基于DEA-RS的科技金融結(jié)合效率評(píng)價(jià)模型

劉照　劉偉娜　劉岱

摘? 要：該文建立了基于DEA-RS的科技金融結(jié)合效率評(píng)價(jià)模型，并利用我國(guó)30個(gè)省份的科技金融數(shù)據(jù)對(duì)模型的合理性進(jìn)行驗(yàn)證。模型首先利用DEA方法對(duì)科技金融結(jié)合效率進(jìn)行評(píng)價(jià)，然后利用粗糙集理論對(duì)投入產(chǎn)出指標(biāo)體系進(jìn)行約簡(jiǎn)，得到影響科技金融結(jié)合效率的關(guān)鍵屬性并進(jìn)行規(guī)則挖掘，最后給出科技金融投入產(chǎn)出調(diào)整方案及對(duì)策建議。

關(guān)鍵詞：科技金融? 粗糙集? 數(shù)據(jù)包分析

中圖分類號(hào)：F832 ? ?文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1672-3791（2019）07（b）-0184-03

科技金融對(duì)促進(jìn)科技成果轉(zhuǎn)化、實(shí)現(xiàn)資源要素有效整合、建設(shè)創(chuàng)新型國(guó)家發(fā)揮著重要作用。科技金融發(fā)展不能僅追求金融投入與科技產(chǎn)出的絕對(duì)數(shù)量，而應(yīng)該重視科技金融結(jié)合效率。該文將DEA方法和粗糙集理論引入科技金融結(jié)合效率評(píng)價(jià)中，建立評(píng)價(jià)模型，得到影響科技金融結(jié)合效率的關(guān)鍵因素，根據(jù)各省份實(shí)際情況提出提升科技金融效率的方案及對(duì)策。

1? DEA-RS模型

在科技金融結(jié)合效率評(píng)價(jià)研究方向多選用DEA方法。DEA方法在效率評(píng)價(jià)方面擁有其獨(dú)特的優(yōu)勢(shì)——不需要預(yù)先知道輸入輸出變量之間的數(shù)學(xué)關(guān)系，并且可以避開權(quán)值的問題。但這種方法對(duì)于處理高維特征數(shù)據(jù)存在一定的局限性，評(píng)價(jià)指標(biāo)的過(guò)多會(huì)導(dǎo)致屬性冗余，降低評(píng)價(jià)的效果。因此，該文將粗糙集理論引入DEA評(píng)價(jià)模型，在不影響評(píng)價(jià)結(jié)果的基礎(chǔ)上對(duì)指標(biāo)數(shù)據(jù)進(jìn)行合理優(yōu)化。具體建模過(guò)程如下：首先，構(gòu)建科技金融結(jié)合效率評(píng)價(jià)指標(biāo)體系;其次，利用DEA方法測(cè)算科技金融結(jié)合效率，獲取評(píng)價(jià)結(jié)果;再次，將科技金融結(jié)合效率的投入和產(chǎn)出指標(biāo)作為的條件屬性，科技金融結(jié)合效率的評(píng)價(jià)值作為決策屬性生成粗糙集決策表，對(duì)數(shù)據(jù)離散化后的粗糙集決策表進(jìn)行屬性約簡(jiǎn)和規(guī)則提取;最后，挖掘決策表中的有用規(guī)則和影響科技金融結(jié)合效率的關(guān)鍵核屬性，提出對(duì)策建議。

2? 基于DEA-RS模型的科技金融結(jié)合效率評(píng)價(jià)研究

2.1 指標(biāo)體系構(gòu)建及數(shù)據(jù)來(lái)源

科技金融結(jié)合效率是科技產(chǎn)出與資源投入之比，通過(guò)對(duì)已有科技金融評(píng)價(jià)指標(biāo)體系的研究成果以及科技金融概念的理解，該文從科技金融資源投入、經(jīng)費(fèi)投入和科技產(chǎn)出3個(gè)方面選取了7個(gè)指標(biāo)衡量科技金融結(jié)合效率，指標(biāo)體系如表1所示。

考慮到科技產(chǎn)出相對(duì)于金融投入具有一定的滯后性，該文采用輸出指標(biāo)滯后輸入指標(biāo)一期，選取2016—2017年度我國(guó)內(nèi)地30個(gè)省市自治區(qū)的截面數(shù)據(jù)（不包括西藏），數(shù)據(jù)來(lái)源于《中國(guó)統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》及中國(guó)國(guó)家統(tǒng)計(jì)局官網(wǎng)。

2.2 基于DEA-RS的科技金融結(jié)合效率評(píng)價(jià)

輸入我國(guó)30個(gè)省份科技金融數(shù)據(jù)，使用Deep2.1軟件計(jì)算各地科技金融結(jié)合效率，計(jì)算結(jié)果見表2。將DEA評(píng)價(jià)模型中的投入產(chǎn)出指標(biāo)作為條件屬性，表2中各省份DEA評(píng)價(jià)值作為決策屬性（ 其中DEA有效對(duì)應(yīng)“1”，DEA弱有效對(duì)應(yīng)“2”，DEA無(wú)效對(duì)應(yīng)“3”），并通過(guò)粗糙集中的等頻率離散法將各指標(biāo)數(shù)據(jù)進(jìn)行離散化，得到如表3所示的粗糙集決策表。

將表3輸入到粗糙集軟件ROSSTA中，選擇遺傳約簡(jiǎn)算法進(jìn)行屬性約簡(jiǎn)，最終得到約簡(jiǎn)集合{Y1，Y2，Y3，I2，I3，I4}。可以看出專利授權(quán)量、技術(shù)市場(chǎng)成交合同金額和高新技術(shù)新產(chǎn)品銷售收入對(duì)提高科技金融結(jié)合效率起著十分重要的作用。利用粗糙集理論的規(guī)則推導(dǎo)方法挖掘決策表中的有用規(guī)則，選取10條有效規(guī)則，如表4所示。

2.3 總結(jié)與建議

通過(guò)表4中歸納的決策規(guī)則，結(jié)合我國(guó)各省的科技金融現(xiàn)狀進(jìn)行分析，提出以下建議。

（1）對(duì)于科技金融結(jié)合效率DEA 有效的省份，其特征表現(xiàn)為“高投入—高產(chǎn)出”如規(guī)則（1～3）所示，其科技金融結(jié)合效率良好，資源投入與產(chǎn)出成正比例關(guān)系，實(shí)現(xiàn)了金融投入與科技產(chǎn)出之間的最優(yōu)配置，因此，既能實(shí)現(xiàn)技術(shù)有效，又可以獲得規(guī)模效應(yīng)帶來(lái)的全部收益。符合該類規(guī)則的地區(qū)有北京、江蘇、浙江、廣東等，由于這些地區(qū)的地理位置良好且經(jīng)濟(jì)發(fā)達(dá)，政府對(duì)科技金融發(fā)展支持力度較大，科技金融結(jié)合能力強(qiáng)，回報(bào)率顯著。

（2）對(duì)于科技金融結(jié)合效率DEA弱有效省份（規(guī)則4～5），如陜西、四川、青海等，它們都已經(jīng)達(dá)到了技術(shù)有效，代表其投入的使用是有效的，達(dá)到了投入產(chǎn)出的相匹配，但規(guī)模和投入產(chǎn)出不相匹配，需要對(duì)投入產(chǎn)出值進(jìn)行微量調(diào)整才可達(dá)到DEA有效。

（3）對(duì)于科技金融結(jié)合效率DEA無(wú)效的省份，分兩種情況，規(guī)則（6～8）表示“低投入—低產(chǎn)出”，符合該規(guī)則的地區(qū)有山西、廣西、海南等，這些地區(qū)由于地理位置不佳、經(jīng)濟(jì)落后，各方面資源相對(duì)稀缺，同時(shí)對(duì)資源的利用率也比較低，因而未達(dá)到技術(shù)有效。對(duì)于這類地區(qū)，相關(guān)部門應(yīng)該同時(shí)加大對(duì)產(chǎn)業(yè)的扶持力度和監(jiān)管力度，積極提高地區(qū)產(chǎn)業(yè)活力。規(guī)則（9～10）表示“高投入—高產(chǎn)出”，符合該規(guī)則的省份有上海、安徽、福建等，這類地區(qū)存在投入冗余或者產(chǎn)出不足等資源配置不合理問題導(dǎo)致DEA無(wú)效。針對(duì)這類地區(qū)，應(yīng)該積極向DEA有效地區(qū)學(xué)習(xí)，優(yōu)化投入結(jié)構(gòu)或改進(jìn)技術(shù)增加產(chǎn)出，實(shí)現(xiàn)科技金融結(jié)合效率的全面提升。

3? 結(jié)語(yǔ)

該文在采用DEA及粗糙集理論構(gòu)建科技金融結(jié)合效率評(píng)價(jià)模型的基礎(chǔ)上，應(yīng)用該模型對(duì)我國(guó)30個(gè)省份的科技金融結(jié)合效率進(jìn)行了評(píng)價(jià)分析，得到影響科技金融結(jié)合效率的關(guān)鍵屬性，并深入分析DEA有效、非DEA有效省份的具體投入—產(chǎn)出特征并給出相應(yīng)的對(duì)策。研究結(jié)果顯示，該模型可實(shí)現(xiàn)快速有效地對(duì)我國(guó)科技金融結(jié)合效率進(jìn)行評(píng)價(jià)，為科技金融發(fā)展提供決策依據(jù)。

參考文獻(xiàn)

[1] 廖斌，王婷，石麗，等.基于DEA和RS的中國(guó)物流產(chǎn)業(yè)效率評(píng)價(jià)研究[J].物流科技，2019，42（3）：32-34，39.

[2] 王健.基于DEA-Malmquist指數(shù)的我國(guó)科技金融結(jié)合效率評(píng)價(jià)研究[J].上海金融，2018（8）：92-95.

[3] 王天擎，李琪.基于RS-DEA的產(chǎn)學(xué)研合作效率評(píng)價(jià)模型[J].系統(tǒng)科學(xué)學(xué)報(bào)，2018，26（2）：126-130.

[4] 韓威.基于DEA-Tobit模型的科技金融結(jié)合效率實(shí)證分析——以河南省為例[J].金融發(fā)展研究，2015（9）：36-40.