基于試點地區的我國科技金融效率評價研究

袁方

摘? ?要：科技與金融結合是實現創新驅動和高質量發展的重要動力。基于三階段DEA模型，本文對國家促進科技與金融結合兩批試點發展效率進行測度，同時利用Tobit模型對科技金融效率的影響因素進行分析。結果表明：試點地區科技金融效率發展態勢良好，剔除環境因素后，北京、安徽、陜西等7個試點省區的技術效率處于前沿面，其他多處于規模報酬遞增階段。科研資金投入、科研氛圍及高技術產業發展程度對科技金融效率具有顯著正向影響。本文在轉變政府職能、深化金融支持及加強外部環境建設三個方面提出了相關建議。

關鍵詞：三階段DEA;Tobit模型;科技金融效率

中圖分類號：F831? ? ? ? ? ? ? ? ? ? ? ? ? 文獻標識碼：B? ? ? ? ? ? ? ? ? ? ? ? 文章編號：1674-0017-2020（7）-0027-06

一、引言

作為現代經濟發展兩大核心因素，科技與金融資源的深度融合能夠有效促進產業升級和經濟結構調整，從而有效推動我國經濟的高質量發展。自2006年國家陸續出臺多項政策，逐步構建了科技金融的頂層設計，其中，2011年確定中關村國家自主創新示范區等16個地區為首批促進科技和金融結合試點地區。2016年《“十三五”國家科技創新規劃》明確“十三五”為我國進入創新型國家決勝階段，提出我國科技創新的發展思路等，再次強調要讓金融更好地服務和促進科技創新，為我國科技金融進一步發展提供了政策支持。在此背景下，國家科技金融逐步形成了以政府引導的發展模式。與此同時，科技創新對經濟增長貢獻度偏低卻始終掣肘著經濟的高質量發展。因此，在順應時代發展要求與國家創新戰略部署的基礎上，研究區域科技金融效率及其影響因素，努力實現金融與科技資源深度融合顯得十分重要。

二、文獻綜述與研究思路

國外方面，熊彼特（1912）較早論述了銀行信貸融資對科技創新的影響，提出將新的生產要素和生產條件結合引入生產體系形成創新，銀行信用為新生產要素組合提供購買力，進而推動經濟發展。Fuerst（1999）認為金融體系中的銀行、資本市場以及風險投資都能促進科技的進步。Michalopoulos（2011）通過構建金融創新與經濟增長間的動態模型，發現金融創新對科技創新和經濟增長具有促進作用。

國內學者主要集中于以下方面研究：一是概念研究。房漢廷（2010）從發展本質定義，認為科技金融是促進技術資本、創新資本與企業家資本等創新要素深度融合、深度聚合的一種新經濟范式，包含技術、金融和企業家三大子系統。二是效率測度評價方面研究。朱文莉等（2016）運用DEA-Malmquist模型，對我國西部地區11省市2006-2013年科技金融發展效率測度評價，科技金融效率水平整體上升，研究表明西部地區科技金融與經濟發展水平并未呈現正相關關系，規模效率整體較低。陳珊（2019）運用DEA模型和廣義柯布道格拉斯生產函數，研究我國2009-2016年東部、西部、中部地區及全國30個省市，科技金融對高技術產業區域創新效率的影響。研究表明，企業自主創新、政府支持及風險投資分別對東部、西部、中部地區的創新效率影響最大。

基于此，本文運用三階段DEA模型與Tobit模型，分析2017年國家促進科技與金融結合試點共20個省市的科技金融效率、分布差異及影響因素。本文的主要貢獻在于：一是將我國兩批科技與金融結合試點作為研究對象，分析其科技金融結合效率。二是利用三階段DEA模型，采用隨機邊界分析（SFA）剔除影響科技金融投入產出指標測算的環境因素和統計噪聲，并在調整投入的基礎上更為準確地測度試點區域科技金融相對效率值。三是針對科技金融DEA效率多投入特點，利用Tobit模型進行影響因素回歸分析。

三、科技金融效率及影響因素實證分析

（一）模型選取

Fried等考慮到環境因素和隨機噪聲，采用SFA對傳統DEA松弛變量進行回歸分析，使決策單元在相同的外部環境再次進行DEA測算效率水平，被稱作三階段DEA。

第一階段，主要是對全國20個促進科技與金融結合試點省市科技金融投入、產出效率運用傳統DEA方法進行初步測算。本文選用基于投入向導下規模報酬可變的DEA分析法對科技金融效率進行一階段測算。

第二階段，選取隨機前沿分析的投入向導模型，對一階段投入變量的松弛變量進行分析。隨機前沿模型可以表達為：

第三階段，按照第一階段的方法對調整后的投入變量再次進行DEA分析。通過調整后的效率值，更能真實地反映出各決策單元效率的真實水平。

（二）指標選取

本文在借鑒現有研究的基礎上，結合科技金融發展實際情況，選取以下指標構建科技金融效率評價體系（見表1）。

（三）試點地區科技金融效率測算

1.第一階段傳統DEA分析

利用DEAP2.1軟件，測算試點地區2017年科技金融投入產出效率情況（見表2）。在不考慮環境因素和隨機變量影響的情況下，初步測算結果主要有以下特征：一是20個試點省（自治區、直轄市）2017年科技金融綜合技術效率均值為0.913，其中北京、內蒙古、遼寧、安徽、廣東、重慶、四川及陜西的綜合效率值為1，前沿面占比為40%，這些地區科技金融投入與產出處于相對均衡狀態，資源配置較為科學合理。二是測算期間，純技術效率低于規模效率均值，因此為影響綜合技術效率的主要影響因素。除上述地區外，江蘇、浙江、山東、河南、貴州及寧夏的純技術效率也在前沿面上，純技術效率有效地區的管理與制度水平較為完善。三是規模效率的平均值為0.957，綜合技術效率處于有效狀態的8個地區規模效率均有效，因此40%的試點地區科技金融資源配置效率達到了規模最優。四是從規模效應看，除了上述綜合技術效率有效的地區外，上海、江西、湖南、貴州及寧夏均處于規模報酬遞增階段，說明這5個綜合效率無效地區需要擴大生產規模促進產出最大化。天津、江蘇、浙江、福建、山東、河南、湖北處于規模報酬遞減階段。

2.第二階段SFA回歸分析

本階段以政府重視程度、科研氛圍、高技術產業發展程度三個環境變量作為解釋變量，以投入松弛變量為被解釋變量，運用Frontier4.1軟件進行SFA回歸分析（見表3）。三個回歸模型的值分別為0.97、1、0.9，均非常接近于1，且均達到了1%水平上的顯著性，說明存在管理無效率項和隨機誤差項的影響。政府重視程度、科研氛圍及高技術產業發展程度對全部投入松弛變量都在1%的水平上顯著，因此三個環境因素對試點地區的科技金融效率存在顯著影響。

政府重視度，用科研技術財政支出與財政支出的比例衡量。由于政府重視程度的回歸系數均為正數，并且達到了1%水平的顯著性，因此政府對科研重視程度與科技金融投入冗余變量呈正向作用，即政府財政方面的科技金融資源配置低效率會對部分市場性科技金融資源配置高效率形成擠出效應，不利于整體科技金融效率的提升。

科研氛圍，以地區研究與實驗發展（R&D）經費支出占地區生產總值的比例反映科研氛圍。由分析結果看，科研氛圍對人才投入、金融市場投入及企業自身投入松弛的回歸系數為負值，且都達到1%的顯著性水平。這表明科研氛圍是科技金融效率增加的正向影響因素，試點地區科研氛圍越濃厚，越有利于科技金融效率的提升，這與我國的實際情況基本一致。

高技術產業發展程度，以第二產業增加值占GDP的比重代表試點地區高技術產業發展水平。從結果看，高技術產業發展水平對于所有投入變量松弛值的回歸系數顯著負值，說明試點地區高技術產業發展水平能夠促進科技金融效率的提升，顯著降低科技研發人員投入、政府財政投入及市場金融資源的投入量。

3.第三階段調整投入后的DEA分析

根據第二階段隨機前沿分析結果調整投入變量，并將調整后的投入變量與原有產出再次代入DEA測算效率結果，以此得到更為真實的第三階段試點地區效率水平（見表4）。

對比分析表2與表4測算結果發現：

（1）科技金融發展態勢良好。從地區效率有效性看，環境因素調整后仍然處于技術效率前沿面的地區由8個下降至7個，其中北京、安徽、廣東、四川及陜西的綜合技術效率均值在調整后仍為有效。此現象表明，近一半試點地區的科技金融資源配置效率較高，投入產出結果比較合理。

（2）處于規模報酬遞增發展階段。環境因素調整后，已沒有處于規模報酬遞減階段的地區，而規模報酬遞增地區由5個增至13個，占比65%。由此表明，剔除環境因素干擾后，全國科技金融試點投入產出無效地區均處于規模報酬遞增階段。

（3）傳統DEA測度結果多為高估。從各效率變動情況看，兩批試點地區綜合技術效率的均值由0.913降至0.796，純技術效率由0.955降至0.952，規模效率由0.957降至0.835。從各地區變動情況看，調整后綜合效率較第一階段出現下降的地區有12個，分別是天津、內蒙古、遼寧、福建、江西、山東、河南、湖北、湖南、重慶、貴州與寧夏，反映出上述地區未分離環境因素影響的效率值較真實情況有所高估，大多表現為規模效率不夠。調整后綜合效率上升的地區分別是：上海、江蘇與浙江，結果說明這些地區科技金融效率被低估，而非管理水平不足。

（4）試點地區分解效率差異顯著。在以橫軸為純技術效率，縱軸為規模效率的散點圖中（圖1），全國兩批試點地區科技金融投入產出效率差異較大。位于第一象限的有9個地區，占全部試點的45%，其中7個地區達到了前沿面，河南、福建雖未處于前沿面，但純技術效率與規模效率均較高，其中，福建達到純技術效率有效狀態。位于第二象限的地區5個，占試點總數的25%，此區域地區的純技術效率較高。位于第三象限的有湖南與內蒙古，占比為10%，主要表現為規模效率與純技術效率均位于臨界值以下，均具有較高的提升空間。其中內蒙古在所有試點地區中科技金融效率處在末尾，其純技術效率與規模效率分別為0.893、0.248，因此需要兼顧技術管理水平提升與科技金融規模擴大，特別是規模效率的提升空間較大。第四象限包括貴州、重慶、遼寧及寧夏，占比20%，此區域的純技術效率較高。其中寧夏地區純技術效率達到前沿面，但規模效率僅為0.296，因此需重點改進規模效率，積極擴大科技金融規模。

（四）基于Tobit模型的影響因素結果分析

本文的Tobit模型是基于上述三階段測算結果建立的，由于科技金融效率取值在0-1之間，若使用參數最小二乘法估計各解釋變量對科技金融效率的影響程度，參數估計值是有偏的，相比之下Tobit模型能夠使得模型參數估計具有無偏性，更適合本文應用。

從表6的回歸結果看，以R&D經費內部支出占地區GDP比重（A1）衡量的研發資金投入力度、以科研院所占全國科研院所的比例（A2）表示的地區科研規模、以及用第二產業增加值占地區GDP比重（A3）表示的高技術產業發展程度，均與科技金融效率呈顯著正相關。當A1、A2、A3分別增加1%時，科技金融效率分別增加14.961%、4.873%、2.716%，其影響程度排序為A1>A2>A3。上述結果表明：第一，研發資金投入力度與科技金融效率具有較高的相關性，因此提升科技金融效率應首先從加大資金投入的方面入手。第二，科研規模顯著性較低，主要原因在于科研機構創新成果轉化效率不高，無法帶來與之相匹配的利潤。

四、研究結論與建議

（一）研究結論

本文在參閱大量研究文獻成果的基礎上，構建科技金融投入產出、環境指標，運用三階段DEA-Tobit模型對20個國家科技與金融結合試點省市2017年的科技金融效率進行實證分析。得出的結論是：一是我國科技與金融結合試點發展態勢良好，北京、安徽、陜西等7省市的科技金融效率處于技術前沿面，其他地區也多處于規模報酬遞增階段。二是未剔除環境因素的試點科技金融效率多被高估，引起效率調整后下降的原因多是規模效率較低。三是科研氛圍、高技術產業發展水平與科技金融效率呈顯著正相關，政府的重視支持程度對效率存在負向作用，應降低政府直接干預對市場化的“擠出”影響。四是依據試點地區差異化效率特征，本文將試點地區科技金融效率分為四個類型，為后期依據區域發展階段改進管理水平、提升規模效益提供依據。五是提出了影響科技金融效率的三個因素，分別為研發資金投入力度、科研氛圍與高技術產業發展程度。其中，研發資金投入力度與高技術產業發展程度對科技金融效率具有高度顯著正向影響。

（二）相關建議

1.轉變政府職能。一是充分發揮本省科技比較優勢，將科技產業發展提升到全省經濟社會發展的重要戰略層面，統籌發展規劃，加強頂層設計，完善體制機制，加大扶持力度。二是充分尊重企業在科技創新中的主體地位，避免直接干預，力戒監管重疊，改善營商環境，減輕企業負擔。三是充分發揮財政資金的引導功能，發起設立不同類型的天使基金，解決初創科技企業“第一桶金”和科技成果轉化“第一公里”的問題;建立科技金融獎勵扶持基金和風險緩釋基金，通過收益補償和損失補償，增強金融機構的參與積極性，解除后顧之憂。

2.深化金融支持。一是拓寬科技型企業融資渠道，在不斷加大信貸投入的同時，拓寬融資渠道，提高金融資源配置的規模效率，如設立股權投資基金，引導不同來源資金進入科技創新領域;充分利用中小板、創業板、科創板加大直接融資力度，吸引更多資本進入科技型企業;進一步深化保險服務科技創新的深度，發揮保險業融資增信功能，解決科技型企業融資難問題。二是降低科技創業融資成本，通過知識產權質押、減免擔保評估費用等途徑切實降低科技型企業財務成本。三是充分發揮保險保駕護航作用，大力發展科技保險業務，不斷豐富科技保險產品，加大保險力度，降低科技型企業經營風險。

參考文獻

[1]Fuerst M E.Technological innovation and the design of the financial system[D].Michigan，American：University of Michigan，1999.

[2]Michalopoulos.The origins of ethnolinguistic diversity[R].Conference Papers-American Political Science Association，2011.

[3]陳珊.科技金融對我國高技術產業區域創新效率影響分析[J].經濟問題探索，2019，（3）：166-172.

[4]房漢廷.關于科技金融理論、實踐與政策的思考[J].中國科技論壇，2010，（11）：5-10.

[5]約瑟夫·熊彼特.經濟發展理論[M].北京：商務印書館，1990.

[6]朱文莉，張春春.我國西部地區科技金融發展效率評價研究[J].特區經濟，2016，（9）：95-100.

責任編輯、校對：王兆華