省际金融与科技创新互动关系的实证研究

　　0引言

　　金融发展与科技创新之间，存在着互相促进的辩证关系：一方面，高新技术产业的资本密集、高风险等特征决定了科学技术转化为生产力离不开金融的支持，金融自身的现代化水平不断提高也需要依靠科技的支撑。另一方面，科技进步能够提高金融创新能力和综合竞争力，是防范金融风险和保障金融安全的重要手段。国内外的大量实践表明，科技创新与金融发展相结合能够带来生产力的飞跃,短期有利于缓解科技投入短缺，长期有利于引导自主创新向更加贴近市场需求、更加注重创新效益和效率的方向发展。研究金融发展与科技创新之间的互动关系，对两者关系及协调水平进行一个全面的评估，可以发现其中存在的问题，有利于国家调整宏观科技政策与金融政策,为政府决策提供参考。

　　1理论基础

　　由于金融体系包括银行、资本市场、风险投资、保险等多个方面，因此研究金融与科技创新的关系也围绕这些领域展开。关于银行金融体系与科技创新关系的研究，国外大多数学者认为，银行和资本市场对企业R&D有重要的促进作用。Schumpeter(1912)认为'银行通过识别和支持那些能够成功开发并商品化、产业化创新产品的企业家来促进技术创新。Goldsmith(1969)的研究表明,金融机构在墨西哥快速工业化过程中起着至关重要的作用。King、Levine(1993)研究发现'金融系统通过识别最有前景的项目和企业并加大对这些项目和企业的信贷资金支持从而促进技术创新。Stulz(2000)认为'通过对创新项目的监控,银行能够较可靠地根据项目进展及其资金需求情况来为创新项目提供额外的资金支持。

　　李悦(2008)认为'金融市场在支持创新性产业成长和处于生命周期初级阶段的新兴产业融资方面具有优势，能够促进产业结构处于较好的动态优化状态，而银行中介在学习和推广成熟产业技术方面效率更高。周孝坤、冯钦等（2010)基于中国1978-2008年的数据'运用格兰杰因果检验的方法，分析了科技投入和金融深化在影响我国产业结构升级过程中的不同作用，发现金融深化是产业结构升级的格兰杰原因，产业结构升级不是金融深化的格兰杰原因。崔毅、赵韵琪等(2010)采用DEA对全国各省、直辖市、自治区科技的金融投入与科技产出的效益进行评价,发现影响广东省科技与金融结合效益的主要原因是科技的金融投入结构不合理、科技产出的阶段不协调、金融投入资源的管理效率较低。周昌发(2011)认为'我国科技金融发展的保障机制还存在制度系统性差、层级较低、法律不完善等问题。

　　关于风险投资与科技创新关系的研究，Hall认为'在资本市场工具中只有风险投资较好地解决了技术创新融资所遇到的信息不对称、道德风险以及融资成本高等问题，它对技术创新的促进作用远高于其他资本市场工具的作用。Kaplan、Stomberg(2003)指出风险投资作为一种权益融资,不仅能够满足科技企业在创立初期对资金的需求，而且还能够通过参与董事会、制定发展战略、监管公司行为和雇佣管理层等方式来迅速促进科技型企业的成长。

　　在实证研究方面,Kortum、Lerner(2000)的研究结果表明?,1美元风险资本对专利数量的促进作用大约是1美元R&D经费投入产出的3.1倍。Tykvova(2000)研究发现?,风险投资对德国的专利发明活动有显著的正面影响，并且风险资本是德国企业技术创新活动极其重要的资金来源。Casamatta(2003)认为,有风险投资支持的企业经营业绩明显比没有风险投资支持的企业业绩要好，风险投资是提高企业盈利能力的重要手段和方式,风险资本的支持与否成为影响企业创新能否成功的重要因素。Keus-chning(2004)从一般均衡的角度阐释了大量的风险投资机构和有经验的投资家的存在可以大大提高创新的成功率和技术创新效率。王雷、党兴华（2008)对1994一2006年间中国R&D经费支出、风险投资与技术创新以及高新技术产业产出的相关性进行实证研究,结果表明,风险投资额与专利授权数、高技术产品出口额、高技术产业工业总产值以及高技术产业工业增加值具有正相关性。王玉荣、李军(2009)运用回归分析方法分析了风险投资对中小企业自主创新的影响,发现风险投资股东持股比例与企业自主创新资本投入强度正相关,但风险投资股东持股比例与企业自主创新效果指标之间存在不显著的负相关关系。

　　由于风险投资和科技型企业自身的特殊性决定了两者关系存在着一些消极影响。Rajan(1992)指出,由于银行在信息获取与处理方面具有比较优势,在与创新主体的交往过程中银行能够获得一般渠道难以掌握的大量信息，并形成利用信息获取信息租金的动力，导致企业降低从事有利润项目的积极性进而阻碍科技创新。Instein、Yafeh(1998)、Morck、Na-kamura(1999)认为,由于银行遵循稳健经营原则，作为债权人在进行信贷投资时表现出其内在的厌恶和回避风险的本性，往往导致那些创新程度较大、效益较高但风险较大的项目难以获得银行信贷的支持，因此以银行为主导的金融体系不利于创新。龙勇、杨晓燕(2009)认为风险投资公司和创新企业中间会出现信息不对称，带来委托代理问题和道德风险,使得创新企业的融资成本高于其他一般融资渠道,从而导致技术创新投入不足。

　　关于资本市场促进科技创新的研究，Levine、Zervos(1998)运用47个发达国家和发展中国家1976-1993年的数据,采用最小二乘法研究了股票市场发展对经济增长的影响。发现股票市场不仅与同期全要素生产率和经济增长有着显著的正向关系，而且也是它们很好的预测指标。Hyytinena、Toivanen(2005)认为,资本市场不完善阻碍了创新和经济增长，但公共政策可以弥补资本市场不完善的缺陷。陈凤娣、吴有根(2006)对资本市场在自主创新战略实施进程中的作用、中国资本市场已经具备的支持科技自主创新的有利条件、存在问题以及发展思路等进行了分析[23]。辜胜阻、洪群联等(2007)认为[24],创新的层次性和阶段性及企业所具有的不同规模和生命周期，决定了为企业技术创新提供融资支持的资本市场必然是一个多层次的资本市场。

　　关于政策性金融与科技创新的关系，买忆媛、聂鸣(2005)认为,开发性金融机构积极参与企业的技术融资，可以有效地补充资本市场尚不发达的发展中国家风险投资的不足，特别是那些存在巨大的技术和商业风险而不被风险资本接受的项目，从而提高企业的技术创新效率。李坤、孙亮（2007)认为,开发性金融能有效地将中小型高科技企业与资本市场连接起来，既可解决中小型高科技企业资金短缺问题，还能提高其技术创新能力，改善经营管理。肖科(2009)利用联立方程模型测度政策性金融对我国自主创新成果转化的直接和间接贡献,模型中将政府财政科技拨款也作为金融的一部分。王海等(2003)根据科技资金投入与科技活动产出过程的特点,提出了评价科技金融结合效益的指标体系和效益评价模型。

　　此外，关于科技型企业内源性融资，由于信息不对称,科技型企业R&D外部融资成本要高于内部融资成本,所以科技型企业R&D经费投入通常依赖内部资金。而企业内部资金需要用于多种投资及生产经营活动，因此,科技型企业总的经费投入就会受到内部资金的约束。

　　由以上研究可以看出，关于金融与科技创新关系的研究比较丰富,涉及金融体系中银行体系、风险投资、资本市场、保险、政策性金融等，既有理论研究，也有大量的实证研究。研究视角既有宏观的国家与地区层面，也有微观的企业层面。总体上，还存在以下不足。

　　第一，在研究对象上，由于金融与科技创新数据获取的困难，因此,许多研究集中在金融体系中某个变量与科技创新体系中某个变量之间关系的研究，比如风险投资、资本市场等与科技创新R&D经费投入、专利授权数、高新技术产品出口额等的关系，缺乏宏观金融与科技创新关系的研究。

　　第二，现有研究往往更多地侧重于金融对科技创新的研究,较少涉及科技创新对金融的影响，而且这部分关于科技创新对金融影响的研究视角较窄，主要从提高金融体系的现代化、信息化水平的角度，缺乏对机制层面的深入研究。

　　第三,从实证研究方法看，现有的研究方法主要有回归分析、向量自回归模型构建等，缺乏采用面板数据的分位数回归、面板向量自回归模型的研究，因此不能全面反映金融与科技创新的互动关系。

　　本文在分析金融与科技创新互动机制的基础上，基于面板数据，首先采用TOPSIS评价方法对科技产出进行评价,然后采用格兰杰因果检验、分位数回归模型、面板向量自回归模型全面分析金融发展与科技创新之间的互动关系。

　　2研究框架

　　本文的研究框架如图1所示,研究金融与科技创新之间的互动关系，首先进行两者互动机制的理论研究,然后再从静态与动态两个视角进行实证,静态研究主要采用格兰杰因果检验与面板数据分位数回归进行,动态研究采用面板向量自回归模型进行,在此基础上进行脉冲响应函数和方差分解分析，最后再进行综合分析。

　　研究金融与科技创新的关系，采用传统的生产函数进行，其中投入变量为科研经费投入、人员投入、金融水平，产出变量为采用TOPSIS评价方法计算的科技产出,建立如下模型：

　　log(Y)=c+alog(K)+卢log(L)+ylog(FIR)(1)式中：y表示科技产出；K为科研经费投入;L为科研人员投入;FIR表示金融水平；c为常数项；a、13、y分别表示回归系数。为了减少异方差，同时增强结果的解释性,所有变量都取对数进行处理。

　　本文采取面板数据进行分析，它有很多优越性，更能反映个体变化,有更高的效率，能够较好地解决多重共线性问题,对遗失重要变量也不敏感格兰杰因果检验能够从数据角度分析金融与科技创新是否存在理论上分析的互动关系；与普通最小二乘回归相比,分位数回归更能精确地描述自变量对于因变量的变化范围以及条件分布形状的影响?,能够反映不同科技产出水平下各投入要素的贡献,有利于发现潜在的问题;面板向量自回归模型能够反映金融与科技创新之间的互动关系。

　　3金融与科技创新的互动机制3.1金融对科技创新的促进机制

　　第一，金融体系能够提供科技创新中急需的资金,并且在创新型企业成长过程中，政策性金融、风

　　险投资、资本市场、金融保险等不同的时期会发挥不同的作用。

　　第二,金融能够加快科技成果转化的步伐，引导科技创新适应市场需求,提高创新的绩效。

　　第三，金融体系自身对科技创新也存在巨大的需求,金融体系在很多方面需要专用技术,从而对软件、设备、网络、计算机安全等提出了更高的要求，要求广大信息技术厂商不断研发新的技术,从而带动科技创新。

　　3.2科技创新对金融的促进机制

　　第一，科技创新能够提高金融系统的效率和竞争力。目前,所有的金融机构都实现了电脑化、网络化、信息化，同时，科技创新也是防范金融风险和保障金融安全的重要手段。信息技术的应用，大大提高了工作效率，节省了金融系统的劳动力成本,加快了资金周转,改善了金融服务方式。

　　第二，科技创新能够提高金融创新能力和综合竞争能力。依靠金融技术创新、产品创新、制度创新，能够提高金融机构的风险控制能力和综合竞争力，对金融机构的经营方式和组织结构也能产生深远的影响。

　　第三，科技创新对金融体系产生了深远的影响。信息技术改变了货币的形态与职能，促进金融市场一体化,加速国际资本流动,使得金融机构的筹资渠道大大拓宽。同时，技术手段的进步又使金融机构临时融通资金的能力大为增强，各种金融科技产品也在整体上提高了金融机构的资产流动性，减少了中央银行调节基础货币的渠道,使中央银行控制基础货币的职能主要依靠公开市场业务来进行。

　　第四，科技创新能够增加综合国力，带来经济高速增长，由此带来了金融体系的繁荣与壮大，是金融发展的根本动力所在。

　　4数据获取

　　关于金融水平的度量,典型的是采用金融相关比率(Fir),指全部金融资产价值与全部实物资产价值之比，由于我国缺乏金融资产的统计数据，而银行在我国金融体系中占有绝对重要的地位，因此,本文用存贷款余额与GDP的比率作为衡量金融发展的指标。

　　科研经费投入采用分省的r&d研发投入数据，科研人员投入采用R&D人员全时当量。科研产出指标有：技术市场成交额、SCI检索论文数、EI检索论文数、ISTP检索论文数、发明专利数、实用新型专利数、外观设计专利数,采用TOPSIS评价方法对7个产出指标进行评价后作为科技产出变量。

　　关于投入产出滞后期的确定，不同科技成果产出的滞后期并不一致，比如论文从投稿到发表的时间需要半年到1年多，申请专利的时间往往需要1年到3年多，技术市场的滞后期一般1年多，本文将科技产出的滞后期综合设定为2年。

　　需要说明的是，由于无法获得科研资本投入的存量数据,本文只能用流量数据替代。西藏地区由于数据缺失较多，因此舍弃西藏数据。由于部分年度数据无法获得,本文所有数据来自于2002-2009年期间的《中国统计年鉴》、《中国科技年鉴》，实际数据为2001-2008年的数据。数据描述统计量如表1所示。

　　变量间的相关系数如表2所示，K和L之间的相关系数较高，为0.97,而FIR与其他变量的相关系数不高，由于采用面板数据，可以在很大程度上抵消多重共线性的影响，因此变量的相关性问题对本文的结果影响有限。

　　5实证结果5.1科技产出评价

　　TOPSIS(TechniqueforOrderPreferencebySimilaritytoIdealSolution,TOPSIS)是一种常用的多属性评价方法[34],它根据各被评估对象与理想解和负理想解之间的距离来排列对象的优劣次序。与简单的加权平均汇总相比，其计算简便，单调性好，注重评价指标体系的系统性，强调指标体系总体水平的协调,评估结果较合理。

　　式中：n为评价对象的个数；i、j分别表示评价对象的序号和评价指标的序号,取整数为标准化后的指标值；.&■表示理想解；Tlnm表示负理想解为评价值。

　　采用TOPSIS评价方法对7个科技产出指标进行评价，这7个指标都是正向指标,在评价前必须进行数据标准化处理，方法是用每个指标值除以极大值,为了减少计算误差,所有标准化数值都乘以100进行了适度放大,这样7个指标中每个指标的极大值都是100,符合人们的习惯。

　　还有一个重要的问题是，由于是面板数据，所以在选取理想解和负理想解时是2001-2008年期间的最大值与最小值，否则不同地区不同年度的科技产出变量不可比。图2为采用TOPSIS评价方法计算的2008年科技产出排序结果。

　　5.2金融与科技创新的格兰杰因果检验

　　从理论上讲,金融与科技创新之间是双向因果关系，那么实际数据是否支撑这个结论昵？常用的检验方法是格兰杰因果检验。考虑到两者发挥作用的滞后期在1?4年之内，因此滞后期以此为准。

　　常用的面板数据单位根检验方法有ADF检验、

　　Levin检验、PP检验等，由于检验原理不同，不同检验方法的结果不尽相同，本文以三种方法结果一致为准,这样更加有说服力。结果如表3所示。经过一阶差分,R&D经费投入、研发人员全时当量、金融水平及科技产出4个变量都是平稳时间序列。

　　格兰杰因果检验结果如表4所示,在滞后2年的情况下，科技产出是金融的格兰杰原因，在滞后4年的情况下，金融是科技产出的格兰杰原因，总体上，两者的因果关系不是很明显，深层次暴露出金融与科技创新体系的协调尚存在问题。

　　5.3科技投入产出的分位数回归

　　为了精细刻画不同科研产出水平下R&D经费投入、R&D人员全时当量、金融水平的贡献,将科研产出分为10个分位（r=0.1?0.9),滞后期选取2年,采用分位数回归进行估计,结果如表5所示，为了进行比较，表5还给出了混合回归结果。t=0.2?0.4时,研发人员全时当量与科技产出无关，当r=0.1?0.3及r=0.9时,金融水平与科技产出无关。拟R值在0.766?0.811之间，总体上属于中高程度的相关。

　　为了更清晰地反映不同投入要素在不同产出水平下贡献的弹性系数差距并总结其中的规律,将所有投入要素在不同分位下的弹性系数画成折线图，结果如图3所示。可以得出如下结论：

　　第总体上,R&D经费投入对科技产出的贡献最大,R&D人员全时当量劳动力次之,金融对科技产出的贡献最低。

　　第二，在最低科技产出情况下（r=0.1?0.3),金融与科技产出无关，在最高科技产出情况下（r=0.9),金融同样与科技产出无关。在中高科技产出情况下（r=0.4?0.8),金融对科技产出有显著的贡献，并且随着r值的升高，贡献呈上升的趋势。也就是说,在科技水平不发达和高度发达地区,金融对科技的贡献效率极低,从而导致金融与科技产出无关。

　　第三，随着r值的升高,R&D经费投入对科技产出的贡献总体呈下降趋势,也就是说,在科技产出较高地区,R&D经费投入对科技产出存在着低效率。

　　第四，R&D人员全时当量在科技产出最低地区(r=0.1)和中高地区（r=0.5?0.9)对科技产出有较大贡献,也就是说,R&D人员全时当量在科技产出较低地区存在低效率,导致其与科技产出无关。

　　5.4面板数据向量自回归模型

　　由于面板数据是平稳的，因此可以继续进行协整检验,最佳滞后阶数为2(根据前文的分析)。协整检验方法采用Kao面板协整检验，发现存在协整关系。接着建立VAR模型，模型的整体拟合度R2为0.992,且VAR模型所有特征根都位于单位圆内，模型结构稳定,拟合效果较好。

　　VAR模型是一种非理论性的模型，它的系数没有经济学意义,在分析VAR模型时,往往不分析一个变量的变化对另一个变量的影响，而采用脉冲响应函数和方差分解进行分析,金融与科技创新的脉冲响应函数如图4所示。

　　科技产出与金融的脉冲响应函数如图4所示,首先,看科技产出的脉冲响应函数,来自金融一个标准差的正向冲击,对科技产出几乎没有影响，科技投入产出有其自身的规律，短暂金融冲击对其不会产生影响。来自R&D研发投入的冲击对科技产出影响较大,不过初期有短暂且较小的负反馈,随后会稳定升高。来自R&D研发人员全时当量的冲击对科技产出的影响要小于R&D研发投入的影响，在初期也有少许负反馈,随后也会稳定升高。

　　其次,看金融的脉冲响应函数,来自科技产出的冲击，当期对金融就有较大贡献,在第二期经过短暂调整后缓慢升高，说明科技创新对金融的影响持久而稳定。来自R&D研发投入的冲击当期对金融影响为0,随后在第二期达到最大,然后平稳下降,R&D研发投入对金融的影响主要是通过产出对金融产生间接影响。来自R&D研发人员全时当量的冲击对金融几乎没有影响。

　　方差分解通过求解扰动项对向量自回归模型预测均方误差(MSE)的贡献度，了解各类因素的相对作用，和时间序列数据一样，面板数据预测的误差方差是其自身扰动及系统扰动共同作用的结果。R&D经费投入、R&D人员全时当量、金融、科技产出的方差分解如表6所示，到了第10期,各变量的方差分解趋于稳定。从科技产出的方差分解看，科技产出自身占89.12%,R&D经费投入占9.46%,其他因素基本没有影响。R&D经费投入方差分解中，自身占92.85%。,科技产出占3.90%o,金融占2.43%o,R&D人员全时当量几乎没受影响。R&D人员全时当量的方差分解中，自身占53.08%。,R&D经费投入占35.29%。，金融占7.10%o,科技产出占4.53%0。金融的方差分解中，自身占96.40%。,科技产出占1.99%o,R&D经费和人员全时当量几乎没受影响。

　　6结论

　　6.1金融与科技创新协调性有待提高

　　金融与科技创新在理论上存在互动关系，但实证研究表明，这种互动关系相对不强，具体表现在，两者的因果关系不太明显，来自金融的冲击对科技产出几乎没有影响，来自科技产出的冲击对金融的影响比较显著，低科技产出水平地区金融对科技产出的贡献不显著，深层次反映了金融与科技创新的协调性有待提高。根本原因是，银行体系是风险规避的,信息寻租能力较强,而科技创新风险相对是较高的，由于我国风险投资体系尚不发达,导致银行为主导的金融体系对科技创新支持不够。

　　在科技产出中高水平地区，由于经济和金融体系相对发达，金融对科技创新的贡献是随着科技产出水平的提高而提高的。但在科技产出最高水平地区，金融体系可能是相对过剩，竞争加剧，存在低效率的,从而导致金融与科技创新无关,本质上仍然是金融与科技协调性较差所致。

　　6.2金融对科技创新的支持需要时间积累

　　脉冲响应函数研究表明，来自金融的冲击对科技产出几乎没有影响,也就是说,科技投入产出有其自身的规律,即使金融体系由于某种因素突然繁荣,也不能很快地对科技产出产生影响，金融体系支持科技创新,产生效果的周期较长，因此金融体系必须稳步发展,才能慢慢发挥对科技创新的作用。

　　6.3科技产出对金融有较强的正反馈效应

　　金融的脉冲响应函数表明，科技产出的冲击对金融的影响较大,存在较强的正反馈效应，以利润为经营目标的金融企业，对科技创新其实是非常敏感的，一旦科技创新取得重大突破，技术相对成熟,金融体系肯定会提供资金支持的,但从研发的角度，由于风险太大，难以获得金融体系的支持。科技产出的方差分解中，金融所占比重极低，几乎没有影响，也说明了这个问题。6.4科技产出高水平地区研发经费投入效率较低,劳动力效率较高

　　总体上,R&D研发经费投入对科技产出的贡献最大,其次是R&D人员当量,最后是金融水平。但随着科技产出水平的增高,R&D研发经费的贡献是越来越低的，说明高科技产出水平的地区研发经费投入过剩，存在一定程度的过剩现象。而R&D人员全时当量的贡献是越来越高的，说明高科技产出水平地区,研发人员素质和水平相对较高。