基于DEA-Malmquist模型的皖北城市科技金融效率測度及差異分析

王辛

摘要：在我國經濟發展進行轉型進入新常態的背景下，科技和金融的有機融合實際上是生產力與競爭力的結合，黨的十九屆五中全會上強調，把科技自立自強作為國家發展的戰略支撐，并把完善科技創新體制機制作為堅持創新驅動發展、全面塑造發展新優秀的重要內容。本文以皖北地區為研究對象，選取2015-2019年間的科技金融投入產出指標，采用DEA-BCC和DEA-Malmquist指數模型從個體靜態和整體動態對皖北地區城市的科技金融效率進行測度實證分析，研究皖北城市科技金融發展效率和差異，針對性地提出皖北城市科技金融發展的意見和建議，推進皖北地區落實國家科技金融發展的戰略。

關鍵詞：DEA-Malmquist模型;市科技金融; 效率;影響因素

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）25-0151-02

1 文獻綜述

和國外相比，國內對科技金融的研究相對較晚，且研究角度不盡相同，國外主要是以某一特定金融要素為出發點，研究其對金融發展的影響，而國內對科技金融的研究相對較晚，主要是側重科技金融政策和體系等宏觀分析。在研究方法上，郭昕昕（2019）采用DEA-Tobit模型測算河南省18個地市在2008-2017年的科技金融投入產出效率，并對其整體變化趨勢和差異進行分析，得到政府支持、金融市場發展程度、科技創新水平等對金融投入產出效率有顯著影響。熊康（2020）采用三階段DEA模型對2010-2018年的安徽省各地級市的科技金融效率水平進行實證分析，得出整體水平不高、區域差異較大，受高新技術產業規模、政府支持力度、金融發展程度等因素影響等結論。

2 模型構建

2.1 指標選取

本文將科技金融效率指標的構成分為投入變量和產出變量，選取社會研究與試驗發展（R&D）經費支出、社會研究與試驗發展（R&D）人員當時全量和財政科技支出占地方財政支出的比重等3項作為投入變量指標，選取國內專利申請授權數、高技術產業產值技術市場成交合同額等2項作為產出變量指標，構成了皖北城市科技金融發展效率指標。

2.2 模型建立

（1） DEA模型

DEA-BCC模型是對多種投入、多種產出情況下進行測度其效率最常用的方法，以線性規劃和統計數據確定相對有效的生產前沿面，通過比較評價單位偏離前沿面的程度評價其有效性。假設向量[Xi]投入向量，[Yi]為產出向量，將約束條件[λi=1]構建模型：

N表示決策單元的數量，[λi]表示各單位組合系統，[s-]、[s+]表示松弛變量，[θ]表示效率評價值。通過對[θ]、[s-]、[s+]的值判斷決策單位DEA是否效率，并根據有無效率確定有否需要對投入產出變量進行調整。

（2） DEA-Malmquist模型

DEA理論方法與Malmquist指數有機結合可以對評價單元的效率變動進行動態分析，以T和T+1兩個時間序列為參照的Malmquist生產率指數公式如下：

3 實證分析

本文根據DEAP2.0軟件，對皖北地區在2015-2019年六個地市的科技金融效率進行個體靜態測算和整體動態測算，具體分析結果如下：

3.1 個體靜態分析

對皖北地區六市在2015-2019年五年期間的科技金融靜態效率進行測度，測度的指標包括規模效率值（SE）、純技術效率值（PTE）和綜合效率值（TE），另外，RS代表規模報酬情況（其中irs代表規模報酬遞增，drs代表規模報酬遞減，-代表規模報酬不變），具體結果如下表：

從綜合效率值（TE）可以看出，皖北地區科技金融效率總體處于相對有效的狀態，但未達到最優狀態，且存在明顯的區域差異，表現為各地的不均衡性，在2015-2019年期間，阜陽市科技金融綜合效率值均為1，且其規模報酬幾近每年為遞增狀態，說明阜陽市實現科技金融的投入產出最優化，即DEA有效，該地能將金融資源與科技創新有效結合;淮南市、蚌埠市在大部分時間的綜合效率值為1，且其規模報酬幾近每年都不變，說明兩地的科技金融的配置未在既定的投入下實現產出最大化，即DEA弱有效，需要對其投入進行調整;淮北市、蚌埠市、宿州市的綜合技術效率在大部分時間內都小于1，即DEA無效，三地的科技金融效率發展不穩定，時而上升時而下降的態勢，需要對科技金融的投入進行有效的調整。

從分解值可以看出，蚌埠市的純技術效率值（PTE）呈下降趨勢，而規模效率值（SE）卻呈上升趨勢，這說明其純技術效率不高，應注重提升技術改進，加強科技管理水平，宿州市的純技術效率值（PTE）水平較高，而規模效率值表現不穩定，這說明其科技金融的投入力度不夠，應加大對科技金融的投入，實現規模經濟。

3.2 整體動態分析

根據DEA-Malmquist模型對皖北地區六市在2015-2019年五年期間的科技金融動態效率進行測度，測度的指標包括全要素生產率變動指數值（tfpch）、技術效率變化指數值（effch）、技術變化指數值（techch），具體實證結果如下表：

DEA-Malmquist指數主要測度的是各決策單元全要素生產率變動指數值，即tfpch值，由上表可以看出，皖北地區在2015-2019年的科技金融的全要求生產率整體呈上升-下降的發展趨勢，在2015-1017年，皖北地區其指數均大于1，說明在此期間皖北地區的全要素生產效率整體處于較高的水平，但2018-2019年皖北地區其指數小于1，說明皖北地區該期間較上年度發生較大的變動，其科技金融投入產出效率呈現負增長，從各城市的表現來看，在2015-2016年期間，淮北市的全要素生產率變動值為1.815，在2016-2017年期間，蚌埠市的全要素生產率變動值為1.748，這說明兩市整體促進了當期皖北地區的正增長，反映該時期兩地的科技金融支持科技創新力效應較大;另外，DEA-Malmquist指數可分解為技術效率變化指數值（effch）和技術變化指數值（techch），從分解指數來看，皖北地區的技術效率變化指數（effch）變化相對較小，均在1上下浮動，說明該段期間內皖北地區的技術效率比較穩定，而技術變化指數值（techch）的變化不穩定，且各市之間相差較大，說明區域內差異化嚴重，有的城市技術創新不足，未能有效推動高新技術產業快速發展。

4 政策建議

基于上述實證結果，結合各城市的現實情況，提出如下政策建議：一是完善科技金融政策體系，各地高新企業的融資渠道以政府的財政支出、減免部分高新企業稅收等方式為主，支持方式較為單一，應從完善科技金融政策體系、增加金融配套服務、建立科技金融綜合服務平臺，將服務形式多樣化，從創業指導、產權保護、信用中介等方面對企業進行直接支持，加強銀行類金融機構對企業科技貸款產品的創新、風險投資促進科技創新項目的研發等可間接帶給初創企業以資金支持;二是提高對科技人才引進的力度，科技企業要想在眾多企業在突出重圍，核心技術是關鍵，而人才也是不可缺少的要素，目前皖北地區的科技人員數量并不具備優勢，應加大對高科技人才的引進力度，通過產學研融合加大與應用型高校的合作，鼓勵高層次人才投入到科技研發工作中，并提升人才待遇，切實從根本上留住人才，提升企業的核心競爭力。

參考文獻：

[1] 熊康.安徽省科技金融效率及其影響因素研究[D].蚌埠：安徽財經大學，2020.

[2] 郭昕昕.河南省科技金融投入產出效率及影響因素研究[D].開封：河南大學，2019.

[3] 邵立杰.河南省科技金融效率及影響因素分析——基于DEA-Tobit模型[J].福建商學院學報，2019（2）：33-39.

[4] 尚小琳.山東省科技金融發展的影響因素研究——基于省際比較的視角[D].濟南：齊魯工業大學，2020.

[5] 孫忠艷.我國區域科技金融效率及影響因素實證研究——以京津冀、長三角與珠三角為例[D].保定：河北金融學院，2020.

【通聯編輯：李雅琪】