摘要：提出了基于支持向量機(jī)的科技投融資績(jī)效評(píng)價(jià)方法，并對(duì)四川省1995～2012年期間科技投融資績(jī)效進(jìn)行實(shí)證研究。結(jié)果表明：基于支持向量機(jī)進(jìn)行科技投融資績(jī)效評(píng)價(jià)的方法是可行且有效的；四川省科技投融資績(jī)效并不是隨著投融資總額的增加呈現(xiàn)出逐步提高的趨勢(shì)，而是有一定的波動(dòng)性。

關(guān)鍵詞：科技投融資；績(jī)效評(píng)價(jià)；支持向量機(jī)；主成分分析

中圖分類號(hào)：F204 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1001-8409（2014）12-0125-05

The Performance of Science and Technology Investment andFinance Based on the Support Vector Machine

GU Jing1，ZHAO Da2，WANG Chaoling3

（1.School of Economics，Sichuan University，Chengdu 610054；2.School of Economics，F(xiàn)uDan University，Shanghai 200433；

3.School of HSBC Business，Peking University，Shenzhen 518055）

Abstract：To improve the government s science and technology investment and finance management model and raise the level of innovation efficiency. The support vector machine method is presented in this paper to do an empirical study on the performance of S&T investment and finance based on the datas from 1995 to 2011. On the one hand，the test results show that the construction of support vector machine mothod is effective and feasible. On the other hand，the performance of S&T investment and finance is not increasing with the total investment but showing some fluctuations.

Keywords：sicence and technology investment and finance；evaluation of performance；support vector machine；principal component analysis

引言

提高科技自主創(chuàng)新能力不僅是我國(guó)科技發(fā)展的前提、國(guó)家基礎(chǔ)設(shè)施建設(shè)的重要組成部分，也是政府公共財(cái)政投資的主要目標(biāo)之一。對(duì)于企業(yè)自身來(lái)講，技術(shù)創(chuàng)新往往還能夠帶來(lái)豐厚的超額利潤(rùn)回報(bào)。但是把資本、技術(shù)、勞動(dòng)力等要素轉(zhuǎn)化為現(xiàn)實(shí)生產(chǎn)力不僅取決于資金投入量的增加，還依賴于利用率的提高。楊波等[1，2]認(rèn)為，科技投融資力度加大和高科技產(chǎn)業(yè)發(fā)展沒(méi)有呈現(xiàn)同步增長(zhǎng)的態(tài)勢(shì)。因此，政府投融資平臺(tái)近幾年來(lái)對(duì)科技創(chuàng)新領(lǐng)域投入了大量資金，政策給予了很多扶持，最終企業(yè)利用這些資源進(jìn)行技術(shù)創(chuàng)新。那么，科技投融資的實(shí)質(zhì)效果如何？這是當(dāng)前亟需解決的問(wèn)題之一。

Yoichi Gokan[3]和楊志安等[4]認(rèn)為，財(cái)政投融資的績(jī)效評(píng)價(jià)應(yīng)該有完善的評(píng)價(jià)體系并使用科學(xué)規(guī)范的評(píng)價(jià)方法。對(duì)于科技投融資的績(jī)效評(píng)價(jià)也應(yīng)該如此。以往研究主要集中于企業(yè)間或行業(yè)間的科技投融資績(jī)效指標(biāo)體系的構(gòu)建與評(píng)價(jià)。如王利劍等[5]對(duì)高?？萍计脚_(tái)績(jī)效評(píng)價(jià)進(jìn)行了研究；李左峰等[6]研究了政府科技項(xiàng)目投入對(duì)95家創(chuàng)新企業(yè)的影響。從技術(shù)方法層面來(lái)講，現(xiàn)有文獻(xiàn)大多利用AHP、專家打分法、BP神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)包絡(luò)分析（DEA）等非參數(shù)方法，效果并不是十分理想。因?yàn)槎ㄐ缘姆椒ú荒芄⒖陀^地評(píng)價(jià)事物，具有較強(qiáng)的個(gè)人主觀色彩；對(duì)于定量分析的方法來(lái)說(shuō)，DEA方法避免模型設(shè)定偏差，但忽視隨機(jī)誤差且結(jié)論的穩(wěn)健性較差[6]，BP神經(jīng)網(wǎng)絡(luò)不能擇優(yōu)尋找支持向量，對(duì)全體樣本進(jìn)行迭代導(dǎo)致速度慢且準(zhǔn)確率相對(duì)較低。由于現(xiàn)實(shí)世界過(guò)于復(fù)雜，一些無(wú)法直接納入量化體系但又對(duì)評(píng)估具有重大意義的指標(biāo)如創(chuàng)新產(chǎn)品的環(huán)境效益等則需要經(jīng)過(guò)特別處理。

由此可見(jiàn)，在不斷加大投融資規(guī)模的基礎(chǔ)上，評(píng)價(jià)宏觀經(jīng)濟(jì)主體投融資績(jī)效具有較大的理論和現(xiàn)實(shí)意義。尤其是四川省，作為西部最重要的科技省份，擁有5所211高校、216個(gè)研究開(kāi)發(fā)機(jī)構(gòu)、12家高新技術(shù)產(chǎn)業(yè)化基地。在全國(guó)各省市中，高新技術(shù)產(chǎn)業(yè)化基地總數(shù)排名第一。2013年四川省政府出臺(tái)了《關(guān)于促進(jìn)科技和金融結(jié)合加快實(shí)施自主創(chuàng)新戰(zhàn)略的若干意見(jiàn)》等文件，積極拓寬科技投融資渠道，對(duì)于投融資的績(jī)效評(píng)價(jià)迫于現(xiàn)實(shí)需要。由于非線性支持向量機(jī)具有很好的泛化性，適于處理高維數(shù)據(jù)，可以巧妙地解決小樣本非線性的問(wèn)題。由于何悅等[7]認(rèn)為R&D投入對(duì)創(chuàng)新績(jī)效呈倒U型曲線而不是簡(jiǎn)單的線性關(guān)系，因此用非線性支持向量機(jī)來(lái)進(jìn)行科技投融資績(jī)效評(píng)價(jià)恰到好處。但是，非線性支持向量機(jī)預(yù)測(cè)精度會(huì)隨著樣本特征即評(píng)價(jià)指標(biāo)維數(shù)的增加迅速降低，而評(píng)價(jià)指標(biāo)維數(shù)太低又不能充分反應(yīng)出投資績(jī)效的變化情況，使預(yù)測(cè)沒(méi)有現(xiàn)實(shí)意義。因此為了在能夠合理構(gòu)建眾多評(píng)價(jià)指標(biāo)的前提下不影響非線性支持向量機(jī)的預(yù)測(cè)精度，本文首先對(duì)原始數(shù)據(jù)進(jìn)行主成分分析以降低評(píng)價(jià)指標(biāo)的維度（由9維降為3維）；其次將維數(shù)減少后的樣本特征送入支持向量機(jī)分類器對(duì)投融資績(jī)效進(jìn)行評(píng)價(jià)，以提高預(yù)測(cè)精度；最后對(duì)四川省科技投融資績(jī)效進(jìn)行實(shí)證檢驗(yàn)，根據(jù)實(shí)證結(jié)果為完善科技創(chuàng)新體制提供政策建議。

1 基于支持向量機(jī)的科技投融資績(jī)效評(píng)價(jià)方法

1.1 數(shù)據(jù)來(lái)源及評(píng)價(jià)指標(biāo)選擇

本文研究樣本來(lái)源于1995～2012年的四川省科技投融資績(jī)效數(shù)據(jù)，9項(xiàng)科技投融資評(píng)價(jià)指標(biāo)，共162個(gè)觀測(cè)值。統(tǒng)計(jì)數(shù)據(jù)來(lái)自《中國(guó)科技統(tǒng)計(jì)年鑒》、《中國(guó)環(huán)境統(tǒng)計(jì)年鑒》、《四川科技統(tǒng)計(jì)》和《全國(guó)科技經(jīng)費(fèi)投入統(tǒng)計(jì)公報(bào)》。在利用支持向量機(jī)方法處理樣本時(shí)分為兩組，1995～2007年的數(shù)據(jù)為一組作為訓(xùn)練樣本，2008～2012年的數(shù)據(jù)為測(cè)試樣本，用于測(cè)試。

在評(píng)價(jià)指標(biāo)選擇上，現(xiàn)有文獻(xiàn)主要集中于兩點(diǎn)：一是專注于新產(chǎn)品銷售收入、新產(chǎn)品開(kāi)發(fā)項(xiàng)目數(shù)和專利數(shù)的創(chuàng)新絕對(duì)指標(biāo)[8]；二是強(qiáng)調(diào)R&D效率、創(chuàng)新產(chǎn)出彈性等相對(duì)指標(biāo)[9]。結(jié)合現(xiàn)有文獻(xiàn)以及相關(guān)具體問(wèn)題，本文在構(gòu)建指標(biāo)體系時(shí)遵循的原則是：①指標(biāo)體系是一組既互相依存、相互制約，又相互獨(dú)立，科學(xué)、通用地反映創(chuàng)新績(jī)效評(píng)估對(duì)象歷史、現(xiàn)狀及規(guī)律的指標(biāo)群所構(gòu)成的有機(jī)整體，不能是生硬的

結(jié)合。②指標(biāo)體系是動(dòng)態(tài)的，能根據(jù)形勢(shì)變化做出適當(dāng)調(diào)整。③有較強(qiáng)針對(duì)性、簡(jiǎn)明實(shí)用。④定量與定性相結(jié)合?；诖?，構(gòu)建了以下指標(biāo)體系（見(jiàn)表1）。

之所以選擇R&D投入強(qiáng)度，是因?yàn)閺暮暧^層面，加大R&D活動(dòng)投入力度已成為各國(guó)保持科技領(lǐng)先的重要措施；微觀上講，R&D投入不僅是企業(yè)技術(shù)創(chuàng)新績(jī)效的重要資源，也是企業(yè)追求長(zhǎng)期競(jìng)爭(zhēng)優(yōu)勢(shì)的原動(dòng)力。如Lee[10]利用跨國(guó)數(shù)據(jù)發(fā)現(xiàn)，對(duì)于較低技術(shù)能力且處于高技術(shù)機(jī)會(huì)和競(jìng)爭(zhēng)度產(chǎn)業(yè)內(nèi)的企業(yè)而言，R&D補(bǔ)貼對(duì)于創(chuàng)新績(jī)效具有顯著影響。由于具有實(shí)用性、創(chuàng)造性，國(guó)內(nèi)專利申請(qǐng)授權(quán)數(shù)成為企業(yè)技術(shù)創(chuàng)新的直觀體現(xiàn)。比如Zhang和Rogers[11]研究認(rèn)為企業(yè)的專利授權(quán)量對(duì)技術(shù)創(chuàng)新績(jī)效有顯著的正向影響。另外，大中型工業(yè)企業(yè)新產(chǎn)品銷售收入與銷售總收入之比和大中型工業(yè)企業(yè)新產(chǎn)品開(kāi)發(fā)項(xiàng)目數(shù)等指標(biāo)也相對(duì)比較重要。雖然四川省大中型工業(yè)企業(yè)數(shù)量只占規(guī)模以上工業(yè)企業(yè)的一成，但資產(chǎn)總額和凈資產(chǎn)、銷售收入和利潤(rùn)均在五成以上?？紤]到創(chuàng)新產(chǎn)品環(huán)境效益評(píng)價(jià)是一個(gè)多目標(biāo)的評(píng)價(jià)問(wèn)題，而政策等所導(dǎo)致的環(huán)境影響難以直接進(jìn)行定量分析。模糊綜合評(píng)價(jià)法在評(píng)價(jià)界限不明確現(xiàn)象時(shí)模擬了人類的推理模式，所以引入模糊綜合評(píng)價(jià)法比傳統(tǒng)的多要素綜合法、AHP法等更具優(yōu)勢(shì)[12]。本文從定性和定量?jī)蓚€(gè)方面構(gòu)建了創(chuàng)新產(chǎn)品環(huán)境效益的指標(biāo)體系（見(jiàn)表2）。

由表3可以看到，各地區(qū)高等學(xué)校R&D支出、創(chuàng)新產(chǎn)品的環(huán)境效益、大中型工業(yè)企業(yè)新產(chǎn)品開(kāi)發(fā)數(shù)（項(xiàng)）、國(guó)內(nèi)專利申請(qǐng)授權(quán)數(shù)和國(guó)外主要檢索工具收錄科技論文等指標(biāo)相關(guān)性相對(duì)較大，說(shuō)明存在較大的冗余。因此可以考慮在主成分貢獻(xiàn)率比較大的基礎(chǔ)上，用主成分分析方法同時(shí)實(shí)現(xiàn)降低評(píng)價(jià)指標(biāo)維度，從而提高支持向量機(jī)預(yù)測(cè)精度以及不損失信息、保證評(píng)價(jià)結(jié)果可信的目的。由相關(guān)矩陣經(jīng)運(yùn)行PRINCOMP過(guò)程后得到表4。

1.3 支持向量機(jī)處理結(jié)果

支持向量機(jī)（Support Vector Machine，以下簡(jiǎn)稱SVM）主要根據(jù)Mercer定理，以結(jié)構(gòu)風(fēng)險(xiǎn)最小化為原則，在約束樣本訓(xùn)練誤差的條件下能夠使置信范圍值最小化。具體表現(xiàn)為先用一個(gè)非線性映射φ將樣本數(shù)據(jù)S轉(zhuǎn)換到一個(gè)高維特征空間H中，使得φ（S）具有很好的線性回歸特征。然后在H中進(jìn)行線性回歸，最后返回到Rn，從而轉(zhuǎn)化為求解凸規(guī)劃問(wèn)題，并求得全局最優(yōu)解。

SVM的算法程序主要包括訓(xùn)練參數(shù)輸入、訓(xùn)練樣本輸入、模擬訓(xùn)練，評(píng)估訓(xùn)練樣本等一系列過(guò)程，其流程如圖1所示。

將表6中1995～2007年13年數(shù)據(jù)的z1，z2，z3作為SVM屬性矩陣輸入，綜合得分作為標(biāo)簽即輸出，并進(jìn)行RBF訓(xùn)練參數(shù)優(yōu)化。計(jì)算機(jī)運(yùn)行環(huán)境為Matlab2010b，Microsoft Visual Studio2010，軟件版本為L(zhǎng)ibsvmmat2.89-3。

由于誤差懲罰因子c和參數(shù)g對(duì)RBF核函數(shù)的性能產(chǎn)生較大影響，從而影響回歸精度[14]。采用最新網(wǎng)格搜索法（Grid Search）來(lái)實(shí)現(xiàn)參數(shù)的尋優(yōu)。首先對(duì)c、g粗略地取MN個(gè)值，然后對(duì)這些組合分別訓(xùn)練不同的模型，再估計(jì)其回歸能力，最終得到性能最佳的一個(gè)組合（c*，g*）。為了提升推廣能力，還可進(jìn)一步在最佳組合（c*，g*）附近縮小尺度進(jìn)行搜索。軟件運(yùn)行結(jié)果如圖2所示。

圖1 SVM算法流程

圖2 參數(shù)選擇結(jié)果

在得到最優(yōu)參數(shù)c*=11.3137，g*=00625（即log2c*≈3.5，log2g*≈-4）后，將2008～2012年數(shù)據(jù)作為測(cè)試樣本并運(yùn)行預(yù)測(cè)子模塊（support vector machinepredict）對(duì)模型精度進(jìn)行檢驗(yàn)，得到最終評(píng)價(jià)結(jié)果如圖3（a）、3（b）所示。

圖3（a） 數(shù)據(jù)擬合

圖3（b） 誤差分析

注：為方便標(biāo)注，圖3（a）及3（b）中橫坐標(biāo)1代表2008年，1.5代表2008年7月份，2代表2009年，2.5代表2009年7月份，以此類推。

運(yùn)用SVM方法進(jìn)行科技投融資績(jī)效評(píng)價(jià)結(jié)果與運(yùn)用主成分分析評(píng)價(jià)結(jié)果的相對(duì)誤差大多在1.8%左右，最大不超過(guò)6%。由于冗余會(huì)造成SVM預(yù)測(cè)誤差偏大，因此用主成分分析后能大大提高評(píng)價(jià)精度。事實(shí)上，本文提出的基于SVM的科技投融資績(jī)效評(píng)價(jià)方法具有很強(qiáng)的普適性。且隨著訓(xùn)練樣本的增多，準(zhǔn)確率會(huì)越來(lái)越高。另外，由于現(xiàn)實(shí)中一些政策或投入影響具有長(zhǎng)期性，因此將方法中的自變量提前一期或兩期還可做預(yù)測(cè)。

2 評(píng)價(jià)結(jié)果分析

2.1 評(píng)價(jià)結(jié)果描述

2008～2012年，雖然四川省科技產(chǎn)業(yè)的專利申請(qǐng)授權(quán)數(shù)、R&D支出、國(guó)外主要檢索工具收錄四川省科技論文數(shù)分別增加了215%、114%、77%。但評(píng)價(jià)結(jié)果顯示，四川省科技投融資績(jī)效由優(yōu)到劣的順序?yàn)椋?012年（2.47），2011年（2.02）、2010年（1.64）、2008年（152）、2009年（1.43）?？?jī)效水平在2009年出現(xiàn)較大回落以后于2010年出現(xiàn)反彈，超越2008年的水平，投融資績(jī)效在2012年勢(shì)頭發(fā)展迅猛并達(dá)到歷史最高水平。這說(shuō)明科技產(chǎn)業(yè)投資是一個(gè)包含許多不確定性因素的動(dòng)態(tài)過(guò)程，其績(jī)效不僅要考慮投資的數(shù)量增長(zhǎng)，更要考慮所投資金的利用率問(wèn)題和宏觀經(jīng)濟(jì)環(huán)境變化等要素。

2.2 四川省科技投融資現(xiàn)狀及對(duì)策建議

評(píng)價(jià)結(jié)果顯示，目前四川省科技投融資績(jī)效總體向好，并未出現(xiàn)較大波動(dòng)，投融資績(jī)效水平自2009年以來(lái)逐年提高。這說(shuō)明政府、社會(huì)、企業(yè)在整合科技資源，加速成果轉(zhuǎn)化方面措施得當(dāng)，這些政策不存在系統(tǒng)性問(wèn)題，大部分可以繼續(xù)推行。第一，2008～2012年四川省R&D投入強(qiáng)度由1.28增長(zhǎng)到1.47。2008年末，由于金融危機(jī)的影響，促使政府進(jìn)一步優(yōu)化科技投入結(jié)構(gòu)，不僅企業(yè)自籌資金呈上揚(yáng)趨勢(shì)，而且形成了以科技企業(yè)而不是科研院所為主體的產(chǎn)學(xué)研結(jié)合局面。第二，作為四川省省會(huì)和科技投融資重點(diǎn)城市，成都市近年來(lái)高度重視科技企業(yè)孵化器，并將其作為區(qū)域創(chuàng)新體系的重要組成部分。通過(guò)對(duì)專業(yè)技術(shù)孵化器、留學(xué)人員創(chuàng)業(yè)園以及博士創(chuàng)業(yè)園等各類科技企業(yè)孵化器的建設(shè)，突出對(duì)特色產(chǎn)業(yè)集群和創(chuàng)新集群的基礎(chǔ)性孵育作用，使得科技企業(yè)資金利用率和盈利能力顯著提高。第三，四川省各級(jí)政府科技主管部門(mén)主動(dòng)組織科技企業(yè)財(cái)務(wù)人員利用各種融資方式及運(yùn)作流程，使科技企業(yè)更多地利用各種融資方式。

盡管四川省科技金融工作不斷創(chuàng)新，但是從績(jī)效評(píng)價(jià)結(jié)果來(lái)看，相比2008年，2009年績(jī)效水平出現(xiàn)了較大程度下降。本文認(rèn)為，這在一定程度上是受2008年汶川大地震以及年末全球金融危機(jī)的波及。比如地震會(huì)引起黃光機(jī)臺(tái)斷裂，報(bào)廢大批晶圓，嚴(yán)重影響部分在蓉高科技企業(yè)如英特爾、微軟出貨量，從而導(dǎo)致投融資績(jī)效水平下降。至于金融危機(jī)的負(fù)面影響則可以由表6看出：比如2009年績(jī)效水平比較低的重要原因是z1得分比較低，而z1主成分表達(dá)式顯示，這可能主要是因?yàn)榻鹑谖C(jī)導(dǎo)致企業(yè)在研發(fā)創(chuàng)新產(chǎn)品時(shí)融資出現(xiàn)困難，這種情況下企業(yè)會(huì)把資金較少應(yīng)用于環(huán)境效益。因此，在面對(duì)重大風(fēng)險(xiǎn)挑戰(zhàn)時(shí)，四川省投融資績(jī)效表現(xiàn)出相對(duì)的不穩(wěn)定性，這說(shuō)明目前投融資機(jī)制還不夠完善，在增強(qiáng)科技投融資抵抗重大風(fēng)險(xiǎn)能力，提升自身績(jī)效水平方面還存在以下問(wèn)題：

第一，政府管理方面，四川省科技金融資源整合力度有限，區(qū)域市場(chǎng)化程度不高以及對(duì)科技產(chǎn)品財(cái)稅支持力度不夠。另外，科技成果轉(zhuǎn)化率相比沿?？萍紕?chuàng)新突出省份如江蘇、上海等偏低，且低于全國(guó)水平，投融資具有一定的粗放性。以醫(yī)藥行業(yè)為例，近幾年科技成果轉(zhuǎn)化率僅為11%，已進(jìn)行產(chǎn)業(yè)化的比例不足5%。明顯可以看出，科技企業(yè)立項(xiàng)的市場(chǎng)導(dǎo)向性不強(qiáng)，忽視市場(chǎng)需求的問(wèn)題依然突出。

第二，市場(chǎng)環(huán)境及結(jié)構(gòu)方面，政策性銀行尤其是商業(yè)銀行對(duì)中小科技企業(yè)支持力度不夠，擔(dān)保機(jī)構(gòu)效率不高，創(chuàng)新型企業(yè)在初創(chuàng)期嚴(yán)重缺乏融資渠道。中小科技企業(yè)作為創(chuàng)新的生力軍雖然獲得了知識(shí)產(chǎn)權(quán)質(zhì)押融資的優(yōu)惠，但是在出口退稅質(zhì)押、股權(quán)質(zhì)押、保單質(zhì)押、債券質(zhì)押等領(lǐng)域需求不易滿足，部分原因是由于企業(yè)信用體系不完善。對(duì)成都市106家科技型中小企業(yè)調(diào)查結(jié)果顯示，約有21%的企業(yè)認(rèn)為政府及相關(guān)部門(mén)要努力督促金融機(jī)構(gòu)推出更多適合科技型中小企業(yè)的金融產(chǎn)品，以方便科技型中小企業(yè)資金融通。約有18%的企業(yè)認(rèn)為政府及相關(guān)部門(mén)需要建立企業(yè)信用檔案，積極向金融機(jī)構(gòu)傳遞企業(yè)信息。

針對(duì)四川省科技投融資績(jī)效評(píng)價(jià)結(jié)果以及目前科技投融資存在的問(wèn)題，提出以下幾點(diǎn)建議：

第一，拓寬融資渠道。其中包括大力發(fā)展天使投資、建立專門(mén)的科技銀行以及設(shè)立政府引導(dǎo)基金。進(jìn)一步加強(qiáng)與沿海尤其是香港科技板的交流，充分利用香港地位優(yōu)勢(shì)及國(guó)際影響力。這樣不僅能夠引進(jìn)國(guó)外資本還能拓寬風(fēng)險(xiǎn)資本退出渠道，構(gòu)建創(chuàng)業(yè)企業(yè)與風(fēng)投、服務(wù)機(jī)構(gòu)對(duì)接平臺(tái)。

第二，合理規(guī)劃政府投資領(lǐng)域。在處理基礎(chǔ)研究與應(yīng)用研究的責(zé)任利益劃分時(shí)，由于基礎(chǔ)性研究具有投資大、回收期長(zhǎng)、科研投入者成果極易被模仿等特點(diǎn)，所以應(yīng)該由政府承擔(dān)主要出資人的角色；而商業(yè)利益較大的應(yīng)用研究則應(yīng)由企業(yè)承擔(dān)，并由政府保證其知識(shí)產(chǎn)權(quán)。

第三，建立多元化評(píng)價(jià)模式。鞏固“政府引導(dǎo)、市場(chǎng)運(yùn)作、多元投資、專家理財(cái)”這一理念，通過(guò)組建評(píng)價(jià)專家?guī)旌蛯I(yè)團(tuán)隊(duì)，初步建立起市場(chǎng)、專業(yè)機(jī)構(gòu)等多元化評(píng)價(jià)模式，建立中介信譽(yù)體系并及時(shí)向社會(huì)公布結(jié)果。同時(shí)，政府自身要加強(qiáng)財(cái)政科技資金監(jiān)管，避免重復(fù)投資，盲目立項(xiàng)。

第四，提高高科技成果轉(zhuǎn)化率。針對(duì)高科技成果轉(zhuǎn)化率較低的問(wèn)題，政府除了要提高高技術(shù)成果轉(zhuǎn)化基金外，還應(yīng)該健全政策性銀行和中小企業(yè)間接融資體系，對(duì)那些銷售收入增加很快、具有極強(qiáng)潛力的中小企業(yè)通過(guò)加強(qiáng)銀企合作、提供必要的信用擔(dān)保支持和稅收減免措施；對(duì)一部分由科研院所轉(zhuǎn)化來(lái)的科技企業(yè)，必須建立完善的現(xiàn)代企業(yè)制度，設(shè)立科技成果轉(zhuǎn)化收益獎(jiǎng)來(lái)提高科研人員的主動(dòng)性。

3 結(jié)論與展望

由于SVM具有很好的泛化性適于處理高維數(shù)據(jù)，可以巧妙地解決小樣本非線性的問(wèn)題；冗余會(huì)造成SVM預(yù)測(cè)誤差偏大，用主成分分析后能大大提高評(píng)價(jià)精度，因此，本文首先運(yùn)用主成分分析對(duì)指標(biāo)體系的相關(guān)性進(jìn)行處理，結(jié)合SVM方法提出基于SVM的科技投融資績(jī)效評(píng)價(jià)方法，并利用四川省科技投融資數(shù)據(jù)進(jìn)行評(píng)價(jià)，實(shí)證結(jié)果表明：利用SVM方法進(jìn)行科技投融資績(jī)效評(píng)價(jià)結(jié)果是可行且有效的。

本文的研究只關(guān)注了論文數(shù)量以及專利數(shù)量，對(duì)其質(zhì)量并沒(méi)有考慮。后續(xù)研究將在以下兩個(gè)方面進(jìn)行改進(jìn)：一是核函數(shù)的構(gòu)造與選擇、相關(guān)參數(shù)的優(yōu)化；二是進(jìn)一步考慮檢索科技論文質(zhì)量和專利質(zhì)量，嘗試構(gòu)造更適合的核函數(shù)并優(yōu)化相關(guān)參數(shù)。在指標(biāo)構(gòu)建方面，將進(jìn)一步考慮檢索科技論文質(zhì)量及申請(qǐng)專利質(zhì)量等指標(biāo)，從而構(gòu)建更為完備的評(píng)價(jià)指標(biāo)體系。

參考文獻(xiàn)：

[1]楊波，蘇娜. 基于熵理論的高科技企業(yè)投融資績(jī)效研究——以湖北省為例[J]. 科研管理，2011，32（8）：42-50.

[2]田曉麗，顧婧. 基于熵理論的高新技術(shù)企業(yè)投融資績(jī)效評(píng)價(jià)[J]. 統(tǒng)計(jì)與決策，2013，18：177-179.

[3]Gokan，Yoichi. The Speed of Convergence and Alternative Government Financing[J]. Journal of Economic Dynamics and Control，2003，27（9）：1517-1531.

[4]楊志安，李鵬. 財(cái)政投融資績(jī)效問(wèn)題研究綜述[J]. 農(nóng)業(yè)經(jīng)濟(jì)，2013，5：94-95.

[5]王利劍，劉佳. 高校科技創(chuàng)新平臺(tái)績(jī)效評(píng)價(jià)指標(biāo)體系構(gòu)建與應(yīng)用[J]. 科學(xué)學(xué)與科學(xué)技術(shù)管理，2010，（2）：110-113.

[6]李左峰，張銘慎. 政府科技項(xiàng)目投入對(duì)企業(yè)創(chuàng)新績(jī)效的影響研究——來(lái)自我國(guó)95家創(chuàng)新型企業(yè)的證據(jù)[J]. 中國(guó)軟科學(xué)，2012.（12）：123-132.

[7]何悅，朱桂龍，戴勇. 企業(yè)創(chuàng)新績(jī)效影響因素的系統(tǒng)動(dòng)力學(xué)研究[J]. 軟科學(xué)，2010（7）：19-23.

[8]王俊. R&D補(bǔ)貼費(fèi)企業(yè)R&D投入及創(chuàng)新產(chǎn)出影響的實(shí)證研究[J]. 科學(xué)學(xué)研究，2010（9）：1368-1374.

[9]金祥榮，余冬筠. 創(chuàng)新效率、產(chǎn)業(yè)特征與區(qū)域經(jīng)濟(jì)增長(zhǎng)[J]. 浙江大學(xué)學(xué)報(bào)：人文社會(huì)科學(xué)版，2010（5）：116-125.

[10]Lee C Y. The Differential Effects of Public R&D Support on Firm R&D：Theory and Evidence from Multi-Country Data[J]. Technovation，2011，31（5）：256-269.

[11]Zhang J J，Rogers J D. The Technological Innovation Performance of Chinese Firms：The Role of Industrial and Academic R&D，F(xiàn)DI and the Markets in Firm Patenting[J]. International Journal of Technology Management，2009，48（4）：518-543.

[12]鄭童，呂斌，張純. 基于模糊評(píng)價(jià)法的宜居社區(qū)評(píng)價(jià)研究[J]. 城市發(fā)展研究，2011，18（9）：118-124.

[13]高惠璇. 應(yīng)用多元統(tǒng)計(jì)分析[M]. 北京：北京大學(xué)出版社，2002.

[14]Vladimir N， Vapnik.Statistical Learning Theory[M]. Wiley-Inter Science，1998.9-16.

（責(zé)任編輯：王惠萍）