信贷供给、科技创新与实体经济增长
——基于省域面板数据的空间计量分析

于海天，孙继国

(青岛大学经济学院，青岛 266061)

摘要： 利用2010～2017年中国31个省市的面板数据，从地理特征和社会经济特征两方面建立空间面板模型，实证分析信贷供给、科技创新对实体经济增长的影响效应。研究发现，中国各省域实体经济增长存在空间相关性和地区异质性；信贷供给和科技创新对本省及周围省份实体经济增长均具有显著的正向促进作用，但两者的融合项对实体经济增长没有显著影响；信贷供给和技术创新具有明显的空间溢出效应。因此，应扩大信贷投放规模、加强区域间的信贷自由流动、加大企业研发投入和探索信贷供给与企业科技创新的融合方式，从而促进实体经济增长，实现经济高质量发展。

关键词： 信贷供给；科技创新；实体经济增长；空间面板模型

金融活，经济活；金融稳，经济稳。金融是实体经济的血脉，为实体经济服务是金融的天职和宗旨。当前，中国经济增速趋缓，国内经济下行压力加大。同时，资金、劳动力等生产要素加速从制造业等实体经济领域抽离，金融资源过度向房地产领域集聚，实体经济与金融发展已呈现出一定的失衡。2018年6月末，全国金融机构人民币房地产贷款余额35.78万亿元，占人民币贷款余额的比重达到26.93%。反观制造业，作为实体经济的主体，截至2018年6月末，A股上市26家银行对制造业企业贷款余额为9.38万亿元，占总贷款的比重仅为11.36%。由此可见，金融对实体经济发展的支持力度还相对较弱，金融存在明显的“脱实向虚”。要想解决实体经济与金融失衡这一问题，必须调整信贷资金投向，扩大信贷规模，全力引导金融回归服务实体经济的本源，促进实体经济高质量发展。科技创新是推动经济高质量发展的根本动力。习近平总书记明确指出，要着力实施创新驱动发展战略，抓住了创新，就抓住了牵动经济社会发展全局的“牛鼻子”。金融是现代经济的核心，科技创新也高度依赖于金融机构信贷资金的支持。卢芳元等^[1]认为研发经费投入对经济发展具有明显的促进作用。逄金玉^[2]认为金融机构发放的信贷资金对推动中国实体经济的全面快速发展有着不可替代的作用。Parida等^[3]认为，开放式创新有助于企业创新能力实现明显提升。Dabla-Norris等^[4]的研究表明，信贷供给达到一定幅度后，金融杠杆的上升将显著增大宏观经济的波动性。李强等^[5]认为金融信贷对不同区域实体经济发展的影响存在差异，对西部地区的阻碍作用最大。肖文等^[6]认为政府的直接和间接支持并不利于科技创新效率的提升。郭丽虹等^[7]研究发现社会融资规模的增加显著促进了实体经济发展。Ben等^[8]认为信贷对经济增长具有积极影响，是经济长期增长的驱动力。张承惠^[9]研究发现，现有金融体系无法应对经济新常态带来的挑战，必须大力推动金融业转型升级，提高金融服务实体经济效率。赵昌文等^[10]认为当前经济增长模式已经由重化工业时代的要素扩张驱动转向创新驱动。陈庆江^[11]认为政府对科技创新的资金支持负向调节了企业研发支出与创新效率之间的关系，导致社会创新资源配置效率低。马勇等^[12]认为随着信贷供给规模不断增加，即信贷供给和实体经济增长之间存在着“倒U型”关系。潘雄锋等^[13]发现中国科技转移空间格局变化的主要原因是区域科技空间差异。本文在已有文献的基础上，充分考虑当前信贷供给与科技创新的融合互动趋势，引入莫兰指数散点图和空间计量模型，利用全国2010～2017年31个省市的面板数据，从地理特征和社会经济特征两方面建立空间权重矩阵，系统分析信贷供给、科技创新以及二者融合互动对实体经济增长的影响效应。

ofo后又通过抵押动产（单车）的方式获得阿里17.7亿元贷款。“这是个折中方案，阿里给了一些现金救急，借款不需要滴滴签字。但这需要签对赌协议，ofo需要在一年内盈利1000万元。”Raven说，从目前的情况看，这几乎不可能。

1 计量模型与变量选择

1.1 空间计量模型

由空间计量经济学的理论可知，空间滞后项和误差干扰项是构建模型时地理空间因素的两种主要表现形式，若变量之间的空间自相关是由被解释变量的空间滞后项来体现，那么用于证明信贷供给、科技创新和实体经济增长关系的模型应该使用空间滞后模型SLM，模型具体形式为

李自成撤离北京后，永王与其兄逃出嘉定府失散。永王逃到河南乡村耕田自食其力。清军闻讯追捕到河南，永王又逃往安徽凤阳地祖宗朱元璋的故乡，被王姓乡绅收留，易名王士元。王乡绅去世后王士元被其后人猜忌，无奈流浪到湖北大别山落发为僧，云游到野村谷搭茅庵修行，悬壶济世。孰料当朝皇帝又追杀过来，再逃到浙江余姚，在一废弃古庙栖身……

Y _it =β ₀+λWY _it +β ₁CS_it +β ₂TI_it +β ₃CS_it ×TI_it +γX _it +ε _it

(1)

其中，W 为空间权重矩阵，空间滞后变量WY 为邻近省份实体经济增长变量的加权求和，λ 为空间自回归系数。Y _it 为被解释变量，CS_it 为i 省第t 年的信贷供给，TI_it 表示i 省第t 年的科技创新，交叉乘积项CS_it ×TI_it 为i 省第t 年的信贷供给和科技创新的融合项，X _it 为本文选取的其他控制变量，β ₁、β ₂、β ₃、γ 分别为解释变量的回归系数。β ₀为常数项，ε _it 为随机误差向量。

人民日报印刷厂不仅是中国印刷技术进步的见证者，更是印刷行业发展的领跑者。从黑白到彩色，从铅印到胶印，每一期人民日报都凝结着人民日报印刷厂职工们的心血和汗水，承载着印刷厂全体职工的忠诚和坚守。

Y _it =β ₀+β ₁CS_it +β ₂TI_it +β ₃CS_it ×TI_it +γX _it +ρWμ _it +ε _it

(2)

其中，参数ρ 为空间误差自相关系数，Wμ 则为空间滞后误差项。

检验某一省域信贷供给、科技创新水平对周边省域实体经济增长的溢出效应，需要构建空间杜宾模型SDM

Y _it =β ₀+β ₁CS_it +β ₂TI_it +β ₃CS_it ×TI_it +γX _it +λWθ _it +ε _it

(3)

其中，λ 是相应的回归系数，Wθ 是模型中加入的省域实体经济发展的空间滞后解释变量。

(1)被解释变量。地区实体经济生产总值(Y )。美联储将实体经济定义为生产总值减去房地产市场和金融市场之外的部分。鉴于此，本文借鉴张林等^[14]的方法，使用各省剔除房地产业和金融业之后的国内生产总值来表示地区实体经济增长状况，实证分析中取自然对数。

1.2 空间权重矩阵

近年来随着核心素养的提出与发展，深度学习逐渐成为教育领域关注的热点，数学深度学习的研究也已取得了一定的成果．数学深度学习是指在教师的引领下，学生围绕具有挑战性的数学学习主题，全身心积极参与、获得发展的有意义的学习过程；它与浅层学习相区别，不是简单的知识记忆，而是对学习内容有整体认知[9]．数学课堂留白艺术的运用为学生深度学习提供了空间，有助于学生调动已有的活动经验解决问题，梳理数学知识间的联系，构建知识结构体系，提升学生的数学学科核心素养．

由表2可以看出，对于G分量图像：对面积在190～250之间的鸡蛋，蛋黄指数大于0.26则判定为双黄鸡蛋；对面积小于190的鸡蛋，蛋黄指数大于0.38则判定为双黄鸡蛋。

科技创新(TI)。关于科技创新衡量指标一般有研发经费投入、新产品的销售收入、专利申请授权量等指标。本文采用研发经费投入来衡量科技创新指标，实证分析中取自然对数。

ω _ij ={

1 区域i 与区域j 相邻

由表5可知，在邻接权重、经济距离权重下，空间回归系数表现出显著的正向溢出效应，说明地理位置上“邻接”、距离远近能够显著促进区域间实体经济发展的集聚与发展。邻接矩阵下SEM固定效应模型的空间回归系数为0.5417，高于经济距离权重的回归系数0.4088，且在1%的水平下显著。综合上述分析，邻接矩阵下SEM模型可以更好地反映中国31个省域实体经济增长的现实情况。因此，本文以SEM回归结果进行直接效应分析，并利用SDM回归结果进行空间溢出效应分析。

1.2.2 经济距离权重矩阵 地区间相互影响的重要因素除了地理距离之外，也包含经济因素。如果区域间的收入差距越小，经济水平越相近，则权重越大，相反，收入差距越大，则权重越小。其中Y 代表区域人均收入，使用该省份的人均GDP值代替

1.3 变量选择与数据描述

2）教学方式要新颖、灵活。虽然高职学生都已成年，但在教学反思上他们也偏向于新颖灵活、生动形象的教学模式。教师在教学过程中，可以在教材的内容上提取，模拟一个教学情境，或是让学生在网上体会到英语的应用十分的广泛。比如说，每周放几首英文歌曲，并且要求学生学会其中一首英文课，在课堂上演唱或者是安排某几节课播放一些好看的美剧，提升学生对英语学习的兴趣程度，培养学生的口语表达能力。虽然对于高职学生来说，刚开始执行的时候，可能会非常不易，当时经过一段时间的磨合与训练，就会渐渐融入其中，爱上英语学习，由此提高高职学生的语言技能，拓展学生的英语文化视野。

(2)核心解释变量。信贷供给(CS)。已有文献中，金融机构信贷供给被认为是促进实体经济发展的一个重要引擎，是衡量信贷的关键指标。考虑数据的可得性，本文采用金融机构本外币贷款余额反映信贷供给，实证分析中取自然对数。

1.2.1 二元邻接权重矩阵 二元邻接矩阵是比较常见的空间权重矩阵，当区域在地理上存在相邻的边界和交点时则权重值为1，不存在则为0

(3)控制变量。本文选取以下变量为控制变量：各省消费水平(C )采用地区社会消费品零售总额来表示，财政支出(GOV)采用各省财政支出总额来表示，物质资本(K )采用地区全社会固定资产投资来表示，对外开放度(OPEN)采用所在地进出口总额来表示，以上变量实证分析中均取自然对数。

若变量之间的空间自相关关系经被模型解释变量忽略的变量传递，空间相关可能通过误差项来体现，此时用于检验信贷供给、科技创新和实体经济增长关系的模型应该使用空间误差模型SEM

(4)数据说明。本文以2010～2017年全国31个省市为样本，面板数据包括31个截面单元8年的时间序列数据，共248个样本观测值。数据来源于Wind数据库、历年《中国统计年鉴》、及各省市统计年鉴。对各变量的描述性统计见表1，所有数据处理均在STATA 13软件中完成。

表 1变量的描述性统计(单位：亿元)

2 实证分析与检验

2.1 经济增长的空间相关性检验

表 2 2010～ 2017年实体经济增长的空间相依性

检验经济变量的空间集聚状况，最常用的方法是用Moran’s I指数检验空间自相关。计算2010～2017年全国31个省份实体经济增长的空间依赖程度，结果见表2。可知，2010～2017年的Moran’s I指数均大于0，集中在0.2～0.3之间，表明中国31个省市实体经济增长在空间上不是随机分布，而是存在正向的空间自相关，在地理空间上呈现出明显的空间集聚特征。

Moran散点图还可以直观地呈现各省份实体经济增长的空间相依性。限于篇幅，本文只列出2010年、2014年和2017年实体经济增长的Moran散点图，详见图1。由图1可以看出中国31个省市的实体经济增长存在明显的高高低低集聚特征。从类型区数量上的变化来看，2010年有8个省份位于HH区，2014年为9个，2017年为11个，呈逐年增加趋势。位于LL区的省份数量则由2010年的13个，变为2014年和2017年的12个，逐渐下降。图1表明高实体经济增长区域表现出较强的正向临近效应，低实体经济增长区域的正向促进效应减弱。位于HL区的省份数量没有变化，说明低实体经济增长区域包围高实体经济增长区域的现象并没有明显变化。LH区省份数量有所减少但是总体变化不大，表明低实体经济增长区域对周边的影响减弱。

由表3可知，2017年实体经济增长省际区域共有23个显示出正的空间相关性，占比达77%，其中有11个省份位于第一象限，主要是东部沿海地区，为实体经济增长HH空间关联模式。有12个省份位于第三象限，大多数位于西部欠发达地区，为实体经济增长LL空间关联模式。这两种模式的分化，符合中国经济发展程度从东到西呈阶梯状分布的空间格局，进一步证实中国实体经济增长呈现空间集聚特征。

空间计量分析以空间距离的确定为前提，空间权重矩阵代表了各区域间的空间距离，同时也间接体现出各区域间的相互依赖程度。本文出于研究内容考虑，构建地理距离、经济距离两种空间权重矩阵，进而对信贷供给、科技创新与实体经济增长之间关系进行对比分析。

图 1 2010、 2014、 2017年实体经济增长的Moran散点图

表 3 2017年中国各省域实体经济增长的空间相关模式

2.2 空间模型估计

表 4基于邻接关系空间权重矩阵的空间相关性OLS回归检验结果

注： ***、**、*分别表示1%、5%、10%的统计水平下显著。

中国实体经济增长存在空间自相关，故可以选择空间计量模型来分析信贷供给、科技创新与实体经济增长的关系。首先，用OLS方法对模型实施空间自相关Moran’s I指数检验，结果见表4。由表4知，OLS回归残差Moran’s I指数检验值为8.369，通过1%显著性水平检验，说明OLS回归残差存在着很强的空间相关性。由表4知，LM(Error)、Robust-LM(Error)统计量的值分别为60.412、56.439，且在1%的水平下显著。LM(Lag)、Robust-LM(Lag)统计量的值分别为4.319、0.346，且Robust-LM(Lag)不显著。通过比较可以发现，LM(Error)和Robust-LM(Error)相对于LM(Lag)和Robust-LM(Lag)更为显著，所以选用空间误差模型(SEM)进行分析更为合适。另外，为衡量信贷供给、科技创新对周围省份实体经济发展的空间溢出效应，可运用空间杜宾模型(SDM)进行计量分析。

为便于比较，给出SLM、SEM和SDM三个计量模型的估计结果。针对两种空间权重矩阵，进一步根据Hausman检验确定是选择随机效应还是固定效应模型，结果表明固定效应模型最优。分析结果如表5。

0 区域i 与区域j 不相邻 (i ≠j )

表 5不同空间权重下信贷供给、科技创新与实体经济增长估计

注：括号中数值为t统计值，***、**、*分别表示1%、5%、10%的统计水平下显著。

(1)信贷供给和科技创新与实体经济增长呈显著正相关关系。信贷供给回归系数为0.1096，科技创新回归系数为0.1191，且都在10%水平下显著，证明信贷供给和科技创新对实体经济增长具有明显的促进作用。信贷供给的增加能够有效缓解企业融资困境，有利于企业扩大再生产，故能明显促进实体经济增长。科技创新具有乘数效应，既可以直接转化为现实生产力，还可以通过科技的渗透作用放大各生产要素的生产力，提高社会整体生产力水平，进而促进实体经济增长。

(2)信贷供给与科技创新的融合项在模型中不显著。信贷供给与科技创新融合项的回归系数为-0.0064，且不显著，表明金融信贷对科技创新的支持作用有显著的延迟效应。在信贷供给增加与科技创新水平提高的过程中，二者深层次融合互动不够，并未实现协调发展，故其融合项对当期的实体经济增长并未起到明显的推动作用。

塔巴林，藏语意为“解脱园”，修建于清乾隆三十六年（1771年），相传是噶丹东竹林寺第三世扎唐活佛倡建。当时，在距寺院约有五里的林地中，有一处尼姑庵，只有几名尼姑住在简易木棚中修习。另外在奔子栏镇支央村有一处小的尼姑庵，也只有几名尼姑，僧舍也极其落魄。鉴于迪庆境内没有一座像样的尼姑寺，三世扎唐活佛决定合并两处小的尼姑庵，用内地买来的布匹换下现今的寺址（寺址原来是东竹林寺所在地），并命名为“塔巴林”，为广大女性信徒提供了一处修行地。

(3)信贷供给和科技创新对周围省域实体经济增长具有明显的空间溢出效应。由邻接矩阵SDM回归结果可知，信贷供给、科技创新的回归系数分别为0.0934、0.1101，均在10%的水平下显著，表明两者的发展不仅促进自己省份的实体经济增长，对相邻省份实体经济增长也起到明显的促进作用。

(4)政府支出和物质资本对实体经济增长有显著的正向作用。控制变量中，政府支出和物质资本的回归系数显著为正，表明在考察期内，各省物质资本和政府支出的增加会显著促进实体经济增长。消费的系数为正，但不显著，由于受国内经济下行压力影响，国内消费需求增长乏力，因此消费对实体经济的影响不明显。开放的系数显著为负，由于近年来中国对外贸易发展面临的国内外环境日益严峻，受“逆全球化”思潮和发达国家贸易保护主义的影响，出口明显下滑，其变动趋势与地区实体经济生产总值的变化方向正好相反。

2.3 稳健性检验

为使得模型估计结果更具有稳健性，将被解释变量地区实体经济生产总值用工业GDP表示，解释变量中的信贷供给用金融机构短期贷款余额表示，采用空间计量模型进行检验，结果如表6所示。检验结果表明，信贷供给、科技创新和二者融合项的回归系数大小不同，但其方向和显著性水平基本没有发生根本性改变，说明研究结果稳健可靠。

表 6稳健性检验结果

注：括号中数值为t统计值，***、**、*分别表示1%、5%、10%的统计水平下显著。

3 结论与政策建议

本文利用空间计量分析方法实证检验信贷供给、科技创新与实体经济增长之间的作用关系，研究发现，(1)中国各省域实体经济增长存在空间相关性和地区异质性，在研究信贷供给、技术创新对经济增长的影响时，不能忽略地理因素和经济因素的影响；(2)信贷供给和科技创新对实体经济增长具有显著的正向促进作用，而信贷供给和科技创新的融合项对实体经济增长没有显著影响；(3)信贷供给和技术创新具有明显的空间溢出效应，即某省域信贷供给和技术创新水平的提高不仅促进本省的实体经济增长，对相邻省份实体经济增长也起到明显的促进作用。

基于以上研究结论，提出以下政策建议。(1)扩大信贷投放规模，提高金融服务实体经济能力。银行业金融机构应利用当前流动性充足、融资成本出现下降的有利条件，在控制风险的前提下增加信贷投放规模，扩大对实体经济融资支持；(2)加强区域间的信贷自由流动，实现金融资源在各区域间的合理配置。构建多层次区域信贷中心战略布局与区域信贷合作，是实现信贷市场一体化、促进各区域实体经济长期稳定增长的重要路径；(3)加大企业研发投入，提升科技创新能力。企业必须把创新驱动摆在突出位置，要加大研发经费投入，通过技术创新带动产品创新、市场创新、资源配置创新和组织创新，进一步发挥科技创新及其空间效应对实体经济增长的促进作用；(4)探索信贷供给与企业科技创新的融合方式，实现协同发展。大力发展科技金融，创新金融产品和服务，提高信贷供给与科技创新融合的深度与广度，实现信贷供给与科技创新的协同发展，有效促进实体经济增长。

苗德岁教授是我国古生物学家，美国堪萨斯大学教授、博士生导师，不仅以《物种起源（少儿彩绘版）》大获成功，开创了整个系列，在读者中产生了巨大的影响力，还创作了《天演论（少儿彩绘版）》《自然史（少儿彩绘版）》。他始终将“大人读了不觉浅，少儿读了不觉深，内行读了不觉浅，外行读了不觉深”作为创作的目标。苗教授多年潜心研究《物种起源》，用两年的时间重新翻译了《物种起源》最重要的第二版，深刻领会原著的要旨，是其能深入地向小读者讲述《物种起源》的原因；在创作中恰当自如运用少年儿童的语言，诸如“亨斯娄教授身后的跟屁虫”、“大学城倒成了‘快活林’”、“老爸这关不好过”等等，又是其能“浅出”的表现。

参考文献

[1] 卢方元，靳丹丹.我国R&D投入对经济增长的影响——基于面板数据的实证分析[J].中国工业经济，2011(3)：149-157．

[2] 逄金玉.金融服务实体经济解析[J].管理世界，2012(5)：170-171．

[3] Parida V，Westerberg M，Frishammar J. Inbound open innovation activities in high-tech SMEs: the impact on innovation performance[J].Journal of Small Business Management，2012，50(2)：283-309．

[4] Dabla-Norris E，Srivisal N.Revisiting the link between finance and macroeconomic volatility[J].Social Science Electronic Publishing，2013,13(29):

[5] 李强，徐康宁. 金融发展、实体经济与经济增长——基于省级面板数据的经验分析[J].上海经济研究，2013(9)：3-11．

[6] 肖文，林高榜.政府支持、研发管理与技术创新效率——基于中国工业行业的实证分析[J].管理世界，2014(4)：71-80．

[7] 郭丽虹，张祥建，徐龙炳.社会融资规模和融资结构对实体经济的影响研究[J].国际金融研究，2014(6)：66-74．

[8] Ben Jedidia K，BoujelbèneT，Helali K.Financial development and economic growth: new evidence from Tunisia[J].Journal of Policy Modeling，2014，36(5)：883-898．

[9] 张承惠.新常态对中国金融体系的新挑战[J].金融研究，2015(2)：9-15．

[10] 赵昌文，许召元，朱鸿鸣.工业化后期的中国经济增长新动力[J].中国工业经济，2015(6)：44-54．

[11] 陈庆江.政府科技投入能否提高企业技术创新效率？[J].经济管理，2017(2)：8-21．

[12] 马勇，陈雨露.金融杠杆、杠杆波动与经济增长[J].经济研究，2017(6)：33-47．

[13] 潘雄锋，张静，米谷.中国区际技术转移的空间格局演变及内部差异研究[J].科学学研究，2017，35(2)：240-246．

[14] 张林，冉光和，陈丘.区域金融实力、FDI溢出与实体经济增长——基于面板门槛模型的研究[J].经济科学，2014，36(6)：76-89．

Credit Supply ，Technological Innovation and Real Economic Growth ——Spatial Econometric Analysis Based on Provincial Panel Data

YU Hai-tian，SUN Ji-guo

(School of Economics，Qingdao University，Qingdao 266061，China)

Abstract : Using the panel data of 31 provinces and cities in China from 2010 to 2017, the spatial panel model was established from two aspects of geographical characteristics and socio-economic characteristics to empirically analyze the impact of credit supply and technological innovation on the growth of real economy. The study found that there is spatial correlation and regional heterogeneity in China's provincial real economic growth;credit supply and technological innovation have a significant positive effect on the real economy growth of the province and surrounding provinces, but the integration of the two to the real economy Growth has no significant impact; credit supply and technological innovation have significant spatial spillover effects.Therefore, it is necessary to expand the scale of credit, strengthen the free flow of credit between regions, increase R&D investment of enterprisesand explore the integration of credit supply and enterprise scientific and technological innovation, so as to promote the growth of real economy and achieve high-quality economic development.

Keywords ： credit supply; technological innovation; real economic growth; spatial panel model

中图分类号： F224

文献标志码： A

文章编号 ： 1006-1037(2019)03-0062-07

doi ：10.3969/j.issn.1006-1037.2019.08.11

收稿日期： 2019- 04- 12

基金项目： 山东省社科规划项目(批准号：18BCXJ04资助)；山东省社科规划项目(批准号：19BJCJ60资助)；青岛市哲学社科规划项目(批准号：QDSKL1801079资助)。

通讯作者： 孙继国，男，博士，副教授，主要研究方向为产业金融与普惠金融。

标签：信贷供给论文;  科技创新论文;  实体经济增长论文;  空间面板模型论文;  青岛大学经济学院论文;