面向科技企業(yè)的科技與金融的融合路徑研究

楊 青，郭秀蕙，2，曹蘭娟,3，汪金美，劉星星

(1.武漢理工大學(xué) 安全科學(xué)與應(yīng)急管理學(xué)院，湖北 武漢 430070；2.中國國檢測試控股集團(tuán)股份有限公司，北京 100024;3.浙大寧波理工學(xué)院 商學(xué)院，浙江 寧波 315100)

科技金融是促進(jìn)科技開發(fā)、成果轉(zhuǎn)化和高新技術(shù)產(chǎn)業(yè)發(fā)展的一系列金融工具、金融制度、金融政策與金融服務(wù)的系統(tǒng)性、創(chuàng)新性安排[1-2]。科技金融是一個(gè)國家社會(huì)經(jīng)濟(jì)發(fā)展到一定階段后，科技創(chuàng)新活動(dòng)與金融資源配置之間形成的相互融合、共同促進(jìn)的系統(tǒng)性、整體性制度安排，對(duì)于我國推進(jìn)經(jīng)濟(jì)結(jié)構(gòu)調(diào)整、轉(zhuǎn)變經(jīng)濟(jì)發(fā)展方式、建設(shè)創(chuàng)新型國家都具有重要意義[3]。ZETSCHE等[4]認(rèn)為科技金融不僅具有降低交易成本、改善業(yè)務(wù)和風(fēng)險(xiǎn)管理的特點(diǎn)，還具有更強(qiáng)的金融包容性，能為中小企業(yè)和消費(fèi)者帶來更多的信貸支持。PARK等[5]通過分析美國生物技術(shù)產(chǎn)業(yè)創(chuàng)業(yè)公司的樣本，發(fā)現(xiàn)在最初的獨(dú)立風(fēng)險(xiǎn)投資之后建立CVC投資有利于初創(chuàng)企業(yè)的創(chuàng)新。馮永琦等[6]通過對(duì)科技金融試點(diǎn)政策面板數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)科技金融對(duì)產(chǎn)業(yè)結(jié)構(gòu)的合理化和升級(jí)具有正向作用。胡歡歡等[7]通過雙重差分模型發(fā)現(xiàn)科技金融對(duì)創(chuàng)新驅(qū)動(dòng)的作用是明顯的。我國科技金融創(chuàng)新績效呈逐年上升趨勢[8]，但資源配置效率偏低[9]，科技金融政策的推動(dòng)作用具有一定的路徑導(dǎo)向，所產(chǎn)生的創(chuàng)新績效有顯著性差異[10]。我國正處在科技創(chuàng)新發(fā)展的關(guān)鍵時(shí)期，需要強(qiáng)大的新動(dòng)力支撐，但目前科技金融發(fā)展中供需不匹配導(dǎo)致的資源利用率低等問題影響著科技金融助力科技發(fā)展的進(jìn)程。

針對(duì)我國科技與金融深度融合的生命周期資金需求匹配度低、金融支持供給精準(zhǔn)度差、金融支持供給持續(xù)性弱等現(xiàn)實(shí)問題，構(gòu)建科技金融供需雙向動(dòng)態(tài)匹配模型，針對(duì)融合效率測度設(shè)計(jì)指標(biāo)體系，并運(yùn)用多元線性回歸模型測算科技與金融融合的路徑突破口，探索科技企業(yè)科技與金融融合發(fā)展路徑思路。

1 科技與金融融合的供需雙向動(dòng)態(tài)匹配效率與發(fā)展路徑模型

科技企業(yè)也稱高科技企業(yè)或高新技術(shù)企業(yè)，是持續(xù)進(jìn)行研究開發(fā)與技術(shù)成果轉(zhuǎn)化，形成企業(yè)核心自主知識(shí)產(chǎn)權(quán)，并以此為基礎(chǔ)開展經(jīng)營活動(dòng)的企業(yè)?！陡咝录夹g(shù)企業(yè)認(rèn)定管理辦法》對(duì)科技企業(yè)有明確的界定，由科技部、財(cái)政部、稅務(wù)總局共同負(fù)責(zé)認(rèn)定管理工作。科技企業(yè)發(fā)展的不同階段(種子期、初創(chuàng)期、成長期、成熟期、衰退期)，融資方式、規(guī)模、模式、不盡相同。金融支持的主體包括政府、銀行機(jī)構(gòu)、證券機(jī)構(gòu)、創(chuàng)業(yè)投資機(jī)構(gòu)、互聯(lián)網(wǎng)金融機(jī)構(gòu)、科技資本市場、科技保險(xiǎn)和科技擔(dān)保機(jī)構(gòu)等多元供給主體。相對(duì)多元的金融支持主體，科技企業(yè)面臨著融資信貸風(fēng)險(xiǎn)大、內(nèi)源融資能力有限、融資渠道狹窄、契約不完備、股權(quán)不合理、回報(bào)周期長等困境。為推動(dòng)產(chǎn)業(yè)結(jié)構(gòu)轉(zhuǎn)型和創(chuàng)新驅(qū)動(dòng)戰(zhàn)略，各地均在開展科技與金融融合的試點(diǎn)或舉措，以期將金融支持的供給方轉(zhuǎn)變?yōu)橹鲃?dòng)方，力圖改變迫切需求融資的科技企業(yè)的被動(dòng)局面，然而各地舉措有別，效果有異。因此，筆者建立科技與金融融合的供需雙向動(dòng)態(tài)匹配效率模型，以探究區(qū)域發(fā)展的差異和經(jīng)驗(yàn)，并挖掘發(fā)展趨勢和可行路徑。

1.1 科技與金融融合的供需雙向動(dòng)態(tài)匹配效率模型

為定量分析金融供給主體與金融需求主體的對(duì)接現(xiàn)狀，采用三階段DEA模型來測算科技金融深度融合的供需雙向動(dòng)態(tài)匹配投入產(chǎn)出效率。相對(duì)效率評(píng)價(jià)的有效工具主要有代表參數(shù)法的隨機(jī)前沿分析法和代表非參數(shù)法的數(shù)據(jù)包絡(luò)分析兩種方法[11]。DEA則以“相對(duì)效率”概念為基礎(chǔ)，根據(jù)多指標(biāo)投入和多指標(biāo)產(chǎn)出對(duì)相同類型的單位(部門)進(jìn)行相對(duì)有效性或效益評(píng)價(jià)[12]。由于衡量科技金融供需雙向動(dòng)態(tài)匹配模型的產(chǎn)出項(xiàng)目體現(xiàn)為多個(gè)方面，故科技金融供需雙向動(dòng)態(tài)匹配模型測度的指標(biāo)體系為多投入-多產(chǎn)出型。

采用三階段DEA模型，克服了傳統(tǒng)DEA模型的缺陷，同時(shí)也剔除了環(huán)境變量、隨機(jī)干擾及管理無效率等因素對(duì)科技金融深度融合發(fā)展的影響，更加準(zhǔn)確可靠地測算了投入產(chǎn)出效率。

第一階段采用投入導(dǎo)向的規(guī)模報(bào)酬可變的BCC模型來計(jì)算各決策單元的技術(shù)效率(TE)、純技術(shù)效率(PTE)和規(guī)模效率(SE)。借鑒BANKER等[13]的研究，將該模型表示為：

第二階段采用SFA模型過濾掉環(huán)境因素與管理無效率的影響，使所有決策單元處于相同外部環(huán)境，然后將第一階段分析得到的投入冗余作為被解釋變量，將環(huán)境變量和混合誤差項(xiàng)作為解釋變量。SFA模型通過對(duì)誤差項(xiàng)的分解對(duì)決策單元的技術(shù)效率做出估計(jì)，誤差項(xiàng)分為兩部分，一項(xiàng)表示隨機(jī)誤差，另一項(xiàng)表示技術(shù)無效性，構(gòu)造如下SFA回歸函數(shù)：

Sik-f(Zk；βi)+vik+μik,i=1,2,…,N

第三階段采用傳統(tǒng)DEA-BCC模型，再次測算各決策單元的技術(shù)效率、純技術(shù)效率和規(guī)模效率，此時(shí)的效率已經(jīng)剔除環(huán)境因素和隨機(jī)因素的影響，其值是相對(duì)真實(shí)準(zhǔn)確的。

1.2 科技與金融融合的供需雙向動(dòng)態(tài)匹配發(fā)展路徑模型

我國金融供給主體與金融需求主體的匹配程度出現(xiàn)了明顯的差異性，這不利于二者的共生發(fā)展。因此，采用多元回歸模型分析金融支持科技企業(yè)的發(fā)展情況，再通過實(shí)證研究檢驗(yàn)造成這一差異的原因，以尋求優(yōu)化路徑。

假設(shè)科技創(chuàng)新下經(jīng)濟(jì)增長符合柯布道格拉斯(C-D)生產(chǎn)函數(shù)[14]，生產(chǎn)前沿函數(shù)為Y=f(X,β)，其中X為生產(chǎn)相關(guān)要素，如人力、資本、科技等，對(duì)數(shù)化后可轉(zhuǎn)為lnY=α+∑βlnX+μ。構(gòu)建如下回歸模型：

lnU=α+β1lnR+β2lnS+β3lnG+β4lnP+μ

考慮金融體系運(yùn)行有效條件下回歸模型的被解釋變量為lnU，U為單位效率產(chǎn)出，設(shè)為I/E，I為科技型企業(yè)營業(yè)收入，E為綜合效率值(由DEA運(yùn)行結(jié)果取得技術(shù)效率TE)；R為科技型企業(yè)研發(fā)人員數(shù)量占比，用以衡量科技企業(yè)人力資源投入；S為研發(fā)投入占營業(yè)收入的比例，用以衡量科技企業(yè)資金投入；G為政府補(bǔ)助，用以衡量政府財(cái)政投入；P為專利授權(quán)量，用以衡量科技型企業(yè)科技實(shí)力。

2 指標(biāo)選取及數(shù)據(jù)來源

2.1 投入、產(chǎn)出指標(biāo)及環(huán)境變量的選取

通過分析關(guān)于金融與科技結(jié)合效率的指標(biāo)體系構(gòu)建的文獻(xiàn)，發(fā)現(xiàn)現(xiàn)有文獻(xiàn)多以間接融資總金額、政府補(bǔ)助金額、研發(fā)投入、研發(fā)人員、專利授權(quán)量、凈利潤、技術(shù)市場合同成交金額、新產(chǎn)品銷售收入與產(chǎn)品銷售收入的比重等作為衡量產(chǎn)出投入比的指標(biāo)[15-16]。由于數(shù)據(jù)源分散且形式多樣，科技企業(yè)成長過程中的技術(shù)與經(jīng)濟(jì)數(shù)據(jù)復(fù)雜，且多涉及商業(yè)和技術(shù)秘密，專門針對(duì)科技企業(yè)的天使投資、風(fēng)險(xiǎn)投資、銀行貸款的數(shù)據(jù)比較缺乏，考慮到數(shù)據(jù)的可獲得性以及科技企業(yè)的生命周期可持續(xù)能力，故筆者重點(diǎn)研究已上市的科技企業(yè)的發(fā)展情況。選取研發(fā)投入占營業(yè)收入比例、政府補(bǔ)助金額、研發(fā)人員數(shù)量占比作為投入指標(biāo)，選取專利授權(quán)量和營業(yè)收入作為產(chǎn)出指標(biāo)。

環(huán)境變量的選擇是三階段DEA方法的關(guān)鍵步驟，為滿足“分離假設(shè)”原則，環(huán)境變量需要選用對(duì)企業(yè)經(jīng)營效率有影響但又不可主觀控制的因素，并且將影響企業(yè)運(yùn)行效率的外部因素概括為地區(qū)GDP和區(qū)域常住人口數(shù)。

2.2 數(shù)據(jù)來源

通過CSMAR(中國經(jīng)濟(jì)金融研究數(shù)據(jù)庫)查找2020年在主板、中小板、創(chuàng)業(yè)板的上市科技企業(yè)名單。根據(jù)典型性、覆蓋性原則，篩選出大于全國科技企業(yè)數(shù)量平均水平的地區(qū)進(jìn)行測算。

3 實(shí)證研究

3.1 創(chuàng)業(yè)版科技企業(yè)分析

利用投入導(dǎo)向的DEA三階段模型，借助DEAP2.1軟件測算技術(shù)效率(TE)、純技術(shù)效率(PTE)、規(guī)模效率(SE)，測算23個(gè)省(市、自治區(qū))295家創(chuàng)業(yè)板科技企業(yè)三階段發(fā)展效率，如表1所示。從表1可知，剔除環(huán)境變量和隨機(jī)因素的影響后，23個(gè)地區(qū)創(chuàng)業(yè)板科技企業(yè)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均有小幅度提升，但數(shù)值變化不大。經(jīng)過對(duì)原始投入的數(shù)據(jù)進(jìn)行調(diào)整后，各地的排名均出現(xiàn)了不同程度的上升和下降，名次變化最大不超過四位，大部分地區(qū)僅是上升或下降一個(gè)名次。從平均值看，第三階段雖有所上升但上升空間不超過1%，表明環(huán)境因素對(duì)創(chuàng)業(yè)板科技企業(yè)的影響較小。

表1 創(chuàng)業(yè)板科技企業(yè)三階段模型結(jié)果對(duì)比

以各省(市、自治區(qū))創(chuàng)業(yè)板科技企業(yè)的指標(biāo)平均值進(jìn)行路徑模擬，在共線性檢驗(yàn)和顯著性檢驗(yàn)后進(jìn)行多元回歸分析，結(jié)果如表2所示。對(duì)回歸參數(shù)的顯著性進(jìn)行t檢驗(yàn)，發(fā)現(xiàn)企業(yè)研發(fā)人員數(shù)量占比、研發(fā)投入占營業(yè)收入比例、政府補(bǔ)助對(duì)創(chuàng)業(yè)科技企業(yè)營業(yè)收入有顯著影響。通過以上分析，得出回歸方程為：lnU=0.474lnR-0.388lnS+0.723lnG+6.205+μ。在金融支持有效情況下，作用最顯著的是政府補(bǔ)助(影響系數(shù)為0.723)，其次是研發(fā)人員數(shù)量占比(影響系數(shù)為0.474)，可見政府補(bǔ)助對(duì)于創(chuàng)業(yè)科技企業(yè)的發(fā)展具有重要扶持作用，而人才是科技產(chǎn)出的關(guān)鍵所在。研發(fā)投入占營業(yè)收入比例的影響為負(fù)(-0.388)，可見研發(fā)投入在短期內(nèi)難以獲得科技產(chǎn)出，導(dǎo)致效率降低，進(jìn)而折射出政府引導(dǎo)和人才引領(lǐng)對(duì)創(chuàng)業(yè)板科技企業(yè)的重要作用。

表2 創(chuàng)業(yè)板科技企業(yè)科技與金融融合回歸方程的系數(shù)及系數(shù)檢驗(yàn)結(jié)果

3.2 中小板科技企業(yè)分析

利用投入導(dǎo)向的DEA三階段模型，測算了150家中小板科技企業(yè)三階段發(fā)展效率，如表3所示。從表3可知，中小板科技企業(yè)綜合技術(shù)效率整體處于較低水平，綜合技術(shù)效率還有很大提升空間。從一定程度上映射出各地區(qū)中小板科技企業(yè)供給不均衡與結(jié)構(gòu)性失衡等諸多困境尚存。純技術(shù)效率方面，河南的純技術(shù)效率最高達(dá)到0.95，究其原因在于河南省近年來大力推進(jìn)“科技貸”和“科技保”業(yè)務(wù)以解決融資難的問題。此外，除湖北省以外的其余12個(gè)地區(qū)的純技術(shù)效率均在0.6以上，以投入成本、服務(wù)能力、服務(wù)效能為對(duì)象的治理效率尚為可觀。針對(duì)中小板科技企業(yè)的創(chuàng)新驅(qū)動(dòng)發(fā)展問題，我國的金融支持政策在部分地區(qū)發(fā)揮了實(shí)效，進(jìn)而導(dǎo)致部分指標(biāo)快速突破，例如高新技術(shù)企業(yè)引進(jìn)導(dǎo)致專利授權(quán)量激增、“互聯(lián)網(wǎng)+”浪潮下訂單激增而使得營業(yè)收入快速提升。同時(shí)，也可能是因?yàn)橥度胫笜?biāo)的降低，而在產(chǎn)出水平短時(shí)間保持不變的情況下，形成產(chǎn)出效率“偽提升”。金融支持措施對(duì)于中小板科技企業(yè)的作用是顯著的，也可以認(rèn)為是“立竿見影”的。

表3 中小板科技企業(yè)三階段模型結(jié)果對(duì)比

在規(guī)模效率方面，上海的規(guī)模效率最高為0.493，天津最低為0.194。13個(gè)地區(qū)的規(guī)模效率均值為0.386，標(biāo)準(zhǔn)差為0.086。結(jié)果表明13個(gè)地區(qū)之間規(guī)模效率差距較小，但是整體處于較低水平，大部分中小板科技企業(yè)投入產(chǎn)出未達(dá)到最優(yōu)規(guī)模。與純技術(shù)效率相比，規(guī)模效率普遍較低的問題較為突出，具體體現(xiàn)為中小板科技企業(yè)的投入-產(chǎn)出-效益各要素之間配合不當(dāng)，協(xié)調(diào)狀態(tài)不佳，亟需從科技企業(yè)服務(wù)協(xié)同治理視角，促進(jìn)供給主體、供給資源、供給空間的通暢、充分與平衡，優(yōu)化供給規(guī)模。

剔除環(huán)境變量和隨機(jī)因素的影響后，13個(gè)地區(qū)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率均有所下降。經(jīng)過對(duì)原始投入數(shù)據(jù)進(jìn)行調(diào)整，各地區(qū)的排名均出現(xiàn)了不同程度的上升和下降。廣東的排名上升幅度較大，其中綜合技術(shù)效率、規(guī)模效率均上升至排名第一，純技術(shù)效率排名上升兩位。各地區(qū)技術(shù)效率變化較大的主要原因是在投入變量調(diào)整之后對(duì)規(guī)模效率影響較大，即從企業(yè)規(guī)模效率的角度出發(fā)，在現(xiàn)有技術(shù)效率的基礎(chǔ)上，合理利用資源配置，不斷調(diào)整實(shí)際規(guī)模，縮小其與最優(yōu)生產(chǎn)規(guī)模的差距，提高科技中小型企業(yè)的綜合技術(shù)效率。

由于中小板科技企業(yè)正處于成熟的初級(jí)階段，發(fā)展路徑基本成型，數(shù)據(jù)表現(xiàn)具有一定的穩(wěn)定性，運(yùn)用多元回歸模型來測算發(fā)展路徑，其結(jié)果如表4所示。對(duì)回歸參數(shù)的顯著性進(jìn)行t檢驗(yàn)，發(fā)現(xiàn)政府補(bǔ)助、專利授權(quán)量對(duì)科技中小企業(yè)單位效率產(chǎn)出有顯著的影響，其回歸方程為：lnU= 0.350lnG-0.272lnP+13.252+μ。相比于創(chuàng)業(yè)板科技企業(yè)，政府補(bǔ)助對(duì)中小板科技企業(yè)的發(fā)展依然保持重要的引導(dǎo)作用，而專利授權(quán)量的影響為負(fù)(影響系數(shù)為-0.272)，可見已形成一定規(guī)模的中小板科技企業(yè)需要的不僅是專利發(fā)明數(shù)量，更要注重科技成果的有效轉(zhuǎn)化；且其截距值(13.252)較高，可見中小板科技企業(yè)科技與金融融合的效率基數(shù)要高于創(chuàng)業(yè)板科技企業(yè)，體現(xiàn)出科技產(chǎn)出規(guī)模的推動(dòng)作用。

表4 中小板科技企業(yè)科技與金融融合回歸方程的系數(shù)及系數(shù)檢驗(yàn)結(jié)果

3.3 主板科技型企業(yè)分析

利用投入導(dǎo)向的DEA三階段模型，以2020年14個(gè)省市168家主板科技企業(yè)的數(shù)據(jù)為樣本，測算了金融支持科技企業(yè)發(fā)展三階段的融合效率，如表5所示。從表5可知，整體上14個(gè)省市的技術(shù)效率平均值為0.256，表明14個(gè)省市的金融支持科技企業(yè)發(fā)展效率亟待提高，距離生產(chǎn)前沿面較遠(yuǎn)；14個(gè)省份的純技術(shù)效率平均值為0.690，規(guī)模效率平均值為0.356，表明技術(shù)效率比較低的原因主要是規(guī)模效率很低，因此效率改善方向應(yīng)以提升規(guī)模效率為主，注重提高企業(yè)的技術(shù)和管理水平，借鑒國內(nèi)外的相關(guān)管理經(jīng)驗(yàn)和技術(shù)，重視人力資本和先進(jìn)技術(shù)的引進(jìn)。

表5 主板科技企業(yè)三階段模型結(jié)果對(duì)比

山東和廣東的金融支持科技企業(yè)發(fā)展的技術(shù)效率最高，與這兩省深入實(shí)施科技企業(yè)梯次培育行動(dòng)以及科技企業(yè)上市服務(wù)綠色通道等政策密切相關(guān)。河南的金融支持科技企業(yè)發(fā)展的技術(shù)效率最低，這是因?yàn)榭萍计髽I(yè)的自身束縛、間接融資偏少，金融支持科技企業(yè)的機(jī)制有待完善。

環(huán)境變量與隨機(jī)因素的存在會(huì)對(duì)效率值的測量產(chǎn)生顯著影響。剔除環(huán)境變量和隨機(jī)因素的影響后，14個(gè)省市科技企業(yè)的綜合技術(shù)效率、純技術(shù)效率和規(guī)模效率有升有降。經(jīng)過對(duì)原始投入數(shù)據(jù)進(jìn)行調(diào)整，各省市的排名均出現(xiàn)了不同程度的上升和下降。從整體上看，綜合技術(shù)效率平均值為0.240，有一定程度的降低；純技術(shù)效率平均值為0.705，有一定程度的上升；規(guī)模效率平均值為0.328，也有一定程度的下降。這表明科技企業(yè)技術(shù)創(chuàng)新綜合效率低的原因主要是技術(shù)創(chuàng)新活動(dòng)規(guī)模不夠。

湖北、湖南、安徽等中部地區(qū)的金融支持科技企業(yè)發(fā)展的技術(shù)效率處于中等水平，整體范圍在0.19～0.29之間，主要原因是中部地區(qū)的大多省份在目前的技術(shù)水平上，投入科技企業(yè)資源使用的效率不高，科技企業(yè)的科技創(chuàng)新能力有待提高，科技企業(yè)的規(guī)模也不大，且企業(yè)一直面臨著“融資難、融資貴、融資慢”三座大山[17]。

運(yùn)用多元回歸模型來測算主板成熟型科技企業(yè)發(fā)展路徑，其結(jié)果如表6所示。對(duì)回歸參數(shù)的顯著性進(jìn)行t檢驗(yàn)，科技企業(yè)研發(fā)人員數(shù)量占比的p值小于0.1，研發(fā)投入占營業(yè)收入比例的p值小于0.05，而政府補(bǔ)助和專利授權(quán)量這兩個(gè)變量的p值大于0.1，未通過顯著性檢驗(yàn)，說明其對(duì)因變量沒有顯著影響，沒有進(jìn)入回歸方程。通過以上分析，得出回歸方程為：lnU=1.704lnR-1.790lnS+9.348+μ。在金融支持有效情況下，作用最顯著的是科技企業(yè)研發(fā)投入占營業(yè)收入比例，其次是研發(fā)人員數(shù)量占比，且影響系數(shù)均大于1。相比于創(chuàng)業(yè)板和中小板的科技企業(yè)而言，主板科技企業(yè)體量大，政府補(bǔ)貼的作用會(huì)相對(duì)弱化，人才的作用愈發(fā)凸顯，資本擴(kuò)張和多元化經(jīng)營則可能導(dǎo)致研發(fā)投入的產(chǎn)出效率降低。

表6 主板科技企業(yè)科技金融融合回歸方程的系數(shù)及系數(shù)檢驗(yàn)結(jié)果

4 結(jié)論與建議

4.1 結(jié)論

(1)從生命周期上看，科技企業(yè)的各階段科技與金融融合效率差異化明顯。在多階段效率測算中，創(chuàng)業(yè)板科技企業(yè)的科技與金融融合效率對(duì)環(huán)境的整體敏感性較低，體現(xiàn)出創(chuàng)業(yè)板科技企業(yè)對(duì)金融支持的需求純粹，科技與金融的融合能快速“起效”，尤其是對(duì)創(chuàng)業(yè)活動(dòng)較為稀疏的地區(qū)，例如遼寧、西藏、甘肅、內(nèi)蒙古、黑龍江等地區(qū)。金融支持對(duì)創(chuàng)業(yè)科技企業(yè)的推動(dòng)作用在全國的普遍情況是具有較為顯著的正向影響。而在生命周期的中后期，中小板和主板科技企業(yè)的金融支持的效能出現(xiàn)了多樣化的結(jié)果。創(chuàng)業(yè)板科技企業(yè)迫切需要政府補(bǔ)助，但在研發(fā)投入的持續(xù)性上則顯得不足，中小板科技企業(yè)依然需要政府補(bǔ)助，但重點(diǎn)在于科技成果轉(zhuǎn)化得到經(jīng)濟(jì)回饋。人才和經(jīng)營對(duì)于主板科技企業(yè)而言更為關(guān)鍵。

(2)從地域上看，中部地區(qū)的科技創(chuàng)新對(duì)科技與金融融合效率具有提升前景。我國東部沿海地區(qū)經(jīng)濟(jì)與西部地區(qū)經(jīng)濟(jì)差距較大，科技金融并不在同一起跑線上。在剔除環(huán)境因素和隨機(jī)干擾的影響后發(fā)現(xiàn)，東部沿海地區(qū)金融支持的投入成本、服務(wù)能力、服務(wù)效能水平均較高，但大多并未達(dá)到最優(yōu)規(guī)模。安徽、河南、湖北、湖南等中部地區(qū)的效率出現(xiàn)上升趨勢，但受投入規(guī)模限制，仍有較大提升空間。

(3)從要素上看，人力資源對(duì)科技與金融融合效率具有關(guān)鍵作用。創(chuàng)業(yè)板科技企業(yè)的創(chuàng)新資源更多依靠原始積累的創(chuàng)新，在轉(zhuǎn)化成果過程中獲得發(fā)展的機(jī)遇和經(jīng)濟(jì)的回饋，而科技企業(yè)進(jìn)入中小板和主板之后，金融支持的規(guī)模要求逐漸提升，政府補(bǔ)助往往承擔(dān)著科技與金融融合的觸發(fā)作用，但對(duì)科技與金融的融合并不能持續(xù)影響。對(duì)于研發(fā)投入而言，過多的投入會(huì)降低科技與金融的效率，而高科技人力資源的投入的影響則保持較高且穩(wěn)定的水平，也就意味著精準(zhǔn)有效地投入到人才以及人才所承載的技術(shù)創(chuàng)新對(duì)科技與金融融合效率有著關(guān)鍵作用。

4.2 建議

(1)健全科技與金融融合的市場機(jī)制。從國家頂層設(shè)計(jì)上，進(jìn)一步加速推動(dòng)完善多層次資本市場，促進(jìn)風(fēng)險(xiǎn)投資和天使投資更加自由高效地投入到科技創(chuàng)新活動(dòng)，開展多方公平合作的科技金融產(chǎn)品交易平臺(tái)，運(yùn)用大數(shù)據(jù)技術(shù)發(fā)展科技金融服務(wù)模式創(chuàng)新，支持創(chuàng)業(yè)型或初創(chuàng)期科技企業(yè)進(jìn)入快速發(fā)展軌道。

(2)精準(zhǔn)挖掘科技與金融融合突破點(diǎn)。由于各地區(qū)科技金融投入-產(chǎn)出規(guī)模存在結(jié)構(gòu)性差異，對(duì)于科技創(chuàng)新集聚地可建立政府引導(dǎo)母基金和風(fēng)險(xiǎn)補(bǔ)償機(jī)制，一方面引導(dǎo)各類長期資金進(jìn)駐科技金融資本池；另一方面，建立風(fēng)險(xiǎn)補(bǔ)償大數(shù)據(jù)評(píng)估平臺(tái)，確保資本專注投資于有潛力的創(chuàng)新項(xiàng)目。

(3)充分發(fā)揮人才對(duì)科技與金融融合的本質(zhì)作用。在全球人才流動(dòng)格局下，智力資源成為最為關(guān)鍵和稀缺的資源，新興產(chǎn)業(yè)的快速發(fā)展必須依托多層次人才體系。各地方應(yīng)當(dāng)制定精準(zhǔn)政策落實(shí)人才引進(jìn)工程，切實(shí)實(shí)現(xiàn)科技人才與新興產(chǎn)業(yè)發(fā)展的有機(jī)耦合，著力打造具有活力的科技與金融融合的人才生態(tài)圈，健全征信制度以及知識(shí)產(chǎn)權(quán)保護(hù)制度，營造良好和寬松的科技創(chuàng)新環(huán)境和營商環(huán)境。