西安市科技金融发展效率及动态影响因素

黄仁全，田 径，王娟娟

（西安外国语大学经济金融学院，陕西西安 710128）

党的十九大报告明确提出我国坚定实施创新驱动发展战略，着力加快建设实体经济、科技创新、现代金融、人力资源协同发展的产业体系。实体经济是发展的着力点，科技创新、现代金融、人力资源是支撑发展的三大要素。科技金融将科技创新与现代金融两大要素协同起来，通过现代金融服务科技创新，进而推动实体经济发展。2019 年1 月初，国务院下发《关于推广第二批支持创新相关改革举措的通知》，要求包括西安市在内的8 个试点城市推广设置科技创新专板，拓宽科技型企业融资渠道，推动各类金融工具更好服务科技创新活动。2019 年2 月，西安市政府发布《西安市科技金融产业发展规划（2019—2021 年）》，在肯定西安市科技金融服务科技创新成绩的同时，也指出了当前存在的一些突出问题和未来发展方向。测度科技金融效率的高低、寻找影响科技金融效率的因素，有利于促进科技、金融与产业的深度融合，推动科技成果转化，培育战略性新兴产业，打造“硬科技之都”。

1 相关研究

Zenia［1］通过对26 个国家的1 053 家企业实证分析得出，金融融资的便利性与技术创新呈正相关。Richard 等［2］认为创新性的金融融资方式和投资模式会对企业的创新产生推动作用。Alexandra 等［3］通过中美上市公司对比研究认为，依靠股票、债券融资的企业比借助银行贷款的企业拥有更高的科技创新效率。数据包络分析（DEA）方法是近些年发展起来的一种新的效率评价方法，由著名运筹学家Charnes 等［4］提出，在各领域效率评估中得到广泛应用，如Lee 等［5］运用DAE 模型对韩国政府在国防工业中的投入产出效率进行了研究，并提出了提高效率的对策建议；Rosa 等［6］利用超效率DEA 模型对西班牙纺织行业的科技金融效率进行了测度与分析。

国内学者关于科技金融的研究，有部分学者如王仁祥等［7］、张媛媛等［8］和张童［9］建立了科技创新与科技金融的耦合度模型，发现我国各省份科技创新与科技金融的耦合度总体呈现由低到高的波动发展趋势；戴志敏等［10］、郭昕昕［11］在选取投入、产出指标后，利用DEA 模型分别对我国不同区域以及河南省的科技金融效率进行了测度；罗清和等［12］、刘太萍等［13］利用DEA 模型分别研究了深圳市和徐州市的科技金融相对效率；车小粉［14］利用BCC 模型测度了郑州市科技金融投入产出效率，并通过Tobit 回归模型分析了其效率影响因素。

目前，对科技金融效率的研究以国家、区域或省份为主体的研究较多，深入到市一级科技金融效率的文献较少，针对西安市科技金融效率研究的文献更少。在科技金融效率测定模型上，相当一部分学者选用的是DEA 模型中的CCB 或BCC 模型，这两个模型在测定科技金融效率时，若决策单元（DMU）都是高效则无法对效率高低进行排序；此外，在科技金融效率影响因素分析方法上，大多数学者选用的模型（如Tobit 回归模型）并不能研究投入与产出两个系统之间的相互作用关系。在此，本研究提出利用超效率DEA 模型测度西安市科技金融效率，该模型可以对所有决策单元效率值进行排序，并运用VAR 模型研究投入与产出两个子系统之间的动态影响机理。

2 西安市科技金融超效率DEA 测度模型

2.1 科技金融发展效率测度模型

2.1.1 DEA 方法及CCR 模型

DEA方法的原理是通过保持决策单元的输入（投入）或者输出（产出）不变，借助于数学规划和统计数据确定相对有效的生产前沿面，将各个决策单元投影到DEA 的生产前沿面上，并通过比较决策单元偏离DEA 前沿面的程度来评价它们的相对有效性。采用DEA 方法进行效率评估的优点很多，包括适用于多投入多产出的效率评估问题、指标选取与量纲无关、无需设定指标权重等。

2.1.2 超效率DEA 模型

在CCR 模型中，可能出现多个有效决策单元，它们的效率值都为1，此时无法比较这些决策单元效率的高低。Anersen等［15］提出一种超效率评价模型，能够对DEA 有效的单元进行排序。该模型在CCR模型基础上改进而来：

表1 科技金融效率值与决策单元综合效率关系

表1 （续）

2.2 指标选取与数据来源

科技金融效率是指科技金融投入产出效率，评估科技金融效率选取的指标也分为科技金融投入与科技金融产出两类指标。科技金融投入涉及的主体较多，考虑到数据的可获得性，在此主要研究政府、金融市场和企业主体科技金融投入对科技创新的作用，选取的指标包括：财政科技投入，反映政府主体在科技金融的资金投入；金融机构对科技企业贷款额，反映金融市场的科技金融资金投入；研究与试验发展人员全时当量，反映政府、企业等主体在研发方面的人力投入。科技金融产出指标包括专利授权量和技术合同交易额，可以反映科技金融投入直接带来的技术产出情况。

相关数据来源于《陕西科技年鉴》《陕西统计年鉴》《陕西区域统计年鉴》《西安统计年鉴》《西安年鉴》，以及Wind 数据库、西安市科技局官网和部分期刊文献中的调查数据，个别年份有数据缺失的通过趋势外推法、插值法获得。根据超效率DEA模型，将表2 中原始数据代入模型式（2）中，得到超效率θ值、规模收益和投入的投影结果（见表2）。

表2 西安市科技金融效率评估的原始数据及其投影结果

2.3 实证结果与分析

（1）从综合效率分析，2000—2018 年西安市科技金融投入产出效率变化如图1 所示。其中，2008—2014 和2016、2018 年这9 个年份的效率值大于1，说明这些年度的科技金融投入与产出处于高效状态；其他年的效率值小于1，为DEA 无效，特别是2000—2007 年间的效率比较低，处于效率值小于0.9 的非有效状态。在此阶段，无论是在国家还是地方政府层面，对发展科技金融的重视程度不够，出台的相关政策文件较少。

图1 西安市科技金融综合效率的年度分布

（2）从效率变化趋势来看，2000—2011 年西安市科技金融投入产出效率值总体呈递增趋势。其中，2000 年的效率值仅为0.183 2，处于非有效状态甚至接近于无效状态，效率极低；2006 年2 月，国务院发布《国家中长期科学和技术发展规划纲要（2006—2020）》，开始重视科技金融在促进科技发展中的作用，陕西省与西安市自2006 年开始出台发展科技金融相关文件并加大了科技金融投入；2008 年，西安市科技金融效率首次达到DEA 有效状态，效率值为1.034 6，特别是2009 年后，西安市密集出台支持科技金融发展政策，如《关于进一步加强科技与金融合作共同促进科技产业发展的指导意见》《西安市统筹科技资源改革示范基地建设方案》《关于深化统筹科技资源改革加快创新驱动发展的实施意见》《西安市系统推进全面创新改革试验打造“一带一路”创新中心实施细则》等，不断加大对科技金融的扶持力度；2011 年的效率值达到峰值1.481 2，2016 年和2010 年分别排第2 位和第3 位；2011 年后，效率值呈波动发展态势，仅2015 年和2017 年效率值小于1，但仍然处于投入与产出效率的相对有效状态。

（3）将科技金融投入进行投影分析。对非有效的决策单元，可将其对应的投影到DEA相对有效面，即把非有效决策单元投影为DEA 有效的决策单元。以科技金融投入为例，其投影方法为：其中，为投影结果，即投入目标值。其经济意义为，将原始投入调整到即可把非有效决策单元调整到有效。通过的比较可发现，应当调整对应指标的投入。以2017 年为例，财政科技投入、金融机构对科技企业贷款额以及研究与试验发展人员全时当量3 项指标，投影后分别可减少投入420 425.43 万元、165 732.93 万元和1 539.79 人年，说明科技金融投入资源之间存在不协调、不匹配和投入冗余等问题。

（4）从规模收益分析，除科技金融效率值大于1 的DEA 有效年份外，其余所有年份的规模收益都为递增，说明无论在过去对科技金融不重视时期，还是高度重视科技金融发展的现阶段，西安市科技金融发展整体仍处于规模收益递增阶段，可以通过继续加大投资和扩大规模获得更高的收益。

3 基于VAR 模型的实证分析

通过科技金融效率的测度可以反映西安市科技金融发展效率高低，但无法说明其科技金融投入与产出两个子系统之间的相互影响机理。对此，采用向量自回归（VAR）模型对西安市科技金融两个子系统相互影响机理进行动态分析。

3.1 ADF 检验

在DEA 测度模型基础上，对西安市科技金融投入指标和产出指标数据取对数，以减小异方差带来的影响。选用ADF 检验方法，利用EViews10.0 软件检验时间序列的平稳性，结果如表3 所示。对原始数据进行ADF检验，结果均为不平稳；但一阶差分后，所有指标均为带有截距项平稳。通常情况下，可以做协整分析和运用向量误差修正（VEC）模型进一步研究，但由于本研究采集的数据量相对较少，在VEC 模型求解时EViews 无法通过。由于一阶差分后数据是平稳的，因此对一阶差分后数据可运用VAR模型进行分析。

表3 2000—2018 年西安市科技金融效率指标的ADF 检验结果

3.2 脉冲响应分析

根据VAR 模型滞后阶数确定原则，建立滞后阶数为二阶的VAR 模型，即VAR(2)模型，模型稳定性检验结果如图2 所示，所有特征根倒数的模都在单位圆内部，说明所建立的模型是稳定的，因此可以进行脉冲响应分析与方差分解。

图2 2000—2018 年西安市科技金融效率指标二阶平稳性检验特征根

（1）产出子系统对投入子系统的脉冲响应分析，如图3 所示。其中，实线代表产出指标对投入指标冲击的响应水平；虚线代表正负两倍标准差偏离带。由图3 可见，金融机构对科技企业贷款额，对专利授权量和技术合同交易额在1～3 期为正向响应，第3 期达到最大值开始减小，并产生负向波动，说明增加金融机构对科技企业贷款额在短期内有利于专利授权量与技术合同交易额的增加，而长期来看可能增加企业负担从而产生负面影响；研究与试验发展人员全时当量，对专利授权量和技术合同交易额在短期（1～3 期）内产生正向反应，长期效果不明显，说明短期增加研究与试验发展人员全时当量对专利授权量和技术合同交易额的增加具有显著效果；财政科技投入，对专利授权量在短期内正向、负向冲击交替影响，而对技术合同交易额在1～2期有利于其增长，3 期以后将产生较大的负面影响，因此盲目增大政府科技投入将导致企业、科研机构等严重依赖政府财政扶持，长期来看不利于自主创新能力的提升。

图3 2000—2018 年西安市科技金融产出子系统对投入子系统的脉冲响应

（2）投入子系统对产出子系统的脉冲响应分析，如图4 所示。其中，实线代表投入指标对产出指标冲击的响应水平，虚线代表正负两倍标准差偏离带。由图4 可见，专利授权量，对金融机构对科技企业贷款额短期为负向响应，负向效果在第5 期达到最值，说明追求专利授权量增加需要在短期内减轻企业、科研机构等科研主体的经济负担；对财政科技投入在1～2 期为正向响应，说明需要加大财政科技投入，3～5 期为负向响应，说明在这个时期内专利开始产生回报效果；对研究与试验发展人员全时当量在1～3 期响应为负，说明短期应降低研究与试验发展人员全时当量投入，专注于现有资源的有效整合，提高人力资本的利用效率。而技术合同交易额，对金融机构对科技企业贷款额短期为正向响应，即技术合同交易额的增加将导致企业负担加重；对财政科技投入在1～2 期为负向响应，说明技术合同交易额的增加有利于降低财政科技投入，但3～4 期为正向响应，说明政府不能依赖技术合同交易额降低财政科技投入，但可以在不同时期将经费投入到不同行业，以提高资金利用效率；对研究与试验发展人员全时当量在1～3 期响应为正，说明技术合同交易额的增加在短期内需要加大研究与试验发展人员全时当量的投入，以完成合同规定的科研技术任务。

图4 2000—2018 年西安市科技金融投入子系统对产出子系统的脉冲响应

3.3 方差分解

为进一步研究西安市科技金融投入与产出子系统之间的相互关系，特别是引起产出指标变化的原因，对专利授权量和技术合同交易额的方差分解结果如表4 所示。在专利授权量方差分解中，投入子系统中财政科技投入在第2 期以后的占比较大，其次为金融机构对科技企业贷款额和研究与试验发展人员全时当量；技术合同交易额在第3 期以后占比较大，说明产出子系统技术合同交易额的增长有利于促进专利授权量的增长。在技术合同交易额方差分解中，占比由大到小排序大致为专利授权量、金融机构对科技企业贷款额、财政科技投入和研究与试验发展人员全时当量，说明专利授权数量的增长同样有利于促进技术合同交易额的增长，二者之间可以相互促进。而投入子系统中金融机构对科技企业贷款额对技术合同交易额的解释作用较强，研究与试验发展人员全时当量对财政科技投入和技术合同交易额的解释作用都比较弱，说明在促进专利授权量和技术合同交易额增长方面，增加研究与试验发展人员全时当量投入，与增加财政科技投入和金融机构对科技企业贷款额投入相比，前者的投入效果不太显著。

表4 2000—2018 年西安市科技金融产出指标方差分解结果

4 结论与建议

4.1 主要结论

本研究利用超效率DEA 模型对2000—2018 年西安市科技金融效率进行测度，并运用VAR 模型分析西安市科技金融投入与产出子系统之间的动态影响关系。研究发现：

（1）2006 年后国家与西安市出台的支持科技金融发展的政策效果凸显。西安市科技金融DEA 效率值在2000—2011 年间总体呈递增趋势，2007 年以前效率值较低，处于非有效状态；2011 年后呈波动发展态势，但效率值较高，仅2015 和2017 年处于相对有效状态。

（2）西安市科技金融发展仍处于规模收益递增阶段，可以继续加大在科技金融方面的投入，通过扩大规模以获得更高的收益。在脉冲响应分析中也发现，专利授权量和技术合同交易额在短期内对金融机构对科技企业贷款额、研究与试验发展人员全时当量和财政科技投入为正向响应。

（3）西安市在加大科技金融投入时，需要根据投入子系统（金融机构对科技企业贷款额、财政科技投入和研究与试验发展人员全时当量）与产出子系统（专利授权量和技术合同交易额）的相互作用规律，把握投入时机和平衡投入资源，使其发挥最大效用。

4.2 政策建议

根据本研究的相关结果，分别对政府、金融市场和企业提出如下建议：

（1）完善科技金融政策体系，优化政府科技投入结构。西安市政府一方面要充分发挥市场在科技金融发展中的主体作用，另一方面要完善科技金融政策体系，引导科技金融发展和弥补市场缺陷。要完善西安市科技金融法规政策，构建科学高效的组织体系、市场体系、服务体系和扶持体系；构建多元化投入机制，充分发挥金融市场在科技金融投入与风险化解中的作用。

（2）建立快捷高效金融市场，拓宽多层级融资渠道。根据2019 年发布的中国金融中心指数，在所评价的31 个金融中心排名中，西安市金融综合竞争力位列第11 位，与上海、北京、深圳等城市相比差距较大。科技型企业由于其行业特性，投资风险较大，普遍存在融资难问题，因此要健全和完善股票市场、债券市场和风险投资市场，鼓励探索民间资本参与科技创新领域，为科技型企业拓宽融资渠道。

（3）增强企业科技创新能力，加强其自身信用水平建设。一方面，科技创新是加快企业科技研发的核心，科技企业要增加对科技创新的投入，突破技术壁垒，加快科技成果转化，实现快速发展；另一方面，科技企业要提高管理水平，防范经营管理风险，加强自身信用体系建设，以利于解决融资难的问题。