我国科技金融发展对经济增长的影响研究

靳 雨

(安徽大学 经济学院，安徽 合肥 230039)

众所周知，要想实现创新驱动经济增长的发展战略必须以科技的强力支撑为基石，而科学技术持续发力背后离不开源源不断的资金注入。金融作为国民经济发展大棋盘上的重要棋子，同时也亟需运用云计算、区块链等新技术破除自身发展瓶颈使其更加灵活、更具生机。科技和金融如同经济发展的发动机与润滑油，二者互相配合才能行之久远，实现对经济增长“1+1>2”的叠加效应。面对经济发展对科技和金融良好互动的时代要求，科技金融应运而生。近年来，蓬勃发展的科技金融实践不仅活跃了我国的创业投资活动，强化了资本市场的引导功能，实现了普惠金融的深度发展，而且有助于培育高精尖产业，引领新一轮产业变革、推动经济增长进入新阶段。

新经济浪潮下，强势发展的科技型中小企业与弱势融资的鲜明反差使得科技金融成为这些企业寻求融资的主要方式。[1]为了改善金融供给不能满足科技型企业等中小企业资金需求的局面，中央实施了一系列措施促进科技金融的有序发展。2018年中小微企业在中小板、创业板、新三板和区域股交市场等金融市场的股票融资额规模超过6 000亿元；①寄予厚望的中国版纳斯达克——科创板自2019年开板一年多来，第一批成功上市企业达56家。当前，面对复杂的国际国内环境和疫情冲击，要想减轻经济下行所带来的阵痛，充分增强中小企业的发展信心，更加需要把握科技金融这一发展趋势，顺势而为，不断推动科技、金融两大优势良性互动、深度交融，从而更好地应对数字经济时代所带来的挑战。因此，研究科技金融与经济增长之间的影响关系，使之成为新常态经济下一个突出的发展亮点具有迫切的现实意义。

一、文献综述

国外众多学者虽然从不同角度、不同方法论证了科技与金融的相关关系，但一直未明晰科技金融的定义。[2-4]随着客观经济发展的需要，中国学者为了促进科技创新和金融发展融合，开始对科技金融的概念进行明确的界定。当前，学术界最具有代表性的定义来自赵昌文等学者，即科技金融是指利用金融创新所产生的一系列金融配套设施，服务于科技型企业等中小企业，回归金融服务于实体经济的初心。[5]在此之后，与科技金融相关的理论研究也逐渐增加，有的学者专注于科技金融的发展阶段；[6-7]有的学者则分别从科技与金融的相互作用程度、科技金融资金来源以及地区特色出发探究科技金融的发展模式；[8-11]还有一些学者将研究目光转向构建科技金融评价体系方面来，因构建科技金融体系的侧重点及指标测算选取方法不同使得科技金融评价体系方面的研究有所差异。[12-18]

科技与金融结合的初心就是为了促进经济增长，多数学者经过实证研究分析都肯定了科技金融对经济增长的正向影响。[19-20]一些学者对样本的科技金融水平进行细分来探讨区域经济增长的差异，张芷若等采用熵值赋权法与空间计量模型得出我国科技金融水平总体呈上升趋势但整体处于低水平且呈现“东强西弱”的格局，其中科技金融系统中的经费投入是促进经济发展的关键因素。[11]华坚等运用单因素协方差法探讨科技金融视角下的长江经济带经济高质量发展水平，指出科技金融发展水平的不同是长江经济带经济发展水平差异的重要因子。[14]胡海云以我国31个省级行政区2006—2016年的数据作为样本，依照东中西部地区的划分讨论科技金融的发展与经济增长的区域差异。[21]

通过梳理发现：第一，在科技金融发展指数的测算上，较少学者采用熵值法对科技金融的发展水平进行测算，本文将从三个维度构建科技金融发展水平测算体系。第二，目前研究多从地理位置、区域划分等宏观视角上对省市进行分类，分类标准单一，鲜有从其他角度考虑对省市样本进行分类，进而探讨科技金融发展对经济增长的关系。基于此，本文利用我国30个省(市、自治区)2005—2018年的面板数据，运用熵值法测算地区科技金融的发展水平，实证检验科技金融发展对地区经济增长的影响，同时选择企业这一微观行为主体在各地区的数量作为标准进行分类讨论，以期为新常态下的经济增长提出更好、更明确的可行性建议。

二、模型体系

(一)模型设定

本文模型设定如下：

GDPit=β0+αFTit+β1INFit+β2PSEit+β3NPSit+β4FDIit+β5URit+εit

(1)

其中，i为研究对象，t为时间，GDP为经济增长，FT代表科技金融发展，INF为基础设施建设，PSE代表非国有经济水平，NPS为产业结构，FDI代表开放程度，UR为城镇化水平，β0为常数项，α为核心解释变量的相关系数，β1-β5为各控制变量的相关系数，εit为随机误差项。

(二)指标选取与处理

1.被解释变量。经济增长，本文采用省际人均实际GDP这一指标来代表各省的经济增长情况。

2.核心解释变量。科技金融发展水平，本文在华坚等构建科技金融发展体系思路的基础上，[14]同时吸收张芷若、谷国锋关于科技金融产出指标的选取，[16]构建本文科技金融发展水平指标体系(见表1)。

表1 科技金融发展水平指标体系

鉴于指标数据的统一性与完整性，其中各省市的R&D人员全时当量数作为科技活动人员的替代指标；国外主要检索工具收录我国科技论文作为国内中文期刊科技论文数；金融机构人民币各项贷款余额作为金融机构科技贷款的替代指标。

3.控制变量。为了增强模型的说服力，本文引入下述5个控制变量：(1)基础设施建设选取人均城市道路面积作为指标衡量；(2)非国有经济水平采用私营企业和个体就业人员作为指标衡量；(3)产业结构运用新产品销售收入来进行衡量；(4)经济开放程度采用实际利用外商直接投资额衡量；(5)城镇化水平采用城镇人口数衡量。

本文解释变量和控制变量的数据主要来源于国家统计局；科技金融发展水平体系(见表1)中的具体测度指标主要取自2004—2019年的《中国统计年鉴》《中国科技统计年鉴》、中经网省级时序库以及各省市自治区的统计年报；此外，对于面板数据中的少量缺失数据，本文以插值法予以填补。

三、实证分析

(一)基本回归结果

根据公式(1)，本文运用stata15.1软件对我国30个省(市、自治区)2005—2018年科技金融发展水平对经济增长的影响进行回归分析，实证结果如表2所示。

表2 科技金融对经济增长的实证结果

结果表明：在1%的置信水平上，解释变量对被解释变量的影响系数为0.4857，这意味着我国目前的科技金融发展对于我国经济增长具有显著的正向促进作用，当科技金融的发展水平提高1个单位，经济增长会增加0.48个单位(当时GDP的单位)。随着我国对科技金融的关注度不断提高，科技活动参与人数和研发机构数量的逐年增加使得我国科技金融资源不断优化，金融机构对科技型企业倾斜贷款、各地政府相继设立引导基金都增加了我国科技金融经费的后续补给，近年来关于科技金融的学术成果不断涌现，新技术新产品层出不穷显示了我国科技金融产出效率不断提升，这三个子系统的协调发展表明我国科技金融发展的大环境得到改善，科技的第一生产力与金融的价值配置功能更加有效的结合，助推我国经济社会现代化发展进入新阶段。

此外，科技金融发展水平的影响系数值最大，表明相较于其他变量，科技金融的发展能够更好地满足当下我国经济发展变化所提出的新要求，已经成为影响我国经济增长的众多因子中不可忽视的重要因子。

(二)分类讨论

一般来说，企业数量在该地区越多，一定程度上表明该行业在该地区发展状态越好。[22-23]近年来，科技与金融的结合越来越紧密，科技赋能金融，金融孕育科技，金融科技与科技金融相得益彰，不断涌现的金融科技公司利用自身的技术优势整体提升了地区金融服务科技及实体经济的效率。因此，本文将根据各地区金融科技公司分布数量，按照一定的数量标准将样本划分为三个梯队进一步地探究科技金融对经济增长影响的实证分析。三个梯队科技金融的发展水平依次递减，具体划分标准参考《中国金融科技运行报告2019》，将金融科技企业数量超过1 000家的省市列为第一梯队，数量在100～1 000家的省市列为第二梯队，数量不足100家的省份列为第三梯队。②具体的实证结果分析见表3。

结果表明：列(1)—列(3)分别代表我国科技金融发展高水平的一梯队、中等水平的二梯队和低水平的三梯队其科技金融发展与经济增长的相关关系，结果显示三个梯队的影响系数均在1%的置信水平下为正数，这也就是说分梯队后的各梯队科技金融发展水平的提高均会推动经济的增长，这也验证了表2的结论。

表3 科技金融(分梯队)对经济增长的实证结果

进一步就影响系数来看：列(1)的影响系数明显高于列(2)，此结果产生的原因可能是与二梯队中的绝大多数省市相比，一梯队在科技金融发展上具有得天独厚的先天资源优势，北京、上海、浙江和广东作为我国极具影响力的四个省市，无论是科技发展水平还是金融深化程度都使得一梯队的科技与金融两大产业链很早地就联系起来并逐渐形成推动经济增长的一股新生力量；不仅如此，四省市的政府及相关机构也及时把握这一发展趋势，立足自身推出一系列支持政策使其成为我国科技金融发展的排头兵，为省市的经济增长做出了极大的贡献。

值得注意的是，列(3)的影响系数为0.4022，数值最大高于列(1)和列(2)，表明三梯队的科技金融发展与经济增长的紧密程度最高。本文认为一方面是因为科技金融作为一种投入要素，边际产出在初始阶段增量最大，同时一梯队的产业结构比较合理、市场化程度比较高使得经济趋向多元化发展，众多的经济增长点让科技金融这一元素在促进经济增长的过程中扮演的角色不如三梯队那么突出；另一方面由于二梯队的部分省市在科技金融发展过程中存在着相关政策重叠且实际执行有偏差、科技金融产品市场需求小等症结，导致科技资源与金融资源匹配不合理，使得科技金融发展速度虽快但质量不高、后劲不足，一定程度上弱化了科技金融对经济增长的推动作用。

四、结论与建议

本文首先运用熵值法测算出我国30个省(市、自治区)2005—2018年科技金融的发展水平，在此基础上通过模型从总体上验证了科技金融发展对经济增长具有贡献意义，然后根据金融科技企业数量将样本细分为三级梯队进一步实证分析，得出如下结论：第一，不同的科技金融发展水平都能对经济的增长产生一定的促进作用，科技金融有益于我国经济发展。第二，依靠自身发展科技金融的天时地利人和，一梯队在科技金融发展带动经济增长方面优于二梯队的表现。第三，实际经济生活的复杂性使得高水平的科技金融对本梯队经济增长的促进效果不一定是最显著的，即三梯队的科技金融发展水平虽落后于一梯队，但对梯队的经济增长贡献程度却强于一梯队。第四，科技金融发展可以作为我国相对落后省份缩小同其他先进省份差距的新途径，为建立有效的区域发展新机制提供新思路。

基于上述结论，本文提出以下建议：

1.加强科技金融的基础建设，完善科技金融发展的配套设施。(1)“工欲善其事，必先利其器。”商业银行、科技企业孵化器、众创空间、创投公司和科技担保机构作为各省(市、自治区)科技金融行业的发展主体，要充分利用新一代技术革命成果提高组织机构效率，降低金融交易成本；(2)政府、企业和金融部门要根据各自的信息优势共建科技企业信用数据库，加强彼此之间的区域合作，实现全国科技金融公共信息的开放共享，以缓解信息不对称所造成的“科技项目与金融资源相互对接不上”的尴尬局面。

2.政府引导与市场运作相结合，推进科技金融高质量发展。(1)针对科技金融资源薄弱地区或对处于初创期、孵化期的科技企业来说，应当侧重发挥具有非营利性、公共性属性的科技政策性金融的科技支持功能，即政府通过搭建专门的互助服务平台、设立创新产业引导母基金、建立担保与再担保机制等措施强化科技政策性金融的诱导虹吸作用，及时向市场释放产业发展信息，撬动各类社会资本广泛参与到推动地方科技金融发展的过程中；(2)对于科技金融资源雄厚或处于成长期、成熟期的科技企业来说，科技金融的进一步发展应当增添更多的市场色彩，淡化政府资金主导的角色，凸显市场资本优势，金融机构要尽快摸索出一套适合自己的关于项目筛选、风险分担以及业务退出的投贷联动模式，同时科技型中小企业也要减轻对单一融资渠道的依赖，依托自身优势充分利用科创板、债券市场等多种直接融资平台，改善企业的资本结构，让金融体系的资金真正更多地融入进自身的生产过程中，实现科技与金融的高质量协同发展。

注释：

①数据基于《中国科技金融生态年度观察2019》整理所得。

②第一梯队为北京、上海、浙江和广东。第二梯队分别是江苏、山东、四川、福建、湖北、安徽、重庆、天津、湖南、河北、河南、陕西、辽宁、江西。第三梯队分别是广西、云南、贵州、内蒙古、山西、吉林、黑龙江、新疆、海南、甘肃、宁夏、青海。