科技金融生态对区域经济韧性的空间效应及影响机制.pdf

117科技金融生韧性的空间效应及影响机制城镇化与区域发展科技金融生态对区域经济韧性的空间效应及影响机制方磊，张雪薇2.3（1.河南财经政法大学金融学院，河南郑州450016;2.内蒙古大学经济管理学院，内蒙古呼和浩特010020;3.中国科学院地理科学与资源研究所，北京100101)摘要：从“宏观环境子系统”和“微观群落子系统”两个维度构建科技金融生态评价体系，运用时空极差焰权法测算2 0 0 8 2 0 2 0 年31个省份（不包括港澳台地区）科技金融生态水平，并采用动态空间杜宾模型全面考察科技金融生态对经济韧性的直接效应和间接效应及其影响机制。结果表明：我国科技金融生态水平存在明显的空间非均衡性，呈现“东高西低”的特征，由于省、自治区、直辖市间存在示范效应及经济关联效应，经济韧性表现出显著的正向空间溢出效应，科技金融生态产生的技术创新、产业协同集聚效应均从总体上提升本地及空间关联地区的经济韧性。基于以上研究结论，进一步提出提高科技金融生态水平的政策供决策参考。关键词：科技金融生态；经济韧性；时空极差炳权法；动态空间杜宾模型中图分类号：F062.4文献标识码：A文章编号：10 0 5-0 56 6(2 0 2 3)0 6-0 117-12Spatial effect and influencing mechanism ofsci-technology finance ecology on regional economic resilienceFANG Lei,ZHANG Xuewei?;2,3(1.School of Finance,Henan University of Economics and Law,Zhengzhou 450016,China;2.School of Economics and Management,Inner Mongolia University,Hohhot 010020,China;3.Institute of Geographic Sciences and Natural Resources Research,Chinese Academy of Sciences,Beijing 100101,China)Abstract:An ecological evaluation system of sci-tech finance from two dimensions of“community subsystem and“environment subsystem was constructed in this paper.Using statistical data of Chinese 31 provinces,autonomousregions,and municipalities directly under the Central Government from 2008 to 2020,based on temporal and spatialrange entropy weight method,measured the level of sci-tech financial ecosystem.Then the dynamic spatial Dubin modelwas used to empirically test the effect and mechanism of sci-tech financial ecosystem on economic resilience.The resultsshow that the level of science and technology finance ecosystem has obvious spatial imbalance,which presents the收稿日期：2 0 2 2-10-2 1修回日期：2 0 2 3-0 4-17基金项目：国家社会科学基金项目“网络化社会中联合风险投资对企业新技术商业化的激励机制研究”（18 CJL030）；河南省高等学校哲学社会科学创新人才支持计划项目“科技金融生态与绿色低碳循环发展的耦合机制及协调发展路径研究”（2 0 2 3-CXRC-18）；河南省软科学研究计划重点项目“河南科技+普惠+绿色金融综合协同改革创新的机制与路径研究”（2 32 40 0 4110 30）；内蒙古哲学社会科学基金项目（2 0 2 2 NDB134）。作者简介：方磊（198 3一），男，安徽安庆人,河南财经政法大学金融学院副教授，博士,研究方向为科技金融与金融风险。通信作者：张雪薇。118中国软科学2 0 2 3年第6 期characteristic of“high in the east and low in the west.Due to the demonstration effect and economic correlation effectamong provinces,autonomous regions,and municipalities directly under the Central Government,economic resilienceshows a significant positive spatial spillover effect.The technological innovation and industrial synergistic agglomerationeffect produced by the sci-tech finance ecosystem have improved the economic resilience of local and spatially relatedareas on the whole.Based on the above research conclusions,this paper further puts forward policies to enhance regionaleconomic resilience to provide reference for decision-making.Key words:sci-tech financial ecosystem;economic resilience;time-space range entrop weight;the dynamic spatialDubin model目前，中国经济表现出强有力的韧性。为应对外部挑战和实现高质量发展创造了较大的腾挪空间，习近平总书记提出中国经济的韧性是防范风险的最有利支撑。经济韧性已成为“十四五”规划重要指导理念，因此面临国内外风险挑战明显增多的复杂局面，如何提升经济韧性变得至关重要。科技金融具有高渗透属性，能够降低金融资源错配以及生产要素供需失衡等问题，实现高技术产业和新兴产业的蓬勃发展，推动产业结构升级,为提升城市经济韧性奠定结构基础。党的二十大报告提出强化企业科技创新主体地位，营造有利于科技型中小微企业成长的良好环境，推动创新链产业链资金链人才链深度融合。全球科技创新高度发达国家经济高速增长，例如美国、英国和日本等国家。美国硅谷是全球最发达的科技金融中心之一，硅谷的成功离不开先进成熟的科技金融创新生态体系，其创新生态体系包含富有创新能力的多层次创新主体、金融支持和服务以及良好的创新生态环境。英国伦敦是全球顶尖金融中心之一，拥有超过2 0 家金融科技孵化器和加速器，随着新一轮金融科技浪潮席卷而来，伦敦银行业涌现出一批高质量的数字银行，有助于推动多层次金融科技企业在伦敦集聚发展，提高该地区金融服务效率。日本依托政府支持实现科技企业与金融企业的深度融合，与美国相比，日本资本市场发展相对缓慢，科技金融的法律体系建立也较晚，但日本却拥有更多的政策性金融机构，在一定程度上改善了科技型中小企业融资难问题。发达国家地区积累丰富的成功经验对我国科技金融建设具有很好的借鉴意义。虽然我国科技金融起步较晚，但是在政府科技经费投入、创业风险投资、科技资本市场建立等方面已经开展了一定程度的探索。目前，对科技金融政策和科技金融测算的研究成果较为丰富 1-4,其中较多文献侧重于科技金融效率的测算以及对产业结构升级、区域创新、经济增长的影响研究，很少发现有文献专门聚焦于科技金融生态提升经济韧性的系统考察。而且，科技金融生态本身的外部性特征决定了具有地理空间尺度上的区域关联效应 5-7。因此,开展相关经验研究时，不能忽视科技金融生态存在的空间依赖特征，应对科技金融生态固有的空间相关性予以考察和控制，进而可以增加实证结果的稳健性，有助于提高更加准确的决策依据。总体而言，现有研究应从空间溢出效应视角出发，更加清晰地揭示科技金融生态在提升我国经济韧性的过程中所发挥的作用。一、理论分析与研究假说（一）科技金融生态对经济韧性的直接影响机制金融是现代经济发展的核心，在经济高质量发展过程中起着重要的支撑和推动作用。我国传统金融基础设施相对薄弱、金融服务覆盖率相对偏低,，其严重制约经济高效快速发展。科技与金融的融合加大了财政科技投人和优惠补贴激励，习近平出席APEC工商领导人峰会开幕式并发表主旨演讲EB/0L：（2 0 14-11-0 9）。h t t p:/w w w.g o v.c n/x i n w e n/2 0 14-11/0 9/content_2776618.htm。习近平高举中国特色社会主义伟大旗帜为全面建设社会主义现代化国家而团结奋斗一在中国共产党第二十次全国代表大会上的报告，2 0 2 2 年10 月16 日。119科技金融生态对区域经韧性的空间效应及影响机制城镇化与区域发展并引导金融市场主体改进科技金融服务模式，在金融方面为科技企业提供更多的资金支持，帮助企业实现金融资源优化配置，推动企业科技创新，促进企业升级转型，为提升城市经济韧性奠定结构基础。经济韧性是决定一国经济在面临冲击之后是“成功复苏”还是“经济下行”的关键所在，其实质就是维持经济高效快速发展以及可持续发展 8,它可以保障一个经济体在遭遇冲击时能快速做出适应性调整，并推动新一轮更有成效的高质量经济增长。总而言之，科技金融与经济韧性存在紧密的内在联系，二者相互促进相互影响，通过建立和完善创新驱动机制，可以使得企业更快的适应结构性调整，并保持可持续性的经济韧性。由此提出假设1：科技金融生态对区域经济韧性具有促进作用，可能存在空间溢出效应。（二)科技金融生态通过技术创新影响经济韧性科技金融生态能够优化资源配置，促使要素资源集聚，降低金融资本的投资风险，引导金融资本向区域创新领域流动。政府在科技金融政策中起主导作用，通过对科创企业进行评价筛选，促使更多金融资源流向优质的科创企业，提高信贷资源配置效率，进而促进科技创新。张玉喜等 9采用省级层面的面板数据，实证检验科技金融投入对科技创新的影响，发现科技金融投人在短期能显著促进科技创新水平提升。创新作为区域的特定要素之一，具有持续的慕赋效应，能够提高资源利用效率。冲击引起的“创造性破坏”和“资源释放”能够促进企业新技术与新模式不断被发明和使用,激发企业创新活力,产生技术外溢效应10。不同地区的创新能力具有较大的差异，Martin等 认为在经济韧性的循环模型中，创新能力较高的地区会更具有竞争力，提升地区创新活力，形成新的比较优势。创新是经济体适应外部冲击的关键性因素，促使地区在面临外部冲击时及时调整经济发展方向 12,并成为危机后经济增长的重要发动机，并最终开启新一轮的增长路径。由此提出假设2：科技金融生态产生技术创新效应，进而对区域经济韧性产生正向作用。（三)科技金融生态通过产业协同集聚影响经济韧性科技金融生态通过整合金融资源和调整市场供给结构，为企业提供差异化投融资服务，创造良好的金融服务环境，完善科技金融服务体系，缓解要素烹赋扭曲。合理的金融资源配置有助于优化区域内产业的空间布局，抑制产业的粗放式增长，引导产业协同集聚，促进产业向中高端进行升级转型,影响产业结构变迁的方向 13。冯永琦等 14认为利用科技金融政策能够助推企业突破融资瓶颈，减少产业的不合理波动，使产业间协调能力和关联度逐渐提高，从而促进产业结构的合理化发展。产业协同集聚是指关联度高的异质性产业间空间相互依赖的现象，制造业与生产性服务业属于高度关联的异质性产业，两个产业协同集聚促使产业上下游企业之间联系更加紧密，有利于增强投入产出关联、形成规模经济，降低上下游企业之间的交易成本和生产成本。相同或相似产业彼此间的商业联系根植于地方社会网络，所建立的互惠互信机制能够降低信息不对称所带来的风险，减少外部冲击对区域经济的破坏力，有利于区域经济在外部冲击后进行恢复。发生经济危机后最先受到冲击的是经济优势较弱的企业，但是在产业集聚所产生的学习、匹配和共享效应下，会提升自身竞争力，更好地抵御冲击，进而提高区域经济韧性 15。由此提出假设3:科技金融生态产生产业协同集聚效应，进而对区域经济韧性产生正向作用。二、动态空间计量模型设定由于我国地区之间存在一定经济关联性，因而一个地区的经济发展会影响周边地区的经济发展。我国地区之间的TFP和经济集聚均具有明显的空间溢出效应 16-18,经济韧性、科技金融生态同样存在空间依赖性。本文利用空间计量模型研究科技金融生态对经济韧性的影响，进而弥补研究过程中忽视经济韧性对地理区位依赖的缺撼。与空间滞后模型和空间误差模型相比，空间杜宾模型既考虑了被解释变量的空间相关又考虑了解释变量的空间相关性。本文的空间杜宾模型设置120JT中国软科学2 0 2 3年第6 期如下：REGi,=+pwREGi.+,STFi,+,Edui,+,Road;,+,Urbi,+sInfi,+,Gou+,wREG;,+jinn1wSTFi.,+2wEdui.+3wRoadi.,+jij?inn4wUrb,+swlnfi,+wGovi,+8i,j?iji(1)式（1）中，REG表示经济韧性；STF表示科技金融生态；Edui表示教育水平；Roadi,表示基础设施水平；Urbi表示城镇化水平；Infi，表示信息化水平；Gou,表示政府支出水平；w表示空间权重矩阵。考虑到经济发展的惯性，经济韧性的时间滞后项对当前的经济韧性会产生一定的影响，这说明存在动态效应。Elhorst19认为根据动态空间杜宾模型的估计结果，用偏微分能够测算出各个解释变量的短期和长期直接效应和间接效应。借鉴张玉华等 2 0 的研究，将经济韧性的时间滞后项加人到式（1），本文的动态空间杜宾模型设置如下：REGi,=+pREGi,t-I+pwREG.+,STF,+,Edui,+,Roadi,+,Urbi,+,Infi,+nnB.Gou+;i)wREG,+wSTFi,+2wEdu;,+j?iijin3wRoadi,+442wUrbi,+swlnfi.,+ijiwGovi,+8i,t(2)式(2)中，$表示时间滞后效应的弹性系数。三、变量选取与数据说明（一）变量选取与测算1.被解释变量韧性作为一种分析性概念被引人经济学领域,经济韧性是一个经济体通过调整经济结构和增长方式，有效应对内外部干扰、抵御冲击，实现经济可持续发展的能力。经济韧性涉及多方面内容，包括宏观经济韧性、区域经济韧性、产业链韧性以及企业韧性等内容。区域经济韧性是指社会经济系统遭受冲击后的恢复能力。关于区域经济韧性的测算方法，部分学者采用构建指标体系法进行测度 2 1或者选取单一指标进行衡量 2 2-2 3,由于区域经济韧性的测度相对复杂，至今尚未形成统一的方法进行测度，但已有研究证明指标体系存在缺陷，区域经济韧性的测度结果并不是十分准确。本文借鉴孙久文等 2 4、Faggian 等 2 5 的研究方法，采用地区GDP和从业人数的变化来衡量经济韧性，其计算公式如下：REG=(Y,-Y.-)/Y,.,-(Y,-Yr-)/Y.,I(P,-P.-)/P,-T(3)式(3)中,Yi和Y,-1表示t时期和t-1时期i地区的国内生产总值;Y和Y,-I表示t时期和t-1时期全国的国内生产总值；Pi和P,-1表示t时期和t-1时期i地区的从业人数;P和P,-I表示t时期和t-1时期全国的从业人数。2.解释变量（1）指标体系构建。科技金融生态系统是受多因素交互作用形成的复杂系统，本文参考张明喜等 1和张玉喜等 9尝试建立宏观环境子系统与微观群落子系统的内在关联，从政府机构、科技企业、金融机构、中介机构以及经济环境、融资环境等多个维度构建科技金融生态评价指标体系，如表1所示。(2)时空极差熵权法。学术界确定指标权重的方法包括主观赋权法、客观赋权法和组合赋权法，本文基于上述科技金融生态评价指标体系，以我国31个省份（不包括港澳台地区）作为评价对象，借鉴张友国等 2 6 的时空极差权方法对科技金融生态水平进行测度。传统的熵权法只能确定某一时间点的指标权重，而时空极差熵权方法克服了这一缺陷，能够从时间和空间维度上确定指标权重，随着时空的演变能够动态的更新指标权重。假设多层次评价体系由n个评价指标、m个评价对象和k个时期所构成。指标体系为X,(i=1,2,n），在t时期的X,的指标表示为X，(j=1,2,m,t=1,2,k)。首先,为了避免量纲差异，对数据进行标准化处理，令x标准化取值为x，得到无量纲化决策矩阵：如果X，为正向指标，121科技金融生空间效应及影响机制城镇化与区域发展则xg=x;-min(xm)/max(xg)-min(xg);如果X,为负向指标,则xx=【ma x(x g）-g/【ma x（x）mi n（x g）；其次，运用信息嫡计算权重,计算公式为:e;=-ln(km)Z,Zpaln(pm),其中P#=*gZ,Z；再次指标X的权重为：W;=（1-e)/（Z1-e:)；最后对各个指标进行加权求和，公式为：Z.=ZW;x。表1科技金融生态系统评价体系目标层一级指标二级指标三级指标四级指标单位R&D活动人员数人人才投人水平科技人员数人政府机构R&D经费内部支出元经费投人水平科技经费内部支出元高新技术企业科技活动人数人企业发展规模高新技术企业数个科技企业企业R&D经费内部支出亿元群落子系统企业服务能力高新技术企业总产值/CDP%金融机构从业人员数人金融发展规模金融机构网点数个科技金融金融机构金融机构科技贷款亿元生态系统金融服务能力金融业总产值/GDP%发展水平企业孵化器数量个中介机构技术孵化、创业服务能力创业风险投资总额元人均GDP亿元经济发展水平全社会固定资产投资亿元经济环境外商直接投资/GDP%对外开放水平进出口总额/GDP%环境子系统科技财政拨款/财政支出%政府支持力度教育财政拨款/财政支出%融资环境市场化指数市场支持力度技术市场成交额/GDP%3.控制变量教育水平（Edu）采用高等学校教师数与高等学校学生数的比重来衡量；基础设施水平（Road)采用人均道路面积来衡量；城镇化水平（Urb）采用城镇户籍人口与总户籍人口比重来进行衡量；信息化水平（Inf)采用互联网宽带订购用户数来进行衡量；政府支出（Gou）采用政府支出占GDP比重来进行衡量。（二）空间权重矩阵的设定常用的空间权重矩阵有地理距离矩阵，为了全面、客观地分析科技金融生态对经济韧性的空间溢出效应，本文又构建经济距离矩阵、地理和经济距离嵌套综合距离矩阵进行空间计量分析。地理距离矩阵。根据“单位间的空间关联性随着距离的缩短而逐渐递增”这一定理，采用地理距离衰减的空间权重矩阵W,来衡量,W,=1/dz，其中,d,表示i和j之间的地理距离,在文中为各个省份省会之间的直线欧氏距离。经济距离矩阵。经济韧性还受到不同省份经济差距的影响，根据张学良 2 7 的研究，采用人均GDP构建经济距离矩阵，W。=1/|G D P,-G D P,l,其中，GDP,和GDP分别表示省份i和省份j在20082020年的人均GDP均值。地理与经济距离嵌套矩阵。由于科技金融生态通过技术创新和产业协同集聚在区域间产生一定的空间关联效应，这可能是由于经济关联和地理邻近共同作用的结果。本文进一步构建了地理和经济嵌套矩阵，Wde=Wa+（1-）W。，其中，表示地理距离矩阵的权重，1表示经济距离矩阵的权重，参照邵帅等 2 8 的做法，将设定为0.5,这表明地理距离和经济距离同等重要，反映了空间个体在地理和经济的双重空间邻近性。(三)数据来源本文研究对象为2 0 0 8 2 0 2 0 年中国31个省份（不包括港澳台地区），考虑数据可得性和权威122中国软科学2 0 2 3年第6 期性，主要选取中国统计年鉴中国科技统计年鉴中国金融统计年鉴中国火炬统计年鉴中国科技金融发展报告中国创业风险投资发展报告及Wind数据库中的数据，表2 为本文所涉及变量的描述性统计结果，最大观测值为403个。表2变量的统计性描述变量具体含义平均值标准差最小值最大值REG经济韧性0.0270.654-4.2393.391STF科技金融生态0.2430.1630.0070.749Edu教育水平0.0620.0110.0450.121Road基础设施水平15.0914.7494.04026.779Urb城镇化水平0.5610.1390.2190.896Inf信息化水平1624.98001633.51211.5008 653.230Gou政府支出水平0.2730.202.40.0871.379四、动态空间面板计量估计与结果分析（一）科技金融生态系统静态与动态评价结果分析本文采用时空极差权法测算31个省份（不包括港澳台地区）2 0 0 8 2 0 2 0 年科技金融生态系统发展水平的综合评价值，图1为历年各个省份（不包括港澳台地区）科技金融生态水平均值的静态评价结果。静态评价结果反映了在不同时间截面的发展状态，能够揭示不同区域科技金融生态水平。从图1可以看出我国科技金融生态水平存在明显的空间非均衡性，聚集着丰富的金融资源的东部地区明显高于中西部地区，呈现“东高西低”的特征,这与中国经济发展趋势相一致 2 9。从分区域来看，东部地区拥有比其他地区更高的科技金融生态水平，北京和广东两省的评价结果均在0.6以上，切实发挥了示范带动作用，随着科技金融主体日益丰富以及科技金融生态环境持续优化，东部地区高技术产业发展越来越成熟，较高的企业经营管理能力和高层次科技人才储备使得东部地区的科技金融生态处于较高水平。中部地区安徽、河南和湖北三省的科技金融生态静态评价结果处于领先水平，这些省份在中部崛起战略的支持下科技金融得到一定程度的发展，而且地区之间不再有时空隔阅,东部地区较高的科技金融生态水平能够带动中部和西部地区实现跨区配置资源，扩大融资渠道，为后发企业科技创新活动注人更多社会资本，加速科技成果向现实生产力转化，有效提高该区域科技金融生态水平。西部地区四川和陕西省的科技金融生态水平相对较高，而其他省份的科技金融生态水平较低，可能是由于西部地区尚未形成完善的科技金融服务体系,这与沈丽的观点相一致 30。O0.70.60.50.40.30.20.10京津北宁海苏江建东东南西林江徽西南北南沽西庆川州南藏肃海夏疆北天河辽上江浙福山广海山吉龙安江河湖湖蒙广重四贵云西陕甘青宁新长图131个省份（不包括港澳台地区）科技金融生态系统平均发展水平（二）空间相关性检验根据测度的科技金融生态指标，首先检验其空间自相关性，探索性空间数据分析是空间计量经济学很重要的研究领域，解释与空间位置相关的空间依赖、空间关联和空间自相关的现象。本文在运用Cliff等 3提出的全局Morans|指数来123科技金融生态对区域经韧性的空间效应及影响机制城镇化与区域发展检验邻近地区的科技金融生态水平空间自相关。计算公式如下：nnW,(x;-x)(x,-x)i=1MoransI=1(4)nW1=1n式(4)中,S=1;，ni=1ni=1x；、x 为省份i，省份i的科技金融生态水平；W为空间权重矩阵，其值也可按地域间距离有规律的变动。MoransI取值界于-11之间,若MoransI0,表明存在正的空间相关性;若MoransI0,表明存在负的空间相关性，绝对值越大，空间相关性越强。若MoransI=0,则表明不存在空间相关性。由此可以得出科技金融生态的MoransI指数如表3所示。表3科技金融生态水平MoransI指数科技金融生态地理经济地理与经济嵌套年份距离距离距离P值P值P值权重矩阵权重矩阵权重矩阵20080.2430.0010.3600.0000.3570.00020090.2610.0000.3810.0000.3770.00020100.3010.0000.3950.0000.3930.00020110.3020.0000.3860.0000.3840.00020120.3030.0000.3750.0000.3750.00020130.2890.0000.3580.0000.3590.00020140.2760.0000.3550.0000.3560.00020150.2640.0000.3430.0000.3440.00020160.2500.0010.3350.0000.3350.00020170.2250.0020.3280.0000.3250.00020180.2060.0030.3060.0000.3040.00020190.2130.0020.3010.0010.3010.00020200.2370.0010.3040.0010.3040.000表3结果显示，2 0 0 8 2 0 2 0 年的科技金融生态水平在地理距离权重矩阵、经济距离权重矩阵、地理与经济嵌套距离权重矩阵均在1%的显著性水平下为正值，且在0.1%的水平上强烈拒绝了无空间相关性的原假设，意味着我国科技金融生态水平的空间分布存在较强的集聚性。从时间趋势上看，2 0 0 8 2 0 15年的Moran指数呈现波动递增趋势，2 0 16 年之后有所下降并恢复平稳。（三）动态空间杜宾模型估计结果回归分析与静态SDM模型相比，动态SDM模型估计了被解释变量的时间滞后效应和空间滞后效应。表4汇报了科技金融生态对经济韧性的影响，模型（1）和模型(2 是固定效应的回归结果，模型（3）模型（8)分别列出在地理距离权重矩阵、经济距离权重矩阵和地理与经济嵌套权重矩阵的回归结果。根据回归结果可知，经济韧性滞后一期的估计系数在3种空间权重下均显著为正，这说明经济韧性具有持续性。科技金融生态在传统动态面板模型中的回归系数并不显著，而在考虑空间效应之后显著性得到明显提升，这证明动态空间杜宾模型运用的合理性。从空间集聚视角来分析，经济韧性空间滞后项WREG在3种权重的系数为正,其中在地理距离空间矩阵下通过5%的水平性检验，这表明经济韧性呈现出显著的空间溢出效应和空间维度协同相关性。基于自然地理区位这一维度，可以得出经济韧性较高的区域周边也必然集聚着大量拥有较高经济韧性的地区，即本地区在提升经济韧性的同时会对相邻地区产生一定的“示范效应”，相邻地区会通过学习本地区新知识和新技术而增强经济韧性。从核心解释变量来分析，科技金融生态STF在传统面板估计和空间杜宾模型下均为正值，在经济距离矩阵和地理与经济嵌套距离权重下通过10%的置信水平显著性检验。这表明科技金融生态对经济韧性的影响在空间维度上具有显著的促进作用，在经济距离下的影响最大。科技金融生态空间滞后项WSTF的系数为负值，这说明科技金融生态水平的提升会占用到相邻地区的资源，产生“以邻为壑”的负外部性。从控制变量来分析，教育水平、城镇化水平、基础设施均表现为稳定且显著的正向效应，教育水平和政府支出的空间滞后项具有显著的正向空间溢出效应，这说明在溢出作用下依托人才、政府等优势带动相邻地区，凭借规模经济和技术外溢的正外部性，扩大区域之间的联系，进而提升经济韧性。124中国软科学2 0 2 3年第6 期表4不同空间权重矩阵下科技金融生态影响经济韧性的空间杜宾模型估计结果传统面板估计地理距离矩阵经济距离矩阵地理与经济嵌套距离矩阵变量(1)(2)(3)(4)(5)(6)(7)(8)静态OLS动态OLS静态SDM动态SDM静态SDM动态SDM静态SDM动态SDM3.040*3.182*2.120*2.530*2.215*2.340*2.211*2.329*STF(1.063)(1.193)(1.119)(1.227)(1.063)(1.179)(1.062)(1.178)1.435*1.279*1.182*1.0231.692*1.347*1.753*1.417*Edu(0.615)(0.685)(0.646)(0.716)(0.641)(0.729)(0.640)(0.728)2.162*2.121*2.071*2.091*2.990*2.913*2.959*2.855*Urb(0.880)(0.997)(0.951)(1.055)(0.916)(1.057)(0.918)(1.057)0.581*0.659*0.2920.3310.603*0.676*0.607*0.684*Road(0.307)(0.328)(0.306)(0.333)(0.318)(0.341)(0.319)(0.342)-0.230*-0.250*-0.684*-0.655*-0.4170.407-0.434*-0.415nf(0.126)(0.139)(0.243)(0.275)(0.258)(0.280)(0.258)(0.280)1.786*2.106*1.903*2.133*1.567*1.683*1.575*1.681*Gou(0.323)(0.379)(0.367)(0.420)(0.365)(0.420)(0.365)(0.422)-0.0460.016-0.008-0.006一L.REG一一(0.061)一(0.058)一(0.058)一(0.058)0.249*0.261*0.0490.0410.0410.033WxREG(0.081)(0.083)(0.072)(0.076)(0.073)(0.077)一一-0.145-2.1101.2070.773-1.061-0.714WxSTF一(2.938)(3.356)(2.661)(2.937)(2.697)(2.961)-3.054*-2.5071.3951.2121.2821.139WxEdu一(1.633)(1.848)(1.684)(1.854)(1.699)(1.870)2.5592.190-2.853-3.701-2.780-3.577WxUrb(2.865)(3.296)(2.411)(2.780)(2.431)(2.806)一-1.486*1.3760.8321.2080.8361.198WxRoad(0.845)(0.907)(0.944)(1.049)(0.955)(1.058)一0.1250.2780.0320.1520.0900.207WxInf(0.679)(0.734)(0.605)(0.672)(0.618)(0.686)一一0.1970.5622.563*2.204*2.706*2.342*WxGou一一一(0.866)(0.920)(0.874)(0.965)(0.890)(0.984)一一0.256*0.288*0.259*0.291*0.259*0.291*sigma2_e(0.018)(0.019)(0.018)(0.019)(0.018)(0.019)一注：*、*、*分别表示p0.01、p 0.0 5和p0.10时有统计学意义；括号内为稳健标准误。（四）空间溢出效应分解动态空间杜宾模型中包含被解释变量的时间滞后项L.REG和被解释变量的空间滞后项，从表4可以得出REG（-1）和WREG对经济韧性的影响均为正向效应，这表明动态空间杜宾模型测度的空间外溢效应是全局效应。参照Elhorst19的研究，用偏微分方法对动态空间杜宾模型中的溢出效应进行分解，可以得到解释变量对被解释变量的长期和短期的直接效应、间接效应和总效应。表5汇报了3种空间权重下科技金融生态影响经济韧性的长期和短期空间溢出效应估计结果，可以看出3种空间权重矩阵假设下，直接效应系数与动态空间杜宾模型的一般回归系数具有较高的一致性,间接效应的系数与动态空间杜宾模型的空间回归系数具有较高的一致性，这说明空间反馈效应的影响相对较低，并且长期效应大于短期效应，这意味着科技金融生态水平以及其他控制变量在长期内对经济韧性的提升程度更大。科技金融生态在经济距离矩阵和地理与经济嵌套距离矩阵下对本地区经济韧性的直接影响在10%水平上显著为正，而间接效应未通过显著性检验，这说明科技金融生态虽在一定程度上提升本地区的科技金融生态水平，但却未对邻近地区产生明显的空间外溢效应。这一结论可能是因为科技金融生态中的科技人员和专利资源属于稀缺要素，本地区企业在成长阶段占据了大量资源，使得本地区的科技金融生态水平与相邻地区经济韧性之间存在空间错配，因而对相邻地区经济韧性的提升具有一定的负向作用。125科技金融生态对区域经济韧性的空间效应及影响机制城镇化与区域发展表5科技金融生态影响经济韧性的短期和长期空间溢出效应估计结果权重矩阵空间效应STFEduUrbRoadnfGou2.439*1.0192.274*0.282-0.643*-2.156*长期直接效应(1.221)(0.744)(1.065)(0.346)(0.287)(0.452)-2.140-2.6944.0211.7910.1850.012长期间接效应地理距离(4.383)(2.601)(4.115)(1.308)(1.008)(1.174)权重矩阵2.400*1.0042.234*0.278-0.633*-2.121*短期直接效应(1.200)(0.731)(1.047)(0.340)(0.282)(0.444)-2.107-2.6403.919-1.7530.1840.000短期间接效应(4.284)(2.540)(4.023)(1.277)(0.985)(1.148)2.261*1.424*2.864*0.687*-0.386-1.636*长期直接效应(1.132)(0.700)(1.041)(0.332)(0.278)(0.441)-0.7611.532-3.4411.2390.1622.218*长期间接效应经济距离(2.827)(1.907)(2.748)(1.073)(0.702)(0.983)权重矩阵2.280*1.437*2.887*0.692*-0.390-1.649*短期直接效应(1.141)(0.706)(1.049)(0.335)(0.281)(0.445)-0.7661.546-3.4701.2500.1632.236*短期间接效应(2.852)(1.925)(2.772)(1.083)(0.708)(0.992)2.255*1.493*2.818*0.694*-0.396-1.639*长期直接效应(1.134)(0.700)(1.043)(0.334)(0.279)(0.444)-0.7181.4503.3231.2220.2202.362*长期间接效应地理与经济(2.851)(1.916)(2.763)(1.082)(0.713)(1.001)嵌套权重矩阵2.270*1.503*2.836*0.699*-0.398-1.649*短期直接效应(1.141)(0.705)(1.050)(0.336)(0.281)(0.446)-0.7221.460-3.3441.2300.2212.378*短期间接效应(2.870)(1.929)(2.781)(1.089)(0.718)(1.008)注：*、*分别表示p0.01、p 0.0 5和p0.10时有统计学意义；括号内为稳健标准误。（五）稳健性检验以及内生性问题1.稳健性检验本文通过改变指标和估计方法等方式进行稳健性检验。采用各个省份（不包括港澳台地区）每年实际GDP的增长率替代经济韧性 32】，回归结果见表6 模型（1)和模型（2)所示。运用静态的空间滞后模型SAR和空间误差模型SEM进行回归分析，回归结果见表6