金融集聚、政府支持與科技創(chuàng)新

魏學(xué)輝 段小雪

【摘要】基于2006 ～ 2016年我國285個地級及以上城市的面板數(shù)據(jù)， 在SDM基礎(chǔ)上構(gòu)建空間調(diào)節(jié)模型并對空間效應(yīng)進(jìn)行分解， 研究金融集聚對科技創(chuàng)新的空間效應(yīng)和政府支持的空間調(diào)節(jié)效應(yīng)， 結(jié)果表明：金融集聚具有空間溢出效應(yīng)， 不僅能促進(jìn)本地的科技創(chuàng)新， 還能促進(jìn)周邊地區(qū)的科技創(chuàng)新， 且這種促進(jìn)作用在西部地區(qū)最強(qiáng)， 其次為中部， 最后為東部; 當(dāng)?shù)卣С帜苷蛘{(diào)節(jié)本地金融集聚對本地科技創(chuàng)新的影響， 但對周邊地區(qū)的調(diào)節(jié)作用主要是通過本地創(chuàng)新的空間溢出效應(yīng)間接實(shí)現(xiàn)的， 政府支持的調(diào)節(jié)作用具有區(qū)域異質(zhì)性， 東部為正向調(diào)節(jié)， 西部為負(fù)向調(diào)節(jié)， 中部則無顯著的調(diào)節(jié)作用; 金融集聚的科技創(chuàng)新效應(yīng)和政府支持的空間調(diào)節(jié)效應(yīng)具有地區(qū)差異性， 金融集聚對本地科技創(chuàng)新的影響呈現(xiàn)“南北差異”特征， 其中影響最大的城市主要分布在我國關(guān)中天水地區(qū)、山東半島和中原城市群。 另外， 考慮周邊地區(qū)政府支持模型產(chǎn)生的直接調(diào)節(jié)效應(yīng)強(qiáng)于僅考慮本地政府支持的模型， 表明城市間的聯(lián)動政策產(chǎn)生了“1+1>2”的效果， 政府在制定政策時(shí)應(yīng)綜合考慮周邊鄰近地區(qū)的相關(guān)政策。

【關(guān)鍵詞】金融集聚;科技創(chuàng)新;政府支持;空間調(diào)節(jié)模型;空間效應(yīng)差異

【中圖分類號】F832? ? ? 【文獻(xiàn)標(biāo)識碼】A? ? ? 【文章編號】1004-0994（2021）02-0130-9

一、引言

隨著我國創(chuàng)新驅(qū)動戰(zhàn)略的實(shí)施， 科技創(chuàng)新逐漸成為經(jīng)濟(jì)增長的核心驅(qū)動力。 2018年中央經(jīng)濟(jì)工作會議明確指出要“強(qiáng)化科技創(chuàng)新， 推動重大科技創(chuàng)新取得新進(jìn)展”， 2020年全國兩會上提出要“穩(wěn)定支持基礎(chǔ)研究和應(yīng)用基礎(chǔ)研究”， “實(shí)行重點(diǎn)項(xiàng)目攻關(guān)揭榜掛帥， 誰能干就讓誰干”等有關(guān)科技創(chuàng)新的“金句”， 這充分體現(xiàn)了科技創(chuàng)新在中國經(jīng)濟(jì)社會發(fā)展中的關(guān)鍵地位。 而科技創(chuàng)新的發(fā)展需要良好的金融環(huán)境支持， 金融是現(xiàn)代經(jīng)濟(jì)的血液， 是國家重要的核心競爭力。 近年來， 隨著金融全球化的發(fā)展， 金融機(jī)構(gòu)和金融資源加速流動， 逐漸形成以城市為中心的金融集聚現(xiàn)象[1] ， 如英國倫敦、美國紐約、中國上海等， 金融集聚已經(jīng)成為現(xiàn)代金融發(fā)展的重要組織形式[2] ， 其形成有利于打造良好的金融環(huán)境， 提供高質(zhì)量的金融服務(wù)， 提高資源配置的有效性[3] ， 促進(jìn)集聚區(qū)科技創(chuàng)新蓬勃發(fā)展。 與此同時(shí)， 根據(jù)集聚經(jīng)濟(jì)理論， 金融集聚區(qū)的形成可產(chǎn)生“涓流效應(yīng)”， 促進(jìn)周邊鄰近地區(qū)的科技創(chuàng)新。 因此， 不斷推進(jìn)創(chuàng)新型國家建設(shè)的過程中， 提升金融集聚效應(yīng)， 促進(jìn)科技創(chuàng)新發(fā)展至關(guān)重要[4] 。

研究金融集聚與科技創(chuàng)新的關(guān)系時(shí)， 不能忽視政府行為對創(chuàng)新的影響。 在我國， 政府是重大科技攻關(guān)項(xiàng)目的主要承擔(dān)者， 是促進(jìn)我國構(gòu)建高效創(chuàng)新體系的關(guān)鍵因素[5] ， 政府支持直接影響科技創(chuàng)新的發(fā)展。 政府支持能夠降低企業(yè)創(chuàng)新成本[6] ， 激勵企業(yè)增加科技創(chuàng)新投入[7] ， 使企業(yè)與政府在創(chuàng)新投入中實(shí)現(xiàn)互補(bǔ)[8] ， 分散創(chuàng)新風(fēng)險(xiǎn)， 增強(qiáng)企業(yè)科技創(chuàng)新信心和積極性[9] ， 提高企業(yè)科技創(chuàng)新效率[10] ， 促進(jìn)創(chuàng)新產(chǎn)出增加[11，12]? 。 Garrett-Jones[13] 利用澳大利亞1980 ～ 2000年的面板數(shù)據(jù)進(jìn)行實(shí)證分析， 證明了州政府對科技創(chuàng)新的支持（包括投資建立知識共享平臺等）顯著促進(jìn)了企業(yè)的創(chuàng)新， 推動了國家創(chuàng)新體系的發(fā)展。 楊亭亭等[14] 以我國上市公司為樣本進(jìn)行實(shí)證分析， 發(fā)現(xiàn)政府支持不僅能促進(jìn)專利數(shù)量的增加， 還能提升專利的質(zhì)量， 并且這種促進(jìn)作用具有一定的持續(xù)性。

梳理相關(guān)文獻(xiàn)不難發(fā)現(xiàn)， 已有文獻(xiàn)多數(shù)研究了金融集聚或政府支持對科技創(chuàng)新的直接或間接影響[14-16] ， 但將金融集聚、政府支持與科技創(chuàng)新放在同一框架下研究尚屬空白。 基于此， 本文將政府支持作為調(diào)節(jié)變量納入研究金融集聚對科技創(chuàng)新影響的空間計(jì)量模型中， 構(gòu)建空間調(diào)節(jié)模型進(jìn)行深入分析， 并考慮到我國地理、歷史、文化等因素造成的地區(qū)差異， 進(jìn)一步進(jìn)行區(qū)域異質(zhì)性分析。 本文的研究貢獻(xiàn)在于：①現(xiàn)有文獻(xiàn)大多基于經(jīng)典的調(diào)節(jié)模型進(jìn)行研究， 而本文考慮了金融集聚和科技創(chuàng)新的空間相關(guān)性， 構(gòu)建空間調(diào)節(jié)模型并進(jìn)行空間效應(yīng)分解， 深入研究在政府支持的空間調(diào)節(jié)作用下金融集聚對科技創(chuàng)新的影響， 豐富了相關(guān)領(lǐng)域的研究; ②已有文獻(xiàn)多為基于省級數(shù)據(jù)或基于局部地區(qū)市級縣級數(shù)據(jù)的研究， 本文搜集整理了我國285個地級市2006 ～ 2016年的數(shù)據(jù)進(jìn)行實(shí)證分析， 采用地級市數(shù)據(jù)可以進(jìn)一步提升研究的精確性， 減少省級數(shù)據(jù)帶來的被平均與邊界數(shù)據(jù)突變現(xiàn)象; ③考慮到區(qū)位因素、發(fā)展基礎(chǔ)和自身?xiàng)l件造成的差異， 本文分別進(jìn)行了分地區(qū)、分城市的研究， 以深入分析政府調(diào)節(jié)作用的空間差異， 為不同地區(qū)不同城市科技創(chuàng)新發(fā)展提供相應(yīng)的政策建議， 提高我國整體科技創(chuàng)新水平。

二、理論機(jī)制與研究假設(shè)

（一）金融集聚與科技創(chuàng)新

金融集聚產(chǎn)生的集聚效應(yīng)能促進(jìn)科技創(chuàng)新。 根據(jù)集聚經(jīng)濟(jì)理論， 產(chǎn)業(yè)的空間集聚可促進(jìn)勞動力組織的專業(yè)化， 節(jié)約交易成本， 產(chǎn)生更為自由的信息傳播， 且集聚必然會引發(fā)競爭， 競爭促進(jìn)創(chuàng)新。 因此， 金融業(yè)作為一種特殊的產(chǎn)業(yè)， 其在空間上的集聚必然會產(chǎn)生同樣的集聚效應(yīng)， 這種集聚效應(yīng)主要包括外部規(guī)模經(jīng)濟(jì)效應(yīng)、網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)、資源優(yōu)化配置效應(yīng)等。 外部規(guī)模經(jīng)濟(jì)效應(yīng)主要是指金融集聚在形成的過程中， 伴隨著與其相關(guān)的輔助行業(yè)向金融中心的集聚發(fā)展[15] ， 有助于提高市場流動性， 降低融資經(jīng)營成本[16] ， 提供投融資便利[17] ， 進(jìn)而提高整個集聚區(qū)的金融服務(wù)水平[18] ， 保障科技創(chuàng)新活動擁有足夠的資金支持， 夯實(shí)創(chuàng)新基礎(chǔ); 網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)是指金融網(wǎng)絡(luò)為金融機(jī)構(gòu)與創(chuàng)新企業(yè)的信息交流提供了便利， 降低了信息搜集與共享的成本， 有利于金融機(jī)構(gòu)與企業(yè)建立信任機(jī)制， 降低企業(yè)的股權(quán)交易成本[19] 以及契約執(zhí)行與監(jiān)督成本[3] ， 降低投資風(fēng)險(xiǎn)， 增加對創(chuàng)新企業(yè)的長期投資; 資源優(yōu)化配置效應(yīng)是指金融集聚的形成有利于金融中介收集各種投資信息， 通過促進(jìn)金融機(jī)構(gòu)與實(shí)體企業(yè)的合作提高資源的配置效率[20] ， 既可為金融企業(yè)提供良好的投資服務(wù)又能滿足創(chuàng)新企業(yè)的融資需求， 從而促進(jìn)科技創(chuàng)新的發(fā)展。 基于此， 本文提出假設(shè)1：

假設(shè)1：金融集聚能促進(jìn)本地科技創(chuàng)新。

以克魯格曼為代表的新經(jīng)濟(jì)地理學(xué)派認(rèn)為， 地理因素對經(jīng)濟(jì)發(fā)展的影響不容忽視， 金融集聚推動資本和金融要素在空間范圍內(nèi)加速流動并重組。 金融集聚通過金融從業(yè)人員的業(yè)務(wù)活動、金融服務(wù)網(wǎng)絡(luò)的延伸等對周邊實(shí)體經(jīng)濟(jì)產(chǎn)生輻射效應(yīng)， 隨著金融集聚程度的提高和金融集聚區(qū)的發(fā)展， 各類金融資源和創(chuàng)新資源向周邊鄰近地區(qū)流動， 填補(bǔ)了鄰近地區(qū)創(chuàng)新企業(yè)的人才空缺， 并為創(chuàng)新企業(yè)提供資金支持， 從而提高勞動者素質(zhì)和企業(yè)生產(chǎn)效率， 促進(jìn)鄰近地區(qū)發(fā)展模式向技術(shù)密集型轉(zhuǎn)變[21] 。 因此， 本文提出假設(shè)2：

假設(shè)2：金融集聚具有空間溢出效應(yīng)， 能促進(jìn)周邊鄰近地區(qū)科技創(chuàng)新水平提高。

（二）金融集聚、政府支持與科技創(chuàng)新

梳理已有研究， 不難發(fā)現(xiàn)政府支持能對科技創(chuàng)新起到促進(jìn)作用。 政府支持包括直接支持和間接支持兩種。 直接支持就是政府直接對企業(yè)創(chuàng)新給予資金支持， 如政府直接給企業(yè)財(cái)政撥款、補(bǔ)貼等[22] ， 這樣的支持是對企業(yè)創(chuàng)新能力的肯定[23] ， 有助于提高企業(yè)融資的成功率， 降低融資成本[24] ， 分散創(chuàng)新風(fēng)險(xiǎn)， 增加企業(yè)進(jìn)行科技創(chuàng)新的決心和信心。 進(jìn)一步地， 獲得資金支持的企業(yè)， 一方面， 可將資金直接投入科技創(chuàng)新項(xiàng)目中， 增加企業(yè)研發(fā)投入， 降低企業(yè)創(chuàng)新成本[6] ， 提高企業(yè)科技創(chuàng)新積極性[25] ， 提升企業(yè)科技創(chuàng)新效率， 且這種創(chuàng)新效率的提升不受企業(yè)規(guī)模和產(chǎn)權(quán)類型限制[26] ， 從而提高整體科技創(chuàng)新水平。 章元等[27] 采用PSM和DID法基于中關(guān)村高新技術(shù)企業(yè)的數(shù)據(jù)進(jìn)行研究， 發(fā)現(xiàn)政府支持使專利產(chǎn)出數(shù)量顯著增加， Alecke等[28] 通過傾向匹配得分模型研究得到類似的結(jié)論：政府支持可以提高企業(yè)的研發(fā)投入， 增加企業(yè)獲得專利的數(shù)量; 企業(yè)可將獲得的資金用于培養(yǎng)科技創(chuàng)新人才， 給予創(chuàng)新人才更加豐厚的薪資待遇和創(chuàng)新獎勵[29] ， 提高其科技創(chuàng)新積極性， 促進(jìn)企業(yè)科技創(chuàng)新水平的提升。 間接支持是指政府制定實(shí)施的有利于科技創(chuàng)新的相關(guān)法律法規(guī)、政策制度等， 如稅收政策和政府事后對企業(yè)創(chuàng)新的補(bǔ)貼政策[22] 。 間接支持體現(xiàn)了政府支持科技創(chuàng)新的積極態(tài)度， 能增強(qiáng)企業(yè)和研究機(jī)構(gòu)的創(chuàng)新信心， 激勵企業(yè)積極開展創(chuàng)新活動， 吸引金融機(jī)構(gòu)增加對創(chuàng)新企業(yè)的投資， 進(jìn)而促進(jìn)科技創(chuàng)新。 由此， 提出假設(shè)3：

假設(shè)3：政府支持能正向調(diào)節(jié)金融集聚對科技創(chuàng)新的影響。

三、研究設(shè)計(jì)

（一）模型構(gòu)建

1. 基本模型構(gòu)建。 為了驗(yàn)證前文提出的假說， 本文利用我國2006 ～ 2016年285個地級及以上城市的面板數(shù)據(jù)構(gòu)建空間調(diào)節(jié)模型進(jìn)行實(shí)證分析。 空間調(diào)節(jié)模型是指在傳統(tǒng)空間計(jì)量模型中引入調(diào)節(jié)變量和解釋變量的交互項(xiàng)[30，31] ， 重點(diǎn)考察調(diào)節(jié)變量對本地的調(diào)節(jié)效應(yīng)， 有的還會引入空間交互項(xiàng)[32] ， 考察周邊地區(qū)調(diào)節(jié)變量變化對本地變量間關(guān)系的調(diào)節(jié)作用。 基于此， 本文首先構(gòu)建傳統(tǒng)空間杜賓（SDM）模型（模型1）， 然后在SDM的基礎(chǔ)上依次加入解釋變量與調(diào)節(jié)變量的交互項(xiàng)fa×gov（模型2）、空間交互項(xiàng)W×gov×fa（模型3）、調(diào)節(jié)變量的空間滯后項(xiàng)W×gov（模型4）， 整體研究框架如圖所示。

SDM模型形式為：

innoit=ρW×innoit+βfait+W×faitθ+[αnn=14zit]+ui+εit? ? ? ? ? （模型1）

式中， i表示地區(qū)， t表示時(shí)間， inno表示被解釋變量科技創(chuàng)新， fa表示解釋變量金融集聚， z表示控制變量， α是控制變量對因變量的影響系數(shù)， ui代表個體效應(yīng)， εit表示隨機(jī)誤差項(xiàng)。 ρ是被解釋變量空間滯后項(xiàng)的系數(shù)， θ是解釋變量空間滯后項(xiàng)的系數(shù)， 分別表示科技創(chuàng)新和金融集聚的空間自相關(guān)性。 W是空間權(quán)重矩陣， 本文選用鄰接空間權(quán)重矩陣進(jìn)行分析， 即如果兩地區(qū)地理上相鄰， 則權(quán)重矩陣對應(yīng)的元素取1， 否則取0 ①。

空間調(diào)節(jié)模型（模型2、3、4）的表達(dá)式為：

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+β2govit+[αnn=14zit]+ui+εit? （模型2）

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+W×govit×faitθ1+β2govit+[αnn=14zit]+ui+εit? （模型3）

innoit=ρW×innoit+βfait+W×faitθ+β1fait×govit+W×govit×faitθ1+β2govit+Wgovitθ2+[αnn=14zit]+ui+εit

（模型4）

模型2 ～ 模型4中：gov表示調(diào)節(jié)變量政府支持， β1是解釋變量與調(diào)節(jié)變量交互項(xiàng)的系數(shù)， 表示本地政府支持對本地金融集聚與科技創(chuàng)新的影響; θ1是空間交互項(xiàng)的系數(shù)， 表示周邊地區(qū)的政府支持對本地金融集聚與科技創(chuàng)新間關(guān)系的影響; β2和θ2分別是調(diào)節(jié)變量和調(diào)節(jié)變量空間滯后項(xiàng)對被解釋變量的影響系數(shù)， 其余符號含義與模型1相同。

2. 空間效應(yīng)分解。

（1）空間杜賓模型的效應(yīng)分解。 在空間杜賓模型中， 系數(shù)估計(jì)值并不能反映真實(shí)的偏回歸系數(shù)， 需要利用求偏微分的方法將解釋變量的邊際效應(yīng)分解為直接效應(yīng)、間接效應(yīng)（空間溢出效應(yīng)）和總效應(yīng)[33] 。 直接效應(yīng)反映了金融集聚對本地區(qū)科技創(chuàng)新的平均影響， 間接效應(yīng)反映了金融集聚對鄰近地區(qū)科技創(chuàng)新的平均影響， 總效應(yīng)則反映了金融集聚對整個區(qū)域產(chǎn)生的影響[34] 。 具體計(jì)算過程如下：

將SDM模型進(jìn)行變換得到模型5：

lninno=（In-ρW）-1faβ+（In-ρW）-1Wfaθ+（In-ρW）-1z+（In-ρW）-1ui+（In-ρW）-1ε=? ? ?Sr（W）far+

V（W）z+V（W）ui+V（W）ε （模型5）

其中， V（W）=（In-ρW）-1， Sr（W）=V（W）×（Inβ+Wθ）， Sr（W）即為LeSage 和 Pace[33] 提出的效應(yīng)偏微分矩陣， 其矩陣形式為：

Sr（W）=[? ? ? ? ? ? ? ? ? ? ? …? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?…? ? ? ? ? ?????? ? ? ? ? ? ? ? ? ? ? …? ? ? ? ? ?]

（模型6）

矩陣主對角線上元素反映了金融集聚對科技創(chuàng)新影響的直接效應(yīng)， 非主對角線上元素反映了金融集聚對科技創(chuàng)新影響的間接效應(yīng)， 總效應(yīng)為直接效應(yīng)與間接效應(yīng)之和。

（2）空間調(diào)節(jié)模型的效應(yīng)分解。 與空間杜賓模型類似， 空間調(diào)節(jié)模型中調(diào)節(jié)項(xiàng)的邊際效應(yīng)同樣需要進(jìn)行效應(yīng)分解以研究調(diào)節(jié)項(xiàng)對變量的實(shí)際影響。

僅引入金融集聚與政府支持交互項(xiàng)的空間調(diào)節(jié)模型2， 其效應(yīng)分解過程為：

lninno=（In-ρW）-1faβ+（In-ρW）-1Wfaθ+（In-ρW）-1fa×gov×β1+（In-ρW）-1z+（In-ρW）-1ui+（In-ρW）-1ε

=? ? ?Sr（W）far+? ? Sr1（W）（fa×gov）r+V（W）z+

V（W）ui+V（W）ε? ? （模型7）

式中， Sr1（W）=（In-ρW）-1β1=V（W）β1表示空間調(diào)節(jié)效應(yīng)， 類似地， 引入空間交互項(xiàng)的調(diào)節(jié)模型3和模型4的調(diào)節(jié)效應(yīng)為Sr1（W）=V（W）（Inβ1+Wθ1）。 其主對角元素為直接調(diào)節(jié)效應(yīng)， 具體為當(dāng)?shù)卣С謱Ρ镜亟鹑诩叟c科技創(chuàng)新間關(guān)系的調(diào)節(jié)效應(yīng); 非主對角元素為間接調(diào)節(jié)效應(yīng)， 具體為本地政府支持對本地金融集聚與周邊地區(qū)科技創(chuàng)新間關(guān)系的調(diào)節(jié)效應(yīng); 直接調(diào)節(jié)效應(yīng)和間接調(diào)節(jié)效應(yīng)之和為總調(diào)節(jié)效應(yīng)。

（二）變量說明與數(shù)據(jù)來源

1. 變量說明。 考慮到我國的實(shí)際情況與數(shù)據(jù)的可獲得性、統(tǒng)一性和連續(xù)性， 參考已有相關(guān)文獻(xiàn)的結(jié)果[23] ， 選取區(qū)位熵指數(shù)來衡量核心解釋變量金融集聚fa， 其計(jì)算公式為：

fait=[? ? ? ? ? ? ? ? ? ? ? ? ? ?] （模型8）

式中， Eit、GDPit分別表示i城市t時(shí)期末城鄉(xiāng)居民儲蓄余額和當(dāng)?shù)貒鴥?nèi)生產(chǎn)總值GDP， Et、GDPt分別表示全國t時(shí)期末城鄉(xiāng)居民儲蓄余額和GDP。

在被解釋變量的選擇上， 本文選用“城市創(chuàng)新力指數(shù)”來衡量科技創(chuàng)新inno。 “城市創(chuàng)新力指數(shù)”來源于復(fù)旦大學(xué)產(chǎn)業(yè)發(fā)展研究中心所編制的《中國城市和產(chǎn)業(yè)創(chuàng)新力報(bào)告2017》， 這份報(bào)告計(jì)算了2005 ～ 2016年全國338個城市的創(chuàng)新力指數(shù)， 為保持樣本城市的一致性， 本文選取2006 ～ 2016年285個城市的數(shù)據(jù)進(jìn)行實(shí)證分析。 在調(diào)節(jié)變量的選擇上， 本文選用各城市財(cái)政支出中科學(xué)技術(shù)支出所占比例來衡量政府支持gov。 關(guān)于控制變量， 綜合已有研究可知， 地區(qū)經(jīng)濟(jì)發(fā)展水平、產(chǎn)業(yè)結(jié)構(gòu)、固定資產(chǎn)投資水平和對外開放水平對科技創(chuàng)新均有一定的影響， 本文以城市人均GDP來衡量經(jīng)濟(jì)發(fā)展水平pgdp， 以第二產(chǎn)業(yè)占第三產(chǎn)業(yè)的比重來衡量產(chǎn)業(yè)結(jié)構(gòu)stru， 以城市固定資產(chǎn)投資水平占GDP的比重來衡量投資水平inv， 以實(shí)際利用外商直接投資額來衡量對外開放水平fdi。

2. 數(shù)據(jù)來源。 本文基于2006 ～ 2016年我國285個地級及以上城市的數(shù)據(jù)進(jìn)行實(shí)證分析， 囿于數(shù)據(jù)可得性與一致性， 剔除了若干地級市單元。 所用數(shù)據(jù)除“城市創(chuàng)新力指數(shù)”外， 均來自于歷年《中國城市統(tǒng)計(jì)年鑒》和《中國區(qū)域經(jīng)濟(jì)統(tǒng)計(jì)年鑒》， 主要變量的描述性統(tǒng)計(jì)結(jié)果如表1所示。

四、實(shí)證分析

（一）空間相關(guān)性檢驗(yàn)與模型選擇

為了確定金融集聚與科技創(chuàng)新是否具有空間相關(guān)性， 即鄰近區(qū)域的變量取值是否具有集聚效應(yīng)， 需要對其進(jìn)行空間自相關(guān)檢驗(yàn)。 目前， 最常用的檢驗(yàn)方法為Moran's I檢驗(yàn)， Moran's I指數(shù)越接近1表示鄰近地區(qū)的相似程度越高， 處于高（低）值集聚狀態(tài); 越接近-1， 表示鄰近地區(qū)的差異越大， 處于低高（高低）集聚狀態(tài)。 本文采用全局Moran's I檢驗(yàn)， 結(jié)果如表2所示， 科技創(chuàng)新與金融集聚均表現(xiàn)出顯著的空間相關(guān)性， 說明采用SDM是合適的。 考慮到我國各個地級市的金融發(fā)展水平、科技創(chuàng)新水平均存在差異， 構(gòu)建模型分析時(shí)不能忽略這種差異， 進(jìn)一步地， 根據(jù)空間Hausman檢驗(yàn)的結(jié)果， chisq統(tǒng)計(jì)量的值為6528.4， 通過了1%的顯著性水平檢驗(yàn)， 由此選擇固定效應(yīng)模型。 因此， 最終本文選擇個體固定效應(yīng)的空間杜賓模型進(jìn)行分析， 并運(yùn)用極大似然估計(jì)法進(jìn)行估計(jì)。

（二）模型估計(jì)結(jié)果

空間杜賓模型和空間調(diào)節(jié)模型的估計(jì)結(jié)果如表3所示， 模型1為SDM模型， 模型2 ～ 模型4為空間調(diào)節(jié)模型。 由模型1的估計(jì)結(jié)果可知， 不考慮政府支持的調(diào)節(jié)作用時(shí)， fa的系數(shù)為0.777， 且在1%的統(tǒng)計(jì)水平上顯著， 說明金融集聚對本地科技創(chuàng)新具有顯著的促進(jìn)作用， 證明了假設(shè)1。 這種促進(jìn)作用主要是通過金融集聚產(chǎn)生的外部規(guī)模經(jīng)濟(jì)效應(yīng)、網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)和資源優(yōu)化配置效應(yīng)實(shí)現(xiàn)的， 金融集聚的形成伴隨著與其相關(guān)的輔助行業(yè)或社會中介服務(wù)業(yè)向金融中心的集聚發(fā)展， 有利于提高整個集聚區(qū)的金融服務(wù)水平， 提高市場流動性， 促進(jìn)金融機(jī)構(gòu)與其他相關(guān)行業(yè)的信息交流和資源共享， 降低信息不對稱和金融中介獲取信息的成本， 為金融中介收集各種投融資信息提供便利， 提高資源的配置效率， 增加創(chuàng)新企業(yè)獲得投資的機(jī)會， 緩解創(chuàng)新企業(yè)的信貸約束， 保障科技創(chuàng)新活動具有足夠的資金支持， 促進(jìn)科技創(chuàng)新的發(fā)展。 另外， 金融集聚和科技創(chuàng)新的空間滯后項(xiàng)系數(shù)均在1%的統(tǒng)計(jì)水平上顯著為正， 進(jìn)一步證實(shí)了金融集聚和科技創(chuàng)新均具有顯著的正向空間相關(guān)性， 即本地區(qū)金融集聚對周邊鄰近地區(qū)的科技創(chuàng)新具有顯著的促進(jìn)作用， 且本地區(qū)科技創(chuàng)新水平的提高可帶動周邊地區(qū)科技創(chuàng)新， 證明了本文的假設(shè)2。

模型2 ～ 模型4考察了鄰接權(quán)重矩陣模型中地方政府支持對金融集聚與科技創(chuàng)新間關(guān)系的調(diào)節(jié)作用。 首先， 就政府支持與金融集聚的交互項(xiàng)而言， 在三個空間調(diào)節(jié)模型中其系數(shù)均為正且通過了1%的顯著性水平檢驗(yàn)， 說明當(dāng)?shù)卣С帜苷蛘{(diào)節(jié)本地區(qū)金融集聚與科技創(chuàng)新間的關(guān)系， 證明了假設(shè)3。 本地政府對科技創(chuàng)新的支持有利于增加企業(yè)對創(chuàng)新的信心， 促使企業(yè)將更多的資金投入到創(chuàng)新活動中; 增加企業(yè)與金融機(jī)構(gòu)的信息交流與合作， 提高資源的配置效率， 進(jìn)一步增強(qiáng)金融集聚的網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)和資源優(yōu)化配置效應(yīng)， 促進(jìn)當(dāng)?shù)氐目萍紕?chuàng)新， 因此， 本地政府支持能增強(qiáng)本地區(qū)金融集聚對科技創(chuàng)新的促進(jìn)作用。 其次， 不難發(fā)現(xiàn)三個模型中金融集聚fa和其空間滯后項(xiàng)W×fa的系數(shù)經(jīng)政府支持調(diào)節(jié)后仍在1%的統(tǒng)計(jì)水平上顯著為正， 與SDM模型相比， W×fa的系數(shù)估計(jì)值隨著調(diào)節(jié)項(xiàng)與其空間滯后項(xiàng)引入模型逐漸增大（0.307<0.355<0.475< 0.608）， 說明引入政府支持后， 本地金融集聚的空間溢出效應(yīng)增強(qiáng)， 即本地與周邊地區(qū)政府對創(chuàng)新的政策支持能進(jìn)一步增強(qiáng)金融集聚的溢出效應(yīng)， 有利于帶動周邊地區(qū)的科技創(chuàng)新， 縮小區(qū)域創(chuàng)新差距。 因此， 地方政府在制定政策時(shí)應(yīng)適當(dāng)關(guān)注周邊地區(qū)的相關(guān)政策， 以綜合考慮地區(qū)間的相互影響， 最大限度發(fā)揮政策的引導(dǎo)作用。

（三）效應(yīng)分解結(jié)果

根據(jù)LeSage和Pace[33] 的理論， 本文將金融集聚和政府支持系數(shù)的邊際效應(yīng)分解為直接效應(yīng)、間接效應(yīng)和總效應(yīng)， 結(jié)果列于表4中。 整體來看， 模型1 ～ 模型4中金融集聚對科技創(chuàng)新影響的直接、間接和總效應(yīng)均為正且在1%的統(tǒng)計(jì)水平上顯著， 說明金融集聚不僅對本地科技創(chuàng)新具有顯著的促進(jìn)作用， 而且對周邊鄰近地區(qū)的科技創(chuàng)新具有顯著的空間溢出效應(yīng)， 能促進(jìn)周邊地區(qū)創(chuàng)新水平的提高， 再次證明了假設(shè)1和假設(shè)2。 具體而言， 模型2和模型3的空間調(diào)節(jié)效應(yīng)分解結(jié)果存在顯著的差異， 模型2的直接調(diào)節(jié)效應(yīng)、間接調(diào)節(jié)效應(yīng)和總調(diào)節(jié)效應(yīng)均在1%的統(tǒng)計(jì)水平上顯著為正， 模型3僅有直接調(diào)節(jié)效應(yīng)顯著為正， 間接調(diào)節(jié)效應(yīng)和總調(diào)節(jié)效應(yīng)均不顯著。 這說明當(dāng)?shù)卣С謨H對本地區(qū)金融集聚與科技創(chuàng)新的關(guān)系產(chǎn)生直接的正向調(diào)節(jié)作用， 而對周邊地區(qū)的空間調(diào)節(jié)作用主要是通過本地區(qū)科技創(chuàng)新的溢出效應(yīng)間接體現(xiàn)的， 再次證明了假設(shè)3， 這一結(jié)果通過在模型4中引入政府支持的空間滯后項(xiàng)得到了進(jìn)一步的驗(yàn)證。 由模型4的效應(yīng)分解結(jié)果可知， 加入政府支持的空間滯后項(xiàng)， 金融集聚項(xiàng)與調(diào)節(jié)項(xiàng)產(chǎn)生的效應(yīng)并未發(fā)生顯著變化， 證明了模型3回歸結(jié)果的穩(wěn)健性。

（四）穩(wěn)健性檢驗(yàn)

前文基于鄰接空間權(quán)重矩陣實(shí)證檢驗(yàn)了金融集聚的科技創(chuàng)新效應(yīng)和政府支持的空間調(diào)節(jié)效應(yīng)， 然而在空間計(jì)量模型中， 空間權(quán)重矩陣的選擇對檢驗(yàn)結(jié)果的影響不可忽視， 僅以鄰接空間權(quán)重矩陣進(jìn)行分析得到的結(jié)論可能具有一定的片面性。 為消除這種片面性， 檢驗(yàn)前文結(jié)論的穩(wěn)健性， 本文選用地理距離權(quán)重矩陣進(jìn)行研究。 為了避免“孤島”的出現(xiàn)， 確保每個城市均至少有1個城市與其相鄰， 本文建立地理距離權(quán)重矩陣時(shí)將閾值設(shè)為距離最大值， 即每個城市的鄰近地區(qū)均為其余284個城市， 檢驗(yàn)結(jié)果列于表5中②。 結(jié)果顯示， 在基于地理距離權(quán)重矩陣的空間杜賓模型和空間調(diào)節(jié)模型中， 金融集聚對科技創(chuàng)新影響的直接效應(yīng)和間接效應(yīng)均在1%的統(tǒng)計(jì)水平上顯著為正， 證明了前文結(jié)論的穩(wěn)健性：金融集聚不僅對本地科技創(chuàng)新具有顯著的促進(jìn)作用， 而且對周邊鄰近地區(qū)的科技創(chuàng)新具有顯著的空間溢出效應(yīng)。 此外， 在空間調(diào)節(jié)模型中， 模型2政府支持的直接調(diào)節(jié)效應(yīng)和間接調(diào)節(jié)效應(yīng)均顯著為正， 表明當(dāng)?shù)卣饶苷蛘{(diào)節(jié)本地區(qū)金融集聚對科技創(chuàng)新的影響， 又能正向調(diào)節(jié)本地區(qū)金融集聚對周邊鄰近地區(qū)科技創(chuàng)新的影響; 進(jìn)一步地， 加入空間交互項(xiàng)后的模型3和模型4產(chǎn)生的間接調(diào)節(jié)效應(yīng)顯著為負(fù)， 表明當(dāng)?shù)卣С謱χ苓叺貐^(qū)的正向空間調(diào)節(jié)作用主要是通過本地區(qū)科技創(chuàng)新的溢出效應(yīng)間接體現(xiàn)的， 與前文所得結(jié)論一致。

五、進(jìn)一步研究

（一）空間效應(yīng)的異質(zhì)性分析

Lesage和Pace[34] 提出的直接效應(yīng)和間接效應(yīng)僅是研究對象所有空間單元上的“平均”空間效應(yīng)， 這種處理方式雖然在地理空間單元數(shù)量較多的情況下極大簡化了效應(yīng)計(jì)算過程中矩陣的運(yùn)算， 但同時(shí)也喪失了對空間效應(yīng)的統(tǒng)計(jì)分布及地區(qū)差異特征等信息的“捕捉”。 考慮到本文的研究對象僅為我國的285個地級市， 且由于歷史原因我國各地區(qū)間的地理、經(jīng)濟(jì)、文化差異較大， 本文認(rèn)為針對金融集聚對科技創(chuàng)新的空間效應(yīng)和政府支持的空間調(diào)節(jié)效應(yīng)， 分析其分布特征與空間差異更具現(xiàn)實(shí)意義。 為此， 需要重新計(jì)算邊際效應(yīng)矩陣中的每一個元素， 識別不同地區(qū)變量間影響的空間效應(yīng)。 需要特別指出的是， 為得到不同地區(qū)空間效應(yīng)的顯著性水平， 本文借鑒Lesage和Pace[34] 的方法， 利用模型極大似然估計(jì)結(jié)果， 從多元正態(tài)分布中隨機(jī)抽取參數(shù)模擬值， 并據(jù)此計(jì)算各地區(qū)的空間效應(yīng)， 且重復(fù)此過程2000次， 從而得到其經(jīng)驗(yàn)分布以及顯著性水平， 表6為本文計(jì)算的各地區(qū)空間效應(yīng)的描述性統(tǒng)計(jì)結(jié)果。

首先， 無論是在空間杜賓模型還是空間調(diào)節(jié)模型中， 金融集聚對科技創(chuàng)新影響的直接效應(yīng)均呈現(xiàn)出顯著的“南北差異”， 直接效應(yīng)最強(qiáng)的城市主要分布在我國關(guān)中天水地區(qū)、山東半島和中原城市群， 包括蘭州、漢中、西寧、寶雞、安陽、鶴壁、鄭州等城市， 說明在這些城市金融集聚對本地科技創(chuàng)新的促進(jìn)作用最強(qiáng); 而我國現(xiàn)在已經(jīng)形成的幾個典型金融中心， 如北京、上海、廣州、深圳等城市金融集聚的直接效應(yīng)處于居中的位置， 說明在這幾個金融中心城市金融集聚對本地科技創(chuàng)新的促進(jìn)作用不強(qiáng)。 這可能是因?yàn)槟壳拔覈鴰讉€金融中心城市的發(fā)展已處于成熟階段， 從集聚區(qū)內(nèi)的金融機(jī)構(gòu)與企業(yè)的數(shù)量來看， 市場已處于飽和狀態(tài)， 因此金融集聚的促進(jìn)作用有限; 而關(guān)中天水地區(qū)、中原城市群、山東半島的城市金融業(yè)發(fā)展不完善， 這些城市金融集聚的外部規(guī)模經(jīng)濟(jì)效應(yīng)、網(wǎng)絡(luò)經(jīng)濟(jì)效應(yīng)和資源優(yōu)化配置效應(yīng)強(qiáng)， 對本地科技創(chuàng)新的促進(jìn)作用大， 尤其是中原城市群。 2016年12月國務(wù)院在《中原城市群發(fā)展規(guī)劃》中明確指出要將其打造成中國經(jīng)濟(jì)發(fā)展的新增長極、中西部地區(qū)創(chuàng)新創(chuàng)業(yè)先行區(qū)， 進(jìn)一步增加了中原城市群對各類人才、資源的吸引力。

其次， 我國城市間的聯(lián)動政策產(chǎn)生了“1+1>2”的效果。 從空間調(diào)節(jié)效應(yīng)來看， 模型2的直接調(diào)節(jié)效應(yīng)與金融集聚直接效應(yīng)在區(qū)域影響方面類似， “南北差異”特征顯著， 直接調(diào)節(jié)效應(yīng)最強(qiáng)的城市主要分布在我國北部地區(qū)， 表明對我國北部的城市而言， 政府對創(chuàng)新的支持能夠正向調(diào)節(jié)金融集聚對科技創(chuàng)新的促進(jìn)作用。 在此基礎(chǔ)上加入空間交互項(xiàng)的模型3和模型4， 直接調(diào)節(jié)效應(yīng)的分布特征顯著區(qū)別于模型2， 效應(yīng)最強(qiáng)的城市主要分布在我國南部和東北兩大區(qū)域。 值得注意的是， 模型2中直接調(diào)節(jié)效應(yīng)最弱的城市恰好是模型3和模型4中直接調(diào)節(jié)效應(yīng)最強(qiáng)的城市， 說明考慮到周邊地區(qū)政府支持對本地創(chuàng)新的聯(lián)動影響時(shí)， 我國南部地區(qū)和東北地區(qū)的政府支持對當(dāng)?shù)亟鹑诩酆涂萍紕?chuàng)新間關(guān)系的正向調(diào)節(jié)效應(yīng)遠(yuǎn)大于北部地區(qū)， 表明城市間的聯(lián)動政策產(chǎn)生了“1+1>2”的效果。

（二）分地區(qū)回歸

鑒于我國不同城市的金融集聚程度和科技創(chuàng)新水平不同， 本文根據(jù)傳統(tǒng)區(qū)位劃分法， 將全國285個地級市按照其所處地理位置的不同分為東、中、西三大區(qū)域進(jìn)行空間計(jì)量回歸和空間效應(yīng)分解， 研究金融集聚科技創(chuàng)新效應(yīng)和政府支持空間調(diào)節(jié)效應(yīng)的區(qū)域異質(zhì)性， 表7列出了其效應(yīng)分解結(jié)果。

由表7回歸結(jié)果可以看出， 東、中、西部地區(qū)模型中金融集聚對科技創(chuàng)新影響的直接效應(yīng)均顯著為正， 說明三大地區(qū)金融集聚程度的提高均能促進(jìn)本地的科技創(chuàng)新， 但是其促進(jìn)作用大小存在顯著的區(qū)域異質(zhì)性。 不論是SDM模型還是空間調(diào)節(jié)模型， 金融集聚的科技創(chuàng)新效應(yīng)均呈現(xiàn)西部最大、中部次之、東部最小的特征， 說明在西部地區(qū)金融集聚程度的提高對科技創(chuàng)新的促進(jìn)作用最強(qiáng)， 其次為中部地區(qū)， 最后為東部地區(qū)。 因?yàn)橄啾绕渌貐^(qū)， 東部是我國金融高度集聚的地區(qū)， 金融行業(yè)規(guī)模較大， 金融市場發(fā)展較為成熟， 隨著金融集聚程度的不斷提高， 集聚區(qū)逐漸呈現(xiàn)擁擠的態(tài)勢， 行業(yè)競爭壓力增加， 甚至出現(xiàn)創(chuàng)新資源浪費(fèi)的現(xiàn)象; 中部地區(qū)和西部地區(qū)金融業(yè)處于快速發(fā)展期， 金融集聚區(qū)仍處于成長階段， 創(chuàng)新企業(yè)對資金的需求旺盛， 且西部地區(qū)的經(jīng)濟(jì)發(fā)展水平低于中部地區(qū)， 因此金融集聚對科技創(chuàng)新的影響在西部地區(qū)作用最強(qiáng)， 中部次之， 東部最小。

政府支持的空間調(diào)節(jié)效應(yīng)也存在顯著的區(qū)域異質(zhì)性， 三個調(diào)節(jié)模型中政府支持的直接調(diào)節(jié)效應(yīng)均呈現(xiàn)東部顯著為正、西部顯著為負(fù)、中部不顯著的特征， 說明東部地區(qū)政府支持能正向調(diào)節(jié)當(dāng)?shù)亟鹑诩蹖萍紕?chuàng)新的促進(jìn)作用， 西部地區(qū)政府支持對當(dāng)?shù)亟鹑诩叟c科技創(chuàng)新間的關(guān)系具有負(fù)向調(diào)節(jié)作用， 中部地區(qū)政府支持的調(diào)節(jié)作用不顯著。 因?yàn)榻鹑诩鄱雀叩臇|部地區(qū)金融創(chuàng)新頻率高， 導(dǎo)致金融風(fēng)險(xiǎn)增加， 降低了金融監(jiān)管的有效性和金融體系的穩(wěn)定性， 而政府對科技創(chuàng)新的支持有利于引導(dǎo)金融市場有序發(fā)展， 降低金融風(fēng)險(xiǎn)， 促使更多的資金流向科技創(chuàng)新領(lǐng)域， 因此能產(chǎn)生正向調(diào)節(jié)作用; 西部地區(qū)金融集聚尚處于發(fā)展初期， 各地區(qū)對金融資源、創(chuàng)新資源的爭奪激烈， 金融市場發(fā)展不完善， 企業(yè)科技創(chuàng)新技術(shù)不成熟， 導(dǎo)致政府無法準(zhǔn)確地把握市場環(huán)境及其變化， 再加上信息不對稱的影響， 政府支持可能會錯誤地引導(dǎo)創(chuàng)新的方向， 產(chǎn)生負(fù)向調(diào)節(jié)作用; 中部地區(qū)相較于西部地區(qū)金融集聚度較高， 相較于東部地區(qū)金融集聚度較低， 因此， 中部地區(qū)政府對創(chuàng)新的支持可能處于由負(fù)向調(diào)節(jié)向正向調(diào)節(jié)轉(zhuǎn)變的階段， 調(diào)節(jié)作用不顯著。

六、結(jié)論與政策建議

（一）結(jié)論

本文借鑒LeSage和Pace[34] 定義的空間效應(yīng)矩陣， 創(chuàng)新性地提出變量的空間調(diào)節(jié)效應(yīng)矩陣， 運(yùn)用2006 ～ 2016年我國285個地級及以上城市的面板數(shù)據(jù)， 首先構(gòu)建空間杜賓模型和空間調(diào)節(jié)模型研究金融集聚的科技創(chuàng)新效應(yīng)及政府支持的空間調(diào)節(jié)效應(yīng)， 然后進(jìn)一步對變量的直接效應(yīng)、間接效應(yīng)和總效應(yīng)進(jìn)行多維度空間分解， 并按照傳統(tǒng)的區(qū)位劃分法進(jìn)行分地區(qū)研究， 以捕捉“空間效應(yīng)”的地區(qū)差異。 研究結(jié)果表明：金融集聚不僅能促進(jìn)本地的科技創(chuàng)新， 而且能產(chǎn)生空間溢出效應(yīng)帶動周邊地區(qū)科技創(chuàng)新的發(fā)展; 進(jìn)一步地， 金融集聚對科技創(chuàng)新的影響存在顯著的區(qū)域異質(zhì)性， 西部的影響最強(qiáng)， 其次為中部， 最后為東部。 整體來看， 當(dāng)?shù)卣С志哂酗@著為正的直接調(diào)節(jié)效應(yīng)， 能增強(qiáng)本地區(qū)金融集聚對科技創(chuàng)新的促進(jìn)作用， 但對周邊鄰近地區(qū)的空間調(diào)節(jié)作用主要是通過本地區(qū)科技創(chuàng)新的空間溢出效應(yīng)實(shí)現(xiàn)的; 分地區(qū)來看， 東部地區(qū)政府支持正向調(diào)節(jié)當(dāng)?shù)亟鹑诩蹖Ρ镜乜萍紕?chuàng)新的影響， 西部地區(qū)為負(fù)向調(diào)節(jié)， 中部地區(qū)則無顯著的調(diào)節(jié)作用。 金融集聚對本地科技創(chuàng)新促進(jìn)作用最強(qiáng)的城市主要分布在我國關(guān)中天水地區(qū)、山東半島和中原城市群。 此外， 城市間的聯(lián)動政策產(chǎn)生了“1+1>2”的效果， 與只考慮當(dāng)?shù)卣С之a(chǎn)生的直接調(diào)節(jié)效應(yīng)相比， 綜合考慮周邊地區(qū)和本地區(qū)政府支持的聯(lián)動影響時(shí)， 產(chǎn)生的直接調(diào)節(jié)效應(yīng)更強(qiáng)。

（二）政策建議

綜合以上結(jié)論， 本文提出以下幾點(diǎn)政策建議：

第一， 要統(tǒng)籌考慮金融集聚區(qū)域間的金融發(fā)展， 合理規(guī)劃金融中心的布局。 例如， 減少地方保護(hù)主義， 破除地區(qū)制度性壁壘， 建立區(qū)域間科技人才流動協(xié)作機(jī)制和創(chuàng)新資源共享平臺， 構(gòu)建能夠突破行政區(qū)域約束的科技創(chuàng)新資源網(wǎng)絡(luò); 推動戶籍制度改革， 降低創(chuàng)新人才的落戶門檻， 促使創(chuàng)新資源、人才能向集聚區(qū)周邊地區(qū)流動， 帶動周邊地區(qū)的科技創(chuàng)新， 縮小區(qū)域發(fā)展差距。

第二， 鑒于政府支持調(diào)節(jié)效應(yīng)的區(qū)域異質(zhì)性， 中央應(yīng)避免出臺“一刀切”式的創(chuàng)新支持政策， 應(yīng)采取“差別化”的扶持政策。 對具有正向調(diào)節(jié)效應(yīng)的東部地區(qū)， 政府不能完全放任金融市場自由發(fā)展， 應(yīng)加強(qiáng)對金融市場的監(jiān)管與調(diào)控， 加大對創(chuàng)新的支持力度; 對具有負(fù)向調(diào)節(jié)效應(yīng)的西部地區(qū)， 政府應(yīng)減小對科技創(chuàng)新的干預(yù)， 促進(jìn)西部地區(qū)金融市場的發(fā)展， 提高西部城市的金融集聚程度， 使金融能更好地為實(shí)體經(jīng)濟(jì)服務(wù)， 促進(jìn)科技創(chuàng)新。

第三， 必須重視政府政策的空間聯(lián)動性， 地方政府創(chuàng)新支持政策應(yīng)注重“點(diǎn)”與“面”結(jié)合， 實(shí)現(xiàn)以點(diǎn)帶面的綜合發(fā)展。 也就是說， 各城市不僅要關(guān)注自身的創(chuàng)新政策， 還需關(guān)注鄰近地區(qū)的創(chuàng)新政策， 對整個集聚區(qū)域而言， 應(yīng)從整個城市群的視角審視政府支持對金融集聚與科技創(chuàng)新間的調(diào)節(jié)效應(yīng)， 嘗試在整個城市群范圍內(nèi)建立城市間創(chuàng)新政策的聯(lián)動機(jī)制， 發(fā)揮聯(lián)動政策“1+1>2”的效果。

【 主 要 參 考 文 獻(xiàn) 】

[1] 黃解宇.金融集聚的內(nèi)在動因分析[ J].工業(yè)技術(shù)經(jīng)濟(jì)，2011（3）：129 ～ 136.

[2] 孫建國，高巖.金融集聚對技術(shù)進(jìn)步的影響機(jī)制研究——基于城市與空港經(jīng)濟(jì)區(qū)比較視角[ J].經(jīng)濟(jì)經(jīng)緯，2019（5）：17 ～ 24.

[3] 于斌斌.金融集聚促進(jìn)了產(chǎn)業(yè)結(jié)構(gòu)升級嗎：空間溢出的視角——基于中國城市動態(tài)空間面板模型的分析[ J].國際金融研究，2017（2）：12 ～ 23.

[4] 劉海飛，賀曉宇.金融集聚、政府干預(yù)與企業(yè)創(chuàng)新行為——基于中國制造業(yè)企業(yè)的微觀證據(jù)[ J].財(cái)經(jīng)論叢，2017（8）：104 ～ 112.

[5] 洪銀興.論創(chuàng)新驅(qū)動經(jīng)濟(jì)發(fā)展戰(zhàn)略[ J].經(jīng)濟(jì)學(xué)家，2013（1）：5 ～ 11.

[6] 解維敏，唐清泉，陸姍姍.政府R&D資助，企業(yè)R&D支出與自主創(chuàng)新——來自中國上市公司的經(jīng)驗(yàn)證據(jù)[ J].金融研究，2009（6）：86 ～ 99.

[7] 呂曉軍.政府補(bǔ)貼與企業(yè)技術(shù)創(chuàng)新投入——來自2009～2013年戰(zhàn)略性新興產(chǎn)業(yè)上市公司的證據(jù)[ J].軟科學(xué)，2016（12）：1 ～ 5.

[8] 張東紅，殷龍，仲健心.政府研發(fā)投入對企業(yè)研發(fā)投入的互補(bǔ)與替代效應(yīng)研究[ J].科技進(jìn)步與對策，2009（17）：4 ～ 8.

[9] Guo D.， Guo Y.， Jiang K.. Government Subsided R&D and Innovation Outputs： An Empirical Analysis on China's Innofund Program Stanford Center for International Development[Z]. Working Paper，2015.

[10] 李晉，鄧峰.政府R&D補(bǔ)貼投入對技術(shù)創(chuàng)新產(chǎn)出能力影響機(jī)制研究——基于5個高技術(shù)行業(yè)面板數(shù)據(jù)的實(shí)證分析[ J].科技進(jìn)步與對策，2013（13）：67 ～ 71.

[11] Alexander Galetovic， Stephen Haber， Ross Levine. An Empirical Examination of Patent Holdup[ J].Journal of Competition Law & Economics，2015（11）：549 ～ 578.

[12] 孫早，許薛璐.前沿技術(shù)差距與科學(xué)研究的創(chuàng)新效應(yīng)——基礎(chǔ)研究與應(yīng)用研究誰扮演了更重要的角色[ J].中國工業(yè)經(jīng)濟(jì)，2017（03）：5 ～ 23.

[13] Garrett-Jones S.. From Citadels to Clusters： The Evolution of Regional Innovation Policies in Australia[ J].R& D Management，2004（1）：3 ～ 16.

[14] 楊亭亭，羅連化，許伯桐.政府補(bǔ)貼的技術(shù)創(chuàng)新效應(yīng)：“量變”還是“質(zhì)變”？[ J].中國軟科學(xué)，2018（10）：52 ～ 61.

[15] Kukalis S.. Agglomeration Economies and Firm Performance： The Case of Industry Clusters[ J].Journal of Management，2010（2）：453 ～ 481.

[16] Bossone B.，Lee J. K.. In Finance，Size Matters： The "Systematic Scale Economies" Hypothesis[ J].Imf Staff Papers，2004（1）：19 ～ 46.

[17] Poon J. P. H.. Hierarchical Tendencies of Capital Markets Among International Financial Centers[ J].Growth & Change，2010（2）：135 ～ 156.

[18] Xu Z.. The Impact of Financial Agglomeration on Financial Industry： An Analysis of the Pathways and Effects[ J].Journal of Business Economics，2015（26）：85 ～ 86.

[19] Lall S. V.， Shalizi Z.， Deichmann U.. Agglomeration Eco-

nomies and Productivity in Indian Industry[ J].Social Science Electronic Publishing，2004（2）：643 ～ 673.

[20] 黎杰生，胡穎.金融集聚對技術(shù)創(chuàng)新的影響——來自中國省級層面的證據(jù)[ J].金融論壇，2017（7）：39 ～ 52.

[21] 張浩然.空間溢出視角下的金融集聚與城市經(jīng)濟(jì)績效[ J].財(cái)貿(mào)經(jīng)濟(jì)，2014（9）：51 ～ 61.

[22] 李新功.政府R&D資助、金融信貸與企業(yè)技術(shù)創(chuàng)新[ J].管理評論，2016（12）：54 ～ 62.

[23] Kleer R.. Government R&D Subsidies as a Signal for Private Investors[ J].Research Policy，2010（10）：1361 ～ 1374.

[24] Carboni Oliviero A.. R&D Subsidies and Private R&D Expenditures： Evidence from Italian Manufacturing Data[ J].International Review of Applied Economics，2011（4）：419 ～ 439.

[25] 鄭緒濤，柳劍平.促進(jìn)R&D活動的稅收和補(bǔ)貼政策工具的有效搭配[ J].產(chǎn)業(yè)經(jīng)濟(jì)研究，2008（1）：26 ～ 36.

[26] 白俊紅，李婧.政府R&D資助與企業(yè)技術(shù)創(chuàng)新——基于效率視角的實(shí)證分析[ J].金融研究，2011（6）：181 ～ 193.

[27] 章元，程郁，佘國滿.政府補(bǔ)貼能否促進(jìn)高新技術(shù)企業(yè)的自主創(chuàng)新？——來自中關(guān)村的證據(jù)[ J].金融研究，2018（10）：123 ～ 140.

[28] Alecke B.， Mitze T.， Reinkowski J.， et al.. Does Firm Size Make a Difference？ Analysing the Effectiveness of R&D Subsidies in East Germany[ J].German Economic Review，2012（2）：174 ～ 195.

[29] 卓乘風(fēng)，鄧峰.創(chuàng)新要素流動與區(qū)域創(chuàng)新績效——空間視角下政府調(diào)節(jié)作用的非線性檢驗(yàn)[ J].科學(xué)學(xué)與科學(xué)技術(shù)管理，2017（7）：15 ～ 26.

[30] 姜磊.市場化對中國能源消費(fèi)強(qiáng)度調(diào)節(jié)作用的實(shí)證研究——基于空間計(jì)量模型的分析[ J].上海經(jīng)濟(jì)研究，2012（6）：84 ～ 97.

[31] 卓乘風(fēng)，鄧峰.FDI與絲綢之路經(jīng)濟(jì)帶創(chuàng)新能力提升——基于基礎(chǔ)設(shè)施投資的空間異質(zhì)性調(diào)節(jié)作用[ J].國際商務(wù)，2018（3）：99 ～ 109.

[32] 宛群超，楊曉嵐，鄧峰.外商直接投資如何影響省域創(chuàng)新效率——兼論環(huán)境規(guī)制的空間調(diào)節(jié)效應(yīng)[ J].科技管理研究，2018（5）：14 ～ 21.

[33] LeSage J. P.， Pace R. K.. Introduction to Spatial Econometrics[M].Boca Raton， US： CRC Press Talor&Francis Group，2009：1 ～ 374.

[34] LeSage J. P.， Pace R. K.. Spatial Econometric Modeling of Origin-Destination Flows[ J].Reginal Science，2008（5）：941 ～ 967.