李俊辉

0 引言

近年来，我国提出以创新驱动区域经济发展，以科技引领金融创新的战略，《国家“十三五”科学和技术发展规划》明确指出，要大力扶持和培养高新技术企业，建设国家科技金融创新中心。科技是第一生产力，而金融是第一推动力，科技金融是推动经济发展的引擎，是现代经济发展的强大动力。目前，科技金融对高新技术企业的支持作用十分重要，其发展水平会影响高新技术企业的发展。青海省作为我国西部经济欠发达的省份，科技金融发展较为落后，但近几年青海省科技金融和高新技术企业的发展速度加快，省政府重视科技金融的发展。本文通过实证研究科技金融对高新技术企业的影响，有利于进一步完善我省科技金融服务的政策建议，为高新技术企业发展提供持久的动力。

1 青海省高新技术产业与科技金融的发展现状及存在的问题

1.1 高新技术企业发展现状及存在的问题

近年来，青海省创新型省份建设取得积极进展，深入实施创新驱动发展战略，科技支持高质量的发展也取得了巨大进展。围绕建设创新型省份，青海省实施了“百项创新攻坚”项目，形成了比较完善的科技创新创业支撑体系。青海省近年高新技术企业数量增加较快，高新技术企业现在已经达到166家。从专利拥有量来看，青海每万人有效发明专利达到2.34件。2019年高新技术企业的工业总产值达到552.7亿元，占青海省GDP的18.6%，为青海省经济的发展贡献较大。区域综合科技创新水平全国排名上升至26位，青海省高新技术企业的发展前景广阔，发展活力持续增强。

虽然青海省在推动高新技术企业发展方面取得巨大进步，但是也存在着一定的问题。首先青海省科技创新水平总体不高，缺乏高端人才。表1选取了全国平均和西部地区研究与开发机构R&D人员指标，2018年，全国每省的R&D人员为13354人，青海仅仅只有5318人。相较于西北地区其他省份，青海地区R&D人员数量也处于较低水平，而且尤其缺乏高端人才，这大大限制了青海高新技术企业的发展。

表1 2018年西北地区研究与开发机构R&D人员

其次，青海省科技转化成果较低，根据中国火炬年鉴的数据，2017年和2018年，全国各省高新技术企业的净利润均为正值，而青海省这两年高新技术企业的净利润为负值，高新技术企业处于亏损状态。另外从高新技术企业的其他指标来看，青海省高新技术企业的营业收入、出口总额、年末资产、上缴税费等与全国平均水平存在明显的差距。

1.2 科技金融发展现状及存在的问题

科技金融是科技创新的引擎，近年来，青海以国家创新驱动战略为指导，提升科技与金融的融合程度，全省的科技金融总体上呈稳步发展态势。从科技金融政策来看，今年全省“两会”提出了实施资本市场高原红行动的决策部署，方便高新技术企业融资。从研发经费投入来看，省政府加大对科技企业研发经费的投入，每年经费的投入逐年增长，2017年研发经费的政府投入额已经达到1.2亿元；企业自身逐步意识到研发的重要性，加大自有资金的投入，2017年研发经费企业内部支出已达到1.9亿元。

虽然青海省科技金融得到逐步发展，但相比于全国平均水平仍有较大的差距。首先，青海省高新技术企业的资本市场融资较差，上市公司仅仅有12家。青海省位于西北地区，经济水平落后，风险投资机构少，投资高新技术企业的风险投资额很少。从下表可以看出，青海省R&D经费投入低于全国平均水平，而且经费投入强度整体呈下降态势，其他西北省份都呈增长态势。

表2 2011-2018西北地区试验发展（R&D）经费投入强度 单位%

2 实证分析与结论

2.1 指标选取与模型构建

本文采用柯布·道格拉斯生产函数模型建立科技金融投入对高新技术产业影响的计量模型，验证科技金融对高新技术产业发展的促进作用。

选用高新技术产业工业总产值（Y）作为被解释变量，国内外学者的研究中认为高新技术企业工业总产值指标能较为综合得反映高新技术企业的发展程度。模型的解释变量采用政府的科技财政投入（Gov）和风险资金投入（Ven），这二者能够较好地衡量科技金融投入。对于控制变量的选择，本文根据现有研究成果及原生产函数模型，采用高新技术企业的数量（Num）和高新技术企业的科技活动人数（Peo）作为控住变量。得到计量模型如下：

2.2 实证检验

2.2.1 变量的单位根检验

由于本文采用的数据是时间序列数据，数据的平稳性对模型的构建非常重要，否则会存在伪回归的情况或者传统T检验失效的情况，因此需要对各变量进行平稳性检验。本文使用ADF方法对各变量进行单位根的平稳性检验。

表3 单位根检验结果

从表3的检验结果可以看出，初始变量lnY、lnGov、lnVen、lnNum、lnPeo的ADF检验结果都是不平稳的，都存在单位根。经过一阶差分后，变量lnGov、lnNum、lnPeo检验结果是平稳的。而变量lnY和lnVen在10%的显著性水平下依然不平稳。于是对变量进行二阶差分处理，检验结果表明所有变量都是平稳的，不存在单位根。

2.2.2 协整检验

协整检验是检验变量之间的某种线性组合是否存在长期稳定关系的一种方法。前面单位根检验结果表明变量是二阶单整的，可以对变量进行协整检验。本文以lnY为因变量，以 lnGov、lnVen、lnNum、lnPeo 为自变量，对时间序列进行最小二乘回归，并得到残差序列e，并对e进行单位根检验。通过运用stata软件，我们可以得出检验结果。残差序列e的检验值为-3.694，显著性水平为5%时的临界值为-3.00，所以残差序列e通过了置信度为5%的平稳性检验，说明变量之间存在协整关系。

2.2.3 多重共线性检验

为检验模型是否存在多重共线性，本文借助方差膨胀因子来衡量。根据stata运行结果，模型膨胀因子的平均值为9.08，远远大于经验值2，并且方差膨胀因子的最大值为14.0，也大于经验值10，所以认为模型存在多重共线性，变量之间相关性较强。因此采用逐步回归法处理多重共线性问题。首先，分别做lnY对各变量的一元回归。结果如下表：

表4 逐步回归结果

各变量按 R^2的大小排序为 lnVen、lnNum 、lnPeo 、lnGov。于是以lnVen为基础，顺次加入其它变量进行回归，当加入lnPeo时，t统计不显著应当予以剔除。当加入lnGov时，t统计量也不显著，但因为lnGov为主要解释变量，并且lnGov加入模型并没有大幅度降低其它变量的显著性水平，因此保留变量lnGov。

2.2.4 格兰杰因果检验

想要证明变量之间的因果关系，需要对变量进行格兰杰因果检验。本文采用基于VAR模型的格兰杰检验法对各变量之间的关系进行检验。通过常用的AIC准则、HQIC准则和SBIC准则确定本文最优的滞后期为2。

表5 各变量格兰杰因果检验结果

从Granger检验结果可以看出，企业自有资金投入（lnVen）、政府财政高新技术投入（lnGov）、高新技术企业的数量（lnNum）是高新技术企业总产出（lnY）的格兰杰原因。但总产出不是企业自有资金投入和高企数量的原因，说明他们之间单向的关系。在5% 的显著性水平下，高新技术企业总产出是政府财政投入的格兰杰原因，他们之间存在双向关系，说明政府财政科技投入促进高新技术企业的发展，同时高新技术企业的进一步发展又使得政府财政科技投入的不断增加。

2.2.5 实证结果分析

通过单位根、协整、多重共线性的检验与处理，得到的模型结果如下：

lnY=3.93+0.08lnGov+0.80lnVen+0.49lnNum+ε

（1.5） （0.16） （0.167） （0.23）

由回归结果可以看出，模型的拟合优度为R^2=0.98，说明模型拟合效果较好。此外，模型的F检验中P值为0.00，表明回归模型总体显著；高新企业的数量和企业自有资金都满足90%显著性水平下的t检验，但政府科技投入这指标不显著，表明政府科技投入对于高新技术总产值的影响不突出。

2.3 结论与启示

2.3.1 政府创新财政科技投入的方式

通过文章的实证分析，政府财政科技投入对高新技术企业没有产生显著的影响。财政投入更多地将资金投入科技成果转换的中后期，而基础性研究和应用性的研究方面投入明显不足。政府需要完善资金投入管理方式，完善绩效评估机制，使得青海省政府的资金使用效率得到提升。政府财政科技投入更适合、也更应当扮演引导者的角色，将更多财政基金投入到高新技术企业的初期研发阶段，对基础研究和应用研究两方面予以重点推进。

2.3.2 完善科技融资渠道

全国高新技术企业主要通过自筹资金、债券融资、政策性融资和以风险投资、私募股权融资为主的股权融资这四种典型模式获得融资。风险投资、私募股权投资能为高新技术企业提供风险与收益相匹配的资金类型，是高新技术企业的最佳融资模式。但是在青海地区、由于经济水平落后，高新技术企业融资主要通过自有资金和政策性融资，因为青海地区上市公司仅有12家，而这12家中满足高新技术企业认定的仅有西部矿业，青海省高新技术企业资本市场的股票融资渠道是闭塞的。因为青海位于大西北、远离东部发达地区，高新技术企业在导入期很难获得股权性的融资。青海政府需要积极引进国内外著名股权投资机构，并与这些投资合作成立高新技术产业风险投资基金，方便高新技术企业的融资。同时政府应加快实施资本市场高原红行动的决策部署，为高新技术企业创造良好的融资环境。