城市金融网络、知识溢出与城市创新效率

杨 雨，宋福铁，张 杰

（1.华东理工大学 商学院，上海 200237；2.华东师范大学 中国行政区划研究中心，上海 200241）

0 引言

一直以来金融发展与城市创新的关系受到学术界的广泛关注。创新作为城市经济快速增长的核心引擎之一，有效地提升城市创新效率对于缩小城市经济发展差距和支撑城市经济高质量发展至关重要。金融机构恰恰能够通过提供研发资金缓解融资约束问题，因此金融服务供给对城市创新的重要性不言而喻。

城市是实现资源空间配置的重要依托，城市金融网络的发育能够在更大空间范围内促进资源的流动、分配和组合。与根据属性数据构建的衡量金融发展水平的传统指标（金融规模、金融结构和金融效率）相比[1]，关系数据更能体现出经济地理中的空间扩散效应，从而更加准确地衡量金融发展水平。但是目前的网络衡量指标过于简单，只考虑了直接金融联系[2]，而一个城市的金融联系同时受到与其发生直接联系的城市数量和城市地位影响[1]。

如何提升城市创新效率是城市经济发展面临的重大问题。随着演化经济地理学发展而诞生的区域知识结构理论认为新知识对旧知识的重新组合过程推动着区域创新，这一组合过程除了需要自身知识投入外，还受空间知识溢出的影响，Boschma 等（2017）[3]将此过程视为内生化过程。目前国内研究未从金融网络角度进行分析，仍有可拓展之处：首先，从网络层面研究金融网络发育对城市创新效率影响的文献较少；其次，现有研究较少考虑“流空间”背景下知识资源流动对城市创新效率的网络外部性作用；最后，系统分析城市金融网络、知识溢出和城市创新效率三者关系的文献更是寥寥无几。

基于上述考虑，本文在以下3个方面做了改进：（1）从社会网络分析角度，运用社会网络分析方法衡量某一城市节点的金融发展水平；（2）借助PageRank算法构建综合性的城市金融网络指标，克服传统网络指标过于简单的不足；（3）结合“本地溢出—全球管道”知识流动体系理论和区域知识结构理论，系统分析城市金融网络、知识溢出和城市创新效率的关系，以期能够为“流空间”视角下城市创新的形成机理提供借鉴。

1 理论机制与研究假设

1.1 金融网络与城市创新效率

目前国内外学者对金融发展与城市创新效率之间的关系展开了广泛的研究，多数观点认为金融发展能够促进城市创新。一个城市在金融网络中地位越高说明该城市的金融服务水平越高，那么金融发展水平也就越高。一个发达的金融体系能够促进储蓄向投资的转化[4]，还能够合理配置资源以及降低风险。在发达金融体系下，以银行业为主导的金融发展能显著提升区域创新质量。也有观点认为，在不同的经济社会发展环境下金融发展对企业研发强度的影响存在显著差异[5]，金融发展对城市创新效率的作用程度也存在异质性。庄毓敏等（2020）[6]认为金融部门对研发的影响在很大程度上受到当地工业化水平、对外联系程度、政府支持力度以及人才稀缺程度的影响。另外，不同类型的城市从网络资源中获益的能力有大有小。一般而言，处于核心地位的城市支配着城市资源，学习和吸收能力较强，从空间溢出中获益更多。因此，本文提出：

假设1：金融网络能够促进城市创新效率的提升且作用程度存在异质性。

1.2 知识溢出与城市创新效率

提升城市创新能力有两个途径，一是提高城市自身的研发投入和知识产出，二是其他城市的知识外溢产生的外部性影响。传统知识生产函数以前者为依据，但城市创新效率差距仍然较大，这说明仅依赖本地研发投入是不够的。目前价值链中的各种生产要素处在一个相互关联的网络之中，空间溢出的作用不容忽视。空间溢出能弥补本地创新要素不足的劣势和阻止空间层面的边际报酬递减，最终实现共同技术进步[7]。不同的城市有各自的比较优势，城市之间可通过知识溢出进行技术交流，弥补自身的不足，从而构建创新价值链、形成创新分工并提高本地创新效率。因此，本文提出：

假设2：在网络外部性的作用下，知识空间溢出能够促进城市创新效率的提升。

1.3 金融网络与知识溢出

金融网络的产生是金融服务业在空间上的表现形式，以金融中心城市为核心的金融网络已逐步形成。杨雨等（2023）[8]研究发现金融产业的大量集聚能促进该行业公司之间的技术共享和知识溢出。根据“本地溢出—全球管道”知识流动体系[7]，城市之间形成的金融联系发挥着管道功能，城市间联系越强其相互间产生的知识溢出作用越强。传统研究集中于地理邻近程度对溢出作用的影响。近年来随着交通基础设施的改善以及互联网的飞速发展，城市在金融网络中的邻近关系超越了传统的网络腹地，网络邻近性对知识溢出效应的影响大于地理邻近的作用。因此，本文提出：

假设3：金融网络能够促进知识溢出，且网络邻近性越高的城市之间知识溢出效应越大。

2 研究设计

2.1 金融网络的构建

首先，借鉴文献[8—10]，选择我国291 个地级及以上城市为研究对象。金融机构数量非常庞大，根据可实现性，本文根据银保监会和证监会提供的银行、保险、基金、证券和期货公司名单，选取其中的898 家金融企业，通过网络抓取从“启信宝”网站抓取金融企业信息数据，一共233507 条数据。然后，从分支机构级别和数量方面搭建金融矩阵。如总部、省级分支、市级分支以及其他级别依次为4、3、2、1。最后，将基于所有金融企业形成的金融联系累计计算后得到完整的金融网络。

2.2 金融网络的测度

（1）绝对度数中心度

在社会网络分析中，经常用绝对度数中心度来刻画网络特征，计算公式如下：

其中，aij为城市i向城市j发出的金融联系，aji为城市i接收的来自城市j的金融联系，aij≠aji。

（2）PageRank中心度

为更综合地反映金融网络特征，借鉴杨雨等（2023）[1]的研究，运用PageRank 方法计算测量城市金融发展地位的指标，即PageRank 中心度。某一城市的金融发展地位为：

其中，A为291 行291 列的金融矩阵，xit表示城市i的金融联系总和。PageRank 算法的校正规则要求邻接矩阵满足非可约性、非周期性和随机性。列随机矩阵即列标准化后的金融矩阵，记为Aˉ。Aˉ中的元素aˉij=aij outdegreej，outdegreej为城市j的出度中心度，也就是某一城市向其他城市产生的联系数量。并且，该金融矩阵中的所有元素不得为零，也就是金融矩阵必须满足非可约性。本文中所使用的金融矩阵不具有强链接性，通过对元素进行转化后可以链接起其中断开的子网，即令元素等于

其中p称之为“阻尼系数”，通常令p等于0.15。经过一系列处理后，Aˉ中的元素Aˉij组成如下所示：

公式（2）可以演变成一个递归方程：

其中，V是某一年所有城市间产生的金融联系所组成的n×1 向量。令矩阵Aˉ特征值为1，再求解特征向量V*，便可得出PageRank 中心度。V*中的数值为城市i的PageRank 中心度，代表城市与其他城市产生联系的可能性，数值越大表示城市越处在核心地位。本文借助R语言中igraph包计算PageRank中心度。

通过测算2010年和2021年城市间金融联系和绝对度数中心度，可以发现金融网络呈现两个明显特征：一是金融联系广度和强度明显上升。绝对度数中心度由2010年的67232 上升到2021 年的124436，金融网络密度由2010年的1.01 上升到2021 年的2.56。二是金融网络呈现明显的空间异质性。位于东部地区的城市相互形成了紧密的金融关联，这些核心城市抱团形成了凝聚子群，反观中西部城市间金融关联比较松散，使得金融网络逐渐形成了“核心—外围”分布格局。

2.3 计量模型构建

本文模型设定如下：

其中,ai为不同截面的截距项，innovationit为城市创新效率指数，fincentralit为核心解释变量，即绝对度数中心度和PageRank中心度；controlit为一系列控制变量；μit为城市固定效应；νt为时间固定效应，εit为随机误差项，a1和a2为待估计参数。本文的关注重点为fincentralit的估计系数a1，若a1显著为正，则表明金融网络对城市创新效率产生了积极影响，若a1在不同地区有所不同，则表明在不同地区城市创新效率受到金融网络的影响程度不同。

2.4 变量选取

（1）被解释变量。运用数据包络分析方法（DEA）测度城市创新效率是比较常用的方法，本文借助DEA-Malmquist指数模型测度城市创新效率，该模型实现了对各个城市不同年份城市创新效率的动态分析并且可以分解为技术效率变化指数和技术进步变化指数。首先，选定合理的投入和产出变量是测度城市创新效率的前提，目前大部分学者以R&D 经费支出以及R&D 人员作为城市创新投入指标对省份、城市群层面的区域创新效率展开分析[11—14]。但城市层面的R&D经费支出以及R&D人员数量较难获取，存在大量城市数据缺失问题，因此根据前人研究，本文以科学研究、技术服务和地质勘查业人员（万人）和科技经费投入（亿元）作为创新人力投入指标和创新资金投入指标。科学研究、技术服务从业人员是城市进行创新活动的主体基础，而科技经费资源则是城市进行创新活动必要的资金基础。另外，创新活动离不开平台的支持，创新平台发挥着不可替代的作用，有研究表明创新平台对创新水平的提升发挥着促进作用[12]，因此本文选择创新基础设施衡量创新平台，并用高校数量表征创新基础设施。在创新产出方面，多数研究以专利授权数量作为创新产出的指标，其中发明专利更能体现创新绩效，专利申请数比授权数更能体现城市创新热情，因此为了充分反映城市创新绩效以及创新热情，本文以万人发明专利申请数（件）衡量创新产出。由于时间滞后的影响，大部分经济现象存在滞后作用，创新活动也不例外，故本文选择1年的时间滞后期。

（2）本文的核心解释变量为上文提到的绝对度数中心度和PageRank中心度。

（3）根据已有相关研究，本文选择经济基础、城镇化率、外商直接投资水平和集聚经济4个控制变量。具体来说，以城市GDP 衡量经济基础；城镇化率借鉴李剑培和顾乃华（2020）[15]的做法，用市辖区户籍人口占全市常住总人口的比重衡量；外商直接投资水平用实际利用外资金额（万美元）表示；集聚经济用城市人口密度（人/平方公里）表示。

（4）中介变量为知识溢出（knospillover），参考文献[16]的做法，本文采用全市普通本专科在校学生人数（万人）和全市政府教育支出（万元）的乘积衡量知识溢出。

2.5 数据说明

考虑到数据的可获得性和连续性，本文以2010—2021 年中国260 个地级及以上城市的面板数据为样本进行实证分析。金融行业分支机构数据从“启信宝”网站提供的关系图谱整理收集得到，发明专利申请数量根据“佰腾网”专利数据库整理，其余数据主要来源于《中国城市统计年鉴》，部分来源于各城市统计年鉴以及国民经济和社会发展统计公报。为了保证量纲的一致性，对绝对度数中心度、城市GDP、实际利用外资金额、城市人口密度以及知识溢出变量取对数，令PageRank中心度乘以1000，这并不改变城市在金融网络中的排名。各变量含义及描述性统计如表1所示。

表1 变量含义及描述性统计

3 金融网络与城市创新效率

3.1 基准回归和稳健性检验

3.1.1 基准回归结果

为了消除不随时间变化的个体特征及随时间变化的宏观经济环境的作用，采用同时控制城市个体固定效应和时间固定效应的双向固定效应模型。下页表2中模型（1）至模型（3）报告了基准回归结果，回归结果初步显示：lnsdegree对城市创新效率增长、技术效率增长和技术进步增长的拟合系数分别为0.175、0.153和0.162且较为显著，说明整体而言，金融网络的发育能够促进城市创新效率的提升。一个发育完善的金融网络能够通过合理配置资源、降低研发风险以及为创新研发活动提供资金保障等来促进城市创新效率的提高。控制变量回归结果显示：经济基础、城镇化率和集聚经济的拟合系数均显著为正，说明经济发展对本地城市的创新效率提升具有显著积极作用，城市的经济基础越雄厚，创新需求也就越大，那么创新效率也会提高；新型城镇化在城市创新过程中起到了良好的平台作用；集聚经济能够促进创新资源的交流以及知识的流动，激发创新热情，最终优化创新资源的空间配置。值得注意的是，lnFDI 的拟合系数显著为负，说明对外联系越紧密越不利于本地创新效率的提升。外资企业通过技术积累的优势，对本地创新资源产生了“挤出作用”，使得国内企业的资金和人才均产生流失现象，最终使得国内企业自主创新能力下降。

表2 基准回归和稳健性检验结果

3.1.2 稳健性检验

本文通过稳健性检验进一步验证回归结果的准确性。

（1）替换核心解释变量。为了克服影响回归结果精确性的不利因素，本文用城市创新效率对pagerank中心度进行回归，根据表2中模型（4）至模型（6）的结果可知：pagerank中心度的回归结果与绝对中心度的回归结果相同，从而确保了本文基准回归结果的精准性。控制变量的结果与基准回归结果也基本一致，即经济基础、城镇化率和集聚经济的提升均能促进城市创新效率的提升，而外商直接投资对城市创新效率的提升产生“挤出效应”。

（2）滞后性分析。大部分经济现象存在逆向因果问题，本文可能出现的逆向回归问题会使得基准回归结果不准确。实际观察数据后可以发现，省会城市和直辖市坐落着84%的金融企业总部，并且省会城市和直辖市的创新效率都非常高。事实上，城市创新效率越高意味着该城市的研发活动越活跃，从而造成了对研发资金的强烈需求，因此反过来城市创新活动的活跃程度也会作用于城市金融联系水平，故本文进行滞后期回归。回归结果见表3，尽管取了滞后期，但是lnsdegree仍然正向作用于城市创新效率，不同之处在于系数绝对值有所下降。前期的金融发展程度不会受到现期城市创新效率的作用，故本文基准回归结果的稳健性进一步得到保证。

表3 滞后期回归

3.2 异质性分析

根据上文分析可知，金融网络整体存在明显的空间不平衡性，因此本文从区位条件和网络地位角度进行异质性分析，从而可以更全面地探究金融网络如何影响城市创新效率。Ucinet软件中有关于核心和边缘分区功能，通过该功能可以实现对核心城市和外围城市的识别，最终识别出以北京、广州、杭州等为代表的50个核心城市，以安顺、亳州、佛山等为代表的210 个外围城市。此外，将样本城市分为东部地区和中西部地区。回归结果如表4所示，金融网络对城市创新效率产生了异质性作用，lnsdegree在模型（1）和（3）中的估计系数分别为0.242 和0.612，而在模型（2）和（4）中的估计系数分别为0.182和0.211，这表明与中西部城市和外围城市相比，东部城市和核心城市凭借良好的优势条件受到金融网络发育的影响更大。根据城市金融网络发育的分布特征可以发现，中西部地区和外围地位城市之间的金融联系程度还很低，由于欠发达城市金融机构总部主要围绕周围城市设立分支机构，对远距离城市没有充分发挥“总部经济”作用。然而，以东部地区为代表的发达城市内部之间不仅形成了紧密的扩张，向欠发达城市的扩张也已经成为核心扩张方式之一，对区域外的城市充分发挥了“涓滴效应”。中西部地区和外围地位城市的金融网络发育还有非常大的提升空间，只有大力提升该区域的金融服务水平才能够充分发挥金融部门对城市创新效率增长的促进作用。至此，假设1得以验证。

表4 异质性回归结果

4 金融网络邻近性、知识溢出与城市创新效率

金融网络反映了城市在金融发展方面的空间关联性。本文将进一步验证在金融网络邻近性前提下知识溢出是否为影响城市创新效率的内在渠道之一。

4.1 空间权重矩阵

（1）地理相邻权重矩阵

为了反映城市是否相邻，矩阵采用一阶后相邻方法计算，即如果城市i和城市j在地理边界上拥有共同的点或者边则将两个城市视为相邻，矩阵中的元素记Wij=1，否则Wij=0。

（2）金融网络权重矩阵

金融机构总部所在城市在其他城市设立的分支机构越多，说明总部所在城市与分支机构所在城市在金融方面的邻近性越强。以金融机构在各城市实际设立的金融分支机构数量刻画城市空间关联性，设立金融网络邻近性空间权重矩阵，记为：

其中，t=1,2,…,T，linkag为第t年城市i在城市j设立的分支机构数量，最后进行标准化处理得到金融网络权重矩阵。

4.2 计量模型的选择

首先通过LM检验发现空间自回归模型（SAR）和空间误差模型（SEM）的P 值分别在1%和10%的水平上显著（见表5），因此选择两者结合的空间杜宾模型（SDM）。

表5 LM检验结果

然后通过豪斯曼检验发现P 值在1%的水平上显著，故选择固定效应模型。最后由LR 检验和Wald 检验发现SDM 不能退化为SAR 模型和SEM 模型，因此选择空间杜宾固定效应模型，模型设定如下：

其中，W为空间权重矩阵，Wtfpchit表示被解释变量的空间滞后变量，衡量周围城市创新效率水平对自身的影响。Wlnkonspilloverit和Wcontrolit分别表示知识溢出变量和其他控制变量的空间溢出变量，衡量周围城市知识溢出和其他影响因素对该城市创新效率的作用。μt和λi分别为时间固定效应和个体固定效应，εit为随机误差项。

4.3 结果分析

表6 报告了空间杜宾模型估计知识空间溢出效应的实证结果。无论是地理邻近权重矩阵还是金融网络权重矩阵，空间自回归系数（Spatial rho）以及知识溢出的间接效应均非常显著，表明城市间知识空间溢出效应非常明显，日益紧密的城市知识转移、共享和转化成为城市创新效率增长的内在动力。其余控制变量也存在不同程度的空间溢出效应，说明随着城市经济一体化进程的加快，各种要素跨城市流动对城市创新效率的提升存在明显促进作用。实证结果验证了假设2，在网络外部性的作用下，知识溢出的确能够提升城市创新效率。

表6 空间杜宾模型回归结果

金融网络邻近性描述了城市之间在资金流动和金融协同发展方面的互动关系。城市研发资金的来源不仅依赖于本地资金投入和知识资本投入，而且依赖于邻近城市在资金和知识等方面的正向溢出。另外，基于金融网络权重矩阵的回归结果显示，知识溢出的间接效应估计值更大，从而验证了假设3，即金融网络能够促进知识溢出且金融网络邻近性越高的城市之间知识溢出程度越大。这进一步说明空间溢出的地理衰减速度大幅下降，网络邻近性的重要程度大于地理距离相近性的重要程度，在很大程度上，网络邻近性决定着知识溢出程度的大小。在多要素加入、要素共享的城市一体化趋势中，通过促进不同区域城市知识的交流和经验分享，加强城市间金融合作，促进要素空间溢出是提升城市创新效率的重要方式。

5 结论与建议

本文系统地分析了城市金融网络、知识溢出与城市创新效率三者之间的关系，得出主要结论如下：（1）城市间金融联系广度和强度显著上升，呈现东密西疏的“核心—外围”分布格局。（2）金融网络的发育能够促进城市创新效率的提升，但是影响程度存在着异质性。整体而言，与中西部地区和外围地位城市相比，东部地区和核心地位城市的创新效率从金融网络中获益更多。（3）在网络外部性的作用下，金融网络通过促进空间知识溢出对城市创新效率的提升产生积极作用。城市在金融网络中的邻近性所带来的益处超越了城市在地理距离方面的邻近性所带来的益处。

根据研究结论，本文提出以下两点建议：（1）进一步促进更广阔范围内金融网络的建设，从全局出发优化空间资源配置。充分发挥网络外部性的正向影响，促进知识资源的快速流动以充分发挥金融部门对城市创新效率的促进作用。（2）注意空间非均衡结构问题，进一步重视区域协调发展，切实将区域协调发展战略思想落实到金融发展与经济发展工作之中。东部地区城市由于营商环境优良、基础设施完善、市场开放度高等原因吸引了大量企业总部入驻，中西部地区城市仍须继续加强自身建设，利用自身优势吸引金融企业的入驻，积极主动地融入到金融发展过程中。只有加强城市在金融方面的互联互动，加快金融一体化进程才能充分发挥金融网络促进城市创新效率提升的作用。