朱波強(qiáng) 蔡洪文 李權(quán) 白雪 龔城

［摘要］經(jīng)濟(jì)發(fā)展離不開科技創(chuàng)新，科技創(chuàng)新需要資金支持，金融服務(wù)需要政策支持，科技金融政策的效果需要評(píng)價(jià)，總結(jié)經(jīng)驗(yàn)，發(fā)現(xiàn)不足，進(jìn)一步推進(jìn)科技金融政策促進(jìn)科技金融，從而實(shí)現(xiàn)科技創(chuàng)新和經(jīng)濟(jì)發(fā)展。本文通過對(duì)四川省科技金融政策的評(píng)價(jià)，結(jié)合四川省科研經(jīng)費(fèi)的投入和研發(fā)隊(duì)伍的規(guī)模和作用，根據(jù)GDP和有效專利受理等產(chǎn)出效應(yīng)，參照云南省和貴州省科技金融政策效果，運(yùn)用DEA-Malmquist-Tobit研究方法研究了四川省科技金融政策對(duì)四川省全要素生產(chǎn)率的促進(jìn)作用。研究發(fā)現(xiàn)，四川省科技金融政策對(duì)四川省生產(chǎn)率的發(fā)展和經(jīng)濟(jì)進(jìn)步具有較好的促進(jìn)作用，同時(shí)也發(fā)現(xiàn)在科技金融政策的引領(lǐng)下，科研經(jīng)費(fèi)的投入也對(duì)經(jīng)濟(jì)發(fā)展起到了積極作用。

［關(guān)鍵詞］科技金融政策；DEA-Malmquist-Tobit；執(zhí)行效果；全要素生產(chǎn)率；四川省

中圖分類號(hào)：F832.72 文章標(biāo)志碼：A 文章編號(hào)：1672-0563（2024）03-0065-11

DOI：10.13773/j.cnki.51-1637/z.2024.03.008

引言

《中華人民共和國(guó)國(guó)民經(jīng)濟(jì)和社會(huì)發(fā)展第十四個(gè)五年規(guī)劃綱要》指出，展望二〇三五年，我國(guó)經(jīng)濟(jì)實(shí)力、科技實(shí)力、綜合國(guó)力將大幅躍升，經(jīng)濟(jì)總量和城鄉(xiāng)居民人均收入將再邁上新的大臺(tái)階，關(guān)鍵核心技術(shù)實(shí)現(xiàn)重大突破，進(jìn)入創(chuàng)新型國(guó)家前列?，F(xiàn)在世界正面臨更加復(fù)雜的政治經(jīng)濟(jì)形勢(shì)，實(shí)施創(chuàng)新型國(guó)家戰(zhàn)略是應(yīng)對(duì)這種復(fù)雜局面的必由之路。科技創(chuàng)新離不開科技金融的支持，更離不開科技金融政策的引導(dǎo)、扶持、促進(jìn)和規(guī)范。為了促進(jìn)科技創(chuàng)新，就要加強(qiáng)對(duì)科技金融政策進(jìn)行研究、規(guī)范和提升，強(qiáng)化科技金融政策的引領(lǐng)、扶持、促進(jìn)和規(guī)范功能，從而實(shí)現(xiàn)完善科技金融政策、促進(jìn)科技金融發(fā)展以加速科技創(chuàng)新的戰(zhàn)略目標(biāo)。

作為我國(guó)的科技創(chuàng)新大省，四川省在大力發(fā)展科技金融的前提下，積極制定和完善政策以助推科技創(chuàng)新。四川省先后出臺(tái)了《關(guān)于加強(qiáng)科技和金融結(jié)合，加快科技成果轉(zhuǎn)化，促進(jìn)戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展的意見》《四川省科技金融發(fā)展規(guī)劃2018-2020》《四川省“十四五”科技金融發(fā)展規(guī)劃》等文件。這些科技金融政策文件極大地促進(jìn)了四川省科技金融及高新技術(shù)產(chǎn)業(yè)發(fā)展，但這些政策也存在缺乏系統(tǒng)性和忽視地區(qū)行業(yè)差異等問題，影響了科技金融政策效果的發(fā)揮，為此需要進(jìn)一步研究以充分發(fā)揮科技金融政策在四川省社會(huì)經(jīng)濟(jì)建設(shè)中的作用。

一、文獻(xiàn)綜述

國(guó)內(nèi)對(duì)科技金融的研究較多，研究科技金融較為系統(tǒng)的是2009年趙昌文出版的《科技金融》一書，該書系統(tǒng)介紹了科技金融的基本理論、我國(guó)科技金融的演化史，世界各國(guó)科技金融的形式和現(xiàn)狀，并主要介紹了國(guó)家科技創(chuàng)新基金、風(fēng)險(xiǎn)投資、科技貸款、科技保險(xiǎn)等科技金融形式的概念、特征、原理和基本操作等，是一本有關(guān)科技金融百科全書式的研究，在此基礎(chǔ)上有關(guān)科技金融的研究就大量出現(xiàn)。

在研究科技金融發(fā)展演化方面，張明喜等（2019）［1］把我國(guó)科技金融發(fā)展分為萌芽階段、起步階段、探索階段、推進(jìn)階段和發(fā)展階段，演化經(jīng)濟(jì)學(xué)貫例、新奇和搜尋、選擇過程等理論解釋了科技金融的演進(jìn)機(jī)理并從經(jīng)濟(jì)基礎(chǔ)、金融自身發(fā)展、體制與制度等進(jìn)行了科技金融發(fā)展動(dòng)因的分析。李詩(shī)林等（2019）［2］研究了風(fēng)險(xiǎn)投資、企業(yè)家創(chuàng)新創(chuàng)業(yè)與多層次資本市場(chǎng)演化發(fā)展，該文分析了風(fēng)險(xiǎn)投資市場(chǎng)生態(tài)系統(tǒng)的協(xié)同演化機(jī)制，回顧了中國(guó)風(fēng)險(xiǎn)投資市場(chǎng)發(fā)展歷程，并從協(xié)同演化的視角總結(jié)了這個(gè)發(fā)展風(fēng)險(xiǎn)投資市場(chǎng)的主要經(jīng)驗(yàn)。孟方琳等（2019）［3］也用演化經(jīng)濟(jì)學(xué)對(duì)我國(guó)創(chuàng)業(yè)投資體制的演進(jìn)歷程，根據(jù)新制度經(jīng)濟(jì)學(xué)的基本理論，介紹了美國(guó)的創(chuàng)業(yè)投資體制的演化過程，并把我國(guó)的創(chuàng)業(yè)投資體制分為從無(wú)到有、曲折前行、黃金10年和走向成熟等四個(gè)階段，同時(shí)也從新制度經(jīng)濟(jì)學(xué)的視角研究了我國(guó)創(chuàng)業(yè)投資體制的演進(jìn)演化原因和核動(dòng)力。

在我國(guó)，認(rèn)為科技金融的發(fā)展離不開科技創(chuàng)新和金融創(chuàng)新的深度融合，認(rèn)為只有二者的深度融合才能更好地促進(jìn)科技金融的發(fā)展。為此王仁祥和黃家祥（2016）［4］研究了科技創(chuàng)新和金融創(chuàng)新耦合的內(nèi)涵、特征和模式，認(rèn)為科技創(chuàng)新和金融創(chuàng)新的耦合具有共生性、聯(lián)動(dòng)性和風(fēng)險(xiǎn)性，并將我國(guó)科技創(chuàng)新和金融創(chuàng)新耦合的模式分為泛耦合模式、內(nèi)部化耦合模式、直接耦合模式和一體化耦合模式等四種耦合模式。袁永和陳麗佳（2014）［5］研究了科技創(chuàng)新和金融負(fù)債的耦合機(jī)理并對(duì)此做出了相關(guān)建議。張媛媛等（2017）［6］運(yùn)用協(xié)調(diào)度評(píng)價(jià)模型對(duì)蘇南五市區(qū)域性科技創(chuàng)新和科技金融的協(xié)同發(fā)展程度進(jìn)行研究，并借鑒上海張江、武漢東湖、北京中關(guān)村等國(guó)家自主創(chuàng)新示范區(qū)的政策，提出了蘇南區(qū)域性科技創(chuàng)新和快捷鍵耦合升級(jí)的建議。姚永玲和王翰陽(yáng)（2015）［7］對(duì)北京市的科技創(chuàng)新和金融資本的融合關(guān)系進(jìn)行了實(shí)證分析，驗(yàn)證了科技創(chuàng)新和金融資本可以通過市場(chǎng)機(jī)制實(shí)現(xiàn)共贏。王宏起和徐玉蓮（2012）［8］構(gòu)建了科技創(chuàng)新和科技金融協(xié)同度模型，并用2000—2010年間我國(guó)科技創(chuàng)新和科技金融的有關(guān)數(shù)據(jù)對(duì)我國(guó)科技創(chuàng)新和科技金融的協(xié)同度進(jìn)行了研究。與此同時(shí)，徐玉蓮等（2017）［9］還用系統(tǒng)科學(xué)的序參量對(duì)區(qū)域科技創(chuàng)新和科技金融的系統(tǒng)協(xié)同演化進(jìn)行了研究。除了研究科技創(chuàng)新和金融創(chuàng)新的耦合機(jī)理等理論研究以外，還有一些學(xué)者對(duì)科技金融的效率進(jìn)行了研究。余麗霞和鄭潔（2019）［10］運(yùn)用DEA模型對(duì)四川省科技金融結(jié)合效率進(jìn)行了研究。黃瑞芬和邱夢(mèng)園（2016）［11］應(yīng)用Malmquist指數(shù)和SFA模型對(duì)我國(guó)科技金融效率進(jìn)行了評(píng)價(jià)。許汝俊等（2015）［12］采用DEA-Malmquist指數(shù)法對(duì)長(zhǎng)江經(jīng)濟(jì)帶的科技金融發(fā)展效率進(jìn)行了研究評(píng)價(jià)。程翔和鮑新中（2018）［13］對(duì)京津冀地區(qū)的科技金融政策也做了類似的研究。由此可見，我國(guó)對(duì)科技創(chuàng)新和金融創(chuàng)新協(xié)調(diào)協(xié)同的研究頗豐，這些研究都一致認(rèn)為，科技金融的發(fā)展離不開科技創(chuàng)新和金融創(chuàng)新的深度融合和高度耦合。

在科技金融政策方面，錢雪松（2018）［14］收集了2006—2011年間促進(jìn)科技和金融結(jié)合的政策文件并進(jìn)行了文件匯編，李媛媛等（2022）［15］研究了政策評(píng)價(jià)的理論框架，張永安和郄海拓（2017）［16］用PMC指數(shù)量化評(píng)價(jià)了政策的作用效果，程翔等（2020）［17］研究了政策對(duì)企業(yè)競(jìng)爭(zhēng)力的影響。

國(guó)內(nèi)研究科技金融的學(xué)者比較多，比較集中在科技金融的類型、效率和融合度等方面，科技金融政策研究的不夠深入。本文通過對(duì)四川省科技金融政策的評(píng)價(jià)，結(jié)合四川省科研經(jīng)費(fèi)的投入和研發(fā)隊(duì)伍的規(guī)模和作用，對(duì)四川省科技金融政策對(duì)四川省全要素生產(chǎn)率的促進(jìn)作用做了進(jìn)一步研究。

二、理論分析

科學(xué)技術(shù)是第一生產(chǎn)力，科學(xué)技術(shù)的提升離不開金融支持，支持科技創(chuàng)新的金融主要通過支持風(fēng)險(xiǎn)投資、科技貸款、科技發(fā)展專項(xiàng)基金、科技保險(xiǎn)等科技金融發(fā)展的形式實(shí)現(xiàn)?？萍冀鹑诘陌l(fā)展除了科技創(chuàng)新自身豐厚回報(bào)吸引科技金融自發(fā)跟進(jìn)以外，也需要政府科技金融政策的引導(dǎo)。根據(jù)各國(guó)特別是發(fā)達(dá)國(guó)家的發(fā)展經(jīng)驗(yàn)來看，科技金融政策在科技金融發(fā)展壯大和科技創(chuàng)新的不斷推進(jìn)的進(jìn)程中發(fā)揮著越來越重要的作用。政府通過出臺(tái)一系列科技金融政策，激發(fā)科技創(chuàng)新主體的創(chuàng)新熱情和科技金融主體對(duì)科技創(chuàng)新投入的力度，從而創(chuàng)造出更多更先進(jìn)的科技創(chuàng)新成果，進(jìn)而引發(fā)投入更多投資和人力資源，提高社會(huì)生產(chǎn)力，創(chuàng)造更多社會(huì)財(cái)富，推動(dòng)社會(huì)的進(jìn)步和發(fā)展。

三、方法選擇和模型構(gòu)建

（一）方法選擇及指標(biāo)選擇

數(shù)據(jù)包絡(luò)分析法，簡(jiǎn)稱DEA（Data Envelopment Analsis），是由美國(guó)Charnes教授等（1978）提出的，用于估計(jì)和測(cè)算相對(duì)投入和產(chǎn)出效率的非參數(shù)評(píng)價(jià)方法。DEA方法主要通過構(gòu)建一個(gè)虛擬效率前沿面來衡量和評(píng)價(jià)決策單元DMU（Decision Making Unit）的相對(duì)效率。效率前沿面由所有最有效的DMU的邊界組成，是給定輸入輸出條件下的最有效率。其他DMU的相對(duì)效率則可以通過效率前沿面的距離來測(cè)度，距離越近表示該DMU越接近最高效率。該方法能評(píng)價(jià)技術(shù)的有效性，能處理多輸入多輸出的實(shí)際問題。同時(shí)該方法還能消除在多因素決策中事先人為設(shè)定權(quán)重而帶來的主觀因素造成的結(jié)果誤差。不僅如此，該方法還能發(fā)現(xiàn)非有效DMU的非有效狀態(tài)的原因并提出效率優(yōu)化方案。同時(shí)運(yùn)用Malmquist方法對(duì)四川省、貴州省和云南省的全要素生產(chǎn)率的動(dòng)態(tài)變動(dòng)趨勢(shì)進(jìn)行研究。

為了反映科技金融政策對(duì)四川省經(jīng)濟(jì)發(fā)展的影響效果，我們用Tobit回歸予以研究，在Tobit回歸中，我們以DEA得出的全要素生產(chǎn)率為因變量，以科技金融政策的得分為自變量，以勞動(dòng)投入、固定資產(chǎn)規(guī)模、研發(fā)投入和研發(fā)人員投入為控制變量予以分析。

在DEA模型中，輸入輸出指標(biāo)是評(píng)價(jià)DMU效率的關(guān)鍵因素，輸入指標(biāo)通常是各種資源的投入，如資本、原材料、人力資源等生產(chǎn)要素的投入，輸出指標(biāo)主要是指各DMU的各種產(chǎn)出，如GDP，銷售收入等。本文用固定資產(chǎn)投入和勞動(dòng)力資源作為輸入變量，將GDP和科技創(chuàng)新成果作為輸出變量。

（二）模型構(gòu)建

1.DEA模型

為了評(píng)價(jià)四川省科技金融政策執(zhí)行效果，我們將選擇同處西南地區(qū)的云南、貴州作為決策單元（DMU）予以研究。在這些決策單元（DMU）中均有m種投入和n中產(chǎn)出，xij為第j個(gè)DMU對(duì)應(yīng)的第i種投入量，xij≥0，ykj為第j個(gè)DMU對(duì)應(yīng)的第k種產(chǎn)出量，ykj≥0，ui和vk分別為對(duì)應(yīng)投入量和產(chǎn)出量的權(quán)重。以產(chǎn)出的加權(quán)和投入的加權(quán)的比值來衡量效率，并以此為目標(biāo)函數(shù)，以各DMU的效率不超過1為約束條件即可得到如下模型：

經(jīng)過Charne-Cooper變換可得到如下模型：

Maxθ=∑mk=1vkxk0

St.∑nj=1uiyij－∑mk=1vkxkj≤0，j=1，2，……，n

∑mj=1uiyij=1

U，v≥ε，i=1，2，……，n，k=1，2，……，s（2）

其對(duì)偶形式如下

Maxθ=θ0-ε（∑sk=1S+k+∑mi=1S-i ）

St.∑nj=1λjyxij+ S-i≤θ0xi0

∑nj=1 λjykj+λjxij =yk0

λj，S-i，S+k≥0，i=1，2，……，m；

j=1，2，……，n，k=1，2，……，s（3）

這樣就得到規(guī)模報(bào)酬不變（Constant Returns to Scale，CRS）假設(shè)下的DEA模型CCR模型（C2R包絡(luò)模型）

Banker，Charnes和Cooper（1984）又假定規(guī)模報(bào)酬可變，從而建立了BCC模型。該模型利用CCR模型得到的θ值為DMU的綜合效率值（CRSTE），加入約束條件∑λj=1，綜合效率分為兩部分，即純技術(shù)效應(yīng)（VRSTE）和規(guī)模效應(yīng)（SCALE），且CRSTE= VRSTE×SCALE

Maxθ=θ0-ε（∑sk=1S+k+∑mi=1S-i）

St.∑nj=1λjyxij+S-i≤θ0xi0

∑nj=1 λjykj-S+k=yk0

∑nj=1λj=1

λj，S-i，S+k≥0，i=1，2，……，m；

=1，2，……，n，k=1，2，……，s（4）

一般認(rèn)為，規(guī)?？勺儣l件下的分析更合理一些，因此本文選擇BCC模型進(jìn)行研究。

2.Malmquist模型

DEA一般用于靜態(tài)分析，不能進(jìn)行動(dòng)態(tài)趨勢(shì)研究。Malmquist模型較好的解決了這個(gè)問題。Malmquist模型主要用于研究DMU在不同時(shí)間下的效率變化情況，用此方法能較好反映科技金融政策的動(dòng)態(tài)效果。該模型如下：

假設(shè)有s個(gè)DMU，每個(gè)DMU在t期用m種投入獲得n種產(chǎn)出。若用xtj表示DMU第j個(gè)DMU在第t期的投入量，則Xtj=（Xt1j，Xt2j，……Xtmj）≥0，，若用ytj表示DMU第j個(gè)DMU在第t期的投入量，則Ytj=（Yt1j，Yt2j，……Ytmj）≥0。在規(guī)模報(bào)酬不變（CRS）情況下，令（xt，yt）在t期的距離函數(shù)為Dtc（xt，yt），在規(guī)模報(bào)酬可變（VRS）情況下，令（xt，yt）在t期的距離函數(shù)為Dtv（xt，yt），由此得到t期到t+1期的效率變化：

M（xt，yt，xt+1，yt+1）=Dtv（xt+1，yt+1）Dtv（xt，yt）×Dt+1v（xt+1，yt+1）Dtv（xt，yt）］12（5）

其中，當(dāng)M（xt，yt，xt+1，yt+1）>1>1時(shí)，表明DMU在科技金融政策下改善了技術(shù)，生產(chǎn)效率取得了進(jìn)步，反之表示DMU效率退步。

Ray和Dwsli（1997）對(duì)模型進(jìn)行了修正，提出了Malmquist指數(shù)分解的RD模型，模型如下：

MRD（xt，yt，xt+1，yt+1）=Dtv（xt+1，yt+1）Dtv（xt，yt）×［Dt+1v（xt，yt）Dt+1v（xt，yt）×Dtv（xt+1，yt+1）Dt+1v（xt+1，yt+1）］12

×［Dtc（xt+1，yt+1）/Dtv（xt+1，yt+1）Dtc（xt，yt）/Dtv（xt，yt）×Dt+1c（xt+1，yt+1）/Dt+1v（xt+1，yt+1）Dt+1c（xt，yt）Dt+1v（xt，yt）］12（6）

=TC△RD×PTE△RD×SE△RD

其中TC△RD，PTE△RD，SE△RD分別表示技術(shù)進(jìn)步、純技術(shù)效率變動(dòng)、規(guī)模效率變動(dòng)。且TEC＝PDE×SE。

當(dāng)M＞1時(shí)，表明Malmquist指數(shù)在t到t+1期間呈現(xiàn)上升趨勢(shì)，效率提高；

當(dāng)M＝1時(shí)，表明Malmquist指數(shù)在t到t+1期間呈現(xiàn)上升不變，效率保持不變；

當(dāng)M＜時(shí)，表明Malmquist指數(shù)在t到t+1期間呈現(xiàn)上升下降，效率降低。

3.Tobit回歸模型

Tobit回歸模型是James Tobit對(duì)Probit回歸模型的一種推廣，該模型的因變量取值受到一定范圍限制，因此也稱為受限因變量模型。Tobit模型如下：

Yi=Y*i=βlXi+μi，Y*i＞0

0，Y*i≤0

模型中，βl表示未知的參數(shù)估計(jì)向量，Yi表示效率值向量，Y*i代表因變量向量，μi表示誤差項(xiàng)，Xi代表自變量向量。

四、科技金融政策效果模型構(gòu)建

（一）全要素生產(chǎn)率指標(biāo)選擇

借鑒余麗霞和鄭潔（2019）和許汝俊等（2015）的方法，收集四川省有關(guān)數(shù)據(jù)，運(yùn)用DEA-Malmquist方法，以固定資產(chǎn)規(guī)模和就業(yè)人員數(shù)為投入變量，以GDP和有效發(fā)明專利作為產(chǎn)出變量，如表1所示。以此計(jì)算四川、云南、貴州三省的全要素生產(chǎn)率。

其中固定資產(chǎn)規(guī)模采用永續(xù)盤存制計(jì)算，其公式如下：

FAt=（1-δ）FAt-1+It（7）

其中FAt表示第t年四川省、貴州省和云南省固定資產(chǎn)存量，也就是該年固定資產(chǎn)的規(guī)模，It用于表示四川省、貴州省和云南省在第t年的固定資產(chǎn)投資水平，δ表示固定資產(chǎn)的折舊率。

（二）科技金融政策文本量化分析

1.政策文本數(shù)據(jù)來源

本文參考程翔等（2020）的做法，通過設(shè)定“科技金融”“科技貸款”“財(cái)政科技投入”“科技保險(xiǎn)”等關(guān)鍵詞在四川省人民政府網(wǎng)站、云南省人民政府網(wǎng)站、貴州省人民政府網(wǎng)站和《中國(guó)法律檢索系統(tǒng)》（北大法寶）等網(wǎng)站進(jìn)行搜索，獲得四川省的科技金融政策文本。本文收集了2015年—2022年四川省、云南省和貴州省的科技金融政策。

2.科技金融政策文本量化

本文參考程翔等（2020）的做法，在政策力度、政策目標(biāo)和政策措施三個(gè)方面分別對(duì)科技金融政策進(jìn)行打分?？萍冀鹑谡吡炕瘶?biāo)準(zhǔn)手冊(cè)如表2所示。

參照程翔等（2020）和李媛媛等（2022）的做法，將政策力度和政策目標(biāo)的和乘以政策措施就可得到科技金融政策的評(píng)價(jià)分值，公式如下：

scoret=Σni=1（Lit+Mit）Cit（8）

式中i為第i項(xiàng)政策，t為四川省、貴州省和云南省科技金融政策頒布的年份，Lit表示

式中i為第i項(xiàng)政策，t為四川省、貴州省和云南省科技金融政策頒布的年份，Lit表示t年第i科技金融政策政策力度的得分，Mit為t第i項(xiàng)科技金融政策目標(biāo)的得分，Cit為t第i項(xiàng)科技金融政策政策措施的得分，scoret為t第i項(xiàng)科技金融政策的最終得分，反映了四川省、貴州省和云南省具體年份科技金融的整體狀況。

（三）DEA測(cè)算與結(jié)果分析

本文收集了四川省、貴州省和云南省三省2015—2022年的固定資產(chǎn)規(guī)模、勞動(dòng)力投入、科技研發(fā)投入和科技人員數(shù)量作為投入指標(biāo)，GDP，科技專利成果作為產(chǎn)出指標(biāo)進(jìn)行分析得到以下DEA分析結(jié)果表（表3）：

從表3可以看出，在科技金融政策的推動(dòng)下，四川省的綜合效率（CRS_TE）、純技術(shù)效率（VRS_TE）和規(guī)模效率值（SCALE）在2015—2021年的值都是1，只有2022年的全要素生產(chǎn)率為0.995，主要原因是規(guī)模報(bào)酬率為0.995，其全要素生產(chǎn)率都是較高的。而貴州省在2015—2021年的綜合效率（CRS_TE）分別為0.949、0.955、0.962、0.978、0.985、0.990和0.997，2022年為1，效果也是比較理想的，效果欠佳年份主要受到規(guī)模效率的影響，所以擴(kuò)大投入，提高規(guī)模效應(yīng)是可以選擇的方向。對(duì)于云南省而言，2015—2019年的綜合效率（CRS_TE）分別為0.959、0.957、0.961、0.972和0.983，2020—2022年的均為1。導(dǎo)致2015—2019年全要素生產(chǎn)率沒有達(dá)到1的原因除2017年的純技術(shù)生產(chǎn)率為0.997和2018年的純技術(shù)生產(chǎn)率為0.999以外，主要原因均為規(guī)模報(bào)酬生產(chǎn)率銀翼的。何總體效果也很好，科技金融政策均起到了應(yīng)有的效果?？傮w來看，四川省全要素生產(chǎn)率較其他省份好一些。

（四）Malmquist測(cè)算與結(jié)果分析

運(yùn)用上述指標(biāo)對(duì)四川省、貴州省和云南省進(jìn)行Malmquist分析得到上述三省的動(dòng)態(tài)全要素生產(chǎn)率變化指標(biāo)（TFPCH）、技術(shù)效率變化指標(biāo)（TECH）和技術(shù)進(jìn)步變化指標(biāo)（TECCH），見表4。

從分析來看，四川省2016—2017年、2018—2019年、2020—2021年和2021—2022年的全要素生產(chǎn)率變化指標(biāo)分別為0.9919、0.9822、0.9573和0.9893，低于1這個(gè)分界線，影響因素主要是技術(shù)進(jìn)步變化指標(biāo)，說明這兩個(gè)發(fā)展階段技術(shù)進(jìn)步乏力，有待加強(qiáng)科技金融政策的扶持，其他年份都超過1這個(gè)指標(biāo)，表現(xiàn)較好。貴州省2015—2022年的動(dòng)態(tài)全要素生產(chǎn)率變化指標(biāo)都高于1，效果較好。云南省2018—2019年、2020—2021年和2021—2022年的全要素生產(chǎn)率變化指標(biāo)低于1，其他年份的變化趨勢(shì)都較好?？傮w看，四川省全要素生產(chǎn)率的變化趨勢(shì)還是比較好的，都在0.99以上。

五、實(shí)證分析

（一）樣本選取

政策樣本數(shù)據(jù)如上所述，采用2.2.2所述方法在四川省人民政府網(wǎng)站、云南省人民政府網(wǎng)站、貴州省人民政府網(wǎng)站收集了2015—2022年的科技金融相關(guān)政策并進(jìn)行量化。其他數(shù)據(jù)通過《四川省統(tǒng)計(jì)年鑒》《云南省統(tǒng)計(jì)年鑒》《貴州省統(tǒng)計(jì)年鑒》《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》等獲得，主要收集了2015—2022年的相關(guān)數(shù)據(jù)。

（二）模型設(shè)定

參照錢雪松等（2018）的方法構(gòu)建Tobit計(jì)量模型如下：

crstet=β0+β1fcoret+β2ln_persont+β3ln_rd_persont+β4ln_rd_feet+β5ln_fixedt+εt（9）

模型中crstet是四川省、云南省、貴州省第t年的全要素生產(chǎn)率，fcoret是四川省貴州省、云南省第t年的科技金融政策得分的對(duì)數(shù)，ln_persont是第t年就業(yè)人數(shù)的對(duì)數(shù)，ln_rd_persont是第t年投入科研人員數(shù)量的對(duì)數(shù)，ln_fixedt是第t年固定資產(chǎn)的對(duì)數(shù)，ln_rd_feet是第t年投入科研人員數(shù)量的對(duì)數(shù)，εt是一個(gè)隨機(jī)變量。

（三）變量定義

1）被解釋變量TEPt為四川省全要素生產(chǎn)率，通過DEA-Malmquist方法收集相關(guān)數(shù)據(jù)獲得。

2）解釋變量為scoret，其為通過收集的科技金融政策文本并進(jìn)行量化得分求得。

3）控制變量主要包括四川省的年科技經(jīng)費(fèi)投入和科技人員投入數(shù)量，通過它們和科技金融政策協(xié)同作用來觀察這些科技要素對(duì)四川省全要素生產(chǎn)率的貢獻(xiàn)情況。

對(duì)上述變量進(jìn)行統(tǒng)計(jì)描述如表5。

（四）科技金融政策實(shí)證效果分析

采用模型（3）對(duì)科技金融政策的效果進(jìn)行線性回歸和Tobit回歸分析可得到如下結(jié)果，見表6。

研究發(fā)現(xiàn)，科技金融政策得分的顯著水平為0.082，較為顯著，且回歸系數(shù)為正，表明四川省科技金融政策與全要素生產(chǎn)率呈正相關(guān)關(guān)系，提高科技金融政策對(duì)科技創(chuàng)新的扶持力度能有效提高生產(chǎn)效率。同時(shí)就業(yè)人員、科研人員以及科研經(jīng)費(fèi)的投入的顯著水平分別為0.071、0.044和0.242，也同樣較為顯著，且相關(guān)系數(shù)為正，所以科技金融政策對(duì)生產(chǎn)率的發(fā)展和經(jīng)濟(jì)進(jìn)步具有較好的促進(jìn)作用。同時(shí)也發(fā)現(xiàn)在科技金融政策的引領(lǐng)下，科研經(jīng)費(fèi)的投入也對(duì)經(jīng)濟(jì)發(fā)展起到了積極作用。

六、研究結(jié)論與建議

在與貴州省、云南省等省的比較中可以看出，無(wú)論是四川省、還是貴州省、云南省的科技金融政策都對(duì)該省的經(jīng)濟(jì)發(fā)展起到了應(yīng)有的推動(dòng)作用，特別是四川省科技金融政策對(duì)過去四川省科技金融、科技創(chuàng)新和經(jīng)濟(jì)發(fā)展所起作用略微明顯一些，也引領(lǐng)相關(guān)單位和部門加大了科研經(jīng)費(fèi)的投入，并取得了較好效果。但也同時(shí)發(fā)現(xiàn)，四川省科技金融政策的效果不太明顯，今后四川省可進(jìn)一步擴(kuò)大科技金融政策數(shù)量、加強(qiáng)政策力度、強(qiáng)化政策措施等完善四川省科技金融政策，充分發(fā)揮科技金融政策在經(jīng)濟(jì)建設(shè)和社會(huì)發(fā)展方面的作用，實(shí)現(xiàn)四川省經(jīng)濟(jì)社會(huì)高質(zhì)量發(fā)展。

參考文獻(xiàn)

［1］ 張明喜，郭騰達(dá)，張俊芳.科技金融發(fā)展40年：基于演化視角的分析［J］.中國(guó)軟科學(xué)，2019（3）：20-33.

［2］ 李詩(shī)林，王丹，陳澤.風(fēng)險(xiǎn)投資、企業(yè)家創(chuàng)新創(chuàng)業(yè)與多層次資本市場(chǎng)協(xié)同演化發(fā)展［J］.區(qū)域與全球發(fā)展，2019，3（3）：5-30.

［3］ 孟方琳，田增瑞，賈巧萍，等.演化經(jīng)濟(jì)學(xué)視角下我國(guó)創(chuàng)業(yè)投資體制的演進(jìn)歷程、經(jīng)驗(yàn)與政策研究［J］.西南金融，456（7）：4-9.

［4］ 王仁祥，黃家祥.科技創(chuàng)新與金融創(chuàng)新耦合的內(nèi)涵、特征與模式研究［J］.武漢理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2016，29（5）：875-872.

［5］ 袁永，陳麗佳.科技創(chuàng)新與金融發(fā)展的耦合機(jī)理及政策建議［J］.科技管理研究，2014，34（20）：14-17.

［6］ 張媛媛，袁奮強(qiáng)，劉東皇，等.區(qū)域科技創(chuàng)新與科技金融的協(xié)同發(fā)展研究——基于系統(tǒng)耦合理論的分析［J］.技術(shù)經(jīng)濟(jì)與管理研究，2017（6）：71-76.

［7］ 姚永玲，王翰陽(yáng).科技創(chuàng)新與金融資本融合關(guān)系研究——基于北京市的實(shí)證分析［J］.中國(guó)科技論壇，2015（9）：103-108.

［8］ 王宏起，徐玉蓮.科技創(chuàng)新與科技金融協(xié)同度模型及其應(yīng)用研究［J］.中國(guó)軟科學(xué)，2012（6）：129-138.

［9］ 徐玉蓮，于浪，王玉冬.區(qū)域科技創(chuàng)新與科技金融系統(tǒng)協(xié)同演化的序參量分析［J］.科技管理研究，2017，37（15）：15-20.

［10］余麗霞，鄭潔.基于DEA模型的科技金融結(jié)合效率研究——以四川省為例［J］.會(huì)計(jì)之友，2019（4）：33-37.

［11］ 黃瑞芬，邱夢(mèng)園.基于Malmquist指數(shù)和SFA模型的我國(guó)科技金融效率評(píng)價(jià)［J］.科技管理研究，2016，36（20）：43-48.

［12］ 許汝俊，龍子午，姚逍遙.基于DEA-Malmquist指數(shù)法的科技金融發(fā)展效率評(píng)價(jià)研究——以長(zhǎng)江經(jīng)濟(jì)帶為例［J］.科技管理研究，2015，35（13）：188-191.

［13］ 程翔，鮑新中.科技金融政策效率研究——以京津冀地區(qū)為例［J］.北京聯(lián)合大學(xué)學(xué)報(bào)，2018，61（3）：116-124.

［14］ 錢學(xué)松，康瑾，唐英倫，等.產(chǎn)業(yè)政策、資本配置效率和企業(yè)全要素生產(chǎn)率［J］.中國(guó)工業(yè)經(jīng)濟(jì)，2018（8）：42-59.

［15］ 李媛媛，陳文靜，王輝.科技金融政策、資金網(wǎng)絡(luò)與企業(yè)創(chuàng)新績(jī)效［J］.科技管理研究，2022（6）：28-35.

［16］ 張永安，郄海拓.國(guó)務(wù)院創(chuàng)新政策量化評(píng)價(jià)——基于PMC指數(shù)模式［J］.科技進(jìn)步與對(duì)策，2017，34（17）：127-136.

［17］ 程翔，楊小娟，張峰.區(qū)域經(jīng)濟(jì)高質(zhì)量發(fā)展和科技金融政策的協(xié)調(diào)度研究［J］.中國(guó)軟科學(xué)，2020（增刊）：115-124.

［責(zé)任編輯：魏 凈］

Research on the Implementation Effectiveness of

Policies Regarding Technology and Finance in Sichuan Province

ZHU Boqiang， CAI Hongwen， LI Quan， BAI Xue

（School of Economics and Management， Panzhihua University， Panzhihua 617000， Sichuan）

Abstract：Economic development is inseparable from technological innovation， which requires financial support. Financial services also necessitate policy support， and the effectiveness of policies regarding technology and finance requires assessments， accumulation of experiences and identification of weaknesses in order to promote policies regarding technology and finance and facilitate technological innovation as well as economic development. This paper integrates the assessment of policies regarding technology and finance in Sichuan Province with the scale and role of scientific research funding and personnel. In compliance with the output effects such as GDP and effective patent acceptance， the research takes effects of policies regarding technology and finance in Yunnan Province and Guizhou Province as reference， applies DEA-Malmquist-Tobit research method to study the its promotional effect on Sichuan Provinces total factor productivity. The study finds that the policies regarding technology and finance in Sichuan Province have a desirable promoting effect on the growth of productivity and economic progress. Meanwhile， it is observed that under the guidance of policies regarding technology and finance， the scientific research funding also plays a positive role in economic development.

Keywords： policies regarding technology and finance； DEA-Malmquist-Tobit； implementation effect； total factor productivity； Sichuan Province