科技金融對生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的影響研究

張玉華，張　濤

(上海師范大學(xué)商學(xué)院，上海　200234)

一、引言與文獻(xiàn)綜述

互聯(lián)網(wǎng)的快速發(fā)展，促使世界范圍內(nèi)興起了一場新科技革命，我國為迎接德國“工業(yè)4.0”與美國國家制造創(chuàng)新網(wǎng)絡(luò)等挑戰(zhàn)，提出了“中國制造2025”戰(zhàn)略，并強調(diào)要將科技金融作為建設(shè)創(chuàng)新型國家的重要手段。而生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚發(fā)展，需要科技金融給予其人力、技術(shù)、資金等方面的支持。那么，哪些科技金融因素對生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚有顯著影響？兩產(chǎn)業(yè)協(xié)同集聚發(fā)展是否具有空間效應(yīng)？哪些措施能夠在提高兩產(chǎn)業(yè)協(xié)同集聚水平的同時縮小不同省份間的差距？顯然，研究科技金融如何促進生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚，具有重要的理論與現(xiàn)實意義。

近些年關(guān)于生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚發(fā)展的研究一直被學(xué)術(shù)界高度重視。劉書瀚等(2010)運用投入產(chǎn)出的分析方法證明了我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間的聯(lián)動發(fā)展程度較低，兩者存在很大的融合發(fā)展空間[1]。高覺民等(2011)運用聯(lián)立方程模型證明了生產(chǎn)性服務(wù)業(yè)與制造業(yè)存在聯(lián)動發(fā)展關(guān)系[2]。陳建軍等(2011)以浙江省的區(qū)域產(chǎn)業(yè)分布為研究對象，從空間角度分析了生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同定位關(guān)系[3]。Yang等(2013)認(rèn)為隨著經(jīng)濟結(jié)構(gòu)服務(wù)化程度的加深，生產(chǎn)性服務(wù)業(yè)不僅可以連接各種經(jīng)濟活動，而且還能提高制造效率[4]。吉亞輝等(2017)認(rèn)為生產(chǎn)性服務(wù)業(yè)集聚能夠創(chuàng)造出更多的服務(wù)門類，優(yōu)化服務(wù)環(huán)境，從而有效提高工業(yè)廠商的生產(chǎn)效率，更有助于促進生產(chǎn)性服務(wù)業(yè)與工業(yè)互動創(chuàng)新[5]。任皓等(2017)研究發(fā)現(xiàn)知識密集型服務(wù)業(yè)與高技術(shù)制造業(yè)具有明顯的協(xié)同增長效應(yīng)[6]。程中華等(2017)運用空間杜賓模型證明了生產(chǎn)性服務(wù)業(yè)促進了本地區(qū)和周邊地區(qū)的工業(yè)效率[7]。隨著產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型升級問題日益突出，為從空間區(qū)位的角度分析產(chǎn)業(yè)集聚的特征，國內(nèi)外學(xué)者將新地理經(jīng)濟學(xué)應(yīng)用到產(chǎn)業(yè)集聚的研究領(lǐng)域，并從專業(yè)化分工、交易成本等角度分析了生產(chǎn)性服務(wù)業(yè)空間集聚對制造業(yè)效率的影響[8]。但也有學(xué)者提出了生產(chǎn)性服務(wù)業(yè)集聚機制與耦合悖論的問題，對此，吳福象等(2014)認(rèn)為我國在國際分工中過度依賴加工貿(mào)易，阻礙了生產(chǎn)性服務(wù)業(yè)集聚，從而導(dǎo)致我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)未協(xié)調(diào)發(fā)展[9]。

我國高新產(chǎn)業(yè)發(fā)展水平仍落后于美、歐等發(fā)達(dá)國家，對此我國提出從要素驅(qū)動、投資驅(qū)動轉(zhuǎn)向創(chuàng)新驅(qū)動的戰(zhàn)略發(fā)展方向?？萍冀鹑谀軌虼偈股a(chǎn)要素的重新組合，從而優(yōu)化我國科技和金融資源的配置效率，是深化我國自主創(chuàng)新發(fā)展和金融體制改革的新生事物。房漢廷(2015)的“本質(zhì)論”理論認(rèn)為，科技和金融是創(chuàng)新經(jīng)濟發(fā)展的內(nèi)在動因，科技創(chuàng)新與金融創(chuàng)新的耦合發(fā)展，促成了新的產(chǎn)業(yè)、新的社會組織模式[10]。季菲菲等(2013)從空間經(jīng)濟學(xué)的角度說明了區(qū)域科技金融發(fā)展能夠促使產(chǎn)業(yè)結(jié)構(gòu)輕型化以及創(chuàng)造新的產(chǎn)業(yè)空間[11]。章奇(2016)實證研究了科技創(chuàng)新與第二產(chǎn)業(yè)結(jié)構(gòu)調(diào)整的關(guān)系，結(jié)果顯示科技金融是產(chǎn)業(yè)聯(lián)動發(fā)展的主要影響因素之一，且科技創(chuàng)新有利于促進第二產(chǎn)業(yè)結(jié)構(gòu)升級[12]。Wang等(2016)以1646家制造企業(yè)和686家服務(wù)性公司的樣本進行實證研究，結(jié)果表明，市場化創(chuàng)新機制分別對服務(wù)企業(yè)和制造業(yè)企業(yè)的服務(wù)創(chuàng)新和產(chǎn)品創(chuàng)新產(chǎn)生積極影響，而這種影響受企業(yè)技術(shù)創(chuàng)新能力的調(diào)控[13]。從全球競爭力報告中我們也可以看出，美、英等西方發(fā)達(dá)國家，均利用較高的科技金融發(fā)展水平集聚生產(chǎn)性服務(wù)業(yè)，從而促進制造業(yè)向高端發(fā)展。在開放式創(chuàng)新背景下，科技金融的發(fā)展促進了知識信息在不同空間上的流動，提高了我國信息化水平，加劇了區(qū)域知識集聚，從而促進了生產(chǎn)性服務(wù)業(yè)集聚。盛豐(2014)采用空間計量的實證方法，證明了生產(chǎn)性服務(wù)業(yè)集聚有利于相鄰地區(qū)制造業(yè)升級，并提出區(qū)域基礎(chǔ)設(shè)施水平的提高促進了生產(chǎn)性服務(wù)業(yè)的集聚水平[14]。

由上述文獻(xiàn)可知，國內(nèi)外學(xué)者的研究大多集中于人才、資本、技術(shù)等對生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的支撐作用，很少從科技金融的不同方面研究其對兩產(chǎn)業(yè)協(xié)同集聚的作用效果。另一方面，多數(shù)相關(guān)研究忽視了空間因素的影響，而且僅停留在靜態(tài)分析層面?；诖?，本文在模型中納入滯后期的生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)作為解釋變量，從而更準(zhǔn)確地研究分析科技金融對兩產(chǎn)業(yè)協(xié)同集聚的長期作用效果。

二、計量模型選擇

科技金融資源的時空配置可以集聚要素資源，提高產(chǎn)業(yè)技術(shù)創(chuàng)新效率，從而促進生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚，加速實現(xiàn)我國經(jīng)濟結(jié)構(gòu)轉(zhuǎn)型。另一方面，科技金融水平的提高促進了區(qū)域間人才和信息的流動，有利于行業(yè)間技術(shù)、知識交流，推動了地區(qū)產(chǎn)業(yè)發(fā)展。因此，生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚水平在地理空間上存在一定的相關(guān)性，我們在模型中引入空間因素更具有說服力。對此，我們選用空間面板模型來研究區(qū)域間科技金融對生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的直接和間接溢出效應(yīng)。與空間滯后模型和空間誤差模型相比，空間杜賓模型既考慮了自變量的空間相關(guān)性又考慮了因變量的空間相關(guān)性。本文的研究是在考慮自身和近鄰個體初始科技金融水平的基礎(chǔ)上，分析空間單元個體的生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚對相鄰單元個體兩產(chǎn)業(yè)協(xié)同集聚的影響。Elhorst[15](2010)的研究表明，此類問題適合利用動態(tài)空間杜賓模型(SDM)來分析，因此本文設(shè)定模型如式(1)。

(1)

其中，上式選取的空間權(quán)重矩陣wij為空間鄰接權(quán)重矩陣，即若i省與j省有相鄰邊界則取wij=1，反之，無相鄰邊界時取wij=0。ρ為空間自相關(guān)系數(shù)，X為對應(yīng)的科技金融指標(biāo)和控制變量，β為相對應(yīng)的變量系數(shù)，γ為相對應(yīng)的變量的空間效應(yīng)系數(shù)，μi和vt分別為空間和時間固定效應(yīng)，εit為誤差擾動項。

將式(1)進行轉(zhuǎn)換可得：

LAGGLOit=(I-ρW)-1τLAGGLOi,t-1+(I-ρW)-1(βXit+γWXit)+(I-ρW)-1(μi+vt)+(I-ρW)-1εit

(2)

其中，W為空間權(quán)重矩陣。

LeSage等人(2008)提出可以用偏微分的方法衡量區(qū)域間自變量發(fā)生變化時的平均溢出效應(yīng)[16]。隨后Elhost(2010)將這種方法加以擴展，應(yīng)用到動態(tài)SDM模型中。由公式(2)可知，在特定時點上，解釋變量X中第K個解釋變量從區(qū)域1到區(qū)域N對應(yīng)的LAGGLO期望值的偏導(dǎo)數(shù)矩陣為：

(I-ρW)-1[β1kIN+β2kW]

(3)

這些偏導(dǎo)數(shù)表示一個特定區(qū)域的某個解釋變量的變化對其他區(qū)域因變量的影響。同理，可得到長期效應(yīng)如下：

[(1-τ)I-ρW]-1[β1kIN+β2kW]

(4)

三、變量說明與數(shù)據(jù)描述

(一)變量選擇和測算

1、被解釋變量。生產(chǎn)性服務(wù)業(yè)*本文選取“交通運輸、倉儲和郵政業(yè)”、“信息傳輸、軟件和信息技術(shù)服務(wù)業(yè)”、“金融業(yè)”、“租賃和商業(yè)服務(wù)業(yè)”和“科學(xué)研究和技術(shù)服務(wù)業(yè)”代表生產(chǎn)性服務(wù)業(yè)。與制造業(yè)協(xié)同集聚發(fā)展是適應(yīng)我國新型工業(yè)化發(fā)展，加速產(chǎn)業(yè)升級的必然趨勢，從本質(zhì)上來講其屬于一種特殊的產(chǎn)業(yè)集聚現(xiàn)象。對于衡量產(chǎn)業(yè)集聚的方法，國內(nèi)外研究成果較多，目前被廣泛使用的衡量指標(biāo)有赫芬代爾系數(shù)、基尼系數(shù)以及區(qū)位熵與標(biāo)準(zhǔn)化區(qū)位熵等。由于本文主要側(cè)重行業(yè)和區(qū)域大小的影響，本文借鑒Holmes等[17](2002)的方法，使用區(qū)位熵作為生產(chǎn)性服務(wù)業(yè)聚集和制造業(yè)集聚的衡量指標(biāo)，這一衡量方法將給定區(qū)域產(chǎn)業(yè)的就業(yè)相對集中度與全國產(chǎn)業(yè)就業(yè)的相對集中度進行比較。具體計算方法如下：

(5)

其中Lij代表j地區(qū)i產(chǎn)業(yè)的集聚指數(shù)，Xij代表j地區(qū)i產(chǎn)業(yè)的從業(yè)人數(shù)，Yj代表j地區(qū)全部從業(yè)人數(shù)，Xi代表全國i產(chǎn)業(yè)的從業(yè)人數(shù)，Y代表全國的全部從業(yè)人數(shù)。

互聯(lián)網(wǎng)時代，生產(chǎn)要素和商品在區(qū)域間更加頻繁地流動，從而相鄰區(qū)域間的空間依賴性對相關(guān)產(chǎn)業(yè)的集聚發(fā)展具有重要的影響。本文考慮到生產(chǎn)性服務(wù)業(yè)與制造業(yè)之間的空間效應(yīng)，并借鑒Ellison等[18](2010)以及張虎等[19](2017)的方法，構(gòu)建協(xié)同集聚指數(shù)，如式(6)所示。

(6)

其中，LAGGLO為生產(chǎn)性服務(wù)業(yè)和制造業(yè)協(xié)同集聚指數(shù)，Lmanu為制造業(yè)集聚指數(shù)，Lpros為生產(chǎn)性服務(wù)業(yè)集聚指數(shù)。

綜合上述式(5)和式(6)的計算方法，我們可以得出全國各地區(qū)生產(chǎn)性服務(wù)業(yè)和制造業(yè)協(xié)同集聚指數(shù)。鑒于我國區(qū)域發(fā)展水平不均衡的特性，本文進一步計算得出2005-2015年我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)，并對全國各地區(qū)的生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚水平進行時間序列描述(見圖1)，以此來對比我國區(qū)域間兩產(chǎn)業(yè)協(xié)同集聚水平的差異。

結(jié)合圖1我們可以看出，上海、北京、天津、廣東、遼寧、江蘇、浙江的生產(chǎn)性服務(wù)業(yè)和制造業(yè)協(xié)同集聚水平明顯高于其他省份，而西藏、新疆、貴州、云南等西部偏遠(yuǎn)地區(qū)兩產(chǎn)業(yè)協(xié)同度連年處于較低水平，可能是由于西部地區(qū)技術(shù)創(chuàng)新不足，高端制造業(yè)發(fā)展緩慢，與生產(chǎn)性服務(wù)業(yè)在產(chǎn)業(yè)結(jié)構(gòu)上存在不匹配現(xiàn)象。

圖1　2005-2015年各地區(qū)平均生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)排序注：橫坐標(biāo)數(shù)字1-30分別表示北京、天津、河北、山西、內(nèi)蒙古、遼寧、吉林、黑龍江、上海、江蘇、浙江、安徽、福建、江西、山東、河南、湖北、湖南、廣東、廣西、重慶、四川、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆。

2、解釋變量。科技金融是促進科技開發(fā)、成果轉(zhuǎn)化和高新技術(shù)產(chǎn)業(yè)發(fā)展的一系列金融工具、金融制度、金融政策與金融服務(wù)的系統(tǒng)性、創(chuàng)新性安排[20]?？萍冀鹑诘膬?nèi)涵豐富、規(guī)模范圍較廣，加之我國獨具特色的社會主義經(jīng)濟體系，所以單一的指標(biāo)顯然很難客觀全面地衡量我國科技金融發(fā)展水平。基于以上情況，本文借鑒張玉喜[21]等(2015)、黃繼忠[22]等(2014)的研究成果，選取科技經(jīng)費投入、政府科技支出、金融機構(gòu)科技貸款和創(chuàng)業(yè)投資支持作為衡量科技金融的指標(biāo)：(1)科技經(jīng)費支出。衡量企業(yè)研發(fā)投入的力度，用研發(fā)經(jīng)費支出占GDP的比重表示，記為STFUND。(2)政府科技支出。衡量政府對高科技企業(yè)創(chuàng)新發(fā)展的支持力度，用科技活動所籌經(jīng)費中政府投入占比表示，記為FISC。(3)金融機構(gòu)科技貸款。衡量金融機構(gòu)對科技企業(yè)發(fā)展的支持力度，用科技活動所籌經(jīng)費中金融機構(gòu)貸款占比表示，記為FILOAN。需要說明的是，2008年之后《中國科技統(tǒng)計年鑒》不再報告金融機構(gòu)貸款的數(shù)據(jù)，本文借鑒白俊紅等(2015)的計算方法[23]，利用研發(fā)資金減去政府、企業(yè)和國外的資金來作為金融機構(gòu)科技貸款額。(4)創(chuàng)業(yè)投資支持。衡量科技企業(yè)金融市場融資力度，用創(chuàng)業(yè)投資額占科技經(jīng)費支出的比重來表示，記為VC。

3、控制變量。根據(jù)曹顥[24]等(2011)的研究，除以上科技金融指標(biāo)外，科技人力資源與專利擁有量也會促進企業(yè)創(chuàng)新發(fā)展。因此本文選取以上兩指標(biāo)作為控制變量，用地區(qū)從業(yè)人員中科技活動人員占比表示科技人力資源，記為HR，科技人員流動帶來的知識溢出效應(yīng)，能夠改善生產(chǎn)性服務(wù)業(yè)和制造業(yè)的專業(yè)化服務(wù)能力和創(chuàng)新技術(shù)能力。用萬人專利申請授權(quán)量表示專利擁有量，記為PATENT，不僅刻畫了地區(qū)高新技術(shù)集聚程度和專業(yè)化程度，更體現(xiàn)了區(qū)域技術(shù)創(chuàng)新能力。

(二)數(shù)據(jù)描述性統(tǒng)計

由于數(shù)據(jù)的可得性和完整性，本文選取的數(shù)據(jù)時間跨度為2005-2015年，橫截面?zhèn)€體為30個省市*由于本文使用空間鄰接權(quán)重矩陣，而海南省四面環(huán)水無鄰接省市，故刪去此樣本，港、澳、臺由于數(shù)據(jù)缺失，刪去此樣本。，文中涉及到的變量數(shù)據(jù)均來源于2006-2016年的《中國科技統(tǒng)計年鑒》、《中國統(tǒng)計年鑒》以及私募通數(shù)據(jù)庫。對原始數(shù)據(jù)做描述性統(tǒng)計如表1所示。

表1　變量的描述性統(tǒng)計

四、實證檢驗與結(jié)果分析

(一)空間相關(guān)性檢驗

根據(jù)上文構(gòu)建的生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)，首先檢驗其全局相關(guān)性。Cliff等人[25](1973)最早提出了Moran’s I指數(shù)用于檢驗鄰近地區(qū)間的全局空間相關(guān)性，計算公式如下：

(7)

通過表2可以看出，各年度的生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)均在1%的顯著性水平下顯著且均為正值，說明我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚具有明顯的區(qū)域關(guān)聯(lián)性。從時間趨勢上看，2009年以前Moran’I值呈現(xiàn)逐漸遞增趨勢，但2009-2013年之間一直處于波動狀態(tài)，2013年之后恢復(fù)平穩(wěn)上升的趨勢，說明了我國近幾年區(qū)域間、產(chǎn)業(yè)間頻繁轉(zhuǎn)型演化的現(xiàn)象。這也與張虎[19]等(2017)得到的結(jié)論一致。中國進入世界貿(mào)易組織以來，我國產(chǎn)業(yè)得到迅速發(fā)展，生產(chǎn)性服務(wù)業(yè)與制造業(yè)不斷集聚，其協(xié)同集聚水平也在不斷上升。但受2008年金融危機的影響，全球經(jīng)濟低落，實體經(jīng)濟得不到資金支持，導(dǎo)致產(chǎn)業(yè)發(fā)展受到嚴(yán)重?fù)p害，直接導(dǎo)致了產(chǎn)業(yè)集聚水平下降。為應(yīng)對金融危機對我國經(jīng)濟發(fā)展帶來的沖擊，國家實施了一系列宏觀調(diào)控政策，也取得了一定的效果。2013年以來，我國逐步開始實施創(chuàng)新驅(qū)動發(fā)展政策，大力發(fā)展科技金融，促進制造業(yè)向高端發(fā)展，有效提高了產(chǎn)業(yè)集聚水平。

表2　生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚指數(shù)Moran值

為進一步檢驗我國局部地區(qū)間生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的空間相關(guān)性，本文選用Anselin[26](1995)提出的局部Moran’I指數(shù)來衡量某一區(qū)域與它相鄰區(qū)域間的空間關(guān)聯(lián)程度(見圖2)。

由圖2我們可以看出，高-高和低-低集聚為我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的主要現(xiàn)象，而且區(qū)域差異化現(xiàn)象明顯，東部沿海省份大多處于高高集聚區(qū)，西部省份大多處于低低集聚區(qū)。對比2005年和2015年的局部Moran’I指數(shù)散點圖可知，我國局部生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的空間分布比較穩(wěn)定，大多數(shù)西部省份穩(wěn)定在第三象限，十年間很少有轉(zhuǎn)移現(xiàn)象。值得注意的是第二象限部分省份經(jīng)過不斷發(fā)展，已轉(zhuǎn)移到第一象限區(qū)域，達(dá)到高高集聚的水平。說明我國生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚水平存在明顯的兩極化現(xiàn)象，東部沿海地區(qū)的產(chǎn)業(yè)協(xié)調(diào)集聚發(fā)展帶動了處于第二象限過渡區(qū)省份的發(fā)展，同時也造成國內(nèi)優(yōu)勢資源集聚于東部沿海一帶，致使處于低低集聚區(qū)的中西部地區(qū)資源更加貧瘠，產(chǎn)業(yè)協(xié)同集聚缺乏增長動力，不利于我國區(qū)域均衡化發(fā)展戰(zhàn)略的推進。

(二)科技金融對生產(chǎn)性服務(wù)業(yè)與制造業(yè)協(xié)同集聚的影響分析

鑒于Elhorst(2012)提出無條件ML方法估計動態(tài)空間面板模型比較有效率[15]，本文利用軟件Stata 14.0對各變量作標(biāo)準(zhǔn)化處理，并使用聚類穩(wěn)健的ML方法對靜態(tài)和動態(tài)空間杜賓模型進行估計，最后依據(jù)Hausman檢驗結(jié)果與擬合優(yōu)度效果選擇空間和時間固定的動態(tài)SDM模型來分析報告結(jié)果*由動態(tài)SDM回歸可知變量STFUND、FISC、FILOAN和VC的空間滯后項不顯著，故在模型估計時去掉這四個空間滯后項[27]。。為了更好地對比分析，本文給出了系統(tǒng)GMM模型估計結(jié)果和靜態(tài)SDM模型的回歸結(jié)果(見表3)。

圖2　2005年(左)和2015年(右)的局部Moran’I指數(shù)散點圖

變量傳統(tǒng)動態(tài)面板估計靜態(tài)SDM動態(tài)SDML.LAGGLO0.853***(0.015)

凌源市| 延寿县| 威信县| 岑巩县| 阿拉善盟| 鄄城县| 汝阳县| 麻栗坡县| 乌兰浩特市| 璧山县| 汶川县| 西充县| 盐边县| 电白县| 清远市| 菏泽市| 綦江县| 东阿县| 武平县| 清丰县| 汤原县| 通河县| 定结县| 清远市| 任丘市| 麻栗坡县| 桦南县| 江川县| 顺昌县| 乳源| 吴江市| 夏河县| 渝中区| 松阳县| 务川| 九江市| 灵武市| 郧西县| 甘泉县| 依安县| 怀集县|