科技创新与金融创新耦合关系及其对经济效率的影响

摘要：从最优化视角论证了科技创新与金融创新最佳耦合协调的存在性，在此基础上，借鉴物理学耦合概念，测算了35个最重要金融系统所在国家的科技创新与金融创新耦合协调度，并利用两阶段GMM回归方法实证检验了其对经济效率的影响。研究表明科技创新与金融创新耦合协调度对经济效率的提升具有显著正向作用，且对于发展中国家经济效率作用的敏感性更高。最后针对发展中国家提出了完善科技创新与金融创新发展的政策建议。

关键词：科技创新;金融创新;耦合;经济效率

DOI：10.13956/j.ss.1001-8409.2015.01.08

中图分类号：F833;F014.7 文献标识码：A 文章编号：1001-8409（2015）01-0033-04

The Coupling Relationship between Technology Innovation

and Financial Innovation and Its Effects on Economic Efficiency

――Based on Panel Data from 35 Countries

WANG Ren-xiang， YANG Man

（School of Economics， Wuhan University of Technology， Wuhan 430070）

Abstract：From the optimized angle， the existence of the best coupling relationship between technology innovation and financial innovation is proved.Based on this， this papers estimates the coupling values in 35 countries and figures out the effect to the economic growth， using the GMM regression method.The results show that the coupling relationship has a positive effect to the economic growth and its sensitivity to the economic efficiency is larger in the developing countries.Finally， some proposals about how to promote the technology innovation and financial innovation in the developing countries are put forward.

Key words：technology innovation;financial innovation;coupling;economic efficiency

1 问题的提出

基于历史视角回顾科技创新与金融创新之间的关系演变，不难发现每一次社会生产率的迅猛提高都离不开科技创新的推动作用，而这一过程中金融创新扮演着关键的角色[1]。但在实际情况中，科技创新与金融创新的内在关系复杂，两者不同的耦合协调程度、不同的演化路径都将导致其对经济效率影响的差异性变化[2]。

在此领域，学者更多关注的是科技创新与金融创新两者相互影响的机理，以及各自对经济效率的作用之间的相互影响[3-6]，并未对科技创新和金融创新的耦合协调性以及这种耦合协调对于经济效率的影响进行深入探讨。事实上继Schumpeter开拓性地奠定科技创新与金融创新的研究基石之后，创新是经济增长的源动力，科技创新与金融创新结合的经济增长范式已经得到了普遍认同[2]。

综合来看，尽管国内外学者针对科技创新、金融创新、经济效率三者之间的关系进行了一系列有益的探讨，但仍停留在将三者作为独立个体进行分析的层面，并没有从系统论的角度探究科技创新系统与金融创新系统之间的耦合协调关系及其对经济效率的影响。更为重要的是，现有文献中也缺乏科技创新与金融创新耦合协调关系对经济效率的影响是否在发展中国家和发达国家存在异质性进行探讨，因此对于包括中国在内的发展中国家的科技创新与金融创新系统的发展缺乏指导意义。

科技创新与金融创新的耦合协调关系意味着两者之间的要素互动、供需匹配、发展协同等问题均能协调发展。无论是科技创新系统还是金融创新系统，它们系统内部的结构均具有动态复杂性，因此为了使两者能够最大程度发挥其经济增长引擎的作用，需要关注两个系统的耦合性，使两系统从宏观层面和微观层面均实现相互协调。因此以科技创新与金融创新的耦合协调关系为着力点，实现经济效率的快速提高不失为一条可行的路径。与已有研究不同的是，本文借鉴物理学中耦合概念，选取世界最重要的35个金融系统所在国家作为研究样本，分别测算其国内科技创新与金融创新耦合协调度，利用动态面板模型实证考量了科技创新与金融创新耦合协调度对经济效率的影响，对提升发展中国家科技创新与金融创新发展水平提供政策指引。

2 科技创新与金融创新最佳耦合协调存在性

新古典经济学认为生产函数中的“技术水平”可以分为具有使用排他性的“竞争性技术”和不具有使用排他性的“非竞争性技术”[7]。本文假设科技创新效应出现是因其改变了“竞争性技术”，即令科技创新资本为“竞争性技术”的变量。同时从金融发展理论与内生增长理论的角度来看，金融创新能够通过动员储蓄、资源配置、金融风险管控等多个渠道促进资本积累[8，9]，因此令资本积累活动是金融创新资本密集的，即金融创新资本是物资资本的变量。定义具有规模报酬不变特性的生产函数为Y（t）=F（t）α・J（t）β・[B（t）・L（t）]1-α-β，经济产出Y（t）由F（t），J（t），B（t）和L（t）决定，其中F代表金融创新资本，J代表科技创新资本，B代表非竞争性技术，L代表社会劳动力数量，α和β分别为金融创新资本与科技创新资本的弹性系数。

2.1 经济效率静态最优下科技创新与金融创新最佳耦合协调

假设社会劳动力数量与非竞争性技术在模型中均外生，且劳动力数量的增长率为n，非竞争性技术的增长率为g;金融创新资本储蓄倾向与折旧率分别为sF、δF，科技创新资本储蓄倾向与折旧率分别为sJ、δJ。则可得各变量的积累方程如下：L・（t）=n・L（t）、B・（t）=g・B（t）、F・（t）=sF・Y（t）-δF・F（t）、J・（t）=sJ・Y（t）-δJ・J（t）。若经济产出只能流向社会消费C与社会投资I，即有Y（t）=C+I=C+sF・Y（t）+sJ・Y（t），从而可得到C=Y（t）（1-sF-sJ）。

在静态最优化分析框架下，假设社会消费C是决定社会总福利的决定性因素，即社会效用函数U（・）=U（C），则当经济达到静态均衡时，满足∫

由式（4）、式（5）、式（6）、式（7）可得静态最优化下金融创新资本与科技创新资本的最佳耦合协调比例关系满足FJ=αβ，即科技创新资本与金融创新资本协调比例等于各自要素弹性之比。

2.2 经济效率动态最优下科技创新与金融创新最佳耦合协调

根据David Cass[10]的观点，若社会效用函数是劳均消费水平c的线性函数，则在时间轴t上计算总效用的泛函数为：

2.3 两者耦合协调对经济效率的影响

静态最优框架下，当科技创新资本与金融创新资本的耦合比例刚好等于各自要素的弹性之比时经济效率达到最大;在动态最优框架下，当科技创新资本与金融创新资本的配比比例为各自资本的储蓄倾向时经济效率达到最大。然而现实中的情况往往比这复杂，尽管金融创新与科技创新的扩散均能有效促进经济增长，但不同层次的金融创新或者科技创新对于经济增长的作用是不尽相同的，同时两者在社会经济中的协调效果也会直接影响社会经济效率。

3 科技创新与金融创新耦合协调效率实证分析

3.1 科技创新系统与金融创新系统指标体系

根据The Financial Development Report[11]的测算，并考虑数据的完整性，本文从金融系统最具影响力的前60个国家中选取了包括21个发达国家及14个发展中国家在内的样本（表1）。

科技创新环境状态变量通过专利申请保护、商标申请保护和知识产权保护来，科技创新投入状态变量用研发人力投入和研发资金投入来，科技创新产出状态变量用理论层面产出与经济层面产出来。

金融创新环境状态用法律权利力度与征信信息深度，其中法律权利力度指数衡量的是对金融活动主体保护的程度，征信信息深度指数衡量的是对于有助于金融活动的信息获取程度。在金融创新市场方面，选取国内信贷、股票交易周转率、股票交易总额、国内上市公司资本作为变量。表2给出了相应变量说明及数据来源。

3.2 科技创新与金融创新耦合协调度测算

假设科技创新系统与金融创新系统的耦合协调过程具有非线性的特征，且各自的演化都能够表征为dm（t）dt=f（m1，m2，m3，...，mn），其中f（・）为非线性函数。对上式在原点处进行泰勒级数展开，可得上式的近似表达为dm（t）dt=∑ni=1αimi，i=1，2，3，...，n。故此时科技创新系统（J）和金融创新系统（F）各自的演化方程可写为：

f（J）=∑ni=1βixi，i=1，2，3，...，n （13）

f（F）=∑nj=1γjyj，j=1，2，3，...，n（14）

其中xi表示科技创新系统中第i个元素，yj表示金融创新系统中的第j个元素，βi与γj为相应的权重

权重数值采用熵值法计算得到，相应的计算过程在MATLAB R2009a中实现。。

借鉴物理学中容量耦合的概念，科技创新系统与金融创新系统的耦合度可以表征如下

C={[fi（J），fj（F）]/∏[fi（J）+fj（F）]}1/2（15）

在上式中加入科技创新-金融创新系统的综合发展水平的因子Z，得到两子系统的耦合协调度测算模型为：

D=（C*Z）1/2

Z=λf（J）+μf（F）（16）

令λ=μ=0.5模型令耦合过程中科技创新与金融创新地位对称。，则此时系统耦合协调度D的测算模型可以改写为：

D=[∑ni=1βixi，∑nj=1γjyj]/∏[∑ni=1βixi+∑nj=1γjyj]

*[0.5∑ni=1βixi+0.5∑nj=1γjyj]（17）

3.3 模型设定

构建计量模型实证检验科技创新与金融创新耦合协调对经济效率的影响，控制科技创新系统与金融创新系统自身综合发展水平、政府消费、年通胀率、对外开放程度等因素对模型的影响[12]，建立基本方程如下：

PGDPit=αitDit+βitFit*Jit+γitGCit+ηitINFit

+νitTRAit+λit+εit（18）

采用就业人口的人均GDP（以1990年为基准）表示经济效率;D为计算得到的耦合协调度;F为金融创新，在实证检验中用银行部门提供的国内信贷占比GDP表示（Sassiv S，Goaiedv M）;J为科技创新，实证检验中用专利申请量表示;GC为政府消费水平（政府支出与GDP之比）;INF为以CPI为基准用拉斯佩尔公式进行计算得到的年通胀率;TRA为对外开放程度（进出口总额与GDP之比）;λit表示个体效应;εit表示随机误差项。

以上数据除D为计算得到外，其他均来源于WDI数据库。考虑到数据的完整性，研究区间设定为2004～2010年。

3.4 实证结果及分析

全样本基本模型检验结果如表3第1列所示，结果显示科技创新与金融创新耦合协调度对经济效率的影响显著，且系数为0.653，表明其耦合协调度确实对于经济效率的提高有着显著的促进作用。

考虑科技创新与金融创新对于经济效率的影响会因国家经济发展水平的不同而不同[13，14]，在基本模型中引入国家虚拟变量Developed，当样本国家为发达国家时其值取1，否则为0，检验结果如表3第2列所示。发现科技创新与金融创新的耦合协调度与虚拟变量的交叉项系数显著为负，为-1.571，表明在控制住其他因素的影响后，国家经济水平越低，耦合协调度对于经济效率的影响越敏感。

动态面板模型可能出现内生性、自相关、异方差性等现象，采用两阶段GMM回归方法可以很好地解决这些问题[15，16]。故本文采用两阶段GMM回归方法对全样本、发达国家样本、发展中国家样本进行再检验。

Acs等[17]认为科技创新对于经济效率的影响有3～5年的滞后期，故本文在模型中引入其4期滞后项。结果中可以看到，模型均拒绝了Arellano-Bond Test和Sargan Test，表明模型工具变量

借鉴Arellano和Bover（1995），Blundell和Bond（1998）的思想，采用变量的滞后项作为工具变量。的选取具有较强的有效性。无论是全样本层面，还是发达国家或发展中国家层面，科技创新与金融创新耦合协调度对于经济效率的提升都具有显著的正向作用。但在不同的经济发展环境下，其耦合协调度对经济效率的影响是不同的，从回归结果系数来看，耦合协调度对于发展中国家经济效率的提升更明显，这一点很容易得到解释，与发达国家相比，发展中国家的经济发展环境相对较弱，科技创新与金融创新发展水平也尚有很大发展空间，若加强科技创新与金融创新的耦合协调度，社会生产效率会得到迅速提升，促进经济效率的显著增长。

4 结论与政策启示

本文从最优化视角论证了科技创新与金融创新最佳耦合协调的存在性，在此基础上测算了35个最重要金融系统所在国家的科技创新与金融创新耦合协调度，利用两阶段GMM回归方法实证检验了科技创新与金融创新耦合协调度对经济效率的影响，得到的分析结果对发展中国家科技创新与金融创新的发展具有一定的指导意义。

从研究结果来看，在所选取的研究区间内，各个样本层面的实证分析结果均显示科技创新与金融创新耦合协调程度与经济效率显著相关，但与发达国家相比，发展中国家的经济效率对于科技创新与金融创新耦合协调度的敏感性更高，这一结果意味着发展中国家提升国内科技创新与金融创新的耦合协调关系对于其实现经济效率的提高有着更显著的促进作用。

以上分析结果对包括中国在内的发展中国家的科技创新与金融创新发展具有两方面的政策启示。首先，要从决策层加强对于问题重要性的认识，作为发展中国家的我国，提升科技创新与金融创新耦合协调发展程度对于促进经济效率增长具有更加明显的效果，因此应结合现阶段国情，全面促进科技创新投入系统与科技创新产出系统的发展，从而实现科技创新系统的可持续发展。其次，科技创新系统与金融创新系统各自的序参量对于两者的耦合协调效果具有重要影响，因此需要从科技创新环境、科技创新投入、金融创新环境、金融创新市场管理等方面着手，确保两系统健康稳态发展，实现可持续强耦合态发展，促进社会经济效率的全面提升。

参考文献：

[1]Schumpeter Joseph A.The Theory of Economic Development [M].

Cambridge MA：Harvard University Press，1934.

[2]Carlota Perez.Technological Revolutions and Financial Capital：The Dynamics of Bubbles and Golden Ages [M].Edward Elgar Publishing Limited，2003.

[3]Rioja F，Valev N.Does One Size Fit all？ A Reexamination of the Finance and Growth Relationship[J].Journal of Development Economics，2004（74）：429-447.

[4]Jorgenson DW.Information Technology and the US Economy[J].American Economic Review，2001（91）：1-32.

[5]王仁祥，李敏，邓平.金融促进武汉城市圈科技创新研究综述 [J].工业技术经济，2008（11）.

[6]王仁祥，童藤.金融中介、资本市场与经济增长关系的实证分析[J].软科学，2014（2）：16-20.

[7]Paul M，Romer.Endogenous Technological Change[J].Journal of Political Economy，1990（10）：71-102.

[8]Marco Pagano.Financial Markets and Growth：An Overview[J].European Economic Review，1993（37）：613-622.

[9]Romer P M.Increasing Returns and Long-run Growth[J].Journal of Political Economy，1986（5）：1002-37.

[10]David Cass.Optimal Growth in an Aggregate Model of Capital Accumulation [J].Review of Economic Studies，1965（7）：233-240.

[11]World Economic Forum.The Financial Development Report[M].World Economic Forum USA Inc，2010

[12]Sassiv S，Goaiedv M.Financial Development，ICT Diffusion and Economic Growth：Lessons from MENA Region[J].Telecommunications Policy，2013：252-261.

[13]Demirguc-Kunt A，Levine R.Financial Structures and Economic Growth：A Cross-Country Comparison of Banks，Markets，and Development[M].MIT Press，Cambridge，MA，2001.

[14]王仁祥，杨曼.银行、股票市场与经济增长――兼论中国选择[J].武汉金融，2013（7）：8-11.

[15]Arellano M，O Bover.Another Look at the Instrumental Variable Estimation of Error Components Models[J].Journal of Econometrics，1995（68）：29-51.

[16]Blundell R，S Bond.Initial Conditions and Moment Restrictions in Dynamic Panel Data Models[J].Journal of Econometric，1998（58）：277-297.

[17]Acs Z，D Audertsch.Innovation and Technological Change：An International Comparison [M].Ann Arbor：University of Michigan Press，1991.