曾　勝，張明龍

(重慶工商大學(xué) 財政金融學(xué)院，重慶 400067)

?

基于三階段DEA模型的我國金融支持科技創(chuàng)新效率評價

曾勝，張明龍

(重慶工商大學(xué) 財政金融學(xué)院，重慶 400067)

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(chǔ)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(yīng)根據(jù)自身效率情況采取相應(yīng)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(guān)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(yīng)；三階段DEA模型；科技產(chǎn)業(yè)

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(xué)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(wù)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(xué)者有關(guān)金融與科技之間關(guān)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(rèn)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(rèn)為直接融資市場可降低科技創(chuàng)新風(fēng)險、促進全社會的投資。第三，風(fēng)險投資對技術(shù)創(chuàng)新的影響。Gil等(2006)認(rèn)為在一定條件下，風(fēng)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(rèn)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(rèn)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(guān)于金融與科技之間關(guān)系的研究成果頗豐。王認(rèn)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(guān)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(xiàn)，結(jié)果表明對科技創(chuàng)新貢獻(xiàn)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(dāng)量，貢獻(xiàn)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(wù)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(guān)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(biāo)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(rèn)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(fù)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。

總體來看，已有研究文獻(xiàn)存在以下局限性：一是從要素投入來看，已有文獻(xiàn)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(guān)金融與科技關(guān)系的研究主要采用DEA模型和Malmquist指數(shù)方法，而Fried等(2002)認(rèn)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(xiàn)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(dǎo)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(dǎo)致無效率的原因包括決策單元未達(dá)到規(guī)模效應(yīng)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。

(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(zhǔn)，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(guān)研究文獻(xiàn)的基礎(chǔ)上，同時考慮數(shù)據(jù)的代表性、相關(guān)性和可得性，采用的投入產(chǎn)出指標(biāo)見表1。

表1　金融投入和科技產(chǎn)出指標(biāo)

(2)環(huán)境變量。本文經(jīng)過多方面的考慮，參考前人的相關(guān)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)。

表2　第二階段SFA模型的環(huán)境變量

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(yīng)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(yù)測模型估計該指標(biāo)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0.890?？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(dá)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(yīng)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。

表3　2006—2013年各省市科技金融結(jié)合的平均效率值(第一、三階段)

注：由于篇幅有限表格中的數(shù)據(jù)為各省歷年的平均效率值。

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。

表4　第二階段SFA模型的回歸結(jié)果

注：***，**，*分別表示1%，5%，10%的顯著水平。

(1)政府資助力度。該指標(biāo)與財政科技撥款和企業(yè)資金的松弛值顯著正相關(guān)，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(dǎo)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(yīng)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(biāo)與財政科技撥款和企業(yè)資金的松弛值顯著正相關(guān)，與金融機構(gòu)科技貸款顯著負(fù)相關(guān)，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(fēng)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(fēng)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(biāo)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(fù)相關(guān)，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(guān)，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(biāo)與各種金融投入的松弛值均顯著正相關(guān)，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(yīng)用需要得到國際的認(rèn)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(biāo)與財政科技撥款和金融機構(gòu)科技貸款的松弛值顯著負(fù)相關(guān)，與企業(yè)資金的松弛值顯著正相關(guān)，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(biāo)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(dá)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(yīng)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(chǔ)設(shè)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%。

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。

表5　第一、三階段各省份金融支持科技創(chuàng)新效率的聚類分析

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(yīng)尚未形成，需要國家相關(guān)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(chǔ)設(shè)施建設(shè)，乃至人力資源聚集等情況均處于全國的領(lǐng)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(chǔ)設(shè)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(chǔ)設(shè)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(yīng)，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(yīng)根據(jù)自身效率情況制定相應(yīng)的應(yīng)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(yīng)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(yīng)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(yīng)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(xiàn)：

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)：29-37.

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)：43-47.

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)：46-50.

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(xué)，16(2)：67-72.

王認(rèn)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)：93-100.

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(xué)(6)：193-197.

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(xiàn)研究[J].科研管理，36(3)：57-63.

鄭玉航，李正輝.2015.中國金融服務(wù)科技創(chuàng)新的有效性研究[J].中國軟科學(xué)(7)：127-136.

AGHION P，HOWIIT P. Mayer-Foulkes. 2005.The effect of financial development on convergence：Theory and evidence [J]. The Quarterly Journal of Economics，120(1)：173-222.

BENFRATELLO L，SCHIANTARELLI F，SEMBENELLI A. 2008. Banks and innovation：Microeconometric evidence on Italian firms[J]. Journal of Financial Economics，90(2)：197-217.

FONTANA G. 2009. Money，uncertainty and time[M]. London and New York：Routledge International Studies in Money and Banking.

FRIED，LOVELL，SCHMIDT，et al. 2002. Accounting for environmental effects and statistical noise in data envelopment analysis[J]. Journal of Productivity Analysis，17(1)：121-136.

GERARD G，GANESH N P. 2003. Developmental financial institutions as technology policy instruments：Implications for innovation and entrepreneurship in emerging economies[J]. Research Policy，32(1)：89-108.

GIANNETTI C. 2012. Relationship lending and firm innovativeness[J]. Journal of Empirical Finance，19(5)：762-781.

GIL A，MORRIS T. 2006. Creating venture capital industries that co-evolve with high tech：Insights from an extended industry life cycle perspective of the Israeli experience[J]. Research Policy，35(10)：1477-1498.

KING R，LEVINE R. 1993. Finance，entrepreneurship and growth：Theory and evidence[J]. Journal of Monetary Economics，32(3)：523-542.

CLC number：F222.33；F832.1Document code：A Article ID：1674-8131(2016)04-0101-08

(編輯：朱德東；段文娟)

DOI：10.3969/j.issn.1674-8131.2016.04.012

* 收稿日期：2016-03-26；修回日期：2016-04-25

基金項目：國家社會科學(xué)基金資助項目(15BJL045)；國家自然科學(xué)基金資助項目(71271227)；重慶市教委科技項目(KJ1400627)；重慶市企業(yè)管理研究中心、重慶工商大學(xué)管理學(xué)院開發(fā)基金項目(14AGL024)

作者簡介：曾勝(1969—)，男，重慶云陽人；副教授，博士，碩士生導(dǎo)師，在重慶工商大學(xué)財政金融學(xué)院任教，主要從事能源與科技金融研究；E-mail:cqzs2002@163.com。

中圖分類號：F222.33；F832.1

文獻(xiàn)標(biāo)志碼：A

文章編號：1674-8131(2016)04-0101-08

Study on Evaluation on Chinese Finance Support Efficiencyfor Scientific and Technological Innovation Based on Three-stage DEA

ZENG Sheng, ZHANG Ming-long

(School of Finance, Chongqing Technology and Business University, Chongqing 400067, China)

Abstract:This paper uses the three-stage data envelopment analysis model and K-means clustering method, analyzes the panel data of the Chinese financial input and scientific and technological output from 2006 to 2013 in 30 provinces and municipalities, calculates the efficiency of Chinese finance support to science and technology innovation based on the control of external environment, and divides the efficiency into three levels such as high level, middle level and low level respectively. Research shows that the external environment has an obvious impact on the financial resources for scientific and technological innovation of China. After we reject environmental factors, the efficiency of all kinds of provinces and municipalities is declining differently, the degeneration of scale efficiency is the main reason. According to the result of clustering analysis, the efficiency stays in middle and high level in east part of China, stays in middle level in middle part of China and stays in low level in west part of China. The efficiency of Chinese finance supporting scientific and technological innovation can be raised by relative measures according to self situation of each province and municipality, and by setting up multiple-channel and multiple-layer financial market system.

Key words:financial supporting; scientific and technological innovation; financial resources allocation; efficiency of financial resources; financial input; scientific and technological output; scale effect; three-stage data envelopment analysis model; scientific and technological industry