科技金融融合发展效率提升路径.docx

科技金融融合开展效率提升路径 [摘要]以长江经济带为研究对象,采用QCA定性比较分析方法研究科技金融开展增长效率的提升路径基于模型分析结果,对金融开展程度高的地区和金融开展程度低的地区,分别提出相关政策建议　　[关键词]科技金融效率;定性比较分析;优化路径　　一、引言与文献综述　　“十九大〞报告明确提出,我国经济开展已经由高速增长转向高质量开展阶段,经济步入“新常态〞,经济结构优化与升级迫在眉睫经济结构优化与经济高质量增长离不开科技创新的支撑,科技创新是推动区域经济开展的源动力,而金融对科技创新具有拉动作用,科技与金融的有机结合是促进科技开发与科研成果市场化、提升企业创新活力的必要条件,是创新驱动开展的重要着力点科技与金融已成为现代经济体系中最为活泼的两大要素,科技创新是经济开展的重要动能,金融开展是推动科技创新的加速器,科技与金融的深度融合形成经济社会开展的新动能科技金融的融合开展与协同创新,可以引导科技金融资源优化配置,促进科技金融资源与科创产业有效匹配,为科创产业提供全周期的高效率效劳,构建和完善区域性科技金融生态可为长江经济带高质量一体化开展提供重要的金融支持中国科学技术开展战略研究院2022年提出的科技与金融结合,已成为全国社会科学界关注的重大理论和政策问题,科技金融融合开展日益重要。

中国人民银行印发的?金融科技开展规划(2022—2021年)?提出,进一步增强金融业科技应用能力,实现金融与科技深度融合、协调开展,助力我国金融科技开展位列国际领先地位北京市金融监管管理局提出,未来的金融业将是科技驱动的产业,充分发挥科技金融在跨境金融效劳业中的作用,可促进全球金融市场的互联互通在疫情期间,全球资本市场面临极大的挑战,中国经济展现出了极大的开展潜力,金融业的对外开放始终没有止步,为在华中外企业提供了良好的开展环境科技金融的定义多有争论,国内获得普遍认可的是赵昌文等[1]提出的科技金融工具论对于科技金融效率与区域开展国内外学者做过大量研究国外学者Major和Chad[2]等研究发现,政府部门能够有力推动科技金融效率,政府的资金支持与政策支持对科技企业的开展至关重要;Hicks[3]通过对金融市场与技术创新市场化之间联系的研究,发现金融市场的不健全会对科技创新的开展与科技成果市场化产生不利影响;King和Levine[4]指出金融开展可以促进技术创新的成果,进而推动经济的开展与进步相比国外,我国对科技金融研究起步较晚,自赵昌文[1]提出系统的科技金融工具论之后针对科技金融的研究才逐步增加。

我国对于科技金融的研究大多集中于区域科技金融开展效率,如徐玉莲和王玉冬[5]等基于数据包络分析研究,指出我国各省份的科技金融效率差异较大;黄瑞芬和邱梦圆[6]研究得出我国科技金融水平整体不高,且区域间有显著差异;庞金波等[7]利用PP模型实证研究得出我国东中西部地区科技金融效率不一,各区市也处于开展不均衡状态;常亮和罗剑朝[8]通过DEA模型测算企业科技创新效率受不同因素作用效果不同,且科技金融投入对不同性质的企业科技创新效率具有不同影响综上所述,国内外现有研究大都集中于科技金融效率的计算与区域科技金融、企业科技金融的横向比照,对于综合提升科技金融开展效率的研究仍有缺乏基于此,本文以长江经济带为例,首先基于DEA-Malmquist指数,测算出我国科技金融开展增长效率,再以此为结果变量,采用QCA(QualitativeComparativeAnalysis)定性比较分析方法,研究科技金融开展增长效率的提升路径,目的是为不同类型的地区提供参考路径,进而提升科技金融开展　　二、科技金融融合开展增长效率计算　　(一)DEA-Malmquist指数　　Malmquist生产率指数,是由瑞典学者Malmquist[9]在比较两组不同时期的消费变化时提出的,其后有学者将该指数应用于测算生产率变化,并得到广泛运用。

Malmquist指数计算不需要预先设置权重、不受投入产出量纲的影响,且克服传统DEA模型只反映各决策单元静态效率的缺乏,可以研究不同时间段的开展效率从t时期到t+1时期规模效率不变的Malmquist生产率指数公式M(xt+1,yt+1,xt,yt)为:(1)TFP反映全要素生产率变动情况,当TFP>1时,说明全要素生产率提高;当TFP　　(二)指标选取与数据来源　　评价科技金融融合开展增长效率的关键是构建合理的指标体系本文在已有文献的研究根底上,考虑指标选取的可度量性、可靠性和可获取性原那么,构建科技金融融合开展增长效率评价指标体系本文选取金融市场支持、政府支持和科技资源支持三个方面四个指标作为评价科技金融融合开展增长效率的投入指标金融市场在科技开展方面的支持主要是金融机构科技贷款,借鉴高慧清[10]的研究,金融机构科技贷款用“R&D外部经费支出〞来反映;政府支持用地方财政科技拨款来表示;科技资源支持用“R&D内部经费支出〞和“R&D人员全时当量〞来衡量科技金融的产出指标选取创造专利授权量[11]、技术市场成交合同额和高新技术新产品销售额三个变量表示我国科技金融投入与产出指标体系如表1所示。

本文以2022—2022年我国长江经济带11个省(市)为研究对象,相关的科技金融投入产出数据均来源于对应年份的?中国科技统计年鉴?和?中国统计年鉴?为了消除通货膨胀对货币指标的影响,本文以2022年为基期,对各指标数据进行平减由于科技金融投入对产出的影响具有滞后效应,本文选择滞后一期进行研究　　(三)结果分析　　本文使用DEAP2.1软件对模型各指标数据进行计算,得到2022—2022年我国长江经济带科技金融融合开展增长效率值,具体结果如表2所示根据表2可知,2022—2022年我国长江经济带科技金融融合开展增长效率均值为1.096,总体上处于增长状态各地区科技金融融合开展增长效率差异较大,江西、贵州地区科技金融融合开展增长效率值较大,分别为1.242和1.155,而上海、江苏地区科技金融融合开展增长效率较低,分别为1.033和1.042,并且同一地区不同时间段科技金融融合开展增长效率差异也较大因此,探究科技金融融合开展的影响因素,对提高各地区科技金融融合开展增长效率具有重要意义　　三、科技金融融合开展增长效率提升路径分析　　(一)定性比较分析法　　定性比较分析方法是20世纪80年代由社会学家Ragin[12]提出的一种关注条件组态与结果间复杂因果关系的方法,认为社会现象发生的原因条件间多是相互依赖而非独立的,因此解释社会现象发生的原因需要采取整体的、组合的方式。

定性比较分析方法采取整体的视角,关注跨案例的“多重并发因果关系〞,从整体上分析条件组态对结果的影响(AB→C),而并非单个变量对结果具有决定性另外,对于同一结果有不同的路径可以到达,即多个不同的条件组合可能产生同样的结果(AB→Y,CD→Y)定性比较分析包括清晰集定性比较分析(csQCA)、模糊集定性比较分析(fsQCA)以及多值集定性比较分析(mvQCA)3个根本类别fsQCA相较于csQCA和mvQCA而言,可以处理程度变化或局部隶属问题,应用更为广泛[13]本文采用模糊集定性比较分析方法定性比较分析方法相较于以回归分析为主的定量研究与以案例分析为主的定性研究,其优势在于:通过对不同样本的跨案例比较,可以在分析条件变量作用路径的根底上,保证研究结论的外部推广性;对组态路径进行分析,区分出具有等效结果的不同路径,从而发现条件变量之间的潜在替代关系,为后续实践过程拓宽思路、增加优化路径　　(二)变量选取及数据校准　　1.结果变量本文关注的结果是各地区科技金融融合开展增长效率利用DEAP2.1软件通过对科技金融投入和产出指标进行计算,得出2022—2022年我国长江经济带11个省份的科技金融融合开展增长效率,并以2022年的科技金融融合开展增长效率为结果变量。

2.条件变量(1)金融开展程度,地区金融开展程度越高,企业才能从金融市场中筹措足够的资金来进行科研活动借鉴童纪新和曹越美[14]的指标选取方法,采用地区金融机构各项贷款余额占地区生产总值的比重来衡量各地区金融开展程度金融开展程度三个校准点的数据分别为0.5、1.3和32)经费投入强度,衡量一个地区在科技创新方面的努力程度,根据我国现阶段科技金融开展水平,提高经费投入强度可促进地区科技金融融合效率提升用R&D经费支出与地区生产总值之比来表示三个校准点的数据分别为0.7、1.9和4.53)政府科技支持,指地方政府对于科技创新的支持力度,政府对科技的重视程度越大越有利于科技金融效率的提升用地区一般公共预算支出中的科学技术支出占比来表示三个校准点的数据分别为0.5、3和64)科研人员投入强度,表示各地区在科技创新方面的人员投入程度,增加科研人员投入力度可提高科技金融效率采用地区科研人员全时当量与全国科研人员全时当量之比来表示三个校准点的数据分别为0、3.55和145)科研气氛,地区科研气氛可以有力促进该地区科技金融融合效率的提升本文借鉴李林汉等[15]的研究,采用各地区内科研机构数量与全国科研机构数量之比来衡量。

三个校准点的数据分别为0.5、3.25和5条件变量的测量指标描述与校准如下表3所示　　(三)必要条件分析　　对我国科技金融融合开展效率提升路径进行组态分析之前,进行单一变量的必要性分析单变量必要性分析的目的,在于确定某单一条件变量是否为结果变量的必要条件,即结果发生,该变量必定存在;假设该变量不出现,那么结果一定不发生进行单一变量必要性分析后,可进一步对各个条件进行充分条件分析,并通过“布尔代数最小化〞识别出对目标结果解释力度最大的条件组态单一变量一致性的计算公式为:Consistency(Yi≤Xi)=Σmin(Xi,Yi)/Σ(Yi)科技金融融合开展效率的必要条件结果分析如表4所示根据Fiss[16]的研究,认为一致性大于0.9时该变量可视为结果的必要条件如上表所示,各个条件变量与结果发生、不发生的一致性均低于临界值0.9,故以上五个条件变量均非科技金融融合开展效率提升的必要条件这一结果说明了科技金融融合开展效率提升的前因复杂性,单一的因素并不能决定地区的科技金融融合开展效率,需要多因素联动匹配共同影响地区科技金融开展效率四)组态路径分析模糊集定性比较分析会得到3种类型的解:复杂解(不包含“逻辑余项〞)、简约解(包含“逻辑余项〞)与中间解(包含符合理论和实际知识的“逻辑余项〞)[17]。

其中,复杂解得到的结论最严格,但是过于复杂,普适性差;简约方案得到的结论最为宽松,但是过于简单,结论可能与实际不符;而中间方案得到的结论普适性较强,故大多数学者使用fsQCA研究时均选取中间解的结论基于以上分析,本研究中对于科技金融融合开展的前因影响因素进行组态路径分析,以consistencycutoff为0.9对结果组态进行筛选,科技金融融合开展效率提升的前因组态路径如下表5所示相关符号采取Ragin和Fiss[18]提出的表述方式,用表示条件变量出现,用⊗表示条件变量不出现,空格意味着条件变量的存在无关紧要具体数据运行结果如下表5所示如表5所示,根据科技金融融合开展效率驱动路径中的影响因素,有3条路径可以促进科技金融融合开展效率的提升,每一纵列代表一种可能的条件组态解的一致性(solutioncoverage)为0.94,即在所有满足这3条路径的地区中,有94%的地区科技金融融合开展效率大概率会提提高;解的覆盖度(solutionconsistency)为0.84,即这3条组态路径可以解释84%的地区科技金融融合开展效率变化案例;解的一致性与覆盖度均高于临界值,说明该实证研究有效。

基于以上条件组态,可进一步识别出各地区在提高当地科技金融融合开展效率的过程中不同影响因素的差异化适配关系[19],具体分析如下条件组态1表示,较高的地区。