基于DEA模型的科技金融結合效率研究

余麗霞 鄭潔

【摘 要】 科技與金融的有效結合是實現創新驅動發展，提升區域綜合競爭力的重要引擎。在建立科技金融效率評價指標體系的基礎上，運用DEA模型對2016年30個省（自治區、直轄市）及2002—2016年四川省金融投入與科技產出進行橫向和縱向分析①，橫向對比顯示四川省2016年科技金融綜合效率、純技術效率及規模效率均處于相對有效狀態，需進行一定程度的調整和改進才能達到有效狀態;由縱向分析可知在2002—2016年這15年間，四川省科技金融總體效率有13年未達到有效狀態，其中7年存在投入冗余和產出不足問題。基于實證分析結果，提出了促進四川省科技金融發展的政策性建議。

【關鍵詞】 科技金融; 數據包絡分析法（DEA）; 聚類分析; 整體效率; 純技術效率; 規模效率

【中圖分類號】 F832;F224? 【文獻標識碼】 A? 【文章編號】 1004-5937（2019）04-0032-06

一、引言

自“科技金融”一詞在1993年中國科技金融促進會首屆理事會上正式使用以來，科技金融的發展受到黨中央、國務院的高度重視，陸續出臺的一系列政策文件成為了科技金融的頂層設計。2006年國務院頒布了《國家中長期科學和技術發展規劃綱要（2006—2020年）》，提出了促進科技創新的科技金融政策，標志著科技金融被正式列為國家科技創新戰略;2011年在科技部《國家“十二五”科學和技術發展規劃》中，專門闡述了科技與金融的融合以及金融支持科技產業發展的服務機制和多渠道多層次融資體系;2012年，科技部把科技金融等一系列科技服務作為現代服務的建設重點，大力鼓勵和扶持相關企業發展;2015年，中共中央、國務院頒布的《關于深化體制機制改革加快實施創新驅動發展戰略的若干意見》著重強調：“發揮金融創新對技術創新的助推作用，培育壯大創業投資和資本市場，提高信貸支持創新的靈活性和便利性，形成各類金融工具協同支持創新發展的良好局面”;2017年黨的十九大報告中確定了建設現代化經濟體系的戰略部署，強調“著力加快建設實體經濟、科技創新、現代金融、人力資源協調發展的產業體系”。目前，我國經濟發展已經開始由要素驅動向創新驅動轉變，四川作為西南地區的科技大省，創新能力全國排名第16名，西部第3名②，已經積累了大量科技資源，但是科技成果轉化效果不是十分理想，尚未形成財富效應，科技創新對經濟增長貢獻的比例偏低。因此，科技金融作為調整經濟結構和提高企業競爭力的重要手段日益得到學術界和實務界廣泛關注，本文嘗試利用四川省的歷史數據對其科技金融結合的效率進行實證研究，深入分析四川科技金融結合存在的問題并提出相關政策建議。

二、文獻回顧

（一）科技金融的概念回顧

對科技金融（Sci-tech Finance）的概念界定目前還沒有統一定論，現階段國內備受關注和認可的是以趙昌文為代表的科技金融“工具論”和以房漢廷為代表的科技金融“本質論”。國務院發展研究中心產業經濟研究部部長趙昌文[1]指出科技金融是促進科技開發、成果轉化和高新技術產業發展的一系列金融工具、金融制度、金融政策與金融服務的系統性、創新性安排，是由向科學與技術創新活動提供融資資源的政府、企業、市場和社會中介機構等各主體及其在科技創新融資過程中的行為活動共同組成的一個體系，是國家科技創新體系和金融體系的重要組成部分。隨后盧金貴等[2]、徐玉蓮[3]、胡蘇迪等[4]分別從不同角度對科技金融概念加以界定，但其實質都是將技術與金融作為創新產業的外生變量，因此都是科技金融“工具論”的倡導者。與此相對的是，科技部研究員房漢廷[5]沿用熊彼特、佩蕾絲的邏輯體系，把技術與金融作為創新產業的兩大動力源泉并提出了科技金融“本質論”。他認為科技金融是以培育高附加價值產業、創造高薪就業崗位、提升經濟體整體競爭力為目標，促進技術資本、創新資本與企業家資本等創新要素深度融合、深度聚合的一種新經濟范式，這種新經濟范式由技術、金融和企業家這三大子系統構成，即同質化的金融資本通過科學技術異質化的配置，獲取高附加回報的過程。

目前關于科技與金融的結合，還有另一個熱點名詞叫“金融科技”（Fin-tech），是伴隨“互聯網+”與金融行業深度結合而快速興起的一個新概念。學術界和實務界對這一概念普遍的看法是指將新的科技成果如人工智能、大數據、區塊鏈、云計算、生物技術、互聯網技術等科學技術應用于金融領域，通過改造和創新，融合產生的金融領域新產品、新服務、新模式等。因此，綜合現有學者們的研究，本文認為“金融科技”側重點是科技在金融業的運用，而“科技金融”則更多指的是如何給科技產業提供更多、更好的金融支持和金融服務，這也是本文研究的重點。

（二）科技金融的效率研究回顧

1.國外研究

國外研究在該部分主要圍繞金融發展與科技創新的相互作用，一方面金融發展對科技創新有明顯的促進作用，且這種促進作用普遍適用于各個國家。Alessandra et al.[6]、Liao et al.[7]、Ayyagari[8]、Chowdhury et al.[9]等分別基于英國、歐盟等不同國家和地區從理論和實證兩方面研究了金融機構資本占企業運營資本比例、企業外部資源獲取的難易程度、證券市場籌資與銀行信貸在技術創新投資中的占比等與科技創新的關系，結果顯示，無論是發達國家還是發展中國家，這些指標均與科技創新效率顯著正相關，促進作用明顯;另一方面，科技創新反過來也會促進金融發展，但對此的研究相對較少，Hasan et al.[10]、Consoli[11]分別基于動力演化機制和自動化控制視角研究科技進步對銀行業和證券交易所的影響，結果顯示先進技術能顯著提升銀行及證券交易所的成本效率和收益效率，是其業務結構變化的核心。隨后，Schinckus[12]以電子信息技術為代表的技術革命作為科技創新指標分析得出技術革命不僅能提高金融機構效率，也對金融市場的運作效率有極大的促進作用。

2.國內研究

國內對科技金融的研究側重于分析科技與金融的融合度和結合效率。徐玉蓮等[13]實證分析了我國省級區域的科技創新和科技金融耦合度，結果表明兩者耦合協調度整體偏低，且東部、中部、西部③差異明顯。同科技創新與金融耦合協調度一樣，我國科技金融結合效率水平也表現為整體效率偏低且地區差異較大，王新龍等[14-15]將我國2006—2014年各省市科技金融投入與產出的面板數據作為樣本，分別采用NOICA與DEA模型和DEA-Malmquis指數與SFA模型進行實證分析得出的結論。以上研究是基于國家整體層面而言的，而劉俊岐等[16]、許汝俊等[17]采用SE-DEA與Malmquist指數線性組合模型、DEA模型對比研究了我國三大經濟區（東部、西部、中部）的科技金融運行情況，研究結果呈現三級分化，東部地區綜合效率最高、西部地區其次、中部地區綜合效率最低。在此基礎上，戴志敏[18]運用變異系數、基尼系數和泰爾系數分析了我國科技金融梯形遞減分布格局，得出區域間差異程度總體趨于收斂狀態，但區域內差異化嚴重且呈現鋸齒狀波動的態勢。現有文獻基于各省市、各地區科技金融結合效率對比研究較少，基于四川省的實證研究則更少。

三、研究設計

（一）方法介紹

數據包絡分析方法（Data Envelopment Analysis，DEA）是Charnes A.和Copper W W.等著名運籌學家以“相對效率”為基本思想，根據多指標投入和多指標產出對相同性質的決策單元（DUM）進行相對有效性測算的一種系統分析方法。該方法是一種非參數前沿效率分析方法，相對于一般參數法有其獨特的優點：一是在多個決策單元間進行相對有效性評價時，不必事先考慮指標的權重和確定投入產出指標間可能存在的函數關系，直接通過投入—產出判斷決策單元是否處于生產前沿面，排除了許多主觀因素，增強了評價結果的客觀性;二是DEA模型既可對各決策單元進行評價及排序，又可指明非DEA有效的決策單元與最佳決策單元相比，在哪些投入產出項目上有冗余或不足，進而為決策者提供改進效率的最優途徑。其基本模型有如下兩種：

不變規模報酬模型（CCR），是假設在規模報酬不變條件下，將各項投入與產出的生產因子進行線性組合，以投入產出的線性組合比率表示整個集合的相對效率，作為DEA最基本模型用來評價決策單元的整體效率。

可變規模報酬模型（BCC），是為解決CCR模型無法進一步分析決策單元弱效率是由技術無效還是規模無效引起的缺陷而加以改善的，將假設條件由固定規模報酬放寬為變動規模報酬，分析當決策單元處于非有效狀態時，有多大程度是由技術無效引起的。其CCR和BCC得分與決策單元效率之間的關系如表1所示。

（二）指標選取及數據來源

1.指標選取

本文金融投入與科技產出指標體系在借鑒相關學者研究的基礎上，嚴格遵循指標選取的四大原則：一是目的性，不管是投入指標還是產出指標必須真實反映科技金融效率評價的目的，且對評價結果有較大影響;二是適當性，指標數量選取要適當，若指標過多將導致DMU數增加，降低DEA的評價功能，原則上投入指標要多于產出指標，且DMU數應多于投入與產出指標之和的兩倍;三是可獲得性，在我國還未形成科技金融指標體系的情況下，難免會有數據的缺失，因此為保證數據的真實有效，需選擇易于獲取的數據;四是多樣性，投入與產出指標需多樣化，提供多角度的效率評價參考。本文將經費投入（地方財政科技撥款和R&D經費內部支出）及人力資本投入（R&D人員總量）作為金融投入指標;直接產出（專利申請受理數）及間接產出（技術市場成交合同額）作為科技產出指標（見表2）。

2.樣本選擇及數據來源

本文涉及的樣本為2016年30個省（自治區、直轄市）以及2002—2016年四川省的面板數據。在數據收集方面，考慮到金融投入與科技產出之間存在一定的滯后性，本文假定滯后期為一年，即文中采用的輸出指標滯后輸入指標一年，因此樣本區間數據來源于2002—2017年的《中國科技統計年鑒》《中國統計年鑒》《四川省統計年鑒》及中國科技統計網。

四、實證分析

本文在指標數據收集完整的基礎上采用Deap 2.1軟件進行求解，在求解過程中，選擇以投入為主導型進行效率評價，即在既定投入下計算產出的最大值，分別對2016年30個省級科技金融結合效率及2002—2016年四川省科技金融結合效率進行分析，分析結果如表3、表4所示。

（一）DEA平面結果分析

根據表3的實證結果可知，2016年在30個決策單元中，僅北京、浙江、福建、廣西、陜西、青海這6個地區科技金融綜合效率為1，即金融投入與科技產出達到有效均衡狀態。2016年四川省科技金融綜合效率為0.973，處于相對有效狀態，表明四川省科技投入能大部分但未能完全轉化為科技產出，借助BCC模型的進一步分析，2016年四川省科技金融的純技術效率值（0.985）和規模效率值（0.988）相差無幾，且均處于相對有效狀態，表明四川省科技金融取得了豐碩成果，但相對有效值為1的省市而言，還需進行一定程度調整方可達到有效水平。此外，2016年四川省科技金融規模報酬處于遞增狀態，即每增加一單位的投入帶來的產出增加將大于一單位，因此在調整期間，可通過增加金融投入來促進科技產出，同時在加大科技金融投入規模時應注重科學技術創新，使純技術效率與規模效率匹配上升至有效水平，促使金融投入與科技產出協調均衡，發揮其規模效益作用。

（二）DEA時序結果分析

1.CCR模型結果分析

從表4的數據結果可知，在2002—2016年共15年中，僅兩年（2015、2016）的CCR得分為1，整體效率為有效狀態④，表明這兩年金融投入和科技產出結合效率較高，實現了在既定投入下的最大產出，科技金融資源配置合理;而2002—2009年的CCR得分均小于0.9，處于非有效狀態，這8年間四川省科技金融在規模和技術方面都存在一定問題，且金融投入相較于技術創新對科技產出的作用更顯不足;隨著近年政府部門對科技金融的重視，2010—2016年的綜合效率均有了明顯提高，由非有效上升至相對有效和有效狀態，在維持此效率的基礎上政府只需采取一定調整措施就能使科技金融結合效率達到有效。

2.BCC模型結果分析

從BCC模型分析結果可以看出，四川省在2002—2016年純技術效率基本都處于有效和相對有效這兩種狀態，僅兩年處于非有效狀態，從該角度看，四川省在這15年中科學技術對科技產出的支持和科技創新均較為穩定。其中，2002—2003年、2005年、2007年、2011—2012年、2015—2016年BCC得分為1，說明這8年用于技術水平提升和科研能力增強的投入均高效的轉化為了科技產出;2006年、2009—2010年、2013—2014年這5年的純技術效率處于相對有效狀態，稍加調整即可達到均衡狀態;剩下的2004年和2008年這兩年的BCC得分均小于0.9，說明科技創新能力欠佳，對科技產出的支撐作用尚未凸顯等。

當純技術效率未達到有效狀態時，DEA處于弱有效，若想達到均衡狀態，需通過技術的徑向調整和要素配置的松弛調整，經過調整的數據表現為投入冗余或產出不足（見表5）。如四川省在2004年、2006年、2008—2010年、2013—2014年這7年中，各項金融投入均偏多，出現冗余，而相應技術市場成交合同額產出不足。因此，在控制金融投入的同時加大技術創新及優化金融投入管理，使金融投入均衡的轉化為科技產出。

3.規模有效性結果分析

規模效率是總體效率（CCR）與純技術效率（BCC）的比值，其得分反映當DUM處于非有效狀態時，有多大程度是由規模無效引起的。從表4規模效率的結果分析，四川省2002—2016年僅2015年和2016年的規模效率得分為1，表明這兩年金融投入適當，實現了一定產出下的最小投入;2002—2014年規模效率均未達到有效狀態，其中，2002—2007年規模效率值均小于0.9，表明四川省在這6年間科技金融投入規模不高，且這種規模投入也未能完全轉化為科技產出，但這種情況隨著2008年四川省科技金融在財政科技撥款、R&D人員總量及R&D內部經費支出上的投入較2007年分別增長了近42.62%、14.98%及29.07%的基礎上，其規模效率也由非有效轉化為了相對有效狀態，由此說明提高四川省科技金融投入能一定程度上促進其效率提高。此外，表4顯示四川省科技金融規模報酬處于遞增狀態，即各金融投入要素增加時，科技產出的增加比重大于投入的變化比重，因此應適當增加金融投入規模來促進產出增加。

（三）我國金融支持科技創新效率的聚類分析

為進一步明確四川省科技金融結合效率在全國科技金融結合效率中的排序，本文運用SPSS 17.0軟件對2016年30個省級科技金融結合效率值進行K-均值聚類分析，將其劃分為5層級（高效層、中高效層、中效層、中低效層、低效層），分析結果如表6所示。其中，四川省科技金融效率處于高效層，說明四川省在立足自身實際的基礎上走出了一條科技金融效率的“四川模式”，但同時也應注意到在與高效層中的部分沿海省市相比四川省科技金融效率依然存在巨大提升空間。

五、結論與建議

（一）主要結論

1.通過對2016年30個省級科技金融效率對比可知，四川省2016年的科技金融綜合效率（0.973）、純技術效率（0.985）和規模效率（0.988）均處于相對有效狀態，由此揭示出四川省科技金融的規模投入和技術創新能力均能以較高水平轉化為科技產出，但距離完全轉化還需要進行一定程度調整。

2.縱觀2002—2016年四川省科技金融綜合效率、純技術效率和規模效率的結果。一方面隨著四川省近年來對科技金融的重視，其綜合效率和規模效率一直處于不斷上升態勢，且技術效率在這15年間表現得較為穩定;另一方面，在這15年間，四川省科技金融綜合效率僅2015年和2016年達到有效狀態，其余13年綜合效率值均小于1，其中四川省科技金融綜合效率有8年是處于非有效狀態，且這種非有效狀態多是由規模非有效導致的，揭示出四川省科技金融的投入不足依然是限制科技金融綜合效率提高的主要原因之一，應在加大科技資金投入力度的同時發揮政府主導地位，以此確保政府、企業及社會資金的共同參與，不斷優化科技金融投入結構，其余5年綜合效率處于相對有效狀態，且這種相對有效是由規模效率和純技術效率共同引起的。因此，四川省科技金融投入規模和科學技術創新能力等均有待進一步提高。

（二）相關建議

針對四川省科技金融存在的規模投入和技術創新問題，建議政府、金融機構、科創企業等科技金融參與者在當前制度體系下進行一定程度的優化，以期達到科技金融投入和科學技術完全轉化為科技產出，共同落實四川省科技金融發展目標。

首先，政府作為科技金融的特殊參與主體，應充分發揮其主導與調控作用，在制定和健全科技金融頂層設計的同時，創新財政資金支持科技產業發展的方式方向，給予科創企業不同發展階段以針對性支持，合理配置科技資源，在此基礎上，優化完善財政科技資金“預算—監管—評價”的全過程管理機制。

其次，充分依托金融機構，拓寬融資渠道，一方面鼓勵傳統金融機構針對科技企業特點開發新的金融工具，如充分利用科創企業擁有的專利、知識產權、股權等輕資產，創新質押融資貸款模式和產品，以科創企業未來發展潛力衡量貸款規模及期限;另一方面創新發展新的金融模式，如成立專門的科技銀行、科技保險、創投基金、私募基金、產業基金等，克服融資形式單一帶來的不穩定，有效促進科技資源與金融資源的長期結合。

最后，就企業自身而言，應提升企業技術創新及管理能力，而這種能力的高低很大程度上取決于企業是否擁有高端技術人才，因此企業應在加強人才引進力度的同時，完善現有從業人員培訓考核機制，加快建立科技成果轉化經紀人、科技保險經紀人、科技融資租賃經紀人等制度，推進科技金融人才發展制度化和規范化，增強企業核心競爭力。●

【參考文獻】

[1] 趙昌文，陳春發，等.科技金融[M].北京：科學出版社，2009.

[2] 盧金貴，陳振權.廣東科技金融工作的實踐及對策研究[J].科技管理研究，2010（24）：7-10.

[3] 徐玉蓮，王宏起.科技金融對技術創新的支持作用：基于Bootstrap方法的實證分析[J].科技進步與對策，2012（3）：1-4.

[4] 胡蘇迪，蔣伏心.科技金融理論研究的進展及其政策含義[J].科技與經濟，2012（3）：61-65.

[5] 房漢廷.關于科技金融理論、實踐與政策的思考[J].中國科技論壇，2010（11）：5-10.

[6] ALESSANDRA，STONEMAN.Financial constraints to innovation in the UK：evidence from CIS2 and CIS3[D].Oxford Economic Papers，2009（4）：394-398.

[7] LIAO T S，RICE J.Innovation investments，market engagement and financial performance：a study among Australian manufacturing SMES[J].Research Policy，2010（1）：117-125.

[8] AYYAGARI.Technostress：technological antecedents and implications[J].MIS Quarterly，2011（4）：831-858.

[9] CHOWDHURY R，MAUNG M.Financial market development and the effectiveness of R&D investment：evidence from developed and emerging countries[J].Research in International Business and Finance，2012，26 （2）：258-272.

[10] HASAN，SCHMIEDEL.Technology，automation，and productivity ofstock exchanges：international evidence[J].Journal of Banking&Finance，2003，27（9）：1743-1773.

[11] CONSOLI D，The dynamics of technological change in uk retail banking services：an evolutionary perspective[J].Research Policy，2005，34（3）：461-480.

[12] SCHINCKUS C.The financial simulacrum：the consequences of the symbolization and the computerization of the financial market[J].Journal of Socio-Economics.2008，37（3）：1076-1089.

[13] 徐玉蓮，王玉冬，林艷，等.區域科技創新與科技金融耦合協調度評價研究[J].科學學與科學技術管理，2011（12）：116-122.

[14] 王新龍.我國科技金融結合效率研究[D].南昌：江西財經大學碩士學位論文，2014.

[15] 黃瑞芬，邱夢圓.基于Malmquist指數和SFA模型的我國科技金融效率評價[J].科技管理研究，2016（20）：43-48.

[16] 劉俊岐，史本山.中國省際科技金融效率研究——基于SE-DEA與Malmquist指數線性組合模型[J].科技與經濟，2015（12）：68-73.

[17] 許汝俊，龍子午，姚逍遙.基于DEA-Malmquist指數法的科技金融發展效率評價研究——以長江經濟帶為例[J].科技管理研究，2015（13）：188-191.

[18] 戴志敏.科技金融效率多尺度視角下的區域差異分析[J].科學學研究，2017（9）：1326-1333.