论文部分内容阅读
【摘 要】论文针对金融科技创新对企业资本配置效率的影响进行理论与实证研究,基于空间计量经济模型,运用2003-2016年面板数据再检验企业资本配置效率以及区域差异。结果表明:金融科技创新与地区企业资本配置效率之间存在显著的正相关性,能显著地促进企业经济增长;金融发展和金融科技创新的融合互动,能够缓解金融发展对企业资本配置效率的抑制作用;人力资本、财政支出和城镇化水平对地区企业经济增长具有显著正向促进作用。
【Abstract】This paper makes a theoretical and empirical study on the impact of fintech innovation on enterprise capital allocation efficiency. Based on the spatial econometric model, this paper uses the panel data from 2003 to 2016 to retest the enterprise capital allocation efficiency and regional differences. The results show that there is a significant positive correlation between fintech innovation and regional enterprise capital allocation efficiency, which can significantly promote enterprise economic growth. The integration and interaction of financial development and fintech innovation can alleviate the inhibitory effect of financial development on enterprise capital allocation efficiency. Human capital, financial expenditure and urbanization level have a significant positive effect in promoting the economic growth of regional enterprises.
【关键词】金融科技;创新;企业;资本配置效率
【Keywords】fintech; innovation; enterprise; capital allocation efficiency
【中图分类号】F832.4;F275 【文献标志码】A 【文章編号】1673-1069(2021)11-0113-04
1 引言
“十四五”是我国开启全面建设社会主义现代化国家新征程的第一个五年,对我国第二个百年奋斗目标的实现具有引领和试错性意义,是我国发展的重要战略机遇期。放眼全球,世界处于百年未有之大变局,随着新一轮科技革命和产业革命的深入发展,数字经济趋势猛烈,如何不掉队、追赶领先技术应用对各行各业来说至关重要。“坚持创新驱动发展”“加快数字化发展”在《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中也多次被提及。同时,受全球新冠疫情的影响,人们消费偏好、行为偏好的转变也对各行各业的生产和服务模式提出极大的挑战。如何在危中思变,转危为机是各行各业需要思考的问题。金融行业作为改革开放的排头兵,更应主动迎接挑战,抓住先机,发挥行业引领和基石作用,坚持把发展经济着力点放在实体经济上,倡导“充分发挥海量数据和丰富应用场景优势,促进数字技术与实体经济深度融合,赋能传统产业转型升级,催生新产业新业态新模式”,助力整体经济和社会发展。在国家大力提倡金融服务实体经济的当下,金融机构应如何持续、积极地探索业务创新对产业的赋能,通过科技手段创新直达实体经济的金融产品和服务,支持以高科技、高端制造和服务、基建和民生等为代表的实体经济产业,构建实体经济、科技创新、现代金融等协同发展的现代产业体系。
2 实证结果与分析
2.1 我国企业经济资本配置效率测度研究
2.1.1 根据工业行业测算企业经济资本配置效率
将企业经济资本配置效率估计模型设置如下:
(1)
式(1)中,Ici,t为行业i省份c内第t年固定资产净值(固定资本形成总额);Vci,t为行业i省份c内第t年工业总产值(总产值);η为资本配置效率;ε为干扰项。本文根据模型(1),采用我国2003-2016年29个省份与18个工业行业的基础数据测算出我国企业经济资本配置效率,具体如表1所示。
从表1可以看出,各行业以及各省份资本配置效率高低不一,说明中国各行业资本配置效率存在明显差异,并且在不同省份之间也存在差异。从行业分布来看,设备制造业工业、化学原料制品、石油冶炼、金属制品工业企业的资本配置效率达到了较高的水平,而交通运输业的资本配置效率最低。从省份分布来看,河北、贵州、湖北、湖南均达到了较高的水平,而海南、广西的资本配置效率最低。 2.1.2 根据生产总值测算企业经济资本配置效率
为进一步衡量我国企业经济资本配置效率的整体水平,本文采用模型(1)选取我国2003-2016年30个省份(除西藏)的全行业固定资本形成总额与地区总产值的面板数据,运用资本配置效率模型进行回归分析,结果如表2所示。
表2估计的是我国企业经济资本配置效率,可以看出我国企业经济资本配置效率为0.306,大于0,且在1%的水平下显著,表明我国近几年的企业经济配置效率水平相对偏低。
从表3可以看出,我国大多数地区企业经济资本配置效率通过了显著性检验,且除浙江、江西、广东外,所有地区的资本配置效率大于0。但从各省份间看,各省份企业经济资本配置效率具有显著差异,与工业企业测算的资本配置效率呈现协同现状。
2.2 空间计量模型估计
2.2.1 空间自相关检验
首先,本文采用“莫兰指数”(Moran's I)来计算地区企业经济的空间自相关性,具体如图1所示。
可以看出,2003-2016年我国地区企业经济的莫兰指数的波动区间在0.21~0.24,并且全部通过显著性检验,大致呈现“U”型变化趋势,在2016年时达到最高峰,在地理空间上呈现出明显的集聚现象(见图2)。
其次,本文同样计算金融发展和金融科技创新的空间相关性,具体如下。
从图3可以看出,2003-2016年我国金融发展和金融科技创新的莫兰指数的波动区间在0.03~0.24和0.06~0.3,并且通过显著性检验,金融发展的莫兰指数大致呈现倒“U”型变化趋势。图4和图5为2016年金融发展和金融科技创新的莫兰指数散点图,可以更加直观地看出在空间上存在的正相关关系。
2.2.2 空间计量回归
首先,本文根据空间滞后模型进行空间计量回归分析,结果如表4所示,从模型总体来看,空间滞后模型(SLM)中空间邻接权重、嵌套权重模型的拟合优度较高为0.50和0.73,并且在空间计量模型中,除了经济距离权重模型的空间自回归系数(rho)不显著,其余的模型空间自回归系数(rho)显著为正,表明金融科技创新、企业经济在各个地区之间存在显著的空间相关性,从对数似然函数值来看,空间相邻权重模型的值最大(327.28)、赤池信息准则(AIC)值最小(-618.563)、施瓦茨准则(SC)值最小(-547.08)。
从解释变量来看,表4报告了金融科技创新对我国地区企业经济影响的估计结果,金融科技创新与企业经济之间存在显著的正相关关系,回归系数分别是:0.093、0.289、0.390、0.328、1.336,表明金融科技創新程度的提升对我国企业经济发展具有促进作用,即金融科技创新程度提升,企业经济发展水平就有所上升。
其次,本文从表5的空间面板模型回归结果可以发现,金融发展(FD)在模型中的系数显著为负,而金融科技创新(KJ)在模型中的系数基本显著为正。说明金融发展在一定程度上抑制了地区企业经济的发展,也说明金融发展对支持和服务实体的力度虽然不断加大,但效果不明显。金融科技创新不管是在短期还是长期内均对地区企业经济增长具有显著的正向促进作用。根据回归结果也可以看出,在金融科技创新不断发展下,金融发展对企业经济的抑制作用有所缓减。
在控制变量方面,人力资本(hum)、财政支出(gov)和城镇化水平(urban)在空间距离权重、经济距离权重、嵌套权重模型中全部显著为正,表明人力资本、财政支出和城镇化水平对企业经济增长具有显著正向促进作用。人力资本是企业经济增长最重要的投入要素之一,人力资本数量的多寡和质量的高低直接决定了企业经济部门的生产规模、生产方式和生产效率;财政支出的增加可以加大资金流向企业经济,促进企业经济增长;一个地区的城镇化水平越高,城镇居民数量越多,社会总需求越大,对企业经济的拉动作用越大。
3 结论与建议
本文根据资本配置效率估计模型以及空间计量分析方法,从地理区位特征和经济社会特征2个方面构建空间权重矩阵,基于2003-2016年我国29个省市的面板数据建立空间面板模型对此进行了实证检验。研究结果表明:①本文根据资本配置效率估计模型,以18个工业行业的相关指标测算出我国的地区实体资本配置效率为0.36,而以宏观经济数据测算出来的我国地区企业经济资本配置效率为0.31,二者相差不多,表明我国地区企业经济资本配置效率偏低。②本文根据莫兰指数分析得出,在研究区间内,企业经济增长存在显著的正向空间相关性和异质性,并且发现2003-2016年我国地区企业经济的空间相关性呈现“U”型变化趋势,在2016年达到最高,为0.244。③本文通过空间计量模型分析,发现我国2003-2016年金融发展与地区企业经济存在显著负相关关系,抑制企业经济增长;金融科技创新与地区企业经济之间存在显著的正相关性,能够显著地促进企业经济的增长;金融发展和金融科技创新的融合互动,能够缓减金融发展对企业经济的抑制作用,但缓减的程度偏低,表明在金融发展水平与科技创新水平不断提高的过程中,二者缺乏更多更深的融合互动,还未实现协调发展。因此,要提高科技金融对企业经济增长的促进效应,不仅需要提高金融发展水平和科技创新水平,更重要的是创新金融与科技的结合方式和结合路径,扩大金融与科技的融合深度和提高二者融合的质量。④从控制变量来看,人力资本、财政支出和城镇化水平对地区企业经济增长具有显著正向促进作用。
【参考文献】
【1】Dan Zhu,Deming Zeng,Qing Zhou.Regional Technical Innovation Suitability and Economic Growth in China[J].Procedia Engineering,2011(15):5343-5349.
【2】张优智.我国科技投入与经济增长的动态关系研究[J].科研管理,2014,35(9):58-68.
【3】刘文丽,郝万禄,夏球.我国科技金融对经济增长影响的区域差异——基于东部、中部和西部面板数据的实证分析[J].宏观经济研究,2014(2):87-94.
【4】Luc Anselin.Spatial Econometrics: Methods and Models[M].Berlin:Springer Netherlands,1988.
【5】Ron Boschma.Proximity and Innovation: A Critical Assessment[J].Regional Studies,2005,39(1):61-74.
【6】Andre Torre,J.P. Gilly.Proximity relations: elements for an analytical framework[J].industrial networks & proximity,2000(1):169-180.
【7】刘军,黄解宇,曹利军.金融集聚影响实体经济机制研究[J].管理世界,2007(4):152-153.
【Abstract】This paper makes a theoretical and empirical study on the impact of fintech innovation on enterprise capital allocation efficiency. Based on the spatial econometric model, this paper uses the panel data from 2003 to 2016 to retest the enterprise capital allocation efficiency and regional differences. The results show that there is a significant positive correlation between fintech innovation and regional enterprise capital allocation efficiency, which can significantly promote enterprise economic growth. The integration and interaction of financial development and fintech innovation can alleviate the inhibitory effect of financial development on enterprise capital allocation efficiency. Human capital, financial expenditure and urbanization level have a significant positive effect in promoting the economic growth of regional enterprises.
【关键词】金融科技;创新;企业;资本配置效率
【Keywords】fintech; innovation; enterprise; capital allocation efficiency
【中图分类号】F832.4;F275 【文献标志码】A 【文章編号】1673-1069(2021)11-0113-04
1 引言
“十四五”是我国开启全面建设社会主义现代化国家新征程的第一个五年,对我国第二个百年奋斗目标的实现具有引领和试错性意义,是我国发展的重要战略机遇期。放眼全球,世界处于百年未有之大变局,随着新一轮科技革命和产业革命的深入发展,数字经济趋势猛烈,如何不掉队、追赶领先技术应用对各行各业来说至关重要。“坚持创新驱动发展”“加快数字化发展”在《中华人民共和国国民经济和社会发展第十四个五年规划和2035年远景目标纲要》中也多次被提及。同时,受全球新冠疫情的影响,人们消费偏好、行为偏好的转变也对各行各业的生产和服务模式提出极大的挑战。如何在危中思变,转危为机是各行各业需要思考的问题。金融行业作为改革开放的排头兵,更应主动迎接挑战,抓住先机,发挥行业引领和基石作用,坚持把发展经济着力点放在实体经济上,倡导“充分发挥海量数据和丰富应用场景优势,促进数字技术与实体经济深度融合,赋能传统产业转型升级,催生新产业新业态新模式”,助力整体经济和社会发展。在国家大力提倡金融服务实体经济的当下,金融机构应如何持续、积极地探索业务创新对产业的赋能,通过科技手段创新直达实体经济的金融产品和服务,支持以高科技、高端制造和服务、基建和民生等为代表的实体经济产业,构建实体经济、科技创新、现代金融等协同发展的现代产业体系。
2 实证结果与分析
2.1 我国企业经济资本配置效率测度研究
2.1.1 根据工业行业测算企业经济资本配置效率
将企业经济资本配置效率估计模型设置如下:
(1)
式(1)中,Ici,t为行业i省份c内第t年固定资产净值(固定资本形成总额);Vci,t为行业i省份c内第t年工业总产值(总产值);η为资本配置效率;ε为干扰项。本文根据模型(1),采用我国2003-2016年29个省份与18个工业行业的基础数据测算出我国企业经济资本配置效率,具体如表1所示。
从表1可以看出,各行业以及各省份资本配置效率高低不一,说明中国各行业资本配置效率存在明显差异,并且在不同省份之间也存在差异。从行业分布来看,设备制造业工业、化学原料制品、石油冶炼、金属制品工业企业的资本配置效率达到了较高的水平,而交通运输业的资本配置效率最低。从省份分布来看,河北、贵州、湖北、湖南均达到了较高的水平,而海南、广西的资本配置效率最低。 2.1.2 根据生产总值测算企业经济资本配置效率
为进一步衡量我国企业经济资本配置效率的整体水平,本文采用模型(1)选取我国2003-2016年30个省份(除西藏)的全行业固定资本形成总额与地区总产值的面板数据,运用资本配置效率模型进行回归分析,结果如表2所示。
表2估计的是我国企业经济资本配置效率,可以看出我国企业经济资本配置效率为0.306,大于0,且在1%的水平下显著,表明我国近几年的企业经济配置效率水平相对偏低。
从表3可以看出,我国大多数地区企业经济资本配置效率通过了显著性检验,且除浙江、江西、广东外,所有地区的资本配置效率大于0。但从各省份间看,各省份企业经济资本配置效率具有显著差异,与工业企业测算的资本配置效率呈现协同现状。
2.2 空间计量模型估计
2.2.1 空间自相关检验
首先,本文采用“莫兰指数”(Moran's I)来计算地区企业经济的空间自相关性,具体如图1所示。
可以看出,2003-2016年我国地区企业经济的莫兰指数的波动区间在0.21~0.24,并且全部通过显著性检验,大致呈现“U”型变化趋势,在2016年时达到最高峰,在地理空间上呈现出明显的集聚现象(见图2)。
其次,本文同样计算金融发展和金融科技创新的空间相关性,具体如下。
从图3可以看出,2003-2016年我国金融发展和金融科技创新的莫兰指数的波动区间在0.03~0.24和0.06~0.3,并且通过显著性检验,金融发展的莫兰指数大致呈现倒“U”型变化趋势。图4和图5为2016年金融发展和金融科技创新的莫兰指数散点图,可以更加直观地看出在空间上存在的正相关关系。
2.2.2 空间计量回归
首先,本文根据空间滞后模型进行空间计量回归分析,结果如表4所示,从模型总体来看,空间滞后模型(SLM)中空间邻接权重、嵌套权重模型的拟合优度较高为0.50和0.73,并且在空间计量模型中,除了经济距离权重模型的空间自回归系数(rho)不显著,其余的模型空间自回归系数(rho)显著为正,表明金融科技创新、企业经济在各个地区之间存在显著的空间相关性,从对数似然函数值来看,空间相邻权重模型的值最大(327.28)、赤池信息准则(AIC)值最小(-618.563)、施瓦茨准则(SC)值最小(-547.08)。
从解释变量来看,表4报告了金融科技创新对我国地区企业经济影响的估计结果,金融科技创新与企业经济之间存在显著的正相关关系,回归系数分别是:0.093、0.289、0.390、0.328、1.336,表明金融科技創新程度的提升对我国企业经济发展具有促进作用,即金融科技创新程度提升,企业经济发展水平就有所上升。
其次,本文从表5的空间面板模型回归结果可以发现,金融发展(FD)在模型中的系数显著为负,而金融科技创新(KJ)在模型中的系数基本显著为正。说明金融发展在一定程度上抑制了地区企业经济的发展,也说明金融发展对支持和服务实体的力度虽然不断加大,但效果不明显。金融科技创新不管是在短期还是长期内均对地区企业经济增长具有显著的正向促进作用。根据回归结果也可以看出,在金融科技创新不断发展下,金融发展对企业经济的抑制作用有所缓减。
在控制变量方面,人力资本(hum)、财政支出(gov)和城镇化水平(urban)在空间距离权重、经济距离权重、嵌套权重模型中全部显著为正,表明人力资本、财政支出和城镇化水平对企业经济增长具有显著正向促进作用。人力资本是企业经济增长最重要的投入要素之一,人力资本数量的多寡和质量的高低直接决定了企业经济部门的生产规模、生产方式和生产效率;财政支出的增加可以加大资金流向企业经济,促进企业经济增长;一个地区的城镇化水平越高,城镇居民数量越多,社会总需求越大,对企业经济的拉动作用越大。
3 结论与建议
本文根据资本配置效率估计模型以及空间计量分析方法,从地理区位特征和经济社会特征2个方面构建空间权重矩阵,基于2003-2016年我国29个省市的面板数据建立空间面板模型对此进行了实证检验。研究结果表明:①本文根据资本配置效率估计模型,以18个工业行业的相关指标测算出我国的地区实体资本配置效率为0.36,而以宏观经济数据测算出来的我国地区企业经济资本配置效率为0.31,二者相差不多,表明我国地区企业经济资本配置效率偏低。②本文根据莫兰指数分析得出,在研究区间内,企业经济增长存在显著的正向空间相关性和异质性,并且发现2003-2016年我国地区企业经济的空间相关性呈现“U”型变化趋势,在2016年达到最高,为0.244。③本文通过空间计量模型分析,发现我国2003-2016年金融发展与地区企业经济存在显著负相关关系,抑制企业经济增长;金融科技创新与地区企业经济之间存在显著的正相关性,能够显著地促进企业经济的增长;金融发展和金融科技创新的融合互动,能够缓减金融发展对企业经济的抑制作用,但缓减的程度偏低,表明在金融发展水平与科技创新水平不断提高的过程中,二者缺乏更多更深的融合互动,还未实现协调发展。因此,要提高科技金融对企业经济增长的促进效应,不仅需要提高金融发展水平和科技创新水平,更重要的是创新金融与科技的结合方式和结合路径,扩大金融与科技的融合深度和提高二者融合的质量。④从控制变量来看,人力资本、财政支出和城镇化水平对地区企业经济增长具有显著正向促进作用。
【参考文献】
【1】Dan Zhu,Deming Zeng,Qing Zhou.Regional Technical Innovation Suitability and Economic Growth in China[J].Procedia Engineering,2011(15):5343-5349.
【2】张优智.我国科技投入与经济增长的动态关系研究[J].科研管理,2014,35(9):58-68.
【3】刘文丽,郝万禄,夏球.我国科技金融对经济增长影响的区域差异——基于东部、中部和西部面板数据的实证分析[J].宏观经济研究,2014(2):87-94.
【4】Luc Anselin.Spatial Econometrics: Methods and Models[M].Berlin:Springer Netherlands,1988.
【5】Ron Boschma.Proximity and Innovation: A Critical Assessment[J].Regional Studies,2005,39(1):61-74.
【6】Andre Torre,J.P. Gilly.Proximity relations: elements for an analytical framework[J].industrial networks & proximity,2000(1):169-180.
【7】刘军,黄解宇,曹利军.金融集聚影响实体经济机制研究[J].管理世界,2007(4):152-153.