■趙　仡，楊　哲

時空視域下科技創(chuàng)新資金的差異化配置效率研究

■趙仡，楊哲

科技創(chuàng)新要成為經(jīng)濟增長引擎必須獲得相應(yīng)的資金支持。本文利用DEA方法測度了2000～2013年間我國27個省份科技創(chuàng)新活動的資金配置效率，在剔除規(guī)模報酬因素后，對造成純技術(shù)效率時空差異的影響因素進行分析，結(jié)果表明，政府扶持、直接融資及間接融資等結(jié)構(gòu)性資金投入會顯著影響資金配置效率，并據(jù)此提出了相應(yīng)的對策建議。

科技創(chuàng)新；配置效率；數(shù)據(jù)包絡(luò)分析；時空差異

趙仡（1991-），山東煙臺人，天津財經(jīng)大學(xué)2014級金融學(xué)專業(yè)碩士研究生，研究方向為投融資理論與實踐；楊哲（1990-），河北唐山人，天津財經(jīng)大學(xué)2014級金融學(xué)專業(yè)博士研究生，研究方向為投融資理論與實踐。（天津300222）

一、引言

社會發(fā)展歷程和經(jīng)濟增長理論表明：科技創(chuàng)新是經(jīng)濟增長的主要源泉。在我國經(jīng)濟增速放緩的局勢下，實現(xiàn)增長的動力機制迫切需要從要素驅(qū)動、投資驅(qū)動向創(chuàng)新驅(qū)動轉(zhuǎn)變，這種理念已被提升到國家戰(zhàn)略的層面，而在這一過程中，如果缺乏相應(yīng)的資金支持，科技創(chuàng)新則變?yōu)闊o源之水、無本之木，難以實現(xiàn)從創(chuàng)意到創(chuàng)新的“驚險跳躍”?？萍紕?chuàng)新活動所需的資金既來自于政府財政支出，也來自于金融市場融資，數(shù)據(jù)顯示，2013年我國R&D經(jīng)費投入強度①R&D經(jīng)費投入強度即R&D經(jīng)費投入與GDP之比。首次超過2%，在數(shù)量上達(dá)到萬億水平，成為超越日本、僅次于美國的R&D經(jīng)費投入大國，此后呈現(xiàn)持續(xù)上升態(tài)勢，2015年該數(shù)據(jù)再創(chuàng)新高。在巨額的資金投入面前，不禁要拷問，現(xiàn)階段資金配置效率處于何種水平，亦即其對科技進步的實際作用效果如何，這對優(yōu)化結(jié)構(gòu)性資金投入、豐富科技創(chuàng)新產(chǎn)出具有實踐指導(dǎo)意義。

二、相關(guān)文獻(xiàn)綜述

熊彼特（1912）從經(jīng)濟學(xué)角度對創(chuàng)新概念和創(chuàng)新理論進行了系統(tǒng)論述，而對科技創(chuàng)新資金在創(chuàng)新過程中配置效率方面的研究，直到近年才有學(xué)者開始關(guān)注。余泳澤（2011）利用隨機前沿分析（SFA）方法測度了金融資本和勞動資本雙要素配置下的創(chuàng)新效率，并利用空間計量模型考察了多種要素對各主體創(chuàng)新效率的影響。徐玉蓮等（2012）利用Bootstrap方法，構(gòu)建統(tǒng)計推斷的臨界值，測度了科技金融資源配置體系中各項投入對技術(shù)創(chuàng)新的不同影響，發(fā)現(xiàn)其中銀行科技信貸對技術(shù)創(chuàng)新的貢獻(xiàn)并不顯著。吳佐等（2013）以2001～2010年我國33個工業(yè)行業(yè)的面板數(shù)據(jù)為樣本建立變系數(shù)回歸模型，檢驗了政府研發(fā)資金投入在產(chǎn)業(yè)創(chuàng)新中的配置效率，發(fā)現(xiàn)不同行業(yè)在創(chuàng)新機會上的差異是導(dǎo)致金融資源配置效率差異的影響因素之一。俞立平（2015）基于面板數(shù)據(jù)分析了不同性質(zhì)的科研經(jīng)費投入對科技創(chuàng)新的差異化貢獻(xiàn)，研究表明，政府和企業(yè)科技投入對創(chuàng)新產(chǎn)出的貢獻(xiàn)顯著，而科技貸款的貢獻(xiàn)則不然。

數(shù)據(jù)包絡(luò)分析（DEA）作為一種較為成熟的效率分析方法，已被部分學(xué)者用于測度科技創(chuàng)新資金的配置效率。孟衛(wèi)東等（2013）在DEA方法的基礎(chǔ)上，用受限因變量模型（Tobit）進行回歸分析，發(fā)現(xiàn)我國的科技人力資源和財力資源在配置中存在著浪費現(xiàn)象。熊廣勤等（2014）以具有代表性的科技產(chǎn)業(yè)上市公司為樣本，采用DEA-Malmquist方法評價了其在科技創(chuàng)新活動中的資金籌集效率和資金配置效率，并通過構(gòu)建面板數(shù)據(jù)回歸模型分析其影響因素，結(jié)果表明資金籌集和配置效率總體上呈現(xiàn)下降趨勢。黃海霞等（2015）利用DEA方法對戰(zhàn)略性新興產(chǎn)業(yè)的科技資源配置效率進行了定量分析，結(jié)果表明，配置效率整體水平有所提高，但尚未實現(xiàn)最優(yōu)，不同產(chǎn)業(yè)間及同一產(chǎn)業(yè)內(nèi)部都存在較大差異。

通過梳理文獻(xiàn)發(fā)現(xiàn)，現(xiàn)有研究或是以某一年度特定產(chǎn)業(yè)或地區(qū)的科技創(chuàng)新活動為樣本，或是以某一產(chǎn)業(yè)或地區(qū)的時間序列數(shù)據(jù)為對象，鮮有文獻(xiàn)關(guān)注資金配置效率在省際區(qū)域間所表現(xiàn)出的動態(tài)差異，對該問題的研究尚有較大的拓展空間?；诖耍疚氖占?000～2013年我國27個?。ㄊ小⒆灾螀^(qū)）科技創(chuàng)新活動的投入產(chǎn)出數(shù)據(jù)，利用較為成熟的DEA方法對資金配置效率進行研究，試圖找尋效率在時間和空間維度上存在的差異，并通過構(gòu)建回歸模型，闡釋資金投入結(jié)構(gòu)對剔除規(guī)模報酬因素后的純技術(shù)效率所產(chǎn)生的異質(zhì)影響，并據(jù)此提出相應(yīng)的發(fā)展建議，以期能為提升區(qū)域創(chuàng)新能力、實現(xiàn)經(jīng)濟內(nèi)涵式增長提供參考借鑒。

三、理論分析

（一）動態(tài)演進視角下的科技創(chuàng)新過程

本文將一個發(fā)明從無到有再蛻變?yōu)閯?chuàng)新的動態(tài)演進過程解構(gòu)為技術(shù)研發(fā)、成果轉(zhuǎn)化和市場推廣三個階段。其中技術(shù)研發(fā)階段是指一項發(fā)明從設(shè)計開發(fā)到形成可行技術(shù)方案的過程，這里的研發(fā)主體一般指高等院校、研究院所和企業(yè)中的研發(fā)部門等；成果轉(zhuǎn)化階段是指這項技術(shù)得以實施，并轉(zhuǎn)化為產(chǎn)品的過程，該過程的實施主體一般為掌握技術(shù)的企業(yè)或有制造能力的研究院所；市場推廣階段是指該產(chǎn)品被發(fā)現(xiàn)具備市場前景，在生產(chǎn)線上得以量化生產(chǎn)，并在實際銷售中證明其自身市場價值的過程。三個階段在獨立運行和相互銜接的過程中，任何一個環(huán)節(jié)出現(xiàn)問題，都會使整個過程出現(xiàn)停滯，甚至歸于終結(jié)。在特殊情況下，某些突破性發(fā)明即使只完成了技術(shù)研發(fā)階段也會產(chǎn)生顯著的外部性，為科技進步做出貢獻(xiàn)；還有一些因技術(shù)原因停滯的階段性科研成果，很有可能在未來基礎(chǔ)科學(xué)進步時重新進行自我價值發(fā)現(xiàn)。因此本文在研究科技創(chuàng)新資金的配置效率時，分別選擇了不同階段的代表性產(chǎn)出指標(biāo)，以期使效率測度值更趨近于現(xiàn)實情況。

（二）結(jié)構(gòu)配置視角下的科技創(chuàng)新資金

本文將科技創(chuàng)新資金按來源細(xì)分為政府資金、直接融資資金、間接融資資金，這三類資金自身的特點決定了其在科技創(chuàng)新活動中具有差異化的配置效率。其中，政府資金有明顯的政策引導(dǎo)和風(fēng)險分擔(dān)作用，直接融資資金具有風(fēng)險偏好屬性，對于成果難以預(yù)料的科技創(chuàng)新活動，直接融資資金比間接融資資金有更為強烈的投資意愿，并且直接融資的獲得更加容易，使用更加靈活，但正因為這個特點，也更容易造成配置效率降低。而間接融資資金具有風(fēng)險規(guī)避屬性，對于資金償還沒有保障的科技創(chuàng)新活動來說，間接融資資金的獲取更為困難，使用約束也較大，但這個特點使其不易被浪費。基于上述分析，本文以科技創(chuàng)新資金的結(jié)構(gòu)性來源為切入點，研究在資金配置效率不同的地區(qū)中，各類資金結(jié)構(gòu)貢獻(xiàn)因子①本文中，資金的結(jié)構(gòu)貢獻(xiàn)因子是指增加該類資金比重對資金使用效率的貢獻(xiàn)。的差異化特點，以期得出優(yōu)化科技創(chuàng)新資金結(jié)構(gòu)、促進低效地區(qū)向高效地區(qū)轉(zhuǎn)變的路徑。

四、研究設(shè)計

為了明確研究環(huán)境，本文假設(shè)三類資金在投入科技創(chuàng)新活動時會即時供給于有需要的或約定好的項目，首先保證現(xiàn)有科研進程和可預(yù)見成果的完成，而不會為可能進行的下一階段預(yù)留資金，并且顯然只能有序地投入每一階段。在進行比較分析時引入資金結(jié)構(gòu)這一因素，研究其對科技創(chuàng)新資金配置效率的影響。

（一）資金配置的效率測度

本文使用較為成熟的數(shù)據(jù)包絡(luò)分析法（DEA）進行資金配置的效率測度，其在應(yīng)用中具有兩大優(yōu)勢：一是每項投入和產(chǎn)出的權(quán)重是由規(guī)劃式本身計算得出的，具有客觀性；二是投入和產(chǎn)出的選取不受量綱影響，在樣本比較時使用的數(shù)據(jù)具有靈活性。根據(jù)實際情況，本文選取Banker et al.于1984年提出的BCC模型，測度剔除規(guī)模報酬（SE）影響的純技術(shù)效率（PTE），旨在消除金融支持以外的因素影響，以PTE值衡量各地區(qū)的資金配置效率。另外，DEA模型的規(guī)劃式分為投入導(dǎo)向和產(chǎn)出導(dǎo)向兩種，由于本文研究的是在當(dāng)前科技創(chuàng)新成果產(chǎn)出量不變的情況下，能否通過優(yōu)化資金投入的來源結(jié)構(gòu)，使其更有效地支持科技創(chuàng)新活動，所以采用投入導(dǎo)向的BCC模型，其規(guī)劃式為：

其中θ為每個決策單元的相對效率值；λ為待估權(quán)重，由模型本身計算得出；x與y分別為每個省市的投入和產(chǎn)出；角標(biāo)i、r和j分別表示第m種投入、第q種產(chǎn)出和第n個地區(qū)，k表示當(dāng)前測度的地區(qū)。

本文在這一步驟將每一年的融資總額作為投入項，計算方式為各省市當(dāng)年在科技創(chuàng)新活動中投入的政府資金、直接融資資金、間接融資資金之和。這不僅更貼近現(xiàn)實情況，而且避免了使用分量指標(biāo)易致計算結(jié)果高估的情況。產(chǎn)出項為各省市當(dāng)年的專利申請授權(quán)量、技術(shù)市場成交額和新產(chǎn)品收入占主營業(yè)務(wù)收入比重，分別作為代表性指標(biāo)對應(yīng)技術(shù)研發(fā)、成果轉(zhuǎn)化和市場推廣三個階段的成果。即在模型中，m=1，q=3，n=27，這符合Cooper et al.（2007）提出的n≥max｛mq，3（m+q）｝條件。同時，考慮到科技創(chuàng)新是一項周期較長的活動，當(dāng)期的金融支持通常不能在當(dāng)期就產(chǎn)出成果，根據(jù)鄭玉航、李正輝（2015）的實證分析，本文將產(chǎn)出時滯設(shè)定為1，即2012年的資金投入，其相應(yīng)的科技創(chuàng)新成果會在2013年得以產(chǎn)出。

（二）資金結(jié)構(gòu)的貢獻(xiàn)因子

本文將DEA模型得出的純技術(shù)效率值PTE作為被解釋變量，三類資金中政府資金當(dāng)年比重GF、直接融資額當(dāng)年比重DF、間接融資額當(dāng)年比重IF作為解釋變量，構(gòu)建面板回歸模型。面板模型種類繁多，此處將基本模型設(shè)定為：

PTEit=β1GFit+β2DFit+β3IFit+μit

由于當(dāng)沒有科技創(chuàng)新資金時，其配置效率也不復(fù)存在，所以模型中不存在常數(shù)項，即設(shè)定自發(fā)的資金配置效率為0。模型中，i代表每個樣本中地區(qū)的個數(shù)，t代表年度。需要特別說明的是，由于在測度資金配置效率時采用了時滯，即資金投入的年度比科技創(chuàng)新產(chǎn)出的年度滯后一期，此處t的數(shù)值與資金投入的年度相同。

五、實證結(jié)果及分析

本文選取我國27個省份2000～2013年的數(shù)據(jù)進行實證研究，全部數(shù)據(jù)來自于《中國統(tǒng)計年鑒》和《中國科技統(tǒng)計年鑒》。

（一）測度結(jié)果及動態(tài)分析

本文利用DEAP 2.1軟件，通過投入導(dǎo)向的BCC模型完成對科技創(chuàng)新資金配置效率的測度。為了防止社會經(jīng)濟規(guī)模的影響因素出現(xiàn)較大變化，本文先剔除時間變量，以每個截面的有效前沿分別作為當(dāng)期的標(biāo)桿（benchmark），測算各省市的科技創(chuàng)新資金配置效率，結(jié)果如表1所示。

表1　2000～2013年各地區(qū)的純技術(shù)效率值

為了描述橫向?qū)Ρ鹊贸龅男手翟跁r間軸上的動態(tài)變化，本文采用各期排名近似代替各年度資金配置效率的高低，并從左至右將各地區(qū)的排名均值由高到低進行排序，以統(tǒng)計分析的方式展示其14年排名標(biāo)準(zhǔn)差的變化，以衡量其排名的穩(wěn)定性，如圖1所示：

圖1　各地區(qū)效率值排名的標(biāo)準(zhǔn)差

由圖中可以看出，排名均值處于高低兩端位置的地區(qū)其波動率通常較小，而排名均值居中的地區(qū)波動率則通常較大，本文將初次篩選的標(biāo)準(zhǔn)差閾值設(shè)定為全部標(biāo)準(zhǔn)差的中位數(shù)4.128，據(jù)此將排名均值穩(wěn)定在兩端的地區(qū)分為“資金配置效率高”和“資金配置效率低”兩個對比組。為了使兩組地區(qū)的選擇更具科學(xué)性，本文還通過K-Mean聚類分析法對各地區(qū)每年的效率值及14年效率均值分別進行聚類分析，結(jié)合以統(tǒng)計分析為基礎(chǔ)的初次篩選結(jié)果，得到“高效地區(qū)”：北京、上海、浙江、廣東、重慶、云南、寧夏；“低效地區(qū)”：河北、山西、遼寧、黑龍江、安徽、江西、山東、河南、湖北、陜西。以此為樣本研究科技創(chuàng)新資金來源結(jié)構(gòu)對兩組地區(qū)的差異化影響。

需要指出的是，在“高效地區(qū)”樣本組中，除了北京、重慶及長三角、珠三角中幾個普遍被認(rèn)為科技創(chuàng)新資金配置效率較高的省市以外，還出現(xiàn)了云南和寧夏這兩個直覺認(rèn)為效率不高的地區(qū)，并且由標(biāo)準(zhǔn)差分析來看，它們的排名波動還處于較為穩(wěn)定的范圍。通過進一步觀察“高效地區(qū)”樣本組的DEA分析結(jié)果，我們發(fā)現(xiàn)北京、上海、浙江、廣東、重慶五個省市在14年中均處于非規(guī)模報酬遞增（NIRS）狀態(tài)，而云南和寧夏各年度則均為非規(guī)模報酬遞減（NDRS）①非規(guī)模報酬遞增（Non-Increasing Returns to Scale）即處于規(guī)模報酬遞減（Decreasing Returns to Scale）或規(guī)模報酬不變（ConstantReturns to Scale）狀態(tài)，非規(guī)模報酬遞減（Non-Decreasing Returns to Scale）則與之相反。。也就是說，云南、寧夏雖然在純技術(shù)效率上達(dá)到了高效，但從規(guī)模報酬狀態(tài)來看還處于成長期，而不是像其他五個地區(qū)一樣已經(jīng)趨于成熟，這與現(xiàn)實情況也是相符的。

但從整體來看，“低效地區(qū)”樣本組在14年中平均有12年處于NDRS狀態(tài)，而上述兩個樣本組以外的中游地區(qū)則平均有8.8年處于NDRS狀態(tài)，呈現(xiàn)出資金配置效率越低，NDRS年度越多的規(guī)律。這種情況下，云南和寧夏在“高效地區(qū)”樣本組中就有可能屬于異常樣本。鑒于此，在研究科技創(chuàng)新資金的結(jié)構(gòu)貢獻(xiàn)因子時，本文會同時使用原始高效地區(qū)樣本，以及剔除云南、寧夏兩個地區(qū)的高效地區(qū)樣本分別研究，以保證實證結(jié)果的穩(wěn)健性。

（二）資金結(jié)構(gòu)貢獻(xiàn)率實證結(jié)果

在資金結(jié)構(gòu)貢獻(xiàn)因子分析階段，本文首先使用LLC、IPS、ADF-Fisher、PP-Fisher方法對各組相關(guān)數(shù)據(jù)進行了單位根檢驗，結(jié)果均表明不存在單位根。然后根據(jù)前文設(shè)定的面板模型，對原始高效地區(qū)樣本、穩(wěn)健性檢驗樣本、低效地區(qū)樣本分別進行實證分析。由于這三組數(shù)據(jù)的自變量和因變量均為比率數(shù)據(jù)，在使用固定效應(yīng)或隨機效應(yīng)進行面板回歸時，殘差的相關(guān)矩陣均為奇異矩陣，無法進行估計。故本文在使用混合面板模型的基礎(chǔ)上使用時期加權(quán)估計方法，并對系數(shù)標(biāo)準(zhǔn)差進行懷特截面加權(quán)穩(wěn)健估計，消除殘差的個體異方差和同期相關(guān)性。

所得到的三組實證結(jié)果如表2所示。

表2　資金結(jié)構(gòu)貢獻(xiàn)率實證結(jié)果

資料來源：Eviews8軟件測算。

將表2中前兩組面板模型的系數(shù)進行對比可以看出，原始高效地區(qū)樣本和穩(wěn)健性檢驗樣本的各類資金結(jié)構(gòu)貢獻(xiàn)因子影響效力相似、影響方向相同，說明該實證結(jié)果具有穩(wěn)健性，可以對原始高效地區(qū)樣本和低效地區(qū)樣本進行對比，分析各自資金的差異化配置對其資金配置效率的影響。

在高效地區(qū)樣本中，系數(shù)由高到低依次為IF、GF、DF，即間接融資資金的結(jié)構(gòu)貢獻(xiàn)率最大，而直接融資資金的結(jié)構(gòu)貢獻(xiàn)率最小。這說明高效地區(qū)適當(dāng)增加一些間接融資資金比重，并同時減少一些直接融資資金比重，將使其資金配置效率得到一定程度的提高。本文認(rèn)為出現(xiàn)這個結(jié)果的主要原因在于，高效地區(qū)擁有相對較高的科技發(fā)展水平，這需要通過提高約束力較強的間接融資資金比重來提高科技創(chuàng)新資金的配置效率；而約束力較弱的直接融資資金會被優(yōu)先配置于探索性實驗中，如果其比重較大，必然會造成一定的浪費。

在低效地區(qū)樣本中，系數(shù)由高到低依次為GF、DF、IF，其中政府資金的結(jié)構(gòu)貢獻(xiàn)率最大，而間接融資資金的結(jié)構(gòu)貢獻(xiàn)率最小。這說明在低效地區(qū)中，政府資金的引導(dǎo)作用在其地區(qū)科技創(chuàng)新活動中至關(guān)重要；而直接融資資金和間接融資資金結(jié)構(gòu)貢獻(xiàn)率都較小，且其中直接融資資金的系數(shù)相對較大，本文認(rèn)為，由于這些地區(qū)的科技發(fā)展水平相對較低，同時高端經(jīng)濟要素又被相鄰高效地區(qū)的虹吸作用吸引，社會資金對其進行投資的意愿愈發(fā)降低，而其中直接融資資金特有的風(fēng)險偏好屬性使其對低效地區(qū)的結(jié)構(gòu)貢獻(xiàn)率優(yōu)于間接融資資金。

六、主要結(jié)論及政策建議

（一）主要結(jié)論

本文利用數(shù)據(jù)包絡(luò)分析法的BCC模型及KMean聚類分析法，通過觀察各地區(qū)科技創(chuàng)新資金配置效率和規(guī)模報酬特點的時空動態(tài)變化，得出具有對比意義的兩個地區(qū)樣本。其中，高效地區(qū)樣本里除了普遍獲得認(rèn)同的北京及東部沿海部分地區(qū)外，重慶、云南、寧夏在中西部地區(qū)的效率優(yōu)勢值得關(guān)注和利用。而在低效地區(qū)樣本中，絕大多數(shù)是高效地區(qū)周邊的中東部省份，而科技水平普遍不高的西部地區(qū)并未出現(xiàn)在其中，本文認(rèn)為這一定程度上是由于高效地區(qū)的虹吸效應(yīng)所致。

通過面板模型將其科技創(chuàng)新資金的結(jié)構(gòu)性影響因素兩相對比發(fā)現(xiàn)，高效地區(qū)和低效地區(qū)的科技創(chuàng)新資金結(jié)構(gòu)貢獻(xiàn)大不相同，在高效地區(qū)中結(jié)構(gòu)貢獻(xiàn)系數(shù)最高的為間接融資資金，最低的則是直接融資資金；在低效地區(qū)中結(jié)構(gòu)貢獻(xiàn)系數(shù)最高的為政府資金，最低的則是間接融資資金，這不僅對兩個樣本組各自的資金配置效率優(yōu)化有參考價值，還對低效地區(qū)向高效地區(qū)進行逐步轉(zhuǎn)變具有路徑規(guī)劃意義。

（二）政策建議

1.形成以高效地區(qū)為中心的協(xié)同發(fā)展

高效地區(qū)對其周邊的虹吸效應(yīng)顯而易見，這會促使后者的人、財、物乃至高端信息向前者流動，造成低效地區(qū)普遍出現(xiàn)在高效地區(qū)周邊的現(xiàn)象。為了防止經(jīng)濟要素被高效地區(qū)過度吸引，本文建議各個地方政府尤其是低效地區(qū)的政府應(yīng)當(dāng)通過積極組織科技研討、科技培訓(xùn)等活動來利用高效地區(qū)的輻射效應(yīng)，加強自身與高效地區(qū)的相互往來，在互動交流中發(fā)現(xiàn)機遇、抓住機遇，最終實現(xiàn)協(xié)同發(fā)展。

2.低效地區(qū)向高效地區(qū)轉(zhuǎn)型的路徑規(guī)劃

由本文的實證結(jié)果可以看出，低效地區(qū)的地方政府需發(fā)揮自身的引導(dǎo)作用，充分利用政府信用及各類政策優(yōu)惠，吸引具有風(fēng)險偏好屬性的直接融資資金投入本地的科技創(chuàng)新活動之中，使本地科技水平提升獲得更加有力的支持；待地區(qū)科技水平發(fā)展到一定程度、投資風(fēng)險可以得到一定控制后，再逐步引進具有風(fēng)險規(guī)避屬性的間接融資資金，進一步充實科技創(chuàng)新活動資本。

［1］SchumpeterJ.Thetheoryof economics development［M］.Cambridge： HarvardUniversity Press，1912.

［2］余泳澤.創(chuàng)新要素集聚、政府支持與科技創(chuàng)新效率——基于省域數(shù)據(jù)的空間面板計量分析［J］.經(jīng)濟評論，2011，（2）：93～101.

［3］徐玉蓮，王宏起.科技金融對技術(shù)創(chuàng)新的支持作用：基于Bootstrap方法的實證分析［J］.科技進步與對策，2012，29（3）：1～4.

［4］吳佐，張娜，王文.政府R&D投入對產(chǎn)業(yè)創(chuàng)新績效的影響——來自中國工業(yè)的經(jīng)驗證據(jù)［J］.中國科技論壇，2013，（12）：31～37.

［5］俞立平.金融支持、政府與企業(yè)投入對科技創(chuàng)新的貢獻(xiàn)研究［J］.科研管理，2015，36（3）.

［6］孟衛(wèi)東，王清.區(qū)域創(chuàng)新體系科技資源配置效率影響因素實證分析［J］.統(tǒng)計與決策，2013，（4）：96～99.

［7］熊廣勤，鄭旸.科技產(chǎn)業(yè)上市公司金融支持效率及其影響因素研究［J］.科技管理研究，2014，（14）：106～112.

［8］黃海霞，張治河.基于DEA模型的我國戰(zhàn)略性新興產(chǎn)業(yè)科技資源配置效率研究［J］.中國軟科學(xué)，2015，（1）：150～159.

［9］鄭玉航，李正輝.中國金融服務(wù)科技創(chuàng)新的有效性研究［J］.中國軟科學(xué)，2015，（7）：127～136.

［10］朱南，譚德彬.我國財務(wù)公司資金使用效率、動態(tài)變化及影響因素研究——基于DEA方法的實證分析［J］.金融研究，2015，（1）：177～192.

［11］Cooper W.W.，Tone K.，Seiford L.M..Data Envelopment Analysis：A Comprehensive Text with Models，Applications，References and DEA-Solver Software［J］.Journal of theOperational Research Society，2007，14（90）：145～156.

F124.6

A

1006-169X（2016）08-0037-06

國家社會科學(xué)基金一般項目“市場決定背景下金融資源錯配的微觀基礎(chǔ)及治理機制研究”，項目編號：15BJL028；中國濱海金融協(xié)同創(chuàng)新中心資助項目“濱海新區(qū)科技金融創(chuàng)新研究”，項目編號：BJZX010103；天津財經(jīng)大學(xué)研究生科研資助計劃“金融支持科技型企業(yè)成長的效率評價與路徑優(yōu)化”，項目編號：2014TCB01。