山西財(cái)經(jīng)大學(xué) 侯旭輝

1 研究背景

隨著我國(guó)經(jīng)濟(jì)進(jìn)入新常態(tài)，人口紅利下降，能源問(wèn)題日漸突出，傳統(tǒng)依賴高投資、高投入的經(jīng)濟(jì)發(fā)展模式受到挑戰(zhàn)，轉(zhuǎn)變經(jīng)濟(jì)發(fā)展內(nèi)涵，推動(dòng)以科技創(chuàng)新為主體的經(jīng)濟(jì)發(fā)展模式已是必然?？萍甲鳛橥苿?dòng)經(jīng)濟(jì)增長(zhǎng)的第一生產(chǎn)力，金融作為創(chuàng)新驅(qū)動(dòng)發(fā)展的重要引擎，只有科技金融結(jié)合發(fā)展，才會(huì)帶動(dòng)資源型區(qū)域的高轉(zhuǎn)型發(fā)展，并促進(jìn)經(jīng)濟(jì)的高質(zhì)量提升。然而，現(xiàn)階段我國(guó)不同區(qū)域科技金融能力參差不齊，特別是對(duì)資源型區(qū)域來(lái)說(shuō)，整體科技金融效率不高，與我國(guó)發(fā)達(dá)經(jīng)濟(jì)地區(qū)差距較大。因此，資源型區(qū)域如何充分利用其資源優(yōu)勢(shì)，提高科技金融效率成為地方政府現(xiàn)階段面臨的重大問(wèn)題。

2 文獻(xiàn)綜述

通過(guò)閱讀前人文獻(xiàn)，發(fā)現(xiàn)國(guó)內(nèi)學(xué)者對(duì)科技金融效率的研究大多以實(shí)證研究為主。施明康、于麗英根據(jù)2009—2015年的省際面板數(shù)據(jù)，基于DEA分析方法，測(cè)算了我國(guó)科技金融效率以及兩者的協(xié)同效率，結(jié)果表明，協(xié)同效率仍有較大發(fā)展空間，且各地區(qū)差異明顯[1]。龐金波等基于PP-SFA方法對(duì)我國(guó)2010-2017年科技金融投入產(chǎn)出的面板數(shù)據(jù)進(jìn)行了實(shí)證研究，結(jié)果顯示不同地區(qū)科技金融效率存在差異，而且加大地方政府財(cái)政投入有利于提高科技金融效率[2]。孫忠艷基于DEA-Malmquist測(cè)度模型，對(duì)長(zhǎng)三角、珠三角和京津冀2009—2018年科技金融效率進(jìn)行了測(cè)度，結(jié)果表明，三大經(jīng)濟(jì)圈效率差異明顯，科技金融尚未達(dá)到高效配置[3]。馬玉林等對(duì)中國(guó)30個(gè)省域2004—2017年科技金融效率進(jìn)行測(cè)算，分析其動(dòng)態(tài)演進(jìn)過(guò)程，結(jié)果表明，樣本年份以來(lái)，各省域科技金融效率逐年提高，且省域之間的差異日漸縮小[4]。

但現(xiàn)有關(guān)于科技金融效率的研究多集中在中國(guó)整體、省際間或者發(fā)達(dá)地區(qū)，而關(guān)于資源型區(qū)域科技金融效率的研究較少，且中國(guó)的資源型區(qū)域大多科技金融發(fā)展較慢。因此，在經(jīng)濟(jì)轉(zhuǎn)型要求下，資源型區(qū)域如何引導(dǎo)金融資本加強(qiáng)科技金融創(chuàng)新，實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型發(fā)展成為亟需解決的問(wèn)題。

3 研究設(shè)計(jì)

3.1 三階段DEA方法模型

DEA（數(shù)據(jù)包絡(luò)分析）是由美國(guó)著名的運(yùn)籌學(xué)家提出的一種非參數(shù)檢驗(yàn)方法。DEA通過(guò)選取決策單元（DMU）的多項(xiàng)投入和產(chǎn)出數(shù)據(jù)，利用線性規(guī)劃的方法，以最優(yōu)投入和產(chǎn)出數(shù)據(jù)來(lái)形成“生產(chǎn)前沿面”，通過(guò)判斷各個(gè)DMU是否位于生產(chǎn)前沿面，來(lái)判定DMU的相對(duì)有效性。而Fried將環(huán)境因素和隨機(jī)噪聲對(duì)決策單元效率評(píng)價(jià)的影響引入傳統(tǒng)的DEA模型，在國(guó)內(nèi)被學(xué)者稱為“三階段DEA模型”。

3.2 變量選取和數(shù)據(jù)說(shuō)明

本文以2003—2017年為樣本期間，選取我國(guó)14個(gè)典型的資源型省份為研究對(duì)象，分別為：山西、河北、內(nèi)蒙古、河南、陜西、黑龍江、吉林、遼寧、云南、四川、新疆、安徽、甘肅和貴州。數(shù)據(jù)來(lái)源于《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》和各省的統(tǒng)計(jì)年鑒以及EPS全球統(tǒng)計(jì)數(shù)據(jù)分析平臺(tái)。

通過(guò)閱讀前人關(guān)于科技金融投入產(chǎn)出效率的研究文獻(xiàn)，發(fā)現(xiàn)目前關(guān)于科技創(chuàng)新的投入和產(chǎn)出指標(biāo)選取尚未形成統(tǒng)一標(biāo)準(zhǔn)?？紤]到各省的現(xiàn)實(shí)情況以及數(shù)據(jù)的可獲得性，選取高技術(shù)產(chǎn)業(yè)新增固定資產(chǎn)、R&D經(jīng)費(fèi)支出和R&D人員全時(shí)當(dāng)量代表科技金融投入要素。針對(duì)科技創(chuàng)新活動(dòng)的三個(gè)階段，選擇國(guó)內(nèi)專利授權(quán)數(shù)量、技術(shù)市場(chǎng)合同成交金額和高技術(shù)產(chǎn)業(yè)主營(yíng)業(yè)務(wù)收入作為科技金融的產(chǎn)出指標(biāo)。為了剔除傳統(tǒng)DEA模型中環(huán)境因素對(duì)于效率測(cè)度的影響，本文將財(cái)政科學(xué)技術(shù)支出占地方一般預(yù)算支出比例代表政府對(duì)科技的重視程度；選取人均地區(qū)生產(chǎn)總值衡量各地區(qū)的經(jīng)濟(jì)發(fā)展程度；選取進(jìn)出口總額占地方生產(chǎn)總值比例反映各地區(qū)的對(duì)外開(kāi)放程度。

將投入產(chǎn)出指標(biāo)數(shù)據(jù)放入Stata軟件中，進(jìn)行相關(guān)性分析，結(jié)果如表1所示：投入指標(biāo)與產(chǎn)出指標(biāo)呈正相關(guān)關(guān)系，因此DEA效率測(cè)算結(jié)果是可靠的。

表1 科技金融投入產(chǎn)出指標(biāo)相關(guān)性分析

4 實(shí)證分析結(jié)果

4.1 第一階段DEA分析

第一階段DEA效率值如表2所示。從資源型區(qū)域整體來(lái)看，不考慮環(huán)境因素的第一階段科技金融綜合效率平均值為0.8627，整體處于一個(gè)較低水平，且各省份之間效率差異比較大。而純技術(shù)效率的均值為0.9069，規(guī)模效率的均值為0.9427，純技術(shù)效率偏低是造成綜合效率偏低的主要原因。由于第一階段DEA分析中沒(méi)有考慮環(huán)境因素與隨機(jī)變量的影響，因此第一階段只是對(duì)科技金融效率值的初步測(cè)算，與各省份真實(shí)效率水平之間可能還存在差距。

4.2 第二階段隨機(jī)前沿分析（SFA）結(jié)果

第二階段的SFA回歸的被解釋變量為第一階段DEA產(chǎn)生的各省份科技金融投入變量的松弛值，解釋變量為政府重視程度、經(jīng)濟(jì)發(fā)展水平和對(duì)外開(kāi)放程度三個(gè)外部環(huán)境變量。利用Frontier軟件進(jìn)行SFA回歸，結(jié)果如表3所示。從實(shí)證結(jié)果來(lái)看，sigma平方和gamma在給定的顯著性水平下顯著，表明科技金融投入的冗余量受到外部環(huán)境的顯著影響。

從隨機(jī)前沿分析（SFA）結(jié)果整體來(lái)看，各資源型省份的科技金融效率值明顯受到環(huán)境因素與隨機(jī)噪聲的影響。因此，有必要利用第二階段分析結(jié)果調(diào)整第一階段的科技金融投入變量，使各資源型地區(qū)處于相同的外部環(huán)境下，得到更加接近真實(shí)水平的效率值。

表2 2003-2017年資源型省份科技金融效率均值

表3 第二階段隨機(jī)前沿分析（SFA）結(jié)果

4.3 第三階段DEA分析

對(duì)資源型區(qū)域科技金融投入變量進(jìn)行調(diào)整，調(diào)整之后，科技金融投入產(chǎn)出指標(biāo)再次代入DEA模型中，得到調(diào)整后的第三階段DEA效率值，結(jié)果如表2所示。從整體來(lái)看，綜合效率均值由0.8627下降為0.730，規(guī)模效率由0.9427下降為0.743，兩者相比于第一階段效率值均有大幅下降。但純技術(shù)效率由0.9069上升為0.982，結(jié)合第一階段DEA的結(jié)論，分析可知在剔除環(huán)境因素對(duì)真實(shí)效率的影響后，綜合效率較低的主要原因是規(guī)模效率偏低，而不是第一階段所顯示的純技術(shù)效率偏低。從規(guī)模效率的角度來(lái)看，除了遼寧、河南和四川這3個(gè)地區(qū)的規(guī)模效率在第三階段有明顯上升以外，其余11個(gè)地區(qū)的規(guī)模效率在第三階段均有下降，表明大部分資源型地區(qū)科技金融的實(shí)際生產(chǎn)規(guī)模與最優(yōu)生產(chǎn)規(guī)模差距較大，并且各地的綜合效率均值偏低也是由于自身的規(guī)模效率偏低所導(dǎo)致。

5 結(jié)語(yǔ)

本文運(yùn)用三階段DEA模型對(duì)資源型省份2003—2017年的科技金融效率進(jìn)行了實(shí)證分析，結(jié)果表明：第一，科技金融效率受環(huán)境因素影響較大，特別是受政府重視程度影響較大；第二，資源型省份科技金融效率普遍偏低，各省份之間差異較大，規(guī)模效率偏低帶動(dòng)了資源型省份科技金融效率降低；第三，從純技術(shù)效率的角度來(lái)看，經(jīng)過(guò)調(diào)整之后，除了黑龍江以外的13個(gè)地區(qū)的純技術(shù)效率均值均有提升，而純技術(shù)效率衡量決策單元在當(dāng)前的技術(shù)條件下對(duì)投入要素的使用效率，說(shuō)明在剔除了外部環(huán)境因素的影響后，大部分資源型地區(qū)對(duì)科技金融投入要素的使用效率有明顯提高。因此，在科技金融發(fā)展過(guò)程中，必須加大政府支持力度，提高財(cái)政科技支出配置效率，制定合理的科技資金使用規(guī)定，并加強(qiáng)政府監(jiān)督，促進(jìn)資金的規(guī)范使用，確保政府資金有效運(yùn)用于科技金融過(guò)程中。