金融生態與工業企業的技術創新

前言：尋找寫作靈感？中文期刊網用心挑選的金融生態與工業企業的技術創新，希望能為您的閱讀和創作帶來靈感，歡迎大家閱讀并分享。

一、引言   2008年以來愈演愈烈的金融危機在使世界經濟陷入衰退的同時，也不斷地刺激著全球科技進步和新技術產業的興起。中國要戰勝危機的影響，變挑戰為機遇，就必須更加重視技術創新的作用，以創新活動促進產業結構調整與升級，增強企業的國際競爭力。轉變經濟發展方式，以技術創新帶動產業升級的關鍵在于企業。大中型工業企業在整個國民經濟發展中具有十分重要的地位，它們承擔了絕大多數的國內創新投入和地方經濟發展責任。因此，對各地區大中型工業企業技術創新能力及其影響因素的研究就顯得尤為重要。現有文獻著重于考察技術轉移、人力資本、產業結構或者政府資助等因素對于中國各地區工業企業技術創新能力的影響［1-6］。Hanley，LiuandVaona［7］則從金融活動有助于緩解創新資本缺乏的角度考察了金融體系發展對區域技術創新能力的促進作用。然而，金融體系并非一個獨立創造金融產品和服務的系統，它的有效運行還更廣泛地依賴于所在區域的政治、經濟、文化、法制等基本生態環境要素及其變化?，F有衡量金融發展程度的指標均難以反映出這些基本環境要素的綜合變化情況。中國社會科學院金融研究所推出的金融生態環境評分是對“金融生態”［8］概念的系統闡述與表征。良好的金融生態環境對于提高地區金融體系的運行效率，降低金融交易成本，優化要素市場的資源配置，以及促進經濟健康發展等都具有重要作用。本文運用中國29個省區在2005～2009年期間的面板數據，考察了各個省區的金融生態環境與地區大中型工業企業技術創新能力之間的關系。研究發現，地區金融生態環境評分與工業企業的創新能力之間具有顯著的正向關系。為了說明估計結果的穩健性，本文進一步考慮了主要解釋變量可能存在的內生性問題，并應用動態面板數據模型重新進行估計，實證結果再次支持了地區金融生態環境與工業企業技術創新能力之間的正向關系。   二、金融生態環境與企業創新能力:理論假說   (一)現有文獻述評   Keller［9］總結了幾種通過國際經濟活動獲得技術轉移的渠道，即進、出口與FDI。冼國明、嚴兵［10］發現FDI對創新有顯著的正面溢出效應，并且外資在東部地區產生的溢出效應較強。蔣殿春、夏良科［11］認為FDI的競爭效應不利于國內企業創新能力的成長，而示范效應和科技人員的流動效應則會促進國內研發。孫文杰、沈坤榮［12］發現在中等技術創新強度的行業，其對創新的促進作用最強。鄒武鷹、許和連、賴明勇［13］認為出口貿易部門企業比非出口貿易部門企業擁有更高的稅率，更傾向于研發投入而擁有較高的技術水平。吳延兵［14］運用中國地區面板數據研究了自主研發、國外技術引進和國內技術引進對生產率的影響，發現自主研發和國外技術引進對生產率有顯著促進作用。葛小寒、陳凌［15］使用DEA方法從技術差距、制度因素、國內研發、人力資本和由這四個因素構成的綜合變量的技術進步效應出發，研究發現這些變量均對國際研發溢出的技術進步效應具有重要影響。蔣殿春、張宇［1］對高技術行業的實證研究發現，FDI的溢出效應與行業特征存在著密切聯系。此外值得關注的是，在當前促進技術創新、建設創新型國家的大背景下，一些地方政府熱衷于把自己當成實現經濟轉型的主角，抓項目、選企業、分資源，直接投入大量資金開展技術創新［16］。易綱［17］指出，即便是在產業政策最成功的日本和韓國，政府制定的支持某些行業、企業或項目的產業政策也僅僅得到了毀譽參半的評價。王小魯［18］也認為在推進技術創新過程中應當明確市場的主導性地位。現有文獻大都忽視了金融發展對工業企業技術創新能力的影響。而旨在進行跨時間與空間價值交換的金融活動在現代企業技術創新過程中發揮著至關重要的作用［19］。Hanley，LiuandVaona［7］雖然注意到了金融活動對中國各省區創新活動的影響，但他們僅是從緩解創新資本缺乏的角度來考察這一關系的，其用以衡量金融發展程度的信貸相對規模指標較易受到宏觀經濟波動等方面因素的影響。   (二)本文的理論假說   金融生態是一個仿生概念，周小川［8］最早將生態學概念系統地引申到了金融領域。具體而言，地區金融生態環境主要由地區經濟基礎、金融深化、政府治理、信用制度與誠信文化四個方面構成。良好的金融生態環境對于提高地區金融體系的運行效率，降低金融交易成本，優化要素市場的資源配置，以及促進經濟健康發展等都具有重要作用。企業技術創新既是一個新技術生產的供給過程，又要受到新技術市場需求面的影響。其中，與新技術供給有關的技術創新的成本主要來自創新活動的風險損失與技術創新所需要的投資。研發活動所需資本投入量較大，而許多研究表明技術創新的失敗率又非常高［20］，因此，地區金融生態環境的改善有利于金融體系更好地發揮籌集研發資金，同時分散技術創新投入風險的作用。特別是在當前中國跨區域資本流動存在一定障礙，各省金融發展水平差異較大的情況下［21］，地區金融生態環境因素對企業技術創新活動的影響就顯得尤為重要。在金融生態環境較佳的情況下，企業能夠利用各種金融產品與服務，以更低的融資成本從為數眾多的社會資金提供者手中獲取必需的研發資本，同時也分散了技術創新所面對的巨大風險，從而緩解研發資金投入方面的約束，增加新技術產品的供給。處在一定金融生態環境中的金融活動主體還具有價值發現，或者增強創新信息流動性的功能。Schumpeter［22］認為，創新是將生產要素和生產條件按照一種從來沒有過的組合方式引入生產體系。不確定性內生于所有的創新活動，為了降低技術創新過程中的交易成本，就需要最大程度地緩解這種不確定性帶來的影響，準確傳遞研發活動的真實信息。金融生態環境的改善能夠促進金融機構或金融市場更積極地發掘具有經濟價值的技術創新項目，增強有關信息的流動性，在一定程度上解決由于信息不對稱性所造成的技術創新投入不足問題，并增加了新技術的供給量。進一步的，增加技術創新的供給還需要創新成功者的激勵與示范效應。一個健康、發達的金融市場在為創新者提供激勵與示范方面具有難以替代的作用。發達市場經濟國家金融體系的鮮明特色之一就是以股票市場為中心，由股權文化引申出持續不斷的科技創新動力［19］。而金融市場的發展在很大程度上依賴于金融生態環境的改善。另一方面，市場對于新技術的需求主要是一種由新品的市場需求所引發的派生需求。隨著金融生態環境的改善，地區金融機構之間的競爭日益激烈，旨在刺激居民消費支出的金融產品創新會不斷增加。而金融市場的發展也將使借貸消費增長模式逐漸盛行，新產品市場需求的上升提高了技術創新的預期收益，擴大了市場需求規模，對技術創新具有需求拉動效果。在保證必要監管的前提下，汽車按揭貸款的出現有力地促進了美國汽車工業市場規模的擴大，并以此推動了該行業的技術創新活動［23］。綜上所述，在中國經濟發展模式由粗放型向集約型轉變的社會經濟轉型和發展的大背景下，改善金融生態環境能夠為地區微觀經濟主體的技術創新活動提供市場激勵，并在對技術創新的供給推動與需求拉動的合力作用下，最終達到提升一個地區工業企業技術創新能力的目的。#p#分頁標題#e# 三、基本計量模型的設定   本文的研究對象為中國內地29個省級行政地區2005～2009年大中型工業企業的技術創新能力。所使用的所有變量的樣本數據主要來源于2006～2010年的《中國科技統計年鑒》、《中國統計年鑒》、《中國工業統計年鑒》與《中國地區金融生態環境評價》。海南與西藏的數據資料缺失較多，因此在后續分析中暫不予以考慮。對于在數據整理過程中發現的其他個別數據缺失，本文采取了線性插值法來進行彌補。為了消除價格波動的影響，本文以1991年為基準對有關價值變量的數據都進行了調整。   (一)變量選取與數據描述   1．技術創新能力與創新活動的投入變量   本文設定的技術創新能力變量為發明專利申請量(PATENTB)。由于其通用性、一致性和易得性，使用專利代表技術創新能力是以往有關文獻中的通常作法，并且也有研究表明利用發明專利申請量衡量企業技術創新能力具有一定的可靠性［24-27］。影響創新活動的主要投入變量在有關文獻中經常用R＆D經費支出和R＆D人員全時當量表示［2，27-28］。但正如Griliches［29］、吳延兵［30］及白俊紅等［31］指出的，研發創新活動對知識生產的影響具有持續性，因此，研發活動的資本投入指標應當選用R＆D資本存量。參照他們的處理方式，采用永續盤存法計算R＆D資本存量，具體計算公式為:RDSit=(1－δ)×RDSi(t－1)+Iit(1)其中，RDSit、RDSi(t－1)分別表示第i個地區工業企業第t年和第t－1年的R＆D資本存量，Iit為i地區工業企業第t年的實際R＆D經費支出，δ為折舊率，根據吳延兵［30］、白俊紅等［31］和其他學者的觀點，本文中δ的取值為15%。進一步估算基期資本存量的公式為:RDSi0=Ii0/(g+δ)(2)RDSi0是基期R＆D資本存量，Ii0是基期實際R＆D經費支出，g為樣本期間內實際R＆D經費支出的平均增長率。由此就可測算出各地區工業企業各年的R＆D資本存量。另一方面，消化吸收支出是消化吸收引進的國內外技術的支出，對于正處在轉型與發展期的中國經濟而言，其工業企業的技術創新除了自主研發外，仍有相當一部分的創新活動是在吸收消化引進先進技術的基礎上進行的［32］，因此消化吸收支出也是本文所設定的一個技術創新投入變量。本文中技術創新活動的勞動力投入指標為R＆D人員全時當量，其值是全時人員數與非全時人員按工作量折算成全時人員數的總和。綜上，本文與技術創新活動有關的投入變量分別為R＆D資本存量(EXPENSEA)、消化吸收支出(ABSORB)與R＆D人員全時當量(LABOR)。發明專利申請相對于創新投入而言均有一定的滯后性，但同時考慮到申請的速度會快于專利授權，并且工業企業面對日趨激烈的市場競爭，將會具有較強的創新成果保護動力，因此本文沿用現有文獻中的作法，設定專利申請的滯后期為1年。 2．金融生態環境與其他控制變量   劉煜輝［33］認為，中國金融業的問題事實上是中國政治、經濟體制轉軌過程中諸多體制性矛盾累積的結果。如果這些矛盾得不到有效解決，就難以保證金融業一定能夠發揮有效的資源配置作用。在中國這樣的體制轉軌國家，因體制之間的相互不協調而產生的金融生態環境問題對于整個金融業的發展與其資源配置功能的有效發揮就具有特別重要的意義。中國社會科學院金融研究所推出的金融生態環境評分(FINANCEN)是對金融生態概念的系統闡述與表征，地區金融生態環境主要由地區經濟基礎、金融深化、政府治理、信用制度與誠信文化四個方面構成。根據本文的理論假說，改善金融生態環境能夠為地區微觀經濟主體的技術創新活動提供市場激勵，并在對技術創新的供給推動與需求拉動的合力作用下，最終達到提升一個地區工業企業技術創新能力的目的。根據Keller［9］、蔣殿春、張宇［1］、李習保［2］、吳延兵［14］、沈坤榮、孫文杰［4］等，本文選取的影響工業企業技術創新能力的控制變量為:地區人力資本與有效需求水平，用地區人均國內生產總值(PGDP)來代表;地區經濟對外開放程度與技術轉移，用出口占GDP的比重(EXR)與區域FDI在當地GDP中的占比(FDIR)表示;地區政府資助力度，借鑒白俊紅等［31］，這里用地方政府對本地區大中型工業企業創新活動的資助額除以地區總科技經費籌集金額作為地區政府投入力度指標(GOVERNINT)，它也反映了區域大中型工業企業創新活動受地方政府直接影響的程度［18］;此外可以考慮引入經驗方程式的控制變量還有地區產業結構和集群特征指標，用地區規模以上工業產值中高技術行業產值的占比(HIGHTECHR)來表示。   3．樣本數據描述   文中涉及變量的描述性統計結果見表1，表中價值變量的單位均為萬元，R＆D人員全時當量的單位為人/年，發明專利申請量的單位為項。由于在建立技術創新能力影響因素的經驗方程時存在主要解釋變量和其他控制變量，如果這些變量之間存在嚴重的多重共線性，則有關參數估計的準確性就會受到較大影響。為此進行的基于相關矩陣的BKW共線性診斷得出的條件指數(ConditionNumber)為15．1，并且主要解釋變量與控制變量之間不存在值得關注的共線性問題。因此，共線性問題在可以接受的范圍之內［34］，不會給本文的實證分析帶來困擾。   (二)計量模型設定   本文旨在考察地區金融生態環境變化對于本地區大中型工業企業技術創新能力的影響，我們將基本的計量模型設定為:LPATENTBit=β0+β1LABSORBi，t－1+β2LLABORi，t－1+β3LEXPENSEAi，t－1+β4FINANCENit+ΦXit+μi+ξit(3)式中，LPATENTBit、LABSORBi，t－1、LLABORi，t－1、LEXPENSEAi，t－1分別是PATENTBit、ABSORBi，t－1、LABORi，t－1與EXPENSEAi，t－1的自然對數值。μi用于控制地區個體效應。Xit為前文中已討論過的其他控制變量，對于其中的價值變量均取其自然對數值。β4是本文最關注的系數，根據前面的理論假說，金融生態環境評分的增加意味著地區金融生態環境的改善，因而能夠為地區微觀經濟主體的技術創新活動提供市場激勵，并在對技術創新的供給推動與需求拉動的合力作用下，最終促進一個地區工業企業技術創新能力的提升，β4的估計值應當大于0。#p#分頁標題#e#   四、模型估計與實證結果分析   (一)基本的單向與雙向固定效應模型分析   1．基本的單向固定效應模型   根據模型(3)，將文獻中識別出來的最常見的三個變量LPGDP、EXR與FDIR作為控制變量，首先建立固定效應面板數據模型，固定效應顯著性檢驗F統計量的值為16．31，對應的P值為0，固定效應顯著。對隨機效應面板模型的個體效應LM檢驗結果顯示，隨機效應也是顯著的，卡方統計量的值為67．18，相應的P值為0。截面獨立性Pesaran檢驗的P值在固定與隨機效應模型設定下分別為0．142和0．0001，再考慮到中國各地區之間可能存在的時間或空間上的相關性，截面獨立性的原假設是傾向于被拒絕的。此外，面板數據組內序列相關Wooldridge檢驗的結果在5%的顯著性水平上拒絕了不存在自相關的原假設。CameronandTrivedi［35］指出，固定或隨機效應模型設定選擇的標準Hausman檢驗是建立在個體效應αi與干擾項為獨立同分布的強假設基礎之上的。由于這一假設條件在實證研究中經常是難以被滿足的，因此需要使用穩健Hausman檢驗(RobustHausmantest)的方法進行模型設定選擇。STA-TA12．0的程序計算結果在1%的顯著性水平上拒絕了αi與干擾項為獨立同分布的原假設。因此，隨機效應模型是不適用的，應當采用固定效應模型。而固定效應模型面板異方差的Wald檢驗還顯示存在異方差問題。上述模型設定檢驗的結果表明，對基本的單向固定效應模型的估計應當采用以Driscoll-Kraay方法估計標準誤的固定效應模型。這種方法可應用于誤差結構表現為異方差，并存在某階組內自相關，同時截面之間也具有相關性的情況。這一估計標準誤的非參數方法并未對截面數量的有限行為加以限制，有限樣本的截面維度大小不會限制其可行性，因此即使在截面數量比期數大得多的情況下也適用。另外，為了防止因固定效應顯著性F檢驗中未使用穩健標準差而給檢驗結果帶來影響，本文將計量模型對應的OLS系數估計值及穩健標準差也匯報出來作為參照。具體結果如表2中的REG1、REG2列所示。為了考察基本單向固定效應模型估計結果的可靠性，我們用包括發明專利申請數在內的地區工業企業專利申請總數的對數值作為被解釋變量，對模型(3)重新加以估計。通過個體效應顯著性、截面獨立性、組內序列相關、面板異方差及穩健的Hausman檢定等模型設定檢驗，再次應用以Driscoll-Kraay方法估計標準誤的固定效應模型獲得實證結果，連同與之對應的OLS系數估計值及穩健標準差分別被放在表2的REG3與REG4列中。進一步的，我們以基于10%的折舊率計算出來的R＆D資本存量的對數值(LEXPENSEB)代替模型(3)中的LEXPENSEA，經過與上述同樣的模型識別檢驗后，Driscoll-Kraay固定效應模型與標準差穩健的OLS估計結果如表2中的REG5與REG6列所示。從表2中REG1到REG6列的估計結果可知，地區金融生態環境變量FINANCEN的系數都是顯著為正的，金融生態環境評分的提高能夠促進本地區大中型工業企業的技術創新能力。這與本文的理論假說是一致的。其他解釋變量或控制變量的顯著性與相關文獻基本一致。   2．雙向固定效應模型   考慮到時間固定效應可能帶來的影響，我們將模型(3)擴展為雙向固定效應模型LPATENTBit=β0+β1LABSORBi，t－1+β2LLABORi，t－1+β3LEXPENSEAi，t－1+β4FINANCENit+ΦitXit+μi+αt+ξit(4)αt用于控制時間固定效應。此外，政府資助力度反映了政府部門對于技術創新活動的直接干預程度，現有文獻也已識別出其對技術創新能力具有一定影響［2，6，18］，因此增加GOVERNINT作為模型(4)中的控制變量。模型設定檢驗顯示存在截面異方差與組內序列相關問題，截面獨立性的原假設傾向于被拒絕。對模型(4)進行Driscoll-Kraay雙向固定效應估計，然后檢驗時間變量的聯合顯著性，得到的P值為0，雙向固定效應模型應該較為合適。估計結果見表3的TREG1列。為了防止因固定效應顯著性F檢驗中未使用穩健標準差而給檢驗結果帶來影響和截面獨立性檢驗結果的不穩健性，表3中的TREG2列報告了調整過截面異方差和序列相關的FGLS模型估計結果。僅控制了時間效應的模型OLS系數估計值及穩健標準差也在表3的TREG3列中給出。最后，作為參照，增加了控制變量GOVERNINT的Driscoll-Kraay單向地區固定效應模型的估計結果被放在了TREG4列。由基本雙向固定效應模型得出的結論與表2是一致的。地區金融生態環境變量FINANCEN的系數大都顯著為正，金融生態環境評分的提高能夠促進本地區大中型工業企業的技術創新能力，這又再次支持了本文的理論假說。我們再將地區產業結構和集群特征指標HIGHTECHR作為新增控制變量引入模型(4)之中。估計結果如表4所示。除了新增的控制變量外，ATREG1到ATREG4列所使用的估計方法與表3中的TREG1到TREG4列相同。實證結果支持了本文提出的假說，FINANCEN的系數估計值均顯著為正。進一步的，在計量模型中引入FINANCEN與GOVERNINT的交乘項FINGOVERN，再次分別應用Driscoll-Kraay雙向固定效應、調整了截面異方差和序列相關的FGLS、控制了時間效應的OLS，以及Driscoll-Kraay單向固定效應模型估計變量的系數值，表5概括了主要的估計結果。由表5可知，交乘項FINGOVERN的系數估計值為負，但其在從CTREG1到CTREG4的任何一列中都不顯著。負的估計值反映出在政府直接干預技術創新活動較多的地區，金融生態環境改善對于企業技術創新能力的促進作用可能會被削弱。市場力量在替代政府有形之手影響企業技術創新能力時，兩種體制的轉換會帶來一些摩擦成本。而在政府直接干預較少的地區，金融生態環境的優化能夠更有效地促進本地區大中型工業企業的技術創新能力。交乘項的系數估計值均不顯著則表明可以在模型中忽略FINANCEN與GOVERNINT對技術創新能力的交互影響，表4中的結果是比較穩健的，本文的假說得到了實證結果的支持。   (二)穩健性檢驗   1．基本的穩健性檢驗   前文中的實證結果支持了我們提出的假說，但根據現有文獻，在模型(3)或(4)中作為解釋變量和控制變量的FINANCEN、LPGDP與HIGHTECHR都可能依賴當期或以前的技術進步率或技術創新水平，因而可能存在內生性的問題。這里我們先用這三個變量的上期值代替當期值，對有關模型進行重新估計，以初步檢驗本文實證結果的穩健性。具體估計結果見表6。RTREG1列示出了Driscoll-Kraay雙向固定效應估計值。與之前不同的是，在進行新的模型設定檢驗后發現并不存在組內序列相關，因此估計時的自相關階數被設為0。此時金融生態環境對企業技術創新能力的正向影響主要是通過其與政府資助力度變量的交乘項FINGOVERN實現的。時間效應顯著并且已調整了截面異方差的FGLS變量系數估計值被放在了RTREG2列。RTREG3中是相應對異方差穩健的OLS估計值。RTREG4列給出了Driscoll-Kraay單向地區固定效應模型的實證結果，估計時的自相關階數也被設為0。所有初步穩健性檢驗的結果均表明，金融生態環境評分的提高能夠促進本地區大中型工業企業的技術創新能力，這與本文的假說是相容的。#p#分頁標題#e#   2．應用動態面板數據模型的穩健性檢驗   在前面的估計中，我們用FINANCEN、LPGDP與HIGHTECHR的上期值代替當期值進行穩健性檢驗，但這種方法仍然難以完全克服可能存在的內生性問題。此外，其他控制變量，如GOVERNINT、FINGOVERN，以及EXR和FDIR，都可能具有一定的內生性。為了檢驗前述實證結果的穩健性，本文運用BlundellandBond［36］發展的動態面板數據模型的系統GMM估計方法，針對本文假說做進一步的分析。動態面板模型的一般形式為:yit=γ1yi，t－1+…+γpyi，t－p+x'itβ+μi+εit(5)yit為被解釋變量，xit是解釋變量向量。該模型的一致估計量可以通過Arellano-Bond估計量獲得。在本文中，因為樣本容量的限制，被解釋變量的一階滯后項LPATENTBi，t－1進入到了動態面板模型的解釋變量之中。Bond，HoefflerandTemple［37］認為，小樣本條件下兩步GMM估計量的標準誤會嚴重向下偏誤，從而影響統計推斷。本文的樣本容量有限，因此更適合應用一步GMM法。根據Wooldridge［34］與林毅夫、孫希芳［38］，同時借鑒方明月等［39］對系統GMM估計中工具變量選擇的處理方法，本文設定的內生變量為FINANCEN、GOVERNINT和FINGOVERN;前定變量為LPGDP、EXR、FDIR與HIGHTECHR。在都能通過AR(2)檢驗和Sargan檢驗的條件下，估計結果如表7所示。金融生態環境變量的函數都顯著為正，反映出地區金融生態環境的改善對于大中型企業技術創新能力的正向影響，這與本文的假說是一致的。   五、結論   本文運用中國29個省區在2005～2009年期間的面板數據，考察了各個省區的金融生態環境與地區大中型工業企業技術創新能力之間的關系。運用單向及雙向固定效應模型的計量結果發現，地區金融生態環境評分與工業企業的創新能力之間具有顯著的正向關系。為了說明估計結果的穩健性，本文進一步考慮了主要解釋變量可能存在的內生性問題，并應用動態面板數據模型重新進行估計，實證結果再次支持了地區金融生態環境與工業企業技術創新能力之間的正向關系。本文實證研究結果的政策涵義也是比較明晰的。改善金融生態環境能夠為地區微觀經濟主體的技術創新活動提供市場激勵，并在對技術創新的供給推動與需求拉動的合力作用下，最終達到提升一個地區工業企業技術創新能力的目的。因此，在中國經濟發展模式由粗放型向集約型轉變的社會經濟轉型和發展的大背景下，政府管理部門應當致力于提高地區經濟基礎，推進金融深化，優化政府治理并建立、健全信用制度與誠信文化，從而不斷改善本地區的金融生態環境，促進本地區工業企業技術創新能力的不斷提升。