馬太龍

（青海民族大學，西寧810000）

一、引言

眾所周知，國民經(jīng)濟的發(fā)展離不開科技和金融這兩大助力，但他們二者對經(jīng)濟發(fā)展的交叉效用以及相互融合也是推動創(chuàng)新型經(jīng)濟體發(fā)展的重要動力。就目前我國新常態(tài)的經(jīng)濟發(fā)展形勢而言，為了達到實施創(chuàng)新驅動發(fā)展戰(zhàn)略以此來挖掘經(jīng)濟發(fā)展過程中的科技創(chuàng)新的巨大能量的目的，就急需創(chuàng)建一套高效的科技金融運作體系。當然，就整體而言我國的科技金融資源是十分稀缺的，尤其是金融發(fā)展較弱的西部地區(qū)更為的明顯，因此，如何能夠利用現(xiàn)有的科技金融資源來實現(xiàn)其產(chǎn)出最大化就成為了當務之急，也就是說如何提高科技金融發(fā)展的效率就顯得尤為重要。青海省作為西北地區(qū)重要省份，在其“十三五規(guī)劃”中提到，青海省在這五年要加快創(chuàng)業(yè)創(chuàng)新驅動發(fā)展，全省要根據(jù)中央與省委指示，貫徹落實《關于深化體制機制改革加快創(chuàng)新驅動發(fā)展的實施意見》。青海省作為創(chuàng)新發(fā)展欠佳省份，要著眼于創(chuàng)新發(fā)展，專攻創(chuàng)新環(huán)境欠優(yōu)、人才瓶頸制約問題、科技與金融結合效率低下等痛點，努力形成促進創(chuàng)新的制度體系，讓創(chuàng)新成為青海省推動經(jīng)濟發(fā)展的動力源泉，所以形成高效率的科技金融體系對青海省乃至整個高原地區(qū)都至關重要。

2019 年5 月，PYPL（PopularitY of Programming Language，編程語言流行指數(shù)）的編程語言指數(shù)榜顯示，Python 語言第一次擊敗Java 語言占據(jù)榜首，這是多年來Python 在PYPL 指數(shù)榜中的首次登榜，這個事件從某種程度上表明Python 作為一種高級的多用途語言已經(jīng)被各界廣泛采用。目前金融領域廣泛采用Python 作為金融分析工具，主要歸功于Python 的語法總體上更加貼近科學問題的表達和金融算法的數(shù)學公式展現(xiàn)，這是Python 相較于其他編程語言的重要特征優(yōu)勢。因此，本文采用Python作為文中建模與數(shù)量分析的唯一語言。

二、文獻綜述

國內學者對科技金融的研究不在少數(shù)，但是研究科技金融發(fā)展效率的學者較少，尤其是研究西部地區(qū)的科技金融發(fā)展效率的學者就更為稀少。本篇文章在參考已有的一些學者研究的基礎上，進行了進一步探索。房漢廷（2010）是國內首批提出了科技金融概念的學者，提出科技金融是科技創(chuàng)新和金融創(chuàng)新相融合形成，準確來說，是由科技創(chuàng)新活動引發(fā)的一系列金融創(chuàng)新活動。隨后，呂江林等（2012）利用DEA 模型,對我國中部和東部的金融投入與科技產(chǎn)出的效率進行比較研究，為后續(xù)學者研究科技金融提供了有效的研究方法；權微微（2012）引入博弈論模型和三螺旋模型，分析了科技金融生態(tài)鏈的發(fā)展水平以及可能存在的問題；黃瑞芬等（2013）采用主成分分析和數(shù)據(jù)包絡分析模型，通過對山東省科技金融投入效益進行評估，提出建議：山東省科技金融要走可持續(xù)、集約化的方向，轉變發(fā)展路徑以適應山東省經(jīng)濟發(fā)展要求；黃瑞芬等（2016）選用國內30 個省市區(qū)科技金融投入與產(chǎn)出數(shù)據(jù),時間跨度為2006 至2014 年，采用通用的DEA-Malmquist和SFA 模型對國內30 個省市區(qū)全要素生產(chǎn)率變動和科技金融效率值進行績效分析。

三、數(shù)據(jù)、指標與研究方法

（一）研究方法

數(shù)據(jù)包絡分析（DEA）是A.Charnes，W.W.Copper和E.Rhodes 在1978 年提出的評價多指標輸入輸出，衡量系統(tǒng)有效性的方法。將屬性劃分為投入項、產(chǎn)出項（成本型、效益型指標），不預先設定權重，只關心總產(chǎn)出與總投入，以其比率作為相對效率。數(shù)據(jù)包絡分析有多種模式，主要為：CCR 模式，BBC 模式、交叉模式、A&P 模式等。其中CCR 模式假設在規(guī)模報酬不變的前提下，計算決策單元（DMU）的綜合效率值，在此基礎上，增加凸性為1 的假設就可以推出BCC 模型，從而測算出DWU 的純技術效率值，由此可得出規(guī)模效率值（綜合效率值/純技術效率值）。綜合效率值在純技術效率值與規(guī)模效率值都達到1 的時候得到最優(yōu)值。青海省科技金融的發(fā)展?jié)M足規(guī)模報酬可變的條件，因此，本文選用DEA-BCC 模型作為科技金融績效評價模型。

（二）數(shù)據(jù)來源

在選取決策單元時，本研究初步選取了2010-2018 年度青海省科技金融相關數(shù)據(jù)。從金融投入到科技產(chǎn)出具有一定的時間滯后性，因此本研究假定其時滯為1 年。數(shù)據(jù)來源于各年份的《青海省統(tǒng)計年鑒》和青海省國民經(jīng)濟以及社會發(fā)展年度統(tǒng)計公報。

（三）指標選取

在已有研究基礎上，與此同時考慮到青海省相關數(shù)據(jù)的可獲得性，本文選取了三個投入指標（內部經(jīng)費支出，內部經(jīng)費支出人員折合全時當量以及地方財政科學技術投入）和三個支出指標（專利申請量，技術合同成交數(shù)以及高新技術產(chǎn)品出口總值）。其中，三個投入指標分別是反映財力資本，人力資本和政策資源的重要指標；三個支出指標分別是反映科技開發(fā)，科技成果轉化或轉移以及產(chǎn)業(yè)化的重要指標。內部經(jīng)費支出用企事業(yè)單位在內部開展研究與試驗發(fā)展活動的實際支出來表示；內部經(jīng)費支出人員折合全時是指內部經(jīng)費支出全時人員工作量與非全時人員按實際工作時間折算的工作量之和；地方財政科學技術投入用地方財政科技撥款數(shù)來表示。專利申請量則統(tǒng)計了報告期內專利行政部門受理技術發(fā)明申請專利的數(shù)量；技術合同成交數(shù)是指在技術市場中技術合同標的的成交數(shù)；本文構建的科技金融績效評價指標體系架構見下表1：

表1 科技金融績效評價指標體系

考慮到指標體系的科學性要求，以及DEA 模型關于可選取的樣本數(shù)據(jù)的等幅擴張性的要求，因此，本文利用計量工具Python 對7 個測度周期的投入產(chǎn)出數(shù)據(jù)進行了皮爾遜相關性檢驗，計量的結果如表2 所示，內部經(jīng)費支出IK、IK 人員全時當量IL和地方財政科技撥款IP 與專利申請量OS、技術合同成交額OF 和高新技產(chǎn)品出口總值OI 之間顯著正相關，由此可以得出，所選取的樣本數(shù)據(jù)符合效率評價模型的等幅擴張性的要求，因此，利用該樣本數(shù)據(jù)建立的效率評價指標體系是科學有效。

表2 青海省科技金融績效評價指標相關性檢驗結果

（四）測算結果與分析

本文使用Python 的Pandas 與Gurobipy 這個兩個第三方庫，其中Pandas 有極強的容錯能力，可以捕獲錯誤并在對應數(shù)學運算失敗時用NaN 值替換，可以將不完整的數(shù)據(jù)集當成完整數(shù)據(jù)集使用。此外，Pandas 還納入大量第三方庫與標準庫，使用DataFrame 數(shù)據(jù)類型可以高效完成金融數(shù)據(jù)分析工作，是Python 成為強大且高效的數(shù)據(jù)分析環(huán)境的基礎，而Gurobipy 是Gurobi（美國Gurobi Optimization公司開發(fā)的數(shù)學規(guī)劃優(yōu)化器）針對Python 開發(fā)的線性規(guī)劃器模塊，可以高效地求解DEA 模型中的線性規(guī)劃問題。

基于Python 的DEA—BCC 模型，本文可分析得到2010—2018 年間青海省科技金融效率的時間序列數(shù)據(jù)，見下表3：

表3 2010—2018 年青海省科技金融投入產(chǎn)出效益分析

從效率值的測算結果來看，青海省2015 年以及2016 年這兩個年度的綜合技術效率達到了1，說明這兩年青海省的科技金融投入產(chǎn)出效率達到了最優(yōu)，即在投入確定的情況下其科技金融產(chǎn)出實現(xiàn)了最大化；2010 年與2013 年技術效率達到了1，說明青海省在2010 和2013 這兩年不存在資源錯配的問題，不過其綜合技術效率卻沒有達到1，原因在于這兩年青海省科技金融投入產(chǎn)出的規(guī)模效益沒有實現(xiàn)最優(yōu)，分別為0.548 與0.927，但總體上呈現(xiàn)逐年改善的規(guī)律；其余年份的技術效益、規(guī)模效益均未實現(xiàn)最優(yōu)，也導致了綜合技術效率達不到最優(yōu)。

表4 2010—2018 年青海省科技金融投入產(chǎn)出規(guī)模報酬分析

從表4 中可以得出，2015、2016 及2018 年三年均為綜合效率DEA 強有效、規(guī)模報酬固定的狀態(tài)，而其余年份則為非DEA 有效、規(guī)模報酬呈現(xiàn)遞增趨勢，這些結果都表示，近十年以來，青海省的科技金融投入處于嚴重缺乏的狀態(tài)，因此，我們必須要通過加大科技金融的投入來提高規(guī)模效率，最終實現(xiàn)DEA 強有效。

四、結論與建議

（一）青海省科技金融發(fā)展啟示

最近十年來，青海省在實施創(chuàng)新驅動發(fā)展戰(zhàn)略上持續(xù)發(fā)力，不斷加強科技研發(fā)投入，努力促進科技成果轉化以支持高新技術產(chǎn)業(yè)可持續(xù)發(fā)展。隨著科技金融發(fā)展績效的提升，科技創(chuàng)新作為社會經(jīng)濟發(fā)展的“引擎”作用日益凸顯。2010 年，青海省全省的專利申請數(shù)量僅為175 件，技術合同成交額僅為11.46 億元，經(jīng)過幾年來的科技金融不斷投入，2019年青海省全省的專利申請數(shù)量已經(jīng)突破1 000 件，技術合同成交額也以每年10 億元的增長速度持續(xù)上升，結合本文的研究結果可以發(fā)現(xiàn)，青海省科技金融投入規(guī)模的持續(xù)擴大對提高科技金融發(fā)展效率至關重要。

（二）青海省科技金融發(fā)展過程中暴露的問題與對策建議

1.存在的問題

本文研究發(fā)現(xiàn)，近年來青海省科技金融發(fā)展已經(jīng)達到了相對最優(yōu)，科技金融的發(fā)展成效明顯，但是本文研究發(fā)現(xiàn)青海省在科技金融人員投入上依然存在不足，如果能妥善處理該問題，將更好地促進青海省科技金融的高效可持續(xù)發(fā)展。問題的主要表現(xiàn)為人員投入存在不足。2010 年以來，青海R&D人員折合全時當量并沒有呈現(xiàn)出穩(wěn)步增長的趨勢，尤其是2015 與2016 兩年的R&D 人員折合全時當量顯著低于其余年份，這反應了青海省在科技研發(fā)人員的投入上存在明顯不足，間接體現(xiàn)了青海省對于科研人才的吸引力較弱，導致科技研發(fā)人員的投入無法滿足科技金融高效發(fā)展的需要。

2.對策建議

完善人才體系建設。要實現(xiàn)科技金融的可持續(xù)發(fā)展，就需要有完善的人才體系以支持科技創(chuàng)新的可持續(xù)發(fā)展。科研人才作為創(chuàng)新的關鍵，是科技金融投入的主要形式之一，對提高科技金融發(fā)展效率至關重要。青海省作為西部地區(qū)重要省份，需要加強吸引人才的力度，不僅要留住青海省本地高校與科研機構的人才，更要利用西寧市作為宜居城市的優(yōu)勢，加強吸引外來人才的力度，用更加優(yōu)惠的落戶政策與供應相對充裕的公租房等住房配套設施，來吸引人才留在青海、建設青海，為青海省經(jīng)濟建設發(fā)揮各自的特長優(yōu)勢，最終實現(xiàn)青海經(jīng)濟社會的進步。