金融科技对区域创新能力的影响研究

目录

摘要 I

第一章绪论 1

1.1研究背景与意义 1

1.2研究内容 1

1.3研究方法 2

1.4逻辑框架图 4

1.5创新点与不足 5

第二章金融科技与区域创新能力研究综述 6

2.1金融科技 6

2.1.1金融科技的历史变迁 6

2.1.2金融科技的定义及内涵 7

2.1.3金融科技指标体系 9

2.2区域创新能力 10

2.2.1区域创新能力的界定 10

2.2.2区域创新能力的特征 12

2.3国内外文献综述 12

2.3.1区域创新能力文献综述 12

2.3.2金融科技文献综述 13

2.3.3金融科技与区域创新关系文献综述 15

2.4文献述评 17

第三章金融科技影响区域创新能力的机制分析 18

3.1创新资源集聚效应 18

3.2创新环境优化效应 21

3.3创新环境与创新资源的关系 22

3.4金融科技影响区域创新能力的异质性分析 23

第四章金融科技影响区域创新能力的实证检验 25

4.1回归模型设定 25

4.1.1模型设定与变量测度 25

4.1.2数据来源 27

4.2描述性统计分析 27

4.3基本模型回归 29

4.4面板中介回归 31

4.4.1中介模型设定 31

4.4.2中介模型结果 33

4.5内生性检验：工具变量法 35

4.6异质性分析-双重差分法 38

4.6.1双重差分回归模型 38

4.6.2DID模型的稳健性检验 41

第五章结论及政策性建议 44

5.1结论 44

5.2政策性建议 44

参考文献 46

致谢 51

中文摘要

随着社会日新月异的变化，互联网技术迅速发展，大数据、区块链、人工智能等前沿科技与金融深度融合，使得金融科技发展迅猛，这在丰富了金融服务体系的同时，也使其成为一种独立发展的业态。同时，中国经济已经进入转型期，加强自主创新能力意义显著，提高区域创新水平是必经之路。金融科技作为传统金融的有力补充，对区域创新水平的提升具有重要影响。然而，由于历史原因和特殊的制度背景，我国要素市场普遍存在配置扭曲现象，这使得创新主体融资约束问题突出，也使得创新环境长久以来难以得到改善，从而严重抑制了区域创新能力的提升。因此，研究金融科技对区域创新能力的影响机理，有助于扭转资源配置不合理的局面，对于纾解落后地区创新滞后，促进全国均衡发展，有现实的政策意义。

在详细阐述金融科技的提出背景及涵义的基础上，论文回顾了国内外金融科技对区域创新能力影响的文献，梳理了影响机理,并提出了三个假设：第一，金融科技的发展增加了区域创新资源，有利于创新资源流向创新研发，进而提升区域创新能力。第二，金融科技的发展能够优化创新环境，进而促进区域创新能力的提升。第三，金融科技促进区域创新能力提升的作用在欠发达地区更明显。

论文运用2011-2018年间337个城市的面板数据，参考梁榜（2019）、韩兆洲（2020）等对区域创新与金融科技发展关系的模型，以金融科技（北大数字普惠金融指数）作为解释变量，区域创新能力（年度人均专利申请量）作为被解释变量，创新资源和创新环境作为中介变量，运用多重中介模型检验影响机制,釆用双重差分法进行地域异质性分析。

基于以上研究，论文认为：（1）金融科技的发展有利于区域创新能力的提升。（2）金融科技的发展不仅能够通过集聚创新资源促进区域创能力的提升，还可以通过优化区域创新环境促进区域创新能力的提升。（3）金融科技对经济欠发达地区创新能力的影响要大于发达地区。

为充分发挥金融科技对区域创新能力的促进作用，政府首先要大力发展金融科技，全面提升我国区域创新能力。其次，政府要制定差异化金融科技发展战略。

一方面，政府应加大对欠发达地区金融科技的支持力度，激发区域创新发展潜力，缩小与经济发达地区的差距；另一方面，在发达地域，要着力发展高质量金融科技，同时也要注重资源集聚和创新环境的引导作用。再次，要加快优化创新环境,注重创新环境对创新资源的集聚效应，助力提升我国区域创新水平。政府在政策制定的过程中，应注重优化通信、税收、劳动力素质等环境因素，助力提升创新水平。

关键词：金融科技；区域创新能力；创新资源；创新环境；多重中介模型

第一章

1.1研究背景与意义

自20世纪90年代金融科技的概念提出以来，金融科技与区域创新的关系就成为学术界讨论的热点。进入21世纪，互联网技术迅速发展，大数据、区块链、人工智能等前沿科技与金融深度融合，在丰富了金融服务体系的同时，更成为一种独立的发展业态。与传统的金融相比，金融科技的发展不但使得金融机构的服务效率提高，也使得服务成本降低。纵观金融科技，其具有明显的数字化、普惠性与包容性特征，能更为有效的配置金融资源并降低交易成本。

区域创新是地区经济发展的动力。按照索罗-斯旺经济增长模型，经济的发展来源于全要素生产率，而全要素生产率主要衡量的则是以创新为代表的技术发展。自党的十八大以来，我国更加注重创新驱动战略。与此同时，在北京、上海、广州等地区引领下，全国都在进行金融科技系统建设，科技与金融的结合达到了前所未有的程度。这一过程中，各地区的各类创新层出不穷，地区的知识产权申请量不断涌现高潮。

在上述背景下，我们自然而然的产生了一系列问题，金融科技与区域创新能力有何关系？区域金融科技影响区域创新的途径和方式是什么？如何实现金融科技与区域创新的协调发展？只有辨明这些问题，才能更好地阐述和解释金融科技对区域创新发展的激励机制，也有助于理解区域创新与金融新业态发展之间的关系。这对挖掘金融潜力，推动金融向实体经济转向、促进区域高质量发展都具有重要意义。

在此背景下，论文利用城市面板数据进行了实证分析，研究了金融科技对区域创新能力的影响机制。论文的研究既丰富了相关理论，也为区域协调发展提供了理论参考和经验支持。

L2研究内容

论文共分为五章。

第一章为“绪论”。包括金融科技和区域创新能力的背景及现实问题分析、研究内容、研究方法、逻辑框架图及创新点与不足。

第二章为“金融科技与区域创新能力研究综述”。首先比较全面的梳理了金融科技的历史演变、定义以及衡量的指标体系。其次，整理了区域创新能力的界定和特点。最后，详细梳理了国内外相关文献。

第三章为“金融科技影响区域创新能力的机制分析”。本章重点梳理相关机制，并提出了三种假设。

第四章为“金融科技影响区域创新能力的实证检验”。首先，设定了基础回归模型，并说明了相关指标及数据来源。其次，运用城市数据进行实证基础回归研究。最后，运用多重中介模型实证检验影响机制，并釆用工具变量法解决内生性问题，同时，用双重差分法进行区域异质性分析。

第五章为“结论及政策性建议”。实证结果表明：金融科技的发展有利于区域创新水平的提升。并且中介回归结果证明金融科技对区域创新的作用可以分为创新资源集聚效应和创新环境优化效应。异质性分析表明，金融科技对经济欠发达地区区域创新的影响要大于发达地区。基于此，提出以下政策建议：政府首先要大力发展金融科技，全面提升我国区域创新能力。其次，政府要制定差异化金融科技发展战略。一方面，政府应加大对欠发达地区金融科技的发展力度，激发区域创新发展潜力，缩小与经济发达地区的差距；另一方面，在发达地域，要着力发展高质量金融科技，同时也要注重资源集聚和创新环境的引导作用。再次，要加快优化创新环境，注重创新环境对创新资源的集聚效应，助力提升我国区域创新水平。政府在政策制定的过程中，应该注重优化通信、税收、劳动力素质等环境因素，助力提升创新水平。

1.3研究方法

运用合适的方法分析问题是研究成功的关键。论文在研究金融科技对区域创新能力影响的实证研究方面，遵循理论分析、实证检验、得出结论的标准三段式，并结合实证分析法、规范分析法。具体研究方法包括：

(1)规范分析法

该方法主要体现在梳理金融科技对区域创新能力影响的机制部分。结合环境优化和资源集聚理论，论文通过查阅整理相关国内外学者的文献，疏通了两者间

2

的作用路径，解决了作用机制“应该是什么”的问题。

（2）实证分析法

基于北京大学数字金融研究中心发布的北大数字普惠金融指数，运用其一级、二级指标（数字普惠金融覆盖广度、使用深度、数字化程度）衡量金融科技发展水平，而后利用主成分分析等方法，实证检验作用机制，解决“实际是什么”的问题，并通过理论分析与实证检验的结论比较，为政府制定合理政策，实现金融科技健康发展，促进区域创新能力稳步提升提出合理化建议。

 

 

1.4逻辑框架图

图1-1论文框架结构图

1.5创新点与不足

(1)创新点

第一，论文从两种中介传导机制和中观城市层面着手探究作用机制。首先，学者少有直接研究创新环境的中介作用机制。现有文献多是从资金集聚角度，考察金融发展通过缓解融资渠道促进科技创新，也少有考虑人力资本因素的作用。其次，学者多是从省级层面研究金融科技对区域创新能力的作用机制，鲜有学者从中观城市层面探究。而论文运用我国内地337个城市层面的数据，参考现有文献建立创新环境、创新资源综合指标，并运用主成分分析法提取总指标直接进行创新环境和创新资源的机制检验，并釆用多重中介模型验证了该指标体系的合理性，补充和完善了学术界相关领域研究。

第二，结论具有指导性政策意义。论文通过控制了其他的重要控制变量(如经济发展水平、产业结构等)，以金融科技为解释变量、区域创新能力为被解释变量，从两个不同角度考察中介机制。实证发现，金融科技可以通过创新资源缓解效应和创新环境优化效应，提升创新能力。并且金融科技对经济欠发达地区区域创新的影响要大于发达地区。这些结论对于指导政府制定合理政策，实现金融科技健康发展有实际的政策含义。

(2)不足

第一，区域创新是一个地域概念，更是一个动态的概念。论文在研究创新与金融科技关系时釆用静态模型，忽略了创新的积累效应。因此，在后续研究中，会引入动态模型深入探究。

第二，解释变量和被解释变量的选取，不同学者看法不一致。论文选取了近两年来已被较为广泛运用的数字普惠金融指数作为Fintech的度量变量，釆用人均专利拥有量作为被解释变量。然而，很多学者认为金融科技的概念涉及的范围比普惠指数大，该指数不足以代表金融科技水平。类似的，部分学者认为专利数量的多少只是创新能力的一个方面，不能全面概括区域创新能力。因此，论文如果丰富Fintech和区域创新能力的表示方法进行稳健性检验，将会更加具有说服力，比如釆用“文本挖掘法”数据和区域创新指标体系分别作为替代指标。

第二章金融科技与区域创新能力研究综述

2.1金

2.1.1金的历史变迁

早期，美国硅谷的一些大公司首先探索利用新的技术来改进信贷服务，例如引入生物识别技术来减少与客户的接触，并利用无线传输技术方便客户办理业务等。引入这些新技术的初衷是提高服务效率和水平，减少公司运营成本。在这一阶段，金融与科技的结合是自发性的，并没有形成一个完整的体系，更没有相关概念提出。欧美各金融机构广泛使用新科技的最大动力来自于成本的降低。

20世纪90年代初，智能卡论坛(SmartCardForum)成立，其目的是探讨新技术与金融数据安全相关的论题。在该论坛成立的会议上，花旗银行董事长JohnReed首次提出了“金融科技”的概念(Puschmann,2017)。当时，金融机构也普遍使用互联网(内联网)、电子计算机数据处理等技术，但互联网技术刚刚兴起，并没有普及，大众对互联网技术的接受程度也比较低，因此金融科技的概念并没有被广泛接受。但是，“金融科技"概念的提出却在学术界引起了一股辩论潮，最终结果是学术界达成了一个共识，即科技将对金融产生深远影响。德意志银行总结了学术界的各类观点，认为此时的金融科技主要用来描述金融领域的信息化程度，是无线传输、生物识别、互联网在金融服务中的广泛运用。此时的学术界定义，依旧偏重金融业务，并没有将金融科技作为一种独立的业务模式和发展业态来对待。

进入21世纪，新技术广泛发展，金融科技的发展也突飞猛进。云计算、区块链、大数据等技术被广泛的应用于保险、证券等领域，并且与各个业务环节逐渐融合，发展成为一种新的业务模式，并且朝着专业化、体系化的方向发展。在改善服务水平和质量、提高数据生产效率方面，金融科技发挥了重要的作用。各类自动处理设备的上线，更是大大降低了金融机构的运营成本。如果从IT技术的发展路线来分析，金融科技可以分为三个阶段：

第一个阶段定义为金融与科技的初步结合阶段，部分学者称之为“金融科技1.0”版本。该阶段最明显的特征是办公自动化、部分业务的电子化。该阶段，金

融机构内部有独立的IT部门，并且建有各类自动化处理系统，例如信贷审批系统、内部资金结算系统等。在这个阶段，网络借贷、互联网保险等业务方式推陈出新,使得基础设施建设更加完善。

第二阶段定义为金融与科技的中度结合阶段，或者称为“金融科技2.0”，典型特征是互联网作为金融业务的载体。例如，部分金融机构建立了在线的信贷审批系统，做到了客户信贷自助申报、自动审批、自助放款。在此阶段，金融业务的资产端、客户端、支付端等可以任意组合而不受地域限制。

第三阶段为金融与科技的融合阶段，也称为“金融科技3.0”。此时，金融与科技的结合载体由互联网转向“物联网”，弄且利用区块链技术自动分析和识别客户，实现差异化的金融服务。金融科技3.0最主要的贡献是解决了困扰双方的信息不对称问题。该阶段的典型代表是供应链金融。

从现阶段来看，我国的金融科技发展格局已经由1.0时代进入了2.0时代。2015年以前，我国还处于1.0时代，然而随着监管逐步严格，金融科技发展也逐渐进入平稳发展期。在2.0阶段，头部企业开始快速占领市场份额，市场竞争激烈程度加剧，信息方面的竞争优势更加成为制胜关键。

2018年以来，我国互联网市场风险加剧，红利逐步消失，与Fintech紧密相联的互联网企业也陷入了困境，获客成本高、客户数量增长慢等问题始终难以得到解决。目前，深度化服务是面向己有客户，并为其提供更有针对性的精细化服务的新型服务业态，也表明了金融科技发展触及到了3.0时代。

金融科技的发展如火如荼，但同时也因为其去中心化等特点给金融系统带来了不小的冲击，这也推动了监管体系改革的送程.2015年，“互联网基本法”开始实施，各项监管细则不断完善，并且在第三方支付、虚拟货币等特殊领域监管格外严格。然而，金融科技给监管带来的影4存在两面性。一方面，其发展给监管带来挑战；另一方面，也助力了监管创新。例如，2019年年底，北京试点构建了“监管沙盒”，运用新科技手段营造出了金融发展开放普惠的环境。

2.1.2金科技的定义及内活

随着金融与科技融合，将金融科技当作一种支持金融业务开展的科学技术手段的定义显然不合适。两者之间的深度融合也使得金融业务边界逐渐产生交叉，

各类不同“金融"机构之间的联系增加，使得金融系统风险増大，给金融监管带来了巨大挑战（杨东，2018）。2014年，金融稳定理事会（FSB）开始注意到了这一问题，并成立了工作组专门研究金融科技的内涵及监管框架。2016年，FSB发布了金融科技发展报告，首次系统的定义了金融科技并给出了原则性的监管框架。

根据FSB定义的内涵，金融科技是由大数据、区块链等尖端技术引导并且对传统金融行业产生业务延伸，对新型业务模式、产品服务的推进有着极大推动的新兴业态。由此可见，FSB巳经提升了金融科技的层次，摒弃了“金融+科技”的观点，并将其上升到一种新的业态来重新认识。究其本质，金融科技是一种金融业务发展的思路和方向，是一种独立的业务形态。另外，FSB的定义还体现了动态的观点，认为金融科技是一个动态发展过程，且不限于某一个阶段或者业务形态。尽管目前区块链、大数据等被称为“新技术”，并且衍生了在该框架下的金融科技，但未来金融科技的概念可能依旧与现在存在差异。FSB还重点强调了金融科技的“金融"的属性。不论金融科技如何发展，它还是归属“金融”的范畴,而不是“科技”的范围。

科技金融是金融向科技企业信贷支持的过程中，一系列的制度安排与业务种类的统称。区分金融科技与科技金融有助于更深入了解金融科技的内涵。按照FSB的定义，金融科技是区块链、大数据等新兴科技对传统金融业务边际的延伸，重点在于金融业务流程的重构与业态的发展，依旧强调金融。科技只是促进金融边际拓展的手段，强调的是广度和深度。而科技金融是一种政策安排，是以金融服务科技为目标，促进金融与科技生产链条结合，属于金融支持的范畴。

新科技正在源源不断的向金融输岀变革的动力，从而成为推动金融科技发展、引导人类文明进步的新引擎（杨东，2018）°从马克思主义辩证法的角度看，金融科技的发展史也是金融与科技的结合史。早期信用的发展推动了信贷中介机构的变革。这类信贷机构的变革又依赖科技的发展（陈彩虹，2019）o区块链的发展，引起了学术界对金融科技“去中心化”的讨论，并促使金融信息出现分布式、网格化的特征。这又促进了金融创新，并降低了交易成本。总之，大数据、人工智能等领域的发展，在构成了金融科技的外延的同时，继续发挥甚至引领了金融机构核心业务的发展方向。例如，大数据和区块链技术使人足不出户就可以完成

信贷校验，并使得差异化的金融服务成为可能。机器算法又进一步提供了智能、高效的金融服务（李杨和程斌琪，2018）.金融科技的发展更有助于提高金融资源使用效率，并近一步拓展金融产业的发展空间。

2.13金触册指册系

根据以往研究，金融科技有两种度量方法。一是借鉴互联网金融实证指标；二是构建金融科技实证衡量指标。国内具有代表性的指数主要有以下三种：

第一，腾讯“互联网+”指数衍生的金融科技指数。周斌、毛德勇、朱桂宾（2017）通过PVAR实证分析了互联网+、普惠金融与经济增长三者之间内在效应关系，釆用专家打分法形成新的面板“互联网+”指数,并以此作为衡量金融科技的替代性指标。该指标以腾讯研究院发布的“互联网+"指数为原型。腾讯的“互联网+"指数对使用频次、消息数量、在线时间、支付频次娱乐时长等近二十个维度数据进行综合赋权，进而计算出的描绘中国31个省、自治区、直辖市及351个城市人均移动终端社交、生活、支付、游戏的互联网活跃程度。究其本质，该指标衡量的是“互联网+"的活跃度，而金融科技尽管以互联网为载体，但并不限于互联网。

第二，文本挖掘法计算的金融科技指数。郭品（2015）提出了文本挖掘法计算金融科技指数的一般步骤。而汪可、吴青、李计（2017）则基于该方法，选取5个关键的维度，采取因子分析法重新计算了金融科技指数，并实证检验了金融科技与经济发展之间的关系。具体步骤为：首先，结合相应技术和金融功能，构建金融科技初步关键词库。其次，借助百度等互联网搜索引擎，计算关键词的年度词频，统计出关键词每一年出现的频率。最后，釆用元素分析法分析关键词与出现频数之间的关系，合成金融科技指数。文本挖掘法以媒体的关注度为切入点，通过研究频次来分析和研究金融科技发展水卓，可谓另辟蹊径。但该方法依旧以互联网为基础，且媒体关注度往往过度迎合新闻受众，将其用作学术研究缺乏严谨性。

第三，北京大学数字普惠金融指数。北大奴字金融研究中心在2016年和蚂蚁金服集团合作，成立了联合课题组，利用后者海量的数字金融相关数据编制成该指数。指数强调了互联网金融业务属性，据此将联网金融业务分为6个主要板块：网络投资理财、网络征信、网络支付、网络货币基金、网络信贷、网络保险。同

时运用蚂蚁金服、米么金服、众安保险、趣分期、零壹财经、中国人民银行等其他具有代表性的互联网金融企业、监管机构及第三方机构发布的数据，根据相应的计算方法合成包含单个业务的三项二级指数，并最终合成代表总体金融互联网发展的一级总指标。与前两类指数相比，北大数字普惠金融指数明确了广义互联网和狭义互联网的区别，并且部分数据直接来自金融企业和监管机构，更直接反映了金融科技发展状况。

部分学术研究已经证明了该指数衡量金融科技的合理性。邱啥等(2018)在研究金融科技对传统银行行为的影响时，使用地级市普惠金融指数度量金融科技。盛天翔(2020)认为，在研究小微企业信贷供给的过程中，用普惠金融指数代表的金融科技发展水平能够显著提升银行对小微企业的信贷供给。类似的，孟娜娜(2020)使用该普惠指数代表金融科技和其主要业务发展状况。该指数在近两年来己经被较为广泛的使用于金融科技发展水平的相关研究当中，因此本文运用该指标表示金融科技发展水平。

2.2区域创新能力

2.2.1区域创新能力的界定

(1)国外相关研究情况

其界定经历了一段相当长的过程。最初的研究者Cooke(1998)认为，区域创新能力是具有创新能力的市场主体之间的互动。Foss(1999)则认为，创新是市场主体内部的一项能带来经济利润的属性，是隐含在组织内部的潜力，因此较难被学习。Tura(2011)认为，区域创新能力更多的是市场主体对区域环境和政策的反应，是一个主动与被动相结合的过程，衡量的是企业利用外部环境为自身谋取利润的能力。Yokura(2013)认为，区域创新能力衡量的是区域内所有主体在特定的政策框架与资源禀赋条件下创造新产品的能力。Pugh(2014)则对该定义进行了补充，认为还应该考虑这些“创新产品能力”与区域经济效益之间的关系。区域创新能力是一种经济利润创造潜力，应该强调商业效益。强调新产品的创造能力是研发中心的“研发能力”，也就是说，区域创新能力是附带了商业价值的新产品创新。

（2） 国内相关研究情况

关于该指标的界定方式和指标选取，国内学者贡献颇多。从单指标角度看，专利申请量、专利拥有量（王鹏，张剑波，2012；柏玲，2013）被广泛使用。基于多因素区域创新评价综合指标角度，国内最早开展区域创新能力研究的是甄峰、黄朝永、罗守贵等（2000）学者，这些研究不但解释了区域创新能力，还尝试设计了评价指标体系。早期的观点是，区域创新能力衡量的是在特定的政策与技术框架下，知识、信息与技术在社会生产中发挥的作用。黄鲁成（2000）则认为，区域创新能力衡量的是新产品与工艺的创造能力，这种能力以现有的科技手段为依托。朱海就（2004）认为网络创新、企业创新与环境创新是区域创新能力的三个重要方面，且还应该考虑地区内创新主体间的协同作用。陈劲、陈饪芬、余芳珍（2007）认为创新能力与利用这种能力产出的区域商品贸易密切相关，是社会对一个区域创新产品的经济接受度。在《中国区域创新能力报告》中，区域创新能力被界定为：在特定环境下，某区域把知识转变为新型产品、服务和工艺的能力，同时，在这个过程中还产生了一定的经济效应。

（3） 区域创新能力的界定评述

尽管区域创新能力的定义和内涵依旧存在争论，但并不排除共性的存在。第一，区域创新能力强调区域创新环境，包含政策和技术框架，以及产业发展水平。第二，强调科学技术水平在区域创新中的重要作用，包含显性知识与蕴含在创新主体之间的技术运用能力。第三，重视创新主体的创新潜质。尽管目前某些技术不能及时的转换成生产力，但随着时间的发展企业可能突破了技术瓶颈或者门槛，并利用了该类技术。这种蕴含在创新主体内部的潜力也被纳入区域创新能力。第，强调区域创新能力是区域综合竞争力，尤其强调区域经济发展能力。

通过分析上述国内外学者对区域创新能力的界定，同时考虑到金融科技体系下创新主体更容易获得信贷支持，专利申请量与拥有量更适合表示金融科技支持下的区域创新能力。同时，城市范围内专利相关的法律标准统一，不同区域专利数量具有可比性，并且考虑到人均变量可以消除城市人口量差异，因此本文以各城市人均专利申请量和人均专利拥有量测度区域创新能力。

2.2.2区域创新能力的特征

(1)整体性。一个系统的构成是多方面的，是由多种不同要素组成的。类似的，区域创新能力就是一个整体概念，是由创新投入、创新研发、创新产出等诸多方面综合而成的，其中，创新环境、创新资源等也存在着相互作用的过程。整体性的创新能力在各个要素间的信息共享中构建起了区域网络，进而使得区域系统信息不对成性减弱。

(2)合作性。创新性是区域创新能力最基础，也是最本质的特点，只有各级政府、各企业和学校等创新主体共同合作，通过产学研相结合的方式将技能知识转化为创新成果，才能实现创新的真正作用。然而社会变化日新月异，创新主体在创新过程中面临的风险也日益增强，单个创新主体很难同时兼顾研发过程和研发转化过程，因此，创新主体间的分工合作就显得尤为重要。

(3)开放性。区域创新能力的提升既需要创新主体区域内部的合作，也需要每个区域间的借鉴交流。作为实现创新的基本动力之一，开放性是实现创新能力提升的必备特征。只有进行区域间开放交流，才能使得知识技术溢出的效果显著，才能推动区域高质量、高水平发展。

2.3国内外文献综述

2.3.1区域创新能力文献综述

(1)国外研究现状

1987年，弗里德曼首次提出了国家创新体的概念，此后库克于1992年提出将区域创新系统作为国家创新研究的重要方面，引起了各国政府部门和学术界的广泛重视，自20世纪90年代中期以后，有关于国家层面的创新研究爆发式增加，此后，在区域及国家创新能力的研究框架中，创新体概念成为热点。

在理论研究方面，Freeman(1987)和Nelson(1992)研究发现，不同国家的创新绩效存在差异，并且这种差异与国家的特点密不可分，如美国、日本和其他国家在文化和体制上的差异导致了其与其他国家创新绩效的不同。Youndt和Subramaniam(2005)发现，人力资本和社会资本的相互影响产生的结果促使创新能力产生。Han,Yo和Kwak(2018)认为，知识发展状况可以衡量区域创新能力

水平，创新主体如大学、企业、研究机构和技术中介机构等由于空间分布密度迥异产生了技术溢出，进而促进了创新。

在实证研究方面，Stem和Porter（2002）发现，创新相关产品的发展潜能是一个地区创新能力的高低的重要度量因素，其中研究与发展（R&D）存量是最重要的因素，其通过为新技术、设计等提供资金提升了创新能力。在此基础上，Hervas-Oliver等（2011）发现，企业的创新能力的影响因素除了研发支出、大学等的R&D投入外，供应商、客户等非R&D投入也同样是重要影响因素。Guadix等（2016）认为，研发人员投入是促进区域创新的因素之一，而高新科技研发区能够吸引軍多项目，进而创造更多就业。Rodriguez,Doloreux和Shearmur（2017）认为，企业创新能力与外部市场资金投入息息相关，而其创新能力与内部R&D投入存在反向相关性。Carboni和Russu（2018）证实了公司三种创新方式一流程创新、组织创新、产品创新间的相互依赖性，认为公共社会支持是提升创新形式的主要因素。

（2）国内研究现状

在区域创新能力的相关研究方面，国内起步较晚，我国学者的关注点在区域创新能力的影响因素上面。曹广喜（2009）认为，FDI对我国区域创新能力存在溢出效应，且这种溢出效应有明显区域性差异。冉光和（2013）等也认为FDI是影响区域创新能力的重要因素，并且同时发现，这种正向促进效应显著地受金融发展水平影响，具有明显的双门槛效应。张振刚（2013）研究发现，在珠三角地区服务业的发展对区域创新的发展有促进作用。马明（2016）等通过研究认为，人力资本与区域创新发展呈现反向变动关系，交通基础设施情况则存在正向关系，并且影响水平与经济发展水平和地理因素有关。鲁亚军（2015）等研究发现，高校研究与发展经费投入对区域创新能力的提升有显著影响。彭永涛等（2020）从创新环境、创新基础、国际技术溢岀和产学研联系四个方面探究影响区域创新能力的路径，结果发现，存在国外技术吸收路径、技术转化路径等，并且人力资本投入、区域技术购买是区域创新能力提升的必要条件。

23.2金Ift科技文献综述

（1）国外研究现状

国外对金融科技的研究侧重科技角度。Mishkin（1999）认为，交易成本和信息不对称的产生是激励金融结构变化的巨大推动力。金融科技的发展可以使得许多本来不知情的资金持有人把资本集聚到金融中介机构进行投资，增加了资金市场的流动性。同时，金融科技的发展也会降低已有的交易成本，使得市场规模得以增加，金融服务得以优化。一方面技术的进步带来低交易成本，缓解了信息不对称现象，提升了金融市场资源配置的效率；另一方面，也增加了市场监管的难度，Fintech的发展使得监管难以触及的方面增加。传统金融机构一直被定义为与经营产品和区位条件相关的资本运营机构，这种陈旧的定义方法可能会阻碍创新能力的提升，从而降低市场运行效率。在这种金融混业经营，创新型产品和服务不断推陈出新的背景下，金融机构要想迎风而上就必须创新出新的风险管控手段以抵御系统性金融风险。从产业组织的角度看，Chishti等（2016）认为，金融科技的发展对象是向合规的金融机构提供创新型产品、创新技术和服务的包括互联网企业在内的高技术型中小科技企业。这类企业本身不为社会供给金融类服务，而只是为正规金融机构提供技术和运行维护服务oAmer,Buckley和Barberis（2016）研究发现，部分支持金融科技发展的国家会釆取宽松型宏观政策，如英国、卢森堡等，其目的是通过Fintech发展的产业集聚效应推动产业转型升级，进而推动就业水平提升，拉动经济增长。

（2）国内研究现状

国内对金融科技的研究侧重金融角度。谢平等（2012）认为，互联网金融模式是不同于商业银行资金融通、资本市场融资的第三种融资方式，并开创性的探讨了该种模式会拓展交易集合，缓解信息不对称，提高资源的配置效率，并把市场风险分散到传统金融融资方式无法到达的程度，进而产生巨大的经济社会效益。从微观角度看，赵鹦等（2016）在消费模型框架下引入网络社交因素，并发现个体风险不能被互联网金融模式有效分散，进而研究得出证券价格会随着网络社交范围的扩大而加剧波动的结论。类似的，朱太辉等（2016）研究发现，一方面金融科技手段的运用可以通过降低潜在的监管等风险稳定金融市场，使得系统资源配置效率更高，风险分散能力更强；另一方面金融科技的发展也使得传统金融风险更加不易被察觉，操作风险及各种系统性风险会更易爆发。

2.3.3金H科技与区域创新关系文献综述

(1)国外研究现状

研究金融与经济发展是探究金融科技与创新间关系的起点。熊彼特最先在《经济发展理论》中指出，经济发展通过促进技术创新影响区域经济的发展，并且在讲到信贷资本时提到，企业家的创新活动是需要大量资金支持的。但在现实中，货币资金的数量远远无法满足创新活动的需要，因此畅通信贷渠道是提供足够资本的必要途径。除此之外，金融发展还通过提供多样化的金融工具规避风险及合理化配置的金融市场资金促进创新发展。而金融科技的发展有利于疏通融资渠道,缓释创新主体信贷约束，提升创新主体创新能力。基于风险角度，研究表明创新是一个长期过程，并且会伴随有较高的失败风险，金融的发展会显著影响创新水平(Hohnstrom,1989)。Morck和Nakmura(1999)指出，传统金融机构对创新程度高的高风险项目投资较为谨慎，银行等金融机构更倾向于规避高风险，因而银行主导型金融机构对创新的贡献有限。基于微观视角，企业的创新活动与金融的支持关系密切。Rajan和Zingales(1996)认为，外源性融资企业可以通过获取金融机构信贷支持进行创新发展，完善的金融体系也会降低企业的融资成本。Przychodz等(2015)指出，企业创新需要大量金融资金支持，金融政策需要为企业发展提供清晰地政策激励环境。Gorodnichenko和Schnitzer(2013)基于企业数据研究发现金融发展水平高的地区企业创新活动频繁，创新产出水平更高。

从金融本质来看，金融科技这一新型金融业态的发展对缓解创新主体外部融资约束，优化资源配置并降低风险大有裨益。Levine(2005),Kapoor(2014)在文章中也证实了这一点。具体来看，金融科技发展对缓解创新主体融资约束的研究主要集中在移动支付、P2P借贷、众筹等方向。Sven等(2009)借助电子P2P重点研究了电子借贷市场，并指出了信贷中介平台通过缓解信贷双方信息不对称，使得借款人，尤其是信贷风险低的借款人，信贷状况得到有效改善。Duarte,Siegel和Young(2012)指出，贷款主体的良好信用有利于其获取贷款，而金融科技手段的介入对借贷双方的交易有显著影响。此外，Rupa(2004)指出，完善高效的网络通信基础设施有助于第三方移动支付的发展壮大。

（2）国内研究现状

国内学者关于金融与创新关系的研究主要分为两个方面：一是从理论角度分析。卢荻等（2013）认为，金融体系的不同市场类型对区域创新的影响不同，银行和金融市场对创新的影响随经济发展的不同阶段而变化。李华民（2018）指出，政府引导银行业进行区域创新支持时，银行业将显著地发挥信贷资金支持作用。二是从实证角度验证。屠年松等（2017）研究发现，金融发展规模能有效促进地区的技术创新效率。在微观层面，候世英等（2020）通过重点研究金融结构和企业创新绩效之间的关系，发现市场主导型金融体系对企业创新有明显的激励效应,而银行主导型金融体系与企业创新的创新激励效应具有“U型”特征。张翼等（2019）发现金融发展与中小企业聚集水平可以共同促进区域创新能力的提升。

在宏观层面，祝佳（2015）研究发现，我国各省技术创新与金融支持存在显著地空间互动效应，其中传统金融机构的金融支持对区域创新的提升具有明显的正向作用。赵武等（2013）认为，金融发展对区域创新的影响存在地域差异。

国内部分学者着重从两个角度研究了金融科技对区域创新的影响。一是分析金融科技对区域创新能力的影响机制。王栋等（2019）通过研究发现，金融科技发展通过优化区域金融生态环境、促进区域贸易和投资开放度两种主要途径促进区域创新绩效。杜传忠等（2020）从直接和间接两个维度研究发现，金融科技不仅可以直接促进区域创新，还可以通过改善银行信贷创新效应，增加居民消费间接影响区域创新。从微观角度看，现有文献普遍认为，金融科技在促进企业创新方面有着突岀贡献。任晓怡（2020）研究发现，金融科技发展可以使企业在降低杠杆率水平的同时减少其财务费用支出，扩充企业现金流，并缓解了企业的融资约束。谢绚丽（2018）认为，金融科技发展对企业的融资约束具有显著缓解效应,从而有效释放了企业的创新能力和创业活力。万佳賤等（2020）实证验证了金融科技发展通过企业融资约束缓解机制促进了企业创新。梁榜等（2019）进一步研究发现，金融科技还可以通过降低中小企业债务融资费用促进企业创新能力的提升。二是分析金融科技对区域创新影响的地域异质性。徐子尧等〈2020）认为，数字普惠金融的发展对区域创新能力的正向激励作用受城市地理位置、行政级别和初始创新能力不同的影响，呈现出显著地域异质性。

通过以上文献梳理，可以发现学术界对于金融科技与区域创新能力的研究逐渐丰富起来。特别是近两年，国内对于金融科技发展影响区域创新能力的研究异常活跃，研究层面涉及微观和宏观，探究因素包括银行信贷、商业信用、金融抑制、金融深化、金融结构等。

分析己有研究，其不足也显而易见。第一，大部分研究的理论基础是金融深化或者金融抑制理论，并围绕这两方面对创新的影响展开探讨，定位依旧在金融,而不是金融科技。同时，金融深化的衡量因素也未涉及，如金融科技对创新有没有影响？如何影响？

第二，大部分文献着眼于探究微观企业层面的创新产出，忽略了其他主体。然而，区域创新是一个整体的概念，涵盖了多重创新主体，金融对企业创新的影响不足以代表对整体区域创新能力的影响。

因此，本文着眼于金融科技发展及中观城市层面，研究金融科技对区域创新能力的具体影响途径，拓展了现有研究。

第三章金融科技影响区域创新能力的机制分析

本章将重点探讨金融科技对区域创新能力的影响机制。正如综述部分所言，很少有学者直接研究金融科技与区域创新的关系，大部分文献集中研究金融与创新的关系。首先，本章将金融科技作为一个独立因素，在总结金融科技对创新影响效果文献的基础上，系统的讨论了金融科技影响区域创新的作用机制。其次，在梳理中介变量创新资源和创新环境指标中介作用的过程中提出相关假设。

3.1創新资源集瞰成

创新的发展会受到主体行为目标、创新意愿等多方面影响，也更受到诸如市场竞争、金融市场以及制度安排的牵引。中国创新较长时间内处于国际中后期水平，很大程度上归结于外部资源的约束，这种创新活动对外部环境与资源的要求与金融发展特征不匹配，需要系统有效的解决方案（戴静，2013；徐明，2017）。王康等（2019）认为，创新是资本密集型活动，需要大量且长期稳定的资本支持。与此同时，创新活动也伴随着高风险，容易产生资金供求双方信息鸿沟，更不利于外部资金的供给（Hall,2002）。蒋伏心（2015）等研究发现，间接融资型金融系统更偏好规避风险，从而使得这类金融机构在进行长期信贷投资时会规避风险高的创新活动。

金融科技的发展，实现了在传统金融对创新支持不足背景下的跨越式发展，使得金融资源的配置效率增加。同时，金融科技缩短了金融与各类应用场景的距离，提升了金融资源的供给水平，降低了金融交易成本。学术界已经证实，发达的信贷市场是促进创新主体创新能力提升的最基本资金来源（贾俊生，2017）。鞠晓生（2013）认为，创新活动是典型的外部融资约束依赖活动，金融科技的发展能够增加创新部门资金供给，提供更为广泛的资源选择集，从而缓解金融资源约束。企业微观视角的相关研究也显示，金融科技的发展会带来数字普惠金融的发展，有助于缓释企业融资约束，有利于创新互动（任晓怡，2020）。现有文献也普遍认为，金融科技在缓解融资约束，促进企业创新方面有着突出贡献（梁榜,2019；候世英，2020；万佳裝，2020）。此外，金融科技发展伴随着资源流动的自由性增加，同时也提升了金融服务效率（徐明，2017）。金融科技的发展具有

18的普惠性特征，改变了金融资源"嫌贫爱富”的特征，降低了资源供给门槛（薛莹，2020）,客观上为区域创新铺垫了基本的创新资源。

一个典型的金融机构信贷业务发生过程更能说明金融科技对创新的资源约束缓解作用。传统的信贷调査手段，重点依据的是企业内部的信息，以及信贷人员的判断。信贷人员的经验在此时发挥了重要作用，与企业相关的外部信息，例如企业声誉、企业供应链位置等信息却无法纳入其中进行衡量。传统金融业务要求抵押和担保，而部分的中小微企业更是由于欠缺有效的抵押担保和财务报表导致融资失败。对金融机构而言，在大企业与小企业之间进行信贷调查，付出的信贷调查成本、所耗费的人力物力等差距并不明显。而大企业资产规模大，抗风险能力强，抵押和担保物多，偿债能力更有保障，能为金融机构带来更高的收益。所以，就传统的金融支持手段而言，金融机构更偏好大企业。中小企业“融资难”问题由此产生。而近几年来，由于大数据等互联网金融科技手段的运用，金融市场所能抵达的人群及领域都明显增加，金融交易成本显著降低（郭峰等，2016；黄益平，2016）o我国也一直在积极推动金融领域的改革和创新，特别是鼓励数字技术与传统金融行业深度融合的金融新业态，这更加促进了金融科技这一新型金融模式的发展，使创新主体更容易获得金融机构的信贷支持，进而促进创新活动。

从政府角度看，政府的科技政策对创新的促进起到了至关重要的作用。弗里德曼认为，这种作用主要体现在通过直接资金投入或者财政、科技政策支持，引发社会资源的重新配置，流向技术创新的领域，促进创新成果的应用以及转化等方面。财政性工具的应用，如财政科技投入、科技政策、税收优惠政策等，是创新资源的第一次集聚。而金融科技的介入，可以降低资金供需双方的信息不对称程度以及融资成本，为创新资金的集中创造条件。金融科技的这一作用显然放大了财政资金的作用。

此外，金融科技的发展还拓展了金融服务覆盖范围，促进了政府性融资担保作用的发挥，疏通了创新主体的融资渠道，促进了创新能力的提升。赵稚薇（2012）着眼高新技术领域，把资金来源分为市场性科技贷款、创业风险投资及政策性科技投入三类，并对创新促进效果进行了实证检验，发现政策性资金的投入对科技创新的促进效率明显为正。而金融科技扩展了政策性资金作用范围，扩大了资金对区域创新的作用力度。崔艳娟和赵霞（2013）运用生产模型，将科技金融资金投入划分为政策性资金和市场贷款资金，证明了依托金融科技，政策性资金在发挥科技创新正向作用的同时，与市场贷款资金的相互作用更强化了这一过程。Saksonova（2017）认为，通过金融配套资金，政府财政资金可以撬动更大的信贷投放。尽管撬动比例越高，风险越大，但借助金融科技，金融资金可以实现有效的风险监控。这个过程中，金融科技“间接”提升了地区可用创新资源。

与政府性融资担保作用类似，金融科技的发展强化了创新基金的作用机制。孟艳等（2015）认为，在所有中央财政支持的科技中小型公司专项投资基金中，创新基金（科技型中小企业技术创新基金）持续时间最久、系统化程度最高。创新基金投运十几年来在支持科技创新成果转化，引领财政专项资金流向中起到了突岀作用。金融科技提供便利化的支付服务，降低基金运营资本，促进国家创新的提升。叶莉等（2015）从科技金融的角度看，把科技金融分为创新基金、普通股、企业债及银行贷款，从而重点探究科技金融的创新效率，并得出结论，创新基金对科技创新呈现显著正向作用，并验证了其创新助力作用。Wonglimpiyarat（2018）研究发现，金融科技与政府基金的结合扩大了政府基金的作用范围：首先，金融科技降低了社会资金参与创新的门槛，吸引了社会资金参与创新。其次，金融科技有利于对基金运行进行透明化的监管，一定程度上防止了逆向选择与道德风险的发生。最后，金融科技提供了便捷的结算和服务手段，便利了服务过程。事实上，整个过程，可以看作是金融科技对区域创新资金的集聚与提升（Leong,2018）。

金融科技除了可以通过缓解创新主体信贷约束促进创新能力提升外，也促使研发人员集中，增进了区域研发能力，迸而促进了区域创新能力的提升。梁莱歆（2010）以我国披露研发费用的上市公司为研究样本，实证了企业R&D支出与R&D人员数量呈正相关关系。研究与发展经费支出越多，R&D人员数量越多；研究与发展经费支出越少，R&D人员数量越少。类似的，李婿（2018）发现，R&D人员的流动与创新绩效关系明显，R&D人员流出会抑制创新绩效提升，反之亦然。进一步的分析还发现，人员的流入效应强于流出效应。金融发展能够有效缓解融资约束进而促进企业进行研发投入，增加企业R&D投资，使得企业增加对研发人员的物质激励（住房补贴、保险、养老等）。同时，孙理军（2002）指出，激励机制会吸引研发人员流入，促进创新能力的提升。

综上，金融科技增加了区域的研发资金，聚集了研发人员，增加了创新资源。尽管这种间接机制较为“隐形”，但其作用不可忽视。基于此，提出研究假设H1：

金融科技的发展増加了区域的创新资源，有利于创新资源流向创新研发，提升了区域创新能力，

3.2创新环境优化效应

从外部环境角度看，除了资金在创新中起到了关键的作用，创新环境也会显著影响创新活动。许多学者从理论和实证方面都证实了创新环境对创新起到促进作用。Moultrie等（2007）研究发现，区域创新环境会显著影响企业的创新战略。岳鹄和张宗益（2008）认为，创新环境是导致创新能力差异的重要因素。现有研究表明，金融对创新环境的优化有正向促进作用，进而提升了创新能力。

金融的发展提升了劳动力素质，进而促进了创新（张丽华，2019）。王永中等（2007）认为，金融发展会积累人力资本存量，使得活动主体增加人力资本投资，提升劳动力素质，促进经济增长。Evans等（2016）发现，人力资本投资会因投资约束的增加而减少，阻碍了经济增长。章立军（2006）认为，劳动力素质提高有利于促进创新，并且也探究了市场需求与区域创新间的关系。Youndt和Subramaniam（2005）发现，人力资本和社会资本的相互影响产生的结果促使创新能力提升。

金融科技的发展优化了企业研发环境，促进了创新能力的提升。Boston和Spatareanu（2018）发现，美国金融体系的发展有助于增加企业研发投入，进而提升科技创新水平。钱水土（2017）研究发现，产品市场竞争效应、研发资金缓解效应、非融资渠道效应等作用渠道，对企业研发投入具有显著的正向激励效应，缓解了投融资需求和供给方匹配度，为研发创新项目及活动提供了资金供给。此外，投资者面临的风险也会随着金融科技的发展被部分分散。张宗益（2008）发现，对省域创新能力的贡献主要是由企业研究与发展投入实现的。此外，陈远燕（2015）还发现，研发费用加计扣除政策对企业研发投入的正向促进作用显著。

金融科技优化了通信环境，促进了创新。一方面金融科技的发展依赖通讯基础设施；另一方面，也促进通讯基础设施建设。中国人民银行在全国铺开的金融网的原始助推力就来自远程交易，后者则属于金融科技的范畴。目前为止金融网的建设已经进入了高速互联阶段，全国的大额支付系统、票据影像交换系统均以金融网为载体。大额支付系统、全国票据影像交换系统等本身就是金融科技发展的一种表现形式。金融网的建设满足了金融机构互联的安全、封闭要求。同时也为创新主体提供了便捷的金融服务，促进了区域创新。同时，Michaels(2008)、庄雷(2020)等研究认为，区域通信网络通达与技术创新交易呈正相关。通信网络通达有利于地区间资本互通，加强区域资源的流动性，从而通过技术空间溢出效应为区域技术创新带来新机遇，推动区域经济高质量快速发展。

分析上述文献，我们可以梳理出：金融科技的发展通过优化劳动人口的素质结构、企业研发环境和基础设施建设促进创新。基于以上分析，提出假设H2:

金融科技的发展能够优化创新环境，进而促进区域创新能力的提升。

3.3创新环境与创新资源的关系

在分析金融科技影响区域创新机理的过程中，我们发现创新资源和创新环境之间会产生相互影响，因为单个中介变量并不是独立发挥作用的，其往往与其他变量存在关联。创新环境与创新资源两者对创新能力的影响有各自的独立性，但不能排除两者之间的相互影响。一方面，创新环境和创新资源可能独立影响区域创新能力；另一方面，创新环境的优化可能通过集聚创新资源促进创新能力提升。

从政府角度看，区域创新环境的优化使得政策性研发资金投入力度更大，政策倾斜力度更强。张宽等(2020)认为，政府部门的创新偏好对区域创新能力的影响效果与区域创新产出水平正相关，随着区域创新能力的增强，政府的创新支持对于提升区域创新能力激励效果显著。在创新环境条件较好的地区，创新资源存量也较多，政府的支持会更加明显的提升创新能力。

从企业角度看，创新环境的优化使得企业向金融机构贷款的数量增加。孙晓华(2015)研究表明，金融深化程度越高，越能够降低研究与发展经费对企业内部资金的依赖，越能强化银行贷款的作用。金融科技手段的运用会加强系统金融深化的程度，拓宽企业融资的渠道，使得企业在研发过程中资金来源结构发生变化，使得企业在银行等金融机构贷款数量增加，进而缓解企业研发活动的融资约束。

尽管金融科技对区域创新能力的影响可能存在这两种作用机制的路径不同，

但均是间接影响了区域创新水平。因此，论文实证部分选择了多重中介模型，该模型的优势在于，一方面可以研究创新资源和环境对创新能力的影响，另一方面兼顾了创新环境对创新资源的影响。

3.4金科技影晌区域创新能力的异质性分析

作为发展中的经济大国，我国东中西部经济发展差距较大，发展不平衡的问题突岀，沿海地区资源禀赋条件突出，中西部区域发展受到诸多限制。柯善咨（2010）、孙东琪（2013）、张克中（2016）等研究也证实，发达地区的创新发展对欠发达地区有一定的抑制作用，资源抑制和虹吸作用是导致这一现象的关键原因，并且这种抑制作用会呈现层级传递的现象，最外层往往是创新最弱的区域。这也揭示了我国东西部创新差距大的原因。区域创新依赖经济发展水平、人才以及金融资源，发达地区拥有无可比拟的金融资源，这形成了发达地区对欠发达地区的创新抑制作用。

同时，发达地区与欠发达地区创新资源禀赋差异较大，产业环境和政府政策倾斜度都有很大的不同，这些因素均影响金融科技机制的发挥。一方面，经济发展较为发达的东部沿海地区、中心城市群（省会城市、直辖市）、经济枢纽地区金融市场发展成熟，产业结构较为合理，基础设备完善，人力资本资源丰富，各项资源流动速度快，创新主体融资约束小，创新环境优越，金融科技对创新的边际效用应该较弱；另一方面，经济发展水平欠发达地区，由于其地理区位较差，资源禀赋不佳，城市行政级别不高等原因导致了创新资源集中能力较弱，创新环境较差。因此，资源禀赋的不同也导致了区域创新能力的不同。

孟娜娜（2020）研究发现，金融科技可以打破空间和时间限制，加强金融资源流动，进而促使资源重新分配，加速金融资源由发达地区流向欠发达地区。谢绚丽（2018）指出，金融科技加强了区域间信息的流动能力，减少了各主体间的交易成本，并降低了金融资源流动对空间区位的依赖性。类似的，姜付秀（2019）发现，金融科技的发展使得地区资源差距逐渐缩小，弥补了金融资源分布的物理差距，跨时空、地区提供了丰富的金融创新资源，打破了金融资源要素流动之间的屏障，满足了地区创新资金的需求，为欠发达地区的创新发展提供了契机。作为一种创新的投入资本，金融资源的生产特征不会改变，边际生产率递减规律依旧发挥作用，金融科技的发展可以极大促进地区资源配置的效率，提高欠发达地区的创新能力。因此，金融科技对区域创新的影响可能存在地域异质性。

综上所述，我们提出假设H3：

金融科技促进区域创新能力提升的作用在欠发达地区更明显。

第四章金融科技影响区域创新能力的实证检验

本章将实证检验金融科技对区域创新能力的影响机制，并遵从如下逻辑：第一，论述模型的设定与数据来源，以及相关的变量解释。第二，进行基本模型回归，以探究金融科技与区域创新能力的初步关系。第三，运用多重中介模型实证检验金融科技对区域创新能力的中介效应。一方面，检验金融科技对创新资源约束的缓释作用；另一方面，检验以创新环境为中介变量的中介作用。第四，进行工具变量回归，以解决模型变量设定遗漏或变量之间内生性造成的估计偏差，增强结论的稳健性与解释力度。第五，利用双重差分模型（DID）研究金融科技影响机制的地域性差异。

4.1回归模型曜

4.1.1模量设定与变测度

参考戴静（2013）、梁榜（2019）、韩兆洲（2020）对区域创新与数字金融发展关系的模型，构建如下面板实证检验模型：

Yit=&）+ +PzERit+p3EEit+险£Contrail+/zit（4-1）

其中，代表被解释变量，分别用年度人均专利申请量和拥有量表示，6t代表城市与年份，Fm『i代表解释变量，分别用数字普惠金融指数、数字普惠金融覆盖广度、数字普惠金融使用深度和数字普惠金融数字化程度表示,Contrail代表控制变量。所有变量的含义如表4-1所示。

（1） 被解释变量选择年度人均专利申请量，替代变量为年度人均专利拥有量。参考现有研究可以发现，专利申请量、新产品销售收入、研发投入等指标常用来衡量区域创新能力，考虑到数据的代表性，本文参考以往研究选取专利申请量作为创新的代理变量，同时釆用人均变量以消除各城市因总人口不同导致的不可比因素。

（2） 核心解释变量为金融科技发展指数，以北大普惠金融研究中心发布的数字普惠金融总指数表示。考虑稳健性检验需要，以及进一步探究金融科技各维度对区域创新能力的影响，模型选择数字普惠金融覆盖广度、使用深度、数字化程度为替代解释变量，单独回归以比较分析结果，并检验结论的可信度。为了减弱反向因果效应引起的内生性干扰，模型对所有解释变量做滞后一期处理。

（3） 中介变量选择创新资源和创新环境的主成分分析结果。创新资源和创新环境二级指标的选取，参考了科技部发布的《区域创新能力评价指标体系》及现有文献。具体二级指标见表4-2。

（4） 控制变量选取经济发展水平、产业结构、人力资本和外商投资。经济发展水平（梁榜，2019）、产业结构（叶娇，2（H4）、外商投资（杨若愚，2016）、人力资本等变量均对区域创新造成影响，为了消除区域创新的地域自然差异，使模型聚焦在金融科技的影响上，因此模型将纳入这些指标。

表4-1变量设定

变村类型 号 变虽名称 变量％明

Inov 人均专利申请量 地区年度专利申请量/地区人口数量

Inow 人均专利拥有量 地区获批专利数量/地区人口数量

Fintech 数字普惠金融指数 北大数字金融研究中心发布

脉变量 DCB 数字普惠金融覆盖广度 北大数字金融研究中心发布

DUD 数字普惠金融使用深度 北大数字金融研究中心发布

DSS 数字普惠金融数字化程度 北大数字金融研究中心发布

 

对区域创新资源9项指标进行主成

中介变量 ER

EE 区域创新资源

区域创新环境 分因子提取后，计算总得分

对区域创新环境5项指标进行主成

分因子提取后，计算总得分

PGDP 经济发展水平 对数化的人均GDP

控制H IS3 产业结构（%） 第三产业产值占比

HR 人力资本（%） 高中以上在校生数量/地区总人口

FDI 外商投资（％） 外商直接投资/地区GDP

 

表4~2创新环境与创新资源指标

H名称 二级指标

1.研究与发展（R&D）经费支出与地区生产总值（GDP）比例（%）

2.财政性教育经费支出与地区生产总值（GDP）比例⑶

3.地方财政科技支出占地方财政支出比重（%）

4.地方财政科技支出与地区生产总值（GDP）比值（%）

创新资源5.国家创新基金与研究与发展（R&D）经费支出的比值（%）

6.国家产业化项目当年落实资金与研究与发展（R&D）经费支出的比值（%）

7.科研与综合技术服务业新增固定资产占全社会新增固定资产比重（%）

8.企业金融机构贷款额与企业研究与发展（R&D）活动经费支岀的比值（%）

9.万人研究与发展（R&D）人员数（人年（全时当量）/万人）

1•万人大专以上学历人数（人/万人）

2.企业研发加计扣除所得税占全国比重（泠

创新环境3.信息传输、计算机服务和软件业固定资产投资占全部固定资产投资比重（%）

4.百人固定电话和移动电话用户数（户/百人）

5.万人国际互联网用户数（户/万人）

4.L2瞄来源

本文的研究对象为2011-2018年全国337个主要城市。被解释变量来源国泰安数据库、中国专利数据库。解释变量来源于北大数字金融研究中心发布的北大数字普惠金融指数及相关指标。控制变量与中介变量来源于《中国城市统计年鉴》（2011-20⑻、《中国统计年鉴》（2011-2018）、《中国高技术产业统计年鉴》（2011-2018）、Wind数据库。

4.2描述性统计分析

2011-2018年间，我国城市平均数字普惠金融指数为152.34,平均覆盖广度为141.42,平均使用深度为149.53,平均数字化程度为193.48。其中，普惠金融数字

27

化程度具有最高的波动性，极差也最大。数字化程度最高的城市为杭州市，其指数为302.98；最低城市出现在青海省海北市，其指数为11.30。两个城市代表了区域金融科技发展的两个极端。类似的，数字普惠金融指数、覆盖广度、使用深度三个指标的极差也反映了相同的情况。并且我们还发现，区域经济发展水平与数字普惠金融指数具有显著的协同作用，人均专利申请量（人均专利拥有量）也往往与地区经济发展水平呈现正相关关系，这也印证了将人均GDP作为模型控制变量的合理性。

从数据分布情况看，无论是人均专利申请量，还是人均专利拥有量，都与数字普惠金融发展指数呈现一定的正相关性。同时，地区产业结构、人均GDP极差较大，暗示着金融科技对区域创新能力的影响可能存在地域异质性。而创新环境、创新资源反映了地区创新要素禀赋，两指标方差较大，反映了2011-2018年间可用创新要素增长幅度较大。

 

表4-4和4-5列示了金融科技对区域创新能力的初步回归结果。模型1结果显示，金融科技对区域创新能力的提升具有明显的促进作用。无论是对人均专利申请量的回归，还是将人均专利拥有量作为被解释变量，数字普惠金融发展指数的回归系数都显著为正。这表明，金融科技的发展显著促进了地区人均专利申请量（人均专利拥有量）的增加。

实证发现，创新资源与创新环境促进了人均专利申请量（人均专利拥有量）的增长。首先，信息产业投资以及移动电话的普及率增长均为创新提供了基础的启动环境要素。其次，各类财政、创新基金投入以及金融机构贷款为创新提供了资金，增加了区域人均专利申请量（人均专利拥有量）。控制变量回归结果显示，地区经济发展水平、产业结构、人力资本都提高了区域创新能力。而外商直接投资的回归结果在10%的显著性水平上依旧不显著，可能是因为外商直接投资周期较长，对区域创新能力的影响不足以在滞后一期的变量中体现。

为了验证稳健性，将数字普惠金融覆盖广度、使用深度、数字化程度分别作为解释变量纳入基本回归模型中。验证结果显示，覆盖广度、使用深度均与人均专利申请量（人均专利拥有量）呈现正相关。

4.4面板中介回归

4.4.1中介模型戏

金融科技对区域创新能力的促进作用存在多种途径。首先，金融科技的发展可以直接激励创新主体的创新活动。其次，创新环境与创新资源“中介桥梁”的存在，说明了金融科技对区域创新的影响具有间接性。金融科技的发展带来的区域外部规模经济效应，降低了诸如资产评估、担保抵押等创新外围服务的成本，提高了区域创新要素总量。区域创新要素又包含了创新资源与创新环境，前者通过降低创新主体相关服务费用、财政资金撬动创新信贷资金投放、增加创新主体服务选择范围、集聚研发人员等途径发生作用；后者通过激励创新主体加大研发投入、提升劳动力素质、改善基础设施建设发挥作用。

直接效应与间接效应可以用两步回归法来检验。在回归之前，先要对基本模型各项参数进行检验，再确定间接效应变量对初始解释变量回归系数的显著程度，最后确定间接效应与直接效应。逐步回归法检验中介效应的优点是操作简单而易于理解，但也存在直接效应与间接效应正负抵消问题。因此，为了修正抵消问题，本文参考任晓松等（2020）的中介变量检验方法，釆用多重中介模型进行Bootstrap检验，并选取了创新资源与创新环境两个中介变量。

多重中介模型可以进一步细分为并行多重中介模型（具体影响路径如图4-1所示）与链式多重中介模型。在并行多重中介模型中，中介变量之间是独立的，相互之间不发生作用；而在链式多重中介模型中，前一个中介作为后一个中介的影响变量而存在（柳士顺，2009）。也就是说，在并行多重中介模型中，创新资源与创新环境之间相互独立；而在链式多重中介模型中，创新资源通过影响创新环境影响区域创新。

 

图4-1并行多重中介效应

 

实际上，金融科技对区域创新能力的影响途径可能更为复杂，一方面金融科技通过同时影响创新资源与创新环境影响创新产出；另一方面，创新资源与创新环境之间还存在先后影响。具体影响路径如图4-2所示。这就需要运用多元多重中介模型，尽管多元多重中介模型实际操作及相关的检验方法存在争议，但该模型更贴近实际（柳士顺，2009）。为了便于比较分析，论文同时给出并行中介效应与多重中介效应结果，并根据前文文献梳理得出创新环境为第一中介变量，创新资源为第二中介变量。

 

图4-2多元多重中介效应

本文参考任晓松等（2020）的中介变量检验方法，模型设定如下：

Yu=Po+"加7+'ERit+陶战让+凡ZContrail+/zit（4-1）可以证明，当创新资源与创新环境为并行中介变量时：

ERit=YiFinit-i+ （4-2）

四t=/2尸％-1+虚 （4-3）

金融科技总效应为：T=T*+Y2P1+Y1P1＞广为直接效应。

当创新资源与创新环境为多重中介效应变量时：

ERit=丫2尸风-1+丫3閃。+成 （4-4）

此时，金融科技总效应为：T=r*+y3/?2+yi（/?i+y3/?2）＞广为直接效应。

4.4.2中介模型结果

当以人均专利申请量为被解释变量时，并行中介效用Bootstrap检验结果如表4-6所示，金融科技对区域创新的直接效应为0.288,通过创新环境的间接效应为0.104,通过创新资源的间接效应为0.046,并且均在95%的置信水平上显著。在多重中介效应模型中，当以创新环境为第一中介变量时，金融科技对区域创新影响的总效应为0.230,其中直接的中介效应为0.088,间接的中介效应为0.067,且均在5%的显著性水平下显著。

 

作为初步的稳健性检验，当以人均专利拥有量作为被解释变量时，多重中介模型得出金融科技对区域创新的总效应依旧显著。并行中介效应模型也得出了类似的结果。尽管直接效应和间接效应大小不同，但结论并没有发生变化，两类模型的直接效应、间接效应的Bootstrap检验结果依旧在95%的显著性水平上显著。至此，我们初步证明了假设Hl、H2：金融科技对区域创新能力的提升有显著的促进作用，并通过增加了区域创新资源及优化创新环境两个机制促进创新能力的提升。

4.5内生性检验：工具变法

尽管基本的面板回归模型证明了金融科技与区域创新之间的关系，但模型可能存在内生性问题，内生性干扰会导致模型回归结果有偏。因此，为了更深入的识别金融科技与区域创新之间的关系，本文将构建面板工具变量重新进行估计。

本文选取区域互联网覆盖率作为工具变量。其同时满足两个条件：第一，该指标与区域人均专利申请量不相关。第二，金融科技的发展以互联网为载体，即该指数与解释变量数字普惠金融发展指数强相关。

中介变量的检验仍然需要考虑变量内生性问题，中介变量的不同类型决定了工具变量的选取方法与个数。学者FrGlich在2014年证明了，在并行多重中介模型中，为每个中介变量都选择一个工具变量进行估计的结果是无偏的，同样的结论对链式多重中介模型也适用(FrGlich,2017)。然而，Dippel(2019)证明了在多重中介模型中，工具变量可以仅设定一个，即与直接效应中核心解释变量相关的工具变量，并且当样本很大时，估计依旧有效。因此，本文遵循Dippel的思路，选择区域互联网覆盖率作为工具变量进行估计。

回归结果如表4-8和4-9所示。当分别以年度人均专利申请量和人均专利拥有量为被解释变量时，变量Fintech回归系数分别为0.285和0.299,且均在5%的显著性水平上显著。创新资源与创新环境回归系数也非常显著，且具有显著的统计学意义。如表4-10所示，加入工具变量后，当以人均专利申请量为被解释变量时，Bootstrap检验得出的数字普惠金融指数对区域创新的直接效应为0.293,通过创新资源中介效应为0.060,创新环境中介效应为0.011。这再一次证明了假设H1和假设H2：金融科技的发展改善区域创新环境，增加区域创新资源，最终使得创新产出增加。同时也证明了金融科技对区域创新能力的影响存在并行效应和链式效应，一方面，创新资源和创新环境可以独立影响区域创新能力；另一方面，创新环境可以通过促进创新资源集聚间接提升区域创新能力。

 

注：*代表在0.1的显著性水平下显著；**代表在0.05的显著性水平下显著，***代表在0.01

的显著性水平下显著

 

4.6异质性分析差分法

4.6.1双重差分回归模型

金融科技的发展弥补了创新融资难题，降低了金融资源供给的时间和空间成本，集聚了金融资源，提高了配置效率，使得即使没有金融服务网点的地区也可以获取金融服务。金融科技的普惠性要求，提示了其在促进区域创新过程中的地域差异。我们可以合理的假定，金融科技对区域创新具有边际效应递减特征，经济落后地区的促进作用可能大于发达地区。按照资源投资边际产出递减规律，当人力资本规模在一定时期内相对固定时，发达地区己经拥有了较多的金融资源，金融资源的增加只能带来一个较低的产出。相反，欠发达地区金融资本短缺，金融资本的增加带来的产出要大于发达地区。因此，有必要探究金融科技对区域创新影响机制的地域差异。本文将构建双重差分模型（DID）对作用机制进行重新识别和验证，以研究金融科技对区域创新能力的地域异质性的显著性水平下显著。

 

注：*代表在0.1的显著性水平下显著：**代表在0.05的显著性水平下显著，***代表在0.01的显著性水平下显著。

本章引入政策和经济发展变量作为双重差分法的两个虚拟变量。一方面，自2016年以来，招商银行推出摩羯智投，使得我国金融行业最中心产业融入了人工智能和量化交易，十余家银行纷纷成立金融科技子公司，并运用数据挖掘及机器学习等手段精简交易流程，降低资金融通边际成本，开辟触达客户全新途径。随着人工智能等新兴技术的发展，金融科技的运用已经成为行业共识。因此，本章以2016年作为分界线，引入政策分组虚拟变量；另一方面，将2011-2018年的GDP发展水平作为区域分组变量，将样本分为前30%区域、中40%区域、后30%区域，建立三组经济发展水平虚拟变量，并设定研究对象为1,其余为0。模型的交叉项为经济发展水平引起的金融科技对区域创新产出的影响。经济发展虚拟变量的存在,消除了区域创新自发的增长因素影响。政策分组变量则主要用于衡量金融科技发展前后的效应。

当以人均专利申请量为被解释变量时，三个不同地区交叉项回归结果为0.241,0.297,0.403,且均显著。从系数大小看，后30%的地区的系数显著大于前30%和中40%的地区，且系数呈现逐渐减小的规律。如表4-12列示，人均专利拥有量回归也得到类似的结果。自此，我们证明了H3。

4.6.2DID模型的稳健性检验

一些政策因素或随机性因素可能导致金融科技影响机制产生地区差异，且此类差异与金融科技的发展没有直接关系，并且造成前文估计的DID模型结果有偏，削弱模型的解释力度。为了排除掉这种影响，需要对DID模型进行稳健性检验，以满足稳健性要求。为了进一步说明结论的有效性，借鉴刘瑞明、赵仁杰(2015)的检验思路，本文通过改变时间分组变量构建回归模型进行反事实检验。

按照反事实检验要求，假设将政策执行时间提前到2014年，并分别以人均专利申请量、人均专利拥有量做反事实检验。结果如表4-13和4-14所示。在5%的显著性水平下，交叉项结果均不显著。因此，没有其他因素否定了金融科技对区域创新的正向激励作用，DID模型回归结果依然稳健。

 

第五章结论及政策性建议

5.1结论

本文通过梳理现有文献，首先从创新资源和创新环境传导机制入手，分析了金融科技发展促进区域创新能力提升的内在机理，而后运用2011-2018年我国内地337个城市的面板数据，从城市区域层面实证检验了金融科技发展与区域创新能力提升之间的关系，得出如下结论：

(1)金融科技作为推动创新驱动战略的有力支撑，其发展有利于区域创新能力的提升。多重中介回归结果证明：第一，金融科技通过促进创新资源的集聚，使得创新资源流向创新研发，进而提升区域创新能力。第二，金融科技的发展优化了创新环境，从而提升了区域创新能力。第三，金融科技对区域创新能力的影响同时存在并行和链式中介效应。一方面，创新资源和创新环境可以独立影响区域创新能力；另一方面，创新环境可以通过促进创新资源集聚间接提升区域创新能力。

(2)金融科技对经济欠发达地区创新能力的影响要大于发达地区。双重差分回归结果显示，金融发展回归系数呈现地区差异，且与经济发展水平呈现反向关系。这说明，经济发展水平越低，金融科技对该区域创新能力的正向激励作用越显著；经济发展水平越高，金融科技对该区域创新能力的促进作用越弱。

5.2政策性建议

结合以上研究结论，本文提出以下建议：

第一，大力发展金融科技，全面提升我国区域创新能力。我国已进入金融科技化时代，大力发展金融科技已经刻不容缓。一方面，我国经济发展速度逐步放缓，提升经济发展质量成为战略共识；另一方面，区域创新水平已经成为区域竞争优势的制高点，创新驱动战略已经提上日程。然而，我国总体区域创新水平不高、能力不强的问题依旧非常突出。论文实证发现，金融科技发展能够促进区域创新能力提升。金融科技既可以通过缓解创新主体融资约束、增加研发资源投入、放大政府支持等途径集聚创新资源，也可以通过提升区域劳动力素质、优化通信和税收环境净化创新环境，促进区域创新能力提升。因此，各级政府应该引导金融与科技相结合，提升区域整体创新能力。

第二，制定差异化金融科技发展战略，加大经济欠发达地区发展力度。论文研究发现，我国区域经济发展不平衡问题突出，金融科技对经济欠发达地区创新能力的影响要大于发达地区，这一结论有助于各级政府制定针对性发展战略。一方面，政府应加大对欠发达地区金融科技的发展力度，激发区域创新发展潜力，缩小与经济发达地区的差距；另一方面，在发达地域，要着力发展高质量金融科技，同时也要注重资源集聚和创新环境的引导作用。

第三，加快优化创新环境，注重创新环境对创新资源的集聚效应，助力提升我国区域创新水平。创新资源集聚效应和创新环境优化效应是论文重点研究的两条作用机制。其中，创新环境可以加剧资源集聚的效果，因此，政府在政策制定的过程中，应该更加注重优化通信、税收、劳动力素质等环境因素，助力提升创新水平。