一、引言 2008年以来愈演愈烈的金融危机在使世界经济陷入衰退的同时，也不断地刺激着全球科技进步和新技术产业的兴起。中国要战胜危机的影响，变挑战为机遇，就必须更加重视技术创新的作用，以创新活动促进产业结构调整与升级，增强企业的国际竞争力。转变经济发展方式，以技术创新带动产业升级的关键在于企业。大中型工业企业在整个国民经济发展中具有十分重要的地位，它们承担了绝大多数的国内创新投入和地方经济发展责任。因此，对各地区大中型工业企业技术创新能力及其影响因素的研究就显得尤为重要。现有文献着重于考察技术转移、人力资本、产业结构或者政府资助等因素对于中国各地区工业企业技术创新能力的影响［1-6］。Hanley，LiuandVaona［7］则从金融活动有助于缓解创新资本缺乏的角度考察了金融体系发展对区域技术创新能力的促进作用。然而，金融体系并非一个独立创造金融产品和服务的系统，它的有效运行还更广泛地依赖于所在区域的政治、经济、文化、法制等基本生态环境要素及其变化。现有衡量金融发展程度的指标均难以反映出这些基本环境要素的综合变化情况。中国社会科学院金融研究所推出的金融生态环境评分是对“金融生态”［8］概念的系统阐述与表征。良好的金融生态环境对于提高地区金融体系的运行效率，降低金融交易成本，优化要素市场的资源配置，以及促进经济健康发展等都具有重要作用。本文运用中国29个省区在2005～2009年期间的面板数据，考察了各个省区的金融生态环境与地区大中型工业企业技术创新能力之间的关系。研究发现，地区金融生态环境评分与工业企业的创新能力之间具有显著的正向关系。为了说明估计结果的稳健性，本文进一步考虑了主要解释变量可能存在的内生性问题，并应用动态面板数据模型重新进行估计，实证结果再次支持了地区金融生态环境与工业企业技术创新能力之间的正向关系。 二、金融生态环境与企业创新能力:理论假说 (一)现有文献述评 Keller［9］总结了几种通过国际经济活动获得技术转移的渠道，即进、出口与FDI。冼国明、严兵［10］发现FDI对创新有显著的正面溢出效应，并且外资在东部地区产生的溢出效应较强。蒋殿春、夏良科［11］认为FDI的竞争效应不利于国内企业创新能力的成长，而示范效应和科技人员的流动效应则会促进国内研发。孙文杰、沈坤荣［12］发现在中等技术创新强度的行业，其对创新的促进作用最强。邹武鹰、许和连、赖明勇［13］认为出口贸易部门企业比非出口贸易部门企业拥有更高的税率，更倾向于研发投入而拥有较高的技术水平。吴延兵［14］运用中国地区面板数据研究了自主研发、国外技术引进和国内技术引进对生产率的影响，发现自主研发和国外技术引进对生产率有显著促进作用。葛小寒、陈凌［15］使用DEA方法从技术差距、制度因素、国内研发、人力资本和由这四个因素构成的综合变量的技术进步效应出发，研究发现这些变量均对国际研发溢出的技术进步效应具有重要影响。蒋殿春、张宇［1］对高技术行业的实证研究发现，FDI的溢出效应与行业特征存在着密切联系。此外值得关注的是，在当前促进技术创新、建设创新型国家的大背景下，一些地方政府热衷于把自己当成实现经济转型的主角，抓项目、选企业、分资源，直接投入大量资金开展技术创新［16］。易纲［17］指出，即便是在产业政策最成功的日本和韩国，政府制定的支持某些行业、企业或项目的产业政策也仅仅得到了毁誉参半的评价。王小鲁［18］也认为在推进技术创新过程中应当明确市场的主导性地位。现有文献大都忽视了金融发展对工业企业技术创新能力的影响。而旨在进行跨时间与空间价值交换的金融活动在现代企业技术创新过程中发挥着至关重要的作用［19］。Hanley，LiuandVaona［7］虽然注意到了金融活动对中国各省区创新活动的影响，但他们仅是从缓解创新资本缺乏的角度来考察这一关系的，其用以衡量金融发展程度的信贷相对规模指标较易受到宏观经济波动等方面因素的影响。 (二)本文的理论假说 金融生态是一个仿生概念，周小川［8］最早将生态学概念系统地引申到了金融领域。具体而言，地区金融生态环境主要由地区经济基础、金融深化、政府治理、信用制度与诚信文化四个方面构成。良好的金融生态环境对于提高地区金融体系的运行效率，降低金融交易成本，优化要素市场的资源配置，以及促进经济健康发展等都具有重要作用。企业技术创新既是一个新技术生产的供给过程，又要受到新技术市场需求面的影响。其中，与新技术供给有关的技术创新的成本主要来自创新活动的风险损失与技术创新所需要的投资。研发活动所需资本投入量较大，而许多研究表明技术创新的失败率又非常高［20］，因此，地区金融生态环境的改善有利于金融体系更好地发挥筹集研发资金，同时分散技术创新投入风险的作用。特别是在当前中国跨区域资本流动存在一定障碍，各省金融发展水平差异较大的情况下［21］，地区金融生态环境因素对企业技术创新活动的影响就显得尤为重要。在金融生态环境较佳的情况下，企业能够利用各种金融产品与服务，以更低的融资成本从为数众多的社会资金提供者手中获取必需的研发资本，同时也分散了技术创新所面对的巨大风险，从而缓解研发资金投入方面的约束，增加新技术产品的供给。处在一定金融生态环境中的金融活动主体还具有价值发现，或者增强创新信息流动性的功能。Schumpeter［22］认为，创新是将生产要素和生产条件按照一种从来没有过的组合方式引入生产体系。不确定性内生于所有的创新活动，为了降低技术创新过程中的交易成本，就需要最大程度地缓解这种不确定性带来的影响，准确传递研发活动的真实信息。金融生态环境的改善能够促进金融机构或金融市场更积极地发掘具有经济价值的技术创新项目，增强有关信息的流动性，在一定程度上解决由于信息不对称性所造成的技术创新投入不足问题，并增加了新技术的供给量。进一步的，增加技术创新的供给还需要创新成功者的激励与示范效应。一个健康、发达的金融市场在为创新者提供激励与示范方面具有难以替代的作用。发达市场经济国家金融体系的鲜明特色之一就是以股票市场为中心，由股权文化引申出持续不断的科技创新动力［19］。而金融市场的发展在很大程度上依赖于金融生态环境的改善。另一方面，市场对于新技术的需求主要是一种由新品的市场需求所引发的派生需求。随着金融生态环境的改善，地区金融机构之间的竞争日益激烈，旨在刺激居民消费支出的金融产品创新会不断增加。而金融市场的发展也将使借贷消费增长模式逐渐盛行，新产品市场需求的上升提高了技术创新的预期收益，扩大了市场需求规模，对技术创新具有需求拉动效果。在保证必要监管的前提下，汽车按揭贷款的出现有力地促进了美国汽车工业市场规模的扩大，并以此推动了该行业的技术创新活动［23］。综上所述，在中国经济发展模式由粗放型向集约型转变的社会经济转型和发展的大背景下，改善金融生态环境能够为地区微观经济主体的技术创新活动提供市场激励，并在对技术创新的供给推动与需求拉动的合力作用下，最终达到提升一个地区工业企业技术创新能力的目的。#p#分页标题#e# 三、基本计量模型的设定 本文的研究对象为中国内地29个省级行政地区2005～2009年大中型工业企业的技术创新能力。所使用的所有变量的样本数据主要来源于2006～2010年的《中国科技统计年鉴》、《中国统计年鉴》、《中国工业统计年鉴》与《中国地区金融生态环境评价》。海南与西藏的数据资料缺失较多，因此在后续分析中暂不予以考虑。对于在数据整理过程中发现的其他个别数据缺失，本文采取了线性插值法来进行弥补。为了消除价格波动的影响，本文以1991年为基准对有关价值变量的数据都进行了调整。 (一)变量选取与数据描述 1．技术创新能力与创新活动的投入变量 本文设定的技术创新能力变量为发明专利申请量(PATENTB)。由于其通用性、一致性和易得性，使用专利代表技术创新能力是以往有关文献中的通常作法，并且也有研究表明利用发明专利申请量衡量企业技术创新能力具有一定的可靠性［24-27］。影响创新活动的主要投入变量在有关文献中经常用R＆D经费支出和R＆D人员全时当量表示［2，27-28］。但正如Griliches［29］、吴延兵［30］及白俊红等［31］指出的，研发创新活动对知识生产的影响具有持续性，因此，研发活动的资本投入指标应当选用R＆D资本存量。参照他们的处理方式，采用永续盘存法计算R＆D资本存量，具体计算公式为:RDSit=(1－δ)×RDSi(t－1)+Iit(1)其中，RDSit、RDSi(t－1)分别表示第i个地区工业企业第t年和第t－1年的R＆D资本存量，Iit为i地区工业企业第t年的实际R＆D经费支出，δ为折旧率，根据吴延兵［30］、白俊红等［31］和其他学者的观点，本文中δ的取值为15%。进一步估算基期资本存量的公式为:RDSi0=Ii0/(g+δ)(2)RDSi0是基期R＆D资本存量，Ii0是基期实际R＆D经费支出，g为样本期间内实际R＆D经费支出的平均增长率。由此就可测算出各地区工业企业各年的R＆D资本存量。另一方面，消化吸收支出是消化吸收引进的国内外技术的支出，对于正处在转型与发展期的中国经济而言，其工业企业的技术创新除了自主研发外，仍有相当一部分的创新活动是在吸收消化引进先进技术的基础上进行的［32］，因此消化吸收支出也是本文所设定的一个技术创新投入变量。本文中技术创新活动的劳动力投入指标为R＆D人员全时当量，其值是全时人员数与非全时人员按工作量折算成全时人员数的总和。综上，本文与技术创新活动有关的投入变量分别为R＆D资本存量(EXPENSEA)、消化吸收支出(ABSORB)与R＆D人员全时当量(LABOR)。发明专利申请相对于创新投入而言均有一定的滞后性，但同时考虑到申请的速度会快于专利授权，并且工业企业面对日趋激烈的市场竞争，将会具有较强的创新成果保护动力，因此本文沿用现有文献中的作法，设定专利申请的滞后期为1年。 2．金融生态环境与其他控制变量 刘煜辉［33］认为，中国金融业的问题事实上是中国政治、经济体制转轨过程中诸多体制性矛盾累积的结果。如果这些矛盾得不到有效解决，就难以保证金融业一定能够发挥有效的资源配置作用。在中国这样的体制转轨国家，因体制之间的相互不协调而产生的金融生态环境问题对于整个金融业的发展与其资源配置功能的有效发挥就具有特别重要的意义。中国社会科学院金融研究所推出的金融生态环境评分(FINANCEN)是对金融生态概念的系统阐述与表征，地区金融生态环境主要由地区经济基础、金融深化、政府治理、信用制度与诚信文化四个方面构成。根据本文的理论假说，改善金融生态环境能够为地区微观经济主体的技术创新活动提供市场激励，并在对技术创新的供给推动与需求拉动的合力作用下，最终达到提升一个地区工业企业技术创新能力的目的。根据Keller［9］、蒋殿春、张宇［1］、李习保［2］、吴延兵［14］、沈坤荣、孙文杰［4］等，本文选取的影响工业企业技术创新能力的控制变量为:地区人力资本与有效需求水平，用地区人均国内生产总值(PGDP)来代表;地区经济对外开放程度与技术转移，用出口占GDP的比重(EXR)与区域FDI在当地GDP中的占比(FDIR)表示;地区政府资助力度，借鉴白俊红等［31］，这里用地方政府对本地区大中型工业企业创新活动的资助额除以地区总科技经费筹集金额作为地区政府投入力度指标(GOVERNINT)，它也反映了区域大中型工业企业创新活动受地方政府直接影响的程度［18］;此外可以考虑引入经验方程式的控制变量还有地区产业结构和集群特征指标，用地区规模以上工业产值中高技术行业产值的占比(HIGHTECHR)来表示。 3．样本数据描述 文中涉及变量的描述性统计结果见表1，表中价值变量的单位均为万元，R＆D人员全时当量的单位为人/年，发明专利申请量的单位为项。由于在建立技术创新能力影响因素的经验方程时存在主要解释变量和其他控制变量，如果这些变量之间存在严重的多重共线性，则有关参数估计的准确性就会受到较大影响。为此进行的基于相关矩阵的BKW共线性诊断得出的条件指数(ConditionNumber)为15．1，并且主要解释变量与控制变量之间不存在值得关注的共线性问题。因此，共线性问题在可以接受的范围之内［34］，不会给本文的实证分析带来困扰。 (二)计量模型设定 本文旨在考察地区金融生态环境变化对于本地区大中型工业企业技术创新能力的影响，我们将基本的计量模型设定为:LPATENTBit=β0+β1LABSORBi，t－1+β2LLABORi，t－1+β3LEXPENSEAi，t－1+β4FINANCENit+ΦXit+μi+ξit(3)式中，LPATENTBit、LABSORBi，t－1、LLABORi，t－1、LEXPENSEAi，t－1分别是PATENTBit、ABSORBi，t－1、LABORi，t－1与EXPENSEAi，t－1的自然对数值。μi用于控制地区个体效应。Xit为前文中已讨论过的其他控制变量，对于其中的价值变量均取其自然对数值。β4是本文最关注的系数，根据前面的理论假说，金融生态环境评分的增加意味着地区金融生态环境的改善，因而能够为地区微观经济主体的技术创新活动提供市场激励，并在对技术创新的供给推动与需求拉动的合力作用下，最终促进一个地区工业企业技术创新能力的提升，β4的估计值应当大于0。#p#分页标题#e# 四、模型估计与实证结果分析 (一)基本的单向与双向固定效应模型分析 1．基本的单向固定效应模型 根据模型(3)，将文献中识别出来的最常见的三个变量LPGDP、EXR与FDIR作为控制变量，首先建立固定效应面板数据模型，固定效应显著性检验F统计量的值为16．31，对应的P值为0，固定效应显著。对随机效应面板模型的个体效应LM检验结果显示，随机效应也是显著的，卡方统计量的值为67．18，相应的P值为0。截面独立性Pesaran检验的P值在固定与随机效应模型设定下分别为0．142和0．0001，再考虑到中国各地区之间可能存在的时间或空间上的相关性，截面独立性的原假设是倾向于被拒绝的。此外，面板数据组内序列相关Wooldridge检验的结果在5%的显著性水平上拒绝了不存在自相关的原假设。CameronandTrivedi［35］指出，固定或随机效应模型设定选择的标准Hausman检验是建立在个体效应αi与干扰项为独立同分布的强假设基础之上的。由于这一假设条件在实证研究中经常是难以被满足的，因此需要使用稳健Hausman检验(RobustHausmantest)的方法进行模型设定选择。STA-TA12．0的程序计算结果在1%的显著性水平上拒绝了αi与干扰项为独立同分布的原假设。因此，随机效应模型是不适用的，应当采用固定效应模型。而固定效应模型面板异方差的Wald检验还显示存在异方差问题。上述模型设定检验的结果表明，对基本的单向固定效应模型的估计应当采用以Driscoll-Kraay方法估计标准误的固定效应模型。这种方法可应用于误差结构表现为异方差，并存在某阶组内自相关，同时截面之间也具有相关性的情况。这一估计标准误的非参数方法并未对截面数量的有限行为加以限制，有限样本的截面维度大小不会限制其可行性，因此即使在截面数量比期数大得多的情况下也适用。另外，为了防止因固定效应显著性F检验中未使用稳健标准差而给检验结果带来影响，本文将计量模型对应的OLS系数估计值及稳健标准差也汇报出来作为参照。具体结果如表2中的REG1、REG2列所示。为了考察基本单向固定效应模型估计结果的可靠性，我们用包括发明专利申请数在内的地区工业企业专利申请总数的对数值作为被解释变量，对模型(3)重新加以估计。通过个体效应显著性、截面独立性、组内序列相关、面板异方差及稳健的Hausman检定等模型设定检验，再次应用以Driscoll-Kraay方法估计标准误的固定效应模型获得实证结果，连同与之对应的OLS系数估计值及稳健标准差分别被放在表2的REG3与REG4列中。进一步的，我们以基于10%的折旧率计算出来的R＆D资本存量的对数值(LEXPENSEB)代替模型(3)中的LEXPENSEA，经过与上述同样的模型识别检验后，Driscoll-Kraay固定效应模型与标准差稳健的OLS估计结果如表2中的REG5与REG6列所示。从表2中REG1到REG6列的估计结果可知，地区金融生态环境变量FINANCEN的系数都是显著为正的，金融生态环境评分的提高能够促进本地区大中型工业企业的技术创新能力。这与本文的理论假说是一致的。其他解释变量或控制变量的显著性与相关文献基本一致。 2．双向固定效应模型 考虑到时间固定效应可能带来的影响，我们将模型(3)扩展为双向固定效应模型LPATENTBit=β0+β1LABSORBi，t－1+β2LLABORi，t－1+β3LEXPENSEAi，t－1+β4FINANCENit+ΦitXit+μi+αt+ξit(4)αt用于控制时间固定效应。此外，政府资助力度反映了政府部门对于技术创新活动的直接干预程度，现有文献也已识别出其对技术创新能力具有一定影响［2，6，18］，因此增加GOVERNINT作为模型(4)中的控制变量。模型设定检验显示存在截面异方差与组内序列相关问题，截面独立性的原假设倾向于被拒绝。对模型(4)进行Driscoll-Kraay双向固定效应估计，然后检验时间变量的联合显著性，得到的P值为0，双向固定效应模型应该较为合适。估计结果见表3的TREG1列。为了防止因固定效应显著性F检验中未使用稳健标准差而给检验结果带来影响和截面独立性检验结果的不稳健性，表3中的TREG2列报告了调整过截面异方差和序列相关的FGLS模型估计结果。仅控制了时间效应的模型OLS系数估计值及稳健标准差也在表3的TREG3列中给出。最后，作为参照，增加了控制变量GOVERNINT的Driscoll-Kraay单向地区固定效应模型的估计结果被放在了TREG4列。由基本双向固定效应模型得出的结论与表2是一致的。地区金融生态环境变量FINANCEN的系数大都显著为正，金融生态环境评分的提高能够促进本地区大中型工业企业的技术创新能力，这又再次支持了本文的理论假说。我们再将地区产业结构和集群特征指标HIGHTECHR作为新增控制变量引入模型(4)之中。估计结果如表4所示。除了新增的控制变量外，ATREG1到ATREG4列所使用的估计方法与表3中的TREG1到TREG4列相同。实证结果支持了本文提出的假说，FINANCEN的系数估计值均显著为正。进一步的，在计量模型中引入FINANCEN与GOVERNINT的交乘项FINGOVERN，再次分别应用Driscoll-Kraay双向固定效应、调整了截面异方差和序列相关的FGLS、控制了时间效应的OLS，以及Driscoll-Kraay单向固定效应模型估计变量的系数值，表5概括了主要的估计结果。由表5可知，交乘项FINGOVERN的系数估计值为负，但其在从CTREG1到CTREG4的任何一列中都不显著。负的估计值反映出在政府直接干预技术创新活动较多的地区，金融生态环境改善对于企业技术创新能力的促进作用可能会被削弱。市场力量在替代政府有形之手影响企业技术创新能力时，两种体制的转换会带来一些摩擦成本。而在政府直接干预较少的地区，金融生态环境的优化能够更有效地促进本地区大中型工业企业的技术创新能力。交乘项的系数估计值均不显著则表明可以在模型中忽略FINANCEN与GOVERNINT对技术创新能力的交互影响，表4中的结果是比较稳健的，本文的假说得到了实证结果的支持。 (二)稳健性检验 1．基本的稳健性检验 前文中的实证结果支持了我们提出的假说，但根据现有文献，在模型(3)或(4)中作为解释变量和控制变量的FINANCEN、LPGDP与HIGHTECHR都可能依赖当期或以前的技术进步率或技术创新水平，因而可能存在内生性的问题。这里我们先用这三个变量的上期值代替当期值，对有关模型进行重新估计，以初步检验本文实证结果的稳健性。具体估计结果见表6。RTREG1列示出了Driscoll-Kraay双向固定效应估计值。与之前不同的是，在进行新的模型设定检验后发现并不存在组内序列相关，因此估计时的自相关阶数被设为0。此时金融生态环境对企业技术创新能力的正向影响主要是通过其与政府资助力度变量的交乘项FINGOVERN实现的。时间效应显著并且已调整了截面异方差的FGLS变量系数估计值被放在了RTREG2列。RTREG3中是相应对异方差稳健的OLS估计值。RTREG4列给出了Driscoll-Kraay单向地区固定效应模型的实证结果，估计时的自相关阶数也被设为0。所有初步稳健性检验的结果均表明，金融生态环境评分的提高能够促进本地区大中型工业企业的技术创新能力，这与本文的假说是相容的。#p#分页标题#e# 2．应用动态面板数据模型的稳健性检验 在前面的估计中，我们用FINANCEN、LPGDP与HIGHTECHR的上期值代替当期值进行稳健性检验，但这种方法仍然难以完全克服可能存在的内生性问题。此外，其他控制变量，如GOVERNINT、FINGOVERN，以及EXR和FDIR，都可能具有一定的内生性。为了检验前述实证结果的稳健性，本文运用BlundellandBond［36］发展的动态面板数据模型的系统GMM估计方法，针对本文假说做进一步的分析。动态面板模型的一般形式为:yit=γ1yi，t－1+…+γpyi，t－p+x'itβ+μi+εit(5)yit为被解释变量，xit是解释变量向量。该模型的一致估计量可以通过Arellano-Bond估计量获得。在本文中，因为样本容量的限制，被解释变量的一阶滞后项LPATENTBi，t－1进入到了动态面板模型的解释变量之中。Bond，HoefflerandTemple［37］认为，小样本条件下两步GMM估计量的标准误会严重向下偏误，从而影响统计推断。本文的样本容量有限，因此更适合应用一步GMM法。根据Wooldridge［34］与林毅夫、孙希芳［38］，同时借鉴方明月等［39］对系统GMM估计中工具变量选择的处理方法，本文设定的内生变量为FINANCEN、GOVERNINT和FINGOVERN;前定变量为LPGDP、EXR、FDIR与HIGHTECHR。在都能通过AR(2)检验和Sargan检验的条件下，估计结果如表7所示。金融生态环境变量的函数都显著为正，反映出地区金融生态环境的改善对于大中型企业技术创新能力的正向影响，这与本文的假说是一致的。 五、结论 本文运用中国29个省区在2005～2009年期间的面板数据，考察了各个省区的金融生态环境与地区大中型工业企业技术创新能力之间的关系。运用单向及双向固定效应模型的计量结果发现，地区金融生态环境评分与工业企业的创新能力之间具有显著的正向关系。为了说明估计结果的稳健性，本文进一步考虑了主要解释变量可能存在的内生性问题，并应用动态面板数据模型重新进行估计，实证结果再次支持了地区金融生态环境与工业企业技术创新能力之间的正向关系。本文实证研究结果的政策涵义也是比较明晰的。改善金融生态环境能够为地区微观经济主体的技术创新活动提供市场激励，并在对技术创新的供给推动与需求拉动的合力作用下，最终达到提升一个地区工业企业技术创新能力的目的。因此，在中国经济发展模式由粗放型向集约型转变的社会经济转型和发展的大背景下，政府管理部门应当致力于提高地区经济基础，推进金融深化，优化政府治理并建立、健全信用制度与诚信文化，从而不断改善本地区的金融生态环境，促进本地区工业企业技术创新能力的不断提升。
