高技术企业投资的空间分布特征研究

常 曦 ，赖晓冰 ，吴 奇

（1.广东金融学院 行为金融与区域实验室，广东 广州 510521；2.海通证券债券融资总部，广东 广州 510660）

一、引言

近年来，随着我国经济增长由高速转入中高速轨道，原来依赖扩大规模的粗放式增长模式已然无法适用当前经济高质量发展的现实需求，迫切需要撬动经济可持续发展的新增长点。[1]中共十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。高技术企业作为社会科技创新的生力军，是实施国家经济创新政策，实现中国经济增长模式转型的中坚力量。而高技术企业诞生、发展、壮大过程中面临的高不确定性及其衍生的高风险使得该类企业对金融支撑具有强烈需求，而高技术企业的高成长性和高收益同时也吸引着大量的金融资本。两者合力的结果使得投资成为高技术企业诞生、壮大的先决条件，换言之，高技术企业投资规模将直接影响科技创新产出效率。而高技术企业投资具有明显的区域分布异质性，东中西部地区高技术企业投资额比例从2009年的4∶2.2∶1变化至2015 年的 3.1∶2.3∶1，表现为东部与中西部存在较大差异，且差异正在缩小。同时，投资会受投资环境如投资成本、基础设施、竞争状况、政策优惠等因素影响，而地区之间的影响因素不同就会吸引相应满足需求的高技术企业跨区域流动。如东中西部地区高技术企业数占比分别从2009年的80.2%、14.2%和5.6%变化至2015年的73.1%、16.4%和10.5%，中西部地区占比不断增长。因此，探索高技术企业投资为何存在较大区域差距、为何差距在近年来逐渐缩小及高技术企业投资是否存在跨区域流动性具有重要现实意义。此外，有必要对高技术企业投资的区域影响进行研究，探索应如何合理引导高技术企业投资，实现效率优化。

二、文献综述

从国内外学者对高技术企业投资的研究来看，主要是从投资形成、影响及风险评价角度进行研究。在高技术企业投资的形成方面，Carpenter et al.[2]基于1981—1998年面板数据，认为小型高技术企业由于信息不对称原因，公众无法判断其风险大小，同时多数小型高技术企业缺乏抵押品，导致其在债务融资方面比较薄弱；而高技术企业股权融资相比债务融资具有较大优势，并且通过股权融资可以快速扩大高技术企业规模，解决高技术企业投资所产生的资金不足问题。闫晓莉等[3]基于高技术企业投资的高不确定性，采用实物期权方法对高技术项目投资的研发、中试和市场销售三阶段进行差别化投资决策；对不同阶段的项目投资进行独立化，判断继续项目投资所产生成本与预期收益的期权组合，进而作出是否放弃或执行期权的投资决策。卢馨等[4]从高技术企业投资资金来源出发，对2007—2009年506个高技术上市企业数据建模，检验高技术企业融资约束是否会影响高技术企业研发投资的效果，结果表明，造成高技术企业投资不足的原因在于受到不同程度的融资约束，而融资约束越严重会使得研发投资愈加恶化。岳怡廷等[5]利用2007—2015年数据，对不同资金来源的高技术企业与非高技术企业创新投入进行实证分析，结果表明，高技术企业投资来源多表现为政府补助，而非高技术企业投资来源主要为内部融资。在高技术企业投资的影响方面，卢艳秋等[6]基于我国高技术产品出口缺乏自主研发的现状，利用高技术投资基金多元化筹集、市场化导致的透明化投资保障优势，解决了高技术企业在研、产、销过程的资金问题，提高了高技术产品出口竞争力。刘和旺等[7]基于政府对全国31省市高技术企业专项投资数据，实证检验专项投资对不同规模企业就业创造及就业结构的影响，结果表明，政府专项投资对增加大型和中小型企业的就业都具有显著促进作用，且后者促进作用大于前者，同时，由于本地高技术人才稀缺、人才引进政策不到位等问题，政府对高技术企业的专项投资无法有效调整就业结构。在高技术企业投资的风险方面，徐绪松等[8]较早对高技术企业投资的R&D、技术、市场、生产、管理和环境六种风险指标进行评价。张春英等[9]通过定性与定量相结合的方法对高技术企业投资的政策、金融和技术等七类风险及经济、社会和环境三类效益进行指标的量化评估，探讨高技术企业不同投资组合情况下的风险与收益，进而为VC机构对高技术企业项目的不同投资组合提供决策依据。陈良海[10]通过类似指标构建RS-RBF模型探讨高技术企业项目投资风险，结果表明，RS理论与RBF神经网络分别通过去除指标重叠信息、降低模型误差的方式提高模型精度，得出衡量高技术企业投资风险的精确影响指标。陈伟等[11]结合专家打分法及熵权群组决策法，通过风险评价指标对高技术企业投资在种子、创立、成长及成熟期四个不同时期，建立高技术企业项目投资风险评价体系，结果表明，在高技术企业的创立期中，项目投资指标风险度的认定分数越高，被评方案离理想点距离越小，所得到的项目方案越好。

尽管国内外专家学者已对高技术企业相关问题进行了多个角度的分析，但现有研究依然存在不足。现有大多文献对高技术企业投资跨区域流动较少关注，在考察高技术企业投资时缺乏空间思考，忽略了其他地区高技术企业投资也可能影响本地区投资的空间影响关系，往往造成既定策略由于忽略高技术企业投资空间因素影响偏离实际情况，得出结果不具代表性。针对不足，本文的创新之处在于：考虑高技术企业投资的空间相关性影响，探索高技术企业投资在全域上的空间正负相关性，了解其整体的空间作用强弱、在局域上的各省域之间的集聚情况。优势在于，一方面，以整体上空间性特征判断高技术企业投资是处于集聚、溢出或是空间不相关状态，进而对于其结果”对症下药”。另一方面，以局部空间相互依赖性特征对高技术企业投资整体空间性具体解释，判断高技术企业投资的空间地域分布是否都显著为集聚、溢出、不相关，还是分地域不同其空间性各有其特征。因此，将空间影响性纳入政府、企业对高技术企业投资决策具有参考意义；同时，在对高技术企业资产项目投资时，由于空间因素变量的引入，政府、企业对其投资的空间布局能够进行准确的模型设计，对投资效率优化提供帮助。

三、数据与方法

（一）数据来源

本文选取全国31省市2009—2015年高技术企业投资额数据，考察其在地理空间的分布规律。高技术企业投资额数据来源于《中国科技统计年鉴》和WIND经济数据库（EDB）。研究建模及相关检验分析所用的软件为MATLAB和R语言。

（二）研究方法

1.全域moran's I指数空间自相关性。全域moran's I指的是对于一个整体区域来说是否存在空间自相关性，它能够判断整体上高技术企业投资的空间集聚关系，其范围在［-1，1］。指数I为正且越靠近1，则说明地区高技术企业投资与周围地区的空间正相关性越强，集聚效应明显，呈现地区与周围地区高技术企业投资双高或者双低的情形；若指数I为负且越靠近-1，则说明地区高技术企业投资与周围地区空间负相关性越强，呈现地区高技术企业投资高（低）与周围地区投资低（高）的情形。若指数I趋于0附近，则表明高技术企业投资在空间上随机分布。指数I的公式如下：

其中，Xi、Xj表示 i、j地区高技术企业投资额，n表示地区个数，表示全国地区高技术企业投资额均值，σ2为对应方差Wij为空间权重矩阵。

w0=为空间权重矩阵Wij的第i行之和，w.j表示wij的第j列之和。VARn（I）为moran's I指数方差，Z统计量检验moran's I指数的显著性，10%显著性水平下Z为1.65，5%显著性水平下Z为1.96，本文检验高技术企业投资空间相关性原假设为：各地区之间高技术企业投资服从随机分布。因此，当检验结果在10%显著性水平下Z值大于1.65，或者在5%显著性水平下Z值大于1.96，则拒绝原假设，说明高技术企业投资存在空间相关性。

在进行空间相关关系检验时，空间权重矩阵的设定直接影响结果的准确性。现有文献大多采用地理邻近的0-1分布和经纬度距离来作为空间权重矩阵，来描述指标的空间相关性。在以地理邻近0-1分布特征的空间相关分析中，吴玉鸣和韩宝龙等[12-13]为定义区域之间的邻近关系进行空间相关性检验，基于邻接矩阵0-1分布进行空间计量分析。在结合经济参数做为权重的空间相关分析中，林光平等[14]基于，以i区域和j区域的实际人均收入均值与之差绝对值的倒数作为经济空间权重。高静等[15]结合了经济和邻近区位因素，基于Wij=利用i、j之间经济因素的差异程度和i、j之间是否为邻近关系作为空间权重矩阵参考。显然，地区之间相互影响不同，且往往表现为经济实力强的地区对较弱地区影响更大。由此，本文综合考虑地理邻近与经济空间权重矩阵对高技术企业投资进行分析，采用李婧等[16]、杜江等[17]对经济地理空间权重矩阵进行设定。

为了反映经济因素的空间影响，又能让经济因素客观全面，本文采用实际人均GDP，排除了价格因素的影响。其中，WG为邻近地理权重矩阵，采用0-1分布，即当两省域相邻时为1，否则为0；代表省域 i从基年到末年实际人均GDP的均值31省域的均值；WE表示各省域对全国实际人均GDP比重的对角矩阵；WGE即为考虑地理和经济因素的经济地理空间矩阵。在考虑区域之间两两相互影响不同的现实基础之上，采用各省域人均GDP与全国省域人均GDP均值之比作为经济权重对角矩阵，使得A地区对B地区的影响与B地区对A地区基于经济量进行区分，考察不同地区之间高技术企业投资的空间相关性。

2.局域moran's I指数空间相关性。全域moran's I指数只能在整体的角度反映地区的空间相关性，如果探讨各地区之间高技术企业投资的空间相关性，则需引入局域moran's I指标。本文以moran's I散点图和LISA聚集图对各地区高技术企业投资空间分布做出分析，以求更详尽地描述各省域高技术企业投资的空间分布情况。

（1）moran's I散点图。横坐标和纵坐标分别为经过标准化后的高技术企业投资变量及空间滞后变量，每个点代表某地区；四个象限中，一、三象限表示地区与周围省域高技术企业投资存在正的空间相关性，表现形式分别为高高（High-High）和低低（Low-Low）；二、四象限表示地区与周围省域高技术企业投资空间负相关，表现形式分别为低高（Low-High）和高低（High-Low）；线性拟合曲线表示该地区的高技术企业投资与其他地区的差异程度。

（2）LISA指数。LISA指数将全域moran's I指数细分为各省域的空间分布，并通过数据可视化描绘省域之间集聚情况。由于全域和局域moran's I可以对指标进行总体和局部分析，判断高技术企业投资在空间上的整体和局部相关性，表述了全域和局域moran's I指数在一定条件下的替代关系。由此，引入局域空间moran指数，公式如下：

四、基于全局moran's I指数检验与分析

表1可以看出，2009—2015年moran's I指数都呈正值，并基本处于稳步上升状态，其Z值在2009年没有通过10%显著性水平下的检验，其余年份都通过了5%或10%的显著性水平检验。其结果表明，我国高技术企业投资形成明显的空间正相关关系，各地区在高技术投资方面具有显著的空间集聚效应即高技术企业投资并不是随机分布在各地区，而是趋向于集聚于某个区域。

表1 moran's I指数

具体来看，从时间序列的角度出发，自2008年全球金融危机，金融及实体产业都受到重创，中国很多企业应对危机造成的冲击并没有马上体现出来，出现了时滞蔓延，同时，我国高技术企业相当部分是中外合资企业，国外的经济不景气也影响了本地区企业的投资情绪。高技术企业在此背景下也受到了冲击，导致本地区高技术企业投资和其他地区差异变大，使得2009年moran's I指数在0.1396，P值达到16.53%，空间集聚不显著。2010年，经过国内政策推动和国外经济逐步回暖，高技术企业投资迅速火热，各地区出现强烈的投资集聚现象，其moran's I指数达到0.1967，通过了10%的显著性水平检验。但由于2011年中小高技术企业投资融资难问题集中爆发，技术创新壁垒凸显，高技术企业投资的moran's I指数跌落至0.1733，表明2011年投资集聚有所降低。自2012年起，投资额的moran's I指数逐步上升，最高于2015年达到0.2548，空间集聚现象愈加明显，地区的高技术企业投资受临近区域高技术企业投资影响越来越显著，其主要原因在于互联网金融、大数据、云计算、人工智能等科技金融产业的发展拓展了市场的发展空间，使得高技术企业投资更具针对性、专业性。随着国家重视科研，鼓励创新研发，加大对专利技术的保护，并提高在高科技产业的资金投入；高技术企业有了更好的制度保障，加强对科技创新的投资，科技的发展带动产业转型升级，促进经济的健康发展，符合近年以来科技金融的指数式发展的现实。

五、基于局部空间moran's I及LISA指数的检验分析

由于全局moran's I指数只能判断全国整体的空间集聚现象，无法观测省域之间的相关性程度，需要用局部空间相关性分析检验全国31个省市的空间集聚效应是否显著。基于2009—2015年数据，选取头、中、尾三个年份用局域moran's I散点图和LISA指数以求对各省域之间的高技术企业投资进行空间相关性研究，找出其投资在省域的差异程度。用MATLAB描绘了moran's I散点图对各省与其它省市高技术企业投资的空间差异，用MATLAB与R语言将LISA指数通过地图的形式展现颜色的深浅变化反映各省域之间的集聚情况以及在时序上的动态变化。

（一）基于moran's I散点图的局域空间分布检验

图1～图3中显示，大多数省域都落在第一、第三象限，表明各省域之间存在显著的空间正相关关系，本地高技术企业投资与相邻省域之间具有正的空间互动性，即本地区高技术企业投资集聚提高的同时，会通过溢出效应带动周围省域投资发展。从一阶线性拟合曲线来看，多数省域落在拟合曲线附近，表明省域之间差异较小，存在正的协同效应，只有少部分省域远离拟合曲线，正好说明了全国区域间高技术企业投资存在差异的现实。同时，有部分省域位于圆点附近，表明各省域之间在高技术企业投资差距并不显著，也即是空间不相关，原因在于各地区对高技术企业重视程度、投入力度和对当地经济发展的重心有所不同，使得高技术企业投资在部分区域之间的流动性减弱，导致了空间上的相对独立性。图中存在部分点位于第二、第四象限，表明也有小部分省域之间对高技术企业投资存在着不平衡。其原因在于部分地区由于前期高技术企业投资集聚过旺，产生了空间溢出现象，挤出本地投资而由周边地区吸收产生集聚效应。

（二）基于LISA聚集图的空间分布检验

表2通过MATLAB将全国31省市LISA指数进行量化，显示了局部moran's I指数检验，自北京到海南为东部地区，吉林到内蒙古为中部地区，广西至重庆为西部地区。LISA指数为正且越大，表明省域之间高技术企业投资存在空间正相关，集聚效应明显；相反，LISA指数为负且越小，表明存在空间负相关，产生了空间溢出效应；LISA指数趋于零，表明省域之间高技术企业投资在空间上不相关，服从一定的随机分布。LISA聚集图颜色越深，表明集聚效应越明显。

图1 2009年moran指数散点图

图2 2012年moran指数散点图

图3 2015年moran指数散点图

表2 LISA指数

1.东部区域差异巨大。结合表2可以看出，东部地区的LISA指数差异巨大，表明东部省域之间发展不平衡。2009年山东和江苏LISA指数分别高达3.185 2和1.016 7，产生了显著的空间集聚效应，颜色最深，而上海却为-0.742 2，表明上海作为金融中心在高技术企业投资方面已达饱和，产生了向山东、江苏等省域扩散的趋势。而后在2012年及2015年上海高技术企业投资也一直存在着空间溢出效应且有扩大的趋势，2015年山东和江苏的LISA指数分别以3.100 5和0.79依然保持着强劲的空间集聚效应。广东本身存在着省域内区域发展极度不平衡，粤东一枝独秀，粤西和粤北地区经济发展较为落后，导致在高技术企业投资方面存在较大差异，因而2009年LISA指数为-0.062 9，与同东部地区的江苏、山东相比，空间集聚相差巨大，空间相关性很弱，2012年至2015年也基本延续此趋势。

2.中部动态集聚区域逐步扩大。中部地区高技术企业投资虽然集聚程度不高，但正在逐年上升，例如安徽、河南、湖北等相邻省份，LISA指数从动态上看自2009年的0.2497、0.1266、0.018 3上升至2012年的0.949 2、0.382 4、0.176 7，随后进一步保持或上升至 2015 年的 0.933 4、0.936 7、0.540 5；同时，江西和湖南等地受中部邻域省份空间正相关性影响，LISA指数从2009年0附近增长至2015年的0.266 9和0.193 3。表明空间集聚效应明显提升，空间正相关性的区域辐射效应逐步显现。其原因在于：第一，近年来中部崛起战略使得中部地区在经济、基建、运输等方面有了较大提升，提高了高技术企业投资力度，增强了高技术企业投资在空间的相互流动。第二，东部地区由于技术升级改造、劳动力成本上升、资源供给短缺等原因，部分产业在中部地区有良好的投资环境，低廉的劳动力成本从而转移至中部，进一步增强了高技术企业在投资和创新的数量与质量。

3.西北地区集聚增强。西部地区中新疆、西藏、青海、甘肃几个相邻西北省份空间集聚效应较为显著，2009 年 LISA 指数分别为 0.7084、0.3244、0.3047、0.373 0，2012年总体延续着更显著的集聚效应，到2015年其LISA指数分别达到0.8071、0.6050、0.5365、0.430 1，表明西北几个省域之间高技术企业投资具有正的空间相关性，自身高技术企业投资集聚的加强也使得邻域集聚。正好说明国家的西部大开发战略和“一带一路”倡议对西部地区经济建设及产业投资的显著影响。

六、结论与启示

本文以高技术企业投资为指标，探索2009—2015年全国各地区高技术企业投资的发展情况。通过moran's I指数、moran's I散点图及LISA指数等空间计量方法，基于经济邻近空间权重矩阵分析中东西部各地区高技术企业之间的空间相关关系，得出以下结论：

第一，2009—2015年全国各地区之间高技术企业投资存在显著的空间正相关，全域moran's I指数显著为正。从2009年的最低点0.139 6上涨至2015年的0.254 8，并呈现持续上涨的趋势，除2009年没有通过10%显著性水平检验外，其余年份均通过了10%或5%显著性检验。表明我国各地区高技术企业投资之间相互促进，地区之间投资愈加频繁，联系紧密；本地区的高技术企业投资可以正向促进邻域高技术企业资源投资，形成正的空间“循环”效应，即随着时间变化，在不发生系统性投资风险的情况下，高技术企业投资正向空间影响性的传播会以之前的投资空间影响性为基础，形成正向高技术企业投资“循环”。

第二，全国各地区之间高技术企业投资集聚效应较为明显。2009年、2012年、2015年moran's I散点图表明绝大多数地区处于代表空间集聚效应的一、三象限，东部山东、江苏及中部绝大部分地区形成高高集聚地带，西部多数地区形成低低集聚地带，形成一定的“俱乐部收敛”现象。表明投资“逐利性”性质在空间上的流动引导高技术企业投资决策理性分布，结合要素资源生产效率由低向高流动及人力成本、投资综合效益等因素，在相似高技术产业结构和其投资的自身、市场环境中趋于收敛，表现出集聚现象。多数区域位于一阶线性拟合曲线附近，表明高技术企业投资在相同集聚类型地区之间的相对空间差异不大。与此同时，部分地区高技术企业投资空间相关性较弱，需考虑地区之间高技术企业投资的区域特性。

第三，中东西部地区LISA指数呈现“多点开花”趋势，东部地区山东、江苏独领风骚，空间正相关性明显。其中山东走在全国前列，LISA指数一直保持在3以上。由于北京、天津、上海等地一直以来经济高速发展，产业结构趋于完善，新的市场资源进入成本极高且各要素竞争愈加激烈，山东作为“环渤海”的中心地带自然成为高技术企业的重要集聚地。中部地区安徽、河南、湖北等地近年以来高技术企业投资存在持续增长的正向空间促进作用，但相对东部江苏、山东等地仍有较大差距。这表明“中部战略崛起”初有成效，东部部分产业转移至中部使得高技术企业获得更多标的资产项目进行投资，再利用投资资产后的产出优化中部原有产业结构，增强区域创新能力。这与武汉、郑州、合肥等二线城市近年以来发展速度与一线城市差距缩小甚至普遍反超的现实相符合。西北地区新疆、西藏、青海、甘肃等地由于国家对西部地区的持续投入，也处于“一带一路”沿线经济带，近年以来空间正相关性也在逐步体现。这表明国家对西部高技术企业大力支持使得地区投资获得更多政策绿色通道，在低成本、低税收和高政策扶持的情况下西部高技术企业结合国家对西部区域性支持进行投资，各政策项目落实针对西部大环境，使得西部地区的相互联系紧密，空间上的正相关性明显。

综上所述，就中国在高技术企业投资情况来看，集群模块化较为明显，东中部几个相邻省份集聚，西部几省也出现“抱团”式集聚现象，表明本地区高技术企业投资的发展对周围省域存在辐射力。在区域经济一体化的浪潮下，高技术企业投资的中东西部“多点开花”效应表明无论是落后地区还是发达地区，都存在空间正相关。资本在区域的快速流动使得尽管是西部落后地区也不一定要以发展农业为主，高技术企业投资应无地域之分，同样值得重视。在发展高技术企业投资的同时，考虑地区自身情况因时因地差别化把握高技术企业发展方向。基于此，本文提出以下建议：

首先，从国家支持高技术企业投资的宏观环境来看，应结合科技创新与我国产业发展的比较优势，对生产社会迫切需要产品的创新型高技术企业投资，制定优厚的减税、低息贷款和财政补贴等扶持政策；对于传统高技术产业项目投资，以稳定基础科技投资为前提，淘汰非必要科技投资，优化高技术产业投资标的；对于潜在需要科技创新的项目投资，则利用市场对风险及未来收益预期特点，更多发挥市场的作用。以达到优化高技术企业和产品的供给结构的成效。

其次，从区域高技术产业发展来看，东部发达地区可以利用其资源优势增加高技术企业投资，通过加强创新以提升边际产出来提高经济增长效率；同时，中西部地区也可以利用劳动力成本、土地成本、政策扶持等优势大力发展高技术企业，释放其生产力以进一步促进本区域经济发展。处于集聚条件下的省区，应积极探索高技术企业投资空间流动方向是否趋向于区域经济增长快速地域，及其集聚前后高技术企业投资效率的变动是否因为集聚变得高效。而处于扩散条件下的省区，应主要探索投资的溢出对其他地区产生的正外部性强弱与本地区由于投资空间溢出产生的代价，及其两者之间的综合效果。当处于不相关条件下的省区，应研究造成高技术企业投资无法跨区域流动的主要壁垒因素，如是否由于高技术企业投资标的具有本土特征等，以充分把握地方特色，寻找科技创新的最优路径，实现区域经济增长。总体而言，应利用高技术企业投资空间相关性特征，加强区域之间投资的良性互动，缩短资本投入与产出中间程序，提高科技金融产出效率。

再次，从高技术企业投资标的来看，把握高技术企业投资趋利性特征，利用投资标的外部传导性，即相邻省份的高技术企业投资对本地区投资的空间影响性，降低投资标的投入成本及进入门槛，增加投资性专利产出，增强企业利润的循环“造血”功能。

最后，从高技术企业投资结构来看，应考虑不同地区之间的结构性差异。对于东部地区，在以资本、技术密集型产业发展过程中，加强政策资金杠杆，合理引导高技术企业投资方向，避免因过度集聚产生的空间扩散效应，使得高技术企业投资成本上升、竞争过于激烈等，造成资源错配等问题。对于中部地区，一方面，以地方发展为导向，调整高技术企业投资结构以保证投资产出有效转化为生产力；另一方面，做好由东部地区发起的产业转移承接工作，利用东部产业转移带来的科技投资加入地方特色，在地方原有高技术产业投资结构基础上融入新的因素，淘汰或者转移不适合本地区域发展的产业。对于西部地区，应考虑西部集聚优势及西部与东部高技术企业投资结构差异，发展高技术企业对现代农业科技与基础工业科技投资，为地区经济引擎增添动力。