科技-金融耦合协同提升了企业融资效率吗？——基于中国755家科技型上市公司的证据

顾海峰，卞雨晨

(东华大学 旭日工商管理学院，上海 200051)

一、引 言

当前中国经济增长面临着内部人口红利消失与外部世界经济不确定性加剧的双重压力，在这一时期，企业的转型升级是实现新旧动能转换的关键。近年来，“再工业化”“中国制造2025”“工业革命4.0”相继被提出，提升企业科技创新能力成为实现经济高质量发展的关键。但是，中国中小企业普遍面临着融资难问题，因此，社会发展对科技创新的迫切需要和企业科技创新资金不足成为阻碍社会经济发展的重要矛盾之一。企业的发展离不开金融的支持，对此，中国相继出台了《银行开展小企业贷款业务指导意见》《关于商业银行改善和加强对高新技术企业金融服务的指导意见》以及《关于进一步加大对科技型中小企业信贷支持的指导意见》。但是，传统金融是否真正解决了企业科技创新的融资困境？很显然，高科技产业对金融的支持提出了更高的要求。如今，科创板的试点注册已经全面展开，借力科技创新促进科技体制改革，提升资本市场对科技创新型企业的包容性聚焦到了金融的作用。因此，在科技发展的迫切需要、金融体系的日益完善以及产业协同发展的需求下，科技金融应运而生。

当前学术界对“投资效率”进行了较多研究，而“融资效率”在企业运营和社会经济发展中同样起到重要作用，因此，如何解决中小企业融资难问题及如何提升金融资本的回报率逐渐成为学术界的热点话题，同时，用“融资效率”测度企业融资状况也成为衡量社会融资环境和企业融资水平的重要方法。不仅如此，对科技金融对企业融资效率的影响进行研究也为检验中国科技金融发展水平以及科技金融是否真实有效服务于经济高质量发展提供了有力证据。此外，中国区域间科技与金融发展差距较大，但传统研究中单方面使用科技或金融发展水平无法真正代表科技金融发展水平，而仅用互联网金融发展水平测度科技金融发展水平也过于片面。正是在这样的背景下，本文针对科技-金融耦合协同对企业融资效率的影响问题进行探讨，对于高效实现中国科技与金融产业的协同发展战略目标，具有重要的理论与现实意义。

二、文献回顾

(一)科技与金融耦合协同

1.科技金融发展现状

经过20多年的发展，金融与科技已经成为影响生产力发展的重要因素，随着互联网时代进程的加快，以大数据、大集成电路、云计算、5G通讯等一大批新兴技术应用于金融领域，使科技产业和金融产业形成了以科技金融和金融科技耦合协同发展为依托的科技创新和金融创新，助推了新时代经济高质量发展态势，但是中国科技金融的资源配置仍未达到最优状态[1-4]。

2.科技金融的概念

关于科技金融的概念，国外最经典的论述是Carlota研究认为科技金融是科技创新和金融创新协同式产物，资本家为追求高利润回报，将资本投入到技术创新领域，从而科技与金融产生高度耦合协同[5]。国内科技金融的概念最早出现在《中华人民共和国科学技术进步法》，经过20多年的发展，科技金融已经成为一个成熟的概念，房汉廷将科技金融定义为科技创新活动与金融创新活动的深度融合，是由科技创新活动引发的一系列金融创新行为[6]。赵昌文等则用“一体化”概念阐述了科技金融[7]。简单说，科技金融就是服务于科技创新的金融工具，是科技产业和金融产业的协同产物。

3.科技与金融耦合协同发展

关于科技与金融耦合协同发展的研究。郑磊等以区域经济发展为门槛变量构建门槛回归模型，发现各地区科技金融对科技创新存在显著的门槛效应，且呈一种U型关系[8]。王仁祥等从空间角度分析了各省科技与金融耦合效率的差异，并验证了政府主体和制度环境对两者耦合效率的影响[9]。潘娟等运用数据包络分析方法研究了政府、企业和金融机构科技金融投入的创新绩效，发现中国区域间科技金融投入创新绩效差异很大[10]。张江朋等利用空间面板分析了多种因素对科技金融与区域创新系统协同发展的影响，结果表明科技财政支出、资本市场回报以及科技创新支持对科技金融与区域创新系统协同发展有促进作用[11]。芦锋等研究发现，在技术成果转化阶段，科技金融与科技创新没有显著关系，而在高新技术产业化阶段，科技金融与科技创新有显著关系[12]。叶莉等研究发现，科技创新源于金融资本支持，金融可以分散创新风险[13]。国外学者Christophe研究发现，科技与金融间存在交互促进的关系，科技产业的创新活动可以引发金融市场的创新[14]。Barbara等均证明了金融对科技创新具有促进作用[15-16]。崔学海等研究发现，中国地区间金融支持技术转移效率存在差异[17]。

(二)企业融资效率

目前国内学者主要使用DEA包络分析来测度企业融资效率[18-20]。关于企业融资效率的实证研究，方先明等研究发现，由于企业融资的盲目性以及市场机制不完善等原因，企业借助新三板上市并没有提升融资效率[21]。周磊等则对中国68家上市物流企业进行研究发现，健全的内部控制机制和严格的资产负债管理有助于提升企业融资效率[22]。申宇等研究发现企业“吃喝费”会降低融资效率[23]。国外学者主要从理论上研究了企业融资效率的影响因素，部分学者认为企业融资效率与企业股权融资和经营绩效有关[24-26]。Kummbhakar等则基于双边随机边界模型，验证了融资约束和政府补贴对战略新兴产业企业融资效率的影响[27]。

(三)科技金融与企业融资效率

当前直接探讨科技金融对企业融资效率影响的文献较少，张玉喜等运用跨层次模型研究了559家科技创新性企业的数据发现，政府支持会降低科技创新型企业融资效率，但金融发展和社会资本增加有利于提高科技创新型企业融资效率[28]。Rajan等研究认为，区域金融化的提高可以使企业获得更多融资渠道，进而提高企业融资效率[29]。Inessa发现，区域金融水平的提高可以改善资本市场的信息不对称问题，进而提高企业的融资效率[30]。还有一些文献分别从企业成长生命周期、自主创新能力、融资规模等方面探讨了科技金融对企业融资的影响[31-33]。

综上，现有文献大多单方面讨论的科技或金融的发展对企业融资的作用，少部分文献研究了科技与金融的协同发展关系对社会经济的影响，但鲜有文献聚焦到企业融资层面。对此，本文的主要贡献在于：分析了科技与金融耦合协同机理以及科技与金融耦合协同对企业融资效率的影响机理，在此基础上，构建科技-金融耦合协同的测度方法。根据《上市公司行业分类指引》(2012年修订)与高技术产业(制造业)分类(2017)选取2007—2017年中国755家科技型上市公司的年度数据，采用非平衡面板回归模型对科技-金融耦合协同对企业融资效率的影响进行了实证分析，并以此为依据，给出了政策建议。研究成果将为中国政府科学制定科技与金融产业协同发展战略及政策，以此来实现中国高新技术产业的快速发展目标，提供重要的理论指导与决策参考。

三、理论分析与研究假设

(一)科技与金融的耦合协同机理

科技与金融的结构耦合体现为两者的二元耦合，包括金融-科技结构和科技-金融结构两种。前者是金融对科技的促进作用，后者是科技对金融的反馈提升。同时科技与金融的耦合还表现为金融创新-经济-科技创新、金融创新-环境-科技创新以及金融创新-社会-科技创新等更复杂过程的多元结构，体现了在科技-金融耦合过程中经济发展和社会环境的调节作用，这些复杂作用都可以在科技-金融耦合过程中找到联系。金融创新的功能性主要是实现金融机构与融资单位的投融资过程、金融避险和消除单位间的信息不对称。科技创新的功能性主要体现在部门间技术进步的互动，实现社会科技整体的进步和收益反馈。金融创新和科技创新功能耦合就体现在这些创新因素间的相互配合。在这个过程中，科技创新首先在个别技术集群中产生，于是，科技引导的战略新兴产业出现，战略新兴企业的技术投资回报率处于递增阶段时，社会总是不以人意志为转移的朝着阻力最小的方向发展，在成熟的市场机制下，技术资本和金融资本合作被认为是高资本收益率的途径，于是，金融资本会被吸引进入，进而财富呈现爆发式增长，同时，技术创新的财富增长率大于金融泡沫化速率，也一定程度上吸收了风险因素。因此，科技和金融功能耦合的机制就在于科技为金融提供高价值回报，金融为科技创新提供资本充足率保障和分散创新风险功能。同时，任何系统都不可能孤立发展，科技与金融的耦合还表现为两者的时空耦合发展。其中，科技与金融耦合的时间角度表现为在不同时期，科学技术、经济环境以及金融制度的相互配合，而两者的空间耦合体现在区域内科技与金融的配合，例如一个省份或经济区的资金配给和科技发展的配合程度，又或者一个国家的经济体量和其科学技术发展能力的匹配性，因此，在科技与金融的耦合过程中伴随着时间与空间上的转移配合，即存在速度、空间、时间的三位协调性。而且，科技与金融的耦合符合“集聚-扩散”的一般规律，即内部集聚和外部扩散的一般过程，决定着科技与金融耦合的空间、时间发展方向。伴随着科技、人力、资本和金融制度的发展，耦合效应一旦产生，将会发挥示范作用，形成“集聚-扩散-再集聚-再扩散”的一般过程。此外，科技与金融的耦合也是一种竞争耦合，表现为政府、金融机构、企业间的竞争合作，但合作关系多于竞争关系，当合作收益大于成本时候就合作，否则就竞争，当合作前景不明朗时就转移追求别的合作，在这个寻求合作的过程中社会整体的资源配置效率就会提升，部门间实现由“零和博弈”向“正和博弈”的转变。最后，科技与金融具有协同性，即具有整合资源共同完成一项目标的特性，根源在于两者利益的一致性。但由于耦合元之间的差异，需要在各个耦合元发展过程中求同存异，人为干预使耦合元发展相互配合，但若一方发展超过另一方的承载力可能会导致整体机构耦合性的倒退。综上所述，科技与金融间存在耦合协同发展的特征。基于上述分析，提出以下假设：

假设1：科技与金融耦合协同发展存在“集聚-扩散”的演进态势。

(二)科技与金融耦合协同对企业融资效率的作用机理

从经济学的一般定义上讲，企业融资效率可以理解为在有限的社会资源供给下，竞争企业获取资源过程与资源分配过程是否相匹配。从宏观角度讲，企业融资过程既是融资主体吸收社会资源的过程，也是融资主体向社会提供金融投资工具的过程。充分诠释企业融资效率，首先要考虑融资主体的融资途径和融资成本，即资产的交易效率，其次要考虑融资收益，资金是否可以得到高效利用，即资产配置是否高效。前者是融资者以最低成本获得金融资源的能力，后者是融资者将稀缺资源进行最优化生产的能力。两者结合看，拥有低的融资成本，若不能得到高的融资产出，融资效率未必高，相反高融资成本下，若能获得高效产出，融资效率也未必低。从融资成本和风险角度考虑，由于信贷配给制，很多企业，尤其是中小企业难以从信贷市场获得充足贷款，同时也更难以从资本市场得到足够的资金支持，从而无法实现融资多元化的目标。从融资收益角度考虑，大量企业处于价值链低端，生产产品附加值低，只能获取少量利润，难以对冲融资风险。综上所述，产出和投入的两端低效是企业融资效率低的直接原因。

科技与金融耦合协同对企业融资效率的作用过程主要从金融工作和科技工作两个渠道进行分析。其中，金融工作是科技金融解决企业融资成本及分散创新风险的核心。在传统信贷市场，由于信息不对称，银行可提供的贷款与市场出清下的信用贷款不一致，这部分差额被大型企业低效利用，由于担心企业道德风险，多数中小型科技企业只能以高于市场利率成本获得贷款。但科技企业具有高价值回报的特点，通过科技-金融耦合协同机制将科技型企业从一般企业中分离出，设立定向贷款为科技型企业提供贷款是解决科技型企业融资成本的重要途径，同时较低的融资成本也一定程度上降低了创新风险。科技-金融耦合协同机制的作用主体可以分为三类：一是对初具形态的科技资产进行孵化，具体政策有产业孵化器、创业投资、天使投资等。二是对已经形成的科技财富进行规模培养，具体政策有产权质押、担保融资、科技保险等。三是对成熟科技财富进行放大化融资，具体政策有科技信贷、IPO融资等。科技工作的主要作用是提高企业融资收益，不同于传统产业投资，科技产业具有高价值回报率，而传统融资模式下，资本难以主动进入科技产业。通过科技-金融耦合协同机制引导资本进入科技产业，使投资组合具备高价值链生产成分，这是提高企业融资收益和投资者投资回报率的有效方法。综上，在科技-金融耦合协同机制作用下，金融资本降低了融资成本并分散了创新风险，科技创新保证了企业融资收益，即使企业存在创新失败，宏观上也会被高收益对冲，即科技创新整体上实现收益中性。最终，由于融资收益增加、融资成本减少，企业融资效率得以提高。科技-金融耦合协同机制对企业融资效率的作用机理如图1所示。

图1 科技-金融耦合协同对企业融资效率的作用机理图

企业融资效率取决于企业融资成本和融资收益，其中融资成本为融资效率的投入变量，融资收益为融资效率的产出变量。融资效率与前者呈负相关关系，与后者呈正相关关系，即融资收益越大或融资成本越低，融资效率越高。对此，引入融资收益密度函数f(X，Y)，融资成本密度函数g(X，Z)其中：变量X为融资规模，变量Y为融资收益率，Z为融资成本率。考虑到融资周期内企业融资效率主要由融资收益和融资成本所决定，采用F(S)表示企业融资收益，采用G(S)表示企业融资成本。F(S)、G(S)定义如下：

(1)

(2)

其中S1、S2分别为贷款边界曲线与X-Y、X-Z坐标平面围成的面积。式(1)和(2)表示融资收益和融资成本测度。企业融资收益和融资成本仅仅是依赖于可测面积S的一元函数，此外，由密度函数的非负性，可知F(S)和G(S)为可测面积S的递增函数。同时，考虑企业的融资收益率和融资成本率由企业总体收益和成本水平决定，单个企业对整体的融资收益水平和成本水平影响有限，因此，假设融资收益密度函数f(X，Y)和融资成本密度函数g(X，Z)在其定义域内是均匀分布的。

为便于描述，给出图1和图2所示的融资收益和融资成本改进图。CUR0=0为传统融资模式下的融资边界曲线，CUR0=0为科技金融机制下的融资边界曲线，其中：X*为预期融资规模。由于信贷配给机制的存在，信贷资金无法以市场化方式出清，剩余贷款被大型企业其低效率占用，因此，融资收益率随融资规模增大而降低，融资成本率随融资规模增大而上升，即CUR(X，Y)=0呈逐渐下降趋势，CUR(X，Z)=0呈逐渐上升趋势，且存在唯一的非负函数Y=h(X)、Z=l(X)满足下列关系：

(3)

(4)

曲线CUR(X，Y)=0等价Y=h(X)，CUR(X，Z)=0等价于Z=l(X)。因此，传统融资模式下的融资收益和融资成本分别为：

(5)

(6)

在科技金融机制下的融资收益和融资成本分别为：

(7)

(8)

对式(5)～(8)进行对比分析可得：

(9)

(10)

其中ΔS为图2阴影部分面积，对于任意X，h1(X)>h0(X)、l1(X)

图2 融资收益改进图

F1(S)-F0(S)>0

(11)

G1(S)-G0(S)<0(12)

(12)

式(11)和(12)表明，科技-金融耦合协同下，企业融资收益提高了，企业融资成本降低了，对此，科技-金融耦合协同提升了企业融资效率。

依据上述分析，提出如下假设：

假设2：科技-金融耦合协同度对企业融资效率具有正向影响。

假设3：不同地区的科技-金融耦合协同度存在差异，对于不同类型的耦合协同度集聚地区，科技-金融耦合协同度对企业融资效率的影响存在差异。

图3 融资成本改进图

四、实证研究设计

(一)科技-金融耦合协同与企业融资效率的测度指标

1.科技发展的测度指标

基于科技发展的内涵，借鉴相关代表性文献和权威机构经典文献，根据可持续发展、产出又好又快以及贯彻以人为本的原则，从科技产出、科技对经济的影响、三个维度构建科技发展评价指标体系，并通过筛选，确定科技市场成交额X1、专利授权数X2、出口商品总额X3以及国际三大检索系统收录论文数X4四个指标作为科技产出的二级发展指标，名义GDP增长率X5与人均GDP X6两个指标作为科技对经济影响的二级发展指标，R&D经费支出X7、R&D经费支出占GDP比重X8、R&D人员数X9以及在校本科生人数X10四个指标作为科技投入的二级发展指标[34-36]。具体指标体系见表1。

表1 科技发展评价指标体系

由于研究指标较多，数据量较大且量纲不同，本文采用熵权法对指标权重进行测算。熵权法是一种客观的评价方法，指标熵值越小，其对综合评价的影响越大，具体计算过程如下：

第一步：对各指标原始数据进行标准化处理以实现指标同质化：

(13)

其中：xij为i地区j项指标的值。

第二步：计算第j项指标的熵值：

(14)

第三步：计算各项指标权重：

(15)

其中：m为指标个数。

由熵权法计算出地区科技发展水平表明北京一直以来都是科技发展最迅速的地区，长三角地区和广东省一直是科技发展速度前列的地区。湖北由于近年来设立了9个高新区，尤其是武汉东湖高新区成为三个国家特批的国家自主创新示范区，吸引了大量技术企业入驻，近几年科技发展迅速。相比之下，部分省份科技发展缓慢，内蒙古、辽宁、黑龙江等省份则排名有所降低。

2.金融发展的测度指标

麦金农将货币存量M2与国民生产总值GDP的比值作为衡量金融发展水平的指标。但由于统计数据限制，无法直接使用麦氏指标，本文借鉴周立与王子明构建的金融发展指标，定义金融相关比率FIR[37]：

FIR=(Dt+Lt)/GDP

(16)

其中：Dt为金融机构存款余额，Lt为金融机构贷款余额。

3.科技-金融耦合协同的测度方法

将科技-金融视为符合系统Ui={U1，U2}，i∈[1、2]。其中U1为科技发展系统，U2为金融发展系统，并设uij(i=1，2，…，31；j=1，2，…，10)代表发展过程序参量Xij的系统功效贡献，且0

(17)

科技和金融是两个不同却又相互作用影响的子系统，子系统的有序程度可以通过各序参量贡献uij(Xij)集成方法实现，采用线性加权集求和实现集成。具体公式如下：

(18)

耦合是物理概念中关于两个物体运动过程中相互连接和影响的关系，借鉴耦合场模型，构建耦合公式如下：

(19)

其中，C的值域为[0，1]。当C为0时，表明科技产业与金融业发展没有关联；当C值为1时，表明科技产业与金融产业处理发展共振状态。即C值越接近1，科技-金融耦合性越好。

(20)

(21)

对(19)式分别求U1、U2的偏导数，发现当U1=U2=0.5时耦合性C达到最大值，耦合性随子系统发展度增加呈倒U型增长，两个子系统在较低发展阶段也可实现高耦合性值。为精确反映科技-金融发展的整体功效与协同效应，本文建立耦合协同模型。在耦合协同模型中，当科技和金融中某个子系统处于较高发展阶段而另一个处于低发展阶段或两个子系统都处于低发展阶段时，整个系统则处于失调状态，反映为D值较小，只有科技和金融都处于高度发展状态且发展程度相当时，整个系统才会处于高度协调状态。具体公式如下：

T=β1U1+β2U2

(22)

(23)

其中，T为综合协调指数，反映产业之间的协同效应，本研究将科技与金融视为同等地位，故β1=β2=0.5。D表示科技发展与金融耦合协同度。结果显示，2007年中级及以上科技-金融耦合协同度的省份有5个，其中耦合协同度最高的是北京和广东，长三角地区处于中级协调状态。失调的省份有14个，其中海南、青海以及西藏处于严重以及极度失调状态。2017年中级以上耦合协同度的省份上升为6个，其中广东省处于优质协调状态，失调的省份有13个，其中吉林、云南、青海以及西藏失调较严重。此外，结合金融发展数据可以看出，北京、广东以及长三角地区耦合协同度较高，符合当地科技和金融皆发展较快的事实。而陕西、湖北科技发展较快但金融却发展缓慢，耦合协同度较低。

4.企业融资效率的测度指标

企业融资效率主要取决于企业与市场的配合效率，以及企业所获资金能否被有效利用，是否能发挥最大效用。对此，企业融资效率必须包含成本和收益特征。本文运用数据包络分析法(DEA方法)，分析企业融资效率。借鉴王秀贞等人的研究方法，选取企业融资效率评价指如下表[19]。

表2 企业融资效率测度指标

本研究样本容量较大，考虑规模报酬可变的因素，引入VRS模型来测算综合效率值，以此来衡量企业融资效率。DEA分析法要求投入产出指标都为正数，且不同指标数值存在较大差异。为保证准确性，需要对各指标进行无量纲化处理，原始数值的处理方法为：

(24)

(二)数据来源和变量选取

受数据可得性限制，本文选取中国除港澳台以外31个省市科技和金融发展数据，数据来源于《中国统计年鉴》《中国科技统计年鉴》和《中国金融统计年鉴》。微观数据主要依据《上市公司行业分类指引》(2012年修订)与高技术产业(制造业)分类(2017)，筛选出各地区科学技术服务业、信息传输和信息服务业、以及高级制造业共755家科技型上市公司的年度数据，样本企业主要包括：高级制造业包括医药制造、航空航天器、新能源汽车及设备制造、电子及通信设备制造、计算机及办公设备制造、医疗仪器设备及仪器仪表制造、信息化学品制造等6大类，数据来源于CSMAR数据库。考虑到部分样本企业存在数据缺失问题，本文采用非平衡面板模型进行分析。

1.被解释变量

被解释变量为企业融资效率，使用上文构造的指标TE。

2.解释变量

解释变量为科技-金融耦合协同，使用上文构造的科技-金融耦合协同度D。

3.控制变量

借鉴解维敏等人的研究方法，选取经营活动现金流量与总资产之比CF，选取企业总资产SIZE测度企业规模，选取流动负债与总负债之比Q测度企业质量[38]。借鉴申宇等人的研究方法，选取企业杠杆率LEV，该指标反映了企业的偿债能力[23]。此外，本研究认为股权集中度有可能影响企业融资效率，选取第一大股东持股比率TOP1测度股权集中度，为了控制宏观经济发展对实证的影响，选取地区GDP增长率GDPZ测度地区经济发展。

表3 变量定义与说明

(三)实证模型构建

为验证科技-金融耦合协同对企业融资效率的影响本文构建的面板回归模型如下：

TEit=β0+β1Dit+β2SIZEit+β3TOP1it+

β4CFit+β5LEVit+β6Qit+β7GDPZit+εit

(25)

其中i代表上市企业，t代表时期，β0代表常数项，βi为各变量对应系数，εit为随机误差项，若β1大于0则表示科技-金融耦合协同促进了企业融资效率，若β1小于0则表示科技-金融耦合协同抑制了企业融资效率。

五、中国省域科技-金融耦合协同度的时空演进特征分析

中国省域科技-金融耦合协同处于非平衡发展状态。为揭示这一问题，本文对中国省域科技-金融耦合协同度的时空演进特征进行分析。先通过莫兰指数(Moran’sⅠ)进行空间相关性分析。若存在显著的空间相关性，再运用莫兰散点图和LISA分析图，对中国省域科技-金融耦合协同度的空间集聚特征和时间截面特征进行分析。

(一)莫兰指数检验

莫兰指数一般用来检验经济指标的空间集聚现象，当莫兰指数大于0时，表示指标存在空间正相关，其小于0时，表示指标存在空间负相关，且莫兰指数绝对值越大，相关度越高。具体构建方法如下所示：

(26)

表4 莫兰指数检验

从检验结果可以看出2007—2017年科技-金融耦合协同度指标的莫兰指数皆大于0，且通过1%水平的显著性检验，说明中国省域科技-金融耦合协同度呈现空间正相关性，即存在空间集聚效应。此外，2007—2017年莫兰指数一直处于波动状态，与中国近几年科技产业调整和金融创新有关。

(二)莫兰散点图分析

为进一步说明科技-金融耦合协同的集聚性分布并利用GeoDa软件生成各个时期耦合协同度的莫兰散点图，莫兰散点图将科技-金融耦合协同度划分为四种关联模式。第一象限HH模式表示科技-金融耦合协同度高的省份被同样耦合协同度高的省份包围，即呈现高耦合协同度的省域集聚。第三象限LL模式表示耦合协同度低的省份被耦合协同度低的省份包围，即呈现低耦合协同度的省域集聚。第二象限LH模式和第四象限HL模式分别表示科技-金融耦合协同度低的省份被高耦合协同度的省份包围和高耦合协同度的省份被低耦合协同度的省份包围，即呈现耦合协同度在相临省份的区域异质性。本文给出2007、2011、2014、2017四个时间截面的莫兰散点图，分别如图4-7所示。考虑到GeoDa生成的莫兰散点图没有报告每个点对应的具体省份数值，为了更为直观地表示各个省份的散点分布情况，本文以表格形式呈现了各个省份的具体关联模式，具体见表5-8。表中显示，2007年到2017年间中国高耦合协同度集聚地区由9个省份增长到12个省份，其中长三角、京津冀以及华北地区一直处于高耦合协同度集聚状态。湖北耦合协同度较高，起初不属于HH关联模式，但随着周围地区耦合协同度的增加，也进入HH关联模式。安徽、湖南耦合协同度发展迅速，从区域低谷加入到高耦合协同度集聚地区。广东、陕西和四川因周围省份耦合协同度发展缓慢，一直没有摆脱HL关联模式。此外，低耦合协同度集聚地区从13个省份减少到11个省份，西部地区和边缘省份一直处于LL关联模式。此外，2007—2014年耦合协同关联模式没有明显变化，但是，2011年中国设立16个科技金融试点区后，大大加强了金融在科技中的配置作用以及科技对金融的促进发展，多个省份的科技-金融耦合协同度得到提高。

图4 2007年耦合协同度的莫兰散点图

图5 2011年耦合协同度的莫兰散点图

图6 2014年耦合协同度的莫兰散点图

图7 2017年耦合协同度的莫兰散点图

表5 2007年中国省域科技-金融耦合协同度的空间关联模式

表6 2011年中国省域科技-金融耦合协同度的空间关联模式

表7 2014年中国省域科技-金融耦合协同度的空间关联模式

表8 2017年中国省域科技-金融耦合协同度的空间关联模式

(三)中国省域科技-金融耦合协同度集聚的LISA分析

图8-11为使用GeoDa软件生成的中国省域科技-金融耦合协同度集聚的LISA分析图。不同于莫兰散点图，LISA分析图更直观报告了科技-金融耦合协同度的集聚信息。由图8-11可以看出，中国省域科技-金融耦合协同度集聚情况大致可以分为两大区域：一是以江苏上海为中心的高值集聚区，另一是西部等省市的低值集聚区。在2007—2017年间，低值集聚区从西部青海、西藏和新疆三省转移至北部新疆、内蒙和黑龙江三省，具有明显的集聚度转移现象；而随着长三角一体化的发展，安徽省也加入了长三角高值集聚地区，进一步扩大了长三角地区集聚水平。假设1得到验证。

图8 2007年耦合协同度的LISA分析图

图9 2011年耦合协同度的LISA分析图

图10 2014年耦合协同度的LISA分析图

图11 2017年耦合协同度的LISA分析图

六、实证检验与结果分析

(一)变量描述性统计

表9报告了描述性统计结果。统计显示TE大于平均值的企业有535家，低于平均水平的有220家，标准差为0.030 2，样本间融资效率有一定差距。HH型地区企业融资效率的平均值略高于LL型地区。HH型地区科技-金融耦合协同度明显大于LL型地区，呈现出明显的区域不平衡特征。此外，样本各项控制变量差异较大，企业平均规模为64.60亿，最大规模为7 240亿，最小规模为0.85亿；第一大股东平均持股比例为33.8%，最大持股比例为89.20%，最小持股比例为3.89%；企业平均现金流量为0.05，最大现金流量为0.89，最小现金流量为-0.65；企业平均杠杆率为0.36，最大杠杆率为2.86，最小杠杆率为0.01；企业质量指标平均数为0.87，最大值为1，最小值为0.04。

表9 变量描述性统计

(二)全样本回归分析

本文采用非平衡面板回归模型，选取2007—2017年755家科技型上市企业数据进行实证分析，以企业融资效率为被解释变量，科技-金融耦合协同度为解释变量，同时引入企业规模、股权集中度、现金流量、杠杆率、企业质量、区域经济发展为控制变量，对科技-金融耦合协同对企业融资效率的影响进行实证分析回归结果见表10。

表10 全样本回归结果

从表10可以看出，F值在1%显著性水平上显著，说明方程显著水平较强，大多数变量系数显著，且通过Hausman检验，采用固定效应模型。依据回归结果，本文分析如下：

科技-金融耦合协同对企业融资效率的影响。D的系数为正，且通过5%的显著性水平检验，说明科技-金融耦合协同对企业融资效率具有正向影响，即科技-金融耦合协同度的提升有助于提高企业融资效率。这是因为科技-金融耦合协同机制下，企业将以更低成本获得金融资本，同时在有政府参与的金融定向投放过程中，投入到科技创新的资金保证了资本高回报，由此提高了企业融资效率，该结论和张玉喜等人的研究结论基本一致[28]。假设2得到验证。

控制变量对企业融资效率的影响。SIZE的系数为负，且通过1%水平的显著性检验，表明企业规模对企业融资效率产生了抑制作用，说明较大规模企业虽然可以以较低成本获得资金，但融资收益却不高，这可能是因为大公司资产包括更多长期投资和递延资产，使得企业无法获得与投资匹配的当期收益，进而影响融资效率。第一大股东持股比例系数为正，且通过1%水平的显著性检验，说明股权集中度的提高对企业融资效率有促进作用，这可能是因为股权集中度提升了企业决策效率。CF系数为正，且通过1%水平的显著性检验，说明提高企业现金流量有助于提高企业融资效率，这是因为充足的现金流量意味着企业经营状况较好，具有一定资产变现和负债偿还的能力，这确保了企业长久的竞争力。LEV的系数为负，且通过1%水平的显著性检验，说明过度负债经营会降低企业融资效率。Q的系数为正，且通过了1%水平的显著性检验，说明企业质量提高了融资效率，这是因为流动负债的资金成本较低，高流动负债比一定程度上反映了企业业务量，业务量的增加增加有助于提高了企业利润率。GDPZ的系数为正，且通过1%水平的显著性检验，说明区域经济的增长有利于该地区企业融资效率的提高，经济增长意味着社会财富创造力增强，资本流通速度加快降低了企业融资成本，同时，扩大的产出品需求提高了融资收益。

(三)分样本回归分析

为进一步研究不同集聚类型地区科技-金融耦合协同对企业融资效率的影响，根据上文对耦合协同集聚度的划分，本文分别对HH型耦合协同度集聚地区和LL型耦合协同度集聚地区进行分样本回归，其中HH型耦合协同度集聚地区包括：北京、天津、河北、山东、河南、江苏、上海、浙江、福建，LL型耦合协同度集聚地区包括：甘肃、贵州、海南、黑龙江、吉林、内蒙古、宁夏、青海、西藏、新疆、云南。具体回归结果见表11。

表11 分样本回归结果

上述分样本回归结果表明，科技-金融耦合协同对企业融资效率的影响在两种集聚类型地区的影响效果存在区域异质性。HH型耦合协同度集聚地区科技-金融耦合协同度对企业融资效率提升有促进作用，而LL型耦合协同度集聚地区科技-金融耦合协同度对企业融资效率的提升作用则在统计学意义上不显著。首先，从耦合协同度绝对值大小来看，HH型耦合协同集聚地区D的平均值为0.74，高于LL集聚地区D的平均值0.3。该结果表明：第一，HH型地区科技-金融耦合协同度对企业融资效率的作用仍处于边际贡献大于0的阶段，第二，过低的科技-金融耦合协同度与企业融资效率关联性不强。因此，HH型和LL型地区都应该进一步提升科技-金融耦合协同度。其次，从耦合协同度集聚类型分布分析，HH型地区包括了津京冀一体化和长三角一体化两个国家战略区以及两区域中间联通的省份，具有高地理联通特点，科技-金融耦合协同机制具有省际间的正向溢出效应。而LL型地区主要分布在西部以及边缘省份，科技、金融发展都较为落后，耦合协同度较差，此外，这些地区科技创新型企业比例较低且成长年份较短，科技-金融耦合协同机制与企业关联性较差，因此，这些地区科技-金融耦合协同度对企业融资效率的提升作用较小。假设3得到验证。

控制变量对融资效率影响的异质性。从回归结果可以看出HH型耦合协同度集聚地区和LL型耦合协同度集聚地区SIZE系数都为负，但HH型地区系数在统计学意义上不显著，LL型地区的系数则通过了1%显著性水平检验，说明LL型地区公司规模的扩大对融资效率起到了阻碍作用。HH型耦合协同度集聚地区TOP1的系数为正，且通过1%水平显著性检验，而LL型耦合协同度集聚地区TOP1系数显著为负，这说明在HH型地区股权集中有利于融资效率提高，而在LL型地区股权集中度的提高却阻碍了企业融资效率的提高。HH型和LL型耦合协同度集聚地区CF的系数都为正，但LL型地区系数没有通过显著性检验，说明现金流量对企业融资效率的提升仅在HH型地区有效。HH型和LL型耦合协同度集聚地区LEV的系数都显著为负，且HH型地区的系数绝对值更大，这说明负债经营在两个地区都不利于企业融资效率的提高，但在HH型集聚地区这种抑制效应更明显。HH型和LL型耦合协同度集聚地区Q的系数都显著为正，且HH型地区系数更大，这说明提高流动负债的比率在两个地区都有利于企业融资效率的提高，但这种促进作用在HH地区更明显。最后，HH型和LL型耦合协同度集聚地区GDPZ的系数都显著为正，且HH型地区系数更大，说明区域经济发展都有利于地区企业融资效率的提高，但这种作用在HH型地区更明显。

(四)中介作用检验

后续将检验理论部分中分析的两个重要传导渠道，即“科技-金融耦合协同—企业融资回报—企业融资效率”和科技-金融耦合协同—企业融资成本—企业融资效率”这两个传导渠道是否存在。本文分别使用企业利润总额(PROFIT)和成本总额(COST)代表企业融资回报和企业融资成本，采用文献常用的“三步法”对企业融资回报和企业融资成本的中介作用进行检验。构建如下模型：

TEit=β0+β1Dit+β2SIZEit+β3TOP1it+

β4CFit+β5LEVit+β6Qit+β7GDPZit+εit

(27)

Mit=α0+α1Dit+α2SIZEit+α3TOP1it+α4CFit+

α5LEVit+α6Qit+α7GDPZit+εit

(28)

TEit=γ0+γ1Dit+γ2Mit+γ3SIZEit+γ4TOP1it+

γ5CFit+γ6LEVit+γ7Qit+γ8GDPZit+εit

(29)

其中M为中介变量。该模型重点关注的系数是α1和γ1、γ2，若α1显著，则说明科技-金融耦合协同对企业融资回报或企业融资成本产生了影响，在此基础上，若γ2显著，则认为中介效应存在。此外，若γ1的系数同时显著，则认为中介变量M起到部分中介作用，若γ1不显著，则认为中介变量M起到完全中介作用。

表12中(1)-(3)列回归结果报告了企业融资回报中介作用的检验结果，第(2)列回归中D的系数为0.377 4，且在10%显著性水平上显著，说明科技-金融耦合协同提高了企业融资回报，第(3)列回归中PROFIT的系数为0.003 8，且在1%显著性水平上显著，同时D的系数也显著，说明企业融资回报承担了科技-金融耦合协同对企业融资效率影响的部分中介作用，因此，“科技-金融耦合协同——企业融资回报——企业融资效率”这一传导渠道存在，科技-金融耦合协同通过提高企业融资回报，最终提升了企业融资效率。(4)-(6)列回归结果报告了企业融资成本中介作用的检验结果，第(5)列回归中D的系数为-0.648 0，且在5%显著性水平上显著，说明科技-金融耦合协同降低了企业融资成本，第(6)列回归中COST的系数为-0.015 9，且在1%显著性水平上显著，而D的系数不显著，说明企业融资成本承担了科技-金融耦合协同对企业融资效率影响的完全中介作用，因此，“科技-金融耦合协同—企业融资成本—企业融资效率”这一传导渠道存在，科技-金融耦合协同通过降低企业融资成本，最终提升了企业融资效率。

表12 中介作用检验结果

(五)稳健性检验

为进一步检验上述结论的稳健性和可靠性，进行了以下稳健性检验。

1.替换变量

采用ROE、流动资产周转率、营业利润为产出指标，资产负债率、所有者权益为投入指标，重新构建企业融资效率指标TE2，对上述模型进行稳健性检验。表13报告的检验结果与上文结论基本一致，说明本文实证具有较好的稳健性及可靠性。

表13 稳健性检验结果

2.更换模型

采用GMM模型代替固定效应模型进行稳健性检验。表14报告的GMM模型检验结果与本文前面结论基本一致，说明本文结论具有较好的稳健性及可靠性。

表14 GMM模型回归结果

七、结论与建议

通过构建科技-金融耦合协同度测度方法，选取2007—2017年755家中国科技型上市公司年度数据，采用非平衡面板回归模型对科技-金融耦合协同对企业融资效率的影响进行了实证分析。本文主要结论归纳如下：第一，中国省域科技-金融耦合协同度具有显著差异。中国省域科技-金融耦合协同度主要呈现高耦合协同度省域集聚模式(HH模式)与低耦合协同度省域集聚模式(LL模式)为主导的二元分布特征，且存在高耦合协同度省域集聚区逐步扩大及低耦合协同度省域集聚区逐步缩小的演进态势。第二，科技-金融耦合协同对企业融资效率具有正向影响，科技-金融耦合协同度的提高将有助于提升企业融资效率，科技-金融耦合协同的正向外溢效应显现。第三，科技-金融耦合协同对企业融资效率的提升作用在不同类型省域集聚区存在显著差异。高耦合协同度省域集聚区(HH地区)科技-金融耦合协同度对企业融资效率的提升力度大于低耦合协同度集聚区(LL地区)。第四，企业规模对融资效率有负面作用，且这种作用在低耦合集聚度地区更明显；股权集中度在高耦合集聚度地区对融资效率有正向作用，而在其他地区不具有这种作用；现金流量对企业融资效率具有正向作用，且这种作用在高耦合集聚度地区更明显；杠杆率对企业融资效率具有负向作用，且这种作用在高耦合集聚度地区更明显；企业质量对企业融资效率具有正向作用，且这种作用在高耦合集聚度地区更明显；区域经济发展对企业融资效率具有正向作用，且这种作用在高耦合集聚度地区更为明显。第五，企业融资回报在科技-金融耦合协同与企业融资效率关系中承担着部分中介作用，科技-金融耦合协同通过提高企业融资回报来提升企业融资效率。企业融资成本在科技-金融耦合协同与企业融资效率关系中承担着完全中介作用，科技-金融耦合协同通过降低企业融资成本来提升企业融资效率。

针对上述结论，本文给出如下政策建议：首先，针对中国省域间科技-金融耦合协同度的非均衡分布，一方面，中国政府需要在低耦合协同度省域推行金融创新试验区，金融创新试验区的创设将为金融产业释放较大的政策红利，以此来引导金融产业从高耦合协同度省域向低耦合协同度省域的适度转移；另一方面，中国政府需要建立国家科技产业扶持基金，并加大国家科技产业扶持基金对低耦合协同度省域科技项目的配套性投入，以此来吸引更多的科技项目落户于低耦合协同度省域，从而促进低耦合协同度省域科技产业的快速发展，进而有助于实现中国省域间科技-金融耦合协同度的均衡分布目标。其次，针对科技-金融耦合协同对企业融资效率的正向作用，一方面，中国政府需要建立针对科技型企业特征的间接融资体系，通过对科技型企业实施知识产权质押融资等方式来缓解科技型企业融资约束，以此来提升科技型企业的间接融资效率；另一方面，中国政府需要建立及完善以主板、中小企业板、创业板、科创板、新三板等为主导的多层次资本市场体系，通过合理设定针对科技型企业特征的IPO门槛，促使科技型企业能够通过IPO通道成功登陆资本市场而获得更多的股权资本，以此来提升科技型企业的直接融资效率。再次，针对低耦合协同度省域企业融资效率不足问题，一方面，低耦合协同度省域需要建立针对科技型企业的政府助保贷款机制，通过对省域科技型企业提供一定的政策性担保资源，以此来提升省域科技型企业的间接融资效率；另一方面，低耦合协同度省域需要建立及完善地方产权交易所，发挥地方产权交易所对科技项目的产权并购路演服务功能，以此来引导国内上市公司通过科技项目产权并购方式将资本配置于省域科技型企业，从而提升省域科技型企业的直接融资效率。最后，针对企业融资回报与融资成本的中介作用，一方面，中国政府需要建立及完善知识产权定价机制，实现对企业科技项目研发所取得的知识产权的科学定价功能，同时，通过建立知识产权转让平台，实现科技型企业研发成果转让的高溢价目标，从而保障科技型企业融资回报，进而提升科技型企业融资效率；另一方面，中国政府需要建立及完善针对科技型企业融资的政策支持体系，通过实施科技型企业融资的政策性担保机制、政策性贷款机制、财政贴息机制、集合发债机制等机制措施，以此来降低科技型企业融资成本，从而提升科技型企业融资效率。