作者簡介：張明龍（1988.07-），男，四川成都人，碩士研究生，重慶工商大學(xué)財(cái)政金融學(xué)院，金融學(xué)，研究方向：投資理論與實(shí)務(wù)。

摘要：本文基于DEA模型，測算了我國30個(gè)省、自治區(qū)和直轄市2006～2013年的金融投入與科技產(chǎn)出的面板數(shù)據(jù)，得到科技與金融結(jié)合的技術(shù)效率、純技術(shù)效率和規(guī)模效率。研究發(fā)現(xiàn)：我國科技與金融相結(jié)合的總體效率尚未達(dá)到前沿面，是由于純技術(shù)效率和規(guī)模效率的共同低效所造成的；各省區(qū)市中，東部地區(qū)達(dá)到有效的省份最多，而寧夏和內(nèi)蒙古的效率值市最低。

關(guān)鍵詞：科技與金融；效率研究；DEA模型

一、引言

當(dāng)前和今后一段時(shí)期我國經(jīng)濟(jì)社會發(fā)展呈現(xiàn)“新常態(tài)”的特征，處于經(jīng)濟(jì)轉(zhuǎn)型期的中國應(yīng)以高質(zhì)量的經(jīng)濟(jì)增長作為支撐，來保持必要的經(jīng)濟(jì)增長速度，因此需要讓科技創(chuàng)新對我國可持續(xù)發(fā)展起到關(guān)鍵作用，成為滿足未來經(jīng)濟(jì)增長需求的新動(dòng)力?？萍籍a(chǎn)業(yè)具有高投入和高風(fēng)險(xiǎn)的特征，就離不開金融的強(qiáng)力支持。然而，我國目前仍然是一個(gè)發(fā)展中國家，對科技創(chuàng)新的金融投入額會受到較大限制。那么，如何有效為科技產(chǎn)業(yè)配置金融資源，提升科技與金融的結(jié)合效率是值得研究的課題。

二、模型構(gòu)建和變量選取

（一）DEA模型描述

DEA模型采用Banker等人提出的BCC修正模型，BCC模型假定規(guī)模報(bào)酬可變，這樣技術(shù)效率可以進(jìn)一步分解為純技術(shù)效率和規(guī)模效率，表示造成技術(shù)無效率的原因包括來自自身生產(chǎn)技術(shù)上的無效率以及決策單元未處于規(guī)模效應(yīng)的無效率。假定我國各個(gè)省、自治區(qū)和直轄市為決策單元（DMU），每個(gè)省區(qū)市有m種金融投入和s種科技產(chǎn)出，數(shù)學(xué)表達(dá)式如下：

Minθks.t∑nj=1λjxij≤θkxik，i=1，2，…，m∑nj=1λjyrj≥yrk，r=1，2，…，s∑nj=1λj=1λj≥0，j=1，2，…，n （1）

式（1）中，xij為第j個(gè)省區(qū)市的第i種金融投入，yrj為第j個(gè)省區(qū)市的第r種科技產(chǎn)出，m、s和n分別表示為金融投入、科技產(chǎn)出和省區(qū)市的個(gè)數(shù)，θ為決策單元的效率值。

（二）變量選取

科技與金融結(jié)合的效率評價(jià)指標(biāo)必須真實(shí)反映金融投入與科技產(chǎn)出情況，本文借鑒相關(guān)學(xué)者的研究，所選金融投入指標(biāo)包括：研究與試驗(yàn)發(fā)展（R&D）經(jīng)費(fèi)內(nèi)部支出、地方財(cái)政科技撥款、金融機(jī)構(gòu)科技貸款以及人均R&D經(jīng)費(fèi)支出。在科技產(chǎn)出方面，選擇了國內(nèi)專利申請授權(quán)數(shù)、國外主要檢索工具收錄我國科技論文數(shù)、技術(shù)市場成交合同額以及高技術(shù)產(chǎn)業(yè)總產(chǎn)值。

三、實(shí)證結(jié)果分析

本文基于DEA模型對2006～2013年的我國30個(gè)省、自治區(qū)及直轄市的數(shù)據(jù)進(jìn)行分析，得到各個(gè)省區(qū)市科技與金融結(jié)合的平均效率情況（如表1所示）。

表12006～2013年我國科技與金融結(jié)合的平均效率

省份技術(shù)效率純技術(shù)效率規(guī)模效率省份技術(shù)效率純技術(shù)效率規(guī)模效率北京1.0001.0001.000湖北0.9940.9941.000天津0.8700.8860.979湖南0.8400.8540.982河北0.8510.8690.977廣東1.0001.0001.000山西0.8450.8540.985廣西0.8700.8980.961內(nèi)蒙古0.3540.4650.743海南1.0001.0001.000遼寧0.6950.7080.981重慶0.9420.9870.953吉林0.9320.9620.966四川1.0001.0001.000黑龍江0.9270.9360.989貴州0.9020.9220.977上海1.0001.0001.000云南0.6680.7300.914江蘇1.0001.0001.000陜西1.0001.0001.000浙江1.0001.0001.000甘肅0.9551.0000.955安徽0.6790.7020.964青海0.7391.0000.739福建0.9560.9880.967寧夏0.3730.8730.417江西0.7160.8520.831新疆0.6510.7220.897山東0.8020.8130.986均值0.8410.8900.938河南0.6780.6950.974

根據(jù)表1可以看出，我國科技與金融結(jié)合的技術(shù)效率平均值為0.841，純技術(shù)效率均值為0.890，規(guī)模效率均值為0.938。測算結(jié)果為，我國科技與金融相結(jié)合的總體效率處于效率前沿面之下，其主要是由于純技術(shù)效率和規(guī)模效率的共同低效所引起的。這說明，一是我國用于科技產(chǎn)業(yè)的金融資源沒有得到充分利用，二是我國的科技產(chǎn)業(yè)尚未形成規(guī)模效率，以至于金融資源的投入沒有達(dá)到最小的程度。

從各個(gè)省區(qū)市來看，只有北京、上海、江蘇、浙江、廣東、海南、四川和陜西等8個(gè)省份的技術(shù)效率值為1，達(dá)到效率前沿面。可以看出，達(dá)到有效的省份以東部居多，這也與現(xiàn)實(shí)情況相符，經(jīng)濟(jì)發(fā)展水平高的地區(qū)，為科技產(chǎn)業(yè)投入的資金多，相應(yīng)的科技產(chǎn)業(yè)也多，從而達(dá)到有效前沿面。而寧夏和內(nèi)蒙古的效率值分別僅為0.373和0.354，排在最后兩位，但造成兩個(gè)省份技術(shù)效率低的原因不同。寧夏是由于未形成規(guī)模效應(yīng)，造成效率低效；而內(nèi)蒙古則是由于在科技產(chǎn)業(yè)的經(jīng)營管理上失誤，導(dǎo)致純技術(shù)效率過低。

四、結(jié)論

本文通過DEA模型對2006～2013年我國30個(gè)省、自治區(qū)和直轄市的科技與金融結(jié)合的效率進(jìn)行測算，得到以下研究結(jié)論：在樣本年限內(nèi)，我國科技與金融相結(jié)合的總體效率小于1，沒有達(dá)到效率前沿面，這源于純技術(shù)效率和規(guī)模效率的共同低效，其中純技術(shù)效率低效的影響作用尤為明顯；而各個(gè)省區(qū)市中，達(dá)到效率前沿面的省份最多是經(jīng)濟(jì)發(fā)展水平較高的東部地區(qū)，而寧夏和內(nèi)蒙古是效率值最低的兩個(gè)省份，其中寧夏是由于未形成規(guī)模效應(yīng)，造成效率低效；內(nèi)蒙古則是純技術(shù)效率過低。（作者單位：重慶工商大學(xué)財(cái)政金融學(xué)院）