科技金融資源配置效率區域差異研究

王永輝 邵林

選取2016—2020年31個省市區科技金融的相關數據，運用BCC模型和CCR模型對全國31個省市區科技金融資源配置效率進行評價。實證研究發現，我國科技金融資源配置效率存在區域差異。與此同時，還需要從科技金融產品創新和金融市場改進、政府科技金融與市場科技金融協同、科技金融參與主體多元化等方面進一步促進我國科技金融健康發展，提高自主科技創新能力。

一、引言

科學技術的發展對促進經濟高質量發展，增強我國經濟的競爭力起著重要作用?？萍紕撔聦ν苿游覈洕鷥灮墶崿F高質量發展具有重要作用。然而，科技創新從技術研發到成果轉化再到生產環節這一系列流程都需要大量的資金支持，且由于科技創新的高風險性，需要建立從技術研發到生產環節的風險共擔機制，需要多方金融主體的配合?？萍冀鹑谑墙鹑诋a業與科技產業的有機融合，它引導金融資本和資源向科技創新領域傾斜，優化科技金融資源配置，促進經濟轉型升級，促進經濟競爭力，實現高質量發展發揮著至關重要的作用?？萍冀鹑谫Y源配置效率反映了我國金融資源和科技資源配置的合理程度，金融資源和科技資源的結合對實現經濟轉型優化升級，建設創新型國家具有重要的支撐作用［1］。

二、文獻回顧

關于科技金融定義的界定，目前學術界尚未形成共識。趙昌文等（2009）提出科技金融“工具論”，他認為科技金融是一種金融工具，是一種對推動科技活動和技術創新、加快授權專利轉化以及促進科技企業發展具有關鍵作用的制度安排［2］。Haslem等（1999）搜集了美國1987—1992年商業銀行的相關數據，運用數據包絡分析（DEA）對銀行的金融創新效率進行實證分析，研究發現有五分之一的商業銀行存在金融創新效率偏低的問題，商業銀行需要通過松弛改進，優化金融資源的投入和產出，提高金融服務效率和質量［3］。Abdullah Saeed等（2018）通過對阿曼地區金融市場與科技型企業的調查顯示，阿曼金融體系的優化與金融機構的服務效率二者呈正相關的關系，金融體系的不斷優化會帶動科技型企業的發展并以此促進經濟社會的發展［4］。

國內對科技金融效率的研究主要是從投入和產出角度構建科技金融效率評價體系?？萍冀鹑谛实脑u價方法可以分為參數統計法和非參數統計法。參數統計方法最具代表性的就是隨機前沿分析法（SFA），而非參數統計法最常見的就是數據包絡分析法（DEA）。甘星等（2017）運用數據包絡分析法（DEA）對我國三大經濟圈的科技金融效率進行分析，研究發現江蘇、浙江、安徽、遼寧、河北和山東的科技金融效率小于1，未處于有效狀態，并針對目前6省市科技金融發展存在的問題提出改進措施［5］。陶立祥等（2020）運用數據包絡分析（DEA）通過搜集2013—2017年武漢市科技金融的相關數據建立科技金融評價指標體系，研究發現武漢市科技金融綜合效率雖然沒有處于有效狀態，但處于上升階段，且呈現規模遞增狀態［6］。杜金岷等（2016）運用隨機前沿分析模型（SFA）對我國31個省市的科技金融效率進行分析，發現只有北京、上海等7個省市的科技金融效率處于有效狀態。其他省市的科技金融綜合效率都沒有處于有效狀態［7］。賀寶成等（2021）運用DEA-BBC模型對2008-2018年我國29個省市的科技金融數據進行分析，研究發現科技金融效率存在區域差異，僅北京、廣東五個省市的科技金融效率均為有效狀態，其余省份的科技金融效率均沒有達到有效狀態，有待進一步完善［8］。李天籽等（2022）結合Undesirable-SBM模型等模型對武漢城市圈2010—2019年面板數據進行分析，研究發現忽略科技創新過程中的風險會使科技金融效率虛高，武漢城市圈科技金融效率重心軌跡呈東北—西南的格局［9］。張清葉等（2022）利用DEA-Malmquist法構建科技金融效率評價體系，對河南省科技金融效率進行實證分析，研究發現河南省科技金融技術效率呈明顯的上升趨勢，而科技金融規模效率則恰恰相反，各地市之間科技金融效率區域差異加大，需要具體問題具體分析［10］。

國內外學者對科技金融效率進行了大量研究但仍存在著許多不足：第一是大半部分學者只是從靜態上研究固定時點上各地區科技金融效率的差異，而從動態上分析科技金融資源配置效率的變化的文章少之又少；其次，在科技金融評價體系構建時，科技金融數據和指標的選取上不夠合理，例如有學者將GDP增量作為科技金融產出的評價指標，但GDP的增加不僅跟科技金融有關，所以會對研究結果產生一定的偏差。本文通過運用DEA模型對2016-2020年我國31個省市的科技金融資源配置效率進行研究，希望能夠全面、準確地反映5年間我國科技金融資源配置效率的真實發展情況，提出有益于我國科技金融發展的針對性建議，促進經濟高質量發展。

三、研究方法、指標選取與數據說明

（一）研究方法

數據包絡分析（DEA）是一種非參數統計方法，其工作原理簡單，即將某一決策單位與另一決策單位進行比較，進而得出該決策單位的效率，即利用決策單元的輸入、輸出數據，對有效生產前沿面進行估算，再由各個決策單位之間的有效邊界距離來判定各決策單位的有效性。CCR模型和BCC模型是DEA中最常用的模型［11］。

1.CCR模型。假設存在n個決策單元（DMU），每個決策單元（DMU）包含m種投入，分別記作xi（i=1，2，……，m），存在q種產出，分別記作yr（r=1，2，……，q），將選取的決策單元記為DMUk。將其帶入CCR模型中，決策單元DMUk的效率值可以通過以下公式進行計算：

上述算式中，λj為決策單元的系數，s-為決策單元投入松弛變量，而s+為決策單元產出的松弛變量。在上述算式中，將決策單元的效率值記作θ*（0≤θ*≤1）。設ε設為一個無限趨近于0的正數，在進行實證分析時可將其設置為0.0000001。當決策單元的效率值θ*=1，并且s-和s+都等于0時，這時就認為決策單元DMUk處于強有效的狀態；在最優解θ*=1時，如果決策單元的s-和s+不等于0，則判定 DMUk是一個弱有效的狀態；如果最優解θ*<1時，判定 DMUk被視為無效狀態。

2.BCC模型。通過CCR模式以計算出決策單元的綜合效率，但不能判定純技術效率與規模效率的大小。因此，為對決策單位的技術有效性進行分析，僅需將約束條件 ∑=1加至 CCR模型，即 BCC模型，其結果與被評估的決策單位具有同樣的生產規模。BCC模型中，利用下列模型計算出決策單元 k的效率值：

（二）指標選取與數據說明

1.指標選取。構建科技金融資源配置效率評價體系時，指標的選取要科學、合理，能夠全面的展現科技金融投入與產出的實際情況，同時確保相關科技金融數據的可得性和可靠性。遵循科學性和合理性等原則，本文選取的科技金融資源配置效率的相關指標如表1。

各指標的說明如下：

（1）規模以上工業企業R&D活動人員：反映企業參與科技研發人員的數量的指標，由R&D人員全時當量得到。

（2）規模以上工業企業R&D經費內部支出：反映企業研發經費投入力度，由基礎研究經費、試驗發展經費和應用研究經費構成。

（3）科技支出占一般公共預算支出的比重：反映政府對科技創新活動的支持力度，由政府科技支出占政府公共支出的比重來表示。

（4）專利申請授權量：反映科技創新活動活躍程度，由專利申請數和專利授權數得到。

（5）規模以上工業企業新產品銷售收入：反映企業在生產經營活動中創新產品所取得的銷售收入［12］。

2.數據說明。選取2016—2020年全國31個省市科技金融的相關數據，數據來源于《高新技術產業統計年鑒》《中國統計年鑒》和Wind數據庫。由于數據的可得性，對缺失相關年份和省市的數據采用ARIMA填補。

四、實證研究

運行Deap2.1軟件，設置為基于產出導向的BCC模型對2016—2020年全國科技金融效率進行分析，結果如表2所示，效率的取值范圍為［0，1］，得到的綜合效率基于CCR模型計算得到的綜合技術效率，不是純粹的技術效率，而是在純技術效率的基礎上考慮了規模效益。所以，如果一個決策單位的綜合效率為1，則其技術效率和規模效益必然為1。在這一階段，我們認為，這一決策單元的投入—產出效率都是很高的，可以使這一區域的科技金融資源得到最優化的分配。如果某個決策單位的技術效率為1以下，說明這個決策單位的效率并不是有效的，其技術效率和規模效益中至少有一個是小于1的。通過實證分析，將31省市的科技金融資源配置效率劃分為三個檔次，區域綜合效率為1時，說明區域內的科技和金融資源分配是有效的；當區域綜合效率為［0.8，1］時，說明區域內科技和金融資源的配置是相對比較有效的，需要調整投入或產出松弛變量就能實現有效水平；當地區的綜合效率值在［0，0.8］時，表明該地區科技金融資源配置存在較大問題，需要對投入變量和產出變量進行較大調整。

由表2可以看出，2016-2020年，山西、內蒙古、江西、山東、新疆的科技金融綜合技術效率都是1。這說明，在一定的產出條件下，科技金融投資的規模和綜合技術效率都是最好的。江蘇、甘肅、北京、天津、河北、上海、安徽、福建、陜西、青海、寧夏的科技金融投資與產出都是比較有效的，經過適當的調節，可以使其達到一個較好的水平。其余15個省份的綜合技術效率均處于［0.3，0.8］，離有效水平還有很大差距，有待進一步調整。

從表3可以看出，31個省市在2016—2020年間的科技金融投入和產出的松弛改進。若區域綜合效率為1時，科技金融投入和科技金融產出的松弛改進值均不為0，該地區的科技金融資源配置效率僅僅是弱有效狀態。可以通過增加科技金融投入或減少科技金融產出達到強有效狀態；如果該地區綜合技術效率值等于1，并且科技金融投入變量或科技金融產出變量的松弛改進值全都等于0，則認為該地區科技金融資源配置效率處于強有效狀態。此時，該地區實現了科技金融資源配置效率的帕累托最優。

從表3可知，上海、浙江等12個省市需要減少專利申請授權量，河南需要減少新產品銷售收入達到產出變量的最優狀態；而北京、天津等18個省市企業研發人員較少，河南、廣東、等5個省市研發經費較少，建議增加投入以實現投入變量的最優狀態，最終實現帕累托最優。

五、結論與對策建議

研究結果表明，2016—2020年天津、山東等9個省市科技金融資源配置效率達到有效狀態，其余22個省市未達到有效狀態。其中北京、廣東等9個省市的科技金融資源配置效率處于相對有效狀態，只要稍加調整，即可達到有效水平。雖然隨著科學技術水平的提高，我國科技金融發展迅速，但科技金融資源還存在浪費現象，資源配置效率還需要不斷提升。為加快科技金融發展，推進創新型國家建設，實現經濟高質量發展，本文提出以下建議：

一是推進金融產品更新升級，完善金融市場的參與機制，促進科技型企業和高新技術型企業的發展。創新融資方式，拓寬融資渠道，以商業銀行等第三方金融機構為高科技企業提供信貸支持，針對科技企業輕資產的特點開展多種形式的融資貸款，如信用擔保貸款、人才定價、知識產權和專利成果質押、公司股權質押等多種方式的貸款，創新金融服務產品，開發銀保貸、投貸通等多種類型的金融產品。對符合上市條件的科技型企業加大培訓工作力度。鼓勵符合條件的科技型企業到科創板、創業板上市，完善多層次的資本市場。

二是充分發揮政府科技金融的供給引導作用和市場科技金融的需求追隨作用。由于科技型企業高風險、高投資、周期長的特點，使得科技型企業在發展前期往往因為資金短缺、缺乏融資渠道面臨創業失敗的風險，需要政府科技金融發揮供給引導的作用，加大對科技型企業和高新技術型企業的扶持力度，運用財政和稅收政策推動科技型企業的發展，引入風險投資機構和商業銀行等第三方金融機構，擴大參與主體，形成投貸聯動，充分發揮市場科技金融的需求追隨作用。政府相關部門提高科技創新再貸款的額度，降低科技型企業和高新技術型企業貸款利率，引導市場資金流入科技創新領域，撬動社會資金促進科技創新。

三是充分發揮第三方科技金融服務機構的媒介作用，促進科技與金融加速融合。與商業銀行等第三方金融機構合作，為科技型企業開展信用等級評價、投融資擔保等專業服務，提供咨詢業務解決科技企業的疑難問題，減少信息的不對稱性，降低信息獲取成本。對企業科技成果進行估價，對缺乏資金支持且擁有科技成果的企業，提供資金支持或科技成果轉讓。投融資機構以資金入股，提高股權的流動性，為企業解決融資問題和管理問題提供專業建議。

參考文獻：

［1］張遠為.湖北省科技金融資源配置效率研究——基于BCC模型和Malmquist指數法［J］.湖北社會科學，2021（09）.

［2］趙昌文，陳春發，等.科技金融［M］.北京：科學出版社，2009.

［3］Haslem John A，Scheraga Carl A，Bedingfield James P.DEA Efficiency Profiles of U.S.Banks Operating Internationally［J］.International Review of Economics and Finance，1999，（08）.

［4］Abdullah S，Shayem S.Financial Depth and Efficiency，and Economic Growth Nexus in Saudi Arabia and Oman［J］.Review of Economics and Business Studies， 2018，（11）.

［5］甘星，甘偉.環渤海、長三角、珠三角三大經濟圈科技金融效率差異實證研究［J］.宏觀經濟研究，2017，（11）.

［6］陶立祥，沈俊，等.武漢市科技金融發展效率研究——基于BCC模型和Malmquist指數法［J］.科技管理研究，2020，（06）.

［7］杜金岷，梁嶺，等.中國區域科技金融效率研究［J］.金融經濟學研究，2016，（06）.

［8］賀寶成，李姍珊.我國省域科技金融效率時空演進分析［J］.合作經濟與科技，2022（01）：54-56.

［9］李天籽，韓沅剛.武漢城市圈科技金融效率時空特征與趨同演化分析［J］.經濟地理，2022，42（01）：61-69.

［10］張清葉，趙天宇.基于DEA-Malmquist的河南省科技創新效率研究［J］.科技創業月刊，2022，35（02）：36-42.

［11］成剛.數據包絡分析方法與Max DEA軟件[M].北京：知識產權出版社，2014.

［12］張鵬，李林欣，曾永泉.基于DEA-Malmquist指數的粵港澳大灣區科技創新效率評價研究［J］.工業技術經濟，2021，40（02）：12-17.

基金項目： 2022年度濟南市哲學社會科學規劃研究項目（項目編號：JNSK22B17）。

作者單位：王永輝，齊魯工業大學（山東省科學院）金融學院，研究生；邵林，齊魯工業大學（山東省科學院）副教授，管理學博士。