金融集聚对区域创新效率的影响研究——基于动态面板系统广义矩估计的经验分析

张晴云 金 鹏

(中国人民银行临夏州中心支行，甘肃 临夏 731100)

金融在我国现代经济体系建立过程中具有特殊的地位，在资金融通、市场定价、信息提供、资源配置等方面作用重大，是经济的血脉。多种创新要素集聚、优化金融结构、提升金融资源配置效率是金融集聚的本质特征。近年来，我国经济从高速增长向高质量发展，面对不断增加的内外部风险与挑战，“新经济”发展战略的实施在一定程度上促进了“要素驱动”“投资驱动”向“创新驱动”转型。而金融集聚对技术创新的促进作用，在分散创新风险、缓解融资约束、减少信息不对称等方面作用显著，从而实现了资源、信息、技术的有序高效流动，摆脱了路径依赖，进而促进了区域创新效率提高和技术进步。我国“十三五”规划重点提出要强化金融支持，促进金融对科技创新的引领作用。2016年，《国家科技创新规划》对金融和创新提出了新的要求，深化科技创新与金融结合试点、鼓励金融机构参与产学研合作创新已刻不容缓。因此，在我国市场改革和结构调整不断深化的背景下，本文以我国30个省(区、市)为研究对象进行实证研究，从动态角度分析金融聚集对区域创新效率的影响，为提升我国科技创新能力、建设区域金融提供参考。

一、文献综述

金融集聚作为产业集聚的一种形式，其过程复杂，内涵丰富。学术界主要从含义界定、动态成因等方面进行研究。张凤超(2003)、何宜庆等(2015)认为金融集聚是高度集中的金融产业群体，其特征是非连续的、非均质的。Thrift(1994)、Martin(1999)以信息流为依据，对其内外动因进行了研究。在此基础上，我国学者黄解宇(2011)、潘英丽(2003)分别基于空间外部性、区位选择理论对影响金融集聚的重要因素进行了分析。此外，对于区域创新效率的研究主要集中在测算方法、影响因素、空间特征等方面。李秦阳(2019)、孙畅等(2018) 、陈倩倩等(2019)分别基于随机前沿分析方法(SFA)、时序全局主成分分析法(GPCA)、数据包络分析方法(DEA)对创新效率进行了测算及分析。韩先锋等(2019)、张彩江和李艺芳(2017)认为互联网、人力资本、产业升级、政府支持均可以影响我国区域创新效率的提升。赵凯旭等(2019)认为我国区域创新效率空间溢出效应明显且正相关性显著。

金融集聚对区域创新效率的影响一直是业内学者研究的重点。一是正向促进方面。张甜迪(2019)、王仁祥和白旻(2017)、刘晓婉(2017)以不同省(区、市)为例，认为金融集聚整体上会促进科技创新效率的提升。二是逆向挤出方面。Pandit(2003)、黎杰生和胡颖(2017)、李胜旗和邓细林(2017)等认为金融集聚在一定程度上造成了资源浪费、效率低下、成本较高、过度竞争，从而造成了创新效率的低下。三是区域和行业异质性方面。马子红和常嘉佳(2016)基于金融差异化视角，认为不同区域金融集聚对企业创新效率的影响差异显著。郭文伟和王文启(2018)从银行、证券、保险三个方面定义金融集聚，并认为银行、证券业对区域科技创新没有显著影响，但保险业影响较为明显。

综上所述，金融集聚是金融发展的主流趋势，对科技创新意义重大且“双刃剑”特征较为明显。本文在总结相关文献的基础上，建立区域创新效率评价体系，运用系统广义矩估计(GMM)的方法从动态角度考察金融集聚对区域创新效率的影响，以期对我国经济发展方式转变及高质量发展提供借鉴。

二、区域创新效率综合评价

(一)指标体系

本文基于创新价值链理论，借鉴余泳泽和刘大勇(2013)的研究思路，建立区域创新效率(ITI)综合评价指标体系，由知识创新、科研创新、产品创新3个二级指标构成，二级指标下包含10个三级指标，具体指标如表1所示。

表1 区域创新效率综合评价指标体系

(二)测度方法与测算结果分析

运用时序全局主成分分析法(GPCA)，计算2008—2017年我国30个省(区、市)区域创新效率综合得分。为比较其区域差异性，对综合评分进行归一化处理，测算结果如表2所示。

表2 2008—2017年我国各省市区域创新效率综合得分

表2(续)

区域省份2008年2009年2010年2011年2012年2013年2014年2015年2016年2017年均值西部内蒙古0.0250.0400.0340.0540.0640.0780.0850.0980.1030.2040.079广西0.0690.0770.0670.1080.1240.1570.1740.1950.1900.2390.140重庆0.0980.1240.1440.2560.2700.3250.3550.4260.3310.3400.267四川0.1430.1630.1690.2460.3160.3670.4140.4060.3440.3610.293贵州0.1000.1200.1290.1870.2230.2490.2540.2240.1530.1670.180云南0.0520.0640.0540.1280.1420.1480.1520.1640.1350.1800.122陕西0.1550.1510.1450.2230.2440.3030.3140.3190.3090.3410.250甘肃0.0580.0660.0750.1180.1170.1100.1250.1200.1160.2100.111青海0.0000.0210.0170.0240.0250.0330.0320.0430.1120.3320.064宁夏0.1830.1620.1200.2920.2350.3640.2340.2310.3480.7290.290新疆0.0320.0530.0180.0720.0270.0750.0730.1490.1280.2920.092均值0.0830.0940.0880.1550.1630.2010.2010.2160.2060.3090.172全国平均0.1100.1300.1320.2110.2370.2820.2950.3130.3010.3720.238

由表2可知，我国创新效率区域差异性、非均衡特征显著。北京的创新效率优势明显，天津、上海、广东、浙江等经济发达地区创新效率排名靠前。此外，2008—2017年东部、中部、西部区域创新效率均值分别为0.355、0.169、0.172，东部地区>西部地区>中部地区，梯度分布特征显著，区域创新效率均值的年均增长率分别为14.57%、16.62%、18.18%，“西部大开发”和“中部崛起”战略实施效果显著。我国区域创新效率发展不均衡且“梯度”分布明显的主要原因在于：东部地区经济发展水平、地理区位、产业结构等优势明显，资本利用水平均优于中、西部地区，对区域创新效率的推动作用在一定程度上大于中、西部地区；东部地区吸引着中、西部地区大量的生产要素与资源，其生产要素和人力资本集聚的空间溢出效应进一步促进了东部地区的创新效率，从而在一定程度上削弱了中、西部地区经济、产业、人才的发展，导致中、西部地区区域创新效率低下，与我国平均水平及东部地区的差距较大。

三、模型设定与变量选择

(一)模型设定

本文为消除变量之间引起的内生性问题，使用系统GMM方法进行实证研究，引入了滞后一期的ITI作为解释变量。此外，为了消除异方差等问题，对方程中的变量进行对数化处理。模型具体设定如下：

lnITIit=α0+βlnITIit-1+β1lnFAit+

β2lnGOVit+β3lnHUMit+β4lnPGDPit+

β5lnOPENit+θi+δit

其中：i=1，2，…，30；t=2008，2009,…，2017；系数β1，β2，β3，β4，β5分别代表金融集聚程度(FA)、政府干预程度(GOV)、人力资本水平(HUM)、经济发展水平(PGDP)、对外开放程度(OPEN)等对区域创新效率的影响系数；α0为常数项；δit是随机误差项；θi表示不随时间改变的个体固定效应。

(二)数据来源及变量选取

1.数据来源。本文样本时间为2008—2017年，样本为中国30个省(区、市)，样本数据不包括香港、澳门、台湾和西藏。数据来源于2008—2017年《中国统计年鉴》《中国科技统计年鉴》以及各省(区、市)对应年份统计年鉴。所有检验均在stata15.0 软件下进行。

2.变量选取。选取前文测算的区域创新效率(ITI)作为被解释变量，选取金融集聚程度(FA)作为解释变量。国内外学者对金融集聚度的测定，主要有区位熵(LQ)、HI指数、空间基尼系数、构建金融集聚指标体系等，本文在借鉴现有文献的基础上，选取LQ来计算我国区域金融集聚度。计算公式如下：

其中：i表示部门；j表示地区；xij为j地区i部门的增加值，其值表示地区金融业的规模化与专业化水平，该值越大，表明该地区金融发展水平较高，其金融集聚程度也较高。

本文的控制变量有以下四个：一是政府干预程度(GOV)。政府干预在一定程度上影响着区域创新活动，对于区域创新而言，宽松的经济政策对其发展有利。本文以地方政府财政支出占GDP的比重衡量政府行为，认为越少的政府干预，越有利于提升区域创新效率。二是人力资本水平(HUM)。教育水平的提高使劳动力大规模向发达地区以及产业集聚地区移动。本文采用普通高等学校(高中、专科和本科)在校学生数衡量人力资本。三是经济发展水平(PGDP)。本文以人均国民生产总值作为经济发展水平的代理变量，并认为经济发展水平的提升对区域创新活动有一定的促进作用。四是对外开放程度(OPEN)。本文以地区进出口总额占国民生产总值的比重衡量对外开放程度，且对区域创新活动有一定的促进作用。模型各变量统计性描述如表3所示。

表3 各变量统计性描述

(三)实证结果分析

从模型相关检验结果可知，Sargen检验P值均大于0.1，不能拒绝原假设，滞后项作为工具变量不存在过度识别问题。自相关检验结果显示：AR(1)均小于0.1，存在一阶自相关；AR(2)均大于0.1，拒绝原假设，说明不存在二阶序列相关问题。检验结果均显示模型设定合理。如表4所示。

表4 模型回归结果

注：***、**、*分别表示在 1%、5%、10%的显著性水平下通过了统计检验，括号内为标准差，_cons 为截距项

下面以表4中的模型5为例进行分析。滞后一期的区域创新效率在1%的置信水平下显著，回归系数为0.762 1，说明区域创新效率跨期传递特征明显，上一年的区域创新效率对下一年的影响较大。从金融集聚对区域创新效率的影响来看，其回归系数显著为正，其系数为0.059 1，表明金融集聚程度每增加1%，区域创新效率提高0.059 1%，表明金融集聚在提升区域创新效率的过程中起着重要的正向积极作用。

从控制变量看，第一，政府干预程度系数在10%的显著性水平下显著为负，其影响系数为-0.050 8，即政府干预程度系数每提高1%，区域创新效率降低0.050 8%，说明较大的政府规模具有较强的行政干预能力，政府干预在一定程度上抑制了区域创新效率的提升。第二，人力资本在1%的显著性水平下促进区域创新效率的提升，说明受教育水平的提高对区域创新发展的意义重大。通常而言，人力资本水平的提高会使劳动力对自身发展有着更高的追求并向发达地区以及产业集聚地区移动。第三，人均 GDP的增长显著提升区域创新效率，其系数为0.009 4，即经济发展水平系数每提高1%，区域创新效率提升0.009 4%，表明随着经济的发展，创新能力往优质型发展。第四，对外开放程度对区域创新效率影响在1%显著性水平下为正，其系数为0.034 6，表明对外开放在一定程度上促进了我国科研、技术水平的提高，并以此提升科技创新效率。

四、结论与政策建议

(一)研究结论

综上所述，利用2008—2017年我国30个省(区、市)数据，基于动态面板模型研究金融集聚对区域创新效率的影响，结果显示，区域创新效率跨期传递特征明显，上一年区域创新效率对下一年的影响较大，且金融集聚在提升区域创新效率的过程中起着重要的正向的积极作用。此外，政府干预在一定程度上抑制了区域创新效率的提升，人力资本水平、经济发展水平、对外开放程度在一定程度上均可以提升我国区域创新效率。

(二)政策建议

第一，强化金融资源的合理科学配置，引导资金在各方面有序流动，分散创新风险，促进信息共享，缓解融资压力，通过区域间金融合作提升区域创新能力；积极创新信贷、产品、服务等制度，发挥银行、证券、保险等金融中介的聚集发展作用，从而摆脱原有的技术创新路径，发挥创新效应；完善区域资本市场建设，跳出固有思维，拓展创新企业融资渠道，为科技发展提供强劲动力，从而实现区域创新效率的提升。

第二，适度放松管制，深化市场化改革力度。区域创新能力的提升在一定程度上依赖于一个良好的环境，政府要有所为有所不为，积极打破制度和进出壁垒，发挥市场在资源配置中的决定性作用，降低政府交易成本，营造公开商业环境，努力促进创新活动突破瓶颈，实现在经济高质量发展下的区域创新效率的提升。

第三，引进优质人才，提高创新人才队伍质量。创新活动涉及的产业多、领域广，并且在新时代背景下，复合型、创新型人才需求进一步提高。因此，政府要有人才培养观念，把握创新活动发展趋势，重视复合型、创新型人才培养。注重培养人才工作素质和能力，促进创新技能与科研成果提升，完善人才激励体制，建立全面、灵活的奖助体系。

第四，加强地区外商投资引进力度，充分发挥技术溢出效应。外商投资的增加在引进先进管理经验、成熟技术成果与手段方面作用重大，有助于推动地区技术创新的发展，确保产业链上下端企业的集聚发展与信息资源的交流、共享，降低创新成本，提高创新效率。