基于DEA-Malmquist的安徽省科技金融效率评价

文/董萍（福建师范大学）

科技是当今各省市综合竞争力的主要因素，科技越来越被置于强省战略的核心位置。作为长三角的新成员和重要组成部分，安徽省是长三角科技发展中坚力量。随着国家对科技发展的支持力度的加大，学界普遍聚焦于科技金融效率的研究。但是目前学界的研究主要集中在国家层面和区域层面，对地级市的研究较少，对安徽省各市科技金融发展情况的研究更是凤毛菱角。鉴于此，本文基于DEA-Malmquist模型，采用动态分析和静态分析相结合的方式，对安徽省16个地级市科技金融的效率作出评价，对现有文献进行补充的同时，探讨安徽省科技金融发展的核心制约因素。

一、指标的选取和数据来源

本文立足于安徽省科技金融发展的现状，在考虑到所需数据可得性的基础上，对2015——2019年安徽省16个地级市的科技金融的供给效率进行测度分析。

考虑到科技金融效率的内涵，本文选取R&D人员折合当时全量、研究与实验发展（R&D）经费投入、金融机构年末贷款余额、科技财政支出四个指标作为投入指标（如表1所示），具体指标描述如下：（1）R&D人员折合当时全量。古典经济学理论认为劳动力是生产力的重要因素，R&D人员折合当时全量反映科技行业的人力资源的投入情况。（2）研究与实验发展（R&D）经费投入。高新技术产业往往都是资金需求量大、投资周期长、投资风险大的行业，因此科研经费的投入关乎高新技术产业的发展动能。（3）金融机构年末贷款余额。该指标反映了金融机构对企业发展的资金投入规模，是金融部门对高新技术发展的支持。（4）科技财政支出。该指标反映了政府部门对科技发展的支持力度，是政府对科技发展支持的直接体现。

表1 科技金融投入产出指标体系

本文选取规模以上工业企业新产品销售额、技术合同成交额、发明专利申请授权量、规模以上高新技术产业总产值增加值作为产出指标（如表1所示），具体的指标描述如下：（1）规模以上工业企业新产品销售额。该指标反映了技术创新成果的市场接受度，是技术成果转化为经济效益的直接体现。（2）技术合同成交额。该指标包括技术开发、技术转让、技术咨询和技术服务类合同的成交额，是一系列围绕技术形成的市场成交规模。（3）发明专利申请授权量。该指标是反映一地区自主知识产权的核心指标，表明了安徽省政府对科技创新的重视、对自主知识产权的保护意识和安徽省科技创新的社会活力。（4）规模以上高新技术产业总产值增加值。科技金融最终的作用对象是企业，企业总产值的增加值是衡量科技金融效率最直观的指标，可以从总体上反映企业生产力的发展水平。

本文采用的相关数据来源于2015-2019年的《中国统计年鉴》《安徽统计年鉴》和《安徽省科技统计公报》。

二、安徽省科技金融效率测度与分析

（一）DEA模型的静态分析

本文利用DEAP2.1分别对2015年和2019年安徽省16个市的科技投入和产出指标进行效率分析，得出科技金融效率的综合效率值，纯技术效率值和规模效率值，结果见表2。

表2 16个地级市2015年及2019年科技金融供给效率值

（1）从科技金融综合效率指标的全省均值来看，2015年和2019年该指标均未达到DEA有效，且整体呈现下降的趋势。2015年和2019年各有12个和11个地区达到生产前沿面，说明这些地区科技的投入实现了最优配置，投入与产出在不同组合下达到了最佳效果。从各市的角度来看，城市之间的差异明显，安庆、黄山和宣城在2015-2019年间综合效率有了提升，说明这些地区在5年间实现了资源配置效率的提高。蚌埠和六安呈现较大幅度下降，两市需要促进供给管理水平的提升，并且设计合理激励制度，扩大投入以达到最佳规模。

（2）纯技术效率反映了科技的提升和科研能力的增强对产出的促进作用。从纯技术效率指标来看，全省均值从2015年至2019年下滑0.39，说明在4年间全省整体的管理水平和技术效率有所降低。其中，安庆和黄山的效率在4年间得到了提升，说明两市在管理和技术等方面有了进步，对产出的促进作用增强。

（3）科技金融的规模效率能够体现城市科技投入是否处于最优规模，规模报酬递增的地区应合理加大科技的投入力度，而规模报酬递减的地区因资金未得到有效利用，存在明显的效率损失问题，应特别注意改善资金使用方向。从表2可以看出各市均值在2015年到2019年为0.980，68.75%的地区在2019年达到规模最优，规模效率两年均为1的有淮北、亳州、宿州等，占比 62.5%。六安、宣城和黄山的规模效率在4年间得到了提升。合肥市规模效率值处于较低水平，处于规模报酬递增的阶段，应整合金融资源，调整资金的使用方向，以达到最佳的生产规模。

（二）Malmquist指数动态分析

Malmquist指数能动态反映安徽省各地技术科技金融效率变化情况，故运用DEAP2.1软件对 2015—2019年安徽省16个地级市的科技金融供给数据进行分析，进而考察安徽省科技金融的全要素生产率的动态变化及异质性。

（1）整体效率变动分析。由表3和表4可知：2015年至2019年，安徽省科技金融的供给生产率指数均值为0.863，同比综合效率降低13.7%。研究期间，仅有一年的全要素生产率大于1，说明安徽省科技金融的效率较低且呈现整体下滑的趋势。具体分解来看，技术进步下降13.2%，技术效率和纯技术效率降低0.6%，技术进步的下降是综合效率降低的主要因素，说明通过提高技术水平来实现安徽省科技金融的有效供给还有较大进步空间。分年度看，全要素生产率在2017——2018年间为1.170，是唯一一个大于1的时间段，说明在该阶段安徽省科技资源的利用效率较高。2015——2017年技术效率大于1，2017——2019年出现较大下降，说明近年来科技金融偏离了投入和产出的最优均衡点。技术进步因素在2018——2019年间出现较大下降。

表3 各地级市科技金融Malmquist指数及其分解

表4 2015-2017年科技金融效率Malmquist指数及其分解

（2）各地级市效率变化对比。由表3可知，2015年至2019年安徽省16个地级市的全要素生产率均小于1，其中合肥市仅为0.759，为全省最低，此外，宿州、蚌埠、阜阳、淮南、六安、马鞍山、安庆和黄山八市的全要素生产率低于0.9，说明安徽省大部分地区随着对科技投入的增加，其投入效率却在不断下降，整体态势堪忧。降低因素方面，淮北、亳州、宿州等地的技术效率、纯技术效率和规模效率均为1，技术进步小于1，全要素生产率的下降主要归因于技术进步的下降。阜阳和六安两市除技术进步因素以外，技术效率、纯技术效率和规模效率均小于1，说明两市在科技投入的整体利用效率方面存在较大短板，需要提高全面的资源配置效率。

（3）区域效率差异对比。由表3可知，皖北、皖中和皖南科技金融全要素生产率的均值分别为0.857、0.651、0.835，综合排名为皖北地区、皖南地区皖中地区。皖中地区的全要素生产率仅为0.651，主要归因于技术进步的下降，说明技术进步是其提升科技金融效率的主要制约因素，合肥、六安、芜湖等皖中地区应着力加快提升技术水平。

三、结论

本文通过对安徽省16个地级市2015—2019年科技金融效率的实证研究，得出如下结论：基于DEA模型测算可以看出，2015年和2019年安徽省科技金融的综合效率均未达到DEA有效，不同城市效率差距明显，多数城市都存在不同程度的纯技术效率和规模效率不足，应注重提升科技金融供给的管理水平和运营能力，并设计合理激励制度，扩大科技投入以达到最佳规模。基于Malmquist指数进行动态分析可以看出，2015—2019年安徽省科技金融效率生产率指数均值为0.862，说明供给效率总体呈下降趋势，技术进步的变动是科技金融效率降低的主要因素。从不同地区效率增长情况来看，皖中地区作为全省经济最为发达的地区，科技金融效率却最低，皖中地区应该根据技术进步这个制约因素有针对性地采取有力措施，有效提高科技金融效率。