财政科技投入对经济效益的作用机制研究

安博文，肖 义

（1. 华侨大学 经济与金融学院，福建 泉州 362021；2. 成都理工大学 管理科学学院，成都 610059）

一、引 言

创新驱动发展是我国重要的战略目标，对于推动经济高质量发展具有重要作用。马克思曾指出，科学技术是推动社会历史发展的重要力量，对社会生产力起着决定性作用。新古典经济学认为，经济增长源于知识生产与资本积累，科技创新是一个国家经济增长的动力源泉。我国第十四个五年规划指出，要坚持创新驱动发展战略，把科技自立自强作为国家发展的战略支撑。科技投入既体现了国家对科技研发的大力支持，也是国家以财政形式为科研事业提供的资金保障。近年来，我国经济发展势头强劲，随着国家对科技研发经费的投入力度不断加强，我国科技创新能力逐步增强，企业的核心竞争力也逐渐加强，促进了企业经济效益提高,提升了区域经济发展水平。美中不足的是，与美国、日本相比,我国科技投入对经济增长的贡献率相对较低［1］。虽然科技投入与经济增长之间存在长期均衡关系，但伴随时间推移,科技投入对经济增长的促进作用呈现边际效应递减规律［2］。针对上述问题，相关研究认为应该重视改善科技投入结构与健全科技投入管理体制，从而促进经济稳步增长［3］。

基于此，本研究将着重探讨财政科技经费增加对区域经济增长的作用机制，厘清科技投入与经济增长之间的可能因素，以期实现科技经费投入效用的最大化。本文可能的边际贡献在于：其一，研究中使用第四次经济普查结果测度经济效益，并将经济效益作为经济增长的代理变量，本文所采用的统计数据更贴近企业层面，研究结论能更好地为提高企业经济效益服务；其二，研究方法中采用了空间分位数回归与空间中介效应模型，空间分位数回归能够同时考察不同水平下科技投入对经济增长的空间溢出效应［4］，空间中介效应模型能够厘清科技投入与经济增长之间的可能因素并把因素的空间相关性考虑在内［5］。

二、文献回顾与研究假说

从科技经费的来源结构与使用情况来看，科技经费来源主要由政府财政、企业投资和金融贷款三部分构成，其中企业投资占70%以上、财政拨款相对较少［6］，这一方面我国与美国存在差异。美国的企业科技投入占科技总投入60%左右且企业科技投入对经济增长的促进效果明显，我国企业科技投入对经济增长的正向反馈较弱［1］，这说明我国不仅需要提高企业科技投入资金的使用效率，还应重视政府科技投入对经济增长的作用。科技经费使用主要包括基础研究、应用研究和试验发展三个方面，其中基础研究与应用研究对经济增长具有促进作用［7］。基础研究与应用研究是科技创新的核心要素，虽然短期内二者对经济增长的作用效果并不明显，但从长远来看科技创新是国家力量的重要支撑，必将带动国家经济以及综合国力等多方面的发展。就科技经费投入对区域经济发展的作用机理而言，科技投入是促进经济增长的重要原因，政府财政科技投入对经济增长的贡献率介于13%—18%之间［3，8］。科技投入与经济增长之间存在长期均衡关系，但二者之间仅存在单向因果关系，即科技投入是经济增长的格兰杰原因而经济增长不是科技投入的格兰杰原因［9］。此外，不仅科技经费投入能够促进经济增长，科技经费投入强度以及科技人员投入也会对经济增长产生显著影响［10］。

依据上述分析提出假设1:

假设1：财政科技投入能够有效促进经济增长。

从科技投入对经济发展的空间效应来看，我国经济发展呈现空间集聚特征，东南部地区表现为高高集聚,西北部地区表现为低低集聚。在考虑空间溢出效应的条件下科技投入对经济增长依旧具有正向推动作用，这意味着本地区科技经费增加对本地区和邻近地区的经济增长都具有促进作用［11］。科技投入对经济发展存在空间异质性，浙江经济增长依赖于企业科技投入［12］，但对于重庆而言，技术创新与科技投入都不是经济增长的格兰杰原因［13］；内蒙古财政科技投入对经济增长存在滞后性，并且科技投入对经济增长的长期弹性高于短期弹性［14］，但对于湖南而言，短期内经济增长与科技投入之间还存在双向因果关系［15］；广东经济发展水平相对较高，同时不平衡现象也较为突出，科技投入对珠三角地区经济发展的作用效果强于粤东西北地区［16］，与之相反，西藏经济发展水平相对落后，其科技经费投入也相对较低，因此需要提高科技投入资金规模与使用效率，并通过科技发展实现经济赶超［17］。

依据上述分析提出假设2：

假设2：财政科技投入对经济增长的影响具备空间特性。

经济增长会受到产业结构、城镇化进程和数字金融等诸多因素影响，并且各个因素的作用机制也纷繁复杂。产业结构合理化与高级化都会对经济增长产生显著影响，虽然产业结构升级有利于经济增长，但产业结构升级的不确定性会导致产业结构高级化成为经济波动的重要来源，而产业结构合理化恰能平衡产业结构高级化导致的经济波动性［18］。虽然提高城镇化水平对经济增长的直接效应并不明显，但加快城镇化有利于生产要素集聚，促进经济增长。就现阶段而言，生产要素集聚多倾向于物质资本和人力资本，知识资本和现代服务业等高端要素的集聚效果并不明显［19］。数字经济有利于促进经济包容性增长，尤其是对于农村地区的低收入群体而言，数字金融发展既可以显著提高家庭收入水平，还可以促进创业机会均等化［20］。经济发展与经济增长是一个相辅相成的过程，经济发展的目的就是实现经济增长，而经济增长又会为经济发展积累资本，二者之间存在良性的促进关系。结合上述研究成果来看：其一，产业结构升级对经济增长存在门槛效应，财政科技投入增加有利于提高第二、三产业的生产力水平，特别是带动第三产业发展；其二，城镇化进程有利于加快传统生产要素的空间集聚，但对知识资本等现代化生产要素的空间集聚作用较弱，而财政科技投入的对象多为现代生产要素；其三，数字金融促进经济发展多体现为包容性，服务范围和服务功能存在地区、经济等条件限制，而数字经济的发展离不开科技创新，离不开国家对现代数字化建设的投入。

依据上述分析提出假设3：

假设3：财政科技投入对经济增长的影响可能存在外生因素。

三、研究设计

（一）研究方法

1.空间分位数回归模型

财政科技投入对经济增长的促进作用及其对经济增长影响的空间效应可以借助空间分位数回归模型检验，具体模型如下：

式（1）中Per为经济效益，W×Per表示经济效益的空间效应，Fun为财政科技投入，W×Fun表示财政科技投入的空间效应，Con为控制变量组，W×Con表示控制变量组的空间效应，ε为随机扰动项。文中经济效益与财政科技投入均为正向指标，故β1＞ 0 表示假设 1 成立，说明财政科技投入增加有利于提高区域经济效益；当β2估计结果通过显著性检验时表示假设2 成立，说明邻近地区财政科技投入变动会对本地区经济效益产生影响。由于式（1）存在内生性问题，故采用MLE 估计，此外为分析不同水平样本点的影响效果，本研究也采用分位数回归对式（1）进行估计。

2.空间中介效应检验模型

于假设3 而言，财政科技投入对经济增长产生的影响存在外生因素，意味着财政科技投入不仅能够直接促进经济增长，还可以通过外生因素对经济增长产生次生效应，本质上就是外生因素在财政科技投入与经济增长之间存在中介效应，因此可以借助中介效应模型进行检验，具体模型如下：

中介效应模型由以上三部分组成，模型中Per和Fun与式（1）中变量的含义相同，Exo代表外生因素，考虑到财政科技投入与外生因素可能存在空间特性，因此将二者的空间效应W×Fun和W×Exo作为控制变量，故上述三个模型称为空间中介效应检验模型。空间中介效应模型的检验规则如下：步骤一，若式（2）中的系数ϕ1通过显著性检验，说明财政科技投入会对经济效益产生显著影响；若系数ϕ1没有通过显著性检验，说明财政科技投入不会对经济效益产生显著影响，此时无需作之后的计量检验。步骤二，若式（3）中的系数η1和式（4）中的系数π2都通过显著性检验，意味着财政科技投入会对外生因素产生显著影响且外生因素也会对经济效益产生显著影响，这说明财政科技投入会通过外生因素间接影响经济效益；若系数η1和π2至少有一个未通过显著性检验，此时需要进行步骤三。步骤三，当系数η1和π2至少有一个未通过显著性检验时，需要对空间中介效应模型作Sobel 检验，若Sobel 检验通过则意味着外生因素在财政科技投入与经济效益之间存在中介作用，反之则不存在中介作用。如果模型中存在中介效应，就计量分析的角度而言，式（2）测度了财政科技投入对经济效益的全部效应，而式（4）既包含了财政科技投入对经济效益的直接效应，也包含财政科技投入对经济效益的次生效应，因此系数ϕ1与π1同号且有 |ϕ1|＞ |π1|。为尽可能避免空间中介效应模型中存在的内生性问题，故采用MLE 估计。

（二）变量选择

经济效益（Per）。经济效益为本文的目标变量，也是被解释变量，经济效益的测度方法主要有参数与非参数两种方法，参数方法为随机前沿分析，非参数方法为数据包络分析。与随机前沿分析法相比，数据包络分析法无需对投入产出指标的权重加以人为限定，测算结果更加贴近真实情况，故本文采用数据包络分析中的CCR 模型测度我国31 个省市自治区的经济效益。此外，数据包络分析的测算结果旨在比较样本地区间的相对大小，具体数值介于0 到1 之间，若某地区的经济效益为1，说明该地区经济效益处于强有效阶段。结合全国第四次经济普查结果，为使测度结果能够更好地从企业层面反映区域经济效益，因此本研究选取的投入指标包括资本投入（Cap）、劳动力投入（Emp）和企业数量（Ent），产出指标为营业收入（Inc），各个投入产出指标的代理变量依次为：法人单位资产总计、法人单位从业人员、法人单位个数和企业法人单位营业收入。

财政科技投入。财政科技投入是本文的核心解释变量，相关研究中财政科技投入的代理变量一般为 R&D 经费和 R&D 经费投入强度［4，16］。也有文献中表明，R&D 经费投入强度对经济增长的促进作用强于R&D 经费对经济增长的促进作用［21］。考虑到代理变量的选择性偏误以及为了检验计量结果的稳健性，本文同时选择R&D经费和R&D 经费投入强度作为财政科技投入的代理变量。参考之前研究的有关做法，将R&D经费作取对数处理。采用R&D 经费取对数衡量的财政科技投入（Fun）和采用R&D 经费投入强度衡量的财政科技投入（Int）均为正向指标。

控制变量与中介变量。为了剔除其他因素对经济效益的影响，将经济发展水平（Eco）、产业结构（Ind）、城镇化水平（Urb）和数字普惠金融（Fin）纳入计量模型之中。这里作以下两点说明：其一，从各个变量的计算方法来看，经济发展水平采用人均GDP 衡量，产业结构以第三产业占比测度，城镇化水平以城镇人口比重计算，数字普惠金融以北京大学数字金融研究中心编制的数字普惠金融指数测度［22］，为避免回归系数过小，文中将数字普惠金融指数除以100；其二，在空间分位数回归模型中，经济发展水平、产业结构、城镇化水平和数字普惠金融以及它们的空间效应变量均作为控制变量，在空间中介效应检验模型中，依次将经济发展水平、产业结构、城镇化水平和数字普惠金融作为中介变量，将与之对应的空间效应变量作为控制变量。

四、财政科技投入对经济效益的作用机制

本文拟用空间计量模型对上述三个假设进行验证，采用空间计量模型的首要前提是对目标变量和核心解释变量进行空间相关性检验。常用的空间权重矩阵有相邻距离矩阵、地理距离矩阵和经济距离矩阵，考虑到经济效益为目标变量，若将经济距离矩阵作为空间权重矩阵，可能会导致计量模型出现内生性问题，故本研究选用相邻距离矩阵；同时为检验估计结果的稳健性，也将地理距离矩阵作为空间权重矩阵。

（一）空间特征分析

借助Moran 指数考察各变量的空间集聚效应，基于相邻距离矩阵和地理距离矩阵计算的全局Moran 指数如表1 所示。首先，就经济效益与财政科技投入而言，两种空间权重矩阵下的经济效益、R&D 经费以及R&D 经费投入强度均为正数且通过显著性检验，说明三个变量都存在显著的空间正向集聚效应。这意味着在分析财政科技投入对经济效益的影响时，既要考虑本地区财政科技投入对本地区经济效益的作用，还要考虑邻近地区财政科技投入与经济效益对本地区经济效益的作用。再者，经济发展水平、产业结构、城镇化水平和数字普惠金融也存在空间集聚效应，因此有必要在空间分位数回归模型中将这些变量的空间效应作为控制变量，也有必要在空间中介效应检验模型中将各自的空间效应作为控制变量。

表1 全局Moran 指数计算结果

借助BCG 矩阵模型讨论财政科技投入与经济效益的空间协调性。BCG 矩阵模型也称四象限分析法，王海芸和刘杨采用BCG 矩阵模型对科技金融的发展策略进行分析［23］，本研究沿用该方法从空间视角分析财政科技投入与经济效益的协调性。绘制如图1 和图2 所示的BCG 矩阵图，图中横轴表示本地区或邻近地区的财政科技投入，纵轴表示本地区经济效益。横坐标轴的正方向为由左至右，纵坐标轴的正方向为由下至上。第一象限的省份为高财政科技投入、高经济效益，简称“高—高型”；第四象限的省份为高财政科技投入、低经济效益，简称“高—低型”；第二象限的省份为低财政科技投入、高经济效益，简称“低—高型”；第三象限的省份为低财政科技投入、低经济效益，简称“低—低型”。

图1 本地区财政科技投入与经济效益BCG 矩阵图

图2 邻近地区财政科技投入与经济效益BCG矩阵图

在不考虑空间地理位置关系时，以北京、上海、浙江、广东为代表的东部省份多属于高—高型，即高财政科技投入与高经济效益的优质协调阶段，说明这些省份的财政科技投入资金量较大且资金支出结构较为合理；以贵州、宁夏、新疆、西藏为代表的西部省份多属于低—低型，即低财政科技投入与低经济效益的劣质协调阶段，说明这些省份可能由于财政科技投入资金量较小导致经济效益相对较低；从R&D 经费和R&D 经费投入强度角度来看，湖南和四川一直属于高—低型，即高财政科技投入与低经济效益的劣质不协调阶段，说明这两个省份的财政科技投入资金使用结构存在不合理现象，从而导致财政科技投入对经济效益的促进作用并不明显，甚至出现抑制效应；就江西而言，R&D 经费作为横轴时属于高—高型，R&D 经费投入强度作为横轴时属于低—高型，可见其财政科技投入资金使用效率较高，对经济效益的促进作用更强。在考虑空间地理位置关系时，北京、天津、上海、江苏等省份依旧属于高—高型，说明这些省份的经济效益与邻近地区财政科技投入存在优质协调关系；广东、陕西和辽宁由高—高型转为了低—高型，意味着与增加本地区财政科技投入相比，增加邻近地区财政科技投入的边际效用更强，更能促进本地区经济效益提升，说明应该以广东、陕西和辽宁为中心向外辐射，促进南部沿海地区、西北内陆地区以及东北地区的协调发展；宁夏、青海、西藏、新疆等省份依旧属于低—低型，说明这些省份的经济效益与邻近地区财政科技投入存在劣质协调关系；贵州、广西和海南由低—低型转为了高—低型，就地理位置而言，这三个省份距离相近且靠近广东，应该借助广东的优质资源打造中南地区协调发展。

（二）财政科技投入对经济效益的直接效应分析

将财政科技投入作为自变量、经济效益作为因变量，表2 分别给出了R&D 经费作为代理变量和R&D 经费投入强度作为代理变量的估计结果，表中 MLE、0.2 分位点、0.4 分位点、0.6 分位点和0.8 分位点依次代表平均水平、较低水平、中低水平、中高水平和较高水平。

表2 财政科技投入对经济效益影响的空间分位数回归模型估计结果

就财政科技投入对经济效益的回归系数而言，无论经济效益处于较低水平、中低水平、平均水平、中高水平还是较高水平，R&D 经费的系数和R&D 经费投入强度的系数全部通过显著性检验，由于文中设定的财政科技投入和经济效益均为正向指标，且估计结果中财政科技投入对经济效益的影响系数为正，这说明增加财政科技投入有利于提高经济效益。从回归系数的大小来看，一方面，R&D 经费投入强度系数约为R&D 经费系数的两倍，说明与R&D 经费对经济效益的边际效应相比，R&D 经费投入强度对经济效益的促进作用更强，这与之前学者的研究结论一致［21］；另一方面，与指标自身相比较而言，在较低水平、中低水平和中等水平处R&D 经费对经济效益的促进作用稍强，而R&D 经费投入强度对经济效益的促进作用稍弱，在中高水平和较高水平处R&D 经费投入强度对经济效益的促进作用稍强，而R&D 经费对经济效益的促进作用稍弱，这意味着在中等及偏下水平的省份应该注重财政科技投入资金的总量，中等偏上水平省份更应重视财政科技投入资金在GDP 中的比重。总之，无论是综合考虑不同分位水平下财政科技投入对经济效益的影响，还是基于指标选择性偏误角度选择两种代理变量，最终得出的结论都是财政科技投入增加会促进经济效益提高，故此假设1 成立。

就财政科技投入空间交互项对经济效益的回归系数而言，无论经济效益处于何种水平，R&D 经费空间交互项的系数和R&D 经费投入强度空间交互项的系数全部为正且通过显著性检验，并且中高水平和较高水平处的系数更为显著，由此可见，财政科技投入的空间交互项会对经济效益产生显著影响。这意味着本地区经济效益会受到邻近地区财政科技投入的显著影响。从不同分位点的估计结果来看，经济效益属于中等偏上水平的省份，其经济效益增长更易受到邻近地区财政科技投入的影响。从回归系数的大小来看，R&D 经费投入强度空间交互项系数高于R&D 经费空间交互项系数，这一点与本地区R&D 经费投入强度和R&D 经费对经济效益的作用效果类似。无论是邻近地区R&D 经费还是邻近地区R&D 经费投入强度，二者对本地区经济效益的促进作用都随分位点上升而增强，这说明越高水平地区的经济效益受到邻近地区财政科技投入影响程度越大。因此，无论是从财政科技投入空间交互项系数的显著性来看，还是从不同水平下财政科技投入空间交互项系数的大小来看，都验证了财政科技投入对经济效益的影响存在空间特性，因此假设2 成立。从以上分析也能看出，中等以上水平地区的经济效益更易受到邻近地区财政科技投入的影响，并且水平越高影响作用越强，这充分说明了我国应该以高经济效益地区为中心，建立多中心、多层级、多节点的网络型发展区域，以促进区域协调发展。

（三）财政科技投入对经济效益的次生效应分析

表2 估计结果显示，虽然经济发展水平、产业结构、城镇化水平、数字普惠金融以及各自空间交互项的系数未能在所有水平下通过显著性检验，但这些变量都在部分水平下通过了显著性检验，在一定程度上可以认为这些变量会对经济效益产生显著影响。因此，本部分依次将经济发展水平、产业结构、城镇化水平和数字普惠金融作为可能中介变量，通过空间中介效应检验模型验证这些变量是否在财政科技投入与经济效益之间发挥中介作用。表3、表4 和表5 依次估计了中介变量的三个模型，表3 中将经济效益作为因变量、财政科技投入作为核心解释变量，旨在估计财政科技投入对经济效益的总效应；表4 中分别将4 个可能中介变量作为因变量、财政科技投入作为核心解释变量，旨在检验财政科技投入能否对可能中介变量产生显著影响；表5 中经济效益作为因变量，核心解释变量和可能中介变量作为自变量，旨在分析财政科技投入对经济效益的影响结构。鉴于篇幅有限，这里仅选择变换指标测度方法进行稳健性检验，即分别将R&D 经费和R&D 经费投入强度作为财政科技投入的代理变量，采用该方法还能较大程度上减小指标选择性偏误。

表3 估计财政科技投入对经济效益的影响系数，模型1—4 依次对应将经济发展水平、产业结构、城镇化水平和数字普惠金融作为可能中介变量的估计结果，检验1—4 依次对应模型1—4的稳健性检验结果。无论是R&D 经费作为代理变量还是R&D 经费投入强度作为代理变量，所有系数均通过1%水平下的显著性检验，并且所有系数均为正值，说明财政科技投入增加确实能够促进经济效益提高。再者，R&D 经费的系数围绕在0.79 左右，R&D 经费投入强度的系数围绕在0.84 左右，R&D 经费投入强度对经济效益的带动效应比R&D 经费对经济效益的带动效应高出约五个百分点。就控制变量的显著性而言，当R&D 经费作为代理变量时多数控制变量通过显著性检验，但当R&D 经费投入强度作为代理变量时仅有少数控制变量通过显著性检验，就空间中介效应检验模型而言，控制变量是否通过显著性检验对中介变量的检验结果不会产生影响，故控制变量的显著性与回归系数不作为本部分讨论的重点。

表3 不同可能中介变量下财政科技投入对经济效益的总效应估计

表4 估计了财政科技投入对可能中介变量的影响系数。首先，除产业结构外，其他外生因素作为可能中介变量时，R&D 经费和R&D 经费投入强度的系数均大于0 且通过1%水平下的显著性检验，说明财政科技投入能够显著促进经济发展水平、城镇化水平和数字普惠金融提高；产业结构作为可能中介变量时，仅有R&D 经费投入强度的系数通过1%水平的显著性检验，并且系数为正，说明仅有R&D 经费在GDP 中所占比重才能显著促进产业结构优化升级，而R&D 经费对产业结构升级的作用并不明显。其次，比较R&D 经费和R&D 经费投入强度两个代理变量的系数，依旧是R&D 经费投入强度的系数较大，这也说明了R&D 经费投入强度对这四个外生因素的促进作用更强。此外，对比不同可能中介变量下财政科技投入的回归系数，不难发现财政科技投入对经济发展水平的促进作用最强，其次是数字普惠金融，再次是城镇化水平，最后是产业结构，说明经济发展水平和数字普惠金融对财政科技投入更为敏感，相比之下二者水平的提升更依赖于科技创新与科技研发。

表5 依次展示了四个可能中介变量的估计结果。其一，经济发展水平在财政科技投入与经济效益之间发挥中介作用。表3 模型1 证明了财政科技投入会对经济效益产生显著影响，表4 第一列估计结果验证了财政科技投入会对经济发展水平产生显著影响，在同时考虑财政科技投入和经济发展水平的条件下，表5 模型1 证实了经济发展水平仍会对经济效益产生显著影响，故此经济发展水平是中介变量。从系数大小来看，表3模型 1 中 R&D 经费系数为 0.078，表 5 模型 1 中R&D 经费系数为0.059，二者数值的大小关系符合之前的理论分析；表5 模型1 将R&D 经费对经济效益的总效应分解为R&D 经费对经济效益的直接效应和R&D 经费通过经济发展水平对经济效益的次生效应，并且次生效应（或称中介效应）占总效应的比重为23.8%。此外，若将R&D经费投入强度作为代理变量，经济发展水平是中介变量的结论依然成立，并且次生效应占比增加到45.5%。其二，城镇化水平也是财政科技投入与经济效益之间的中介变量，意味着财政科技投入还能通过推动城镇化进程促进经济效益提升。第二、三产业多分布于城市，城市中第二、三产业的企业规模要高于农村，本文在测算经济效益时采用的是第四次经济普查相关数据，企业数量、规模等统计指标转化为了投入产出变量，因此城镇化进程与经济效益存在正向关系毋庸置疑。相对而言，城市的科技水平明显高于农村地区，城市的科技研发基础设施等条件也强于农村，财政科技投入资金流向城市的边际效用更大，因此财政科技投入多倾向于城市。其三，产业结构无法作为财政科技投入与经济效益之间的中介变量。表4 估计结果表明，R&D 经费未对产业结构产生显著影响，仅有R&D 经费投入强度对产业结构具有显著影响，表5 模型2 和检验2 中产业结构都未对经济效益产生显著影响，并且Sobel 检验也表明产业结构未通过中介变量检验。其四，与产业结构同理，数字普惠金融也无法在财政科技投入与经济效益之间发挥中介作用。由上述分析可知，财政科技投入不仅对经济效益具有直接效应，还能通过经济发展与城镇化对经济效益产生次生效应，故假设3 成立。

表4 财政科技投入对不同可能中介变量的效应估计

表5 不同可能中介变量下财政科技投入对经济效益的次生效应估计

（四）分经济区异质性讨论

上述实证结果表明，财政科技投入的空间交互项会对经济效益产生显著影响，意味着财政科技投入对经济效益的影响存在较强的空间特性，本文猜测这一影响可能是由于不同经济区发展的空间异质性所导致，同时考虑到样本量对回归结果的影响，这部分将31 个省份划分为五个经济区，分别为北部沿海及东北经济区（包括北京、天津、河北、山东、辽宁、吉林和黑龙江）、东南沿海经济区（包括上海、江苏、浙江、福建、广东和海南）、中部经济区（包括陕西、山西、河南、内蒙古、湖北、湖南、江西和安徽）、大西南经济区（包括云南、贵州、四川、重庆和广西）以及大西北经济区（包括甘肃、青海、宁夏、西藏和新疆）。

图3 展示了财政科技投入与经济效益的地区分布状况，各项指标的平均水平主要呈现“东南沿海＞北部沿海及东北＞中部＞大西南＞大西北”的分布特点。按照发展水平可以将五大经济区分为高中低三个层次：东南沿海经济区属于高水平类型，各项指标高出平均水平1.0—1.5 个标准差，以上海、广东为代表的东南沿海经济区以外向型经济为主，主要生产高新技术产品和高档消费品。北部沿海及东北经济区和中部经济区属于中水平类型，北部沿海及东北经济区在财政科技投入方面超过全国平均水平，北京中关村作为全国高新技术中心，科研投入与科研产出水平较高，相比于上海和深圳，中关村的科研产出主要为高新技术研发，同时由于河北、山东及东北三省的科技水平一般，故此拉低了北部沿海及东北经济区的科技投入与产出水平。中部经济区的各项指标基本围绕在全国平均水平，经济结构不合理、对外开放水平不高等现象依旧存在，同时中部经济区“三农”问题较为突出，这也导致该经济区城镇化水平相对较低，可见，中部地区崛起战略仍任重而道远。大西南经济区和大西北经济区属于低水平类型，所有指标中二者均低于全国平均水平，大西北经济区各项指标更是低于平均水平1.5 个标准差以上，以新疆、西藏为代表的大西北经济区位于我国内陆，交通不便阻碍了大西北经济区与内地的经济联系与科技联系，随着我国“一带一路”倡议的提出，与内地经济、科技等方面联系薄弱的现象有所缓解；大西南经济区和大西北经济区分别以工业和第一产业为主，同时兼顾发展旅游业，这也是导致两大经济区经济效益较低的主要原因。

图3 分经济区财政科技投入与经济效益概况

表6 分经济区估计了财政科技投入对经济效益的影响系数，鉴于篇幅有限，表中仅给出了相邻距离矩阵下R&D 经费和R&D 经费投入强度对经济效益影响的MLE 估计结果。从各经济区发展的同质性来看，财政科技投入及其空间交互项对经济效益的影响系数全部为正，并且绝大多数系数通过显著性检验，这说明增加财政科技投入会促进经济效益提高的结论在各经济区依然适用，也说明各经济区内财政科技投入对经济效益的影响依然存在空间溢出效应且这一影响是正向的。从各经济区发展的异质性来看，不同经济区财政科技投入对经济效益的促进效果有所差别，北部沿海及东北经济区的经济效益会受到R&D 经费投入强度的显著影响，但对R&D 经费的促进作用并不敏感，北京R&D 经费投入强度位居全国之首，R&D 经费增加对经济效益的促进作用可能开始出现边际效应递减。因此，为促进北部沿海及东北经济区的经济效益提升，只能依靠提高R&D 经费在GDP 中的占比来带动。就东南沿海经济区而言，R&D 经费对经济效益的影响显著而R&D 经费投入强度对经济效益的影响不显著，并且R&D 经费对经济效益的促进作用在五大经济区中排名第一，东南沿海经济区为全国高新技术产品的制造中心，增加R&D 经费的投入总量有利于提高高新技术产品产量，促进经济效益提升。大西北经济区也仅受到R&D经费的显著影响，但影响程度较小，大西北经济区以第一产业中的棉、果、粮、畜产品加工业为主，故此对财政科技投入的弹性较差。中部经济区和大西南经济区的经济效益会同时受到R&D经费和R&D 经费投入强度的显著影响，地理位置上两大经济区相近且特点相似，因此，在财政科技投入对经济效益的作用机制上二者存在相同之处。

表6 分经济区财政科技投入对经济效益的影响系数估计

五、结论与建议

以理论分析为基础，基于2018 年我国31 个省份的截面数据分析财政科技投入对经济效益的影响机制。得到主要结论：第一，财政科技投入与经济效益都存在空间正向集聚，无论是否考虑地理位置因素，东部省份多处于高财政科技投入与高经济效益的优质协调阶段，而西部省份多处于低财政科技投入与低经济效益的劣质协调阶段；第二，增加财政科技投入能够促进经济效益提升，中等及偏下水平的省份R&D 经费对经济效益的促进作用较强，中等偏上水平省份R&D 经费投入强度对经济效益的促进作用较强；第三，财政科技投入对经济效益的影响存在正向空间溢出效应，并且空间溢出效应随分位点上升而逐渐增强，这表明经济效益越高的地区越易受到邻近地区财政科技投入的影响；第四，财政科技投入与经济发展、城镇化和数字普惠金融呈显著的正向变动关系，在本文考察的四个因素中仅有经济发展和城镇化在财政科技投入与经济效益之间发挥中介作用，并且财政科技投入通过经济发展对经济效益产生的次生效应更强；第五，不同经济区财政科技投入与经济效益存在明显的等级分化现象，东南沿海经济区属于较高水平，北部沿海及东北经济区和中部经济区属于中等水平，大西南经济区和大西北经济区属于较低水平，并且不同经济区内财政科技投入对经济效益的影响效果存在空间异质性。

基于上述结论提出如下对策建议：第一，建立多元化、多层次的财政科技投入体系，优化科研投入资金的配置结构，完善产学研合作机制，提高财政科技投入资金的使用效率与转化水平；第二，促进各经济区财政科技投入资金的协调发展，加强经济区间科技、经济等方面的交流联系，低水平省份应结合自身优势主动对接高水平省份，同时高水平省份也要充分发挥自身资源、经济等方面的优势带动低水平省份发展；第三，各经济区内部要打破省际间的行政分割，加强跨省域的协作交流，同时各经济区还需根据自身特点，制定能够带动自身发展的相关政策。例如：大西南经济区与大西北经济区要加强农业、工业和旅游业的科技人才队伍建设，这两大经济区还可以搭乘“一带一路”建设的顺风车，加强与内地省份的交流与联系；北部沿海及东北经济区应该适当增加R&D 经费投入强度，同时加快科研成果的转化效率，特别是加强科研成果在工业和制造业方面的转化；东南沿海经济区的经济竞争力较强，适当增加R&D 经费投入以扩大高新技术产品和高档消费品的生产规模；中部经济区以工业为主，适当加强财政科技投入在工业方面的成果转化，同时还要注重“三农”问题的解决，加快城镇化进程，深入推进中部地区崛起战略。