陕西高技术企业科技金融资源配置效率研究

余家楣

【摘 要】论文采用三阶段DEA模型对陕西省2001-2015年高新技术产业科技资源配置效率进行测算，结果表明陕西省高新技术产业科技资源配置基本处于规模不变状态，但科技资源配置的规模效率有待提高，且陕西省高新技术产业的发展存在人才资源配置不均衡、资金配置不均衡、产业规模小、科技成果转化能力较弱等问题，因此需要通过加强人才队伍建设、科技金融投入力度、知识产权保护、扩大高新技术产业规模和完善配套产业链等方面工作予以解决。

【Abstract】The paper uses three-stage DEA model to estimate the allocation efficiency of scientific and technological resources of high-tech industries in Shaanxi Province from 2001 to 2015.The results show that the allocation of scientific and technological resources of high-tech industries in Shaanxi Province is basically in a state of constant scale， but the scale efficiency of the scientific and technological resources needs to be improved， and there are some problems in the development of high-tech industry in Shaanxi Province， such as unbalanced allocation of human resources， unbalanced allocation of funds， small scale of industry and weak ability of transformation of scientific and technological achievements. Therefore， we should strengthen the construction of talents， investment in science， technology and finance， protection of intellectual property rights， expansion of the scale of high-tech industries and the improvement of the supporting industrial chain， so as to solve these problems.

【关键词】三阶段DEA模型;高技术企业;科技金融

【Keywords】three-stage DEA model; high-tech enterprises;sci-tech finance

【中圖分类号】F276.44                                           【文献标志码】A                                【文章编号】1673-1069（2019）04-0084-04

1 引言

党的十九大报告指出，创新是引领发展的第一动力，是建设现代化经济体系的战略支撑。报告中10余次提到科技、50余次强调创新。2017年陕西省政府出台的《陕西省“十三五”科学和技术发展规划》中提出建设“创新强省”，实现追赶超越，在更多领域的创新发展进入全国第一方阵。

高新技术产业作为带动经济发展的新引擎，是创新发展战略的一线产业。在党中央高度重视科技创新的大背景下，科技资源有效配置对于高新技术产业的重要带动作用也逐渐显现。

目前，对于创新效率和科技资源配置效率的研究主要采用经典DEA方法。然而，经典DEA方法忽略了投入产出的变量松弛问题，不能完全展现决策主体的真实效率水平。Fried等（2002）将传统数据包络分析与随机前沿理论相结合，在对决策单元效率进行分析时采用SFA方法消除外部环境和随即扰动等因素的影响，有效弥补了经典DEA方法的不足[1]。本文首先采用传统数据包络分析中的BCC模型对陕西省高新技术产业科技资源配置效率进行测算，继而使用相似SFA模型消除环境因素以及随即扰动影响后对科技志愿的配置效率进行再一次测算，并对分析结果进行讨论。

2 文献综述

“科技金融”是具有中国特色的概念，在国外并未形成完整理论和独立研究方向，研究集中于金融对科技创新的支持作用方面，研究中将金融体系与科技创新体系作为两个独立个体，如Schumpeter提出了金融发展促进技术创新的观点，他认为，创新是将新的生产要素和生产条件相结合并带入生产体系当中，银行的作用在于向这种新的要素组合提供购买力，从而推动经济发展[2]。Aghion，Howitt[4]认为资金密Paul（1992）通过实证分析指出，企业的科技研发活动具有高风险性特点，完善而发达的金融市场，可以通过多元化的投资方式来分散风险，对于企业科技创新活动具有推动作用[5]。

与国外不同，国内研究多将金融与科技创新看作有机整体，且研究较为全面，包括金融对科技创新的作用、科技金融发展效率及影响效率等方面[3]。如刘降斌，李艳梅对长三角、珠三角、东三省等四大区域科技型中小企业面板数据进行研究发现，金融体系对于科技企业创新活动存在长期影响，而在短期内则具有一定不确定性[6]。俞立平通过对省际面板数据的实证研究发现，金融发展对科技创新具有明显的累积性和滞后性[7]。钱水土，张宇以2012-2014年沪、深A股721家企业面板数据为研究样本进行研究发现，科技金融发展对企业科技研发投入具有激励作用，且企业研发投入越高，科技金融激励作用越强[8]。池仁勇采用数据包络分析，对浙江省科技创新效率进行研究，并采用线性回归方法对科技创新效率的影响因素进行分析[9]。刘伟以专利授权数量和新产品销售收入为科技产出变量，以R&D人员全时当量和研发经费支出为投入变量，采用三阶段DEA模型对我国高技术产业创新效率进行测算[10]。黄瑞芬，邱梦圆采用DEA-Malmquist指数和SFA模型对我国30个省市区科技金融面板数据进行分析发现，我国科技金融效率呈上升趋势，但效率水平较低，且存在明显地区差异[11]。

3 基于三阶段DEA的效率评价

3.1 方法简介

本文选取2002-2016年陕西高技术企业科技金融相关指标数据，采用三阶段DEA方法对陕西科技金融发展效率进行分析。三阶段DEA方法将传统DEA模型和SFA模型相结合，其中，传统DEA模型采用deap2.1软件，以投入为导向的BCC模型实现，模型原理不再赘述。

SFA模型用来调整投入松弛变量，提出环境因素和随机因素对于投入松弛值的的影响。对样本m个决策单元的松弛变量进行随机前沿分析，则SFA模型可表述为：

Sij=f（zj，βi）+vij+μij（i=1，2，…，m;j=1，2，…，n）

式中，Sij表示第j个决策单元第i个松弛变量;zj=（z1j，z2j，…，zij）表示拥有k个环境变量;βi为环境指标估计系数，则f（zj，βi）为环境指标对投入松弛变量的影响函数;vij+μij表示混合误差项，其中，vij为随机扰动项对投入松弛值的影响，μij为管理无效率对投入松弛值的影响。定义γ=，γ趋近于1，说明管理无效率是造成科技金融产出效率低下的主要原因，若γ趋近于0，科技金融产出效率低的主要原因是受到随机误差项的干扰。

3.2 指标选取

投入和产出指标选取方面，本文根据指标选取的科学性、可行性、可比性、客观性、目标性等原则，借鉴前辈研究，选择陕西省高新技术产业R&D人员全时当量和R&D经费内部支出两项指标为投入指标;选取陕西省高新技术产业的专利申请数量、拥有发明专利数量和技术市场合同成交额作为三阶段DEA分析的产出指标。

在环境变量的选取方面，本文以人才潜力、市场结构、产业结构三项作为影响陕西高技术企业科技金融效率的环境因素。其中，選取陕西省高校在校生人数作为陕西省人才潜力的衡量指标;选取陕西省高新技术企业数量作为市场结构指标，企业数量越多，说明市场竞争程度越激烈;用陕西省第二产业产值占地区生产总值的比重作为衡量产业结构的指标。

根据以上指标构建的陕西省高新技术产业科技资源配置效率测度指标体系如表1所示。

3.3 实证分析

3.3.1 第一阶段DEA实证结果

利用DEAP2.1软件中的投入导向BC2模型对陕西省高新技术产业14年间科技资源配置效率进行测算，结果如表2所示。

注：crste表示综合效率，vrste表示纯技术效率，scale表示规模效率，crste=vrste*scale。RTS表示各决策单元的规模报酬状态，drs为规模报酬递减，irs为规模报酬递增，—表示规模报酬不变。

由上表可以看出，在未提出环境因素影响的情况下，2010-2015年期间，陕西高新技术企业科技金融资源配置处于有效状态;在样本年份中，科技金融资源效率的提升主要是陕西省科技金融纯技术效率的贡献，说明在未考虑外部因素影响时，陕西高技术企业在管理和技术水平方面均处于较高水平。

3.3.2 第二阶段SFA回归结果

利用Frontier4.1软件进行回归运算，得出各投入松弛量与环境因素变量的回归系数及γ和σ2。当回归系数为负时，表示环境变量值越大就越有利于减少投入冗余，从而提高配置效率，减少资源浪费;当回归系数为正时，表明环境变量值的增加会导致投入松弛量增加，造成资源浪费。第二阶段SFA的回归结果如表3所示。

通过SFA回归分析，用环境因素指标解释两项投入指标的松弛变量时，值均为1，故在环境变量确定的情况下，对两项投入指标的松弛变量管理无效，随即扰动因素为0;而各解释变量的系数均通过显著性检验，说明环境因素对投入松弛变量的影响是显著的。由表3可以看出，作为环境因素的市场结构指标和产业结构指标与两个投入指标松弛值相关系数为负，表示市场结构和产业结构指标对陕西高新技术企业科技金融资源投入具有正向影响;而教育规模与两投入指标松弛值的相关系数均为正，表示陕西省教育潜力并未对陕西高技术企业科技金融资源配置起到推动作用。

3.3.3 第三阶段DEA实证结果

利用Frontier4.1软件，可直接求出βi，σ，σ的估计值，根据罗登跃[7]的研究结果，可计算出针对“成本函数”随机前沿的μij估计量和vij估计量。将原始产出变量和经过调整后的投入变量代入DEA模型，所得测度结果由表4给出。

根据表4所示的效率测算结果，在剔除环境因素影响后，陕西高技术企业科技金融资源配置的综合技术效率、纯技术效率、规模效率三者平均值均有所下降，且在样本年份中，处于效率前沿水平的年份数量下降，进一步说明环境因素对陕西高新技术企业科技金融资源配置效率存在显著影响。虽然平均水平有所下降，但纯技术效率仍然是陕西高技术企业科技金融配置效率的主要推动因素，表明陕西高技术企业注重企业管理能力提升和技术升级。

4 科技资源配置存在问题分析

首先，R&D人力资源配置不均衡。通过实证分析结果来看，陕西省高新技术产业科技资源配置效率在2001-2015年期间，大部分呈现出科技资源投入产出规模递增的态势，结合陕西省丰富的高等教育资源和不断扩大的高等教育规模现状可以发现，一方面，陕西省的科技创新投入规模并不能满足高新技术创新主体的需求;另一方面，陕西作为西部省份，区位与东部和中部地区相比存在明显劣势，经济发展程度相对较低，在留住人才和吸引人才方面能力较弱，这也是陕西作为高等教育大省，人才潜力却无法对高技术企业科技金融投入产生正向影响的主要原因之一。

第二，R&D经费资源配置不均衡。从实证分析结果可以看出，陕西省高新技术产业科技资源投入不均衡是造成资源配置效率较低的主要原因，R&D经费资源投入的不均衡是除R&D人力资源投入不均衡之外，影响科技资源投入规模的最重要变量。根据《2016年中国高新技术统计年鉴》统计数据，陕西省2015年R&D经费投入规模只排在全国第13位，省财政科技支出仅位于全国第25位，远远低于全国平均水平，相较于浙江、北京、上海、广东东部地区，陕西省科技经费投入量存在较大差距，甚至落后于中部的河南、湖北、湖南三省;另一方面，陕西省高新技术产业的R&D资金来源渠道相对单一，资金主要来源于政府扶持和企业自有资金。

第三，科技成果转化能力较弱。陕西是全国科教大省，却非科技强省，根据实证分析结果，陕西省高校和科研院所实力雄厚，但科技成果转化能力较弱，高校和科研院所的部分创新成果无法实现就地转化，科技创新活动无法带动地方经济发展;另一方面，企业新产品开发和销售表现欠佳，2015年，陕西省企业在新产品销售和国际市场新产品创造方面的比重仅为全国平均水平的45.0%、56.2%。

5 对策建议

第一，加强产业园区建设，提升科技队伍水平。一是将西安高新区、西安国家民航工业基地、西安国际港务区、宝鸡高新区等作为重点区域进行建设，将制药、航空航天、装备制造作为特色产业打造特色产业基地，并加强配套产业链建设，以扩大高新技术产业规模，提升区域科技创新和科技成果转化能力;二是提高科研人员工资及福利待遇水平，并出台相关优惠政策，吸引海外、省外以及本地高层次人才在陕就业，以提升陕西省科技人才队伍的数量、质量，实现陕西省人才储备的有效利用。

第二，加强科技与金融结合，拓宽融资渠道。首先，实现政府扶持资金来源多元化，加强地方财政对金融机构和民间资本的引导，为民间资本进入高新技术产业投资领域提供便利;其次，加强科技金融信息服务平台建设，及时准确提供融资需求及投资供给信息，解决企业与资金供给方存在的客户、资信和价值信息不对稱问题;再次，加大统筹协调力度，进一步扩大相关风险补偿基金的范围和额度，在地市层面设立科技金融风险补偿基金，充分发挥财政资金的撬动作用，同时扩大陕西省科技成果转化引导基金投资规模，促进陕西省科技创新成果转化。

第三，建设“信用陕西”，加强知识产权保护。首先，健全知识产权方面的信用法律法规体系和高新技术企业信息共享体系，为知识产权保护提供法律保障，同时消除经济活动双方由于信息不对称所导致的知识产权侵害问题;其次，深入推进商务诚信建设，将知识产权保护纳入信用联合奖罚机制，建立完善的高新技术企业商务信用评价体系，促进高新技术产业市场监管体制形成。同时在设立针对高新技术企业的信用“红黑名单”时，把是否存在知识产权侵害作为评价标准。

【参考文献】

【1】Fried，Lovell，Schmidt，Yaisawarning.Accounting for Environmental Effects and Statistical Noise in Data Envelopment Analysis[J].Journal of Productivity Analysis，2002（17）：121-136.

【2】SCHUMPETER J，BACKHAUS U. The theory of economic development[M]. Joseph Alois Schumpeter， 1934.

【3】Nelson R R. The simple economics of basic scientific research [J]. Journal of Political Economy，1959（49）：297-306.

【4】Aghion P，Howitt P. A model of growth through creative destruction [J].Econometrica，1992（60）：323-351.

【5】Saint-Paul Gilles. Technological choice， financial markets and economic development[J]. European Economic Review，1992（36）：763-781.

【6】刘降斌，李艳梅.区域科技型中小企业自主创新金融支持体系研究——基于面板数据单位根和协整的分析[J].金融研究，2008

（12）：193-206.

【7】俞立平.省级金融与科技创新互动关系的实证研究[J].科学学与科学技术管理，2013（4）：88-97.

【8】孙晓华，王昀，徐冉.金融发展、融资约束缓解与企业研发投资[J].科研管理，2015（5）：47-54.

【9】钱水土，张宇.科技金融发展对企业研发投入的影响研究[J].科学学研究，2017，35（9）：1320-1325.

【10】 池仁勇.企业技术创新效率及其影响因素研究[J].数量经济技术经济研究，2003，20（6）：105-108.

【11】黄瑞芬，邱梦圆. 基于Malmquist指数和SFA模型的我国科技金融效率评价[J].科学管理研究.2016（20）：43-48.