基于PLS-SEM模型的区域科技金融发展评价研究

□陈建丽

一、引言

技术创新是改变传统经济增长方式、推动经济发展的重要途径。由于技术创新具有高投入、高风险的特点，而高新技术企业又往往存在抵押物不足、信用状况不易评价、信息不对称等共性特点，企业技术创新的融资问题一直非常突出。如何建立健全科技金融体系，拓宽企业技术创新融资渠道，有效助力技术创新，已经成为政府、学界和业界持续关注的热点问题。自2006年《国家中长期科学和技术发展规划纲要(2006—2020年)》及其配套政策首次明确科技金融发展的主要政策方向以来，国家及地方均出台了一系列的政策措施构建多元化、多渠道的科技创新投入体系，不断构建、完善金融和科技创新的结合机制。经过近些年的发展，各地区科技金融发展状况如何，科技金融体系各参与主体的地位和作用如何，地区间科技金融发展水平存在何种程度的差异，对这些问题的系统研究和客观评价对当前我国科技金融政策及实践的优化完善具有重要的参考意义。

在科技金融发展综合评价方面，当前多数的研究采用构建指数体系的方法进行。如赵昌文(2009)[1]从创业风险投资、科技贷款、科技资本市场、科技保险、研究发展及科技环境六个方面构建科技金融发展指数体系。曹颢等(2011)[2]从科技和金融融合的视角构建了科技金融资源指数、科技金融经费指数、科技金融产出指数和科技金融贷款指数指标体系，研究发现：2001～2008年我国科技经费指数呈现逐年上升趋势，但科技金融产出指数呈现下降趋势，科技贷款也没有得到根本性改观。而黄德春等(2013)[3]从科技型企业成长支撑视角下应用复合熵权法构建科技金融发展指数，研究结果表明：2004～2010年我国对科技金融发展总体处于上升趋势，但结构失衡问题明显。也有学者从统计角度构建指标体系进行探讨，如张建平等(2014)[4]从金融体系对科技的资金支持角度构建衡量科技金融发展状况的统计指标体系。

由现有文献可见，鉴于我国尚未有专门的、统一的科技金融统计体系，当前对科技金融发展评价还没有形成系统的、一致的评价指标体系，并且当前对科技金融评价研究所采用的评价方法在处理评价指标间多重共线性及权重设置方面存在不足。因此，本文从金融体系对企业技术创新活动的资金支持角度构建区域科技金融发展指标体系，利用偏最小二乘结构方程(PLS-SEM)模型对区域科技金融发展水平进行综合评价。

二、PLS-SEM模型介绍

结构方程模型(SEM)是结合因子分析与路径分析两种统计分析技术，反映观测变量与潜变量之间关系的一种统计方法。近年来，部分学者也将该方法引入绩效评价研究中[5～6]。目前，SEM模型主要包括基于协方差矩阵分析的ML-SEM方法和基于偏最小二乘估计的PLS-SEM方法。其中，PLS-SEM方法在对数据的正态性、样本容量以及模型的识别条件等方面相对于ML-SEM方法要求相对宽松。因此，本文采用PLS-SEM模型对区域科技金融发展水平进行评价。

三、基于PLS-SEM模型的区域科技金融发展评价分析

(一)区域科技金融发展评价指标体系构建。目前，国内学术界对科技金融的定义尚未统一。赵昌文(2009)认为“科技金融体系是由为科技创新活动提供金融资源的企业、金融市场、政府和社会中介机构等各种主体，以及在科技创新活动中的行为活动共同组成的一个体系”。而洪银兴(2011)[7]认为“科技金融是金融资本以科技创新尤其是以创新成果孵化为新技术并创新科技企业和推进高新技术产业化为内容的金融活动”。本文从区域金融体系对科技型企业技术创新活动的资金支持角度，将科技金融定义为向企业技术研发、技术成果转化及产业化等一系列技术创新活动提供资金支持的政府、银行、非银行金融机构和社会中介机构等构成的支持体系。由于社会中介机构科技金融投入数据难以获得，因此，本文从科技信贷、科技资本市场、风险投资和政府支持四个方面构建区域科技金融发展指标体系。

1.科技信贷支持(ST_Bank)。由于当前缺乏对区域科技信贷的专题统计，本文用各省(市)R&D经费内部支出中金融机构贷款(R&Dloan)，高技术产业R&D经费内部支出中金融机构贷款(htR&Dloan)和中长期贷款余额(mlloan)3个观测变量来近似反映。其中，R&D经费内部支出中金融机构贷款数据用研发经费内部支出减掉政府资金、企业资金和境外资金后剩余部分代替，数据均来自《中国科技统计年鉴》和《中国高技术产业统计年鉴》。选择中长期贷款作为一个测量变量，是因为考虑到科技创新活动本身周期较长，需要长期投入的资金支持，中长期贷款更能稳定支持创新主体持续进行创新[8]，相关数据来源于Wind资讯中国宏观数据。

2.科技资本市场支持(STC_Market)。科技资本市场支持包括科技企业股票市场融资额(ststockc)和科技企业债券市场融资额(stbondc)。股票市场融资额包括在上海证券交易所和深圳证券交易所公开上市的科技型上市公司通过首发、定向增发、公开增发、配股及可转债发行募集资金的总和。科技型上市公司的筛选借鉴李希义等(2008)的筛选方法，数据来源于Wind资讯。科技型企业债券市场融资额由于数据可得性限制，用所属行业为Wind航空航天与国防III、电气设备、医疗保健、信息技术的上市公司的信用债融资额近似替代，数据来源于Wind资讯信用债研究。

3.风险投资支持(Ven_Capital)。风险投资支持包括创业风险投资管理资本总额(vcmfund)和创业风险投资额(venc)两个观测变量。其中风险投资机构管理资本总额数据来源于《中国创业风险投资发展报告》，部分缺失数据通过前后年份的数据估算获得。创业风险投资额以各地区PE/VC的投资额来替代，数据来源于Wind资讯中国PEVC库。

4.政府支持(Gov_Sub)。政府支持的观测变量选择政府R&D资金(R&Dgov)和财政科技投入(fest)两个指标，其中政府R&D资金以规模以上工业企业R&D经费内部支出中政府资金替代，数据来源于《中国科技统计年鉴》；财政科技投入用地区公共财政支出中的科学技术支出替代，数据来源于《中国统计年鉴》。

本文以我国高技术产业2009～2016年30个省(市)面板数据为研究样本(不含港、澳、台及西藏自治区)。最终，本文共获得240个研究样本，该样本满足PLS-SEM对样本量的要求，并且样本同时考虑了变量在横截面和时间序列上的变异，有利于获得稳定的参数估计。

(二)PLS-SEM模型检验与参数估计。本文采用SmartPLS3.0软件中的Bootstrap算法进行PLS-SEM模型假设检验和路径分析。PLS-SEM模型主要根据平均变异数萃取量(AVE)和组合信度(CR)来对模型进行信度和效度检验。本文中所有潜变量的AVE的值都大于0.6，满足大于0.5的判断标准。即所有潜变量通过内敛效度的检验，可以认为外部模型的潜变量可以较好地预测对应的观测变量。另外，组合信度CR的值都超过了0.75，满足所有潜变量的组合信度的最小值大于0.7[9]的要求，Cronbach的值除了潜变量Ven_Capital之外也都大于0.7。并且评价指标体系中四个潜变量对应的测量变量第一主成分的特征值都大于1，第二主成分特征值都小于1。因此可以认为每一组观测变量可以用一个潜变量来表示，满足潜变量单维性的要求。

表1 PLS-SEM模型检验结果

根据SmartPLS3.0的估计结果，如图1所示，每个测量变量都有较高的外部载荷，且基于bootstrap抽样(2,000次)的T检验表明，所有测量变量的外部权重在0.01的显著性水平下都是显著的，说明测量变量和对应的潜变量之间具有较高的关联程度，潜变量较好地概括了各测量变量所蕴含的信息。PLS-SEM模型的路径系数估计值也在0.01的显著性水平下显著，说明本文中模型路径结构关系的设计较为合理。

图1 区域科技金融发展评价PLS-SEM路径图

由图1可知，科技信贷、科技资本市场、风险投资和政府支持对地区科技金融发展影响的路径系数分别为0.382、0.234、0.205、0.274，且bootstrap检验显示都在0.05的显著性水平下显著。这说明当前区域科技金融支持体系已初步形成，金融机构、资本市场、风险投资、政府支持等不同来源的资金对区域科技金融发展都起到了重要的推动作用，形成了多种金融业态和相应金融机构相互补充的科技金融支持体系。由路径系数可看出，受以银行等金融机构为主体的区域金融体系影响，金融机构科技贷款是我国创新融资的中坚力量，在区域科技金融发展体系中占据主导地位。但银行机构承担了科技信贷投入的高风险，难以享受到科技型企业成长带来的收益，科技贷款的运作方式有待优化完善。政府支持是公共科技金融主要的提供主体，特别是在科技创新研发阶段，政府是非常重要的外部投资来源，也是区域科技金融支持体系的重要组成部分。国内外实践也表明，推动科技金融发展，破解科技型中小企业融资难问题，离不开政府的大力支持。政府支持和市场推动相结合的发展模式是现阶段推动科技金融发展的最有效手段[10]。当然，政府财政资金主要采取直接无偿拨款、财政贴息的形式，通过市场化运作等间接支持占比偏低，财政科技投入的放大效应仍有待提高。

(三)区域科技金融发展水平评价分析。由图2可知2009～2016年各地区科技金融发展水平整体呈上升趋势。从各省(市)科技金融发展平均水平来看，北京、广东、江苏、上海、浙江、山东等省(市)科技金融发展水平位居前6位，而新疆、甘肃、海南、宁夏、青海等省份科技金融发展水较低。借助SAS9.21软件对30个省(市)2009～2016年科技金融发展水平按照Ward法进行系统聚类分析，聚类分析结果表明，北京、广东、江苏、上海占据第一、二类，其科技金融发展平均水平远高于其他省市。湖北、陕西、四川虽然位居中西部地区，风险投资和科技资本市场发展相对落后，但是银行科技贷款和政府财政支持力度相对较高。因此，这三个省份和浙江、山东、辽宁三个沿海省份共处于第三类。其它中西部地区省份科技金融发展水平都相对较低，处于第四、第五类。以上都表明，我国区域科技金融发展很不平衡，科技金融发展水平较高地区主要集中在东部沿海地区，而中西部地区科技金融发展水平总体较低。另外，地区间科技金融发展水平的标准差逐年增大，由2009年的0.57增大到2016年的1.22，地区之间科技金融发展水平不均衡程度越来越大。

图2 2009～2016年区域科技金融发展趋势

类别东部中部西部均值第一类北京3.57第二类广东、江苏、上海1.62第三类浙江、山东、辽宁湖北陕西、四川0.15第四类天津、福建、湖南、河北安徽、黑龙江、河南-0.27第五类海南江西、山西、吉林甘肃、贵州、云南、重庆、新疆、内蒙古、广西、宁夏、青海-0.57

虽然当前我国正积极推进科技金融发展，国家及地方政府制定了一系列政策措施促进科技与金融的融合，但地区之间发展差异较大。科技金融发展水平和地区经济发展水平及金融发展水平紧密相关。科技信贷、风险投资、资本市场融资和地方财政支出等各方面东部地区都显著高于中西部地区。

四、结语

本文从区域金融体系对企业技术创新活动的资金支持角度构建区域科技金融发展指标体系，尝试利用基于PLS方法的结构方程模型对我国30个省(市)科技金融发展水平进行了综合评价。研究结果表明：第一，科技信贷和政府支持在区域科技金融发展体系中占据主导地位，是科技创新的重要外部融资来源，科技资本市场和风险投资的地位总体有待进一步提升。第二，区域科技金融发展水平与地区经济和金融发展水平紧密相关。东部沿海地区科技金融发展水平普遍较高，而中西部地区除了湖北、陕西、四川相对较高外，其它地区科技金融发展水平都比较落后。第三，2009～2016年我国科技金融发展水平整体呈上升趋势，但区域差异较大，且有不断扩大趋势。

针对区域科技金融发展过程中存在的问题，需进一步建立健全科技和金融的结合机制，积极推动科技金融的区域合作，加大政府政策支持，促进中西部地区科技金融发展。中西部地区省份要积极营造开放、服务型的科技金融环境，吸引发达地区的金融资源支持本地区科技型企业的创新、发展。同时，要对中西部地区科技银行设立、新三板扩容、资本市场培育、政府引导基金设立等给予适度的政策倾斜。支持各类金融机构针对企业技术创新金融需求进行金融产品、工具的创新和开发，打造“科技+产业+区域+金融”有机融合的科技金融服务模式。