金融集聚对技术创新的非线性影响：以粤港澳大湾区为例*

刘佳宁 欧阳胜银

引 言

当今世界正值百年未有之大变局，中国处于经济增长动能转换的关键时点，发展与科技创新相适应的金融体系迫在眉睫。资本市场在促进科技创新和实体经济高质量发展方面具有不可替代的重要作用。在此背景下，本文以中国产业集聚和创新发展高地——粤港澳大湾区为例，尝试从资本市场角度出发，研究粤港澳大湾区的金融集聚水平和技术创新能力，并进一步解析金融集聚对技术创新的影响效应，从而为更好地推动国家重大战略实施、加速粤港澳大湾区建设提供参考。

为了探索金融集聚对技术创新的影响，学术界首先从两个方面探讨如何测算金融集聚：其一是计算各地区最具代表性的金融指标在所有地区中的占比，采用的方法包括区位熵、空间基尼系数和行业集中度等，这些统称为单一指标评价法；(1)任英华、徐玲、游万海：《金融集聚影响因素空间计量模型及其应用》，《数量经济技术经济研究》2010年第5期；谭蓉娟、郭宝琳：《金融集聚与产业集聚相互作用的机制与路径：以珠三角制造业为例》，《广东财经大学学报》2021年第5期。其二是通过综合选取反映地区金融发展特征、影响金融发展水平的若干指标，采用主成分、因子分析、层次分析、变异系数等方法进行赋权处理，从而得到一个综合评价结果，这种方法称为综合指标体系评价法。(2)李延军、史笑迎、李海月：《京津冀区域金融集聚对经济增长的空间溢出效应研究》，《经济与管理》，2018年第1期；王如玉、王志高、梁琦、陈建隆：《金融集聚与城市层级》，《经济研究》2019年第11期；衣保中、高锦杰：《金融集聚对我国经济增长的影响》，《税务与经济》2021年第1期。金融集聚能否影响技术创新，早期的研究者们从理论和实证角度给出了肯定答案。(3)Ward Ooms.et al.“Research orientation and agglomeration：Can every region become a Silicon Valley?”.Tech⁃novation，vol.45,no.1,2015,pp.78−92.但有部分学者认为，金融集聚需要通过制造业、金融业和教育行业的集聚水平以及科技基础设施等中介路径才能显著影响技术创新(4)Xie X and Wang H.“How can open innovation ecosystem model push product innovation forward?An fsQCA anal⁃ysis”.Journal of Business Research，vol.108,2020,pp.29−41.。之所以出现这种情况，是因为很多企业会将自己的技术创新作为商业机密保护起来，形成一种封闭式的创新模式，致使金融集聚所激发出来的技术创新成果没有得到有效公布，导致金融集聚对技术创新所形成的影响并不显著，或者只表现为部分显著，这种影响关系存在结构差异性，具体表现为来自区域的差异性(5)张甜迪：《金融集聚与科技创新：促进还是挤出？——基于湖北省17个地市州的面板门限研究》，《科技管理研究》2019年第5期。、金融行业的集聚差异性(6)郭文伟、王文启：《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》，《产经评论》2020年第2期。、经济行业的集聚差异性(7)孙康、张超、刘峻峰：《金融集聚提升了海洋经济技术效率吗？——基于IV−2SLS 和门槛回归的实证研究》，《经济与管理》2017年第5期。。进一步，学者们针对金融集聚如何影响技术创新展开了系列探讨。有学者指出金融集聚主要通过四条渠道对技术创新产生影响，分别是产业集聚效应、服务创新效应、信息扩散效应和人力资本效应。(8)高小龙、杨建昌：《开放经济下金融集聚对技术创新的影响》，《首都经济贸易大学学报》2017年第1期。也有学者认为，金融集聚将通过提升规模效率和剩余混合效率的方式来推动技术创新。(9)郭文伟、王文启：《金融集聚能促进科技创新效率提升吗？——基于粤港澳大湾区空间杜宾模型的实证分析》，《南方金融》2020年第4期。在资源要素不断流动过程中，由于金融资源存在虹吸效应，并通过集聚产生创新的知识空间溢出效应，这使得金融集聚对技术创新产生的影响呈现出一种非线性的倒“U”型特征，主要表现为金融集聚先促进技术创新，之后可能产生抑制作用。(10)陈向阳：《粤港澳大湾区金融集聚对技术创新的影响机制及政策建议》，《经济问题探索》2021年第5期。这意味着从非线性视角探讨两者之间的关系或许能够得到更多有价值的信息(11)徐欣、董洪超：《城市群金融集聚对科技创新的非对称溢出效应研究》，《经济问题探索》2021年第4期。。综合来看，学术界的成果为本研究提供了有价值的参考，但仍然存在改进之处：一方面，金融集聚的测算缺乏统一标准，单一指标评价法和综合指标体系评价法都难以保证结果的客观性和全面性；另一方面，学者们对于金融集聚影响技术创新的非线性关系并没有得到系统研究，已有的少数成果主要采用解释变量二次项的方式，这种方式虽然可以检验非线性关系，但相关讨论仍有待深入。

与既有研究相比，本文的边际贡献主要表现为三点：第一，改进传统区位熵的度量方法，考虑金融业从业人员和金融业增加值在不同权重分配下的金融集聚水平；第二，从制度和市场两个角度探讨金融集聚对技术创新的非线性影响机理；第三，引用空间分位数回归模型和面板门槛模型来分析粤港澳大湾区金融集聚对技术创新的非线性辐射效应，同时划分城市组别进行分组检验，以此为粤港澳大湾区金融高质量发展提供有益启示。

一、影响机理

本文从制度和市场两个角度探索金融集聚对技术创新的非线性影响机理。

（一）制度视角

在很多经济体中，制度性因素对于维持金融体系稳健性、推动金融发展与创新具有很大的贡献。受历史因素影响，我国金融制度建设较晚，但已形成的各项制度在应对历次重大事件和金融风险等方面都发挥着重要的“看得见的手”的作用。由此可见，对于一个“新兴+转轨”经济体来说，我国仍然有必要不断探索和完善平衡金融体系结构的各项法律法规，以及金融体系中各类金融机构部门之间职责分工和联系的制度安排，通过建立起具有明显中国特色的金融制度来推动资源的有机协调和市场的良性竞争，同时统筹防范和化解系统性金融风险(12)李礼、刘佳宁：《改革开放以来金融风险的本质特征及防控启示——兼论中国共产党领导下的防控金融风险探索与实践》，《南方经济》2021年第7期。。

一般而言，一项新制度的出台往往边际效应较大。对于我国将粤港澳大湾区建设成为国际金融枢纽和科创中心这一国家重大战略来说，上至中央政府下至地方政府都采取了诸多方案，新出台的系列规章制度在很大程度上可以有效协调经济与金融资源的统筹和分配，并通过推动金融资源的集聚和利用效率来推动大湾区的科技创新，这使得新制度的边际贡献较大，表现为金融集聚积极提升技术创新水平。与此同时，通过金融资源集聚形成较为完整的金融链条，将为科技创新成果的转化和项目退出机制提供更多便利，不断刺激科技产品推陈出新。然而，随着环境的复杂多变，原有制度会逐步呈现出一系列的弊端与缺陷，一些原有制度监管不到的模糊地带所带来的风险需要有新的制度来有效对冲，从而倒逼制度体系不断更新，如此进入“更新制度→监管缺陷→更新制度”循环，使得新制度发挥作用的有效时间缩短。因此，在社会主体逐步适应政府频繁的推出和完善相关金融制度时，根据边际报酬递减规律，不断更新的各项制度的边际贡献会降低，最终表现为金融集聚对技术创新水平的推动作用逐渐弱化。

综合而言，早期的制度性安排在推动金融集聚影响技术创新方面的作用较大，而后期的制度性安排在推动金融集聚影响技术创新方面的作用相对较小，这就意味着从制度视角来看，金融集聚对技术创新可能存在非线性影响。

（二）市场视角

在开放环境下，技术创新是企业追求生产效率从而提高市场竞争力的长远策略，但资金会成为重要的影响因素，这使得企业会不断寻找新的融资途径希冀满足技术创新的资金需求，由此孕育而生的金融市场成为了重要的场所。金融市场的形成，为资金供应者和需求者提供了良好的信息服务和便捷的交易场所，从而为企业通过筹资开展技术创新指明了新的途径，而作为金融市场重要组成部分的金融机构，在其中扮演着资金供给者角色。但金融机构在为企业技术创新提供融资服务过程中还存在一些阻碍，因为企业在选择金融机构时需要支付一定的搜寻成本，金融机构也需要支付一些成本来筛选企业的各项融资需求，而一些研究表明，搜寻成本、筛选成本与资金供求双方的地理空间存在较大关联，金融机构在地理空间上的集中有助于降低市场交易成本。(13)李健旋、赵林度：《金融集聚、生产率增长与城乡收入差距的实证分析——基于动态空间面板模型》，《中国管理科学》2018年第12期。因此，随着金融市场的逐步完善，金融资源在金融市场的帕累托改进道路上趋于集中，金融人员和金融机构不断朝着某一空间靠拢，而竞争压力导致金融信息逐步公开、透明，使得经济主体对资金供求信息的掌握效率不断提高，稀缺资源得到有效分配，由此可以疏通阻碍资金流通的渠道，同时加速社会资金进入企业的步伐，为技术创新提供极大便利。在这一阶段，金融集聚表现为正向推动技术创新，并且随着金融资源和产出的快速聚集，对技术创新的影响更突出。

但随着金融要素集聚趋势的加剧，金融市场服务范围不断扩大，使得金融资源的地理距离不断延伸，由此加大了资金供求双方的信息不对称，增加了创新企业寻找金融资源的难度，也提高了金融监管和服务的成本。此外，地理空间上过度拥挤的金融机构为抢夺市场会呈现出不良竞争，为满足金融需求不断扩增的金融行业也逐步降低准入门槛，使得持续剧增的部分金融人员由于缺乏经验和水平，甚至因为道德和信用而恶意破坏金融市场。(14)马勇、姜伊晴、付莉：《经济开放、金融集聚与金融支持实体经济效率》，《国际金融研究》2021 年第2期。在为创新企业提供融资便利受阻的背景下，出于逐利性，金融资源有可能因为恶意竞争而快速进入收益性更高的以房地产为代表的其他行业，在带来其他行业高风险的同时，也进一步挤出了创新企业的需求资金，由此最终表现为金融大量集聚不能有效推动技术创新。

整体来看，金融资源的早期集聚能对技术创新产生积极的影响，但金融人员的过度集聚则很有可能会降低这种影响，甚至还有可能会抑制技术创新，这表明不同金融资源的集聚借助市场的作用对技术创新存在非线性影响。

二、理论模型与测算方法

（一）金融集聚的测算方法

当前学者们对于金融集聚的测度分析主要基于两种思路：其一是从不同维度采用系列指标进行综合评价，但由于指标选取存在较大的主观影响，导致不同学者的测度结果存在较大差异；其二是采用区位熵等系数进行统计测算，主要从金融业从业人员（或者进一步细化银行业、证券业和保险业）与总就业人员的比重来考察金融集聚水平(15)李林、丁艺、刘志华：《金融集聚对区域经济增长溢出作用的空间计量分析》，《金融研究》2011年第5期。，这种方式有效提取了金融因素的信息，但由于人员比例的增加难以体现金融产出的效率，因而不足以衡量金融集聚的有效性。本文认为金融集聚不仅仅是金融机构和金融人员的集聚，还应当表现为通过金融机构和金融人员的集聚带来金融行业服务水平的提升，因而有必要考虑金融业增加值的影响。为此，本文对传统区位熵的计算方法进行改进，同时从金融业从业人员和金融业增加值两个角度来合成金融集聚指标，具体思路如下：

其中，EF代表金融集聚系数，数值越大，表明金融集聚越强；eit和qit分别表示第i个城市在第t期末的金融业就业人数和总就业人数，Et和Qt分别表示粤港澳大湾区11个城市在第t期末的金融业就业总人数和就业总人数，fit和git分别表示第i个城市在第t期末的金融业增加值和GDP，Ft和Gt分别表示粤港澳大湾区11个城市在第t期末的金融业增加值和GDP。w1和w2分别代表金融业从业人员占比权重和金融业增加值占比的权重，显然w1+w2= 1。本文考虑三个不同比例的w1和w2，从而设计三个金融集聚度量指标，分别是：

（二）金融集聚影响技术创新的模型设计

本文设计如下面板模型来度量金融集聚对技术创新的影响：

Inovit=α+β*EFit+γ*Contralit+μi+νt+εit（2）

其中，Inov表示技术创新水平，α、β和γ分别为待估计参数，Contral为系列控制变量，μi为个体固定效应，νt为时间效应，εit为随机扰动项，i为地区变量，代表粤港澳大湾区的11个城市，t为年度变量。

在衡量金融集聚与技术创新的非线性影响关系方面，为考虑影响的阶段性差异(16)方丽婷、李坤明：《空间滞后分位数回归模型的贝叶斯估计》，《数量经济技术经济研究》2019年第9期。，本文设计如下面板分位数回归模型度量解释变量处于不同规模（即不同分位点）时对被解释变量的影响：

Inovit|τ=βτ*EFit|τ+γτ*Contralit|τ+μi|τ+νt|τ+εit|τ（3）

式（3）中的τ表示分位数，是相关解释变量在不同阶段下的分割点，主要用于分析金融集聚在不同分位点下对技术创新的影响，其余变量说明同式（2）。

由于金融集聚对技术创新的作用可能存在多重条件约束(17)袁华锡、刘耀彬、封亦代：《金融集聚如何影响绿色发展效率？——基于时空双固定的SPDM与PTR模型的实证分析》，《中国管理科学》2019年第11期。，这将显著改变不同阶段的影响力度。因此，为检验分位数回归结果的稳健性，本文设计金融集聚影响技术创新的门槛模型（由于暂不确定门槛个数，故先设计单一门槛模型），以此进一步探索两者的非线性关系：

Inovit=α+β1EFit*I(qi≤λ)+β2EFit*I(qi＞λ)+γContralit+εit（4）

其中，I()为示性函数，qi为划分样本的门槛变量，λ为待估计的门槛值。

（三）指标说明与数据来源

本文的被解释变量为技术创新，实证分析时选用发明专利授权量Inov。

解释变量为综合考虑了金融业从业人员和金融业增加值的金融集聚水平，分别为采用式（1）度量的

参考一些学者的观点，控制变量主要考虑教育程度、科技扶持、经济发展和劳动力技术水平(18)郭文伟、王文启：《粤港澳大湾区金融集聚对科技创新的空间溢出效应及行业异质性》，《广东财经大学学报》2018年第2期。。其中教育程度采用地区高等学校在校学生数来表示，记为edu；科技扶持采用地方财政一般公共预算支出中用于科学技术支出的资金来表示，记为finan；经济发展采用一个地区的GDP来衡量，记为gdp；劳动力技术水平采用规模以上工业企业R＆D人员来表示，记为rd(19)一些学者习惯用R＆D人员来衡量技术水平，本文将该指标作为控制变量主要考虑两点：第一，R＆D人员的对象为“人”这一个体，不适合作为技术创新，充其量只能看作衡量技术创新的基础指标；第二，该指标表示从事研发工作的技术性人员，区别于一般的劳动人员，因而更适合作为具有技术水平的劳动力指标。。

以上基础数据来源于世界银行、国家知识产权局、广东省市场监督管理局（知识产权局）等网站，以及历年《广东统计年鉴》、各市统计年鉴、各市《国民经济和社会发展统计公报》、各市地方金融工作局、《香港统计年鉴》《澳门统计年鉴》等。对于个别缺失的数据采用前后平均的方式补齐，考虑到指标口径的一致性和数据获取的可操作性，实证分析时的样本范围取自2008—2019年。

三、实证分析

（一）描述性统计

根据式（1），本文计算了粤港澳大湾区2008—2019年三种类型的金融集聚系数，用来反映各地区的金融集聚特征，然后给出相关变量的描述性统计分析结果如表1所示。整体来看，粤港澳大湾区11个城市的技术创新能力存在显著差异，不同类型的专利授权量有较高的标准差，由此蕴含了丰富的区域信息。同时也发现，金融集聚系数的变异程度很明显，表明金融资源的区域性差异也很大，这意味着两者之间可能存在较强的信息关联度。

表1 基本统计量

（二）基准回归分析

首先对被解释变量和各控制变量进行对数处理，希冀缓解可能存在的异方差影响。然后进行全样本的普通面板回归分析，可得以lnInov为被解释变量的金融集聚影响技术创新的基准回归结果（如表2所示）。可以发现，加入控制变量以后，各类型金融集聚的拟合系数都通过了显著性检验，并且R2都得到明显提升，由此说明考虑控制变量以后的结果更符合实际情况，金融集聚在一定程度上显著提升了发明专利授权量的增长速度。从系数大小的对比结果来看，EF3的拟合系数最高，EF2的拟合系数最低，这意味着赋予金融业增加值更多权重的金融集聚系数更能推动发明专利的授权程度，由此也验证了本文对金融集聚系数考虑的合理性，应该更多地关注金融业增加值的影响。

表2 金融集聚影响技术创新的全样本回归

（三）分位数回归分析

为衡量金融集聚对技术创新的非线性影响，本文基于分位数回归思想给出了非线性检验结果，如表3所示。可以发现，相比0.5和0.9分位点，三个金融集聚系数在0.1分位点上的拟合值都最小，EF2没有通过显著性检验，表明金融人员的小幅集聚难以为技术创新提供实质性的资金帮助；EF1、EF3在0.1分位点上通过检验，表明金融业增加值在提升技术创新方面的灵敏度较高。从数值关系来看，随着分位点提高，金融集聚对于技术创新的推动作用不断增强，说明在样本期内，金融资源的不断集聚更能促进地区技术进步。进一步从拟合系数的数值大小关系来看，在对应分位点上，EF3的拟合系数最高，EF2的拟合系数最低，表明以金融业增加值为主要考察变量的金融集聚更能推动技术创新，这与表2的结果相互呼应。

表3 金融集聚影响技术创新的分位数回归

（四）门槛检验

为进一步刻画非线性关系的拐点，本文估计金融集聚影响技术创新的门槛个数（检验结果如表4所示），根据SSR准则发现EF1、EF2和EF3对技术创新都存在两个门槛。

表4 门槛检验结果

在此基础上，分析金融集聚影响技术创新的门槛回归结果（表5），发现不同金融集聚系数的估计结果存在差异。EF1大于0.7924时，其影响系数没有通过检验，意味着金融资源的迅速集聚并没有对技术创新产生良好的推动作用。结合分位数回归结果可知，将金融从业人员和金融业增加值视为同等重要时，金融资源的快速集聚也没有为社会技术创新提供有效支持。

表5 金融集聚影响技术创新的门槛回归

EF2在小于0.8929时，可以正向推动技术创新；在进入［0.8929，1.0878）这一区间时，虽然没有通过检验但其系数为负，表明对技术创新存在消极影响的嫌疑；而跨过门槛值1.0878以后，发现EF2没通过检验，但拟合系数的负值进一步增加，说明金融业从业人员的大规模集聚没有形成可持续推力。这一结论与分位数回归的结果不一致，可能原因在于金融集聚对技术创新的影响既存在正向推动效应，也存在逆向挤出效应。早期进入金融行业的从业人员解决金融市场劳动力短缺的问题，但后期许多盲目涌入金融行业的从业人员并未深入了解金融市场的复杂性，没能正确看待交易风险，金融高端人才的缺失难以有效提高金融业增加值，从而导致金融市场劳动力的生产效率出现下降，边际产值也逐渐萎靡。同时，大量金融从业人员也挤占了科技人员的规模，通过限制高技术行业的劳动要素，使专利产品的技术含量和授权速度受到负面冲击，最终导致以金融业从业人员为主要衡量指标的金融集聚系数对技术创新没有表现出积极的影响关系。EF3在小于0.4956这一门槛时，拟合系数为7.1218，且在0.01的显著性水平下通过检验，而在跨过这一门槛以后，EF3的拟合系数进一步提高到7.6269，并且十分显著，表明主要以金融业增加值为表征的区域金融集聚水平与技术创新存在明显的正相关关系。在跨过第二个门槛值0.6021 以后，EF3的拟合系数急剧下降为0.3928，显著性检验的结果表明金融集聚对技术创新的积极影响在高分位点阶段明显降低。

（五）分组检验

为进一步验证估计结果的准确性，本文接下来进行不同金融集聚系数的分组讨论。首先对粤港澳大湾区11个城市进行分组，其中A组为核心城市，主要包括金融集聚系数较高的珠海、广州、深圳、佛山、香港和澳门，其余城市归为B组。然后采用三种方法重新进行实证分析：第一种方法是采用EF1为解释变量，新产品销售收入作为被解释变量（部分地区的新产品销售收入采用高新技术产品产值来替代，澳门高新技术产品出口额采用的是中高技术产品出口额）；第二种方法是采用EF2为解释变量，并采用同方差条件下的FGLS方法进行重新估计；第三种方法是考虑到可能存在行业相关性的影响，采用EF3为解释变量，同时采用地区信用贷款（用中外资金融机构本外币贷款来表示）、保险业务（采用保险公司的保费收入来表示，其中，中山市的保费收入由人险保费收入和财险保费收入相加得到，香港保费收入由长期保险业务保费收入和一般保险业务保费收入相加得到，澳门保费收入由人寿保费收入和非人寿保费收入相加得到）两个指标为工具变量，重新进行估计。分组检验结果如表6所示。

表6 分组检验

根据表6中分组检验一的结果，EF1系数在金融集聚系数较高的A组中没有通过显著性检验，而在金融集聚较低的B组中通过了检验，表明样本期内金融集聚较低的地区显著拉动了技术创新，而金融集聚较高的地区则缺乏显著拉力。这一结论在分组检验二中得到证实，进一步说明金融集聚对技术创新的非线性关系。分组检验三的结果中，A组的EF3系数也没有通过检验，而B组中的LM统计量显著，Sargan统计量显示工具变量有效，且核心解释变量EF3系数在10%的显著性水平下通过检验。综合来看，分组检验支持了前文的实证结果，金融集聚能以非线性的方式影响技术创新。

四、结论与政策建议

本文通过修正传统的区位熵计算方法，采用金融业从业人员占比和金融业增加值占比的不同权重得到三个金融集聚指标，然后以粤港澳大湾区11个城市2008—2019年的数据为样本进行实证分析，发现：（1）金融集聚影响技术创新的非线性特征显著，金融集聚对于技术创新的刺激作用存在适度区间，低于该区间，金融集聚的外溢效应不明显；高于该区间，金融集聚也难以发挥正外部性；（2）粤港澳大湾区核心城市金融集聚对技术创新的边际贡献存在递减趋势，辐射效应不明显；（3）相比金融业从业人员这一指标，金融业增加值在评估金融集聚方面具有更显著的效果。

根据研究结论，本文提出以下政策建议：一是保持适度金融集聚，促进粤港澳大湾区不同城市金融要素结构合理、相对均衡。深化粤港澳三地在金融市场、机构、人才和法律等领域的多边合作，形成金融集聚效应；打通粤港澳金融企业互设渠道，加强大湾区不同金融集聚地区之间的互联互通与金融合作；破解大湾区金融发展区域不平衡的问题，消除要素在地域间流动的隔阂，提升金融资源配置效率。二是疏通金融集聚对技术创新的溢出路径，大力提升金融集聚的辐射作用。积极推动粤港澳大湾区科创中心建设，积极打造科技金融合作载体，推动科技与金融的有效融合；加强金融部门和企业之间的产品与服务对接，为企业开展技术创新活动提供融资服务；有效防范金融过度集聚对科技创新的逆向挤出风险。三是加快引进和培养高端金融人才，提高金融产出效率。借助粤港澳大湾区在金融发展、科技创新、生态宜居等方面的比较优势，加大高端金融人才引进力度；探索粤港澳三地金融人才的联合培养体系，促进金融高质量发展。