■刘慧娟，杨恺钧，褚天威

空间交互效应下金融发展、外商直接投资及技术创新
——基于省际面板数据的计量分析

■刘慧娟，杨恺钧，褚天威

本文基于2006～2014年省际面板数据，对金融发展、FDI与技术创新之间的影响机理进行分析。首先通过对金融发展、FDI变量的空间自相关性进行检验，判断出两个核心解释变量的空间分布是非均质的，随后又利用LM检验与稳健的LM检验得出变量间存在显著的空间交互效应。最后采用空间滞后模型（SLM）对模型估计中的变量系数进行溢出效应分解，发现金融规模显著抑制了本地及周边地区的技术创新，而金融结构对技术创新的影响为正，但不显著；FDI通过技术溢出效应显著促进了我国的技术创新。

金融发展；FDI；技术创新；SLM模型

刘慧娟（1990-），江苏连云港人，河海大学商学院，硕士研究生，研究方向为国际贸易学；杨恺钧（1975-），河北秦皇岛人，河海大学商学院，江苏省“世界水谷”与水生态文明协同创新中心，副教授，博士，研究方向为经济学；褚天威（1990-），吉林长春人，河海大学商学院，硕士研究生，研究方向为经济学。（江苏南京211100）

一、文献综述

2015年10月，习近平总书记于十八届五中全会上着重提出“必须把创新摆在国家发展全局的核心位置”，并明确了时下经济全球化与金融信息化交叉发展是推动“创新驱动发展战略”的最好机遇。Jian（2015）、Kim（2015）研究发现，高效的金融发展可带动资本积累，协助企业实现技术创新，进而促进社会经济的发展。有些学者则持截然不同的看法，Mcnally等（2010）指出创新可独立为三个维度，其中产品创新受不连续市场的影响较大，但金融发展对产品创新的作用则是消极的。这一结论与姜承武（2010）的观点较为一致，其认为金融发展对技术创新水平存在抑制作用。

相较于金融发展对技术创新影响的研究，关于FDI与技术创新相互关系的研究更为具体、完善，现有研究主要集中在FDI对东道国的技术外溢。Wu 和Hua（2013）认为FDI在短期内可促进中国中部地区的技术进步，但在长期内其作用并不显著。Hahn等（2015）认为跨国公司的技术水平比东道国越高，其给东道国带来的技术外溢就越明显。国内学者对FDI与技术创新发展之间的关系也具有一定的研究，朱承亮等（2011）采用随机前沿模型对中国区域的研发创新效率进行了估算，其研究表明FDI可以显著促进研发创新效率的改善。相反的，也有学者认为FDI在带来利好的技术溢出的同时也可能会对东道国的技术创新发展产生抑制作用。Garcia等（2013）对西班牙制造业的回归估计结果表明FDI与当地企业的自主创新水平之间存在显著负相关，说明FDI的外溢效应主要表现为竞争关系。

通过上述研究可以看出，现有关于金融发展、FDI与技术创新的研究颇为丰富，但大部分的文献研究集中在三者关系在区域内的影响效应，很少有学者选择以空间计量的视角对变量在区域间的交互响应进行研究，因而本文试图基于2006～2014年中国30个省级面板数据，从空间计量的视角对此类计量研究进行补充，着重分析区域内以及区域间三者的影响机制，利用偏微分方法分解溢出效应，更具体地体现变量在区域内与邻近区域的关系，为区域经济研究提供新的视角，为地方政府在合作互利的大环境下从自身与邻近区域的双向角度提供建议与对策。

二、样本数据与指标解释

（一）被解释变量

鉴于技术创新水平受多方面因素影响，本文借鉴张少泽等（2013）的研究方法运用主成分分析法（PCA）①主成分分析法：当一个变量受到多个下级指标的影响，为了全面衡量变量，可以运用主成分分析法提取出其主要的影响因素及其贡献率，利用降低指标维度的思想使其计量问题简单化。主成分个数的提取原则是对主成分对应的贡献率进行累加，当贡献率累加达到75%以上时，则可认为新提取的主成分能包含原指标的大部分信息。着重从投入和产出两个角度来综合评价各地区的技术创新水平（TI）。考虑到相比于资金的投入，新产品的商业化会存在一定的时滞，所以本文选择滞后一期的R&D投入强度作为技术创新水平投入要素的代理指标；选取专利授权量、新产品产值率、技术市场成交额三个指标作为产出能力的代理指标。

（二）解释变量

考虑到金融发展与FDI对技术创新的影响大部分是由资本存量的变化所决定的，因此本文主要是从资本投入量变化的视角建立模型的。本文构建了如下面板数据模型：

上式中，i代表省份，t代表时间，ε代表随机误差项。TI表示技术创新，FS表示金融发展规模，STR表示金融发展结构，FDI表示外商直接投资。借鉴孙立梅和高硕（2015）的研究结论，本文以金融规模FS与金融结构STR两个指标来衡量我国的金融发展水平。其中金融发展规模（FSit）用金融机构存贷款与保费额的总和来衡量，金融结构（STR）用金融机构当年年末贷款余额与存款余额的比重来表示。FDI则用各省市的外商直接投资额来衡量。

此外，考虑到模型估计的有效性，本文另选取了科技活动人力结构（HUMit）和国际贸易水平（EXPit）作为控制变量，其回归模型为：

其中科技活动人力结构（HUMit）用各省市的R&D活动从业人员与总从业人员的比值来衡量，国际贸易水平（EXPit）指标则选取各省按境内目的地和货源地划分的进出口总额。

（三）数据来源

基于空间计量模型的区域性要求，同时兼顾数据的可得性，本文采用2006～2014年中国30个省（区、市）的省级面板数据，其中不包含港澳台及西藏地区。金融发展的数据来源于wind数据库，技术创新数据来源于《中国科技统计年鉴》，其他数据则均来源于历年各省市的《中国统计年鉴》。由于本文的回归模型设定为线性自然对数形式，所以对单位为百分比以外的变量均取其自然对数。

三、计量结果分析

（一）金融发展、FDI的空间自相关性检验

本文通过Geoda软件，利用2006～2014年我国30个省市自治区的金融发展规模与FDI的指标数据，由金融结构指标测算出的Moran's I指数表明其空间相关性并不显著，所以本文对其结果不做说明。经检验，金融发展规模与FDI的空间相关性较为显著，其检验结果见表1和表2。

表1　我国30省市金融发展规模的Moran's I指数

表2　我国30省市FDI的Moran's I指数

从表中我们不难发现，无论是金融发展规模还是FDI的Moran's I指数值均是显著大于零的，由此说明金融发展规模和FDI指标具有显著的空间正相关性，即我国金融发展规模和FDI的空间分布是非均质的。同时，根据Moran's I指数值的计算结果，可得：从总体水平来看，金融发展规模的Moran's I指数值大于FDI，说明我国金融发展规模的集聚现象更为明显；从长期发展趋势来看，金融发展规模的Moran's I指数值没有显著的变化趋势，说明我国金融发展规模的集聚效应始终保持在一个稳定的状态；FDI的Moran's I指数值有下降趋势，说明FDI的空间分布越来越均衡，这一规律也与我国西部开发、扶贫引资等重大政策的要求不谋而合。

（二）计量结果分析

借助于Matlab 2012B软件，本文对模型选择以及空间计量模型的估计结果进行分析。

从表3中我们可以看出，在空间固定效应和双向固定效应（空间和时间固定效应）下，无论是传统的LM检验还是稳健的LM检验，均在1%的水平上，显著地拒绝了没有空间滞后被解释变量和没有空间自相关误差项的原假设；但在联合OLS估计和时间固定效应估计中，该类原假设并没有显著被拒绝。由此表明，空间固定效应和时间固定效应的结论是不一致的，且在双向固定效应下解释变量与被解释变量间的交互效应显著，因而本文的空间面板模型更倾向于采用SLM模型。同时，从非空间面板数据模型的似然比（LR）检验结果来看，无论是空间效应还是时间固定效应均拒绝联合非显著的原假设（检验结果中p＜0.01），说明本文应将估计模型扩展为双向效应的模型，即空间和时间固定效应模型。

表3　无空间交互效应的面板数据模型估计结果

为找出更有效的空间估计模型，本文对双向特定效应下的SDM模型估计结果中的Wald检验值和LR检验值进行比对，以判断SDM模型是否可以简化为SLM模型或SEM模型。

从表4中的Wald以及LR检验结果发现，SDM模型的Wald和LR检验均拒绝了SDM模型简化为SEM模型的原假设，相反，SEM模型的Wald和LR检验则接受了SDM模型简化为SLM模型的原假设。该检验结果与非空间模型估计中的检验结果所指向的模型基本一致，因此，本文在估算直接效应和间接效应时采用SLM模型。同时，由于空间滞后模型没有解释变量的空间滞后项，对于效益分解的偏误影响不大，故在空间滞后模型的效应分解中不进行偏误修正，而对稳健性检验的SDM模型的效应分解进行偏误修正。

此外，对比表4中不同固定效应下的估计结果可以发现，双向固定效应的R2值最高，且LogL值的绝对值最大，说明双向固定效应下的SDM模型的估计结果最优。LeSage和Pace提出了如果使用空间计量模型估计，得到的弹性系数是有偏的，因此比较估计所得的系数是无效的。与非空间模型的参数估计不同，空间模型的参数估计并不能直接反映空间模型的变量间关系，需要使用效应分解的方法。本文对空间和时间固定效应下的SLM模型进行了效应分解，效应分解的结果见表5。

表4　基于空间和时间特定效应的SDM模型估计结果

表5　空间和时间固定效应下SLM模型的直接和间接效应估计

从表5的效应分解结果显示，可以发现以下结论：

1.相对于直接效应的t值，间接效应的t值要相对小一些，说明解释变量的变动对地区内被解释变量的影响效果要大于区域间的影响效果，主要可能是由于地理距离的增加导致影响效果的减弱，这一结果与现实经验相吻合，即事物作用的直接效果要大于间接效果。

2.在空间和时间固定效应下，金融发展规模直接效应与间接效应均在1%水平下显著为正，金融发展结构的效应均为正但并不显著，这说明无论是金融规模还是金融结构都促进了当地的技术创新水平，同时还会带动周围地区的技术创新，这符合多数学者所研究的结果，即金融发展相对于中国经济发展是有效率的（Fuente，1996；徐玉莲等，2012）。金融的发展为技术创新带来了充足的资金，为技术创新提供了良好的物质基础，同时金融区域间的交流也促进了技术上的创新合作。

3.在空间和时间固定效应下，FDI变量的直接效应与间接效应均显著为正，FDI的正向间接效应则可能是因为FDI在空间上的技术外溢覆盖面积较大，因此对周边邻近区域的技术创新水平也会产生影响，同时也解释了间接效应小于直接效应，主要是由于技术外溢的扩散可能是随着距离的增加而逐渐减弱的。正如郑慕强（2011）所认为FDI的引进不仅给当地的发展带来了技术外溢效应（为了适应市场的激烈竞争，企业也会被迫对自有的企业资源、技术进行升级，形成了良性的循环），对周边邻近区域的技术创新水平也会产生影响，存在空间上的技术外溢现象。

4.对于控制变量的系数判断，科技活动人力结构变量（HUM）的直接效应、间接效应以及总效应的系数虽然为正，但均不显著，本文认为产生这种结果可能的原因是科技活动人力结构变量主要体现了各省市参加科研活动的强度，但地区之间的R&D活动从业人员的受教育程度、科研能力也有很大的差异，因此科技活动人力结构的各项效应虽然为正，但并不显著。而控制变量国际贸易程度（EXP）的直接效应和间接效应则均显著为负，可见我国各省市的进出口总额的增加会对地区内及周边地区的技术创新水平产生负向影响。这可能是由于我国的出口大部分集中在机电产品和传统劳动密集型产品，据海关数据统计，截至2016年第一季度末，我国机电产品出口高达17400亿元，占同期出口总额的57.7%，传统劳动密集型产品合计出口6225.2亿元，占到出口总值的20.7%，而这些出口产品对于技术更新的要求不高，从而可能导致国内技术创新的脚步变慢甚至抑制了国内开发新产品的动力。

四、结论

本文利用中国30省市2003～2014年的面板数据，结合对空间模型的变量系数偏微分分解方法，对金融发展与FDI对我国技术创新水平的影响进行计量分析，得出以下结论：

（一）相比较传统回归方法，空间计量模型估计结果解释力更强。当采用传统的回归方法对变量系数进行估计时，所得结果的拟合优度很差，尤其是在考虑面板数据的空间固定效应和时间固定效应之下，LM检验与稳健的LM检验都显著指向被解释变量与解释变量中存在空间滞后交互效应和空间误差交互效应。因此说明在本文中考量选取指标变量的关系时，采用传统的回归方法会导致存在较大的偏误，使用空间计量模型可以更好地估计结果。

（二）从本文的实证结果中可以发现金融发展规模的扩大显著促进了区域内及邻近区域技术创新水平的提高，金融结构对技术创新也起促进作用，但不显著。我国的金融发展还不够成熟，金融规模有待进一步扩大，金融结构则反映了我国资本市场存在层次性的问题，因而金融发展规模是不明智的，所以在今后的金融发展中应扩大金融规模，完善金融结构体系，并借助当下互联网热点推动互联网金融的健康良好发展，给予科技型中小企业更多的生存空间。此外，考虑到金融发展对技术创新水平的促进作用表现在区域内与邻近区域，金融各部门应加强区域间的金融合作，如建立远程会议制度等，促进金融监管部门之间的交流；鼓励区域间的银团贷款、融资代理业务保持金融机构之间的合作模式多样化等。

（三）FDI能够促进当地及周边区域的技术创新水平。FDI所表现的技术外溢效果对于力求“技术驱动”的中国经济是重要利好，地方政府应加强保持外商投资与本土企业之间的合理竞争结构，并对潜在的FDI进行更加严格的甄别把控，不应该以牺牲资源、市场的方式吸引FDI的进入，而应以长远发展视角来考量FDI引进的质量问题。首先政府应对引进外商标准进行转变。我国区域引进外商的策略应该由“招商引资”转变为“招商择资”，对FDI进行科学合理的选择。在“新常态”经济形势下，招商重点应更加注重引进国外的先进技术、管理经验以及高素质人才。

（四）科技活动人力结构对技术创新的促进作用并不显著，而国际贸易的增长却抑制了技术创新水平的提高。地方政府应加强劳动力素质培养及进出口优化工作，确保技术创新的均衡发展。在加强劳动力素质培养方面，我国应继续秉承“科教兴国”战略，加大对教育、科研及人才素质培养方面的经济投入。此外，鉴于我国科技成果转化率低，政府部门定期组织科技创新活动，让广大的从业人员和高校学者参与进来，产学研结合，实现科技成果的高转化率。在贸易开放度方面，我国应加强进口商品结构的优化，地方政府要能够稳定并引导大宗商品进口，对于国外先进技术设备的引进要放在优先位置；坚持引进来和走出去共同发展，地方政府应鼓励开展直接贸易，并支持具备一定条件的国内企业“走出去”，“一带一路”政策的提出就是实现中国对外开放布局的宏伟蓝图的重要实践。

［1］Jian-Xiong L I，Wang P J，Xue HF. Countermeasure Research of the Support of Finance to ScientificandTechnological Innovation［J］.Value Engineering，2015.

［2］Kim Y J，Cin B C，Cho K，et al.Introduction：Technology，Finance，and Trade in Emerging Markets ［J］.EmergingMarkets Finance&Trade，2015，51.

［3］姜承武.FDI、金融发展对我国创新能力影响的研究［D］.江西财经大学，2010.

［4］Hai bing Wu，Hua L I.Empirical Research on the Influence of FDI onImproving Technological Progress of the Middle AreasofChina［J］.Economic Geography，2013.

［5］Hahn T，Pinkse J，Preuss L，et al.Tensions in CorporateSustainability：TowardsanIntegrative Framework［J］.Journal of Business Ethics，2015，127 （2）：1～20.

［6］朱承亮，师萍，岳宏志.FDI、人力资本及其结构与研发创新效率［J］.科学学与科学技术管理，2011，32（9）：37～42.

［7］García F，Jin B，Salomon R.Does inward foreigndirect investment improvetheinnovative performance of local firms？［J］.Research Policy，2013，42（1）：231～244.

［8］孙立梅，高硕.我国金融发展对技术创新效率作用的实证［J］.统计与决策，2015，（8）：110～113.

［9］Lesage JP，Pace R K.Introduction to spatial econometrics［J］.SpatialDemography，2013，1（1）：143～145.

［10］徐玉莲，王宏起.科技金融对技术创新的支持作用：基于Bootstrap方法的实证分析［J］.科技进步与对策，2012，29（3）：1～4.

［11］郑慕强.FDI技术外溢与本地企业技术创新：吸收能力的影响［J］.科研管理，2011，32（3）：1～8.

F830

A

1006-169X（2016）08-0022-06

江苏省决策咨询研究基地课题（14SSL10）；河海大学科技处项目（20168042116）。