基于DEA和Malmquist指数的区域科技金融效率测度
来源:用户上传
作者:
【摘要】 基于DEA和Malmquist指数分析法对广东省及四大区域21个地级市的科技金融效率进行实证分析，研究结果表明：2011—2016年广东省科技金融整体效率相对较好，尤其是近两年;从时间阶段来说，还是存在配置结构不够优化、投入规模不足的问题;从区域及地市角度来说，还存在较为突出的区域不平衡问题。为此，在加大整体投入和保障全要素生产率稳定的同时，还必须针对性地加大投入和加强资源配置结构的优化，以及提高区域发展的协调性。
【关键词】 科技金融;科技创新;DEA模型;Malmquist指数
【中图分类号】 F275 【文献标识码】 A 【文章编号】 1002-5812（2019）06-0065-03
一、文献回顾与问题提出
近年来，深入推进金融与科技、产业融合发展，成为国家和地方政府实施创新驱动发展战略和供给侧改革的重要举措，取得了重要成效，同时也成为当前学者的研究热点。张明龙（2015）[1]运用SE-DEA和Malmquist指数法对30个省市科技金融效率进行评价，发现我国科技金融效率呈U形走势且东西部地区效率值差异明显;李林汉（2018）[2]等则运用三阶段DEA-Tobit模型研究的结果显示我国省际科技金融效率普遍过低，科研经费投入对结合效率影响程度最高;李俊霞（2016）[3]、乌兰（2016）[4]分别运用系统动力学和DEA方法研究了金融支持高新技术产业的发展问题，发现市场科技金融的效率相对优于公共科技金融;国际昌（2017）[5]以高新技术产业为例研究了欠发达地区科技金融资源配置风险偏好;另外，还有不少学者以部分省市为对象，开展了相关研究。
广东省作为改革开放的前沿阵地，较早开始探索科技与金融的结合，引导金融资本服务创新驱动，取得了重要成效，为全省创新驱动发展战略的实施做出了重要贡献。但也如刘湘云（2017）[6]、江湧（2017）[7]、李华军（2017）[8]等的研究表明，也存在一定的问题。为此，为了深入分析广东省科技金融在配置结构、配置效率、区域发展等问题，本文借鉴相关学者思路，采用DEA和Malmquist指数法方法，在对广东省整体科技金融效率评价基础上，进一步对省内四大区域及21个地级市科技金融效率进行分析，试图为促进广东省科技金融效率及其区域发展协调性的整体提升提供政策建议。
二、模型选择与指标选取
（一）模型选择
借鉴相关前人研究成果，在广东省整体科技金融的相对效率方面，运用DEA-BCC模型进行评价和分析。但上述模型在金融与科技创新融合效率评价方面缺乏动态性，同时为了更好地掌握全省各地市和区域的效率表现，为此对广东省21个地级市运用DEA-Malmquist指数法，尝试更加客观地评价广东省科技金融效率现状。在考察科技金融对科技创新的支持效率方面，多数学者将投入产出滞后期假定为一年，这与现实情况还存在差距。为此，本文借鉴少数学者思路，将投入产出整体滞后期假定为两年，同时考虑到实际投入中部分地市数据的波动较大，在数据处理过程中假定第t年的产出为第（t-1）年和第（t-2）年平均投入的结果[8-9]。
（二）指标选取及数据处理
借鉴相关学者研究，结合数据的可获得性以及指标口径的一致性，在投入指标上选取金融机构贷款余额、财政科技支出、R&D经费内部支出，在产出指标上选取专利授权量、新产品销售收入和高技术产品产值三个指标。数据来源于《广东统计年鉴》《广东科技统计年鉴》以及广东省科技统计网和广东省金融办等官方网站，其中：投入数据为2009—2014年，产出数据为2011—2016年。考虑到货币时间价值和居民消费水平的趋势变化，剔除价格因素的影响，本文以2009年为基期，对投入指标使用居民消费价格指数（CPI）进行平减处理，对产出指标（除专利授权数量）使用工业生产者出厂价格指数（PPI）进行平减处理。
三、广东省科技金融效率实证分析
（一）全省整体效率分析
1.DEA静态效率分析。从全省的DEA效率数据结果来看（见表1），广东省2011—2016年的科技金融综合效率呈U型状态，从2011年的综合有效到经历2012—2014这三年相对有效状态后重新回到2015—2016年的有效状态。6年中有3年金融与科技创新结合综合效率处于有效状态，规模效率4年有效（2011—2012、2015—2016）、2年递增（2013—2014），整体说明近些年科技金融投入规模较为合理，成效较好。
近6年当中，也存在部分年份配置结构不够合理的现象。2012年，综合效率呈现弱有效状态，但规模效率有效，说明投入规模是合理的，但是投入产出结构不合理;2013年综合效率呈现弱有效状态，但纯技术效率有效且规模效率递增，说明当年度投入不足，且需要加大投入;2014年综合效率较低且纯技术效率和规模效率都未达到有效，说明存在投入不足的现象，同时对于投入资源也没有得到充分和合理的利用，配置结构存在一定的问题，需在加大投入的同时优化配置结构。
2.Malmquist指數动态效率分析。整体来说，2011—2016年全省全要素生产率（TFP）、技术进步变化（TEC）、技术效率变化（EFF）的指数平均值分别为0.981、0.961和1.021（见表2），表示这6年科技金融全要素生产率年均下降1.9%，主要是技术进步作用年均下降3.9%和技术效率作用年均增长2.1%的综合影响所致，且整个阶段全要素生产率的变动受技术进步作用的影响较大（TFP与TEC的变动趋势基本吻合）。但从时间段来看，2011—2014年这一阶段全要素生产率指数小于1，2014—2016年这一阶段大于或等于1，说明这种状况在后期得到了一定程度的改善。 从技术进步变化来看，2011—2014年这一阶段小于1，这说明由于金融危机缘故，经济发展质量欠佳，技术进步作用受到一定影响，进而也导致这一阶段全省的全要素生产率状况不是十分理想。而2014—2016年这一阶段大于或等于1，说明广东省大力推进创新驱动发展和产业转型升级战略取得了成效，并降低了金融危机的影响程度。
从技术效率变化来看，2011—2016年这一阶段保持相对稳定（除2011—2012年这一阶段小于1外，其他阶段都大于或等于1），说明科技金融资源的利用效率相对较好。但是整体来说，技术效率变化先增后减的趋势明显。进一步分解技术效率变化指数的构成（包括纯技术效率变化和规模效率变化），可以发现，纯技术效率2011—2016年前期小于1而后期大于1，说明“十一五”后期政府注重加大投入但没有充分重视管理，而在“十二五”前期开始注重投入的同时也注重了管理;规模效率变化呈现先增后减的趋势，说明投入的规模效应已经不是十分明显。
（二）全省区域科技金融效率动态分析
1.各区域Malmquist指数整体分析。从全省区域科技金融效率整体差异来看（见表3），2011—2016年珠三角地区、粤东、粤西、粤北的TFP变化均值依次为0.992、0.985、0.973、0.922，这说明除珠三角地区全要素生产率基本保持稳定外（实际上也未能完全实现持续增长），粤东西北都存在不同程度下降的现象，尤其是粤北地区下降明显。
從全省区域科技金融效率（全要素生产率）变化影响构成来看（见表3），都受到不同程度的技术进步作用降低的影响（从大到小依次为粤北、粤西、珠三角及粤东），而技术效率变化方面粤东西北相对保持稳定（珠三角技术效率变化提升2.3%，主要受益于这些地区投入规模大、政府重视程度高、创新环境好等有利因素）。进一步分解技术效率变化影响因素（包括纯技术效率变化和规模效率变化）可以发现，粤东西北地区纯技术效率和规模效率基本保持稳定但均落后于珠三角地区。
2.各地市Malmquist指数分析。从全省各地市近6年全要素生产率变动情况来看：大于或等于1的地市有12个，其中：珠三角地区有7个，粤东和粤西地区有5个;小于1的地市有9个，珠三角地区2个，粤东粤西地区各2个，粤北地区3个（见表4）。上述分布现象说明：一是尽管珠三角地区科技金融效率较好，但部分地市也存在效率不够理想的问题，如江门、惠州，M指数全省排名较为靠后;二是粤北地区位于北部山区，无论是资源还是地理位置，都相对处于劣势，整体效率垫底;三是粤东西北地区与珠三角地区的科技金融效率整体差异较为明显，区域经济发展的不协调性直接影响了科技金融效率。
四、结论及建议
（一）结论
2011—2016年全省科技金融的DEA静态效率均值呈“U”型分布趋势且近两年均为1，全要素生产率变动成整体上升趋势但不稳定的局面，这说明广东省近些年实施的创新驱动战略和各项政策措施还是取得了较为明显的成效，推动了金融、科技和产业的融合发展。6年中也存在部分年份投入不足、配置结构不够合理或全要素生产率波动的现象，尤其是粤东西北地区与珠三角地区科技金融效率差距明显、不平衡问题较为突出的问题。同时，也存在珠三角地区少数地市配置结构不够优化、全要素生产率不够稳定的问题。
（二）建议
1.进一步加大科技金融投入力度并优化配置结构。对于全省来说，必须将政策性的科技金融投入与产业结构调整及转型升级目标充分结合起来，深度融入到供给侧结构性改革当中。对于珠三角地区来说，在保障投入力度的同时，更加要重视配置结构的优化;而粤东西北地区则既要加大投入力度，也要加强配置结构的优化。
2.进一步加强粤东西北与珠三角地区的协调发展。一是继续完善珠三角地区对口帮扶粤东西北地区的运行机制体制，深度拓展金融扶贫、产业共建、创新合作等模式或领域;二是深入推进“大珠三角经济区”（“广佛肇、深莞惠、珠中江”）一体化建设，充分发挥珠三角地区金融经济发展的辐射功能和反哺效应。
3.加强政策效用监测并适时调整。科技金融政策实质上作为一种类产业政策，其效用具有一定的争议，但从国家以及各地方政府的实践来说，在当前的经济发展阶段，整体效果还是明显的。为了避免造成不必要的资源浪费，必须完善相关政策评价体系，对其效用进行动态监控，并适时调整相关政策，有助于整体上促进科技金融资源配置的优化。J
【主要参考文献】
[1] 张明龙.我国金融支持科技创新的效率评价——基于超效率DEA与Malmquist指数方法[J].金融发展研究，2015，（06）：18-25.
[2] 李林汉，王宏艳，田卫民.基于三阶段DEA-Tobit模型的省际科技金融效率及其影响因素研究[J].科技管理研究，2018，38（02）：231-238.
[3] 李俊霞，张哲，温小霓.科技金融支持高新技术产业发展的实证研究——基于系统动力学方法[J].中国管理科学，2016，24（S1）：751-757.
[4] 乌兰，李寅龙，花蕊.中国高新技术产业发展的金融支持效率研究——基于DEA两阶段模型分析法[J].经济研究参考，2016，（67）：63-68.
[5] 国际昌，叶蜀君.欠发达地区科技金融资源配置风险偏好分析——以转型城市高新技术产业发展为例[J].宏观经济研究，2017，（06）：44-53+82.
[6] 刘湘云，吴文洋.基于高新技术产业的科技金融政策作用路径与效果评价研究[J].科技管理研究，2017，37（18）：23-28.
[7] 江湧，闫晓旭，刘佐菁.基于DEA模型的科技金融投入产出相对效率分析——以广东省为例[J].科技管理研究，2017，（3）：69-74.
[8] 李华军，刘贻新.“金科产”融合发展视角下金融资本作用路径及支持效率研究——基于资本形态及创新阶段的比较分析[J].科技管理研究，2018，38（14）：36-43.
[9] 李燕.基于超效率DEA模型的广东省地方财政科技支出绩效评价研究[J].公共财政研究，2017，（05）：62-71+96.
转载注明来源:https://www.xzbu.com/2/view-14802507.htm
