曾勝++張明龍

摘要：利用三階段DEA模型及均值聚類方法，采用2006—2013年我國30個省份金融投入和科技產(chǎn)出的面板數(shù)據(jù)，在控制外部環(huán)境的基礎上測算我國金融支持科技創(chuàng)新的效率，并根據(jù)效率值各省份劃分為高效、中效和低效三個層次。研究表明，外部環(huán)境對我國用于科技創(chuàng)新的金融資源配置影響明顯，剔除環(huán)境因素后金融支持科技創(chuàng)新效率明顯下降，這主要源于規(guī)模效率的降低；各地區(qū)金融支持科技創(chuàng)新效率存在明顯差異，東部地區(qū)處于中、高效層，中部地區(qū)集中于中效層，西部地區(qū)集中于低效層。各地區(qū)應根據(jù)自身效率情況采取相應的措施，建立多層次、多渠道的金融市場體系，提高金融支持科技創(chuàng)新效率。

關鍵詞：金融支持；科技創(chuàng)新；金融資源配置；金融資源利用效率；金融投入；科技產(chǎn)出；規(guī)模效應；三階段DEA模型；科技產(chǎn)業(yè)

中圖分類號：F222.33；F832.1文獻標志碼：A文章編號：16748131（2016）04010108

一、引言

近年來，我國科技投入和產(chǎn)出皆在大幅度增加，這將為經(jīng)濟發(fā)展提供轉(zhuǎn)型動力和路徑。早在2011年，國家就發(fā)布了《國家“十二五”科學和技術(shù)發(fā)展規(guī)劃》，規(guī)劃中對科技與金融的融合以及金融支持科技產(chǎn)業(yè)發(fā)展的服務機制和多渠道多層次融資體系進行了專門的闡述。而在經(jīng)濟轉(zhuǎn)型和市場經(jīng)濟體制完善的過程中，資源投入的效率受多種因素的影響而具有不確定性，因此，研究金融資源支持科技創(chuàng)新的效率有著重要的意義。

國外學者有關金融與科技之間關系的研究主要集中在以下幾個方面：第一，技術(shù)創(chuàng)新來自銀行的影響。Benfratello等（2008）對意大利公司的研究表明地方銀行顯著地影響了企業(yè)開展技術(shù)創(chuàng)新活動的成功率。Giannetti（2012）認為銀行的金融支持對高技術(shù)企業(yè)引進新產(chǎn)品能力和開展創(chuàng)新活動起到了顯著的作用。第二，資本市場對科技創(chuàng)新的影響。King等（1993）、Aghion等（2005）分別研究了直接融資市場流動成本、金融創(chuàng)新、金融約束對科技創(chuàng)新的影響，認為直接融資市場可降低科技創(chuàng)新風險、促進全社會的投資。第三，風險投資對技術(shù)創(chuàng)新的影響。Gil等（2006）認為在一定條件下，風險投資是推動高新技術(shù)集群轉(zhuǎn)化的重要因素。第四，政策性金融對科技創(chuàng)新的影響。Gerard等（2003）認為政策性金融通過彌補市場失靈促進科技創(chuàng)新；而Fontana（2009）則認為政策性金融通過統(tǒng)籌調(diào)控促進科技創(chuàng)新發(fā)展。

近年來，國內(nèi)關于金融與科技之間關系的研究成果頗豐。王認真（2014）運用探索性空間數(shù)據(jù)分析方法對我國省域科技金融與技術(shù)創(chuàng)新的空間相關性進行了分析，結(jié)果表明其存在顯著的空間依賴性。俞立平（2015）研究了國家創(chuàng)新中科研經(jīng)費投入的貢獻，結(jié)果表明對科技創(chuàng)新貢獻最大的是政府科技投入，其次是企業(yè)科技投入，最低的是研發(fā)人員全時當量，貢獻不顯著的是銀行科技貸款。鄭玉航（2015）等分析了政府、金融信貸、資本市場等金融服務科技創(chuàng)新的有效程度。程慧平（2015）等運用SFA方法，對我國的R&D創(chuàng)新和轉(zhuǎn)化效率進行了分析，結(jié)果表明整體效率低下，東部地區(qū)最高，中部次之，西部最差。目前國內(nèi)關于金融支持科技創(chuàng)新效率的研究，主要運用以下幾種方法來進行：第一，運用層次分析法（AHP）進行加權(quán)評價。王海等（2003）利用經(jīng)過AHP加權(quán)后的評價指標體系和模型對科技金融結(jié)合效益進行了實證分析。第二，運用傳統(tǒng)DEA模型進行效率評價。孫伍琴等（2008）運用DEA模型測算了我國23個省市金融發(fā)展促進技術(shù)創(chuàng)新的效率，認為金融發(fā)展對技術(shù)創(chuàng)新和技術(shù)產(chǎn)出效率的作用越來越明顯，并呈現(xiàn)逐漸加強的態(tài)勢。第三，運用DEA模型與Malmquist指數(shù)進行效率的靜態(tài)和動態(tài)評價。馬衛(wèi)剛（2014）對我國科技和金融結(jié)合的效益進行了動態(tài)與靜態(tài)分析，結(jié)果表明其結(jié)合效益負增長主要在于金融資源配置效率的下降。第四，運用三階段DEA模型進行效率評價。楊鳳鳴（2014）等基于三階段DEA 模型對我國2011年省際科技資源配置效率進行了測算，發(fā)現(xiàn)我國科技資源配置效率較低，且區(qū)域差異明顯。

曾勝，張明龍：基于三階段DEA模型的我國金融支持科技創(chuàng)新效率評價

總體來看，已有研究文獻存在以下局限性：一是從要素投入來看，已有文獻更多是從產(chǎn)業(yè)內(nèi)部的要素投入和科技產(chǎn)出進行效率評價，沒有以金融為要素投入進行效率研究；二是從研究方法來看，有關金融與科技關系的研究主要采用DEA模型和Malmquist指數(shù)方法，而Fried等（2002）認為DEA模型沒有考慮外部環(huán)境和隨機干擾對決策單元的影響，得到的效率值并不一定真實，而已有的三階段DEA模型分析缺乏時間跨度的考察；三是從研究范圍來看，已有文獻的研究側(cè)重于部分省份或經(jīng)濟區(qū)域，缺乏考察全國范圍內(nèi)金融支持科技創(chuàng)新效率的研究。有鑒于此，本文以金融資源為要素投入、科技創(chuàng)新為產(chǎn)出，并考慮環(huán)境因素的影響，運用三階段DEA模型，采用2006—2013年我國30個省份的面板數(shù)據(jù)，對金融支持科技創(chuàng)新的效率進行更為全面的測算；同時，根據(jù)第一階段和第三階段的分析結(jié)果分別進行聚類分析，以發(fā)現(xiàn)調(diào)整前后地區(qū)之間的差異，進而為提高各地區(qū)金融支持科技創(chuàng)新的效率提供政策參考。

二、模型、變量選擇與數(shù)據(jù)說明

1.模型構(gòu)建

本文借鑒Fried等（2002）提出的三階段DEA模型，對我國金融支持科技創(chuàng)新的效率進行測算。其模型描述如下：

（1）采用投入導向的規(guī)模報酬可變的BCC修正模型作為第一階段DEA模型。假定規(guī)模報酬可變，將技術(shù)效率（TE）分解為規(guī)模效率（SE）和純技術(shù)效率（PTE），即導致無效率的原因包括決策單元未達到規(guī)模效應和自身技術(shù)上的無效率兩個方面。這里將各個省份作為決策單元（DMU），從而得到各個省份的技術(shù)效率、純技術(shù)效率和規(guī)模效率；同時，還得到各個省份金融投入差額（Slack），即實際金融投入與最佳效率下的金融投入之差，該差額值會受到環(huán)境因素、隨機干擾和管理無效率等因素的影響。endprint

（2）采用SFA回歸模型對金融投入差額進行分析（第二階段），將環(huán)境因素、隨機干擾和管理無效率分離出來。對每一項金融投入的松弛變量建立一個SFA模型回歸方程，以環(huán)境條件或運氣較差的省份為基準，增加環(huán)境或運氣相對較好的省份的金融投入，將所有省份調(diào)整到相同的環(huán)境或運氣條件下，同時考慮隨機干擾的影響，得到各省份調(diào)整后的金融資源投入，以排除隨機干擾項和環(huán)境變量的影響。

（3）調(diào)整后的DEA模型（第三階段）。將初始的科技產(chǎn)出和調(diào)整后的金融資源投入再次代入BCC修正模型評價其效率，得到剔除環(huán)境因素和隨機干擾的影響后的金融支持科技創(chuàng)新效率值。

2.投入產(chǎn)出變量和環(huán)境變量

（1）金融投入與科技產(chǎn)出變量。本文在借鑒相關研究文獻的基礎上，同時考慮數(shù)據(jù)的代表性、相關性和可得性，采用的投入產(chǎn)出指標見表1。

（2）環(huán)境變量。本文經(jīng)過多方面的考慮，參考前人的相關研究，并結(jié)合我國金融支持科技創(chuàng)新的現(xiàn)狀，選擇了5個變量來反映影響我國金融支持科技創(chuàng)新效率的外部因素（見表2）。

2.數(shù)據(jù)來源與處理

本文選取我國2006—2013年30個省級地區(qū)的面板數(shù)據(jù)（不包括港、澳、臺地區(qū)以及數(shù)據(jù)缺失較多的西藏地區(qū)）進行實證分析，數(shù)據(jù)來源于相應年度的《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》和《中國統(tǒng)計年鑒》。由于統(tǒng)計年鑒調(diào)整了編制體系，2008年以后不再有各省級地區(qū)“金融機構(gòu)科技貸款”的數(shù)據(jù)，本文根據(jù)其歷史序列數(shù)據(jù)運用灰色預測模型估計該指標2009—2013年的數(shù)據(jù)。

三、實證分析結(jié)果

1.第一階段DEA分析

第一階段DEA測算值結(jié)果如表3所示。從整體來看，在不考慮外部環(huán)境因素影響的情況下，我國金融支持科技創(chuàng)新的平均技術(shù)效率為0.841，其中規(guī)模效率的均值為0.938、純技術(shù)效率的均值為0890?？萍籍a(chǎn)出的總體效率沒在效率的前沿面上，純技術(shù)效率低是其主要原因。從各省份看，只有北京、上海、廣東、浙江、江蘇、四川、海南和陜西8個省份的技術(shù)效率值達到有效值1；而寧夏和內(nèi)蒙古兩地的效率值排在最后兩位，僅為0.373和0.354，其技術(shù)效率低下的原因各不相同：寧夏在于規(guī)模效率低，沒有形成相應的科技產(chǎn)業(yè)規(guī)模；內(nèi)蒙古則在于純技術(shù)效率低，科技產(chǎn)業(yè)發(fā)展中投入的金融資源未得到充分利用。

2.第二階段SFA回歸分析

第二階段的SFA回歸，被解釋變量是第一階段產(chǎn)生的各省份金融投入變量中的松弛值，解釋變量是政府支持力度、金融市場發(fā)展情況、外商依存度、進出口程度以及市場競爭五個外部環(huán)境變量，利用Frontier 4.1軟件，通過SFA模型進行回歸分析，結(jié)果如表4所示。實證結(jié)果顯示sigma平方和gamma在給定的顯著性水平下顯著，表明外部環(huán)境比隨機干擾的影響要更為明顯；從大部分顯著的參數(shù)估值來看，金融投入的冗余量受到了外部環(huán)境的顯著影響。

（1）政府資助力度。該指標與財政科技撥款和企業(yè)資金的松弛值顯著正相關，說明用于科技創(chuàng)新的政府資金并沒有有效降低地方財政撥款和企業(yè)自身資金投入的冗余量。原因在于，目前我國的科技產(chǎn)業(yè)發(fā)展屬于國家導向模式，國家給予科技創(chuàng)新更多的是資金支持，地方財政也給予科技創(chuàng)新相應的資金補助，可是獲得政府資金支持的企業(yè)缺乏對補助資金的有效管理，造成資金投入效率不高。

（2）金融市場發(fā)展情況。該指標與財政科技撥款和企業(yè)資金的松弛值顯著正相關，與金融機構(gòu)科技貸款顯著負相關，說明金融市場的發(fā)展沒有降低財政科技撥款和企業(yè)資金的冗余量，但降低了金融機構(gòu)科技貸款的冗余量。由于金融市場屬于商業(yè)性金融范疇，對于高風險的科技產(chǎn)業(yè)需要高收益作為回報，而我國的科技產(chǎn)業(yè)的發(fā)展更多還是依靠政策性金融予以扶持，造成政府科技撥款過多。金融機構(gòu)的風險管理不斷完善，因此金融發(fā)展有效減少了金融機構(gòu)科技貸款的冗余量。而科技型企業(yè)在間接融資困難的情況下，會通過直接融資的方式獲取資金，進而造成企業(yè)資金的冗余。

（3）外商依存度。該指標與財政科技撥款、金融機構(gòu)科技貸款和企業(yè)資金的松弛值負相關，與其他資金（企業(yè)技術(shù)引進和消化吸收經(jīng)費支出）正相關，這說明外商投資能降低財政科技撥款、金融機構(gòu)科技貸款以及企業(yè)自有資金的冗余量，但增加了企業(yè)用于技術(shù)研發(fā)的經(jīng)費支出。各地企業(yè)和研究機構(gòu)利用國外資金解決融資難的問題，擠占了政策性金融和國內(nèi)商業(yè)性金融的融資渠道，而用于技術(shù)研發(fā)的經(jīng)費則會因為外資的引入而增加

（4）對外開放程度。該指標與各種金融投入的松弛值均顯著正相關，表明用于科技創(chuàng)新的金融投入并沒有因?qū)ν忾_放程度的提高而下降。這是由于科技成果的轉(zhuǎn)化與應用需要得到國際的認可，科技成果通過出口帶來的收益也帶動了金融資源對科技產(chǎn)業(yè)投入的增加。

（5）市場競爭。該指標與財政科技撥款和金融機構(gòu)科技貸款的松弛值顯著負相關，與企業(yè)資金的松弛值顯著正相關，說明市場競爭能有效降低政策性金融和商業(yè)性金融的過多投入，但卻不能降低企業(yè)自有資金的投入。原因在于，有效競爭能促使企業(yè)或研發(fā)機構(gòu)加大資金投入以提高自身的技術(shù)能力。

3.第三階段DEA分析

根據(jù)第二階段SFA結(jié)果，對各區(qū)初始金融投入指標進行調(diào)整，再次利用DEAP 2.1軟件進行BCC模型測算，得到調(diào)整后的第三階段DEA效率值，結(jié)果如表3所示。

與第一階段相比，第三階段DEA效率值下降明顯，其技術(shù)效率平均值僅為0.507，規(guī)模效率和純技術(shù)效率的平均值也只有0.595和0.838。與第一階段相比，第三階段規(guī)模效率均值顯著下降，而純技術(shù)效率的表現(xiàn)較為穩(wěn)定。調(diào)整之后，技術(shù)效率平均值降低39.71%，純技術(shù)效率平均值降低5.84%，規(guī)模效率平均值降36.57%，說明技術(shù)效率低的主要原因是規(guī)模效率低，并非第一階段結(jié)果顯示的純技術(shù)效率低。

從各個省份的技術(shù)效率來看，僅有北京和廣東在調(diào)整前后均位于效率前沿面上，其余28個省份的技術(shù)效率呈現(xiàn)不同程度的降低，其中下降尤為明顯的有新疆、內(nèi)蒙古、重慶、云南、廣西、貴州、寧夏和青海等西部省份。從各個省份的規(guī)模效率來看，除了北京和廣東外，其余省份均有不同程度的下降。青海、寧夏、內(nèi)蒙古、貴州、云南、廣西和新疆等省份的下降幅度超過70%，其中青海達到93.78%，說明西部地區(qū)的科技產(chǎn)業(yè)與形成規(guī)模效應還有很大的距離。從各個省市的純技術(shù)效率來看，湖北、福建、重慶、山東、四川和陜西等省市的下降幅度尤為明顯，平均降幅超過了20%，說明這些經(jīng)濟發(fā)展水平較高、基礎設施較為完備的省份科技產(chǎn)業(yè)的經(jīng)營管理不夠完善，金融資源沒有得到充分利用。而西部的一些省份與之相比則恰好相反，雖然科技產(chǎn)業(yè)尚未形成規(guī)模，但有限的金融資源得到了較為充分的利用，如內(nèi)蒙古、新疆和云南，其純技術(shù)效率分別增加了64.09%、32.69%和16.58%。endprint

可以看出，第一、三階段的分析結(jié)果具有明顯的差異，深入分析其原因，可以發(fā)現(xiàn)：外部環(huán)境和隨機干擾對我國金融支持科技創(chuàng)新效率具有顯著影響，這種影響根據(jù)各個省份的不同情況而不同。因此，在對金融支持科技創(chuàng)新的效率進行測算時，有必要將全國各地置于統(tǒng)一環(huán)境和運氣條件下，這樣才能得到更為真實的效率值。

4.我國金融支持科技創(chuàng)新效率的聚類分析

本文運用Stata 12.0軟件對我國30個省市調(diào)整前后的金融支持科技創(chuàng)新效率值分別進行K均值聚類分析，將其劃分為高效層、中效層和低效層，分析結(jié)果如表5所示。

東部地區(qū)除海南外，其余省份的金融支持科技創(chuàng)新效率都處于中高層次；中部地區(qū)主要集中在中效層，說明未來具有很大的提升空間；西部地區(qū)除甘肅、四川和陜西外，其余省份主要集中于低效層，說明西部地區(qū)用于科技創(chuàng)新的金融資源沒有得到充分利用，科技產(chǎn)業(yè)的規(guī)模效應尚未形成，需要國家相關部門予以重視。

高效層的省份，無論是經(jīng)濟發(fā)展水平還是基礎設施建設，乃至人力資源聚集等情況均處于全國的領先水平和擁有優(yōu)勢地位，不僅用于科技創(chuàng)新的金融資源得到了較為充分利用，而且科技成果也得到有效的轉(zhuǎn)化，從而提升了金融支持科技創(chuàng)新的效率，促進了科技產(chǎn)業(yè)的發(fā)展。中效層的省份，經(jīng)濟發(fā)展水平相對較好，并具備較為完善的基礎設施，但金融資源沒有得到充分利用，科技成果轉(zhuǎn)化不高；未來這些地區(qū)需要進一步加強對科技金融資源的管理和利用，降低金融資源浪費并提高科技的有效產(chǎn)出。低效層的省份，經(jīng)濟發(fā)展水平不高而且基礎設施不完善，用于科技創(chuàng)新的金融資源沒有得到有效利用，也沒有實現(xiàn)規(guī)模效應，還存在非市場化配置科技金融資源等問題。

四、結(jié)論與建議

本文選取金融支持變量為投入要素，以環(huán)境因素為控制變量，運用三階段DEA方法對2006—2013年我國30個省份金融支持科技創(chuàng)新的效率進行測算，同時運用K均值聚類分析對各省份的效率值進行分類，主要研究結(jié)論如下：（1）第一階段和第三階段的金融支持科技創(chuàng)新效率值之間存在顯著的差異，說明外部環(huán)境和隨機干擾對用于科技創(chuàng)新的金融資源的產(chǎn)出效率具有顯著影響；（2）外部環(huán)境對用于科技創(chuàng)新的金融投入效率的影響是顯著的，政府資助、金融市場發(fā)展和對外開放程度對政策性金融和企業(yè)資金的配置不利，金融市場的發(fā)展能優(yōu)化商業(yè)性金融資源的配置，對外商投資依存度越高越有利于政策性金融和企業(yè)資金的配置，市場競爭程度的提升可以提高政策性金融和商業(yè)性金融資源的配置和使用效率；（3）剔除外部環(huán)境和隨機干擾的影響后，金融支持科技創(chuàng)新效率相比第一階段下降十分明顯，技術(shù)效率和規(guī)模效率分別下降39.71%和36.57%，而純技術(shù)效率僅下降了5.84%；（4）我國金融支持科技創(chuàng)新效率的地區(qū)差異明顯，東部地區(qū)（除海南外）處于中高效層，中部地區(qū)主要集中在中效層，西部地區(qū)（除甘肅、四川和陜西外）主要集中于低效層。

各地區(qū)應根據(jù)自身效率情況制定相應的應對措施。比如山東、安徽、山西等純技術(shù)效率較低的地區(qū)，應大力引進高新技術(shù)，加強科技創(chuàng)新管理，重視科技成果的轉(zhuǎn)化，完善科技管理體制，提高科技資金使用效率；而寧夏、青海、新疆、云南、貴州等規(guī)模效率較低的地區(qū)，應增加科技型企業(yè)和研發(fā)機構(gòu)的數(shù)量，增強地區(qū)科技競爭力，大力推動科技產(chǎn)業(yè)規(guī)模擴張，實現(xiàn)規(guī)模效益。各地區(qū)應建立多層次、多渠道的金融市場體系，為支持科技創(chuàng)新提供充足的資金來源；逐漸將商業(yè)性金融作為科技產(chǎn)業(yè)發(fā)展的主要融資渠道，同時充分利用外商投資，促進科技成果的轉(zhuǎn)化，加快我國科技產(chǎn)業(yè)的良性發(fā)展。

參考文獻：

程慧平，萬莉，黃煒，等.2015.中國省際R&D創(chuàng)新與轉(zhuǎn)化效率實證研究[J].管理評論，27（4）：2937.

馬衛(wèi)剛，張紅麗.2014.我國科技與金融結(jié)合效益評價[J].科技管理研究，34（20）：4347.

孫伍琴，朱順林.2008.金融發(fā)展促進技術(shù)創(chuàng)新的效率研究——基于Malmquist指數(shù)的分析[J].統(tǒng)計研究，25（3）：4650.

王海，葉元煦.2003.科技金融結(jié)合效益的評價研究[J].管理科學，16（2）：6772.

王認真.2014.中國省域技術(shù)創(chuàng)新的科技金融支持研究[J].經(jīng)濟問題探索（4）：93100.

楊鳳鳴，陳國生，彭文武.2014.基于三階段DEA模型的省域科技資源配置效率差異分析[J].湖南社會科學（6）：193197.

俞立平.2015.金融支持、政府與企業(yè)投入對科技創(chuàng)新的貢獻研究[J].科研管理，36（3）：5763.

鄭玉航，李正輝.2015.中國金融服務科技創(chuàng)新的有效性研究[J].中國軟科學（7）：127136.endprint