劉太萍 張愛(ài)淑

摘 ? 要：本文在構(gòu)建科技金融評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，用計(jì)量回歸模型驗(yàn)證了江蘇省作為一個(gè)能源和礦產(chǎn)資源缺乏的省份，其經(jīng)濟(jì)增長(zhǎng)主要是依靠金融支持和科技創(chuàng)新驅(qū)動(dòng)。通過(guò)運(yùn)用DEA模型對(duì)江蘇省2006-2017年的科技金融數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)雖然江蘇省的科技金融投入產(chǎn)出一直處于相對(duì)有效狀態(tài)，但是近兩三年出現(xiàn)了規(guī)模報(bào)酬遞減的現(xiàn)象。對(duì)江蘇省13個(gè)城市2015和2017年的數(shù)據(jù)進(jìn)行分析，發(fā)現(xiàn)江蘇省科技金融效率近兩三年出現(xiàn)規(guī)模報(bào)酬遞減主要是由蘇南和蘇中地區(qū)城市造成的，而蘇北地區(qū)城市仍處于規(guī)模報(bào)酬遞增階段，這主要是因?yàn)樘K南、蘇中和蘇北地區(qū)處于不同的經(jīng)濟(jì)發(fā)展階段造成的。

關(guān)鍵詞：科技金融;數(shù)據(jù)包絡(luò)分析;效率評(píng)價(jià);規(guī)模報(bào)酬

一、引言

2012年底，黨的十八大明確提出實(shí)施創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略，強(qiáng)調(diào)科技創(chuàng)新是提高社會(huì)生產(chǎn)力和綜合國(guó)力的戰(zhàn)略支撐，必須擺在國(guó)家發(fā)展全局的核心位置。2016年5月，中共中央、國(guó)務(wù)院發(fā)布《國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要》，確立了三步走的戰(zhàn)略目標(biāo)：到2020年進(jìn)入創(chuàng)新型國(guó)家行列、到2030年躋身創(chuàng)新型國(guó)家前列、到2050年建成世界科技創(chuàng)新強(qiáng)國(guó)。在此背景下，2016年7月29日，江蘇省委、省政府召開(kāi)全省科技創(chuàng)新大會(huì)，落實(shí)國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要。會(huì)議指出，江蘇省的發(fā)展已經(jīng)到了“不創(chuàng)新不行、創(chuàng)新慢了也不行”這樣一個(gè)階段，科技創(chuàng)新是江蘇省未來(lái)發(fā)展的希望所在，在貫徹實(shí)施國(guó)家創(chuàng)新驅(qū)動(dòng)發(fā)展戰(zhàn)略綱要、推動(dòng)科技強(qiáng)省的建設(shè)過(guò)程中，要聚焦科技創(chuàng)新這個(gè)“核心的核心”用功發(fā)力，體現(xiàn)江蘇“高度”，形成江蘇“標(biāo)志”，作出江蘇“示范”。

但是，現(xiàn)代科技創(chuàng)新離不開(kāi)金融資本的支持。諾貝爾經(jīng)濟(jì)學(xué)獎(jiǎng)獲得者保羅·克魯格曼曾指出：美國(guó)經(jīng)濟(jì)增長(zhǎng)的60%-70%應(yīng)歸功于新經(jīng)濟(jì)的帶動(dòng)，而美國(guó)新經(jīng)濟(jì)的發(fā)展，在很大程度上歸功于美國(guó)發(fā)達(dá)的創(chuàng)投業(yè)和納斯達(dá)克市場(chǎng)。對(duì)于我國(guó)而言，要防止關(guān)鍵技術(shù)領(lǐng)域被“卡脖子”，一個(gè)重要方面就是聚集創(chuàng)新要素，實(shí)現(xiàn)各要素有效配置，讓創(chuàng)新活動(dòng)和資源投入得到有效激勵(lì)，這離不開(kāi)金融“血液”和資本市場(chǎng)（?；荽旱?，2019）。

科技金融，就是指為了支持科技創(chuàng)新型中小企業(yè)發(fā)展壯大而進(jìn)行的一系列金融創(chuàng)新，其目的是為了更好地促進(jìn)科技成果轉(zhuǎn)化，支持經(jīng)濟(jì)轉(zhuǎn)型升級(jí)發(fā)展。江蘇省要聚焦科技創(chuàng)新這個(gè)“核心的核心”用功發(fā)力，建設(shè)科技強(qiáng)省，就必須注重科技金融的效率，以一定的科技金融投入獲得最大化的科技創(chuàng)新成果產(chǎn)出。

二、江蘇省科技創(chuàng)新能力現(xiàn)狀分析

2018年7月，上海社科院發(fā)布了《2017年度長(zhǎng)三角城市群科技創(chuàng)新驅(qū)動(dòng)力城市排名報(bào)告》。在長(zhǎng)三角26個(gè)城市中，綜合得分排名前十的城市分別為：上海、南京、杭州、蘇州、合肥、無(wú)錫、寧波、常州、南通、蕪湖?？梢钥闯?，江蘇省有南京、蘇州、無(wú)錫、常州、南通五市位列其中。但是需要指出，南京雖然排名第二，但是其綜合得分僅有0.634分，明顯低于上海的0.73分。同時(shí)考慮到根據(jù)2016年5月國(guó)務(wù)院批準(zhǔn)的《長(zhǎng)江三角洲城市群發(fā)展規(guī)劃》，江蘇省歸入長(zhǎng)三角城市群的還有鹽城、揚(yáng)州、鎮(zhèn)江、泰州四市均在前十名之外，以上海市作為參照，江蘇省的綜合創(chuàng)新能力確實(shí)還有很大的提升空間。

根據(jù)中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院在2018年10月發(fā)布的《中國(guó)區(qū)域科技創(chuàng)新評(píng)價(jià)報(bào)告2018》，江蘇省2016年的綜合科技創(chuàng)新指數(shù)得分為77.13分，與上海、北京、天津、廣東、浙江的綜合科技創(chuàng)新水平同屬第一陣營(yíng)，居全國(guó)第5位（見(jiàn)圖1）。但是，考慮到2016年江蘇省的GDP為77388億元、居全國(guó)第2位，R&D研究人員數(shù)為201377人年、居全國(guó)第1位，萬(wàn)人發(fā)明專利擁有量18.7件、居全國(guó)第3位，江蘇省在綜合科技創(chuàng)新能力方面相對(duì)于上海和北京的差距與這些技術(shù)經(jīng)濟(jì)指標(biāo)并不匹配，這很可能是由于江蘇省科技金融相對(duì)缺乏效率所導(dǎo)致的。

甘星和甘偉（2017）對(duì)2006-2014年我國(guó)三大經(jīng)濟(jì)圈10個(gè)?。ㄖ陛犑校┑目萍冀鹑谙鄬?duì)效率進(jìn)行了分析，江蘇省在2006-2008年、2009-2011年、2012-2014年三個(gè)時(shí)期的綜合效率分別為0.51、0.677和0.778，而北京市和廣東省在三個(gè)時(shí)期均為1，上海市則分別為1、0.954和1，天津市為1、0.959和0.962?？梢?jiàn)，江蘇省在科技金融效率方面與兄弟省份（直轄市）之間確實(shí)存在差距。

因此，本文將以江蘇省整體及十三個(gè)城市作為研究對(duì)象，運(yùn)用數(shù)據(jù)包絡(luò)分析（DEA）的方法，對(duì)江蘇省的科技金融效率進(jìn)行評(píng)價(jià)，探討其中的“短板”在哪里，并提出相應(yīng)的對(duì)策建議。

三、江蘇省科技金融效率評(píng)價(jià)的研究設(shè)計(jì)

當(dāng)前對(duì)省域科技金融效率進(jìn)行研究的文獻(xiàn)較多，如江涌等（2017）、李合龍等（2018）專門研究了廣東省，余麗霞等（2019）專門研究了四川省，但專門研究江蘇省的文獻(xiàn)較少?，F(xiàn)有很多文獻(xiàn)是在省域科技金融效率比較的情景下提到江蘇省，其研究結(jié)果認(rèn)為江蘇省的科技金融缺乏效率（徐玉蓮等，2015;李林漢等，2018），但是也有文獻(xiàn)研究結(jié)果認(rèn)為，江蘇省科技金融處于生產(chǎn)前沿面，具有效率（杜金岷等，2016）。之所以出現(xiàn)上述一些文獻(xiàn)研究結(jié)論相反的原因，一方面可能是使用數(shù)據(jù)的時(shí)間段各不一致，學(xué)者們只在各自截取的時(shí)間段內(nèi)做實(shí)證分析，其研究結(jié)論只適用于某一時(shí)間段，另一方面可能是對(duì)于評(píng)價(jià)模型的設(shè)置不當(dāng)，例如有些學(xué)者將研發(fā)人員數(shù)量作為科技金融的投入明顯欠妥，因?yàn)檠邪l(fā)人員是人力資本投入而非金融投入。因此，本文將重新進(jìn)行研究設(shè)計(jì)，以更加系統(tǒng)和動(dòng)態(tài)的視角來(lái)分析江蘇省科技金融的真實(shí)效率。

本文擬采用數(shù)據(jù)包絡(luò)（DEA）的分析方法。這是一種由多指標(biāo)投入和多指標(biāo)產(chǎn)出構(gòu)成的相對(duì)有效性綜合評(píng)價(jià)方法。相較于計(jì)量回歸模型，DEA模型的優(yōu)勢(shì)在于不需要將科技創(chuàng)新產(chǎn)出綜合為一個(gè)因變量指標(biāo)。張玉喜等（2015）在構(gòu)建科技金融投入對(duì)科技創(chuàng)新產(chǎn)出作用的面板數(shù)據(jù)計(jì)量經(jīng)濟(jì)模型時(shí)，列舉了6個(gè)衡量科技創(chuàng)新產(chǎn)出的指標(biāo)：（1）三大論文檢索數(shù);（2）申請(qǐng)專利受理數(shù);（3）申請(qǐng)專利授權(quán)數(shù);（4）新產(chǎn)品銷售收入;（5）新產(chǎn)品產(chǎn)值;（6）技術(shù)市場(chǎng)成交金額。然后再運(yùn)用TOPSIS方法對(duì)這六個(gè)科技創(chuàng)新指標(biāo)進(jìn)行綜合評(píng)價(jià)，得出了唯一的科技創(chuàng)新產(chǎn)出變量，以此作為模型的被解釋變量。相反，DEA模型就不需要進(jìn)行這種處理。

一般認(rèn)為，科技金融由公共科技金融和市場(chǎng)科技金融兩部分組成。其中，公共科技金融的投資主體是政府，而市場(chǎng)科技金融的投資主體是商業(yè)銀行、創(chuàng)業(yè)風(fēng)險(xiǎn)投資機(jī)構(gòu)等非銀行金融機(jī)構(gòu)。因此，本文在選擇投入指標(biāo)時(shí)，選擇了代表公共科技金融投入的一般公共預(yù)算中科學(xué)技術(shù)支出，代表市場(chǎng)科技金融投入的年末金融機(jī)構(gòu)人民幣貸款余額，而大中型工業(yè)企業(yè)R&D經(jīng)費(fèi)內(nèi)部支出則既可能包含公共科技金融投入，也可能包含市場(chǎng)科技金融投入。產(chǎn)出指標(biāo)則包括高新技術(shù)產(chǎn)業(yè)產(chǎn)值和三種專利授權(quán)量這兩個(gè)指標(biāo)。具體的指標(biāo)體系如表1所示：

指標(biāo)體系中的數(shù)據(jù)由《江蘇統(tǒng)計(jì)年鑒》和江蘇省13個(gè)城市各自的統(tǒng)計(jì)年鑒整理得到。鑒于2006年之前的部分指標(biāo)統(tǒng)計(jì)口徑發(fā)生變化和部分?jǐn)?shù)據(jù)的不可獲得，本文收集、整理了2006-2017年江蘇省科技金融投入產(chǎn)出的相關(guān)數(shù)據(jù)資料。在收集整理完數(shù)據(jù)之后，使用IBM SPSS 22.0軟件和Deap2.1軟件對(duì)數(shù)據(jù)進(jìn)行相應(yīng)的分析。

四、江蘇省科技金融效率評(píng)價(jià)的實(shí)證研究

（一）投入產(chǎn)出指標(biāo)對(duì)江蘇省GDP的回歸分析

根據(jù)內(nèi)生經(jīng)濟(jì)增長(zhǎng)理論和創(chuàng)新驅(qū)動(dòng)經(jīng)濟(jì)發(fā)展戰(zhàn)略的內(nèi)在邏輯，有理由認(rèn)為科技金融投入產(chǎn)出指標(biāo)體系中的各個(gè)指標(biāo)都會(huì)直接或間接影響宏觀經(jīng)濟(jì)的總量。因此，在進(jìn)行江蘇省科技金融效率評(píng)價(jià)之前，首先建立一個(gè)以江蘇省GDP為被解釋變量，指標(biāo)體系中的5個(gè)指標(biāo)為解釋變量的多元線性回歸模型。考慮到這5個(gè)指標(biāo)一定會(huì)存在多重共線性現(xiàn)象，使用逐步回歸法中的向后（backward）篩選策略，按照解釋變量的偏F統(tǒng)計(jì)量概率P值水平大于等于0.10的標(biāo)準(zhǔn)，逐一剔除解釋變量。

表2和表3展示了解釋變量中的專利授權(quán)量、科學(xué)技術(shù)支出、高新技術(shù)產(chǎn)業(yè)產(chǎn)值被逐一剔除的過(guò)程以及相關(guān)的統(tǒng)計(jì)量。表4展示了在逐步回歸過(guò)程中每一個(gè)模型中各解釋變量的回歸系數(shù)（包括常數(shù)項(xiàng)）?？梢园l(fā)現(xiàn)，最后保留在模型中的解釋變量為金融機(jī)構(gòu)貸款和研發(fā)經(jīng)費(fèi)內(nèi)部支出，這在一定程度上驗(yàn)證了金融對(duì)實(shí)體經(jīng)濟(jì)的促進(jìn)作用以及由研究與開(kāi)發(fā)帶來(lái)的經(jīng)濟(jì)內(nèi)生性增長(zhǎng)至少在江蘇省是適用的。為了促進(jìn)江蘇經(jīng)濟(jì)更好地增長(zhǎng)，當(dāng)前最需要解決的就是科技金融的效率問(wèn)題了。

（二）江蘇省2006-2017年科技金融效率評(píng)價(jià)

對(duì)江蘇省2006-2017年的科技金融相對(duì)效率進(jìn)行分析，得出如表5所示的結(jié)果。其中，綜合效率值是CCR模型的得分，純技術(shù)效率值是BCC模型的得分，綜合效率值等于純技術(shù)效率值乘以規(guī)模效率值?？梢钥闯觯K省的科技金融效率一直都是相對(duì)有效的。2006、2008、2009和2011這四年曾出現(xiàn)過(guò)規(guī)模報(bào)酬遞增的情況，說(shuō)明當(dāng)時(shí)增加一個(gè)單位的科技金融投入是可以使得科技創(chuàng)新的產(chǎn)出增加大于一個(gè)單位的，應(yīng)該加大科技金融投入的規(guī)模。2012-2014這三年江蘇省科技金融確實(shí)進(jìn)入了整體有效率的狀態(tài)。但是，2015和2017年卻出現(xiàn)了規(guī)模報(bào)酬遞減的現(xiàn)象，說(shuō)明江蘇省科技金融的投入規(guī)模并沒(méi)有帶來(lái)相應(yīng)規(guī)模的科技創(chuàng)新產(chǎn)出。因此，江蘇省需要分析當(dāng)前科學(xué)技術(shù)研發(fā)的特點(diǎn)，調(diào)整科技金融投入的重點(diǎn)和結(jié)構(gòu)，使之適應(yīng)當(dāng)前江蘇省經(jīng)濟(jì)發(fā)展對(duì)科技創(chuàng)新的新需求。一個(gè)可以與之類比的事例就是，我國(guó)資本市場(chǎng)在2009年10月推出了創(chuàng)業(yè)板，對(duì)于那時(shí)候迫切需要資金的中小型創(chuàng)新企業(yè)提供了重要的金融支持，適應(yīng)了當(dāng)時(shí)中國(guó)經(jīng)濟(jì)發(fā)展的需要，但是近些年監(jiān)管層和投資者日益發(fā)現(xiàn)很多在創(chuàng)業(yè)板上市的創(chuàng)新企業(yè)都是屬于商業(yè)模式創(chuàng)新的“軟創(chuàng)新”企業(yè)。于是，2019年6月13日科創(chuàng)板正式開(kāi)板，這次更多地是去支持擁有核心技術(shù)的“硬創(chuàng)新”中小型科技企業(yè)。

（三）江蘇省13個(gè)城市2015和2017年科技金融效率評(píng)價(jià)

眾所周知，江蘇省雖然是一個(gè)經(jīng)濟(jì)大省，但是區(qū)域經(jīng)濟(jì)發(fā)展并不平衡，蘇南、蘇中和蘇北地區(qū)的經(jīng)濟(jì)差距非常明顯。因此，江蘇省科技金融的整體效率很可能受到省內(nèi)不同地區(qū)城市科技金融效率的影響。針對(duì)2015和2017年江蘇省科技金融效率出現(xiàn)規(guī)模報(bào)酬遞減的現(xiàn)象，對(duì)這兩年江蘇省13個(gè)城市的科技金融效率進(jìn)行數(shù)據(jù)分析，得出了如表6所示的結(jié)果。需要指出，由于大部分省內(nèi)城市的統(tǒng)計(jì)年鑒僅提供了規(guī)模以上工業(yè)企業(yè)R&D經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)，而未提供大中型工業(yè)企業(yè)R&D經(jīng)費(fèi)內(nèi)部支出數(shù)據(jù)，因此此處的分析數(shù)據(jù)用前者代替了后者。

從表6可以看出，在2015年蘇南五市中南京、無(wú)錫、常州和蘇州四市均處于規(guī)模報(bào)酬遞減階段，到了2017年南京的狀態(tài)已經(jīng)調(diào)整過(guò)來(lái)，但是其他三市依然處于規(guī)模報(bào)酬遞減狀態(tài)。尤其需要注意的是，作為蘇南模式代表的蘇錫常三市的綜合效率值均低于0.9分，處于無(wú)效率狀態(tài)。反觀蘇北五市，在2015年僅有鹽城和宿遷處于無(wú)效率狀態(tài)，2017年又增加一個(gè)淮安市，在規(guī)模報(bào)酬方面這三個(gè)蘇北城市與蘇南城市恰恰相反，處于報(bào)酬遞增階段。再看蘇中三市，揚(yáng)州和南通在2015和2017年均處于規(guī)模報(bào)酬遞減階段，與蘇南城市相同。在綜合效率方面，揚(yáng)州一直處于相對(duì)有效的狀態(tài)，南通在2015年處于相對(duì)有效狀態(tài)，但是進(jìn)入2017年進(jìn)入無(wú)效率狀態(tài)。

由此可以看出，江蘇省整體科技金融效率在2015和2017年出現(xiàn)規(guī)模報(bào)酬遞減的原因主要是由蘇南城市和蘇中城市引起的。但是，蘇北城市卻出現(xiàn)了規(guī)模報(bào)酬遞增的情況。這應(yīng)該與蘇南、蘇中和蘇北地區(qū)經(jīng)濟(jì)處于不同的發(fā)展階段相關(guān)。

圖2對(duì)比了蘇南、蘇中和蘇北地區(qū)2017年人均GDP和居民人均可支配收入，圖3按照蘇南、蘇中、蘇北的順序列示了13個(gè)城市2017年的GDP，可以發(fā)現(xiàn)三個(gè)地區(qū)的經(jīng)濟(jì)發(fā)展水平差距較大。同時(shí)，按照國(guó)際組織認(rèn)定的人均GDP達(dá)到2萬(wàn)美元即可列為初等發(fā)達(dá)國(guó)家的標(biāo)準(zhǔn)，蘇南地區(qū)其實(shí)已經(jīng)到了這個(gè)水平，而蘇中地區(qū)正在接近這個(gè)水平。因此，蘇南和蘇中地區(qū)的科技金融處于相對(duì)無(wú)效率及規(guī)模報(bào)酬遞減的原因主要在于經(jīng)濟(jì)水平發(fā)展到一定程度后，需要對(duì)科技金融的投入結(jié)構(gòu)做相應(yīng)的調(diào)整，以適應(yīng)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的需要。而蘇北地區(qū)的經(jīng)濟(jì)還處于追趕階段，科技金融處于無(wú)效率狀態(tài)及規(guī)模報(bào)酬遞增的情況說(shuō)明，蘇北地區(qū)更需要的是加大科技金融投入的規(guī)模。

五、研究結(jié)論與對(duì)策建議

（一）研究結(jié)論

通過(guò)對(duì)2006-2017年數(shù)據(jù)的DEA分析，發(fā)現(xiàn)江蘇省整體科技金融效率是相對(duì)有效的，但是近兩三年出現(xiàn)了規(guī)模報(bào)酬遞減的現(xiàn)象，這與江涌等（2017）、余麗霞等（2019）在進(jìn)行省域科技金融效率比較時(shí)得到的結(jié)果是一致的，反映出江蘇省作為經(jīng)濟(jì)大省，其科技金融投入規(guī)模較大，但是資金配置的效率卻不高，致使未能達(dá)到相應(yīng)規(guī)模的科技創(chuàng)新產(chǎn)出。進(jìn)一步，通過(guò)深入分析江蘇省13個(gè)城市在2015年和2017年的科技金融效率，發(fā)現(xiàn)江蘇省整體科技金融效率在最近兩三年出現(xiàn)規(guī)模報(bào)酬遞減的原因主要是由蘇南城市和蘇中城市引起的。但是與此同時(shí)，蘇北城市卻出現(xiàn)了規(guī)模報(bào)酬遞增的情況。這與蘇南、蘇中和蘇北地區(qū)經(jīng)濟(jì)處于不同的發(fā)展階段密切相關(guān)。

（二）對(duì)策建議

江蘇省是一個(gè)能源和礦產(chǎn)資源相對(duì)缺乏的省份，經(jīng)濟(jì)大省的地位應(yīng)該更多地來(lái)自于創(chuàng)新驅(qū)動(dòng)發(fā)展，其經(jīng)濟(jì)增長(zhǎng)必須依賴于科技創(chuàng)新。而科技創(chuàng)新需要金融資本的支持，江蘇省依托其強(qiáng)大的經(jīng)濟(jì)實(shí)力也一直在科技創(chuàng)新上加大金融投入。但是，近些年隨著蘇南地區(qū)的經(jīng)濟(jì)發(fā)展達(dá)到初等發(fā)達(dá)國(guó)家的水平，其科技創(chuàng)新的重點(diǎn)和難點(diǎn)也在發(fā)生變化，之前的科技金融投入方向未進(jìn)行相應(yīng)的調(diào)整，進(jìn)而造成了規(guī)模報(bào)酬遞減的現(xiàn)象。正在向著初等發(fā)達(dá)國(guó)家水平進(jìn)軍的蘇中地區(qū)也出現(xiàn)了這種情況。因此，對(duì)于蘇南和蘇中地區(qū)城市的科技金融投入結(jié)構(gòu)要根據(jù)經(jīng)濟(jì)轉(zhuǎn)型升級(jí)的需要及時(shí)進(jìn)行調(diào)整。

另一方面，蘇北地區(qū)的經(jīng)濟(jì)發(fā)展還處于追趕階段，其科技金融投入產(chǎn)出還處于規(guī)模報(bào)酬遞增的階段，應(yīng)該進(jìn)一步加大科技金融投入的規(guī)模。需要注意的是，作為蘇北城市領(lǐng)頭羊和淮海經(jīng)濟(jì)區(qū)中心城市的徐州一直處于整體有效的狀態(tài)，因此該城市要積極發(fā)揮示范帶頭作用，積極幫助本區(qū)域內(nèi)其他城市提升效率。

參考文獻(xiàn)

[1]杜金岷，梁嶺，呂寒.中國(guó)區(qū)域科技金融效率分析——基于三階段DEA模型分析[J].金融經(jīng)濟(jì)學(xué)研究，2016，（6）：84-93.

[2]甘星，甘偉.環(huán)渤海、長(zhǎng)三角、珠三角三大經(jīng)濟(jì)圈科技金融效率差異實(shí)證研究[J].宏觀經(jīng)濟(jì)研究，2017，（11）：103-114.

[3]江涌，閆曉旭，劉佐菁，杜賽花.基于DEA模型的科技金融投入產(chǎn)出相對(duì)效率分析——以廣東省為例[J].科技管理研究，? ? ? ? ? 2017，（3）：69-74.

[4]李合龍，段紫薇.基于AHP-DEA-Malmquist的廣東省科技金融效率評(píng)價(jià)研究[J].科技與經(jīng)濟(jì)，2018，（2）：50-54.

[5]李林漢，王宏艷，田衛(wèi)民.基于三階段DEA-Tobit模型的省際科技金融效率及其影響因素研究[J].科技管理研究，2018，（2）：? ? ? ? ? 231-238.

[6]余麗霞，鄭潔.基于DEA模型的科技金融結(jié)合效率研究——以四川省為例[J].會(huì)計(jì)之友，2019，（4）：32-37.

[7]徐玉蓮，王玉東.區(qū)域科技金融資金的配置效率研究[J].科學(xué)管理研究，2015，（2）：93-96.

[8]?；荽海瑴貪?jì)聰，周琳.科創(chuàng)板正式開(kāi)市——中國(guó)資本市場(chǎng)發(fā)展的里程碑[N].經(jīng)濟(jì)日?qǐng)?bào)，2019-7-23.

[9]張玉喜，趙麗麗.中國(guó)科技金融投入對(duì)科技創(chuàng)新的作用效果——基于靜態(tài)和動(dòng)態(tài)面板數(shù)據(jù)模型的實(shí)證研究[J].科學(xué)研究，? ? ? ? ? 2015，（2）：177-184.

[10]中國(guó)科學(xué)技術(shù)發(fā)展戰(zhàn)略研究院.中國(guó)區(qū)域科技創(chuàng)新評(píng)價(jià)報(bào)告2018[M].北京：科學(xué)技術(shù)文獻(xiàn)出版社，2018.

Abstract： This paper constructs a set of evaluating indicators， and uses an econometric regression model to testify that the economic growth of Jiangsu province is driven by finance and sci-tech innovation although it is lack of energy and mineral resources. Then， this paper adopts DEA model to analyze the sci-tech finance data of Jiangsu province form 2006 to 2017 years， finds that sci-tech finance input-output of Jiangsu province has been relative efficiency but the phenomenon of decreasing return on scale is appearing in recent years. By analyzing the data of 13 cities in jiangsu province in 2015 and 2017， it is found that the decrease of returns to scale in the efficiency of science and technology finance in jiangsu province in the past two or three years is mainly caused by the cities in southern jiangsu and central jiangsu， while the cities in northern jiangsu are still in the stage of increasing returns to scale.This is mainly because south jiangsu， middle jiangsu and north jiangsu are in different stages of economic development.

Keywords： scitech finance; DEA; efficiency evaluation;scale reward

責(zé)任編輯、校對(duì)：錢曉東