西安市科技金融發展效率及動態影響因素

黃仁全，田 徑，王娟娟

（西安外國語大學經濟金融學院，陜西西安 710128）

黨的十九大報告明確提出我國堅定實施創新驅動發展戰略，著力加快建設實體經濟、科技創新、現代金融、人力資源協同發展的產業體系。實體經濟是發展的著力點，科技創新、現代金融、人力資源是支撐發展的三大要素。科技金融將科技創新與現代金融兩大要素協同起來，通過現代金融服務科技創新，進而推動實體經濟發展。2019 年1 月初，國務院下發《關于推廣第二批支持創新相關改革舉措的通知》，要求包括西安市在內的8 個試點城市推廣設置科技創新專板，拓寬科技型企業融資渠道，推動各類金融工具更好服務科技創新活動。2019 年2 月，西安市政府發布《西安市科技金融產業發展規劃（2019—2021 年）》，在肯定西安市科技金融服務科技創新成績的同時，也指出了當前存在的一些突出問題和未來發展方向。測度科技金融效率的高低、尋找影響科技金融效率的因素，有利于促進科技、金融與產業的深度融合，推動科技成果轉化，培育戰略性新興產業，打造“硬科技之都”。

1 相關研究

Zenia［1］通過對26 個國家的1 053 家企業實證分析得出，金融融資的便利性與技術創新呈正相關。Richard 等［2］認為創新性的金融融資方式和投資模式會對企業的創新產生推動作用。Alexandra 等［3］通過中美上市公司對比研究認為，依靠股票、債券融資的企業比借助銀行貸款的企業擁有更高的科技創新效率。數據包絡分析（DEA）方法是近些年發展起來的一種新的效率評價方法，由著名運籌學家Charnes 等［4］提出，在各領域效率評估中得到廣泛應用，如Lee 等［5］運用DAE 模型對韓國政府在國防工業中的投入產出效率進行了研究，并提出了提高效率的對策建議；Rosa 等［6］利用超效率DEA 模型對西班牙紡織行業的科技金融效率進行了測度與分析。

國內學者關于科技金融的研究，有部分學者如王仁祥等［7］、張媛媛等［8］和張童［9］建立了科技創新與科技金融的耦合度模型，發現我國各省份科技創新與科技金融的耦合度總體呈現由低到高的波動發展趨勢；戴志敏等［10］、郭昕昕［11］在選取投入、產出指標后，利用DEA 模型分別對我國不同區域以及河南省的科技金融效率進行了測度；羅清和等［12］、劉太萍等［13］利用DEA 模型分別研究了深圳市和徐州市的科技金融相對效率；車小粉［14］利用BCC 模型測度了鄭州市科技金融投入產出效率，并通過Tobit 回歸模型分析了其效率影響因素。

目前，對科技金融效率的研究以國家、區域或省份為主體的研究較多，深入到市一級科技金融效率的文獻較少，針對西安市科技金融效率研究的文獻更少。在科技金融效率測定模型上，相當一部分學者選用的是DEA 模型中的CCB 或BCC 模型，這兩個模型在測定科技金融效率時，若決策單元（DMU）都是高效則無法對效率高低進行排序；此外，在科技金融效率影響因素分析方法上，大多數學者選用的模型（如Tobit 回歸模型）并不能研究投入與產出兩個系統之間的相互作用關系。在此，本研究提出利用超效率DEA 模型測度西安市科技金融效率，該模型可以對所有決策單元效率值進行排序，并運用VAR 模型研究投入與產出兩個子系統之間的動態影響機理。

2 西安市科技金融超效率DEA 測度模型

2.1 科技金融發展效率測度模型

2.1.1 DEA 方法及CCR 模型

DEA方法的原理是通過保持決策單元的輸入（投入）或者輸出（產出）不變，借助于數學規劃和統計數據確定相對有效的生產前沿面，將各個決策單元投影到DEA 的生產前沿面上，并通過比較決策單元偏離DEA 前沿面的程度來評價它們的相對有效性。采用DEA 方法進行效率評估的優點很多，包括適用于多投入多產出的效率評估問題、指標選取與量綱無關、無需設定指標權重等。

2.1.2 超效率DEA 模型

在CCR 模型中，可能出現多個有效決策單元，它們的效率值都為1，此時無法比較這些決策單元效率的高低。Anersen等［15］提出一種超效率評價模型，能夠對DEA 有效的單元進行排序。該模型在CCR模型基礎上改進而來：

表1 科技金融效率值與決策單元綜合效率關系

表1 （續）

2.2 指標選取與數據來源

科技金融效率是指科技金融投入產出效率，評估科技金融效率選取的指標也分為科技金融投入與科技金融產出兩類指標。科技金融投入涉及的主體較多，考慮到數據的可獲得性，在此主要研究政府、金融市場和企業主體科技金融投入對科技創新的作用，選取的指標包括：財政科技投入，反映政府主體在科技金融的資金投入；金融機構對科技企業貸款額，反映金融市場的科技金融資金投入；研究與試驗發展人員全時當量，反映政府、企業等主體在研發方面的人力投入。科技金融產出指標包括專利授權量和技術合同交易額，可以反映科技金融投入直接帶來的技術產出情況。

相關數據來源于《陜西科技年鑒》《陜西統計年鑒》《陜西區域統計年鑒》《西安統計年鑒》《西安年鑒》，以及Wind 數據庫、西安市科技局官網和部分期刊文獻中的調查數據，個別年份有數據缺失的通過趨勢外推法、插值法獲得。根據超效率DEA模型，將表2 中原始數據代入模型式（2）中，得到超效率θ值、規模收益和投入的投影結果（見表2）。

表2 西安市科技金融效率評估的原始數據及其投影結果

2.3 實證結果與分析

（1）從綜合效率分析，2000—2018 年西安市科技金融投入產出效率變化如圖1 所示。其中，2008—2014 和2016、2018 年這9 個年份的效率值大于1，說明這些年度的科技金融投入與產出處于高效狀態；其他年的效率值小于1，為DEA 無效，特別是2000—2007 年間的效率比較低，處于效率值小于0.9 的非有效狀態。在此階段，無論是在國家還是地方政府層面，對發展科技金融的重視程度不夠，出臺的相關政策文件較少。

圖1 西安市科技金融綜合效率的年度分布

（2）從效率變化趨勢來看，2000—2011 年西安市科技金融投入產出效率值總體呈遞增趨勢。其中，2000 年的效率值僅為0.183 2，處于非有效狀態甚至接近于無效狀態，效率極低；2006 年2 月，國務院發布《國家中長期科學和技術發展規劃綱要（2006—2020）》，開始重視科技金融在促進科技發展中的作用，陜西省與西安市自2006 年開始出臺發展科技金融相關文件并加大了科技金融投入；2008 年，西安市科技金融效率首次達到DEA 有效狀態，效率值為1.034 6，特別是2009 年后，西安市密集出臺支持科技金融發展政策，如《關于進一步加強科技與金融合作共同促進科技產業發展的指導意見》《西安市統籌科技資源改革示范基地建設方案》《關于深化統籌科技資源改革加快創新驅動發展的實施意見》《西安市系統推進全面創新改革試驗打造“一帶一路”創新中心實施細則》等，不斷加大對科技金融的扶持力度；2011 年的效率值達到峰值1.481 2，2016 年和2010 年分別排第2 位和第3 位；2011 年后，效率值呈波動發展態勢，僅2015 年和2017 年效率值小于1，但仍然處于投入與產出效率的相對有效狀態。

（3）將科技金融投入進行投影分析。對非有效的決策單元，可將其對應的投影到DEA相對有效面，即把非有效決策單元投影為DEA 有效的決策單元。以科技金融投入為例，其投影方法為：其中，為投影結果，即投入目標值。其經濟意義為，將原始投入調整到即可把非有效決策單元調整到有效。通過的比較可發現，應當調整對應指標的投入。以2017 年為例，財政科技投入、金融機構對科技企業貸款額以及研究與試驗發展人員全時當量3 項指標，投影后分別可減少投入420 425.43 萬元、165 732.93 萬元和1 539.79 人年，說明科技金融投入資源之間存在不協調、不匹配和投入冗余等問題。

（4）從規模收益分析，除科技金融效率值大于1 的DEA 有效年份外，其余所有年份的規模收益都為遞增，說明無論在過去對科技金融不重視時期，還是高度重視科技金融發展的現階段，西安市科技金融發展整體仍處于規模收益遞增階段，可以通過繼續加大投資和擴大規模獲得更高的收益。

3 基于VAR 模型的實證分析

通過科技金融效率的測度可以反映西安市科技金融發展效率高低，但無法說明其科技金融投入與產出兩個子系統之間的相互影響機理。對此，采用向量自回歸（VAR）模型對西安市科技金融兩個子系統相互影響機理進行動態分析。

3.1 ADF 檢驗

在DEA 測度模型基礎上，對西安市科技金融投入指標和產出指標數據取對數，以減小異方差帶來的影響。選用ADF 檢驗方法，利用EViews10.0 軟件檢驗時間序列的平穩性，結果如表3 所示。對原始數據進行ADF檢驗，結果均為不平穩；但一階差分后，所有指標均為帶有截距項平穩。通常情況下，可以做協整分析和運用向量誤差修正（VEC）模型進一步研究，但由于本研究采集的數據量相對較少，在VEC 模型求解時EViews 無法通過。由于一階差分后數據是平穩的，因此對一階差分后數據可運用VAR模型進行分析。

表3 2000—2018 年西安市科技金融效率指標的ADF 檢驗結果

3.2 脈沖響應分析

根據VAR 模型滯后階數確定原則，建立滯后階數為二階的VAR 模型，即VAR(2)模型，模型穩定性檢驗結果如圖2 所示，所有特征根倒數的模都在單位圓內部，說明所建立的模型是穩定的，因此可以進行脈沖響應分析與方差分解。

圖2 2000—2018 年西安市科技金融效率指標二階平穩性檢驗特征根

（1）產出子系統對投入子系統的脈沖響應分析，如圖3 所示。其中，實線代表產出指標對投入指標沖擊的響應水平；虛線代表正負兩倍標準差偏離帶。由圖3 可見，金融機構對科技企業貸款額，對專利授權量和技術合同交易額在1～3 期為正向響應，第3 期達到最大值開始減小，并產生負向波動，說明增加金融機構對科技企業貸款額在短期內有利于專利授權量與技術合同交易額的增加，而長期來看可能增加企業負擔從而產生負面影響；研究與試驗發展人員全時當量，對專利授權量和技術合同交易額在短期（1～3 期）內產生正向反應，長期效果不明顯，說明短期增加研究與試驗發展人員全時當量對專利授權量和技術合同交易額的增加具有顯著效果；財政科技投入，對專利授權量在短期內正向、負向沖擊交替影響，而對技術合同交易額在1～2期有利于其增長，3 期以后將產生較大的負面影響，因此盲目增大政府科技投入將導致企業、科研機構等嚴重依賴政府財政扶持，長期來看不利于自主創新能力的提升。

圖3 2000—2018 年西安市科技金融產出子系統對投入子系統的脈沖響應

（2）投入子系統對產出子系統的脈沖響應分析，如圖4 所示。其中，實線代表投入指標對產出指標沖擊的響應水平，虛線代表正負兩倍標準差偏離帶。由圖4 可見，專利授權量，對金融機構對科技企業貸款額短期為負向響應，負向效果在第5 期達到最值，說明追求專利授權量增加需要在短期內減輕企業、科研機構等科研主體的經濟負擔；對財政科技投入在1～2 期為正向響應，說明需要加大財政科技投入，3～5 期為負向響應，說明在這個時期內專利開始產生回報效果；對研究與試驗發展人員全時當量在1～3 期響應為負，說明短期應降低研究與試驗發展人員全時當量投入，專注于現有資源的有效整合，提高人力資本的利用效率。而技術合同交易額，對金融機構對科技企業貸款額短期為正向響應，即技術合同交易額的增加將導致企業負擔加重；對財政科技投入在1～2 期為負向響應，說明技術合同交易額的增加有利于降低財政科技投入，但3～4 期為正向響應，說明政府不能依賴技術合同交易額降低財政科技投入，但可以在不同時期將經費投入到不同行業，以提高資金利用效率；對研究與試驗發展人員全時當量在1～3 期響應為正，說明技術合同交易額的增加在短期內需要加大研究與試驗發展人員全時當量的投入，以完成合同規定的科研技術任務。

圖4 2000—2018 年西安市科技金融投入子系統對產出子系統的脈沖響應

3.3 方差分解

為進一步研究西安市科技金融投入與產出子系統之間的相互關系，特別是引起產出指標變化的原因，對專利授權量和技術合同交易額的方差分解結果如表4 所示。在專利授權量方差分解中，投入子系統中財政科技投入在第2 期以后的占比較大，其次為金融機構對科技企業貸款額和研究與試驗發展人員全時當量；技術合同交易額在第3 期以后占比較大，說明產出子系統技術合同交易額的增長有利于促進專利授權量的增長。在技術合同交易額方差分解中，占比由大到小排序大致為專利授權量、金融機構對科技企業貸款額、財政科技投入和研究與試驗發展人員全時當量，說明專利授權數量的增長同樣有利于促進技術合同交易額的增長，二者之間可以相互促進。而投入子系統中金融機構對科技企業貸款額對技術合同交易額的解釋作用較強，研究與試驗發展人員全時當量對財政科技投入和技術合同交易額的解釋作用都比較弱，說明在促進專利授權量和技術合同交易額增長方面，增加研究與試驗發展人員全時當量投入，與增加財政科技投入和金融機構對科技企業貸款額投入相比，前者的投入效果不太顯著。

表4 2000—2018 年西安市科技金融產出指標方差分解結果

4 結論與建議

4.1 主要結論

本研究利用超效率DEA 模型對2000—2018 年西安市科技金融效率進行測度，并運用VAR 模型分析西安市科技金融投入與產出子系統之間的動態影響關系。研究發現：

（1）2006 年后國家與西安市出臺的支持科技金融發展的政策效果凸顯。西安市科技金融DEA 效率值在2000—2011 年間總體呈遞增趨勢，2007 年以前效率值較低，處于非有效狀態；2011 年后呈波動發展態勢，但效率值較高，僅2015 和2017 年處于相對有效狀態。

（2）西安市科技金融發展仍處于規模收益遞增階段，可以繼續加大在科技金融方面的投入，通過擴大規模以獲得更高的收益。在脈沖響應分析中也發現，專利授權量和技術合同交易額在短期內對金融機構對科技企業貸款額、研究與試驗發展人員全時當量和財政科技投入為正向響應。

（3）西安市在加大科技金融投入時，需要根據投入子系統（金融機構對科技企業貸款額、財政科技投入和研究與試驗發展人員全時當量）與產出子系統（專利授權量和技術合同交易額）的相互作用規律，把握投入時機和平衡投入資源，使其發揮最大效用。

4.2 政策建議

根據本研究的相關結果，分別對政府、金融市場和企業提出如下建議：

（1）完善科技金融政策體系，優化政府科技投入結構。西安市政府一方面要充分發揮市場在科技金融發展中的主體作用，另一方面要完善科技金融政策體系，引導科技金融發展和彌補市場缺陷。要完善西安市科技金融法規政策，構建科學高效的組織體系、市場體系、服務體系和扶持體系；構建多元化投入機制，充分發揮金融市場在科技金融投入與風險化解中的作用。

（2）建立快捷高效金融市場，拓寬多層級融資渠道。根據2019 年發布的中國金融中心指數，在所評價的31 個金融中心排名中，西安市金融綜合競爭力位列第11 位，與上海、北京、深圳等城市相比差距較大。科技型企業由于其行業特性，投資風險較大，普遍存在融資難問題，因此要健全和完善股票市場、債券市場和風險投資市場，鼓勵探索民間資本參與科技創新領域，為科技型企業拓寬融資渠道。

（3）增強企業科技創新能力，加強其自身信用水平建設。一方面，科技創新是加快企業科技研發的核心，科技企業要增加對科技創新的投入，突破技術壁壘，加快科技成果轉化，實現快速發展；另一方面，科技企業要提高管理水平，防范經營管理風險，加強自身信用體系建設，以利于解決融資難的問題。