中國(guó)新一代高新技術(shù)產(chǎn)業(yè)金融支持水平與效率評(píng)價(jià)研究
——來(lái)自上市公司的證據(jù)

曹 程，張 目

（1.貴州財(cái)經(jīng)大學(xué)大數(shù)據(jù)應(yīng)用與經(jīng)濟(jì)學(xué)院；2.貴州財(cái)經(jīng)大學(xué)貴州科技創(chuàng)新創(chuàng)業(yè)投資研究院，貴州貴陽(yáng) 550025）

近年來(lái)，以智能技術(shù)和量子技術(shù)為特征的新一代高新技術(shù)迅猛發(fā)展，已成為事關(guān)國(guó)家安全和社會(huì)經(jīng)濟(jì)高質(zhì)量發(fā)展的戰(zhàn)略性領(lǐng)域。2017 年7 月8 日，為搶抓人工智能發(fā)展的重大戰(zhàn)略機(jī)遇，構(gòu)筑我國(guó)人工智能發(fā)展的先發(fā)優(yōu)勢(shì)，國(guó)務(wù)院印發(fā)并實(shí)施了《新一代人工智能發(fā)展規(guī)劃》（國(guó)發(fā)〔2017〕35 號(hào)）。2017 年12 月15 日，為加快人工智能產(chǎn)業(yè)發(fā)展，推動(dòng)人工智能和實(shí)體經(jīng)濟(jì)深度融合，工業(yè)和信息化部印發(fā)了《促進(jìn)新一代人工智能產(chǎn)業(yè)發(fā)展三年行動(dòng)計(jì)劃（2018—2020 年）》（工信部科〔2017〕315 號(hào)）。2020 年10 月16 日，習(xí)近平總書(shū)記在主持中共中央政治局第二十四次集體學(xué)習(xí)時(shí)強(qiáng)調(diào)，量子科技成為新一輪科技革命和產(chǎn)業(yè)變革的前沿領(lǐng)域，加快發(fā)展量子科技，對(duì)促進(jìn)高質(zhì)量發(fā)展、保障國(guó)家安全具有非常重要的作用。2020 年10 月21 日，科技部提出要大力發(fā)展以智能技術(shù)和量子技術(shù)為特征的新一代高新技術(shù)，打造我國(guó)高新技術(shù)先發(fā)優(yōu)勢(shì)，加快培育新一代高新技術(shù)產(chǎn)業(yè)，進(jìn)一步壯大發(fā)展新動(dòng)能。

加快培育和發(fā)展新一代高新技術(shù)產(chǎn)業(yè)，金融支持不可或缺。在金融資源有限的條件下，不僅要形成一個(gè)健全完善的新一代高新技術(shù)產(chǎn)業(yè)金融支持體系，更要注重金融支持的效率。一方面，要積極引導(dǎo)金融機(jī)構(gòu)面向新一代高新技術(shù)企業(yè)開(kāi)展服務(wù)創(chuàng)新，拓寬直接融資和間接融資渠道，切實(shí)提高新一代高新技術(shù)產(chǎn)業(yè)金融支持水平；另一方面，要積極引導(dǎo)新一代高新技術(shù)企業(yè)創(chuàng)新管理、提質(zhì)增效，全面提升經(jīng)營(yíng)管理水平，加快技術(shù)進(jìn)步，有效提高新一代高新技術(shù)產(chǎn)業(yè)金融支持效率。因此，厘清當(dāng)前新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率狀況，補(bǔ)短板、鍛長(zhǎng)板，對(duì)加大對(duì)新一代高新技術(shù)產(chǎn)業(yè)的金融支持力度具有重要的現(xiàn)實(shí)意義。

目前，國(guó)內(nèi)外對(duì)新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率評(píng)價(jià)的研究成果較為少見(jiàn)。國(guó)外相關(guān)研究主要側(cè)重于分析融資約束和公共研發(fā)補(bǔ)貼對(duì)企業(yè)R&D 活動(dòng)的影響［1-4］。國(guó)內(nèi)相關(guān)研究主要集中于分析金融支持對(duì)高新技術(shù)產(chǎn)業(yè)的R&D 支出［5］、全要素生產(chǎn)率［6］、出口復(fù)雜度和產(chǎn)業(yè)發(fā)展的影響［7-11］，烏蘭等［12］、姜妍［13］對(duì)高新技術(shù)產(chǎn)業(yè)和人工智能產(chǎn)業(yè)的金融支持效率問(wèn)題進(jìn)行了初步的探討。有鑒于此，本文從金融資源被投入主體（企業(yè)）的角度出發(fā)，選取237 家量子通信和人工智能概念板塊上市公司作為研究樣本，從省際層面對(duì)現(xiàn)階段新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率進(jìn)行評(píng)價(jià)和分析。具體結(jié)構(gòu)安排如下：第2 部分介紹研究方法；第3 部分是指標(biāo)選取、樣本數(shù)據(jù)、新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率的靜態(tài)分析與動(dòng)態(tài)比較；第4 部分是結(jié)論與政策建議。

1 研究方法

1.1 熵權(quán)-線性加權(quán)和法

熵權(quán)法是一種根據(jù)指標(biāo)所提供的信息量確定指標(biāo)權(quán)重的客觀賦權(quán)法，不需要對(duì)數(shù)據(jù)的分布形態(tài)進(jìn)行任何假定，計(jì)算相對(duì)簡(jiǎn)單［14］。為此，本文采用熵權(quán)法確定指標(biāo)權(quán)重，并運(yùn)用線性加權(quán)和法計(jì)算新一代高新技術(shù)產(chǎn)業(yè)金融支持水平得分。設(shè)有n個(gè)省份m個(gè)指標(biāo)（本文均為效益型指標(biāo)）構(gòu)成原始指標(biāo)數(shù)據(jù)矩陣熵權(quán)-線性加權(quán)和法計(jì)算步驟如下：

1.2 DEA-BCC 模型

設(shè)有n個(gè)決策單元（即n個(gè)省份）；為第i個(gè)決策單元的權(quán)重；分別為第i個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持投入和產(chǎn)出要素向量，m和s分別為投入和產(chǎn)出指標(biāo)的數(shù)量；和 分別為元素為1 的m維向量和s維向量；為非阿基米德無(wú)窮小；分別為投入和產(chǎn)出指標(biāo)的松弛變量。假設(shè)規(guī)模報(bào)酬不變（CRS），則有CCR 模型［15］：

其中θ（）為決策單元的綜合技術(shù)效 率（TE）。當(dāng)且θ=1時(shí)，表明決策單元DEA有效；當(dāng)不全為0，且=1時(shí)，表明決策單元DEA 弱有效；當(dāng)θ＜1 時(shí)，表明決策單元DEA 無(wú)效。假設(shè)規(guī)模報(bào)酬可變（VRS），在式（5）的約束條件中加入凸性假設(shè)則CCR 模型轉(zhuǎn)化為BCC 模型［16］：

1.3 DEA-Malmquist 指數(shù)模型

DEA-BCC 模型只能對(duì)同一時(shí)期不同決策單元的效率值進(jìn)行靜態(tài)比較，無(wú)法測(cè)度不同時(shí)期效率值的動(dòng)態(tài)變化。為此，本文采用DEA-Malmquist 指數(shù)模型對(duì)各省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率進(jìn)行動(dòng)態(tài)比較。F?re 等［17-18］在規(guī)模報(bào)酬不變（CRS）假設(shè)下，將Malmquist 指數(shù)（即全要素生產(chǎn)率變動(dòng)，TFPCH）分解為技術(shù)效率變動(dòng)（EFFCH）和技術(shù)進(jìn)步變動(dòng)（TECHCH）［19-20］；又在規(guī)模報(bào)酬可變（VRS）假設(shè)下，將技術(shù)效率變動(dòng)進(jìn)一步分解為純技術(shù)效率變動(dòng)（PECH）和規(guī)模效率變動(dòng)（SECH）。設(shè)表示第t期的投入與產(chǎn)出，表示第t+1 期的投入與產(chǎn)出，分別為以t時(shí)期和t+1 時(shí)期技術(shù)為參照的產(chǎn)出距離函數(shù)。則Malmquist 指數(shù)可表示為：

其中，

當(dāng)TFPCH＞1 時(shí)，表示全要素生產(chǎn)率上升；當(dāng)TFPCH＜1 時(shí)，表示全要素生產(chǎn)率下降；而當(dāng)TFPCH=1 時(shí),則表示全要素生產(chǎn)率不變。EFFCH、PECH、SECH 和TECHCH 以此類(lèi)推。

2 實(shí)證分析

2.1 指標(biāo)選取

由于缺少新一代高新技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)數(shù)據(jù)，因此，本文根據(jù)科技部發(fā)布的《國(guó)家高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)“十三五”發(fā)展規(guī)劃》（國(guó)科發(fā)高〔2017〕90 號(hào)）和國(guó)務(wù)院印發(fā)的《關(guān)于促進(jìn)國(guó)家高新技術(shù)產(chǎn)業(yè)開(kāi)發(fā)區(qū)高質(zhì)量發(fā)展的若干意見(jiàn)》（國(guó)發(fā)〔2020〕7 號(hào)），參考國(guó)內(nèi)外相關(guān)研究成果，遵循客觀性、系統(tǒng)性和可獲取性等指標(biāo)選取原則，從金融資源被投入主體（企業(yè)）的角度出發(fā)，選取銀行貸款、股票融資、債券融資、政府補(bǔ)助、風(fēng)險(xiǎn)投資作為投入指標(biāo)的細(xì)分指標(biāo)（注：由于目前的企業(yè)財(cái)產(chǎn)險(xiǎn)投保額較低，本文暫不考慮保險(xiǎn)）；選取企業(yè)凈利潤(rùn)和納稅金額作為產(chǎn)出指標(biāo)的細(xì)分指標(biāo)。以投入指標(biāo)來(lái)測(cè)度新一代高新技術(shù)產(chǎn)業(yè)金融支持水平；以投入產(chǎn)出指標(biāo)來(lái)測(cè)度新一代高新技術(shù)產(chǎn)業(yè)金融支持效率。新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率相關(guān)指標(biāo)見(jiàn)表1。

表1 新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率相關(guān)指標(biāo)

2.2 樣本數(shù)據(jù)

本文從東方財(cái)富網(wǎng)（https://www.eastmoney.com/）選取量子通信概念板塊的50 家上市公司和人工智能概念板塊的187 家上市公司作為研究樣本，樣本數(shù)共計(jì)237 個(gè)，分布于22 個(gè)省、自治區(qū)和直轄市（本文簡(jiǎn)稱(chēng)為省份）。樣本區(qū)間設(shè)定為2015—2019 年。原始數(shù)據(jù)來(lái)源于237 家上市公司各年年報(bào)。新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率相關(guān)指標(biāo)的描述性統(tǒng)計(jì)見(jiàn)表2。

表2 新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率相關(guān)指標(biāo)的描述性統(tǒng)計(jì) 單位：億元

從表2 可以看出，北京在銀行貸款、股票融資、債券融資、風(fēng)險(xiǎn)投資上位居第一，重慶在政府補(bǔ)助和納稅金額上位居前列，江蘇在凈利潤(rùn)上名列前茅，各細(xì)分指標(biāo)的最大值均遠(yuǎn)高于其中位數(shù)和平均值。黑龍江在銀行貸款和風(fēng)險(xiǎn)投資上排名末位，西藏在政府補(bǔ)助和納稅金額上位居末位，江西、甘肅、遼寧分別在股票融資、債券融資和凈利潤(rùn)上排名最低，各細(xì)分指標(biāo)的最小值均遠(yuǎn)低于其中位數(shù)和平均值。各細(xì)分指標(biāo)的最大值與最小值的差異、最大值或最小值與中位數(shù)及平均值的差異、以及中位數(shù)與平均值的差異均較大，說(shuō)明22 個(gè)省份在新一代高新技術(shù)產(chǎn)業(yè)金融資源投入和產(chǎn)出方面分布極不均衡。由平均值和標(biāo)準(zhǔn)差計(jì)算出各細(xì)分指標(biāo)的變異系數(shù)，分別為1.50、1.73、2.39、1.32、1.44、1.69 和1.57，說(shuō)明22 個(gè)省份在債券融資方面差異最大，在政府補(bǔ)助方面差異最小。此外，從各細(xì)分指標(biāo)的平均值可以看出，在新一代高新技術(shù)產(chǎn)業(yè)金融資源投入方面，股票融資占主導(dǎo)地位，其次為銀行貸款，政府補(bǔ)助最少；在產(chǎn)出方面，凈利潤(rùn)占主導(dǎo)地位。

2.3 新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率靜態(tài)分析

根據(jù)2015—2019 年22 個(gè)省份的投入指標(biāo)原始數(shù)據(jù)，利用熵權(quán)法分別計(jì)算每一年的細(xì)分指標(biāo)權(quán)重，并取5 年平均值作為細(xì)分指標(biāo)的最終權(quán)重，計(jì)算結(jié)果見(jiàn)表1。進(jìn)一步運(yùn)用式（4）計(jì)算得出2015—2019年中國(guó)22 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平得分，取5 年平均值并對(duì)其進(jìn)行分解，結(jié)果見(jiàn)表3。

表3 2015—2019 年省際新一代高新技術(shù)產(chǎn)業(yè)金融支持水平5 年平均值及其分解

為滿(mǎn)足DEAP Version 2.1 軟件對(duì)輸入數(shù)據(jù)的要求，在進(jìn)行金融支持效率評(píng)價(jià)之前，先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，計(jì)算公式為：

根據(jù)標(biāo)準(zhǔn)化處理后的細(xì)分指標(biāo)數(shù)據(jù)，利用DEAP Version 2.1 軟件，運(yùn)用DEA-BCC 模型計(jì)算得出2015—2019 年中國(guó)22 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率，取5 年平均值并對(duì)其進(jìn)行分解，結(jié)果見(jiàn)表4。

表4 2015—2019 年省際新一代高新技術(shù)產(chǎn)業(yè)金融支持效率5 年平均值及其分解

由表3 可以看出，新一代高新技術(shù)產(chǎn)業(yè)金融支持水平位列前三的省份是北京、江蘇和廣東，位列后三的省份則為廣西、西藏和黑龍江；全國(guó)平均值為0.154 4，僅有31.82%的省份（7個(gè)）超過(guò)全國(guó)平均值，說(shuō)明就整體而言，新一代高新技術(shù)產(chǎn)業(yè)金融支持水平仍較低。其中，銀行貸款和股票融資對(duì)新一代高新技術(shù)產(chǎn)業(yè)金融支持水平的整體貢獻(xiàn)相對(duì)較小。

由表4 可以看出，新一代高新技術(shù)產(chǎn)業(yè)金融支持效率位列前三的省份是浙江、重慶和天津，且浙江和重慶接近DEA 有效，位列后三的省份則為四川、安徽和遼寧；全國(guó)平均值為0.550 0，只有45.45%的省份（10 個(gè)）超過(guò)全國(guó)平均值，說(shuō)明就整體而言，新一代高新技術(shù)產(chǎn)業(yè)金融支持效率仍不高。其中，純技術(shù)效率對(duì)新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的整體貢獻(xiàn)相對(duì)較小。

根據(jù)表3 和表4 中的省份排名，借鑒文獻(xiàn)［21］的做法，按照新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率的協(xié)調(diào)程度，將22 個(gè)省份劃分為高水平-高效率（江蘇、浙江、天津）、高水平-低效率（北京、廣東、湖南、上海）、低水平-高效率（重慶、江西、新疆、河南、廣西、西藏、黑龍江）、低水平-低效率（福建、湖北、遼寧、安徽、四川、山東、甘肅、貴州）四個(gè)組。其中，高水平和高效率是指高于全國(guó)平均值，低水平和低效率是指低于全國(guó)平均值。

對(duì)于高水平-高效率組而言，債券融資對(duì)江蘇和天津新一代高新技術(shù)產(chǎn)業(yè)金融支持水平的貢獻(xiàn)較大，浙江主要源于其較高的風(fēng)險(xiǎn)投資。純技術(shù)效率對(duì)江蘇新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的貢獻(xiàn)較大，天津主要源于其較高的規(guī)模效率，浙江則同時(shí)源于較高的純技術(shù)效率和規(guī)模效率。對(duì)于高水平-低效率組而言，債券融資對(duì)北京和湖南新一代高新技術(shù)產(chǎn)業(yè)金融支持水平的貢獻(xiàn)較大，上海主要源于其較高的風(fēng)險(xiǎn)投資，廣東主要源于其較高的風(fēng)險(xiǎn)投資和政府補(bǔ)助。純技術(shù)效率較低是導(dǎo)致湖南、上海新一代高新技術(shù)產(chǎn)業(yè)金融支持效率較低的主要原因，北京和廣東則主要源于較低的規(guī)模效率。

在上述兩個(gè)組別中，江蘇等6 個(gè)東部地區(qū)省份由于經(jīng)濟(jì)發(fā)展水平較高，其經(jīng)濟(jì)規(guī)模較大，產(chǎn)業(yè)結(jié)構(gòu)較合理，政策環(huán)境良好，區(qū)域市場(chǎng)化程度較高，要素自由流動(dòng)與市場(chǎng)化配置能力較強(qiáng)，因而金融發(fā)展水平較高；同時(shí)，由于新一代高新技術(shù)企業(yè)數(shù)量較多，相對(duì)優(yōu)質(zhì)的企業(yè)數(shù)量也較多，因而更容易獲得債券融資、風(fēng)險(xiǎn)投資等金融支持。中部地區(qū)的湖南高度重視科技創(chuàng)新發(fā)展，R&D 經(jīng)費(fèi)投入位居全國(guó)前列，對(duì)新一代高新技術(shù)產(chǎn)業(yè)的金融支持，特別是債券融資處于較高水平。其中，江蘇由于新一代高新技術(shù)企業(yè)數(shù)量較多，且競(jìng)爭(zhēng)效應(yīng)明顯，企業(yè)加強(qiáng)管理，并提高技術(shù)水平，從而純技術(shù)效率較高；天津的新一代高新技術(shù)產(chǎn)業(yè)規(guī)模不斷壯大，規(guī)模效應(yīng)日益凸顯，從而規(guī)模效率相對(duì)較高；浙江的新一代高新技術(shù)產(chǎn)業(yè)則同時(shí)兼具較強(qiáng)的競(jìng)爭(zhēng)效應(yīng)和規(guī)模效應(yīng)。此外，與競(jìng)爭(zhēng)效應(yīng)相比，北京、廣東的新一代高新技術(shù)產(chǎn)業(yè)規(guī)模效應(yīng)相對(duì)較小，導(dǎo)致規(guī)模效率相對(duì)不高；與規(guī)模效應(yīng)相比，上海新一代高新技術(shù)產(chǎn)業(yè)的競(jìng)爭(zhēng)效應(yīng)相對(duì)較小，導(dǎo)致純技術(shù)效率相對(duì)不高；湖南的新一代高新技術(shù)產(chǎn)業(yè)可能因?yàn)楣芾砘蚣夹g(shù)原因，導(dǎo)致純技術(shù)效率不高。

對(duì)于低水平-高效率組而言，債券融資較低是導(dǎo)致新疆、河南和廣西新一代高新技術(shù)產(chǎn)業(yè)金融支持水平較低的主要原因，重慶則主要源于其較低的銀行貸款，江西主要源于其較低的政府補(bǔ)助，黑龍江的主要原因在于銀行貸款和債券融資較低，西藏的主要原因在于債券融資、政府補(bǔ)助和風(fēng)險(xiǎn)投資都較低。純技術(shù)效率和規(guī)模效率對(duì)重慶新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的貢獻(xiàn)均較大，其余低水平-高效率組省份均主要源于較高的純技術(shù)效率。對(duì)于低水平-低效率組而言，債券融資較低是導(dǎo)致福建、湖北、遼寧、安徽、四川和甘肅新一代高新技術(shù)產(chǎn)業(yè)金融支持水平較低的主要原因，貴州主要源于其較低風(fēng)險(xiǎn)投資，山東則主要源于其較低的風(fēng)險(xiǎn)投資和債券融資。規(guī)模效率較低是導(dǎo)致貴州新一代高新技術(shù)產(chǎn)業(yè)金融支持效率較低的主要原因，其余低水平-低效率組省份均主要源于較低的純技術(shù)效率。

在上述兩個(gè)組別中，重慶等11 個(gè)中西部地區(qū)省份由于經(jīng)濟(jì)發(fā)展水平總體不高，導(dǎo)致金融發(fā)展水平總體不高；同時(shí)，由于新一代高新技術(shù)企業(yè)數(shù)量較少，相對(duì)優(yōu)質(zhì)的企業(yè)數(shù)量也較少，因而較難獲得債券融資、風(fēng)險(xiǎn)投資等金融支持。東北地區(qū)的黑龍江和遼寧目前正面臨轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式和結(jié)構(gòu)性改革，因而對(duì)新一代高新技術(shù)產(chǎn)業(yè)的金融支持較為有限。東部地區(qū)的福建和山東則可能受地方產(chǎn)業(yè)政策影響，對(duì)新一代高新技術(shù)產(chǎn)業(yè)的金融支持也相對(duì)有限。其中，重慶是中西部地區(qū)唯一的直轄市，目前正在加快建設(shè)具有全國(guó)影響力的科技創(chuàng)新中心，其新一代高新技術(shù)產(chǎn)業(yè)的管理與技術(shù)水平得以提升，產(chǎn)業(yè)發(fā)展初具規(guī)模，因而純技術(shù)效率和規(guī)模效率均較高；江西、新疆、河南、廣西、西藏、黑龍江的新一代高新技術(shù)產(chǎn)業(yè)則可能因?yàn)榻鹑谫Y源稀缺，更注重向管理要效益，因而純技術(shù)效率較高；而貴州的新一代高新技術(shù)產(chǎn)業(yè)規(guī)模較小，因而規(guī)模效率較低；福建、湖北、遼寧、安徽、四川、山東、甘肅的新一代高新技術(shù)產(chǎn)業(yè)則可能因?yàn)楦?jìng)爭(zhēng)不足，導(dǎo)致純技術(shù)效率偏低。

觀察低水平-高效率組和低水平-低效率組可以發(fā)現(xiàn)，債券融資較低是導(dǎo)致這些省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平較低的首要原因，其次是風(fēng)險(xiǎn)投資。另外，觀察高水平-低效率組和低水平-低效率組可以發(fā)現(xiàn)，純技術(shù)效率較低是導(dǎo)致這些省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率較低的首要原因。

2.4 新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率動(dòng)態(tài)比較

為考察新一代高新技術(shù)產(chǎn)業(yè)金融支持水平的動(dòng)態(tài)變化及其內(nèi)在原因，根據(jù)2015—2019 年中國(guó)22個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平得分，計(jì)算得出2015—2019 年中國(guó)22 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平年均增長(zhǎng)率，并對(duì)其進(jìn)行分解，結(jié)果見(jiàn)表5。

表5 2015—2019 年省際新一代高新技術(shù)產(chǎn)業(yè)金融支持水平年均增長(zhǎng)率及其分解

為考察新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的動(dòng)態(tài)變化及其內(nèi)在原因，本文利用DEAP Version 2.1 軟件，運(yùn)用DEA-Malmquist 指數(shù)模型計(jì)算得出2015—2019 年中國(guó)22 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的Malmquist 指數(shù)（即全要素生產(chǎn)率變動(dòng)，TFPCH），并對(duì)其進(jìn)行分解，結(jié)果見(jiàn)表6。

表6 2015—2019 年省際新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的Malmquist 指數(shù)及其分解

由表5 可以看出，2015—2019 年新疆、天津、廣西等14 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平的年均增長(zhǎng)率為正，占比為63.64%；廣東、浙江、江西等8 個(gè)省份的年均增長(zhǎng)率為負(fù)，占比為36.36%。全國(guó)平均值為16.37%，有40.91%的省份（9個(gè)）超過(guò)全國(guó)平均值。整體來(lái)看，新一代高新技術(shù)產(chǎn)業(yè)金融支持水平保持較好增長(zhǎng)態(tài)勢(shì)，其中，銀行貸款和政府補(bǔ)助是水平增長(zhǎng)的主要?jiǎng)恿Γ瑐谫Y、風(fēng)險(xiǎn)投資和股票融資是水平增長(zhǎng)的主要抑制力。

由表6 可以看出，2015—2019 年湖南、四川、廣東等16 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率的Malmquist 指數(shù)大于1，占比為72.73%；福建、安徽、上海等6 個(gè)省份的Malmquist 指數(shù)小于1，占比為27.27%。全國(guó)平均值為1.024 3，有50%的省份（11個(gè)）超過(guò)全國(guó)平均值。整體來(lái)看，新一代高新技術(shù)產(chǎn)業(yè)金融支持效率保持良好增長(zhǎng)態(tài)勢(shì)，其中，規(guī)模效率變動(dòng)是效率增長(zhǎng)的主要?jiǎng)恿Γ夹g(shù)進(jìn)步變動(dòng)是效率增長(zhǎng)的主要抑制力。

根據(jù)表5 和表6 數(shù)據(jù)，按照新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率增長(zhǎng)的協(xié)調(diào)程度［21］，將22個(gè)省份劃分為水平上升-效率上升（新疆、天津、廣西、江蘇、湖北、甘肅、四川、湖南、貴州、山東、黑龍江）、水平上升-效率下降（福建、安徽、重慶）、水平下降-效率上升（廣東、江西、西藏、河南、遼寧）、水平下降-效率下降（浙江、北京、上海）四個(gè)組。

對(duì)于水平上升-效率上升組而言，銀行貸款是新疆、湖北、甘肅和四川新一代高新技術(shù)產(chǎn)業(yè)金融支持水平上升的主要?jiǎng)恿Γ綎|和黑龍江的水平上升動(dòng)力主要源于政府補(bǔ)助，湖南的水平上升動(dòng)力主要來(lái)自風(fēng)險(xiǎn)投資，銀行貸款和政府補(bǔ)助是廣西和貴州水平上升的主要?jiǎng)恿Γy行貸款和股票融資是天津水平上升的主要?jiǎng)恿ΓK的水平上升動(dòng)力則主要源于銀行貸款和債券融資。純技術(shù)效率變動(dòng)是湖南、四川、江蘇和湖北新一代高新技術(shù)產(chǎn)業(yè)金融支持效率上升的主要?jiǎng)恿Γ陆⑻旖颉V西、甘肅、貴州、山東和黑龍江的效率上升動(dòng)力則主要源于規(guī)模效率變動(dòng)。對(duì)于水平上升-效率下降組而言，銀行貸款是重慶新一代高新技術(shù)產(chǎn)業(yè)金融支持水平上升的主要?jiǎng)恿ΓL(fēng)險(xiǎn)投資和銀行貸款是福建水平上升的主要?jiǎng)恿Γ不盏乃缴仙齽?dòng)力則主要源于政府補(bǔ)助和銀行貸款。技術(shù)進(jìn)步變動(dòng)是福建、安徽和重慶新一代高新技術(shù)產(chǎn)業(yè)金融支持效率下降的主要原因。

在上述兩個(gè)組別中，新疆等9 個(gè)中西部地區(qū)省份由于經(jīng)濟(jì)增長(zhǎng)較快，金融發(fā)展水平不斷提升；同時(shí)，地方政府對(duì)科技創(chuàng)新發(fā)展的重視程度不斷提高，財(cái)政科技投入不斷加大；在政府引導(dǎo)下，銀行對(duì)科技創(chuàng)新的信貸支持力度也不斷增強(qiáng)，因而這9 個(gè)省份對(duì)新一代高新技術(shù)產(chǎn)業(yè)的政府補(bǔ)助或銀行貸款有明顯上升。江蘇等4 個(gè)東部地區(qū)省份的GDP 繼續(xù)保持穩(wěn)步增長(zhǎng)，金融發(fā)展水平進(jìn)一步提高；同時(shí)，江蘇、天津的新一代高新技術(shù)企業(yè)數(shù)量和質(zhì)量進(jìn)一步上升，銀行貸款、債券融資、股票融資相應(yīng)上升；福建樹(shù)立創(chuàng)新發(fā)展理念，逐漸調(diào)整產(chǎn)業(yè)政策，新一代高新技術(shù)企業(yè)數(shù)量和競(jìng)爭(zhēng)力逐步上升，風(fēng)險(xiǎn)投資和銀行貸款顯著增長(zhǎng)；山東則因?yàn)榈胤秸饾u重視新一代高新技術(shù)產(chǎn)業(yè)發(fā)展，政府補(bǔ)助逐步增加。東北地區(qū)的黑龍江由于地方政府逐漸重視，對(duì)新一代高新技術(shù)產(chǎn)業(yè)的政府補(bǔ)助也明顯增加。其中，江蘇新一代高新技術(shù)產(chǎn)業(yè)的競(jìng)爭(zhēng)效應(yīng)進(jìn)一步增強(qiáng)，純技術(shù)效率增幅較大；湖南、四川和湖北的新一代高新技術(shù)產(chǎn)業(yè)加強(qiáng)管理，提高技術(shù)水平，純技術(shù)效率增幅較大；天津新一代高新技術(shù)產(chǎn)業(yè)的規(guī)模效應(yīng)進(jìn)一步加大，規(guī)模效率增幅較大；新疆、廣西、甘肅、貴州、山東和黑龍江的新一代高新技術(shù)產(chǎn)業(yè)規(guī)模增長(zhǎng)較快，規(guī)模效率增幅較大；而福建、安徽和重慶的新一代高新技術(shù)產(chǎn)業(yè)技術(shù)創(chuàng)新能力不足，技術(shù)進(jìn)步速度下降。

對(duì)于水平下降-效率上升組而言，股票融資和政府補(bǔ)助是廣東新一代高新技術(shù)產(chǎn)業(yè)金融支持水平下降的主要原因，政府補(bǔ)助和風(fēng)險(xiǎn)投資是江西水平下降的主要原因，西藏的水平下降原因主要是股票融資，河南的水平下降原因則主要是風(fēng)險(xiǎn)投資和股票融資，遼寧的水平下降原因則主要是債券融資。規(guī)模效率變動(dòng)是廣東、江西、西藏和河南新一代高新技術(shù)產(chǎn)業(yè)金融支持效率上升的主要?jiǎng)恿Γ兗夹g(shù)效率變動(dòng)是遼寧新一代高新技術(shù)產(chǎn)業(yè)金融支持效率上升的主要?jiǎng)恿Α?duì)于水平下降-效率下降組而言，風(fēng)險(xiǎn)投資和股票融資是浙江新一代高新技術(shù)產(chǎn)業(yè)金融支持水平下降的主要原因，債券融資和銀行貸款是北京水平下降的主要原因，上海的水平下降原因主要是股票融資和債券融資。技術(shù)進(jìn)步變動(dòng)是浙江、上海新一代高新技術(shù)產(chǎn)業(yè)金融支持效率下降的主要原因，北京的效率下降原因則主要是技術(shù)進(jìn)步變動(dòng)和規(guī)模效率變動(dòng)。

在上述兩個(gè)組別中，廣東等4 個(gè)東部地區(qū)省份由于GDP 增速放緩，導(dǎo)致金融發(fā)展速度放緩；加之這些省份的新一代高新技術(shù)產(chǎn)業(yè)進(jìn)入階段性平穩(wěn)發(fā)展時(shí)期，因而股票融資、債券融資或風(fēng)險(xiǎn)投資等金融支持有所減緩。江西等3 個(gè)中西部地區(qū)省份則可能因?yàn)榻鹑谑袌?chǎng)化程度不高，或新一代高新技術(shù)企業(yè)數(shù)量和質(zhì)量有限，導(dǎo)致股票融資、債券融資或風(fēng)險(xiǎn)投資有所下降。東北地區(qū)的遼寧由于經(jīng)濟(jì)增長(zhǎng)緩慢，導(dǎo)致金融發(fā)展速度緩慢；同時(shí)，其新一代高新技術(shù)企業(yè)數(shù)量和質(zhì)量有限，導(dǎo)致債券融資下降。其中，廣東、江西、西藏和河南的新一代高新技術(shù)產(chǎn)業(yè)規(guī)模增長(zhǎng)相對(duì)較快，規(guī)模效率增幅相對(duì)較大；遼寧的新一代高新技術(shù)產(chǎn)業(yè)加強(qiáng)管理，提高技術(shù)水平，純技術(shù)效率增幅較大；而北京新一代高新技術(shù)產(chǎn)業(yè)的規(guī)模效應(yīng)有所減弱，規(guī)模效率相應(yīng)下降；浙江、上海、北京新一代高新技術(shù)產(chǎn)業(yè)的技術(shù)創(chuàng)新能力增長(zhǎng)放緩，技術(shù)進(jìn)步速度減緩。

觀察水平下降-效率上升組和水平下降-效率下降組可以發(fā)現(xiàn)，股票融資是這些省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平下降的首要原因，其次是債券融資和風(fēng)險(xiǎn)投資。另外，觀察水平上升-效率下降組和水平下降-效率下降組可以發(fā)現(xiàn)，技術(shù)進(jìn)步變動(dòng)是這些省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率下降的首要原因。

3 結(jié)論與政策建議

本文從金融資源被投入主體（企業(yè)）的角度出發(fā)，運(yùn)用熵權(quán)-線性加權(quán)和法、DEA-BCC 模型和DEAMalmquist 指數(shù)模型分別測(cè)度了2015—2019 年中國(guó)22 個(gè)省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率，經(jīng)靜態(tài)分析和動(dòng)態(tài)比較，得出以下結(jié)論：

第一，總體來(lái)看，新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率均較低，銀行貸款、股票融資和純技術(shù)效率對(duì)水平和效率的整體貢獻(xiàn)相對(duì)較小。金融支持水平和效率的協(xié)調(diào)程度較低，僅有3 個(gè)省份屬于高水平-高效率組。債券融資較低是導(dǎo)致低水平組省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平較低的首要原因，其次是風(fēng)險(xiǎn)投資。純技術(shù)效率較低是導(dǎo)致低效率組省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率較低的首要原因，其次是規(guī)模效率。

第二，總體來(lái)看，新一代高新技術(shù)產(chǎn)業(yè)金融支持水平和效率均保持較好增長(zhǎng)態(tài)勢(shì)，銀行貸款、政府補(bǔ)助和規(guī)模效率變動(dòng)分別是水平增長(zhǎng)和效率增長(zhǎng)的主要?jiǎng)恿Α＝鹑谥С炙胶托试鲩L(zhǎng)的協(xié)調(diào)程度較高，共有11 個(gè)省份屬于水平上升-效率上升組。股票融資是水平下降組省份新一代高新技術(shù)產(chǎn)業(yè)金融支持水平下降的首要原因，其次是債券融資和風(fēng)險(xiǎn)投資。技術(shù)進(jìn)步變動(dòng)是效率下降組省份新一代高新技術(shù)產(chǎn)業(yè)金融支持效率下降的首要原因。

根據(jù)上述研究結(jié)論，結(jié)合有關(guān)部門(mén)文件精神，提出以下政策建議：

第一，加快金融與新一代高新技術(shù)產(chǎn)業(yè)融合發(fā)展，大力發(fā)展金融科技，提高新一代高新技術(shù)產(chǎn)業(yè)的金融支持水平。加快大數(shù)據(jù)、人工智能、云計(jì)算、區(qū)塊鏈等現(xiàn)代新興前沿技術(shù)在新一代高新技術(shù)企業(yè)融資中的應(yīng)用，充分發(fā)揮金融科技在拓寬融資渠道、降低融資成本和提高融資效率上的功能優(yōu)勢(shì)，有效緩解新一代高新技術(shù)企業(yè)面臨的融資約束。同時(shí)，堅(jiān)持線上與線下平衡發(fā)展，為新一代高新技術(shù)企業(yè)提供多渠道、多層次、全方位的融資服務(wù)。

第二，加大對(duì)新一代高新技術(shù)企業(yè)技術(shù)創(chuàng)新的財(cái)稅政策激勵(lì)，提高新一代高新技術(shù)產(chǎn)業(yè)的金融支持效率。在新一代高新技術(shù)企業(yè)的研發(fā)階段和科技成果轉(zhuǎn)化階段，加大政府補(bǔ)助力度，保證企業(yè)技術(shù)創(chuàng)新的積極性和持續(xù)性。同時(shí)，在繼續(xù)實(shí)施減少企業(yè)應(yīng)納稅所得額、給予企業(yè)優(yōu)惠稅率等稅收優(yōu)惠政策的基礎(chǔ)上，積極實(shí)施提高企業(yè)研發(fā)費(fèi)用加計(jì)扣除等稅收優(yōu)惠政策，有效減輕企業(yè)技術(shù)創(chuàng)新的資金壓力，保持新一代高新技術(shù)企業(yè)的技術(shù)創(chuàng)新活力。