崔學海，王崇舉，曾 波

(重慶工商大學 a.長江上游經(jīng)濟研究中心；b.商務(wù)策劃學院 重慶 400067)

一、引 言

金融作為促進技術(shù)成果轉(zhuǎn)化的催化媒介，將新知識、新發(fā)明和新方法引入生產(chǎn)環(huán)節(jié)，產(chǎn)生物質(zhì)、能量、信息的傳遞與互動，使知識形態(tài)的技術(shù)成果轉(zhuǎn)化為產(chǎn)品形態(tài)的創(chuàng)新成果，對保障技術(shù)轉(zhuǎn)移的順利實現(xiàn)至關(guān)重要。企業(yè)作為技術(shù)創(chuàng)新的核心力量，單憑自身資源，難以有效突破核心技術(shù)難關(guān)，與此同時，高校、科研機構(gòu)在專利申請量逐年增加的情況下，專利成果轉(zhuǎn)化率較低[1]。2016年長江經(jīng)濟帶各省市加大金融對技術(shù)創(chuàng)新及轉(zhuǎn)化的投入力度，“R&D經(jīng)費內(nèi)部支出”“專利申請授權(quán)量”已占全國的44.8%和50.0%，但反映技術(shù)成果轉(zhuǎn)化的“技術(shù)市場成交合同金額”“高技術(shù)產(chǎn)業(yè)新產(chǎn)品開發(fā)及銷售”指標分別僅占30.2%和40.9%，技術(shù)創(chuàng)新成果轉(zhuǎn)化效率較低。優(yōu)化科技金融配置，著力提高科技金融對技術(shù)轉(zhuǎn)化的支持力度，提高投入效率是政府和企業(yè)亟需解決的現(xiàn)實問題，也是學術(shù)界關(guān)注和研究的熱點問題。長江經(jīng)濟帶金融支持技術(shù)轉(zhuǎn)移的整體效率和省際間效率差異何在？如何判識金融支持效率的影響因素？如何有效提高金融支持效率？本文將對以上問題展開研究。

國內(nèi)外學者對促進科技創(chuàng)新的金融資源整體投入效率給予了較多的關(guān)注，并基于不同視角、采用不同的方法對科技金融進行評價，取得了豐富的研究成果。現(xiàn)有文獻雖然為本文研究提供了理論支撐和方法借鑒，但在科技金融整體框架下，從技術(shù)轉(zhuǎn)移局部視角分析投入效率的文獻較少，對長江經(jīng)濟帶的技術(shù)轉(zhuǎn)移金融支持效率關(guān)注更少，從而存在以下兩點研究缺陷：一是研究視角過于籠統(tǒng)，現(xiàn)有研究傾向于將所有環(huán)節(jié)的投入加總后，進行效率評價和分析，忽略了科技創(chuàng)新不同環(huán)節(jié)的時間維度特征，弱化了效率變動背后的影響因素，難以辨析技術(shù)轉(zhuǎn)移環(huán)節(jié)金融支持的獨特效率屬性；二是評價指標選取寬泛而不盡合理，雖然科技金融效率評價指標與其框架內(nèi)某一特定環(huán)節(jié)金融投入的效率評價指標會有交叉，但差異也比較明顯，以“專利授權(quán)”指標為例，在多數(shù)文獻中，常將專利授權(quán)數(shù)作為科技金融的產(chǎn)出指標，而在技術(shù)轉(zhuǎn)移環(huán)節(jié)，則作為技術(shù)與科技成果對象，通過專利權(quán)轉(zhuǎn)讓、專利實施許可轉(zhuǎn)讓等方式，實現(xiàn)專利授權(quán)成果轉(zhuǎn)移轉(zhuǎn)化。不同環(huán)節(jié)投入產(chǎn)出具有特殊性，若以框架性指標代替階段特性，將對某一環(huán)節(jié)的效率評價形成不可避免的傳導干擾，產(chǎn)生認知偏差，進而無法準確獲知金融對技術(shù)價值實現(xiàn)的驅(qū)動效果。基于此，本文只研究長江經(jīng)濟帶11省市技術(shù)轉(zhuǎn)移特定環(huán)節(jié)的科技金融效率，從契合技術(shù)轉(zhuǎn)移的金融投入和科技產(chǎn)出視角構(gòu)建效率評價指標體系，衡量技術(shù)轉(zhuǎn)移不確定過程中資金融通與技術(shù)流動的動態(tài)耦合度。

本文的貢獻在于將金融對技術(shù)轉(zhuǎn)移環(huán)節(jié)的效率評價與對科技金融整體效率研究區(qū)分開來，測度技術(shù)轉(zhuǎn)移特定環(huán)節(jié)的金融支持效率，厘清長江經(jīng)濟帶不同省市綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率差異，探討金融效率差異產(chǎn)生的影響因素，為制定有效對策提供依據(jù)。

二、機理分析與研究方法

(一)文獻回顧與機理分析

金融資源具有稀缺性，受到效率的剛性約束，基于金融與經(jīng)濟增長研究而演化的金融結(jié)構(gòu)論、深化論、約束論和功能論，普遍包含投入與產(chǎn)出的金融效率觀念。效率(efficiency)原指有用功率對驅(qū)動功率的比值，引申至經(jīng)濟管理領(lǐng)域，指經(jīng)濟管理活動的有效性，即一定的投入與它所產(chǎn)生的收益之比。美國經(jīng)濟學家Eugene Fama最早提出了資本市場的有效性假說(Effective Market Hypothesis)，認為市場價格總能完全反映市場信息，在此理論框架下，Robinson和Dwayne、Hellmann等進一步劃分了金融的運行效率和配置效率[2-4]。在現(xiàn)代經(jīng)濟金融發(fā)展環(huán)境下，金融效率的量化測度已成為金融發(fā)展框架下金融效率研究的重點，Haslem等對美國銀行業(yè)務(wù)的運行效率水平進行了測算，Abdullah Saeed等學者則分析了金融配置效率對經(jīng)濟增長的影響[5-7]。國內(nèi)學者白欽先將金融效率定義為金融資源在經(jīng)濟、金融系統(tǒng)內(nèi)以盡可能低的成本實現(xiàn)有效配置和協(xié)調(diào)利用[8]。趙昌文等引申提出科技金融內(nèi)涵，并進而指出科技金融是由向科學與技術(shù)創(chuàng)新活動提供融資資源的政府、企業(yè)、市場、社會中介機構(gòu)等各種主體及其在科技創(chuàng)新融資過程中的行為活動共同組成的體系，這一觀點被國內(nèi)學者普遍認可，并在此基礎(chǔ)上基于不同方法對科技金融效率進行了分析與評價，其中較成熟的方法主要有以隨機前沿分析(SFA) 為代表的參數(shù)統(tǒng)計和以數(shù)據(jù)包絡(luò)分析(DEA)作為主要方法的非參數(shù)統(tǒng)計兩類，許汝俊、薛曄、王康等學者，綜合運用DEA、Malmquist指數(shù)分析、熵權(quán)法等效率評價方法，以不同的空間地理單元為分析樣本，對金融支持技術(shù)創(chuàng)新的整體投入產(chǎn)出效率進行分析評價，得出金融效率具有顯著的空間地理特征[9-12]。在金融效率測度評價基礎(chǔ)上，國內(nèi)外學者進一步擴展研究了金融效率的影響因素并提出對策建議：Luintel等人研究提出，通過減弱政府對銀行貸款決策的干預(yù)，或放松金融管制，可促進金融資源配置效率的提高[13]；李林漢等通過Tobit模型得出科研投入、地區(qū)法制化水平是效率的正向影響因素，李俊霞和溫小霓研究認為直接融資比例、風險投資強度和科技企業(yè)孵化能力，對科技金融效率具有顯著影響[14-15]；李雯和王純峰基于供給側(cè)和需求側(cè)二維視角提出區(qū)域金融效率受人力資本水平、技術(shù)進步的顯著影響[16]；杜金岷等利用SFA回歸分析，進一步研究證實了環(huán)境因素、隨機變量對科技金融效率的干擾和影響[17]。

科技金融是促進成果轉(zhuǎn)化和高新技術(shù)產(chǎn)業(yè)發(fā)展的一系列金融工具、制度、政策和金融服務(wù)的系統(tǒng)性、創(chuàng)新性安排[9]。以時間為邏輯，科技金融投入分為基礎(chǔ)知識創(chuàng)新、技術(shù)創(chuàng)新和技術(shù)轉(zhuǎn)移與產(chǎn)業(yè)化三個遞進投入環(huán)節(jié)，前兩個環(huán)節(jié)的金融投入著重促進產(chǎn)生更多的技術(shù)輸出對象，第三環(huán)節(jié)則將金融資源配置于技術(shù)成果的轉(zhuǎn)移和產(chǎn)業(yè)化過程，通過技術(shù)的許可、使用權(quán)轉(zhuǎn)讓和產(chǎn)業(yè)化創(chuàng)新等形式，借助財政資金、市場化風險資本或信貸資本驅(qū)動，推進技術(shù)與金融要素互動融合，完成技術(shù)成果后續(xù)轉(zhuǎn)化與價值補償，三個環(huán)節(jié)關(guān)聯(lián)運行而又相互影響，最終構(gòu)成科技金融的整體投入框架，已有的文獻較多關(guān)注科技金融效率的研究，很少在科技金融的框架下有效識別技術(shù)轉(zhuǎn)移環(huán)節(jié)的金融支持效率。

基于上述分析，本文提出，技術(shù)轉(zhuǎn)移作為科技金融支持的重要環(huán)節(jié)，有其階段性的運行模式和局部性的投入產(chǎn)出目標，整體的科技金融效率評價雖然可以在一定程度上反映局部的效率狀態(tài)及變化，但在強化技術(shù)成果轉(zhuǎn)移與產(chǎn)業(yè)化的科技創(chuàng)新背景下，完全取代對技術(shù)轉(zhuǎn)移特定環(huán)節(jié)的效率評價，將對金融支持真實效率判斷產(chǎn)生誤導，亟需從技術(shù)轉(zhuǎn)移的金融投入與產(chǎn)出視角，構(gòu)建區(qū)域技術(shù)轉(zhuǎn)移指標體系，立足效率評價模型，進行測度與分析。

(二)模型方法選擇

常用的效率評價方法包括層級分析法(AHP)、模糊綜合評判法、回歸分析及方差分析法、主成分分析法和隨機前沿分析法等，通常需要通過模型假定，明確投入和產(chǎn)出間的關(guān)系，可能出現(xiàn)人為設(shè)置函數(shù)而產(chǎn)生分析誤差。而數(shù)據(jù)包絡(luò)分析法作為一種測度多投入和多產(chǎn)出綜合效率的方法，其優(yōu)點在于不需要作任何先驗性假定，對投入和產(chǎn)出的函數(shù)關(guān)系沒有前提要求，數(shù)據(jù)可避免歸一化處理，借助模型評價決策單元(DMU)的相對有效性。金融支持技術(shù)轉(zhuǎn)移具有多投入和多產(chǎn)出的特征，適宜通過數(shù)據(jù)包絡(luò)分析法建立三階段的DEA分析模型，以求客觀準確的揭示金融投入和技術(shù)轉(zhuǎn)移產(chǎn)出的效率值。DEA中應(yīng)用最為廣泛的是假設(shè)DMU規(guī)模報酬不變(CRS)的CCR模型和假定DMU規(guī)模報酬可變(VRS)的BCC模型。BCC模型可計算出規(guī)模報酬、純技術(shù)效率、規(guī)模效率，已在資源配置效率等方面得到了廣泛應(yīng)用。其線性規(guī)劃公式可表達為：

考慮變量個數(shù)較少，Boussofiane等人將上式轉(zhuǎn)化成為對偶命題，使該公式的計算更有效率：

本文將長江經(jīng)濟帶各省市作為決策單元(DMU)，第一階段采用投入導向且規(guī)模報酬可變的BCC模型，對技術(shù)轉(zhuǎn)移原始投入產(chǎn)出變量進行分析，得到各省市的綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率和金融投入松弛量(實際投入與最佳效率投入的差額)；第二階段采用隨機前沿分析法(SFA)對金融投入松弛量進行分析，對干擾效率測度的不可控外部環(huán)境、隨機噪聲干擾因素進行剝離和剔除，調(diào)整金融資源投入量，使各省市處于相同的環(huán)境條件下；第三階段為調(diào)整后的DEA模型分析，將第二階段調(diào)整后的金融投入變量與初始技術(shù)轉(zhuǎn)移產(chǎn)出再次通過BCC模型分析得到客觀準確的技術(shù)轉(zhuǎn)移金融支持效率值。在支持效率的影響因素分析方面，采用Tobit模型，以各省市的綜合技術(shù)效率為被解釋變量，設(shè)置解釋變量進行回歸分析，以動態(tài)反映效率的影響因素。

三、實證分析

(一)第一階段DEA模型的選擇與建立

1.評價指標體系的構(gòu)建

鑒于本文只聚焦于技術(shù)轉(zhuǎn)移的科技金融效率，因此，在評價指標選取方面，最關(guān)注特定環(huán)節(jié)評價的衡量指標，這是由技術(shù)轉(zhuǎn)移投入及其產(chǎn)出的剛性特征所決定，避免框架性指標稀釋階段性指標的剛性，避免主觀性指標對沖客觀性指標的重要性，基于技術(shù)轉(zhuǎn)移的金融投入和科技產(chǎn)出的視角，結(jié)合數(shù)據(jù)的可比性和可獲得性構(gòu)建效率評價體系。

(1)投入指標選取

區(qū)別于金融機構(gòu)貸款、財政科技支出等框架性金融投入指標，為突出反映技術(shù)轉(zhuǎn)移金融投入的階段性特征，考慮到研發(fā)投入對技術(shù)轉(zhuǎn)移的顯著促進作用[18]。本文選取R&D 經(jīng)費內(nèi)部支出 (X1) 和 R&D 人員全時當量(X2)，作為促進長江經(jīng)濟帶各省市技術(shù)轉(zhuǎn)移中的兩個金融投入變量，反映某一省市技術(shù)轉(zhuǎn)移金融支持的研發(fā)投入的強度。隨著技術(shù)市場交易活動的活躍，其交易活動已成為衡量技術(shù)成果轉(zhuǎn)化和跨區(qū)域技術(shù)轉(zhuǎn)移活動的重要依據(jù)，技術(shù)市場成交合同亦成為衡量區(qū)域間技術(shù)轉(zhuǎn)移的重要指標[19]。因此，我們選用省市吸納技術(shù)合同成交金額作為技術(shù)轉(zhuǎn)移投入的第三個變量(X3)，可更有針對性的反映通過市場交易實現(xiàn)的技術(shù)投入程度與活躍度。

(2)產(chǎn)出指標選取

作為衡量技術(shù)轉(zhuǎn)移產(chǎn)出的一個重要指標，選用各省市輸出技術(shù)合同成交金額(Y1) 作為區(qū)域技術(shù)轉(zhuǎn)移科技金融的產(chǎn)出變量，用于直觀反映某一省市通過金融投入提升自身技術(shù)產(chǎn)出后的服務(wù)強度?？紤]到技術(shù)轉(zhuǎn)移對高技術(shù)產(chǎn)業(yè)發(fā)展具有的顯著正面效應(yīng)和貢獻，選用高技術(shù)新產(chǎn)品銷售收入(Y2) 作為區(qū)域技術(shù)轉(zhuǎn)移的第二個重要產(chǎn)出變量。上述產(chǎn)出指標，相較于科技論文檢索數(shù)、專利授權(quán)數(shù)、新產(chǎn)品產(chǎn)值等框架性產(chǎn)出指標而言，更能精準衡量對技術(shù)轉(zhuǎn)移投入后的產(chǎn)出，由此開展技術(shù)轉(zhuǎn)移效率評價的結(jié)論才更貼近實際。

表1 樣本科技金融投入產(chǎn)出體系表

2.樣本選擇及數(shù)據(jù)說明

以長江經(jīng)濟帶11個決策單元及京津冀3個決策單元為分析樣本，考慮到R&D投入與產(chǎn)出之間的滯后期，選取2014—2016年的R&D經(jīng)費內(nèi)部支出、R&D人員全時當量均值作為X1，X2的投入量，數(shù)據(jù)來源于當年《中國科技統(tǒng)計年鑒》。考慮到技術(shù)轉(zhuǎn)移合同的執(zhí)行時限，選取2014—2016年吸納技術(shù)合同成交額均值作為變量投入，數(shù)據(jù)來源《全國技術(shù)市場統(tǒng)計年度報告》，輸出技術(shù)合同成交額數(shù)據(jù)源于2017年《全國技術(shù)市場統(tǒng)計年度報告》，高技術(shù)新產(chǎn)品銷售收入數(shù)據(jù)來源于2017年《中國科技統(tǒng)計年鑒》。

3.效率測度實證分析

不考慮環(huán)境因素和隨機變量影響的情況下，將原始投入產(chǎn)出數(shù)據(jù)代入BCC模型進行計算，運用DEA2.1效率分析軟件，測算得到長江經(jīng)濟帶11省市及相關(guān)省市促進技術(shù)轉(zhuǎn)移的金融效率評價結(jié)果，如表2 所示。

表2 2016年各省市金融投入產(chǎn)出效率表

注：Crste為綜合技術(shù)效率，Vrste為純技術(shù)效率，scale為規(guī)模效率，Crste=Vrste*scale，Rts為規(guī)模報酬，irs為規(guī)模報酬遞增，“-”為規(guī)模報酬不變。北京、天津、河北為長江經(jīng)濟帶以外的三個對比區(qū)域。下同。

由表2可知，從綜合技術(shù)效率的空間分布特征看，長江經(jīng)濟帶各省市綜合技術(shù)效率普遍較低，11省市的綜合技術(shù)效率均值0.531，低于京津冀3省市的均值0.615；湖北、浙江、重慶、上海、安徽、江蘇等6省市綜合效率0.6以上；湖南、江西、四川等5省市綜合效率在0.6以下，云南最低為0.21，反映出金融資源投入后的技術(shù)轉(zhuǎn)移產(chǎn)出明顯不足，存在較大改進空間。從純技術(shù)效率看，長江經(jīng)濟帶純技術(shù)效率0.876，略高于京津冀的0.866。江西、湖南、貴州、云南等4個省市技術(shù)效率達到DEA 有效，體現(xiàn)出較好的技術(shù)管理能力，其余7個省市迫切需要提升技術(shù)管理水平，加強高技術(shù)人才培育，提高新技術(shù)的研發(fā)和引進，提高科技創(chuàng)新能力。從規(guī)模效率看，長江經(jīng)濟帶11 省市規(guī)模效率0.631，均未實現(xiàn)規(guī)模有效，值得注意的是大部分省市規(guī)模報酬處于遞增階段，意味著就整體而言，對技術(shù)轉(zhuǎn)移的金融投入不夠，距離資金需求有較大差距，通過增加技術(shù)轉(zhuǎn)移金融投入規(guī)模可以有效提升效率。鑒于第一階段效率評價未考慮環(huán)境和隨機因素，本階段的分析結(jié)果作為初步的測算，可能與真實水平存在差異。

(二)第二階段隨機前沿分析(SFA)分析

環(huán)境和隨機變量差異會導致分析偏差，要獲得客觀的分析結(jié)果，須排除環(huán)境變量對DEA 投入產(chǎn)出效率結(jié)果的干擾，使評價單元能夠處于相同的環(huán)境條件下。為此，利用Frontier4.1 將第一階段各個省市投入變量的松弛度定為被解釋變量，選取地區(qū)經(jīng)濟發(fā)展水平(人均GDP)、政府科技創(chuàng)新的支持程度(地方財政科學技術(shù)支出占地方財政支出的比例)、地區(qū)研發(fā)機構(gòu)規(guī)模水平(區(qū)域研究與開發(fā)機構(gòu)數(shù)占比)等環(huán)境因素作為解釋變量，進行SFA 回歸分析，結(jié)果如表3所示。

表3 樣本隨機前沿分析(SFA)結(jié)果表

從表3的隨機前沿分析結(jié)果可以看到，地區(qū)經(jīng)濟發(fā)展水平對于所有投入變量的松弛值回歸系數(shù)都為負數(shù)，由于被解釋變量為各個投入的松弛變量，因此，地區(qū)經(jīng)濟發(fā)展水平的提高有利于投入的減少或產(chǎn)出的增加，即促進科技金融效率的增加；對政府科技創(chuàng)新的支持程度解釋變量，地方財政科學技術(shù)支出占比對于所有投入變量的松弛值回歸系數(shù)都為負數(shù)，表明對科技金融產(chǎn)出有正向作用，即科技創(chuàng)新的支持程度和科技財政支出占比越高，越有利于科技金融效率的提升，這也比較符合現(xiàn)實情況。對地區(qū)研發(fā)機構(gòu)規(guī)模解釋變量，區(qū)域研究與開發(fā)機構(gòu)數(shù)占比對所有投入變量松弛值的回歸系數(shù)都為正數(shù)，表明現(xiàn)有的研究與開發(fā)機構(gòu)普遍存在的重研究，輕轉(zhuǎn)化的不足與弊端，大量的科技金融投入產(chǎn)生的技術(shù)成果，得不到及時轉(zhuǎn)移轉(zhuǎn)化，金融投入與技術(shù)轉(zhuǎn)移產(chǎn)出效率低，形成金融投入效率的“短板效應(yīng)”。

(三)第三階段調(diào)整投入后的DEA 分析

根據(jù)三階段DEA分析方法，第三階段主要是結(jié)合第二階段SFA分析結(jié)果，調(diào)整原有的投入變量值，確保在同一外部環(huán)境下，對調(diào)整過的投入值和原始產(chǎn)出值重新進行DEA 模型分析計算，進而得到更加可靠的第三階段各省市的技術(shù)效率值和規(guī)模報酬狀態(tài)如表4所示。

排除環(huán)境變量和隨機因素影響，相比于第一階段，11省市綜合技術(shù)效率均值由0.531下降到0.343，純技術(shù)效率由0.876下降到0.826，規(guī)模效率由0.631下降至0.464，效率值的不同程度的變化，說明環(huán)境因素對投入冗余具有顯著影響，11省市金融投入與轉(zhuǎn)移產(chǎn)出效率被不同程度的高估，金融投入效率明顯沒有達到理想狀態(tài)。

表4 各省市投入調(diào)整后的金融效率(第三階段)表

各省市第三階段的綜合金融效率相比第一階段普遍出現(xiàn)下降，說明效率值與所處的環(huán)境密切相關(guān)，由于各省市資源稟賦不同，環(huán)境因素對效率的影響效應(yīng)不盡相同，影響幅度較大的貴州、云南第三階段調(diào)整后，技術(shù)效率不足0.1；江蘇、上海兩省規(guī)模效率高于各自的純技術(shù)效率，同時也顯著高于其他省份的規(guī)模效率，顯示在金融投入規(guī)模方面成效明顯；其他省市規(guī)模效率普遍低于各自的純技術(shù)效率，結(jié)合對比分析，規(guī)模效率處于較低水平是制約綜合技術(shù)效率的重要原因。

(四)基于 Tobit 的技術(shù)轉(zhuǎn)移金融效率影響因素分析

前述分析得出省市技術(shù)轉(zhuǎn)移金融效率存在著較大差別，為深入探討金融效率差異產(chǎn)生的影響因素，本文在三階段DEA測算效率基礎(chǔ)上建立Tobit 模型，借鑒相關(guān)研究文獻，選取相關(guān)指標，分析金融效率的影響因素。

1.指標選取及說明

(1)高技術(shù)企業(yè)研發(fā)強度(yfqd)。高技術(shù)企業(yè)是技術(shù)成果轉(zhuǎn)化，科技金融資源配置的重要載體，研究開發(fā)的持續(xù)投入推動企業(yè)不斷從外界吸收先進技術(shù)，客觀上必然促進技術(shù)轉(zhuǎn)移效應(yīng)的提升。選取高技術(shù)企業(yè)R&D 投入強度來反映各地區(qū)高技術(shù)企業(yè)對技術(shù)研發(fā)及產(chǎn)業(yè)化的投入程度，數(shù)據(jù)來源于《2017年中國科技統(tǒng)計年鑒》。

(2)財政支持度(czbl)。由于技術(shù)轉(zhuǎn)移的不確定性和高投入風險，政府財政資助對于激發(fā)和引導技術(shù)創(chuàng)新，保障技術(shù)轉(zhuǎn)移的順利實現(xiàn)尤為關(guān)鍵，本文選取財政科學技術(shù)支出占省市財政總支出的比例來反映政府財政的支持度，分析其對技術(shù)轉(zhuǎn)移金融效率的潛在影響，數(shù)據(jù)來源于《2017年中國統(tǒng)計年鑒》。

(3)金融規(guī)模水平(dkbl)。作為技術(shù)轉(zhuǎn)移的資金來源，金融資源為技術(shù)轉(zhuǎn)移提供資金保障，在以間接融資為主要模式，銀行占主導地位且以信貸資產(chǎn)為主的情況下，金融規(guī)模水平可以各省市金融貸款余額占地方生產(chǎn)總值的比例來衡量。

(4)技術(shù)轉(zhuǎn)移示范機構(gòu)占比(jgzb)。國家技術(shù)轉(zhuǎn)移示范機構(gòu)通過服務(wù)模式探索與機制創(chuàng)新，逐步成為我國技術(shù)轉(zhuǎn)移服務(wù)體系的核心力量，有助于打通成果轉(zhuǎn)化與產(chǎn)業(yè)體系壁壘，調(diào)整信息不對稱，為促進科技創(chuàng)新與成果轉(zhuǎn)化，推動技術(shù)與經(jīng)濟發(fā)展發(fā)揮重要作用。以各省市擁有的國家技術(shù)轉(zhuǎn)移示范機構(gòu)占比反映技術(shù)轉(zhuǎn)移服務(wù)機構(gòu)規(guī)模，數(shù)據(jù)來源于《2017年全國技術(shù)市場統(tǒng)計年度報告》。

2.Tobit模型分析

借助Tobin提出的Tobit 模型，以三階段DEA 模型得到的各地區(qū)的綜合技術(shù)效率為被解釋變量，以前述四個指標為解釋變量進行回歸，結(jié)果如表5所示。

表5 各省市技術(shù)轉(zhuǎn)移金融效率Tobit回歸模型分析表

模型結(jié)果揭示：

1.高技術(shù)企業(yè)R&D 投入強度(yfqd)、技術(shù)轉(zhuǎn)移機構(gòu)占比(jgzb)兩個變量的回歸系數(shù)都為正，對于科技金融效率都有正向影響，當變量增加1% 時，金融效率分別增加1.66%和5.61%，且高技術(shù)企業(yè)R&D 投入強度(yfqd)在10% 的置信水平下顯著，技術(shù)轉(zhuǎn)移機構(gòu)占比(jgzb)在5%的置信水平下顯著。表明市場化的研發(fā)投入強度越大，技術(shù)轉(zhuǎn)移機構(gòu)占比越高，在投資收益率引導下，以盈利回報為目標，嚴格篩選和評估技術(shù)潛在市場價值和需求為前提，推動成果轉(zhuǎn)移與產(chǎn)業(yè)化，客觀促進金融支持效率的提升。

2.政府財政支持度(czbl)、金融規(guī)模水平(dkbl)兩個變量的回歸系數(shù)為負，當變量增加1%，金融效率分別降低5.35%和0.07%。前者回歸系數(shù)為負，可能的合理解釋是，政府財政支持偏重于投入產(chǎn)生的引導與帶動效應(yīng)，著眼點在于克服市場失靈，為基礎(chǔ)性和關(guān)鍵性技術(shù)成果轉(zhuǎn)移擴散提供資金保障，投入效率并非首要追求目標；后者的回歸系數(shù)為負，表明受制于技術(shù)轉(zhuǎn)移收益的不確定性和資本流動性要求，金融規(guī)模的擴大并未帶來技術(shù)轉(zhuǎn)移領(lǐng)域流入的有效增加，或未能真正契合不同階段技術(shù)轉(zhuǎn)移資金需求，反向抑制了科技金融效率，但兩個變量在回歸模型中都不顯著。

四、主要結(jié)論

本文在借鑒前人研究基礎(chǔ)上，運用三階段DEA和Tobit方法對長江經(jīng)濟帶11省市技術(shù)轉(zhuǎn)移科技金融效率及影響因素進行了綜合評價與差異分析，得出主要結(jié)論如下：

1.綜合效率分析表明，從整體上看，與京津冀區(qū)域相比，長江經(jīng)濟帶促進技術(shù)轉(zhuǎn)移的金融效率普遍偏低，金融對技術(shù)轉(zhuǎn)移的資金融通功能未有效顯現(xiàn)。囿于區(qū)域發(fā)展水平、金融資源及政府創(chuàng)新支持等外部環(huán)境影響，不同省市效率水平差異較大，但并未嚴格呈現(xiàn)自東向西梯度遞減的趨勢或規(guī)律，盡管東部地區(qū)金融的投入規(guī)模普遍高于中西部，但綜合效率最高的湖北省處于中部，一種合理的解釋是，效率是一個相對值，東部地區(qū)經(jīng)濟科技投入能力較強，技術(shù)成果轉(zhuǎn)移產(chǎn)出大，但因其金融投入也大，其評價效率并非必然高效。

2.純技術(shù)效率是由管理和技術(shù)等因素影響的生產(chǎn)效率。其中，江西、湖南、貴州、云南等4個省份技術(shù)效率達到DEA 有效，表明在當前的技術(shù)與管理水平上，其投入資源的使用有效。長江經(jīng)濟帶其余7省市純技術(shù)效率偏低，表明金融投入與相應(yīng)的技術(shù)產(chǎn)出不匹配，在提升技術(shù)管理水平，強化技術(shù)轉(zhuǎn)移供需主體有效銜接，加強高技術(shù)人才培育，提高新技術(shù)的研發(fā)和引進等方面存在進一步改善空間。

3.規(guī)模效率體現(xiàn)了現(xiàn)有投入規(guī)模與最優(yōu)規(guī)模之間的差異，通過DEA分析結(jié)果可知，較低的規(guī)模效率水平引致了偏低的綜合技術(shù)效率，即技術(shù)轉(zhuǎn)移金融支持有效投入的不足制約了投資效率的提升。長江經(jīng)濟帶11省市均未達到規(guī)模效率有效，處于規(guī)模報酬遞增階段，亟需完善對技術(shù)成果投入的綜合評估和篩選，契合技術(shù)轉(zhuǎn)移階段性資金需求，逐步實現(xiàn)金融投入的持續(xù)提高和產(chǎn)出更高比例的增加，直至達到投入與產(chǎn)出的最優(yōu)規(guī)模收益點。

4.通過Tobit回歸模型，分析技術(shù)轉(zhuǎn)移金融效率的影響因素，包括高技術(shù)企業(yè)研發(fā)投入強度、政府對技術(shù)研發(fā)與轉(zhuǎn)移的財政支持度、金融規(guī)模水平以及技術(shù)轉(zhuǎn)移示范機構(gòu)占比等。研究發(fā)現(xiàn)，高技術(shù)企業(yè)的研發(fā)投入強度、技術(shù)轉(zhuǎn)移示范機構(gòu)占比對金融效率有顯著正向影響；政府對技術(shù)研發(fā)與轉(zhuǎn)移的財政支持度、金融規(guī)模水平兩個變量的回歸系數(shù)為負，影響不顯著，這既可能與變量選取不恰當有關(guān)，也可能與樣本數(shù)量不足有關(guān)。

五、對策建議

基于前述分析，為支撐長江經(jīng)濟帶技術(shù)協(xié)同創(chuàng)新，聚焦技術(shù)轉(zhuǎn)移融資需求，從加大金融對技術(shù)轉(zhuǎn)移的有效投入，提高技術(shù)管理效率與專業(yè)化服務(wù)水平兩方面，實現(xiàn)技術(shù)轉(zhuǎn)移鏈條與金融資本鏈條的深度融合與高度聚合，促進金融資源優(yōu)化配置和效率提升，挖掘技術(shù)轉(zhuǎn)移產(chǎn)出潛力，提高區(qū)域技術(shù)創(chuàng)新能力給出如下對策建議。

1.優(yōu)化區(qū)域金融要素投入，提升技術(shù)產(chǎn)出規(guī)模效益。基于高技術(shù)企業(yè)研發(fā)強度對金融效率的正向影響，發(fā)揮政策性成果轉(zhuǎn)化基金引導作用，杠桿撬動不同風險偏好的社會資本，支持高技術(shù)企業(yè)對具有社會正外部性特征，但風險較高，尚待驗證成熟的技術(shù)成果開展轉(zhuǎn)化投資；聚焦階段性、差異化融資需求，進一步調(diào)整優(yōu)化金融投入的階段、方向和規(guī)模，促進金融供給契合高風險技術(shù)轉(zhuǎn)移的需求。一是提高風險資本、融資債券投資于技術(shù)早期項目的占比，對處于種子期、初創(chuàng)期的企業(yè)圍繞特色主導產(chǎn)業(yè)技術(shù)需求開展技術(shù)成果轉(zhuǎn)移和價值實現(xiàn)提供直接融資資金支持，增強技術(shù)跨區(qū)域溢出效應(yīng)；二是基于長江經(jīng)濟帶客觀技術(shù)勢差，強化東中西地區(qū)階梯式技術(shù)擴散的利益分享，有效引導東部的金融優(yōu)勢和中西部技術(shù)后發(fā)優(yōu)勢融合，鼓勵科技信貸等間接融資著眼區(qū)域關(guān)鍵共性技術(shù)轉(zhuǎn)移擴散，對中上游吸納技術(shù)實施差異化金融支持。各種支持模式各有側(cè)重，互為補充，協(xié)同提升金融投入的技術(shù)產(chǎn)出規(guī)模效益。

2.提升技術(shù)管理效率與專業(yè)化服務(wù)水平。技術(shù)轉(zhuǎn)移機構(gòu)的管理與服務(wù)水平對金融支持效率的提升有顯著正向影響。 加強技術(shù)服務(wù)人力資本培育，構(gòu)建區(qū)域性技術(shù)交易市場體系，強化技術(shù)轉(zhuǎn)移機構(gòu)的金融中介服務(wù)職能，以轉(zhuǎn)移媒介身份提供定制化服務(wù)，通過供需信息對接、技術(shù)評估、知識產(chǎn)權(quán)交易、技術(shù)咨詢服務(wù)，引導各類金融資本和技術(shù)成果聚集、融合，提升技術(shù)轉(zhuǎn)移機構(gòu)服務(wù)效能。一是進一步發(fā)揮其金融中介服務(wù)職能，對技術(shù)的創(chuàng)新性、可行性、產(chǎn)業(yè)化前景進行預(yù)測、識別和篩選，判斷潛在投資風險和預(yù)期收益，形成投資服務(wù)鏈；二是進一步完善其技術(shù)交易媒介服務(wù)職能，降低市場風險和技術(shù)風險，遵循協(xié)調(diào)匹配要求，建立體現(xiàn)“技術(shù)流”和“能力流”特性的專屬科技投資評價體系，包括個性化的貸款評估定價、異質(zhì)化的風險監(jiān)測觸發(fā)條件和差異化的風險容忍機制，盡管訂單式服務(wù)要求的資源密集度和金融工具的折舊率較高，但交易完成后的投資收益會補償其成本耗費。