小伙伴们反映都在为论文烦恼，小编为大家精选了《金融发展产业结构优化对策论文(精选3篇)》，供大家参考借鉴，希望可以帮助到有需要的朋友。摘要：选取2001—2015年省级面板数据，基于空间计量模型，考量科技金融对产业结构升级的影响及其空间溢出效应。
金融发展产业结构优化对策论文 篇1：
科技金融发展、产业结构升级与生态效率提升
[摘要]文章从科技金融发展和产业结构升级的视角出发探讨促进生态效率提升的路径。根据2006—2015年的省际面板数据，测算出地区生态效率水平、科技金融发展指数和产业结构水平，通过建立静态面板模型发现，科技金融发展显著地促进了生态效率提升，而现阶段生态效率的提升主要从产业结构升级方面出发，科技金融是加快产业转型升级的重要动力，通过提升科技金融发展水平促进产业结构升级进而提升生态效率。
[关键词]科技金融发展；产业结构；生态效率
[DOI]1013939/jcnkizgsc201729095
1引言
“十三五”战略格局下，“创新、协调、绿色、开放、共享”成為核心的发展理念，科技创新、产业结构转型升级和绿色发展是中央关注的重要工作。构建科技含量高、资源消耗低、环境污染少的产业结构，加快推动生产方式绿色化，大幅提高经济绿色化程度，有效降低发展的资源环境代价成为积极应对气候变化、维护全球生态安全的重大举措，全面建成小康社会、实现中华民族伟大复兴“中国梦”的时代抉择（见《关于加快推进生态文明建设的意见》，中共中央国务院，2015年4月25日）。推进生态文明建设，提升生态效率，即所谓“绿色发展”。因此，在现阶段的中国，如何促进科技金融发展与产业结构升级，如何充分发挥二者对区域生态效率提升的作用成为了亟待解决的问题。
2文献综述
科技金融是指科技产业与金融产业相融合，其中科技是第一生产力，金融则是第一推动力。目前“科技金融”的定义并未统一，基本上可以概括为一切服务于科技企业及科技成果发展、创新的多方资源体系。科技资源与金融资源是生产力中最为活跃的因素，科技金融是加快产业转型升级的重要动力，而产业转型升级又是促进生态文明与提高生态效率的必要途径。
国内外学者对科技金融发展、产业结构升级与生态效率提升三者做了相应研究。关于科技金融，曹颢（2011）将科技创新与相应的金融资源相融合，构建了我国科技金融发展指数的基本框架。产业结构与生态效率之间的关系已被学术界广泛研究，并且基本达成共识，即产业结构升级有助于生态效率提升。潘兴侠、何宜庆（2015）研究指出经济发展中的产业结构效应是影响区域生态环境的关键因素，特定的产业结构和不同行业的技术水平决定了区域生态效率水平，要提高区域生态效率，必须逐步调整产业结构。还有学者研究了金融发展、科技创新、产业结构、生态效率两两之间的关系，较少文献从科技金融视角出发探讨产业结构升级与生态效率提升。在经济新常态，建设创新型国家，实现经济社会转型与可持续发展的战略背景下，有必要进一步深入研究科技金融、产业结构与生态效率之间的关系，文章将三者看作一个整体系统，通过实证分析重点研究科技金融、产业转型如何对生态效率产生影响。
3变量定义与计算
文章基于2006—2015年30个省、市、自治区的面板数据，由于西藏地区数据严重缺失，故将其从样本中剔除。以下是主要变量的定义和数据来源。
31生态效率水平
生态效率是生态资源满足人类需要的效率，它是产出与投入的比值。文章选用超效率DEA模型并直接运用MYDEA软件来测度中国各省2006—2015年的生态效率水平，将效益型指标作为产出指标，成本型指标作为投入指标，在具体超效率DEA模型中，选用地区GDP（以2005年为基期）作为产出指标，选用地区能源消耗和环境污染指标作为投入指标，其中，能源消耗指标包括能源消费总量、用水用量、电力消费量和城市建设用地面积，环境污染指标包括固体废物排放量、废水排放量、COD排放量、SO2排放量以及烟尘排放量。以上数据来自历年的《中国统计年鉴》《中国环境统计年鉴》。
32科技金融发展指数
根据曹颢（2011）关于科技金融发展的测量办法，运用算数平均法确定权重，测算出30个省份的科技金融发展指数。科技金融发展指数包括四部分：科技金融资源指数，包括科技人力资源和研发机构资源两方面；科技金融经费指数，包括财政科技拨款和研发活动经费支出两方面；科技金融产出指数，考察科技成果产出和扩散的效率，包括技术市场成交额、专利申请授权量和高技术产业出口额；科技技金融贷款指数，主要指金融机构科技贷款额与研发经费支出之比。数据来源于历年的《中国统计年鉴》《中国科技统计年鉴》《中国高技术产业统计年鉴》以及Wind金融数据库。
33产业结构升级
产业结构升级的特征是经济重心由第一产业向第二、第三产业转移。产业结构水平的高低应该综合第二产业和第三产业占比，考虑到我国区域发展不平衡的事实，根据塞尔奎因和钱纳里“第三产业占比应该更高”的观点，采用金艳清的方法来测度各省份的产业结构升级水平：各省产业结构升级水平=各省第二产业占比×04+各省第三产业占比×06。
34其他控制变量
控制某些可能影响区域生态效率的其他因素。首先，环境污染治理会改善生态环境，用工业污染治理投资表示各地区的环境污染治理力度。其次，居民环保意识的增强对生态环境有一定影响，用人均教育年限表示环保意识强度。最后，扩大造林面积也对生态效率有影响。
4模型设定
通过建立静态面板模型，以生态效率水平为因变量，科技金融发展指数和产业结构水平为自变量，同时控制其他变量，探究科技金融、产业结构对生态效率的影响作用。若Hausman检验结果不显著，则表明随机效应方法较为合适，反之，则选择固定效应模型。基本模型设定如下：
lnEcoit=γit+β1lnTfin+β2lnStyit+β3lnEniit+β4lnTreit+β5lnEduit+μit
其中，Eco是被解释变量，表示各地区生态效率水平的对数，Tfin表示科技金融发展指数，用于衡量科技金融发展水平，Str表示各地区产业结构水平。其他控制变量，Eni表示各地区工业污染治理投资，Tre表示各地区造林面积，Edu表示人均教育年限。下标i和t分别表示省份和年份。
5实证分析
首先，对主要变量进行了单位根检验，以防止虚假回归。通过单位根检验发现，原始变量大多是不平稳序列，而在一阶差分处理后，所有序列都通过了检验，均为一阶平稳序列，可以继续进行实证分析。然后，分别采用混合回归、固定效应和随机效应三种静态面板回归模型对数据进行回归。并进行了Hausman检验，P=07485，检验结果不显著，表明随机效应模型更为合适。三种模型回归结果见下表。
268（07485）注：***表示在1%的水平上显著，**表示在5%的水平上显著。
由混合回归模型、固定效应模型和随机效应模型的估计系数，可以看出，各省域的科技金融发展对生态效率表现出明显的正向促进作用。随机效应回归结果表明，产业结构升级有利于提高生态效率，影响系数为09531，且通过了1%的显著性检验，表明产业结构升级程度每提高1%，生态效率水平会提升约095%。科技金融发展指数对生态效率的影响系数为01389，估计系数通过1%的显著性检验，表明科技金融发展水平每提高1%，生态效率提升约014%。这说明现阶段生态效率的提升主要从产业结构升级方面出发，通过提升科技金融发展水平促进产业结构升级进而提升生态效率。同时，工业污染治理、造林面积和人均教育年限的估计系数均为正，说明加强工业污染治理力度、扩大造林面积、提高人力资本、增强全民环保意识也有益于生态效率的改善与提升。
6结论与建议
通过面板模型回归发现，科技金融发展显著地促进了生态效率提升，而现阶段生态效率的提升主要从产业结构升级方面出发，通过提升科技金融发展水平促进产业结构升级进而提升生态效率。同时，加大污染治理投资、扩大造林面积、提高人力资本、增强全民环保意识也有益于生态效率的改善与提升。当前我国各地区科技金融发展尚不完善，生态效率水平有待提高，科技金融在推动产业结构升级和生态效率方面提升存在着较大的发展空间，就此提出以下对策建议。
第一，进一步促进科技金融紧密融合，提高科技金融发展水平。激发市场金融资本的活力，将银行业金融机构、各类股权投资机构、多层次资本市场等多方力量进行整合，满足处于种子期、初创期、成长期、成熟期等不同发展阶段创新成长类、科技类企业的差异化金融服务需求，促进科技产品研发、成果转化和高新技术产业发展，实现科技创新与金融发展的完美融合。一方面要拓宽多元化融资渠道，引导和鼓励中小银行发展科技金融，大力发展科技银行、科技小额贷款公司和金融租赁公司，缓解科技型中小企业融资难、融资贵的问题。另一方面要全面推广知识产权质押融资和还款方式创新，加快推进科技信贷产品和服务模式创新，实现金融产品和服务模式的全面创新。
第二，积极发挥科技金融发展、产业结构升级对生态效率的促进作用。科技金融是加快产业转型升级的重要动力，科技金融的发展将资金配置到具有创新性且发展前景良好的产业中，有利于科技企业获得资金从事创新活动，促进了产品从低附加值向高附加值的升级，推动产业结构升级。在当前新常态下，我国传统制造业和服务业都面临着调整、改造和升级的任务，需要“围绕产业链部署创新链，围绕创新链完善资金链”，推动科技成果的研发、扩散与产业化，进而推动高科技高效率的现代服务业与科技化信息化的现代制造业的发展，优化升级产业结构，加快转变经济发展方式，提升生态效率。
第三，加大环境治理力度，加强环保督察，提高全民环保意识，推动绿色发展。要重点治理大气雾霾和水污染，守护青山绿水、蓝天白云。健全环境保护地方法律法规体系，严格执行环保法律法规和一系列有关环境的评价、考核、监管和处罚制度，必须严厉打击超排、偷排者，严肃追究姑息纵容者。同时，提高公民环保意识、增强公民环保观念，建设和谐美好家园。
参考文献：
[1]曹颢，尤建新，卢锐，等我国科技金融发展指数实证研究[J].中国管理科学，2011，19（3）：134-140
[2]陳林心，何宜庆金融集聚、产业结构优化与生态效率提升——基于省际数据的空间面板模型[J].企业经济，2016（3）：178-182
[3]余姗，张文彬FDI是否促进了生态效率的提高——来自我国省际数据的考察[J].国际商务（对外经济贸易大学学报），2016（1）：60-69
[4]何宜庆，陈林心，周小刚长江经济带生态效率提升的空间计量分析——基于金融集聚和产业结构优化的视角[J].生态经济，2016，32（1）：22-26
[5]湛泳，李珊金融发展、科技创新与智慧城市建设——基于信息化发展视角的分析[J].财经研究，2016，42（2）：4-15
[6]潘兴侠，何宜庆中部六省生态效率评价及其与产业结构的时空关联分析[J].统计决，2015（3）：127-130
[7]何朵军区域科技金融、人力资本与技术创新的研究[D].海口：海南大学，2016
[作者简介]余丽斌（1996—），女，汉族，四川乐山人，南昌大学前湖学院，研究方向：金融学；江艳秋（1996—），女，汉族，江西南昌人，南昌大学前湖学院，研究方向：会计学。
作者：余丽斌 江艳秋
金融发展产业结构优化对策论文 篇2：
科技金融对产业结构升级的影响及其空间溢出效应研究
摘 要：选取2001—2015年省级面板数据，基于空间计量模型，考量科技金融对产业结构升级的影响及其空间溢出效应。结果显示：科技金融能显著促进产业结构升级，并通过空间溢出效应对邻近区域的产业结构升级产生较好的促进作用；同时科技金融对产业升级的空间溢出效应在东部地区最大，西部地区其次，中部地区最小；人力资本、城市化水平和外商直接投资在全国范围具有较显著的空间溢出效应，东部地区溢出效应更强。
关键词： 科技金融；产业结构升级；空间滞后模型；空间溢出效应
一、引 言
中国经济历经近30年的中高速增长后，正面临着投资出口驱动力下降，土地、劳动力等生产要素价格高企和资源环境约束趋紧等系列问题，传统的高投入、高消耗和高排放的粗放型经济增长方式已然不能维系。在“新时代”经济背景下，我国产业结构的升级发展亟待增强创新驱动，激发市场主体发展新活力。新经济增长理论认为，作为一国经济增长动力的科技金融，其递增效应、外溢效应及其在国际贸易中的边干边学效应，内生地促进生产率提升，保证经济可持续增长[1]。根据钱纳里工业化阶段理论，产业结构升级是决定经济持续增长的决定性因素，在后工业化时期，产业结构将由资本密集型产业为主导转变为技术密集型产业为主导[2]。
国外学者主要围绕银行贷款、风险投资、资本市场等对科技创新的影响展开科技金融对产业结构升级作用的研究。Schumpeter（1934）首次将金融与技术进步和科技创新联系起来，指出一个健全的金融体系对实现科技创新起到关键作用[3]；Hyytinen and Toivanen（2005）运用芬兰小微企业层面的数据，研究融资约束对企业技术创新的影响，指出资本市场的不完善将严重阻碍企业科技创新与宏观经济发展[4]；Benfratello（2008）通过面板数据分析了意大利地方银行对企业创新的影响，发现设立地方性银行可以显著促进该地区企业创新活动的成功率[5]；Chowdhury（2012）发现在发达国家，金融业的发展水平与该国企业研发投入呈现出明显的正相关关系，从侧面证明了金融与科技融合发展的观点[6]。国内学者围绕科技金融进行了大量的定性分析和实证研究。定性分析的重点是科技金融的运行机制、创新模式和经验借鉴等。如胡援成和吴江涛（2012）指出科技金融运行机制的建立，有助于金融资本与科技企业的深度融合[7]；此外，房汉廷（2010）、周昌发（2011）诠释了科技金融发展问题及制度安排[8，9]；文竹等（2012）运用TRIZ分析法，将“四元主体”模型应用于科技金融模式创新[10]；此后，谢泗薪和张志博（2016）、李毅光等（2016）等从互联网和政府主导视角对科技金融的模式创新进行了有益探索[11，12]；胡苏迪和蒋伏心（2017）借鉴了旧金山、特拉维夫、新竹典型的科技金融发展经验，基于全球视野反思我国科技金融中心的发展[13]。实证分析方面的研究集中在两个方面：一是科技金融的评价及其效率测算。如曹颢等（2011）基于科技金融资源、经费、产出和贷款四个维度，构建了我国科技金融发展指数[14]；许汝俊等（2015）运用DEA-Malmquist指数法对长江经济带11个省市科技金融效率进行综合评价[15]；杜金岷等（2016）、黄瑞芬等（2016）和薛晔等（2017）分别运用三阶段DEA模型、SFA模型以及贝叶斯随机前沿模型对科技金融效率进行了测算[16-18]。二是科技金融对科技创新、经济增长以及产业升级的影响。徐玉莲等（2011）分析区域科技创新与科技金融的互动耦合关系[19]；刘文丽等（2014）运用面板数据单位根检验和面板数据固定效应模型，对我国东部、中部和西部地区科技金融對经济增长影响的区域差异进行实证分析[20]；陈亚男和包慧娜（2017）运用系统GMM两步法实证表明科技金融发展对我国产业结构高级化具有显著促进作用[21]。
科技金融促进产业结构升级这一命题得到了学界实证研究的支持，然而，由于测量指标与计量方法等差异，其程度如何？是否存在空间溢出效应？仍需进一步探索。空间计量经济学重点关注科技金融对产业结构升级影响的空间依赖性，系统考量科技金融与产业结构升级之间的关系。基于此，本文选取2001—2015年的省级面板数据，运用空间计量模型，从全国和区域两个层面，实证研究科技金融对产业结构升级的空间溢出效应。
二、变量选取与数据说明
（一）变量选取
学者们采用了不同产业在地区总产值中的比重、服务业在GDP中的比重来衡量被解释变量产业结构升级（UIS），而我国产业结构升级呈现出第三产业不断发展壮大而第一产业的比重逐步减少的特征，上述衡量指标不能反映产业结构升级程度，为此，本文借鉴蓝庆新、陈超凡的产业结构升级系数法来衡量产业结构升级。对于核心解释变量科技金融（STF）的测度，本文参考被广为接受的曹颢、尤建新等[14]的方法，该方法借助科技金融资源、科技金融经费、科技金融产出和科技金融贷款四个维度来测算科技金融。
除去科技金融，能够对产业结构升级产生影响的其他因素还有多种，本文选择了具有代表性的人力资本（HC）、城市化水平（UL）和外商直接投资（FDI）作为控制变量。本文借鉴陈钊、陆铭的方法，通过平均受教育年限计算人力资本。在城市化水平提高的过程中，农村居民的城市化进程为城镇产业发展提供人力支持，同时，他们消费需求结构的多样化发展也将推动产业结构升级。另外，外商直接投资对产业结构升级产生的影响得到学界普遍认同。
构造空间权重矩阵是进行空间计量分析的前提。基于地理邻近的二进制邻接权重矩阵过度依赖空间是否相邻，而忽略了影响强度，这与客观事实有一定的差距；基于经纬度数据计算的地理权重矩阵，没有考虑区域间的社会和经济等因素，以致于空间权重矩阵的设定不符合现实的发展；基于社会经济特征的空间权重矩阵能够客观、全面地反映变量的空间影响，因此，本文选择它来构造空间权重矩阵。
（二）数据说明
选取2001—2015年全国31个省、市、自治区为样本，原始数据来源于《中国科技统计年鉴》、《中国金融年鉴》、《中国统计年鉴》、《中国财政年鉴》、《新中国六十年统计资料汇编》和《中国区域经济统计年鉴》。按照国家统计局的区域划分标准，将全国31个省、直辖市以及自治区分为三大地区，其中东部地区包括京、津、冀、辽、沪、苏、浙、鲁、闽、粤、琼等11省市，中部地区包括吉、黑、晋、皖、赣、豫、鄂、湘等8省市，西部地区包括内蒙古、桂、渝、川、贵、云、陕、甘、青、宁、新、藏等12个省市。
表2给出了主要变量的描述统计。可以看出，分省的产业结构升级、科技金融、人力资本和外商直接投资等变量的样本数据均有较大的变动。产业结构升级的全国样本平均值为2.25，东部地区为2.32，高于中部（2.22）和西部地区（2.20）；科技金融的全国样本均值为24.25，东部地区为34.17，中部（19.17）和西部地区（18.53）依次递减，总体来说，东部地区的科技金融发展最好，其产业结构升级指数也最高。另外，其他相关控制变量，如人力资本、城市化水平与外商直接投资的全国样本、东部地区、中部地区和西部地区之间的均值出现较大差异。
三、空间自相关检验
（一）全局空间自相关检验
“空间自相关”是指位置相近的区域具有相似的变量取值。如果高值与高值聚集在一起，低值与低值聚集在一起，则为“正空间自相关”；反之，高值与低值相邻，则为“负空间自相关”；如果高值与低值完全随机地分布，则不存在空间自相关。最常使用的度量空间自相关的方法为Moran’s I，其计算公式如下：
其中，S2=∑ni=1（xi-x-）2n为样本方差，wij为空间权重矩阵，∑ni=1∑nj=1wij为所有空间权重和。-1≤Moran’s I≤1，Moran’s I大于0时，指标值呈正相关性；Moran’s I小于0时，指标值呈负相关性，Moran’s I的绝对值越大，表示相关性越强。科技金融和产业升级的Moran’s I的Geoda软件计算及检验结果如表3所示。
从分年份的检测结果来看，科技金融Moran指数值在0.116～0.216之间，存在正空间自相关，除2001—2009年和2015年以外的其他年份，这种相关性在5%水平以内显著；产业结构升级Moran’s I指数值在0.2245～0.3158之间，存在正空间自相关，这种相关性在5%水平以内显著，说明科技金融与产业结构升级存在显著的空间自相关性。
（二）局域空间自相关的LISA集聚图
为进一步了解区域科技金融与产业结构升级的观测值是否存在局部空间聚集，哪些区域对于全局空间自相关的贡献更大，本文通过测算空间关联局部指标，以衡量局部区域之间科技金融与产业结构升级的空间集聚差异。
如图1，从产业结构升级的区域分布来看，处于（2.387，2.742）区间的省市包括京、沪、津、鲁、粤和苏，這些地区是产业结构升级最快的第一梯队；处于（2.304，2.387）区间的省份包括浙、贵、冀和晋等，该区域的产业结构升级较快，属于第二梯队；数值处于（2.247，2.304）区间的省市包括内蒙古、青、陕、皖、闽、辽、渝、湘和鄂等，该区域的产业结构升级一般，位于第三梯队；处于（2.178，2.247）区间的省市包括藏、豫、云、吉、甘、冀、宁、川、赣、琼、桂和黑等，这些地区的产业结构升级较为缓慢，为第四梯队（如图2）。从科技金融的区域分布来看，处于（34.412，70.854）区间的省市有京、津、苏、沪和粤，这些地区科技金融发展水平最高；冀、鲁、皖、鄂、渝、浙、湘和贵位于（25.693，34.412）区间，科技金融发展水平较高；处于（22.563，25.693）范围的包括黑、吉、青、陕、藏、川和闽，这些区域的科技金融发展水平一般；处于（0，22.563）区间的省市有内蒙古、新、辽、甘、晋、宁、豫、赣、云、桂和琼，这些区域的科技金融发展水平最低。
综合Moran’s I和LISA检验结果，我们发现，我国科技金融发展与产业结构升级之间具有显著的空间相关性。
四、 实证结果及分析
（一）空间计量模型选择
空间计量经济模型主要有两类：一类是空间滞后模型（SLM），如式（2）所示，主要研究各个变量在研究区域的空间扩散现象；另一种是空间误差模型（SEM），如式（3）所示，考察邻近地区因变量的误差冲击对本地区的影响。
式（2）和式（3）中UISit表示地区i在第t年的产业结构升级指数；STIit表示地区i在第t年的科技金融指数；HCit表示i地区第t年的人力资本；ULit表示i地区第t年的城市化水平；FDIit表示i地区第t年的外商直接投资额；α0表示地区i不可观测的个体效应；W表示n×n阶的空间权重矩阵；公式（2）中WUISit表示空间滞后变量，ρ表示相邻地区的产业结构升级对本地区产业结构升级的空间溢出效应，取值范围在-1到1之间；ε表示独立随机误差向量；公式（3）中λ表示空间误差自相关系数，反映了样本观测值之间的空间依赖程度，取值范围在-1到1之间；μit表示正态分布的随机误差向量。
我们采用拉格朗日乘数—误差检验（LM-Error）来检验SEM，采用拉格朗日乘数—滞后检验（LM-Lag）来检验SLM。如果LM-Lag比LM-Error的统计更显著，则使用SLM更合适，反之，则选择SEM更合适；如果LM-Lag和LM-Error相近且都显著，则观察Robust LM-Lag和Robust LM-Error，在Robust LM-Lag比Robust LM-Error的统计更显著时，则使用SLM更合适，反之，则选择SEM更合适。
本研究对产业结构升级与科技金融的空间依赖性进行了LM-Lag、LM-Error、Robust LM-Lag和Robust LM-Error检验。如表4所示的检验值及P值所示，拉格朗日乘数—滞后检验（LM-Lag）（P值为0）与拉格朗日乘数—误差检验（LM-Error）（P值为0.008）在统计上相似且都显著，而稳健的拉格朗日乘数—误差检验（Robust LM-Lag）显著（P值为0.005），稳健的拉格朗日乘数—滞后检验（Robust LM-Error）不显著（P值为0.201），因此，适合使用面板空间滞后模型（SLM）。
（二）总体样本空间溢出效应结果与分析
本文采用空间固定效应模型（1）、时间固定效应模型（2）、空间和时间固定效应模型（3）三个模型估计科技金融对产业结构升级影响的空间溢出效应。综合比较表5的模型（1）、模型（2）及模型（3）调整后的R2、对数似然值、空间滞后系数（ρ） ，并考虑模型解释变量在经济学上的合理性，最后选择空间固定效应模型为解释模型。
如表5所示，作为核心解释变量的科技金融对产业结构升级的影响系数为0.3998，并且在1%的水平下通过了显著性检验，说明科技金融的确能够驱动我国的产业结构升级。科技金融通过创新产品、工具和服务方式，优化金融服务体系，为科技型企业的创立和发展提供资本流动性，进而调整和优化产业结构。由表5可知，科技金融对产业结构升级影响的直接效应及间接效应都在1%水平上通过了显著性检验，具体是在直接效应中其影响系数为 0.4043，而在间接效应中其影响系数为0.3784。这表明科技金融水平的提高能够显著促进本区域产业结构的升级，而且还能够对邻近省份的产业结构升级产生溢出效应。其原因之一可能是伴随着本省科技金融发展水平的提高和科技企业成果转化能力的增强，致使本省产业结构的优化升级，同时，由于对邻近省份的“示范效应”，模仿和复制成功省份的行为促使邻近省份加大科技金融投入，进而助推邻近省份产业结构的升级。原因之二可能是各邻近省份之间会有较多的关于科技金融政策和投入的“交流机会”，这种科技金融的正向外溢效应必然会通过合适的路径传递并加速其产业结构升级。
从其他控制变量的估计结果来看，人力资本对产业结构升级的影响系数、总效应以及直接效应，在1%的水平上通过了显著性检验。可见，发挥人力资本的要素功能和效率功能，可以诱致物质资本的集聚，通过“干中学”和“知识外溢”诱发技术创新，促进产业结构向更高级转变。
（三）分区域样本空间溢出效应结果与分析
为进一步分析科技金融对产业结构升级空间溢出效应，本文实证了东、中、西部的空间溢出效应。综合分析后选择空间滞后模型的固定效应模型作为基本解释模型。
如表6所示，从分区域的估计结果来看，东部、中部和西部地区科技金融对产业结构升级的影响系数分别为0.6105、0.4019和0.2616，在1%的水平上通过了显著性检验。表明科技金融能够显著促进我国东部、中部和西部地区产业结构升级，从影响程度上看，东部地区科技金融对产业结构升级的影响要明显大于中部地区和西部地区。因为东部地区更高的经济发展水平，有利于其在科技金融资源使用、科技金融经费支出、科技金融产出水平和科技金融贷款投放上发挥明显的规模优势和聚集效应，从而能更好促进产业结构升级。从科技金融对产业结构升级的空间溢出效应来看，分区域的直接效应和总效应系数为正，并在1%水平上显著，间接效应除中部地区为负外，其它地区为正。其原因可能是西部地区科技金融的后发优势和东部地区科技金融的示范效应对中部地区科技金融的产业结构升级效应产生“虹吸”。
从其他控制变量的估计结果来看，人力资本的回归系数在东、中、西部地区均为正值，且都显著，除中部地区的间接效应外，人力资本在东、中、西部地区的直接效应和总效应为正。城市化水平对产业结构升级的溢出效应的总效应在东部地区最大，西部地区次之，中部地区最小，除东部地区为10%水平下显著外，其它地区为1%水平下显著。
五、研究结论与政策建议
基于2001—2015年的省级面板数据，利用空间计量模型研究科技金融对产业结构升级的空间溢出效应，具体测算了我国东中西部地区科技金融对产业结构升级的直接效应、间接效应和总效应。结果表明：从全国层面看，科技金融能够显著促进产业结构升级，并且通过空间溢出效应对邻近区域的产业结构升级产生较好的促进作用；从地区层面看，科技金融对产业结构升级的空间溢出效应在东部地区最大，西部地区其次，中部地区最小；从其他控制变量来看，人力资本、城市化水平和外商直接投资在全国范围具有较显著的空间溢出效应，并且在东部地区其溢出效应更强。据此，本文提出以下建议。
1.建立多层次科技金融市场，加强科技与金融的深度融合，助推产业结构转型升级。首先，加大银行等金融机构对科创企业的信贷支持力度，组建专门的科技银行，加大对科创企业的信贷倾斜，缓解企业融资困境。其次，进一步完善资本市场，改善融资环境，积极引导高新技术企业上市融资。最后，加快私募股权投资市场建设，借助私募股权投资市场强大的资本运营实力和专家管理能力，助推科创型企业突破融资瓶颈，满足其多样化的融资需求。
2.积累人力资本数量，提高人力资本质量，调节人力资本结构，发挥人力资本的要素功能和效率功能，促进产业结构升级。人力资本存量的增加、质量的提高和结构的优化，一方面，可以诱致物质资本的集聚，促进其它生产要素在产业间的转移和配置；另一方面，可以通過“干中学”和“知识外溢”诱发技术创新，提高社会生产效率。为此，加快产业结构升级，需要加大人力资本投资，通过教育、培训等方式提高人力资本质量。
3.合理引导外商投资的产业布局与区域分布，优化引资结构，统筹协调区域经济发展，推动我国产业结构升级[26]。从产业来看，制造业中的劳动密集型产业比重过高，第一、第三产业外资进入不够。因此，我国制造业要将吸引外资的重点转向技术密集型产业，同时拓宽卫生、金融服务以及环境服务等领域的外资准入。从区域来看，外商投资呈现出明显的“东重西轻”不平衡格局。因此，中西部地区要完善基础设施，实行优惠政策，优化社会服务，完善市场条件，合理引导外资进入中西部，促进该地区产业结构升级。
参考文献：
[1] Lucas R B.On the mechanics of economic development [J].Journal of Monetary Economics，1988， 22（1）：3-42.
[2] Chenery H B.Patterns of industrial growth[J]. American Economic Review，1960，50（3）：624-654.
[3] Schumpeter.The theory of economic development：an inquiry into profits，capital，credit，interest，and the business cycle[M].Transaction Publishers，1934：139-147.
[4] Hyytinen A，Toivanen O.Do financial constraints hold back innovation and growth？evidence on the role of public policy[J].Research Policy，2005，34（9）：1385-1403.
[5] Benfratello L.Schiantarelli F， Sembenelli A. Banks and innovation：micro-economic evidence on italian firms[J].Journal of Financial Economics，2008，90 （2）：197-217.
[6] Chowdhury R， Maung M.Financial market development and the effectiveness of R&D investment：evidence from developed and emerging countries[J].Research in International Business and Finance，2012，26（2）：258-272.
[7] 胡援成，吳江涛.科技金融的运行机制及金融创新探讨[J].科技进步与对策，2012，29（23）：10-13.
[8] 房汉廷.关于科技金融理论、实践与政策的思考[J].中国科技论坛，2010，26（11）：5-11.
[9] 周昌发.科技金融发展的保障机制[J].中国软科学，2011，26（3）：72-81.
[10]文竹，文宗川，宿北雁.基于TRIZ理论的科技金融创新模式研究[J].科学管理研究，2012，32（3）：17-19.
[11]谢泗薪，张志博.基于互联网思维的科技金融服务业发展模式与攻略[J]. 中国科技论坛，2016，32（3）：55-61.
[12]李毅光，毛道维，倪文新.政府主导型科技金融服务平台运行模式研究[J].经济体制改革，2016，34（2）：197-200.
[13]胡苏迪，蒋伏心.科技金融中心发展模式的国际比较与启示[J].新金融，2017，24（4）：39-42.
[14]曹颢，尤建新，卢锐，陈海洋.我国科技金融发展指数实证研究[J].中国管理科学，2011，19（3）：134-140.
[15]许汝俊，龙子午，姚逍遥.基于DEA-Malmquist指数法的科技金融发展效率评价研究——以长江经济带为例[J].科技管理研究，2015，35（13）：188-191.
[16]杜金岷，梁岭，吕寒.中国区域科技金融效率研究——基于三阶段DEA模型分析[J].金融经济学研究，2016，20（6）：84-93.
[17]黄瑞芬，邱梦圆.基于Malmquist指数和SFA模型的我国科技金融效率评价[J].科技管理研究，2016，36（20）：43-48.
[18]薛晔，蔺琦珠，高晓艳.中国科技金融发展效率测算及影响因素分析[J].科技进步与对策，2017，34（7）：109-116.
[19]徐玉莲，王玉冬，林艳.区域科技创新与科技金融耦合协调度评价研究[J].科学学与科学技术管理，2011，32（12）：116-122.
[20]刘文丽，郝万禄，夏球.我国科技金融对经济增长影响的区域差异——基于东部、中部和西部面板数据的实证分析[J].宏观经济研究，2014，34（2）：87-94.
[21]陈亚男，包慧娜.科技金融发展对产业结构升级影响的实证分析[J].统计与决策，2017，33（15）：170-173.
[22]蓝庆新，陈超凡.新型城镇化推动产业结构升级了吗？——基于中国省级面板数据的空间计量研究[J].财经研究，2013，39（12）：57-71.
[23]陈钊，陆铭，金煜.中国人力资本和教育发展的区域差异：对于面板数据的估算[J].世界经济，2004，27（12）：25-31.
[24]纪玉俊，李超.创新驱动与产业升级——基于我国省级面板数据的空间计量检验[J].科学学研究，2015，33（11）：1651-1659.
[25]刘玉飞，彭冬冬.人口老龄化会阻碍产业结构升级吗——基于中国省级面板数据的空间计量研究[J].山西财经大学学报，2016，38（3）：12-21.
[26]许涤龙，彭大衡.科技金融发展典型模式比较分析及启示[J].湖湘论坛，2017（5）：59-64.
（责任编辑：钟 瑶）
作者：邹建国 李明贤
金融发展产业结构优化对策论文 篇3：
金融发展水平产业结构与经济增长关系实证分析
摘 要：基于1978年至2009年安徽省的相关经济数据，在VAR模型估计的基础上运用格兰杰因果检验、方差分解等方法，最终建立向量误差修正模型，研究了安徽省改革开放以来经济增长与金融发展水平、产业结构变动之间的动态关系。分析结果显示，安徽省金融发展水平和产业结构变动均对经济增长有正向的促进作用，但产业结构变动对经济增长的长期促进作用并没有金融发展水平对经济增长的长期促进作用明显。
关键词：金融发展水平；产业结构；经济增长；向量误差修正模型
文献标识码：A
1 引言
经济增长是经济发展的一个重要衡量指标，也是宏观经济学研究的一个重要课题。改革开放以来，作为中部地区的重要省份，安徽的经济增长取得了巨大的成绩。2009年，全省实现国内生产总值10052.9亿元，按可比价格计算，比上年增长12.9%，其中第三产业增加值3654.5亿元，增长11.1%。2010年1至11月，全省范围内第一产业完成投资194.9亿元，同比增长19.6％，第二产业完成投资5072亿元，同比增长41.4％，第三产业完成投资5395.2亿元，同比增长26.1％。当年累计固定资产投资总量提前一个月，首次突破1万亿元。金融发展水平和产业结构的变化，对地区经济增长有着不可忽视的影响。产业结构的重心由第一产业向第二产业和第三产业逐次转移的过程，标志着一国经济发展水平的高低和发展阶段。而金融在现代经济中处于核心地位，是调节宏观经济的重要扛杆，也是沟通整个经济生活的命脉和媒介。
对金融发展水平与产业结构各自对经济增长的研究由来已久。国外以麦金农和肖的“金融抑制”与“金融深化”对经济发展的影响最为著名。近年来国内学者对我国地区经济增长影响因素的实证研究也很广泛。谈儒勇（1999）从实证上研究了中国金融发展和经济增长之间的关系，认为在中国金融中介体发展和经济增长之间有显著的、很强的正相关关系；股票市场发展和经济增长之间有不显著的负相关关系；金融中介体发展和股票市场发展之间有显著的正相关关系。蒋满霖、孙士金（2009）通过对安徽省金融发展与经济增长的研究认为，安徽省金融规模的扩张与经济增长之间存在双向因果关系；金融发展效率是经济增长的原因。但经济增长并没有促进金融发展效率的提高。郭金龙、张许颖（1998）从理论和实证角度证明了产业结构的状况在很大程度上决定着经济增长的轨迹。吴子稳、庄德林、傅为忠（2007）通过实证论证安徽省产业结构的变化对经济增长影响巨大，产业结构矛盾突出，需进一步优化。因此，本文将以安徽省为例，从金融发展水平和产业结构两个角度分析探讨其各自对安徽经济增长的影响作用。
2 模型的选取
为进一步研究安徽省金融发展水平、产业结构与经济增长之间的相互影响与长期关系，建立向量自回归（vector auto-regression，VAR）模型进行分析。向量自回归模型通常用于多变量时间序列系统的描述随机扰动对变量系统的动态影响。该模型基于数据的统计性质建立模型，把系统中每一个内生变量作为系统中所有内生变量的滞后值的函数来构造模型。
VAR（p）模型的数学表达式为：
其中：yt是k维内生变量向量，xt是d维外生变量向量，p是滞后阶数，T是样本个数。k×k维矩阵A1，……，Ap和k×d维矩阵B是要被估计的系数矩阵。εt是k维扰动向量。
3 数据与指标的选取
基于数据的可获取性，本文选取了1978改革开放至2009年安徽省的相关经济数据，所选数据均取自《新中国60年统计资料汇编》与历年《安徽统计年鉴》。
（1）地区生产总值：本文以国内生产总值为指标反映安徽省经济增长水平。为消除通货膨胀的影响，文中数据均以1978年为基期进行调整。
（2）金融发展水平：本文以地区存贷款之和占地区生产总值的比例作为金融效率指标反映金融发展水平。该指标体现了金融系统吸纳与运用资金的能力。指标值越大，说明该地区金融系统资金吸纳与运用的能力越高。
（3）产业结构：产业结构优化升级是产业结构合理化和高度化的有机统一。即在现有技术基础上所实现的产业之间的协调，以及整个产业结构中由第一产业占优势比重逐级向第二、第三产业占优势比重演进。因此本文以第二、第三产业产值占国内生产总值的比例为指标反映产业结构状况。
4 实证分析
为方便起见，以GDP代表国内生产总值指数值，以FIR代表金融发展水平，以CY代表产业结构。为了消除时间序列中的异方差影响，分别对各变量值进行取对数处理，表示为lnGDP、lnFIR和lnCY。
（1）单位根检验。
由于大多数经济变量的原始数据都是非平稳的，在对一组时间序列数据进行回归分析时，会出现由于时间序列数据的持续上升或下降趋势而导致得到一个很大的R2值，这并非是由该组时间序列之间的真实关系造成的，因此产生伪回归的问题。所以在对时间序列进行回归分析的时候，应对各时间序列进行单位根检验，确定各时间序列是否平稳。
选择ADF检验（Augmented Dickey-Fuller Test），利用EViews6.0软件对lnGDP、lnFIR、lnCY以及各变量的一阶差分进行平稳性检验，结果如表1所示。可以知道，时间序列lnGDP、lnFIR和lnCY在5%显著性水平上均为一阶单整时间序列，是一阶差分平稳的。
结论非平稳平稳非平稳平稳非平稳平稳
（2）模型的稳定性检验。
对于最大滞后阶数的选择，有许多判断准则，如LR检验统计量、最终预测误差（FPE）、AIC信息准则、SC信息准则和HQ信息准则。综合各种判断准则与本文数据样本的具体情况，初步选择最大滞后阶数为1，并对其稳定性进行检验。结果显示模型无特征根在单位圆外，模型满足稳定条件。
（3）Granger因果关系检验。
Granger因果关系检验实质上是检验一个变量的滞后变量是否可以引入到其他变量方程中。一个变量如果收到其他变量的滞后影响，则称它们具有Granger因果关系。设变量x和y，Granger因果检验嘉定了有关y和x每一变量的预测的信息全部包含在这些变量的时间序列之中。该检验要求估计以下回归（其中白噪音μ1t和μ2t假定为不相关的）：
通过使用EViews6.0软件得到本文所选数据的Granger检验结果。可以知道，安徽省经济增长与产业结构优化之间存在双向因果关系。一方面经济增长促进了经济各部门的发展，并打破原有产业结构体系，促进了资本与技术的产业间流动，进而形成以第二、第三产业为主导的产业格局。另一方面，产业结构的优化，直接影响到资源的合理配置和利用效益，从而对经济增长产生重要影响。金融发展不是经济增长与产业结构优化的格兰杰原因，而经济增长与产业结构优化均为金融发展的格兰杰原因。经济增长为金融业发展创造了良好的经济基础和巨大的金融服务需求；产业结构优化进一步促进了资金、技术以及人力资源向金融业的流动，二者均对金融的发展起到了促进作用。但金融发展对安徽经济增长与产业结构优化调整的反馈效应并不明显，有待进一步加强。
（4）方差分解。
方差分解通过分析每一个结构冲击对内生变量变化（通常用方差来度量）的贡献度，进一步评价不同结构冲击的重要性。因此，方差分解可以给出对VAR模型中的变量产生影响的每个随机扰动的相对重要性的信息。
表2给出了金融发展水平和产业结构对经济增长的方差分解。可以看出，在经济增长的变动过程中，有25.31%～81.70%的波动可以由产业结构的优化调整解释，且影响程度呈逐年递增的趋势；而只有1.56%~5.86%的波动由金融发展的变动解释，虽然其影响程度逐年增加，但影响效果始终很小。方差分解的结构显示，安徽省产业结构的变化比金融发展水平对经济增长的影响更大，并呈现出不断增大的趋势。相比而言，安徽省金融发展水平对经济增长的影响虽然一直处于增大的状态，但影响效果却始终比较小。
（5）协整检验和向量误差修正模型（VECM）。
采用Johansen检验方法对相关数据进行协整检验，结果如表3所示：
协整检验显示了安徽省经济增长、金融发展水平和产业结构变动之间存在长期的稳定关系。为了更清楚地说明经济增长、金融发展水平和产业结构变动之间的短期相关关系，构建向量误差修正模型（VECM）如下：
从以上矩阵式中可以知道：短期内产业结构优化调整对经济增长有较明显的正向影响，这也与安徽省第二、三产业发展促进经济增长的实际情况相符合。然而金融发展对经济增长正向影响作用不明显，在短期内甚至有反向的阻碍作用。这说明安徽省金融发展过程中，吸收与利用资金并将其转化为经济增长动力的效率还有待进一步提高。
5 政策建议
通过对安徽省相关经济数据的分析，说明了改革开放以来安徽省地区金融水平得到了显著的提升，产业结构经历了深刻的变化。金融的发展和产业结构第调整与优化也对地区经济发展起到了巨大的促进作用，但在继续深化发展、优化调整过程中仍然面临着非常艰巨的任务。
（1）继续深化金融发展，不断扩大金融规模，提高金融效率，促进金融创新。首先，要从金融发展环境的建设入手，规范金融运行制度，建立良好的社会信用环境和金融运行环境。其次，要充分发挥金融中介机构在资金融通与转化过程中的重要作用，规范金融产品创新流程，提高金融产品工作的水平和效率，建立科学合理的金融产品创新机制。最后，在通过金融创新，在提高金融服务水平的同时，积极有效地解决例如中小企业、农户、个体工商户的贷款难问题。只有在整体层面上提高金融发展水平，才能更加直接、有效地促进地区经济健康快速发展。 （2）继续优化调整产业结构，加快推进国民经济急需且薄弱行业的发展，在加强第一产业的同时，调整和提高第二、三产业发展，扩大第二、三产业对安徽经济发展的支撑作用。积极开拓市场潜力大、投资效益好的服务行业，为安徽经济发展提供资金支持。积极发展旅游、物流服务、信息咨询、体育文化等产业的健康合理发展，使各行业的发展与社会需求相吻合，从而把安徽产业结构，乃至整个国民经济结构推向一个更高的发展层次与高度，为经济健康快速发展提供良好的条件与动力。
参考文献
［1］谈儒勇.中国金融发展和经济增长关系的实证研究.经济研究［J］.1999，（10）.
［2］蒋满霖，孙士金.安徽省金融发展与经济增长的因果方向性实证研究［J］.区域金融研究，2009，（8）.
［3］郭金龙，张许颖.结构变动对经济增长方式转变的作用分析［J］.数量经济技术研究，1998，（9）:38-42.
［4］吴子稳，庄德林，傅为忠.安徽产业结构与经济增长点关联分析及调整对策［J］.合肥工业大学学报:自然科学版，2007，（2）.
［5］高铁梅.计量经济分析方法与建模（第1版）［M］.北京：清华大学出版社，2006，（1）
作者：彭伟 冯庆水