京津冀科技金融发展的空间格局与演化分析

马彦奇 王 健 段玮倩

（河北金融学院,河北 保定 071000)

科技与金融是经济发展的双核心。2022年中央全面深化改革委员会第二十五次会议指出“十四五”时期要加快推进金融支持创新体系的建设。金融作为现代经济发展的核心要素，是创新体系建设中必不可少的重要推手。近年来，随着国内外经济环境的改变，面对新形势与新任务，必然也需要积极探索打通科技与金融深度融通发展的新机制与新路径。在双循环新发展格局下，如何深化京津冀经济合作，助力科技金融的高质量发展，是京津冀协同发展的重要课题，对完善金融支持创新体系建设，提升京津冀科技金融发展水平具有重要的实际意义。

目前，国内外研究人员对科技金融领域有着深入的研究。Schumpeter（2019）首次指出了金融服务与技术创新的联系，运用创新理论分析了经济周期的形成和特点[1]。Bernier等（2019）通过面板模型评估金融创新与经济增长之间的关系，指出金融和创新是经济增长的两个关键驱动力[2]。目前国外研究中并没有明确科技金融的概念。国内的研究中，赵昌文（2009）所著的《科技金融》中，阐明了科技金融的产生背景、发展过程及主要理论[3]；曹颢等（2011）通过制定指数构建我国科技金融发展的评价体系[4]；李天籽等（2022）运用空间马尔可夫链对武汉科技金融效率的时空特征与趋同演化进行了深入剖析[5]。本文在参考国内外文献的基础上，立足我国京津冀地区实际情况，构建京津冀科技金融评价指标体系，采用熵权TOPSIS法、莫兰指数、空间马尔可夫转移概率矩阵等方法，对京津冀科技金融发展水平进行综合评价与时空演化分析，以期为推动京津冀科技金融协同发展提供新思路。

1 京津冀科技金融指数设计与研究方法

1.1 京津冀科技金融评价体系构建

国内外学者研究科技金融的评价框架中，常对科技金融分设两个层级的指标，以衡量科技金融发展水平的高低。本文借鉴已有的研究成果，结合现有数据的可得性，针对科技金融发展资源、科技金融发展投入、科技金融发展产出3个方面，选择研究数据的时间区间为2012—2021年，研究区域包括河北省11个市、北京市及天津市，共13个城市，选取了10个二级指标构建评价体系（见表1），数据均进行了标准化处理。

表1 京津冀科技金融发展水平评价指标体系

1.2 数据来源与处理软件

本文所用2012—2021年京津冀地区13个城市的面板数据来源于北京、天津、河北科技年鉴，河北各市统计年鉴与国家科技成果网。数据处理及实证部分用到SPSS、GeoDa、ArcMap等专业软件。

1.3 研究方法

1.3.1 熵权TOPSIS法

熵权TOPSIS法结合了熵值法与TOPSIS法的优势。在处理数据的过程中，先用熵权法计算得到各评价指标的权重，再将权重乘指标数据得出新数据，并对其进行TOPSIS法测算。TOPSIS法是一种对研究对象与理想方案相似性的顺序选优技术，作为其结果数据的最终接近程度C值，数值越大越优。具体计算步骤如下[6]。

再次，将权重与标准化后的指标矩阵相乘，得到加权标准化矩阵，并计算正负理想解I。

最后，计算各指标与正负理想解的欧氏距离D及综合评价值。

1.3.2 马尔可夫转移概率矩阵

马尔可夫过程是一种特殊的随机运动过程，是指一个运动系统在未来的状态只与当前时刻的状态有关，而与以前的状态无关。状态与时间均为离散性质的马尔可夫过程为马尔可夫链。传统马尔可夫链是一种概率建模和数据分析的经典方法，其本质上是由满足马尔可夫性质的转移概率分布组成，其矩阵形式即为马尔可夫转移概率矩阵。如果马尔可夫链有n个可能的状态，则转移矩阵的大小是n阶，矩阵的项（i,j）是状态到状态的转移概率。基于其特性，马尔可夫转移概率矩阵在对事物地理空间变化方面的研究中得到应用，通过将离散数据进行分类，以各类型之间的空间转换过程对标为马尔可夫过程，可以反映区域内该事物的地理分布结构特征与各类型变化的方向与规模。其公式可写为：

式中：S为某事物各类型的总面积；n为研究区某事物类型的种类；Sij表示研究时间段内某事物类型由Sij类 转为ij类的面积。转移矩阵中行数据之和表示研究初期某事物类型的面积总和，每一行值表示该事物类型的转出方向和规模；列数据之和表示研究末期某事物类型的面积总和，每一列值表示该事物类型的转入方向和规模。

1.3.3 空间马尔可夫转移概率矩阵

空间马尔可夫转移概率矩阵是在马尔可夫转移概率矩阵的基础上，引入空间滞后值，增加邻域对单元空间经济变化的影响。构建空间马尔可夫转移概率矩阵的关键是得到空间滞后值，即该单元空间领域属性值的空间加权平均值，计算方法为某空间单元的属性值累乘对应行的空间权重矩阵中的值[7]，即

本文利用GeoDa建立空间权重矩阵，并计算2012—2021年京津冀13个城市科技金融发展水平的莫兰指数，进而绘制莫兰散点图，得到莫兰散点图的坐标为标准化后的数值，横坐标代表指标标准化值，纵坐标即为空间滞后值。空间马尔可夫链转移概率矩阵用前一年的空间滞后值判断其邻域的状态，并把空间滞后类型划为多个类型，以此将传统的马尔可夫链分解为多个行列均为等类型数的转移概率矩阵，以反映各空间滞后类型下，属性值在下一时间段类型转换的空间转移概率。

2 京津冀科技金融发展水平综合评价、空间格局及演化分析

2.1 京津冀科技金融发展水平综合评价

利用SPSS软件的熵权TOPSIS法确定权重，并计算相对接近度C值，得到2012—2021年京津冀13个城市的科技金融发展水平综合评估值如表2所示。

由表2可知，在横向的空间维度上，北京、天津与河北各地级市的科技金融发展存在显著差异，但综合来看与各地市人口密度、科技水平以及经济发展水平等具有较为明显的契合性。在纵向的时间维度上，2012—2021年京津冀大部分地区科技金融发展水平呈上升趋势，少数地区呈现波动状态，并且各地区发展速度也呈现较为明显的不均衡现象，如北京与河北大部分地区的差距在逐年增大。由此显示出在科技金融方面，京津冀区域协同发展的道路仍然任重道远。

表2 2012—2021年京津冀13个城市科技金融发展水平综合评价表

2.2 京津冀科技金融发展水平的空间自相关性

空间自相关用于判定一定范围内的空间实体之间是否存在相关关系，运用较普遍的检验指标有莫兰指数I，莫兰指数的数值在区间[-1，1]的范围内。其中，I大于0表示各地理实体之间为正相关关系，小于0表示存在负相关关系，而等于0则表示无相关关系。利用GeoDa得出2012—2021年京津冀13个城市科技金融发展水平的莫兰指数I如表3所示。

由表3可以看出，P值均小于0.05，表明2012—2021年京津冀13个城市科技金融发展水平出现数据聚集的可能性大于随机分布的可能，能够显著地拒绝零假设。由此可据莫兰指数值发现京津冀13个城市科技金融发展的空间分布存在一定的聚集特征，具有空间正相关关系，即各城市科技金融发展水平对邻区存在正向的空间溢出效应。

表3 2012—2021年京津冀科技金融发展水平莫兰指数值

2.3 京津冀科技金融发展水平的空间格局及变化分析

将2012年和2021年京津冀13个城市科技金融发展水平的综合评估值采用自然间断点分级法分为高水平、较高水平、较低水平、低水平4个类别，结合天地图国家地理信息公共服务平台中审图号为GS（2022）3124号的标准地图里行政中心经纬度（见表4），以此分析2012—2021年期间京津冀科技金融发展水平的空间格局及变化特征。

由表4发现，2012年与2021年科技金融发展水平为高水平的区域为京津地区，石家庄、保定、唐山等为第二梯队，整体大概呈现“中心高，南北低”的空间特征。在2012—2021年间，呈现出由京津中心向南扩大的态势，廊坊、沧州等都有所提升。这与京津冀协同发展战略的实施与区域协调发展建设的措施有关，但仍可看出京津冀区域内科技金融发展水平的不均衡。京津冀科技金融协同发展需要资源的共享与分配，但作为科技创新中心的北京与作为创新试验基地的天津，在具备位置优势的基础上，聚集了大量科创人才及金融资源，导致了京津冀科技金融发展水平的不均衡，因此加强京津冀三地合作与资源共享，推动区域经济高质量协调发展十分必要。

表4 2012年和2021年京津冀科技金融发展水平对比表

2.4 京津冀科技金融发展水平趋同演化分析

根据对京津冀科技金融发展水平的类型划分，以低水平、较低水平、较高水平和高水平4个类型制作2012—2021年京津冀科技金融发展水平的马尔可夫转移概率矩阵，如表5所示。

由表5中可看出，左上到右下的对角线上的概率值都大于非对角线上的概率值，表明4种类型的趋同具有较强的稳定性。在以年为单位的时间段上，属性类型保持不变的最小概率值为0.801。并且，综合来看，由低水平的类型向更高水平的类型转变的概率要大于由高水平的类型向更低水平的类型转变的概率，如由“较低水平”向“较高水平”类型转变的概率就达到了0.131，为非对角线上的最大值。这表明属性类型向更高水平转变的概率要高于向更低水平类型转变的概率。另外，概率值分布呈现由对角线向远侧大幅递减以至0的特征，表明属性类型转变多在相近类型之间发生，在以年为单位的时间段内跨越两个类型产生转变的概率极低，说明研究期内京津冀各城市科技金融发展水平的差异具有一定的稳定性。

表5 2012—2021年京津冀科技金融发展水平马尔可夫转移概率矩阵

利用GeoDa计算出2012—2021年京津冀各城市科技金融发展水平的空间滞后值，划分为低水平、较低水平、较高水平和高水平4个类型，得到空间马尔可夫转移概率矩阵如表6所示。将其与传统马尔可夫转移概率矩阵进行对比，可以发现邻域为低水平的属性类型会阻碍区域属性向更高水平类型的转变，如空间滞后值为低水平类型的转移概率矩阵中，对角线右侧的概率值均小于传统马尔可夫转移概率矩阵对角线右侧的概率值。而相反，邻域为高水平的属性类型会阻碍区域属性向更低水平类型的转变，如空间滞后值为高水平类型的转移概率矩阵中，对角线左侧的概率值总和要小于传统马尔可夫转移概率矩阵对角线左侧的概率值总和。同时，空间滞后值为高水平类型的转移概率矩阵中，对角线右侧的概率值总和要大于传统马尔可夫转移概率矩阵对角线右侧的概率值总和。由此可以表明在研究期内，近邻效应对京津冀科技金融发展的演化存在一定影响，区域整体呈现出同向趋同，高值带动，低值抑制的空间演化特征。

表6 2012—2021年京津冀科技金融发展水平空间马尔可夫转移概率矩阵

将2012年与2021年区域及其领域的类型转变制作成表（见表7），以此显示出2012—2021年10年内的整体演化进程。由表7发现，研究期内，区域与邻域科技金融发展水平类型同向变化或保持不变的城市为大多数，共计9个，占京津冀13个城市总体的69.23%。其中，邻域与该区域均向更高水平类型转变的有廊坊与沧州，占京津冀总城市数量的15.38%；均保持同类型不变的有北京、天津、石家庄、保定、承德、张家口和唐山，占京津冀总城市数量的53.85%。由此可以看出，京津地区与第二梯队的石家庄、保定等城市的科技金融领先水平较为稳定，同时科技金融发展重心有由京津中心向南扩散的趋势。整体上也可看出，京津冀科技金融的发展在空间上具有关联性，区域的转变方向与领域的转变方向趋同，正体现出京津冀科技金融水平在空间上的集聚效应。

表7 京津冀科技金融发展水平类型及邻域转变表

3 结论与建议

本文通过构建京津冀科技金融评价指标体系，采用熵权TOPSIS法对2012—2021年京津冀13个城市的科技金融发展水平进行了评估与空间自相关性的检验，发现各城市对邻域存在正向的空间溢出效应。再通过对京津冀科技金融发展水平空间格局及趋同演化进行分析，发现在空间上呈现以京津为中心的不均衡发展格局；整体呈现出同向趋同，高值带动，低值抑制的空间演化格局；各城市科技金融发展水平的升降方向与领域的升降方向趋同，在空间上存在集聚效应。

为助推京津冀科技金融的高质量协同发展，本文依据实证结果，提出以下对策建议。

第一，发挥政策引导作用，营造良好发展环境。政府要加强科技创新惠企政策，积极了解企业科技创新需求，精准服务企业，提升普惠金融质效，提升科技型企业金融服务可得性、便捷性，给予科技型企业更多支持；营造良好的融资环境，多渠道引导社会资本向创新型企业融资。同时，因地制宜，对不同地区采取不同的发展策略，对于京津等发达区域，加大对科技金融体系发展的支持力度，着力培育创新型产业集群；对于河北省内较不发达地区，更注重其发展环境的建设与铺垫，把握好科技和金融双重赋能的发展方向。

第二，加强跨界金融交流合作，助力科技创新。要深化开放创新与合作，深度推进跨区域、跨界交流，政府部门、金融机构、风创投企业和高新技术企业等各界跨区域加强联系与合作。全方位探索全区域资本运用与投资模式，推动京津与河北省各市在科技人才交流、创业投资、企业孵化等方面的深化合作，助力科技创新和金融资本双链条的有机结合，深度推进金融赋能科技创新。

第三，发挥集聚与辐射效应，助力形成金融辐射网络。加速打造科技金融深度融合地，集中资源锻造战略科技力量，提升京津地区的金融发展能级，发挥人才、资本、金融资源的集聚优势。通过金融集聚程度高的京津中心，形成对河北地区的金融辐射效应，串联起石家庄、保定等重要战略城市，发挥京津金融辐射带动河北的作用，助力形成金融辐射网络，推动对内对外金融业的双向开放。