科技金融发展实证分析和政策研究.docVIP

科技金融发展实证分析和政策研究 　　摘 要：选取长三角经济总量靠前的七城市进行科技金融发展实证测算，上海科技金融发展综合指数最强，苏州、杭州、南京、无锡、宁波到合肥，依次减弱。针对合肥存在的问题，提出明确科技金融支持的重点领域和关键节点；改革财政投入和管理方式，加强风险补偿机制建设，引导市场资本；支持银行业科技金融管理、产品和服务创新；依托政府引导基金和重大创新平台或科技园区，促进创投业集聚发展；推行政策性科技担保，加强科技保险建设，健全风险共担机制；加强为科技金融服务的金融中介能力建设等对策建议。 　　关键词：科技金融 合肥长三角城市群 实证分析 政策研究 　　技术革命与金融创新的结合是经济发展体系两部发动机的结合，是“引擎”与“燃料”的结合，是经济体创新型发展和财富创造的主要动力源。本文通过构建指标体系，实证测算长三角经济总量靠前的七个城市上海、苏州、杭州、南京、无锡、宁波和合肥科技金融发展指数，对比评估分析合肥科技金融发展状况，研究提出构建功能高效的科技金融体系系列建议，以推动合肥政策完善和工作创新。 　　一、国内科技金融发展评价文献综述 　　现阶段国内科技金融发展区域差异性明显，学者们为客观科学测度和评估各地科技金融发展水平，提出构建科技金融发展指数的设想。赵昌文，陈春发等（2009）提出主成分分析方法＼[1＼] 。曹颢，尤建新等（2011）采用算数平均法对科技金融指数赋权，并测算分析了我国各地区2001至2008年科技金融发展指数＼[2＼]。李华民等（2015）从投入与产出两个维度研究构建科技金融绩效评价体系＼[3＼]。卢亚娟等（2016）对江苏省13个地级市科技金融发展情况进行实证研究，提出支撑江苏省科技金融可持续发展的“市场主导、政府引导、体系完善、协同创新”等革新机制＼[4＼]。王静（2017）对甘肃12个地级市科技金融发展水平进行实证分析，以期对全省科技金融发展空间分布及发展不足形成理性认识和较准确的评价＼[5＼]。 　　二、长三角若干城市科技金融发展指数实证测算与评价 　　（一）指标体系构成与样本数据来源 　　以前述已有研究为基础，通过构建评价指标体系，运用主成分分析方法对长三角七个城市科技金融区域发展情况实证测算。在使用模型计算时，评价体系的?O计与指标选择对测算结果的客观性和可靠性产生关键影响。本着科学性、有效性和可量化等原则，围绕科技金融资源投入与科技产出两方面，兼顾指标的可操作性和数据易得性，最终确定8项核心指标，构建测度评价科技金融发展的指标体系，如下表。 　　样本数据主要来源于长三角上海、南京、无锡、苏州、杭州、宁波、合肥七城市2016年度统计公报、年鉴、科技统计网和实地调研获取的数据。 　　（二）评价模型测算 　　评价模型测算分两步进行。第一，使用主成分分析法测算生成科技金融发展综合指数，并测算二级指标企业投入指数、财政信贷资源指数、创新产出指数。第二，在上述七市科技金 融发展综合指数和二级指标指数测算基础上，运用Ward （离差平方和）法聚类分析，对七个城市科技金融发展分层归类，以更清晰地揭示七个城市科技金融发展梯度及空间特征。 　　首先，运用SPSS软件，采用主成分分析方法对科技金融发展进行综合测算。获取特征值、方差贡献率和累计方差贡献率，形成方差贡献分析表。提取的2个公共因子累计方差贡献率达到97957%，如表所示，说明这2个主因子的信息能够充分反映和代表七个样本城市科技金融发展综合水平。 　　对因子载荷矩阵进行方差极大旋转计算，得到由原始变量指标的线性组合构成的新的综合变量及2个主因素上的单项因素得分F1，F2。以2个主因素的贡献率为权数，求得科技金融发展综合因素得分为： 　　其次，分类对二级指标企业投入（X1、X3）、财政信贷支持（X2、X4、X5）、创新产出能力（X6、X7、X8）的表征指标采用主成分分析法进行测算，提取公共因子的累计贡献率分别达到98073%、98223%和89768%，说明选取的主因子能够充分地反映和代表七个样本城市企业资源投入、财政信贷对科技创新的支持和科技产出水平。在这里，各主因子贡献率及单项得分等过程不再一一列出。在下表中，对企业投入指数、财政信贷支持指数、创新产出指数、科技金融发展综合指数得分汇总如下： 　　由于主成分分析测算结果得分出现负值，根据统计学中的3Q原则，运用公式Fit=H +Fi（H=2）进行坐标平移以消除负数影响，得到各城市科技金融综合评价指数，如下图所示。 　　上图明晰显示，上海科技金融发展综合指数最强，苏州、杭州、南京、无锡、宁波到合肥，依次减弱。 　　（三）分层聚类分析 　　为使分析结果进一步明晰，继续采用SPSS软件选择系统聚类法中的Ward （离差平方和）法将七个城市科技金融区域发展综合指数