金融发展对湖北省城市技术创新影响的非线性关系研究——基于动态面板门槛模型的经验证据

李新光，李佩倩，陈燕和

(湖北师范大学 经济管理与法院，湖北 黄石 435002)

1 问题提出

随着全球科技创新不断发展和产业结构优化升级，导致高新技术和产业之间不断融合，这必将带来新的产业升级和经济发展。当前美国之所以在很多领域位居世界前列，无不得益于其在科技创新和产业变革发展过程中十分重视利用科技创新来带动经济飞速增长。一个国家在不同经济发展阶段的驱动力是有差异的，随着我国“人口红利”的逐步消失，资源环境约束日渐增强，经济发展的驱动要素必然要从传统的“要素驱动”“投资驱动”向“创新驱动”转变。为此，党的十八大明确提出科技创新是提高社会生产力和综合国力的战略支撑，必须把它摆在国家发展全局的核心位置，强调要坚持走中国特色自主创新道路，实施创新驱动发展战略。2020年10月，党的十九届五中全会进一步强调科技创新体制机制的理念。为此，在习近平总书记关于科技创新重要论述精神的指导下，湖北省亦强调应大力实施创新驱动发展战略，并指出“创新是引领发展的第一动力、科技是战胜困难的有力武器[1]。然而，区域创新驱动的发展道路离不开金融资源的支持，因而为了提升湖北省区域经济发展质量和效率，尽快实现创新驱动发展战略，应该结合地区金融供给的特征、深化金融供给侧改革，以增强金融服务地区实体经济能力。习近平总书记曾指出，深化金融供给侧结构性改革要以金融体系结构调整优化为重点[2]。据《中国区域创新能力报告2020》数据显示，在我国31个省市自治区创新能力排名中，湖北省创新能力综合值以30.98分位居全国第7位，不仅比2019年排名上升了1位，且在中部地区排名第一。可见，湖北省创新能力在国内相对较高，尤其作为中部地区创新能力最高的地区，对中、西部地区的区域创新发展具有引领和示范作用。因此，以湖北省为研究对象，从金融供给结构优化与调整视角探讨湖北省区域创新能力的提升，具有典型代表和现实意义。

从国内外的相关研究来看，有关金融发展和区域技术创新的研究表现出如下特点：第一，金融发展水平对区域技术创新具有促进作用。国外相关研究相对较早，主要从定性视角分析金融发展对创新的影响机制。如Davis[3]认为金融集聚会给城市带来规模经济；Levine[4]认为金融集聚可以促进技术创新，从而推动经济增长；Cooke等[5]认为金融体系具有机会共享、风险分担、资源配置的作用，从而为区域创新主体提供资本积累，进而推动技术进步；Bencivenga等[6]、Acemoglu D等[7]认为完善的金融体系能够降低资本流动性风险、提高资本配置效率、分散风险，从而有利于区域创新。而国内学者的研究更多从定量研究角度进行论证，如刘海飞等[8]采用静态面板模型进行实证，发现金融集聚对企业创新具有正相关作用。第二，金融发展对区域技术创新的影响为负。如李胜旗[9]采用省级面板数据模型进行实证，发现金融集聚会抑制技术创新；李雪等[10]基于我国省级层面数据，采用静态面板模型进行实证，结果显示整体金融发展水平并未促进区域创新绩效的提高。第三，金融发展水平对区域创新水平的影响是非线性的。Klagge等[11]认为金融中心能在某种程度上促进区域创新能力的提高，但是地方金融规模的差异可能导致这种影响会有不同；王仁祥[12]认为金融集聚程度高的地区会对区域技术创新产生正向的影响，否则不然；牛曼竹[13]基于我国省级数据，采用静态面板门槛模型进行实证，发现金融集聚对技术创新的影响具有门槛效应。此外，还有学者发现金融支持对技术创新的影响会随行业[14]和地区[15]不同而呈现非线性特征。

综上，已有学者围绕区域技术创新和金融发展作了不少研究，但还是存在以下不足：一是已有研究比较多地选择空间面板模型或静态面板模型，导致研究结论不一，原因是二者关系可能是非线性的；二是在少数采用静态面板门槛模型的文献中，结果发现它们确实存在非线性关系。因为创新行为具有较强的延续性[16～17]，若忽略这种特点可能导致模型存在误设，从而导致结果不准确或结论不一。三是大多数的研究样本范围都是选择全国省级层面的面板数据，具体到地方或地级市的研究不多，比如针对湖北省样本，只搜索到早期少量关于湖北金融创新方面的研究[18～19]。每个地方的自然禀赋、经济基础不同都会导致金融发展和区域技术创新之间的关系与全国存在差异，需要专门的深入研究。因此，对比以往研究，本文的差别主要体现在以下三个方面：第一，考虑静态面板门限技术局限和创新具有持续性特点，本文拟采用动态面板门槛模型来检验它们的非线性影响；第二，采用不同的门槛变量，检验金融发展对地区技术创新的非线性影响机制是由哪些因素所导致，进而提出差异化的金融支持对策。第三，采用更微观的地级市数据为样本来探讨二者的关系，可以得到更加吻合地区特色的结论；同时，本文的研究思路亦可为其他地级市的研究提供重要参考。

2 理论基础与研究设计

2.1 理论基础

金融业是一种“高增值”的信息服务业[20]，依据金融发展和金融经济学相关理论，金融发展对区域创新的影响机制主要表现在三方面：第一，集聚金融资源，具备信息成本优势，节约交易成本[13,21]，为企业的技术创新提供所需的资金。金融部门通过银行存款、股票、债券等方式将社会上闲散的资金聚集到一起，再通过贷款的方式将资金重新分配到科技创新项目上，以支持创新技术的顺利开展。第二，分散风险，降低企业自主创新面临的未知风险。金融体系的发展和区域创新之间的功能联系和相互作用，主要缘于金融体系的风险分解[5]。很多技术创新具有很大的不确定性，这种未知的风险对于单个企业或个人来说是无法承担的，但是如果有金融体系中的保险公司、银行、证券市场一起共担风险，无疑会推动区域创新和企业技术进步。一个完善的金融发展体系会有效降低资本流动风险，从而增加投资者对创新项目的投资意愿[6]。第三，金融作为资源的调节器，通过信贷供求、信息传递、风险共担、信息激励等方式推进科技创新发展，科技创新成果的产出也是一种金融投资高回报的表现形式[17]；同时，金融资源聚集的地区也是人才、资金等优势资源聚集的地区，这样更容易聚集创新所需的资源条件。

2.2 变量选取与实证模型构建

2.2.1 指标选取

(1)被解释变量地区技术创新指标通常包括技术投入和技术产出指标，这里参照赵婧等[22]的做法，采用技术产出指标来表示，具体选择专利申请数量来衡量全省技术创新水平，取对数后记作lnpatent，单位为件。

(2)解释变量涉及到金融发展水平，已有研究中度量金融发展水平的指标包括金融相关率、存贷款比、金融机构存贷款之和等。本文主要从银行业和保险业两个方面来分析金融发展对地区技术创新的影响，考虑到与被解释变量的绝对指标形式保持匹配，同时也借鉴部分学者[23]的做法，选取存贷款总额来衡量间接融资市场的支持情况，取对数后记作lncundai，单位为亿元。此外，选择保险费收入来度量直接融资市场的支持情况①，取对数后记作lninsurance，单位为亿元。

(3)为了降低遗漏变量偏误有必要选取控制变量。一个比较重要的控制变量是研发投入，这是影响技术创新的重要变量，考虑到数据的可得性，借鉴部分学者的做法[24]，这里采用科学研究事业支出费来衡量②，取对数后记作lnsci，单位为亿元;其他控制变量主要选择人均gdp来代表地区经济发展水平③，因为一个地方经济越发达，就越能为技术创新提供良好的经济基础，取对数后记作lnagdp，单位为万元；另外,还选择实际利用外资水平来代表地区通过学习国外先进技术来促进本地区技术创新的发展，取对数后记作lnfai，单位为亿元。

2.2.2 数据来源说明

根据数据的可得性和完整性，本文选取样本范围为2005-2019年湖北省12个地级市(即黄石、十堰、鄂州、荆门、孝感、荆州、黄冈、咸宁、随州、武汉、宜昌、襄阳)，数据主要来自历年《湖北省统计年鉴》《湖北金融年鉴》《中国城市统计年鉴》和湖北省统计局网站。所有涉及货币价值的变量均化成以2005=100为基期的不变价。同时，为了避免离群值的影响，对所有变量进行缩尾处理。最后，为了降低变量维度过大可能导致的异方差问题，同时也使回归参数具有弹性意义，对各个变量均取对数，处理后各变量的描述性统计量如表 1：

表1 变量的描述性

从表 1来看，所有变量均不存在明显的异常值，lnptent的变化差异较大，数据整理质量不错。为了进一步观察lnpatent和lncundai变量之间的关系，图 1给出了几种情形下的三维散点图。从图(a)、(c)、(e)可以看出，lnpatent与lncundai表现出正相关关系，而且当cundai、agdp、patent处于高低不同水平时，两者表现出明显高低不同的相关关系。由此可见，lnpatent与lncundai可能随着第三方变量水平差异表现出非线性关系。

(a)lnpatent-lncuandai-cundai(b) lnpatent-lncuandai-agdp(c)lnpatent-lncuandai-patent

图1 lnpatent与主要变量间三维散点图

2.2.3 模型设定

综合前面提及区域技术创新的持续性特点，再结合散点图所揭示的金融发展和区域技术创新可能存在的非线性关系，设定如下计量检验模型：

lnpatentit=β0+β1*lnpatenti,t-1+β2*Xit*I(qit≤λ)

+β3*Xit*I(qit>λ)+β4*Zit+μi+εit

(1)

其中，被解释变量lnpatentit表示地区技术创新水平,lnpatenti,t-1是地区技术创新的滞后期，用于控制技术创新水平本身具有的延续性和惯性。Xit是指金融发展变量，具体包括lncundaiit或lninsuranceit；Zit指系列控制变量，包括lnsciit、lnagdpit、lnfaiit，μi表示地区个体固定效应，εit表示随机扰动项。

3 实证过程与结果分析

3.1 变量的平稳性检验

为了避免伪回归现象，通常需要判断变量的平稳性。基于面板数据，通常采用LLC、ADF-Fisher、PP-Fisher等单位根检验方法来进行，检验结果如表2。

表2 面板单位根检验结果

从表 2结果可以看出，lnpatent和各个解释变量均能至少5%水平上拒绝存在单位根的原假设，说明它们的原序列都是平稳的，可以直接用水平变量进行实证。

3.2 动态面板门槛估计结果

为准确反映湖北省各城市金融发展对技术创新的非线性影响，以及影响这种非线性的因素有哪些，接下来采用动态面板门槛模型，从银行发展、经济发展、地区创新等门限视角展开实证。

3.2.1 银行发展对区域技术创新影响的门槛估计

由于模型中包含有被解释变量lnpatentit的滞后项，导致模型存在内生性问题，不能使用常规的静态面板门槛估计方法[25]。而Kremer等[26]提出的动态面板门槛估计方法，可以解决此种内生性问题，本文将采用此方法，使用Stata 16软件进行估计。实证过程对解释变量均采用GMM式工具变量进行估计，以缓解模型可能存在的内生变量偏差。

表3 门槛模型估计结果(一)

在结果(1)中，以银行发展规模作为门槛变量，当cundaiit小于781.9509时，lncudaiit对地区技术创新的影响系数为0.260，但是在统计上不显著，说明lncudaiit对地区技术创新没有显著的影响；而当cundaiit超过781.9509时，lncudaiit对地区技术创新的影响系数为0.769，且通过1%显著性水平检验，说明当银行发展水平超过门槛值时，lncudaiit对地区技术创新具有显著的正向影响。从各门槛变量的地区分布情况来看(表 4)，2005年有9个地区处于低机制，3个地区处于高机制；到2019年，所有地区处于高机制状态。可见，随着各个地区的银行发展规模整体水平的提高，银行业对地区技术创新的推动作用显著变强。

在结果(2)中，以地区经济发展作为门槛变量，当agdp_pit小于3.75888时，lncudaiit对地区技术创新的影响系数为0.438，但是只能通过10%显著性水平检验；而当agdp_pit大于3.75888，lncudaiit对地区技术创新的影响系数为0.585，且通过5%显著性水平检验，说明随着人均GDP的增长，lncudaiit对地区技术创新具有显著的促进作用。从各门槛变量的区域分布来看(表 4)，2005年有12个地区全处于低机制；到2019年，武汉、黄石、十堰、宜昌、襄阳、鄂州、荆门七个地区处于高机制状态。可见，随着越来越多地区的经济发展水平逐渐超过门槛点成为高机制状态，促使银行业对地区技术创新具有更强的支持效应。

在结果(3)中，以地区创新作为门槛变量，当patentit小于2138时，lncudaiit对地区技术创新的影响系数为0.453，但是只能通过10%显著性水平检验；而当patentit大于2138，lncudaiit对地区技术创新的影响系数为0.733，且通过1%显著性水平检验，说明在高机制状态下lncudaiit对地区技术创新具有显著的促进作用。从各门槛的地区分布来看(表 4)，2005年有12个地区处于低机制状态；到2019年，除随州、鄂州之外，其他十个地区处于高机制状态。可见，地区技术创新水平的逐渐提升，有利于银行业支持地区技术创新的发展。

3.2.2 保险业对区域技术创新影响的门槛估计

表 4列示了动态面板门槛模型的估计结果，结果(4)和(5)的非线性机制检验SupWStar统计量、Wald统计量均通过了至少5%显著性水平检验，被解释变量的滞后项全部通过1%显著性水平检验。结果(6)中的SupWStar统计量未能通过显著性检验，但Wald统计量通过了1%显著性水平检验。

表4 门槛模型估计结果(二)

在结果(4)中，以保险发展作为门槛变量，当insurance小于779时，lninsurance对地区技术创新的影响系数为0.191，且通过5%显著性水平检验；而当insurance超过779时，lninsurance对地区技术创新的影响系数为0.307，且通过1%显著性水平检验，说明不论保险发展水平处于低机制或高机制状态，保险业对地区技术创新均有显著的正向影响；而且随着保险发展水平由低机制向高机制状态转变，lninsurance对地区技术创新表现出更强的正向影响，但是其对地区创新的影响程度远远小于银行业对地区技术创新的影响强度(0.769)。从各门槛的地区分布来看，2005年有七个地区(黄石、鄂州、荆门、孝感、黄冈、咸宁、随州)处于低机制；到2019年，所有地区处于高机制状态。可见，随着各个地区保险发展整体水平的提高，保险业对地区技术创新表现出更大的支持效应。

在结果(5)中，以地区经济发展作为门槛变量，当agdp_p小于4.7147时，lninsurance对地区技术创新的影响系数为0.062，但是未能通过显著性水平检验；而当agdp_p大于4.7147，lninsurance对地区技术创新的影响系数为0.154，且通过5%显著性水平检验，说明随着人均GDP从低机制向高机制状态转变，lninsurance对地区技术创新表现出显著的促进作用，但是影响强度小于高机制状态下银行业对地区创新的影响(0.585)。从各门槛的地区分布来看，2005年有12个地区处于低机制；到2019年，孝感、荆州、黄冈、咸宁、随州、十堰、荆门七个地区处于低机制状态。可见，随着地区经济发展水平超过门槛点，保险业对地区技术创新的支持效应逐渐增强。

在结果(6)中，以地区技术创新作为门槛变量，当patent小于以及高于606时，lninsurance对地区技术创新的影响系数均未能通过10%显著性水平检验，而且SupWStar统计量为19.1386，亦在统计上不显著。说明地区创新水平无论在高机制还是低机制状态下，lninsurance对地区技术创新的影响并未表现出显著的非线性效应，创新水平的高低不会显著影响保险业对地区技术创新的支撑作用。

3.3 非线性因果检验

上述实证支持了金融发展对地区技术创新影响是非线性的结论，但是二者是否存在因果关系还不清楚，需要通过格兰杰因果关系进行检验。由于本文中两者关系是非线性的，那么传统的线性格兰杰因果关系检验方法则不适用；基于此，以下将采用Diks等[28]提出的非线性格兰杰因果检验方法，它是采用非参数Tn检验法，其原假设是“不存在格兰杰因果关系”。其表述如下：

Diks证明发现该统计量收敛于正态分布，从而为检验非线性状态下的格兰杰因果关系带来便利，以下采用该方法对金融发展和地区技术创新进行因果检验，具体结果见表 5：

表5 lnpatent和lncundai、lninsurance非线性格兰杰因果关系检验

从表 5可以看出，在对原假设lnpatent 不是 lncundai格兰杰原因的检验中，在5%的显著性水平上无法拒绝原假设，说明lnpatent不是lncundai的非线性格兰杰原因；而在对原假设lncundai不是lnpatent格兰杰原因的检验中，可以在5%显著性水平上拒绝原假设，说明lncundait是lnpatent的非线性格兰杰原因。同理，在lnpatent 不是lninsurance格兰杰原因的检验中，可以得出lninsurance是lnpatent是非线性格兰杰原因，反之不然。由此可见，湖北省样本数据支持了lninsurance、lncundai是lnpatent的单向非线性格兰杰原因的结论。

3.4 稳健性检验与内生性讨论

3.4.1 稳健性问题

首先，本文分别从银行业和保险业两个方面来测度金融发展对地区技术创新的影响(见表 3和表 4)。然后，分别构建了不同的门槛变量对相应情形进行检验(结果(1)至结果(6))，发现主要变量lncudai和lninsurance的符号及显著性基本是保持一致的。最后，鉴于文献综述提及部分作者均是采用静态面板门槛模型方法，以下也采用该方法对前述结果(1)至(6)进行估计，结果发现lncundai和lninsurance在三种情形下均表现出显著的门槛效应，均与lnpatent表现非线性关系，与表 3、表 4的结果基本一致。可见，动态面板门槛估计结果具有一定的稳健性。

3.4.2 内生性问题

本文在实证过程中主要采用了如下方式来减少内性问题所带来的影响：通过精选控制变量和引入被解释变量的滞后项作为解释变量来减少遗漏变量问题所引起的内生性；通过采用面板数据控制地区或时间效应来解决由于个体效应所导致的内生性问题；通过采用动态面板门槛模型(而非静态面板门槛、动态面板模型、静态面板模型)进行实证以减少由于模型设定偏误所带来的内生性问题；在估计动态面板门槛模型时，把所有参与回归的解释变量和控制变量均认为存在内生性，使其采用GMM式工具变量进行结果估计；估计参数采用稳健标准误，以避免标准误设置不当导致的内生性问题；表 5的非线性格兰杰原因检验结果显示，Lncundai、lninsurance在5%显著性水平上是lnpatent的单向非线性格兰杰原因，从而避免反向因果所导致的内生性问题。

4 结论与政策建议

本文基于湖北省地级市层面数据，采用动态面板门槛模型，对湖北省金融发展与地区技术创新关系进行实证，得到如下结论：(1)地区技术创新具有很强的持续性影响，上一期地区技术创新对当期地区技术创新产生明显的正向推动作用。根据估计结果显示，滞后一期的地区技术创新估计系数的大小平均在0.46左右，地区技术创新是具有较强的惯性。(2)金融发展对地区技术创新具有明显的非线性影响，而且前者是后者的单向非线性格兰杰原因。不论是估计银行业对地区技术创新的影响还是保险业对地区技术创新的影响，非线性门槛机制均至少通过5%显著性水平检验；单向非线性格兰杰原因结果进一步证明了银行业和保险业是影响地区技术创新变化的重要因素。(3)金融发展对地区技术创新的非线性程度受到地区金融发展、经济发展和创新水平等因素的影响。当金融发展、经济发展和创新水平由低机制向高机制转变时，银行发展水平和保险发展对地区技术创新的影响程度明显增强。(4)不同金融产业对地区技术创新的非线性影响程度存在差异。不论地区金融发展、经济发展和创新发展水平处于低机制还是高机制状态，银行业对地区技术创新的支持作用要强于保险业对其的支持效应。(5)地区经济发展水平差异对金融支持地区技术创新水平效应的影响要大于地区金融发展、创新水平发展对金融支持地区技术创新效应的影响。

基于上述结论提出如下对策建议：(1)加快地区技术创新步伐，给地区技术创新驱动战略提供有力的政策支持和鼓励。由于地区技术创新具有较强的发展惯性，因此可以从税收优惠、放宽贷款政策、融资审批等方面给予政策优惠，鼓励地区技术创新战略的实施，更好地发挥其螺旋式增长效果。(2)建立多层次技术创新的金融支持体系，为地区技术创新提供多维度的融资渠道。在经济较发达、金融发展水平较高的地区，加大构建和发展银行、证券、保险多层次资本市场体系，尤其是贯彻股票和债券的注册发行制度，鼓励保险业资金入市支持地区技术创新发展；而在经济、金融发展相对较落后的地区，推行政策性股份制银行试点，优先巩固发展银行支持体系。总之，我们应该一方面继续优化银行业对地区技术创新的支持效率；另一方面更应加大保险等间接融资方式对地区技术创新的支持。(3)根据不同地区金融支持创新情况，实行地区差异化的金融支持地区技术创新策略。我们可以根据门槛机制来设置具有地区差异化的金融支持政策，比如加强经济发展水平低机制状态下地区的银行对技术创新的支持，在孝感、荆州、黄冈、咸宁、随州、十堰、荆门地区重点加强保险业对技术创新的支持；从财政投入、税收优惠和政策上加大随州、鄂州地区的创新技术发展的支持，当其创新水平发展还不高时，重点加强银行业对技术创新的支持。(4)借助“互联网+”、手机移动端等平台，搭乘我国数字经济、数字货币发展的政策东风，提高各城市数字金融水平，实现万众创新。当前我国大力发展数字经济，数字货币即将在全国普及，这必然导致地区产业发展和技术创新形式发生巨大变化。技术创新会通过网上、移动端平台、信息技术把不同行业、企业和个人整合起来，形成新的创新模式，大大提高高风险企业融资效率。

最后，本文提出的研究思路和方法亦可以测度全国样本或其他省市的情况，具有较强的应用推广性。当然受制于篇幅和数据，未来的研究可以在此基础上考虑空间相关性而建立动态空间面板门槛模型、以及检测其他更多不同门槛影响因素，增加样本量等方面进行拓展分析。

注释：

①因未找到分地级市证券市场股票或债券成交额数据，只有分市保险费收入的数据。

②因统计年鉴未直接统计各地级市研发经费(R&D)内部支出数据，故用此代替。

③由于本文采用绝对指标衡量金融发展水平，该控制变量的选取还能考虑已有研究中采用金融相关率(存款加贷款之和除以GDP)中对GDP因素的考虑。

④鉴于篇幅，结果未列出，有需要的可以联系获取。