RCEP框架下科创与金融共生的空间溢出效应研究

摘要：文章基于共生模型，利用2014~2021年RCEP成员国的政府种群、国内和国外金融机构种群以及科技创新产业种群的数据，测度了科技创新产业与金融产业的共生水平，并通过该共生水平计算的引力矩阵作为权重建立空间面板模型，分析了不同金融支持方式对成员国科技创新产业发展的空间溢出效应。结果表明：首先，RCEP协议签署后大部分成员国的共生水平增加，且非东盟与东盟国家之间共生水平的差距缩小；其次，成员国内部金融开放度、银行业和证券业金融支持均能促进科技创新产业的发展；最后，成员国之间政策性金融支持、银行业和证券业金融支持、人才投入和金融开放度都存在正向的空间溢出效应，而在RCEP协议签署后随着成员国共生水平的增加，政策性和银行业金融支持的空间溢出效应上升，且证券业金融支持与金融开放度的空间溢出效应依然正向显著但略有下降。文章认为，为推动中国科技创新产业发展，政府应加强与RCEP成员国的科技与金融合作，拓宽融资渠道，并鼓励企业对接国际先进标准，从而提高技术水平。关键词：科技创新，金融支持，共生水平，空间溢出效应一、引言当前，新冠疫情、单边主义以及贸易保护主义对全球产业链和国际秩序带来巨大冲击，这导致世界各国的经济持续低迷和贸易条件恶化。在此背景下，2020年11月15日，中国、日本、韩国、澳大利亚、新西兰和东盟十国历经8年谈判正式签署RCEP协议，建立了区域全面经济伙伴关系。RCEP成员国之间建立开放与合作的市场能够加快商品、服务、资本和技术等资源流动，促进贸易便利化与自由化。同时，随着中美贸易摩擦不断升级，美国针对中国实施技术封锁、高科技产品出口限制与人才交流中断等科技领域方面的措施。为此，党的十九大报告提出“创新对外投资方式，促进国际产能合作”，而RCEP协议的签署恰好推动形成中国全面开放新格局，并促进RCEP成员国产业链与创新链深度融合，进一步推动全球经济增长与人类命运共同体建设。然而，RCEP大多数成员国的科技创新产业主要依靠银行间接融资支持，相比之下直接融资方式尚处于起步或成长阶段，这导致科技创新产业发展面临融资渠道狭窄、资金来源单一等问题。因此，按照党的十九大报告提出的“提高直接融资比重，促进多层次资本市场健康发展”要求，RCEP协议签署恰好给中国带来金融开放与合作的机遇，进一步拓宽成员国科技创新产业的融资渠道，并为后疫情时代全球经济的繁荣稳定与高质量发展贡献力量。二、文献综述本文的文献回顾分为以下3个部分：首先，关于科技创新产业与金融产业关系的研究。已有文献对科技创新产业与金融产业关系的研究主要探讨两者的单向或双向影响关系。一是强调金融支持对科技创新产业的推动作用(Luigi等，2008；张一林等，2016)；二是强调科技创新对金融服务的影响(Abubakar等，2013；尹振涛和李泽广，2021)；三是通过分析两者之间的双向影响关系，探索金融与科技融合的新路径(Alessandra和LIU，2014；田秀娟和李睿，2022)。其次，关于产业共生研究。Perez(2013)认为技术和金融具有双向的演化关系，但是其研究缺少微观数据和模型的验证。部分学者通过建立省级面板模型测度科技金融生态系统的共生水平和共生动量值，结果显示该生态系统的共生水平逐年增加，且能够促进科技创新产业发展(张玉喜和刘栾云峤，2021)，也能够通过促进金融服务业发展反哺实体经济(李国英，2021)。此外，中国科技与金融共生水平表现出地域差异，东部地区比西部地区高(刘栾云峤和张玉喜，2021)。但是，目前国内外关于成员国之间产业转移的共生效应研究主要针对“一带一路”国家(Ehizuelen和Abdi，2018；刘友金等，2020)，而对RCEP成员国的研究鲜有涉及。最后，关于共生空间溢出效应的研究。已有文献主要通过建立省际空间面板模型，研究金融与科技创新产业融合的空间效应，而缺乏共生空间溢出效应的研究。部分学者通过构建地理或经济距离等权重矩阵，利用省际空间杜宾模型进行研究，他们认为各省市科技创新能力受周边省市金融发展水平的影响(杜江等，2017)，并且表现出区域异质性，西部比东部、中部地区的空间溢出效应更大(王书华和姚璐，2022)；也有学者表示，科技创新与科技金融的耦合协调度在空间上表现出高—高和低—低集聚特征，但东部省份明显高于中西部与东北地区(张芷若和谷国锋，2019)。上述文献梳理为本文研究提供了理论支撑和重要参考，但是现有文献集中于研究科技创新产业与金融产业的单向或者双向关系，没有考虑两者的共生关系。虽然少量文献对共生水平及其空间溢出效应展开研究，但研究对象集中在一国内部不同省市或“一带一路”国家之间，缺少从RCEP成员国产业转移的角度分析共生的空间溢出效应。与已有文献相比，本文的贡献有：一是基于共生模型测度RCEP成员国科技创新产业与金融产业的共生水平，并对比RCEP协议签署前后共生水平的差异；二是以各成员国的共生水平值所计算的引力矩阵为权重，建立空间面板模型分析当周边国家共生水平较大时，其不同金融支持方式对本国科技创新产业发展的空间溢出效应，并通过常用的地理距离权重矩阵进行稳健性检验；三是对比RCEP协议签署前后金融支持科技创新产业发展的直接与间接效应，为RCEP成员国构建科技创新产业发展的多元化金融支持体系以及促进科技和金融产业的深度融合提供参考与建议。三、理论框架与研究假设在科技创新产业与金融产业共生的生态系统中，本文构建科技创新产业种群、国内金融机构和市场种群、国外金融机构和市场种群以及政府种群4个共生单元。1.科技创新产业与金融产业共生的内涵国内、国外金融机构和市场种群在理论分析中发挥的作用一致，因此本文对科技创新产业种群、金融机构和市场种群以及政府种群之间的共生关系展开理论分析。(1)科技创新产业种群与金融机构和市场种群的共生关系金融机构和市场种群为科技创新产业种群提供资金支持，反过来科技创新产业种群为金融机构和市场种群提供技术基础。一方面，Schumpeter(1934)提出金融机构提供的服务能够推动技术创新，金融产业通过直接或间接融资方式为科技创新产业提供资金支持。科技创新企业从种子期、初创期、成长期到成熟期以及成果产业化阶段都需要大量资金投入，而金融机构能够发挥聚敛功能并为其提供资金支持，促进科技创新产业的成果转化，为推动经济高质量发展做出贡献。而且，数字金融能够提高传统金融机构的服务效率，缓解科技创新企业的融资约束，并推动科技创新产业的发展。另一方面，科技创新产业为金融产业的发展提供技术基础，解决金融现代化进程中的技术障碍，突破传统的复杂交易方式，提高金融服务水平和平台投资效率。在当前大数据和区块链等技术推动下，金融市场的交易速度和范围不断扩大，同时科技创新成果产业化给金融机构带来高额投资回报，进而提升金融产业服务实体经济的效率(李国英，2021)。(2)科技创新产业种群与政府种群的共生关系科技创新产业种群为政府种群的经济增长目标做出贡献，反过来，政府种群向科技创新产业种群提供研发资金或财政补贴。一方面，根据内生增长理论，技术进步是促进经济增长的决定性因素。由于提高科技创新能力在国家创新驱动发展战略中居于核心地位，企业通过不断研发核心技术拉动经济增长，促进产业结构升级并提高社会生产力和国际竞争力(冯永琦和邱晶晶，2021)。另一方面，政府通过税收或财政补贴形式支持企业的研发活动，同时向科研和教育部门直接提供研发资金。教育和科研部门不仅从事基础性研发工作，而且与企业建立产学研深度融合技术创新体系，共同推动科技创新产业的成果转化(李晓娣和张小燕，2019)。各国政府通过提高金融监管质量和强化政府服务，为企业科技创新活动提供良好的商业环境。(3)金融机构和市场种群与政府种群的共生关系政府种群为金融机构和市场种群提供环境支持和政策性金融服务，反过来，金融机构和市场种群为政府种群的产业结构优化目标提供资金支持。一方面，根据Mckinnon(1973)和Shaw(1973)分别提出的金融抑制和金融深化理论，政府对金融活动过多干预，并制定不合理的金融政策，均抑制了金融发展和经济增长，因此发展中国家应该放松金融管制，实现金融与经济的良性循环发展。但是，发展中国家向金融自由化过渡的过程困难重重，针对此问题Hellman等(1997)提出金融约束理论。政府对金融市场间接控制和适当监管能够解决信息不对称等市场失灵问题，并通过金融机构创造租金机会来促进金融深化。政府能够提供各种政策性金融服务，通过制定税收补贴、风险补贴等政策来引导和扶持金融机构和市场种群的稳定发展(邹克和倪青山，2019)。政府对风险投资机构投资科技创新领域提供补贴，创造有利于风险投资发展的政策环境，进而拓宽科技创新产业的融资渠道。另一方面，金融机构为当地的产业结构优化提供资金支持，促进经济结构调整和提高资源配置效率，进一步推动经济增长和政府财政资金的稳定(张玉喜和刘栾云峤，2021)。基于上述科技创新产业种群、金融机构和市场种群以及政府种群两两之间共生关系的理论分析，本文提出假设1：RCEP成员国科技创新产业和金融产业之间存在共生关系，且RCEP协议签署能够提高成员国的共生水平。2.共生的空间溢出效应金融支持科技创新产业的空间溢出效应是广泛存在的，不仅仅局限于有共同边界或者相邻地区之间(冯烽和叶阿忠，2012)。甚至科技金融生态系统的空间溢出效应大于直接效应，即对周边地区的科技金融产出影响更大(汤子隆等，2018)。而且，两个地区的共生水平越高，技术合作与金融支持力度也越大，从而增加科技创新产业与金融产业集聚的空间溢出效应，并推动各地区科技创新产业发展。因此，结合已有文献对各省市共生的空间溢出效应研究，本文提出假设2：RCEP协议签署能够增加各成员国科技创新产业发展的空间溢出效应。1.空间面板模型的设定四、科技创新与金融产业共生的测度RCEP成员国有15个国家，本文选取其中10个国家作为样本，包括中国、日本、韩国、新西兰、澳大利亚以及东盟的新加坡、印度尼西亚、泰国、马来西亚和菲律宾5个代表国，而不包括文莱、缅甸、老挝、柬埔寨和越南5个东盟国家。样本选取鉴于以下原因：一是东盟样本国的中高端制造业相对于非样本国来说处于竞争优势，与经济水平较高的非东盟国家更具有可比性。日本和韩国分别对泰国、印度尼西亚投资建立汽车生产基地；日本、韩国长期投资于新加坡、菲律宾和马来西亚的光电设备制造业，形成竞争优势和产业集聚效应。然而，文莱、老挝、缅甸和越南的知识产权收入数据缺失且柬埔寨的数值很低，知识产权发展较为落后，导致科技创新产业水平较低，短时间内融入区域创新网络较为困难。二是样本之外的东盟五国在金融服务贸易方面处于竞争劣势而不具备可比性。东盟中金融服务贸易排在前5位的是新加坡、泰国、马来西亚、菲律宾和印度尼西亚，而越南、老挝、缅甸和柬埔寨等参差不齐。1.共生指标的构建根据以上科技创新产业与金融产业共生的内在机理分析，本文构建共生水平的评价指标如表1所示。由表1可知，政府、国内金融机构和市场、科技创新产业以及国外金融机构和市场4个共生单元作为共生水平的一级评价指标。二级指标为各种群的序参量分量，均来自全球创新指数(GII)数据库。首先，政府种群在生态系统中发挥依法监管、政策扶持和优化政策环境的作用，因此选择GII数据库中的政府监管质量、易于创业的商业环境、政府研发支出占比GDP和政府的网络服务4个二级指标。其次，国内金融机构和市场种群发展情况代表国内金融支持水平，因此选择GII数据库中表示不同融资方式的指标：一是代表银行间接融资支持的指标为获得信贷的容易程度和对私营部门的国内信贷占比GDP；二是代表证券业直接融资支持的指标为保护中小投资者的容易程度和股票交易总值占比GDP；三是代表风险投资的指标为风险投资交易占比GDP。再次，科技创新产业种群的发展水平从企业研发活动投入、知识和技术产出、知识和技术出口以及知识产权的收入4个维度进行评价，对应GII数据库中企业研发总支出占比GDP以及高新技术和中高新技术工业产出在总产出中的占比、高科技产品出口、知识产权收入分别在贸易总额中的占比。最后，国外金融机构和市场种群发展情况代表成员国受到国外金融支持的水平，对应GII数据库中的海外供资研发总支出占比和外国直接投资流入净值占比GDP。2.共生水平的测度方法本文通过共生度指标来测度科技创新产业和金融产业的协调发展程度，而没有采用耦合度指标(张芷若和谷国锋，2019)。因为产业耦合是指不同产业相互联系但又保持各自边界的发展模式，而产业共生则强调不同产业在共生网络中相互关联，产生集聚效应并形成一个整体生态系统。科技金融生态系统中的产业集聚现象用共生度衡量更贴切。因此，本文借鉴李晓娣和张小燕(2019)以及刘栾云峤和张玉喜(2021)等提出的创新生态系统共生度测度模型，建立RCEP成员国科技创新产业与金融产业的共生水平测度模型。具体过程如下：第一步，序参量有序度的计算。集合X为4个种群的序参量集合，表示为X=|xij|(i=1，2，…，k；j=1，2，…，n)}，其中xij为种群i的第j个序参量分量。本文通过最大最小值法对其进行标准化处理，得到种群i序参量分量的有序度。用公式表示为：(1)第二步，序参量分量权重系数的计算。假设某种群有n个序参量分量，本文利用相关系数法计算其相关系数矩阵C，得到第j个序参量分量对剩余所有序参量分量的总影响Cj。(2)(3)对Cj进行归一化处理，本文得到该种群序参量分量的权重①wj：(4)第三步，种群i共生水平的计算。本文利用算术平均法对种群；序参量分量进行加权求和，求得种群i序参量的有序度即为其共生水平。(5)其中，di(xi)为种群i的共生水平，wij为种群i序参量分量的权重。本文利用第二步的相关系数法计算权重wij并代入该公式。第四步，某国共生水平的计算。本文利用算术平均法对某国各种群的共生水平进行加权求和，得到该国的共生水平值GS。(6)其中，λi亦是利用相关系数法求出，为种群i序参量的权重。3.共生水平测度结果鉴于2020年11月RCEP协议正式签署，本文以2020年为分界点将样本区间划分为2020年以前(包括2020年)和2021年，作为RCEP协议签署前后的两个对比期间。此外，本文测度共生水平的数据均来自全球创新指数数据库，该数据库包括2011~2021年的数据报告，而2011~2013年东盟国家的数据缺失较多。因此，本文最终将样本区间划分为2014~2020年的谈判期间与协议正式签署后的2021年两个维度。根据表1的指标取值和式(1)~(6)，本文通过Matlab软件计算RCEP代表国在2014~2021年的共生水平结果，如表2所示。由表2的平均值可知，各国科技创新产业与金融产业的共生水平相差不大且在0.5左右，均具有较大的发展潜力。其中，中国、日本、韩国、新加坡、澳大利亚和泰国的共生水平平均值排名靠前，整体来说科技创新产业的金融支持力度相对较大，因为中国、日本、韩国和澳大利亚经济发展水平相对东盟来说较高，且新加坡的金融开放程度较大。泰国近年来的外国直接投资净流入特别是来自中国的对外直接投资总额大幅增加(《中国对外直接投资公告2020》)，这说明国外金融机构种群的大力支持推动了泰国科技创新产业的发展，并提高了其共生水平。图1为RCEP协议签署前后各国共生水平的平均值对比情况，其中协议签署前的取值为表2中2014~2020年各国共生水平计算的平均值，协议签署后的取值为2021年的共水平。由图1可知，除澳大利亚共生水平下降和菲律宾基本持平以外，其余各国科技创新产业与金融产业的共生水平均有所增加，其中新加坡、印度尼西亚和泰国这些东盟国家的增加较为明显。这意味着2020年RCEP协议签署能够增强各成员国与其他国家的往来关系，东盟科技创新产业种群受到更多国外金融机构和市场种群的支持。本文将RCEP国家分成东盟和非东盟两个群体，比较两者平均共生水平的差异，结果如图2所示。虽然非东盟五国的共生水平整体高于东盟五国，但是在2020年非东盟和东盟之间共生水平的差距明显缩小。这意味着东盟各国科技创新产业的金融支持力度随着RCEP协议推进不断增加，种群间共生关系越来越密切，甚至在2021年出现东盟赶超非东盟平均共生水平的趋势。该结论是对假设1的验证，即表明RCEP协议签署能够提高成员国尤其是东盟国家的共生水平。五、科技创新与金融产业共生的空间溢出效应分析2020年以后大部分RCEP成员国的共生水平增加，这有利于推动各成员国之间科技与金融合作，尤其是增强东盟等较为落后国家吸收和引进先进技术的能力，进而加速科技创新产业发展。本文通过建立空间面板模型，分析不同金融支持方式下RCEP成员国科技创新产业发展的空间溢出效应。本文设定面板模型表达式为：(7)被解释变量TEC为高新技术和中高新技术工业产出在总产出中的占比，用来评价科技创新产业的发展水平；核心解释变量GOV、STO、BAN和INV表示4种资本投入要素，分别作为政策性金融支持、证券业融资支持、银行业融资支持和风险投资支持的评价指标；控制变量LAB、KOF和PGDP分别为研究人才在员工中的占比、金融开放水平和人均GDP现价。成员国科技创新产业发展一旦受到本国和其他国家在金融方面的大力支持，共生水平则表现为逐年递增趋势，因此在式(7)的基础上，本文通过共生水平计算的引力矩阵作为权重来构建空间面板模型。常用的空间面板模型有3种：一是空间杜宾模型(SDM)，研究成员国被解释变量受到国内和相邻国家解释变量以及相邻国家被解释变量的影响；二是空间自回归模型(SAR)，又称为空间滞后模型，研究相邻国家被解释变量的空间相关性；三是空间误差模型(SEM)，研究相邻国家随机误差项对成员国被解释变量的影响。其中，空间杜宾模型的表达式为：该模型表示成员国科技创新产业发展不仅受到国内金融支持的影响，还会受到相邻国家金融支持溢出效应的影响。其中，ρ为空间自回归系数，反映成员国之间科技创新产业发展的空间溢出效应；wij为空间权重；vi、μt、εij分别为个体效应、时间效应和随机误差项；n代表RCEP的10个代表成员国，t为2014~2021年；wTEC是被解释变量TEC的空间滞后项，wGOV、wSTO、wBAN、wINV、wLAB、wKOF和wPGDP分别为相应解释变量的空间滞后项。空间滞后和空间误差模型的表达式分别为式(9)和式 结合式(8)、式(9)和式(10)可以看出，空间杜宾模型融合了空间误差模型和空间滞后模型的特点，更具有现实意义(曹霞和张路蓬，2017)。为了进一步判断哪种模型更为合适，本文将通过Wald检验判断空间杜宾模型能否退化为空间滞后或者空间误差模型。2.指标解释及数据来源本文从政府、银行、证券和风险投资4个维度选取金融支持的评价指标作为核心解释变量。现有研究对上述指标的选取主要包括政府财政拨款和金融机构贷款(张芷若和谷国锋，2019)、风险投资机构总额和科技上市公司总市值(杜江等，2017)以及创业投资支持和科技经费支出(张玉华和张涛，2018)等。RCEP成员中虽然有科技水平较高的发达国家，但主要以劳动力资源丰富的东盟十国为主。也就是说，RCEP多数国家科技发展水平较低，主要依靠政策性金融支持和传统的金融机构贷款业务，因而科技创新企业的融资缺口相对较大。近年来，东盟开始重视数字经济平台建设和跨境金融合作，不断拓宽中小企业和科技创新企业的融资渠道。因此，结合现有文献和东盟现状，本文选取的金融支持评价指标分别为：第一，政策性金融支持指标GOV，通过表1中政府监管质量、易于创业的商业环境、政府研发总支出占比GDP和政府的网络服务4个代表政府种群的变量，利用面板熵值法进行降维得到；第二，证券业金融支持指标STO，用股票交易总值占比GDP来表示；第三，银行业金融支持指标BAN，用私营部门的国内信贷占GDP比重表示；第四，风险投资支持指标INV，用风险投资交易占十亿购买力平价美元GDP比重表示。现有研究对科技创新指标的选取主要有高新技术企业工业总产值(黄继忠和黎明，2017)、新产品的产值和专利数量(汤子隆等，2018)等。鉴于数据的可得性，本文选取高新技术和中高新技术工业产出在总产出中的占比作为被解释变量，反映RCEP成员国科技创新产业的发展水平。以上被解释变量和核心解释变量的数据均来自世界知识产权组织(WIPO)官网的全球创新指数(GII)报告。控制变量包括3个指标：一是研究人才在员工中的占比(LAB)，反映劳动要素投入对科技创新产出的影响。该指标数据来自全球创新指数报告，但是报告中LAB的数据只有2016~2021年，因此2014年和2015年的数据采用向前两期移动平均预测法得到。二是金融开放水平KOF，一国金融开放程度与国外金融支持的力度密切相关，因而有必要引入金融开放水平作为控制变量之一。本文利用测度资本账户开放程度的占比法来表示一国金融开放水平，加之多数东盟国家证券投资、金融衍生工具投资和其他投资等起步较晚且开放程度较低，因此本文仅选择直接投资流量的绝对值占比GDP来计算资本账户开放度，数据来自国际货币基金组织(IMF)。三是人均GDP，由于各国经济发展水平存在差异，本文选取人均GDP(现价美元)作为影响科技创新产出的控制变量之一。人均GDP的数据来自世界银行，但是世界银行的数据只更新到2020年，本文从国际货币基金组织的世界经济展望数据库获得2021年人均GDP数据。参数βi和δj分别表示i国和j国政策性金融支持、证券业金融支持、银行业融资支持和风险投资支持这4个不同的金融支持指标，对i国科技创新产业发展产生的直接和间接影响②。3.空间权重矩阵的设定已有文献常用0-1邻接矩阵作为权重，但是由于一国与距离不同的相邻国家之间权重取值都为1，导致该方法存在缺陷。因此，为了得到稳健性结果，本文利用两种不同的距离权重矩阵建立模型。(1)地理距离空间权重矩阵依据地理学第一定律，距离越近的地区关联性越强，随着距离增加，关联性逐渐减弱。基于此，本文选择地理距离平方的倒数作为空间权重矩阵之一，该矩阵记为W1，矩阵中每个元素wij1按照式(11)取值。(11)其中，dij为i、j两国首都之间的距离，该距离数据由CEPII的DIST数据库获得。(2)基于共生水平和引力模型的空间权重矩阵一国科技创新产业发展会受到其他国家非地理相邻因素的影响，比如各国经济发展水平和基础设施差异等，因而空间溢出效应不能仅局限于相邻地区，还可以依据社会经济特征构造空间权重矩阵(李靖等，2010；余泳泽和刘大勇，2013)。为了体现共生水平对科技创新产业发展的影响，本文借鉴李红和王彦晓(2014)基于信息网络效应构建的空间邻接矩阵，结合Tingbergen(1962)提出的引力模型，通过成员国共生水平计算的引力值构建空间权重矩阵。该空间权重矩阵的元素wij2按照式(12)取(12)其中，mi为国家i的共生水平。为了区分RCEP协议签署前后共生水平的不同，本文选取2014~2020年共生水平的平均值作为协议签署之前的取值，2021年的共生水平则为协议签署之后的取值，由两者计算的空间权重矩阵分别记为W2和W3。RCEP协议签署后，由于大部分成员国共生水平增加使得空间权重矩阵的引力值增加。在此权重矩阵的影响下，本文将比较RCEP协议签署前后各成员国金融支持对科技创新产业发展的直接影响和空间溢出效应差异。4.空间自相关检验由表3可知，在10%的显著性水平上，3种空间权重矩阵对应的全局莫兰指数基本表现出空间正自相关特征，只有2014年没有通过全局莫兰检验。2021年RCEP成员国的全局莫兰指数达到最大值，说明RCEP协议签署后各成员国之间的空间集聚特征越来越明显。本文还比较了各成员国科技创新产业发展的局部聚集情况，结果发现成员国集中在第一象限的数量越来越多，这说明RCEP协议签署后局部空间集聚特征越来越明显，即科技创新产业发展水平较高的国家更易聚集③。5.空间面板模型估计首先，本文利用LM和Wald检验选择合适的空间面板模型。3种空间权重矩阵的LM检验结果如表4所示，在1%的水平上空间误差项和空间滞后项均显著，这说明空间误差模型和空间滞后模型都较为合适，因而本文选择同时具备两者特点且更具有现实解释力的空间杜宾模型。由Wald检验结果可以看出，3种空间权重矩阵的卡方统计量在1%的水平上显著，这表明选择SDM模型比SAR和SEM模型更优。其次，本文利用Hausman检验选择空间面板模型的效应。由Hausman检验结果可知，卡方统计量均通过了1%的显著性检验，说明固定效应比随机效应更合适。时间固定效应下空间杜宾模型的拟合优度R2都大于0.9，表明时间固定效应空间杜宾模型拟合结果更优，这与Wald检验选择空间杜宾模型的结果一致。综合上述检验可知，本文最终选择时间效应空间杜宾模型，其估计结果如表4所示。最后，本文估计空间杜宾模型的直接效应、间接效应和总效应。由于空间杜宾模型的回归系数在检验空间溢出效应时会产生系统性偏差(Lesage和Pace，2009)，本文得到的回归系数估计值不能用于解释各变量经济意义。因此，本文采用偏微分方法计算金融支持对科技创新产业发展的直接效应、间接效应和总效应，其中间接效应即为空间溢出效应。直接效应和间接效应分别表示国内和周边国家金融支持对本国科技创新产业发展的影响程度。在权重为共生度的引力矩阵下，偏微分估计结果见表5。6.直接效应结果分析从直接效应来看，在W2和W3权重矩阵下，银行业贷款支持、证券业金融支持和金融开放度指标都通过了显著性检验，且对各成员国科技创新产业的发展产生正向影响。然而，政策性金融支持、风险投资、研究人才占比和人均GDP指标的显著性检验未通过。基于此，本文将分析上述结果产生的原因及国外的经验借鉴。(1)政策性和银行业金融支持指标的直接效应银行业金融支持的影响显著但是弹性系数相对较小，政策性金融支持的影响不显著。因为东盟成员国除了新加坡外都是劳动力资源较为丰富的发展中国家，科技发展水平相对落后，而且金融和科技创新监管体制不完善，导致企业的融资渠道较为狭窄。东盟成员国的科技创新产业主要依靠政府财政投入和银行信贷融资支持，但是随着技术创新水平的提高，传统金融机构已经无法满足科技创新企业的融资缺口，这表现为以往的财政补贴和税收优惠政策支持力度不足，政策性担保和风险补偿等机制不完善。因此，东盟等发展中国家应该不断创新和丰富科技贷款品种，降低科技创新企业的融资成本。李波(2021)提出发达国家开发性金融机构支持制造业发展的经验。比如，日本为了支持科技创新产业开发了长期贷款、证券业务和防倒闭贷款等多种信贷方式；德国复兴信贷银行为高新企业、初创企业和中小企业等提供中长期低息贷款，而且通过转贷款的模式间接发放贷款，降低信贷风险的同时为科技创新企业拓宽了融资渠道。(2)证券业金融支持和金融开放度指标的直接效应RCEP多数国家的直接融资支持处于起步阶段，直接融资的占比远远低于西方发达国家，随着创业板市场和其他资本市场支持规模的扩大，科技创新产出的弹性大幅增加，从而使得证券业金融支持的偏弹性系数相对较大。一般而言，多数国家发展初期主要依靠银行贷款支持，但随着产业结构升级，金融市场融资的作用凸显。美国、英国等发达国家构建市场主导型融资体系，即在成熟的信贷融资业务基础上，美国通过股权融资来拓宽中小企业的直接融资渠道；日本企业不仅依靠银行贷款，而且由于产业链关系密切使得商业信用融资的规模不断增加。一国金融开放程度的增加能够促进其资源在世界范围内流动并分散其金融风险，发挥开放促进改革和发展的作用，进一步推动该国科技创新产业的发展。新加坡作为东盟十国中唯一的发达国家，金融开放程度大且金融资源丰富，其在守住系统性金融风险底线的同时鼓励金融开放和金融创新，以此加速产业转型升级。因此，中等收入国家要在完善监管体制和防范系统性金融风险的前提下，逐步扩大金融开放的程度。(3)风险投资指标的直接效应风险投资指标在5%的水平上未通过显著性检验。RCEP成员国的风险资本市场起步相对较晚，导致风险投资机构的业务覆盖范围较小，即风险投资业务主要针对大规模企业，而对中小企业的融资支持力度不足，从而不利于科技创新产业发展。同时，由于风险投资市场表现出的高收益和高风险现象，国家对风险投资进行严格管控也抑制了科技创新产业的发展。然而风险投资对科技创新产业发展的贡献不容小觑，风险投资公司能够向初创期和成长期的科技创新企业提供资金支持、专业知识和管理经验等帮助。美国风险投资市场较为发达，为其科技创新产业发展提供了良好的筹资环境和融资渠道，比如硅谷的形成就得益于风险资本。因此，专业化投资行为在保证各企业融资规模的前提下可以促进科技创新产业迅速发展。(4)研究人才占比和人均GDP指标的直接效应研究人才在员工中的占比指标在5%的水平上不显著，这是因为东盟成员国科技创新方面的人才不足，且人力资本水平较低，导致劳动力供给与岗位需求的结构不匹配。人均GDP对科技创新产业的影响也不显著，可能是因为中日韩人口总量占RCEP代表国的2/3以上，导致人均GDP水平相对较低，比如低于人口较少的澳大利亚和经济发达的新加坡等。但是，中日韩的科技创新产业发展水平在RCEP成员国中处于领先地位，远远高于澳大利亚。因此，由于RCEP成员国的人均GDP差异较大且分布不均，导致人均GDP对科技创新产业发展的影响不显著。7.空间溢出效应结果分析从表5的间接效应来看，成员国科技创新产业发展受益于相邻国家政策性金融支持、银行业贷款支持、证券业金融支持、研究人才投入和金融开放度的外溢效应。RCEP成员国之间的金融开放程度、金融支持力度和政府监管质量越大，越能推动国家间人才流动、技术交流和金融合作，进一步促进成员国科技创新产业的发展。然而，风险投资、人均GDP对科技创新产业的空间溢出效应分别表现为不显著和显著为负。在此基础上，本文整理RCEP协议签署前后不同共生水平的空间权重矩阵下间接效应估计结果的显著性差异，结果如表6所示，并将分析上述结果产生的原因及国外经验借鉴。(1)政策性和银行业金融支持的间接效应RCEP协议签署后，随着大部分成员国共生水平的增加，成员国科技创新产业发展受到国外政府支持的影响增强，可能的原因有：随着RCEP协议的签署，各成员国政府监管质量和营商环境有一定提高，为科技创新产业发展提供了良好的环境；政府行为会产生空间溢出效应，当某国政府出台政策吸引资本、人才等要素流入时，周边国家政府会效仿出台更具吸引力的政策。RCEP协议签署后，随着大部分成员国共生水平的增加，成员国科技创新产业发展受到国外银行信贷融资支持的影响由不显著变为显著为正，这说明成员国逐步接受国外银行业的金融支持，表现为本外币贷款余额增加。这可能是因为各国发展跨境贷款业务，拓宽了科技创新产业的融资渠道，进而增强了科技创新产业发展的空间溢出效(2)金融开放度和证券业金融支持的间接效应RCEP协议签署后，随着大部分成员国共生水平的增加，金融开放度指标的空间溢出效应略微减弱但是依旧显著。原因可能是成员国之间金融集聚产生了显著的外溢效应，比如周边国家金融开放使得资本流向要素成本较低的东盟国家，并通过跨国资产组合分散风险，进一步推动东盟的产业结构升级和实体经济发展。RCEP协议签署后，随着大部分成员国共生水平的增加，证券业金融支持指标的空间溢出效应略微减弱但是依旧显著。RCEP成员国发展资本市场的潜力较大，且对科技创新产业尤其是中小企业降低上市门槛、放松上市标准，这些措施都能够加大直接融资支持的力度。空间溢出效应略微减弱的原因可能是2021年RCEP协议刚刚签署不久，相关优惠政策的落实准备起步，直到2022年1月1日才正式生效，空间溢出效应的变化尚不稳定。(3)风险投资、研究人才占比和人均GDP的间接效应RCEP协议签署前后，风险投资指标的空间溢出效应都不显著。各国风险投资对国内和相邻国家都没有产生影响，可能是因为各成员国对风险投资的管控较严，且风险投资市场起步较晚导致风险投资机构的业务覆盖范围较小，这些因素都导致其发展受到影响。RCEP协议签署后，随着大部分成员国共生水平的增加，周边国家研究人才占比指标的空间溢出效应减弱。可能的原因有：第一，海外归国人才不仅专业知识和技能水平较高，而且熟悉东道国的基本情况，因此企业通过海外归国人才引入的国外先进技术和理念更符合本国国情，但是人才引进的增加可能对周边国家科技创新产业发展产生挤出效应或虹吸效应；第二，东盟各国的教育资源投入和教学质量不同，导致学历认证的标准存在较大差距，出现高学历和高技能人才在不同国家流动时身份不能互认的现象，从而限制研究人才在国家间自由流动。人均GDP对科技创新产业发展的空间溢出效应显著为负，可能是因为在科技成果转化阶段，周边国家第二、第三产业发展会吸收本国的金融和创业投资资源，导致产生虹吸效应，从而抑制本国科技成果的商业化发展。综上所述，RCEP成员国金融支持对科技创新产业发展的直接影响与空间溢出效应估计结果验证了本文的假设2，即RCEP协议签署能够增强各成员国科技创新产业发展的空间溢出效应。8.稳健性检验本文将共生度的引力矩阵换成地理距离矩阵W1，得到SDM模型的直接效应、间接效应和总效应的估计结果并进行稳健性检验。由表7可知，各解释变量系数显著性与之前共生度的引力矩阵模型估计结果一致，因此稳健性检验通过，该模型较为合理。六、结论与建议本文在测度RCEP成员国科技创新产业与金融产业的共生水平基础上，研究了不同金融支持方式下科技创新产业发展的空间溢出效应，得到了以下结论：第一，RCEP协议签署后，非东盟与东盟之间科技创新产业与金融产业的共生水平差距明显缩小，甚至在2021年出现东盟赶超非东盟的趋势。这意味着RCEP协议签署能够增强各成员国之间的空间溢出效应，即东盟科技创新产业种群受到更多国外金融机构和市场种群的支持，因而种群间共生关系越来越密切。第二，RCEP成员国科技创新产业发展受到自身银行业贷款支持、证券业金融支持与金融开放度等的正向影响，其中证券业金融支持的影响最大。政策性金融支持、风险投资、研究人才占比和人均GDP的显著性检验未通过。第三，RCEP成员国科技创新产业发展受益于周边国家政策性金融支持、银行业贷款支持、证券业金融支持、研究人才投入和金融开放度的外溢效应。RCEP协议签署后，随着大部分成员国共生水平的增加，成员国之间政策性和银行业金融支持的空间溢出效应上升，金融开放度和证券业金融支持的影响依然正向显著但略有下降。结合上述分析，本文提出推动中国产业结构升级和国际合作的建议：一是各级政府应鼓励企业对接国际技术标准，增强关键技术和重要产品的研发力度，不断提升产业竞争力。二是中国科技创新企业应利用自身资源优势和国别市场机遇，