基于DEA—Tobit方法的我国科技金融结合绩效评价研究

张倩霞　万正晓

摘要：以2011～2015年的数据为基础，借助DEA-Tobit模型对我国30个地区的科技金融效率进行实证分析，从政府、企业、金融市场三个角度对科技金融效率一般影响因素进行探究，结果表明：北京、浙江和广东地区处于DEA有效状态，其他地区均为DEA非有效。而科技投入增加，科技金融效率并未提高，高新技术产业总产值占GDP比重和高新技术企业投入强度是影响科技金融效率的重要影响因素，提出优化政府资源配置、提高高技术产业规模和完善市场功能等建议。

关键词：科技金融；DEA-Tobit模型；结合效率

一、 引言

近年来，“中国板块”在全球科技金融发展中强势崛起，我国各地区不断加大政府资金投入、号召建设创新型城市，推动我国科技创新，然而在科技金融发展的道路上，仍然存在很多问题，我国东中西部地区科技金融效率是否随着科技投入的增加而得到提高？科技金融效率影响因素是哪些？因此，通过 DEA- Tobit模型对2011～2015年我国30个地区的科技金融效率进行实证分析，从政府、企业、金融市场三个角度进行探索，为我国各地区科技金融发展提供对策。

二、文献回顾

最早一批探索科技金融领域的学者以Schumpeter（1912）为代表，他肯定了科技创新的地位，提出科技创新推动经济发展并有着紧密的联系。 尽管国外的科技金融起步很早，但是真正对该领域进行研究的学者并不多，国外学者理论主要从以下三个方面展开。

第一，从区域科技金融角度。Peter Schofer、 Roland Leitinger（2002）认为环境的构建有助于企业的发展，建立一个国家的投资环境是非常有必要的，将对投资起到了很好的推动作用。第二，从风险投资角度。John Callahan（2003）通过分析风险投资的作用路径，肯定了风险投资对科技创新的积极影响，Hall（2002）强调风险投资的介入提高了科技创新能力，为科技型企业缓解了融资困难等问题。第三，从政府角度。国外学者对政府科技投入的观点仍然存在分歧，一些学者认为政府在科技金融发展中扮演着重要的角色，这一观点与 Rustam（1996）的观点不谋而合。而 Batra（2003）对政府投入的观点却不同，政府部门的金融支持、试验与发展等政策支持效果并不理想，各地区的政府部门应该注重健全司法和立法系统以及各阶段企业所需基础设施，并提供足够的政策空间给科技型企业。

目前，关于科技金融的研究正风靡云蒸，虽然国内科技金融起步较晚，但是关于科技金融的研究也是与日俱增，主要从三个方面展开。

第一，从区域科技金融角度。徐玉莲，王玉冬（2013）通过介绍科技金融的主客体要素和科技创新的重要性，以及对区域科技金融的分析，提出了相应的意见去促进区域科技金融的发展。第二，从风险投资角度。孙青青（2013）以2005～2011年的全国21个地区的面板数据作为研究样本，得出创业风险投资对高科技产业有着积极的推动作用这一结论，该结论与杨媛（2016）的观点一致，卢锋和韩尚荣（2015）研究发现风险投资与专利数量呈正比关系，而政府的科技投入与专利数量却呈反比关系。第三，从政府角度。沈虹（2013）通过分析江苏省苏南和苏北地区政府引导作用与科技创新的关系，认为苏南地区政府的引导力度明显大于苏北地区。

三、 实证分析

为了更全面的理解科技金融，通过DEA-Tobit模型对2011～2015年我国30个省（自治区、直辖市）的经济数据进行实证分析，并从政府、企业、金融市场三个角度来研究科技金融效率一般影响因素。

（一）基于DEA方法的科技金融效率分析

1. 实证模型的构建

1978年数据包络分析（ DEA）方法被 Charnes等首次提出来，是评价多输入、多输出同类部门（或单位）间相对有效性的一种重要方法，在处理多输出—多输入的有效评价方面有着很大的优势，这种独特的方法在很多领域都得到了广泛的运用，例如绩效评价领域和经济领域等 DEA模型有多种，包括CCR、CCW等，其中CCR是最基本、运用最频繁的一种模型，所测得的效率是整体效率，技术效率和规模效率两类属于整体效率的分支，其模型可以表示为：

min[θ-ε（eTs-+eTs+）]s.t■λjxj+s-=θx0■λjyj-s+=y0λj≥0，s-≥0，s+≥0j=1，…，n（1）

公式（1）的经济含义是：当效率评价值为1，并且技术效率和规模效率都为1，那么DEA则为有效，决策单元的经济活动同时为技术有效和规模有效；当技术效率和规模效率仅只有一方为1，另外一方小于1，则被认为DEA弱有效，技术效率和规模效率不同时最佳；若技术效率和规模效率值都很低，决策单元不是DEA有效，经济活动没有达到技术效率最佳，也没有达到规模效率最佳。

2. 指标选择及数据来源

笔者在评价我国30个地区科技投入产出效率的过程中，对指标进行了二次筛选，具体的指标见表1。笔者收集了2011～2015年全国各地区的科技投入和产出的相关数据进行研究分析，数据均来自《中国统计年鉴》、《中国科技统计年鉴》、《中国区域金融运行发展报告》和中国统计局，由于科技投入和产出之间存在着一定的滞后性，所以在运行 DEA模型的时候，收集产出数据要比投入数据晚一年。

3. 模型求解結果

笔者通过 DEAP2.1软件，针对我国30个省（自治区、直辖市）2011～2015年的相关科技投入和产出的数据进行评价分析，得到了全国各省份 DEA效率值，具体见表2。

从表2可以看出，在2011～2015年期间一直处于 DEA有效状态的是北京、浙江、广东，而河北省和内蒙古等多个区域的 DEA综合效率值一直偏低，为 DEA无效。2011年全省综合效率平均值为0.625，北京、江苏、浙江、广东和重庆为DEA有效，而低于2011年综合效率平均值的有16个地区，其中内蒙古的效率值最低为0.208。2012年 DEA效率值达到1的共有6个地区：北京、浙江、广东、江苏、陕西和新疆，而山西、吉林、广西、海南和宁夏的 DEA有效率远远低于2012年的平均效率值0.607，其中宁夏的效率值仅只有0.19。2013年北京、天津、广东、陕西、新疆、江苏以及浙江为DEA有效，而上海、安徽等地区的综合效率值介于平均效率值0.638和1之间，内蒙古的效率值最低为0.227。2014年 DEA有效的地区为北京、天津、陕西、上海、浙江以及广东，而低于平均水平0.675的共有15个地区，包括河北、山西、内蒙古等地区，其中内蒙古仅达到0.191。2015年北京、上海、浙江、广东、重庆和陕西为DEA有效，而河北、山西和山东等地区均低于平均值， 其中内蒙古的 DEA综合效率值为0.230。endprint

（二）基于Tobit模型的科技金融影响因素分析

1. 指标建立

基于以上分析，在进行Tobit回归时用2015年我国30个地区的科技金融效率值作为研究对象，从而来分析影响我国科技金融的相关因素，具体的指标如表3所示。

2. 实证模型的构建

1958年，Tobin关注了被解释变量有上下限或者存在极限值这类问题，而具有这类问题特征的模型就被称为Tobit模型，以2015年的全国30个地区的科技金融效率值作为被解释变量，上述影响因素指标作为解释变量，模型可以表示为：

E=β1F1+β2F2+β3F3+β4F4+β5F5+μ（2）

其中，E表示科技金融效率值，F1表示財政科技支出占地方财政支出比重，F2表示高新技术产业总产值占GDP比重，F3表示高新技术企业投入强度，F4表示金融机构贷款与存款的比例，F5表示银行业资产总额与GDP比例，μ表示模型的残差项。

3. 实证结果及分析

基于模型2，采用Eviews软件对我国科技金融效率的影响因素进行回归分析，结果如表4所示。

通过表4发现，地方财政科技支出占地方财政支出比重与科技金融效率呈负相关的关系，当政府科技投入增加时，科技金融结合效率呈下降的趋势，这与回广睿（2014）运营 DEA-Tobit模型得到的结论不谋而合；高新技术产业总产值占 GDP比重和高新技术企业投入强度都与科技金融效率呈正相关的关系；银行业资产总额与 GDP的比重和科技金融效率呈负相关的关系，这和之前学者研究的结果一致，银行业资产总额与 GDP的比重提高在一定程度上阻碍了科技金融的发展。而金融机构贷款与存款的比例与科技金融效率没有显著性关系，说明金融机构贷款与存款的比例并不是影响科技金融效率的因素之一。

四、建议

第一，优化政府资源配置，强化监管力度。根据回归结果显示，各地区政府科技投入与科技金融结合效率呈反相关关系，不断提高科技投入并不能对科技金融效率产生积极影响，反而造成资源浪费，所以各级政府应该优化政府资源配置，对各项资源进行合理的配置和管理，不浪费资源投入，使资源利用实现最优化。

第二，提高高技术产业规模，加快科技成果转化。根据表4显示，科技金融效率与高科技企业有着紧密的关联，高科技产业推动了科技与金融的结合效率，因此提高高技术产业规模并加快科技成果转化，将会提高科技金融效率。

第三，深化金融市场改革，强化市场功能。多层次的资本市场是指不仅满足不同类型的企业融资的需要，还能满足投资者的不同投资需求，所以各地区在充分利用中小板、创业板市场的基础上要建设多层次资本市场，吸引更多的科创企业通过多层次资本市场融资。各地区还应该积极培养中小金融机构，缓解科技型企业融资难的问题。

参考文献：

[1]Schumpeter. The Theory of Econo

mic Development[M]. Cambridge Mass： Harvard University Press，1934 Original in German，1912.

[2]Peter Schfer， Roland Lei linger. Fra

mework for venture capital in the accession countries to the European union[J]. Journal of Monetary Economic，2002.

[3]John Callahan， Steven Muegge. Ven

ture Capital's Role in Innovation： Issues， Research and Stakeholder Interestsf[J]. The International Handbook on Innovation.2003.

[4]Hall， Bronwynh. The Financing of R

esearch and Development[J]. Oxford Review of Economic Policy，2002（18）.

[5]徐玉莲，王玉冬.区域科技创新与科技金融系统协同发展运行机理分析[J]. 科技进步对对策，2013（20）.

[6]孙青青.科技金融对高新技术产业的影响[D].浙江工商大学，2014.

[7]杨媛.风险投资对科技金融创新的影响[J].经营管理者，2016（06）.

[8]芦锋，韩尚容. 我国科技金融对科技创新的影响研究——基于面板模型的分析[J].中国软科学，2015（06）.

[9]沈虹.基于结构方程模型的地方政府支持科技金融发展差异性研究——以江苏省为例[EB/OL].科技进步与对策，2013（22）.

[10]回广睿.我国科技金融的效率评价及其影响因素分析[D].西北大学，2014.

*基金项目：2012年度教育部人文社会科学研究规划基金资助项目“欧债危机和美国极度宽松货币政策背景下的人民币国际化路径研究”（12YJA790129）。

（作者单位：苏州科技大学）endprint