我國金融集聚促進(jìn)了科技創(chuàng)新嗎？

王凱 龐震

[摘 要] 利用空間計(jì)量經(jīng)濟(jì)學(xué)Moran's I指數(shù)、Moran散點(diǎn)圖和空間杜賓模型，基于2000—2016年省級(jí)面板數(shù)據(jù)實(shí)證檢驗(yàn)了我國金融集聚對(duì)本地區(qū)和鄰近地區(qū)科技創(chuàng)新的影響。結(jié)果表明，我國金融集聚與科技創(chuàng)新存在著地理空間分布上的正相關(guān)性和異質(zhì)性，呈現(xiàn)“高-高”和“低-低”分化的“中心-外圍”的發(fā)展模式;金融集聚對(duì)科技創(chuàng)新的影響具有顯著的行業(yè)異質(zhì)性，其中銀行業(yè)和證券業(yè)對(duì)科技創(chuàng)新具有正向空間溢出效應(yīng)，保險(xiǎn)業(yè)對(duì)科技創(chuàng)新具有逆向空間溢出效應(yīng)。

[關(guān)鍵詞] 金融集聚;科技創(chuàng)新;空間溢出效應(yīng);空間杜賓模型

[中圖分類號(hào)] F832;F124.3 [文獻(xiàn)標(biāo)識(shí)碼]A

[文章編號(hào)]1673-0461（2019）09-0092-06

科學(xué)技術(shù)是第一生產(chǎn)力，金融是經(jīng)濟(jì)發(fā)展的核心，從美國、日本等“創(chuàng)新型國家”的成功經(jīng)驗(yàn)看，金融發(fā)展與科技創(chuàng)新可以稱之為社會(huì)財(cái)富創(chuàng)新的兩翼。從我國來看，“創(chuàng)新是引領(lǐng)發(fā)展的第一動(dòng)力，是建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的戰(zhàn)略支撐”，提高自主創(chuàng)新能力，提高經(jīng)濟(jì)增長質(zhì)量，是當(dāng)前我國發(fā)展戰(zhàn)略的核心?？萍紕?chuàng)新需要金融資本的支持，現(xiàn)代金融作為資源配置的有效手段，不僅有利于緩解科技經(jīng)費(fèi)投入短缺的問題，還利于引導(dǎo)企業(yè)自主創(chuàng)新的效益和效率。

一、文獻(xiàn)述評(píng)

早在20世紀(jì)初，熊彼特就提出金融發(fā)展對(duì)技術(shù)進(jìn)步和經(jīng)濟(jì)增長具有重要作用，到了20世紀(jì)90年代，硅谷的崛起以及其崛起背后國家金融體系支持，使得經(jīng)濟(jì)增長越來越依賴于科學(xué)技術(shù)的進(jìn)步與創(chuàng)新，國內(nèi)外學(xué)者開始更多的關(guān)注金融發(fā)展與科技創(chuàng)新的關(guān)系。主要分為兩大類：一類認(rèn)為金融發(fā)展促進(jìn)了科技創(chuàng)新，如國外學(xué)者Chowdhury&Maung （2012）[1]研究發(fā)現(xiàn)良好金融系統(tǒng)能夠甄別那些具有新產(chǎn)品研發(fā)能力的企業(yè)，并提供資金資助，有利于提高研發(fā)投資效率，促進(jìn)了技術(shù)創(chuàng)新。柏玲，姜磊（2013）[2]研究表明我國金融發(fā)展規(guī)模、金融發(fā)展效率和金融發(fā)展結(jié)構(gòu)都與技術(shù)創(chuàng)新產(chǎn)出能力呈正相關(guān)關(guān)系。張玉喜、趙麗麗（2015）[3]研究發(fā)現(xiàn)雖然長期內(nèi)我國科技金融的投入對(duì)技術(shù)創(chuàng)新的作用效果并不明顯，但是短期內(nèi)顯著正相關(guān)。李標(biāo)、宋長旭（2016）[4]認(rèn)為我國金融集聚對(duì)經(jīng)濟(jì)增長有明顯的驅(qū)動(dòng)作用，然而金融集聚對(duì)R&D活動(dòng)的支持卻具有“延遲效應(yīng)”。曹霞、張路蓬（2017）[5]研究發(fā)現(xiàn)我國金融業(yè)發(fā)展的主要表現(xiàn)形式仍然依賴于銀行業(yè)，銀行業(yè)發(fā)展規(guī)模與效率對(duì)技術(shù)創(chuàng)新水平促進(jìn)作用。

另一類研究認(rèn)為金融發(fā)展對(duì)科技創(chuàng)新的促進(jìn)作用不明顯，甚至具有負(fù)效應(yīng)。如Tee&Low（2014）[6]利用1998—2009年7個(gè)東亞國家的面板數(shù)據(jù)研究發(fā)現(xiàn)，銀行業(yè)發(fā)展促進(jìn)了科技創(chuàng)新，但是股票市場(chǎng)的發(fā)展對(duì)科技創(chuàng)新的影響不顯著。Hsu & Tian （2014）[7]利用32個(gè)發(fā)達(dá)國家和發(fā)展國家的面板數(shù)據(jù)結(jié)果表明，在更依賴外部融資的行業(yè)，以及更高技術(shù)密集型行業(yè)中，高度發(fā)達(dá)的股票市場(chǎng)的發(fā)展促進(jìn)了技術(shù)創(chuàng)新;然而，銀行信貸市場(chǎng)卻阻礙這些行業(yè)的技術(shù)創(chuàng)新。Guan&Yam （2015）[8]通過對(duì)1 000多家中國制造業(yè)企業(yè)的研究發(fā)現(xiàn)，特殊貸款和稅收抵免對(duì)企業(yè)的創(chuàng)新績(jī)效有積極影響，然而直接專項(xiàng)撥款不僅沒有提高創(chuàng)新績(jī)效，反而對(duì)企業(yè)創(chuàng)新產(chǎn)生了消極影響。黎杰生、胡穎（2017）[9]研究發(fā)現(xiàn)我國金融集聚對(duì)技術(shù)創(chuàng)新具有抑制作用，銀行業(yè)和保險(xiǎn)業(yè)集聚會(huì)促進(jìn)技術(shù)創(chuàng)新，而證券業(yè)集聚則會(huì)擠出技術(shù)創(chuàng)新。張林（2016）[10]認(rèn)為我國科技金融對(duì)實(shí)體經(jīng)濟(jì)增長影響總效應(yīng)大小和方向取決于金融發(fā)展與科技創(chuàng)新的融合深度和融合質(zhì)量。

綜上所述，國內(nèi)外已有研究為本文奠定了良好的理論基礎(chǔ)，然而，對(duì)金融業(yè)發(fā)展的量化大多數(shù)文獻(xiàn)是基于總量的測(cè)算，忽視了我國金融業(yè)分業(yè)經(jīng)營的格局，因此還需要進(jìn)一步加強(qiáng)和深化研究，為了準(zhǔn)確識(shí)別變量之間的空間關(guān)聯(lián)機(jī)制，本文利用空間計(jì)量模型分別測(cè)算了銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)對(duì)科技創(chuàng)新的空間溢出效應(yīng)。

二、計(jì)量模型及變量說明

（一）變量的選取

被解釋變量：科技創(chuàng)新，使用專利申請(qǐng)受理數(shù)（TI）近似代表科技創(chuàng)新。

核心解釋變量：金融業(yè)發(fā)展水平。鑒于我國金融業(yè)分業(yè)經(jīng)營的格局，本文將金融業(yè)分為銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)3部分，使用金融機(jī)構(gòu)存貸款總額（fd）代表銀行業(yè)發(fā)展，股票總市值（stock）代表證券業(yè)發(fā)展，保險(xiǎn)業(yè)保費(fèi)收入（insure）代表保險(xiǎn)業(yè)發(fā)展。

控制變量：科技創(chuàng)新經(jīng)費(fèi)投入量（rdk），使用研究與試驗(yàn)發(fā)展經(jīng)費(fèi)內(nèi)部支出衡量R&D經(jīng)費(fèi)的投入變量?？萍紕?chuàng)新人力資源投入量（rdh），使用R&D人員全時(shí)當(dāng)量衡量研發(fā)人力資本的投入。地區(qū)經(jīng)濟(jì)增長水平（pgdp），使用各地區(qū)的人均國內(nèi)生產(chǎn)總值來衡量地區(qū)經(jīng)濟(jì)發(fā)展水平。外商直接投資（fdi），使用實(shí)際利用外商直接投資額表示，主要為了體現(xiàn)引進(jìn)國外先進(jìn)技術(shù)對(duì)國內(nèi)科技創(chuàng)新的影響。

（二）空間計(jì)量模型的構(gòu)建

空間面板數(shù)據(jù)模型將面板數(shù)據(jù)模型與空間計(jì)量經(jīng)濟(jì)學(xué)結(jié)合起來，利用地理位置相鄰性將傳統(tǒng)計(jì)量經(jīng)濟(jì)學(xué)長期忽視的空間維度納入模型，打破了變量相關(guān)獨(dú)立的基本假設(shè)，可以更好識(shí)別空間依賴性和異質(zhì)性，這使得其對(duì)很多現(xiàn)實(shí)問題的解釋能力優(yōu)于傳統(tǒng)的計(jì)量模型，主要分為3種：空間滯后模型、空間誤差模型和空間杜賓模型，由于空間誤差模型并沒有考慮被解釋變量的空間溢出效應(yīng)，而空間滯后模型則忽略了誤差項(xiàng)中的空間自相關(guān)性，空間杜賓模型（Spatial Durbin Model， SDM）模型來是空間滯后模型與空間誤差模型的一般形式，彌補(bǔ)了SLM模型和SEM模型的局限性（見下式）。

上式中，i表示各省、市和自治區(qū)，t表示年份，W為空間權(quán)重矩陣，ρ為空間自回歸系數(shù)，如果ρ>0，表示正外部性;如果ρ<0，表示負(fù)外部性。μi為地區(qū)效應(yīng)，t為時(shí)間效應(yīng)。ε為隨機(jī)誤差項(xiàng)向量，服從期望均值為0，方差為σ2的標(biāo)準(zhǔn)正態(tài)分布。根據(jù)宏觀經(jīng)濟(jì)數(shù)據(jù)的可得性，本文選取2000—2016年我國31個(gè)省市自治區(qū)（不包括港澳臺(tái)）的面板數(shù)據(jù)，主要來源于《中國統(tǒng)計(jì)年鑒》《中國科技統(tǒng)計(jì)年鑒》《中國金融年鑒》和《中國證券期貨統(tǒng)計(jì)年鑒》，為了消除異方差的影響，對(duì)各個(gè)變量取對(duì)數(shù)，表1給出了各變量經(jīng)過預(yù)處理之后的描述性統(tǒng)計(jì)。

三、我國金融發(fā)展與科技創(chuàng)新的時(shí)空異質(zhì)性分析

（一）基于Moran's I指數(shù)的全局空間自相關(guān)性分析

Moran's I指數(shù)主要用于評(píng)測(cè)變量的全局自相關(guān)特征。表2為2000—2016年科技創(chuàng)新（TI）與金融集聚（fd）的Moran's I指數(shù)，由于我國金融市場(chǎng)主要以銀行一家獨(dú)大，所以在對(duì)金融集聚進(jìn)行空間自相關(guān)分析時(shí)，選取了金融機(jī)構(gòu)存貸款總額（fd）作為代表變量，可以看出科技創(chuàng)新和金融集聚Moran's I指數(shù)均為大于零，呈現(xiàn)比較強(qiáng)的空間正相關(guān)?？萍紕?chuàng)新Moran's I指數(shù)主要在0.237—0.324之間波動(dòng)，最低值在2006年為0.237，最高值出現(xiàn)在2016年為0.324。金融集聚Moran's I指數(shù)主要在0.187—0.246之間波動(dòng)，最低值在2001年為0.187，最高值出現(xiàn)在2010年為0.246，2016年為0.240?？傮w上來看，Moran's I指數(shù)隨著時(shí)間呈現(xiàn)出逐漸增大的趨勢(shì)，表明我國31個(gè)省份之間科技創(chuàng)新和金融集聚在空間上并非表現(xiàn)出隨機(jī)狀態(tài)，地理分布的空間依賴性越來越大。

（二）基于Moran 散點(diǎn)圖的局域空間自相關(guān)性分析

由于全局Moran's I指數(shù)具有一定的局限性，如果一部分地區(qū)科技創(chuàng)新與金融發(fā)展存在正相關(guān)，而另一部分地區(qū)存在負(fù)相關(guān)，二者相抵后，就無法對(duì)不同區(qū)域之間的空間差異性及分布特征進(jìn)行描述，因而進(jìn)一步使用Moran散點(diǎn)圖評(píng)測(cè)各地區(qū)的空間自相關(guān)特征（由于篇幅有限，僅以2016年為例），科技創(chuàng)新Moran散點(diǎn)圖結(jié)果顯示（見圖1），北京、天津、河北、上海、江西、江蘇、浙江、安徽、福建、山東、河南、湖北、湖南、廣西和重慶在第一象限，表現(xiàn)出高科技創(chuàng)新地區(qū)被同是高科技創(chuàng)新的地區(qū)所包圍，代表正空間自相關(guān)關(guān)系集群，科技創(chuàng)新集聚特征比較明顯。山西、內(nèi)蒙古、吉林、黑龍江、云南、西藏、甘肅、青海、寧夏和新疆在第三象限，表現(xiàn)為低科技創(chuàng)新地區(qū)被同是低科技創(chuàng)新地區(qū)所包圍，代表正空間自相關(guān)關(guān)系，雖然同樣具有科技創(chuàng)新集聚特征，但是強(qiáng)度比第一象限弱。海南和貴州在第二象限，遼寧、廣東、四川和陜西在第四象限，代表負(fù)空間自相關(guān)關(guān)系集群。

金融發(fā)展Moran散點(diǎn)圖結(jié)果顯示（見圖2），北京、河北、上海、江蘇、浙江、安徽、福建、山東、河南、湖北和湖南在第一象限，為正空間自相關(guān)，具有明顯高高金融集聚。內(nèi)蒙古、吉林、黑龍江、云南、西藏、甘肅、青海、寧夏和新疆在第三象限，表現(xiàn)為低低金融集聚，同樣正空間自相關(guān)。山西、江西、廣西、海南和重慶在第二象限，遼寧、廣東和四川在第四象限，天津、陜西、貴州都跨越了兩個(gè)象限，屬于負(fù)空間自相關(guān)區(qū)域。

四、我國金融發(fā)展對(duì)科技創(chuàng)新影響的實(shí)證檢驗(yàn)

（一）空間杜賓模型的估計(jì)結(jié)果

空間杜賓模型同時(shí)測(cè)算了被解釋變量和誤差項(xiàng)空間滯后項(xiàng)系數(shù)，避免了因遺漏空間變量所導(dǎo)致的估計(jì)參數(shù)偏差問題。根據(jù)面板數(shù)據(jù)計(jì)量模型個(gè)體效應(yīng)設(shè)定的不同，分為固定效應(yīng)和隨機(jī)效應(yīng)兩種情況，通過表3可知，Hausman檢驗(yàn)統(tǒng)計(jì)量為37.508 7，在1%水平下顯著，拒絕了存在隨機(jī)效應(yīng)的原假設(shè)，應(yīng)采用固定效應(yīng)的空間杜賓模型;然后分別對(duì)空間固定效應(yīng)模型、時(shí)間固定效應(yīng)模型和時(shí)間空間雙固定效應(yīng)模型進(jìn)行估計(jì)（見表3）。由于傳統(tǒng)最小二乘法回歸方法沒有解決變量的內(nèi)生性問題，為了得到穩(wěn)健的估計(jì)結(jié)果本文主要使用最大似然法（Maximum Likelihood， ML）來估計(jì)空間杜賓模型。

從表3可知，時(shí)間固定效應(yīng)杜賓模型的對(duì)數(shù)似然值（logL）為-24.506，明顯的小于空間固定效應(yīng)杜賓模型和雙固定效應(yīng)杜賓模型;修正后擬合優(yōu)度R2為0.968 2，大于空間固定效應(yīng)杜賓模型和雙固定效應(yīng)杜賓模型，較好地?cái)M合了空間關(guān)系，回歸結(jié)果的可信度高。綜合各指標(biāo)的結(jié)果，本文最終采用時(shí)間固定效應(yīng)空間杜賓模型作為最終的解釋模型。從估計(jì)系數(shù)來看，被解釋變量科技創(chuàng)新空間交互項(xiàng)W×TI的系數(shù)δ為0.302，解釋變量銀行業(yè)發(fā)展空間交互項(xiàng)W×fd、證券業(yè)發(fā)展空間交互項(xiàng)W×stock和保險(xiǎn)業(yè)發(fā)展空間交互項(xiàng)W×insure的系數(shù)分別為0.443、0.351和-0.325，均通過顯著性檢驗(yàn)，說明了被解釋變量和解釋變量空間依賴性和空間溢出效應(yīng)顯著，可以初步判斷金融業(yè)的發(fā)展通過地理空間機(jī)制對(duì)科技創(chuàng)新發(fā)揮作用。

（二）空間杜賓模型的效應(yīng)分解和理論解釋

傳統(tǒng)線性計(jì)量模型假設(shè)信息集是獨(dú)立的，回歸系數(shù)代表著因變量對(duì)自變量的邊際效應(yīng)，但是由于空間計(jì)量模型引入空間滯后項(xiàng)，拓展了觀測(cè)值之間的相關(guān)結(jié)構(gòu)，其回歸系數(shù)包含了大量相關(guān)觀測(cè)值的交互信息，所以空間計(jì)量模型估計(jì)中的回歸系數(shù)不再反映自變量對(duì)因變量的影響（Elhorst， 2010）[11]。為了說明銀行業(yè)、證券業(yè)和保險(xiǎn)業(yè)對(duì)科技創(chuàng)新作用的大小及方向，對(duì)空間杜賓模型求偏導(dǎo)數(shù)，得出了直接效應(yīng)、間接效應(yīng)和總效應(yīng)（見表4）。直接效應(yīng)代表所有地區(qū)自變量所引起的本地區(qū)因變量變化;間接效應(yīng)代表所有地區(qū)自變量的變化引起相鄰其余地區(qū)因變量的變化;總效應(yīng)代表所有地區(qū)自變量所引起的本地區(qū)因變量和其余相鄰地區(qū)因變量的變化總和。

1.解釋變量的回歸結(jié)果分析

從直接效應(yīng)來看，銀行業(yè)的直接效應(yīng)系數(shù)為0.752，保險(xiǎn)業(yè)的直接效應(yīng)系數(shù)為0.012，證券業(yè)的直接效應(yīng)系數(shù)為-0.053，均在1%的水平下顯著。說明銀行業(yè)對(duì)本地區(qū)科技創(chuàng)新的促進(jìn)作用最明顯，其次為保險(xiǎn)業(yè)，而證券業(yè)對(duì)本地區(qū)的科技創(chuàng)新存在逆向的擠出效應(yīng)，原因可能在于與西方發(fā)達(dá)國家相比，我國證券業(yè)的發(fā)展還處在初級(jí)階段，有很多的不足，特別是證券市場(chǎng)的高風(fēng)險(xiǎn)帶來了很大的不確定性，一旦股價(jià)出現(xiàn)大幅波動(dòng)或股市崩盤，企業(yè)的資金鏈就面臨斷裂的風(fēng)險(xiǎn)，公司資本會(huì)大幅度的縮水，進(jìn)而對(duì)企業(yè)科技創(chuàng)新產(chǎn)生了抑制作用（黎杰生、胡穎，2017）[9]。

從間接效應(yīng)來看，銀行業(yè)發(fā)展的間接效應(yīng)系數(shù)為0.658，并在5%的水平下顯著，說明銀行業(yè)在支持本地區(qū)科技技術(shù)創(chuàng)新的同時(shí)，對(duì)相鄰地區(qū)科技創(chuàng)新也存在正向空間溢出效應(yīng)，銀行業(yè)發(fā)展增加1%，則相鄰地區(qū)增加0.658%。證券業(yè)間接效應(yīng)系數(shù)為0.361，并且在1%水平通過顯著性檢驗(yàn)，即證券業(yè)增加1%，相鄰地區(qū)科技創(chuàng)新增加0.361%。原因在于金融資源的趨利性，地理位置的鄰近為金融資源流動(dòng)提供了客觀地理?xiàng)l件，有利于相鄰地區(qū)的銀行業(yè)和證券業(yè)實(shí)現(xiàn)金融資源的充分共享和有效互補(bǔ)，提升了金融交易和科技創(chuàng)新能力。保險(xiǎn)業(yè)發(fā)展間接效應(yīng)指數(shù)為負(fù)值并在1%的水平下顯著，即保險(xiǎn)業(yè)增加1%，相鄰地區(qū)科技創(chuàng)新減少0.328%，為逆向空間溢出效應(yīng)。原因可能在于為了盈利，各地區(qū)保險(xiǎn)機(jī)構(gòu)競(jìng)相推出各種保險(xiǎn)產(chǎn)品，使得市場(chǎng)中的供大于求，形成惡性競(jìng)爭(zhēng)，進(jìn)而對(duì)鄰近地區(qū)的科技創(chuàng)新產(chǎn)生了擠出效應(yīng)。

從總效應(yīng)來看，銀行業(yè)的總效應(yīng)系數(shù)為1.410且在1%水平上顯著，即對(duì)于全部省域來說，銀行業(yè)發(fā)展每增加1%將使科技創(chuàng)新增加1.410%。證券業(yè)的總效應(yīng)系數(shù)為0.308，在1%的水平下通過顯著性檢驗(yàn)，對(duì)于全部地區(qū)來說，證券業(yè)發(fā)展水平增加1%，科技創(chuàng)新增加0.308%。保險(xiǎn)業(yè)總效應(yīng)系數(shù)為-0.316且在5%水平上顯著，即對(duì)于全部地區(qū)來說，保險(xiǎn)業(yè)每增加1%將使科技創(chuàng)新減少0.316%。說明了我國金融資源對(duì)科技創(chuàng)新的作用機(jī)制主要還是通過銀行來實(shí)現(xiàn)，以2016年為例，我國銀行業(yè)總資產(chǎn)規(guī)模達(dá)到了232.25萬億元，證券業(yè)總資產(chǎn)規(guī)模為5.79萬億元，保險(xiǎn)業(yè)總資產(chǎn)規(guī)模為15.12萬億元，銀行業(yè)資產(chǎn)規(guī)模是證券業(yè)資產(chǎn)規(guī)模的40.11倍，是保險(xiǎn)業(yè)的15.36倍，銀行業(yè)占金融機(jī)構(gòu)的主體地位。

2.控制變量的回歸結(jié)果分析

R&D經(jīng)費(fèi)投入（rdk）的直接效應(yīng)、間接效應(yīng)和總效應(yīng)系數(shù)分別為0.309、0.649、0.958，均通過了1%水平顯著性檢驗(yàn)。說明R&D經(jīng)費(fèi)支出增加1%，則本地區(qū)科技創(chuàng)新增加0.309%，鄰近地區(qū)增加0.649%，全部地區(qū)科技創(chuàng)新增加了0.958%。說明了地區(qū)R&D經(jīng)費(fèi)越多，則該地區(qū)用于科技研發(fā)的資源就越多，越有利于知識(shí)的傳播和科技創(chuàng)新水平的提升。

R&D人力資源投入（rdh）直接效應(yīng)、間接效應(yīng)和總效應(yīng)系數(shù)分別為0.242、-0.398、-0.156，其中直接效應(yīng)和間接效應(yīng)系數(shù)在5%的顯著性水平下通過了顯著性檢驗(yàn);總效應(yīng)系數(shù)沒有通過顯著性檢驗(yàn)。說明R&D人力資本的投入對(duì)本地區(qū)科技創(chuàng)新具有正向的促進(jìn)作用，然而，由于區(qū)域間科技人才的競(jìng)爭(zhēng)效應(yīng)，本地區(qū)科技人才的增多，必須使得其他地區(qū)科技人才的減少，所以使其對(duì)鄰近地區(qū)具有負(fù)向的空間溢出效應(yīng)。原因在于我國缺乏科技人才流動(dòng)的良好機(jī)制，呈現(xiàn)“孔雀東南飛”的趨勢(shì)，東南沿海地區(qū)集聚了大量?jī)?yōu)秀人才，而西部地區(qū)的人才較為缺乏，地區(qū)科技人才的流動(dòng)主要表現(xiàn)為擠出效應(yīng)。

外商直接投資（fdi）直接效應(yīng)、間接效應(yīng)和總效應(yīng)系數(shù)分別為0.012、0.107、0.119，除了直接效應(yīng)系數(shù)沒有通過顯著性檢驗(yàn)，間接效應(yīng)系數(shù)和總效應(yīng)系數(shù)通過了5%顯著性水平檢驗(yàn)，說明外商直接投資對(duì)鄰近地區(qū)有著顯著的正向空間溢出效應(yīng)，但是對(duì)本地區(qū)科技創(chuàng)新的促進(jìn)效應(yīng)不明顯，原因在于：一方面，F(xiàn)DI引進(jìn)了國外先進(jìn)科學(xué)技術(shù)及管理經(jīng)驗(yàn)，刺激了國內(nèi)企業(yè)的科技創(chuàng)新;另一方面，F(xiàn)DI對(duì)當(dāng)?shù)孛耖g資本產(chǎn)生了競(jìng)爭(zhēng)壓力，阻礙民間資本發(fā)展，反而抑制了當(dāng)?shù)仄髽I(yè)的自主創(chuàng)新能力。

地區(qū)經(jīng)濟(jì)增長（pgdp）直接效應(yīng)、間接效應(yīng)和總效應(yīng)系數(shù)分別為0.674、-0.427、0.247，均通過1%顯著性水平檢驗(yàn)。說明地區(qū)經(jīng)濟(jì)增長增加1%，則本地區(qū)科技創(chuàng)新增加0.674%，鄰近地區(qū)科技創(chuàng)新減少0.427%，全部地區(qū)科技創(chuàng)新增加0.247%。說明了經(jīng)濟(jì)發(fā)展程度與科技創(chuàng)新有密切聯(lián)系，地區(qū)經(jīng)濟(jì)越繁榮，為科技創(chuàng)新提供了良好的物質(zhì)基礎(chǔ)，創(chuàng)新能力就會(huì)越強(qiáng)。然而地區(qū)經(jīng)濟(jì)發(fā)展也產(chǎn)生了虹吸效應(yīng)，抑制了相鄰地區(qū)的科技創(chuàng)新。

五、結(jié)論及政策啟示

（一）研究結(jié)論

（1）我國金融集聚與科技創(chuàng)新存在著地理空間分布上的正相關(guān)性和異質(zhì)性，各省份之間形成了較強(qiáng)空間依賴作用，呈現(xiàn)“高-高”和“低-低”分化的“中心-外圍”的發(fā)展模式，“高-高”金融集聚和科技創(chuàng)新的省份經(jīng)濟(jì)發(fā)展水平高，經(jīng)濟(jì)環(huán)境發(fā)展優(yōu)越并且互相吸引;“低-低”金融集聚和科技創(chuàng)新的省份經(jīng)濟(jì)發(fā)展水平較低，經(jīng)濟(jì)資源流失比較嚴(yán)重，導(dǎo)致其科技創(chuàng)新和金融集聚程度較低。

（2）我國銀行業(yè)、證券業(yè)對(duì)科技創(chuàng)新具有正向的空間溢出效應(yīng)，且銀行業(yè)空間溢出效應(yīng)大于證券業(yè)空間溢出效應(yīng)，銀行業(yè)和證券業(yè)的發(fā)展通過金融服務(wù)網(wǎng)絡(luò)的延伸，發(fā)揮了輻射效應(yīng)，促進(jìn)了科技信息溢出和專業(yè)化分工，刺激了鄰近地區(qū)科技創(chuàng)新效率。但是保險(xiǎn)業(yè)發(fā)展的空間溢出效應(yīng)為負(fù)值，原因在于保險(xiǎn)行業(yè)競(jìng)爭(zhēng)程度比較高，呈現(xiàn)過度競(jìng)爭(zhēng)的態(tài)勢(shì)，擠出了鄰近地區(qū)科技創(chuàng)新的發(fā)展。

（二）政策啟示

（1）發(fā)揮區(qū)域金融集聚輻射效應(yīng)，引導(dǎo)金融資源逐步擴(kuò)散。考慮到金融集聚地理空間上的關(guān)聯(lián)性和異質(zhì)性，應(yīng)構(gòu)建“多點(diǎn)帶面”的多層次金融體系，加強(qiáng)相鄰省份間的區(qū)域金融合作。金融集聚態(tài)勢(shì)良好的東部沿海地區(qū)，可以通過金融合作讓其優(yōu)質(zhì)金融資源逐步滲透到中西部地區(qū)，盡可能避免或緩解“金融排斥”現(xiàn)象，促進(jìn)金融資源在區(qū)域間的自由流動(dòng)，進(jìn)而實(shí)現(xiàn)帕累托最優(yōu)。

（2）優(yōu)化金融發(fā)展結(jié)構(gòu)，推動(dòng)“大眾創(chuàng)業(yè)，萬眾創(chuàng)新”。由于我國金融結(jié)構(gòu)并不十分完善，不能有效支持科技創(chuàng)新的發(fā)展，甚至?xí)嫦驍D出科技創(chuàng)新，特別是以傳統(tǒng)銀行業(yè)為主導(dǎo)的投資和融資結(jié)構(gòu)偏好于低風(fēng)險(xiǎn)的項(xiàng)目，在一定程度上抑制了高投入、高風(fēng)險(xiǎn)的戰(zhàn)略性新興產(chǎn)業(yè)和民營企業(yè)的科技創(chuàng)新，應(yīng)完善證券業(yè)和保險(xiǎn)業(yè)的發(fā)展，搭建多層次區(qū)域資本市場(chǎng)，為科技創(chuàng)新提供更完善的多渠道資本市場(chǎng)支持。

[參考文獻(xiàn)]

[1]CHOWDHURY R H， MIN M. Financial market development and the effectiveness of R&D investment： evidence from developed and emerging countries[J]. Research in international business & finance， 2012， 26（2）：258-272.

[2]柏玲， 姜磊. 金融支持區(qū)域創(chuàng)新的競(jìng)爭(zhēng)和溢出效應(yīng)——基于空間面板杜賓模型的研究[J].上海經(jīng)濟(jì)研究， 2013 （7）： 13-23.

[3]張玉喜， 趙麗麗. 中國科技金融投入對(duì)科技創(chuàng)新的作用效果——基于靜態(tài)和動(dòng)態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].科學(xué)學(xué)研究， 2015， 33（2）：177-184.

[4]李標(biāo)， 宋長旭， 吳賈. 創(chuàng)新驅(qū)動(dòng)下金融集聚與區(qū)域經(jīng)濟(jì)增長[J].財(cái)經(jīng)科學(xué)， 2016（1）：88-99.

[5]曹霞， 張路蓬. 金融支持對(duì)技術(shù)創(chuàng)新的直接影響及空間溢出效應(yīng)——基于中國 2003-2013 年省際空間面板杜賓模型[J].管理評(píng)論， 2017， 29（7）： 36-45.

[6]TEE L T， LOW S W， KEW S R. Financial development and innovation activity： evidence from selected east Asian countries[J]. Prague economic papers， 2014， 23（2）： 162-180.

[7]HSU P H， TIAN X， XU Y. Financial development and innovation： crosscountry evidence[J]. Journal of financial economics， 2014， 112（1）： 116-135.

[8]GUAN J C， YAM R C M. Effects of government financial incentives on firms' innovation performance in China： evidences from Beijing in the 1990s[J]. Research policy， 2015， 44（1）： 273-282.

[9]黎杰生， 胡穎. 金融集聚對(duì)技術(shù)創(chuàng)新的影響——來自中國省級(jí)層面的證據(jù)[J].金融論壇， 2017（7）：39-52.

[10]張林. 金融發(fā)展、科技創(chuàng)新與實(shí)體經(jīng)濟(jì)增長——基于空間計(jì)量的實(shí)證研究[J].金融經(jīng)濟(jì)學(xué)研究， 2016（1）：14-25.

[11]ELHORST J P. Spatial panel data models[M].Springer Berlin Heidelberg：Spatial Econometrics， 2010：37-93.

Abstract： We examine how financial agglomeration affects technological innovation. To address this question， we apply spatial autocorrelation statistics method including Moran's I statistic and spatial Durbin model based on provincial panel data from 2000 to 2016. We find that there is a positive correlation and heterogeneity in the geographical spatial distribution of China's financial agglomeration and technological innovation， and the financial agglomeration significantly contributes to the effectiveness of technological innovation. The banking market and the stock market have positive spillover effect on the technological innovation. However， the development of insurance markets appears to discourage technological innovation.

Key words： financial agglomeration; technological innovation; spatial spillover effect; spatial Durbin model

（責(zé)任編輯：蔡曉芹）