基于DEA-BCC模型和Malmquist指數法的長江經濟帶科技金融發(fā)展效率研究

楊澤坤

(青海民族大學 經濟與管理學院， 西寧 810007)

在激烈的國際化浪潮中，科技創(chuàng)新已成為世界各國綜合國力競爭的核心戰(zhàn)略支撐。科技創(chuàng)新的發(fā)展離不開金融的支持，科技與金融的融合不僅可以促進產業(yè)轉型升級，優(yōu)化科技金融資源配置，也將徹底激發(fā)經濟發(fā)展的最深層活力，成為推動經濟進一步增長的新引擎。長江經濟帶橫跨我國東中西三大區(qū)域11省市，占我國地域面積的21.4%，擁有豐富的科技和教育資源，具備突出的產業(yè)優(yōu)勢，匯集了大量的創(chuàng)新要素和創(chuàng)新主體，是我國科技創(chuàng)新與金融發(fā)展的重要區(qū)域。2016年3月，國家發(fā)展改革委、科技部和工信部聯合印發(fā)《長江經濟帶創(chuàng)新驅動產業(yè)轉型升級方案》，進一步明確了長江經濟帶是創(chuàng)新驅動的引領帶和產業(yè)融合的先行帶這一戰(zhàn)略定位。因此，研究長江經濟帶科技金融的發(fā)展趨勢，分析其在不同區(qū)域、不同階段的發(fā)展差異，對扎實推進長江經濟帶科技金融一體化發(fā)展具有重要的意義。

一、文獻綜述

在國外學術界，“科技金融”并沒有一個明確的定義，一些學者主要從宏觀層面對其進行界定。而在國內，“科技金融”概念的形成源于我國科技與金融的融合發(fā)展。1994年,中國科技金融促進會首次定義了“科技金融”，強調了科技和金融的結合對我國經濟社會發(fā)展的重要性[1]，關于科技金融的研究也從此迅速展開。目前，國內學者對科技金融的研究主要集中在三個方面。

一是關于科技金融的具體內涵。趙昌文等[2]指出,科技金融是將金融資源應用于技術研發(fā)與高新技術產業(yè)生產全過程的系統(tǒng)性、創(chuàng)新性安排。在此基礎上，李心丹和束蘭根[3]指出,科技金融是金融資源供給者依托創(chuàng)新平臺對各項金融資源進行整合創(chuàng)新，從而為科技企業(yè)提供資源配置、產品設計及金融服務的系統(tǒng)性安排，可以促進科技企業(yè)對金融資源的內生優(yōu)化和技術革新，推動高技術產業(yè)鏈加速發(fā)展。孫伍琴[4]指出，科技金融本質上是技術創(chuàng)新和金融創(chuàng)新的結合，涉及技術創(chuàng)新所需要的金融制度、政策和金融服務等多方面。

二是關于科技金融的發(fā)展水平評價。黃瑞芬和邱夢圓[5]運用SFA模型和Malmquist指數法對我國的科技金融效率進行評價，發(fā)現我國科技金融效率雖有所上升,但總體水平不高，且存在顯著的區(qū)域差異，東部地區(qū)的科技金融效率明顯高于中西部地區(qū)。徐玉蓮等[6]在前人研究基礎上提出了“科技金融成熟度”概念，從資金總量、投資績效、結構和環(huán)境四個方面構建科技金融評價體系，研究發(fā)現我國科技金融成熟度處于政府支持下的優(yōu)化發(fā)展階段。張明喜[7]從空間角度考慮，運用空間杜賓模型分析我國科技金融的空間溢出效應，發(fā)現科技金融規(guī)模擴張和經濟發(fā)展有利于科技金融績效提升，且科技金融對技術創(chuàng)新有強化效應。王芳和許舒雅[8]進一步從收斂性角度分析，運用BCC模型對我國的科技金融技術效率及收斂性進行測算，發(fā)現全國多數省份的科技金融處于規(guī)模效應遞增階段，且區(qū)域之間差異較大，存在絕對β收斂。

三是關于科技金融的影響因素。以往學者們的研究多從科研投入、法治化水平、政府支持、金融資源等角度出發(fā)。李林漢等[9]采用三階段DEA-Tobit模型對我國科技金融效率及影響因素進行研究，發(fā)現科研投入、地區(qū)法治化水平、金融發(fā)展與技術創(chuàng)新對科技金融效率具有促進作用，而政府財政支持對科技金融效率不具有顯著影響。張倩霞和萬正曉[10]采用DEA-Tobit模型,從政府、企業(yè)和金融市場三個角度對我國科技金融效率的影響因素進行研究，發(fā)現科技投入增加并不會提高科技金融效率，而高新技術產值和高新技術企業(yè)的投入強度是影響科技金融效率的重要因素。趙鴻程等[11]基于非期望產出視角研究我國的科技金融效率，發(fā)現智力資本、金融結構、知識產權保護力度、外商直接投資等可以有效提升科技金融效率水平，而環(huán)境規(guī)制卻會抑制科技金融的發(fā)展。

首先，從科技金融效率測度的角度來看，以往學者們的研究多集中于全國或某一省份，對區(qū)域層面尤其是對長江經濟帶近10年科技金融效率的測度相對較少；其次，學者們對科技金融效率的測算多集中于靜態(tài)或動態(tài)單一角度，且動態(tài)研究一般都忽略了科技金融產出的滯后期?；诖耍疚囊蚤L江經濟帶11省市2010—2019年的數據為基礎，采用DEA-BCC模型和Malmquist指數法，分別從靜態(tài)和動態(tài)兩個角度綜合研究長江經濟帶的科技金融效率水平，并在動態(tài)分析中對科技金融的產出組數據進行滯后1期處理，以彌補前人研究的不足。

二、研究方法

(一)DEA-BCC模型

數據包絡分析法(DEA)由Charnes等人于1978年首次提出，此方法可看作相對效率評價方法的衍生，目前已成為經濟學領域中的重要效率分析方法。傳統(tǒng)的DEA模型主要包括CCR模型和BCC模型。其中,CCR模型假設企業(yè)始終處于規(guī)模報酬不變階段，但這與企業(yè)的實際經營過程極為不符，即企業(yè)很難在最優(yōu)規(guī)模下進行生產經營。之后，Banker等人對CCR模型進行了適當改進，在考慮不完全競爭、信息不充分及國家政策變化等實際社會環(huán)境影響的情況下，提出了基于可變規(guī)模收益的投入導向型的BCC模型。BCC模型利用如下線性規(guī)劃模型對各決策單元效率值進行測算：

min [β-ε(eTS-+eTS+)]

(1)

式(1)中，λj≥0；j=1,2,…,n；S+≥0；S-≥0。n表示決策單元個數，x是投入，y是產出，ε是無窮小量，eT為單位向量，S+、S-為松弛變量。若β=1，S+、S-全為0，則決策單元DEA有效；若β<1，則決策單元無效。

由BCC模型測算得出的效率值是綜合效率值，可以得到如下公式：

crste=vrste×scale

(2)

式(2)中，crste表示綜合效率值，vrste表示純技術效率值，scale表示規(guī)模效率值。

(二)Malmquist指數法

DEA-BCC模型測算的是靜態(tài)效率值，只能反映某個時點的效率水平，不能反映效率的變化情況。因此,本文借鑒其他學者的研究，引入Malmquist指數法測算效率值從t期到t+1期的變動情況。技術效率變化的計算公式如下：

(3)

式(3)中，Mt表示在t期的技術條件下，從t期到t+1期的技術效率變化。同理，在t+1期的技術條件下，從t期到t+1期的技術效率變化的計算公式如下：

(4)

在此基礎上可以得到Malmquist指數，即綜合效率指數(Tfpch)。這一指數可以拆分為技術效率變化指數(Effch)和技術進步指數(Techch)，前者又可以進一步拆分為純技術效率變化指數(Pech)和規(guī)模效率變化指數(Sech)。計算公式如下：

M(Yt+1，Xt+1，Yt，Xt)=Effch×Techch=Pech×Sech×Techch

(5)

Malmquist指數值若大于1，則說明從t期到t+1期的效率水平呈上升趨勢，效率較上一期有所提高；若等于1，則表示效率水平不變，與上一期持平；若小于1，則表示效率水平呈下降趨勢，較上一期有所降低。

三、指標選取與數據來源

(一)指標選取

本文參考其他學者的研究[6，12]，選擇長江經濟帶11省市作為決策單元，分別從科技金融投入和科技金融產出兩個維度構建指標體系來對科技金融效率進行測算，利用DEA-BCC模型和Malmquist指數法對效率進行靜態(tài)絕對測度和動態(tài)相對測度?？萍冀鹑谛释度氘a出指標體系如表1所示。

從理論角度而言，科技金融體系中金融的作用主要表現為資金支持，即資本投入。資本投入的主體一般為市場和政府，同時市場和政府也是我國金融體系和科技創(chuàng)新體系的重要組成部分。其中，市場主體涵蓋直接融資市場和間接融資市場。因此，以資金主體為劃分依據，資本投入從企業(yè)內部(直接市場)、銀行貸款(間接市場)、財政支出(政府)三方面進行考慮。

表1 科技金融效率投入產出指標體系

綜上，決策單元的投入變量由勞動投入和資本投入確定。其中，勞動投入采用各地區(qū)科研人員全時當量來衡量，而資本投入則采用企業(yè)內部科研經費支出、地區(qū)金融科技信貸余額和地方財政科技支出來衡量。

考慮到科技創(chuàng)新成果的特殊性，本文從成果轉化和企業(yè)績效兩個角度考察科技成果的產出狀況。成果轉化產出采用發(fā)明專利授權數和技術市場成交額來衡量，企業(yè)績效產出采用高技術產業(yè)新產品銷售收入來衡量。

(二)數據來源

本文研究所用數據主要來源于《中國科技統(tǒng)計年鑒》《中國金融年鑒》以及各省市統(tǒng)計年鑒。使用DEAP 2.1軟件對科技金融效率值進行測算，分析其區(qū)域差異與演進趨勢?？紤]到科技金融產出相對其投入的滯后性，假設滯后期為1年，即把原投入產出數據組(Xt,Yt)修改為(Xt,Yt+1),并代入DEA模型中進行測算。

四、實證分析

(一)基于DEA-BCC模型的靜態(tài)測度

基于投入導向型DEA-BCC模型，測算出2009—2019年長江經濟帶11省市的科技金融效率，得到靜態(tài)綜合效率值并將其進一步分解為純技術效率值和規(guī)模效率值，測算結果如表2所示。

表2 長江經濟帶11省市科技金融靜態(tài)效率值

由表2可知，重慶、浙江、江蘇和上海的科技金融綜合效率值及其分解值(純技術效率值和規(guī)模效率值)均始終為1，處于有效前沿，說明在勞動和資本投入一定的情況下,科技金融產出已達到最大化，因此其規(guī)模收益也保持不變。四川和湖北緊隨其后，總體位于第二梯隊，處于半強有效階段。具體來看，四川的純技術效率值為1，處于有效前沿，規(guī)模效率是導致綜合效率降低的主要因素，但四川總體處于規(guī)模收益遞增階段，需要繼續(xù)保持現在的發(fā)展態(tài)勢，集中各要素資源，發(fā)揮規(guī)模經濟效應。湖北的綜合效率相對無效的原因則主要在于純技術效率降低，且湖北處于規(guī)模收益遞減階段，科技金融投入相對冗余而產出不足，因此需要加大科技研發(fā)力度，以技術賦能，進而尋求新的發(fā)展突破點。貴州、云南、湖南、江西和安徽則處于DEA無效狀態(tài)。貴州和江西的純技術效率值為1，綜合效率主要取決于規(guī)模效率，因此這兩地的規(guī)模經濟具有很大的提升空間，應注重形成產業(yè)集群，提高資源配置能力，著重發(fā)揮規(guī)模經濟效應；云南、湖南和安徽的綜合效率由純技術效率和規(guī)模效率共同影響，因此這三地既要關注技術投入，提高技術能力，也要注重提高規(guī)模效率。

從區(qū)域差異來看，東部省市整體表現較好，始終處于有效前沿，進入了良性循環(huán)發(fā)展階段，先天的區(qū)位優(yōu)勢和政策的大力支持是其不斷快速發(fā)展并保持領先的主要原因。西部地區(qū)表現次之，但總體優(yōu)于中部地區(qū)，尤其是四川和重慶兩地形成了很強的帶動作用，這與西南地區(qū)集中優(yōu)勢資源打造成渝城市群以形成長江上游新增長極有很大關系。中部地區(qū)表現較差，各省以往的經濟增長主要依靠第二產業(yè)的帶動，對科技和金融的融合重視不足，致使科技金融發(fā)展總體較弱。

(二)基于Malmquist指數法的動態(tài)分析

1.各年度科技金融效率變化情況

利用Malmquist指數法對2009—2019年長江經濟帶科技金融效率年度均值及其分解值進行計算，結果如表3所示。

表3 長江經濟帶科技金融效率年度均值及分解值

由表3可知，長江經濟帶的科技金融綜合效率在2009—2019年間相對平穩(wěn)，且多數年份的效率值大于1，整體處于上升趨勢。其中,最高點出現在2013—2014年，次高點出現在2015—2016年,最低點出現在2014—2015年，且2014—2015年的綜合效率大幅下跌。這與國內整體的科技金融發(fā)展導向密切相關。2012年，科技部將科技金融服務作為現代服務業(yè)的建設重點，并大力扶持相關企業(yè)發(fā)展。作為我國經濟發(fā)展的“橋頭堡”,長江經濟帶率先響應，成為全國科技金融發(fā)展的先行區(qū)，使得長江經濟帶整體的科技金融綜合效率值在2013—2014年達到最高點。2014—2015年，四川、重慶、貴州和云南等西部省市的科技金融綜合效率值較上一年均有所下降，進入無效階段，導致長江經濟帶整體的科技金融綜合效率值在該年度亦下降至無效狀態(tài)。而后，長江經濟帶整體綜合效率值在2015—2016年強勢回彈，再次進入上升趨勢并達到研究期內的次高點。

從效率分解值來看，純技術效率和規(guī)模效率及受兩者影響的技術效率在2009—2019年間變化相對較小，而技術進步與綜合效率的變化顯示出高度的一致性，進一步表明技術的創(chuàng)新與推廣應用對科技金融綜合效率影響較大。

2.各省市科技金融效率變化情況

對2009—2019年長江經濟帶11省市的科技金融綜合效率均值及其分解值進行計算，結果如表4所示。

表4 長江經濟帶11省市科技金融效率均值及分解值

由表4可知，長江經濟帶科技金融綜合效率值的均值為1.057，大于1，說明2009—2019年長江經濟帶整體的科技金融效率處于上升趨勢，人才和資金的投入產出了更大規(guī)模的科技金融成果，并提高了相關企業(yè)的技術創(chuàng)新水平，促進了科技與金融的融合發(fā)展。

分省市來看，不同省市的科技金融效率發(fā)展差異較大。除貴州和江西以外，其他省市的綜合效率值均大于1，總體處于上升趨勢。從效率分解值來看，貴州和江西科技金融無效的原因主要在于其技術進步指數處于無效狀態(tài)。貴州地處我國西南地區(qū)，經濟基礎較差，高校和科研機構較少，人才匱乏。雖然政府大力支持大數據產業(yè)發(fā)展，吸引一些大型技術公司將數據中心建于貴州，但貴州的高科技產業(yè)仍缺乏集群優(yōu)勢，發(fā)展后繼乏力。同時，貴州的金融業(yè)以單一型銀行業(yè)為主，金融業(yè)整體發(fā)展水平較為落后，科技與金融的融合程度較低，缺乏協(xié)調發(fā)展的基礎。但相對而言，整體發(fā)展的落后也使貴州具備了極大的發(fā)展?jié)摿Γ虼嗽诓糠帜攴?貴州的增長趨勢比較明顯。

江西地處我國中部地區(qū)，與周圍省市相比，其科技金融發(fā)展尚處于相對落后狀態(tài)。首先，江西的經濟發(fā)展相對滯后，教育水平不高，缺乏支撐高新技術產業(yè)發(fā)展的資金、設備和高素質人才等資源。其次，江西的高新技術產業(yè)和金融業(yè)發(fā)展相對落后，基礎設施缺乏，政策扶持力度不足，市場容量較小，無法形成科技金融發(fā)展的“軟環(huán)境”，極大妨礙了科技金融產業(yè)的發(fā)展。最后，安徽、浙江和廣東等江西周邊省份的科技金融發(fā)展處于全國前列，產生了極大的虹吸效應，導致江西的人才、產業(yè)大量外流，比較優(yōu)勢缺乏，科技金融產業(yè)無法形成良性發(fā)展的態(tài)勢。

在長江經濟帶各省市中，浙江的科技金融綜合效率值達1.146，表現最好。這主要得益于浙江整體的經濟結構和市場環(huán)境。高新技術產業(yè)的發(fā)展極大提高了浙江整體的技術創(chuàng)新水平，同時隨著科技在金融領域的廣泛應用，一大批新興互聯網金融企業(yè)涌現，形成了科技金融發(fā)展新業(yè)態(tài)。

從不同區(qū)域來看，除個別中西部省市外，長江經濟帶多數省市基本達到了科技金融有效前沿，整體處于科技金融規(guī)模效益遞增階段，但各地區(qū)之間綜合效率差異較大，異質性明顯。同時，因不同地區(qū)、不同階段的實際情況比較復雜且不同省市間發(fā)展?jié)摿Υ嬖诓町?，科技金融效率并沒有表現出東、中、西部遞減趨勢，甚至出現了個別西部省市(如重慶)的科技金融效率高于東部省市的現象。

五、結論與建議

(一)結論

從靜態(tài)角度看，長江經濟帶中重慶、浙江、江蘇和上海等省市的科技金融效率及其分解值始終處于有效前沿，并保持規(guī)模收益不變；四川和湖北的科技金融綜合效率值小于1但比較接近1，處于相對有效階段，主要是因為這兩地的規(guī)模效率和純技術效率相對無效；貴州、云南、湖南、江西和安徽的科技金融綜合效率處于無效狀態(tài)，也主要是受到規(guī)模效率和純技術效率的影響。

從動態(tài)角度看，按照時間趨勢分析，長江經濟帶的科技金融綜合效率值在2009—2019年間相對平穩(wěn)，多數年份綜合效率值大于1，長期處于上升趨勢，技術進步對綜合效率影響最大；按照不同省市分析，貴州和江西的科技金融效率在長江經濟帶11省市中表現最差，長期處于無效狀態(tài)，而浙江則在11省市中表現最好，這主要得益于浙江的經濟結構和市場環(huán)境等優(yōu)勢。

從區(qū)域差異看，在靜態(tài)效率分析中，東部地區(qū)發(fā)展優(yōu)勢明顯，長期處于有效前沿階段，西部地區(qū)因四川和重慶的優(yōu)異表現而整體略好于中部地區(qū)；在動態(tài)效率分析中，科技金融效率并未表現出東、中、西部遞減趨勢，且出現了個別西部省市(如重慶)的科技金融效率高于東部省市的現象。

(二)建議

1.發(fā)揮政府引導功能，優(yōu)化科技金融融合發(fā)展基礎環(huán)境

在技術創(chuàng)新成為科技金融發(fā)展的核心關鍵的當下，政府的引導與規(guī)范是塑造和諧競爭環(huán)境的重要推手，因此要堅持“政府引導，市場運作”原則。一方面，針對重慶、浙江等發(fā)展始終有效的省市，政府要積極發(fā)揮政策導向作用，建立科技金融協(xié)調機制，統(tǒng)籌科技金融資源配置，分區(qū)域、分重點地對不同行業(yè)進行扶持引導，避免資源“一邊倒”地流向大型科技金融企業(yè)，提高資源配置效率和政策落實效果。另一方面，針對貴州、江西等發(fā)展無效省份，要發(fā)揮市場這只“無形的手”的作用，依靠市場的自我調節(jié)功能，通過市場競爭淘汰效率較低的企業(yè)，避免資源浪費。當市場失靈、壟斷加劇時，政府應及時介入，進行宏觀調控，形成市場與政府協(xié)調統(tǒng)一、相互促進的局面，推動科技金融和諧發(fā)展。

2．加強人才隊伍建設，形成“引進+培育”的人才供應體系

科技和金融的協(xié)同發(fā)展離不開人才支撐。對于貴州、江西等經濟基礎較為薄弱、教育水平較為落后的地區(qū)來說，人才的缺乏是制約其進一步發(fā)展的主要障礙。因此，要加強人才隊伍建設，完善人才供應體系。一方面，要完善人才培育體系，積極支持高等教育和特色專業(yè)的建設，培養(yǎng)具備高競爭力和發(fā)展?jié)摿Φ母咚刭|人才，并充分發(fā)揮高素質人才的自主創(chuàng)新能力；另一方面，要完善人才引進機制，設立科技金融綜合性人才專項引進基金項目，形成高校、科研機構與企業(yè)“三位一體”的人才引進格局，讓人才“愿意來”，并“留得住”。同時，要建設區(qū)域人才交流中心，加強科研人員之間的交流協(xié)作，形成優(yōu)勢互補的創(chuàng)新團隊。此外，還要發(fā)揮科技園、創(chuàng)業(yè)孵化區(qū)等平臺的作用，鼓勵青年人才積極創(chuàng)新創(chuàng)業(yè)，并為他們提供資金和政策支持，完善獎勵機制，在創(chuàng)新創(chuàng)業(yè)項目中培育實踐型的科技金融人才。

3．健全產學研合作流程，推進科技成果轉化

科技金融效率的提升不僅要靠投入資源的增加，更要靠產出成果的轉化。因此，提升科技金融發(fā)展效率的有效途徑之一是搭建科技成果孵化平臺，為科技金融成果轉化提供平臺支持和市場空間，并將高校和科研機構的人才及知識優(yōu)勢同企業(yè)的市場及資金優(yōu)勢相結合，充分發(fā)揮不同主體的作用，完善產學研合作流程，加快推進科技成果轉化。一方面，高校和科研機構可將最新科技成果轉讓給高新技術企業(yè)，或者以項目為核心建立科技公司，實現最新科技成果的市場化和產業(yè)化；另一方面，企業(yè)不僅要積極培育和引進人才，提高自身研發(fā)創(chuàng)新能力，積極進行專利申請，還要時刻關注最新科技研究成果，積極與高校及科研機構合作，實現知識和信息共享。最后，要形成以市場為導向、以產業(yè)為支撐、產學研一體化的科技金融服務體系，為科技成果轉化提供良好的市場環(huán)境，加快科技成果轉化速度。

4．因地制宜、因城施策，形成差異化的科技金融發(fā)展模式

長江經濟帶不同區(qū)域間的科技金融效率差異明顯，東部地區(qū)科技金融效率相對較高，而中西部地區(qū)雖然效率較低，但又具有極大的發(fā)展?jié)摿?。因此，要針對不同區(qū)域的具體情況，制定有針對性的差異化發(fā)展策略。中西部省市要對科技金融發(fā)展加強政策支持力度，圍繞省會城市建立科技金融中心，以點帶面，輻射全省。東部省市則要實施多元化發(fā)展策略，在已有的良好基礎之上，打造多元化融合發(fā)展模式，突出特色，如上海和浙江可分別打造“國際科技金融中心”和“數字經濟發(fā)展中心”。同時，要加強不同區(qū)域之間的協(xié)調配合，通過完善基礎設施和高效引才等舉措加速不同省市之間的要素流動，鼓勵不同區(qū)域相互學習、相互借鑒，形成優(yōu)勢互補、特色明顯的協(xié)同發(fā)展新格局。