金融网络对创新产出的影响研究

任会明 叶明确 余运江 李仙德

一、引言

经济全球化促进了不同规模的城市间相互作用与联系，生产要素开始在空间上进行流动，加速了城市网络的形成。第三次科技革命以来，新兴科技、通讯技术的发明和使用，生产性服务业的发展，尤其发达国家的城市人口、资源、产业空间流动密切，城市间的联系日益频繁，世界城市网络逐渐形成并成熟。金融网络是城市网络依附于金融产业的一种微观刻画，金融网络促进了金融资源空间集聚，进而减少了不对称信息、标准化信息和地域依赖，推动了金融资本和金融要素在空间范围内的加速流动并重组，促进了资本积累。金融资源的空间流动性为金融集聚提供了路径依赖，为金融中心的产生提供了理论支持。(1)孙国茂、范跃进：《金融中心的本质、功能与路径选择》，《管理世界》2013年第11期。但是金融网络给要素流动、资源配置等带来了许多问题，如金融资源不均衡带来的发展低效率迫使各国区域经济学者开始探索如何调整金融网络结构来应对金融资源的空间分配不公平问题，尤其是城市创新发展过程中的资源优势互补，发挥比较优势，实现城市与区域的可持续发展。所以关注城市发展中的创新问题，对优化城市网络空间结构具有重大的现实意义。

本文审视了金融网络对城市创新产出的影响。从城市网络的角度出发，城市网络的形成促进了城市间的空间联系，城市间的相互作用不再受限于地理距离的束缚，而在国家层面下，城市不仅要考虑自身位置的关键，还要谋划通过网络联系与其他城市的影响。精准测度城市在网络空间中的联系与互动，对科学认识城市在流动空间发挥的功能，通过网络联系促进城市间的创新溢出、知识传播以及人力资本扩散的影响具有重要作用。城市网络具有整合产业资源、产生溢出效应、减弱创新风险、优化产业分工等功能，进而影响到创新成本、创新效率和创新产出。(2)郑展、韩伯棠：《基于经济交叉学科的知识溢出研究》，《科技进步与对策》2009年第2期。城市作为网络的节点存在，彼此间的信息传播和知识互通构建了各创新主体的网络连接，城市网络有利于创新主体间的信息扩散，以减少交易成本，实现资源互补，推动知识空间传播及影响。(3)Han E., Xue H.，”Network structure and innovation performance-The mediating role of tacit knowledge sharing behavior”，metallurgical & mining industry, 2015, 11(7),pp.46-55.城市网络中创新主体间的交互联系能产生学习效应，影响整体网络中知识和信息的传播效率，影响城市创新能力的提升。程开明和王亚丽(4)程开明、王亚丽：《城市网络激发技术创新的机理及证据》，《科学学研究》2013年第9期。通过对城市网络整体特征的计量测算，发现城市创新水平会随着城市网络绝对密度的增大以及网络联系的增强而提升，强联结影响着知识转移进而促进技术创新水平提升，网络的中心性水平决定着城市间连接的分布，进而影响网络内部创新成果扩散与知识空间流动的潜力；度中心度较高的城市在网络中具有较高的创新潜力，在网络中城市的中介中心度较高则越具有对知识和创新成果扩散的把控能力，结构洞更高的城市，具有网络扩散的主导地位，创新能力更强。郑德权(5)郑德权：《关系型城市网络对城市创新能力的影响》，《第十一届中国软科学学术年会论文集(上)》，中国软科学研究会，2015年。通过构建城市网络均衡模型，分析得出与核心城市的连接越多，则城市的创新能力越强。

当前中国城市空间结构与城市创新并不是同步的，事实上，很多城市在网络体系中所处位置与功能，对创新资源的流通与扩散是有影响的。鉴于此，有必要针对“城市在网络结构中的位置会对创新产出造成什么样的影响？”这一议题进行思考。具体说来，金融网络是促进了还是抑制了城市创新产出？金融网络如何作用于城市创新产出是一个既充满现实意义又学术价值颇丰的话题，但基于城市网络的实证研究还太少，现有文献尚未得出统一结论。一是构建城市网络的产业主体问题，虽多数研究延续了GaWC(全球化与世界级城市研究小组与网络)的连锁网络模型的网络构建方法，基于生产性服务业的总—分空间布局构建城市网络，多样化的网络构建主体导致城市网络的空间特性也呈现多样化。二是多数研究还忽视了城市网络在空间中的结构效应，而仅对城市网络的空间结构与格局特征进行了过多的关注，缺乏城市网络的机制探究以及实证分析。三是对影响城市创新产出的路径与因素中，基本上涵盖了R&D经费与R&D人员投入、创新环境、人力资本、集聚经济、社会资本、以及政府的政策效应等多方面因素，这些方面基本是从城市个体考虑，而忽视了传导路径的研究。

综合以上考虑，本文的贡献主要在以下几个方面：一是从金融服务业视角出发，解决多元数据视角下城市网络结构的多样性，利用银行网点的空间布局，依托连锁网络模型与社会网络分析方法，测度稳定的金融网络。二是关注空间外部性路径，从城市创新视角出发，探讨了金融网络对创新产出的影响关系，并对创新要素的中介效应进行了实证检验，进一步明确了创新要素对金融网络与创新产出关系的影响及机制。三是异质性分析，针对不同等级、不同地区的城市分别进行了异质性研究，探讨了不同异质性条件下金融网络与创新产出的影响关系，为网络结构中位于不同位置与功能的城市发挥自己的作用提供了借鉴与参考。

二、理论假说

(一)度中心度与创新产出

度中心度是表征网络中城市节点在整体网络空间中的重要程度的变量，可以将其用来考察城市在网络中的核心地位以及对区域空间中资源集聚和把控的能力。度中心度的高低表明其在金融网络中的位置从核心向边缘递减。城市在金融网络中的位置决定了其获取资本、吸引人才、传播讯息等方面的优势。(6)任会明、叶明确、余运江：《城市网络与创新要素——基于银行网点构建城市网络的实证分析》，《南京财经大学学报》2021年第5期。因而，在金融网络中度中心度越高的城市，拥有的人力、资本、信息以及资源优势更显著。首先，度中心度高的城市对于集聚金融资本、信息转化等更为有利。位于金融网络核心的城市，人才汇集、金融资源集聚，为城市创新水平的提高提供了基础平台，并为城市创新成果的转化在“流空间”中提供了路径与渠道。(7)Borgatti S. P.，”Centrality and network flow”，Social Networks, 2005, 27(1),pp.55-71.Ma H. et al.(8)Ma H., Fang C., Pang B., et al.，”Structure of Chinese city network as driven by technological knowledge flows”, Chinese Geographical Science, 2015, 25(4),pp.498-510.通过对中国专利合作的城市网络研究发现：北京、上海和珠江三角洲地区的城市作为网络核心城市，具有较强的技术知识传播和控制能力。其次，度中心度高的城市，对于信息的获取较为容易与方便，并成为网络信息的中心。(9)钱锡红、杨永福、徐万里：《企业网络位置、吸收能力与创新绩效——一个交互效应模型》，《管理世界》2010年第5期。越处于网络核心位置的城市，越容易获得与培育与创新有用的信息。最后，度中心度的高低直接决定了其在网络空间中的资源调控能力与网络整体的把控能力。网络中心城市基于对资源流动与扩散的把控，并通过与其他城市的资源互动，构建互补关系，降低中心城市的资源成本，并从网络溢出中获益。(10)Guan J.C.， Zuo K. R.， Chen K.H.， et al.，“Does Country-level R&D Efficiency Benefit From the Collaboration Network Structure？”, Research Policy, 2016, 45(4),pp.770-784.(11)朱丽、刘军、刘超、杨杜：《异质性行业连接、网络权力与创新绩效关系研究——基于中国上市公司全网络》，《经济管理》2017年第9期。综上所述，我们提出如下假设：

假说1：金融网络中度中心度越高越有利于促进城市创新产出

(二)中介中心度与创新产出

中介中心度是度量一个网络中所有经过该点的与其他城市节点形成的最短路径数量比例。网络中节点城市的中介度值越高，表明此节点在网络中的控制力越强，在网络中则承担起“中介”或“中转站”的功能。处于这种位置的节点城市可以通过控制网络信息的扩散而影响整个网络。一个城市的中介中心度越高，表明该城市在网络中的中介位置越特殊，其就越处于一个网络战略优势地位，创新技术、研发成果、金融信息等可以通过该节点进行传播扩散。(12)Ozmel U.， Reuer J.J.， Gulati R.，“Signals Across Multiple Networks: How Venture Capital and Alliance Networks Affect Interorganizational Collaboration”, Academy of Management Journal, 2013, 56(3), pp.852-866.如果该节点一旦被剔除势必会对网络中其他城市节点的资源扩散与扩散产生影响。如果一个节点处于网络中多个节点对的最短路径上，则其中介度就会很高。在城市网络中，城市的中介度表示的是该城市充当其他城市交流媒介的能力。一般认为，一个城市的中介程度越高，越有利于城市创新的发展。(13)彭新敏、吴丽娟、王琳：《权变视角下企业网络位置与产品创新绩效关系研究》，《科研管理》2012年第8期。首先，一个城市在网络中中介度越高，在空间流中建立的网络联系就越多，“中介位置”获取的网络信息就越大，获得的互补信息的能力就越强，不仅增加了自身信息的多元化，还有利于创新成果的传播与互动。(14)赵凤、王铁男、王宇：《外部技术获取与企业财务绩效的关系:产品多元化的中介作用研究》，《经济管理》2016年第5期。其次，城市在网络中的中介度越高，与其构建最短路径的城市就越多，创新时效性会越强，缩短了技术、信息与资本的传播时间，越有利于创新成果的扩散。(15)张战仁、罗雅雯：《城市网络与跨国公司在华研发投资布局——基于流入与集聚因素分析的实证研究》，《软科学》2015年第8期。最后，城市在网络中的中介度也决定了其在网络中的影响力，对技术创新成果的转化与分享能力越强，创新扩散的效果越好，越有利于创新在的空间流动。

假说2：中介中心度与城市创新产出正相关

三、变量与数据

(一)变量说明与数据来源

1.创新产出的度量：用专利申请量表征城市创新产出

在不同的研究中衡量创新产出的维度也不尽相同，部分学者对创新产出的测度聚焦于城市内部高科技企业的增加数量和论文两个方面。相比于以上两种方式的测度，城市专利的申请数量作为理论和实践的结合，其本身具有排他性，且申请单位包括个人、企业和政府组织，可以较为全面地反映一个城市的创新产出水平，具有较强的稳定性。且专利体现了一个城市在一定时期内对新技术、新知识和新方法的探索，是城市产学研一体化与自主创新水平的重要体现。(16)Huggins R.，“Entrepreneurship, Innovation and Networks: Lessons for Regional Development Policy”, Welsh Economic Review,2016, (24), pp.18-22.基于Kim & Park(17)Kim C.， Park J. H.，“Xplorative Search for a High-impact Innovation: the Role of Technological Status in the Global Pharmaceutical Industry”, R&D Management, 2013, 43(4), pp.394-406.前人研究的基础上，本文选取城市的专利申请数量作为城市创新产出的度量指标，国家知识产权局的专利信息服务数据库为专利数据主要来源。

2.金融网络的结构量化：测算度中心度与中介中心度

(1)对金融网络的构建。本文通过Taylor提出的世界城市网络连锁网络模型(Interlocking Network Model)在总—分银行网点空间布局的基础上，构建其金融网络。其中构建金融网络的具体模型步骤为：将银行网点的布局信息转化为m个银行网点在n个城市分布的数据库，城市i中银行网点j的得分值被定义为银行网点j在整个网络中的重要程度，用Vij表示。银行网点j作为网络中的基本连接点，Vaj和Vbj分别表示j在城市a和城市b的重要性，那么a、b两个城市之间的金融网络连接度可以表示为：

Rabj=Vaj×Vb(j=1,2,...,m)

(1)

a、b两城市通过所有基本网络连接的权重加总，即为城市a和b的总的金融网络连接度：

(2)

城市a在金融网络中与其他n-1个城市的连接度为：

(3)

城市a的金融网络连接度为(3)与整个金融网络连接度总和的比值：

(4)

(2)金融网络结构指标的选取。中心度是网络结构的重要特征。本文借鉴Freeman(18)Freeman L. C.，“A Set of Measures of Centrality Based on Betweenness”, Sociometry, 1977(1), pp.35-41.的研究成果，选择度中心度和中介中心度两个网络结构指标。其中度中心度表征节点城市在整体金融网络中的总体联结，表征一个节点城市在网络空间中的地位。

(5)

CD为度中心度值，rij为节点间的网络空间联系。有网络联系的为1，无网络联系的为0。平均度为节点度值的平均值。

中介中心度，表征网络中所有最短路径中经过该点的数量比例，承担“中介”或“中转站”的能力，节点城市的中介中心度越大，表明节点城市控制整体网络的能力越强。这一指标表示一个节点城市对其他城市间的空间联系所发生的外部性作用。

(6)

Njk表征网络中节点vj和vk之间的最短路径条数；Njk(i)表示节点vj和vk之间经过节点vi最短路径的条数。

3.控制变量

城市间的创新产出差异悬殊，仅仅控制金融网络结构变量显然不足以解释微观城市的创新产出水平，还需控制针对个别城市特征的变量。一方面能说明哪些微观因素对创新产出的影响比较明显，另一方面也可以减轻自选择偏误。本文选取的控制变量主要为：(1)表征城市经济发展水平和产业结构特征：人均GDP是表征一个城市经济发展水平的主要指标，对城市空间的发展和演化具有重要影响，同时对创新产出水平的提高也具有重要影响；城市创新产出的提高基于不同产业的创造和创新，二产占比和三产占比能很好地代表城市产业发展状况，在一定程度上影响了城市创新产出的能力。(2)表征创新投入的因素：用城市当年用于科学支出的财政费用表征研发投入水平；用普通高等学校在校学生数表征城市的人力资本水平。(3)开放水平：用城市当年实际使用外资金额进行表征。城市的对外开放程度的高低一方面会对创新产出产生溢出效应，另一方面可充分发挥城市外部性作用，接纳吸收外来的创新资源与技术，促进本城市创新产出的提高(见表1)。

表1 变量的描述性统计

4.数据说明

本文以2000—2017年我国284个地级市为研究对象，数据来自《中国城市统计年鉴》《中国统计年鉴》、中国工业企业数据库、《中国金融年鉴》《中国科技统计年鉴》、国家知识产权局专利检索网站，其中缺失的数据，已通过查阅当年相关城市的《国民经济和社会发展统计公报》进行补充。

(二)模型设定

由于本文的被解释变量为城市专利的申请量，它是一个典型的计数型变量，而且在零处聚集了大量的观测值(部分城市在某一年度没有专利申请数据)，呈现出典型的有偏分布特征，所以本文选取面板泊松回归(Poisson regression)模型进行估计，假设被解释变量的观测值遵循参数为μit的泊松分布, 则回归方程可记为式：

Yit=α0+α1Xit+φZit+δi+δt+εit

(7)

其中，i表示城市，t表示时间年份，Yit表示城市i在t年的专利申请量；Xi,t为核心解释变量，表示i城市t年份的度中心度和中介中心度，α1是本文所关心的核心估计系数；Zi,t表示对城市创新产出产生影响的其他控制变量，包括城市经济因素、创新投入因素、对外开放水平等，用以控制其他城市产生的影响；δi、δt分别表示城市固定效应和时间固定效应，εit表示随机扰动项。

Yit=α0+α1Xit+αZit+α2pgdpit×Xit+δi+δt+εt

(8)

其中，中介中心度的计算结果为标准化后的值，故不取对数，其余自变量取自然对数。

四、金融网络分析

为了更好地体现金融网络空间结构的变化趋势以及发展脉络，本文在金融网络分析过程中选取了1979、2000、2009、2017(19)选择此4个代表性的时间节点的原因是：1979年为改革开放的第一年，外资开始进驻，经济开始起飞，包括银行在内的金融业也开始待兴，它是当代银行业开始繁荣的一个起点。2000年世界进入21世纪，开启新纪元，为所有产业和经济发展的一个新起点。2009年为金融危机次年，全球金融业遭受重创，国内银行正面临着不断加大的风险、经营与盈利压力。2017年为本文数据样本期。四个时间节点。依托ArcGIS可视化平台，将金融网络结构进行可视化视图(图1)。研究发现：(1)1979年网络结构尚未显现，但哈尔滨、北京、重庆、上海以及广州在网络中较为突出；2000年，北京的极点作用逐渐变大，以北京—上海—广州—重庆为中心的菱形结构逐渐显现；2009年，菱形结构愈发成熟；2017年，菱形结构已成为在银行网点基础上中国金融网络的主要组织结构。(2)同时依附菱形空间网络结构，以点带面：以北京为核心的京津冀、以上海为核心的长三角、以广州为核心的珠三角架构中国金融网络的核心簇群。同时随着城市金融资源的集聚、金融实力的增强，以重庆为核心、成都为中心的成渝城市群在中国金融网络空间结构上独树一帜，成为西部地区的金融凝聚中心，与东部地区的京津冀、长三角、珠三角共架中国金融网络的菱形结构模式。(3)由图1的(a-d)清晰可见，中国金融网络的连接度在逐渐增加，结构结构也逐渐清晰。1979年，虽然中国金融网络连接度最高为北京—上海，稀疏的网络形态只塑造了四边形框架雏形：哈尔滨—成都—广州—上海，这种雏形形态也使得中国金融网络以跨省、跨区域进行，其中在前十的网络连接度中，只有位列第四的天津—北京为区域内(京津冀)的联系，其余皆为跨区域网络联系。2000年，随着全国金融业发展，城市的网络联系也迅速增加，中国金融网络在原基础上发育的更为稠密。此时，中国金融网络的四边形—菱形结构雏形出现，京津冀—成渝地区—长三角—珠三角组成的四边形结构逐渐成为中国金融网络的核心结构，其中北京—重庆的网络连接度达到370万，是当时指数最高的网络联系。北京—上海的网络连接度也达到350万，中国金融网络结构仍然倾向于跨区域网络联系。至于区域内网络联系仍然聚焦在京津冀地区，北京—天津的网络连接度为255万，位居第五。2009年，菱形网络结构更加凸显，北京—重庆的网络连接度达到380万，天津—上海的网络联系超越北京—广州，也说明了京津冀与成渝地区的网络联系要紧密于京津冀和珠三角的网络联系。在网络结构成长发育的过程中， 中国金融网络的四边形结构逐渐清晰，除东部地区京津冀、长三角、珠三角三大城市群外，以重庆、成都为核心的成渝地区逐渐成长为西部地区的网络枢纽。在此时间段，中国金融网络仍然是以远距离跨区域网络联系。2017年，以北京—上海—广州—重庆为核心的四边形在中国金融网络中的地位逐渐稳固，网络结构趋于稳定。

图1 1979—2017中国金融网络的空间格局演化

五、实证分析

(一)基准回归

表2报告了金融网络对创新产出影响的回归结果。模型(1)在双向固定效应的检测下，金融网络的度中心度和中介中心度对创新产出呈现显著的正向影响，说明城市越处于网络的中心位置，在金融网络中的整体把控能力越强，对创新资源和要素的吸引力越强，有利于提高城市创新产出。城市处于中介位置，间接与其他城市建立金融联系，尤其是与创新水平高的城市，通过网络外部性，创新成果在空间传播过程中，一定程度上有利于中介城市的吸收和转化，从而促进创新产出。在模型(2)中依次加入经济变量，发现度中心度和中介中心度的系数依然显著为正，说明城市经济发展水平越高， 二产、 三产在城市中所占份额越大，处于金融网络中心和中介位置的城市，对创新产出的影响越深入。在模型(3)中加入创新投入要素时，度中心度、中介中心度依然对创新产出具有显著的正效应，且变量scie、hc在1%水平上显著为正，说明城市创新投入高，则越有利于城市创新成果的转化，进而促进创新产出。在模型(4)中加入外资使用金额时，度中心度和中介中心度对创新产出的正效应稳定。变量open显著为正，说明加强与外商之间的合作，不仅有利于创造良好的创新环境，还进一步促进了城市创新产出。在模型(6)中加入网络结构和人均GDP的交互项，度中心度与中介中心度的系数均显著为正，而度中心度与人均GDP的交互项系数在1%水平上显著为正，中介中心度与人均GDP的交互项系数在1%水平上显著为负，说明城市经济发展水平对金融网络与城市创新产出之间的关系具有显著的调节作用，即城市经济发展水平越高，对促进度中心度影响创新产出的正效应越强。城市经济发展水平越低，越能通过网络中介位置提高创新产出水平。通过进一步观察，当人均GDP在75百分位以上(达到4.1万时)，中介作用开始由正转负，也说明了金融网络对于经济发展水平较低的城市而言，通过间接获取外来信息、资源，有利于创新产出水平的提高。

(二)稳健性检验

在表2的基础上，本文采用城市创新发展指数代替城市专利申请量，重新进行回归，结果见表3，相比于城市专利的申请量，城市创新发展指数源自《中国城市和产业创新力报告2017》，该数据基于微观专利数据和新企业注册数据，借助计量和统计分析方法计算所得，数据可靠，能较好地反映城市创新产出水平，由于城市创新发展指数的时间跨度为2001—2016年，故在本阶段稳健性检验中，各自变量剔除2000年和2017年的数据，选取2001—2016年的数据样本进行稳健性检验。在(1)—(6)中度中心度的系数显著为正，度中心度提高1%，创新产出提高0.19%—0.47%，呼应了此前用专利申请数据估计出的结果。在控制城市各变量之后，模型(5)中介中心度的系数未通过理论预期，这说明在金融网络中，位于网络中心位置的城市更有利于创新产出水平的提高，结果较为稳健。

表3 稳健性检验一：替换被解释变量

事实上，在样本考察期内，我国金融网络发生了很大变化，鉴于金融网络是一个空间的维度，城市间的网络流动需要时间，故对核心解释变量—金融网络结构指标进行滞后一期与两期处理。结果如表4中(1)、(2)显示，其中度中心度、中介中心度仍然保持较高的显著性，系数符号符合理论预期，与基准回归表2中模型(6)结果保持一致，回归结果具有一定的稳健性。也侧面说明了金融网络对创新产出的影响具有长效性，城市在网络系统中的结构位置与创新产出的关系敏感且显著。

表4 稳健性检验二：核心解释变量滞后一期、二期

基准回归的数据样本时间为2000—2017年，但在样本期间内还发生与颁布了诸多对创新产出有影响的重大事件和政策战略，如2004年国家开始实践自主创新的发展道路，2006年国务院颁布了《国家中长期科学和技术发展规划纲要(2006—2020年)》，2008年世界金融危机爆发，2012年国家开始实施创新驱动发展战略等。基于中国城市间创新水平的时间差异趋势，为了检验样本窗口的选择是否对识别的结果产生影响，因此选择2004—2017、2008—2017以及2012—2017三个时间段的样本进行回归检验，结果显示：从时间趋势上看，度中心度的系数在长时间样本下先降后增，2004—2017年为1.163，2008—2017年为0.639，而在2012—2017年为1.072，且影响始终是正向的。而中介中心度也通过了显著性检验，但其系数在三个时间段下也呈现先降后增，探究其背后的机理可能是2004年在《国家创新发展规划战略》的支持下各城市开始注重创新产出的提高和创新成果的培育。2005年国家正式确立实施创新型城市战略，深圳、北京、广州等位于金融网络核心的城市最早提出建设“创新型城市的目标”，而这些位于网络中心位置的城市依托其经济发展水平和区位优势，对创新资源和技术集聚具有一定吸附力，故有利于创新产出水平的提高。位于金融网络中介位置的城市是其他城市之间进行金融联系和信息空间传递的门户，其“桥梁”位置的属性使其在一定程度上参与到城市创新过程中，为创新资源、资本、技术的集聚以及创新理念的传播提供了促进作用，有利于创新产出的提高。近年来，随着城市间创新力竞争的加剧，网络中心城市利用资源优势、区位优势、经济发展水平优势等不断吸引高等级人才、资源、技术的流入，通过提高创新产出水平，进而提升自身的创新竞争力。伴随城市间创新差异的加剧，城市间创新两极化趋势明显，为了实现带动落后地区的创新产出，区域一体化战略逐渐深入，大城市通过产业转移、技术输出、人才输送等方式，带动落后地区的创新产出水平。而中介位置的城市通过中转便利，在大城市创新产能输送过程中，得以获取一定的创新资源和创意，促进创新转化，有利于创新产出的提高(见表5)。

表5 稳健性检验三：分时间段

六、机制分析

(一)中介效应模型的设定

创新要素的活动与使用直接决定了创新产出水平。根据上文的结论：金融网络对城市创新产出具有显著的影响。随着城市间金融联系不断加强，创新要素空间流动不仅会提高要素的空间配置效率，还会产生集聚效应，促进创新产出。但值得思考的是：金融网络能否通过影响创新要素进而影响创新产出？即：创新要素是否在金融网络影响创新产出的过程中扮演传导路径角色？本文选取创新人员(IP)、创新资本(IC)、创新环境(IE)三大创新要素，对此进行中介检验。其中由于城市层面的R&D人员和R&D经费难以获取，本文借鉴康海媛等(20)康海媛、孙焱林、李先玲：《中国城市科技研发效率的时空演变与影响因素》，《科学学与科学技术管理》2018年第4期。以及李琳和刘瑞(21)李琳、刘瑞：《创新要素流动对城市群协同创新的影响——基于长三角城市群与长江中游城市群的实证》，《科技进步与对策》2020年第16期。对于创新要素的指标选取：创新人员，本文选取城市中科研技术服务行业人员的数量；创新资本，本文选取城市财政支出中的科学技术支出进行表征；同时借鉴范新英和张所地(22)范新英、张所地：《创新集聚对城市房价影响的实证研究》，《经济问题探索》2018年第1期。构建的城市创新要素集聚指标，选取城市金融机构人民币存款额衡量创新环境。由于部分中介变量是从2003年才开始统计的，所以在以下中介检验中选取2003—2017年的时间段进行样本检验。具体借鉴温忠麟等(23)温忠麟、张雷、侯杰泰、刘红云：《中介效应检验程序及其应用》，《心理学报》2004年第5期。的三步法进行验证，具体公式为：

Yit=α0+α1Xit+φZit+δi+δt+εit

(9)

IPit/ICit/IEit=γ0+γ1Xit+φZit+δi+δt+εit

(10)

Yit=φ0+φ1Xit+φ2IPit+φ3ICit+φ4IEit+φZit+δi+δt+εit

(11)

其中，方程(9)与上文方程(7)相同。如果γ1、φ2、3、4均显著，φ1不显著则具有完全中介效应，反之φ1显著则具有部分中介效应。如果γ1、φ2、3、4二者只有一个显著，则需进行Sobel检验，如Sobel检验显著表明中介变量具有部分中介效应，反之则无中介效应。

(二)中介效应模型的估计结果

从表6中可以明显看出，模型(1)是方程(9)的结果，度中心度、中介中心度对创新产出均具有显著的正效应。模型(2)—(4)是方程(10)的回归结果，由模型(2)可以看出，度中心度对创新人员具有显著的正效应，中介中心度对创新人员也具有显著的正效应，即金融网络对创新人员具有显著的正效应。模型(5)—(7)主要报告了核心解释变量加入三大创新要素后对创新产出的回归结果对应方程(11)。由模型(5)可知变量IP的系数在1%水平上显著为正，说明创新人员集聚能显著提高对创新产出的影响。度中心度、中介中心度均显著为正，且与模型(1)相比其回归系数分别下降了0.007与0.010，为此初步判定变量IP具有部分中介效应，所以需要利用Sobel方法进行检验，以判断创新人员的中介效应是否显著。根据创新人员的回归结果计算得出Zγ1φ2的值为2.224和1.817(γ1为度中心度和中介中心度的估计系数，所以会得到两个标准差)，中介效应占总效应的3.09%、3.87%，在5%和10%的水平上显著，说明创新人员对金融网络影响创新产出具有部分中介效应，金融网络可以通过促进创新人员集聚影响城市创新产出。

表6 创新要素的中介效应估计结果

模型(3)中度中心度对创新资本具有显著的正效应，中介中心度对创新资本也具有显著的正效应，即金融网络对创新资本具有显著的正效应。模型(6)中变量IC的回归系数在1%水平上显著为正，说明创新资本的投入越高越能提高城市创新产出水平。度中心度、中介中心度均显著为正，且与模型(1)相比其回归系数分别下降了0.028、0.023，为此初步判定变量IC具有部分中介效应。通过Sobel检验，计算出Zγ1φ3为2.544、1.017，中介效应占总效应的13.6%、8.71%，度中心度在5%的水平上显著，而中介中心度未通过显著性检验，说明创新资本对度中心度影响创新产出具有部分中介效应，金融网络中的核心城市可以通过提高创新资本影响城市创新产出。

模型(4)中度中心度对创新环境具有显著的正效应，中介中心度对创新环境也具有显著的正效应，即金融网络对创新环境具有显著的正效应。模型(7)中变量IE的回归系数在1%水平上显著为正，说明创新环境越优越对创新产出的正向影响越显著，良好的创新环境为创新资源集聚、创新政策的实施以及创新活动的顺利开展提供了环境保证，有利于进一步增强城市创新活跃度与吸引力，促进创新产出。度中心度、中介中心度均显著为正，与模型(1)相比回归系数下降幅度为0.028、0.430，为此初步判定变量IE具有部分中介效应，通过Sobel检验发现，Zγ1φ4的值分别为3.29、2.497，中介效应占总效应的13.89 %、16.84%，在1%和5%的水平上显著，说明创新环境对金融网络影响创新产出具有部分中介效应，金融网络可以通过改善城市创新环境影响创新产出。

由此可以判定：创新人员、创新资本以及创新环境等三大创新要素对金融网络影响创新产出具有部分中介效应，中介作用较小且创新资本仅体现在度中心度上。

七、异质性分析

(一)基于不同等级城市的异质性分析

城市等级与地位是有差异的，本文对284个城市进行了等级分类，具体操作方法是借鉴刘修岩等人(24)刘修岩、秦蒙、李松林：《城市空间结构与劳动者工资收入》，《世界经济》2019年第4期。的划分，将直辖市、省会城市、自治区首府定义为高等级城市，其余为低等级城市。结果表明：金融网络对创新产出具有显著的正效应，度中心度对高等级城市的创新产出影响强于低等级城市，中介中心度对低等级城市的创新产出影响强于高等级城市。

为何不同等级城市之间的中介中心度对创新产出的影响不同？我们认为可能是因为高等级城市一般意义上是区域的中心城市，人口规模较大，金融资源、基础设施、创新要素、政策扶持等条件优越，创新成果丰富，中介位置使其与其他城市建立了间接金融联系，再加上网络扩散效应的发挥，一定程度上加速了自身创新成果的传播以及创新产出的扩散。而低等级城市其中心地位、资源、人才、技术的集聚性以及享受的政治环境都不及高等级城市，但中介位置为其提供了间接与其他城市尤其较高等级城市之间建立金融联系的渠道，不仅有利于吸收和整合网络空间中的溢出效应和信息传递，从而作用于自己的创新发展。中介位置虽为两城市间的第三方“中转”场所，一定意义上加强了城市间的外部联系，尤其对于城市经济发展水平较落后的城市，网络中介位置无疑成为这些城市吸收创新思想，传递金融技术和科技，进行创新溢出的重要场所，故对于低等级城市而言，中介中心度的影响会更强(见表7)。

表7 基于不同城市等级的异质性影响

(二)基于不同地区的异质性分析

为了进一步分析金融网络对创新产出的影响作用，且在不同地区间是否存在差异，我们对284个城市样本进行了分区域检验，具体实践方法根据地理归属将所有的样本城市分为东、中、西三大区域，依据面板泊松回归得出估计结果(见表8)。研究发现：(1)度中心度对东部地区城市创新产出的影响强于中、西部地区。(2)中介中心度对于东部地区城市的创新产出具有显著的负效应，而对中、西部地区呈现显著的正效应。

表8 分区域的异质性影响

三大区域空间分异效果明显，深究其机理可能是处于网络中心位置的东部城市依托与其他城市密切而频繁的金融联系，有利于吸引金融人才、金融资源、技术等的空间流动，其良好的创新环境，在工业企业创新和新兴高技术企业创新的支持下，产业的专利产出明显，创新产出水平提高。而在中介位置的东部城市，其“中转”位置一定意义上会增加城市资源、资本流动的时间成本和交通成本，为城市专利转化以及创新产出水平的提高具有负作用。而对于中西部地区的城市而言，受限于自己经济、资本、交通、信息等各方面的约束，中介城市成为与东中部发达城市建立金融联系的唯一希望，则对城市创新产出具有显著促进作用。而处于中心位置的城市，一般是中西部地区的省会城市或者经济相对较好的城市，资源、资本以及创新人才较为集聚，为提升创新产出水平提供了潜能。

八、结论与政策启示

随着中国金融网络体系发展成熟，中西部城市逐渐崛起，城市创新发展战略逐渐推进，金融网络以及对城市创新的影响成为城市科学领域一个熟悉但触及不多的议题。考虑到城市本身并不是孤立存在的，而是各种空间流构建的复杂体，同时城市的空间位置对创新水平具有重要作用，于是我们借助银行网点的空间布局构建金融网络，选取度中心度、中介中心度2个金融网络结构指标，探讨了金融网络对创新产出的影响。(1)基准回归结果显示金融网络对城市创新产出具有显著的正效应；(2)城市经济发展水平在金融网络对城市创新产出的影响中具有显著的调节作用，城市经济发展水平越高，对促进度中心度影响城市创新产出的效应越强。城市经济发展水平越低，越能通过网络中介位置提高创新产出水平；(3)稳健性检验分别从“替换被解释变量”“核心解释变量滞后一期与二期”“分时间段分析”等三种方法着手，结果始终成立，并进一步揭示了金融网络对创新产出的影响具有长期时效性；(4)引入“创新人员、创新资本、创新环境”三大创新要素，以进一步对作用机制进行探究，结论显示，三大创新要素对金融网络影响创新产出具有部分中介效应，且创新资本仅体现在度中心度上。(5)异质性分析发现：度中心度对高等级城市和东部地区城市的创新产出的影响强于中西部地区，而中介中心度对低等级城市和中西部地区城市的创新产出更强。

基于以上研究结论本文提出以下政策建议：(1)在金融网络未来发展演化过程中，各城市需要注重网络空间外部性的作用，避免过度重视城市外联和蔓延，影响整个城市网络的紧凑性，而削弱城市内部的金融资源集聚优势、降低城市的创新能力。网络中心位置具有连通八方的有利条件，在网络中心位置的城市要积极发挥自己区位优势，依托网络通达性，积极的“引进来”，适当的“走出去”，以金融人才和金融业务联系为载体，为自己创新水平的提高积累经验和资源。

(2)注意提高城市中介位置的作用效应，中介位置虽为其他城市建立金融联系提供了门户场所，但应注重中转过程中积极地发挥吸收和转化作用，引导网络边缘城市与其建立金融联系，在推动协同发展的过程中，发挥金融网络优势，在为自己积累金融要素的同时，也为网络边缘城市引进资源、资本、技术、人才提供了条件，从而为城市积累相应创新要素。

(3)大城市依托邻近优势，一般享受的政策较为全面与优先，作为特定区域的增长极，要积极发挥涓滴效应，对周围小城市、边缘城市产生溢出影响，小城市和网络边缘城市要积极承接大城市的产业转移，利用自己的自然资源、产业专长，与大城市积极互动，以产生创新互补效应。

(4)金融网络是一个全域型的空间状态，要注重区域发展不平衡问题，东部地区的城市更多的位于金融网络的中心，中部地区的城市处于金融网络的中介，而西部地区基本位于网络的边缘地带，东部地区的城市继续发挥中心优势的同时，积极的扶持中部地区崛起，积极与中部地区进行金融合作和人才交流，传输资本流动；也要积极帮助西部地区发展，向西部地区传输资本、人才，优化创新环境的同时，帮助西部地区巩固产学研一体化的地基，促进专利的转化水平，这样才能规避网络空间环境差异过大而导致的城市创新不平衡问题。