科技创新与科技金融协同对经济高质量发展的影响研究

[摘要]科技创新是驱动经济高质量发展的关键所在，如何做好科技创新与科技金融协同和经济高质量发展是一个热门话题。厘清科技创新与科技金融协同和经济高质量发展的关系是推动经济高质量发展的前提。构建河南省经济高质量发展、科技创新与科技金融协同指标，采用空间杜宾模型，基于河南省2010—2021年17个城市的面板数据，分析科技创新与科技金融协同以及经济高质量发展之间的直接效应、空间溢出效应。结果发现：河南各城市经济高质量发展之间呈现正相关关系，但发展水平普遍较低；科技创新与科技金融协同能促进本地经济高质量发展水平的提升，亦具有正向的空间溢出效应，有利于周边地区经济高质量发展。未来的发展应加强科技创新与科技金融的深度协同，强化先验地区的示范效应。

[关键词]科技创新；科技金融；经济高质量发展；空间溢出效应

一、 引言

习近平总书记在党的二十大报告中重申了科技是第一生产力、创新是第一动力的重要论断①。科技创新关乎全局发展，与民生改善和国家长治久安息息相关。然而受西方国家科技封锁的影响，中国科技创新之路遭受了前所未有的坎坷。科技创新活动具有高风险高收益的特点，需要稳定的资金来源，离不开金融的大力支持。随着经济市场化改革的不断深化，科技金融得到高度重视。中央陆续出台了《关于深化体制机制改革加快实施创新驱动发展战略的若干意见》等多个文件②，为科技创新与科技金融的协同提供了必要依据和政策支持。

河南省是经济大省、人口大省，为科技创新奠定了坚实基础。2022年，河南省政府颁布《河南省“十四五”科技创新和一流创新生态建设规划》③，要构建以郑州都市圈为核心引擎、区域中心城市多极支撑的区域协同创新总体布局，培育建设国家区域科技创新中心。2016年，郑州市成功入选国家促进科技和金融结合试点城市④，2022年，河南省委、省政府正式对外发布《关于加快构建一流创新生态建设国家创新高地的意见》⑤，为了科技创新走向市场，河南省科技金融业务实现了跨越式发展。科技创新与科技金融协同在推动经济发展中起到了关键性的作用，在科技金融的催化下，科技创新能更方便更快捷地助力经济高质量发展。

二、 文献综述

1. 科技创新与科技金融关系

当前，科技创新、科技金融受到学者的广泛关注，两者关系成为研究重点。杨晶等[1]提出科技创新与科技金融相辅相成，科技金融为科技创新带来了较多便利，科技创新让金融应用更为广泛；聂秀华等[2]采用GMM等模型发现数字金融有效地促进了区域创新；刘义臣等[3]发现中国制造业创新与科技金融之间的耦合协调度逐步上升；杨嫰晓等[4]采用复合系统协同度模型研究两者之间的关系，发现陕西省各子系统有序度和复合系统协同度均有所上升，但协同度并不高；代军等[5]以湖北为例，分析了科技金融与科技创新耦合机理，发现其并未构成双向因果关系。

2. 科技创新与经济高质量发展关系

部分学者认为科技创新能有效促进经济高质量发展：上官绪明等[6]认为科技创新能显著地促进经济高质量发展且存在溢出效应。部分学者认为科技创新对经济高质量发展的影响存在异质性：李光龙等[7]认为科技创新仅对大城市的经济高质量发展有显著的促进作用，对中小城市的促进作用不明显。部分学者发现科技创新具有调解效应：贾洪文等[8]发现科技创新能够调整产业结构对经济高质量发展的负向效应。

3. 科技金融与经济高质量发展关系

张腾等[9]发现科技金融可以促进经济增长效益的提升，对创新也有积极作用，两者的深度协同也促进了经济高质量发展。汪淑娟等[10]认为科技金融显著地促进了经济高质量发展，对经济高质量发展五个维度的促进作用有所差异。但何宏庆等[11]认为当前科技金融在一定程度上制约了中国经济高质量发展，原因在于法规不完善、人才缺乏等。邓志敏等[12]也证实了科技金融并不利于经济高质量发展。

综上所述，学者们对于科技创新、科技金融与经济高质量发展已开展了大量的研究，成果较为丰富，对于本文有重要的启示作用，但仍存在一些局限：首先，现有研究集中在科技创新或科技金融对经济高质量发展的影响，科技创新与科技金融密不可分，却鲜有研究探讨科技创新与科技金融协同对经济高质量发展的影响；其次，已有研究多集中在直接效应，较少探讨科技创新、科技金融对经济高质量发展的空间溢出效应；最后，研究对象多为全国层面、长三角或珠三角地区，河南地处中国中部，是重要的交通枢纽和经济区域，但研究河南省各城市的文献较少。因此，本文将空间元素纳入模型中，通过构建空间杜宾模型，考虑空间权重来研究科技创新与科技金融协同对河南省经济高质量发展的空间作用，以期为经济高质量发展的提升提供有利错鉴。

三、 理论机制与研究假设

1. 科技创新与科技金融协同对经济高质量发展的直接效应

科技金融与科技创新协同是金融渗透到科技创新的过程，实质上是利用金融的资产属性，将科技创新成果视为资产并转化为财富。科技创新与科技金融相辅相成，首先科技金融促进科技创新。科技创新需要资金支持才能完成，科技金融对科技创新的影响是一个长期复杂的过程[13]，一方面金融補偿了创新成本，并为不同的创新阶段提供信贷支持[14]，同时降低了企业创新失败风险，提高了企业科技创新积极性[15-16]；另一方面，科技创新带来了互联网信息技术的进步，从根本上改变了金融技术、产品、服务等创新，极大地提升了金融效率[17]。

科技创新与科技金融相辅相成，促使科技金融组织体系不断完善，加速金融资源集聚；借助金融的投资属性，通过筛查创新项目分散科技创新的高风险、保障科技创新高效产出。此外，科技创新成果能够催生新技术和新产业，扶持绿色产业，进而有效推进污染产业污染排放量的降低；实现产业转型升级，从而有效促进经济高质量发展。据此，本文提出以下研究假设：

H1：科技创新与科技金融协同有助于促进经济高质量发展。

2. 科技创新与科技金融协同对经济高质量发展的溢出效应

科技金融具有延展性特征，在一定程度上增加了金融市场风险，但科技金融能有效传递市场信息，为科技创新提供指导，进而对冲科技创新活动的风险，为投资决策提供重要参考。两者协同将各利益相关者融合一起，能更好地服务实体经济，有效促进经济平稳且较快增长。此外，科技创新包含知识创新和技术创新。作为准公共产品，知识和技术具有传播性和非排他性等特征，通过学习效应使知识创新由创新能力较强的地区向周边创新能力较弱的地区溢出，减少创新能力的“位势差”，进而对邻近地区经济高质量发展产生“涓滴效应”。据此，本文提出以下研究假设：

H2：科技创新与科技金融协同对经济高质量发展的影响具有空间溢出效应。

四、 区域科技创新与科技金融协同度测度

1. 协同发展指标体系构建

科技创新与科技金融的协同度测量的是科技创新与科技金融的协同一致状况，反映科技创新与科技金融的结合水平。本文根据区域协同度发展内涵，将协同指标体系分为科技创新子系统与科技金融两大子系统，选取13个指标构造科技创新与科技金融的协同度评价指标体系，如表1所示。

表1  区域科技创新与科技金融协同度评价指标体系

[ 一级指标 二级指標 三级指标 衡量方法 科技创新与科技金融协同度 科技创新

子系统 创新基础 教育规模 高等学校在校学生数 科技创新 知识创新 发表科技论文数 技术创新 专利授权数 创新环境 教育资源 高等学校数 政府投入 教育经费支出 企业投入 R&D经费内部支出 科技金融

子系统 科技金融资源 科技人才 研发活动人员/总人口 科研机构 研发单位数/总人口 科技金融投入 财政拨款 科技支出/公共财政支出 研发投入 R&D经费内部支出/GDP 科技金融产出 论文产出 发表论文数/科技支出 专利产出 专利授权/科技支出 新产品产出率 新产品销售收入/主营业务收入 ]

2. 测度方法

协同度用来衡量多个系统之间的协同发展程度，本文借鉴何天祥等[18]的做法，在对数据归一化的基础上采用熵权TOPSIS法计算河南省各城市的科技创新、科技金融以及总系统水平，进而计算各城市内部各子系统的协同度。

首先，计算子系统的发展公式为：

[Ui=j=1mωijxij] （1）

公式（1）中，Ui为第i个子系统的发展水平，[ωij]为指标权重，xij为标准化值。

其次，计算系统的发展指数，计算公式为：

[Cij=Ui×UjUi+Uj2212]   （2）

[T=αU1+βU2]  （3）

公式（2）（3）中，T协调指数，Ui和Uj分别为科技创新和科技金融的发展度，Cij为城市i和j的耦合度。本文认为科技创新和科技金融同等重要，所以[α]和[β]均赋值为0.5。

最后，计算系统的协同度，公式为：

[D=C×T] （4）

公式（4）中，D为系统协同度。D取值在0和1之间，越接近1，协同度越高，越接近于0，表明越失调。

五、 研究设计

1. 模型设定

科技创新与科技金融的深度协同会对各地区经济高质量发展产生影响，这种影响往往相互联系，受到空间因素的制约。同时相邻地区之间经济高质量发展受“一盘棋”的思想，相互依存。为探究科技创新与科技金融协同具有在空间上的溢出性，本文构建基于空间因素的计量模型，测算本地效应和空间溢出效应。空间杜宾模型既考虑了因变量和自变量的空间滞后性，又考虑了空间的交互作用，一般形式为：

[Yit=αi+γt+ρw'iYt+X'itβ+d'iXtθ+uit]  （5）

其中，i=1，2，……N，t=2，3，……N， [β]和[θ]为k维列向量。

2. 变量解释

基于本文研究问题，构建模型如下：

[lnEcqit=α+ρj=1nωijEcqit+γXit+θj=1nωijXit+εitεit=λmiεt+τit]   （6）

公式（6）中，经济高质量发展（Ecq）为被解释变量，X为解释变量，包含核心解释变量和控制变量。[ρ]表示被解释变量的空间交互项系数，[ω]为空间权重矩阵，[γ]为解释变量回归系数，衡量解释变量对本地区被解释变量的影响程度，直接效应，科技创新与科技金融协同对本地区经济高质量发展的作用。[θ]为解释变量的空间回归系数，衡量解释变量X的间接效应，即空间溢出效应。[ρ]为空间自回归系数，[θ]为K[×]1阶参数向量。

地理距离权重矩选取二阶反距离形式进行衡量，根据各城市所在地经纬度信息计算得到相邻城市之间的距离，取其距离[dij]平方的倒数来测量各城市之间的空间相关关系。

（1）被解释变量（Ecq）

①测度逻辑

党的二十大报告中强调了高质量发展的重要性，描绘了中国式现代化的宏伟蓝图，阐述了着力推动高质量发展的工作思路①。因此，本文借鉴已有研究[19-20]，结合河南省经济发展特色，从基础能力、经济结构、经济效益、民生保障、发展潜力等方面来归纳河南省经济高质量发展逻辑，主要包括基础能力、经济结构、经济成果、民生保障、经济潜力。

基础能力。经济高质量发展的基础能力决定了实现经济高质量发展的能力。基础能力主要包括经济发展总量、经济发展增速、经济热度以及经济运行状况。经济发展总量是一个国家或地区的总生产力，代表了一个国家或地区发展的高度；经济发展增速在一定程度上反映了发展步伐；经济热度是监测国家吸引力和魅力的主要体现；经济运行状况是经济高质量发展的内在要求，能为经济高质量发展提供动能。

经济结构。经济结构调整是提升高质量发展效益的关键，构成了经济高质量发展的新基础和新起点。经济结构主要包括产业结构、财政收支结构以及城乡人口结构。产业结构优化是资本等生产要素在不同产业部门之间的流动[21]。财政收入可以调节和稳定国家经济发展，是推动高质量发展的重要物质基础。财政支出能促进经济增长和社会稳定。财政分權则基于财政收入和财政支出，因地制宜制定政策，提供公共服务，达到最优化的管理效率，进而实现经济增长。城乡人口结构是城市和乡村人口的构成关系，城镇化对经济发展功不可没。

经济成果。经济成果是劳动者所生产的物质资料，能检验经济高质量发展成效。经济成果主要包含居民收入、居民消费、居民生活水平以及居民就业。居民收入是反映市场容量大小的重要因素。居民消费是促进社会再生产的重要环节，对产业结构和资源分配模式有着直接作用。居民就业稳居“六稳”和“六保”工作的首位，是成功应对全球经济不确定性等冲击的关键。

民生保障是人民幸福之基。增进民生福祉是民众对美好生活的向往，是经济高质量发展的根本。民生保障主要包含养老保障、医疗技术、医疗设施、教育保障以及精神生活。养老保障与人民生活密切关联，解决人民生活保障，是人民安全感和幸福感的重要体现。医疗是重要的民生之一，医疗水平的提升和医疗设施增加保护了劳动生产力。教育关乎国家和民族未来，教育强则国家强。人民在满足物质生活的同时，还需要努力提升精神文化水平。

经济潜力是经济增长内生动力的重要体现。经济潜力主要包含交通设施和产业基础。交通设施是经济社会持续健康发展的有力支撑和坚强保障，交通设施是经济发展的先导，绿色、高效的交通运输发挥着“先行官”的作用。产业基础是产业形成和发展的基本支撑，具有造血功能，对经济的持续长远发展和社会稳定举足轻重。

②测度体系

本文基于经济高质量发展的测度逻辑，构建河南省经济高质量发展综合评价指标体系，共有基础能力、经济结构、经济成果、民生保障、经济潜力5个维度18个指标，具体如表2所示。

表2 河南省经济高质量发展综合评价指标体系

[目标 子系统 准则层 测度指标 方向 经济高质量发展 基础能力A1 经济发展总量A11 地区生产总值 + 经济发展增速A12 GDP增长率 + 经济热度A13 固定资产投资 + 经济运行状况A14 社会消费品零售总额 + 经济结构A2 产业结构A21 产业升级 + 财政收支结构A22 财政分权 + 城乡人口结构A23 城镇人口比重 + 经济成果A3 居民收入A31 城镇居民人均可支配收入 + 居民消费A32 城镇居民人均生活消费性支出 + 居民生活水平A33 恩格尔系数 - 居民就业A34 城镇登记失业率 - 民生保障A4 养老保障A41 城镇职工基本养老保险参保人数 + 医疗技术A42 卫生技术人员医生数 + 医疗设施A43 医疗机构床位 + 教育保障A44 教育经费支出 + 精神生活A45 图书馆藏书量 + 经济潜力A5 交通设施A51 公路里程 + 产业基础A52 工业增加值 + ]

③测度方法

投影寻踪模型在众多领域中被广泛应用，其能够将高维数据投影到低维空间，从而探寻数据的结构特征，预测精度较高，但前提是权重客观。与传统寻优算法相比，遗传算法能更好地求出优化问题的最优化。采用遗传算法优化投影寻踪模型可以较好地克服两者的缺点。本文借鉴陈之常等[22]的做法，采用遗传算法-投影寻踪模型测算河南省各城市经济高质量发展水平。

（2）被解释变量（Copd）

由上文中公式计算得出。

（3）控制变量

控制变量为外商直接投资（Fdi）、非农就业占比（Empl）、人口规模（Pop）和区域面积（Area）。Fdi采用外商直接投资占GDP比重来衡量，Empl采用非农林牧渔业人员占总就业人数来衡量，Pop采用人口总数来表征，Area采用各城市面积来表征。

3. 数据来源

本文选取河南省17个省辖市2010—2021年的平衡面板数据作为研究样本。核心变量和控制变量的原始数据来源于《中国城市统计年鉴》和各省份统计年鉴，个别缺失值采用插值法填充，为消除异方差各指标均采用对数来处理。变量描述性统计如表3所示。

表3 描述性统计

[变量 N mean p25 p50 p75 sd min max Ecq 204 0.981 0.712 0.876 1.090 0.465 0.434 3.501 Copd 204 0.338 0.257 0.320 0.366 0.127 0.102 0.873 Fdi 204 0.0250 0.0130 0.0180 0.0320 0.0190 0.003 0.187 Empl 204 0.606 0.547 0.590 0.658 0.0890 0.362 0.867 Pop 204 632.1 386.9 581.0 886.2 300.0 152.9 1259 Area 204 1031 431.5 679 1365 860.1 97 3604 ]

六、 科技创新与科技金融协同对经济高质量发展的空间效应验证

1. 空间相关性检验

本文构建空间计量模型旨在探索科技创新与科技金融协同对河南经济高质量发展的影响。只有存在空间自相关性才能采用空间计量模型，本文采用全局和局部莫兰指数检验各变量间的空间自相关性。全局莫兰指数计算如式（7）所示：

[Morans I=i=1nj=1nωijxi-xxj-x/s2i=1nj=1nωij] （7）

局部莫兰指数计算如式（8）所示：

[Ii=xi-xs2ωijxj-x] （8）

公式（7）（8）中，[s2=i=1nxi-x2n]，[x=i=1nxin]。n为样本数量，xi和xj分别为地区i和j的值。

根据式（7）得到各研究变量的全局莫兰指数，如表4所示。从表4中数据可以发现经济高质量发展、科技创新与科技金融协同等均存在正空间相关性。

表4 全局莫兰指数

[Year I E（I） sd（I） z p-value* Ecq 0.445 -0.005 0.028 16.165 0.000 Copd 0.615 -0.005 0.028 21.882 0.000 Fdi 0.279 -0.005 0.027 10.607 0.000 Empl 0.456 -0.005 0.029 16.146 0.000 Pop 0.640 -0.005 0.029 22.493 0.000 Area 0.564 -0.005 0.028 20.009 0.000 ]

莫蘭散点图能直观地表现各样本值在不同象限的分布。河南经济高质量发展和科技创新与科技金融协同散点图分别如图1和图2所示。由此可以发现各样本点之间存在较强的正向空间相关性，主要集中在L-L区域（左下象限），该区域显示了河南省各城市经济高质量发展或科技创新与科技金融协同水平较低，且周边地区发展水平也有类似状况。处于H-H区域（右上象限）的地区则为经济高质量发展或科技创新与科技金融协同较高的城市，例如郑州作为河南经济社会发展中心，交通便利，是河南省的绝对核心，区域协同发展的引领者。少部分样本点分布在H-L（右下象限）和L-H区域（左上象限）。

图1  空间权重矩阵下的河南省经济高质量发展散点图分布

图2  空间权重矩阵下的河南省科技创新与科技金融协同散点图分布

2. 空间效应分析

空间计量模型主要包含SDM、SEM和SAR，需要判断选用哪种模型较为适合本文，为进行比较，加入OLS模型作为参考。从表5中可以发现SDM模型中判定系数R2值最大，为0.9275，AIC值最小，BIC值仅比SEM大，综合考虑来讲，选择SDM可能更为合适。

为进一步判断SDM模型是否适合本研究，需要检验SDM模型中是否存在空间交互作用。表6中显示了采用Wald检验和LR检验后的结果，SDM模型均不能退化为SEM或SAR模型。SDM模型的合理性得到进一步确认。

3. 基于SDM模型的基本回归

基准模型部分估计结果是OLS的实证结果。根据表5，科技创新与科技金融协同度的估计系数为0.694，通过了1%的显著性检验，表明科技创新与科技金融协同度的增强有利于经济高质量发展，基准模型修正的拟合优度统计值为0.7107。SDM模型中，科技创新与科技金融协同度的估计系数为0.226，代表科技创新与科技创新协同度的上升极大地促进了经济高质量发展。由此表明选用SDM模型是必要的。

科技创新与科技金融协同度的系数均显著为正，表明科技创新与科技金融协同有助于经济高质量发展水平的提升。一方面，科技创新与科技金融的相互配合有助于为科技创新各环节提供资金支持，防止资金链出现断裂，从而有效规避创新主体风险、稳定创新活动，进而推动经济高质量稳步发展；另一方面，科技创新与科技金融协同加速了科技金融发展，随着金融服务体系不断完善，金融发展有效地深化了供给侧改革，促进金融业转型升级，从而推动经济高质量发展。

表5 模型估计结果

[              变量或参数 OLS SDM SEM SAR lnCopd 0.694*** 0.226*** 0.155*** 0.108* （0.06） （0.06） （0.06） （0.06） lnFdi 0.009 0.005 0.006 0.015* （0.02） （0.01） （0.01） （0.01） lnEmpl 0.445*** -0.144*** -0.170*** -0.012 （0.13） （0.05） （0.05） （0.05） lnPop 0.145*** 2.109*** 2.197*** 1.580*** （0.03） （0.19） （0.19） （0.17） lnArea 0.053*** -0.010 -0.015* -0.016 （0.02） （0.01） （0.01） （0.01） [σ]或[λ] — 0.668*** 0.919*** 0.744*** — （0.07） （0.02） （0.04） Variance — 0.003*** 0.003*** 0.003*** sigma2_e — （0.00） （0.00） （0.00） N 204 204 204 204 R2 0.7107 0.9275 0.6769 0.8005 AIC -80.979 -585.153 -570.677 -536.505 BIC -61.070 -512.154 -547.450 -480.097 ]

注：括号内的为标准误，*、**和***分别表示在10%、5%和1%的水平上显著，下同

表6 模型类型检验结果

[检验类型 检验结果 LR检验 是否退化为SAR 53.76*** 是否退化为SEM 40.77*** Wald 是否退化为SAR 42.03*** 是否退化为SEM 16.23*** ]

4. 直接效应与空间溢出效应分解

由于表5中模型的估计结果不能完全反映科技创新与科技金融协同对经济高质量发展的影响，以此来分析其空间溢出效应可能会存在偏差，因此本文在点估计结果的基础上，将总效应分解为直接效应和空间溢出效应。直接效应和空间溢出效应的计算公式为：

[直接效应=1-ρω-1×βkI+θkωdavg]    （9）

[空间溢出效应=1-ρω-1×βkI+θkωravg]    （10）

其中，I是单位矩阵，[ω]为空间权重矩阵，[davg]和[ravg]分别为矩阵对角线和非对角线元素求行平均的计算符号[23]。

效应分解后的结果如表7所示。从表7中可以看到，无论是基于地理矩阵还是邻接矩阵，科技创新与科技金融协同影响地区经济高质量发展的直接效应符号为正，均在1%的水平上显著，表明本地区科技创新与科技金融协同显著地提升了经济高质量发展水平，验证了假设H1。可能的原因在于：科技创新见证了企业成长，科技金融则始终伴随着科技开发、科技中试等多个阶段，为科技创新提供了全方位金融服务，构成科技创新与科技金融共生体系，有力地引导着企业集聚发展，提升了企业竞争力，最终推动整个地区经济高质量发展。

表7 直接效应、空间溢出效应与总效应

[效应类别 系数 标准误差 T值 P值 95%置信区间 直接效应 0.313*** 0.074 4.24 0.000 0.168 0.457 间接效应 1.772*** 0.574 3.09 0.002 0.648 2.896 总效应 2.085*** 0.623 3.35 0.001 0.865 3.305 ]

空间溢出效应也显著为正，表明本地区科技创新与科技金融协同不仅有利于当地经济高质量发展，同时也有利于周边地区经济高质量发展，验证了假设H2。可能的原因在于：科技创新与科技金融是一个有机整体，相邻地区科技创新与科技金融协同有助于打破区域壁垒，有效调配区域资源，促进创新与金融资源自由流动[24]，从而产生溢出效应，促进产业向更高层次发展[4]。同时大数据、人工智能等新技术应用使得科技金融效率在这一过程中得到了提升，为周边省市起到良好的示范作用，所以，科技创新与科技金融协同度越高，对经济高质量发展的促进作用越强。

5. 稳健性检验

（1）基于不同估计方法的稳健性检验

为了检验结果的可靠性，本文采用随机效应的空间杜宾模型進行估计，结果如表8所示。可以发现，直接效应、溢出效应和总效应的符号、显著性基本一致，表明研究结果具有一定的可靠性。

表8 稳健性检验（采用随机效应的空间杜宾模型）

[效应类别 系数 标准误差 T值 P值 95%置信区间 直接效应 0.291*** 0.075 3.870 0.000 0.144 0.439 间接效应 1.710*** 0.656 2.610 0.009 0.424 2.997 总效应 2.002*** 0.703 2.850 0.004 0.624 3.380 ]

（2）替换空间权重矩阵法的稳健性检验

采用邻接矩阵替换地理矩阵，重新测算解释变量与被解释变量的相关关系，结果如表9所示。从表9中可以发现实证结果具有一定的稳健性。

表9 稳健性检验（替换权重矩阵）

[效应类别 系数 标准误差 T值 P值 95%置信区间 直接效应 0.369*** 0.060 6.210 0.000 0.253 0.486 间接效应 1.090*** 0.193 5.630 0.000 0.710 1.469 总效应 1.459*** 0.224 6.500 0.000 1.019 1.899 ]

七、 结论与启示

本文对科技创新与科技金融协同以及经济高质量发展进行了综合考量。首先进行理论机制分析，基于河南省17个城市的2010—2021年的面板数据，测度河南省各城市科技创新与科技金融协同度、经济高质量发展，并采用空间杜宾模型进行实证分析和稳健性检验。本文发现：科技创新与科技金融协同度存在显著的正向相关性，经济高质量发展亦是如此；科技创新与科技金融协同对经济高质量发展的影响显著存在，不仅能提升本市经济高质量发展水平，对周边城市经济高质量发展也同样存在促进作用。

根据研究结论，为了极大地推动河南省经济高质量发展，本文提出以下政策建议：

1. 推动科技创新与科技金融深度协同

由于科技创新具有连续性，科技金融具有长期积累性，加强创新与金融支持的深度协同，要以河南省政府为主导，推动科技金融政策支持的长期发展策略；既要满足科技创新的资金需求，又要降低企业创新价值链上存在的风险，把有限的科技金融资源投入有潜力的科技创新领域中，提升资金利用效率。第一，搭建金融服务科技创新信息共享平台，精准匹配供需资金，解决金融机构与科技型企业创新资金需求之间信息不对称问题，降低金融机构获取企业信息成本，提升企业融资成功率；第二，构建科技和金融人才培训基地，整合区域优质资源，培养金融科技复合型人才，缓解人才供需矛盾。

2. 规范科技金融发展

深化金融体制改革，明晰科技金融发展方向和重点领域。进一步落实科技创新投资回报率较低的情形下，如何才能推动金融更好地为科技型企业提供资金。不仅要完善多层次金融市场体系，不断引导多渠道资金对科技型企业进行投资，通过金融产品、服务等方面的创新，为科技创新提供强有力支持，还要规范信息披露，完善贷款用途、确保其真实性、合规性等。第一，丰富河南省金融生态圈，完善专利等无形资产交易市场，加快无形资产估值化，出台明确交易细则，引入风投等各类资本参与知识产权等相关交易；第二，创新贷款模式，适应科技型企业的轻资产抵押模式，缩减放款周期，平衡科技金融促进科技创新过程中的风险和收益；第三，监督科技创新全过程，在投资过程中对投资风险进行分散化操作，防范可能存在的技术等风险。

3. 强化先验地区的示范效应

本文研究结论显示科技创新与科技金融协同发挥着重要的促进经济高质量发展效应。要加强城市间交流与合作，一是加强河南省城市间经济、生态、绿色等方面的合作，构建郑汴、郑许等一体化统筹发展，利用经济高质量发展的空间正相关性，实行“以强带弱”“弱弱联合”的形式，促进各城市资源互补、经济高质量共同发展；二是发挥科技创新与科技金融协同度较高的城市的辐射作用，加强区域联动性，借助知识扩散和成果传播等途径，向协同度较低的城市传授经验，进而促使科技创新引领经济高质量发展。

参考文献：

[1] 杨晶，陈伟.科技金融与科技创新的协同机理、问题与对策建议[J].科学管理研究，2021，39（3）：147-153.

[2] 聂秀华，江萍，郑晓佳，等.数字金融与区域技术创新水平研究[J].金融研究，2021（3）：132-150.

[3] 刘义臣，沈伟康，刘立军.科技金融与先进制造业创新发展的动态耦合协调度研究[J].经济问题，2021（12）：36-43.

[4] 杨嫩晓，安则同.科技创新与科技金融协同效应研究——基于陕西数据的实证分析[J].西安财经大学学报，2021，34（3）：43-52.

[5] 代军，颜辛，柳德才.区域科技金融与科技创新協同机制构建：湖北案例[J].武汉金融，2019（4）：22-26.

[6] 上官绪明，葛斌华.科技创新、环境规制与经济高质量发展——来自中国278个地级及以上城市的经验证据[J].中国人口·资源与环境，2020，30（6）：95-104.

[7] 李光龙，范贤贤.财政支出、科技创新与经济高质量发展——基于长江经济带108个城市的实证检验[J].上海经济研究，2019（10）：46-60.

[8] 贾洪文，张伍涛，盘业哲.科技创新、产业结构升级与经济高质量发展[J].上海经济研究，2021（5）：50-60.

[9] 张腾，蒋伏心.科技金融、技术创新与经济高质量发展[J].统计与决策，2023，39（9）：142-146.

[10] 汪淑娟，谷慎.科技金融对中国经济高质量发展的影响研究——理论分析与实证检验[J].经济学家，2021（2）：81-91.

[11] 何宏庆.科技金融驱动经济高质量发展：现实困境与路径选择[J].广西社会科学，2018（12）：90-95.

[12] 邓志敏.科技金融驱动经济高质量发展的困境与突破[J].科学管理研究，2019，37（4）：146-150.

[13] 俞立平.省际金融与科技创新互动关系的实证研究[J].科学学与科学技术管理，2013，34（4）：88-97.

[14] 凌江怀，李颖，王春超.金融对科技创新的影响及其支持路径[J].江西社会科学，2009（7）：90-93.

[15] 张岭，郭英远，张胜，等.风险容忍视域下风险投资对科技企业创新支持路径研究[J].科学管理研究，2019，37（1）：86-89.

[16] 郭景先，鲁营.科技金融有助于企业创新效率提升吗？——兼论企业数字化转型的调节效应[J].南方金融，2022（9）：50-63.

[17] 周雷，陈音，张璇，等.金融科技底层技术创新及其对金融行业的赋能作用[J].金融教育研究，2020，33（1）：24-33.

[18] 何天祥，刘迪，黄琳雅，等.高铁对区域协同发展的影响机理——基于2005—2019年湖南省经验证据[J].经济地理，2022，42（5）：95-103.

[19] 刘德光.产业链创新链融合对区域经济高质量发展的影响研究[J].现代管理科学，2023（2）：38-47.

[20] 徐福祥，徐浩，刘艳芬，等.黄河流域九省（区）生态保护和高质量发展治理水平测度与评价[J].人民黄河，2022，44（6）：11-15.

[21] 余泳泽，刘大勇，宣烨.生产性服务业集聚对制造业生产效率的外溢效应及其衰减边界——基于空间计量模型的实证分析[J].金融研究，2016（2）：23-36.

[22] 陈之常，马亚东.中国城市更新对居民幸福感的影响研究——基于遗传算法投影寻踪和面板空间分位数模型[J].管理评论，2022，34（8）：43-53.

[23] 尹李峰，姚驰.地方政府隐性债务影响金融风险的空间溢出效应研究[J].浙江社会科学，2022，306（2）：14-26.

[24] 汤子隆，祝佳，赖晓冰.科技金融生态影响科技金融产出的空间结构研究[J].经济体制改革，2018（6）：57-62.

基金项目：河南省软科学项目“高质量发展下河南省技术创新与科技金融协同研究——基于地市级层面数据的实证分析”（项目编号：232400411039）；国家社科基金“数字基础设施、新区位优势与外资结构转型的研究”（项目编号：23BJL065）。

作者简介：田晓佳，女，硕士，安阳工学院财务处副处长，副教授，研究方向为经济高质量发展。

（收稿日期：2023-12-11  责任编辑：殷 俊）