简述技术创新科技金融对技术革新作用效率结论

论文导读：的比重来表示。（二）数据来源上述各变量来源于各年《中国科技统计年鉴》、《中国高技术产业统计年鉴》、《中国统计年鉴》、《对外贸易经济年鉴》、清科数据库和CVsource数据库。（三）模型设定本文将科技金融的作用效率模型设定为如下形式：

(四)估计结果本文以2005年—2008年22个省、市、直辖市的面板数

摘要：本文将围绕科技金融对技术创新的作用效率这一问题展开研究。选取高技术产业为研究对象，以政策性科技投入、金融机构科技贷款、创业风险投资的相关比例指标作为科技金融的变量，结合数据包络法（DEA）分析科技金融对技术创新的作用效率。实证研究表明，政策性科技投入对技术创新的作用效率有显著的正向作用，科技贷款的作用效率为正但不显著，而创业风险投资则对技术创新效率有显著的抑制作用。
关键词：科技金融技术创新效率数据包络法（DEA） 实证分析
一、引言
技术创新是一国经济持续增长的内在动力。现如今各国都把推动技术创新作为提升本国综合国力和核心竞争力的战略手段。然而技术创新本身具有高投入、高风险的特点，其顺利进行需要一个外部支持体系为其保驾护航。虽然有众多外部因素能影响技术创新的各个过程，但能为其融通资金、化解风险的科技金融体系无疑占据重要位置。鉴于科技金融资源的有限性，科技金融体系的运行效率就显得尤为重要。若运行效率低下，对技术创新的支持也就缺乏可持续性。因此，如何合理配置有限的科技金融资源，提升科技金融体系自身的运行效率进而提高技术创新效率是一个至关重要的问题。

二、技术创新效率测度方法选取

国内外学者使用较多的技术创新效率测度方法包括随机前沿分析法（A）和数据包络分析法（DEA）。与随机前沿分析法（A）相比，数据包络分析法（DEA）不需要事先人为假定生产前沿函数的具体形式，并且相比于A局限于对单产出多投入的系统效率测算，DEA尤其适合多产出多投入的复杂系统的效率测算。因此本文利用数据包络分析法（DEA），并选取其中规模报酬不变的C2R模型，对我国各省、直辖市、自治区的技术创新效率值进行测算与分析。

三、指标选取和数据来源

研究技术创新效率，主要基于投入产出的角度来构建指标评价体系。根据以往的研究文献，一般选取科技经费投入和科技人力投入作为技术创新活动的投入指标（池仁勇等，2004；黄鲁成等，2006），故本文选取科技经费内部支出额作为科技财力投入指标，选取科技活动人员和研发人员全时当量作为科技人力投入指标。由于技术创新活动的复杂性，创新产出也并非单一指标能够衡量，本文在借鉴相关文献（白俊红等，2009；李燕萍等；2011）的研究基础上，选取专利申请授权数、新产品产值、各地区技术市场成交额以及国际论文发表数作为技术创新活动的产出指标。
上述各数据均来源于各年《中国科技统计年鉴》和《中国高技术产业统计年鉴》。为了剔除影响因素，对新产品产值、技术市场成交额用工业品出厂指数进行平减；对科技经费内部支出额用CPI指数进行平减。各年相应指数来源于《中国统计年鉴》。

四、我国各省市技术创新效率的测算与比较分析

本文选用数据包络分析法（DEA）中的C2R模型，利用DEAP2.1软件对我国22个省、直辖市、自治区2005年—2008年技术创新投入产出的数据进行测算，测算结果如表（5—6）所示。
比较各省市的具体效率情况可以看出，技术创新效率较高的地区有北京、天津、上海、浙江、广东、海南、重庆、湖南、湖北等，大部分集中在东部沿海地区。究其原因，与国家政策和区域经济发展源于：论文模板www.7ctime.com
水平有关。此外，2005年至2008年一直保持DEA相对效率值为1的省市有4个，分别是北京、天津、上海和浙江。说明这4个省市为DEA有效，即处于效率前沿面，其技术创新达到了最优配置。技术创新效率较低的地区有河北、山西、江西、四川、贵州、云南、新疆等，大部分集中在中西部地区。

五、科技金融对技术创新的作用效率研究

(一)变量选择

根据上文DEA测算出的技术创新效率值为被解释变量。鉴于科技金融的研究主题，选用科技金融体系中政策性科技投入、金融机构科技贷款与创业风险投资的相关比例指标作为解释变量，再以科技活动人力投入、外商直接投资、企业规模、出口导向相应指标作为控制变量，构建模型来研究科技金融对技术创新的作用效率。具体指标解释如下。
1、技术创新效率变量。将上文采用数据包络法（DEA）测算得出的技术创新效率值（Tec）作为被解释变量。
2、科技金融变量。分别选取政策性科技投入指标（COV）、金融机构科技贷款指标（BANK）、创业风险投资指标（VC）作为科技金融的变量。其中政策性科技投入指标（COV）以地方财政科技拨款占地方财政支出的比重表示；金融机构科技贷款指标（（BANK）以金融机构科技贷款占科技经费筹集总额的比重表示；创业风险投资指标（VC）以各地区创业投资额占地区GDP的比重表示。
3、控制变量。基于国内外相关文献的研究基础，本文选取外商直接投资、科技人力投入、企业规模、出口导向的相关指标作为控制变量。其中外商直接投资指标（FDI）以各地区外商直接投资实际利用额占地区GDP的比重来表示；科技人力投入指标（HUM）以各地区科学家和工程师数占科技活动人员总数的比重来表示；企业规模指标（SIZE）以大型高技术企业总产值占行业总产值的比重来表示；出口导向指标（EXP）：以高技术产业出口交货值占地区GDP的比重来表示。

(二)数据来源

上述各变量来源于各年《中国科技统计年鉴》、《中国高技术产业统计年鉴》、《中国统计年鉴》、《对外贸易经济年鉴》、清科数据库和CVsource数据库。

(三)模型设定

本文将科技金融的作用效率模型设定为如下形式：

(四)估计结果

本文以2005年—2008年22个省、市、直辖市的面板数据为基础，研究科技金融对技术创新的作用效率。基于EVIEWS6.0分别选用固定效应估计法和随机效应估计法对基本模型进行估计分析。通过Hauan检验判断选取固定效应模型或随机效应模型。若Hauan检验得到的p值小于1%、5%、10%，则在1%、5%、10%的显著水平下拒绝原随机效应模型的假设，进而选择固定效应模型。估计结果见表（5—1）。源于：论文写作格式www.7ctime.com