基于DEA的江西省科技金融投入产出相对效率分析

李雅丽 程 震

（江西师范大学地理与环境学院，江西 南昌 330022）

一、引言

科技金融是一种创新活动，即科学知识和技术发明被企业家转化为商业活动的融资行为总和；是一种技术—经济范式，即技术革命是新经济模式的引擎，金融是新经济模式的燃料，二者合起来就是新经济模式的动力所在[1]；它既是一种科学技术资本化过程，即科学技术被金融资本孵化为一种财富创造工具的过程；也是一种金融资本有机构成提高的过程，即同质化的金融资本通过科学技术异质化的配置，获取高附加回报的过程。

数据包络分析（DEA）是一种多指标投入和多指标产出的有效性综合评价方法，相对于参数方法，DEA无需预设生产函数的具体形式，即无需估计生产函数的参数，仅仅依靠分析实际观测数据，采用局部逼近的办法构造前沿生产函数模型来对生产单元进行相对有效性的评价，比较有代表性的DEA模型主要有：FG模型[2]和ST模型[3]；1986年Charnes等给出的具有无穷多个决策单元的半无限规划C2W模型[4]。

目前，针对科技与金融结合效率的研究大多采用定性的方法[5][6][7]，定量研究的文献不多，而且研究区域大多集中在国家层面，王海、叶元煦[8]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。时鹏将等[9]引用投入－产出型DEA模型对全国27个省和直辖市的R&D投入产出技术效率进行实证分析，许冶[10]利用DEA方法对我国1985～2003年科技投入相对效率进行测度，唐崇敏和官建成[11]运用DEA方法对33个国家在1995～2005年7个时间段内的科学论文产出效率进行比较，谢建国和周露昭[12]采用DEA方法，对我国30个省区的技术创新活动的有效性进行了分析，虽然DEA方法在我国已经有了一定的应用，但总体上来讲，其在科技金融评估领域的应用仍然不够广泛和深入，而且对于省域科技金融的研究较少。因此，本文采用DEA方法对江西省金融投入与科技产出结合的效益进行评价与分析。

二、指标体系的构建

表1 江西省2000～2010年科技金融投入产出指标体系

对科技金融投入产出进行评价，指标的选择必须能客观地反映金融活动中的投入与科技产业化的实际情况;另外，还要根据DEA分析方法本身的特点，选择相应的指标;由此来建立指标体系。评价指标体系的建立，一般要遵循四个原则，即科学性原则、可比性原则、可行性原则、适应性原则。本文选取江西省2000～2010年科技投入产出相关指标对江西省科技投入二次相对效率进行测算分析，具体见表1所示。

科技活动有别于一般的投入产出问题，其产出必须体现与科技投入相关的产出成果，尽管表面上其作用是间接的，但所蕴涵的推动经济社会发展的潜力和作用是巨大的。金融投入从总量和均量两个方面考虑，其中研究和发展（R&D）经费是反映一个地区科技实力的重要指标，又是提高综合实力和竞争力的重要基础;地方财政科技拨款有利于更多的社会资金投入科技创新；固定资产购建费说明对科技活动的硬件投资程度；人均R&D经费是科技活动持续发展的基本保证。在科技产出中，发明专利受理量和国内中文期刊科技论文数是全省科技活动成果的重要体现，是一种用以计量研究人员想法和他们产出的极普遍的指标；技术市场成交合同在生产力转化中起了重要作用；而新产品产值则可以被视为科技活动的直接商业化产出，科技产出中新产品产值的变化，更能体现科技产业化，并能有效地的使金融投入与科技产出效率机制相结合。

江西省金融投入与科技产出的主要指标2000～2010年的数据见表2。

表2 江西省科技投入与产出输入、输出值

三、科技金融投入产出效率评价方法与步骤

（一）DEA评价模型概念的引入

DEA是数据包络分析（Date EnvelopmentAnalysis）的简称，是著名的运筹学家A·Charnes和W·W·Cooper等人以相对效率概念为基础发展起来的一种崭新的效率评价方法。它是使用数学规划模型比较决策单元之间的相对效率，对决策单元做出评价。为了全面反映科技投入与产出，先利用多元统计分析中的因子分析方法，将反映科技投入产出的多个指标进行处理，然后将科技投入和产出的主要指标作为DEA绩效评价的输入和输出指标，以全面反映科技投入产出的效率状况。

（二）科技投入二次相对效率测算分析

根据 Banker，Charnes和 Cooper（1984）为生产可能集合建立凸性、无效率、射线无限制和最小外插性等四项公理，并引进Shepherd距离函数的概念，将技术效率（TE）分解为纯技术效率（PTE）和规模效率（SE），即:TE=PTE×SE，建立了规模报酬可变BC2模型，用以评价生产规模与技术有效:

假设有n个决策单元，每个决策单元都有m种类型的“输入”（表示该决策单元“耗费的资源”）和s种类型的“输出”（该决策单元“工作成效”）。可记Xij为第j个决策单元对第i种类型输入的投入量，Yij为第j个决策单元对第i种类型输出的产出量。若θ0=1，S-0=0，S+0=0，则称 DUMj0有效。

四、实证分析

一般来说，求解DEA模型可以直接采用计算机软件进行求解。本文将原始数据分别代入公式，采用Deap2.1进行求解，得出各地区的DEA值。在求解过程中，本文假设是以投入为主导型，也就是在既定投入下计算产出的最大值。各决策单元DEA求解结果如下表3所示。

表3 江西省科技投入与产出相对效率结果

（一）C2R模型结果分析

C2R模型是DEA模型的一种，评价的是DMU的整体效率。若C2R模型的得分为1，则表明该整体效率有效的状态。当决策单元处于有效状态时，表明和其他决策单元相比，该决策单元的投入和产出处于一种相对均衡状态，也即是说该决策单元的资源配置实现了最优配置。当综合效率值在[0.9，1]之间时，意味着该决策单元处于相对有效的状态，该决策单元只要稍作调整，仍可达到投入产出有效的水平。当综合效率值在[0.1，0.9]之间时，表明该决策单元处于明显非有效状态，若想达到投入产出的有效，需要经过长期的政策调整。当综合效率值在[0，0.1]之间时，表明该决策单元几乎处于完全无效的状态，需要对该投入产出进行反思，考虑该决策单元的投入方向是否正确，是否符合经济发展的正常规律。

从计算结果可以看出2000～2010年十一年的时间段中有六年是处于有效状态，五年是处于相对有效状态。00、01、02、03、06、10 年C2R得分为1，说明这六年科技金融投入和产出处于一种相对均衡状态，实现了资源的最优配置。而04、05、07、08、09这五年C2R 得分均小于1，特别是05、09年C2R得分小于0.9，也就是说这五年江西省科技金融投入至少在技术有效性或者在规模有效性方面存在不足，导致科技金融投入产出没有达到最佳水平，并没有实现资源的最优配置，需要政府对科技金融投入进行调整。

（二）B2C模型结果分析

B2C模型也是DEA模型的一种，它假设规模报酬不变，是在C2R模型的基础上，进一步评价当处于无效状态时，有多大程度是由技术效率引起的。通过该值的测算，可以看出江西省政府科技金融投入是否存在投入冗余或者产出不足，投入冗余或产出不足的量是多少等。

从B2C模型分析结果可以看出，2000～2010年十一年的时间段中有八年是纯技术效率有效的，三年是纯技术效率无效的。00、01、02、03、06、07、08、10 年 B2C 得分为 1，也就是说这八年实现了技术效率的有效性，即意味着这八年实现了在既定投入下产出的最大化或者说是在既定产出下的投入最小化。剩下的三年B2C分值在[0.9，1]之间，这表明这三年存在投入或产出不足，但是只要稍微调整资源配置的组合，即可实现既定投入下产出的最大化或者既定产出下的投入最小化。

这些DUM非DEA有效的原因都是没有合理配置好资源或产出不足造成的。如04、05以及09年各项投入均偏多，应该减少其投入，提高其金融投入的效率；而新产品产值、技术市场成交合同数、专利申请授权量出现了产出不足的情况，应该加大科技研发，使科技能够更好的转化为生产力，获得更有效的科技产出。各年份科技金融投入与产出的冗余值见表4。

（三）规模有效性结果分析

从规模有效性的结果来看，00到04、06、10年规模效率为1，也就是说，这七年的科技金融投入规模是适当的，无须扩大或缩小投入的规模。05、07年到09年处于规模无效，规模无效的情形有两种：一种是规模报酬递增的情形，也就是增加政府科技投入，其产出增长的幅度高于投入增长的幅度；一种是规模报酬递减的情形，也就是指增加政府科技投入，其产出增长的幅度低于投入增长的幅度。这五年均是处于规模报酬递减的状态，也就是说当科技金融投入的各要素按相同比例同时增加时，产量增加的比例小于投入要素的变化比例。这四年的综合效率没有达到有效（即1），是因为其规模与投入、产出不相匹配，规模报酬处于递减状态，说明其应该调整规模，适当地缩小其规模以达到规模有效。

表4 江西省科技金融投入与产出的冗余值

（四）综合分析

通过对江西省十一年间的C2R分析和B2C分析可以看出，00到03年、06、10年这六年综合效率和规模效率均为1，说明这五年科技金融投入和产出处于一种相对均衡状态，实现了在既定投入下产出的最大化或者说是在既定产出下的投入最小化，也就是实现了资源的最优配置。04、05、09这三年的综合效率和纯技术效率均小于1，说明这三年在投入方面存在冗余，产出方面存在不足，需要对各项投入进行调整，适当减少投入或在当前投入的基础上，通过改变管理模式使其产出增加。07年和08年的纯技术效率为1，而规模效率小于1，即它实现了既定投入下产出的最大化，或者说是在既定产出下投入的最小化，但是其规模报酬递减，应该缩小其规模。规模无效的四年均为规模报酬递减，说明规模不佳是这四年的通病，在科技金融投入的过程中，不能一味追求大规模，应当注重规模收益状况，从投入结构及管理模式方面来考虑提高效率。

五、结束语

本文采用DEA方法，对江西省十一年间的科技金融效率进行评价。从DEA分析的结果来看，江西省十一年间有四年是处于规模无效的，并且规模报酬递减，说明江西省一味的扩大投资规模，忽略了投资结构与管理体制的完善，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，江西省要想真正地提高科技与金融的结合效益，就必须深化科技体制改革，建立以市场为导向的新型管理体制，建立和完善科技金融投入增长机制，强产学研合作，加快科技向现实生产力转化。

[1]卡萝塔.佩蕾丝.技术革命与金融资本[M].北京:中国人民大学出版社，1983.

[2]Fare R and Grosskopf S.A nonparametric cost approach to scale efficiency.journal of Economics.1985.87:594—604.

[3]seiford L M and Thrall R M.Recent development in DEA.The mathematical programming approach to frontier analysis.Journal of Econometrics.1990，46:7—38.

[4]Charnes A，Cooper WW，Wei QL.A Semi-infinite Multicriteria Programming Approach to Data Envelopment Analysis with Many Decision Making Units[R].The University of Texas at Austin，Center for Cybernetic Studies Report CCS 551，1986.

[5]彭鹏，李丽亚.我国财政科技投入现状分析和对策研究[J].中国科技论坛，2003年第6期.

[6]邓向荣，刘乃辉，周密.转型期我国政府科技投入绩效研究[J].科技管理研究，2005年第10期.

[7]田中禾，徐浩领.基于C2GS2模型的企业科技投入产出绩效评价研究[J].科技管理研究，2010（2）:72-73.

[8]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.

[9]时鹏将，许晓雯，蔡虹.R&D投入产出效率的DEA分析[J].科学学与科学技术管理，2004，（1）:28-30.

[10]许治，师萍.基于DEA方法的我国科技投入相对效率评价[J].科学学研究，2005，（8）：481-484.

[11]唐崇敏，官建成.基于DEA方法的科学论文产出效率分析[J].科学学与科学技术管理，2007，（6）:28-34.

[12]谢建国，周露昭.中国区域技术创新绩效——一个基于DEA的两阶段研究[J].学习与时间，2007，（6）:29-34.