中國省際科技金融效率測度及其影響因素分析— —基于空間面板模型實證研究

許世琴，尹天寶，陽 楊

（重慶工商大學財政金融學院重慶400067）

科技和金融作為經濟發展兩大引擎，二者密切聯系、相互結合，推動了實體經濟發展。隨著我國經濟進入新常態，人口紅利下降、能源問題日漸突出，傳統依賴高投資、高投入的經濟發展模式受到挑戰，轉變經濟發展內涵，推動以科技創新型為主體的經濟發展模式已是必然。2011 年，國家“十二五”科技規劃及相關科技金融意見正式出臺，標志著科技金融已正式列為國家科技創新戰略。2012 年中共中央、國務院頒布了《關于深化科技體制改革加快國家創新體系建設的意見》，指出要將科技服務于經濟社會發展放在首位，促進科技和金融結合，加快實現創新型發展，同時加大對中小科技企業的技術創新和金融支持，促進科技創新。2016 年，中央政府頒布《國家創新驅動發展戰略綱要》，強調科技創新對經濟發展支持作用，需轉變傳統粗放式經濟增長模式來持續提升我國經濟發展的質量和效益。截至2017 年底，我國研發R&D 投入強度從2005年1.22% 上升至2017 年2.13%，較2016 年提高0.02 個百分點，相應的R&D 研發經費支出、技術市場成交額、高新技術產業主營業務收入及專利申請授權量分別從2005 年的2449.97 億、1551.37 億、33921.78 億和30.16萬項上升至2017 年17606.13 億、13424.00 億、159375.81 億和170.51 萬項，比2005 年增長618.62%、765.30%、369.83%、465.35%，平均漲幅分別為51.51%、63.75%、30.81%、38.78%。但科技投入增加能否有效地轉化為科技成果、科技金融效率又受到哪些因素影響、如何提高科技金融效率等問題，受到眾多學者的關注。本文試圖從科技金融效率視角出發，在測度我國2005—2016 年30 個省（市、區）科技金融效率基礎上，通過空間面板模型實證分析研發經費投入、科研氛圍、政府支持力度、高技術產業發展水平、科技創新等影響因素對科技金融效率的影響，并根據結論提出相關政策建議以提高我國科技金融效率。

一、文獻回顧

國外關于科技金融的研究成果比較豐富，但大多數研究集中在理論層面，較少從實證方面研究科技金融效率。Gurley 和Shaw［1］認為金融業對科技水平提高有重要作用，同時科技水平的提高對金融業發展也有重要影響。Bencivenga［2］利用世代交疊模型發現金融市場交易成本的高低對技術創新周期的影響不同，當金融交易成本較高時，金融市場資金就會流入發展期較短、風險較低的創新技術企業；金融市場成本交易較低時，金融市場資金才會支持發展期較長、風險較高的創新技術企業。Levine［3］認為金融發展創新能進一步解決科技企業融資問題，從而促進科技不斷創新。Chowdhury 和Maung［4］研究發現金融業發展水平越高的國家，研發經費相應越高，金融發展水平與科技發展有顯著正相關關系。

相比國外，我國對科技金融相關研究起步較晚，陳敏和李建民［5］通過隨機前沿距離函數對中國區域科技創新績效研究，發現區域金融中介與區域科技創新有顯著正向關系，而區域金融中介貸款規模對區域科技創新有阻礙作用。馬衛剛和張紅麗［6］利用DEA 模型對我國2007—2012 年中國科技與金融效益分析，發現導致科技金融效率呈現下降趨勢的主要原因是金融資源配置效率不合理。杜金岷等［7］采用三階段DEA 模型對我國區域科技金融效率進行測算，發現不同省份科技金融效率受環境因素較大，且只有少數省份效率處在生產前沿面上，大多數省市的純技術效率和規模效率較低，科技金融效率高低主要受規模效率的影向。章思詩和李姚礦［8］利用DEA-Tobit 模型對我國科技金融效率分析表明，科技投入的增加對科技金融效率并沒有顯著影響。李林漢等［9］采用相同方法研究我國2015 年各地區科技金融效率，發現我國省際科技金融效率普遍較低，只有少數省市技術效率處于前沿面，大多數省份技術效率有待提高，且高技術產業科研經費投入對科技金融效率影響程度最高。同樣，童紀新和曹越美［10］也用相同方法對我國“一帶一路”沿線17 個省市近5 年面板數據研究發現，科技金融效率主要是受到規模效率的影響，不同區域的效率高低不同，東南板塊較高，西北板塊較低；除政府財政科研支出對其存在消極影響外，高技術產業規模等因素與科技金融效率呈顯著正相關。

通過文獻梳理發現：關于科技金融研究較多，對科技金融效率研究相對較少，同時大多數文獻僅對某年的區域或省市數據進行分析；模型選擇上，大部分研究采用OLS（最小二乘法）回歸方法分析，對科技金融效率影響因素分析空間效應不足。本文旨在相關研究成果上，彌補以往研究的缺陷，選取我國30 個省（市、區）作為樣本，通過DEA-BCC 模型測出相應科技金融效率之后，采用空間計量模型分析影響科技金融效率的因素。

二、科技金融效率測度與分析

（一）DEA 模型介紹

美國運籌學家Charnes 和Rhoder［11］最早提出DEA 模型用于評價相同部門間的相對有效性，根據規模報酬特征分為CCR（Charnes-Cooper-Rhodes）模型和BCC（Banker-Charnes-Cooper）模型，分別表示規模報酬不變和可變模型。據此，本文采用規模報酬可變BCC 模型分析科技金融投入產出效率，相應DEA 模型公式如下：

其中：j = 1,2,…,n 表示決策單元；X、Y 分別是投入、產出向量；λj為各單位系數組合；θ 為效率評價值；S-、S+為松弛變量。DEA 模型本質上是一個線性規劃問題，該公式含義如下：若θ = 1，S+= S-= 0 表明DEA（數據包絡分析）模型測算效率相對有效，θ = 1，S+≠0，或S-≠0，θ ＜1 則測算效率值相對無效。而BCC 模型測算的效率值在CRR 模型基礎上將綜合效率值分解為規模效率和技術效率，若相應效率值為1，表明DEA 模型測算效率值相對有效；否則表明效率相對無效，需要改變相應的投入或產出達到DEA 相對有效。

（二）指標選取說明及數據來源

考慮數據可得性和可獲取情況下，測量科技金融效率指標要保證真實有效地反映科技金融投入與產出的實際情況，指標體系見表1。借鑒江湧等［12］、黃瑞芬和邱夢圓［13］的研究方法，本文從企業投入、政府支持和金融市場支持角度選取相應科技金融投入產出指標。科技投入方面，選取R&D 經費內部支出（X1）反映企業事業單位用于內部科技活動和相關實驗發展的研究支出，研究經費投入強度與規模直接影響到地區自主創新水平，是反映科技金融投入的重要指標；選取R&D 人員全時當量（X2）反映各地區對科技活動的人力資本投入；選取政府財政科技撥款（X3）反映政府對于科技的支持力度；選取金融機構貸款余額與研發經費內部支出比（X4）反映地區金融市場發展對科技金融發展支持。在科技金融產出方面，選取專利授權數量（Y1）和國內外檢索三大科技論文數量（Y2）來衡量一個地區科技活動成果；選取技術市場合同成交額（Y3）反映各地區技術與產業融合發展程度；高技術產業發展是地區科技進步的不竭動力，選取高技術產業主營業務收入（Y4）指標衡量地區高科技產業發展水平。本文研究樣本是2005—2016 年我國30 個省（自治區、直轄市）（不包括港澳臺地區以及缺失數據較為嚴重的西藏地區）的面板數據，數來源《中國高技術產業統計年鑒》《中國統計年鑒》《中國科技統計年鑒》和Wind 數據庫。

表1 科技金融效率測算指標體系

（三）科技金融效率測算結果與分析

通過DEAP2.1 軟件測算省際科技金融效率，具體結果見表2 和圖1。從表2 和圖1 可知，我國2005—2016 年各省份科技金融投入產出效率差異較大，全國總體科技金融綜合效率、純技術效率和規模效率均值分別0.7294、0.8587 和0.8361，科技金融效率水平相對比較低，其中，上海、北京、吉林、廣東、江蘇、浙江、甘肅、重慶、陜西和黑龍江總共10 個省市的綜合效率基本處在有效前沿面，說明這些省市基本實現既定投入產出最大化。除上海、浙江少數地區呈現規模報酬遞增之外，其他地區均呈現規模報酬不變和遞減現象，說明這些地區高技術產業和金融相關行業規模相對過大。大部分中西部地區科技金融綜合效率、純技術效率和規模效率相對較低，科技金融綜合效率遠低于技術效率和規模效率，表明這些地區科技金融效率主要依賴于相關高技術產業和金融相關產業的整合。其中內蒙古、寧夏、山西、河北和廣西等省份地區科技金融效率遠低于全國水平，表明中西部大多數地區科技金融效率的提升空間較大。另外發現上海、北京、江蘇、浙江、重慶等省份經濟、金融和高技術產業發展較高的地區，相應科技金融效率較高，科技金融效率與地區經濟、金融等有正相關性，提高科技金融效率對地區經濟、金融發展也具有重要現實意義。

表2 省際科技金融效率估計值（2005—2016 年均值）

圖1 2005—2016 年各省市科技金融效率均值

（四）科技金融效率空間相關性分析

相鄰地區之間的經濟、金融和產業發展等相互影響，區域科技金融發展也具有一定的同步性，主要通過相鄰地區之間的資源優勢（人力資源、科技進步和技術輻射等）途徑實現，由此產生科技金融效率的空間聚集現象。空間相關性的檢驗一般采用Moran's I 指數和Geary's C 檢驗。

Moran's I 指數由Moran（1948）年提出，其定義數學表達為

Moran's I 的取值一般介于0～1，當Moran's I 值大于0 表明變量存在空間正相關關系，小于0 存在負自相關關系，等于0 則無自相關關系。

Geary's C 由Geary（1954）年提出，其定定義數學表達式為

Geary's C 與Moran's I 都是對是否存在空間相關性的檢驗，但相對Moran's I，Geary's C 對局部空間自相關更為敏感，且取值一般介于0～2，大于1 時表示負自相關，等于1 表示不相關，小于1 表示正相關。

空間相關性檢驗需要對相應空間權重矩陣的確定，而省會城市作為一省政治、經濟和金融中心，能夠很好代表該省份金融、經濟、產業和科技金融發展狀況，距離較近省份相互之間影響較大，距離較遠省份相互之間影響較小。因此，本文采用各省省會城市之間的距離平方倒數標準化值作為空間權重矩陣。相應空間權重矩陣構造之后，使用Geary's C 與Moran's I 對科技金融效率空間相關性進行檢驗，檢驗結果見表3。由表3 可知，科技金融效率的Moran's I 指 數 在2005、2008、2010 和2014 年 等 少 數 年 份 上 不 顯著，總體上在10%、5%顯著水平上不同省市之間存在空間正相關性。同時也表明我國東部沿海地區科技金融效率高于中西部地區，可能是因為科技金融效率的空間溢出效應，距離較近省市出現強烈模仿，具有高科技金融效率省市和低科技金融效率分別相互集群，相互影響。鑒于此，對省際科技金融效率相關實證研究，區域之間的溢出效應不容忽視。

表3 科技金融效率的Moran’s I 和Geary’s C

三、科技金融效率影響因素指標選取

對科技金融效率影響因素指標選取本文參考相關學者所研究內容［8-10］，選取以下指標作為影響科技金融效率的主要因素。第一是研發經費投入強度（Z1），反映企業對科研方面資金支持力度，企業研發經費投入強度越高相應科技創新支持力度越強，科技金融效率越高；第二是科研氛圍（Z2），良好的科研氛圍可以促進科技成果研發，提高科技金融效率；第三是政府支持力度（Z3），政府是影響地區科技金融效率的重要影響因素，高技術企業大多數屬于高風險、成長周期比較長的公司，民間資本對其資金支持難以持續，這時政府的扶持尤為重要，選取地方財政科學技術支出與地方財政支出比值來衡量政府支持力度；第四是高技術產業的資金規模（Z4），高技術企業是科技成果轉化的落腳點，高技術企業規模越大，資金越充足，科技金融效率越高，用高技術產業主營業務收入與各地區GDP 比值反映各地區高技術產業資金規模。第五是金融支持規模（Z5），金融市場是企業融資和轉化資金投向的主要場所，能積極引導資金的流向，實現資本市場資源的最優配置，為科技金融效率的提高提供有力保障，選取各地區金融存款與貸款之和與GDP 占比來衡量金融市場對科技金融效率支持程度；第六是技術進步率（Z6），科技金融發展植根于科技創新進步，技術創新在催生科技創新要素的同時，將內生的科技創新能力外化為科技創業的動力，從而推動科技金融發展，選取地方專利授權數/全國專利授權數來表示地區技術進步率。總之，本文以研發經費投入強度、科研氛圍、政府支持力度、高新技術主營業務收入占比、金融支持規模以及技術進步率實證檢驗對科技金融效率影響。

四、空間計量模型構建和實證結果分析及解釋

基于前文區域之間的科技金融效率檢驗有著顯著的空間效應，應該采用空間計量方法來實證研究上述影響因素對科技金融效率的影響。由于本文使用中國30 個省市的面板數據，因此，以固定效應模型為基礎建立相應空間面板模型，如式（4）所示：

其中：Wij表示相應空間權重矩陣；TEit表示相應因變量；Z1、Z2、Z3、Z4、Z5和Z6表示相應自變量；β1、β2、β3、β4、β5和β6表示相應自變量回歸系數；δ 代表空間自回歸系數；λ 代表空間誤差系數，若δ 取值為0，λ 不為0 表示模型是空間誤差模型（SEM），若δ取值不為0，λ 為0 是空間滯后模型（Sar）；αi和δ 分別表示空間固定效應、時間固定效應模型。對模型（4）實證分析之前，需要檢驗空間滯后和空間誤差模型是否合適，檢驗方法通過LM-sar 和LM-err 統計量顯著性水平判定，檢驗結果見表4。

根據表4 結果可知，混合效應和時間固定效應模型穩健LM-sar和LM-err 在1%顯著性水平顯著，空間固定效應LM-err 和雙向固定效應LM-sar 檢驗在5%水平上顯著，但空間固定效應LM-sar 檢驗和雙向固定效應LM-err 檢驗未通過顯著水平檢驗。這表明，采用空間計量來進行實證分析是合適的。同時，比較LM-sar 和LM-err 的統計量大小，可以看出除空間固定效應模型中LM-sar 統計量比LM-err 的統計量小外，其他模型中均比LM-err 統計量大，因而選擇空間滯后模型較為合適。

表5 給出了相應四種模型的估計結果，通過表5 可知，無論是在面板SAR 模型還是在面板SEM 模型中，雙向固定效應模型的R2及相應的對數似然函數值最大，這表明雙向固定效應模型最為適合。因此，本文選擇面板SAR 模型中的回歸結果加以解釋。

表4 科技金融效率不同固定效應下LM 檢驗結果

表5 空間面板數據估計結果

據表5 面板SAR 雙向固定效應模型回歸結果可以發現，研發投入強度（Z1）在1%水平上對科技金融效率影響顯著為負，這與前文理論不一致，可能的原因在于高技術產品和專利的創新具有高風險性，往往研發費用的投入并不能有相應科技成果產出。科研氛圍（Z2）在1%水平上顯著為正，這與前文理論一致，良好的科研氛圍能促進相應科技成果的轉化。政府支持力度（Z3）對科技金融效率在10%顯著水平上有正向影響，政府支持有利于科技金融效率的提升。高技術產業的資金規模（Z4）在1%顯著水平上對科技金融效率有顯著影響，表明高技術產業市場資金規模對科技金融效率有明顯促進作用，章思詩等研究結果也支持這一結論。金融支持規模（Z5）和技術進步（Z6）對科技金融效率有顯著正向影響，這與大多學者研究一致。

五、結論與政策建議

本文通過DEA-BCC 模型測算我國2005—2016 年30 個省（區、市）的科技金融效率，選取R&D 經費投入強度、科研氛圍、政府支持力度、高技術產業資金規模、金融支持規模和技術進步等影響因素，運用空間計量模型實證對科技金融效率影響，得到以下結論：我國科技金融平均效率較低，只有少數金融、經濟發展水平較高，人才優勢明顯的地區（上海、北京、吉林、廣東、江蘇、浙江、甘肅、重慶、陜西等）科技金融效率達到或接近1，而中西部大多數地區科技金融效率較低，個別地區（山西、寧夏等）科技金融效率低于0.5，地區差異明顯；各省（區、市）之間科技金融效率具有較強的空間集聚特征，模仿效應強烈，大多數省市科技金融效率具有空間依賴性特征；影響科技金融效率因素除研發經費投入強度對科技金融效率有顯著負向影響外，科研氛圍、政府支持力度、高技術產業資金規模、金融支持規模以及技術進步對科技金融效率均有顯著正向影響。

根據以上結論提出如下政策建議：第一，改善高技術產業經費投入體系，高技術產業科研經費投入對科技金融效率有顯著負向影響，因此，各省市高技術產業科研投入機構應該合理優化科研資金，完善科技資金的使用方法，加強對資金使用的落實、監督和效益評價，促進科研成果的轉化，擴大高技術產業規模以提高科技金融效率；第二，科研機構作為科技成果的產出基地，需加大科研機構基礎建設，增加科技企業、科研機構的數量，優化科技產業規模，建立良好的科研氛圍來提高科技金融效率；第三，對于高風險、周期較長、資金投入較大的高新技術產業，政府需要加大扶持力度，優化金融資源的空間布局，減少區域之間金融配置不平衡問題，增強金融資源的利用率來提高科技金融效率；第四，科學技術是第一生產力，在豐富科技創新和科學技術理論的基礎上，應將相應的理論應用到實際的科技產品中，以促進科技進步來提高科技金融效率。