基于DEA-Malmquist模型的皖北城市科技金融效率測度及差異分析

王辛

摘要：在我國經(jīng)濟發(fā)展進行轉(zhuǎn)型進入新常態(tài)的背景下，科技和金融的有機融合實際上是生產(chǎn)力與競爭力的結(jié)合，黨的十九屆五中全會上強調(diào)，把科技自立自強作為國家發(fā)展的戰(zhàn)略支撐，并把完善科技創(chuàng)新體制機制作為堅持創(chuàng)新驅(qū)動發(fā)展、全面塑造發(fā)展新優(yōu)秀的重要內(nèi)容。本文以皖北地區(qū)為研究對象，選取2015-2019年間的科技金融投入產(chǎn)出指標，采用DEA-BCC和DEA-Malmquist指數(shù)模型從個體靜態(tài)和整體動態(tài)對皖北地區(qū)城市的科技金融效率進行測度實證分析，研究皖北城市科技金融發(fā)展效率和差異，針對性地提出皖北城市科技金融發(fā)展的意見和建議，推進皖北地區(qū)落實國家科技金融發(fā)展的戰(zhàn)略。

關鍵詞：DEA-Malmquist模型;市科技金融; 效率;影響因素

中圖分類號：G642? ? ? 文獻標識碼：A

文章編號：1009-3044（2021）25-0151-02

1 文獻綜述

和國外相比，國內(nèi)對科技金融的研究相對較晚，且研究角度不盡相同，國外主要是以某一特定金融要素為出發(fā)點，研究其對金融發(fā)展的影響，而國內(nèi)對科技金融的研究相對較晚，主要是側(cè)重科技金融政策和體系等宏觀分析。在研究方法上，郭昕昕（2019）采用DEA-Tobit模型測算河南省18個地市在2008-2017年的科技金融投入產(chǎn)出效率，并對其整體變化趨勢和差異進行分析，得到政府支持、金融市場發(fā)展程度、科技創(chuàng)新水平等對金融投入產(chǎn)出效率有顯著影響。熊康（2020）采用三階段DEA模型對2010-2018年的安徽省各地級市的科技金融效率水平進行實證分析，得出整體水平不高、區(qū)域差異較大，受高新技術(shù)產(chǎn)業(yè)規(guī)模、政府支持力度、金融發(fā)展程度等因素影響等結(jié)論。

2 模型構(gòu)建

2.1 指標選取

本文將科技金融效率指標的構(gòu)成分為投入變量和產(chǎn)出變量，選取社會研究與試驗發(fā)展（R&D）經(jīng)費支出、社會研究與試驗發(fā)展（R&D）人員當時全量和財政科技支出占地方財政支出的比重等3項作為投入變量指標，選取國內(nèi)專利申請授權(quán)數(shù)、高技術(shù)產(chǎn)業(yè)產(chǎn)值技術(shù)市場成交合同額等2項作為產(chǎn)出變量指標，構(gòu)成了皖北城市科技金融發(fā)展效率指標。

2.2 模型建立

（1） DEA模型

DEA-BCC模型是對多種投入、多種產(chǎn)出情況下進行測度其效率最常用的方法，以線性規(guī)劃和統(tǒng)計數(shù)據(jù)確定相對有效的生產(chǎn)前沿面，通過比較評價單位偏離前沿面的程度評價其有效性。假設向量[Xi]投入向量，[Yi]為產(chǎn)出向量，將約束條件[λi=1]構(gòu)建模型：

N表示決策單元的數(shù)量，[λi]表示各單位組合系統(tǒng)，[s-]、[s+]表示松弛變量，[θ]表示效率評價值。通過對[θ]、[s-]、[s+]的值判斷決策單位DEA是否效率，并根據(jù)有無效率確定有否需要對投入產(chǎn)出變量進行調(diào)整。

（2） DEA-Malmquist模型

DEA理論方法與Malmquist指數(shù)有機結(jié)合可以對評價單元的效率變動進行動態(tài)分析，以T和T+1兩個時間序列為參照的Malmquist生產(chǎn)率指數(shù)公式如下：

3 實證分析

本文根據(jù)DEAP2.0軟件，對皖北地區(qū)在2015-2019年六個地市的科技金融效率進行個體靜態(tài)測算和整體動態(tài)測算，具體分析結(jié)果如下：

3.1 個體靜態(tài)分析

對皖北地區(qū)六市在2015-2019年五年期間的科技金融靜態(tài)效率進行測度，測度的指標包括規(guī)模效率值（SE）、純技術(shù)效率值（PTE）和綜合效率值（TE），另外，RS代表規(guī)模報酬情況（其中irs代表規(guī)模報酬遞增，drs代表規(guī)模報酬遞減，-代表規(guī)模報酬不變），具體結(jié)果如下表：

從綜合效率值（TE）可以看出，皖北地區(qū)科技金融效率總體處于相對有效的狀態(tài)，但未達到最優(yōu)狀態(tài)，且存在明顯的區(qū)域差異，表現(xiàn)為各地的不均衡性，在2015-2019年期間，阜陽市科技金融綜合效率值均為1，且其規(guī)模報酬幾近每年為遞增狀態(tài)，說明阜陽市實現(xiàn)科技金融的投入產(chǎn)出最優(yōu)化，即DEA有效，該地能將金融資源與科技創(chuàng)新有效結(jié)合;淮南市、蚌埠市在大部分時間的綜合效率值為1，且其規(guī)模報酬幾近每年都不變，說明兩地的科技金融的配置未在既定的投入下實現(xiàn)產(chǎn)出最大化，即DEA弱有效，需要對其投入進行調(diào)整;淮北市、蚌埠市、宿州市的綜合技術(shù)效率在大部分時間內(nèi)都小于1，即DEA無效，三地的科技金融效率發(fā)展不穩(wěn)定，時而上升時而下降的態(tài)勢，需要對科技金融的投入進行有效的調(diào)整。

從分解值可以看出，蚌埠市的純技術(shù)效率值（PTE）呈下降趨勢，而規(guī)模效率值（SE）卻呈上升趨勢，這說明其純技術(shù)效率不高，應注重提升技術(shù)改進，加強科技管理水平，宿州市的純技術(shù)效率值（PTE）水平較高，而規(guī)模效率值表現(xiàn)不穩(wěn)定，這說明其科技金融的投入力度不夠，應加大對科技金融的投入，實現(xiàn)規(guī)模經(jīng)濟。

3.2 整體動態(tài)分析

根據(jù)DEA-Malmquist模型對皖北地區(qū)六市在2015-2019年五年期間的科技金融動態(tài)效率進行測度，測度的指標包括全要素生產(chǎn)率變動指數(shù)值（tfpch）、技術(shù)效率變化指數(shù)值（effch）、技術(shù)變化指數(shù)值（techch），具體實證結(jié)果如下表：

DEA-Malmquist指數(shù)主要測度的是各決策單元全要素生產(chǎn)率變動指數(shù)值，即tfpch值，由上表可以看出，皖北地區(qū)在2015-2019年的科技金融的全要求生產(chǎn)率整體呈上升-下降的發(fā)展趨勢，在2015-1017年，皖北地區(qū)其指數(shù)均大于1，說明在此期間皖北地區(qū)的全要素生產(chǎn)效率整體處于較高的水平，但2018-2019年皖北地區(qū)其指數(shù)小于1，說明皖北地區(qū)該期間較上年度發(fā)生較大的變動，其科技金融投入產(chǎn)出效率呈現(xiàn)負增長，從各城市的表現(xiàn)來看，在2015-2016年期間，淮北市的全要素生產(chǎn)率變動值為1.815，在2016-2017年期間，蚌埠市的全要素生產(chǎn)率變動值為1.748，這說明兩市整體促進了當期皖北地區(qū)的正增長，反映該時期兩地的科技金融支持科技創(chuàng)新力效應較大;另外，DEA-Malmquist指數(shù)可分解為技術(shù)效率變化指數(shù)值（effch）和技術(shù)變化指數(shù)值（techch），從分解指數(shù)來看，皖北地區(qū)的技術(shù)效率變化指數(shù)（effch）變化相對較小，均在1上下浮動，說明該段期間內(nèi)皖北地區(qū)的技術(shù)效率比較穩(wěn)定，而技術(shù)變化指數(shù)值（techch）的變化不穩(wěn)定，且各市之間相差較大，說明區(qū)域內(nèi)差異化嚴重，有的城市技術(shù)創(chuàng)新不足，未能有效推動高新技術(shù)產(chǎn)業(yè)快速發(fā)展。

4 政策建議

基于上述實證結(jié)果，結(jié)合各城市的現(xiàn)實情況，提出如下政策建議：一是完善科技金融政策體系，各地高新企業(yè)的融資渠道以政府的財政支出、減免部分高新企業(yè)稅收等方式為主，支持方式較為單一，應從完善科技金融政策體系、增加金融配套服務、建立科技金融綜合服務平臺，將服務形式多樣化，從創(chuàng)業(yè)指導、產(chǎn)權(quán)保護、信用中介等方面對企業(yè)進行直接支持，加強銀行類金融機構(gòu)對企業(yè)科技貸款產(chǎn)品的創(chuàng)新、風險投資促進科技創(chuàng)新項目的研發(fā)等可間接帶給初創(chuàng)企業(yè)以資金支持;二是提高對科技人才引進的力度，科技企業(yè)要想在眾多企業(yè)在突出重圍，核心技術(shù)是關鍵，而人才也是不可缺少的要素，目前皖北地區(qū)的科技人員數(shù)量并不具備優(yōu)勢，應加大對高科技人才的引進力度，通過產(chǎn)學研融合加大與應用型高校的合作，鼓勵高層次人才投入到科技研發(fā)工作中，并提升人才待遇，切實從根本上留住人才，提升企業(yè)的核心競爭力。

參考文獻：

[1] 熊康.安徽省科技金融效率及其影響因素研究[D].蚌埠：安徽財經(jīng)大學，2020.

[2] 郭昕昕.河南省科技金融投入產(chǎn)出效率及影響因素研究[D].開封：河南大學，2019.

[3] 邵立杰.河南省科技金融效率及影響因素分析——基于DEA-Tobit模型[J].福建商學院學報，2019（2）：33-39.

[4] 尚小琳.山東省科技金融發(fā)展的影響因素研究——基于省際比較的視角[D].濟南：齊魯工業(yè)大學，2020.

[5] 孫忠艷.我國區(qū)域科技金融效率及影響因素實證研究——以京津冀、長三角與珠三角為例[D].保定：河北金融學院，2020.

【通聯(lián)編輯：李雅琪】