基于DEA方法的我国沿海各省科技金融绩效评价

黄瑞芬 杜绪沅

（中国海洋大学，山东 青岛 266100）

基于DEA方法的我国沿海各省科技金融绩效评价

黄瑞芬 杜绪沅

（中国海洋大学，山东 青岛 266100）

本文从科技进步支持海洋经济发展的现状出发，采用索洛模型对我国海洋经济的科技进步贡献率进行测度，在此基础上构建金融支持科技创新效率的评价指标体系，并基于DEA模型对我国沿海各省市的科技金融绩效进行评价。研究结果表明：2004—2013年，我国海洋经济的科技进步贡献率变化趋势呈现周期性特征；DEA模型测算结果显示我国沿海各省的金融支持科技创新效率具有明显的差别，效率值与经济金融发展水平存在一定的正相关关系。

科技进步贡献率；科技金融；数据包络分析；绩效评价

一、引言

《2013年中国海洋经济统计公报》的统计数据显示，我国海洋生产总值达5.4万亿元，海洋经济增长率明显超越国民经济增长率，海洋生产总值现已占到我国GDP的十分之一，未来仍有很大的增长空间。随着我国“海洋强国”战略的实施，在未来建设“21世纪海上丝绸之路”的战略规划下，海洋经济必然成为我国经济可持续发展的新引擎。海洋经济发展离不开海洋科技创新，科技创新是海洋经济向前发展的动力。而科技创新需要资金的支持，如何让科技金融更好地融入我国海洋经济的发展过程中，是一个亟待解决的问题。本文针对我国科技金融支持海洋经济发展的现状，基于索洛模型对2004—2013年我国海洋经济的科技进步贡献率进行测度，并通过数据包络分析方法对2013年我国沿海11省的科技金融绩效进行评价。

国内关于科技金融概念的讨论方兴未艾，其中赵昌文等人（2009）认为科技金融是金融与科技相互融合，为促进技术研发、科技成果转化以及高新技术产业发展领域做出的金融政策、金融工具创新和金融服务等一系列安排。此外，房汉廷（2010）、姗娜（2011）等从不同角度解释了科技金融的含义。在分析我国不同地区科技金融效率的研究中，吕江林，王新龙和宋高堂（2012）基于DEA模型对我国中部地区和东部地区各省市的科技和金融结合效率进行比较研究，发现中部地区明显落后于东部地区，各地区不同省市同样存在技术效率差异。杨文举（2011）基于DEA模型构建了绿色经济增长模型，发现我国各省工业增长的主要动力来自资本深化，其次才是技术进步，工业劳动生产率增长差异也是源于资本深化的差异。综上可知，国内学者对于科技金融的研究主要聚焦在金融支持科技创新效率的问题上，这同样也是本文研究的出发点。

二、基于索洛模型的我国海洋经济科技进步贡献率测度

（一）索洛模型简介

索洛经济增长模型（Solow Growth Model）是发展经济学中的经典模型之一，又称为新古典经济增长模型。1928年，柯布-道格拉斯发现资本、劳动力与产出之间存在一定的函数关系，假定技术水平参数在短期内是个常量。1957年，索洛将技术进步要素引入生产函数，提出了希克斯中性技术进步函数。本文在研究科技进步对我国海洋经济贡献率时，采用的是广义的科技进步贡献率概念，即全要素生产率（TFP），是指将资本要素和人力要素的贡献除去，用剩余的科技进步要素对我国海洋经济增长的贡献除以我国海洋经济增长速度。本文采用索洛余值法基于生产函数总量测算全要素生产率，并以此来衡量我国海洋经济的科技进步贡献率。

（2）式中的TFP即为我们所要测算的科技进步对我国海洋经济发展的贡献率。y代表产出增长率、k 和l分别表示资本、劳动的增长率。

（二）我国海洋经济的科技进步贡献率实证结果

对于资本和劳动产出弹性系数的确定也是生产函数研究领域相互争论的问题，通常有三种估算方法，分别是经验值法、回归法和比值法，前两者的应用比较广泛。为了找到合适的系数值，我们对回归法和经验值法进行比较分析。首先我们采用回归法进行估值：第一步是数据标准化，消除量纲的影响，接着进行ADF平稳性检验，最后利用Eviews7.0对模型进行参数估计并检验。得到的参数估计方程式如下：

其中，Y代表全国海洋生产总值，K代表涉海产业固定资产投资额，L代表全国涉海从业人数。根据检验结果R2=0.994536，DW=1.57，说明模型检验是平稳的，模型达到较好的拟合效果。然而我们用生产函数进行全要素生产率分析的前提是边际产出效益不变，即α+β=1，而回归方程中的参数估计值α 和β之和明显小于1，所以用回归法确定资本和劳动产出弹性系数并不适合我们的研究假定。基于回归分析的参数估计结果，我们在确定资本和劳动产出弹性系数时，采用经验值法，中国海洋产业中的资本产出弹性系数为0.35，劳动产出弹性系数为0.65。

表1：2004—2013年我国海洋经济的科技进步贡献率

利用公式（2）对我国海洋经济的科技进步贡献率进行测算，结果如表1所示。图1是2004—2013年我国海洋经济的科技进步贡献率（TFP）的变化趋势。由图1可知，2004—2013年，我国海洋经济的科技进步贡献率整体上呈现“M”形变化趋势，与我国的宏观经济周期变化相符。2004—2007年呈现稳定上升趋势，到2007年，科技进步贡献率接近60%。然而，2008年以后，受到国际金融危机的冲击，资金从风险较高的技术研发领域流出，科技进步贡献率迅速下降，到2009年仅为9%。随后，我国加大了投资力度，国民经济率先复苏，海洋经济也快速回升，截止到2010年，我国海洋经济的科技进步贡献率已经接近2007年的水平，到2011年更是超过了60%。但是，2012年以后，受国民经济增长变缓的影响，科技进步贡献率又呈现出下降趋势。综上可知，我国海洋经济的科技进步贡献率变化具有周期性，与宏观经济状况存在一定的正相关关系。

三、基于DEA的沿海各省科技金融绩效实证分析

在前文的测算中，我们了解了我国近10年来科技进步贡献率的变化趋势，不难看出科技进步对我国海洋经济的发展做出了巨大的贡献，与此同时，海洋经济的发展又通过金融领域反馈到科技研发领域，促进海洋产业的技术研发。众所周知，科技的发展离不开金融的支持，对于我国沿海各地区的金融支持科技创新效率是否有差别，我们不得而知。因此，本文把金融支持科技创新的效率作为科技金融绩效评价的方式，基于我国沿海地区辽宁、河北、天津、山东、江苏、上海、浙江、福建、广东、海南和广西11个省份的金融支持科技创新的现状，构建金融支持科技创新效率指标体系，并采用DEA方法对沿海各省2013年金融支持科技创新效率进行测度并分类。

图1：2004—2013年我国海洋经济的科技进步贡献率变化趋势

（一）DEA模型简介

目前，DEA方法已被广泛应用于经济学投入产出效率的研究中。DEA方法中两个最经典的模型就是C2R和C2GS2模型，前者可以用来研究多个DMU的技术有效性和规模有效性，后者主要用来研究多个DMU的技术有效性。鉴于C2R模型只能区分有效率和无效率的决策单元，而对于有效率的DMU却无法进一步排序，安德森和彼得森（Andersen和Petersen.N.C，1993）在经典DEA模型的基础上建立了超效率DEA模型（SE-DEA）。超效率DEA模型的原理是第k个DMU被其他所有单元线性组合成的虚构DMU代替，从而可以测算将自身排除在外的效率值。本文采用C2R模型和超效率DEA模型。

（二）我国沿海各省金融投入与产出的指标体系构建

海洋经济的发展离不开科技的支持，而科技创新水平的提高取决于金融支持的力度。为了更好地评价沿海各省金融支持科技创新的效率，遵循科学性、系统性、层次性、适应性、可操作性原则构建评价指标体系。为了更加科学、全面地分析创新投入指标，本文采用了科技支出占财政支出的比例、中小企业贷款增加额占银行贷款增加额的比例、高技术固定资产投资/固定资产投资额、R&D经费投入强度作为创新投入指标。其中沿海各省科技支出和R&D经费支出也直接反映了各省对科技创新的支持力度；中小企业是科技创新的主要动力和源泉，本文以银行对中小企业的贷款来衡量金融机构对科技创新的支持；用固定资产的投资占社会固定资产投资总额的比例来衡量来自企业自身的资金支持力度。产出指标包括百万人口有效发明专利数和高技术产业总产值占地区GDP的比例。我国沿海各省金融投入与产出的指标体系如表2所示。

表2：金融支持科技创新效率指标体系

表3：2013年沿海11省份金融支持科技创新效率评价结果

通过对各相对指标数据进行比较分析，广东省无论是科技创新投入指标还是创新产出指标总体上都要领先于其他省份。在R&D经费投入强度（%）方面，上海市最高，为3.11；其次是天津市、江苏省、广东省、浙江省、山东省、辽宁省和福建省；河北省、广西壮族自治区和海南省R&D经费投入强度都小于1。在高技术产业产值方面，广东省最高，占地区GDP的44.3%，其次是江苏和上海，约占地区GDP的40%，最少的为河北省和海南省，比例不到地区GDP的4%。

（三）沿海各省金融支持科技创新效率实证分析

本文依据经典的C2R模型（CCR-DEA）和超效率DEA模型（SE-DEA），以我国沿海11个省份金融投入与科技产出相对指标数据为样本，运用DEAP2.1 和EMS1.3软件对其进行实证研究，测算出2013年我国沿海各省金融支持科技创新效率，并进行比较分析，统计结果见表3。

1.从综合效率值分析：天津、上海、江苏、浙江和广东的综合效率值为1，这三省两市为DEA有效，规模效率值同样为1，说明他们达到了规模有效，即规模报酬不变。辽宁、河北、山东、福建、海南和广西的综合效率值都小于1，为DEA无效，其中河北的综合效率值仅为0.411，是沿海各省效率最低的，与东南沿海各省相比有着明显的差距。从有效和无效的省份数量比较看，我国沿海大部分省份尚未达到有效投入，且呈现出规模报酬递增的特征。

2.从纯技术效率值分析：纯技术效率值代表了技术使用的相对有效程度，从表3可以看出除山东和福建外，其余沿海各省的纯技术效率值均为1，而且山东和福建的纯技术效率值也非常接近于1，这也说明了我国沿海各省基本实现了纯技术有效，即利用现有投入实现最大化的目标。但是考虑到大部分省份的规模效率值都小于1，说明纯技术有效并不代表已经达到最优的资源配置。

3.从规模效率值分析：该指标反映了各省份是否处于规模最优状态，从表3可以看出，与综合效率值相似，天津、上海、江苏、浙江和广东已达到最优规模状态，其余省份除山东和福建比较接近最优状态外，辽宁、河北、广西、海南均远离最优状态，并且处于规模收益递增状态。

4.超效率值分析：安德森和彼得森提出的超效率DEA模型，打破了原先的效率评估瓶颈，为有效单元排名提供了依据。从表3中可以看出，广东省的超效率值最高，反映出其金融支持科技创新效率要领先于其他省份，其他依次为江苏、上海、天津、浙江、福建、山东、广西、海南、辽宁和河北。从以上的排名可以看出，与各省市的经济金融发展水平存在一定程度的正相关关系，说明经济金融发展水平越高，DEA超效率值也就越高。

（四）基于金融支持科技创新效率的聚类结果

为了区别不同的创新群体，本文通过两次DEA分析对我国沿海11个省份进行了分类处理。在第一次DEA分析结果中，取出5个有效单元，即广东、江苏、上海、天津和浙江，然后再进行第二次DEA分析，得到4个有效单元，分别为福建、山东、辽宁和海南，最后广西和河北归为第三类（见表4）。

表4：沿海各省金融支持科技创新效率聚类分析

四、结论与政策建议

根据索洛模型对我国海洋经济科技进步贡献率的测度结果可知，2004—2013年，科技创新对我国海洋经济的贡献并不稳定，特别是在经济不景气的时候，科技进步贡献率变得非常低，反映出当宏观经济下行的时候，企业就会减少对科技的投入。我们用经典的C2R模型和超效率DEA模型对我国沿海各省的金融支持科技创新效率进行研究并进行聚类分析，结果显示，我国沿海各省的科技金融绩效水平存在明显的差别，效率值与经济金融发展水平存在一定的正相关关系，如经济金融水平较高的广东、上海等省市，综合效率值及超效率值明显高于广西、河北等省。除此之外，为了提高我国科研资金的配置效率，我们通过两次DEA效率测算，把我国沿海11省市分为了三个层次，国家科研基金应更多地投放到DEA效率值高的地区。

基于以上的研究结论，我们认为国家应在对加大对海洋科技创新的金融支持力度的基础上，优化科技金融资源配置，以此推动我国海洋经济的发展。特别是在经济不景气的时候，更应加大科研投入，对科技创新企业提供优惠的利率政策和税收政策，鼓励更多的市场资金进入科研领域，提高我国海洋经济科技贡献率。在我国沿海各省科技金融绩效水平测算的结果中，不难发现各省市之间效率水平差距明显，特别是广西、海南、河北和辽宁等省份，国家应该加强扶持力度，促使我国科技金融平衡发展。DEA效率低的地区应该加强自身科技创新体系建设，加大教育支出，培育出更多的优秀科研人才。除此之外，还可以通过加强海洋科技产业园区基础设施建设、引进先进的管理模式等手段提高科研资金利用效率。

[1]Charnes，A.Cooper，W.，W.，Rhodes，E.，1978.Measuring the efficiency of decision making units[J].European Journal of Operational Research，32（2）.

[2]Charnes，A.Cooper，W.W，B.Golany，L.Seitord，J. Stutz.1985.Foundation of Data Envelopment Analysis for Pareto-koopmans Efficient Empirical Production Functions [J].Journal of Economics，（30）.

[3]Andersen P.and Petersen N C.1993.A procedure for ranking efficient units in data envelopment analysis[J].Management Science，39（10）.

[4]赵昌文等.科技金融[M].科学出版社，2009.

[5]吕江林，王新龙，宋高堂.中部地区与东部发达省市科技与金融结合效率的比较研究[J].金融与经济，2012，（10）.

[6]杨文举.基于DEA的绿色经济增长核算：以中国地区工业为例[J].数量经济技术经济研究，2011，（1）.

[7]何宽.基于索洛模型的浙江省海洋科技进步贡献率研究[D].浙江海洋学院硕士论文，2013.

[8]黄瑞芬，王环.山东科技金融绩效评价—基于主成分分析的DEA研究路径[J].金融发展研究，2013，（6）.

Technology Finance Performance Evaluation in Coastal Provinces of China Based on DEA

Huang Ruifen Du Xuyuan
（Ocean University of China，Qingdao Shandong 266100）

This paper uses the Solow model to measure the contribution rate of marine science and technology development to marine economy of China，starting from the present situation of technology progress support to the Marine economy development，and constructs an evaluation index system of the financial support technology innovation，and builds a DEA model to evaluate technology finance performance in Coastal Provinces of China.The result indicated that:the contribution rate of marine science and technology development to marine economy is characterized by its periodicity from 2004 to 2013.DEA model calculated results show that the Efficiency value of the financial support technology innovation in China's coastal provinces has obvious difference and has certain positive correlation with level of economic and financial development.Based on the above research results，this paper puts some forward feasible countermeasures and suggestions on how to improve the efficiency of science and technology finance resources allocation.

contribution rate of science and technology progress，science and technology finance，DEA，performance evaluation

F830

A

1674-2265（2015）04-0035-05

（责任编辑 耿 欣；校对 XR，GX）

2015-3-15

国家海洋局软科学项目“科技金融支持海洋经济发展对策研究”（B201303007）。

黄瑞芬，女，山东青岛人，博士，中国海洋大学经济学院教授，研究方向为国际金融、金融工程；杜绪沅，男，山东聊城人，中国海洋大学经济学院，研究方向为金融市场与金融工程。