基于DEA模型的京津冀科技與金融結合效率研究

韓光輝, 劉攀攀, 張躍強

(河北工程大學 管理工程與商學院,河北 邯鄲 056038)

在現代經濟背景下,科技與金融的融合已經成為促進社會經濟發展和社會進步的核心動力,科技是生產發展的第一動力,而科技與金融是推動我國社會生產力發展的兩大活躍性因素?？萍冀鹑诘陌l展得到國家的大力支持,黨的十八大以來,國家更加重視科技與金融的進步與發展?？茖W技術帶動中國宏觀經濟的高速成長,但科技成長的同時離不開金融行業的支撐,金融和科技的融合是中國宏觀經濟成長的基礎和前提。本文針對京津冀快速發展的科技與金融融合機制展開研究,從2014年國務院把京津冀地區協調發展提高至重要政策層次開始,京津冀地區已經成為中國最有潛力的區域經濟體之一,與長三角、珠三角形成了三大區域經濟體。

一、文獻綜述

國外學者重點圍繞金融創新和科技發展之間的相互作用,金融發展將對科技創新具有良好的促進效果等方面進行研究。Chowdhury(2012)[1]對數據包絡分析法開展了基礎理論與應用研究;Alessandra(2008)、Liao et al(2010)[2-3]從理論與實證兩個角度探討了金融機構資產結構與公司的資金比重、公司對外資金取得的困難性、證券市場融資結構和銀行信貸在公司技術創新投入中的占比及其與技術發展的正相關性,研究結果表明,在發達國家或發展中國家,上述因素都與公司技術發展效率存在顯著正相關性,促進作用顯著;Kounetas等(2018)[4]采用DEA模型框架作為第一階段,并使用偏最小二乘模型作為第二階段,用于解釋EMU實施前后整個時期和兩個不同時間范圍內意大利地區之間的異質性,研究結果表明在模型中列入與國際貿易業績有關的變量,貿易對改善區域業績至關重要;Hosinzadeh等(2021)[5]采用數據包絡分析(DEA)衡量2007—2018年期間德黑蘭交易所的93家公司動態競爭力和權責發生制的質量,研究結果表明,隨著動態競爭力的發展,公司將更有能力在競爭激烈的市場水平上創造更多可持續的資源,從而提高公司財務報告的質量。

國內對科技與金融領域的研究主要側重于分析科技與金融領域的融合度與結合效果。喬宏等(2016)[6]根據河北省內科技與金融結合效果總體較差的現象,給出了大力吸引相關人員投資的意見;張遠為(2021)[7]通過BCC模型和Malmquist指數的方式對湖北省科技與金融效率進行了研究,得出結果表明,科技與金融綜合技術效率的不斷提升主要源自于純技術效率的提高;常亮等(2019)[8]通過采用DEA—Tobit模型對陜西省200多家企業為主要考察對象,研究結果表明, 地方政府對國家財政科技投資、科技融資市場支持,以及公司的組建年限對地方民營企業科技創新效果產生顯著的正向影響;葉胡等(2012)[9]以國內28個省市地區指標數據作為樣本,并采用集中決策環境下的兩階段DEA模型對科技金融進行績效評估;王健(2018)[10]選取國內30多個省(區、市)作為決策單元,并采用DEA-Malmquist指數模型對科技與金融結合效率進行評估,結果表明,我國科技與金融結合效率呈現波動增長態勢,提出了優化科技投融資體系,構建新型科技與金融服務平臺的建議。

二、研究設計

(一)數據包絡分析(DEA)方法介紹

美國運籌學家A.Charnes和W.W.Cooper(1978)在總結其“相對效率”觀點基礎上創建的數據包絡分析方法(Data Envelopment Analysis,DEA),是一種針對具有同一目標性質下的多個決策目標單元所進行多指標的投資輸入與多指標投資輸出之間的一個相對效率分析或相對有效性的評估過程的一種綜合性的計量分析方法,DEA方法是創建在相對效率和數學規劃模型的基礎上對研究目標的績效進行分析或評價。與其他評價科技與金融結合效率的方法相比,DEA方法有其獨特的特點:一方面由于DEA評估方法并不要求提前考慮到各決策指標之間的權重問題以及確定各決策指標的投資和實際產出數據之間存在的生產函數關系,在對每個決策指標單元數據進行綜合評估分析時,只要求確認其投資數據和實際產出的數據都是完全建立在一個生產函數模型前沿來確定各決策指標單元數據是否真實合理,減少進行大量復雜的人工運算,消除函數模型設置中產生誤差等的各種主觀影響因素,提高評估分析結論數據的客觀性。另一方面DEA模型在分析計算決策數據單位帶來的決策績效問題時并非一定要顧及到不同決策數據單位差異所造成績效的影響,DEA模型不僅能對各個決策單元進行評價分析,又能找出最佳決策單元和非有效的決策單元進行比較,從而找出不足之處,為以后增強效率提供了最佳方法。與其他數學模型相比,DEA模型更適合科技金融結合效率的分析。

(二)DEA模型

在對京津冀地區科技與金融結合效率進行研究時,本文選取的是DEA方法中的兩種經典模型CCR模型和BCC模型。

CCR模型是屬于DEA模型中采用的最為有基礎性的一種決策模型,該決策模型主要是在假定單位規模報酬條件保持不變的情形下,對決策單元所有的金融投入和科技產出進行線性組合,所測算出來的線性組合的比率可以作為一個決策單元的一個總體的綜合產出效率,以便于對決策單元進行有效性的分析,總體的綜合產出效率分析不全面,但卻可以用來分析決策單元規模報酬和技術進步對效益帶來的直接影響,并因此可以用來對所有的決策單元的非有效性作出分析,對決策者提供了很好的參考價值。

BCC模型是可變規模報酬模型,是在CCR模型基礎上發展提出來的,但CCR模型存在一定的缺陷,無法正確分析決策單元的弱效率究竟是因何產生的,BCC模型的提出修正了這一缺陷,在不同規模報酬條件變化的情形下,可以確定決策單元的規模效益和純技術效益,從而分析決策單元在無效狀態下有多大程度是純技術效益造成的。CCR和BCC得分與決策單元整體效率之間的關系如表1所示。

(三)數據來源

本文所選擇的樣本數據為2005—2019年北京市、天津市和河北省的數據,由于科技產出在時限上并不與金融投入相一致,通常存在一定的滯后性,本文在參考其他學者研究成果的基礎上,假定滯后期為一年,因此在采集數據時,使產出的指標滯后投入指標一年,數據年份為2005—2020年,數據來自于《中國統計年鑒》《中國科技統計年鑒》《北京市統計年鑒》《天津市統計年鑒》以及《河北省統計年鑒》?？萍寂c金融結合效率指標體系如表2所示。

表2 科技與金融結合效率指標體系

三、實證結果分析

針對本文所選數據,運用DEAP 2.1軟件系統實現計算,選擇以投入指標為主導型進行績效研究,根據投入指標數據已定下計算產出最大值,對2019年北京、天津和河北科技與金融結合效率進行研究分析,計算結果如表3—表6所示。

表3 2019年京津冀科技與金融結合效率結果

表4 2005—2019年北京市金融投入與科技產出結合效率結果

表5 2005—2019年北京市科技與金融投入產出冗余值

(一)科技金融結合效率結果分析

基于表3模型求算結果,可以得出2019年北京市、天津市、河北省科技與金融結合整體綜合效率為1,處于有效狀態,表明京津冀三個地區在2019年金融投入完全轉化為科技產出。根據BCC模型結果分析,2019年京津冀三個地區科技與金融的純技術效率均為1,規模效率也均為1,表明京津冀三地在2019年科技與金融資源配置合理,科技與金融取得了豐碩的成果,同時京津冀三個地區規模報酬均處于規模報酬不變的情況。所以未來京津冀三地在金融投入與科技產出的資源配置繼續保持。

(二)北京市模型結果分析

1.CCR模型結果分析

從表4的數據計算結果可以得到,在2005—2019年總共十五年中,北京市的科技與金融結合績效中的CCR得分僅有六年得分為1,金融投入與科技產出效率處于合理有效,分別為:2006、2015—2019年。表明在這六年金融投入與科技產出的效率比較高,在一定條件下達到了最大產出,投入產出均衡,資源配置合理。而2005年、2007—2014年的CCR得分均小于1,特別是2009、2010、2011年這三年的CCR小于0.9,科技與金融結合處于DEA模型非有效狀況,表明這三年資源配置方面技術和規模出現一定問題,其余年份的CCR都在0.9～1之間,處于相對有效狀態,特別注意的是從2011—2019年,整體綜合效率從非有效狀態到相對有效再到有效狀態出現明顯的提高,表明政府部門需要采取一定的措施去調整,科技金融結合效率才會達到均衡。

2.BCC模型結果分析

從表4的數值計算結果可以看出,從2005—2019年總共十五年間,北京市總體上純技術效率都保持在合理狀態,可以看出這十五年中北京市對金融投入和科技產出比較穩定。在這十五年中科技與金融結合效率BCC得分為1的年份分別為:2005—2006年、2015—2019年,說明在這七年純技術效率已經達到了有效階段,金融投入較好轉化為科技產出,達到了有效作用,一種是已定的投入下達到了產出最大化,另一種是已定的產出下達到了最小化的投入。剩下的八年都保持相對合理水平,只需要略微調整便可達到合理有效水平,投入與產出達到平衡。當純技術效率為非合理有效時,可能由于資源配置不當,因此出現投入冗余或者產出不足的情況,表5是2005—2019年北京市科技與金融投入產出冗余值。北京市在2007—2014年各項金融投入都偏多,而相應的科技產出均不足,因此在控制金融投入的同時也要加大技術的創新,進一步提升技術水平和科研能力,以便使金融投入與科技產出達到均衡。

3.規模有效性結果分析

規模效率是通過CCR與BCC得分的比值運算得到,規模效率可以反映出當分析決策單元處于非有效階段后,有多大程度是由于規模失效造成的。根據表4計算結果得出,2005—2019共十五年中,總計有七年規模效率處于合理有效水平,分別是2006—2007年、2015—2019年,這七年規模效率值均為1,說明這七年北京市金融投入與科技產出比較平衡,投入規模合理。而剩余年份的規模效率值均在0.9～0.1之間,并沒有達到有效狀態,說明這八年北京市科技金融投入規模不大,在既定規模投入下沒有完全轉化為科技產出。2005、2008—2012、2014這七年規模報酬均處在遞增階段,但此時的投資規模效率并未到達合理階段,表明了科技產量的增加速度超過了技術投資的增加速度,所以在這幾年中適當擴大投入規模以增加產量,2013年規模報酬處于遞減階段,表明技術投資的增加速度超過了技術產量的增加速度,表明北京市過多的金融投入并不能提升科技產出的效率。

(三)天津市模型結果分析

1.CCR模型結果分析

從表5的數據計算結果可以得出,在2005—2019年總共十五年中,天津市科技與金融結合效率CCR得分為1僅有2005年和2019年,表明這兩年的科技投入達到了最大產出,整體綜合效率處于有效狀態,資源配置較好,投入產出均衡。2006—2018年的CCR得分均小于1,而只有2006年、2012年、2017年這三年的CCR得分在0.9～0.1之間,整體效率處于相對有效狀態,科技部門只需要稍微采取適當措施便可達到有效狀態。而2007—2011年、2013—2016年、2018年CCR得分均小于0.9,整體綜合效率處于非有效狀態,表明這十年政府部門沒有重視規模和技術方面的問題,導致這十年金融投入沒有很好地轉化為科技產出,因此需要政府部門高度重視,并提出相應措施去完善,以便以后投入產出達到均衡。

2.BCC模型結果分析

由表6的數值計算可以得出,在2005—2019年總共十五年中,天津市科技與金融效率實現有效狀態僅有六年BCC得分為1,依次為2005年、2012—2015年和2019年,說明這六年投入產出均達到了有效性,而剩余年份的BCC得分均低于1,2006年、2017年這兩年的BCC得分在0.9～1之間,純技術效率處于相對有效狀態,只需稍加調節便能實現有效狀態,投入與產出均達到了平衡,而其余年份科技金融BCC模型評分均低于0.9,純技術效率均處于非有效狀況,在既定投資下不能實現最高產出或在最高產出下不能達到最少投入,資源配置均不合理,從而產生了投入冗余或者產出不足的狀況,表7是2005—2019年天津市科技與金融投入產出冗余值。天津市在2007—2011年、2016年、2018年各項金融投入都偏多,而相應的科技產出均不足,因此在控制金融投入的同時也要加大技術的創新,進一步提升技術水平和科研能力,以便使金融投入與科技產出達到均衡。

表6 2005—2019年天津市金融投入與科技產出結合效率結果

表7 2005—2019年天津市科技與金融投入產出冗余值

3.規模有效性結果分析

從表6規模效率結果來看,在2005—2019年中天津市僅有兩年的規模效率得分為1,分別是2005年和2019年,表明在這兩年間天津市規模效益均處在有效合理狀況,科技與金融投資規模合理,金融投入與科技產出比較平衡,可以實現在最小投資下既定下的最大生產率,但其他年度規模效率得分都低于1,科技與金融效率均處于非合理狀況,而2006—2009年規模報酬階段均處在遞增態勢,表明2006—2009年中天津的技術生產增長速度要超過金融投資的增長速度,所以天津適當擴大了其金融投資規模。2010—2018年規模報酬處于遞減階段,天津市在這期間的綜合整體效率沒有達到有效狀態的原因主要是其規模和金融投入與科技產出沒有達到最佳匹配,表明2010—2018年天津市為了提高科技產出的效率并不能僅依靠金融投入。

(四)河北省模型結果分析

1.CCR模型結果分析

從表8的數值計算結果可以看出,從2005—2019年總共十五年中,河北省僅有在2015年、2018年、2019年這三年整體綜合效率保持了有效狀態,在不考慮投資規模報酬不變的情形下CCR得分均為1,表明這三年間河北省科技與金融結合效率比較好,金融投入與科技產出資源配置比實現了最優化。在2005—2014年、2016年以及2017年CCR得分均低于1,并且只有2016年和2017年CCR得分在0.9～1之間,整體綜合效率都處在相對有效狀態,而其他年度的CCR得分均低于0.9,金融投入與科技產出結合效率都處在非有效合理狀態,表明這五年的規模和技術方面出現了問題。

2.BCC模型結果分析

從表8的數值計算結果可以看出,在2005—2019年共計十五年間中,有2005年、2015—2016年、2018—2019年科技金融效率達到有效狀況且BCC得分均為1,投入與產出實現了平衡,說明這五年的純技術效率是有效合理的,而2006—2008年、2014年、2017年BCC得分均處于0.9～1之間,說明這五年金融投入或者科技產出均不足,僅需要略微調節便可達到合理高效,其他各年的純科技效益均低于0.9,屬于非合理狀況,資源配置也不合理,從而導致了投入與產出的冗余,表9顯示2005—2019年河北省科技與金融投入產出冗余值,可以看出在2006—2014年、2017年產出不足,且金融投入較多出現了冗余,應適當減少盲目的投入,提高創新使科技產出達到最大化。

表8 2005—2019年河北省金融投入與科技產出結合效率結果

3.規模有效性結果分析

從表8的數值計算可以得出,河北省在2015年、2018—2019年規模效率得分為1,規模效率達到了有效狀態,并且這三年間在考慮規模收益問題時的純技術效率得分為1,而整體綜合效率得分也為1,說明這三年間河北省金融投入與科技產出均達到了平衡狀況,科技與金融結合完善,實現了技術高效,完成最小投入下既定下的產出。2005—2017年規模效率評分均低于1,所有科技與金融都處在非有效狀態,并且其整體綜合效率和純技術效率評分也均低于1,因此金融投入并不能全部轉化為科技產出,在這十二年里河北省的科技與金融規模報酬階段都是處于遞增態勢,科技產出生產速度要高于金融投入的增長速度,所以河北省應注重擴大高新技術產品生產規模,以提升科技金融結合效率。

四、結論與建議

(一)結論

本文通過運用數據包絡分析方法,首先是對京津冀的科技與金融結合效率進行綜合研究分析,得出在2019年北京市、天津市和河北省科技與金融的總體效率處于有效狀態,資源配置合理,金融投入與科技產出達到了平衡狀態;其次分別對北京市、天津市、河北省在2005—2019年共十五年間的科技金融效率做出分析評價,綜上所述,這三個地區科技金融投入產出有待進一步提質增效,規模收益存在一定的不足。

(二)建議

1.創新金融投入方式

資金投入與科技產出保持一個相對穩定的比例,特別是針對提升地方科學技術創新能力,要進一步增加財政投入的強度,發揮地方政府部門的導向功能,在出臺有關政策措施時,給予科技產業更多的支持和優惠政策,針對不同的科技部門制定不同的政策,以便使科技部門更好地創新。

2.大力培育和引進高素質人才

積極培育高水平的科技創新型拔尖人才和金融人才,充分利用地方政府引進人才的人事政策留住海內外優秀人才,強化區域協作,積極推進新科技建設,逐步實現繼續教育科技化、制度化、規范化,科研產出的不足,歸根還是因為創新技術和高層次人才培養的缺乏,所以必須要培養自己的科技型人才。

3.不斷完善金融服務體系

京津冀經濟發展一體化,應建立健全綜合金融服務中心,創新發展新的金融模式,結合中小科技企業的特點和發展規律,提高京津冀聯合協同的作用,促進中小科技企業與金融企業高度融合。大力鼓勵優秀企業來京津冀發展,不斷拓展融資渠道,推動科技部門不斷創新,促進科技資源與金融資源有效結合。