姚麗

[摘 要]采用我國2006～2015年各省市的空間面板數(shù)據(jù)，構建有關風險投資水平、區(qū)域創(chuàng)新水平及其空間溢出效應的空間計量模型，分析不同區(qū)域風險投資水平對于技術創(chuàng)新的空間影響效應。文章從時間維度拓展到空間維度，研究風險投資對區(qū)域技術創(chuàng)新的空間效應，結果表明：研究地區(qū)風險投資之間存在顯著的空間相關性和空間效應；本地風險投資水平除了能顯著提升本地區(qū)域技術創(chuàng)新水平，同時也對周邊地區(qū)技術創(chuàng)新具有影響；風險投資與技術創(chuàng)新具有系統(tǒng)性關聯(lián)，風險投資對技術創(chuàng)新具有顯著的促進作用；從空間分布來看，風險投資在東、中、西部地區(qū)情況不同，其對區(qū)域技術創(chuàng)新水平的影響程度也存在差異。

[關鍵詞]風險投資；區(qū)域技術創(chuàng)新；溢出效應；空間計量模型

[中圖分類號]F207；F832.48 [文獻標識碼] A [文章編號]1673-0461（2018）06-0007-06

一、引 言

風險投資行業(yè)自20世紀40年代誕生以來，已經(jīng)成為高新技術企業(yè)發(fā)展的主要助推器。風險投資主要是針對正處于創(chuàng)業(yè)階段、未上市并具備高速發(fā)展特征的新興行業(yè)（主要指高新科技行業(yè)）進行長期性股權投資。由于高科技企業(yè)初創(chuàng)期的高投入、高風險、高失敗率決定了它難以在傳統(tǒng)的資本市場上融資，而風險投資的本質(zhì)正適應了這種要求（Savaneviciene A，2015）[1]，并且對于區(qū)域創(chuàng)新系統(tǒng)能夠發(fā)揮融資作用、選擇作用、標識作用、集體學習作用和嵌入作用，通過選擇可投項目和投入資本，帶動知識創(chuàng)新和技術產(chǎn)業(yè)化（寸曉宏，2014）[2]。美國英特爾、微軟、思科、雅虎等一大批優(yōu)秀企業(yè)的成長與崛起都得益于風險投資的支持，硅谷的成功就是風險投資創(chuàng)造高科技的典范，可以說，風險投資是高新技術產(chǎn)業(yè)化的“孵化器”（呂煒，2002；尤勇，2009；武巧珍，2009）[3-5]。

但是風險投資與技術創(chuàng)新之間是否存在系統(tǒng)性關聯(lián)，國內(nèi)外已有許多學者對這一問題進行研究，大致沿著兩個方向：一是利用投入產(chǎn)出經(jīng)驗模型計算風險投資對于技術創(chuàng)新的貢獻（陳治等，2010；邵同堯等，2011；詹正華等，2015；趙武等，2015）[6-9]；二是運用格蘭杰因果檢驗等方法驗證二者之間的關系（姚耀軍，2010；邵同堯等，2011；楊曄等，2012；嵇成亮，2015）[10-13]。

以上研究大多是運用以時間維度的傳統(tǒng)統(tǒng)計和經(jīng)典計量回歸分析方法，而忽略了不同區(qū)域間風險投資的相互影響。根據(jù)Tobler（1970）提出的地理學第一定律，在不同地區(qū)的經(jīng)濟行為之間往往存在一定的相互作用，這種交互作用隨著空間距離的增加而逐漸減弱。因此越來越多的研究開始關注經(jīng)濟現(xiàn)象在空間上的相互影響程度，并利用空間計量模型來分析這種空間相關及溢出性。如大量文獻對金融集聚對經(jīng)濟增長溢出作用的研究（方先明等，2010；任英華等，2010；李林等，2011；李紅等，2014；化祥雨等，2016；孫志紅等，2017）[14-19]；利用空間計量模型研究技術、知識溢出與區(qū)域創(chuàng)新關系（李志宏等，2013；白俊紅等，2015；李婧等，2017）[20-22]；利用空間計量方法研究地區(qū)經(jīng)濟收斂性問題（張學良，2009；洪國志等，2010）[23-24]。

由于區(qū)域之間各產(chǎn)業(yè)存在相互聯(lián)系，風險投資這一經(jīng)濟活動能夠影響區(qū)域間要素的流動和產(chǎn)品需求的關聯(lián)，因此一個地區(qū)的風險投資行業(yè)發(fā)展，會影響和帶動本地區(qū)和周邊地區(qū)高新技術產(chǎn)業(yè)要素投入的需求，進而影響創(chuàng)新技術水平的提升。因此，風險投資促進區(qū)域技術創(chuàng)新不一定發(fā)生在本地區(qū)，也可能產(chǎn)生外溢性。本研究路線為：首先建立空間計量模型，探索風險投資是否存在空間溢出效應，若存在，則繼續(xù)探索該效應對區(qū)域技術創(chuàng)新的影響程度，并給予相應的政策建議。

二、相關文獻綜述

梳理文獻發(fā)現(xiàn)，已有研究大多建立在時間序列數(shù)據(jù)分析上，分析風險投資與技術創(chuàng)新之間的互動關系，結果主要有消極、中性和積極三種影響，其中多數(shù)學者認為風險投資能夠促進技術創(chuàng)新水平的提升。最為代表性的是Kortum和Lemer（2000，2001）通過研究美國20個相關產(chǎn)業(yè)的數(shù)據(jù)，發(fā)現(xiàn)1965～1992年間美國的風險投資與技術創(chuàng)新存在正向關系，構建模型結果驗證顯風險投資對技術創(chuàng)新貢獻幾乎為其他資本的3倍[25-26]；Popov &Roosenboom;（2012）通過研究OECD風險投資與專利授權量二者之間的關系發(fā)現(xiàn)，1991～2005年間風險投資對專利產(chǎn)出具有明顯的提高效應[27]；Malecki（2013）提出風險投資網(wǎng)絡的概念，并認為能夠積極促進區(qū)域技術創(chuàng)新的發(fā)展。隨著風險投資行業(yè)在國內(nèi)的蓬勃發(fā)展，國內(nèi)學者也相繼開展了風險投資與技術創(chuàng)新之間的關系及其溢出效應的研究[28]。高波（2003）從定性角度出發(fā)，分析了風險投資的溢出效應主要通過以下四個途徑實現(xiàn)，即知識創(chuàng)新、技術擴散、組織成長與制度變遷[29]；張凱（2009）從技術創(chuàng)新投入和產(chǎn)出入手，分析了創(chuàng)業(yè)風險投資對高新技術企業(yè)技術創(chuàng)新的促進作用[30]；茍燕楠（2013）從中小板及創(chuàng)業(yè)板上市企業(yè)公司的融資經(jīng)歷分析，認為具有風險投資背景的企業(yè)技術創(chuàng)新水平越高[31]；王婷（2016）基于區(qū)域視角，采用創(chuàng)新生產(chǎn)函數(shù)研究了風險投資具有增加資本效應和提高技術創(chuàng)新效率效應[32]。

此外，在方法選取方面，除了主要運用投入產(chǎn)出模型及Granger因果關系分析研究方法外，學者采取了多種方法進行研究。Hellmann和Puri（2000）采用Cox比例風險模型和Probit模型，陳治等（2010）采用Malmquist指數(shù)方法，馮照楨（2016）采用面板平滑轉(zhuǎn)換回歸模型等不同方法，另外還有Engel et al（2007）、Caselli et al（2009）、Faria et al（2014）等學者也運用不同計量方法證實了風險投資對于技術創(chuàng)新的影響作用[33-38]。

總結研究結果發(fā)現(xiàn)，由于國外風險投資行業(yè)發(fā)展早且快于我國，因此，研究成果豐富且多運用計量研究方法，國內(nèi)則較多停留在理論分析及驗證階段，且鮮有研究風險投資空間溢出效應的文章。因此，本文對風險投資及區(qū)域技術創(chuàng)新的空間溢出效應進行分析，并系統(tǒng)性分析二者之間相互影響關系，在構建空間權重矩陣的基礎上，使用空間面板模型驗證風險投資的空間溢出效應。

三、理論基礎和模型設定

1.理論基礎及模型選取

Griliches在1979年提出知識生產(chǎn)函數(shù)（KPF），并將其運用于度量區(qū)域知識生產(chǎn)和溢出，是研究知識產(chǎn)出和技術創(chuàng)新及其影響因素的有效工具。知識生產(chǎn)函數(shù)是將創(chuàng)新產(chǎn)出視為研發(fā)投入的函數(shù)，利用柯布-道格拉斯函數(shù)形式描述，其基本表達式如下：

Y=aCα Lβ Kγ eλt+u （1）

其中a表示常數(shù)項，C表示資本投入，L表示勞動力投入，K表示技術知識水平，e表示自然對數(shù)底數(shù)，其余變量表示待估計參數(shù)。

在Jaffe（1986）對于Griliches提出的KPF模型進行了修正，引入了空間因素（地理空間的相容指數(shù)）進行解釋技術的空間溢出，結果表明高校和高技術企業(yè)地理距離的遠近能夠明顯地影響技術知識的溢出水平。對公式兩邊取對數(shù)得到線性表達為：

ln（Pikt）=β1kln（Iikt）+β2kln（Uikt）+

β3k[ln （Uikt ）ln（Cikt）]+εikt （2）

其中C表示高校研發(fā)和企業(yè)研發(fā)在空間地理位置上的相容指數(shù)，P表示地區(qū)企業(yè)專利申請量，代表創(chuàng)新知識水平，i表示地域單元；k表示技術領域，t表示時間，I表示研發(fā)支出，U為高校的科研經(jīng)費支出。

Anselin最早將空間計量模型應用于知識生產(chǎn)函數(shù)，分析知識溢出與技術創(chuàng)新，提出空間自回歸模型（SAR）和空間誤差模型（SEM），James和Kelly（2009）擴展并改進了SAR和SEM，將空間誤差項和空間滯后項同時包含于空間計量模型中，提出了空間杜賓模型（Spatial Durbin Model，SDM）[28]，其公式設定如下：

在（3）式中，yit表示i地區(qū)t年份的被解釋變量，xit表示各個解釋變量，αi代表地區(qū)效應， vt則代表時間效應。ρ為空間滯后回歸估計系數(shù)，反映空間依賴性。當γ=0 時，SDM模型變?yōu)镾AR模型； 當γ+ρβ=0 時， SDM模型變?yōu)镾EM模型。由于技術創(chuàng)新要經(jīng)歷研發(fā)、應用、推廣等過程，所以會在一定時間的延后才能看出其投資效果，因此應該對其進行分析。本文選擇空間滯后模型和空間杜賓模型進行分析。

2.變量選取及數(shù)據(jù)來源

被解釋變量：技術創(chuàng)新水平（I），本研究采用各地區(qū)授權發(fā)明專利數(shù)量反映各地區(qū)技術創(chuàng)新水平。

核心解釋變量：風險投資水平（VC），本研究選取各地區(qū)風險投資金額來反映各地風險投資水平。控制變量：研發(fā)資本投入水平（RD），采用各地R&D;經(jīng)費投入金額表示研發(fā)資本投入水平；人力資本水平（PEO），采用科技活動人員中R&D;人員全時當量來表示人力資本水平；政府支持狀況（GOV），采用地區(qū)財政收入金額反映政府支持狀況；對外開放程度（OPEN），采用地區(qū)進出口總額大小表示對外開放程度。

本文利用高空間杜賓模型（SDM）構建表達式如下：

+β3ln（PEOit）+β4ln（GOVit）+β5ln（OPENit ）+

γ1Σ■■wijln（VCit ）+γ2Σ■■wijln（RDit ）+

γ3Σ■■wijln（PEOit）+γ4Σ■■wijln（GOVit）+

γ5Σ■■wijln（OPENit）+αi +vi +εit（4）

本研究數(shù)據(jù)分別來自于中國統(tǒng)計局網(wǎng)站、Wind數(shù)據(jù)庫、《中國風險投資年鑒》、投中集團網(wǎng)站、China Venture 的《中國創(chuàng)業(yè)風險投資發(fā)展報告》以及關于風險投資的清科數(shù)據(jù)報告而獲得，個別缺失數(shù)據(jù)來自各地區(qū)統(tǒng)計年鑒。

四、實證分析

1.全樣本估計

進行空間面板數(shù)據(jù)模型分析之前，首先對數(shù)據(jù)的平穩(wěn)性進行檢驗，運用Eviews9.0軟件對各變量平穩(wěn)性檢驗結果如表1。假設普遍單位根過程（Levin，Lin和Chu-t檢驗）、假設個別單位根過程（Im，Pesaran和Shin W-stat檢驗）均拒絕了原假設，說明數(shù)據(jù)具有平穩(wěn)性。

選取我國2006～2015年31個省市區(qū)（除去港、澳、臺地區(qū)）的樣本進行估計，選擇能考察個體效應的變截距模型，經(jīng)Hausman檢驗判定使用固定效應估計方法，為了考察周邊地區(qū)風險投資是否對本地區(qū)技術創(chuàng)新水平具有影響，增加變量ln（ZWVC）（變量值設定為周邊考察點周邊樣本風險投資變量的平均值），檢驗與ln（VC）變量不存在多重共線性，模型計算結果如表1。

通過表2結果可知，除了對外開放水平ln（OPEN）系數(shù)檢驗顯著性水平略低，其他變量顯著性水平都較高，且模型的調(diào)整可決系數(shù)較高，因此模型設定形式是成立的。估計模型為：

lnYit=1.0508+0.0260ln（VCit）+0.0403ln（RDit）+0.0346ln（PEOit）+0.0224ln（GOVit）+0.0120ln（OPENit）

根據(jù)表2及公式可看出：風險投資對本地區(qū)技術創(chuàng)新水平的影響系數(shù)為0.0260，表明風險投資對技術創(chuàng)新具有促進作用；周圍地區(qū)風險投資對本地技術創(chuàng)新的影響系數(shù)為0.0109，說明風險投資具有空間溢出效應。

2.空間計量模型的估計結果與分析

由上面分析驗證了風險投資對于本區(qū)域及周邊地區(qū)的技術創(chuàng)新水平具有正向促進作用，接下來就借助Matlab.2012計算軟件對模型進行估計且檢驗，基于構建的空間計量模型，定量分析各個解釋變量對區(qū)域技術創(chuàng)新影響作用程度。考慮到經(jīng)濟發(fā)展水平影響而構建的經(jīng)濟距離矩陣，因為地理鄰近性并不是唯一解釋和決定空間相關性的因素，因此在經(jīng)濟距離矩陣構建時將各地區(qū)經(jīng)濟發(fā)展水平賦予一定權重，即矩陣形式為地理距離權重矩陣與人均GDP所占比重對角矩陣二者之乘積。分別運行OLS估計、空間滯后模型（SLM）和空間杜賓模型（SDM）（見表3）。

根據(jù)表3估計，從擬合優(yōu)度來看，OLS估計調(diào)整擬合優(yōu)度為0.6561，變量總體上通過顯著性水平檢驗，對比空間計量模型，SLM與SDM的估計結果以及相應的擬合優(yōu)度更優(yōu)，因此可以判定考慮空間因素的空間計量模型解釋風險投資對高技術水平的影響更為合理。分析兩種空間計量模型，其中SDM模型的擬合優(yōu)度更高，且模型的對數(shù)似然函數(shù)最大，因此模型穩(wěn)健性更好。

分析影響區(qū)域技術創(chuàng)新水平的影響因素：在相同的空間權重矩陣作用下，風險投資、研發(fā)資本投資、人力資本、政府支持、對外開放等多因素影響對技術創(chuàng)新的影響程度也不同。與梁愷（2016）、陳治等（2010）、楊曄等（2012）等的研究結果較為一致，風險投資對于技術創(chuàng)新的影響系數(shù)為正，即高水平的風險投資能夠很好地激勵技術創(chuàng)新進步。主要是因為風險投資能夠?qū)①Y金投向技術創(chuàng)新環(huán)節(jié)，提升生產(chǎn)要素的專業(yè)化和先進性，最終帶動生產(chǎn)效率的提高，帶動產(chǎn)業(yè)結構變遷，對技術創(chuàng)新產(chǎn)生正向促進效應。研發(fā)資本投入水平、人力資本水平、政府支持狀況、對外開放程度對于區(qū)域技術創(chuàng)新水平也具有促進作用。在市場化機制作用下，政府財政對于技術創(chuàng)新的影響需要在一個時間段內(nèi)推移和滲透，效率低于相對市場化的投資，因此在模型中作用不明顯。人力資本水平和研發(fā)資本投入水平也能夠促進技術創(chuàng)新水平的提高，從促進作用程度來看，其效果要明顯高于風險投資，其原因可能在于人力資本以及研發(fā)資金的投入更能集中到技術開發(fā)，而風險投資資金的使用有可能分散到市場開拓以及企業(yè)管理等方面。

3.東中西三大區(qū)域之間的溢出效應

參照Ledyaeva（2007）對于不同地區(qū)組之間空間溢出效應不同的處理方式，對空間權重矩陣進行分塊調(diào)整。即將不同區(qū)域內(nèi)部地區(qū)之間權重值設為0，即剔除不同區(qū)域之間地區(qū)相互之間的空間影響。從而特別考察不同區(qū)域內(nèi)的風險投資對技術創(chuàng)新水平的空間溢出效應。例如東、中兩組區(qū)域共6個地區(qū)樣本（1、2、3為東部地區(qū)樣本，4、5、6為中部地區(qū)樣本），W1，2表示1、2地區(qū)之間的距離函數(shù)，則空間權重矩陣形式表達如下：

W0 0 0 W1，4 W1，5 W1，60 0 0 W2，4 W2，5 W2，60 0 0 W3，4 W3，5 W3，6W4，1 W4，2 W4，3 0 0 0W5，1 W5，2 W5，3 0 0 0W6，1 W6，2 W6，3 0 0 0

根據(jù)相關研究，空間溢出效應包括區(qū)域之間溢出效應和區(qū)域內(nèi)部的溢出，以我國為例分為東、中、西三大區(qū)域。根據(jù)《中國城市統(tǒng)計年鑒》的劃分方法，東部地區(qū)包括北京、天津、河北、遼寧、上海、江蘇、浙江、福建、山東、廣東和海南等11省市區(qū)；中部地區(qū)包括山西、吉林、黑龍江、安徽、江西、河南、湖北、湖南等8個省市區(qū)；西部地區(qū)包括四川、重慶、貴州、云南、西藏、陜西、甘肅、青海、寧夏、新疆、廣西、內(nèi)蒙古等12個省市區(qū)。參照前面分析結果，利用分塊調(diào)整的空間權重矩陣，選用模型穩(wěn)定性較好的空間杜賓模型（SDM），對三大地區(qū)進行空間溢出效應估計，結果如表4所示。

分析表4結果可以看出：東、中、西三大地區(qū)模型的擬合優(yōu)度都較高，證明模型通過檢驗，且各地區(qū)間ln（VC）均為正值，且顯著性水平較高，說明風險投資對區(qū)域技術創(chuàng)新水平的影響具有顯著促進作用，從作用程度及比較結果來看，東部地區(qū)>中部地區(qū)>西部地區(qū)，說明越往東部經(jīng)濟越發(fā)達地區(qū)來看，其風險投資行業(yè)對技術創(chuàng)新的支持力度及作用結果越好，越能夠促進當?shù)丶夹g創(chuàng)新水平的提高。除風險投資變量外，研發(fā)資本投入水平、人力資本水平對于地區(qū)技術創(chuàng)新水平與具有顯著貢獻，東部地區(qū)的作用強度大于西部地區(qū)。原因在于東部地區(qū)經(jīng)濟和技術發(fā)展水平均明顯高于西部地區(qū)，且風險投資運作已逐漸成熟，企業(yè)對于風投觀念比較認可，且我國早期風險投資多由政府主導，有利政策多偏向東部地區(qū)。因此導致東、中、西不同地區(qū)風險投資等變量對于技術創(chuàng)新水平影響程度有一定影響。

五、結論及對策建議

本文在2006～2015年我國31省市區(qū)面板數(shù)據(jù)的基礎上，構建空間計量模型，分析風險投資對區(qū)域技術創(chuàng)新水平是否存在空間溢出效應，并從時間維度分析拓展到空間維度，對地區(qū)內(nèi)部的空間溢出效應進行詳細軌跡，分析三大地帶風險投資對技術創(chuàng)新影響的區(qū)域差異。主要結論如下：首先，全國范圍內(nèi)風險投資對技術創(chuàng)新水平的提升具有空間溢出效應，即一個地區(qū)風險投資除了能夠影響本地區(qū)技術創(chuàng)新之外，還能影響周邊地區(qū)技術創(chuàng)新水平的提升；其次，本文考察的幾個控制變量如研發(fā)資本投入、人力資本、政府支持狀況、對外開放程度等都會有利于區(qū)域技術創(chuàng)新；另外，從空間分布來看，風險投資分布在東、中、西部地區(qū)情況不同，其對區(qū)域技術創(chuàng)新水平的影響程度也存在差異。

綜合以上結論，給出本文政策建議：第一，我國東部地區(qū)的風險投資對區(qū)域技術創(chuàng)新水平的溢出效應高于中西部地區(qū)，說明在東部地區(qū)已經(jīng)形成了高效的風險投資溢出渠道，西部地區(qū)政府應采取措施吸引風險投資資金、先進技術及管理經(jīng)驗，提高風險投資對技術創(chuàng)新活動的正向促進作用；第二，鼓勵風險投資的資本流向技術研發(fā)，提高風險投資對技術創(chuàng)新活動的正向促進作用，政府引導科技成果轉(zhuǎn)化適當導入市場機制，切實促進技術創(chuàng)新成果實現(xiàn)產(chǎn)業(yè)化，提高科技進步對經(jīng)濟增長的貢獻率；第三，重視風險投資機構及風險投資活動的協(xié)調(diào)發(fā)展與均衡布局，出臺優(yōu)惠政策吸引發(fā)達地區(qū)或者海外風險投資機構，制定法律法規(guī)正確規(guī)范風險投資行業(yè)資本的投入，引導風險投資市場進行有效管理。

參考文獻：

[1] SAVANEVICIENE A，VENCKUVIENE V，GIRDAUSKIENE L. Venture capital a catalyst for start-ups to overcome the "valley of death"： Lithuanian case[J]. Procedia Economics and Finance，2015 （1）.

[2] 寸曉宏，盧啟程. 風險投資對區(qū)域創(chuàng)新系統(tǒng)的作用機理研究[J]. 經(jīng)濟學動態(tài)，2014 （8）.

[3] 呂煒. 論風險投資機制的技術創(chuàng)新原理[J].經(jīng)濟研究，2002（2）： 48-56.

[4] 龍勇，楊曉燕. 風險投資對技術創(chuàng)新能力的作用研究[J]. 科技進步與對策，2009，26（23）： 16-20.

[5] 武巧珍.風險投資支持高新技術產(chǎn)業(yè)自主創(chuàng)新的路徑分析[J]. 管理世界，2009（7）： 174-175.

[6] 趙武，李曉華，朱明宣，龐加蘭. 風險投資、研發(fā)投入對技術創(chuàng)新產(chǎn)出的差異化影響研究[J]. 科技管理研究，2015，35（7）： 1-5，11.

[7] 詹正華，田洋洋，王雷. 聯(lián)合風險投資對目標企業(yè)技術創(chuàng)新能力的影響——基于深圳創(chuàng)業(yè)板上市企業(yè)的經(jīng)驗分析[J]. 技術經(jīng)濟，2015，34（6）： 24-30.

[8] 邵同堯，潘彥. 風險投資、研發(fā)投入與區(qū)域創(chuàng)新——基于商標的省級面板研究[J]. 科學學研究，2011，29（5）： 793-800.

[9] 陳治，張所地. 我國區(qū)域風險投資對技術創(chuàng)新效率的研究——基于與R&D;投入的對比[J]. 科技管理研究，2010，30（8）： 250-251，254.

[10] 邵同堯，潘彥.風險投資與創(chuàng)新因果關系的實證研究——基于商標與Granger的省級面板分析[J]. 稅務與經(jīng)濟，2011（1）： 19-26.

[11] 楊曄，邵同堯. 基于面板數(shù)據(jù)的風險投資與區(qū)域創(chuàng)新因果關系研究[J]. 管理評論，2012，24（6）： 27-33.

[12] 姚耀軍. 中國金融發(fā)展與全要素生產(chǎn)率——基于時間序列的經(jīng)驗證據(jù)[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2010，27（3）： 68-80，161.

[13] 嵇成亮. 高技術產(chǎn)業(yè)創(chuàng)新與風險投資的聯(lián)動性分析[J]. 生產(chǎn)力研究，2015 （8）： 67-69，95.

[14] 方先明，孫愛軍，曹源芳. 基于空間模型的金融支持與經(jīng)濟增長研究——來自中國省域1998～2008年的證據(jù)[J]. 金融研究，2010（10）： 68-82.

[15] 任英華，徐玲，游萬海. 金融集聚影響因素空間計量模型及其應用[J]. 數(shù)量經(jīng)濟技術經(jīng)濟研究，2010，27（5）： 104-115.

[16] 李林，丁藝，劉志華. 金融集聚對區(qū)域經(jīng)濟增長溢出作用的空間計量分析[J]. 金融研究，2011（5）： 113-123.

[17] 李紅，王彥曉. 金融集聚、空間溢出與城市經(jīng)濟增長——基于中國286個城市空間面板杜賓模型的經(jīng)驗研究[J]. 國際金融研究，2014（2）： 89-96.

[18] 化祥雨，楊志民，葉婭芬. 金融空間聯(lián)系與經(jīng)濟增長關系——基于江蘇省縣域的實證研究[J]. 經(jīng)濟地理，2016，36（3）： 32-40.

[19] 孫志紅，王亞青. 金融集聚對區(qū)域經(jīng)濟增長的空間溢出效應研究——基于西北五省數(shù)據(jù)[J]. 審計與經(jīng)濟研究，2017，32（2）： 108-118.

[20] 李志宏，王娜，馬倩. 基于空間計量的區(qū)域間創(chuàng)新行為知識溢出分析[J]. 科研管理，2013，34（6）： 9-16.

[21] 白俊紅，蔣伏心. 協(xié)同創(chuàng)新、空間關聯(lián)與區(qū)域創(chuàng)新績效[J]. 經(jīng)濟研究，2015，50（7）： 174-187.

[22] 李婧，何宜麗. 基于空間相關視角的知識溢出對區(qū)域創(chuàng)新績效的影響研究——以省際數(shù)據(jù)為樣本[J]. 研究與發(fā)展管理，2017，29（1）： 42-54.

[23] 洪國志，胡華穎，李郇. 中國區(qū)域經(jīng)濟發(fā)展收斂的空間計量分析[J]. 地理學報，2010，65（12）： 1548-1558.

[24] 張學良. 中國區(qū)域經(jīng)濟收斂的空間計量分析——基于長三角1993-2006年132個縣市區(qū)的實證研究[J]. 財經(jīng)研究，2009，35（7）： 100-109.

[25] KORTUM S，LERNER J. Does venture capital spur innovation？ [M].Entrepreneurial inputs and outcomes： New studies of entrepreneurship in the United States. Emerald Group Publishing Limited，2001.

[26] KORTUM S，LERNER J. Assessing the contribution of venture capital to innovation [J]. Rand Journal of Economics，2001（4）.

[27] POPOV A，ROOSENBOOM P. Venture capital and patented innovation： evidence from Europe [J]. Economic Policy，2012（71）.

[28] MALECKI E I. Network models for technology-based growth [J]. Regional Innovation and Global，2013.

[29] 高波. 風險投資溢出效應： 一個分析框架[J]. 南京大學學報： 哲學·人文科學·社會科學，2003（4）.

[30] 張凱. 我國創(chuàng)業(yè)風險投資對高新技術企業(yè)技術創(chuàng)新的影響研究[J]. 中國科技論壇，2009（12）.

[31] 茍燕楠，董靜. 風險投資背景對企業(yè)技術創(chuàng)新的影響研究[J]. 科研管理，2014（2）.

[32] 王婷. 區(qū)域視角下風險投資對技術創(chuàng)新的促進效應研究[J]. 科學學研究，2016（10）.

[33] HELLMANN T，PURI M. The interaction between product market and financing strategy： The role of venture capital[J]. Review of Financial studies，2000（4）.

[34] 陳治，張所地. 我國區(qū)域風險投資對技術創(chuàng)新效率的研究——基于與R&D;投入的對比[J]. 科技管理研究，2010（8）.

[35] 馮照楨，曹婷，溫軍. 異質(zhì)性風險投資，聯(lián)合持股與 IPO 抑價[J]. 中南財經(jīng)政法大學學報，2016（2）.

[36] ENGEL D，KEIBACH M. Firm-level implications of early stage venture capital investment——An empirical investigation[J]. Journal of Empirical Finance，2007（2）.

[37] CASELLI S，GATTI S，PERRINI F. Are venture capitalists a catalyst for innovation？[J]. European Financial Management，2009（1）.

[38] FARIA AP，BARBOSA N. Does venture capital really foster innovation？[J]. Economics Letters，2014（2）.

Venture Capital，Regional Technological Innovation

and Spatial Spillover Effects

——An Empirical Research Based on the Spatial Panel Data

from 31 Provinces in China

Yao Li

（School of Geographical Science，Southwest University，Chongqing 400715，China）

Abstract： Based on the Spatial Panel Data from 31 provinces in China，this paper constructs a spatial econometrics model about the venture capital （VC），regional innovation and Spatial spillover effects. This paper also analyzes the spatial effect of VC in different regions. The research expands from the time dimension to the spatial dimension to show that there exist significant spatial effects of VC on reginal technical innovation. This paper has got conclusions as follows： There are obviously spatial correlation and spatial effects between VC in different regions；Regional VC not only can significantly improve local technological innovation，but also enhance the technological innovation of the peripheral regions. VC and technological innovation are systematically correlated；VC facilitates the technological innovation；Spatially，the differences of VC in the east，middle and west of China lead to the differences in the degree of technical innovation.

Key words： venture capital；technology innovation；spatial spillover effect；spatial econometrics model