论文部分内容阅读
【摘要】文章利用我国1995年第1季度至2007年第2季度的相关金融数据和反映技术创新的有关数据进行深入的实证分析。文章的结论主要有：第一，我国金融中介的发展与技术创新有着长期的正相关关系并且金融中介的发展对技术创新产生了促进作用；第二，我国股票市场的发展与技术创新之间也存在着长期的正相关性，股票市场的流动性对技术创新的推动作用大于扩大股市规模对技术创新的影响。
【关键词】 金融发展 技术创新 随机前沿分析 协整检验
一、引言
金融发展与技术创新之间关系的研究源于金融发展与经济增长理论。发展经济学一般认为金融发展终将通过“资本积累”和“技术创新”两个渠道对经济增长产生影响（Levine，1997）。Hicks（1969）认为英格兰的金融体系在为巨大工程筹集资本进而引发工业革命的过程中起了关键性作用，Schumpeter（1912）主张功能良好的银行通过甄别并向最有机会在创新产品和生产过程中成功的企业家提供融资而促进技术创新。20世纪80年代，随着内生经济理论的发展，有关金融发展通过技术创新渠道影响经济增长的理论和实证研究也随之不断深入。在Romer（1990）、Grossman和Helpman（1991）以及Aghion和Howitt（1992）的增长模型中，金融体系功能通过改变技术创新率最终影响稳态增长，这些文献将研究重点都集中在新生产过程和商品的创新上。此外，持有可分散风险且具有创新意义的项目所发行的股票，不但可以减少风险，而且还能促进全社会对创新活动的投资（King和Levine，1993）。因此，金融系统的风险管理功能有利于促进技术创新（Saint和Paul，1992）。在实证研究方面，大多数文献均以生产率作为技术创新的代理指标，通过讨论金融发展和生产率之间的关联性来判断金融发展作用于经济增长的技术创新机制。King和Levine（1993）在Goldsmith的研究基础上，利用77个国家1960-1989期间的面板数据，实证验证了金融发展水平对于长期生产率增长的预测能力。Levine、Loayza和Beck（2000）的实证研究表明：金融对长期经济增长的贡献在于提高全要素生产率，而不在于提高资本存量。
国外关于金融发展促进技术创新的研究成果对我国自主创新战略具有积极的启示，也得了国内学者的关注。孙伍琴（2004）、李建伟（2005）、王永中（2006）和彭文平（2007）等从理论角度分析了金融发展对技术创新的促进作用。在实证研究方面，张军和金煜（2005）使用中国的省份面板数据，检验并发现1987-2001年中国改革以来金融深化对生产率具有显著的正的影响。沈能和赵建强（2005）、刘凤朝和沈能（2007）对我国金融发展与技术进步的关系进行了实证研究，得出相近的结论：我国金融规模与技术进步正相关且两者之间具有双向因果关系，但金融效率与技术进步负相关且不存在任何因果关联。
国内研究多从金融中介角度实证研究金融发展与技术创新之间关系，本文拟从金融中介和资本市场两个方面进行实证研究。本文的结构安排如下：第二部分对我国技术创新率进行估计；第三部分介绍了计量模型中解释变量及其度量方法；第四部分建立计量模型进行相关性估计并分析；第五部分得出结论。
二、我国技术创新的测度
在检验“技术创新”渠道的实证研究中，早期研究将索洛余值定义为全要素生产率（TFP）以反映生产者的技术水平。根据索洛模型，产出的增长扣除投入增长之外就是全要素生产率的增长。索洛增长核算假定所有生产者在技术上都充分有效，显然不完全符合经济现实，随着对全要素生产率的深入分析和分解，前沿技术分析逐步被发展起来并得到广泛应用。该方法允许生产者存在技术无效率，将全要素生产率分解为前沿技术和技术效率，前者刻画某一时期所有生产者最优生产技术，技术进步表明了生产可能性边界随时间变化的轨迹，后者描述个别生产者实际生产技术与最优技术的差距，一个企业在等量要素投入条件下，产出与最大产出的距离。而随机前沿分析（SFA）和数据包络分析（DEA）是分解前沿技术和技术效率的两种最主要的方法。
傅晓霞和吴利学（2007）利用1978-2004年中国各地区经济增长数据分别应用SFA和DEA对全要素生产率进行了测算和分解，结果表明：由于1978年以来中国经济增长过程中不可避免地存在诸多随机扰动和不可观测因素，特别是位于生产率前沿的东部发达地区受体制转轨和国际市场环境等不完全可控因素的影响更为突出，SFA可能比DEA更为适用，其结论也更为可靠。因此，本文运用SFA方法来测算我国技术创新率。
在随机前沿生产函数模型中，采用形式灵活的超越对数生产函数，主要有3个优点：一是允许要素间替代弹性可变；二是允许存在非中性的技术进步，将技术进步分解为一个共同项和一个随不同地区和时间而变化的特质项；三是可以方便地将 TFP增长率分解为技术进步项、生产效率变化项，以及规模效率变化项。
假定投入要素主要包括资本和劳动，采用的超越对数生产函数形式为：
1nyt=?茁0+?茁11nkt+?茁21nLt+?茁31n2kt+?茁41n2Lt+?茁51nkt?鄢1nLt+?茁6t+
其中1nyt是第t年的对数产出，1nkt是第t年的对数资本投入，本文用固定资产投资来衡量，数据来自《中国经济统计快报》；1nLt是第t年的对数劳动投入，本文以城镇单位就业人数衡量；t是时间趋势，表示技术变化。由于我们的目的是测算技术创新，即前沿面技术，故对技术效率、生产无效率项没有进行进一步分析。
其中?茁6+2?茁7t表示纯粹的技术变化，是所有地区面临的共同的技术进步率，这是因为技术外溢使每个地区都面临相似的前沿技术水平；?茁8t1nkt+?茁91nLt表示非中性的技术进步，随不同的时期而变，因为有些技术是通过“干中学”获得的，这种学习能力因各种原因而有所差异，而且需要一个学习的过程。并用极大似然估计方法对上面的超越对数生产函数进行回归，计算出技术进步率。从图1的变化趋势看，我国技术进步增长率整体趋势都是在不断提高，1995年和1999年增长较快，随后都比较平稳，增速趋缓，近两年略有下降。
三、解释变量的选取及其度量
要研究我国金融发展与技术创新的关系，首先要对金融中介、金融市场和技术创新分别建立衡量指标，以进一步分别考虑它们两者之间的关系。限于数据的可获得性，针对金融中介和股票市场提出反映我国金融发展水平的指标。实证所需数据来自《中国人民银行统计季报》、《中国证券期货统计年鉴》、中国统计局网站、中国人民银行网站。
1、金融深度指标
Goldsmith提出金融相关率作为金融发展程度的衡量指标，是指一定时期内社会金融活动总量与经济活动总量的比值。货币化程度越高，金融深化特征越明显，金融发展越快。衡量金融中介的总体规模，使用学术界广为认同的货币化指标，等于全部金融中介体的流动负债与季度GDP的比率。全部金融中介体的流动负债实际上就是M3，但由于我国缺乏M3的统计数据，故用M2替代。
2、金融效率指标
即存款银行贷款对名义GDP的比率，更能直接反映金融中介发展水平的指标，在反映金融效率方面，银行向私人部门贷款与信贷总额的比值指标则更加适合（King和Levine，1993）。但由于缺乏宏观金融指标的官方统计数据，当前可供选择的指标只有全部信贷与GDP的比值。
3、资本化率
用来反映股票市场的规模，等于流通股市价总值与GDP的比率。由于大部分国家股和法人股并没有上市流通，不具备股票市场信息收集、风险分散等功能，只有社会公众股才能真正代表我国股票市场发展规模和水平，股票市场规模越大，募集资金和分散风险能力越强，所以本文选择流通市值而不是市价总值。此外，流通股市价总值是某一时点值，而可获得的是上交所和深交所月末股票流通市值，我们先加总上交所和深交所流通股票每个月的月末值，得到各月的流通股市价总值，再对每个季度三个月的月末流通股市价总值求算术平均即得各季的平均流通股市价总值。
4、周转率
等于该季度的股票总成交金额除以该季度的股票流通市值，反映了股票市场的流动性，金融系统能够为技术创新提供风险分散和提高流动性的机制，而股票市场的风险分散和提高流动性功能似乎有更大的优势，因此我们把股票市场的流动性指标放入模型中进行考察，以检验股票市场与技术创新的关系。同时高换手率意味着相对低的交易费用，能够反映了金融市场发展。
四、金融发展与技术创新之间的协整关系检验及结果分析
本文使用季度数据以增加样本数量，但会导致时间序列随季节呈现有规律的波动。为消除季节的影响，采用移动平均比率法对DEPTH、DEBT、CAP和TURN进行调整，使得不同季度之间的数据具有可比性。此外，将时间序列转换成相应的对数系列LTECH、LDEPTH、LDEBT、LCAP和LTURN，以克服数据的异方差性。为了判断金融发展与技术创新之间可能存在的协整关系，需要先判断各序列的单整阶数，为此采用单位根检验。表1给出了单位根检验的ADF统计量。在1%的显著性水平下，ADF统计量均无法拒绝存在单位根的原假设。进一步对各序列的差分序列进行单位根检验，在1%的显著水平下，检验发现它们的差分序列已是平稳过程。因此，可以判定各序列都是1阶单整过程。因而在此基础上可以继续检验这些变量之间的协整关系。
（注：检验类型中的c和t表示带有常数项和趋势项，k表示所采用的滞后阶数。）
表2给出了技术创新率与金融深度、金融效率的协整关系的Johansen检验结果。无论是迹检验还是最大特征值检验都表明：在5%的显著性水平下，LTECH 与LDEPTH、LDEBT之间存在协整关系。我们取标准化协整向量，其协整关系的估计方程为：
LTECHt-0.117LDEBTt-0.817LDEPTHt+4.690=u1t
其中u1t为平稳序列，它表示协整关系当中的动态偏差，常数项表示技术创新率与金融深度、金融效率的尺度差异。经济时间序列的协整组合一般具有明显的经济含义，它表示这些经济变量的趋势成分之间具有稳定的影响关系，这种长期影响关系经常表示经济变量之间的长期均衡关系。因此，技术创新率LTECHt和金融深度LDEBTt、金融效率LDEPTHt之间存在长期均衡关系，并且具有显著的正相关性，而且金融深化对技术创新的贡献更大。
表3给出了技术创新率与股票市场的资本化率与周转率金融深度、金融效率的协整关系的Johansen检验结果：无论是迹检验还是最大特征值检验都表明：在5%的显著性水平下，LTECH与LTURN、LCAP之间存在协整关系。我们取标准化协整向量，其协整关系的估计方程为：
LTECHt-0.042LTURNt-0.232LCAPt+3.191=u2t
协整检验表明，技术创新与股票市场的资本化率、周转率之间存在着长期均衡关系，且具有显著的正相关性。
五、结论与政策建议
本文从“技术创新”角度出发，以技术进步率作为技术创新的代理变量，讨论了金融发展和技术创新的关联性，并得到如下结论：第一，通过对我国的TFP进行估计，并分解门出技术进步率。结果显示：我国技术进步增长率整体趋势都是在不断提高，1995年和1999年增长较快，随后都比较平稳，增速趋缓，近两年略有下降。第二，金融中介的发展与技术创新有着长期的正相关关系，金融深化、银行信贷规模的扩大都对技术创新产生拉动作用。第三，股票市场的发展与技术创新之间存在着长期的正相关性，提高股票市场的流动性，便利股票的交易对技术创新的推动作用大于扩大股市规模对技术创新的影响。本文的结论可以用来支持金融发展作用于经济增长的“技术创新”途径。
（注：本文得到国家社科基金资助，基金编号：06BTJ009。）
【参考文献】
[1] 张军、金煜：中国金融深化和生产率关系的再检验：1987-2001[J].经济研究，2005（11）.
[2] Aghion，P.、P：A Model of Growth through Creative Destruction[M].Econometrica，1992.
[3] F?覿re， R. ：Fundamentals of Production Theory[J].Lecture Notes in Economics and Mathematical Systems，1998.
[4] King，R. G. and R：Finance and Growth，Schumpeter Might Be Right[M].Quarterly Journal of Economics，1993.
[5] Levine，R.：Finance and Growth: Theory and Evidence[M].Handbook of Economic Growth，Elsevier Science，2005.
[6] Sun， H.：Foreign Investment and Economic Development in China：1979-1996[M].London：Ashgate Publishing Limited，1998.
[7] Wang，Y.、Y.D.Yao：Sources of China’s Economic Growth 1952–1999：Incorporating Human Capital Accumulation[J].China Economic Review，2003（1）.
[8] World Bank.：China 2020，Development Challenges in the New Century[R].Washington，1997.
【关键词】 金融发展 技术创新 随机前沿分析 协整检验
一、引言
金融发展与技术创新之间关系的研究源于金融发展与经济增长理论。发展经济学一般认为金融发展终将通过“资本积累”和“技术创新”两个渠道对经济增长产生影响（Levine，1997）。Hicks（1969）认为英格兰的金融体系在为巨大工程筹集资本进而引发工业革命的过程中起了关键性作用，Schumpeter（1912）主张功能良好的银行通过甄别并向最有机会在创新产品和生产过程中成功的企业家提供融资而促进技术创新。20世纪80年代，随着内生经济理论的发展，有关金融发展通过技术创新渠道影响经济增长的理论和实证研究也随之不断深入。在Romer（1990）、Grossman和Helpman（1991）以及Aghion和Howitt（1992）的增长模型中，金融体系功能通过改变技术创新率最终影响稳态增长，这些文献将研究重点都集中在新生产过程和商品的创新上。此外，持有可分散风险且具有创新意义的项目所发行的股票，不但可以减少风险，而且还能促进全社会对创新活动的投资（King和Levine，1993）。因此，金融系统的风险管理功能有利于促进技术创新（Saint和Paul，1992）。在实证研究方面，大多数文献均以生产率作为技术创新的代理指标，通过讨论金融发展和生产率之间的关联性来判断金融发展作用于经济增长的技术创新机制。King和Levine（1993）在Goldsmith的研究基础上，利用77个国家1960-1989期间的面板数据，实证验证了金融发展水平对于长期生产率增长的预测能力。Levine、Loayza和Beck（2000）的实证研究表明：金融对长期经济增长的贡献在于提高全要素生产率，而不在于提高资本存量。
国外关于金融发展促进技术创新的研究成果对我国自主创新战略具有积极的启示，也得了国内学者的关注。孙伍琴（2004）、李建伟（2005）、王永中（2006）和彭文平（2007）等从理论角度分析了金融发展对技术创新的促进作用。在实证研究方面，张军和金煜（2005）使用中国的省份面板数据，检验并发现1987-2001年中国改革以来金融深化对生产率具有显著的正的影响。沈能和赵建强（2005）、刘凤朝和沈能（2007）对我国金融发展与技术进步的关系进行了实证研究，得出相近的结论：我国金融规模与技术进步正相关且两者之间具有双向因果关系，但金融效率与技术进步负相关且不存在任何因果关联。
国内研究多从金融中介角度实证研究金融发展与技术创新之间关系，本文拟从金融中介和资本市场两个方面进行实证研究。本文的结构安排如下：第二部分对我国技术创新率进行估计；第三部分介绍了计量模型中解释变量及其度量方法；第四部分建立计量模型进行相关性估计并分析；第五部分得出结论。
二、我国技术创新的测度
在检验“技术创新”渠道的实证研究中，早期研究将索洛余值定义为全要素生产率（TFP）以反映生产者的技术水平。根据索洛模型，产出的增长扣除投入增长之外就是全要素生产率的增长。索洛增长核算假定所有生产者在技术上都充分有效，显然不完全符合经济现实，随着对全要素生产率的深入分析和分解，前沿技术分析逐步被发展起来并得到广泛应用。该方法允许生产者存在技术无效率，将全要素生产率分解为前沿技术和技术效率，前者刻画某一时期所有生产者最优生产技术，技术进步表明了生产可能性边界随时间变化的轨迹，后者描述个别生产者实际生产技术与最优技术的差距，一个企业在等量要素投入条件下，产出与最大产出的距离。而随机前沿分析（SFA）和数据包络分析（DEA）是分解前沿技术和技术效率的两种最主要的方法。
傅晓霞和吴利学（2007）利用1978-2004年中国各地区经济增长数据分别应用SFA和DEA对全要素生产率进行了测算和分解，结果表明：由于1978年以来中国经济增长过程中不可避免地存在诸多随机扰动和不可观测因素，特别是位于生产率前沿的东部发达地区受体制转轨和国际市场环境等不完全可控因素的影响更为突出，SFA可能比DEA更为适用，其结论也更为可靠。因此，本文运用SFA方法来测算我国技术创新率。
在随机前沿生产函数模型中，采用形式灵活的超越对数生产函数，主要有3个优点：一是允许要素间替代弹性可变；二是允许存在非中性的技术进步，将技术进步分解为一个共同项和一个随不同地区和时间而变化的特质项；三是可以方便地将 TFP增长率分解为技术进步项、生产效率变化项，以及规模效率变化项。
假定投入要素主要包括资本和劳动，采用的超越对数生产函数形式为：
1nyt=?茁0+?茁11nkt+?茁21nLt+?茁31n2kt+?茁41n2Lt+?茁51nkt?鄢1nLt+?茁6t+
其中1nyt是第t年的对数产出，1nkt是第t年的对数资本投入，本文用固定资产投资来衡量，数据来自《中国经济统计快报》；1nLt是第t年的对数劳动投入，本文以城镇单位就业人数衡量；t是时间趋势，表示技术变化。由于我们的目的是测算技术创新，即前沿面技术，故对技术效率、生产无效率项没有进行进一步分析。
其中?茁6+2?茁7t表示纯粹的技术变化，是所有地区面临的共同的技术进步率，这是因为技术外溢使每个地区都面临相似的前沿技术水平；?茁8t1nkt+?茁91nLt表示非中性的技术进步，随不同的时期而变，因为有些技术是通过“干中学”获得的，这种学习能力因各种原因而有所差异，而且需要一个学习的过程。并用极大似然估计方法对上面的超越对数生产函数进行回归，计算出技术进步率。从图1的变化趋势看，我国技术进步增长率整体趋势都是在不断提高，1995年和1999年增长较快，随后都比较平稳，增速趋缓，近两年略有下降。
三、解释变量的选取及其度量
要研究我国金融发展与技术创新的关系，首先要对金融中介、金融市场和技术创新分别建立衡量指标，以进一步分别考虑它们两者之间的关系。限于数据的可获得性，针对金融中介和股票市场提出反映我国金融发展水平的指标。实证所需数据来自《中国人民银行统计季报》、《中国证券期货统计年鉴》、中国统计局网站、中国人民银行网站。
1、金融深度指标
Goldsmith提出金融相关率作为金融发展程度的衡量指标，是指一定时期内社会金融活动总量与经济活动总量的比值。货币化程度越高，金融深化特征越明显，金融发展越快。衡量金融中介的总体规模，使用学术界广为认同的货币化指标，等于全部金融中介体的流动负债与季度GDP的比率。全部金融中介体的流动负债实际上就是M3，但由于我国缺乏M3的统计数据，故用M2替代。
2、金融效率指标
即存款银行贷款对名义GDP的比率，更能直接反映金融中介发展水平的指标，在反映金融效率方面，银行向私人部门贷款与信贷总额的比值指标则更加适合（King和Levine，1993）。但由于缺乏宏观金融指标的官方统计数据，当前可供选择的指标只有全部信贷与GDP的比值。
3、资本化率
用来反映股票市场的规模，等于流通股市价总值与GDP的比率。由于大部分国家股和法人股并没有上市流通，不具备股票市场信息收集、风险分散等功能，只有社会公众股才能真正代表我国股票市场发展规模和水平，股票市场规模越大，募集资金和分散风险能力越强，所以本文选择流通市值而不是市价总值。此外，流通股市价总值是某一时点值，而可获得的是上交所和深交所月末股票流通市值，我们先加总上交所和深交所流通股票每个月的月末值，得到各月的流通股市价总值，再对每个季度三个月的月末流通股市价总值求算术平均即得各季的平均流通股市价总值。
4、周转率
等于该季度的股票总成交金额除以该季度的股票流通市值，反映了股票市场的流动性，金融系统能够为技术创新提供风险分散和提高流动性的机制，而股票市场的风险分散和提高流动性功能似乎有更大的优势，因此我们把股票市场的流动性指标放入模型中进行考察，以检验股票市场与技术创新的关系。同时高换手率意味着相对低的交易费用，能够反映了金融市场发展。
四、金融发展与技术创新之间的协整关系检验及结果分析
本文使用季度数据以增加样本数量，但会导致时间序列随季节呈现有规律的波动。为消除季节的影响，采用移动平均比率法对DEPTH、DEBT、CAP和TURN进行调整，使得不同季度之间的数据具有可比性。此外，将时间序列转换成相应的对数系列LTECH、LDEPTH、LDEBT、LCAP和LTURN，以克服数据的异方差性。为了判断金融发展与技术创新之间可能存在的协整关系，需要先判断各序列的单整阶数，为此采用单位根检验。表1给出了单位根检验的ADF统计量。在1%的显著性水平下，ADF统计量均无法拒绝存在单位根的原假设。进一步对各序列的差分序列进行单位根检验，在1%的显著水平下，检验发现它们的差分序列已是平稳过程。因此，可以判定各序列都是1阶单整过程。因而在此基础上可以继续检验这些变量之间的协整关系。
（注：检验类型中的c和t表示带有常数项和趋势项，k表示所采用的滞后阶数。）
表2给出了技术创新率与金融深度、金融效率的协整关系的Johansen检验结果。无论是迹检验还是最大特征值检验都表明：在5%的显著性水平下，LTECH 与LDEPTH、LDEBT之间存在协整关系。我们取标准化协整向量，其协整关系的估计方程为：
LTECHt-0.117LDEBTt-0.817LDEPTHt+4.690=u1t
其中u1t为平稳序列，它表示协整关系当中的动态偏差，常数项表示技术创新率与金融深度、金融效率的尺度差异。经济时间序列的协整组合一般具有明显的经济含义，它表示这些经济变量的趋势成分之间具有稳定的影响关系，这种长期影响关系经常表示经济变量之间的长期均衡关系。因此，技术创新率LTECHt和金融深度LDEBTt、金融效率LDEPTHt之间存在长期均衡关系，并且具有显著的正相关性，而且金融深化对技术创新的贡献更大。
表3给出了技术创新率与股票市场的资本化率与周转率金融深度、金融效率的协整关系的Johansen检验结果：无论是迹检验还是最大特征值检验都表明：在5%的显著性水平下，LTECH与LTURN、LCAP之间存在协整关系。我们取标准化协整向量，其协整关系的估计方程为：
LTECHt-0.042LTURNt-0.232LCAPt+3.191=u2t
协整检验表明，技术创新与股票市场的资本化率、周转率之间存在着长期均衡关系，且具有显著的正相关性。
五、结论与政策建议
本文从“技术创新”角度出发，以技术进步率作为技术创新的代理变量，讨论了金融发展和技术创新的关联性，并得到如下结论：第一，通过对我国的TFP进行估计，并分解门出技术进步率。结果显示：我国技术进步增长率整体趋势都是在不断提高，1995年和1999年增长较快，随后都比较平稳，增速趋缓，近两年略有下降。第二，金融中介的发展与技术创新有着长期的正相关关系，金融深化、银行信贷规模的扩大都对技术创新产生拉动作用。第三，股票市场的发展与技术创新之间存在着长期的正相关性，提高股票市场的流动性，便利股票的交易对技术创新的推动作用大于扩大股市规模对技术创新的影响。本文的结论可以用来支持金融发展作用于经济增长的“技术创新”途径。
（注：本文得到国家社科基金资助，基金编号：06BTJ009。）
【参考文献】
[1] 张军、金煜：中国金融深化和生产率关系的再检验：1987-2001[J].经济研究，2005（11）.
[2] Aghion，P.、P：A Model of Growth through Creative Destruction[M].Econometrica，1992.
[3] F?覿re， R. ：Fundamentals of Production Theory[J].Lecture Notes in Economics and Mathematical Systems，1998.
[4] King，R. G. and R：Finance and Growth，Schumpeter Might Be Right[M].Quarterly Journal of Economics，1993.
[5] Levine，R.：Finance and Growth: Theory and Evidence[M].Handbook of Economic Growth，Elsevier Science，2005.
[6] Sun， H.：Foreign Investment and Economic Development in China：1979-1996[M].London：Ashgate Publishing Limited，1998.
[7] Wang，Y.、Y.D.Yao：Sources of China’s Economic Growth 1952–1999：Incorporating Human Capital Accumulation[J].China Economic Review，2003（1）.
[8] World Bank.：China 2020，Development Challenges in the New Century[R].Washington，1997.