科技金融对高技术产业科技创新的影响研究

贾 臻， 万 芸， 黄荣斌

(广东工业大学 经济与贸易学院， 广州 510000)

科技创新是国家发展的强劲动力，而高技术产业的发展从国家战略角度来说更是重中之重。高技术产业的创新离不开资本的支持，高科技产业自身具有高风险、高利润的特性，资本的引入起到了分担创新风险、加速产业创新的作用。国际贸易形势依然严峻，中美贸易摩擦愈演愈烈，因此如何提高高技术产业的科技创新能力、占据高技术产业链上游地位成为了重要问题。十三五规划提出，科技创新在经济发展中起到了重要作用，要大力发挥科技创新在经济发展中的引领和支持作用，在加强自主创新能力的同时，加快推动基础学科建设和引进消化吸收再创新，为经济社会发展提供持久动力。人才是创新的重要资源，要促进人才有序流动，激发人才创新创业活力。《关于促进科技和金融结合加快实施自主创新战略的若干意见》提出科技创新能力的提升与金融政策环境的完善是加快实施自主创新战略的基础和保障。促进科技和金融结合是支撑和服务经济发展方式转变和结构调整的着力点。因此，研究科技金融对高技术产业科技创新的作用对我国经济发展有着重要意义。

1 文献综述

国外学者从很早就开始研究金融对科技创新的影响，但没有形成科技金融的概念，而是分别从信贷市场、银行贷款等多个角度对国家、产业、企业等层面进行多维度分析。最早的研究起源于Schumpeter1，他认为金融业的发展对企业创新起到了重要作用，两者存在密不可分的联系。King&Levine[2]发现银行对科技企业加大资金投入，可以促进科技创新；通过完善多层次资本市场体系能够促进科技创新。Giannetti[3]认为银行信贷投入对企业技术创新起到了促进作用。Chowdhury和Maung[4]对发达国家和新兴市场国家进行了实证研究，结果表明完善的资本市场可以显著促进企业科技创新和技术研发。

国内学者从科技金融的内涵和作用机制进行研究。赵昌文[5]对科技金融进行了详细解释，他认为科技金融是金融与科技相互融合，为促进技术研发、科技成果转化做出的金融政策创新、金融工具创新、金融服务创新和金融体系创新。房汉廷[6]认为科技金融本质有4个方面：科技金融是科学技术和知识转化为商业财富的一种创新活动；是一种技术——经济范式，科技创新是引擎，金融是经济发展的燃料；是金融资本推进科技创新产业化的过程；是同质化金融资本通过科学技术异质化配置而获取高附加回报的过程。周昌发[7]从制度角度出发，认为我国市场机制尚且不完善，无法保障科技金融的有效配置，必须加强制度引领和制度建设，推动科技与金融的融合，弥补市场机制不足，推动企业科技创新，推动经济的可持续发展。

实证分析方面，部分学者从企业、政府、资本市场等多个角度研究科技金融对科技创新的影响。毛茜和赵喜仓[8]从资本市场角度出发运用IS-LM模型证明科技金融能够助推科技型中小企业的科技创新，促进实体经济持续稳定发展。叶莉等[9]用我国中小板、创业板上市科技型中小企业面板数据，证明在资本市场中政策性、自主型资金均对企业的科技创新起到了促进作用。江湧[10]认为，现阶段科技金融投入存在冗余情况，需要对科技金融结构进行优化升级，实现协调发展。高慧清[11]用C-D函数对河南省面板数据进行实证检验，认为企业自有资金对科技创新的支持作用最为显著，资本市场和政府财政科技投入等对科技创新的支持效果稍显不足。刘湘云和吴文洋[12]运用哈肯模型证明广东省科技金融与高技术产业相互促进，协同发展。

国内外学者对科技金融的研究首先集中于国家层面，后来拓展至省市和企业层面，而对高技术产业的研究相对较少。其次，大部分学者采用与专利、技术市场成交额等相关的单独指标作为代理变量，无法全面衡量科技金融对科技创新的影响作用。本文参考徐玉莲等[13]的研究，将科技创新分为三个阶段进行分析。首先，本文使用数据包络分析法(DEA)去衡量科技金融投入效率，研究我国不同省份高技术产业中科技金融投入与科技创新产出的关系。其次，在前人研究的基础上，本文依据科技创新的特性将其分为三个阶段，依次为技术的开发阶段、技术的市场化阶段以及技术的国际化阶段，检验不同科技金融投入在各科技创新阶段的作用，基于实证结果，给出相应的政策建议。

2 DEA模型及实证分析

2.1 DEA模型

数据包络分析法(DEA)是一种基于投入产出数据的非参数前沿效率系统分析方法。DEA的中心是“相对效率”，即对多个指标投入与产出的相同决策单元(DMU)进行评估。DEA模型无需预先估计参数或者权重，避免了主观因素的影响。Banker、Charnes和Cooper提出了BCC模型，将固定规模收益的假定放宽为可变规模收益，即当不是所有的决策单元都以最佳的规模运行时，测算纯技术效率多大程度上影响了决策单元的技术效率。CCR模式下的技术效率可分解为BCC模式下的纯技术效率和规模效率。本文决定采用BCC模型进行测算。

2.2 变量选取及数据说明

1)科技金融投入变量选取。科技金融体系主要是由企业、政府、资本市场、社会中介机构构成，因此本文将分析企业、政府、资本市场、社会中介机构等四类科技金融投入对科技创新的影响。企业投入分为资金投入和人力资本投入。R&D经费内部支出中的企业资金指企业作为研发单位直接用于科技研发的投入，是科技金融投入的重要指标。人力资本是科技创新中的重要资源，在企业科技创新中发挥了重要作用，R&D人员全时当量反映了企业在科技创新活动中该年度的人力资本情况。政府科技金融投入取R&D经费内部支出中的政府资金衡量。根据芦锋和韩尚荣[14]的研究，采用创业风险投资机构数量衡量资本市场科技金融投入。根据张玉喜和赵丽丽[15]研究所述，决定采用社会资本衡量社会中介机构科技金融投入。严成樑[16]认为，信息共享和相互沟通是社会资本的重要特征，互联网逐步成为了人们获取信息的主要工具，互联网普及程度成为了衡量社会资本的关键因素，因此本文采用每万人互联网使用人数为指标衡量社会资本。

2)科技创新变量选取。本文取专利申请数量，新产品销售收入和高技术产业出口值衡量科技创新产出。

本文采用2016年高技术产业数据，由于数据可得性，选取我国除新疆、西藏、海南、宁夏等4个省份(不包括港、澳、台地区)共计27省市为样本地区。数据由《中国科技统计年鉴》、《中国高技术产业统计年鉴》、《中国创业投资发展报告》、EPS数据库整理得到。

2.3 实证分析

本文运用DEAP2.1对我国27省市科技金融效率的投入产出进行测算，如表1所示。

如表1所示，东部地区综合效率最高，为0.861，其次为中部地区，综合效率值为0.821，西部地区最低，仅为0.764。这一方面得益于东部地区汇聚了大量的科技金融资源，拥有大量的人才；另一方面，我国较早在东部地区开设了经济特区和沿海开放经济区，东部地区开放程度较高，促使东部地区相较于中部和西部地区在技术吸收和引进人才方面占据了领先地位。处于综合效率有效的省份有天津、山西、上海、江苏、安徽、江西、河南、广东、广西、重庆、四川、青海等12个省份，说明这几个省份高技术产业科技创新效率处于生产前沿面，科技金融与科技创新达到了最优配置。天津、江苏，上海、广东等省份市场经济较为发达，高技术产业发展相对成熟，同时企业管理水平与中部、西部省份相比较为领先，科技金融资源配置合理。中部省份山西、安徽、江西、河南以及西部重庆、四川、广西、青海等省注重高技术产业的发展，科技金融与科技创新高效率结合，实现了既定投入下产出的最大化。北京市综合效率均大于0.9小于1，处于投入产出的相对有效阶段，但其规模效率递减，适当减少部分科技金融投入可以达到产出的最大化。除开上述省份，其他省份的综合效率均在0.9以下，科技成果的转化率较低，处于投入产出相对无效阶段。内蒙古、吉林、黑龙江、福建、湖南、云南、陕西、甘肃等省份处于规模报酬递增阶段，适度加强科技金融的投入，可以加速高技术产业的创新，达到资源配置的最优化。北京、河北、辽宁、浙江、山东、湖北、贵州等省份处于规模报酬递减状态，说明这些地区虽然科技金融资源得到了一定程度的利用，但是由于金融体系发展不完善、科技金融资源与科技创新配置不合理等原因，导致出现科技金融资源冗余状况，需要对科技金融资源投入结构进行优化升级。中国高技术产业存在区域发展不平衡的问题，东部较为领先，中、西部地区相对落后。为了促进东、中、西部高技术产业的协同发展，一方面东部地区可以适当引导科技金融资源进入中部与西部地区，促进当地科技金融发展与高技术产业创新。另一方面，中部与西部地区要积极改善科技金融发展环境，大力推进人才引进战略，学习东部高技术产业发展经验，发挥后发优势提高科技金融与高技术产业创新的结合效率。

表1 中国不同省份高技术产业科技创新效率值

3 三阶段模型构建以及实证分析

3.1 指标选取和数据说明

洪银兴[17]认为，科技创新分为三个阶段，上游阶段即科学发现和知识创新阶段，中游阶段为孵化新技术阶段，下游阶段为采用新技术阶段。明洁等[18]从不同科技创新主体角度研究其对高新技术产品出口竞争力的影响。本文根据这些结论，将科技创新分为三个阶段，一是技术的开发阶段，二是技术的市场化阶段，三是技术的国际化阶段。

技术的开发阶段，通常是科研机构、团队发现某一类新知识或者新技术，具有广阔的市场前景。这一阶段技术创新具有较强外部性，风险高，资金需求量大。近年来，我国为了促进高技术产业的发展，出台了免税政策，并且给予了大量政府资金以支持技术的创新。一般而言，本阶段以企业自有资金和政府资金为主。不过由于该阶段的高风险性和不确定性，资本市场提供的资金有限且影响力可能是微弱的。

技术的市场化阶段，与开发阶段相比新的技术已经成型，需要将技术进行产品化投向市场。本阶段风险较高，不过一旦产品市场化取得成功，企业和资本市场就会取得巨额收益。在本阶段，企业的自有资金和资本市场投入占据了重要地位。政府资金一般具有引导作用，助推企业将新的技术或者专利产品化。

技术的国际化阶段，我国高技术产品竞争力有限且可能受贸易壁垒影响，具有极高的风险。本阶段主要以企业自有资金为主，资本市场参与度可能会降低。政府资金投入过多会使东道国认为这些企业直接或者间接受到政府资助，会给本土企业带来不公平竞争，甚至认为其带有某些政治目的。因此过多的政府科技金融投入可能对高技术产业的国际化产生抑制作用。

本文用高技术产业的专利申请量作为技术开发阶段的代理变量，新产品销售收入作为技术市场化阶段的代理变量，高技术产业出口值作为技术国际化阶段的代理变量。科技金融投入分为企业投入，政府投入和资本市场投入和社会中介机构投入。R&D内部消费支出中的企业资金和R&D人员全时当量作为企业科技金融投入；R&D内部消费支出中的政府资金作为政府科技金融投入；依前文所述，采用创业风险投资机构数量衡量资本市场科技金融投入；以社会资本衡量社会中介机构科技金融投入。

本文采用2010-2016年共计7年的高技术产业数据，以上数据均由《中国科技统计年鉴》、《中国高技术产业统计年鉴》、《中国创业投资发展报告》、EPS数据库整理得到。

3.2 模型构建

本文拟采用Cobb-Douglas生产函数模型：

PA=A(RDP)a1(RDC)a2(GOV)a3(VC)a4(SC)a5

(1)

IP=B(RDP)β1(RDC)β2(GOV)β3(VC)β4(SC)β5

(2)

EX=C(RDP)γ1(RDC)γ2(GOV)γ3(VC)γ4(SC)γ5

(3)

对数化可得：

lnPAit=Ci+α1lnRDPit+α2lnRDCit+α3lnGOVit+α4lnVCit+α5lnSCit+μit,i=1,2,…27

(4)

lnIPit=Ci+β1lnRDPit+β2lnRDCit+β3lnGOVit+β4lnVCit+β5lnSCit+μit,i=1,2,…27

(5)

lnEXit=Ci+γ1lnRDPit+γ2lnRDCit+γ3lnGOVit+γ4lnVCit+γ5lnSCit+μit,i=1,2,…27

(6)

其中，i代表除新疆、西藏、海南、宁夏等4个省市的中国内陆总计27个省市，t代表年份，本文选取2010年-2016年共计7年数据。PA为专利申请量；IP为新产品销售收入；EX为高技术产业出口值；RDP为人力资本；RDC为企业资金；GOV为政府资金；VC为资本市场科技金融投入；SC表示社会资本。

3.3 实证检验

做面板数据的单位根检验和协整检验的前提是大样本数据，由于数据可得性，本文时间维度只有7，故无需做单位根检验和协整检验。通过Hausman检验，确定使用固定效应模型更优。本文对面板模型进行估计，得到回归结果如表2所示。

表2 固定效应模型结果

注：其中*、**和***分别表示在 10% 、5% 和 1% 的显著性水平下显著。

在技术开发阶段，除资本市场投入外，其他变量均具有显著性，其中，R&D人员全时当量，政府投入在5%的显著水平下为正，企业自有资金、社会资本在1%的显著水平下为正。这表明在技术开发阶段，企业科技金融投入、政府科技金融投入和社会资本对科技创新影响较大，且均为正向影响。政府投入对科技创新同时具有挤出效应和促进效应，在技术开发阶段，促进效应大于挤出效应，政府增加投入会加速企业科技创新。资本市场投入对科技创新影响不显著，且回归系数为负值。原因可能是在技术开发阶段，风险较高且收益存在不确定性，资本追求低风险下的高收益，这导致资本市场参与度不足，企业的创新效率与资本市场科技金融投入匹配程度较低，从而产生了负面影响。

在技术的市场化阶段，企业、政府、社会资本等科技金融投入具有显著性，而资本市场投入则依旧不具有显著性。其中R&D人员全时当量的回归系数为负，即对科技创新产生负面影响。本文认为原因是在技术的市场化阶段，R&D人员具有较高的研发能力，但市场敏感度不高，存在研发人员数量冗余问题，给企业带来了较大的成本负担，甚至是对技术的市场化起着负面作用。在本阶段，企业资金，政府资金和社会资本等都具有正向作用。相较于第一阶段，本阶段的企业资金系数为0.861 0，比第一阶段有了大幅提高。企业作为科技创新的主体，对科技发展方向有着更清晰的认识，会根据市场需求针对性的进行科技创新和技术研发，增大企业科技金融投入能显著提高科技创新效率。资本市场投入依旧不具有显著性，原因是相较于发达国家，我国资本市场发展程度较低，对高技术产业支持力度不足。在第二阶段资本市场投入对科技创新产生了正面影响，原因可能是资本市场积极参与技术的市场化，因地制宜协助企业将技术更好落地，增加新产品销售收入。政府资金的投入一般都伴随着政策导向，合理的政府政策有助于推动企业产品的市场化。社会资本的增强代表着基础设施信息通讯建设的完善，对科技创新产生正面影响。

在技术的国际化阶段，企业资金和社会资本对技术创新有着促进作用，人力资本不具有显著性，而资本市场投入和政府投入的回归系数均为负值。我国资本市场发展尚不完善，相关法律制度不健全，科技金融的发展无法完全匹配高技术产业的科技创新。技术的国际化阶段较市场化阶段风险提高，导致资本市场在该阶段参与度较低，从而对企业国际化产生负面影响。政府科技金融投入有其局限性，一方面是因为政府投入过多，挤出效应大于促进效应，另一方面国际市场对我国的政府资金有强烈的敏感性，政府科技金融投入过多会让东道国担心其造成不公平竞争和对当地企业造成威胁，从而对其排斥，对高技术产业国际化产生负面作用。

4 结论和政策建议

本文利用DEA方法对2016年我国高技术产业进行分析，以及选用固定效应模型对我国2010-2016年共7年的面板数据进行实证研究，得到以下结论：

1)我国高技术产业区域科技创新效率差异明显，只有部分省市高技术产业综合效率处在前沿有效面。我国高技术产业投入产出不匹配，全国平均综合效率仅为0.817。整体而言东部省份综合效率优于中部与西部省份，且中部省份强于西部，纯技术效率过低是导致综合效率过低的主要原因。北京、河北、辽宁、浙江、山东、湖北、贵州等7个省份处于规模递减状态，说明其科技金融资源配置不合理，需要对其结构进行优化升级。东北三省等老牌工业强省高技术产业综合效率过低，应调整产业结构，优化科技金融资源配置，因地制宜出台法律法规，促进高技术产业的发展。

2)技术的开发阶段，企业自有资金和人力资本、政府资金和社会资本对科技创新有显著促进作用，而资本市场投入不具有显著性。在技术的市场化阶段，企业的科技金融投入，政府投入与社会资本都对高技术产业的科技创新有显著影响。在技术的国际化阶段，企业资金、政府资金、资本市场投入和社会资本对科技创新有显著作用。但政府科技金融投入和资本市场投入产生了负面影响，其原因可能是由于这两方面的科技金融服务错位，无法与高技术产业的创新相匹配。

根据上述研究成果，本文对促进我国高技术产业创新有如下建议：①国家应该尽快出台相应的法律法规，健全和完善科技金融体系，为企业提供更好的产学研交流环境，出台针对高技术产业的税收优惠政策，创新政府支持方式，拓宽科技融资渠道，简化流程，提高运营效率，理顺政府和市场的关系。政府应大力发挥对科技创新的支持和引导作用，增强对中西部地区的财政科技支持。②高技术企业应该继续加大科研投入，注重高技术人才的培养和引进，尤其是掌握科技金融知识的高技术人才。加快科技成果的转化，注重将科技创新与市场化生产相结合。③加快形成多层次的科技资本市场，针对高风险、高利润的高技术产业，投资机构、银行等要进行相应金融产品创新，更好的为高技术企业服务，实现共赢。④重视社会资本对科技创新的支持作用，提高科技金融中的民间资本比例，注意控制和防范风险。

本文将高技术产业作为一个整体分析，没有考虑到具体各个高技术产业的创新与科技金融的关系。同时，影响科技金融的因素有很多，文中的对科技金融因素的量化可能稍显不足。今后应该对具体产业不同因素进行进一步划分和研究。