中關村產業園區科技金融創新服務效率評估

摘" 要：科技金融作為推動科技創新和經濟發展的重要手段，在支持企業研發、解決融資問題和促進科技成果轉化方面發揮了關鍵作用。中關村產業園區作為中國科技創新的核心區域，通過多樣化的金融工具為科技型企業提供了有效的資金支持。隨著科技金融服務的復雜性提升，如何評估其服務效率并確保資源配置合理化成為亟待解決的問題。為此，通過采用數據包絡分析（DEA）模型，評估中關村產業園區科技金融服務的效率，分析多維輸入與輸出之間的關系，識別高效和低效的決策單元。研究結果顯示，中關村不同園區在科技金融服務效率上存在顯著差異。通過對各園區的投入與產出進行比較分析，揭示了影響科技金融服務效率的關鍵因素，并提出了針對性的優化建議，為進一步推動科技金融與科技創新的深度結合提供實證依據，促進高新技術產業的可持續發展。

關鍵詞：科技金融；產業園區；中關村；DEA模型

中圖分類號：F832;F726.44

文獻標識碼：A

doi：10.3969/j.issn.1672-2272.202410067

基金項目：西藏大學科研培訓基金項目（ZDQMJH23-04）

作者簡介：劉楚楚（1992-），女，碩士，西藏大學財經學院助教，研究方向：稅收學；張文飛（2002-），男，西藏大學財經學院在讀生，研究方向：財務管理。

Evaluation on the Efficiency of Science and Technology Financial Innovation Services in Zhongguancun Industrial Park：Analysis Based on the DEA Model

Liu Chuchu， Zhang Wenfei， Shi Zhefeng， Yuan Xirui， Shi Yihan

（School of Finance and Economics， Tibet University， Lhasa 850000， China）

Abstract：As an important means of promoting scientific and technologicalinnovation and economic development， science and technology finance has played a key role in supporting enterprise research and development， solving financing problems and facilitating the transformation of scientific and technological achievements. Zhongguancun Industrial Park， as the core area of China’s scientific and technological innovation， has provided effective financial support for technology-based enterprises through diversified financial instruments. However， with the increasing complexity of science and technology financial services， how to evaluate their service efficiency and ensure the rationalization of resource allocation has become an urgent problem to be solved. For this reason， this paper adopts the Data Envelopment Analysis （DEA） model to evaluate the efficiency of science and technology financial services in Zhongguancun Industrial Park， analyze the relationship between multi-dimensional inputs and outputs， and identify efficient and inefficient decision-making units. The research results show that there are significant differences in the efficiency of science and technology financial services among different parks in Zhongguancun. Through a comparative analysis of the inputs and outputs of each park， this paper reveals the key factors affecting the efficiency of science and technology financial services and puts forward targeted optimization suggestions. Through this study， it can provide empirical evidence for further promoting the in-depth combination of science and technology finance and scientific and technological innovation and facilitating the sustainable development of the high-tech industry.

Key Words：Technology and Finance；Industrial Park； Zhongguancun； Data Envelopment Analysis Model

0" 引言

科技金融作為推動科技創新和經濟發展的重要手段，在支持企業研發、解決融資問題和促進科技成果轉化方面發揮了重要作用。中關村產業園區作為中國科技創新的核心區域，通過多樣化的金融工具（如風險投資、知識產權質押融資等），為科技型企業提供了有效的資金支持，提升了企業的創新能力和市場競爭力。但是，隨著科技金融服務的復雜性提升，如何評估其服務效率并確保資源配置合理化，成為當前亟待解決的問題。本研究是利用數據包絡分析（DEA）模型，評估中關村產業園區科技金融服務的效率。DEA模型能夠分析多維輸入（如資金、服務平臺數量）與多維輸出（如融資總額、科技成果轉化率），構建效率前沿，進而識別高效和低效的決策單元，并探討效率差異的原因。本研究的意義在于，DEA模型應用不僅為政策制定者提供了一種科學的效率評估工具，并且為優化科技金融服務、提升園區整體創新能力提供了數據支持。

1" 文獻綜述

1.1" 科技金融的定義與作用

根據王濤等［1］提出的科技金融體系概念，科技金融是一種通過創新型、發展型的金融工具和政策支持科技開發、成果轉化的系統安排。同時，政府的政策性支持也是推動科技型中小企業創新的重要手段。苑澤明等［2］的研究顯示，科技金融政策對于中小企業創新效率的提高具有顯著影響。趙昌文等［3］認為，科技金融是一個系統性、創新性安排，涵蓋政府、企業、市場和社會中介機構等主體，目的是促進科技開發和成果轉化，支持高新技術產業的發展。汪泉等［4］的研究顯示，科技金融的核心在于以定向融資的方式支持科技型企業，并強調其市場化和商業可持續性，幫助解決企業資金難的問題。在此基礎上，張明等［5］認為，科技金融既是金融對科技的支持，又是幫助創新鏈、產業鏈、資金鏈的整合，通過金融創新為科技型企業的融資服務。科技金融為企業的技術創新活動提供資金支持，通過注入金融資本的方式進行。由于科技創新往往面臨較高的風險和不確定性，傳統金融模式難以完全覆蓋其融資需求，科技金融通過創新的創投、投貸聯動等方式，以促進科技創新成果孵化轉化為動力，降低了科技型企業的融資難度［4］。科技金融通過多種金融手段推動高新技術產業規模化、市場化，是對創新研發的支持。例如，科技型企業在不同發展階段通過創業投資、科技保險等金融工具，獲得持續的資金支持，從而在推動高新技術產業成長的同時，實現科技成果的快速產業化［3］。

1.2" DEA模型在科技金融效率評估中的應用

長三角地區和中關村作為中國高新科技發展的重要區域，研究者廣泛使用DEA模型分析其科技金融服務的效率。戴力新等［6］通過三階段DEA模型分析了長三角地區技術轉移與成果轉化效率，發現服務環境、科技政策等因素對效率有顯著影響。姜炤君等［7］采用DEA與Malmquist模型分析長三角地區科技金融的投入與產出效率，提出技術進步對效率具有制約作用。

1.3" 中關村科技金融創新服務的發展

中關村作為中國科技金融創新的代表，經過數十年的發展，已經成為全球領先的科技園區。黃健青等［8］研究了中關村的科技金融服務模式指出，高新技術企業的集群效應對科技金融服務模式的層次化提出了更高的要求。勒川［9］研究了中關村通過政策引導和產業園區改革，持續推動其成為世界領先的科技園區。

1.4" 政府支持對科技金融的促進作用

近年來，在國家頒布系列政策的支持下，科技企業深耕主業，加快推進精細化管理和數字化轉型，打造技術和產品的獨特優勢，煥發了生機與活力，在提升產業鏈供應鏈穩定性、推動經濟社會發展中發揮了重要作用［10］。政府的引導性風險投資和相關政策對于中小企業融資和創新效率的提升至關重要。楊星等［11］以邢臺為例，探討政府如何通過風險投資支持中小企業，突破融資困境。苑澤明等［2］的研究顯示，天津通過科技金融政策支持科技型中小企業的發展，顯著提高了這些企業的創新效率。

科技金融是促進科技創新和高新技術產業發展的重要機制，通過金融資源和科技資源的整合，政府通過財政資金扶持、政策傾斜和平臺建設等方式，以科技企業融資難、技術研發轉化和科技成果轉化為動力，促進科技與金融深度結合，緩解科技企業融資難問題［12-13］。如中關村等創新集聚區，以創新基金、天使投資基金等方式為依托，加大對高新技術企業的扶持力度，推動區域科技金融體系完善［14-15］。此外，通過推動綠色技術創新，政府引導企業進行綠色轉型，提高綠色專利申請量與質量，科技金融政策對綠色發展也產生了積極的影響［16-17］。但各地科技金融政策效果差異明顯，在資源富集地區尤其突出政策執行效果［23］。展望未來，為實現更高效的科技創新和經濟高質量發展，深化金融供給側結構性改革，提高金融服務質量與效率，仍是科技金融政策發展的方向［18］。

1.5" 已有研究的不足

盡管已有研究對科技金融服務效率進行了較為全面的探討，但面臨一些問題。方興東等［19］的研究總結了技術變革、市場崛起與政策推動之間的復雜關系，指出需要進一步優化資源配置和政策支持。多數研究集中于宏觀層面的效率評估，缺乏對具體園區或區域內金融服務平臺效率的細致分析。此外，關于規模報酬可變對科技金融效率的影響，已有研究尚不充分。因此，本文基于DEA模型，結合中關村產業園區的具體數據，深入分析不同規模金融服務平臺的效率與影響因素。通過運用BCC模型，揭示規模報酬遞增或遞減對科技金融服務效率的影響，為政策制定提供優化科技金融資源配置的實證依據。

2" DEA模型理論基礎

2.1" DEA模型簡介

數據包絡分析（Data Exploration，DEA）模型是一種非參數方法，用于評估多輸入多輸出系統的效率。DEA可以通過線性規劃來構建生產前沿，對效率單位和非效率單位進行識別。該模型的優點是適用于不確定投入和產出關系的情況，而不需要預設生產函數形式［20］。DEA方法適用于在不同行業和地區評估效率時廣泛使用的處理多個輸入和輸出變量的方法。該模型適用于多領域的效率問題研究［21］，包括農業、金融和能源。在知識創新、城市用地等領域，為應對復雜系統中的互饋性和多階段特性，進一步完善了DEA模型。例如，基于共享互饋網的DEA模型，有效地解決了系統內部各子系統之間相互影響的問題，并使模型的解釋力得到增強［22］。在農業投入產出、知識創新效率、城市土地利用效率等諸多領域，DEA模型都得到廣泛應用。例如，在研究農業能效時，通過三階段的DEA模型，去除環境變量的影響，從而得出更精確的效率值［23-24］。

2.2" CCR模型與BCC模型

DEA模型常用的兩種模型為CCR模型（假設固定規模報酬）和BCC模型（允許規模經濟或不經濟）。CCR模型假定所有決策單元具有相同的規模效率，而BCC模型則允許其生產規模不一致［23-25］。兩者的區別主要在于對規模報酬的假設。

2.2.1" CCR模型

CCR模型由Charnes等提出，基于規模報酬不變假設，適用于規模相似或規模差異不明顯的決策單元。該模型通過線性規劃確定投入產出比率，計算相對效率。效率得分為1表示資源配置最優，小于1則存在浪費。具體效率得分通過線性規劃求解，尋找最優權重向量，最大化第0個DMU的效率。CCR模型假設規模收益是固定的，假設有n個決策單元（DMUs），每個DMU有m個輸入（input）和s個輸出（output）。其數學形式為：

Maximizeθ=∑sr=1uryrj∑mi=1vixij

其中：

yrj是第j個 DMU 的第r個輸出；

xij是第j個 DMU 的第i個輸入；

ur和vi分別是輸出和輸入的權重。

約束條件為：∑sr=1uryrj∑mi=1vixij≤1j=1，2，…，n

并且ur，vi≥0

在BCC模型中，引入了一個松弛變量，允許規模報酬是可變的。該模型將目標函數修改為：Maximizeθ=∑sr=1uryrj+u0∑mi=1vixij

約束條件為：∑sr=1uryrj+u0∑mi=1vixij≤1j=1，2，…，n

同樣ur，vi≥0，且u0是一個自由變量。

2.2.2" BBC模型的對偶形式

為了方便求解，BBC模型通常被轉換為線性規劃問題。通過將原始的分式規劃轉化為線性規劃，其對偶形式如下：Maximizeθ-∈∑mj=1s-i+∑sr=1s+r

其中：

s-i和s+r分別是輸入和輸出的松弛變量，用于保證約束條件的可行性；

∈是一個無窮小正數，確保松弛變量不會影響效率值 θ的大小。

約束條件為：∑nj=1λjxij+s-i=θxij，i=1，2，…，m

∑nj=1λjyrj+s+r=yr0，r=1，2，…，s

∑nj=1λj=1

λj≥0，s-i，s+r≥0

2.3" DEA模型投入與產出變量

DEA模型的核心是選擇輸入（輸入）和輸出（輸出）兩種方式。投入與產出變量的設定必須合理，能夠真實反映資源投入和各個決策單元的成果產出，以保證模型結果的準確性與可解釋性。

從以下幾個方面可以分析常見的投入和產出變量，以評估科技金融服務的效率。

結合實際案例分析，例如在中關村工業園區，一家創投公司在專利申請量和技術轉化率明顯提升的情況下，投入巨資支持初創企業發展，最終促使企業融資總額上升。因此，在DEA模型中，其所帶來的專利申請量和科技成果轉化率作為產出變量，可以將該投資公司的資本投入作為投入變量。這樣的設定，才能將其服務效率體現出來。

本文投入變量主要包括中關村園區內金融機構數量、科技金融資金投入、金融服務平臺數量等，而產出變量則涵蓋了企業獲得的融資額度、科技成果轉化率、專利申請量等，而產出變量則涵蓋了中關村園區內金融機構通過這些投入產出的設定，揭示金融資源配置和科技成果轉化的效率差異，為政策制定和資源優化提供依據。將采用DEA模型，對中關村科技金融服務的相對效率進行評估，如表 1所示。

3" 數據來源與處理

3.1" 數據來源

本文所需的數據主要來自中關村產業園區的公開報告、官方統計年鑒以及相關金融機構的數據集。具體數據來源如表 2所示。

3.2" 樣本選擇

為了確保DEA模型的準確性和科學性，本文在樣本選擇上遵循以下原則，如表 3所示。

3.3"" 數據處理

為了確保數據的完整性和一致性，研究采用了以下數據處理方法，如表 4所示。

通過對數據進行清洗、標準化處理以及異常值的處理，確保研究樣本的高質量。這些步驟使得DEA模型在分析中具有更強的解釋力和穩健性，從而能夠更準確地評估中關村產業園區內科技金融服務的效率。這些處理為分析結果的有效性提供保障，如圖 1、表 5、圖 2所示。

4" 數據分析

科技金融服務平臺在推動技術創新與成果轉化中起著重要作用，作為科技園區的核心，金融服務的效率往往決定了園區整體的創新產出與經濟效益。本文結合可視化圖表數據，對中關村園區的4個子園區（A園區、B園區、C園區、D園區）的投入與產出進行分析，揭示各園區在科技金融服務中的效率差異，并提出優化建議。

4.1" 投入數據分析

投資是影響產出效率的關鍵要素。對于中關村的4個子園區來說，其投資主要指標包括Ramp;D（研發）經費投入、HR（人力資本）、基礎設施。

4.1.1" Ramp;D投入分析

分析顯示，投入研發經費最多的是D園區。這說明，有利于推動技術創新持續進行的D園區，在科技研發方面的資源配置最好。與此形成鮮明對比的是B園區的研發投入最低，顯示出其可能影響科技創新能力發展的技術研發投入。

而A園區、C園區的研發投入都在中上水平。這兩個園區的研發經費足夠支持一定規模的技術創新。

4.1.2" 人力資本投入分析

直接影響園區創新能力和成果轉化效率的，是科技金融服務中的人力資本。數據顯示，D園區在這方面的投入最高。引進了一批高素質的科研人員，保證了D園區的高效運轉。

A園區人力資本投入僅次于D園區，業績增長。B園區、C園區的人力資本投入都比較小。由于創新活動的開展需要大量高端人才的支持，這可能限制了這兩個園區創新成果的轉化。

4.1.3" 基礎設施投入分析

科技創新活動的基礎設施建設同樣至關重要。D園區的基礎設施投入是4個園區中最高的，這為其提供了良好的科研環境，助力科技創新和金融服務的順暢對接。A園區、B園區和C園區的基礎設施投入相對較少，可能在未來發展中面臨基礎設施的限制。

4.2" 產出數據分析

科技金融服務平臺的產出主要體現在創新成果的申請與轉化以及其所帶來的經濟效益。中關村的4個園區在專利申請量、科技成果轉化率和經濟效益等方面存在較大的差異。

4.2.1" 專利申請量

評估技術創新成果的一項重要指標是專利申請量。資料顯示，D園區專利申請最多，超過其他園區專利申請量。這不僅體現了D園區科研活動十分活躍，而且在技術創新領域也顯示出了自己的明顯優勢。A園區、C園區的專利申請數量也比較高，同樣表現得十分突出。與之相比，B園區的專利申請量稍顯不足，在科技成果上顯示出相對劣勢。

4.2.2" 科技成果轉化率

科研成果轉化率是衡量科研成果能否在實際中得到轉化的重要指標，是科研成果轉化的一個重要指標。D園區的轉化率最高，達3.9萬件。A園區、C園區的轉化率也較好。B園區的轉化率較低，說明在將創新成果轉化為經濟效益方面遇到了一定的困難。這就可能與科研管理體制、市場對接能力不足有關。

4.2.3" 經濟效益

在經濟效益方面，D園區表現突出，其科技創新所帶來的經濟效益顯示出其高效的成果轉化能力和市場應用能力。A園區和C園區的經濟效益表明其也取得了較好的業績。B園區的經濟效益相對較低，這表明其應在成果轉化方面作出更多努力。

4.3" 各園區的效率差異分析

通過對投入產出的比較分析可以發現，D園區在專利申請量、科技成果轉化率、經濟效益等方面具有領先優勢，在Ramp;D投入、人力資本、基礎設施建設等方面的高投入均獲得了較高回報。D園區展示了投入資源可有效轉化為實際成果的高科技金融服務效率。相比之下，B園區投入產出不夠理想。對其產出效率影響較大，導致其科技成果轉化率、經濟效益低于其他園區，盡管其在基礎設施、人力資本等方面投入相對較低。A園區和C園區的投入產出效率比較均衡，其資源配置的使用效率較高。

通過DEA模型可以量化分析各園區的效率從而得出相對的效率值。對此，高投入條件下D園區實現了較高的產出，表明D園區效率最高。但是相比之下，B園區的資源投入卻沒能得到充分利用，造成其效率最低。

4.4" 優化建議

綜上所述，可以為各園區提出一些具體的優化建議，以提升各園區在科技金融服務中的效率。

A園區：雖然在科技創新方面績效較為均衡，但缺少明顯優勢。需加大研發經費投入，同時加強與科研單位及企業的科研合作，吸引更多的高端人才。

B園區：投入不足直接影響產出效率的是B園區。建議B園區加大基建投入。同時，為促進科技成果的高效轉化，需積極引進科研人才，組建高素質的創新團隊。另外，B園區要加強與金融機構之間的協作配合，從而促進科技成果轉化，提高經濟效益。

C園區：雖然C園區的科研產出績效較好，但是相對于經濟收益來講存在差距，應進一步促進科學技術成果的應用和轉化。

D園區：D園區在投入和產出上的成績最突出，而且D園區要持續保持這種高效的投入與產出結構。為了防止因過分投入而導致邊際效益遞減，D園區需實行精細化管理，尤其是要合理調配和使用Ramp;D經費，從而達到資金資源的高效利用。

參考文獻：

［1］" 王濤，姜思思，黃逸明.科技金融體系發展研究綜述［J］.新經濟，2023（8）：150-159.

［2］" 苑澤明，李田，王紅.科技型中小企業創新效率評價研究——基于科技金融政策投入視角［J］.科技管理研究，2016，36（16）：39-44.

［3］" 寇明婷，楊媛棋，王宇飛，等.科技金融：理論、回顧與展望［J/OL］.研究與發展管理，1-15［2024-10-22］.https：//doi.org/10.13581/j.cnki.rdm.20231133.

［4］" 汪泉，史先誠.科技金融的定義、內涵與實踐淺析［J］.上海金融，2013（9）：112-114，119.

［5］" 張明，劉展廷.科技金融：理論脈絡、實踐現狀與研究展望［J］.新金融，2024（8）：14-18，31.

［6］" 戴力新，李紅，戚湧.長三角地區技術轉移與成果轉化效率分析——基于三階段DEA模型分析［J］.情報工程，2024，10（1）：59-71.

［7］" 姜炤君，徐波.長三角地區科技金融效率評價——基于三階段DEA模型與Malmquist模型的實證［J］.北方經貿，2022（11）：98-101.

［8］" 黃健青，張碧倩，陳進.中關村科技金融服務有效層次融資模式的研究［J］.國際商務（對外經濟貿易大學學報），2013（5）：37-44.

［9］" 勒川.中關村：奮力推進世界領先科技園區建設［J］.中關村，2024（3）：42-43.

［10］" 劉建軍.科技金融助力科技企業揚帆遠航［J］.中國金融，2024（10）：9-11.

［11］" 楊星，李成革，張淑敏，等.政府引導性風險投資與邢臺中小科技企業融資問題研究［J］.現代經濟信息，2019（21）：287.

［12］" 北京市海淀區人民政府關于促進國家科技金融創新中心建設發展的若干意見［J］.北京市海淀區人民政府公報，2018（3）：14-17.

［13］" 郭海鳳.打造科技金融創新模式，推動金融強國建設［J］.財經科學，2024（4）：13-14.

［14］" 國家發展改革委 科技部 財政部 人民銀行稅務總局 銀監會證監會 保監會 外匯局 北京市人民政府 關于中關村國家自主創新示范區建設國家科技金融創新中心的意見［J］.北京市人民政府公報，2012（17）：33-40.

［15］" 王健，王魏.科技金融政策、產業結構升級與共同富裕［J］.技術經濟與管理研究，2024（7）：127-132.

［16］" 劉潭，徐璋勇，宋甜甜.科技金融政策的綠色發展效應評價——基于科技和金融結合試點的準自然實驗［J］.科技管理研究，2024，44（3）：56-66.

［17］" 許嘉揚，郭福春.綠色發展視角下中國科技金融政策的創新支持效果研究［J］.浙江社會科學，2023（4）：21-31，157.

［18］" 黃徐亮，徐海東.科技金融政策與新質生產力發展［J/OL］.財經論叢，1-15［2024-10-20］.https：//doi.org/10.13762/j.cnki.cjlc.20241010.002.

［19］" 方興東，杜磊.中關村40年：歷程、經驗、挑戰與對策［J］.人民論壇·學術前沿，2020（23）：90-106.

［20］" 田建飛.基于DEA的貴州省農業投入與產出效率研究［D］.貴陽：貴州大學，2018.

［21］" 張少鵬.基于DEA的京津冀城市群經濟結構影響機場群效率評估研究［D］.天津：中國民航大學，2023.

［22］" 潘浩，婁淵雨，陳曉雷，等.基于三階段共享互饋網絡DEA的知識創新效率評價［J］.系統科學與數學，2024，44（9）：2639-2658.

［23］" 陳旖旎，胡盛紅，盧衛星，等.基于三階段DEA的農業能源效率計算方法改進［J/OL］.中國生態農業學報（中英文），1-14［2024-10-22］.http：//kns.cnki.net/kcms/detail/13.1432.s.20241010.1922.002.html.

［24］" 韓群柱，朱玲儀，鄂昱汀，等.基于數據包絡分析（DEA）模型的陜甘寧地區2004—2020年城市土地利用效率分析［J］.中國沙漠，2024，44（5）：245-253.

［25］" 趙瑞靜，楊輝，李翠平.基于三階段DEA模型的河北省區域高新技術產業創新效率研究［J］.統計與管理，2019（11）：34-44.

（責任編輯：要" 毅）