长三角一体化背景下的区域发展不平衡问题----以科技金融产业为例

郑兰祥, 房 真

(安徽大学 经济学院, 安徽 合肥 230601)

长江三角洲地区包括上海、江苏、浙江、安徽,共3省1市,是我国第一大经济区,也是我国综合实力最强的经济中心、亚太地区重要的国际门户、全球重要的先进制造业基地,经济总量约占全国的1/4。2018年11月,长三角区域一体化发展正式上升为国家战略[1]。2019年12月,中共中央、国务院印发《长江三角洲区域一体化发展规划纲要》并发出通知,要求各地区各部门结合实际认真贯彻落实。[2]长三角一体化包括的内容较为广泛,涉及各领域各方面,在经济增长动能转换的过程中,科技金融一体化是长三角一体化必不可少的组成部分。

在国内外与科技金融相关的文献中:王海等利用评价模型分析了我国的科技领域与金融领域相互融合产生的效益增量[3];曹颢等利用聚类分析法建立我国科技金融发展状况的评价系统和指标体系,得出国内存在着金融体制与科技创新型企业融资需求间一系列的结构性矛盾的结论[4];黄宪等利用修正的AK模型,对2005—2014年中国31个省(市、自治区,以下简称“省”)的金融发展进行了分析,明确指出,当金融发展相较于实体经济发展超过一定程度时,会对经济增长产生抑制作用[5];张启智利用系统耦合协调模型,得出民族地区的科技创新序参量与金融发展序参量整体呈现上升趋势的结论[6]。

以上研究主要集中在科技与金融之间的相互影响相互促进,以及科技金融对科技创新发展的影响效应等方面[7],对科技金融发展不平衡问题的探讨鲜有涉及。本研究重点为对长三角区域一体化背景下3省1市科技金融发展不平衡程度的度量,并对其影响因素进行分析,提出能够有效缩小科技金融不平衡程度的对策。

一、 科技金融不平衡的测度方法

本研究对长三角科技金融不平衡的测度通过构建动态不平衡度实现,借助动态不平衡原理在数学上的应用计算长三角3省1市科技金融的不平衡程度[8];根据离散系数的计算公式,得到长三角区域某年科技金融不平衡度的计算公式,见式(1)。

(1)

1. 基于全局Moran’s I对空间效应作用效果的分析

借助Z值得分判断长三角3省1市科技金融发展的空间集聚情况,若得分较大,则长三角区域科技金融发展较分散,省间科技金融发展水平差距较大,不利于长三角一体化的发展。根据构建的科技金融发展指数向量Ai=(A1,A2,…,An),从空间相关性角度研究,探索3省1市科技金融发展的空间不平衡情况。

全局Moran’sI的计算公式见式(2)。

(3)

其中,E(It)=-1/(n-1),

I(t)>0,即正相关,表示3省1市科技金融发展具有相似性,表现为区域同低或同高的集聚现象;I(t)<0,即负相关,表示发展水平比较分散;I(t)在区间[-1,1]内,Z(t)越小,表明3省1市科技金融发展水平越分散,不平衡程度越大。

2. 加入空间效应的科技金融指数构建

本研究在构建科技金融指数的过程中,借鉴曹颢等[4]的研究思路,利用信息熵权法,构建长三角区域科技金融发展水平的衡量标准即科技金融发展指数,以便比较各地区的科技金融发展水平,分析不平衡程度。

(1) 各指标标准化处理。鉴于各二级指标的评价标准不一、量纲不一,需将其标准化处理,标准化过程见式(4)。

(4)

(3) 确定各指标的权重。基于信息熵的计算公式,得到各指标的信息熵:E1,E2,…,Ek。据此,利用公式

计算各指标的权重。

(5) 将t年3省1市的科技金融指数Ait代入式(1),得到t年长三角区域科技金融的不平衡度IDt,对IDt进行纵向比较即得到不平衡程度的变化趋势。

二、 长三角区域科技金融不平衡度的数值比较

1. 变量选择与数据来源

借鉴以往对科技金融研究论文指标的选取方法,本文分别从科技金融投入及产出两方面出发,选用影响科技金融发展水平的二级指标[10]。其中的投入包括人力资源投入及项目资金投入,产出是指创新技术产出及科技产出[11],选取结果见表1。

表1 科技金融指标

表1中,各省财政支出及生产总值来源于《中国统计年鉴2019》,科技金融事业支出及研发经费支出来源于《国泰安数据库2019》,其余数据来源于《中国科技统计年鉴2019》及《新中国六十年统计资料汇编2019》。其中,经费指数、R&D[12]投入强度及资源指数均可以反映科技金融的投入情况,技术成交指数及产出水平反映科技金融的产出水平。

2. 科技金融不平衡程度的测度

由于在区域发展不平衡中,设区市间差异比较显著,省会的首位度都比较高[13],因此本文分别从省级层次、省会层次及典型城市层次3个层面上测度长三角科技金融发展水平的不平衡程度。根据省级层次比较3省1市的整体差异,根据省会层面比较各省省会首位度的差异,根据典型城市比较各省一般科技发展水平。

空间权重矩阵W为4×4的空间矩阵,表示上海、江苏、浙江、安徽4者的毗邻情况。先建立空间权重矩阵W1,1～4行分别表示上海、江苏、浙江、安徽与其他省的邻近情况,随后将W1合理化,得到W2:

利用式(2)和式(3),求得长三角3省1市全局Moran’sI的Z(t)得分,见表2。

表2 2001—2018年3省1市全局Moran’s I的Z(t)得分

表2中:Moran’sI的I(t)显示2001—2018年得分均大于零,表明3省1市科技金融发展呈现正相关;Z(t)得分基本呈逐年递减趋势,表明科技金融的不平衡程度在加剧。

(1) 直辖市和省级层次。为了量化分析长三角区域科技金融的不平衡程度,必须首先构建一套科技金融指数以衡量3省1市科技金融的发展水平。本文对3省1市18年的数据进行平均化处理,以剔除经济危机或者重大经济事件对当年科技金融指标的影响,根据式(4)得到标准化后的数据,见表3。

表3 2001—2018年长三角区域各省标准化后的科技金融指数

求出2001—2018年长三角区域科技金融的不平衡度,见图1。

图1 2001—2018年长三角科技金融不平衡度发展趋势

由图1可见,长三角区域科技金融的发展不平衡度逐年递增[14],从2001年的88 988扩大到2018年的298 453,增加至原来的3.35倍。近年来,随着全球经济发展水平的不断提高,长三角区域经济也处于稳步发展阶段,但不同地区的发展水平总是存在差距的。上海地区的经济发展水平远远高于其他三省,再加上科技金融发展速度不及经济发展快,因此上海的科技金融发展程度与其他三省的差距愈来愈大;同时,安徽省作为长三角经济发展水平最低的省份,其科技金融发展水平落后于其他3省的程度愈加明显:这可能是造成长三角区域科技金融不平衡度加倍增长的直接原因。

(2) 上海浦东新区和省会城市层次。由于浦东新区在上海16个市辖区中发展最为繁荣,生产总值约占上海市生产总值的1/3,因此将浦东新区与其他3省省会并列研究。借助上文构建的各指标权重分别计算得到2011—2017年浦东新区、南京、杭州及合肥的科技金融指数,见表4。

表4 长三角省会城市2011—2017年科技金融指数及不平衡度

结合不平衡程度的测度公式即式(1),计算长三角各省会城市层次科技金融的不平衡度(见表4)的2016年数据。由表4看出,长三角各省会科技金融不平衡现象也在加剧,2017年3省省会不平衡现象较2011年扩大到1.39倍,但相较于省份之间的对比,省会城市的不平衡情况则缓和很多。

(3)上海黄埔区和徐汇区及其他城市层次。在该层次的分析中,针对每一省份分别选取经济发展水平居于中间水平的两个设区市进行讨论,其中:上海选择黄浦区、徐汇区;江苏选择南通市、淮安市;浙江选择湖州市、绍兴市;安徽选择安庆市、铜陵市。求出8市2011—2017年的科技金融指数,并计算典型城市间的不平衡度。

最后,为了比较各省、各省会城市及各典型城市间的差异,将每一层次的不平衡度汇总,见图2。分析可知,各省会城市的科技金融发展不平衡情况对全省不平衡起决定性作用,2014年及2016年,省会城市间的不平衡加剧直接导致省级层面的不平衡加剧。随着时间的推移,典型城市层级科技金融的不平衡状况并没有发生显著变化。

图2 2011—2017年长三角区域各层次科技金融发展不平衡度变化趋势

综合以上对长三角3个层次科技金融发展水平的研究可知:长三角区域科技金融的不平衡现象随时间的推移日趋严重;其中,各省会城市间的不平衡是区域不平衡的主导因素;除省会城市及上海市外,各省其他设区市科技金融发展水平差异并不显著。可见,解决长三角区域科技金融发展不平衡的首要任务在于缩小浦东新区、南京、杭州及合肥间科技金融发展的差距。

三、 科技金融不平衡成因分析

为了减少长三角3省1市间空间距离对发展不平衡程度的影响,使研究结果更具现实意义, 本研究在处理长三角区域间问题时,引入空间计量模型, 借此分析长三角区域科技金融发展不平衡的影响因素。 鉴于科技金融发展与经济发展的关系,本研究在分析选取影响的变量时, 除了上文提到的科技金融指标外, 也将影响经济发展的主要因素考虑在内。收集了2001—2018年的相关数据, 对数据进行了一系列检验, 去除异方差,消除多重共线性的影响, 最终将科技金融不平衡的直接影响因素锁定于历年科技金融发展程度、经济发展状况、受教育程度及城镇化水来。 接下来将探究直接影响因素对科技金融发展不平衡的影响程度。

本研究分别建立传统的对数回归模型、空间滞后模型(SLM)及空间误差模型(SEM)[15]见式(5)～式(7),并进行检验,根据检验结果选取最优模型作为分析影响科技金融发展水平因素的依据。

式中:Ait代表i省t时期的科技金融发展指数, 该指数根据上文的熵权法得到;GDPit表示i省t时期的地区生产总值;eduit即i省第t年人均受教育水平;urbanit表示i省t时期的地区城镇化水平;ρ为空间滞后系数, 反映指标间的空间依赖作用, 即相邻地区对本地区观测值的影响程度及方向;εit,φit,μit为随即扰动项;λ为空间误差系数。

其中:eduit根据对人均受教育年限加权得到,即

preschit、primit、juniorit、highit、collit分别表示i省t时期没有上过学、小学、初中、高中、专科及以上的人数;urbanit表示i省t时期的城镇化水平。本研究借助城镇化率衡量某地某时期的城镇化水平,城镇化率可以通过某一区域所有城镇人口与该区域总人口直接相除得到。

本研究的分析对象是上海、 江苏、 浙江及安徽, 考虑到太早时期某些区域科技金融发展较为落后,不具有参考价值, 因此选取3省1市2001—2018年相关数据。 借助EViews建立科技金融的传统对数回归模型, 借助空间统计分析软件GeoDa建立科技金融的空间滞后模型和空间误差模型。 传统的对数回归模型的回归结果如下:

式中,1、2、3、4分别代表上海、江苏、浙江和安徽。

传统的对数回归模型的结果显示: 科技金融与经济发展显著相关且呈正向相关关系, 并且在1%水平显著相关, 模型的拟合优度也很高, 但t检验不通过, 并且科技金融与城市化水平基本呈现反向相关关系, 安徽省的科技金融与教育水平同样呈反方向变动。 这显然与实际情况不符,缺乏现实意义。 因此, 继续构建空间统计模型。

建立空间滞后模型(SLM)和空间误差模型,比较两模型的Robust LM-Lag和Robust LM-Error,发现SLM的各统计量更加显著,因此本研究采取SLM模型的回归结果。SLM检验结果见表5。

表5 SLM空间滞后模型的检验结果

表5表明:科技金融与经济增长水平呈现正向增长关系,并且在1%水平下显著相关;上一年的科技金融水平直接影响本年度科技金融的发展,两者在10%水平下是显著相关的;教育水平、城镇化率等因素在10%水平下与科技金融发展水平相关;空间权重矩阵W均通过了t检验。根据空间权重W的检验结果判断,上海市的科技金融发展水平受外部效应的影响最小,安徽省的外部效应较为明显,可以看出,长三角一体化发展对安徽省的影响效果比较明显。

空间滞后模型的检验结果显示: 城镇化水平对科技金融的影响弹性最大, 其次是空间距离; 由于科技金融不平衡度的计算依据是各地区的科技金融指数, 因此能够在一定程度上影响科技金融发展水平的相关因素均可直接导致区域科技金融不平衡程度的变动, 即各区域城镇化水平及空间效应的累计变化均会大幅度影响科技金融发展的不平衡程度。 科技金融不平衡度的发展趋势图显示: 2011—2017年不平衡程度在逐年加剧; 长三角区域科技金融的发展水平排序为: 上海>江苏>浙江>安徽。 处于高速发展阶段的上海市及位于低速发展阶段的安徽省对不平衡度的影响程度最大, 两者一高一低的增速直接导致不平衡现象加剧; 缩小位于中位发展速度的江苏省及浙江省科技金融发展水平的差距, 也可以直接降低长三角区域的不平衡度。 表5表明, 科技金融发展基础A、 经济发展水平GDP、 居民受教育程度edu、 城镇化比率urban、 空间效应W均对上海市的科技金融发展呈正向促进作用。 其中, 城镇化比率对上海市科技金融发展水平的弹性最大, 对安徽省科技金融发展的贡献程度相对较小的是科技金融基础及该省居民的受教育程度, 空间弹性效应最大, 这也证明了长三角一体化发展的必要性。

四、 结论与对策

以上研究表明,与预期相符,科技金融发展不平衡是一种常态。上海市科技金融发展水平最高,主要因为上海作为我国核心城市,以及长三角区域的“五大中心”,其地位不言而喻,国家对其科技金融的巨大投入直接促进了上海科技金融的迅猛发展。安徽省科技金融发展水平最低,其原因可能是与其他省份相比,安徽省距上海市最远,可享受到的连带效果最小,而且地区财政资源的投入较小。同时,研究表明:南京、杭州、合肥等省会城市间科技金融发展的严重不平衡是长三角区域科技金融发展不平衡的首要因素;其他地级市间科技金融的发展差异并不显著,虽然不平衡度在加剧,但加剧速度远小于省会间及各省间不平衡度的升速;而经济发展水平、居民受教育程度、城镇化比率及各省科技金融发展基础是导致该区域科技金融发展不平衡的重要因素。

本研究认为可以从以下几个方面着手,缩小长三角区域科技金融发展不平衡程度,满足长三角一体化的要求。

(1) 强化区域联动发展[16]。发挥上海龙头带动作用,有效利用苏浙皖的比较优势,强化分工合作,加强区域联动合作,加快都市圈一体化发展。推动省际毗邻区域协同发展,加强跨区域合作,探索省际毗邻区域协同发展新机制。

(2) 加快落后地区尤其是安徽区域的城镇化建设,全面推进人的城镇化,提高落后区域的城镇化比率。城镇化可以有效促进科技金融的稳步发展,是长三角区域城乡一体化发展实现的基础。政府应该采取有效措施,如促进落后地区剩余劳动力的转移、加强对农村科技创新项目建设的资金投入、完善农村劳动人口的补偿机制,以及劳动薪资规定,等等,以间接提高落后地区的科技金融发展水平,进而缩小长三角区域科技金融的不平衡程度,实现长三角一体化发展。

(3) 认真贯彻落实《长江三角洲区域一体化发展规划纲要》,加强科技金融发展政策的协调。促进科技与金融协调发展相互融合,离不开各方政府的大力支持[17]。作为整个科技金融市场的引路人与调控人,政府针对科技金融发展问题制定的宏观决策极为有效。针对长三角科技金融发展不平衡的现状,长三角区域各级政府应落实长三角科技金融发展规划,加强各省份科技金融发展政策的协调。

(4) 促进长三角科技金融资源的均匀分布,合理安排R&D经费投入,以防发生挤出效应。政府应建立健全科技金融企业和创新型人才的引进制度,以提高其科技金融发展水平;深化户籍制度改革,合理分配教育资金,重点培养科技金融发展落后地区具有科技金融知识储备的专业人才,充分发挥高教育程度对科技金融发展的积极促进作用。最大化利用一体化的正效应,推动落后区域科技金融的健康发展。

(5) 推动城乡公共服务一体化,优化公共服务资源的区域分配机制,改善科技金融发展的政策环境。统筹推进城乡公共服务一体化发展,推动城乡公共服务便利共享,提升农村基本公共服务水平,积极鼓励欠发达地区金融机构的改革与创新,加大对小微科技企业的金融支持力度。同时,政府应高度重视公共服务平台的发展与创新,淘汰低质量、低效率的科技金融平台,妥善处理问题平台。推行城乡社区服务目录制度,促进城乡社区服务标准衔接和区域统筹。