安徽省科技金融效率分析——基于DEA-Malmquist模型

邓小华 徐晓丽

（安徽大学，安徽 合肥 230601）

一、引言

党的十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑,在此次报告中“科技”一词被提及17次，足以证明中国建立创新型国家的迫切需要[1]。为此，国家提出“三步走”战略：到2020年进入创新型国家行列，2030年跻身金融创新性国家前列，2050年建成世界科技创新强国。十九大报告提出以来，党和国家从多个层面对该项战略予以贯彻，一方面，加强创新体系建设，全面完善科技创新制度和组织体系；另一方面，继续加大研究与开发经费投入强度。国家统计局数据表明，全国R&D经费投入强度逐年递增，北京、上海该项指标远高于全国平均水平。R&D经费投入强度在一定程度上与省（市）的创新实力、经济活力正相关，而资金使用效率是科技金融投入的“催化剂”，能够扩大单位投入的作用效果，助力创新性国家建设，推动经济高质量发展。

二、文献综述

首先，对于“科技金融”概念进行界定。科技金融并没有明确统一的定义，国外关于科技金融的相关研究论著相对较少，国内与科技金融的研究从二十世纪九十年代开始，1993年“科技金融”一词最早出现。赵昌文等(2009)将科技金融定义为：科技金融是促进科技开发、成果转化和高新技术产业发展的系列与金融相关的系统性、创新性安排[4]。科技金融与“技术”、“科学”、“技术创新”的关系是密不可分的，房汉廷（2010）深度解读科技金融，认为科技金融是科技创新与金融创新的深度融合。Carlota Perez(2007)在《技术革命与金融资本》一书中提到技术创新与金融资本是互相促进的关系[5]。Jeong and Towsend(2007)认为金融深化在很大程度上推动了技术的创新[6]。为更好的研究科技金融的结合，需要明确科技发展的阶段。赵昌文（2009）表明科技金融是国家金融体系和科技创新体系的重要构成因素，并将科技活动分为研发、成果转化和高新技术产业发展等阶段[4]。王宏起等（2012）运用协同模型揭示科技创新与科技金融之间的相互作用[7]。

其次，关于科技金融效率测度的研究方法上,Charnes等（1978）年第一次提出DEA方法[8],崔毅等（2010）采用DEA法评价广东省科技与金融的结合效益[9]。刘佳宁（2015）构建一套独具特色的广东省科技金融“三融合”发展格局[10]。回广睿（2014）用DEA方法测算了2005-2011年我国科技金融的效率，通过Tobit模型检验了政府、金融市场、企业对科技金融效率的影响[11]。马玉林等（2020）运用2004-2017年的面板数据,利用DEA-SBM模型测算中国30个省域科技金融效率[12]。

再次，有关科技金融效率测度的影响因素分析上。Griliches(1984)对1957年到1977年英国大型制造业进行研究，认为提高金融投入对一个国家经济有显著地促进作用，其中R&D投入有很大的影响[13]。芦锋等（2015）运用2003—2013年11年间29个省的面板模型分析科技金融对科技创新的影响[14]。陈浪南等（2015）立足于国内外先进科技金融创新模式，建立一种科技金融创新发展模式[15]。

最后，从研究维度来看。近几年，研究安徽省科技金融大都集中在对于省内16地市的研究。宋雨飞（2020）研究用BCC方法研究安徽省内16地市的科技金融效率[16]。熊康（2020）在其硕士论文中简要介绍安徽省科技金融效率总体情况后，对于安徽省内各地市的科技金融效率进行了分析[17]。

一方面，科技金融对于科技的发展具有良好促进作用。例如，安徽省在十九大报告后，出台多条有益于科技创新工作者来皖创业、工作的政策，并帮助来皖人才解决其配偶、医疗、教育等方面的问题，切实保障科技人才的权益。另一方面，科技金融对于金融产业亦有明显的激励作用。政府的R&D经费投入、企业为技术产业获取及技术改造等科技金融活动的研发资金数额庞大，周期较长的特点均有效的支持了金融业的发展。

总的来说，国内外学者对于科技金融效率问题进行了诸多研究，成果丰富。而近几年对安徽省科技金融效率在全国何种水平的分析比较少。因此，本文将研究安徽省在全国的科技金融效率。从2018年长三角经济一体化发展上升为国家战略以来，沪苏浙皖经济联系不断加强。本文又对同为长三角经济一体化的上海、江苏、浙江、安徽四省市进行了科技金融效率的测算，为安徽省应如何与沪苏浙携手共进，合作共赢中实现自身的科技金融效率的产出最大化提供了理论指导。

三、安徽省科技金融发展现状

（一）政府科技金融支持力度大

十九大以来，安徽省积极主动地响应国家号召，从规范科技重大专项及资金使用、支持创新、引进高层次人才、加强科技成果转化等方面制定政策对科技金融深层次融合予以促进（具体政策如表1所示）。安徽省作为长三角地区的省份之一，了解安徽省科技金融效率现状，明确科技金融目前存在的不足，对于安徽省通过科技创新引领经济发展，实现长三角一体化具有重要的理论与现实价值。

表1 2015-2020年安徽省所采取的各项政策

（二）科技金融主体投入增加

表2安徽省R&D人员投入主体构成

科技金融主体一般分为企业、科研机构和高等院校[2]。根据2018年安徽省科技统计公报显示，2018年略高于2017年的R&D人员折合当量，表明科技工作者日益增加，科技人力投入不断增强。在科技金融主体的构成成分中，企业的R&D人员投入最多，高等院校、科研机构分别位列二三位，三者之和高于全省R&D人员投入的95%。

表2显示，在R&D人员投入中，企业的人数占据了绝大部分，2018年达到了77.8%。因此，本文对于以高技术产业获取及技术改造为代表的企业科技金融投入进行了统计。统计结果如图2所示，图中显示2011-2018年安徽省高新技术产业技术获取及改造总支出呈现在波动中上升的趋势，表明了安徽省企业对于科技投入的不断加强。

（三）同比三省一市科技产出不高

从2018年党中央支持长三角经济一体化发展并上升为国家战略以来，沪苏浙皖的经济联系不断加强。在长三角的三省一市中，安徽省的主要创新指标都处于较低水平，在以技术合同成交额、专利授权量为科技成果转化阶段尤其突出，国家级技术转移示范机构则相对较少，而在政府R&D经费投入占地方财政支出的比重方面与江浙皖大致相当。

图1 2011-2018年安徽省高新技术产业技术获取及改造总支出

图2 2018年长三角三省一市主要创新指标

四、安徽省科技金融运行效率实证分析

（一）模型介绍

1.BCC模型

BCC模型又被称为VRS模型，规模报酬是可以变化的[18]。

在上述模型中，Xj为代表投入量，Yj代表产出量，θ代表模型的效率值。如表3所示。

运用DEA识别相对无效率单位，通过运用金融科技投入金融科技产出数据，对有效率和无效率的决策单元进行比较，运用DEA分别对全国各省市及长三角地区的科技金融结合效率进行评价，进而为安徽省科技金融结合效率的提高提供相关建议。

表3 综合效率的含义

2.Malmquist模型

传统DEA模型只能对单一年度的决策单元进行横向比较，对历年的效率无法进行分析，不能详细了解各决策单元不同年份的动态效率变化。而Malmquist模型则可以评价各决策单元不同年份的生产率变动情况，并能进一步分析生产率变动的原因，多用于连续年份决策单元的比较。

Malmquist生产率变动指数的模型为:

其中，Dt（χt0，γt0）是第t期的实际值与最大值之间的比值，即实际值与前沿面的距离。当M0t+1＞1时，代表生产率提高;M0t+1＜1时，代表生产率降低;M0t+1=1时，代表生产率不变[18]。“effch”代表技术变化，“techch”代表技术进步，“pech”代表纯技术效率“sech”代表规模效率，“tfpch”代表全要素生产率。全要素生产率可以从技术变化和技术进步两个方面来衡量，技术变化又由纯技术效率和规模效率构成。

（二）科技金融整体运行效率实证检验

1.数据获取及来源

本文将科技金融分成科技金融的投入和科技金融的产出。科技金融投入主体是政府和企业，以R＆D经费投入强度衡量政府对科技金融的整体投入，用高技术产业技术获取（引进购买吸收）及技术改造总支出表示企业对于科技金融的投入情况。根据赵昌文学者的研究：科技发展分为科技研发、成果转化和高新技术产业发展三个阶段。因此，本文将会用专利代表科技研发阶段，高技术产业销售代表成果转化阶段，高新技术产业发展阶段则用高技术出口代表。本文从科技产出从高新技术出口贸易额、三大专利有效数和高新技术产业销售收入三个方面来衡量。运用DEA分析法，基于2011-2018年全国31个省市（除了港澳台地区）面板数据对安徽科技金融投入对科技创新绩效影响进行了静态分析和动态分析。

为了研究安徽省科技金融运行效率在全国范围内的水平，本研究将每一个省份当作一个决策单元，数据均来源于《中国统计年鉴》和《中国科技统计年鉴》。首先对于得到的数据进行了预处理，《2019年中国科技统计年鉴》中对于高技术产业技术获取及技术改造总支出这个指标在2018年没有进行统计，运用Excel在2011-2017年的高技术产业技术获取及技术改造总支出的指标数值进行了合理的测算，由此得到了2018年全国31个省市的高技术产业技术获取及技术改造总支出。

在进行DEA效率分析之前，首先运用Eiews10软件对2011-2018年31省（市）选取的相关指标进行了相关性检验，结果如下：

表4 2011-2018年安徽省科技金融指标相关性检验结果

相关系数用于衡量变量之间相关关系，其取值范围是[-1,1]，相关系数的绝对值越接近于1，俩者之间相关程度越高。当相关系数大于0是为正相关关系，两者之间存在着积极促进的关系。以上结果表明投入与产出数据之间是正相关的，可以继续下一步处理。

2.实证检验

将安徽省的科技金融运行效率与全国其他省份进行比较，有助于我们对安徽省科技金融运行效率、科技金融发展水平做客观的定位。本文运用规模收益模型（VRS模型），分析安徽省科技金融整体的运行效率，从而为安徽省提高科技金融运行效率采用何种措施提供实证依据。对于DEA非有效的决策单元，无法根据DEA效率值的大小进行简单地排序分析，应将有效的决策单元剔除，对其余无效的决策单元再次进行评价，直至剩余决策单元均为有效或无效状态。重新对全国31个省份相关数据进行效率分析。结果如下：

表5全国31个省市的DEA运行结果

表6全国31个省份的排序

实证结果显示:

（1）在31个省份中，山西省、广东省、重庆市和西藏自治区的综合效率为1，处于DEA有效状态，而安徽省科技金融运行综合效率为0.539，说明安徽省科技金融效率处于DEA低效率状态。

（2）DEA低效率决策单元中，新疆的纯技术效率为1，其DEA综合效率低源于规模效率低，表明新疆应加大科技重视，增加科技投入力度，适当提高科技工作者的福利待遇，增加科技金融投入规模。安徽省、山东省的规模效率水平为1，说明技术效率导致安徽省和山东省的综合效率偏低下，这表明，安徽省在三项专利向技术市场转移程度不高，需要加强技术转移工作的力度，提高技术从实验室向市场转化的程度；其他省市DEA效率低由规模效率和技术效率共同所致。

（3）安徽省在全国中属于第三序列，在31个省市的科技金融效率中处于中等水平。安徽省应大力支持基础研究，激励科技型企业勇于承担科研任务、加大研发的投入，提高科技创新绩效。支持各创新主体加快科技成果转化，完善技术成果转化。政府应公开交易与监管体系的透明度与公开性，推动科技成果转化和产业化[19]。

（4）西藏综合效率为1且处在第一序列的原因是西藏地区相对于其他省市的科技投入基数较小，科技产出少，但是综合效率相对而言较高。

为进一步了解科技金融效率的动态变化情况，用Malmquist指数对各省市创新效率进行测算和分析，结果见表5.

表7为2011-2018年我国31省市的全要素生产指数及其分解情况。结果显示：2011-2018年平均全要素生产指数大于1的省市有28个，其中广西是年均增长率最高的省份，高达50.6%。从全要素生产率指数分解来看，年平均增长率10%以上的省份有五个，年平均增长率指数最快的省份是广西，增长率达到24.5%，然后是江西（18.7%）、陕西（12.2%）、河南（11.4%）、四川（11.4%）。在技术变动方面，年平均增速最快的是甘肃省，山西省和广西的年技术进步也达到了20%以上。

表7 2011-2018年我国31省市的全要素生产指数及其分解

(续表7)

3.长三角地区科技金融

为了更直观的了解长三角地区科技金融效率变化情况，单独将长三角所涉及到的四省市的数据重新进行了Malmquist DEA科技金融效率分析的测算，其动态变化数据变化如下。

图3沪苏浙皖历年科技金融MALMQUIST指数结果

实证结果显示:TFP值是不断变化且均大于1，表明了长三角地区科技金融效率水平逐年提高。Techch均大于1相对效率提高，表示技术进步，pech值恒为1，表明纯技术效率不变。

表8长三角经济带的科技金融效率动态变化表

结果显示：沪苏浙皖四省市的全要素生产指数均大于1，表明长三角经济带的技术是进步的，带来了生产率的提高。其中安徽省的全要素生产变化最大。从全要素生产率指数分解来看，安徽省的技术变化是最小的，技术进步是最大的。而技术变化又是纯技术效率与规模效率的乘积，在代表纯技术效率的“pech”和代表规模效率的“sech”中，安徽省的规模效率相对来说更为低下，纯技术效率较小。因此，安徽省需要通过提高规模效率和纯技术效率来提高技术变化，更为迫切的是通过提高纯技术效率，来使技术变化提高，进而加快全要素生产的正向变化。

为了更好地明确安徽省今后的发展道路，将长三角经济带一体化的四个省份单独拿出来再进行一次科技金融的效率测算。

表9长三角经济带的DEA运行结果

注：“crste”代表综合技术效率水平，“vrste”代表纯技术效率水平，“scale”代表规模效率水平，“drs”代表规模报酬递减，“irs”代表规模报酬递增，“—”代表规模报酬不变。

从长三角经济一体化的四省市来看：上海、江苏、浙江的综合效率为1，处于DEA有效状态，而安徽省的处于DEA非有效状态。而安徽省的技术效率为1，说明规模效率低导致的DEA非有效。安徽省处于规模递增的状态，表明在这一阶段一单位金融投入能够产生超过一单位的科技产出，提高该地区科技金融运行效率主要依靠提高科技金融的规模。

综上，安徽省科技金融DEA效率在全国31个省市低是由于技术效率低；在沪苏浙皖四省市的科技金融DEA效率低是由于规模效率低。从全国层面来看，可能的原因是安徽省的纯技术效率低，安徽省在三项专利向技术市场转移程度不高，需要加强技术转移工作的力度，提高技术从实验室向市场转化的程度需要提高技术效率以提高综合效率，这与安徽省R&D经费投入逐年增加而成果转化不高这一现实是相符合的。对于长三角地区来说，由于该地区整体经济科技投入较大，所以安徽省规模效率与其他三省市相较偏低，这与长三角地区整体的科技金融规模是一致的。

五、安徽省科技金融投融资对策建议

科技金融是科技与金融两者融合到一定阶段的产物，发达国家科技金融发展较早而我国则起步较晚。推动科技与金融的深度结合，有利于激发科技创新发展潜力。安徽合肥作为中国第一批科技金融试点城市和综合性国家科学中心，具有浓厚的金融科技氛围，在科技与金融的融合发展方面进行了诸多尝试。然而，受到人才、环境和制度等多个方面的制约，安徽省在两者融合发展过程中发展动力和创新能力不足，科技金融环境不成熟。因此安徽省急需建立以政府为主导，多方金融机构联合辅助，以互联网金融支撑及投资支持为重要支撑的科技金融创新体系，探索适宜安徽省科技企业发展的新模式；并进一步提出了促进科技金融助推安徽省企业发展的对策建议。

（一）充分发挥政府部门的职能

研究表明，安徽省科技拨款占财政支出比重呈现下降趋势。安徽省政府应通过各种方式加大对科技金融的支持力度以营造良好的科技金融政策环境。首先，安徽省在制定各级政府的财政支出预算时，应该向科技拨款方向倾斜，并且设定一个每年增长指标，从而扭转安徽省R&D投入强度的下降趋势；其次，建立和完善法律保障机制，例如完善省内的知识产权保护制度、减少中小型企业维护自身权益的时间成本和难度、对于中小型科技创新企业帮助缴纳部分科技保险；然后，政府应充分发挥引导作用，鼓励保险机构对科技创新型企业的研发活动提供担保，提倡金融机构等投资主体对科技型中小企业的投资等的方式拓宽融资渠道，并给予其适当的政策支持和一定的资金支持；最后，健全科技金融监管体系，防范金融风险，以云计算、大数据等科技为依托，创新型金融科技监管方式，提高科技监管水平。

（二）加快科技金融主体成果转化

在全国科技金融活动主体的运行效率检验中，安徽省研究与开发机构的科技金融运行效率处于DEA效率低的状态。具体来说，是研究与开发机构科技金融投入与产出结合水平不足。因此，安徽省需要通过创新研究与开发机构科研经费的管理模式，促进科技金融运行效率的提升。加快科学论文、专利等科技金融研究与发展阶段基础科研成果转移并实现其自身价值。安徽省亦应依托长三角一体化的创新战略联盟，通过集中优质资源攻坚共性技术，加速科研成果转化效率。

（三）加强科技人才培养与引进

科技金融发展的关键是人才，安徽省应发挥自身科技金融优势培养本土人才，尤其是市场紧缺的复合型创新人才，虽然安徽省科技人员工作者逐年增加，但稀缺人才仍不足。为此，科技企业和金融机构可与高校进行合作，通过定期开展科技金融讲座、培训班等，联合培养具有理论知识又具有实操经验的新型科技金融人才；提高稀缺科技金融人才待遇，吸引来自各地急缺人才，为其提供各种便利条件，例如住房补贴、安家费、科研项目经费支持、子女教育、医疗保障等，全面解决来皖人才的后顾之忧。

（四）加快中小微科技企业的发展

安徽合肥依托中国科技大学等众多高校、实验室和研究所，是基础的全国首批技术创新试点城市和信息化工程重点城市，本身具有良好的科技创新基因。金融机构要依靠区块链、云计算等新科技，推出新的金融服务模式，提升金融服务水平，健全金融服务体系。R&D投入主体中，企业占据了绝大多数，而中小微企业又是企业中的大部分，所以中小微科技企业应该顺应时代发展的趋势，积极主动了解最新科技金融政策，抓住机会发展自身，提高自身的科技创新水平，加快成果转化。例如增强金融消费者的用户体验，制定专属服务等方式增加用户消费粘性等。

安徽省应充分利用上海地区人才高地、金融中心的优势、资金充裕，江苏强大的传统制造业、丰富的教育资源的条件，浙江民营经济发达、数字经济拔尖的长处，结合自身的科技创新、国家政策支持、依托长三角同时又有广阔的内里腹地的区位优势加快安徽省科技金融融合发展效率，提高科技金融发展水平。