基于DEA方法的广东科技与金融结合效益评价*

崔 毅， 赵韵琪， 杨丽萍， 赵 兵

(华南理工大学 工商管理学院， 广州 510640)

一、 引言

科学技术是第一生产力， 而任何一项科技成果， 在其研发阶段、 应用转化阶段、 直至产业化阶段等各个时期， 均存在着不断放大的资金需求， 需要金融资金的支持才能最终转化为社会生产力。科技的发展与金融对科技的投入是密切相关的。广东省在2003～2007年的科技经费支出额分别为332.4亿元、 390.22亿元、 447.86亿元、 541.92亿元、 684.22亿元， 科技经费占GDP的比重分别为2.1%、 2.07%、 2%、 2.07%、 2.2%， 广东省金融对科技的投入规模和投入力度都在逐年加大。因此， 对科技与金融结合的效益进行评价， 可以从总体上反映出广东目前金融投入与科技活动产出之间的关系是否合理， 为广东制定科技金融政策提供参考。

目前， 针对科技与金融结合效益的研究大多采用定性的方法， 定量研究的文献不多。王海、 叶元煦(2003)[1]曾运用层次分析法评价了我国1991～1999年科技金融结合的效益， 但是， 由于层次分析法需要确定各指标的权重， 容易受到人为因素影响， 缺乏客观性和公正性。因此， 本文采用数据包络分析方法(DEA)对全国各省、 市、 自治区金融投入与科技产出结合的效益进行评价与分析， 以期为广东探索科技与金融结合的路径与对策提供决策依据。

二、 广东科技与金融结合效益评价模型

(一)DEA模型的选择

DEA方法为数据包络分析(Data Envelopment Analysis)的简称， 是由美国著名运筹学家Charnes和Cooper等创建的以相对效率概念为基础发展起来的一种非参数前沿效率分析方法。它是研究具有相同类型的部门(或单位)间的相对有效性的十分有用的方法； 也是处理一类多目标决策问题的方法； 更是经济理论中估计具有多个输入， 特别是具有多个输出的“生产前沿函数”的有力工具。本文应用DEA中的C2R模型进行分析， 模型如下：

(二)DEA模型参数的经济含义

设模型的最优解为λ*、 s*-、 s*+、 θ*， 则有： (1)当θ*=1， 且s*-=s*+=0时， 则称DMUj为DEA有效， 即在这n个决策单元组成的系统中， 在原投入x0的基础上所获得的产出y0已达到最优； (2)当θ*=1， 且s*-≠0或s*+≠0时， 则称DMUj

为弱DEA有效， 即在这n个决策单元组成的系统中， 对于投入x0可减少s*-而保持原产出y0不变， 或在投入x0不变的情况下可将产出提高s*+； (3)当θ<1时， 则称决策单元DMU0为DEA无效。

设k=∑λj/θ， 则k为DMU0的规模收益值： (1)当k=1时， 表示DMU0的规模收益不变， 此时DMU0达到最大产出规模点； (2)当k<1时， 表示DMU0的规模收益递增， 且k值越小规模递增趋势越大， 表明DMU0在投入x0的基础上， 适当增加投入量， 产出量将有更大比例的增加； (3)当k>1， 表示规模收益递减， 且k值越大规模递减趋势越大， 表明在DMU0投入x0的基础上， 即使增加投入量也可不能带来更大比例的产出， 此时没有再增加决策单元投入的必要。[3]

三、 广东科技与金融结合效益评价

(一)指标的选取和数据收集

本文对金融投入界定为政府资金、 企业资金、 银行贷款等金融投入科技的金额， 而科技产出包括科技活动产出水平、 技术成果市场化以及高新技术产业化等三个方面的指标。金融投入与科技产出之间的关系如下图所示：

图1 金融投入与科技产出之间的关系图

从图1中可以得到， DEA模型中的输入指标分别为地方财政科技拨款占地方财政支出比重(X1)、 企业R&D经费支出与产品销售收入比重(X2)、 企业技术引进和消化吸收经费支出与产品销售收入比重(X3)； 输出指标分别为科技论文数比重(Y1)、 获国家级科技成果奖系数比重(Y2)、 发明专利授权量比重(Y3)、 技术成果成交额比重(Y4)、 高技术产业增加值占工业增加值比重(Y5)、 高技术产品出口额占商品出口额比重(Y6)、 新产品销售收入占产品销售收入比重(Y7)[4, 5, 6]。使用中国科技统计网(http://www.sts.org.cn)公布的相关统计数据， 整理得到输入模型的数据如表1所示。

表1 全国各省、 直辖市、 自治区金融投入与科技产出数据表(单位： %)

数据来源： 中国科技统计网http://www.sts.org.cn

(二)模型求解结果

根据表1的数据， 建立改进的C2R模型， 运用DEAP Version 2.1软件进行求解， 得到了各DMU的总体效率(θ)、 规模有效性及技术有效性， 如表2所示。

(三)模型结果分析

结论1 广东科技的金融投入高， 科技产出低； 科技成果重数量、 轻质量； 科技成果资本化率低。

在2006～2007年， 广东的金融投入与科技产出表现为DEA无效， 即目前广东在现有的金融投入水平下， 科技产出存在不足； 或在现有的科技产出下， 金融投入过大。从表1的数据可以得出： 在2006年度， 广东政府财政资金投入力度， 即地方财政科技拨款占地方财政支出比重排名全国第3位； 企业R&D经费支出与产品销售收入比重以及企业技术引进和消化吸收经费支出与产品销售收入比重分别排名全国第7位和第6位。在2006年的金融投入力度下， 广东2007年度的科技产出水平如下： 科技论文数比重(全国第3位)、 获国家级科技成果奖系数比重(全国第25位)、 发明专利授权量比重(全国第2位)、 技术成果成交额比重(全国第3位)、 高技术产业增加值占工业增加值比重(全国第3位)、 高技术产品出口额占商品出口额比重(全国第5位)、 新产品销售收入占产品销售收入比重(全国第14位)。结合表1 中的数据发现， 目前广东在金融投入方面的力度是排在全国前列的， 尤其是政府资金的投入力度， 但其在科技产出方面还存在进一步加强的空间， 如获国家级科技成果奖系数比重较低表明了科技产出方面过分注重量上的积累而缺乏了科技成果含金量的提高， 此外， 新产品销售收入占产品销售收入比重较低在另一方面表明了科技成果的数量虽多， 但是真正能够实现产业化， 实现资本化的科技成果在数量上并不是很多。

表2 各DMU总体效率、 规模有效性及技术有效性

结论2 广东科技的金融投入与科技产出规模收益递减趋势明显。

在2006～2007年， 广东金融投入与科技产出呈现出为规模收益递减， 即每增加一个单位的投入， 相应产出增加将小于一个单位， 因此， 增加金融投入是不经济的。此外， 从表2中还可以看出， 金融投入与科技产出为DEA无效且呈现出规模收益递减的地区还包括辽宁、 上海、 浙江、 福建以及山东。这些地区都属于经济发展程度比较高的城市， 金融投入的力度均位于全国前列， 但是， 分析结果却表明了单纯的依靠金融投入已经不能够提高科技产出的效率， 只有做到金融投入与科技产出协调发展， 才能够有效地提高金融与科技的结合效益。因此， 广东要想真正地提高科技与金融的结合效益， 就必须调整优化金融投入科技的内部结构， 使得金融投入的结构与科技产出的阶段相对应、 相协调。

结论3 广东科技的金融投入与科技产出表现出技术无效性特征。

在2006～2007年， 广东金融投入与科技产出为技术无效， 即在现有的金融投入规模下， 金融资源并没有得到充分地发挥到科技产出最大化。从表2可以看出， 处于技术无效的地区还包括河北、 山西、 内蒙古、 辽宁、 黑龙江、 上海、 浙江、 福建、 山东、 河南、 湖北、 贵州、 云南以及甘肃。这些地区金融投入与科技产出均为DEA无效， 而造成其无效的其中一个原因则是技术无效。因此， 包括广东在内的这些地区需要加强金融投入资源的管理以提高科技产出的效率， 从而提高科技与金融结合的效益。

参考文献：

[1] 王海， 叶元煦. 科技与金融结合效益的评价研究 [J]. 管理科学， 2003(2)： 67-72.

[2] 吴和成， 郑垂勇. 科技投入产出相对有效性的实证分析 [J]. 科学管理研究， 2003(3)： 93-96.

[3] 盛昭瀚， 朱乔， 吴广谋. DEA理论、 方法与应用 [M]. 北京: 科学出版社， 1996.

[4] 唐炎钊. 区域科技创新能力的模糊综合评估模型及应用研究-2001年广东省科技创新能力的综合分析 [J]. 系统工程理论与实践， 2004(2)： 37-43.

[5] 于静霞， 刘玲利. 我国省际科技投入产出效率评价 [J]. 工业技术经济， 2007(9)： 134-137.

[6] 谢友才， 张红辉. 区域科技投入产出效率的DEA视窗分析 [J]. 研究与发展管理， 2007(3)： 85-92.