粤港澳大湾区金融合作对区域创新影响研究——基于空间杜宾模型的分析

■陈孝明，谢冬敏

一、引言

《粤港澳大湾区发展规划纲要》指出要将粤港澳大湾区建设为国际科技创新中心。为建设粤港澳大湾区，各级政府出台了相关政策，如东莞设立了粤港澳大湾区基金，广州南沙新区以及深圳前海等出台政策吸引各地金融人才，促进粤港澳大湾区金融交流合作。因此，粤港澳大湾区的金融合作和创新问题都备受关注。在金融合作的基础上，构建一个创新经济湾区，减少制约因素的影响，可以促进粤港澳大湾区创新水平的提升（辜胜阻等，2018）。粤港澳大湾区金融资产总量较大、金融资源配置能力较强、金融发展梯度明显，如何通过深化金融合作，强化三地优势互补，提升粤港澳大湾区创新能力，成为亟需解决的问题。然而学术界尚未理清金融合作对区域创新的作用机理，直接研究金融合作对粤港澳大湾区创新影响的文献并不多见。

金融对创新的影响是学术界的经典课题。金融与创新的联系是经济增长中的关键因素，Rajan&Zingales（1998）证实了金融发展降低了高新技术创新产业外源融资的交易成本，从而促进高新技术产业的发展，并构建了后续研究所称的RZ框架。不少学者基于中国数据研究发现，金融发展能够显著促进研发，有利于区域创新能力的提升（林毅夫等，2009；解维敏和方红星，2011）。此外，邹辉文和黄友（2021）从效率角度进行研究发现，数字普惠金融对区域创新的效率存在显著的促进作用。近年来，部分学者开始将空间因素纳入研究框架，对金融与创新的空间效应进行研究。祝佳（2015）利用空间面板SEM模型研究发现，金融支持与创新驱动存在显著的空间互动效应，但协同程度较低。王世强和张金山（2020）运用空间杜宾模型（SDM）研究发现，金融发展显著促进区域创新能力，并且在空间上存在显著的正向溢出效应。

已有研究对金融合作的困难、路径以及体系构建都有比较深入的研究（余永定等，2002），金融合作对经济增长、风险防范等都具有重要作用（Park&Shin，2011），但较少文献专门研究金融合作对创新的影响。对粤港澳大湾区的研究，国内学者主要对金融合作和区域创新这两个方面分别进行研究。金融合作方面，冯邦彦（2014）认为粤港澳区域的金融合作取得了丰硕成果，金融合作的层次不断加深，仍需要多方协作进一步推进整个区域的金融合作。测量金融合作程度，不同学者采用了不同方法，周天芸等（2013）基于利率平价和购买力平价进行了检验，而彭芳梅（2017）则采用改进的引力模型对粤港澳大湾区城市的空间联系进行测算。区域创新方面，不少学者（李文辉等，2019；辜胜阻等，2018）认为粤港澳大湾区的区域创新存在较强的空间相关性，对其协同发展进行了实证研究。郭文伟和王文启（2018）实证研究了粤港澳大湾区金融集聚对创新存在显著影响。

为丰富关于粤港澳大湾区金融合作对区域创新影响的研究，本文将在考虑空间效应的基础上对其作用机制及效果进行实证分析。本文可能的边际贡献为：一是量化粤港澳大湾区各城市的金融合作程度，并纳入区域创新的研究框架。二是运用空间计量模型，基于经济距离构建空间权重矩阵，探讨粤港澳大湾区金融合作与区域创新的空间关联效应。三是引入金融服务效率这一中介变量，进一步探讨金融合作对区域创新的影响机制。

二、理论分析与研究假设

粤港澳大湾区金融合作对区域创新作用的核心是：金融合作提升了金融服务创新部门的效率，进而提升创新水平。金融合作提升金融服务效率主要有以下三个渠道：一是金融合作有效缓解了地区间的信息不对称问题，提高金融服务效率。当各地区达成金融合作的意愿，地区间的信息交流会更便捷高效，金融资本可以根据公开的信息在区域内进行流动，使投资更加有效，从而使资源得到有效的配置和利用，提高了金融服务创新的效率，进而促进创新水平的提升。粤港澳大湾区金融合作的历史比较久远，改革开放以来，粤港澳三地的金融合作不断深化，港澳回归后，粤港澳的合作逐步有了政策的支撑。近年来，新签订的一些制度性文件，也在大力推动粤港澳三地的合作与发展，缓解了地区间的信息不对称程度，使粤港澳三地的创新投资更加有效，促进了创新水平的提升。二是金融合作扩大服务市场产生规模效应，提高金融服务效率。规模效应是提升金融服务效率的关键因素（徐晓光等，2014），金融合作意味着金融机构间的合作以及地区间的金融交流更加密切，金融业较发达的城市通过对外投资形成了对欠发达城市的技术转移和人才流动，这有利于扩大金融业的规模并产生规模效应。受惠于CEPA补充协议六，香港银行业顺利完成大湾区布局，实现了对珠三角九市的全覆盖。大湾区的证券行业也在不断开放合作，扩大金融服务规模。香港拥有悠久且健全的股市交易体系，更具有充沛的资金流动，在加强金融合作之后，能够更大规模地为企业提供金融证券服务。珠三角九市之间的金融合作，也能够促进金融服务规模的扩大，降低金融机构运行成本，提高金融服务效率，进而促进创新水平的提升。三是金融合作过程中会优胜劣汰，提高金融服务效率。金融合作促进了各地区金融同业间的竞争与协助，有利于促进各地区金融部门发展和提高各地区内金融体系的运行效率，通过优胜劣汰机制，淘汰各地区效率较低的金融机构，促使资金流向生产率较高的创新部门，进而提高创新效率。粤港澳大湾区金融合作的加深，有一个鲜明特点，即引进外资金融机构。外资的引入可以十分有效地激活内地金融行业，通过加强竞争促进服务效率的提升。粤港澳大湾区金融合作的加强，必然会产生优胜劣汰，存活下来的金融机构，会以更高的效率服务于大湾区的创新投资活动。同时，通过引进外地更优的金融技术和管理技术，促进当地金融行业质量的提升，进而提高金融服务创新的效率。基于上述分析，提出研究假设1。

假设1：粤港澳大湾区金融合作能够促进区域创新水平的提升。

结合粤港澳大湾区的实际情况，金融合作对创新能够产生显著的促进作用并且产生一定的空间效应。由于粤港澳大湾区城市发展水平梯度比较明显，金融对创新活动的空间溢出效应更加明显。首先，粤港澳大湾区金融合作促进区域内异地创新水平提升。粤港澳大湾区的金融合作缓解了珠三角九市与港澳地区存在的信息不对称问题，为港澳地区金融机构进驻内地提供了便利，内地企业赴港上市也更便捷，加强了地区间金融业的交流与合作，提高了金融服务创新部门效率，进而促进了地区创新水平的提升。其次，金融合作对创新影响的空间效应表现突出。深圳和广州的金融合作水平高，受金融合作边际技术外溢效应递减规律约束，其从金融合作中获取的激励效应和溢出效应相对较低。相反，东莞和佛山等地金融合作水平位于中间，金融合作的边际创新水平激励效应和溢出效应处于中等水平，而处于边缘的肇庆和江门等地，则金融合作水平较低，与深圳和广州的差距较大，从金融合作中获取创新水平的激励效应和溢出效应相对较高。基于上述分析，提出研究假设2。

假设2：粤港澳大湾区金融合作能够促进区域创新存在空间溢出效应。

三、研究设计

（一）基本模型设定

为考虑空间关联性，本文选用空间计量模型。实证研究粤港澳大湾区内各城市的金融合作水平对创新产生的影响。在确定空间面板数据模型时，考虑到数据的量纲不同，为消除异方差，对变量进行对数变换，采用双对数面板计量模型进行研究。各模型的基本形式如下：

以上模型（1）—（4）分别是OLS模型，空间滞后模型（SAR）、空间误差模型（SEM）以及空间杜宾模型（SDM）。其中，W为空间权重矩阵，Finit为i地区的金融合作度，PGDPit代表i地区的经济发展水平，RDPit表示i地区的研发人员数量，EDUit表示i地区的教育水平，FDIit表示i地区的对外交流水平，εit代表随机误差项。

关于空间权重矩阵W的选择，本文认为粤港澳大湾区内各城市创新能力的溢出效应与城市间的经济差距有关，因此采用经济距离矩阵作为空间权重矩阵。在构建经济距离空间权重矩阵时，本文以两个城市间GDP差值的倒数代表经济距离，构建11×11的经济距离空间权重矩阵。

（二）金融合作度的测度：引力模型

在用引力模型测量一个城市的金融合作度之前，首先需要求得各城市的金融发展质量。基于数据的可得性、全面性原则，选取表1所列的9个指标构成金融发展质量体系，并采用TOPSIS综合评价法计算粤港澳大湾区11个城市各自的金融发展质量M。

表1 粤港澳大湾区金融发展质量评价体系

综合借鉴白俊红和蒋伏心（2015）、彭芳梅（2017）的研究，运用引力模型对粤港澳大湾区内各城市的金融合作度进行测量，引力模型的形式如下：

式（5）中，Fij表示城市i，j之间的吸引力，即金融合作程度，Gij为引力系数，一般取1，Mi、Mj分别表示i城市与j城市的金融发展质量，为上文用TOPSIS方法计算所得，e-βij·dij为地理距离衰减函数，βij为i城市与j城市间的地理衰减指数，其取值一般在[1，2]之间，综合粤港澳大湾区内的交通发展情况，本文取值为1.5，dij为i城市与j城市间的时间距离。式（6）中，Fini表示i城市与湾区内其他城市的总金融合作度，Fij则为式（5）所求结果。

（三）金融合作与区域创新的空间溢出效应测度：Moran’s I指数

采用Moran’s I指数对被解释变量区域创新和核心解释变量金融合作度的空间自相关性分别进行检验，Moran’s I指数的公式如下：

其中，xi表示i城市某一变量的观测值，n表示城市的数量。Moran’s I指数是一个标准化指数，其取值在[-1，1]之间，越靠近1，则空间正相关越显著，越靠近-1，则空间负相关越显著，越靠近0，则说明空间相关性不显著或者空间不相关。按照不同标准构建的空间权重矩阵有所不同，本文所采用的空间权重矩阵为经济距离空间权重矩阵。

（四）变量选择及数据说明

基于数据的可得性原则、全面性原则，选取2003—2018年的数据，分析研究粤港澳大湾区11市的金融合作度对区域创新的影响。相关变量的选取参照郭文伟和王文启（2018）、李林等（2011）的做法，并将研发人员数量和对外交流水平作为控制变量纳入模型中。

1.被解释变量：区域创新水平（PAT）

衡量区域创新水平有几种不同的指标，分别是专利申请量、专利授权量以及新产品销售收入，专利授权量比申请量更能体现一个地区的创新水平，而专利分三种，分别是发明专利、实用新型专利和外观设计专利，其中发明专利更能体现一个地区的创新水平。因此，本文选取发明专利的授权量用于衡量区域创新水平。

2.核心解释变量：金融合作度

金融合作度为上文用引力模型计算而得，此处不再赘述。

3.相关控制变量

经济发展水平（PGDP）：选取各地区人均GDP来表示各地的经济发展水平。研发人员投入（RDP）：选取各地的研发人员数量进行衡量。教育水平（EDU）：选取各地普通高校的在校学生数进行衡量。对外交流水平（FDI）：选取各地接受的外商直接投资数据进行衡量。

4.数据来源

数据来源主要为对应年份的《广东省统计年鉴》，各市统计年鉴，国研网数据库，EPS数据库，部分港澳数据来自于香港知识产权署、澳门经济局知识产权厅以及世界银行数据库。

四、实证分析

（一）空间自相关检验

表2 各变量描述性统计

在采用空间计量模型研究粤港澳大湾区金融合作对区域创新水平的影响效果之前，需要检验区域创新水平与金融合作度这两个变量是否具有空间自相关。本文采用Moran’s I指数进行检验，结果如表3所示。

表3 粤港澳大湾区区域创新和金融合作的空间自相关性

粤港澳大湾区的区域创新水平总体上是存在显著的正相关关系，但Moran’s I的值被动较大。而粤港澳大湾区内各城市的金融合作度的Moran’s I值则波动不大，但均表现为显著的正相关关系。

（二）空间计量回归

根据上文Moran’s I值的结果，先构建没有考虑空间效应的传统面板模型，再分别对三种空间计量模型（SAR/SEM/SDM）进行回归，根据各模型的回归效果及系数的显著性等对各模型适用性进行对比，选择合适的模型进行具体分析。三种空间计量模型所采用的矩阵为经济距离权重矩阵，结果如表4所示。

表4 各模型回归结果

为进一步对三种空间计量模型进行选择，先采用LM检验对空间滞后模型（SAR）和空间误差模型（SEM）进行选择，结果显示，应该选择空间杜宾模型（SDM）进行研究。为进一步检验空间杜宾模型（SDM）的适用性，采用Wald检验和LR检验对SDM模型能否退化为SAR模型和SEM模型进行检验，全部为1%水平上显著，说明在研究中空间杜宾模型（SDM）不能退化为空间滞后模型（SAR）或空间误差模型（SEM），因此在研究中选择空间杜宾模型（SDM）。根据空间杜宾模型（SDM）的结果可以看出，空间相关系数ρ为0.157，并且通过显著性检验，说明粤港澳大湾区内的区域创新水平存在显著的空间正相关。

核心解释变量金融合作的系数为1.022，并且通过了1%的显著性水平检验，说明粤港澳大湾区金融合作对区域创新存在显著影响，当金融合作度提高1%，区域创新水平会相应提高1.022%，这一结果符合预期并与经济事实相符。从控制变量的回归结果看，经济发展水平、研发人员投入、教育水平这三个变量的系数都为正，并且都通过了10%的显著性水平检验。

对空间杜宾模型（SDM）进行效应分解的结果如表5所示。从结果可以看出，金融合作的直接效应显著为正，而间接效应即空间溢出效应的结果为正但不显著，说明粤港澳大湾区各地的金融合作能对本地区的创新水平产生显著的正向影响，而本地区的金融合作对于其他地区的创新水平能够产生微弱的正向空间溢出效应，这表明金融要素的跨地区合作还没有达到对该要素有效利用的水平，因此金融合作对区域创新的空间溢出效应不显著。其他控制变量的直接效应和间接效应的系数均能通过显著性检验。从总效应的结果看，大部分变量均能通过显著性水平检验，说明这些变量均能对粤港澳大湾区的区域创新水平产生显著影响。

表5 空间杜宾模型（SDM）的效应分解

（三）稳健性检验

考虑到本文所选样本量较小，为了保证前文结果的稳健性，本文重新构建地理距离权重矩阵进行估计，结果显示，各模型的系数大小及显著性与前文的结果大致相同，没有发生根本性的改变。在模型选择上，进行Wald检验和LR检验，空间杜宾模型（SDM）仍是最适用的模型，与前文结果一致。为考察直接效应和间接效应，进一步做了效应分解，核心解释变量金融合作的直接效应和总效应为正且显著，间接效应为正但不显著，这与前文结果也是一致的。

表6 基于地理距离矩阵的空间计量回归

表7 空间杜宾模型（SDM）的效应分解

五、作用机制检验

为进一步探讨金融合作影响区域创新的作用机制，通过构建中介效应模型进行分析。根据前文的理论分析，金融合作主要是通过减少信息不对称、提高投资效率等途径促进创新的发展，因此，本文以金融服务效率（FC）为中介变量，在式（4）的基础上中介效应模型如下：

其中，FCit为中介变量，表示金融服务效率，以金融业增加值作为产出变量，金融从业人数、金融机构贷款以及财政收入作为投入变量，通过DEA方法测算而得。在以上表达式中，式（8）用于验证金融合作对中介变量的影响，式（9）用于验证金融合作与中介变量对区域创新的影响。按照中介效应模型进行估计，并对空间杜宾模型（SDM）进行效应分解，从直接效应、间接效应和总效应的结果中考察是否存在中介效应，结果如表8和表9所示。

表8中，第一步的结果显示金融合作能够显著提高金融服务效率，第二步的结果显示，金融合作和中介变量均能显著促进创新的发展，而加入空间权重的交互项W∙FC的系数则不显著，因此进一步分解效应。表9中，在直接效应方面，中介变量金融服务效率和核心解释变量金融合作的系数0.660和0.826均显著为正，说明金融资源配资效率对本地区的创新水平起到了部分中介作用；在间接效应方面，中介变量金融服务效率和核心解释变量金融合作的系数0.376和0.0532为正但不显著，说明金融资源配资效率对其他地区创新水平的中介作用不显著；在总效应方面，金融服务效率和金融合作的系数1.036和0.879均显著为正，说明金融资源配资效率对整个区域的创新水平起到了部分中介作用。综上所述，金融合作可以通过提高金融服务效率这一作用机制来促进区域创新水平的发展。

表8 中介效应检验结果

表9 引入中介变量的空间杜宾模型（SDM）的效应分解

六、结论与建议

本文基于2003—2018年粤港澳大湾区11市的相关数据，通过引力模型测算得到各市的金融合作度，进一步运用空间杜宾模型研究金融合作对区域创新的影响，得出如下结论：一是粤港澳大湾区的金融合作与区域创新均存在显著的正空间相关性。二是金融合作水平上升能够显著促进区域创新水平提升。三是金融合作的溢出效益不显著，即本地金融合作水平高对其他地区创新水平的影响不明显。四是从作用机制看，金融合作主要通过提高金融服务效率，进而促进创新的发展。

基于上述结论提出如下建议：第一，进一步明确大湾区内各城市的定位，优化各市的优势产业，提高各市的核心竞争力，并且以广深港澳四城为中心，带动整个金融和技术创新的梯度发展，构建科学高效的大湾区发展格局。第二，加强粤港澳大湾区内各城市的金融合作。破除阻碍大湾区金融资源流动的体制机制壁垒，通过深化金融合作，促进金融对实体经济的支持力度。构建多层次的投融资平台，引导各城市在金融上的互联互通，促进大湾区内各城市金融协同发展，缩小差距，进而促进金融服务向创新企业倾斜。第三，提升大湾区的金融服务效率。在当前数字经济的大背景下，可以发挥金融科技的优势，为各方提供优质金融服务，便利粤港澳三地企业的投资活动。同时，粤港澳三地建立统一的跨境金融监管体制，加强监管，减少不同经济制度下的金融壁垒，有利于金融更好地服务于大湾区整体的发展。