金融发展促进中国技术创新的空间面板计量分析

开篇：润墨网以专业的文秘视角，为您筛选了一篇金融发展促进中国技术创新的空间面板计量分析范文，如需获取更多写作素材，在线客服老师一对一协助。欢迎您的阅读与分享！

摘要：本文运用空间面板计量方法研究了金融发展与中国技术创新之间的关系，实证研究结果表明：中国技术创新具有明显的空间相关性。非国有部门贷款/GDP对技术创新具有显著的正向影响；股票市场对技术创新的正向促进作用不明显；保险市场对技术创新具有较大的推动作用；科研经费投入和人力资本水平均是推动技术创新的主要因素；但是，FDI对我国技术创新具有显著的负向作用。

关键词：金融发展；技术创新；空间面板计量

中图分类号：F830 文献标识码：A 文章编号：1674-2265（2013）04-0014-08

一、引言

我国经济增长质量提高的核心在于以构建创新型国家为战略目标，走“创新驱动、内生增长”之路。考虑到技术创新的重要作用，我国政府开始实施一系列鼓励技术创新的政策，包括国家“863”计划、“973”计划和“火炬”计划，大大增强了中国的技术创新能力。同时，国务院于2006年印发实施《国家中长期科学和技术发展规划纲要（2006―2020年）》的若干配套政策，指出为了“营造激励自主创新的环境，推动企业成为技术创新的主体，努力建设创新型国家”，需要科技投入、税收支持、金融支持、政府采购、引进消化吸收再创新、创造和保护知识产权、人才队伍、科技创新基地与平台等方面的配套政策予以配合。由此可见，金融发展对于技术创新至关重要，对两者关系的研究具有重要的理论和现实意义。

当前，我国正着力改革银行体制，推动资本市场创新，扩大保险市场规模。但值得指出的是，银行体系、资本市场以及保险市场对技术创新的作用并不完全相同①，厘清这三个金融市场的重要组成部分对于提升中国技术创新能力的不同作用具有十分重要的意义。与此同时，考虑到我国省级地区经济发展的空间相关特性，本文采用空间面板计量分析方法，在综合银行、证券和保险三个方面的基础上，结合研发投入、外商直接投资及人力资本等因素，全面深入地剖析中国金融支持技术创新的现状，以期为中国金融市场发展，特别是为提高金融支持技术创新的效率，提供有效的对策建议。

二、文献回顾

技术创新是经济增长的原动力，其实现取决于多方面的因素，包括制度环境、研发投入、人力资本、国际贸易等。根据内生经济增长理论以及金融发展理论的观点，金融体系主要通过动员储蓄、配置资源、提供清算支付、风险管理、提供信息以及监督激励等功能来推动技术创新。熊彼特（Schumpeter，1934）强调了金融发展对技术创新的重要性，指出银行通过甄别把资金提供给最具新产品研发能力的企业，从而推动技术创新。希克斯（Hicks，1969）指出，金融体系通过把流动性金融证券转化为长期投资，为经济增长提供大量长期资本，进而使技术创新成为可能。库利和史密斯（Cooley和Smith，1991）认为，金融市场通过建立各种建议制度，使得交易成本降低，从而促进企业的专业化、技术创新和在干中学习，他们关于金融市场促进技术创新的观点得到了格罗斯曼和埃尔普曼（Grossman和Helpman，1991）、阿吉翁和豪伊特（Aghion和Howitt，1992）、格林伍德和史密斯（Greenwood和Smith，1997）的支持。圣保罗（Saint-Paul，1992）认为，金融市场所提供的风险分散和对冲服务，消减了风险厌恶型的行为人对低投资灵活性的顾虑，进而促使他们选择具有高生产率的新技术进行生产。格林伍德和约万诺维奇（Greenwood和Jovanovic，1990）指出，金融体系可以筛选出最具潜力的企业经理，从而有效引导资本配置。进一步地，金和莱文（King和Levine，1993）从监督公司管理者并形成公司治理这一金融功能与技术创新的关系上进行了开创性的研究，他们指出金融机构对企业家所进行的风险性创新活动进行评估并提供资金，因此，金融机构对于企业家的创新活动具有重要作用。富恩特和马丁（Fuente和Martin，1996）的研究并没有侧重于对企业家技术创新能力进行事前评估从而避免逆向选择，而是侧重于对企业家技术创新能力进行事中或事后监督从而防止道德风险的产生。拉扬和津加莱斯（Rajan和Zinganles，1998）认为，运行良好的金融体系能够减少企业获得外源融资的障碍，更加依赖外部融资的企业在金融发展中尤其受益，经济因新兴产业的大力发展而提高了增长率。此外，伊顿和科图姆（Eaton和Kortum，1996）指出，国际技术外溢是促进技术创新的重要手段之一，并且国际技术外溢程度取决于东道国本身的技术吸收能力，而金融发展又是影响技术吸收能力的重要因素之一。赫米斯和兰辛克（Hermes和Lensink，2003）、阿尔法罗（Alfaro，2004）等都认为东道国的金融市场效率是影响其技术吸收能力的关键因素。

在国内的相关研究中，韩廷春（2001）指出，与金融发展相比，技术进步和制度创新才是我国经济长期增长的最关键因素，但是他并没有对金融发展和技术进步之间的关系进行研究。孙伍琴（2004）从金融功能的角度出发，研究了不同金融结构对技术创新的作用。刘凤朝和沈能（2007）采用Geweke分解检验及协整分析方法，实证检验了中国金融发展和技术进步的因果关系与动态演进，研究结果表明，在长期中金融发展和技术进步之间存在均衡关系，不论是长期还是短期，金融规模和技术进步之间存在正向关系，同时两者之间具有双向因果关系。叶耀明和王胜（2007）以长三角城市群作为研究对象，实证检验了金融中介对技术创新的促进作用，得出了以银行为代表的金融中介对技术创新有显著促进作用的结论。王莉（2008）基于信息、风险以及公司治理三个维度比较了两种金融结构促进微观、中观和宏观层面的创新活动的差异，同时指出银行和市场在支持创新方面并没有绝对的优势差异，一国的创新和经济增长需要更加多元化的金融结构和更高的金融总体发展水平。姚耀军（2010）基于新熊彼特增长模型，采用中国省级面板数据，实证检验了金融中介发展与技术进步之间的关系，研究结果表明，金融发展可以推动技术进步从而促进经济长期增长。钱水土和周永涛（2010）采用2000―2008年中国省级面板数据，运用分位数回归方法，对金融发展、技术进步和产业升级之间的关系进行研究，结果表明金融发展与人力资本对技术进步和产业升级均具有显著的推动作用，并且在跨过某一分界点之后，金融发展和人力资本的系数值迅速提高；然而，外商直接投资对技术进步和产业升级的作用并不显著；同时，研发投入对技术进步的系数变化曲线呈现斜向上的“W”型，但从整体来看，研发投入所产生的经济效益将会越来越好。

综上所述，关于金融发展和技术创新之间的关系，国内外许多文献均从全国和地区两个层面进行了理论和实证研究。但是，迄今为止，鲜有文献采用空间面板计量分析方法，对中国金融发展促进技术创新的空间效应进行研究。考虑到中国经济增长与金融发展的地区差异性以及经济增长中可能存在的空间依赖性，本文利用空间面板计量分析方法，综合银行、证券和保险这三个主要渠道，兼顾研发投入、外商直接投资、人力资本，以中国省级数据作为样本，对金融发展和技术创新之间的关系进行研究，以期得到符合实际的结论，从而为中国未来经济协同发展提供经验和政策思路。

三、空间计量方法与实证模型

在经济增长中，劳动力转移、技术扩散以及资金流动等问题可能会导致变量间的空间相互作用。但是，传统的面板计量模型却没有考虑到经济增长中包含的空间自相关性。因此，如果在经济增长的研究中直接运用传统的面板计量模型，把不同的经济体当作互相独立的个体，而忽略了它们在空间上的相互依赖性，则会产生建模失误以及有偏估计等问题（吴玉鸣，2006；安瑟兰，2009）。鉴于此，本文根据空间统计学和空间计量经济学原理，尝试采用空间面板计量模型来进行研究。空间计量经济分析的一般思路是：利用空间统计分析Moran I指数法检验各个变量之间是否存在空间依赖性；如果存在空间依赖性，则建立空间计量经济模型，进行空间计量估计和检验；如果不存在空间依赖性，则建立传统的面板计量模型进行估计和检验。

（一）空间相关性检验

目前，我们一般采用莫兰（Moran，1950）提出的空间自相关指数Moran I来判断各地区变量之间是否存在空间相关性。Moran I的定义是：

[Moran I=i=1nj=1nWij（Yij-Y）S2i=1nj=1nWij] （1）

式中，[S2=1ni=1n（Yi-Y）]；[Y=1ni=1nYi]；[Yij]表示第[i]个地区的第[j]次观测值；[n]表示地区总数；[Wij]表示二进制的邻接空间权值矩阵，意味着其中任意元素使用邻接标准或距离标准，旨在定义空间对象相互邻接关系。本文根据相邻距离设定权值即：

[Wij=1，区域i和区域j相邻0，区域i和区域j不相邻 i，j=1，2，???，N，i≠j] （2）

根据数据的分布，计算状态分布Moran I的期望值为：

[En（I）=-1n-1]

[VaRn（I）=n2w1+nw2+3w20w20（n2-1）-E2n（I）] （3）

式中，[w0=i=1nj=1nwij]；[w1=12i=1nj=1n（wij+wji）2]；

[w2=i=1n（wi.+w.j）2]，[wi.]与[w.j]分别为空间权值矩阵的[i]行与[j]列之和。

根据公式（4）可以检验出[n]个地区是否存在空间自相关关系：

[Z（d）=Moran I-E（I）VaR（I）] （4）

如果Moran I正态统计量[Z（d）]值都大于正态分布函数95%（99%）置信水平的临界值1.65（1.96），那么意味着该指标的统计观测值在空间分布上存在显著的空间正相关关系（即空间依赖性）。更进一步地，在二维平面上，绘制空间相关系数Moran I指数的散点图，可以把各个区域的这个指标分为四个象限的集群模式，用来清晰地识别出一个区域与其邻近区域之间的关系。其中，第一象限是“高―高”组合，意味着该指标高统计值的区域被同是高统计值的区域包围；第二象限是“低―高”组合，意味着该指标低统计值的区域被高统计值的区域包围；第三象限是“低―低”组合，意味着该指标低统计值的区域被同是低统计值的区域包围；第四象限是“高―低”组合，意味着该指标低统计值的区域被同是低统计值的区域包围。

（二）空间计量模型

本文采用了考虑空间效应的空间常系数回归模型，包括空间滞后模型（SLM）和空间误差模型（SEM）。SLM与SEM的主要区别在于：SLM研究因变量在各个子区域的空间相关性，考察变量在一个区域是否存在溢出效应；SEM则研究存在于误差扰动项中的空间依赖性，考察邻近区域对因变量的误差影响对于本区域观测值的影响程度。

SLM把因变量引入空间加权矩阵修正经典回归模型，其形式为：

[y=ρWy+Xβ+ε] （5）

式中，[y]表示因变量；[ρ]表示空间自回归系数；[W]表示[n×n]的空间权重矩阵；[X]表示[n×k]的外生解释变量矩阵；[Wy]表示空间滞后因变量；[ε]表示随机误差项。

SEM在误差修正项中引入空间加权矩阵来修正模型，其形式为：

[y=Xβ+εε=λW+μ] （6）

式中，[β]为参数，表示自变量[X]对因变量[y]的影响；[λ]表示[n×1]的截面因变量的空间误差系数，用来衡量样本观测值的空间依赖性，即相邻区域的观测值[y]对本区域观测值[y]的影响方向与程度；[ε]表示随机误差项；[μ]表示正态分布的随机误差向量。

（三）实证模型建立

本文所构建的实证模型如下：

[lnINVit=a0+α1lnSTPit+α2STEit+α3FDit+α4FDIit+α5HCit+εit] （7）

式中，[i]表示地区；[t]表示年份；[INVit]表示技术创新水平，用专利申请量来衡量；[STPit]表示科技活动人员数；[STEit]表示科技活动经费内部支出；[FDit]表示金融发展水平②；[FDIit]表示外商直接投资；[HCit]表示人力资本水平；[εit]表示随机扰动项。

本文根据SLM和SEM空间估计方法，分别建立空间滞后模型和空间误差模型，同时与传统面板模型的估计结果进行比较。

1. 空间滞后模型为：

[lnINVit=ρWlnINVit-1+a0+α1lnSTPit+α2STEit+α3FDit+α4FDIit+α5HCit+εit]（8）

式中，[W]表示[n×n]的空间加权矩阵，意味着不同地区在地理上的相邻关系；[ρ]表示反映观测值空间依赖性的系数；[εit]表示随机扰动项。

2. 空间误差模型为：

[lnINVit=a0+α1lnSTPit+α2STEit+α3FDit+α4FDIit+α5HCit+εitεit=λWεit+μit （9）]

式（9）采用了与式（8）相同的空间加权矩阵；[λ]表示反映空间依赖对误差项影响程度的系数；[μ]表示随机扰动项。此外，鉴于空间相关性的存在，采用传统的OLS方法估计空间滞后模型，不但是有偏的，而且不一致；同时采用OLS方法估计空间误差模型虽然是无偏的，但不具备有效性。为了克服这一缺陷，本文使用针对空间面板模型的极大似然估计方法（埃洛斯特，2003），同时使用对数似然函数值（Log-Likelihood）来判断模型的有效性。

四、实证分析

（一）指标及数据说明

1. 技术创新。技术创新（INV）是因变量。综观现有文献，尚无直接衡量技术创新的指标，专利申请量或授权量是常用的近似指标。鉴于专利局审批专利到授权存在较长的滞后性，专利授权量不能及时反映各区域的技术创新产出，因此本文使用专利申请量作为技术创新的指标。

2. 金融发展。金融发展（FD）是主要的自变量，一般采用三类指标来衡量。（1）以银行信贷为主的间接融资市场。周立（2002）选用金融市场化比率作为衡量金融中介发展水平的指标；张军等（2005）提出非国有企业的贷款规模与GDP的比值是衡量金融中介发展程度较为合适的指标；林毅夫（2006）则认为由于我国是以银行为主导的金融发展模式，因此应该用中小银行的市场份额来衡量银行业机构的优化程度；姚耀军（2009）指出私营企业与个体贷款之和占总贷款的比重可以合理地衡量我国金融中介发展程度③。本文借鉴张军（2005）等的做法，采用非国有企业贷款与GDP的比值来衡量我国金融中介发展程度④。（2）以股票和债券为主的直接融资市场。由于债券数据较难获得，本文选择股票总市值与GDP之比来衡量。（3）新兴的保险市场。考虑到保险市场各个指标之间的相关性以及原始数据的可获得性，本文采用保费收入与GDP之比来衡量。

3. 其他指标。外商直接投资（FDI）用各区域外商直接投资实际利用额与名义GDP的比值来衡量；人力资本（HC）用6岁以上人口平均受教育年数来衡量⑤；科技活动人员数（STP）和科技活动经费内部支出总额（STE）⑥的含义如前文所述。相关描述性统计如表1所示。

通过对模型（7）的进一步研究可以发现，科技活动人员数（STP）与科技活动经费内部支出（STE）之间存在较高的相关性；数据的相关性分析显示，科技活动人员数与专利申请量之间的相关性比较弱，故将其去掉。变量间的相关系数矩阵如表2所示。

（二）技术创新的空间相关性检验

图1是2007年我国31个省级地区专利申请数（取对数）在地理空间上的分位图，地图上的颜色由浅到深表示估计值由小到大。其中一个显著的特点是大量的创新活动发生在沿海省域，尤其是以上海为中心的长三角地区、以广东为核心的珠三角地区、以北京为核心的环渤海地区及以四川为核心的中西部地区。这表明围绕我国若干大都市的空间集群已经形成，当然还有一些中等程度的空间集群，如中部的湖北、河北和河南等地区。

依据式（1）计算可得1998―2007年各指标的Moran I值，同时根据式（4）判断变量是否存在空间相关性。由表3可见，技术创新指标的Moran I值由1998年的0.3048增加到2007年的0.3367，其正态统计量Z（d）值均大于正态分布函数在1%显著性水平下的临界值，这说明技术创新空间随机分布的假设被拒绝，技术创新在整个样本期间具有显著的空间集群趋势。图2是2007年我国31个省级地区技术创新的Moran I指数散点图，该图显示了技术创新指标空间滞后INV作为横轴和W_INV作为纵轴的分布情况，其中，W_INV表示邻近值的加权平均值。北京、上海、江苏、浙江、天津、山东、福建、河北、河南、湖北、湖南、重庆等12个省市位于第一象限，属于“高―高”的正空间自相关关系的集群；安徽、江西、贵州、广西、吉林、山西等6个省区位于第二象限，属于“低―高”的负空间自相关关系集群；甘肃、内蒙古、云南、青海、宁夏、新疆、等7个省区位于第三象限，属于“低―低”的正空间自相关关系的集群；辽宁、四川、黑龙江等3个省份位于第四象限，属于“高―低”的负空间自相关关系集群；广东同时位于第一象限和第四象限；海南和陕西同时位于第二象限和第三象限。其中，61.29%的省域存在正向关联，29.03%的省域偏离了全域空间自相关。技术创新指标的第一象限和第三象限这种局域集群的“高―高”和“低―低”分化，在某种程度上表明了中国省域技术创新在地理空间分布上具有依赖性和异质性。

（三）估计结果分析

本文使用Matlab7.0软件，对面板SEM模型和面板SLM模型进行估计，同时，为了便于比较，我们还对传统面板数据进行估计。由表4可见，空间固定的面板SEM模型估计结果的Log似然值优于传统面板模型以及其他各种空间面板模型的log似然值，与此同时，空间固定面板SEM模型的调整后的R2值也很大。因此，本文将选择空间固定的面板SEM模型对我国金融发展促进技术创新的影响程度进行实证分析。

根据表4空间固定面板SEM模型的估计结果可见，银行信贷的系数显著并且为正（0.697），这说明以非国有部门贷款与GDP之比来衡量的间接融资市场发展水平对技术创新具有显著的正向影响。而股票市场的系数为正（0.019）但是不显著，说明股票市场对技术创新的正向促进作用并没有完全显现出来。值得肯定的是，保险市场的系数显著并且为正（6.654），同时其数值比较大，这说明保险市场对技术创新具有较大的推动作用。

首先，大量学者研究发现，尽管非国有企业在扩大就业、技术创新和经济增长中发挥着越来越重要的作用，但国内银行仍然将大量的信贷资源优先分配给国有企业（林毅夫，2006）。实证结果显示，在控制了其他因素的影响之后，各个地区非国有部门增加银行信贷的支持将有利于提高该地区的技术创新，但不可否认的是目前这一支持力度明显小于人们的预期。其次，传统理论指出股票市场拓宽了公司的融资渠道，从而会促进公司的技术创新。但是，实证研究表明，在中国省域经济发展中，股票总市值占比与技术创新水平呈现不显著的变动关系，这与中国股票市场的走势与经济发展水平出现背离、信息披露不充分和市场投机气氛较浓等密切相关。最后，保险市场的参数估计要明显大于银行信贷与股票市场，这与中国保险市场的兴起与高速发展密不可分。加入WTO之后，外资保险机构的引入促使国内保险业在精算技术、风险控制、产品开发以及核保核赔等方面取得了长足发展；同时作为风险分散的手段之一，保险产品对科技企业及研发机构在研发、生产、销售等环节合理安排风险转移具有越来越重要的作用。

除此之外，在内生经济增长理论中，人力资本具有极其重要的作用。空间固定面板SEM模型的估计结果表明，人力资本水平与我国的技术创新均呈正相关关系，与我们的预期相符，这说明近年来我国教育事业的发展对技术创新发挥了积极的促进作用，因此我国应该进一步增加教育、培训和医疗等投入，努力提升人力资本水平。我国虽然实行了“以市场换技术”的战略，并且连续多年成为吸收外商直接投资最多的发展中国家，但外商直接投资对我国的技术创新的影响整体上显著为负，远远没有成为推动我国技术创新的外在动力。从理论上来看，外商直接投资不但有助于发展中国家资本的形成，而且有助于技术水平的提高，同时具有产业升级、就业创造等效应；但是，实际上外商直接投资对不同国家经济增长的影响效果大相径庭。研究结果显示，大量流入的外商直接投资对我国技术创新的影响显著为负，导致该结果的根本原因在于：一是发达国家和跨国公司设立了技术壁垒，限制核心技术的出口；二是我国在金融发展水平、人力资本积累以及基础设施建设等方面仍然比较薄弱，因此导致对外商直接投资的吸收能力比较弱。科研经费投入的系数显著为正，符合我们的预期。

五、结论

本文基于银行信贷、股票市场和保险市场三个角度，采用空间面板计量模型，对1998―2007年间我国金融支持技术创新的空间关系进行实证分析，所得结论如下：（1）技术创新展示出显著的局域集群“高―高”和“低―低”分化，具体表现为局域高值的沿海集群地区是我国整体经济发展水平较高的区域，而局域低值的西部集群地区是我国整体经济发展水平较低的区域。（2）由于变量间存在空间依赖性和空间自相关性，传统面板模型的估计结果是有偏且不一致的，使用空间面板计量分析方法可以获得更加稳健的结论。（3）空间固定面板SEM模型的估计结果显示：以非国有部门贷款与GDP之比来衡量的间接融资市场发展水平对技术创新具有显著的正向影响；股票市场前面的系数为正但不显著；保险市场前面的系数显著为正且数值较大；科研经费投入、人力资本水平也是推动我国技术创新的主要因素；FDI对我国技术创新具有显著的负向作用。

基于以上结论，我们认为，为了构建与中国技术创新相适应的金融体系，应该从以下几个方面着手：（1）进一步加快金融市场开放，深化国有商业银行改革。从我国实际情况来看，目前间接融资（从国有商业银行获得贷款）仍然是企业技术创新外源融资的主要手段。一方面，我国金融市场必须通过对外和对内开放，引入竞争机制，提高效率，才能真正发挥其对技术创新的作用；另一方面，国有商业银行必须突破传统观念的束缚，在把握银行追求利润及稳健经营的基础上，辩证地看待技术创新的高风险，对具有发展潜力的创新技术给予资金支持，促使高风险转化为高收益。（2）中小企业对技术创新具有重要的促进作用，但是当前我国的金融供给仍然不能满足中小企业技术创新的需求，所以必须积极发挥政府的作用，大力改善中小企业的融资环境。例如，鼓励金融机构改善并加强对高新技术企业的金融服务；加大对中小企业科技成果转化项目的信贷支持力度；完善中小企业技术创新融资的政策法律体系；构建多种形式的科技金融合作平台，引导各类金融机构及民间资本参与科技研发等等，从而为企业技术创新提供良好的外部条件。（3）建立企业技术创新的多层次金融支持体系。科研的投入是技术创新的真正源泉，应该大力推进我国资本市场的发展与完善，建立多层次的兼容支持体系，逐步形成一个推动中小企业技术创新的涵盖商业银行和政策性银行、证券市场、保险、创业投资以及技术产权交易机构的金融支持体系，进而提高我国的技术创新能力。

注：

① 艾伦（Allen，1993）、莫克和中村（Morck和Nakamura，1999）、布特和撒克（Boot和Thakor，1997）等认为，市场导向的资本市场相比银行中介导向的金融体系来说更适合高创新、高风险的投资项目，而银行导向的金融体系更适合传统型的低风险投资项目。

②金融发展指标（FD）由三大类指标衡量：银行信贷（BAN）、股票市场（SEC）、保险市场（INS），详见下文。

③国内的实证研究大多采用金融机构存贷款之和/GDP、或金融机构贷款/GDP，但由于中国银行部门存在政策导向的贷款和大量的不良资产（张军、金煜，2005），且实际中我国政府把银行信贷作为一种降低省际经济发展差距的工具，经济发展水平落后的省份会更容易获得银行贷款的支持（姚耀军，2010），用该指标进行实证的结果大多为负，造成的假象是我国金融中介好像根本没有促进经济增长，所以该指标并不能真实地衡量我国金融中介发展水平。

④这里我们假定全部信贷只分配给国有企业和非国有企业两个部门，并进一步假定各省分配到国有企业的贷款与该省国有企业的固定资产投资成正比，则非国有部门贷款为总贷款余额× （1-国有经济固定资产投资总额/全社会固定资产投资总额）。

⑤即设文盲半文盲、小学、初中、高中、大专以上教育程度的居民平均年数分别为0、6、9、12和16年，然后再计算加权平均值。

⑥其中STE历年数据都以1998年为不变价格进行折算。

参考文献：

[1]King R G， R Levine.1993.Finance，Entrepreneurship，and Growth：Theory and Evidence [J]. Journal of Monetary Economics， 32.513-542.

[2]Anselin L.Spatial Econometrics： Methods and Models [M].Dordrecht， Kluwer Academic Publishers.

[3]Elhorst， J.P.2003. Specification and Estimation o f Spatial Pane l Data Models.[J]. International Regional Science Review， 26（3）： 244 - 267.

[4]Lesage，J.P.1999.The Theory and Practice of Spatial Econometrics. http： www. spatial .

[5]Moran， P.A.P.1950. Notes on Continuous Stochastic Phenomena. [J]. Biometrika， 37（17）： 445 - 462.

[6]Greenwood， J. and Jovanovic，B.，1990，Financial Development， Growth， and the Distribution of Income [J]， Journal of Political Economy. 98（2）：1076-1107.

[7]Saint-Paul，G.1992，Technological Choice，Financial Markets and Economic Development [J]，European Economic Review， 36（3）：763-781.

[8]周立，胡鞍钢.中国金融发展的地区差距状况分析（1978―1999） [J].清华大学学报，2002，（2）.

[9]林毅夫. 经济结构、银行业结构与经济发展――基于分省面板数据的实证分析[J].金融研究，2006，（1）.

[10]韩廷春，龙源.投融资机制与技术创新：基于中国省级区域的实证研究[J].科研管理，2007，（4）.

[11]张军，金煜.中国的金融深化和生产率关系的再检测：1987―2001 [J].经济研究，2005，（11）.

[12]刘凤朝，沈能.金融发展与技术进步的Geweke因果分解检验及协整分析[J].管理评论，2007，（11）.

[13]吴玉鸣.中国区域研发知识溢出与创新的空间计量经济研究[M].北京：人民出版社，2007.

[14]孙伍琴，朱顺林.金融发展促进技术创新的效率研究――基于Malmuquist指数的分析[J].统计研究，2008，（3）.

[15]王莉.技术创新、金融结构与新经济发展[M].北京： 经济科学出版社，2007.

[16]姚耀军.金融中介发展与技术进步――来自中国省级面板数据的证据[J].财贸经济，2010，（4）.

[17]钱水土，周永涛.金融发展、技术进步与产业升级[J].统计研究，2011，（1）.