创新价值链视角下我国区域科技金融效率研究

芦 锋

(山西财经大学，山西 太原 030000)

一、引言

科技创新能力是国家高速发展的主要推动力，能够有力促进经济的有效增长。随着“第三次工业革命”到来，科技创新到达了巅峰。西方国家陆续推出“战略防御计划”(SDI)、《国家创新计划》、“创新教育券计划”等创新计划。随着进入经济新常态，我国经济增速放缓，因此，政府积极调整产业结构，更加侧重于科技创新的发展。我国在2018年的科研经费支出位列世界第二，但是科技创新能力与美国、日本等发达国家仍存在不小的差距，需要进一步加强其创新能力。并且科技创新成果具有时效性、虚拟性的特性，其产生需要一定的资金予以支持，金融资本在科技创新过程中起着至关重要的作用，因此，“科技金融”显得尤为重要。

科技金融主要表现为金融产业对科技产业的资金支持，一般将其分类为公共科技金融和市场科技金融。从公共科技金融角度出发，政府财政部门直接划分部分资金给高新技术企业，支持其创新发展。2017年，我国财政支出为203085.49亿元，财政科技支出为7266.98亿元，占比3.58%，而2010年财政科技支出仅为3250.18亿元，7年间约上涨1.24倍。从市场科技金融角度出发，2017年社会融资总额增加约20万亿元，公司债券融资净额约4000亿元；2016年，我国金融机构贷款约100万亿元。另外，各个商业银行陆续成立科技金融子公司，如招银云创等，以全方位支持高新技术产业。其次，2018年11月5日，为提高高新技术企业创新能力，提升市场功能，我国设立了科创板，主要通过设立适宜的发行、交易、退市等新制度，进一步加强对高新技术企业的资金支持力度。

高新技术产业作为科技金融的结合地，以创新为主要竞争力，技术专业性强，生产活动主要是创新活动，是提高自主创新能力的主要贡献者。我国目前正处于“效率驱动”阶段，其特点主要是科技成果转化率较低和高新技术难以大规模实现工业化，导致我国科技创新能力不能得到有效提升。并且，我国现有的有关科技金融效率评价体系的研究较少，且效率评价体系较为混乱，没有一致的评价标准。因此，为保证科技创新与金融资本的健康、稳健发展，本文在前人研究基础上，构建我国区域科技金融效率评价体系。

本文基于科技金融支出角度，运用创新价值链理论，对我国29个省份的科技金融效率进行了实证研究。其具体研究结构为：第二部分为有关高新技术企业的区域科技金融效率评价方面的文献综述；第三部分为科技金融效率评价的研究设计，主要从研究路径、模型构建、变量选取和数据来源等方面进行介绍；第四部分为本文的实证分析，具体进行科技金融效率分析；第五部分为本文的结论及建议。

二、文献综述

有关科技创新与金融的研究起源于国外，但是国外并没有“科技金融”这一概念。Schumpeter最早发现金融与科技创新间存在正向关系。[1]随后，众多学者从宏观层面出发，以英国创新数据为样本，证实金融资本能促进科技型企业创新发展。[2]Hsu等进一步证实外部融资对科技创新存在显著正相关，能够促进企业创新。[3]20世纪90年代，“科技金融”在国内兴起，其具体定义并没有统一。最权威的定义是赵昌文所提出的，即为促进高新技术产业创新的一系列金融服务的创新性安排。

科技金融是科技产业和金融产业的有效结合，通过资金的投入推动科技发展，而科技发展也能加快经济增速。[4]从科技金融主体出发，可以将科技金融分为以下几个部分：国家财政支持是主要的促进科技创新的主要渠道之一，主要包括政府科技财政支出、高新技术企业减免税收、设立创新基金等措施；科技贷款主要是金融机构为高新技术企业的科技创新活动提供债务支持，是企业获得资金的主要途径之一；资本市场通过不同的层次，为不同规模和发展周期的高新技术企业提供了更加多元化的直接融资渠道；风险投资主要投资于高风险、高成长性的初创型高新技术企业，以期获得高回报率。科技金融能够有效促进我国新兴企业的发展，能够将传统资金积极投向新兴产业，实现资金的有效配置，进一步提升我国科技创新能力。因此，能够准确、全面地评价科技金融效率显得十分重要。

国内外学者对科技金融效率评价进行了相关研究，特别是通过DEA模型为科技金融效率评价提供了新的研究思路。DEA主要是一种通过运用数学原理，利用多个投入和产出变量，得出有效性评价结果的非参数技术，广泛运用于区域创新、经济学等各个方面。DEA模型经历了漫长改进，最初的DEA模型是单阶段模型，直接对科技金融的初始投入和最终产出进行研究，不考虑内部结构，这种形式较为简单，可以忽略整体过程中存在的缺陷，但是不能充分展示创新过程中的各个阶段性特点，也没有考虑将知识转化为收入过程中创新要素的复杂性，不利于实际问题的解决。[5][6]基于此，众多学者开始集中于研究两阶段DEA模型，从不同角度构建DEA模型。刘鑫等将创新过程分为科技产出阶段和经济产出阶段，运用TSC-DEA模型进行两阶段效率测算，结果表明我国整体科技金融效率较平稳，且经济产出阶段效率较低。[7]董艳梅和朱英明在传统两阶段DEA模型上，在第二阶段加入了额外投入变量，使得模型更加贴合实际。[8]陈程和刘和东主要是以高新技术产业为研究对象，引入了创新链理论，并在第二阶段中加入中间投入变量。[9] 目前，虽然有很多有关“中间投入”的研究，但是有关“共享投入”的研究却较少，且研究对象主要集中于高校、企业等主体。[10][11]

因此，本文在前人研究的基础上，从创新价值链角度出发，构建一个包含共享投入和中间投入的两阶段DEA模型，得出各个省份的科技金融效率值和各个阶段的共享资源的适当比例，并利用聚类分析法，对我国省份的科技金融效率值实行进一步划分。

三、研究设计

(一)研究路径

创新价值链(IVC)是一种用于分析创新活动的有效工具，强调了将知识转化为商业价值过程中的结构复杂性。[12]余泳泽和刘大勇从生产角度出发，将技术创新过程分解为创新的投入、创新知识的凝结和创新成果的实现三个阶段。[13]科技创新过程指从研究开发到产品投向市场等一系列的经济活动。[14]因此，本文将科技创新活动具体划分为“研发阶段”和“商业化阶段”。研发阶段主要指资金、人力等初始资源投入一直到科技成果产生的具体过程，其科技成果将会应用到第二阶段，该阶段是研发活动是“创意生成”和“创意转换”之间的纽带，对最终效益的增长有着重要的推动作用。[15]商业化阶段则是第二阶段，主要指科技成果逐步转化为生产力，实现企业经济效益的过程，即“创意转换”和“创意扩散”之间的转化。

图1 科技金融效率的两阶段过程

科技创新活动具有风险高、收益高的特点，在科技创新过程中的在研发阶段和商业化阶段中都有金融资本的投入，且资金都起着至关重要的作用，直接影响着科技创新能力的提高。所以，本文的科技金融过程由原始投入—成果产出—经济提升构成，分为两个阶段，分别测算其各个阶段和整体的科技金融效率值，如图1所示。

(二)模型构建

本文采用的是基于规模报酬不变的包含共享投入和中间投入的两阶段DEA模型，研发阶段和商业化阶段效率评估分别由公式(1)和(2)表示，其各阶段的效率值为E10和E20。本文将各个省份定义为DMUi(i=1，2，3，4……n)；在第一阶段中，研发阶段投入变量由Xq1i(i=1，2，3，4……n)表示，Yp1i(i=1，2，3，4……n)为研发阶段的产出变量；在第二阶段中，投入变量相应的由Xq2i(i=1，2，3，4……n)表示，Yp2i(i=1，2，3，4……n)表示产出变量；在整体过程中，Xi(i=1，2，3，4……n)表示共享变量；αi表示共享变量在研发阶段的比例，研发阶段的共享变量表示为αiXi(i=1，2，3，4……n)，商业化阶段的共享变量为(1-αi)Xi(i=1，2，3，4……n)。

(1)

i=1，2，……n

(2)

(3)

(4)

两阶段DEA模型的整体科技金融效率由公式(5)表示。

vp1vp2，uq1，uq2，u≥β

i=1，2，……n

(5)

(6)

本文令uq1=uq1·t，U=u·t，uq2=uq2·t，vP1=vp1·t，vp2=vp2·t，δi=U·αi，并借助公式(6)，对公式(5)进行化简，最后得到公式(7)。

Vp1，Vp2，Uq1，Uq2，U≥β，i=1，2……n

(7)

(三)变量选取

科技金融投入主要来源于政府科技投入、风险投资、企业自有资本和资本市场资金支持。资金进入高新技术企业后，主要用于其科技创新活动。本文基于科技金融支出角度进行实证研究，将研发阶段的投入代理变量设置为R&D内部经费支出和R&D人员，该阶段产出的代理变量为申请专利数量和新开工项目个数。[16][17]在商业化阶段中，本文将新产品经费支出、技术改造支出、从业人员作为该阶段的中间投入，将新产品的销售收入量作为为商业化阶段的产出。[18]共享输入变量由发明专利数表示，该变量在两阶段中均有投入，其数值为连续两年发明专利数的平均值。考虑到时间滞后因素的影响，本文将各个阶段中的投入与产出变量分别滞后一年，其描述性统计如表1(1)考虑到数据可得性，西藏、青海、香港、澳门和台湾未包含在内。。

四、实证研究

本文从创新价值链理论出发，基于科技金融支出角度，依据上文所构建的模型，运用Lingo16.0软件对数据进行处理，得出我国各区域科技金融效率在整体过程、研发阶段和商业化阶段的评价结果，如表2所示。

在表2中，评价结果(1)、(2)和(3)分别是根据2014-2018年《中国高新技术统计年鉴》和《中国科技统计年鉴》数据得出的2015-2017年科技金融效率评价值(2)由于本文采用两阶段分别滞后一期的方法，所以通过2014-2018年《中国高新技术统计年鉴》和《中国科技统计年鉴》，得到2013-2017年数据，从而实证分析得出2015-2017年效率值，即利用2013-2015年数据分析得出2015年效率值，以此类推。。其中，第2、6、10列为我国29个省份地区的整体科技金融效率值，第3、7、11列表示研发阶段的科技金融效率值，第4、8、12列表示商业化阶段的科技金融效率值，第5、9、13列为共享输入变量在第一阶段的最佳比例，最后一行为29个省份的平均效率。

表1 描述性统计

数据来源：《中国高新技术统计年鉴》和《中国科技统计年鉴》。

表2 科技金融效率值(3)本文的科技金融效率为投入产出比，数值大小取决于投入产出的相对大小。以上海为例，虽然R&D经费内部支出、R&D人员、申请专利数、新项目开发数等变量数值高于全国平均水平，但由于各阶段其投入数远大于产出数，其效率值偏小。

(一)全国视角分析

根据表2的科技金融效率评价结果，本文得出以下结论。首先，根据评价结果(1)、(2)和(3)可以看出，2015-2017年平均整体科技金融效率一直处于上升趋势(0.5987→0.6154→0.6667)，但都低于0.7，说明我国目前的整体效率虽稳步提高，但从整体来说，发展水平较低，有着较大的上升空间。另外，通过比较研发阶段与商业化阶段的平均科技金融效率值，发现研发阶段的效率值明显大于商业化阶段效率值(0.8837>0.4432，0.8796>0.4243，0.9061>0.5053)，表明目前我国高新技术产业的科技金融在研发方面得到良好运用，但是存在大量的科技成果资源不能与资金资源形成良好的配比，导致其经济产出较低。并且，通过对比各个省份的数据，发现研发阶段对商业化阶段的科技金融效率没有显著影响，存在某些地区在研发阶段的科技金融效率值较高，商业化阶段的效率值较低，如山西、吉林等省份；而某些省份在研发阶段的科技金融效率值较低，商业化阶段的效率值较高，如北京、天津等省份。

以评价结果(3)为例，具体分析我国2017年区域科技金融效率。科技金融效率由研发阶段和商业化阶段组成，且各个阶段的效率值区别较大。从表2可以看出，天津、河南、重庆和山西省份的整体科技金融效率是高效的，说明该区域能够很好的将金融资本与科技创新融合，使得创新投入得到有效地利用，发挥其最优效应。另外，研发阶段的平均科技金融效率为0.9061，说明我国在研发方面的科技创新与金融资本协同程度较高，整体表现良好；商业化阶段科技金融效率均值为0.5053，远远低于研发阶段效率，进一步证实我国不注重科技转化过程，缺乏市场导向，以至于制约整体科技金融效率的提升。

其次，以表2中的第13列为例，发现各个省份在研发阶段的最优共享资源比例差别较大，范围主要是在0.2000与0.8014之间，具体如图2所示，说明各个省份想要获得最优科技金融效率，投入资源应结合实际，不可照搬其他省份。另外，每个省份的最优共享资源比例都小于1，表明共享资源在科技金融的两阶段过程中发挥着重要作用，进一步证实本文效率评价模型的有效性。

图2 共享变量比例

最后，为了更加客观的评价各阶段科技金融效率之间的关系，本文利用各省份整体和各阶段科技金融效率，运用SPSS分别分析研发阶段、商业化阶段与整体科技金融效率的拟合关系，结果如表3所示。

表3 模型回归分析

(二)区域视角分析

为了更加全面地研究我国区域科技金融效率，本文根据地理位置，将我国划分为东部地区、中部地区、西部地区以及东北部地区，分别研究各个区域的科技金融效率，如表4所示(4)东部地区：北京、天津、河北、上海、江苏、浙江、福建、山东、广东、海南；中部地区：山西、安徽、江西、河南、湖北、湖南；西部地区：内蒙古、广西、重庆、四川、贵州、云南、新疆、宁夏、陕西、甘肃；东北地区：辽宁、吉林、黑龙江。。

表4 区域科技金融效率

根据表4，发现我国区域科技金融效率有着明显的区别，整体而言，我国东、中、西和东北地区的科技金融效率逐渐降低。东部地区的科技金融效率值最高，为0.6721，高于其它地区，主要是因为东部地区注重科技创新的提升，有着相应的政策扶持，并且沿海城市有着活跃的资金支持，能够有效促进科技与金融的有效融合，也可以有效推动其他区域，促进我国经济的全面协调发展。另外，东北地区的整体效率(0.4489)最小，这与我国经济发展现状相同。

在表4的实证结果中，东北地区、东部地区、西部地区和中部地区的整体偏差逐渐增大。其中，东北地区的整体标准偏差最小，数值为0.0703，各个省份间整体科技金融效率值与均值之间差异最小，原因主要是辽宁省、吉林省以及黑龙江省的生产活动以重工业为主，对创新能力的提升缺少关注，资金难与创新活动有效结合，所以该地区的整体科技金融效率都较低，标准偏差最小。中部地区的整体标准偏差(0.2120)最大，原因主要是该地区省份的整体科技金融效率差别较大，如河南省的科技金融效率高达1.0000，但江西等个别省份的科技金融效率值较小。

(三)聚类分析

我国科技金融效率值差异较大，简单地只按地理区域划分不能全面地分析其区域特点，为了更加客观、详细地研究我国区域科技金融效率，本文利用SPSS软件，进行聚类分析。系统聚类法是使用最为广泛，在大数据中使用频率较高的聚类分析法，其主要思路为将需要聚类分析的变量分类为几种不同的类别，其次按聚类法计算每两个类别间的聚类统计量，把相似程度最高的合为同一类，剩余部分自动分为一类，然后按照相同的聚类方法再次重新计算相似系数，把相似度最高的合为一类，其余类不变，以此类推，不断重新计算和分类，直到所有的变量都分为一类。

根据聚类图，对我国29个省份进行系统聚类分析，更加形象地展示其聚类结果，聚类图与聚类表的聚类结果相一致，具体如图3所示。

图3 聚类图

由于我国各省市高新技术产业总体科技金融和各阶段科技金融效率有着较大的区域差异，为了对我国科技金融效率水平进行更加详细的描述，本文将我国29个省份划分为4个类别。

表5 第一类省份

第一类是北京市、天津市、河南省和重庆市。这四个省份的整体和各个阶段的科技金融效率在全国范围内都处于领先地位，均高于全国平均水平，该区域的高新技术企业规模较大，有着先进的理论知识和创新能力，在科技创新过程中将金融资本发挥其最优作用，在创造自身经济效益时，能带动其他区域科技金融的发展，这与我国实际情况相一致，具体结果如表5所示。

表6 第二类省份

第二类为内蒙古、江苏、福建、山东、广东、湖南和宁夏。这类地区的整体和商业化阶段的科技金融效率较高，除湖南省(0.4508)外，整体科技金融效率均高于全国平均水平(0.6269)。该区域的研发阶段的科技金融效率较低，除内蒙古(1.0000)和江苏省(0.9265)以外，都显著低于全国平均水平(0.8898)；商业化阶段的科技金融效率与整体效率表现趋势相同，除海南省(0.0246)以外，均高于全国均值(0.4576)，具体结果如表6，说明这几个省份的科研能力有待提高，应该加强对高校、企业等主体的科技扶持，给予相应的资金扶持，加强研发能力，来提高整体科技金融效率。

表7 第三类省份

第三类为贵州、云南、陕西、黑龙江和海南，具体结果见表7。这类地区的研发阶段的科技金融效率较高，均值达到0.92126；但整体和商业化阶段效率普遍较低，均显著低于全国平均水平。这说明该区域的省份在研发阶段表现良好，但不注重科技成果转化效率，商业化阶段的科技创新与资金的协同程度较低，进一步证实商业化阶段是制约整体科技金融效率提升的关键阶段。

表8 第四类省份

第四类为上海、湖北、辽宁、吉林、广西、江西、甘肃、河北、四川、山西、浙江、安徽和新疆。该区域的整体科技金融效率处于中等水平，均值为0.5538；除上海(0.6803)、湖北(0.7400)和辽宁(0.7933)以外，其余省份在研发阶段的科技金融效率均高于全国平均水平(0.8898)；商业化阶段的科技金融效率明显高于第三类省份，但低于全国均值(0.4576)，处于中等水平，具体见表8。

五、结论及建议

科技金融是推动市场创新的关键步骤，是经济发展的重要动力，也是打破制度刚性的主要力量。本文根据创新价值链理论，运用DEA模型和聚类分析法，建立我国29个省份的科技金融效率评价体系。结果表明：第一，我国整体区域科技金融效率存在较大差异，但整体偏低，并且众多省份的商业化阶段的科技金融效率高于研发阶段；第二，由科技金融效率在研发阶段、商业化阶段与整体过程的拟合程度可知，提升整体科技金融效率的主要途径为加强商业化阶段的科技金融效率；第三，我国东部、中部、西部和东北地区的整体科技金融效率存在明显的地区差异，并呈现递减现象，商业化阶段的科技金融效率也呈现递减趋势；第四，本文详细分析了两个阶段中的最优发明专利比例，能够更好的为政府、企业等提供参考依据，减少资源浪费。第五，根据我国各阶段的区域科技金融效率值特点，通过聚类分析，将我国省份分为4个不同类别，摒弃了传统地理区域分类方法，为政府机构制定相关科技金融政策提供参考依据。

因此，本文在参考实证结果后，提出以下建议：

第一，不断提升科技成果转化过程中的资金投入效率。通过前文的实证分析，发现商业化阶段的科技与金融的融合效率是影响我国整体科技金融的主要因素，高新技术企业应重视科技成果转化为生产力过程中与资金的有效结合。科技成果研发应以“市场化导向”为主，不断加强与政府、高校、研发机构、其他高新技术产业企业等个体的交流与合作，加快科技成果的市场化步伐，不断提高企业竞争力，从而进一步提升企业经营效益。

第二，优化科技创新资金结构。各级组织应深入分析高新技术产业科技金融效率缓慢、创新停滞的原因，优化高新技术产业在科技创新过程中的资金投入结构。政府可以通过将公共资源引向科技金融领域、调整高新技术企业税收等方式，发挥其引导、扶持作用。其次，积极鼓励民间资本、风险投资和政府补助等各方面资金介入，提高科技创新活动中资金使用效率。最后，进一步优化新三板、区域性股权交易市场、科创板等多层次资本市场，为高新技术企业提供新的投资和退出渠道，不断提高科技金融效率。

第三，区域资源的配置要因地制宜。根据前文的实证结果，东部地区应不断发挥发挥其自身优势，并且带动我国其它地区科技金融效率的提高；中、西、东北地区也应充分利用当地资源，积极招商引资，进一步提高本地区经济水平。同时，根据聚类分析结果，第二、三、四类省份应明确自身发展缺陷，取长补短，争取全面可持续发展。另外，我国各个省份的科技金融效率区别较大，应结合实际，不能盲目效仿，例如山西、吉林等省份的商业化阶段效率值较小，应注重科技成果转化过程；而北京、天津等省份则要加强科研能力，不断提高科技成果产出量。