我國省域科技金融效率時空演進分析

□文/賀寶成 李姍珊

（陜西科技大學經濟與管理學院 陜西·西安）

［提要］基于DEA-BCC模型，對我國29個省份2008～2018年樣本數據進行分析，探究我國省域科技金融效率的時間和空間演進規律。研究表明：在研究期內我國整體科技金融效率呈現先下降再上升的波動趨勢，整體水平偏低，仍具有較大提升空間，純技術效率與規模效率均未達到前沿面。在空間分布上，各省份的科技金融效率整體偏低，只有北京、天津、江蘇、廣東、陜西的綜合效率處于前沿面，其他省份的綜合效率都有待提高。綜上，各地區政府應當完善經費投入體系，發揮地區政府對科技金融發展的引導作用，提高科技金融資源利用率；同時，應因地制宜地構建多元發展的金融體系，豐富企業融資渠道。

一、引言

隨著我國經濟發展的不斷升溫，創新驅動已成為全面提升經濟高質量發展的國家經濟戰略。科技和金融作為助推經濟發展、產業升級的兩大重要推手，為增強企業創新能力、推動經濟轉型升級帶來了巨大的機遇。兩者的相互結合滲透對促進科技金融創新、技術成果轉化、實現資源要素有效整合、建設創新經濟發展發揮著重要作用。據統計，截至2018年底，我國科技投入一直保持良好增長態勢。全國共投入R&D經費19，677.9億元，同比增長11.8%；國家財政科技支出9，518.2億元，同比增長13.5%。同時，科技產出規模也不斷擴大，全國發明專利授權和擁有量比上年分別增長了5.8%和17.6%。全國登記技術合同411，985項、成交金額17，697.42億元，同比增長12.08%、31.83%。盡管我國當前大力增強金融支持科技創新發展的力度，但科技投入的增加是否能夠高效轉化為科技成果，如何進一步優化科技金融配置效率，仍舊是值得廣泛關注的課題。

國外學者對科技金融的研究更多側重于探討金融創新發展與科技進步之間的關系，并沒有明確提出“科技金融”一詞。“科技金融”是國內學者趙昌文教授在2009年提出的，即在政府、企業、市場和各類投融資機構主體的推動下，將一系列的金融工具、制度、政策、服務等應用于科技發展、創新驅動、成果轉化，激發市場活力，促進科技型企業繁榮發展。現階段對于科技金融效率的測度，國內學者主要采用非參數法和隨機前沿分析法。在非參數估計法方面，劉俊岐（2015）、杜金岷（2016）、戴志敏（2017）等通過SE-DEA模型、Malmquist指數模型、三階段DEA和傳統DEA模型對我國區域科技金融效率進行研究測算，研究發現我國科技金融效率普遍偏低，地區間科技金融發展不均衡，同時環境因素也會影響科技金融效率的提升。在前沿分析法方面，趙文祥（2017）利用隨機前沿函數研究科技金融效率及影響因素，發現財政科技支出占市場科技金融的比例和科技金融效率之間存在負相關作用。

總體看來，現有成果對科技金融的研究逐漸向效率方向轉變，但多數研究主要基于DEA模型探討區域科技金融效率的變化水平，少有研究從時間和空間角度探討我國整體科技金融效率。鑒于此，本文從科技金融效率的視角出發，測度我國2008～2018年29個省份科技金融效率，并進行時空演進分析，旨在為改進和提升我國整體科技金融效率，為科技與金融融合高效發展提供有益參考。

二、實證研究

（一）DEA-BCC模型。數據包絡分析法（DEA）是由Charnels、Cooper和Rhode在1978年提出的，當有多個投入和產出變量時，常用這種方法來測度綜合效率。DEA方法對于投入產出變量的形態及函數關系沒有特殊要求，同時對于決策單元也沒有過多要求。因此，能夠有效避免由于函數設置出現問題而導致的結果不準確，適用于處理當決策單元較為復雜時的效率評價。BCC模型的基本形式可以表示為：

在上述模型（1）中，投入向量為X=（x1，x2，…，xm）T，產出向量為Y=（y1，y2，…，yt）T，n代表所研究29個省份的樣本數據，λj為各單位組合系數，X0、Y0為29個省份樣本的科技金融投入、產出指標，θ為科技金融效率評價值，s-、s+為松弛變量。

（二）評價指標選取。本文主要從勞動、政府、市場及金融機構投入四個方面考慮科技金融的投入。借鑒薛曄等、章思詩等的方法，科技勞動力的投入用R&D人員時當量來表示，利用企業R&D經費投入強度、地方財政科技支出占財政支出的百分比來分別表示企業和政府對科技金融發展的支持，以金融機構年末貸款余額與R&D經費內部支出的比值來反映金融機構對于科技金融發展的投入。本文選用國內發明專利授權量與國內專利授權量的比值來衡量地區科技創新能力，選取技術市場成交額反映技術市場的發展情況。高技術企業經營成果和科技金融發展的國際影響力通過高新技術產業新產品銷售收入及高技術產品出口額占商品出口額的百分比來衡量。相關投入、產出指標匯總如表1所示。（表1）

表1 科技金融結合效率評價指標體系一覽表

樣本選取為2008～2018年我國29個省份的面板數據。數據主要來源于國家統計局官網、《中國科技統計年鑒》《中國高技術產業統計年鑒》《中國統計年鑒》。

三、科技金融效率評價結果分析

（一）科技金融效率的時序分析。根據圖1科技金融效率平均值變化可以看出，2008～2018年我國科技金融效率呈現逐步下降后上升的趨勢，整體呈現波動上升的“V”型演進態勢，但均未達到DEA有效狀態。這可能是由于大部分金融資源豐富的地區科技金融的實際生產規模與最優生產規模之間存在一定差距，導致資源利用不充分。同時，各地的綜合效率偏低主要是由規模效率偏低所導致。分階段來看，2008～2013年我國科技金融效率逐步下降，2013年綜合技術效率和純技術效率達到了最低值，2013～2018年科技金融效率呈現出一定的上升趨勢。究其原因可能在于國家高度重視科技事業的發展，自2012年召開全國科技創新大會以來，先后頒布了《中共中央國務院關于深化科技體制改革加快國家創新體系建設的意見》《關于改進和加強中央財政科技經費管理的若干意見》等一系列科技經費管理辦法，這一系列政策意見的實施，促使地區財政部門、金融機構及企業在科技經費管理方面逐步制度化、規范化，提高了整體科技金融資源配置效率，使整體科技金融效率呈現上升趨勢。（圖1）

圖1 2008～2018年全國科技金融效率平均值變動趨勢圖

（二）科技金融效率空間分析。由表2可知，我國29個省份的科技金融效率存在一定差異，綜合技術效率平均值為0.8025。其中，東部地區的北京、天津、江蘇、廣東，西部地區的陜西，科技金融效率值為1，表明這5個省份科技金融的投入、產出達到了相對有效狀態，科技金融的資源配置也較為合理有效。分區域來看，西部地區的整體效率均值高于東部、中部、東北地區。其原因可能在于國家西部大開發戰略的實施，將發達地區的剩余科技金融資源用于提高西部地區科技創新發展，并進一步優化西部地區科技金融資源配置效率，促進了西部地區科技金融效率的提升。近幾年來，西部地區在發展基礎經濟的同時也注重科技和高新技術產業的發展，將科技與金融結合來促進技術創新發展，提高其核心競爭力。雖然西部地區用于發展科技金融的資金相對較小，但是其有效利用率高，同時西部地區各省份的科技金融發展較為均衡。東部、中部及東北地區，區域內差異較大，發展不均衡，因此其科技金融效率較為低下。（表2）

表2 各省份科技金融效率分解值一覽表

四、研究結論及政策建議

本文結合已有文獻和中國科技金融發展的實際情況，構建了全國科技金融效率評價指標體系，利用DEA-BCC模型測算2008～2018年我國29個省份的科技金融效率。研究發現，在研究期內我國整體科技金融效率呈現出波動上升的趨勢，綜合技術效率平均值為0.8025，純技術效率和規模效率均未達到前沿面，科技金融效率整體仍有較大提升空間。從空間分布的角度來看，只有北京、天津、江蘇、廣東、陜西的科技金融效率達到了DEA有效狀態，其余地區科技金融效率都有待提高；西部地區的整體效率均值高于東部、中北、東北地區。

綜上所述，提出如下政策建議：第一，由于地區經濟發展水平以及資源配置的不均衡，各地區的科技金融效率存在一定差異。因此，要在考慮各地區具體情況的基礎上，調動各地區術科技型企業和金融機構的積極性，在科技金融發展水平不同的區域實施因地制宜的發展政策，同時實施促進區域協調的科技金融差異化發展戰略。第二，構建多元發展的金融體系，豐富企業的融資渠道。充分發揮股票市場、創業投資市場等多種直接融資方式的積極性。鼓勵多種融資方式的靈活配合，發揮金融市場的調節作用。提高各省份金融市場的資金配置效率和內部管理結構，強化科技金融產品的創新，進一步完善科技型企業風險補償機制，鼓勵金融機構將資金借貸給中小科技企業，為科技企業提供多渠道、多層次的科技金融服務。