基于PCA和GRA的科技金融发展与地区经济增长相关性研究——以四川省为例

龙云飞，朱波强，陶 睿

(攀枝花学院，四川 攀枝花 617000)

随着经济和社会的不断发展，科技和金融已成为经济活动中最活跃的因素，科技与金融的共存与融合不断加深。科技和金融的发展已经成为经济增长的重要推动力。特别是在经济进入“新常态”后,我国明确了经济增长的动力从要素驱动和投资驱动向创新驱动切换，根据金融发展理论，科技进步与金融发展相辅相成，特别是科技创新活动需要金融资源不断投入来支持。因此，如何促进科技金融发展为经济增长带来新的动力，一直是近年来研究的热点之一。

一、文献综述

科技金融是一个新兴的交叉研究领域，目前总体尚未形成一套严密的理论体系，国外的研究主要集中于金融支持科技创新带动经济增长的路径和机理解释。Schumpeter(1912)开创性的提出了创新与经济发展的关系，即经济发展的源动力在于创新，而创新是将各种生产要素进行重构或优化配置，银行信贷资金的投入可为生产要素重构提供购买力，进而刺激经济增长。Solow(1957)等人以哈罗德-多玛模型为基础，对资本积累与经济增长的关系进行了研究，该模型中的资本实际上是金融与科技的集合体。Hicks(1969)提出金融市场效率对技术创新有较大影响，他认为产业革命发生的前提条件并不是技术创新本身，而是投资使技术创新得以迅速产生和快速推广，而资本的投入需要恰当并充分的金融支持才能实现。Wurgler(2000)通过对65个国家的资本市场进行实证分析发现，发达的资本市场存在着“喜新厌旧”的倾向，即更偏好于新兴的高科技产业并回避介入衰退的一些传统产业，进而促进产业升级带动经济结构的优化。Luigi、Fabio(2012)发现金融中介机构有利于资本的形成，并能促进全要素生产率的提高，进而带动了经济增长。ChangWei(2014)通过实证分析发现风险投资比商业银行贷款更能提高科技创新企业的效率，更有利于激发企业科技创新活动的积极性。

国内对金融科技的研究起步较晚但也自成一派，更多集中于科技金融的内涵以及科技金融对促进创新的效应分析。赵昌文、陈春发和唐英凯(2009)对科技金融发展基础理论进行了开创性研究，将科技金融定义为由政府、市场等不同主体向从事科技研发的机构提供各类金融资源的活动过程。王海和叶元煦(2003)对我国1991年至1999年科技金融的结合效益进行了定量分析，发现科技金融结合的效益呈上升趋势，但上升幅度相对较低，说明我国科技金融结合度不高，科技金融投入产出效益相对降低。曹颢、尤建新(2011)选取科技金融资源指数、科技金融经费指数、科技金融产出指数和科技金融贷款指数四大指标构建了我国科技金融发展指数并开展实证分析,发现金融投入增加并未带来创新产出的增加，科技金融的协整关系较弱。王宏起和徐玉莲等(2012)通过建立理论模型来探讨了科技创新和科技金融的协同机制，主要包括科技创新与科技金融子系统有序度模型、两者协同发展模型以及复合系统协同度模型，最终得出我国科技创新与科技金融两者间协同发展机制尚未形成的结论。而薛晔等(2016)则从不同的角度出发，选取了财政科技经费投入、创业风险投资额和科技资本市场筹资额等指标，通过实证检验了我国科技创新融资方式和银行科技信贷金额与科技金融发展效率之间的关系，发现前者与科技金融发展效率之间呈显著正相关关系，而后者对中国科技金融发展效率具有显著负向作用。苏发金、刘彻(2016)以湖北省为样本探讨了科技金融支持创新发展的逻辑与路径。岑猷辉(2015)从科技金融政策制定和运行情况的角度分析了广州的科技金融政策在实施过程中的作用，提出了出台纲领性科技金融发展方案、搭建科技金融服务平台、实施差异化扶持政策、完善信用环境等促进科技金融的措施建议。

综上所述，现有研究更集中于研究科技金融对技术创新的影响程度或是相关性，但科技金融其本质在于通过金融资源的投入促进科技进步以带动经济增长，发展科技金融的根本在于科技与金融的结合促进实体经济的发展。因此，本文以四川省为例，选取2001-2015年科技发展相关指标，运用主成分分析(PCA)方法对科技金融发展水平进行评价，并采用灰色关联分析(GRA)方法计算科技金融与地方经济发展的灰色关联度，探讨提升科技金融发展水平以促进经济增长的对策和路径。

二、基于主成分分析的科技金融发展评价

(一)指标选取和数据处理

依据科技金融的定义，从金融资源的投入和科技产出两个维度来衡量科技金融发展水平。其中，金融投入主要包括政府投入和市场投入两个部分，政府投入主要体现在财政支出中的科技资金支出上，市场投入主要为商业银行贷款、资本市场筹资、风险资本投入等，结合四川省金融发展实际和数据的可得性选取R&D经费投入强度、财政资金科技投入和商业银行科技贷款三个指标作为科技金融的投入指标；科技产出包括科技活动带来的论文发表、专利授权、产业升级等，因此选择专利授权量、高新技术产业产值占GDP比例和技术市场成交合同金额三个指标作为科技金融的产出指标，六个指标均为正向指标。由于金融投入和科技产出分别为两组独立的指标，为了保证研究结论的准确性和有效性，本文对金融投入和科技产出分别提取了主成分，再通过变异系数方法，赋予金融投入和科技产出各自权重，构建新的综合指标来衡量科技金融发展水平。各指标具体如下：

表1 科技金融衡量指标体系

在数据选取方面，选择了2001-2015年四川省的相关数据，数据来源于四川统计年鉴和中国科技统计年鉴。在数据处理方面，由于上述指标分别从不同的角度反映了科技金融发展水平，且各指标与科技金融都呈正相关关系，故最终得到的综合指标值越大，科技金融发展水平就越高。此外，由于科技金融指标较多且各自差异性较大，为了分析结果的有效性和准确性，需要对变量数据进行标准化处理。基于以上分析，本文通过SPSS18.0软件来分别对金融投入3个指标和科技产出3个指标进行主成分分析。

(二)金融投入指标主成分分析

1.适用性分析

在进行主成分分析之前，需要先对指标展开适用性分析，比较常用的适用性检验方法主要有相关性分析、KMO统计量和Bartlett’s球形检验。通过SPSS18.0运算求得金融投入指标的相关性系数矩阵、KMO值和Bartlett’s球形检验结果主要如下：

表2 金融投入指标相关系数矩阵

表3 KMO和Bartlett’s球形检验

从表2和表3中可以看出，金融投入指标相关系数都较高，都超过了0.5；KMO值为0.677，大于0.5，Bartlett’s球形检验的sig值也为0.000，远小于0.05。因此，各指标检验结果符合标准，可以进行主成分分析。

2.信息提取

分析时主要通过方差来测度所提取主成分的信息含量，其中，系统默认变量的初始特征值大于1的个数即为提取的主成分个数，软件生成的主成份的方差即要求的特征值。下表为解释的总方差情况，从表中可以看出，此处只需要提取一个主成分，累计方差为90.674%，解释力度较高。具体情况如下：

表4 解释的总方差

根据提取的主成分信息，结合主成分系数，可求得主成分得分综合系数，R&D经费投入强度为0.330，财政资金科技投入为0.359，科技贷款为0.360，将金融投入指标综合得分记为F1，进而取得得分方程式为：

F1=0.330X1+0.359X2+0.360X3

(三)科技产出指标主成分分析

1.适用性分析

通过SPSS18.0运算求得科技产出指标的相关性系数矩阵、KMO值和Bartlett’s球形检验结果主要如下：

表5 科技产出指标相关系数矩阵

表6 KMO和Bartlett’s球形检验

从表5和表6可以看出，科技产出指标相关系数很高，都超过了0.9；KMO值为0.766，远大于0.5，Bartlett’s球形检验的sig值为0.000，也小于0.05。因此，各指标检验结果符合标准，可以进行主成分分析。

2.信息提取

下表为科技产出指标解释的总方差情况，从表中可以看出，此处只需要提取一个主成分，累计方差为95.767%，解释力度较高。具体情况如下：

表7 解释的总方差

根据提取的主成分信息，结合主成分系数，可得主成分得分综合系数专利授权量为0.343，高新技术产业产值占GDP比例为0.341，技术市场成交合同金额为0.337，将科技产出综合得分记为F2，主成分方程式如下：

F2=0.343X4+0.341X5+0.337X6

(四)确定指标权重

表8 各指标变异系数和权重

(五)科技金融综合得分

根据上文分析,科技金融包括金融投入和科技产出两部分，金融投入权重占比为R&D经费投入强度、财政资金科技投入和科技贷款三者权重之和，科技产出权重占比为专利授权量、高新技术产业产值占GDP比例和技术市场成交合同金额三者权重之和。因此，由表8中各指标权重数据可知，金融投入权重值为0.419，科技产出权重值为0.581，若将科技金融综合得分记为SF，则：

SF=0.419F1+0.581F2

结合金融投入和科技产出指标的综合得分，可以计算出科技金融综合得分情况。具体情况见下表：

表9 科技金融主成分综合得分

总体来看，四川省科技金融发展水平基本呈逐年上升的趋势，只有2004-2005年出现了小幅度的下降。科技金融综合指标主要可以分为两个阶段，2001-2008年呈负值；2009-2014年都上升为正值，且从2011年开始，上升幅度不断加大，这也说明在2011年之后四川科技金融取得了高速发展。

三、科技金融与经济增长的灰色关联分析

为验证四川科技金融发展水平与经济增长的相关性，拟采用灰色关联方法计算灰关联系数，将地区生产总值设定为被解释变量，科技金融指数作为解释变量，同时根据经济增长理论，选取2001-2015年四川资本投入(全社会投资额)、劳动力(就业总人口)、资源消耗(用电量)作为控制变量，指定被解释数列Yi(K)(i=，2，…，s；K=1，2，…，n)，同理，解释变量数列为Xi(K)(K=1，2，…，n)。在对原始数据进行整理之后，计算灰色关联系数。

计算步骤如下：

对原始数据进行均值无量纲化处理

带入公式求关联度系数：

式中ρ∈(0，1)，通常情况下ρ=0.5。ζi(K)表示解释数列Xi(K)与被解释数列序列Yi(K)在K时刻的关联系数。

计算影响因素与系统特征序列关联度：

式中，γi为Xi(K)与系统特征行为序列Yi(K)(i=1，2，…，s；K=1，2，…，n)的关联度。

基于以上方法和数据，计算的各因素与经济增长的灰色关联系数见下表10：

表10 各因素与经济增长灰色关联系数

由此可以看出，资本形成和能源投入与经济增长的相关性较高，劳动力投入与经济增长最低，而科技金融发展与经济增长相关性较弱，这也说明四川经济增长的主动力仍然是投资拉动和资源消耗等传统要素投入，金融支持科技创新拉动经济增长的作用发挥并不明显，四川的经济增长仍未完成向创新驱动转型，科技金融的发展滞后于经济的发展，未来四川经济的发展要通过促进科技金融的发展，促进创新刺激经济的增长。

四、促进科技金融发展的对策建议

现阶段，四川省仍然存在着金融和科技结合度不够，金融支持科技发展力度欠缺等现象，究其原因，主要是受政策环境、保障性措施、思维模式和科技发展水平等的影响。本文针对这些问题，结合宏观和微观主体，从政府、金融市场和科技创新主体角度出发，提出了一些促进科技金融发展的政策建议和可借鉴方案：

(一)优化科技金融发展环境，完善科技金融发展制度

在我国的经济发展中，政府的作用非常突出，政府主导型的科技金融扶持模式对创新型企业的发展影响巨大。因此，四川省在发展科技金融时要先制定科技金融发展战略，根据不同阶段制定相应的目标，完善各种法律法规等制度安排。一方面，要充分发挥政府在资金和信用等方面的引导作用，通过政策性金融撬动更多的民间金融资本和金融机构资金进入到科技企业，进行科技研发活动；要充分发挥政府在科技服务、管理和税收制度等方面的扶持作用，完善各项政策支持制度，为科技企业发展营造良好的环境，并在财税方面给予优惠，这在一定程度上增加了科技企业的利润率，为其融资创造条件；要充分发挥政府在规范和监管方面的督查作用，对科技企业获取到的资金使用范围进行规范，并对资金流向进行监督管理。另一方面，风险问题也是科技金融支持体系中的一个重要问题，随着科技保险的风险防范意识的持续强化，政府应该要出台相应的科技保险制度，构建由各类金融机构共同参与的科技保险体系，促进科技与金融的进一步融合。

(二)以市场为导向，推动科技金融创新发展

受地理位置的影响，四川省处于中国西部地区，市场经济机制相对于东部沿海地区发展不够完善，金融市场发展规模较小，金融发展模式较固定，直接融资市场发展欠缺，科技型企业往往依赖于间接融资，渠道较窄。因此，主要可以从以下两个方面来解决这一问题，首先，作为市场主导的商业银行要突破固有的金融思维，进行科技金融产品、业务和服务的创新，支持结构性、复合性创新金融产品开发。引导银行充分运用各种金融工具加大对科技型企业的贷款支持，并鼓励贷款以外的其他方式对科技型企业进行大力扶持；其次，作为金融市场的重要组成部分，直接融资市场的发展在企业获取资金中起着重要的作用，尤其是科技型企业，不同的经营主体存在着对金融服务的不同需求，资本市场在其直接融资过程中发挥着关键性的作用。因此，要鼓励多层次资本市场的发展，鼓励股权融资和产权证券化等产品的发展，促使地方性股权交易规范化、合法化，促进多层次资本市场体系结构的形成。此外，科技型企业普遍存在着产权交易和转让问题，需要发展地方性科技产权交易市场来解决这一问题，为科技型中小企业的发展开辟新的融资渠道。

(三)培育科技创新主体，提高自身发展水平

科技金融发展的根本目标是促进科技创新的发展，提高全要素生产率，推动经济增长，因此，科技企业作为技术发展和创新的主体，是其中至关重要的一环，要促进科技金融的发展，不仅要拓宽企业融资渠道，完善企业融资制度，优化企业融资环境，还要重视技术创新主体的发展。目前，技术创新主体中大部分是中小型企业，这类企业普遍存在资金不足的状况，靠内源融资难以维持企业的技术创新发展，资金来源主要依靠外源融资。但受发展规模的限制，这类企业缺乏传统的抵押物，风险大，信息公开化程度较低，获取资金较困难。故科技企业要规范自身内部管理，规范财务报表，加大科研投入，提高公司核心竞争力，寻找更多融资渠道，解决自身融资难问题。