金融中介对我国区域科技创新效率的影响研究——基于随机前沿的距离函数模型

陈 敏，李建民

(山东理工大学商学院，山东 淄博 255012)

金融中介对我国区域科技创新效率的影响研究
——基于随机前沿的距离函数模型

陈 敏，李建民

(山东理工大学商学院，山东 淄博 255012)

基于1998—2008年省级面板数据，运用随机前沿距离函数模型，分析金融中介对我国区域科技创新效率的影响。研究表明，金融中介信贷规模与科技创新效率负相关，金融中介对科技创新的支持强度、支持效率与科技创新效率正相关，而且科技创新效率存在区域差异性，东部地区高于中西部地区。鉴于此，为提高科技创新效率，我国应加大对科技创新的金融支持。对于信贷资源总量有限的中西部地区来说，开展科技金融试点，提高金融中介支持科技创新的强度和效率，有利于缩小科技创新效率的区域差异。

科技创新效率;金融中介;距离函数;随机前沿分析

1 引言

目前，对区域科技创新效率的研究主要集中在测评方法和影响因素两个领域。测评方法主要有两类:一类是非参数方法，以数据包络分析法(DEA)为代表［1－3］;一类是参数方法，以随机前沿分析法 (SFA)为代表［4－6］。相对于非参数法，参数法的优点在于可以对模型及其参数进行检验，同时考虑了随机因素的干扰，提高了测度的准确性。但在使用SFA进行效率测度时，受模型单一产出特性的约束，多数学者或采用单一的产出变量进行研究［4－6］，或选择多个产出变量分别构建模型进行对比研究［7］，而无法反映多投入多产出的生产技术，从而降低模型估计的准确性。关于创新效率的影响因素，樊华［3］研究表明，工业结构、对外开放度、高等教育发展水平对科技创新效率具有正影响效应，而政府影响力具有负向作用。于明超等［5］分析发现，制度环境是导致创新效率差异的重要因素，政府支持对创新效率有显著促进作用，而金融支持和对外开放程度不利于创新效率提高。冯宗宪等［2］发现政府投入与创新活动的技术效率呈不显著的负相关关系，而市场化程度具有显著的正向影响。刘思明等［6］则提出创新主体的构成和联结关系是造成我国区域创新效率差异的重要原因。

综合来看，既有文献主要考察了非金融因素对区域科技创新效率的影响，没有深入探讨金融中介对创新效率的影响。鉴于这一缺憾，同时考虑到科技创新活动是一个多投入多产出过程，本文构建了能够测算多投入多产出的随机前沿距离函数模型，实证检验金融中介对区域科技创新的作用机理，并提出通过金融中介的支持提高科技创新效率以及缩小科技创新效率区域差异的政策建议。

2 变量选取与模型构建

2.1 变量及数据说明

本文选取1998—2008年我国30个省、市、自治区 (以下简称省，不包括西藏)的面板数据，数据源于1999—2009年各年度的《中国统计年鉴》、《中国科技统计年鉴》、各省《统计年鉴》及《新中国六十年统计资料汇编》。

本文将科技创新行为视为一个完整的生产过程，每个省作为一个创新活动的生产决策单元，使用一定的创新投入、得到创新产出。具体的投入产出变量说明如下:

(1)科技创新的产出变量。

衡量科技创新产出的变量主要有专利、新产品销售收入两类指标。其中，专利指标涵盖大量信息，能够较全面地反映一个地区科技创新的知识产出。但专利忽略了没有进行专利申请的创新活动，而且不能体现投入产生的经济效益。新产品销售收入指标克服了专利的缺陷，但仅考虑了大中型工业企业的创新成果，忽略了中小企业的创新行为，也在一定程度低估了创新的产出水平。两大指标各有利弊，为此，本文选择两类指标同时作为区域科技创新的产出变量测度科技创新效率。

使用专利指标时，考虑到专利从申请到授权，存在1～2年的时间滞后，使得专利授权量无法准确反映当期的创新水平［7］，且易受专利管理机构工作效率和偏好等主观因素的影响［8］，故本文选择专利申请量来衡量专利数。此外，在使用新产品销售收入指标时，运用工业品出厂价格指数将名义值折算成以1998年为基期的实际值。

(2)科技创新的投入变量。

科技创新的投入可以从劳动力和资本两个方面衡量。

就劳动力投入来说，科技活动人员、R＆D活动人员、R＆D活动人员全时当量都是衡量科技活动人员投入的重要指标。其中，科技活动人员指标较为笼统，涵盖面广，与科技创新的相关性相对较弱;R＆D活动人员则未能充分考虑到投入劳动力的质量问题，故本文选取R＆D人员全时当量作为衡量科技创新的劳动力投入指标。

与此相匹配，本文选取R＆D经费投入作为资本投入指标。使用这一指标时，本文借鉴吴延兵［9］的做法，采取永续存盘法将流量性质的R＆D经费支出转换成R＆D资本存量。R＆D资本存量的测算模型如下:

式 (1)中，Kit和Ki(t－1)分别为省份i在t期和t－1期的R＆D资本存量，δ为R＆D资本存量的折旧率，Ei(t－1)表示省份i在t-1期经价格指数调整后的实际R＆D支出流量。

(3)影响科技创新效率的金融中介变量。

本文重点考察金融中介对科技创新效率的影响，为此，以金融机构的存贷款余额为基础，分别设定:1)SIZEit为时期t省份i的金融机构贷款余额占GDP的比重，反映金融中介的信贷规模。通过该指标考察金融中介信贷规模对创新效率的影响。2)INTit为该时期t省份i的金融机构对科技活动贷款数额占该省金融机构贷款余额的比重，反映金融中介支持科技创新的强度。3)EFFIit为该时期t省份i的金融机构对科技活动贷款余额占该省金融机构存款余额的比例，反映金融中介支持科技创新的效率(见表1)。

表1 变量说明

2.2 模型设定

由于距离函数可用于研究多投入多产出的生产技术，且经变换后可用标准的随机前沿方法分析。鉴于此，本文将距离函数与随机前沿方法相结合，构建超越对数形式的产出型距离函数。模型形式如下:

式 (2)中，D0it表示产出距离函数，xit表示投入向量，yit表示产出向量，t表示时间，vit表示随机误差项，vit——N(0，)。由于距离函数的产出具有线性齐次性，满足且定义uit= lnD0it，uit服从非负截尾正态分布N+(0)，则有:

式 (3)则是标准的随机前沿模型。根据式 (3)，本文的随机前沿产出距离函数模型为:

本文重点考察金融中介对科技创新效率的影响，故设定技术无效率误差项函数如下:

式 (5)中，SIZEit、INTit、EFFIit表示影响技术效率损失的金融中介因素，δi为待估参数，Wit为随机误差项，服从正态分布N(0， σ2w)。

3 实证结果及分析

3.1 实证结果

本文利用Frontier4.1软件，采用极大似然估计法估计所构造的(4)式及(5)式的系数(见表2和表3)，并测算出我国东中西部三大区域的技术效率(见表4)。

表2 随机前沿距离函数模型的估计结果

表3 技术效率损失函数的估计结果

表4 我国东中西部三大区域的技术效率 (1998-2008年)

3.2 结果分析

由表2可以看出，σ2的t统计量在1%水平上统计显著，说明随机误差项vit显著存在。γ的t统计量在1%水平下显著，且更接近1，说明技术无效误差项uit显著存在，创新产出的偏差主要源于技术非效率。LR统计量在1%水平下也高度显著，从而进一步拒绝了“不存在技术非效率效应”的零假设。综合各种统计量的检验结果，可以判定本文构造的随机前沿距离函数模型是有效的。

由表3可以看出，影响创新效率的三个金融中介变量系数均是统计显著，说明金融中介因素对技术效率有显著影响，具体分析如下:

(1)从金融中介信贷规模与科技创新效率损失的关系看，变量SIZEit系数为0.6264，说明金融中介的信贷规模每增加1%，技术效率损失增加0.6264%，二者存在显著的正相关性。这意味着金融中介信贷规模的扩大反而不利于科技创新效率的改进。这一结论似乎与经典的金融发展理论不符。本文认为，这种现象与我国支持科技创新的金融资源配置的特点密切相关。长期以来，我国金融发展更多地表现为金融规模的扩张，而忽视了金融资源配置的合理性，对中小企业存在配置上的“规模歧视”。由图1可以看到，我国金融机构对大型企业科技活动的平均支持比重高达61%，无论是全国还是东中西部三大区域，支持科技创新的金融资源更多地向大型企业集中，而这些企业多为国企或垄断行业，其资源的利用率和边际收益率都相对较低，且存在规模不经济现象;而很多富有创新活力的中小企业却面临着融资难、融资贵的局面，无法获取充足的科技创新资金，抑制了其潜在的高效率创新活动。由此可见，金融资源配置的不合理制约了我国整体科技创新效率的提高。

图1 我国各区域1999—2008年金融机构对大型企业科技活动的支持比重

(2)从金融中介对科技创新的支持强度与科技创新效率损失的关系看，变量 INTit系数为－0.2550，说明二者存在显著的负相关性。这意味在金融资源总量既定的条件下，金融支持科技的强度越大，更多的信贷和金融服务资源流向科技创新领域，能更好地满足开展科技创新活动所需的软硬件设施的资金需求，并提供风险分散和价值发现的服务，激发了科技创新的动力和活力，从而提高了科技创新效率。

(3)从金融中介对科技创新的支持效率与科技创新效率损失的关系看，变量 EFFIit系数为－0.6160，说明二者存在显著的负相关性。其作用机理是金融中介对科技创新的支持效率越高，金融中介越有能力动员更多的储蓄存款转化为科技贷款，配置资金的能力越强，越能有效地引导资金流向科技创新活动，从而推动科技创新效率的提高。

此外，由表4可以看出，我国创新效率平均为83%，且逐年上升。但创新效率在区域间仍然存在较大差异，东部地区高于中西部地区。产生这种现象的主要原因在于东部地区具有资源禀赋优势，能吸引更多的创新资本和劳动力。此外，东部与中西部地区在经济体制改革推进的时间、广度和深度上存在很大差异，从而带来东部地区金融中介对科技创新的支持强度和支持效率高于中西部地区，这也是造成区域差异的重要原因。

4 结论与政策建议

基于1998—2008年省域面板数据，运用随机前沿的距离函数模型研究了金融中介对科技创新效率的影响。研究发现，金融中介的信贷规模与科技创新效率呈显著负相关;金融中介对科技创新的支持强度和支持效率对科技创新效率具有显著的正向推动作用;科技创新效率存在区域差异性，东部地区高于中西部地区。基于此，本文提出以下建议:

(1)加大金融中介对中小企业的金融支持，引导金融资源合理配置。中小企业是我国科技创新的主力军，要提高我国整体的科技创新效率，必须推进我国金融资源的合理配置，引导更多的资金流向中小企业，以激发中小企业的创新活力和动力。为此，我们需要加快现有金融机构的机制、技术和产品创新，同时大力发展新型金融组织、引导民间资本进入金融领域，不断拓宽中小企业融资渠道。实现金融社会化［12］。

(2)加大金融中介对科技创新的支持强度和支持效率，推进科技金融发展。金融与科技结合，不仅使科技活动借助金融实现风险分散和价值实现，而且使金融机构可以通过科技资源的开发获得丰厚回报。但科技创新的不确定性与风险性使得金融机构投入的热情不高。为此，从宏观层面看，我国各级政府需要健全法律法规、建立科技企业与金融机构的信息共享平台、完善风险补偿机制等措施，为金融机构支持科技构建有效的保障机制。从微观主体看，金融机构要转变观念，树立科技金融理念;设立服务科技创新的专职机构与人员，提高审贷效率;探索使用权抵押、产业集群等多元化的担保模式和风险分担机制，降低科技企业的融资门槛。

(3)在中西部地区开展科技金融试点，缩小科技创新效率的区域差异。受资源禀赋约束，我国区域经济发展水平的差异化将在很长一段时间内存在，金融资源在短期内难以大规模流向中西部地区。在这些约束条件下，通过提高中西部地区金融中介支持科技的强度和效率，比单纯扩大金融规模更具可行性、效果可能更好。也就是说，经济发展水平相对落后地区同样具备实施科技与金融结合试点工作的条件，借助科技金融，对现有金融资源进行优化配置，仍可达到以金融促进科技创新、助推经济转型的目的。

［1］杨志江，罗掌华.我国各省市技术创新效率差异的比较研究［J］.中国科技论坛，2012，(1):18－22.

［2］冯宗宪，王青，侯晓辉.政府投入、市场化程度与中国工业企业的技术创新效率［J］.数量经济技术经济研究，2011，(4): 3－17.

［3］樊华.中国省际科技创新效率演化及影响因素实证研究［J］.中国科技论坛，2010，(12):36－42.

［4］李婧，谭清美，白俊红，岳良运.中国区域创新效率的随机前沿模型分析［J］.系统工程，2009，(8):44－50.

［5］于明超，申俊喜.区域异质性与创新效率—基于随机前沿模型的分析［J］.中国软科学，2010，(11):182－192.

［6］刘思明，赵彦云，侯鹏.区域创新体系与创新效率—中国省级层面的经验分析［J］.山西财经大学学报，2011，(12):9－17.

［7］白俊红，李婧.政府R＆D资助与企业技术创—基于效率视角的实证分析［J］.金融研究，2011，(6):181－193.

［8］岳书敬.中国区域研发效率差异及其影响因素—基于省级区域面板数据的经验研究［J］.科研管理，2008，(5):173－179.

［9］吴延兵.R＆D存量、知识函数与生产效率［J］.经济学(季刊)，2006，(4):1129－1156.

［10］朱平芳，徐伟民.政府的科技激励政策对大中型工业企业R＆D投入及其专利产出的影响—上海市的实证研究［J］.经济研究，2003，(6):45－53.

［11］David T.Coe，Elhanan Helpman.International R＆D Spillovers［J］.European Economic Review，1995，39(5):859－887.

［12］邹力行.金融社会化和社会金融化［J］.科学决策，2011，(3):13－23.

The Impact of Financial Intermediaries on China's Regional Sic-tech Innovation Efficiency

Chen Min，Li Jianmin
(School of Business，Shandong University of Technology，Zibo 255012，China)

Based on provincial panel data from 1998 to 2008，this paper analyzes the impact of financial intermediaries on Chinese regional sic-tech innovation efficiency by employing a stochastic distance frontier model.The result shows that financial intermediaries’credit scale is negatively related with sic-tech innovation efficiency，but the intensity and efficiency of financial intermediaries supporting sic-tech innovation are positively correlated.Moreover，there are regional differences in sic-tech innovation efficiency，which in eastern areas is higher than that in mid and western areas.Based on these，we should improve financial support to sic-tech innovation.Especially for mid and western areas，we can build technical finance experiment site and improve financial intermediaries’support intensity and efficiency to reduce regional differences.

Sic-tech innovation efficiency;Financial intermediaries;Distance function;Stochastic frontier analysis

山东省软科学项目 (2011RKGA4019)，吉林省科技发展计划项目 (20120670)，山东省高校人文社会科学研究项目 (J11Wf65)，山东理工大学人文社会科学发展基金项目 (2010GGTD07)。

2012－04－15

陈敏 (1979－)，女，山东莱芜人，经济学硕士，讲师;研究方向:科技金融。

F830.39

A

(责任编辑 刘传忠)