基于DEA模型的黑龙江科技金融结合效率研究

庞海峰 尹若涵 张晓慧

摘要：现通过采用数据包络分析方法（DEA）将经济较发达地区与黑龙江省科技金融结合效率进行比较分析，发现黑龙江省科技金融结合效率偏低，存在科技金融环境发育不完善；科技创新企业规模小；融资渠道单一等问题，对此提出优化投入产出结构、推动科技资本市场发展等一系列建议。

关键词：数据包络分析方法（DEA）；科技金融；结合效率

中图分类号：F014 文献标识码：A

文章编号：1005-913X（2019）05-0001-03

一、引言

科技金融的相互渗透能够加快科技创新型企业的发展，保障经济的快速转型。黑龙江省是中国农业大省，在国家经济发展中发挥重要作用，2011年黑龙江省成为科技金融试点城市之一，首家科技主营支行——龙江银行股份有限公司科技专营支行成立，科技金融结合工作由此展开。截止到2018年，黑龙省科技金融结合工作成果突出，但由于存在金融投入对科技创新支持不够、投入结构不合理等问题，导致黑龙江省科技金融结合效率不高。因此，黑龙江省科技与金融结合效率的研究有重要意义。

二、实证分析

（一）指标选取与数据说明

1.评价指标的选取

选择评价指标一般要遵循五个基本原则，典型性、可行性、精简性、关联性以及科学性，在遵循上述原则的基础上，同时参考学者的选取体系，最终确定投入指标与产出指标（如表1所示）。

2.相关性检验

DEA方法评价的前提条件是科技金融投入与产出指标符合正相关关系，运用SPSS软件得到指标间的Pearson相关系数（如表2所示）。

由表2可得，科技金融投入指标与产出指标间的相关系数在0.5～0.8之间，而相关系数是用于衡量变量之间关系的指标，用Y表示，其r取值在[-1，1]之间，并且r的绝对值越接近于1，变量间相关性越高。当r=0时，变量之间不相关；r介于0～1之间是正相关；当r=1时，变量之间完全正相关；r值介于-1～0之间，变量之间是负相关；r=-1时，变量之间完全负相关。由表2可知使用该研究数据成立的DEA效率评价模型有意义。

（二）动态比较分析

综合考虑了我国31个省份（港澳台除外）的经济发达情况、创新指数以及科技发展情况等，最终选取了北京市、浙江省、广东省等14个省市及黑龙江省作为研究样本，并采用Malmquist指数模型对黑龙江省2010～2016年的科技金融结合效率进行纵向分析。现部分运用DEAP2.1 软件测算我国15个省市科技金融结合的Malmquist指数（如表3所示），并把黑龙江省与北京市的各个效率值的变化差异进行对比分析（如表4所示）。

从表4可以看出，在样本研究年限内，黑龙江省全要素生产率（TFPCH）的平均效率值为1.323，增长了32.3%，整体出现上升趋势。技术效率指数平均变动为1.123，技术进步指数平均变动幅度为1.178，规模效率平均变动幅度为1.053，即各个效率的平均变动均呈现上升趋势。另外，黑龙江省各个效率变动的幅度不仅均大于其他省市平均效率的增长幅度，而且其技术进步水平远远大于上海、浙江等一线发达城市，说明黑龙江省这六年的科技竞争力在不断增长，金融对科技创新具有促进作用。从表4中可知，在2010～2016年间技术效率的平均变动、技术进步的平均水平要远远大于规模效率变化的平均水平，这表明推动黑龙江省科技金融全要素生产率（TFPCH）在2010～2016年增长的主要原因是技术进步，同时也反映黑龙江省在科技生产规模上存在一定的不合理性。

从表4可以看出，2011～2016年黑龙江省金融支持科技创新的平均效率值为1.459，以45.9%的速度增长，并且可以看出技术效率值、技术进步以及规模效率水平每年的平均增长速度在10%～20%之间，且技术进步的增长速度要高于规模效率的变化程度，反映科技进步是黑龙江省金融支持科技创新的主要因素。

2011～2016年全要素生产率值（TFPCH）总体上呈现先降后升的走势，其中2011～2014年间降低了47.9%，而到2015年全要素生产率值（TFPCH）在一年间又迅速上升到2.769，增长了241%。2011年7月，我国颁布的《国家“十二五”科学和技术发展规划》中提出继续完善科技金融一体化机制，建立全方位的科技融资体系，加快发展新型金融机制。这为我国各个省市探索创新科技与金融结合方式、优化科技金融投入规模提供了方针和政策指导，这可能是黑龙江省全要素生产率值（TFPCH）在2011～2012年增长的主要原因，而国家政策发布一年后，其生产力指数出现了大幅度的下降。而2014年全国两会中提出要深化金融体制改革和加快科技体制改革，为优化金融和科技结构提供了政策指导，从表4中可看出其生产力指数在2014年出现了大幅度的上升。而技术进步以及规模效率水平的变化同全要素生产率值（TFPCH）的变化方向一致，且变動幅度较大。而从表4中北京市的综合效率分解情况可以看出，其无论是全要素生产率值（TFPCH）、技术效率、技术进步水平还是规模效率均是平稳的变化趋势，反映北京市科技金融发展良好，金融投入结构合理，资源实现了最优配置。两者对比反映了黑龙江省金融推动科技创新受国家政策变化的影响较大，其次说明黑龙江省金融支持科技创新的效率低下，金融资源配置不合理。

（三）实证结果分析

采用DEA-Malmquist进行动态分析均显示黑龙江省的生产力水平在2010～2016年间实现了增长，但其科技金融结合效率整体不高，金融投入和科技产出结构不合理，存在资源配置不合理、生产要素投入结构不恰当的问题。另外，金融投入和科技产出结合效率低下，没有形成最优规模结构。因此，应进行长期优化和调整，在提高科技产出的同时，还应加快行业形成规模效应，从而提高科技创新能力，加快黑龙江省经济的转型升级。

三、发展建议

（一）营造有利于科技金融与产业深度融合的社会环境

增强金融推进科技创新的力度，实质上就是推进科技、金融与产业的深度融合完成科技产业化，实现将科研成果转化为生产力。而三者的深度交融需要制度化、法制化以及正规化的社会环境作为基本保障，目前黑龙江省科技金融发展环境尚不完善，信用担保体系不健全等增大了科技企业发展的风险，所以政府应优化现有环境，完善信用担保体系，如借鉴美国担保体系的模式，针对中小企业不同的发展阶段设立不同层次的担保额度与比例，以确保中小企业的顺利发展。另外，还应建立健全市场化、产业化的科技金融服务系统，为科技成果转化提供良好的环境基础，从而吸引更多的创新资源和金融资源汇聚黑龙江省，实现科技的产业化发展，加快建立有利于促进自主创新的科技、金融与产业融合的路径。

（二）优化投入产出结构实现资源最优配置

一方面，要增加金融投入规模，调整现有投入产出结构，加大对科技金融的财政投入力度，发挥政府的带头引领作用，同时制定相关政策吸引社会资金、金融机构和其他技术创新投资，扩大科技产出，调整现有生产要素规模，使之达到最佳规模效应。另一方面，要协调和完善政府与市场的关系，建立由市场决定产品研发方向、资源分配、效果评估的评价体制。同时，动员企业、社会和非政府组织对科技创新企业的关注与投资，依靠多样化的要素投入结构，加快科技与金融的对接。最后，结合黑龙江省的实际情况针对科技创新型企业专门建立一套评价资金投入结构的机制，不定期的对科技资金使用情况进行审计监督，对于资金投入不合理的企业及时给予相应的指导。

（三）提高对科技企业的金融支持力度

黑龙江省科技创新企业存在规模小、融资渠道单一以及政府对科技资金的支持力度不大等问题，遏制了科技創新企业的发展。因此，黑龙江省应扩大科技创新型企业的融资渠道，如借鉴日本发展方式完善与发展风险投资市场，鼓励科技型中小企业上市。也可借鉴美国科技孵化器的形式，将银行机构、天使投资、风险市场等联系起来，对非上市的科技型企业提供金融服务，给予科技型企业更多的自主融资权，还可借鉴美国硅谷银行的发展经验，构建特殊商业模式的科技型银行，服务于具有高成长性价值的创新企业。

（四）推动科技资本市场发展

健全的科技资本市场是科技创新发展的资金保证，也是科技创新型企业取得融资的重要渠道，所以，应建立多元化的资本市场。首先，应降低黑龙江省科技型企业的准入门槛，减少对中小科技型企业的规模限制，如针对缺乏资金的科技型中小企业，可借鉴英国的企业融资担保计划（EFG），由政府对其提供资金保障，使更多的中小企业加入到科技金融的发展市场。其次，大力发展哈尔滨股权交易中心中的科技创新板块，完善各个机构的对接机制，形成金融机构、非金融机构等多元化、一体化的金融服务体系。

参考文献：

[1] 江 湧，闫晓旭，刘佐菁等.基于DEA模型的科技金融投入产出相对效率分析——以广东省为例[J].科技管理研究，2017（3）：69-74.

[2] 刘萌萌，薛 冰，邹慧君.青岛市科技金融结合效率评价[J].金融经济，2017（8）：148-150.

[3] 王仁祥，黄家祥.科技创新与金融创新耦合的内涵、特征与模式研究[J].武汉理工大学学报：社会科学版，2016（5）：875-882.

[4] 章思诗，李姚矿.基于DEA-Tobit模型的科技金融效率影响因素研究[J].科技管理研究，2017（6）：29-34.

[5] 王 芳.河南省科技金融结合的绩效评价及对策建议[J].金融理论与实践，2016（12）：86-89.

[责任编辑：王功巧]