科技金融投入对高质量发展的门槛效应研究

■刘传哲，管方圆

本文以2008～2017年我国30个省市自治区的面板数据为样本，运用面板门限模型，分别以研发人员投入、科技金融投入指数、政府的科技投入以及风险投资占比为门限变量，研究科技金融和高质量发展的非线性关系。研究结果显示：存在一个研发人员投入和风险投资占比的最佳区间，使得科技金融投入对高质量发展的促进作用最强；随着科技金融投入指数的增加，科技金融投入对高质量发展的作用由“抑制”变为了“促进”，呈“U”型变化；随着政府科技投入强度的增加，科技金融投入对高质量发展的作用呈“N”型变化，即“促进-抑制-促进”。根据上述结果，本文提出针对性的建议以推动高质量发展。

一、引言与文献综述

党的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。创新发展包括科技创新、人才创新以及金融创新等等。当前我国经济增长的驱动力正在经历由要素驱动向创新驱动转变，经济增长也由高速度增长逐步向高质量发展转化。其中，科技创新往往会直接推动生产率提高、产业升级，而金融业作为调节资源配置的重要渠道，通过资金流向从而促进技术进步，科技和金融的融合，有利于“创新驱动发展”。

科技金融激励了创新，创新驱动的发展推动我国实现高质量发展。具体来说，一方面，科技金融投入带来了技术进步，促使专业化分工，带动劳动生产率提高，直接推动了经济增长效率。重大的技术进步甚至还有可能实现产业结构的优化升级，从而推动高质量发展。另一方面，发达国家向发展中国家进行技术转让。发展中国家通过模仿学习外国的先进技术，用先进技术替代本国落后技术，并且在此基础上进行创新，进一步带动技术进步，提高劳动生产率，即通过技术溢出效应提高本国的经济增长质量，实现高质量发展。

从理论研究视角看，科技金融的定义目前尚未统一，最具权威并为广大学者普遍接受的定义是赵昌文等（2009）在《科技金融》一书的表述：“科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策与金融服务的系统性、创新性安排，是由向科学与技术创新活动提供融资源的政府、企业、市场、社会中介机构等各种主体及其在科技创新融资过程中的行业活动共同组成的一个体系”。而“高质量发展”一词最早出现在十九大报告中，中国经济由高速增长阶段向高质量发展阶段转变，表明高质量发展将成为我国未来较长时间的发展目标。宁吉喆（2018）系统详细地阐述了高质量发展的内涵，认为要想实现高质量发展就要以创新作为动力、协调作为内生动力、绿色作为普遍形态、开放为必由之路、以共享作为根本目的。这为本文构建的高质量发展体系提供了一个理论基础。

已有的关于科技金融的研究大多集中在科技金融指数的构建上，但在指标体系和研究方法上存在较大的差异。比如：王健（2018）通过使用DEAMalmquist 方法测度了全国各个省市的科技金融的结合效率；龙云飞等（2018）利用主成分分析、数据包络法和Moran指数结合的方法计算了全国各个省市科技金融的发展效率，得出大部分地区科技金融发展效率低同空间发展不均衡的结论；周柯和郭凤茹（2019）从四个维度全面测度科技金融的发展状况，使用复合熵权法得到中部六省的科技金融指数并进行了比较；王海芸和刘杨（2019）创新地将环境引入科技金融指标体系中，使用较多指标力求全面测度科技金融水平。还有部分研究集中在研究科技金融与科技创新的关系上，戚湧和郭逸（2018）用协整检验和格兰杰因果检验探讨了科技金融与科技创新的互动机理，并据此提出了相关的建议；张芷若和谷国锋（2019）构建了科技金融与科技创新的耦合协调关系，并利用空间计量探讨省级空间差异。还有些学者研究科技金融的影响因素，薛晔等（2017）从投入的角度，通过熵权法和贝叶斯随机前沿模型测算了各个投入的影响差异；章思诗和李姚矿（2017）运用DEA-Tobit 模型从高技术企业、政府和创投企业三个视角探讨影响因素；童纪新和曹越美（2018）测度了“一带一路”周边国家的科技金融效率，探讨了空间分布并且利用Tobit模型分析影响因素。

当前国内关于科技金融和高质量发展或者经济增长质量的文章并不多，而且大多从宏观的角度进行讨论的，实证研究文章较少。谢廷宇和叶存军（2017）发现金融创新与经济增长质量的协调度较低，并且指出协调度较低的原因。刘晓娟（2017）对金融创新影响我国人均GDP增长、经济增长方式及稳定性质量进行实证分析，认为在短期里，金融创新会抑制人均GDP 和经济增长质量的提高，在长期，金融创新对我国人均GDP增长与经济增长方式质量的提高均有反向调整修正作用。何宏庆（2018）提出科技金融在推动高质量发展的过程中会面临很多困难，比如相关政策法规不完善、服务平台共享不足、融资模式单一等问题，因此提出了要加强法制建设、培养复合型人才等对策。谷慎和汪淑娟（2018）对科技金融投入影响经济增长质量的机理进行了深度分析，并且利用固定效应变系数面板模型探究其时空异质性。

由此可见，已有研究探讨了科技金融与经济增长质量之间存在线性关系。但是，科技金融对高质量发展的作用不一定是线性的，因为一些外部因素的存在可能会使科技金融对高质量发展的作用强度发生改变。比如：适度的政府干预会更有利于科技金融对高质量发展的促进作用，而干预力度加大则会起到反作用。因此，本文假设科技金融与高质量发展之间存在着一种非线性关系，那么政府在科技方面应该投入多少对高质量发展最有利？风险投资是否存在最佳投入区间？研发人员是不是越多越好？基于此，本文将我国30 个省市自治区作为研究对象，对提出的问题进行研究，加深对科技创新作为经济高质量发展根本动力的理解，为我国更好地制定和实施科技金融政策提供借鉴。

二、理论假设

（一）科技金融与高质量发展

当科技金融投入水平较低且在不断发展时，由于科技金融投入体系较不完善，科技金融体系的发展过程需要政府部门、金融机构等多部门共同协调配合。改善科技金融环境的效果也不能立竿见影，且从科技金融投入到实现成果化更需要耗费大量的时间（谷慎等，2018）。那么在这个过程中，科技金融投入在不断加大，但是可能并没有带来短期显著的经济增长质量的增长反而成本在不断增加，因此在这一时期，科技金融对高质量发展可能会具有负向影响。

当科技金融投入水平达到一定程度时，科技环境氛围良好，同时融资渠道多元化，科技与金融结合，金融为科技进步提供充足资金支持，科技进步为金融提供了高收益并激励金融创新（李政青，2018），二者实现良性互动，从而打造出优越的科技金融生态环境，推动技术创新。而创新作为引领发展的第一动力，带动技术进步，提高了资源的配置效率和生产率，丰富人们的物质生活。因此，在这一过程，科技金融显著促进了经济的高质量发展。

基于此，本文提出假设1：在控制其他变量的前提下，科技金融与高质量发展呈现“U”型关系。

（二）科技金融、风险投资与高质量发展

科技金融对高质量发展的影响机制可以分解为两步，即科技金融对技术进步即技术创新的影响和技术创新对高质量发展的影响。参照已有的Peneder（2010）和冯照桢（2016）对风险投资和科技创新的研究，风险投资对科技创新的作用主要是通过三条路径进行传导，如图1所示：提供具有选择效应的融资服务、提供增值服务以及盘剥效应。首先，风险投资企业通过搜集信息筛选投资对象，为其提供充足的资金进行技术研发；此外，风险投资企业往往还会对投资对象提供风险控制、管理、人才等方面的顾问等服务，给予企业全方位的支持；而盘剥效应又通过独占创新思想、为了短期利益减缓创新、专利的排他行为等对科技创新产生一定消极影响。

图1 风险投资对科技创新的传导机制

当风险投资存量较小时，风险投资很难通过上述三个路径对科技创新产生影响。小规模的风险投资存量很难为企业解决融资问题；另外，即使进行了投资，也会因为存量小，缺乏对企业的重大决策的话语权。由于信息不对称，在风险投资存量小时，投资声誉机制较不健全，无法寻觅到较好的风险投资者。一旦进行了风险投资，那么风险投资者的盘剥效应会制约企业的技术创新。因此，基于上述原因，较小的风险投资会在一定程度上制约科技金融对高质量发展的促进作用。

当风险投资存量开始扩大时，行业规模的扩大会加剧风险投资机构对投资对象投资的竞争程度，缓解信息不对称现象。那么对于有潜力的企业而言不仅更容易获得融资，而且还可以对风险投资机构进行选择，从而推动科技金融促进技术创新，进而对高质量发展发挥强烈的积极作用。而当风险投资规模过大时，风险投资机构的选择效应就会减弱，可能会投资于发展前景并不好的项目，从而这就降低了风投机构的风险投资效率，削减了他们的预期收益。为了对减少的收益进行补偿，那么风险投资机构会加大对企业的盘剥，从而反过来又会抑制创新，因此科技金融对高质量发展的促进作用又会减弱。

基于此，本文提出假设2：当以风险投资为门槛变量时，科技金融对高质量发展的边际增量存在最佳区间。

（三）科技金融、政府的科技投入与高质量发展

政府的科技投入可以分为政府的直接资助与间接资助。其中，直接资助指的是政府给予企业的补助被企业用于科技研发，间接资助则是指政府对高等学校或科研院所给予的补助。这两种资助都会存在促进和抑制两方面的作用。

图2 政府资助对科技创新的传导机制

政府对企业的直接资助可能会提高企业的边际收益，从而激励企业增加投资，通过投资乘数的放大，企业的产出会加倍增加，促进社会的产出增加，进而有利于我国的经济增长。而政府对科研机构的资助则会帮助企业减少研发环节，节约企业研发成本。同时，还可以为企业输送研发人才，这些都可以帮助企业提高研发效率。

但是，朱平芳和徐伟民（2003）的实证结果显示当政府资助水平上升到一定程度时，政府补助的促进作用反而下降。这有可能是由以下几个原因导致。首先，政府直接资助可能会对企业的科技投入产生“挤出效应”，从而企业自身的科研投入降低，反而可能引起科研投入总量的下降，不利于科技创新。另外，未获得政府资助的企业可能会更容易放弃开展类似研究，从而不利于营造竞争环境，降低社会福利。此外，Guellec D（2003）认为政府的直接和间接资助都会增加企业对研发资源的需求，从而抬高了社会中研发资源的价格，导致研发成本上升，抑制技术创新，进而也不利于经济的高质量发展。

基于此，本文提出假设3：当以政府的科技投入为门槛变量时，科技金融与高质量发展呈现“倒U”型关系。

（四）科技金融、研发人员与高质量发展

当研发人员投入水平较低时，整体研发能力有限，此时增加科技金融的投入的会形成部分资源闲置，降低科技金融的利用效率，对高质量发展的促进作用有限。当科研人员投入增加时，研发人员的整体科研承载力和科研素质也随之增加，这加快了创新产出，不仅促进了产出数量的增加，还提高了科研成果质量，提高了科研效率，并进一步促进科研成果的转化与吸收，促进产业技术进步，极大地促进了科技金融投入产出率的提高，对高质量的发展有更为显著的促进作用。

当研发人员投入进一步增加时，过多的人员相对于有限的科研需求会造成人员冗余的现象。一方面，这会造人力资本利用率降低，降低单位科研人员的生产率，使企业整体科研效率降低，进而使一定的科技金融投入没有得到预期的产出，限制了对高质量发展的促进作用。另一方面，研发人员成本支出的上涨会对企业造成巨大的负担，不仅降低了企业利润，而且还会影响企业整体人员和资本结构，对企业的研发投入形成消极作用，不利于科技金融促进高质量发展。

基于此，本文提出假设4：当以研发人员投入为门槛变量时，科技金融对高质量发展的边际增量存在最佳区间。

三、研究设计

（一）变量选取与数据来源

1.被解释变量

高质量发展指数（HIGHi，t）。根据十九大报告及宁吉喆（2018）对高质量发展的系统阐述，本文从综合指标、创新发展、协调发展、绿色发展、开放发展、共享发展六个方面建立指标体系，以尽可能全面地覆盖高质量发展的内涵。体系构建如表1 所示：

表1 高质量发展指标体系

关于权重的设置，考虑到不同省份的基本情况差异较大，本文对30 个省市分别采用熵权法赋权，从而更好地客观反映不同省份的真实情况。得到权重后，再用权重乘以标准化后的数据矩阵，即得到了高质量发展指数。

2.核心解释变量

科技金融投入指数（TECi，t-1）的滞后一期。 根据赵昌文对科技金融的定义，本文从科技金融外部融资的三个渠道构建了科技金融投入指标体系，分别是政府渠道、金融机构渠道、风险投资渠道，如表2所示。

表2 科技金融投入指标体系

值得注意的是，科技金融支持的主要行业是高新技术产业。在高新技术产业中，中小企业占绝大部分，而上市的高新技术企业中，中小企业占比则相对较低。此外，资本市场资金来自全国各地，无法按照省份划分资本市场的资金来源。考虑到这两点，本文没有将资本市场融资渠道包含进去。另外，从科技金融投入到生产率提高的这个过程，往往需要较长时间，即科技金融的投入往往具有滞后效应。因此，本文将科技金融投入的滞后一期引入模型作为核心解释变量。

由于各个省份的科技金融投入方式的差异较大，本文对科技金融投入的赋权采用与高质量发展指数相同的方法，即分省份采用熵权法赋权。权重得到后，再乘以相应的标准化矩阵，就得到了科技金融投入指数。

3.主要控制变量

参考白俊红和王林东（2016）控制变量的选取，本文选择了以下控制变量。

（1）经济开放度（OPENi，t）。本文以外贸依存度来衡量经济开放度，外贸依存度计算公式如下：

IMPORTi，t表示第i个省份在第t年的进口总额；EXPORTi，t表示的是表示第i个省份在第t年的出口总额；GDPi，t表示第i个省份在第t年的国民生产总值。

（2）劳动力素质（EDUi，t）。本文以劳动力平均受教育年限来表征劳动力素质。劳动力平均受教育年限采用公式（2）来计算。其中，MNi，t表示的是文盲、半文盲的就业人口比重；XNi，t表示的是接受小学教育的就业人口比重；CNi，t表示的是接受初中教育的就业人口比重；GNi，t表示的是接受高中教育的就业人口比重；ZNi，t表示的是接受大专及以上的就业人口比重。

（3）基础设施建设（ROADi，t）。本文选择公路里程数来代表基础设施建设的水平。

（4）政府干预（GOVi，t）。在我国，政府干预对经济发展发挥了重要作用。本文采用政府财政支出占国民生产总值的比重表示政府干预。

4.门限变量

本文选择了四个门限变量：（1）风险投资占比（VCi，t）。风险投资占比用各地区风险投资额（按当年汇率的年平均价换算成人民币）占国民生产总值的比重代表。（2）科技金融投入指数（TECi，t-1）。科技金融投入指数同时作为核心解释变量，上文已详细阐述。（3）研发人员投入（PIi，t）。本文选择研发人员全时当量来衡量研发人员的投入。（4）政府科技投入（TECGOVi，t）。政府科技投入用地方财政科学技术支出与地方财政一般预算支出之比进行测度。相关变量的描述性统计见表3。

鉴于数据的可得性，本文剔除了西藏、香港、台湾和澳门的相关数据。样本选择为2008～2017年全国30个省（市、自治区）的面板数据。为了消除异方差影响，对上述变量中的绝对量——劳动者素质（EDUi，t）、基础设施建设（ROADi，t）和研发人员投入（PIi，t）进行了对数化的处理。实证分析采用STATA 15软件。数据来源于《中国统计年鉴》《中国科技统计年鉴》《中国金融年鉴》、国家统计局网站、Wind数据库等。

表3 变量的描述性统计（N=300）

（二）模型设定

为了探究我国科技金融投入对经济增长的作用，本文建立下列基础模型：

其中，i 代表省份，t 代表年份；被解释变量HIGHi，t表示的是高质量发展；核心解释变量TECi，t-1代表科技金融投入指数；Zi，t代表一组控制变量，即经济开放度（OPENi，t）、劳动力素质（EDUi，t）、基础设施建设（ROADi，t）、政府干预（GOVi，t）；μi表示个体固定效应项；εi，t表示随机扰动项。

为了探究我国科技金融投入与经济增长之间的非线性关系，本文建立单一门限模型和双重门限模型。单一门限模型的设定如下所示：

其中，i 代表省份，t 代表年份；qi，t表示任一门限变量，在本文中即风险投资占比（VCi，t）、科技金融投入（TECi，t-1）、研发人员投入（PIi，t）、政府的科技投入（TECGOVi，t），γ表示门限值，μi表示个体固定效应项；εi，t表示独立同分布的随机扰动项，且与TECi，t-1不相关，δ不受门限值的影响。合并成一个式子，即：

其中，I（·）为示性函数。

门限模型的参数估计值通过计算残差平方和S1得到。残差平方和的计算按照下列式子进行：

而门限值的估计值应该取使得残差平方和达到最小值处的门限值，也就是：

类似的双重门限模型设定如下：

其中，门限值γ1＜γ2，合并成一个式子：

示性函数I（·）可表示为下列几种情况：

变量含义同单一门限模型，在此不再赘述。

四、实证分析

在进行模型估计之前，本文首先进行面板平稳性检验，采用LLC 检验、IPS 检验、Fisher-ADF 检验及Fisher-PP 检验，结果均表明。所有变量在5%的置信水平下都是平稳的，可以进行模型的估计。

（一）门限值的确定

在探讨我国科技投入与高质量发展的非线性关系时，本文对前述的四个门限变量即风险投资占比（VCi，t）、科技金融投入指数（TECi，t-1）、研发人员投入（PIi，t）和 政 府 科 技 投 入（TECGOVi，t），采 用Bookstrap 方法抽样300 次，得到各门限变量对应门限个数的显著性结果，如表4所示。

表4 门限个数的显著性检验

具体来看，第一，当门限变量为研发人员投入时，单一门槛在5%的水平下显著，双重门槛则在1%的显著性水平下成立，所以本文采用双重门限模型进行分析，得到门限值分别为8.4345 和8.5936。第二，当门限变量为科技金融投入指数时，单一门限在5%的水平下显著，且门限值为0.01。第三，当门限变量为政府的科技投入时，选择双重门限模型，且门限值均在1%的水平下显著。两个门限值将区间划分为三个部分，分别是政府的科技投入占比小于0.0132，大于0.0132 小于0.0149 和大于0.0149。第四，当门限变量为风险投资占比时，单一门限在1%的水平下显著，而双重门槛则在10%的显著性水平下成立，门限值分别是0.0048 和0.0060。各门限变量的门限值及置信区间统计如表5所示。

表5 门限估计值和置信区间

（二）模型回归结果

本文首先将选定的门槛变量分别加入到基础模型中去，观察各个变量对高质量发展的线性影响。然后，根据豪斯曼检验确定四个线性模型均采用固定效应模型。同时，用面板门限模型考察在各个门限变量的取值在不同区间内，科技金融投入对高质量发展分别有什么不同的影响，再进行具体分析。另外，通过比较固定效应模型和门限模型的估计结果，也可以检验门限模型的稳健性。

结果如表6所示，当以研发人员为门限变量时，由线性模型可知，研发人员投入和科技金融投入对高质量发展的影响均是正向的，且分别在5%和1%的水平下显著，但是研发人员对高质量发展的促进作用较小。控制其他变量不变时，研发人员投入上升1%，平均说来，高质量发展指数变动0.000692 个单位；控制其他变量不变，科技金融投入指数上升1个单位，高质量发展指数平均提高了2.291 个单位。门限模型结果显示，当用人员全时当量衡量的研发人员投入小于e8.4345时，在1%的显著性水平下，科技金融投入对高质量发展影响的弹性为1.99；当研发人员投入大于e8.4345，但是却小于e8.5936时，科技金融投入1 个单位，高质量发展指数提高2.737 个单位，此时弹性最大；当研发人员投入超过了e8.5936时，弹性为1.78，且均在1%的水平下显著。通过比较这两个模型，可以看到控制变量的取值相近，符号没有发生变化，说明该门限模型是稳健的。这种变化可能是由于当研发人员较少时，创新能力较低，创新成果较少，无法高效推动高质量发展；当研发人员过多时，一方面，研发人员冗杂，研发相关成本增加，另一方面可能会存在“搭便车”等偷懒行为，这时如果不能很好地解决研发效率问题，会阻碍创新，不利于高质量发展。

表6 以研发人员投入为门限变量的模型参数估计

当以科技金融投入指数为门限变量时，如表7所示，由线性模型可知，在1%的统计水平下，科技金融投入对高质量发展起着促进作用。在控制其他变量不变的情况下，科技金融投入指数提高一个单位，高质量发展指数提高2.858个单位。具体来看，当科技金融投入指数小于0.01时，科技金融投入指数每增加一个单位，高质量发展指数降低2.98个单位，并且在10%的水平下显著；当科技金融的投入大于0.01 时，在5%的统计水平下，科技金融投入指数对经济增长的弹性会提高到3.568。另外，比较两个模型变量的系数，系数大小十分相近，因此该门限模型是非常稳健的。也就是说，科技金融投入对高质量发展存在一个阈值，在小于这个阈值时，即当科技金融的投入程度比较低时，此时风险投资不活跃、政府对科技投入强度不够、资本市场的不完善和各部门协调需要较长时间等因素都会阻碍科技创新，进而可能造成在开始时科技金融对高质量发展是抑制作用。当科技金融投入程度大于这个阈值时，即随着我国经济水平的提高，国家对科技支出力度加大，融资渠道多元化，科技金融生态环境改善，科技金融对高质量发展的促进作用就比较显著了（谷慎等，2018）。

表7 以科技金融投入指数为门限变量的模型参数估计

当以政府科技投入为门限变量时，结果如表8所示，线性回归结果说明了政府的科技投入和科技金融投入指数对高质量发展都具有显著的正向影响。在控制其他变量不变的情况下，政府的科技投入上升一个单位，高质量发展指数平均提高1.003个单位，并在1%的水平显著。控制其他变量不变，在5%的统计水平下，科技金融投入指数上升一个单位，高质量发展指数平均下降4.5071个单位。可以看出，作为科技金融投入指数的一部分，政府的科技投入给高质量发展带来的影响是积极的，而整体的科技金融投入指数的作用却是反向的。双门限回归表明，在政府的科技投入小于0.0132 时，科技金融投入指数提高一个单位，高质量发展指数提高4.8237 个单位，但是这个影响仅在10%的水平下显著。当政府的科技投入大于0.0132 小于0.0149 时，在1%的显著性水平下，科技金融投入指数会抑制高质量发展指数，且抑制作用较强，为-13.3735。当政府的科技投入大于0.0149时，科技金融投入每变动一个单位，高质量发展指数会提高0.5045 个单位，但是该变动并不显著。由这个结果可知，当政府的科技投入小于第一个门限值时，科技金融能够推动高质量发展且促进作用较大，一旦超过第一个门限值，科技金融会抑制高质量发展。即使达到了第二门限值，促进作用也是非常微弱的。比较两个模型的变量系数，除了GOVi，t大小有较大差异但是符号并没有发生变化，其他控制变量的数值都相近，所以模型稳健性较好。在开始时，政府的科技投入资源有限，资源的利用效率较高，且政府补助会进一步激励企业的投资，促进产出加倍增加；但是一味地提高政府的科技投入，不仅可能会出现资源错配、贪污腐败等乱象，降低资源的配置效率，而且还会对企业的研发投入产生“挤出效应”，反而可能造成研发投入总量减少，且抬高了研发资源的需求，使得研发成本上升，不利于科技创新和经济的高质量发展（李瑞茜，2014）。政府针对这些乱象进行约束和治理后，政府的科技投入对高质量发展又起到了推动作用，但是由于这些现象无法根治，因此资源的利用效率仍然达不到最好的效果，科技金融对高质量发展最后呈现不显著的促进作用，呈现“N”型，研究假设3不成立。

表8 以政府科技投入为门限变量的模型参数估计

当以风险投资占比为门限变量时，结果如表9所示，个体固定效应模型结果显示，风险投资占比和科技金融投入对高质量发展在1%的统计性水平具有显著的影响。在控制其他变量不变的情况下，风险投资占比提高一个单位，高质量发展指数下降5.911个单位，这种现象有可能是由于风险投资带来的“盘剥”效应大于“融资支持”效应（冯照桢等，2016）。控制其他条件不变，科技金融投入指数提高一个单位，高质量发展指数平均上升9.061 个单位。具体来看，双门限模型表明，当风险投资占比小于0.0048时，科技金融投入指数对高质量发展指数的弹性为5.425；当风险投资占比大于0.0048但小于0.0060 时，科技金融投入指数上升一个单位，高质量发展指数平均上升10.713个单位；当风险投资占比大于0.0060时，科技金融投入指数对高质量发展的促进作用会减弱，且上述结果均在1%的水平下显著。比较两个模型，可以发现控制变量的数值大小相近，符号未发生变化，因此可以判断该门限模型具有较强的稳健性。造成这个结果的原因有可能是当风险投资占比较小时，风险投资的融资支持作用和决策权都较小，且存在盘剥效应。当风险投资占比提高，风险投资行业竞争的加剧使得信息不对称现象得到缓解，从而潜力企业更容易获得融资。风险投资占比更大时，风险投资会分割投资对象较多的利润甚至会为了当前的利益阻止企业进行进一步地创新（冯照桢，2016），做出不利于企业可持续发展的决策，从而促进作用减弱。

表9 以风险投资占比为门限变量的模型参数估计

其次，综合上述模型估计结果，分析各个控制变量对被解释变量的作用。第一，在1%的显著性水平下，基础设施建设（ROADi，t）对高质量发展起着非常显著的促进作用。基础设施建设资金多来自于政府投资，因而能够拉动经济的增长。另外，完善的基础设施建设便捷了人力、资本要素的运输，提高经济增长效率，产生经济的外溢效应；第二，在5%的显著性水平下，经济开放度（OPENi，t）对高质量发展起着比较显著的促进作用。对外开放主要通过技术溢出，促进技术的进步。吸引外商投资推动经济增长，或者根据“干中学”理论，劳动者不断积累经验，提高生产率，带动了高质量发展；第三，政府干预（GOVi，t）对高质量发展的促进作用在10%的统计水平下显著。我国市场机制不完善，信息不对称现象较为严重，政府作为信息优势方，通过干预可以提高资源的配置效率。适当的政府干预还可以提高投资者的信心，促进民间投资；第四，在以上的参数估计中，劳动力素质对高质量发展具有抑制作用，但是从统计意义上来看并不显著。这可能是因为人力资本对经济增长质量提高具有一定的滞后作用，导致系数为负及结果不显著。

五、结论与政策建议

本文以科技金融投入、研发人员全时当量、风险投资占比、政府的科技投入为门槛变量，运用门限模型，分析我国科技金融投入与高质量发展的非线性关系，得到如下的结论：

第一，科技金融与高质量发展呈“U”型关系。即科技金融投入对高质量发展存在一个阈值：在小于这个阈值时，科技金融对高质量发展是抑制作用；当大于这个阈值时，科技金融对高质量发展的促进作用就比较显著了。

第二，高质量发展存在研发人员门槛效应。当研发人员投入大于e8.4345，但是却小于e8.5936时，科技金融投入1 个单位，高质量发展指数提高2.737 个单位，这时的科技金融对高质量发展指数的促进作用是最强的。在其他两个区间，虽然科技金融也能推动高质量发展，但是其促进作用较弱。

第三，高质量发展存在风险投资门槛效应。风险投资占比存在一个最优区间[0.0048，0.0060]，在这个区间里，科技金融投入对高质量发展的促进作用最强。

第四，高质量发展存在政府的科技投入门槛效应。随着政府的科技投入的增加，科技金融与高质量发展指数呈“N”型，即先促进，后抑制，最后又变成了不显著的促进作用。政府的科技投入占比在不超过0.0132时，科技金融的促进作用最强。

基于以上结果，本文提出如下几点政策建议：

第一，为了推动我国高质量发展，政府要推动科技和金融的有机结合。尽管短期来看，科技金融可能不利于经济高质量发展，但是从长期看，科技金融提供了资金支持，带动了科技创新，为技术进步提供了强有力的推动力。因此，政府要加大科技金融的支持和引导力度，不仅要激励企业创新，还要鼓励金融行业在提供资金时优先向技术密集型行业或者研发投入活动倾斜，为处于初创期的企业研发活动解决融资问题，促进科技和金融的深度结合。

第二，在不同的研发人员水平下，科技金融投入与高质量发展的非线性关系，要求我国适度扩大研发人员数目，在保证研发人员管理效率较高的情况下，增加研发经费，保证设备仪器能够满足科研的需要，协调好人员之间科研经费的使用，使经费的产出效率最高。同时，研发人员也有必要提高自身素质，打造一支高素质研发团队，提高高素质研发人员的占比，提高企业的创新能力。

第三，风险投资对于创业初期企业作用重大，尤其是高科技行业。一方面，风险投资企业要建立良好的筛选系统，筛选优质客户，完善服务业务，提高风险投资的资本外效应。另一方面，政府要为企业构建良好的风险投资环境，建立健全风险投资的相关法律法规制度，完善风险投资的配套制度，建立完善的退出机制，为风险投资企业提供保障。

第四，在不同的政府科技投入下，科技金融投入与高质量发展的关系呈“N”形。政府要加大研发活动的支持和引导力度，激励企业创新的同时，防止信息不对称和监管不到位造成的乱象丛生，从投入管理体制和激励监督机制中加强治理。比如：要提高科研经费的发放集中度，做到主次分明，经费的发放应向重点领域倾斜；客观严格和细致地筛选有潜力的项目，减少人情项目和没有意义的小项目；加强科研经费的管理，建立经费使用追踪记录并向社会公开，提高透明度，避免监管逃避行为的发生。