科技金融与地区经济增长关系研究——基于创新要素配置效率的视角

■ 肖静荣 徐 亮

（1.中共佛山市委党校 广东佛山 528399；2.中国人民银行中山市分行 广东中山 528400）

目前我国经济已由高速增长阶段转变为高质量发展阶段。党的二十大报告提出高质量发展是全面建设社会主义现代化国家的首要任务，科技是第一生产力，创新是第一动力。金融作为国民经济的命脉，需要为经济社会发展提供高质量服务。科技创新需要依靠足够且与之发展相匹配的金融资金支持，这就需要科技与金融的深度融合。早在2011年我国科技部等五部门就在16个城市设立了促进科技和金融融合的试点，今年中央金融工作会议又强调要优化资金供给结构，把更多金融资源用于促进科技创新、先进制造、绿色发展和中小微企业，支持实施创新驱动发展战略，做好“科技金融”这篇大文章。

一、文献综述

对于科技金融与地区经济增长的关系，学者进行了多角度的研究。有的学者利用省际或市域面板数据验证了科技金融对经济增长的促进作用（刘文丽、郝万禄等，2014；汪淑娟、谷慎，2021）；对于科技金融促进地区经济增长的传导机制，学者们发现了各类中介传导变量。揭红兰（2020）利用省际面板数据实证得出科技创新在公共科技金融与经济发展的相关关系中有完全中介效应，对市场科技金融只起到部分中介效应。徐越倩、李拓等（2021）利用双重差分模型实证研究得出科技金融结合试点政策能够通过提升地区科技创新水平和推动产业结构合理化的双重路径带动地区经济增长。张腾、蒋伏心（2023）通过研究得出技术创新与科技金融的深度协同能够促进经济高质量发展。已有较多学者探讨了科技金融与经济增长之间的关系，以及科技创新、产业结构等中介变量在其中的传导效应，这些研究忽略了创新要素配置效率水平在科技金融与经济增长关系中的调节作用，但它直接影响技术创新、产业升级以及经济增长的速度和质量，因此本文创新性地研究科技金融、创新要素配置效率和经济增长之间的关系。

与现有的研究相比，本文可能的边际贡献主要在于：首先，在科技金融与经济增长这二者关系的基础上，以创新要素配置效率为切入点，分析三者间的内在机理；其次，通过三个方面10个指标构建了创新要素配置效率的综合评价指标体系，并通过调节机制模型验证了创新要素配置效率在科技金融与地区经济增长之间的调节作用，进一步丰富和拓展了科技金融与经济增长两者关系的研究。

二、理论分析与研究假设

（一）科技金融影响地区经济增长的基准效应

赵昌文、陈春发等（2009）首次提出科技金融的内涵∶科技金融是促进科技开发、成果转化和高新技术产业发展的一系列金融工具、金融制度、金融政策与金融服务的系统性、创新性安排，是国家科技创新体系和金融体系的重要组成部分1赵昌文，陈春发，唐英凯.科技金融［M］.北京∶辞书出版社，2009.。房汉廷（2010）认为科技金融是科技创新活动与金融创新活动的深度融合，是由科技创新活动引发的一系列金融创新行为2房汉廷.关于科技金融理论、实践与政策的思考[J].中国科技论坛，2010（11）∶5-10.。因此，科技金融可以为科技发展、技术创新、产业创新提供多样化的融资渠道与有效稳定的资金支持，提高科技创新的效率，促进地区经济的发展。据此，提出以下假设：

H1：科技金融对地区经济增长有显著的正向促进作用。

（二）创新要素配置效率的调节机制

科技金融对经济增长的促进作用离不开外部支持条件，尤其是创新要素的配置效率。一般来说，创新要素配置效率水平越高的地区，其科技金融更易获得足够的复合型金融人才和大数据、人工智能等新一代信息技术的支持，能更加精准识别并匹配科技创新和产业创新的金融需求，为技术进步和经济发展提供更多更有效的金融支持；相反，创新要素配置效率水平越低的地区，科技金融本身的发展较难获得人才和技术的支持，也很难精准识别科技型企业或科研机构创新的资金需求，科技金融效率较低。据此，提出以下假设：

H2：当创新要素配置效率处于较高水平时，科技金融对地区经济增长的促进作用更强。即创新要素配置效率在科技金融与地区经济增长二者关系间起到正向的调节作用。

三、研究设计

（一）变量说明

我国在2011年开始实施科技金融结合试点政策，受限于相关年鉴公布数据年限，基于研究内容需要和数据可获得性，本文选取2011～2019年中国30个省份（不含港澳台及西藏自治区）的面板数据分析科技金融、创新要素配置效率和地区经济增长三者的关系。

1.地区经济增长（eco）。国内生产总值（GDP）能够充分反映一个地区综合实力，但进行地区之间比较时需消除人口规模影响，因此本文以各省人均GDP衡量地区经济增长变量。

2.科技金融指数（techfin）。彭诚（2022）将科技金融效率分为投入变量、产出变量、环境变量三个方面进行衡量，投入变量包括财政科技支出、外商科技投资和金融机构科技贷款；产出变量包括科技实物产出和科技知识产出；环境变量包括人均GDP、研发强度、固定资产投资强度、高等教育水平，并通过三阶段DEA模型测度中国30个省市2011～2019年真实科技金融效率。本文借鉴其第三阶段各省、市科技金融效率分析结果3彭诚.环境规制会影响科技金融效率吗?——来自中国省级行政区的经验证据[J].东岳论丛,2022,43（09）∶68-80.（如表1所示）作为科技金融的衡量指标。

表1 2011～2019年各省份科技金融效率分析结果

3.创新要素配置效率（eff）。目前，学术界对于创新要素配置效率的测量尚未形成专业统一标准。对此，本文通过梳理已有文献，借鉴陈玉玲、路丽等（2021），王谢勇、金光辉（2022）和边作为（2023）将创新要素配置效率指标分为创新环境、创新投入和创新产出三个方面的研究思路，设置指标∶（1）创新环境。选取每10万人口高等学校平均在校生数、规模以上工业企业有研发活动的企业数占比、财政支出中科学技术支出占比、外商投资企业的投资总额等4个指标来衡量创新环境要素。（2）创新投入。选取R&D人员全时当量、R&D经费内部支出、互联网宽带接入端口数等3个指标来衡量创新投入要素。引入互联网宽带接入端口数主要是衡量数据要素的投入。（3）创新产出。创新产出可以分为科技成果和经济效益：选取专利授权量作为科技成果的衡量指标；选取规模以上工业企业新产品销售收入和技术市场成交额作为经济效益的衡量指标。最后形成10个指标的综合评价体系来衡量创新要素配置效率，具体如表2所示。

表2 创新要素配置效率的评价指标体系

4.控制变量。为控制其他因素对地区经济增长的影响，本文借鉴成徐越倩、李拓等（2021）和周春应（2021）的研究，选取政府干预程度（gov）、城镇化水平（urb）、对外开放水平（fdi）、信息化水平（infor）和基础设施水平（infra）5个控制变量提升模型的解释力度。本文采用地方财政一般预算支出占GDP的比重（%）来表示政府干预程度，采用城镇人口占总人口的比重来表示城镇化水平，采用货物进出口总额/GDP的比重（%）表示对外开放程度，采用每万人人均邮电业务总量来表示信息化水平，采用人均城市道路面积（每万人）来表示基础设施水平

（二）创新要素配置效率的测算

本文利用STATA15计量软件对创新要素配置效率进行主成分分析。首先利用计量软件将创新要素配置效率综合评价指标体系的10个变量进行标准化处理；接着对其进行可行性检验，通过KMO检验和Bartlett球形检验得出：创新要素配置效率的KMO值为0.858，P值为0.0000，通过了关联性程度检验，说明进行主成分分析是适合的。通过计量分析，从创新要素配置效率的10个指标中选取了2个主成分，其特征值大于1，且累计贡献率为81.14%，提取效果较好。将2个主成分以及最终的综合得分分别记为f1、f2和eff_，由此得出样本的主成分综合得分，表达公式如下∶

根据得出的创新要素配置效率主成分综合得分来衡量创新要素配置效率水平，其详细计算过程因篇幅限制在此略去。由于综合得分存在正负值，本文为了直观地进行比较，对原始数据根据最小值进行平移，得到最终的创新要素配置效率指标eff（eff=eff_+1.031547），平移后数据特征并没有改变，不影响因果效应评估。

（三）数据来源与描述性统计

本文所用的数据除“科技金融指数”外，其余指标数据来源于《中国统计年鉴》《中国金融年鉴》《中国科技统计年鉴》《中国人口和就业统计年鉴》，其中，个别省份部分年份出现数据缺失现象，采用插值法或移动平均法补全缺失数据。由于《中国金融年鉴》还未公布2020～2021年的数据，故本文所使用数据的年限是2011～2019年。基于数据特征，为消除多重共线性，对上述所有变量均取自然对数。表3是主要变量的描述性统计结果，表4为各变量之间的多重共线性检验结果，各VIF值小于10，说明变量间不存在多重共线性问题。

表3 变量描述性统计特征

表4 变量多重共线性检验结果

（四）模型构建

1.基准效应模型。为检验科技金融对地区经济增长的基准影响，构建面板基准模型如下：

2.调节机制模型。分析创新要素配置效率对科技金融与地区经济增长关系的调节效应，借鉴Sharma等人（1981）的研究，即调节效应是调节变量与其他一些变量的交互作用，分析调节效应就是对交互项的分析，并将调节变量分成三种类型：纯调节变量、半调节变量和同质调节变量。本文参照其对调节效应的分析机制，将创新要素配置效率调节变量的识别过程及其调节变量的类型用图1表示。

图1 调节效应识别过程及其调节变量的类型

因此本文采用分层回归方法来构建调节机制模型。首先，构建科技金融和创新要素配置效率对地区经济增长影响的回归模型（模型2-a）；其次，在之前模型的基础上引入科技金融和创新要素配置效率的交互项lnEFF*lnTECHFIN为解释变量（模型2-b），但引入交互项时需对科技金融、创新要素配置效率进行标准化处理（分别以lnTECHFIN、lnEFF表示），以降低引入交互项后变量间的共线性，同时更为方便模型结果的解释。Y3系数的方向和大小反映了创新要素配置效率在科技金融影响地区经济增长中发挥的调节效应。实证分析创新要素配置效率的调节效应的基本模型为：

四、实证结果分析

（一）基准效应结果分析

采用固定效应和随机效应模型分析科技金融影响地区经济增长的基准效应，并通过Hausman检验的P值为0，得出固定效应模型更合适，回归结果如表5所示。故本文分析固定效应模型下科技金融促进地区经济增长的基准效应，表5第（1）列中科技金融（lntechfin）的系数为0.0602，并通过5%显著性水平检验，表明科技金融对地区经济增长具有显著促进作用，假设H1得到验证。

表5 基准效应回归结果

分析控制变量的回归系数，对外开放程度（lnfdi）对地区经济增长的影响系数为0.1252且通过1%的显著性水平检验，表明对外开放程度越高，越有利于促进本地区的产业深度参与全球价值链分工，进而促进该地区的经济增长。信息化水平（lninfor）对地区经济增长的影响系数为0.0428并通过1%的显著性水平检验，表明信息化建设对经济增长起正向促进作用。政府干预程度（lngov）的影响系数-0.3721且通过1%的显著性水平检验。城镇化水平（lnurb）的系数为1.1072且通过1%的显著性水平检验，表明城镇化水平对经济增长具有正向促进作用。基础设施水平（lninfra）的系数为0.2226且通过了1%的显著性水平检验，表明基础设施的建设投资一方面是拉动了经济增长的直接力量，另一方面基础设施越完善越有利于扩大经济活动范围进而推动经济增长。

本文通过对关键解释变量滞后一期（L.lntechfin）进行稳健性检验估计,得出科技金融的滞后一期对地区经济增长的影响系数为0.0501，且在10%的显著性水平上通过了检验，证明了检验结果的稳健性。

（二）创新要素配置效率调节机制结果分析

根据前文分析调节作用的回归模型，首先做科技金融和创新要素配置效率与地区经济增长的回归；其次在之前回归模型的基础上引入科技金融与创新要素配置效率的乘积项（lnEFF*lnTECHFIN）为解释变量，并对科技金融、创新要素配置效率需进行标准化处理（分别以lnTECHFIN、lnEFF表示），以降低引入交互项后变量间的共线性。从表6的回归结果可知，模型2-b中科技金融与创新要素配置效率的交互项系数为0.0641，且在1%水平上显著；且模型2-a和2-b中创新要素配置效率的系数为正且在1%的水平上显著。根据上文图1调节变量的识别过程及其调节变量的类型，说明创新要素配置效率是一个半调节变量，且正向调节了科技金融与地区经济增长之间的关系，与研究假设H2相符。

表6 调节效应回归结果

五、结论与建议

本文运用2011～2019年中国30个省份（不含港澳台及西藏自治区）的面板数据探究了科技金融对地区经济增长的影响效果，同时构建创新要素配置效率综合评价指标并分析其在科技金融与地区经济增长两者关系中的调节效应。研究发现，科技金融发展对地区经济增长起到显著的正向促进作用；从调节效应机制来看，创新要素配置效率正向调节科技金融对地区经济增长的促进作用。此外，城镇化进程、基础设施建设、对外开放程度和信息化建设水平等因素对地区经济增长也具有积极影响。因此，建议加强科技与金融的融合发展力度，引导更多金融资源流向科技领域，例如科研机构、科技型中小企业和战略性新兴产业等，满足市场多样化和专业化的科技金融需求；充分重视创新要素配置效率的调节效应，不断激发地区创新要素配置活力，借助复合型金融人才和新一代信息技术赋能科技金融的发展；创新科技金融产品和服务，为科技创新提供更多的融资渠道，更精准地匹配科技发展、技术创新和产业创新的融资需求，促进科技金融与经济发展的良性互动。