基于PP-SFA 方法的我國科技金融投入產(chǎn)出效率研究

龐金波，李楊薇，趙麗娟

（東北農(nóng)業(yè)大學(xué)經(jīng)濟(jì)管理學(xué)院，黑龍江哈爾濱 150030）

1 研究背景

自2014 年中國經(jīng)濟(jì)發(fā)展進(jìn)入新常態(tài)，經(jīng)濟(jì)結(jié)構(gòu)優(yōu)化調(diào)整，產(chǎn)業(yè)轉(zhuǎn)型升級，發(fā)展動力從要素驅(qū)動和投資驅(qū)動轉(zhuǎn)向創(chuàng)新驅(qū)動新階段，科技創(chuàng)新成為支撐中國經(jīng)濟(jì)高質(zhì)量增長的核心驅(qū)動力。實(shí)現(xiàn)創(chuàng)新驅(qū)動的經(jīng)濟(jì)形態(tài)需要金融資本的有力支持，科技創(chuàng)新與金融資本的耦合為實(shí)現(xiàn)創(chuàng)新驅(qū)動發(fā)展提供了動力。2016 年《“十三五”國家科技創(chuàng)新規(guī)劃》中首次將“科技金融”列入國家規(guī)劃，著重強(qiáng)調(diào)科技和金融結(jié)合的必要性，鼓勵發(fā)展科技金融結(jié)合試點(diǎn)，并明確了“促進(jìn)科技金融產(chǎn)品和服務(wù)創(chuàng)新，建設(shè)國家科技創(chuàng)新中心”的新理念。關(guān)于科技金融的概念，多數(shù)學(xué)者引用趙昌文等［1］在其《科技金融》一書中的定義。近年來，科技資源與金融資源的不斷交織融合，科技金融理論研究逐漸深入，政府陸續(xù)頒布科技金融相關(guān)政策，作為一門獨(dú)立的、新興的學(xué)術(shù)研究領(lǐng)域和學(xué)科體系，各方面逐漸關(guān)注和重視對科技金融的投入以及科技成果的產(chǎn)出情況。截至2017 年年底，在科研資金投入方面，我國總體R&D 經(jīng)費(fèi)內(nèi)部支出已高達(dá)17 606.1 億元，同比增長12.31%，其中政府資金投入同比增長11%，企業(yè)資金投入同比增長13%?？萍冀鹑谕度氲某掷m(xù)增加是支撐科技進(jìn)步實(shí)現(xiàn)科技成果產(chǎn)出的重要保障。在科研產(chǎn)出中，2017年國內(nèi)專利授權(quán)數(shù)達(dá)到1 720 828 件，同比2016 年增加了91 947 件；技術(shù)市場合同金額為13 424.2 億元，相比去年增長了17.7%；各地區(qū)新產(chǎn)品開發(fā)項(xiàng)目數(shù)達(dá)477 861 項(xiàng)，收入超過190 000 億元，是2010年的2.6 倍，達(dá)到歷史最高水平。因此，隨著政府、企業(yè)等對于科技進(jìn)行金融投入力度的增加和學(xué)術(shù)界對于科技金融理論的深入，科技與金融結(jié)合能否有效地推動科技成果的轉(zhuǎn)化？產(chǎn)出的效率是否能達(dá)到預(yù)期？我國科技金融效率又受到哪些因素的影響？這些成為政府推動科技金融發(fā)展中關(guān)注的重點(diǎn)問題。

國外學(xué)術(shù)界對科技與金融關(guān)系的理論研究較早，學(xué)者們很少提及科技金融效率的正式定義，對于相關(guān)科技金融概念的界定，在國外期刊文獻(xiàn)搜索中多數(shù)可以定位在science finance；technical innovation &finance；sci-tech finance 等相關(guān)詞匯上，而大部分研究主要依托于金融機(jī)構(gòu)［2］、資本市場［3］、政府支持［4］等單方面要素如何影響科技型企業(yè)創(chuàng)新發(fā)展，這可能是國外更具有較強(qiáng)的科技實(shí)力和更高效的科技金融資源配置的原因。

在國內(nèi)，“科技金融”第一次被使用是在1994年的中國科技金融促進(jìn)會首屆理事會上［5］。國內(nèi)早期研究主要集中于科技金融的理論體系［6-7］，隨著研究理論的逐漸深入，科技金融效率問題也廣泛受到學(xué)術(shù)界的重視。國內(nèi)對于科技金融效率的研究視角主要基于區(qū)域?qū)用妫喝缣J鋒等［8］通過對我國29 個省區(qū)市的面板模型分析，分別劃分東部、中部、西部三個面板，研究得出科技金融在科技創(chuàng)新三個階段中各自的作用機(jī)制及其影響效果。羅清和等［9］基于DEA—Malmquist 方法對選取的14 個城市2011—2016 年科技金融綜合技術(shù)效率測度分析，得出投入產(chǎn)出冗余值及深圳全要素生產(chǎn)率的變動情況，研究發(fā)現(xiàn)技術(shù)進(jìn)步是提高科技金融效率的源動力，產(chǎn)業(yè)鏈的運(yùn)作主要是通過技術(shù)有效流轉(zhuǎn)。江湧等［10］以廣東省為例，對我國科技與金融結(jié)合效益進(jìn)行實(shí)證研究，通過數(shù)據(jù)包絡(luò)法中的CCR 模型和BCC 模型對規(guī)模有效性的分析研究表明，單純依賴于大規(guī)模的投入并不能解決規(guī)模效率的非有效狀態(tài)，在處理投入冗余或產(chǎn)出不足等問題上，應(yīng)選擇優(yōu)化投入結(jié)構(gòu)和改進(jìn)技術(shù)。黃瑞芬等［11］通過Malmquist 指數(shù)和SFA 模型測算得出科技金融效率的區(qū)域差異，并對東中西部分析效率波動性進(jìn)行分析，認(rèn)為當(dāng)今中西部科技金融的發(fā)展與政府對科技金融發(fā)展的政策密切相關(guān)，科技金融的投入在應(yīng)兼顧欠發(fā)達(dá)的地區(qū)。從已有的研究成果來看，學(xué)者們大多選用DEA 方法進(jìn)行實(shí)證分析。如：李凱等［12］采用DEA-Tobit 模型對我國27 個地區(qū)的純技術(shù)效率和規(guī)模效率加以分析，以此找出解決科技金融收益識別的方法。李林漢等［13］先對我國2015 年省際科技金融采用三階段DEA 模型測算其效率，后運(yùn)用Tobit 模型進(jìn)一步對影響因素進(jìn)行分析。研究表明科技財(cái)政投入的持續(xù)增加并不代表科技金融效率的提升，科技金融效率更依賴于科學(xué)技術(shù)水平的發(fā)展。駱世廣［14］以廣東省為例，基于DEA 方法的C2R 模型得出效益評價(jià)結(jié)果。研究表明在DEA 呈有效狀態(tài)的情況下，金融投入的比例是科技發(fā)展對金融業(yè)起到促進(jìn)作用的關(guān)鍵。廣東省科技金融結(jié)合效益的無效狀態(tài)主要是科技型中小企業(yè)的融資問題導(dǎo)致。

通過對上述研究成果分析可知：在研究模型方法選擇方面，盡管多數(shù)學(xué)者采用DEA 模型有效的解決了多投入多產(chǎn)出條件下的綜合效率，但DEA 模型忽略了隨機(jī)因素對科技金融產(chǎn)出的影響，導(dǎo)致效率測算的偏差。SFA 模型可以對研究對象進(jìn)行動態(tài)分析，即對不同時期的科技金融效率比較分析，且充分考慮到隨機(jī)因素對結(jié)果產(chǎn)生的影響，提高測算的準(zhǔn)確性。但為彌補(bǔ)SFA 模型自身存在單產(chǎn)出指標(biāo)的限制條件，多數(shù)學(xué)者［15-16］選擇采用兩次SFA 模型測算，這種方法復(fù)雜且仍不能保證測算與評價(jià)的有效性。對此，本文借鑒郝曉莉等［17］、曹霞等學(xué)者［18］的實(shí)證研究方法，引入投影尋蹤方法解決科技金融多產(chǎn)出指標(biāo)的問題。利用最佳投影方向?qū)⒍嗑S數(shù)據(jù)指標(biāo)轉(zhuǎn)化成一維數(shù)據(jù)，從而克服SFA 模型單一產(chǎn)出的弊端。在研究視角選擇方面，大多數(shù)國內(nèi)外相關(guān)研究側(cè)重于對截面數(shù)據(jù)的分析，即單一分析某個省份或某一年，忽略了國家層面上科技金融效率的分析。因此，本文選取2010—2017 年中國省際面板數(shù)據(jù)為研究對象，綜合運(yùn)用投影尋蹤和SFA 模型，在效率研究的視角下對我國科技金融效率的變動情況，以及影響效率差異的因素展開分析。

2 研究理論與方法

前沿分析方法是目前效率測度采用的主要方法，其中以隨機(jī)前沿分析（Stochastic Frontier Analysis，SFA）方法為代表的參數(shù)方法，在測算了技術(shù)效率的基礎(chǔ)上同時將隨機(jī)因素對產(chǎn)出的影響加以定量分析，具有較強(qiáng)的穩(wěn)定性。因此，本文引入投影尋蹤模型將復(fù)雜的產(chǎn)出指標(biāo)數(shù)據(jù)進(jìn)行降維處理，以此彌補(bǔ)隨機(jī)前沿模型僅能處理多投入單產(chǎn)出指標(biāo)的缺陷，更加符合該模型的基本原理，并依據(jù)其優(yōu)勢特點(diǎn)，運(yùn)用SFA 模型對我國科技金融投入產(chǎn)出效率水平進(jìn)行分析評價(jià)。

2.1 投影尋蹤綜合評價(jià)模型

投影尋蹤（Projection Pursuit，簡稱PP）主要依托于計(jì)算機(jī)技術(shù)，是一種能夠?qū)⒛承┓蔷€性、非正態(tài)的高維數(shù)據(jù)投影到低維空間，從而實(shí)現(xiàn)降維的數(shù)據(jù)處理方法。它通過極大化某個指標(biāo)以顯示數(shù)據(jù)的聚集程度，利用能夠反映原數(shù)據(jù)結(jié)構(gòu)或特征的投影，來達(dá)到對原高維數(shù)據(jù)的分析。在20 世紀(jì)70 年代初，克魯斯卡爾［19］提出了一種運(yùn)用投影到低維空間的思想，1974 年，F(xiàn)iredman 等［20］進(jìn)一步對數(shù)據(jù)進(jìn)行分類和聚類分析，并將其命名為Projection Pursuit 方法。1979 年，F(xiàn)iredman 和Stuetzle 不再將PP 方法局限于作判別或聚類分析上，他們進(jìn)一步改進(jìn)計(jì)算方法，使之用來解決回歸、密度估計(jì)等問題。1985 年，在世界著名的數(shù)理統(tǒng)計(jì)雜志上，哈佛大學(xué)教授Huber 對投影尋蹤方法的理論和實(shí)質(zhì)也進(jìn)行了分析研究［21-22］。

鑒于投影尋蹤模型在分析處理高維數(shù)據(jù)降維的過程中，既能得出評價(jià)指標(biāo)的總值和其構(gòu)成要素，又能根據(jù)投影方向清晰分析投影數(shù)據(jù)，再考慮到在運(yùn)用隨機(jī)前沿模型分析時其生產(chǎn)函數(shù)的經(jīng)濟(jì)產(chǎn)出需要為單一產(chǎn)出的限制條件，以及科技成果產(chǎn)出自身多樣性、復(fù)雜性、綜合性的特點(diǎn)。依據(jù)科技成果產(chǎn)出需要以最終物化而來的科技金融產(chǎn)品的質(zhì)量高低來衡量的原則，本文借鑒并總結(jié)學(xué)者們在相關(guān)研究成果中所選取的產(chǎn)出變量［23-25］，在遵循傳統(tǒng)指標(biāo)選取做法的基礎(chǔ)之上，筆者將科技產(chǎn)出指標(biāo)總體分為科技直接產(chǎn)出和科技經(jīng)濟(jì)產(chǎn)出兩部分。科技直接產(chǎn)出變量選取國內(nèi)有效專利數(shù)（Y1）、國內(nèi)專利申請數(shù)（Y2）以及國內(nèi)專利授權(quán)數(shù)（Y3）；科技經(jīng)濟(jì)產(chǎn)出變量選取技術(shù)市場合同成交額（Y4）以及新產(chǎn)品銷售收入（Y5）。選用PP 方法對科技產(chǎn)出數(shù)據(jù)進(jìn)行降維處理，最終得出各個地區(qū)科技經(jīng)濟(jì)產(chǎn)出的一維結(jié)果，具體步驟如下：

首先，各個指標(biāo)之間量綱未統(tǒng)一化，為消除差異，方便比較，將指標(biāo)原始數(shù)據(jù)歸一化處理。

對于正向指標(biāo)：

對于負(fù)向指標(biāo)：

由于無量綱化后的數(shù)據(jù)會出現(xiàn)0，為消除后期計(jì)算中出現(xiàn)0 的影響，將平移：

其次，計(jì)算最優(yōu)投影方向上的產(chǎn)出投影值：

構(gòu)造投影指標(biāo)函數(shù)：

最后，優(yōu)化投影指標(biāo)函數(shù)。當(dāng)評價(jià)指標(biāo)樣本集給定時，投影指標(biāo)函數(shù)只隨投影方向 的變化而變化。不同的投影方向反映不同的數(shù)據(jù)結(jié)構(gòu)特征，而最佳投影方向就是最大可能的暴露高維數(shù)據(jù)某類特征結(jié)構(gòu)的投影方向，可通過求解投影指標(biāo)函數(shù)最大化來估計(jì)最佳投影方向，即：

根據(jù)以上投影尋蹤模型的步驟，運(yùn)用Matlab 編程軟件對2010—2017 年我國30 個省區(qū)市的科技產(chǎn)出水平進(jìn)行綜合測算，最終得出科技成果的數(shù)量、國內(nèi)專利申請量、國內(nèi)專利授予量、技術(shù)市場成交額和新產(chǎn)品銷售收入這五個科技產(chǎn)出指標(biāo)的最佳投影方向，將表1 所得的最佳投影方向值代入上式（4）中即可求得產(chǎn)出變量的投影值，如表2 所示。

表1 科技產(chǎn)出的最佳投影方向

表1（續(xù)）

表2 2010—2017 年各省區(qū)市科技產(chǎn)出的最佳投影值

2.2 隨機(jī)前沿模型

隨機(jī)前沿分析又稱SFA，主要用于效率測算。Aigner 等［26］、Meeusen 等［27］結(jié)合確定性前沿函數(shù)和隨機(jī)性前沿函數(shù)，幾乎同時提出隨機(jī)前沿分析方法。Battese 等［28-29］依托前人研究，將誤差項(xiàng)分為了由不可控因素引起的隨機(jī)誤差和非技術(shù)要素引起的技術(shù)非效率誤差。隨機(jī)前沿法的基本模型可以表示為：

式（9）取對數(shù)可得：

本文選用超對數(shù)生產(chǎn)函數(shù)（Translog 函數(shù)）的SFA 模型，其具體模型可以表示為：

3 實(shí)證分析

3.1 變量的選取及數(shù)據(jù)的說明

在選擇科技金融活動中的投入指標(biāo)時，應(yīng)綜合考慮SFA 模型方法的特點(diǎn)，選擇能夠客觀反映實(shí)際狀況的指標(biāo)，建立科學(xué)的評價(jià)體系，并遵循科學(xué)性、系統(tǒng)性、協(xié)調(diào)性、可行性、可比性等評價(jià)指標(biāo)構(gòu)建的原則且同時考慮到數(shù)據(jù)的可得性、可用性。在借鑒前人對科技金融參與主體選擇的基礎(chǔ)之上，本文主要選取政府、企業(yè)與金融市場主體在科技金融活動中的科技金融投入指標(biāo)進(jìn)行產(chǎn)出的效率研究?？萍冀鹑谛适芎芏嘁蛩赜绊?，在SFA 模型技術(shù)無效率項(xiàng)的指標(biāo)選取上主要選用各地區(qū)生產(chǎn)總值、R&D人員總量和勞動力素質(zhì)。

以上數(shù)據(jù)均選自《中國統(tǒng)計(jì)年鑒》和《中國科技統(tǒng)計(jì)年鑒》，選取2010—2017 年我國30 個省市地區(qū)（港澳臺及西藏因部分?jǐn)?shù)據(jù)缺失除外）的面板數(shù)據(jù)。按照歷年的《中國科技統(tǒng)計(jì)年鑒》中“各地區(qū)按資金來源分研究與試驗(yàn)發(fā)展(R&D)經(jīng)費(fèi)內(nèi)部支出”的分類，其中采用政府資金數(shù)據(jù)來反映政府財(cái)政科技投入，企業(yè)資金數(shù)據(jù)來反映企業(yè)自有資金，金融機(jī)構(gòu)資金數(shù)據(jù)來反映金融市場科技貸款。勞動力素質(zhì)是勞動者身體素質(zhì)、文化技術(shù)素質(zhì)、思想素質(zhì)以及勞動經(jīng)驗(yàn)的統(tǒng)一，根據(jù)學(xué)者們的研究方法［30］，采用勞動力的受教育程度即平均受教育年限來反映勞動力的素質(zhì)，勞動力平均受教育年限時間越久，勞動力素質(zhì)越高；統(tǒng)計(jì)數(shù)據(jù)中將勞動力文化程度分為：不識字或識字較少、小學(xué)文化、初中文化、高中文化（包括中專）、大專及以上，假設(shè)五種程度的受教育年限分別為：0 年、6 年、9 年、12 年、16年，根據(jù)中國統(tǒng)計(jì)年鑒中各地區(qū)受教育程度占其6歲及6 歲以上人口數(shù)的百分比作為權(quán)重，將勞動力文化狀況加權(quán)平均計(jì)算得出勞動力平均受教育年限，公式為：

3.2 計(jì)算結(jié)果及分析

根據(jù)SFA模型，應(yīng)用FRONTIER4.1軟件對式（12）（15）模型中參數(shù)進(jìn)行估計(jì)，得出相關(guān)的檢驗(yàn)結(jié)果（見表3）。

表3 基于SFA 的統(tǒng)計(jì)檢驗(yàn)結(jié)果

表3 中的分析結(jié)果顯而易見，gamma 值為0.762，趨向于1，則說明技術(shù)無效率項(xiàng)是實(shí)際產(chǎn)出與前沿面發(fā)生偏差的主要成分，模型假設(shè)合理，且從t-檢驗(yàn)值的顯著性而言，多數(shù)變量的t 統(tǒng)計(jì)值呈顯著性，即各投入指標(biāo)對產(chǎn)出的影響較為顯著，此時有必要采用SFA 模型。在R&D 經(jīng)費(fèi)內(nèi)部支出結(jié)構(gòu)中，即政府財(cái)政科技投入和金融機(jī)構(gòu)科技貸款的投入對科技產(chǎn)出水平有正向促進(jìn)作用，但從t-檢驗(yàn)值的顯著性來看，地方金融機(jī)構(gòu)科技貸款的數(shù)據(jù)測算對科技產(chǎn)出提高的效果并不明顯，這與我國科技金融發(fā)展情況比較相符。表明政府財(cái)政科技投入每增加1%帶來的科技產(chǎn)出比金融機(jī)構(gòu)科技貸款的投入更有效；即企業(yè)R&D 投入對產(chǎn)出的影響是負(fù)向的，表明企業(yè)資源配置不合理。在影響因素的估計(jì)系數(shù)中，即地區(qū)生產(chǎn)總值和勞動者的素質(zhì)與科技金融產(chǎn)出效率呈負(fù)相關(guān)關(guān)系，促進(jìn)作用不顯著。即R&D 人員總量是促進(jìn)科技金融投入產(chǎn)出效率的有利因素，科技研發(fā)人員的投入對于科研成果的產(chǎn)出具有推動作用。由表3 還可以明顯看出，2010-2017 年我國科技金融投入產(chǎn)出的效率平均值為0.785 4，表明我國在科技金融活動中存在部分無效率現(xiàn)象，依然有比較大的可提升空間。

由以上估計(jì)結(jié)果，整理2010-2017 年我國30個省域科技金融投入產(chǎn)出效率均值（圖1），各省區(qū)市均值排名如表4 所示。

圖1 2010—2017 年我國30 個省區(qū)市科技金融投入產(chǎn)出效率均值

表4 2010—2017 年我國30 個省區(qū)市科技金融投入產(chǎn)出效率排名

根據(jù)以上我國30 個省區(qū)市科技金融投入產(chǎn)出效率分布可以明顯看出，各省區(qū)市地區(qū)之間的效率均值差較大，由表4 可知，排名第1 的寧夏地區(qū)的效率水平0.974 8，幾乎是排名末位內(nèi)蒙古地區(qū)效率均值的兩倍，科技金融發(fā)展呈現(xiàn)出相對失衡的現(xiàn)象。多數(shù)在科技金融活動中投入力度更大的省份，其相應(yīng)的科技金融產(chǎn)出更多，平均效率值更大，如效率均值較高的北京、上海、天津等。由省區(qū)市排名可以直觀得出，寧夏、北京、上海地區(qū)的效率排名位居前列，效率均值水平相當(dāng)，略有差異。安徽、山西、江西、湖南等部分中西部地區(qū)的科技金融效率均值維持在0.8～0.9 之間。一些東部省域如江蘇、遼寧、山東等投入規(guī)模總量和技術(shù)發(fā)展水平明顯高于部分中西部地區(qū)，卻處在后10 的排名位置，表明其由于金融資源的配置不夠合理，存在既定投入下產(chǎn)出不足的弊端，稍加調(diào)整可實(shí)現(xiàn)科技金融的高效結(jié)合。

表5 東、中、西三地區(qū)科技金融投入產(chǎn)出效率平均值

從表5 中2010—2017 年橫向來看，東中西部地區(qū)科技金融投入產(chǎn)出的效率呈現(xiàn)波動式變化，2010—2011 年效率普遍較高，2012—2013 年效率總體有下滑的趨勢，直至2014—2015 年均呈現(xiàn)穩(wěn)步回升的趨勢。從東、中、西部地區(qū)縱向來看，東部地區(qū)的效率均值較高于西部地區(qū)，且?guī)缀跬耆哂谥胁康貐^(qū)。直觀可以看出，在考察期的八年內(nèi)，中部地區(qū)幾乎各年的科技金融效率均值都低于東部地區(qū)和西部地區(qū)，西部地區(qū)總體效率均值和東部地區(qū)幾乎保持持平，東西部整體效率差異較小，甚至西部地區(qū)在一些年份中超過了東部。結(jié)合表4 來看，對于我國東部地區(qū)而言，省域效率均值排名主要集中在前5 名和后5 名范圍內(nèi)，說明東部地區(qū)科技金融效率仍是處于領(lǐng)先地位，具備充分的人才和資金支持。對于我國中西部地區(qū)而言，西部地區(qū)科技金融的投入產(chǎn)出更有效，如寧夏、陜西、重慶等地區(qū)效率均值甚至高于東中部地區(qū)的一些省份，說明了在國家科技政策的協(xié)調(diào)下，東部帶動中西部發(fā)展的“西部大開發(fā)”戰(zhàn)略取得了明顯的成效，實(shí)現(xiàn)了既定投入下的最大產(chǎn)出或者是既定產(chǎn)出下的最小投入，具有明顯的科技金融發(fā)展?jié)摿?。此外，東中西部地區(qū)每年的效率均值變化趨勢和全國保持一致，且東中西部地區(qū)效率差距存在逐年縮減的趨勢。

4 結(jié)論與建議

本文在前人研究的基礎(chǔ)上，通過利用PP 模型處理高維數(shù)據(jù)降維的特點(diǎn)，解決了SFA 方法測度科技金融投入產(chǎn)出效率中存在的問題。以2010—2017 年我國30 個省區(qū)市科技金融投入產(chǎn)出的面板數(shù)據(jù)為研究對象，測度了我國科技金融的投入產(chǎn)出效率并對此加以分析，實(shí)證研究得出以下結(jié)論：（1）采用科技成果的數(shù)量、國內(nèi)專利申請量、國內(nèi)專利授予量、技術(shù)市場合同成交額及新產(chǎn)品銷售收入這五個科技產(chǎn)出指標(biāo)，降維得出最佳投影值。在此基礎(chǔ)上根據(jù)SFA 方法，以R&D 經(jīng)費(fèi)內(nèi)部支出分類中的政府、企業(yè)、金融機(jī)構(gòu)三項(xiàng)作為科技金融投入指標(biāo)，測度得出我國科技金融效率中政府與金融機(jī)構(gòu)的隨機(jī)前沿系數(shù)為正，企業(yè)為負(fù)，即地方政府和金融機(jī)構(gòu)的科技金融投入正向促進(jìn)我國科技金融效率，企業(yè)反之，但地方金融機(jī)構(gòu)科技金融投入對產(chǎn)出的效果并不顯著。（2）科技金融效率影響因素中，R&D 人員總量對科技金融產(chǎn)出的推動作用顯著，地區(qū)生產(chǎn)總值和勞動者的素質(zhì)對科技金融投入產(chǎn)出效率有一定負(fù)面的效應(yīng)。（3）省域科技金融效率呈現(xiàn)出差異性且在考察時間范圍內(nèi)存在一定的起伏波動狀態(tài)。東部地區(qū)整體效率均值最高，西部地區(qū)緊隨其后，中部地區(qū)各省區(qū)市效率水平有待提高。（4）在科技金融活動過程中，大多不是缺少投入，而是在投入既定的水平下，存在科技成果產(chǎn)出不足的現(xiàn)象。

基于此，針對以上實(shí)證分析結(jié)論，為提高我國科技金融活動中投入產(chǎn)出的效率水平，促進(jìn)科技金融更有效地結(jié)合，本文提出以下建議：從政府角度，優(yōu)化公共資源配置，加大政策性科技金融投入，創(chuàng)新政府扶持落后地區(qū)科技金融投入方式，重視地方各級政府在科技金融活動中的重要作用。地方政府的財(cái)政科技投入是科技金融發(fā)展過程中的關(guān)鍵要素，然而過度增加政府財(cái)政科技的投入可能會導(dǎo)致冗余和市場金融資源被擠占的情況，僅僅依賴財(cái)政科技投入的增加或是片面追求科技成果的產(chǎn)出都是不明智的，因此政府制定政策的合理性、可實(shí)施性對于科技金融效率的提高十分重要。從市場角度，構(gòu)建多元化科技金融投融資體系，加快科技金融集聚步伐?？萍汲晒漠a(chǎn)出離不開科技企業(yè)的金融投入，在科技企業(yè)面臨信息不對稱的情況下，既需要專門金融機(jī)構(gòu)的協(xié)調(diào)，也應(yīng)該加快推動構(gòu)建緊密的產(chǎn)業(yè)結(jié)構(gòu)鏈條。從地域上，支持鼓勵東部地區(qū)科技金融活動，發(fā)揮東部地區(qū)人才、科技、資金優(yōu)勢，深化推進(jìn)京津冀協(xié)同發(fā)展、西部大開發(fā)等重要戰(zhàn)略，引導(dǎo)東部扶持帶動中西部發(fā)展，學(xué)習(xí)東部先進(jìn)技術(shù)和管理經(jīng)驗(yàn)，推動區(qū)域協(xié)調(diào)均衡可持續(xù)發(fā)展，切實(shí)提高中西部科技成果轉(zhuǎn)化效率，實(shí)現(xiàn)科技化產(chǎn)業(yè)。輸送部分東部高校、科研院所優(yōu)秀人才，鼓勵科技人才的流動，充分重視中西部科技人才的培養(yǎng)是科技金融均衡發(fā)展的關(guān)鍵。