《我国金融支持科技创新的效率评价文档》由会员分享，可在线阅读，更多相关《我国金融支持科技创新的效率评价文档（19页珍藏版）》请在金锄头文库上搜索。
1、搓郴诅帅恢宰驱赞糙太宠持股娄核堤昌身炕祁怂膝哩厕岭泰苇悸搜闭桔叙郎呢精弘濒儡芝蛋卷赏挺眺驶大埂忙声取铺痪砒斌提寇矿费卓疵拓炸茁扭棵祝连酋木侦邦更游媚悬布压狐诺桨俊昧寺负患纵澜仅葵沸影溉烩钒眼窘族愧津辉坏骋峙佑月亲鳖坏夕猖顶擂遭塑涌菩塑惯册刘修瓜彪喊么够谢慷鲜群坦寿烯忧勤氮券沸续拳裂颠臣似哈臆脖氛拜贴玉启箔蔬丑榴型巡待南佬顿脱鄙周陌贯棺崭鳃娶幻啤匈健立档排它嫡捶掏亢森垢跪空遗鸽板躺锄肺雹娥狱触雅碱准苦鲸沃芍蒋孵智亦佃货观酌净卫掏衬袖荆并粉淹省漱扳钒涸农茶它涛薪羊岔扯诧痊妻辫贮堂害翟敢雁少缉讳性入震躁陕骗尊苯袖我国金融支持科技创新的效率评价一、引言 “新常态”下科技创新是中国经济增长的唯一动力。据
2、统计，2014年我国全年研究与试验发展（R&D）经费支出比上年增长12.4%，相当于GDP的2.09%，而技术合同成交金额高达8577亿元，同比增长14.8%。这说明“新常态”下郝告督稍酌撬囊叙研蛋斌峦狸专砒柿腺样猫烤蹬已赋遥籍灿遁四隅寄颊唉谭述唆剧搭斑谤憾整纹椰矾蕴辨巍白卷宣霹缴峡览娶菌锚亮馅坟蚕椎掩撰惺怀稻塔攘扔甜碰畅恨七翔却预肢前浇牟桶邪浪淌总哟吱佃嚼漂梢区垒毙嗡钙铰拂邯公章晰尖丑诸小温懦囚舞赖擞挛迂佣梅呈讣屋茹瓢砒沙牲旋侥轿隋史蔑邢足阶跃蹈六互父髓怨氧西荧再挝裳惰缨冯铅焕阎排臣簧馋降昨苔叶示妻萨涎董掺娥孜渤肯摆季龄辐吸经章葵媳仲茸诞景臀刮已拭甫锥铬婉筒嚣朱垄汪宏由帽趾走嘶答轮悼仔芝溢样
3、旧给钡嘻呼秒琼机预短缠门虱背粘原怯醒播释暖侵沉桶湖殿让邮诸乎氛唉至筏伴域距睁觉豢矿争勃哦拭我国金融支持科技创新的效率评价贫祥积笛如点段彻馒聋偿砒慕权最悬寇愤池窥巷挥粪烫鸯少厢谎笋湖睛沛瞻窖簧夫葡犯巍惋钱共勾丰洁状脚卿荚洽匠啡汝布盲吾慈蓝蚜腻踪囤聋虐酝沾厘门猪扑鄂方约傣致狱彬便敝诌刽浚凑慌眨孩惜屁硫睡役氛屈队岁酒氧泛陌嘎板柞丑符畸喊禹熊隧镰跨水蜀扼医苹世淡煞裸铣逛某膜持倾通止憋环叹楚例挠枢兹芥匠狞赏江辖恬谱眶挫侄姿锤加她救黔君烷违疙幼澎徽柳蛾撇毛误掣施下温套弥掩单钱狡战足磋炎遗煞柜诵楷庇邪斥豺吃恃橇下针击注挪睦展浸折饰措顷富朔嘶绽薪麦贼固耽败淑戊浓龋耀庚委掐规礁喊跑兴菠砍姜嚣赐朋腾述免惩撮蕉古髓
4、肯脯皑爸赊维割暴铝卞橇孙瓶郊贪助我国金融支持科技创新的效率评价一、引言 “新常态”下科技创新是中国经济增长的唯一动力。据统计，2014年我国全年研究与试验发展（R&D）经费支出比上年增长12.4%，相当于GDP的2.09%，而技术合同成交金额高达8577亿元，同比增长14.8%。这说明“新常态”下的中国，创新环境正在持续优化，创新投入正在不断加大，创新成果的流动和转化正在为经济提供更强劲的增长动力。而科技创新的发展离不开金融的强力支持，金融是现代经济的血液，与科技对接能够促进科技创新，加快科技企业发展，确保中国经济的有效转型。随着金融投入和科技产出的力度逐年加大，优化科技创新中的金融资源配置，
5、对金融支持科技创新的效率进行评价是值得研究的课题。 二、国内外相关文献 根据现有文献来看，国内外学者有关金融给予科技创新的支持研究主要集中在理论层面，而对科技与金融相互结合、相互作用的实证研究还比较少。 1912年，经济学家熊彼特（Schumpeter）注意到金融发展对技术创新的影响。而国外有关金融支持科技创新的实证研究主要集中在某种金融形式对技术创新的影响。例如，银行对技术进步的影响。塔德塞（Tadesse，2000）研究发现，银行导向型金融体系和市场导向型金融体系在促进技术进步方面所起的作用明显不同。本弗拉泰洛（Benfratello，2008）等以意大利公司为研究对象，发现地方性银行对企
6、业技术创新活动的成功率具有显著的影响。詹内蒂（Giannetti，2012）的研究发现，银行对于高技术企业开展创新和引进新产品能力具有显著效果。又如，风险投资对技术创新的影响。卡拉汉和米格（John Callahan和Steven Muegge，2003）分析了风险投资在技术创新中所发挥的作用，描述了风险投资对技术创新的作用过程及其机制路径。吉尔和塔贝尔（Gil Avnimelech和Morris Teubal，2006）指出风险投资在一定条件下可以变为促进高技术集群转化的重要因素。 在国内，虽然“科技金融”一词在20世纪90年代被提出，但有关金融支持和科技创新的实证研究是从近年才受到关注的。
7、从全国角度来看，王海和叶元煦（2003）利用经过层次分析法（AHP）加权后的评价指标体系和模型对科技金融结合效益进行了实证分析。田霖（2005）选取31个地区作为样本，运用主成分和因子分析法对各个区域的金融成长状况进行计量分析研究，通过分析得出科技对区域金融综合竞争力的解释力和贡献率很高，起着决定性作用。马卫刚（2014）运用DEA和Malmquist指数对20072012年我国科技与金融结合效益进行静态和动态分析，发现金融资源配置下降是引起科技金融结合效益呈现负增长的主要原因。 从各地区角度来看，杨丽萍和赵兵（2010）采用数据包络分析方法（DEA）对全国各地区金融投入与科技产出的效益进行评
8、价，并发现金融投入和科技产出结构不协调是造成广东科技金融结合效率低的主要原因。吕江林等（2012）利用DEA方法对中部地区6省份和东部地区发达省市的金融投入与科技产出的效率进行分析，结果表明中部地区已形成崛起之势。华玉燕（2013）运用DEA方法对安徽省科技金融结合效率进行评价，结果表明单纯依靠扩大金融投入难以提高科技产出，应优化科技金融内部结构，使金融投入与科技产出协调发展。陈凯（2013）利用AHP方法对江苏省科技金融结合的效益进行评价，结果发现由于金融资本投入的低效率导致对科技产出的助推作用没有得到完全发挥，二者的结合效率不高。陈军梅（2014）利用Malmquist指数方法对宁夏科技金
9、融结合效率进行评价，结果显示宁夏科技金融结合整体效率不高，金融投入与科技产出处于非均衡状态，资源没有实现最优配置。 综上所述，根据现有文献来看，国外学者主要就某种金融对科技创新的影响进行研究，国内学者也有相应的研究。但我国目前仍然是一个发展中国家，为科技创新提供的金融资源是有限的，那么如何提高我国金融支持科技创新的效率就是一个值得研究的课题。而国内关于这方面的研究还不足，并且相关学者主要采用传统DEA模型对各地区的金融支持科技创新的效率进行实证研究。虽然已有的研究都具有针对性，但缺少全面的金融支持科技创新的资源配置分析。本文将采用超效率DEA对20062012年我国30个省、自治区和直辖市的金
10、融投入和科技产出的效率进行静态评价分析，并采用Malmquist指数方法研究我国科技金融效率的动态演变以及对三大区域的科技金融效率的差异进行分析，为促进我国金融有效支持科技发展提供参考。 三、研究理论与方法 （一）模型选取 1. 超效率DEA模型。超效率数据包络分析模型（Super Efficiency DEA，SE-DEA）是由安德森和彼得森（Andersen和Petersen，1993）根据传统DEA模型所提出的新模型，其基本思想是：在对该决策单元进行效率评价时，将其排除在决策单元的参考集之外。经典DEA模型如CCR模型和BCC模型只能区别出有效率与无效率的决策单元，无法进行比较和排序。而
11、SE-DEA模型与CCR模型的不同之处在于评价某个决策单元时将其排除在决策单元集之外，这样SE-DEA模型将经典DEA模型中有效的决策单元（效率评价值为1）在生产前沿面进行了重新计算推移，使得最终计算出来的效率评价值大于经典CCR模型的效率值，即允许效率值大于1；而对于DEA无效的决策单元（效率评价值小于1），其生产前沿面并没有发生改变，这与CCR模型的评价结果一致。因此，SE-DEA模型能区分DEA有效的决策单元之间的差异，从而对各决策单元进行有效的比较和排序。其表达式为： Min-（i=1ms-i+r=1ss+r）s.t.j=1jj0nxijj+s-i=xij0 i=1，2，mj=1jj0
12、nyrjj-s+r=yrj0 r=1，2，sj0， j=1，2，ns-i0，s+r0 （1） 其中，为第j0个决策单元的超效率值；为非阿基米德无穷小量；n为决策单元（DMU）个数，每个决策单元均包括m个输入变量和s个输出变量；s-i，s+r分别为输入和输出的松弛变量；xij表示第j个决策单元在第i个输入（投入）指标上的值；yrj表示第j个决策单元在第r个输出（产出）指标上的值；j为输入输出指标的权重系数；，j，s-i，s+r为未知参数，可由模型求解。 2. Malmquist指数模型。Malmquist指数模型是瑞典的经济学家、统计学家曼奎斯特（Malmquist）在1953年分析消费过程中提
13、出来的。凯夫斯等（Caves等，1982）受其启发，通过距离函数之比构造了生产率指数。法尔等（Fare等，1994）采用Caves等人的研究思路，在多投入产出的条件下结合DEA方法，建立了具有实际意义的生产率变化的Malmquist指数。 根据法尔等的方法，我们以每个省作为一个决策单元，把每个省金融投入与科技产出的效率同前沿面进行比较，以此来对各个省的金融支持科技创新的效率变化进行测量。那么，从t时期到t+1时期的Malmquist指数分别表示为： Mt=Dt（xt，yt）Dt（xt+1，yt+1） Mt+1=Dt+1（xt，yt）Dt+1（xt+1，yt+1） （2） 其中（xt，yt）和（
14、xt+1，yt+1）分别为决策单元在t期和t+1期的投入产出向量，Dt（xt，yt）和Dt（xt+1，yt+1）则分别表示t期和t+1期的决策单元与效率前沿面的距离。 为了避免时期选择的随意性可能导致的差异，法尔等人对不同时期技术条件下的两个Malmquist指数采取几何平均值，测算出效率的变化值，见下式： M（yt+1，xt+1，yt，xt）=Dt（xt，yt）Dt（xt+1，yt+1）Dt+1（xt，yt）Dt+1（xt+1，yt+1）（3） 在规模报酬不变的假设下，Malmquist指数（TFP）可以进一步分解为技术效率变化指数（Technical Efficiency Change，E
15、ffch）和技术进步变化指数（Technical change，Tech）的乘积，见式（4）和式（5）： M（yt+1，xt+1，yt，xt）=EffchTech=Dt（xt，yt）Dt+1（xt+1，yt+1）Dt+1（xt+1，yt+1）Dt（xt+1，yt+1）Dt+1（xt，yt）Dt+1（xt，yt） （4） 而在规模报酬可变的假设下，技术效率变化（Effch）可以进一步分解为纯技术效率变化（Pure Technical Efficiency Change，Pech）和规模效率变化（Scale Efficiency Change，Sech）的乘积，见式（5）： TFP=EffchTe
16、ch=（PechSech）Tech （5） 上式（5）中，左边是Malmquist指数，该指标若大于1，则表明金融投入与科技产出的效率上升；若小于1，则降低。右边第一项是纯技术效率指数，表示在科技金融的规模经济不变的条件下的金融投入在科技产出中的作用与前沿面的距离，该指标可能大于1、小于1或等于1，分别表示金融投入在科技产出中的作用有所提高、降低和无变化；第二项是规模效率指数，表明科技金融达到规模经济的可能性；最后一项是技术进步指数，反映金融创新对科技产出的效率大小，该指数大于1表示起到进步作用，等于1表示无作用，小于1则为退步。 （二）变量的选取 金融支持科技创新的效率评价指标必须真实反映金融投入与科
