基于DEA方法的我國沿海各省科技金融績效評價

黃瑞芬 杜緒沅

（中國海洋大學，山東 青島 266100）

基于DEA方法的我國沿海各省科技金融績效評價

黃瑞芬 杜緒沅

（中國海洋大學，山東 青島 266100）

本文從科技進步支持海洋經濟發展的現狀出發，采用索洛模型對我國海洋經濟的科技進步貢獻率進行測度，在此基礎上構建金融支持科技創新效率的評價指標體系，并基于DEA模型對我國沿海各省市的科技金融績效進行評價。研究結果表明：2004—2013年，我國海洋經濟的科技進步貢獻率變化趨勢呈現周期性特征；DEA模型測算結果顯示我國沿海各省的金融支持科技創新效率具有明顯的差別，效率值與經濟金融發展水平存在一定的正相關關系。

科技進步貢獻率；科技金融；數據包絡分析；績效評價

一、引言

《2013年中國海洋經濟統計公報》的統計數據顯示，我國海洋生產總值達5.4萬億元，海洋經濟增長率明顯超越國民經濟增長率，海洋生產總值現已占到我國GDP的十分之一，未來仍有很大的增長空間。隨著我國“海洋強國”戰略的實施，在未來建設“21世紀海上絲綢之路”的戰略規劃下，海洋經濟必然成為我國經濟可持續發展的新引擎。海洋經濟發展離不開海洋科技創新，科技創新是海洋經濟向前發展的動力。而科技創新需要資金的支持，如何讓科技金融更好地融入我國海洋經濟的發展過程中，是一個亟待解決的問題。本文針對我國科技金融支持海洋經濟發展的現狀，基于索洛模型對2004—2013年我國海洋經濟的科技進步貢獻率進行測度，并通過數據包絡分析方法對2013年我國沿海11省的科技金融績效進行評價。

國內關于科技金融概念的討論方興未艾，其中趙昌文等人（2009）認為科技金融是金融與科技相互融合，為促進技術研發、科技成果轉化以及高新技術產業發展領域做出的金融政策、金融工具創新和金融服務等一系列安排。此外，房漢廷（2010）、姍娜（2011）等從不同角度解釋了科技金融的含義。在分析我國不同地區科技金融效率的研究中，呂江林，王新龍和宋高堂（2012）基于DEA模型對我國中部地區和東部地區各省市的科技和金融結合效率進行比較研究，發現中部地區明顯落后于東部地區，各地區不同省市同樣存在技術效率差異。楊文舉（2011）基于DEA模型構建了綠色經濟增長模型，發現我國各省工業增長的主要動力來自資本深化，其次才是技術進步，工業勞動生產率增長差異也是源于資本深化的差異。綜上可知，國內學者對于科技金融的研究主要聚焦在金融支持科技創新效率的問題上，這同樣也是本文研究的出發點。

二、基于索洛模型的我國海洋經濟科技進步貢獻率測度

（一）索洛模型簡介

索洛經濟增長模型（Solow Growth Model）是發展經濟學中的經典模型之一，又稱為新古典經濟增長模型。1928年，柯布-道格拉斯發現資本、勞動力與產出之間存在一定的函數關系，假定技術水平參數在短期內是個常量。1957年，索洛將技術進步要素引入生產函數，提出了希克斯中性技術進步函數。本文在研究科技進步對我國海洋經濟貢獻率時，采用的是廣義的科技進步貢獻率概念，即全要素生產率（TFP），是指將資本要素和人力要素的貢獻除去，用剩余的科技進步要素對我國海洋經濟增長的貢獻除以我國海洋經濟增長速度。本文采用索洛余值法基于生產函數總量測算全要素生產率，并以此來衡量我國海洋經濟的科技進步貢獻率。

（2）式中的TFP即為我們所要測算的科技進步對我國海洋經濟發展的貢獻率。y代表產出增長率、k 和l分別表示資本、勞動的增長率。

（二）我國海洋經濟的科技進步貢獻率實證結果

對于資本和勞動產出彈性系數的確定也是生產函數研究領域相互爭論的問題，通常有三種估算方法，分別是經驗值法、回歸法和比值法，前兩者的應用比較廣泛。為了找到合適的系數值，我們對回歸法和經驗值法進行比較分析。首先我們采用回歸法進行估值：第一步是數據標準化，消除量綱的影響，接著進行ADF平穩性檢驗，最后利用Eviews7.0對模型進行參數估計并檢驗。得到的參數估計方程式如下：

其中，Y代表全國海洋生產總值，K代表涉海產業固定資產投資額，L代表全國涉海從業人數。根據檢驗結果R2=0.994536，DW=1.57，說明模型檢驗是平穩的，模型達到較好的擬合效果。然而我們用生產函數進行全要素生產率分析的前提是邊際產出效益不變，即α+β=1，而回歸方程中的參數估計值α 和β之和明顯小于1，所以用回歸法確定資本和勞動產出彈性系數并不適合我們的研究假定。基于回歸分析的參數估計結果，我們在確定資本和勞動產出彈性系數時，采用經驗值法，中國海洋產業中的資本產出彈性系數為0.35，勞動產出彈性系數為0.65。

表1：2004—2013年我國海洋經濟的科技進步貢獻率

利用公式（2）對我國海洋經濟的科技進步貢獻率進行測算，結果如表1所示。圖1是2004—2013年我國海洋經濟的科技進步貢獻率（TFP）的變化趨勢。由圖1可知，2004—2013年，我國海洋經濟的科技進步貢獻率整體上呈現“M”形變化趨勢，與我國的宏觀經濟周期變化相符。2004—2007年呈現穩定上升趨勢，到2007年，科技進步貢獻率接近60%。然而，2008年以后，受到國際金融危機的沖擊，資金從風險較高的技術研發領域流出，科技進步貢獻率迅速下降，到2009年僅為9%。隨后，我國加大了投資力度，國民經濟率先復蘇，海洋經濟也快速回升，截止到2010年，我國海洋經濟的科技進步貢獻率已經接近2007年的水平，到2011年更是超過了60%。但是，2012年以后，受國民經濟增長變緩的影響，科技進步貢獻率又呈現出下降趨勢。綜上可知，我國海洋經濟的科技進步貢獻率變化具有周期性，與宏觀經濟狀況存在一定的正相關關系。

三、基于DEA的沿海各省科技金融績效實證分析

在前文的測算中，我們了解了我國近10年來科技進步貢獻率的變化趨勢，不難看出科技進步對我國海洋經濟的發展做出了巨大的貢獻，與此同時，海洋經濟的發展又通過金融領域反饋到科技研發領域，促進海洋產業的技術研發。眾所周知，科技的發展離不開金融的支持，對于我國沿海各地區的金融支持科技創新效率是否有差別，我們不得而知。因此，本文把金融支持科技創新的效率作為科技金融績效評價的方式，基于我國沿海地區遼寧、河北、天津、山東、江蘇、上海、浙江、福建、廣東、海南和廣西11個省份的金融支持科技創新的現狀，構建金融支持科技創新效率指標體系，并采用DEA方法對沿海各省2013年金融支持科技創新效率進行測度并分類。

圖1：2004—2013年我國海洋經濟的科技進步貢獻率變化趨勢

（一）DEA模型簡介

目前，DEA方法已被廣泛應用于經濟學投入產出效率的研究中。DEA方法中兩個最經典的模型就是C2R和C2GS2模型，前者可以用來研究多個DMU的技術有效性和規模有效性，后者主要用來研究多個DMU的技術有效性。鑒于C2R模型只能區分有效率和無效率的決策單元，而對于有效率的DMU卻無法進一步排序，安德森和彼得森（Andersen和Petersen.N.C，1993）在經典DEA模型的基礎上建立了超效率DEA模型（SE-DEA）。超效率DEA模型的原理是第k個DMU被其他所有單元線性組合成的虛構DMU代替，從而可以測算將自身排除在外的效率值。本文采用C2R模型和超效率DEA模型。

（二）我國沿海各省金融投入與產出的指標體系構建

海洋經濟的發展離不開科技的支持，而科技創新水平的提高取決于金融支持的力度。為了更好地評價沿海各省金融支持科技創新的效率，遵循科學性、系統性、層次性、適應性、可操作性原則構建評價指標體系。為了更加科學、全面地分析創新投入指標，本文采用了科技支出占財政支出的比例、中小企業貸款增加額占銀行貸款增加額的比例、高技術固定資產投資/固定資產投資額、R&D經費投入強度作為創新投入指標。其中沿海各省科技支出和R&D經費支出也直接反映了各省對科技創新的支持力度；中小企業是科技創新的主要動力和源泉，本文以銀行對中小企業的貸款來衡量金融機構對科技創新的支持；用固定資產的投資占社會固定資產投資總額的比例來衡量來自企業自身的資金支持力度。產出指標包括百萬人口有效發明專利數和高技術產業總產值占地區GDP的比例。我國沿海各省金融投入與產出的指標體系如表2所示。

表2：金融支持科技創新效率指標體系

表3：2013年沿海11省份金融支持科技創新效率評價結果

通過對各相對指標數據進行比較分析，廣東省無論是科技創新投入指標還是創新產出指標總體上都要領先于其他省份。在R&D經費投入強度（%）方面，上海市最高，為3.11；其次是天津市、江蘇省、廣東省、浙江省、山東省、遼寧省和福建省；河北省、廣西壯族自治區和海南省R&D經費投入強度都小于1。在高技術產業產值方面，廣東省最高，占地區GDP的44.3%，其次是江蘇和上海，約占地區GDP的40%，最少的為河北省和海南省，比例不到地區GDP的4%。

（三）沿海各省金融支持科技創新效率實證分析

本文依據經典的C2R模型（CCR-DEA）和超效率DEA模型（SE-DEA），以我國沿海11個省份金融投入與科技產出相對指標數據為樣本，運用DEAP2.1 和EMS1.3軟件對其進行實證研究，測算出2013年我國沿海各省金融支持科技創新效率，并進行比較分析，統計結果見表3。

1.從綜合效率值分析：天津、上海、江蘇、浙江和廣東的綜合效率值為1，這三省兩市為DEA有效，規模效率值同樣為1，說明他們達到了規模有效，即規模報酬不變。遼寧、河北、山東、福建、海南和廣西的綜合效率值都小于1，為DEA無效，其中河北的綜合效率值僅為0.411，是沿海各省效率最低的，與東南沿海各省相比有著明顯的差距。從有效和無效的省份數量比較看，我國沿海大部分省份尚未達到有效投入，且呈現出規模報酬遞增的特征。

2.從純技術效率值分析：純技術效率值代表了技術使用的相對有效程度，從表3可以看出除山東和福建外，其余沿海各省的純技術效率值均為1，而且山東和福建的純技術效率值也非常接近于1，這也說明了我國沿海各省基本實現了純技術有效，即利用現有投入實現最大化的目標。但是考慮到大部分省份的規模效率值都小于1，說明純技術有效并不代表已經達到最優的資源配置。

3.從規模效率值分析：該指標反映了各省份是否處于規模最優狀態，從表3可以看出，與綜合效率值相似，天津、上海、江蘇、浙江和廣東已達到最優規模狀態，其余省份除山東和福建比較接近最優狀態外，遼寧、河北、廣西、海南均遠離最優狀態，并且處于規模收益遞增狀態。

4.超效率值分析：安德森和彼得森提出的超效率DEA模型，打破了原先的效率評估瓶頸，為有效單元排名提供了依據。從表3中可以看出，廣東省的超效率值最高，反映出其金融支持科技創新效率要領先于其他省份，其他依次為江蘇、上海、天津、浙江、福建、山東、廣西、海南、遼寧和河北。從以上的排名可以看出，與各省市的經濟金融發展水平存在一定程度的正相關關系，說明經濟金融發展水平越高，DEA超效率值也就越高。

（四）基于金融支持科技創新效率的聚類結果

為了區別不同的創新群體，本文通過兩次DEA分析對我國沿海11個省份進行了分類處理。在第一次DEA分析結果中，取出5個有效單元，即廣東、江蘇、上海、天津和浙江，然后再進行第二次DEA分析，得到4個有效單元，分別為福建、山東、遼寧和海南，最后廣西和河北歸為第三類（見表4）。

表4：沿海各省金融支持科技創新效率聚類分析

四、結論與政策建議

根據索洛模型對我國海洋經濟科技進步貢獻率的測度結果可知，2004—2013年，科技創新對我國海洋經濟的貢獻并不穩定，特別是在經濟不景氣的時候，科技進步貢獻率變得非常低，反映出當宏觀經濟下行的時候，企業就會減少對科技的投入。我們用經典的C2R模型和超效率DEA模型對我國沿海各省的金融支持科技創新效率進行研究并進行聚類分析，結果顯示，我國沿海各省的科技金融績效水平存在明顯的差別，效率值與經濟金融發展水平存在一定的正相關關系，如經濟金融水平較高的廣東、上海等省市，綜合效率值及超效率值明顯高于廣西、河北等省。除此之外，為了提高我國科研資金的配置效率，我們通過兩次DEA效率測算，把我國沿海11省市分為了三個層次，國家科研基金應更多地投放到DEA效率值高的地區。

基于以上的研究結論，我們認為國家應在對加大對海洋科技創新的金融支持力度的基礎上，優化科技金融資源配置，以此推動我國海洋經濟的發展。特別是在經濟不景氣的時候，更應加大科研投入，對科技創新企業提供優惠的利率政策和稅收政策，鼓勵更多的市場資金進入科研領域，提高我國海洋經濟科技貢獻率。在我國沿海各省科技金融績效水平測算的結果中，不難發現各省市之間效率水平差距明顯，特別是廣西、海南、河北和遼寧等省份，國家應該加強扶持力度，促使我國科技金融平衡發展。DEA效率低的地區應該加強自身科技創新體系建設，加大教育支出，培育出更多的優秀科研人才。除此之外，還可以通過加強海洋科技產業園區基礎設施建設、引進先進的管理模式等手段提高科研資金利用效率。

[1]Charnes，A.Cooper，W.，W.，Rhodes，E.，1978.Measuring the efficiency of decision making units[J].European Journal of Operational Research，32（2）.

[2]Charnes，A.Cooper，W.W，B.Golany，L.Seitord，J. Stutz.1985.Foundation of Data Envelopment Analysis for Pareto-koopmans Efficient Empirical Production Functions [J].Journal of Economics，（30）.

[3]Andersen P.and Petersen N C.1993.A procedure for ranking efficient units in data envelopment analysis[J].Management Science，39（10）.

[4]趙昌文等.科技金融[M].科學出版社，2009.

[5]呂江林，王新龍，宋高堂.中部地區與東部發達省市科技與金融結合效率的比較研究[J].金融與經濟，2012，（10）.

[6]楊文舉.基于DEA的綠色經濟增長核算：以中國地區工業為例[J].數量經濟技術經濟研究，2011，（1）.

[7]何寬.基于索洛模型的浙江省海洋科技進步貢獻率研究[D].浙江海洋學院碩士論文，2013.

[8]黃瑞芬，王環.山東科技金融績效評價—基于主成分分析的DEA研究路徑[J].金融發展研究，2013，（6）.

Technology Finance Performance Evaluation in Coastal Provinces of China Based on DEA

Huang Ruifen Du Xuyuan
（Ocean University of China，Qingdao Shandong 266100）

This paper uses the Solow model to measure the contribution rate of marine science and technology development to marine economy of China，starting from the present situation of technology progress support to the Marine economy development，and constructs an evaluation index system of the financial support technology innovation，and builds a DEA model to evaluate technology finance performance in Coastal Provinces of China.The result indicated that:the contribution rate of marine science and technology development to marine economy is characterized by its periodicity from 2004 to 2013.DEA model calculated results show that the Efficiency value of the financial support technology innovation in China's coastal provinces has obvious difference and has certain positive correlation with level of economic and financial development.Based on the above research results，this paper puts some forward feasible countermeasures and suggestions on how to improve the efficiency of science and technology finance resources allocation.

contribution rate of science and technology progress，science and technology finance，DEA，performance evaluation

F830

A

1674-2265（2015）04-0035-05

（責任編輯 耿 欣；校對 XR，GX）

2015-3-15

國家海洋局軟科學項目“科技金融支持海洋經濟發展對策研究”（B201303007）。

黃瑞芬，女，山東青島人，博士，中國海洋大學經濟學院教授，研究方向為國際金融、金融工程；杜緒沅，男，山東聊城人，中國海洋大學經濟學院，研究方向為金融市場與金融工程。