众所周知，金融发展对科技创新有一定的促进作用。Hicks(1969)[1]对金融发展和科技创新之间的关系作了经典的研究，指出正是由于具有良好流动性的金融体系的出现，才能够吸引投资者对高回报投资项目的投资，工业革命也因此得以发生。
King & Levine(1993)[2]则进一步指出金融系统具有识别最有发展前景的项目和企业的功能，通过识别项目和企业，金融体系能够有针对性地给予有力的信贷支持，并因此促进科技创新。此外，银行可以有效地对创新项目进行监控，并可以根据项目的进展需要来提供资金支持(Stulz，2000)[3]。孙伍琴和朱顺林(2008)[4]则对我国 23 个省市金融体系对技术创新的 Malmquist 生产率进行了测定，指出我国金融体系对技术创新的促进作用不断加强。大部分学者的研究都表明金融发展能够促进科技创新，但是目前研究主要集中在国家这个宏观层面，在地区方面的研究力度则有待加强。有鉴于此，文章选择我国最重要的两个城市—北京市和上海市进行深入研究，采用 1991-2012 年北京市和上海市的时间序列数据对金融发展和科技创新两者之间的关系进行协整分析，并进一步采用格兰杰因果检验方法来说明金融发展对科技创新的影响。
一、北京市和上海市金融发展和科技创新的现状
1. 北京市和上海市的金融发展现状
进入 21 世纪以来，北京市和上海市的经济都得到了长足的发展。2001 年，北京市的 GDP 仅为 3710.52 亿元，此后每年均有超过 10%的增长幅度，至 2012 年 GDP 已经高达 17879.4亿元，是 2001 年 GDP 的 4.82 倍。其中金融业的发展更是异常迅猛，从表 1 可知北京市 2001 年金融业增加值为 441.22 亿元，仅占 GDP 的 11.89%，经过十二年的发展，2012 年北京市金融业增加值已高达 2536.91 亿元，比 2001 年增长了 2095.69 亿元，是 2001 年金融业增加值的 5.75 倍，其占 GDP 的比重也增长到 14.19%。充分说明北京市的金融业发展态势十分良好。上 海 市 作为我国的重要经济中心，其2001 年的 GDP就 已 经 达 到5210.12 亿 元 ，比 北 京 市 的GDP 高 出1499.6 亿 元 。
而在金融业方面，上海市的成绩也同样十分 亮 丽 ， 其2001 年的金融业增加值已经达 到 619.99 亿元，比北京市同期的金融业增加值高出 178.77 亿元。充分说明上海市的经济和金融基础都比上海市更好。上海市 2001 年金融业增加值占GDP 的比重为 11.90%，与北京市金融业增加值占 GDP 的比重相当。而 2012 年上海市金融业增加值占 GDP 的比重上升到12.14%，与北京市相比，其占 GDP 的比重更低。值得一提的是，虽然 2012 年上海市的 GDP 比北京市的 GDP 高出了2302.32 亿元，但北京市的金融业增加值却比上海市的金融业增加值高出 86.55 亿元，说明了北京市在近十二年间金融业发展速度比上海市更快，北京市已经处在了后来居上的位置。
2. 北京市和上海市的科技创新现状
衡量科技创新的指标有很多，文章采用国内专利申请授权数这个指标来对科技创新情况进行比较分析。2001 年北京市国内专利申请授权数为6246 项，比上海市的国内专利申请授权数高出 875 项。此后北京市的国内专利申请授权数每年都有不错的增幅，如在 2003年其国内专利申请授权数已经达到 8248项，比上年同期增长29.99% ， 而 在 2010年的增长速度则更加迅猛，其国内专利申请授权数比上年同期增长超过四成，达到46%的增速。2012 年北京市国内专利申请授权数达到 50511项，是 2001 年专利申请授权数的 8.09 倍。
上海市虽然在 2001 年国内专利申请授权数略逊于北京市，但是其发展速度更快，在 2012 年上海市国内专利申请授权数已经超过了北京市，达到 51508 项，比北京市高出了 997 项，充分说明上海市的科技创新活动得到了很好的发展。
二、模型构建
协整分析是一种检验两个或多个时间序列变量之间长期均衡关系的分析方法。进行协整检验的方法包括适合双变量分析的 EG 两步法和适合多变量分析的 Johansen 检验法。文章主要对金融发展与科技创新两者之间的关系进行分析，因此，文章采用 Engle-Granger 两步法来对金融发展与科技创新两者之间的关系进行协整检验，如果协整关系存在，则金融发展与科技创新之间存在长期均衡关系。在进行协整检验之前，首先构建关于金融发展与科技创新之间关系的模型，构建模型如式(1)。如果这两个时间序列和都是同阶单整序列，则构建两者之间关系1yt=α+βxt+μt(1)其中 yt代表科技创新，xt代表金融发展，t 代表时间，μt为残差项，α 为常数项，β 代表金融发展对科技创新的影响程度，μt为残差序列。
文章进一步对金融发展与科技创新分别取对数以消除数据间的异方差，将式(1)变形为：lnyt=α+βlnxt+μt(2)其中 lnyt代表科技创新，lnxt代表金融发展，α 和 β 为估计值，其中 α 为常数项，β 为弹性系数，代表金融发展对科技创新的影响程度，μt为残差序列。如果残差序列 μt是平稳的，那么变量 xt和变量 yt之间存在协整关系，即金融发展与科技创新之间存在长期均衡的关系。
三、数据选取
金融发展(xt)：衡量金融发展的指标有许多种，如金融相关比率、金融增加值、金融机构存贷款余额，这里文章以各市的金融机构存贷款余额来衡量金融发展程度。
科技创新(yt)：一个城市的科技创新能力，科技创新能力强的城市，其历年核准注册商标数必然多。因此文章用各市历年核准注册商标数的变化反映其科技创新能力的发展状况。
文章选取的样本区间为 1991-2012 年。其中北京和上海1991-2012 年存贷款余额的原始数据来源于中宏网统计数据库；北京和上海 1991-2012 年专利核准授权数的原始数据均来源于历年 《专利统计年报》。
四、单位根检验
协整检验的前提是所有变量同阶平稳，因此在进行协整分析之前必须对变量的平稳性进行检验，文章采用 ADF 单位根检验来衡量各个变量的平稳性。应用 Eviews7.0 版本的计量经济学软件进行分析。
文章首先对代表北京市金融发展和科技创新的变量进行单位根检验，具体检验结果如表 3 所示。表 3 的检验结果显示，lnx 和 lny 的 ADF 检验值分别为：-0.397322 和 -1160499 ，都大 于 5% 显 着水平下的临界值 ， 表 明 lnx和 lny 在 95%的置信水平下都不能拒绝原假 设 ， 即 lnx和 lny 存在单位根，都是非平稳序列。而lnx 和 lny 的一阶差分序列 d(lnx)和 d(lny)的 ADF 检验值分别是-3.639628 和 -3.278262，前者小于 10%显着水平下的临界值，后者小于 5%显着水平下的临界值，表明 d(lnx) 则在 90%的置信水平下平稳，而 d(lny)在 95%的置信水平下是平稳序列。因此，lnx和 lny 都是一阶单整时间序列，满足进一步进行协整分析的前提条件。
文章接下来对代表上海市金融发展和科技创新的变量进行单位根检验，具体检验结果如表 4 所示。检验结果显示 lnx和lny 的 ADF 检验值分别为 -0.720040 和 -2.918584，都大于 5%显着水平下的临界值，表明 lnx 和 lny 在 95%的置信水平下都不能拒绝原假设 ， 即 lnx 和lny 存 在 单 位根，都是非平稳序列。而 lnx和 lny 的 一 阶差分序列 d(lnx)和 d(lny)的 ADF检验值分别是-2.938542 和 -4.027372，前者小于 10%显着水平下的临界值，后者小于 5%显着水平下的临界值，表明 lny 的一阶差分序列 d(lny)在 95%的置信水平下是平稳序列，而 lnx 的一阶差分序列d(lnx)则在 90%的置信水平下平稳。因此，lnx和 lny 都是一阶单整时间序列，满足进一步进行协整分析的前提条件。
五、协整检验
由上述 ADF 检验得知，北京和上海的 lnx和 lny 都是一阶单整时间序列，满足协整分析的前提条件，因此可以利用 EG 两步法进行协整检验。
文章首先利用式(2)对北京市金融发展与科技创新之间关系的模型进行最小二乘回归，结果如表 5 所示。
从表 5 可知，模型的拟合优度为 0.829086，说明模型拟合较好。所有变量都通过了 1%显着水平下的检验，但 D.W. 值 仅 为0.476058， 表 明方 程 存 在 自 相关，缺乏稳定性，因此对式(2)添加一阶滞后项，结果发现 D.W.
值上升为 1.526228，即方程不存在自相关，新的回归方程如式(3)所示。lnyt=3.840648lnxt-2.992135lnxt-1+μt(3)（2.507251） （-1.913494）R2=0.564955， D.W.=1.526228接下来，进行 EG 两步法协整检验的第二步，对 OLS 回归结果的残差项进行单位根检验，如果残差平稳，则两变量之间存在协整关系，具体检验结果如表 6 所示。
残差序列的 ADF 检验统计量为 -2.451342，小于 5%显着性水平下的临界值-1.960171，即残差序列是平稳序列，lnx 和 lny 之间存在协整关系，且 lnx 的系数为 3.840648，表明北京市金融发展对科技创新具有较大促进作用。
有关上海市金融发展与科技创新之间的关系，文章运用最小二乘法对上海市金融发展与科技创新之间的关系进行协整检验，结果如表 7 所示。
根据表 7 显示，模型的拟合优度为 0. 921286，说明模型拟合较好。所有变量都通过了 1%显着水平下的检验，但 D.W.值仅为 0.72588， 表明方程存在自相关，缺乏稳定性，因此对式(2)添加一阶滞后项，结果发现 D.W.值上升为 2.420515，即方程不存在自相关，新的回归方程如公式(4)所示：lnyt=0.2040931lnxt-0.790201lnxt-1+μt（1.558809） （5.315262）R2=0.949638， D.W.=2.420515接下来，进行 EG 两步法协整检验的第二步，对 OLS 回归结果的残差项进行单位根检验，如果残差平稳，则两变量之间存在协整关系，具体检验结果如表 8 所示。残差序列的 ADF 检验统计量为 -5.257464，小于 1%显着性水平下的临界值 -2.692358，即残差序列是平稳序列，lnx 和 lny 之间存在协整关系，且 lnx的系数仅为 0.204093，表明上海市金融发展对科技创新也具有促进作用，但促进作用相对较小。
六、格兰杰因果检验
协整分析的结果表明北京市和上海市的金融发展与科技创新之间存在着长期稳定的均衡关系，而且两者之间呈现出显着的正向关系。接下来文章运用格兰杰因果检验来分析各市金融发展与科技创新之间的因果关系。上海的格兰杰因果检验是对滞后期为 1，自由度为 20 时的 lny 和 lnx 进行检验，北京的格兰杰因果检验则是对滞后期为 3，自由度为 20 时的 lny 和 lnx进行检验，结果如表 9 所示：在 90%的显着性水平下，北京市的金融发展是科技创新的 Granger 原因，科技创新不是金融发展的 Granger 原因。上海市的检验结果则表明金融发展与科技创新之间是双向因果关系，金融发展是科技创新的 Granger 原因，科技创新也是金融发展的 Granger 原因。
七、结论
通过对北京和上海两个城市金融发展与科技创新之间关系的实证分析，可以得出以下结论：
第一，文章利用 1991-2012 年北京和上海的时间序列数据对金融发展与科技创新之间的关系进行了协整分析。结果发现：金融发展与科技创新之间存在着长期的均衡关系。其中北京市金融发展对科技创新的促进程度最高，其影响弹性系数为3.840648，表明北京市金融发展程度每增长 1%，都会促使科技创新程度增长 3.840648%。充分说明北京市作为我国的经济和文化中心，同时又拥有大量的高素质人才和中关村等大型的创新工业园区，创新环境优越，北京市的金融发展能够大大加快了科技创新的步伐。上海市金融发展对科技创新的促进程度为0.204093，表明上海市金融发展程度每增长 1%，都会促使科技创新程度增长 0.204093%。主要因为上海更注重第三产业的发展，金融对第三产业的支持力度更大，故金融发展对科技创新的促进力度比北京市要略逊一筹。
第二，文章进行了格兰杰因果检验。北京的检验结果说明其金融发展促进科技创新，科技创新并不能反过来促进金融发展，两者之间是单向因果关系。上海市金融发展与科技创新之间是双向因果关系，即金融发展促进科技创新，科技创新也能反过来促进金融发展。这也解释了上海市的金融实力强的原因，金融发展受到众多因素的支持和促进。
基于上述结论，文章提出以下建议：
首先，优化发展环境，促进金融发展。北京和上海市首先要以金融支持科技创新为主题，加快建设科技金融创新中心，进一步推动重要金融机构与本市开展战略合作，建立健全合作协议落实工作机制。开拓思路做好高端金融资源聚集工作。发挥经济的整合集聚效应，为金融总部开展综合化经营试点、非金融企业总部收购金融机构提供落地服务。发挥经济的扩展延伸效应，积极吸引新设立的核心科技创新部门、科技创新分支机构落户本市。
其次，推动金融功能区，推进科技产业园。北京市和上海市需要进一步深化金融功能区功能定位，完善项目准入标准体系，加快建立功能区建设评价指标。加大统筹规划引导力度，促进各功能区协同发展。与此同时，研究适合各市的科技产业园发展规划，制定出台支持产业园发展的配套政策措施，吸引各类科技机构入驻，打造适合科技创新发展的良好生态环境，不断拓展、深化科技产业园新体系。
最后，营造金融生态环境，加快金融改革创新。北京市和上海市应适当加强金融人才服务，建设高端金融人才聚集区。
建立健全金融发展顾问机制，加强金融发展战略研究。并且在此基础上，针对科技企业特点不断创新各类金融产品与服务模式。如进一步推动银行加大对科技信贷的支持力度；不断完善知识产权质押贷款的培育引导机制、信用激励机制、风险补偿机制、组合融资机制和风险分担机制，促进科技成果的市场转化。
