科技金融效率及其影响因素的省际差异性研究*

边俊杰，段可仪

(赣南师范大学 经济管理学院，江西 赣州 341000)

根据习近平新时代中国特色社会主义经济思想，“创新”是引领发展全局的核心和第一动力，“协调”是提升创新效能和实现均衡发展的根本遵循。在科技创新领域，金融是科技创新成果得以顺利转化的桥梁纽带，科技金融互动融合的效率对于提升科技创新效率、提升知识产权的管理水平与能力、补齐区域研发创新的短板、促进区域全面协调发展，实现我国经济从高速发展转变为高质量发展、实现创新型强国的建设目标起关键作用。

近年来，我国区域科技创新投入和产出取得了重要成就，R&D的投入能够显著促进产业的转型升级。[1]从研发的投入来看，2018年我国区域研发费用支出均值最高地区是东部约为870亿元，(1)因疫情影响可操作数据年份为2008-2018年。其次是中部地区均值约为411亿元，西部地区均值最低只有124亿元。从研发产出来看，东部地区2018年期末有效专利申请数均值68 175.4项，东北部地区均值为6 564项。由此可见，研发投入产出的区域差距较大，东部地区科技金融投入和产出效率以及知识产权外部环境建设更为完善。基于此，本文重点深入研究我国科技金融效率及其影响因素的省际差异性，并在此基础上探讨提升我国区域间研发创新能力，推进区域间科技金融效率协调发展，进而实现科技创新区域间协调发展的对策建议。

一、文献回顾

当前文献中评估科技金融效率采用的方法可以归纳为：传统的DEA模型、AHP层次分析法、随机前沿的回归分析和Malmquist生产率指数，TOBIT、GMM等面板数据模型等。代表性的文献如，Kaihua Chen等[2]采用动态DEA多周期区域研发效率评价中国区域研发体系中的效率；赵增耀等[3]运用DEA的方法从静态角度进行测算高技术企业科技研发和转化过程的效率值；罗清和等[4]通过 DEA—Malmquist 方法对深圳等14个城市进行横向比较，并进行研究年份动态变化过程的分析；李合龙等[5]则从静态和动态相结合的视角，以广东省科技企业为研究对象，首先运用AHP层次分析法在宏观、微观和中观层面进行分层，采用DEA模型从静态角度探究每个层次效率值，运用Malmquist指数测算技术效率的动态变化过程；孙志红[6]运用传统的DEA效率测算了我国各个地区科技金融效率；Miao Wang[7]采用随机前沿分析方法，研究了进口转移和外商直接投资对我国技术效率的影响。此外，为了分析投入过程中存在的管理无效率和随机扰动的因素，王文静等[8]通过建立DEA-BCC模型和Malmquist指数从动态和静态的视角分析我国科技金融效率变化情况，并用Tobit模型证明了政府支持和金融中介发展促进科技成果转化,但作者在进行Malmquist指数动态分析过程中并未进行环境因素调整。上述文献对科技金融创新效率的不同测度方法体现了一定的优势，但仍存在不足。

在科技金融的影响因素分析方面，相关学者主要从政府、企业和金融中介的角度进行探讨，综合考虑多种因素和随机扰动等风险因素的文献较为少见。从政府支持角度，Hsu F M等[9]研究发现，企业规模、产业、受资助企业的研发经费比例，均显著影响研发效率，政府决策者必须确定受资助企业研发预算补贴的上限比例，以避免公共资金的低效使用；程翔等[10]从政府实施科技金融政策的角度，构建了政策评价指标体系，对科技金融政策效率进行了评价。从企业的角度分析的学者主要考虑的是企业的研发投入，如V.J. Thomas等[11]从企业自身研发投入指标入手，以专利授予率和科研成果发表率占研发费用的比例作为研发效率的计算方法对美国50个州和哥伦比亚特区的研发效率进行了分析；叶莉等[12]从企业融资工具的角度入手，以我国中小板创业板上市的企业为研究对象，从企业层面对科技金融创新效率进行理论分析和实证检验，对企业融资工具进行探讨。也有学者从金融发展环境角度进行评价，陶长琪等[13]通过构建GMM模型，认为随着对外开放程度的提升，金融发展对科技金融的促进作用不断加强。

从科技金融区域间均衡发展角度进行探讨的文献，近年来得到广泛关注，但文献较少。童纪新等[14]认为产业规模、资金支持力度和区域法制环境对科技金融效率产生正向影响，政府财政科研支出对科技金融产生负向影响；许世琴等[15]研究发现，地区科研氛围和资金投入对科技金融有正向促进作用，研发投入强度对科技金融效率有负向影响。齐亚伟[16]分析区域产学研均衡协调发展环境对科技金融效率提升的影响，指出企业、高校、科研机构等创新主体的联结关系与区域创新效率的关联性最大。

现有的研究成果还没有一个比较综合全面的效率评价方法，在影响科技金融效率的因素方面，从知识产权管理的角度进行分析的文献较少，基于此，本文综合运用现阶段的效率评价模型，立足于较为全面的影响因素考虑，对我国30个省市2008-2018年间科技金融效率的发展情况进行分析，首先进行环境因素的调整再进行静态和动态效率效应评价得到更为科学准确的效率结果；从知识产权管理的独特视角，全面分析知识产权运用、创造、保护和管理对创新效率的作用效果。

二、指标选取

(一)指标选取

在以往学者选取的指标基础上结合本文的研究问题，综合考虑数据的可获得性，选取各省份统计口径一致的指标。

1.投入产出指标。计算知识产权运营效率投入指标需要从人力、物力、财力三方面考虑，由此本文在考虑数据的可行性及合理解释性，并且结合以往学者的研究成果后，对应选取四个投入指标为：R&D工作人员折合全时当量、R&D项目数、新增固定资产和R&D经费内部支出额；考虑到专利如果得不到有效转换，无法进入实际生产或市场化中，那该专利就没有发挥其应有价值，为了体现市场上对知识产权的有效供给，设置产出指标为期末有效专利申请数、技术市场成交额与新产品销售收入三个产出指标。

2.环境因素变量。SFA随机前沿模型的优势在于可以有效排除环境因素对结果的影响，本文考虑地方金融机构贷款衡量地区高技术产业的融资环境，选取区域科研人数反映地区科研氛围，将地方政府财政科学技术支出费用作为政府对于高技术产业的支持程度，地区生产总值GDP衡量地区经济发展环境，知识产权发展综合指数反映地区知识产权发展环境，以上5个因素作为影响科技金融产出的环境因素变量。

(二)Tobit模型指标选取

本阶段研究知识产权管理水平对研发创新效率的影响。选取经过调整的第三阶段DEA所得出全国30个样本省市2008-2018年综合技术效率为被解释变量，解释变量为知识产权管理，选取包括四个方面维度：知识产权创造指数，主要体现知识产权是否转变为有效新产品的收益和产出能力；知识产权保护指数，包含知识产权的立法和结案的数量；知识产权环境指数，体现地区立法规章数目，科研氛围等；知识产权运用指数，主要体现知识产权是否有效转化，为研发技术产业带来经济效益。[17]

三、创新效率的实证分析

(一)创新效率静态效应评价

1.第一阶段效率结果与分析

首先将我国30个省市2008-2018年的创新效率的相关指标用 DEAP 软件测算，算出样本省份2008-2018年的三类效率值，其中综合技术效率等于纯技术效率和规模效率的乘积，本文选取2008-2018年30个样本省市综合技术效率的值顺序排列如表1所示，效率值年均值的高低呈东、中、西、东北部阶梯顺序排列，各区域综合效率值都逐年上升.东部地区综合技术效率值处于全国区域的最高水平，达到全国年均值的省份比例为81%。其中，北京、广东、上海和浙江在研究时段内综合技术效率均为1，处于生产前沿面，东部地区除了河北省和山东省以外，其余省份综合技术效率均在0.7以上，地区差异性不大。东北部地区三省效率差异较大，吉林省平均效率均值为0.95，黑龙江省效率值只有0.35。中部地区综合效率值均值为0.74，达到全国平均水平比例为50%，安徽和湖南的综合效率值较高，其余省份综合效率值差异不明显，综合效率值均高于0.6且普遍存在显著上升趋势，其中江西省在研究年份内上升幅度最大。西部地区综合效率值普遍不高，达到全国平均值比例省份只有33%，除了重庆以外其他省份综合效率均值均在0.8以下。鉴于第一阶段的效率评价没有考虑环境变量和随机因素，而我国区域环境发展水平差异明显，可能与真实水平之间还有差距。

表1 2008-2018年样本省份DEA第一阶段综合效率值

2.第二阶段(SFA)

此阶段将金融机构贷款、地区科研人数、政府科研经费投入、地区GDP和地区知识产权综合发展指数所代表5个环境因素作为解释变量，将R&D人员全时当量、R&D项目申请数、新增固定资产和R&D经费内部支出，4个投入在第一阶段测算出的松弛变量作为被解释变量，运用Frontier4.1软件做混合误差项随机前沿回归分析，得出结果如表2所示，γ值表示管理无效率项的方差与总体方差的比值，其中投入1中误差项有69%是由管理无效率造成的，投入2的管理无效率占66%，投入3的管理无效率占73%，投入4的管理无效率占78%。接下来对金融机构贷款、地区科研人数、政府科研经费投入、地区GDP和地区知识产权综合发展指数的回归结果进行分析。

表2 样本省份随机前沿分析结果

金融机构的贷款衡量地区高技术企业的融资环境。4个投入指标中，金融机构的贷款只对R&D项目的申请数在10%的显著性水平下负相关，说明金融机构贷款增加在一定程度上减少R&D项目投入的松弛，促进产出增加，金融机构对高技术企业的贷款额占其对外总贷款额的比例不高，导致对其他投入因素的影响不显著，说明目前我国科技金融的融资环境有待改善。

地区科研氛围用地区科研人数来表示。该解释变量对于R&D经费内部支出的投入变量系数为正数，即增加地区科研从业人员人数可以增加R&D经费投入的松弛投入量，并且导致产出的减少，不利于创新效率的提升。对R&D人员全时当量、R&D项目申请数、新增固定资产的系数为正数但不显著，说明科研从业人员数量的增加存在产出无效率，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，人员投入所产生的技术成果，得不到及时转化，形成金融投入效率的“短板效应”。

政府对高技术产业的支持力度。该变量用政府科研财政支出来表示，对于投入变量R&D经费内部支出和新增固定资产的松弛值回归系数为负数，结果说明政府对高技术企业的支持力度越大越有助于减少新增固定资产和经费的无效投入，有利于创新效率提升。科研财政支出对于R&D人员全时当量和R&D项目申请数投入松弛系数也为负数，但不显著，总体上说明政府在资金投入方面的支出有效率，政府的资金投入降低新增固定资产的投入的松弛有利于产出增加。

地区经济环境。该指标用地区生产总值GDP来表示，地区GDP对R&D人员全时当量、R&D项目申请数、新增固定资产和R&D经费内部支出的投入的系数都为正数，说明地区经济增长增加了样本各个地区科研松弛投入但是并没有带来产出增加和创新效率的提升，在一定程度上说明总体上地区经济增长对科研贡献率不是很大，没有带来研发效率的提升。

知识产权的综合指数衡量地区知识产权的发展环境。知识产权综合指数对R&D项目申请数的投入松弛系数在1%的显著水平下正相关，说明地区知识产权发展环境越好，增加地区R&D项目投入松弛，可能是地区知识产权保护过度，不利于创新效率提升。地区知识产权发展环境对R&D经费内部支出的投入松弛系数在5%的显著水平下负相关，说明地区知识产权发展环境好可以有效减少R&D经费无效支出，促进创新效率提升。

3.第三阶段DEA

第二阶段SFA分析过程中扣除其他误差项的干扰，得到只由管理无效率主导的效率值。选取调整后的投入值和原始产出值重新进行第三阶段创新效率的分析计算，得到更加准确的投入产出创新效率值。调整前和调整后2008-2018年30个样本省市综合技术效率平均值如表3所示，北京、浙江、上海三个省市在第一阶段和第三阶段的三类创新效率测算值都为1，说明这三个省份创新投入产出最有效率处于生产前沿面，且不受环境因素的影响。在调整前后综合技术效率值大于0.8的省市有北京、江苏、浙江、上海、天津、广东、安徽、湖南和重庆，其中东部地区占6个，中部有安徽和湖南两个省份，西部只有重庆市。总体上看，30个样本省份均值的纯技术效率值接近1，发展趋势较为平缓，规模效率值从2008年0.45逐渐上升到2013年0.62，之后的年份规模效率和综合效率值逐渐缓慢上升到0.63左右。

表3 2008-2018年样本省份第一阶段和第三阶段DEA效率均值

调整后样本30个省市的综合技术效率值都普遍下降，说明环境因素对投入冗余具有显著影响，相比之下第一阶段各年度的效率都被一定程度高估，其中山东和江苏在调整后效率值上升，在第二阶段随机前沿分析过程中山东省的4个投入都处于最坏的外部环境，投入1和4存在最大的随机误差，江苏在投入3的随机误差项处于最大值，说明在度量环境因素时山东省和江苏省的外部环境最差，但是管理技能水平较高，扣除管理无效率后两省得到较为正确效率水平。西部地区省市下降的幅度最大，其次是中部地区，东部地区调整前后效率值变化幅度不大，说明样本省市外部环境条件较差，经过调整后所有样本省市的纯技术效率都得到提高，现阶段我国各省的管理和技术效率达到有效状态，经过调整后，除山东和江苏两省以外，其余省份规模效率均大幅度下降，说明调整过后综合效率下降主要是规模效率较低造成的。

我国各个地区发展水平存在显著差异，图1是 2008-2018年各区域第三阶段DEA效率均值柱状图，其中，纯技术效率值的省际差距不大，都大于0.9，说明各个省市的研发创新管理技术水平较好。东部地区省市的三类效率值都处于全国最高水平，中部地区的三类效率值略超过了总体的平均水平，东北部和西部地区没有达到总体平均水平，西部地区的规模效率值处于总样本的最低水平，主要是规模效率值较低导致的，西部地区所有省份在研究年份都处于规模报酬递增阶段，说明西部地区研发创新意识不强，研发投入不足以支撑创新效率的提升。

图1 2008-2018年各区域第三阶段DEA效率均值柱状图

(二)创新效率动态效应评价

为了更加直观地反映样本省市在2008-2018年创新效率的动态变化过程，本阶段采用DEAP软件测算样本省份基于投入导向的全要素生产率及其分解，用第二阶段SFA调整过后投入变量和产出变量得到时间维度和区域维度Malmquist指数及其测算结果。

1.时间维度的全要素生产率分析

由表4可见，我国30个样本省市在2008-2018年的全要素生产率值(TFP指数)均大于1，说明我国普遍存在创新效率提升的效应，研发创新发展趋势良好。其中2010-2011年TFP指数上升到最大值，上升了33%；2017-2018年间，TFP指数较为稳定基本为1。从TFP指数的分解来看，综合的技术效率值变化指数在2008-2009年间变化最大，上升了14%，纯技术效率变化指数不变，综合效率的提升主要是由规模效率变化指数主导，说明在此阶段我国注重加大研发投入和资源合理配置，研发规模效率得到提升，但是技术水平变化指数下降了4%，导致TFP上升程度只有9%。全要素生产率变化指数最大的年份是在2010-2011年间，除了纯技术效率变化指数以外，各类生产要素指数都得到提升，TFP的变动由技术水平变化指数主导，说明该年份我国技术创新取水平得较大进步。纯技术效率变化指数除了2011-2012和2013-2014这两个阶段有所下降以外，其余年份管理技术水平都没有变化。我国在2008-2018年间平均全要素生产率变动指数上升了11%，综合技术效率变化指数和技术水平变化指数都有所上升，说明在研究年份内，我国除了管理技术水平没有显著变化以外，规模效率，技术创新都取得一定进步，其中技术水平变化上升幅度最大，我国全要素生产率提升主要是技术进步驱动的。

2.区域维度的全要素生产率分析

表4 基于时间维度的Malmquist指数变动趋势及分解

表5是各个区域全要素生产率变化率的顺序排列，样本省份的全要素生产率指数全部呈现上升的趋势，说明我国全国范围研发创新的效率都得到了改善。其中西部地区省份全要素生产率指数均值上升程度最大，上升了14.9%；其次是中部地区14.4%；虽然中西部地区相比于东部地区研发创新综合效率值不高，但是也说明了研发能力较弱的地区上升的空间比较大。西部地区的青海、宁夏和新疆三省，分别位于TFP指数的前三位，三省的全要素生产率指数的提升都得益于规模效率指数的提升，说明近些年，西部地区逐步加大创新研发的生产意识，优化投入产出的规模，促进地区研发创新能力的提升。西部地区的纯技术效率指数普遍较低，说明管理技术水平有待改善。中部地区的全要素生产率指数提升主要依赖于规模效率的提升，江西省和山西省全要素生产率指数分别位于第7和第8位，其中规模效率指数分别上升16.6%和16.2%。近些年，东北地区技术水平和规模效率也在逐步改善，进步最明显的是黑龙江省，虽然综合创新效率处于全国最低水平，全要素生产率动态变化过程提升了14.1%。东部地区的全要素生产率指数提升主要依赖于技术水平效率的提升，其中北京的技术创新水平变化指数上升程度最大，达到11.3%，上海、浙江和广东的技术创新水平提升变化指数分别为3.6%、4.3%、7.4%，4个省份其余指数均值为1，规模效率和管理技术水平维持不变，全要素生成率的提升完全由技术进步驱动，东部地区研发创新的综合技术效率一直处于全国前列，研发投入规模和管理技能水平都处于领先地位，全要素生产率的提升只有通过技术的进步来实现。从全国范围来看，全要素生产率上升11.3%,其中技术水平变化指数上升程度最大为6%，技术创新能力得到提升，管理技术水平有所下降，规模效率提升5.3%，我国全要素生产率的提升充分体现了内生增长定律，主要是靠技术进步驱动科技金融产出的增加和效力的提升。

表5 基于区域维度的Malmquist指数变动趋势及分解

3.关于创新效率影响因素测算Tobit回归

Techit=β1czit+β2bhit+β3hjit+

β4yyit+ui+εit

(1)

表6 科技金融效率随机效应Tobit回归结果

知识产权创造指数反映有效知识产权创造的数量和质量。从回归结果来看，各个地区知识产权的创造指数与其综合效率值没有显著关系，说明目前我国地区专利授权量、发明专利平均维持年限等没有有效地转化为专利申请量和新产品销售收入等有效的研发产出。

知识产权保护指数反映地区知识产权案件立案与结案情况。从回归结果来看，各个地区知识产权保护指数与其综合效率值在1%的显著水平下显著正相关，说明我国知识产权保护水平成效明显，我国知识产权相关制度不断完善，法院新收知识产权立案结案数与日俱增，知识产权保护工作体系逐步健全，知识产权保护得到全面加强，有效促进了研发创新效率提升。

知识产权环境指数包含知识产权的制度、服务和意识。从回归结果来看，各个地区知识产权环境指数与其综合效率值在1%的显著水平下显著正相关，说明随着知识产权外部环境优化，知识产权法规规章的健全，知识产权服务机构数量的增加，社会公众及创新主体的知识产权意识进一步提高，地区有效研发创新的效率也在逐步提升。

知识产权运用指数包含知识产权运用的规模和效益。从回归结果来看，各个地区知识产权运用指数与其综合效率值在5%的显著水平下显著负相关，说明目前我国知识产权运用发展空间较大，知识产权没有有效转化为技术市场成交合同数和专利质押融资金额，我国的知识产权和金融结合程度不够，知识产权运用程度较低，没有实现知识产权的经济效益，导致知识产权资本化转化为创新产出效率不高。

四、结论与建议

(一)结论

1.我国省际科技金融效率呈阶梯状分布，东部地区创新最有效率，且东部地区省份差异不明显；中部地区科技金融效率上升幅度普遍较大；西部地区科技金融效率普遍较低；东北部地区科技金融效率区域差异明显。总体上我国科技金融效率总体是逐年上升趋势，并且绝大部分年份处于规模报酬递增阶段。

2.政府的科研财政支出能够减少4个投入变量的松弛值，促进科技金融效率的提升；地区GDP增加了4个投入变量松弛值，不利于区域科技金融效率提升。外部环境因素对研究样本省市的高技术产业知识产权运营效率有较大影响，大部分省份在调整后科技金融效率显著降低，西部地区下降幅度最为明显，主要是规模效率大幅度降低导致。

3.我国全要素生产率变化指数均大于1，研发创新发展趋势良好，我国研发效率提升主要是靠技术水平的提升驱动，各个区域的创新驱动方式存在差异性，东部地区主要是技术水平进步驱动，中西部地区主要靠规模效率驱动，西部地区全要素生产率提升幅度最大，虽然研发效率不高，但是上升空间最大。

4.知识产权创造指数没有起到促进科技金融效率的提升作用，知识产权的外部发展环境对创新效率提升有促进作用，说明加强知识产权外部环境建设有利于促进我国科技金融效率的提升。知识产权运用指数与创新效率之间是负相关，说明知识产权没有较好地实现其经济效益的转化。

(二)建议

1.激励创造。提升创造的数量、质量和效率。目前我国绝大多数省市尤其是西部地区，创造指数偏低，研发创新投入不足，知识产权的创造没有反映到效率水平的提升上。虽然知识产权创造指数逐年上升，但是没有转化为有效知识产权的产出，最终体现为有效新产品的研发和新产品的销售收入，现阶段我国应该增加有效知识产权创造的数量，减少冗余的科研人员、资金投入和固定资产等无效投入，提升知识产权创造的质量，提高知识产权维持时间和比例，促进有效知识产权的转化。

2.高效运用。提升知识产权运用的规模和效益。从实证结果来看，我国知识产权运用指数并没有促进科技金融效率提升，目前知识产权运用模式单一，知识产权运用规模效率低，金融机构应该提供多种创新型知识产权市场化产品与服务，同时社会市场主体应该针对知识产权运用进行积极探索和实践，从制度完善、搭建交易平台再到创新运用模式等方面加大规模投入，最终使我国知识产权运用逐步从单一效益向综合效益转变。

3.知识产权环境建设。知识产权环境建设中最重要的一环就是制度环境，有效的知识产权环境有利于创新效率提升，但是目前我国普遍存在执法部门执法不严、执法人员专业水平不够的问题，客观上会导致创新积极性的缺失，所以我国要加强知识产权的司法保护和行政保护，形成完善的法律法规体系，积极构建知识产权金融机构综合服务平台，健全知识产权评估和交易流程机制，全方位培养知识产权金融服务人才，提升公民知识产权的保护意识。

4.科学管理。知识产权管理工作是知识产权从产生到发挥作用的全过程中最重要的环节，从政府角度来说，可以完善知识产权评估机构和平台建设，政府对科创型企业加大财政支持，实施各种优惠政策，降低高技术企业的融资成本；从企业的角度来说，减少无效投入，减少冗余现象。要提升高技术产业运营效率，提升企业管理能力，杜绝企业寻租行为，应加强基础设施建设，促进高技术企业的研发效率的提升。