■趙鴻程，林炳華，陳一琳

一、引言與文獻綜述

經(jīng)濟高質(zhì)量發(fā)展是以創(chuàng)新為第一動力，投入產(chǎn)出效率和經(jīng)濟效益不斷提高的發(fā)展。而科技金融作為資本要素在創(chuàng)新領域的集聚與規(guī)模化，是創(chuàng)新能力形成的基礎。歷史經(jīng)驗表明，無論是四次技術革命，還是美國硅谷的成功都離不開金融市場的有力支持。可以說，二者的有機融合在一定程度上主導了技術革命中心的轉(zhuǎn)移與固化。其不僅是服務實體經(jīng)濟發(fā)展和緩解中小企業(yè)融資難題的重要紐帶，更是實現(xiàn)創(chuàng)新驅(qū)動發(fā)展的“牛鼻子”。伴隨《“十三五”國家科技創(chuàng)新規(guī)劃》的出臺，大力發(fā)展科技金融已上升至國家戰(zhàn)略層面，成為推動中華民族偉大復興的現(xiàn)實選擇。近30年來，我國科技金融發(fā)展成效顯著，但也存在諸多問題，其中科技金融效率評價成為探索其發(fā)展路徑的重點。那么現(xiàn)階段我國科技金融資源的配置是否有效？其具體影響因素有哪些？

國內(nèi)學者對科技金融的研究主要從三個方面入手。一是從科技金融的內(nèi)涵出發(fā)，探討了其理論體系構建和實踐發(fā)展中所遇到的問題及對策。如趙昌文（2009）對科技金融內(nèi)涵的界定受到學術界的廣泛認可，即科技金融是促進科技開發(fā)、成果轉(zhuǎn)化和高新技術產(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的系統(tǒng)性、創(chuàng)新性安排，是由政府、企業(yè)、市場等各主體及其在科技創(chuàng)新融資過程中的行為活動共同組成的一個體系。二是實證分析了科技金融對經(jīng)濟增長、產(chǎn)業(yè)發(fā)展等方面的影響。如李俊霞等（2016）運用系統(tǒng)動力學進行建模仿真，研究發(fā)現(xiàn)科技金融能顯著促進高技術產(chǎn)業(yè)的發(fā)展，且市場性科技金融的提升作用要優(yōu)于公共科技金融。郭燕青和李海銘（2019）則檢驗了科技金融對制造業(yè)創(chuàng)新效率的影響，并發(fā)現(xiàn)科技信貸對效率存在正向作用，而政府補助和風險投資的影響并不顯著。三是對特定區(qū)域的科技金融效率進行測度和分析。如徐爍然等（2018）運用DEA—Malquist指數(shù)法研究了長江經(jīng)濟帶的科技金融效率及其時空演變特征。潘娟和張玉喜（2018）運用BCC模型對我國30個省份的科技金融效率進行測度，并發(fā)現(xiàn)科技金融效率呈現(xiàn)穩(wěn)步上升，各地區(qū)的發(fā)展差異較大。

通過文獻梳理發(fā)現(xiàn)：在研究內(nèi)容上，大部分學者的實證研究側重于科技金融對產(chǎn)業(yè)發(fā)展等的影響或是對特定區(qū)域的科技金融效率進行測度和分析，針對效率影響因素的進一步實證分析卻鮮有見到；在構建評價體系時，尚無文獻考慮到創(chuàng)新失敗、成果未轉(zhuǎn)化等非期望產(chǎn)出所造成的效率損失，事實上由于科技創(chuàng)新的長周期、高風險特征，這部分產(chǎn)出應得到更多關注（王偉和孫芳城，2018）。在研究方法上，已有文獻多采用徑向BCC或非徑向SBM模型對科技金融效率進行計算；前者容易低估效率值，而后者容易高估效率值，使結果存在一定偏差?；诖耍P者從以下方面拓展已有研究：第一，將非期望產(chǎn)出納入科技金融效率的評價體系中，運用兼顧徑向和非徑向特點的EBM—Undesirable模型對全國30個省份的效率值進行測度，并引入基于改進引力模型的社會網(wǎng)絡分析法（SNA）對其空間特征進行深入分析，在完善指標體系的同時使評價過程更加合理、準確。第二，以科技金融效率為被解釋變量進行影響因素分析，以期發(fā)掘科技金融效率差異的真實動因，進一步豐富現(xiàn)有研究成果。

二、科技金融效率測算及結果分析

（一）EBM模型簡介

數(shù)據(jù)包絡分析法模型一般分為兩類，一是以徑向測度為基礎的CRS模型，二是以非徑向測度為基礎的SBM模型，但二者均存在一定缺陷（范建平，2017）。其中，CRS模型由于規(guī)模報酬不變假設的限制使所有投入按同比例增減，這與現(xiàn)實情況相背離；SBM模型雖然規(guī)避了投入要素同比例縮減的條件，但這是以損失效率前沿投影值的原始比例信息為代價，并且當最優(yōu)松弛度分別取0和正值時會使結果產(chǎn)生顯著差異。為有效解決這些不足，Tone&Tsutsui（2010）提出了一個綜合非徑向和徑向模型優(yōu)勢的混合距離EBM模型（Epsilon—Based Measure）。考慮非期望產(chǎn)出的無導向EBM模型可以表示如下：

（二）科技金融效率內(nèi)涵與指標體系構建

對科技金融內(nèi)涵的界定將沿用趙昌文（2009）等學者的觀點，而科技金融效率是指由科技金融投入與其所帶來的技術、經(jīng)濟產(chǎn)出等的比率。

投入指標方面。結合科技金融系統(tǒng)的基本框架，選取科技金融人才投入（周柯和郭鳳茹，2019）、企業(yè)研發(fā)支出、金融機構科技貸款、創(chuàng)業(yè)風險投資額和地方財政科技撥款5個指標。其中，科技金融人才投入采用研發(fā)人員全時當量作為替代變量；企業(yè)研發(fā)支出衡量企業(yè)自有資金的創(chuàng)新投入；金融機構科技貸款反映間接科技金融的投入情況，由于2008年后《中國科技統(tǒng)計年鑒》不再報告該數(shù)據(jù)，參照白俊紅和蔣伏心（2015）的做法，采用地區(qū)研發(fā)資金總額減去政府、企業(yè)和國外的資金來近似表征缺失值；創(chuàng)業(yè)風險投資是科技企業(yè)中前期融資的有效渠道，反映直接科技金融的投入情況。地方財政科技撥款主要在企業(yè)初創(chuàng)時期、市場失靈等情況下給予扶持和引導，衡量政策性科技金融的支持力度。

產(chǎn)出指標方面?？紤]科技創(chuàng)新路徑中研發(fā)、成果轉(zhuǎn)化及產(chǎn)業(yè)化、技術轉(zhuǎn)移三個關鍵環(huán)節(jié)，期望產(chǎn)出選擇專利申請授權數(shù)、高技術產(chǎn)業(yè)主營業(yè)務收入和技術市場成交額3個指標（潘娟和張玉喜，2018）。其中，專利授權數(shù)能有效衡量科技金融的直接成果規(guī)模；高技術產(chǎn)業(yè)主營業(yè)務收入和技術市場成交額衡量科技金融活動的經(jīng)濟效益，前者代表成果向產(chǎn)業(yè)化和市場化轉(zhuǎn)變的能力，后者反映成果的技術擴散能力。非期望產(chǎn)出選取專利申請未授權數(shù)作為研發(fā)失敗、成果未轉(zhuǎn)化等情況的替代指標（王偉和孫芳城，2018）。

數(shù)據(jù)方面，選取除西藏以外2006—2018年中國內(nèi)地30個省份的相關數(shù)據(jù)。所用數(shù)據(jù)來自《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》以及Wind數(shù)據(jù)庫。具體的指標體系如表1所示。

表1 科技金融效率評價指標體系

（三）科技金融效率的時空特征分析

表2為2006—2018年我國各地區(qū)的科技金融效率水平。其中，科技金融效率（即綜合效率）可以進一步分解為規(guī)模效率和純技術效率。樣本期內(nèi)，我國科技金融的綜合效率、規(guī)模效率和純技術效率均值分別為0.816、0.931和0.875，處于非DEA有效狀態(tài)，表明科技金融效率的整體水平良好，但仍有較大提升空間，需進一步加強科技金融市場建設。其中，北京、浙江和廣東的綜合效率均值為1，達到DEA有效，占樣本數(shù)的10%，說明其科技金融建設成效顯著，對資源的配置能力較強。而內(nèi)蒙古、寧夏和新疆等地的綜合效率較低，科技金融發(fā)展較為滯后。

從區(qū)域角度分析，科技金融效率的空間差異明顯，呈現(xiàn)東、中、西部遞減態(tài)勢。東部地區(qū)的綜合效率為最高的0.924，而其他兩個地區(qū)的綜合效率在0.75左右，表明東部地區(qū)的科技金融發(fā)展處于領先地位，其在獲取科技金融資源和提升配置效率方面存在較大優(yōu)勢。此外，相比于中部地區(qū)，西部地區(qū)的純技術效率略有領先，規(guī)模效率則落后較多，說明西部地區(qū)由于地理位置偏遠、經(jīng)濟基礎薄弱等因素的影響，科技金融資源比較匱乏，投入不足問題更加突出。

表2 2006—2018年各省份的科技金融效率結果

圖1 科技金融綜合效率及其分解值變動趨勢

根據(jù)圖1，2006—2018年科技金融綜合效率整體呈現(xiàn)良好的上升態(tài)勢。其趨勢可以大致分為3個階段：第一階段，2006—2008年呈現(xiàn)上升趨勢。該階段伴隨《證券法》等完成修訂，國內(nèi)金融業(yè)出現(xiàn)較快發(fā)展，為科技金融建設提供了條件。第二階段，2008—2010年呈現(xiàn)連續(xù)下降趨勢。這可能是由于2008年金融危機爆發(fā)對國內(nèi)外投融資環(huán)境的穩(wěn)定形成較大沖擊，抑制科技金融規(guī)模的進一步優(yōu)化。第三階段，2010—2018年呈現(xiàn)穩(wěn)步上升趨勢。一方面，國內(nèi)經(jīng)濟的持續(xù)復蘇為科技企業(yè)發(fā)展提供了融資保障；另一方面，伴隨中共十八大召開以及《關于大力推進體制機制創(chuàng)新扎實做好科技金融服務的意見》等政策文件的頒布，政府對科技金融的重視程度不斷加強，為其發(fā)展提供了良好的宏觀環(huán)境和政策支持，從而促進效率提升。

同時，純技術效率和綜合效率的變化趨勢比較相近，且總體上低于規(guī)模效率。結合灰色關聯(lián)分析發(fā)現(xiàn)，綜合效率與純技術效率、規(guī)模效率的關聯(lián)度分別為0.816和0.701，表明純技術效率變動是制約科技金融綜合效率提升的重要原因。單純依靠數(shù)量型的發(fā)展模式已無法滿足建設創(chuàng)新強國的要求。各地不僅要擴大科技金融資源的供給規(guī)模，更要著力完善其管理模式和機制，不斷提升資源利用效率，促進科技金融高質(zhì)量發(fā)展。

（四）進一步分析：基于社會網(wǎng)絡分析法

社會網(wǎng)絡分析（Social Network Analysis，SNA）是一系列用來分析多個個體間相互作用所構成的網(wǎng)絡的結構、性質(zhì)、特點以及其他用于描述網(wǎng)絡屬性的分析方法的集合。筆者引入基于改進引力模型的SNA，分別應用網(wǎng)絡密度分析和中心性分析對科技金融效率的空間特征做進一步研究。分析效率空間擴散路徑的關鍵在于如何構建SNA的關系矩陣，借鑒彭芳梅（2017）的研究，建立改進的引力模型如下：

其中，Gij為地區(qū)i、j間的科技金融效率引力強度；Ei和Ej分別為地區(qū)i、j的科技金融綜合效率均值；dij為地區(qū)間的地理距離；kij為地區(qū)間的經(jīng)濟關聯(lián)系數(shù)，pgdp為各地區(qū)的人均GDP；b為距離衰減系數(shù)，取值在1—2之間。參照化祥雨（2016）的研究，取b=2，表示省級層面的空間關聯(lián)。相關計算利用Ucinet軟件實現(xiàn)。

1.網(wǎng)絡密度分析

在進行網(wǎng)絡密度分析時，繪制了2006—2018年科技金融效率均值的空間網(wǎng)絡社群圖，如圖2所示。根據(jù)結果，空間關聯(lián)網(wǎng)絡密度為0.709，說明各地區(qū)科技金融發(fā)展的聯(lián)系程度較高，存在較為普遍的空間溢出效應。結合圖2分析，京津冀和長三角地區(qū)科技金融效率的聯(lián)系最為緊密，地區(qū)輻射效應最強。其中，京津冀地區(qū)中北京和天津間的效率引力最強，而長三角地區(qū)以上海和浙江、江蘇和安徽兩個組合的聯(lián)系最為緊密。

圖2 科技金融效率的空間網(wǎng)絡社群圖

2.中心性分析

通過計算各節(jié)點地區(qū)的節(jié)點中心度、接近中心度與中介中心度，來判斷該地區(qū)在整個網(wǎng)絡中所處的地位和影響力，中心性分析是衡量節(jié)點在網(wǎng)絡結構中“權力”和地位的重要方式。結果如表3所示。

表3 中心性分析結果

根據(jù)表3，北京、上海、江蘇和廣東在科技金融效率的空間網(wǎng)絡中處于支配地位。其中，節(jié)點中心度和接近中心度均為最大值100，表明4個地區(qū)是我國科技金融建設的重要支柱與核心區(qū)域。同時，中介中心度也均為最大值7.554，表明其在科技金融發(fā)展中發(fā)揮著“橋梁”和“血管”的作用，對資源、信息流動的控制能力較強，促進了地區(qū)間的協(xié)調(diào)發(fā)展。此外，新疆（3.448，50.877，0）、內(nèi)蒙古（58.966，66.316，0）、廣西（65.517，74.359，0）等地的中心度數(shù)值較小，表明這些地區(qū)在整個科技金融體系中處于邊緣地位。

三、科技金融效率的影響因素分析

（一）變量定義與說明

1.被解釋變量

科技金融效率（Effi）。借鑒潘娟和張玉喜（2018）等的研究，采用非期望產(chǎn)出的EBM模型計算得到的綜合效率值作為衡量科技金融效率的變量。

2.解釋變量

（1）智力資本水平（Edu）。高素質(zhì)的科研人才是科技創(chuàng)新的根本，也是提升科技金融效率的關鍵因素之一。以衡量勞動力素質(zhì)的平均受教育年限作為替代變量。其公式為Edu=X1×6+X2×9+X3×12+X4×16。其中，X1、X2、X3和X4分別為小學、初中、高中及中專和大專及以上文化程度人數(shù)占地區(qū)6歲及以上人數(shù)的比重。

（2）金融結構（Stru）。從國際上科技金融模式的演變規(guī)律看，股票市場、風險投資等直接融資在技術創(chuàng)新過程中都發(fā)揮了不可替代的作用。伴隨國內(nèi)金融市場從以銀行間接融資為主的長期特征逐漸向直接與間接融資并存的新特征轉(zhuǎn)變，以“直接融資規(guī)模增量/地區(qū)社會融資規(guī)模增量”來衡量金融結構變動對效率的影響。

（3）知識產(chǎn)權保護（Ipp）。健全的法律體系是促進科技金融高效發(fā)展的重要保障。部分學者認為知識產(chǎn)權保護可以緩解技術創(chuàng)新的外部性，降低創(chuàng)新成果被侵權的風險，從而鼓勵企業(yè)增加創(chuàng)新產(chǎn)出（吳超鵬和唐菂，2016）。但也有個別學者認為知識產(chǎn)權保護會阻礙企業(yè)創(chuàng)新。因此，以專利侵權立案數(shù)的對數(shù)值來考察其對科技金融的作用。

（4）互聯(lián)網(wǎng)技術水平（Ie）?；ヂ?lián)網(wǎng)的蓬勃發(fā)展正不斷推動產(chǎn)業(yè)技術進步和效率提升，催生經(jīng)濟發(fā)展的新常態(tài)。其應用打通了企業(yè)內(nèi)外部創(chuàng)新要素的聯(lián)系，催生科技金融新業(yè)態(tài)的同時降低了資金供求雙方的信息不對稱性和交易成本（王金杰等，2018），有助于形成平等、共享和開放的科技金融環(huán)境。故用“互聯(lián)網(wǎng)上網(wǎng)人數(shù)/地區(qū)總人口數(shù)”來衡量。

（5）環(huán)境規(guī)制（Hp）。其作用可能源于兩方面：一是遵循“成本效應”，增加企業(yè)的經(jīng)營成本，擠占研發(fā)支出；二是形成“倒逼機制”，促使企業(yè)改善生產(chǎn)工藝，進行更多優(yōu)質(zhì)的技術創(chuàng)新（鄺嫦娥和路江林，2019），從而提升科技金融資源的利用效率。以“環(huán)境污染治理投資額/地區(qū)GDP”表示環(huán)境規(guī)制的強弱。

（6）外商直接投資（Fdi）。不僅能帶來國外的先進技術，而且通過投資、并購等方式更多參與到本土企業(yè)的技術創(chuàng)新中，成為科技金融來源的重要補充。以實際利用外商直接投資額的對數(shù)值來表示。

3.控制變量

除上述因素外，還加入3個控制變量表征科技金融的外部環(huán)境，包括：基礎設施水平（Inv），采用地區(qū)社會固定資產(chǎn)投資總額占GDP的比重表示。政府干預力度（Gov），以地區(qū)財政支出占財政收入的比值表示。經(jīng)濟發(fā)展水平（Eco），利用平減處理后的地區(qū)GDP的對數(shù)值來衡量。具體的變量定義如表4所示：

表4 變量定義

（二）模型設定

考慮科技金融發(fā)展具有一定的延續(xù)性和時滯性以及變量間可能存在的內(nèi)生性問題，引入科技金融效率的一階滯后項建立兩階段系統(tǒng)GMM模型進行參數(shù)估計，以降低模型設定的偏誤。具體模型如下：

其中，Effiit-1為科技金融效率的一階滯后項；Controlit為控制變量；α為常數(shù)項，β為變量的估計系數(shù)；εit為隨機擾動項；其他變量定義同表4。

（三）數(shù)據(jù)說明

鑒于數(shù)據(jù)的可得性，將數(shù)據(jù)缺失較為嚴重的西藏剔除，最終選取2006—2018年中國大陸30個省份的面板數(shù)據(jù)。樣本數(shù)據(jù)主要源自于《中國金融統(tǒng)計年鑒》《中國高技術產(chǎn)業(yè)統(tǒng)計年鑒》《中國科技統(tǒng)計年鑒》《中國統(tǒng)計年鑒》Wind以及CSMAR數(shù)據(jù)庫。

（四）實證結果分析

表5報告了效率影響因素的分析結果?？紤]模型設定的有效性，Arellano—Bond檢驗和Sargan檢驗的結果表明：所有模型的AR（2）檢驗和Sargan檢驗均不顯著，說明不存在擾動項差分二階自相關和工具變量的過度識別問題。因此，模型的估計結果是有效的。無論是逐步加入解釋變量的模型（1）—（7）還是考慮控制變量的模型（8），各變量回歸系數(shù)的正負性沒有發(fā)生變化，只在顯著性上略有差異，說明實證結果是穩(wěn)健的。

表5 科技金融效率的影響因素實證結果

根據(jù)表5，各模型的一階滯后項系數(shù)都在1%水平下顯著為正，說明科技金融發(fā)展確實存在一定的延續(xù)性。智力資本水平（Edu）的系數(shù)顯著為正，表明人才強國戰(zhàn)略成效顯著，大批優(yōu)秀的科技創(chuàng)新人才為增強自主創(chuàng)新能力和提振科技金融效率注入了強勁動力。金融結構（Stru）在1%水平下顯著為正，說明增加直接融資比重能有效促進科技金融效率的提升?；ヂ?lián)網(wǎng)技術水平（Ie）與科技金融效率正相關，表明互聯(lián)網(wǎng)技術有效降低了融資的信息不對稱性和交易成本，增加貸款的可得性，“扁平化”的創(chuàng)新治理模式也增強了對創(chuàng)新參與者的約束和激勵機制（王金杰等，2018）。知識產(chǎn)權保護（Ipp）系數(shù)顯著為正。知識產(chǎn)權保護能通過減少創(chuàng)新的負外部性提高專利技術的壟斷利潤和授權收益，激發(fā)企業(yè)進行持續(xù)創(chuàng)新。而外部投資者預期到項目成果能得到較好的法律保護，不至于因被侵權而遭受損失，因此投資意愿更強，會更多地參與到科技金融建設中（吳超鵬和唐菂，2016）。外商直接投資（Fdi）的系數(shù)顯著為正。一方面，外資流入提供了學習高新技術和管理經(jīng)驗的機會，帶動了技術交流和擴散，有助于提升企業(yè)對資源的管理配置能力。另一方面，外資進入還會形成“競爭效應”，加速本土企業(yè)創(chuàng)新以實現(xiàn)對外趕超，從而增加科技金融產(chǎn)出。環(huán)境規(guī)制（Ep）對科技金融效率存在一定的抑制作用，其“成本效應”更加明顯，擠出了社會創(chuàng)新投入并限制科技金融產(chǎn)出的增加。

四、結論與建議

基于2006—2018年我國30個省份的面板數(shù)據(jù)，采用EBM—Undesirable模型和SNA法對科技金融效率的時空特征進行探究，并運用系統(tǒng)GMM實證分析其影響因素。結果發(fā)現(xiàn)：從時間趨勢看，科技金融效率總體呈現(xiàn)良好的上升態(tài)勢，純技術效率變動是制約科技金融綜合效率提升的重要原因。從空間特征看，科技金融效率的整體水平良好，但仍有較大提升空間。效率值的地區(qū)差異明顯，呈現(xiàn)東、中、西部遞減態(tài)勢，且東部地區(qū)優(yōu)勢明顯。SNA分析表明，科技金融發(fā)展存在較為普遍的空間溢出效應，以京津冀和長三角地區(qū)的輻射效應最強。同時，北京、上海、江蘇和廣東是我國科技金融建設的重要支柱與核心區(qū)域。金融結構、知識產(chǎn)權保護、互聯(lián)網(wǎng)技術水平、智力資本水平和外商直接投資能有效提升科技金融效率，而環(huán)境規(guī)制對其存在一定的抑制作用。

為此，提出以下對策建議：第一，構建多元金融體系，豐富企業(yè)融資渠道。大力發(fā)展創(chuàng)業(yè)投資、股票市場等直接融資，打通創(chuàng)業(yè)投資的退出渠道。鼓勵多種融資方式的靈活配合，形成合理的投貸聯(lián)動機制。加強科技金融產(chǎn)品與服務的創(chuàng)新，為企業(yè)提供分級金融服務，提升融資精準度。第二，加快科技金融綜合人才隊伍建設。不斷提升存量從業(yè)人員的業(yè)務水平，完善人才引進政策，提高薪酬福利水平，打造區(qū)域性的科技金融人才集聚中心。第三，完善政府引導機制，優(yōu)化科技金融戰(zhàn)略布局。政府可以成立以“互聯(lián)網(wǎng)+政務+金融+大數(shù)據(jù)”為支撐的科技金融服務平臺，打造多方參與的科技金融生態(tài)圈。增強科技金融優(yōu)勢地區(qū)對周邊地區(qū)的輻射帶動作用，引導創(chuàng)新資源的跨地區(qū)整合，打造互聯(lián)互通的創(chuàng)新共同體。