科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響及其空間溢出效應(yīng)研究

鄒建國(guó) 李明賢

摘 要：選取2001—2015年省級(jí)面板數(shù)據(jù)，基于空間計(jì)量模型，考量科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的影響及其空間溢出效應(yīng)。結(jié)果顯示：科技金融能顯著促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)，并通過(guò)空間溢出效應(yīng)對(duì)鄰近區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生較好的促進(jìn)作用；同時(shí)科技金融對(duì)產(chǎn)業(yè)升級(jí)的空間溢出效應(yīng)在東部地區(qū)最大，西部地區(qū)其次，中部地區(qū)最小；人力資本、城市化水平和外商直接投資在全國(guó)范圍具有較顯著的空間溢出效應(yīng)，東部地區(qū)溢出效應(yīng)更強(qiáng)。

關(guān)鍵詞： 科技金融；產(chǎn)業(yè)結(jié)構(gòu)升級(jí)；空間滯后模型；空間溢出效應(yīng)

中圖分類號(hào)：F062.9文獻(xiàn)標(biāo)識(shí)碼： A文章編號(hào)：1003-7217（2018）05-0023-07

一、引 言

中國(guó)經(jīng)濟(jì)歷經(jīng)近30年的中高速增長(zhǎng)后，正面臨著投資出口驅(qū)動(dòng)力下降，土地、勞動(dòng)力等生產(chǎn)要素價(jià)格高企和資源環(huán)境約束趨緊等系列問(wèn)題，傳統(tǒng)的高投入、高消耗和高排放的粗放型經(jīng)濟(jì)增長(zhǎng)方式已然不能維系。在“新時(shí)代”經(jīng)濟(jì)背景下，我國(guó)產(chǎn)業(yè)結(jié)構(gòu)的升級(jí)發(fā)展亟待增強(qiáng)創(chuàng)新驅(qū)動(dòng)，激發(fā)市場(chǎng)主體發(fā)展新活力。新經(jīng)濟(jì)增長(zhǎng)理論認(rèn)為，作為一國(guó)經(jīng)濟(jì)增長(zhǎng)動(dòng)力的科技金融，其遞增效應(yīng)、外溢效應(yīng)及其在國(guó)際貿(mào)易中的邊干邊學(xué)效應(yīng)，內(nèi)生地促進(jìn)生產(chǎn)率提升，保證經(jīng)濟(jì)可持續(xù)增長(zhǎng)[1]。根據(jù)錢(qián)納里工業(yè)化階段理論，產(chǎn)業(yè)結(jié)構(gòu)升級(jí)是決定經(jīng)濟(jì)持續(xù)增長(zhǎng)的決定性因素，在后工業(yè)化時(shí)期，產(chǎn)業(yè)結(jié)構(gòu)將由資本密集型產(chǎn)業(yè)為主導(dǎo)轉(zhuǎn)變?yōu)榧夹g(shù)密集型產(chǎn)業(yè)為主導(dǎo)[2]。

國(guó)外學(xué)者主要圍繞銀行貸款、風(fēng)險(xiǎn)投資、資本市場(chǎng)等對(duì)科技創(chuàng)新的影響展開(kāi)科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)作用的研究。Schumpeter（1934）首次將金融與技術(shù)進(jìn)步和科技創(chuàng)新聯(lián)系起來(lái)，指出一個(gè)健全的金融體系對(duì)實(shí)現(xiàn)科技創(chuàng)新起到關(guān)鍵作用[3]；Hyytinen and Toivanen（2005）運(yùn)用芬蘭小微企業(yè)層面的數(shù)據(jù)，研究融資約束對(duì)企業(yè)技術(shù)創(chuàng)新的影響，指出資本市場(chǎng)的不完善將嚴(yán)重阻礙企業(yè)科技創(chuàng)新與宏觀經(jīng)濟(jì)發(fā)展[4]；Benfratello（2008）通過(guò)面板數(shù)據(jù)分析了意大利地方銀行對(duì)企業(yè)創(chuàng)新的影響，發(fā)現(xiàn)設(shè)立地方性銀行可以顯著促進(jìn)該地區(qū)企業(yè)創(chuàng)新活動(dòng)的成功率[5]；Chowdhury（2012）發(fā)現(xiàn)在發(fā)達(dá)國(guó)家，金融業(yè)的發(fā)展水平與該國(guó)企業(yè)研發(fā)投入呈現(xiàn)出明顯的正相關(guān)關(guān)系，從側(cè)面證明了金融與科技融合發(fā)展的觀點(diǎn)[6]。國(guó)內(nèi)學(xué)者圍繞科技金融進(jìn)行了大量的定性分析和實(shí)證研究。定性分析的重點(diǎn)是科技金融的運(yùn)行機(jī)制、創(chuàng)新模式和經(jīng)驗(yàn)借鑒等。如胡援成和吳江濤（2012）指出科技金融運(yùn)行機(jī)制的建立，有助于金融資本與科技企業(yè)的深度融合[7]；此外，房漢廷（2010）、周昌發(fā)（2011）詮釋了科技金融發(fā)展問(wèn)題及制度安排[8，9]；文竹等（2012）運(yùn)用TRIZ分析法，將“四元主體”模型應(yīng)用于科技金融模式創(chuàng)新[10]；此后，謝泗薪和張志博（2016）、李毅光等（2016）等從互聯(lián)網(wǎng)和政府主導(dǎo)視角對(duì)科技金融的模式創(chuàng)新進(jìn)行了有益探索[11，12]；胡蘇迪和蔣伏心（2017）借鑒了舊金山、特拉維夫、新竹典型的科技金融發(fā)展經(jīng)驗(yàn)，基于全球視野反思我國(guó)科技金融中心的發(fā)展[13]。實(shí)證分析方面的研究集中在兩個(gè)方面：一是科技金融的評(píng)價(jià)及其效率測(cè)算。如曹顥等（2011）基于科技金融資源、經(jīng)費(fèi)、產(chǎn)出和貸款四個(gè)維度，構(gòu)建了我國(guó)科技金融發(fā)展指數(shù)[14]；許汝俊等（2015）運(yùn)用DEA-Malmquist指數(shù)法對(duì)長(zhǎng)江經(jīng)濟(jì)帶11個(gè)省市科技金融效率進(jìn)行綜合評(píng)價(jià)[15]；杜金岷等（2016）、黃瑞芬等（2016）和薛曄等（2017）分別運(yùn)用三階段DEA模型、SFA模型以及貝葉斯隨機(jī)前沿模型對(duì)科技金融效率進(jìn)行了測(cè)算[16-18]。二是科技金融對(duì)科技創(chuàng)新、經(jīng)濟(jì)增長(zhǎng)以及產(chǎn)業(yè)升級(jí)的影響。徐玉蓮等（2011）分析區(qū)域科技創(chuàng)新與科技金融的互動(dòng)耦合關(guān)系[19]；劉文麗等（2014）運(yùn)用面板數(shù)據(jù)單位根檢驗(yàn)和面板數(shù)據(jù)固定效應(yīng)模型，對(duì)我國(guó)東部、中部和西部地區(qū)科技金融對(duì)經(jīng)濟(jì)增長(zhǎng)影響的區(qū)域差異進(jìn)行實(shí)證分析[20]；陳亞男和包慧娜（2017）運(yùn)用系統(tǒng)GMM兩步法實(shí)證表明科技金融發(fā)展對(duì)我國(guó)產(chǎn)業(yè)結(jié)構(gòu)高級(jí)化具有顯著促進(jìn)作用[21]。

科技金融促進(jìn)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)這一命題得到了學(xué)界實(shí)證研究的支持，然而，由于測(cè)量指標(biāo)與計(jì)量方法等差異，其程度如何？是否存在空間溢出效應(yīng)？仍需進(jìn)一步探索?？臻g計(jì)量經(jīng)濟(jì)學(xué)重點(diǎn)關(guān)注科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)影響的空間依賴性，系統(tǒng)考量科技金融與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)之間的關(guān)系。基于此，本文選取2001—2015年的省級(jí)面板數(shù)據(jù)，運(yùn)用空間計(jì)量模型，從全國(guó)和區(qū)域兩個(gè)層面，實(shí)證研究科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的空間溢出效應(yīng)。

二、變量選取與數(shù)據(jù)說(shuō)明

（一）變量選取

學(xué)者們采用了不同產(chǎn)業(yè)在地區(qū)總產(chǎn)值中的比重、服務(wù)業(yè)在GDP中的比重來(lái)衡量被解釋變量產(chǎn)業(yè)結(jié)構(gòu)升級(jí)（UIS），而我國(guó)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)呈現(xiàn)出第三產(chǎn)業(yè)不斷發(fā)展壯大而第一產(chǎn)業(yè)的比重逐步減少的特征，上述衡量指標(biāo)不能反映產(chǎn)業(yè)結(jié)構(gòu)升級(jí)程度，為此，本文借鑒藍(lán)慶新、陳超凡的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)系數(shù)法來(lái)衡量產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。對(duì)于核心解釋變量科技金融（STF）的測(cè)度，本文參考被廣為接受的曹顥、尤建新等[14]的方法，該方法借助科技金融資源、科技金融經(jīng)費(fèi)、科技金融產(chǎn)出和科技金融貸款四個(gè)維度來(lái)測(cè)算科技金融。

除去科技金融，能夠?qū)Ξa(chǎn)業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生影響的其他因素還有多種，本文選擇了具有代表性的人力資本（HC）、城市化水平（UL）和外商直接投資（FDI）作為控制變量。本文借鑒陳釗、陸銘的方法，通過(guò)平均受教育年限計(jì)算人力資本。在城市化水平提高的過(guò)程中，農(nóng)村居民的城市化進(jìn)程為城鎮(zhèn)產(chǎn)業(yè)發(fā)展提供人力支持，同時(shí)，他們消費(fèi)需求結(jié)構(gòu)的多樣化發(fā)展也將推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)。另外，外商直接投資對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)產(chǎn)生的影響得到學(xué)界普遍認(rèn)同。

構(gòu)造空間權(quán)重矩陣是進(jìn)行空間計(jì)量分析的前提?；诘乩磬徑亩M(jìn)制鄰接權(quán)重矩陣過(guò)度依賴空間是否相鄰，而忽略了影響強(qiáng)度，這與客觀事實(shí)有一定的差距；基于經(jīng)緯度數(shù)據(jù)計(jì)算的地理權(quán)重矩陣，沒(méi)有考慮區(qū)域間的社會(huì)和經(jīng)濟(jì)等因素，以致于空間權(quán)重矩陣的設(shè)定不符合現(xiàn)實(shí)的發(fā)展；基于社會(huì)經(jīng)濟(jì)特征的空間權(quán)重矩陣能夠客觀、全面地反映變量的空間影響，因此，本文選擇它來(lái)構(gòu)造空間權(quán)重矩陣。

（二）數(shù)據(jù)說(shuō)明

選取2001—2015年全國(guó)31個(gè)省、市、自治區(qū)為樣本，原始數(shù)據(jù)來(lái)源于《中國(guó)科技統(tǒng)計(jì)年鑒》、《中國(guó)金融年鑒》、《中國(guó)統(tǒng)計(jì)年鑒》、《中國(guó)財(cái)政年鑒》、《新中國(guó)六十年統(tǒng)計(jì)資料匯編》和《中國(guó)區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》。按照國(guó)家統(tǒng)計(jì)局的區(qū)域劃分標(biāo)準(zhǔn)，將全國(guó)31個(gè)省、直轄市以及自治區(qū)分為三大地區(qū)，其中東部地區(qū)包括京、津、冀、遼、滬、蘇、浙、魯、閩、粵、瓊等11省市，中部地區(qū)包括吉、黑、晉、皖、贛、豫、鄂、湘等8省市，西部地區(qū)包括內(nèi)蒙古、桂、渝、川、貴、云、陜、甘、青、寧、新、藏等12個(gè)省市。

表2給出了主要變量的描述統(tǒng)計(jì)?？梢钥闯?，分省的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、科技金融、人力資本和外商直接投資等變量的樣本數(shù)據(jù)均有較大的變動(dòng)。產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的全國(guó)樣本平均值為2.25，東部地區(qū)為2.32，高于中部（2.22）和西部地區(qū)（2.20）；科技金融的全國(guó)樣本均值為24.25，東部地區(qū)為34.17，中部（19.17）和西部地區(qū)（18.53）依次遞減，總體來(lái)說(shuō)，東部地區(qū)的科技金融發(fā)展最好，其產(chǎn)業(yè)結(jié)構(gòu)升級(jí)指數(shù)也最高。另外，其他相關(guān)控制變量，如人力資本、城市化水平與外商直接投資的全國(guó)樣本、東部地區(qū)、中部地區(qū)和西部地區(qū)之間的均值出現(xiàn)較大差異。

三、空間自相關(guān)檢驗(yàn)

（一）全局空間自相關(guān)檢驗(yàn)

“空間自相關(guān)”是指位置相近的區(qū)域具有相似的變量取值。如果高值與高值聚集在一起，低值與低值聚集在一起，則為“正空間自相關(guān)”；反之，高值與低值相鄰，則為“負(fù)空間自相關(guān)”；如果高值與低值完全隨機(jī)地分布，則不存在空間自相關(guān)。最常使用的度量空間自相關(guān)的方法為Morans I，其計(jì)算公式如下：

其中，S2=∑ni=1（xi-x-）2n為樣本方差，wij為空間權(quán)重矩陣，∑ni=1∑nj=1wij為所有空間權(quán)重和。-1≤Morans I≤1，Morans I大于0時(shí)，指標(biāo)值呈正相關(guān)性；Morans I小于0時(shí)，指標(biāo)值呈負(fù)相關(guān)性，Morans I的絕對(duì)值越大，表示相關(guān)性越強(qiáng)。科技金融和產(chǎn)業(yè)升級(jí)的Morans I的Geoda軟件計(jì)算及檢驗(yàn)結(jié)果如表3所示。

從分年份的檢測(cè)結(jié)果來(lái)看，科技金融Moran指數(shù)值在0.116～0.216之間，存在正空間自相關(guān)，除2001—2009年和2015年以外的其他年份，這種相關(guān)性在5%水平以內(nèi)顯著；產(chǎn)業(yè)結(jié)構(gòu)升級(jí)Morans I指數(shù)值在0.2245～0.3158之間，存在正空間自相關(guān)，這種相關(guān)性在5%水平以內(nèi)顯著，說(shuō)明科技金融與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)存在顯著的空間自相關(guān)性。

（二）局域空間自相關(guān)的LISA集聚圖

為進(jìn)一步了解區(qū)域科技金融與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的觀測(cè)值是否存在局部空間聚集，哪些區(qū)域?qū)τ谌挚臻g自相關(guān)的貢獻(xiàn)更大，本文通過(guò)測(cè)算空間關(guān)聯(lián)局部指標(biāo)，以衡量局部區(qū)域之間科技金融與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的空間集聚差異。

如圖1，從產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的區(qū)域分布來(lái)看，處于（2.387，2.742）區(qū)間的省市包括京、滬、津、魯、粵和蘇，這些地區(qū)是產(chǎn)業(yè)結(jié)構(gòu)升級(jí)最快的第一梯隊(duì)；處于（2.304，2.387）區(qū)間的省份包括浙、貴、冀和晉等，該區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)較快，屬于第二梯隊(duì)；數(shù)值處于（2.247，2.304）區(qū)間的省市包括內(nèi)蒙古、青、陜、皖、閩、遼、渝、湘和鄂等，該區(qū)域的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)一般，位于第三梯隊(duì)；處于（2.178，2.247）區(qū)間的省市包括藏、豫、云、吉、甘、冀、寧、川、贛、瓊、桂和黑等，這些地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)較為緩慢，為第四梯隊(duì)（如圖2）。從科技金融的區(qū)域分布來(lái)看，處于（34.412，70.854）區(qū)間的省市有京、津、蘇、滬和粵，這些地區(qū)科技金融發(fā)展水平最高；冀、魯、皖、鄂、渝、浙、湘和貴位于（25.693，34.412）區(qū)間，科技金融發(fā)展水平較高；處于（22.563，25.693）范圍的包括黑、吉、青、陜、藏、川和閩，這些區(qū)域的科技金融發(fā)展水平一般；處于（0，22.563）區(qū)間的省市有內(nèi)蒙古、新、遼、甘、晉、寧、豫、贛、云、桂和瓊，這些區(qū)域的科技金融發(fā)展水平最低。

綜合Morans I和LISA檢驗(yàn)結(jié)果，我們發(fā)現(xiàn)，我國(guó)科技金融發(fā)展與產(chǎn)業(yè)結(jié)構(gòu)升級(jí)之間具有顯著的空間相關(guān)性。

四、 實(shí)證結(jié)果及分析

（一）空間計(jì)量模型選擇

空間計(jì)量經(jīng)濟(jì)模型主要有兩類：一類是空間滯后模型（SLM），如式（2）所示，主要研究各個(gè)變量在研究區(qū)域的空間擴(kuò)散現(xiàn)象；另一種是空間誤差模型（SEM），如式（3）所示，考察鄰近地區(qū)因變量的誤差沖擊對(duì)本地區(qū)的影響。

式（2）和式（3）中UISit表示地區(qū)i在第t年的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)指數(shù)；STIit表示地區(qū)i在第t年的科技金融指數(shù)；HCit表示i地區(qū)第t年的人力資本；ULit表示i地區(qū)第t年的城市化水平；FDIit表示i地區(qū)第t年的外商直接投資額；α0表示地區(qū)i不可觀測(cè)的個(gè)體效應(yīng)；W表示n×n階的空間權(quán)重矩陣；公式（2）中WUISit表示空間滯后變量，ρ表示相鄰地區(qū)的產(chǎn)業(yè)結(jié)構(gòu)升級(jí)對(duì)本地區(qū)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)的空間溢出效應(yīng)，取值范圍在-1到1之間；ε表示獨(dú)立隨機(jī)誤差向量；公式（3）中λ表示空間誤差自相關(guān)系數(shù)，反映了樣本觀測(cè)值之間的空間依賴程度，取值范圍在-1到1之間；μit表示正態(tài)分布的隨機(jī)誤差向量。

我們采用拉格朗日乘數(shù)—誤差檢驗(yàn)（LM-Error）來(lái)檢驗(yàn)SEM，采用拉格朗日乘數(shù)—滯后檢驗(yàn)（LM-Lag）來(lái)檢驗(yàn)SLM。如果LM-Lag比LM-Error的統(tǒng)計(jì)更顯著，則使用SLM更合適，反之，則選擇SEM更合適；如果LM-Lag和LM-Error相近且都顯著，則觀察Robust LM-Lag和Robust LM-Error，在Robust LM-Lag比Robust LM-Error的統(tǒng)計(jì)更顯著時(shí)，則使用SLM更合適，反之，則選擇SEM更合適。

本研究對(duì)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)與科技金融的空間依賴性進(jìn)行了LM-Lag、LM-Error、Robust LM-Lag和Robust LM-Error檢驗(yàn)。如表4所示的檢驗(yàn)值及P值所示，拉格朗日乘數(shù)—滯后檢驗(yàn)（LM-Lag）（P值為0）與拉格朗日乘數(shù)—誤差檢驗(yàn)（LM-Error）（P值為0.008）在統(tǒng)計(jì)上相似且都顯著，而穩(wěn)健的拉格朗日乘數(shù)—誤差檢驗(yàn)（Robust LM-Lag）顯著（P值為0.005），穩(wěn)健的拉格朗日乘數(shù)—滯后檢驗(yàn)（Robust LM-Error）不顯著（P值為0.201），因此，適合使用面板空間滯后模型（SLM）。