我国省际科技金融效率测度及影响因素分析——基于30个省份面板模型实证分析

通过运用DEA模型测算1998—2017年我国30个省(自治区、直辖市)科技金融效率,并建立Tobit模型对我国科技金融效率进行影响因素分析。实证表明:我国科技金融整体水平较低,地区差异大,只有少数省份的科技金融效率达到较高水准;金融市场、科技创新程度、高技术产业市场规模均与科技金融有显著正相关关系,企业研发经费与科技金融效率有显著负相关关系。提高科技金融投入产出效率的相关建议包括加大科技创新力度、加大金融市场对科技金融效率的支持力度、扩大高技术产业规模效益、合理规划政府财政支出。

科技金融效率对经济高质量发展的影响研究——基于省级面板数据实证检验

本文选取中国30个省级样本面板数据,通过DEA-BCC模型测度各样本省份每年的科技金融效率,再借助熵值法测量样本对象的经济高质量发展综合评分,最后使用Eviews.10选择个体固定效应模型实证检验各省科技金融效率对经济高质量发展的影响。结果表明:1.北京、吉林、上海、江苏、浙江、海南、重庆和四川等地科技金融效率较高,地区间发展仍不充分。2.我国经济高质量发展评分总体逐年不断提升,但仍处于较低水平,东部地区明显分数较高。3.科技金融效率对经济高质量发展有显著正向作用。

京津冀城市群科技金融效率时空演变格局

为了研究京津冀城市群科技金融效率的时空演变特征,本文基于京津冀城市群2012—2023年面板数据,运用方向性超效率SBM模型和Malmquist指数、全局莫兰指数、标准差椭圆和空间马尔可夫链等方法分析京津冀城市圈科技金融效率时空演变和空间格局特征。实证结果显示:京津冀城市群总体科技金融效率呈现“W底”型变化,整体上呈上升趋势;京津冀城市内部科技金融效率差距较大,不同城市科技金融效率提升路径存在差异;京津冀城市群总体科技金融效率存在一定的空间协同影响,但大体格局未变;空间因素会影响科技金融效率,城市科技金融效率受原有发展水平影响较大,近邻效应会影响城市间的科技金融效率,邻域类型不同且转移概率不同。本文从效率分解和空间角度为提升京津冀科技金融效率提供理论依据,对推进京津冀科技金融协同发展具有重要意义。

山东省科技金融效率及影响因素研究

科技与金融的有效结合是实现创新驱动发展,提升区域综合竞争力的重要引擎。在建立科技金融效率评价指标体系的基础上,运用DEA模型对山东省2008—2021年科技金融效率进行分析,结果显示,山东省科技金融效率不高,但处于上升趋势。同时将山东省的科技金融效率与江苏省、广东省进行对比,结果显示山东省科技金融效率与二省存在较大差距。在此基础上,根据DEA模型测出的科技金融综合效率建立Tobit模型,对可能影响科技金融效率的因素进行实证分析。最后基于实证分析结果,为山东省科技金融效率的提高提出可行性建议。

山东省科技金融效率影响因素及区域差异研究

文章基于DEA模型对2015—2020年山东省16个城市的科技金融效率进行测度,同时构建Tobit模型探究科技金融效率的影响因素,并运用Dagum基尼系数法探寻了胶东、省会、鲁南三大经济圈的科技金融效率区域差异及其来源。实证结果表明,在5%的显著性水平下,政府财政科技资金支持程度、产业升级程度对科技金融效率均具有显著正向影响,政府干预程度会降低智力资本投入对科技金融效率的影响;近年来山东省科技金融效率区域差异大体呈下降态势,区域差异主要来源于区域间差异。研究结果有助于进一步发挥山东省科技金融效能,进而促进产业结构升级和区域协调发展。

杭州市科技金融效率评价与影响因素研究--基于AHP-DEA-Tobit模型

科技与金融的有效结合,可以有力促进科技创新,推动经济健康持续发展。运用AHP-DEA模型对2007-2020年杭州市科技金融进行效率评价,结果表明,杭州市科技金融总体效率不佳,主要因为规模效率非有效,且各年效率呈W型变化,变化率较大,稳定性较差。运用Tobit模型从政府、金融市场、企业三方面对杭州市科技金融效率一般影响因素进行研究,结果表明,政府主导对科技金融效率存在负面影响,而市场机制能更好提升科技金融结合效率,企业科技投入也存在正面影响。因此杭州市需优化科技金融投入结构,提升企业自主创新能力,以提升科技金融资源配置及使用效率。

京津冀城市圈科技金融效率测度与优化路径研究——基于模糊集定性比较分析

文章基于2017—2020年京津冀城市圈面板数据,从创新价值链视角运用SBM-ML模型测算京津冀城市圈科技金融效率,并采用定性比较分析方法探讨环境、资金、人才条件对京津冀城市圈科技金融效率提升的组态效应及路径选择。结果表明:(1)2017—2020年京津冀城市圈科技金融效率整体处于增长状态,但2019年除北京外其他城市均出现下跌趋势。(2)京津冀城市圈高科技金融效率背后是多因素协同作用的结果,其中研发人员投入力度是促进科技金融效率提升的关键因素。(3)优化京津冀城市圈科技金融效率水平路径包括“资金—环境”优化型、“人才”优化型、“人才—资金—环境”协作优化型。建议北京、天津等地在保持自身优势的同时,重点从资金运用及科研氛围两个维度提升科技金融效率;保定、沧州等多数金融发展程度较低的地市,要重点强化人力资本建设,并辅助经费支持与科研氛围的营造。

基于DEA-BCC模型的河南科技金融效率分析

【目的】旨在对河南省科技金融效率进行分析。【方法】本研究从科技金融投入和产出两个视角入手,对河南省科技金融状况进行剖析。在构建河南科技金融投入产出评价指标体系的基础上,采用DEA-BCC指数模型,对2010—2019年河南省的科技金融效率进行静态测度分析。【结果】根据DEA模型的测度结果,2010—2019年,河南科技金融的效率值一直低于0.9,处于非有效状态。河南省的科技金融综合效率均值分布在0.8~0.86之间,总体呈先降后升的趋势,但效率值一直低于0.9,说明河南省的科技金融效率总体不高,存在资源浪费现象。【结论】河南省的科技金融效率总体水平不高,各市之间的科技金融效率存在较大差异,且受政府支持力度、金融市场发展程度、企业创新成效、人力资本、地区科技创新水平及贷款支持力度等多种因素的影响。

长江经济带科技金融效率时空差异分析

科技金融是促进科技研发、经济发展的重要支柱。科技金融的高效率运行对地区产业升级至关重要。本文基于SBM-DEA模型对我国长江经济带区域科技金融效率进行测度,避免由于传统DEA模型忽视松弛变量以及径向问题带来的评测误差,并结合莫兰指数探究其空间特征。研究结果表明:从时序特征分析,我国长江经济带区域科技金融效率呈现稳步上升趋势,但尚未达到有效生产前沿面。江西、安徽、贵州科技金融发展效率偏低,只有上海、浙江等少数几个经济发达地区接近前沿面;从空间特征分析,长江经济带区域科技金融效率具有一定的空间差异性,各省份科技金融发展不均衡。据此,提出推动长江经济带区域科技金融发展相关政策建议。

中国科技金融效率时空分异特征及区域均衡性

科技金融是促进科技开发、成果转化和高新技术产业发展的重要引擎。结合DEA-BCC模型与基尼系数分析方法,对中国内地29个省市2006-2016年的面板数据进行实证分析,探讨中国科技金融效率时间演变规律、空间差异及区域均衡性。结果表明:①总体而言,中国科技金融结合的综合效率均值、纯技术效率均值及规模效率均值分别为0.827、0.950、0.866,科技金融效率为非DEA有效,科技金融体系建设有待加强;②从时间变化趋势上看,2006-2016年,科技金融结合的综合效率、纯技术效率及规模效率均表现出不同程度的“V”型变动趋势,科技金融效率尚未形成持续稳定增长态势;③纯技术效率和规模效率对科技金融效率的影响有所不同,比较而言规模效率的影响更为显著;④从空间差异与区域均衡性上看,不同省市科技金融效率存在较大差距,中国科技金融效率基尼系数不断上升,区域差异不断扩大,各省市科技金融发展失衡程度差异显著。

我国“一带一路”区域科技金融效率及影响因素研究——基于三阶段DEA与Tobit模型

基于三阶段DEA探究我国“一带一路”区域2012~2016年科技金融效率及其空间分布差异,最后建立Tobit模型对影响因素进行分析。研究结果表明:剔除环境因素后科技金融效率显著下降,其中较低的规模效率是制约效率提高的深层原因,东南板块综合效率最高,西北板块综合效率不容乐观。高技术产业规模、企业对科研的资金支持力度、地区法制化水平、技术创新程度与科技金融效率呈显著正相关;政府财政科研支出对其存在消极影响。为此提出合理配置财政科技资源、加强科研经费投入力度、提高区域法制化水平、鼓励科技创新等政策建议。

中国省际科技金融效率测度及其影响因素分析——基于空间面板模型实证研究

运用DEA-BCC模型测算我国2005-2016年30个省(区、市)科技金融效率,并建立相应空间面板模型对影响科技金融的因素进行分析。研究结果表明:我国省际科技金融效率区域差异较大,整体水平相对偏低,只有少数经济相对发达的东部地区科技金融效率达到了有效生产前沿面;除研发投入强度对科技金融效率有负向影响外,科研氛围、高技术产业资金规模等影响因素对科技金融效率有显著促进作用。为此,提出有效促进地区科技金融效率提高的相关政策建议。

长江经济带科技金融效率研究——基于三阶段DEA模型BCC分析法

采用三阶段DEA模型BCC分析法对长江经济带11省市科技金融投入产出效率进行了测算,对2009—2011年、2012—2014年、2015—2016年三个时段进行实证分析。结果显示:长江经济带科技金融效率受到政府对科技重视程度等环境因素影响;长江经济带科技金融综合效率先升后降,纯技术效率不断提升;在空间上按下游、上游、中游区分存在梯度差异。据此,提出增加政府在科技财政方面的支出、扩大科技金融规模、发挥下游示范作用及提升上游的规模效率和中游的纯技术效率的建议。

新业态背景下东莞科技金融效率研究

科技创新是创新的核心,而科技创新成果的产生、转化与产业化都离不开金融体系的强力支持。研究结果表明大幅增加科技资金的投入可以提高科技创新效率与创新能力;改善科技资金的投入方式,也能提高科技创新效率和能力。因此,东莞市应该鼓励民间金融向天使投资、风险投资发展;鼓励科技企业主动利用私募债券、私募股权、新三板、IPO等方式融资;发展科技金融中介机构;完善科技金融担保、再担保体系;建立科技金融平台。

科技金融效率及其影响因素的省际差异性研究

整理我国30个省份2008-2018年的数据,用三阶段DEA和Malmquist指数模型探究科技金融效率的省际差异,以及知识产权管理水平对科技金融效率的影响,研究结果显示:我国各地区科技金融效率由高到低呈东、中、东北和西部顺序排列,规模效率普遍较低,科技金融效率的提升主要靠技术进步驱动;各地区全要素生产率均大于1,且驱动因素存在差异;在影响因素方面,知识产权创造和运用指数没有转化为有效产出,知识产权发展环境的改善促进区域创新效率提升,对此我国应该加强知识产权有效创造、依法保护、高效运用和科学管理工作的建设。

基于三阶段DEA-Tobit模型的省际科技金融效率及其影响因素研究

基于三阶段DEA模型,对我国2015年的省际科技金融效率进行测算,同时利用Tobit模型对科技金融效率的影响因素进行分析。结果表明,我国的省际科技金融效率普遍过低,只有北京、黑龙江、浙江、河南、广东5个省区的技术效率处于技术前沿面,其他省份的技术效率都有待提高;高技术产业的科研经费投入、地区法制化水平、金融发展与技术创新的程度对于科技金融效率都有正向影响,且高技术产业的科研经费投入影响程度最高;高技术产业利润总额占比与政府机构的财政支持度对于科技金融效率的影响有不显著的负向影响。综合以上分析,各地政府应加大高技术产业的科研经费投入,改善经费投入的体系;加大地区法制化水平,保障科技金融市场正常有效的进行;加大金融发展,增进资本积累以及优化资源配置;加大对于科技创新的鼓励,走科技创新内涵路线;各地应监管科研经费,合理分配科学技术财政支出,积极发挥政府的引领作用,保持科技金融效率的持续提升。

基于DEA-Tobit模型的科技金融效率影响因素研究

运用DEA-Tobit模型对我国2009—2014年24个省市的面板数据进行实证分析,以高技术企业、政府和创投企业这三个科技金融主体为视角探索各因素对科技金融效率的影响。研究表明,随着科技金融投入的不断增加,科技金融效率并未提高;高技术企业总产值占GDP比重、创投企业数量和创投企业吸引投资金额是影响科技金融效率的重要因素。提出提高财政资金监管力度、合理配置科技资源、扩大高技术产业规模、积极引导创投企业发展等政策含义。

中国科技金融效率的区域差异及动态演进

文章基于2009—2019年中国省级面板数据,采用超效率SBM模型测度科技金融效率,运用Dagum基尼系数解构科技金融效率的空间差异特征,采用Kernel密度考察空间演变趋势,通过测算Moran’s I揭示空间相关性。研究发现:中国科技金融效率总体上呈现逐年递增的态势,但存在不同程度的波动;科技金融效率总体区域差异整体上呈持续下降趋势,区域间差异是主要来源;在Kernel密度估计中,中部地区科技金融效率空间分布相对集中,而其他地区不稳定,有强烈的极化趋势;近年来邻近省份科技金融的发展对本地科技金融的发展具有明显的影响。

基于AHP-DEA-Malmquist的广东省科技金融效率评价研究

运用AHP-DEA-Malmquist模型对2004—2015年广东省及21个地级市的科技金融效率进行静态和动态实证分析。结果表明:广东省11年来科技金融结合效率呈现w型,并且具有较为明显的区域差异;珠三角地区的整体效率明显高于其他地区,主要是因为珠三角地区的中观层面的投入力度和宏观层面的市场环境优势;且珠三角地区的技术效率明显高于其他地区,主要得益于微观层面上公司内部对技术研发的投入力度。引入Malmquist指数动态实证分析之后,结果显示广东省科技企业近几年通过对技术投入的加大,技术效率得到明显的提升。

中国科技金融效率的时空分异及其影响因素——基于非期望产出视角的分析

基于非期望产出视角,采用EBM—Undesirable模型和社会网络分析法(SNA)对2006—2018年我国科技金融效率的时空特征进行探究,运用两阶段系统GMM分析其影响因素。结果发现:从时间趋势看,科技金融效率呈现良好上升趋势,纯技术效率变动是制约科技金融综合效率提升的重要原因。从空间特征看,科技金融效率的整体水平良好,但仍有较大提升空间;效率值的地区差异明显,呈现东中西部递减态势,且东部地区优势明显。SNA分析表明,科技金融发展存在较为普遍的空间溢出效应,以京津冀和长三角地区的辐射效应最强,北京、上海、江苏和广东是我国科技金融建设的核心区域。智力资本水平、金融结构、知识产权保护、互联网技术水平和外商直接投资能有效提升科技金融效率,而环境规制对其存在一定的抑制作用。