本文是一篇金融学论文，本文首先运用随机前沿 SFA 方法，测算了我国 30 个省、市、自治区 2003-2017 年的原创性技术创新效率和寄生性技术创新效率。然后研究了我国三种不同金融业的发展也即银行业发展、证券业发展和保险业发展对我国原创性技术创新效率和寄生性技术创新效率的影响，最后以经济发展水平为门槛变量。
第一章 绪论
1.1 研究背景及意义
1.1.1 研究背景
金融是国家重要的核心竞争力，我国的经济发展离不开金融的良好运行。据统计，我国的金融业增加值已由1978年的76.5亿元增至2020年的84070.0亿元，增速达18.14%，金融发展如此之迅速，给了国家和经济社会发展强大的推动力。特别是近些年来，我国政府积极推进金融供给侧改革，银行业、证券业和保险业等保持快速发展，出现了越来越多的个性化、差异化金融产品，满足更多投资者的投资需求，推动我国经济持续健康发展。
过去我国主要依靠投资拉动经济，但是在资源和环境的双重约束下，以投资驱动经济的增长方式已显然不可持续。根据内生经济增长理论，经济增长最主要就是依托技术进步，而技术进步需要依靠技术创新进行推动，特别是当前中国处于“增速放缓、结构转型和创新驱动”的背景下，不断增强创新质量，使创新更好地服务于实体经济，还需技术创新效率不断发力。然而，开展创新活动不仅需要资金支持，在活动开展的过程中还面临着失败的风险，因此，创新活动的不同阶段都需要金融进行支撑。金融业的发展不仅可以为企业在技术创新过程中提供资金，也可以通过金融系统为企业分散风险，使企业降低融资成本，提高企业技术创新效率。总之，一个完备健全的金融体系在创新活动过程中扮演着重要的角色。
Hicks（1969）在研究英国产业革命时，就肯定了金融市场对技术创新革命的作用，金融市场通过拓宽工业技术的投资和融资渠道，有力地拉动了经济增长，因而，金融市场的作用不容忽视[1]。近年来，我国政府也越来越重视金融发展在技术创新中的作用，《关于加快实施创新驱动发展战略的若干意见》就强调要通过金融创新来提升技术创新水平。习近平总书记在一带一路高峰论坛上也提出科技要与金融深化融合，要营造良好的创新环境，吸纳各种创新资源。因此可看出，金融发展对创新活动的开展，对技术创新效率的提升，有着不可或缺的作用。
1.2 研究思路及方法
1.2.1 研究思路
本文从研究背景出发，首先对研究的理论意义和现实意义进行分析，然后结合国内外关于技术创效率测算以及金融发展影响技术创新效率的文献，提出了本文所研究的问题。接着对相关理论进行理论分析，然后在统一的理论框架下，总结出不同金融业的发展影响不同类型技术创新效率的作用机制，进而提出本文的研究假设。最后在以上分析的基础上，首先运用面板随机前沿 SFA 方法对原创性和寄生性技术创新效率进行测算，并从国家层面、省份层面和地区板块层面对比分析了不同地区的技术创新效率存在的不平衡问题，然后构建了金融发展影响技术创新效率的基准面板回归模型，从银行业、证券业和保险业三个行业分析不同金融业的发展如何影响原创性技术创新效率和寄生性技术创新效率，同时，鉴于不同金融业的发展在不同的经济发展阶段对技术创新效率影响也不同，所以又在基准面板回归的基础上，建立面板门槛回归模型，以人均地区生产总值为门槛变量，深入分析当经济发展水平不同时银行业、证券业和保险业发展又是如何影响不同类型的技术创新效率。最后根据实证结果，为深化金融体制改革，更好地使银行业、证券业和保险业与不同类型的技术创新进行匹配，提升技术创新效率，提供更有针对性的政策建议。文章最后也点明本文的不足以及需要进一步完善的地方。
1.2.2 研究方法
本文的研究方法主要有三个：
（1）规范分析法。本文先是介绍了金融发展和技术创新效率的内涵和相关理论，在此基础上研究了金融发展作用于技术创新效率的机制，并提出了本文的研究假设，建立了理论基础，为后续的实证分析做铺垫。
（2）对比分析法。首先，本文在选取技术创新效率的测算方法时，对比了两种测算效率的方法。其次，分析我国不同区域的技术创新效率时，对比了原创性技术创新效率和寄生性技术创新效率，并从不同省份和不同地区板块说明我国当前技术创新效率存在的差异性和不平衡现象。
（3）实证分析法。文章以 30 个省（市、自治区）为研究对象，首先建立基准面板模型从整体层面分析了不同金融业的发展如何影响不同类型的技术创新效率，其次构建面板门槛回归模型，从经济发展层面分析当经济发展水平不同时，银行业、证券业和保险业的发展又是如何影响不同类型的技术创新效率。
第二章 文献评述
2.1 国外文献综述
2.1.1 技术创新效率的测算
国外学者通常使用数据包络 DEA 方法和随机前沿 SFA 方法来测算效率。Chen（2004）、Lu 等（2010）、Kao（2009）就采用 DEA 方法测算了高新技术企业的创新效率[2,3,4]。但是因为 DEA 方法无法对随机误差项和技术非效率项进行有效的区分，而随机前沿 SFA 方法可以避免此问题，因此 Zhang 等（2003）就采用该方法对中国不同规模企业的效率进行了研究[5]。Wu（2003）也利用此方法对各地区的全要素生产率进行测算，来研究当技术条件不断升级完善，以及效率不断提升时，对各区域是否有不同的影响[6]。
2.1.2 金融发展对技术创新效率的影响
通过梳理相关文献可以发现，国外学者主要从以下四个方面来分析金融发展如何影响技术创新及创新效率。一是银行与技术创新，大部分学者认为银行等金融中介机构对提升技术创新效率有正向影响。1912 年，美国经济学家 Schumpeter 作为开创者，最先发现了在技术创新和经济发展过程中各种金融要素表现出的正向影响，Schumpeter 特别指出银行等金融机构在企业创新过程中发挥的重要作用，随着金融发展继续支持创新活动，技术创新能力将得到稳步提升[7]。Nanda 和 Nicholas（2014）通过实证分析也验证了银行体系的发展有助于技术创新水平的提升[8]。Giannetti（2012）和 Hsu 等（2013）的研究同样发现银行对当地开展创新活动有显著的正向影响[9,10]。
二是资本市场与技术创新。资本市场和银行具有显著区别，资本市场往往能够通过多种灵活有效的风险分担和资金管理方式来提高筹备资金的速度，而银行的风格比较保守和稳健，因而资本市场对技术创新也同样重要。King 和 Levine（1993）的研究发现资本市场可以通过风险管理等手段使创新的风险降低，因而加大了社会投资力度[11]。Tadesse（2002）通过分析研究也发现，资本市场可以发挥出风险管理、激励投资者等功能，从而使技术创新活动更有效地进行，使创新主体可以更稳定地进行技术创新[12]。Hsu 等（2014）研究了发达国家以及一些新兴国家的金融市场，同样得出了当股票市场比较发达时，股票市场的发展有助于促进技术创新效率的提升[13]。
2.2 国内文献综述
2.2.1 技术创新效率的测算
国内关于技术创新效率的测算主要集中在三个层面。从微观企业来看，池仁勇（2003）用 DEA 方法对不同性质企业的技术创新效率进行测算，发现在不同性质的企业中，国有企业的资源利用程度比较差，技术创新效率最低[20]。苏日古嘎和马占新（2018）构建了广义 DEA 模型，测算了 18 个省区企业的技术创新效率，研究发现，这些企业的平均技术创新效率是在不断提高的[21]。肖仁桥等（2012）采用 DEA 模型测算了高技术企业的整体创新效率和两阶段创新效率，研究发现在样本期内我国高技术企业的整体创新效率和两阶段创新效率都较低，并且在样本期内存在“U”型的变化趋势[22]。与肖仁桥等（2012）的结论不同，宇文晶等（2015）同样采用数据包络分析法测算我国高技术企业的技术创新效率，发现在考察期内我国高技术企业的技术创新效率逐步上升，并且东部地区的技术创新效率要高于全国平均水平[23]。王伟和邓伟平（2017）、李婉红和刘芳（2019）的研究则发现了地区的发展差异性，我国东部地区相比于中西部地区，高技术企业的技术创新效率较高，说明东部地区的资源配置效果较好[24,25]。
从中观行业来看，白俊红和李婧（2011）运用随机前沿模型，发现政府的 R&D 资助可以提升我国大型工业和中型工业企业的技术创新效率[26]。肖瑶（2019）测算了制造业的技术创新效率，发现在样本期内我国大型制造企业的整体效用值不高，研发的力度不足，说明还是需要加大举措不断促进我国制造企业创新能力的提升[27]。何田和胡笑寒（2018）构建了指标体系来研究工业企业的技术创新效率，研究发现我国不同区域间的工业企业技术创新效率差别比较大，说明部分企业对技术创新的重视程度不足，并且投入资源存在浪费现象，从而导致投入产出比较低，也即技术创新效率较低[28]。陶爱萍等（2019）运用 SFA 方法测算了我国工业企业的技术创新效率，结果显示在区间内，我国工业企业的技术创新水平虽然整体发展趋势向好，但存在效率低下[29]。同样地，肖文和林高榜（2014）也使用该方法对创新效率进行测算，他们的研究发现我国工业企业的平均技术创新效率还不算高，表明了我国工业企业的技术创新效率仍然具有较大提升空间[30]。
第三章 金融发展与技术创新效率的理论分析 ............................... 13
3.1 金融发展的内涵和相关理论 ............................... 13
3.1.1 金融发展的内涵 .................................. 13
3.1.2 金融发展
