基于PCA—DEA—Moran指数的科技金融发展效率评价研究

龙云飞 杨慧 朱艳

摘 要：通过构建主成分分析、包络数据分析和Moran指数相结合的科技金融效率评价模型，运用2015年全国31个省（市、自治区）的科技金融投入指标和产出指标，对全国科技金融发展效率进行了评价。研究发现：全国大部分地区的科技金融效率相对较低，仅有北京、上海、浙江、江苏、广东、天津等地科技金融投入产出效率较高，各地区科技金融效率呈现明显的区域不均衡发展态势。根据研究结论提出应从创新科技金融产品、优化科技金融投资渠道、构建科技金融服务平台和推动科技金融区域间协调发展等方面提高整体科技金融发展效率和水平。

关键词：科技金融；效率评价；主成分分析；包络数据分析；Moran指数

文章编号：2095-5960（2018）03-0054-10；中图分类号：F224.7，F223；文献标识码：A

我国经济在进入“新常态”后，经济增长的动力由要素和投资驱动向创新驱动转变，科技创新是创新驱动战略中的核心，科技创新需要金融资源持续和稳定的流入，而科技金融的发展好坏对能否实现增长动力切换至关重要。因此，对科技金融尤其是如何更为准确和科学地评价科技金融发展效率这一问题开展研究意义重大。

一、文献综述

国外学者在研究金融效率时，认为其與金融自身发展的程度较为匹配，因此，他们专门对金融效率方面问题进行研究的成果较少，而是更侧重于从微观金融的角度，探讨不同金融变量的变动对长周期的经济增长的影响，因此对科技金融效率的研究主要集中于不同金融资源投入对科技进步和技术创新的影响。Atanassov J.， Nanda V. K ， Seru A.（2007）通过分析美国国内上市公司将近 30 年的有关数据得出，靠债券、股票多种融资方式获取资金的企业比依赖银行贷款的公司科技创新效率更高。Po-Susan Hus、Xian Tan、AnAu（2012）使用包括 32 个发达国家和新兴国家的大数据集，建立截面框架面板数据结构模型，发现在5%的显著水平下，股票市场、信贷市场外部融资对以专利为主的创新产出影响明显。Muriel Cal-ContGrandness、Sophie Pommet（2009）基于黄、徐的金融联合模型进行专业模型联合和性能比较，利用聚合原理建立分析模型，结果表明银行等金融机构对企业的支持力度直接影响企业的创新项目成功与否。Caterina Giannetti（2012）发现银行的介入对促进高技术企业发展效果突出，特别是在其流程创新以及新产品引入这两个阶段，银行融资支持的作用十分明显。

而国内研究相对更为宏观，偏好于根据科技金融的定义和内涵，选取不同的金融投入指标和科技产出指标运用不同的分析方法来评价全国或省份的科技金融效率。回广睿（2014）对我国除西藏外的30个省（自治区、直辖市）年的科技金融投入产出数据分别进行了测算，得到了各省各年科技金融的效率值，并进一步计算出全国及东中西部地区科技金融效率的平均水平，发现东部地区科技金融效率最高，西部次之，中部最低。芦峰、韩尚容（2015）运用2003—2013年全国 29 个省（除西藏、新疆）的面板数据，分析了科技金融对科技创新的影响，发现在技术创新阶段，科技型上市公司占比和风险投资对专利授权数有着促进作用，但是政府投入经费比对专利授权数有抑制作用；在技术成果转化阶段，大部分情况下，科技金融对科技创新没有显著影响；在高新技术产业化阶段，市场性科技金融对科技创新有着促进作用，但是政府科技资金投入对科技创新没有显著影响。薛晔、琦珠、高晓艳（2016）运用熵权法和贝叶斯随机前沿模型，从综合产出角度对2001—2014年中国内地30个省（市、区）科技金融发展效率进行了测算，发现中国内地大部分地区的科技金融发展效率大体上是不断提高的，但各地区在提高幅度上存在很大差异。韩威（2015）搜集2005—2014 年河南省 18 个地市科技金融的有关数据，并运用DEA-Tobit方法对河南省科技的金融结合效率进行了实证研究，发现河南省科技金融结合效率呈现先上升后下降的态势；且不同的科技资金来源和金融市场结构对科技金融效率影响不同，金融市场规模、高技术企业整体规模与科技金融结合效率呈显著正相关，科技拨款与科技金融结合效率呈显著负相关，金融市场效率与科技金融结合效率呈不显著正相关关系，并且金融市场结构与科技金融结合效率呈不显著负相关关系。宋慧（2016）同样运用DEA-Tobit两阶段分析法，对山东省科技金融发展效率的影响因素进行了分析，发现财政资金科技投入与科技金融效率负相关，而科技信贷规模与高技术企业规模与科技金融效率高度正相关。

综上所述，现有研究主要针对科技金融发展对区域创新、科技创新的影响，特别是通过定量分析的范式来判断科技金融发展效率，基本采用的是DEA方法，将金融资源的投入作为投入指标，将科技创新指标作为产出指标，研究不同的金融投入对科技产出的不同影响，且指标选取存在着一定趋同的倾向。本文根据科技金融的内涵，试图建立一套PCA-DEA与Moran指数相结合的科技金融效率评价方法，以期能够更为科学和真实地评价总体科技金融发展效率，并运用2015年全国31个省（直辖市、自治区）科技金融相关指标截面数据进行实证分析，并据此提出发展科技金融的对策建议。

二、科技金融效率评价实证分析

（一）基于PCA主成分分析的科技金融投入产出指标构建

为测度科技金融的投入产出效率，本文设定Xij为科技金融的投入指标，包括：R&D;经费投入强度、财政资金科技投入（万元）、科技贷款（万元）三个投入维度；Yrj为科技金融的产出指标，包括：专利授权量、高新技术产业产值占GDP比例、高技术产业主营业务收入（亿）、技术市场成交合同金额（万）四个产出维度。

根据以上检验，科技金融投入、产出指标的特征值大于1（2.3675，2.7488）的都只有一个主成分；且主成分贡献率与累积方差贡献率为0.7左右（0.7892，0.6872），主成分能够分别代表科技金融投入、产出的大部分信息。因此，将科技金融投入指标构造为一个科技金融投入综合指标，同时将科技金融产出指标构造为一个科技金融产出综合指标，具有量化论据证实的科学依据。

根据旋转后的成分矩阵系数来解释主成分，用该系数除对应算术平方根来计算各主成分系数。根据软件分析得到指标变量的初始特征值大于1的个数来分别计算各主成分的综合得分，用旋转矩阵系数乘原始变量标准化后的矩阵数据，公式表示如下：

因此，根据特征值、主成分貢献率和累计方差贡献率判断指标，确定科技金融投入主成分只有一个，其主成分系数结果根据stata软件输出，如下表5。

进一步，利用生成的科技金融投入综合指标和科技金融产出综合指标，带入到表2省际科技金融绩效评价指标，就能够生成省际科技金融投入、产出分别的综合指标，据此绩效差异对省际科技金融绩效进行评价。

二、基于PCA-DEA-Moran指数的科技金融绩效评价

（一）基于PCA-DEA的科技金融综合绩效指数计算

值得注意的是，DEA作为非参数分析，计算的是相对效率指数，可以看出北京的科技金融效率高（科技金融效率指数为0.87436，排名为3）；但是相对效率扣除掉了绝对基数的影响，即有可能存在的“低投入—低产出”的所谓“高效”，如青海省效率指数为最高1，但如下图所示，海南省的产出水平却很低，存在低投入-低产出的相对高效。

可以看出，位于0横轴以下的省市，存在显然的“产出冗余”，即投入效率相对较高；而位于0横轴以上的省市，实际上存在着低产出的“相对高效”，即存在金融对科技的投入效率低下的困境。因此，为了进一步对省际科技金融绩效评价情况进行判别，还需将各省市产出系数与相对效率系数相结合，消除“低投入-低产出”的伪高效情况。

（二）PCA-DEA-Moran值

为解决DEA指数存在的“低投入-低产出”相对高效问题，进一步采用Moran指数对低低聚集、高高聚集进行区分。其中，Xi即为上文中基于PCA-DEA计算出的hj，也即科技金融绩效评价指数；而权重Wij则采用产出水平构造而成的权重，旨在通过绝对产出值调整非参数科技金融绩效评价指标。

如下图2所示，剔除了低低聚集产生的“伪高效率”之后，大于1的Moran指数呈现了高高聚集的北京、上海、浙江、江苏、广东、天津等科技金融投入产出效率高的省份；2015年大部分省市的科技金融基于投入产出的效率而言，都处于效率不高的聚集状态。

根据前文实证分析结果可知，在省际科技金融投入产出相对效率指数方面，北京市、青海省和宁夏回族自治区的DEA-C2R效率指数都相对较高，而上海和广东等经济发达地区相对较低，故可能存在“低投入-低产出”的相对“高效”。利用各省市产出系数与相对效率系数相结合，可以得出，江苏省和广东省存在明显的“产出冗余”，即投入效率较高，而其余省市实际上存在低产出的“相对高效”，即存在金融对科技的投入效率低下问题。为解决DEA指数的“低投入-低产出”的相对高效问题，采用Moran指数进行了实证分析，得到结论：北京、上海、浙江、江苏、广东、天津等省市科技金融投入产出效率较高。

三、促进科技金融发展的对策建议

由上文可知，我国对科技金融的投入不断加大，但大部分省份的科技金融效率相对缺较低，仅有少数省份的科技金融发展效率较高，为进一步提高整体科技金融效率水平，本文从以下四个方面给出了政策建议。

（一）支持科技金融产品创新和发展科技金融服务

在我国以银行业为主导的金融市场中，商业银行的贷款是科技型企业最重要的融资渠道，但在加强发展科技贷款的主导作用的同时，也要进行科技金融产品创新。一方面，要推动信用体系的建设，对企业实施信用评定，以企业信用体系建设为基础，规范科技型企业的治理体制，督促企业守法守信，实现融资发展的良性循环；推动金融机构对科技型企业贷款专营机构的建设，专门开展科技企业贷款业务，在完善金融服务的同时，根据中小型科技企业的特点和需求，制定专门的贷款计划和审批、考核程序等。也要加强金融人才队伍建设，树立人力资源是金融业第一资源的理念，吸引海外高层次金融人才，加大金融人才培养力度，完善人才激励与服务机制。另一方面，要支持科技金融产品的创新，政府对产品创新要保持开发态度，各省市应该对科技金融产品的创新给予一定的政府公共财政支持条件。并大力开发结构性和复合性金融产品，支持股权和债权相结合的融资方式。

（二）优化科技金融投资渠道

科技型企业在发展的过程中一直面临着失败的可能性，具有高风险的特征，因此，科技型企业的融资渠道也需要多样化，创新融资方式，拓宽融资市场，大力推动间接融资和多元化融资市场发展。具体表现为可以发展创业投资和股权投资、支持知识产权融资和债券融资。拓宽中小科技企业的融资渠道，汇聚更多资源，并推动市场交易平台的建设。针对高成长性的创业企业，可以大力发展创业投资，向高科技型创业企业提供股权资本，并为其提供管理和经营服务，在企业发展壮大后，通过股权转让以收取高额中长期收益。针对初创型科技型企业，要大力推动包括天使投资、创业投资、风险投资等的股权投资方式的发展。而对科技型企业而言，市场交易主要包括企业股权、债权和产权的交易。需要建立的多层次资本市场，建立并推动股权、债权交易中心的发展。此外，要推动知识产权融资和债券融资，科技型企业最核心的竞争力就是知识产权，作为企业的最重要的资产，可以通过知识产权证券化，并建立知识产权融资市场，制定相关融资政策，简化知识产权融资流程，增加科技型企业融资渠道。要支持符合条件的创新企业通过非公开方式发行公司债券融资，发挥交易所股权质押融资机制作用。

（三）构建科技金融服务平台

在促进科技金融发展方面，要充分发挥政府的指导、辅助和监督作用，由政府部门牵头，制定相关优惠政策，对科技型企业进行财政支持，提供产业园区服务等，搭建科技金融服务平台，整合金融资源，使资源得到最优的配置，并以完善的优惠政策服务体系吸引创投机构的加入。一要加强担保贷款平台的建设。目前我国的金融服务仍然属于以银行贷款为主的结构，而众多中小型科技企业由于自身发展规模受限，在银行获取贷款援助较困难，因此，针对该类企业“轻资产”的特点，提供融资担保的服务平台，扩大担保质押物范围，优化融资担保服务，减小科技企业从银行融资的难度至关重要。二要推动科技保险市场的发展。建立并完善科技保险保费补贴制度，创新科技保险产品种类，提高科技保险理赔服务，支持企业购买科技企业产品研发责任保险等保险产品和服务。加大保险资金参与科技型产业的力度，推动新兴高科技产业的培育、发展重大科技项目投资。

（四）推行科技金融发展区域化战略

由于各省份科技型企业和金融业发展情况等不一致，导致科技金融的发展情况存在着较明显的差异，针对各地區的具体情况，应该推行各自的区域发展战略，使有限的科技金融资源得到更优化的配置。政府要根据地区经济情况，通过拓展和选择合适的科技金融投入方式，鼓励多种科技金融产品的研发，解决科技型企业的融资难问题。政府应出台具体的政策辅助和引导科技企业进行技术创新，并加大对金融机构科技金融放款的扶持力度，且在财政税收方面给予科技型企业优惠政策，利用财税资金杠杆作用，加大金融服务实体经济力度，减小了企业成本，提高科技研发力度。此外，在推动科技金融发展区域化战略，并形成较完整的科技金融发展体系的同时，还要充分发挥其辐射效应，带动周边区域科技金融的发展。将科技和金融资源密集的区域打造成科技金融发展的中心地带，促进地区资源间的相互流通和共享，以政府资金撬动民间资本，以中心地区带动周边区域，发挥规模效应作用。

参考文献：

[1]Chouyuan K，CHIN M S.Financial innovations and en-dogenous growth[J].Applied Mechanics and Materials Journal，2006，12（3）：146-149.

[2]Guan J，Chen K.Modeling macro-R&D; production frontier performance： an application to Chinese province-level R&D;[J].Scientometrics，2010，82（1）：165-173.

[3]PH Hsu，X Tian，Y Xu.Financial development and innovation： Cross-country evidence[J].Journal of Financial Economics，2014，112（1）：116-135.

[4]Keuschning Christian.Venture Capital Backed Growth[J].Journal of Economic Growth，2004，9（2）：239-261.

[5]岑猷辉.广州科技金融发展政策研究[D].华南理工大学，2015.

[6]王芳.河南省科技金融结合的绩效评价及对策建议[J].问题探讨，2016（12）：86-89.

[7]韩威.基于DEA-Tobit模型的科技金融结合效率实证分析——以河南省为例[J].理论研究，2015，125（8）：36-40.

[8]沈虹.基于结构方程模型的地方政府支持科技金融发展差异性研究——以江苏省为例[J].科技进步与对策，2013（11）：48-52.

[9]杨卉芷，马鑫杰.科技金融对技术创新的影响及政策建议——基于灰色关联分析法[J].西部经济管理论坛，2013（1）：44-47.

[10]温瑶.科技金融投入对技术创新产出影响的研究[D].大连理工大学，2016.

[11]徐玉莲.区域科技创新与科技金融协同发展模式与机制研究[D].哈尔滨理工大学，2012.

[12]李瑞晶，李媛媛，金浩.区域科技金融投入与中小企业创新能力研究——来自中小板和创业板127家上市公司数据的经验证据[J].技术经济与管理研究，2017（2）：124-128.

[13]郑潇潇.四川科技创新的金融支持研究[D].四川农业大学，2016.

[14]肖泽磊，韩顺法，易志高.我国科技金融创新体系的构建及实证研究——以武汉市为例[J].科技进步与对策，2011（9）：6-11