地方财政科技支出效率、人力资本与区域创新能力——基于动态面板模型的实证分析

李胜会, 周嫦媚

(华南理工大学 公共管理学院, 广州 510641)

随着我国经济步入以质量和效益为核心的高质量发展阶段,以往高投资驱动的经济增长模式难以为继,提高自主创新能力成为建设现代化经济体系的重要途径和关键环节[1]。习近平总书记在党的二十大报告中明确提出,必须坚持科技是第一生产力、人才是第一资源、创新是第一动力。地方政府作为区域创新系统建设的重要主体,在改善创新环境、促进创新发展方面具有重要的导向性和基础性作用[2]。政府支持创新活动的方式主要包括构建保护创新活动的体制机制、建设软硬件环境以及提供直接或间接的资金支持等。无论是何种支持方式,均需要通过一定的财政支出得以实现,因此,财政支持是地方政府参与创新系统建设的重要手段。

既有文献多从财政支出规模、支出结构和转移支付等角度阐述财政支持对区域创新能力的影响,但相关研究并未形成一致性的结论。一种观点持肯定态度,认为财政科技投入能够显著提升区域创新能力。创新支持导向政府补贴、税收减免等手段能够有效缓解创新主体资金不足的困境[3],提高企业的研发风险承受度,激励其开展更高水平的创新活动[4];此外,财政支持可以发挥名誉担保的作用,向外部投资者发送“认证信号”,撬动更多经济要素流入[5],促进生产要素的集聚和优化,加速知识生产和传播[6-7],区域创新能力因此变得更强。另一种观点持否定态度,认为财政科技投入产生的“挤出效应”会减少或替代企业的研发支出[8],从而带来政策风险;另外,由于信息不对称、创新型项目的不确定性等客观因素的存在,政府在选择关键技术、项目予以扶持时会出现失灵的现象[9]。此外,由于政府补贴过程缺乏有效的跟踪和监督机制[3],抑或企业操纵研发经费、寻租等行为等都会导致政府创新资源配置的扭曲[10-11],最终使得财政支持达不到预期效果。可见,已有研究对财政支持与区域创新能力之间的关联机制有了一定探索,但其异质性的支持效应却鲜有涉及,且缺乏对财政支出效率的细致刻画。仅有的部分文献探讨中也忽略了其他相关变量在财政支持与区域创新能力互动中的干预机制和效果。

相比创新资源的绝对量约束,创新资源使用效率对区域创新系统建设的影响更为深远[12]。财政科技支出效率表现为每单位财政科技投入转化为创新产出的能力[13],力图将财政支持从投入到产出的全过程纳入研究视野,能够对财政科技投入的效果进行准确而全面的度量。另外,内生增长理论认为创新活动不是同质的,创新活动之间存在明显的区别[14]。因此,结合科技创新成果的基本特征[15],将科技创新成果分为学术产出成果和经济产出成果,以更好地考察各地财政科技支出在不同类型创新活动中的效率值及其差异。此外,既有研究表明,当经济向高质量发展阶段跃进时,人力资本会成为提高创新水平、推动经济发展的另一个重要战略支撑[16-17]。为此,深入研究财政科技支出效率和人力资本对区域创新能力的影响机制,对于促进区域创新能力提升至关重要。

鉴于此,从创新成果类型视角出发,将财政科技支出效率分解为科研产出效率和经济产出效率,探究不同类型财政科技支出效率对区域创新能力的异质性影响。同时,还考察了人力资本对财政科技支出效率与区域创新能力关系的调节作用,进一步明确财政科技支出效率发挥作用的现实情境,从而最大化财政科技支出效率和人力资本对区域创新能力的促进效应。本文在以下方面对现有研究进行拓展:首先,创造性地从效率角度揭示财政支出与区域创新的关系,研究结论有助于深化对财政支持与创新发展之间复杂关联的理性认识,启发关注财政支出效率的有效边界。既要从财政科技支出的本意出发,放大效率提升的积极效应,也不能忽视创新主体的策略性应对行为。其次,探讨了人力资本的调节作用,进一步提出要注重创新过程中不同要素的协调配置,为地方政府差别化引导创新要素流动,实现区域创新驱动发展提供一定借鉴与启示。

1 理论分析与研究假设

1.1 不同类型财政科技支出效率对区域创新能力的影响

1.1.1 科研产出效率对区域创新能力的影响

在一定的条件下,科研产出效率的提升能够促进区域创新能力的良性发展。随着国家层面对区域创新的日益重视、官员政绩考核体系的弹性调整[18],区域创新的相关指标被纳入地方政府的考核评价体系,地方官员为了能够在晋升博弈中占据更多的优势,倾向于开展创新活动来提高地区的创新绩效、提升工作显示度[19]。对地方政府而言,改善资金使用效率是提高财政科技投入促进创新研发效果的重要手段[20]。一方面,关注科研产出过程中的财政科技支出效率,可以规避财政支出的随意性和盲目性。地方政府在规划预算时会倾向于选择符合本地产业发展需求的科研项目,提高科研产出与本地资源禀赋的匹配度。另一方面,效率的提升为区域创新能力创造了一定的知识基础,降低了创新风险及各创新主体间的沟通成本,从而吸引更多科研人员及社会资金的流入,为区域创新提供有利条件。

然而,随着财政科技支出效率的持续攀升,容易导致各创新主体的创新行为出现“唯数量”论,盲目开展科技研发活动,进而造成资源冗余,此时科研产出效率对区域创新能力具有负向影响。对科研人员而言,在当前所盛行的量化评价导向下,以科研产出数量为主的量化考核分值被广泛应用于岗位竞聘、人才选拔、职称评审、绩效工资等各个环节,直接关系到科研工作者的切身利益与发展空间[21]。为满足快速得分和得高分的需求,科研人员将更倾向于采取“见好就收、落袋为安”的策略,放弃具备较高风险的长期研究[22],更多地选择在短期内便能获得相应绩效激励的研究,最终产出数量巨大而质量低下的科研成果。类似的情况也存在于各大工业企业中。在机会主义动机的驱使下,掌握信息优势的市场主体将会策略性地选择快速产生成果的创新项目和低质量专利申请行为[23]。更为可怕的是,一部分企业以低质量专利获得政策倾斜的现象有可能引发连锁反应,导致“劣币驱逐良币”的专利申请现象的出现[24],由此破坏区域创新环境,对区域创新能力建设产生不良影响。

需要注意的是,压力型体制的强力驱动也可能带来创新目标短期化、可持续性不足等负面效应[25],导致创新的变形和变味[19]。政绩驱动下的地方政府在选择财政支持目标时可能会倾向于短平快的科研项目,这些投入在短期内便能取得项目成果或是专利产出,保证财政科技支出的有效性;但却限定了财政支持的效果,基础研究等具有长远效益的研究项目被替代或搁置,不利于区域创新能力的健康发展。

可见,若是过度注重科研产出的数量,可能会忽视标志性成果的质量、贡献和影响,由此高质量研究成果难有突破,地方的核心竞争力难以提升,区域创新能力的长期发展面临困境。此时,效率的提升对区域创新能力的提高缺乏拉动作用,甚至还会出现创新资源重复投入、无效产出等问题,给区域创新系统建设带来负面效应。基于上述分析,本文提出以下假设。

H1:在其他条件不变的情况下,科研产出效率与区域创新能力之间呈倒U形关系。

1.1.2 经济产出效率对区域创新能力的影响

区域创新能力不只取决于科研成果的多少和水平高低,还取决于将科研成果进行产业化、市场化的能力[26],即将科研产出进行技术转化和生产销售,从而转化为现实生产力的能力。当财政科技支出以提高科技成果产业化为导向时,效率的提升将优化资源配置,放大财政科技支出助推区域创新能力发展的边际作用。主要原因在于,较高的经济产出效率有助于实现创新资源聚集,从而提升区域创新能力。因为更高的经济产出效率往往意味着更好的创新环境、更小的风险,可以吸引更多的创新人才和研发投资流向该地区[27]。

具体来说,科技成果转化是个复杂的系统工程,一般要经历实验室小试、中试放大及批量生产等多个环节[28],需要较大的资金投入。然而,受制于企业所遵循的市场逻辑,具有高度不确定性的创新活动使得资金需求者与供给者之间存在明显的信息不对称,阻碍了资金在企业、高校、科研机构以及外部投资者等创新主体间的流通。这就需要有中介组织来填补沟通渠道的空缺,从而消除信息鸿沟,而财政科技支出正好就充当了信息传递的媒介[29]。一方面,财政科技支出可以作为一种“利好信号”彰显政府支持创新的形象;另一方面,较高的经济产出效率也能够凸显地方的创新发展潜力和韧性,从而提振投资者信心,这将鼓励各方对创新研发进行更多投资,由此最大限度激发全社会的创新活力。

此外,财政科技支出效率的低下往往会迫使地方政府加大支出,在当前减税降费与地方债务风险积聚双重叠加的背景下,这将会对地方财政收支造成更大压力,容易产生各类风险,不利于区域创新能力的持续提升。基于上述分析,本文提出以下假设。

H2:在其他条件不变的情况下,经济产出效率对区域创新能力有显著的正向影响。

1.2 人力资本对财政科技支出效率与区域创新能力关系的影响

1.2.1 人力资本对科研产出效率与区域创新能力关系的影响

在产出学术成果的过程中,财政科技支出效率影响区域创新能力的原因主要是基于知识的创造与流动,而所有生产要素里人力资本所承载的知识量最为丰富[30],从而在科研产出效率与区域创新能力的关联中起到调节作用。

当科研产出效率较低且尚未跨过拐点时,人力资本的过度集聚可能会弱化财政支持对区域创新能力的积极影响。首先,效率较低意味着区域内科研主体素质仍有待提升,抑或科研禀赋欠缺,过多的人力投入可能会导致人浮于事等人力资本内耗的现象。其次,考虑到我国科技与教育之间相对分离的状态,人才培养、科研产出等方面可能会存在一定的脱节[26],接受过高等教育的从业人员若是无法与本地的科研结构相适应,有可能限制区域创新能力的提升。此外,人力资本创新效应的发挥还存在一定的条件限制,具备完善的生产要素及相关配套才能有效发挥人力资本对知识的吸收与转化能力[31]。过多的人力资本可能会使得地方政府加大其他民生支出,削弱在科技方面的投入,同时也会进一步稀释科研产出效率,从而弱化财政支持对区域创新能力的促进效应。

当科研产出效率较高且跨越拐点之后,人力资本集聚可以通过知识溢出效应和激励效应等途径缓解科研产出效率对区域创新能力的消极影响。其一,科研产出效率的提升能够有效促进知识存量的积累,而知识存量的增加是知识溢出现象发生的动力源[32]。人力资本的集聚会增加跨领域创新人才间的关联互动的频率,促进知识外溢的发生,互动时的接收者将信息交流中获得的隐性知识融入自身显性知识的研究与学习,形成隐性知识和显性知识的碰撞与交融,有可能形成新的知识体系[33],实现区域创新能力的跨越式发展。其二,较高的科研产出效率反映该地区拥有相对完善的创新环境及较为优质的创新主体。各创新主体为保持竞争优势,会在不断了解和掌握竞争对手知识信息的情况下,开展自身的研发创新;区域内人力资本水平的集聚将会进一步加大创新人才之间的相互竞争[34],激发科研主体的创新精神。基于上述分析,提出以下假设。

H3:在其他条件不变的情况下,人力资本负向调节科研产出效率与区域创新能力的倒U形关系。即当科研产出效率在拐点左侧时,人力资本会削弱其对区域创新能力的影响;当科研产出效率在拐点右侧时,人力资本会抑制其对创新能力的负向影响。

1.2.2 人力资本对经济产出效率与区域创新能力关系的影响

在成果转化方面,财政科技支出效率同样可以通过与人力资本的交互作用对区域创新能力产生复合影响。当知识、技术表现为物化形态时,人力资本越丰富意味着对这些物质资本利用效率越高[35]。受过高等教育的从业人员不仅可以加速新技术的传递速度,迅速将其转化为现实生产力,加快新技术的落地及应用[36];还可以更好地吸收和消化外部技术,引起技术进步和生产率的提高,从而在经济产出效率与区域创新能力的互动中起到助推作用。

具体来说,财政支持主要是通过提升技术获取、消化及利用等环节的效率来促进区域创新能力发展,人力资本集聚在各个环节都发挥着不可替代的作用。首先,在技术获取这一环节,人力资本的集聚还会带来大量其他前沿领域的技术知识,促进当地企业采用新技术[37],通过提升经济产出效率来推动区域创新能力建设。其次,在技术消化的过程中,高素质人才所具备的知识学习能力较强,可以加快技术消化的速度;此外,不同创新人才的多样性决定了其对于同一技术会产生不同的认知[38],各类人才在交流过程中所产生的思想碰撞能够进一步提升技术消化所能创造的经济效益,同时也能使得相关创新主体解决技术问题的能力得到强化,为区域创新能力提升奠定良好的技术基础。再次,在技术转化与利用的过程中。企业依靠创新人才将新技术应用于新产品的生产和销售,在实施技术创新的基础上优化产业结构,推动其向知识密集型产业转变[30]。基于上述分析,本文提出以下假设。

H4:在其他条件不变的情况下,人力资本正向调节经济产出效率与区域创新能力的线性关系,即经济产出效率对区域创新能力的影响会随着人力资本水平的提升而增强。

2 研究设计

2.1 变量说明

2.1.1 财政科技支出效率测度

核心解释变量为财政科技支出效率。采用三阶段DEA模型对财政科技支出效率进行测度。数据包络分析(DEA)法是一种非参数性质的估计方法,由于传统DEA模型预先假定决策单元同质,忽视了可能影响决策单元效率值的环境因素和随机噪声,因此,选择三阶段DEA模型来排除环境效应和随机误差的影响,从而使得测算结果更为准确。其基本思路分为如下三个阶段。

第一阶段:使用传统DEA方法测度原始投入产出数据。财政科技支出效率评估中投入变量是决策的基本变量,因此选取投入导向型的DEA-BCC模型,该模型可表达为

(1)

选取的投入指标是人均财政科技支出。根据创新产出的特征,将其区分为学术产出成果和经济产出成果两种类型,以此确定产出指标。其中,学术产出成果更多地表现为创新的思想或发明,因此,选取专利授权数、国外收录我国科技论文量、R&D项目数作为衡量财政科技支出学术效益的指标。经济产出成果往往以成果交易价格作为最终体现[39]。因此,选取技术流向各地区的人均合同额、技术市场成交合同金额、高技术产业主营业务收入作为衡量财政科技支出经济效益的指标。

第二阶段:使用似SFA回归剔除环境因素和统计噪声,计算调整后的投入值。因此,以第一阶段测算出的松弛变量作为被解释变量,以相关环境因素作为解释变量,构建如下回归函数:

Smn=f(En;βm)+νmn+μmn

(2)

基于随机前沿分析结果,通过剔除环境因素和随机因素对效率测度的影响,将所有决策单元调整于相同的外部环境中,调整公式如下:

(maxνmn-νmn)

(3)

第三阶段:将调整后的投入值和原始产出值带入第一阶段的DEA-BCC模型,从而获得全国30个(因数据缺失,未包括西藏和港澳台地区)省份财政科技支出清除环境效应和统计噪声后的实际效率值。

此外,由于科技创新活动的投入与产出之间具有一定的时滞性,参考钱丽等[41],取滞后期为1年,即财政科技支出指标为2010—2019年的数据,成果产出变量指标为2011—2020年的数据。构建的财政科技支出效率评价指标体系如表1所示。

2.1.2 区域创新能力测度

被解释变量为区域创新能力。创新能力包括知识创新和技术创新两个层面。首先,知识创新是技术创新的基础,是新技术的先决条件和开端,体现了新知识的产生与积累;技术创新依赖于知识创新,是知识创新的后延与应用。围绕知识创新能力和技术创新能力两个维度选择相应的指标,构建区域创新能力评价指标体系,具体指标选取如表2所示。

表1 财政科技支出效率评价指标体系

表2 区域创新能力评价指标体系

运用熵值法确定权重,进而通过线性加权法计算获得各地区创新能力水平。同时,为了检验结论的稳健性,还采用《中国区域创新能力评价报告》中的综合效用值作为替代指标[42]。

2.1.3 调节变量

人力资本用于衡量区域内对知识、技术的学习、吸收及应用能力。它既是知识和技术内生化的一种表现形式,也是知识和技术进步的重要载体。参考林周周等[43],选取就业人员中大学专科文化程度以上人员占比来反映地区的人力资本水平。

2.1.4 控制变量

根据前人的研究,引入一系列可能影响区域创新能力的控制变量,包括宏观经济特征、城镇化水平、金融发展规模、信息化水平、基础设施水平。对上述因素进行控制,宏观经济特征以各地固定资产投资增长率衡量;以各地非农人口占年末总人口的比例来衡量城镇化水平;金融发展规模则用金融业增加值来表示;信息化水平和基础设施水平则分别选取邮电业务总量和单位面积公路里程来度量。各变量说明如表3所示。

2.2 模型构建

考虑到区域创新能力发展可能呈现循环累积的动态过程,以及财政科技支出的影响普遍具有滞后特征,故选用动态面板模型,即在面板模型的解释项中纳入滞后的区域创新能力,由此反映动态滞后效应。与此同时,区域创新能力和财政科技支出效率之间可能存在双向因果关系从而产生内生性偏误,因此,选择系统GMM的估计方法,对动态面板数据进行回归分析。与混合OLS和固定效应估计等方法相比较,系统GMM能够充分运用样本信息,修正未观察到的个体异质性问题、测量误差等潜在偏误,选取合适的滞后项作为模型的工具变量,有效解决财政科技支出效率和区域创新能力之间的内生性问题。

表3 变量说明

根据前述理论分析,分别构建两种类型财政科技支出效率与区域创新能力的动态面板模型,用于检验H1和H2;为了检验地区的人力资本水平是否会调节财政科技支出效率对区域创新能力的影响,引入交互项,分别构建模型6和模型7来验证H3和H4。

具体模型设定如下:

INNOit=α0+α1INNOit-1+α2EFTE1it+

(4)

INNOit=β0+β1INNOit-1+β2EFTE2it+

β3Controlsit+μi+εit

(5)

INNOit=γ0+γ1INNOit-1+γ2EFTE1it+

γ6HCit+γ7Controlsit+μi+εit

(6)

INNOit=δ0+δ1INNOit-1+δ2EFTE2it+

δ3EFTE2it*HCit+δ4HCit+

δ5Controlsit+μi+εit

(7)

在式(6)中,当γ2γ5-γ3γ4>0时,调节变量的存在使曲线拐点向右平移;反之,拐点向左平移。若γ5>0,则表明调节效应使得原来的倒U形曲线变得更加平缓,而使U形变得更加陡峭;当γ5<0时,调节效应使倒U形曲线变得更加陡峭,而使U形曲线变得更加平缓,式(7)类似。

2.3 样本选择与数据来源

考虑到数据的连续性和可得性,以2010—2020年中国30个省份为研究样本(由于样本期间数据缺失严重,未包含西藏地区和港澳台地区)。数据来源于历年《中国科技统计年鉴》《中国统计年鉴》及各省份历年统计年鉴、EPS数据库。个别缺失值采用线性插值法补全。此外,为了控制可能存在的异方差影响,对金融发展规模和信息化水平两个变量的数值取自然对数。

3 实证结果与分析

3.1 财政科技支出效率及区域创新能力测度结果

基于上文所选指标,分别对30个省份不同类型财政科技支出效率进行测度,测度结果的平均值如图1所示,数值越高意味着财政科技支出效率越高。由图1可知,2011—2020年,科研产出效率的平均值虽有所波动,但整体上呈现上升趋势,尤其是2016—2019年,上升幅度较大,表明科研产出效率得到了较大提升,但2020年可能受到疫情影响,又出现了波动向下的现象。经济产出效率则相对变化幅度较大,在2014年达到峰值后急剧下降,但2016年以后大致也呈现出上升的趋势。相对科研产出效率,经济产出效率尚存在提升空间。

图1 2011—2020年各省份财政科技支出效率平均值

在构建区域创新能力指标体系的基础上,采用熵值法对选取的12个指标的权重进行计算,继而运用线性加权法对30个省份的区域创新能力进行测算。由图2可知,整个考察期内,得益于一系列创新驱动战略的实施,各省份创新能力得到了稳步提升。

3.2 财政科技支出效率对区域创新能力的影响分析

表4给出了两种不同类型财政科技支出效率与区域创新能力的回归分析结果。可见,Hansen检验的P值分别为0.614和0.229,均大于0.1,无法拒绝“工具变量均有效”的原假设,证明模型所选取的工具变量并不存在过度识别问题。自回归AR检验显示,AR(1)的P值均未超过0.05,AR(2)的P值均大于0.05,表明差分后的残差项虽然存在一阶序列相关,但二阶序列相关均不存在,符合系统广义矩估计的条件,佐证了估计方法的合理性。

图2 2011—2020年各省份创新能力平均值

表4 财政科技支出效率影响区域创新能力的基准回归结果

由表4中的列(1)和列(2)的回归结果显示,滞后一期的区域创新能力系数均在1%的水平上显著为正,表明上期的区域创新能力对当期区域创新能力有显著正向影响,即区域创新能力提升是一个连续、长期积累的过程。

单独来看,表4列(1)的回归结果表明,科研产出效率的一次项系数显著为正,二次项系数显著为负,说明在科研产出的过程中,财政科技支出效率与区域创新能力存在倒U形关系,H1得到验证。同时,U检验结果显示P为0.035,小于0.05,进一步验证了倒U形影响的真实性。究其原因,在一定条件下,政绩驱动下的高效研发活动的确能够带来创新增量,显著提升区域创新能力,然而,过度追求财政科技支出效率会出现创新资源的冗余和浪费,从而限制相关创新活动的正向溢出。如前所述,在量化为主的考核体系下,科研产出成果被反复应用于科研人才招聘、晋升、考核等重要评价环节中。为达到考核的硬性要求,科研人员会有选择性地挑取难度系数较小的指标反复刷分,导致低水平重复现象的出现。

经过计算,曲线的拐点位于财政科技支出效率的0.676处,而现阶段我国各省份财政科技支出效率的平均值为0.605,小于拐点值,这表明我国大部分省市财政科技支出效率正处在倒U形曲线拐点的左侧,即财政科技支出效率正处在促进区域创新能力提升的区间范围内。

表4列(2)结果显示,成果转化效率的系数为0.059,说明在成果转化方面,财政科技支出效率每增加1个单位,区域创新能力能提升0.059个单位,符合预期理论,说明经济产出效率的提升对区域创新能力发展有显著的促进作用,H2得到验证。其与科研产出效率作用效果的差异可能在于,在投入水平一定的情况下,经济产出的不断增加仍能够带来一定的资金收益,从而通过经济增长进一步助推区域创新系统建设,而过度的科研产出很可能因为与产业需求相脱节或是缺乏相应的转化条件而被束之高阁,消耗了稀缺的财政投入但却无法对创新能力建设做出实质性贡献。

3.3 人力资本的调节效应检验

通过前述理论分析可知,财政科技支出效率和人力资本可能产生交互作用,从而影响区域创新能力。在模型中加入两者的交互项,以考察财政科技支出效率和人力资本是否具有交互效应,分析两者交互项对区域创新能力产生何种影响。

加入了调节变量的动态面板模型的回归结果如表5所示。从AR(1)和AR(2)的P来看,模型随机误差项存在一阶序列相关,不存在二阶序列相关;Hansen检验统计量的P均大于0.1,同样证明在估计过程中所选取的工具变量是有效的。

由表5中的列(3)的回归结果可知,科研产出效率二次交互项系数大于0且显著,表明人力资本水平减缓了科研产出效率与区域创新能力之间的倒U形关系,H3得到验证。可能的解释是,当科研产出效率低于临界值时,意味着当地创新资源仍有待进一步优化配置,人力资本的过度集聚所造成的拥挤效应可能会给地方政府造成更大的压力。同时,人力资本结构抑或教育的不匹配也会弱化财政支持对区域创新能力的促进作用。随着科研产出效率的不断提升,人力资本的知识溢出效应和激励效应开始发挥主导作用,使得区域创新能力降低的幅度减小,削弱了科研产出效率对区域创新能力的抑制作用。该结果说明,地方政府应先搭建好适合本地区产业特色或产业发展结构的人才框架,更好地发挥人力资本在区域创新能力建设中的推动作用。此外,根据计算,随着人力资本水平的增加,拐点左移,这表明,人力资本集聚度高的地区更应警惕科研产出效率抑制效应的出现。

表5 人力资本的调节效应回归结果

由表5中的列(4)的估计结果可知,经济产出效率与人力资本水平的交互项系数在1%的水平下统计显著,反映近年来我国人力资本投资与财政资金效率共同对区域创新能力产生作用,H4得到验证。正如前述所述,在成果转化的过程中,经济产出效率与本地区创新能力的关系会受到人力资本水平的调节。在财政资金一定的情况下,人力资本存量越丰富,每单位财政资金所拥有的知识储备越丰富,其转化成经济产出的效率就会越高,从而进一步提高区域创新产出和创新能力。

3.4 稳健性检验

3.4.1 基准回归结果的稳健性检验

为提高估计结果的稳健性,选择更换核心变量进行稳健性检验。如表6所示,两个GMM估计模型均通过了AR检验和Hansen检验,证明所选取的表征指标及模型设定都是合适的。表6中的列(5)结果显示,科研产出效率二次项的系数在5%的水平上显著为负,一次项系数显著为正,说明科研产出维度财政科技支出效率与区域创新能力之间确实存在倒U形关系。表6中的列(6)结果显示,经济产出效率的系数显著为正,符号与表4中的列(2)结果保持一致,说明经济产出效率与区域创新能力之间的正向效应也具有稳健性。

表6 基准回归的稳健性检验结果

3.4.2 人力资本调节效应的稳健性检验

由表7回归结果可知,替换区域创新能力指标后,各变量系数的符号与上文的回归结果基本相同,仍然支持H3、H4,H3、H4的结果是稳健的。这反映人力资本水平与财政科技支出效率之间确实存在一种重要联系,人力资本与财政支出效率相互作用,进而影响区域创新能力,印证了理论分析的阐述。

表7 调节效应的稳健性检验结果

4 结论和建议

在系统分析财政科技支出效率、人力资本与区域创新能力关系的基础上,基于2010—2020年30个省份的面板数据,构建财政科技支出效率和区域创新能力评价指标体系,分别利用三阶段DEA模型和熵值法对两者进行测算,并借助GMM动态面板模型,实证检验了财政科技支出效率对区域创新能力的影响及人力资本在二者间的调节作用。得出以下结论:第一,不同维度的财政科技支出效率与区域创新能力之间的关系存在差异。科研产出效率与区域创新能力呈现倒U形关系,科研产出效率存在最优临界值,跨过最优水平后,科研产出效率对区域创新能力的影响由正转负;经济产出效率与区域创新能力则呈现正向线性关系,即经济产出效率越高的地区,区域创新能力的提升越显著。第二,人力资本水平对科研产出效率与区域创新能力的关联存在调节作用,缓和了二者之间的倒U形关系。第三,人力资本强化了经济产出效率对区域创新能力的影响,人力资本水平越高的地区,其经济产出效率对区域创新的正向促进作用越明显。考虑到模型可能存在的内生性问题,选择其他学者测度的区域创新能力指标进行稳健性检验后发现,上述结论依然成立。

基于上述研究结论,结合新时代以创新驱动赋能经济社会高质量发展的要求,提出以下对策建议:第一,地方政府在创新系统建设过程中应避免急功近利,要通过优化科技资源的组织和配置方式,系统寻求财政支持与区域创新能力的动态最优均衡,而不是一味强调创新产出来提高创新能力。第二,科研不能孤立于区域发展而独立存在,而应该寻求与区域经济协调发展的契合点。要更好地引导高等院校和科研院所等创新主体将研究兴趣转向现实生产需求,扭曲单纯以论文、专利和项目验收等作为主要形式的科研导向,提高科学研究解决现实问题的能力。第三,促进科技成果转化,强化财政支持对创新能力的要素支撑。以产学研用相结合为导向,鼓励企业、科研院所等主体开展成果转化工作,通过加强政府引领充分调动各转化主体的积极性,促进知识创新向产品创新转化。第四,构建科学合理、切实可行的科研主体评价体系。单纯依靠量化指标会导致科研生态系统出现“重数量、轻质量”的不合理局面。人才评价应遵循科学规律,避免陷入量化考核陷阱,不仅要关注原创观点的多少和对创新方法的检验,同时也应重视想象力、好奇心、科学家精神等非量化因素。