汪曉文，謝美琳，田雨琦

（1.蘭州大學(xué)經(jīng)濟(jì)學(xué)院，甘肅蘭州 730000；2.中國人民大學(xué)農(nóng)業(yè)與農(nóng)村發(fā)展學(xué)院，北京 100872）

1 研究背景

隨著科技革命和產(chǎn)業(yè)變革的深入發(fā)展，數(shù)字化浪潮席卷而來，然而在新冠疫情和經(jīng)濟(jì)周期性波動的雙重沖擊下，我國的經(jīng)濟(jì)增長下行壓力加大。但在此沖擊背景下，2020年我國數(shù)字經(jīng)濟(jì)依舊保持9.7%的高位增長［1］。由圖1可見，從2015年開始我國數(shù)字經(jīng)濟(jì)指數(shù)的增長速度徹底超過宏觀經(jīng)濟(jì)景氣指數(shù)，展現(xiàn)出較強(qiáng)的韌性，成為經(jīng)濟(jì)增長的“穩(wěn)定器”，我國逐漸步入數(shù)字經(jīng)濟(jì)發(fā)展新時代［2］。2014—2019年我國科技進(jìn)步貢獻(xiàn)率為59.5%，說明科技進(jìn)步對經(jīng)濟(jì)的貢獻(xiàn)份額比重較大，已成為我國生產(chǎn)總值（GDP）增長的主要引擎。

圖1 我國數(shù)字經(jīng)濟(jì)指數(shù)與宏觀經(jīng)濟(jì)景氣指數(shù)對比

黨的十九屆五中全會、國家“十四五”規(guī)劃和2035年遠(yuǎn)景目標(biāo)綱要提出打造數(shù)字經(jīng)濟(jì)新優(yōu)勢，促進(jìn)數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的深度融合，為完善現(xiàn)代化經(jīng)濟(jì)體系建設(shè)、加快構(gòu)建“雙循環(huán)”新發(fā)展格局提供重要支撐。建設(shè)現(xiàn)代化經(jīng)濟(jì)體系的關(guān)鍵核心是夯實(shí)現(xiàn)代化產(chǎn)業(yè)體系，數(shù)字經(jīng)濟(jì)不僅可以引領(lǐng)科技革命和產(chǎn)業(yè)變革，而且通過數(shù)字技術(shù)與傳統(tǒng)科技金融的深度融合，提高科技金融效率，提升科技金融實(shí)力，推動科技創(chuàng)新，為現(xiàn)代化產(chǎn)業(yè)體系提供根本動力源，促進(jìn)現(xiàn)代化產(chǎn)業(yè)體系的優(yōu)化與完善。

從國際比較來看，大國經(jīng)濟(jì)的特征都是以內(nèi)需為主導(dǎo)，內(nèi)部可循環(huán)［3］。我國新發(fā)展格局要以國內(nèi)大循環(huán)為主體，關(guān)鍵在“循環(huán)”，亟需解決要素流動不暢等問題。隨著大數(shù)據(jù)、人工智能、區(qū)塊鏈等數(shù)字技術(shù)的不斷突破，數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)逐漸形成深度融合，有助于改造提升傳統(tǒng)產(chǎn)業(yè)，暢通生產(chǎn)要素流動，數(shù)字化的結(jié)合重點(diǎn)正從工業(yè)制造業(yè)轉(zhuǎn)向金融業(yè)，對傳統(tǒng)金融業(yè)的業(yè)務(wù)渠道、風(fēng)控體系等產(chǎn)生重要影響，促進(jìn)金融服務(wù)實(shí)體經(jīng)濟(jì)水平的提高。

2 文獻(xiàn)綜述

科技金融的定義國內(nèi)外并未統(tǒng)一。國外學(xué)界沒有“科技金融”這一專有名詞，西方國家科技創(chuàng)新制度和市場相對完善，關(guān)于科技金融的研究主要集中在金融對科技創(chuàng)新的影響機(jī)制上，如Lee等［5］利用結(jié)構(gòu)方程模型證明創(chuàng)新融資不僅提高了創(chuàng)新型中小企業(yè)的技術(shù)創(chuàng)新能力，而且提高了企業(yè)的經(jīng)營績效；Fagiolo等［6］通過產(chǎn)業(yè)動態(tài)供給模型研究表明，銀行通過提供貸款能夠促進(jìn)技術(shù)創(chuàng)新和技術(shù)擴(kuò)散，從而推動長期經(jīng)濟(jì)增長；Blach等［7］通過研究得出在金融導(dǎo)向的背景下制度干預(yù)機(jī)制應(yīng)是多元的，允許中小企業(yè)融資結(jié)構(gòu)的靈活設(shè)計(jì)；Kaur等［8］基于有序Logit模型實(shí)證分析得出相較企業(yè)的內(nèi)部資金，外部資金來源對企業(yè)開展的創(chuàng)新活動具有較大的正向影響。

國內(nèi)學(xué)者主要從以下幾個方面對科技金融進(jìn)行研究：一是科技金融相關(guān)的耦合協(xié)調(diào)研究，如韓鵬［9］針對政策性科技金融、市場性科技金融、企業(yè)創(chuàng)新稟賦、創(chuàng)新中間產(chǎn)出、知識產(chǎn)權(quán)收益產(chǎn)出五元系統(tǒng)，運(yùn)用耦合協(xié)調(diào)度模型和數(shù)據(jù)包絡(luò)分析（DEA）方法進(jìn)行測度與分析；馮悅等［10］通過測度粵港澳大灣區(qū)科技金融耦合協(xié)調(diào)度，分析科技金融耦合協(xié)調(diào)發(fā)展的影響因素以及空間溢出效應(yīng)，并將科技金融劃分為公共科技金融和市場科技金融；謝文君等［11］在財(cái)政分權(quán)的背景下運(yùn)用三階段DEA模型以及結(jié)合非參數(shù)核估計(jì)和空間計(jì)量模型，驗(yàn)證財(cái)政分權(quán)在長期上對科技與金融耦合效率存在顯著的促進(jìn)作用。二是針對金融投入和科技產(chǎn)出構(gòu)建模型測度效率，如甘星等［12］主要依據(jù)科技金融效率來評估科技金融發(fā)展水平，并以此研究環(huán)渤海、長三角、珠三角經(jīng)濟(jì)圈各省市科技金融效率差異；吳妍妍［13］聚焦上海、南京、杭州和合肥4座城市科技金融體系的構(gòu)建及其運(yùn)行效率，運(yùn)用DEA模型進(jìn)行實(shí)證測算，對科技金融的模型建構(gòu)、發(fā)展路徑和政策措施進(jìn)行評價；常亮等［14］從金融投入的角度對科技金融效率進(jìn)行實(shí)證分析，研究不同科技金融投入如何影響科技創(chuàng)新效率。三是科技金融的模式及相關(guān)政策研究，如張明喜［15］認(rèn)為配套機(jī)制建設(shè)對科技金融發(fā)展具有促進(jìn)作用，建立有效的財(cái)政保障機(jī)制可促進(jìn)科技金融深度發(fā)展；程翔等［16］通過量化指標(biāo)構(gòu)建模型，得出各區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展與科技金融政策的協(xié)調(diào)狀況存在較大差異。

目前，國內(nèi)研究普遍將“數(shù)字經(jīng)濟(jì)+科技金融”與互聯(lián)網(wǎng)的發(fā)展相關(guān)聯(lián)，如廖傳惠等［17］認(rèn)為公共科技金融可以引導(dǎo)普通的互聯(lián)網(wǎng)金融為科技型中小企業(yè)的科創(chuàng)活動提供資金融通服務(wù)；謝泗薪等［18］認(rèn)為借鑒互聯(lián)網(wǎng)思維可大力發(fā)展科技銀行；韓俊華等［19］認(rèn)為科技與金融結(jié)合的典型代表是互聯(lián)網(wǎng)金融，并指出區(qū)塊鏈?zhǔn)峭苿訑?shù)字經(jīng)濟(jì)發(fā)展的基礎(chǔ)設(shè)施，是匹配互聯(lián)網(wǎng)金融風(fēng)險(xiǎn)監(jiān)管、大數(shù)據(jù)、云計(jì)算的關(guān)鍵技術(shù)；俞丹丹等［20］認(rèn)為互聯(lián)網(wǎng)科技金融可以簡化科技金融的準(zhǔn)入機(jī)制，提高科技金融市場的透明度，但同時也會帶來大量的金融監(jiān)管風(fēng)險(xiǎn)；曹金飛等［21］認(rèn)為科技金融在價值增值過程中，政府部門和金融機(jī)構(gòu)可通過互聯(lián)網(wǎng)來實(shí)現(xiàn)跨區(qū)域協(xié)調(diào)，實(shí)現(xiàn)科技金融價值鏈的跨區(qū)域協(xié)同發(fā)展。

總體來看，國內(nèi)外學(xué)者對科技金融的研究已取得一定的進(jìn)展，但進(jìn)入數(shù)字經(jīng)濟(jì)時代的研究仍存在以下不足：第一，部分研究將數(shù)字經(jīng)濟(jì)背景下的科技金融簡單劃歸為互聯(lián)網(wǎng)金融一類，忽略了數(shù)字化的加持作用，因?yàn)榛ヂ?lián)網(wǎng)金融本質(zhì)上只是對傳統(tǒng)金融渠道的變革，而數(shù)字經(jīng)濟(jì)對科技金融的創(chuàng)新在后期階段被稱為“金融科技2.0模式”，即由數(shù)字技術(shù)對金融市場及金融服務(wù)業(yè)務(wù)供給產(chǎn)生重大影響的新興業(yè)務(wù)模式、新技術(shù)應(yīng)用、新產(chǎn)品服務(wù)等［22］，因此“數(shù)字經(jīng)濟(jì)+科技金融”的研究應(yīng)主要針對數(shù)字技術(shù)對科技金融效率的賦能。第二，我國學(xué)者就科技金融效率的研究已取得不少成果，但針對數(shù)字經(jīng)濟(jì)與科技金融的影響關(guān)系，大多數(shù)僅進(jìn)行了定性分析，定量分析較少。

3 科技金融效率測度

3.1 測度方法

科技金融效率作為評價金融服務(wù)科技發(fā)展能力的重要內(nèi)容，已成為諸多學(xué)者研究的焦點(diǎn)。近年來，國內(nèi)測算科技金融效率的方法采用最多的就是數(shù)據(jù)包絡(luò)分析模型。Charnes等［23］提出的DEA模型針對多投入和多產(chǎn)出問題，通過決策單元的實(shí)際數(shù)據(jù)求出最優(yōu)權(quán)重，運(yùn)算得出每個決策單元的綜合效率指標(biāo)，針對相對有效性作出評價和排序，并且能夠分析各決策單元DEA非前沿面的原因和改進(jìn)方向，是一種確定性前沿方法。但該方法將決策單元的效率無效歸因于管理無方，沒有考慮環(huán)境因素和隨機(jī)擾動的影響，使得效率結(jié)果與實(shí)際效率水平有一定的誤差。而隨機(jī)前沿模型（SFA）能夠?qū)δＰ椭械恼`差項(xiàng)進(jìn)行區(qū)分，提高效率測定的準(zhǔn)確度。Fried等［24］提出三階段DEA模型，將決策單元的DEA非前沿面分解為環(huán)境因素、隨機(jī)擾動和管理無效率，但由于環(huán)境因素和隨機(jī)擾動是外生不可控因素，因此需要剔除才能客觀真實(shí)反映效率值，而三階段DEA所使用的CCR或BCC模型為徑向模型，即規(guī)模報(bào)酬不變或規(guī)模報(bào)酬遞增，說明決策單元只能按照等比例減少各項(xiàng)投入來改善效率，這與實(shí)際生產(chǎn)過程不符。Tone［25］提出SBM模型，該模型屬于非導(dǎo)向模型，可有效解決徑向模型對無效率測算時無法包含松弛變量的局限。在此基礎(chǔ)上，Avkiran等［26］、Liu等［27］提出利用非徑向的SBM模型測算效率值，更能夠正確反映實(shí)際情況。

三階段SBM模型方法將科技金融效率評估分為3個階段：第一階段利用SBM模型進(jìn)行效率評估；第二階段利用隨機(jī)前沿分析方法剔除環(huán)境因素和隨機(jī)擾動的影響；第三階段將調(diào)整后的投入數(shù)據(jù)作為新的投入數(shù)據(jù)，產(chǎn)出數(shù)據(jù)仍為原始數(shù)據(jù)，再次代入SBM模型中對效率值進(jìn)行評估，從而得到不受環(huán)境因素和隨機(jī)誤差影響的效率值。

一進(jìn)祝國寺，一個小東西就從樹上掉下來“歡迎”。祝國寺住持素祥法師抖抖僧袍，仿佛習(xí)以為?！且粭l小蛇。

3.2 指標(biāo)選取與數(shù)據(jù)來源

測算科技金融投入與產(chǎn)出效率值，前提是建立科學(xué)合理的評價指標(biāo)體系，指標(biāo)的選擇要求確保真實(shí)有效地反映科技金融的投入與產(chǎn)出的實(shí)際現(xiàn)況。依據(jù)上述原則和要求，參考已有研究的共性指標(biāo)，本研究最終選擇對投入和產(chǎn)出解釋度較高的7項(xiàng)重要指標(biāo)，建立科技金融服務(wù)體系效率評價體系，詳見表1。

表1 科技金融投入產(chǎn)出指標(biāo)體系

表1 （續(xù)）

（1）投入指標(biāo)。依據(jù)古典經(jīng)濟(jì)學(xué)的增長理論選取勞動力和資本為投入要素。勞動力投入要素依據(jù)陳升等［28］的觀點(diǎn)，選取R&D人員全時當(dāng)量（X1）；資本投入要素依據(jù)李俊霞等［29］、馬玉林等［30］的觀點(diǎn)，分為政府資金投入、企業(yè)資金投入和市場資金支持，從而選取科學(xué)技術(shù)支出（X2）、R&D經(jīng)費(fèi)內(nèi)部支出（X3）和區(qū)域金融支持效率（X4）。

（2）產(chǎn)出指標(biāo)。依據(jù)薛曄等［31］、許汝俊等［32］的觀點(diǎn)，選取發(fā)明專利授權(quán)（Y1）衡量科技活動的產(chǎn)出形式及水平；技術(shù)市場成交額（Y2）衡量科技活動成果的轉(zhuǎn)化情況；高技術(shù)產(chǎn)業(yè)產(chǎn)值（Y3）衡量高技術(shù)產(chǎn)業(yè)市場競爭力和新創(chuàng)造社會財(cái)富的能力。

（3）環(huán)境因素。環(huán)境變量的選取要遵循的原則是：決策單元自身不能控制，但對效率產(chǎn)生影響。主要包括經(jīng)濟(jì)環(huán)境、技術(shù)環(huán)境、政治法律環(huán)境、社會環(huán)境等。依據(jù)以上原則，選取金融業(yè)增加值（Z1）指標(biāo)，金融業(yè)增加值=金融業(yè)生產(chǎn)總值/國民生產(chǎn)總值，即金融業(yè)的相對規(guī)模，能夠反映金融業(yè)在國民經(jīng)濟(jì)中的地位和金融業(yè)發(fā)育程度；中國數(shù)字經(jīng)濟(jì)指數(shù)DEDI（Z2），反映各地區(qū)數(shù)字經(jīng)濟(jì)的發(fā)展程度；專利侵權(quán)立案數(shù)（Z3），知識產(chǎn)權(quán)的保護(hù)和管理對培育科技創(chuàng)新具有積極作用［33］，因此通過專利侵權(quán)立案數(shù)反映法律法規(guī)對科技創(chuàng)新保護(hù)的能力；互聯(lián)網(wǎng)寬帶接入用戶（Z4），反映各地區(qū)基礎(chǔ)設(shè)施的建設(shè)程度。

為確保指標(biāo)體系科學(xué)合理，滿足SBM模型對樣本數(shù)據(jù)等張性的要求，本研究針對7個測度投入、產(chǎn)出指標(biāo)的數(shù)據(jù)，利用SPSS軟件進(jìn)行了Peason相關(guān)性檢驗(yàn)。檢驗(yàn)結(jié)果顯示（見表2），R&D人員全時當(dāng)量、科學(xué)技術(shù)支出、R&D經(jīng)費(fèi)內(nèi)部支出、區(qū)域金融支持效率與發(fā)明專利授權(quán)、技術(shù)市場成交額、高技術(shù)產(chǎn)業(yè)產(chǎn)值之間顯著正相關(guān)，符合效率評價模型等張性的要求。因此，利用該樣本數(shù)據(jù)建立的效率評價指標(biāo)體系科學(xué)有效。

表2 科技金融投入與產(chǎn)出指標(biāo)相關(guān)性檢驗(yàn)結(jié)果

由于在全國技術(shù)市場統(tǒng)計(jì)數(shù)據(jù)中沒有西藏2015、2016年的數(shù)據(jù)，也沒有港澳臺地區(qū)的數(shù)據(jù)，因此本研究共統(tǒng)計(jì)我國30個省、自治區(qū)、直轄市2015—2018年的科技金融數(shù)據(jù)。有關(guān)指標(biāo)數(shù)據(jù)來源于Wind數(shù)據(jù)庫、ESP數(shù)據(jù)庫、《中國科技統(tǒng)計(jì)年鑒》、《中國火炬統(tǒng)計(jì)年鑒》、國家統(tǒng)計(jì)局、《中國統(tǒng)計(jì)年鑒》、《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國社會統(tǒng)計(jì)年鑒》、《中國金融年鑒》和財(cái)新智庫。

3.3 測度結(jié)果分析

3.3.1 第一階段效率結(jié)果與分析

利用Maxdea 8 Ultra軟件，在沒有考慮環(huán)境因素和隨機(jī)變量影響的情況下，測算結(jié)果顯示在2015—2018年間：（1）30個省份的科技金融效率平均值為0.707，其中2016年效率最低為0.660，2018年效率最高達(dá)到了0.823；（2）共有10個地區(qū)的科技金融效率在逐年遞增，說明科技金融投入與產(chǎn)出的配置水平逐年遞增；（3）共有14個地區(qū)的科技金融效率值為1，達(dá)到前沿面，即科技金融投入和產(chǎn)出達(dá)到最佳配置水平，并且北京的科技金融效率值始終為1。本階段的結(jié)果由于沒有剔除環(huán)境因素，因此只是初步的測算，與真實(shí)結(jié)果之間還存在差距。詳見表3。

表3 2015—2018年我國各地區(qū)科技金融效率值（第一階段）

表3 （續(xù)）

3.3.2 第二階段SFA回歸分析

第二階段剔除環(huán)境因素的影響。Fired等［34］提出環(huán)境變量都使用虛擬變量，即不考慮自身單位，而環(huán)境變量對投入的松弛變量是否產(chǎn)生影響與單位沒有關(guān)系，因此通過SPSS軟件將環(huán)境變量的原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理能夠去除數(shù)據(jù)的單位限制，方便不同單位或量級的指標(biāo)進(jìn)行比較和加權(quán)，保證結(jié)果的可靠性。標(biāo)準(zhǔn)化的數(shù)據(jù)公式為：，其中為環(huán)境變量原始數(shù)據(jù)，為平均值，為標(biāo)準(zhǔn)差。

使用Frontier4.1軟件將第一階段得出的投入松弛變量設(shè)為被解釋變量，將金融業(yè)增加值、中國數(shù)字經(jīng)濟(jì)指數(shù)、專利侵權(quán)立案數(shù)和互聯(lián)網(wǎng)寬帶接入用戶4個環(huán)境變量作為解釋變量，進(jìn)行SFA回歸分析。環(huán)境變量與投入的松弛變量呈反比關(guān)系，即當(dāng)回歸結(jié)果中的系數(shù)為負(fù)數(shù)時，說明環(huán)境變量增大會減少投入的松弛變量，有利于減少投入或增大產(chǎn)出；反之當(dāng)回歸系數(shù)為正時，環(huán)境變量對投入松弛變量產(chǎn)生正向影響，環(huán)境變量的增加會導(dǎo)致投入松弛變量的增加。詳見表4。

表4 2015—2018年我國30個省份科技金融投入松弛變量的SFA回歸結(jié)果（第二階段）

（1）金融業(yè)增加值。該環(huán)境變量對全部的投入松弛變量呈正向作用，說明金融增加值會增加勞動力和資本投入的冗余。由于我國儲蓄率高，直接融資不發(fā)達(dá)，金融業(yè)增加值較高，金融業(yè)承擔(dān)更多的風(fēng)險(xiǎn)和提供更多的服務(wù)，從而導(dǎo)致金融資源配置效率較低［35］。

（2）中國數(shù)字經(jīng)濟(jì)指數(shù)。該環(huán)境變量對全部的投入松弛變量呈反向作用，說明中國數(shù)字經(jīng)濟(jì)的發(fā)展會減少勞動力和資本投入的冗余。通過大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈等工具推動科技金融數(shù)字化、移動化，創(chuàng)新科技金融業(yè)務(wù)模式，優(yōu)化科技金融渠道，重塑科技金融形態(tài)，能夠有效減少勞動力、資本的投入。

（3）專利侵權(quán)立案數(shù)。該環(huán)境變量對R&D經(jīng)費(fèi)內(nèi)部支出的投入松弛變量呈反向作用，減少R&D經(jīng)費(fèi)內(nèi)部支出的投入冗余；對其他投入的松弛變量呈正向影響。說明知識產(chǎn)權(quán)保護(hù)水平的提高有利于提高R&D主體的經(jīng)濟(jì)效益，外部性的作用將會減少，鼓勵R&D經(jīng)費(fèi)內(nèi)部支出的增加［36］。

（4）互聯(lián)網(wǎng)寬帶接入用戶。該環(huán)境變量對R&D人員全時當(dāng)量和R&D經(jīng)費(fèi)內(nèi)部支出的投入松弛變量呈反向作用，對科學(xué)技術(shù)支出和區(qū)域金融支持效率呈正向影響。說明互聯(lián)網(wǎng)寬帶的接入不利于R&D人員和經(jīng)費(fèi)投入松弛變量的減少，會增加更多的R&D人員、增加R&D經(jīng)費(fèi)的內(nèi)部支出用于互聯(lián)網(wǎng)寬帶的接入及維護(hù)?；ヂ?lián)網(wǎng)寬帶的接入能夠減少科學(xué)技術(shù)支出和金融支持效率的冗余，使其合理利用。

3.3.3 第三階段效率結(jié)果與分析

與第一階段相同，利用Maxdea 8 Ultra軟件，測算結(jié)果顯示在2015—2018年間：（1）30個省份科技金融效率的平均值為0.452，其中2015年效率最低為0.409，2018年效率最高達(dá)到0.514；（2）共有24個地區(qū)在剔除環(huán)境因素和隨機(jī)擾動后科技金融效率值下降，說明這些地區(qū)的外部環(huán)境相對不利但管理水平相對較高，有6個地區(qū)科技金融效率值上升，說明管理無效率但外部環(huán)境相對有利；（3）共有4個地區(qū)的科技金融效率值為1，達(dá)到前沿面，即科技金融投入和產(chǎn)出達(dá)到最佳配置水平；（4）各地區(qū)的科技金融效率差距較大，2015年浙江處于效率前沿面，而同期寧夏只有0.023，僅達(dá)到浙江的2.3%，2016年寧夏達(dá)到北京的3.3%；2017年海南達(dá)到廣東的3.5%，2018年海南達(dá)到江蘇的4.5%。詳見表5。

表5 2015—2018年剔除環(huán)境影響因素后我國各地區(qū)科技金融效率值（第三階段）

4 科技金融效率影響因素實(shí)證分析

從三階段SBM模型測度結(jié)果可知，2015—2018年我國30個省份科技金融投入和產(chǎn)出都在不斷加大，但大部分地區(qū)的科技金融效率始終處于非前沿面的狀態(tài)，而僅靠SBM模型的測度無法直接掌握投入對效率影響的程度，還需利用Tobit模型進(jìn)行回歸分析。因?yàn)橥ㄟ^SBM模型得到的科技金融效率值都處于0～1之間，數(shù)據(jù)具有被截?cái)嗟男再|(zhì)，并不是離散分布的，如果采用最小二乘法或者一般的面板數(shù)據(jù)模型進(jìn)行估計(jì)，會出現(xiàn)參數(shù)偏和不一致的情況，但Tobit模型本身就屬于受限因變量回歸的一種，因此當(dāng)因變量為受限值或截?cái)鄷r，選用Tobit模型進(jìn)行回歸分析能夠很好解決這一問題。

4.1 變量選取與數(shù)據(jù)說明

借鑒相關(guān)研究，科技金融效率影響因素的選取如下：（1）章思詩等［37］認(rèn)為政府是科技金融發(fā)展的推動者，相比其他機(jī)構(gòu)，政府能夠提供連續(xù)的資金支持，因此選取科技撥款占財(cái)政支出比重（W1）反映政府機(jī)構(gòu)對科技金融發(fā)展的支持力度；（2）科學(xué)研究和技術(shù)服務(wù)業(yè)固定資產(chǎn)投資比上年增長情況（W2），即各地區(qū)為科學(xué)研究發(fā)展所具備的基礎(chǔ)設(shè)施建設(shè)，反映各地區(qū)自身的科研水平和能力；（3）根據(jù)李向前等［38］的觀點(diǎn)，選取數(shù)字化程度指數(shù)（W3）反映數(shù)字技術(shù)的應(yīng)用程度；（4）地方政府債務(wù)余額（W4）、地方金融機(jī)構(gòu)不良貸款率（W5）分別反映科技金融發(fā)展過程中所需面臨的政府債務(wù)風(fēng)險(xiǎn)和金融風(fēng)險(xiǎn)；（5）李林漢等［39］認(rèn)為高技術(shù)企業(yè)是科技金融的重要載體，高技術(shù)企業(yè)可以實(shí)現(xiàn)科技成果轉(zhuǎn)化和金融資源配置，因此選取高技術(shù)企業(yè)利潤額（W6）和高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)（W7）反映高技術(shù)產(chǎn)業(yè)市場競爭力和新創(chuàng)造社會財(cái)富的能力。詳見表6。

表6 科技金融效率影響因素指標(biāo)體系

科技金融效率影響因素指標(biāo)的數(shù)據(jù)來源包括Wind數(shù)據(jù)庫、ESP數(shù)據(jù)庫、國家統(tǒng)計(jì)局、《中國統(tǒng)計(jì)年鑒》、《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》、《中國社會統(tǒng)計(jì)年鑒》、《中國金融年鑒》、北京大學(xué)數(shù)字金融研究中心。

4.2 模型構(gòu)建

將前述第三階段的科技金融效率值作為被解釋變量，將科技撥款占財(cái)政支出比重、科學(xué)研究和技術(shù)服務(wù)業(yè)固定資產(chǎn)投資比上年增長情況、數(shù)字化程度指數(shù)、地方政府債務(wù)余額、地方金融機(jī)構(gòu)不良貸款率、高技術(shù)企業(yè)利潤額、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)作為解釋變量，構(gòu)建Tobit模型，將左端的截?cái)帱c(diǎn)設(shè)定為0，如公式（2）所示：

4.3 實(shí)證結(jié)果分析

使用Stata16.0軟件，將科技金融即被解釋變量與其他7個解釋變量進(jìn)行Tobit回歸分析，結(jié)果如表7所示：（1）地方政府債務(wù)余額（W4）和地方金融機(jī)構(gòu)不良貸款率（W5）的回歸系數(shù)為負(fù)，當(dāng)?shù)胤秸畟鶆?wù)余額和地方金融機(jī)構(gòu)不良貸款率分別增加1%時，科技金融效率分別降低1.5%和1.92%，但是地方政府債務(wù)余額的相關(guān)系數(shù)不顯著，而地方金融機(jī)構(gòu)不良貸款率在10%的置信水平下顯著，說明金融風(fēng)險(xiǎn)對科技金融效率的影響明顯。（2）科技撥款占財(cái)政支出比重（W1）、科學(xué)研究和技術(shù)服務(wù)業(yè)固定資產(chǎn)投資比上年增長情況（W2）、數(shù)字化程度指數(shù)（W3）、高技術(shù)企業(yè)利潤額（W6）、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)（W7）的回歸系數(shù)為正，說明當(dāng)解釋變量W1、W2、W3、W6、W7分別增加1%時，科技金融效率則分別增加3.559%、0.004%、0.043%、8.973%、8.068%，并且W1在5%的置信水平下顯著，W3、W6、W7在1%的置信水平下顯著，W2的相關(guān)系數(shù)不顯著。（3）W1、W3、W6、W7對科技金融效率都有正向作用，且影響程度從大到小排序依次為高技術(shù)企業(yè)利潤額（W6）、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)（W7）、科技撥款占財(cái)政支出比重（W1）、數(shù)字化程度指數(shù)（W3），說明高技術(shù)產(chǎn)業(yè)的發(fā)展對科技金融效率的影響最為明顯，是各地區(qū)需要重點(diǎn)發(fā)展的領(lǐng)域。

表7 2015—2018年我國30個省份科技金融效率影響因素Tobit回歸結(jié)果

5 結(jié)論與對策

5.1 結(jié)論

本研究運(yùn)用三階段SBM模型對我國30個省份2015—2018年的科技金融效率及其影響因素進(jìn)行實(shí)證分析，得出結(jié)論：（1）30個省份的科技金融效率未達(dá)到效率前沿面，整體偏低，只有北京、江蘇、浙江、廣東4個地區(qū)在2015—2018年效率值為1，達(dá)到效率前沿面，即科技金融投入與產(chǎn)出的配置達(dá)到最佳，其他地區(qū)沒有達(dá)到效率前沿面且差距較大，但具有提升空間。（2）影響科技金融效率的7個因素為科技撥款占財(cái)政支出比重、科學(xué)研究和技術(shù)服務(wù)業(yè)固定資產(chǎn)投資比上年增長情況、數(shù)字化程度指數(shù)、地方政府債務(wù)余額、地方金融機(jī)構(gòu)不良貸款率、高技術(shù)企業(yè)利潤額、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)，其中科技撥款占財(cái)政支出比重、數(shù)字化程度指數(shù)、地方金融機(jī)構(gòu)不良貸款率、高技術(shù)企業(yè)利潤額、高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)項(xiàng)目數(shù)的相關(guān)系數(shù)都是顯著的，地方金融機(jī)構(gòu)不良貸款率對科技金融效率產(chǎn)生負(fù)向作用，其余的因素對科技金融效率都有正向作用。

5.2 對策建議

第一，完善政策體制，加大對科技金融的支持力度。整合政府部門的相關(guān)資源，例如金融、科技、財(cái)稅等，加強(qiáng)部門之間協(xié)作，針對不同地區(qū)、不同部門、不同行業(yè)的科技金融發(fā)展制定相關(guān)評估、扶持及配套政策，提高中央、地方等各級科技金融規(guī)劃、文件、政策的可行性和有效性；加強(qiáng)政府財(cái)政科技支出的管理，通過財(cái)政補(bǔ)償、貼息、存款支持等政策鼓勵，引導(dǎo)商業(yè)銀行進(jìn)行科技貸款產(chǎn)品、模式、機(jī)制創(chuàng)新，注重資金的利用效率，提高信息披露，通過科技銀行帶動社會資本進(jìn)入科技企業(yè)；加快新三板、區(qū)域性股權(quán)交易市場等多層級資本市場的建設(shè)，為科技企業(yè)提供融資途徑，增加投資者投資及退出渠道，為技術(shù)創(chuàng)新者與投資者創(chuàng)造雙贏機(jī)會，提高科技金融效率。

第二，合理配置科技金融資源。近年來，金融機(jī)構(gòu)尤其是銀行去中心化程度加深，傳統(tǒng)融資模式例如銀行貸款已不能滿足所有科技企業(yè)的融資要求，以5G網(wǎng)絡(luò)為底層通信基礎(chǔ)，人工智能、大數(shù)據(jù)、云計(jì)算、物聯(lián)網(wǎng)以及其他新興顛覆性技術(shù)與金融業(yè)務(wù)的深度融合，能夠促進(jìn)金融產(chǎn)品設(shè)計(jì)、經(jīng)營模式、業(yè)務(wù)流程、服務(wù)質(zhì)量的持續(xù)優(yōu)化和創(chuàng)新，進(jìn)而為金融發(fā)展提供源源不斷的創(chuàng)新活力，擴(kuò)大直接融資渠道，暢通科技企業(yè)國內(nèi)上市融資渠道。隨著數(shù)字經(jīng)濟(jì)的發(fā)展，打破傳統(tǒng)金融服務(wù)對金融基礎(chǔ)設(shè)施和地理依賴等限制，金融要素逐步分散化、數(shù)字化，地區(qū)之間不再有時空隔閡，要兼顧不同地區(qū)的均衡發(fā)展，金融資源和科技資源冗余的地區(qū)可以向科技金融發(fā)展較弱的地區(qū)跨區(qū)配置資源，建立科技金融資源服務(wù)平臺或經(jīng)濟(jì)圈，提升整體效率水平。科技金融效率較高地區(qū)，政府可以引導(dǎo)科技企業(yè)跨境融資，合理利用外債，擴(kuò)大融資渠道和規(guī)模，為企業(yè)科技創(chuàng)新活動注入更多的社會資本，有利于推動科技企業(yè)的發(fā)展，提高市場主體參與度；效率較低地區(qū)短期內(nèi)受資源稟賦限制較大，因此科技企業(yè)應(yīng)先控制自身創(chuàng)新稟賦投入，加強(qiáng)科研能力和研發(fā)力度，把科研成果轉(zhuǎn)化成高科技產(chǎn)品，加速科技成果向現(xiàn)實(shí)生產(chǎn)力轉(zhuǎn)化，實(shí)現(xiàn)科技創(chuàng)新，引導(dǎo)產(chǎn)業(yè)方向，形成產(chǎn)業(yè)價值鏈，待提升吸引金融資源投入的能力之后再追求高資源投入。

第三，創(chuàng)新人才引進(jìn)模式。隨著大數(shù)據(jù)、云計(jì)算、人工智能等技術(shù)在金融業(yè)的滲透與應(yīng)用，傳統(tǒng)金融的部分功能將會被取消，金融機(jī)構(gòu)和從業(yè)者的壓力劇增，銀行和證券營業(yè)部或?qū)⒚媾R調(diào)整，然而傳統(tǒng)金融也在積極轉(zhuǎn)型，銀行等金融機(jī)構(gòu)近年來大量引進(jìn)計(jì)算機(jī)、信息管理以及理工類專業(yè)人才，引入新技術(shù)，同時進(jìn)行傳統(tǒng)金融部門人員調(diào)整，未來金融分析師、股票分析師、理財(cái)師等一部分崗位將被智能機(jī)器人代替。對于經(jīng)營風(fēng)險(xiǎn)大、收益回報(bào)較快的科技型企業(yè)，可以引進(jìn)金融人才，形成企業(yè)內(nèi)部的金融人才庫，通過企業(yè)內(nèi)部的金融人才開展投融資及規(guī)避風(fēng)險(xiǎn)等一系列金融行為。

第四，優(yōu)化風(fēng)險(xiǎn)規(guī)避方式。在數(shù)字經(jīng)濟(jì)的發(fā)展過程中，互聯(lián)網(wǎng)、人工智能、大數(shù)據(jù)等數(shù)字技術(shù)已成為金融發(fā)展和創(chuàng)新的根本動力，而不斷依賴高新技術(shù)的金融創(chuàng)新必然會帶來新的風(fēng)險(xiǎn)和安全挑戰(zhàn)，并且數(shù)字經(jīng)濟(jì)發(fā)展的前提是平臺的穩(wěn)固，平臺的不穩(wěn)定性和非可靠性會加劇企業(yè)所面臨的不確定性和風(fēng)險(xiǎn)，從而易產(chǎn)生數(shù)字化風(fēng)險(xiǎn)。在數(shù)字經(jīng)濟(jì)發(fā)展下，金融風(fēng)險(xiǎn)和數(shù)字化風(fēng)險(xiǎn)加劇，再加上科技企業(yè)具有風(fēng)險(xiǎn)較大的特征，因此規(guī)避科技金融風(fēng)險(xiǎn)迫在眉睫。發(fā)展科技保險(xiǎn)，保險(xiǎn)公司在科技項(xiàng)目研發(fā)、知識產(chǎn)權(quán)保護(hù)等領(lǐng)域提供保險(xiǎn)服務(wù)，能夠有效降低科技金融風(fēng)險(xiǎn)。建立風(fēng)險(xiǎn)評估與擔(dān)保機(jī)構(gòu)，通過大數(shù)據(jù)、云計(jì)算等技術(shù)構(gòu)建適應(yīng)科技型企業(yè)特點(diǎn)的風(fēng)控體系，篩選科技企業(yè)并為其提供風(fēng)險(xiǎn)擔(dān)保；加強(qiáng)知識產(chǎn)權(quán)保護(hù)管理，合理利用互聯(lián)網(wǎng)、大數(shù)據(jù)、云計(jì)算、區(qū)塊鏈、人工智能等信息技術(shù)提高風(fēng)控能力，并完善客戶信息保密監(jiān)管系統(tǒng)，建立數(shù)據(jù)加密等網(wǎng)絡(luò)安全設(shè)施，保障監(jiān)管系統(tǒng)安全運(yùn)行。完善風(fēng)險(xiǎn)資本進(jìn)退機(jī)制，并對相關(guān)法律法規(guī)進(jìn)行適度調(diào)整；完善互聯(lián)網(wǎng)、大數(shù)據(jù)、區(qū)塊鏈、人工智能等相關(guān)法律，形成對風(fēng)險(xiǎn)投資的制度約束，為風(fēng)險(xiǎn)投資的退出提供法律依據(jù)。

第五，推動高技術(shù)產(chǎn)業(yè)高質(zhì)量發(fā)展。高技術(shù)產(chǎn)業(yè)對科技創(chuàng)新的支撐作用在數(shù)字經(jīng)濟(jì)與實(shí)體經(jīng)濟(jì)的加速融合下日益凸顯。面對大數(shù)據(jù)、云計(jì)算等數(shù)字技術(shù)新模式帶來的轉(zhuǎn)型與變革，各地區(qū)要根據(jù)高技術(shù)產(chǎn)業(yè)所處的發(fā)展階段給予差異化支持，加快推進(jìn)基礎(chǔ)設(shè)施建設(shè)，同時促進(jìn)高技術(shù)產(chǎn)業(yè)集聚，集中優(yōu)勢資源，加強(qiáng)高技術(shù)產(chǎn)業(yè)對前沿領(lǐng)域創(chuàng)新發(fā)展趨勢的研究和探索；明確市場導(dǎo)向，擴(kuò)大市場需求，突破核心技術(shù)，促進(jìn)新產(chǎn)品開發(fā)，提高產(chǎn)品質(zhì)量，從而增加利潤效益；要根據(jù)數(shù)字技術(shù)的差距采取不同策略和措施，重點(diǎn)關(guān)注持續(xù)周期長、市場效益不明顯的戰(zhàn)略領(lǐng)域，使得高技術(shù)產(chǎn)業(yè)能夠更加合理地決定研發(fā)方向和要素配置，強(qiáng)化自主創(chuàng)新，形成核心競爭力，從而確保高技術(shù)產(chǎn)業(yè)供應(yīng)鏈健康發(fā)展，提高科技金融效率。