Financial Agglomeration and Regional Innovation: Spatial Effect and Mechanism
-
摘要: 金融是促进创新的重要因素。采用2011—2019年269个城市的面板数据，构建空间杜宾模型实证检验金融集聚对区域创新的空间效应，研究发现：金融集聚不仅能有效助推区域创新水平的提升，还对邻近区域创新产生了空间正外溢性；异质性分析表明，金融集聚对实质性创新、东部地区和中心城市存在显著的空间正溢出效应，西部地区则表现为“虹吸效应”；机制分析表明，金融集聚能通过金融发展和人力资本积累两条渠道促进区域创新。基于此，当前应优化金融空间布局，充分发挥金融集聚的空间正溢出效应，因地制宜实施差异化的创新发展策略，同时应破除各种体制机制障碍，强化区域协同合作。Abstract: Finance is an important factor in promoting innovation. Based on the panel data of 269 cities from 2011 to 2019, this paper constructs a Spatial Durbin Model (SDM) to verify the spatial effect of financial agglomeration on regional innovation, and explores its mechanism. It is found that financial agglomeration can not only effectively promote the improvement of regional innovation level, but also generate positive spatial spillovers for innovation in neighboring regions; heterogeneity analysis shows that financial agglomeration has a significant positive spatial spillover effect on substantive innovation in eastern regions and central cities, while exhibiting a "siphon effect" in western regions; mechanism analysis indicates that financial agglomeration can promote regional innovation through two channels: financial development and human capital accumulation. Currently, it is necessary to optimize the spatial layout of finance, give full play to the positive spatial spillover effect of financial agglomeration, implement differentiated innovative development strategies in line with local conditions, and eliminate various institutional obstacles to strengthen regional collaborative cooperation.
-
一、 引言
随着新一轮科技革命和产业革命向纵深推进，全球主要经济体均将技术创新放在了国家长期发展的核心位置。世界主要发达国家不断增大科技创新投入，大力发展人工智能、大数据、新材料、新能源、生物技术、高端装备制造、数字经济等新兴战略产业，全球科技竞赛也在疫情的推动下持续加速。当前中国经济面临需求收缩、供给冲击和预期转弱的三重压力，亟需转变经济发展方式，创新已然成为中国经济高质量发展阶段的新动能。近年来中国创新能力持续提升，根据世界知识产权组织(WIPO)发布的《2021年全球创新指数报告》，中国已跃居全球第12位，连续十年稳步上升，位列中等收入经济体第一；国际专利申请量也呈爆发式增长, 并连续3年蝉联世界第一。但与发达经济体相比，还存在高价值发明专利规模偏小、发明专利结构有待优化、关键核心技术亟需突破等问题。
在增进创新的众多因素中金融无疑非常重要(高星等，2018)[1]。纵观世界三次技术革命的经验，凭借技术创新跃升为全球经济领跑者的英国、美国无不倚重金融资本的强力驱动。Bencivenga等(1995)[2]提出“工业革命不得不等候金融革命”的论断，认为技术创新与金融发展从来都不是孤立的，而是相互影响密不可分。实际上，金融支持技术创新，以技术创新来重塑经济实体的竞争力早已成为国家间的重要共识。中国各级政府陆续出台了多个政策文件，以推进金融发展与技术创新体系建设并取得明显进展，但金融在支持创新活动过程中的属性错配、领域错配和阶段错配的结构性问题仍较为突出，成为创新驱动发展的主要梗阻(唐松等，2020)[3]。据此，如何觅得与技术创新相契合的金融结构将成为影响区域创新发展的关键一环。
金融集聚是从空间视角对金融结构进行考察。目前学术界对于金融集聚的研究主要围绕测度方法、成因与影响效应等方面展开。金融集聚的测度方式有单一指标型和综合指标体系两种方法，前者主要使用区位商指数和金融密度指数(陶锋等，2017)[4]，后者多采用主观赋权和客观赋权法构造金融集聚指标体系；关于金融集聚的形成动因，可以概括为金融外部性、技术外部性和政府政策三类(Kindleberger, 1974；Zhao, 2003；Eichengreen和Shah, 2019)[5-7]；关于金融集聚影响效应的研究，则主要聚焦于区域经济增长视角。刘军等(2007)[8]从金融集聚、扩散效应和金融功能三条途径验证金融集聚对实体经济增长的促进作用；于斌斌(2017)、彭刚等(2022)、马勇等(2021)、武耀华等(2021)[9-12]认为，金融集聚主要通过促进产业结构升级、人力资本结构优化、降低融资成本、技术创新、经济开放、空间溢出等渠道促进区域经济增长。
随着创新驱动成为新发展阶段的战略核心，更多的学者开始围绕金融集聚对区域创新的影响展开探讨。国外学者的研究表明，金融发展能有效促进国家和区域创新(Meierrieks，2014；Durusu-Cift等，2016)[13-14], 特别是股权市场发达的经济体创新水平更高、经济更具活力, 从而有利于提升资金筹集效率并推动企业研发，而信贷市场发达的经济体区域创新水平更低(Rioja和Valev, 2014;Hsu等，2014)[15-16]。国内学者对这一议题的研究更为丰富和深入，相关研究发现，金融集聚主要通过提高配置效率、缓解融资约束、增强风险分散、促进人力资本积累等渠道实现对区域创新的正面助推效果(庄毓敏等，2020；张虎和韩爱华，2017；丁焕峰等，2022)[17-19]，存在显著的行业异质性和区域异质性(黎杰生和胡颖，2017；郭文伟和王文启，2018)[20-21]。也有学者得出不同的结论，如周天芸等(2012)[22]认为金融集聚对区域创新没有展现出正面激励的效果；陈向阳(2021)[23]认为金融集聚对区域创新表现出非线性关系，存在门槛机制，在跨越门槛值前有积极的正向激励作用，之后则存在逆向挤出效应。
综上，关于金融集聚影响经济增长、区域创新的文献众多，但从空间视角探讨金融集聚对区域创新的影响以及机理研究的文献偏少，进行创新类别比较的文献更少；此外，关于金融集聚度的测度多为单一指标或是基于省级层面的综合指数测算，这与金融中心城市呈现的事实不符(朱辉，2019)[24]。基于此，本文以中国269个地级市为研究对象，采用空间杜宾模型考察金融集聚对区域创新的空间影响效果及异质性。可能的边际贡献在于：第一，区别于以往多使用区位商指数，本文综合了多项指标对金融集聚程度进行测度，从而能更加客观科学地反映了区域金融集聚水平；第二，揭示了不同的金融空间分布对区域创新的空间影响和作用渠道，充实了该议题下的相关理论和机制研究，也进一步揭示了金融集聚驱动区域创新的复杂作用机制；第三，在区域经济一体化和金融中心的“马太效应”不断强化的背景下，从城市层面区分了创新类型、地域属性和城市层级，多维度剖析了金融集聚对区域创新能力的影响效应差异，并实证检验了金融集聚驱动区域创新的重要机制。
二、 理论分析与研究假说
伴随着经济的全球化，金融资源流动不断加速，金融集聚成为现代金融的基本形式。考虑到金融集聚和区域创新的空间属性，本文将重点考察金融集聚对区域创新的空间影响机制。
假设区域创新部门包括金融创新部门和其他创新部门。根据极化理论，金融集聚对区域创新的空间影响主要表现为极化效应和扩散效应。第一，极化效应。一方面，金融集聚区内的金融机构和金融企业高度聚集，加剧了同业间的竞争、协作与整合，提高了金融业服务质量和业务效率，降低了各项交易成本，使得各金融机构产生内部规模经济(黄解宇和杨再斌，2006)[25]。此外，金融集聚区还汇集了大量的科技企业和各类人才，其劳动力蓄水池效应、基础设施共享和知识溢出等正外部性带来了外部规模经济，降低了企业的边际生产成本，有力促进了其他部门的发展。内、外部规模经济不仅扩大了资金供给规模，缓解了金融和其他部门的融资约束，还促进了区域内行业的协调发展，对区域创新产生了积极影响(Buera和Shin, 2008)[26]。另一方面，金融集聚有自我强化的特性，随着集聚程度的提高，规模效应更加显著，专业化分工水平更高，直接吸引了具备创新潜能的金融人才和金融机构的加入，促进了集聚区金融部门的创新[19]。此外，金融集聚区一般有着良好的基础设施、强劲的经济实力、完善的产业链、丰富的人力资源以及规范的创新配套制度等[1]，势必会对周边落后地区的创新要素形成虹吸效应，引导创新要素跨区域流动，加剧区域创新的“马太效应”。第二，扩散效应。一方面，金融集聚水平高的地区，作为金融信息的源头地，拥有更高的金融资源配置效率和资金流转速度，更强大的信息服务能力和风险抵御能力(孙国茂和范跃进，2013)[27]，通过示范效应，不断向周边地区输出先进的资本运作和管理理念，提升周边地区的金融服务和创新能力。此外，金融集聚区既是互联网、产业链以及供应链中心，同时也是区域知识库和创新中心，能加快信息流的传播和知识溢出，带动更大范围的资源互联互通互享，激励其他部门区域创新活动的开展，在一定程度上弥合了区域间的创新鸿沟(纪祥裕，2020)[28]。另一方面，随着金融集聚程度的提高，金融市场竞争愈发激烈，产生拥堵效应，金融效率下降，势必引起金融机构和金融企业向低竞争区扩散，进而带动临近地区的金融发展和创新，表现为正外部溢出(甘星和刘成昆，2021)[29]。伴随金融机构向外扩散的还有先进的知识、理念、人力和资本等创新要素，因而会加速临近地区的人力资本积累和物资资本积累进程，并对临近地区其他部门的创新起到“催化剂”作用。基于以上分析，本文提出：
假设1：金融集聚能够直接促进区域创新，且存在显著的空间效应。
创新是经济长期可持续发展的不竭动力，获得低价高效的金融支持是创新得以提质增效的重要手段。从创新活动的实际效果来看，可以分为实质性创新和非实质性创新两类[1]，不同类型的创新会内生出不同的风险偏好和金融需求，进而引致金融集聚对两类创新的作用“威力”存在区别。中国自改革开放以来，多以引进、模仿、改进式的非实质性创新为主，由于该类创新风险小、周期短，且融资需求小、融资工具简单，在中国以银行为主导的金融体系下，更容易获得金融机构的资金支持。此外，该类创新的准入门槛低、技术含量低和增长速度快，决定了与之适配的人才、技术水平、企业、制度等创新要素层次不高。因此，金融集聚通过极化效应和扩散效应能有效拓宽企业融资的广度和宽度，缓解非实质性创新的融资问题；进一步地，可推动金融资源和创新资源的互补共享，提升合作质量和层次，助推非实质性创新。随着中国由制造大国向创新型大国迈进，需要更高质量的创新引领经济发展，带动经济实现动能转换。实质性创新的准入门槛高、技术含量高、权利稳定性强、不确定性大，但能有效提升企业的市场价值，大幅增强企业的创新能力，形成企业的竞争优势，进而对区域创新有显著的裨益。实质性创新的提升不仅需要更大规模的金融资源、更复杂的金融工具和更丰富的融资渠道，还需要更便利的基础设施、快捷的信息通讯网络、良好的公共服务和创新文化氛围等“软输入”提供稳定的后勤保障。因此，相比之下，金融集聚通过发挥极化效应和扩散效应缓解企业的融资约束、进而带动实质性创新的作用较为有限。总体来说，金融集聚通过空间作用机制能较大程度地助推非实质性创新，而对实质性创新的增益效果较为有限。基于以上分析，本文提出：
假设2：金融集聚对区域创新的空间效应因创新类型的不同而存在异质性。
中国是典型的大国经济，金融集聚对区域创新发挥极化效应和扩散效应，始终离不开与经济基础、技术、文化、公共服务设施以及制度等相匹配的综合环境。首先，经济发展水平越高的地区，无论是金融规模水平抑或是金融机构密度都远超其他地区，而金融规模的“顶端”优势越突显，创新型企业获得融资的成本越低，越有利于增进企业创新。金融资源流出地的金融规模较小，融资难度更大，使得高风险长周期的创新项目更难获得资金青睐，对其区域创新带来减益效果。其次，经济发达地区在金融风险防范、金融工具创新和资金使用效率上更胜一筹，有能力将资金配置到风险高、利润高的创新型企业，创新活动得以有效开展，因而这类地区的创新能力更高便不难理解。经济发达地区通过发挥辐射效应持续向周边地区释放金融势能，推动周边地区的金融发展和区域创新，有利于缩减区域间的创新差距。再次，经济发展较快的地区更加重视区域创新活动的开展，会尽力营造与之适配的创新环境，对人才、资本、信息等重要创新生产要素的需求更为强烈，要素的回报率更高，对周边的创新要素存在磁石效应，吸引要素跨区域流动。最后，经济发达地区的金融机构更密集，金融产品更多元，金融人才更丰富，市场竞争更激烈，在优胜劣汰的竞争机制下，唯有不断提高自身管理水平、技术水平和服务水平，提升竞争优势，才能不断发展壮大。基于以上分析，本文提出：
假设3：金融集聚对区域创新的空间效应因地域属性、城市层级不同而具有异质性。
金融集聚不仅能直接激励区域创新，还会通过其他的间接渠道带动区域创新。首先，金融集聚引发了金融业和其他产业在一定空间地域内的集中，而金融企业、机构等的集聚又促进了金融的发展，主要表现为金融规模的扩大和金融配置效率的提升。金融规模的扩大使得企业获得的资金倍增，拓宽了邻近地区企业和项目的融资渠道。金融集聚区也是金融信息的汇集地和处理中心，能缓解市场的信息不对称，提升金融服务创新企业和项目的靶向性，实现资金与创新要素的跨区域高效流动，对企业创新发挥了显著的增益效应。其次，金融集聚还带动了人才的流动。人力资本作为创新的核心要素，有助于世界尖端技术和先进知识的学习与掌握，亦可强化对新知识的创造能力，进而激发了创新活力，提升了区域创新水平[19]。随着金融集聚的不断推进，产业专业化程度持续提升，金融业和其他产业面临创新、转型和升级，企业间高端人才的流动逐步增强，这一过程不仅促进了区域间人际的高频交流和隐性知识的溢出，还有利于知识和技术水平处于弱势的人员积极模仿学习先进地区的知识和前沿技术，不断缩短区域间的技术差距，提高区域创新水平。基于以上分析，本文提出：
假设4：金融集聚通过金融发展、人力资本积累等间接渠道影响区域创新。
三、 研究设计与数据来源
（一） 变量选取
1. 被解释变量
区域创新变量组(inn)。创新的投入和产出是衡量一个区域或企业创新水平的常用指标，选用创新投入端的研发经费和研发人员来度量创新有一定的优势，但也难以避免重复计算的问题，而利用专利产出数来衡量区域或企业创新更加直观简洁。以往的研究中，专利产出数量(包括申请量和授权量)是评价区域创新水平的常用指标(刘凤朝和潘雄锋，2005)[30]，但专利申请量在反映真实创新水平方面存在广泛的争议，故选择国家知识产权局公布的专利授权量来表征区域整体创新水平。鉴于本文进一步关注创新活动的实质效果，因此参照高星等(2018)[1]的做法，将创新分为整体创新、实质性创新和非实质性创新三种类型。其中，发明专利认定为实质性创新(innsz)，实用新型和外观设计的专利认定为非实质性创新(innfsz)。
2. 核心解释变量
金融集聚程度(FinaC)。金融集聚代表了在一定空间内金融资源通过金融机构的组织、协调，使得横向实现产业互补，纵向完善金融产业链，最终影响空间内经济的发展，本文将金融集聚程度(FinaC)作为核心解释变量以反映地区金融集聚水平。现有文献资料中，关于金融集聚度的测度主要采用金融业区位商和金融集聚综合指标体系等方法。基于数据的可得性和客观性，借鉴王如玉等(2019)[31]的做法，将各城市存贷款占全国的比重(市辖区)、金融机构就业人员占全国的比重、各城市在A股市场发行的IPO数占全国的比重(市辖区)，分别赋予0.6、0.3、0.1的权重，采用主观赋权法加权计算得到金融集聚度。
3. 控制变量
参考其他文献，选择以下系列控制变量：经济基础(PGDP)，经济实力越雄厚，越有利于驱动技术创新，采用人均地区生产总值来衡量；城市规模(PEOP)，城市人口规模越大，人才储备充足，是赢得区域创新的战略资源；对外开放度(TD)，地区的经济外向度越高，越有利于引进高科技产品和吸收前沿技术，选用进出口贸易总额与地区生产总值的比值来衡量(根据当年的外汇汇率进行换算)；教育科学支出强度(KJ)，选用教育和科学支出费用占GDP比重来表征，该比值越高，说明地方财政对创新的支持力度越大；信息化程度(Hlw)，选用国际互联网用户数来表征，发达的信息通信技术能为后续发展吸引人才、资金集聚提供有利条件；地区生产总值增长率(iGDP)，作为一个相对指标，充分表征各区域的经济发展活力差异，经济活力强的城市能为区域创新提供更多的试错机会；市场化强度(SCH)，选用市场化指数来表征，市场化程度越高的地区，能更加有效地增进企业竞争，激励创新活动的开展。
4. 中介变量
金融发展(FZ)，选用银行机构存贷款余额占GDP的比重来表征，其值越大说明金融发展水平越高；人力资本积累(Human)，选用每万人中普通高等学校在校生比重来测度。主要变量及定义参见表 1。
表 1 主要变量选择变量类别 变量名称 变量衡量 被解释变量 inn 整体创新 专利授权总数 innsz 实质性创新 发明专利授权数 innfsz 非实质性创新 新型实用专利授权数与外观专利授权数之和 核心解释变量 FinaC 各市的金融产业集聚程度 主观赋权计算得到的综合水平 控制变量 PGDP 经济基础 人均地区生产总值 PEOP 城市规模 常住人口 iGDP 经济增长 地区经济增长率 TD 对外开放度 进出口总额/GDP KJ 科学教育支出强度 科学教育支出/GDP Hlw 信息化程度 国际互联网用户数 SCH 市场化强度 市场化指数 中介变量 FZ 金融发展 银行存、贷款余额/GDP Human 人力资本积累 每万人中普通高等学校在校生比重 （二） 模型设定
1. 空间自相关性检验
一般地，在建立空间计量模型进行经济命题探讨之前，需检验各经济变量的空间相关性来判断空间模型的适应性，本文采用被普遍认可的全局Moran’s I指数来判定，计算公式如下：
$$ Moran's\;I = \frac{{n\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {{w_{ij}}\left( {{x_i} - \bar x} \right)} } \left( {{x_j} - \bar x} \right)}}{{\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {{w_{ij}}\sum\nolimits_{i = 1}^n {{{\left( {{x_i} - \bar x} \right)}^2}} } } }}{\rm{ = }}\frac{{n\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {\left( {{x_i} - \bar x} \right)} } \left( {{x_j} - \bar x} \right)}}{{{S^2}\sum\nolimits_{i = 1}^n {\sum\nolimits_{j = 1}^n {{w_{ij}}} } }} $$ (1) 其中：${S^2} = \frac{1}{n}{\left( {\sum\nolimits_{i = 1}^n {{x_i} - \bar x} } \right)^2}, \bar x = \frac{1}{n}\sum\nolimits_{i = 1}^n {{x_i}} $，xi表示第i个地区的观测值, S2为样本方差，n为地区总数, wij为空间权重矩阵的(i, j)的元素。Moran’s I指数的取值范围为[-1, 1]，该值为正表示存在正相关性，在空间上呈现集聚特性；为零表示无空间关联，呈现空间随机分布；小于零表示负相关，呈现空间分散特性。
2. 空间权重矩阵设定
借鉴苏屹和林周周(2017)[32]的做法，综合构建空间邻接、地理距离及经济地理嵌套三种空间权重距离。首先，基于Queen邻接的原则构建邻接矩阵(W1)，将区域i与区域j相邻的区域设定为1，反之设定为0；其次，依据空间单元质心距离平方的倒数构建地理距离矩阵(W2)；最后，经济变量的空间影响不仅受到区域间的地理空间关联程度的影响，还受到区域间的经济关联影响，借鉴邵帅等(2016)[33]的做法，先根据城市间人均GDP均值之差的绝对值倒数构建经济距离权重矩阵，并将经济矩阵和地理矩阵各赋权0.5，加权计算得到经济地理嵌套矩阵(W3)。在后续实证中，对所有权重矩阵均采用行标准化处理。
3. 空间模型构建
前述理论分析发现我国金融集聚对区域创新可能存在空间效应，因此传统的面板模型估计可能存在“伪回归”，有必要将空间效应纳入其中。相比空间自回归模型(SLM)和空间误差模型(SEM)，空间杜宾模型同时包含被解释变量和解释变量的滞后项，具有自变量和误差项参数估计不受增加或遗漏变量空间依赖度影响的优势，还可进一步区分区域内(直接)和区域间(间接)的溢出效应，能更深入全面地分析金融集聚对区域创新的空间影响路径。构建如下空间杜宾模型：
$$ pa{t_{it}} = {\alpha _0} + {\alpha _1}Fina{C_{it}} + \rho \sum\nolimits_{j = 1}^N {{w_{ij}}in{n_{jt}}} + \beta {X_{it}} + \theta \sum\nolimits_{j = 1}^N {{w_{ij}}\left( {{X_{jt}} + Fina{C_{jt}}} \right)} + {\mu _i} + {\upsilon _t} + {\varepsilon _{it}} $$ (2) 其中，pat为区域创新变量组，包含三个创新专利活动(inn、innsz、innfsz)；FinaC为金融集聚指数；ε表示残差，μi表示个体效应，vt表示时间效应；ρ为空间自回归系数，表示区域创新存在空间溢出性，β表示本地金融集聚对本地区域创新的影响，θ代表邻地金融集聚的影响或本地金融集聚对邻地创新的影响，Wij为空间权重矩阵，Xit为控制变量集。
（三） 数据来源与说明
考虑数据的可得性、可比性和连续性，本文选取了全国2011—2019年269个城市的面板数据。数据主要来自《中国城市统计年鉴》《区域金融发展报告》《区域经济统计年鉴》以及Wind数据库等。W1的邻接关系通过国家地理信息系统网站提供的1∶400万电子地图得到，W2中各城市之间的距离通过软件ArcGIS10.2测算得到。为了减少参数估计时异方差问题，对原始数据进行了对数化处理，各指标的描述性统计结果如表 2所示。
表 2 描述性统计变量符号 变量名称 平均值 最大值 最小值 标准差 样本 inn 整体创新 7.2162 11.5581 2.8332 1.5145 2421 innsz 实质性创新 4.8336 9.4919 0.0000 1.6965 2421 innfsz 非实质性创新 7.0913 11.4342 2.6391 1.5106 2421 FinaC 金融集聚度 0.2476 2.7381 0.0217 0.3461 2421 lnPGDP 经济基础 4.7548 6.8077 0.6650 0.2576 2421 lnPEOP 城市规模 2.0233 4.3812 1.1761 0.3196 2421 lnTD 贸易依存度 0.4253 65.9675 0.0022 1.5205 2421 lnKJ 科学教育支出强度 0.0314 0.1806 0.0028 0.0140 2421 lniGDP 地区生产总值增长率 0.8827 3.9807 -1.4928 0.3170 2421 lnHlw 信息化程度 1.8119 2.8932 0.6290 0.3867 2421 lnSCH 市场化程度 0.8268 1.0398 0.3674 0.1075 2421 lnFZ 金融发展 3.1500 8.5649 0.0065 1.3191 2421 lnHuman 人力资本积累 4.5678 6.0618 0.2364 0.5763 2421 四、 实证分析
（一） 空间相关性检验与模型选择
依据式(1)，三种空间权重矩阵下的区域创新和金融集聚的全局Moran’s I指数计算结果如表 3所示。可发现全局Moran’s I均大于0，且通过了5%的显著性检验，说明当前城市金融集聚和区域创新均存在较强的空间正自相关性，适合使用空间模型进行金融集聚对区域创新作用效果的探讨。此外，观察Moran’s I指数变化可发现区域创新的Moran’s I指数比金融集聚的更大，而金融集聚在三种权重矩阵下的Moran’s I指数降幅略小，进一步表明金融集聚和区域创新存在相对固化的空间依赖关系，未来在探讨金融集聚与区域创新的相互关系时不能忽视空间地理因素的影响。
表 3 金融集聚和区域创新Moran’s I统计量年份 邻接距离矩阵W1 地理距离矩阵W2 经济地理嵌套矩阵W3 区域创新 金融集聚 区域创新 金融集聚 区域创新 金融集聚 2011 0.391*** 0.124*** 0.344*** 0.203** 0.276*** 0.133*** 2012 0.400*** 0.125*** 0.352*** 0.183** 0.272*** 0.130*** 2013 0.399*** 0.126*** 0.344*** 0.187** 0.280*** 0.132*** 2014 0.402*** 0.126*** 0.356*** 0.168** 0.271*** 0.131*** 2015 0.401*** 0.121*** 0.364*** 0.129** 0.255*** 0.118*** 2016 0.396*** 0.123*** 0.371*** 0.129** 0.250*** 0.120*** 2017 0.402*** 0.123*** 0.376*** 0.131** 0.237*** 0.122*** 2018 0.408*** 0.124*** 0.384*** 0.115** 0.220*** 0.112*** 2019 0.407*** 0.122*** 0.372*** 0.158** 0.233*** 0.116*** 注：***、**和*分别表示1%、5%和10%的显著性水平。下表同。 为进一步判断如何选择空间面板模型，还需进行以下步骤：一是借鉴Elhorst(2014)[34]的方法进行Wald检验或LR检验，判断空间杜宾模型(SDM)是否会退化为SAR模型和SEM模型；二是进行Hausman检验，判断空间杜宾模型是采用固定还是随机效应模型；三是综合考虑变量系数的显著性、可决系数R2和自然对数似然值Log-L，选择最合适的空间模型。具体检验结果如表 4所示，可发现不论是基于整体创新还是分专利层次的空间模型，其三种空间矩阵下的Wald检验和LR检验结果均在1%的水平上显著拒绝原假设，表明应选择空间杜宾模型(SDM)进行分析；Hausman检验结果表明，整体创新和非实质性创新应选择时空双向的固定效应模型，而实质性创新与随机效应模型更为匹配；单一的地理邻接矩阵和地理距离矩阵，基于距离的远近判定空间单元的相关性容易忽视客观事实，因此本文综合空间单元的地理距离和经济客观事实，并考虑R2、Log-L值和自变量估计系数的显著性，选用经济地理嵌套矩阵下的空间杜宾模型进行后续实证分析。
表 4 Wald检验、LR检验被解释变量 矩阵 Wald_Lag Wald_Error LR_Lag LR_Error 整体创新 W1 59.05*** 35.57*** 35.49*** 65.84*** 实质性创新 42.49*** 45.97*** 45.27*** 53.36*** 非实质性创新 54.14*** 28.32*** 29.86*** 59.84*** 整体创新 W2 124.97*** 102.77*** 108.57*** 145.96*** 实质性创新 53.62*** 52.63*** 89.00*** 62.20*** 非实质性创新 132.05*** 100.93*** 106.82*** 143.03*** 整体创新 W3 124.97*** 102.77*** 108.57*** 145.96*** 实质性创新 53.22*** 52.63*** 53.28*** 62.20*** 非实质性创新 100.93*** 123.05*** 106.82*** 143.03*** （二） 实证结果分析
表 5报告了2011—2019年我国269个城市金融集聚对区域创新的影响结果。其中列(1)(3)(5)为不考虑空间因素但控制时间和城市双固定环境下的估计结果，作为参照；列(2)(6)为双固定空间杜宾模型估计结果，列(4)为空间杜宾随机效应模型估计结果。观察表 5可发现，非空间模型与空间杜宾模型估计结果均显示，核心解释变量金融集聚(FinaC)对整体创新(inn)有正向促进作用，且均通过了5%的显著性检验，但非空间计量模型的回归系数更低，表明忽略城市间区域创新活动的空间相关性会低估金融集聚对区域创新的边际效应，这进一步说明采用空间模型讨论金融集聚的区域创新溢出效应是合理的。另外，LeSage和Pace(2009)[35]研究发现，若空间ρ系数显著不为0，则直接采用模型估计结果来分析解释变量对被解释变量的影响及其空间溢出效果可能会存在偏误，因此列(2)(4)(6)还报告了金融集聚对区域创新的直接效应、溢出效应与总效应，以准确把握金融集聚对区域创新的空间传导路径。
表 5 金融集聚对区域创新影响的回归结果变量 整体创新 实质性创新 非实质性创新 (1) (2) (3) (4) (5) (6) FinaC 0.812**(2.81) 0.851***(4.52) 1.582***(12.96) 2.001***(13.54) 0.924**(3.01) 0.953***(4.69) W×FinaC 0.348***(3.31) 1.013**(2.69) 0.216**(2.88) ρ 0.694***(9.45) 0.828***(19.03) 0.667***(8.67) sigma2_e 0.061***(34.63) 0.117***(31.98 0.071***(34.68) 直接效应 0.856***(4.46) 2.089***(14.08) 0.970***(4.69) 间接效应 0.713*(1.95) 1.688**(2.57) 2.586*(1.98) 总效应 1.569**(2.51) 3.777***(3.32) 3.556**(2.56) 年份控制 是 是 是 是 是 是 城市控制 是 是 是 是 是 是 R2 0.692 9 0.712 1 0.526 5 0.786 8 0.666 4 0.682 0 LOG-L -637.885 0 -138.933 2 -245.469 5 N 2 421 2 421 2 421 2 421 2 421 2 421 注：LOG-L为Log-likelihood，括号内为t统计量。下表同。 1. 基准回归结果
表 5中，FinaC系数在5%水平上显著为正，W×FinaC系数也通过了5%的显著性水平检验，表明当前我国金融集聚对区域整体创新展现了直接的驱动效应，且邻近地区区域创新水平的提升也能有效增进本地企业整体的创新水平，存在显著的空间正外部性。进一步的空间效应分解结果显示，金融集聚对区域整体创新的直接效应为0.856且在1%水平上显著，而间接溢出效应占总效应的45.44%以上。这反映了金融集聚的“效能”, 即随着区域金融的不断集聚和发展，集聚区内的创新资源优势进一步体现，不仅有利于创新资源的集聚，也有利于倒逼集聚区内企业创新，更能强化高创新能力向低创新地区的外溢与辐射作用，从而对区域整体创新水平展现出强劲的正向促进作用。因此，金融集聚不仅对区域创新具有正向直接效应，还对邻近地区的区域创新存在显著的空间外溢性，假设1得到验证。
2. 创新类型比较
在实质性创新方面，金融集聚(FinaC)的直接效应、间接效应和总效应均显著为正，表明金融集聚总体上对实质性创新存在正向空间效应；而在非实质性创新方面，FinaC的三种空间效应均显著为正，且间接效应溢出约为直接效应的2.67倍，表明金融集聚对于非实质性创新也具有显著的空间正外溢性。另外，比较两类创新的空间效应分解系数可发现，实质性创新的直接效应系数最大且高于整体创新，空间ρ系数也最大，说明金融集聚对实质性创新的直接边际影响更大，即本地极化效应更大；且实质性创新的间接溢出系数强于整体创新和非实质性创新。综上所述，不论是实质性创新还是非实质性创新，金融集聚均具有显著的空间正外溢性。因此，假设2得到验证。
（三） 稳健性检验
为验证核心假设1，将从以下几个方面开展稳健性检验。一是改变样本区间，对2015—2019年的面板数据进行重新估计，以保证样本区间的选择不会对回归结果造成影响；二是对变量进行5%的双侧缩尾处理，选用分位数替补，以消除异常值带来的不利影响；三是替换被解释变量，借鉴寇宗来和刘学悦(2017)[36]的做法，采用城市创新指数来衡量区域创新，进行重新估计；四是构建空间动态GMM模型，考虑到金融集聚与区域创新可能存在双向互动关系，本文还加入区域创新的一阶滞后项，建立空间动态GMM进行重新估计；五是替换空间矩阵，由于经济发展水平接近的城市更容易产生经济和社会关联，导致在经济地理矩阵下的回归估计存在一定的内生性问题，因此选择地理矩阵能有效检验。上述稳健性检验结果列示于表 6列(1)至(5)，FinaC系数和空间滞后项系数在5%水平上显著为正，表明本文的核心结论基本稳健。区域创新的一阶滞后项系数为正且通过1%水平的检验，说明各城市的区域创新存在时间依赖性；而FinaC的回归系数与空间滞后项系数依然显著为正，与基准回归结果基本一致，说明考虑区域创新的动态效应后，金融集聚对区域创新具有正向空间溢出效应的结论基本不变。
表 6 稳健性检验结果变量 改变样本区间
(1)缩尾处理
(2)替换被解释变量
(3)空间动态GMM
(4)地理邻接矩阵W1
(5)L.inn 0.634***(3.44) FinaC 0.572**(3.03) 0.687***(3.91) 0.952***(3.10) 0.672**(2.77) 0.686***(4.04) W×FinaC 2.831**(2.53) 0.337**(2.63) 1.330**(2.60) 3.658**(2.69) 0.384**(2.65) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.726***(7.85) 0.710***(7.43) 0.796***(11.48) 0.735***(9.30) 0.522***(23.21) sigma2_e 0.028***(25.81) 0.027***(25.81) 0.006***(28.25) 0.065***(35.00) 0.055***(34.39) R2 0.554 2 0.760 8 0.571 7 0.716 9 0.706 2 LOG-L 495.769 5 126.455 9 -865.182 4 538.466 3 412.625 1 N 1 345 2 421 1 614 2 152 2 421 注：由于替换的被解释变量数据只到2016年，因此第(3)列样本数量变小。 （四） 异质性分析
如前所述，金融集聚对区域创新的影响可能存在地区、城市层级上的异质性，本部分对此展开探讨。前者采用一般文献的做法划分东中西部地区，后者则参照赵涛等(2020)[37]的做法，将直辖市和省会城市归入中心城市，其他地级市则为外围城市。回归结果如表 7所示①。
表 7 空间杜宾模型异质性结果Panel A: inn 东部 中部 西部 中心城市 外围城市 FinaC 1.395***(9.49) 1.036***(3.59) -1.424**(-2.83) 0.873***(6.27) 1.125***(4.26) W×FinaC 0.542*(1.93) 1.098*(1.97) -10.59**(-3.20) 5.916***(3.54) 3.348**(3.08) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.707***(11.81) 0.701***(9.88) 0.179*(1.98) 0.674***(11.64) 0.823***(17.01) sigma2_e 0.049***(19.25) 0.062***(20.59) 0.066***(18.60) 0.037***(10.41) 0.072***(32.62) 直接效应 1.475***(9.93) 1.131***(3.68) -1.501**(-3.10) 0.954***(5.43) 1.233***(4.28) Panel A: inn 东部 中部 西部 中心城市 外围城市 间接效应 5.311*(2.01) 0.269*(1.98) -13.37**(-3.28) 2.760*(2.09) 12.261(1.24) 总效应 6.786**(2.55) 1.400*(1.96) -14.871***(-3.56) 3.714*(2.22) 13.494*(2.08) R2 0.764 4 0.732 6 0.697 4 0.842 4 0.701 7 LOG-L 148.075 4 -264.403 4 -127.377 8 113.811 5 -187.587 7 N 864 864 693 261 2 160 Panel B: innsz 东部 中部 西部 中心城市 外围城市 FinaC 1.377***(6.99) 0.284**(2.79) -0.685*(-1.94) 0.389*(2.43) 0.130*(2.38) W×FinaC 0.386*(1.97) 6.240***(3.38) -11.62*(-2.45) 0.672*(2.21) 3.681**(2.66) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ -0.663***(-9.55) 0.642***(7.90) 0.178***(8.44) -0.684***(-13.13) 0.720***(11.22) sigma2_e 0.083***(18.94) 0.095***(20.56) 0.143***(18.46) 0.017***(10.68) 0.119***(32.67) 直接效应 1.435***(7.17) 0.555**(2.99) -1.268*(-1.99) 0.388***(2.26) 2.491***(8.50) 间接效应 3.913*(1.98) 0.269**(2.58) -39.475*(-1.97) -0.271**(-2.69) 2.362*(2.23) 总效应 5.349**(2.55) 0.824*(2.43) -40.73*(-2.10) 0.117**(2.99) 4.853*(2.05) R2 0.729 9 0.687 6 0.640 5 0.877 0 0.597 0 LOG-L 177.026 1 -470.555 1 -40.218 4 41.639 0 -759.652 5 N 864 864 693 261 2 160 Panel C: innfsz 东部 中部 西部 中心城市 外围城市 FinaC 1.395***(9.02) 1.444***(6.44) -1.450**(-2.67) 0.939***(6.18) 1.229***(4.33) W×FinaC 0.572*(1.92) -1.342*(-1.98) -9.350**(-2.62) 7.107*(3.68) 3.080*(2.74) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.712***(12.08) 0.570***(9.93) 0.197*(2.18) 0.666**(2.54) 0.818***(16.58) sigma2_e 0.058***(19.33) 0.083***(19.37) 0.078***(18.59) 0.049***(10.43) 0.089***(32.62) 直接效应 1.478***(9.28) 1.432***(6.00) -1.528**(-2.82) 1.025***(5.31) 2.696***(12.00) 间接效应 5.518*(2.03) -0.986(-0.32) -12.23**(-2.82) 0.949*(1.98) 1.152***(3.92) 总效应 6.996**(2.55) 0.445*(2.14) -13.758**(-3.09) 1.974**(2.43) 3.848*(2.13) R2 0.812 5 0.700 4 0.768 7 0.824 8 0.670 2 LOG-L -193.972 9 -321.500 0 -96.280 0 76.606 8 -345.027 7 N 864 864 693 261 2 160 ① 因篇幅有限，表 7只列出核心解释变量的直接效应、间接效应和总效应，如有需要可向作者索要。
从整体创新来看，金融集聚对区域整体创新的空间溢出效应存在显著的地域差别，具体表现为东部最强，中部次之，西部为显著的负向溢出。原因主要在于，东部地区作为改革开放前沿地，拥有制度、区位、人才、资金和科技基础等优势，大量的金融资源倾斜使得金融产业发展迅猛，更易在空间上形成集聚，不仅对本地区整体创新发挥正向激励作用，还能借助辐射效应带动邻近地区区域创新能力提升；西部地区经济基础相对薄弱，融资困难，创新资源和科创平台也较难形成空间集聚，且受行政壁垒的限制，要素、产业等流动障碍将抑制企业研发创新活动，不利于区域整体创新能力的提升。从城市层次来看，中心城市的金融集聚对区域创新空间正溢出效应显著，而外围城市的金融集聚仅对本区域具有直接促进作用，空间涓滴效应尚待发挥。这可能是中心城市是金融集聚的核心承载区，具备高行政支持、先进通讯设施和便捷的交通网络等优势，不仅有利于快速获取信息、节约信息搜寻成本，还能借助市场的广度与深度搭建起金融网络，扩大资金供给规模，更大程度发挥中心城市的集聚效应，进而提升创新能力。总之，金融集聚对不同样本的区域创新空间效应存在较大区别，验证了假设3。
从实质性创新来看，各分组样本的空间ρ系数在-0.684~0.720之间，表明相对于整体创新和非实质性创新，实质性创新的空间溢出效应较弱，导致金融集聚仅在东部和中心城市具有空间正促进效应，西部为负向溢出效应。具体来看，东部、中部地区样本中的直接、间接和总效应均显著为正，且间接溢出效应强于本地极化效应；中心城市的实质性创新在空间上产生了虹吸效应(ρ系数显著小于0)，金融集聚是其负向溢出的推力之一(间接效应为-0.271)，且总效应在5%的水平上显著为正，表明考察期内中心城市的金融集聚总体上存在正向空间作用。值得说明的是，创新离不开资金的有力支持，开展从0到1的实质性创新不仅需要高标准的金融资源，还需要核心技术、领军型创新人才、知识产权保护等软条件与之适配，东部地区金融体系相对完善，区域间合作更为紧密，能够充分发挥知识和技术外溢效应，吸纳邻近地区创新资源形成规模优势并弥补其金融溢出损失，而中心城市尚存在地理距离，在建设金融中心和创新示范区过程中存在激烈的资源竞争和创新成果抢占问题，不利于形成良性溢出，进而对区域整体创新提升造成影响。此外，数量增长目标责任考核是中国从中央到地方创新政策的重要特色，在该考核目标下容易引发企业尤其是创新能力不强的企业采取非实质性行为，重数量轻质量，助推“专利泡沫”的产生，从而在一定程度上对实质性创新产生负面影响(黎文靖和郑曼妮，2016)[38]，西部地区样本的回归结果便是明证。
从非实质性创新来看，金融集聚溢出效应的地域差别与整体创新的回归结果基本一致，表现为东部最强，中部次之，西部仍然为负向挤出。这与中国尚处于以模仿为主的低端创新的国情有关。在城市层级上，外围城市金融集聚的创新溢出效应相比中心城市更强，其直接效应、间接效应分别为2.696、1.152，均通过5%的显著性检验。可能的解释是，外围城市的经济基础和金融资源禀赋相对较差，更易在准入门槛低、投资回报快的低端研发项目中发挥作用，而且非实质性创新技术含量低、周期短，使得金融资源和创新要素流动风险相对较小，易产生模仿式创新，因此，金融集聚不仅能直接促进当地的非实质性创新，还能间接促进邻近地区的非实质性创新。而中心城市在“政绩导向”的影响下，邻近过度竞争效应将弱化非实质性创新的空间正相关性，从而压缩了金融集聚激发非实质性创新溢出的空间。
（五） 机制分析
前文已证实金融集聚对不同类型的区域创新具有正向的空间影响，但究竟是通过何种传导机制发挥作用尚需进一步分析。
下面使用交互项从金融发展、人力资本积累两条渠道进行分析，结果如表 8所示。对比地理邻接矩阵和经济地理嵌套矩阵的估计结果，发现系数、符号、显著性及中介效应与前文分析基本一致。FZ列报告了金融发展为中介变量对区域创新的影响，Human列报告了人力资本为中介变量对区域创新的影响。仅考虑地理因素，可发现金融发展和人力资本积累对本地创新的空间极化作用相对更加突出；综合考虑地理和经济因素时，金融发展和人力资本积累对邻近区域创新的空间溢出效应更为显著。以地理邻接矩阵为例，金融发展对区域创新的直接、间接和总效应水平均显著为正，且间接效应占比为44.6%，验证了金融发展不仅能正面激励本地区域创新，还对周边企业的创新展现出正向溢出效应。可能的原因是，金融发展不仅扩大了本地创新企业资金的有效供给，还拓宽了邻近地区创新企业的融资渠道，通过空间涓滴效应增强了对周边创新企业的服务效能。人力资本的直接效应显著为正(0.117)，证实了人力资本的积累有助于本地区区域创新水平的提升；间接效应回归系数为0.256，说明高技能人才的积累对周边地区的创新展现出明显的正向溢出效应，高技能人才间的交流和学习加速了知识、技能的溢出，一定程度上平滑了区域间的技术鸿沟。
表 8 金融集聚影响区域创新的传导机制检验结果变量 效应类型 地理邻接矩阵W1 经济地理嵌套矩阵W3 FZ Human FZ Human FinaC 间接效应 1.303*(2.33) 2.489**(2.60) 4.910*(1.98) 13.05(1.63) 总效应 2.109**(2.55) 4.976**(2.48) 5.546*(1.98) 15.39*(2.09) 直接效应 0.256**(2.86) 0.332** (2.77) Human 间接效应 0.117***(3.52) 0.802** (2.57) 总效应 0.373**(3.27) 1.134* (2.12) 直接效应 0.036**(2.56) 0.029**(2.63) FZ 间接效应 0.029**(2.54) 0.777**(3.17) 总效应 0.065**(2.88) 0.806**(2.59) ρ 0.528***(23.64) 0.513***(22.35) 0.734***(10.81) 0.733***(10.77) sigma2_e 0.054***(34.50) 0.055***(34.12) 0.065***(34.81) 0.065***(34.60) R2 0.724 3 0.728 1 0.706 8 0.706 9 LOG-L 26.143 7 31.144 1 -138.677 2 -137.146 2 N 2 421 2 421 2 421 2 421 五、 结论与建议
中国的创新发展正从数量增长型向质量提升型转变，亟需构建能匹配新发展阶段的金融空间结构，这也是当前金融改革的难点、重点和痛点。本文选用2011—2019年中国269个城市的面板数据，采用空间杜宾模型实证分析金融集聚对区域创新的空间效应。研究发现：(1)金融集聚对区域创新存在空间溢出效应，不仅能直接促进本地区域创新，还能辐射带动邻近地区创新能力的提升，且溢出效应是金融集聚驱动创新能力提升的重要路径。(2)金融集聚对不同类型的创新均具有空间正外部性，其中对实质性创新的空间溢出更为显著，对非实质性创新的本地空间极化效应相对更强。(3)金融集聚的空间溢出效应因地域属性、城市层级不同而存在明显差异，其中东、中部以及中心城市均具有显著的空间正外溢性，西部则表现出明显的“虹吸”效应，外围城市的金融集聚仅对本地区域创新有“极化”效应，空间涓滴效应有待强化；进一步比较发现，金融集聚是造成中心城市实质性创新负向溢出的重要推力，但却对外围城市非实质性创新具有极强的正向空间影响。(4)机制检验结果表明，金融集聚通过金融发展和人力资本积累两条渠道正向促进了本地区域创新和邻近区域创新。
因此，本文提出了以下几点建议：第一，优化金融空间布局，充分发挥金融集聚的空间正溢出效应。持续稳定的金融有效供给是推动区域创新的重要支撑，倡导不同的地区采取适宜的金融产业政策，合理高效配置金融资源，实现金融业错位发展，有利于形成竞合有序、协同发展的格局。在东部地区和中心城市加快打造“金融集聚示范区”，充分发挥金融集聚的辐射效应，强化与周边地区的合作与交流；在西部地区宜实施投融资优惠政策，适当增强信贷发放强度，加快建设“区域性金融中心”，进一步释放金融集聚的“创新效应”。第二，因地制宜实施差异化的创新发展策略。我国创新专利普遍存在重数量轻质量的问题，但研发创新活动中的知识和技术溢出是影响邻近地区创新能力提升的重要因素。因此，应积极打破行政藩篱，从国家层面合理布局创新发展战略，通过营造良性竞争的市场环境和创新激励政策提升创新动机，加大融资支持力度，推动高质量的实质性创新；对于低质量的非实质性创新，应强化政府宏观引导和动态调整，增强资金的监督力度，调高创新标准，科学甄别创新成果，提升整体创新效能。第三，破除各种体制机制障碍，强化区域协同合作。鉴于金融集聚和区域创新的空间属性，应着力构建金融集聚与区域创新高质量发展的协同机制，加快金融基础设施和信息共享网络建设，促进各类资源在空间上的有序流动；不断提升金融服务对区域创新的普惠性水平，加大对企业科技创新的财政支持力度，积极培育和引进高层次人才，为促进区域创新合作营造良好的外部环境，进而平滑区域间的创新差距。
-
表 1 主要变量选择
变量类别 变量名称 变量衡量 被解释变量 inn 整体创新 专利授权总数 innsz 实质性创新 发明专利授权数 innfsz 非实质性创新 新型实用专利授权数与外观专利授权数之和 核心解释变量 FinaC 各市的金融产业集聚程度 主观赋权计算得到的综合水平 控制变量 PGDP 经济基础 人均地区生产总值 PEOP 城市规模 常住人口 iGDP 经济增长 地区经济增长率 TD 对外开放度 进出口总额/GDP KJ 科学教育支出强度 科学教育支出/GDP Hlw 信息化程度 国际互联网用户数 SCH 市场化强度 市场化指数 中介变量 FZ 金融发展 银行存、贷款余额/GDP Human 人力资本积累 每万人中普通高等学校在校生比重 
下载: 导出CSV
表 2 描述性统计
变量符号 变量名称 平均值 最大值 最小值 标准差 样本 inn 整体创新 7.2162 11.5581 2.8332 1.5145 2421 innsz 实质性创新 4.8336 9.4919 0.0000 1.6965 2421 innfsz 非实质性创新 7.0913 11.4342 2.6391 1.5106 2421 FinaC 金融集聚度 0.2476 2.7381 0.0217 0.3461 2421 lnPGDP 经济基础 4.7548 6.8077 0.6650 0.2576 2421 lnPEOP 城市规模 2.0233 4.3812 1.1761 0.3196 2421 lnTD 贸易依存度 0.4253 65.9675 0.0022 1.5205 2421 lnKJ 科学教育支出强度 0.0314 0.1806 0.0028 0.0140 2421 lniGDP 地区生产总值增长率 0.8827 3.9807 -1.4928 0.3170 2421 lnHlw 信息化程度 1.8119 2.8932 0.6290 0.3867 2421 lnSCH 市场化程度 0.8268 1.0398 0.3674 0.1075 2421 lnFZ 金融发展 3.1500 8.5649 0.0065 1.3191 2421 lnHuman 人力资本积累 4.5678 6.0618 0.2364 0.5763 2421
下载: 导出CSV
表 3 金融集聚和区域创新Moran’s I统计量
年份 邻接距离矩阵W1 地理距离矩阵W2 经济地理嵌套矩阵W3 区域创新 金融集聚 区域创新 金融集聚 区域创新 金融集聚 2011 0.391*** 0.124*** 0.344*** 0.203** 0.276*** 0.133*** 2012 0.400*** 0.125*** 0.352*** 0.183** 0.272*** 0.130*** 2013 0.399*** 0.126*** 0.344*** 0.187** 0.280*** 0.132*** 2014 0.402*** 0.126*** 0.356*** 0.168** 0.271*** 0.131*** 2015 0.401*** 0.121*** 0.364*** 0.129** 0.255*** 0.118*** 2016 0.396*** 0.123*** 0.371*** 0.129** 0.250*** 0.120*** 2017 0.402*** 0.123*** 0.376*** 0.131** 0.237*** 0.122*** 2018 0.408*** 0.124*** 0.384*** 0.115** 0.220*** 0.112*** 2019 0.407*** 0.122*** 0.372*** 0.158** 0.233*** 0.116*** 注：***、**和*分别表示1%、5%和10%的显著性水平。下表同。
下载: 导出CSV
表 4 Wald检验、LR检验
被解释变量 矩阵 Wald_Lag Wald_Error LR_Lag LR_Error 整体创新 W1 59.05*** 35.57*** 35.49*** 65.84*** 实质性创新 42.49*** 45.97*** 45.27*** 53.36*** 非实质性创新 54.14*** 28.32*** 29.86*** 59.84*** 整体创新 W2 124.97*** 102.77*** 108.57*** 145.96*** 实质性创新 53.62*** 52.63*** 89.00*** 62.20*** 非实质性创新 132.05*** 100.93*** 106.82*** 143.03*** 整体创新 W3 124.97*** 102.77*** 108.57*** 145.96*** 实质性创新 53.22*** 52.63*** 53.28*** 62.20*** 非实质性创新 100.93*** 123.05*** 106.82*** 143.03***
下载: 导出CSV
表 5 金融集聚对区域创新影响的回归结果
变量 整体创新 实质性创新 非实质性创新 (1) (2) (3) (4) (5) (6) FinaC 0.812**(2.81) 0.851***(4.52) 1.582***(12.96) 2.001***(13.54) 0.924**(3.01) 0.953***(4.69) W×FinaC 0.348***(3.31) 1.013**(2.69) 0.216**(2.88) ρ 0.694***(9.45) 0.828***(19.03) 0.667***(8.67) sigma2_e 0.061***(34.63) 0.117***(31.98 0.071***(34.68) 直接效应 0.856***(4.46) 2.089***(14.08) 0.970***(4.69) 间接效应 0.713*(1.95) 1.688**(2.57) 2.586*(1.98) 总效应 1.569**(2.51) 3.777***(3.32) 3.556**(2.56) 年份控制 是 是 是 是 是 是 城市控制 是 是 是 是 是 是 R2 0.692 9 0.712 1 0.526 5 0.786 8 0.666 4 0.682 0 LOG-L -637.885 0 -138.933 2 -245.469 5 N 2 421 2 421 2 421 2 421 2 421 2 421 注：LOG-L为Log-likelihood，括号内为t统计量。下表同。
下载: 导出CSV
表 6 稳健性检验结果
变量 改变样本区间
(1)缩尾处理
(2)替换被解释变量
(3)空间动态GMM
(4)地理邻接矩阵W1
(5)L.inn 0.634***(3.44) FinaC 0.572**(3.03) 0.687***(3.91) 0.952***(3.10) 0.672**(2.77) 0.686***(4.04) W×FinaC 2.831**(2.53) 0.337**(2.63) 1.330**(2.60) 3.658**(2.69) 0.384**(2.65) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.726***(7.85) 0.710***(7.43) 0.796***(11.48) 0.735***(9.30) 0.522***(23.21) sigma2_e 0.028***(25.81) 0.027***(25.81) 0.006***(28.25) 0.065***(35.00) 0.055***(34.39) R2 0.554 2 0.760 8 0.571 7 0.716 9 0.706 2 LOG-L 495.769 5 126.455 9 -865.182 4 538.466 3 412.625 1 N 1 345 2 421 1 614 2 152 2 421 注：由于替换的被解释变量数据只到2016年，因此第(3)列样本数量变小。
下载: 导出CSV
表 7 空间杜宾模型异质性结果
Panel A: inn 东部 中部 西部 中心城市 外围城市 FinaC 1.395***(9.49) 1.036***(3.59) -1.424**(-2.83) 0.873***(6.27) 1.125***(4.26) W×FinaC 0.542*(1.93) 1.098*(1.97) -10.59**(-3.20) 5.916***(3.54) 3.348**(3.08) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.707***(11.81) 0.701***(9.88) 0.179*(1.98) 0.674***(11.64) 0.823***(17.01) sigma2_e 0.049***(19.25) 0.062***(20.59) 0.066***(18.60) 0.037***(10.41) 0.072***(32.62) 直接效应 1.475***(9.93) 1.131***(3.68) -1.501**(-3.10) 0.954***(5.43) 1.233***(4.28) Panel A: inn 东部 中部 西部 中心城市 外围城市 间接效应 5.311*(2.01) 0.269*(1.98) -13.37**(-3.28) 2.760*(2.09) 12.261(1.24) 总效应 6.786**(2.55) 1.400*(1.96) -14.871***(-3.56) 3.714*(2.22) 13.494*(2.08) R2 0.764 4 0.732 6 0.697 4 0.842 4 0.701 7 LOG-L 148.075 4 -264.403 4 -127.377 8 113.811 5 -187.587 7 N 864 864 693 261 2 160 Panel B: innsz 东部 中部 西部 中心城市 外围城市 FinaC 1.377***(6.99) 0.284**(2.79) -0.685*(-1.94) 0.389*(2.43) 0.130*(2.38) W×FinaC 0.386*(1.97) 6.240***(3.38) -11.62*(-2.45) 0.672*(2.21) 3.681**(2.66) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ -0.663***(-9.55) 0.642***(7.90) 0.178***(8.44) -0.684***(-13.13) 0.720***(11.22) sigma2_e 0.083***(18.94) 0.095***(20.56) 0.143***(18.46) 0.017***(10.68) 0.119***(32.67) 直接效应 1.435***(7.17) 0.555**(2.99) -1.268*(-1.99) 0.388***(2.26) 2.491***(8.50) 间接效应 3.913*(1.98) 0.269**(2.58) -39.475*(-1.97) -0.271**(-2.69) 2.362*(2.23) 总效应 5.349**(2.55) 0.824*(2.43) -40.73*(-2.10) 0.117**(2.99) 4.853*(2.05) R2 0.729 9 0.687 6 0.640 5 0.877 0 0.597 0 LOG-L 177.026 1 -470.555 1 -40.218 4 41.639 0 -759.652 5 N 864 864 693 261 2 160 Panel C: innfsz 东部 中部 西部 中心城市 外围城市 FinaC 1.395***(9.02) 1.444***(6.44) -1.450**(-2.67) 0.939***(6.18) 1.229***(4.33) W×FinaC 0.572*(1.92) -1.342*(-1.98) -9.350**(-2.62) 7.107*(3.68) 3.080*(2.74) 控制变量 是 是 是 是 是 年份控制 是 是 是 是 是 城市控制 是 是 是 是 是 ρ 0.712***(12.08) 0.570***(9.93) 0.197*(2.18) 0.666**(2.54) 0.818***(16.58) sigma2_e 0.058***(19.33) 0.083***(19.37) 0.078***(18.59) 0.049***(10.43) 0.089***(32.62) 直接效应 1.478***(9.28) 1.432***(6.00) -1.528**(-2.82) 1.025***(5.31) 2.696***(12.00) 间接效应 5.518*(2.03) -0.986(-0.32) -12.23**(-2.82) 0.949*(1.98) 1.152***(3.92) 总效应 6.996**(2.55) 0.445*(2.14) -13.758**(-3.09) 1.974**(2.43) 3.848*(2.13) R2 0.812 5 0.700 4 0.768 7 0.824 8 0.670 2 LOG-L -193.972 9 -321.500 0 -96.280 0 76.606 8 -345.027 7 N 864 864 693 261 2 160
下载: 导出CSV
表 8 金融集聚影响区域创新的传导机制检验结果
变量 效应类型 地理邻接矩阵W1 经济地理嵌套矩阵W3 FZ Human FZ Human FinaC 间接效应 1.303*(2.33) 2.489**(2.60) 4.910*(1.98) 13.05(1.63) 总效应 2.109**(2.55) 4.976**(2.48) 5.546*(1.98) 15.39*(2.09) 直接效应 0.256**(2.86) 0.332** (2.77) Human 间接效应 0.117***(3.52) 0.802** (2.57) 总效应 0.373**(3.27) 1.134* (2.12) 直接效应 0.036**(2.56) 0.029**(2.63) FZ 间接效应 0.029**(2.54) 0.777**(3.17) 总效应 0.065**(2.88) 0.806**(2.59) ρ 0.528***(23.64) 0.513***(22.35) 0.734***(10.81) 0.733***(10.77) sigma2_e 0.054***(34.50) 0.055***(34.12) 0.065***(34.81) 0.065***(34.60) R2 0.724 3 0.728 1 0.706 8 0.706 9 LOG-L 26.143 7 31.144 1 -138.677 2 -137.146 2 N 2 421 2 421 2 421 2 421
下载: 导出CSV
-
[1] 高星, 向海凌, 吴非. 金融发展、空间关联与区域创新异质性[J]. 宏观质量研究, 2018(4): 59-74. https://www.cnki.com.cn/Article/CJFDTOTAL-HGLY201804005.htm [2] BENCIVENGA V, SMITH B, STARR R. Transaction costs, technological choice and endogenous growth[J]. Journal of Economic Theory, 1995, 67: 153-177. doi: 10.1006/jeth.1995.1069 [3] 唐松, 伍旭川, 祝佳. 数字金融与企业技术创新——结构特征、机制识别与金融监管下的效应差异[J]. 管理世界, 2020(5): 52-66. doi: 10.19744/j.cnki.11-1235/f.2020.0069 [4] 陶锋, 胡军, 李诗田, 等. 金融地理结构如何影响企业生产率?——兼论金融供给侧结构性改革[J]. 经济研究, 2017(9): 55-71. doi: 10.3969/j.issn.1005-913X.2017.09.022 [5] KINDLEBERGE C P. The formation of financial centers: a study in comparative economic history[M]. New Jersey: Princeton University Press, 1974. [6] ZHAO X B. Spatial restructuring of financial centers in mainland China and Hong Kong: a geography of finance perspective[J]. Urban Affairs Review, 2003, 38(4): 535-571. doi: 10.1177/1078087402250364 [7] EICHENGREEN B, SHAH N. The correlates of international financial-center status[J]. Review of International Economics, 2019, 1: 1-20. [8] 刘军, 黄解宇, 曹利军. 金融集聚影响实体经济机制研究[J]. 管理世界, 2007(4): 152-153. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ200704019.htm [9] 于斌斌. 金融集聚促进了产业结构升级吗: 空间溢出的视角——基于中国城市动态空间面板模型的分析[J]. 国际金融研究, 2017(2): 12-23. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR201702002.htm [10] 彭刚, 赵忠豪, 刘孟含. 数字经济对高质量发展的影响[J]. 金融教育研究, 2022(1): 42-56. https://www.cnki.com.cn/Article/CJFDTOTAL-JXJR202201005.htm [11] 马勇, 姜伊晴, 付莉. 经济开放、金融集聚与金融支持实体经济效率[J]. 国际金融研究, 2021(2): 3-11. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR202102001.htm [12] 武耀华, 蒋勇, 付晓东. 金融集聚对区域经济影响的空间效应研究[J]. 经济问题探索, 2021(8): 82-93. https://www.cnki.com.cn/Article/CJFDTOTAL-JJWS202108008.htm [13] MEIERRIEKS D. Financial development and innovation: is there evidence of a schumpeterian finance innovation nexus?[J]. Annals of Economics and Finance, 2014, 15(2): 343-363. [14] DURUSU-CIFT D, ISPIR M S, YETKINER M. Financial development and economic growth: some theory and more evidence[J]. Journal of Policy Modeling, 2016, 39: 290-306. [15] RIOJA F, VALEV N. Stock market, banks and sources of economic growth in low and high income countries[J]. Journal of Economics and Finance, 2014, 38(2): 302-320. doi: 10.1007/s12197-011-9218-3 [16] HSU P H, TIAN X, XU Y. Financial development and innovation: cross-country evidence[J]. Journal of Finance Economics, 2014, 112: 116-135. doi: 10.1016/j.jfineco.2013.12.002 [17] 庄毓敏, 储青青, 马勇. 金融发展、企业创新与经济增长[J]. 金融研究, 2020(4): 11-30. https://www.cnki.com.cn/Article/CJFDTOTAL-JRYJ202004002.htm [18] 张虎, 韩爱华. 金融集聚、创新空间效应与区域协调机制研究——基于省级面板数据的空间计量分析[J]. 中南财经政法大学学报, 2017(1): 10-17. https://www.cnki.com.cn/Article/CJFDTOTAL-ZLCJ201701002.htm [19] 丁焕峰, 谢丽娟, 孙小哲. 金融集聚支持区域创新: 作用效果与传导路径[J]. 金融经济学研究, 2022(2): 133-148. https://www.cnki.com.cn/Article/CJFDTOTAL-JIRO202202004.htm [20] 黎杰生, 胡颖. 金融集聚对技术创新的影响——来自中国省级层面的证据[J]. 金融论坛, 2017(7): 39-52. https://www.cnki.com.cn/Article/CJFDTOTAL-CSJR201707007.htm [21] 郭文伟, 王文启. 粤港澳大湾区金融集聚对科技创新的空间溢出效应及行业异质性[J]. 广东财经大学学报, 2018(2): 12-21. https://www.cnki.com.cn/Article/CJFDTOTAL-SONG201802002.htm [22] 周天芸, 周开国, 黄亮. 机构集聚、风险传染与香港银行的系统性风险[J]. 国际金融研究, 2012(4): 77-87. https://www.cnki.com.cn/Article/CJFDTOTAL-GJJR201204010.htm [23] 陈向阳. 粤港澳大湾区金融集聚对技术创新的影响机制及政策建议[J]. 经济问题探索, 2021(5): 165-176. https://www.cnki.com.cn/Article/CJFDTOTAL-JJWS202105016.htm [24] 朱辉. 金融集聚对区域经济增长的影响效应研究[D]. 上海: 上海社会科学院, 2019. [25] 黄解宇, 杨再斌. 金融集聚论[M]. 北京: 中国社会科学出版社, 2006. [26] BUERAF J, SHIN Y. Financial frictions and the persistence of history: a quantitative exploration[R]. Berkeley: University of California, 2008. [27] 孙国茂, 范跃进. 金融中心的本质、功能与路径选择[J]. 管理世界, 2013(11): 1-13. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ201311003.htm [28] 纪祥裕. 金融地理影响了城市创新能力吗?[J]. 产业经济研究, 2020(1): 114-127. https://www.cnki.com.cn/Article/CJFDTOTAL-CYJJ202001009.htm [29] 甘星, 刘成昆. 粤港澳大湾区金融集聚空间溢出效应及异质性研究[J]. 金融经济学研究, 2021(1): 151-160. https://www.cnki.com.cn/Article/CJFDTOTAL-JIRO202101011.htm [30] 刘凤朝, 潘雄锋. 我国八大经济区专利结构分布及其变动模式研究[J]. 中国软科学, 2005(6): 96-100. https://www.cnki.com.cn/Article/CJFDTOTAL-ZGRK200506017.htm [31] 王如玉, 王志高, 梁琦, 等. 金融集聚与城市层级[J]. 经济研究, 2019(11): 165-179. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201911012.htm [32] 苏屹, 林周周. 区域创新活动的空间效应及影响因素研究[J]. 数量经济技术经济研究, 2017(11): 63-80. https://www.cnki.com.cn/Article/CJFDTOTAL-SLJY201711004.htm [33] 邵帅, 李欣, 曹建华, 等. 中国雾霾污染治理的经济政策选择——基于空间溢出效应的视角[J]. 经济研究, 2016(9): 73-88. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201609007.htm [34] ELHORST J P. Spatial econometrics: from cross-sectional data to spatial panels[M]. Berlin, Heidelberg: Springer, 2014. [35] LESAGE J, PACE R K. Introduction to spatial econometrics[M]. New York: CRC Press, Taylor and Francis Group, 2009. [36] 寇宗来, 刘学悦. 中国城市和产业创新力报告2017[R]. 上海: 复旦大学产业发展研究中心, 2017. [37] 赵涛, 张智, 梁上坤. 数字经济、创业活跃度与高质量发展——来自中国城市的经验证据[J]. 管理世界, 2020(10): 65-76. https://www.cnki.com.cn/Article/CJFDTOTAL-GLSJ202010009.htm [38] 黎文靖, 郑曼妮. 实质性创新还是策略性创新?——宏观产业政策对微观企业创新的影响[J]. 经济研究, 2016(4): 60-73. https://www.cnki.com.cn/Article/CJFDTOTAL-JJYJ201604005.htm 期刊类型引用(12)
1. 谢丽娟，王露，刘心怡. 数字普惠金融对区域创新的影响机制——基于不同创新层次的维度. 金融与经济. 2024(03): 85-94 . 
百度学术2. 安培培，罗哲. 金融集聚对城市经济韧性的影响研究. 社科纵横. 2024(02): 33-45 . 百度学术3. 蒙昱竹，郝振龙，王雪. 区域创新能力的时空演变、驱动因素与动力升级——以贵州县域为例. 科技管理研究. 2024(15): 96-109 . 百度学术4. 程元栋，柳朔，韩佰庆. 金融集聚对经济高质量发展的影响效应研究. 西安文理学院学报(自然科学版). 2024(04): 98-107 . 百度学术5. 彭雪清，黄恩璇，覃子岳. 西部陆海新通道沿线金融集聚的影响因素研究——以重要物流枢纽节点城市为例. 沿海企业与科技. 2024(05): 36-44 . 百度学术6. 朱莉，付一凡. 金融集聚对人力资本发展的影响研究——基于中介模型、空间杜宾模型的实证检验. 金融发展评论. 2024(09): 17-32 . 百度学术7. 滕咭君，张卫国. 金融集聚对经济高质量发展的影响效应与机制分析. 改革. 2024(12): 95-109 . 百度学术8. 朱莉，付一凡. 金融集聚对新质生产力发展的影响研究——基于创新型人力资本视角的分析. 河北金融. 2024(11): 52-61+72 . 百度学术9. 张翼，王可昕，王艺萌，郑兴无. 金融集聚、要素价格扭曲与城市全要素生产率. 金融与经济. 2023(08): 28-42 . 百度学术10. 刘照德，聂普焱. 经济集聚、产业结构升级与绿色经济效率协调发展——基于京津冀与粤港澳大湾区的比较分析. 北京社会科学. 2023(12): 29-43 . 百度学术11. 程振华，张东，汤佳蓓，陈思彤，郭惠娥. 伊斯兰债券发展情况研究及启示. 区域金融研究. 2023(10): 18-26 . 百度学术12. 张志彬，陈卓，欧玲. 智慧城市建设对经济韧性的提升效应:内在机制与经验证据. 产业经济评论(山东大学). 2023(03): 99-121 . 百度学术其他类型引用(11)
-
下载:
![](data:image/svg+xml,<svg xmlns='http://www.w3.org/2000/svg' width='210' height='179'><foreignObject width='2000' height='100%'><div xmlns='http://www.w3.org/1999/xhtml' style='font-size:16px;font-family:Helvetica'><table>
<thead>
<tr>
<td class="table_top_border" align="center">变量类别</td>
<td class="table_top_border" align="center">
</td><td class="table_top_border" align="center">变量名称</td>
<td class="table_top_border" align="center">变量衡量</td>
</tr>
</thead>
<tbody>
<tr>
<td class="table_top_border2" align="center">被解释变量</td>
<td class="table_top_border2" align="center"><i>inn</i></td>
<td class="table_top_border2" align="center">整体创新</td>
<td class="table_top_border2" align="center">专利授权总数</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>innsz</i></td>
<td align="center">实质性创新</td>
<td align="center">发明专利授权数</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>innfsz</i></td>
<td align="center">非实质性创新</td>
<td align="center">新型实用专利授权数与外观专利授权数之和</td>
</tr>
<tr>
<td align="center">核心解释变量</td>
<td align="center"><i>FinaC</i></td>
<td align="center">各市的金融产业集聚程度</td>
<td align="center">主观赋权计算得到的综合水平</td>
</tr>
<tr>
<td align="center">控制变量</td>
<td align="center"><i>PGDP</i></td>
<td align="center">经济基础</td>
<td align="center">人均地区生产总值</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>PEOP</i></td>
<td align="center">城市规模</td>
<td align="center">常住人口</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>iGDP</i></td>
<td align="center">经济增长</td>
<td align="center">地区经济增长率</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>TD</i></td>
<td align="center">对外开放度</td>
<td align="center">进出口总额/GDP</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>KJ</i></td>
<td align="center">科学教育支出强度</td>
<td align="center">科学教育支出/GDP</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>Hlw</i></td>
<td align="center">信息化程度</td>
<td align="center">国际互联网用户数</td>
</tr>
<tr>
<td align="center">
</td><td align="center"><i>SCH</i></td>
<td align="center">市场化强度</td>
<td align="center">市场化指数</td>
</tr>
<tr>
<td align="center">中介变量</td>
<td align="center"><i>FZ</i></td>
<td align="center">金融发展</td>
<td align="center">银行存、贷款余额/GDP</td>
</tr>
<tr>
<td class="table_bottom_border" align="center">
</td><td class="table_bottom_border" align="center"><i>Human</i></td>
<td class="table_bottom_border" align="center">人力资本积累</td>
<td class="table_bottom_border" align="center">每万人中普通高等学校在校生比重</td>
</tr>
</tbody>
</table></div></foreignObject></svg>)