新常态环境下金融发展对科技创新的影响分析

刘纳新　伍中信

【摘 要】 无论是调整产业结构，还是转变经济发展方式，都离不开科技创新的支持；金融发展与实体经济密不可分，二者相辅相成。文章选取金融相关率指标和专利申请数指标，构建向量自回归（VAR）模型，分析金融发展对科技创新的影响。研究结果表明，金融发展对科技创新的支持效用存在但有限，而其冲击存在长期正向作用，具有持久性，发展空间巨大。

【关键词】 金融发展； 科技创新； 向量自回归模型； 影响

中图分类号：F270.3；F830 文献标识码：A 文章编号：1004-5937（2015）23-0039-05

一、引言

我国实体经济中的劳动力、资源、环境等成本不断上升，同时出口呈现出周期性回落，传统的投资驱动型、出口导向型的经济发展模式已经显示出弊端，其发展难以为继。党的十八大报告指出“为了实现全面建成小康社会和全面深化改革开放的目标，必须要加快转变经济发展方式”，我国经济能否成功转型并实现可持续发展，其关键是依靠科技创新力量。2014年以来，以***为核心的党中央根据当前经济处于“三期”叠加的特殊历史阶段，提出“要从当前中国经济发展的阶段性特征出发，适应新常态，保持战略上的平常心态”。

2014年5月，***总书记在河南考察时指出：“我国发展仍处于重要战略机遇期，我们要增强信心，从当前我国经济发展的阶段性特征出发，适应新常态，保持战略上的平常心态。”这是我国新一代中央领导首次以“新常态”一词来描述新周期中的中国经济。面对我国经济发展新常态，需要我们坚持发展、主动作为。

2014年11月9日，习总书记在2014年APEC峰会上系统阐述新常态，认为新常态下，中国经济增长更趋平稳，增长动力更为多元，经济结构优化升级，发展前景更加稳定。新常态的特点在于：从增长速度看，由高速增长转为中高速增长；从结构调整看，经济结构不断优化升级，第三产业、消费需求逐步成为主体，城乡区域差距逐步缩小，居民收入占比上升，发展成果惠及更广大民众；从增长动力看，由要素驱动、投资驱动转向创新驱动。

2015年3月5日，第十二届全国人民代表大会第三次会议在北京人民大会堂开幕。国务院总理李克强作政府工作报告：“我国经济发展进入新常态，正处在爬坡过坎的关口，体制机制弊端和结构性矛盾是‘拦路虎，不深化改革和调整经济结构，就难以实现平稳健康发展。我们必须毫不动摇地坚持以经济建设为中心，切实抓好发展这个执政兴国第一要务。必须坚持不懈依靠改革推动科学发展，加快转变经济发展方式，实现有质量有效益可持续的发展。”

在新常态背景下，金融与实体经济更加密不可分，一方面，稳增长、调结构、促转型、惠民生，需要金融发挥重要作用；另一方面，实体经济是金融发展基石，金融不能脱离实体经济自行成长。当前出现了“钱荒”现象，有专家将银行资金“空转”归因于实体经济不济，虽然资金“空转”会使银行在短期内轻松获利，但极易引发银行流动性风险，进而导致资产质量下降。杜绝银行进行“空转”的措施是加强对实体经济发展的支持力度。

金融业主要的服务和支持对象是实体经济，这是由其在国家经济运行中的地位所决定的，在国民经济中起核心支撑作用，同时实体经济也是商业银行最主要的经营利润来源。在当前转变经济发展方式的情势下，科学发展、技术创新是其必由之路。银行在加大金融支持的同时，应围绕国家的发展规划，提高金融服务能力，为促进实体经济健康发展、经济结构转型提供有力支撑。

二、相关文献综述及变量选取

国外学者较早从理论角度研究了银行和资本市场在科技创新中的作用。大多数学者认为，银行和资本市场等金融市场的发展对科技创新均有重要促进作用，但两者在促进科技创新方面起到的作用有所不同。Edison等人（2002）对57个国家的经济发展、金融发展等是否影响经济增长进行实证分析，研究表明，金融发展对经济长期增长的贡献在于提高全要素生产率；Canepa和Stoneman（2008）研究英国金融发展在科技创新活动中的影响作用，研究结果表明，金融对高技术产业和中小企业的创新活动影响非常大；Benfratello等人（2008）就意大利地方银行的发展对企业创新活动的影响作用进行了研究，认为银行的发展对高科技行业企业工艺创新产生了影响，并且降低了中小企业由于资本支出所产生的现金流的敏感度，提高了企业投资研发的积极性；Lee等（2015）分析了在2008年金融危机前后，金融部门对科技型中小企业的支持变化，研究认为，在金融危机后，金融部门加大了对科技型中小企业的支持力度。

我国学者对金融发展促进科技创新等方面的研究较晚。主要有：李颖等（2009）对广东省100家企业的科技创新融资微观数据运用面板回归模型进行分析，认为金融发展对科技创新有显著的促进影响；黄国平（2009）分析了金融对科技创新的促进机制，以及相关金融政策在实践中的运用，分析认为我国的金融发展现状与科技创新两者之间存在着不协调的地方；聂正彦（2012）通过建立世代交叠经济系统模型，分析金融转型与技术创新之间的互动关系，研究认为如果一个国家的金融发展水平不高，就会影响经济增长方式从粗放的资源型向集约的科技创新型转换，甚至会产生阻碍作用；束兰根（2011）认为金融的发展能够促进产业结构调整，实现经济持续、协调发展，但是由于金融机构与企业之间存在信息不对称，金融机构对企业科技创新活动风险的评估很难进行，对企业科技创新活动的支持力度不足；熊名奇（2012）运用回归模型，对东莞市的全要素生产率与金融发展进行分析，研究发现两者之间不存在相关关系，认为东莞市的金融发展对科技创新没有带来促进作用；龚传洲（2012）首先对科技创新指标进行主成分分析，然后运用向量自回归（VAR）计量模型对融资支持我国科技创新进行分析，认为中长期信贷对科技创新的支持作用较大且持久，财政拨款的效果明显，证券市场由于发展不充分导致其支持力度不强。

而在当前新常态背景下的研究偏少，主要侧重于新常态的理解和调控思路。安宇宏（2014）、郑京平（2014）指出必须通过技术创新、人力资本积累以及劳动全要素生产率的提高来化解增长下行压力和结构失衡，实现经济常态化发展。余斌（2014）认为，经济新常态环境下，宏观调控的整体思路需要根据环境的变化作出调整。张云（2014）探讨了新常态下银行的转型方向及路径选择。赵洪宝和安锦（2015）分析在新常态背景下，财政金融政策对我国西部地区承接产业转移的影响，认为应该搭建信息沟通的融资平台，发展中小型金融机构和发展直接融资市场等手段。

（一）变量选取与数据说明

2014年，我国研发投入占GDP的比重、科技成果转化率和科技进步对GDP的贡献率，仅分别为3%、26%和51%左右，而发达国家和地区普遍达到5%、80%和75%左右。以色列科技进步对GDP的贡献率高达90%以上，被誉为“世界上最小的超级大国”，与其长期奉行“科技强国”的治国方针密切相关。促进科技创新，一方面国家要集中力量攻克一批基础性、前沿性、事关国计民生的重大科技攻关项目；另一方面大力扶持企业特别是科技创新型中小型企业蓬勃发展。实践证明，中小企业是科技创新的主力军。美国在20世纪90年代能够实现“黄金十年”，主要是由于在其完善的金融体系扶持下，对中小企业的创新支持带动了经济的快速增长以及经济质量的稳步提升。

在我国60%以上的专利发明、70%以上的技术创新和80%以上的新产品开发都是由中小企业完成的。因此，推动我国经济结构转型，促进产业结构调整，提升经济增长的科技含量，必须要大力支持科技创新型中小企业。但是，由于此类企业规模小、实力弱，不能达到银行信贷所要求的抵押担保条件，绝大多数企业都无缘银行信贷。

衡量科技创新成果的指标比较多，衡量技术创新最普遍的指标有研发（R&D）投入、高技术产品产值和专利等。Arundel（2001）在分析经济发展与科技创新之间的关系时，认为专利数据对科技创新水平的分析具有重要作用。Acs Z（1992）采用专利申请数而非专利批准书来衡量创新技术水平，是为了剔除政府专利机构等人为因素的影响，能够较为客观地反映科技创新的真实水平。龚传洲（2012）在衡量科技创新指标时也考虑了政府中人为因素的影响，选取国内专利申请受理数指标。

金融相关比率是指一定时期内社会金融活动总量与经济活动总量的比值。2014年社会融资规模为16.46万亿元，而企业债券占比14.7%，非金融企业境内股票融资占比2.6%，证券市场在整个社会融资中所占比重不是很大，说明证券市场在整个金融体系中的发展存在不足。因此，本文在考虑金融发展水平时，借鉴董虹（2012）采用的金融相关率指标，利用金融机构存贷款额与国内生产总值（GDP）之比来衡量金融相关率，说明金融的发展水平。文章在分析金融发展支持科技创新的同时，考虑国家财政投入中对科技的拨款效应，选取国家财政科技拨款指标。对国内专利申请受理数、金融发展水平、国家财政科技拨款分别记为Y、X1和X2，并对指标进行对数变换处理，这样处理不会改变变量的协整关系，并且能够在一定程度上消除时间序列中存在的异方差现象，得到新的变量序列，分别记为LNY、LNX1和LNX2。文章选取1991—2013年间各变量数据，数据来源于《金融统计年鉴》和《中国统计年鉴》，金融发展水平变量经过手工计算，并对变量进行对数化处理。

（二）变量的单位根检验

如果有两列时间序列数据能够表现出一致或类似的变化趋势，即使两者之间没有任何有意义的关系，但进行OLS回归也可表现出较高的可决系数，导致出现“虚假回归”问题。如GDP每年都增长和旁边的树每年都长高，如果直接用数据回归，那肯定存在正相关，而其实这个是没有意义的回归。所以，需要对变量进行平稳性检验。采用ADF方法进行单位根检验，结果如表1。

从表1的单位根检验结果可以知道，在5%的显著性水平下，变量的原序列是非平稳的，但是一阶差分后的变量序列都是平稳序列。

（三）协整检验

变量LNX1、LNX2和LNY是非平稳序列，但其线性组合可能存在稳定的关系。从上面的分析知道，所有变量都是一阶单整I（1）过程，可以进行协整关系检验。

从表2的分析结果可以看出，特征根、迹检验说明在5%的显著性水平上各变量存在三个协整关系，通过了协整检验，说明变量之间存在长期的均衡关系，各变量能够被其他变量的线性组合进行解释。

（四）向量自回归（VAR）模型构建

向量自回归（VAR）模型是分析内生变量间的动态关系，并且该模型不带有任何约束条件，所以又称为无约束VAR模型。建立向量自回归（VAR）模型的主要目的是用于变量间的动态结构分析，分析随机扰动对系统的动态冲击，包括冲击的大小、正负方向和冲击持续的时间长短。

构建向量自回归（VAR）模型，首先要确定最佳滞后阶数。

依据AIC和SC准则，从表3的结果可知，VAR模型的最佳滞后阶数是1。

由此建立VAR（1）模型，其矩阵表达式为：

LNX1tLNX2tLNYt=0.20920.14080.5628+

-0.7895 0.1254 0.0341-0.1102 0.9338 0.1681-0.0691 0.0344 0.8762×

LNX1t-1LNX2t-1LNYt-1

三、向量自回归（VAR）模型的分析检验

（一）脉冲响应函数分析

脉冲响应函数（IRF：impulse-response function）描述的是一个内生变量对残差冲击的反应（响应）。具体是指，在随机误差项上给予一个来自系统内部或外部的标准差大小的冲击，经过冲击后对内生变量的当期值和未来值所产生影响，这种影响称为动态影响。

脉冲响应函数反映的是系统内部所有变量间的相互影响，具体是通过将全部变量纳入到同一个系统进行分析，其分析的结果经过系统内部全部信息的相互作用。

根据图1 VAR模型的稳定性检验结果可以看出，所建立的VAR（1）模型的全部特征方程根都小于1，说明模型是稳定的，可以进行下一步的脉冲响应函数分析。

对于脉冲响应函数分析，采用广义脉冲方法，这样可以避免由于变量的输入顺序不同而造成脉冲输出结果的影响。脉冲响应分析结果如图2。

从图2可以看到，当在本期给金融发展一个正冲击后，专利申请在当期后开始出现正向增长势头，冲击效果一直在持续增长，并且冲击的持续期比较长。总体来看，金融发展对专利申请的冲击效果还是很明显的。这说明，我国金融市场的发展相对滞后，不够完善，对科技创新的支持作用不是很强，从另一个角度也说明政府政策的时滞性；但从长远的作用来说，金融发展对科技创新的支持和促进作用还是比较明显的。

当在本期给政府财政科技拨款一个正冲击后，专利申请反应迅速，虽然当期出现一定的负值，但不到第2期冲击效果就出现正值，并出现与金融发展类似的效果，冲击效果一直在持续增加，不过当期增加幅度要强于金融发展对专利申请的冲击影响，其冲击效果也是保持一个长久稳定的正向冲击反应。这表明政府财政科技拨款受到的外部正向冲击通过政府的财政预算传递给专利申请，对冲击的反应直接、迅速，具有显著的促进作用，并且具有较长的持续效应。

从金融发展和政府财政科技拨款对专利申请的正冲击反应来看，在当前对于科技创新的支持力度和作用效果比较明显的是政府财政预算。笔者认为，这与我国金融市场的发展程度和资本逐利有关。我国的金融市场改革较晚，相关制度等还存在不完善之处，2014年社会融资规模为16.46万亿元，而企业债券占比14.7%，非金融企业境内股票融资占比2.6%，证券市场在整个社会融资中所占比重不是很大，我国社会融资仍偏向于间接融资，直接融资的比重还较低。同时，由于我国特殊的经济体制，银行在信贷支持上偏重于国有及大型企业，对科技创新力很强的中小企业支持力度不足。当前我国银行出现的“钱荒”现象在一定程度上说明了这个问题。

从上面的分析可以看出，金融发展对于科技创新的支持力度存在严重的滞后性，但其对科技创新的作用不可忽视，其支持效应也是持久的。

（二）VAR模型的方差分解分析

对于VAR模型的动态特征，还可以采用方差分解方法对其动态特征进行研究。方差分解（variance decomposition）是比较不同变量的冲击对一特定变量的影响强度或贡献度，通过将系统的均方误差进行分解，分解成不同变量冲击所做的贡献。通过方差分解分析的结果，可以知道随着时间的推移，在科技创新的支持作用中，金融发展和政府财政科技拨款的贡献度。具体结果见表4。

从表4可知，不考虑专利申请本身的贡献率，随着时间的推移，金融发展冲击对专利申请的贡献率逐步稳定增长，在第10期达到最大，为3.98%；政府财政科技拨款的冲击对专利申请的贡献率一直平稳增长，在第10期达到了近37%。对比金融发展与政府财政科技拨款冲击对专利申请的贡献率可以发现，金融发展的贡献率较低，发展空间巨大。与张军（2006）认为金融发展在促进经济增长和技术进步方面所起到的作用非常有限这一结论相类似。

四、结论与建议

通过上面的实证分析结果可知，金融发展在促进科技创新方面所起的支持作用不是很强，具有时滞性，并且金融发展对科技创新的促进作用较低，但其冲击效应较为持久，发展空间巨大；相对来说，政府财政科技拨款对科技创新的支持作用反应迅速，效用明显。针对模型的实证检验结论，提出一些建议：

（一）继续加大政府财政科技的力度

模型结果表明，我国政府财政科技拨款对科技创新具有较强的支持作用，且支持效果比较持久。相对于其他科技创新活动活跃的国家和地区，我国的财政科技拨款占政府财政总支出的比重较低。龚传洲（2010）的研究数据表明，在2009年我国财政科技拨款占政府财政总支出的比重才上升到4.2%。因此，对于科技创新的支持、促进产业结构的转型，我国财政科技投入应该建立一个有效长久的稳定增长机制，促进财政投入对科技创新的冲击效果。

（二）构建多渠道的科技创新资金投入

模型结果显示，金融发展对于科技创新的冲击作用较弱，这也说明我国金融业发展没有真正为实体经济服务，对企业尤其是中小企业的信贷支持较少，严重阻碍了我国科技创新活动的进行。因此，进行科技创新，就应该发展多元化资金来源渠道，完善中长期信贷市场对科技创新的贷款定价，最大限度地支持科技创新；优化创新型企业的信息披露，充分发挥证券市场的融资能力，减少企业对银行信贷资金的依赖。

（三）充分发挥商业银行对科技创新的服务，尤其是地方性非国有商业银行

发挥城市商业银行的本土特性、与本地域企业联系比较密切、熟悉客户的资信与经营状况的优势。相对国有大型银行来说，城市商业银行能够有效地避免信息不对称问题，并且方便对地方企业进行监督，应充分发挥城市商业银行的比较优势。

（四）构建金融公共服务平台

科技创新活动具有高投入、高风险，资金占用期长的特征，并且活动主体多为新兴产业的中小企业。商业银行放贷以流动性和安全性为本，通过风险投资公司、创业投资基金等科技创新平台来提供金融支持，充分利用融资平台对项目风险等的鉴别能力，能够有效地防范和控制风险，降低银行的成本。

【参考文献】

[1] 安宇宏.新型城镇化[J].宏观经济管理，2014 （2）： 83-83.

[2] 董虹.我国城镇居民财产性收入与金融发展关系的实证研究：1992-2009[J].价值工程，2012，31（21）：179-180.

[3] 龚传洲，陆彩兰，胡建生.我国科技创新融资支持的实证分析[J].研究与发展管理，2012，24（5）：109-116.

[4] 黄国平，孔欣欣.金融促进科技创新政策和制度分析[J].中国软科学，2009（2）：28-37.

[5] 李颖，凌江怀，王春超.金融发展对国内科技创新影响的理论与实证研究：基于对广东省面板数据的分析[J].科技进步与对策，2009，26（23）：9-15.

[6] 聂正彦.金融转型、技术创新与中国经济发展方式的转变[J].经济理论与经济管理，2012（5）：72-79.

[7] 刘建民，杨华.财政支出与产业转型升级的实证分析：以湖南省为例[J].会计之友，2015（1）：88-90.

[8] 束兰根.科技金融融合模式与中小科技企业发展研究[J].金融纵横，2011（5）：9-13.

[9] 熊名奇，颜汉军.东莞科技创新与金融环境的关系研究[J].科技和产业，2012，12（10）：150-153.

[10] 余斌，吴振宇.中国经济新常态与宏观调控政策取向[J].改革，2014（11）：17-25.

[11] 张云.主动适应和服务经济新常态[J].中国金融，2014 （21）：19-21.

[12] 赵洪宝，安锦.新常态下西部地区承接产业转移的财政金融支持研究[J].会计之友，2015（24）：96-100.

[13] 郑京平.中国经济的新常态及应对建议[J].中国发展观察，2014（11）：42-44.

[14] ACS Z J， AUDRETSCH D B， FELDMAN M P. Real effects of academic research： comment[J]. The American Economic Review， 1992： 363-367.

[15] ARUNDEL A. The relative effectiveness of patents and secrecy for appropriation[J].Research policy，2001，30（4）：611-624.

[16] EDISON H J， LEVINE R， RICCI L， et al. International financial integration and economic growth[J]. Journal of international money and finance，2002，21（6）：749-776.

[17] CANEPA A， STONEMAN P. Financial constraints to innovation in the UK： evidence from CIS2 and CIS3[J]. Oxford Economic Papers， 2007，60（4）：711-730.

[18] BENFRATELLO L， SCHIANTARELLI F， SEMBENELLI A. Banks and innovation： microeconometric evidence on italian firms[J].Journal of Financial Economics，2008，90（2）：197-217.

[19] LEE N， SAMEEN H， COWLING M. Access to finance for innovative SMEs since the financial crisis[J].Research Policy，2015，44（2）：370-380.