马 俊 李季刚

（中国人民银行乌鲁木齐中心支行，新疆 乌鲁木齐 830002；新疆财经大学，新疆 乌鲁木齐 830002）

一、引言与文献综述

在当前经济新常态背景下，我国经济增长速度从以往的高速乃至超高速放缓至当下的中高速，过去依靠规模经济和投资驱动的经济增长模式已经不能适应开放经济下资源的最优配置和新时代背景下可持续发展的需要，现阶段地区经济的高质量发展必须以创新为发展动力才能突破“结构性减速”带来的经济发展瓶颈。新古典增长理论指出技术提高是经济实现稳定增长的第一动力，中国共产党的十八大提出大力实施创新驱动发展战略，而十九大更是进一步提出科技创新是带动发展源动力的主张，并促使“中国制造”升级转型为“中国智造”。2019 年规模以上工业企业R&D（研究与实验发展）经费占全国比重为63.09%，R&D人员占全国比重为69.78%，由此可见，规模以上工业企业在很大程度上是整个国家的创新主力军，是引领国家科技进步的中坚力量。尽管我国已通过积极部署创新驱动发展战略实现国家科技创新水平的高速提升，但与发达国家相比，我国科技发展由于创新发展水平总体不高、创新资源区域间配置不协调、各区域创新效率差距较大、技术创新资金供需失衡等原因导致科技创新的经济效益产出较慢，金融产业的支撑能力有待提升，所以我国亟须完善金融系统，以此支持企业技术创新效率的提高。

当前，国民经济空间布局逐渐形成，金融支持对经济发展的支撑功能日益凸显，金融业也随之表现出愈加显著的产业集聚化发展态势，并在区域经济活动中占据越来越重要的地位（李林等，2011）。当前关于金融集聚效应的国内外研究文献较为丰硕，研究主要围绕以下三个方面：一是基于金融集聚会产生经济增长效应，展开金融集聚对实体经济发展（刘军等，2007）、区域经济增长（Kabir et al.，2011）、绿色经济发展（王锋等，2017）等的影响研究；二是基于金融集聚会产生产业带动效应，展开金融集聚对产业结构升级（Kindle，1974）、产业创新效率（张长征等，2012）等的影响研究；三是基于金融集聚会产生城市化效应，展开金融集聚对城乡收入差距（Burgess &Pande，2005）、城镇化进程（王弓和叶蜀君，2016）、城市发展效率（张鹏和于伟，2019）等的影响研究。综合来看，金融集聚发展有助于推动国民经济的高质量发展，而在经济新常态的背景下该目标主要靠创新驱动来完成，即金融产业集聚能够推动区域经济发展模式由规模经济驱动转为创新驱动，鼓励企业积极参与技术创新活动从而实现科学技术的发展和进步，最终助力国民经济实现高质量增长。

关于金融集聚与企业技术创新活动关系的相关研究，主要分为以下两个方面。一是关于金融集聚对企业技术创新影响的实证研究，其结论主要分为线性论和非线性论。线性论主要存在两种结论：第一种结论是金融集聚对企业技术创新呈现出明显的正效应，如杜江等（2017）通过建立空间杜宾计量模型（SDM）展开的实证研究发现，金融发展主要通过空间外溢效应对区域企业技术创新产生正向影响作用。王江和刘莎莎（2019）通过实证研究发现金融集聚对西北五省的科技创新有显著的促进作用。第二种结论是金融集聚对企业技术创新呈现出明显的负效应，如李标等（2016）通过实证研究指出，金融集聚会对企业科技创新活动产生有时间延迟特征的负向作用。黎杰生和胡颖（2017）通过实证检验得出结论，金融集聚能够显著推动经济发展，但会加剧金融的竞争性、资本的逐利性和企业的投机性，从而对企业技术创新活动产生抑制作用。非线性论主要结论：修国义等（2019）通过建立面板门槛模型展开的实证检验发现，金融集聚对区域科技创新效率确实存在以门槛效应为特征的非线性作用效果。二是关于金融集聚对企业技术创新影响的机制分析。Greenwood &Jovanovic（1990）基于资源配置效率角度，认为金融集聚能够通过提升企业资源配置效率的路径影响技术创新。Levine（2002）从供需角度出发，认为金融集聚会打破地区原有产业资本的供求平衡，进而导致金融价格的变化，并最终降低企业技术创新的融资成本。刘军等（2007）从金融功能观角度出发展开理论分析，发现金融集聚能够通过降低金融机构经营成本、改善信息不对称、提高技术创新影响力等路径影响技术进步。Brown &Petersen（2009）指出，基于空间结构的金融集聚能够有助于缓解企业融资约束条件，进而影响企业对技术创新活动的投资。高小龙和杨建昌（2017）使用2003～2012 年中国省级和地级市面板数据研究金融集聚对技术创新的影响机制，实证检验结果表明，金融集聚可以通过产业集聚效应、服务创新效应、信息扩散效应和人力资本积累效应等路径影响技术创新。

综上所述，关于技术创新和金融集聚相关关系的学术成果非常丰富且实践价值很高，但是依然有以下欠缺之处：一是金融集聚研究方法多采用静态回归的实证分析方法，较少运用动态回归方法来实证检验金融集聚对企业技术创新效率的动态影响；二是实证分析大多以总体视角展开两变量相关关系的检验，缺乏以分维度视角展开二级指标作用效果的检验；三是研究假设多以线性相关关系的检验为主，缺乏非线性相关关系的检验。基于此，本文同时使用线性的动态面板回归分析方法和非线性的门槛效率模型，从全样本视角和分维度视角出发验证金融集聚及其不同维度对于企业技术创新效率的影响作用。

二、研究设计

（一）模型构建

根据研究目的，本文构建以下动态面板模型来探究企业技术创新效率与金融集聚之间的相关关系，具体如公式（1）所示。

在上述模型（1）中，IEit表示企业技术创新效率；IEit-1为滞后一期的企业技术创新效率；FAit表示金融集聚程度；TRADEit、FDIit和LEVit是一组控制变量，分别表示对外贸易水平、外商直接投资和资产负债率；i和t分别表示省份和年份；β0为截距项，β1至β5均为待估参数；εit为随机扰动项。

考虑到企业技术创新效率与金融集聚可能存在非线性相关，因此本文借鉴Hansen（1999）的研究成果建立门槛效应模型，进一步检验该相关关系是否具备非线性特征，通过相关检验确定门限个数和具体门槛值，相应的单一门槛模型设定如公式（2）所示。

其中，q为门槛变量，γ为未知门槛值。

（二）变量选取

1.被解释变量：企业技术创新效率（IE）。本文选取各省份规模以上工业企业研究与试验发展（R&D）人员全时当量和研究与试验发展（R&D）经费支出为投入指标，用其有效专利申请数量和新产品销售收入为产出指标。本文采用数据包络分析法（DEA）建立规模报酬可变模型（VRS），进而使用DEAP2.1软件测算出我国各省份各年的企业技术创新效率。

2.核心解释变量：金融集聚（FA）。有关金融集聚指数的测度和衡量，比较常用的方法是赫芬达尔-赫希曼指数（张芳，2012）、区位熵（余泳泽等，2013）、空间基尼系数（张帆，2016）和构建金融集聚指标体系（王一乔和赵鑫，2020）。考虑到政府的公共金融支持在区域金融集聚过程中发挥着不可忽视的作用，所以本文在参考当前主流评价指标体系和考虑国情的基础上，构建测算各省份金融集聚指数的评价体系，详见表1。同时使用熵权法这一客观确权方法来确定各指标所占权重，从而计算出各省份金融集聚指数。其中，金融集聚（FA）可以分为银行业（FA1）、保险业（FA2）、证券业（FA3）、金融规模（FA4）和公共金融（FA5）五大维度。数据均来源于Wind 数据库和各省份各年的金融运行报告。

表1 各省份区域金融集聚综合评价指标体系

3.控制变量：选择三个相关变量作为本文实证研究的控制变量。一是对外贸易水平（TRADE）。对外贸易可以借助进口改善技术并利用出口提升技术的收益水平，选用经营地所在单位进出口总额占地区生产总值的比重来反映对外贸易情况。二是外商直接投资（FDI）。考虑到外商直接投资能够为地区企业创新活动带来资金融通便利，所以选用实际利用外资总额来度量外商投资水平，为方便比较将外商直接投资金额进行标准化处理。三是资产负债率（LEV）。资产负债率可以反映企业的负债情况和财务杠杆使用情况，通过使用区域内规模企业负债总额除以资产总额可以得到对应的企业资产负债率。

（三）数据来源

考虑到西藏及港澳台地区的部分核心解释变量数据缺失严重，所以本文以我国30个省份2007～2019年的年度面板数据为研究样本。原始数据均来源于国家统计局官方网站、Wind 数据库和各省份金融运行报告。本文实证分析部分均通过Stata16 软件实现，各变量的描述性统计结果见表2。

表2 各变量描述性统计结果

三、实证结果及分析

（一）面板单位根检验

由于时间序列的数据易出现伪回归问题从而影响实证研究的科学性，所以在实证分析前首先要检验各变量的平稳性。本文使用LLC检验、IPS检验、Fish⁃er 式ADF 检验、Hadri LM 检验和Fisher 式PP 检验等五种单位根检验方法来检验所有变量的平稳性，单位根检验结果显示所有变量都至少通过四种检验，意味着所有变量均平稳，检验结果见表3。

表3 面板数据的平稳性检验

（二）金融集聚对企业技术创新效率影响的回归分析：全样本视角

考虑到解释变量可能具有内生性而使模型估计出现偏差，且个体的当前行为常由于惯性等原因受到以往活动的影响，因此建立动态面板回归模型，对企业技术创新效率与金融集聚的关系展开实证探究。差分GMM 估计方法往往都会存在弱工具变量问题，而系统GMM能够很大程度地减少小样本偏误。两者相比，不仅能够有效处理内生性问题，而且还能更加充分地运用变量信息，所以分别使用系统GMM 和差分GMM分析方法建立动态面板数据模型进行实证分析，同时以被解释变量滞后项为模型的工具变量。表4 前四列为系统GMM 分析结果，最后一列为差分GMM分析结果。

根据表4的实证分析结果，五个方程中AR（1）均小于0.01，AR（2）均大于0.1，说明残差项的一阶序列均存在相关性，而二阶序列均不存在相关性，故模型设定合理。前四个方程中核心解释变量在逐渐加入控制变量时系数变化不大且均通过显著性检验，故模型建立稳健。此外，Sargan检验所对应的P值均为1，表明工具变量有效。

表4 全样本动态面板回归结果

五个方程中金融集聚（FA）的系数均为正且在1%水平下显著，说明企业技术创新效率与金融集聚之间存在线性正相关关系，具体表现为金融集聚能够提高企业技术创新效率。究其原因，金融集聚能够汇集各类金融资源，借助地理位置、信息获得和人力资源等优势，使得集聚区域内运输物流、资金使用、信息技术交流和人才招聘等成本降低，促进金融资源更好地适配于企业技术创新的资金需要，最终助力金融发展，提升企业技术创新效率。

方程（2）、方程（3）和方程（4）是在方程（1）的基础上依次加入对外贸易水平（TRADE）、外商直接投资（FDI）和资产负债率（LEV）三个控制变量。从表4 可知，各控制变量的系数均为正数且在5%水平下显著，这意味着提升对外贸易水平、加强外商直接投资和提高资产负债率均可以促进企业技术创新效率的提高。对外贸易水平可以反映出一个地区的对外贸易活动情况，对外贸易水平越高的地区，就越有可能借助进口来引进并提升技术，同时利用出口来提高技术创新的回报率，所以提高对外贸易水平有助于提升企业技术创新效率。外商直接投资有助于提高区域企业技术创新效率，说明地区企业通过引进外资来推动企业技术创新效率的实践结果较为理想。此外，资产负债率代表企业利用负债进行生产经营的情况，企业可以利用资产负债率这一财务杠杆的抵税效应来提高企业利润率，有助于企业从事技术创新活动。

（三）金融集聚对企业技术创新效率影响的回归分析：分维度视角

本文进一步从银行业（FA1）、保险业（FA2）、证券业（FA3）、金融规模（FA4）和公共金融（FA5）等金融集聚指数的二级指标，具体分析各维度的金融集聚发展对企业技术创新活动可能产生的不同影响作用。表5为分别将银行业、保险业、证券业、金融规模和公共金融等金融集聚指数的二级指标作为核心解释变量加入模型的回归结果。通过观察五个方程中的AR（1）、AR（2）和Sargan 检验对应的P 值结果可以知道，分维度动态面板回归结果可靠。分维度动态面板回归结果表明，银行业、证券业、金融规模和公共金融等金融集聚均可以促进企业技术创新效率的提高，而保险业金融集聚对于企业技术创新效率的影响作用为正但并不显著。这揭示出金融集聚对于企业技术创新效率的促进作用主要是通过银行业、证券业、金融规模和公共金融集聚化程度的提高实现。

表5 分维度动态面板回归结果

（四）进一步的非线性实证分析

基于上述实证研究可知，金融集聚确实有助于提升企业技术创新效率，但该研究结论是以金融集聚的线性影响为假设前提，忽略该影响作用可能具备的非线性特征。因此，本文进一步选择以金融集聚为门槛变量，对企业技术创新效率与金融集聚的相关关系展开非线性实证分析，对门槛效应模型进行自抽样检验（模拟800 次）。由表6 检验结果可知，金融集聚对企业技术创新效率的影响具备单门槛效应，再由表7估计结果可知该门槛值为0.3712，其中门槛值对应的95%置信区间是［0.1463，0.1484］。因此，金融集聚在不同门槛值区间内对企业技术创新效率的影响作用有所不同，即二者存在非线性相关关系。

表6 门槛效应检验结果

表7 门槛值估计结果

由表8的回归结果可知，当金融集聚指数低于门槛值0.3712 时，金融集聚的影响系数是1.2907；当金融集聚指数高于或等于门槛值0.3712时，该影响系数是0.8448。以上结果均通过统计学检验，从门槛效应模型的实证分析情况可知：在不同的门槛区间内，金融集聚均可以促进企业技术创新且该作用在不同区间内有所差异。这意味着金融集聚对企业技术创新效率的影响呈现非线性特征。

表8 门槛模型参数估计结果

（五）稳健性检验

本文主要通过替换核心变量和变换计量模型两种方式展开稳健性检验：一是借鉴张秀娟（2015）采用区位熵方法重新计算金融集聚指数并同时使用系统GMM、差分GMM进行回归分析，回归结果如表9第1、第2列所示；二是运用两阶段最小二乘法（2SLS）分别对采用区位熵法、熵值法测算所得的核心解释变量进行回归分析，表9 第3、第4 列分别为对应的回归结果。从表9的回归结果可以发现，核心解释变量回归系数均显著为正，只有大小发生较小变化，表明本文实证方法可靠，得到的研究结论具备稳健性。

表9 稳健性检验结果

四、结论与政策建议

本文通过建立评价指标体系和使用DEA 模型，分别对我国30 个省份2007～2019 年的金融集聚指数和企业技术创新效率进行客观测算，同时运用线性和非线性的统计分析模型，从全样本视角和分维度视角出发验证金融集聚及其不同维度对于企业技术创新效率的影响作用，得到三个结论：其一，提高金融集聚程度、对外贸易水平、外商直接投资和资产负债率均有助于提升企业技术创新效率；其二，银行业、证券业、金融规模和公共金融等金融集聚均有助于提升企业技术创新效率，而保险业金融集聚对企业技术创新效率的作用不显著；其三，金融集聚对企业技术创新效率存在以单门槛效应为特征的非线性影响作用。

为提升我国企业技术创新效率，使企业发展从借助规模效应转向创新驱动，从而实现经济高质量发展，本文提出以下政策建议。

第一，合理布局构建金融中心及金融副中心。各级政府应根据当地经济地理结构的特点，优化重构区域金融中心以及金融副中心的空间布局，坚持金融中心建设与企业创新发展相契合，充分发挥金融中心的集聚效应和金融副中心的协同效应，助力企业提高自身的技术创新效率。应当注重于改善区域金融市场环境和企业营商环境，改善金融集聚区域对金融资源的吸收能力，从而为打造金融中心和副中心提供良好的基础条件。此外，需要防止金融产业集聚发展过度可能带来的外部不经济，推动金融集聚的良性发展，确保金融集聚能够及时高效地推动企业科技创新。

第二，采取有针对性的区域金融发展策略。东部地区拥有多个金融集聚中心，金融产业发展强劲，而中西部地区金融产业发展较为薄弱，只有单个金融集聚中心，所以东部地区在推进金融集聚发展时应当加强和中西部金融中心及金融副中心的金融合作，避免东部地区金融产业过度集聚造成外部不经济。同时，中西部地区需要不断改善金融市场环境和提升金融服务能力，各地区应当协同合作促进金融产业集聚，支持企业的技术创新活动，使金融资源在全国范围内实现优化配置和最佳利用。我国中西部地区缺乏有竞争力的金融中心，其区域金融集聚水平不足以支撑区域企业创新发展，政府应该推进金融体制和金融深化改革，推动东部与中西部地区之间金融资源的跨区域和跨部门交流。

第三，提升区域科技创新能力。一方面，应当合理利用现代科技发展成果来提升金融活动效率，如使用大数据等科技手段发展数字化金融，助力金融产业集聚产生外部经济效应，并提高信息交流效率。另一方面，应当注重数字金融风险防范，尤其需要规避系统性风险的发生，使金融产业安全、高效地为企业创新活动创造高质量的金融产品。政府需要加强对科技领域的财政支持，持续发展公共金融来支持企业技术创新活动，金融机构应当把握国家对科技创新提供财政支持的机会，提高对科技创新企业金融供给的针对性和服务效率，而各类高校应该加强对各类专业人才的培养，为金融集聚助力企业技术创新提供更优秀的人力资本。