基于DEA模型的黑龙江科技金融结合效率研究.docxVIP

基于DEA模型的黑龙江科技金融结合效率研究 　　摘要：现通过采用数据包络分析方法（dea）将经济较发达地区与黑龙江省科技金融结合效率进行比较分析，发现黑龙江省科技金融结合效率偏低，存在科技金融环境发育不完善；科技创新企业规模小；融资渠道单一等问题，对此提出优化投入产出结构、推动科技资本市场发展等一系列建议。 　　关键词：数据包络分析方法（dea）；科技金融；结合效率 　　中图分类号：f014文献标识码：a 　　文章编号：1005-913x（2019）05-0001-03 　　一、引言 　　科技金融的相互渗透能够加快科技创新型企业的发展，保障经济的快速转型。黑龙江省是中国农业大省，在国家经济发展中发挥重要作用，2011年黑龙江省成为科技金融试点城市之一，首家科技主营支行——龙江银行股份有限公司科技专营支行成立，科技金融结合工作由此展开。截止到2018年，黑龙省科技金融结合工作成果突出，但由于存在金融投入对科技创新支持不够、投入结构不合理等问题，导致黑龙江省科技金融结合效率不高。因此，黑龙江省科技与金融结合效率的研究有重要意义。 　　二、实证分析 　　（一）指标选取与数据说明 　　1.评价指标的选取 　　选择评价指标一般要遵循五个基本原则，典型性、可行性、精简性、关联性以及科学性，在遵循上述原则的基础上，同时参考学者的选取体系，最终确定投入指标与产出指标（如表1所示）。 　　2.相关性检验 　　dea方法评价的前提条件是科技金融投入与产出指标符合正相关关系，运用spss软件得到指标间的pearson相关系数（如表2所示）。 　　由表2可得，科技金融投入指标与产出指标间的相关系数在0.5～0.8之间，而相关系数是用于衡量变量之间关系的指标，用y表示，其r取值在[-1，1]之间，并且r的绝对值越接近于1，变量间相关性越高。当r=0时，变量之间不相关；r介于0～1之间是正相关；当r=1时，变量之间完全正相关；r值介于-1～0之间，变量之间是负相关；r=-1时，变量之间完全负相关。由表2可知使用该研究数据成立的dea效率评价模型有意义。 　　（二）动态比较分析 　　综合考虑了我国31个省份（港澳台除外）的经济发达情况、创新指数以及科技发展情况等，最终选取了北京市、浙江省、广东省等14个省市及黑龙江省作为研究样本，并采用malmquist指数模型对黑龙江省2010～2016年的科技金融结合效率进行纵向分析。现部分运用deap2.1软件测算我国15个省市科技金融结合的malmquist指数（如表3所示），并把黑龙江省与北京市的各个效率值的变化差异进行对比分析（如表4所示）。 　　从表4可以看出，在样本研究年限内，黑龙江省全要素生产率（tfpch）的平均效率值为1.323，增长了32.3%，整体出现上升趋势。技术效率指数平均变动为1.123，技术进步指数平均变动幅度为1.178，规模效率平均变动幅度为1.053，即各个效率的平均变动均呈现上升趋势。另外，黑龙江省各个效率变动的幅度不仅均大于其他省市平均效率的增长幅度，而且其技术进步水平远远大于上海、浙江等一线发达城市，说明黑龙江省这六年的科技竞争力在不断增长，金融对科技创新具有促进作用。从表4中可知，在2010～2016年间技术效率的平均变动、技术进步的平均水平要远远大于规模效率变化的平均水平，这表明推动黑龙江省科技金融全要素生产率（tfpch）在2010～2016年增长的主要原因是技术进步，同时也反映黑龙江省在科技生产规模上存在一定的不合理性。 　　从表4可以看出，2011～2016年黑龙江省金融支持科技创新的平均效率值为1.459，以45.9%的速度增长，并且可以看出技术效率值、技术进步以及规模效率水平每年的平均增长速度在10%～20%之间，且技术进步的增长速度要高于规模效率的变化程度，反映科技进步是黑龙江省金融支持科技创新的主要因素。 　　2011～2016年全要素生产率值（tfpch）总体上呈现先降后升的走势，其中2011～2014年间降低了47.9%，而到2015年全要素生产率值（tfpch）在一年间又迅速上升到2.769，增长了241%。2011年7月，我国颁布的《国家“十二五”科学和技术发展规划》中提出继续完善科技金融一体化机制，建立全方位的科技融资体系，加快发展新型金融机制。这为我国各个省市探索创新科技与金融结合方式、优化科技金融投入规模提供了方针和政策指导，这可能是黑龙江省全要素生产率值（tfpch）在2011～2012年增长的主要原因，而国家政策发布一年后，其生产力指数出现了大幅度的下降。而2014年全国两会中提出要深化金融体制改革和