金融结构对技术创新的影响效应 及其区域差异研究（马 微 惠 宁）
作者：马 微 、惠 宁
摘要：金融结构对技术创新的影响效应；技术创新能力的持续提升有赖于金融结构的适时调整和金融生态环境的不断完善
对于风险较低、收益稳定的引进模仿创新而言，银行是适宜的融资渠道；
对于风险较高、收益不确定的自主创新而言，金融市场是更优的选择，但金融市场对自主创新的促进效应呈现出明显的区域差异。
进一步对门槛效应的分析表明，只有当金融生态环境跨越一定的门槛时，金融市场对自主创新的积极作用才能够被有效释放，同时这种门槛效应亦存在一定的空间异质性。
引言：技术创新对实现经济的长期可持续发展具有重要的推动作用，而金融与创新的联系是经济增长中的关键因素
需要依靠技术创新培育发展新动力，促进经济提质增效、转型升级
不同创新模式的差异，以及由此引发的差异化的金融需求
Vandenbussche 等（2006）提出一国在不同的发展阶段选择不同的创新模式以促进经济增长。当技术水平距离国际前沿较远时，一国更多依赖模仿以促进生产率的提高，而当技术水平逐渐接近国际前沿时，一国则更倾向于选择自主创新以实现技术进步。
其对创新模式的划分，为我们以创新模式差异为切入点，深入研究金融结构对技术创新的影响效应提供了可借鉴的思路。
关于金融结构的相关研究多集中于线性视角，鲜有研究涉及到金融结构对技术创新的非线性影响，尤其是缺乏以金融生态环境为门槛，对金融结构影响技术创新的约束机制的探讨。
在创新模式细分的基础上，以不同创新模式的风险收益特征差异为切入点，探讨金融结构对技术创新的作用机理、影响效应及其区域差异
一是有别于最优金融结构理论基于不同经济发展阶段要素禀赋差异的分析思路，本文从不同经济发展阶段创新模式的差异出发，探讨金融结构对技术创新的影响效应，提出不同风险-收益特征的创新模式会内生出不同的金融需求，进而需要具有不同功能特性的金融结构与其匹配。
二是在实证研究中引入金融生态环境这一制约因素，揭示了金融结构对技术创新的非线性影响规律及其门槛效应，这是以往研究不曾涉及的。
三是本文的研究结论为创新驱动发展战略下金融结构的转型提供了理论依据，提出技术创新能力的持续提升和创新模式的成功转换，有赖于金融结构的适时调整和金融生态环境的不断完善。
理论：技术创新和产业升级推动了经济的持续发展，而随着经济发展水平的提升，技术创新的模式和性质也会发生相应的变化，从而内生出不同性质的金融需求
在经济发展初期，要素禀赋结构会呈现出劳动力充裕、资本稀缺的特征，生产多集中于采用传统成熟技术的劳动力或资源密集型产业，此时的技术创新水平往往处于“跟踪”阶段，创新模式以风险较低、收益稳定的引进模仿创新为主，通过简单的模仿改良甚至直接引进即可投入生产，具有创新程度较低、市场前景清晰、资金需求量较小、贷款周期较短的特点。
随着经济的发展，剩余劳动力逐渐消化，资本相对富裕，要素禀赋结构的升级使得资本或技术密集型产业成为主导产业，技术创新水平转向“并跑”或“领跑”阶段。由于技术的封锁和新兴技术的复杂化，引进模仿的难度越来越大，成本也在逐渐上升，持续的技术进步有赖于研发创新的成功，创新模式面临着由引进模仿向自主创新的转换；不同于引进模仿创新在原有技术上的简单消化吸收，自主创新是一种革命性、颠覆式的技术突破，创新程度更高、资金需求量更大、研发周期更长且资金回收风险更大，呈现出风险较高、收益不确定的特点。因而大规模、长期、稳定、风险承受力强的资金投入成为其资金需求的突出特征。（不能急于求成、不能下指标走形式化、让不法企业钻空子骗取政府补助）由此可见，不同风险-收益特征的创新模式会内生出不同的金融需求，进而需要具有不同功能特性的金融结构与其匹配。
银行和金融市场在流动性创造、信息处理和风险管理等方面拥有着不同的功能特性，因而在促进技术创新上拥有着各自不同的优势和较为明确的分工。
银行利用存贷款到期日错开分布的特点，通过短借长贷能够实现有限度的期限转换，因而更倾向于为创新项目提供短期内的流动性贷款。在相关信息较为丰富的确定性条件下，银行拥有消除信息不对称的明显优势和大规模批量处理信息的规模经济效应；而在不确定性较大、创新程度较高的环境下，银行的信息获取则是低效率的（Allen，1990；Levine，1997）。风险管理的内部化特征使银行对风险具有天生的谨慎性倾向，原创性的技术研究使产业面临更高的风险，导致银行的有效性受到局限（龚强等，2014）。因此，银行体系流动性创造的短期性、确定性条件下信息处理的规模效应和风险管理的内部化特征决定了其更适合为风险较低、收益稳定的引进模仿创新提供融资。基于此，提出研究假设一：对于风险较低、收益稳定的引进模仿创新而言，银行是适宜的融资渠道。
金融市场借助发达的二级市场能够将投资者的大量短期资金转换为对上市企业的长期投资，从而克服创新项目对大规模、长期资本的需要与投资者规避流动性风险之间的矛盾（孙伍琴和王培，2013）。在相关信息有限的不确定条件下，金融市场能够通过价格信号、信息披露和收购威胁提供更有效的“多元审查”，同时将信息有效地传递给投资者（Boot和 Thakor，1997）。不同于银行内部化的风险管理机制，金融市场的风险分散化机制为投资者提供了大量的、多样化的金融资产和衍生金融工具，由投资者根据自身的风险偏好进行风险互换和资产组合，这一机制虽然不能从总体上消除风险，但却能够实现在不同风险承受能力的投资者之间的重新分配，从而有利于投资者利用风险分散功能投资于高风险、高收益的创新项目（Allen 和 Gale，2000；Levine，004）。因此，金融市场高效的期限转换机制、有效的多元审查和“风险共担，收益共享”的风险分散机制决定了其更有利于为风险较高、收益不确定的自主创新聚集资金。基于此，提出研究假设二：对于风险较高、收益不确定的自主创新而言，金融市场是更优的选择。
同时，La Porta 等（1997，1998，2000）发现运行良好的法律体系有利于金融中介和金融市场功能的发挥，尤其是对金融市场的有效运转尤为重要。这是因为，在制度环境不完善、法律体系不健全的情况下，银行通过债务合同、信贷配给机制、抵押清算等手段能够实施更加有效的资金监督，从而缓解金融生态环境的约束。而金融市场上的股权融资使得投资者难以通过抵押、清算等手段约束企业的道德风险，为不法企业攫取股东利益提供了可能，因而金融市场的有效运行更加依赖于相关法律对投资者的保护程度和法律实施的有效性（Beck 等，2003；龚强等，2014；张一林等，2016）。基于此，在假设二的基础上进一步提出研究假设三：只有当金融生态环境跨越一定的门槛时（法律体系），金融市场对自主创新的积极作用才能够被有效释放。
模型：不同的经济发展阶段对应着不同的创新模式：一种为风险较低、收益稳定的引进模仿创新，另一种为风险较高、收益不确定的自主创新（Vandenbussche 等，2006）。在现实中，不同风险-收益特征的创新模式会内生出不同的金融需求，进而需要具有不同功能特性的金融结构与其匹配。为验证上文的研究假设，考察金融结构对技术创新的作用机理、影响效应及其区域差异，本文设定如下基础模型：
模仿创新=a0+a1模仿创新-1+a2金融结构+a3~an∑影响技术创新的控制变量+地区固定效应+随机误差项
自主创新=a0+a1自主创新-1+a2金融结构+a3~an∑影响技术创新的控制变量+地区固定效应+随机误差项
根据相关领域的研究文献及数据的可得性，这里选取人力资本水平（ Edu ）、财政支出水平（ Public ）、贸易水平（ Trade ）、经济发展水平（ Eco ）、金融发展（ Fin ）、外资依存度（ Fdi ）作为控制变量。
此外，为进一步考察金融生态环境的约束，这里在式（1）和式（2）的基础上引入金融结构与金融生态环境的交互项（ * Finstr Market ）,以反映某一给定的金融结构在不同金融生态环境下的异质性影响。
模仿创新=a0+a1模仿创新-1+a2金融结构+a3人力资本水平+a4财政支出水平+a5贸易水平+a6经济发展水平+a7金融发展+a8外资依存度+a9金融结构*金融生态环境+地区固定效应+随机误差项
自主创新=a0+a1自主创新-1+a2金融结构+a3人力资本水平+a4财政支出水平+a5贸易水平+a6经济发展水平+a7金融发展+a8外资依存度+a9金融结构*金融生态环境+地区固定效应+随机误差项
本文选取有效发明专利数与 GDP 的比值来衡量自主创新，并选取技术获取和技术改造经费支出与GDP 的比值来衡量引进模仿创新。
对于核心解释变量金融结构（ Finstr ），不同于已有文献大多使用股票市值总额与银行信贷余额之比来度量，本文采用“股票融资额与债务融资额之和/贷款融资额”来衡量金融结构，在将债券市场纳入直接融资的同时，用股票市场融资额① 替代股票市值总额，既避免了由于股价剧烈波动对直接融资度量的影响，又增强了与银行贷款融资的可比性。 Finstr的值越大，说明金融结构中的市场导向越强。
（1）人力资本水平（ Edu ）：采用 6 岁以上人口人均受教育年限来衡量。
（2）财政支出水平（ Public ）：使用财政支出占 GDP 比重来表示。
（3）贸易水平（ Trade ）：选取进出口总额与 GDP 比值来表示，其中，对以美元表示的进出口总额按照当年人民币平均汇率折合成人民币核算。
（4）经济发展水平（ Eco ）：为控制不同省份之间经济发展水平的差异对技术创新的影响，这里借鉴现有研究的普遍做法，使用人均真实 GDP② （取自然对数）作为反映地区经济发展水平的综合指标，这一指标得到了国内外学者的反复检验和广泛认同，且具有权威数据来源。
（5）金融发展（ Fin ）：选取金融机构各项贷款余额与 GDP 的比值来反映。
（6）外资依存度（ Fdi ）：使用外商直接投资实际使用金额与 GDP 的比值来度量，其中，对以美元表示的外商直接投资实际使用金额按照当年人民币平均汇率折合成人民币核算。
（7）金融生态环境（ Market ）：采用王小鲁等（2017）编著的《中国分省份市场化指数报告（2016）》中的“市场中介组织的发育和法律制度环境”指数来衡量， Market 的值越大，说明金融生态环境越好。
本文在对控制变量进行处理时均使用人均数或相对比率，以消除上述因素对于地区间统计结果比较的影响。
实证：由于在设定的计量模型中引入了因变量的滞后项作为解释变量，因而不可避免地存在内生性问题。因此，在分析中需要对变量的内生性加以控制。
而常规的面板数据估计技术直接假设不存在异方差，解释变量与误差项的协方差为零等，这与现实数据不符，从而会产生有偏的、非一致的估计结果，致使统计推断失效。为此，本文采用 Blundell 和 Bond（1998）提出的系统 GMM 估计技术以尽量克服变量的内生性问题。
考虑到两步 GMM 估计量的标准差在有限样本条件下会产生严重的向下偏倚，从而影响统计推断的结果，故本文采用一步系统 GMM 估计技术对模型进行估计。
同时，为了进一步消除异方差带来的影响，本文在估计时均对研究样本进行了 Robust 稳健标准误处理。此外，作为一致估计，系统 GMM 能够成立需要满足两个前提条件：一是回归方程的随机扰动项不存在序列相关；二是工具变量不存在过度识别问题。前者运用残差序列相关性检验 AR （ n ）来判断；后者运用 Hansen J 检验来判断。
（一）金融结构对技术创新的影响效应分析：模型 1 给出了金融结构对引进模仿创新影响效应的估计结果，模型 5 给出了金融结构对自主创新影响效应的估计结果。
考虑估计结果的有效性：首先，工具变量的有效性检验Hansen Test 在 10%的显著性水平上不能拒绝过度识别约束有效的原假设，表明我们选取的工具变量不存在过度识别问题；
其次，一阶序列相关性检验的结果 AR(1) 显著，表明存在一阶序列相关，即存在内生性问题，二阶序列相关性检验的结果 AR(2) 不显著，表明不存在二阶序列相关，即内生性问题得以克服。
因此，模型 1 和模型 5 的一步系统 GMM 估计结果是有效的。
模型 1 结果显示，金融结构变量的估计系数a2在 10%的水平上显著为负。这验证了我们的研究假设一，即对于引进模仿创新而言，银行是更适宜的融资渠道。
这一结论与 Beck 等（2010）等学者持有的“资本市场比银行中介更能促进技术创新”的观点相左，这主要由以下原因造成：
首先，不同于以往研究大多采用 R&D 投入直接衡量技术创新，本文根据风险收益特征的差异对技术创新进行了细分，并在此以技术获取和技术改造经费支出来具体衡量引进模仿创新，对技术创新范围的细化可能弱化了金融市场的影响力；
其次，正如本文理论分析所表明的，银行体系流动性创造的短期性、确定性条件下信息处理的规模效应和风险管理的内在化特征决定了其更适合为风险较低、收益稳定的引进模仿创新提供融资。
此外，模型 1 也显示，金融结构与金融生态环境交互项的估计系数a9没有通过显著性检验，表明银行主导型金融结构对引进模仿创新的积极影响不受金融生态环境的约束。
模型 5 结果显示，金融结构变量的估计系数a2在 10%的水平上显著为正。这验证了我们的研究假设二，即对于风险较高、收益不确定的自主创新而言，金融市场是更优的选择。
同时，值得注意的是，不同于模型 1 中的估计结果，模型 5 中金融结构与金融生态环境交互项的估计系数a9在 5%的水平上显著为正，表明金融生态环境越好，以金融市场为主导的金融结构越有利于推动自主创新。
这一结论肯定了金融市场对自主创新的重要推动作用，但与传统金融结构理论中市场主导论者所持有的“市场主导型金融结构更有利于技术创新”的结论有所偏差。这主要是因为，虽然金融市场对技术创新风险的敏感性相对较低，但信息不对称、外部性和规模经济的存在会增加金融市场的不稳定程度，而完善的游戏规则有利于金融市场的发展（Stiglitz，1993）。
以往的研究在考察金融市场对技术创新的影响时，恰恰忽略了金融生态环境的重要作用，从而得出了较为片面的结论。以上研究结论表明金融结构与自主创新之间并非简单的线性关系，由于金融生态环境的制约，金融结构对自主创新的影响很可能存在着门槛效应，即金融生态环境作为一种划分标准可以被视为门槛变量，在不同的金融生态环境门槛区间内，金融结构对自主创新的影响存在异质性。有关门槛效应的具体检验我们将在后文进一步探讨。
在控制变量方面。人力资本水平对引进模仿创新和自主创新的影响均不显著，这与“人力资本水平与技术创新能力显著正相关”的直觉不符，我们猜想，人力资本水平对技术创新的解释力可能更多地体现在质量层面上，而非数量层面上。
财政支出水平对引进模仿创新的影响系数在 10%的水平上显著为负，这主要是因为两者可能并不是简单的线性关系，而是呈现出“倒 U 型”，大量的财政拨款使企业获得了在不进行引进模仿创新投入的情况下维持其利润水平的能力，因此，企业倾向于依赖财政拨款而非继续提升自身的技术创新水平。
财政支出水平对自主创新的影响系数在 10%的水平上显著为正，这是因为不同于风险较低、收益稳定的引进模仿创新，自主创新的风险较高且收益不确定，因而更依赖于政府的财政支持。
贸易水平对引进模仿创新和自主创新的影响虽然在方向上为正，但均不显著，表明本文并不能为贸易水平促进技术创新提供证据。
经济发展水平的估计系数在模型1 中显著为负，在模型 5 中显著为正，表明随着经济发展水平的提升引进模仿创新在减少，自主创新则在增加。
金融发展的估计系数在模型 1 中不显著为负，在模型 5 中显著为负，表明金融发展在一定程度上抑制了技术创新水平的提升，原因在于中国金融抑制的长期存在和金融改革的滞后，使得金融发展水平滞后于实体经济的发展，无法为实体企业技术创新水平的进一步提升提供高质量的金融服务，导致了金融发展对技术创新的扭曲效应。
外资依存度对技术创新的影响并不显著，这与已有研究所提出的“外商直接投资能促进技术溢出、提高技术创新水平”的观点相左，我们认为外资进入对内资企业技术创新产生的挤出效应可能在一定程度上弱化了技术溢出对技术创新水平提升带来的积极影响。
（二）金融结构对技术创新影响效应的区域差异分析：
通过表 1 的描述性统计结果我们发现，我国三大地区之间在金融结构和技术创新水平上均存在较大差异，那么在空间维度上，金融结构对技术创新的影响效应是否有所差异？
为获得有针对性的研究结论，本文基于空间异质性视角分别对三大地区金融结构与技术创新之间的关系进行检验。其中，模型 2、模型 3 和模型 4 分别是针对东部地区、中部地区和西部地区以引进模仿创新为被解释变量的估计结果，与前文分析类似，这里的一步系统GMM 估计结果是有效的。
估计结果显示，金融结构变量的系数符号均为负，与预期一致，只是显著性水平略有差异，除东部地区未通过显著性检验外，中部地区和西部地区的金融结构变量均在 10%或 5%的水平上通过显著性检验。
此外，金融结构与金融生态环境交互项的估计系数与全国情况一致，均未通过显著性检验。这再次验证了我们的研究假设，表
明对于引进模仿创新而言，银行是更适宜的融资渠道，且相较于金融市场而言，银行的有效运行对金融生态环境的依赖较小。
模型 6、模型 7 和模型 8 分别是针对东部地区、中部地区和西部地区以自主创新为被解释变量的估计结果，与前文分析类似，这里的一步系统 GMM 估计结果是有效的。
估计结果显示，各地区金融结构对自主创新的影响效应存在明显差异，对东部地区存在显著的正效应，对中部地区和西部地区存在显著的负效应。
同时，值得注意的是，金融结构与金融生态环境交互项的估计系数在各地区均显著为正，并且由表 1 的均值水平可知，东部地
区金融生态环境最优，中部地区次之，西部地区最差，这说明由于金融生态环境的制约，金融结构对自主创新的影响很可能存在门槛效应，即只有当金融生态环境跨越一定的门槛值后，由金融市场为自主创新提供融资才是可行的。
对此可能的解释是，在金融生态环境较差的地区，信息不对称使得企业为获得金融市场的资金支持不得不让渡更多的股权，从而增加了企业的融资成本，阻碍了金融市场功能的发挥；
而银行通过债务合同、信贷配给机制、抵押清算等手段能够实施更加有效的资金监督，从而缓解金融生态环境中由于信息不对称所导致的逆向选择和道德风险等问题，因而在这一地区以银行为主导的金融结构更有利于推动自主创新。
而在金融生态环境相对较好的地区，法律制度和市场中介组织更加成熟，能够有效缓解资金供需双方的信息不对称，减少摩擦和不确定性，约束企业的道德风险，此时金融市场“风险共担，收益共享”的机制使其更能满足“高风险，高收益”的自主创新项目的金融需求，从而促进该地区自主创新水平的提升。
（三）稳健性检验：鲁棒性(Robustness)鲁棒性亦称健壮性、稳健性、强健性，是系统的健壮性，它是在异常和危险情况下系统生存的关键，是指系统在一定(结构、大小)的参数摄动下，维持某些性能的特性。
为确保研究结论的可靠性，除了采用上述变量进行控制、一步系统 GMM 估计技术和Robust 稳健标准误处理等措施外，这里还从以下两个方面进行了稳健性检验：
一方面，为克服异常值和非随机性对模型估计结果的影响，分别剔除 3%的技术创新极大值和极小值样本后进行估计；
另一方面，剔除 2005 年和 2014 年两年的样本后采用 2006—2013 年 30个省份的面板数据再次进行回归。
上述稳健性检验结果显示，各变量估计系数的符号与前文的估计结果基本一致，且系数波动较小，仅个别变量的显著性水平略有差异，表明本文的主要结论具有较好的稳健性。
五、金融结构对技术创新影响效应的进一步探讨：
由于金融生态环境的制约，金融结构对自主创新的影响可能存在着门槛效应。本部分尝试对两者之间复杂的非线性关系做进一步探讨，旨在揭示金融结构影响自主创新的门槛效应及其可能存在的区域差异。这里采用 Hansen（2000）提出的面板门槛数据模型（Threshold Panel Data Model），以金融生态环境作为门槛变量，构建如下计量模型：
自主创新=地区固定效应+a1···an金融结构*指示函数（金融生态环境≤门槛值）+an+1金融结构*指示函数（金融生态环境＞门槛值）+θ控制变量集合+随机扰动项
由于面板门槛模型要求各变量为平稳变量，为确保研究结论的可靠性，在对面板门槛模型进行估计前，首先分别采用 ADF 检验、LLC 检验和 IPS 检验对变量的平稳性进行检验，检验结果显示，包括金融结构和自主创新在内的所有变量均在 1%或 5%的显著性水平上拒绝原假设，表明本文所使用的面板数据是平稳的。
其次，使用 Hausman 检验在固定效应模型与随机效应模型之间进行选择，Hausman 检验在 1%的水平上拒绝了原假设，说明
采用固定效应模型更为合理。
在此基础上，使用 Hansen（2000）提出的“自举法” （Bootstrap）对门槛效应的显著性进行检验，以此判断是否存在门槛效应，进而确定门槛的个数及模型的具体形式。
表 3 列示了通过重叠模拟似然比检验统计量 300 次得到的 bootstrap P 值、F值，以及在 1%、5%和 10%显著性水平下的临界值。
从表 3 可以看出全国、东部地区和中部地区的金融生态环境门槛变量均在 1%或 5%的显著性水平上通过了单门槛、双门槛和三门槛检验，其中，全国的三个门槛值分别为 7.476、8.042 和 8.720，东部地区的三个门槛值分别为 7.473、8.118 和 8.762，中部地区的三个门槛值分别为 2.567、5.317 和 5.757。西部地区的金融生态环境门槛变量仅在 1%的显著性水平上通过了单门槛检验，且门槛值为 5.686。由此可见，由于金融生态环境的制约，金融结构对自主创新的影响确实存在着门槛效应，并呈现出一定的区域差异。
结合 Hausman检验和门槛效应检验的结果，本文采用固定效应的面板门槛模型对（5）式进行估计，其中，全国、东部地区和中部地区采用三门槛回归模型，西部地区采用单门槛回归模型。此外，为消除异方差的影响，分别对不同地域的研究样本进行稳健标准差检验，回归结果见表 4。
从全国层面看，三门槛模型根据金融生态环境的优劣，将整个样本划分为四个门槛区间，当金融生态环境处于不同的门槛区间时，金融结构对自主创新的影响显著不同。具体来看，当金融生态环境低于第一门槛值（ Market ≤ 7.476）时，金融结构对自主创新影响的估计系数在 1%的水平上显著为负，表明在此门槛区间内，金融体系中的市场主导作用越强反而会抑制自主创新水平的提升。
当金融生态环境跨越第一门槛值并小于第二门槛值时（7.476 Market ≤ 8.042），金融结构对自主创新影响的估计系数下降为-0.136，且不再显著。
当金融生态环境介于第二门槛值与第三门槛值之间时（8.042 Market ≤ 8.720），金融结构对自主创新的影响由负转正，并在 1%的水平上通过了显著性检验，表明金融结构对自主创新的影响在该门槛区间内表现出显著的正向效应。
当金融生态环境进一步跨越第三门槛值时（ Market 8.720），金融结构对自主创新的影响在 5%的水平上显著为正，但正向促进效应有所弱化。由此可见，市场主导型金融结构能否促进自主创新水平的提升，要受到金融生态环境的制约，只有当金融生态环境提高到一定程度，即跨越第二门槛之后，金融市场对自主创新的积极作用才能够被有效释放，这支持了前文的研究假设三。
东部地区与全国情况基本一致，随着金融生态环境的提升，金融结构对自主创新的影响呈现出明显的由负转正的趋势。
具体来看，当金融生态环境小于 7.473 时，金融结构对自主创新影响的估计系数在5%的水平上显著为负。当金融生态环境大于7.473且小于8.118时，金融结构对自主创新影响的估计系数仍在 10%的水平上显著为负，但影响力度有所减弱，下降为-0.182。当金融生态环境大于 8.118 且小于 8.762 时，金融结构对自主创新影响的估计系数在 1%的水平上显著为正，表明在该区间，市场主导型金融结构对自主创新水平的提升产生了显著的正向影响。
当金融生态环境大于 8.762 时，金融结构对自主创新的影响在 5%的水平上显著为正，但正向促进强度有所降低。可见，当金融生态环境较差时，直接融资占比越高越不利于自主创新水平的提升，而随着金融生态环境的改善，在对自主创新的贡献方面，间接融资的促进作用逐步减弱，直接融资的促进作用逐步增强，并在第三门槛区间达到最大，这再次验证了本文的研究假设三。
对于中部地区而言，随着金融生态环境门槛区间的变化，金融结构与自主创新之间呈现出较为复杂的非线性关系。
当金融生态环境小于 2.567 时，金融结构对自主创新影响的估计系数不显著为正，表明在第一门槛区间内金融结构对自主创新的影响效应不显著。
当金融生态环境大于 2.567 且小于 5.317 时，金融结构对自主创新影响的估计系数由正转负，但仍未通过显著性检验。
当金融生态环境大于 5.317 且小于 5.757 时，金融结构对自主创新的负向影响进一步增强至-0.605，并且在 1%的水平上通过了显著性检验。当金融生态环境大于 5.757 时，金融结构对自主创新的影响开始由负转正，并在 10%的水平上通过了显著性检验。表明在中部地区，只有当金融生态环境跨越第三门槛之后，金融市场对自主创新的积极作用才能够被有效释放，这支持了前文的研究假设三。
对于西部地区而言，以 5.686 的门槛值为界，当金融生态环境低于该门槛值时，金融结构对自主创新影响的估计系数不显著为负，表明在第一门槛区间内金融结构对自主创新的影响效应不显著。
当金融生态环境跨越该门槛值时，金融结构对自主创新的正向影响开始显现，并在 5%的水平上通过了显著性检验。
结合表 1 的变量描述性统计结果，西部地区的金融生态环境明显低于全国平均水平，较低的金融生态环境可能也正是导致西部地区市场主导型金融结构对自主创新产生负向影响的重要原因。
那么，为什么只有当金融生态环境跨越一定的门槛时，市场主导型金融结构才能促进自主创新水平的提升呢？究其原因，这主要在于金融市场上的股权融资不同于银行债务融资可以通过抵押、清算等制度约束企业的道德风险与逆向选择行为，因而更依赖于良好的金融生态环境来缓解信息不对称，减少投资摩擦和不确定性，维护投资者权益。可见，虽然金融市场“风险共担，收益共享”的机制使其更能满足“高风险，高收益”的自主创新项目的金融需求，从而促进地区自主创新水平的提升，但这种促进作用高度依赖于良好的金融生态环境。法律法规、会计准则、信息披露、信用体系等制度的缺失将抑制投资者的资金供给，提升金融市场的融资成本，降低金融市场对自主创新的支持力度。
六、结论及启示：本文在创新模式细分的基础上，以不同创新模式的风险收益特征差异为切入点，从理论和经验证据两方面考察了金融结构对技术创新的作用机理、影响效应及其区域差异，得到以下主要研究结论：
（1）不同风险-收益特征的创新模式会内生出不同的金融需求，进而需要具有不同功能特性的金融结构与其匹配。对于风险较低、收益稳定的引进模仿创新而言，银行是适宜的融资渠道；对于风险较高、收益不确定的自主创新而言，金融市场是更
优的选择。
（2）金融市场对自主创新的促进效应呈现出明显的区域差异，具体表现在，东部地区存在显著的促进效应，西部地区和中部地区存在一定的负面影响。
（3）由于金融生态环境的制约，金融结构对自主创新的影响确实存在着门槛效应，只有当金融生态环境跨越一定的门槛时，金融市场对自主创新的积极作用才能够被有效释放。
（4）金融结构对技术创新的门槛效应亦存在一定的空间异质性。区域层面的分析表明，东部地区、西部地区与全国整体情况基本一致，随着金融生态环境的提升，金融结构对自主创新的影响呈现出由负转正的趋势，中部地区金融结构对自主创新的影响则呈现出更为复杂的非线性关系。
本文研究结论表明，技术创新能力的持续提升有赖于金融结构的适时调整和金融生态环境的不断完善。这一结论对于中国的现实具有明晰的启示意义：
第一，在构建结构平衡、可持续的金融体系进程中，应以技术创新水平提升为导向，着力提高直接融资比重，改变以银行信用为基础、以存贷款为主体的间接金融架构，建设直接融资和间接融资协调发展的金融体系。在加快商业银行转型的同时大力发展多层次资本市场，拓宽创新型企业的融资渠道，助力技术创新水平的提升。
第二，应充分意识到金融生态环境约束下金融结构对技术创新的门槛效应，注重结合金融生态环境的发展实际，实施阶段性的金融结构转型政策，并随着金融生态环境的不断完善对金融结构进行动态调整与优化。同时以法治化和市场化为中心，构建层级适当、结构合理、内容科学的法律法规体系，严厉惩处虚假信息披露、内幕交易、操纵市场等金融市场违法违规行为，完善信息披露制度体系，健全社会信用系统，推进非商业银行性质的金融中介机构的改革与发展，以此全面营造有利于金融市场发展的金融生态环境。
第三，各地区在金融体系改革进程中应注重有针对性地调整金融体系的内部结构，结合地区金融生态环境的发展实际，制定因地适宜的金融结构转型政策。尤其是金融生态环境相对较差的中西部地区，更应在着力构建良好的金融生态环境的基础上适时提高直接融资占比，以促进地区技术创新水平的提升。
金融结构对技术创新的影响效应 及其区域差异研究（马 微 惠 宁）相关推荐
- 数字普惠金融与技术创新—基于企业生命周期视角
摘要:基于企业生命周期视角,综合实验2011-2020年中国A股上市公司.北京大学数字普惠金融指数和地级市面板数据,采用联合固定效应模型考察数字普惠金融对企业技术创新的影响效果和作用机制. 数据来源: ...
- 【观察】神州数码高质量发展背后，是技术创新“叠加效应”的释放
毫无疑问,在百年变局和世纪疫情的双重影响下,整个2022年科技行业的增速都在放缓,更对身处其中的科技企业的业务连续性和成长性提出了更高的考验. 尽管如此,神州数码(000034.SZ)仍然交出了一份令 ...
- 亚马逊云基础架构：一场从未停歇的技术创新革命
在亚马逊的每一份年报中,Jeff Bezos 都会附上一份 1997 年致股东信的原件副本.在信中,Bezos 概述了亚马逊是否成功的基本衡量标准:坚持不懈地关注客户.创造长期价值而不是关注企业短期利 ...
- 2022 CCF中国软件大会（CCF ChinaSoft）“金融科技前沿技术与发展”论坛成功召开...
2022年11月25日,2022年度CCF中国软件大会金融科技前沿技术与发展论坛成功召开.本次论坛由中国软件大会与汇丰科技共同举办,采取腾讯会议与在线直播两种方式线上进行.论坛聚焦国内外金融产业的数字 ...
- 支付宝的商业与技术创新双轮驱动 创造数字时代普惠金融“奇迹”
2019年6月28日,在中国国际软件博览会上,蚂蚁金服金融科技产品技术总监杨冰发表主题演讲,分享了蚂蚁金服在过去的十多年里,是如何通过商业创新与技术创新的双轮驱动,创造出数字时代的普惠金融" ...
- 恒生电子发布2023金融科技趋势研究报告，探索数智金融时代技术创新
12月8日,恒生电子在"数智·共生·向未来"2022恒生金融技术大会上正式发布<2023金融科技趋势研究报告>(以下简称"报告").该报告从安全可控 ...
- 工信部重点实验室非结构化数据技术创新实验基地揭牌成立
2021年12月31日,信息智能处理与内容安全工业和信息化部重点实验室--非结构化数据技术创新实验基地(以下简称"实验基地")在鸿翼正式揭牌成立,国家工业信息安全发展研究中心数据资 ...
- 将门CTO沈强：人工智能时代，技术创新将全面引爆商业变革
早在1956年,人工智能就在美国达特茅斯大学召开的学术会议上被提出,然而,经过整整一个甲子的起伏反复,却始终没能形成产业发展.进入2016年,借着AlphaGo与李世石的人机世纪对战,人工智能再次掀起 ...
- 人民日报三问区块链：区分是技术创新还是集资创新
近段时间,有关比特币的新闻非常吸睛,区块链也跟着火了一把.资本市场上,各种区块链概念股的股价涨跌犹如过山车般惊心动魄.从反应敏锐的资本市场可以看出,区块链正站上风口,受到各方高度关注. 什么是区块链? ...
最新文章
- 呵呵，哈哈，嘿嘿，从今天起就开始写博客文了
- Java基础部分自测题（持续更新）
- c++设计模式：单例模式
- CF思维联系– CodeForces - 991C Candies(二分)
- java 不写this_还没弄明白Java中的this关键字吗，那来看这篇就够了！
- MATLAB IIR滤波器设计函数buttord与butter
- PCA图像转正C++
- Java对泛型的支持（二）- 高级语法
- JAVA实训心得体会(精选4篇)
- 电工结业试卷_维修电工技师二级难吗考试内容怎么样
- YUV422_UYVY图像格式转RGB565
- 3dmax渲染计算机内存不足怎么办,3DMax渲染 提示内存不足怎么办
- Selenium实践-拉钩网招聘信息
- 除了秃顶，你和程序员大佬还有啥区别？
- parker派克柱塞泵PV046R1K1T1NUDM
- 泵体inventor制作教程_水泵体Inventor创建实例教程.ppt
- .avi文件转为.mp4
- 融合CV和NLP的视觉语义导航
- 移动OA系统推动企业发展的价值何在？
- 深度学习应用于脑电信号分析处理的相关论文，更新了......