我国二线城市科技金融投入效率研究——以佛山市为例

付世俊

（广东技术师范大学 财经学院，广东 广州 510665）

一、引言

纵观世界经济的发展史，各国经济增长存在巨大差距的原因之一就是科技进步贡献率存在差距。党的“创新驱动发展”战略明确指出科技创新是提高社会生产力和综合国力的战略支撑，要以科技创新形成经济发展的新方式，促进经济发展模式转型升级。在促进我国经济整体发展中，二线城市作为不容忽视的一支队伍，其有一定的经济基础，有较为活跃的经济环境，对资本和劳动力有一定的吸引力。但相比一线城市，二线城市的科技创新能力还不够高，经济发展尚落后。随着我国新型城镇化的推进，二线城市的发展面临了前所未有的挑战和机遇。科技创新作为经济新常态背景下经济转型的动力源，是推动新型城镇化的强大软实力，同时也是二线城市谋求持续发展的重要引擎。

科技的进步和创新需要资本的投入，同时金融也可以借助科技创新的高风险和高收益分散风险，科技和金融的互利结合自然而成[1]。世界范围内的实践经验表明，生产技术革新与金融创新活动紧密相连，要想实现科技创新能力的提高，离不开配套的金融政策和金融服务体系。由此，国务院颁布了《实施〈国家中长期科学和技术发展规划纲要〉的若干配套政策》，明确提出要促进科技与金融的结合，充分发挥金融对自主创新的支持作用。在地方政府出台的配套性政策文件中，也有接近1/3与科技金融相关。可见，科技金融这一旨在将金融资本与科技变量有效结合的概念，在国家层面和地方政府层面都已得到普遍关注。

作为二线城市，佛山市的经济发展在广东省乃至全国都占有不可低估的地位，2017年佛山市实现生产总值9 549.6亿元，占广东省当年生产总值（89 879.23亿元）的比重为10.63%，占当年国内生产总值（827 122亿元）的比重为1.16%。目前，佛山市已建成国家级科技企业孵化器18家，位列广东省第三；国家级众创空间20家。佛山市科技发展“十三五”规划提出，到2020年，佛山市孵化器数量计划要达80家，各类“众创空间”要达到50家。可见，二线城市的科技创新热情高涨，如何在科技创新过程中高效率地增加金融投入，直接关系着二线城市的科技创新事业能否顺利推进，关系着二线城市的长远可持续发展，也关系着国家的新型城镇化战略能否得以实现。

本文立足于我国经济处于转型阶段、二线城市发展面临新机遇新挑战的现实背景，以全国的二线城市作为研究样本，利用数据包络分析法，首先测算二线城市2015—2016年的“科技金融投入-科技创新产出”效率；然后以二线城市中的佛山市为例，将其科技金融投入按来源进行分类，进一步测算了2010—2016年间不同来源的资金在促进佛山科技创新中的不同效率。

本文的创新之处在于，第一，已有研究科技投入产出效率的文献，大都以省份、区域、一线城市为样本进行研究，尚未有学者将具有较大发展潜力的二线城市作为研究对象。我国二线城市数量较多，对经济增长的贡献不容忽视，研究二线城市的科技投入产出效率，对促进二线城市乃至全国的可持续发展具有重要意义。第二，现有研究科技投入产出效率的成果，内容大都是对效率的测算及结果的分析，尚无文献研究资金来源的差异对科技投入产出效率有何影响。本文在二线城市科技投入产出效率测算的基础上，进一步以佛山市为例，将科技投入中的资本投入按资金来源进行分类，深入挖掘不同来源的资金促进科技创新产出的效率有何差异。

二、相关文献回顾

（一）国外相关研究

关于金融对科技创新的支持作用，国外已有大量的研究成果，并且已经出现一些比较具有代表性的研究成果。最初的研究主要是从宏观层面展开，Solow的研究肯定了投资、技术进步对经济增长的重要促进作用，但他把投资（储蓄）作为经济增长模型的内生变量，把技术进步作为模型的外生变量，而忽视了投资和技术进步之间的关系[2]。后来的学者逐渐意识到资本的投入对技术创新的重要影响，Evans等运用超越对数生产函数，研究了21年间82个国家的数据，发现金融支持可以促进技术创新，故在促进经济发展方面金融支持和人力资本同样重要[3]。进一步地，Wang和Huang测算了人力和资本支持在促进科技创新方面的效率，他们以30个国家为研究样本，发现大部分国家R&D投入的产出效率不是充分有效的[4]。Chowdhury和Maung利用发达国家和新兴国家的数据集，通过三种研究方法（普通最小二乘法、跨国工具变量回归法、面板回归法）的使用，证明金融市场的发展可以显著提高R&D活动中金融投入的产出效率[5]。

随着研究的不断深入，以中观、微观为研究层面的成果也不断出现。Kortum和Lerner实证研究了美国二十多个行业三十多年的风险投资、专利发明等数据，发现风险资本的投入能显著促进工业科技创新，增加风险资本投资可以促进行业专利申请率的提高[6]。Canepa和Stoneman利用第二次和第三次社区创新调查的个人回报数据，探索了金融对英国科技创新的影响，他们的研究结果表明金融因素对创新活动存在显著影响，特别是对高新技术产业和中小企业[7]。Benfratello等的研究也得到了类似的结论，他们以20世纪90年代意大利的大量公司为研究样本，发现银行发展对高新技术部门、小企业的过程创新有显著影响[8]。而关于银行发展对科技创新的作用，Hsu等的研究却得到了不同的结论[9]。他们以32个发达及新兴市场国家作为样本，研究金融市场发展对技术创新的影响，发现在股票市场较发达的国家，越是依赖外部融资、科技含量越高的行业，创新水平越高，而银行信贷市场的发展不利于这些行业的创新水平提高。Atanassov的研究从微观层面证明了科技金融投入确实对科技创新产出具有影响，他通过使用美国公开交易的公司数据，研究发现相比那些利用关系获得银行融资的公司，那些通过公平方式获得融资的公司创新成果更多、创新质量更高[10]。

（二）国内相关研究

国内学者开始从金融投入的视角研究科技创新活动主要是在2006年后兴起的。2006年，国务院颁布的《实施〈国家中长期科学和技术发展规划纲要〉的若干配套政策》明确提出要促进科技与金融的结合。目前，关于科技金融的研究主要集中在两个方面：一是研究金融投入对科技创新的促进作用，二是研究科技金融投入的科技产出效率。

关于金融投入对科技创新的促进作用，任元彪通过理论分析指出原始创新在企业创新活动中的实际地位较低，导致了企业原始创新的动力缺乏。要想解决这一问题，关键在于科技金融创新，以科技金融创新带动企业科技创新[11]。2010年之前关于科技金融的研究大都是从理论分析着手，从2011年开始，关于科技金融促进科技创新的研究向实证化方向发展。徐玉莲等基于2008年的省际截面数据，实证检验了我国科技金融和科技创新的耦合协调度，发现我国科技金融的发展落后于科技创新的发展[12]。崔艳娟和赵霞的研究探索了科技投入是如何影响中小高新技术企业的发展，发现银行信贷的不稳定不利于中小高新技术企业的发展，中小高新技术企业的发展56%是因为研发人力的投入，13%是因为政府资金的投入[13]。叶莉等以上市科技型中小企业为样本，研究发现政府资金投入、资本市场资金和发行债券筹集的资金均对研究样本的科技创新有显著促进作用[14]。而张玉喜和赵丽丽以我国2004—2012年间30个省（市、区）为研究样本，实证研究发现金融投入与科技产出之间的正相关关系只有在短期内才能体现，在长期内这种正相关关系在统计上并不显著[15]。郑磊和张伟科以我国2005—2015年间29个省级行政区为研究样本，发现科技金融对科技创新的作用受经济发展水平的影响：经济发展水平低时，科技金融投入不利于科技创新；经济发展水平高时，科技金融投入才能够促进科技创新[16]。

关于科技金融投入的科技产出效率的研究，有以下几个比较有代表性的成果。曹颢等通过计算2001—2008年全国各地区的科技金融发展指数，探索各地区科技金融投入和科技创新产出的特征，间接评价了各地区科技金融投入的产出效率[17]。江湧等测算了2014年我国30个省市的科技金融投入效率，并对广东省2000—2014年的科技金融投入效率进行了深入分析，提出单纯依靠扩大金融投入并不能有效提高科技产出[18]。罗清和和朱诗怡测算了包括深圳在内的14个城市2016年的科技金融投入效率，结果显示深圳市的科技金融投入效率为有效[19]。

综合以上的研究成果，我们可以看到，关于我国科技金融投入的实证研究起步虽较晚，但近年的研究成果较多。然而，现有的研究成果大都是从国家或省际的层面进行研究，少部分的研究以个别城市为样本，但也仅限于大城市，尚无研究以二线城市作为研究样本。另外，现有的研究成果测算科技金融整体投入效率的多，鲜有研究将科技金融投入按资金来源进行划分，进而比较不同来源的资金投入的科技产出效率。

三、理论分析与模型选取

（一）理论基础分析

研究“科技金融投入-科技创新产出”效率的理论分析是建立在Cobb-Douglas生产函数的基础之上。Cobb-Douglas生产函数表示在一定的技术经济条件下，最后的产出与最初的投入之间的关系。科技创新活动的投入包括与R&D相关的资本投入和与R&D相关的劳动力投入，考察科技投入促进科技产出的效率就是测算在现有的经济环境和政策条件下，科技创新产出和科技投入之间的关系，这符合生产函数的基本模型。

（二）测算模型选取

从科技投入到科技产出的过程涉及到多项投入和多项产出。数据包络分析法（Data Envelopment Analysis，简称DEA）是一种适用于多投入、多产出的非参数技术效率分析方法，其在分析多投入、多产出的情况时具有特殊的优势。通过运用DEA来比较研究样本的效率，可以识别无效率的研究样本，还可以衡量无效率样本的无效程度。并且，通过对无效率样本和有效率样本的比较，可以找到正确而有效的方法。常用的DEA模型有很多种，本文选取其中的CRS径向DEA模型用于测算综合效率值，选取VRS径向DEA模型用于测算纯技术效率值[20]。CRS径向DEA模型假设规模收益不变，其测算的技术效率值包含了规模效率的成分，故被称作“综合效率值”。VRS径向DEA模型基于规模收益可变，测算的效率值排除了规模的影响，被称为“纯技术效率值”。由于综合效率值=纯技术效率值×规模效率值，结合CRS径向DEA模型和VRS径向DEA模型的测算结果，可以计算出规模效率值。

关于模型导向的选择，在测算各个二线城市科技投入的科技产出效率时，本文选择产出导向模型，探索在现有投入的条件下，要达到技术有效，各二线城市的科技成果应该增加的程度。在测算佛山市2010—2016年各项科技金融投入的科技产出效率时，本文采用的是投入导向模型，探索在不减少当前科技成果的条件下，要想达到技术有效，应如何优化佛山市的科技金融投入。

四、数据、样本及变量

（一）数据来源与样本选择

2018年4月26日，第一财经·新一线城市研究所举办“新一线城市峰会暨2018中国城市商业魅力排行榜”发布了最新一期的城市商业魅力榜单。依据最新的品牌商业数据、用户行为数据、城市大数据，该研究所对中国338个地级以上城市进行排名。此次排名结果显示，我国共有30个二线城市，本文即以这些二线城市作为研究对象。因二线城市的统计数据信息需经省统计局核准后才能公开，一般会延后两年公开，故本文能获取的最新数据是2016年的，本文遂以2016年作为研究的时间节点。考虑到科技产出在时间上具有一定的滞后性，本文借鉴相关领域的研究成果，假定科技投入与其产出存在1年的时间差。即本文中，2016年的科技产出是2015年科技投入的结果。

数据来源为各二线城市及其所属省份相关年度的统计年鉴，各二线城市各年的《国民经济和社会发展统计公报》，以及各二线城市及其所属省份的统计局网站。因相比一线城市和省级数据，二线城市的数据公布尚不规范和完善，所以某些二线城市的部分数据存在缺失。而用于DEA模型的数据不允许有缺失值，本文最终剔除掉存在数据缺失的二线城市样本，选取昆明、大连、合肥、佛山、福州、哈尔滨、济南、温州、长春、石家庄、常州、南宁、南昌、金华、徐州、惠州、保定、台州、中山、绍兴共20个城市进行比较研究。

（二）指标体系与变量定义

在现有关于科技金融投入效率的研究成果中，学者们选取的评价指标不同，选取标准各异。以Cobb-Douglas生产函数为理论基础，本文从科技投入和科技产出两方面来构建效率评价指标体系。结合已有的相关研究成果，本文最终建立的指标体系及其说明如表1所示。

表1 科技金融的科技创新效率评价指标体系

本文从与R&D相关的资本投入和与R&D相关的劳动力投入这两个角度选取科技投入的指标。与R&D相关的资本投入用规模以上工业企业研究与试验发展经费内部支出（简称：规上R&D经费内部支出）来衡量，按其资金来源，可以进一步细分为政府资金、企业资金、境外资金、其他资金。与R&D相关的劳动力投入用规模以上工业企业研究与试验发展人员折合全时当量（简称：规上R&D人员）来衡量。关于科技产出指标体系的构建，考虑到完整的科技产出过程包含了科技成果的孵化阶段、转化阶段以及产业化阶段，每个阶段取得的成果均在一定程度上反映了科技创新的产出水平，本文选取专利授权数量、技术市场合同成交金额分别对处于孵化阶段、转化阶段的科技成果进行衡量，选取规模以上工业企业新产品产值、规模以上工业企业工业增加值对产业化阶段的科技成果进行衡量。

本文所涉及20个二线城市的相关数据如表2所示。从表2可以看出，佛山市2015年的科技资本投入（规上R&D经费内部支出）在20个二线城市中排名第1，科技人力投入（规上R&D人员）排名第2，说明在二线城市中佛山市的科技投入规模比较大。而从产出来看，首先在科技成果孵化阶段的产出，佛山市2016年专利授权数量在20个二线城市中排名第2；其次在科技成果转化阶段的产出，佛山市2016年技术市场合同成交金额排名第17位，也就是倒数第4位；最后在科技成果产业化阶段的产出，佛山市2016年规上新产品产值排名第2。由此可以初步判断，由于在科技成果转化阶段的产出水平不高，佛山市科技投入产出效率不是有效的。

五、实证分析

（一）2015—2016年二线城市科技投入产出效率分析

借助MaxDEA 7 Basic软件，本文对我国2015—2016年20个二线城市的科技投入产出效率进行测算，测算结果如表3所示。

首先，从表3的综合效率值可以看出，在20个二线城市中，只有7个城市的科技投入产出效率是有效的，只有2个城市的科技投入产出效率是相对有效的，11个城市的科技投入产出效率是非有效的。这反映了当前我国二线城市整体的科技投入产出效率不高，在不增加科技投入的情况下，科技产出仍有很大的提高空间。

表2 我国二线城市2015年的科技金融投入和2016年的科技创新产出表

表3 2015—2016年我国二线城市科技投入产出效率表

其次，从表3中的规模收益状态可以看到，有8个二线城市处于规模收益递减状态，7个二线城市处于规模收益不变状态，仅有5个二线城市处于规模收益递增状态。对于处于规模收益递减状态的二线城市来说，依靠科技投入的增加来提高科技创新产出水平是不经济的。而对处于规模效益递增状态的二线城市来说，在未来可以适当增加科技投入，以充分获取科技产出的规模收益。

最后，表3中佛山市科技投入产出综合效率值为0.756，说明佛山市的科技投入效率处于非有效水平，这跟我们在前文的初步判断是一致的。并且，跟二线城市的平均综合效率值（0.775）相比，佛山市综合效率值0.756低于二线城市平均水平。在表3中佛山市的规模效率值（0.760）在20个二线城市中排名第18位，也就是倒数第3，并且已经处于规模收益递减状态。综上可知，就佛山市现有的科技投入水平来说，其目前的科技产出量较低，在不增加科技投入的条件下，其科技产出仍有较大的提高空间。

观察MaxDEA 7 Basic软件中的分析结果，我们还可以了解各二线城市各项科技产出的不足情况，如表4所示。

表4 我国二线城市2016年各个阶段科技产出不足情况表

根据DEA模型的原理，有：有效目标值=原始值＋比例改进值＋松弛改进值。从表4可以看出，佛山市在不增加当前科技投入的情况下，当产出Y11（专利授权数量）完成比例改进（松弛变量为0），增加141.817件，就可以使该项产出达到有效状态下的目标值；产出Y2（技术市场合同成交金额）完成比例改进和松弛改进，分别使Y2增加0.014亿元和10.928亿元，就可以使该项产出达到有效状态下的目标值；产出Y31（规上新产品产值）完成比例改进（松弛变量为0），使产出增加14.951亿元，即可达到有效状态下的目标值。

（二）2010—2016年佛山市科技金融投入效率分析

为了明晰佛山市科技投入产出效率非有效、科技产出不足的原因，本文接下来选择投入导向的DEA模型测算2010—2016年间佛山市的科技金融投入效率，以探索在已有的科技产出水平下，要达到技术有效状态，科技金融投入应该减少的程度。同时，为了探索不同来源的资金在促进科技创新方面的效率有何不同，本文进一步将科技投入中的资本投入按资金来源进行分类，分为四大类：政府资金、企业资金、境外资金、其他资金。其中，“其他资金”包括来源于金融机构、创投风投、资本市场的R&D经费。2010—2016年佛山市科技投入和科技产出情况见表5，从该表中可以看到，佛山市科技金融投入在2009—2015年间呈上升趋势，特别是企业投入的研发资金上升趋势更是明显。

表5 佛山市2010—2016年科技投入产出情况表

借助MaxDEA 7 Basic软件，测算得到2010—2016年佛山市科技投入产出效率及投入冗余情况，如表6所示。从表6中可以看出，佛山市科技投入的纯技术效率、综合效率值总体上呈现先下降后上升的趋势，而规模效率值在2010—2016年间比较稳定。还可以发现，在2011年、2013年、2015年佛山市的科技金融投入存在冗余，并且是X11（政府资金）、企业资金（X12）、境外资金（X13）、其他资金（X14）都存在投入冗余。也就是说，当科技金融投入效率达到有效状态时，达到现有的科技产出水平，并不需要如此多的金融投入量。这说明，佛山市科技金融投入的使用效率不高，科技金融投入的管理和监督有待进一步加强。

表6 佛山市2010—2016年科技金融投入冗余情况表

表7 2010—2016年间佛山市不同来源的资金的科技创新效率表

根据表7的结果，我们可以得到如下结论。首先，关于政府资金的科技创新效率，在2009—2015年间，政府资金在佛山市科技金融投入中的比重只有2%，但是政府金融在促进科技创新方面的综合效率值（0.933）、规模效率值（0.989）是四类资金中最高的，说明政府投入的R&D资金在促进科技创新方面发挥了重要作用。俞立平[21]利用2001—2008年中国科技投入产出数据，通过TOPSIS方法实证得出政府科技投入对科研产出具有显著贡献。该结论和本文的观点是一致的。

其次，关于企业资金的科技创新效率，在2009—2015年间，企业资金在佛山市科技金融投入中的占比为97%，反映了佛山市企业从事科技创新活动的积极性比较高。在促进科技产出方面，企业资金的纯技术效率值（0.956）在四类资金中是最高的，但规模效率值（0.940）在四类资金中是最低的。可能的原因在于，企业对R&D经费的使用存在资源配置不合理的现象，或者存在对资金使用的管理和监督不力的现象，导致资金使用的配置效率低，不利于科技创新产出。

再次，境外资金在佛山市2009—2015年间R&D活动中的占比较低，接近于0，对整体科技创新产出的影响不大，并且与其他三类资金相比，平均纯技术效率值（0.925）最低，故本文在这里不作过多陈述。

最后，关于本文中“其他资金”的科技创新效率，其他资金是指来自于金融机构、创投风投、资本市场的R&D资金。在2009—2015年间，佛山市来自金融机构、创投风投、资本市场的R&D资金占总R&D资金的平均比例为1%，可见当前我国金融机构、创投风投、资本市场对R&D活动的资金支持规模比较小。原因在于，一是企业R&D活动失败的概率比较高，金融机构难以准备评估R&D项目的风险。出于谨慎经营的考虑，银行发放R&D贷款的规模并不大。二是我国创投风投公司整体数量和规模都还较小，佛山市也不例外，故来自于创投风投公司的R&D资金量较小。三是我国资本市场的融资门槛比较高，处于起步阶段的企业很难达到在资本市场融资的要求，这也限制了佛山市R&D活动对资本市场资金的利用规模。

六、结论与建议

如何控制金融变量的投入，使得其科技创新产出能够达到最大化，进而使投入产出效率达到最优，对于转型经济中的二线城市可持续发展尤为重要。本文利用数据包络分析法中的CRS径向DEA模型和VRS径向DEA模型，借助MaxDEA 7 Basic软件，分析了我国二线城市当前科技投入的产出效率，并以佛山市为例，研究了二线城市不同来源的资金在促进科技产出效率方面的差异。研究结果表明，当前佛山市科技投入的综合效率值低于我国二线城市平均水平。研究还发现在佛山市科技金融投入中，政府资金的综合效率和规模效率最高，企业自有资金的纯技术效率最高但规模效率最低，而来自金融机构、创投风投和资本市场的资金投入规模尚小且效率较低。

为了提高佛山市乃至全国二线城市科技金融的科技创新效率，进而促进我国整体科技创新水平的提高，本文提出以下具体建议：

（1）相比其他来源的资金，政府资金在促进科技创新产出方面有着最高的综合效率和规模效率，但政府资金在二线城市总的R&D资金量中占比太低。这虽然符合“市场为主、政府为辅”的R&D资金投入趋势，但过低的政府资金投入，不能充分发挥政府资金在科技创新方面的相对规模效率优势。因此，本文建议，地方政府在未来应进一步增加在R&D活动中的资金投入，有效发挥政府在科技创新活动中的支持和示范作用。

（2）企业资金在总的R&D资金中占比非常高，说明企业自身投入的R&D资金规模庞大，企业的科技创新积极性比较高。但相比其他来源的资金，企业资金在促进科技创新产出时的规模效率却最低。本文建议，从事R&D活动的企业应加强对科技创新过程的资金管理，强化审计和监督，改变重数量轻质量的现象，提高企业R&D资金使用的规模效率，并充分利用其较高的纯技术效率优势，这有助于提高二线城市整体的科技产出水平。

（3）在总的R&D经费中，来自于金融机构、创投风投、资本市场的资金占比非常低，说明目前二线城市的科技金融支持体系还不完善，用于科技创新的资金来源比较单一，主要是依靠企业自有资金，这远远不能满足当前创新创业活动对资金的需求。政府在今后的政策制定中，应加大力度鼓励创投风投公司、金融机构参与R&D活动；同时建立多层次的资本市场，适当降低资本市场门槛，引导科技型企业利用资本市场融资，拓宽R&D活动的融资渠道。

（4）除了上述关于资金来源的建议，有效率的科技金融投入产出过程，还需要有配套的支撑服务体系，比如科技型企业信用体系的完善、担保体系的完善，以及运转顺畅的科技成果孵化、转化平台，促进科技成果实现产业化，以达到促进经济发展的目标。