山東省科技金融效率影響因素及區(qū)域差異研究

[摘 要：文章基于DEA模型對2015—2020年山東省16個城市的科技金融效率進行測度，同時構建Tobit模型探究科技金融效率的影響因素，并運用Dagum基尼系數(shù)法探尋了膠東、省會、魯南三大經濟圈的科技金融效率區(qū)域差異及其來源。實證結果表明，在5%的顯著性水平下，政府財政科技資金支持程度、產業(yè)升級程度對科技金融效率均具有顯著正向影響，政府干預程度會降低智力資本投入對科技金融效率的影響；近年來山東省科技金融效率區(qū)域差異大體呈下降態(tài)勢，區(qū)域差異主要來源于區(qū)域間差異。研究結果有助于進一步發(fā)揮山東省科技金融效能，進而促進產業(yè)結構升級和區(qū)域協(xié)調發(fā)展。

關鍵詞：科技金融效率；產業(yè)結構調整；區(qū)域協(xié)調發(fā)展；DEA-Tobit；Dagum基尼系數(shù)

中圖分類號：F832.7" " " " 文獻標識碼：A 文章編號：1007-5097（2023）07-0092-08 ]

Abstract：Based on the DEA model，this paper measures the efficiency of technology finance in 16 cities in Shandong province from 2015 to 2020，and constructs the Tobit model to explore the factors affecting the efficiency of technology finance，and uses the Dagum Gini coefficient coefficient method to explore the regional differences and sources of technology finance efficiency in the three economic circles of Jiaodong，the provincial capital，and southern Shandong. The empirical results indicate that at a significant level of 5%，the degree of government financial support for technology，as well as the degree of industrial upgrading，have significance positive impacts on the efficiency of technology finance. The degree of government intervention will reduce the impact of intellectual capital investment on the efficiency of technology finance； in recent years，the regional differences in the efficiency of technology finance in Shandong province have generally shown a downward trend，with regional differences mainly coming from inter regional differences. The research results contribute to further leveraging the efficiency of technology finance in Shandong province，thereby promoting industrial structure upgrading and regional coordinated development.

Key words：technology finance efficiency；adjustment of industrial structure；regional coordinated development；DEA-Tobit；Dagum Gini coefficient

一、引 言

受國際金融危機沖擊，外需持續(xù)緊縮，一定程度上阻礙了山東省經濟發(fā)展。從2009年起，山東省積極轉方式、調結構，大力發(fā)展第三產業(yè)、推進“三去一降一補”和培育高新技術企業(yè)，至2017年實施“新舊動能轉換重大工程”，在提升產業(yè)結構、促進經濟高質量發(fā)展等方面取得了一系列成效。此外，面對省內“東強西弱”的區(qū)域發(fā)展格局，山東省在2007年啟動了“一體兩翼”發(fā)展戰(zhàn)略，歷經重點區(qū)域帶動戰(zhàn)略、發(fā)展西部經濟隆起帶和強化濟青煙“三核”引領等階段，至2020年山東省16個城市已形成省會、膠東和魯南三大經濟圈的區(qū)域發(fā)展新格局。培育壯大新動能、協(xié)同推進區(qū)域一體化發(fā)展都離不開科學技術的支持，特別是近年來金融資源與科技資源正逐步趨向深度融合（李廣子，2020）［1］。然而，政策便利和寬松信貸催化了山東省企業(yè)擴規(guī)模、提產能，大量企業(yè)通過互相擔保以獲取信貸資金（張金清等，2020）［2］，導致金融支持與科技創(chuàng)新發(fā)展在一定程度上存在不匹配的現(xiàn)象。此外，在科技創(chuàng)新引導基金實施過程中，也存在基金投資政策依據(jù)亟待細化、小微企業(yè)申報門檻較高等問題，進而影響了科研成果落地轉化，降低了金融支持科技創(chuàng)新發(fā)展的效率。

因此，本文基于產業(yè)結構調整和區(qū)域協(xié)調發(fā)展視角，分析山東省16個城市金融有效支持科技創(chuàng)新的現(xiàn)狀及發(fā)展趨勢，測度科技金融效率并探究科技金融效率的影響因素，進一步分析山東省三大經濟圈科技金融效率的區(qū)域差異及其來源，進而提出促進山東省科技金融效率和縮小區(qū)域科技金融效率差異的相關建議。研究結果可以為山東省提升科技金融效率、推進產業(yè)結構升級和促進區(qū)域融合發(fā)展提供科學依據(jù)和決策參考。

二、文獻綜述

國內外學者圍繞“金融支持科技創(chuàng)新”進行了大量的研究。國外方面，Schumpeter（1934）［3］最早指出，金融市場效率影響技術創(chuàng)新，金融發(fā)展與科技創(chuàng)新密切相關；King和Levine（1993）［4］揭示金融與科技創(chuàng)新的結合是促進經濟增長的主要原因，融資分散創(chuàng)新活動風險，而扭曲的金融體系會通過降低創(chuàng)新率來降低經濟增長率；Kortum和Lerner（2000）［5］發(fā)現(xiàn)，由政策轉變導致的風險資本增加，對科技創(chuàng)新具有顯著促進作用。國內方面，趙昌文等（2009）［6］提出，科技金融是政府、企業(yè)、市場、社會中介等各種主體以金融工具、制度、政策和服務等手段向科技創(chuàng)新提供金融資源的過程中形成的體系；高揚和李云海（2020）［7］證實，銀行信貸和股市融資等金融工具的發(fā)展驅動科技創(chuàng)新，從而促進經濟增長。近年來，科技金融作為資本要素在創(chuàng)新領域的集聚和規(guī)?；?、創(chuàng)新能力的形成過程中發(fā)揮著愈加重要的作用。

在測度及評價科技金融效率方面，學者們大多構建評價指標體系，采用數(shù)據(jù)包絡分析方法（Data envelopment analysis，DEA）進行測度。楊建輝等（2020）［8］從科技產出、投融資體系和支撐體系三個方面進行指標選取，篩選出18個指標構建科技金融評價體系；吳妍妍（2019）［9］則通過DEA模型評價滬寧杭廬四個城市科技金融服務體系的有效性。為進一步提高效率值測算的精確度，Lee和Lee（2015） ［10］提出研發(fā)進度指標以優(yōu)化對政府科研資助效率的測度；Xiong等（2018） ［11］則通過結轉款項指標提高效率值測算精確度。

在探究效率影響因素方面，Atanassov（2015）［12］揭示地方債務或股權等公允融資比銀行貸款更加有助于公司的創(chuàng)新產出；周新和馬?。?021）［13］則通過模糊集定性比較分析發(fā)現(xiàn)，科技金融政策在科技金融發(fā)展路徑中發(fā)揮核心作用。然而，當前研究科技金融效率區(qū)域差異的文獻較少，考慮到我國科技金融效率存在區(qū)域差異，戴志敏等（2017）［14］運用泰爾指數(shù)、沈麗和范文曉（2021）［15］運用Dagum基尼系數(shù)，分別對我國東部、中部和西部地區(qū)的科技金融效率的區(qū)域差異進行了分析。

綜上所述，已有研究在科技金融投入與產出的指標體系構建、科技金融影響因素探究等方面取得了一系列成果，但仍存在以下問題：首先，現(xiàn)有研究大多基于科技金融的微觀特征構建投入產出指標體系，對研究樣本的區(qū)域政策、宏觀戰(zhàn)略的關聯(lián)性考慮較少；其次，已有文獻中對科技金融的區(qū)域協(xié)調和區(qū)域差異收斂研究較少。因此本文在對山東省科技金融效率測度及其影響因素進行實證分析的基礎上，進一步對科技金融效率的區(qū)域差異及來源進行探究。相比已有文獻，本文的創(chuàng)新之處主要在于以下兩點：一方面，納入產業(yè)結構調整因素的考量，基于山東省新舊動能轉換重點戰(zhàn)略的視角，探究科技金融效率的影響因素；另一方面，在膠東、省會和魯南三大經濟圈的區(qū)域發(fā)展新格局劃分方式下，基于Dagum基尼系數(shù)分解法對科技金融的區(qū)域差異及來源進行分析。

三、理論分析和研究假設

為探究山東省16個城市科技金融效率的主要影響因素，本文從政府、企業(yè)、金融部門、產業(yè)結構等角度分析科技金融效率的影響因素。

政府財政科技資金支持程度會對科技金融效率產生影響，本文采用各市研究與試驗發(fā)展活動單位的平均政府財政科技資金量來衡量政府財政科技資金支持程度。市場主導程度高和財政支持力度大的條件下，Ramp;D資金投入與科技創(chuàng)新有更高的相關性，財政支持力度與科技創(chuàng)新顯著正相關（李俊成和馬菁，2017）［16］。政府財政科技資金有助于降低企業(yè)科研成本，減少外部性損失，引導社會資金流向戰(zhàn)略性科研領域，進一步促進科技成果實現(xiàn)?；诖耍疚奶岢黾僭O1。

H1：政府財政科技資金支持程度的增加，能促進科技金融效率的提升。

金融支持規(guī)模對科技創(chuàng)新具有重要作用，本文用金融機構各項存貸款余額占各市生產總值（GDP）的比重來衡量金融支持規(guī)模。技術創(chuàng)新周期受到金融交易成本的顯著影響，金融市場完善的情況下交易成本更低，更有利于促進資金流向周期長、風險高的科技創(chuàng)新項目（Bencivenga和Smith，1991）［17］，特別是金融支持規(guī)模較高的國家，其研發(fā)經費也較高，金融支持規(guī)模與科技發(fā)展存在顯著正相關（Chowdhury和Maung，2012）［18］。金融市場是企業(yè)融資的主要場所，能積極轉化資金的投向，為科技金融效率的提高提供有力保障。但部分研究表明，企業(yè)的信貸資源主要受固定資產和營收影響，以此為基礎的金融市場傳導效應表現(xiàn)為民企的發(fā)展受抑制，實體經濟中最有潛力的價值增長可能得不到有效的金融支持（劉小玄和周曉艷，2011）［19］。同時，也有文獻指出從長期來看，實體企業(yè)金融化會擠出企業(yè)創(chuàng)新（王紅建等，2017）［20］?；诖耍疚奶岢黾僭O2。

H2：隨著金融支持規(guī)模的增加，當金融交易成本降低時，對科技金融效率產生促進作用；但實體經濟過度金融化及貸款傳導機制滯后發(fā)展需求時，金融支持規(guī)模的增加會阻礙科技金融效率提升。

智力資本投入是提升科技金融效率的關鍵，本文采用各市的Ramp;D人員折合全時當量衡量在科學研究過程中智力資本的投入。研究發(fā)現(xiàn)，人力資本從低級化向高級化演進，推動了技術創(chuàng)新和產業(yè)結構等方面的發(fā)展，進而促進了經濟增長（劉智勇等，2018）［21］。企業(yè)智力資本的投入反映企業(yè)科技創(chuàng)新的潛力，智力資本投入的提升使得人力資本向更高形態(tài)演化，與科技創(chuàng)新具有較強的互動性影響。基于此，本文提出假設3。

H3：智力資本投入的提升，對科技金融效率產生顯著影響。

產業(yè)升級程度會對科技金融效率產生影響，本文采用高新技術企業(yè)總產值與各地區(qū)生產總值的比重來衡量產業(yè)結構升級程度。根據(jù)內生增長理論，技術進步是保證經濟持續(xù)增長的決定性因素，而決定技術進步水平的關鍵是勞動分工程度和專業(yè)化人力資本的積累水平。產業(yè)結構調整和升級是加快技術進步的基礎和條件，產業(yè)結構對科技創(chuàng)新的方向、速度和規(guī)模產生較大影響，內生地決定技術進步（周叔蓮和王偉光，2001）［22］。此外，產業(yè)融合和集聚能夠提升科技創(chuàng)新溢出效應，從而推動技術密集型產業(yè)發(fā)展（孫祁祥和周新發(fā)，2020）［23］。構建現(xiàn)代產業(yè)體系是發(fā)展新動力的關鍵，通過加快分離制造業(yè)中的其他業(yè)態(tài)，從而形成高度的專業(yè)化和社會化生產經營（任保平和郭晗，2013）［24］。實施新舊動能轉換后，山東省致力于淘汰落后產業(yè)，因此，本文認為隨著高新技術企業(yè)總產值占各地區(qū)生產總值比重的提升，產業(yè)結構升級能更好地促進科技研發(fā)成果的涌現(xiàn)，提升科技金融效率?；诖?，本文提出假設4。

H4：產業(yè)升級程度的提高，對科技金融效率提升具有促進作用。

科技創(chuàng)新活動通常具備一定程度的公共品特征，尤其在基礎性創(chuàng)新研究方面，完全由市場調節(jié)科技創(chuàng)新活動會出現(xiàn)市場失靈，政府通常通過調整智力資本投入方向來彌補市場缺陷。但現(xiàn)有研究發(fā)現(xiàn)，盡管政府通過財政分權制度增加智力資本投入，但地方政府干預會削弱其邊際貢獻（田紅宇等，2019）［25］。此外，政府過度干預會促使企業(yè)提高金融資產配置來進行政策套利，致使企業(yè)金融化趨勢更加顯著，進而抑制實體經濟發(fā)展（于連超等，2021）［26］?；诖?，本文提出假設5。

H5：政府干預程度的增加，會調節(jié)智力資本投入對科技金融的影響作用。

面對省內“東強西弱”的區(qū)域發(fā)展格局，山東省在2007年啟動“一體兩翼”發(fā)展戰(zhàn)略，十余年歷經多項相關發(fā)展戰(zhàn)略，至2020年推進16個城市形成省會、膠東、魯南三大經濟圈的區(qū)域發(fā)展新格局。其中，省會經濟圈包括濟南市、泰安市、淄博市、德州市、聊城市、濱州市和東營市；膠東經濟圈包括青島市、煙臺市、濰坊市、威海市和日照市；魯南經濟圈包括臨沂市、濟寧市、菏澤市和棗莊市。

將山東省16個城市按照三大經濟圈分類，分析2015—2020年三大經濟圈的產業(yè)升級程度指標、智力資本投入指標和政府財政科技資金支持程度指標變動趨勢發(fā)現(xiàn)：2015—2020年三個經濟圈之間產業(yè)升級程度指標的差值呈先收斂下降再回升趨勢，具體表現(xiàn)為2015—2018年三大經濟圈的產業(yè)升級程度指標差的平均值由16.9%持續(xù)降至3.18%，隨后回升至17%。已有文獻表明，區(qū)域技術創(chuàng)新與產業(yè)結構升級存在交互影響關系，技術創(chuàng)新與產業(yè)結構協(xié)調化在時間和空間緯度上形成時空循環(huán)的作用效應，落后地區(qū)與富裕地區(qū)的區(qū)域創(chuàng)新驅動產業(yè)結構優(yōu)化升級存在空間斂散性特征［27］?；诖?，本文提出假設6。

H6：不同區(qū)域間產業(yè)升級程度的收斂，能促進科技金融效率區(qū)域差異性降低。

四、研究設計

本文在測度山東省16個城市科技金融效率的基礎上，探究科技金融效率的影響因素，并分析科技金融效率區(qū)域差異及其來源。

（一）數(shù)據(jù)來源

本文研究樣本為山東省16個城市，選取2015—2020年16個城市的相關數(shù)據(jù)，數(shù)據(jù)來源于Wind金融數(shù)據(jù)庫、《山東省統(tǒng)計年鑒》和省內各城市年鑒。由于萊蕪市于2019年規(guī)劃為濟南市萊蕪區(qū)，本文將萊蕪市各年相關數(shù)據(jù)合并計算至濟南市。Wang和Hagedoorn（2014）［28］證實，科技資源投入與產出存在時滯效應，而曹顥等（2011）［29］發(fā)現(xiàn)科技金融資源存在逐年“累計效應”，上一年科技金融資源的變化量會對下一年科技金融產生積極影響。參考多數(shù)研究的做法，本文假定時滯為一年，投入產出數(shù)據(jù)組為（[Xt， Yt+1]）。

（二）模型構建

本文基于DEA模型測度山東省16個城市的科技金融效率，構建受限因變量模型（Tobit）研究科技金融效率影響因素，并運用Dagum基尼系數(shù)分解法研究省內三大經濟圈科技金融效率的區(qū)域差異。

1. 科技金融效率的測度方法

Charnes等（1979）［30］提出的DEA-CCR模型可以用來評價相對有效性，本文采用DEA-CCR模型測度2015—2020年山東省內16個城市的科技金融效率。模型設定如下：

其中：[xik]、[yrk]分別為第k個效率評價單元的第i種輸入和第r種輸出；[vi]、[ur]分別為它們的權重系數(shù)；[hk]為DEA-CCR模型中16個城市科技金融效率值。由預處理指標知[r ]=1，i=1，2，且限定[hk]≤1，[v]≥[0， u]≥[0]。

2. Tobit截斷回歸模型

Coelli等（1999）［31］最早提出以DEA模型的效率值為因變量、以影響因素值為自變量，構建多元回歸模型。由于DEA測度的效率值大于等于0且小于等于1，本文采用Tobit截斷回歸進一步分析效率的影響因素。

3. Dagum基尼系數(shù)分解法

Dagum（1997）［32］采用基尼系數(shù)對子群進行分解，解決了樣本間交叉重疊且無法揭示總體差異來源的難題。本文采用Dagum基尼系數(shù)分解法對山東省膠東、省會、魯南三大經濟圈的科技金融效率區(qū)域差異及其來源進行分析。模型設定如下：

其中：G表示總體基尼系數(shù)；k為劃分的區(qū)域數(shù)，[k=3]；n為山東省所有城市數(shù)，[n=16]；[nj（nh）]是區(qū)域j（h）內的城市數(shù)；[yji（yhr）]是j（h）區(qū)域內第i（r）個城市的科技金融效率；[y]是所有城市科技金融系列的平均值?？傮w基尼系數(shù)G可分解為區(qū)域內差異貢獻[Gw]、區(qū)域間差異貢獻[Gnb]和超變密度貢獻[Gt]；[Gt]為區(qū)域間科技金融效率交叉項存在對總體差異產生的影響，且[G=Gw+Gnb+Gt]；[Gj]為區(qū)域j的基尼系數(shù)；[Gjh]為區(qū)域j和區(qū)域h之間的基尼系數(shù)。區(qū)域1為膠東經濟圈；區(qū)域2為省會經濟圈；區(qū)域3為魯南經濟圈。

（三）指標選取

1. 科技金融效率評價指標體系選取

現(xiàn)有文獻對科技金融效率評價指標體系的構建主要從科技金融資源投入和科技創(chuàng)新成果產出兩方面展開。本文從政府、企業(yè)和金融市場等方面［8-11］結合科技創(chuàng)新的資金投入情況構建投入指標，基于直接產出和間接產出兩個角度構建產出指標。

山東省16個城市科技金融效率評價指標體系見表1所列，共構造4個投入指標、4個產出指標。具體而言，本文選擇A1作為政府主體行為，反映政府科技資金投入強度。以往相關文獻多選擇Ramp;D經費支出/GDP來衡量企業(yè)主體行為，本文構建指標B1和B2，相較于Ramp;D經費支出，B1的Ramp;D經費內部支出更能衡量資金用于科研情況，相較于GDP，B1的工業(yè)總產值更能反映企業(yè)經營情況；此外，B2（Ramp;D經費對企業(yè)支出/Ramp;D經費外部支出）能夠更加準確地測度Ramp;D資金內部投入結構。針對科技研發(fā)投入的長期性特點，將C1作為金融市場主體的指標，采用長期貸款額占貸款總額來衡量金融市場對科技金融的支持情況。將D1和D2作為直接產出指標，選擇E1和E2作為科技成果的間接產出。選取指標更豐富，測度結果將更為精確。同時，由于選取多維度的指標會導致指標間存在線性相關，為避免線性相關導致效率測度偏差，本文對投入指標和產出指標的數(shù)據(jù)運用主成分分析法和歸一法預處理，合成兩個新投入指標和一個新產出指標。

2. 科技金融效率影響因素指標選取

本文運用DEA-Tobit模型，從政府、企業(yè)和金融市場三大主體以及直接產出和間接產出兩個方面，測度2015—2020年山東省16個城市的科技金融效率值，并作為被解釋變量。

參考許世琴等（2020）［33］、薛曄等（2017）［34］、孫龍和雷良海（2019）［35］等的做法，本文分別采用政府財政科技資金量和地區(qū)研究與試驗發(fā)展活動單位數(shù)的比值來衡量政府財政科技資金支持程度（Govt）；采用“地區(qū)存貸款余額/地區(qū)GDP”衡量金融支持規(guī)模（Fin）；運用Ramp;D人員折合全時當量表示智力資本投入（Intel-Cap）。作為衡量一個地區(qū)產業(yè)結構調整與升級的重要指標，本文采用“高新技術企業(yè)總產值/地區(qū)GDP”來表示產業(yè)升級程度（Ind-Str），該指標能較好地衡量山東省推進新舊動能轉換過程中產業(yè)結構的變化。隨著“地區(qū)財政收入/地區(qū)財政支出”的升高，政府對地區(qū)規(guī)劃建設的可干預程度逐漸提高，對市場的干預程度也越大，因此采用該指標近似地表示政府干預程度（Govt-Inter）。此外，考慮政府干預程度會調節(jié)智力資本投入的影響作用，本文采用政府干預智力資本投入程度（Intel-Cap×Govt-Inter）作為交互項變量。16個城市科技金融效率值影響因素指標見表2所列。

五、實證分析

（一）山東省16個城市效率值分析

本文通過DEA模型對山東省16個城市科技金融效率進行測度，測度結果見表3所列。其中，TE表示綜合效率水平；PTE表示純技術效率水平；SE表示規(guī)模效率水平；RS表示規(guī)模報酬情況；drs表示規(guī)模報酬遞減；irs表示規(guī)模報酬遞增；—表示規(guī)模報酬不變。TE、PTE和SE的取值范圍為0～1，數(shù)值越大表示樣本的相關效率水平越高。

由表3可知，2020年，濰坊、濱州和菏澤3個城市的TE等于1，青島市的TE大于0.6小于1，其余12個城市的TE小于0.6。2015—2020年，濰坊、濱州、菏澤3個城市在樣本期內的PTE顯著提升，主要得益于政府積極完善配套政策以提升科技企業(yè)主體活力，如濰坊推行重大科技創(chuàng)新項目“揭榜掛帥”制度，濱州打造“五院十校N基地”模式和開展“千企招商大走訪”，菏澤出臺“人才新政30條”等。2015—2020年，青島的PTE始終等于1，這主要是由于青島市資源稟賦充裕，可以有效聚集金融資源以支持科技研發(fā)。與此同時，2020年有8個城市PTE高于2015—2020年的PTE均值，并且PTE大致呈上升態(tài)勢，反映出近幾年山東省轉變生產方式和調整產業(yè)結構取得了一定的成效。此外，從SE結果可知，2020年，淄博、煙臺、濰坊、濟寧、泰安、德州、聊城、濱州和菏澤9個城市的SE大于0.8，并且6年間SE顯著提升；其他7個城市的科技金融效率處于規(guī)模報酬遞減階段，科技金融資源投入結構有待進一步優(yōu)化調整。

綜上，結合16個城市效率值分析可知，淄博、棗莊、濟寧、泰安、威海、日照和德州7個城市未來應重點提升PTE，繼續(xù)完善政府配套政策，增加科創(chuàng)企業(yè)市場主體活力，促進企業(yè)管理水平和技術水平的提升，從微觀領域發(fā)力提升科技金融效率；濟南、青島、東營、煙臺和臨沂5個城市未來應重點提升SE，宏觀領域調整科技金融資源投入結構，以此提升科技金融效率。

（二）回歸結果分析

本文通過構建面板Tobit模型，進一步探究2015—2020年山東省16個城市的科技金融效率影響因素。似然比（LR）檢驗結果表明，在1%的顯著性水平下，拒絕原假設“面板Tobit模型與混合截面Tobit模型的結果無差異”，因此，本文采用隨機效應Tobit模型，回歸結果見表4所列。

從表4的估計結果可知，在1%和5%的顯著性水平下，Govt和Ind-Str的增加會顯著提升山東省科技金融效率。主要原因是增加政府財政科技資金會使從事科學研究的活動單位經費增加，進而提供更多的科技金融資源，促進各市科技金融效率提高；產業(yè)結構升級為科學技術提供更多的資源稟賦，從而促進科技成果的產出。此外，在10%的顯著性水平下，政府干預程度和智力資本投入對科技金融效率具有負向影響，但是從Intel-Cap×Govt-Inter交互項變量的估計結果可知，在5%的顯著性水平下，政府干預程度的增加，會使得智力資本投入對科技金融效率的負面效應減弱。

（三）區(qū)域差異及其來源分析

為進一步探尋山東省三大經濟圈的科技金融效率區(qū)域差異及其來源，本文基于Dagum基尼系數(shù)法，測算了2015—2020年膠東、省會以及魯南三大經濟圈科技金融效率的區(qū)域總體差異、區(qū)域內差異和區(qū)域間差異，并進一步計算了區(qū)域差異（G）的貢獻率，結果見表5所列。

由表5可知，2015—2016年山東省科技金融效率總體基尼系數(shù)呈下降趨勢，由0.452下降至0.417，說明2015—2016年山東省科技金融效率的區(qū)域差異變小，但2017年總體基尼系數(shù)上升至樣本期的最大值0.728，至2020年動態(tài)下降至0.366。從區(qū)域內差異結果發(fā)現(xiàn)，2015—2016年膠東、省會兩個經濟圈的區(qū)域內差異下降，膠東區(qū)域由0.144降至0.138，省會區(qū)域由0.159降至0.069，但2017年膠東、省會兩個經濟圈的區(qū)域內差異上升至樣本期的最大值，至2020年動態(tài)持續(xù)下降；2015—2020年魯南經濟圈的區(qū)域內差異呈交替升降，說明魯南經濟圈的區(qū)域內差異變動仍處在不穩(wěn)定階段，魯南經濟圈內科技金融發(fā)展失衡問題尚未得到有效解決。整體來看，總體基尼系數(shù)、膠東和省會經濟圈的區(qū)域內差異在2017年顯著上升，主要原因在于，國務院2018年批復的山東省“新舊動能轉換重大工程”于2017年初已經實施，且測度模型假定時滯1年，2017年科技金融效率為2018年終的科技產出，表5中測算的2017年科技金融效率區(qū)域差異為新舊動能轉換兩年后，新動能尚未完全催生，舊動能已逐步淘汰，出現(xiàn)科技產業(yè)真空期，導致科技金融效率的區(qū)域差異升高。但差異上升并未持續(xù)，2018—2020年的總差異、區(qū)域內差異和區(qū)域間差異與2017年相比均有所下降，產業(yè)結構升級會使科技金融等各項經濟數(shù)據(jù)先降后升。例如，國際金融危機后，相較國企占比重的山東省，中小企業(yè)占比更大的廣東省受困于中等收入陷阱而實施“騰籠換鳥”戰(zhàn)略，產業(yè)結構調整早期GDP增速降至全國倒數(shù)，但高新技術企業(yè)等新動能培育后，科技創(chuàng)新等經濟成果斐然。

表5結果顯示，山東省三大經濟圈科技金融效率的區(qū)域間差異呈分化態(tài)勢，“省會-膠東”和“膠東-魯南”區(qū)域間差異的演進趨于一致且大致呈下降趨勢，而“省會-魯南”區(qū)域間差異變動幅度較小且較為穩(wěn)定。產生該現(xiàn)象的原因可能在于，2015—2020年膠東經濟圈與其他經濟圈的區(qū)域協(xié)調逐漸加深，而近幾年“省會-魯南”的區(qū)域協(xié)調合作未有較大改善。

此外，由表5中總體差異貢獻度可知，在樣本期內區(qū)域內差異、區(qū)域間差異和超變密度的平均貢獻度分別為43.53%、49.80%和48.75%，且至2020年總體差異主要是區(qū)域間差異貢獻最大，這說明山東省科技金融效率區(qū)域差異主要來源于省會、膠東和魯南三大區(qū)域間。2015—2020年區(qū)域內差異、區(qū)域間差異和超變密度的貢獻度大致呈下降趨勢，說明隨著經濟圈之間產業(yè)升級程度差異的收斂，區(qū)域間差異逐漸縮小，區(qū)域協(xié)調發(fā)展新格局逐步形成。

六、結論與政策建議

（一）研究結論

本文構建山東省16個城市的科技金融效率評價體系，基于DEA-Tobit模型對科技金融效率進行測度并探究其影響因素，并運用Dagum基尼系數(shù)法進一步研究了山東省省會、膠東和魯南三大經濟圈的科技金融效率區(qū)域差異及其來源，主要結論如下：

第一，2015—2020年山東省多數(shù)城市科技金融的純技術效率和規(guī)模效率呈上升態(tài)勢，且2020年濰坊、濱州和菏澤的科技金融效率較高，但科技金融資源在各城市間存在投入結構失衡現(xiàn)象。

第二，山東省16個城市科技金融效率受政府財政科技資金支持程度和產業(yè)升級程度的正向影響，政府干預程度的引入會使智力資本投入對科技金融效率產生負面影響，但這種負面效應隨政府干預程度的提高會被削弱。

第三，2015—2016年山東省科技金融效率的區(qū)域差異呈下降態(tài)勢，2017年區(qū)域差異為樣本期的最大值，但2018—2020年再次下降。膠東、省會的區(qū)域內差異持續(xù)降低，但魯南經濟圈的區(qū)域協(xié)調未見成效。產業(yè)結構升級有助于區(qū)域科技金融效率差異下降，區(qū)域間差異近年來呈下降趨勢，表明區(qū)域協(xié)調發(fā)展新格局逐步形成。但省會與魯南的區(qū)域間差異整體穩(wěn)定，科技金融效率的總體差異仍主要為區(qū)域間差異。

（二）政策建議

基于以上研究結論，本文提出以下政策建議：

一方面，為最大限度提升科技金融效率，山東省各城市應參考科技金融效率情況，基于科技金融資源稟賦基礎，踐行“一城一策”，調總量、優(yōu)結構。此外，應繼續(xù)加大政府財政科技資金支持，完善配套措施積極推進新舊動能轉化，加快產業(yè)結構升級；與此同時，建立健全多層次、廣覆蓋、寬領域的資本市場體系，拓寬科學技術型企業(yè)的融資渠道。

另一方面，為促進區(qū)域協(xié)調發(fā)展，應堅持產業(yè)結構升級。三大經濟圈的科技金融效率區(qū)域差異降低，關鍵在于加強區(qū)域間協(xié)調，重點引導“省會-魯南”區(qū)域間協(xié)調發(fā)展，在此基礎上立足本區(qū)域發(fā)展各城市，降低區(qū)域內城市差異，由“三核引領”變多強并起，加大對魯南經濟圈的科技金融資源支持。

綜上所述，在山東省深入實施產業(yè)結構升級和區(qū)域協(xié)調發(fā)展新格局的背景下，發(fā)展高新技術產業(yè)成為關鍵點?？萍冀鹑谀軌虮Ｕ峡萍紕?chuàng)新活動的蓬勃開展，其也是山東省實現(xiàn)區(qū)域高質量可持續(xù)發(fā)展的強有力支撐。

參考文獻：

［1］李廣子.金融與科技的融合：含義、動因與風險［J］.國際經濟評論，2020（3）：91-106，6.

［2］張金清，張劍宇，陳曉紅.不同擔保角色下上市企業(yè)違約風險評判——以山東省為例［J］.復旦學報（社會科學版），2020，62（4）：174-190.

［3］SCHUMPETER J A. The Theory of Economic Development［M］. Cambridge：Harvard University Press，1934.

［4］KING R G，LEVINE R. Finance，Entrepreneurship and Growth［J］. Journal of Monetary Economics，1993，32（3）：513-542.

［5］KORTUM S，LERNER J. Assessing the Contribution of Venture Capital to Innovation［J］. The RAND Journal of Economics，2000，31（4）：674-692.

［6］趙昌文，陳春發(fā)，唐英凱.科技金融：Sci-TechFinance［M］.北京：科學出版社，2009.

［7］高揚，李云海.金融發(fā)展、創(chuàng)新驅動與經濟增長——基于省際面板數(shù)據(jù)的實證研究［J］.科技管理研究，2020，40（7）：18-25.

［8］楊建輝，黎綺熳，謝潔儀.區(qū)域科技金融發(fā)展評價指標體系——基于投影尋蹤模型分析［J］.科技管理研究，2020，40（6）：69-74.

［9］吳妍妍.科技金融服務體系構建與效率評價［J］.宏觀經濟研究，2019（4）：162-170.

［10］LEE S，LEE H. Measuring and Comparing the Ramp;D Performance of Government Research Institutes：A Bottom-Up Data Envelopment Analysis Approach［J］. Journal of Informetrics，2015，9（4）：942-953.

［11］XIONG X，YANG G L，GUAN Z C. Assessing Ramp;D Efficiency Using A Two-stage Dynamic DEA Model：A Case Study of Research Institutes in the Chinese Academy of Sciences［J］. Journal of Informetrics，2018，12（3）：784-805.

［12］ATANASSOV J. Arm's Length Financing and Innovation：Evidence from Publicly Traded Firms［J］. Management Science，2015，62（1）：128-155.

［13］周新，馬丁.我國科技金融發(fā)展效率的影響因素——基于模糊集的定性比較分析［J］.科技管理研究，2021，41（6）：49-54.

［14］戴志敏，鄭萬騰，楊斌斌.科技金融效率多尺度視角下的區(qū)域差異分析［J］.科學學研究，2017，35（9）：1326-1333.

［15］沈麗，范文曉.我國科技金融效率的空間差異及分布動態(tài)演進［J］.管理評論，2021，33（1）：44-53，67.

［16］李俊成，馬菁.Ramp;D資金投入與科技創(chuàng)新——基于融資環(huán)境視角的研究［J］.中國科技論壇，2017（2）：135-142.

［17］BENCIVENGA V R，SMITH B D. Financial Intermediation and Endogenous Growth［J］. The Review of Economic Studies，1991，58（2）：195-209.

［18］CHOWDHURY R H，MAUNG M. Financial Market Development and the Effectiveness of Ramp;D Investment：Evidence from Developed and Emerging Countries［J］. Research in International Business and Finance，2012，26（2）：258-272.

［19］劉小玄，周曉艷.金融資源與實體經濟之間配置關系的檢驗——兼論經濟結構失衡的原因［J］.金融研究，2011（2）：57-70.

［20］王紅建，曹瑜強，楊慶，等.實體企業(yè)金融化促進還是抑制了企業(yè)創(chuàng)新——基于中國制造業(yè)上市公司的經驗研究［J］.南開管理評論，2017，20（1）：155-166.

［21］劉智勇，李海崢，胡永遠，等.人力資本結構高級化與經濟增長：兼論東中西部地區(qū)差距的形成和縮?。跩］.經濟研究，2018，53（3）：50-63.

［22］周叔蓮，王偉光.科技創(chuàng)新與產業(yè)結構優(yōu)化升級［J］.管理世界，2001（5）：70-78，89-216.

［23］孫祁祥，周新發(fā).科技創(chuàng)新與經濟高質量發(fā)展［J］.北京大學學報（哲學社會科學版），2020，57（3）：140-149.

［24］任保平，郭晗.經濟發(fā)展方式轉變的創(chuàng)新驅動機制［J］.學術研究，2013（2）：69-75，159.

［25］田紅宇，祝志勇，胡曉清.財政分權、地方政府競爭與區(qū)域科技創(chuàng)新效率［J］.中國科技論壇，2019（11）：103-112.

［26］于連超，張衛(wèi)國，畢茜.產業(yè)政策與企業(yè)“脫實向虛”：市場導向還是政策套利？［J］.南開管理評論：2021（6）：1-23.

［27］周璇.知識溢出下區(qū)域技術創(chuàng)新驅動產業(yè)結構優(yōu)化升級的空間效應研究［D］.南昌：江西財經大學，2017.

［28］WANG N，HAGEDOORN J. The Lag Structure of the Relationship Between Patenting and Internal Ramp;D Revisited［J］. Research Policy，2014，43（8）：1275-1285.

［29］曹顥，尤建新，盧銳，等.我國科技金融發(fā)展指數(shù)實證研究［J］.中國管理科學，2011，19（3）：134-140.

［30］CHARNES A，COOPER W W，RHODES E. Measuring the Efficiency of Decision-making Units［J］. European Journal of Operational Research，1979，3（4）：339-339.

［31］COELLI T，PERELMAN S，ROMANO E. Accounting for Environmental Influences in Stochastic Frontier Models：With Application to International Airlines［J］. Journal of Productivity Analysis，1999，11（3）：251-273.

［32］DAGUM C. A New Approach to the Decomposition of the Gini Income Inequality Ratio［J］. Empirical Economics，1997，22（4）：515-531.

［33］許世琴，尹天寶，陽楊.中國省際科技金融效率測度及其影響因素分析——基于空間面板模型實證研究［J］.技術經濟，2020，39（3）：81-86.

［34］薛曄，藺琦珠，高曉艷.中國科技金融發(fā)展效率測算及影響因素分析［J］.科技進步與對策，2017，34（7）：109-116.

［35］孫龍，雷良海.地方政府促進科技成果轉化的財政政策研究——基于上海市46份政策文件的量化分析［J］.華東經濟管理，2019，33（10）：27-32.

［責任編輯：陳春香］