梅永倩， 王 萌， 谷 雨

(河南科技大學 經(jīng)濟學院， 河南 洛陽 471023)

在中美沖突升級和國內(nèi)經(jīng)濟向高質(zhì)量發(fā)展轉(zhuǎn)變的大背景下，未來科技創(chuàng)新仍是中國打破掣肘和躋身創(chuàng)新型國家前列的核心驅(qū)動力?！丁笆奈濉卑l(fā)展規(guī)劃》提出要“完善金融支持創(chuàng)新體系”，凸顯金融對于科技的支持作用。河南省作為中部大省，近年來深入實施創(chuàng)新驅(qū)動發(fā)展戰(zhàn)略，加快促進金融與科技緊密結(jié)合，然而有限的金融資源投入是否帶來了最優(yōu)的科技成果產(chǎn)出是金融助力科技創(chuàng)新的關(guān)鍵問題所在。因此，測度地區(qū)科技金融的協(xié)同效率對河南省科技金融發(fā)展具有重要的理論與現(xiàn)實意義。

1 文獻回顧

自1993年首次提出“科技金融”以來，國內(nèi)對于科技金融的研究不斷深入，科技金融效率作為評價科技金融發(fā)展效果的重要內(nèi)容，目前已成為諸多學者研究的焦點。科技金融效率的相關(guān)研究主要是基于實證展開的。在科技金融效率的區(qū)域差異方面，戴志敏等[1]采用泰爾指數(shù)法分析東部、中部和西部地區(qū)的科技金融效率差異，易明等[2]運用Dagum基尼系數(shù)法分析了中國各省市科技金融效率值差異。在科技金融效率測度方面，學者們較多地采用數(shù)據(jù)包絡(luò)分析(DEA)法來測算科技金融效率，比如戴志敏等[1]和許世琴等[3]分別運用CCR模型和BCC模型對中國科技金融效率進行測度，也有學者使用SBM模型、SFA模型等方法進行實證研究[4-5]。由于傳統(tǒng)的DEA模型只能對研究對象進行靜態(tài)分析，無法實現(xiàn)決策單元的跨期對比，所以部分學者引入了Malmquist指數(shù)分析法，如黃瑞芬等[6]和王敏等[7]運用DEA-Malmquist指數(shù)法分別對中國科技金融效率值和陜西省各市的科技金融效率進行評價，對本文的研究具有重要借鑒意義。

綜上所述，國內(nèi)關(guān)于科技金融效率的研究已經(jīng)取得一定進展，但當前研究大多集中在國家層面，有關(guān)區(qū)域?qū)用嬗绕涫轻槍幽鲜】萍冀鹑谛实难芯磕壳斑€有待豐富。鑒于此，本文采用DEA-Malmquist指數(shù)法分別從靜態(tài)和動態(tài)角度測算河南省科技金融效率并基于實證結(jié)果提出相關(guān)對策建議，以期推動河南省區(qū)域科技金融的協(xié)同發(fā)展。

2 模型構(gòu)建與數(shù)據(jù)說明

2.1 模型構(gòu)建

2.1.1 DEA模型

數(shù)據(jù)包絡(luò)分析(DEA)法是一種多指標投入與產(chǎn)出相對有效的綜合評價方法，其優(yōu)點在于不需要已知投入和產(chǎn)出之間的函數(shù)關(guān)系就能測度多對投入產(chǎn)出之間的效率[8]。DEA模型基于規(guī)模報酬特征分為規(guī)模報酬不變的CCR模型和規(guī)模報酬可變的BCC模型，CCR模型測度不考慮規(guī)模收益時的技術(shù)效率，BCC模型則將綜合技術(shù)效率(TE)分解為純技術(shù)效率(PTE)和規(guī)模效率(SE)，其數(shù)值介于0和1之間，且TE=PTE×SE。本文采用規(guī)模報酬可變的BCC模型來進行效率測算，模型公式為

(1)

式中：j=1，2，…，n表示決策單元；Xj、Yj分別表示投入和產(chǎn)出向量；λj為各單位系數(shù)組合；θ為效率評價值；S-和S+分別表示剩余變量和松弛變量；ε為非阿基米德無窮小量。當θ=1且S-=0，S+=0時，決策單元為DEA有效；當θ=1且S-≠0或S+≠0時，決策單元處于弱有效；當θ≠1時，決策單元為非DEA有效。

2.1.2 Malmquist指數(shù)模型

Malmquist生產(chǎn)率指數(shù)是以相鄰兩個決策單元為參照，對數(shù)據(jù)進行跨期處理比較，因此可以對投入產(chǎn)出的面板數(shù)據(jù)進行動態(tài)分析。Malmquist生產(chǎn)率指數(shù)定義為

(2)

若MI大于1，則表示全要素生產(chǎn)效率為上升趨勢，反之，則表示效率下降[5]。在規(guī)模報酬不變的情況下，Malmquist生產(chǎn)率指數(shù)可以分解為技術(shù)效率的變化(TEC)和生產(chǎn)技術(shù)的變化(TC),用公式表示為MI=TEC×TC。技術(shù)效率變化(EC)可以進一步分解為規(guī)模報酬可變的純技術(shù)效率變化(PEC)和規(guī)模效率變化(SEC)，即TEC=PEC×SEC[9]。

2.2 指標選取及數(shù)據(jù)來源

本文從科技金融投入和產(chǎn)出兩個方面構(gòu)建指標體系。參考潘娟、張玉喜的研究中所采用的變量[10],同時考慮數(shù)據(jù)的可得性，選取了一些具有代表性的指標，見表1。

表1 科技金融投入產(chǎn)出指標體系

從人力和財力兩個角度選取科技金融投入指標，包括R&D人員折合全時當量、財政科技支出和企業(yè)R&D經(jīng)費支出。R&D人員折合全時當量代表了科技金融的人力投入；財政科技支出反映了政府公共科技金融投入的資金總量；企業(yè)R&D經(jīng)費支出代表了企業(yè)在科技創(chuàng)新活動上的財力投入。

在產(chǎn)出指標方面，從直接產(chǎn)出和間接產(chǎn)出兩個角度選取專利授權(quán)量、技術(shù)市場成交額和新產(chǎn)品銷售收入。專利授權(quán)量和技術(shù)市場成交額代表了科技創(chuàng)新活動的直接產(chǎn)出；新產(chǎn)品銷售收入反映了采用新技術(shù)原理、新設(shè)計構(gòu)思研制生產(chǎn)的新產(chǎn)品的營收情況，代表了科技創(chuàng)新活動的間接產(chǎn)出。

考慮到科技金融產(chǎn)出相對于投入的滯后性，將產(chǎn)出指標數(shù)據(jù)滯后一期，選取河南省18個地級市2010—2018年的科技金融投入數(shù)據(jù)和2011—2019年的產(chǎn)出數(shù)據(jù)。以上數(shù)據(jù)主要來源于《河南統(tǒng)計年鑒》、河南省知識產(chǎn)權(quán)局統(tǒng)計年報和河南省科技廳統(tǒng)計公報。

2.3 相關(guān)性分析

由于運用DEA方法進行效率測度的前提是投入和產(chǎn)出之間呈正相關(guān)關(guān)系，因此選用SPSS軟件對投入產(chǎn)出數(shù)據(jù)進行皮爾遜(Pearson)相關(guān)性檢驗。各指標的相關(guān)系數(shù)見表2。

表2 科技金融投入產(chǎn)出指標相關(guān)性分析結(jié)果

從相關(guān)性分析結(jié)果可以看出，科技金融所有的投入指標與產(chǎn)出指標在1%的水平上存在顯著的正相關(guān)關(guān)系，其中，R&D人員折合全時當量和技術(shù)市場成交額的相關(guān)系數(shù)為0.781，其他投入指標和產(chǎn)出指標的相關(guān)系數(shù)均大于0.8，說明投入指標和產(chǎn)出指標的相關(guān)性較高，符合DEA方法的測算要求。

3 實證結(jié)果分析

3.1 DEA模型實證結(jié)果分析

借助DEAP2.1軟件，基于投入導向型的BCC模型測算得到各市綜合效率、規(guī)模效率和純技術(shù)效率的均值，結(jié)果見表3。

表3 2010—2019年河南省各市科技金融效率均值

首先，綜合來看，河南省18個地市科技金融綜合效率、純技術(shù)效率和規(guī)模效率的均值分別為0.769、0.818和0.933，效率值均小于1，處于DEA弱有效狀態(tài)，說明河南省科技金融整體效率水平有待提升。具體來看，有15個市的規(guī)模效率均值高于0.9，表明全省在規(guī)模效率方面具備一定的優(yōu)勢，而綜合效率表現(xiàn)不佳主要是由于純技術(shù)效率較低，說明存在一定的科技金融資源浪費情況，日后應(yīng)當注重科技研發(fā)，提升資源利用效率和企業(yè)管理水平，從而使金融資源的投入能夠更好地轉(zhuǎn)化為科技產(chǎn)出，提高科技金融資源配置效率。

其次，河南省各地市間的科技金融效率具有明顯的差異。具體來說，全省只有鄭州市在樣本期間的綜合效率均值為1，說明鄭州市科技金融的運行位于效率前沿面，科技金融的資源配置是合理的；洛陽市、鶴壁市、新鄉(xiāng)市、許昌市、信陽市、濟源市、駐馬店市等7個市的綜合效率均值為0.8以上，處于相對有效狀態(tài)，其中，鶴壁市和濟源市的純技術(shù)效率均值為1，未達到有效狀態(tài)主要是受規(guī)模效率的影響，表明這兩市的投入產(chǎn)出規(guī)模有待進一步優(yōu)化；開封市、平頂山市、三門峽市的綜合效率均值較低，以三門峽市為例，其綜合效率均值為0.369，不及鄭州市效率值的1/2，說明這些地區(qū)科技金融效率還有很大的提升空間，科技金融市場建設(shè)亟須進一步加強。

根據(jù)前文的效率測度結(jié)果，借鑒波士頓矩陣圖的思維，以純技術(shù)效率和規(guī)模效率的均值0.818和0.933為臨界值，將河南省18個地市劃分為4種類型，如圖1所示。

圖1 河南省各市科技金融效率均值分布

由圖1可知，鄭州市、洛陽市、許昌市、鶴壁市、濟源市、新鄉(xiāng)市、信陽市、駐馬店市在第Ⅰ象限區(qū)域，說明這些地市的純技術(shù)效率和規(guī)模效率均在臨界值以上，科技金融效率所需改進較少；在第Ⅱ象限的地區(qū)為規(guī)模效率高而純技術(shù)效率較低的地區(qū)，分別為南陽市、安陽市、焦作市和商丘市，說明這類地區(qū)的技術(shù)創(chuàng)新能力和資源管理水平有待提升；第Ⅲ象限地區(qū)的純技術(shù)效率與規(guī)模效率都較低，分別為三門峽市、開封市、濮陽市、平頂山市和周口市，說明這些地區(qū)科技金融發(fā)展水平較低，要進一步優(yōu)化產(chǎn)業(yè)結(jié)構(gòu)、大力發(fā)展高新技術(shù)產(chǎn)業(yè)；第Ⅳ象限的地區(qū)為規(guī)模效率低但純技術(shù)效率較高的地區(qū)，只有漯河市，表明該市現(xiàn)有規(guī)模有待提升，要積極加大要素投入強度，實現(xiàn)資源的集中配置和管理。

3.2 Malmquist指數(shù)模型結(jié)果分析

采用Malmquist指數(shù)法測度河南省各地市科技金融效率的平均動態(tài)變化情況，結(jié)果見表4。指數(shù)大于1表明效率增長，指數(shù)小于1表明效率衰退，效率指數(shù)與1的差值即為增長率。

表4 河南省各市Malmquist指數(shù)

從平均值來看，所有樣本城市的全要素生產(chǎn)效率指數(shù)為1.024，即全要素生產(chǎn)效率的年均增長率為2.4%，由技術(shù)效率指數(shù)為0.986可知，這一增長主要得益于技術(shù)進步，說明技術(shù)研發(fā)相對于管理能力、內(nèi)部制度建設(shè)而言更具有競爭力。具體來看，全要素生產(chǎn)率指數(shù)及其分解指標均大于或等于1的城市有鄭州市、開封市、焦作市、信陽市、周口市、駐馬店市和濟源市，說明這7市的科技金融效率在樣本期間增勢顯著；安陽市、濮陽市、許昌市、漯河市、三門峽市、商丘市的技術(shù)進步指數(shù)均大于1，但由于技術(shù)效率變化指數(shù)較低，從而使得全要素生產(chǎn)效率下降；技術(shù)效率變化指數(shù)小于1的城市，如洛陽市、平頂山市、安陽市、許昌市、漯河市和商丘市，主要是由純技術(shù)效率和規(guī)模效率衰退所導致的，因此在改進和升級技術(shù)的同時也需要調(diào)整科技金融規(guī)模。

4 結(jié)論與對策建議

運用DEA-Malmquist指數(shù)法對河南省18個地級市2010—2019的科技金融效率進行實證研究，得出以下結(jié)論：①河南省科技金融規(guī)模效率整體較高，但純技術(shù)效率偏低，總體處于非有效狀態(tài)，科技金融發(fā)展整體水平有待提升；②全省有12個市的生產(chǎn)效率表現(xiàn)為增長狀態(tài)，這主要得益于技術(shù)進步，6個市的生產(chǎn)效率降低，是純技術(shù)效率和規(guī)模效率綜合作用的結(jié)果；③河南省科技金融效率存在顯著的地區(qū)差異性，區(qū)域發(fā)展的不平衡性問題較為突出。

基于此，提出以下建議：①合理配置科技金融資源?？萍假Y金應(yīng)向規(guī)模效率較低的地區(qū)傾斜，增加欠發(fā)達地區(qū)的科技金融投入產(chǎn)出規(guī)模，帶動綜合效率的提升，從而縮小省內(nèi)各地區(qū)之間的差距，促進全省科技創(chuàng)新的均衡發(fā)展。②加強科技創(chuàng)新人才隊伍建設(shè)。技術(shù)創(chuàng)新升級關(guān)鍵在于高端科技型人才，因此要制定高科技人才培養(yǎng)與引進政策，完善科研人才獎勵機制，使高端人才“引得進，留得住”，從而推動科技金融產(chǎn)品、技術(shù)與管理創(chuàng)新。③擴大高技術(shù)產(chǎn)業(yè)規(guī)模。高技術(shù)產(chǎn)業(yè)是科技成果轉(zhuǎn)化的孵化器，對科技創(chuàng)新具有舉足輕重的作用。高新技術(shù)產(chǎn)業(yè)的發(fā)展需要大量的資金支持，因此要積極吸引風投、創(chuàng)投等對科技創(chuàng)新企業(yè)的資金支撐。