金融支持促进技术创新的区域性差异研究.docVIP

PAGE  PAGE 9 金融支持促进技术创新的区域性差异研究 　　摘 要：运用三阶段DEA分析法，考量中国“十二五”期间金融支持对东、中、西部区域的技术创新效率的影响，结果显示：控制金融支持变量前后东、中、西部地区创新效率的绝对水平较低且存在较大的差异；控制金融支持变量后，东、中、西部地区创新效率依次下降，东、中、西部地区创新效率下降幅度依次增大。鉴此，应完善技术创新金融支持体系，加快技术创新的配套条件建设，完善人才引进与激励机制。关键词： 金融支持；技术创新；区域性差异中图分类号：F832.1 　　文献标识码： A 　　文章编号：1003-7217（2016）05-0038-05一、引 言经过改革开放三十多年的高速发展后，我国经济进入中高速增长阶段，经济增长的动力由要素驱动、投资驱动向创新驱动转移。虽然2015年我国的经济增长中技术创新的贡献率已超过50%，但技术创新的金融支持机制还很脆弱。技术创新的风险与收益的原生关系会导致企业在既有技术支撑下低效甚至无效扩张，改善技术创新的风险与收益的匹配关系必须要有较为完善的金融支持机制。客观评价“十二五”期间我国既有金融支持措施的效果及其区域性差异，并就技术创新金融支持体系的构建和结构优化提出针对性建议，对实现资本与技术间的良性互动、提高创新和金融资源的效率具有较大的研究价值。二、文献综述相关研究主要集中在金融支持技术创新的必要性、内在机理和效果实证三方面。金融支持技术创新的整体效果及区域化差异研究较少，既有区域化差异研究还有一定的改进空间。King Levine（1993）从金融体系提升技术创新服务和增强技术创新效率的角度肯定了金融支持的重要性[1]；Vanacker（2013）等从金融支持影响技术创新公司的治理分析了技术创新的金融需求[2]；张德成（2007），孔欣欣（2009）分别从技术创新风险收益的匹配和金融促进技术创新内在机制两个角度指出了金融支持体系的必要性[3，4]。Greenwood Jovanovic（1990）认为金融机构具有信息优势，可对技术创新项目进行筛选以实现资源优化配置[5]；Wonglimpiyara（2016）等认为政策性金融支持措施的激励作用主要针对技术创新的公共性、正外部性等特点，资源整合措施主要针对创新的不确定性、高风险性特点[6]；Rajan（1992）认为银行信贷对具有阶段性融资需求的创新项目和具有内生性投资于传统产业和劳动密集型产业提供资金支持时表现得更有效率[7]；PoHsuan Hsu等（2014）发现资本市场对技术创新效率的提高具有正向促进作用，而信贷市场则会抑制技术创新效率提高[8]。三、金融支持技术创新的实证研究（一）模型与方法创新效率的测度通常采用数据包络分析法（DEA）和随机前沿分析法（SFA ）。DEA法对投入与产出变量的要求较低，但难以区分不同投入的影响；SFA法可以区分不同投入的影响，但效率测度参数较多。为了准确评价金融支持的效果需要控制金融支持变量，Fried等结合传统DEA模型与SFA方法所提出的三阶段DEA模型正好能满足分析需要。第一阶段，采用传统DEA方法（BCC）模型测算决策单元的效率值（TE）和投入的松弛变量（Sir）。这样不仅可得到科技金融环境、管理效率和随机误差共同影响的相对效率，还可区分造成技术无效率的原因以准确反映决策单元的管理能力。第二阶段，以投入的松弛变量为被解释变量，金融支持变量为自变量构建SFA模型，通过对投入松弛变量的调整控制环境因素和随机误差对管理效率的影响，将全部决策单元调整至相同环境。第三阶段，使用经SFA方法调整后的投入变量ir代替原始投入变量xir，再次运用BCC模型测算控制金融支持变量后的效率值。财经理论与实践（双月刊）2016年第5期2016年第5期（总第203期）赵 婧，吴珍珠等：金融支持促进技术创新的区域性差异研究（二）变量选择在技术创新的产出指标和投入指标的选取方面，参考国内外相关文献的指标衡量体系，以国内相关数据的可得性、完整性和有效性为原则，选定各阶段实证分析所需指标。1.技术创新投入变量。充足的资本和多元劳动力是知识生产的基本条件，也是以企业为主体的技术创新活动的重要投入变量。我们选取RD经费支出和RD人员投入为技术创新的投入变量。鉴于数据可得性，RD经费支出由RD内部经费支出来代表；RD人员投入采用RD人员全时当量来衡量。2.技术创新产出变量。在研发阶段，技术创新产出主要为发明、新型实用专利及外观专利等，我们选取专利作为产出指标，其值为专利授权数。考虑到三类专利的创新程度之间的差异，按权重结构（0.5，0.3，0.2）取加权平均值作为最终专利考核指标。在成果转化阶段，考虑到数据可得性，将各区域的技术交易市场成交额作为衡量技术创新成果转化