苏州市科技金融投入对科技创新效率研究

(上海大学 上海 201800)

一、引言

2009年苏州市政府出台《关于加强科技金融结合促进科技型企业发展的若干意见》及其配套办法，在全国率先提出要开展科技金融结合工作。通过十年的探索，苏州市出台信贷、股权投资、保险方面的政策，促进科技创新和金融创新结合，支持科技型企业发展，初步形成了科技金融“苏州模式”。

苏州科技金融主要举措“拨改贷“、“拨改投”与“拨改补”。“拨改贷”以“科贷通”为代表，对合作银行为科技型中小微企业发放的、用于科技项目的贷款所产生的信贷损失进行有限补偿，合作银行简化审批流程并以优惠利率提供不低于10倍风险补偿资金的授信额度，由政府“托底”，分担风险。“拨改投”是为吸引天使投资机构，对符合条件的天使投资机构发起人发起设立新的天使投资机构时，引导资金对单个天使投资机构可以进行最高不超过30%比例的阶段参股。“拨改补”是针对成长期科技型中小微企业，对其科技项目贷款发生利息支出、科技保险支出进行补贴，同时对投资科创型企业的天使投资机构进行补贴。

苏州科技金融政策旨在促进苏州市科技企业发展，目前苏州市科技金融还存在覆盖面不足、科技成果评价体系尚未建立等问题，本文希望通过研究苏州科技金融投入对科技创新的效率，定量的衡量苏州科技金融的效果。

二、相关文献综述

(一)科技金融。赵昌文(2009)[1]最早提出科技金融这一概念，将其定义为科技创新活动提供金融资源的政府、企业、金融市场、社会中介机构等各种主体，以及在科技创新活动中的行为活动共同组成的一个体系。房汉廷(2010)[2]提出了科技金融是科技创新活动与金融创新活动的深度融合，是由科技创新活动引发的一系列金融创新行为。学者们对科技金融的界定都是围绕科技创新和提供支持的相关金融活动，促进科技资源和金融资源的优化配置的一系列相关措施，所以本文沿用赵昌文(2009)对科技金融的界定。

(二)科技创新相关文献。学者对科技创新主要由两种界定方式，一是朱欢(2010)、张玉喜等(2015)将科技创新视为一种特殊的生产函数形式，成果是知识产权，通过C-D生产函数来研究影响科技创新的因素；二是将科技创新概念细化研究，徐璋勇等(2018)将科技创新分为静态方面的科学创新和动态方面的技术创新，分别用发表论文数量与专利收入来衡量。

(三)科技金融投入与科技创新相关文献。国内学者对科技金融投入与科技创新相关的研究主要集中在两方面，一是研究金融的发展对技术创新的影响(张元萍(2012)、朱欢(2010)、徐璋勇等(2018)等)，二是通过DEA等方法研究科技金融投入对科技创新效率的影响。

张元萍等(2012)[3]通过分析金融发展和技术创新之间的关系，并得出金融深化与技术创新、金融效率与专利授权数之间具有显著良性互动关系。朱欢(2010)[4]认为技术创新可以被视为一种相对特殊的生产，通过C-D扩展函数的形式，得出了我国银行贷款规模对企业技术创新的支持效果比较明显，政府的财政科技拨款是企业技术创新资金投入的重要补充。徐璋勇等(2018)[5]将科技创新分为静态意义上的科学创新及动态意义上的技术创新；通过分析不同金融业态对科学创新和技术创新的影响，得出政府性财政投入对科学创新有显著的促进作用，但对技术创新产生了不利影响。张玉喜等(2015)[6]通过C-D生产函数研究科技金融投入对科技创新的作用效果，得出短期内科技金融投入对我国科技创新有着显著的支持作用，但是长期并不显著。

在研究科技金融投入对科技创新效率研究方面，学者大多使用DEA方法(华玉燕等(2013)、常亮等(2019)、陈非等(2019)等)，通过界定相关的投入产出指标对效率进行评价，还有学者(马乃云等(2016))通过设置平衡计分卡的方法，对科技金融的财政科技投入进行评价。华玉燕等(2013)[7]使用DEA方法研究了安徽省1997年-2010年的科技金融的效率，得出安徽省14年中有7年处于规模非有效状态。常亮等(2019)[8]以陕西省237家企业为样本，采用DEA模型测度了企业的科技创新效率，得出政府财政科技投入、资本市场科技投入和企业成立年限对企业科技创新效率具有显著正向影响，企业内部科技投入与金融机构科技投入对科技创新效率具有显著负向作用。陈非等(2019)[9]通过DEA法对广东省2000-2017年科技金融投入和产出数据进行动态分析，得出了广东省各区域科技金融并未达到有效状态。余洪(2019)[10]使用DEA模型分析我国1995-2015年财政科技投入产出的相对绩效水平，得出我国财政科技投入相对规模不够，省市间科技投入绩效水平差异明显且起伏波动较大，对科技资源的利用效率不高。马乃云等(2016)[11]财政科技经费绩效评价中存在的问题有：缺乏政策指导和法律依据、评价方式过分注重定量分析等，通过平衡记分卡的方法综合评价财务指标，增加学习与成长维度和客户维度。

通过研究之前学者的文献，发现学者对科技金融有统一的界定，即服务科技创新的一系列金融措施；主要通过DEA法、生产函数分析法和平衡计分卡法衡量科技金融对科技创新的影响。苏州作为最早发展科技金融的城市之一，本文想DEA法衡量科技金融的投入对科技创新效率的影响。

三、苏州市科技金融投入与创新效率实证分析

(一)DEA方法简介。数据包络分析法(DEA)是1978年由外国学者Charnes、Cooper和Rhodes提出的一种通过线性规划和统计数据来进行效率分析的数据分析方法，其基本原理是通过保持决策单元(DMU)投入和产出不变来产生一组数据中相对有效的生产前沿面，然后将DEA产生的生产前沿面与各个DMU作比较，来判断各个DMU的相对效率，最终得到相对有效性的结论。DEA方法完全是基于数据本身特征给出权重的评估方法，不需要预先假设输入输出指标的权重，模型基础是数学规划模型，所以能够摆脱认为的主观因素干扰，客观地给出分配方案。本文通过使用DEA输出导向的模型，研究科技金融投入对科技创新的效率。

(二)指标选取。根据本文上述的定义，科技金融是指科技创新活动提供金融资源的政府、企业、金融市场、社会中介机构等各种主体，以及在科技创新活动中的行为活动共同组成的一个体系。各个主体为科技企业提供资金支持，由于苏州市的科技金融活动主要有政府主导，所以本文将科技金融投入区分为两部分：财政科学技术支出(X1)与企业R&D投入占GDP的比重(X2)。

科技创新的成果衡量方式借鉴徐璋勇等(2018)，分为静态的科学创新和动态的技术创新，分别用发明专利拥有量(Y1)和规模以上工业综合效益指数(Y2)来衡量。

考虑到数据的可得性和可比性，选取苏州市2011年-2018年8年的财政科学技术支出、企业R&D投入占GDP的比重、发明专利拥有量和规模以上工业综合效益指数进行衡量。以上数据均来自于苏州市统计局。

(三)实证分析。便于对数据进行比较，本文先对数据进行无纲量化处理。使用DEAP2.0软件对数据进行分析，实证结果如表1所示。

表1 苏州市科技金融投入对科技创新效率实证结果

表2 2013年苏州市科技金融科技投入对科技创新效率影响

由实证结果可知，苏州市科技金融对促进科技创新的效率呈现效率较高的状态。在2011年-2018年中，纯技术效率达到最佳状态的为4年，2013、2014年科技金融促进科技创新的效率处于效率中等区间，但是2013-2015三年间效率呈现上升趋势，说明2013、2014年存在科技金融投入过多，反而对科技创新产生了负向的影响(如表4-2所示)。2016年后，苏州市科技金融投入对科技创新一直保持有效状态，证明经过前期的探索，科技金融的政策、资金投入都能促进科技创新。

四、结论与建议

从2016年起，苏州市科技金融投入对科技创新效率影响保持在有效状态，证明科技金融“苏州模式”在促进科技财方面发挥了作用，“科贷通”、“拨改补”以及引导天使投资的措施为科技型企业提供了资金支持，促进企业创新。针对苏州现状，本文提出进一步发展科技金融的建议：

第一，完善“一库、一池、一平台”的建设，将更多符合条件的企业纳入苏州科技金融超市平台，帮助其与银行、VC、PE等机构进行对接，通过政府平台在一定程度上消除信息不对称。

第二，扩大科技金融政策的宣传力度，通过各个园区的管理委员会，定期为园区企业开展科技金融政策培训，帮助园区企业了解政策的申报条件。园区管委会可基于对园区内企业信息了解的优势，协助符合条件的企业申报，降低科技企业的运营成本。

第三，结合苏州的产业优势以及产业发展方向，出台对生物医药、新技术、大数据和云计算企业的优惠政策，以良好的政策环境来吸引重点企业到苏州发展，从而形成聚集效应。