周少甫 龍 威

（華中科技大學(xué)經(jīng)濟學(xué)院，武漢 430074）

引 言

自改革開放以來的30年間，中國經(jīng)濟年均增長率約為10%①，長期居高不下，近年來，隨著環(huán)境資源規(guī)制的加強和人口紅利的消失，經(jīng)濟增速逐漸走低，2018年GDP增長率僅為6.6%②，經(jīng)濟發(fā)展方式的轉(zhuǎn)變成為當(dāng)務(wù)之急。黨的十九大也提出 “我國經(jīng)濟已由高速增長階段轉(zhuǎn)向高質(zhì)量發(fā)展階段，正處在轉(zhuǎn)變發(fā)展方式、優(yōu)化經(jīng)濟結(jié)構(gòu)、轉(zhuǎn)換增長動力的攻關(guān)期”［1］。根據(jù)Solow-Swan增長模型和Ramsey模型，經(jīng)濟增長主要取決于外生的技術(shù)進步［2］。黨的十八大也明確提出 “科技技術(shù)創(chuàng)新是提高社會生產(chǎn)力和綜合國力的戰(zhàn)略支撐，必須擺在國家發(fā)展全局的核心位置”［3］。近年來，我國研發(fā)投入強度不斷上升，從上個世紀(jì)末0.5%的水平增長到2017年的2.13%，其中2013～2016年年平均增長率達11.1%。但仍然存在諸多問題，從研發(fā)投入水平看，我國與日本 （3.49%）、韓國（4.23%）、以色列 （4.25%）等國家相比差距較大。從研發(fā)投入結(jié)構(gòu)看，我國基礎(chǔ)研究占比水平（5.2%）遠遠落后于發(fā)達國家占比水平 （15%～20%）③。從研發(fā)產(chǎn)出看，我國在國際發(fā)明專利、論文引用率等方面還存在多而不優(yōu)、大而不強等問題，研發(fā)投入效率急需提升。

中國宏觀經(jīng)濟發(fā)展中另一個引人注目的現(xiàn)象是房地產(chǎn)市場的迅速擴張和房價的飆升，即使是在經(jīng)濟增速不斷下滑、政府實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略的背景下，房價也一直維持在高位。值得關(guān)注的是，房地產(chǎn)價格的上漲和投資規(guī)模的擴張是否會對技術(shù)創(chuàng)新造成影響，以及通過何種渠道來影響。由于房地產(chǎn)作為典型的資金密集型行業(yè)，與金融業(yè)存在較強的關(guān)聯(lián)性，因此本文試圖將房價、金融發(fā)展和技術(shù)創(chuàng)新放在同一分析框架下進行分析，從金融發(fā)展角度，探究房價影響地區(qū)技術(shù)創(chuàng)新的傳導(dǎo)機制，力圖揭示房地產(chǎn)價格、金融發(fā)展與技術(shù)創(chuàng)新之間的關(guān)聯(lián)，為全面激發(fā)技術(shù)創(chuàng)新驅(qū)動力提供新的啟示；此外，本文從信貸市場和資本市場兩個角度衡量金融發(fā)展水平，并分別研究其在房價上漲影響技術(shù)創(chuàng)新的過程中發(fā)揮的作用，得出了異質(zhì)性結(jié)論，驗證了最優(yōu)金融結(jié)構(gòu)假說；在研究方法上，本文采用空間誤差模型和廣義空間自回歸模型，并應(yīng)用Lee和Yu（2010）提出的方法進行估計［4］，這也是本文可能的創(chuàng)新之處。

1 內(nèi)在機制與研究假設(shè)

1.1 房價對技術(shù)創(chuàng)新活動的影響

房地產(chǎn)價格快速上漲會對企業(yè)投資尤其是長期投資形成正負兩個方向的影響，即流動性效應(yīng)（余靜文和譚靜， 2015）［5］和擠出效應(yīng) （Wang和Wen，2010）［6］。由圖1可知，由于長期以來房地產(chǎn)行業(yè)與工業(yè)行業(yè)之間的利差，資本傾向于從工業(yè)企業(yè)等實體經(jīng)濟部門流入房地產(chǎn)行業(yè)，從而對實體經(jīng)濟的技術(shù)創(chuàng)新活動造成不利影響。此外，大量研究表明，中國目前房價上漲對技術(shù)創(chuàng)新資金形成的 “擠出效應(yīng)”占主導(dǎo)地位，從而抑制了企業(yè)的技術(shù)創(chuàng)新活力 （Miao和Wang，2014；王文春和榮昭， 2014； 余靜文等， 2015）［5，7，8］。 房價上漲還會導(dǎo)致對人才的擠出效應(yīng)，從而抑制技術(shù)創(chuàng)新（吳曉瑜等， 2014； 崔瑩瑩等， 2018）［9，10］。

圖1 房地產(chǎn)與工業(yè)行業(yè)銷售毛利率趨勢圖

綜合以上分析，本文提出研究假設(shè)1：房地產(chǎn)價格上漲，會顯著抑制地區(qū)技術(shù)創(chuàng)新活動。

1.2 金融發(fā)展對技術(shù)創(chuàng)新活動的影響

現(xiàn)代金融發(fā)展理論認為，金融發(fā)展能有效促進技術(shù)進步。近年來，金融發(fā)展水平以及金融體系的結(jié)構(gòu)特征對一國技術(shù)創(chuàng)新活動的差異性影響，備受學(xué)術(shù)界的關(guān)注 （Cornaggia等， 2015）［11］。 其中，一個最核心的研究話題是，到底是資本市場導(dǎo)向型的金融體系還是銀行等中介機構(gòu)導(dǎo)向型的金融體系更有利于促進一國技術(shù)創(chuàng)新 （Hsu等，2014）［12］，該問題對于正處在新舊動能轉(zhuǎn)型階段的我國尤為重要，又根據(jù)林毅夫等 （2009）研究中所提出的最優(yōu)金融結(jié)構(gòu)理論，最優(yōu)金融結(jié)構(gòu)隨著經(jīng)濟發(fā)展階段的調(diào)整而不斷調(diào)整，當(dāng)經(jīng)濟發(fā)展程度上升時，經(jīng)濟體對銀行業(yè)變化的敏感度降低，而對股票市場變化的敏感度上升［13］。許夢楠和周新苗 （2018）發(fā)現(xiàn)信貸市場和資本市場都能顯著促進技術(shù)創(chuàng)新資金的投入，但資本市場促進作用大于信貸市場［14］。

因此，本文提出研究假設(shè)2：從信貸市場衡量的金融發(fā)展水平和從資本市場衡量的金融發(fā)展水平能促進區(qū)域技術(shù)創(chuàng)新，但資本市場的作用強于信貸市場。

1.3 房價上漲通過金融發(fā)展對技術(shù)創(chuàng)新造成的間接影響

從信貸市場來看，相對于高風(fēng)險的企業(yè)研發(fā)項目，銀行更傾向于將資金提供給高收益、低風(fēng)險的房地產(chǎn)行業(yè)，進而從技術(shù)創(chuàng)新活動的外部融資角度再一次形成擠出效應(yīng)，進一步對企業(yè)技術(shù)創(chuàng)新能力的提升產(chǎn)生抑制作用 （Chaney和Thesmar， 2012； 張杰等， 2016）［15，16］。 而資本市場相比于信貸市場更擅長為那些具有較高技術(shù)創(chuàng)新風(fēng)險的企業(yè)或項目融資，Wurgler（2000）基于1963～1995年跨國工業(yè)企業(yè)數(shù)據(jù)進行研究，發(fā)現(xiàn)完善的金融市場傾向于為新興行業(yè)提供更多的投資，而減少對成熟行業(yè)的投資［17］。因此我們可以初步預(yù)期對相對較為成熟并且技術(shù)密集程度低的房地產(chǎn)行業(yè)來說，資本市場中的資金更傾向于流入高新技術(shù)行業(yè)，因此，與信貸市場不同的是，資本市場的發(fā)展緩解了房地產(chǎn)行業(yè)對實體行業(yè)資金投入的擠出效應(yīng)。

根據(jù)上文分析，本文提出研究假設(shè)3：信貸市場的發(fā)展加劇了房價上漲對技術(shù)創(chuàng)新的阻礙作用，而資本市場的發(fā)展可以緩解房價上漲對技術(shù)創(chuàng)新的抑制作用。

2 模型構(gòu)建

2.1 變量選取與數(shù)據(jù)來源

綜合上文分析，為檢驗所提出的理論假設(shè)，本文選取如下指標(biāo)：

被解釋變量，衡量技術(shù)創(chuàng)新能力的代理指標(biāo)。鑒于數(shù)據(jù)的可得性與指標(biāo)的易理解性，借鑒高翔（2015）、張杰等 （2016）的做法，使用各省人均發(fā)明專利授權(quán)量度量省份整體技術(shù)創(chuàng)新能力［8，16］。

解釋變量。 （1）內(nèi)生性與工具變量的討論。根據(jù)本文的研究內(nèi)容，解釋變量應(yīng)為能反映省份房價水平的指標(biāo)，但是各省房價水平與技術(shù)創(chuàng)新活動存在 “互為因果”關(guān)系，技術(shù)創(chuàng)新活動能促進地區(qū)經(jīng)濟發(fā)展，從而拉動市場對房地產(chǎn)的需求，抬高房價；根據(jù)上文分析，房價上漲會阻礙技術(shù)創(chuàng)新活動，因此本文參考張杰等 （2016）、余泳澤和張少輝 （2017）、崔瑩瑩等 （2018）學(xué)者的研究，采用滯后一期的各省人均國有建設(shè)用地出讓面積作為房價的工具變量來緩解內(nèi)生性問題［10，16，19］； （2）金融發(fā)展水平。本文從兩個方面度量金融發(fā)展水平：從信貸市場角度衡量的金融發(fā)展水平 （fir），具體為金融機構(gòu)信貸總額占GDP的比例；從資本市場角度衡量的金融發(fā)展水平 （capital），具體為股票首發(fā)、定向增發(fā)、公開增發(fā)、配股、可轉(zhuǎn)債發(fā)行和債券發(fā)行總額占GDP的比例。

控制變量。 （1） 人均GDP （pgdp）； （2） 人力資本水平 （hc），采用地區(qū)普通高等學(xué)校在校生人數(shù)與總?cè)丝诘谋嚷蕘砗饬?；?）對外開放程度 （import，export）。本文分別使用出口和進口占GDP的比重來表示； （4） 產(chǎn)業(yè)結(jié)構(gòu) （industry），用第二產(chǎn)業(yè)增加值占GDP的比重表示； （5）全社會固定資產(chǎn)投資 （fix_asset），用全社會固定資產(chǎn)投資占GDP的比重表示。

表1 描述性統(tǒng)計分析

本文采用2006～2017年全國30個省份 （考慮到數(shù)據(jù)的可獲得性，不包括西藏及港、澳、臺地區(qū)）組成的省域面板數(shù)據(jù)，分析房價上漲、金融發(fā)展對技術(shù)創(chuàng)新的影響，相關(guān)數(shù)據(jù)均來源于EPS數(shù)據(jù)庫和Wind數(shù)據(jù)庫。

2.2 計量模型的確定

2.2.1 空間相關(guān)性檢驗

由于地區(qū)之間的技術(shù)創(chuàng)新可能具有外溢效應(yīng)，且房價上漲的 “蔓延效應(yīng)”也可能會影響周圍省份的技術(shù)創(chuàng)新活動，因此我們可能需要引入空間計量模型進行分析，在進行空間計量模型分析之前，需要使用Moran's I來檢驗被解釋變量的空間相關(guān)性，Moran's I定義如下：

在計算Moran's I之前需要構(gòu)造空間權(quán)重矩陣。二元鄰接權(quán)重矩陣是目前比較常用的權(quán)重矩陣，其定義如下：

其中，i與j表示兩個不同的省份，當(dāng)i與j相同時Wij為0。

利用上述權(quán)重矩陣，本文通過Moran's I對2006～2017年各省份的技術(shù)創(chuàng)新能力進行空間相關(guān)性檢驗，結(jié)果如表2所示，從表2和圖2可以看出，2006～2017年期間，我國各省技術(shù)創(chuàng)新表現(xiàn)出顯著的空間正相關(guān)關(guān)系，說明技術(shù)創(chuàng)新在各省份之間確實存在正向溢出效應(yīng)，且這種溢出效應(yīng)從2006年開始顯著增強，總體呈現(xiàn)上升趨勢。因此，選用空間計量模型進行分析是必要的。

表2 2006～2017中國各省技術(shù)創(chuàng)新空間相關(guān)性檢驗

圖2 2006～2017年各省技術(shù)創(chuàng)新Moran's I變化趨勢圖

2.2.2 模型的設(shè)定與選擇標(biāo)準(zhǔn)

目前，靜態(tài)空間面板模型主要有以下3種：

（1）空間滯后模型：

（2）空間誤差模型：

（3）空間杜賓模型：

其中，yit表示被解釋變量，xit表示解釋變量和控制變量，εit為隨機擾動項。

在以上3種基準(zhǔn)模型的基礎(chǔ)上進行組合，可得如下廣義嵌套模型：

廣義嵌套模型可以梳理出不同形式的空間計量模型。當(dāng)δ≠0、θ＝0、ρ＝0時，為空間滯后模型；當(dāng)δ＝0、θ＝0、ρ≠0時，為空間誤差模型；當(dāng)δ≠0、θ≠0、ρ＝0時為空間杜賓模型； 當(dāng)δ＝0、θ≠0、ρ＝0時為空間滯后解釋變量模型；當(dāng)δ≠0、θ＝0、ρ≠0時，則為廣義空間自回歸模型。

對于上述3種基準(zhǔn)空間面板模型的選擇，需要在非空間面板模型的基礎(chǔ)上，構(gòu)建模型殘差的（穩(wěn)?。㎜M統(tǒng)計量，根據(jù)統(tǒng)計量的顯著性和大小來判斷最優(yōu)模型，因此，本文構(gòu)建了混合OLS、空間固定效應(yīng)、時間固定效應(yīng)和包含空間和時間的雙固定效應(yīng)4種模型的 （穩(wěn)?。㎜M誤差 （滯后）統(tǒng)計量，結(jié)果如表3所示。

表3 LM檢驗結(jié)果

從表3可知，在LM統(tǒng)計量中， （穩(wěn)?。㎜M滯后統(tǒng)計量 （LM_lag、Robust_LM_lag）在4種模型中的顯著性不穩(wěn)健，而4種模型的 （穩(wěn)?。㎜M誤差統(tǒng)計量 （LM_error、Robust_LM_error） 均在1%的顯著性水平下顯著，且均大于 （穩(wěn)?。㎜M滯后統(tǒng)計量，因此空間誤差模型優(yōu)于空間滯后模型。此外，在空間、時期和雙固定效應(yīng)的選擇方面，（1）在上表4種模型中，空間固定效應(yīng)模型的R平方最大，擬合效果最好；（2）若加入時期固定效應(yīng)，待估參數(shù)過多，影響估計參數(shù)的精度，容易產(chǎn)生 “參數(shù)估計詛咒”問題 （Neyman和Scott，1948）［20］，因此本文初步選用具有空間固定效應(yīng)的空間誤差模型。由于上述 （穩(wěn)?。㎜M統(tǒng)計量檢驗只能判別空間誤差模型優(yōu)于空間滯后模型，而不能判別模型是否同時含有被解釋變量的空間項和殘差的空間項，即不能判別模型是否為廣義空間自回歸模型，鑒于本文的被解釋變量技術(shù)創(chuàng)新具有顯著的正向空間溢出效應(yīng)，因此我們選用廣義空間自回歸模型作為參照模型。在模型的估計方法上，本文采用Lee和Yu（2010）的研究中所用到的擬極大似然估計 （Quasi-maximum Likelihood） 方法［4］。

3 實證檢驗與分析

3.1 房價對技術(shù)創(chuàng)新直接影響效應(yīng)的檢驗結(jié)果

表4報告了房價對地區(qū)技術(shù)創(chuàng)新的直接影響結(jié)果，表中第 （1）列采用空間誤差模型，從其結(jié)果可以看出，房價對地區(qū)技術(shù)創(chuàng)新能力的影響在1%的顯著性水平下顯著為負，表明房價上漲對實體經(jīng)濟造成的 “擠出效應(yīng)”大于 “流動性效應(yīng)”，從而對地區(qū)技術(shù)創(chuàng)新能力的發(fā)展產(chǎn)生阻礙作用，也驗證了研究假設(shè)1的內(nèi)容?？刂谱兞恐校胤饺司鵊DP在1%的顯著性水平下對各地技術(shù)創(chuàng)新能力具有顯著的正向影響，這與 “需求引致技術(shù)創(chuàng)新”理論相符。地區(qū)全社會固定資產(chǎn)投資占GDP的比重通過了1%的顯著性水平檢驗，且對地區(qū)技術(shù)創(chuàng)新能力有正向影響，這與崔瑩瑩等 （2018）得出的結(jié)論相似［10］，說明購置和建造固定資產(chǎn)的活動倒逼企業(yè)不斷進行技術(shù)創(chuàng)新，擾動項中空間關(guān)聯(lián)性系數(shù)為0.1049，且通過了1%的顯著性水平檢驗，進一步證明模型選擇正確。

表中第 （2）列采用廣義空間自回歸模型，回歸結(jié)果與第 （1）列無本質(zhì)區(qū)別，說明了回歸結(jié)果的穩(wěn)健性；另外，觀察被解釋變量和殘差項空間關(guān)聯(lián)系數(shù)，二者均通過了1%的顯著性水平檢驗，說明技術(shù)創(chuàng)新不僅受到地區(qū)間不可觀測的共同因素的影響，而且確實還對周圍地區(qū)的技術(shù)創(chuàng)新產(chǎn)生正向影響。

表4 房價對省份技術(shù)創(chuàng)新的直接影響檢驗結(jié)果

3.2 金融發(fā)展傳導(dǎo)機制的檢驗分析

本文進一步探究各個地區(qū)金融發(fā)展對技術(shù)創(chuàng)新的影響，以及房價是如何通過地區(qū)金融發(fā)展，對技術(shù)創(chuàng)新進一步施加影響?；谶@一研究目標(biāo)，本文在上述研究的基礎(chǔ)上逐次加入信貸市場和資本市場的發(fā)展水平及其與房價的交叉項，表5為其回歸結(jié)果。

表5 房價、金融發(fā)展及其交互作用對技術(shù)創(chuàng)新的回歸結(jié)果

續(xù) 表

從表5第 （1）列可以看出，在加入信貸市場發(fā)展規(guī)模 （fir）后，其對地區(qū)技術(shù)創(chuàng)新的發(fā)展具有顯著的正向促進作用，這可能是由于信貸市場中金融中介機構(gòu)有促使儲蓄向投資轉(zhuǎn)化的功能，因此一個地區(qū)的信貸市場規(guī)模越大，企業(yè)外部融資供給越充裕，一定程度上緩解了企業(yè)技術(shù)創(chuàng)新的外部融資約束，進而促進企業(yè)的技術(shù)創(chuàng)新活動。

第 （2）列為加入資本市場發(fā)展水平 （capital）后的回歸結(jié)果，從中可以看出，資本市場發(fā)展水平在1%的顯著性水平下對地區(qū)整體技術(shù)創(chuàng)新能力具有顯著的正向影響，且其系數(shù)大于fir的系數(shù)，這說明資本市場的發(fā)展和完善促進了技術(shù)創(chuàng)新活動，且其促進程度大于信貸市場對技術(shù)創(chuàng)新的促進程度，這與孫伍琴和王培 （2013）以及許夢楠和周新苗 （2018） 得出的結(jié)論一致［14，21］， 也與最優(yōu)金融結(jié)構(gòu)理論相符。

第 （3）列為加入信貸市場發(fā)展規(guī)模和房價工具變量的交互項的回歸結(jié)果，可以發(fā)現(xiàn)，交互項在10%的顯著性水平下對地區(qū)技術(shù)創(chuàng)新能力具有顯著的負向影響，表明在房價上漲越快的地區(qū)，信貸市場中資金越傾向于流入利潤率較高的房地產(chǎn)行業(yè)，從而使企業(yè)外部融資受阻，不利于企業(yè)技術(shù)創(chuàng)新。實際上，2011年第1季度至2016年第4季度，金融機構(gòu)新增人民幣貸款從26000億元增長至126500億元，增長386.54%，而主要金融機構(gòu)新增房地產(chǎn)貸款從8457億元增長到56700億元，增長570.5%，主要金融機構(gòu)新增個人購房貸款從5228億元增長到49600億元，增長848.74%。截至2016年年底，新增房地產(chǎn)貸款和新增個人購房貸款之和占金融機構(gòu)新增人民幣貸款的84.03%，顯然新增貸款主要流向了房地產(chǎn)行業(yè)，金融機構(gòu)資本 “脫實向虛”將對技術(shù)創(chuàng)新產(chǎn)生阻礙作用④。

第 （4）列為加入資本市場發(fā)展水平和房價工具變量的交互項的回歸結(jié)果，我們發(fā)現(xiàn)，交互項在5%的顯著性水平下對地區(qū)技術(shù)創(chuàng)新能力具有顯著的正向影響，這說明完善的資本市場在一定程度上緩解了房價上漲對技術(shù)創(chuàng)新活動的阻礙作用，即便在房價上漲的背景下，房地產(chǎn)行業(yè)也未能在資本市場上對實體經(jīng)濟投資形成 “擠出效應(yīng)”，資金更多的是 “脫虛向?qū)崱保@與第 （3）列的情況相反。實際上，2006～2018年期間，資本市場融資總額從2670億元至9280億元，增長247.52%，而房地產(chǎn)融資額從204億元至323億元，增長58.08%，實體經(jīng)濟融資額從1404億元至7252億元，增長416.41%。2018年全年房地產(chǎn)行業(yè)融資額占資本市場總?cè)谫Y額的3.48%，而實體經(jīng)濟融資額占78.14%，顯然資本市場資金主要流向?qū)嶓w經(jīng)濟。正是資本市場上較高的資金配置效率，緩和了房價上漲對企業(yè)技術(shù)創(chuàng)新的抑制效應(yīng)。

從表5各列回歸可以看出，房價均在5%或1%的顯著性水平下對地區(qū)整體的技術(shù)創(chuàng)新能力有顯著的負向作用；此外，在加入資本市場發(fā)展規(guī)模及其與房價的交互項后，進口占GDP的比重在5%的顯著性水平下顯著，且對地區(qū)技術(shù)創(chuàng)新能力具有負向影響，這與張杰等 （2016）得出的結(jié)論相同，主要是由于進口的替代效應(yīng)大于互補效應(yīng)（即進口干中學(xué)效應(yīng)）［16］；其他控制變量對技術(shù)創(chuàng)新的影響與對應(yīng)模型 （1）的結(jié)果相同，在此不再闡述。這也說明回歸結(jié)果的穩(wěn)健性。

表6為采用廣義空間自回歸模型的回歸結(jié)果，其與表5回歸結(jié)果無本質(zhì)區(qū)別，證明了回歸結(jié)果的穩(wěn)健性；觀察被解釋變量和殘差空間項的系數(shù)可知，二者均在1%的顯著性水平下顯著且為正，說明廣義空間自回歸模型的適用性。

表6 房價、金融發(fā)展及其交互作用對技術(shù)創(chuàng)新的回歸結(jié)果

4 研究結(jié)論與政策建議

4.1 研究結(jié)論

本文將地區(qū)房價、金融發(fā)展和技術(shù)創(chuàng)新納入同一分析框架，基于2006～2017年我國30個省份相關(guān)數(shù)據(jù)，選用相關(guān)變量，采用空間誤差模型、廣義空間自回歸模型進行實證分析，得出以下結(jié)論：

（1）本文驗證了房價對技術(shù)創(chuàng)新能力直接影響效應(yīng)的存在，我們發(fā)現(xiàn)房價上漲對地區(qū)技術(shù)創(chuàng)新產(chǎn)生顯著的抑制作用；（2）我們分析了金融發(fā)展對地區(qū)技術(shù)創(chuàng)新活動的影響以及房價如何通過兩個維度的金融發(fā)展傳導(dǎo)機制來影響技術(shù)創(chuàng)新活動，最終發(fā)現(xiàn)：信貸市場發(fā)展水平對地區(qū)技術(shù)創(chuàng)新能力有顯著的促進作用，但房價上漲在信貸市場規(guī)模影響地區(qū)技術(shù)創(chuàng)新的過程中產(chǎn)生扭曲性作用，從而加劇房價對技術(shù)創(chuàng)新活動的抑制作用；資本市場發(fā)展水平顯著促進了地區(qū)技術(shù)創(chuàng)新能力的提升，且其促進程度也大于信貸市場，此外，資本市場發(fā)展水平的提升能緩解房價上漲對技術(shù)創(chuàng)新活動的抑制作用?？偟膩碚f，我國各地區(qū)技術(shù)創(chuàng)新對資本市場的依賴性大于信貸市場； （3）我們發(fā)現(xiàn)，技術(shù)創(chuàng)新具有顯著的正向空間溢出效應(yīng)。

4.2 政策建議

根據(jù)研究結(jié)論，為全面實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，最大限度提升技術(shù)創(chuàng)新能力，本文提出以下幾點建議：

（1）從供需調(diào)控兩方面著手，完善房地產(chǎn)調(diào)控長效機制，緩解高房價對實體經(jīng)濟部門技術(shù)創(chuàng)新資金投入的擠出效應(yīng)。在房地產(chǎn)供給方面，建立租購并舉、多渠道保障、多主體供給的住房制度。此外，各省市要減少對 “土地財政”制度的依賴，從根源上抑制房價上漲；在需求方面，①要推動改進房地產(chǎn)財稅制度，有效運用靈活的財稅制度引導(dǎo)住房需求合理化；②各省市要堅定落實調(diào)控政策，促使市場對房地產(chǎn)行業(yè)形成合理預(yù)期。

（2）以金融體系結(jié)構(gòu)優(yōu)化調(diào)整為切入點深化金融市場改革。隨著我國經(jīng)濟轉(zhuǎn)型、產(chǎn)業(yè)結(jié)構(gòu)不斷調(diào)整優(yōu)化以及技術(shù)創(chuàng)新模式的改變，經(jīng)濟體對金融供給的需求也發(fā)生變化，因此政府必須推動金融結(jié)構(gòu)的優(yōu)化調(diào)整以適應(yīng)市場的需求，使得要素配置合理化。隨著我國科創(chuàng)板和注冊制的開展和實施，將會為企業(yè)技術(shù)創(chuàng)新提供更為有利的金融環(huán)境。

（3）促進區(qū)域間信息交流、知識流動與共享，充分利用相鄰地區(qū)的技術(shù)創(chuàng)新條件和環(huán)境、重視區(qū)域技術(shù)創(chuàng)新的地理空間因素，加強區(qū)域技術(shù)創(chuàng)新合作，建立并健全需求為導(dǎo)向、企業(yè)為主體的產(chǎn)學(xué)研一體化長效區(qū)域技術(shù)創(chuàng)新機制，以實現(xiàn)區(qū)域技術(shù)創(chuàng)新協(xié)調(diào)發(fā)展。

注釋：

①數(shù)據(jù)來源：國家統(tǒng)計局，并由作者計算得來。

②數(shù)據(jù)來源：國家統(tǒng)計局。

③數(shù)據(jù)來源：國家統(tǒng)計局 《全國科技經(jīng)費投入統(tǒng)計公報》、世界銀行數(shù)據(jù)庫。

④數(shù)據(jù)來源：Wind數(shù)據(jù)庫。