基于DEA-Malmquist模型的黑龍江省科技金融效率評價研究

【摘" 要】論文對2014-2023年黑龍江省科技金融投入與產(chǎn)出數(shù)據(jù)進行了分析，采用DEA-Malmquist模型對該省的科技金融效率進行了評估。研究發(fā)現(xiàn)，靜態(tài)分析表明黑龍江省科技金融效率總體上處于DEA弱有效狀態(tài)，說明其總體水平亟待提高；動態(tài)分析表明黑龍江省亟需提升和改進相關(guān)技術(shù)。同時，根據(jù)實證分析結(jié)果，論文提出了完善科技金融政策體系、提升企業(yè)技術(shù)創(chuàng)新能力、充分發(fā)揮金融市場的調(diào)節(jié)功能、大力培養(yǎng)復合型科技金融人才等建議，以期進一步推動黑龍江省科技金融的發(fā)展。

【關(guān)鍵詞】DEA；Malmquist；黑龍江；科技金融效率

【中圖分類號】F124.3；F832" " " " " " " " " " " " " " " " " " " " " " "【文獻標志碼】A" " " " " " " " " " " " " " " " " " " " " " " " "【文章編號】1673-1069（2025）01-0040-05

1 引言

近年來，我國科技體制改革不斷深化，科技創(chuàng)新能力和體系逐步得到提升和完善，現(xiàn)已成為全球最大的人才儲備國，尤其是在科技領(lǐng)域。目前，科技金融在推動自主創(chuàng)新和經(jīng)濟高質(zhì)量發(fā)展方面，已成為國家戰(zhàn)略的重要支撐力量。因此，為積極響應國家的號召，各省市紛紛推出了相應的措施來推動科技金融的進步。

黑龍江省作為我國東北地區(qū)的重要省份，在維護國家經(jīng)濟安全與區(qū)域協(xié)調(diào)發(fā)展方面具有不可替代的戰(zhàn)略地位。近年來，在國家政策的引導下，黑龍江省政府、科技廳等相關(guān)部門陸續(xù)推出了若干有助于推動科技與金融協(xié)同發(fā)展的措施和文件。在這一背景下，《黑龍江省“十四五”科技創(chuàng)新規(guī)劃》于2021年出臺，該文件對2021-2025年黑龍江省科技創(chuàng)新發(fā)展藍圖進行了描繪，同時明確界定了科技工作的核心目標與任務；同年又出臺了《黑龍江省中長期科學和技術(shù)發(fā)展規(guī)劃（2021-2035年）》，該文件明確了未來15年科技創(chuàng)新支撐和引領(lǐng)黑龍江省高質(zhì)量發(fā)展的八大重要場景，致力于通過推進科技與場景的融合，為全省經(jīng)濟與社會進步以及民生改善提供技術(shù)解決方案，從而全面支持龍江的全面復興；2022年，《黑龍江省科技振興行動計劃（2022-2026年）》印發(fā)，該計劃不僅貫徹落實了省第十三次黨代會的精神，也是龍江科技高質(zhì)量進步的框架性指南。

由此可見，近年來黑龍江省科技金融發(fā)展呈現(xiàn)積極態(tài)勢，然而相較其他地區(qū)，仍面臨諸多挑戰(zhàn)，如科技金融的整體水平不夠理想且效率偏低、金融服務體系不完善、風險投資活躍度不足、資本市場支持力度有限、金融創(chuàng)新不足、人才外流等。因此，科技金融效率的提高，對于推動黑龍江省經(jīng)濟進步意義重大。

2 文獻綜述

關(guān)于科技金融的定義，國內(nèi)學者進行了大量的研究。張明[1]指出，為了推動科技進步和產(chǎn)業(yè)升級，需要構(gòu)建一個能夠支持這些目標的金融體系，這一體系應當深度整合創(chuàng)新鏈、產(chǎn)業(yè)鏈與資金鏈，從而形成科技、產(chǎn)業(yè)與金融之間互促共進的良性循環(huán)機制；劉曉春[2]指出，現(xiàn)代經(jīng)濟在科技創(chuàng)新和金融創(chuàng)新的雙重驅(qū)動下實現(xiàn)了迅猛發(fā)展，而新質(zhì)生產(chǎn)力的提升同樣依賴于金融的助力，與此同時，科技創(chuàng)新在從創(chuàng)意到實際應用的過程中會經(jīng)歷很多階段，所以亟需相應的金融工具進行支持；康玲[3]指出，區(qū)域創(chuàng)新能力與科技金融有著緊密的聯(lián)系，通過資金注入、分散風險、資源高效配置等多種方式，推動了科技成果向現(xiàn)實生產(chǎn)力轉(zhuǎn)化，進而促進了經(jīng)濟增長和社會發(fā)展；楊馥禛等[4]指出，為了加快高新技術(shù)企業(yè)的發(fā)展，應當提升科技金融服務的質(zhì)量與效率，推動與各類商業(yè)銀行、金融機構(gòu)的協(xié)作，引導其開發(fā)符合高新技術(shù)企業(yè)需求的信貸產(chǎn)品，從而更好地服務于科技型企業(yè)；羅芳[5]指出，促進我國經(jīng)濟實現(xiàn)高質(zhì)量發(fā)展的核心就是發(fā)展新質(zhì)生產(chǎn)力，商業(yè)銀行作為經(jīng)濟發(fā)展的關(guān)鍵參與者，要把提升新質(zhì)生產(chǎn)力作為重要目標，專注于關(guān)鍵領(lǐng)域、行業(yè)、環(huán)節(jié)和產(chǎn)品的創(chuàng)新。

關(guān)于科技金融效率評價體系的構(gòu)建，目前已成為諸多學者研究的焦點。國內(nèi)學者龐金波等[6]運用PP模型，對2010-2017年我國科技金融投入和產(chǎn)出的省級面板數(shù)據(jù)進行實證研究，揭示出東、中、西部地區(qū)的科技金融效率均值存在顯著差異；曾斌昌[7]運用DEA模型對廈門市的科技金融效率進行評價，研究表明，廈門市的科技金融呈現(xiàn)出明顯的非有效狀態(tài)，純技術(shù)效率與規(guī)模效率均有提升空間；張偉強等[8]運用DEA-BCC模型對河南省科技金融效率進行靜態(tài)測量，發(fā)現(xiàn)該省總體科技金融效率尚處于較低水平，而且不同城市之間的科技金融效率差異顯著；高揚等[9]借助DEA模型針對山東省16個城市的科技金融效率予以評估，研究表明，近年來山東省科技金融效率的區(qū)域差異大體上呈逐漸縮小態(tài)勢，且該差異的關(guān)鍵成因在于區(qū)域間的差異；趙玲等[10]采用層次分析法和數(shù)據(jù)包絡分析法相結(jié)合的模型，對杭州市的科技金融效率進行了評估，研究結(jié)果表明，杭州市的科技金融效率整體表現(xiàn)不理想，與此同時，不同年份的效率呈現(xiàn)出W型波動，變化幅度較為顯著，表現(xiàn)出不穩(wěn)定的特征。

總的來看，國內(nèi)關(guān)于科技金融效率的研究已有一定的進展，不過目前的研究仍然存在一些不足之處。首先，許多研究者對于科技金融效率的探討，多聚焦于某一時點不同地區(qū)之間的效率對比，尚未對科技金融效率的動態(tài)變化進行深入分析；其次，在科技金融的評價指標選取方面并不全面，許多學者傾向于將專利申請數(shù)量視為科技金融產(chǎn)出的衡量標準，而本文認為，專利授權(quán)數(shù)量能夠更為精準地體現(xiàn)科技成果的真實情形；最后，通過對相關(guān)文獻進行分析，發(fā)現(xiàn)針對黑龍江省科技金融效率的研究相對缺乏?；诖耍疚膹撵o態(tài)與動態(tài)兩個維度，運用DEA-Malmquist模型對黑龍江省的科技金融效率進行深入分析，以期獲得全面而準確的評估結(jié)果。在此過程中，評價指標的選擇致力于體現(xiàn)科技金融投入與產(chǎn)出之間的真實關(guān)系。同時，依據(jù)實證分析的結(jié)果，針對此領(lǐng)域的發(fā)展，提出了一系列相關(guān)的對策和建議，旨在促進黑龍江省科技金融的協(xié)同發(fā)展。

3 模型構(gòu)建與數(shù)據(jù)說明

3.1 模型構(gòu)建

3.1.1 DEA模型

CCR模型的預設前提是假定DMU的輸入規(guī)模在理想狀態(tài)下保持恒定，即規(guī)模報酬處于固定不變的狀況。因此，規(guī)模效率（SE）會影響CCR模型呈現(xiàn)的技術(shù)效率。盡管如此，現(xiàn)實中的DMU并不總能維持在最優(yōu)規(guī)模狀態(tài)，所以CCR模型的適用性受到了一定的限制。為了應對上述難題，Banker et al.[11]巧妙地提出了BCC模型，其核心理念在于設定規(guī)模報酬的可變性，從而剝離規(guī)模因素對效率的潛在影響，進而界定了純技術(shù)效率（PTE）的概念。據(jù)此，由CCR模型所得出的技術(shù)效率，被賦予了綜合技術(shù)效率（TE）的稱謂。另外，通過TE與PTE的比值運算，能夠求得規(guī)模效率（SE），即SE等于TE除以PTE。鑒于現(xiàn)實情況的動態(tài)性，本研究選取BCC模型作為靜態(tài)評估的工具。

3.1.2 Malmquist指數(shù)模型

CCR模型和BCC模型僅能針對特定時間點的投入與產(chǎn)出進行評估，屬于靜態(tài)的計量分析范疇?；诖?，本文利用Malmquist模型對黑龍江省的科技金融效率展開更為深入的研究，旨在評估DMU在不同時間節(jié)點上的生產(chǎn)效率的變化。

當pech＞1時，表明科技金融中的技術(shù)運用和管理水平有所上升；當pech=1時，表明純技術(shù)效率在現(xiàn)有條件下并未發(fā)生變化；當pech＜1時，表明技術(shù)運用及管理水平有所降低。同理，sech＞1代表規(guī)模效率的提升，sech=1表示不變，sech＜1表示降低。

3.2 指標選取與數(shù)據(jù)來源

3.2.1 指標選取

運用DEA-Malmquist模型展開定量分析時，投入與產(chǎn)出相關(guān)指標的選取極為關(guān)鍵。如果選定的指標不同，得出的結(jié)論也就不同。為更完整地評價黑龍江省的科技金融效率，本文依照系統(tǒng)性、全面性及可操作性準則，借鑒韓景旺等[14]、梅永倩等[15]的研究成果，選取了相關(guān)指標，如表1所示。

3.2.2 數(shù)據(jù)來源

為深入分析黑龍江省2014年至2023年的科技金融發(fā)展狀況，本文構(gòu)建了相應的指標體系，并嚴格選取《黑龍江省統(tǒng)計年鑒》與《中國科技統(tǒng)計年鑒》中的數(shù)據(jù)作為分析基礎(chǔ)，以確保數(shù)據(jù)的準確性與權(quán)威性。個別年度缺失的數(shù)據(jù)通過平均法或者趨勢法推算得出。

4 實證分析

4.1 基于DEA模型的黑龍江省科技金融效率測度分析

本文利用DEAP 2.1軟件，并運用BCC投入主導型模型，深入剖析2014-2023年黑龍江省科技金融的投入產(chǎn)出情況，主要包括綜合技術(shù)效率、純技術(shù)效率、規(guī)模效率及規(guī)模報酬，相關(guān)結(jié)果如表2所示。

經(jīng)全面剖析可知，2014-2023年黑龍江省科技金融的綜合技術(shù)效率均值達到了0.935，純技術(shù)效率均值高達0.988，而規(guī)模效率均值也達到了0.946，但是這些效率值皆小于1，處于DEA弱有效狀態(tài)，這表明黑龍江省科技金融的整體效率水平仍有提升空間。后續(xù)將從這3個維度展開深入探究。

4.1.1 綜合技術(shù)效率結(jié)果分析

綜合技術(shù)效率體現(xiàn)了DMU在資源配置及其使用效率等多方面的能力評定。當綜合技術(shù)效率值達到1時，意味著科技金融的資源配置已達到最佳狀態(tài)，否則表明存在效率的損失。值得注意的是，在2014年、2015年、2021年及2022年，該指標達到了有效狀態(tài)，效率值圓滿實現(xiàn)了1的佳績，這充分彰顯了投入與產(chǎn)出環(huán)節(jié)均已達成最優(yōu)成效；在2017年、2018年和2023年，該指標處于相對有效狀態(tài)，效率值介于0.9～1，這表明經(jīng)過一定的調(diào)整即可達到整體效率有效；在2016年、2019年和2020年，該指標處于無效狀態(tài)，其效率值低于0.9，這表明黑龍江省科技金融在資源配置等方面需要經(jīng)過較長的時間進行調(diào)整與提升，才能達到整體效率有效。因此，不論是國家層面還是黑龍江省政府，在促進科技金融發(fā)展方面的重視與支持仍有很大的提升空間。

4.1.2 純技術(shù)效率結(jié)果分析

純技術(shù)效率是受企業(yè)管理與技術(shù)等要素作用的生產(chǎn)效率。從這個維度看，除2016年、2017年、2020年、2023年之外的年份均呈現(xiàn)有效狀態(tài)，并且這4年的數(shù)值處于0.9～1，僅需對科技金融投入稍加調(diào)整，便可達成純技術(shù)效率的有效狀態(tài)。在2018年和2019年，盡管純技術(shù)效率達到了1，但規(guī)模效率的不足，卻使得綜合技術(shù)效率未能邁入有效行列?？傮w來看，純技術(shù)效率為1時，資源投入的使用效率無可挑剔，而綜合無效的根源則在于規(guī)模效率的無效，故而需著重關(guān)注如何充分發(fā)揮其規(guī)模效益。

4.1.3 規(guī)模效率結(jié)果分析

規(guī)模效率反映的是企業(yè)實際生產(chǎn)規(guī)模與最優(yōu)生產(chǎn)規(guī)模之間的差距，即受企業(yè)規(guī)模因素影響的生產(chǎn)效率。從規(guī)模效率的視角來看，在2014年至2023年，有4年的規(guī)模效率處于相對有效的狀態(tài)，其效率值介于0.9～1；在此期間，有4年的規(guī)模效率達到有效狀態(tài)，其效率值為1，說明黑龍江省在科技金融資源的實際投入與最優(yōu)生產(chǎn)規(guī)模之間達到合理狀態(tài)，并完成了有效的資源分配和使用；在此期間，有兩年的規(guī)模效率顯示為無效，其效率值低于0.9。同時，規(guī)模報酬的分析結(jié)果表明，在2014年至2023年，有6年處于遞增狀態(tài)，另有4年維持不變。這與規(guī)模效率分析的結(jié)果是一致的，表明在該方面的資源投放已相對充足。

4.2 基于Malmquist指數(shù)的黑龍江省科技金融效率測度分析

DEA模型僅能呈現(xiàn)黑龍江省科技金融效率的靜態(tài)狀況。為從動態(tài)層面探討黑龍江省科技金融效率的變化，需運用Malmquist指數(shù)展開分析，該指數(shù)能夠體現(xiàn)DMU在科技創(chuàng)新方面的效率變化趨向。通過DEAP 2.1軟件，基于Malmquist模型，可以計算得到表3。表3中各項指標的含義如下：effch代表技術(shù)效率變化指數(shù)，techch代表技術(shù)進步指數(shù)，pech代表純技術(shù)效率變化指數(shù)，sech代表規(guī)模效率變化指數(shù)，tfpch代表全要素生產(chǎn)率指數(shù)。同時，對于表3列出的各個指數(shù)，當其值超過1時表示效率有所提升，而等于1則表示效率保持不變，低于1則意味著效率有所下滑。此外，效率指數(shù)與1之間的差距為其增長率。

從表3可以看出，在2014年至2023年，對于effch，僅有2個區(qū)間處于增長的階段，而有2個區(qū)間處于下降的階段，另外有5個區(qū)間處于不變的階段，其波動范圍為0.923～1.083，波動幅度相對較小；對于techch，有5個區(qū)間處于增長的階段，其余4個區(qū)間處于下降的階段，其波動范圍為0.791～1.131，波動較為顯著；對于pech，各個區(qū)間的純技術(shù)效率的值沒有發(fā)生變化，表現(xiàn)出較高的穩(wěn)定性；對于sech，僅有2個區(qū)間處于增長的階段，有2個區(qū)間則處于下降的階段，另外有5個區(qū)間處于不變的階段，其波動范圍為0.923～1.083，波動幅度相對較?。粚τ趖fpch，有5個區(qū)間處于增長的階段，其余4個區(qū)間處于下降的階段，其波動范圍為0.791～1.225，波動幅度較大。此外，依據(jù)effch、techch、pech、sech、tfpch的均值分析，可以發(fā)現(xiàn)techch及tfpch的均值未達到1。由此可以得出，為了提高全要素生產(chǎn)率，黑龍江省需要提升和改進相應的技術(shù)。從整體來看，動態(tài)分析能更有效地展示科技金融效率的變化情況，而黑龍江省在科技金融效率上仍有顯著的提升潛力，因此，需要積極采取應對措施。

5 提升黑龍江省科技金融效率的建議

5.1 完善科技金融政策體系

相關(guān)政策的發(fā)布可以為科技金融的進步創(chuàng)造良好的條件，從而促進該領(lǐng)域的發(fā)展。黑龍江省政府應根據(jù)省內(nèi)科技金融的具體情況，制定符合需求的支持政策，如財政補貼、稅收優(yōu)惠、貸款優(yōu)惠等措施。在制定科技金融政策的過程中，黑龍江省的科技部門需與相關(guān)單位建立科技金融協(xié)調(diào)機制，以便合理配置科技金融資源，共同探討與制定科技金融政策，避免資源與政策過于集中到少部分科技企業(yè)。此外，需增強政策的精準性，設定具體的實施細則和應對方案，優(yōu)化政策執(zhí)行流程，提高政策的公開透明度，以確保政策能夠真正有效地實施。

5.2 提升企業(yè)技術(shù)創(chuàng)新能力

由實證分析可知，在提升科技金融效率的過程中，黑龍江省亟需改進相關(guān)技術(shù)。然而，企業(yè)技術(shù)創(chuàng)新能力的強化居于核心地位，所以黑龍江省應當鼓勵本省企業(yè)借鑒發(fā)達國家和地區(qū)的先進技術(shù)，提升企業(yè)的創(chuàng)新能力和技術(shù)水平。同時，應當構(gòu)建企業(yè)、高校與科研機構(gòu)之間的合作平臺，加速科研成果的轉(zhuǎn)化與應用，從而在企業(yè)生產(chǎn)中充分發(fā)揮高校及科研院所的科研優(yōu)勢。此外，需優(yōu)化企業(yè)的創(chuàng)新環(huán)境，健全知識產(chǎn)權(quán)的保護機制，提供政策引導、技術(shù)轉(zhuǎn)讓等公共服務，從而降低創(chuàng)新所需的成本。

5.3 充分發(fā)揮金融市場的調(diào)節(jié)功能

由實證分析可知，黑龍江省的科技金融在資源配置等方面亟需優(yōu)化提升。所以，為了強化資源配置，應當充分發(fā)揮金融市場的調(diào)節(jié)功能。首先，需要有效配置金融資源，引導資金流向科技創(chuàng)新領(lǐng)域，從而提升科技企業(yè)融資的可獲得性；其次，應當構(gòu)建多層次的資本市場，拓寬科技企業(yè)的融資途徑，例如，通過新三板、創(chuàng)業(yè)板等平臺實現(xiàn)股權(quán)融資；再次，應該深化金融產(chǎn)品與服務的創(chuàng)新，需設計開發(fā)契合科技企業(yè)特質(zhì)的金融工具，如科技貸款、知識產(chǎn)權(quán)質(zhì)押融資等；最后，要強化金融監(jiān)管，以維護市場的正常運作，降低潛在風險，為科技金融創(chuàng)造一個穩(wěn)定的運作環(huán)境。

5.4 大力培養(yǎng)復合型科技金融人才

發(fā)展的核心是創(chuàng)新，創(chuàng)新的核心是人才。從事科技金融工作的人才不僅需要掌握金融相關(guān)知識，還應當具備對大數(shù)據(jù)進行分析和挖掘的能力。所以，在人才培養(yǎng)的過程中，應當完善人才培養(yǎng)機制，以便更好地促進產(chǎn)學研的深度融合。目前，黑龍江省已經(jīng)采取多種策略來留住人才，但實際成效依然不夠理想。因此，黑龍江省應著力加大人才引進強度，積極促成相關(guān)政策落地，優(yōu)化創(chuàng)業(yè)就業(yè)環(huán)境，完善人才住房等必要設施，以使更多人才愿意扎根黑龍江省，為其發(fā)展貢獻力量。

6 結(jié)論

本文對2014-2023年黑龍江省科技金融投入與產(chǎn)出數(shù)據(jù)進行了分析，建立了評估黑龍江省科技金融效率的指標體系。

首先，通過應用DEA模型進行靜態(tài)評估，結(jié)果顯示黑龍江省科技金融效率整體上處于DEA弱有效狀態(tài)，這表明黑龍江省在提升科技金融效率方面仍有較大空間；其次，利用Malmquist指數(shù)模型進行動態(tài)研究發(fā)現(xiàn)，黑龍江省需要提升和改進相關(guān)技術(shù)；最后，結(jié)合實證分析結(jié)果，提出完善科技金融政策體系、提升企業(yè)技術(shù)創(chuàng)新能力、充分發(fā)揮金融市場的調(diào)節(jié)功能、大力培養(yǎng)復合型科技金融人才等建議，從而為黑龍江省科技金融的發(fā)展提供一定的參考。然而，因為數(shù)據(jù)較為有限，所選擇的評估指標就相對片面，所以研究結(jié)果在某種程度上是受限的。因此，在未來的研究中，可以根據(jù)獲得的數(shù)據(jù)進一步完善科技金融效率的評價指標選擇。

【參考文獻】

【1】張明.深化金融改革，做好科技金融大文章[J].遼寧大學學報（哲學社會科學版），2024，52（6）：1-9.

【2】劉曉春.關(guān)于新質(zhì)生產(chǎn)力與科技金融的思考[J].新金融，2024（11）：43-45+59.

【3】康玲.科技金融對區(qū)域創(chuàng)新能力的提升作用及影響因素分析[J].商展經(jīng)濟，2024（20）：88-91.

【4】楊馥禛，胡彬翰，王翠，等.高新技術(shù)企業(yè)培育存在的問題與對策研究[J].商場現(xiàn)代化，2024（23）：117-119.

【5】羅芳.新質(zhì)生產(chǎn)力賦能商業(yè)銀行高質(zhì)量發(fā)展的機遇、挑戰(zhàn)與實踐路徑探索[J].商展經(jīng)濟，2024（21）：85-88.

【6】龐金波，李楊薇，趙麗娟.基于PP-SFA方法的我國科技金融投入產(chǎn)出效率研究[J].科技管理研究，2020，40（21）：217-224.

【7】曾斌昌.廈門市科技金融效率評價實證研究[J].廈門科技，2024，30（1）：29-35.

【8】張偉強，趙飛，李怡君，等.基于DEA-BCC模型的河南科技金融效率分析[J].河南科技，2023，42（16）：138-143.

【9】高揚，王桂" ".山東省科技金融效率影響因素及區(qū)域差異研究[J].華東經(jīng)濟管理，2023，37（7）：92-99.

【10】趙玲，賀小海，仰小鳳.杭州市科技金融效率評價與影響因素研究——基于AHP-DEA-Tobit模型[J].科技和產(chǎn)業(yè)，2023，23（4）：80-85.

【11】R. D. Banker，A. Charnes，W. W. Cooper.Some Models for Estimating Technical and Scale Inefficiencies in Data Envelopment Analysis[J].Management Science，1984，30（9）：1078-1092.

【12】Sten Malmquist.Index numbers and indifference surfaces[J].Trabajos de Estadistica，1953，4（2）：209-242.

【13】Douglas W Caves，Laurits R Christensen，Walter Diewert.The Economic Theory of Index Numbers and the Measurement of Input， Output， and Productivity[J].Econometrica，1982，50（6）：1393-1414.

【14】韓景旺，牛梓宣.河北省科技金融發(fā)展效率測度及影響因素分析[J].河北金融，2022（7）：27-31.

【15】梅永倩，王萌，谷雨.基于DEA-Malmquist指數(shù)法的河南省科技金融效率評價[J].科技和產(chǎn)業(yè)，2022，22（5）：107-111.