江苏省科技金融效率评价研究

刘太萍 张爱淑

摘   要：本文在构建科技金融评价指标体系的基础上，用计量回归模型验证了江苏省作为一个能源和矿产资源缺乏的省份，其经济增长主要是依靠金融支持和科技创新驱动。通过运用DEA模型對江苏省2006-2017年的科技金融数据进行分析，发现虽然江苏省的科技金融投入产出一直处于相对有效状态，但是近两三年出现了规模报酬递减的现象。对江苏省13个城市2015和2017年的数据进行分析，发现江苏省科技金融效率近两三年出现规模报酬递减主要是由苏南和苏中地区城市造成的，而苏北地区城市仍处于规模报酬递增阶段，这主要是因为苏南、苏中和苏北地区处于不同的经济发展阶段造成的。

关键词：科技金融;数据包络分析;效率评价;规模报酬

一、引言

2012年底，党的十八大明确提出实施创新驱动发展战略，强调科技创新是提高社会生产力和综合国力的战略支撑，必须摆在国家发展全局的核心位置。2016年5月，中共中央、国务院发布《国家创新驱动发展战略纲要》，确立了三步走的战略目标：到2020年进入创新型国家行列、到2030年跻身创新型国家前列、到2050年建成世界科技创新强国。在此背景下，2016年7月29日，江苏省委、省政府召开全省科技创新大会，落实国家创新驱动发展战略纲要。会议指出，江苏省的发展已经到了“不创新不行、创新慢了也不行”这样一个阶段，科技创新是江苏省未来发展的希望所在，在贯彻实施国家创新驱动发展战略纲要、推动科技强省的建设过程中，要聚焦科技创新这个“核心的核心”用功发力，体现江苏“高度”，形成江苏“标志”，作出江苏“示范”。

但是，现代科技创新离不开金融资本的支持。诺贝尔经济学奖获得者保罗·克鲁格曼曾指出：美国经济增长的60%-70%应归功于新经济的带动，而美国新经济的发展，在很大程度上归功于美国发达的创投业和纳斯达克市场。对于我国而言，要防止关键技术领域被“卡脖子”，一个重要方面就是聚集创新要素，实现各要素有效配置，让创新活动和资源投入得到有效激励，这离不开金融“血液”和资本市场（祝惠春等，2019）。

科技金融，就是指为了支持科技创新型中小企业发展壮大而进行的一系列金融创新，其目的是为了更好地促进科技成果转化，支持经济转型升级发展。江苏省要聚焦科技创新这个“核心的核心”用功发力，建设科技强省，就必须注重科技金融的效率，以一定的科技金融投入获得最大化的科技创新成果产出。

二、江苏省科技创新能力现状分析

2018年7月，上海社科院发布了《2017年度长三角城市群科技创新驱动力城市排名报告》。在长三角26个城市中，综合得分排名前十的城市分别为：上海、南京、杭州、苏州、合肥、无锡、宁波、常州、南通、芜湖。可以看出，江苏省有南京、苏州、无锡、常州、南通五市位列其中。但是需要指出，南京虽然排名第二，但是其综合得分仅有0.634分，明显低于上海的0.73分。同时考虑到根据2016年5月国务院批准的《长江三角洲城市群发展规划》，江苏省归入长三角城市群的还有盐城、扬州、镇江、泰州四市均在前十名之外，以上海市作为参照，江苏省的综合创新能力确实还有很大的提升空间。

根据中国科学技术发展战略研究院在2018年10月发布的《中国区域科技创新评价报告2018》，江苏省2016年的综合科技创新指数得分为77.13分，与上海、北京、天津、广东、浙江的综合科技创新水平同属第一阵营，居全国第5位（见图1）。但是，考虑到2016年江苏省的GDP为77388亿元、居全国第2位，R&D研究人员数为201377人年、居全国第1位，万人发明专利拥有量18.7件、居全国第3位，江苏省在综合科技创新能力方面相对于上海和北京的差距与这些技术经济指标并不匹配，这很可能是由于江苏省科技金融相对缺乏效率所导致的。

甘星和甘伟（2017）对2006-2014年我国三大经济圈10个省（直辖市）的科技金融相对效率进行了分析，江苏省在2006-2008年、2009-2011年、2012-2014年三个时期的综合效率分别为0.51、0.677和0.778，而北京市和广东省在三个时期均为1，上海市则分别为1、0.954和1，天津市为1、0.959和0.962。可见，江苏省在科技金融效率方面与兄弟省份（直辖市）之间确实存在差距。

因此，本文将以江苏省整体及十三个城市作为研究对象，运用数据包络分析（DEA）的方法，对江苏省的科技金融效率进行评价，探讨其中的“短板”在哪里，并提出相应的对策建议。

三、江苏省科技金融效率评价的研究设计

当前对省域科技金融效率进行研究的文献较多，如江涌等（2017）、李合龙等（2018）专门研究了广东省，余丽霞等（2019）专门研究了四川省，但专门研究江苏省的文献较少。现有很多文献是在省域科技金融效率比较的情景下提到江苏省，其研究结果认为江苏省的科技金融缺乏效率（徐玉莲等，2015;李林汉等，2018），但是也有文献研究结果认为，江苏省科技金融处于生产前沿面，具有效率（杜金岷等，2016）。之所以出现上述一些文献研究结论相反的原因，一方面可能是使用数据的时间段各不一致，学者们只在各自截取的时间段内做实证分析，其研究结论只适用于某一时间段，另一方面可能是对于评价模型的设置不当，例如有些学者将研发人员数量作为科技金融的投入明显欠妥，因为研发人员是人力资本投入而非金融投入。因此，本文将重新进行研究设计，以更加系统和动态的视角来分析江苏省科技金融的真实效率。

本文拟采用数据包络（DEA）的分析方法。这是一种由多指标投入和多指标产出构成的相对有效性综合评价方法。相较于计量回归模型，DEA模型的优势在于不需要将科技创新产出综合为一个因变量指标。张玉喜等（2015）在构建科技金融投入对科技创新产出作用的面板数据计量经济模型时，列举了6个衡量科技创新产出的指标：（1）三大论文检索数;（2）申请专利受理数;（3）申请专利授权数;（4）新产品销售收入;（5）新产品产值;（6）技术市场成交金额。然后再运用TOPSIS方法对这六个科技创新指标进行综合评价，得出了唯一的科技创新产出变量，以此作为模型的被解释变量。相反，DEA模型就不需要进行这种处理。

一般认为，科技金融由公共科技金融和市场科技金融两部分组成。其中，公共科技金融的投资主体是政府，而市场科技金融的投资主体是商业银行、创业风险投资机构等非银行金融机构。因此，本文在选择投入指标时，选择了代表公共科技金融投入的一般公共预算中科学技术支出，代表市场科技金融投入的年末金融机构人民币贷款余额，而大中型工业企业R&D经费内部支出则既可能包含公共科技金融投入，也可能包含市场科技金融投入。产出指标则包括高新技术产业产值和三种专利授权量这两个指标。具体的指标体系如表1所示：

指标体系中的数据由《江苏统计年鉴》和江苏省13个城市各自的统计年鉴整理得到。鉴于2006年之前的部分指标统计口径发生变化和部分数据的不可获得，本文收集、整理了2006-2017年江苏省科技金融投入产出的相关数据资料。在收集整理完数据之后，使用IBM SPSS 22.0软件和Deap2.1软件对数据进行相应的分析。

四、江苏省科技金融效率评价的实证研究

（一）投入产出指标对江苏省GDP的回归分析

根据内生经济增长理论和创新驱动经济发展战略的内在逻辑，有理由认为科技金融投入产出指标体系中的各个指标都会直接或间接影响宏观经济的总量。因此，在进行江苏省科技金融效率评价之前，首先建立一个以江苏省GDP为被解释变量，指标体系中的5个指标为解释变量的多元线性回归模型。考虑到这5个指标一定会存在多重共线性现象，使用逐步回归法中的向后（backward）筛选策略，按照解释变量的偏F统计量概率P值水平大于等于0.10的标准，逐一剔除解释变量。

表2和表3展示了解释变量中的专利授权量、科学技术支出、高新技术产业产值被逐一剔除的过程以及相关的统计量。表4展示了在逐步回归过程中每一个模型中各解释变量的回归系数（包括常数项）。可以发现，最后保留在模型中的解释变量为金融机构贷款和研发经费内部支出，这在一定程度上验证了金融对实体经济的促进作用以及由研究与开发带来的经济内生性增长至少在江苏省是适用的。为了促进江苏经济更好地增长，当前最需要解决的就是科技金融的效率问题了。

（二）江苏省2006-2017年科技金融效率评价

对江苏省2006-2017年的科技金融相对效率进行分析，得出如表5所示的结果。其中，综合效率值是CCR模型的得分，纯技术效率值是BCC模型的得分，综合效率值等于纯技术效率值乘以规模效率值。可以看出，江苏省的科技金融效率一直都是相对有效的。2006、2008、2009和2011这四年曾出现过规模报酬递增的情况，说明当时增加一个单位的科技金融投入是可以使得科技创新的产出增加大于一个单位的，应该加大科技金融投入的规模。2012-2014这三年江苏省科技金融确实进入了整体有效率的状态。但是，2015和2017年却出现了规模报酬递减的现象，说明江苏省科技金融的投入规模并没有带来相应规模的科技创新产出。因此，江苏省需要分析当前科学技术研发的特点，调整科技金融投入的重点和结构，使之适应当前江苏省经济发展对科技创新的新需求。一个可以与之类比的事例就是，我国资本市场在2009年10月推出了创业板，对于那时候迫切需要资金的中小型创新企业提供了重要的金融支持，适应了当时中国经济发展的需要，但是近些年监管层和投资者日益发现很多在创业板上市的创新企业都是属于商业模式创新的“软创新”企业。于是，2019年6月13日科创板正式开板，这次更多地是去支持拥有核心技术的“硬创新”中小型科技企业。

（三）江苏省13个城市2015和2017年科技金融效率评价

众所周知，江苏省虽然是一个经济大省，但是区域经济发展并不平衡，苏南、苏中和苏北地区的经济差距非常明显。因此，江苏省科技金融的整体效率很可能受到省内不同地区城市科技金融效率的影响。针对2015和2017年江苏省科技金融效率出现规模报酬递减的现象，对这两年江苏省13个城市的科技金融效率进行数据分析，得出了如表6所示的结果。需要指出，由于大部分省內城市的统计年鉴仅提供了规模以上工业企业R&D经费内部支出数据，而未提供大中型工业企业R&D经费内部支出数据，因此此处的分析数据用前者代替了后者。

从表6可以看出，在2015年苏南五市中南京、无锡、常州和苏州四市均处于规模报酬递减阶段，到了2017年南京的状态已经调整过来，但是其他三市依然处于规模报酬递减状态。尤其需要注意的是，作为苏南模式代表的苏锡常三市的综合效率值均低于0.9分，处于无效率状态。反观苏北五市，在2015年仅有盐城和宿迁处于无效率状态，2017年又增加一个淮安市，在规模报酬方面这三个苏北城市与苏南城市恰恰相反，处于报酬递增阶段。再看苏中三市，扬州和南通在2015和2017年均处于规模报酬递减阶段，与苏南城市相同。在综合效率方面，扬州一直处于相对有效的状态，南通在2015年处于相对有效状态，但是进入2017年进入无效率状态。

由此可以看出，江苏省整体科技金融效率在2015和2017年出现规模报酬递减的原因主要是由苏南城市和苏中城市引起的。但是，苏北城市却出现了规模报酬递增的情况。这应该与苏南、苏中和苏北地区经济处于不同的发展阶段相关。

图2对比了苏南、苏中和苏北地区2017年人均GDP和居民人均可支配收入，图3按照苏南、苏中、苏北的顺序列示了13个城市2017年的GDP，可以发现三个地区的经济发展水平差距较大。同时，按照国际组织认定的人均GDP达到2万美元即可列为初等发达国家的标准，苏南地区其实已经到了这个水平，而苏中地区正在接近这个水平。因此，苏南和苏中地区的科技金融处于相对无效率及规模报酬递减的原因主要在于经济水平发展到一定程度后，需要对科技金融的投入结构做相应的调整，以适应经济转型升级的需要。而苏北地区的经济还处于追赶阶段，科技金融处于无效率状态及规模报酬递增的情况说明，苏北地区更需要的是加大科技金融投入的规模。

五、研究结论与对策建议

（一）研究结论

通过对2006-2017年数据的DEA分析，发现江苏省整体科技金融效率是相对有效的，但是近两三年出现了规模报酬递减的现象，这与江涌等（2017）、余丽霞等（2019）在进行省域科技金融效率比较时得到的结果是一致的，反映出江苏省作为经济大省，其科技金融投入规模较大，但是资金配置的效率却不高，致使未能达到相应规模的科技创新产出。进一步，通过深入分析江苏省13个城市在2015年和2017年的科技金融效率，发现江苏省整体科技金融效率在最近两三年出现规模报酬递减的原因主要是由苏南城市和苏中城市引起的。但是与此同时，苏北城市却出现了规模报酬递增的情况。这与苏南、苏中和苏北地区经济处于不同的发展阶段密切相关。

（二）对策建议

江苏省是一个能源和矿产资源相对缺乏的省份，经济大省的地位应该更多地来自于创新驱动发展，其经济增长必须依赖于科技创新。而科技创新需要金融资本的支持，江苏省依托其强大的经济实力也一直在科技创新上加大金融投入。但是，近些年随着苏南地区的经济发展达到初等发达国家的水平，其科技创新的重点和难点也在发生变化，之前的科技金融投入方向未进行相应的调整，进而造成了规模报酬递减的现象。正在向着初等发达国家水平进军的苏中地区也出现了这种情况。因此，对于苏南和苏中地区城市的科技金融投入结构要根据经济转型升级的需要及时进行调整。

另一方面，苏北地区的经济发展还处于追赶阶段，其科技金融投入产出还处于规模报酬递增的阶段，应该进一步加大科技金融投入的规模。需要注意的是，作为苏北城市领头羊和淮海经济区中心城市的徐州一直处于整体有效的状态，因此该城市要积极发挥示范带头作用，积极帮助本区域内其他城市提升效率。

参考文献

[1]杜金岷，梁岭，吕寒.中国区域科技金融效率分析——基于三阶段DEA模型分析[J].金融经济学研究，2016，（6）：84-93.

[2]甘星，甘伟.环渤海、长三角、珠三角三大经济圈科技金融效率差异实证研究[J].宏观经济研究，2017，（11）：103-114.

[3]江涌，闫晓旭，刘佐菁，杜赛花.基于DEA模型的科技金融投入产出相对效率分析——以广东省为例[J].科技管理研究，          2017，（3）：69-74.

[4]李合龙，段紫薇.基于AHP-DEA-Malmquist的广东省科技金融效率评价研究[J].科技与经济，2018，（2）：50-54.

[5]李林汉，王宏艳，田卫民.基于三阶段DEA-Tobit模型的省际科技金融效率及其影响因素研究[J].科技管理研究，2018，（2）：          231-238.

[6]余丽霞，郑洁.基于DEA模型的科技金融结合效率研究——以四川省为例[J].会计之友，2019，（4）：32-37.

[7]徐玉莲，王玉东.区域科技金融资金的配置效率研究[J].科学管理研究，2015，（2）：93-96.

[8]祝惠春，温济聪，周琳.科创板正式开市——中国资本市场发展的里程碑[N].经济日报，2019-7-23.

[9]张玉喜，赵丽丽.中国科技金融投入对科技创新的作用效果——基于静态和动态面板数据模型的实证研究[J].科学研究，          2015，（2）：177-184.

[10]中国科学技术发展战略研究院.中国区域科技创新评价报告2018[M].北京：科学技术文献出版社，2018.

Abstract： This paper constructs a set of evaluating indicators， and uses an econometric regression model to testify that the economic growth of Jiangsu province is driven by finance and sci-tech innovation although it is lack of energy and mineral resources. Then， this paper adopts DEA model to analyze the sci-tech finance data of Jiangsu province form 2006 to 2017 years， finds that sci-tech finance input-output of Jiangsu province has been relative efficiency but the phenomenon of decreasing return on scale is appearing in recent years. By analyzing the data of 13 cities in jiangsu province in 2015 and 2017， it is found that the decrease of returns to scale in the efficiency of science and technology finance in jiangsu province in the past two or three years is mainly caused by the cities in southern jiangsu and central jiangsu， while the cities in northern jiangsu are still in the stage of increasing returns to scale.This is mainly because south jiangsu， middle jiangsu and north jiangsu are in different stages of economic development.

Keywords： scitech finance; DEA; efficiency evaluation;scale reward

責任编辑、校对：钱晓东