王永輝 邵林

選取2016—2020年31個省市區(qū)科技金融的相關(guān)數(shù)據(jù)，運(yùn)用BCC模型和CCR模型對全國31個省市區(qū)科技金融資源配置效率進(jìn)行評價。實(shí)證研究發(fā)現(xiàn)，我國科技金融資源配置效率存在區(qū)域差異。與此同時，還需要從科技金融產(chǎn)品創(chuàng)新和金融市場改進(jìn)、政府科技金融與市場科技金融協(xié)同、科技金融參與主體多元化等方面進(jìn)一步促進(jìn)我國科技金融健康發(fā)展，提高自主科技創(chuàng)新能力。

一、引言

科學(xué)技術(shù)的發(fā)展對促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展，增強(qiáng)我國經(jīng)濟(jì)的競爭力起著重要作用?？萍紕?chuàng)新對推動我國經(jīng)濟(jì)優(yōu)化升級、實(shí)現(xiàn)高質(zhì)量發(fā)展具有重要作用。然而，科技創(chuàng)新從技術(shù)研發(fā)到成果轉(zhuǎn)化再到生產(chǎn)環(huán)節(jié)這一系列流程都需要大量的資金支持，且由于科技創(chuàng)新的高風(fēng)險性，需要建立從技術(shù)研發(fā)到生產(chǎn)環(huán)節(jié)的風(fēng)險共擔(dān)機(jī)制，需要多方金融主體的配合?？萍冀鹑谑墙鹑诋a(chǎn)業(yè)與科技產(chǎn)業(yè)的有機(jī)融合，它引導(dǎo)金融資本和資源向科技創(chuàng)新領(lǐng)域傾斜，優(yōu)化科技金融資源配置，促進(jìn)經(jīng)濟(jì)轉(zhuǎn)型升級，促進(jìn)經(jīng)濟(jì)競爭力，實(shí)現(xiàn)高質(zhì)量發(fā)展發(fā)揮著至關(guān)重要的作用。科技金融資源配置效率反映了我國金融資源和科技資源配置的合理程度，金融資源和科技資源的結(jié)合對實(shí)現(xiàn)經(jīng)濟(jì)轉(zhuǎn)型優(yōu)化升級，建設(shè)創(chuàng)新型國家具有重要的支撐作用［1］。

二、文獻(xiàn)回顧

關(guān)于科技金融定義的界定，目前學(xué)術(shù)界尚未形成共識。趙昌文等（2009）提出科技金融“工具論”，他認(rèn)為科技金融是一種金融工具，是一種對推動科技活動和技術(shù)創(chuàng)新、加快授權(quán)專利轉(zhuǎn)化以及促進(jìn)科技企業(yè)發(fā)展具有關(guān)鍵作用的制度安排［2］。Haslem等（1999）搜集了美國1987—1992年商業(yè)銀行的相關(guān)數(shù)據(jù)，運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）對銀行的金融創(chuàng)新效率進(jìn)行實(shí)證分析，研究發(fā)現(xiàn)有五分之一的商業(yè)銀行存在金融創(chuàng)新效率偏低的問題，商業(yè)銀行需要通過松弛改進(jìn)，優(yōu)化金融資源的投入和產(chǎn)出，提高金融服務(wù)效率和質(zhì)量［3］。Abdullah Saeed等（2018）通過對阿曼地區(qū)金融市場與科技型企業(yè)的調(diào)查顯示，阿曼金融體系的優(yōu)化與金融機(jī)構(gòu)的服務(wù)效率二者呈正相關(guān)的關(guān)系，金融體系的不斷優(yōu)化會帶動科技型企業(yè)的發(fā)展并以此促進(jìn)經(jīng)濟(jì)社會的發(fā)展［4］。

國內(nèi)對科技金融效率的研究主要是從投入和產(chǎn)出角度構(gòu)建科技金融效率評價體系。科技金融效率的評價方法可以分為參數(shù)統(tǒng)計(jì)法和非參數(shù)統(tǒng)計(jì)法。參數(shù)統(tǒng)計(jì)方法最具代表性的就是隨機(jī)前沿分析法（SFA），而非參數(shù)統(tǒng)計(jì)法最常見的就是數(shù)據(jù)包絡(luò)分析法（DEA）。甘星等（2017）運(yùn)用數(shù)據(jù)包絡(luò)分析法（DEA）對我國三大經(jīng)濟(jì)圈的科技金融效率進(jìn)行分析，研究發(fā)現(xiàn)江蘇、浙江、安徽、遼寧、河北和山東的科技金融效率小于1，未處于有效狀態(tài)，并針對目前6省市科技金融發(fā)展存在的問題提出改進(jìn)措施［5］。陶立祥等（2020）運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）通過搜集2013—2017年武漢市科技金融的相關(guān)數(shù)據(jù)建立科技金融評價指標(biāo)體系，研究發(fā)現(xiàn)武漢市科技金融綜合效率雖然沒有處于有效狀態(tài)，但處于上升階段，且呈現(xiàn)規(guī)模遞增狀態(tài)［6］。杜金岷等（2016）運(yùn)用隨機(jī)前沿分析模型（SFA）對我國31個省市的科技金融效率進(jìn)行分析，發(fā)現(xiàn)只有北京、上海等7個省市的科技金融效率處于有效狀態(tài)。其他省市的科技金融綜合效率都沒有處于有效狀態(tài)［7］。賀寶成等（2021）運(yùn)用DEA-BBC模型對2008-2018年我國29個省市的科技金融數(shù)據(jù)進(jìn)行分析，研究發(fā)現(xiàn)科技金融效率存在區(qū)域差異，僅北京、廣東五個省市的科技金融效率均為有效狀態(tài)，其余省份的科技金融效率均沒有達(dá)到有效狀態(tài)，有待進(jìn)一步完善［8］。李天籽等（2022）結(jié)合Undesirable-SBM模型等模型對武漢城市圈2010—2019年面板數(shù)據(jù)進(jìn)行分析，研究發(fā)現(xiàn)忽略科技創(chuàng)新過程中的風(fēng)險會使科技金融效率虛高，武漢城市圈科技金融效率重心軌跡呈東北—西南的格局［9］。張清葉等（2022）利用DEA-Malmquist法構(gòu)建科技金融效率評價體系，對河南省科技金融效率進(jìn)行實(shí)證分析，研究發(fā)現(xiàn)河南省科技金融技術(shù)效率呈明顯的上升趨勢，而科技金融規(guī)模效率則恰恰相反，各地市之間科技金融效率區(qū)域差異加大，需要具體問題具體分析［10］。

國內(nèi)外學(xué)者對科技金融效率進(jìn)行了大量研究但仍存在著許多不足：第一是大半部分學(xué)者只是從靜態(tài)上研究固定時點(diǎn)上各地區(qū)科技金融效率的差異，而從動態(tài)上分析科技金融資源配置效率的變化的文章少之又少；其次，在科技金融評價體系構(gòu)建時，科技金融數(shù)據(jù)和指標(biāo)的選取上不夠合理，例如有學(xué)者將GDP增量作為科技金融產(chǎn)出的評價指標(biāo)，但GDP的增加不僅跟科技金融有關(guān)，所以會對研究結(jié)果產(chǎn)生一定的偏差。本文通過運(yùn)用DEA模型對2016-2020年我國31個省市的科技金融資源配置效率進(jìn)行研究，希望能夠全面、準(zhǔn)確地反映5年間我國科技金融資源配置效率的真實(shí)發(fā)展情況，提出有益于我國科技金融發(fā)展的針對性建議，促進(jìn)經(jīng)濟(jì)高質(zhì)量發(fā)展。

三、研究方法、指標(biāo)選取與數(shù)據(jù)說明

（一）研究方法

數(shù)據(jù)包絡(luò)分析（DEA）是一種非參數(shù)統(tǒng)計(jì)方法，其工作原理簡單，即將某一決策單位與另一決策單位進(jìn)行比較，進(jìn)而得出該決策單位的效率，即利用決策單元的輸入、輸出數(shù)據(jù)，對有效生產(chǎn)前沿面進(jìn)行估算，再由各個決策單位之間的有效邊界距離來判定各決策單位的有效性。CCR模型和BCC模型是DEA中最常用的模型［11］。

1.CCR模型。假設(shè)存在n個決策單元（DMU），每個決策單元（DMU）包含m種投入，分別記作xi（i=1，2，……，m），存在q種產(chǎn)出，分別記作yr（r=1，2，……，q），將選取的決策單元記為DMUk。將其帶入CCR模型中，決策單元DMUk的效率值可以通過以下公式進(jìn)行計(jì)算：

上述算式中，λj為決策單元的系數(shù)，s-為決策單元投入松弛變量，而s+為決策單元產(chǎn)出的松弛變量。在上述算式中，將決策單元的效率值記作θ*（0≤θ*≤1）。設(shè)ε設(shè)為一個無限趨近于0的正數(shù)，在進(jìn)行實(shí)證分析時可將其設(shè)置為0.0000001。當(dāng)決策單元的效率值θ*=1，并且s-和s+都等于0時，這時就認(rèn)為決策單元DMUk處于強(qiáng)有效的狀態(tài)；在最優(yōu)解θ*=1時，如果決策單元的s-和s+不等于0，則判定 DMUk是一個弱有效的狀態(tài)；如果最優(yōu)解θ*<1時，判定 DMUk被視為無效狀態(tài)。

2.BCC模型。通過CCR模式以計(jì)算出決策單元的綜合效率，但不能判定純技術(shù)效率與規(guī)模效率的大小。因此，為對決策單位的技術(shù)有效性進(jìn)行分析，僅需將約束條件 ∑=1加至 CCR模型，即 BCC模型，其結(jié)果與被評估的決策單位具有同樣的生產(chǎn)規(guī)模。BCC模型中，利用下列模型計(jì)算出決策單元 k的效率值：

（二）指標(biāo)選取與數(shù)據(jù)說明

1.指標(biāo)選取。構(gòu)建科技金融資源配置效率評價體系時，指標(biāo)的選取要科學(xué)、合理，能夠全面的展現(xiàn)科技金融投入與產(chǎn)出的實(shí)際情況，同時確保相關(guān)科技金融數(shù)據(jù)的可得性和可靠性。遵循科學(xué)性和合理性等原則，本文選取的科技金融資源配置效率的相關(guān)指標(biāo)如表1。

各指標(biāo)的說明如下：

（1）規(guī)模以上工業(yè)企業(yè)R&D活動人員：反映企業(yè)參與科技研發(fā)人員的數(shù)量的指標(biāo)，由R&D人員全時當(dāng)量得到。

（2）規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)內(nèi)部支出：反映企業(yè)研發(fā)經(jīng)費(fèi)投入力度，由基礎(chǔ)研究經(jīng)費(fèi)、試驗(yàn)發(fā)展經(jīng)費(fèi)和應(yīng)用研究經(jīng)費(fèi)構(gòu)成。

（3）科技支出占一般公共預(yù)算支出的比重：反映政府對科技創(chuàng)新活動的支持力度，由政府科技支出占政府公共支出的比重來表示。

（4）專利申請授權(quán)量：反映科技創(chuàng)新活動活躍程度，由專利申請數(shù)和專利授權(quán)數(shù)得到。

（5）規(guī)模以上工業(yè)企業(yè)新產(chǎn)品銷售收入：反映企業(yè)在生產(chǎn)經(jīng)營活動中創(chuàng)新產(chǎn)品所取得的銷售收入［12］。

2.數(shù)據(jù)說明。選取2016—2020年全國31個省市科技金融的相關(guān)數(shù)據(jù)，數(shù)據(jù)來源于《高新技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》《中國統(tǒng)計(jì)年鑒》和Wind數(shù)據(jù)庫。由于數(shù)據(jù)的可得性，對缺失相關(guān)年份和省市的數(shù)據(jù)采用ARIMA填補(bǔ)。

四、實(shí)證研究

運(yùn)行Deap2.1軟件，設(shè)置為基于產(chǎn)出導(dǎo)向的BCC模型對2016—2020年全國科技金融效率進(jìn)行分析，結(jié)果如表2所示，效率的取值范圍為［0，1］，得到的綜合效率基于CCR模型計(jì)算得到的綜合技術(shù)效率，不是純粹的技術(shù)效率，而是在純技術(shù)效率的基礎(chǔ)上考慮了規(guī)模效益。所以，如果一個決策單位的綜合效率為1，則其技術(shù)效率和規(guī)模效益必然為1。在這一階段，我們認(rèn)為，這一決策單元的投入—產(chǎn)出效率都是很高的，可以使這一區(qū)域的科技金融資源得到最優(yōu)化的分配。如果某個決策單位的技術(shù)效率為1以下，說明這個決策單位的效率并不是有效的，其技術(shù)效率和規(guī)模效益中至少有一個是小于1的。通過實(shí)證分析，將31省市的科技金融資源配置效率劃分為三個檔次，區(qū)域綜合效率為1時，說明區(qū)域內(nèi)的科技和金融資源分配是有效的；當(dāng)區(qū)域綜合效率為［0.8，1］時，說明區(qū)域內(nèi)科技和金融資源的配置是相對比較有效的，需要調(diào)整投入或產(chǎn)出松弛變量就能實(shí)現(xiàn)有效水平；當(dāng)?shù)貐^(qū)的綜合效率值在［0，0.8］時，表明該地區(qū)科技金融資源配置存在較大問題，需要對投入變量和產(chǎn)出變量進(jìn)行較大調(diào)整。

由表2可以看出，2016-2020年，山西、內(nèi)蒙古、江西、山東、新疆的科技金融綜合技術(shù)效率都是1。這說明，在一定的產(chǎn)出條件下，科技金融投資的規(guī)模和綜合技術(shù)效率都是最好的。江蘇、甘肅、北京、天津、河北、上海、安徽、福建、陜西、青海、寧夏的科技金融投資與產(chǎn)出都是比較有效的，經(jīng)過適當(dāng)?shù)恼{(diào)節(jié)，可以使其達(dá)到一個較好的水平。其余15個省份的綜合技術(shù)效率均處于［0.3，0.8］，離有效水平還有很大差距，有待進(jìn)一步調(diào)整。

從表3可以看出，31個省市在2016—2020年間的科技金融投入和產(chǎn)出的松弛改進(jìn)。若區(qū)域綜合效率為1時，科技金融投入和科技金融產(chǎn)出的松弛改進(jìn)值均不為0，該地區(qū)的科技金融資源配置效率僅僅是弱有效狀態(tài)?？梢酝ㄟ^增加科技金融投入或減少科技金融產(chǎn)出達(dá)到強(qiáng)有效狀態(tài)；如果該地區(qū)綜合技術(shù)效率值等于1，并且科技金融投入變量或科技金融產(chǎn)出變量的松弛改進(jìn)值全都等于0，則認(rèn)為該地區(qū)科技金融資源配置效率處于強(qiáng)有效狀態(tài)。此時，該地區(qū)實(shí)現(xiàn)了科技金融資源配置效率的帕累托最優(yōu)。

從表3可知，上海、浙江等12個省市需要減少專利申請授權(quán)量，河南需要減少新產(chǎn)品銷售收入達(dá)到產(chǎn)出變量的最優(yōu)狀態(tài)；而北京、天津等18個省市企業(yè)研發(fā)人員較少，河南、廣東、等5個省市研發(fā)經(jīng)費(fèi)較少，建議增加投入以實(shí)現(xiàn)投入變量的最優(yōu)狀態(tài)，最終實(shí)現(xiàn)帕累托最優(yōu)。

五、結(jié)論與對策建議

研究結(jié)果表明，2016—2020年天津、山東等9個省市科技金融資源配置效率達(dá)到有效狀態(tài)，其余22個省市未達(dá)到有效狀態(tài)。其中北京、廣東等9個省市的科技金融資源配置效率處于相對有效狀態(tài)，只要稍加調(diào)整，即可達(dá)到有效水平。雖然隨著科學(xué)技術(shù)水平的提高，我國科技金融發(fā)展迅速，但科技金融資源還存在浪費(fèi)現(xiàn)象，資源配置效率還需要不斷提升。為加快科技金融發(fā)展，推進(jìn)創(chuàng)新型國家建設(shè)，實(shí)現(xiàn)經(jīng)濟(jì)高質(zhì)量發(fā)展，本文提出以下建議：

一是推進(jìn)金融產(chǎn)品更新升級，完善金融市場的參與機(jī)制，促進(jìn)科技型企業(yè)和高新技術(shù)型企業(yè)的發(fā)展。創(chuàng)新融資方式，拓寬融資渠道，以商業(yè)銀行等第三方金融機(jī)構(gòu)為高科技企業(yè)提供信貸支持，針對科技企業(yè)輕資產(chǎn)的特點(diǎn)開展多種形式的融資貸款，如信用擔(dān)保貸款、人才定價、知識產(chǎn)權(quán)和專利成果質(zhì)押、公司股權(quán)質(zhì)押等多種方式的貸款，創(chuàng)新金融服務(wù)產(chǎn)品，開發(fā)銀保貸、投貸通等多種類型的金融產(chǎn)品。對符合上市條件的科技型企業(yè)加大培訓(xùn)工作力度。鼓勵符合條件的科技型企業(yè)到科創(chuàng)板、創(chuàng)業(yè)板上市，完善多層次的資本市場。

二是充分發(fā)揮政府科技金融的供給引導(dǎo)作用和市場科技金融的需求追隨作用。由于科技型企業(yè)高風(fēng)險、高投資、周期長的特點(diǎn)，使得科技型企業(yè)在發(fā)展前期往往因?yàn)橘Y金短缺、缺乏融資渠道面臨創(chuàng)業(yè)失敗的風(fēng)險，需要政府科技金融發(fā)揮供給引導(dǎo)的作用，加大對科技型企業(yè)和高新技術(shù)型企業(yè)的扶持力度，運(yùn)用財政和稅收政策推動科技型企業(yè)的發(fā)展，引入風(fēng)險投資機(jī)構(gòu)和商業(yè)銀行等第三方金融機(jī)構(gòu)，擴(kuò)大參與主體，形成投貸聯(lián)動，充分發(fā)揮市場科技金融的需求追隨作用。政府相關(guān)部門提高科技創(chuàng)新再貸款的額度，降低科技型企業(yè)和高新技術(shù)型企業(yè)貸款利率，引導(dǎo)市場資金流入科技創(chuàng)新領(lǐng)域，撬動社會資金促進(jìn)科技創(chuàng)新。

三是充分發(fā)揮第三方科技金融服務(wù)機(jī)構(gòu)的媒介作用，促進(jìn)科技與金融加速融合。與商業(yè)銀行等第三方金融機(jī)構(gòu)合作，為科技型企業(yè)開展信用等級評價、投融資擔(dān)保等專業(yè)服務(wù)，提供咨詢業(yè)務(wù)解決科技企業(yè)的疑難問題，減少信息的不對稱性，降低信息獲取成本。對企業(yè)科技成果進(jìn)行估價，對缺乏資金支持且擁有科技成果的企業(yè)，提供資金支持或科技成果轉(zhuǎn)讓。投融資機(jī)構(gòu)以資金入股，提高股權(quán)的流動性，為企業(yè)解決融資問題和管理問題提供專業(yè)建議。

參考文獻(xiàn)：

［1］張遠(yuǎn)為.湖北省科技金融資源配置效率研究——基于BCC模型和Malmquist指數(shù)法［J］.湖北社會科學(xué)，2021（09）.

［2］趙昌文，陳春發(fā)，等.科技金融［M］.北京：科學(xué)出版社，2009.

［3］Haslem John A，Scheraga Carl A，Bedingfield James P.DEA Efficiency Profiles of U.S.Banks Operating Internationally［J］.International Review of Economics and Finance，1999，（08）.

［4］Abdullah S，Shayem S.Financial Depth and Efficiency，and Economic Growth Nexus in Saudi Arabia and Oman［J］.Review of Economics and Business Studies， 2018，（11）.

［5］甘星，甘偉.環(huán)渤海、長三角、珠三角三大經(jīng)濟(jì)圈科技金融效率差異實(shí)證研究［J］.宏觀經(jīng)濟(jì)研究，2017，（11）.

［6］陶立祥，沈俊，等.武漢市科技金融發(fā)展效率研究——基于BCC模型和Malmquist指數(shù)法［J］.科技管理研究，2020，（06）.

［7］杜金岷，梁嶺，等.中國區(qū)域科技金融效率研究［J］.金融經(jīng)濟(jì)學(xué)研究，2016，（06）.

［8］賀寶成，李姍珊.我國省域科技金融效率時空演進(jìn)分析［J］.合作經(jīng)濟(jì)與科技，2022（01）：54-56.

［9］李天籽，韓沅剛.武漢城市圈科技金融效率時空特征與趨同演化分析［J］.經(jīng)濟(jì)地理，2022，42（01）：61-69.

［10］張清葉，趙天宇.基于DEA-Malmquist的河南省科技創(chuàng)新效率研究［J］.科技創(chuàng)業(yè)月刊，2022，35（02）：36-42.

［11］成剛.數(shù)據(jù)包絡(luò)分析方法與Max DEA軟件[M].北京：知識產(chǎn)權(quán)出版社，2014.

［12］張鵬，李林欣，曾永泉.基于DEA-Malmquist指數(shù)的粵港澳大灣區(qū)科技創(chuàng)新效率評價研究［J］.工業(yè)技術(shù)經(jīng)濟(jì)，2021，40（02）：12-17.

基金項(xiàng)目： 2022年度濟(jì)南市哲學(xué)社會科學(xué)規(guī)劃研究項(xiàng)目（項(xiàng)目編號：JNSK22B17）。

作者單位：王永輝，齊魯工業(yè)大學(xué)（山東省科學(xué)院）金融學(xué)院，研究生；邵林，齊魯工業(yè)大學(xué)（山東省科學(xué)院）副教授，管理學(xué)博士。