刘泽滨，唐恩林

（淮南师范学院 金融与数学学院，安徽 淮南 232038）

在数字经济背景下，科技与金融的耦合协调发展，是区域经济增长的引擎。科技创新与金融发展相互促进，相互支持，缺少金融的支撑，科技创新很难转化为生产力，稳定的金融市场、新型的金融工具和良好的筹资环境为科技创新提供资本保障；同时，科技创新也不断推动金融产业的转型升级，提高金融创新能力，保障金融安全。科技创新与金融的耦合协调发展有利于经济的持续快速增长，因此，有效衡量科技创新与金融发展耦合协调的动态水平，可以在政府决策和政策调整中发挥重要作用。“十三五”以来，安徽省积极推进科技金融融合，创新科技金融产品和服务，发挥金融创新对科技创新的助推作用，提升科技、产业和金融融合发展水平，增强区域创新活力和动力，构建全省创新协调发展新格局。科技创新与金融的深入融合发展，有利于安徽省加快产业数字化转型，提高金融服务实体经济的效率，助推安徽省经济高质量发展。

科技创新与金融发展间的关系一直是国内外研究热点，国内外关于科技创新与金融发展的研究主要集中在两者之间的相互影响作用上。著名美国经济学家Schumpeter 1911年在其著作中指出了创新与金融资本之间的关联性，强调了科技创新对经济发展的促进作用。Saint-Paul 在1992 研究强调金融市场可以通过投资组合为技术创新进行融资支持。Fuerst（1999）研究认为金融机构、金融市场和风险投资均能助推科技的进步。Perez（2002）研究指出了金融资本与科技创新结合的基本范式，阐述了两者之间的互动关系。Chou（2004）研究了科技创新与金融创新两者相互促进的关系。Tadesse（2006）通过实证研究，提出市场主导型金融体系对科技进步具有明显的促进作用。Canepa和Stoneman（2007）研究发现科技创新与金融发展具有正相关关系。Ana（2010）通过实证检验，发现金融自由化发展与科技创新具有强关联性。Chowdhury 和Maung（2012）研究认为信息不对称问题会随着金融市场的发展而缓和，进而提高科研经费的配置效率。Nanda 和Rhodes-Kropf（2013，2016）从理论层面研究提出活跃度较高的金融市场更有利于技术创新的挖掘和传播，同时科技创新促进金融产品的开发、金融服务效率的提高、金融组织形式的丰富等。国内学者孙伍琴和朱顺林[1]通过曼奎斯特指数测算我国金融体系对科技创新的促进效率，提出金融发展对科技创新的促进效率稳定上升。孙婷[2]等对区域金融中介发展、政府干预与科技创新之间的关系进行实证分析，研究认为金融中介发展与科技创新之间为正相关；政府干预对企业科技创新存在一定的负相关关系。曹颢[3]等从量化角度衡量科技创新与金融发展相互融合的程度，通过因子分析方法计算评价指数，研究表明我国科技与金融在产出效率有待提高。徐玉莲[4]通过系统动力学分析方法，建立科技创新与金融协同发展的系统动力学模型，揭示了两者的协同发展机理、模式及机制等方面内容。张元萍和刘泽东[5]基于金融发展和科技创新的关系原理和指标体系，构建联立方程模型，研究发现金融深化与技术创新的两项指标、金融效率与专利授权数、金融结构和研发投入之间具有显著的正交互作用。陶爱萍和盛蔚[6]运用静态面板模型和分位数回归模型检验金融发展与科技创新间的关系，研究表明金融发展与技术创新之间存在互动关系，在高分位点上，银行业发展与技术创新之间的互动具有积极的影响。张林[7]通过空间计量分析法研究发现，科技创新与金融的耦合协调发展程度较低，在融合深度和质量上还有待提高。吕屹云和方凯[8]运用熵值法构建经济-科技-金融综合评价指标体系，对三者间的耦合关系进行分析，研究发现三者呈现高度耦合状态，且随着时间的推移耦合协调的程度不断加强。

综上可知，国内外学者对科技创新与金融发展的研究成果较为丰富，但大多集中在对两者相互作用关系的研究，对相互关联的定性研究较多，或通过因果关系检验等计量方法对两者的关联性进行实证分析。鲜有学者从物理学中的耦合视角及协调演进角度对二者进行实证量化分析，尤其是仅仅针对科技创新与金融发展的耦合关系、耦合协调关系以及影响二者耦合协调发展的影响因素的实证研究成果仍有待充实，结合安徽省的实证研究成果更少。本文以安徽省为例，在已有的学者研究基础上，构建科技创新与金融发展的相关评价指标体系，通过熵权法确定各指标所占权重，利用物理学中的耦合度模型、耦合协调度模型及灰色关联分析模型和聚类分析模型定量研究安徽省科技创新与金融发展的动态耦合关系。基于实证研究结果，为安徽省金融与科技创新耦合协调发展提供对策建议。

一、指标体系和相关模型的构建

（一）指标体系构建原则及指标内容

本文数据来源于《安徽省统计年鉴——2011至2020》和《安徽省科技统计公报——2011 至2020》。本文以科技创新与金融发展的有机结合点为基础，构建能体现金融业与科技创新的主要领域和发展特点的评价体系。为了能科学合理地进行实证测度研究，指标的选取应遵循以下原则：第一，遵循客观性原则，选取的指标要能客观准确地反映安徽省科技创新与金融发展耦合关系的实际情况，能够覆盖全部重要控制变量，禁止杜撰伪造数据。第二，遵循可操作性原则，选取指标要具有较强的可用性、现实性和明确的含义，指标能表达耦合关系且可被测量；通常安徽省金融与科技创新的指标数据主要来源于统计年鉴等权威性国家统计文献中。第三，遵循多维度原则，金融发展与科技创新涉及多方面，因此要从不同角度选取指标，综合反映其耦合关系。

科技创新是一个较为复杂的、多维的、很难直接进行衡量的概念[9]，本文借鉴吕屹云等[1]的研究基础进行指标选取。大部分学者根据科技创新过程的作用和功能差异，将科技创新指标具体分为科技投入与科技产出资源。本文科技投入资源指标主要包括：科技人才、科技产出和科技机构三个方面的指标。科技人才指标主要反映安徽省对于科技创新的人员投入力度。科技机构指标反映安徽省拥有从事基础研究、应用研究和实验发展等科研活动的研究机构数量。科技产出指标具体包括专利申请授权量、获国家科学技术奖励项目数、技术合同成交额和高新技术产业增加值占全省工业增加值比重。本文主要从金融市场环境与金融市场能力两个方面评价金融发展情况。金融市场环境指标主要衡量金融市场融资与金融人才的情况。金融市场能力指标主要衡量金融市场的发展水平。以上述指标对安徽省科技创新与金融发展情况进行综合评估，详见表1。

表1 科技创新与金融发展评价指标体系

续表1

（二）科技创新与金融发展的综合指数计算

1.数据标准化处理

原始数据的测量单位和它们的数量级差别较大，为了避免数据分析的误差，在分析前本文采用离差标准化的方法去除各指标的量纲。本文对标准化数据进行平移，以防止出现零值导致取对数时无意义。假设m个评价指标和n个评价对象构成了原始指标矩阵，X=(Sij)mxn，表达式如下：

原始数据矩阵的标准化计算公式如下：

在上式中，Sij是指标j在第i年的标准化值，Xij是原始数据值，maxXij和minXij表示指标j 在所有年份中的最大值和最小值。

2.计算评价指标权重

本文通过熵权法来计算各指标权重。熵权法（EWM）属于客观加权法之一，是一种重要的信息权重模型，已被广泛研究和实践。EWM最大的优势在于避免了人为因素对指标权重的干扰，从而提高了综合评价结果的客观性。熵权法计算过程如下：

（1）计算指标j在第i年所占的比重Yij，计算公式如下：

（2）计算第j个指标的信息熵，计算公式如下：

（3）计算第j 个指标的熵冗余度，计算公式如下：

（4）计算第j个指标的权重，计算公式如下：

根据公式（1）到（6），通过Python3.8 对数据进行处理与计算，权重计算结果详见表2所示。

表2 科技创新与金融发展评价指标权重

续表2

3.指数计算

基于上述权重计算结果，根据公式（7）将各指标的标准化数据与权重进行乘积求和，得出两大系统的综合指数，公式如下：

式中：Ui代表第i 年金融发展或科技创新水平，其值与发展水平成正比，Ui值越高，说明该系统的发展水平越高，发展状态越好。本文使用Python3.8 对两大系统综合指数进行测算，计算结果详见表3。

表3 安徽省科技创新与金融发展综合指数

（三）耦合度测算

本文借鉴物理学中的耦合概念，对安徽省科技创新与金融发展的动态耦合关联性进行测算。耦合是物理学中的概念，是指多个系统通过彼此作用而彼此影响的一种物理现象[10]。耦合度计算方法如下：

式中：C代表科技创新与金融发展的耦合度，k代表调节系数（k ≥2），通常是指子系统个数，本文仅研究科技创新与金融发展两个子系统，因此k=2；U1和U2分别是科技创新和金融发展的综合指数。本文的耦合度测算模型具体如下所示：

本文借鉴赵旭（2007）对耦合度划分的方法[11]，将科技创新与金融发展的耦合过程分为四个阶段，详见表4。

表4 系统耦合阶段划分

（四）耦合协调度测算

耦合度代表科两大系统彼此作用的强度，为了能更好反映两大系统的耦合协调度，本文基于容性耦合的物理理论和能力耦合系统模型，构建了耦合协调度模型（CCDM），测算安徽省科技创新与金融发展的耦合协调动态水平，计算方法如下：

式中：D代表科技创新与金融发展的耦合协调度，D ∈[0,1]；C 为两大系统的耦合度，C ∈[0,1]；T 反映科技创新与金融发展的综合水平，T ∈[0,1]。α与β分别代表科技创新与金融发展的贡献度，对于安徽省来说，科技与金融互为表里，相互促进，因此α与β均为0.5。

本文借鉴其他学者的研究范式，对两大系统的耦合协调度进行划分，详见表5。

表5 耦合协调度等级划分

根据公式（9）（10）和（11），通过Python3.8 对数据进行计算处理，得到安徽省科技创新与金融发展的耦合度及耦合协调度，结果详见表6。

表6 安徽省科技创新与金融发展的动态耦合结果

（五）聚类分析测算

本文采用聚类分析方法，基于农旅产业耦合协调度的实证测算结果，对安徽省科技创新与金融发展的耦合协调度的动态变化进行分类。聚类分析是一种根据数据相似性将数据分为若干类的方法，本文具体使用系统聚类分析，采用组间连接方法，使用欧式距离测量样本间的平均距离。在欧式平面内，令点p 有直角坐标（p1，p2），令点q 有直接坐标（q1，q2），那么p和q之间的距离由以下给出：

根据公式（11），使用SPSS26.0 对数据进行计算，聚类分析结果详见图1。由图1 可知，2010—2019年安徽省科技创新与金融发展的耦合协调度的动态变化被分成三类，第一类为2010—2012年，科技创新与金融发展处于低水平耦合协调状态；第二类为2013—2015 年，科技创新与金融发展的基本处于初级协调状态；第三类为2016—2019 年阶段，科技创新与金融发展基本处于良好协调状态。

图1 聚类分析结果

（六）灰色关联度测算

为进一步研究分析安徽省科技创新与金融发展的耦合协调程度与影响因素之间的关系，本文采用灰色关联分析法。灰色关联分析方法（GRA）是根据各要素之间发展趋势的相似性或差异来衡量各要素之间相关程度的一种方法[12]。GRA方法通过选择那些极具代表性的指标来减少原始指标的数量。灰色关联分析法能够处理不完整和精确度不高的信息，特别是在样本分布模式不确定的情况下。灰色关联度的计算主要包含下面三个过程：

1.确定参考数列与比较数列。让X 为灰色关联的一个因子集，其中X代表参考数列，xi代表比较数列，x0(k )和 xi(k )代表 x0和 xi在 k 点的各自数值。如果平均关联数γ( x0(k )，xi(k ))为一个实数，那么根据Deng（1989）的理论[9]，其计算式如下：

2.计算灰色关联系数。关系系数计算公式如下：

3.计算灰色关联度。灰色关联度是灰色关联系数的加权求和，具体公式如下：

式中：wj是第j 个指标的权重，前文已通过熵权法计算完成。γ代表灰色关联度，表示参考序列和比较序列之间的相关程度。根据公式（12）至（14），使用Python3.8计算灰色关联度，计算结果见表7。

表7 安徽省2010—2019年科技创新与金融发展耦合协调影响因素的灰色关联度

三、实证研究

（一）安徽省科技创新与金融发展水平分析

从表3和图2可看出，2010—2019年安徽省科技创新与金融发展的综合态势处于交叉上升的状态，2017 年前安徽省科技创新综合指数大于金融发展综合指数（U1＞U2），说明2017 年前金融发展滞后科技创新；2017年开始，金融发展综合指数高于科技创新指数，说明2017 年开始科技创新滞后金融发展。从科技创新综合指数结果来看，整体呈现稳定上升趋势，2010年科技创新水平最低，综合指数仅为0.07，2010年后进入大幅度增长阶段。2010年后，安徽省不断加快建设以企业为主体、市场为导向、产学研相结合的技术创新体系，提高科技财政投入力度，增强产业核心竞争力，安徽省科技创新水平稳定提高。从金融发展综合指数来看，2010年金融发展水平最低，综合指数仅有0.09,2013年后进入高速增长阶段，综合指数由2014年的0.21增长到2019年的0.88。2013年安徽省积极应对经济下行压力，统筹稳定增长，以自主创新驱动产业转型升级，深化各项改革激发市场活力，为后续金融稳定发展奠定坚实基础。

图2 安徽省科技创新与金融发展综合指数

（二）安徽省科技创新与金融发展耦合协调水平分析

从表6和图3可看出，2010—2019年安徽省科技创新与金融发展的耦合度相对稳定，基本保持在0.85以上，处于高水平耦合阶段。因此，可以看出科技创新与金融发展是相互影响、相互关联的。2010—2019年安徽省科技创新与金融发展的耦合协调水平总体呈上升态势，2010 年耦合协调水平最低，处于中度失调阶段，2019年上升至优质协调阶段。“十三五”以来，安徽省出台多项措施与政策，增强科技与金融的紧密结合，聚焦“六稳”“六保”，依托创新基础，积极打造金融与资本创新体系，深入发展科技金融，加强科技与金融的耦合协调发展，助推安徽高质量发展。

图3 安徽省2010—2019年科技创新与金融发展耦合度及耦合协调度

（三）耦合协调度影响因素的灰色关联分析

从表8 可知，科研人员折合全时当量、每万就业人口中从事科研活动人员、科研经费占地区GDP 的比重等19 个指标的灰色关联度值均在0.5以上，说明评价指标与安徽省科技创新与金融发展的耦合协调度均有较强的关联度，同时也说明指标选取的合理性。各项指标中，与两大系统耦合协调水平的灰色关联度最高的指标是金融机构各项存款余额、金融机构贷款余额和每万就业人口中从事科研活动人员，分别为0.94、0.93和0.92，说明这三个指标是推动两大系统耦合协调水平上升的主要动力。其它指标的灰色关联度平均值为0.78，说明其它指标对安徽省科技创新与金融发展的耦合协调水平具有显著的促进作用。

四、结论及建议

从以上安徽省2010—2019 年样本数据的实证结果来看，安徽省科技创新与金融发展的综合指数总体呈交叉上升态势，说明两大系统处于稳定发展的状态。两大系统之间的耦合度较高，两大系统之间逐步形成了耦合协调发展的态势，但耦合协调度值低于耦合度值；耦合协调水平总体呈现上升趋势，2019 年已发展至良好协调状态，其中金融机构各项存款余额、金融机构贷款余额和每万就业人口中从事科研活动人员对两大系统之间的耦合协调水平影响较大。安徽省应进一步加强科技创新与金融的深度融合发展，提高两大系统间的协同水平，从而促进科技创新与金融发展进入优质耦合协调阶段，助推安徽省经济高质量发展。

（一）提升科技创新与金融发展的管理协调能力

相关职能部门应着重促进科技创新与金融创新的耦合协调发展，统筹科技与金融资源，提高安徽省科技与金融的耦合性协调能力。随着安徽省各地科技金融创新工作的有序推进，将会进一步加强地方资源配置能力，充分利用政府集中管控能力，提高科技创新企业的创新能力。在积极建设创各地创新示范区的过程中，要充分发挥“合芜蚌”国家自主创新示范区的带头作用，发挥政府的管控协调能力，不断加强两大系统的基础设施建设，引导企业创新金融产品、金融业务、服务模式等，提高金融系统效率，降低金融服务成本，创造良好的金融生态环境，进而为科技与金融耦合协调发展提供良好的宏观环境，建设一流高效的科技创新与金融发展的耦合协调体系。

（二）大力建设科技金融创新服务平台

从实证结果来看，科技创新与金融发展两大系统相互作用，两大系统间的耦合作用关系明显，但耦合协调水平弱于耦合度。为提高系统间的耦合协调水平，安徽省政府应积极推动科技金融服务平台建设。科技金融服务平台可以在科技公司和金融机构之间建立资源和信息联系，帮助科技企业获得来自金融机构的资金支持，金融机构同时可从服务平台了解科创企业的相关信息，进而做出合理的投资决策。各地方相关职能部门构建科技创新与金融相结合的科技金融创新服务平台，为中小型科创企业提供金融咨询、融资等金融服务。对于安徽省科技与金融相对落后地区，通过科技创新服务平台，开展科技金融落后地区与先进地区的资源、信息、技术交流，有利于科技金融结构及相关变量的有效配置和合理控制，为促进全省科技创新与金融的均衡发展奠定良好基础，从而提升科技创新与金融发展的耦合协调水平。利用科技金融服务中心的辐射扩散效应，吸引更多的金融资源和科技金融机构，推动科技金融水平和中心周边区域经济的提升。此外，安徽省要加快融入长三角一体化进程，积极构建长三角科技金融创新共同体，探索提升区域联合创新能力，打造安徽科技金融合作区域平台，形成长三角地区企业与信贷资本市场的联动机制。

（三）优化科技创新与金融发展的资源配置

为了提高两大系统间的耦合协调发展水平，需有效地整合与配置科技金融资源。各地方政府要充分考虑创新政策、人才培养、管理制度、法律法规、协同发展体系、融资环境等一系列因素，为两大系统的耦合协调发展提供完善的资源配置方案。建立健全科技部门与金融管理部门、财税部门与政府资产监督机构的协调机制，统筹规划科技与金融资源，推广创新型金融产品，大力支持产业间技术合作，为科技成果转化创造有利条件，实现科技资金的有效利用，为提升安徽省科技创新能力、促进安徽省经济发展创造持续动力。此外，还应加强省政府与地方政府在科技与金融活动中的合作与互动，构建以财政资金投入为导向、企业资金投入为主体的投资与科技融资体系，促进公共资本与社会资本、权益类筹资与固定收益类筹资、直接筹资与间接筹资的有机结合，引导和带动社会资源参与到科技创新与金融发展的活动中。

（四）加强科技与金融人才队伍建设

科技创新与金融的耦合协调发展需要大量的复合型人才，这些人才不仅应具备投资、担保和资产评估方面的相关金融知识和经验，还要掌握一定的科技创新技术，为科技型企业设计更有针对性的金融创新产品和科技金融服务。安徽省政府要建立健全科技金融人才培养选拔机制，完善科技金融创新人才的评价激励制度，充分发挥科技金融人才在社会高质量发展中的重要作用。积极推动科技创新与金融市场人才定价机制和制度的发展，逐步形成科技金融市场的公平竞争机制,，确立科技金融服务政策，使科技金融体系以科技金融人才为基础。另一方面，要加强高校与企业合作，高校要制定符合社会发展需要的科技金融复合型人才的培养方案；企业可定期邀请高校、科研院所等机构的专家对员工进行专业培训，提高人力资本。