科技创新与经济高质量发展研究

导语：科技创新与经济高质量发展研究一文来源于网友上传，不代表本站观点，若需要原创文章可咨询客服老师，欢迎参考。

摘要：文章基于2012—2021年我国30个省份的面板数据，运用熵值赋权法测算金融发展、科技创新与经济高质量发展的综合指数，并通过面板门限回归模型研究金融发展与经济高质量发展之间的线性和非线性关系，以及不同科技创新水平下金融发展对经济高质量发展影响的变化。结果显示：金融发展及其分类指标均对我国经济高质量发展具有正向促进作用，且经济高质量发展水平的提高能够强化金融发展水平、金融发展规模以及金融发展效率的促进作用；金融发展对经济高质量发展的促进作用具有科技创新的门限效应，其促进作用随科技创新水平的不断提高而持续增强；科技创新对金融发展分类指标的支持作用存在差异，对金融发展规模的支持作用较强，对金融发展效率的支持作用较弱。

关键词：金融发展；科技创新；经济高质量发展；面板门限回归模型

引言:金融发展是经济高质量发展的重要影响因素，对经济高质量发展的影响呈现持续增强的趋势。在经济高质量发展阶段，我国经济增长逐渐由生产要素驱动转变为创新驱动，科技创新逐步成为推动我国经济增长的核心引擎[1]，一方面科技创新需要得到金融业的大量资金支持，另一方面，科技创新水平的提高又能够对经济实现高质量发展做出贡献[2]，因此，科技创新在金融发展促进经济高质量发展的过程中具有不容忽视的作用。在金融发展与经济高质量发展的相关研究中，杨友才等（2019）[3]发现金融资源配置效率对经济发展具有正向影响；赵玉龙（2019）[4]的研究结果也表明金融发展能够通过资源配置效率的提高促进经济高质量发展；林昌华（2020）[5]研究发现金融发展的各个维度对我国经济发展质量的提高均具有正向促进作用。在金融发展与科技创新的相关研究中，罗嘉雯和陈浪南（2013）[6]发现金融发展规模和金融发展效率均对科技创新具有促进作用；李苗苗等（2015）[7]指出金融发展分类指标影响技术创新的作用效果存在差异；屠年松和方玉（2017）[8]也认为金融发展分类指标对科技创新的作用不尽相同。在科技创新与经济高质量发展的相关研究中，李光龙和范贤贤（2019）[9]研究发现，科技创新对长江经济带经济高质量发展的驱动作用存在门限效应；董小君和石涛（2020）[10]的研究结果表明，科技创新对经济高质量发展具有正向驱动作用。在现有研究中，学者们对经济高质量发展、金融发展和科技创新的研究主要集中于两两之间的关系，而忽视了三者之间处于一个共同系统的关联性。因此，本文在已有文献的研究基础上，首先，对金融发展促进经济高质量发展的影响效应进行论证，分析金融发展与经济高质量发展之间的线性关联；其次，进一步探讨在不同的科技创新水平下，金融发展对经济高质量发展影响的变化，即验证金融发展与经济高质量发展之间的非线性关联；最后，根据本文的研究结果，结合我国经济社会的发展现状及未来发展目标，提出加快经济高质量发展的建议，为我国金融发展助推经济高质量发展提供新思路。

1研究设计

1.1模型构建

本文借鉴彭星和李斌（2015）[11]、邓峰和陈春香（2020）[12]的研究，通过面板门限回归模型，检验金融发展对经济高质量发展影响的变化，构建如下模型：HEDit=a0+a1FDitI(gitθ)+a2FDitI(git>θ)+a3Controlsit+uit（1）其中，HED表示经济高质量发展水平；FD表示金融发展水平；Controls表示控制变量；I(·)表示示性函数；g表示门限变量，即科技创新水平ST；θ表示门限值；i表示省份，t表示年份；u表示随机干扰项。为进一步考察金融发展与经济高质量发展的内在联系，本文还以金融发展的分类指标（金融发展规模FS和金融发展效率FE）作为核心解释变量，通过式（1）再次进行回归。上述模型为单一门限效应回归模型的表达式，即模型中仅有一个门限值，若实证研究过程中发现存在两个门限值，则对式（1）进行略微调整，使其存在两个门限值即可。财经纵横

1.2变量选取

根据本文的模型设定以及研究需要，构建经济高质量发展、金融发展和科技创新的综合指标评价体系，如表1所示。经济高质量发展水平（HED）参考茹少峰和周子锴（2019）[13]的研究，主要通过经济发展、生态环境以及社会福利这三个方面因素进行衡量。金融发展水平（FD）主要以金融发展规模和效率这两个方面的因素进行衡量。科技创新水平（ST）参考王慧艳等（2019）[14]的研究，主要通过科技创新的投入与产出对其进行衡量。综合指标根据熵值赋权法测算，各代理指标选取以及指标权重见表1。在控制变量方面，本文选取投资水平（IL）、城镇化水平（UL）和基础设施建设水平（IC）。其中，投资水平以固定资产投资占GDP的比重作为代理指标，城镇化水平以城镇人口占总人口的比重作为代理指标，基础设施建设水平以道路总长度与总人口之比作为代理指标。

1.3数据来源与描述性统计

本文以我国30个省份（不含西藏和港澳台）为研究对象，以2012—2021年作为研究时间范围。考虑到数据的科学性和可获得性，各变量数据主要来源于《中国统计年鉴》《中国环境统计年鉴》《中国金融年鉴》和EPS数据库。变量的描述性统计如表2所示。可以看出，经济高质量发展水平的标准差为0.0849，最大值为0.9220，最小值为0.0311，表明我国省级经济高质量发展水平具有较大差距，但大部分省份之间的差距较小，这也从侧面反映出我国各省份之间的经济高质量发展水平可能具有连续的梯度现象。其他各变量与经济高质量发展水平类似，基本符合我国经济社会发展的客观现实。

2实证分析

2.1基准面板回归分析

表3为基准面板模型的回归结果，展示了金融发展与经济高质量发展之间的线性关联关系。可以看出，无论是固定效应模型还是随机效应模型，金融发展水平的系数均在1%水平上显著为正，表明金融发展对我国经济高质量发展具有显著的促进作用，且这一结论具有一定的稳健性。具体来看，金融发展水平的各分类指标均在1%或5%的水平上显著为正，表明金融发展能够从多角度对我国经济社会的高质量发展产生正向影响。另外，金融发展的分类指标对经济高质量发展的促进效果存在较大差异，其中，金融发展规模的促进作用相对较大，金融发展效率的促进作用相对较小。各模型中科技创新水平的系数均在1%水平上显著为正，表明科技创新能够有效提高我国经济高质量发展水平，有利于我国经济的可持续发展，且科技创新对经济高质量发展的促进作用大于金融发展及其分类指标的促进作用，再次表明我国经济增长的主要驱动方式已逐渐转变为创新驱动，科技创新对我国经济的高质量发展具有深远影响。

2.2以经济高质量发展水平为门限变量的回归分析

对于门限效应的检验，本文利用Bootstrap法自举抽样500次，结果见下页表4。在以金融发展水平为核心解释变量的模型中，单一门限模型在1%的水平上显著拒绝不存在门限效应的原假设，表明这一模型中存在单一门限效应。同理可知，在核心解释变量为金融发展水平分类指标的模型中，即以金融发展规模和金融发展效率为核心解释变量的模型，其中同样存在单一门限效应.在门限效应的真实性检验中，本文采用似然比统计量（LR）进行验证，图1至图3展示了门限效应真实性的检验结果。由于在以金融发展水平及其分类指标为核心解释变量的三个模型中，门限值均为0.3221，因此，本文仅对金融发展水平作为核心解释变量的模型的检验结果进行说明。由图1可知，在LR统计量取值为0时，门限效应的估计值处于临界值（虚线）下方，表明在95%的置信区间内，门限效应的估计值与真实值相等。因此，在以金融发展水平作为核心解释变量的面板门限回归模型中，其门限估计值具有真实性。同理可知，在以金融发展规模和金融发展效率作为核心解释变量的模型中，其门限估计值也具有真实性。由表5中面板门限回归模型的回归结果可知，金融发展水平的影响系数均通过了显著性检验，表明金融发展对经济高质量发展产生了显著的促进作用，具体表现是：在经济高质量发展水平低于门限值时，金融发展水平对经济高质量发展的促进作用相对较小；当经济高质量发展水平跨过门限值时，金融发展水平的影响强度和作用大小均有所增加。这表明我国金融发展与经济高质量发展之间具有非线性关系，在不同的经济高质量发展水平下，金融发展对经济高质量发展的促进作用随经济高质量发展水平的提高而得到显著增强。换言之，经济高质量发展水平的提高强化了金融发展对经济高质量发展的正向促进作用。类似于综合指标金融发展水平，金融发展规模与经济高质量发展之间同样具有非线性关系，在不同的经济高质量发展水平下，金融发展规模对经济高质量发展的作用差异更大，具体表现是：在经济高质量发展水平低于门限值时，金融发展规模对经济高质量发展水平的促进作用尚不显著，只有当经济高质量发展水平跨过门限值时，金融发展规模的系数才在5%的水平上显著为正。这一结果同样表明，金融发展规模对经济高质量发展的促进作用也随着经济高质量发展水平的提高而得到增强，即经济高质量发展水平的提高同样强化了金融发展规模对经济高质量发展的影响效果。此外，模型5的回归结果还表明，在经济高质量发展水平不断提高的背景下，我国尚未出现因金融发展规模过大而抑制经济高质量发展的现象。模型6中金融发展效率对经济高质量发展的作用变化与金融发展水平类似，表明金融发展效率对经济高质量发展的促进作用也随着经济高质量发展水平的提高而得到强化。通过对比是否添加控制变量发现，模型4至模型6的回归结果具有一定的稳健性。

2.3以科技创新水平为门限变量的回归分析

以科技创新水平为门限变量的回归模型中，本文同样利用Bootstrap法进行门限效应检验，结果见下页表6。可以看出，以金融发展水平、金融发展规模为核心解释变量的模型中均存在双重门限效应，其中，以金融发展水平为核心解释变量的模型中的门限估计值分别为0.2054和0.3192，以金融发展规模为核心解释变量的模型中的门限估计值分别为0.2310和0.3192。需要指出的是，在门限效应的检验过程中发现，在以金融发展效率为核心解释变量的模型中不存在科技创新的门限效应。在检验门限效应的显著性后，本文同样采用似然比统计量LR检验门限效应的真实性，如图4和图5所示。结果表明，在以金融发展水平、金融发展规模为核心解释变量的门限效应回归模型中，其门限估计值均具有真实性。由表7回归结果可知，在以科技创新作为门限变量时，金融发展与经济高质量发展之间同样具有非线性关系，金融发展对经济高质量发展的促进作用仍然存在，具体表现是：在科技创新水平低于第一门限值0.2054时，金融发展水平对经济高质量发展的促进作用相对较小；当科技创新水平位于第一门限值与第二门限值之间时，金融发展水平的影响强度显著增加，同时，其系数也增长至0.2929；当科技创新水平跨过第二门限值0.3192时，金融发展水平的系数再次提升至0.4637。这表明在不同的科技创新水平下，我国金融发展对经济高质量发展的促进作用具有随科技创新水平的不断提高而持续增强的趋势，即科技创新水平的提高强化了金融发展对经济高质量发展的促进作用。类似于综合指标金融发展水平，模型8中金融发展规模与经济高质量发展之间同样具有非线性关系，当科技创新水平低于第一门限值0.2310时，金融发展规模的系数（0.4781）在5%的水平上显著为正；当科技创新水平介于第一门限值和第二门限值之间时，金融发展规模的显著性水平有所提升，且其系数上升至0.8656；当科技创新水平跨过第二门限值0.3192时，金融发展规模的系数再次上升，由0.8656增长至1.6403。这表明金融发展规模对经济高质量发展的促进作用也随着科技创新水平的不断提高而持续增强，科技创新水平的提高同样强化了金融发展规模对经济高质量发展的促进作用。通过对比是否添加控制变量发现，模型7和模型8的回归结果具有一定的稳健性。以科技创新水平为门限变量的面板门限回归模型的回归结果显示，在不同的科技创新水平下，金融发展水平以及金融发展规模与经济高质量发展水平之间存在非线性关系。金融发展水平、金融发展规模对经济高质量发展水平的促进作用均随科技创新水平的不断提高而持续增强；而金融发展效率对经济高质量发展的促进作用却不存在科技创新的门限效应。结合以经济高质量发展为门限变量的回归结果可知：我国经济发展在高速增长阶段，金融发展主要依赖金融发展规模的持续扩张[15]，此时，金融发展规模的快速扩张忽视了经济发展质量的重要意义，若不能与科技创新水平有效衔接，则对我国经济高质量发展将不会产生显著的正向影响；因此，科技创新在金融发展促进经济高质量发展的过程中具有重要地位，在我国经济发展的不同阶段，只有实现科技创新与金融发展的深度融合，才能最大程度地发挥金融发展对我国经济社会高质量发展的推动作用。

3结论与建议

本文通过测算经济高质量发展、金融发展和科技创新的综合指标，运用门限效应模型研究了金融发展与经济高质量发展之间的线性和非线性关系，以及科技创新视角下金融发展对经济高质量发展影响的变化，得出如下结论：（1）我国金融发展对经济高质量发展具有正向促进作用，其中，金融发展规模的促进作用较大，金融发展效率次之；（2）经济高质量发展水平的提高能够显著强化金融发展水平、金融发展规模以及金融发展效率对经济高质量发展的促进作用；（3）在不同的科技创新水平下，金融发展对经济高质量发展的促进作用随着科技创新水平的不断提高而持续增强，科技创新水平的提高强化了金融发展对经济高质量发展的促进作用；（4）在科技创新的门限效应作用下，金融发展分类指标对经济高质量发展的影响具有明显差异，仅金融发展规模的促进作用随科技创新水平的不断提高而持续增强，金融发展效率对经济高质量发展水平的促进作用不存在科技创新的门限效应。根据上述结论，本文提出如下建议：（1）深化金融改革应以改善金融发展效率为主要抓手，以市场为导向，通过高效合理地配置金融资源，充分发挥金融发展效率的积极作用，实现金融发展与经济高质量发展的协调发展；（2）应提高科技创新投入，一方面要促进创新人才的培养，另一方面，要增强科技创新的政策支持，如降低创新企业税收，简化创新企业的申报审批流程等；（3）要进一步实现金融发展与科技创新的相互融合，尤其是金融发展效率与科技创新的融合发展，促使科技创新能够发挥自身的引导作用，强化金融发展效率对经济高质量发展的积极影响，为金融发展效率的改善提供新思路、新方法。

参考文献：

[1]揭红兰.科技金融、科技创新对区域经济发展的传导路径与实证检验[J].统计与决策,2020,(1).

[2]张海军,岳华.科技创新投入、金融发展与经济增长——基于门槛模型的实证分析[J].贵州社会科学,2019,(3).

[3]杨友才,王希,孙亚男.金融资源配置效率、TFP增长与中国经济发展的演进——基于面板数据的PVAR研究[J].管理评论,2019,31(6).

[4]赵玉龙.金融发展、资本配置效率与经济高质量发展——基于我国城市数据的实证研究[J].金融理论与实践,2019,(9).

[5]林昌华.金融发展对中国经济高质量发展的影响路径机制[J].征信,2020,38(2).

[6]罗嘉雯,陈浪南.金融发展影响科技创新的实证研究[J].中国科技论坛,2013,(8).

[7]李苗苗,肖洪钧,赵爽.金融发展、技术创新与经济增长的关系研究——基于中国的省市面板数据[J].中国管理科学,2015,23(2).

[8]屠年松,方玉.金融发展对科技创新影响的实证研究——基于中国省际面板数据[J].生态经济,2017,33(11).

[9]李光龙,范贤贤.财政支出、科技创新与经济高质量发展——基于长江经济带108个城市的实证检验[J].上海经济研究,2019,(10).

[10]董小君,石涛.驱动经济高质量发展的科技创新要素及时空差异——2009—2017年省级面板数据的空间计量分析[J].科技进步与对策,2020,37(4).

[11]彭星,李斌.贸易开放、FDI与中国工业绿色转型——基于动态面板门限模型的实证研究[J].国际贸易问题,2015,(1).

[12]邓峰,陈春香.R&D投入强度与中国绿色创新效率——基于环境规制的门槛研究[J].工业技术经济,2020,39(2).

[13]茹少峰,周子锴.西部大开发20年的政策净效应与西部地区经济高质量发展——基于倾向得分匹配—双重差分方法检验[J].陕西师范大学学报(哲学社会科学版),2019,48(4).

[14]王慧艳,李新运,徐银良.科技创新驱动我国经济高质量发展绩效评价及影响因素研究[J].经济学家,2019,(11).

[15]张雪芳,戴伟.金融发展对经济增长影响的门槛效应研究——基于金融发展规模、效率和结构三维视角的实证检验[J].当代经济管理,2020,42(4).

作者:韩雪飞 赵黎明 单位:天津中医药大学管理学院 天津大学管理与经济学部