基于DEA-Malmquist的安徽省科技金融效率評價

文/董萍（福建師范大學）

科技是當今各省市綜合競爭力的主要因素，科技越來越被置于強省戰略的核心位置。作為長三角的新成員和重要組成部分，安徽省是長三角科技發展中堅力量。隨著國家對科技發展的支持力度的加大，學界普遍聚焦于科技金融效率的研究。但是目前學界的研究主要集中在國家層面和區域層面，對地級市的研究較少，對安徽省各市科技金融發展情況的研究更是鳳毛菱角。鑒于此，本文基于DEA-Malmquist模型，采用動態分析和靜態分析相結合的方式，對安徽省16個地級市科技金融的效率作出評價，對現有文獻進行補充的同時，探討安徽省科技金融發展的核心制約因素。

一、指標的選取和數據來源

本文立足于安徽省科技金融發展的現狀，在考慮到所需數據可得性的基礎上，對2015——2019年安徽省16個地級市的科技金融的供給效率進行測度分析。

考慮到科技金融效率的內涵，本文選取R&D人員折合當時全量、研究與實驗發展（R&D）經費投入、金融機構年末貸款余額、科技財政支出四個指標作為投入指標（如表1所示），具體指標描述如下：（1）R&D人員折合當時全量。古典經濟學理論認為勞動力是生產力的重要因素，R&D人員折合當時全量反映科技行業的人力資源的投入情況。（2）研究與實驗發展（R&D）經費投入。高新技術產業往往都是資金需求量大、投資周期長、投資風險大的行業，因此科研經費的投入關乎高新技術產業的發展動能。（3）金融機構年末貸款余額。該指標反映了金融機構對企業發展的資金投入規模，是金融部門對高新技術發展的支持。（4）科技財政支出。該指標反映了政府部門對科技發展的支持力度，是政府對科技發展支持的直接體現。

表1 科技金融投入產出指標體系

本文選取規模以上工業企業新產品銷售額、技術合同成交額、發明專利申請授權量、規模以上高新技術產業總產值增加值作為產出指標（如表1所示），具體的指標描述如下：（1）規模以上工業企業新產品銷售額。該指標反映了技術創新成果的市場接受度，是技術成果轉化為經濟效益的直接體現。（2）技術合同成交額。該指標包括技術開發、技術轉讓、技術咨詢和技術服務類合同的成交額，是一系列圍繞技術形成的市場成交規模。（3）發明專利申請授權量。該指標是反映一地區自主知識產權的核心指標，表明了安徽省政府對科技創新的重視、對自主知識產權的保護意識和安徽省科技創新的社會活力。（4）規模以上高新技術產業總產值增加值。科技金融最終的作用對象是企業，企業總產值的增加值是衡量科技金融效率最直觀的指標，可以從總體上反映企業生產力的發展水平。

本文采用的相關數據來源于2015-2019年的《中國統計年鑒》《安徽統計年鑒》和《安徽省科技統計公報》。

二、安徽省科技金融效率測度與分析

（一）DEA模型的靜態分析

本文利用DEAP2.1分別對2015年和2019年安徽省16個市的科技投入和產出指標進行效率分析，得出科技金融效率的綜合效率值，純技術效率值和規模效率值，結果見表2。

表2 16個地級市2015年及2019年科技金融供給效率值

（1）從科技金融綜合效率指標的全省均值來看，2015年和2019年該指標均未達到DEA有效，且整體呈現下降的趨勢。2015年和2019年各有12個和11個地區達到生產前沿面，說明這些地區科技的投入實現了最優配置，投入與產出在不同組合下達到了最佳效果。從各市的角度來看，城市之間的差異明顯，安慶、黃山和宣城在2015-2019年間綜合效率有了提升，說明這些地區在5年間實現了資源配置效率的提高。蚌埠和六安呈現較大幅度下降，兩市需要促進供給管理水平的提升，并且設計合理激勵制度，擴大投入以達到最佳規模。

（2）純技術效率反映了科技的提升和科研能力的增強對產出的促進作用。從純技術效率指標來看，全省均值從2015年至2019年下滑0.39，說明在4年間全省整體的管理水平和技術效率有所降低。其中，安慶和黃山的效率在4年間得到了提升，說明兩市在管理和技術等方面有了進步，對產出的促進作用增強。

（3）科技金融的規模效率能夠體現城市科技投入是否處于最優規模，規模報酬遞增的地區應合理加大科技的投入力度，而規模報酬遞減的地區因資金未得到有效利用，存在明顯的效率損失問題，應特別注意改善資金使用方向。從表2可以看出各市均值在2015年到2019年為0.980，68.75%的地區在2019年達到規模最優，規模效率兩年均為1的有淮北、亳州、宿州等，占比 62.5%。六安、宣城和黃山的規模效率在4年間得到了提升。合肥市規模效率值處于較低水平，處于規模報酬遞增的階段，應整合金融資源，調整資金的使用方向，以達到最佳的生產規模。

（二）Malmquist指數動態分析

Malmquist指數能動態反映安徽省各地技術科技金融效率變化情況，故運用DEAP2.1軟件對 2015—2019年安徽省16個地級市的科技金融供給數據進行分析，進而考察安徽省科技金融的全要素生產率的動態變化及異質性。

（1）整體效率變動分析。由表3和表4可知：2015年至2019年，安徽省科技金融的供給生產率指數均值為0.863，同比綜合效率降低13.7%。研究期間，僅有一年的全要素生產率大于1，說明安徽省科技金融的效率較低且呈現整體下滑的趨勢。具體分解來看，技術進步下降13.2%，技術效率和純技術效率降低0.6%，技術進步的下降是綜合效率降低的主要因素，說明通過提高技術水平來實現安徽省科技金融的有效供給還有較大進步空間。分年度看，全要素生產率在2017——2018年間為1.170，是唯一一個大于1的時間段，說明在該階段安徽省科技資源的利用效率較高。2015——2017年技術效率大于1，2017——2019年出現較大下降，說明近年來科技金融偏離了投入和產出的最優均衡點。技術進步因素在2018——2019年間出現較大下降。

表3 各地級市科技金融Malmquist指數及其分解

表4 2015-2017年科技金融效率Malmquist指數及其分解

（2）各地級市效率變化對比。由表3可知，2015年至2019年安徽省16個地級市的全要素生產率均小于1，其中合肥市僅為0.759，為全省最低，此外，宿州、蚌埠、阜陽、淮南、六安、馬鞍山、安慶和黃山八市的全要素生產率低于0.9，說明安徽省大部分地區隨著對科技投入的增加，其投入效率卻在不斷下降，整體態勢堪憂。降低因素方面，淮北、亳州、宿州等地的技術效率、純技術效率和規模效率均為1，技術進步小于1，全要素生產率的下降主要歸因于技術進步的下降。阜陽和六安兩市除技術進步因素以外，技術效率、純技術效率和規模效率均小于1，說明兩市在科技投入的整體利用效率方面存在較大短板，需要提高全面的資源配置效率。

（3）區域效率差異對比。由表3可知，皖北、皖中和皖南科技金融全要素生產率的均值分別為0.857、0.651、0.835，綜合排名為皖北地區、皖南地區皖中地區。皖中地區的全要素生產率僅為0.651，主要歸因于技術進步的下降，說明技術進步是其提升科技金融效率的主要制約因素，合肥、六安、蕪湖等皖中地區應著力加快提升技術水平。

三、結論

本文通過對安徽省16個地級市2015—2019年科技金融效率的實證研究，得出如下結論：基于DEA模型測算可以看出，2015年和2019年安徽省科技金融的綜合效率均未達到DEA有效，不同城市效率差距明顯，多數城市都存在不同程度的純技術效率和規模效率不足，應注重提升科技金融供給的管理水平和運營能力，并設計合理激勵制度，擴大科技投入以達到最佳規模。基于Malmquist指數進行動態分析可以看出，2015—2019年安徽省科技金融效率生產率指數均值為0.862，說明供給效率總體呈下降趨勢，技術進步的變動是科技金融效率降低的主要因素。從不同地區效率增長情況來看，皖中地區作為全省經濟最為發達的地區，科技金融效率卻最低，皖中地區應該根據技術進步這個制約因素有針對性地采取有力措施，有效提高科技金融效率。