基于PLS-SEM模型的區域科技金融發展評價研究

□陳建麗

一、引言

技術創新是改變傳統經濟增長方式、推動經濟發展的重要途徑。由于技術創新具有高投入、高風險的特點，而高新技術企業又往往存在抵押物不足、信用狀況不易評價、信息不對稱等共性特點，企業技術創新的融資問題一直非常突出。如何建立健全科技金融體系，拓寬企業技術創新融資渠道，有效助力技術創新，已經成為政府、學界和業界持續關注的熱點問題。自2006年《國家中長期科學和技術發展規劃綱要(2006—2020年)》及其配套政策首次明確科技金融發展的主要政策方向以來，國家及地方均出臺了一系列的政策措施構建多元化、多渠道的科技創新投入體系，不斷構建、完善金融和科技創新的結合機制。經過近些年的發展，各地區科技金融發展狀況如何，科技金融體系各參與主體的地位和作用如何，地區間科技金融發展水平存在何種程度的差異，對這些問題的系統研究和客觀評價對當前我國科技金融政策及實踐的優化完善具有重要的參考意義。

在科技金融發展綜合評價方面，當前多數的研究采用構建指數體系的方法進行。如趙昌文(2009)[1]從創業風險投資、科技貸款、科技資本市場、科技保險、研究發展及科技環境六個方面構建科技金融發展指數體系。曹顥等(2011)[2]從科技和金融融合的視角構建了科技金融資源指數、科技金融經費指數、科技金融產出指數和科技金融貸款指數指標體系，研究發現：2001～2008年我國科技經費指數呈現逐年上升趨勢，但科技金融產出指數呈現下降趨勢，科技貸款也沒有得到根本性改觀。而黃德春等(2013)[3]從科技型企業成長支撐視角下應用復合熵權法構建科技金融發展指數，研究結果表明：2004～2010年我國對科技金融發展總體處于上升趨勢，但結構失衡問題明顯。也有學者從統計角度構建指標體系進行探討，如張建平等(2014)[4]從金融體系對科技的資金支持角度構建衡量科技金融發展狀況的統計指標體系。

由現有文獻可見，鑒于我國尚未有專門的、統一的科技金融統計體系，當前對科技金融發展評價還沒有形成系統的、一致的評價指標體系，并且當前對科技金融評價研究所采用的評價方法在處理評價指標間多重共線性及權重設置方面存在不足。因此，本文從金融體系對企業技術創新活動的資金支持角度構建區域科技金融發展指標體系，利用偏最小二乘結構方程(PLS-SEM)模型對區域科技金融發展水平進行綜合評價。

二、PLS-SEM模型介紹

結構方程模型(SEM)是結合因子分析與路徑分析兩種統計分析技術，反映觀測變量與潛變量之間關系的一種統計方法。近年來，部分學者也將該方法引入績效評價研究中[5～6]。目前，SEM模型主要包括基于協方差矩陣分析的ML-SEM方法和基于偏最小二乘估計的PLS-SEM方法。其中，PLS-SEM方法在對數據的正態性、樣本容量以及模型的識別條件等方面相對于ML-SEM方法要求相對寬松。因此，本文采用PLS-SEM模型對區域科技金融發展水平進行評價。

三、基于PLS-SEM模型的區域科技金融發展評價分析

(一)區域科技金融發展評價指標體系構建。目前，國內學術界對科技金融的定義尚未統一。趙昌文(2009)認為“科技金融體系是由為科技創新活動提供金融資源的企業、金融市場、政府和社會中介機構等各種主體，以及在科技創新活動中的行為活動共同組成的一個體系”。而洪銀興(2011)[7]認為“科技金融是金融資本以科技創新尤其是以創新成果孵化為新技術并創新科技企業和推進高新技術產業化為內容的金融活動”。本文從區域金融體系對科技型企業技術創新活動的資金支持角度，將科技金融定義為向企業技術研發、技術成果轉化及產業化等一系列技術創新活動提供資金支持的政府、銀行、非銀行金融機構和社會中介機構等構成的支持體系。由于社會中介機構科技金融投入數據難以獲得，因此，本文從科技信貸、科技資本市場、風險投資和政府支持四個方面構建區域科技金融發展指標體系。

1.科技信貸支持(ST_Bank)。由于當前缺乏對區域科技信貸的專題統計，本文用各省(市)R&D經費內部支出中金融機構貸款(R&Dloan)，高技術產業R&D經費內部支出中金融機構貸款(htR&Dloan)和中長期貸款余額(mlloan)3個觀測變量來近似反映。其中，R&D經費內部支出中金融機構貸款數據用研發經費內部支出減掉政府資金、企業資金和境外資金后剩余部分代替，數據均來自《中國科技統計年鑒》和《中國高技術產業統計年鑒》。選擇中長期貸款作為一個測量變量，是因為考慮到科技創新活動本身周期較長，需要長期投入的資金支持，中長期貸款更能穩定支持創新主體持續進行創新[8]，相關數據來源于Wind資訊中國宏觀數據。

2.科技資本市場支持(STC_Market)?？萍假Y本市場支持包括科技企業股票市場融資額(ststockc)和科技企業債券市場融資額(stbondc)。股票市場融資額包括在上海證券交易所和深圳證券交易所公開上市的科技型上市公司通過首發、定向增發、公開增發、配股及可轉債發行募集資金的總和?？萍夹蜕鲜泄镜暮Y選借鑒李希義等(2008)的篩選方法，數據來源于Wind資訊?？萍夹推髽I債券市場融資額由于數據可得性限制，用所屬行業為Wind航空航天與國防III、電氣設備、醫療保健、信息技術的上市公司的信用債融資額近似替代，數據來源于Wind資訊信用債研究。

3.風險投資支持(Ven_Capital)。風險投資支持包括創業風險投資管理資本總額(vcmfund)和創業風險投資額(venc)兩個觀測變量。其中風險投資機構管理資本總額數據來源于《中國創業風險投資發展報告》，部分缺失數據通過前后年份的數據估算獲得。創業風險投資額以各地區PE/VC的投資額來替代，數據來源于Wind資訊中國PEVC庫。

4.政府支持(Gov_Sub)。政府支持的觀測變量選擇政府R&D資金(R&Dgov)和財政科技投入(fest)兩個指標，其中政府R&D資金以規模以上工業企業R&D經費內部支出中政府資金替代，數據來源于《中國科技統計年鑒》；財政科技投入用地區公共財政支出中的科學技術支出替代，數據來源于《中國統計年鑒》。

本文以我國高技術產業2009～2016年30個省(市)面板數據為研究樣本(不含港、澳、臺及西藏自治區)。最終，本文共獲得240個研究樣本，該樣本滿足PLS-SEM對樣本量的要求，并且樣本同時考慮了變量在橫截面和時間序列上的變異，有利于獲得穩定的參數估計。

(二)PLS-SEM模型檢驗與參數估計。本文采用SmartPLS3.0軟件中的Bootstrap算法進行PLS-SEM模型假設檢驗和路徑分析。PLS-SEM模型主要根據平均變異數萃取量(AVE)和組合信度(CR)來對模型進行信度和效度檢驗。本文中所有潛變量的AVE的值都大于0.6，滿足大于0.5的判斷標準。即所有潛變量通過內斂效度的檢驗，可以認為外部模型的潛變量可以較好地預測對應的觀測變量。另外，組合信度CR的值都超過了0.75，滿足所有潛變量的組合信度的最小值大于0.7[9]的要求，Cronbach的值除了潛變量Ven_Capital之外也都大于0.7。并且評價指標體系中四個潛變量對應的測量變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。因此可以認為每一組觀測變量可以用一個潛變量來表示，滿足潛變量單維性的要求。

表1 PLS-SEM模型檢驗結果

根據SmartPLS3.0的估計結果，如圖1所示，每個測量變量都有較高的外部載荷，且基于bootstrap抽樣(2,000次)的T檢驗表明，所有測量變量的外部權重在0.01的顯著性水平下都是顯著的，說明測量變量和對應的潛變量之間具有較高的關聯程度，潛變量較好地概括了各測量變量所蘊含的信息。PLS-SEM模型的路徑系數估計值也在0.01的顯著性水平下顯著，說明本文中模型路徑結構關系的設計較為合理。

圖1 區域科技金融發展評價PLS-SEM路徑圖

由圖1可知，科技信貸、科技資本市場、風險投資和政府支持對地區科技金融發展影響的路徑系數分別為0.382、0.234、0.205、0.274，且bootstrap檢驗顯示都在0.05的顯著性水平下顯著。這說明當前區域科技金融支持體系已初步形成，金融機構、資本市場、風險投資、政府支持等不同來源的資金對區域科技金融發展都起到了重要的推動作用，形成了多種金融業態和相應金融機構相互補充的科技金融支持體系。由路徑系數可看出，受以銀行等金融機構為主體的區域金融體系影響，金融機構科技貸款是我國創新融資的中堅力量，在區域科技金融發展體系中占據主導地位。但銀行機構承擔了科技信貸投入的高風險，難以享受到科技型企業成長帶來的收益，科技貸款的運作方式有待優化完善。政府支持是公共科技金融主要的提供主體，特別是在科技創新研發階段，政府是非常重要的外部投資來源，也是區域科技金融支持體系的重要組成部分。國內外實踐也表明，推動科技金融發展，破解科技型中小企業融資難問題，離不開政府的大力支持。政府支持和市場推動相結合的發展模式是現階段推動科技金融發展的最有效手段[10]。當然，政府財政資金主要采取直接無償撥款、財政貼息的形式，通過市場化運作等間接支持占比偏低，財政科技投入的放大效應仍有待提高。

(三)區域科技金融發展水平評價分析。由圖2可知2009～2016年各地區科技金融發展水平整體呈上升趨勢。從各省(市)科技金融發展平均水平來看，北京、廣東、江蘇、上海、浙江、山東等省(市)科技金融發展水平位居前6位，而新疆、甘肅、海南、寧夏、青海等省份科技金融發展水較低。借助SAS9.21軟件對30個省(市)2009～2016年科技金融發展水平按照Ward法進行系統聚類分析，聚類分析結果表明，北京、廣東、江蘇、上海占據第一、二類，其科技金融發展平均水平遠高于其他省市。湖北、陜西、四川雖然位居中西部地區，風險投資和科技資本市場發展相對落后，但是銀行科技貸款和政府財政支持力度相對較高。因此，這三個省份和浙江、山東、遼寧三個沿海省份共處于第三類。其它中西部地區省份科技金融發展水平都相對較低，處于第四、第五類。以上都表明，我國區域科技金融發展很不平衡，科技金融發展水平較高地區主要集中在東部沿海地區，而中西部地區科技金融發展水平總體較低。另外，地區間科技金融發展水平的標準差逐年增大，由2009年的0.57增大到2016年的1.22，地區之間科技金融發展水平不均衡程度越來越大。

圖2 2009～2016年區域科技金融發展趨勢

類別東部中部西部均值第一類北京3.57第二類廣東、江蘇、上海1.62第三類浙江、山東、遼寧湖北陜西、四川0.15第四類天津、福建、湖南、河北安徽、黑龍江、河南-0.27第五類海南江西、山西、吉林甘肅、貴州、云南、重慶、新疆、內蒙古、廣西、寧夏、青海-0.57

雖然當前我國正積極推進科技金融發展，國家及地方政府制定了一系列政策措施促進科技與金融的融合，但地區之間發展差異較大?？萍冀鹑诎l展水平和地區經濟發展水平及金融發展水平緊密相關?？萍夹刨J、風險投資、資本市場融資和地方財政支出等各方面東部地區都顯著高于中西部地區。

四、結語

本文從區域金融體系對企業技術創新活動的資金支持角度構建區域科技金融發展指標體系，嘗試利用基于PLS方法的結構方程模型對我國30個省(市)科技金融發展水平進行了綜合評價。研究結果表明：第一，科技信貸和政府支持在區域科技金融發展體系中占據主導地位，是科技創新的重要外部融資來源，科技資本市場和風險投資的地位總體有待進一步提升。第二，區域科技金融發展水平與地區經濟和金融發展水平緊密相關。東部沿海地區科技金融發展水平普遍較高，而中西部地區除了湖北、陜西、四川相對較高外，其它地區科技金融發展水平都比較落后。第三，2009～2016年我國科技金融發展水平整體呈上升趨勢，但區域差異較大，且有不斷擴大趨勢。

針對區域科技金融發展過程中存在的問題，需進一步建立健全科技和金融的結合機制，積極推動科技金融的區域合作，加大政府政策支持，促進中西部地區科技金融發展。中西部地區省份要積極營造開放、服務型的科技金融環境，吸引發達地區的金融資源支持本地區科技型企業的創新、發展。同時，要對中西部地區科技銀行設立、新三板擴容、資本市場培育、政府引導基金設立等給予適度的政策傾斜。支持各類金融機構針對企業技術創新金融需求進行金融產品、工具的創新和開發，打造“科技+產業+區域+金融”有機融合的科技金融服務模式。