科技金融和科技创新对京津冀地区经济增长的影响研究

摘 要：科技金融作为科技创新和金融创新融合发展的产物，对促进实体经济高质量发展起到了重要作用。为了研究科技金融和技术创新对京津冀地区经济增长的影响，并探究技术创新与经济增长之间是否存在非线性关系，本文选取京津冀三地2000—2021年的面板数据，采用门槛回归方法进行了分析。研究结果表明，科技创新对该地区经济增长的影响在不同科技金融水平下存在差异。具体而言，北京已超越了科技金融的门槛水平，当前阶段，其技术创新对经济增长的影响已显现递减趋势；天津和河北省的科技金融发展水平尚显滞后，未达到促进经济增长的门槛水平。本文建议，北京市政府应适度调控科技金融规模的继续增长，同时加大天津和河北省的科技金融投入力度，以加快京津冀地区的经济协同发展。

关键词：科技金融；金融创新；经济增长；京津冀；门槛回归；区域经济

中图分类号：F833 文献标识码：A 文章编号：2096-0298（2024）10（a）--05

1 引言

我国“十四五”规划提出通过“构建金融有效支持实体经济的体制机制”的方式推动实体经济发展，科技金融作为科技创新和金融创新融合发展的产物，能够引领实体经济高质量发展的方向，为实体经济高质量发展提供动力源。根据中国科技部发布的国家“十二五”科学和技术发展规划中的定义，科技金融是指通过创新财政科技投入方式，引导和促进银行业、证券业、保险业金融机构及创业投资等各类资本，创新金融产品，改进服务模式，搭建服务平台，实现科技创新链条与金融资本链条的有机结合，为初创期到成熟期各发展阶段的科技企业提供融资支持和金融服务的一系列政策和制度的系统安排。天津市第十七届人民代表大会第五次会议批准通过的《天津市国民经济和社会发展第十四个五年规划和二〇三五年远景目标纲要》中也突出创新能力的提升和创新体系的完善，重视推动京津冀协同创新、优化创新空间布局、深化科技体制改革等任务部署。

因此，京津冀在协同发展机制的形成及顺利开展过程中，迫切需要研究科技金融如何助推科技创新，进而促进京津冀区域经济一体化进程，使其真正成为全国创新驱动经济增长的新引擎，并探寻科技金融在不同的发展水平上，科技创新与区域经济增长之间是否存在非线性关系，这必将为京津冀协同发展在科技金融政策的有效实施提供更多的现实意义。

2 文献综述

科技金融在迅速成长过程中可以引发技术创新，而创新又是推动国家经济高效成长的源动力，所以，科技金融就是借助技术创新这条途径进而推动经济的高质量发展。学者们在这一领域已进行了广泛研究：Po-Susan Hus 等（2014）基于发达经济体和新兴经济体的面板数据进行分析，结果表明金融市场对专利授权数具有正向作用，金融市场对科技创新具有正向的促进作用。汪淑娟和谷慎（2021）指出，科学技术金融机构还可以为技术创新公司进行投融资，以此缓解资金不足、融资约束等问题，为技术创新公司的研发活动创造良好环境，从而有助于提高这些公司的技术创新能力。滕磊和马德功等（2020）、谢雪燕和朱晓阳（2021）表示科技金融体现的是技术与资金的结合，其实质上是科技主体与金融服务投资工具所形成的组合，有效拓展了我国高新技术中小企业的金融整合资源范围，大力解决了中小企业投融资困难，促进基础性技术研究与成果转化，最终促进创新。

基于省级的针对性研究有很多成果。Alessandra 和 Stoneman（2006）基于对京津冀地区金融进步指数的研究，提出金融对科技具有显著促进作用，技术成果在转移转化过程中带来金融资本增值。HendrikseR，van Meeteren M & Bassens D（2020）通过对区位资源进行分析，研究位于相对低发达地区的金融中心是如何通过科技与金融的结合寻求发展机会的，丰富了两者之间的理论研究。周鑫磊（2022）对贵州省的研究表明，金融科技也是通过产业经济起作用的，而且在贵州金融科技和高技术产业有长期均衡关系，金融投入和高技术发展之间可以双向促进，而金融贷款只能单方面促进科技发展。吴平雄和王震（2022）对河北省的研究聚焦于科技金融与经济发展耦合协调度，两者之间以及两者的子系统之间协调度都呈现上升趋势，而开放动向方面则有待于提高。刘立军、刘义臣（2022）京津冀科技金融与实体经济高质量发展的耦合协调度整体呈现逐步优化态势，天津2015—2016年耦合协调度等级提升后又出现回落现象，考察期内实现耦合协调度等级提升的仅有6市，内部呈现显著分异特征，协同水平有待提升；路径研究显示，京津冀科技金融投入通过效益发展、绿色发展和创新发展的路径显著促进了实体经济高质量发展，但对实体经济绿色发展的影响相对较小。

在利用门槛模型分析上，郑磊、张伟科（2018）利用 2005—2015年中国29个省级行政区的面板数据，以区域经济发展为门槛变量，通过构建面板门槛模型，考察了我国科技金融与科技创新的非线性关系。

综上所述，针对京津冀区域科技金融及科技创新对经济增长的门槛效应还鲜有研究，本课题的研究将会助力这一区域经济的协调发展。

3 指标选取与模型设计

3.1 指标选取

科技金融的衡量指标包括三个方面：科技从业人员数量、金融行业从业人员数量，以及金融机构发放的科技支出贷款。作为科技金融的重要参与者，科技企业见证了科研人员投入数量的增加，这意味着科研规模的扩大。而金融创新和服务需要更好地适应这种增长。因此，科研人员投入数量与科技金融之间存在着正相关关系。这一观点也在李思成（2022）、何国华（2022）的研究中得到了佐证。金融从业人员数量的增加以及金融机构发放的科技支出贷款额的增加，意味着对科技金融所需的人力资本提供了有力保障，并增加了向科技企业提供融资支持的金融资本。因此，这两个代理变量与科技金融之间也存在着正相关关系。这一观点与郑磊（2018）、揭红兰（2020）、刘立军（2022）等学者的观点一致，并受到了其方法论的启发。在衡量技术创新时，一般有两种方法：投入法和产出法。因此，本文从投入和产出的角度分别选择科研经费投入和专利申请受理量作为代理变量。这一做法也受到了Feng et al.（2022）和郑磊（2018）观点的启发。

因果变量是经济增长，根据Chinn & Ito（2006）及 Li 和 Wei（2021）的研究，通过本地人均国内生产总值来进行测量。本文还包括其他标准控制变量，如金融发展、金融开放和高校招生数。本文选择金融体系中的信贷作为金融发展的代理变量，外商直接投资作为金融开放的代理变量。这是考虑到信贷规模与经济增长之间存在密切关系（Cheng et al.，2021），而外国直接投资（FDI）引进了更先进的外国技术和经验，并推进技术创新，从而进一步促进经济增长（Boqiang lin，2022）。本文将高等院校招生数（erhe）作为控制变量之一，因为丰富的高端人才将为区域经济发展提供稳定的人力资本（Botev et al.，2019）。

3.2 模型建立

本文的模型最初是从Pagano（1993）著名的AK模型中派生出来的，利用内生经济增长理论构建了分析金融经济关系的模型，并参考Chinn和Ito（2006），杨继梅等（2020），Okunade （2022）的研究。这里研究技术创新对经济增长的影响，可以将方程表示为：

PGDPit=α0+β'1Tlit+β'2Xit+εit（1）

其中，PGDP代表人均国内生产总值，即因变量；Tl为主要自变量，代表科技创新；xit表示包括门槛变量TF（科技金融）和控制变量FD（金融发展）、FO（金融开放）和erhe（高等院校招生数）在内的i维解释变量向量。i代表横截面范围内的不同省份或直辖市（i=1，...，N），t表示每个单位的时间序列维度（t=1，...，T）。α0是特定的固定效应，εit≈（0，σ2）表示独立同分布的误差项。

3.3 数据来源

本文构建了一个2000—2021年的1个省份（河北省）和2个直辖市（北京和天津）的面板数据。时间范围的选择完全基于感兴趣变量的数据可用性，如科技从业人员数量、金融机构发放的科技支出贷款以及科研经费投入。数据来源于北京统计年鉴、天津统计年鉴、河北省统计年鉴及其金融年鉴，以及中国科技统计年鉴。

4 实证检验

4.1 数据描述

本文对所有变量数据进行描述性统计（表1），发现人均GDP平均率为6422.5美元，其中北京为12000美元，天津为8675美元，河北为4164.5美元。北京的科技从业人员各年份平均数是天津的2.4倍，是河北的3.04倍；北京和河北的金融从业人员各年份平均数相差不多，都是天津的3.27倍；金融机构人民币各项贷款余额中科技支出各年份平均数，北京这一指标的均值是天津的4.6倍，是河北的10.57倍；从科研经费投入量来看，北京这一指标均值是天津的3.27倍，是河北的5.24倍；就专利申请数来看，北京这一指标的均值是天津的3.08倍，是河北的3.36倍；北京的信贷规模及吸引外商投资并没有显示这么大的差距，表现为北京的信贷规模及吸引外商投资约是天津和河北的1倍多。

4.2 基于科技金融指数的分析

本文用科技从业人员数量、金融行业从业人员数量，以及金融机构发放的科技支出贷款三个代理变量来衡量科技金融，对于科技金融这三个代理变量进行KMO检验发现度量指标大于0.4，可知原始变量适合进行因子分析。通过因子分析及相应的碎石图，可提取一个主成分。

通过用主成分因子法计算，结果显示提取出来的这一主成分对科技金融各代理变量解释都比较好，它解释了科技金融三个代理变量组合方差的74.48%。因此本文通过主成分分析法提取了一个主成分来代表科技金融，即TF。

4.3 基于科技创新指数的分析

用科研经费投入和专利申请受理量这两个代理变量来衡量科技创新，对于科技创新两个代理变量进行SMC检验发现指标都大于0.7，可知原始变量可以进行主成分分析。通过因子分析及相应的碎石图，可提取一个主成分。

通过对其进行主成分分析，结果显示提取出来的这一主成分解释了科技创新两个代理变量组合方差的93.32%。因此本文提取了一个主成分来代表科技创新，即TI。

本文将新提取的两个变量代入方程2，并计算各变量间的相关关系，得相关矩阵（表2），可看到各变量间都存在一个正相关关系。

4.4 门槛效应分析

利用方程1，本文以科技金融TF为门槛变量，科技创新对京津冀区域经济发展是否存在非线性的关系。经过Stata统计软件分析得到门槛值的估计结果显示（表3）：存在一个门槛值，即TF=1.459。

4.5 稳健性检验

本文通过上述门槛回归找到科技金融一个门槛值后，通过对面板数据做异方差、序列相关及截面相关检验，发现门槛回归所用的数据不存在异方差问题，但存在序列相关及截面相关问题，因此分别对模型做无门槛一般线性回归（reg）；有门槛的一般线性回归（reg1），固定效应（fe1），考虑异方差（fe_robust1），同时考虑异方差、序列相关及截面相关后（p_all）的回归结果进行比较（表4）。

结果显示，在不考虑门槛效应时，各变量对京津冀经济增长都有正相关的影响，除了科技金融和普通高校招生人数对京津冀经济增长作用为负相关。其中，金融发展对京津冀经济增长的促进作用最大，其次是科技创新的贡献较大。从结果显著水平来看，除了金融开放的作用系数是在5%水平上显著，其他系数均在1%水平上通过检验。在考虑门槛效应后，模型在去除了异方差、序列相关及截面相关问题后估计结果最理想，结果显示：除了普通高校招生人数对京津冀经济增长作用为负影响（-0.593）外，其他变量均对京津冀经济增长有正向作用。其中，金融开放对经济的正向影响作用较小，系数为0.11。金融发展对京津冀经济增长的促进作用最大，作用系数为0.608；科技创新对这一区域的经济增长有正向促进作用，但这一作用受到科技金融门槛作用的影响，当科技金融变量取值小于等于1.459时，科技创新对区域的经济增长促进作用较大，系数为0.16；当科技金融变量取值大于1.459时，科技创新对区域的经济增长促进作用变小，系数为0.116，这一结果在10%的水平上显著，其他系数均在1%水平上通过检验。

5 结语

本文利用2000—2021年的数据，提供了关于技术创新、科技金融和经济增长之间非线性关系的新证据。实证结果表明，在技术创新和经济增长的关系中存在一个科技金融门槛。当科技金融指标低于门槛值（1.459）时，技术创新对经济增长产生更大的正向影响。

根据门槛值对应的科技金融指标，可以发现北京的科技金融指标在2010年之前低于1.459，但在2010年之后，这个数值超过了1.459，这意味着在2010年之前，政府通过创新财政科技投入方式，引导金融机构对金融产品的创新及服务模式的改进，对初创期到成熟期各发展阶段的科技企业提供的融资支持和金融服务在数量和质量上对企业科技创新的帮扶，使其能够显著促进经济的增长，但边际效率呈递减趋势。2010年后，尽管科技金融发展壮大，科技贷款规模增加，资本融资体系更加健全，但在质量和效率上却没有带来同等力度的科技创新的快速发展。这反映在北京金融机构科技贷款支出额尽管平均是天津此项支出的4.6倍，是河北此项支出的10.57倍，但专利申请受理量平均仅是天津的3.08倍，是河北的3.36倍，使得科技创新对经济的促进作用有减弱趋势。科技金融通过阀值后，科技创新对经济增长的作用系数变小，并通过10%的显著性水平检验可看出。北京作为国家科技创新中心，使得科技创新成为其实现高质量发展的重要引擎，北京市科学技术委员会与担保机构合作建立了科技金融专项资金，为金融机构提供信贷风险补偿，从而大大降低了科技企业的融资门槛。北京地区的金融机构更是对科技企业，尤其是生物医药、航空航天、新材料等国家重点支持的高新技术领域加大了贷款扶持力度。保险业专门针对科技企业提供了相关保险服务（任祝，2022），这一系列各部门联动措施一方面极大激发了北京地区科技企业科技创新的积极性，促进了科技成果的转化，极大推进了经济发展。但在科技金融不断增加投入的过程中，边际效益递减规律也在起作用，即当北京市的科技金融规模达到一定阀值后，随着科技金融支持门槛的降低，科技企业融资难题得到不同程度的缓解，对资金投入的随意性、盲目性也增加，使科技产出未像预期一样快速增加，导致科技金融边际效益减少。另外，京津冀地区高校招生人数与经济增长的负相关关系，学者周均旭（2021）解释了这一关系，即北京单点优势突出，吸引了天津、河北及其他省份的高校毕业生，较小的经济地理范围内集聚度非常高，但对天津和河北周边区域的人才吸引带动作用有限，京津冀整体高校招生数逐年增长，由于发展水平的差异，北京对于周边地区人才的虹吸效应依然显著，存在着一定程度上的人才浪费。区域内部732bc8869a934b9f0f5f5cb16d42030f7d0c007912b2997ea67bc81ac8b67f55人才集聚十分不均衡，在一定程度上阻碍了京津冀一体化的经济发展。

6 政策建议

综上所述，本文建议：一是提高京津冀科技金融政策的精准性和有效性，使科技金融政策能与战略性新兴产业有效匹配，加强顶层设计、部门联动，提高政策的有效性。二是提高北京首都金融服务职能的溢出效应，北京科技金融政策加强精准性的同时，应将这一成熟有效的机制向天津、河北渗透，增加这两地的科技金融经费投入，优化科技金融资源配置，使这两地在京津冀协同发展中，真正起到承接首都的科技金融资金和人才的转移，最大化天津河北的科技金融政策对科技创新及经济增长的边际效益。

参考文献

揭红兰.科技金融、科技创新对区域经济发展的传导路径与实证检验[J].统计与决策，2020（1）：66-72.

李思成，张立华.河北省科技金融与经济高质量发展耦合关系研究[J].科技创业月刊，2022（5）：61-64.

刘立军.科技金融与实体经济高质量发展耦合协调研究： 以京津冀为例[J].经济问题，2022（8）： 96-102.

黄潇潇.区域科技金融支持科技创新的实证研究： 以广东省为例[J].中国商论，2021（7）：80-82.

任祝，魏颖，周元，等.京津冀科技金融融合发展与协同创新研究[J].创新科技，2022（6）：40-47.

滕磊，马德功.数字金融能够促进高质量发展吗？[J].统计研究，2020，37（11）： 80-92.

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.

谢雪燕，朱晓阳.数字金融与中小企业技术创新： 来自新三板企业的证据[J].国际金融研究，2021（1）：123-127.

杨继梅，马洁，齐绍洲.金融开放对经济增长的门槛效应： 基于不同维度金融发展的视角[J].世界经济研究，2020（8）：17-30，135.

杨阳. 促进科技成果转化的宁夏科技金融政策研究[J]. 中国商论，2022（5）：80-82.

周鑫磊.贵州省科技金融与高技术产业发展的关系研究[J].农村经济与科技，2022，33（1）：163-165.

周均旭，常亚军.中西部“双一流”高校毕业生的空间流向及其网络特征[J].重庆高教研究，2021，9（2）：27-38.

郑磊，张伟科.科技金融对科技创新的非线性影响： 一种U型关系[J]，软科学，2018，32（7）：16-20.

Botev， J.， Égert， B.， & Jawadi， F. The nonlinear relationship between economic growth and financial development： Evidence from developing， emerging and advanced economies[J]. International Economics， 2019（160）： 3-13.

Cheng， C. Y.， Chien， M. S.， & Lee， C. C. ICT diffusion， financial development， and economic growth： An international cross-country analysis[J]. Economic Modelling， 2021（94）： 662-671.

Chinn， M. D.， & Ito， H. What matters for financial development？ Capital controls， institutions， and interactions[J]. Journal of Development Economics， 2006，81（1）： 163-192.

Feng， S.， Zhang， R.， & Li， G. Environmental decentralization， digital finance and green technology innovation[J]. Structural Change and Economic Dynamics， 2022（61）： 70-83.

Li， G.， & Wei， W. Financial development， openness， innovation， carbon emissions， and economic growth in China[J]. Energy Economics， 2021（97）.

Okunade， S. O. Institutional threshold in the nexus between financial openness and TFP in Africa： A dynamic panel analysis[J]. Social Sciences & Humanities Open， 2022，5（1）， 100245.

Pagano， M. Financial Markets and the Macroeconomy Financial markets and growth An overview[J]. European Economic Review， 1993，37（2-3）， 613-622.