金融集聚对区域创新能力影响的空间效应分析

刘晓婉

内容摘要：本文基于2005-2014年我国省际面板数据，利用空间计量分析方法，实证检验了金融集聚对区域创新能力影响的空间效应。研究发现：金融集聚与区域创新能力都不是随机发生的，而是表现出极强的空间关联特征，即地理位置相邻是影响我国金融集聚和区域创新能力的重要因素；金融集聚对区域创新能力存在显著的正向影响，有效地促进了区域创新能力的提高；创新资本投入、创新人员投入、外商直接投资及人力资本等，均是区域创新能力提高的重要影响因素。

关键词：金融集聚 区域创新能力 空间效应 空间计量

引言

目前，我国正积极实施创新驱动战略，并大力推进创新型国家建设，如何有效地改善区域创新环境，提高区域创新能力，是一个值得关注的议题。众所周知，区域创新能力的提高受多种因素的影响，不仅需要人才投入、政策激励的作用，更需要金融体系的支持。近年来，随着金融自由化的持续演进，金融资源的区域性流动不断加强，金融业的空间集聚趋势日益明显。金融集聚从最初的几家银行集中不断发展成多种不同类型的金融机构、金融活动高度集聚，并进一步演变成金融集聚区甚至是区域金融中心。金融集聚有利于发挥金融资源配置、区域储蓄集聚与融资便利等金融功能，改善区域金融生态环境，为集聚区内的创新研发融资提供重要的外部融资支持，保障区域创新投入，从而对区域创新能力产生重要影响。那么，目前我国金融集聚对区域创新能力提升的效果具体如何；如何有针对性地制定金融支持创新的策略，促进区域创新活动的协调发展。有关这些问题的回答，对于我国实施创新驱动发展战略、增强区域创新发展能力具有重要的理论和现实意义。

文献综述

学术界对于金融集聚的研究经历了从静态涵义界定到动态成因演化的过程。何宜庆（2015）将金融集聚定义为受金融资源的空间与地域分布调整的影响，在某区域中不同类型的金融机构或者借助某种联系而生成的在业务上竞争合作、在地域上高度集中的金融产业群体，并促进区域金融水平发展与金融效率提高的现象。李林（2011）认为，相对于其它经济效应，外部规模经济的自我强化性更加显著，规模效应促使更多的金融机构愿意选择特定区域来共同竞争与合作。张凤超（2003）基于金融资源理论指出，在不同的空间区域中，金融资源分布表现为非连续的、非均质的，区域间初始的差异性导致了金融的区域运动，由此便形成了金融集聚。

对于区域创新能力的研究，学术界多关注区域创新能力的空间地理分布、区域差异及其演变等方面。吴贵生等（2007）指出，区域创新能力在我国分布相对集中，集中区域多为科技带与科技圈等，与区域内经济发展相比，区域创新能力发展的集中趋势更加明显。钱敏（2016）分析表明，我国区域创新能力分布并不是随机的，其存在空间相关性。在区域创新能力差异及其演变方面，张玉明和李凯（2008）指出，不同区域创新系统效率不同，区域间的创新活动存在显著差异。

有关金融集聚与区域创新能力之间关系的研究。黄德春（2011）指出，金融集聚可以创造出更多新的金融产品，为区域创新活动融资，并借助融资能力推进区域技术创新。张志强（2012）在强调了金融规模与金融效率对区域创新能力有显著作用的同时指出，不同区域间创新能力有显著差异，西部省份的创新能力较东部与中部较差。冉光和等（2013）的研究则指出，金融集聚中的金融效率与金融结构会促进区域创新能力的提升，但是金融规模对区域创新能力的促进作用并不显著。

综上所述，学者们对金融集聚、区域创新能力以及二者的关系展开了较为丰富的研究，但现有文献几乎都忽略了金融集聚对区域创新能力影响的空间效应。由于我国地域辽阔，区域间关联性较强，如果不考虑地理空间效应，其研究结论就可能缺乏准确性和可靠性。基于此，本文利用空间计量方法，实证检验我国省域金融集聚对区域创新能力影响的空间效应，以期能够反映出我国金融集聚对区域创新能力的真实影响，从而为政府区域金融布局与区域创新发展提供科学参考。

模型构建与变量选择

（一）空间计量模型构建

从现有研究来看，一个区域的创新能力不仅受到自身金融系统发展的影响，还可能受到周边区域金融系统发展的影响，因此有必要考虑有关变量的空间关联性，将地理空间效应引入金融集聚与区域创新能力關系的实证模型之中。本文借鉴空间计量方法，建立空间滞后模型（SLM）与空间误差模型（SEM）。SLM主要研究经济变量在某个区域是否存在显著的空间溢出效应，SEM主要研究周边区域有关被解释变量的误差冲击对本区域观察值的影响程度，以验证我国金融集聚对区域创新能力影响的空间效应。具体公式分别为：

其中，ρ是空间回归系数，反映了周边区域金融集聚对本区域创新能力的影响方向和程度；λ是空间误差系数，反映了周边省份金融集聚对本区域创新能力的影响方向和程度，而这里的空间相关性被包含于误差项之中；W为空间权重矩阵，本文选取的空间权重矩阵为邻接空间权重矩阵，即相邻省份之间为1，不相邻省份与自身为0。

（二）变量选择与数据说明

变量选择。主要有以下方面：

区域创新能力（Y）。现有研究文献常用专利申请数表示区域创新能力，其优势在于：一是专利对发明项目、技术指标、发明者等信息都有详细记录；二是专利数据相对来讲容易查阅获取；三是不同区域的专利数据可以进行科学对比。因此本文选择专利申请授权数对区域创新能力进行衡量。

创新资本投入（K）。考虑到R&D支出较强的滞后性，本文用R&D资本存量代替全部研发投入，以保证R&D支出的互补与折旧，同时借鉴白俊红和蒋伏心（2015）的研究，采用永续盘存法核算R&D资本存量。

创新人员投入（L）。采用样本期内各省域R&D人员全时当量来衡量i区域第t年R&D人员投入。

金融集聚水平（FIN）。本文采用区位熵指数测算我国各省域金融集聚水平。基于数据的可得性以及指标选取的代表性，本文利用金融业从业人数计算出金融业区位熵指数，具体指标构造如下：

其中，FINit为金融业区位熵；finit为i省域t年金融业的就业人数；allit为i省域t年的总就业人数；fint为t年全国金融业的就业人数；allt为t年全国总就业人数。FINit值越大，表明金融业的集聚程度越高；反之亦然。

外商直接投资（FDI）。采用样本期内各省域实际使用FDI的总额来衡量i省域第t年实际使用FDI的状况。

人力资本（HUM）。采用各省市6岁及以上人口的平均受教育年限来表示i省域t年的人力资本状况。

数据说明。本文选取我国30个省份（西藏自治区统计数据严重缺失，不予选取），研究的基础数据是以2005-2014年为标准，文中所有数据均来自2006-2015年的《中国统计年鉴》、《中国金融年鉴》、《中国科技统计年鉴》以及Wind金融数据库。在数据处理过程中，为了减轻异常值对估计结果的影响，本文对所有连续变量均按照1%的标准进行了缩尾处理。

实证检验与结果分析

（一）空间关联性检验

Moran指数是判断全域空间关联最常用的方法之一。图1给出了2005-2014年我国金融集聚与区域创新能力的Moran指数检验结果。从图1中可以看出，我国金融集聚与区域创新能力的Moran指数均显著为正（数值在0.250-0.514之间波动，全部通过了1%的显著性水平检验），表明10年间我国金融集聚与区域创新能力各自在空间分布上具有明显的相关性，我国金融集聚与区域创新能力都不是随机发生的，而是受其它与之具有相近空间特征的区域金融集聚与区域创新能力的影响，表现出极强的空间关联特征。

本文进一步引入局域空间关联LISA集群，以检验局部地区金融集聚与区域创新能力是否在地理空间上趋于集群。以2014年数据为例，本文测绘出了我国金融集聚与区域创新能力的LISA集群示意图，如图2所示。从图2中可以看出，金融集聚与区域创新能力在我国地理分布上形成了相似的集群区域。金融集聚的高值集群区一般是我国区域创新能力的高值集群区，而金融集聚的低值集群区一般也是我国区域创新能力的低值集群区，对此可以初步判断，金融集聚在地理空间上的高度集群提高了我国区域创新能力。为了验证该观点的科学性，本文主要运用空间计量模型对其进行实证检验。

（二）空间计量结果及分析

本文运用MATLAB软件来估计空间计量模型，依据Anselin（1996）的判断原则以及Hausman来检验实证结果，最终的报告结果以空间误差固定效应模型的估计结果为准。另外，考虑到时间与空间两类非观测效应的不同控制，将固定效应模型细分为四种类型：无固定效应（nonF）、空间固定效应（sF）、时间固定效应（tF）及空间时间固定效应（stF），具体的四类模型的估计结果如表1所示。通过表1可以看出，空间固定效应的Adjust R2值明显大于其它模型，因此本文选择空间固定效应情形下的估计结果进行分析讨论。

金融集聚的回归系数在5%的水平上显著为正，表明金融集聚有效推动了区域创新能力的提高。金融集聚至少可以从三个维度提升区域创新能力：一是金融集聚扩充了区域创新融资“资金贮蓄池”，有效地集中了闲散资金，缩短了储蓄资本转化为投资项目的周期，方便了区域创新资本的集聚；二是金融集聚汇集了更多的金融机构，增加了金融机构间金融产品的激烈竞争，丰富了区域创新活动对融资产品选择的多样性，拓展了区域创新活动的融资渠道；三是金融集聚提供的信息交流平台与集中选择便利，可以降低区域创新主体对金融产品的搜寻成本，减少区域创新融资的交易费用，有助于促进区域创新活动的开展，推动区域创新能力的提高。

创新资本存量、创新人力资本均有利于提高区域创新能力。其中，创新资本存量对区域创新能力的贡献最大（系数为0.5432，且通过了1%的显著性水平检验），表明目前我国区域创新能力主要由创新资本投入驱动，充足的资本投入是开展区域创新活动的关键，是区域吸引人才、留住人才的保障，并在一定程度上决定着区域创新活动的可持续性；创新人力投入对区域创新产出的贡献同样非常显著，其状况直接关系着区域能否吸收先进技术、吸收何种先进技术、技术能否发挥作用，在较大程度上直接决定着区域创新能力的高低。当然，大力引进外商直接投资与提升地区人力资本水平，对提高区域创新能力同样具有显著作用。

此外，空间误差模型中揭示回歸残差之间空间关联强度的系数λ显著为正，且在5%的水平下通过了显著性检验。该结果表明，我国区域创新能力及其影响因素具有密切的空间关联，影响一个区域创新能力的诸多因素会对周边区域的创新能力产生扩散效应，这种扩散效应也被称为间接的空间溢出效应，区域间的空间溢出效应，在我国区域创新能力的提升中起到了不可忽视的作用。

（三）稳健性检验

尽管专利在衡量区域创新能力方面具有一定的优势，但由于在反映创新成果的质量以及经济效益转化方面存在明显不足而饱受争议，并且专利作为创新产出的中间产品，并不能被当作最终的创新成果。因此，本文选择能够反映出创新产出的市场和商业化水平、也能够代表创新产出最终成果的指标—新产品产值进行稳健性检验，以便全面地衡量区域创新能力（限于篇幅，省略稳健性检验结果）。从中可以看出，空间固定效应的表现依然是最优的，其中空间回归系数、核心变量“金融集聚”及其它控制变量除显著性外，回归系数与之前的回归结果相比没有本质变化，说明前文的分析及结论具有较好的稳健性。

结论与建议

本文利用2005-2014年我国30个省份面板数据，在测算省域金融集聚水平的基础上，运用空间计量方法实证分析金融集聚对区域创新能力影响的空间效应。结果显示，我国各省域金融集聚与区域创新能力的Moran指数均显著为正，表明我国金融集聚与区域创新能力都不是随机发生的，而是表现出极强的空间关联特征，即地理位置相邻是影响我国金融集聚和区域创新能力重要因素；金融业在地理空间上的集聚通过扩充区域创新融资“资金贮蓄池”、丰富区域创新融资渠道以及提供区域创新信息交流平台，有利于提升我国区域创新能力；创新资本投入、创新人员投入、外商直接投资及人力资本等均是区域创新能力的重要影响因素。

基于上述分析与讨论，本文对于区域创新能力的提升问题，提出以下政策建议：第一，应继续强调金融资源在不同区域间的科学合理配置，引导资金和人员在区域間的合理有序流动，通过区域金融合作促进区域创新能力的提升；积极创新信贷制度、产品和服务，充分发挥银行等金融中介对区域创新的积极作用；同时，完善股票市场建设，大力搭建多层次区域资本市场，鼓励技术创新企业灵活利用资本市场拓展融资途径。第二，区域创新能力的提高，最根本的是要加大区域创新资本与人员的投入，应进一步扩宽创新资本的投资渠道，降低投资风险，同时完善区域创新人员的福利待遇和工作条件，从而扩大区域创新生产规模，为提高区域创新能力创造条件。第三，区域创新能力的提高，还需要加强地区FDI的引进力度，充分发挥FDI的技术溢出效应，同时积极提高区域人力资本水平，为区域创新活动提供充足的智力支持。

参考文献：

1.何宜庆，王耀宇，周依仿.金融集聚、区域产业结构与生态效率耦合协调实证研究—以三大经济圈为例[J].经济问题探索，2015（5）

2.李林，丁艺，刘志华.金融集聚对区域经济增长溢出作用的空间计量分析[J].金融研究，2011（5）

3.张凤超.金融地域运动：研究视角的创新[J].经济地理，2003，23（5）

4.吴贵生，魏守华，徐建国.区域科技论[M].清华大学出版社，2007

5.钱敏.基于GeoDa-GIS的区域创新水平空间结构演化分析[J].商业经济研究，2016（3）

6.张玉明，李凯.省际区域创新产出的空间相关性研究[J].科学学研究，2008（3）

7.黄德春，闵尊祥，徐敏.金融发展与创新能力：对中国高技术产业的实证研究[J].中国科技论坛，2011（12）

8.张志强，金融发展、研发创新与区域技术深化[J].经济评论，2012（3）

9.冉光和，徐鲲，鲁钊阳.金融发展、FDI对区域创新能力的影响[J].科研管理，2013（7）

10.白俊红，蒋伏心.协同创新、空间关联与区域创新绩效[J].经济研究，2015（7）

11. Anselin L，Bera A K，Florax R，et al.Simple Diagnostic Tests for Spatial Dependence[J].Regional Science & Urban Economics，1996，26（1）