楊 楠，王軼倩，蔡曉春

（湖南大學 金融與統(tǒng)計學院，長沙 410006）

0 引言

中國西北地區(qū)包括陜西省、甘肅省、青海省、寧夏回族自治區(qū)以及新疆維吾爾自治區(qū)，具有面積廣大、干旱缺水、荒漠廣布、人口稀少等特點。因此，西北地區(qū)在城市環(huán)境、發(fā)展?jié)摿Αa(chǎn)業(yè)布局、就業(yè)機會等方面遜色于中東部地區(qū)，人才流失嚴重。此外，在傳統(tǒng)金融模式中，受到傳統(tǒng)銀行網(wǎng)點服務的地理限制，西北地區(qū)企業(yè)難以獲得大量資金供給。在缺乏資金支持的境況下，創(chuàng)新創(chuàng)業(yè)動能不足，科技企業(yè)少有蓬勃發(fā)展之態(tài)勢。

然而，隨著時代的發(fā)展，從2004 年的支付寶上線到如今人工智能、區(qū)塊鏈等新技術的應用，信息技術和傳統(tǒng)金融服務得以結(jié)合，提高了金融融資服務的精度和服務效率，降低了金融融資服務的成本。得益于資金網(wǎng)絡的普及，西北地區(qū)獲得了越來越多的資金服務機會，這在一定程度上緩解了西北科技企業(yè)的融資困難和資金短缺問題。

已有文獻對數(shù)字金融在京津冀地區(qū)經(jīng)濟發(fā)展的作用進行探究，在研究過程中使用省級數(shù)據(jù)發(fā)現(xiàn)數(shù)字金融對創(chuàng)業(yè)的正向影響作用，但尚未有文獻對數(shù)字金融在助力西北地區(qū)科創(chuàng)發(fā)展中扮演何種角色進行研究。本文以西北地區(qū)為研究范圍，發(fā)現(xiàn)數(shù)字金融的出現(xiàn)和應用有利于激發(fā)西北地區(qū)的科創(chuàng)活力，為經(jīng)濟發(fā)展助力。本文的發(fā)現(xiàn)有助于建立數(shù)字金融與西北地區(qū)科技創(chuàng)新之間的針對性聯(lián)系，對數(shù)字金融發(fā)展如何促進科創(chuàng)、振興經(jīng)濟具有啟示性作用。

1 理論分析與研究假設

郭峰等（2018）總結(jié)數(shù)字金融對中國發(fā)展的影響，并發(fā)現(xiàn)低成本、高效率和廣泛服務范圍等特點彌補了傳統(tǒng)金融中融資的缺陷，不僅為個人提供了普惠金融服務，而且為中小企業(yè)和科技機構提供了便利的融資渠道，間接鼓勵大眾創(chuàng)業(yè)和萬眾創(chuàng)新，在推動地區(qū)科技創(chuàng)新發(fā)展的同時，也為地區(qū)增加了更多就業(yè)崗位。數(shù)字金融的發(fā)展可以擴大金融服務范圍，緩解西北地區(qū)科技創(chuàng)新的融資壓力，促進金融資源的優(yōu)化配置，從而促進西北地區(qū)的科技創(chuàng)新。

基于以上分析，提出如下假設：數(shù)字金融可以促進西北地區(qū)的科技創(chuàng)新。

2 實證研究

2.1 數(shù)據(jù)來源

本文采用了以下數(shù)據(jù)：（1）2011—2018 年北京大學數(shù)字普惠金融指數(shù)，由北京大學數(shù)字金融研究中心發(fā)布；2004—2010 年、2019 年數(shù)據(jù)從金融服務普惠性和金融服務的使用情況兩個維度，利用西北五省9 個基礎性指標數(shù)據(jù)并參考基礎性指標權重的方法測算出普惠金融指數(shù)。（2）選取2004—2019年我國西北五省地區(qū)的統(tǒng)計年報中人均生產(chǎn)總值和第三產(chǎn)業(yè)占生產(chǎn)總值比重。（3）2004—2019 年西北各省的孵化器個數(shù)、專利授權數(shù)相關信息，來自EPS 全球統(tǒng)計數(shù)據(jù)分析平臺，互聯(lián)網(wǎng)普及率來自《中國互聯(lián)網(wǎng)發(fā)展狀況統(tǒng)計報告》。

2.2 變量定義

2.2.1 被解釋變量

專利申請授權數(shù)（Innovation）。對地區(qū)科技創(chuàng)新水平的度量已有多種文獻使用不同度量方式，包括企業(yè)R＆D 經(jīng)費支出占營業(yè)收入比例、新產(chǎn)品銷售利潤占公司總銷售利潤的比重等。本文從產(chǎn)出的角度對科技創(chuàng)新水平進行測度。

2.2.2 核心解釋變量

北京大學數(shù)字普惠金融指數(shù)（Index）。北京大學數(shù)字金融研究中心從覆蓋廣度、使用深度和數(shù)字支持服務程度三個維度編制了“北京大學數(shù)字普惠金融指數(shù)（2011—2018）”。本文選取2011—2018 年省級數(shù)字普惠金融指數(shù)作為模型中的核心解釋變量。由于其他年份數(shù)據(jù)缺失，本文選用金融機構覆蓋、金融人才覆蓋、金融機構密度、金融人才密度等9 個指標借鑒計算各基礎性指標權重的方法，對西北五省2004—2010 年、2019年的數(shù)字金融指數(shù)測算。

2.2.3 其他控制變量

人均地區(qū)生產(chǎn)總值（GDP）。人均地區(qū)生產(chǎn)總值作為衡量一個地區(qū)經(jīng)濟發(fā)展的重要指標，相對于地區(qū)的生產(chǎn)總值，人均GDP 能更好地反應各省的經(jīng)濟發(fā)展水平。故本文使用了人均地區(qū)生產(chǎn)總值指標反映各省的經(jīng)濟發(fā)展水平。

第三產(chǎn)業(yè)占國內(nèi)生產(chǎn)總值的比重（Structure）。除第一產(chǎn)業(yè)、第二產(chǎn)業(yè)以外的其他行業(yè)為第三產(chǎn)業(yè)，即服務業(yè)。第三產(chǎn)業(yè)的發(fā)展可推動我國經(jīng)濟結(jié)構的轉(zhuǎn)型，并且為經(jīng)濟增長提供了強大動力。所以第三產(chǎn)業(yè)的發(fā)展對科技創(chuàng)新發(fā)展、就業(yè)和各個方面帶來持久的影響。

科技企業(yè)孵化器個數(shù)（Support）?？萍计髽I(yè)孵化器是培育科技型企業(yè)、為科技型人才提供發(fā)展平臺，加速科技成果轉(zhuǎn)化和推動協(xié)同創(chuàng)新的機構，是地區(qū)創(chuàng)新的強大推動力。

2.2.4 工具變量

互聯(lián)網(wǎng)普及率（Rate）。本文參考謝絢麗（2018）的方法，使用中國互聯(lián)網(wǎng)信息中心（CNNIC）發(fā)布的《中國互聯(lián)網(wǎng)發(fā)展狀況統(tǒng)計報告》 中2004—2019 年省級層面的互聯(lián)網(wǎng)普及率作為工具變量，可解決模型中出現(xiàn)的反向因果問題。一方面，數(shù)字普惠金融與互聯(lián)網(wǎng)支持密切相關；另一方面，互聯(lián)網(wǎng)普及率與專利申請授權書之間沒有直接的對應關系。因此，互聯(lián)網(wǎng)普及率可以作為一個有效的工具變量。

2.3 回歸方程構建

根據(jù)上文的定義描述，本文以專利申請授權數(shù)為被解釋變量，以數(shù)字金融指數(shù)核心解釋變量，以地區(qū)人均生產(chǎn)總值、第三產(chǎn)業(yè)占生產(chǎn)總值比重和科技孵化器個數(shù)為控制變量，互聯(lián)網(wǎng)覆蓋率為工具變量將模型設定如下：

其中，被解釋變量Innovation 表示專利申請授權數(shù)，核心解釋變量為數(shù)字普惠金融總指數(shù)lndex，GDP、Structure 和Support 分別表示其他控制變量中的地區(qū)人均生產(chǎn)總值、第三產(chǎn)業(yè)占生產(chǎn)總值比重和科技孵化器，Rate 表示工具表示互聯(lián)網(wǎng)覆蓋率。

2.4 檢驗與分析

2.4.1 時間序列模型相關檢驗

序列相關性檢驗

在Eviews 中對模型進行OLS 回歸。根據(jù)D.W.檢驗，D.W.＝2.4456，dL＝0.74，du ＝1.93，4－du＜D.W.＜4－dL，因此無法判斷是否存在一階自相關，故進行LM 檢驗，LM 值為16*0.1235 小于卡方值3.84,故認為不存在序列相關。

圖1 初始模型OLS 回歸結(jié)果

平穩(wěn)性檢驗

在Eviews 中選擇變量水平值、一階差分值、二階差分值，分別選擇包含常數(shù)項（intercept）、包含時間趨勢項以及常數(shù)項（trend＆intercept）、什么都不包含（none）三個類型對全部解釋變量、被解釋變量與工具變量進行單位根檢驗，結(jié)果如下：

表1 數(shù)據(jù)的平穩(wěn)性檢驗結(jié)果

由結(jié)果可知：變量Innovation、GDP 和Structure 是一階單整的，而lndex、Rate 和Support 是二階單整的。

協(xié)整檢驗

為判斷多變量間是否存在協(xié)整關系，進行最小二乘估計后，對方程殘差項e 進行單位根檢驗，檢驗結(jié)果表明e 是平穩(wěn)的時間序列，即0 階單整，則該回歸結(jié)果通過了協(xié)整檢驗，無偽回歸現(xiàn)象。

2.4.2 診斷回歸模型

多重共線性

由初始模型回歸結(jié)果可知：

第一，樣本可決系數(shù)為97.58%。

第二，F(xiàn) 統(tǒng)計量為111.029 1，對應的P 值為0.000 0，表明回歸方程的總體線性關系是顯著的，或者解釋變量中至少有一個是對被解釋變量有顯著影響。

第三，部分解釋變量的T 統(tǒng)計量對應的P 值過大，表明其對被解釋變量的影響不顯著，與根據(jù)F 統(tǒng)計量得到的結(jié)論產(chǎn)生沖突。

即表明可能存在嚴重的多重共線性。

為解決多重共線性問題，選擇核心解釋變量lndex 作為第一個解釋變量，并進行逐步回歸。

根據(jù)結(jié)果可知：lndex、Support 一起對Innovation 的解釋力度最大，且各個參數(shù)都通過了顯著性檢驗。故選擇剔除解釋變量GDP、Structure。

異方差

在EViews 中進行懷特異方差檢驗（Heteroskedasticity→White）由結(jié)果可知：LM 值為16*0.8245 大于卡方值11.07，故該回歸方程結(jié)果存在異方差。

運用加權最小二乘法來修正模型的異方差性可得：

內(nèi)生解釋變量

為避免遺漏變量造成的內(nèi)生性問題，本文采用省級互聯(lián)網(wǎng)普及率Rate 作為工具變量，對lndex 進行內(nèi)生性檢驗。根據(jù)檢驗結(jié)果可知lndex 是外生變量，因此使用lndex 作為解釋變量進行OLS 回歸即可。

綜上，最終模型為：

結(jié)果顯示，數(shù)字金融指數(shù)的系數(shù)在1%的顯著性水平上為正，在其他因素不變的情況下，數(shù)字金融指數(shù)每提升1 個單位，地區(qū)專利授權數(shù)平均增加約36 個，說明數(shù)字金融對西北地區(qū)科創(chuàng)存在顯著促進作用；科技企業(yè)孵化器的系數(shù)在10%的顯著性水平上為正，在其他因素不變的情況下，科技企業(yè)孵化器每增加1 個，地區(qū)專利授權數(shù)平均增加約104 個，說明國家政府層面的機構支持同樣顯著推進了西北地區(qū)科創(chuàng)。

表2 逐步回歸結(jié)果

圖2 加權最小二乘法修正結(jié)果

3 結(jié)論與建議

本文通過建立實證模型，通過Eviews 軟件檢驗并分析數(shù)字金融對西北地區(qū)科技創(chuàng)新的影響，為西北地區(qū)由于融資難題而產(chǎn)生的科技創(chuàng)新困難問題提供了理論指導。研究發(fā)現(xiàn)：數(shù)字金融對西北地區(qū)科技創(chuàng)新起到顯著正向作用。此外，本文引入的其他控制變量中，科技孵化器孵化有所成效，即政府支持對西北地區(qū)科技創(chuàng)新同樣具有顯著正向作用。

根據(jù)研究結(jié)論，本文提出以下參考性建議：

一是持續(xù)鼓勵數(shù)字金融發(fā)展，擴大數(shù)字金融服務的覆蓋范圍，減少西北地區(qū)企業(yè)的地理競爭劣勢，為西部地區(qū)追趕式發(fā)展提供機遇。

二是大力開發(fā)市場化、專業(yè)性的“科技企業(yè)孵化器”，實現(xiàn)創(chuàng)新和創(chuàng)業(yè)、線上和實地、孵化和投資結(jié)合，為科技創(chuàng)新企業(yè)的成長創(chuàng)造低成本、便利化的綜合性服務平臺。

三是加強政策支持，完善創(chuàng)業(yè)投資機制，發(fā)揮政府創(chuàng)投引導基金、財稅政策的作用，支持初創(chuàng)期科技型中小企業(yè)。