科技金融政策对城市创新水平的影响研究——来自中国284 个地级市的证据

王亚楠 宋结焱 周立

一、引言

“十四五”规划指出坚持创新在我国现代化建设全局中的核心地位，把科技自立自强作为国家发展的战略支撑。进一步实施创新驱动发展战略，巩固壮大实体经济根基，促进产业优化升级，依靠创新提高发展质量。单纯依靠资源量的投入是不可持续的，可持续增长的根本途径是提高资源使用的效率，而创新提高效率，科技创新能够缓解国家人口红利压力、资源红利压力。提升国家创新水平是由微观企业、中观产业、宏观区域三个维度逐级上升推进的（李洪涛等，2021），按照该思路，如何刺激基本城市单位创新水平提升的关键是激发企业创新活力。科技与金融的结合在很大程度上支撑了创新驱动发展实践和经济学的理论创新，我国已基本形成了科技金融政策体系，包括国家战略、财政科技投入、科技保险、科技资本市场、科技担保等。

金融创新与科技创新是相辅相成的关系，科技创新发展方式转变与结构调整需要金融创新的支持；金融创新以科技创新作为基础，金融资本与科技创新间具有内在联系。科技金融的要义是科学技术通过金融渠道实现价值发现和本身的风险分担，同时，科技资源得到金融的开发利用产生高生产效率为金融资本带来高额回报。金融发展提高创新项目的资本配置总量和效率，创新是高质量发展的关键“支点”，是企业发展的“命脉”，持续重塑金融行业生态格局，才能为实体经济提供源源不断的创新活力（李春涛等，2020）。科技和金融的双向融合推动企业发展，其最终目标是降低企业融资风险，促进科技成果转化，加快创新型国家的建设。科技金融政策作为体制机制创新，研究其与城市创新水平之间的关系具有重要意义。

本文依据2010年五部门联合发布《促进科技和金融结合试点实施方案的通知》、《关于确定第二批促进科技和金融结合试点的通知》的“促进科技和金融结合试点”为准自然实验，通过多期双重差分方法验证政策的有效性。本文主要工作：①探讨2011年与2016年“促进科技与金融结合试点”对两批试点地区产生的城市创新水平效应，时长跨度为2004-2019年，涵盖全国284座城市，相比现有文献使用双重差分法以及城市数量较少而言，文章结论更具有说服力且更具有政策的现实意义。由于政策底层逻辑为降低企业融资难度，扩大企业现金流，进而维持或增加研发投入，所以识别研发投入的资金对城市创新水平的正向影响，才能更加肯定政策实施的有效与必要性。②不同于已有偏向宏观的省份层面研究科技金融指数对创新水平研究和偏向微观的企业创新产出的研究，本文从中观的城市层级出发，注重城市经济的异质性分析与探讨，涉及到城市行政等级、城市距离港口远近等新颖角度。文章最终目的在于为科技金融政策的深入和拓展提供新的认识和理解，科技与金融的有效结合，缓解科技创新的融资约束，促进地区创新水平的提高。

二、文献综述和研究假说

科技金融政策以企业为主体、市场为导向、城市为基本单元，结合金融资本与社会资本加速科技成果转化，城市内部企业科技创新成效与城市创新水平的提高有直接的联系。政策实施的有效性、资金投入对地区创新水平的影响以及政策作用的机制值得进一步探讨。

对于经济政策是否确定，顾夏铭等（2018）认为经济政策不确定性正向影响企业的创新投入和产出，但不确定性的上升也会带来对企业资本投资活动的抑制等负面影响。也有其他学者认为，相关政策的推行可以促进城市创新水平提升，推动经济的发展，Rosa et al. (2016)发现联邦政府在科学、科技、创新方面的公共政策的推进有利于以科技为基础的企业生态系统的发展，通过市政府的地方分权可以改善效率，加强区域创新，从而补充国家科技和创新政策。王秀丽等 (2020)分析了科技金融对中国国际技术创新的作用机制与正向影响效果，强调要完善科技金融不同主体的激励机制，加快国际专利的布局。李军林等(2021)对我国城市间的科技创新差异展开综合分解，发现地区中集信息化建设、资金投入等“组合拳”创新政策能够很好地提升城市创新水平。科技创新成果转化、实体经济发展均需要政策的支持。

基于此，提出假说1：实施科技金融政策正向影响地级市创新水平。

科技金融政策根本逻辑是拓宽资金引入渠道来缓解科技企业融资约束，资金供给的两个渠道，一是政府资金，二是金融机构资金。首先从政府资金投入的角度，国内外学者有不同思考，具有非盈利性质的中国政府补贴主要包括创新性补贴（科研专项、产业转型升级引导资金、企业研发等）和一般性补贴（环境治理、招商引资、经营不善等），国内学者白俊红等（2015）研究发现,协同创新过程中,政府科技资助、企业与高校的联结以及企业与科研机构的联结对区域创新绩效有显著的正向影响,李军林等（2021）证明政府支持创新资金投入，资助科研单位的原生创新，实现产学研合作比直接补贴企业更有助于扩大城市科技创新建设的成果。再者从金融机构资金投入角度，良好金融体系的形成能够增大企业创新资金的支持，对技术创新产生激励作用，Ruiya He（2018）利用向量自回归模型证明了直接和间接融资规模与科技创新呈正相关关系。King and Levine（1993a，1993b）利用内生增长模型发现了融资、预估企业现金流、评估企业创新活动风险是金融系统促进创新的方式。Subash Sasidharan et al.（2015）利用研发投入模型发现企业投资支出正向影响现金流量，支持了融资约束假说。科技型中小企业的发展需要较高的资金投入，政策的出现能够在一定程度上解决资金短缺的难点，同时科技型企业发展是区域经济创新转型的内在需求，微观企业的科技创新必然能在地区创新水平上得到体现。

由此，提出假说2：提升资金投入水平正向影响地级市创新水平。

资金投入是科技金融政策对城市创新水平产生影响的原因，资金投入产生作用的表现形式，具体可以延伸为两种效应，结合学者在此方面做的深刻探讨，总结来看主要为补贴效应与产业结构升级效应。

第一，补贴效应。马勇等（2022）探索货币政策与财政补贴政策交互效应对公司创新的影响，发现紧缩货币政策与财政补贴促进企业创新。Maribel Guerrero et al.（2021）结合墨西哥683个产业研究合作伙伴资源研究发现补贴项目的初始投入能产生一些追求补贴的预期社会经济回报。政策下专项资金、补贴、贴息贷款、科技保险、创业投资等金融资源会被投入到科技创新活动中，当然，财政补贴要适度，过高会对企业创新带来负面影响。中央财政设立国家科技成果转化引导基金，通过设立创业投资子基金、贷款风险补偿和绩效奖励等方式，刺激城市创新水平的提高。综合来说，主要是通过筛选科创企业合理配置金融资源、增加科技财政投入缓解金融资源错配现象、拓宽风险分散机制这三个渠道实现政策的补贴效应，也即融资效应。

第二，产业结构升级效应。首先，科技与金融结合水平提高伴随产业结构升级，科技金融结合对地区产业结构高度化效率和产业结构合理化具有显著的改善作用（冯永琦，2021）；其次，从配置效应的角度来说，科技金融促进产业结构升级的同时必然会促进全要素生产率的提高，提高全要素生产率是我国实现经济高质量发展的动力（冯锐等，2021）。“促进科技与金融结合”一定程度上减少了传统金融体系的限制，提升金融服务效率，能促进产业结构升级，产业结构升级更加会刺激当地创新水平的提升。张湘赣（2011）认为我国与发达国家相比，GDP差距主要来源于第三产业，所以产业结构升级依靠第三产业引擎拉动，产业增长模式的发展能够在地区经济水平有所体现，产业结构升级能够拉动地区的创新水准，助力我国经济高质量发展。胡欢欢等（2021）验证了科技金融政策通过金融发展和技术创新的学习效应、扩散效应、协同效应推动产业结构升级，产业结构升级也将会刺激创新驱动深化，引导资金的市场化运作。科技金融的发展对我国第二产业的升级具有较为显著的推动作用，产业结构高级化与地区创新水平密切相联，政策实施会通过“产业结构效应”促进城市创新水平的提高。Ning Wu et al. (2020)以中国地区为研究对象发现高等教育和技术创新对产业结构升级具有显著的空间溢出效应，产业结构升级又推动下一轮科技创新。更早的学者探讨中，基于中国省际面板数据对“产业升级能否带动自主创新能力提升”问题进行实证研究，吴丰华等（2013）发现产业升级可以通过微观需求拉动效应、中观地区协同效应、宏观国际贸易效应带动企业、地区、国家三个层面的自主创新。

基于以上讨论，提出假说3：“促进科技与金融结合试点”政策通过补贴效应与产业结构效应提高地区创新水平。

三、数据和描述性统计

（一）样本与数据来源

第一，验证政策有效性。（1）根据下发通知确定处理组城市，在这些试点地区里有直辖市、地级市、经济区、创新示范区等，两批试点地区可细分为49个城市单位（冯永琦等，2021；冯锐等，2021；马凌远等，2019），对降级城市、更名城市以及数据模糊、数据不完整的城市进行剔除，最终获取30个省份284个城市的平衡面板数据。（2）2002年后国内大环境基本处于稳定状态，采用2004-2019年时间跨度对该政策进行验证。由于该政策设置试点存在不同批次，我们参照Thorsten Beck et al.（2010）的做法选用多期双重差分法来检验这项科技金融政策是否对城市创新程度的提高起到推动作用。（3）实证研究中涉及的城市创新能力使用城市年末发明专利数量、实用新型专利数量、外观设立专利数量三个维度来衡量。控制变量中经济发展水平、产业发展水平、人力资本水平、人口规模、环境污染的相关数据均来自于2005-2020年《中国城市统计年鉴》，少数缺失值用趋势递推法补齐。

第二，为更好地链接机制效应，检验资金投入是否带动了地区层面的创新。为更具有强烈直观、准确与细致认识科技与资金对城市创新的影响，选取高新技术中小企业的研发支出数据进行研究。（1）筛选数据，选择深证主板A股、创业板、科创板、北交所，本文借鉴彭红星等（2017）做法，确定高科技上市公司行业代码，全部样本涉及3个门类和19个大类①借鉴《战略性新兴产业分类目录》、《战略性新兴产业分类（2012）（试行）》和经济合作与发展组织。。（2）由于企业研发支出指标在2011年前数据记录不全，选取2011-2019年所有相关企业进行检验，在数据整理过程中剔除ST类股票以及资产负债率大于1，资不抵债企业，最终获取11016个企业观测值。（3）为消除异常值影响，对公司研发支出在1%水平上进行缩尾处理。（4）对没有记录省份与城市的企业，手动查询填补，然后根据在相同城市的企业进行求和与对数化处理，最终获取150个地级市数据。

（二）变量定义和数据描述

本文核心解释变量是各地级市与政策实施时间的双重差分估计量与研发投入；被解释变量采用地级市年末发明专利、实用新型专利、外观设立专利数量来衡量创新水平，其中发明专利数量用以衡量一个地区最核心、最直接的自主创新能力（吴丰华等，2013）；关于控制变量的选择，结合已有文献研究，选用控制变量及计算公式：①经济发展水平：ln(人均地区生产总值)。用来控制一个地区经济的时变变化对城市创新水平的影响。②产业发展水平：第三产业增加值/当年地区生产总值。第三产业的集聚度与区域科技创新水平存在正向关系。③人力资本水平：信息传输计算机服务和软件从业人员数量、金融业从业人员以及科学研究技术服务人员之和/地区从业人员总人数。高新技术产业的集聚会促进地区人力资本水平提升并对当地创新水平带来影响。④环境污染水平：ln(工业氮氧化物排放量及工业废水排放量)。中国经济在快速发展的同时，环境污染问题也日益严重，国家也相应提出了较多政策和措施促进地方重污染企业转型升级，新创建中小企业也响应国家号召并为获取较多经济支持而申请较多环保型专利。⑤地区人口规模：ln(城市年末总人口数)。人口规模优势较大的城市对各种资源产生强大的集聚力，同时在一定程度上代表市场规模，市场规模越大其地区创新回报水平越高，这会促进当地更多企业进行创新。

表1是变量的描述统计，核心解释变量l n（investment）最小值与最大值相差较大，说明地级市研发投入水平悬殊。从证明政策有效性角度，我们共获得4544个城市观测值，被解释变量最小值与最大值相差悬殊，标准差也较大，即284个城市的创新水平悬殊较大。

表1 描述统计

四、研究设计

为验证假说1，借鉴冯永琦等（2021）建立如下模型：

2011年与2016年分两批进行的“促进科技与金融结合试点”政策是科技金融政策下将创业投资、银行信贷、多层次资本市场、科技保险等多项细微政策融合，对企业、地区、国家的创新水平提升发挥重要的助推作用。式中i为各个城市，t为年份，被解释变量patent_inventionit、patent_utilityit、patent_designit为城市i在t年的获得的三种专利数量；didit为treatmenti*postt，如果didit系数α1显著大于0，那么说明“促进科技与金融结合试点”政策对试点地区存在创新带动效应；ηi、μt分别为个体固定效应与时间固定效应。εit是随机扰动项。模型使用OLS方法进行回归，并将标准误聚类到各地级市层面。

为验证假说2，借鉴彭红星(2017)、马凌远（2019）建立如下双向固定效应模型：

patentit是地区层面的三种专利类型申请数量总和，ln(investmentit)是地区层面相关企业研发支出之和，Xcontrolit为影响城市创新水平的控制变量；ηi、μt分别为个体固定效应与时间固定效应。由于地区创新水平的提高会刺激企业研发投入的增加，核算研发投入时，发现有企业未公开数额，核心解释变量会存在双向因果以及样本选择的内生性问题。为解决内生性问题，我们利用万人均银行机构数量number_w作为研发投入的工具变量,地区万人均银行机构数量越多则金融服务可获性越高，金融排斥程度越低(董晓林等，2012)。工具变量的选择也通过了第一阶段弱工具变量的检验，是强工具变量。

为验证假说3，建立如下模型；

（1）、（3）、（4）式构成中介效应检验的递归公式，sub与indgrow分别代表地级市层面的补贴效应与产业结构升级效应，在模型（3）、（4）中用inter代表，我们关注（3）式中系数α1是否显著，如果显著关注（4）式中系数α1、α2的显著性，若α1不再显著，α2显著，则说明该机制变量为完全中介效应，若α1仍显著，但显著性下降或比（3）式中系数α1值要小，α2也显著，则该机制变量呈现部分中介效应。

五、“促进科技与金融结合试点”政策对地级市创新水平的影响

（一）地级市创新水平趋势图

双重差分模型结果成立的前提是满足“平行趋势检验”，由于本文是多批试点的政策实施，所以参考事件分析法进行时间异质性检验，设定以下模型：

式（5）中，代表“促进科技与金融结合”试点设立这一事件的虚拟变量，假定城市i开始试点的年份为yi，令k=t-yi；当k≥-8时，相应的=1，否则为0，据此生成虚拟变量，依次类推，生成、等虚拟变量。在具体的回归分析中，本文以k=-8为基准期，式中不含有这个虚拟变量。通过比较式中βk的经济和统计显著性就可以检验试点的时间变化的有效性，考察政策的动态效果。如图1、2、3，对三种专利的时间异质性分析即的系数随时间的变化情况，从实施试点政策的当年，置信区间为95%的系数显著性有了较大幅度的改善，直到设立后的第8年，试点的城市创新水平都有了很大改观。总体来说，“促进科技与金融结合”试点通过平行趋势检验。

图1 政策时间异质性检验（人均发明专利）

图2 政策时间异质性检验（人均实用新型专利）

图3 政策时间异质性检验（人均外观设计专利）

（二）研发投入对创新水平及多期双重差分模型实证结果分析

表2是模型（1）的回归结果。（1）、（3）、（5）列未控制固定效应以及控制变量，而（2）、（4）、（6）则报告了控制所有变量以及固定效应的完整结果。结果显示，变量did的系数均在1%的水平上显著，表明“促进科技与金融结合”试点的成立对所在城市创新水平的提升有显著带动效应，科技金融政策能够改善企业财务状况，优化企业投资、融资行为，促进了微观主体创新转型。根据表2第（2）列，试点的设立会引起所在城市年万人均发明专利、实用新型专利、外观设计专利增加3.4088、11.0511、4.9809个单位。在本文平行趋势检验中，我们可以看到三种专利类型在之后8年都处在增长状态，这对试点地区创新水平的提升不可小觑。因此，假说1成立，试点地区的城市创新水平会受到“促进科技与金融结合”试点政策的影响，这种带动效应具有很强的统计与经济显著性。

表2 基准模型回归结果

表3是模型（2）的回归结果，第一列汇报OLS的估计结果，ln(investment)的系数为0.0048，在1%置信水平上显著，说明研发投入资金的增加确实能够促进地级市创新水平的提高。为解决地级市研发支出与城市创新水平的内生性问题，选取2007年到2021年所有银行机构数据，补充未公开所在省份与地区的银行，整理后共3905个银行观测值，并按照不同地级市对银行的国内机构数量进行求和，最终获取148个地级市银行机构数量数据，获取“万人均拥有银行机构数量”工具变量。第二列汇报了使用工具变量的面板IV结果，主要变量ln（investment）在10%置信水平上为正，系数大小为0.0031，与双向固定下OLS的结果降低35.42%，说明该工具变量在一定程度上解决了内生性问题。第（3）列是IV回归第一阶段结果，工具变量F统计值为47.71,通过了不可识别检验、弱工具变量检验、Sargan检验以及Hausman检验，证明存在内生性问题且找到了强工具变量来解决内生性。第（4）列汇报了系统GMM回归结果，研发投入系数为0.0058，在1%的置信水平上显著。以上回归结果均证明了资金投入能够促进地区创新水平的提升，假说2得证。

表3 资金投入对城市创新水平的实证结果

（三）稳健性检验

1.共同趋势假设

利用双重差分模型识别政策冲击的有效性，其前提条件是成为试点的城市（处理组）与没有成为试点的城市（控制组）在这项政策实施之前并不存在显著差异，即创新水平存在一致的发展趋势，如上图所示，变量在政策实施前置信区间均含0，实施后，变量显著水平大幅上升。考虑到政策的规划需要提前一段时间，同时会有重大利好信息传播路径的存在，所以在图中显示前一年有部分显著的趋势。

2.PSM-DID

利用倾向得分匹配方法修正样本选择性偏误，“促进科技与金融结合”试点至今分为两批设立，将49个试点地区作为处理组，利用倾向得分匹配，按照1：1近邻匹配有放回抽样的方法逐年匹配。表4呈现了匹配后处理组与控制组样本各控制变量的均值差异，p值在10%水平上不显著，处理组与控制组的样本相对平衡。表5是对匹配好的样本进行did的统计结果，did的系数大小降低但在1%水平上显著。

表4 匹配后处理组和控制组特征变量的均值差异

表5 PSM-DID回归统计结果

3.安稳剂检验

本文为多期DID，不同试点的政策实施时间不同，单纯地随机抽取处理组与控制组已不适用。故为每个样本对象随机抽取样本期[2004,2019]作为政策时间，抽取次数为500次，由此可得到500个did的估计系数。抽取样本结果如附录2中图4、5、6所示，以图4发明专利安慰剂检验为例，绝大多数的p值在10%以上，从图中可以看出，系数的大小远小于原估计系数4.9809，随机设定政策实施时间会导致“促进科技与金融结合”政策对试点城市创新水平的提升效应失去作用，从反事实角度证实了该政策的有效性。

图4 安慰剂检验（人均发明专利）

图5 安慰剂检验（人均实用新型专利）

图6 安慰剂检验（人均外观设计专利）

六、进一步分析：机制分析与异质性分析

（一）机制分析

按照中介效应检验的递推公式，我们对上文提到的可能机制进行检验。补贴效应用地方一般预算科学技术支出占地区公共财政支出的比重来衡量，产业结构效应用产业结构高级化进行衡量，计算公式为第三产业增加值与第二产业增加值之比。融资效应倾向于微观个体，从经济学意义上，试点的成立会带动企业的融资，尤其是科技型中小企业群体会将融资的很大一部分投入研发生产，而文章从城市角度着手，城市层面适合对补贴效应与产业结构效应进行检验。

1.补贴效应检验

科技金融体系的资金来源主要是政府资金、债权融资以及股权融资，其中政府资金的投入包括专项资金、补贴、流动贴息贷款、科技保险、创业投资等,这些相关的补贴措施提高了科技金融政策的有效性。表8显示did的系数较之表2结果，发明专利、实用新型专利、外观设计专利分别下降13.89%、18.80%、22.42%，所以补贴效应为机制变量，属于部分中介效应。

表8 机制检验-补贴效应

2.产业结构效应检验

产业升级可以通过微观需求拉动效应、中观地区协同效应、宏观国际贸易效应带动企业、地区、国家三个层面的自主创新。产业联动需要科技金融的支持，用科技创新推动第二产业产业结构调整（章奇，2016），产业结构转型与经济结构转型反过来会促进科技创新。表9为检验结果，产业结构效应也是部分中介效应。产业与科技的结合，构成新的要素组合产生新优势，提高城市的创新水平。

表9 机制检验-产业结构效应

（二）异质性分析

政策制定应有地理区域位置的考量，以及区域下不同城市的行政级别和政府效率是否会影响政策效果，科技金融政策的实施效果是否也会与贸易对外开放规模有关联，考虑到以上情况，进行以下验证分析。

1.区域城市考察

将284个城市按照东、中、西①按照中国经济社会大数据研究平台的分类，东部地区包含北京市、天津市、河北省、辽宁省、上海市、江苏省、浙江省、福建省、山东省、广东省、海南省；中部省份包括山西省、吉林省、黑龙江省、安徽省、江西省、河南省、湖北省、湖南省、内蒙古自治区（东部）；西部省份包括广西壮族自治区、重庆市、四川省、贵州省、云南省、陕西省、甘肃省、青海省、宁夏回族自治区、新疆维吾尔族自治区、西藏自治区（由于数据可获得性不足，不做研究）。进行划分，分组进行回归，考察政策在不同地区的影响。从表10可以看到东部的三种专利类型的did回归系数均比表2中did的回归系数高，中部和西部则小于原基准回归系数。东部由于经济底蕴深厚、资本市场较为完备、科技金融生态环境更优，所以该政策在东部地区取得的效果更显著。总体来看，无论东部、中部还是西部系数均在1%与5%水平上显著，政策实施能够改善城市的创新水平。

表10 异质性检验-地区

2.城市行政级别考察

考虑到中国城市的行政划分，行政级别高的城市，各种资源等会倾斜，对于“促进科技与金融结合试点”政策的实施可能会存在差异，引入城市行政级别与did的交互项，按照正部级（直辖市）、副部级（副省级城市含5个计划单列市）、准副省级城市（包括十大“较大的市”）、正厅级（一般地级市），分别赋值4、3、2、1。表11中发明专利的交互项系数为1.6772，在5%的置信水平上显著为正，而实用新型专利交互项系数为正但不显著，外观设计专利交互项系数为负且不显著。通过回归结果来看，对于发明专利，行政级别越高的试点城市申请数量越多，而对于实用新型专利与外观设计专利行政级别带来的资源优势并不明显，由于发明专利数量是衡量一个地区最核心、最直接的自主创新能力，可以说明行政级别高的城市自主创新能力在科技金融政策下有更好的表现。而对于实用新型与外观设计，行政级别没有太大的影响，根据激励相容理论，说明政策实施对于行政级别低的城市起到创新的激励作用。

表11 异质性检验-行政级别

3.距离最近港口的距离考察

选取各城市到最近港口的距离来体现贸易对外开放程度，引入距离与did的交互项。表12是回归结果，可以看到港口距离越远，对政策有效性就会有抑制作用，港口距离越近的城市越靠近国外市场，市场潜力更大，创新水平就越高，内陆腹地创新动力低，说明科技金融政策要向港口距离较远的城市进行差别激励，如增设内陆贸易点，增进地区间交流，加大金融对距离港口距离较远城市的实体经济的有效支持。

表12 异质性检验-港口距离

4.政府效率考察

根据《中国地方政府效率研究报告（2020）》，由于直辖市经济与区位的比较优势以及政治地位较高，为了保证城市自身特性的一致性，排名仅涉及地级市。与城市等级同样的处理方式，采用交互项形式进行验证。表13可以得到，政府效率排名的数值越大，其对应的城市创新产出就越低。did与政府效率排名的交互项估计系数的大小来看，其影响不够明显，其原因是由于排名属于百强，即本身地级市就具有一些创新创业的基础优势，但从统计结果来看，系数显著为负，说明政府效率越好的地级市，创新水平越高。所以，要重视发挥政府与市场“互惠之手”而非替代关系,使政府与市场在相应的生态位相互增强提高营商环境承载力,提升政府效率在产生高创业活跃度上发挥较普适的作用（杜运周等，2020）。

表13 异质性检验-政府效率

七、结论与政策建议

提倡科技与金融深度融合，引导金融资金流向高新技术产业，建立城市创新水平新高度，加快提高我国整体科技水平提升。“促进金融与科技结合试点”政策有效提高国家整体创新水平，同时通过补贴效应与产业结构效应刺激地区创新，越高的城市金融发展水平能对政策做出较强反应，不同区域、不同城市行政等级、距离港口远近、不同政府效率政策实施效果存在异质性。政策检验结果均通过了稳健性检验，为更好地发挥该项政策创新驱动作用，结合上文，从国家层面、城市层面、银行与企业层面给出建议。

首先，国家应有经验地扩大科技金融政策的试点地区，发挥首批与第二批试点的创新辐射作用，向相关地区提供更多的科技创新自主空间。国家方面要注意政策的现存缺陷，要先根据各试点的政策反馈进行完善后进行第三批试点推广。例如，西部试点地区实施效果严重低于三个划分地区均值，要考虑试点政策提供的基础条款是否适合西部地区现有的经济状况发展，是否要具体地区具体罗列优惠条款，需要给到各试点地区一定程度的自主发挥余地。城市发展水平、城市行政等级、距离港口远近和政府效率会影响创新效应，在完善政策时要考虑是否先将有限的资源先给到大城市，后期利用大城市发展资源后定点帮扶中小城市提高创新水平。国家层面要注重城市与城市间的各类资源的协调互动，促进城市创新效应的内生。其次，城市层面要结合现有资源，向高新技术类产业进行资源倾斜，同时保证农业类企业的生存和发展。城市要制定符合市场经济规律，量身打造适合本地区发展的科技金融政策并保证政策的实施，这要求在公共服务、公共资源配置、政务公开等方面加强管理。完善群众反馈路径，实时跟进政策落实情况，不同地区的地级市要根据自有的资源实行差异化战略。最后，银行与企业之间要建立良好的信用模式，由于我国金融系统的供给偏向性使得众多中小企业无法获得稳定的融资现金流，企业不能够从正规体系获得资金，从而阻碍了企业的发展。银行要做科技金融政策落实的排头兵，研究开发新型金融产品，创新知识产权质押贷款，及时加入供应链金融时代，合理配置资源，为企业发展谋求出路。