李奇璘，姚 莉

（上海第二工業(yè)大學 經濟與管理學院，上海 201209）

一、引言

金融科技是促進科技開發(fā)、成果轉化和高新技術產業(yè)發(fā)展的一系列金融工具、金融制度、金融政策與金融服務的系統(tǒng)性、創(chuàng)新性安排，是由向科技與技術創(chuàng)新活動提供金融資源的政府、企業(yè)、市場、社會中介機構等各種主體，及其在科技創(chuàng)新投融資過程中的行為活動共同組成的一個體系，是國家科技創(chuàng)新體系和金融體系的重要組成部分。肇啟偉等（2015）[1]通過對首屆中國金融科技年會綜述，從金融科技的發(fā)展環(huán)境、發(fā)展重點以及發(fā)展范式三個角度對金融科技的未來發(fā)展，風險問題以及生態(tài)環(huán)境建設問題進行了闡述。曲昭等（2015）[2]梳理了促進科技與金融相結合的金融政策與科技政策調整路徑?！敖鹑诳萍纪顿Y”即金融科技鏈條中各個活動的資金支出發(fā)生額，其在網絡中與“高科技（中小型）金融企業(yè)”“金融政策”“科技創(chuàng)新”等多個關鍵詞存在共現關系，是促進科技與金融相結合的政策研究熱點問題，包含了科技財稅（政府科技投入以及面向數字化改造、網絡建設、研發(fā)費用、創(chuàng)業(yè)風險投資、科技型企業(yè)等一系列稅收政策）、科技貸款（知識產權融資、科技銀行）、多層次資本市場以及科技保險等內容。

金融科技的投入有助于提高創(chuàng)新效率，使金融和科技有效地結合在一起，打破經濟發(fā)展的瓶頸，促進經濟增長。鄧天佐和張俊芳（2012）[3]認為隨著科技體制改革的不斷深化，金融科技的內涵與外延不斷深化擴展，向多要素、多層面、多維度的金融科技系統(tǒng)演變；科技和金融結合的實踐不斷豐富與發(fā)展，已覆蓋到創(chuàng)業(yè)風險投資、科技貸款、科技保險、多層次資本市場、金融科技中介平臺等多個領域，對于轉化科技成果、發(fā)展高新技術產業(yè)發(fā)揮了重要作用。Po-Susan Hus 等（2014）[4]用32 個發(fā)達國家和新興國家的數據，研究發(fā)現股票市場和信貸市場融資對創(chuàng)新產出有顯著影響，金融市場創(chuàng)新帶動了實體行業(yè)的發(fā)展。

關于金融科技的投入要素，房漢廷（2015）[5]對金融科技進行了深刻闡釋，指出金融科技是科技創(chuàng)新和金融創(chuàng)新的深度融合，本身具有政策價值，而金融科技工作首先是科技工作的重要組成部分，需要具備專業(yè)知識的科技人員。洪銀興（2011）[6]強調了政府在金融科技方面資金投入的重要性，政府投入在前期關注基礎性和公共性的創(chuàng)新成果，后期形成導向引入市場和私人資金投入。

關于研究的方法，國內學者多從定性研究的角度分析金融科技對創(chuàng)新或經濟的影響，運用實證研究方法的較少，選用非線性面板平滑轉移回歸的更少。但是有部分學者選用該模型研究相關領域的其他問題。馮照楨等（2016）[7]運用面板平滑轉移回歸（PSTR）模型，從風險投資規(guī)模和風險投資數量兩個角度探討了風險投資與技術創(chuàng)新的非線性關系，風險投資規(guī)模低于閾值時，會抑制企業(yè)技術創(chuàng)新；但規(guī)模超越閾值時，促進促進企業(yè)技術創(chuàng)新。牛澤東和張倩肖（2011）[8]采用我國高技術產業(yè)行業(yè)水平的面板數據，在研究FDI 創(chuàng)新溢出效應行業(yè)差異的基礎上，運用非線性面板平滑轉移回歸（PSTR）模型對我國高新技術產業(yè)FDI 創(chuàng)新溢出的門檻效應做進一步檢驗，揭示了FDI 創(chuàng)新溢出效應與行業(yè)技術水平、人力資本、市場競爭程度之間的非線性關系，測度得到行業(yè)技術水平對FDI 創(chuàng)新溢出的影響最為顯著。吳勇民（2014）[9]認為技術進步與金融結構通過協(xié)同演化機制緊密耦合在一起，相互作用、相互滲透、協(xié)同演化，并在協(xié)同演化過程中，表現出系統(tǒng)開放性與自適應性、系統(tǒng)主體間的雙向因果關系、系統(tǒng)主體間的正反饋關系、系統(tǒng)各主體相互作用的非線性和復雜性以及系統(tǒng)漲落性、突變性與功能涌現性等演化系統(tǒng)的典型特征。國內文獻在實證分析時較少對變量的非線性作用進行處理，運用更為穩(wěn)健的計量技術研究中國金融科技投資對創(chuàng)新的非線性作用仍有必要。

結合以上研究，本文從金融科技投入視角出發(fā)，以政府、企業(yè)、金融機構和從事科技人員四個方面投入為切入點，運用中國省級面板數據，采用面板平滑轉換模型（PSTR）對金融科技投入與經濟增長之間可能存在的非線性影響及作用機制進行實證分析，研究金融科技投入對創(chuàng)新和經濟增長的貢獻。可能的創(chuàng)新如下：第一，從金融科技要素投入的視角分析金融科技影響的問題。第二，發(fā)現金融科技投入與創(chuàng)新效率和經濟增長之間非線性關系和門檻效應，即金融科技投入的作用在門檻值前后發(fā)生實質性變化。第三，運用GMM-IV 實證分析保障結論的穩(wěn)健性。本文后續(xù)安排如下：第二部分是模型構建、變量與數據選擇；第三部分是實證分析；第四部分是結論及政策建議。

二、模型構建、變量與數據選擇

金融科技的投入可以從多方面促進金融的發(fā)展，更好地助推實體經濟增長。本文通過構建PSTR模型來分析金融科技投入對經濟增長的溢出效應，從政府投入、金融機構投入、企業(yè)投入、市場投入、科技人員投入幾個角度衡量金融科技投入。與普通的面板模型不同的是，PSTR 模型可以將線性面板轉換成非線性面板，可以通過轉移方程進行轉換，其更加一般化，符合現實情況。

（一）模型設定

在新經濟增長理論中，人力資本很大程度上影響了技術進步，它也是內生經濟增長的源泉，本文參考張玉喜和趙麗麗（2015）[10]構建的Cobb-Douglas生產函數模型，馮照楨等（2016）[7]、牛澤東等（2011）[8]構建的面板平滑轉移模型（PSTR），首先由Cobb-Douglas 函數基礎上進行拓展得：

式中Y代表經濟產出，K1 代表政府財政金融科技投入。K2 代表企業(yè)自有資金投入，K3 代表金融機構科技貸款，L代表金融科技人員當時量，進一步將Cobb-Douglas 生產函數取對數并加以拓展：

然而，在實際情況中，政府投入更多表現為非線性影響，本文借鑒Gonzalez 等（2004）[11]最初在Hansen（1999）[12]提出的面板門限回歸（PTR）和Timo（1994）[13]提出的單變量平滑轉移模型（STAR）基礎上構建了面板平滑轉移回歸（PSTR）模型，構建如下：

若寫出矩陣模型如下：

其中i=1，…，N，t=1，…，T，N和T分別表示面板模型中的截面和時間維度。lnyit表示經濟增長的對數，xit表示三維時變外生自變量，分別為代表政府財政科技投入、企業(yè)自有資金、金融機構科技貸款，μi表示各個省市的差異性影響，μit為隨機干擾項。β0和β1分別表示線性部分系數和非線性部分系數。（1994）[13]通過設定、估計和評價對變量平滑轉移模型（STAR）模型進行建模，van Dijk等（2001）[14]提出進行轉移變量序貫檢驗，從而選擇轉移方程g（FIIit；γ，c）應該指數型（ESTAR）還是logistic 函數（LSTAR）的形式，鑒于本文需要一個值域收斂于0～1 之間的有界連續(xù)函數，采用logistic 函數形式的平滑轉換更為合理，其放松了限制條件，使面板門限回歸突變以更加柔和、漸變的方式進行過渡，因而能夠更好地刻畫面板數據的截面異質性，具體為如下表達方式：

其中，RDEit為轉換變量的連續(xù)函數，c=（c1，…，cm）' 為m維位置參數向量，反映了轉移函數的閾值，γ為平滑轉移系數，并且γ＞0，它決定了區(qū)制轉移速度。在實際中，一般考慮m=1 或m=2 就可滿足實際需求。上述轉換方程g（RDEit；γ，c）表現為非線性平滑轉換的部分，通常也被解釋為區(qū)制轉換（Regime SwitchingRegression）回歸模型。當m=1 時，轉移函數g（RDEit；γ，c）隨著轉移變量q的增加，從而表現為系數從低區(qū)制到高區(qū)制以轉移位置c為中心在β0～β0+β1之間發(fā)生轉化，尤其是當γ→∞時，轉移方程g（RDEit；γ，c）轉化成指示函數I[qit＞c1]，此時，面板平滑轉移模型退居成兩區(qū)制的面板門限回歸模型（PTR），系數也平滑轉換為β0+β1。當m=2 時，轉移函數g 隨著轉移變量q的增加，先增加后遞減，尤其在γ→∞，轉移方程g（RDEit；γ，c）相當于指示函數I[c1＜RDEit＜c2]，則PSTR 模型轉換成三區(qū)制的面板門限回歸模型（PTR）。而當γ→0 時，無論m取何值，PSTR 模型退化成系數為線性或同質性固定效應模型?？梢?，線性固定效應模型和面板門限模型均可看成面板平滑轉移模型的特殊情形。

（二）變量選取

根據金融穩(wěn)定理事會（FSB）的定義，金融科技主要是指利用各類科技手段，包括大數據、區(qū)塊鏈、云計算、人工智能等新興前沿技術，創(chuàng)新傳統(tǒng)金融行業(yè)，對金融市場以及金融服務業(yè)務提供新興業(yè)務模式、新技術應用、新產品服務等。金融科技的主體為科技創(chuàng)新活動提供金融資源的政府、企業(yè)、金融機構、金融科技人員等，因此本文研究政府、企業(yè)、金融機構、從事科技人員四類主體的金融科技投入對金融創(chuàng)新和經濟增長的作用效果，其中政府投入以政府財政金融科技投入來衡量，企業(yè)金融科技投入以自有資金中的R&D 投入來衡量，金融機構投入以金融機構科技貸款指標衡量，從事金融科技人員選取STP 為代理指標。考慮到金融科技投入與產出存在滯后性的問題，本文選取包含2011—2020 年共10 年，全國30 個省、市和地區(qū)（不含港澳臺地區(qū)以及西藏自治區(qū)）的面板數據進行研究，數據來源于歷年的《中國科技統(tǒng)計年鑒》《中國金融年鑒》及國家統(tǒng)計局網站等。

三、實證分析

（一）各變量描述性統(tǒng)計

根據2011—2020 年中國30 個?。ㄊ小^(qū)）金融科技指標面板數據，采用靜態(tài)和動態(tài)面板數據結合的模型方法，實證分析中國金融科技投入對技術創(chuàng)新與經濟增長的作用效果。表1 為各變量描述性統(tǒng)計。研究結果表明：金融科技投入與科技創(chuàng)新之間短期內呈顯著正相關關系，對經濟增長作用明顯，長期作用效果不顯著；其中政府投入、企業(yè)自有資金和金融機構貸款是影響科技創(chuàng)新與經濟增長的主要因素，金融科技投入的作用效果存在地區(qū)差異，東西部地區(qū)科技創(chuàng)新與經濟增長受企業(yè)自有資金和社會資本的影響較大，中部地區(qū)受政府財政科技投入影響較大。

表1 各變量描述性統(tǒng)計

（二）面板數據平穩(wěn)性檢驗

分別采用LLC、IPS、ADF、PP四種方法檢驗各變量的平穩(wěn)性。其中，LLC、IPS、ADF、PP四種方法檢驗原假設均為面板數據存在單位根，即不平穩(wěn)；備注假設為數據不存在單位根，即平穩(wěn)。具體檢驗結果如表2 所示。

表2 面板數據單位根檢驗

表2 顯示，對于GOV、COM、STP、PA/ln（R&D）為非平穩(wěn)序列，需對其一階差分，即變量為一階單整I（1）序列。其余變量為平穩(wěn)序列。

進一步對各變量進行kao 協(xié)整檢驗，檢驗結果如表3 所示。

表3 面板數據Kao 協(xié)整檢驗

表3 顯示，殘差項一起滯后項及其一階差分項均在1%水平上顯著，ADF 統(tǒng)計量t值也在1%水平上顯著，表明拒絕不存在協(xié)整關系的原假設，即變量之間存在協(xié)整關系，可以構建面板平滑轉移模型進一步分析。

（三）面板平滑轉移非線性檢驗

我們無法應用傳統(tǒng)的嵌套檢驗統(tǒng)計量來執(zhí)行這一檢驗，原因在于模型中含有未識別參數（彭方平等，2013）[15]。我們希望對面板平滑轉移模型尋求變換，借鑒Hansen（1996）[16]進行一階泰勒展開，從而構造輔助回歸方程逼近原來的面板平滑轉移模型檢驗非線性是否存在，具體為如下表達方式：

此時，原假設由H0：γ=0 變換為H0：β0=β1=β2=…=βm=0。檢驗過程為：首先，消除固定效應項；原模型如下：

剔除個體均值得：

其次，對轉換后的模型計算LM 統(tǒng)計量：

在原假設下LM 檢驗統(tǒng)計量服從χ2（K）分布。

由表4 得，LM、LMF、LRT分別在不同顯著水平上拒絕了原假設，表示方程存在非線性影響，即存在轉移方程；進而對多個轉移方程進行檢驗，LM、LMF、LRT分別在不同顯著水平上接受了原假設，即不存在多個轉移方程，從而模型只存在一個轉移方程。

表4 非線性檢驗和剩余非線性檢驗結果

（四）面板平滑轉移回歸及其穩(wěn)健性分析

本文選取研發(fā)效率作為轉移變量，隨著研發(fā)效率服從Logistics 概率分布，從低區(qū)制轉移到高區(qū)制，模型也從線性轉移到非線性，而當轉移速度伽馬趨向于無窮時，此時構建的方程轉換成為面板門限回歸（PTR），因此，面板平滑轉移回歸模型更加具有一般性，更能精確的度量金融科技投入與經濟增長之間的非線性關系，比普通的面板模型更加具有準確性。表5 為面板平滑轉移模型參數估計值以及GMM-IV 穩(wěn)健性參數估計值。

表5 面板平滑轉移模型及其穩(wěn)健性分析結果

表5 給出了兩區(qū)制的泰勒規(guī)則面板平滑轉移模型的回歸結果，企業(yè)科技籌集、金融機構科技貸款、從事科技人員均在兩區(qū)制內的估計系數呈現不同程度地拒絕原假設。金融機構貸款是影響最大因素，對研發(fā)效率之間的相關性較高；而政府資金投入對研發(fā)效率幾乎沒有影響，這也與張玉喜和趙麗麗（2015）[10]的文章做出了進一步驗證。

金融機構科技貸款影響最為顯著，金融機構科技貸款每增加1%，GDP 增加0.060 1%～0.145 8%，增加金融機構科技貸款能夠有效助力金融科技的發(fā)展，提升GDP 水平。人才是行業(yè)發(fā)展的源動力，從事金融科技相關人員每增加1%，GDP 增加0.028 5%～0.366 8%，金融科技業(yè)務發(fā)展對于人才的需求也呈現井噴式增長，科技人才對經濟增長的貢獻十分顯著。

接著，我們給出面板平滑轉移估計式：

以及低區(qū)制和高區(qū)制的線性表達式：

當給定PSTR 模型的參數估計，可以計算出每個省份的時變彈性系數（見如下公式）。這些平滑的科技投入資金和人力資本的平均彈性，如表6 所示。估計參數的平均值的平滑彈性為最優(yōu)的PSTR 模型，這些值對應于個體估計的平均值：

由表6 得科技投入平均值大于0.28 的有天津、河北、內蒙古、遼寧、福建、山東、河南、湖北、重慶。

表6 PSTR 個體差異估計的平均值（產出彈性）

由圖1 要素投入省份的平均彈性折線圖清晰可見，在高位時金融機構科技貸款彈性最大，超越0.05%，企業(yè)科技投入居中達到0.04%，而政府科技投入最低，低至0.03%以下。再次，河北、山西、遼寧、吉林、安徽、江西、甘肅、青海、寧夏、新疆都為低點。人力資本投入省份的平均彈性折線圖中顯而易見，山西、黑龍江、江蘇、江西、甘肅在平均彈性較高。

圖1 要素投入省份的平均彈性

四、結論及政策建議

本文主要研究了金融科技與創(chuàng)新效率和經濟增長的非線性關系，從而對經濟增長的影響，并給出穩(wěn)健性分析GMM-IV 分析結果，對PSTR 做出驗證。增加金融科技投入可以傳統(tǒng)金融行業(yè)所提供的產品和服務，提升研發(fā)效率并通過各類創(chuàng)新有效降低運營成本，促進經濟增長。企業(yè)籌集、金融機構貸款、從事科技人員均在兩區(qū)制內的估計系數呈現不同程度的拒絕原假設。從事科技人員是最大影響因素，表明從事科技人員對研發(fā)效率之間的相關性較高，而企業(yè)資金投入以及金融貸款相比較低。金融機構貸款與研發(fā)效率和經濟增長之間的相關性較高，而政府資金投入對研發(fā)效率直接影響較小。

以互聯網金融、區(qū)塊鏈技術、智能投顧、人工智能基礎的金融科技（FinTech），正在引領新的金融發(fā)展趨勢，成為中國金融的主流趨勢。一方面金融科技促進了消費金融、供應鏈金融創(chuàng)新發(fā)展，P2P、移動支付、眾籌等互聯網金融業(yè)態(tài)不斷更新迭代，將傳統(tǒng)金融結構與小微金融、普惠金融、互聯網金融和智能金融相結合，帶來金融科技更加廣闊的應用空間。利用數據廣泛采集和流通，可以方便地獲取電信、電商、醫(yī)療、出行、教育等其他行業(yè)的數據；金融數據和其他行業(yè)數據融合，使得金融機構的營銷和風控模型更精準，金融基礎能力能夠得到更多其他行業(yè)資源的補充和支撐。另一方面，跨行業(yè)數據融合會催生出更多跨行業(yè)的應用，金融科技企業(yè)得以設計出更多基于場景的金融產品，更加準確地匹配企業(yè)和個人的金融服務需求，提供更加差異化和個性化的服務體驗，為商業(yè)銀行解決小微企業(yè)金融服務中存在的信息不對稱、交易成本高、場景服務不足和風控難等問題，為小微金融服務提供個性化、特色化和專業(yè)化解決方案，促進金融服務與實體經濟更緊密的融合發(fā)展。

因此，應營造良好的投融資生態(tài)，通過政府、企業(yè)、金融機構對金融科技的投資，特別是金融科技貸款，吸引全球創(chuàng)新要素聚集。同時還應當重視金融科技人才，金融機構對于科技人員的重視程度仍有待提升，在很多傳統(tǒng)金融企業(yè)，科技人員仍被認為是系統(tǒng)管理員，把信息技術部門簡單當成一個后臺基礎支撐部門，在企業(yè)受重視程度較低。應當建立科研人員的內外部培養(yǎng)機制，創(chuàng)新范圍和環(huán)境培養(yǎng)，使得其自身能力優(yōu)勢得到充分發(fā)揮。政府投入雖然在金融科技發(fā)展中的直接影響作用較小，但是政府可以通過成立一些重點行業(yè)引導基金，對重點項目和優(yōu)勢項目采取“領投”行為，釋放積極信號，吸引民營資本進入，以推動相關金融科技行業(yè)的發(fā)展。我國應當抓住金融科技發(fā)展的窗口期，在云計算、大數據、人工智能和區(qū)塊鏈等領域掌握先進技術，使金融更好地服務于實體經濟，在這一嶄新的領域嶄露頭角，奪得國際領先的競爭優(yōu)勢。