方融资平台债务增加是政府隐性债务扩张的主导因素。毛锐等(2018)[14]则认为商业银行是地方政府债务扩张所致风险的载体，并运用DSGE模型，模拟债务-金融风险的累积迭加机制触发系统性金融风险的可能性。

除上述研究外，郑思齐等(2014)[15]14研究了与地方政府债务投向密切相关的城市基础设施投资问题。郑思齐等认为土地融资-城市基础设施投资-土地价格这三者之间形成互动机制，进而形成城市基础设施投资与土地价格之间的相互强化的正反馈机制。而余泳泽等(2013)[16]基于创新价值链视角下将区域创新分为知识创新、科研创新和产品创新三个阶段，研究发现各阶段的创新效率具有差异性，创新价值链的两端——知识创新和产品创新的效率高，而科研创新的效率低，并且各阶段的创新效率都表现为较为明显的空间外溢效应。基于银行信贷约束对企业创新影响的视角，马光荣等(2014)[17]76认为缺乏稳定持续的融资渠道是阻碍中国企业创新的重大原因。李后建等(2015)[18]1089认为银行信贷对企业创新具有显著的积极影响，而所有权的国有比例会显著抑制企业创新，进一步地随着国有比例的增加，银行信贷对企业创新的积极影响会逐渐弱化。

综上可知，现有文献尚未直接关注到地方政府债务对地区创新活动的影响。事实上，地方政府举债和偿债形成对土地财政的依赖，进而推动了房地产价格上涨以及房地产投资的快速增长，可能会抑制地区创新活动和阻碍地区创新能力提升。为了弥补现有研究的不足，本文利用2010—2016年30个省份的面板数据，运用空间计量模型，考察地方政府债务对地区创新活动的影响及空间溢出效应。

三、影响机制分析

从理论层面上，地方政府债务既有可能对地区创新活动产生抑制作用，也同时有可能对地区创新活动产生积极的促进作用。

(一)地方政府债务对地区创新活动的抑制效应

从理论上讲，地方政府债务是地方政府债务融资行为的后果，而地区创新则主要是以企业为主的创新主体的创新行为表现。从表面上看，二者之间没有直接的因果关系，但事实上由于地方政府举债的行为、举债的方式、举债的规模、举债的速度等会直接影响区域内金融机构的信贷资源配置，以及国内金融市场上金融资源配置，因此不可避免地会影响到区域内企业创新的资本投入和创新的产出。地方政府举债行为所形成的债务规模扩张、债务资金的投向以及偿债模式通过影响政府部门、金融部门和企业部门的资源配置，进而影响地区创新的投入和产出。短期内地方政府债务规模的极速扩张不可避免地会引起经济资源的错配，从而对地区创新活动形成抑制效应。

第一，地方政府债务融资主要投向城市基础设施和道路交通设施等领域，这种投资在拉动经济增长的同时，也抑制了区域技术创新。当大量经济资源被投入到基础设施建设领域，在社会总经济资源有限时就会引起金融市场的利率上升，企业相应会减少研发支出，形成基础设施对企业研发的挤出效应，从而抑制区域技术创新。蔡晓慧等(2016)[6]32研究发现，基础设施建设投资短期内通过金融市场挤出企业研发投资，但从长期而言，基础设施资本存量增加，通过扩大产品的市场规模可以提高企业研发的投资回报，从而刺激企业研发投入。地方政府基础设施投资在短期和长期内影响企业研发投资，进而影响区域技术创新。就短期而言，地方政府基础设施投资挤出企业研发投资，抑制区域技术创新活动，这是直接效应。从长期看，主要是通过企业产品市场的扩大，刺激企业研发投入，特别是刺激技术创新活动比较活跃地区的企业加大研发投资，形成新的研发投资产出，这是间接效应。

第二，地方政府债务融资主要依赖土地融资，并形成了土地融资-城市基础设施投资-房地产投资-房价上涨-金融资源流向房地产-挤出企业研发投资的模式。在土地融资模式下，城市基础设施的投资和改善能够在短期内显著地资本化到土地价格中(郑思齐等，2014)[15]14，形成土地价格上涨，引致房地产投资增长，进而房价上涨，金融资源流向房地产，挤出企业研发投资的自我强化机制。在这一机制中，土地价格和城市基础设施投资间的相互强化是挤出企业研发投资，抑制区域创新活动的关键。而且在房价上涨中，我国以商业银行为主体的金融体系，更偏向于将大量的期限结构较长的信贷资源配置给房地产业，对企业的期限结构较长的信贷造成挤出(张杰等，2016)[1]67。而企业R&D投入恰恰需要期限结构较长的银行信贷的支持，银行信贷的持续供给是企业创新产出至关重要的外部投入要素(李后建等，2015)[18]1090。

第三，地方政府债务的形成过程主要依赖金融体系，再加上财政与金融的高度关联性，降低了企业部门从金融部门获得资金的可得性，挤出了企业的研发投资。在传统融资模式下，其资金主要来自于商业银行，而在新型融资模式下，其资金主要来自于债券市场，而我国债券市场上的投资者主要是商业银行、证券公司、基金公司等金融机构，因此地方政府在债券市场上的资金主要来自于这些金融机构。事实上，传统融资模式是形成中国经济“高杠杆”的主要因素之一，而且财政投资项目的低收益、地方政府融资的高成本和金融产品的“刚性兑付”三种现象同时并存，引致民营企业融资困难、影子银行规模的急剧扩张等问题(钟辉勇等，2017)[19]。在现有融资模式下，地方政府成为债券市场上融资的新型主体，地方政府债券的信用等级显然高于企业债券的信用等级，因此地方政府参与债券市场的融资在某种程度上必然对企业发债具有挤出效应，降低企业外部融资的可获得性，导致企业的研发投资下降。

第四，地方政府债务的偿债压力将会影响地方政府未来财政支出的方向，进而影响企业创新活动的支出。在新型融资模式的市场约束下，地方政府还债的预算软约束被债券市场上的声誉机制所硬化，地方政府未来还债面临两种选择，即在债券市场上“借新还旧”或者用公共预算盈余归还“一般债务”、用专项债务的投资收益归还“专项债务”。“借新还旧”在债券市场上形成对企业融资的再次挤出，降低企业未来融资的可得性，抑制其研发投入。而用公共预算盈余归还“一般债务”，将影响地方政府未来的财政支出项目和支出结构。通过对省级及以下地方政府财政收支的分析，可以发现地方政府长期处于财政赤字状态，那么未来偿债压力势必会对其他支出造成影响。已有研究表明，地方政府在现有财政分权的制度约束下，会将更多的财政资源投入到经济性公共品的提供中，而使得教育、医疗等非经济性公共品的供给难以得到改善(左翔等，2013)[20]。在未来偿债压力下，地方政府可能会进一步降低教育支出和对辖区内企业研发支出的财政支持力度，从而抑制企业的研发投入。

总之，地方政府债务所引起的各个部门资源的重新配置，使得在当前经济结构转型时期，经济资源更多地流向基础设施、房地产等固定资本形成的部门，以商业银行为主体的金融体系具有风险规避性特征，助推了经济资源的这种流向和配置，从而挤出了风险相对较高的企业研发投入，对地区创新活动产生挤出效应。

(二)地方政府债务对地区创新活动的促进效应

已有文献主要从地方政府债务对区域经济增长的促进效应研究地方政府债务的积极作用(吕健，2015[9]16；朱文蔚等，2014[8]114)，而未从理论上解释地方政府债务对地区创新活动的促进效应。事实上，地方政府举债行为会通过债务资金的投向和运用，引起各要素资源在区域间和区域内的重新配置，进而引起企业研发要素投入和产出的变化，最终会对地区创新活动产生影响。

首先，地方政府债务资金投向交通等基础设施建设，促进了城市经济发展和区域间要素资源的流动。交通基础设施的显著改善，便利了人和物的跨区域流动，促进了区域间人力资本和物质资本的流动，增强了区域间技术创新的溢出效应，间接影响区域技术创新。而且基础设施的改善会显著影响人力资本的跨区域配置，为区域技术创新引来最为关键的人力资本条件。而这种人力资本的跨区域配置往往表现为高学历、高技术的创新型人才在交通设施较为发达地区的聚集。

其次，地方政府举借债务转化为基础设施的投资，从而推动了区域经济增长(徐长生等，2016)[10]85。而区域经济增长为地方政府未来的财政收入增长提供了基础和支撑，这意味着地方政府未来的财力将不断增强，财政支出能力也将得到增强。而随着地方政府财政支出能力的提升，地方政府用于对企业研发的补贴有可能会增加。这必然对辖区内企业创新的投入和产出活动产生重要影响。已有研究表明，地方政府通常运用财政补贴政策对企业创新进行补贴，进而影响区域技术创新水平的整体提升(安同良等，2009)[21]。诚然，地方政府财政能力对创新产出的影响在区域间存在一定的差异，但是由于区域创新活动存在空间外溢性，相邻地区创新产出的增加会对本地区创新产出产生显著正向影响(余泳泽等，2017[2]98；蒋文华等，2017[7]89)。

最后，地方政府债务融资主要依赖土地财政，进而引致房价普遍上涨。房价普遍上涨一方面吸引各类经济资源流向房地产行业，抑制企业创新投入和产出，对地区创新活动和创新能力的提升具有抑制效应，但另一方面，房价普遍上涨具有财富效应。房价上涨后，以房产作抵押贷款的企业，其抵押物的市场价值上升，从而增加企业的可贷资金。已有研究表明，房价上涨有助于缓解企业研发的融资约束(Chaney等,2012)[22]。尤其是在中国资本市场、风险投资市场尚不发达、以商业银行为主体的金融体系下，我国企业研发资金仍主要来源于商业银行贷款，而银行信贷对企业创新具有显著促进作用(马光荣等，2014)[17]79。当房价上涨时，拥有房产的科技型企业可抵押房产的市场价值上升，借贷资金的可获得性增强，从而会增加企业研发投入的外部资金，进而促进区域创新活动。

综上所述，就理论层面而言，地方政府债务既有可能对地区创新活动具有正向的促进效应，又有可能对地区创新活动具有负向的抑制效应。而这两种效应究竟哪一种效应居于主导作用，本文进一步运用空间计量模型进行实证检验。

四、模型、变量和数据

(一)模型设定

研发人员及研发资本作为创新要素投入，在创新生产过程中发挥积极作用，而创新要素的流动性决定了创新活动往往具有空间依赖性，忽略创新活动的空间相互作用可能会造成模型的设定偏误。因此，要想准确估计地方政府债务对地区创新活动的影响,需要采用将空间依赖性纳入模型的空间计量分析。

空间计量分析在经济学领域已经得到了迅速的发展。一般来说，空间计量分析主要讨论了三种不同交互效应，即内生交互效应、外生交互效应和误差项之间的交互效应(Elhorst，2014)[23]7-8。内生交互效应是指某个主体的因变量依赖于相邻主体的因变量，外生交互效应是指某个主体的因变量依赖于其他相邻主体的解释变量，误差项之间的交互效应是指不可观测的冲击或者模型被遗漏的解释变量是空间相关的。Elhorst(2014)[23]9根据不同的交互效应总结了8种横截面数据的线性空间计量模型，本文将这些模型拓展至面板数据，并采取从一般到具体的方法，根据不同类型空间计量模型的嵌套关系，选取最佳拟合效果的空间计量模型进行实证分析。

首先考虑一般的嵌套空间模型(GNS)，包含所有类型的空间交互效应，该模型既考察了相邻地区的创新活动和其他解释变量通过空间联系影响本地区的创新活动，还考虑了随机扰动项之间的空间传导机制。模型的形式如下：

Yit=α+δWYit+β1Dit+βzZit+θ1WDit+θZWZit+μi+νt+uit

(1a)

uit=λWuit+εit

(1b)

其中，i表示地区，t表示时间。Y表示地区创新水平，D表示地方政府债务，Z表示一系列地区层面影响创新活动的其他控制变量，详细定义见下文。α是常数项，W是空间权重矩阵，β(β1和βZ组成的向量)和θ(θ1和θZ组成的向量)是待估参数。δ是空间自回归系数，衡量邻近地区创新活动对本地区创新活动的影响程度。λ是空间自相关系数，度量了相邻地区随机误差项对本地区创新活动带来的影响。μi表示地区效应，νt表示时间效应，uit和εit表示服从独立同分布的随机误差项。

当GNS模型的外生交互效应不存在，即θ=0时，GNS模型可以转化为空间混合模型(SAC)，包含有内生交互效应和误差项之间的交互效应，该模型既假设某地区创新活动会对其他相邻地区的创新活动产生影响，又假定相邻地区之间的空间关联是通过随机误差项实现。模型的形式如下：

Yit=α+δWYit+β1Dit+βzZit+μi+νt+uit

(2a)

uit=λWuit+εit

(2b)

当GNS模型的误差项之间不存在交互效应，即空间自相关系数λ=0时，GNS模型可以转化为空间杜宾模型(SDM)，包含有内生交互效应和外生交互效应，该模型既假设某地区创新活动会对其他相邻地区的创新活动产生影响，又假定解释变量也对创新活动存在空间关联性。模型的形式如下：

Yit=α+δWYit+β1Dit+βzZit+θ1WDit+θZWZit+μi+νt+uit

(3)

当GNS模型的内生交互效应不存在，即空间自回归系数δ=0时，GNS模型可以转化为空间杜宾误差模型(SDEM)，包含有外生交互效应和误差项之间的交互效应，该模型既假设随机误差项的结构实现了相邻地区之间的空间关联性，又假定解释变量也对相邻地区的创新活动具有空间关联性。模型的形式如下：

Yit=α+β1Dit+βzZit+θ1WDit+θZWZit+μi+νt+uit

(4a)

uit=λWuit+εit

(4b)

当SAC模型的误差项之间不存在交互效应，即空间自相关系数λ=0时，或者SDM模型的外生交互效应不存在，即θ=0时，可以转化为空间滞后模型(SAR)，该模型仅强调某地区创新活动会对其他相邻地区的创新活动产生影响。模型的形式如下：

Yit=α+δWYit+β1Dit+βzZit+μi+νt+uit

(5)

当SDM模型的内生交互效应不存在，即空间自回归系数δ=0时，或者SDEM模型的误差项之间不存在交互效应，即空间自相关系数λ=0时，可以转化为自变量滞后模型(SLX)，该模型仅强调地区之间的空间关联性通过解释变量的空间滞后项来表示，模型的形式如下：

Yit=α+β1Dit+βzZit+θ1WDit+θZWZit+μi+νt+uit

(6)

当SAC模型的内生交互效应不存在，即空间自回归系数δ=0时，或者SDM模型的空间自回归系数δ、自变量回归系数β和自变量空间滞后项系数θ满足θ=-δβ时，或者SDEM模型的外生交互效应不存在，即θ=0时，可以转化为空间误差模型(SEM)，该模型仅强调随机冲击会向相邻地区扩散，模型的形式如下：

Yit=α+β1Dit+βzZit+μi+νt+uit

(7a)

uit=λWuit+εit

(7b)

当不考虑空间交互效应，即上述模型的空间项系数均为0时，可以得到经典的OLS模型，即：

Yit=α+β1Dit+βzZit+μi+νt+uit

(8)

事实上，Elhorst(2014)[23]9给出了上述8种计量模型的关系，即从GNS模型演变为OLS模型所需施加的参数限制条件，见图1所示。

方程(8)的估计一般采用传统的固定效应模型(FE)估计，其实质仍然是普通最小二乘(OLS)方法。各种空间计量模型考虑了因变量的空间相关性、解释变量的空间相关性、误差项之间的相关性，采用OLS方法进行估计，或产生有偏的估计，或估计量不具有有效性，或两种问题都存在。因此，一般不用OLS方法对空间计量模型进行估计，而最大似然估计法(MLE)可以解决上述问题。而且上述空间计量模型均含有地区效应和时间效应，处理方法一般有固定效应和随机效应模型。当数据形式是一个国家所有地区所构成的空间-时间数据时，固定效应模型相比随机效应模型更合适(Elhorst，2014)[23]56。Lee和Yu(2010)[24]使用MLE的偏误校正程序对固定效应模型偏误进行了修正，可以用于估计同时包含地区效应和时间效应的GNS、SAC、SDM、SDEM、SAR、SLX、SEM等模型的估计。因此，本文主要使用该偏误校正程序对空间面板固定效应模型进行估计。

空间权重矩阵的设定是空间计量经济与传统计量经济学的重要区别之一，也是进行空间计量分析的基础。空间权重矩阵描述各地区空间相对位置关系，能够量化地区之间的空间依赖程度。空间邻接权重矩阵因形式简单受到研究者的青睐，本文主要采用二进制空间邻接权重矩阵来进行空间计量分析。二进制空间邻接权重矩阵W1的设定原则是：当地区i与j相邻接时，对应的矩阵元素取值为1；当地区i与j不相邻接时，对应的矩阵元素取值为0。这里的邻接是指两个地区之间有共同的边。计量分析中一般将邻接权重矩阵行标准化。

(二)变量说明

1.因变量：创新活动

创新活动可以从创新投入和创新产出两个方面来衡量。创新投入基于研发活动的过程，包括地区研发支出和研发人力资本投入，主要反映了某地区对创新活动的重视程度，也在一定程度上衡量了该地区的创新能力。创新产出主要反映了某地区从事创新活动取得的成果，往往以专利形式呈现，如专利申请数和授权数。创新活动效率存在高低之分，投入并不一定都转化为产出，创新产出相对投入更能体现一个地区的创新能力，本文从产出的角度寻找衡量创新活动的变量。中国专利法将专利分为发明、外观设计和实用新型三类，其中发明专利是最重要的一种，是对产品、方法或者其改进所提出的新的技术方案，因此发明专利数最能体现一个地区的核心创造力。此外，为了消除地区人口规模差异，本文采用地区总人口数进行人均处理。因此，本文选用各地区人均发明专利授权数(utilicpop)来衡量地区创新能力，在稳健性检验部分用人均发明专利申请数(utiapppop)进行替换以考察结论的稳健性。

2.核心解释变量

本文的核心解释变量是地方政府债务。在相关实证研究中，获取债务数据是一个难点。各省审计厅公布了部分年份的省级地方政府债务数据，但只有2012年和2013年6月底的数据。为了解决债务数据难题，部分学者进行估算或寻找替代变量来表示地方政府债务。吕健(2014)[12]40通过计算市政基础设施投资的地方政府财政收支缺口来估算地方政府新增债务，即当年地方政府市政领域的固定资产投资总额，减去地方政府预算内资金投入，再减去土地出让收入中用于市政领域投资资金，最后扣除投资项目的盈利现金流入。毛捷等(2018)[25]将地方政府债务分为显性债务和或有债务，利用国债转贷收入、地方政府债券净收入与城投债余额之和估算了地级市层面地方政府债务。范剑勇等(2014)[26]利用地方政府融资平台公司所公开发行的城投债余额直接作为地方政府性债务的近似指标。Bai等(2016)[27]和徐长生等(2016)[10]82采用发债的地方政府融资平台公司负债(总负债、短期债务余额或长期债务余额)之和来替代地方政府债务。无论是估算还是替代指标，由于方法不同差异较大，难以判断指标的准确程度。不同于其他文献的数据获取方法，本文通过各省份公开的财政预决算执行情况、地方政府债券发债说明书等公开文件资料，以地方政府负有偿债责任的口径，收集整理2010—2016年的地方政府债务余额，并以地方政府负债率(debtgdp)为地方政府债务的指标，即地方政府债务余额除以地区GDP。

3.控制变量

为了缓解遗漏变量带来的内生性问题，本文参考区域创新相关文献，考虑了以下控制变量：产业结构(secindus)，由第二产业增加值占地区GDP比重表示；人口增长率(natpop)；对外开放水平(fdi)，用各地区实际利用外资与地区GDP之比表示；地区经济发展水平(growpgdp)，用人均实际GDP增长率表示；人力资本(hucap)，用每十万人口普通高等学校平均在校生数表示；市场化程度(nonsoejob)，用非国有经济在城镇就业人口中所占比例表示；地方财政缺口(fisexprev)，用公共财政支出与公共财政收入之比表示。

(三)数据

由于地方政府债务数据的限制，本文采用中国2010—2016年30个省份的省级面板数据进行计量分析(由于西藏数据缺失较为严重，从样本排除；另外，不包括港澳台)。专利数据来源于历年《中国科技统计年鉴》；地方政府债务数据来源于财政部网站和各省财政厅网站；实际利用外资数据来源于wind数据库，并用当年的平均美元汇率转化为人民币计价；城镇就业人口数来源于《中国劳动统计年鉴》；其他数据均来源于历年《中国统计年鉴》。表1给出了各个变量描述性统计。

表1描述性统计

五、实证分析

(一)空间相关性检验

在进行空间计量分析前，需要对空间相关性进行检验，以判断使用空间计量分析的合理性。通常应用全局Moran Ⅰ指数进行空间相关性检验，该指数可以描述各变量在整体上的空间分布情况，以考察该变量是否存在空间集聚。本文采用邻接权重矩阵下的全局Moran Ⅰ指数判断变量的空间相关性，表2报告了检验结果。2010—2016年，地区创新水平所有年份的全局Moran Ⅰ指数均在0到1之间，即表现为正的空间相关性，且均通过了5%的显著性检验。地方政府负债率的全局Moran Ⅰ指数表现为正的空间自相关性，除2012—2013年的显著性水平在10%外，其他年份的显著性水平均为5%。人力资本水平、市场化程度、地方财政不平衡性等变量均表现为正的空间自相关性，且在整个样本期内均在1%的水平下显著。人口增长率的空间自相关在2015年是不显著的，但是在其他年份都在1%的水平下显著为正。对外开放水平在2011年的空间自相关水平没有通过10%的显著性检验，但在其他年份至少通过了10%的显著性检验。地区发展水平在2016年的空间自相关水平没有通过10%的显著性检验，但在其他年份至少通过了10%的显著性检验。仅有产业结构水平在每个年份的空间自相关性不显著。上述结果说明了采用空间计量模型的必要性。

表2 2010—2016年各变量的全局Moran Ⅰ指数

注：括号中报告的是P值

(二)基准回归

表3报告了以空间邻接矩阵为权重的SAR、SEM、SLX、SAC、SDM、SDEM、GNS等各种空间计量固定效应模型回归结果，为了进行比较，也报告了不考虑空间关联的普通面板FE模型回归结果。8种计量模型对空间关联性的假设不同，其经济含义也会有差异，需要进一步判断空间计量模型的具体形式。常用于选择空间计量模型的方法有对数似然值(Log_L)、赤池信息准则(AIC)、LR检验和Wald检验。从Log_L来判断，GNS模型略大于SAC，但显著优于其他5个空间计量模型。就AIC来看，SAC模型最优。

LR检验和Wald检验用于嵌套模型的检验。第一，考虑嵌套SAC、SDM、SDEM模型的GNS模型，通过GNS模型估计的参数结果，检验原假设H01：θ=0判断GNS模型能否转化为SAC模型；检验原假设H02:λ=0判断GNS模型能否转化为SDM模型；检验原假设H03：δ=0判断GNS模型能否转化为SDEM模型。三个假设检验的LR统计量和Wald统计量分别为14.04、109.65、110.16和14.60、8469.38、1762.71，P值分别是0.081、0.000、0.000和0.067、0.000、0.000。这意味着5%的显著性水平下，GNS模型优于SDM和SDEM模型，但并不优于SAC模型。第二，考虑嵌套SAR和SEM模型的SAC模型。对SAC模型和SAR模型进行检验的LR统计量和Wald统计量分别为110.90和1738.13，均通过了1%的显著性检验；且对SAC模型和SEM模型进行的LR统计量和Wald统计量分别为104.48和8513.07，也通过了1%的显著性检验。因而相比SAR和SEM模型，SAC模型是更好的选择。第三，考虑嵌套SAR、SEM、SLX模型的SDM模型。SDM模型相对SAR模型的LR统计量为15.30，P值为0.054；SDM模型相对SAR模型的Wald统计量是15.92，P值为0.044，表明SDM模型相对更优。类似地，SDM模型相对SLX模型也得出了同样的结论。但SDM模型相对SEM模型的Wald统计量是9.11，P值为0.333，这意味着SDM模型并不优于SEM模型。第四，考虑嵌套SEM和SLX模型的SDEM模型。SDEM模型相对SLX模型的LR统计量和Wald统计量分别为39.31和994.52，P值分别是0.000和0.000，表明SDEM模型优于SLX模型；但SDEM模型相对SEM模型的LR统计量和Wald统计量分别为8.36和8.57，P值分别是0.399和0.380，说明SDEM模型并不优于SEM模型。最后，考察SAR、SEM、SLX模型。对这三个模型施加相应的参数限制可以得到FE模型。SAR、SEM、SLX模型相对FE模型的Wald统计量分别为925.78，1052.02和19.54，均在1%水平下显著，这表明考虑空间关联的模型更加合适。上述检验结果表明，GNS模型和SAC模型是更为恰当的拟合模型。

由表3的SAC模型和GNS模型结果可以看出，空间自回归系数δ分别为0.814和0.815，且在1%水平下显著，表明了地区创新活动具有显著的空间溢出效应；空间自相关系数λ都为-0.921，且在1%水平下显著，表明了误差项的空间依赖性存在。这些结论也表明了需要使用空间计量模型来对地方政府债务与创新的相互关系进行分析，否则会出现有偏的估计。进一步地，地方政府债务系数均为负值，且至少在1%水平下显著，表明地方政府债务对地区创新活动有显著的抑制作用，但地方政府债务的空间滞后项系数不显著，表明地方政府债务对相邻地区的创新活动没有显著影响。事实上，其余6个模型地方政府债务系数至少在10%水平下为负，而SLX、SDM和SDEM模型中地方政府债务空间滞后项系数也不显著，这说明了结论的稳健性。

表3基准回归结果

注：*、**、***分别表示系数在10%、5%、1%水平下显著

(三)直接效应、间接效应与总效应

如果直接通过观察空间计量模型中解释变量的回归系数来判断地方政府债务对地区创新活动的影响可能会得出错误的结论。LeSage和Pace(2009)[28]通过偏微分方法解释不同空间模型设定中解释变量变化的影响，并将这些影响分为直接效应、间接效应和总效应。直接效应反映了解释变量对该地区被解释变量产生的平均效应，间接效应反映了解释变量对其他地区被解释变量产生的平均效应，总效应反映了解释变量对所有地区被解释变量产生的平均效应。为了进一步检验地方政府债务对地区创新活动的影响，本文计算了SAC和GNS模型的直接效应、间接效应和总效应，计算结果见表4。

从表4可以看出，无论是SAC模型还是GNS模型，地方政府债务的直接效应在1%水平下显著为负，表明了地方政府债务对该地区创新活动有抑制作用。进一步观察数值大小，与传统的FE模型相比，SAC和GNS模型的系数绝对值更小，这也表明传统FE模型没有考虑空间效应而高估了地方政府债务对区域创新的直接效应。尽管SAC模型中地方政府债务的间接效应和总效应统计显著为负，但GNS模型中地方政府债务的间接效应和总效应统计不显著。与GNS模型相比，SAC模型附加了一个重要的假定，即间接效应与直接效应的比例对每个解释变量都是相同的，且其值大小只取决于空间自回归系数δ和空间权重矩阵，独立于自变量回归系数。该假定过强，使得SAC模型在计算各种效应时有一定的局限，与GNS模型相比差异较大。就直接效应、间接效应和总效应的计算来说，GNS模型相对更优。所以，没有稳健的证据表明地方政府债务对区域创新存在空间溢出效应。

表4直接效应、间接效应和总效应

(四)稳健性检验

1.考虑不同权重矩阵

为了考察结论的稳健性，本文选取了经济距离权重进行实证结果的稳健性检验。空间邻接权重矩阵基于空间地理位置是否相邻来进行设置，假定与给定地区相邻的其他地区对该地区的影响强度都相同，而与该地区不相邻的地区对该地区影响都为0，显然过强，而经济距离权重矩阵假定经济活动相近的两个地区空间作用更大。本文基于人均实际GDP的差距来建立经济距离权重矩阵，定义如下：

(9)

2.变换重要变量

(1)更换被解释变量。将被解释变量变换为人均发明专利申请量(utiapppop)。从回归结果可以看出，相比其他空间模型，GNS模型估计系数显著性的个数略有减少，但对数似然值增加较大，过度参数化现象不明显。进一步，LR检验和Wald检验表明GNS模型为最优模型。计算GNS模型的直接效应、间接效应和总效应后，得出了同样的结论：创新活动存在正的溢出效应；地方政府债务对区域创新活动存在直接的抑制作用，而间接效应和总效应不显著。

(2)变换核心解释变量。首先，变换核心解释变量为地方政府债务率(debtrev)，即地方政府债务余额与地方财政收入之比；其次，变换核心解释变量为人均地方政府债务(debtpop)，用地方政府债务除以地区总人口数，目的是为了消除地区人口差异。两组回归结果的GNS模型估计对数似然值的增加都很显著，表明GNS模型过度参数化现象不严重。LR检验和Wald检验表明GNS模型并不优于SAC模型，但优于其他模型。经计算直接效应、间接效应和总效应后，结论与基准检验结果类似：创新活动存在正的溢出效应；地方政府债务对区域创新活动存在直接的抑制作用，但没有间接的溢出效应。

六、结论与政策启示

本文利用2010—2016年中国30个省份的面板数据，使用空间计量模型实证检验了地方政府债务对地区创新活动的影响。研究结果发现：第一，地区创新活动存在正的溢出效应；第二，地方政府债务对地区创新活动存在直接的抑制作用；第三，在不同的空间计量模型下，地方政府债务对地区创新活动的直接效应均表现为显著的抑制作用，但地方政府债务对地区创新活动的间接效应(空间溢出效应)和总效应不同。在SAC模型中，地方政府债务对地区创新活动的间接效应和总效应统计显著为负，而在GNS模型中，地方政府债务对区域创新活动的间接效应和总效应统计不显著。也就是说，地方政府债务对地区创新活动的空间溢出效应很小。换言之，地方政府债务对本地区的创新活动存在直接的抑制作用，而对其他地区的创新活动没有显著的空间溢出效应。

本研究的结论对协调地方政府举债行为与地区创新活动之间的关系具有重要的政策启示：

一是正视地方政府债务规模扩张的积极影响。尽管本文发现地方政府债务对地区创新活动具有直接的抑制作用，但是不能否认中国地方政府债务规模的扩张在改善基础设施、促进经济增长等方面的积极作用。在某种程度上，这些积极作用对地区创新活动产生正面影响。而本文的实证结果是地方政府债务对地区创新活动影响的综合反映。换言之，地方政府债务规模在短期内的快速扩张对地区创新活动产生的负面抑制作用更大，特别是地方政府债务对本地区创新活动的抑制效应更强。因此中国应继续对地方政府债务实施限额管理，以弱化地方政府债务规模的迅速扩张给地区创新活动造成的负面影响。

二是协调地区内企业创新资金的投入与地方政府债务资金的来源。企业是地区创新活动的主体，因此要引导金融资源特别是信贷资源投向企业创新活动。在地方政府债务的传统融资模式下，地方政府债务资金主要来源于本地区商业银行的信贷，对本地区企业研发投入资金具有较强的挤出效应。因此要弱化地方政府债务对地区创新活动的直接效应，需要重点强化地方政府债务融资的市场化机制，继续推进地方政府在公开的债券市场上发债融资，以避免地方政府举债对本地区信贷资源的大量占用。

三是加快建设多层次资本市场。创新驱动国家发展战略的实施、地区创新活动离不开发达资本市场的金融支持，而地方政府举债也离不开资本市场的支持。因此要协调地方政府债务与地区创新活动的关系，就长期而言，需要在当前以商业银行为主导的金融体系下加快建立多层次的资本市场，完善金融市场功能，使得各类资金需求主体在融资上得到保障。但仅就短期而言，一方面需要完善地方政府债券发行制度，另一方面需要加强政府对企业创新的财政支持力度，引导企业创新要素的投入，以减弱因政府债务扩张对区域创新的抑制效应。