2016年
财会月刊(2期)
金融·保险
经济新常态下金融支持科技创新问题研究——以江苏盐城市为例

作  者
张晓燕1,2,季 健1,2(教授)

作者单位
1.盐城师范学院商学院,江苏盐城224051;

摘  要

      【摘要】经济新常态下,科技创新逐渐成为一国或地区经济增长的新动力,而只有金融的支持才能为科技创新提供源源不断的驱动力。本文通过构建向量自回归模型,运用江苏盐城市2000 ~ 2014年的数据,对金融发展与科技创新之间的内在关系进行考察。研究表明:金融发展与科技创新之间存在长期均衡关系,即金融发展规模、金融发展效率与科技创新之间存在长期的正相关性;科技创新与金融发展规模之间存在单向格兰杰因果关系,与金融发展效率之间存在双向格兰杰因果关系;短期内金融发展规模与金融发展效率对科技创新的促进作用较强,但从长期来看,其对科技创新水平的提高作用十分有限。
【关键词】经济新常态;金融发展;科技创新;向量自回归模型
【中图分类号】F832           【文献标识码】A           【文章编号】1004-0994(2016)02-0114-4一、引言
近年来,随着我国经济进入增速阶段性回落的“新常态”时期,各个地区都将优化产业结构、寻找新的经济增长点作为首要任务。同时,随着经济体制的不断改革,我国经济发展中存在的问题与矛盾日渐凸显,严峻的形势使我们不得不重新思考经济发展的方式。事实证明,科技创新才是实现经济可持续发展的唯一路径。作为科技创新载体的中小科技企业在经济发展中的重要作用日益凸显,但其自身的高风险和金融“嫌贫爱富”的本性,使得中小科技企业融资面临重重困难。盐城市作为江苏省经济欠发达地区,在经济新常态下要实现经济的转型升级,在很大程度上取决于科技创新水平的提高,而金融作为科技创新的驱动力发挥着重要作用,因此探究金融发展与科技创新之间的关系具有重要的现实意义。
二、国内外文献综述
国内外学者从不同视角对科技金融进行了研究,形成了大量的研究成果。
国外学者的相关研究主要集中于资本市场和金融机构对科技创新的作用方面。King和Levine(1993)提出,金融体系为科技创新提供了企业家评估、资金筹集、风险分散及技术创新预期收益评估在内的四项服务,进而提高了科技创新效率。Levine等(1998)从金融功能的角度研究金融对技术创新的作用机理,认为金融机构通过提高全要素生产率来促进长期经济增长。Aghion et al.(2005)分析了金融约束对引进国外先进创新技术的影响。Luigi et al.(2008)利用意大利企业技术创新的数据进行实证研究发现,银行信贷对中小企业和高科技企业创新具有积极的促进作用。Ang(2010)基于韩国时间序列数据进行实证研究,得出金融自由化与国家科技创新具有强关联性的结论。在资本市场对科技创新的作用方面,Kortum和Lerner(2001)通过研究发现,在高技术产业中风险资本的增加与专利发明数量正相关,风险资本投入到 R&D 生产的不足3%,但其对高技术产业科技的贡献率则高达15%。Hall(2002)指出,风险投资可以有效解决创新资金在筹集过程中产生的高额融资成本、信息不对称及道德风险等问题,从而促进科技创新。Kaplan(2003)、Vasilescu和Popa(2011)认为,风险投资既可以为处于种子期的科技型企业提供资金支持,解决其融资难问题,还可以促进其快速成长和壮大。Casamatta(2003)、Keuschning(2004)的研究表明,企业能否获得风险资本的有力支持已经成为其能否成功实施技术创新活动的重要影响因素。
国内学者的相关研究主要集中在金融体系和结构、政策金融等对科技创新的作用等方面。凌江怀等(2009)提出,可将直接金融、信贷融资以及政策性金融相结合,建立金融对科研活动的支持路径。叶耀明和王胜(2007)基于长三角地区城市群的面板数据对金融中介的作用进行了分析,发现以商业银行为代表的金融中介体系相比于风险投资等科技金融手段,对科技创新起着更为重要的作用。龙勇等(2011)基于个地区的高新技术企业调研数据,研究风险投资对高新技术企业联盟策略的影响。王华(2007)、左志刚(2011)认为,政策性金融支持体系可以弥补中小企业融资缺口。肖玉香(2011)指出,应将科技型中小企业融资的金融支持建设当作一项系统性的工程,其核心是进行机制构建。肖嫚(2012)运用规范理论分析、回归分析和案例分析相结合的研究方法,提出支持我国战略性新兴产业发展的科技金融创新模式。李心丹和束兰根(2013)提出,我国现阶段应将中小科技型企业的融资难题作为重要的着力点,将政府的参与和市场化的运作有机结合起来,健全担保和抵押机制,拓宽企业融资渠道。邓天佐(2010)认为,应该从构建能够促进科技成果产业化并适应科技型企业发展的政策环境及功能性平台、建设多层次多元化的科技创新投融资体系、大力发展信用评级及保险担保等中介机构出发来深化科技金融创新,推进科技与金融结合。
三、盐城市金融发展支持科技创新的现状
(一)科技成果转化覆盖面广,但增速下滑
“十二五”以来,盐城市科技创新成效显著:2014年,省科技统计监测科技进步指标排全省第9位,苏北第1位;省“八项工程”监测指标排序全省第8位,较上年提升一个位次。2014年524项科技计划项目获省级以上立项,争取到无偿资助资金1.13亿元、风险补偿资金贷款7.15亿元,4个重大成果转化项目获省立项,争取资金3600万元,实现了全市11个县(市、区)省重大科技成果转化项目的全覆盖。其中,专利是科技创新的重要成果,专利申请量是科技创新产出尤其是自主创新能力的重要衡量指标。相关数据显示,2008 ~ 2014年盐城市专利申请量呈现出不断增长的趋势,从2008年的3948件增长到2014年的17213件,增幅高达435.9%;从增长率来看,2008 ~ 2012年间,增速均保持在两位数,尤其是2011年增长率高达75.9%,2013年与2014年专利申请量虽有所增长,但增速显著下滑。
(二)信贷资金潜在供应力强,但科技信贷资金不足
在金融发展方面,盐城市2014年年末存款余额达3721亿元,对于盐城市以银行为主导的金融体系来说,科技创新信贷资金具有巨大的潜在供应力,但科技创新活动高投入、高风险的特点及金融资本的逐利性,导致科技信贷资金不足。据相关统计数据显示,2008 ~ 2014年间,盐城市科技贷款及高新科技贷款整体呈现增长趋势,自2011年以后,较前几年增长幅度减小。科技贷款占全部贷款余额的比重基本呈现逐年下降的态势,从2008年的14.1%下降到2014年的8.9%,下降了5.2个百分点,即科技贷款额的增长速度赶不上贷款总量的增长速度。而在科技贷款总量中,高新科技贷款的比重逐年增加,从2008年的23.8%逐渐上升到2014年的33.4%,说明金融机构越来越关注高新科技企业的发展,对其支持力度在逐渐加大。
四、模型设定与指标选取
(一)模型设定
向量自回归模型(VAR模型)由Sims引入到经济学研究分析中并获得了广泛应用,尤其是在分析和预测多个相关经济指标时,可利用VAR模型分析时间序列系统和随机扰动项对各个变量的作用。
本文基于广义的C-D生产函数建立计量模型,分析金融发展对科技创新的影响:
Yt=A1Yt-1+A2Yt-2+…+AρYt-ρ+εt    (1)
其中:Yt=(lnKJCt,lnFGMt,lnFXLt,lnCZZt),Y表示二维的内生变量向量,KJCt为科技创新指标,FGMt为金融发展规模指标,FXLt为金融发展效率指标,CZZt为财政支出指标;A表示相应的系数矩阵;ρ表示内生变量的滞后阶数;εt为误差修正向量。
(二)指标选取
为了研究盐城市金融发展与科技创新的关系,本文选取代表金融因素、科技创新因素的变量进行数据检验,同时选取影响科技创新的非金融因素作为控制变量,研究盐城市金融发展对科技创新的影响。考虑到数据的可得性及有效性,研究区间选择2000 ~ 2014年,相关数据均来自相关年份的盐城市统计年鉴。
被解释变量:主要为科技创新(KJC)指标。由于专利申请量能够很直观地展现一个地区的科技创新情况,因此,本文选择专利申请量来衡量科技创新水平。
解释变量:核心解释变量主要包括金融发展规模(FGM)和金融发展效率(FXL)两个指标。其中:考虑到盐城市金融资产主要集中在银行和其他信贷机构,因此采用盐城市金融机构的存贷款总额与GDP的比率来衡量金融发展规模;金融发展效率可以通过金融机构的存贷比指标来反映,即贷款余额与存款余额的比值,主要描述金融机构资金的利用效率。
控制变量:财政支出(CZZ),用财政预算支出来衡量。
由于对变量取自然对数不会改变原有变量之间的关系且能消除时间序列的异方差,因此,本文对上述变量的数据进行取自然对数处理,各指标数据的描述性统计如表1所示:

 

 

 

 


五、实证检验与结果分析
(一)数据的平稳性检验
根据协整的定义,若两个变量的时间序列之间存在协整关系,则它们必须是同阶单整的。因此,在进行协整检验前,必须对各个变量的时间序列进行单整检验,以确认各个变量是同阶单整变量时间序列,否则协整检验可能发生错误。
单位根检验方法很多,经常被用到的有Dickey-fuller检验(DF检验)、扩展的 Dickey-fuller(ADF检验)和Philip的非参数检验(PP检验)。DF 检验适用于变量时间序列为一阶自回归的情形,对于高阶自回归的变量时间序列应该采用ADF检验。本文使用ADF检验、利用Stata12.0软件分别对各变量的水平值和一阶差分进行检验,结果显示,所有变量均为非平稳序列,对它们进行一阶差分后,各变量均在10%水平上通过了检验,各变量为一阶单整过程。即原变量均为非平稳时间序列,而其一阶差分序列为平稳时间序列,满足协整的前提条件。
(二)协整检验
通过单位根检验可知,各变量都是一阶单整变量,这说明它们之间可能存在长期均衡关系,因此本文运用Johansen协整检验法对各变量的协整关系进行检验。检验结果如表2所示。

 

 

 

由表2的检验结果可知,第一列“None”的迹统计量64.729要大于5%显著性水平上的统计量47.21,因此可以拒绝“存在零个协整关系”的原假设,即四个变量之间至少存在一个协整关系。综上,各变量之间存在长期均衡关系。由此建立协整方程如下:
lnKJC= -1.589+ 1.669lnFGM+0.318FXL-0.147lnCZZ
该方程的可决系数R2为0.849,说明自变量对因变量的解释力强,且方程系数均通过1%显著性水平上的T检验。
从协整方程可以看出,金融发展规模和金融发展效率与科技创新之间存在长期的正相关性,而财政支出与科技创新之间存在负相关性。金融发展规模对科技创新的长期弹性系数为1.669,即金融发展规模每增加1%,科技创新水平提高1.669%。金融发展效率对科技创新的长期弹性系数为0.318,即金融发展效率每提高1%,科技创新水平提高0.318%。这说明2000 ~ 2014年间盐城市金融发展规模和金融发展效率在长期内对其科技创新水平的提高起到了重要的促进作用。
(三)格兰杰因果检验
协整检验结果已表明,金融发展规模、金融发展效率、财政支出与科技创新水平之间存在长期均衡关系,但是这种长期均衡关系可能存在某种先后的因果关系,为此本文采用格兰杰检验方法,对四个变量之间进行格兰杰因果检验。检验结果如表3所示。

 

 

 

 


由表3可以看出,在1%显著性水平上,金融发展规模是科技创新的格兰杰原因,即扩大金融发展规模可以提高科技创新的水平。科技创新不是金融发展规模的格兰杰原因,说明与传统企业相比较,科技型企业的发展规模相对较小,能够创造的资金规模也相对较小,故回流到金融系统的资金也较少,对促进金融系统信贷规模扩张的作用十分有限。在相应的显著性水平上,科技创新与金融发展效率之间存在双向的格兰杰因果关系,即科技创新与金融发展效率相互促进,金融系统通过吸收存款并将其转化为贷款投资到科技型企业,科技型企业获得资金支持后不断发展,获得丰厚的利润,即提高了贷款资金的价值,从而会促使金融系统扩大对其的贷款规模,提高了金融系统资金的使用效率。科技创新与财政支出之间不存在格兰杰因果关系。
(四)脉冲响应函数分析
脉冲响应函数描述一个残差项的标准差冲击对系统中内生变量取值的影响,以刻画变量之间的动态交互作用。基于以上VAR模型,其相应的脉冲响应结果如图1、图2所示。其中,横轴代表冲击发生后的时间间隔,纵轴代表内生变量对冲击的响应程度。

 

 

 

 

从图1可以看出,给FGM(金融发展规模)一个标准差的冲击,其对KJC(科技创新)的影响在整个冲击期间内表现为正向作用,在当期很微弱,随后开始增强,到第2期达到稳定值,在2 ~ 10期金融发展规模对科技创新的冲击效应基本保持稳定,虽有所增强,但增强的幅度非常有限。 这一现象说明,在短期内金融发展规模对科技创新的冲击力较大,能提升科技创新水平,但从长期来看金融发展规模对科技创新的冲击力有限,即对科技创新水平的提高作用十分有限。
从图2可以看出,FXL(金融发展效率)受到一个标准差冲击后,对KJC(科技创新)主要产生正向的响应效果,快速达到第1期的响应水平后,响应程度的增长幅度开始减弱,并在第2期末达到峰值,此后响应程度呈现出逐渐减弱的态势,从第8期开始进入负值区间,此后出现微弱的负向响应。这说明在短期内,金融发展效率对科技创新的冲击力度较大,能够有效地提升科技创新的水平,但从长期来看金融发展效率对科技创新的冲击力呈减弱趋势,并且响应程度保持在较低的水平,甚至是负响应。
六、研究结论与政策建议
本文基于2000 ~ 2014年间科技金融相关指标数据,通过构建向量自回归模型,在对相关指标进行单位根检验的基础上,进行协整检验,并建立协整方程,接着运用格兰杰因果法来检验变量之间的因果关系,并运用脉冲响应函数来动态分析盐城市金融发展对科技创新的影响。主要研究结论如下:①金融发展与科技创新之间存在长期均衡关系。金融发展规模和金融发展效率与科技创新之间存在长期的正相关性,即盐城市金融发展规模和金融发展效率在长期内对科技创新水平的提高起到了重要的促进作用。②科技创新与金融发展规模之间存在单向格兰杰因果关系,而与金融发展效率之间存在双向格兰杰因果关系。金融发展规模是科技创新的格兰杰原因,即扩大金融发展规模可以提高科技创新的水平,而科技创新不是金融发展规模的格兰杰原因。科技创新与金融发展效率相互促进,共同发展。③短期内金融发展规模与金融发展效率对科技创新的促进作用较大,但从长期来看,其对科技创新水平的提高作用十分有限。说明科技金融信贷资金在长期使用过程中效率相对低下,未能充分发挥资金对科技创新的高效支撑作用。
基于以上研究结论,本文提出如下政策建议:一是不断扩大银行信贷规模,优化信贷结构。鼓励商业银行制定专门的科技企业信贷管理办法,针对不同发展阶段的科技企业,在客户准入、授信政策等方面加大倾斜力度,努力增大银行信贷对科技创新活动的支持力度。二是积极创新科技信贷产品和服务模式,不断开发新型科技金融产品,尤其是鼓励本土银行如江苏银行、盐城农商行、射阳农商行等积极开发具有盐城特色、适合盐城市科技企业发展的科技金融产品。三是不断完善科技贷款贷后跟踪管理机制,加大对科技企业信贷资金使用的监督力度,防止科技研发资金的不合理利用,提高科技贷款的使用效率。四是加大财政支出力度,创新财政科技资金投入方式。优化科技计划项目经费资助结构,提高偿还性资助、风险补偿、贷款贴息及股权融资等方式的比重。发挥财政政策的乘数效应与示范作用,运用创业投资、信贷和担保风险补偿、专项补贴等多种方式,带动金融机构、民间资本和社会资本参与实施市各类科技计划,引导创业投资更多地投向科技型、创新型企业,提升财政资金的使用效益。

主要参考文献:
King R., Levine R.. Finance, Entrepreneurship and Growth: Theory and Evidence[J]. Journal of Monetary Economies,1993(3).
Ross Levine, Sara, Zervos. Stock Markets, Banks, and Economic Growth[J]. American Economic Review,1998(3).
Aghion P., Howitt P., Mayer-Foulkes. The Effect of Financial Development on Convergence:Theory and Evidence[J].The Quarterly Journal of Economics,2005.
Luigi Fabio S., Alessandro S.. Banks and Innovation:  Micro-econometric  Evidence on Italian Firms[J]. Journal of Financial Economics,2008(2).
Ang J. B..  Research, Technological  Change  and  Financial  Liberalization  in  South  Korea [J].Journal of Macroeconomics,2010(1).
Hall  Bronwyn.The  Financing  of  Research  and  Development[J]. Oxford  Review  of  Economic Policy,2002(1).
Keuschnigg Christian.  Venture  Capital  Backed  Growth[J]. Journal  of  Economic Growth,2004(2).
凌江怀,李颖,王春超.金融对科技创新的影响及其支持路径[J].江西社会科学,2009(7).
王华.发展政策性金融有待解决的难题[J].中央财经大学学报,2007(12).
作者单位:1.盐城师范学院商学院,江苏盐城224051;
2.盐城市金融研究院,江苏盐城224051