城市创新能力、金融集聚与经济高质量发展——基于长三角城市群面板数据的实证分析

曹 蒙

城市创新能力、金融集聚与经济高质量发展——基于长三角城市群面板数据的实证分析

曹 蒙

（安徽大学 创新发展战略研究院，安徽 合肥 230601）

文章基于长三角城市群41个地级以上城市2007～2016年面板数据，采用非径向非角度SBM模型综合测度长三角各城市绿色全要素生产率，利用ArcGIS软件分析长三角地区绿色全要素生产率的时空分异特征，实证检验城市创新能力对绿色全要素生产率的影响效应及作用机制。结果表明：长三角地区绿色全要素生产率具有明显的时空分异特征，时间上整体呈现波动上升的趋势，空间上存在“浙江、江苏地区高，安徽地区低”的空间分布特征；回归结果显示，城市创新能力能够显著促进地区经济高质量发展。进一步的机制检验发现，城市创新能力将通过金融产业集聚显著促进经济高质量发展。

城市创新能力；ArcGIS；长三角；绿色全要素生产率

一、引言

改革开放以来，中国经济经历了40多年的快速增长，然而“高投入、高消耗、高污染、低产出”的粗放型经济发展模式，导致环境污染、资源浪费、生态破坏等严重后果。随着中国经济发展进入深层次提质阶段，对发展模式提出了新的更高要求。十八届五中全会提出将“创新、协调、绿色、开放、共享”五大发展理念作为经济发展的指导方针，党的十九大报告也明确要求实现生态文明建设和绿色发展，深刻表明中国经济发展模式的绿色转型迫在眉睫。创新作为引领发展的第一动力，是现代化经济体系建设的重要战略支撑。以生态文明建设、绿色发展为核心和引领，通过创新为产品、服务和市场赋能，重构经济增长新引擎、新动能，减少资源浪费、降低生态环境污染、提高资源配置效率，以绿色发展为引领，通过创新驱动重构经济增长新引擎、新动能，推动中国经济从粗放型发展模式向绿色集约型的质量型增长转变，对实现中国经济的深度发展有着深远意义。长江三角洲地区一体化发展在2018年上升为国家战略，作为中国经济发展的排头兵，是中国经济最大的增长极，如何实现长三角地区高质量发展对推动中国经济的高质量发展有着重要的现实意义。为此，探讨城市创新能力如何影响经济高质量发展，其内在机制是什么，是本文关注的重点。

二、文献综述

自高质量发展目标提出以来，学术界对经济高质量发展的研究，主要集中在对高质量发展的概念、测度和影响因素方面。在概念上，目前学术界仍未对经济高质量发展的概念有一个准确的定义，多数学者认为经济高质量发展就是更加绿色、更加高效、更加公平、更加科学的发展，也就是经济发展需要满足人民日益增长的美好生活的需求。不同于之前的经济高速增长，高质量显然更加符合当下中国经济发展的目标。在测度上，基于对高质量发展的不同理解，目前也尚未形成对经济高质量有效直接的测度方法，这成为实证研究经济高质量发展面临的最大问题。现有研究多数从构建多尺度多层次的指标体系上来测度经济高质量发展。指标构建的思路大致可以分为三类：第一类是基于“五大发展理念”，认为高质量发展是一种经济发展状态，从创新、协调、绿色、开放、共享五个角度构建指标，进行测度[1]。第二类是针对当前中国经济发展面临的问题，从经济增长质量入手，构建指标进行测度[2–3]。第三类是基于高质量发展的本质内涵，从目标角度测度经济高质量发展[4–5]。在影响因素上，现有研究既有从单一角度，也有从多角度来进行分析。张腾[6]通过空间计量实证检验发现财政分权显著促进了东西部地区的经济质量增长。张治栋和赵必武[7]实证检验发现智慧城市建设对城市经济高质量发展具有政策效应，智慧城市建设显著提升了城市经济的高质量发展。崔耕瑞[8]提出消费升级通过带动产业结构审计和产业全要素生产率的调整来促进经济的高质量发展。此外，廖祖君和王理[9]提出从城市蔓延的角度，发现城市蔓延会对区域经济发展产生负面影响。

关于城市创新对经济高质量发展的影响研究，上官绪明和葛斌华[10]指出科技创新和环境规制之间存在协同效应，可以显著提升经济高质量发展。熊励和蔡雪莲[11]发现数字经济能够有效推动技术创新和产品创新，进而提升经济的高质量发展。李燕[12]则从高校科技创新的角度，发现高校科技创新通过培养人才、科技项目成果转化与应用上显著促进了城市经济的高质量发展。陈晨和张广胜[13]则通过构建渐进双重差分模型评估了国家创新型城市试点带来的政策效应，发现创新型城市通过改善高端生产性服务业集聚方式促进地区经济高质量发展。

从上述文献可以发现，目前学术界对经济高质量发展的研究已有一定的基础，但较少有学者从城市创新能力的角度出发来探究城市经济的高质量增长。考虑到从构建指标体系的角度来分析城市创新能力对经济高质量发展的影响会有很强的内生性，本文通过非径向非角度的SBM模型测度长三角41个城市绿色全要素生产率来衡量城市经济高质量发展，并且利用ArcGIS软件分析了长三角绿色全要素生产率的时空分异特征，同时采用《中国城市和产业创新能力报告2017》中城市层面创新指数来衡量城市创新能力[14]，实证分析城市创新能力对经济高质量发展的影响，进而为现有研究做出有意义的贡献。

三、理论基础与研究假设

经济的高质量发展是多角度多层次的发展，创新作为经济高质量发展的动力源泉，为经济高质量发展提供了新的着力点。当前，我国经济正处于经济高质量发展的起步阶段，城市创新能力的提高，一方面可以改进要素组合方式，促进要素流动，提升各要素在各产业链中的作用，提高资源的配置效率和利用效率，实现经济发展的质量和效益；另一方面可以通过要素流动，提升各要素在各产业链中的作用，从而提升生产率，促进经济发展的质量和效益。创新可以促进区域内人力资源流动，促进新技术、新服务、新产品的开发，来助推经济的高质量发展。基于以上分析，本文提出研究假设1：城市创新能力可以促进经济高质量发展。

首先，城市创新能力提升，推动高素质人才、创新型人才集聚，促进金融资源在特定空间上的集聚，为地区经济的高质量发展提供充足资金的同时，又通过吸纳储蓄转化投资，有力地缓解了实体经济的压力，特别是新兴企业的融资压力。这样促使企业扩大规模，形成规模效应，加大新技术、新产品、新服务的开发，提升区域创新效率，形成良性循环。其次，城市创新能力的提升，通过搭建金融信息基础设施共享平台，实现优质信息交换和共享，提高优质企业的甄别能力，提高地方政府招商引资能力，引导资源和要素流向低耗能、高产出产业，助推产业结构优化升级，促使区域全要素生产率的提升。最后，金融产业的集聚，促进金融创新水平和服务水平的提升，实现金融资源、要素流、信息流、人才流的快速流动[15]，加快实现实体经济和产业技术的深度融合，进而增强企业间、部门间的协作能力，强化金融产业服务能力，助推地区高新技术产业发展，从而实现地方经济的高质量发展。基于以上分析，本文提出假设2：城市创新能力的提升可以通过提高地方金融集聚水平来促进地区经济的高质量发展。

四、绿色全要素生产率的测算和时空特征

（一）绿色全要素生产率的测算

测算绿色全要素生产率的方法有很多，如随机前言分析法、数据包络分析法等等。然而在面对多要素产出和投入的情况下，数据包络分析法具有鲜明的优势，而传统径向、角度DEA测算方法，忽视了松弛程度对于测算结果的影响，同时也忽视了随机误差的产生和各外部环境对研究主体的影响。基于此，本文采用非径向非角度SBM模型来测度长三角41个城市绿色全要素生产率（GTFP），能够有效解决投入产出中可能存在的松弛程度问题和各种非期望产出问题，并将其作为被解释变量来进行研究。

本文参考张桅和胡艳[16]的方法来计算绿色全要素生产率，其中投入变量包括资本投入和劳动投入，资本投入用固定资本投资额，并通过永续盘存法计算得出。劳动投入用各市全社会从业人员来表示。期望产出用各地区生产总值表示，非期望产出用工业二氧化硫（SO2）排放量、工业废水排放量和工业烟尘排放量来表示。

（二）绿色全要素生产率的时空特征

本文借助ArcGIS软件，基于自然断裂法（Jenks）对长三角41个城市绿色全要素生产率2007年、2011年和2016年时空分布特点进行分析，结果如图1所示，其中表1为绿色全要素生产率的测度情况。可以发现，从时间维度上来看，2007年到2016年长三角地区41个城市绿色全要素生产率整体呈现波动上升的趋势，表明长三角地区这十年内经济发展整体良好。研究期间内，舟山，金华，无锡、铜陵等几个城市有明显的下降态势，其中无锡变化最为明显，先下降再上升。其中，大多数城市的绿色全要素发展率低于0.5，表明长三角地区还处于经济高质量发展的起步阶段，城市的高质量发展仍需进一步提高。从空间维度上来看，长三角地区41个城市的绿色全要素生产率存在明显的空间异质性，研究期内不同城市的绿色全要素生产率水平差异很大，得分最高的城市可以达到1.92，得分最低的城市仅为0.09，城市经济、社会发展较为领先地区的绿色全要素生产率较高，落后地区，资源性城市的绿色全要素生产率得分较低。由分布图1可以发现，长三角东南部地区及江苏省北部部分地区的绿色全要素生产率较高，安徽大部分地区的绿色全要素生产率较低，表明安徽省的经济发展比较落后，还需要进行深度挖掘经济发展的潜力，提振经济的高质量发展。

图1 绿色全要素生产率时空分布图

五、模型设定、变量选取与数据来源

（一）模型设定

基于前文理论分析，本部分通过构建计量模型，实证检验城市创新能力对99绿色全要素生产率的影响，如式（1）所示：

为进一步验证假设2，本文通过构建中介效应模型来探究城市创新能力对地方经济高质量发展的影响机制，如式（2）（3）所示：

（二）变量选取

1. 被解释变量。绿色全要素生产率（）。采用非径向非角度SBM模型测算得出。

2. 解释变量。城市创新能力（）。采用寇宗来《中国城市和产业创新能力报告2017》中城市层面创新指数来衡量，数值越大表示城市创新能力越强。

3. 中介变量。金融集聚度（）。采用金融产业区位熵来衡量地区金融集聚水平，数值越大表示城市金融集聚度越大。

4. 其他控制变量。（1）政府规模（）：采用各市级政府财政支出额与GDP比值表示；（2）外商直接投资（）：采用外商直接投资额（将美元换算成为人民币）与GDP的比值表示；（3）进出口规模（）：采用进出口总额（将美元换算成为人民币）与GDP比值表示；（4）产业结构特征（）：用第二产业产值与GDP的比值表示；（5）人力资本水平（）：采用高等学校在校生数占地区总人口的比重表征城市一级的人力资本；（6）城市规模（）：采用市辖区人口数量来表示。

（三）数据来源

本文样本为2007—2016年长三角地区41个地级以上城市，数据主要来源于《中国城市统计年鉴》《中国城市和产业创新能力报告2017》和各省市统计年鉴，各变量描述性统计如表2所示。

表2 变量统计性描述

六、实证结果与稳健性检验

（一）基准回归

为探究城市创新能力对长三角地区经济高质量发展的影响，第（1）列和第（3）在不加控制变量的情况下使用最小二乘法和面板固定效应检验城市创新能力与经济高质量发展的直接关系；第（2）列和第（4）列是在加上控制变量的情况下使用最小二乘法和面板固定效应检验城市创新能力对经济高质量发展的影响，回归结果如表3所示。

表3 基准回归

表3 基准回归（续）

由回归结果可以发现，第（1）和（3）列在没有加入控制变量的前提下，影响系数都是0.0012，在1%的显著性水平下显著为正，说明城市创新能力与地区经济高质量发展呈正向关系，即城市创新能力能够显著促进地方经济的高质量发展；第（2）和（4）列，在加入政府规模、FDI等一系列控制变量后，城市创新能力对地区经济高质量发展的影响依然稳健，影响系数分别是0.0016和0.0017，都通过了在1%显著性水平检验，进一步证明本文结论，城市创新能力的提高可以显著促进地方经济的高质量发展，验证了本文所提的假设1。

（二）机制检验

为进一步检验城市创新能力和经济高质量发展的关系，本文构建中介模型来验证城市创新能力是否通过促进地区金融集聚来间接影响地区经济的高质量发展，以此验证理论分析中所提的假设2，并进行Sobel检验，如表4所示。

表4 中介效应Sobel检验结果

第（2）列为城市创新能力对金融集聚的估计结果，结果显示城市创新能力对金融集聚水平的影响系数为0.0013，且在1%的水平上通过了显著性检验，表明城市的创新能力可以显著促进地区金融产业集聚；第（3）列为城市创新能力和金融集聚水平对经济高质量发展的影响，城市创新能力和金融集聚对地区经济高质量发展的影响系数都在1%的水平下显著为正，表明存在城市创新能力通过促进地区金融集聚水平而促进经济的高质量发展的效应，这验证了本文的假设2。金融集聚水平是城市创新能力的中介变量，中介效应占比为13.69%。这说明各地级市的创新能力提升，将通过促进地区金融集聚，进而带动了地方科技成果转化的效率、地区产业融资水平和高新技术产业的发展，从而有助于地区经济的高质量发展。

七、结论与建议

（一）研究结论

本文从城市创新能力的角度，基于2007—2016年长三角41个地级以上城市数据，采用非径向非角度SBM模型测度各地市绿色全要素生产率水平，利用ArcGIS软件分析长三角绿色全要素生产率的时空分异特征，同时实证检验城市创新能力对地区经济高质量发展的影响，得出了以下结论：第一，长三角地区绿色全要素生产率具有明显的时间和空间的分异特征，时间上整体呈现波动上升的趋势，空间上存在“浙江、江苏地区高，安徽地区低”的空间分布特征；第二，城市创新能力对地区经济高质量增长具有显著的促进作用。城市创新能力也通过促进金融产业集聚的中介效应来促进地方经济的高质量发展。

（二）建议

第一，深化科技创新领域改革。加大创新领域投入，改革阻碍城市创新能力发展的僵化体制，优化科技创新环境，激发企业创新能力和科技创新成果的转化，为经济增长提质增效升级。

第二，完善科技金融体系，打造科技金融集聚区。引导金融行业集聚，形成集聚效应，加大科技金融领域的投入力度，搭建科技金融服务平台，促进地区科技创新，形成良性循环。

第三，加大教育投入力度。提高人力资本水平，联合地方高校，创建产学研基地，提高高校科研项目的成果转化能力，打造“科技、金融、人才、创新”的地方高新技术产业基地，增强地区创新活力。

第四，优化地区营商环境。加快市场化进程改革，适度减少政府干预力度，打造服务型政府，依靠市场资源配置手段调节企业经营活动，实现绿色与发展的动态平衡。

第五，优化升级产业结构。促进生产要素从低效率部门到高效率部门的转化，合理配置生产要素。长三角各地区要加强区域创新协作，整体上布局产业结构，实现整个区域的持续性发展。

[1] 张涛. 高质量发展的理论阐释及测度方法研究[J]. 数量经济技术经济研究, 2020, 37（5）: 23-43.

[2] 魏敏, 李书昊. 新时代中国经济高质量发展水平的测度研究[J]. 数量经济技术经济研究, 2018, 35（11）: 3-20.

[3] 李金昌, 史龙梅, 徐蔼婷. 高质量发展评价指标体系探讨[J]. 统计研究, 2019, 36（1）: 4-14.

[4] 张军扩, 侯永志, 刘培林, 等.高质量发展的目标要求和战略路径[J]. 管理世界, 2019, 35（7）: 1-7.

[5] 陈景华, 陈姚, 陈敏敏. 中国经济高质量发展水平、区域差异及分布动态演进[J]. 数量经济技术经济研究, 2020, 37（12）: 108-126.

[6] 张腾, 蒋伏心, 韦朕韬. 财政分权对我国经济增长质量的影响机理研究[J]. 华东经济管理, 2020, 34（11）: 62-71.

[7] 张治栋, 赵必武. 智慧城市建设对城市经济高质量发展的影响——基于双重差分法的实证分析[J]. 软科学, 2021（11）: 65-70+129.

[8] 崔耕瑞. 消费升级、产业升级与经济高质量发展[J]. 统计与决策, 2021, 37（15）: 114-118.

[9] 廖祖君, 王理. 城市蔓延与区域经济高质量发展——基于DMSP/OLS夜间灯光数据的研究[J]. 财经科学, 2019（6）: 106-119.

[10] 上官绪明, 葛斌华. 科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据[J].中国人口•资源与环境, 2020, 30（6）: 95-104.

[11] 熊励, 蔡雪莲. 数字经济对区域创新能力提升的影响效应——基于长三角城市群的实证研究[J]. 华东经济管理, 2020, 34（12）: 1-8.

[12] 李燕. 高校科技创新与城市经济高质量发展——基于19个副省级及以上城市的实证检验[J]. 科技管理研究, 2020, 40（13）: 1-7.

[13] 陈晨, 张广胜. 国家创新型城市政策、高端生产性服务业集聚与地区经济高质量发展[J].财贸研究,2020,31（4）: 36-51.

[14] 寇宗来, 张磊. 中国城市和产业创新力报告2017[R]. 上海: 复旦大学产业发展研究中心, 2017: 1-241.

[15] ANG J B.Financial Development,Liberalization and Technological Deepening[J]. European Economic Review, 2011, 55(5): 688-701.

[16] 张桅, 胡艳. 长三角地区创新型人力资本对绿色全要素生产率的影响——基于空间杜宾模型的实证分析[J]. 中国人口•资源与环境, 2020, 30（9）: 106-120.

Urban Innovation Capacity, Financial Agglomeration and High Quality Economic Development——Empirical Analysis Based on Panel Data of Yangtze River Delta City Cluster

CAO Meng

（Academy of Strategies for Innovation and Development, Anhui University, Hefei Anhui 230601, China）

Based on the panel data of 41 cities above prefecture level in the Yangtze River Delta city cluster from 2007 to 2016, this paper adopts a non-radial and non-angle SBM model to comprehensively measure the green total factor productivity of each city in the Yangtze River Delta, and uses ArcGIS software to analyze the spatial and temporal variation characteristics of green total factor productivity in the region, empirically testing the impact effect and mechanism of urban innovation capability on green total factor productivity. The results show that the green total factor productivity in the Yangtze River Delta region has obvious temporal and spatial differentiation, with an overall fluctuating upward trend in time and a spatial distribution characteristic of “high in Zhejiang and Jiangsu province and low in Anhui province”. The regression results show that urban innovation capacity has a significant role in promoting high-quality regional economic growth. Further mechanism test shows that urban innovation ability will significantly promote high-quality economic development through financial industry agglomeration.

urban innovation capacity; ArcGIS; Yangtze River Delta; green total factor productivity

2021-09-25

教育部人文社会科学研究青年项目（17YJC790055）

曹蒙（1995—），男，安徽铜陵人，硕士研究生，研究方向：区域经济。

F127

A

2095-9249（2021）05-0030-07

〔责任编校：王中兰〕