邊俊杰，段可儀

(贛南師范大學 經(jīng)濟管理學院，江西 贛州 341000)

根據(jù)習近平新時代中國特色社會主義經(jīng)濟思想，“創(chuàng)新”是引領發(fā)展全局的核心和第一動力，“協(xié)調”是提升創(chuàng)新效能和實現(xiàn)均衡發(fā)展的根本遵循。在科技創(chuàng)新領域，金融是科技創(chuàng)新成果得以順利轉化的橋梁紐帶，科技金融互動融合的效率對于提升科技創(chuàng)新效率、提升知識產(chǎn)權的管理水平與能力、補齊區(qū)域研發(fā)創(chuàng)新的短板、促進區(qū)域全面協(xié)調發(fā)展，實現(xiàn)我國經(jīng)濟從高速發(fā)展轉變?yōu)楦哔|量發(fā)展、實現(xiàn)創(chuàng)新型強國的建設目標起關鍵作用。

近年來，我國區(qū)域科技創(chuàng)新投入和產(chǎn)出取得了重要成就，R&D的投入能夠顯著促進產(chǎn)業(yè)的轉型升級。[1]從研發(fā)的投入來看，2018年我國區(qū)域研發(fā)費用支出均值最高地區(qū)是東部約為870億元，(1)因疫情影響可操作數(shù)據(jù)年份為2008-2018年。其次是中部地區(qū)均值約為411億元，西部地區(qū)均值最低只有124億元。從研發(fā)產(chǎn)出來看，東部地區(qū)2018年期末有效專利申請數(shù)均值68 175.4項，東北部地區(qū)均值為6 564項。由此可見，研發(fā)投入產(chǎn)出的區(qū)域差距較大，東部地區(qū)科技金融投入和產(chǎn)出效率以及知識產(chǎn)權外部環(huán)境建設更為完善?；诖?，本文重點深入研究我國科技金融效率及其影響因素的省際差異性，并在此基礎上探討提升我國區(qū)域間研發(fā)創(chuàng)新能力，推進區(qū)域間科技金融效率協(xié)調發(fā)展，進而實現(xiàn)科技創(chuàng)新區(qū)域間協(xié)調發(fā)展的對策建議。

一、文獻回顧

當前文獻中評估科技金融效率采用的方法可以歸納為：傳統(tǒng)的DEA模型、AHP層次分析法、隨機前沿的回歸分析和Malmquist生產(chǎn)率指數(shù)，TOBIT、GMM等面板數(shù)據(jù)模型等。代表性的文獻如，Kaihua Chen等[2]采用動態(tài)DEA多周期區(qū)域研發(fā)效率評價中國區(qū)域研發(fā)體系中的效率；趙增耀等[3]運用DEA的方法從靜態(tài)角度進行測算高技術企業(yè)科技研發(fā)和轉化過程的效率值；羅清和等[4]通過 DEA—Malmquist 方法對深圳等14個城市進行橫向比較，并進行研究年份動態(tài)變化過程的分析；李合龍等[5]則從靜態(tài)和動態(tài)相結合的視角，以廣東省科技企業(yè)為研究對象，首先運用AHP層次分析法在宏觀、微觀和中觀層面進行分層，采用DEA模型從靜態(tài)角度探究每個層次效率值，運用Malmquist指數(shù)測算技術效率的動態(tài)變化過程；孫志紅[6]運用傳統(tǒng)的DEA效率測算了我國各個地區(qū)科技金融效率；Miao Wang[7]采用隨機前沿分析方法，研究了進口轉移和外商直接投資對我國技術效率的影響。此外，為了分析投入過程中存在的管理無效率和隨機擾動的因素，王文靜等[8]通過建立DEA-BCC模型和Malmquist指數(shù)從動態(tài)和靜態(tài)的視角分析我國科技金融效率變化情況，并用Tobit模型證明了政府支持和金融中介發(fā)展促進科技成果轉化,但作者在進行Malmquist指數(shù)動態(tài)分析過程中并未進行環(huán)境因素調整。上述文獻對科技金融創(chuàng)新效率的不同測度方法體現(xiàn)了一定的優(yōu)勢，但仍存在不足。

在科技金融的影響因素分析方面，相關學者主要從政府、企業(yè)和金融中介的角度進行探討，綜合考慮多種因素和隨機擾動等風險因素的文獻較為少見。從政府支持角度，Hsu F M等[9]研究發(fā)現(xiàn)，企業(yè)規(guī)模、產(chǎn)業(yè)、受資助企業(yè)的研發(fā)經(jīng)費比例，均顯著影響研發(fā)效率，政府決策者必須確定受資助企業(yè)研發(fā)預算補貼的上限比例，以避免公共資金的低效使用；程翔等[10]從政府實施科技金融政策的角度，構建了政策評價指標體系，對科技金融政策效率進行了評價。從企業(yè)的角度分析的學者主要考慮的是企業(yè)的研發(fā)投入，如V.J. Thomas等[11]從企業(yè)自身研發(fā)投入指標入手，以專利授予率和科研成果發(fā)表率占研發(fā)費用的比例作為研發(fā)效率的計算方法對美國50個州和哥倫比亞特區(qū)的研發(fā)效率進行了分析；葉莉等[12]從企業(yè)融資工具的角度入手，以我國中小板創(chuàng)業(yè)板上市的企業(yè)為研究對象，從企業(yè)層面對科技金融創(chuàng)新效率進行理論分析和實證檢驗，對企業(yè)融資工具進行探討。也有學者從金融發(fā)展環(huán)境角度進行評價，陶長琪等[13]通過構建GMM模型，認為隨著對外開放程度的提升，金融發(fā)展對科技金融的促進作用不斷加強。

從科技金融區(qū)域間均衡發(fā)展角度進行探討的文獻，近年來得到廣泛關注，但文獻較少。童紀新等[14]認為產(chǎn)業(yè)規(guī)模、資金支持力度和區(qū)域法制環(huán)境對科技金融效率產(chǎn)生正向影響，政府財政科研支出對科技金融產(chǎn)生負向影響；許世琴等[15]研究發(fā)現(xiàn)，地區(qū)科研氛圍和資金投入對科技金融有正向促進作用，研發(fā)投入強度對科技金融效率有負向影響。齊亞偉[16]分析區(qū)域產(chǎn)學研均衡協(xié)調發(fā)展環(huán)境對科技金融效率提升的影響，指出企業(yè)、高校、科研機構等創(chuàng)新主體的聯(lián)結關系與區(qū)域創(chuàng)新效率的關聯(lián)性最大。

現(xiàn)有的研究成果還沒有一個比較綜合全面的效率評價方法，在影響科技金融效率的因素方面，從知識產(chǎn)權管理的角度進行分析的文獻較少，基于此，本文綜合運用現(xiàn)階段的效率評價模型，立足于較為全面的影響因素考慮，對我國30個省市2008-2018年間科技金融效率的發(fā)展情況進行分析，首先進行環(huán)境因素的調整再進行靜態(tài)和動態(tài)效率效應評價得到更為科學準確的效率結果；從知識產(chǎn)權管理的獨特視角，全面分析知識產(chǎn)權運用、創(chuàng)造、保護和管理對創(chuàng)新效率的作用效果。

二、指標選取

(一)指標選取

在以往學者選取的指標基礎上結合本文的研究問題，綜合考慮數(shù)據(jù)的可獲得性，選取各省份統(tǒng)計口徑一致的指標。

1.投入產(chǎn)出指標。計算知識產(chǎn)權運營效率投入指標需要從人力、物力、財力三方面考慮，由此本文在考慮數(shù)據(jù)的可行性及合理解釋性，并且結合以往學者的研究成果后，對應選取四個投入指標為：R&D工作人員折合全時當量、R&D項目數(shù)、新增固定資產(chǎn)和R&D經(jīng)費內部支出額；考慮到專利如果得不到有效轉換，無法進入實際生產(chǎn)或市場化中，那該專利就沒有發(fā)揮其應有價值，為了體現(xiàn)市場上對知識產(chǎn)權的有效供給，設置產(chǎn)出指標為期末有效專利申請數(shù)、技術市場成交額與新產(chǎn)品銷售收入三個產(chǎn)出指標。

2.環(huán)境因素變量。SFA隨機前沿模型的優(yōu)勢在于可以有效排除環(huán)境因素對結果的影響，本文考慮地方金融機構貸款衡量地區(qū)高技術產(chǎn)業(yè)的融資環(huán)境，選取區(qū)域科研人數(shù)反映地區(qū)科研氛圍，將地方政府財政科學技術支出費用作為政府對于高技術產(chǎn)業(yè)的支持程度，地區(qū)生產(chǎn)總值GDP衡量地區(qū)經(jīng)濟發(fā)展環(huán)境，知識產(chǎn)權發(fā)展綜合指數(shù)反映地區(qū)知識產(chǎn)權發(fā)展環(huán)境，以上5個因素作為影響科技金融產(chǎn)出的環(huán)境因素變量。

(二)Tobit模型指標選取

本階段研究知識產(chǎn)權管理水平對研發(fā)創(chuàng)新效率的影響。選取經(jīng)過調整的第三階段DEA所得出全國30個樣本省市2008-2018年綜合技術效率為被解釋變量，解釋變量為知識產(chǎn)權管理，選取包括四個方面維度：知識產(chǎn)權創(chuàng)造指數(shù)，主要體現(xiàn)知識產(chǎn)權是否轉變?yōu)橛行庐a(chǎn)品的收益和產(chǎn)出能力；知識產(chǎn)權保護指數(shù)，包含知識產(chǎn)權的立法和結案的數(shù)量；知識產(chǎn)權環(huán)境指數(shù)，體現(xiàn)地區(qū)立法規(guī)章數(shù)目，科研氛圍等；知識產(chǎn)權運用指數(shù)，主要體現(xiàn)知識產(chǎn)權是否有效轉化，為研發(fā)技術產(chǎn)業(yè)帶來經(jīng)濟效益。[17]

三、創(chuàng)新效率的實證分析

(一)創(chuàng)新效率靜態(tài)效應評價

1.第一階段效率結果與分析

首先將我國30個省市2008-2018年的創(chuàng)新效率的相關指標用 DEAP 軟件測算，算出樣本省份2008-2018年的三類效率值，其中綜合技術效率等于純技術效率和規(guī)模效率的乘積，本文選取2008-2018年30個樣本省市綜合技術效率的值順序排列如表1所示，效率值年均值的高低呈東、中、西、東北部階梯順序排列，各區(qū)域綜合效率值都逐年上升.東部地區(qū)綜合技術效率值處于全國區(qū)域的最高水平，達到全國年均值的省份比例為81%。其中，北京、廣東、上海和浙江在研究時段內綜合技術效率均為1，處于生產(chǎn)前沿面，東部地區(qū)除了河北省和山東省以外，其余省份綜合技術效率均在0.7以上，地區(qū)差異性不大。東北部地區(qū)三省效率差異較大，吉林省平均效率均值為0.95，黑龍江省效率值只有0.35。中部地區(qū)綜合效率值均值為0.74，達到全國平均水平比例為50%，安徽和湖南的綜合效率值較高，其余省份綜合效率值差異不明顯，綜合效率值均高于0.6且普遍存在顯著上升趨勢，其中江西省在研究年份內上升幅度最大。西部地區(qū)綜合效率值普遍不高，達到全國平均值比例省份只有33%，除了重慶以外其他省份綜合效率均值均在0.8以下。鑒于第一階段的效率評價沒有考慮環(huán)境變量和隨機因素，而我國區(qū)域環(huán)境發(fā)展水平差異明顯，可能與真實水平之間還有差距。

表1 2008-2018年樣本省份DEA第一階段綜合效率值

2.第二階段(SFA)

此階段將金融機構貸款、地區(qū)科研人數(shù)、政府科研經(jīng)費投入、地區(qū)GDP和地區(qū)知識產(chǎn)權綜合發(fā)展指數(shù)所代表5個環(huán)境因素作為解釋變量，將R&D人員全時當量、R&D項目申請數(shù)、新增固定資產(chǎn)和R&D經(jīng)費內部支出，4個投入在第一階段測算出的松弛變量作為被解釋變量，運用Frontier4.1軟件做混合誤差項隨機前沿回歸分析，得出結果如表2所示，γ值表示管理無效率項的方差與總體方差的比值，其中投入1中誤差項有69%是由管理無效率造成的，投入2的管理無效率占66%，投入3的管理無效率占73%，投入4的管理無效率占78%。接下來對金融機構貸款、地區(qū)科研人數(shù)、政府科研經(jīng)費投入、地區(qū)GDP和地區(qū)知識產(chǎn)權綜合發(fā)展指數(shù)的回歸結果進行分析。

表2 樣本省份隨機前沿分析結果

金融機構的貸款衡量地區(qū)高技術企業(yè)的融資環(huán)境。4個投入指標中，金融機構的貸款只對R&D項目的申請數(shù)在10%的顯著性水平下負相關，說明金融機構貸款增加在一定程度上減少R&D項目投入的松弛，促進產(chǎn)出增加，金融機構對高技術企業(yè)的貸款額占其對外總貸款額的比例不高，導致對其他投入因素的影響不顯著，說明目前我國科技金融的融資環(huán)境有待改善。

地區(qū)科研氛圍用地區(qū)科研人數(shù)來表示。該解釋變量對于R&D經(jīng)費內部支出的投入變量系數(shù)為正數(shù)，即增加地區(qū)科研從業(yè)人員人數(shù)可以增加R&D經(jīng)費投入的松弛投入量，并且導致產(chǎn)出的減少，不利于創(chuàng)新效率的提升。對R&D人員全時當量、R&D項目申請數(shù)、新增固定資產(chǎn)的系數(shù)為正數(shù)但不顯著，說明科研從業(yè)人員數(shù)量的增加存在產(chǎn)出無效率，表明現(xiàn)有的研究與開發(fā)機構普遍存在的“重研究輕轉化”的不足，人員投入所產(chǎn)生的技術成果，得不到及時轉化，形成金融投入效率的“短板效應”。

政府對高技術產(chǎn)業(yè)的支持力度。該變量用政府科研財政支出來表示，對于投入變量R&D經(jīng)費內部支出和新增固定資產(chǎn)的松弛值回歸系數(shù)為負數(shù)，結果說明政府對高技術企業(yè)的支持力度越大越有助于減少新增固定資產(chǎn)和經(jīng)費的無效投入，有利于創(chuàng)新效率提升。科研財政支出對于R&D人員全時當量和R&D項目申請數(shù)投入松弛系數(shù)也為負數(shù)，但不顯著，總體上說明政府在資金投入方面的支出有效率，政府的資金投入降低新增固定資產(chǎn)的投入的松弛有利于產(chǎn)出增加。

地區(qū)經(jīng)濟環(huán)境。該指標用地區(qū)生產(chǎn)總值GDP來表示，地區(qū)GDP對R&D人員全時當量、R&D項目申請數(shù)、新增固定資產(chǎn)和R&D經(jīng)費內部支出的投入的系數(shù)都為正數(shù)，說明地區(qū)經(jīng)濟增長增加了樣本各個地區(qū)科研松弛投入但是并沒有帶來產(chǎn)出增加和創(chuàng)新效率的提升，在一定程度上說明總體上地區(qū)經(jīng)濟增長對科研貢獻率不是很大，沒有帶來研發(fā)效率的提升。

知識產(chǎn)權的綜合指數(shù)衡量地區(qū)知識產(chǎn)權的發(fā)展環(huán)境。知識產(chǎn)權綜合指數(shù)對R&D項目申請數(shù)的投入松弛系數(shù)在1%的顯著水平下正相關，說明地區(qū)知識產(chǎn)權發(fā)展環(huán)境越好，增加地區(qū)R&D項目投入松弛，可能是地區(qū)知識產(chǎn)權保護過度，不利于創(chuàng)新效率提升。地區(qū)知識產(chǎn)權發(fā)展環(huán)境對R&D經(jīng)費內部支出的投入松弛系數(shù)在5%的顯著水平下負相關，說明地區(qū)知識產(chǎn)權發(fā)展環(huán)境好可以有效減少R&D經(jīng)費無效支出，促進創(chuàng)新效率提升。

3.第三階段DEA

第二階段SFA分析過程中扣除其他誤差項的干擾，得到只由管理無效率主導的效率值。選取調整后的投入值和原始產(chǎn)出值重新進行第三階段創(chuàng)新效率的分析計算，得到更加準確的投入產(chǎn)出創(chuàng)新效率值。調整前和調整后2008-2018年30個樣本省市綜合技術效率平均值如表3所示，北京、浙江、上海三個省市在第一階段和第三階段的三類創(chuàng)新效率測算值都為1，說明這三個省份創(chuàng)新投入產(chǎn)出最有效率處于生產(chǎn)前沿面，且不受環(huán)境因素的影響。在調整前后綜合技術效率值大于0.8的省市有北京、江蘇、浙江、上海、天津、廣東、安徽、湖南和重慶，其中東部地區(qū)占6個，中部有安徽和湖南兩個省份，西部只有重慶市?？傮w上看，30個樣本省份均值的純技術效率值接近1，發(fā)展趨勢較為平緩，規(guī)模效率值從2008年0.45逐漸上升到2013年0.62，之后的年份規(guī)模效率和綜合效率值逐漸緩慢上升到0.63左右。

表3 2008-2018年樣本省份第一階段和第三階段DEA效率均值

調整后樣本30個省市的綜合技術效率值都普遍下降，說明環(huán)境因素對投入冗余具有顯著影響，相比之下第一階段各年度的效率都被一定程度高估，其中山東和江蘇在調整后效率值上升，在第二階段隨機前沿分析過程中山東省的4個投入都處于最壞的外部環(huán)境，投入1和4存在最大的隨機誤差，江蘇在投入3的隨機誤差項處于最大值，說明在度量環(huán)境因素時山東省和江蘇省的外部環(huán)境最差，但是管理技能水平較高，扣除管理無效率后兩省得到較為正確效率水平。西部地區(qū)省市下降的幅度最大，其次是中部地區(qū)，東部地區(qū)調整前后效率值變化幅度不大，說明樣本省市外部環(huán)境條件較差，經(jīng)過調整后所有樣本省市的純技術效率都得到提高，現(xiàn)階段我國各省的管理和技術效率達到有效狀態(tài)，經(jīng)過調整后，除山東和江蘇兩省以外，其余省份規(guī)模效率均大幅度下降，說明調整過后綜合效率下降主要是規(guī)模效率較低造成的。

我國各個地區(qū)發(fā)展水平存在顯著差異，圖1是 2008-2018年各區(qū)域第三階段DEA效率均值柱狀圖，其中，純技術效率值的省際差距不大，都大于0.9，說明各個省市的研發(fā)創(chuàng)新管理技術水平較好。東部地區(qū)省市的三類效率值都處于全國最高水平，中部地區(qū)的三類效率值略超過了總體的平均水平，東北部和西部地區(qū)沒有達到總體平均水平，西部地區(qū)的規(guī)模效率值處于總樣本的最低水平，主要是規(guī)模效率值較低導致的，西部地區(qū)所有省份在研究年份都處于規(guī)模報酬遞增階段，說明西部地區(qū)研發(fā)創(chuàng)新意識不強，研發(fā)投入不足以支撐創(chuàng)新效率的提升。

圖1 2008-2018年各區(qū)域第三階段DEA效率均值柱狀圖

(二)創(chuàng)新效率動態(tài)效應評價

為了更加直觀地反映樣本省市在2008-2018年創(chuàng)新效率的動態(tài)變化過程，本階段采用DEAP軟件測算樣本省份基于投入導向的全要素生產(chǎn)率及其分解，用第二階段SFA調整過后投入變量和產(chǎn)出變量得到時間維度和區(qū)域維度Malmquist指數(shù)及其測算結果。

1.時間維度的全要素生產(chǎn)率分析

由表4可見，我國30個樣本省市在2008-2018年的全要素生產(chǎn)率值(TFP指數(shù))均大于1，說明我國普遍存在創(chuàng)新效率提升的效應，研發(fā)創(chuàng)新發(fā)展趨勢良好。其中2010-2011年TFP指數(shù)上升到最大值，上升了33%；2017-2018年間，TFP指數(shù)較為穩(wěn)定基本為1。從TFP指數(shù)的分解來看，綜合的技術效率值變化指數(shù)在2008-2009年間變化最大，上升了14%，純技術效率變化指數(shù)不變，綜合效率的提升主要是由規(guī)模效率變化指數(shù)主導，說明在此階段我國注重加大研發(fā)投入和資源合理配置，研發(fā)規(guī)模效率得到提升，但是技術水平變化指數(shù)下降了4%，導致TFP上升程度只有9%。全要素生產(chǎn)率變化指數(shù)最大的年份是在2010-2011年間，除了純技術效率變化指數(shù)以外，各類生產(chǎn)要素指數(shù)都得到提升，TFP的變動由技術水平變化指數(shù)主導，說明該年份我國技術創(chuàng)新取水平得較大進步。純技術效率變化指數(shù)除了2011-2012和2013-2014這兩個階段有所下降以外，其余年份管理技術水平都沒有變化。我國在2008-2018年間平均全要素生產(chǎn)率變動指數(shù)上升了11%，綜合技術效率變化指數(shù)和技術水平變化指數(shù)都有所上升，說明在研究年份內，我國除了管理技術水平?jīng)]有顯著變化以外，規(guī)模效率，技術創(chuàng)新都取得一定進步，其中技術水平變化上升幅度最大，我國全要素生產(chǎn)率提升主要是技術進步驅動的。

2.區(qū)域維度的全要素生產(chǎn)率分析

表4 基于時間維度的Malmquist指數(shù)變動趨勢及分解

表5是各個區(qū)域全要素生產(chǎn)率變化率的順序排列，樣本省份的全要素生產(chǎn)率指數(shù)全部呈現(xiàn)上升的趨勢，說明我國全國范圍研發(fā)創(chuàng)新的效率都得到了改善。其中西部地區(qū)省份全要素生產(chǎn)率指數(shù)均值上升程度最大，上升了14.9%；其次是中部地區(qū)14.4%；雖然中西部地區(qū)相比于東部地區(qū)研發(fā)創(chuàng)新綜合效率值不高，但是也說明了研發(fā)能力較弱的地區(qū)上升的空間比較大。西部地區(qū)的青海、寧夏和新疆三省，分別位于TFP指數(shù)的前三位，三省的全要素生產(chǎn)率指數(shù)的提升都得益于規(guī)模效率指數(shù)的提升，說明近些年，西部地區(qū)逐步加大創(chuàng)新研發(fā)的生產(chǎn)意識，優(yōu)化投入產(chǎn)出的規(guī)模，促進地區(qū)研發(fā)創(chuàng)新能力的提升。西部地區(qū)的純技術效率指數(shù)普遍較低，說明管理技術水平有待改善。中部地區(qū)的全要素生產(chǎn)率指數(shù)提升主要依賴于規(guī)模效率的提升，江西省和山西省全要素生產(chǎn)率指數(shù)分別位于第7和第8位，其中規(guī)模效率指數(shù)分別上升16.6%和16.2%。近些年，東北地區(qū)技術水平和規(guī)模效率也在逐步改善，進步最明顯的是黑龍江省，雖然綜合創(chuàng)新效率處于全國最低水平，全要素生產(chǎn)率動態(tài)變化過程提升了14.1%。東部地區(qū)的全要素生產(chǎn)率指數(shù)提升主要依賴于技術水平效率的提升，其中北京的技術創(chuàng)新水平變化指數(shù)上升程度最大，達到11.3%，上海、浙江和廣東的技術創(chuàng)新水平提升變化指數(shù)分別為3.6%、4.3%、7.4%，4個省份其余指數(shù)均值為1，規(guī)模效率和管理技術水平維持不變，全要素生成率的提升完全由技術進步驅動，東部地區(qū)研發(fā)創(chuàng)新的綜合技術效率一直處于全國前列，研發(fā)投入規(guī)模和管理技能水平都處于領先地位，全要素生產(chǎn)率的提升只有通過技術的進步來實現(xiàn)。從全國范圍來看，全要素生產(chǎn)率上升11.3%,其中技術水平變化指數(shù)上升程度最大為6%，技術創(chuàng)新能力得到提升，管理技術水平有所下降，規(guī)模效率提升5.3%，我國全要素生產(chǎn)率的提升充分體現(xiàn)了內生增長定律，主要是靠技術進步驅動科技金融產(chǎn)出的增加和效力的提升。

表5 基于區(qū)域維度的Malmquist指數(shù)變動趨勢及分解

3.關于創(chuàng)新效率影響因素測算Tobit回歸

Techit=β1czit+β2bhit+β3hjit+

β4yyit+ui+εit

(1)

表6 科技金融效率隨機效應Tobit回歸結果

知識產(chǎn)權創(chuàng)造指數(shù)反映有效知識產(chǎn)權創(chuàng)造的數(shù)量和質量。從回歸結果來看，各個地區(qū)知識產(chǎn)權的創(chuàng)造指數(shù)與其綜合效率值沒有顯著關系，說明目前我國地區(qū)專利授權量、發(fā)明專利平均維持年限等沒有有效地轉化為專利申請量和新產(chǎn)品銷售收入等有效的研發(fā)產(chǎn)出。

知識產(chǎn)權保護指數(shù)反映地區(qū)知識產(chǎn)權案件立案與結案情況。從回歸結果來看，各個地區(qū)知識產(chǎn)權保護指數(shù)與其綜合效率值在1%的顯著水平下顯著正相關，說明我國知識產(chǎn)權保護水平成效明顯，我國知識產(chǎn)權相關制度不斷完善，法院新收知識產(chǎn)權立案結案數(shù)與日俱增，知識產(chǎn)權保護工作體系逐步健全，知識產(chǎn)權保護得到全面加強，有效促進了研發(fā)創(chuàng)新效率提升。

知識產(chǎn)權環(huán)境指數(shù)包含知識產(chǎn)權的制度、服務和意識。從回歸結果來看，各個地區(qū)知識產(chǎn)權環(huán)境指數(shù)與其綜合效率值在1%的顯著水平下顯著正相關，說明隨著知識產(chǎn)權外部環(huán)境優(yōu)化，知識產(chǎn)權法規(guī)規(guī)章的健全，知識產(chǎn)權服務機構數(shù)量的增加，社會公眾及創(chuàng)新主體的知識產(chǎn)權意識進一步提高，地區(qū)有效研發(fā)創(chuàng)新的效率也在逐步提升。

知識產(chǎn)權運用指數(shù)包含知識產(chǎn)權運用的規(guī)模和效益。從回歸結果來看，各個地區(qū)知識產(chǎn)權運用指數(shù)與其綜合效率值在5%的顯著水平下顯著負相關，說明目前我國知識產(chǎn)權運用發(fā)展空間較大，知識產(chǎn)權沒有有效轉化為技術市場成交合同數(shù)和專利質押融資金額，我國的知識產(chǎn)權和金融結合程度不夠，知識產(chǎn)權運用程度較低，沒有實現(xiàn)知識產(chǎn)權的經(jīng)濟效益，導致知識產(chǎn)權資本化轉化為創(chuàng)新產(chǎn)出效率不高。

四、結論與建議

(一)結論

1.我國省際科技金融效率呈階梯狀分布，東部地區(qū)創(chuàng)新最有效率，且東部地區(qū)省份差異不明顯；中部地區(qū)科技金融效率上升幅度普遍較大；西部地區(qū)科技金融效率普遍較低；東北部地區(qū)科技金融效率區(qū)域差異明顯?？傮w上我國科技金融效率總體是逐年上升趨勢，并且絕大部分年份處于規(guī)模報酬遞增階段。

2.政府的科研財政支出能夠減少4個投入變量的松弛值，促進科技金融效率的提升；地區(qū)GDP增加了4個投入變量松弛值，不利于區(qū)域科技金融效率提升。外部環(huán)境因素對研究樣本省市的高技術產(chǎn)業(yè)知識產(chǎn)權運營效率有較大影響，大部分省份在調整后科技金融效率顯著降低，西部地區(qū)下降幅度最為明顯，主要是規(guī)模效率大幅度降低導致。

3.我國全要素生產(chǎn)率變化指數(shù)均大于1，研發(fā)創(chuàng)新發(fā)展趨勢良好，我國研發(fā)效率提升主要是靠技術水平的提升驅動，各個區(qū)域的創(chuàng)新驅動方式存在差異性，東部地區(qū)主要是技術水平進步驅動，中西部地區(qū)主要靠規(guī)模效率驅動，西部地區(qū)全要素生產(chǎn)率提升幅度最大，雖然研發(fā)效率不高，但是上升空間最大。

4.知識產(chǎn)權創(chuàng)造指數(shù)沒有起到促進科技金融效率的提升作用，知識產(chǎn)權的外部發(fā)展環(huán)境對創(chuàng)新效率提升有促進作用，說明加強知識產(chǎn)權外部環(huán)境建設有利于促進我國科技金融效率的提升。知識產(chǎn)權運用指數(shù)與創(chuàng)新效率之間是負相關，說明知識產(chǎn)權沒有較好地實現(xiàn)其經(jīng)濟效益的轉化。

(二)建議

1.激勵創(chuàng)造。提升創(chuàng)造的數(shù)量、質量和效率。目前我國絕大多數(shù)省市尤其是西部地區(qū)，創(chuàng)造指數(shù)偏低，研發(fā)創(chuàng)新投入不足，知識產(chǎn)權的創(chuàng)造沒有反映到效率水平的提升上。雖然知識產(chǎn)權創(chuàng)造指數(shù)逐年上升，但是沒有轉化為有效知識產(chǎn)權的產(chǎn)出，最終體現(xiàn)為有效新產(chǎn)品的研發(fā)和新產(chǎn)品的銷售收入，現(xiàn)階段我國應該增加有效知識產(chǎn)權創(chuàng)造的數(shù)量，減少冗余的科研人員、資金投入和固定資產(chǎn)等無效投入，提升知識產(chǎn)權創(chuàng)造的質量，提高知識產(chǎn)權維持時間和比例，促進有效知識產(chǎn)權的轉化。

2.高效運用。提升知識產(chǎn)權運用的規(guī)模和效益。從實證結果來看，我國知識產(chǎn)權運用指數(shù)并沒有促進科技金融效率提升，目前知識產(chǎn)權運用模式單一，知識產(chǎn)權運用規(guī)模效率低，金融機構應該提供多種創(chuàng)新型知識產(chǎn)權市場化產(chǎn)品與服務，同時社會市場主體應該針對知識產(chǎn)權運用進行積極探索和實踐，從制度完善、搭建交易平臺再到創(chuàng)新運用模式等方面加大規(guī)模投入，最終使我國知識產(chǎn)權運用逐步從單一效益向綜合效益轉變。

3.知識產(chǎn)權環(huán)境建設。知識產(chǎn)權環(huán)境建設中最重要的一環(huán)就是制度環(huán)境，有效的知識產(chǎn)權環(huán)境有利于創(chuàng)新效率提升，但是目前我國普遍存在執(zhí)法部門執(zhí)法不嚴、執(zhí)法人員專業(yè)水平不夠的問題，客觀上會導致創(chuàng)新積極性的缺失，所以我國要加強知識產(chǎn)權的司法保護和行政保護，形成完善的法律法規(guī)體系，積極構建知識產(chǎn)權金融機構綜合服務平臺，健全知識產(chǎn)權評估和交易流程機制，全方位培養(yǎng)知識產(chǎn)權金融服務人才，提升公民知識產(chǎn)權的保護意識。

4.科學管理。知識產(chǎn)權管理工作是知識產(chǎn)權從產(chǎn)生到發(fā)揮作用的全過程中最重要的環(huán)節(jié)，從政府角度來說，可以完善知識產(chǎn)權評估機構和平臺建設，政府對科創(chuàng)型企業(yè)加大財政支持，實施各種優(yōu)惠政策，降低高技術企業(yè)的融資成本；從企業(yè)的角度來說，減少無效投入，減少冗余現(xiàn)象。要提升高技術產(chǎn)業(yè)運營效率，提升企業(yè)管理能力，杜絕企業(yè)尋租行為，應加強基礎設施建設，促進高技術企業(yè)的研發(fā)效率的提升。