我国科技金融发展效率的影响因素——基于模糊集的定性比较分析

周 新，马 丁

（太原理工大学经济管理学院，山西太原 030024）

科技创新和金融发展作为经济社会发展的内在动力，二者的有机结合是推动科技生产力实现高效转化、促进战略性新兴产业发展和刺激产业结构进行调整升级的重要支柱。科技创新是金融发展的核心要素，而金融发展也为科技创新提供资金和经济环境的外在保障。目前我国经济正处于“三期叠加”的关键环节，面临着经济增长速度放缓、劳动力等低成本优势逐渐丧失、产业结构和区域发展不均衡等一系列问题，要寻求经济的突破性发展，离不开科技创新这一强大驱动力的助推，也需要金融发展的有利支撑。我国自2011 年科技部发布《关于促进科技与金融结合加快实施自主创新战略的若干意见》,各地区相继出台相关政策支持科技与金融结合发展，引导科技金融可持续发展，但由于各地区金融资源配置和科技金融人才配置效率的差异，直接影响了区域科技金融的发展效率。因此，研究我国科技金融发展效率的影响因素，不仅是对科技金融深度融合等相关理论的拓展与深化，也符合我国经济发展新常态下探索科技金融优化路径及改善区域发展不平衡的现实需要。

1 文献综述

国内外学者针对科技金融问题从不同的方面进行讨论和研究。国外学者主要是围绕金融与科技创新的关系展开研究。在金融方面，Canepa 等［1］利用社区创新调查数据，探讨了金融因素作为英国创新制约因素的作用，发现金融因素对高科技部门和较小的企业的创新活动有一定的正向影响；Giannetti［2］发现银行等金融机构介入对中小高新技术企业的技术进步和创新有更显著的作用；Kortum 等［3］研究了金融风险资本对美国20 个行业专利发明的影响，发现金融风险资本对技术创新有显著的促进作用。在市场融资方面，Atanassov［4］利用面板数据对美国上市公司进行实证研究发现，上市公司依赖金融市场融资进行的科技创新活动会取得更高质量的成果；Kim 等［5］探讨了2000—2008 年外部融资对韩国上市公司技术创新活动的各种影响，发现银行贷款的间接外部融资对企业的技术创新活动有负面影响，而证券发行的直接外部融资对技术创新活动有积极影响。

20 世纪90 年代，“科技金融”的概念首次在国内提出，国内学者主要是从科技金融的理论和实证两个方面进行研究。在理论方面，赵昌文等［6］所著的《科技金融》是国内关于科技金融研究的代表性著作，认为科技与金融相互融合对于促进技术研发、成果转化和高新技术产业发展有重要作用；房汉廷［7］从理论、实践和政策3 个方面阐述了科技金融问题；邓天佐等［8］探讨剖析了我国科技和金融结合的内涵、规律、特点及表现形式，并针对科技金融相关问题给出建议。在实证研究方面，曹颢等［9］选取科技金融资源指数、经费指数、产出指数和贷款指数4 个方面10 个指标对我国科技金融发展指数进行评价；杨建辉等［10］筛选18 个指标构建科技金融发展评价体系，并利用投影寻踪模型得到我国20个省份的科技金融发展指数；甘星等［11］构建科技金融指标评价体系，利用数据包络分析（DEA）方法分析了2006—2014 年我国三大经济圈的科技金融效率；黄瑞芬等［12］运用DEA-Malmquist 指数法和随机前沿（SFA）模型对我国科技金融全要素生产率变动和效率进行评价，发现不同地区的科技金融发展效率存在显著差异；薛晔等［13］运用熵权法和贝叶斯随机前沿模型测算了2001—2014 年我国30 个省份的科技金融发展效率，并分析了金融投入变量对科技金融发展效率的影响；李林汉等［14］利用DEATobit 模型对我国30 个省份的科技金融发展效率及影响因素进行分析，发现财政科技拨款、科研经费投入等因素具有重要影响；许世琴等［15］采用DEABCC 模型测算了2005—2016 年我国30 个省份的科技金融效率，并利用空间面板模型进行因素分析，发现研发投入强度、科研氛围以及高新技术产业资金规模对科技金融发展效率有重要的影响。

综上所述，国内科技金融的实证研究主要是选取指标构建科技金融发展评价体系，利用DEA 方法、SFA 模型等方法测算出科技与金融结合效率，并分析不同区域之间的差异；在分析影响因素方面，大部分学者选取科技金融评价体系中的投入变量作为影响因素，利用面板数据Tobit 模型重点分析研发经费强度、融资方式、资金规模等不同投入要素对我国科技金融发展效率的影响，而较少考虑金融环境的作用。在知网上截至2020 年6 月搜索关键词“科技金融效率”，仅有3 篇文献专门讨论了金融环境对科技发展效率的影响。此外，科技金融发展效率是一个复杂的问题，受多方面因素的影响，但现有文献中只是研究分析了不同因素对科技金融发展效率产生正向或者负向、显著或不显著的影响，却忽略了因素之间协同组合效应对科技金融发展效率的影响。

本研究在已有研究的基础上，运用DEA-BCC模型测量2011—2017 年我国各省份的科技金融发展效率，并以各省份2017 年的科技金融发展效率为结果变量，采用模糊集定性比较分析法，从金融环境、科研资金投入和科研人力投入角度选取6 个因素作为影响因素，研究这些因素之间的协同组合效应对我国科技金融发展效率的影响，探寻实现提高科技金融发展效率目标的最佳路径。

2 实证分析

2.1 定性比较分析法

定性比较分析法（QCA）是20 世纪80 年代开始出现的一种关注条件组态与结果之间复杂因果关系的方法。有学者认为社会现象发生的原因条件间多是相互依赖而非独立的，因此解释社会现象发生的原因不能仅局限于关注单个条件对结果的影响［16］。定性比较分析法放弃了单变量的净效益，采取整体的视角看待各变量之间的关系，以布尔代数作为数据运算的基本原理，研究多个条件变量之间如何组合搭配，可以解释结果的发生（A×B→Y）。传统的定量方法追求得到结果的最优解，而定性比较分析法认为导致结果发生的组态具有等效性，即多个不同的条件组合会产生同样的结果（A×B→Y，C×D→Y）［17］。

在使用模糊集定性比较分析法进行分析前，需要校准所有变量的原始数据。模糊集的功能强大，可以将条件变量的数据值校准到0～1 之间的任何数值，用于评估“完全隶属”和“完全不隶属”间的隶属程度，这样可以最大化防止数据信息的丢失。这种校准可以得到一个连续变量的模糊集，并且依赖于使用理论和实际知识设定3 个定性的转折点：“完全隶属”（1）、“完全不隶属”（0）以及交叉点（0.5），交叉点是最大的模糊点。

利用组态分析研究结果的QCA 方法结合了定性分析与定量分析各自的优点，既适用于中小案例样本的研究，也可以用于大规模案例的研究。科技金融发展效率受多个因素影响，应用定性比较分析法有助于从深层次分析科技金融发展效率的影响机制，探究提升我国科技金融发展效率的条件组合路径。同时，本研究以我国30 个省份（未含西藏和港澳台地区）为研究案例（以下简称“样本省份”），符合定性比较分析法研究样本数量的基本要求。

2.2 变量选取及数据校准

2.2.1 结果变量

本研究关注的结果是各省份的科技金融发展效率。利用DEAP2.1 软件，以金融投入、政府投入和科技投入3 个方面的5 个指标为投入要素，以发明专利申请量、技术市场成交合同额和高新技术新产品销售额为产出要素，将科技金融产出指标的数据选择相对于投入指标的数据选择滞后1期进行研究，计算出2011—2017 年样本省份的科技金融发展效率，并以其2017 年的科技金融发展效率为结果变量。

2.2.2 前因条件变量

（1）金融环境。金融环境是金融活动发生与发展的支持系统和资源，并影响着金融市场运行的效率［18］。本研究选用科技金融政策和金融发展程度作为金融环境的二级指标。其中，金融发展程度借鉴童纪新等［19］的指标选取方法，采用金融机构各项贷款余额占地区生产总值（GDP）的比重来衡量；科技金融政策以地方政府在官网上发布的促进科技与金融结合的相关文件为依据，设定2017 年以前发布相关科技金融文件的数量0 和1 分别对应隶属度为0.05 和0.95 的校准点。金融发展方面对应的“完全不隶属”“模糊点”“完全隶属点”3 个校准点的数据分别为0.9、1.6 和2.5。

（2）科研资金投入。科研经费是为发展科学技术事业而支出的费用，科研经费是否充足对科研成果有直接影响，因此世界各国都非常重视对科研经费的投入。本研究采用科研经费强度和政府科技支持力度来反映科研资金投入对科技金融发展效率的影响。其中，科研经费强度用R&D 内部经费支出与地区生产总值之比来衡量；政府科研支持力度用地区财政科学技术支出占比来表示。经费投入强度和政府支持力度对应的“完全不隶属”“模糊点”“完全隶属点”的校准点分别是0.5%、1.2%、2.6%和0.7%、1.5%、5%。

（3）科研人力投入。科研人员是科技研发中不可或缺的重要部分，科研人数和科研人员学历对科研创新有重要的影响。本研究采用R&D 人员全时当量和科研人员中本科及以上学历占比来研究科研人力投入对科技金融发展效率的影响。这2 个变量对应“完全不隶属”“模糊点”“完全隶属点”的校准点分别是7 000 人年、135 000 人年、300 000 人年和0.52%、0.71%、0.9%。

本研究数据来源于《中国金融统计年鉴》《中国科技统计年鉴》《中国统计年鉴》和各省份有关官网信息。样本省份科技金融发展效率前因条件变量的校准点如表1 所示。

表1 样本省份科技金融发展效率前因条件变量校准点

2.3 前因条件必要性分析

根据模糊集分析的步骤，在利用真值表对条件组合进行分析之前，需要检测各条件的必要性，以确定该条件是否为结果变量的必要条件，确定的依据是结果变量的一致性数值。根据Rihoux 等［17］的研究，必要性模糊子集关系的一致性可以使用以下公式评估：

式（1）中：Yi为案例i对于结果变量的隶属度；Xi为案例i对于前因条件的隶属度。

在fsQCA3.0 软件中运行必要条件分析，得到单个前因条件变量对结果变量的一致性数值如表2 所示。依据以往研究，当一致性数值大于0.9 时，则可以认定该条件为结果变量的必要条件［20］。根据表2 可知，当结果变量为科技金融发展效率时，单个条件的一致性数值最高为0.821 706，不超过0.9，因此本研究中不存在必要条件。这说明有效提高科技金融发展效率不能单独依靠某个变量，而是需要多个条件组合搭配共同作用实现。

表2 样本省份科技金融发展效率前因条件变量必要性分析

2.4 结果分析

条件组态分析是分析各条件变量之间不同组合对结果变量产生的影响作用，本研究运用条件组态分析探究哪些组合是导致我国高科技金融发展效率的路径。将一致性的阈值分界点设置为0.85，案例阈值设定为1。运行fsQCA3.0 软件中的标准分析，可以得到3 个解：复杂解、简约解和中间解。复杂解是根据案例条件未做处理分析得出的结果，解释模型复杂，普适性较差；简约解是精简之后的解，相对简单，但启示性较差；中间解兼具前两者的优点，通常用作问题的分析结果。根据表3 可知，样本省份科技金融发展效率中间解的总一致性为0.931 062，总覆盖度为0.759 044，说明这些解的解释力和可行性强。经分析，有4 条路径可以实现地区科技金融高水平发展：

（1）路径1 即政策平衡型。可以解释为当地方政府出台相关政策支持科技与技金融结合发展，同时科技型企业投入大量的科研经费和拥有一批学历高、科研能力强的科技金融人才，因此即使科研人数没有产生规模效应，该地区也能实现高水平的科技金融发展。其中，科技金融政策为核心条件，科研经费强度和科研人员学历为辅助条件。符合路径1 的省份为陕西省和天津市。陕西省虽然总体经济实力略显不足，但是重视教育事业，不断加强高校建设，并大力发展高新技术产业，省内科技型企业科研经费投入占比不断增大，聚集了一批“高精尖”的科研人才，为科技创新作出巨大贡献。2012 年陕西省政府出台了促进科技与金融结合的相关政策，加强科技金融服务体系建设，开展科技与金融结合试点，强化有利于促进科技与金融结合的保障措施，加速科技与金融深度融合发展。天津市临近北京市，依靠北京市的辐射和自身发展，经济、科研投入和科研人员能力水平均处于国内领先地位，再加上市政府布局于科技金融发展，因此即使科研人员数量未达到较高状态，天津市也有较高水平的科技金融发展。

（2）路径2 即全面协作型。可以解释为当地方政府支持与科技金融结合发展，同时具有较大的科研经费投入和政府科技支持力度，吸引大量科研人员聚集，无论金融发展程度和科研人员学历如何，该地区也能实现高水平的科技金融发展。其中科技金融政策、科研经费强度、政府科技支持力度和科研人数均为辅助条件，这4 个条件对实现该路径的贡献度相同。符合路径2 的省份为北京市、上海市、江苏省、浙江省和广东省。北京市和上海市是国际化大都市，经济金融实力强大。在高新技术产业方面，北京拥有“中国硅谷”之称的中关村科技园，而上海也形成了“一区六园”的高新技术产业开发区新格局，两市的高新技术产业实力雄厚，而且有大批高等院和科研机构作为支撑，汇集了一大批学历高、能力强的科技金融人才，再加上科技型企业重视科技研发，政府大力支持科技发展，北京市和上海市均实现了高水平的科技金融发展效率。江苏、浙江和广东省均位于国内东部沿海地区，经济金融发展水平居全国前列。2012 年开始，这3 个省份政府相继出台了相关政策，加速科技与金融结合，助推科技创新和经济高质量发展；此外，这3 个省份的科研经费强度分别为2.63、2.45 和2.6，政府科技支持力度分别为4.03、4.03 和5.48，科研人数分别为560 002 人年、398 091 人年和568 287 人年，均远高于全样本平均水平。虽然江苏省金融发展得分仅为0.27分，浙江省科研人员学历得分仅为0.05 分，广东省这两个指标得分分别为0.48 分和0.56 分，但是这3个省份依旧实现了高水平的科技金融发展。这说明只要同时满足科技金融政策、科研经费强度、政府科技支持力度和科研人数等条件，金融发展程度和科研人员学历这两个条件是否存在得分较低对高科技金融发展效率影响不大。

（3）路径3 即科研投入型。可以解释为当地方科研资金投入和政府科技支持足够大时，即使该地区金融发展水平不高，科研人员的数量和学历水平不理想，也能实现科技金融高水平发展，其中政府科技支持力度是核心条件，科研经费强度是辅助条件。符合路径3 的省份有湖北省、安徽省和江西省。这3 个省份位于国内中部地区，相较于东部沿海经济发达地区，在经济金融发展上还属于新兴地区。近年来，湖北省已经建有国家级、省级高新技术区21 个，科技型企业科研经费强度不断增大，同时政府设立科技金融服务中心，引入银行、风投等机构，帮助企业快速融资，推进科技与金融一体化发展。安徽省和江西省政府重视科技发展，并积极引导推动地方金融体系不断完善，加大投入支持各类科技金融平台建设，整合科技与金融资源，同时高新技术企业积极在金融市场中进行科技贷款和科技融资，高新技术产业规模和科研经费投入比重不断扩大，产业创新能力不断增强，进一步加速科技与金融结合高水平发展。

（4）路径4 即环境人力型。可以解释为当地方金融发展程度较高，政府积极实施促进科技金融发展的举措并吸引一批学历高、科研能力强的科技金融人才，也能实现高水平的科技金融发展。在该路径中，科技金融政策是核心条件，金融发展和科研人员学历是辅助条件。符合路径4 的省份是甘肃省和四川省。这2 个省份位于国内西部地区，虽然经济发展较为落后，但金融市场相对活跃。2013 年甘肃省成立科技发展投资有限公司，致力于培育扶持科技型企业发展，建设科技创新城孵化基地，同时省科技厅与兰州银行签署共同推进科技金融结合的战略合作协议，为科技型企业加快发展提供融资支持，而且在全省科研人员中本科及以上学历占总科研人数的比重达79%，加速了地区科技金融的有效融合发展。2008 年四川省科技厅联合多个部门率先提出了较为全面和系统的科技金融相关政策和措施，加大对高新技术产业投入，鼓励银行、保险等金融机构支持高新技术产业发展，致力于优化科技金融生态环境，实现科技与金融深度融合。

表3 样本省份科技金融发展效率路径构型

3 结论及建议

本研究选取2011—2018 年我国30 个省份科技金融投入产出的相关数据，运用DEA-BCC 模型测算出科技金融发展效率；并以2017 年的科技金融发展效率为结果变量，运用模糊集定性比较分析法，从金融环境、科研资金投入和科研人力投入3 个方面分析影响科技金融发展效率的因素，探讨了科技金融政策、金融发展程度、科研经费强度、政府科技支持力度、科研人数和科研人员学历这6 个因素对科技金融发展效率的组合效应，探寻提升科技金融发展效率的多元路径。研究发现：一是高效的科技金融发展具有“多重并发”的特点，要实现高效的科技金融发展需要多个因素联合作用，任何单独一个因素都无法导致该结果的发生；二是推动地区实现高效的科技金融发展有4 条路径，分别是政策平衡型、全面协作型、科研投入型和环境人力型，科技金融政策在4 条路径中出现3 次且2 次为核心条件，是促进科技与金融结合的重要因素。

基于以上研究，提出如下建议：

（1）科技金融发展效率高的省份应在保持自身优势的同时积极弥补不足的方面。北京市和上海市无论在经济金融发展还是科研经费人力投入方面都处于领先地位，除了保持高效发展，还要积极与国际接轨，向国外发达地区学习科技金融建设的先进经验，并引进大型金融机构和科技型企业长期发展，打造成世界一流的科技金融服务中心；同时需要加强法制建设，促进形成公平的科技金融市场竞争，依靠地区的辐射能力稳步推进京津冀地区和长江三角洲地区的科技金融发展。浙江省、江西省、安徽省和湖北省等金融市场活跃度和科研人员数量不足，地方政府应采取措施完善金融组织体系，加大有效信贷投放，活跃金融市场，同时出台优惠政策引进一批高学历科技金融人才，促进科技金融更高效发展。四川省和陕西省的政府科技支持力度、科研人员数量是阻碍其科技金融进一步发展的主要因素，政府应增加财政科技金融投入，提高财政资金运作效率，同时吸引更多的高校毕业生留在当地为地方科技金融发展作出贡献。广东省和河南省的科研人员中本科及以上学历人数偏少，这在较大程度上限制了科技金融更好地发展，政府和企业应该加强科研人员队伍建设，不仅要关注科研人员的数量，更要注重人员质量，保证科研人数和人员质量两大方面才能更有效地推动科技金融发展。

（2）科技金融发展效率较低的省份应根据地区发展优势因地施策，寻找符合自身科技金融高效发展的路径。广西壮族自治区、山西省和黑龙江省等的科研人员中本科及以上学历人数占据优势，但是其他条件缺乏，可以借鉴路径1 和路径4。由于金融发展需要长时间的运作，通常短时间内成效不明显，政府应颁布和完善相关科技金融政策，鼓励科技型企业加大研发投入，从而提高当地科技金融发展效率。新疆维吾尔自治区、内蒙古自治区和云南省等的金融市场活跃，发展态势良好，并且科研人员中高学历人数占比也超过其他大多数省份，因此可以借鉴路径3。政府应加强科技扶持力度，并出台优惠政策激励企业提高科研投入，加快科技创新，提高科技成果转化率。山东省和辽宁省积极搭建科技金融综合服务中心，科技型企业科研投入和科研人数保持在较高水平，可以借鉴路径2。政府应重点补足科技支持不足的缺陷，同时还要优化资源配置，避免将大量资源倾注于某些企业或者行业，推动地区科技金融高效率发展。