【《我国科技创新与金融结构的耦合协调发展现状实证分析案例》13000字】

我国科技创新与金融结构的耦合协调发展现状实证分析案例目录TOC\o"1-3"\h\u18005我国科技创新与金融结构的耦合协调发展现状实证分析案例 1262471.1我国科技创新发展现状 1107551.1.1R&D经费 1125491.1.2科技创新能力 6119191.2我国金融结构发展现状 7106071.2.1货币化程度 773681.2.2金融相关比率 970401.2.3社会融资结构 9181752我国金融结构与科技创新协调度的实证检验 11306592.1指标选取 1133632.3耦合协调分析介绍及其评价标准 16209132.3.1耦合协调度模型介绍 16171302.3.2耦合协调度模型 1730092.3.3耦合协调度评价标准 1841332.4耦合协调度实证分析 1822862.1.1全国层面序时变化 18257642.1.2科技创新与金融结构耦合协调度的空间演变趋势分析 20142092.1.3耦合协调度的空间演变可视化分析 2493082.1.4分析与总结 271.1我国科技创新发展现状本文所选择的衡量我国科技创新的指标数据样本为全国28个省2004年-2019年的年度数据（考虑到西藏、新疆的数据不全，所以本文选择只测算29个省）。数据来自于中国国家统计局、《中国科技统计年鉴》；衡量我国金融结构的指标数据样本来自全国29个省2004年-2019年的年度数据，直接数据皆数据资源来自于对中国国家统计局、《中国金融统计年鉴》、固定资产的查询来自《中国固定资产投资年鉴》。1.1.1R&D经费研究与试验发展（Research&Development即R&D）是指在科研领域，不同活动主体为增加其知识储备量以及运用这些新的技术和知识去创造新的技术应用而进行的系统性、逻辑性和创造性的活动，包括基础设施研究、应用研究、试验与发展三类活动[26]。从一个国家的R&D投入占国内生产总值（GDP）的比值大小我们可以详细地比较和发现该国对科技创新的重视程度和投入力度。当前，R&D资金外部投入主要靠金融体系、政府和外资三个渠道[43][44]。图4-1为中国、美国、日本、英国、德国5个国家2004年-2019年R&D占GDP的比重变化图。从图中可以观察到，日本在该统计指标之下其R&D/GDP比重一直处于首位，说明日本非常重视科技创新，科技创新又能带动经济的增长。美国、英国的R&D占GDP的比重一直处于平稳状态；中国与德国的R&D占GDP的比重处于增长状态。中国的涨幅虽然较快，但是因为其基数较小，发展较晚所以只是在2011年时与英国呈持平状态，并在2012年后超越了英国。虽然在其R&D/GDP比重涨幅上超越了英国，但是我国的R&D/GDP比重与其他三个发达国家相比还是有所差距。我国应当在保持经济适当增速的同时也保证R&D经费的投入，通过科技创新带动经济、金融的发展。R&D经费投入强度是指一个国家在R&D经费支出方面占GDP的比重，业是衡量一个国家或者地区在科技创新发展领域所做出投入与支出的对比指标[26]。图4-2的显示了我国2004年-2019年R&D经费投入强度的变化，从图中可以看出该指标随时序递增，说明我国在科技创新方面不断增加投入。而全国教育支出为50178.12亿元，R&D经费投入相较于去年同比增长了12.5%，R&D经费投入总量也位居世界第二位，较之2004年的1966.33亿元时增长了11倍有余；R&D经费投入强度（R&D经费投入/GDP）为2.19%，比上年同比提高了0.04%。相较于部分欧美发达国家，从图中也可以看出我国与美国、日本等在R&D经费投入占GDP之比较多的发达国家的差距在逐年缩小。图4-1部分国家2004-2019年R&D投入占GDP比重变化图4-2研究与试验发展（R&D）人员全时当量（万人年）对国家统计局的有关资料进行统计和可视化显示可以看出，我国2019年时R&D人员全时当量增长至480.1万人，与去年相比同比人数增加46万人，增长率为9.6%，增速位列全球第一。每万人口中的R&D人员全时当量为31.4人年，增长率为8.2%。图4-1是我国的R&D人员全时当量在2004年-2019年的走势时序图。除R&D经费投入强度外，在图4-3中显示了2004年-2019年R&D经费支出，并将R&D经费中政府和企业的R&D经费支出单独列示。从图4-3中可以看出，我国企业R&D经费支出与总R&D经费支出在这个时间段里基本呈同一类状态的增长和发展趋势，企业将技术创新作为未来主体发展趋势的地位得到进一步的深化和巩固。在2019年，我国整体企业R&D经费已经达到了16887.2亿元，同比上年增长了12%；其中规模以上工业企业R&D经费已经达到了1397.1亿元，同比上年增长1016.3亿元，增长率为7.8%。企业R&D经费对全社会R&D经费增长做出的贡献为72.9%，对拉动全社会R&D经费同比增长了9%。2019年，在规模以上工业企业调查中，就有16.1万家主体开展了技术创新活动，其所占比重为43.0%，与去年相比比上年提高了2.5%，这说明企业在努力的随着经济变化和市场的需要在科技创新方面做着努力和投入，开发新产品适应经济潮流的发展；但是政府与企业相比其R&D经费支出与总的R&D经费支出呈现差距越来越大的趋势。对此可能又以下原因：（1）政府收入增加幅度不大，无法在R&D经费方面腾出较多的经费；（2）政府逐步开放科技创新市场，利用宏观调控的手段将资金支持的主体从政府转变为金融机构和融资主体，以市场驱动的方式增加企业进行科技创新的主观能动性。政府逐步开放市场驱动管理转为宏观调控的模式对我国市场经济的发展以及利率市场化的进一步实施具有重要的现实意义。图4-3我国2004-2019年R&D经费、政府资金R&D经费内部支出（亿元）、企业资金R&D经费内部支出（亿元）国家科技财政支出已经是我国在科技创新发展方面的重要保障之一。如图4-4所示，2019年时，国家财政科技支出达10717.4亿元，同比上年增长了12.6%；其中地方财政科技共支出5779.7亿元，同比上年增长818.58亿元，增长率为16.5%，所占比重为60.7%，同比上年提高了1.5%。财政科学技术支出与当年国家财政支出之比为1.31%，创出2014年以来的新高点，同时也比上年提高0.18个百分点。图4-42004年-2019年国家财政科技拨款、科技财政支出占国家财政支出之比1.1.2科技创新能力专利申请申请数量与技术市场成交额如今已被看作衡量科技创新产出的重要指标。现阶段我国已有并快速增长的经济发展模式正面临着重大变革并且逐步把科技创新推动经济和金融发展提上日程，近年来我国科技经费投入加大并且非常重视知识产权的发展[45]，企业的知识产权意识也得到了增加，我国已有的专利的申请量和授权量在统计数据上可以看出都在不断攀升。图4-5可以看出，从2004年-2019年，我国国内、外专利申请授权数由2000年的190238件增长至2019年的2591607件，近14倍的增长量。专利申请授权数量的增长，显示出了我国日益增长的科研产出能力。根据世界产权组织已经发布的“2018全球创新指数报告”显示，我国排名17位，与2017年相比进步了5名。技术市场合同交易总额被定义为全国在一定时间段内在技术合同成交项目的一定成交总金额。如图4-5所示，2004年年-2019年间，我国的技术市场合同成交总额由2014年的13343亿元到2019年的223983亿元，增长了近16倍。技术市场合同成交总额的提高也说明了我国科研成果转化的能力的增强，对于科技兴国的国策和积极推动科技市场的发展有着重要意义。图4-5我国2004-2019年国内、外三种专利授权件数图与全国技术市场成交合同金额（万元）1.2我国金融结构发展现状改革开放以来，我国的经济从开始与世界经济接轨，到现在已经为世界经济贸易重要的一员，国外先进的金融知识和理论传入我国之后，不仅为我国金融发展和金融结构的优化起到了重要的推动作用，我国的金融市场和结构水平也有了较大程度的改善和提高。一方面中国的金融机构发展越发齐全，具备了金融发展所需的各种机构载体；另一方面中国金融市场体系全面建立，但从总体来看我国的金融结构模式还是以呈现以间接融资和银行体系占主流的状态，侧面以直接融资和金融市场为辅的金融结构体系。如果要深入和清晰的了解一个国家的金融结构，不能只从银行体系与金融市场体系出发，还必须从多角度考察我国金融结构的现状。因此，本章节将从经济货币化程度、金融相关比率和社会融资结构三个方面来说明现阶段我国金融结构。1.2.1货币化程度货币化程度是指在一国国民经济运行过程中其全部商品和劳务的交换结果，以及含括投入和分配在内的整个生产过程通过货币呈现出的比重大小。麦金农（Mckinnon）在研究各个国家金融抑制问题时，会采用货币化程大小的指标来评价一个国家或地区银行主导金融的程度和货币超发程度[43]。货币化程度通常使用货币供应量为分子，将GDP作为分母，取二者的比值来表示，比值越大表示经济货币化程度越高，它也是衡量货币体系在经济中的重要尺度[46]。图4-6反映了我国2004-2019年经济货币化程度变化趋势。如图所示，我国的经济货币化程度一直很高且处于不断上升趋势，商业银行这表明我国的金融结构还是以银行体系为主导且经济货币化程度不断提高；另一方面在2008年全球金融次贷危机之后为了刺激经济发展我国更是加大货币的市场投放量，这也是我国近几年货币超发情况一直居高不下的原因之一。图4-62004年-2019年我国经济货币化程度的变化趋势1.2.2金融相关比率本文采用戈德史密斯提出的金融相关比率（FIR）来衡量经济发展中我国金融结构的变化情况，FIR越高，说明居民储蓄和社会投资在一定程度上粘合度较低，该国或者地区的金融规模越大，金融系统配置金融资源的能力越强；FIR系数相对较低就能够侧面说明居民储蓄和社会契合度相对较高，该国或者地区的金融规模显示越小，金融系统配置金融资源的能力越弱[47]。其表达式如公式（4-1）（4-1）从图4-7可以看出我国自2004年以来FIR总体呈上升趋势，从2004年的1.59增长至2019年的1.83，这反映出我国的金融结构在不断的发展和变化，金融体系在资源配置中发挥着越来越大的作用。从图中可以看出FIR指标在2007年和2008年分别有陡然上升与下降的表现，这可能与2007年股市市值大增和2008年全球金融次贷危机有关。图4-7FIR变动情况1.2.3社会融资结构我国从改革开放以后金融体系发展迅速，在发展中形成了以中央银行为基准和中心，以国有商业银行、政策性银行和其他商业银行为辅助和基础的多层次并行的金融机构体系；同时，以股票、债券、期货为代表的证券市场也为社会融资提供多样化的渠道。目前，我国的融资渠道主要有以下融资类型：（1）人民币贷款；（2）外币贷款；（3）委托贷款；（4）信托贷款；（5）未贴现银行承兑汇票（6）企业债券；（7）股票融资；（8）地方政府专项债券共8个大类构成。通常根据企业获取外源融资方式的不同将融资方式认定为直接融资和间接融资。直接融资一般是认为是从金融市场上获取到的股票和债券投资作为资本流通；间接融资一般认为从银行获得的贷款现金流。直接融资和间接融资各自所占的比例在会一定程度上反映一国的金融结构状况[48]。如图4-8和表4-1所示，我国融资结构不断优化，社会融资规模不断扩大，人民币贷款占比不断减少，股票融资和债券融资的占比不断增加。人民币贷款从2004年的91.86%下降至2019年的81.37%；债券融资从2002年的1.82%增长至2019年的12.85%；股票融资从2004年的3.12%增长至2015年的1.93%，在2019年时又下降至1.87%，可能与全球股票市场大幅下跌有关。说明我国现在经济市场与金融市场都与全球联系紧密，容易受到外界环境和因素的影响。总体来看，我国金融结构中间接融资比例依旧占据主体地位，而直接融资比例易受到世界经济、证券市场的影响其比例常有所反复。图4-82004年-2019年我国人民币贷款、股票、债券占比变化趋势表4-1我国社会融资结构（2004-2019）社会融资规模人民币贷款外币贷款委托贷款信托贷款未贴现银行承兑汇票企业债券股票融资地方政府专项债券200434113276522285601--2010499559--2005286292267313813118290467673--2006300082354414151961--242010339--2007429693152314592695825150023101536--20085966336323386433711702670122844333--20096980249041194742623144106455233324--2010139104959429265678043644606123673350--20111401917945148558748386523346110635786--201212828674715571212962203410271136584377--2013157631820389163128381284510499225512508--201417316888916584825466184047755181132219--2015164133978133556250695174-1286238174350--2016154063112693-642615911433-10566293887590--2017178159124372-5640218548593-195143002512416--201822397013843218777022555536444218759199622019192584156712-4201-16067-6901-6343247563606178525我国金融结构与科技创新协调度的实证检验2.1指标选取如今，在关于经济和金融的研究中，对相关指数进行测度和评析是一种常见的且重要的统计方法。指数分析作为可以使理论与数据高效结合的手段得到了当今科学研究界的一致认可[49]。为了避免金融结构与科技创新的指标选取不当，本文从实际出发，对金融结构与科技创新的指标进行摘选，主要遵循以下三个原则：（1）科学性：指以国外或者我国权威机构认证或经过学者采纳的，具有一定程度的代表性和科学性；（2）可操作性：指所选指标应当是量化且客观真实存在的，可以从公开、客观的渠道如：国家统计局、《中国金融年鉴》等年鉴或官方网站渠道获取；（3）全面性：指在选取指标时应当从多维度、全方位解释我国金融结构与科技创新的耦合协调情况，包含二者的各个方面，可以真实的反映其客观现实情况。2.1.1金融结构指标选取戈德·史密斯首先提出了金融结构理论，他认为金融发展在深层意义上就是指金融结构的变化[4]；他还提出利用以金融相关比率为核心的一系列的指标来衡量金融结构的变化；Levine从三个角度设计了金融结构测度指标：金融规模、金融活跃度、金融效率[50]；刘泽东、张元萍在对金融发展与技术创新互动关系进行研究时使用金融深度、金融效率、金融结构三个指标来衡量金融发展。通过对国内外学者对金融结构指标选取的梳理，本文遵从科学性原则，以融资模式的侧重不同为重点，从大多数学者在针对金融结构这一研究有较多使用率的金融规模（FD）、金融效率（FE)、金融结构(FS)这三个指标进行测度。（1）金融规模指标（FinancialDimension，FD）戈德·史密斯从存量和流量的角度用金融资产总额与GDP之比来反映金融规模指标，两者之间的比值越大则说明金融相关度越高[1]。所以本文的金融规模指标使用戈德·史密斯的度量方法，采用我国各地区的银行信贷额、债券余额与股票市值总和值来代表各地区金融资产水平，得到金融规模指标。第二个指标为金融从业人员数量占比[51]。（2）金融效率指标（FinancialEfficiency，FE）金融效率是指金融机构对经济增长的贡献程度和将储蓄转化为投资的能力，张元萍、刘泽东（2012）在构建金融效率指标时采用金融中介效率和金融市场效率之和共同度量金融效率。金融中介效率用固定资产投资中的银行贷款与城乡居民储蓄之比来深入构建和刻画，金融中介效率可以较好的反映出在金融中介和机构所进行的风险能力管理、信息运行处理和动员储蓄功能[16]；（3）金融结构指标（FinancialStructure，FS）我国在现今阶段仍旧占主流运行的金融结构系统仍然是以银行体系为主导金融市场为辅的金融体系格局，而非银行等新型金融中介的发展尚未成熟[52]，有待进一步发展。对于我国金融结构现在的发展情况，学界较为普遍的统计方法为用股票市值总值与金融机构贷款总额之比、反映金融结构，本文亦采用这种方法，并且引入保险费收入与金融机构贷款总额之比，利用股票市值总值和保险费收入越分别与金融机构贷款总额之比这两个指标来代表我国的金融结构指标发展情况。2.1.2科技创新指标选取科技创新方面，对技术创新的度量方法共有三种：一是投入法，如R&D投入；而是产出法，比如专利数量；三是需要用到综合性指标，如TFP法。由于相关统计资料的部分缺少，第三种方法受到限制[49]。所以本文采用张元萍、刘泽东（2012）[16]所使用方法，使用专利授权数量（PatentsAuthorizationAmount，PAT）和研发投入强度（R&D）来衡量科技创新。（1）科技创新投入科技创新投入用研发投入强度（R&D)来表示。研发投入强度指标选取有三个部分构成：科研人力投入、研发经费投入和财政科技投入。（2）科技创新产出科技创新产出用专利授权数量（PAT）和技术市场成交量来表示。一个国家或地区的专利数量越多，可以从一定程度上说明了该国家或地区的科技创新能力越强，企业使用新技术和新设备创造产出的概率越大。之所以选择专利授权量，一是因为其经过了国家严格的程序审查，具有法律保护意义；二是授权的专利更新颖容易被市场或投资者所接受。技术市场成交量的意义在于衡量一个国家科技创新对经济的贡献率。2.2熵权法及结果2.2.1熵权法介绍如今，在主流科学研究中有两种权重确定方法：一种被称为主观权重确定法；另一种被称之为客观权重确定法。前者比较注重相关领域专家依靠自身的经验、知识对所研究对象赋予权重，如层次分析法、专家调查法；后者则是依据研究对象所表现的数据特征来确定各个指标的权重，如灰色关联法、熵权法[49]。考虑到本文的数据渠道较为容易收集，且主观赋值法主观性强等特点，所以本文选取熵权法对数据权重赋值。“熵”这一概念常被用来衡量不同事物合成系统的混乱程度。香农（Shannon）在1984年将“熵”引入信息论用来度量研究对象的信息量,于是便有了信息熵的现代表述[53]。根据信息熵的表述来说，如果熵较小则说明其能够提供的信息量越多，这个指标越重量级；反之如果在实验中某指标的信息熵较大，其能够提供的信息量就越少，则指标越不重要。其计算流程如图5-1所示：图5-1熵权法计算权重流程图（1）数据标准化处理假设模型中有个指标，个评价对象，将个指标表示为：，其中。因不同指标的量纲和数量级各不相同，需要采取数据标准化的方法消除量纲和数量级的差别，这个方法也叫作离差标准化[49]。利用离差标准化的方法能够对数据进行处理从而消除不同数据间量纲单位在实验中对实证结果造成的影响。另一方面，如果按照极差对数据进行标准化处理则实际检验中一定会存在某些指标为0的情况，会使得结果无意义。因此本文采用了对无量纲化值加上0.0001的处理方式。设为各指标数据标准化过后的值，则有，对于正向指标有：（5-1）对于负向指标则有：（5-2）（2）求熵值根据熵值定义，数据的信息熵表示为：（5-3）（5-4）（3）确定指标权重：根据信息熵的定义，顺序计算各个指标的信息熵，然后求其差异系数，()（5-5）（4）求得熵权权重（为权重）（5-6）（5）在对权重进行计算的基础上，利用系统综合评价模型对科技创新-金融结构复合系统的综合发展情况进行评价。通过计算各个子系统的综合评价指数来反映各个系统内部的综合发展情况。其公式表现如公式5-7所示[54]：式子中为科技创新子系统与金融结构子系统。为第年的个指标的熵权的权重。（5-7）2.2.2熵权法结果解读根据上文指标选取如表5-1所示：表5-1科技创新与金融结构指标及其说明序号一级指标二级指标指标说明科技创新科技创新投入科研人力投入R&D人员全时当量研发经费投入R&D经费内部支出/GD[16][51][52]财政科技投入财政科技支出/财政总支出科技创新产出专利授权数量专利授权数量技术市场成交量技术市场成交合同数量金融结构金融规模（FSize）金融资产水平（银行信贷额+股票市值）/GDP金融就业水平金融就业人数/总就业人数金融效率（FE）金融中介效率固定资产中的银行贷款/居民储蓄金融结构（FStru）证券业市场股票市值/金融机构贷款总额保险业市场保费收入/金融机构贷款总额依据上文所建立的我国金融结构与科技创新的指标体系，利用熵权法确定其指标权重，建立耦合协调模型及其评价标准对我国金融结构与科技创新的耦合协调度进行评价分析。2.3耦合协调分析介绍及其评价标准2.3.1耦合协调度模型介绍（1）耦合及相关概念“耦合”这一研究概念最早是来源于物理领域，它是指两个或两个以上的事物具有相互作用的关系。耦合度则是用来定量测量这一相互作用关系的程度。耦合包括正向耦合，即事物之间具有相互促进的联系与关系，且能随着时间发展形成彼此促进的状态，以达到更高水平的目的；负向耦合即事物间的相互作用关系会制约甚至破坏彼此有序发展的状态，以致事物在正向发展方向陷入停滞状态。耦合协调度即是指事物之间相互合作和联系的定量描述，通常被用于测量两个或两个以上子系统构成的复杂系统内部各构成要素或子系统间彼此和谐统一，相互促进关系的程度，是对耦合度性质的定量描述。针对复杂系统发展演化过程中构成要素和子系统间耦合协调关系的测度，能为系统的优化发展寻求一个最佳耦合协调模式[55]。（2）耦合度耦合度是科学界用来衡量和定量不同子系统之间相互关联程度大小的测量指标，当子系统之间的耦合度越高时其子系统之间关联性可能就越大，且有大概率可能能够朝着有序的方向发展；当子系统之间的耦合度耦合度越低时，其子系统间关联性可能就会越小且会朝着无序的方向发展[56]。而依据耦合度定义，耦合度模型为：（5-8）当为两个系统时，科技创新与金融结构的耦合度函数为：（5-9）在公式（2.8）[57]中，系统耦合度值为,属于科技创新子系统的综合序参量，属于金融结构子系统的综合序参量。当时，系统耦合度极大，表示科技创新子系统与金融结构子系统之间的耦合程度达到了良性共振耦合的状态，复合系统将走向新的有序结构；当时，系统耦合度极低，表示科技创新子系统与金融结构子系统之间的耦合程度处于无序状态，复合系统将随之无序发展[51]。根据张林（2015）研究耦合协调度的方法，本文将系统耦合演变过程分为4个阶段，如表5-2所示：表5-2耦合度演变过程耦合度耦合等级特征低水平耦合系统之间关联性较差初级耦合颉抗阶段，良好耦合开始良性耦合高水平耦合优质耦合，相互促进2.3.2耦合协调度模型 耦合协调度模型常借助与熵权法、模糊综合评价法等方法对评价指标赋予权重后再利用物理学中的耦合容量系数模型计算系统间的耦合度，最后利用耦合协调度模型测算客体整体的协调状况[58]。耦合度是显示各子系统之间相互影响程度、关联程度，并且对系统在达到临界区域时的走向和结构起决定性作用的物理量[57]。耦合度越大，其系统内部之间的互动程度越强烈。虽然耦合度能表达各个子系统之间的互动效应，但对系统整体是否处于协调发展的状态并不能全面呈现。当系统之间出现“伪协同效应”时，耦合度模型就无法准确衡量系统整体表现，可能会因此导致结果上的误导[59]。因此，为了准确验证和研究科技创新与金融结构之间的耦合协调度，本文构建如公式5-10所示的耦合协调度模型：(5-10)在公式（5-10）中为耦合协调度，为耦合度，为系统综合协调功能指数，为两个子系统在整体中所占权重。一般来说如果无法准确的判断子系统对整体系统发展的重要性差异程度时，可以认为它们同等重要。而科技创新与金融结构在促进经济发展和国家、地区进步上彼此联系、相互促进，并无非常准确的标准可以区分二者孰轻孰重。因此，本文将二者视为同等重要的两个子系统，即在为赋予权重时，。2.3.3耦合协调度评价标准本文在对科技创新与金融结构的耦合协调度进行衡量时，借鉴物理学中对耦合度的层次划分，如表5-3所示，共分为5个层次。当科技创新与金融结构的耦合协调度取值范围为，当二者的耦合协调度结果越接近1时，说明两个子系统之间联系紧密，相互促进；当二者的耦合协调度结果接近0时，说明两个子系统在运行时并无太大的联系甚至于没有联系，独立发展。表5-3耦合协调度综合评价体系耦合协调度协调等级耦合协调度协调等级优质耦合濒临失调良好耦合轻度失调中级耦合中度失调低级耦合严重失调勉强耦合严重紊乱2.4耦合协调度实证分析2.1.1全国层面序时变化耦合的变化能够反映系统间无序与有序状态的详细转换过程，其结果可以体现各系统内部参量之间的相互影响与作用，度量系统内部在发展过程中的和谐程度大小，而耦合协调度则是从整体来衡量科技子系统和金融结构子系统耦合关系[60]，比单独耦合度的分析更全面、合理。根据科技创新与金融结构以熵权法为基础测算出的综合评价评价模型，得出我国2004年-2019年全国科技创新综合评价指数和金融结构综合评价指数以及二者的耦合度及耦合协调度，见图5-2。图5-22004年-2019年熵权法综合评价指数及耦合度、耦合协调度根据图2.2可以看出，自2004年以来，我国科技创新发展大致可以分为2个阶段，（1）一般发展阶段（2004年-2007年），在该阶段，虽然科技发展整体呈上升趋势，但其发展速度不突出，与金融结构迅猛发展的势头相比较其发展速度较为缓慢；该阶段处于大力发展工业和制造业且经济发展模式较为粗放，政策较侧重于经济总量的增长和国民生产总值的增加、加快城镇化水平提高。（2）第二阶段科技创新发展速度明显加快，该阶段提出经济绿色发展、转型升级、提高核心竞争力等方针，创新驱动经济发展等政策，财政支出、R&D内部支出、技术市场成交合同数以及专利授权数量明显增加，科技创新实力明显提高，科技创新转化为经济优势已初步显现并逐步扩大其影响。纵观我国金融结构综合评价指数可以分为3个阶段，（1）2004年-2006年增长速度平缓；（2）2006年-2008年受国际金融市场的影响，呈倒“V”状，2007年我国股市市值快速膨胀、股价大幅度上涨，在2008年次贷危机时造成我国国外金融资产受损、银行不良资产增加、股市收到强烈冲击等负面影响；（3）2008-2019年间我国金融结构综合评价指数亦波动上升,该阶段自次贷危机后发展放缓，一是因我国经济增速放缓；二是因为我国的金融结构向来以银行主导性结构为主，直接融资市场发展较为缓慢。从我国科技创新与金融结构耦合协调度来看，2004年-2019年我国科技创新与金融结构的耦合协调度呈“N”型，大致可以分为三个阶段：2004年-2007年其耦合协调度处于快速上升阶段，从2004年的0.222113大幅度上升至2007年的0.620685，由中度失调上升至低级耦合的状态，该阶段金融市场发展迅速增加对技术创新的发展的需求，科技的发展又反过来作用于金融市场乃至整个金融结构的优化，促进二者耦合状态的提升；2008年时耦合协调度有明显下降为濒临失调的状态，二者耦合协调值为0.496264，；最后在2009年-2019年间有小幅度的起落，基本上保持平稳的中级耦合状态。2.1.2科技创新与金融结构耦合协调度的空间演变趋势分析（1）序时变化表通过对29省16年的数据进行熵权法赋值，再用Python对其进行耦合协调评价操作。基于熵权法所得出的科技创新与金融结构综合评价指标运用耦合协调模型计算出全国29省2004-2019年耦合协调度，由于篇幅所限，现将部分结果即2004年、2009年、2014年及2019年这四个时间节点的协调度与耦合协调度列表如表5-4和表5-5所示:从表中可以得出2004年时29省市科技创新和金融结构的耦合协调处于普遍较低的状态，最高的省份是浙江省，二者的耦合协调度为0.743883，达到了中级耦合的程度，耦合协调度最低的省份是海南省，耦合协调度为0.2408205，对应的耦合协调等级为中度失调；2009年时耦合协调度最高的省份是辽宁省，达到了低级耦合的程度，耦合协调度为0.6583037，耦合协调度最低省份为江西省，其耦合协调度为0.4245821，对应的耦合协调等级为濒临失调；2014年时耦合协调度最高的省份是河南省，达到了低级耦合的程度，耦合协调度为0.650198，耦合协调度最低省份仍然为江西省，其耦合协调度为0.390499，对应的耦合协调等级为轻度失调；2019年时耦合协调度最高的省份是河北省，其耦合协调度为0.863441，达到了良好耦合的效果，而耦合协调度最低的省份是上海市，其耦合协调度为0.563123，对应的耦合协调等级为勉强耦合；表5-4我国29省科技创新与金融结构耦合协调度及耦合协调类型（部分年段1）省份20042009耦合度（）耦合协调度（）耦合协调等级耦合度耦合协调度耦合协调等级北京0.999151010.36999341轻度失调0.974091480.52019638勉强耦合天津0.869905940.33753897轻度失调0.992738330.49091520濒临失调河北0.933872410.37124265轻度失调0.960306250.50541686勉强耦合山西0.949962630.47921297濒临失调0.956628700.63627740低级耦合内蒙古0.913031790.41170556濒临失调0.972641880.44404497濒临失调辽宁0.736954010.53342789勉强耦合0.776677020.65830368低级耦合吉林0.973770280.59801243勉强耦合0.886459060.56940601勉强耦合黑龙江0.957024370.49730197濒临失调0.972891830.55569492勉强耦合上海0.957024370.50275164勉强耦合0.972891830.63063279低级耦合江苏0.911497320.57709584勉强耦合0.88442050.42669454濒临失调浙江0.977940730.74388253中级耦合0.997365740.48546184濒临失调安徽0.637451390.38601825轻度失调0.807527760.52093995勉强耦合福建0.938808680.62251778低级耦合0.979035020.58300909勉强耦合江西0.837591970.45701760濒临失调0.969889010.42458211濒临失调山东0.999866990.58071752勉强耦合0.949023430.52528580勉强耦合河南0.816330420.43605066濒临失调0.975208210.46526717濒临失调湖北0.999771670.43183375濒临失调0.99939960.49579236濒临失调湖南0.875339370.59158622勉强耦合0.889156790.55363513勉强耦合广东0.761269630.39457105轻度失调0.884211840.47408546濒临失调广西0.953352290.54028056勉强耦合0.953725720.43735713濒临失调海南0.934796870.24082051中度失调0.76112960.60543689低级耦合重庆0.968536590.31120019轻度失调0.985895350.44886166濒临失调四川0.969088540.47565624濒临失调0.935522240.51122671勉强耦合贵州0.962351430.41500489濒临失调0.850734780.4929250濒临失调云南0.96788210.60428821低级耦合0.904210430.57841393勉强耦合陕西0.944867370.42969532濒临失调0.906602170.51707397勉强耦合甘肃0.871369110.46186576濒临失调0.896982830.58916958勉强耦合青海0.975561150.53009079勉强耦合0.824670540.61206576低级耦合宁夏0.989834770.47455772濒临失调0.913448780.61291316低级耦合表5-5我国29省科技创新与金融结构耦合协调度及耦合协调类型（部分年段2）省份20142019耦合度()耦合协调度()耦合协调等级耦合度耦合协调度耦合协调等级北京0.958484860.58206623勉强耦合0.920555490.666299118低级耦合天津0.821340970.54230968勉强耦合0.940913640.68200184低级耦合河北0.957254630.52495926勉强耦合0.994403960.863440614良好耦合山西0.885895260.54375513勉强耦合0.936134730.676749803低级耦合内蒙古0.971859770.52023828勉强耦合0.976427090.688566135低级耦合辽宁0.994311440.58896154勉强耦合0.770489340.727799429中级耦合吉林0.999914400.44970553濒临失调0.999972600.656571112低级耦合黑龙江0.86038400.64912328低级耦合0.697520480.76482983中级耦合上海0.8603840.59904186勉强耦合0.697520480.563122697勉强耦合江苏0.991081740.63425236低级耦合0.991392540.75720876中级耦合浙江0.962233470.5068656勉强耦合0.961621420.66946525低级耦合安徽0.936388150.57107984勉强耦合0.841676710.692589131低级耦合福建0.998680990.55299600勉强耦合0.890191760.732746778中级耦合江西0.957248590.39049910轻度失调0.973239150.671178588低级耦合山东0.976441950.64545564低级耦合0.961831070.805386538良好耦合河南0.981988370.65019817低级耦合0.959425630.769253304中级耦合湖北0.849980290.57954736勉强耦合0.999838680.706028998中级耦合湖南0.988489190.49940279濒临失调0.910247610.765056988中级耦合广东0.974053240.56089684勉强耦合0.957636110.856440511良好耦合广西0.971057910.58419426勉强耦合0.972028610.759173456中级耦合海南0.807880610.50016976勉强耦合0.813164470.651103934低级耦合重庆0.883554710.51512790勉强耦合0.710048380.603676788低级耦合四川0.975437240.56970070勉强耦合0.950487870.713881355中级耦合贵州0.930548270.47753058濒临失调0.880832110.729667359中级耦合云南0.946278070.45747066濒临失调0.948316890.689416413低级耦合陕西0.965956060.52210448勉强耦合0.990320630.756538913中级耦合甘肃0.986507880.59932302勉强耦合0.862105820.63571234低级耦合青海0.998547260.62181813低级耦合0.987557180.747809292中级耦合宁夏0.960333860.53548912勉强耦合0.940021820.725135055中级耦合（2）序时变化图图5-3为29省市耦合协调序时变化图，从图中可知我国29省及直辖市的科技创新与金融结构的耦合协调程度基本上呈现逐年波动增加的趋势，随着我国加快建设创新型国家的指导政策出台并实施之后我国大部分省份科技创新与金融结构耦合协调度都达到耦合阶段，整体朝着较为理想的耦合阶段发展。在2004年的时间节点上，各省市耦合协调度差异较大，达到勉强耦合的省份有11个，而到了2019年，29个省份全部达到耦合线，有13个省份达到了中级耦合标准。海南省因为其地理及发展时间相较其他省市起步较晚的原因，其协调度起伏较大，但总体也呈缓步上升的趋势。图5-329省科技创新与金融结构耦合协调度趋势发展图2.1.3耦合协调度的空间演变可视化分析为了更加清晰的分析我国29省及直辖市科技创新和金融结构的耦合协调空间分布规律，本文采用ArcGIS10.2对29省市的科技创新与金融结构耦合协调度发展进行可视化处理，绘制出2004年、2009年、2014年、2019年这四个时间节点科技创新与金融结构耦合协调分类图，对并以时间和空间两个维度结合的手段对耦合协调类型的空间格局演变过程进行剖析，如图5-3所示：由图5-3（a)图可以看出在2004年29省份中大部分省