基于DEA的江西省科技金融投入產出相對效率分析

李雅麗 程 震

（江西師范大學地理與環境學院，江西 南昌 330022）

一、引言

科技金融是一種創新活動，即科學知識和技術發明被企業家轉化為商業活動的融資行為總和；是一種技術—經濟范式，即技術革命是新經濟模式的引擎，金融是新經濟模式的燃料，二者合起來就是新經濟模式的動力所在[1]；它既是一種科學技術資本化過程，即科學技術被金融資本孵化為一種財富創造工具的過程；也是一種金融資本有機構成提高的過程，即同質化的金融資本通過科學技術異質化的配置，獲取高附加回報的過程。

數據包絡分析（DEA）是一種多指標投入和多指標產出的有效性綜合評價方法，相對于參數方法，DEA無需預設生產函數的具體形式，即無需估計生產函數的參數，僅僅依靠分析實際觀測數據，采用局部逼近的辦法構造前沿生產函數模型來對生產單元進行相對有效性的評價，比較有代表性的DEA模型主要有：FG模型[2]和ST模型[3]；1986年Charnes等給出的具有無窮多個決策單元的半無限規劃C2W模型[4]。

目前，針對科技與金融結合效率的研究大多采用定性的方法[5][6][7]，定量研究的文獻不多，而且研究區域大多集中在國家層面，王海、葉元煦[8]曾運用層次分析法評價了我國1991～1999年科技金融結合的效益。時鵬將等[9]引用投入－產出型DEA模型對全國27個省和直轄市的R&D投入產出技術效率進行實證分析，許冶[10]利用DEA方法對我國1985～2003年科技投入相對效率進行測度，唐崇敏和官建成[11]運用DEA方法對33個國家在1995～2005年7個時間段內的科學論文產出效率進行比較，謝建國和周露昭[12]采用DEA方法，對我國30個省區的技術創新活動的有效性進行了分析，雖然DEA方法在我國已經有了一定的應用，但總體上來講，其在科技金融評估領域的應用仍然不夠廣泛和深入，而且對于省域科技金融的研究較少。因此，本文采用DEA方法對江西省金融投入與科技產出結合的效益進行評價與分析。

二、指標體系的構建

表1 江西省2000～2010年科技金融投入產出指標體系

對科技金融投入產出進行評價，指標的選擇必須能客觀地反映金融活動中的投入與科技產業化的實際情況;另外，還要根據DEA分析方法本身的特點，選擇相應的指標;由此來建立指標體系。評價指標體系的建立，一般要遵循四個原則，即科學性原則、可比性原則、可行性原則、適應性原則。本文選取江西省2000～2010年科技投入產出相關指標對江西省科技投入二次相對效率進行測算分析，具體見表1所示。

科技活動有別于一般的投入產出問題，其產出必須體現與科技投入相關的產出成果，盡管表面上其作用是間接的，但所蘊涵的推動經濟社會發展的潛力和作用是巨大的。金融投入從總量和均量兩個方面考慮，其中研究和發展（R&D）經費是反映一個地區科技實力的重要指標，又是提高綜合實力和競爭力的重要基礎;地方財政科技撥款有利于更多的社會資金投入科技創新；固定資產購建費說明對科技活動的硬件投資程度；人均R&D經費是科技活動持續發展的基本保證。在科技產出中，發明專利受理量和國內中文期刊科技論文數是全省科技活動成果的重要體現，是一種用以計量研究人員想法和他們產出的極普遍的指標；技術市場成交合同在生產力轉化中起了重要作用；而新產品產值則可以被視為科技活動的直接商業化產出，科技產出中新產品產值的變化，更能體現科技產業化，并能有效地的使金融投入與科技產出效率機制相結合。

江西省金融投入與科技產出的主要指標2000～2010年的數據見表2。

表2 江西省科技投入與產出輸入、輸出值

三、科技金融投入產出效率評價方法與步驟

（一）DEA評價模型概念的引入

DEA是數據包絡分析（Date EnvelopmentAnalysis）的簡稱，是著名的運籌學家A·Charnes和W·W·Cooper等人以相對效率概念為基礎發展起來的一種嶄新的效率評價方法。它是使用數學規劃模型比較決策單元之間的相對效率，對決策單元做出評價。為了全面反映科技投入與產出，先利用多元統計分析中的因子分析方法，將反映科技投入產出的多個指標進行處理，然后將科技投入和產出的主要指標作為DEA績效評價的輸入和輸出指標，以全面反映科技投入產出的效率狀況。

（二）科技投入二次相對效率測算分析

根據 Banker，Charnes和 Cooper（1984）為生產可能集合建立凸性、無效率、射線無限制和最小外插性等四項公理，并引進Shepherd距離函數的概念，將技術效率（TE）分解為純技術效率（PTE）和規模效率（SE），即:TE=PTE×SE，建立了規模報酬可變BC2模型，用以評價生產規模與技術有效:

假設有n個決策單元，每個決策單元都有m種類型的“輸入”（表示該決策單元“耗費的資源”）和s種類型的“輸出”（該決策單元“工作成效”）。可記Xij為第j個決策單元對第i種類型輸入的投入量，Yij為第j個決策單元對第i種類型輸出的產出量。若θ0=1，S-0=0，S+0=0，則稱 DUMj0有效。

四、實證分析

一般來說，求解DEA模型可以直接采用計算機軟件進行求解。本文將原始數據分別代入公式，采用Deap2.1進行求解，得出各地區的DEA值。在求解過程中，本文假設是以投入為主導型，也就是在既定投入下計算產出的最大值。各決策單元DEA求解結果如下表3所示。

表3 江西省科技投入與產出相對效率結果

（一）C2R模型結果分析

C2R模型是DEA模型的一種，評價的是DMU的整體效率。若C2R模型的得分為1，則表明該整體效率有效的狀態。當決策單元處于有效狀態時，表明和其他決策單元相比，該決策單元的投入和產出處于一種相對均衡狀態，也即是說該決策單元的資源配置實現了最優配置。當綜合效率值在[0.9，1]之間時，意味著該決策單元處于相對有效的狀態，該決策單元只要稍作調整，仍可達到投入產出有效的水平。當綜合效率值在[0.1，0.9]之間時，表明該決策單元處于明顯非有效狀態，若想達到投入產出的有效，需要經過長期的政策調整。當綜合效率值在[0，0.1]之間時，表明該決策單元幾乎處于完全無效的狀態，需要對該投入產出進行反思，考慮該決策單元的投入方向是否正確，是否符合經濟發展的正常規律。

從計算結果可以看出2000～2010年十一年的時間段中有六年是處于有效狀態，五年是處于相對有效狀態。00、01、02、03、06、10 年C2R得分為1，說明這六年科技金融投入和產出處于一種相對均衡狀態，實現了資源的最優配置。而04、05、07、08、09這五年C2R 得分均小于1，特別是05、09年C2R得分小于0.9，也就是說這五年江西省科技金融投入至少在技術有效性或者在規模有效性方面存在不足，導致科技金融投入產出沒有達到最佳水平，并沒有實現資源的最優配置，需要政府對科技金融投入進行調整。

（二）B2C模型結果分析

B2C模型也是DEA模型的一種，它假設規模報酬不變，是在C2R模型的基礎上，進一步評價當處于無效狀態時，有多大程度是由技術效率引起的。通過該值的測算，可以看出江西省政府科技金融投入是否存在投入冗余或者產出不足，投入冗余或產出不足的量是多少等。

從B2C模型分析結果可以看出，2000～2010年十一年的時間段中有八年是純技術效率有效的，三年是純技術效率無效的。00、01、02、03、06、07、08、10 年 B2C 得分為 1，也就是說這八年實現了技術效率的有效性，即意味著這八年實現了在既定投入下產出的最大化或者說是在既定產出下的投入最小化。剩下的三年B2C分值在[0.9，1]之間，這表明這三年存在投入或產出不足，但是只要稍微調整資源配置的組合，即可實現既定投入下產出的最大化或者既定產出下的投入最小化。

這些DUM非DEA有效的原因都是沒有合理配置好資源或產出不足造成的。如04、05以及09年各項投入均偏多，應該減少其投入，提高其金融投入的效率；而新產品產值、技術市場成交合同數、專利申請授權量出現了產出不足的情況，應該加大科技研發，使科技能夠更好的轉化為生產力，獲得更有效的科技產出。各年份科技金融投入與產出的冗余值見表4。

（三）規模有效性結果分析

從規模有效性的結果來看，00到04、06、10年規模效率為1，也就是說，這七年的科技金融投入規模是適當的，無須擴大或縮小投入的規模。05、07年到09年處于規模無效，規模無效的情形有兩種：一種是規模報酬遞增的情形，也就是增加政府科技投入，其產出增長的幅度高于投入增長的幅度；一種是規模報酬遞減的情形，也就是指增加政府科技投入，其產出增長的幅度低于投入增長的幅度。這五年均是處于規模報酬遞減的狀態，也就是說當科技金融投入的各要素按相同比例同時增加時，產量增加的比例小于投入要素的變化比例。這四年的綜合效率沒有達到有效（即1），是因為其規模與投入、產出不相匹配，規模報酬處于遞減狀態，說明其應該調整規模，適當地縮小其規模以達到規模有效。

表4 江西省科技金融投入與產出的冗余值

（四）綜合分析

通過對江西省十一年間的C2R分析和B2C分析可以看出，00到03年、06、10年這六年綜合效率和規模效率均為1，說明這五年科技金融投入和產出處于一種相對均衡狀態，實現了在既定投入下產出的最大化或者說是在既定產出下的投入最小化，也就是實現了資源的最優配置。04、05、09這三年的綜合效率和純技術效率均小于1，說明這三年在投入方面存在冗余，產出方面存在不足，需要對各項投入進行調整，適當減少投入或在當前投入的基礎上，通過改變管理模式使其產出增加。07年和08年的純技術效率為1，而規模效率小于1，即它實現了既定投入下產出的最大化，或者說是在既定產出下投入的最小化，但是其規模報酬遞減，應該縮小其規模。規模無效的四年均為規模報酬遞減，說明規模不佳是這四年的通病，在科技金融投入的過程中，不能一味追求大規模，應當注重規模收益狀況，從投入結構及管理模式方面來考慮提高效率。

五、結束語

本文采用DEA方法，對江西省十一年間的科技金融效率進行評價。從DEA分析的結果來看，江西省十一年間有四年是處于規模無效的，并且規模報酬遞減，說明江西省一味的擴大投資規模，忽略了投資結構與管理體制的完善，單純的依靠金融投入已經不能夠提高科技產出的效率，只有做到金融投入與科技產出協調發展，才能夠有效地提高金融與科技的結合效益。因此，江西省要想真正地提高科技與金融的結合效益，就必須深化科技體制改革，建立以市場為導向的新型管理體制，建立和完善科技金融投入增長機制，強產學研合作，加快科技向現實生產力轉化。

[1]卡蘿塔.佩蕾絲.技術革命與金融資本[M].北京:中國人民大學出版社，1983.

[2]Fare R and Grosskopf S.A nonparametric cost approach to scale efficiency.journal of Economics.1985.87:594—604.

[3]seiford L M and Thrall R M.Recent development in DEA.The mathematical programming approach to frontier analysis.Journal of Econometrics.1990，46:7—38.

[4]Charnes A，Cooper WW，Wei QL.A Semi-infinite Multicriteria Programming Approach to Data Envelopment Analysis with Many Decision Making Units[R].The University of Texas at Austin，Center for Cybernetic Studies Report CCS 551，1986.

[5]彭鵬，李麗亞.我國財政科技投入現狀分析和對策研究[J].中國科技論壇，2003年第6期.

[6]鄧向榮，劉乃輝，周密.轉型期我國政府科技投入績效研究[J].科技管理研究，2005年第10期.

[7]田中禾，徐浩領.基于C2GS2模型的企業科技投入產出績效評價研究[J].科技管理研究，2010（2）:72-73.

[8]王海，葉元煦.科技與金融結合效益的評價研究[J].管理科學，2003，（2）:67-72.

[9]時鵬將，許曉雯，蔡虹.R&D投入產出效率的DEA分析[J].科學學與科學技術管理，2004，（1）:28-30.

[10]許治，師萍.基于DEA方法的我國科技投入相對效率評價[J].科學學研究，2005，（8）：481-484.

[11]唐崇敏，官建成.基于DEA方法的科學論文產出效率分析[J].科學學與科學技術管理，2007，（6）:28-34.

[12]謝建國，周露昭.中國區域技術創新績效——一個基于DEA的兩階段研究[J].學習與時間，2007，（6）:29-34.