科技金融政策促進了地區創新水平提升嗎？
——基于“促進科技和金融結合試點”的準自然實驗

馬凌遠 ，李曉敏

(1.鄭州航空工業管理學院 經濟學院，河南 鄭州 450046； 2.河南大學 經濟學院，河南 開封 475004)

當前，中國經濟發展正面臨著內外雙重困境。在內部，人口紅利已經逐漸消失，勞動力成本不斷攀升導致以往依賴要素驅動的經濟增長難以為繼，中國經濟發展步入新常態；在外部，世界經濟格局正在加速重構，以TPP、TTIP為代表的新型自貿協定正欲重塑全球經貿規則，中美貿易摩擦不斷升級，中國進一步深化改革開放勢在必行。新形勢下，無論是政府、企業還是學界都已形成共識，即“創新驅動”已成為中國經濟發展的必然選擇，為此，如何實現創新驅動發展也就成為各界普遍關注的焦點問題?！秶覄撔买寗影l展戰略綱要》指出，要實現創新驅動，則必須堅持科技創新和體制機制創新的“雙輪驅動”，即一方面要強化科技創新，著力提升我國自主創新能力；另一方面需進行體制機制創新，為科技創新掃除制度上的障礙，而促進科技和金融結合就是一項旨在促進科技創新的體制機制創新。早在20世紀80年代，我國就開始嘗試將科技和金融進行結合，1985年，中國人民銀行和國務院科技領導小組發布了《關于積極開展科技信貸的聯合通知》，開始面向全社會正式啟動科技信貸。1993年，深圳市科技局首次將“科技和金融”簡寫為“科技金融”，這一新興詞匯由此進入公眾視野，并受到政府部門和學術界的廣泛關注。經過30多年的發展，我國科技金融已經逐漸形成了具有科技支行、科技保險、風險投資、多層次資本市場等多渠道、全方位、多視角的科技金融體系[1]。但當前我國眾多的科技型企業，特別是從事科技創新的中小企業的發展仍面臨著嚴重的金融約束，企業創新融資難、融資貴問題已經成為我國創新驅動戰略實施的主要掣肘[2]，這意味著政府的關注重點應從原來通過直接資金支持推動科技金融的數量增長，轉變為通過市場機制建設實現科技金融的質量提升，真正促進創新型產業的發展[3]。

為了提升我國科技金融質量，2011年，科技部、中國人民銀行等五部門聯合決定在全國設立“促進科技和金融結合”試點，并將中關村國家自主創新示范區、天津市、上海市、深圳市、江蘇省等16個地區列為首批試點地區，這些地區將在科技金融產品創新、科技金融服務模式創新、金融和科技對接機制創新等方面進行先行先試，為促進科技和金融結合，使科技金融從數量增長向質量提升轉變提供可借鑒或可復制的范本。截至目前，16個試點地區已經針對科技金融出臺了350多項創新舉措，其涉及科技財政資源配置、科技融資平臺建設、科技與資本市場對接、科技保險服務等多個方面。那么，“促進科技和金融結合”試點作為一項基于地點制定(place-based)的科技創新政策，其是否有效推動了地區的科技創新？其主要是通過何種機制或渠道實現的？此外，試點覆蓋我國東、中、西部地區，不同地區在科技創新和金融發展方面存在較大差距，試點政策的創新績效又是否在不同地區存在顯著差異？從已有研究來看，并不能直接找到上述問題的答案。鑒于此，本文嘗試對以上問題進行研究，利用準自然實驗方法系統評估“促進科技和金融結合”試點的設立對于地區創新水平的影響，本研究對于尋求我國創新水平提升新路徑以及完善“促進科技和金融結合”試點政策、提升試點政策的創新績效都具有重要的現實意義。

一、文獻回顧

回顧已有文獻，關于金融與創新的關系最早見于熊彼特(1912)的著作《經濟發展理論》中，其認為貨幣、利息等金融要素對技術創新具有重要影響。 King等(1993)[4]提出，金融與創新的結合是引致一國經濟增長的主因，揭示了金融為創新活動提供的四種服務，即企業家評估、資金籌集、風險分散以及創新預期收益評估。Perez(2007)[5]進一步指出，金融資本的逐利性與技術創新的高額回報促進了兩者的高度結合，并最終促進了科技繁榮和金融發展。然而，Hall(2002)[6]、Piga等(2007)[7]等則提出不同觀點，指出由于企業的創新投資往往存在收益不確定、信息不對稱、道德風險等問題，因此創新活動通常面臨嚴重的外部融資約束。融資約束已經成為中國75%非金融類上市公司發展的主要障礙，在所調查的80個國家中占比最高[8]，是正積極創新的企業尤其是中小企業面臨的主要壁壘[9]。Hyytinena和Toivanen(2005)[10]認為，政府可以通過公共政策支持來彌補資本市場的不足，緩解科技創新的融資約束，進而促進科技和金融的發展。

國外文獻雖然對科技和金融之間的關系有諸多論述，但一直所指“科技和金融”，而并未出現科技金融這一稱謂，科技金融是1993年由我國深圳科技局首次提出。2009年，趙昌文等[11]系統定義了科技金融，指出其為旨在促進科技創新、科技成果轉化的一系列金融工具。近年來，國內關于科技金融的文獻越來越多，主要聚焦于科技金融對科技創新的影響。王宏起等(2012)[12]通過構建協同度模型，揭示了科技金融和科技創新的協同發展機制。張玉喜等(2015)[13]采用省級層面的面板數據，實證檢驗了科技金融投入對科技創新的影響，發現科技金融投入在短期顯著促進了科技創新水平提升，但該效應在長期并不存在。李俊霞等(2016)[14]利用系統動力學方法實證分析了市場科技金融和公共科技金融對高技術產業的影響，發現兩類科技金融均對高技術產業發展具有促進作用，相對而言，市場科技金融的創新效應更大。杜江等(2017)[15]運用省級面板數據，發現我國各地區的科技創新能力表現為明顯的空間相關性，而科技金融對各地的創新水平具有明顯的促進作用。鄭磊等(2018)[16]發現科技金融與科技創新之間存在U型的關系，只有科技金融發展超過門檻值，其才能發揮對科技創新的積極影響。潘娟等(2018)[17]則運用DEA方法檢驗了科技金融投入與科技創新績效之間的關聯，發現我國科技金融的創新績效呈逐年上升趨勢，但各地區之間差距較大，東部地區明顯優于中西部地區。

已有關于科技金融與科技創新的研究為本文提供了豐富的理論基礎和經驗借鑒，但仍存在以下不足：①以往相關實證研究主要聚焦于宏觀和微觀兩個層面，分別利用省級和企業層面的數據研究科技金融對科技創新的影響，在中觀層面對城市的相關研究非常有限(1)已有創新的實證研究較少涉及城市層面，主要原因在于城市層面創新的衡量存在困難，以往部分學者利用手工檢索專利數據并以此衡量城市創新水平的，但僅以專利數量衡量的城市創新水平具有一定的片面性。，而城市應為科技金融發展的基本單元，創新型城市建設也是實施國家創新驅動戰略的關鍵環節(2)《科學技術部關于進一步推進創新型城市試點工作的指導意見》指出，要加快落實提高自主創新能力、建設創新型國家的戰略部署，充分發揮城市在推進自主創新、加快經濟發展方式轉變中的核心帶動作用。，因此從城市層面研究科技金融與科技創新問題具有重要的現實意義。②已有文獻主要是利用公共科技金融投入(或企業R&D總支出)等單一指標來考察科技金融的創新效應，而對于科技金融體制機制改革對科技創新的影響則鮮有研究，而體制機制創新可能會在科技金融的創新效應中扮演著關鍵的角色，對科技金融體制機制改革的效果評估是對已有研究的一個拓展和補充。③如何較好地解決內生性問題是此類研究面臨的一個較大挑戰?？萍冀鹑谂c科技創新可能存在雙向因果關系，而這是內生性的一個主要來源。一方面，地區科技金融的發展會促進科技和金融結合，緩解科技創新的融資約束進而促進地區科技創新。另一方面，地區科技創新水平的提升可能會提高本地資本投資回報率，進而吸引更多的資本向本地匯聚，促進科技金融的發展。當前，關于內生性問題的處理，工具變量法是一種比較流行的處理方法，但限于好的工具變量往往難以獲取，因此采用該方法也會造成估計結果上的偏誤。

本文旨在較好地解決上述問題，拓展和深化對科技金融與科技創新關系的認識和理解。首先，我國于2011年設立的首批“促進科技和金融結合”試點只覆蓋16個地區，作為漸進式改革的一部分，這種金融體制機制創新在地區間的差異構成了“準自然實驗”，為本文研究科技金融體制機制改革對于科技創新的影響提供了一個很好的案例。其次，本文利用傾向得分匹配—雙重差分法(Propensity Score Matching with Difference in Difference，縮寫PSM-DID) ，識別促進科技和金融結合對地區科技創新的因果處置效應，該方法可以較好地解決內生性問題。最后，在城市創新的衡量上，我們采用了復旦大學編制的《中國城市和產業創新力報告》中的城市創新指數，較好地解決了城市層面創新研究在指標選取和數據獲得上的局限性。

本文余下部分結構安排如下：第二部分為影響機制分析；第三部分為實證研究設計，包括樣本選取、模型設定、變量定義及數據來源；第四部分為基準分析和穩健性檢驗結果；第五部分為進一步的檢驗；最后為本文的研究結論和政策啟示部分。

二、影響機制分析

科技創新離不開金融資本的支持，諾貝爾獎獲得者?？怂?1969)[18]在經濟史理論中就開創性的提出過，“金融體系能夠為新技術的產生提供大量的資金支持”。沒有資金支持，企業的科技創新就會非常困難(Neff，2003)[19]，金融資本對重大科技創新的發生和發展具有重要的作用(Perez，2002)[20]。而科技金融政策可以在一定程度上促進科技創新和金融資本的結合，進而強化科技創新的金融支持，理應對科技創新起到促進作用。結合“促進科技和金融試點”相關政策，本文認為科技金融政策對地區科技創新的影響主要表現在以下三個方面：一是通過加大科技創新的財政投入以彌補科技創新的金融資源不足，進而促進科技創新；二是通過建立科技創新的風險分散機制促進企業的研發創新投入，進而促進地區的科技創新水平提升；三是通過建立科創企業的篩選機制引導金融資源流向優質科創企業，進一步提高信貸資源配置效率進而促進科技創新。

(一)通過科技財政投入彌補金融資源錯配進而促進科技創新

科技創新具有投資量大、投資周期長，投資盈利慢、投資風險高等特點，因此傳統金融機構不愿或較少將資本投資在該領域，這導致科技創新往往面臨資金上的約束?？萍冀鹑诘某霈F，旨在促使資本更多的流向科技創新企業或研發機構，以緩解其融資約束，促進企業、地區乃至一個國家科技創新的發展。在我國當前的金融體系下，金融資源的分配表現出極度的不均衡，少數國有企業占有大量的金融資源，而大量的中小民營企業則面臨著融資難、融資貴的問題。在大眾創新、萬眾創業的時代背景下，中小科技型企業應為我國創新驅動發展的基礎力量，而其在我國以銀行為主導的金融體系下未能獲得與其發展相匹配的金融資源，這將極大限制中小科技型企業的科技創新，其將在很大程度上阻礙我國創新驅動發展戰略的實施。而促進科技和金融結合試點的設立，意味著政府將在公共金融方面加大對科技創新方面的投入。目前，試點地區科技型中小企業創業投資引導基金已與地方政府、民間投資共同成立了近百家創投基金，基金注冊資本總額超過130億元?？梢?，在試點地區，地方政府科技財政支出占總財政支出的比重將會大幅提高，科技創新企業將會從政府獲得更多的金融支持，進而會緩解企業創新的融資約束，促進地區的科技創新水平提升。

(二)通過風險分散機制激發企業研發投資進而促進科技創新

科技創新企業相對于一般的制造業或服務業而言，其創新風險較高，這在業界已經形成共識。因此，科技創新企業很有可能在投入了巨額的研發資金后，無法收獲預期的創新成果。此外，在知識產權保護機制不健全的情況下，專利、技術標準等科技創新成果如也面臨著較高的被侵權風險。前者將限制金融資本對科技創新的投入，后者將限制科技創新企業自身的創新熱情?？萍冀鹑诮⒌娘L險分散機制可以在很大程度上解決以上問題。一方面，科技金融將引導科創企業與資本市場相結合，推動符合條件的科技創新企業更多地在新三板、中小板、創業板等證券市場板塊上市融資，由于上市公司股權的分散性，其可以在很大程度上分散科創企業的投資風險。另一方面，近年來我國幾大保險公司陸續推出了科技保險，其覆蓋了科技創新的各個流程，為科技創新企業提供保險的綜合服務，尤其是專利險和資金險，在很大程度上分散了企業的科技研發投資、科技成果轉化中的風險，可以促使企業將更多的精力放在創新上，促進科技創新水平的提升。在首批促進科技和金融結合試點地區中，江蘇省率先在科技保險方面進行創新，2012年中國人保財險蘇州科技支公司獲得了保監會頒發的經營許可證，全國首家科技保險支公司在蘇州落地。因此，科技金融政策通過建立風險分散機制為科技創新企業保駕護航，將進一步引導資本市場與科技創新結合，提高企業研發和創新動力，進而提升地區的創新水平。

(三)通過科創企業篩選機制優化市場金融資源配置進而促進科技創新

由于科技型中小企業數量龐大，投資者與企業之間往往會出現信息不對稱的情況，而這有可能會引致逆向選擇問題，即真正有科研實力、創新能力強、具有較好發展潛力的企業在市場難以融到資，而資金卻被一些不具備創新能力，而善于包裝的企業獲得。這實際上屬于金融資源的錯配，會造成了資源的浪費和經濟的損失。我國科技金融發展初期，并沒有針對類似的問題出臺相應的辦法。2011年促進科技和金融結合試點設立后，一些試點地區為投資者與科創企業之間搭建了信息共享平臺，建立了互信機制。如上海市、江蘇省建立了科技金融信息服務平臺，其匯聚了數千家科技型中小企業信息和各類投融資信息；天津、武漢、成都等開發了科技型中小微企業數據庫；北京、上海、江蘇、浙江、陜西創新開展科技企業信用體系建設、科技金融專員服務和科技金融服務熱線等；中關村科技園區實施瞪羚計劃，將信用評價、政府資助和企業融資相結合；天津市、武漢市、江蘇省與當地人民銀行共建科技企業貸款統計制度。這些試點地區的一系列創新舉措，能夠更好地對科技創新企業進行評價篩選，并引導金融資源更多流向同行業中優質的科創企業，更好地促進金融資本和科技創新的結合，實現金融資本的優化配置、促進企業和地區創新水平的提升。

三、研究設計

(一)樣本選取

因為文章選擇的準自然實驗(試點設立時間)發生在2011年，因此選擇前后各五年即2006—2016年的286個城市作為初始樣本?！按龠M科技和金融結合”試點信息來自《科學技術部等部門關于印發促進科技和金融結合試點實施方案的通知》，包括16個試點地區，而這些地區中既有單獨的城市，也有省份，還包括多個城市聯合成立的經濟區?；谘芯啃枰?，我們將其16個試點地區進一步細化為41個試點城市(3)16個試點地區中，包括了中關村國家自主創新示范區、安徽省合蕪蚌自主創新綜合實驗區、長沙高新區、成都高新區、關中—天水經濟區等經濟區，由于缺乏相對應的經濟區數據，本文將經濟區的數據分別由其所屬城市數據替代，因為經濟區的創新也屬城市創新的一部分，尤其是城市高新區、自主創新示范區或試驗區更是城市創新的重心，因此城市層面創新的變化應能體現政策沖擊的效果。，包括北京、天津、上海、重慶4個直轄市，江蘇省的南京、無錫、連云港、淮安、鹽城、徐州、常州、南通、蘇州、鎮江、揚州、宿遷和泰州；浙江省的杭州、溫州、寧波、和湖州；安徽省的合肥、蕪湖和蚌埠；廣東省的廣州、佛山、東莞和深圳；陜西省的西安、渭南、商洛、銅川、寶雞和咸陽；四川的成都和綿陽；此外還包括武漢、長沙、大連、青島和天水5市。根據研究需要，除41個試點城市外，我們還選取了245個城市作為對照組樣本，最終得到11年共3146個城市層面的觀測值。

(二)模型設定

本文所要考察的是“促進科技和金融結合”試點改革對地區創新水平的影響。一般地，可以將“促進科技和金融結合”試點改革視為準自然實驗或擬自然實驗，那么就能通過試點城市與非試點城市在試點設立前后的創新水平變化比對分析試點改革的效果。然而，直接將試點與非試點城市進行對比會導致估計結果的偏誤，原因在于“促進科技和金融結合”試點改革的非隨機性。試點實施方案中指出試點設立的原則是首先由地方自愿申報，那么，科技創新或金融發展基礎較好的地區可能會率先申報試點，即出現“靚女先嫁”的現象[21]。從第一批試點城市來看，其大部分為直轄市、省會城市或副省級城市，相對而言，這些城市都屬科技金融資源密集、科技創新水平相對較高的地區。因此，“促進科技和金融結合”試點改革很大程度上是非隨機的，故可能存在突出的自選擇問題，即很難區分是地區科技金融的發展促進了試點政策出臺，還是試點政策出臺促進了科技金融的發展。因此，簡單地將非試點城市與試點城市直接比對會產生“選擇性偏誤”[22]。

基于此，本文利用傾向得分匹配法(Propensity Score Matching，PSM)來解決這一問題[23]，即利用傾向得分首先選擇與試點城市(處置組)相匹配的的非試點城市(對照組)，然后將匹配后的兩組城市進行比對以反映處置效果。具體而言，首先在給定城市特征X的情況下，估計每個城市獲批試點的概率(傾向得分)，然后在對照組中找尋與處置組城市試點改革概率極為接近的非試點城市進行匹配，以消除選擇性偏誤。假設城市進行試點改革的概率公式為：

(1)

(1)式中，pi為城市i獲批試點的條件概率，而X為匹配協變量，這個條件概率就是傾向得分，我們可以利用該得分來識別與試點城市具有相似特征的非試點城市。那么，當我們估計試點改革的因果效應時，城市是否獲批試點這一因素就被控制了。鑒于傾向得分匹配方法已經在大部分相關文獻中有詳細闡釋，這里就不再贅述。

在樣本匹配之后，我們再使用雙重差分法(Difference in Difference，縮寫DID)估計促進科技和金融結合對于地區科技創新績效的影響。將這兩種方法相結合的PSM-DID已經在國內外的政策評估研究中得到了廣泛的應用。本文構建的雙重差分模型如下：

(2)

(2)式中，下標i和t分別表示城市和年份；Inno是衡量地區創新水平的被解釋變量；Treat用來區分處置組和對照組；Post用于區分試點設立前后兩個時期；交乘項Treat×Post是用于區分試點前后的不同組別城市；Control為控制變量的合集，包括地區經濟發展水平Pgdp、開放程度Pfdi、金融發展Finance和人力資本水平Hum；Di為城市固定效應，Dt為年份固定效應，為控制潛在的序列相關和異方差問題，本文所有的估計采用以市聚類的穩健標準誤。估計式中，β1是本文主要關注的系數，其衡量了試點前后處置組和對照組城市創新水平變化的平均差異，若β1>0，則表明促進科技和金融結合可以提升城市的科技創新水平，若β1<0，則說明促進科技和金融結合不利于城市創新水平提升，若β1=0，則意味著試點的政策效應不明顯。

(三)變量定義

1.被解釋變量

城市創新水平為被解釋變量。以往關于創新研究的文獻主要集中于宏觀和微觀兩個層面，分別利用省級和企業的專利數據衡量創新水平。而在中觀城市層面對創新進行研究的文獻非常有限，這主要是基于數據的可獲得性。趙玉林等(2009)[24]、陳長石等(2019)[25]基于手工檢索城市專利數量，分別研究了城市創新資源配置和創新水平的影響因素。然而，手工檢索專利數據工作量龐雜且繁瑣，而且僅以專利數量衡量城市創新具有一定的片面性，忽視了不同專利的質量和價值中所蘊含的創新信息。此外，專利并非創新的唯一體現，很多創新因涉及商業機密而不便申請專利，因此，僅以專利去衡量城市的創新水平不免有失偏頗?？茏趤淼?2017)[26]基于國家知識產權局的專利數據和國家工商局的新注冊企業數據這兩組微觀大數據，在專利更新模型基礎上對每個年齡專利的平均價值進行估算，將其在城市層面加總，并進一步引入新注冊企業數量度量的創新能力，得到城市創新指數，修正了以往僅從專利數量度量城市創新水平的測量誤差。該創新指數覆蓋全國338個城市，時間跨度為2001—2016年，為研究城市創新提供了一個很好的數據來源。本文的研究就以該創新指數衡量地區創新水平，指標說明與具體數據參見《中國城市和產業創新力報告2017》。

2.核心解釋變量

交乘項Treat×Post是本文的核心解釋變量。其中，Treat為政策虛擬變量，如果樣本城市是2011年被列入“促進科技和金融結合”試點城市，Treat賦值為1，如果是試點名單之外的城市，Treat賦值為0；Post為政策期虛擬變量，2011年以前(含2011年)賦值為0，2011年之后則賦值為1；根據雙重差分的原理，Treat×Post的系數β1實際上就是“促進科技和金融結合”試點改革對地區創新的凈影響，當且僅當第i個城市是試點城市，且Post≥2012時，Treat×Post取值為1，否則為0。

3.控制變量

借鑒李政等(2018)[27]、程開明等(2018)[28]等相關研究，本文在雙重差分模型中加入如下控制變量：(1)地區經濟發展水平(pgdp)，以人均地區生產總值衡量地區經濟發展水平，估計中取自然對數值，一個地區的經濟發展水平越高，其可能會有更多的資金進行產業技術的升級改造，此外，經濟的發展也會改變居民的消費需求，對企業的產品和服務提出更高的要求，其也會迫使企業進行轉型升級，而這些都會促進地區創新水平的提升；(2)地區開放程度(pfdi)，以地區年度實際利用外資金額占當年地區生產總值的比重表示，一個地區的開放程度越高，其越有可能通過國際貿易、外商直接投資或專利申請、專利引進等國際技術擴散方式，提升地區自主創新能力，促進地區創新水平的提升；(3)地區金融發展水平(finance)，以年末金融機構存貸款余額占地區生產總值比重表示，科技創新離不開金融資本的支持，因此，一個地區的金融發展水平與該地區的科技創新水平應該會存在較大關聯；(4)地區人力資本水平(hum)，以科技從業人員在全部從業人員中的占比表示，科技創新需要有相應的科技人才作為支撐，因此，一個地區的人力資本水平可以在一定程度上覺得了該地區的科技創新水平；(5)地區科技支出水平(expen)，以地方政府財政支出中的科技支出的自然對數表示，政府的科技投入是科技創新的一個主要資金來源，因此地區科技財政支出水平應會對地區創新水平產生影響；(6)地區人口規模(pop)，以地方年末戶籍人口的對數表示，人口規?？梢栽谝欢ǔ潭壬洗硎袌鲆幠?，因此，人口規模較大的地區其創新的回報可能會更高，這會促使企業進行更多的創新，進而促進地區創新水平的提升。以上控制變量的數據均來自2007—2017年《中國城市統計年鑒》。

四、實證結果分析

(一)傾向得分匹配

借鑒已有文獻的做法[29]，本文同時選用5對最鄰近匹配法(5-nearest neighbors matching)和內核匹配法(epanechnikov kernel matching)以確保結果的穩健性。而傾向得分匹配法的采用首先需要滿足其前提假設：一是條件獨立分布假設，要求按照傾向得分進行匹配后的樣本不存在系統性的差異；二是共同支撐條件假設，即要確保樣本在匹配后具有更好的可比性，這需要處置組和對照組的傾向得分能夠有足夠的重疊部分，進而增加后面進行DID估計的有效性。為了驗證第一個假設，本文首先對匹配后的城市樣本進行平衡性檢驗，結果見表1。通過t值可以發現，匹配前所有解釋變量在處置組和對照組間均存在著顯著的均值差異，而匹配后組間均值差異都變得不顯著，而且在匹配后各個變量的標準化差異降幅明顯。此外，樣本匹配之后的Probit估計的R2值明顯很小，這意味著匹配變量對于一個城市是否獲批“促進科技和金融結合”試點的解釋力很弱，可以認為試點城市獲批與否相對于匹配后的樣本而言是條件隨機的。

表1 PSM的平衡性檢驗結果

圖1 城市樣本匹配前后的傾向得分核密度

接著，我們利用傾向得分的核密度分布圖對共同支撐假設進行檢驗。如圖1所示，在樣本匹配之前，兩組樣本的傾向得分值有非常大的差異，幾乎無重疊的部分，而在依照傾向得分對兩組樣本進行匹配之后，我們發現大部分的樣本都落在了共同支撐區域，這表明匹配的樣本質量較好，滿足了共同支撐假設。此外，有少數沒有落入共同支撐區域的樣本，在后面的分析中我們將之剔除，以保證估計的準確性。

(二)雙重差分估計結果與分析

1.基準回歸結果分析

基于之前傾向得分匹配后的樣本數據，本文首先利用公式(2)進行回歸估計。如表2所示，第(1)列只報告了控制地區和時間層面雙向固定效應的估計結果，結果顯示Treatc×Postt的估計系數為正，且在5%的水平上顯著；第(2)列又控制了地區層面的其他控制變量，Treatc×Postt的系數仍然顯著為正，只是相比第(1)列的系數略微變小。這也進一步印證了傾向得分匹配效果較好，因為匹配后改革變量不受其它控制變量的影響，所以即使加入相關控制變量，Treatc×Postt的回歸系數不會發生較大變化?？傮w回歸結果表明“促進科技和金融結合”試點設立后，遭受政策沖擊的處置組地區創新水平比未遭受政策沖擊的對照組地區創新水平經歷了更高水平的增長，說明促進科技和金融結合顯著提升了地區的創新水平。試點地區創新指數相對未試點地區要平均高出1.34。根據公式(2)地區創新水平提升的構造原理，進一步可知“促進科技和金融結合”試點促進地方創新水平提升的基本機制在于，設立科技金融結合試點有效促進了地區信貸資金分配市場化水平提升，換句話說，試點政策有利于引導金融資源向科技型中小企業進行再配置。

表2 促進科技和金融結合對地區創新水平的影響

注：括號中為市級層面聚類的穩健標準誤，***、**、*分別代表在1%、5%和10%的水平下顯著；地區層面控制變量包括經濟發展水平、開放度水平、金融發展水平以及人力資本水平，限于篇幅未報告。下同。

2.穩健性檢驗

為保證估計結果的穩定性和可靠性，本文從雙重差分估計的假設條件識別、傾向得分樣本的進一步處理、控制其他相似政策沖擊和控制其它潛在遺漏變量四個方面進行穩健性檢驗。

(1)雙重差分法的假設條件識別：雙重差分法能夠較好地評估政策效果，而且在實際操作中也易于實施，因此其在近些年來受到國內外學者的普遍青睞。但雙重差分法的使用有其嚴格的假設前提，如果在不滿足這些前提條件的基礎上就利用該方法進行政策評估，勢必會導致估計結果存在偏誤[30]。雙重差分法的第一個重要假設就是平行趨勢，即要求處置組和對照組在政策實施前其結果變量的趨勢應該是一致的，本文基于匹配后的樣本對這一假設條件進行識別，借鑒許和連等(2018)[31]的研究，模型設定如下：

(3)

模型(3)中，Dt±j為系列虛擬變量，當處置組在試點前的j年時，Dt-j取值為1；當處于試點后的j年時，Dt+j取值為1；除此之外，Dt±j均取值為0。在這里，我們以試點當年作為參照組，回歸結果中的Dt±j系數就是用來與參照組相比，以此判斷在試點設立前后的第j年，處置組和參照組城市的創新水平是否存在著顯著差異。在具體回歸中我們參考周茂等(2018)[32]的做法，剔除首年以避免多重共線性?；貧w結果見表3第(1)列，檢驗這些Dt±j的系數發現，在試點之前系數均不顯著，而在試點當年及其以后各年其系數都在5%的水平上顯著，說明我們采用的雙重差分模型滿足平行趨勢假設條件。

其次，雙重差分法需要滿足預期效應假設，即政策實施前的處置組和參照組不能形成有效預期，否則各地區在政策實施前的預期反應會給政策評估造成干擾，導致估計結果的偏誤。對此，本文在模型(2)中加入Treatc×D11t項，D11t為2011年即本文定義試點政策實施前的虛擬變量，如表3第(2)列所示，這一項的系數很小且不顯著，排除了預期效應存在的可能，同時發現在考慮預期效應的情況下，我們關注的Treatc×Postt系數與基準回歸結果相比沒有實質性的改變。

(2)基于傾向得分對樣本進行修剪：由于傾向得分匹配法的共同支撐假設可能會受到傾向得分尾部的影響，本文利用尾部修建策略(trimming strategy)進行穩健性檢驗。若修剪后雙重差分的分析結果沒有出現實質性的變化，我們就傾向認為政策評估效果的可靠性較高。如表3第(3)列所示，在對傾向得分尾部極端值進行2%的修剪后，Treatc×Postt的影響有所下降，但仍在5% 的水平上顯著，同時，我們也對尾部得分按5%和10%的水平進行修剪，結果與之前基本一致，限于篇幅該結果并未在表中進行報告。匹配樣本修剪前后估計結果的一致性，在一定程度上說明了之前基準回歸結果的可靠性。

(3)控制其它相似政策沖擊的影響：中國的經濟改革是一項復雜的系統工程，針對某一項經濟目標，經?？赡軙卸鄠€經濟政策交叉或并行出現。這樣，在Treat×Post=1時，其影響系數反映出來的就不僅是“促進科技和金融結合”試點改革的影響，其也可能包含了與創新相關的其它政策沖擊的影響，這樣也會導致估計結果存在偏誤?；诖?，本文對相似的政策進行控制：一是國家創新試點城市，十六屆五中全會明確提出要“建設創新型國家”，而創新型國家需要有眾多的創新型城市作為支撐，我國在2008年批準深圳為首個創新試點城市，而在我們研究的樣本期間內，已有61個城市獲批創新型城市試點建設區。因此，在計量模型(2)的基礎上，我們加入了城市是否屬于國家創新城市試點(innocity)這一虛擬變量，如果城市在t年列入國家創新試點則賦值1，否則取0值。二是國家自主創新示范區，自2009年中關村國家自主創新示范區獲批后，截至2016年底，我國已成立17個國家自主創新示范區，涉及43個城市。因此，我們也在計量模型中加入了城市是否屬于國家自主創新示范區(zone)這一虛擬變量，如果t年該城市列入國家自主創新示范區，則賦值1，否則取0值。表3第(4)列給出了控制其它相似政策沖擊后的估計結果，Treat×Post的估計系數同表2結果相比略有下降，但其仍在5%的水平下顯著，這表明前文的結論依然成立。

(4)控制潛在遺漏變量，雖然本文已經控制了城市層面的變量，以及控制了城市、時間層面的雙向固定效應，理論上可以處理遺漏變量問題。但是仍然可能存在一些隨時間和地點變化的變量無法觀測和控制，如不同省級政府的其它政策調整動態不同也會影響城市的創新水平變化，從而使估計結果產生偏誤，對此，表3第(5)列給出了加入省份×時間的固定效應的估計結果，表明之前結果仍然具有穩健性。

表3 穩健性檢驗

五、進一步檢驗

前文的經驗證據表明，從總體上，促進科技和金融結合試點改革促進了城市的創新水平提升。但是，這一促進作用是否在不同類型地區之間存在差異呢？基于此，本文從地區等級、地方政府效率、地區初始創新水平三個維度檢驗在不同分類標準下試點政策效果的地區差異。此外，本文還將進一步研究試點政策是通過何種渠道促進城市創新水平提升的。

(一)地區等級對試點政策效果的影響

中國各個地區的總體發展狀況往往與地區等級存在著較大的關聯，這可能會使得政策效果在不同等級城市存在差別。像直轄市、省會城市或副省級城市等通常會在物質資源占有、人力資本存量、技術創新能力等多方面具有明顯的優勢，同樣的政策優惠在這些城市更多扮演“錦上添花”的角色，邊際效用較小，而由于欠發達城市的政策壁壘冗繁，試點政策對這些地區更可能是“雪中送炭”，政策效果會更為明顯。本文參照劉瑞明等(2015)[33]的做法(4)副省級城市包括南京、杭州、武漢、西安、成都、哈爾濱、長春、沈陽、大連、濟南、青島、寧波、廣州、廈門、深圳。經國務院批準的其他較大的市即為狹義上的“較大的市”，具體包括大連、本溪、撫順、吉林、齊齊哈爾、包頭、洛陽、邯鄲、寧波、大同、唐山、鞍山、青島、淄博、無錫、淮南、蘇州、徐州。，將城市劃為兩類，一為高等級城市，包括直轄市、省會城市、副省級城市和較大的市，其它城市則劃為一般等級或低等級。表4第(1)和(2)列給出了按城市等級分組的回歸結果，結果發現政策試點對于兩類城市的創新水平均具有積極顯著的影響，相對而言，低等級城市的回歸系數Treat×Post更大，意味著其促進科技與金融結合的創新績效更為突出，這也與之前的分析相一致。

(二)地區政府效率對試點政策效果的影響

政府政策效果和國家經濟發展依賴于政府能力[34]，而具體到“促進科技和金融結合”試點改革，其政策效果在于地方政府是否能夠出臺符合市場規律和產業發展要求的政策措施，并予以有效實施，而這些都取決于政府效率[35]。對此，本文參照Tang等(2014)[36]計算的我國各省政府效率指數，使用試點政策實施前的2006和2010年的初始平均指數將各省分為高效率和低效率兩組，樣本城市根據所在省份的組別而定。表4第(3)和(4)顯示了城市按政府效率進行分組的回歸結果，結果表明在政府效率高的地區設立試點對于該地區創新水平提升具有顯著的積極作用，而對于政府效率低的地區無顯著影響。這說明“促進科技和金融結合”試點的政策效果與政府效率存在較大關聯，低效率政府沒有能力出臺符合市場經濟規律和產業發展要求的政策，或出臺了較好的政策但沒有能力有效實施，這些都會導致試點設立在政府效率低的地區沒有發揮應有的效力。

(三)地區創新水平對試點政策效果的影響

從《中國城市和產業創新力報告2017》來看，中國各個地區的創新水平是非均衡的，以2006年為例，我國創新指數最高的城市為北京(84.75)，排名前10位城市的平均創新指數為22.87，而創新指數低于0.01的有101個城市。城市初始創新水平的差異在一定程度上代表了不同城市在金融發展、人力資本、產業結構等方面的巨大差距，而這可能也會造成試點政策的創新績效的不同。對此，本文將城市按2006和2010年的平均創新水平由高到低均分為兩組，表4第(5)和(6)列報告了試點改革在不同創新水平地區的政策效果異質性。結果表明，初始創新水平高的地區，促進科技和金融結合顯著提升了該地區創新水平，其影響系數高于基準歸回系數。而創新水平低的地區的試點政策效果不顯著?？赡艿脑蛟谟趧撔滤捷^高地區已經擁有了良好的技術創新配套產業，在試點政策實施后，科技創新產業的融資約束在很大程度上被緩解，其它技術創新配套產業也被進一步激活，兩者互補效應進一步顯現，地區創新能力被充分激發。而在創新水平較低的地區，即使科技型企業的融資獲得了政策性的支持，但由于科技創新的其它相關配套產業發展較為滯后，其政策效果因而大打折扣或政策難以發揮效力。

表4 科技金融試點的創新效應：區分地區發展程度

(四)影響機制檢驗

我國金融發展在規模上呈現持續增長，而在優化信貸資源分配上相對滯后，國有企業在分配信貸資源時往往具有相對優勢[37]。促進科技和金融結合試點設立的初衷就是優化地方金融資源配置，使更多的信貸資源向科技型中小企業傾斜，使其免于融資難、融資貴等問題。換句話說，試點政策會在一定程度上彌補地方信貸資源分配低效，通過緩解科技型中小企業的融資約束促進其創新，進而帶動地方創新水平的提升。如果該機制存在，那么可以推測在信貸資源分配效率越低的地區，促進科技和金融結合對地區創新水平的促進作用就會越大。對于信貸資源分配的效率，信貸資金分配市場化指數可能是最為合適的一個衡量指標，該指標見于樊綱等(2011)[38]編制的《中國市場化指數》，然而，遺憾的是該指數是分省份計算的，并沒有覆蓋城市層面。對此，我們借鑒潘海峰等(2018)[39]的研究，以金融發展效率(tds)指標替代，采用城市信貸總額與儲蓄總額的比值，并將其與Treatc×Postt的交乘項加入模型(2)中，估計結果見表5第(1)列，可以看出Treatc×Postt×Tdsct的系數在1%的水平上顯著為負，這與我們之前的推測是一致的，即在金融發展效率越低的地區，促進科技和金融結合的創新績效越高。此外，獲批試點城市大都加大對科技型產業的財政支持力度，以江蘇省為例，自試點設立后，其市、區、縣三級科技部門每年都為科技企業提供超過20億元的財政支持，這將與優化金融市場資源配置形成合力，促進該地區創新水平的提升。因此，本文進一步加入地方科技支出占比(expen)與Treatc×Postt的交乘項，估計結果見表5第(2)列，Treatc×Postt×Expenct的系數在5%的水平上顯著為正，這意味著試點地區科技財政支出的比重越大，促進科技和金融結合的創新績效越為突出。此外，由于缺乏各個城市在企業層面加總的研發投入數據，因此前文討論的第二個影響機制暫無法檢驗，隨著大數據的發展和統計制度的完善，相信該影響機制也會得到驗證。

表5 影響機制檢驗

六、結論及政策啟示

隨著中國經濟發展戰略由要素驅動和投資驅動轉向創新驅動，科技創新和相關的體制機制創新將成為提高自主創新能力和決定未來經濟增長動力的關鍵，在此背景下，本文的創新在于從“促進科技和金融結合”試點設立這一體制機制創新的角度探討了地區科技創新水平提升的新路徑。本文基于2011年中國設立的16個促進科技和金融結合試點地區構建了可用于政策評估的準自然實驗，據此采用PSM-DID方法實證評估了促進科技和金融結合對地區創新水平的影響。研究發現：總體上，“促進科技和金融結合”試點作為一項依地制定的產業政策，有效推動了地區創新水平的提升，這一結論在考慮了雙重差分的識別條件和一系列有可能對結果造成干擾的其它因素后仍然成立；促進科技和金融結合的創新效應主要存在于地方政府效率、創新水平相對較高的地區；再次，試點設立對于高等級和低等級城市的創新水平提升均具有積極顯著的影響，相對而言，低等級城市促進科技與金融結合的創新績效更為突出；最后，影響機制檢驗結果表明，試點政策通過改善地方金融發展效率、增加地方科技支出比重兩個渠道促進了地區創新水平的提升。

本文發現具有重要的政策啟示。第一，促進科技和金融結合能顯著提升地區的創新水平。因此，國家應進一步為地方實施科技金融創新營造政策空間，進一步支持首批試點地區先行先試，結合自身特點大力創新科技金融投入方式，完善科技金融服務模式，破解科技創新融資約束，并形成更多可復制借鑒的經驗。第二，各試點地區應結合本地資源稟賦、產業特點等量身打造試點政策，避免盲目借鑒或復制其它地區的模式，尤其是科技創新水平較差地區應盡快建立符合科技創新客觀規律的管理體制機制及相關配套產業，在公共服務、公共資源配置、政務公開等方面發力提高政府運行效率，制定符合市場經濟規律和產業發展要求的促進科技和金融結合試點政策，并能夠保障試點政策的有效實施。第三，在促進科技創新中，政府的財政支持與金融市場效率提升之間存在共生互補的關系，促進科技和金融結合不應存在“市場還是政府”的狹隘爭辯，應理順政府和市場在科技金融發展中的關系，既要充分提升金融市場資源配置的效率，也應使政府財政資源更多的向科技創新產業傾斜，以市場和政府的合力共同促進科技和金融的結合。