我國(guó)科技金融發(fā)展效率的影響因素
——基于模糊集的定性比較分析

周 新，馬 丁

（太原理工大學(xué)經(jīng)濟(jì)管理學(xué)院，山西太原 030024）

科技創(chuàng)新和金融發(fā)展作為經(jīng)濟(jì)社會(huì)發(fā)展的內(nèi)在動(dòng)力，二者的有機(jī)結(jié)合是推動(dòng)科技生產(chǎn)力實(shí)現(xiàn)高效轉(zhuǎn)化、促進(jìn)戰(zhàn)略性新興產(chǎn)業(yè)發(fā)展和刺激產(chǎn)業(yè)結(jié)構(gòu)進(jìn)行調(diào)整升級(jí)的重要支柱。科技創(chuàng)新是金融發(fā)展的核心要素，而金融發(fā)展也為科技創(chuàng)新提供資金和經(jīng)濟(jì)環(huán)境的外在保障。目前我國(guó)經(jīng)濟(jì)正處于“三期疊加”的關(guān)鍵環(huán)節(jié)，面臨著經(jīng)濟(jì)增長(zhǎng)速度放緩、勞動(dòng)力等低成本優(yōu)勢(shì)逐漸喪失、產(chǎn)業(yè)結(jié)構(gòu)和區(qū)域發(fā)展不均衡等一系列問(wèn)題，要尋求經(jīng)濟(jì)的突破性發(fā)展，離不開科技創(chuàng)新這一強(qiáng)大驅(qū)動(dòng)力的助推，也需要金融發(fā)展的有利支撐。我國(guó)自2011 年科技部發(fā)布《關(guān)于促進(jìn)科技與金融結(jié)合加快實(shí)施自主創(chuàng)新戰(zhàn)略的若干意見》,各地區(qū)相繼出臺(tái)相關(guān)政策支持科技與金融結(jié)合發(fā)展，引導(dǎo)科技金融可持續(xù)發(fā)展，但由于各地區(qū)金融資源配置和科技金融人才配置效率的差異，直接影響了區(qū)域科技金融的發(fā)展效率。因此，研究我國(guó)科技金融發(fā)展效率的影響因素，不僅是對(duì)科技金融深度融合等相關(guān)理論的拓展與深化，也符合我國(guó)經(jīng)濟(jì)發(fā)展新常態(tài)下探索科技金融優(yōu)化路徑及改善區(qū)域發(fā)展不平衡的現(xiàn)實(shí)需要。

1 文獻(xiàn)綜述

國(guó)內(nèi)外學(xué)者針對(duì)科技金融問(wèn)題從不同的方面進(jìn)行討論和研究。國(guó)外學(xué)者主要是圍繞金融與科技創(chuàng)新的關(guān)系展開研究。在金融方面，Canepa 等［1］利用社區(qū)創(chuàng)新調(diào)查數(shù)據(jù)，探討了金融因素作為英國(guó)創(chuàng)新制約因素的作用，發(fā)現(xiàn)金融因素對(duì)高科技部門和較小的企業(yè)的創(chuàng)新活動(dòng)有一定的正向影響；Giannetti［2］發(fā)現(xiàn)銀行等金融機(jī)構(gòu)介入對(duì)中小高新技術(shù)企業(yè)的技術(shù)進(jìn)步和創(chuàng)新有更顯著的作用；Kortum 等［3］研究了金融風(fēng)險(xiǎn)資本對(duì)美國(guó)20 個(gè)行業(yè)專利發(fā)明的影響，發(fā)現(xiàn)金融風(fēng)險(xiǎn)資本對(duì)技術(shù)創(chuàng)新有顯著的促進(jìn)作用。在市場(chǎng)融資方面，Atanassov［4］利用面板數(shù)據(jù)對(duì)美國(guó)上市公司進(jìn)行實(shí)證研究發(fā)現(xiàn)，上市公司依賴金融市場(chǎng)融資進(jìn)行的科技創(chuàng)新活動(dòng)會(huì)取得更高質(zhì)量的成果；Kim 等［5］探討了2000—2008 年外部融資對(duì)韓國(guó)上市公司技術(shù)創(chuàng)新活動(dòng)的各種影響，發(fā)現(xiàn)銀行貸款的間接外部融資對(duì)企業(yè)的技術(shù)創(chuàng)新活動(dòng)有負(fù)面影響，而證券發(fā)行的直接外部融資對(duì)技術(shù)創(chuàng)新活動(dòng)有積極影響。

20 世紀(jì)90 年代，“科技金融”的概念首次在國(guó)內(nèi)提出，國(guó)內(nèi)學(xué)者主要是從科技金融的理論和實(shí)證兩個(gè)方面進(jìn)行研究。在理論方面，趙昌文等［6］所著的《科技金融》是國(guó)內(nèi)關(guān)于科技金融研究的代表性著作，認(rèn)為科技與金融相互融合對(duì)于促進(jìn)技術(shù)研發(fā)、成果轉(zhuǎn)化和高新技術(shù)產(chǎn)業(yè)發(fā)展有重要作用；房漢廷［7］從理論、實(shí)踐和政策3 個(gè)方面闡述了科技金融問(wèn)題；鄧天佐等［8］探討剖析了我國(guó)科技和金融結(jié)合的內(nèi)涵、規(guī)律、特點(diǎn)及表現(xiàn)形式，并針對(duì)科技金融相關(guān)問(wèn)題給出建議。在實(shí)證研究方面，曹顥等［9］選取科技金融資源指數(shù)、經(jīng)費(fèi)指數(shù)、產(chǎn)出指數(shù)和貸款指數(shù)4 個(gè)方面10 個(gè)指標(biāo)對(duì)我國(guó)科技金融發(fā)展指數(shù)進(jìn)行評(píng)價(jià)；楊建輝等［10］篩選18 個(gè)指標(biāo)構(gòu)建科技金融發(fā)展評(píng)價(jià)體系，并利用投影尋蹤模型得到我國(guó)20個(gè)省份的科技金融發(fā)展指數(shù)；甘星等［11］構(gòu)建科技金融指標(biāo)評(píng)價(jià)體系，利用數(shù)據(jù)包絡(luò)分析（DEA）方法分析了2006—2014 年我國(guó)三大經(jīng)濟(jì)圈的科技金融效率；黃瑞芬等［12］運(yùn)用DEA-Malmquist 指數(shù)法和隨機(jī)前沿（SFA）模型對(duì)我國(guó)科技金融全要素生產(chǎn)率變動(dòng)和效率進(jìn)行評(píng)價(jià)，發(fā)現(xiàn)不同地區(qū)的科技金融發(fā)展效率存在顯著差異；薛曄等［13］運(yùn)用熵權(quán)法和貝葉斯隨機(jī)前沿模型測(cè)算了2001—2014 年我國(guó)30 個(gè)省份的科技金融發(fā)展效率，并分析了金融投入變量對(duì)科技金融發(fā)展效率的影響；李林漢等［14］利用DEATobit 模型對(duì)我國(guó)30 個(gè)省份的科技金融發(fā)展效率及影響因素進(jìn)行分析，發(fā)現(xiàn)財(cái)政科技撥款、科研經(jīng)費(fèi)投入等因素具有重要影響；許世琴等［15］采用DEABCC 模型測(cè)算了2005—2016 年我國(guó)30 個(gè)省份的科技金融效率，并利用空間面板模型進(jìn)行因素分析，發(fā)現(xiàn)研發(fā)投入強(qiáng)度、科研氛圍以及高新技術(shù)產(chǎn)業(yè)資金規(guī)模對(duì)科技金融發(fā)展效率有重要的影響。

綜上所述，國(guó)內(nèi)科技金融的實(shí)證研究主要是選取指標(biāo)構(gòu)建科技金融發(fā)展評(píng)價(jià)體系，利用DEA 方法、SFA 模型等方法測(cè)算出科技與金融結(jié)合效率，并分析不同區(qū)域之間的差異；在分析影響因素方面，大部分學(xué)者選取科技金融評(píng)價(jià)體系中的投入變量作為影響因素，利用面板數(shù)據(jù)Tobit 模型重點(diǎn)分析研發(fā)經(jīng)費(fèi)強(qiáng)度、融資方式、資金規(guī)模等不同投入要素對(duì)我國(guó)科技金融發(fā)展效率的影響，而較少考慮金融環(huán)境的作用。在知網(wǎng)上截至2020 年6 月搜索關(guān)鍵詞“科技金融效率”，僅有3 篇文獻(xiàn)專門討論了金融環(huán)境對(duì)科技發(fā)展效率的影響。此外，科技金融發(fā)展效率是一個(gè)復(fù)雜的問(wèn)題，受多方面因素的影響，但現(xiàn)有文獻(xiàn)中只是研究分析了不同因素對(duì)科技金融發(fā)展效率產(chǎn)生正向或者負(fù)向、顯著或不顯著的影響，卻忽略了因素之間協(xié)同組合效應(yīng)對(duì)科技金融發(fā)展效率的影響。

本研究在已有研究的基礎(chǔ)上，運(yùn)用DEA-BCC模型測(cè)量2011—2017 年我國(guó)各省份的科技金融發(fā)展效率，并以各省份2017 年的科技金融發(fā)展效率為結(jié)果變量，采用模糊集定性比較分析法，從金融環(huán)境、科研資金投入和科研人力投入角度選取6 個(gè)因素作為影響因素，研究這些因素之間的協(xié)同組合效應(yīng)對(duì)我國(guó)科技金融發(fā)展效率的影響，探尋實(shí)現(xiàn)提高科技金融發(fā)展效率目標(biāo)的最佳路徑。

2 實(shí)證分析

2.1 定性比較分析法

定性比較分析法（QCA）是20 世紀(jì)80 年代開始出現(xiàn)的一種關(guān)注條件組態(tài)與結(jié)果之間復(fù)雜因果關(guān)系的方法。有學(xué)者認(rèn)為社會(huì)現(xiàn)象發(fā)生的原因條件間多是相互依賴而非獨(dú)立的，因此解釋社會(huì)現(xiàn)象發(fā)生的原因不能僅局限于關(guān)注單個(gè)條件對(duì)結(jié)果的影響［16］。定性比較分析法放棄了單變量的凈效益，采取整體的視角看待各變量之間的關(guān)系，以布爾代數(shù)作為數(shù)據(jù)運(yùn)算的基本原理，研究多個(gè)條件變量之間如何組合搭配，可以解釋結(jié)果的發(fā)生（A×B→Y）。傳統(tǒng)的定量方法追求得到結(jié)果的最優(yōu)解，而定性比較分析法認(rèn)為導(dǎo)致結(jié)果發(fā)生的組態(tài)具有等效性，即多個(gè)不同的條件組合會(huì)產(chǎn)生同樣的結(jié)果（A×B→Y，C×D→Y）［17］。

在使用模糊集定性比較分析法進(jìn)行分析前，需要校準(zhǔn)所有變量的原始數(shù)據(jù)。模糊集的功能強(qiáng)大，可以將條件變量的數(shù)據(jù)值校準(zhǔn)到0～1 之間的任何數(shù)值，用于評(píng)估“完全隸屬”和“完全不隸屬”間的隸屬程度，這樣可以最大化防止數(shù)據(jù)信息的丟失。這種校準(zhǔn)可以得到一個(gè)連續(xù)變量的模糊集，并且依賴于使用理論和實(shí)際知識(shí)設(shè)定3 個(gè)定性的轉(zhuǎn)折點(diǎn)：“完全隸屬”（1）、“完全不隸屬”（0）以及交叉點(diǎn)（0.5），交叉點(diǎn)是最大的模糊點(diǎn)。

利用組態(tài)分析研究結(jié)果的QCA 方法結(jié)合了定性分析與定量分析各自的優(yōu)點(diǎn)，既適用于中小案例樣本的研究，也可以用于大規(guī)模案例的研究。科技金融發(fā)展效率受多個(gè)因素影響，應(yīng)用定性比較分析法有助于從深層次分析科技金融發(fā)展效率的影響機(jī)制，探究提升我國(guó)科技金融發(fā)展效率的條件組合路徑。同時(shí)，本研究以我國(guó)30 個(gè)省份（未含西藏和港澳臺(tái)地區(qū)）為研究案例（以下簡(jiǎn)稱“樣本省份”），符合定性比較分析法研究樣本數(shù)量的基本要求。

2.2 變量選取及數(shù)據(jù)校準(zhǔn)

2.2.1 結(jié)果變量

本研究關(guān)注的結(jié)果是各省份的科技金融發(fā)展效率。利用DEAP2.1 軟件，以金融投入、政府投入和科技投入3 個(gè)方面的5 個(gè)指標(biāo)為投入要素，以發(fā)明專利申請(qǐng)量、技術(shù)市場(chǎng)成交合同額和高新技術(shù)新產(chǎn)品銷售額為產(chǎn)出要素，將科技金融產(chǎn)出指標(biāo)的數(shù)據(jù)選擇相對(duì)于投入指標(biāo)的數(shù)據(jù)選擇滯后1期進(jìn)行研究，計(jì)算出2011—2017 年樣本省份的科技金融發(fā)展效率，并以其2017 年的科技金融發(fā)展效率為結(jié)果變量。

2.2.2 前因條件變量

（1）金融環(huán)境。金融環(huán)境是金融活動(dòng)發(fā)生與發(fā)展的支持系統(tǒng)和資源，并影響著金融市場(chǎng)運(yùn)行的效率［18］。本研究選用科技金融政策和金融發(fā)展程度作為金融環(huán)境的二級(jí)指標(biāo)。其中，金融發(fā)展程度借鑒童紀(jì)新等［19］的指標(biāo)選取方法，采用金融機(jī)構(gòu)各項(xiàng)貸款余額占地區(qū)生產(chǎn)總值（GDP）的比重來(lái)衡量；科技金融政策以地方政府在官網(wǎng)上發(fā)布的促進(jìn)科技與金融結(jié)合的相關(guān)文件為依據(jù)，設(shè)定2017 年以前發(fā)布相關(guān)科技金融文件的數(shù)量0 和1 分別對(duì)應(yīng)隸屬度為0.05 和0.95 的校準(zhǔn)點(diǎn)。金融發(fā)展方面對(duì)應(yīng)的“完全不隸屬”“模糊點(diǎn)”“完全隸屬點(diǎn)”3 個(gè)校準(zhǔn)點(diǎn)的數(shù)據(jù)分別為0.9、1.6 和2.5。

（2）科研資金投入?？蒲薪?jīng)費(fèi)是為發(fā)展科學(xué)技術(shù)事業(yè)而支出的費(fèi)用，科研經(jīng)費(fèi)是否充足對(duì)科研成果有直接影響，因此世界各國(guó)都非常重視對(duì)科研經(jīng)費(fèi)的投入。本研究采用科研經(jīng)費(fèi)強(qiáng)度和政府科技支持力度來(lái)反映科研資金投入對(duì)科技金融發(fā)展效率的影響。其中，科研經(jīng)費(fèi)強(qiáng)度用R&D 內(nèi)部經(jīng)費(fèi)支出與地區(qū)生產(chǎn)總值之比來(lái)衡量；政府科研支持力度用地區(qū)財(cái)政科學(xué)技術(shù)支出占比來(lái)表示。經(jīng)費(fèi)投入強(qiáng)度和政府支持力度對(duì)應(yīng)的“完全不隸屬”“模糊點(diǎn)”“完全隸屬點(diǎn)”的校準(zhǔn)點(diǎn)分別是0.5%、1.2%、2.6%和0.7%、1.5%、5%。

（3）科研人力投入?？蒲腥藛T是科技研發(fā)中不可或缺的重要部分，科研人數(shù)和科研人員學(xué)歷對(duì)科研創(chuàng)新有重要的影響。本研究采用R&D 人員全時(shí)當(dāng)量和科研人員中本科及以上學(xué)歷占比來(lái)研究科研人力投入對(duì)科技金融發(fā)展效率的影響。這2 個(gè)變量對(duì)應(yīng)“完全不隸屬”“模糊點(diǎn)”“完全隸屬點(diǎn)”的校準(zhǔn)點(diǎn)分別是7 000 人年、135 000 人年、300 000 人年和0.52%、0.71%、0.9%。

本研究數(shù)據(jù)來(lái)源于《中國(guó)金融統(tǒng)計(jì)年鑒》《中國(guó)科技統(tǒng)計(jì)年鑒》《中國(guó)統(tǒng)計(jì)年鑒》和各省份有關(guān)官網(wǎng)信息。樣本省份科技金融發(fā)展效率前因條件變量的校準(zhǔn)點(diǎn)如表1 所示。

表1 樣本省份科技金融發(fā)展效率前因條件變量校準(zhǔn)點(diǎn)

2.3 前因條件必要性分析

根據(jù)模糊集分析的步驟，在利用真值表對(duì)條件組合進(jìn)行分析之前，需要檢測(cè)各條件的必要性，以確定該條件是否為結(jié)果變量的必要條件，確定的依據(jù)是結(jié)果變量的一致性數(shù)值。根據(jù)Rihoux 等［17］的研究，必要性模糊子集關(guān)系的一致性可以使用以下公式評(píng)估：

式（1）中：Yi為案例i對(duì)于結(jié)果變量的隸屬度；Xi為案例i對(duì)于前因條件的隸屬度。

在fsQCA3.0 軟件中運(yùn)行必要條件分析，得到單個(gè)前因條件變量對(duì)結(jié)果變量的一致性數(shù)值如表2 所示。依據(jù)以往研究，當(dāng)一致性數(shù)值大于0.9 時(shí)，則可以認(rèn)定該條件為結(jié)果變量的必要條件［20］。根據(jù)表2 可知，當(dāng)結(jié)果變量為科技金融發(fā)展效率時(shí)，單個(gè)條件的一致性數(shù)值最高為0.821 706，不超過(guò)0.9，因此本研究中不存在必要條件。這說(shuō)明有效提高科技金融發(fā)展效率不能單獨(dú)依靠某個(gè)變量，而是需要多個(gè)條件組合搭配共同作用實(shí)現(xiàn)。

表2 樣本省份科技金融發(fā)展效率前因條件變量必要性分析

2.4 結(jié)果分析

條件組態(tài)分析是分析各條件變量之間不同組合對(duì)結(jié)果變量產(chǎn)生的影響作用，本研究運(yùn)用條件組態(tài)分析探究哪些組合是導(dǎo)致我國(guó)高科技金融發(fā)展效率的路徑。將一致性的閾值分界點(diǎn)設(shè)置為0.85，案例閾值設(shè)定為1。運(yùn)行fsQCA3.0 軟件中的標(biāo)準(zhǔn)分析，可以得到3 個(gè)解：復(fù)雜解、簡(jiǎn)約解和中間解。復(fù)雜解是根據(jù)案例條件未做處理分析得出的結(jié)果，解釋模型復(fù)雜，普適性較差；簡(jiǎn)約解是精簡(jiǎn)之后的解，相對(duì)簡(jiǎn)單，但啟示性較差；中間解兼具前兩者的優(yōu)點(diǎn)，通常用作問(wèn)題的分析結(jié)果。根據(jù)表3 可知，樣本省份科技金融發(fā)展效率中間解的總一致性為0.931 062，總覆蓋度為0.759 044，說(shuō)明這些解的解釋力和可行性強(qiáng)。經(jīng)分析，有4 條路徑可以實(shí)現(xiàn)地區(qū)科技金融高水平發(fā)展：

（1）路徑1 即政策平衡型?？梢越忉尀楫?dāng)?shù)胤秸雠_(tái)相關(guān)政策支持科技與技金融結(jié)合發(fā)展，同時(shí)科技型企業(yè)投入大量的科研經(jīng)費(fèi)和擁有一批學(xué)歷高、科研能力強(qiáng)的科技金融人才，因此即使科研人數(shù)沒有產(chǎn)生規(guī)模效應(yīng)，該地區(qū)也能實(shí)現(xiàn)高水平的科技金融發(fā)展。其中，科技金融政策為核心條件，科研經(jīng)費(fèi)強(qiáng)度和科研人員學(xué)歷為輔助條件。符合路徑1 的省份為陜西省和天津市。陜西省雖然總體經(jīng)濟(jì)實(shí)力略顯不足，但是重視教育事業(yè)，不斷加強(qiáng)高校建設(shè)，并大力發(fā)展高新技術(shù)產(chǎn)業(yè)，省內(nèi)科技型企業(yè)科研經(jīng)費(fèi)投入占比不斷增大，聚集了一批“高精尖”的科研人才，為科技創(chuàng)新作出巨大貢獻(xiàn)。2012 年陜西省政府出臺(tái)了促進(jìn)科技與金融結(jié)合的相關(guān)政策，加強(qiáng)科技金融服務(wù)體系建設(shè)，開展科技與金融結(jié)合試點(diǎn)，強(qiáng)化有利于促進(jìn)科技與金融結(jié)合的保障措施，加速科技與金融深度融合發(fā)展。天津市臨近北京市，依靠北京市的輻射和自身發(fā)展，經(jīng)濟(jì)、科研投入和科研人員能力水平均處于國(guó)內(nèi)領(lǐng)先地位，再加上市政府布局于科技金融發(fā)展，因此即使科研人員數(shù)量未達(dá)到較高狀態(tài)，天津市也有較高水平的科技金融發(fā)展。

（2）路徑2 即全面協(xié)作型?？梢越忉尀楫?dāng)?shù)胤秸С峙c科技金融結(jié)合發(fā)展，同時(shí)具有較大的科研經(jīng)費(fèi)投入和政府科技支持力度，吸引大量科研人員聚集，無(wú)論金融發(fā)展程度和科研人員學(xué)歷如何，該地區(qū)也能實(shí)現(xiàn)高水平的科技金融發(fā)展。其中科技金融政策、科研經(jīng)費(fèi)強(qiáng)度、政府科技支持力度和科研人數(shù)均為輔助條件，這4 個(gè)條件對(duì)實(shí)現(xiàn)該路徑的貢獻(xiàn)度相同。符合路徑2 的省份為北京市、上海市、江蘇省、浙江省和廣東省。北京市和上海市是國(guó)際化大都市，經(jīng)濟(jì)金融實(shí)力強(qiáng)大。在高新技術(shù)產(chǎn)業(yè)方面，北京擁有“中國(guó)硅谷”之稱的中關(guān)村科技園，而上海也形成了“一區(qū)六園”的高新技術(shù)產(chǎn)業(yè)開發(fā)區(qū)新格局，兩市的高新技術(shù)產(chǎn)業(yè)實(shí)力雄厚，而且有大批高等院和科研機(jī)構(gòu)作為支撐，匯集了一大批學(xué)歷高、能力強(qiáng)的科技金融人才，再加上科技型企業(yè)重視科技研發(fā)，政府大力支持科技發(fā)展，北京市和上海市均實(shí)現(xiàn)了高水平的科技金融發(fā)展效率。江蘇、浙江和廣東省均位于國(guó)內(nèi)東部沿海地區(qū)，經(jīng)濟(jì)金融發(fā)展水平居全國(guó)前列。2012 年開始，這3 個(gè)省份政府相繼出臺(tái)了相關(guān)政策，加速科技與金融結(jié)合，助推科技創(chuàng)新和經(jīng)濟(jì)高質(zhì)量發(fā)展；此外，這3 個(gè)省份的科研經(jīng)費(fèi)強(qiáng)度分別為2.63、2.45 和2.6，政府科技支持力度分別為4.03、4.03 和5.48，科研人數(shù)分別為560 002 人年、398 091 人年和568 287 人年，均遠(yuǎn)高于全樣本平均水平。雖然江蘇省金融發(fā)展得分僅為0.27分，浙江省科研人員學(xué)歷得分僅為0.05 分，廣東省這兩個(gè)指標(biāo)得分分別為0.48 分和0.56 分，但是這3個(gè)省份依舊實(shí)現(xiàn)了高水平的科技金融發(fā)展。這說(shuō)明只要同時(shí)滿足科技金融政策、科研經(jīng)費(fèi)強(qiáng)度、政府科技支持力度和科研人數(shù)等條件，金融發(fā)展程度和科研人員學(xué)歷這兩個(gè)條件是否存在得分較低對(duì)高科技金融發(fā)展效率影響不大。

（3）路徑3 即科研投入型?？梢越忉尀楫?dāng)?shù)胤娇蒲匈Y金投入和政府科技支持足夠大時(shí)，即使該地區(qū)金融發(fā)展水平不高，科研人員的數(shù)量和學(xué)歷水平不理想，也能實(shí)現(xiàn)科技金融高水平發(fā)展，其中政府科技支持力度是核心條件，科研經(jīng)費(fèi)強(qiáng)度是輔助條件。符合路徑3 的省份有湖北省、安徽省和江西省。這3 個(gè)省份位于國(guó)內(nèi)中部地區(qū)，相較于東部沿海經(jīng)濟(jì)發(fā)達(dá)地區(qū)，在經(jīng)濟(jì)金融發(fā)展上還屬于新興地區(qū)。近年來(lái)，湖北省已經(jīng)建有國(guó)家級(jí)、省級(jí)高新技術(shù)區(qū)21 個(gè)，科技型企業(yè)科研經(jīng)費(fèi)強(qiáng)度不斷增大，同時(shí)政府設(shè)立科技金融服務(wù)中心，引入銀行、風(fēng)投等機(jī)構(gòu)，幫助企業(yè)快速融資，推進(jìn)科技與金融一體化發(fā)展。安徽省和江西省政府重視科技發(fā)展，并積極引導(dǎo)推動(dòng)地方金融體系不斷完善，加大投入支持各類科技金融平臺(tái)建設(shè)，整合科技與金融資源，同時(shí)高新技術(shù)企業(yè)積極在金融市場(chǎng)中進(jìn)行科技貸款和科技融資，高新技術(shù)產(chǎn)業(yè)規(guī)模和科研經(jīng)費(fèi)投入比重不斷擴(kuò)大，產(chǎn)業(yè)創(chuàng)新能力不斷增強(qiáng)，進(jìn)一步加速科技與金融結(jié)合高水平發(fā)展。

（4）路徑4 即環(huán)境人力型?？梢越忉尀楫?dāng)?shù)胤浇鹑诎l(fā)展程度較高，政府積極實(shí)施促進(jìn)科技金融發(fā)展的舉措并吸引一批學(xué)歷高、科研能力強(qiáng)的科技金融人才，也能實(shí)現(xiàn)高水平的科技金融發(fā)展。在該路徑中，科技金融政策是核心條件，金融發(fā)展和科研人員學(xué)歷是輔助條件。符合路徑4 的省份是甘肅省和四川省。這2 個(gè)省份位于國(guó)內(nèi)西部地區(qū)，雖然經(jīng)濟(jì)發(fā)展較為落后，但金融市場(chǎng)相對(duì)活躍。2013 年甘肅省成立科技發(fā)展投資有限公司，致力于培育扶持科技型企業(yè)發(fā)展，建設(shè)科技創(chuàng)新城孵化基地，同時(shí)省科技廳與蘭州銀行簽署共同推進(jìn)科技金融結(jié)合的戰(zhàn)略合作協(xié)議，為科技型企業(yè)加快發(fā)展提供融資支持，而且在全省科研人員中本科及以上學(xué)歷占總科研人數(shù)的比重達(dá)79%，加速了地區(qū)科技金融的有效融合發(fā)展。2008 年四川省科技廳聯(lián)合多個(gè)部門率先提出了較為全面和系統(tǒng)的科技金融相關(guān)政策和措施，加大對(duì)高新技術(shù)產(chǎn)業(yè)投入，鼓勵(lì)銀行、保險(xiǎn)等金融機(jī)構(gòu)支持高新技術(shù)產(chǎn)業(yè)發(fā)展，致力于優(yōu)化科技金融生態(tài)環(huán)境，實(shí)現(xiàn)科技與金融深度融合。

表3 樣本省份科技金融發(fā)展效率路徑構(gòu)型

3 結(jié)論及建議

本研究選取2011—2018 年我國(guó)30 個(gè)省份科技金融投入產(chǎn)出的相關(guān)數(shù)據(jù)，運(yùn)用DEA-BCC 模型測(cè)算出科技金融發(fā)展效率；并以2017 年的科技金融發(fā)展效率為結(jié)果變量，運(yùn)用模糊集定性比較分析法，從金融環(huán)境、科研資金投入和科研人力投入3 個(gè)方面分析影響科技金融發(fā)展效率的因素，探討了科技金融政策、金融發(fā)展程度、科研經(jīng)費(fèi)強(qiáng)度、政府科技支持力度、科研人數(shù)和科研人員學(xué)歷這6 個(gè)因素對(duì)科技金融發(fā)展效率的組合效應(yīng)，探尋提升科技金融發(fā)展效率的多元路徑。研究發(fā)現(xiàn)：一是高效的科技金融發(fā)展具有“多重并發(fā)”的特點(diǎn)，要實(shí)現(xiàn)高效的科技金融發(fā)展需要多個(gè)因素聯(lián)合作用，任何單獨(dú)一個(gè)因素都無(wú)法導(dǎo)致該結(jié)果的發(fā)生；二是推動(dòng)地區(qū)實(shí)現(xiàn)高效的科技金融發(fā)展有4 條路徑，分別是政策平衡型、全面協(xié)作型、科研投入型和環(huán)境人力型，科技金融政策在4 條路徑中出現(xiàn)3 次且2 次為核心條件，是促進(jìn)科技與金融結(jié)合的重要因素。

基于以上研究，提出如下建議：

（1）科技金融發(fā)展效率高的省份應(yīng)在保持自身優(yōu)勢(shì)的同時(shí)積極彌補(bǔ)不足的方面。北京市和上海市無(wú)論在經(jīng)濟(jì)金融發(fā)展還是科研經(jīng)費(fèi)人力投入方面都處于領(lǐng)先地位，除了保持高效發(fā)展，還要積極與國(guó)際接軌，向國(guó)外發(fā)達(dá)地區(qū)學(xué)習(xí)科技金融建設(shè)的先進(jìn)經(jīng)驗(yàn)，并引進(jìn)大型金融機(jī)構(gòu)和科技型企業(yè)長(zhǎng)期發(fā)展，打造成世界一流的科技金融服務(wù)中心；同時(shí)需要加強(qiáng)法制建設(shè)，促進(jìn)形成公平的科技金融市場(chǎng)競(jìng)爭(zhēng)，依靠地區(qū)的輻射能力穩(wěn)步推進(jìn)京津冀地區(qū)和長(zhǎng)江三角洲地區(qū)的科技金融發(fā)展。浙江省、江西省、安徽省和湖北省等金融市場(chǎng)活躍度和科研人員數(shù)量不足，地方政府應(yīng)采取措施完善金融組織體系，加大有效信貸投放，活躍金融市場(chǎng)，同時(shí)出臺(tái)優(yōu)惠政策引進(jìn)一批高學(xué)歷科技金融人才，促進(jìn)科技金融更高效發(fā)展。四川省和陜西省的政府科技支持力度、科研人員數(shù)量是阻礙其科技金融進(jìn)一步發(fā)展的主要因素，政府應(yīng)增加財(cái)政科技金融投入，提高財(cái)政資金運(yùn)作效率，同時(shí)吸引更多的高校畢業(yè)生留在當(dāng)?shù)貫榈胤娇萍冀鹑诎l(fā)展作出貢獻(xiàn)。廣東省和河南省的科研人員中本科及以上學(xué)歷人數(shù)偏少，這在較大程度上限制了科技金融更好地發(fā)展，政府和企業(yè)應(yīng)該加強(qiáng)科研人員隊(duì)伍建設(shè)，不僅要關(guān)注科研人員的數(shù)量，更要注重人員質(zhì)量，保證科研人數(shù)和人員質(zhì)量?jī)纱蠓矫娌拍芨行У赝苿?dòng)科技金融發(fā)展。

（2）科技金融發(fā)展效率較低的省份應(yīng)根據(jù)地區(qū)發(fā)展優(yōu)勢(shì)因地施策，尋找符合自身科技金融高效發(fā)展的路徑。廣西壯族自治區(qū)、山西省和黑龍江省等的科研人員中本科及以上學(xué)歷人數(shù)占據(jù)優(yōu)勢(shì)，但是其他條件缺乏，可以借鑒路徑1 和路徑4。由于金融發(fā)展需要長(zhǎng)時(shí)間的運(yùn)作，通常短時(shí)間內(nèi)成效不明顯，政府應(yīng)頒布和完善相關(guān)科技金融政策，鼓勵(lì)科技型企業(yè)加大研發(fā)投入，從而提高當(dāng)?shù)乜萍冀鹑诎l(fā)展效率。新疆維吾爾自治區(qū)、內(nèi)蒙古自治區(qū)和云南省等的金融市場(chǎng)活躍，發(fā)展態(tài)勢(shì)良好，并且科研人員中高學(xué)歷人數(shù)占比也超過(guò)其他大多數(shù)省份，因此可以借鑒路徑3。政府應(yīng)加強(qiáng)科技扶持力度，并出臺(tái)優(yōu)惠政策激勵(lì)企業(yè)提高科研投入，加快科技創(chuàng)新，提高科技成果轉(zhuǎn)化率。山東省和遼寧省積極搭建科技金融綜合服務(wù)中心，科技型企業(yè)科研投入和科研人數(shù)保持在較高水平，可以借鑒路徑2。政府應(yīng)重點(diǎn)補(bǔ)足科技支持不足的缺陷，同時(shí)還要優(yōu)化資源配置，避免將大量資源傾注于某些企業(yè)或者行業(yè)，推動(dòng)地區(qū)科技金融高效率發(fā)展。