论文部分内容阅读
摘 要：采用2006 —2015年中国30个省份的省际面板数据，运用熵权法、自然间断点分级法、聚类稳健的面板固定效应回归等实证方法，对金融集聚及其四个二级指标（金融背景、金融规模、金融密度、金融深度）、产权结构对区域创新绩效的影响进行了实證分析。实证结果表明：金融集聚水平及其四个二级指标与该地区区域创新绩效呈正相关，提升金融集聚水平，促进金融发展能够提高区域创新绩效；产权结构与区域创新绩效也呈现出正相关，即该地区产权清晰程度越高，其创新效率越高。据此，从提升金融集聚质量角度，要破除金融流动制度性壁垒，加速金融改革，优化区域金融结构；从优化产权结构角度，要鼓励民营企业开展创新活动，为民营企业提供融资便利，发挥新三板市场作用，加强产权保护。
关 键 词：金融集聚；产权结构 ；区域创新；创新绩效
中图分类号：F832.7 文献标识码：A 文章编号：2096-2517（2018）01-0041-10
DOI：10.19631/j.cnki.css.2018.01.006
Abstract： Based on entropy method， Jenks method， robust panel fixed effect regression and other empirical methods， the paper used the provincial panel data of 30 provinces in China during 2006 -2015 and empirically analyzed the impact of financial cluster and its four two-level indicators （financial background， financial size， financial density， financial depth） and property rights structure on regional innovation performance. It is proved that financial cluster and its four aspects are positively related to the regional innovation performance， improving the level of financial cluster and promoting financial development can improve regional innovation performance. Property rights structure and regional innovation performance also show a positive correlation， that is， the higher the degree of privatization in the region， the higher the efficiency of innovation. Therefore， at the end of the article， we put forward a series of measures to improve the quality of financial cluster， such as breaking institutional barriers of financial flow， accelerating financial reform， optimizing regional financial structure. And we should encourage private high-tech enterprises to carry out innovative activities for private enterprises to provide financing facilities to play the role of the new board market， strengthen property protection and a series of policy recommendations to optimize the structure of property rights.
Key words： financial cluster； property rights structure； regional innovation； innovation performance
一、问题提出
在世界经济发展呈现出区域化特征的大格局下，区域创新能力已经逐渐成为衡量该地区核心竞争力的重要指标。 要素投入驱动的粗放型经济增长方式已经明显难以满足“新常态”背景下区域经济增长的需要。创新驱动，构建创新体系，将我国建设成为创新型国家已经成为我国的发展战略之一。党的十九大报告指出“创新是引领发展的第一动力， 是建设现代化经济体系的战略支撑”。根据《中国统计年鉴》，截至2015年，我国政府一般公共预算中对科学技术支出为3384.18亿元，规模以上工业的R&D经费支出为1001.39亿元。然而时至今日，我国的研发效率仍弱于诸如日本、美国、德国、法国等发达国家。因此，提高区域创新效率，摆脱中国高投入低产出的增长模式， 发展更加有效率的增长模式具有重大意义。 金融集聚是产业发展的重要支撑，产权结构影响了产权改革的路径与效率，二者对区域创新必然存在一定的影响。
通过下面对以往研究的梳理与回顾， 我们发现：第一，现有研究多关注产业集聚的空间分布、 知识溢出和行业异质性对区域创新绩效的影响。第二， 大多数文献的研究范围局限于成熟的制造业， 鲜有文献研究具体的某产业集聚与区域创新绩效的相互作用。 金融在当今经济生产活动中的重要性已经无需赘述， 而以产权结构为代表的制度因素也是近年来一致持续的关注热点， 且在研究方法与研究结论上存在巨大分歧。因此，本文尝试将金融聚集、 产权结构和区域创新绩效三者相结合， 研究三者之间的相关关系以及相互作用机制。 二、理论分析与研究假设
（一）金融集聚对区域创新的影响
方齐云等（2015）、谢子远等（2017）均认为，高技术产业集聚对创新效率的关系呈“倒U形”分布，即东部的产业集聚过度，对创新效率有负向影响，而中西部的产业集聚程度不足，其对创新效率有正向的影响[1-2]。刘宏伟等（2016）认为，在知识溢出的视角下，产业集聚通过降低知识获取成本，提高知识传递效率的方式，降低技术学习成本，进而降低创新成本[3]。刘乃全等（2016）以我国东中西三个地区为研究范围， 将产业集聚分为专业化集聚和多样化集聚， 研究了它们与区域创新效率之间的关系， 并发现专业化集聚对中部地区的创新效率有显著的促进作用， 而多样化集聚对中西部地区的创新效率有较好的提升。但总体而言，专业化集聚对区域创新效率的提升显著优于多样化集聚[4]。李红等（2014）认为，金融集聚能够带来人才、资本、机构等的集中，但并没有产生拥挤效应，同时还显著促进了城市经济增长[5]。由此，本文提出假设：
H1： 一个地区的金融集聚与区域创新绩效呈正相关
赖永剑等（2015）认为，创新是经济可持续发展的基本动力， 且大量的创新资金支持也是创新产出的基础。 他们考虑到中国各地区之间存在的明显异质性， 采用面板平滑转换回归模型分析了金融发展水平与区域创新绩效之间的关系， 并发现一个地区的金融市场规模能够正向影响该地区的区域创新绩效[6]。平力群（2016）认为，日本在其国家创新体系的支撑下， 实现了创新与国家经济发展水平的良性互动、互利双赢。良好的金融背景能够加快创新的进程[7]。李建军等（2017）对金融密度的相关文献进行总结， 发现多数文献均使用金融机构网点数、地区面积或金融机构网点数、人口总量作为衡量金融密度的尺度。但是，这种指标无法体现金融机构的规模差异性[8]。石盛林（2011）认为，在县域层面，金融密度与经济增长之间呈现出显著的“倒U型”曲线关系。同时表明，稳步放宽金融市场的进入门槛，消除金融服务的空白点，促进金融资本的形成和优化， 预防金融机构配置不足或过度， 这些对经济增长是十分具有意义的[9]。汪金花等（2015）等利用金融机构的存贷款之和与地区GDP的比重、股票总市值和证券总交易额的和占GDP的比重、金融机构中关于保险费用的收入占GDP的比重，衡量一个地区的金融深度[10]，但是研究金融深度与区域创新之间关系的文献，几乎没有。据此，本文提出假设H1a～H1d：
H1a： 一个地区的金融背景与区域创新绩效呈正相关
H1b： 一个地区的金融规模与区域创新绩效呈正相关
H1c： 一个地区的金融密度与区域创新绩效呈正相关
H1d： 一个地区的金融深度与区域创新绩效呈正相关
（二）产权结构对区域创新的影响
王兰芳等（2017）认为，非国有创业投资对创新绩效的促进作用要大于国有创业投资[11]。杨若愚（2016）认为，政府行为普遍存在“越位、错位、缺位”的现象，该现象使得政府对于创新方面的支持无效率甚至产生负面影响[12]。李健等（2017）认为，与一般意义上的产权结构不同， 中国企业的产权结构实际上是在纯粹的中央集权计划的公有制和纯粹分散的私有制之间不同程度的选择， 并表明产权结构变动对区域创新的投入产生了显著的推动作用[13]。
由此，本文提出假设：
H2：一个地区的产权结构与区域创新绩效呈正相关
三、变量的选取与测度
（一）变量的选取与数据的处理
本文采用2006—2015年全国30个省份（除西藏自治区、港澳台地区）的年度面板数据，相关数据由《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》和各省统计年鉴等整理得到，存在数值差异的，以较高级别的统计数据为准。 本文的实证结果均由MATLAB R2016a与Stata14MP计算得出。
1.指标合成方法的选定
在指标合成的备选方法中， 主要可以分为主观赋权法与客观赋权法。 主观赋权法主要是根据实证研究者以往的经验与参考前人研究成果，根据相关二级指标的重要性， 给予每个指标特定的权重。 这种方法由于其过强的主观性导致其结果难有说服力。 客观赋权法是指通过相关数理统计的方法，经过计算得出相关指标的权重。其中，主成分分析法（PCA法）因其相对客观而成为前人研究时使用的主流方法。 主成分分析法主要是根据样本期内相关指标的变异程度来决定权重的大小，但当存在极值影响较大，二级指标变动趋于一致或者权重为负的情况时，其结果往往失去意义，造成误用。据此，本文决定采用“熵权法”确定各二级指标权重。
2.熵权法
“熵”本来是一个热动力学概念，表明事物的不确定性。在熵权法指标评价体系中，各个指标的熵值越小，则表明其所包含的信息量越大，即在指标评价体系中的作用越大，反之则越小。熵权法的基本原理如下：
首先，假定研究目标有n个样本，每个一级指标均由指标体系中m個二级指标合成， 分别记为xi（i=1，2，…，n），则指标体系矩阵为：
最后， 通过各指标的信息熵计算各指标的权重，其公式如下：
3.区域创新绩效
李婧等（2017）研究表明，区域创新绩效的定义与评价体系，在国际上目前尚无定论[14]。以往研究衡量区域创新绩效这一指标时， 普遍采用专利申请数量、专利授权数量、新产品成交额等进行衡量。这种简单衡量创新的投入产出，用创新效率来评价区域创新绩效，显然过于粗糙。在考虑区域创新绩效时， 还应该考虑区域创新对经济与社会制度变迁的影响。
本文参考李婧等（2017）[14]、谢兰云（2013）[15]、何志超等（2015）[16]的做法，用R&D人员全时当量与R&D内部经费支出两个二级指标衡量区域创新绩效的创新投入部分； 用发明专利申请授权数与技术市场合同成交额两个二级指标衡量区域创新绩效的创新产出部分。区域创新的效果，主要表现在技术进步与经济增长两个方面：（1）从技术进步角度， 发明专利申请行为本身不受专利授权机构干扰，也不因实用性的原因受到市场的干扰，用来衡量地区原始创新能力，具有低噪声的优势。考虑到我国高校科研工作与企业生产的真实转化量远远低于名义合作量， 故本文并未采用前人常用的高校科研能力来衡量创新能力。（2） 从创新产出角度，区域创新是经济发展的源动力，技术市场合同成交额表明了一个地区创新活动的变现能力，创造出商业价值， 提升本地区经济水平才是区域创新活动的最终目的。 区域创新绩效的指标选取情况如表1所示。 由熵权法计算得到各二级指标权重，并据此合成区域创新绩效指标，其结果如下：
creationit=0.1798R&D_pepit+0.1797R&D_costit+0.2321patsit+0.3349techmit （5）
4.金融集聚与产权结构
目前测量金融集聚的方法主要分为单一指标法与综合指标法。 单一指标法主要有空间基尼系数（EG）、Herfindahl-Hirschman指数（HHI）、区位熵（LQ）等。综合指标法则是从各个角度选取能够测度金融集聚水平的相关二级指标， 构造相对完整的金融集聚指标体系。
本文参考了孙志红等（2017）[17]、张虎等（2017）[18]、茹乐峰等（2014）[19]的研究成果[17-19]，从金融背景、金融规模、金融深度、金融密度四个角度选取了十个二级指标来构建完整的金融集聚指标体系。 金融背景反映了一个地区金融集聚效应的宏观经济环境，在经济发达地区，金融集聚效应发展的阻力必然更小。 本文选取了各省份人均GDP、GDP、 年末总人口三个二级指标用来衡量金融背景， 能较为全面地反映该省份的经济发展水平。 金融规模是衡量一个省份金融发展水平的绝对数指标， 本文用该省份年末金融机构存款余额、贷款余额、 年末居民储蓄余额以及金融行业从业人员数量（西部地区部分省份某些地级市金融从业人员数量数据缺失， 根据该地区年末存贷款余额与该省份第二大城市相关数据，插值估算得到）四个二级指标衡量。 金融密度从人口金融密度与城市金融密度两个角度衡量。 金融深度用该地区金融活跃程度衡量。 金融集聚水平相关指标选取情况如表2所示。
由熵权法计算得到各二级指标权重， 并据此合成金融指标，其结果如下：
financial_clusterit=0.1175GDPit+0.0783pepit+0.0864PGDPit+0.1426loansit+0.1451depositsit+0.1275savingsit+0.0853clerkit+0.0761dens1it+
0.0776dens2it+0.0634depthit （6）
产权结构（property）的衡量方法较为单一，本文采用各省份固定资产总投资中非国有固定资产投资与非集体固定资产投资的占比和城镇就业总人数中非国有和非集体就业人数占比进行衡量，二者权重为0.5156和0.4844。
（二）区域创新绩效与金融结构的直观分析
本文的各项二级指标在进行熵权法确定权重时，已经通过公式（1）进行了无量纲化处理。因此，能够避免因为数量级差异过大造成的计量软件近似计算误差。
自然间断点分级法（Jenks法）具有组间方差最大，组内方差最小的特点。由于各年份的三个省际综合指标呈现出较为明显的小聚类分布，同时，考虑到三个省际综合指标的影响力是相对同年其他地区省份而言的。因此，本文使用自然间断点分级法将各指标2006年、2010年、2015年数据分成高、中、低三个聚类，进行直观分析。选取这三年是因为2006年与2010年是“十一五规划”的起始年与结束年，2015年是“十二五规划”的结束年，数据较有代表性。
金融集聚相对水平在近十年变化不大且东部沿海发达地区一直领先。北京、山东、浙江、江苏、广东等五个省（直辖市）在近十年一直保持着全国领先的地位。新疆、青海、甘肃、宁夏等地区，一直落后于全国平均水平。而贵州、吉林与内蒙古有所进步， 已经在2015年达到了全国相对中等水平。全国仅河南省金融集聚相对水平发生了下降，该省在2006年仍处于高水平集聚地区，但到了2010年就已经退居第二梯队， 这可能是由于该省产业选择与劳动力输出等因素造成的。
产权结构的空间分布变化较大， 中部地区的非国有经济发展較快，黄河以北地区则发展较慢。如黑龙江、内蒙古、新疆等省份，其产权改革速度明显低于其他地区， 已经退出了全国中等水平之列， 这些省份产权改革速度的下降可能是由于这些省份的主导产业以资源密集型与劳动力密集型（如农业、重工业、采掘业等）为主，这些产业中一部分（重工业、采掘业等）存在较高的产业壁垒，需要付出更多的沉淀成本，因此多为国有资本主导。而农业集体合作、 机械化等在这些地区开展同样不如沿海与中部地区， 尚未能改变农户自己生产的格局。所以这些地区产权改革落后于其他地区。中部六省民营资本发展较快，这与其人口基数大、中小型国企数量大，国企改制倒逼私有化进程、地区税收优惠政策、交通发展等内外部因素有关。沿海地区仅福建省在2016年退出了高水平行列，这可能是由于福建省民营资本多投入在鞋服加工、小商品生产、 陶瓷等行业， 这些行业近年来受外汇升值、人力资源成本上升、海外经济衰退、国家环保政策等因素的影响较大，产业较为低迷，破产企业数量增多等因素导致的。 以上产权结构的变化也能从近年来各省份IPO企业数量与性质上得到佐证。
区域创新绩效水平在沿海地区提升速度较快，四川、陕西等经济教育较发达的省份区域创新绩效水平同样较高。 黄河以北地区的区域创新绩效水平发展速度同样不快， 很难达到全国中等水平，这也比较符合经济现实。
通过上述分析，可以直观地得出以下结论：金融集聚、 产权结构与区域创新绩效三者的整体水平与发展速度在空间分布上具有一定的一致性的同时，也存在着部分的差异。因此，需要在后文进行定量分析，分析三者的相互关系，验证前文假设是否成立。
四、模型的选择与构建
（一）模型的选择
近年来，在研究区域创新绩效有关问题时，有关文献多采用空间面板模型，如李婧等（2017）[14]，于斌斌（2017）[20]。此方法虽然能够消除空间自相关的影响，提升估计效率，但存在的问题是：第一，其依赖的最大似然估计法（MLE）的大样本理论尚待完善， 且在异方差严重的情况下会导致QMLE估计量不一致。第二，本文生成了全国30个省份的邻接空间权重矩阵、地理距离空间权重矩阵、经济距离空间权重矩阵， 并且计算得到了地理空间权重与经济距离空间权重相结合的嵌套空间权重矩阵。 并用计算了各矩阵所对应的Morans’I与Geary’s C统计量，发现在大多数情况下，相关统计量并不能拒绝不存在空间自相关的原假设。这与部分文献产生了分歧， 应该是由于指标构造与样本差异造成的。综上，本文选择建立一般平衡面板模型进行相关计量分析。 （二）控制变量的选择
为了避免解释变量与被解释变量间的双向因果关系，本文参考了有关文献，选用该地区教育支出占政府财政支出的比例与该地区进出口总额与GDP的比值合成控制变量control， 其权重分别为0.1057和0.8943， 政府对教育的投入体现了该地区的创新潜力， 对外开放程度体现了一个地区的创新动力与机遇。由于前文构造一级指标时，已经使用了较多的解释变量， 故本文认为该合成控制变量指标已经能较有效率地完成其统计任务。
（三）模型的构建
根据前文有关分析，在参考了李健等（2017）[13]、李婧等（2017）[14]、张虎等（2017）[18]的研究成果后，本文初步设定如下面板计量模型：
其中 financial_backi，t代表金融背景，financial_ sizei，t代表金融规模， financial_densityi，t代表金融密度， financial_depthi，t代表金融深度。该模型用于验证H1a～H1d。
五、实证结果与分析
（一）面板回归方法的选择
首先，对模型进行固定效应回归，得到相应的结果后依次进行后续检验。然后，进行面板Wald检验，得到对应的？字2统计量，判断其是否应该使用聚类稳健的异方差标准误法进行回归。其次，对该模型进行Breusch-Pagan检验， 得到？字2统计量后，判断应该选择随机效应还是混合回归。最后，对模型进行Durbin-Wu-Hausman检验得到Sargan-Hansen统计量， 判断应该选择固定效应回归还是随机效应回归。
（二）回归结果与分析
面板回归结果如表3所示， 方程回归结果性质良好，所有解释变量均在1%的显著性水平下显著，各方程整体的统计性质也极为良好。
1.由表3第（a）列可知，金融集聚的系数为正且在1%的显著性水平下显著。表明金融集聚对区域创新绩效的提升起着促进作用， 即假设H1得证。 金融集聚对区域创新绩效的影响主要有：第一，金融集聚水平较高的地区，必然拥有更多、更优质的金融机构，降低了各类企业的融资门槛，为企业开展创新活动， 尤其是高新技术创新提供了更多的资金上的支持。第二，金融行业作为高收入的优质行业，吸引各背景的精英在该行业工作。同时，也必然会形成“虹吸效应”，吸引国内外更多高素质人才前往该地区就业， 为区域创新绩效的提升提供了人力支持。第三，金融集聚水平高的地区必然能为企业提供更优质、更全面的金融服务，为企业提供更多的可供选择的金融工具。对赌协议、IPO加速服务、 证券拓展服务等一系列工具与服务，必然会激发企业的盈利欲望与创新热情，进而形成企业间的良性竞争，提升区域创新绩效水平。
2.由表3第（b）列可知，产权结构的系数为正且在1%的显著性水平下显著，表明产权结构的提升对区域创新绩效的提升有促进作用，假设H2成立。该影响主要体现在：第一，随着非国有经济在国民经济体系中作用的提升， 市场的作用被充分体现。 更多的企业能够迅速地抓住市场需求的脉搏，提升创新频率与创新效率。第二，随着更多的非国有经济主体进入到原有的国有企业垄断行业，形成良性竞争机制，倒逼国有企业重视创新工作，提升创新效率。第三，产权水平的提升，提升了资源使用效率。 一部分国有企业与大型非国有企业更专注于“高投入-高产出”的产业研发，避免与小型企业相互撕咬。中小型企业则利用自身“小快灵”的特点，在细分市场上提供具有特色的产品与服务。
3.表3的第（c）～（f）列用于考察金融集聚的各个方面与区域创新绩效的关系。实证结果表明：金融集聚的金融背景、金融规模、金融密度与金融深度四个方面均在1%的水平下显著且其均对区域创新绩效产生正向影响。
金融背景指标衡量的是一个地区的经济发展水平，经济发展水平高的地区，其各种资源与技术水平必然更高，其区域创新绩效水平也更高。
金融规模衡量一个地区金融水平绝对量的高低，金融规模水平高的地区，存贷款与储蓄的规模较高，从侧面印证其产业总量与产业活跃度较高；同时，各产业之间的协同作用与良性竞争加剧，激发了产业内各企业的创新效率， 进而提升了区域创新绩效。
金融密度衡量了一个地区的人均金融贡献与收益水平，是一个相对量。它避免了因地理、人口等外在因素对金融集聚水平衡量的影响。 金融密度较大的地区， 人口金融密度与城市金融密度较大，即人均金融水平较高，能从一定程度上反映该地区的金融发展质量与发展程度。 金融密度较大的地区， 一般金融发展进程与质量要高于金融密度较低的地区。金融发展较为先进的地区，金融创新水平必然较高。 金融创新又必然会促进产业创新。因此，金融密度促进了区域创新绩效的提升。
金融深度指标衡量了一个地区金融业在国民经济体系中的重要程度。 金融行业的重要程度往往与第三产业在国民经济体系中所占比重的大小是正相关的。相较于第一产业与第二产业，第三产业是创新活动的生力军与主力军。 这也是金融深度与区域创新绩效为正相关关系的原因。
（三）稳健性检验
本文采用2006—2015年全国30个省份的相关面板数据，进行了实证研究，并得到了上述实证结果。为了保证实证结果的稳健性，本文采用如下两种方法进行稳健性检验：第一，采用2013—2015年的面板数据， 按照前文方法进行实证检验。第二， 将二级指标权重确定方法改为主成分分析法并且采用z-score法进行无量纲化。 限于篇幅，本文依惯例不再报告实证过程。实证结果发现，各指标的正负符号并未发生改变， 且所有指标均能在10%的顯著性水平下显著。 与上文结果稍有不同的是， 控制变量在某些情况下显著性水平发生了变化，这可能是“中介效应”造成的计量误差。总之，稳健性检验的结论与前文基本趋于一致，可以认为实证结论具有稳健性。 六、结论与建议
（一）研究结论
金融集聚水平高的地区， 该地区区域创新绩效更好。金融集聚的金融背景、金融规模、金融密度与金融深度四个方面均与区域创新绩效呈现正向的互动关系。提升金融集聚水平，促进金融发展能够提高区域创新绩效。 产权结构与区域创新绩效也呈现出正相关，即该地区产权清晰程度越高，其创新效率越高。
（二）政策建议
1.从金融集聚角度
第一，破除金融流动制度性壁垒，通过资金流动促使剩余金融资源从集聚水平较高的地区向集聚水平较低的地区流动， 提升落后地区金融集聚水平。 我国金融集聚水平较低的地区存在大量具有创新能力的企业（尤其是中小创新企业），由于金融业发展水平不高，难以获得资金信贷支持。破除行政区划导致的地方保护主义壁垒， 消除金融流通的体制障碍，促进区域间金融行业协同发展，进而通过资金流动带动要素流动， 提升区域创新绩效就显得尤为重要。
第二，加速金融改革，鼓励金融创新，引导区域间金融产业合理发展， 避免不合理竞争造成的产业趋同与系统性风险。要发挥互联网金融、普惠金融等的作用，加强与第三方支付平台、电子商务企业的合作，鼓励金融创新，提升金融集聚水准，保证金融产业安全、高效、合理、有序的发展。
第三，优化金融结构，提升金融集聚质量。一方面，要建立由银行业、保险业、证券业、信托租赁业等多行业互动的分层次、网络化的金融体系，鼓励各行业间的交流与合作， 引导各行业发挥其特点与优势，提升金融资产配置效率。另一方面，金融资源、金融机构、金融产品、金融服务等的配置与选择， 要与当地经济现状与产业发展阶段相匹配，以期能够削减融资成本、盘活资金存量，发挥好金融集聚对区域创新绩效的促进作用。 让金融业切实有效地促进区域创新活动的开展。
2.从产权结构角度
第一，鼓励民营企业尤其是中小型民营企业开展创新研发活动，加强知识产权保护力度。一方面，有关部门可以采取税收优惠、研发补助、建立创新风险基金、提供个性化辅导等措施，激励企业开展创新活动，提高创新效率；另一方面，应当继续加强知识产权保护，加大对复制、剽窃、模仿等侵权行为的惩罚力度，增强企业研发活动的安全感。
第二，拓宽民营企业融资渠道，为民营企业提供融资方便的同时加强资本市场行为监管， 规范大股东行为。一方面，要利用好主板、创业板与新三板等市场， 稳健有序地为民营企业提供融资方便，提供创新研发的资金保障。另一方面，要规范企业（尤其是大股东）在资本市场的行为，采取引入优先股制度，限制大股东减持等行为，促使大股东安心做好企业而不是减持套现。
第三，加强产权保护，避免产权残缺，修复制度不完备引发的制度漏洞。我国产权结构（尤其是归属于私有的部分） 仍存在着界定不清、 保护不足，剩余控制权分配不合理等诸多问题，极大地削弱了产权的激励与约束作用， 甚至出现负面消极作用。构建完善的产权保护路线图，加快产权保护制度建设速度势在必行。
参考文献：
[1]方齐云，吴光豪. 高技术产业集聚提高了创新效率吗？[J]. 管理现代化，2015（2）.
[2]谢子远，吴丽娟. 产业集聚水平与中国工业企业创新效率——基于20个工业行业2000-2012年面板数据的实证研究[J]. 科研管理，2017（1）.
[3]刘洪伟，陈银，李骏. 产业集聚、知识溢出与技术学习成本间关系的实证研究[J]. 技术经济，2016（10）.
[4]刘乃全，吴友，赵国振. 专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J]. 经济问题探索，2016（2）.
[5]李红，王彦晓. 金融集聚、空间溢出与城市经济增长——基于中国286个城市空间面板杜宾模型的经验研究[J]. 国际金融研究，2014（2）.
[6]赖永剑，贺祥民. 金融发展与区域创新绩效的非线性关系——基于面板平滑转换回归模型[J]. 华中科技大学学报（社会科学版），2015（2）.
[7]平力群. 创新激励、创新效率与经济绩效——对弗里曼的日本国家创新系统的分析补充[J]. 现代日本经济，2016（1）.
[8]李建军，韩珣. 金融密度的省际差异及其决定因素——基于四层次三维度空间分布评价系统的构建与实证检验[J]. 中央财经大学学报，2017（7）.
[9]石盛林. 县域金融密度与经济增长的实证研究：基于垄断竞争的解释[J]. 中央财经大学学报，2011（4）.
[10]汪金花，熊学萍. 金融深度、金融宽度与经济增长的实证研究——基于中国省际面板数据[J]. 金融与经济，2015（8）.
[11]王兰芳，胡悦. 创业投资促进了创新绩效吗？——基于中国企业面板数据的实证检验[J]. 金融研究，2017（1）.
[12]杨若愚. 市场竞争、政府行为与区域创新绩效——基于中国省级面板数据的实证研究[J]. 科研管理，2016（12）.
[13]李健，卫平，张玲玉. 产权结构变动和区域创新投入——基于中国省际面板数据的实证分析[J]. 研究与发展管理，2017（4）.
[14]李婧，何宜丽. 基于空间相关视角的知识溢出对区域创新绩效的影响研究——以省际数据为样本[J]. 研究与发展管理，2017（1）.
[15]谢兰云. 中国省域R&D投入对经济增长作用途径的空间计量分析[J]. 中国软科学，2013（9）.
[16]何志超，余兆武，伍博炜. 基于面板数据的中国R&D投入对城镇化影响分析[J]. 地理科学进展，2015（8）.
[17]孙志红，王亚青. 金融集聚对区域经济增长的空间溢出效应研究——基于西北五省数据[J]. 审计与经济研究，2017（2）.
[18]张虎，韩爱华. 金融集聚、创新空间效应与区域协调机制研究——基于省级面板数据的空间计量分析[J]. 中南财经政法大学学报，2017（1）.
[19]茹乐峰，苗长虹，王海江. 我国中心城市金融集聚水平與空间格局研究[J]. 经济地理，2014（2）.
[20]于斌斌. 金融集聚促进了产业结构升级吗：空间溢出的视角——基于中国城市动态空间面板模型的分析[J]. 国际金融研究，2017（2）.
关 键 词：金融集聚；产权结构 ；区域创新；创新绩效
中图分类号：F832.7 文献标识码：A 文章编号：2096-2517（2018）01-0041-10
DOI：10.19631/j.cnki.css.2018.01.006
Abstract： Based on entropy method， Jenks method， robust panel fixed effect regression and other empirical methods， the paper used the provincial panel data of 30 provinces in China during 2006 -2015 and empirically analyzed the impact of financial cluster and its four two-level indicators （financial background， financial size， financial density， financial depth） and property rights structure on regional innovation performance. It is proved that financial cluster and its four aspects are positively related to the regional innovation performance， improving the level of financial cluster and promoting financial development can improve regional innovation performance. Property rights structure and regional innovation performance also show a positive correlation， that is， the higher the degree of privatization in the region， the higher the efficiency of innovation. Therefore， at the end of the article， we put forward a series of measures to improve the quality of financial cluster， such as breaking institutional barriers of financial flow， accelerating financial reform， optimizing regional financial structure. And we should encourage private high-tech enterprises to carry out innovative activities for private enterprises to provide financing facilities to play the role of the new board market， strengthen property protection and a series of policy recommendations to optimize the structure of property rights.
Key words： financial cluster； property rights structure； regional innovation； innovation performance
一、问题提出
在世界经济发展呈现出区域化特征的大格局下，区域创新能力已经逐渐成为衡量该地区核心竞争力的重要指标。 要素投入驱动的粗放型经济增长方式已经明显难以满足“新常态”背景下区域经济增长的需要。创新驱动，构建创新体系，将我国建设成为创新型国家已经成为我国的发展战略之一。党的十九大报告指出“创新是引领发展的第一动力， 是建设现代化经济体系的战略支撑”。根据《中国统计年鉴》，截至2015年，我国政府一般公共预算中对科学技术支出为3384.18亿元，规模以上工业的R&D经费支出为1001.39亿元。然而时至今日，我国的研发效率仍弱于诸如日本、美国、德国、法国等发达国家。因此，提高区域创新效率，摆脱中国高投入低产出的增长模式， 发展更加有效率的增长模式具有重大意义。 金融集聚是产业发展的重要支撑，产权结构影响了产权改革的路径与效率，二者对区域创新必然存在一定的影响。
通过下面对以往研究的梳理与回顾， 我们发现：第一，现有研究多关注产业集聚的空间分布、 知识溢出和行业异质性对区域创新绩效的影响。第二， 大多数文献的研究范围局限于成熟的制造业， 鲜有文献研究具体的某产业集聚与区域创新绩效的相互作用。 金融在当今经济生产活动中的重要性已经无需赘述， 而以产权结构为代表的制度因素也是近年来一致持续的关注热点， 且在研究方法与研究结论上存在巨大分歧。因此，本文尝试将金融聚集、 产权结构和区域创新绩效三者相结合， 研究三者之间的相关关系以及相互作用机制。 二、理论分析与研究假设
（一）金融集聚对区域创新的影响
方齐云等（2015）、谢子远等（2017）均认为，高技术产业集聚对创新效率的关系呈“倒U形”分布，即东部的产业集聚过度，对创新效率有负向影响，而中西部的产业集聚程度不足，其对创新效率有正向的影响[1-2]。刘宏伟等（2016）认为，在知识溢出的视角下，产业集聚通过降低知识获取成本，提高知识传递效率的方式，降低技术学习成本，进而降低创新成本[3]。刘乃全等（2016）以我国东中西三个地区为研究范围， 将产业集聚分为专业化集聚和多样化集聚， 研究了它们与区域创新效率之间的关系， 并发现专业化集聚对中部地区的创新效率有显著的促进作用， 而多样化集聚对中西部地区的创新效率有较好的提升。但总体而言，专业化集聚对区域创新效率的提升显著优于多样化集聚[4]。李红等（2014）认为，金融集聚能够带来人才、资本、机构等的集中，但并没有产生拥挤效应，同时还显著促进了城市经济增长[5]。由此，本文提出假设：
H1： 一个地区的金融集聚与区域创新绩效呈正相关
赖永剑等（2015）认为，创新是经济可持续发展的基本动力， 且大量的创新资金支持也是创新产出的基础。 他们考虑到中国各地区之间存在的明显异质性， 采用面板平滑转换回归模型分析了金融发展水平与区域创新绩效之间的关系， 并发现一个地区的金融市场规模能够正向影响该地区的区域创新绩效[6]。平力群（2016）认为，日本在其国家创新体系的支撑下， 实现了创新与国家经济发展水平的良性互动、互利双赢。良好的金融背景能够加快创新的进程[7]。李建军等（2017）对金融密度的相关文献进行总结， 发现多数文献均使用金融机构网点数、地区面积或金融机构网点数、人口总量作为衡量金融密度的尺度。但是，这种指标无法体现金融机构的规模差异性[8]。石盛林（2011）认为，在县域层面，金融密度与经济增长之间呈现出显著的“倒U型”曲线关系。同时表明，稳步放宽金融市场的进入门槛，消除金融服务的空白点，促进金融资本的形成和优化， 预防金融机构配置不足或过度， 这些对经济增长是十分具有意义的[9]。汪金花等（2015）等利用金融机构的存贷款之和与地区GDP的比重、股票总市值和证券总交易额的和占GDP的比重、金融机构中关于保险费用的收入占GDP的比重，衡量一个地区的金融深度[10]，但是研究金融深度与区域创新之间关系的文献，几乎没有。据此，本文提出假设H1a～H1d：
H1a： 一个地区的金融背景与区域创新绩效呈正相关
H1b： 一个地区的金融规模与区域创新绩效呈正相关
H1c： 一个地区的金融密度与区域创新绩效呈正相关
H1d： 一个地区的金融深度与区域创新绩效呈正相关
（二）产权结构对区域创新的影响
王兰芳等（2017）认为，非国有创业投资对创新绩效的促进作用要大于国有创业投资[11]。杨若愚（2016）认为，政府行为普遍存在“越位、错位、缺位”的现象，该现象使得政府对于创新方面的支持无效率甚至产生负面影响[12]。李健等（2017）认为，与一般意义上的产权结构不同， 中国企业的产权结构实际上是在纯粹的中央集权计划的公有制和纯粹分散的私有制之间不同程度的选择， 并表明产权结构变动对区域创新的投入产生了显著的推动作用[13]。
由此，本文提出假设：
H2：一个地区的产权结构与区域创新绩效呈正相关
三、变量的选取与测度
（一）变量的选取与数据的处理
本文采用2006—2015年全国30个省份（除西藏自治区、港澳台地区）的年度面板数据，相关数据由《中国统计年鉴》《中国科技统计年鉴》《中国环境统计年鉴》《中国劳动统计年鉴》和各省统计年鉴等整理得到，存在数值差异的，以较高级别的统计数据为准。 本文的实证结果均由MATLAB R2016a与Stata14MP计算得出。
1.指标合成方法的选定
在指标合成的备选方法中， 主要可以分为主观赋权法与客观赋权法。 主观赋权法主要是根据实证研究者以往的经验与参考前人研究成果，根据相关二级指标的重要性， 给予每个指标特定的权重。 这种方法由于其过强的主观性导致其结果难有说服力。 客观赋权法是指通过相关数理统计的方法，经过计算得出相关指标的权重。其中，主成分分析法（PCA法）因其相对客观而成为前人研究时使用的主流方法。 主成分分析法主要是根据样本期内相关指标的变异程度来决定权重的大小，但当存在极值影响较大，二级指标变动趋于一致或者权重为负的情况时，其结果往往失去意义，造成误用。据此，本文决定采用“熵权法”确定各二级指标权重。
2.熵权法
“熵”本来是一个热动力学概念，表明事物的不确定性。在熵权法指标评价体系中，各个指标的熵值越小，则表明其所包含的信息量越大，即在指标评价体系中的作用越大，反之则越小。熵权法的基本原理如下：
首先，假定研究目标有n个样本，每个一级指标均由指标体系中m個二级指标合成， 分别记为xi（i=1，2，…，n），则指标体系矩阵为：
最后， 通过各指标的信息熵计算各指标的权重，其公式如下：
3.区域创新绩效
李婧等（2017）研究表明，区域创新绩效的定义与评价体系，在国际上目前尚无定论[14]。以往研究衡量区域创新绩效这一指标时， 普遍采用专利申请数量、专利授权数量、新产品成交额等进行衡量。这种简单衡量创新的投入产出，用创新效率来评价区域创新绩效，显然过于粗糙。在考虑区域创新绩效时， 还应该考虑区域创新对经济与社会制度变迁的影响。
本文参考李婧等（2017）[14]、谢兰云（2013）[15]、何志超等（2015）[16]的做法，用R&D人员全时当量与R&D内部经费支出两个二级指标衡量区域创新绩效的创新投入部分； 用发明专利申请授权数与技术市场合同成交额两个二级指标衡量区域创新绩效的创新产出部分。区域创新的效果，主要表现在技术进步与经济增长两个方面：（1）从技术进步角度， 发明专利申请行为本身不受专利授权机构干扰，也不因实用性的原因受到市场的干扰，用来衡量地区原始创新能力，具有低噪声的优势。考虑到我国高校科研工作与企业生产的真实转化量远远低于名义合作量， 故本文并未采用前人常用的高校科研能力来衡量创新能力。（2） 从创新产出角度，区域创新是经济发展的源动力，技术市场合同成交额表明了一个地区创新活动的变现能力，创造出商业价值， 提升本地区经济水平才是区域创新活动的最终目的。 区域创新绩效的指标选取情况如表1所示。 由熵权法计算得到各二级指标权重，并据此合成区域创新绩效指标，其结果如下：
creationit=0.1798R&D_pepit+0.1797R&D_costit+0.2321patsit+0.3349techmit （5）
4.金融集聚与产权结构
目前测量金融集聚的方法主要分为单一指标法与综合指标法。 单一指标法主要有空间基尼系数（EG）、Herfindahl-Hirschman指数（HHI）、区位熵（LQ）等。综合指标法则是从各个角度选取能够测度金融集聚水平的相关二级指标， 构造相对完整的金融集聚指标体系。
本文参考了孙志红等（2017）[17]、张虎等（2017）[18]、茹乐峰等（2014）[19]的研究成果[17-19]，从金融背景、金融规模、金融深度、金融密度四个角度选取了十个二级指标来构建完整的金融集聚指标体系。 金融背景反映了一个地区金融集聚效应的宏观经济环境，在经济发达地区，金融集聚效应发展的阻力必然更小。 本文选取了各省份人均GDP、GDP、 年末总人口三个二级指标用来衡量金融背景， 能较为全面地反映该省份的经济发展水平。 金融规模是衡量一个省份金融发展水平的绝对数指标， 本文用该省份年末金融机构存款余额、贷款余额、 年末居民储蓄余额以及金融行业从业人员数量（西部地区部分省份某些地级市金融从业人员数量数据缺失， 根据该地区年末存贷款余额与该省份第二大城市相关数据，插值估算得到）四个二级指标衡量。 金融密度从人口金融密度与城市金融密度两个角度衡量。 金融深度用该地区金融活跃程度衡量。 金融集聚水平相关指标选取情况如表2所示。
由熵权法计算得到各二级指标权重， 并据此合成金融指标，其结果如下：
financial_clusterit=0.1175GDPit+0.0783pepit+0.0864PGDPit+0.1426loansit+0.1451depositsit+0.1275savingsit+0.0853clerkit+0.0761dens1it+
0.0776dens2it+0.0634depthit （6）
产权结构（property）的衡量方法较为单一，本文采用各省份固定资产总投资中非国有固定资产投资与非集体固定资产投资的占比和城镇就业总人数中非国有和非集体就业人数占比进行衡量，二者权重为0.5156和0.4844。
（二）区域创新绩效与金融结构的直观分析
本文的各项二级指标在进行熵权法确定权重时，已经通过公式（1）进行了无量纲化处理。因此，能够避免因为数量级差异过大造成的计量软件近似计算误差。
自然间断点分级法（Jenks法）具有组间方差最大，组内方差最小的特点。由于各年份的三个省际综合指标呈现出较为明显的小聚类分布，同时，考虑到三个省际综合指标的影响力是相对同年其他地区省份而言的。因此，本文使用自然间断点分级法将各指标2006年、2010年、2015年数据分成高、中、低三个聚类，进行直观分析。选取这三年是因为2006年与2010年是“十一五规划”的起始年与结束年，2015年是“十二五规划”的结束年，数据较有代表性。
金融集聚相对水平在近十年变化不大且东部沿海发达地区一直领先。北京、山东、浙江、江苏、广东等五个省（直辖市）在近十年一直保持着全国领先的地位。新疆、青海、甘肃、宁夏等地区，一直落后于全国平均水平。而贵州、吉林与内蒙古有所进步， 已经在2015年达到了全国相对中等水平。全国仅河南省金融集聚相对水平发生了下降，该省在2006年仍处于高水平集聚地区，但到了2010年就已经退居第二梯队， 这可能是由于该省产业选择与劳动力输出等因素造成的。
产权结构的空间分布变化较大， 中部地区的非国有经济发展較快，黄河以北地区则发展较慢。如黑龙江、内蒙古、新疆等省份，其产权改革速度明显低于其他地区， 已经退出了全国中等水平之列， 这些省份产权改革速度的下降可能是由于这些省份的主导产业以资源密集型与劳动力密集型（如农业、重工业、采掘业等）为主，这些产业中一部分（重工业、采掘业等）存在较高的产业壁垒，需要付出更多的沉淀成本，因此多为国有资本主导。而农业集体合作、 机械化等在这些地区开展同样不如沿海与中部地区， 尚未能改变农户自己生产的格局。所以这些地区产权改革落后于其他地区。中部六省民营资本发展较快，这与其人口基数大、中小型国企数量大，国企改制倒逼私有化进程、地区税收优惠政策、交通发展等内外部因素有关。沿海地区仅福建省在2016年退出了高水平行列，这可能是由于福建省民营资本多投入在鞋服加工、小商品生产、 陶瓷等行业， 这些行业近年来受外汇升值、人力资源成本上升、海外经济衰退、国家环保政策等因素的影响较大，产业较为低迷，破产企业数量增多等因素导致的。 以上产权结构的变化也能从近年来各省份IPO企业数量与性质上得到佐证。
区域创新绩效水平在沿海地区提升速度较快，四川、陕西等经济教育较发达的省份区域创新绩效水平同样较高。 黄河以北地区的区域创新绩效水平发展速度同样不快， 很难达到全国中等水平，这也比较符合经济现实。
通过上述分析，可以直观地得出以下结论：金融集聚、 产权结构与区域创新绩效三者的整体水平与发展速度在空间分布上具有一定的一致性的同时，也存在着部分的差异。因此，需要在后文进行定量分析，分析三者的相互关系，验证前文假设是否成立。
四、模型的选择与构建
（一）模型的选择
近年来，在研究区域创新绩效有关问题时，有关文献多采用空间面板模型，如李婧等（2017）[14]，于斌斌（2017）[20]。此方法虽然能够消除空间自相关的影响，提升估计效率，但存在的问题是：第一，其依赖的最大似然估计法（MLE）的大样本理论尚待完善， 且在异方差严重的情况下会导致QMLE估计量不一致。第二，本文生成了全国30个省份的邻接空间权重矩阵、地理距离空间权重矩阵、经济距离空间权重矩阵， 并且计算得到了地理空间权重与经济距离空间权重相结合的嵌套空间权重矩阵。 并用计算了各矩阵所对应的Morans’I与Geary’s C统计量，发现在大多数情况下，相关统计量并不能拒绝不存在空间自相关的原假设。这与部分文献产生了分歧， 应该是由于指标构造与样本差异造成的。综上，本文选择建立一般平衡面板模型进行相关计量分析。 （二）控制变量的选择
为了避免解释变量与被解释变量间的双向因果关系，本文参考了有关文献，选用该地区教育支出占政府财政支出的比例与该地区进出口总额与GDP的比值合成控制变量control， 其权重分别为0.1057和0.8943， 政府对教育的投入体现了该地区的创新潜力， 对外开放程度体现了一个地区的创新动力与机遇。由于前文构造一级指标时，已经使用了较多的解释变量， 故本文认为该合成控制变量指标已经能较有效率地完成其统计任务。
（三）模型的构建
根据前文有关分析，在参考了李健等（2017）[13]、李婧等（2017）[14]、张虎等（2017）[18]的研究成果后，本文初步设定如下面板计量模型：
其中 financial_backi，t代表金融背景，financial_ sizei，t代表金融规模， financial_densityi，t代表金融密度， financial_depthi，t代表金融深度。该模型用于验证H1a～H1d。
五、实证结果与分析
（一）面板回归方法的选择
首先，对模型进行固定效应回归，得到相应的结果后依次进行后续检验。然后，进行面板Wald检验，得到对应的？字2统计量，判断其是否应该使用聚类稳健的异方差标准误法进行回归。其次，对该模型进行Breusch-Pagan检验， 得到？字2统计量后，判断应该选择随机效应还是混合回归。最后，对模型进行Durbin-Wu-Hausman检验得到Sargan-Hansen统计量， 判断应该选择固定效应回归还是随机效应回归。
（二）回归结果与分析
面板回归结果如表3所示， 方程回归结果性质良好，所有解释变量均在1%的显著性水平下显著，各方程整体的统计性质也极为良好。
1.由表3第（a）列可知，金融集聚的系数为正且在1%的显著性水平下显著。表明金融集聚对区域创新绩效的提升起着促进作用， 即假设H1得证。 金融集聚对区域创新绩效的影响主要有：第一，金融集聚水平较高的地区，必然拥有更多、更优质的金融机构，降低了各类企业的融资门槛，为企业开展创新活动， 尤其是高新技术创新提供了更多的资金上的支持。第二，金融行业作为高收入的优质行业，吸引各背景的精英在该行业工作。同时，也必然会形成“虹吸效应”，吸引国内外更多高素质人才前往该地区就业， 为区域创新绩效的提升提供了人力支持。第三，金融集聚水平高的地区必然能为企业提供更优质、更全面的金融服务，为企业提供更多的可供选择的金融工具。对赌协议、IPO加速服务、 证券拓展服务等一系列工具与服务，必然会激发企业的盈利欲望与创新热情，进而形成企业间的良性竞争，提升区域创新绩效水平。
2.由表3第（b）列可知，产权结构的系数为正且在1%的显著性水平下显著，表明产权结构的提升对区域创新绩效的提升有促进作用，假设H2成立。该影响主要体现在：第一，随着非国有经济在国民经济体系中作用的提升， 市场的作用被充分体现。 更多的企业能够迅速地抓住市场需求的脉搏，提升创新频率与创新效率。第二，随着更多的非国有经济主体进入到原有的国有企业垄断行业，形成良性竞争机制，倒逼国有企业重视创新工作，提升创新效率。第三，产权水平的提升，提升了资源使用效率。 一部分国有企业与大型非国有企业更专注于“高投入-高产出”的产业研发，避免与小型企业相互撕咬。中小型企业则利用自身“小快灵”的特点，在细分市场上提供具有特色的产品与服务。
3.表3的第（c）～（f）列用于考察金融集聚的各个方面与区域创新绩效的关系。实证结果表明：金融集聚的金融背景、金融规模、金融密度与金融深度四个方面均在1%的水平下显著且其均对区域创新绩效产生正向影响。
金融背景指标衡量的是一个地区的经济发展水平，经济发展水平高的地区，其各种资源与技术水平必然更高，其区域创新绩效水平也更高。
金融规模衡量一个地区金融水平绝对量的高低，金融规模水平高的地区，存贷款与储蓄的规模较高，从侧面印证其产业总量与产业活跃度较高；同时，各产业之间的协同作用与良性竞争加剧，激发了产业内各企业的创新效率， 进而提升了区域创新绩效。
金融密度衡量了一个地区的人均金融贡献与收益水平，是一个相对量。它避免了因地理、人口等外在因素对金融集聚水平衡量的影响。 金融密度较大的地区， 人口金融密度与城市金融密度较大，即人均金融水平较高，能从一定程度上反映该地区的金融发展质量与发展程度。 金融密度较大的地区， 一般金融发展进程与质量要高于金融密度较低的地区。金融发展较为先进的地区，金融创新水平必然较高。 金融创新又必然会促进产业创新。因此，金融密度促进了区域创新绩效的提升。
金融深度指标衡量了一个地区金融业在国民经济体系中的重要程度。 金融行业的重要程度往往与第三产业在国民经济体系中所占比重的大小是正相关的。相较于第一产业与第二产业，第三产业是创新活动的生力军与主力军。 这也是金融深度与区域创新绩效为正相关关系的原因。
（三）稳健性检验
本文采用2006—2015年全国30个省份的相关面板数据，进行了实证研究，并得到了上述实证结果。为了保证实证结果的稳健性，本文采用如下两种方法进行稳健性检验：第一，采用2013—2015年的面板数据， 按照前文方法进行实证检验。第二， 将二级指标权重确定方法改为主成分分析法并且采用z-score法进行无量纲化。 限于篇幅，本文依惯例不再报告实证过程。实证结果发现，各指标的正负符号并未发生改变， 且所有指标均能在10%的顯著性水平下显著。 与上文结果稍有不同的是， 控制变量在某些情况下显著性水平发生了变化，这可能是“中介效应”造成的计量误差。总之，稳健性检验的结论与前文基本趋于一致，可以认为实证结论具有稳健性。 六、结论与建议
（一）研究结论
金融集聚水平高的地区， 该地区区域创新绩效更好。金融集聚的金融背景、金融规模、金融密度与金融深度四个方面均与区域创新绩效呈现正向的互动关系。提升金融集聚水平，促进金融发展能够提高区域创新绩效。 产权结构与区域创新绩效也呈现出正相关，即该地区产权清晰程度越高，其创新效率越高。
（二）政策建议
1.从金融集聚角度
第一，破除金融流动制度性壁垒，通过资金流动促使剩余金融资源从集聚水平较高的地区向集聚水平较低的地区流动， 提升落后地区金融集聚水平。 我国金融集聚水平较低的地区存在大量具有创新能力的企业（尤其是中小创新企业），由于金融业发展水平不高，难以获得资金信贷支持。破除行政区划导致的地方保护主义壁垒， 消除金融流通的体制障碍，促进区域间金融行业协同发展，进而通过资金流动带动要素流动， 提升区域创新绩效就显得尤为重要。
第二，加速金融改革，鼓励金融创新，引导区域间金融产业合理发展， 避免不合理竞争造成的产业趋同与系统性风险。要发挥互联网金融、普惠金融等的作用，加强与第三方支付平台、电子商务企业的合作，鼓励金融创新，提升金融集聚水准，保证金融产业安全、高效、合理、有序的发展。
第三，优化金融结构，提升金融集聚质量。一方面，要建立由银行业、保险业、证券业、信托租赁业等多行业互动的分层次、网络化的金融体系，鼓励各行业间的交流与合作， 引导各行业发挥其特点与优势，提升金融资产配置效率。另一方面，金融资源、金融机构、金融产品、金融服务等的配置与选择， 要与当地经济现状与产业发展阶段相匹配，以期能够削减融资成本、盘活资金存量，发挥好金融集聚对区域创新绩效的促进作用。 让金融业切实有效地促进区域创新活动的开展。
2.从产权结构角度
第一，鼓励民营企业尤其是中小型民营企业开展创新研发活动，加强知识产权保护力度。一方面，有关部门可以采取税收优惠、研发补助、建立创新风险基金、提供个性化辅导等措施，激励企业开展创新活动，提高创新效率；另一方面，应当继续加强知识产权保护，加大对复制、剽窃、模仿等侵权行为的惩罚力度，增强企业研发活动的安全感。
第二，拓宽民营企业融资渠道，为民营企业提供融资方便的同时加强资本市场行为监管， 规范大股东行为。一方面，要利用好主板、创业板与新三板等市场， 稳健有序地为民营企业提供融资方便，提供创新研发的资金保障。另一方面，要规范企业（尤其是大股东）在资本市场的行为，采取引入优先股制度，限制大股东减持等行为，促使大股东安心做好企业而不是减持套现。
第三，加强产权保护，避免产权残缺，修复制度不完备引发的制度漏洞。我国产权结构（尤其是归属于私有的部分） 仍存在着界定不清、 保护不足，剩余控制权分配不合理等诸多问题，极大地削弱了产权的激励与约束作用， 甚至出现负面消极作用。构建完善的产权保护路线图，加快产权保护制度建设速度势在必行。
参考文献：
[1]方齐云，吴光豪. 高技术产业集聚提高了创新效率吗？[J]. 管理现代化，2015（2）.
[2]谢子远，吴丽娟. 产业集聚水平与中国工业企业创新效率——基于20个工业行业2000-2012年面板数据的实证研究[J]. 科研管理，2017（1）.
[3]刘洪伟，陈银，李骏. 产业集聚、知识溢出与技术学习成本间关系的实证研究[J]. 技术经济，2016（10）.
[4]刘乃全，吴友，赵国振. 专业化集聚、多样化集聚对区域创新效率的影响——基于空间杜宾模型的实证分析[J]. 经济问题探索，2016（2）.
[5]李红，王彦晓. 金融集聚、空间溢出与城市经济增长——基于中国286个城市空间面板杜宾模型的经验研究[J]. 国际金融研究，2014（2）.
[6]赖永剑，贺祥民. 金融发展与区域创新绩效的非线性关系——基于面板平滑转换回归模型[J]. 华中科技大学学报（社会科学版），2015（2）.
[7]平力群. 创新激励、创新效率与经济绩效——对弗里曼的日本国家创新系统的分析补充[J]. 现代日本经济，2016（1）.
[8]李建军，韩珣. 金融密度的省际差异及其决定因素——基于四层次三维度空间分布评价系统的构建与实证检验[J]. 中央财经大学学报，2017（7）.
[9]石盛林. 县域金融密度与经济增长的实证研究：基于垄断竞争的解释[J]. 中央财经大学学报，2011（4）.
[10]汪金花，熊学萍. 金融深度、金融宽度与经济增长的实证研究——基于中国省际面板数据[J]. 金融与经济，2015（8）.
[11]王兰芳，胡悦. 创业投资促进了创新绩效吗？——基于中国企业面板数据的实证检验[J]. 金融研究，2017（1）.
[12]杨若愚. 市场竞争、政府行为与区域创新绩效——基于中国省级面板数据的实证研究[J]. 科研管理，2016（12）.
[13]李健，卫平，张玲玉. 产权结构变动和区域创新投入——基于中国省际面板数据的实证分析[J]. 研究与发展管理，2017（4）.
[14]李婧，何宜丽. 基于空间相关视角的知识溢出对区域创新绩效的影响研究——以省际数据为样本[J]. 研究与发展管理，2017（1）.
[15]谢兰云. 中国省域R&D投入对经济增长作用途径的空间计量分析[J]. 中国软科学，2013（9）.
[16]何志超，余兆武，伍博炜. 基于面板数据的中国R&D投入对城镇化影响分析[J]. 地理科学进展，2015（8）.
[17]孙志红，王亚青. 金融集聚对区域经济增长的空间溢出效应研究——基于西北五省数据[J]. 审计与经济研究，2017（2）.
[18]张虎，韩爱华. 金融集聚、创新空间效应与区域协调机制研究——基于省级面板数据的空间计量分析[J]. 中南财经政法大学学报，2017（1）.
[19]茹乐峰，苗长虹，王海江. 我国中心城市金融集聚水平與空间格局研究[J]. 经济地理，2014（2）.
[20]于斌斌. 金融集聚促进了产业结构升级吗：空间溢出的视角——基于中国城市动态空间面板模型的分析[J]. 国际金融研究，2017（2）.