陜西高技術企業科技金融資源配置效率研究

余家楣

【摘 要】論文采用三階段DEA模型對陜西省2001-2015年高新技術產業科技資源配置效率進行測算，結果表明陜西省高新技術產業科技資源配置基本處于規模不變狀態，但科技資源配置的規模效率有待提高，且陜西省高新技術產業的發展存在人才資源配置不均衡、資金配置不均衡、產業規模小、科技成果轉化能力較弱等問題，因此需要通過加強人才隊伍建設、科技金融投入力度、知識產權保護、擴大高新技術產業規模和完善配套產業鏈等方面工作予以解決。

【Abstract】The paper uses three-stage DEA model to estimate the allocation efficiency of scientific and technological resources of high-tech industries in Shaanxi Province from 2001 to 2015.The results show that the allocation of scientific and technological resources of high-tech industries in Shaanxi Province is basically in a state of constant scale， but the scale efficiency of the scientific and technological resources needs to be improved， and there are some problems in the development of high-tech industry in Shaanxi Province， such as unbalanced allocation of human resources， unbalanced allocation of funds， small scale of industry and weak ability of transformation of scientific and technological achievements. Therefore， we should strengthen the construction of talents， investment in science， technology and finance， protection of intellectual property rights， expansion of the scale of high-tech industries and the improvement of the supporting industrial chain， so as to solve these problems.

【關鍵詞】三階段DEA模型;高技術企業;科技金融

【Keywords】three-stage DEA model; high-tech enterprises;sci-tech finance

【中圖分類號】F276.44? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ?【文獻標志碼】A? ? ? ? ? ? ? ? ? ? ? ? ? ? ? ? 【文章編號】1673-1069（2019）04-0084-04

1 引言

黨的十九大報告指出，創新是引領發展的第一動力，是建設現代化經濟體系的戰略支撐。報告中10余次提到科技、50余次強調創新。2017年陜西省政府出臺的《陜西省“十三五”科學和技術發展規劃》中提出建設“創新強省”，實現追趕超越，在更多領域的創新發展進入全國第一方陣。

高新技術產業作為帶動經濟發展的新引擎，是創新發展戰略的一線產業。在黨中央高度重視科技創新的大背景下，科技資源有效配置對于高新技術產業的重要帶動作用也逐漸顯現。

目前，對于創新效率和科技資源配置效率的研究主要采用經典DEA方法。然而，經典DEA方法忽略了投入產出的變量松弛問題，不能完全展現決策主體的真實效率水平。Fried等（2002）將傳統數據包絡分析與隨機前沿理論相結合，在對決策單元效率進行分析時采用SFA方法消除外部環境和隨即擾動等因素的影響，有效彌補了經典DEA方法的不足[1]。本文首先采用傳統數據包絡分析中的BCC模型對陜西省高新技術產業科技資源配置效率進行測算，繼而使用相似SFA模型消除環境因素以及隨即擾動影響后對科技志愿的配置效率進行再一次測算，并對分析結果進行討論。

2 文獻綜述

“科技金融”是具有中國特色的概念，在國外并未形成完整理論和獨立研究方向，研究集中于金融對科技創新的支持作用方面，研究中將金融體系與科技創新體系作為兩個獨立個體，如Schumpeter提出了金融發展促進技術創新的觀點，他認為，創新是將新的生產要素和生產條件相結合并帶入生產體系當中，銀行的作用在于向這種新的要素組合提供購買力，從而推動經濟發展[2]。Aghion，Howitt[4]認為資金密Paul（1992）通過實證分析指出，企業的科技研發活動具有高風險性特點，完善而發達的金融市場，可以通過多元化的投資方式來分散風險，對于企業科技創新活動具有推動作用[5]。

與國外不同，國內研究多將金融與科技創新看作有機整體，且研究較為全面，包括金融對科技創新的作用、科技金融發展效率及影響效率等方面[3]。如劉降斌，李艷梅對長三角、珠三角、東三省等四大區域科技型中小企業面板數據進行研究發現，金融體系對于科技企業創新活動存在長期影響，而在短期內則具有一定不確定性[6]。俞立平通過對省際面板數據的實證研究發現，金融發展對科技創新具有明顯的累積性和滯后性[7]。錢水土，張宇以2012-2014年滬、深A股721家企業面板數據為研究樣本進行研究發現，科技金融發展對企業科技研發投入具有激勵作用，且企業研發投入越高，科技金融激勵作用越強[8]。池仁勇采用數據包絡分析，對浙江省科技創新效率進行研究，并采用線性回歸方法對科技創新效率的影響因素進行分析[9]。劉偉以專利授權數量和新產品銷售收入為科技產出變量，以R&D人員全時當量和研發經費支出為投入變量，采用三階段DEA模型對我國高技術產業創新效率進行測算[10]。黃瑞芬，邱夢圓采用DEA-Malmquist指數和SFA模型對我國30個省市區科技金融面板數據進行分析發現，我國科技金融效率呈上升趨勢，但效率水平較低，且存在明顯地區差異[11]。

3 基于三階段DEA的效率評價

3.1 方法簡介

本文選取2002-2016年陜西高技術企業科技金融相關指標數據，采用三階段DEA方法對陜西科技金融發展效率進行分析。三階段DEA方法將傳統DEA模型和SFA模型相結合，其中，傳統DEA模型采用deap2.1軟件，以投入為導向的BCC模型實現，模型原理不再贅述。

SFA模型用來調整投入松弛變量，提出環境因素和隨機因素對于投入松弛值的的影響。對樣本m個決策單元的松弛變量進行隨機前沿分析，則SFA模型可表述為：

Sij=f（zj，βi）+vij+μij（i=1，2，…，m;j=1，2，…，n）

式中，Sij表示第j個決策單元第i個松弛變量;zj=（z1j，z2j，…，zij）表示擁有k個環境變量;βi為環境指標估計系數，則f（zj，βi）為環境指標對投入松弛變量的影響函數;vij+μij表示混合誤差項，其中，vij為隨機擾動項對投入松弛值的影響，μij為管理無效率對投入松弛值的影響。定義γ=，γ趨近于1，說明管理無效率是造成科技金融產出效率低下的主要原因，若γ趨近于0，科技金融產出效率低的主要原因是受到隨機誤差項的干擾。

3.2 指標選取

投入和產出指標選取方面，本文根據指標選取的科學性、可行性、可比性、客觀性、目標性等原則，借鑒前輩研究，選擇陜西省高新技術產業R&D人員全時當量和R&D經費內部支出兩項指標為投入指標;選取陜西省高新技術產業的專利申請數量、擁有發明專利數量和技術市場合同成交額作為三階段DEA分析的產出指標。

在環境變量的選取方面，本文以人才潛力、市場結構、產業結構三項作為影響陜西高技術企業科技金融效率的環境因素。其中，選取陜西省高校在校生人數作為陜西省人才潛力的衡量指標;選取陜西省高新技術企業數量作為市場結構指標，企業數量越多，說明市場競爭程度越激烈;用陜西省第二產業產值占地區生產總值的比重作為衡量產業結構的指標。

根據以上指標構建的陜西省高新技術產業科技資源配置效率測度指標體系如表1所示。

3.3 實證分析

3.3.1 第一階段DEA實證結果

利用DEAP2.1軟件中的投入導向BC2模型對陜西省高新技術產業14年間科技資源配置效率進行測算，結果如表2所示。

注：crste表示綜合效率，vrste表示純技術效率，scale表示規模效率，crste=vrste*scale。RTS表示各決策單元的規模報酬狀態，drs為規模報酬遞減，irs為規模報酬遞增，—表示規模報酬不變。

由上表可以看出，在未提出環境因素影響的情況下，2010-2015年期間，陜西高新技術企業科技金融資源配置處于有效狀態;在樣本年份中，科技金融資源效率的提升主要是陜西省科技金融純技術效率的貢獻，說明在未考慮外部因素影響時，陜西高技術企業在管理和技術水平方面均處于較高水平。

3.3.2 第二階段SFA回歸結果

利用Frontier4.1軟件進行回歸運算，得出各投入松弛量與環境因素變量的回歸系數及γ和σ2。當回歸系數為負時，表示環境變量值越大就越有利于減少投入冗余，從而提高配置效率，減少資源浪費;當回歸系數為正時，表明環境變量值的增加會導致投入松弛量增加，造成資源浪費。第二階段SFA的回歸結果如表3所示。

通過SFA回歸分析，用環境因素指標解釋兩項投入指標的松弛變量時，值均為1，故在環境變量確定的情況下，對兩項投入指標的松弛變量管理無效，隨即擾動因素為0;而各解釋變量的系數均通過顯著性檢驗，說明環境因素對投入松弛變量的影響是顯著的。由表3可以看出，作為環境因素的市場結構指標和產業結構指標與兩個投入指標松弛值相關系數為負，表示市場結構和產業結構指標對陜西高新技術企業科技金融資源投入具有正向影響;而教育規模與兩投入指標松弛值的相關系數均為正，表示陜西省教育潛力并未對陜西高技術企業科技金融資源配置起到推動作用。

3.3.3 第三階段DEA實證結果

利用Frontier4.1軟件，可直接求出βi，σ，σ的估計值，根據羅登躍[7]的研究結果，可計算出針對“成本函數”隨機前沿的μij估計量和vij估計量。將原始產出變量和經過調整后的投入變量代入DEA模型，所得測度結果由表4給出。

根據表4所示的效率測算結果，在剔除環境因素影響后，陜西高技術企業科技金融資源配置的綜合技術效率、純技術效率、規模效率三者平均值均有所下降，且在樣本年份中，處于效率前沿水平的年份數量下降，進一步說明環境因素對陜西高新技術企業科技金融資源配置效率存在顯著影響。雖然平均水平有所下降，但純技術效率仍然是陜西高技術企業科技金融配置效率的主要推動因素，表明陜西高技術企業注重企業管理能力提升和技術升級。

4 科技資源配置存在問題分析

首先，R&D人力資源配置不均衡。通過實證分析結果來看，陜西省高新技術產業科技資源配置效率在2001-2015年期間，大部分呈現出科技資源投入產出規模遞增的態勢，結合陜西省豐富的高等教育資源和不斷擴大的高等教育規?，F狀可以發現，一方面，陜西省的科技創新投入規模并不能滿足高新技術創新主體的需求;另一方面，陜西作為西部省份，區位與東部和中部地區相比存在明顯劣勢，經濟發展程度相對較低，在留住人才和吸引人才方面能力較弱，這也是陜西作為高等教育大省，人才潛力卻無法對高技術企業科技金融投入產生正向影響的主要原因之一。

第二，R&D經費資源配置不均衡。從實證分析結果可以看出，陜西省高新技術產業科技資源投入不均衡是造成資源配置效率較低的主要原因，R&D經費資源投入的不均衡是除R&D人力資源投入不均衡之外，影響科技資源投入規模的最重要變量。根據《2016年中國高新技術統計年鑒》統計數據，陜西省2015年R&D經費投入規模只排在全國第13位，省財政科技支出僅位于全國第25位，遠遠低于全國平均水平，相較于浙江、北京、上海、廣東東部地區，陜西省科技經費投入量存在較大差距，甚至落后于中部的河南、湖北、湖南三省;另一方面，陜西省高新技術產業的R&D資金來源渠道相對單一，資金主要來源于政府扶持和企業自有資金。

第三，科技成果轉化能力較弱。陜西是全國科教大省，卻非科技強省，根據實證分析結果，陜西省高校和科研院所實力雄厚，但科技成果轉化能力較弱，高校和科研院所的部分創新成果無法實現就地轉化，科技創新活動無法帶動地方經濟發展;另一方面，企業新產品開發和銷售表現欠佳，2015年，陜西省企業在新產品銷售和國際市場新產品創造方面的比重僅為全國平均水平的45.0%、56.2%。

5 對策建議

第一，加強產業園區建設，提升科技隊伍水平。一是將西安高新區、西安國家民航工業基地、西安國際港務區、寶雞高新區等作為重點區域進行建設，將制藥、航空航天、裝備制造作為特色產業打造特色產業基地，并加強配套產業鏈建設，以擴大高新技術產業規模，提升區域科技創新和科技成果轉化能力;二是提高科研人員工資及福利待遇水平，并出臺相關優惠政策，吸引海外、省外以及本地高層次人才在陜就業，以提升陜西省科技人才隊伍的數量、質量，實現陜西省人才儲備的有效利用。

第二，加強科技與金融結合，拓寬融資渠道。首先，實現政府扶持資金來源多元化，加強地方財政對金融機構和民間資本的引導，為民間資本進入高新技術產業投資領域提供便利;其次，加強科技金融信息服務平臺建設，及時準確提供融資需求及投資供給信息，解決企業與資金供給方存在的客戶、資信和價值信息不對稱問題;再次，加大統籌協調力度，進一步擴大相關風險補償基金的范圍和額度，在地市層面設立科技金融風險補償基金，充分發揮財政資金的撬動作用，同時擴大陜西省科技成果轉化引導基金投資規模，促進陜西省科技創新成果轉化。

第三，建設“信用陜西”，加強知識產權保護。首先，健全知識產權方面的信用法律法規體系和高新技術企業信息共享體系，為知識產權保護提供法律保障，同時消除經濟活動雙方由于信息不對稱所導致的知識產權侵害問題;其次，深入推進商務誠信建設，將知識產權保護納入信用聯合獎罰機制，建立完善的高新技術企業商務信用評價體系，促進高新技術產業市場監管體制形成。同時在設立針對高新技術企業的信用“紅黑名單”時，把是否存在知識產權侵害作為評價標準。

【參考文獻】

【1】Fried，Lovell，Schmidt，Yaisawarning.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：121-136.

【2】SCHUMPETER J，BACKHAUS U. The theory of economic development[M]. Joseph Alois Schumpeter， 1934.

【3】Nelson R R. The simple economics of basic scientific research [J]. Journal of Political Economy，1959（49）：297-306.

【4】Aghion P，Howitt P. A model of growth through creative destruction [J].Econometrica，1992（60）：323-351.

【5】Saint-Paul Gilles. Technological choice， financial markets and economic development[J]. European Economic Review，1992（36）：763-781.

【6】劉降斌，李艷梅.區域科技型中小企業自主創新金融支持體系研究——基于面板數據單位根和協整的分析[J].金融研究，2008

（12）：193-206.

【7】俞立平.省級金融與科技創新互動關系的實證研究[J].科學學與科學技術管理，2013（4）：88-97.

【8】孫曉華，王昀，徐冉.金融發展、融資約束緩解與企業研發投資[J].科研管理，2015（5）：47-54.

【9】錢水土，張宇.科技金融發展對企業研發投入的影響研究[J].科學學研究，2017，35（9）：1320-1325.

【10】 池仁勇.企業技術創新效率及其影響因素研究[J].數量經濟技術經濟研究，2003，20（6）：105-108.

【11】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].科學管理研究.2016（20）：43-48.