基于三階段DEA模型的我國(guó)金融支持科技創(chuàng)新效率評(píng)價(jià)

基于三階段DEA模型的我國(guó)金融支持科技創(chuàng)新效率評(píng)價(jià)基于三階段DEA模型的我國(guó)金融支持科技創(chuàng)新效率評(píng)價(jià)

中圖分類號(hào)：F222.33；F832.1文獻(xiàn)標(biāo)志碼：A文章編號(hào)：16748131〔2022〕04010108

一、引言

近年來，我國(guó)科技投入和產(chǎn)出皆在大幅度增加，這將為經(jīng)濟(jì)開展提供轉(zhuǎn)型動(dòng)力和路徑。早在2022年，國(guó)家就發(fā)布了?國(guó)家“十二五〞科學(xué)和技術(shù)開展規(guī)劃》，規(guī)劃中對(duì)科技與金融的融合以及金融支持科技產(chǎn)業(yè)開展的效勞機(jī)制和多渠道多層次融資體系進(jìn)行了專門的闡述。而在經(jīng)濟(jì)轉(zhuǎn)型和市場(chǎng)經(jīng)濟(jì)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(guó)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下列幾個(gè)方面：第一，技術(shù)創(chuàng)新來自銀行的影響。Benfratello等〔2022〕對(duì)意大利公司的研究說明地方銀行顯著地影響了企業(yè)發(fā)展技術(shù)創(chuàng)新活動(dòng)的成功率。Giannetti〔2022〕認(rèn)為銀行的金融支持對(duì)高技術(shù)企業(yè)引進(jìn)新產(chǎn)品能力和發(fā)展創(chuàng)新活動(dòng)起到了顯著的作用。第二，資本市場(chǎng)對(duì)科技創(chuàng)新的影響。King等〔1993〕、Aghion等〔2022〕分別研究了直接融資市場(chǎng)流動(dòng)本錢、金融創(chuàng)新、金融約束對(duì)科技創(chuàng)新的影響，認(rèn)為直接融資市場(chǎng)可降低科技創(chuàng)新風(fēng)險(xiǎn)、促進(jìn)全社會(huì)的投資。第三，風(fēng)險(xiǎn)投資對(duì)技術(shù)創(chuàng)新的影響。Gil等〔2022〕認(rèn)為在一定條件下，風(fēng)險(xiǎn)投資是推動(dòng)高新技術(shù)集群轉(zhuǎn)化的重要因素。第四，政策性金融對(duì)科技創(chuàng)新的影響。Gerard等〔2022〕認(rèn)為政策性金融通過彌補(bǔ)市場(chǎng)失靈促進(jìn)科技創(chuàng)新；而Fontana〔2022〕那么認(rèn)為政策性金融通過統(tǒng)籌調(diào)控促進(jìn)科技創(chuàng)新開展。

近年來，國(guó)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〔2022〕運(yùn)用探索性空間數(shù)據(jù)分析辦法對(duì)我國(guó)省域科技金融與技術(shù)創(chuàng)新的空間相關(guān)性進(jìn)行了分析，結(jié)果說明其存在顯著的空間依賴性。俞立平〔2022〕研究了國(guó)家創(chuàng)新中科研經(jīng)費(fèi)投入的奉獻(xiàn)，結(jié)果說明對(duì)科技創(chuàng)新奉獻(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(shí)當(dāng)量，奉獻(xiàn)不顯著的是銀行科技貸款。鄭玉航〔2022〕等分析了政府、金融信貸、資本市場(chǎng)等金融效勞科技創(chuàng)新的有效程度。程慧平〔2022〕等運(yùn)用SFA辦法，對(duì)我國(guó)的R&D創(chuàng)新和轉(zhuǎn)化效率進(jìn)行了分析，結(jié)果說明整體效率低下，東部地區(qū)最高，中部次之，西部最差。目前國(guó)內(nèi)關(guān)于金融支持科技創(chuàng)新效率的研究，主要運(yùn)用下列幾種辦法來進(jìn)行：第一，運(yùn)用層次分析法〔AHP〕進(jìn)行加權(quán)評(píng)價(jià)。王海等〔2022〕利用經(jīng)過AHP加權(quán)后的評(píng)價(jià)指標(biāo)體系和模型對(duì)科技金融結(jié)合效益進(jìn)行了實(shí)證分析。第二，運(yùn)用傳統(tǒng)DEA模型進(jìn)行效率評(píng)價(jià)。孫伍琴等〔2022〕運(yùn)用DEA模型測(cè)算了我國(guó)23個(gè)省市金融開展促進(jìn)技術(shù)創(chuàng)新的效率，認(rèn)為金融開展對(duì)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(qiáng)的態(tài)勢(shì)。第三，運(yùn)用DEA模型與Malmquist指數(shù)進(jìn)行效率的靜態(tài)和動(dòng)態(tài)評(píng)價(jià)。馬衛(wèi)剛〔2022〕對(duì)我國(guó)科技和金融結(jié)合的效益進(jìn)行了動(dòng)態(tài)與靜態(tài)分析，結(jié)果說明其結(jié)合效益負(fù)增長(zhǎng)主要在于金融資源配置效率的下降。第四，運(yùn)用三階段DEA模型進(jìn)行效率評(píng)價(jià)。楊鳳鳴〔2022〕等基于三階段DEA模型對(duì)我國(guó)2022年省際科技資源配置效率進(jìn)行了測(cè)算，發(fā)現(xiàn)我國(guó)科技資源配置效率較低，且區(qū)域差別明顯。

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

總體來看，已有研究文獻(xiàn)存在下列局限性：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(jìn)行效率評(píng)價(jià)，沒有以金融為要素投入進(jìn)行效率研究；二是從研究辦法來看，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)辦法，而Fried等〔2022〕認(rèn)為DEA模型沒有考慮外部環(huán)境和隨機(jī)干擾對(duì)決策單元的影響，得到的效率值并不一定真實(shí)，而已有的三階段DEA模型分析不足時(shí)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)重于局部省份或經(jīng)濟(jì)區(qū)域，不足考察全國(guó)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(yùn)用三階段DEA模型，采用2022―2022年我國(guó)30個(gè)省份的面板數(shù)據(jù)，對(duì)金融支持科技創(chuàng)新的效率進(jìn)行更為全面的測(cè)算；同時(shí)，根據(jù)第一階段和第三階段的分析結(jié)果分別進(jìn)行聚類分析，以發(fā)現(xiàn)調(diào)整前后地區(qū)之間的差別，進(jìn)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)表明

1.模型構(gòu)建

本文借鑒Fried等〔2022〕提出的三階段DEA模型，對(duì)我國(guó)金融支持科技創(chuàng)新的效率進(jìn)行測(cè)算。其模型描述如下：

〔1〕采用投入導(dǎo)向的規(guī)模報(bào)酬可變的BCC修正模型作為第一階段DEA模型。假定規(guī)模報(bào)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到達(dá)規(guī)模效應(yīng)和自身技術(shù)上的無效率兩個(gè)方面。這里將各個(gè)省份作為決策單元〔DMU〕，從而得到各個(gè)省份的技術(shù)效率、純技術(shù)效率和規(guī)模效率；同時(shí)，還得到各個(gè)省份金融投入差額〔Slack〕，即實(shí)際金融投入與最正確效率下的金融投入之差，該差額值會(huì)受到環(huán)境因素、隨機(jī)干擾和管理無效率等因素的影響?！?〕采用SFA回歸模型對(duì)金融投入差額進(jìn)行分析〔第二階段〕，將環(huán)境因素、隨機(jī)干擾和管理無效率別離出來。對(duì)每一項(xiàng)金融投入的松弛變量建立一個(gè)SFA模型回歸方程，以環(huán)境條件或運(yùn)氣較差的省份為基準(zhǔn)，增加環(huán)境或運(yùn)氣相對(duì)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(yùn)氣條件下，同時(shí)考慮隨機(jī)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(jī)干擾項(xiàng)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(píng)價(jià)其效率，得到剔除環(huán)境因素和隨機(jī)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)的根底上，同時(shí)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。

〔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(guó)金融支持科技創(chuàng)新的現(xiàn)狀，選擇了5個(gè)變量來反映影響我國(guó)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(guó)2022―2022年30個(gè)省級(jí)地區(qū)的面板數(shù)據(jù)〔不包括港、澳、臺(tái)地區(qū)以及數(shù)據(jù)缺失較多的--地區(qū)〕進(jìn)行實(shí)證分析，數(shù)據(jù)來源于相應(yīng)年度的?中國(guó)高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》?中國(guó)科技統(tǒng)計(jì)年鑒》和?中國(guó)統(tǒng)計(jì)年鑒》。由于統(tǒng)計(jì)年鑒調(diào)整了編制體系，2022年以后不再有各省級(jí)地區(qū)“金融機(jī)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(yùn)用灰色預(yù)測(cè)模型估計(jì)該指標(biāo)2022―2022年的數(shù)據(jù)。

三、實(shí)證分析結(jié)果

1.第一階段DEA分析

第一階段DEA測(cè)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(guó)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(gè)省份的技術(shù)效率值到達(dá)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)蒙古那么在于純技術(shù)效率低，科技產(chǎn)業(yè)開展中投入的金融資源未得到充沛利用。

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(chǎng)開展情況、外商依存度、進(jìn)出口程度以及市場(chǎng)競(jìng)爭(zhēng)五個(gè)外部環(huán)境變量，利用Frontier4.1軟件，通過SFA模型進(jìn)行回歸分析，結(jié)果如表4所示。實(shí)證結(jié)果顯示sigma平方和gamma在給定的顯著性水平下顯著，說明外部環(huán)境比隨機(jī)干擾的影響要更為明顯；從大局部顯著的參數(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(biāo)與財(cái)政科技撥款和企業(yè)資金的松弛值顯著正相關(guān)，表明用于科技創(chuàng)新的政府資金并沒有有效降低地方財(cái)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(guó)的科技產(chǎn)業(yè)開展屬于國(guó)家導(dǎo)向模式，國(guó)家給予科技創(chuàng)新更多的是資金支持，地方財(cái)政也給予科技創(chuàng)新相應(yīng)的資金補(bǔ)助，可是獲得政府資金支持的企業(yè)不足對(duì)補(bǔ)助資金的有效管理，造成資金投入效率不高。

〔2〕金融市場(chǎng)開展情況。該指標(biāo)與財(cái)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(jī)構(gòu)科技貸款顯著負(fù)相關(guān)，表明金融市場(chǎng)的開展沒有降低財(cái)政科技撥款和企業(yè)資金的冗余量，但降低了金融機(jī)構(gòu)科技貸款的冗余量。由于金融市場(chǎng)屬于商業(yè)性金融范疇，對(duì)于高風(fēng)險(xiǎn)的科技產(chǎn)業(yè)需要高收益作為回報(bào)，而我國(guó)的科技產(chǎn)業(yè)的開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(jī)構(gòu)的風(fēng)險(xiǎn)管理不斷完善，因此金融開展有效減少了金融機(jī)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(huì)通過直接融資的方式獲取資金，進(jìn)而造成企業(yè)資金的冗余。

〔3〕外商依存度。該指標(biāo)與財(cái)政科技撥款、金融機(jī)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(jìn)和消化吸收經(jīng)費(fèi)支出〕正相關(guān)，這表明外商投資能降低財(cái)政科技撥款、金融機(jī)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(fèi)支出。各地企業(yè)和研究機(jī)構(gòu)利用國(guó)外資金解決融資難的問題，擠占了政策性金融和國(guó)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(fèi)那么會(huì)因?yàn)橥赓Y的引入而增加

〔4〕對(duì)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)，說明用于科技創(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(guó)際的認(rèn)可，科技成果通過出口帶來的收益也帶動(dòng)了金融資源對(duì)科技產(chǎn)業(yè)投入的增加。

〔5〕市場(chǎng)競(jìng)爭(zhēng)。該指標(biāo)與財(cái)政科技撥款和金融機(jī)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)，表明市場(chǎng)競(jìng)爭(zhēng)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(jìng)爭(zhēng)能促使企業(yè)或研發(fā)機(jī)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(duì)各區(qū)初始金融投入指標(biāo)進(jìn)行調(diào)整，再次利用DEAP2.1軟件進(jìn)行BCC模型測(cè)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%，表明技術(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(gè)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(gè)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--、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(gè)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--等省份的下降幅度超過70%，其中青海到達(dá)93.78%，表明西部地區(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(gè)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%，表明這些經(jīng)濟(jì)開展水平較高、根底設(shè)施較為完備的省份科技產(chǎn)業(yè)的經(jīng)營(yíng)管理不夠完善，金融資源沒有得到充沛利用。而西部的一些省份與之相比那么恰好相反，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沛的利用，如內(nèi)蒙古、--和云南，其純技術(shù)效率分別增加了64.09%、32.69%和16.58%?？梢钥闯?，第一、三階段的分析結(jié)果具有明顯的差別，深入分析其原因，可以發(fā)現(xiàn)：外部環(huán)境和隨機(jī)干擾對(duì)我國(guó)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(gè)省份的不同情況而不同。因此，在對(duì)金融支持科技創(chuàng)新的效率進(jìn)行測(cè)算時(shí)，有必要將全國(guó)各地置于統(tǒng)一環(huán)境和運(yùn)氣條件下，這樣才能得到更為真實(shí)的效率值。

4.我國(guó)金融支持科技創(chuàng)新效率的聚類分析

本文運(yùn)用Stata12.0軟件對(duì)我國(guó)30個(gè)省市調(diào)整前后的金融支持科技創(chuàng)新效率值分別進(jìn)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，表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，表明西部地區(qū)用于科技創(chuàng)新的金融資源沒有得到充沛利用，科技產(chǎn)業(yè)的規(guī)模效應(yīng)尚未形成，需要國(guó)家相關(guān)部門予以重視。

高效層的省份，無論是經(jīng)濟(jì)開展水平還是根底設(shè)施建設(shè)，乃至人力資源匯集等情況均處于全國(guó)的當(dāng)先水平和擁有優(yōu)勢(shì)地位，不僅用于科技創(chuàng)新的金融資源得到了較為充沛利用，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(jìn)了科技產(chǎn)業(yè)的開展。中效層的省份，經(jīng)濟(jì)開展水平相對(duì)較好，并具備較為完善的根底設(shè)施，但金融資源沒有得到充沛利用，科技成果轉(zhuǎn)化不高；未來這些地區(qū)需要進(jìn)一步加強(qiáng)對(duì)科技金融資源的管理和利用，降低金融資源浪費(fèi)并提高科技的有效產(chǎn)出。低效層的省份，經(jīng)濟(jì)開展水平不高而且根底設(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(shí)現(xiàn)規(guī)模效應(yīng)，還存在非市場(chǎng)化配置科技金融資源等問題。

四、結(jié)論與倡議

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(yùn)用三階段DEA辦法對(duì)2022―2022年我國(guó)30個(gè)省份金融支持科技創(chuàng)新的效率進(jìn)行測(cè)算，同時(shí)運(yùn)用K均值聚類分析對(duì)各省份的效率值進(jìn)行分類，主要研究結(jié)論如下：〔1〕第一階段和第三階段