科技金融发展与企业出口技术复杂度

张晓莉，张露文，孙琪琪

（1.上海对外经贸大学国际经贸学院，上海 201620；2.厦门大学经济学院，福建厦门 361005）

一、引言

近年来，随着经济的飞速发展以及产业结构的优化升级，我国出口贸易不断攀升。2000年，我国货物进出口贸易总额值为3.93 万亿元人民币（折合0.47 万亿美元）；2013年上升为25.83 万亿人民币（4.16 万亿美元），首次迈过4 万亿美元大关，并跃居世界货物贸易第一大国；2021年升至39.21 万亿元人民币（6.05 万亿美元），年内跨过5 万亿、6 万亿美元两大台阶，继续保持全球货物贸易第一大国地位①我国2000、2013、2021年货物进出口贸易数据均来自中国政府网（http://www.gov.cn/gongbao/content/2001/content_60684.htm，http://www.gov.cn/wszb/zhibo600/content_2563540.htm，http://www.gov.cn/xinwen/2022-01/15/content_5668308.htm）。2019年11月，中共中央、国务院印发《关于推进贸易高质量发展的指导意见》（中发〔2019〕35 号），指出要促进贸易在新业态方面得到高效率发展。实现技术进步和科技创新、进而提高出口产品技术含量是实现这一转变的关键环节。企业科技创新成果转化为现实生产率并提高产品技术水平，取决于其市场价值与资金支持的双重保障支持系统，金融体系能够在其中发挥巨大作用。金融市场通过资本效应促使企业科技发展进入新阶段，科技和金融的相互促进为企业加速转型升级提供燃料动力，使创新成果得以转化到实体产业。因此，衡量我国科技金融发展水平以及科技金融对我国出口产品技术复杂度的提升作用具有重要的理论意义与实践价值。

二、文献综述

与本文主题相关的研究主要分为两部分。

一部分是关于科技金融的研究，现有学者多集中于科技金融与企业研发创新关系。翟华云和方芳（2014）研究发现，R&D 投入的增加能够促进企业更快的发展，并且这一效应会随着科技金融发展水平的提高而提高。（杨芸和姜耀2019）研究发现，科技金融投入使得企业创新效果更明显，并且会因企业年龄产生异质性影响。陈建丽（2020）研究发现，科技金融发展能显著促进企业研发投入，且主要通过科技资本市场和风险投资发生作用。

另一部分是金融发展与出口技术复杂度的关系的研究，相关学者分别基于国家和区域等视角进行分析。从国家层面来讲，有的学者认为提高一国专业化生产从而金融发展可以对该国整体技术复杂度产生正向传递作用，金融发展会通过激发企业创新动力促进出口商品技术含量的增加（齐俊妍和王晓燕，2016）。从区域角度来讲，有学者发现区域内的金融支持和技术创新与出口复杂度正相关（李玉山等，2019）。此外，金融在发展到一定程度后可以通过技术创新、FDI 技术溢出对出口复杂度产生促进作用（杜晓英，2015）。

由上述文献可知：首先，现有研究主要集中于科技金融与企业创新之间的关系以及论证科技金融发展对出口技术复杂度的影响机制，缺乏对于科技金融发展与企业出口技术复杂度直接关系的研究；其次，现有研究多集中于国家、区域以及行业层面，较少针对微观企业层面进行实证研究。本文创新点主要包括以下三个方面：一是从理论层面论证科技金融发展影响企业技术复杂度的三个机制，即资本效应、创新能力和生产效应；二是使用制造业上市企业的数据，评估科技金融发展对企业出口技术水平的作用方向与大小；三是通过企业所属产业链位置、企业所处生命周期阶段以及贸易方式等特征进一步验证科技金融发展对制造业企业出口技术水平的异质性影响。

本文余下部分安排如下：第三部分为理论机制与研究假设；第四部分为数据与指标说明；第五部分为模型构建与实证分析；第六部分为拓展性分析；最后为结论与政策建议。

三、理论分析与研究假设

金融支持能够促进技术创新进而促进经济增长已成为经济学家的共识。科技金融作为金融工具，在企业科技创新活动以及产品实现的过程中有着不容忽视的影响力。

（一）资本效应

企业所在地区的金融发展越完善，企业面临的融资约束程度越低。一方面，科技金融通过政府科技财政拨款、银行科技贷款、风险投资与市场融资等方式以及企业自身R&D 投入集中了社会上的优质资金。这种多元化的融资路径和金融产品降低了企业的融资门槛，缓解了融资约束，保证了企业科技创新所需的资金来源；另一方面，科技金融对于解决融资出现的逆向选择问题至关重要。企业为了达到提高自身出口产品技术含量的目的，对研发资金有着较大的需求，融资约束对企业未来新阶段的发展有着消极作用，未来可能出现的融资约束对于企业进入新阶段的投入也有消极影响（Bernard 和Jensen，2004）。企业技术创新难度会随着其产品技术含量的提高而增强，因而会面临更加不确定的研发风险。资金提供者由于此种信息不对称不愿将资金贷款给企业，从而增强加企业外部融资的难度。而科技金融资金链中风险投资的存在恰好能缓解这种逆向选择问题,因此，科技金融发展水平的提升通过为企业提供资金保障促进其产品出口技术复杂度的提升。

（二）创新效应

企业进行研发创新能显著提升企业出口技术含量（毛其淋和方森辉，2018）。研究表明，企业在创新时形成的新技术与新知识存在较强的外部效应（程晨，2017），通过产业内的知识溢出效应促进区域内企业技术进步以及产业创新，进而提高产品出口技术水平。科技金融发展水平较高的地区能够为企业提供较为成熟的技术市场，主要体现在两个方面：一方面，能够为企业创新提供较强的技术溢出效应。企业通过有目的的技术模仿与改造在短时间内获得高水平的科技创新成果，进而促进其出口技术水平的提高。另一方面，企业创新推动实体产业应用平台的建立。技术成果转化是技术创新最为重要的环节，但创新成果的商业性转化较为复杂，受限于市场环境等因素。而较发达的科技金融发展地区能够使企业获得信息以及人才等众多便利。因此，成熟的科技金融发展将会促进企业的创新成果的转化进而提升企业的出口技术复杂度，增加企业出口竞争优势。

（三）生产效应

全要素生产率与出口技术复杂度有着最直接的关系，企业全要素增长率每增加1%，中国出口技术含量将增加约0.02%（鲁晓东，2014）。科技金融发展水平高的地区城市商业银行的生产率普遍较高，且科技金融发展能够通过效率提升促进工业企业全要素生产率的提升。因此，科技金融发展水平较高的地区通过提高企业生产率促进企业出口技术复杂度提升主要表现为以下两点：一是生产率较高的企业更有能力进行出口以及生产技术含量高的产品（Melitz，2003）；二是企业的生产率越高，越倾向于生产技术含量更高的产品，从而使其具有更高的技术竞争力与出口竞争优势（Bernard 和Jensen，2004）。出口企业未来发展存在很多困难，需要增加技术方面的投入以便寻求突破。出口企业较非出口企业在技术研发创新方面有更多投入，会加大科技经费与科技人员投入力度（Denis 和Obsobov，2008）。因此，本文提出下列假设：

假设1：科技金融发展与企业出口技术复杂度之间存在正相关关系，即科技金融发展水平的提高能够促进企业出口技术水平的提升。

假设2：科技金融发展可以通过资本效应、创新效应与生产效应增加企业出口产品技术含量。

科技金融发展对企业出口产品技术复杂度的影响机制如图1 所示。

图1 科技金融发展对企业出口产品技术复杂度作用机制

四、数据说明与指标构建

（一）样本与数据来源

本文研究样本为2000－2020年制造业上市出口企业。

制造业上市公司数据来自国泰安数据库，涵盖沪深两市主板、中小企业板、创业板与科创板，并进行如下处理：（1）根据《上市公司行业分类指引》，筛选出全部制造业企业；（2）剔除ST 和*ST 公司样本；（3）剔除相关财务和公司治理观测数据缺失的样本；（4）去除在样本期只出现一年的上市企业；（5）去除2020年新上市的样本；（6）对主要连续变量进行前后1%的Winsorize 缩尾处理以缓解离群值对结果的潜在影响。

企业层面贸易信息数据来自中国海关总署年度企业层面交易数据，通过将HS8 位的月度出口数据加总生成年度出口数据，并按照UN Comtrade 提供的代码转换表将HS 码统一，最后再按照上市公司名称和年份进行匹配，得到本文所有观测值。

此外，由于本文研究的核心解释变量为企业出口技术复杂度，因而计算所需的国家或地区人均GDP 数据来自世界银行的WDI 数据库；中国对世界各国产品层面贸易数据、各国之间产品层面贸易数据来自UN Comtrade 数据库。

（二）指标测算

1.企业出口技术复杂度测算。

本文核心解释变量为企业出口技术复杂度（ESI）。借鉴Hausmann 等（2005）的方法，计算企业层面的出口技术复杂度。

首先，计算某一产品k的技术复杂度：

其中，下标k、c分别代表HS6 位码产品和国家，x ck为c国出口到其他国家的k产品的额度，Xc为c国的总出口份额，xck/Xc为c国中k产品的出口占总出口的比例，pgdpc为c国的实际人均GDP。

其次，运用如下公式度量企业出口技术复杂度：

其中，xik为i企业出口产品k的额度；Xi为i企业总出口额度；xik/Xi为i企业中k产品出口份额。

为保证研究结果的稳健性，本文借鉴Xu 和Lu（2009）的方法加入对于产品质量的评估。利用如下公式计算产品k的单位价值，以评估其质量水平：

其中，priceck为c国产品k出口的价格；μck为c国k产品出口/世界上k产品出口，用来评估c国k产品的相对出口价格指数，相对出口价格指数越高，则k产品的质量越高。

再次，通过相对出口价来重新计算产品k的技术复杂度：

其中，adj表示经过质量调整，此即为经过产品质量调整之后的c国k产品的技术复杂度（ESI_adj）。本文参考王永进等（2010）的研究，将λ取值为0.2。

最后，度量经过质量调整的企业层面出口技术复杂度（ESI_adj）：

其中，xik为i企业中k产品的出口；Xi为i企业的总出口；xik/Xi为i企业出口k产品的出口份额。后文计算中，均取企业技术出口复杂度对数值。

图2 为样本区间内以均值计算的我国制造业上市公司的出口技术水平发展趋势。总体来看，质量调整前、后出口技术复杂度的走势基本一致，但经质量调整后的上市公司出口技术复杂度总体高于质量调整之前。从时间维度上看，2000－2008年，我国制造业上市企业出口技术复杂度缓慢提高，由于全球金融危机，2009年有明显降低，但之后迅速提升。

图2 2000－2020年我国制造业上市企业出口技术水平均值走势

2.科技金融发展指数

本文的核心解释变量为科技金融发展指数（Tech_fin）。按照“基础资源-经费投入-产出效率”的方法度量,因而借鉴周柯和郭凤茹（2019）计算指标，将科技金融综合指数分解为基础指数、投入指数、产出指数和贡献指数。由于原始数据存在量纲差异，本文借鉴张卫民等（2003）的方法，确定指标权重，再进行线性加权求和，从而得到各省市科技金融综合指数和各子系统的得分，方法如下：

每一个样本（评价对象）ui由n个评价指标组成：

从而得到系统评价初始矩阵：

其中，xij表示样本i的第j个评价指标，进行标准化之后得到标准化矩：

则指标j的信息熵值为：

其中，K=1/lnm，yij=1/m，0≤e≤1。

指标j的信息效用值为1 与信息熵值ej的差值，即：

最后，得到j项指标的权重：

计算出的权重是由各指标信息的价值系数得出，其含义为价值系数越大，对评价越为重要。最后用指标j的权重wj与样本i的指标j标准化后的指标xij相乘得到xij的评价指标fij，并对其加总得到最终评价指数：

其中，Tech_fini为各省市科技金融综合得分。

这是计算其中一年的得分，由于本文研究的样本期为2000－2020年，因而按照上述方法计算每一年的指标，具体指标以及各指标得分如表1 所示。其中，指标得分为31 个省市20年的平均得分。

从表1 可以看出，科技金融的19 个三级指标得分较为均匀，高新技术产业、研发人员与研发创新所占比重较大；在4 个二级指标中，科技金融基础与投入指数较大，产出与贡献指数相对较小①19 个三级指标数据从我国2000－2020年《中国统计年鉴》《中国科技统计年鉴》《中国金融年鉴》《中国高技术产业统计年鉴》、EPS 数据库、《中国创业投资发展报告》以及科技部《中国主要科技指标数据库》获得，并对缺失数据使用插值法补齐，由于港澳台地区的数据难以获得且并不完整，因此在计算中剔除了港澳台地区的样本。。

表1 科技金融发展水平综合评价体系

由各省份科技金融发展变化情况②限于篇幅，各省份2001－2017年科技金融发展指标数据及相关图表从略，作者备索。可以看出，江苏、广东、北京的科技金融发展最为完善，其次为上海、山东、浙江，均位于京津冀、长三角、珠三角三大经济圈，这与已有研究中三大经济圈的科技金融发展的技术效率有效或接近有效状态相符合。

3.行业上游度指数测算

本文借鉴Antràs 等（2012）的方法，根据2007年③选择2007年数据的原因是该年度的投入、产出信息较为详细且位于样本期内，按照《上市公司行业分类指引》与上市公司行业代码匹配。限于篇幅，相关数据从略，作者备索。我国135 个部门的投入-产出表得出行业上游度指数（Ui），用来衡量行业所在产业链的位置，上游度指数越高，企业越偏向于上游行业；越小则越位于下游行业。计算方式如下：

其中，dij为生产1 单位j行业所需的i行业的产出；权重为距离该行业的位置；Yi为i行业的总产出；Fj为i行业产出中所需的j行业的最终投入。

表2 为我国30 个制造业行业上游度指数与相对应的出口技术复杂度均值，可以看出：（1）随着行业上游度指数的增加，出口技术复杂度逐渐趋于下降，说明我国下游行业出口技术含量相对于上游行业较高；（2）下游行业的出口技术水平分布较为分散，即下游行业出口技术复杂度的差异较大。

四是《条例》从生产、生活和生态3个方面作出规定，涉及建设应急备用水源、供水设施改造、取水总量控制、清淤疏浚、地下水禁采、水污染物总量控制削减、城乡污水垃圾处理、禽畜养殖污水污物处置、农药化肥减施、船舶污染物收集、运送剧毒或危险化学品船舶重点区域禁运、蓝藻打捞、植树造林、增殖放流等方面综合的手段和措施。

表2 我国制造业行业上游度指数与出口技术复杂度

4.其余控制变量

（1）外商直接投资流入程度（FDI_GDP）。外商直接投资能够通过技术溢出效应提高东道国出口技术水平，因此，本文以当年汇率比调整得到当年实际利用外资金额，然后除以当年生产总值，用其结果衡量FDI_GDP。

（2）金融业生产总值占比（FIN_GDP）。金融发展能够降低融资约束、提升人力资本与技术创新效率，提高一国出口技术复杂度，因此，本文使用金融业GDP与该地区GDP比值衡量当地金融发展程度。

（3）知识产权保护程度（IPR）。研究表明知识产权保护的增强对中国服务贸易、行业与制造业出口技术复杂度的提高具有显著效果，因此，本文使用省级专利未被侵权的占比（即1 减去省级累计专利纠纷结案数在累计专利授权数中占比）作为省级知识产权执法保护水平代理变量。

（4）交通基础设施（infras）。基础设施越完善的国家和地区越能促进其出口技术复杂度提高，本文借鉴姚树洁和韦开蕾（2008）的方法，将铁路和水路的里程数转化为相应的标准公路里程数，并与公路里程数相加。

（5）企业层面选取一些控制变量，主要有：企业规模对数（lnsize），用企业资产总额表示，企业规模越大，越容易产生规模效应、并使出口产品的技术复杂度上升；企业年龄对数（lnage）；企业资本密集度（intensity）；企业成长性（growth），反映企业进行研发创新的持续性，用营业收入增长率表示。

表3 主要变量定义

（三）主要变量描述性统计

表4 为本文主要变量的描述性统计，可以看出：采用熵值赋权法计算出的科技金融发展指数滞后一期与滞后两期的平均值分别为0.336 与0.335，标准差分别为0.215 和0.215，表明各省市的科技金融发展指数存在较大差异；质量调整前、后的出口技术复杂度标准差分别为1.582 和3.966，差异较大，这为稳健性检验提供了基础。

表4 变量描述性统计

五、实证模型构建与检验

（一）计量模型设计

1.基准模型设计

根据假设1，本文构建如下固定效应模型。考虑到宏观层面变量的时滞性以及可能存在的内生性，选取科技金融发展指数滞后一期作为解释变量。

其中，lnESIit为企业i在t年的出口技术复杂度的对数值；L1.Tech_finj,t-1表示省市j在t-1年的科技金融发展指数；Φj,t为省级层面的控制变量，包括外资流入情况（FDI_GDP）、金融业发展情况（FIN_GDP）、知识产权保护（IPR）以及交通基础设施（lninfras）；Xi,t表示企业层面的控制变量，包括企业规模（lnsize）、企业年龄（lnage）、企业成长性（growth）以及企业资本密集度（intensity）；此外，还加入个体和年份固定效应。

2.机制检验模型设计

企业的创新成果对企业的全要素复杂度起到显著促进作用（张晓莉，2021）。因此，本文基于假设2，本文分别选取融资约束指数、企业创新能力以及生产率作为代理变量，在基准模型基础上分别加入代理变量以及各自与科技金融发展指数的交互项，设计如下固定效应模型，以验证其作用机制。

其中，（16）式中WSKit为融资约束指数，本文参考李宏亮和谢建国（2018）的方法，建立企业运营资本投资敏感性指数（WSK），将其作为融资约束的代理变量。

首先，列出企业运营资本投资方程：

其中，WKt为企业运营资本（=流动资产-流动负债），IWKit为i企业在t期的运营资本投资，即当期运营资本减去上一期运营资本。Kt为在t期的净固定资产。其余控制变量主要包括营业收入增长率（growthi,t-1）、资产负债率（debt_ratioit）和担保抵押水平（collateralit）。此外，还控制了行业（ζj）、省份（ζs）和年份（ζt）固定效应，εit为随机误差项。

接下来，计算企业i在t时期的融资约束，可表示为：

将第一阶段式（19）得到的随机误差项（εit）用于第二阶段企业运营资本投资增长率对现金流敏感性指标的计算。其中，cashit为企业现金流，等于企业净利润加上当年折旧；T为i企业的观测年数。此外，式（17）中的lnpatentit表示i企业在t年专利拥有量对数值，表示企业的创新能力；式（18）中lnTFPit表示i企业在t年生产率的对数值。

（二）结果分析

1.基准回归

表5 为基准回归结果。列（1）未加入任何控制变量，可以看出科技金融发展滞后一期系数为正，且在1%的水平上显著，说明科技金融发展可以促进出口技术复杂度的提升；列（2）加入省级层面控制变量，可以看出科技金融发展对企业出口复杂度的作用方向与显著性不变，依然在1%水平上显著；列（3）加入企业层面控制变量，可以看出科技金融指数系数依然在1%的水平上显著，并且随着省级层面与企业层面控制变量的加入系数逐渐减小，说明控制变量的选取解决了一部分遗漏变量的内生性情况。

表5 基准回归结果

表6 为科技金融分解指标对出口技术复杂度的回归结果。可以看出，四项指标均能促进出口技术复杂度的提升，且四个分解指标均统计显著。

表6 分解指标回归结果

2.稳健性检验

为了验证结果的稳健性，本文首先更换出口技术复杂度指标，在原来计算基础上借鉴Xu 和Lu（2009）的方法，加入经质量调整后的出口技术复杂度。回归结果如表7 列（1）所示。可以看出，在加入控制变量前后，科技金融指标系数均显著为正。其次，更换计量模型，将固定效应模型更换为OLS 回归，结果如表7 列（2）、列（3）所示。可以看出，加入控制变量前、后，科技金融发展指数对经质量调整前、后的出口技术复杂度均有显著促进作用。因此，表7 列（1）～列（3）的回归结果证明了基准回归的稳健性。

表7 稳健性检验回归结果

此外，由于上市企业是否出口受多种因素影响，因而研究可能存在“样本选择性偏差”。表7 列（4）为第一阶段的probit估计结果，被解释变量为上市公司是否存在出口，可以看出科技金融指数显著为正；列（5）为第二阶段的回归结果，可以看出，逆米尔斯比率（lambda）显著为正，说明样本存在“样本选择性偏误”问题，经过调整后，科技金融指数依然显著为正，证明了科技金融发展对企业出口技术复杂度的提升作用。

3.内生性问题讨论

由于企业生产率水平会影响该地区科技金融发展水平，造成逆向因果问题。为了进一步解决其内生性问题，借鉴陆晓琴和黄元君（2021）的方法，采用各省市的互联网普及率作为工具变量进行两阶段最小二乘估计①各省市的互联网普及率与科技金融程度高度相关，但与出口技术复杂度弱相关，因此可以作为有效工具变量。，结果如表8 所示。可以看出，该方法中的LM统计量均在1%的显著水平上显著，表明该工具变量与科技金融指数显著相关，且不存在识别不足的问题；且通过Wald F 检验，说明不存在弱识别的问题，这些结果表明工具变量的有效性，且表8 中的科技金融指数系数仍然为正且显著，说明在加入互联网普及率作为工具变量之后，不管对于出口技术复杂度还是调整后的出口技术复杂度来说，科技金融对其发展仍然具有显著促进作用。

表8 工具变量2sls 回归结果

4.机制检验结果分析

表9 为作用机制的回归结果。列（1）～列（6）中科技金融与融资约束，企业专利和企业生产率的交互项系数为正，表明科技金融发展通过资本，创新和生产效应显著促进企业技术复杂度的提升。

表9 作用机制：基于资本效应、创新效应与生产效应的回归结果

5.拓展性分析

为进一步验证科技金融发展对处于不同产业链、不同生命周期、不同贸易方式的企业出口技术复杂度的作用异质性，本文进行拓展性分析。

基于产业链所处位置的讨论：生产技术水平的上升推动着生产碎片化程度增长，使得行业生产网络越发紧密。而科技金融发展会通过对产业链的每一个环节的企业产生影响，进而在整个行业生产网络中交叠蔓延，对处于上中下游企业出口技术复杂度产生影响。因此，本部分试图分析科技金融发展对企业出口技术复杂度的影响是否会因企业所处产业链的位置而起到不同的作用。由于行业所处产业链中的上中下游位置是一个相对概念，某行业位于行业上游有可能位于另一行业的下游，因而本文分别将科技金融发展滞后一期与滞后两期指数与行业上游度指数交乘，结果如表10 所示。可以看出，滞后一期与滞后两期的交互项均显著为负，说明科技金融发展会随着行业所处产业链的位置下降对企业出口技术复杂度的促进作用加强。其原因在于处于产业链下游的企业面临竞争激烈的国际市场，而出口企业本身的创新能力与生产率水平较高，因而科技金融发展对其促进作用更强。

表10 基于产业链的回归结果

基于企业所处生命周期不同阶段与企业贸易方式的讨论：由于制造业企业处于不同的发展阶段会面临不同的资本需求，对资本投向与利用程度不同会影响科技金融发展对企业出口技术复杂度的作用。因此，本文采用留存收益与股东权益的比值（留存收益股权比）作为企业生命周期划分标准。将留存收益股权比小于0.1 的公司定义为成长期样本，留存收益股权比位于0.1 与0.5 之间的上市公司定义为成熟期样本，剩余样本为衰退期公司。一般而言，当企业处于成长期，投资机会较多，上市公司会增加留存收益的投资比，因此留存收益股权比较小；随着公司逐渐成熟，投资机会减少而利润累积增加，留存收益股权比变大。不同于分样本，本文采用交互项方式分别将成长期、成熟期与衰退期企业赋值为1，其余赋值为0，并与科技金融指数交互进行回归。

为了验证企业贸易方式不同的企业在此方面的受到科技金融发展影响程度，本文将贸易方式按一般贸易与加工贸易两种方式，分别赋值为1，并与科技金融发展指数交乘。表11 为按照生命周期与贸易方式划分的回归结果。列（1）的成长期系数为负且显著，说明科技金融发展并没有促进成长期企业出口技术复杂度的提升，这是因为处于成长期的企业仍然面临较大的融资约束，创新能力较弱并且生产率仍处于上升阶段。列（2）为成熟期的企业，其成长期系数显著为正，说明科技金融发展促进了成熟期企业的出口技术复杂度。这是由于处于成熟期的企业面临较低的融资约束、创新能力较强以及较高的生产率水平，因而对企业出口技术复杂度提升作用较强。列（3）为衰退期企业，其成长期系数并不显著，说明科技金融发展对处于衰退期的企业并无影响，这是由于处于衰退期企业创新能力与生产率下降，因而出口技术复杂度受到科技金融发展的影响效果不明显。列（4）～列（5）为区分贸易方式的回归结果，可以看出，科技金融发展对加工贸易企业的技术复杂度有明显的积极影响，但对一般贸易企业出口并没有明显的影响，说明外资企业加工贸易出口技术复杂度要明显高于其他类型出口企业。这一结论证明产品分工会产生技术溢出效应，加工贸易可以对中国贸易结构升级产生积极推动作用。

表11 基于生命周期与贸易方式回归结果

六、结论与政策建议

本文从理论方面论证了科技金融发展对出口技术复杂度的作用，并从实证方面验证了其通过资本效应、创新效应与生产效应的渠道对出口技术复杂度的影响，并通过了一系列的稳健性检验。通过分指标研究发现，科技金融基础指数与科技金融产出指数能显著促进出口技术复杂度的提升，科技金融投入指数与科技金融贡献指数影响相对较弱。在异质性检验方面，本文基于企业所属生命周期不同发现，科技金融发展能够显著促进成熟期企业出口技术复杂度提升，但会抑制成长期企业出口技术复杂度，对处于衰退期企业的出口技术复杂度并无明显影响。基于企业所属贸易方式研究发现，科技金融发展能够显著促进加工贸易企业出口技术复杂度提升，但在一定程度上会抑制一般贸易企业出口技术复杂度的提升。基于企业所属产业链位置差异的研究发现，科技金融发展可以显著促进中低技术行业企业出口技术复杂度的提升，但对高技术行业企业出口技术复杂度的提升无显著影响。

根据上述研究结论，本文提出如下政策建议：首先，科技金融能有效缓解企业融资约束，促进其创新能力和生产率的提升，因此，应继续建立健全科技和金融结合的机制，完善体系建设，使金融和市场资源更加积极、有效地流向科技创新领域，为企业科技创新提供充足的资金保障。其次，应继续创新驱动战略，既要实现从“0”到“1”的突破，又要突出优势领域“长板”，以期在国际竞争中占据高位，加快出口贸易“以质取胜”步伐。最后，要注重企业自身特征对其产品技术含量的影响，研究结论得出科技金融发展对成熟期企业、私营企业、加工贸易企业与中低技术行业企业出口技术复杂度的作用显著，因而企业在度过初期生存阶段之后应积极谋求科技金融发展对自身的正向推进作用，提高自身创新能力与生产率水平，从而增强出口竞争优势。