科技金融與地區經濟增長關系研究
——基于創新要素配置效率的視角

■ 肖靜榮 徐 亮

（1.中共佛山市委黨校 廣東佛山 528399；2.中國人民銀行中山市分行 廣東中山 528400）

目前我國經濟已由高速增長階段轉變為高質量發展階段。黨的二十大報告提出高質量發展是全面建設社會主義現代化國家的首要任務，科技是第一生產力，創新是第一動力。金融作為國民經濟的命脈，需要為經濟社會發展提供高質量服務?？萍紕撔滦枰揽孔銐蚯遗c之發展相匹配的金融資金支持，這就需要科技與金融的深度融合。早在2011年我國科技部等五部門就在16個城市設立了促進科技和金融融合的試點，今年中央金融工作會議又強調要優化資金供給結構，把更多金融資源用于促進科技創新、先進制造、綠色發展和中小微企業，支持實施創新驅動發展戰略，做好“科技金融”這篇大文章。

一、文獻綜述

對于科技金融與地區經濟增長的關系，學者進行了多角度的研究。有的學者利用省際或市域面板數據驗證了科技金融對經濟增長的促進作用（劉文麗、郝萬祿等，2014；汪淑娟、谷慎，2021）；對于科技金融促進地區經濟增長的傳導機制，學者們發現了各類中介傳導變量。揭紅蘭（2020）利用省際面板數據實證得出科技創新在公共科技金融與經濟發展的相關關系中有完全中介效應，對市場科技金融只起到部分中介效應。徐越倩、李拓等（2021）利用雙重差分模型實證研究得出科技金融結合試點政策能夠通過提升地區科技創新水平和推動產業結構合理化的雙重路徑帶動地區經濟增長。張騰、蔣伏心（2023）通過研究得出技術創新與科技金融的深度協同能夠促進經濟高質量發展。已有較多學者探討了科技金融與經濟增長之間的關系，以及科技創新、產業結構等中介變量在其中的傳導效應，這些研究忽略了創新要素配置效率水平在科技金融與經濟增長關系中的調節作用，但它直接影響技術創新、產業升級以及經濟增長的速度和質量，因此本文創新性地研究科技金融、創新要素配置效率和經濟增長之間的關系。

與現有的研究相比，本文可能的邊際貢獻主要在于：首先，在科技金融與經濟增長這二者關系的基礎上，以創新要素配置效率為切入點，分析三者間的內在機理；其次，通過三個方面10個指標構建了創新要素配置效率的綜合評價指標體系，并通過調節機制模型驗證了創新要素配置效率在科技金融與地區經濟增長之間的調節作用，進一步豐富和拓展了科技金融與經濟增長兩者關系的研究。

二、理論分析與研究假設

（一）科技金融影響地區經濟增長的基準效應

趙昌文、陳春發等（2009）首次提出科技金融的內涵∶科技金融是促進科技開發、成果轉化和高新技術產業發展的一系列金融工具、金融制度、金融政策與金融服務的系統性、創新性安排，是國家科技創新體系和金融體系的重要組成部分1趙昌文，陳春發，唐英凱.科技金融［M］.北京∶辭書出版社，2009.。房漢廷（2010）認為科技金融是科技創新活動與金融創新活動的深度融合，是由科技創新活動引發的一系列金融創新行為2房漢廷.關于科技金融理論、實踐與政策的思考[J].中國科技論壇，2010（11）∶5-10.。因此，科技金融可以為科技發展、技術創新、產業創新提供多樣化的融資渠道與有效穩定的資金支持，提高科技創新的效率，促進地區經濟的發展。據此，提出以下假設：

H1：科技金融對地區經濟增長有顯著的正向促進作用。

（二）創新要素配置效率的調節機制

科技金融對經濟增長的促進作用離不開外部支持條件，尤其是創新要素的配置效率。一般來說，創新要素配置效率水平越高的地區，其科技金融更易獲得足夠的復合型金融人才和大數據、人工智能等新一代信息技術的支持，能更加精準識別并匹配科技創新和產業創新的金融需求，為技術進步和經濟發展提供更多更有效的金融支持；相反，創新要素配置效率水平越低的地區，科技金融本身的發展較難獲得人才和技術的支持，也很難精準識別科技型企業或科研機構創新的資金需求，科技金融效率較低。據此，提出以下假設：

H2：當創新要素配置效率處于較高水平時，科技金融對地區經濟增長的促進作用更強。即創新要素配置效率在科技金融與地區經濟增長二者關系間起到正向的調節作用。

三、研究設計

（一）變量說明

我國在2011年開始實施科技金融結合試點政策，受限于相關年鑒公布數據年限，基于研究內容需要和數據可獲得性，本文選取2011～2019年中國30個省份（不含港澳臺及西藏自治區）的面板數據分析科技金融、創新要素配置效率和地區經濟增長三者的關系。

1.地區經濟增長（eco）。國內生產總值（GDP）能夠充分反映一個地區綜合實力，但進行地區之間比較時需消除人口規模影響，因此本文以各省人均GDP衡量地區經濟增長變量。

2.科技金融指數（techfin）。彭誠（2022）將科技金融效率分為投入變量、產出變量、環境變量三個方面進行衡量，投入變量包括財政科技支出、外商科技投資和金融機構科技貸款；產出變量包括科技實物產出和科技知識產出；環境變量包括人均GDP、研發強度、固定資產投資強度、高等教育水平，并通過三階段DEA模型測度中國30個省市2011～2019年真實科技金融效率。本文借鑒其第三階段各省、市科技金融效率分析結果3彭誠.環境規制會影響科技金融效率嗎?——來自中國省級行政區的經驗證據[J].東岳論叢,2022,43（09）∶68-80.（如表1所示）作為科技金融的衡量指標。

表1 2011～2019年各省份科技金融效率分析結果

3.創新要素配置效率（eff）。目前，學術界對于創新要素配置效率的測量尚未形成專業統一標準。對此，本文通過梳理已有文獻，借鑒陳玉玲、路麗等（2021），王謝勇、金光輝（2022）和邊作為（2023）將創新要素配置效率指標分為創新環境、創新投入和創新產出三個方面的研究思路，設置指標∶（1）創新環境。選取每10萬人口高等學校平均在校生數、規模以上工業企業有研發活動的企業數占比、財政支出中科學技術支出占比、外商投資企業的投資總額等4個指標來衡量創新環境要素。（2）創新投入。選取R&D人員全時當量、R&D經費內部支出、互聯網寬帶接入端口數等3個指標來衡量創新投入要素。引入互聯網寬帶接入端口數主要是衡量數據要素的投入。（3）創新產出。創新產出可以分為科技成果和經濟效益：選取專利授權量作為科技成果的衡量指標；選取規模以上工業企業新產品銷售收入和技術市場成交額作為經濟效益的衡量指標。最后形成10個指標的綜合評價體系來衡量創新要素配置效率，具體如表2所示。

表2 創新要素配置效率的評價指標體系

4.控制變量。為控制其他因素對地區經濟增長的影響，本文借鑒成徐越倩、李拓等（2021）和周春應（2021）的研究，選取政府干預程度（gov）、城鎮化水平（urb）、對外開放水平（fdi）、信息化水平（infor）和基礎設施水平（infra）5個控制變量提升模型的解釋力度。本文采用地方財政一般預算支出占GDP的比重（%）來表示政府干預程度，采用城鎮人口占總人口的比重來表示城鎮化水平，采用貨物進出口總額/GDP的比重（%）表示對外開放程度，采用每萬人人均郵電業務總量來表示信息化水平，采用人均城市道路面積（每萬人）來表示基礎設施水平

（二）創新要素配置效率的測算

本文利用STATA15計量軟件對創新要素配置效率進行主成分分析。首先利用計量軟件將創新要素配置效率綜合評價指標體系的10個變量進行標準化處理；接著對其進行可行性檢驗，通過KMO檢驗和Bartlett球形檢驗得出：創新要素配置效率的KMO值為0.858，P值為0.0000，通過了關聯性程度檢驗，說明進行主成分分析是適合的。通過計量分析，從創新要素配置效率的10個指標中選取了2個主成分，其特征值大于1，且累計貢獻率為81.14%，提取效果較好。將2個主成分以及最終的綜合得分分別記為f1、f2和eff_，由此得出樣本的主成分綜合得分，表達公式如下∶

根據得出的創新要素配置效率主成分綜合得分來衡量創新要素配置效率水平，其詳細計算過程因篇幅限制在此略去。由于綜合得分存在正負值，本文為了直觀地進行比較，對原始數據根據最小值進行平移，得到最終的創新要素配置效率指標eff（eff=eff_+1.031547），平移后數據特征并沒有改變，不影響因果效應評估。

（三）數據來源與描述性統計

本文所用的數據除“科技金融指數”外，其余指標數據來源于《中國統計年鑒》《中國金融年鑒》《中國科技統計年鑒》《中國人口和就業統計年鑒》，其中，個別省份部分年份出現數據缺失現象，采用插值法或移動平均法補全缺失數據。由于《中國金融年鑒》還未公布2020～2021年的數據，故本文所使用數據的年限是2011～2019年?；跀祿卣?，為消除多重共線性，對上述所有變量均取自然對數。表3是主要變量的描述性統計結果，表4為各變量之間的多重共線性檢驗結果，各VIF值小于10，說明變量間不存在多重共線性問題。

表3 變量描述性統計特征

表4 變量多重共線性檢驗結果

（四）模型構建

1.基準效應模型。為檢驗科技金融對地區經濟增長的基準影響，構建面板基準模型如下：

2.調節機制模型。分析創新要素配置效率對科技金融與地區經濟增長關系的調節效應，借鑒Sharma等人（1981）的研究，即調節效應是調節變量與其他一些變量的交互作用，分析調節效應就是對交互項的分析，并將調節變量分成三種類型：純調節變量、半調節變量和同質調節變量。本文參照其對調節效應的分析機制，將創新要素配置效率調節變量的識別過程及其調節變量的類型用圖1表示。

圖1 調節效應識別過程及其調節變量的類型

因此本文采用分層回歸方法來構建調節機制模型。首先，構建科技金融和創新要素配置效率對地區經濟增長影響的回歸模型（模型2-a）；其次，在之前模型的基礎上引入科技金融和創新要素配置效率的交互項lnEFF*lnTECHFIN為解釋變量（模型2-b），但引入交互項時需對科技金融、創新要素配置效率進行標準化處理（分別以lnTECHFIN、lnEFF表示），以降低引入交互項后變量間的共線性，同時更為方便模型結果的解釋。Y3系數的方向和大小反映了創新要素配置效率在科技金融影響地區經濟增長中發揮的調節效應。實證分析創新要素配置效率的調節效應的基本模型為：

四、實證結果分析

（一）基準效應結果分析

采用固定效應和隨機效應模型分析科技金融影響地區經濟增長的基準效應，并通過Hausman檢驗的P值為0，得出固定效應模型更合適，回歸結果如表5所示。故本文分析固定效應模型下科技金融促進地區經濟增長的基準效應，表5第（1）列中科技金融（lntechfin）的系數為0.0602，并通過5%顯著性水平檢驗，表明科技金融對地區經濟增長具有顯著促進作用，假設H1得到驗證。

表5 基準效應回歸結果

分析控制變量的回歸系數，對外開放程度（lnfdi）對地區經濟增長的影響系數為0.1252且通過1%的顯著性水平檢驗，表明對外開放程度越高，越有利于促進本地區的產業深度參與全球價值鏈分工，進而促進該地區的經濟增長。信息化水平（lninfor）對地區經濟增長的影響系數為0.0428并通過1%的顯著性水平檢驗，表明信息化建設對經濟增長起正向促進作用。政府干預程度（lngov）的影響系數-0.3721且通過1%的顯著性水平檢驗。城鎮化水平（lnurb）的系數為1.1072且通過1%的顯著性水平檢驗，表明城鎮化水平對經濟增長具有正向促進作用?；A設施水平（lninfra）的系數為0.2226且通過了1%的顯著性水平檢驗，表明基礎設施的建設投資一方面是拉動了經濟增長的直接力量，另一方面基礎設施越完善越有利于擴大經濟活動范圍進而推動經濟增長。

本文通過對關鍵解釋變量滯后一期（L.lntechfin）進行穩健性檢驗估計,得出科技金融的滯后一期對地區經濟增長的影響系數為0.0501，且在10%的顯著性水平上通過了檢驗，證明了檢驗結果的穩健性。

（二）創新要素配置效率調節機制結果分析

根據前文分析調節作用的回歸模型，首先做科技金融和創新要素配置效率與地區經濟增長的回歸；其次在之前回歸模型的基礎上引入科技金融與創新要素配置效率的乘積項（lnEFF*lnTECHFIN）為解釋變量，并對科技金融、創新要素配置效率需進行標準化處理（分別以lnTECHFIN、lnEFF表示），以降低引入交互項后變量間的共線性。從表6的回歸結果可知，模型2-b中科技金融與創新要素配置效率的交互項系數為0.0641，且在1%水平上顯著；且模型2-a和2-b中創新要素配置效率的系數為正且在1%的水平上顯著。根據上文圖1調節變量的識別過程及其調節變量的類型，說明創新要素配置效率是一個半調節變量，且正向調節了科技金融與地區經濟增長之間的關系，與研究假設H2相符。

表6 調節效應回歸結果

五、結論與建議

本文運用2011～2019年中國30個省份（不含港澳臺及西藏自治區）的面板數據探究了科技金融對地區經濟增長的影響效果，同時構建創新要素配置效率綜合評價指標并分析其在科技金融與地區經濟增長兩者關系中的調節效應。研究發現，科技金融發展對地區經濟增長起到顯著的正向促進作用；從調節效應機制來看，創新要素配置效率正向調節科技金融對地區經濟增長的促進作用。此外，城鎮化進程、基礎設施建設、對外開放程度和信息化建設水平等因素對地區經濟增長也具有積極影響。因此，建議加強科技與金融的融合發展力度，引導更多金融資源流向科技領域，例如科研機構、科技型中小企業和戰略性新興產業等，滿足市場多樣化和專業化的科技金融需求；充分重視創新要素配置效率的調節效應，不斷激發地區創新要素配置活力，借助復合型金融人才和新一代信息技術賦能科技金融的發展；創新科技金融產品和服務，為科技創新提供更多的融資渠道，更精準地匹配科技發展、技術創新和產業創新的融資需求，促進科技金融與經濟發展的良性互動。