李俊霞，溫小霓

(西安電子科技大學(xué) 經(jīng)濟(jì)與管理學(xué)院，陜西 西安 710126)

一、引言

美國對華實(shí)施貿(mào)易戰(zhàn)，說明中國科技創(chuàng)新強(qiáng)勁，已對世界產(chǎn)生重要影響，面臨“修昔底德陷阱”，中興被制裁事件，更是進(jìn)一步警醒中國企業(yè)尤其高技術(shù)公司，必須進(jìn)行創(chuàng)新，掌握核心技術(shù)。進(jìn)行科技創(chuàng)新的過程離不開資本的支持，科技創(chuàng)新始于技術(shù)成于資本，資本市場可以優(yōu)化創(chuàng)新資源配置，金融具有分散創(chuàng)新風(fēng)險(xiǎn)的功能[1]，這使得科技與金融深度融合發(fā)展迫在眉睫。在市場經(jīng)濟(jì)中，各種要素都要靠金融的連接，金融資源的配置效率決定了社會資源的配置效率。同時(shí)，金融業(yè)對經(jīng)濟(jì)增長貢獻(xiàn)率越來越大，研究我國科技金融發(fā)展效率問題，是順應(yīng)時(shí)代需求和符合國家戰(zhàn)略方針的，可推動要素市場合理配置，促進(jìn)金融產(chǎn)業(yè)和科技產(chǎn)業(yè)更加優(yōu)質(zhì)融合[2]，增強(qiáng)我國科技創(chuàng)新力和競爭力，助力中國產(chǎn)業(yè)升級、結(jié)構(gòu)調(diào)整及高質(zhì)量發(fā)展，邁向世界科技創(chuàng)新強(qiáng)國。

創(chuàng)新和研發(fā)投資是高質(zhì)量經(jīng)濟(jì)增長最為根本的源泉。2017年中國研發(fā)經(jīng)費(fèi)總投入1.75萬億元，居世界第二，但基礎(chǔ)投入與發(fā)達(dá)國家15%-25%的占比水平有很大差距。2016年中國R&D投入強(qiáng)度2.11%超過歐盟2.08%的平均水平，但仍低于創(chuàng)新型國家日本(3.49%)、韓國(4.23%)和以色列(4.25%)。中國現(xiàn)已成為與美、日齊名的專利大國，企業(yè)申請專利排名華為位居世界第一，但中國專利創(chuàng)收率不及美國的百分之一，每百萬人口專利申請數(shù)大約只有日本的14%，不到美國的32%，也顯著低于英法德等其他主要發(fā)達(dá)國家。2016年中國高新技術(shù)出口的比重下降7.8%，風(fēng)險(xiǎn)投資為341.49億美元，占全球26.16%，而美國是52.51%，美國21%的GDP是由風(fēng)險(xiǎn)投資背景的公司貢獻(xiàn)，而中國市場資本對創(chuàng)新生態(tài)的支持和發(fā)達(dá)國家相比還是很低，對原始性價(jià)值的投資也較少。2017年中國直接融資占比大幅下滑，僅為6.8%?？梢?，中國創(chuàng)新能力強(qiáng)勁，科技創(chuàng)新過程金融投入的規(guī)模和力度都在逐年增加，但創(chuàng)新效率仍很低，金融投入的并不是越多越好，要注重效益驅(qū)動創(chuàng)新，又加之要素資源極為有限，如何實(shí)現(xiàn)科技和金融資源深度融合與高效配置的研究顯得尤為重要。

正是在這一思路之下，利用創(chuàng)新理論和創(chuàng)新經(jīng)濟(jì)學(xué)思想，本文以2009-2016年全國27個(gè)省市自治區(qū)科技金融發(fā)展面板數(shù)據(jù)為樣本，基于“金融資源”和“創(chuàng)新成果”質(zhì)量視角的相對數(shù)值構(gòu)建評價(jià)指標(biāo)體系，從靜態(tài)和動態(tài)雙重角度進(jìn)行綜合研究設(shè)計(jì)與效率測算，并探究主要影響我國科技金融發(fā)展效率的市場金融資源要素。

本文的貢獻(xiàn)在于：(1)采用Citespace V可視化軟件對科技金融相關(guān)的大量文獻(xiàn)進(jìn)行計(jì)量分析，結(jié)合數(shù)量統(tǒng)計(jì)結(jié)果，綜合考慮科技創(chuàng)新資金支持和分散風(fēng)險(xiǎn)等因素，從質(zhì)量視角科學(xué)的構(gòu)建效率評價(jià)指標(biāo)，豐富和完善了科技金融效率評價(jià)指標(biāo)體系的理論基礎(chǔ)。(2)利用評價(jià)效率的主流方法DEA[3]，全面考慮規(guī)模效應(yīng)、資源有限性及整體可比性等問題，選擇SBM產(chǎn)出導(dǎo)向規(guī)模報(bào)酬可變的Bootstrap-DEA模型，提升了我國科技金融資源配置效率測算的可靠性。(3)從靜態(tài)和動態(tài)相結(jié)合角度，對比分析引起全國、各區(qū)域和各省市科技金融發(fā)展的技術(shù)效率和增長率變動的原因。依據(jù)靜態(tài)和動態(tài)效率測算結(jié)果，估計(jì)我國各省市整體科技金融發(fā)展綜合效率，運(yùn)用Tobit模型找到影響效率的主要市場金融因素，并結(jié)合系統(tǒng)動力學(xué)(SD)對其進(jìn)行政策仿真分析，為提高我國科技金融發(fā)展資源配置效率提供科學(xué)系統(tǒng)的方法。

二、文獻(xiàn)綜述

(一)科技金融對科技創(chuàng)新的影響

Ang(2014)使用時(shí)間序列數(shù)據(jù)，證明金融對科技創(chuàng)新有促進(jìn)作用[4]。Doh S(2014)發(fā)現(xiàn)政府金融支持對中小企業(yè)技術(shù)創(chuàng)新有正向促進(jìn)作用[5]。Lina Sonne(2012)認(rèn)為金融創(chuàng)新能夠幫助企業(yè)解決融資難的問題[6]。王宏起(2012)構(gòu)建協(xié)同度模型，認(rèn)為要進(jìn)一步認(rèn)識科技金融對科技創(chuàng)新的助推作用及二者協(xié)同發(fā)展的重要性[7]。馬衛(wèi)剛(2014)利用DEA模型研究了2007-2012年中國科技與金融結(jié)合效益，認(rèn)為金融資源配置效率是引起科技與金融結(jié)合效率的主要原因[8]。張玉喜(2015)通過動態(tài)面板模型,實(shí)證分析發(fā)現(xiàn)短期內(nèi)金融業(yè)可以促進(jìn)我國科技創(chuàng)新的產(chǎn)出[9]。蘆峰(2015)運(yùn)用面板數(shù)據(jù)分析科技金融(市場和公共)支持科技創(chuàng)新，結(jié)果表明科技金融對不同區(qū)域與階段科技創(chuàng)新有不同作用[10]。陳思(2017)認(rèn)為風(fēng)險(xiǎn)投資顯著促進(jìn)企業(yè)科技創(chuàng)新，使企業(yè)專利數(shù)量顯著增加[11]。

(二)科技金融發(fā)展效率的測算

效率評價(jià)是科技金融領(lǐng)域研究的主要內(nèi)容之一，而測算效率最常用和主要的方法就是數(shù)據(jù)包絡(luò)分析(DEA)。朱有為(2006)利用隨機(jī)前沿生產(chǎn)函數(shù)，發(fā)現(xiàn)中國高技術(shù)產(chǎn)業(yè)的研發(fā)效率整體偏低，并探究企業(yè)規(guī)模等影響因素[12]。薛曄(2017)對科技金融發(fā)展效率用貝葉斯隨機(jī)前沿模型進(jìn)行測算，發(fā)現(xiàn)政府財(cái)政科技經(jīng)費(fèi)投入、創(chuàng)業(yè)風(fēng)險(xiǎn)投資和科技資本對科技金融發(fā)展具有正向作用，而銀行科技信貸有抑制效果[13]。杜金岷(2016)采用DEA模型，研究發(fā)現(xiàn)中國不同地區(qū)科技金融投入產(chǎn)出效率受法律、政策環(huán)境因素影響差異大[14]。劉悅(2016)發(fā)現(xiàn)金融資源配置方式影響產(chǎn)業(yè)結(jié)構(gòu)和效率水平[15]。在發(fā)達(dá)國家，Chowdhury(2012)發(fā)現(xiàn)，金融業(yè)發(fā)展水平與該國企業(yè)R&D投入呈正相關(guān)，金融業(yè)與科技需要深度融合[16]。

通過對文獻(xiàn)的梳理歸納出：一是指標(biāo)選取上，文獻(xiàn)中涉及的指標(biāo)種類非常多，但很少是通過定量科學(xué)分析來構(gòu)建評價(jià)指標(biāo)且大多數(shù)采用是絕對數(shù)值；二是研究方法上，科技金融發(fā)展效率的評價(jià)理論層面研究多于實(shí)證方面的研究，同時(shí)僅對某一年或以省份截面數(shù)據(jù)的分析也是不全面的。在數(shù)據(jù)選取與設(shè)計(jì)上，也較少學(xué)者同時(shí)考慮到規(guī)模效應(yīng)[17]、發(fā)展周期性和資源有限性等問題。為補(bǔ)充和完善文獻(xiàn)遺留問題，筆者從(市場、政府、企業(yè))金融資源投入和(專利質(zhì)量、科技成果轉(zhuǎn)化規(guī)模、創(chuàng)新國際影響力)創(chuàng)新成果產(chǎn)出方面科學(xué)構(gòu)建8個(gè)相對數(shù)值指標(biāo)作為本文的評價(jià)指標(biāo)體系。數(shù)據(jù)設(shè)計(jì)滯后期為1年，選擇SBM產(chǎn)出導(dǎo)向規(guī)模報(bào)酬可變的Bootstrap-DEA模型和Malmquist指數(shù)測算效率，結(jié)合靜態(tài)和動態(tài)結(jié)果估計(jì)我國各省科技金融發(fā)展綜合效率，并探究關(guān)鍵影響因素。

三、模型的選取與設(shè)計(jì)

決策單元效率可通過產(chǎn)出/投入的比值來定量測度在該行業(yè)的水平程度。下文將詳細(xì)地介紹是如何選擇和設(shè)計(jì)研究模型的。

(一)Bootstrap-DEA模型

使用常規(guī)DEA模型對每一個(gè)決策單元進(jìn)行評價(jià)，其結(jié)果有兩類：該決策單元能夠?qū)Y源充分利用，效率值為1；另一類效率值為0-1間，該決策單元DEA無效[18]。發(fā)現(xiàn)，常規(guī)DEA測算后將近2/3的單元效率值都為1，會導(dǎo)致效率估計(jì)偏高，無法有效排序，而Bootstrap-DEA模型恰好修正了該缺點(diǎn)。Simar和Wilson(2000)將Bootstrap應(yīng)用到DEA模型[19]，糾偏了常規(guī)DEA測算的效率值，并能夠給出效率的統(tǒng)計(jì)估計(jì)量，使各地區(qū)科技金融發(fā)展效率的比較和分析結(jié)果更加準(zhǔn)確。

在既定投入下應(yīng)以增加產(chǎn)出作為提高科技金融效率的主要途徑，同時(shí)考慮到投入規(guī)模對效率的影響、社會資源有限性以及投入產(chǎn)出松弛性等問題，本文最終設(shè)計(jì)SBM-output模型基于規(guī)模報(bào)酬可變的Bootstrap-DEA模型來測算我國科技金融區(qū)域靜態(tài)發(fā)展效率。在評價(jià)結(jié)果中，若效率值小于1，則該決策單元沒有達(dá)到最優(yōu)效率；若效率值等于1，則說明被評價(jià)決策單元為強(qiáng)有效。

(二)Malmquist指數(shù)模型

Malmquist指數(shù)可實(shí)現(xiàn)對效率的動態(tài)變化研究，彌補(bǔ)了靜態(tài)DEA模型不能對連續(xù)時(shí)間序列數(shù)據(jù)進(jìn)行分析的弊端[20]，同時(shí)也考慮了技術(shù)進(jìn)步因素。利用面板數(shù)據(jù)，基于Bootstrap-Malmquist指數(shù)模型來測度全要素生產(chǎn)率(TFP)情況，得到的研究結(jié)果更具有可信度。因此本文最終選擇動態(tài)Bootstrap-Malmquist指數(shù)與靜態(tài)Bootstrap-DEA方法相結(jié)合，以此對我國科技金融發(fā)展效率全面度量評價(jià)。依據(jù)估計(jì)的結(jié)果，運(yùn)用Tobit模型探究影響綜合效率的主要因素。該研究的設(shè)計(jì)使效率評價(jià)體系更完整和系統(tǒng)化。

四、評價(jià)指標(biāo)的設(shè)計(jì)和數(shù)據(jù)說明

(一)我國科技金融效率評價(jià)指標(biāo)的設(shè)計(jì)

選擇合適的投入產(chǎn)出指標(biāo)對測算相對效率非常重要。本文利用Citespace V可視化軟件對大量科技金融文獻(xiàn)計(jì)量分析[21]，科學(xué)、系統(tǒng)地對當(dāng)前常用的投入產(chǎn)出指標(biāo)進(jìn)行廣泛了解(見圖1)，然后進(jìn)行指標(biāo)數(shù)量統(tǒng)計(jì)(見圖2)，增加了指標(biāo)選擇的客觀性和科學(xué)性。同時(shí)使用相對指標(biāo)增強(qiáng)對比意義、評價(jià)結(jié)果實(shí)用性更高更合理[22]。

最終本文設(shè)計(jì)的投入指標(biāo)是基于科技創(chuàng)新過程中必要的金融資源要素[23]，包括市場投入(科技孵化器孵化能力、創(chuàng)業(yè)風(fēng)險(xiǎn)投資的投資強(qiáng)度、直接融資比例)、政府支持投入及企業(yè)自身投入力度，充分地保證了科技金融發(fā)展資本供給需求。本文設(shè)計(jì)衡量科技金融產(chǎn)出成果包含專利質(zhì)量、科技成果轉(zhuǎn)化規(guī)模和國際競爭力影響三方面因素，能夠反映和實(shí)現(xiàn)對科技金融效率的準(zhǔn)確評價(jià)。綜上考慮科學(xué)性、合理性和創(chuàng)新性，設(shè)計(jì)出我國科技金融資源配置效率評價(jià)指標(biāo)體系，見表1。

(二)數(shù)據(jù)的選取與設(shè)計(jì)

基于數(shù)據(jù)的時(shí)效性、準(zhǔn)確性和可獲得性，本文選取2009-2016年中國27個(gè)省市自治區(qū)(不包含內(nèi)蒙古、西藏、青海和海南)作為樣本，原始數(shù)據(jù)均來源于《中國科技統(tǒng)計(jì)年鑒》、《中國創(chuàng)業(yè)風(fēng)險(xiǎn)投發(fā)展報(bào)告》、《中國火炬統(tǒng)計(jì)年鑒》(2010-2017年)以及Wind金融數(shù)據(jù)庫。

圖1 科技金融領(lǐng)域文獻(xiàn)關(guān)鍵詞時(shí)序分布圖

科技金融發(fā)展需要一定的周期，為更加準(zhǔn)確地度量當(dāng)年效率，依據(jù)歷史相關(guān)經(jīng)驗(yàn)，本文假設(shè)科技金融產(chǎn)出滯后投入1年，自第t-1年開始，每年連續(xù)投入研發(fā)力量，直至第t年獲得產(chǎn)出。

圖2 評價(jià)科技金融發(fā)展指標(biāo)統(tǒng)計(jì)圖

評價(jià)內(nèi)容具體指標(biāo)計(jì)算方法單位投入指標(biāo)企業(yè)資金投入政府資金投入市場金融資源投入企業(yè)研發(fā)投入力度R&D企業(yè)經(jīng)費(fèi)支出/R&D經(jīng)費(fèi)支出%地方財(cái)政科學(xué)技術(shù)投入比例地方公共財(cái)政支出合計(jì)/地方財(cái)政科學(xué)技術(shù)支出%科技孵化器孵化企業(yè)能力科技企業(yè)孵化器孵化基金總額/在孵企業(yè)數(shù)萬元/個(gè)創(chuàng)業(yè)風(fēng)險(xiǎn)投資的投資強(qiáng)度創(chuàng)業(yè)風(fēng)險(xiǎn)投資額/投資項(xiàng)目數(shù)萬元/項(xiàng)直接融資比例(企業(yè)債券+非金融企業(yè)境內(nèi)股票融資)/社會融資規(guī)模%產(chǎn)出指標(biāo)專利質(zhì)量發(fā)明專利授權(quán)數(shù)占比發(fā)明專利申請授權(quán)數(shù)/專利申請授權(quán)數(shù)%技術(shù)轉(zhuǎn)移和科技成果轉(zhuǎn)化的總體規(guī)模每萬名科技活動人員技術(shù)市場成交額技術(shù)市場成交金額/R&D人員億元/萬人國際競爭力影響高技術(shù)產(chǎn)品出口占比高技術(shù)產(chǎn)品出口貿(mào)易額/貨物出口總額%

五、研究結(jié)果分析

(一)我國科技金融資效率靜態(tài)視角分析

運(yùn)行MaxDEA ultra7.6軟件，選取SBM-output規(guī)模報(bào)酬可變的Bootstrap-DEA模型對中國各省(市、自治區(qū))科技金融發(fā)展效率進(jìn)行測算，計(jì)算出我國27個(gè)省市自治區(qū)2011-2016年科技金融發(fā)展的靜態(tài)常規(guī)效率值和修正后的效率值，并統(tǒng)計(jì)出各地區(qū)整體糾偏后的效率均值，如表2所示。

通過常規(guī)DEA模型測算出，2016年我國27個(gè)省市自治區(qū)科技金融發(fā)展效率中2/3地區(qū)達(dá)到有效狀態(tài)(見表2)。而在Bootstrap估計(jì)中，不需要額外樣本和假設(shè)，通過隨機(jī)模擬大量樣本對DEA的效率值進(jìn)行估計(jì)和糾偏，克服了小樣本估計(jì)偏高的缺點(diǎn)，其糾偏后的效率值均小于常規(guī)DEA值。這充分說明未經(jīng)Bootstrap技術(shù)糾偏的常規(guī)DEA效率原值確實(shí)高估了科技金融發(fā)展效率，Bootstrap-DEA模型可描述真實(shí)效率值統(tǒng)計(jì)位置。

表3顯示，2011-2016年我國各省科技金融發(fā)展整體效率排名第一的是上海市，均值為0.8572。這結(jié)果與上海繁榮的金融和科技市場密不可分。截至2016年末，上海轄區(qū)內(nèi)已有科技特色支行77家，科技支行6家，專屬的科技金融部門11個(gè)。上海市每年的高技術(shù)產(chǎn)品出口占比均高于北京與廣東。上海直接融資比例由2011年的17.2%上升至2016年的24.26%，而北京市由66.4%下降至38.9%。上海不僅是中國的金融中心，正建設(shè)為全球科技創(chuàng)新中心，擁有足夠多的投資人群，吸引到大量的企業(yè)、金融產(chǎn)品與復(fù)合型科技金融人才。未來，上海市應(yīng)繼續(xù)充分利用好豐富的金融資源和科技資源，推動我國科技金融站立國際制高點(diǎn)。

表2 2016年我國27省(市)科技金融效率值的相關(guān)統(tǒng)計(jì)量

注“常規(guī)DEA效率值”列數(shù)據(jù)為常規(guī)DEA模型所測算的科技金融發(fā)展效率原值；“Bootstrap-DEA效率值”列數(shù)據(jù)是在常規(guī)發(fā)展效率原值基礎(chǔ)上，使用Bootstrap技術(shù)糾偏后得到的技術(shù)效率值。由于篇幅限制，只列2016年，其他年份詳細(xì)的面板數(shù)據(jù)測算值從略。

表3 2011-2016年我國27個(gè)省(市)整體Bootstrap-DEA靜態(tài)技術(shù)效率情況

從Bootstrap-DEA模型測算的靜態(tài)技術(shù)效率值看，我國科技金融發(fā)展效率呈先略微下降后穩(wěn)步上升趨勢，總體波動不大，但均為未達(dá)到有效狀態(tài)。從各區(qū)域整體的Bootstrap-DEA效率值看，西部地區(qū)整體的效率值比東部和中部地區(qū)要高，原因在于西部地區(qū)資金少但有效利用方面效率高，另一方面西部地區(qū)各省份發(fā)展較均衡。而東部和中部地區(qū)各省份之間差異較大，譬如東部地區(qū)的浙江省和中部地區(qū)的安徽省?？砂l(fā)現(xiàn)浙江省歷年的高技術(shù)產(chǎn)品出口占比不及上海市的六分之一，安徽省歷年的科技孵化器資金投入和直接融資比例均低于其他幾個(gè)省份。未來，浙江省需要增加高技術(shù)產(chǎn)品出口，注重高科技創(chuàng)新要素資源配置，激發(fā)高科技企業(yè)研發(fā)活力，掌握核心技術(shù)，提升產(chǎn)業(yè)國際競爭力。而安徽省需要加強(qiáng)科技孵化器對企業(yè)的孵化能力，可與北京、上海等發(fā)達(dá)地區(qū)聯(lián)合建設(shè)“離岸孵化器”模式，提升專業(yè)服務(wù)質(zhì)量，鼓勵(lì)加大風(fēng)險(xiǎn)投資機(jī)構(gòu)的投資力度和范圍，加快發(fā)展多層次的資本市場。

(二)我國科技金融效率動態(tài)視角分析

為完善評價(jià)效果，考慮金融資源投入與技術(shù)進(jìn)步的增長率變化問題，本文結(jié)合動態(tài)視角Bootstrap-Malmquist模型，探究增長變化趨勢，來全面揭示我國科技金融資源配置效率情況。

表4 我國整體平均Malmquist指數(shù)及其效率分解表(2011-2016年)

注：表中各項(xiàng)指標(biāo)的增長率=表中各項(xiàng)指數(shù)-1。

表4結(jié)果表明，2011-2016年我國科技金融發(fā)展生產(chǎn)率的變動情況呈先升后降再升又降狀態(tài)，年均增長率3.97%。但區(qū)域增長率變化存在差異，東部地區(qū)生產(chǎn)率增長最快，為11%，地區(qū)整體金融資源結(jié)構(gòu)豐富、規(guī)模較大，技術(shù)進(jìn)步快、發(fā)明專利占比大，科技成果轉(zhuǎn)化規(guī)模大，高技術(shù)產(chǎn)業(yè)對國際競爭力影響大?？梢?，資本渠道與投入力度會直接影響地區(qū)技術(shù)進(jìn)步水平，決定要素生產(chǎn)率變動情況，進(jìn)而影響該地區(qū)科技金融發(fā)展水平。

(三)科技金融發(fā)展綜合效率估計(jì)

依據(jù)上文得到各省市自治區(qū)科技金融發(fā)展整體靜態(tài)和動態(tài)的效率值，可發(fā)現(xiàn)測算的各省市區(qū)效率排序存在一定的差異，因此為了更合理地評價(jià)各省市自治區(qū)科技金融發(fā)展的整體狀況，需綜合估計(jì)靜態(tài)與動態(tài)效率值。設(shè)計(jì)的估計(jì)模型為：

科技金融綜合效率=Bootstrap-DEA×α+MI×β。

靜態(tài)Bootstrap-DEA主要評價(jià)的是科技金融資源配置效率，動態(tài)Malmquist指數(shù)主要評價(jià)生產(chǎn)率變動情況，而各省由于基期發(fā)展水平不同，各要素投入產(chǎn)出增長率存在很大差異。依據(jù)本文研究目標(biāo)，最終確定靜態(tài)效率值在評價(jià)綜合效率時(shí)占主導(dǎo)地位，并結(jié)合模糊決策等理論，最終設(shè)計(jì)Bootstrap-DEA靜態(tài)偏好系數(shù)α為0.8，M指數(shù)動態(tài)偏好系數(shù)β為0.2，測算出我國27個(gè)省市自治區(qū)2011-2016年整體科技金融發(fā)展綜合效率值，并對其進(jìn)行排序與分類評價(jià)，如表5所示。

由表5可看出，估計(jì)結(jié)果確實(shí)中和了靜態(tài)和動態(tài)效率值，使得評價(jià)更合理。2011-2016年整體上各省市自治區(qū)科技金融綜合效率均小于1，未達(dá)到資源配置有效狀態(tài)，且各省市、區(qū)域之間存在顯著性差異，應(yīng)加強(qiáng)地域要素流動，協(xié)同發(fā)展。

結(jié)合27個(gè)省市自治區(qū)靜態(tài)效率與動態(tài)效率分類畫出四象限分布圖(見圖3)，可得到綜合效率值在全國水平之上的省市分布在第Ⅰ和Ⅳ象限，其中第Ⅰ象限的省市資源配置效率略高于第Ⅳ象限的省市。第Ⅳ象限分布的省市科技金融資源配置情況和技術(shù)進(jìn)步水平均低于第Ⅰ象限的省市自治區(qū)，應(yīng)加強(qiáng)市場資本的投入力度，提高科技成果轉(zhuǎn)化規(guī)模與創(chuàng)新產(chǎn)業(yè)國際影響力。

(四)市場金融資源對科技金融效率影響

金融資源配置要比經(jīng)濟(jì)其他資源配置更加高效，充分發(fā)揮市場在配置金融資源中決定性作用尤為重要。因此，當(dāng)前我國市場金融資源對科技金融發(fā)展效率影響如何，是非常值得研究的問題。

基于此，本文選擇2011-2016年我國27個(gè)省面板數(shù)據(jù)作為研究市場金融資源對科技金融發(fā)展效率影響的樣本。其中，市場金融資源包含科技企業(yè)孵化器基金扶持度、創(chuàng)業(yè)風(fēng)險(xiǎn)投資的投資強(qiáng)度以及資本市場直接融資能力，綜合效率值涵蓋資源配置效率與增長率變動。表5結(jié)果可知，測算的科技金融綜合效率值均在0-1之間，屬于截?cái)鄶?shù)據(jù)，當(dāng)用OLS對其進(jìn)行回歸會使估計(jì)量有偏且不一致，而Tobit模型可以很好地解決截?cái)嘧兞康膯栴}[24]，對科技金融效率影響因素可進(jìn)行合理地回歸分析。完成對異常數(shù)據(jù)的清洗，結(jié)果見表6。

科技創(chuàng)新始于技術(shù)成于資本，市場金融資源對配置效率起決定性作用，通過本文研究結(jié)果均得到證實(shí)。模型一和模型二都表明，市場金融資源均正向促進(jìn)科技金融發(fā)展效率。其中直接融資比例對科技金融發(fā)展效率影響程度最大。模型一與模型二對比可看出，考慮增長率變動，會減弱科技孵化器對科技金融發(fā)展效率的影響，此結(jié)果也證實(shí)了本文把靜態(tài)技術(shù)效率作為主導(dǎo)力是合理的。各地區(qū)要優(yōu)化高技術(shù)產(chǎn)業(yè)資源配置方式，鼓勵(lì)原創(chuàng)技術(shù)研發(fā)，制定相應(yīng)的容錯(cuò)機(jī)制，充分利用資本市場優(yōu)化金融資源結(jié)構(gòu)。引導(dǎo)創(chuàng)業(yè)風(fēng)險(xiǎn)投資和孵化基金大力支持科技創(chuàng)新項(xiàng)目，提升地區(qū)科技成果轉(zhuǎn)化規(guī)模和高科技產(chǎn)品出口能力。

表5 2011-2016年各省市平均科技金融發(fā)展效率總排名

圖3 2011-2016年我國27個(gè)省市自治區(qū)整體綜合效率分類圖

(五)科技金融發(fā)展效率系統(tǒng)政策仿真

為進(jìn)一步探究各類金融要素對科技金融發(fā)展的支持效率，采用系統(tǒng)動力學(xué)(system dynamics，簡稱SD)“政策實(shí)驗(yàn)”的特點(diǎn)[25]，構(gòu)建系統(tǒng)流圖模型(見圖4)和設(shè)置參數(shù)值，通過金融資源投入力度(見圖5)變化進(jìn)行仿真，對比觀察不同情景下科技產(chǎn)出與科技金融發(fā)展效率水平變化趨勢。仿真情形分兩類，一探究政策長期效應(yīng)更強(qiáng)還是短期，二探究市場和公共金融資源影響程度大小。

系統(tǒng)仿真結(jié)果如下，①單獨(dú)增加直接融資比例2016-2017年各20%和2010-2017每年增加5%，對比仿真科技產(chǎn)出值和科技金融發(fā)展效率水平結(jié)果(見圖6)可看出，連續(xù)五年每年增加5%效益>連續(xù)兩年每年增加20%>初始，因此實(shí)施長期政策連續(xù)支持比短期政策產(chǎn)生的效益更長遠(yuǎn)、影響力更大，金融酵母持續(xù)發(fā)力。②2010-2017年某一金融資源每年單獨(dú)增加5%，對比仿真結(jié)果(見圖7)可看出，直接融資比例效益>企業(yè)R&D經(jīng)費(fèi)投入效益>創(chuàng)業(yè)風(fēng)險(xiǎn)投資效益>政府R&D經(jīng)費(fèi)投入效益，因此，未來應(yīng)多實(shí)施真正拓寬科技企業(yè)融資能力針對性政策，政府投入更重在“自上而下”的頂層引導(dǎo)市場資本，注重投資高價(jià)值發(fā)明專利。

表6 市場資本因素對科技金融發(fā)展效率影響Tobit模型估計(jì)結(jié)果

注：*分別表示在99% 的水平下顯著。TBI科技企業(yè)孵化器孵化能力，VC創(chuàng)業(yè)風(fēng)險(xiǎn)投資的投資強(qiáng)度，DF直接融資比例。

圖4 科技金融發(fā)展效率水平系統(tǒng)動力學(xué)流圖

圖5 影響科技金融效率的主要金融資源初始值趨勢圖

圖6 科技產(chǎn)出與科技金融發(fā)展效率水平短期與長期政策對比仿真結(jié)果

圖7 不同金融資源投入對科技產(chǎn)出與科技金融發(fā)展效率水平影響對比仿真結(jié)果

六、研究結(jié)論與啟示

(1)本文為構(gòu)建科技金融資源配置效率評價(jià)指標(biāo)體系提供了科學(xué)定量的研究方法。研究結(jié)果顯示，效率評價(jià)指標(biāo)的選擇與設(shè)計(jì)視角是比較科學(xué)合理的。增加直接融資比例、科技企業(yè)孵化器孵化能力和創(chuàng)業(yè)風(fēng)險(xiǎn)投資強(qiáng)度指標(biāo)衡量市場金融資源對科技金融效率影響，視角新穎、符合科技創(chuàng)新需求。專利質(zhì)量、技術(shù)轉(zhuǎn)移程度、科技成果轉(zhuǎn)化規(guī)模及產(chǎn)業(yè)創(chuàng)新國際力影響為產(chǎn)出指標(biāo)，可全面直接的反映科技金融發(fā)展帶來的技術(shù)進(jìn)步。

(2)我國科技金融資源配置未達(dá)到最優(yōu)狀態(tài)，企業(yè)投入不足，偽創(chuàng)新太多，需進(jìn)一步深度融合。靜態(tài)效率Bootstrap-DEA值整體均小于1，各省市自治區(qū)應(yīng)加強(qiáng)區(qū)域間要素流動，優(yōu)化金融與科技資源配置。動態(tài)Malmquist指數(shù)結(jié)果表明，我國整體科技金融要素生產(chǎn)率以年均3.97%增長，但由于直接融資占比出現(xiàn)嚴(yán)重下滑，抑制技術(shù)進(jìn)步，要素增長率同比大幅下降。衡量科技金融發(fā)展效率要綜合考慮資源配置水平與增長率變動水平，且整體要素資源配置的影響高于增長率變動。

(3)市場金融資源對我國科技金融發(fā)展效率有正向促進(jìn)作用。盡管我國資本市場與發(fā)達(dá)國家相比還有一定的差距，但隨著資本市場發(fā)展的不斷完善，風(fēng)險(xiǎn)投資、債券和股票市場的發(fā)展對我國科技進(jìn)步影響越來越大。市場金融資源對我國科技金融資源配置有顯著的正向促進(jìn)作用，其中直接融資比例影響程度最大，風(fēng)險(xiǎn)投資的投資強(qiáng)度次之。而科技企業(yè)孵化器孵化能力雖為正向影響，但不顯著，這主要是因?yàn)槲覈萍计髽I(yè)孵化器未形成真正品牌，需進(jìn)一步提升基金投入力度和專業(yè)技術(shù)孵化能力。通過SD方法系統(tǒng)仿真結(jié)果可知，政府要注重長期政策效應(yīng)，中國要加大對外開放程度，創(chuàng)造科技金融生態(tài)模式。

總的來看，我國科技金融資源配置效率還有一定的提升空間，基于上述研究結(jié)論，進(jìn)一步促進(jìn)效率的提升可從以下幾方面入手：

第一，政府注重引導(dǎo)，減少干預(yù)，完善金融監(jiān)管體系。政府金融投入對GDP的貢獻(xiàn)率遠(yuǎn)大于市場主導(dǎo)的，但其對資源配置效率的提升呈負(fù)相關(guān)關(guān)系，而市場金融資源正向促進(jìn)資源效率提升。核心技術(shù)創(chuàng)新要堅(jiān)持有為政府和有效市場“兩只手配合”，政府更要注重發(fā)揮頂層設(shè)計(jì)與引導(dǎo)功能，按照市場需求進(jìn)行創(chuàng)新，為創(chuàng)新者建立滿意均衡制度環(huán)境，放寬科技金融融資服務(wù)門檻，引導(dǎo)風(fēng)險(xiǎn)投資盡可能投資最具顛覆性的技術(shù)項(xiàng)目，不跟風(fēng)炒作熱點(diǎn)。完善科技人員的創(chuàng)富機(jī)制，鼓勵(lì)科研院所和高校科技成果轉(zhuǎn)化走出創(chuàng)業(yè)，成立專項(xiàng)基金試點(diǎn)對有價(jià)值技術(shù)的重點(diǎn)培育，強(qiáng)化知識產(chǎn)權(quán)保護(hù)的創(chuàng)造、保護(hù)和運(yùn)用。出臺更具針對性、可操作性的優(yōu)惠政策，防范系統(tǒng)性金融風(fēng)險(xiǎn)。

第二，建設(shè)多層次資本市場，提高直接融資比例?？萍紕?chuàng)新離不開資本市場，發(fā)達(dá)的資本市場為科技創(chuàng)新提供了良好的外部條件，而2017年中國的直接融資市場回落明顯。以色列是全球公認(rèn)的“創(chuàng)業(yè)的國度”，不僅有專業(yè)化的創(chuàng)新孵化器，活躍的風(fēng)險(xiǎn)投資，關(guān)鍵科技金融為其產(chǎn)業(yè)創(chuàng)新生態(tài)環(huán)境增色不少。未來，我國應(yīng)繼續(xù)優(yōu)化金融資源結(jié)構(gòu)，強(qiáng)化金融體制市場化改革，創(chuàng)新股權(quán)質(zhì)押融資新模式，大力推動股票公募市場和企業(yè)債券市場的改革和發(fā)展，讓優(yōu)質(zhì)的企業(yè)和海外并購項(xiàng)目通過直接融資等籌集資金，同時(shí)政府要放開對資本市場價(jià)格的管制。放寬高科技企業(yè)的上市標(biāo)準(zhǔn)，充分發(fā)揮資本市場在資源配置上的高效率。

第三，注重原始創(chuàng)新，發(fā)揮領(lǐng)軍型大企業(yè)在核心技術(shù)創(chuàng)新中的主力軍作用。堅(jiān)持技術(shù)引進(jìn)與自主創(chuàng)新齊頭并進(jìn)，早期創(chuàng)業(yè)企業(yè)資金需求大，抵押物少，投資人更應(yīng)關(guān)注早期孵化。新興行業(yè)創(chuàng)新力強(qiáng)勁，企業(yè)更要提高R&D投入比例。高質(zhì)量科技研發(fā)創(chuàng)造新產(chǎn)品、新市場，支持優(yōu)勢企業(yè)開展原創(chuàng)前沿技術(shù)攻關(guān)，強(qiáng)化對基礎(chǔ)研究的支持，建立寬容失敗機(jī)制，激發(fā)企業(yè)市場的活力，肯定企業(yè)家精神的爆發(fā)，構(gòu)建開放型技術(shù)創(chuàng)新體系，將金融資源真正配置到核心技術(shù)行業(yè)，培育一批具有世界影響力的高科技領(lǐng)軍企業(yè)。

第四，優(yōu)化科技金融創(chuàng)新集群生態(tài)，助力科技與金融深度融合。依托大學(xué)城產(chǎn)學(xué)研協(xié)同創(chuàng)新，加快建立重大技術(shù)發(fā)展的生態(tài)；融合當(dāng)前人工智能、區(qū)塊鏈等新技術(shù)，優(yōu)化科技金融信用平臺，形成科技企業(yè)數(shù)據(jù)庫和專家智庫；信息共享，撮合雙方業(yè)務(wù)，構(gòu)建政府財(cái)政資金、創(chuàng)投、銀保、證券等多層次科技金融模式，拓寬融資渠道和方式，并建立相應(yīng)的監(jiān)管和獎(jiǎng)勵(lì)政策。從無到有的創(chuàng)新創(chuàng)業(yè)是極明顯的高風(fēng)險(xiǎn)和高收益，最需要的金融創(chuàng)新就是在各個(gè)階段都有跟它匹配的科技金融專屬產(chǎn)品，分散高風(fēng)險(xiǎn)。積極探索普惠金融服務(wù)，創(chuàng)造大量金融工具，優(yōu)化信貸資源的配置。金融機(jī)構(gòu)既要有效地識別僵尸企業(yè)，同時(shí)信貸政策標(biāo)準(zhǔn)和風(fēng)控手段也應(yīng)與時(shí)俱進(jìn)?？萍急ｋU(xiǎn)險(xiǎn)種要不斷完善和創(chuàng)新，提高科技保險(xiǎn)覆蓋率，保險(xiǎn)產(chǎn)品要與科技風(fēng)險(xiǎn)因素相適應(yīng)。另外，需加強(qiáng)復(fù)合型科技金融人才的培訓(xùn)和引進(jìn)，提高服務(wù)質(zhì)量和水平，營造良好的科技金融軟環(huán)境?？傊?，要集聚多方資源，協(xié)同高效發(fā)展，形成“一攬子”科技金融服務(wù)，提高中國科技金融資源配置效率。