區(qū)域科技金融支持科技創(chuàng)新的實證研究

黃瀟瀟

摘 要：近年來，廣東省科技創(chuàng)新能力突飛猛進，區(qū)域科技創(chuàng)新能力穩(wěn)居全國第一，這離不開科技金融體系的大力支持。本文利用廣東省2000—2018年數(shù)據(jù)，構(gòu)建了VAR模型并進行脈沖響應(yīng)函數(shù)分析與方差分解，研究了科技金融體系對科技創(chuàng)新能力的支持作用。結(jié)果表明，政府、企業(yè)、資本市場對科技創(chuàng)新支持作用較顯著，金融機構(gòu)貸款一定程度上阻礙了科技創(chuàng)新。廣東省只有加快完善并充分利用科技金融體系，才能促進科技創(chuàng)新能力的穩(wěn)步提高。

關(guān)鍵詞：科技金融;科技創(chuàng)新;VAR模型;實證研究;區(qū)域經(jīng)濟

中圖分類號：F127 文獻標識碼：A 文章編號：2096-0298（2021）04（a）--03

《中國區(qū)域創(chuàng)新能力評價報告》指出，2019年廣東省區(qū)域創(chuàng)新能力蟬聯(lián)全國第一。廣東省科技創(chuàng)新能力，包括專利申請授權(quán)量代表的技術(shù)創(chuàng)新研發(fā)能力、技術(shù)市場成交額代表的科技成果轉(zhuǎn)化能力，以及高新科技產(chǎn)業(yè)產(chǎn)值代表的技術(shù)產(chǎn)業(yè)化能力都達到了前所未有的水平?？萍紕?chuàng)新需要大量的資金支持，需要科技金融這一強大后盾。本文分析了2000—2018年廣東省科技金融體系各大主體對科技創(chuàng)新的支持作用，為科技金融更高效、高質(zhì)地支持科技創(chuàng)新提供了相關(guān)建議。

1 模型說明

1.1 指標選擇與數(shù)據(jù)來源

科技金融系統(tǒng)并沒有明確的定義，學(xué)界廣泛接受的是學(xué)者趙昌文提出的見解：科技金融，是由向科學(xué)和技術(shù)創(chuàng)新活動提供融資資源的政府、企業(yè)、市場、社會中介機構(gòu)等各種主體以及其在科技創(chuàng)新融資過程中的各種行為活動共同組成的一個完整體系[1]。本文選取了四大科技金融指標：政府財政科技支出X1、企業(yè)自身R&D（研究與試驗發(fā)展）經(jīng)費投入X2、金融機構(gòu)科技貸款X3與科技型上市公司股票市場融資額X4?？萍紕?chuàng)新衡量指標比較多樣，包括專利授權(quán)量、高新技術(shù)產(chǎn)業(yè)產(chǎn)值、技術(shù)市場成交額[2]等。本文選取技術(shù)市場成交額Y作為衡量科技創(chuàng)新的指標。

2000—2018年廣東省各項數(shù)據(jù)：財政科技支出、技術(shù)市場成交額、企業(yè)R&D經(jīng)費投入源于廣東省科技統(tǒng)計分析中心;金融機構(gòu)科技貸款數(shù)據(jù)已經(jīng)停止計算多年。本文選擇金融機構(gòu)貸款作為金融機構(gòu)資金支持，數(shù)據(jù)來源于《廣東省統(tǒng)計年鑒》;上市科技公司股票籌資額源于清科私募通數(shù)據(jù)庫。

1.2 數(shù)據(jù)處理

為了消除通貨膨脹的影響，本文利用消費者物價指數(shù)對價格類數(shù)據(jù)進行平減。為了避免出現(xiàn)異方差現(xiàn)象，本文將數(shù)據(jù)進行對數(shù)處理后再建立模型。

1.3 模型建立

向量自回歸模型，簡稱VAR模型。模型將系統(tǒng)中的每一個內(nèi)生變量與其他所有內(nèi)生變量的滯后項進行回歸，探究模型中各個內(nèi)生變量之間的動態(tài)關(guān)系，常常用于經(jīng)濟系統(tǒng)的動態(tài)性研究上。含有個內(nèi)生變量，滯后階數(shù)為的VAR模型如下：

其中，是維內(nèi)生變量向量，為模型維截距向量，為階系數(shù)矩陣，為維隨機擾動向量。

2 實證分析

2.1 平穩(wěn)性檢驗

為了避免時間序列在建模中出現(xiàn)“偽回歸”現(xiàn)象，先對時間序列進行ADF平穩(wěn)性檢驗。檢驗通過三個模型完成，含時間趨勢與截距模型、無時間趨勢有截距模型、無時間趨勢無截距模型。按順序檢驗，只要拒絕模型原假設(shè)（時間序列存在單位根），即可認為是平穩(wěn)序列，停止檢驗，否則繼續(xù)檢驗至最后一個模型。

5%顯著性水平下，原序列均為不平穩(wěn)序列。一階差分后，序列均為平穩(wěn)序列。各個序列具有相同的單整階數(shù)，可能存在協(xié)整關(guān)系，如表1所示。

2.2? 協(xié)整檢驗

協(xié)整檢驗探究變量間是否存在長期均衡關(guān)系。Johansen協(xié)整檢驗建立在VAR模型上，在協(xié)整檢驗前，需要先確定VAR模型的階數(shù)。根據(jù)AIC和SC準則，最佳滯后期為2，建立滯后2階的VAR模型。

以下進行滯后階數(shù)為1的Johansen協(xié)整檢驗。由表2可知，在5%顯著性水平下，拒絕變量間不存在協(xié)整關(guān)系的原假設(shè)，可認為變量間存在協(xié)整關(guān)系。

2.3 VAR模型平穩(wěn)性檢驗

VAR模型是穩(wěn)定的，后續(xù)的脈沖響應(yīng)函數(shù)分析及方差分解才是有意義的。圖1表明，模型所有根模倒數(shù)均在單位圓內(nèi)，因此模型是穩(wěn)定的，可以對模型進行后續(xù)研究。

2.4 脈沖響應(yīng)函數(shù)分析

脈沖響應(yīng)函數(shù)衡量來自隨機擾動項的一個標準差沖擊對各個變量當(dāng)前和未來取值的影響[3]，可用來探究系統(tǒng)變量之間的動態(tài)關(guān)系。

圖2（左）是對數(shù)水平下，財政科技支出LNX1在受到一單位正向沖擊后，技術(shù)成交額LNY的脈沖響應(yīng)圖像。當(dāng)LNY受到LNX1的沖擊后，第一期沒有作出反應(yīng)，即滯后反應(yīng)，隨后開始穩(wěn)步增加，一直保持在穩(wěn)定的正水平上。從長期來看，財政科技支出對技術(shù)市場成交額的提升作用是持續(xù)且穩(wěn)定的，體現(xiàn)了科技金融中政府資金對于科技創(chuàng)新的有效支持。2008年，廣東省人民政府制定了《廣東自主創(chuàng)新規(guī)劃綱要》明確指出，要穩(wěn)定提高財政科技的投入，加強對科技研發(fā)資金的統(tǒng)籌使用。近年來，廣東省財政科技支出逐年上升，2018年高達1034.71億元，占地區(qū)GDP的6.58%，為廣東省能夠保持科技創(chuàng)新能力全國第一，提供了財政支持這一強大后盾。

圖2（右）是對數(shù)水平下，企業(yè)R&D經(jīng)費投入LNX2在受到一單位正向沖擊后，技術(shù)成交額LNY的脈沖響應(yīng)圖像。受到LNX2的沖擊后，LNY滯后反應(yīng)，第二期產(chǎn)生微弱的正響應(yīng)。隨著時間的增加，LNY逐漸提高，這種積極的正向響應(yīng)長期維持，有穩(wěn)步提高的現(xiàn)象，體現(xiàn)了科技金融體系中企業(yè)主體資金對科技創(chuàng)新的強大支持。近年來，廣東省利用科研設(shè)備優(yōu)惠、研發(fā)投入抵稅等優(yōu)惠政策，鼓勵企業(yè)成為研發(fā)投入的主體，政策成效顯著，企業(yè)R&D投入穩(wěn)步提高。2018年，企業(yè)R&D資金達到2369.05億元，占社會所有R&D經(jīng)費支出的87.6%，年增長15.70%。在廣東省科技創(chuàng)新能力的躍升中，企業(yè)R&D的持續(xù)投入起關(guān)鍵作用。

圖3（左）是對數(shù)水平下，金融機構(gòu)科技貸款LNX3受到一單位正向沖擊后，技術(shù)市場成交額LNY的脈沖響應(yīng)函數(shù)圖。當(dāng)LNY受到LNX3的沖擊后，第一期沒有作出反應(yīng)，隨后開始減少，到第二期達到最低點。此后，LNY穩(wěn)步恢復(fù)，開始回到正向水平，第四期達到峰值。隨著時間的推進，LNY正向負向來回小幅波動，波動趨于零。金融機構(gòu)貸款在一定程度上阻礙了科技創(chuàng)新，從長期來看，金融機構(gòu)貸款對科技創(chuàng)新的支持作用難以體現(xiàn)。李合龍等（2019）研究發(fā)現(xiàn)，科技貸款抑制了粵港澳大灣區(qū)科技創(chuàng)新[4]?？萍假J款阻礙科技創(chuàng)新的現(xiàn)象，主要是因為廣東省科技貸款體系不夠完善。企業(yè)評估不合理、信用擔(dān)保體系不健全，科技貸款風(fēng)險補償難操作，金融機構(gòu)為了保證收益，不愿向科技企業(yè)貸款，或者大多選擇風(fēng)險低、收益低的企業(yè)。加上政策性金融機制不夠健全的情況下，科技貸款需求遠遠不能滿足企業(yè)科技創(chuàng)新的需求[5]，那些有潛力的高風(fēng)險、高收益的企業(yè)，沒有籌集足夠的資金支持自己的創(chuàng)新活動，科技創(chuàng)新受阻礙。2009年以來，廣東開始創(chuàng)新科技企業(yè)信貸新模式，鼓勵銀行針對性地提供科技信貸特色服務(wù)，一定程度上緩解了中小型科技企業(yè)融資難的問題。但是目前科技貸款體系不健全，大多科技創(chuàng)新企業(yè)還是很難從銀行獲取貸款，銀行信貸對于科技創(chuàng)新的支持作用沒有得到較好的體現(xiàn)。

圖3（右）是對數(shù)水平下，市場資金LNX4受到一單位正向沖擊后，技術(shù)市場成交額LNY的脈沖響應(yīng)函數(shù)圖?？梢钥吹剑?dāng)受到LNX4的沖擊后，LNY第一期沒有響應(yīng)，隨后顯著提高，并在第二期達到峰值。此后，這種正向的響應(yīng)逐漸降低，并穩(wěn)定地在零值附近波動。從短期來看，科技金融體系中資本市場資金對于科技創(chuàng)新的促進作用是明顯的;從長期來看，這種促進作用削弱。近年來，廣東省鼓勵科技型企業(yè)積極尋求資本市場的資金支持，為企業(yè)科技金融體系注入了巨大的活力，科技創(chuàng)新成果顯著。但企業(yè)上市門檻仍較高，中小型科技創(chuàng)新企業(yè)難以上市融資，資本市場對科技創(chuàng)新的長期促進作用還有待提高。

2.5 方差分解

方差分解方法可以將模型中的一個變量預(yù)測均方差分解成系統(tǒng)中各個變量的沖擊貢獻值，并由此得出這些變量沖擊的相對重要性[6]。對LNY進行期數(shù)為10的方差分解，結(jié)果如表3所示。

隨著期數(shù)的增加，LNX1對LNY的方差貢獻度不斷增加，在第10期達到9.29%的水平;LNX2投入對LNY的方差貢獻度也在不斷增加，第10期達到21.10%的水平;而LNX3對于LNY的方差貢獻度先緩慢上升，達到峰值18.68%，再不斷降低，第10期只剩下13.10%的水平;LNX4對于LNY方差貢獻度先緩慢上升，達到峰值2.97%，再緩慢下降，第10期在2.12%水平。

從短期來看，對于技術(shù)市場成交額方差，金融機構(gòu)科技貸款貢獻度最高，之后依次是資本市場資金、財政科技支出、企業(yè)R&D投入;從長期來看，首先企業(yè)R&D投入貢獻度最高，其次是金融機構(gòu)科技貸款，再次是財政科技支出，最后是資本市場資金。長期而言，企業(yè)R&D經(jīng)費投入是企業(yè)科技創(chuàng)新的主要動力。

3? 結(jié)語

總體而言，科技金融體系對科技創(chuàng)新有顯著的促進作用。政府財政科技支出與企業(yè)R&D經(jīng)費投入對科技創(chuàng)新有長期穩(wěn)定的促進作用，資本市場資金對科技創(chuàng)新的促進作用維持時間較短，而金融機構(gòu)科技貸款具有一定程度的阻礙作用。

針對廣東省的實證分析結(jié)果，提出以下政策建議。

第一，政府堅持財政對科技創(chuàng)新提供的強大資金支持。擴寬財政對科技創(chuàng)新的支持方式，綜合利用重大科研項目的獎勵與補貼、政府引導(dǎo)基金等方式，鼓勵引導(dǎo)整個社會的創(chuàng)新投入等。

第二，企業(yè)繼續(xù)發(fā)揮經(jīng)費投入的關(guān)鍵作用。企業(yè)應(yīng)穩(wěn)步增加科研經(jīng)費投入，提高其利用效率等。同時加快參與省自主創(chuàng)新綜合試驗，積極融入產(chǎn)學(xué)研合作新模式，不斷提高自主研發(fā)能力與綜合創(chuàng)新能力。

第三，健全科技金融信貸服務(wù)體系，積極探索金融機構(gòu)支持科技創(chuàng)新的新模式。加快建設(shè)科技銀行，為科技企業(yè)提供多方位特色金融服務(wù)，并與之形成穩(wěn)定的信貸關(guān)系，凸顯金融機構(gòu)支持科技創(chuàng)新的作用。

第四，營造良好的資本市場金融支持環(huán)境，加快建設(shè)多層次的資本市場。合理降低科技創(chuàng)新型企業(yè)上市門檻，積極輔助其根據(jù)自身需求在創(chuàng)業(yè)板、科創(chuàng)板掛牌上市，再融資等。此外，也需要鼓勵風(fēng)險投資與天使投資對中小型科技企業(yè)進行資金支持，同時對這些投資方予以減稅優(yōu)惠，落實風(fēng)險投資補償資金等。

參考文獻

趙昌文，陳春發(fā)，唐英凱.科技金融[M].北京：科學(xué)出版社，2009.

韓景旺，陳小榮.河北省科技金融與科技創(chuàng)新互動發(fā)展關(guān)系的實證研究[J].河北經(jīng)貿(mào)大學(xué)學(xué)報，2020，41（03）：72-81.

吳桐雨，王健.中國物流業(yè)、經(jīng)濟增長與技術(shù)創(chuàng)新——基于2002～2017年向量自回歸模型的實證研究[J].工業(yè)技術(shù)經(jīng)濟，2019，38（03）：116-122.

李合龍，韓高萌，張衛(wèi)國，等.科技金融支持科技創(chuàng)新的實證研究——以粵港澳大灣區(qū)內(nèi)地9市為例[J].科技與經(jīng)濟，2019，32（06）：16-20.

俞立平.銀行貸款、政府及企業(yè)科技投入貢獻的縱向差距研究——基于面板數(shù)據(jù)分位數(shù)回歸的估計[J].科技進步與對策，2013，30（04）：28-32.

張建英.我國煤炭價格影響因素的VAR模型分析[J].經(jīng)濟問題，2016（01）：108-112.