青海省金融体系与技术创新的实证研究

(中国社会科学院金融研究所，北京 100028)

青海省金融体系与技术创新的实证研究

赵建辉

(中国社会科学院金融研究所，北京 100028)

利用青海省1995年至2015年的数据，通过建立一个经典回归模型，分析了青海省金融体系与技术创新之间的关系。从计量分析结论来看，回归模型总体有效，经典文献的研究结果符合青海省情。结论对于优化青海省金融结构，设计促进青海省战略性新兴产业发展的相关政策具有一定的指导意义。

回归模型；金融体系；技术创新

2010年10月，国务院发布了《国务院关于加快培育和发展战略性新兴产业的决定》(国发[2010]32号)，其中明确提出要求，要“强化科技创新，提升产业核心竞争力”，技术创新是战略性新兴产业发展的重要动力。从金融促进经济发展的角度看，就是能够通过促进技术创新来推动经济增长，因此分析研究金融资源配置与技术创新之间的关系，对青海省制定金融支持战略性新兴产业发展的政策具有十分重要意义。

一、文献综述

古典政治经济学家认为技术进步是抵消资本报酬率降低的主要力量，是阻止发生经济增长停滞的主要手段。Schumpeter(1912)指出创新是现代经济增长的核心；Freeman(1982)认为创新是新产品、新过程、新系统和新服务的第一次商业性应用，是具有市场价值的创新活动。金融体系对经济增长和创新的影响是全方位的，体现在生产率、创新水平、R&D支出等，具有特定的甄别择优功能，对于优化资源配置以及监督经营管理者具有重要作用，同时还能提供良好的激励约束机制，从而对生产函数产生影响。

(一)金融促进技术进步

技术创新所需的高投入往往需要依赖融资支持，并且其失败的高概率与未来收益的不确定性导致了投资者难以对一项研发项目做出有效的评估。因此，是否存在成熟的金融体系为可能失败的研发项目进行融资支持往往影响技术创新的速度。SaintPaul(1992)分析了金融体系发展程度对技术选择的影响，认为更为专业化以及先进的生产技术，其研发失败风险以及获利波动度往往也越大，而发达的金融体系可以降低技术选择弹性，从而使得创新者更能专业化生产那些更为先进的技术；Allen&Gale(1994)对金融创新下的经济激励进行研究，认为金融创新改善了投资者可利用的风险转移的机会，从而有利于促进研发投入。

(二)全要素生产率改进生产函数

全要素生产率是经济增长经久不衰的引擎，由资源重新配置效率和微观生产效率两个部分组成。资源重新配置包括产业结构调整、升级，生产要素由生产率低的产业向生产率高的产业转移；微观生产效率包括管理和技术创新相关的因素。资源的优化配置是全要素生产率提高的重要渠道，但金融体系如果导致资源错配将会严重影响长期经济增长，并造成国家间发展的巨大差异。

Jeffrey(2000)认为具有较高资本配置效率的金融体系，能够形成高资本回报率的行业继续追加投资、低资本回报率的行业适时撤出资本的局面，从而有助于整个社会生产率水平的提高；Banerjee&Dufio(2005)、Bartelsmann(2008)、Hsieh&Klenow(2009)、Buera(2011)从理论和经验上研究了贫困国家相对于发达国家的资源错配，很大程度上解释了这些国家与发达国家的TFP差异。国内近年的实证研究中，全要素生产率(TFP)是常被使用的指标，如蔡昉(2013)认为提高全要素生产率是提高劳动生产率，并为经济增长提供持续动力的源泉。

(三)投资者激励创新发展

投资者类型可能对创新产生影响。Boot&Thakor(1995)的研究表明，一个集中的全能银行系统与一个商业银行和投资银行被明确监管在各自领域内运作的功能分离的金融系统相比，在动态上前者表现出较低的创新性，这为美国金融创新率高于欧洲大陆的金融创新率提供了一个解释。Aghion(2013)认为更大的机构投资者所有权有助于创新，其原因在于机构投资人通过强有力的监督减少职业风险，从而提供创新激励机制。

(四)企业规模影响创新活动

企业的创新活动是经济增长的动力之一，但什么规模的企业具有更强的创新能力则存在争议。“熊彼特假说”认为由于在规模经济、风险分担和融资渠道等方面拥有相对优势，且研发活动需要持续的利润支持，因此大企业(垄断企业)比小企业有更强的创新能力；然而Arrow(1962)研究认为在特定的条件下，竞争性产业比垄断产业能产生更多的研发激励，企业垄断地位可能会削弱其创新激励；Aghion等(2005)经过研究发现市场竞争程度与创新活动之间存在倒U型关系，因为竞争会增加创新者的额外利润，又会削弱落后者的创新激励。尽管实证研究的结论也存在争议，但如果依据企业规模影响创新呈现出先递增后递减的规律，中小企业通过并购等金融活动，一定程度上扩大企业规模，可能有利于创新。战略新兴产业中的新一代信息技术，高端装备制造等行业多为大型企业，但生物、新材料等行业则主要集中了大量中小企业。在这个意义上，通过并购等金融活动，一定程度上做大做强此类企业，或有助于其技术进步。

二、实证研究

(一)模型、指标与数据处理

Levine(1997)的综述性文献对于金融因素与技术创新和经济增长的关系作了经典描述，文献中金融发展变量及其选择方法对于本文的研究具有直接的借鉴作用，能够促进创新的非金融性控制变量也基本一致。本文在实证研究中既关注了模型的需要，同时也考虑实际数据的可得性。

本文实证研究的一个重要方面是关于创新的度量问题，即技术进步指标的选取问题。不同学者的变量选取差异很大，但总的来说，无外乎如下两个方面：一是从创新投入的视角来考察，例如R&D经费支出占销售收入比例、与创新有关的培训支出占人力资源总成本的比例、企业技术改造投资占固定资产净值的比例、企业科技人员占全部员工的比例、企业科技人员报酬与员工平均报酬的比例等。二是从创新产出的视角来考察，例如专利申请数、专利拥有数、新批专利数量与R&D经费支出比例、新产品开发项目数、参加科技项目人员时间占全部劳动人员时间比例、新产品产值率、创新产品出口额占总出口比例、投资收益率的提高、人均劳动报酬增长率、技术转让收入占销售收入比例等。

全要素生产率在计算方法上有一定的主观性，尚无官方权威的统计来源，不同学者具体计算方法和数据选取的不同会造成研究结果的迥异。一些研究者偏向于使用较为客观的数据指标来度量创新或技术进步，专利指标就是其中之—。Scherer(1965，1983)、Griliches&Hausman(1986)、Acts&Audretsch(1989)等认为专利是衡量技术创新的有效指标。Griliches(1990，1991)指出没有别的指标能够像专利一样提供如此多的信息，如数据质量、可获得性及技术细节。本文也采用专利作为技术进步的指标。

本文采用经典回归模型：G(j)=α+βF(i)+γX+ε。

式中G为经济变量，F为金融发展变量，X为影响经济变量的其他因素，即控制变量。

因变量主要考虑代表技术创新的指标，选择专利授权(ZLSQ)和专利受理(ZLSL)两个变量。

自变量选取金融发展相关指标：一是金融中介方面的指标，借鉴Levine(1997)研究，选择金融深化指标，该指标为货币供应量与国内生产总值的比重，即Finance=M2/GDP，以及信贷深度指标，该指标为贷款与国内生产总值的比重，即Bank=DK/GDP；二是金融市场方面的指标，选择资本市场规模指标，该指标为上市公司市值与GDP的比重，即Stock=SSGSSZ/GDP，以及资本市场流动性指标，该指标为股票成交额与GDP的比重，即Liquid=GPCJE/GDP。

控制变量主要考虑与技术创新相关的非金融指标。一是经济增长方面的指标，一般认为经济越繁荣，相应的创新活动越活跃，使用国内生产总值，即GDP和工业增加值(GYZJZ)两个指标。二是教育方面的指标，一般认为教育水平越发达，相应的技术创新能力越强，选取高等学校毕业人数(GDXXBY)作为教育水平的指标。

数据来源为Wind数据库和青海省历年统计年鉴，时间区间为1995-2015年度。为统一量纲以及更好地分析各变量动态变化间的相互影响，所有的变量全部计算缺口，具体方法为原序列进行HP滤波计算趋势值，再计算缺口。

缺口值=(原序列-原序列的HP滤波趋势值)/原序列的HP滤波趋势值。为统一标识，所有变量的缺口值记为原序列名后加gap。进入回归模型的所有变量分别为：

因变量(科技变量)：专利授权缺口ZLSQGAP，专利受理缺口ZLSLGAP。

自变量(金融变量)：金融深度缺口FINANCEGAP，信贷深度缺口BANKGAP，资本市场规模缺口STOCKGAP，资本市场流动性缺口LIQUIDGAP。

控制变量(其他变量)：生产总值缺口GDPGAP，工业增加值缺口GYZJZGAP，高等学校毕业生人数缺口GDXXBYGAP。

(二)平稳性检验

采用ADF单位根检验，有关变量的检验结果见表1，变量是平稳的，可直接进行回归分析。

(三)回归分析的结果

1. 对专利授权的回归

专利授权为实际官方认可的实际专利数据，其代表技术创新的作用更强。本文先以专利授权作为因变量进行回归分析。ADF检验显示所有序列均为平稳序列，因此可以直接进行回归分析，回归结果见表2。

表2 专利授权与五个金融供给变量的回归结果

2.对专利受理的回归

建立一个专利受理为因变量的回归模型，并对部分可能存在自相关的自变量进行剔除检验，最终形成专利受理与金融指标和控制指标的计量模型，见表3。全部回归系数均显著，模型效果较好。

表3 专利受理与五个金融供给变量的回归结果

三、结论

本文中专利、金融发展指标、经济指标缺口的各时间序列指标经检验显示均为平稳序列。经过剔除变量检验后，自变量包含信贷深度、资本市场规模、资本市场流动性、生产总值、高等学校毕业生数。回归模型中各变量的系数均显著，回归模型的总体检验效果较好，反映出回归模型总体有效。从经济解释来看：

第一，无论是专利受理抑或是专利授权作为因变量，控制变量经济增长缺口和高等毕业生缺口指标系数均为正，显示青海省经济规模与创新总量正相关，高校毕业生为代表的教育水平亦与科技水平正相关，符合基本的预期。

第二，信贷深度和资本市场规模深度的系数均为正，显示青海省金融发展程度与创新发展的程度是正相关的，通过大力发展金融业有利于促进科技进步。

第三，模型中资本市场的流动性与科技创新水平负相关，说明过度的交易不利于创新的发展。这与Levine(1997)的过度流动性(股权交易的频繁)可能使得股东对公司经理人的监督力下降、从而降低经理人创新的冲动的研究结果基本一致。

第四，相比专利授权，专利受理作为因变量的模型，其R平方检验值更高，反应专利受理能够更好的代表创新。

对于青海省战略性新兴产业，鉴于当前并无有效统计数据的支撑，因此本文用替代数据进行实证研究。战略性新兴产业作为国民经济中具有引领作用、科技含量较高的产业部门，尤其需要金融体系的支持，本文实证研究显示的金融体系对于技术进步具有重要作用的结论，结论适用于战略新兴产业。

[1] 刘志阳，施祖留.我国战略新兴产业自主创新问题与对策研究[J].福建论坛：人文社会科学版，2010(8)：10-16.

[2] 陈文俊，贺正楚，吴艳.基于R&D指标的先导性战略新兴产业发现研究[J].财经理论与实践，2013，34(1)：107-111.

[3] 刘降斌，李艳梅.区域科技型中小企业自主创新金融支持体系研究—基于面板数据单位根和协整的分析[J].金融研究，2008(12)：193-206.

[4] 郭玉清.资本积累、技术变迁与总量生产函数—基于中国1980-2005年经验数据的分析[J].南开经济研究，2006(3)：79-89.

[5] 杨林，马顺.促进战略新兴产业发展的财政政策研究[J].山东社会科学，2012(2)：146-149.

[6] 蔡昉.中国经济增长如何转向全要素生产率驱动型[J].中国社会科学，2013(1)：56-71.

[7] Ross Levine. Finance Development and Economic Growth：View Sand Agenda，Journal of Economic Literature，1997，35：688-726.

[8] Banerjee，Abhijit V.，and Esther Duflo，2005，Growth Theory through the Lens of Development Economics，In Handbook of Economic Growth，Vol.1A，ed，Philippe Aghion and Steven N.Durlauf，473-552，Amsterdam：Elsevier B.V.

[9] Hsieh，Chang-Tai，and Peter J.Klenow，2009，Misallocation and Manufacturing TFP in China and India，Quarterly Journal of Economics，Vol.124：1403-1448.

[10] Buera，Francisco J.，Joseph Kaboski，and Yongseok Shin，2011，Finance and Development：A Tale of Two Sectors，American Economic Review，forthcoming.