基于DEA 和Malmquist 模型的科技金融創新績效研究
——來自浙江省11 個地級市的證據

余美靈

（作者單位：重慶師范大學馬克思主義學院）

一、研究背景

黨的二十大報告將“實施科教興國戰略，強化現代化建設人才支撐”作為獨立章節進行謀劃部署，并對完善科技創新體系，加快實施創新驅動發展戰略作出專門部署。這為實施科教興國戰略，堅定走好創新驅動高質量發展之路，指明了前進方向、提供了根本遵循。浙江省作為全國科技金融先行城市，在確定為試點城市的十年間，科技金融發展績效究竟如何呢？

科技金融的參與者主要有政府、非營利組織（Nonprofit Organization，NPO）、企業、社會中介機構等[1]。其中，政府在科技金融中的作用是舉足輕重的，其不僅投入巨大的資金直接資助科技型企業、創投公司，成立科研院所，還設立限定產業領域的基金，如科技成果轉化基金、孵育基金、產業投資基金等。企業是科技金融的主要受益方，也是檢驗科技成果是否具備轉化條件的試金石[2]。目前，我國企業在科技金融方面的格局是大企業科技創新能力較差，而作為科技創新主體的中小企業缺乏科研資金，處于被資助的地位[3]。國外的科技金融或者科技成果轉化都是以企業為主體、以市場為導向。以以色列為例，企業集團通常是科技創新的主體，下設科研機構和科技成果轉化公司，企業可以將自己研究成果內部自行轉化[4]。由此，值得思考的是：現有的科技金融支持系統對區域內的科技金融發展作用到底如何？

與以往的研究相比，本文的主要貢獻在于：以科技金融政策先行地浙江省為例，具體分析各個子系統即浙江省內的科技金融試點城市與省內其他地級市的科技金融績效水平，通過橫向與縱向研究對比，初步得到績效評價結果；再引入空間結構演化分析進一步驗證，得到省內各個地級市原有支持系統下的聯動效應，最后給出建議。

二、研究設計

（一）DEA 模型

數據包絡系統分析（Data Envelopment Analysis，DEA），是由美國著名運籌學家A.Charnes、W.W.Copper、E.Rhodes在1978 年首先提出，是在比較效率評價理論基礎上進一步發展出來的另一個非參數檢驗方式[5]。假設有n個決策單元，記為DMUj(j=1,2,…,n)，每個決策單元都有m1種投入和m2種產出，用xij(i=1,2,…,n;j=1,2,…,m2)表示第i個決策單元的第j項產出，用u=(u1,u2,…,um1)和v=(v1,v2,…,vm2)分別表示投入、產出的權值向量。決策單元k的效益評價指數如下：

DEA 的績效評價結果可以用規模技術效率（STE）、純技術效率（PTE）、規模效率（SE）來表示，如果規模技術效率（STE）等于1，說明該決策單元在技術和規模上都是有效的；如果規模技術效率（STE）小于1，則說明存在效率損失，需要進一步分析原因并采取改進措施。它們之間的關系表示如下：

（二）Malmquist 指數模型

Rolffare 將Malmquist 指數劃分成兩部分：一是技術效率的變動值（EFFCH），二是效率前沿面的變動值，稱為技術進步指數（TECHCH）[6]。技術效率變動值又可以進一步分解為不變規模報酬的純技術效率（PECH）和規模效率（SECH），關系表示如下：

（三）變量選取與指標體系構建

根據現有研究成果，充分考慮數據分析的客觀性、可獲取性、可操作性，并結合DEA 模型和Malmquist 指數模型的要求，從投入和產出2 個維度選取4 個指標評價科技金融創新效率，即全社會科學研究與試驗發展經費投入、全社會科學研究與試驗發展人員數、發明專利授權量、高新技術產業增加值（見表1）。

表1 科技金融創新效率投入產出指標

（四）樣本選取與數據來源

本文選取浙江省內11 個地級市為研究對象（杭州市、寧波市、溫州市和湖州市在2011 年均被確定為國家促進科技和金融結合試點城市），評價這些城市8 年間的科技金融創新績效水平，從而為下一個階段發展提供建議。所有數據均來自2011—2018 年《浙江省統計年鑒》和省內各地級市的統計報告。

三、實證分析

（一）靜態分析

將選取的投入、產出指標有關數據使用DEAP 2.1 軟件進行分析，得到2018 年浙江省各地級市科技金融創新績效的結果，如表2 所示。

表2 2018 年浙江省地級市DEA 評估結果

由表2 可知，2018 年，溫州市和衢州市規模技術效率表現最好，STE均為1.00，可以認定為DEA 強有效。其余城市的規模技術效率均低于1，均評定為非DEA 有效。

（二）動態分析

選取2011—2018 年的數據，通過Malmquist 指數模型分析得出各地級市在此期間的動態分析結果。

在11 個地級市中，包含杭州市、寧波市、溫州市和湖州市四個試點城市在內的9 個地級市的TFPCH均大于1，說明這些城市的相對效率都得到提升，全要素生產率上升，即對資金和人才的利用效率提高。其余城市中，只有衢州市與麗水市的TFPCH小于1，即相對效率下降，全要素生產率下降，對資金和人才的利用效率降低。

（三）進一步討論與檢驗

利用核密度函數對浙江省的地級市的科技金融創新效率進行估計，以更加直觀地反映11 個地市科技金融創新績效的空間結構演化特征，結果如圖1 所示。

圖1 核密度分析結果

由圖1 可知，考察期內，區域內的科技金融創新績效整體呈現“山頂”型單峰分布。說明省內城市之間的科技金融創新效果存在明顯的兩極分化現象，各市區的效率分布差異較大。

從波峰來看，2011 年與2015 年的波峰效率值都在0.95 附近集聚，2018 年的波峰效率值在0.8 附近集聚，說明浙江省11 個地級市中大多數城市的創新績效位于高效率區，少部分地區位于低效率區。

從時間來看，2018 年的波峰高度相對2011 年與2015 年下降近10%，波峰的高度從2011 年開始自右向左逐漸趨于原點，且由2011 年、2015 年的尖頂變為波峰緩和的圓頂。整體來看，區域內的科技金融創新效率雖有較大差異，但從縱向來看這種差異在減小。

四、建議

首先，繼續改善科技金融這一創新型金融支持模式在區域的布局。利用新的金融技術，大規模推動區域內經濟社會的數字化改造步伐，進一步拓展現有科技金融服務模式在新興技術場景下的運用范圍，優化科技金融機構服務于實體經濟的能力，特別是其為科技型企業服務的效率和質量。

其次，改善地區制度構建、人力資源等關鍵輔助性因素，支持科技金融發揮作用。一方面，要加快構建科技金融發展信息支持系統，提高管理效率，建立多層次的科技金融服務區域創新支持體系。另一方面，建立多元化人才激勵模式，繼續強化技術創新研發團隊建設，以充分發揮科技金融促進地區技術創新水平提升的效果。

最后，針對科技金融區域發展分化的現象，應強調區域協作，形成區域協同效應。通過區域內幾個試點城市形成根據地，加強試點城市之間要素流動和合作。