互联网金融与区域创新效率的关系 关键词：空间杜宾模型；互联网金融；区域创新效率 一、引言 现阶段，我国正处于经济转轨的战略发展机遇期，产业结构优化、经济价值提升对科学技术创新的现实依赖程度日益提升党的十九大报告强调：“创新是发展的第一动力，是建设现代化经济体系的战略支撑”因此在新的历史节点上，加快培育创新增长动力、提高创新增长水平成为经济增长发展的关键而作为现代经济的重要组成部分，金融发展与技术创新间的关系受到国内外学者的广泛关注一方面，现代金融业的科技属性不断增加，金融发展带动了技术创新；另一方面，技术创新需依赖金融发展提供良好的资本扶持，创造出更广阔的创新空间Comin&Nanda（2011）的研究认为，金融创新可以降低创新资金的使用风险，提高资金配置效率继而推动技术创新实现而随着相关研究的推进，从定量分析角度认识金融发展与创新效率之间的关系更为常见，孙丽梅等建立静态面板模型对不同地区金融发展与技术创新的关系进行研究，结果验证了区域良好的金融体系能够促进技术创新发展互联网金融作为我国金融发展的重要方向，在促进普惠金融发展、提升金融服务质量和效率等方面发挥了积极作用，但有关互联网金融发展对区域创新效率提升的影响方面，相关研究成果较少，仅有如熊雯婕，殷凤（2020）使用动态空间面板模型就互联网金融发展与区域创新效率的关系进行研究，得出结论认为互联网金融与区域创新效率存在显著的空间集聚特征。
为了进一步明确互联网金融与区域创新效率间的关系，本文拟使用空间杜宾模型进行实证研究，从二者的空间关系角度探寻我国区域创新效率的发展变化情况 二、互联网金融与区域创新效率关系研究设计 1.空间杜宾模型建构空间杜宾模型是伴随着上世纪中后期地理信息技术快速发展而形成的一种以空间数据为基础，解决经济活动空间相互作用和空间结构问题的一种实证分析模型该模型创新了传统基于观测值的计量分析模型，将解释变量和被解释变量的空间效应纳入模型中，在一定程度上突出了计量研究的空间特性，特别有助于分析空间区域异质性问题，对于我国区域创新效率问题而言，由于不同经济区域互联网金融发展水平差异明显，因此创新效率的空间差异性也十分显著，应用空间杜宾模型能够在一定程度上量化不同区域的空间特质，使得研究结果更加准确1）式中，Wij定义为区域i和区域j之间的地理邻接，可根据邻接空间矩阵权重计算出区域互联网金融发展对其周边位置产生的影响在本文中，定义为判断地区i与j之间的地理距离权重和经济权重其中，值是衡量地理距离权重和经济权重在空间权重矩阵中所占比重大小的统计量，若值趋近于0,说明空间权重与地理相邻意义越是相关；若值较大，且趋近于1，则空间权重表现出与创新效率水平变动具有较高相关度。
2.研究变量设定（1）被解释变量本文的被解释变量为区域技术创新效率（变量符号为Tec），这一变量主要以区域技术投入和产出的转化情况进行量化，以往学者在研究区域创新效率的过程中普遍使用DEA-Malmquist指数法或SFA随机前沿分析法进行，部分学者还采用熵权法进行测算本文选择主流的DEA方法对不同区域创新效率进行测算，DEA方法主要用于评价具有相同类型的多投入多、产出决策单元是否能达到技术有效性要求，本文受限于篇幅，略去DEA模型构建过程2）核心解释变量本文以区域互联网金融发展水平作为核心解释变量该变量为复合变量，目前针对量化互联网金融发展水平的研究文献较少，一些学者以互联网金融平台数、注册用户数、支付规模等作为衡量区域互联网金融发展水平的代理变量但类似指标的覆盖面有限，往往不能全面表征区域互联网金融发展水平，因此选择北京大学发布的互联网金融发展指数作为基础数据，以互联网金融规模（scale）、互联网金融效率（eff）两个分支变量进行代理，其中互联网金融规模以互联网金融发展指数中“互联网金融机构人均消费额”进行计算；互联网金融效率以互联网金融发展指数中“互联网金融机构各项贷款余额与金融机构存款余额之比”进行计算。
3）控制变量区域创新效率的影响因素是多方面的，为了更加全面地考量区域创新效率的发展，本文设计3个控制变量，分别为区域对外开放程度（open）、区域产业结构（str）、区域城镇化水平（urban）其中，区域对外开放程度越高，吸引资本和创新技术流入的能力就越强，因此相应地会提升技术创新成果转化率，继而提升区域创新效率区域产业结构也是区域创新效率的潜在影响因素，一般而言产业结构发展变化的过程中，第三产业产值占区域总产值的比重会不断增加，而科技创新能力反映了区域产业结构发展的能力，产业结构愈完善，相应地创新效率也愈高区域城镇化水平对创新效率的潜在影响是由于城镇化是高学历、高技能人口区域化集中的过程，城镇化水平提升的过程将促进科技创新人才集聚，继而优化科技创新投入产出比，提升区域创新效率3.研究数据选取根据本文中选定的变量类型，在进行实证分析时选择的数据主要为2009年-2018年的《中国统计年鉴》及各地市统计局发布的地方统计数据，控制变量测算过程中涉及到城镇化的计算以《中国人口和就业统计年鉴》相关数据为基础，计算区域贸易关联度时以中经网数据库和国家海关总署发布的地区贸易数据为基础表2显示了全部变量的描述性统计结果。
三、实证结果分析 1.动态面板回归本文使用广义矩估计（GMM）方法对模型进行参数回归分析，使用广义矩估计方法可以排除模型的内生性，避免伪回归现象的出现，实证回归得出如表3所示的回归结果从表3中Sargan检验和AR（2）检验统计量及其显著性水平意味着工具变量不存在过度识别的情况，模型估算参数并不存在二阶序列相关性，显示了模型设定及参数估算具有较高的合理性在系数层面，本文设定的核心解释变量：区域互联网金融发展水平至少在5%的显著性水平下通过检验，且系数为正，说明互联网金融发展对于区域创新效率的提升而言具有显著正向影响其中，东部地区互联网金融规模（scale）变量的系数为0.358；互联网金融效率（eff）变量的系数为0.066，说明东部地区单位水平的互联网金融规模和互联网金融效率提升分别能够促进区域创新效率提升0.358%和0.066%而中部地区互联网金融发展水平对创新效率的影响较东部地区不显著，西部和东北地区互联网金融发展水平则最高只在5%的显著性层面与区域创新效率线性相关，出现这一情况的原因可能是区域互联网金融发展和创新效率均属复杂变量，具有时间和空间两个层面的变化维度，传统计量分析工具仅能揭示二者的计量关系而无法呈现在空间格局变化过程中的相互影响。
因此需要使用空间杜宾模型进行空间计量回归2.空间杜宾模型回归在动态面板估计的基础上，使用Stata软件进行空间计量经济学回归，基于杜宾模型的实证分析能够更好地识别各变量间的空间相互作用及空间结构形态，继而实现对被解释变量和解释变量空间相关性的全面考察，在此基础上还可解释地理邻接地区被解释变量和解释变量的相互影响程度本文得到空间杜宾模型的回归结果如表4所示表4我国不同区域创新效率杜宾模型估计结果注：、分别代表相关解释变量的系数在5%、1%的水平上显著根据表4的模型回归结果可以看出，四大区域的回归结果中，R-squared值最小为0.8800，最大为0.9960，从空间杜宾模型的拟合优度来看，东部地区最高，西部地区最低，这也表明各区域创新效率的空间大小关系分别为：东部地区＞中部地区＞东北地区＞西部地区通过分析回归系数，本文设定的四大区域均至少在5%的显著性水平下通过检验，其中，东部地区互联网金融规模对创新效率的影响系数为0.3289，互联网金融效率对创新效率的影响系数为0.0422，说明东部地区互联网金融发展对创新效率具有显著地正向促进作用，且互联网金融规模壮大对于提升东部地区创新效率的影响明显。
东部地区互联网金融规模每提升1%相应地会促进创新效率提升0.3289%；互联网金融效率每提升1%相应地会促进创新效率提升0.0422%相比东部地区而言，中部地区互联网金融发展对创新效率的影响较低，但同样具有正向促进作用而东北和西部地区互联网金融发展对区域创新效率的影响性有限，这主要与上述两个区域互联网金融发展水平滞后、互联网金融现代化水平不高的现状有关而在地理加权项的回归分析结果中同样可以看到，东部地区互联网金融发展的规模溢出效应相比中部和西部地区更为明显，说明东部地区技术创新效率提高对相邻区域的技术创新效率具有正向促进作用，因此空间杜宾模型验证了互联网金融发展对创新效率存在的空间溢出效应在控制变量方面，西部和东北产业结构（str）与城镇化水平（urban）对区域创新效率的提升具有负向影响，这可能与上述地区产业结构发展落后、城镇化水平不高等因素有关对于东部地区和中部地区而言，区域技术创新的产业基础和人力资源基础更加雄厚，特别是以第三产业为主导的地区产业结构加速了高科技人才的流入，在很大程度上提高了科技创新成果的转化率，这也为区域科技创新的未来发展方向指明了道路，为进一步提升和完善区域互联网金融产业发展水平奠定了理论基础。
四、结论 文章在分析以往研究结论的基础上对2009年-2018年全国31个省市区互联网发展水平同区域创新效率间的关系进行实证研究，建构空间杜宾模型分析我国东部、中部、西部及东北地区互联网金融发展对创新效率的影响，最终得出结论我国不同区域的互联网金融发展与区域创新效率总体呈现正相关关系，即互联网金融发展水平越高的区域，其创新效率也越高，反之亦然其次，不同区域创新效率具有一定的空间依赖性，地理空间邻近的地区可通过互联网金融发展的技术溢出效应实现创新效率的提升通过这一结论也可为区域互联网金融技术创新发展提供有益的指引，助力区域技术创新效率水平提升 参考文献： [1]熊雯婕,殷凤.互联网金融发展提升了区域创新效率吗———基于空间杜宾模型的实证分析[J].技术经济,2020,39(09):73-81. [2]钱海章,陶云清,曹松威,曹雨阳.中国数字金融发展与经济增长的理论与实证[J].数量经济技术经济研究,2020,37(06):26-46. [3]魏萍,陈晓文.数字经济、空间溢出与城乡收入差距———基于空间杜宾模型的研究[J].山东科技大学学报(社会科学版),2020,22(03):75-88. [4]程翔,王曼怡,田昕,康萌萌.中国金融发展水平的空间动态差异与影响因素[J].金融论坛,2018,23(08):43-54. 。