论文部分内容阅读
【摘 要】 近年来，中国经济发展迅速，迅速的背后离不开科技进步和金融机构投资的支持，由于市场具有信息不对称性，金融机构的投资可能具有空间相关性。因此研究中国各地区之间整体投资是否具有相关性以及影响整体投资水平的影响因素是很有必要的。本文基于2009年-2015年中国相关26个省份的相关数据，建立空间面板数据模型，对影响城市整体投资水平的影响因素做了实证分析，根据回归结果，探索了影响整体投资水平的影响因素，研究结果表明首先各省份之间的整体投资具有空间相关性，其次地区的第三产业占比、居民消费水平、专利申请授权量对区域整体投资水平具有明显的正影响。本文建议各省份要进一步注重创新，提高各自创新能力，建立创新奖励机制;大力发展第三产业，发展先进性生产服务业;加大对科技金融的投入。
【关键词】 投资 空间相关性 专利申请授权量
1.引言
1.1研究背景
改革开放四十年以来，我国经济发展十分迅速，对世界经济产生影响。在现实生活中，随着科技水平的不断提升，经济全球化水平的不断提高以及经济增长方式的不断转变，我国经济正在面临由要素驱动到创新驱动，上海想要将自己打造成具有全球影响力的科创中心，而提升自己创新能力水平离不开中小型科技型企业和科研机构的发展，更加需要金融机构投资的支持。同时由于信息不对称性的存在导致信息成本，金融机构的投资可能会存在地区相关性。因此研究整体投资是否具有相关性以及影响整体投资水平的影响因素，逐步找出相关因素，提出相关政策与建议是很有必要的。
1.2研究目的和意义
近年来，随着科技的进步，中国经济快速发展，经济总量不断提高。中国正在建设一带一路，促进带动沿线城市的发展，而城市吸引资本的能力必然对该城市的经济发展起着至关重要的作用，因此研究各省份整体投资水平的影响因素是很有必要的。投资区域具有不均衡的特征，进而影响我国整体投资的发展，影响科技成果转化为现实生产力[1]，因此探究整体投资水平的空间相关性具有理论和现实意义。
2.文献综述
2.1国外文献综述
Karsai（2004），Clarysse（2009），Cumming & Johan（2009），Josh Lerner （2010）认为，政府引导基金是影响风险投资发展的一个重要的影响因素[2]。Kenneth WRind，Gene I.Miller（1980）认为地区人力资本的发展可能会提高一个城市的技术、创新能力，对风险投资的发展至关重要[2]。Leonard K.Cheng和Yun K.Kwan（2000）選取中国的数据对外商直接投资的区位选择进行了研究，参考了工人的工资成本、市场大小、教育程度、基础设施建设、经济特区五个要素[3]。
2.2国内文献综述
戚涌（2014）等认为在影响创业投资的因素中，城市或地区的科技发展能力和创新资源集聚程度是很重要的影响因素，因此必须要加强对高技术产业化的扶持力度[4]。杨青和张丽丽（2010）对武汉的创业投资集聚情况进行研究，经实证分析，并借助共生理论对创业投资集聚的形成机理进行深人分析，找出驱动因素[4]。
2.3文献述评
综上所述，已有文章主要首先对投资的研究大部分都是从风险投资、外商投资的角度来研究问题的，很少有文章从整个宏观的角度去研究地区投资水平;其次已有文献很少考虑空间因素，将空间因素引进模型。本文在已有文献的基础上，引入空间地理临近变量，收集2009年到2015年各相关省份的总投资额、专利授权数、居民消费数、每万人高等教育的在校人数等相关数据，分析中国部分省份的投资水平是否具有空间相关性，建立空间面板模型，实证研究影响整体投资水平的影响因素，进而提出相关政策。
3.理论分析与假设
3.1数据来源及指标设定
本文研究的时间跨度是2009年到2015年，由于相关省份的数据缺失，研究对象为除吉林、黑龙江省、海南省、广西省、甘肃省、贵州省、云南省、宁夏等省份的中国其他省份，所涉及的数据包括各省份的总投资总额、科技支出占比（x1）、居民费水平（x3）、各城市的专利申请授权量（x5）、第三产业占比（x2）、每十万高等学校在校生数的对数（x4）、客运量（x6）等，本文衡量地区总投资水平的是该地区总投资额，剩余的变量均为解释变量。由于各相关指标的单位不同，在数量级上有较大差异，为了降低模型的误差，因此本文对各相关指标数据进行对数化的处理，同时不改变时序数据本身的特征，也更容易使序列变得平稳。其中各类指标的数据来源于国家统计局、各城市统计年鉴、wind数据库。
3.2模型的设定
本文构建的各城市投资影响因素模型：主要有空间自回归滞后模型和空间面板误差模型（这里不具体写出公式了）。
面板数据模型的估计需要考虑固定效应和随机效应，由于本文在下面进行实证时发现固定效应较与随机效应好，因此本文采用固定效应模型，这里不列两个模型的相比较结果。由于引入了空间相关性，因此分别采用普通面板数据模型、空间面板自回归滞后模型、空间面板误差模型。
4.实证分析及结果
4.1整体投资的空间相关性问题
这里由于为了简便，我们采取传统空间权重矩阵，即地理邻接矩阵，两地区相邻的设为1，不相邻为0。本文通过查找我国2009-2015年26个省域的整体投资额，利用Moran's I 指数测算我国26个省域投资的空间相关性，2009至2014年份的Moran's I指数不是特别显著，这可能是由于矩阵设置的问题。但是发现2015年莫兰指数特别显著（这里不放具体结果了）。结果显示，2015年莫兰指数的检验结果对应的概率p值是0.069，当显著性水平为0.1时，由于0.069小于0.1，因此拒绝原假设，认为各省份之间的整体投资水平存在空间相关性。 4.2空间面板数据的实证结果及分析
本文经过对收集的数据分别进行传统固定效应模型、自回归模型、空间面板误差模型的实证研究，结果如下：
传统固定效应模型 自回归 空间面板误差模型
解释变量 系数 p值 系数 p值 系数 p值
x1 -0.2359106 0.576 -0.1405308 0.775 -0.22388 0.593
x2 -2.866842 0.015 -1.952182 0.225 -2.79048 0.011
x3 2.244897 0.002 1.282407 0.108 2.230994 0
x4 -2.183049 0.036 -1.660175 0.356 -2.14029 0.028
x5 0.5974159 0.046 0.6516938 0.044 0.580872 0.048
x6 0.1212589 0.7 0.0762071 0.833 0.123155 0.691
c -4.058302 0.24 -0.0395428 0.67
0.0109488 0.595 0.009259 0.66
调整的 0.397 0.1555 0.3969
通过分析结论，我们可以看出以下几点：
1.空间自回归系数在显著性水平为0.1的情况下，未通过显著性检验。但这并不意味着投资不具有空间相关性。前文通过莫兰指数证明出2015年中国相关各个省的投资出现了空间相关性。这里出现不显著的原因可能是因为数据的问题，本文的研究少了几个省份，这造成空间相关性的弱化。
2. 根据各个模型的R方以及相关系数显著性检验，发现针对本文来讲，空间面板误差模型的效果是最好的，根据该模型各解释变量的系数及显著性水平，发现在显著性水平为0.05的情况下，第三产业占比的对数、居民消费水平的对数、每十万高等学校平均在校生数、专利授权量解释变量对城市整体投资水平存在显著影响。首先居民消费水平对城市整体投资水平存在非常显著地正向影响。这也很容易解释，居民消费水平可以衡量一个地区人民生活水平，也是衡量经济发展的指标之一。投资机构在做投资时，更多的还是想要收取更多的回报，企业得到资本后通过一系列活动进行营利，归根到底是消费者进行消费企业的产品，这里产品包括有形的和无形的。因此一个地区的居民消费水平高意味着该地区可能有更多的交易，进而影响企业的生产经营活动，影响利润，这就很容易理解地区居民消费水平对该城市整体投资水平起促进作用。专利授权量对企业获得投资具有显著正向影响，省域创新资源优势以及人力资本优势会对创业投资产生吸纳效应。这也很容易理解，随着经济的发展，中国的经济实力不断提高，但是中国正在面临转型阶段，由要素驱动转向创新驱动，人们也越来越意识到创新是促进经济增长的重要活力。专利授权量是衡量企业创新能力较好的指标，当一个城市专利授权量较高时，证明城市的科技创新能力越高，代表该城市的企业、研发机构技术创新能力强，在激烈的竞争环境中更容易生存，这就吸引了投资机构的投资。
值得注意的是，虽然第三产业占总GDP比的对数与每十万高等学校平均在校生数通过了显著性水平0.05的检验，但是系数为负。本文给出如下解释：首先由于解释变量第三产业占比使用的是占比后取对数，对数后的结果是负数，若系数为负，则其实第三产业占比对地区总投资水平的影响为正值，这就很容易解释，第三产业的发展能够对省域投资水平产生显著的正向影响。
本文的解释变量科技占比、每十万高等学校平均在校生数对整体投资水平影响分别是不显著和为负的，正常来讲当一个地区的人力资源较高程度和科技支出占比较高时，有利于该城市的科技创新，进而促进地區的经济发展，因此会吸引金融机构的投资。而本文的数据结果与事实相反的，这可能是因为本文在研究时删减了几个省份，数据上出现偏差造成的。
综上所述，实证分析显示的结果符合我国整体投资发展水平的现状，客观描述了近些年影响中国各相关省份投资水平的影响因素。通过找出这些影响因素，提出相关对策与建议，完善投资环境，有利于各地区整体投资水平的提高，进而促进整体经济发展。
5.结论与政策建议
本文基于2009年-2015年中国相关26个省份的数据，建立空间面板数据模型，运用stata软件，对影响城市整体投资水平的影响因素做了实证分析，探索了影响整体投资水平的影响因素，研究结果表明首先各省份之间的整体投资具有空间相关性，其次地区的第三产业占比、居民消费水、专利申请授权量对区域整体投资水平具有明显的正影响。为了进一步提高地区整体投资水平，加快经济发展，本文针对实证结果提出相关政策建议：1.提高创新能力，政府应重视技术创新，建立创新奖励机制。政府可以给企业提供优惠，补贴政策，例如对于研发产品较多的公司，可以给予相对应的补贴。政府也可以为技术人才提供相应的激励政策去激励他们进行创新。2.大力发展第三产业，发展先进性生产服务业。各省份应意识到第三产业对经济增长的重要性，大力发展第三产业，尤其是先进性生产服务业，从而带动城市经济发展，提高地区整体投资水平。3.加大对科技金融的投入。首先政府应加大对科技金融的投入，包括不断提升财政科技拨款与财政支出占比，加大对科技活动的投入，提高研发经费与科技经费的支出。企业应不断吸引和引进高科技人才，可以通过建立一套适合的薪酬制度，通过给工人较高的工资待遇吸引高科技人才以及海归精英，每月按照实际情况给与个人奖励。企业还应提升研发费用以及加大对科技经费支出的力度，不断进行科技创新，提升自主创新能力，增强企业自身的竞争力，进而对经济增长做出贡献。
【参考文献】
[1] 李长征. 创新型经济中科技与金融的融合机制研究[J]. 北方经贸，2015，（12）：105-106.
[2] 郭建万. 中国金融发展与技术进步：理论和实证研究[D].暨南大学，2010.
[3] 张明龙. 基于DEA模型我国科技与金融结合的效率研究[J]. 商，2015，（17）：217.
[4] 曹颢，尤建新，卢锐，陈海洋. 我国科技金融发展指数实证研究[J]. 中国管理科学，2011，（03）：134-140.
【关键词】 投资 空间相关性 专利申请授权量
1.引言
1.1研究背景
改革开放四十年以来，我国经济发展十分迅速，对世界经济产生影响。在现实生活中，随着科技水平的不断提升，经济全球化水平的不断提高以及经济增长方式的不断转变，我国经济正在面临由要素驱动到创新驱动，上海想要将自己打造成具有全球影响力的科创中心，而提升自己创新能力水平离不开中小型科技型企业和科研机构的发展，更加需要金融机构投资的支持。同时由于信息不对称性的存在导致信息成本，金融机构的投资可能会存在地区相关性。因此研究整体投资是否具有相关性以及影响整体投资水平的影响因素，逐步找出相关因素，提出相关政策与建议是很有必要的。
1.2研究目的和意义
近年来，随着科技的进步，中国经济快速发展，经济总量不断提高。中国正在建设一带一路，促进带动沿线城市的发展，而城市吸引资本的能力必然对该城市的经济发展起着至关重要的作用，因此研究各省份整体投资水平的影响因素是很有必要的。投资区域具有不均衡的特征，进而影响我国整体投资的发展，影响科技成果转化为现实生产力[1]，因此探究整体投资水平的空间相关性具有理论和现实意义。
2.文献综述
2.1国外文献综述
Karsai（2004），Clarysse（2009），Cumming & Johan（2009），Josh Lerner （2010）认为，政府引导基金是影响风险投资发展的一个重要的影响因素[2]。Kenneth WRind，Gene I.Miller（1980）认为地区人力资本的发展可能会提高一个城市的技术、创新能力，对风险投资的发展至关重要[2]。Leonard K.Cheng和Yun K.Kwan（2000）選取中国的数据对外商直接投资的区位选择进行了研究，参考了工人的工资成本、市场大小、教育程度、基础设施建设、经济特区五个要素[3]。
2.2国内文献综述
戚涌（2014）等认为在影响创业投资的因素中，城市或地区的科技发展能力和创新资源集聚程度是很重要的影响因素，因此必须要加强对高技术产业化的扶持力度[4]。杨青和张丽丽（2010）对武汉的创业投资集聚情况进行研究，经实证分析，并借助共生理论对创业投资集聚的形成机理进行深人分析，找出驱动因素[4]。
2.3文献述评
综上所述，已有文章主要首先对投资的研究大部分都是从风险投资、外商投资的角度来研究问题的，很少有文章从整个宏观的角度去研究地区投资水平;其次已有文献很少考虑空间因素，将空间因素引进模型。本文在已有文献的基础上，引入空间地理临近变量，收集2009年到2015年各相关省份的总投资额、专利授权数、居民消费数、每万人高等教育的在校人数等相关数据，分析中国部分省份的投资水平是否具有空间相关性，建立空间面板模型，实证研究影响整体投资水平的影响因素，进而提出相关政策。
3.理论分析与假设
3.1数据来源及指标设定
本文研究的时间跨度是2009年到2015年，由于相关省份的数据缺失，研究对象为除吉林、黑龙江省、海南省、广西省、甘肃省、贵州省、云南省、宁夏等省份的中国其他省份，所涉及的数据包括各省份的总投资总额、科技支出占比（x1）、居民费水平（x3）、各城市的专利申请授权量（x5）、第三产业占比（x2）、每十万高等学校在校生数的对数（x4）、客运量（x6）等，本文衡量地区总投资水平的是该地区总投资额，剩余的变量均为解释变量。由于各相关指标的单位不同，在数量级上有较大差异，为了降低模型的误差，因此本文对各相关指标数据进行对数化的处理，同时不改变时序数据本身的特征，也更容易使序列变得平稳。其中各类指标的数据来源于国家统计局、各城市统计年鉴、wind数据库。
3.2模型的设定
本文构建的各城市投资影响因素模型：主要有空间自回归滞后模型和空间面板误差模型（这里不具体写出公式了）。
面板数据模型的估计需要考虑固定效应和随机效应，由于本文在下面进行实证时发现固定效应较与随机效应好，因此本文采用固定效应模型，这里不列两个模型的相比较结果。由于引入了空间相关性，因此分别采用普通面板数据模型、空间面板自回归滞后模型、空间面板误差模型。
4.实证分析及结果
4.1整体投资的空间相关性问题
这里由于为了简便，我们采取传统空间权重矩阵，即地理邻接矩阵，两地区相邻的设为1，不相邻为0。本文通过查找我国2009-2015年26个省域的整体投资额，利用Moran's I 指数测算我国26个省域投资的空间相关性，2009至2014年份的Moran's I指数不是特别显著，这可能是由于矩阵设置的问题。但是发现2015年莫兰指数特别显著（这里不放具体结果了）。结果显示，2015年莫兰指数的检验结果对应的概率p值是0.069，当显著性水平为0.1时，由于0.069小于0.1，因此拒绝原假设，认为各省份之间的整体投资水平存在空间相关性。 4.2空间面板数据的实证结果及分析
本文经过对收集的数据分别进行传统固定效应模型、自回归模型、空间面板误差模型的实证研究，结果如下：
传统固定效应模型 自回归 空间面板误差模型
解释变量 系数 p值 系数 p值 系数 p值
x1 -0.2359106 0.576 -0.1405308 0.775 -0.22388 0.593
x2 -2.866842 0.015 -1.952182 0.225 -2.79048 0.011
x3 2.244897 0.002 1.282407 0.108 2.230994 0
x4 -2.183049 0.036 -1.660175 0.356 -2.14029 0.028
x5 0.5974159 0.046 0.6516938 0.044 0.580872 0.048
x6 0.1212589 0.7 0.0762071 0.833 0.123155 0.691
c -4.058302 0.24 -0.0395428 0.67
0.0109488 0.595 0.009259 0.66
调整的 0.397 0.1555 0.3969
通过分析结论，我们可以看出以下几点：
1.空间自回归系数在显著性水平为0.1的情况下，未通过显著性检验。但这并不意味着投资不具有空间相关性。前文通过莫兰指数证明出2015年中国相关各个省的投资出现了空间相关性。这里出现不显著的原因可能是因为数据的问题，本文的研究少了几个省份，这造成空间相关性的弱化。
2. 根据各个模型的R方以及相关系数显著性检验，发现针对本文来讲，空间面板误差模型的效果是最好的，根据该模型各解释变量的系数及显著性水平，发现在显著性水平为0.05的情况下，第三产业占比的对数、居民消费水平的对数、每十万高等学校平均在校生数、专利授权量解释变量对城市整体投资水平存在显著影响。首先居民消费水平对城市整体投资水平存在非常显著地正向影响。这也很容易解释，居民消费水平可以衡量一个地区人民生活水平，也是衡量经济发展的指标之一。投资机构在做投资时，更多的还是想要收取更多的回报，企业得到资本后通过一系列活动进行营利，归根到底是消费者进行消费企业的产品，这里产品包括有形的和无形的。因此一个地区的居民消费水平高意味着该地区可能有更多的交易，进而影响企业的生产经营活动，影响利润，这就很容易理解地区居民消费水平对该城市整体投资水平起促进作用。专利授权量对企业获得投资具有显著正向影响，省域创新资源优势以及人力资本优势会对创业投资产生吸纳效应。这也很容易理解，随着经济的发展，中国的经济实力不断提高，但是中国正在面临转型阶段，由要素驱动转向创新驱动，人们也越来越意识到创新是促进经济增长的重要活力。专利授权量是衡量企业创新能力较好的指标，当一个城市专利授权量较高时，证明城市的科技创新能力越高，代表该城市的企业、研发机构技术创新能力强，在激烈的竞争环境中更容易生存，这就吸引了投资机构的投资。
值得注意的是，虽然第三产业占总GDP比的对数与每十万高等学校平均在校生数通过了显著性水平0.05的检验，但是系数为负。本文给出如下解释：首先由于解释变量第三产业占比使用的是占比后取对数，对数后的结果是负数，若系数为负，则其实第三产业占比对地区总投资水平的影响为正值，这就很容易解释，第三产业的发展能够对省域投资水平产生显著的正向影响。
本文的解释变量科技占比、每十万高等学校平均在校生数对整体投资水平影响分别是不显著和为负的，正常来讲当一个地区的人力资源较高程度和科技支出占比较高时，有利于该城市的科技创新，进而促进地區的经济发展，因此会吸引金融机构的投资。而本文的数据结果与事实相反的，这可能是因为本文在研究时删减了几个省份，数据上出现偏差造成的。
综上所述，实证分析显示的结果符合我国整体投资发展水平的现状，客观描述了近些年影响中国各相关省份投资水平的影响因素。通过找出这些影响因素，提出相关对策与建议，完善投资环境，有利于各地区整体投资水平的提高，进而促进整体经济发展。
5.结论与政策建议
本文基于2009年-2015年中国相关26个省份的数据，建立空间面板数据模型，运用stata软件，对影响城市整体投资水平的影响因素做了实证分析，探索了影响整体投资水平的影响因素，研究结果表明首先各省份之间的整体投资具有空间相关性，其次地区的第三产业占比、居民消费水、专利申请授权量对区域整体投资水平具有明显的正影响。为了进一步提高地区整体投资水平，加快经济发展，本文针对实证结果提出相关政策建议：1.提高创新能力，政府应重视技术创新，建立创新奖励机制。政府可以给企业提供优惠，补贴政策，例如对于研发产品较多的公司，可以给予相对应的补贴。政府也可以为技术人才提供相应的激励政策去激励他们进行创新。2.大力发展第三产业，发展先进性生产服务业。各省份应意识到第三产业对经济增长的重要性，大力发展第三产业，尤其是先进性生产服务业，从而带动城市经济发展，提高地区整体投资水平。3.加大对科技金融的投入。首先政府应加大对科技金融的投入，包括不断提升财政科技拨款与财政支出占比，加大对科技活动的投入，提高研发经费与科技经费的支出。企业应不断吸引和引进高科技人才，可以通过建立一套适合的薪酬制度，通过给工人较高的工资待遇吸引高科技人才以及海归精英，每月按照实际情况给与个人奖励。企业还应提升研发费用以及加大对科技经费支出的力度，不断进行科技创新，提升自主创新能力，增强企业自身的竞争力，进而对经济增长做出贡献。
【参考文献】
[1] 李长征. 创新型经济中科技与金融的融合机制研究[J]. 北方经贸，2015，（12）：105-106.
[2] 郭建万. 中国金融发展与技术进步：理论和实证研究[D].暨南大学，2010.
[3] 张明龙. 基于DEA模型我国科技与金融结合的效率研究[J]. 商，2015，（17）：217.
[4] 曹颢，尤建新，卢锐，陈海洋. 我国科技金融发展指数实证研究[J]. 中国管理科学，2011，（03）：134-140.