基干DEA―Tobit模型科技金融结合效率实证探析.docVIP

基于DEA―Tobit模型的科技金融结合效率实证分析 　　摘 要：科技金融结合效率对科技成果转化有重要影响，而DEA-Tobit模型有助于评价科技金融结合效率和分析其影响因素。本文运用该研究方法，采用2005―2014年河南省18个地市科技金融的有关数据，对其科技金融结合效率进行了实证研究。结果表明：10年来河南省科技金融结合效率呈现先上升后下降的趋势，并且具有明显的地区差异；科技金融结合效率相对较高的地市应重视规模效率的提高，结合效率相对较低的地市应加大科技金融投入力度；科技拨款与科技金融结合效率呈显著负相关，金融市场规模、高技术企业整体规模与科技金融结合效率呈显著正相关，但是金融市场效率与科技金融结合效率呈不显著正相关关系，并且金融市场结构与科技金融结合效率呈不显著负相关关系 关键词：科技金融；结合效率；DEA-Tobit模型；影响因素分析 中图分类号：F830 文献标识码：A 文章编号：1674-2265（2015）09-0036-05 一、引言 科技与金融是经济社会价值创造的两个重要领域，而科技金融结合效率对科技成果转化速度和效率有极大的影响。因此，科技与金融的发展不能仅追求科技资源和金融资本的绝对投入量，而应该足够重视科技与金融的结合效率。关于科技与金融结合效率的探索，国内有关学者做了大量研究，近年来有部分学者运用层次分析法（AHP）、数据包络分析法（DEA）对我国金融投入与科技产出的效率进行比较研究；还有部分学者基于面板数据，运用随机前沿距离函数模型、面板向量自回归模型全面分析了我国金融与科技的互动关系；也有学者研究科技金融结合效率的东部沿海发达城市、中部地区或者西部地区的地区差异。但是目前有关科技金融的研究大都侧重于宏观分析，针对省市区域的实证检验较少，而且很多研究仅仅侧重于科技金融结合效率的评价和对比，对于其影响因素的分析尚未涉及 河南省作为中原经济区发展规划的核心区域，在各方的大力支持下，科技金融工作有序开展，虽然在科技金融结合手段创新和营造良好的外部环境方面取得了一定的成绩，但仍然存在不少的问题。本文在借助有关学者已有的研究基础上，对区域科技金融结合效率进行实证分析，并进一步探讨其主要影响因素，提出相应的政策建议 二、模型构建与研究方法 （一）DEA-Tobit模型建立 本文首先应用DEA的BCC模型作为河南省各地市科技金融结合效率评价的数学模型。假设向量Xj=（X1j，X2j，…，Xmj）T为投入向量，Yj=（Y1j，Y2j，…，Ysj）为产出向量，j=1，2，…，n 。将CCR模型加入约束条件∑λj=1构造BCC模型，该模型最优值为： [minθ-ε（j=1ms_+j=1rs+）=vdεs.t.j=1nxjλj+s-=θx0j=1nyjλj-s+=y0λj≥0，s+≥0，s-≥0] （1） 公式（1）的经济含义是：若纯技术效率和规模效率均为1，则表明DEA有效（综合效率有效），相对效率处于生产前沿；若两者中只有一方效率值达到1，说明仅实现弱DEA有效（纯技术效率有效或者规模效率有效），需要进行产出规模或者投入效率的调整；若纯技术效率和规模效率都很低，则意味着DEA无效，需要进行全面调整 本文采用Tobit模型，对科技金融结合效率影响因素进行分析。Tobit模型基本原理如下： [yi*=βxi+ε] （2） [yi=yi*yi*00yi*≤0] （3） 公式（2）和（3）中，y*为潜在的被解释变量；yi为被解释变量；xi为解释变量；β为回归参数向量；εi～N（0，δ2），i=1，2，…，n 。该模型的特征是，解释变量xi为实际观测值，而被解释变量yi只能以受限的方式观测到。当y*0时，yi= y*，yi为无限制观测值；当y*≤0时，yi=0，称yi为受限观测值 （二）指标选择和数据说明 考虑到科技金融相关的投入与产出指标在管理上的可控性、可取性和可比性，在分析科技金融效率时选取了地方财政科技拨款与地方财政支出比重（X1）；企业RD费用支出与产品销售收入比（X2）；高技术固定资产投资与固定资产投资额比（X3）；高技术产业贷款增加额占银行贷款增加额的比例（X4）4个指标作为科技金融投入指标。选取技术市场成交合同额比重（Y1）；专利申请授权量比重（Y2）；高技术产业产值占工业总产值的比重（Y3）；新产品销售收入与产品销售收入的比重（Y4）4个指标作为科技金融产出指标 本文选取2005―2014年河南省18个地级市作为研究样本，分析其10年间科技金融结合效率变动以及空间差异。科技金融投入与产出指标数据来源于《河南省统计年鉴》、《河南省科技统计年鉴》、《河南省高技术产业统计年鉴》，由于金融投入与科技产出之间存在一定的滞后性，本