安徽省科技金融效率分析
——基于DEA-Malmquist模型

鄧小華 徐曉麗

（安徽大學，安徽 合肥 230601）

一、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,在此次報告中“科技”一詞被提及17次，足以證明中國建立創新型國家的迫切需要[1]。為此，國家提出“三步走”戰略：到2020年進入創新型國家行列，2030年躋身金融創新性國家前列，2050年建成世界科技創新強國。十九大報告提出以來，黨和國家從多個層面對該項戰略予以貫徹，一方面，加強創新體系建設，全面完善科技創新制度和組織體系；另一方面，繼續加大研究與開發經費投入強度。國家統計局數據表明，全國R&D經費投入強度逐年遞增，北京、上海該項指標遠高于全國平均水平。R&D經費投入強度在一定程度上與?。ㄊ校┑膭撔聦嵙Α⒔洕盍φ嚓P，而資金使用效率是科技金融投入的“催化劑”，能夠擴大單位投入的作用效果，助力創新性國家建設，推動經濟高質量發展。

二、文獻綜述

首先，對于“科技金融”概念進行界定。科技金融并沒有明確統一的定義，國外關于科技金融的相關研究論著相對較少，國內與科技金融的研究從二十世紀九十年代開始，1993年“科技金融”一詞最早出現。趙昌文等(2009)將科技金融定義為：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系列與金融相關的系統性、創新性安排[4]?？萍冀鹑谂c“技術”、“科學”、“技術創新”的關系是密不可分的，房漢廷（2010）深度解讀科技金融，認為科技金融是科技創新與金融創新的深度融合。Carlota Perez(2007)在《技術革命與金融資本》一書中提到技術創新與金融資本是互相促進的關系[5]。Jeong and Towsend(2007)認為金融深化在很大程度上推動了技術的創新[6]。為更好的研究科技金融的結合，需要明確科技發展的階段。趙昌文（2009）表明科技金融是國家金融體系和科技創新體系的重要構成因素，并將科技活動分為研發、成果轉化和高新技術產業發展等階段[4]。王宏起等（2012）運用協同模型揭示科技創新與科技金融之間的相互作用[7]。

其次，關于科技金融效率測度的研究方法上,Charnes等（1978）年第一次提出DEA方法[8],崔毅等（2010）采用DEA法評價廣東省科技與金融的結合效益[9]。劉佳寧（2015）構建一套獨具特色的廣東省科技金融“三融合”發展格局[10]。回廣睿（2014）用DEA方法測算了2005-2011年我國科技金融的效率，通過Tobit模型檢驗了政府、金融市場、企業對科技金融效率的影響[11]。馬玉林等（2020）運用2004-2017年的面板數據,利用DEA-SBM模型測算中國30個省域科技金融效率[12]。

再次，有關科技金融效率測度的影響因素分析上。Griliches(1984)對1957年到1977年英國大型制造業進行研究，認為提高金融投入對一個國家經濟有顯著地促進作用，其中R&D投入有很大的影響[13]。蘆鋒等（2015）運用2003—2013年11年間29個省的面板模型分析科技金融對科技創新的影響[14]。陳浪南等（2015）立足于國內外先進科技金融創新模式，建立一種科技金融創新發展模式[15]。

最后，從研究維度來看。近幾年，研究安徽省科技金融大都集中在對于省內16地市的研究。宋雨飛（2020）研究用BCC方法研究安徽省內16地市的科技金融效率[16]。熊康（2020）在其碩士論文中簡要介紹安徽省科技金融效率總體情況后，對于安徽省內各地市的科技金融效率進行了分析[17]。

一方面，科技金融對于科技的發展具有良好促進作用。例如，安徽省在十九大報告后，出臺多條有益于科技創新工作者來皖創業、工作的政策，并幫助來皖人才解決其配偶、醫療、教育等方面的問題，切實保障科技人才的權益。另一方面，科技金融對于金融產業亦有明顯的激勵作用。政府的R&D經費投入、企業為技術產業獲取及技術改造等科技金融活動的研發資金數額龐大，周期較長的特點均有效的支持了金融業的發展。

總的來說，國內外學者對于科技金融效率問題進行了諸多研究，成果豐富。而近幾年對安徽省科技金融效率在全國何種水平的分析比較少。因此，本文將研究安徽省在全國的科技金融效率。從2018年長三角經濟一體化發展上升為國家戰略以來，滬蘇浙皖經濟聯系不斷加強。本文又對同為長三角經濟一體化的上海、江蘇、浙江、安徽四省市進行了科技金融效率的測算，為安徽省應如何與滬蘇浙攜手共進，合作共贏中實現自身的科技金融效率的產出最大化提供了理論指導。

三、安徽省科技金融發展現狀

（一）政府科技金融支持力度大

十九大以來，安徽省積極主動地響應國家號召，從規范科技重大專項及資金使用、支持創新、引進高層次人才、加強科技成果轉化等方面制定政策對科技金融深層次融合予以促進（具體政策如表1所示）。安徽省作為長三角地區的省份之一，了解安徽省科技金融效率現狀，明確科技金融目前存在的不足，對于安徽省通過科技創新引領經濟發展，實現長三角一體化具有重要的理論與現實價值。

表1 2015-2020年安徽省所采取的各項政策

（二）科技金融主體投入增加

表2安徽省R&D人員投入主體構成

科技金融主體一般分為企業、科研機構和高等院校[2]。根據2018年安徽省科技統計公報顯示，2018年略高于2017年的R&D人員折合當量，表明科技工作者日益增加，科技人力投入不斷增強。在科技金融主體的構成成分中，企業的R&D人員投入最多，高等院校、科研機構分別位列二三位，三者之和高于全省R&D人員投入的95%。

表2顯示，在R&D人員投入中，企業的人數占據了絕大部分，2018年達到了77.8%。因此，本文對于以高技術產業獲取及技術改造為代表的企業科技金融投入進行了統計。統計結果如圖2所示，圖中顯示2011-2018年安徽省高新技術產業技術獲取及改造總支出呈現在波動中上升的趨勢，表明了安徽省企業對于科技投入的不斷加強。

（三）同比三省一市科技產出不高

從2018年黨中央支持長三角經濟一體化發展并上升為國家戰略以來，滬蘇浙皖的經濟聯系不斷加強。在長三角的三省一市中，安徽省的主要創新指標都處于較低水平，在以技術合同成交額、專利授權量為科技成果轉化階段尤其突出，國家級技術轉移示范機構則相對較少，而在政府R&D經費投入占地方財政支出的比重方面與江浙皖大致相當。

圖1 2011-2018年安徽省高新技術產業技術獲取及改造總支出

圖2 2018年長三角三省一市主要創新指標

四、安徽省科技金融運行效率實證分析

（一）模型介紹

1.BCC模型

BCC模型又被稱為VRS模型，規模報酬是可以變化的[18]。

在上述模型中，Xj為代表投入量，Yj代表產出量，θ代表模型的效率值。如表3所示。

運用DEA識別相對無效率單位，通過運用金融科技投入金融科技產出數據，對有效率和無效率的決策單元進行比較，運用DEA分別對全國各省市及長三角地區的科技金融結合效率進行評價，進而為安徽省科技金融結合效率的提高提供相關建議。

表3 綜合效率的含義

2.Malmquist模型

傳統DEA模型只能對單一年度的決策單元進行橫向比較，對歷年的效率無法進行分析，不能詳細了解各決策單元不同年份的動態效率變化。而Malmquist模型則可以評價各決策單元不同年份的生產率變動情況，并能進一步分析生產率變動的原因，多用于連續年份決策單元的比較。

Malmquist生產率變動指數的模型為:

其中，Dt（χt0，γt0）是第t期的實際值與最大值之間的比值，即實際值與前沿面的距離。當M0t+1＞1時，代表生產率提高;M0t+1＜1時，代表生產率降低;M0t+1=1時，代表生產率不變[18]?！癳ffch”代表技術變化，“techch”代表技術進步，“pech”代表純技術效率“sech”代表規模效率，“tfpch”代表全要素生產率。全要素生產率可以從技術變化和技術進步兩個方面來衡量，技術變化又由純技術效率和規模效率構成。

（二）科技金融整體運行效率實證檢驗

1.數據獲取及來源

本文將科技金融分成科技金融的投入和科技金融的產出?？萍冀鹑谕度胫黧w是政府和企業，以R＆D經費投入強度衡量政府對科技金融的整體投入，用高技術產業技術獲?。ㄒM購買吸收）及技術改造總支出表示企業對于科技金融的投入情況。根據趙昌文學者的研究：科技發展分為科技研發、成果轉化和高新技術產業發展三個階段。因此，本文將會用專利代表科技研發階段，高技術產業銷售代表成果轉化階段，高新技術產業發展階段則用高技術出口代表。本文從科技產出從高新技術出口貿易額、三大專利有效數和高新技術產業銷售收入三個方面來衡量。運用DEA分析法，基于2011-2018年全國31個省市（除了港澳臺地區）面板數據對安徽科技金融投入對科技創新績效影響進行了靜態分析和動態分析。

為了研究安徽省科技金融運行效率在全國范圍內的水平，本研究將每一個省份當作一個決策單元，數據均來源于《中國統計年鑒》和《中國科技統計年鑒》。首先對于得到的數據進行了預處理，《2019年中國科技統計年鑒》中對于高技術產業技術獲取及技術改造總支出這個指標在2018年沒有進行統計，運用Excel在2011-2017年的高技術產業技術獲取及技術改造總支出的指標數值進行了合理的測算，由此得到了2018年全國31個省市的高技術產業技術獲取及技術改造總支出。

在進行DEA效率分析之前，首先運用Eiews10軟件對2011-2018年31省（市）選取的相關指標進行了相關性檢驗，結果如下：

表4 2011-2018年安徽省科技金融指標相關性檢驗結果

相關系數用于衡量變量之間相關關系，其取值范圍是[-1,1]，相關系數的絕對值越接近于1，倆者之間相關程度越高。當相關系數大于0是為正相關關系，兩者之間存在著積極促進的關系。以上結果表明投入與產出數據之間是正相關的，可以繼續下一步處理。

2.實證檢驗

將安徽省的科技金融運行效率與全國其他省份進行比較，有助于我們對安徽省科技金融運行效率、科技金融發展水平做客觀的定位。本文運用規模收益模型（VRS模型），分析安徽省科技金融整體的運行效率，從而為安徽省提高科技金融運行效率采用何種措施提供實證依據。對于DEA非有效的決策單元，無法根據DEA效率值的大小進行簡單地排序分析，應將有效的決策單元剔除，對其余無效的決策單元再次進行評價，直至剩余決策單元均為有效或無效狀態。重新對全國31個省份相關數據進行效率分析。結果如下：

表5全國31個省市的DEA運行結果

表6全國31個省份的排序

實證結果顯示:

（1）在31個省份中，山西省、廣東省、重慶市和西藏自治區的綜合效率為1，處于DEA有效狀態，而安徽省科技金融運行綜合效率為0.539，說明安徽省科技金融效率處于DEA低效率狀態。

（2）DEA低效率決策單元中，新疆的純技術效率為1，其DEA綜合效率低源于規模效率低，表明新疆應加大科技重視，增加科技投入力度，適當提高科技工作者的福利待遇，增加科技金融投入規模。安徽省、山東省的規模效率水平為1，說明技術效率導致安徽省和山東省的綜合效率偏低下，這表明，安徽省在三項專利向技術市場轉移程度不高，需要加強技術轉移工作的力度，提高技術從實驗室向市場轉化的程度；其他省市DEA效率低由規模效率和技術效率共同所致。

（3）安徽省在全國中屬于第三序列，在31個省市的科技金融效率中處于中等水平。安徽省應大力支持基礎研究，激勵科技型企業勇于承擔科研任務、加大研發的投入，提高科技創新績效。支持各創新主體加快科技成果轉化，完善技術成果轉化。政府應公開交易與監管體系的透明度與公開性，推動科技成果轉化和產業化[19]。

（4）西藏綜合效率為1且處在第一序列的原因是西藏地區相對于其他省市的科技投入基數較小，科技產出少，但是綜合效率相對而言較高。

為進一步了解科技金融效率的動態變化情況，用Malmquist指數對各省市創新效率進行測算和分析，結果見表5.

表7為2011-2018年我國31省市的全要素生產指數及其分解情況。結果顯示：2011-2018年平均全要素生產指數大于1的省市有28個，其中廣西是年均增長率最高的省份，高達50.6%。從全要素生產率指數分解來看，年平均增長率10%以上的省份有五個，年平均增長率指數最快的省份是廣西，增長率達到24.5%，然后是江西（18.7%）、陜西（12.2%）、河南（11.4%）、四川（11.4%）。在技術變動方面，年平均增速最快的是甘肅省，山西省和廣西的年技術進步也達到了20%以上。

表7 2011-2018年我國31省市的全要素生產指數及其分解

(續表7)

3.長三角地區科技金融

為了更直觀的了解長三角地區科技金融效率變化情況，單獨將長三角所涉及到的四省市的數據重新進行了Malmquist DEA科技金融效率分析的測算，其動態變化數據變化如下。

圖3滬蘇浙皖歷年科技金融MALMQUIST指數結果

實證結果顯示:TFP值是不斷變化且均大于1，表明了長三角地區科技金融效率水平逐年提高。Techch均大于1相對效率提高，表示技術進步，pech值恒為1，表明純技術效率不變。

表8長三角經濟帶的科技金融效率動態變化表

結果顯示：滬蘇浙皖四省市的全要素生產指數均大于1，表明長三角經濟帶的技術是進步的，帶來了生產率的提高。其中安徽省的全要素生產變化最大。從全要素生產率指數分解來看，安徽省的技術變化是最小的，技術進步是最大的。而技術變化又是純技術效率與規模效率的乘積，在代表純技術效率的“pech”和代表規模效率的“sech”中，安徽省的規模效率相對來說更為低下，純技術效率較小。因此，安徽省需要通過提高規模效率和純技術效率來提高技術變化，更為迫切的是通過提高純技術效率，來使技術變化提高，進而加快全要素生產的正向變化。

為了更好地明確安徽省今后的發展道路，將長三角經濟帶一體化的四個省份單獨拿出來再進行一次科技金融的效率測算。

表9長三角經濟帶的DEA運行結果

注：“crste”代表綜合技術效率水平，“vrste”代表純技術效率水平，“scale”代表規模效率水平，“drs”代表規模報酬遞減，“irs”代表規模報酬遞增，“—”代表規模報酬不變。

從長三角經濟一體化的四省市來看：上海、江蘇、浙江的綜合效率為1，處于DEA有效狀態，而安徽省的處于DEA非有效狀態。而安徽省的技術效率為1，說明規模效率低導致的DEA非有效。安徽省處于規模遞增的狀態，表明在這一階段一單位金融投入能夠產生超過一單位的科技產出，提高該地區科技金融運行效率主要依靠提高科技金融的規模。

綜上，安徽省科技金融DEA效率在全國31個省市低是由于技術效率低；在滬蘇浙皖四省市的科技金融DEA效率低是由于規模效率低。從全國層面來看，可能的原因是安徽省的純技術效率低，安徽省在三項專利向技術市場轉移程度不高，需要加強技術轉移工作的力度，提高技術從實驗室向市場轉化的程度需要提高技術效率以提高綜合效率，這與安徽省R&D經費投入逐年增加而成果轉化不高這一現實是相符合的。對于長三角地區來說，由于該地區整體經濟科技投入較大，所以安徽省規模效率與其他三省市相較偏低，這與長三角地區整體的科技金融規模是一致的。

五、安徽省科技金融投融資對策建議

科技金融是科技與金融兩者融合到一定階段的產物，發達國家科技金融發展較早而我國則起步較晚。推動科技與金融的深度結合，有利于激發科技創新發展潛力。安徽合肥作為中國第一批科技金融試點城市和綜合性國家科學中心，具有濃厚的金融科技氛圍，在科技與金融的融合發展方面進行了諸多嘗試。然而，受到人才、環境和制度等多個方面的制約，安徽省在兩者融合發展過程中發展動力和創新能力不足，科技金融環境不成熟。因此安徽省急需建立以政府為主導，多方金融機構聯合輔助，以互聯網金融支撐及投資支持為重要支撐的科技金融創新體系，探索適宜安徽省科技企業發展的新模式；并進一步提出了促進科技金融助推安徽省企業發展的對策建議。

（一）充分發揮政府部門的職能

研究表明，安徽省科技撥款占財政支出比重呈現下降趨勢。安徽省政府應通過各種方式加大對科技金融的支持力度以營造良好的科技金融政策環境。首先，安徽省在制定各級政府的財政支出預算時，應該向科技撥款方向傾斜，并且設定一個每年增長指標，從而扭轉安徽省R&D投入強度的下降趨勢；其次，建立和完善法律保障機制，例如完善省內的知識產權保護制度、減少中小型企業維護自身權益的時間成本和難度、對于中小型科技創新企業幫助繳納部分科技保險；然后，政府應充分發揮引導作用，鼓勵保險機構對科技創新型企業的研發活動提供擔保，提倡金融機構等投資主體對科技型中小企業的投資等的方式拓寬融資渠道，并給予其適當的政策支持和一定的資金支持；最后，健全科技金融監管體系，防范金融風險，以云計算、大數據等科技為依托，創新型金融科技監管方式，提高科技監管水平。

（二）加快科技金融主體成果轉化

在全國科技金融活動主體的運行效率檢驗中，安徽省研究與開發機構的科技金融運行效率處于DEA效率低的狀態。具體來說，是研究與開發機構科技金融投入與產出結合水平不足。因此，安徽省需要通過創新研究與開發機構科研經費的管理模式，促進科技金融運行效率的提升。加快科學論文、專利等科技金融研究與發展階段基礎科研成果轉移并實現其自身價值。安徽省亦應依托長三角一體化的創新戰略聯盟，通過集中優質資源攻堅共性技術，加速科研成果轉化效率。

（三）加強科技人才培養與引進

科技金融發展的關鍵是人才，安徽省應發揮自身科技金融優勢培養本土人才，尤其是市場緊缺的復合型創新人才，雖然安徽省科技人員工作者逐年增加，但稀缺人才仍不足。為此，科技企業和金融機構可與高校進行合作，通過定期開展科技金融講座、培訓班等，聯合培養具有理論知識又具有實操經驗的新型科技金融人才；提高稀缺科技金融人才待遇，吸引來自各地急缺人才，為其提供各種便利條件，例如住房補貼、安家費、科研項目經費支持、子女教育、醫療保障等，全面解決來皖人才的后顧之憂。

（四）加快中小微科技企業的發展

安徽合肥依托中國科技大學等眾多高校、實驗室和研究所，是基礎的全國首批技術創新試點城市和信息化工程重點城市，本身具有良好的科技創新基因。金融機構要依靠區塊鏈、云計算等新科技，推出新的金融服務模式，提升金融服務水平，健全金融服務體系。R&D投入主體中，企業占據了絕大多數，而中小微企業又是企業中的大部分，所以中小微科技企業應該順應時代發展的趨勢，積極主動了解最新科技金融政策，抓住機會發展自身，提高自身的科技創新水平，加快成果轉化。例如增強金融消費者的用戶體驗，制定專屬服務等方式增加用戶消費粘性等。

安徽省應充分利用上海地區人才高地、金融中心的優勢、資金充裕，江蘇強大的傳統制造業、豐富的教育資源的條件，浙江民營經濟發達、數字經濟拔尖的長處，結合自身的科技創新、國家政策支持、依托長三角同時又有廣闊的內里腹地的區位優勢加快安徽省科技金融融合發展效率，提高科技金融發展水平。