金融集聚、购房压力对科技创新的时空影响机制：以粤港澳大湾区为例

一 引 言

自中央政府在2015年的《推动共建丝绸之路经济带和21世纪海上丝绸之路的愿景与行动》中首次提出粤港澳大湾区概念以来，从《深化粤港澳合作推进大湾区建设框架协议》的签署到《粤港澳大湾区发展规划纲要》的制定发布，这些都表明粤港大湾区建设已经上升到国家发展战略。2019年2月18日，国务院正式印发了《粤港澳大湾区发展规划纲要》(以下简称“规划纲要”)，该规划纲要一方面明确了湾区内城市发展定位，另一方面，明确指出到2022年粤港澳大湾区要基本形成国际一流湾区和世界级城市群的框架，到2035年形成以创新为主要支撑的经济体系和发展模式，全面建成宜居宜业宜游的国际一流湾区。在金融发展方面，规划纲要明确提出要建设国际金融枢纽、特色金融产业并有序推进金融市场互联互通。随着规划纲要的逐步推进和落实，大湾区内各城市间的产业融合和金融互通将更加深入，以发挥各自的产业优势来实现协同发展。如何构建大湾区内科技创新发展的协同机制无疑是打造世界级科技创新中心的重要环节。科技创新离不开研发投入、金融发展、创新人才等要素的支持。然而，粤港澳大湾区各城市金融集聚程度和房价水平存在显著差异，由此导致区域内各城市之间金融资产配置严重失衡、购房压力强度不一。越来越多的研究表明：金融资源配置失衡会导致城市间金融支持科技发展的效率出现分化，进而加剧各城市之间科技竞争力差距；另一方面，日趋上涨的城市购房压力会从多个方面对区域科技创新能力产生明显的抑制作用。从具体影响路径来看，整个区域内持续上涨的房价通过“资本挤出效应”、“人才挤出效应”、“加大企业生产成本”等途径来抑制企业科技创新，最终严重冲击了大湾区科技创新协同进程。因此，以粤港澳大湾区为例，研究金融集聚、购房压力对科技创新的时空影响机制具有重要理论意义和现实意义：首先，有助于动态识别湾区内金融集聚、购房压力和科技创新的空间溢出效应、演化趋势；其次，有助于厘清购房压力和金融集聚互动对科技创新的影响机制及其非线性特征，识别出影响大湾区科技创新的关键因素，为建立科技湾区常态化合作机制和协同发展机制提供有益启示。

二 文献综述

(一)金融集聚对科技创新的影响研究

影响一个国家或地区科技创新水平的因素很多，比如地区经济发展程度、研发投入规模、金融发展程度、房价水平、教育水平、政府扶持政策等诸多因素均对科技创新产生重要影响。科技创新活动往往具有周期长、高风险、高投入等特征，而资金一直是影响科技创新能否持续进行的关键因素。金融发展可为创新活动提供多样化的融资方式，企业、高校、科研机构等创新主体不仅可以从金融市场上获得创新所需的资金，提升创新资源的配置效率，还可以为创新主体和创新活动提供风险分散的渠道与支持。与此同时，随着金融资源在某个地区高度集聚，对所在区域的科技创新势必产生深刻影响。基于此，国内外学者从理论和实证上研究金融集聚对科技创新的影响机制。Rioja和Valev(2004)[1]、Nanda和Rhodeskropf(2016)[2]对金融发展与技术创新之间的关系进行实证分析，发现与不完善的金融体系相比，发达金融体系下的金融要素更容易促进科技创新。Benfratello和Schiantarelli(2008)[3]研究意大利金融集聚对科技创新的影响，发现金融集聚水平越高，越有利于推动科技创新。Greenwood et al.(2013)[4]认为某一地区金融集聚程度的提高，会提升金融机构自我强化功能，金融集聚对科技创新水平的提升作用越明显。

随着中国金融市场的快速发展和创新驱动发展战略的提出，国内学者逐渐深入研究金融集聚对科技创新影响。柏玲等(2013)[5]、李晓龙等(2017)[6]对我国金融发展与科技创新之间关系的实证研究表明，我国金融业的规模、结构和效率对科技创新水平都有积极影响；但曹霞和张路蓬(2017)[7]基于空间杜宾模型对我国省域数据进行分析后认为，以银行业为主导的金融结构对技术创新作用不明显。张志强(2012)[8]实证检验中国金融发展规模、效率对科技创新产出的影响，结果表明不同地区的金融发展规模、效率对科技创新的影响具有明显差异。王仁祥和白旻(2017)[9]运用区位熵和因子分析法测度金融集聚度，认为金融集聚对科技创新效率提升具有明显地区差异。还有学者从行业异质性的角度分析金融集聚对科技创新的影响。周永涛和许嘉杨(2013)[10]认为金融集聚对科技创新存在明显的行业差异，银行业集聚会显著促进科技创新，而证券业集聚对科技创新提升作用不明显。祝佳(2015)[11]认为中国创新发展和金融支持的协同程度较低，金融三大子行业(银行、保险、证券)对科技创新作用存在差异。刘海飞和贺晓宇(2017)[12]以中国制造业企业为样本，实证分析金融集聚、政府干预对企业创新行为的影响，指出金融集聚对企业创新研发投入有促进作用，而政府的过度干预削弱了这种促进作用。黎杰生和胡颖(2017)[13]认为金融集聚对技术创新有双重影响，适度金融集聚会促进科技创新，而过度集聚对创新具有逆向排挤作用。崔庆安等(2018)[14]运用SDM模型分析金融发展和产业升级对技术创新的影响，认为金融发展和产业升级都对技术创新有促进作用，而两者的交互作用对技术创新具有抑制作用。郭文伟和王文启(2018)[15]从行业异质性出发，利用空间计量模型分析粤港澳大湾区金融集聚对科技创新水平的影响，指出粤港澳大湾区保险业集聚对科技创新水平提升有积极影响，而银行业和证券业集聚不会显著提升科技创新水平。

(二)房价水平对科技创新的影响研究

一个地区或城市房价水平对该地区科技创新并没有直接的影响。但越来越多研究表明：地区房价水平会通过多种途径影响科技企业的资金、技术和人才流动，进而影响企业科技创新进程，最终影响该地区的科技创新水平。间接影响途径主要有：(1)信用风险缓释途径。房价上涨提升了拥有房产企业的价值及其贷款抵押价值，一定程度上降低了企业的融资约束和信用风险程度，对企业利用房产融资具有积极作用；Chaney和Thesmar(2012)[16]对美国上市公司房产价值变动和企业投资关系进行实证分析后发现，当房价上涨引发房产价值上升时，从银行获得的贷款增加，从而增加了企业的研发资金投入。Chen et al.(2015)[17]、张杰等(2016)[18]认为房价的过快上涨对投资效率造成弱化效应，加重对非房地产行业的融资约束，加大了资源错配程度，阻碍企业研发投入和产出。(2)加大企业运营成本途径。房价上涨会带动土地价格、厂房和办公室等租金的上升，从而增加企业的生产和运营成本。王荣和张所地(2016)[19]通过构建城市创新能力对房价影响的指标体系，发现城市创新产出对房价具有正资本化效应，研发投入对房价影响不显著。余泳泽和张少辉(2017)[20]认为房价上涨通过创新资金挤占、创新人才行为负面激励效应和城市技术创新活动负面影响这三种渠道抑制了地区的技术创新水平。(3)资金挤占途径。房价持续上涨一方面使得房地产行业相比其他传统实业具有更高的投资回报率，吸引社会资本持续流入，进而挤占了包括科技产业在内的其他实业的资金投入规模；另一方面也影响科技企业研发资金投入的积极性，转而将部分资金用于房地产投资，最终对科技企业的创新能力提升产生负面影响。Calza et al.(2013)[21]指出，由于房价上涨，大量工业企业为了追求高额回报率，将原本用于企业研发和企业经营的资金投入房地产行业，从而出现“资本泡沫化”现象。Martin和Ventura(2012)[22]、Miao和Wang(2014)[23]、余静文和谭静(2015)[24]认为房价上升对创新存在正向和负面效应，存在金融摩擦的情况下，房价上涨提高了企业自有房产的抵押价值，对企业来说在一定程度上存在“信用缓解效应”；但房价上升使得企业将更多资金投资于投资回报率更高的房地产行业，挤占企业研发投入资金，对创新具有“挤出效应”。王文春和荣昭(2014)[25]对35个大中城市规模以上工业企业进行实证研究，发现房价上涨会影响企业的创新产出和研发投入，房价上涨越快，企业的创新意愿越弱。(4)人才挤压途径。过高的房价会为当地居民带来过高的购房压力及其他生活成本，从而抑制了当地劳动力(普通技术工人和科技创新人才)的流入，对科技企业的生产和研发活动产生负面影响。朱晨(2018)[26]从劳动力成本视角，利用上海市房价和中国工业企业的非平衡面板数据模型，分析表明房价上涨对工业企业创新具有显著的负向影响。同时，房价持续上涨势必会产生房价泡沫和购房压力，一旦房价泡沫破灭，将会对整个社会和企业产生严重冲击。Gan(2007)[27]研究日本20世纪90年代房地产泡沫对日本科技创新的影响，指出拥有大量房地产的企业受到危机的冲击更大，从而影响企业创新资金的投入。范新英和张所地(2018)[28]研究认为创新集聚对城市房价具有空间溢出效应，且城市创新效率对房价的非线性影响，是引起房价上涨和房地产市场分化的重要原因。上述研究表明，房价水平对科技创新同时具有促进作用和阻碍作用，但房价过快上涨带来的严重资源错配、投资效率低下、挤占创新资金和人才挤压等问题，最终对科技创新的抑制作用占主导地位。

综上，现有文献已在房价水平、金融聚集与技术创新之间的关系方面进行了广泛研究，但总体上存在如下不足：(1)研究视角的局限。大部分文献仅仅单独分析房价水平或金融集聚对科技创新的影响，而鲜有文献综合分析购房压力与金融集聚对科技创新的共同影响。同时，大多数文献的研究视角局限于时间维度(多采用传统面板数据模型)，而忽视了空间因素(即购房压力与金融集聚的空间溢出效应及其对科技创新的影响)，从而无法进一步从时空角度分析购房压力、金融集聚对科技创新的影响机理。(2)研究方法的局限。有文献通过传统面板数据模型来揭示城市房价或金融集聚对科技创新的线性影响特征，但越来越多的研究表明，房价水平或金融集聚对科技创新的影响具有非线性特征，而这些模型无法揭示金融集聚和购房压力对科技创新的非线性影响。(3)研究对象的局限。多数研究从全国层面和省域层面出发，较少从一些重要区域城市层面进行分析，至今鲜有文献讨论粤港澳大湾区金融集聚水平、购房压力和科技创新三者之间的非线性关系。同时，现有文献大多只考虑金融集聚对科技创新的总体影响，而忽略了各金融子行业对科技创新影响的差异性。

相比现有研究，本文可能的创新之处在于：(1)以粤港澳大湾区11个城市(1)粤港澳大湾区11个城市指：香港、澳门、广州、深圳、珠海、惠州、肇庆、东莞、佛山、中山和江门。为研究对象，采用面板门限模型分析金融集聚和购房压力对科技创新的非线性影响。进而比较各金融子行业(银行、证券和保险)的影响差异。(2)采用空间计量模型来分析该区域内金融集聚、购房压力对科技创新的空间溢出效应，并运用交叉项充分考虑购房压力与金融集聚互动对科技创新的影响。(3)综合考虑时间和空间两个维度，分析粤港澳大湾区购房压力和金融集聚对科技创新的非线性影响和空间溢出效应，有效发挥金融集聚、购房压力等因素作用，推动大湾区创新资源整合和创新水平的提升。

三 实证模型

(一)空间影响机制研究：空间计量模型

由于粤港澳大湾区科技创新活动和金融资源流动均存在明显的空间关联性，而传统的时间面板模型不能反映各地区变量之间的空间影响关系，因此这里不仅考虑时间联系，还考虑变量之间的空间联系，采用空间计量模型进行后续实证分析。空间计量模型按照自相关性的形式不同可以分为空间滞后模型和空间误差模型。

当被解释变量的空间滞后项纳入解释变量中，即考虑邻近地区被解释变量的影响时，则适合空间滞后模型，其形式如下：

β3lnRDEit+β4lnPGDPit+β5lnGOVit+β6lnEDUit+εit

(1)

当把邻近地区的未观测因素纳入模型，即考虑邻近地地区未观测因素对被解释变量的影响时，则适合空间误差模型，其形式如下：

lnINNOVAit=α+βFINit+β1BUBBLEit+β2FIN*BUBBLEit+β3lnRDEit+β4lnPGDPit+

β5lnGOVit+β6lnEDUit+μit

(2)

(3)

(二)非线性影响机制研究：面板门限模型

采用Hansen(2000)[29]提出的面板门限模型进行分析，门限数量及其数值通过采用“格子搜索法(Grid)”结合研究样本数据确定。模型的一般表达式为：

yit=x′itβ1+x′itdit(γ)θ+Z′Φ+et,et～iid(0,σ)

(4)

其中，yit为被解释变量(科技创新)，x′it为一系列解释变量(金融集聚程度、购房压力、研发投入水平、经济发展水平、政府扶持政策力度和教育水平)；dit(γ)为提示性函数，当门限值大于γ时取值为1，否则取值为0；et为残差系列。β1、θ、γ均为模型估计参数。有关该模型的参数估计方法和相关门限值检验原理，这里不再重述，可详见文献Hansen(2000)[29]。

(三)空间自相关测度：Moran’s I 指数

在相关的空间计量研究中，大部分采用Moran’s I指数来刻画变量间的空间相关性大小，Moran’s I指数计算公式如下：

(5)

(四)金融集聚测度：区位熵指数

金融集聚程度的测度方法主要包括构建金融集聚指标体系和寻找金融集聚的代理变量，李静和白江(2014)[30]、邓薇等(2015)[31]、冯林等(2016)[32]从不同方面构建金融集聚评价体系来衡量地区的金融集聚水平；金融集聚的代理变量主要包括区位熵指数、赫芬达尔指数和空间基尼系数，任英华等(2010)[33]、李林等(2010)[34]采用区位熵指数来衡量地区的金融集聚程度，该指数可较好地反映一个地区产业的集中程度，而赫芬达尔指数和空间基尼系数存在主观性强、不同行业无法横向比较、计算复杂等不足。鉴于粤港澳大湾区数据可得性和行业异质性，本文通过计算金融业及其三大子行业的区位熵指数来分别刻画粤港澳大湾区城市金融业和三大子行业的集聚程度。

1.金融业集聚

(6)

eit和pit分别表示城市i第t期末金融业就业人数和总就业人数；Et和Pt分别表示粤港澳大湾区11个城市第t期末金融业就业人数加总和就业人数加总。

2.银行业集聚

(7)

sit和xit分别表示城市i第t期末的金融机构存款余额和国内生产总值；St和Xt分别表示粤港澳大湾区11个城市第t期末金融机构存款余额加总和国内生产总值加总。

3.证券业集聚

(8)

yit和xit分别表示城市i第t期末的A股上市公司市值和国内生产总值；Yt和Xt分别为粤港澳大湾区11个城市第t期末A股上市公司市值加总和国内生产总值加总。

4.保险业集聚

(9)

cit和xit分别表示城市i第t期末全部保险机构的保费收入和国内生产总值；Ct和Xt分别为粤港澳大湾区11个城市第t期末保费收入加总和国内生产总值加总。

四 实证分析及结果讨论

(一)模型变量选取与依据说明

本文以粤港澳大湾区11个城市为研究对象，鉴于数据统一性、连续性和可获得性，选取2006-2016年的年度数据来分析粤港澳大湾区购房压力、金融集聚对科技创新的时空影响机制。相关变量选取如下：

1.被解释变量：科技创新水平(INNOVA)。一个地区的科技创新水平可以用研发投入和创新产出两个方面来衡量。创新产出方面的指标主要有技术市场成交额、专利申请量和授权量、科技进步贡献率等。其中，专利包括发明专利、外观设计专利和实用新型专利三类，发明专利相比外观设计专利和实用新型专利，投入的资金、人员更多，难度更大，更能反映一个地区的实际创新能力。此外，考虑到发明专利申请数虽反映了一个地区的科技创新活跃程度，但代表的是发明专利的申请总量，具有一定的放大功能。因此，本文选取各城市发明专利的授权数来度量各地区科技创新水平。

2.核心解释变量：一是购房压力(BUBBLE)，本文借鉴吕江林(2010)[35]的做法，用房价收入比即城市房价与居民可支配收入之比来衡量城市的年度购房压力。二是金融聚集(FIN)，基于行业异质性考虑，将金融业进一步划分为银行业、证券业和保险业，这里采用区位熵指数来衡量金融业、银行业、证券业和保险业的集聚水平，具体计算见式(6)-式(10)。F_BUBBLE、B_BUBBLE、S_BUBBLE、I_BUBBLE分别表示金融业、银行业、证券业、保险业集聚与购房压力的交叉项。

3.其他控制变量：(1)研发投入(RDE)。研发投入是创新产出的前提和持续动力，有研发投入才有创新产出，研发投入主要包括创新资金投入和创新人员投入，科技创新主体主要包括高校、科研机构和企业，基于数据的可得性，本文采用研究与发展经费投入(R&D研发投入)来衡量一个地区的科技创新投入水平。(2)经济发展水平(PGDP)。经济发展水平越高，对科技进步和创新的需求更大，创新动力更强，能为创新活动提供更加强有力的支持；反之，科技创新水平的提升将进一步促进经济质量及发展持续性的增强，因此，本文采用人均国内生产总值来衡量一个地区的经济发展水平。(3)政府扶持政策(GOV)。政府扶持政策对创新具有重要的导向作用，如“大众创新、万众创业”和“创新驱动发展战略”等政策的提出对科技创新具有推动作用。财政支出中科学技术支出越多，说明该地区政府对科学技术创新越重视，因此，本文采用科学技术支出来衡量地区政府的政策支持。(4)教育水平(EDU)。教育水平和劳动力素质也是科技创新的重要影响因素，教育水平越高，越能够为科技创新提供更多高素质的劳动力和技术创新人才，因此，本文选取各城市普通高等学校在校生人数来衡量该城市的教育水平。

上述变量中，粤港澳大湾区11个城市的专利发明授权数、金融业就业人数、房价、研发投入等变量数据来源于香港和澳门政府相关部门网站和其发布的统计年刊及《广东省统计年鉴》等。

(二)描述性统计结果

表1为主要变量的描述性统计。经济发展水平、科技创新、研发投入的标准差位列前三名，说明粤港澳大湾区内各城市的经济规模、科技创新水平和研发投入存在巨大差距；金融集聚和购房压力的标准差相对较小，说明各城市在这方面的差距远没有经济发展水平和科技创新水平方面的差距大。与此同时，考虑到科技创新、研发投入、经济发展水平、政府扶持政策、教育水平这些变量的数值较大，在实证模型中均采取自然对数形式。

表1 主要变量的描述性统计

数据来源：作者根据统计结果整理而得。

(三)金融集聚、购房压力与科技创新的空间自相关性

采用Moran’s I指数来刻画粤港澳大湾区各城市间科技创新、购房压力和金融集聚的空间关联性大小，如表2所示。

表2 粤港澳大湾区科技创新、金融集聚、购房压力的空间自相关性

(续上表)

年份科技创新Morans I金融集聚Morans I购房压力Morans I20140.33***0.050.0220150.17*0.070.0920160.110.06-0.01

注：***、**、*分别表示在1%、5%、10%的置信水平上显著。

研究期内，粤港澳大湾区科技创新的Moran’s I指数除了2016年不显著外，其他年份均显著为正，且总体呈现先升后降的趋势，这说明粤港澳大湾区城市间的科技创新空间自相关性先增强后减弱，科技创新水平差距在不断拉大；而2013年科技创新Moran’s I指数突然增强可能是粤港澳大湾区各城市响应国家创新驱动发展战略的引导，重视科技研发投入和科技创新水平而导致的。粤港澳大湾区金融集聚的Moran’s I指数总体上也呈先升后降的趋势，且只在2008-2012年通过了10%置信水平检验，这说明金融集聚的空间相关性较弱；其原因可能是2008年金融危机使得粤港澳大湾区各城市金融市场均遭受到巨大冲击，无形中降低了各城市金融集聚程度的差距，从而增强整体上的空间自相关性。购房压力的Moran’s I指数多数年份为负，且显著性水平较低，由此看出大湾区内各城市购房压力大部分年份呈现负相关关系，显示相邻地区购房压力变化的非同步性和迁移性，如广州和深圳房价率先大幅上涨，而其他地区房价反应较慢；当广深房价由于收到政府调控而出现涨速放缓时，受到抑制的炒房资金产生新的投资目标，开始向周边地区转移需求，周边城市房价承接上涨，最终出现了整个区域内购房压力的迁移，这导致大湾区内城市购房压力更多的是呈现负的空间自相关性。

(四)购房压力、金融集聚对科技创新的非线性影响机制分析

1.门限效应存在性检验

为了检验金融集聚和购房压力可能存在的门限效应，分别以金融集聚和购房压力为门限变量，设定500次自举次数，通过格子搜索法进行门限效应存在性检验及最佳门限值的确定，结果见表3。

表3 购房压力和金融集聚的门限效应检验结果

注：单门限检验 H0:不存在门限值，H1：存在一个门限值；双门限检验 H0:存在单一门限值，H1存在两个门限值；三门限检验 H0:存在两个门限值，H1：存在三个门限值；***、**分别表示在1%、5%的置信水平上显著。

从表3的检验结果可知：购房压力在1%的置信水平上存在双重门限效应，门限值分别为17.84、38.90；根据这两个购房压力门限值，可将粤港澳大湾区11个城市分为三类：低购房压力城市(BUBLE<17.84)、中度购房压力城市(17.84≤BUBLE<38.90)、高购房压力城市(BUBLE≥38.90)。从具体城市来看，2006-2016年期间，广州、佛山均属于中度购房压力城市；深圳除了在2006年属于低购房压力城市外，在其他年份均属于高购房压力城市；惠州在2006、2009、2012、2013这四年属于低购房压力城市，其他年份均属于中度购房压力城市；肇庆在2006、2013、2015、2016这四年属于低购房压力城市，其他年份均属于中度购房压力城市；东莞在2006-2009、2011-2013这些时期内属于低购房压力城市，而在其他年份均属于中度购房压力城市；中山在2008、2010、2011这三年属于中度购房压力城市，其他年份均属于低购房压力城市；江门在2006-2009、2013年期间属于低购房压力城市，而在其他年份均属于中度购房压力城市；珠海除了在2016年属于高购房压力城市外，其他年份均属于中度购房压力城市；香港和澳门在整个时期内均属于中度购房压力城市，主要是因为本文采用房价收入比来衡量城市的购房压力，香港和澳门虽然房价水平较高，但人均可支配收入也较高，因此香港和澳门的房价收入比处于适中水平，从而使得香港和澳门购房压力也处于中度水平。此外，中国内陆城市在房屋交易中普遍存在公摊面积现象，降低了房价交易的实际成交价格，而香港和澳门地区按房屋实占面积计算，计算方式差异可能导致房价收入与现实有所出入。总的来看，粤港澳大湾区内，深圳购房压力程度最高，而其他10个城市都属于中、低度购房压力城市，不同时期，受房地产调控政策、宏观环境变化等因素影响，各城市购房压力有所波动。金融集聚同样在1%的置信水平上存在双重门限效应，门限值分别为0.71、1.28。根据这两个金融集聚门限值，可将粤港澳大湾区11个城市分为三类：低度金融集聚城市(FIN<0.71)、中度金融集聚城市(0.71≤FIN<1.28)、高度金融集聚城市(FIN≥1.28)。从具体城市来看，广州、深圳、珠海属于中度金融集聚城市；惠州、肇庆、东莞、佛山、中山、江门属于低度金融集聚城市；香港和澳门属于高度金融集聚城市。下文分别运用以购房压力和金融集聚为门限变量的双重门限模型进行实证分析。

2.门限效应估计结果及讨论

首先采用面板数据模型进行实证分析，豪斯曼检验表明应当采用整个金融业及各金融子行业均适合的随机效应模型，估计结果如表4所示。由表4可知，无论是对金融业还是各金融子行业(银行业除外)而言，金融集聚和购房压力均对科技创新具有显著的正向作用，但金融集聚和购房压力的交叉项对科技创新具有显著的抑制作用。从横向比较来看，保险业集聚对科技创新的促进作用要明显大于其他金融子行业。在控制变量方面，研发投入和经济发展水平对科技创新具有显著的促进作用。政府扶持政策仅在金融业总体层面上对科技创新具有促进作用，但在各金融子行业层面上，对科技创新的影响效果不明显。教育水平对科技创新的影响在不同金融子行业层面上存在明显差异。为了进一步刻画购房压力、金融集聚对科技创新的非线性影响特征，采用面板门限模型(分别以金融集聚和购房压力为门限变量)进行实证分析，结果如表5所示。从表5可看出，在低、中度购房压力区域内，金融集聚对科技创新具有显著的负向影响，而在高购房压力区域内，金融集聚对科技创新具有显著正向影响。这主要由于在购房压力门限值的划分中，大湾区内只有深圳归入高购房压力城市，而深圳的科技创新能力在粤港澳大湾区内也是最强，由此导致高购房压力对科技创新具有明显的促进作用。在低、高度金融集聚区域内，购房压力对科技创新没有明显影响；但在中度金融集聚区域内，购房压力对科技创新具有显著的促进作用。总的来看，一方面要平衡粤港澳大湾区内的金融资源配置，降低金融集聚失衡程度将有助于充分发挥金融促进区域科技创新的积极作用；另一方面，要进一步采取措施稳定房价，以防范金融集聚和购房压力交互作用抑制区域科技创新的问题。同时，应重视并发挥保险业对科技创新的积极作用。

表4 基于面板数据模型的估计结果

注：***、**、*分别表示在1%、5%、10%的置信水平上显著。

表5 面板门限模型估计结果

注：***、**、*分别表示在1%、5%、10%的置信水平上显著。

(五) 金融集聚、购房压力对科技创新的空间溢出效应分析

1.基于金融业整体的分析结果

首先以整个金融业为研究对象，采用空间滞后模型和空间误差模型来分析金融业集聚和购房压力对科技创新的空间溢出效应，估计结果如表6所示。运用空间计量进行实证分析，需要判断是采用空间滞后模型还是空间误差模型，本文基于Anselin et al.(2004)[36]提出的判断原则即两个拉格朗日乘数检验(LM-Lag，LM-error)和两个稳健的拉格朗日乘数检验(Robust LM-Lag， Robust LM-error)，当LM-Lag统计量比LM-error统计量显著，而Robust LM-Lag统计量显著，Robust LM-error不显著时，采用空间滞后模型；相反，则采用空间误差模型。模型适用性检验结果如下：LM-Lag统计值为4.48，P值为0.03，在5%的置信水平上显著；LM-error统计值为0.87，P值为0.34，不显著；Robust LM-Lag统计值为10.67，P值为0.00，高度显著；Robust LM-Lag统计值为7.06，P值为0.01；根据判断准则，应选择空间滞后模型进行实证分析。由于空间滞后模型效应又分为固定效应和随机效应，本文采用Hausman检验来判别是采用固定效应还是随机效应，结果显示应采用固定效应进行分析。因此，以空间滞后模型固定效应的估计结果来分析购房压力、金融集聚对科技创新的空间溢出效应。

从表6可以看出，空间滞后模型固定效应的系数为0.27，且高度显著，说明粤港澳大湾区城市科技创新之间存在明显的正向空间溢出效应。粤港澳大湾区金融业集聚(FIN)对科技创新的影响系数为1.28，在1%的置信水平上显著，说明金融集聚对科技创新具有显著的促进作用(与基于传统面板模型、面板门限模型的估计结果相一致)。原因在于金融资源在粤港澳地区集聚，形成金融集聚区可以提高粤港澳大湾区金融资源的配置效率，加强信息交流和资源共享，充分发挥金融集聚的规模效应。同时，金融集聚不仅能够发挥市场融资功能，缓解企业的融资约束，为创新主体和创新活动提供研发资金，还可以为创新活动提供风险分散的渠道，促进科技创新水平提升。购房压力(BUBBLE)对科技创新的影响系数为0.85，但不显著，说明购房压力对科技创新的作用不明显。金融集聚与购房压力的交互项(F_BUBBLE)对科技创新的影响系数为-2.03(与基于传统面板模型的估计结果相一致)，且在1%的置信水平上显著，表明金融集聚与购房压力的互动对科技创新产生明显的抑制作用。这是因为购房压力是由房价快速上涨、超出收入增长所引起的。同时，大量实体资金为了追求高回报率从实体经济流向房地产市场，降低企业的创新研发投入，创新活动融资约束更加严重，实体资金持续流入房地产又进一步推动房价上涨，导致资源错配、恶性循环，从而抑制了科技创新活动。

表6 金融业集聚和购房压力对科技创新影响各种模型估计结果

注：***、**、*分别表示在1%、5%、10%的置信水平上显著。

控制变量方面，研发投入(RDE)、经济发展水平(PGDP)、政府扶持政策(GOV)和教育水平(EDU)对科技创新的影响系数依次为0.22、0.68、0.27和0.54，均至少在10%的置信水平上显著，说明研发投入、经济发展水平、政府扶持政策和教育水平对科技创新均有积极促进作用。研发投入是创新活动的基础和前提，没有研发投入就没有创新产出，创新活动具有周期长、回报慢的特征，用于创新的研发资金越多，越能为创新活动提供保障。经济越发达，对产品和技术的需求越多样化，创新的持续动力越强，同时经济发展水平高可以为创新活动提供良好的市场环境和基础设施，吸引更多的创新企业和技术人才。政府扶持政策对科技创新具有引导作用，扶持政策能够引导社会资金流入创新活动领域，为创新提供良好的政策环境。教育水平更高，能为创新活动提供更多的创新人才和高素质的劳动力；此外，教育水平越高，产学研深度融合越强，对科技创新的贡献越大。

2.基于金融子行业的分析结果

受篇幅所限，本部分只列出空间滞后模型的估计结果，且采用固定效应来分析三个子行业(银行、证券和保险)集聚、购房压力对科技创新的空间溢出效应(估计结果见表7)。银行业集聚(BANK)对科技创新的影响系数为-0.28，但不显著，说明粤港澳大湾区内银行业集聚对科技创新作用不明显。主要原因在于粤港澳大湾区城市间银行业发展水平差距明显。特别是中国香港地区作为国际金融中心，银行业发展水平和金融机构吸收存款能力远高于其他城市；而其服务业、金融业和航运贸易业高度发达的另一面是，实体经济规模发展滞后，科技创新主要来自于高校与科研机构，缺乏有影响力的知名科技企业，这导致香港地区的科技创新发展缓慢，与其银行业的高度发达状况极不匹配，最终导致粤港澳大湾区银行业集聚对科技创新的作用不明显。购房压力(BUBBLE)和银行业集聚与购房压力的交互项(B_BUBBLE)对科技创新的影响系数分别0.36和-1.25，但都不显著，说明购房压力、银行业集聚与购房压力的交互项对科技创新也没有明显的促进或者抑制作用。

证券业集聚(STOCK)、购房压力(BUBBLE)、证券业集聚和购房压力的交互项(S_BUBBLE)对科技创新的影响系数分别为-0.69、-0.64和-0.70，但都没有通过显著性检验，说明粤港澳大湾区证券业集聚、证券业集聚下购房压力、证券业集聚和购房压力的交互项对科技创新没有显著影响。与银行业集聚相似，香港证券市场高度发达，而科创产业和新兴产业发展较慢。此外，粤港澳大湾区城市间证券业发展差距远大于银行业，证券机构只在少数几个城市(香港、深圳和广州)高度集聚，吸引外部资源持续流入该地区，导致大湾区内科技创新资源分配不均，创新扩散效应不明显，不利于粤港澳大湾区科技创新水平的总体提升。

保险业集聚(INSURANCE)对科技创新的影响系数为1.66，在5%的置信水平上显著，说明保险业集聚能有效促进该地区科技创新水平的提升。购房压力(BUBBLE)对科技创新的影响系数为0.40，不显著；保险业集聚与购房压力的交互项(I_BUBBLE)对科技创新的影响系数为-3.49，高度显著。这说明保险业集聚下购房压力对科技创新没有明显的影响，保险业集聚与购房压力的交互项对科技创新具有显著的抑制作用。原因在于粤港澳大湾区保险业发展水平差距没有像银行业、证券业那么明显，大湾区内较为完善的保险制度和保险市场可以为高风险的创新活动提供保障，分散创新活动的风险。近几年，保险科技类公司的成立体现了保险对科技创新的重要性和促进作用。保险业集聚与购房压力的交互项对科技创新水平具有抑制作用主要是因为保险市场也有一定的融资功能，房价过度下跌会对整个实体经济和金融市场产生巨大冲击，导致企业破产数量增多，虽然保险业具有保障和分散风险的功能，但仍无法抵消购房压力上升对科技创新的负面影响。

表7 基于空间滞后模型的三个子行业集聚、购房压力对科技创新影响的估计结果

(续上表)

变量银行业固定效应随机效应证券业固定效应随机效应保险业固定效应随机效应S_BUBBLE-0.7-1.33I_BUBBLE-3.49**-3.38**Ln(RDE)0.220.46***0.210.48***0.22*0.50***Ln(PGDP)0.690.71***0.700.68***0.96**0.68***Ln(GOV)0.33***0.38***0.31***0.38***0.28**0.34***Ln(EDU)0.63***0.170.67***0.150.66***0.21*R20.860.840.860.840.860.84

注：***、**、*分别表示在1%、5%、10%的置信水平上显著。

五 结论及政策建议

本文以粤港澳大湾区11个城市为研究对象，结合这些城市在2006-2016年期间的面板数据，运用面板门限模型和空间计量模型来分析该区域内金融集聚、购房压力对科技创新的非线性影响机制及空间溢出效应，在此基础上比较行业影响的异质性特征。研究结论如下：

1.粤港澳大湾区各城市科技创新存在显著的正向空间关联性，且呈现出先强后弱的走势。这表明大湾区内各城市的科技创新水平差距在不断拉大；粤港澳大湾区各城市金融集聚存在正空间关联性，购房压力存在负空间关联性。

2.粤港澳大湾区金融集聚、购房压力对科技创新存在明显的空间影响及行业差异。从整个金融业来看，大湾区内金融集聚对科技创新具有显著的促进作用，而购房压力对科技创新的作用不明显。从金融子行业来看，只有保险业集聚对科技创新水平的提升有积极作用，而银行业集聚和证券业集聚对科技创新水平的提升均没有明显影响。但无论是对金融业还是金融子行业来说，金融集聚与购房压力的互动均对科技创新产生显著的抑制作用。

3.粤港澳大湾区金融集聚、购房压力对科技创新的影响具有门限效应。金融集聚和购房压力均存在双重门限，进而对科技创新产生非线性影响。具体来说，在低、中度购房压力区域内，金融集聚对科技创新具有显著的负向影响；在高购房压力区域内，金融集聚对科技创新具有显著正向影响；同时，在低、高度金融集聚区域内，购房压力对科技创新没有明显影响；但在中度金融集聚区域内，购房压力对科技创新具有显著的促进作用。总体上看，适度的购房压力和金融集聚度对科技创新具有促进作用，而过高的购房压力、金融集聚及其互动作用均会对科技创新产生明显的抑制效应。

4.地区研发投入水平、经济发展水平、教育水平、政府扶持政策均有利于科技创新水平的提升，但存在结构性差异。从整个金融业来看，地区经济发展水平和研发投入对科技创新的正向影响效应要明显大于教育水平和政府扶持政策的影响效应。

据此，在提升粤港澳大湾区科技创新水平和协同创新方面提出如下建议：

1.构建粤港澳大湾区科技创新协同发展研究中心。通过该中心来协调和优化粤港澳大湾区各城市在推动科技创新发展方面的定位、分工及合作；一方面在厘清各城市优势产业和科技创新能力差距的基础上，本着优势互补、相互促进的原则来指导和协同大湾区内各城市制定合理的科技创新发展规划、目标定位、产业链分工及合作模式等；另一方面，也可以避免大湾区内出现科技创新细分领域中的重复投资和资源浪费，进而优化资源配置效率，突出各城市产业特色及优势，促进大湾区科技创新的协同发展，为实现国际科技创新中心的最终目标奠定坚实基础。

2.充分发挥金融集聚、购房压力对科技创新的积极影响。当前粤港澳大湾区内金融资源分布严重失衡，各城市购房压力差异较大，金融集聚和购房压力的不平衡在很大程度上加大各城市科技创新水平的差距，也对区域科技创新协同发展产生较大阻力。对此，在厘清金融集聚和购房压力对科技创新的非线性影响机制的基础上，一方面通过构建大湾区购房压力联防联控机制来抑制区域内房价过快上涨带来过高的购房压力及其空间传染效应，另一方面，也要制定政策来引导金融资源在大湾区内的均衡分布，降低目前过度金融集聚的格局，加强区域间金融深层次合作。充分发挥适度金融集聚和适度购房压力对科技创新水平提升的积极影响。

3.注重研发投入水平、经济发展水平、政策扶持政策和教育水平对科技创新的提升作用。研发资金和研发人员投入是创新的基础和动力，要推动科技创新水平的提升，关键是要加大创新资金和人员投入。大湾区内各级政府应意识到经济发展是科技创新的土壤，只有提升本地区的经济发展水平，科技创新水平才能得到质的提高；要重视政府扶持政策对提升科技创新水平的效果，加大科学技术支出在当地财政支出的比重，实施系列税收优惠政策，吸引更多的创新人才和创新企业。此外是要注重教育水平对科技创新的影响，一个地区的教育水平越高，越能为创新提供更多的高素质人才，高等院校、科研机构等创新主体对创新的贡献越大。