基于網(wǎng)絡(luò)數(shù)據(jù)包絡(luò)分析的我國省域科技金融協(xié)同效率測度及其時(shí)空差異

施明康,于麗英

(上海大學(xué)管理學(xué)院,上海200444)

金融作為經(jīng)濟(jì)發(fā)展的核心,對科學(xué)技術(shù)發(fā)展起到推動作用.近年來,我國多項(xiàng)政策鼓勵(lì)拓寬各類融資渠道,為科技創(chuàng)新提供充足資金來源.2016年《“十三五”國家科技創(chuàng)新規(guī)劃》指出,發(fā)揮金融創(chuàng)新對創(chuàng)新創(chuàng)業(yè)的重要主推作用,完善科技和金融結(jié)合機(jī)制,形成各類金融工具協(xié)同融合的科技金融生態(tài).2017年十九大報(bào)告強(qiáng)調(diào),著力加快建設(shè)實(shí)體經(jīng)濟(jì)、科技創(chuàng)新、現(xiàn)代金融、人力資源協(xié)同發(fā)展的產(chǎn)業(yè)體系.2016年我國金融機(jī)構(gòu)為科技提供的風(fēng)險(xiǎn)投資額達(dá)到505.5億元,較2015年增加8.6%,增長速度低于2016年企業(yè)研究與發(fā)展(research and development,R&D)經(jīng)費(fèi)支出漲幅12.6%,說明我國科技企業(yè)及科研機(jī)構(gòu)仍存在大量金融需求,各地金融投入對科技的影響也有著顯著差異.通過測度地區(qū)金融與科技協(xié)同效率,能及時(shí)發(fā)現(xiàn)制約科技金融共生體發(fā)展的關(guān)鍵因素,對推動我國經(jīng)濟(jì)均衡穩(wěn)定發(fā)展具有重要的理論與現(xiàn)實(shí)意義.

對于金融投入對科技創(chuàng)新的影響,國內(nèi)外文獻(xiàn)選擇的研究對象涵蓋區(qū)域?qū)用嬉约捌髽I(yè)層面.區(qū)域?qū)用娴难芯恐饕槍鹑谕度雽萍紕?chuàng)新的直接促進(jìn)作用和間接作用展開.Popov等[1]研究發(fā)現(xiàn)了歐洲21國的風(fēng)投對研發(fā)作出了貢獻(xiàn);Chowdhury等[2]運(yùn)用回歸分析發(fā)現(xiàn),70個(gè)國家的金融業(yè)發(fā)展水平與該國研發(fā)投入呈現(xiàn)明顯的正相關(guān)關(guān)系;張倩等[3]研究發(fā)現(xiàn),金融生態(tài)環(huán)境在財(cái)務(wù)柔性與研發(fā)投入之間起到了負(fù)向調(diào)節(jié)作用.企業(yè)層面,國內(nèi)學(xué)者在研究金融科技這2個(gè)系統(tǒng)時(shí)主要選擇科技型企業(yè)與金融類企業(yè)作為研究對象,側(cè)重于金融系統(tǒng)對企業(yè)創(chuàng)新能力的影響.王洪生[4]研究發(fā)現(xiàn),金融環(huán)境對中小型科技企業(yè)的成長潛力有顯著影響;翟華云等[5]以我國戰(zhàn)略性產(chǎn)業(yè)A股上市公司為研究對象,發(fā)現(xiàn)科技金融發(fā)展水平能夠增強(qiáng)科研投入對企業(yè)成長的推動作用;錢水土等[6]研究發(fā)現(xiàn),科技金融對金融類企業(yè)研發(fā)投入具有顯著的正向激勵(lì)作用.

近年來,在測度復(fù)雜網(wǎng)絡(luò)生產(chǎn)系統(tǒng)效率時(shí),考慮內(nèi)部結(jié)構(gòu)的網(wǎng)絡(luò)數(shù)據(jù)包絡(luò)分析(data envelopment analysis,DEA)建模倍受國內(nèi)外學(xué)者的青睞.陳翔等[7]基于矩陣式DEA網(wǎng)絡(luò)研究發(fā)現(xiàn),我國造紙業(yè)循環(huán)經(jīng)濟(jì)中生態(tài)效益與經(jīng)濟(jì)效益子模塊效率低下;董艷梅等[8]和龔光明等[9]采用動態(tài)網(wǎng)絡(luò)DEA,從知識創(chuàng)新和成果商業(yè)轉(zhuǎn)化2個(gè)階段研究了高技術(shù)企業(yè)的創(chuàng)新效率;韓松等[10]建立了銀行結(jié)構(gòu)特征的復(fù)雜網(wǎng)絡(luò)DEA模型,并對銀行整體結(jié)構(gòu)效率進(jìn)行了評價(jià);Iftikhar等[11]等運(yùn)用網(wǎng)絡(luò)DEA,將經(jīng)濟(jì)運(yùn)作系統(tǒng)分成經(jīng)濟(jì)產(chǎn)出與資源配置2個(gè)階段,發(fā)現(xiàn)俄羅斯在經(jīng)濟(jì)產(chǎn)出階段的效率有待提升,而美國在資源階段的效率有待提升.由此可見,網(wǎng)絡(luò)DEA可將原有的復(fù)雜系統(tǒng)分解成子模塊,從而探究子模塊存在的低效問題,結(jié)合產(chǎn)出不足情況可發(fā)現(xiàn)總系統(tǒng)低效的關(guān)鍵癥結(jié),但是目前鮮有采用網(wǎng)絡(luò)DEA研究金融系統(tǒng)與科技系統(tǒng)協(xié)同發(fā)展下各子系統(tǒng)運(yùn)作效率情況的論文.本工作基于金融系統(tǒng)與科技系統(tǒng)之間資金流的交互關(guān)系構(gòu)建了科技金融協(xié)同結(jié)構(gòu),選取2009～2015年我國省級面板數(shù)據(jù),采用網(wǎng)絡(luò)DEA測度我國科技金融協(xié)同效率及其各自效率,實(shí)現(xiàn)從局部到整體分析各省市科技金融協(xié)同情況,發(fā)現(xiàn)提升協(xié)同效率的著力點(diǎn),最后根據(jù)實(shí)證分析結(jié)果給出對應(yīng)的政策建議.

1 研究方法

1.1 研究模型構(gòu)建

DEA方法可分析不同決策單元的投入產(chǎn)出效率情況.Liu等[12]構(gòu)建了一種基于冗余的DEA模型,將傳統(tǒng)DEA中的不等式約束通過冗余量轉(zhuǎn)化為等式約束,并將加權(quán)冗余量最小化作為規(guī)劃目標(biāo).假設(shè)有n個(gè)決策單元,運(yùn)用DEA可評價(jià)決策單元j0是否有效:

式中:xkj為第j個(gè)決策單元的第k個(gè)投入變量;為xkj對應(yīng)的投入冗余量;yhj為第j個(gè)決策單元的第h個(gè)產(chǎn)出變量;為yhj對應(yīng)的產(chǎn)出冗余量;λj為第j個(gè)決策單元的權(quán)重系數(shù);L為投入變量個(gè)數(shù);R為產(chǎn)出變量個(gè)數(shù).由于傳統(tǒng)DEA的變量僅針對單系統(tǒng)單階段,即投入變量僅輸入于同一系統(tǒng),產(chǎn)出變量也輸出于該系統(tǒng),因此傳統(tǒng)DEA無法針對多系統(tǒng)結(jié)構(gòu)進(jìn)行深入剖析,也無法研究其中子系統(tǒng)的效率.

Fare等[13]提出了網(wǎng)絡(luò)DEA模型,該模型可用于測度2個(gè)存在連接關(guān)系的子系統(tǒng)之間的效率,模型包含2個(gè)及以上的子系統(tǒng)以及子系統(tǒng)間的中間變量.中間變量以串聯(lián)形式連接2個(gè)系統(tǒng),由此構(gòu)成2個(gè)階段串聯(lián)結(jié)構(gòu).在該結(jié)構(gòu)中,系統(tǒng)1僅作為系統(tǒng)2的投入系統(tǒng),而系統(tǒng)2產(chǎn)出變量對于系統(tǒng)1沒有投入作用,整個(gè)系統(tǒng)呈現(xiàn)單向遞進(jìn)關(guān)系.而對于存在相互促進(jìn)的共生結(jié)構(gòu),則需要2個(gè)系統(tǒng)存在交互投入關(guān)系.因此,本工作創(chuàng)新設(shè)計(jì)了2個(gè)系統(tǒng)協(xié)同結(jié)構(gòu),其中系統(tǒng)2對于系統(tǒng)1存在投入作用.2個(gè)系統(tǒng)協(xié)同的網(wǎng)絡(luò)DEA結(jié)構(gòu)如圖1所示.

圖1中,x1、x2、y1、y2分別為系統(tǒng)1和系統(tǒng)2各自的投入和產(chǎn)出變量;z1為系統(tǒng)1對系統(tǒng)2的投入變量;z2為系統(tǒng)2對系統(tǒng)1的投入變量.基于式(1),加入2個(gè)系統(tǒng)各自的投入產(chǎn)出變量,以及系統(tǒng)間投入與產(chǎn)出的變量可推算出2個(gè)階段網(wǎng)絡(luò)DEA模型的數(shù)學(xué)規(guī)劃式.以決策單元j0的最小冗余量為目標(biāo),構(gòu)建數(shù)學(xué)模型以判斷出決策單元j0是否有效:

式中:i代表子系統(tǒng);L、M、R分別為投入變量、中間投入變量和產(chǎn)出變量的個(gè)數(shù);為對于第j個(gè)決策單元子系統(tǒng)i對另一個(gè)子系統(tǒng)的第h個(gè)投入變量;分別為對應(yīng)的投入、產(chǎn)出冗余量.

1.2 各系統(tǒng)效率值計(jì)算

利用網(wǎng)絡(luò)DEA的計(jì)算結(jié)果可進(jìn)一步研究總系統(tǒng)效率值以及2個(gè)子系統(tǒng)的效率值.結(jié)合式(2)計(jì)算結(jié)果中的產(chǎn)出變量和產(chǎn)出冗余可計(jì)算得到子系統(tǒng)效率值:

式中:effi為子系統(tǒng)i的效率值;eff為2個(gè)系統(tǒng)的協(xié)同效率.如果該決策單元的投入冗余越多,效率值就越低,eff小于1,則該決策單元需進(jìn)一步提升2個(gè)系統(tǒng)的協(xié)同關(guān)系;如果eff等于1,則表示該決策單元為DEA有效,可保持現(xiàn)有資源配置情況繼續(xù)發(fā)展.

1.3 空間相關(guān)性測度

空間自相關(guān)性是指某一變量在同一空間下不同空間單元的相關(guān)性,反映了空間單元的聚集程度.通過空間自相關(guān)性分析,可研究該變量的空間分布特征,從而探究高集聚區(qū)域的形成原因并對低集聚地區(qū)進(jìn)行改進(jìn).測度空間相關(guān)性主要采用Moran指數(shù)I來表示:

式中:effa、effb分別為空間單元a、b的系統(tǒng)效率;為各決策單元的效率均值;Wa,b為空間經(jīng)濟(jì)權(quán)重矩陣.

由于區(qū)域科技金融協(xié)同效率的空間溢出效應(yīng)不僅受到各省市的地理相鄰關(guān)系影響,還與相鄰省市的經(jīng)濟(jì)體量有關(guān),因此本工作借鑒林光平等[14]的做法,以這相鄰2個(gè)地區(qū)的樣本期間GDP均值之差的倒數(shù)作為權(quán)重?cái)?shù):

2 科技金融協(xié)同效率測度

2.1 指標(biāo)體系的建立與變量選取

共生理論作為種群生態(tài)的重要理論,已深入到經(jīng)濟(jì)管理等領(lǐng)域.張小峰等[15]提出了科技-金融共生體的概念,在這一共生體中,科技與金融這2個(gè)共生單元存在著資金流的交互關(guān)系.科技創(chuàng)新企業(yè)需要金融系統(tǒng)提供創(chuàng)業(yè)風(fēng)險(xiǎn)投資和科技融資信貸,科技成果熟化和產(chǎn)業(yè)化后可進(jìn)一步促進(jìn)融資環(huán)境發(fā)展.本工作創(chuàng)新地將科技金融共生理論發(fā)展為金融與科技2個(gè)系統(tǒng)的協(xié)同結(jié)構(gòu),并設(shè)置了金融與科技系統(tǒng)各自的投入與產(chǎn)出指標(biāo),及其交互投入.相對于已有網(wǎng)絡(luò)DEA模型的2階段串聯(lián)結(jié)構(gòu),本工作搭建的協(xié)同結(jié)構(gòu)模型能更深入地反映科技與金融系統(tǒng)間資金流的交互關(guān)系(見圖2).

圖2 科技金融協(xié)同結(jié)構(gòu)Fig.2 Science finance cooperation structure

金融系統(tǒng)的投入主要從人力資本和固定資產(chǎn)2個(gè)角度出發(fā).人力資本采用金融業(yè)從業(yè)人員表示,即采用金融業(yè)城鎮(zhèn)單位就業(yè)人員度量;固定資產(chǎn)采用金融業(yè)固定資產(chǎn)存量表示.由于統(tǒng)計(jì)年鑒的金融業(yè)固定資產(chǎn)投資為每年新增流量,因此借鑒吳延兵等[16]的做法采用永續(xù)盤存法進(jìn)行轉(zhuǎn)換:

式中:Kt表示為t期的金融固定資產(chǎn)存量;δt為折舊率,設(shè)定為10%;It?1為滯后一期的固定資本投入流量.由于各地固定資產(chǎn)投資價(jià)格存在差異,因此采用固定資產(chǎn)投資價(jià)格指數(shù)對上述指標(biāo)進(jìn)行平減.金融系統(tǒng)的產(chǎn)出指標(biāo)包括金融業(yè)增長值,上述數(shù)據(jù)來源于國家統(tǒng)計(jì)局以及《中國統(tǒng)計(jì)年鑒》.

科技系統(tǒng)的投入?yún)⒖疾茴椀萚17]的做法,主要從人力資源和機(jī)構(gòu)資源2個(gè)方面考慮.人力資源采用科技從業(yè)人員表示,即采用研究與開發(fā)從業(yè)人員數(shù)來度量.機(jī)構(gòu)資源采用各地科研機(jī)構(gòu)數(shù)來度量.三大檢索的論文數(shù)選自科技統(tǒng)計(jì)年鑒中的“國外主要檢索工具收錄我國科技論文按地區(qū)分布”中SCI、EI、CPCI-S的論文數(shù)累加得到.以上2項(xiàng)指標(biāo)數(shù)據(jù)來源于《中國科技統(tǒng)計(jì)年鑒》.

由于金融系統(tǒng)對科技系統(tǒng)的投入,主要體現(xiàn)為研發(fā)機(jī)構(gòu)從不同渠道獲得研發(fā)資金,因此從金融機(jī)構(gòu)科技投資和創(chuàng)業(yè)風(fēng)險(xiǎn)投資2個(gè)方面考慮.這里,金融機(jī)構(gòu)科技投資借鑒孫治紅等[18]的做法,采用各地區(qū)按資金來源中的其他資金測算;創(chuàng)業(yè)風(fēng)險(xiǎn)投資借鑒張玉喜等[19]的做法,采用《中國創(chuàng)業(yè)投資發(fā)展報(bào)告》中各省市的風(fēng)險(xiǎn)投資強(qiáng)度進(jìn)行度量.

對于科技系統(tǒng)對金融系統(tǒng)的投入,徐玉蓮等[20]認(rèn)為科技創(chuàng)新產(chǎn)出的增加,使市場科技金融主體獲得較高投資回報(bào),形成繼續(xù)投資.本工作據(jù)此創(chuàng)新性地選擇了高技術(shù)企業(yè)的新產(chǎn)品銷售收入作為科技創(chuàng)新對金融系統(tǒng)的投入指標(biāo),該指標(biāo)數(shù)據(jù)來源于《中國高技術(shù)產(chǎn)業(yè)統(tǒng)計(jì)年鑒》.

2.2 協(xié)同效率的測度與空間相關(guān)性分析

本工作采用2009～2015年我國30個(gè)省、自治區(qū)、直轄市(除西藏自治區(qū)、臺灣省、香港特別行政區(qū)和澳門特別行政區(qū))的面板數(shù)據(jù),測度科技金融協(xié)同效率:①將各變量作為投入與產(chǎn)出指標(biāo)代入式(2)計(jì)算對應(yīng)投入與產(chǎn)出冗余量;②將①中測算的產(chǎn)出冗余量代入式(3),計(jì)算金融和科技各自的系統(tǒng)效率effi;③將產(chǎn)出冗余量代入式(4),計(jì)算科技金融協(xié)同效率eff,并從空間與時(shí)間角度對協(xié)同效率進(jìn)行初步分析;④進(jìn)行空間相關(guān)性分析,這里以2009～2015為樣本期,結(jié)合式(6)計(jì)算空間經(jīng)濟(jì)權(quán)重矩陣Wa,b,并代入式(5)計(jì)算得出Moran指數(shù)I.

3 實(shí)證結(jié)果分析

3.1 DEA結(jié)果初步分析

本工作采用R語言編程進(jìn)行求解,通過計(jì)算結(jié)果分析各省市科技金融協(xié)同情況以及整體演變趨勢.2009～2015各省市科技金融協(xié)同效率及子系統(tǒng)效率的計(jì)算結(jié)果如表1所示.

表1 2009～2015各省市科技金融協(xié)同效率及子系統(tǒng)效率Table 1 2009～2015 China’s provincial science finance cooperation efficiency and subsystem efficiency

從表1可以發(fā)現(xiàn),各省市科技金融協(xié)同效率整體差異較大,分布大致在0.2～1.0之間.北京、上海、江蘇分列前三,且其科技金融協(xié)同效率以及金融系統(tǒng)效率與科技系統(tǒng)效率均為DEA有效.

為了對全國層面的科技系統(tǒng)效率、金融系統(tǒng)效率、科技金融協(xié)同效率演變趨勢進(jìn)行探討,本工作對2009～2015年全國層面的各效率值進(jìn)行計(jì)算并繪制了折線圖(見圖3).

圖3 2009～2015科技金融協(xié)同效率均值Fig.3 Average values of 2009～2015 science finance cooperation efficiency

在2009～2015年期間,各省市的科技金融協(xié)同效率以及各子系統(tǒng)效率均呈現(xiàn)穩(wěn)步上升趨勢,科技金融協(xié)同效率7年間的漲幅均大于15%,其中2015年均值已達(dá)到0.603,較2009年上升10%,表明科技金融協(xié)同效率整體發(fā)展情況良好.

為了進(jìn)一步比較各省市科技金融協(xié)同效率的情況,本工作以科技系統(tǒng)效率為橫軸,金融系統(tǒng)效率為縱軸,將各省市的科技金融系統(tǒng)效率均值以散點(diǎn)形式繪制在同一平面坐標(biāo)系上(見圖4).

圖4 各省市科技金融協(xié)同效率均值分布Fig.4 Average efficiency of distributions of China’s provincial science finance

從圖4中可以發(fā)現(xiàn),各省市情況可大致分為4類:第一類包括北京、上海等,平均科技效率與金融效率均達(dá)到較高水平;第二類包括湖南、湖北等,該類省市的金融系統(tǒng)效率較高,但科技系統(tǒng)效率仍有待提升;處在第三類的省市較多,包括寧夏、貴州等,主要分布在我國中西部地區(qū),表明我國金融、科技系統(tǒng)效率仍有待提升;第四類包括山東、四川等,科技系統(tǒng)效率高而金融系統(tǒng)效率低,這類省市需進(jìn)一步加大金融發(fā)展從而帶動科技創(chuàng)新.

3.2 DEA產(chǎn)出情況分析

為了進(jìn)一步探索各產(chǎn)出指標(biāo)對效率值的影響,以便能針對產(chǎn)出不足情況進(jìn)行資源分配上的調(diào)整,本工作分析了在生成效率值時(shí)各產(chǎn)出指標(biāo)不足的部分.我國2009～2015各省市DEA產(chǎn)出不足的具體情況如表2所示.

表2 2009～2015各省市DEA產(chǎn)出不足情況Table 2 DEA insufficient output of 2009～2015 China’s provincial

由于北京、上海和江蘇三地的科技金融協(xié)同效率已達(dá)到1,因此沒有出現(xiàn)產(chǎn)出不足的情況.在金融系統(tǒng)中,相對于金融業(yè)增加值與創(chuàng)業(yè)風(fēng)險(xiǎn)投資,金融機(jī)構(gòu)的科技投資是制約我國科技金融協(xié)同發(fā)展的主要原因,平均產(chǎn)出不足率達(dá)到0.209.湖南省、吉林省與內(nèi)蒙古自治區(qū)的金融機(jī)構(gòu)科技投資不足率分別達(dá)到0.627、0.431和0.428,這類地區(qū)急需加大金融機(jī)構(gòu)對科技企業(yè)的投資;黑龍江省、青海省與貴州省則需加強(qiáng)創(chuàng)業(yè)風(fēng)險(xiǎn)投資,以提升科技金融協(xié)同效率.在科技系統(tǒng)中,相對于三大檢索機(jī)構(gòu)收錄的論文數(shù)和申請專利授權(quán)量,技術(shù)市場成交額是制約我國科技金融協(xié)同發(fā)展的主要原因,平均產(chǎn)出不足率達(dá)到0.184,說明我國科技系統(tǒng)在科技成果轉(zhuǎn)化階段仍有待提升.

3.3 空間相關(guān)性分析

為了更加直觀地展示并觀測我國各區(qū)域科技金融協(xié)同集聚情況,本工作將各省市科技金融協(xié)同效率繪制成空間分布圖.結(jié)果顯示,我國各省市的科技金融協(xié)同效率呈現(xiàn)出一定的空間相關(guān)性,如長江經(jīng)濟(jì)帶與東南沿海地區(qū)呈現(xiàn)明顯的空間集聚情況.

本工作采用Moran’s指數(shù)I來反映空間相關(guān)關(guān)系,具體計(jì)算結(jié)果如表1所示.

表3 2009～2015我國省市科技金融協(xié)同效率空間自相關(guān)檢驗(yàn)結(jié)果Table 3 Spatial autocorrelation test results of 2009～2015 China’s provincial science finance cooperation efficiency

從表2可知,我國各省市的科技金融協(xié)同效率呈現(xiàn)良好的空間自相關(guān)性,其中2015年的Moran指數(shù)為7年中最高,達(dá)到0.182.為了研究各省市自身協(xié)同效率對周邊省市協(xié)同效率的帶動作用,本工作繪制了Moran散點(diǎn)圖,以標(biāo)準(zhǔn)化的協(xié)同效率值作為橫軸,相鄰區(qū)域單元觀測值的空間加權(quán)平均值作為縱軸(見圖5).

圖5 2015年科技金融協(xié)同效率的Moran散點(diǎn)圖Fig.5 2015 Moran scatter chart of science finance cooperation efficiency

根據(jù)散點(diǎn)圖顯示結(jié)果,各省市大致分成4個(gè)類別:第一個(gè)類別為高高集聚區(qū)(主要包括北京、天津和上海等5個(gè)省市),這類省市自身觀測值與周圍區(qū)域觀測值均較高,表明該類區(qū)域具有良好的空間集聚效應(yīng);第二個(gè)類別為低高集聚區(qū)(包括東北三省),該類區(qū)域的周圍觀測值與自身觀測值呈現(xiàn)較好的相關(guān)性,說明該區(qū)域的協(xié)同效率發(fā)展具有一定的聯(lián)動關(guān)系;第三個(gè)類別為低高集聚區(qū)(主要包括廣東、重慶等省市),該區(qū)域省市自身觀測值較高,但周圍區(qū)域觀測值較低,該區(qū)域省市可發(fā)揮擴(kuò)散效應(yīng),帶動該區(qū)域升級為高高集聚區(qū);第四個(gè)類別為低低集聚區(qū)(處在該區(qū)域的省市較多),說明我國科技金融協(xié)同效率仍有大幅度提升的空間.

4 結(jié)論與對策

本工作運(yùn)用網(wǎng)絡(luò)DEA生成了科技金融協(xié)同效率.研究結(jié)果顯示如下幾點(diǎn).①我國科技金融協(xié)同效率以及各系統(tǒng)效率均存在較大差異,效率值大致分布在0.2～1.0之間,北京、上海和江蘇等省市的協(xié)同效率均為DEA有效,而貴州、青海等地的協(xié)同效率仍有較大提升空間.產(chǎn)出指標(biāo)中,金融機(jī)構(gòu)科技投資和技術(shù)市場成交額的不足是制約我國科技金融協(xié)同發(fā)展的原因.②金融與科技子系統(tǒng)方面,四川、山東等地的金融系統(tǒng)效率較低,而科技系統(tǒng)效率較高,可加大金融投入從而進(jìn)一步帶動科技創(chuàng)新;甘肅、陜西等省市金融系統(tǒng)和科技系統(tǒng)效率均較低,因此需同時(shí)加強(qiáng)對2個(gè)系統(tǒng)的投入,從而發(fā)揮二者的協(xié)同效率.③從時(shí)間角度來看,全國層面的科技金融協(xié)同效率以及金融與科技子系統(tǒng)的效率均值呈現(xiàn)逐漸上升趨勢,7年間效率漲幅均大于15%,說明我國實(shí)施的創(chuàng)新驅(qū)動戰(zhàn)略在一定時(shí)期內(nèi)取得了明顯的成效.④從空間角度來看,北京、天津、上海等地屬于高高型集聚區(qū),該地區(qū)可保持現(xiàn)有發(fā)展水平;東北三省屬于高低型集聚區(qū),該區(qū)域的協(xié)同效率發(fā)展具有一定的聯(lián)動關(guān)系;廣東、重慶等省市為低高集聚區(qū),該區(qū)域省市可發(fā)揮擴(kuò)散效應(yīng),帶動該區(qū)域升級為高高集聚區(qū);云南、貴州等省市處在低低集聚區(qū),該區(qū)域應(yīng)注重自身2個(gè)系統(tǒng)效率的提升,同時(shí)注重與周邊地區(qū)的協(xié)作.

結(jié)合上述研究成果,本工作提出如下3點(diǎn)對策建議.①為保持科技金融協(xié)同效率的增長勢頭,政府應(yīng)建設(shè)科技企業(yè)與金融機(jī)構(gòu)合作平臺,增加科技企業(yè)融資渠道,如通過政策性銀行提供低息貸款等,同時(shí)加快建設(shè)區(qū)域金融聚集區(qū),培養(yǎng)有特色的金融功能區(qū),完善和實(shí)施對企業(yè)R&D項(xiàng)目融資的優(yōu)惠政策.②對于山東、湖北等地協(xié)同效率較高但單一子系統(tǒng)效率較低的情況,應(yīng)發(fā)揮科技金融協(xié)同作用,進(jìn)一步提升金融發(fā)展對科技創(chuàng)新的影響,政府需采取必要的干預(yù)措施來調(diào)節(jié)R&D的信貸資源配置;政府可通過財(cái)政貼息、財(cái)政補(bǔ)貼、貸款擔(dān)保、稅收激勵(lì)以及政府采購等措施來支持企業(yè)R&D項(xiàng)目的開展,發(fā)展技術(shù)交易市場和風(fēng)險(xiǎn)資本市場,搭建符合市場機(jī)制的R&D項(xiàng)目融資平臺,同時(shí)對可競爭的項(xiàng)目采取招投標(biāo)的方式,由市場來選擇企業(yè),以提高資源配置效率.③對于廣東、重慶等地自身協(xié)同效率高但周邊地區(qū)協(xié)同效率較低的情況,當(dāng)?shù)卣畱?yīng)鼓勵(lì)區(qū)域技術(shù)創(chuàng)新主體間的信息溝通、共享信息、技術(shù)和人才等科技資源,積極開展區(qū)域技術(shù)創(chuàng)新項(xiàng)目,舉辦各種研討會、論壇等,以促進(jìn)彼此間的交流與合作.