基于DEA-Tobit的长江经济带技术转移金融支持效率研究

崔学海，王崇举，曾 波

(重庆工商大学 a.长江上游经济研究中心；b.商务策划学院 重庆 400067)

一、引 言

金融作为促进技术成果转化的催化媒介，将新知识、新发明和新方法引入生产环节，产生物质、能量、信息的传递与互动，使知识形态的技术成果转化为产品形态的创新成果，对保障技术转移的顺利实现至关重要。企业作为技术创新的核心力量，单凭自身资源，难以有效突破核心技术难关，与此同时，高校、科研机构在专利申请量逐年增加的情况下，专利成果转化率较低[1]。2016年长江经济带各省市加大金融对技术创新及转化的投入力度，“R&D经费内部支出”“专利申请授权量”已占全国的44.8%和50.0%，但反映技术成果转化的“技术市场成交合同金额”“高技术产业新产品开发及销售”指标分别仅占30.2%和40.9%，技术创新成果转化效率较低。优化科技金融配置，着力提高科技金融对技术转化的支持力度，提高投入效率是政府和企业亟需解决的现实问题，也是学术界关注和研究的热点问题。长江经济带金融支持技术转移的整体效率和省际间效率差异何在？如何判识金融支持效率的影响因素？如何有效提高金融支持效率？本文将对以上问题展开研究。

国内外学者对促进科技创新的金融资源整体投入效率给予了较多的关注，并基于不同视角、采用不同的方法对科技金融进行评价，取得了丰富的研究成果。现有文献虽然为本文研究提供了理论支撑和方法借鉴，但在科技金融整体框架下，从技术转移局部视角分析投入效率的文献较少，对长江经济带的技术转移金融支持效率关注更少，从而存在以下两点研究缺陷：一是研究视角过于笼统，现有研究倾向于将所有环节的投入加总后，进行效率评价和分析，忽略了科技创新不同环节的时间维度特征，弱化了效率变动背后的影响因素，难以辨析技术转移环节金融支持的独特效率属性；二是评价指标选取宽泛而不尽合理，虽然科技金融效率评价指标与其框架内某一特定环节金融投入的效率评价指标会有交叉，但差异也比较明显，以“专利授权”指标为例，在多数文献中，常将专利授权数作为科技金融的产出指标，而在技术转移环节，则作为技术与科技成果对象，通过专利权转让、专利实施许可转让等方式，实现专利授权成果转移转化。不同环节投入产出具有特殊性，若以框架性指标代替阶段特性，将对某一环节的效率评价形成不可避免的传导干扰，产生认知偏差，进而无法准确获知金融对技术价值实现的驱动效果。基于此，本文只研究长江经济带11省市技术转移特定环节的科技金融效率，从契合技术转移的金融投入和科技产出视角构建效率评价指标体系，衡量技术转移不确定过程中资金融通与技术流动的动态耦合度。

本文的贡献在于将金融对技术转移环节的效率评价与对科技金融整体效率研究区分开来，测度技术转移特定环节的金融支持效率，厘清长江经济带不同省市综合技术效率、纯技术效率和规模效率差异，探讨金融效率差异产生的影响因素，为制定有效对策提供依据。

二、机理分析与研究方法

(一)文献回顾与机理分析

金融资源具有稀缺性，受到效率的刚性约束，基于金融与经济增长研究而演化的金融结构论、深化论、约束论和功能论，普遍包含投入与产出的金融效率观念。效率(efficiency)原指有用功率对驱动功率的比值，引申至经济管理领域，指经济管理活动的有效性，即一定的投入与它所产生的收益之比。美国经济学家Eugene Fama最早提出了资本市场的有效性假说(Effective Market Hypothesis)，认为市场价格总能完全反映市场信息，在此理论框架下，Robinson和Dwayne、Hellmann等进一步划分了金融的运行效率和配置效率[2-4]。在现代经济金融发展环境下，金融效率的量化测度已成为金融发展框架下金融效率研究的重点，Haslem等对美国银行业务的运行效率水平进行了测算，Abdullah Saeed等学者则分析了金融配置效率对经济增长的影响[5-7]。国内学者白钦先将金融效率定义为金融资源在经济、金融系统内以尽可能低的成本实现有效配置和协调利用[8]。赵昌文等引申提出科技金融内涵，并进而指出科技金融是由向科学与技术创新活动提供融资资源的政府、企业、市场、社会中介机构等各种主体及其在科技创新融资过程中的行为活动共同组成的体系，这一观点被国内学者普遍认可，并在此基础上基于不同方法对科技金融效率进行了分析与评价，其中较成熟的方法主要有以随机前沿分析(SFA) 为代表的参数统计和以数据包络分析(DEA)作为主要方法的非参数统计两类，许汝俊、薛晔、王康等学者，综合运用DEA、Malmquist指数分析、熵权法等效率评价方法，以不同的空间地理单元为分析样本，对金融支持技术创新的整体投入产出效率进行分析评价，得出金融效率具有显著的空间地理特征[9-12]。在金融效率测度评价基础上，国内外学者进一步扩展研究了金融效率的影响因素并提出对策建议：Luintel等人研究提出，通过减弱政府对银行贷款决策的干预，或放松金融管制，可促进金融资源配置效率的提高[13]；李林汉等通过Tobit模型得出科研投入、地区法制化水平是效率的正向影响因素，李俊霞和温小霓研究认为直接融资比例、风险投资强度和科技企业孵化能力，对科技金融效率具有显著影响[14-15]；李雯和王纯峰基于供给侧和需求侧二维视角提出区域金融效率受人力资本水平、技术进步的显著影响[16]；杜金岷等利用SFA回归分析，进一步研究证实了环境因素、随机变量对科技金融效率的干扰和影响[17]。

科技金融是促进成果转化和高新技术产业发展的一系列金融工具、制度、政策和金融服务的系统性、创新性安排[9]。以时间为逻辑，科技金融投入分为基础知识创新、技术创新和技术转移与产业化三个递进投入环节，前两个环节的金融投入着重促进产生更多的技术输出对象，第三环节则将金融资源配置于技术成果的转移和产业化过程，通过技术的许可、使用权转让和产业化创新等形式，借助财政资金、市场化风险资本或信贷资本驱动，推进技术与金融要素互动融合，完成技术成果后续转化与价值补偿，三个环节关联运行而又相互影响，最终构成科技金融的整体投入框架，已有的文献较多关注科技金融效率的研究，很少在科技金融的框架下有效识别技术转移环节的金融支持效率。

基于上述分析，本文提出，技术转移作为科技金融支持的重要环节，有其阶段性的运行模式和局部性的投入产出目标，整体的科技金融效率评价虽然可以在一定程度上反映局部的效率状态及变化，但在强化技术成果转移与产业化的科技创新背景下，完全取代对技术转移特定环节的效率评价，将对金融支持真实效率判断产生误导，亟需从技术转移的金融投入与产出视角，构建区域技术转移指标体系，立足效率评价模型，进行测度与分析。

(二)模型方法选择

常用的效率评价方法包括层级分析法(AHP)、模糊综合评判法、回归分析及方差分析法、主成分分析法和随机前沿分析法等，通常需要通过模型假定，明确投入和产出间的关系，可能出现人为设置函数而产生分析误差。而数据包络分析法作为一种测度多投入和多产出综合效率的方法，其优点在于不需要作任何先验性假定，对投入和产出的函数关系没有前提要求，数据可避免归一化处理，借助模型评价决策单元(DMU)的相对有效性。金融支持技术转移具有多投入和多产出的特征，适宜通过数据包络分析法建立三阶段的DEA分析模型，以求客观准确的揭示金融投入和技术转移产出的效率值。DEA中应用最为广泛的是假设DMU规模报酬不变(CRS)的CCR模型和假定DMU规模报酬可变(VRS)的BCC模型。BCC模型可计算出规模报酬、纯技术效率、规模效率，已在资源配置效率等方面得到了广泛应用。其线性规划公式可表达为：

考虑变量个数较少，Boussofiane等人将上式转化成为对偶命题，使该公式的计算更有效率：

本文将长江经济带各省市作为决策单元(DMU)，第一阶段采用投入导向且规模报酬可变的BCC模型，对技术转移原始投入产出变量进行分析，得到各省市的综合技术效率、纯技术效率、规模效率和金融投入松弛量(实际投入与最佳效率投入的差额)；第二阶段采用随机前沿分析法(SFA)对金融投入松弛量进行分析，对干扰效率测度的不可控外部环境、随机噪声干扰因素进行剥离和剔除，调整金融资源投入量，使各省市处于相同的环境条件下；第三阶段为调整后的DEA模型分析，将第二阶段调整后的金融投入变量与初始技术转移产出再次通过BCC模型分析得到客观准确的技术转移金融支持效率值。在支持效率的影响因素分析方面，采用Tobit模型，以各省市的综合技术效率为被解释变量，设置解释变量进行回归分析，以动态反映效率的影响因素。

三、实证分析

(一)第一阶段DEA模型的选择与建立

1.评价指标体系的构建

鉴于本文只聚焦于技术转移的科技金融效率，因此，在评价指标选取方面，最关注特定环节评价的衡量指标，这是由技术转移投入及其产出的刚性特征所决定，避免框架性指标稀释阶段性指标的刚性，避免主观性指标对冲客观性指标的重要性，基于技术转移的金融投入和科技产出的视角，结合数据的可比性和可获得性构建效率评价体系。

(1)投入指标选取

区别于金融机构贷款、财政科技支出等框架性金融投入指标，为突出反映技术转移金融投入的阶段性特征，考虑到研发投入对技术转移的显著促进作用[18]。本文选取R&D 经费内部支出 (X1) 和 R&D 人员全时当量(X2)，作为促进长江经济带各省市技术转移中的两个金融投入变量，反映某一省市技术转移金融支持的研发投入的强度。随着技术市场交易活动的活跃，其交易活动已成为衡量技术成果转化和跨区域技术转移活动的重要依据，技术市场成交合同亦成为衡量区域间技术转移的重要指标[19]。因此，我们选用省市吸纳技术合同成交金额作为技术转移投入的第三个变量(X3)，可更有针对性的反映通过市场交易实现的技术投入程度与活跃度。

(2)产出指标选取

作为衡量技术转移产出的一个重要指标，选用各省市输出技术合同成交金额(Y1) 作为区域技术转移科技金融的产出变量，用于直观反映某一省市通过金融投入提升自身技术产出后的服务强度。考虑到技术转移对高技术产业发展具有的显著正面效应和贡献，选用高技术新产品销售收入(Y2) 作为区域技术转移的第二个重要产出变量。上述产出指标，相较于科技论文检索数、专利授权数、新产品产值等框架性产出指标而言，更能精准衡量对技术转移投入后的产出，由此开展技术转移效率评价的结论才更贴近实际。

表1 样本科技金融投入产出体系表

2.样本选择及数据说明

以长江经济带11个决策单元及京津冀3个决策单元为分析样本，考虑到R&D投入与产出之间的滞后期，选取2014—2016年的R&D经费内部支出、R&D人员全时当量均值作为X1，X2的投入量，数据来源于当年《中国科技统计年鉴》。考虑到技术转移合同的执行时限，选取2014—2016年吸纳技术合同成交额均值作为变量投入，数据来源《全国技术市场统计年度报告》，输出技术合同成交额数据源于2017年《全国技术市场统计年度报告》，高技术新产品销售收入数据来源于2017年《中国科技统计年鉴》。

3.效率测度实证分析

不考虑环境因素和随机变量影响的情况下，将原始投入产出数据代入BCC模型进行计算，运用DEA2.1效率分析软件，测算得到长江经济带11省市及相关省市促进技术转移的金融效率评价结果，如表2 所示。

表2 2016年各省市金融投入产出效率表

注：Crste为综合技术效率，Vrste为纯技术效率，scale为规模效率，Crste=Vrste*scale，Rts为规模报酬，irs为规模报酬递增，“-”为规模报酬不变。北京、天津、河北为长江经济带以外的三个对比区域。下同。

由表2可知，从综合技术效率的空间分布特征看，长江经济带各省市综合技术效率普遍较低，11省市的综合技术效率均值0.531，低于京津冀3省市的均值0.615；湖北、浙江、重庆、上海、安徽、江苏等6省市综合效率0.6以上；湖南、江西、四川等5省市综合效率在0.6以下，云南最低为0.21，反映出金融资源投入后的技术转移产出明显不足，存在较大改进空间。从纯技术效率看，长江经济带纯技术效率0.876，略高于京津冀的0.866。江西、湖南、贵州、云南等4个省市技术效率达到DEA 有效，体现出较好的技术管理能力，其余7个省市迫切需要提升技术管理水平，加强高技术人才培育，提高新技术的研发和引进，提高科技创新能力。从规模效率看，长江经济带11 省市规模效率0.631，均未实现规模有效，值得注意的是大部分省市规模报酬处于递增阶段，意味着就整体而言，对技术转移的金融投入不够，距离资金需求有较大差距，通过增加技术转移金融投入规模可以有效提升效率。鉴于第一阶段效率评价未考虑环境和随机因素，本阶段的分析结果作为初步的测算，可能与真实水平存在差异。

(二)第二阶段随机前沿分析(SFA)分析

环境和随机变量差异会导致分析偏差，要获得客观的分析结果，须排除环境变量对DEA 投入产出效率结果的干扰，使评价单元能够处于相同的环境条件下。为此，利用Frontier4.1 将第一阶段各个省市投入变量的松弛度定为被解释变量，选取地区经济发展水平(人均GDP)、政府科技创新的支持程度(地方财政科学技术支出占地方财政支出的比例)、地区研发机构规模水平(区域研究与开发机构数占比)等环境因素作为解释变量，进行SFA 回归分析，结果如表3所示。

表3 样本随机前沿分析(SFA)结果表

从表3的随机前沿分析结果可以看到，地区经济发展水平对于所有投入变量的松弛值回归系数都为负数，由于被解释变量为各个投入的松弛变量，因此，地区经济发展水平的提高有利于投入的减少或产出的增加，即促进科技金融效率的增加；对政府科技创新的支持程度解释变量，地方财政科学技术支出占比对于所有投入变量的松弛值回归系数都为负数，表明对科技金融产出有正向作用，即科技创新的支持程度和科技财政支出占比越高，越有利于科技金融效率的提升，这也比较符合现实情况。对地区研发机构规模解释变量，区域研究与开发机构数占比对所有投入变量松弛值的回归系数都为正数，表明现有的研究与开发机构普遍存在的重研究，轻转化的不足与弊端，大量的科技金融投入产生的技术成果，得不到及时转移转化，金融投入与技术转移产出效率低，形成金融投入效率的“短板效应”。

(三)第三阶段调整投入后的DEA 分析

根据三阶段DEA分析方法，第三阶段主要是结合第二阶段SFA分析结果，调整原有的投入变量值，确保在同一外部环境下，对调整过的投入值和原始产出值重新进行DEA 模型分析计算，进而得到更加可靠的第三阶段各省市的技术效率值和规模报酬状态如表4所示。

排除环境变量和随机因素影响，相比于第一阶段，11省市综合技术效率均值由0.531下降到0.343，纯技术效率由0.876下降到0.826，规模效率由0.631下降至0.464，效率值的不同程度的变化，说明环境因素对投入冗余具有显著影响，11省市金融投入与转移产出效率被不同程度的高估，金融投入效率明显没有达到理想状态。

表4 各省市投入调整后的金融效率(第三阶段)表

各省市第三阶段的综合金融效率相比第一阶段普遍出现下降，说明效率值与所处的环境密切相关，由于各省市资源禀赋不同，环境因素对效率的影响效应不尽相同，影响幅度较大的贵州、云南第三阶段调整后，技术效率不足0.1；江苏、上海两省规模效率高于各自的纯技术效率，同时也显著高于其他省份的规模效率，显示在金融投入规模方面成效明显；其他省市规模效率普遍低于各自的纯技术效率，结合对比分析，规模效率处于较低水平是制约综合技术效率的重要原因。

(四)基于 Tobit 的技术转移金融效率影响因素分析

前述分析得出省市技术转移金融效率存在着较大差别，为深入探讨金融效率差异产生的影响因素，本文在三阶段DEA测算效率基础上建立Tobit 模型，借鉴相关研究文献，选取相关指标，分析金融效率的影响因素。

1.指标选取及说明

(1)高技术企业研发强度(yfqd)。高技术企业是技术成果转化，科技金融资源配置的重要载体，研究开发的持续投入推动企业不断从外界吸收先进技术，客观上必然促进技术转移效应的提升。选取高技术企业R&D 投入强度来反映各地区高技术企业对技术研发及产业化的投入程度，数据来源于《2017年中国科技统计年鉴》。

(2)财政支持度(czbl)。由于技术转移的不确定性和高投入风险，政府财政资助对于激发和引导技术创新，保障技术转移的顺利实现尤为关键，本文选取财政科学技术支出占省市财政总支出的比例来反映政府财政的支持度，分析其对技术转移金融效率的潜在影响，数据来源于《2017年中国统计年鉴》。

(3)金融规模水平(dkbl)。作为技术转移的资金来源，金融资源为技术转移提供资金保障，在以间接融资为主要模式，银行占主导地位且以信贷资产为主的情况下，金融规模水平可以各省市金融贷款余额占地方生产总值的比例来衡量。

(4)技术转移示范机构占比(jgzb)。国家技术转移示范机构通过服务模式探索与机制创新，逐步成为我国技术转移服务体系的核心力量，有助于打通成果转化与产业体系壁垒，调整信息不对称，为促进科技创新与成果转化，推动技术与经济发展发挥重要作用。以各省市拥有的国家技术转移示范机构占比反映技术转移服务机构规模，数据来源于《2017年全国技术市场统计年度报告》。

2.Tobit模型分析

借助Tobin提出的Tobit 模型，以三阶段DEA 模型得到的各地区的综合技术效率为被解释变量，以前述四个指标为解释变量进行回归，结果如表5所示。

表5 各省市技术转移金融效率Tobit回归模型分析表

模型结果揭示：

1.高技术企业R&D 投入强度(yfqd)、技术转移机构占比(jgzb)两个变量的回归系数都为正，对于科技金融效率都有正向影响，当变量增加1% 时，金融效率分别增加1.66%和5.61%，且高技术企业R&D 投入强度(yfqd)在10% 的置信水平下显著，技术转移机构占比(jgzb)在5%的置信水平下显著。表明市场化的研发投入强度越大，技术转移机构占比越高，在投资收益率引导下，以盈利回报为目标，严格筛选和评估技术潜在市场价值和需求为前提，推动成果转移与产业化，客观促进金融支持效率的提升。

2.政府财政支持度(czbl)、金融规模水平(dkbl)两个变量的回归系数为负，当变量增加1%，金融效率分别降低5.35%和0.07%。前者回归系数为负，可能的合理解释是，政府财政支持偏重于投入产生的引导与带动效应，着眼点在于克服市场失灵，为基础性和关键性技术成果转移扩散提供资金保障，投入效率并非首要追求目标；后者的回归系数为负，表明受制于技术转移收益的不确定性和资本流动性要求，金融规模的扩大并未带来技术转移领域流入的有效增加，或未能真正契合不同阶段技术转移资金需求，反向抑制了科技金融效率，但两个变量在回归模型中都不显著。

四、主要结论

本文在借鉴前人研究基础上，运用三阶段DEA和Tobit方法对长江经济带11省市技术转移科技金融效率及影响因素进行了综合评价与差异分析，得出主要结论如下：

1.综合效率分析表明，从整体上看，与京津冀区域相比，长江经济带促进技术转移的金融效率普遍偏低，金融对技术转移的资金融通功能未有效显现。囿于区域发展水平、金融资源及政府创新支持等外部环境影响，不同省市效率水平差异较大，但并未严格呈现自东向西梯度递减的趋势或规律，尽管东部地区金融的投入规模普遍高于中西部，但综合效率最高的湖北省处于中部，一种合理的解释是，效率是一个相对值，东部地区经济科技投入能力较强，技术成果转移产出大，但因其金融投入也大，其评价效率并非必然高效。

2.纯技术效率是由管理和技术等因素影响的生产效率。其中，江西、湖南、贵州、云南等4个省份技术效率达到DEA 有效，表明在当前的技术与管理水平上，其投入资源的使用有效。长江经济带其余7省市纯技术效率偏低，表明金融投入与相应的技术产出不匹配，在提升技术管理水平，强化技术转移供需主体有效衔接，加强高技术人才培育，提高新技术的研发和引进等方面存在进一步改善空间。

3.规模效率体现了现有投入规模与最优规模之间的差异，通过DEA分析结果可知，较低的规模效率水平引致了偏低的综合技术效率，即技术转移金融支持有效投入的不足制约了投资效率的提升。长江经济带11省市均未达到规模效率有效，处于规模报酬递增阶段，亟需完善对技术成果投入的综合评估和筛选，契合技术转移阶段性资金需求，逐步实现金融投入的持续提高和产出更高比例的增加，直至达到投入与产出的最优规模收益点。

4.通过Tobit回归模型，分析技术转移金融效率的影响因素，包括高技术企业研发投入强度、政府对技术研发与转移的财政支持度、金融规模水平以及技术转移示范机构占比等。研究发现，高技术企业的研发投入强度、技术转移示范机构占比对金融效率有显著正向影响；政府对技术研发与转移的财政支持度、金融规模水平两个变量的回归系数为负，影响不显著，这既可能与变量选取不恰当有关，也可能与样本数量不足有关。

五、对策建议

基于前述分析，为支撑长江经济带技术协同创新，聚焦技术转移融资需求，从加大金融对技术转移的有效投入，提高技术管理效率与专业化服务水平两方面，实现技术转移链条与金融资本链条的深度融合与高度聚合，促进金融资源优化配置和效率提升，挖掘技术转移产出潜力，提高区域技术创新能力给出如下对策建议。

1.优化区域金融要素投入，提升技术产出规模效益。基于高技术企业研发强度对金融效率的正向影响，发挥政策性成果转化基金引导作用，杠杆撬动不同风险偏好的社会资本，支持高技术企业对具有社会正外部性特征，但风险较高，尚待验证成熟的技术成果开展转化投资；聚焦阶段性、差异化融资需求，进一步调整优化金融投入的阶段、方向和规模，促进金融供给契合高风险技术转移的需求。一是提高风险资本、融资债券投资于技术早期项目的占比，对处于种子期、初创期的企业围绕特色主导产业技术需求开展技术成果转移和价值实现提供直接融资资金支持，增强技术跨区域溢出效应；二是基于长江经济带客观技术势差，强化东中西地区阶梯式技术扩散的利益分享，有效引导东部的金融优势和中西部技术后发优势融合，鼓励科技信贷等间接融资着眼区域关键共性技术转移扩散，对中上游吸纳技术实施差异化金融支持。各种支持模式各有侧重，互为补充，协同提升金融投入的技术产出规模效益。

2.提升技术管理效率与专业化服务水平。技术转移机构的管理与服务水平对金融支持效率的提升有显著正向影响。 加强技术服务人力资本培育，构建区域性技术交易市场体系，强化技术转移机构的金融中介服务职能，以转移媒介身份提供定制化服务，通过供需信息对接、技术评估、知识产权交易、技术咨询服务，引导各类金融资本和技术成果聚集、融合，提升技术转移机构服务效能。一是进一步发挥其金融中介服务职能，对技术的创新性、可行性、产业化前景进行预测、识别和筛选，判断潜在投资风险和预期收益，形成投资服务链；二是进一步完善其技术交易媒介服务职能，降低市场风险和技术风险，遵循协调匹配要求，建立体现“技术流”和“能力流”特性的专属科技投资评价体系，包括个性化的贷款评估定价、异质化的风险监测触发条件和差异化的风险容忍机制，尽管订单式服务要求的资源密集度和金融工具的折旧率较高，但交易完成后的投资收益会补偿其成本耗费。