湖北省科技金融資源配置效率研究
——基于BCC模型和Malmquist指數(shù)法

張遠為

（湖北經(jīng)濟學院 金融學院，湖北 武漢 430205）

一、引言

科學技術(shù)是第一生產(chǎn)力，科技創(chuàng)新是我國經(jīng)濟轉(zhuǎn)型升級與高質(zhì)量發(fā)展的重要推動力。我國要實現(xiàn)從“中國制造”向“中國創(chuàng)造”的轉(zhuǎn)變，必須不斷加強自主創(chuàng)新能力。黨的十八大明確提出創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，認為創(chuàng)新驅(qū)動是國家命運所系，也是發(fā)展形勢所迫。我國《國民經(jīng)濟和社會發(fā)展第十四個五年規(guī)劃綱要》中提出堅持創(chuàng)新在我國現(xiàn)代化建設(shè)全局中的核心地位，把科技自立自強作為國家發(fā)展的戰(zhàn)略支撐，加快建設(shè)科技強國。

科技創(chuàng)新需要金融部門提供資金支持。科技創(chuàng)新，從研發(fā)到生產(chǎn)的整個過程，都需要大量資金，并且需要多層次的資本市場來分擔科技創(chuàng)新過程中出現(xiàn)失敗而帶來的風險。科技金融是金融與科技創(chuàng)新的有機融合，它引導金融資源向科技領(lǐng)域配置，推動科技創(chuàng)新與成果轉(zhuǎn)化，對加快培育和發(fā)展戰(zhàn)略性新興產(chǎn)業(yè)、加快轉(zhuǎn)變經(jīng)濟發(fā)展方式、增強經(jīng)濟可持續(xù)發(fā)展能力具有重要作用。科技金融資源配置效率的高低對我國自主創(chuàng)新的發(fā)展進程有著重要影響，能否實現(xiàn)科技金融資源的高效配置，對我國經(jīng)濟轉(zhuǎn)型升級和創(chuàng)新型國家建設(shè)起著至關(guān)重要的作用。

2015 年，經(jīng)國務(wù)院同意，武漢城市圈成為全國首個也是目前唯一一個“科技金融改革創(chuàng)新試驗區(qū)”。為有效支持科技成果轉(zhuǎn)化、高新技術(shù)產(chǎn)業(yè)化、產(chǎn)學研結(jié)合和協(xié)同創(chuàng)新發(fā)展，促進金融更好地服務(wù)實體經(jīng)濟、服務(wù)創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，近年來，湖北省積極整合區(qū)域金融資源、推進科技金融改革創(chuàng)新，探索金融服務(wù)實體經(jīng)濟的新途徑。自2015 年啟動科技金融改革以來，湖北省在發(fā)展科技金融方面采取了多種舉措，取得一系列成績：一是深化投貸聯(lián)動試點工作，鼓勵商業(yè)銀行在服務(wù)、產(chǎn)品和組織上進行大膽創(chuàng)新，大力發(fā)展投貸聯(lián)動業(yè)務(wù)；二是扶持科技型企業(yè)上市，利用資本市場融資；三是推動科技保險創(chuàng)新，全面推廣“科保貸”業(yè)務(wù)；四是建立科技創(chuàng)業(yè)投資引導基金，發(fā)揮財政資金杠桿作用；五是設(shè)立專門科技成果基金，拓展高校院所成果轉(zhuǎn)化投融資渠道。[1]

二、文獻回顧

對于科技金融，學術(shù)界沒有一個統(tǒng)一的定義。趙昌文等（2009）認為科技金融是推動科技創(chuàng)新、成果轉(zhuǎn)化以及高新技術(shù)產(chǎn)業(yè)發(fā)展的一系列金融工具、金融制度、金融政策與金融服務(wù)的系統(tǒng)性、創(chuàng)新性安排。[2](p2-8)范方勇等（2018）認為，科技金融是為滿足高科技企業(yè)的融資需求、提升其創(chuàng)新能力而對金融投入方式、金融服務(wù)模式和金融服務(wù)平臺進行創(chuàng)新和改進的一系列政策和制度安排。[3](p4-5)國內(nèi)外學者對科技金融效率進行了很多研究，取得了較為豐富的研究成果。Haslem 等（1999）采用數(shù)據(jù)包絡(luò)分析（DEA）方法對1987年和1992年美國跨國銀行的投入產(chǎn)出效率進行了分析，發(fā)現(xiàn)有20%的銀行投入產(chǎn)出效率低下。[4](p4-5)Abdullah Saeed 等（2018）研究了阿曼金融深化與經(jīng)濟發(fā)展之間的關(guān)系，發(fā)現(xiàn)隨著阿曼金融部門的發(fā)展，金融效率也隨之提高并促進了經(jīng)濟的發(fā)展。[5](p165-182)Hellman 等（1997）的研究結(jié)果發(fā)現(xiàn)，對存款利率進行管制以及對過度競爭的限制，降低了金融中介機構(gòu)的道德風險行為，從而提高了金融效率。[6](p105-112))國內(nèi)學者對科技金融的研究主要集中于科技金融效率的評價以及影響科技金融效率的因素。科技金融評價的方法主要有以隨機前沿分析（SFA）為代表的參數(shù)統(tǒng)計和以數(shù)據(jù)包絡(luò)分析（DEA）為代表的非參數(shù)統(tǒng)計兩大類。甘星和甘偉（2017）運用DEA 模型研究了三大經(jīng)濟圈科技金融的效率，研究結(jié)果表明，有六省市區(qū)科技金融明顯非有效，并從政府、企業(yè)等五個方面對提高科技金融效率提出了建議。[7](p163-207)陶立祥等（2020）運用DEABCC模型研究了武漢市科技金融發(fā)展效率，發(fā)現(xiàn)武漢市2013—2017 年科技金融效率不斷提高。[8](p103-114)杜金岷等（2016）運用SFA回歸分析研究了中國區(qū)域科技金融效率，發(fā)現(xiàn)僅7 個省市區(qū)處于有效率狀態(tài)，其他省市區(qū)科技金融效率有待提高。[9](p114-120)黃瑞芬和邱夢圓（2016）運用SFA 模型、利用2006—2016年我國30個省市區(qū)科技金融投入與產(chǎn)出的面板數(shù)據(jù)研究了我國不同地區(qū)的科技金融效率，發(fā)現(xiàn)部分西部地區(qū)效率提升較快。[10](p84-93)時奇和熊武（2020）分別運用了SFA 模型和DEA 方法研究了福建省科技金融效率，發(fā)現(xiàn)福建省部分年份效率嚴重低下。[11](p43-48)對科技金融效率影響因素的研究，學者們主要運用Tobit回歸分析的方法。李林漢等（2018）運用Tobit 模型研究了我國科技金融效率的影響因素，發(fā)現(xiàn)高技術(shù)產(chǎn)業(yè)的科研經(jīng)費投入、金融發(fā)展水平與技術(shù)創(chuàng)新程度、地區(qū)法制化水平都對科技金融效率有正向影響。[12](p331-339)李俊霞和溫小霓（2019）運用Bootstrap-DEA方法和Tobit模型研究了27個省市區(qū)科技金融資源配置效率及影響因素，研究結(jié)果表明，我國科技金融總體而言效率較低且地區(qū)間差異較大，融資比例等因素對效率有顯著影響。[13](p231-238)

經(jīng)過梳理后發(fā)現(xiàn)，目前已有的研究存在以下不足：首先，大多數(shù)學者對科技金融效率的研究，只是研究一個時點上各地區(qū)效率的差異，沒有從動態(tài)上研究科技金融效率的變化。其次，在科技金融評價指標的選擇上不盡合理，如很多學者將專利申請數(shù)量作為科技金融產(chǎn)出的評價指標，但本文認為專利授權(quán)數(shù)量更能反映科技成果的真實情況，等等。最后，根據(jù)本文作者掌握的情況，至今沒有學者對湖北省科技金融效率進行研究。本文綜合運用DEA 模型和Malmquist指數(shù)法研究湖北省科技金融的效率，不僅從靜態(tài)上研究湖北省科技金融效率相對于其他省市區(qū)的差異，并且從動態(tài)上研究湖北省科技金融效率的變化過程。在評價指標的選擇上，力圖更能反映科技金融投入與產(chǎn)出的真實情況。期望本文的研究結(jié)果，能更全面、更準確地反映湖北省科技金融效率的真實情況，對湖北省科技金融的發(fā)展提出有益的建議，促進湖北省科技金融更高效地發(fā)展。

三、研究方法、指標選取與數(shù)據(jù)說明

（一）研究方法。

數(shù)據(jù)包絡(luò)分析（Data Envelopment Analysis，DEA）是一種非參數(shù)方法，它根據(jù)某一決策單元相對于其他決策單元的比較，得出被評價決策單元效率的高低。DEA模型具有適用范圍廣、原理相對簡單的特點，基本原理是根據(jù)一組決策單元（DMU）的投入產(chǎn)出數(shù)據(jù)構(gòu)建有效前沿面，然后通過計算各決策單元相距有效前沿的距離來判斷各決策單元的有效性。DEA有多種模型，最常見的有CCR模型和BCC模型。[14](p164-174)

1.CCR模型。

設(shè)決策單元的個數(shù)為n，每個決策單元有m 種投入，記為xi（i=1，2，……，m），q種產(chǎn)出，記為yr（r=1，2，……，q），當前要測量的決策單元為DMUk。CCR模型中，決策單元k的效率值用以下模型來計算：

上式中，λj為決策單元的線性組合系數(shù)，s-為投入的松弛變量，s+為產(chǎn)出的松弛變量。以上模型的解θ*（0≤θ*≤1）即為決策單元k的效率值。ε是一個足夠小的正數(shù)，在實際應(yīng)用中可設(shè)置為0.00001。

當以上線性規(guī)模模型的最優(yōu)解θ*=1，并且s-*和s+*均為0，決策單元k 處于強有效狀態(tài)；當θ*=1，但至少某個投入或產(chǎn)出松弛變量大于0，則決策單元k處于弱有效狀態(tài)；當θ*＜1，則決策單元k處于非有效狀態(tài)。[15](p200-205)

2.BCC模型。

CCR模型以規(guī)模收益不變作為假設(shè)前提，但在實際生產(chǎn)中，生產(chǎn)規(guī)模收益往往是可變的。因此CCR模型中得出的技術(shù)效率包含了規(guī)模效率（Scale Efficiency，SE）的成分。1984 年，Banker、Charnes 和Cooper三人提出的DEA模型（BCC模型），得出的技術(shù)效率排除了規(guī)模的影響，因此稱為“純技術(shù)效率”（Pure Technical Efficiency，PTE），對應(yīng)的，由CCR 模型得出的技術(shù)效率通常被稱為綜合技術(shù)效率（Technical Efficiency，TE），由二者的比值可得到規(guī)模效率值（Scale Efficiency，SE）∶SE=TE/PTE。

3.Malmquist模型。

CCR模型和BCC模型，都是用來測算決策單元在某一時間的生產(chǎn)技術(shù)，而Malmquist 全要素生產(chǎn)率（Total Factor Productivity，TFP）指數(shù)分析可用來評價多個時點上決策單元生產(chǎn)率的變動情況。Malmquist 指數(shù)可以分解為兩個方面的變化：一是兩個時點的技術(shù)效率的變化（Technical Efficiency Change，TEC）；二是生產(chǎn)技術(shù)的變化（Technological Change，TC），在DEA 分析中表現(xiàn)為生產(chǎn)前沿的變動。[16](p17-21)

從時期t到t+1的Malmquist指數(shù)表示為：

上式中，E參考集（當前被評價DMUK)表示由DEA模型得出的效率值。表示以t時期各決策單元的數(shù)據(jù)作為參考集（有效前沿）、對當前決策單元K 在t+1 時期的效率值進行測算，其他表示的含義以此類推。

時期t到t+1的技術(shù)變化TC（前沿的變化）可以表示為：

從而，Malmquist 指數(shù)可以分解為技術(shù)效率變化TEC和技術(shù)變化TC兩部分：

技術(shù)效率變化TEC 又可分解為純技術(shù)效率變化PEC 和規(guī)模效率變化SEC 兩部分，即TEC=PEC·SEC，故MI=TEC·TC=PEC·SEC·TC。

（二）指標選取與數(shù)據(jù)說明。

1.指標選取。

研究科技金融效率時，指標的選取要科學，既要比較全面反映科技金融投入產(chǎn)出的實際狀況，又要簡明、實用，盡可能少而準確，同時還要保證數(shù)據(jù)的可得性，保證數(shù)據(jù)可以在權(quán)威的官方統(tǒng)計數(shù)據(jù)中獲得。遵循以上原則，本文選取的科技金融投入產(chǎn)出指標如表1。

表1 科技金融效率評價指標體系

各指標的說明如下：

（1）R&D人員全時當量。反映科技人力投入量的指標，由全時人員數(shù)與非全時人員按工作量折合成全時人員數(shù)相加得到。

（2）R&D經(jīng)費內(nèi)部支出。反映科技財力投入的指標，指企事業(yè)單位在內(nèi)部開展R&D 活動的實際支出，由基礎(chǔ)研究支出、試驗發(fā)展支出、應(yīng)用研究支出相加得到。

(3)新產(chǎn)品開發(fā)經(jīng)費支出。反映科技創(chuàng)新在新產(chǎn)品開發(fā)上財力投入程度的指標，指在新產(chǎn)品研究開發(fā)上所花費的支出。

（4）發(fā)明專利授權(quán)數(shù)。反映科技創(chuàng)新知識產(chǎn)出的指標，指通過國家專利行政部門審核并授予專利權(quán)和頒布專利證書的發(fā)明專利數(shù)。該指標的不足是忽略了沒有進行專利申請的科技創(chuàng)新活動，也不能反映科技投入所產(chǎn)生的經(jīng)濟效益。

（5）新產(chǎn)品銷售收入。從經(jīng)濟效益角度來衡量科技產(chǎn)出的指標，彌補了采用專利授權(quán)數(shù)來衡量科技產(chǎn)出忽略了沒有進行專利申請的科技創(chuàng)新活動的不足，是指企業(yè)在經(jīng)營活動中銷售新產(chǎn)品所取得的收入。

（6）技術(shù)市場成交額。反映科技創(chuàng)新和技術(shù)轉(zhuǎn)移成效的指標，由技術(shù)市場上技術(shù)轉(zhuǎn)讓類合同、技術(shù)開發(fā)類合同、技術(shù)服務(wù)類合同以及技術(shù)咨詢類合同的成交額加總得到。[17](69-74)

2.數(shù)據(jù)說明。

為研究湖北省科技金融效率高低，本文選取全國其他省市區(qū)作為參照。因海南和西藏缺失部分數(shù)據(jù)，決策單元選取除海南省和西藏自治區(qū)以外的其他29 個省市區(qū)。數(shù)據(jù)時間跨度為10 年，從2009年到2018 年，數(shù)據(jù)來源于《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。為剔除價格對指標的影響，采用各年CPI指數(shù)對新產(chǎn)品開發(fā)經(jīng)費支出、R&D經(jīng)費內(nèi)部支出、新產(chǎn)品銷售收入、技術(shù)市場成交額進行了平減處理。因從科技投入到科技產(chǎn)出存在一段時間的滯后，本文用面板數(shù)據(jù)，以各科技產(chǎn)出指標作為被解釋變量，分別以當年、滯后一年、滯后兩年、滯后三年的科技投入指標作為解釋變量做回歸分析，發(fā)現(xiàn)用滯后一年的科技投入指標對科技產(chǎn)出指標的解釋力最強（限于篇幅，本部分未在文中報告）。因此，本文在運用DEA模型和Malmquist指數(shù)法進行分析時，科技投入指標比科技產(chǎn)出指標滯后一年(如，分析2010 年投入產(chǎn)出效率時，運用2009年的投入數(shù)據(jù)和2010年的產(chǎn)出數(shù)據(jù)）。

四、實證研究

采用BCC 模型和Malmquist 模型，運行Deap2.1軟件，對文中的數(shù)據(jù)進行實證分析。

（一）BCC模型分析。

基于投入導向BCC 模型，對2010 年至2018 年29省市區(qū)的科技金融投入產(chǎn)出效率進行測算，2018年29省市區(qū)的測算結(jié)果如表2所示，湖北省2010年至2018年的測算結(jié)果如表3所示。

效率值的取值范圍為0到1之間，綜合技術(shù)效率（CCR 模型衡量的技術(shù)效率）等于純技術(shù)效率（BCC模型衡量的技術(shù)效率）與規(guī)模效率之乘積，因此，當綜合技術(shù)效率值為1時，則純技術(shù)效率與規(guī)模效率必然都為1。此時，該地區(qū)科技金融的投入產(chǎn)出效率達到有效狀態(tài)，實現(xiàn)了資源的優(yōu)化配置。當綜合技術(shù)效率值小于1 時，則純技術(shù)效率與規(guī)模效率至少有一個小于1。如綜合技術(shù)效率值在［0.9，1］之間，表明該地區(qū)科技金融投入產(chǎn)出處于相對有效的狀態(tài)，只要稍加調(diào)整，即可達到有效水平。如綜合技術(shù)效率值在［0.1，0.9］之間，表明該地區(qū)科技金融投入產(chǎn)出效率處于明顯非有效狀態(tài)，需要作出較大的調(diào)整。如綜合技術(shù)效率值在［0，0.1］之間，表明該地區(qū)科技金融投入產(chǎn)出效率幾乎處于完全無效率狀態(tài)。

從表2可知，2018年湖北省科技金融投入產(chǎn)出的規(guī)模效率、純技術(shù)效率、綜合技術(shù)效率的值均為1，表明與全國其他省市區(qū)相比，湖北省科技金融的投入規(guī)模處于最優(yōu)狀態(tài)，并且實現(xiàn)了產(chǎn)出既定情況下的投入最小化，從而綜合技術(shù)效率也處于有效率狀態(tài)。除湖北省外，北京、浙江、安徽、江西、廣東、廣西、青海、寧夏八省市區(qū)綜合技術(shù)效率值也為1，科技金融投入產(chǎn)出也處于有效率狀態(tài)。山西、吉林、黑龍江、上海四省市綜合技術(shù)效率值均在[0.9，1]之間，科技金融投入產(chǎn)出處于相對有效狀態(tài)，只要稍加調(diào)整，即可達到有效水平。其中，山西、吉林、黑龍江三省純技術(shù)效率值為1，達到有效率狀態(tài)，綜合技術(shù)效率與有效率狀態(tài)相比稍有差距，原因是規(guī)模效率與有效率狀態(tài)稍有差距。其他16 省市區(qū)綜合技術(shù)效率值在[0.5，0.9]之間，與有效率狀態(tài)存在較大差距，需要作出較大的調(diào)整。16省市區(qū)當中，甘肅省規(guī)模效率達到最優(yōu)，綜合技術(shù)效率值為0.591是由于純技術(shù)效率太低所致。而其他15 省市區(qū)純技術(shù)效率以及規(guī)模效率都未達到有效率狀態(tài)。

表2 2018年29省市區(qū)科技金融投入產(chǎn)出效率

表3 報告了從2010 年至2018 年湖北省科技金融投入產(chǎn)出效率。從表3 可知，2010 至2016 年，綜合技術(shù)效率值均小于1，湖北省科技金融投入產(chǎn)出未達到有效率狀態(tài)；2017年和2018年，綜合技術(shù)效率值為1，投入產(chǎn)出達到有效率狀態(tài)。

2010年湖北省科技金融效率很低，綜合技術(shù)效率值僅為0.559。2011 年與2010 年相比，效率有所提升，但綜合技術(shù)效率值也僅為0.585。2012 年與2013 年，效率快速上升，綜合技術(shù)效率值分別達到0.678、0.881。2014 年與2015 年，綜合技術(shù)效率值穩(wěn)定在0.88。2016年與2017年，效率又一次快速上升，綜合技術(shù)效率值分別達到0.967和1。從表3還可以看出，2010—2018 年，湖北省科技金融的規(guī)模效率均接近或達到有效率，規(guī)模效率值在[0.933，1]之間，前幾年綜合技術(shù)效率較低主要是由純技術(shù)效率較低所致。特別是2010 年和2011 年，規(guī)模效率值都在0.99 以上，極為接近規(guī)模有效率，但由于純技術(shù)效率在[0.5，0.6]之間，導致綜合技術(shù)效率很低。

表3 2010至2018年湖北省科技金融投入產(chǎn)出效率

表4 報告了2010 年至2018 年湖北省科技金融投入產(chǎn)出的松弛改進情況。即使綜合技術(shù)效率值為1，但如果投入或產(chǎn)出的松弛改進值不為0，則僅為弱有效。此時意味著在不減少產(chǎn)出數(shù)量的情況下，無法使每種投入的數(shù)量等比例減少；在不增加投入數(shù)量的情況下，無法使每種產(chǎn)出的數(shù)量等比例增加。此種狀態(tài)下，在不減少產(chǎn)出數(shù)量的情況下，雖然無法等比例減少各種投入，但某些種類的投入可以減少；在不增加投入數(shù)量的情況下，雖然無法等比例增加各種產(chǎn)出的數(shù)量，但某些種類的產(chǎn)出可以增加。如果綜合技術(shù)效率值為1，并且投入或產(chǎn)出的松弛改進值全都為0，則為強有效。此時，意味著在不減少產(chǎn)出數(shù)量或不增加其他投入數(shù)量的情況下，無法減少任意一種投入的數(shù)量；在不增加投入數(shù)量或減少其他產(chǎn)出數(shù)量的情況下，無法增加任意一種產(chǎn)出的數(shù)量。此時實現(xiàn)了帕累托最優(yōu)。[14](p200-205)

表4 2010至2018年湖北省科技金融投入產(chǎn)出的松弛改進

從表4可知，2010年至2015年均存在松弛改進值不為0的情況，2016年至2018年松弛改進值均為0。因2017 年和2018 年綜合技術(shù)效率值為1，同時松弛改進值為0，所以2017年和2018年湖北省科技金融投入產(chǎn)出達到強有效狀態(tài)，實現(xiàn)了帕累托最優(yōu)。

（二）Malmquist模型分析。

表5 報告了2010—2018 年29 省市區(qū)年均科技金融Malmquist 指數(shù)（全要素生產(chǎn)率TFP）及其分解。表5中五個指數(shù)的值，是相關(guān)指標下一年與上一年比值的年均值，如綜合技術(shù)效率變化指數(shù)TEC是下一年綜合技術(shù)效率與上一年綜合技術(shù)效率比值的年平均值。指數(shù)的值減去1表示下一年相對于上一年的增長率的年平均值。當值大于1 時，表示下一年相對于上一年年均正增長；當值小于1時，表示下一年相對于上一年年均負增長。

由表5可知，29省市區(qū)全要素生產(chǎn)率年均增長率的平均值為6.3%，可分解為兩部分，綜合技術(shù)效率的年均增長率為2.8%，技術(shù)進步的年均增長率為3.4%。綜合技術(shù)效率的年均增長率又分解為純技術(shù)效率的年均增長率為1.6%和規(guī)模效率的年均增長率為1.2%。全要素生產(chǎn)率的年均增長率大于10%的地區(qū)有山西、黑龍江、安徽、湖北、陜西、青海、寧夏；全要素生產(chǎn)率的年均增長率為負值的地區(qū)有天津、吉林、重慶。吉林省全要素生產(chǎn)率的下降來自生產(chǎn)技術(shù)的負增長，其他幾項指標均為0增長。天津和重慶兩市的各項指標均為負增長。湖北省全要素生產(chǎn)率的年均增長率比全國平均水平高5.1%，其中技術(shù)進步增長率高0.2%，純技術(shù)效率增長率高5.8%，規(guī)模效率增長率低1.1%，說明湖北省科技金融全要素生產(chǎn)率的增長主要來自純技術(shù)效率的增長。

表5 2010—2018年29省市區(qū)年均科技金融Malmquist指數(shù)及其分解

表6 報告了2010—2018 年湖北省科技金融Malmquist 指數(shù)及其分解。2010—2018 年，湖北省科技金融全要素生產(chǎn)率年均增長率為11.4%，其中技術(shù)進步年均增長率為3.6%，純技術(shù)效率年均增長率為7.4%，規(guī)模效率年均增長率為0.1%。全要素生產(chǎn)率的提高主要來自純技術(shù)效率的增長。從2010—2018年，湖北省科技金融全要素生產(chǎn)率持續(xù)增長，其中2010—2011 年及2012—2013 年增長最快，年增長率均超過20%。2010—2011 年，全要素生產(chǎn)率的增長（25.5%）主要來自技術(shù)進步的增長（20.0%）；而2012—2013 年，全要素生產(chǎn)率的增長（21.8%）主要來自純技術(shù)效率的增長（24.5%），技術(shù)進步為負增長（-6.3%）。2011—2012 年，雖然技術(shù)進步和規(guī)模效率分別有8.2%和3.3%的負增長，但由于純技術(shù)效率有19.9%的正增長，全要素生產(chǎn)率仍有6.3%的正增長。

表6 2010—2018年湖北省科技金融Malmquist指數(shù)及其分解

五、結(jié)論與對策建議

BCC 模型的分析結(jié)果表明，9年中，有2年湖北省科技金融投入產(chǎn)出效率達到有效率狀態(tài)，有7 年未達到有效率狀態(tài)。2010年，湖北省科技金融投入產(chǎn)出效率很低，綜合技術(shù)效率值僅為0.559，此后不斷上升，2017 年和2018 年綜合技術(shù)效率值達到1。綜合技術(shù)效率的上升，主要來自純技術(shù)效率的提升，因為在這9年當中，規(guī)模效率值始終接近1或為1。Malmquist 模型的分析結(jié)果表明，2010—2018年，湖北省科技金融全要素生產(chǎn)率持續(xù)增長，年均增長率為11.4%，比全國平均水平高5.1%。全要素生產(chǎn)率的提高主要來自純技術(shù)效率的增長，年均增長率為7.4%，其次是技術(shù)進步，年均增長率為3.6%，最后才是規(guī)模效率的增長，為0.1%。

雖然近年來湖北省科技金融效率提升很快，但僅有2年達到有效率狀態(tài)，科技金融資源還未穩(wěn)定地實現(xiàn)高效配置。為進一步促進湖北省科技金融的發(fā)展，本文提出以下對策建議：

（一）推進科技金融產(chǎn)品和金融市場創(chuàng)新。

進一步推進符合科技型企業(yè)特點的金融產(chǎn)品創(chuàng)新。推廣信用擔保貸款、知識產(chǎn)權(quán)質(zhì)押貸款、股權(quán)質(zhì)押貸款等新型融資擔保方式，推廣銀保貸、投貸通、科貸通等金融服務(wù)產(chǎn)品，開展科技型中小企業(yè)集合票據(jù)、集合債券、集合信托、產(chǎn)品研發(fā)保險、科技成果轉(zhuǎn)化保險等金融產(chǎn)品創(chuàng)新。

完善科技型企業(yè)上市培育工作。以創(chuàng)業(yè)板為重點，支持科技型企業(yè)利用資本市場融資，做好科技型企業(yè)創(chuàng)業(yè)板上市規(guī)劃。指導科技型企業(yè)完善公司治理結(jié)構(gòu)和財務(wù)制度，加快上市進程。

（二）協(xié)調(diào)好政府性科技金融與市場性科技金融之間的關(guān)系。

總體上來看，市場性科技金融在科技金融資源配置中發(fā)揮著基礎(chǔ)性、決定性作用，政府性科技金融不能越位。但另一方面，從局部來看，政府性科技金融在基礎(chǔ)研究、具有公共物品屬性以及符合國家發(fā)展戰(zhàn)略目標的科技領(lǐng)域，應(yīng)該發(fā)揮自己應(yīng)有的作用，不能缺位。

在競爭性科技領(lǐng)域，應(yīng)建立健全主要由市場決定研發(fā)方向、資源配置、成果評價等各個環(huán)節(jié)的機制，以提高科技金融效率。在基礎(chǔ)性研究領(lǐng)域及具有公共物品屬性的科技領(lǐng)域，科技創(chuàng)新具有很強的正外部性，企業(yè)進行科技活動所得到的收益小于其創(chuàng)造的收益。另外，在這些領(lǐng)域，科技創(chuàng)新需投入的研發(fā)經(jīng)費規(guī)模特別大、周期很長、風險很大，權(quán)衡科技活動的收益與風險，企業(yè)一般不愿意進入該領(lǐng)域。此時，政府可以運用科技財政投入、財政補償、貼息、稅收優(yōu)惠等措施，推動該領(lǐng)域的科技創(chuàng)新發(fā)展。

（三）促進科技金融中介機構(gòu)的發(fā)展。

科技金融中介機構(gòu)是促進科技與金融有效結(jié)合的媒介。通過發(fā)展科技成果評估轉(zhuǎn)讓、科技成果轉(zhuǎn)化平臺、信用評級、融資擔保、投融資咨詢等專業(yè)服務(wù)機構(gòu)，解決科技型企業(yè)的成果轉(zhuǎn)化、價值發(fā)現(xiàn)與評估、風險分擔、信息不對稱等關(guān)鍵環(huán)節(jié)中存在的問題。

1.建立科技成果評估轉(zhuǎn)讓機構(gòu)、構(gòu)建科技成果轉(zhuǎn)化平臺。科技成果具有一定的時效性，需要及時轉(zhuǎn)化為現(xiàn)實的生產(chǎn)力，否則就不能發(fā)揮出應(yīng)有的潛能。因此，科技成果轉(zhuǎn)化是科技創(chuàng)新過程中的關(guān)鍵環(huán)節(jié)，是影響科技金融效率的重要因素。政府應(yīng)在科技成果轉(zhuǎn)化過程中發(fā)揮出應(yīng)有的作用，建立有利于科技成果轉(zhuǎn)化的環(huán)境。首先，應(yīng)建立為科技成果的估價及轉(zhuǎn)讓提供服務(wù)的中介機構(gòu)體系，促使信息更加公開、透明，降低信息獲得的成本，提高各類產(chǎn)權(quán)或股份的流動性。其次，應(yīng)運用現(xiàn)代信息技術(shù)，構(gòu)建科技成果轉(zhuǎn)化平臺，有效地將技術(shù)需求與供給雙方的信息融合起來，促進科技成果的順利轉(zhuǎn)讓，盡快實現(xiàn)從科技成果到現(xiàn)實生產(chǎn)力的轉(zhuǎn)化。

2.積極培育融資擔保機構(gòu)。科技型中小企業(yè)融資難的重要原因在于企業(yè)缺少抵押品且信用等級不高，而信用等級的提高需要長期的積累才能實現(xiàn)。在短期內(nèi)，為科技型中小企業(yè)融資提供擔保，是增進企業(yè)信用等級緩解融資難問題的有效方式。為支持融資擔保機構(gòu)的發(fā)展，政府可以給予相關(guān)的擔保公司一定的政策優(yōu)惠。

3.支持投融資咨詢機構(gòu)的發(fā)展。投融資咨詢機構(gòu)對科技型企業(yè)的信用等級、創(chuàng)新項目的前景以及未來盈利能力的大小進行評估，為企業(yè)融資提供合理的建議和方案，幫助企業(yè)以更合理的方式融資。