论文部分内容阅读
摘要：基于2009～2018年30个省域面板数据，构建科技金融指标评价体系，并运用个体固定效应模型和面板分位数回归模型，实证检验了科技金融对地区经济增长的影响效应。得出如下结论：以全国样本来看，科技金融显著地提高各省市经济发展水平，但这种关系是非线性的，即在经济水平越高的省份科技金融对经济增长的促进作用越明显;分地域来看，东部地区科技金融和经济发展水平较高，科技金融能够显著推动经济发展，但在科技金融发展水平低下的中、西部则效果不明显。
关键词：科技金融;固定效应;面板分位数回归;经济增长
中图分类号：F830.49 文献标志码：A 文章编号：1008-4657（2021）02-0051-09
0 引言
近十几年来，中国高度重视科技创新，科技研究与试验经费投入从2005年的2 449.973亿元增长到2019年22 143.6亿元，科技人员投入也从2005年的136.5万人增长到480.1万人。数据来源于2006～2019年《中国统计年鉴》。科技成果、学术论文和著作等方面高速发展，且某些科技领域已经跻身世界前列，但科技发展还存在着一些困难和挑战。十九届五中全会深入剖析了我国科技创新发展现状，即我国经济已经从高速增长转向高质量发展，但创新能力还未满足经济高质量发展要求[1];科技核心技术发展和一些发达国家还是有些差距，充满了不确定性。
数字经济作为科技金融的产物，是近些年发展最快的领域，大数据、5G技术、物联网、区块链、人工智能等世界科技领先技术的发展能够为未来科技金融的大发展提供坚实基础。十九大五中全会提出，要将扩大内需和供给侧改革结合起来，加快构建以国内大循环为主，国内国外双循环相互促进的新格局[2]，这是由我国新时代国情和特殊经济市场所决定的，适合当今形式的特色道路。
科技金融是科技和金融的融合体，科技和金融相互影响，相互促进，没有金融的支持，科技就失去了动力源泉;没有科技的支撑，金融就失去了实体经济的载体[3]。只有两者高度结合，才能推动建立完善、科学的金融体系，从而有利于加快经济增长。在建立科技强国的伟大目标下、在创新驱动发展的伟大战略下、在国内外双循环的伟大开放格局下，科技金融将发挥更大的支撑作用。国内外已有部分学者从概念、评价体系、政策等角度对科技金融开展了一系列的研究，有益于科技金融未来的发展，然而科技金融具有显著的先进性和时代性，其学术研究更应当与时俱进，所以探究科技金融对当今经济增长的影响机制有着一定理论价值和现实意义。
1 文献综述
“科技金融”一词最早出现在1993年，其产生是一个水到渠成的过程，是中国科技体制改革和金融体系从独立发展走向相互融合的结果。科技金融其实是金融业的实体产业化，也是科技业的金融虚拟化，两者相伴而生，两者互利发展。然而国外并没有科技金融这一概念，所以国外研究较少，科技金融现有国内文献主要包括以下3个方面：
第一，科技金融的定义。赵昌文等[4]在《科技金融》书中提出，科技金融是政府、金融机构和企业等主体，以金融政策、金融工具、金融制度等为指南，提供金融、科技资源，最终促进科学技术、专利成果和高新产业发展的创新体系。房汉廷[5]认为科技金融是一种技术-经济范式、科学技术-资本化和金融资本-同质化的创新活动。胡苏迪等[6]在前人的基础上，从政府、企业和科技金融市场三个方面具体探究科技金融的概念。尹振涛等[7]人在结合新时代数字经济背景下，提出大科技金融就是大型科技公司利用其客户、资金和技术等优势开展的各类金融业务。科技金融没有统一的定义，它是具有时代性的、与时俱进的体系，它会随着科技和金融体系的改革而变化，但它的本质——创新是永远不会变的。
第二，科技金融指标的衡量。学者们从各个角度来衡量科技金融指标，得出的结论也各有不同。芦锋等[8]把科技金融分为公共科技金融和市场科技金融，从政府、资本市场两种不同主体来分别探究其对区域创新的影响。许汝俊等[9]人运用DEA-Malmquist指数法来衡量科技金融的效率测度。薛晔等[10]利用“差异驱动”原理的熵权法赋权国际科技论文数量、专利授权量和高技术产业新产品产值三大科技产出指标，得到综合指标来衡量科技金融指标。张芷若等[11]从科技金融资源、科技金融经费、科技金融融资和科技金融产出四个一级指标来衡量科技金融指标，并利用熵值法将其13个三级指标整合，得到最后的综合指标。
第三，科技金融对经济增长的影响。随着不断深入研究，学者们开始探究在科技金融对各区域经济增长的影响。刘文丽等[12]人基于东、中、西部面板数據进行实证研究，实证结果表明科技金融影响经济增长效果在东、中、西部有着一定的差异。毛茜等[13]则从微观角度，利用数据图表和IS-LM模型，分析了科技中小企业下科技金融与经济增长成正相关。以上都是基于平面微、宏观角度分析，从Grossman G等[14]真正将空间因素纳入内生增长模型中后，许多学者就开始研究空间计量模型，谷慎等[15]、韩军强[16]、张芷若[11]就分别从时空异质性、空间杜宾模型、空间滞后模型（SLM）和空间误差模型（SEM）来分析科技金融省际异质性和耦合性。
综上，可以发现，现有文献大部分都集中于探究科技金融对经济增长的影响作用和区域差异化，但鲜有文章探究在不同经济水平下两者之间关系的变化。因此，本文基于前人的研究，构建科技金融指标体系，并运用固定效应和分位数回归模型探究科技金融和经济增长的非线性增长关系，以期能为实现科技金融区域协同发展、推动经济高质量发展和实施国内外双循环政策提供理论参考。
2 假设的提出和研究设计
2.1 研究假设
2.1.1 科技金融对区域经济增长的影响
科技金融有利于人才集聚，提升当地人力资本，推动区域经济增长。科技金融人才和外商投资都具有很强的流动性，会从经济水平低的地区流向经济水平高且科技发达的地区，从而形成人才集聚、资金集聚。然而拥有大量的人力、财力，就拥有着大量的知识财富，最终转换为经济效应。 科技金融有利于产业集聚，提升产业关联效应，促进区域经济增长。科技金融是金融业的科技化，是金融业与科技行业的结合，能够为高技术产业提供人力、经费资源，把传统行业与高技术结合，使传统行业向智能化、数字化发展。另外，科技金融能够促进产业之间关联效应，形成更加科学的产业结构，能够减少成本，有利于经济发展。
科技金融有利于金融集聚，合理配置资金资源，有利于区域经济高质量发展。现有金融业缺乏实体业支撑，大量的房地产贷款形成的经济泡沫，具有太大的投资风险。随着政府强调“发展实体经济、扩大内需和供给侧改革”等政策，科技金融的重要性日益凸显，能够吸引周边多余资本、人才、技术等资源，从而达到要素配置合理化。综上，可以看出科技金融对区域经济具有重要影响。因此，本文提出假设1（H1）：科技金融能够显著促进区域经济增长。
2.1.2 不同经济水平下科技金融对经济增长的影响
高经济水平的地区能够为科技金融提供更好的发展平台。科技金融能够显著的促进经济增长，所以各省市政府会大力支持科技金融业发展，并为其提供最好的发展平台。经济水平越高的省市能够为其提供更多的产地租赁政策、人才供给政策、良好的发展环境等，这些都能增进科技金融的发展。
高经济水平的地区能够为科技金融提供源源不断的资源支持。经济水平越高的地区拥有着更加充足的财力资源、人力资源和技术资源，而这些都是科技金融发展的基础，尤其在高技术企业初创期，这些资源是企业成功与否决定性因数;当企业进入发展期和成熟期，政府能够为企业提供源源不断的资源，保证企业稳定发展;当企业进入衰退期，政府能够帮助企业技术创新从而进入新领域发展。
高经济水平的地区能够为科技金融提供更全面的风险保障。科技金融是一个新兴创新型产业，在融资、技术研发、产品销售等环节都存在着巨大风险，一旦发生风险对产业发展、经济增长影响很大。因此，政府能够通过制定相关法律法规、加强保险保障和安全监督等方式来为科技金融提供风险保障。但对于经济发展水平较低的地区，不能提供良好的发展平台，不能提供源源不断的资源支持，且科技金融发展也得不到全面的风险保障，即科技金融对经济增长的促进作用就会降低。因此，本文提出假设2（H2）：科技金融对区域经济增长促进作用具有异质性，且在经济水平越高的省市，两者之间促进关系越明显。
2.2 模型构建
2.2.1 固定效应回归模型
为防止变量随着个体或时间变化而影响实验结果，本文选用固定效应模型。模型设定如下：
ln pgpdit=β0+β1tech_finit+βX+μi+εit
其中，i和t分别表示时间变量和省份变量;ln pgdpit表示被解释变量，也就是经济增长变量;tech_finit表示核心解释变量，即科技金融指标;X是控制变量，包括了人力资本、产业结构、城镇化水平、经济开放度和信息化水平五个对经济增长有影响的指标;β0、β1、β是常数，μi表示固定效应，εit表示误差项。
2.2.2 面板分位数回归模型
本文探究中国大陆30个省份（除西藏以外）科技金融发展对经济增长的影响，由于各省市经济发展水平差距很大，科技金融对经济影响可能是非线性函数，即随着经济水平取值范围不同会发生效应转变。因此，依据经济增长水平在不同分位点上的取值，参考储德银等[17]的研究构建以下面板分位数回归模型：
ln pgpdit=α1τ+α2τ*tech_finit+γX+μit
其中，τ为分位点，本文取值0.1、0.25、0.5、0.75和0.9五个分位点，i和t分别表示省市和时间，uit为误差项，α1、α2、γ是常数。
2.3 变量选取
2.3.1 被解释变量
经济增长（ln pgdp）：用省份年人均GDP能够很好的衡量地区的经济增长，为了防止数据不平稳性，对其进行了对数处理。
2.3.2 核心解释变量的测度
科技金融发展指数（tech_fin）：科技金融指标衡量方式有很多，但无统一标准。本文选用周德田等[18]衡量方法，结合研究问题和数据可获得性加以修改，并运用熵值法整合成综合指标来代表科技金融指数。具体科技金融评价指标如表1所示。
熵值法是对多层次变量指标最好的分析方法，科技金融指标涉及科技、金融的多重变量，所以本文参照于周德田等[18]的研究，利用熵值法来衡量科技金融指标。具体步骤如下：
第一步：數据标准化处理。本文共有T个年份，P个省市，M个指标，本文都是正向指标，故计算公式：
Xij=xij-min{xj}max{xj}-min{xj}
由于科技金融指标中涉及比值变量，可能会出现权重为0的情况，统一将归一后数值为0的指标按0.01计算。
第二步：计算指标的比重
Sij=Xij/∑Tt=1∑Pi=1Xij
第三步：计算信息熵和冗余度
ej=-1ln TP∑Tt=1∑Pi=1Sijln （Sij）
dj=1-ej
第四步：确定指标权重
wj=dj/∑Mj=1dj
2.3.3 控制变量
结合本文研究，为防止回归出现偏差，选用以下指标作为控制变量：（1）人力资本指标（human），用“受教育年限 = 小学生人数比重 × 6 + 初中人数比重 × 9 + 高中人数比重× 12 + 大学人数比重 × 16”公式结果衡量;（2）产业结构（industry），选用第二产业增加值占GDP总量的比重的衡量指标;（3）城镇化水平（urban），利用城镇人口占地区总人口比例代替;（4）经济开放程度（open），选取地区进出口总额与GDP总量之比来衡量;（5）信息化水平（inform），采用人均电信业务量指标。 2.4 数据来源
本文选取的2009～2018年30个省份数据（西藏地区数据有缺失，故不统计），均来源于《中国统计年鉴》《中国人口和就业统计年鉴》《中国科技统计年鉴》和《各省份统计年鉴》。数据处理和实证分析均应用stata14.0软件。
3 实证检验及结果分析
3.1 科技金融指数结果分析
利用熵值法计算中国30个省份近十年科技金融发展水平，根据国家统计局划分标准，将30个省市分为东部、中部和西部，如表2所示。
观察数据可以得到以下几点结论：
第一，全国科技金融水平总体有待提高。2009年全国科技金融平均水平为0.108 2，到2018年平均水平达到0.186 2，增长了72%。近十年各省份科技金融水平在不断提升，增长速度也在不断上升，这与国家近些年强调科技强国、积极推广普惠金融等政策紧密相关。但是许多省份（自治区），比如新疆、内蒙古等，科技金融发展还是很落后，甚至还达不到一些发达城市的十分之一，在接下来“十四五规划”中还应该把其作为重点发展对象和推动经济发展的重要措施。
第二，各省市科技金融发展水平不均衡，有着一定的差距。东部地区大部分省市科技金融发展平均水平都大于0.2，北京、上海和广州更是达到0.533 0、0.353 3和0.452 6，而中部地区大部分省市都在0.1～0.2之间，西部地区则大部分都低于0.1，由此可见，东部地区省市科技金融发展水平远远高于中、西部。其次，在相同的地区各省市的科技金融发展水平也会有差距。东部沿海城市北京、上海和广州科技金融水平就明显高于福建、海南等省份。其中，江苏省近些年不管在科技金融资源还是在科技产出上都发展得特别快，科技金融指数也是从2009年的0.277 0增长到2018年的0.478 9，几乎增长了一倍。这得力于江苏省对科技和金融的结合发展的特别重视，也投入了大量的科技经费和人力资源。
第三，部分城市科技金融发展不稳定。有些省市在某几年科技金融水平没有得到提升甚至出现下降情况，发展不稳定可能因为经济发展不景气或自然灾害导致的，后面还需要加强科技金融的发展也有利于抵制这些外部因数。
3.2 数据平稳性检验
在进行后面的实证研究之前，需要对所有变量做平稳性检验，防止因为数据不平稳导致的伪回归。现有文献对于变量数据平稳性检验的方法有着一定的差异，本文选用最常用的四种方法来检验，即LLC、IPS、Fisher-ADF和Fisher-PP。根据检验结果，所有变量都通过两种以上方式检验，可以认为所有变量都是平稳的，可以直接进行后面实证研究。
3.3 豪斯曼檢验
本文数据来源于各个省市，因为每一个省份的情况不同，可能存在着不随时间变化的遗漏变量，故考虑运用固定效应模型。在这之前，我们要做一个豪斯曼检验来判断模型是否可以用作固定效应。假设选择随机效应模型，但检验结果p值为零拒绝原假设，选择固定效应模型。豪斯曼检验结果如表3所示。
3.4 固定效应回归结果分析
依据上面豪斯曼检验结果，先选用全国数据做个体固定效应模型回归。另外为了进一步了解不同地区下科技金融对区域经济增长的影响，根据国家统计局划分标准，将30个省市分为东部、中部和西部，并分别做个体固定效应，结果如表4所示。
表4结果显示，在全国回归结果中，科技金融指数系数为0.727 6，在1%的水平上显著，通过了显著性检验，表明科技金融水平能够显著的促进地方经济增长，验证了假设1。这是因为科技是第一生产力，科技是创新的载具，不断创新能够淘汰旧产品、旧管理模式和旧销售运输方式从而提高生产效率、节约成本。在国家强调供给侧改革大背景下，科技创新是满足国内居民需求最重要手段，也是促进区域经济增长重要的竞争力。金融则与经济息息相关，稳定的金融市场、完善的金融体系和庞大的金融机构存贷款能够为企业解决资金问题，从而促进当地经济增长。而科技金融则是科技、金融的结合体，能够有效的规避科技和金融各自存在的系统问题。科技金融能够解决科技经费不足、资金运用不合理和资源浪费等问题;同时科技金融也能解决金融投资回报率低、发展方式单一陈旧等问题。由此看出科技金融能够更有效的运用资金资源，提高创新率和科技产出与成果，促进技术创新、吸引大量人才和外商投资，从而提高当地经济水平。从控制变量来看，人力资本、产业结构、城镇化水平、经济开放度和信息化水平对经济增长系数分别为0.351 3、1.131 6、2.606 7、- 0.307 0和0.265 1，且都在1%的水平上显著。这说明这些控制变量都会显著的影响经济增长。
在分样本回归结果中，东部科技金融对经济增长系数为0.585 7，且在5%水平上显著，说明在东部区域科技金融水平能够对经济增长有着显著促进作用，其他控制变量都在1%检验水平上显著，表示这些变量也会对经济有着一定影响;但在中部和西部回归结果中，科技金融对经济增长系数为0.140 5和0.622 3，但并不显著。之所以会出现这种情况，因为东部地区省市经济发展和科技金融水平较高，有着完整的科技金融体系、大量科技金融投入和重视度，所以科技金融能够带动区域产业发展，从而带动经济发展。而中部、西部地区省市经济水平、科技金融水平比较落后，缺乏科学的科技金融体系，缺乏科学金融意识和资金、人力投入，科技金融对区域经济增长没有明显影响。
3.5 面板分位数回归结果分析
为了进一步分析在经济水平不断递减过程中科技金融对其影响是否发生很大的变化，本文再选取经济水平0.1、0.25、0.5、0.75和0.9五个分位点利用全国数据和个体固定效应模型进行分位数回归。回归结果如表5所示。
表5回归结果显示，各个变量对经济指标的系数符号和显著性与上表全国固定效应模型回归结果都是一样的，但科技金融在0.1、0.25、0.5、0.75和0.9分位上系数分别为0.697 0、0.709 7、0.725 4、0.742 5和0.764 9，显著性水平为1%，通过了显著性检验，这说明随着经济水平的不断提升，科技金融对经济增长的促进作用不断增强，在0.9分位上影响作用最强，同时也能够说明全国个体固定效应模型回归结果可靠性高，也验证了假设2的准确性。这种情况是因为科技金融与经济水平是双向促进关系：科技金融水平的提高能够有效的促进区域经济增长;反过来经济水平的提高也能引发人力资本集聚、资金集聚从而带动科技行业、金融业发展，推动科技金融的发展;两者之间良性循环，互助互利，结伴发展。随着新一轮科技革命与产业变革的不断推进，科技金融在增进经济增长中占着越来越大的比重，这也是近几年为什么国家和各级政府不断宣传、鼓励和支持科技金融发展的原因。 3.6 稳健性检验
为了进一步验证实证的可靠性，做了如下稳健性检验，先用地区经济总量（GDP）代替了前面回归中人均GDP来表示经济水平增长。对全国数据进行了混合回归检验和个体固定效应回归检验，回归结果如表6所示。
由回归结果可知，各个变量对经济增长都是显著影响的，这说明了这两种检验方法都给前文结论提供了可靠的证据。
4 结论及建议
本文在理论分析基础上提出两个假设：科技金融促进区域经济增长以及这种促进作用关于经济增长水平具有异质性特征;在有效测度科技金融发展水平后，基于固定效应和分位数回归模型的实证分析验证了这两个假设。这表明科技金融发展能够带动区域经济增长，但具有异质性：一方面在科技金融发展水平较强的东部，这种促进关系很显著;在科技金融发展较为落后的中、西部，两者之间的促进关系不明显。另一方面，随着经济水平的提高，科技金融促进经济增长的程度越大。为更好地发挥金融促进实体经济发展要求，提出如下建议：
第一，全面协调提高科技金融水平。中部、西部地区科技金融发展水平和东部差距很大，科技金融政策实施不到位，经济发展水平不足，应重点关注中、西部科技金融发展，因地制宜制定针对性政策，增加科技和金融联合发展。东部发达地区也应多帮助中、西部发展，为其提供部分人才、资本等资源，这样不仅能够促进欠发达地区经济增长，发达地区也能获取低成本资源、人才技术交流等益处。
第二，提高科技人员专业水平。随着新一轮产业变革、数字技术创新的到来，产业智能化、数字化、科学化将成为未来发展的主旋律，但这一切需要人力资本、财力资本、科学技术资源等支撑。人力资本包括学历、知识和经验，这就要求只有通过不断学习来提高专业水平才能满足日益增长的科技金融水平。
第三，提高科技金融与经济发展的耦合度。经济发展和科技金融发展是相互影响的，科技金融不断发展能够促进经济增长，当经济水平提高后，经济发展就会反过来促进科技金融发展，形成良性发展循环。各省市政府应该多注重经济和科技金融协调发展，提高耦合度，要时刻牢记科技金融与经济是分不开的，发达的经济水平加上完善的科技金融发展体系会带来巨大的经济效应。
第四，进一步加强科技金融监管和风险防范。科技金融涉及行业广泛、融资额度大、投资主体多，影响着政府、金融市场和各大产业。产品创新和销售流程复杂，所以科技金融具有强影响力、高风险性和复杂性等特点。监管科技金融则显得尤为重要，不仅能够实时把控金融市场状况、调整科技金融发展政策，還能及时监管前沿核心技术在应用中可能出现的问题并及时制定解决方案。政府、金融市场和科技产业之间应该建立一套科学监管体系，减少监管成本，增强联动性，为我国科技金融体系发展保驾护航。
参考文献：
[1] 李群.打造具有核心竞争力的“十四五”科技创新高地[J].人民论坛，2020（31）：32-35.
[2] 卢福财，李春根，李实.学习贯彻党的十九届五中全会精神系列笔谈（一）[J].江西财经大学学报，2020（6）：3-10.
[3] Neff C.Corporate finance，innovation，and strategic competition[M].Berlin：Springer Berlin Heidelberg，2003.
[4] 赵昌文，陈春发，唐英凯.科技金融[M].北京：科学出版社，2009.
[5] 房汉廷.科技金融是什么？[J].华东科技，2011（6）：34.
[6] 胡苏迪，蒋伏心.科技金融理论研究的进展及其政策含义[J].科技与经济，2012，25（3）：61-65.
[7] 尹振涛，冯心歌.大科技金融：概念、发展与挑战[J].金融评论，2020，12（3）：65-75.
[8] 芦锋，韩尚容.我国科技金融对科技创新的影响研究——基于面板模型的分析[J].中国软科学，2015（6）：139-147.
[9] 许汝俊，龙子午，姚逍遥.基于DEA-Malmquist指数法的科技金融发展效率评价研究——以长江经济带为例[J].科技管理研究，2015，35（13）：188-191.
[10] 薛晔，蔺琦珠，高晓艳.中国科技金融发展效率测算及影响因素分析[J].科技进步与对策，2017，34（7）：109-116.
[11] 张芷若，谷国锋.科技金融对区域经济增长的影响——基于空间计量经济学方法[J].工业技术经济，2019，38（9）：131-139.
[12] 刘文丽，郝万禄，夏球.我国科技金融对经济增长影响的区域差异——基于东部、中部和西部面板数据的实证分析[J].宏观经济研究，2014（2）：87-94.
[13] 毛茜，赵喜仓.科技金融创新与我国经济增长效应研究——基于科技型中小企业发展视角[J].科技进步与对策，2014，31（12）：23-26.
[14] Grossman G，Helpman E.Innovation and growth in the global economy[M].Cambridge：MIT Press，1991：52-68.
[15] 谷慎，汪淑娟.中国科技金融投入的经济增长质量效应——基于时空异质性视角的研究[J].财经科学，2018（8）：30-43.
[16] 韩军强.科技金融发展能够提高中国经济增长质量吗？——基于空间杜宾模型的实证研究[J].科技管理研究，2019，39（14）：42-47.
[17] 储德银，李悦，费冒盛.中央政府均衡性转移支付影响了地方政府支出结构吗？[J].财经研究，2020，46（8）：94-107.
[18] 周德田，冯超彩.科技金融与经济高质量发展的耦合互动关系——基于耦合度与PVAR模型的实证分析[J].技术经济，2020，39（5）：107-115.
[责任编辑：许立群]
关键词：科技金融;固定效应;面板分位数回归;经济增长
中图分类号：F830.49 文献标志码：A 文章编号：1008-4657（2021）02-0051-09
0 引言
近十几年来，中国高度重视科技创新，科技研究与试验经费投入从2005年的2 449.973亿元增长到2019年22 143.6亿元，科技人员投入也从2005年的136.5万人增长到480.1万人。数据来源于2006～2019年《中国统计年鉴》。科技成果、学术论文和著作等方面高速发展，且某些科技领域已经跻身世界前列，但科技发展还存在着一些困难和挑战。十九届五中全会深入剖析了我国科技创新发展现状，即我国经济已经从高速增长转向高质量发展，但创新能力还未满足经济高质量发展要求[1];科技核心技术发展和一些发达国家还是有些差距，充满了不确定性。
数字经济作为科技金融的产物，是近些年发展最快的领域，大数据、5G技术、物联网、区块链、人工智能等世界科技领先技术的发展能够为未来科技金融的大发展提供坚实基础。十九大五中全会提出，要将扩大内需和供给侧改革结合起来，加快构建以国内大循环为主，国内国外双循环相互促进的新格局[2]，这是由我国新时代国情和特殊经济市场所决定的，适合当今形式的特色道路。
科技金融是科技和金融的融合体，科技和金融相互影响，相互促进，没有金融的支持，科技就失去了动力源泉;没有科技的支撑，金融就失去了实体经济的载体[3]。只有两者高度结合，才能推动建立完善、科学的金融体系，从而有利于加快经济增长。在建立科技强国的伟大目标下、在创新驱动发展的伟大战略下、在国内外双循环的伟大开放格局下，科技金融将发挥更大的支撑作用。国内外已有部分学者从概念、评价体系、政策等角度对科技金融开展了一系列的研究，有益于科技金融未来的发展，然而科技金融具有显著的先进性和时代性，其学术研究更应当与时俱进，所以探究科技金融对当今经济增长的影响机制有着一定理论价值和现实意义。
1 文献综述
“科技金融”一词最早出现在1993年，其产生是一个水到渠成的过程，是中国科技体制改革和金融体系从独立发展走向相互融合的结果。科技金融其实是金融业的实体产业化，也是科技业的金融虚拟化，两者相伴而生，两者互利发展。然而国外并没有科技金融这一概念，所以国外研究较少，科技金融现有国内文献主要包括以下3个方面：
第一，科技金融的定义。赵昌文等[4]在《科技金融》书中提出，科技金融是政府、金融机构和企业等主体，以金融政策、金融工具、金融制度等为指南，提供金融、科技资源，最终促进科学技术、专利成果和高新产业发展的创新体系。房汉廷[5]认为科技金融是一种技术-经济范式、科学技术-资本化和金融资本-同质化的创新活动。胡苏迪等[6]在前人的基础上，从政府、企业和科技金融市场三个方面具体探究科技金融的概念。尹振涛等[7]人在结合新时代数字经济背景下，提出大科技金融就是大型科技公司利用其客户、资金和技术等优势开展的各类金融业务。科技金融没有统一的定义，它是具有时代性的、与时俱进的体系，它会随着科技和金融体系的改革而变化，但它的本质——创新是永远不会变的。
第二，科技金融指标的衡量。学者们从各个角度来衡量科技金融指标，得出的结论也各有不同。芦锋等[8]把科技金融分为公共科技金融和市场科技金融，从政府、资本市场两种不同主体来分别探究其对区域创新的影响。许汝俊等[9]人运用DEA-Malmquist指数法来衡量科技金融的效率测度。薛晔等[10]利用“差异驱动”原理的熵权法赋权国际科技论文数量、专利授权量和高技术产业新产品产值三大科技产出指标，得到综合指标来衡量科技金融指标。张芷若等[11]从科技金融资源、科技金融经费、科技金融融资和科技金融产出四个一级指标来衡量科技金融指标，并利用熵值法将其13个三级指标整合，得到最后的综合指标。
第三，科技金融对经济增长的影响。随着不断深入研究，学者们开始探究在科技金融对各区域经济增长的影响。刘文丽等[12]人基于东、中、西部面板数據进行实证研究，实证结果表明科技金融影响经济增长效果在东、中、西部有着一定的差异。毛茜等[13]则从微观角度，利用数据图表和IS-LM模型，分析了科技中小企业下科技金融与经济增长成正相关。以上都是基于平面微、宏观角度分析，从Grossman G等[14]真正将空间因素纳入内生增长模型中后，许多学者就开始研究空间计量模型，谷慎等[15]、韩军强[16]、张芷若[11]就分别从时空异质性、空间杜宾模型、空间滞后模型（SLM）和空间误差模型（SEM）来分析科技金融省际异质性和耦合性。
综上，可以发现，现有文献大部分都集中于探究科技金融对经济增长的影响作用和区域差异化，但鲜有文章探究在不同经济水平下两者之间关系的变化。因此，本文基于前人的研究，构建科技金融指标体系，并运用固定效应和分位数回归模型探究科技金融和经济增长的非线性增长关系，以期能为实现科技金融区域协同发展、推动经济高质量发展和实施国内外双循环政策提供理论参考。
2 假设的提出和研究设计
2.1 研究假设
2.1.1 科技金融对区域经济增长的影响
科技金融有利于人才集聚，提升当地人力资本，推动区域经济增长。科技金融人才和外商投资都具有很强的流动性，会从经济水平低的地区流向经济水平高且科技发达的地区，从而形成人才集聚、资金集聚。然而拥有大量的人力、财力，就拥有着大量的知识财富，最终转换为经济效应。 科技金融有利于产业集聚，提升产业关联效应，促进区域经济增长。科技金融是金融业的科技化，是金融业与科技行业的结合，能够为高技术产业提供人力、经费资源，把传统行业与高技术结合，使传统行业向智能化、数字化发展。另外，科技金融能够促进产业之间关联效应，形成更加科学的产业结构，能够减少成本，有利于经济发展。
科技金融有利于金融集聚，合理配置资金资源，有利于区域经济高质量发展。现有金融业缺乏实体业支撑，大量的房地产贷款形成的经济泡沫，具有太大的投资风险。随着政府强调“发展实体经济、扩大内需和供给侧改革”等政策，科技金融的重要性日益凸显，能够吸引周边多余资本、人才、技术等资源，从而达到要素配置合理化。综上，可以看出科技金融对区域经济具有重要影响。因此，本文提出假设1（H1）：科技金融能够显著促进区域经济增长。
2.1.2 不同经济水平下科技金融对经济增长的影响
高经济水平的地区能够为科技金融提供更好的发展平台。科技金融能够显著的促进经济增长，所以各省市政府会大力支持科技金融业发展，并为其提供最好的发展平台。经济水平越高的省市能够为其提供更多的产地租赁政策、人才供给政策、良好的发展环境等，这些都能增进科技金融的发展。
高经济水平的地区能够为科技金融提供源源不断的资源支持。经济水平越高的地区拥有着更加充足的财力资源、人力资源和技术资源，而这些都是科技金融发展的基础，尤其在高技术企业初创期，这些资源是企业成功与否决定性因数;当企业进入发展期和成熟期，政府能够为企业提供源源不断的资源，保证企业稳定发展;当企业进入衰退期，政府能够帮助企业技术创新从而进入新领域发展。
高经济水平的地区能够为科技金融提供更全面的风险保障。科技金融是一个新兴创新型产业，在融资、技术研发、产品销售等环节都存在着巨大风险，一旦发生风险对产业发展、经济增长影响很大。因此，政府能够通过制定相关法律法规、加强保险保障和安全监督等方式来为科技金融提供风险保障。但对于经济发展水平较低的地区，不能提供良好的发展平台，不能提供源源不断的资源支持，且科技金融发展也得不到全面的风险保障，即科技金融对经济增长的促进作用就会降低。因此，本文提出假设2（H2）：科技金融对区域经济增长促进作用具有异质性，且在经济水平越高的省市，两者之间促进关系越明显。
2.2 模型构建
2.2.1 固定效应回归模型
为防止变量随着个体或时间变化而影响实验结果，本文选用固定效应模型。模型设定如下：
ln pgpdit=β0+β1tech_finit+βX+μi+εit
其中，i和t分别表示时间变量和省份变量;ln pgdpit表示被解释变量，也就是经济增长变量;tech_finit表示核心解释变量，即科技金融指标;X是控制变量，包括了人力资本、产业结构、城镇化水平、经济开放度和信息化水平五个对经济增长有影响的指标;β0、β1、β是常数，μi表示固定效应，εit表示误差项。
2.2.2 面板分位数回归模型
本文探究中国大陆30个省份（除西藏以外）科技金融发展对经济增长的影响，由于各省市经济发展水平差距很大，科技金融对经济影响可能是非线性函数，即随着经济水平取值范围不同会发生效应转变。因此，依据经济增长水平在不同分位点上的取值，参考储德银等[17]的研究构建以下面板分位数回归模型：
ln pgpdit=α1τ+α2τ*tech_finit+γX+μit
其中，τ为分位点，本文取值0.1、0.25、0.5、0.75和0.9五个分位点，i和t分别表示省市和时间，uit为误差项，α1、α2、γ是常数。
2.3 变量选取
2.3.1 被解释变量
经济增长（ln pgdp）：用省份年人均GDP能够很好的衡量地区的经济增长，为了防止数据不平稳性，对其进行了对数处理。
2.3.2 核心解释变量的测度
科技金融发展指数（tech_fin）：科技金融指标衡量方式有很多，但无统一标准。本文选用周德田等[18]衡量方法，结合研究问题和数据可获得性加以修改，并运用熵值法整合成综合指标来代表科技金融指数。具体科技金融评价指标如表1所示。
熵值法是对多层次变量指标最好的分析方法，科技金融指标涉及科技、金融的多重变量，所以本文参照于周德田等[18]的研究，利用熵值法来衡量科技金融指标。具体步骤如下：
第一步：數据标准化处理。本文共有T个年份，P个省市，M个指标，本文都是正向指标，故计算公式：
Xij=xij-min{xj}max{xj}-min{xj}
由于科技金融指标中涉及比值变量，可能会出现权重为0的情况，统一将归一后数值为0的指标按0.01计算。
第二步：计算指标的比重
Sij=Xij/∑Tt=1∑Pi=1Xij
第三步：计算信息熵和冗余度
ej=-1ln TP∑Tt=1∑Pi=1Sijln （Sij）
dj=1-ej
第四步：确定指标权重
wj=dj/∑Mj=1dj
2.3.3 控制变量
结合本文研究，为防止回归出现偏差，选用以下指标作为控制变量：（1）人力资本指标（human），用“受教育年限 = 小学生人数比重 × 6 + 初中人数比重 × 9 + 高中人数比重× 12 + 大学人数比重 × 16”公式结果衡量;（2）产业结构（industry），选用第二产业增加值占GDP总量的比重的衡量指标;（3）城镇化水平（urban），利用城镇人口占地区总人口比例代替;（4）经济开放程度（open），选取地区进出口总额与GDP总量之比来衡量;（5）信息化水平（inform），采用人均电信业务量指标。 2.4 数据来源
本文选取的2009～2018年30个省份数据（西藏地区数据有缺失，故不统计），均来源于《中国统计年鉴》《中国人口和就业统计年鉴》《中国科技统计年鉴》和《各省份统计年鉴》。数据处理和实证分析均应用stata14.0软件。
3 实证检验及结果分析
3.1 科技金融指数结果分析
利用熵值法计算中国30个省份近十年科技金融发展水平，根据国家统计局划分标准，将30个省市分为东部、中部和西部，如表2所示。
观察数据可以得到以下几点结论：
第一，全国科技金融水平总体有待提高。2009年全国科技金融平均水平为0.108 2，到2018年平均水平达到0.186 2，增长了72%。近十年各省份科技金融水平在不断提升，增长速度也在不断上升，这与国家近些年强调科技强国、积极推广普惠金融等政策紧密相关。但是许多省份（自治区），比如新疆、内蒙古等，科技金融发展还是很落后，甚至还达不到一些发达城市的十分之一，在接下来“十四五规划”中还应该把其作为重点发展对象和推动经济发展的重要措施。
第二，各省市科技金融发展水平不均衡，有着一定的差距。东部地区大部分省市科技金融发展平均水平都大于0.2，北京、上海和广州更是达到0.533 0、0.353 3和0.452 6，而中部地区大部分省市都在0.1～0.2之间，西部地区则大部分都低于0.1，由此可见，东部地区省市科技金融发展水平远远高于中、西部。其次，在相同的地区各省市的科技金融发展水平也会有差距。东部沿海城市北京、上海和广州科技金融水平就明显高于福建、海南等省份。其中，江苏省近些年不管在科技金融资源还是在科技产出上都发展得特别快，科技金融指数也是从2009年的0.277 0增长到2018年的0.478 9，几乎增长了一倍。这得力于江苏省对科技和金融的结合发展的特别重视，也投入了大量的科技经费和人力资源。
第三，部分城市科技金融发展不稳定。有些省市在某几年科技金融水平没有得到提升甚至出现下降情况，发展不稳定可能因为经济发展不景气或自然灾害导致的，后面还需要加强科技金融的发展也有利于抵制这些外部因数。
3.2 数据平稳性检验
在进行后面的实证研究之前，需要对所有变量做平稳性检验，防止因为数据不平稳导致的伪回归。现有文献对于变量数据平稳性检验的方法有着一定的差异，本文选用最常用的四种方法来检验，即LLC、IPS、Fisher-ADF和Fisher-PP。根据检验结果，所有变量都通过两种以上方式检验，可以认为所有变量都是平稳的，可以直接进行后面实证研究。
3.3 豪斯曼檢验
本文数据来源于各个省市，因为每一个省份的情况不同，可能存在着不随时间变化的遗漏变量，故考虑运用固定效应模型。在这之前，我们要做一个豪斯曼检验来判断模型是否可以用作固定效应。假设选择随机效应模型，但检验结果p值为零拒绝原假设，选择固定效应模型。豪斯曼检验结果如表3所示。
3.4 固定效应回归结果分析
依据上面豪斯曼检验结果，先选用全国数据做个体固定效应模型回归。另外为了进一步了解不同地区下科技金融对区域经济增长的影响，根据国家统计局划分标准，将30个省市分为东部、中部和西部，并分别做个体固定效应，结果如表4所示。
表4结果显示，在全国回归结果中，科技金融指数系数为0.727 6，在1%的水平上显著，通过了显著性检验，表明科技金融水平能够显著的促进地方经济增长，验证了假设1。这是因为科技是第一生产力，科技是创新的载具，不断创新能够淘汰旧产品、旧管理模式和旧销售运输方式从而提高生产效率、节约成本。在国家强调供给侧改革大背景下，科技创新是满足国内居民需求最重要手段，也是促进区域经济增长重要的竞争力。金融则与经济息息相关，稳定的金融市场、完善的金融体系和庞大的金融机构存贷款能够为企业解决资金问题，从而促进当地经济增长。而科技金融则是科技、金融的结合体，能够有效的规避科技和金融各自存在的系统问题。科技金融能够解决科技经费不足、资金运用不合理和资源浪费等问题;同时科技金融也能解决金融投资回报率低、发展方式单一陈旧等问题。由此看出科技金融能够更有效的运用资金资源，提高创新率和科技产出与成果，促进技术创新、吸引大量人才和外商投资，从而提高当地经济水平。从控制变量来看，人力资本、产业结构、城镇化水平、经济开放度和信息化水平对经济增长系数分别为0.351 3、1.131 6、2.606 7、- 0.307 0和0.265 1，且都在1%的水平上显著。这说明这些控制变量都会显著的影响经济增长。
在分样本回归结果中，东部科技金融对经济增长系数为0.585 7，且在5%水平上显著，说明在东部区域科技金融水平能够对经济增长有着显著促进作用，其他控制变量都在1%检验水平上显著，表示这些变量也会对经济有着一定影响;但在中部和西部回归结果中，科技金融对经济增长系数为0.140 5和0.622 3，但并不显著。之所以会出现这种情况，因为东部地区省市经济发展和科技金融水平较高，有着完整的科技金融体系、大量科技金融投入和重视度，所以科技金融能够带动区域产业发展，从而带动经济发展。而中部、西部地区省市经济水平、科技金融水平比较落后，缺乏科学的科技金融体系，缺乏科学金融意识和资金、人力投入，科技金融对区域经济增长没有明显影响。
3.5 面板分位数回归结果分析
为了进一步分析在经济水平不断递减过程中科技金融对其影响是否发生很大的变化，本文再选取经济水平0.1、0.25、0.5、0.75和0.9五个分位点利用全国数据和个体固定效应模型进行分位数回归。回归结果如表5所示。
表5回归结果显示，各个变量对经济指标的系数符号和显著性与上表全国固定效应模型回归结果都是一样的，但科技金融在0.1、0.25、0.5、0.75和0.9分位上系数分别为0.697 0、0.709 7、0.725 4、0.742 5和0.764 9，显著性水平为1%，通过了显著性检验，这说明随着经济水平的不断提升，科技金融对经济增长的促进作用不断增强，在0.9分位上影响作用最强，同时也能够说明全国个体固定效应模型回归结果可靠性高，也验证了假设2的准确性。这种情况是因为科技金融与经济水平是双向促进关系：科技金融水平的提高能够有效的促进区域经济增长;反过来经济水平的提高也能引发人力资本集聚、资金集聚从而带动科技行业、金融业发展，推动科技金融的发展;两者之间良性循环，互助互利，结伴发展。随着新一轮科技革命与产业变革的不断推进，科技金融在增进经济增长中占着越来越大的比重，这也是近几年为什么国家和各级政府不断宣传、鼓励和支持科技金融发展的原因。 3.6 稳健性检验
为了进一步验证实证的可靠性，做了如下稳健性检验，先用地区经济总量（GDP）代替了前面回归中人均GDP来表示经济水平增长。对全国数据进行了混合回归检验和个体固定效应回归检验，回归结果如表6所示。
由回归结果可知，各个变量对经济增长都是显著影响的，这说明了这两种检验方法都给前文结论提供了可靠的证据。
4 结论及建议
本文在理论分析基础上提出两个假设：科技金融促进区域经济增长以及这种促进作用关于经济增长水平具有异质性特征;在有效测度科技金融发展水平后，基于固定效应和分位数回归模型的实证分析验证了这两个假设。这表明科技金融发展能够带动区域经济增长，但具有异质性：一方面在科技金融发展水平较强的东部，这种促进关系很显著;在科技金融发展较为落后的中、西部，两者之间的促进关系不明显。另一方面，随着经济水平的提高，科技金融促进经济增长的程度越大。为更好地发挥金融促进实体经济发展要求，提出如下建议：
第一，全面协调提高科技金融水平。中部、西部地区科技金融发展水平和东部差距很大，科技金融政策实施不到位，经济发展水平不足，应重点关注中、西部科技金融发展，因地制宜制定针对性政策，增加科技和金融联合发展。东部发达地区也应多帮助中、西部发展，为其提供部分人才、资本等资源，这样不仅能够促进欠发达地区经济增长，发达地区也能获取低成本资源、人才技术交流等益处。
第二，提高科技人员专业水平。随着新一轮产业变革、数字技术创新的到来，产业智能化、数字化、科学化将成为未来发展的主旋律，但这一切需要人力资本、财力资本、科学技术资源等支撑。人力资本包括学历、知识和经验，这就要求只有通过不断学习来提高专业水平才能满足日益增长的科技金融水平。
第三，提高科技金融与经济发展的耦合度。经济发展和科技金融发展是相互影响的，科技金融不断发展能够促进经济增长，当经济水平提高后，经济发展就会反过来促进科技金融发展，形成良性发展循环。各省市政府应该多注重经济和科技金融协调发展，提高耦合度，要时刻牢记科技金融与经济是分不开的，发达的经济水平加上完善的科技金融发展体系会带来巨大的经济效应。
第四，进一步加强科技金融监管和风险防范。科技金融涉及行业广泛、融资额度大、投资主体多，影响着政府、金融市场和各大产业。产品创新和销售流程复杂，所以科技金融具有强影响力、高风险性和复杂性等特点。监管科技金融则显得尤为重要，不仅能够实时把控金融市场状况、调整科技金融发展政策，還能及时监管前沿核心技术在应用中可能出现的问题并及时制定解决方案。政府、金融市场和科技产业之间应该建立一套科学监管体系，减少监管成本，增强联动性，为我国科技金融体系发展保驾护航。
参考文献：
[1] 李群.打造具有核心竞争力的“十四五”科技创新高地[J].人民论坛，2020（31）：32-35.
[2] 卢福财，李春根，李实.学习贯彻党的十九届五中全会精神系列笔谈（一）[J].江西财经大学学报，2020（6）：3-10.
[3] Neff C.Corporate finance，innovation，and strategic competition[M].Berlin：Springer Berlin Heidelberg，2003.
[4] 赵昌文，陈春发，唐英凯.科技金融[M].北京：科学出版社，2009.
[5] 房汉廷.科技金融是什么？[J].华东科技，2011（6）：34.
[6] 胡苏迪，蒋伏心.科技金融理论研究的进展及其政策含义[J].科技与经济，2012，25（3）：61-65.
[7] 尹振涛，冯心歌.大科技金融：概念、发展与挑战[J].金融评论，2020，12（3）：65-75.
[8] 芦锋，韩尚容.我国科技金融对科技创新的影响研究——基于面板模型的分析[J].中国软科学，2015（6）：139-147.
[9] 许汝俊，龙子午，姚逍遥.基于DEA-Malmquist指数法的科技金融发展效率评价研究——以长江经济带为例[J].科技管理研究，2015，35（13）：188-191.
[10] 薛晔，蔺琦珠，高晓艳.中国科技金融发展效率测算及影响因素分析[J].科技进步与对策，2017，34（7）：109-116.
[11] 张芷若，谷国锋.科技金融对区域经济增长的影响——基于空间计量经济学方法[J].工业技术经济，2019，38（9）：131-139.
[12] 刘文丽，郝万禄，夏球.我国科技金融对经济增长影响的区域差异——基于东部、中部和西部面板数据的实证分析[J].宏观经济研究，2014（2）：87-94.
[13] 毛茜，赵喜仓.科技金融创新与我国经济增长效应研究——基于科技型中小企业发展视角[J].科技进步与对策，2014，31（12）：23-26.
[14] Grossman G，Helpman E.Innovation and growth in the global economy[M].Cambridge：MIT Press，1991：52-68.
[15] 谷慎，汪淑娟.中国科技金融投入的经济增长质量效应——基于时空异质性视角的研究[J].财经科学，2018（8）：30-43.
[16] 韩军强.科技金融发展能够提高中国经济增长质量吗？——基于空间杜宾模型的实证研究[J].科技管理研究，2019，39（14）：42-47.
[17] 储德银，李悦，费冒盛.中央政府均衡性转移支付影响了地方政府支出结构吗？[J].财经研究，2020，46（8）：94-107.
[18] 周德田，冯超彩.科技金融与经济高质量发展的耦合互动关系——基于耦合度与PVAR模型的实证分析[J].技术经济，2020，39（5）：107-115.
[责任编辑：许立群]